Beberapa masalah transportasi di sejumlah kota besar telah berada pada tahap kri
tis, antara lain masalah kemacetan, tundaan, serta polusi suara dan udara. Selai
n itu, permasalahan transportasi regional juga sudah membutuhkan perhatian seriu
s. Untuk menanggulanginya, perlu dipelajari dan dipahami pola keterkaitan antara
berbagai faktor penyebabnya. Buku Perencanaan dan pemodelan transportasi ini me
njelaskan pola keterkaitan tersebut, masalah yang dihadapi, serta konsep perenca
naan dan pemodelan transportasi yang berkembang sampai saat ini. Pemodelan yang
dibahas dapat diterapkan pada moda transportasi darat, laut, dan udara dengan sk
ala permasalahan yang berbeda-beda. Juga dijelaskan proses pemilihan model, peng
embangan, adaptasi, dan penggunaannya untuk konteks yang berbeda.Setiap pokok ba
hasan diterangkan secara terinci, mulai dari teori dasar dan asumsi, pengumpulan
data spesifikasi model, proses pemikiran, pengabsahan, kalibrasi, aplikasi, dan
dilengkapi dengan contoh soal. Isinya yang cukup lengkap membuat buku ini sanga
t berguna bagi para konsultan, perencanaan dan pengelola transportasi, pengemban
g wilayah, mahasiswa dan dosen yang menangani mata kuliah perencanaan dan pemode
lan transportasi, serta masyarakat yang berkecimpung dalam bidang ini.
PENERBIT ITB
Jl. Ganesa 10 Bandung, Telp./Fax. (022) 2504257 e-mail: itbpress@bdg.centrin.net
.id
EDISI KEDUA
Perencanaan &Pemodelan Transportasi
ISBN 979-9299-10-1
EDISI KEDUA
Ofyar Z. Tamin
Perencanaan dan Pemodelan Transportasi
Ofyar Z. Tamin
Jurusan Teknik Sipil Institut Teknologi Bandung
Penerbit ITB
Isi
Prakata Edisi 2 Prakata Edisi 1 1 Pendahuluan 1.1 Perencanaan dan pemodelan tran
sportasi 1.1.1 Latar belakang 1.1.2 Model dan peranannya 1.2 Ciri permasalahan t
ransportasi 1.2.1 Ciri kebutuhan akan transportasi 1.2.2 Ciri sistem prasarana t
ransportasi 1.2.3 Keseimbangan antara sistem prasarana transportasi dan kebutuha
n akan transportasi 1.3 Pemilihan pendekatan model 1.4 Faktor dalam pemodelan tr
ansportasi 1.4.1 Spesifikasi model 1.4.1.1 Struktur model 1.4.1.2 Bentuk fungsio
nal 1.4.1.3 Spesifikasi peubah 1.4.2 Kalibrasi dan pengabsahan model 1.4.3 Beber
apa definisi dalam pemodelan 1.5 Ciri dasar perencanaan transportasi 1.5.1 Penda
huluan 1.5.1.1 Multimoda 1.5.1.2 Multidisiplin 1.5.1.3 Multisektoral 1.5.1.4 Mul
timasalah 1.5.2 Ciri pergerakan tidak-spasial 1.5.2.1 Sebab terjadinya pergeraka
n 1.5.2.2 Waktu terjadinya pergerakan 1.5.2.3 Jenis sarana angkutan yang digunak
an 1.5.3 Ciri pergerakan spasial 1.5.3.1 Pola perjalanan orang 1.5.3.2 Pola perj
alanan barang 1.6 Campur tangan manusia pada sistem transportasi 1.7 Perencanaan
transportasi sebagai bentuk campur tangan manusia 1.8 Pihak yang terlibat dalam
perencanaan transportasi
19a 21a 1 1 1 3 5 5 7 7 9 11 11 11 11 11 11 12 13 13 13 13 14 14 15 15 15 17 18
19 20 20 22 23
5a
2
Pendekatan perencanaan transportasi 2.1 Umum 2.2 Pendekatan sistem untuk perenca
naan transportasi 2.2.1 Pengertian sistem 2.2.2 Sistem transportasi makro 2.2.3
Sistem tata guna lahantransportasi 2.3 Analisis interaksi sistem kegiatan dengan
sistem jaringan 2.4 Aksesibilitas dan mobilitas 2.4.1 Apakah aksesibilitas dan m
obilitas itu? 2.4.2 Hubungan transportasi 2.4.3 Aksesibilitas berdasarkan tujuan
dan kelompok sosial 2.4.4 Aksesibilitas dalam model perkotaan 2.4.5 Pengukuran
aksesibilitas di daerah perkotaan 2.4.5.1 Ukuran grafis aksesibilitas 2.4.5.2 Uk
uran fisik aksesibilitas 2.4.5.3 Aksesibilitas perumahan sebagai fungsi tersedia
nya fasilitas transportasi 2.4.6 Aksesibilitas dan perilaku perjalanan 2.4.7 Con
toh penggunaan aksesibilitas 2.4.8 Ringkasan 2.5 Konsep perencanaan transportasi
2.5.1 Bangkitan dan tarikan pergerakan 2.5.1.1 Umum 2.5.1.2 Jenis tata guna lah
an 2.5.1.3 Intensitas aktivitas tata guna lahan 2.5.2 Sebaran pergerakan 2.5.2.1
Umum 2.5.2.2 Pemisahan ruang 2.5.2.3 Intensitas tata guna lahan 2.5.2.4 Pemisah
an ruang dan intensitas tata guna lahan 2.5.3 Bangkitan dan sebaran pergerakan 2
.5.4 Pemilihan moda transportasi dan rute 2.5.4.1 Pemilihan moda transportasi 2.
5.4.2 Pemilihan rute 2.5.5 Arus lalulintas dinamis (arus pada jaringan jalan) 2.
5.6 Tingkat pelayanan 2.5.6.1 Tingkat pelayanan (tergantung arus) 2.5.6.2 Tingka
t pelayanan (tergantung fasilitas) 2.5.7 Hubungan arus lalulintas dengan waktu t
empuh 2.5.8 Penentuan indeks tingkat pelayanan (ITP) 2.5.8.1 Pendekatan linear 2
.5.8.2 Pendekatan tidak linear 2.5.8.3 Pendekatan rata rata 2.5.9 Penentuan nila
i T0 2.5.10 Ringkasan konsep dasar
25 25 26 26 27 30 31 32 32 33 35 36 36 36 36 37 37 37 39 40 40 40 41 42 42 42 43
43 43 44 44 44 45 45 46 46 47 48 50 50 51 53 53 57
6a
Ofyar Z Tamin, Perencanaan dan pemodelan transportasi
2.6
2.7
Perhitungan kapasitas ruas jalan dan persimpangan 2.6.1 Perhitungan kapasitas ru
as jalan 2.6.1.1 Kapasitas dasar C0 2.6.1.2 Faktor koreksi kapasitas akibat pemb
agian arah (FCSP) 2.6.1.3 Faktor koreksi kapasitas akibat lebar jalan (FCW) 2.6.
1.4 Faktor koreksi kapasitas akibat gangguan samping (FCSF) 2.6.1.5 Faktor korek
si kapasitas akibat ukuran kota (FCCS) 2.6.2 Pengaruh parkir pada kapasitas ruas
jalan 2.6.3 Perhitungan kapasitas persimpangan 2.6.3.1 Persimpangan tidak berla
mpu lalulintas 2.6.3.2 Persimpangan berlampu lalulintas Contoh sederhana model i
nteraksi 2.7.1 Pendahuluan 2.7.1.1 Bangkitan pergerakan 2.7.1.2 Sebaran pergerak
an 2.7.1.3 Pemilihan moda transportasi dan rute 2.7.2 Contoh penerapan sederhana
2.7.2.1 Cara analitis 2.7.2.2 Cara grafis
62 62 62 62 63 63 65 67 69 69 69 70 70 71 71 72 72 73 77 82 82 83 86 87 87 90 93
96 97 99 100 101 102 102 102 103 103 103 104 104 104
3
Konsep pemodelan 3.1 Pemodelan sistem 3.2 Model sistem kegiatan dan sistem jarin
gan 3.3 Penggunaan model sistem kegiatansistem jaringan 3.4 Pencerminan sistem ke
giatan dan sistem jaringan 3.4.1 Daerah kajian 3.4.2 Zona 3.4.3 Ruas jalan 3.4.4
Konsep biaya gabungan 3.4.4.1 Biaya operasi kendaraan (BOK) 3.4.4.2 Nilai waktu
3.5 Galat dalam pemodelan dan peramalan 3.5.1 Galat pengukuran 3.5.2 Galat samp
el 3.5.3 Galat perhitungan 3.5.4 Galat spesifikasi 3.5.5 Galat transfer 3.5.6 Ga
lat pengelompokan 3.5.6.1 Pengelompokan data 3.5.6.2 Pengelompokan alternatif 3.
5.6.3 Pengelompokan model 3.6 Kompleksitas model atau ketepatan data
Isi
7a
3.7
Pengumpulan data 3.7.1 Pertimbangan praktis 3.7.2 Jenis survei 3.7.2.1 Sistem pr
asarana transportasi 3.7.2.2 Sistem tata guna lahan
107 107 108 108 109 111 111 112 114 114 114 115 115 116 117 117 117 118 119 121
121 121 122 122 123 123 124 124 124 125 125 125 126 126 126 127 127 130 130 133
134
4
Model bangkitan pergerakan 4.1 Pendahuluan 4.1.1 Definisi dasar 4.1.2 Klasifikas
i pergerakan 4.1.2.1 Berdasarkan tujuan pergerakan 4.1.2.2 Berdasarkan waktu 4.1
.2.3 Berdasarkan jenis orang 4.1.3 Faktor yang mempengaruhi 4.1.4 Model faktor p
ertumbuhan 4.2 Analisis regresi 4.2.1 Model analisis regresi linear 4.2.1.1 Pend
ahuluan 4.2.1.2 Koefisien determinasi (R2) 4.2.1.3 Regresi linear berganda 4.2.2
Model regresi berbasis zona 4.2.2.1 Model berbasis zona 4.2.2.2 Peranan interse
p 4.2.2.3 Zona kosong 4.2.2.4 Total zona vs rata rata zona 4.2.3 Contoh pemodela
n 4.2.3.1 Bangkitan pergerakan 4.2.3.2 Tarikan pergerakan (untuk pergerakan berb
asis rumah) 4.2.4 Tahapan uji statistik dalam model analisis regresi berbasis zo
na 4.2.4.1 Uji kecukupan data 4.2.4.2 Uji korelasi 4.2.4.3 Uji linearitas 4.2.4.
4 Uji kesesuaian 4.2.5 Proses model analisis regresi berbasis zona 4.2.5.1 Metod
e analisis langkah demi langkah tipe 1 4.2.5.2 Metode analisis langkah demi lang
kah tipe 2 4.2.5.3 Metode coba coba 4.2.5.4 Penerapan di Propinsi Jawa Barat 4.2
.6 Kajian empiris yang menggunakan model analisisregresi 4.2.6.1 Kajian lalulint
as di kota Detroit 4.2.6.2 Kajian pengembangan jaringan jalan di Pulau Jawa 4.2.
6.3 Kajian standarisasi bangkitan dan tarikan lalulintas di zona Bandung Raya
8a
Ofyar Z Tamin, Perencanaan dan pemodelan transportasi
4.3
4.4 5
Model regresi berbasis rumah tangga Masalah ketidaklinearan Mendapatkan nilai zo
na keseluruhan Mencocokkan hasil bangkitan pergerakan dengan tarikan pergerakan
Analisis klasifikasi silang atau analisis kategori 4.3.1 Model klasik 4.3.1.1 Pe
ndahuluan 4.3.1.2 Definisi peubah dan spesifikasi model 4.3.1.3 Penerapan model
pada tingkat agregat 4.3.1.4 Tahapan perhitungan 4.3.1.5 Contoh sederhana 4.3.1.
6 Komentar tentang pendekatan analisis kategori 4.3.2 Perbaikan model dasar 4.3.
2.1 Analisis klasifikasi ganda (Multiple Classification Analysis/MCA) 4.3.2.2 An
alisis regresi untuk tingkat rumah tangga 4.3.3 Pendekatan kategori orang 4.3.3.
1 Pendahuluan 4.3.3.2 Definisi peubah dan spesifikasi model Peramalan peubah dal
am analisis bangkitan pergerakan
4.2.7 4.2.8 4.2.9 4.2.10
135 139 141 142 143 143 143 143 145 146 148 149 149 149 150 151 151 151 151 154
155 155 157 161 161 161 162 162 163 163 163 164 165 166 166 167 167 168 169 170
171 173
Model sebaran pergerakan 5.1 Pendahuluan 5.2 Kegunaan matriks pergerakan 5.3 Def
inisi dan notasi 5.4 Metode konvensional 5.4.1 Metode langsung 5.4.1.1 Wawancara
di tepi jalan 5.4.1.2 Wawancara di rumah 5.4.1.3 Metode menggunakan bendera 5.4
.1.4 Metode foto udara 5.4.1.5 Metode mengikuti mobil 5.4.2 Metode tidak langsun
g 5.5 Metode analogi 5.5.1 Metode tanpa batasan 5.5.2 Metode dengan satu batasan
5.5.2.1 Metode dengan batasan bangkitan 5.5.2.2 Metode dengan batasan tarikan 5
.5.3 Metode dengan dua batasan 5.5.3.1 Metode rata rata 5.5.3.2 Metode Fratar 5.
5.3.3 Metode Detroit 5.5.3.4 Metode Furness 5.5.4 Keuntungan dan kerugian
Isi
9a
5.6 5.7
5.8 5.9
5.10
5.11
Metode sintetis Model gravity (GR) 5.7.1 Analogi 5.7.2 Fungsi hambatan 5.7.3 Seb
aran panjang pergerakan 5.7.4 Jenis model gravity 5.7.4.1 Model UCGR 5.7.4.2 Mod
el PCGR 5.7.4.3 Model ACGR 5.7.4.4 Model DCGR 5.7.5 Saat penggunaan model gravit
y 5.7.6 Kalibrasi model gravity 5.7.6.1 Metode sederhana 5.7.6.2 Metode Hyman 5.
7.6.3 Metode analisis regresi linear 5.7.6.4 Metode penaksiran kuadrat terkecil
(KT) 5.7.6.5 Metode penaksiran kemiripan maksimum (KM) 5.7.6.6 Metode penaksiran
inferensi bayes (IB) 5.7.6.7 Metode penaksiran entropi maksimum (EM) 5.7.6.8 Me
tode lain 5.7.6.9 Penggunaan data MAT parsial 5.7.6.10 Metode kalibrasi NewtonRap
hson 5.7.6.11 Program komputer dan prosedur kalibrasi 5.7.7 Penurunan model grav
ity dengan pendekatan entropimaksimum 5.7.8 Beberapa perilaku model gravity Mode
l intervening opportunity (IO) Model gravity opportunity (GO) 5.9.1 Latar belaka
ng 5.9.2 Definisi 5.9.2.1 MAT terurut 5.9.2.2 Normalisasi 5.9.2.3 Transformasi 5
.9.3 Spesifikasi fungsi kesempatan 5.9.4 Struktur faktor proporsi 5.9.5 Aksioma
IIA dan model GO 5.9.6 Model GO yang diusulkan Beberapa permasalahan praktis 5.1
0.1 Penanganan zona eksternal 5.10.2 Pergerakan intrazona internal 5.10.3 Tujuan
pergerakan 5.10.4 Matriks yang mempunyai banyak sel kosong 5.10.5 Bangkitantarik
an dan asaltujuan 5.10.6 Faktor K Ketelitian MAT yang dihasilkan oleh metode konven
sional
175 176 176 178 179 180 180 182 183 184 185 186 187 187 188 190 191 195 201 203
204 205 206 207 209 210 212 212 215 215 215 216 216 217 220 221 221 221 222 223
223 224 224 225
10a Ofyar Z Tamin, Perencanaan dan pemodelan transportasi
6
Model pemilihan moda 6.1 Pendahuluan 6.2 Faktor yang mempengaruhi pemilihan moda
6.3 Model pemilihan moda ujung perjalanan 6.4 Model pemilihan moda pertukaran p
erjalanan 6.5 Model pemilihan moda dan kaitannya dengan model lain 6.5.1 Model j
enis I 6.5.2 Model jenis II 6.5.3 Model jenis III 6.5.4 Model jenis IV 6.5.5 Beb
erapa komentar tentang model pemilihan moda 6.5.5.1 Biaya 6.5.5.2 Angkutan umum
captive 6.5.5.3 Lebih dari dua moda 6.6 Model sintetis 6.6.1 Model kombinasi seb
aran pergerakanpemilihan moda 6.6.2 Model pemilihan multimoda 6.6.3 Model logit b
iner 6.6.3.1 Metode penaksiran kemiripan maksimum (KM) 6.6.3.2 Metode penaksiran
regresi linear 6.6.3.3 Model logit biner selisih 6.6.3.4 Model logit biner nisb
ah 6.6.4 Kalibrasi model pemilihan moda berhierarki 6.7 Model kebutuhan langsung
6.7.1 Pendahuluan 6.7.2 Model abstrak dan model kebutuhan langsung 6.7.3 Model
simultan 6.8 Model pemilihan diskret 6.8.1 Pertimbangan umum 6.8.2 Kerangka teor
i 6.9 Model logit multinomial (LM) 6.10 Contoh penggunaan model logit biner 6.10
.1 Model logit biner selisih 6.10.2 Model logit biner nisbah 6.10.3 Analisis uji
kepekaan Model pemilihan rute 7.1 Konsep dasar 7.1.1 Pendahuluan 7.1.2 Definisi
dan notasi 7.1.3 Kurva kecepatanarus dan biayaarus 7.2 Metode pemilihan rute 7.2.
1 Pendahuluan 7.2.2 Proses pemilihan rute
227 227 228 230 230 231 232 232 233 234 236 236 236 236 238 238 240 242 243 245
246 247 248 250 250 250 253 256 256 259 261 262 263 265 267 270 270 270 274 274
281 281 282
7
Isi
11a
7.3
7.4
7.5
7.6
7.7
Pembentukan pohon 7.2.3.1 Inisialisasi 7.2.3.2 Prosedur 7.2.4 Alasan pemilihan r
ute 7.2.4.1 Pembebanan all or nothing 7.2.4.2 Pembebanan banyak ruas 7.2.4.3 Pem
bebanan berpeluang 7.2.5 Faktor penentu utama 7.2.5.1 Waktu tempuh 7.2.5.2 Nilai
waktu 7.2.5.3 Biaya perjalanan 7.2.5.4 Biaya operasi kendaraan Model all or not
hing 7.3.1 Umum 7.3.2 Algoritma 7.3.2.1 Pendekatan pasangan demi pasangan 7.3.2.
2 Pendekatan sekaligus Model stokastik 7.4.1 Model Burrell 7.4.2 Model Sakarovit
ch 7.4.3 Model stokastik proporsional 7.4.4 Model perilaku kebutuhan akan transp
ortasi Model batasan kapasitas 7.5.1 Metode all or nothing berulang 7.5.2 Metode
pembebanan bertahap 7.5.3 Metode pembebanan stokastik dengan batasan kapasitas
7.5.4 Metode pembebanan berulang 7.5.5 Metode pembebanan kuantal 7.5.6 Metode pe
mbebanan banyak rute 7.5.7 Metode pembebanan berpeluang Model keseimbangan 7.6.1
Pendekatan pemrograman matematika 7.6.2 Algoritma FrankWolfe 7.6.2.1 Algoritma 7
.6.2.2 Kriteria konvergensi 7.6.3 Pembebanan keseimbangan sosial (KS) 7.6.4 Pemb
ebanan keseimbangan pengguna stokastik (KPS) Pembebanan keseimbangan lanjut 7.7.
1 Batasan metode klasik 7.7.2 Metode interaksi persimpangan 7.7.3 Pengaruh tingk
at resolusi sistem jaringan 7.7.3.1 Pendahuluan 7.7.3.2 Kebutuhan data 7.7.3.3 T
ingkat resolusi 7.7.3.4 Prosedur analisis 7.7.3.5 Analisis jaringan 7.7.3.6 Hasi
l analisis
7.2.3
286 286 286 287 288 288 288 288 288 288 288 289 290 290 291 291 291 294 294 296
296 300 302 304 305 310 310 312 313 313 314 315 320 320 322 323 324 326 326 329
330 330 331 332 333 334 335
12a Ofyar Z Tamin, Perencanaan dan pemodelan transportasi
7.8
7.9
7.10
7.7.3.7 Kesimpulan Keseimbangan sistem transportasi 7.8.1 Pendahuluan 7.8.2 Komb
inasi pemilihan moda dengan pembebanan 7.8.3 Moda, tujuan, dan metode pemilihan
rute pada kondisi keseimbangan 7.8.3.1 Kombinasi sebaran dan pembebanan 7.8.3.2
Kombinasi sebaran, pembebanan, dan pemilihan moda 7.8.3.3 Kombinasi bangkitan, s
ebaran, pembebanan, dan pemilihan moda Model kurva diversi 7.9.1 Model JICA 7.9.
1.1 Model I 7.9.1.2 Model II 7.9.2 Model logit binomial dan regresi pengali 7.9.
2.1 Model logit binomial 7.9.2.2 Model regresi pengali Masalah pembebanan berleb
ih 7.10.1 Metode pembebanan keseimbangan elastis 7.10.1.1 Prinsip dasar 7.10.1.2
Algoritma 7.10.1.3 Kriteria konvergensi 7.10.1.4 Fungsi permintaan pergerakan d
an fungsi biaya 7.10.1.5 Contoh penerapan 7.10.2 Metode pemangkasan matriks perg
erakan 7.10.2.1 Prosedur pemangkasan 7.10.2.2 Struktur metode pemangkasan matrik
s 7.10.2.3 Prosedur pemangkasan matriks pergerakan 7.10.2.4 Contoh penerapan
341 342 342 343 346 346 346 348 349 352 352 352 353 353 354 355 356 356 356 359
360 362 363 363 365 366 368 369 369 371 372 372 372 373 375 376 378 378 385 386
8
Model transportasi berdasarkan data arus lalulintas 8.1 Pendahuluan 8.2 Pemikira
n dasar 8.3 Penelitian yang telah dilakukan 8.3.1 Pendekatan penaksiran model ke
butuhan akantransportasi 8.3.1.1 Penaksiran model gravity 8.3.1.2 Penaksiran mod
el kebutuhan langsung 8.3.1.3 Penaksiran model gravity opportunity (GO) 8.3.2 Pe
ndekatan penaksiran keseimbangan jaringan 8.3.3 Pendekatan penaksiran teori info
rmasi 8.3.3.1 Model estimasi matriks entropi maksimum (EMEM) 8.3.3.2 Model minim
um informasi (MI) 8.3.3.3 Model Bayes
Isi
13a
8.14 8.15
8.16
8.17
8.18
Penggunaan data MAT parsial 8.14.1 Pendahuluan 8.14.2 Solusi yang diusulkan Peme
cahan metode penaksiran 8.15.1 Pendahuluan 8.15.2 Beberapa metode kalibrasi 8.15
.2.1 Perbandingan beberapa metode kalibrasi 8.15.2.2 Metode kalibrasi hibrid 8.1
5.3 Metode NewtonRaphson 8.15.3.1 Kasus satu tujuan perjalanan 8.15.3.2 Kasus K t
ujuan perjalanan 8.15.4 Teknik eliminasi matriks GaussJordan Program komputer dan
prosedur kalibrasi 8.16.1 Pendahuluan 8.16.2 Paket program MOTORS 8.16.2.1 Repr
esentasi jaringan 8.16.2.2 Simpul dan ruas 8.16.2.3 Ruas jalan berbasis satu ara
h 8.16.3 Program komputer Indikator uji statistik untuk membandingkan MAT 8.17.1
Pendahuluan 8.17.2 Root Mean Square Error (RMSE) dan Standard Deviasi (SD) 8.17
.3 Mean Absolute Error (MAE) 8.17.4 Koefisien Determinasi (R2) 8.17.5 Normalised
Mean Absolute Error (NMAE) Beberapa penerapan yang telah dilakukan 8.18.1 Pemod
elan pergerakan kendaraan perkotaan di kota Ripon (Inggris) 8.18.2 Pemodelan per
gerakan angkutan barang di pulau Bali 8.18.2.1 Beberapa uji kepekaan dan keabsah
an 8.18.2.2 Kesimpulan 8.18.3 Uji kedalaman tingkat resolusi sistem zona dan jar
ingan terhadap akurasi MAT 8.18.3.1 Penomoran titik simpul, kodefikasi zona dan
penghubung pusat zona 8.18.3.2 Pengolahan data 8.18.3.3 Hasil analisis 8.18.3.4
Kesimpulan 8.18.4 Pemodelan kebutuhan akan angkutan umum di Jakarta 8.18.5 Pemod
elan transportasi regional di propinsi Jawa Timur 8.18.5.1 Umum 8.18.5.2 Pendeka
tan model 8.18.5.3 Analisis kebutuhan akan pergerakan 8.18.5.4 Penerapan di Prop
insi Jawa Timur
418 418 419 420 420 421 421 421 422 422 423 425 426 426 428 428 428 429 429 432
432 432 433 433 433 434 434 439 439 441 442 442 444 450 459 460 463 463 464 467
468
Isi
15a
8.19
8.20
8.18.6 Aplikasi lain 8.18.7 Saran untuk penelitian lanjutan 8.18.7.1 Nilai awal
untuk metode NewtonRaphson 8.18.7.2 Pengembangan dengan metode pembebanan keseimb
angan 8.18.7.3 Memasukkan parameter dan dalam pross kalibrasi 8.18.7.4 Pnliti
an lanjutan dngan modl transportasi lain 8.18.7.5 Simplifikasi algoritma untuk
jaringan luas Pmanfaatan data arus lalulintas (ATCS) untuk mndapatkan informa
si MAT di darah prkotaan 8.19.1 Latar blakang 8.19.2 Pngmbangan sistm Pma
nfaatan data arus lalulintas (IRMS) untuk mndapatkan informasi MAT rgional 8.2
0.1 Latar blakang 8.20.2 Pngmbangan sistm informasi transportasi (SIT) 8.20.
2.1 Konfigurasi dasar 8.20.2.2 Sistm transfr data (STD) 8.20.2.3 Pusat pngola
han data (PPD) 8.20.2.4 Pusat pngolahan kluaran (PPK) 8.20.2.5 Uji kabsahan 8
.20.3 Potnsi pnggunaan dalam pngmbangan sistm jaringan jalan
473 474 474 474 475 475 476 476 476 477 480 480 482 482 485 486 487 488 488 490
490 495 495 496 497 498 499 500 500 503 504 504 504 505 506 508 510 511 513
9
Prmasalahan transportasi di ngara sdang brkmbang 9.1 Prmasalahan transport
asi prkotaan 9.2 Prmasalahan transportasi rgional 9.2.1 Pntingnya sistm tra
nsportasi rgional propinsi 9.2.2 Rncana tata ruang wilayah nasional (RTRWN) 9.
2.3 Rncana tata ruang wilayah propinsi (RTRWP) 9.2.4 Sistm transportasi nasion
al (Sistranas) 9.2.5 Sistm transportasi rgional propinsi 9.3 Pndkatan sistm
transportasi 9.3.1 Umum 9.3.2 Ktrkaitan tata ruang dngan transportasi 9.4 Si
stm intgrasi transportasi antarmoda trpadu 9.4.1 Umum 9.4.2 Waktu tmpuh dan
biaya transit sbagai kndala utama 9.4.3 Tmpat prtukaran moda 9.4.4 Pranan p
ti kmas dalam usaha mnunjang prkonomian 9.5 Kbijaksanaan pngmbangan sist
m transportasi prkotaan 9.6 Aspk prmasalahan 9.6.1 Kondisi sistm transporta
si di prkotaan 9.6.2 Kbutuhan akan transportasi di prkotaan
16a Ofyar Z Tamin, Prncanaan dan pmodlan transportasi
9.7
9.8
9.9
Organisasi dan klmbagaan Praturan plaksanaan Undang-undang dan praturan Ana
lisis prmasalahan 9.6.6.1 Aspk organisasi 9.6.6.2 Praturan plaksanaan 9.6.6.
3 Aspk transportasi 9.6.6.4 Undang-undang dan praturan Altrnatif pmcahan ma
salah 9.7.1 Umum 9.7.2 Kbutuhan akan transportasi 9.7.3 Prasarana transportasi
9.7.3.1 Pmbangunan jalan baru 9.7.3.2 Pningkatan kapasitas prasarana 9.7.4 Rk
ayasa dan manajmn lalulintas 9.7.4.1 Prbaikan sistm lampu lalulintas dan sis
tm jaringan jalan 9.7.4.2 Kbijakan prparkiran 9.7.4.3 Prioritas angkutan umum
9.7.5 Prmasalahan 9.7.6 Hal lain yang dapat dilakukan 9.7.6.1 Platihan transp
ortasi prkotaan bagi staf pmrintah darah 9.7.6.2 Analisis Dampak Lalulintas
(Andall) 9.7.6.3 Sosialisasi praturan dan pngakan hukum Konsp manajmn kbu
tuhan akan transportasi (MKT) 9.8.1 Pndahuluan 9.8.2 Pngmbangan konsp 9.8.2.
1 Prgsran waktu 9.8.2.2 Prgsran rut atau lokasi 9.8.2.3 Prgsran moda 9
.8.2.4 Prgsran lokasi tujuan Analisis dampak lalulintas (Andall) 9.9.1 Pndah
uluan 9.9.2 Mtod analisis dampak lalulintas 9.9.2.1 Tahap pnyajian informasi
awal 9.9.2.2 Tahapan andall 9.9.2.3 Tahapan pnyusunan rncana pnglolaan dan p
mantauan 9.9.3 Analisis ruas jalan dan prsimpangan 9.9.3.1 Kinrja lalulintas
di ruas jalan dan prsimpangan 9.9.3.2 Kinrja ruas jalan 9.9.3.3 Kondisi prsim
pangan 9.9.3.4 Nilai bobot 9.9.3.5 Pmringkatan prmasalahan 9.9.4 Bangkitan la
lulintas
9.6.3 9.6.4 9.6.5 9.6.6
514 514 515 515 516 516 517 518 518 518 520 520 520 521 523 523 523 525 526 527
527 527 528 528 528 529 531 531 531 533 533 533 534 534 536 539 540 540 540 543
545 545 546
Isi
17a
9.10 9.11
9.12
9.9.4.1 Umum 9.9.4.2 Tingkat bangkitan lalulintas 9.9.4.3 Bangkitan lalulintas 9
.9.4.4 Sbaran bangkitan lalulintas 9.9.5 Analisis pnanganan masalah 9.9.5.1 R1
: Manajmn lalulintas 9.9.5.2 R2: Pningkatan ruas jalan 9.9.5.3 R3: Pmbanguna
n jalan baru Sistm angkutan umum massa (SAUM) 9.10.1 Prmasalahan 9.10.2 Kndal
a yang dihadapi Sistm angkutan umum transportasi prkotaan trpadu (SAUTPT) 9.1
1.1 Kasus DKI-Jakarta 9.11.2 Kasus Kotamadya Bandung Ksimpulan dan saran 9.12.1
Ksimpulan 9.12.2 Saran
546 547 548 548 548 549 549 549 550 550 553 554 554 555 555 556 558 559 559 562
567 576 585 615
Notasi dan singkatan Notasi Singkatan Padanan kata InggrisIndonesia Padanan kata
IndonesiaInggris Pustaka Penjurus
18a Ofyar Z Tamin, Perencanaan dan pemodelan transportasi
Prakata edisi 2
Dengan mengucapkan puji syukur ke hadirat Allah SWT, atas rahmat dan berkahNya,
akhirnya buku Perencanaan dan Pemodelan Transportasi edisi ke 2 ini dapat disele
saikan. Buku ini merupakan penyempurnaan dari buku edisi ke 1 yang telah diterbi
tkan pada tahun 1997. Banyak sekali hal yang ditambahkan pada edisi ini khususny
a mengenai penurunan rumus secara lebih rinci, contoh penerapan, contoh soal, pe
ngembangan konsep dan teknik mutakhir, serta hasil hasil penelitian terbaru yang
telah dilakukan oleh penulis dan rekan rekan peneliti di Sub Jurusan Rekayasa T
ransportasi, Jurusan Teknik Sipil, ITB, selama 2 tahun terakhir ini; yang secara
keseluruhan membuat buku ini menjadi jauh lebih lengkap dan lebih sempurna diba
ndingkan dengan edisi sebelumnya. Buku ini juga berisikan koreksi atas kesalahan
khususnya editorial yang ditemukan pada edisi ke 1 dan juga berisikan penyempur
naan sebagai jawaban atas komentar, saran, dan kritik atas buku edisi ke 1 yang
diterima dari teman sejawat dan para ahli. Bab 2 pada buku edisi ke 1, mengenai
Persyaratan Matematika, terpaksa kami hilangkan pada edisi ke 2 ini dengan alasa
n karena isi bab tersebut merupakan pengetahuan dasar matematika yang secara umu
m harus sudah diketahui oleh setiap pembaca, dan sekaligus juga untuk mengurangi
halaman buku edisi ke 2 ini. Sehingga, bab 3 pada edisi ke 1 menjadi bab 2 pada
edisi ke 2, dan seterusnya. Bab 8 dan 9 buku edisi ke 1 digabung menjadi bab 7
pada edisi ke 2, sehingga jumlah bab pada edisi ke 1 yang semulanya sebanyak 11
bab menjadi hanya 9 bab pada edisi ke 2. Pada buku edisi ke 2 ini, beberapa hal
yang ditambahkan adalah sebagai berikut: Bab 2.5: Tingkat Pelayanan, Hubungan Ar
us Lalulintas dengan Waktu Tempuh, Penentuan Indeks Tingkat Pelayanan (ITP), dan
Penentuan Nilai T0. Bab 2.6: Perhitungan Kapasitas Ruas Jalan dan Persimpangan,
Pengaruh Parkir pada Kapasitas Ruas Jalan, dan Contoh Sederhana Model Interaksi
(Cara Analitis dan Cara Grafis). Bab 3: Konsep Biaya Gabungan dan Metoda Pengum
pulan Data Bab 4: Tahapan Uji Statistik Dalam Model Analisis Regresi Berbasis Zo
na, Proses Model Analisis Regresi Berbasis Zona, dan Kajian Empiris Yang Menggun
akan Model Analisis Regresi. Bab 5: Metode Penaksiran Entropi Maksimum (EM) dan
Beberapa Permasalahan Praktis. Bab 6: Metode Penaksiran Kemiripan Maksimum (KM)
dan Regresi Linear, model Logit Biner Selisih dan Logit Biner Nisbah, Model Simu
ltan, serta Contoh Penggunaan Model Logit Biner termasuk analisis uji kepekaan.
19a
Bab 7: Pengaruh tingkat resolusi sistem jaringan terhadap pembebanan, metode pem
bebanan kuantal dan masalah Pembebanan Berlebih yang terdiri dari Metode Pembeba
nan Keseimbangan Elastis dan Metode Pemangkasan Matriks Pergerakan. Bab 8: Metod
e Penaksiran Inferensi Bayes (IB), Metode Penaksiran EntropiMaksimum (EM), Indik
ator Uji Statistik untuk membandingkan Matriks AsalTujuan (MAT), penerapan model
di Propinsi Jawa Timur, uji kedalaman tingkat resolusi sistem zona dan jaringan
terhadap akurasi MAT, pemanfaatan data arus lalulintas (ATCS) untuk mendapatkan
informasi MAT di daerah perkotaan, dan pemanfaatan data arus lalulintas (IRMS) u
ntuk mendapatkan informasi MAT regional. Bab 9: Permasalahan transportasi perkot
aan dan transportasi regional, Sistem Integrasi Transportasi Antarmoda Terpadu,
Kebijaksanaan pengembangan sistem transportasi perkotaan, Konsep Manajemen Kebut
uhan akan Transportasi (MKT), dan Analisis Dampak Lalulintas (Andall).
Sekali lagi, buku edisi ke 2 ini tidak akan pernah terwujud jika tidak ada doron
gan penuh dari seluruh keluarga khususnya Mami, Ekha dan Yozzi. Sekali lagi, pen
ulis mempersembahkan buku ini buat mereka. Secara khusus, penulis juga mengucapk
an terima kasih yang setulus tulusnya kepada Dra. Sofia Niksolihin atas bantuann
ya menyunting buku edisi ke 2 ini dan kepada saudara Ir. Wiradat Anindito, Ir. R
icky Kusmawan, dan Suhendin, Dadi Sumardi yang telah membantu membuat gambar, ta
bel, dan grafik. Tulisan manusia tidak akan pernah luput dari kesalahan dan keku
rangan. Untuk itu, penulis sangat mengharapkan komentar, kritik, dan saran yang
membangun dari teman sejawat dan para ahli untuk sekali lagi menyempurnakan buku
edisi ke 2 ini.
20a Ofyar Z Tamin, Perencanaan dan pemodelan transportasi
Prakata edisi 1
Permasalahan transportasi berupa kemacetan, tundaan, serta polusi suara dan udar
a yang sering kita temui setiap hari di beberapa kota besar di Indonesia ada yan
g sudah berada pada tahap yang sangat kritis. Sebelum dapat ditentukan cara peme
cahan yang terbaik, hal pertama yang perlu dilakukan adalah mempelajari dan meng
erti secara terinci pola keterkaitan antarfaktor yang menyebabkan timbulnya perm
asalahan tersebut dalam bentuk kualitatif dan kuantitatif (terukur). Perencanaan
dan pemodelan transportasi adalah media yang paling efektif dan efisien yang da
pat menggabungkan semua faktor tersebut dan keluarannya dapat digunakan untuk me
mecahkan permasalahan transportasi baik pada masa sekarang maupun pada masa yang
akan datang. Ilmu pengetahuan tentang perencanaan dan pemodelan transportasi ma
kin dirasakan pentingnya dalam menangani permasalahan transportasi, khususnya di
daerah perkotaan. Keberadaan buku yang membahas transportasi pada umumnya serta
perencanaan dan pemodelan transportasi pada khususnya sangat jarang dijumpai di
Indonesia. Di samping itu, adanya mata kuliah Perencanaan dan Pemodelan Transpo
rtasi sebagai mata kuliah wajib dalam kurikulum Program Sarjana (S1) di Jurusan
Teknik Sipil dan Teknik Planologi dan juga di Program Magister (S2) yang berkait
an dengan bidang transportasi di semua perguruan tinggi (negeri dan swasta) di I
ndonesia, telah mendorong penulis untuk menyusun buku ini dengan harapan dapat m
engisi kekurangan buku yang ada. Selain itu, buku ini dapat juga digunakan sebag
ai buku ajar bagi para mahasiswa atau sebagai bahan rujukan bagi para peneliti m
uda, perencana transportasi, pengembang wilayah, dan lain lain. Buku ini menjela
skan secara terinci pola keterkaitan antarfaktor, permasalahan yang dihadapi, se
rta konsep tentang perencanaan dan pemodelan transportasi yang telah berkembang
sampai dengan saat ini. Pemodelan dan pendekatan yang dipakai dapat digunakan un
tuk setiap moda transportasi (darat, laut, maupun udara) dengan skala permasalah
an yang berbeda (regional atau perkotaan). Juga, diterangkan cara pemilihan mode
l, pengembangan, adaptasi, dan penggunaannya untuk setiap konteks yang berbeda.
Setiap subjek diterangkan secara terinci, mulai dari teori dasar dan asumsi, pen
gumpulan data, spesifikasi model, proses perkiraan, pengabsahan, kalibrasi, dan
aplikasinya. Beberapa teknik juga dijelaskan untuk memilih tingkat kecermatan an
alisis yang disyaratkan sesuai dengan kebutuhan serta keuntungan dan kerugian da
ri setiap model yang dikembangkan. Secara keseluruhan, buku ini mencakup sebagia
n besar disertasi penulis sewaktu mengambil program doktor, kumpulan tulisan dan
hasil pemikiran terdahulu, termasuk hasil hasil penelitian dan modul pelatihan
yang telah dilakukan penulis beserta beberapa peneliti lainnya di Sub Jurusan Re
kayasa Transportasi, Jurusan Teknik Sipil, ITB. Oleh karena itu, tidak mengheran
kan jika banyak bagian buku ini yang berisikan tulisan Batty, Bell, Edwards, Rob
illard, Ortuzar, Spiess, Van Vliet,
21a
Willumsen, Wardrop, Wilson, serta penulis lain yang namanya tidak dapat disebutk
an satu per satu. Isinya yang cukup lengkap membuat buku ini sangat berguna bagi
para praktisi (konsultan, pengelola transportasi), para perencana transportasi
dan pengembang wilayah (regional dan perkotaan), para mahasiswa tingkat Sarjana
(S1) maupun Magister (S2) di Jurusan Teknik Sipil, Teknik Planologi, dan Teknik
Industri yang mengambil mata kuliah Perencanaan dan Pemodelan Transportasi, sert
a masyarakat yang berkecimpung dalam bidang transportasi. Buku ini tidak akan pe
rnah terwujud jika tidak ada dorongan dari seluruh keluarga khususnya Mami, Ekha
dan Yozzi. Untuk itu, penulis mempersembahkan buku ini untuk mereka semua. Sela
in itu, teman sejawat juga sangat berperan dalam proses penulisan buku ini. Kepa
da mereka, penulis mengucapkan banyak terima kasih. Secara khusus, penulis mengu
capkan terima kasih kepada Dra. Sofia Niksolihin atas bantuannya menyunting nask
ah awal buku ini dan kepada saudara Ir. Wiradat Anindito, Ir. Ricky Kusmawan, da
n Suhendin, Dadi Sumardi yang telah banyak membantu membuat gambar, tabel, dan g
rafik. Sudah barang tentu, tulisan manusia tidak pernah luput dari kesalahan dan
kekurangan. Oleh karena itu, penulis sangat mengharapkan kritik dan saran yang
membangun dari teman sejawat dan para ahli untuk menyempurnakan buku ini.
22a Ofyar Z Tamin, Perencanaan dan pemodelan transportasi
1
Pendahuluan
1.1 Perencanaan dan pemodelan transportasi
1.1.1 Latar belakang
Permasalahan transportasi dan teknik perencanaannya mengalami revolusi yang pesa
t sejak tahun 1980 an. Pada saat ini kita masih merasakan banyak permasalahan tr
ansportasi yang sebenarnya sudah terjadi sejak tahun 1960 an dan 1970 an, misaln
ya kemacetan, polusi suara dan udara, kecelakaan, dan tundaan. Permasalahan tran
sportasi yang sudah ada sejak dulu bisa saja masih dijumpai pada masa sekarang,
tetapi dengan tingkat kualitas yang jauh lebih parah dan kuantitas yang jauh leb
ih besar; mungkin saja mempunyai bentuk lain yang jauh lebih kompleks karena sem
akin banyaknya pihak yang terkait sehingga lebih sukar diatasi. Pada akhir tahun
1980 an, negara maju memasuki tahapan yang jauh lebih maju dibandingkan dengan
20 tahun yang lalu di sektor perencanaan dan pemodelan transportasi. Hal ini dis
ebabkan antara lain oleh pesatnya perkembangan pengetahuan mengenai elektronika
dan peralatan komputer yang memungkinkan berkembangnya beberapa konsep baru meng
enai sistem prasarana transportasi, sistem pergerakan, dan peramalan kebutuhan a
kan transportasi yang tidak pernah terpikirkan pada masa lalu. Tersedianya peral
atan komputer yang murah dan berkecepatan tinggi telah mengakibatkan hilangnya a
nggapan bahwa teknik komputasi selalu membatasi perkembangan teknik perencanaan
dan pemodelan transportasi. Selain itu, dapat dikatakan di sini bahwa proses per
encanaan merupakan bagian dari proses pengambilan keputusan atau kebijakan. Deng
an kata lain, para pengambil keputusan atau kebijakan akan menggunakan hasil dar
i perencanaan sebagai alat bantu dalam mengambil keputusan. Banyak negara sedang
berkembang menghadapi permasalahan transportasi dan beberapa di antaranya sudah
berada dalam tahap sangat kritis. Permasalahan yang terjadi bukan saja disebabk
an oleh terbatasnya sistem prasarana transportasi yang ada, tetapi sudah ditamba
h lagi dengan permasalahan lainnya. Pendapatan rendah, urbanisasi yang sangat ce
pat, terbatasnya sumber daya, khususnya dana, kualitas dan kuantitas data yang b
erkaitan dengan transportasi, kualitas sumber daya manusia, tingkat disiplin yan
g rendah, dan lemahnya sistem perencanaan dan kontrol membuat permasalahan trans
portasi menjadi semakin parah. Di Indonesia, permasalahan transportasi sudah sed
emikian parahnya, khususnya di beberapa kota besar seperti DKI Jakarta, Surabaya
, Medan, dan Bandung. Kota yang berpenduduk lebih dari 12 juta jiwa dapat dipasti
kan mempunyai permasalahan transportasi. Pada akhir tahun 2000, diperkirakan ham
pir semua ibukota propinsi dan beberapa ibukota kabupaten akan berpenduduk di at
as 12 juta
1
jiwa sehingga permasalahan transportasi tidak bisa dihindarkan. Hal ini merupaka
n lampu merah bagi para pembina daerah perkotaan di Indonesia karena mereka akan
dihadapkan pada permasalahan baru yang memerlukan pemecahan yang baru pula, yai
tu permasalahan transportasi perkotaan. Kota kecil juga mempunyai permasalahan t
ransportasi yang perlu pemecahan secara dini pula, namun pada umumnya masih dala
m skala kecil dan pemecahannya tidak memerlukan biaya besar dan waktu lama. Deng
an demikian, peranan perencanaan dan pemodelan transportasi dalam merencanakan p
embangunan sistem prasarana transportasi, pengembangan wilayah, dan lain lainnya
menjadi semakin terlihat nyata. Pada beberapa negara sedang berkembang, khususn
ya Indonesia, sektor pertanian konvensional secara perlahan terlihat semakin kur
ang menarik dan tidak lagi diminati, terutama oleh generasi muda. Di sisi lain,
perkotaan menawarkan begitu banyak kesempatan, baik di sektor formal maupun info
rmal. Tambahan lagi, pertumbuhan wilayah di daerah pedalaman lebih lambat diband
ingkan dengan di daerah perkotaan. Hal ini menyebabkan tersedia lebih banyak lap
angan kerja serta upah dan gaji yang jauh lebih tinggi di daerah perkotaan diban
dingkan dengan di daerah pedalaman. Semua hal ini merupakan daya tarik yang sang
at kuat bagi para petani di daerah pedalaman untuk berurbanisasi ke daerah perko
taan. Di mana ada gula, pasti akan banyak semut yang datang menghampiri. Hal ini
mendukung pernyataan yang mengatakan bahwa proses urbanisasi yang sangat cepat
telah terjadi beberapa tahun belakangan ini pada beberapa kota besar di Indonesi
a, khususnya DKI Jakarta. Namun, sebesar apa pun kota tersebut dengan segala kel
engkapannya, pasti mempunyai keterbatasan berupa batas daya dukung lahan. Jika b
atas tersebut sudah terlampaui, akan terjadi dampak yang sangat merugikan. Dalam
konteks kota di Indonesia, fenomena kota bermasalah sudah mulai terlihat, yang
diperkirakan akan terus berkembang menjadi persoalan yang semakin rumit seiring
dengan semakin tingginya laju urbanisasi. Hal ini sulit dihindari karena daerah
perkotaan sudah terlanjur dianggap sebagai penyedia berbagai macam lapangan peke
rjaan. Tingginya urbanisasi secara tidak langsung dapat dikatakan sebagai akibat
dari tidak meratanya pertumbuhan wilayah di Indonesia; antara daerah pedalaman
dengan daerah perkotaan. Semakin besar perbedaan tingkat pertumbuhan wilayah ter
sebut, semakin tinggi pula tingkat urbanisasi yang pada gilirannya akan menimbul
kan beberapa permasalahan perkotaan, khususnya di sektor transportasi. Tambahan
lagi, proses urbanisasi dan industrialisasi selalu terjadi secara hampir bersama
an, terutama di negara yang beralih dari negara pertanian ke negara industri. In
donesia, pada saat ini, tergolong negara yang sedang bergerak menuju negara semi
industri. Beberapa data kota besar di dunia menyatakan bahwa semakin tinggi int
ensitas industri di daerah tersebut, semakin tinggi pula tingkat urbanisasinya.
Hal ini mungkin karena, berdasarkan Teori Lokasi, lokasi industri yang sangat ef
ektif dan efisien berada di dekat pasar, yaitu daerah perkotaan. Industri terseb
ut memberikan lapangan pekerjaan yang cukup tinggi dan dengan sistem penggajian
yang jauh
2
Ofyar Z Tamin, Perencanaan dan pemodelan transportasi
lebih baik dibandingkan dengan daerah pedalaman. Hal ini yang menyebabkan tingka
t urbanisasi yang cukup tinggi. Laju urbanisasi yang semakin pesat ini tentu men
imbulkan sejumlah permasalahan; salah satu di antaranya masalah transportasi. Da
pat dikatakan permasalahan transportasi perkotaan masa mendatang sudah berada di
depan mata. Selain urbanisasi, beberapa kecenderungan lain yang perlu dicermati
, yang akan sangat mempengaruhi transportasi perkotaan, adalah sebagai berikut:
semakin jauh rata rata pergerakan manusia setiap hari: semakin mahalnya harga ta
nah di pusat perkotaan menyebabkan lahan permukiman semakin bergeser ke pinggira
n kota, sedangkan tempat pekerjaan cenderung semakin terpusat di pusat perkotaan
. Hal ini menyebabkan seseorang akan bergerak lebih jauh dan lebih lama untuk me
ncapai tempat kerja. Semakin jauh dan semakin lama seseorang membebani jaringan
jalan, semakin tinggi pula kontribusinya terhadap kemacetan. semakin banyak wani
ta yang bekerja: tidak dapat disangkal lagi, kebutuhan keluarga pada masa sekara
ng tidak hanya bisa ditunjang oleh penghasilan suami saja. Perlu ada tambahan la
in, dan ini menyebabkan istri juga harus bekerja, yang berakibat sehingga menyeb
abkan semakin banyaknya pergerakan yang dilakukan oleh keluarga. semakin banyak
pelajar dan mahasiswa: kecenderungan persaingan yang semakin ketat di masa menda
tang menyebabkan pendidikan berkelanjutan seperti kursus, pelatihan, pendidikan
bergelar paruh waktu menjadi suatu keharusan bagi seseorang yang telah bekerja.
Kecenderungan ini menyebabkan terjadi pergerakan tambahan ke pusat kota, tempat
biasanya pusat pendidikan tersebut berlokasi. semakin banyak wisatawan: tingginy
a tekanan yang dirasakan oleh setiap orang yang tinggal di daerah perkotaan meny
ebabkan rekreasi menjadi suatu kebutuhan utama. Sudah barang tentu hal ini pun m
enyebabkan semakin banyaknya pergerakan.
model fisik (model arsitek, model teknik sipil, wayang golek, dan lain lain); pe
ta dan diagram (grafis); model statistika dan matematika (persamaan) yang menera
ngkan beberapa aspek fisik, sosial ekonomi, dan model transportasi.
Semua model tersebut merupakan cerminan dan penyederhanaan realita untuk tujuan
tertentu, seperti memberikan penjelasan, pengertian, serta peramalan. Beberapa m
odel dapat mencerminkan realita secara tepat. Sebagai ilustrasi, model maket (ba
gian dari model fisik) sering digunakan dalam ilmu arsitektur untuk mempelajari
dan menganalisis dampak pembangunan suatu kota baru ataupun pengembangan wilayah
terhadap lingkungan sekitarnya dengan menggunakan model berskala lebih kecil. D
alam ilmu teknik sipil, model maket (misalnya berskala 1:100) sering juga diguna
kan untuk mempelajari perilaku bendungan atau jembatan sebelum bangunan sipil te
rsebut dibangun dengan ukuran yang sebenarnya. Begitu juga dalam bidang pariwisa
ta; sering kita temui penjualan model miniatur pariwisata (misalnya candi Borobu
dur) yang sebenarnya merupakan replika candi tersebut dalam skala lebih kecil. D
engan melihat model miniatur itu, seseorang tidak perlu mengeluarkan biaya besar
pergi ke Yogyakarta untuk melihat candi tersebut (realita), tetapi dapat membay
angkannya dengan hanya melihat model tersebut. Selain itu, dengan hanya mengguna
kan media informasi garis dan angka dalam suatu peta kontur, seseorang (ahi geod
esi) dapat langsung membayangkan perkiraan situasi dan kondisi lapangan sebenarn
ya (realita) tanpa harus pergi ke lapangan, cukup dengan hanya melihat peta kont
ur tersebut. Foto, sketsa, atau peta dapat dikategorikan sebagai model karena da
pat merepresentasikan realita dengan cara yang lebih sederhana. Secara umum dapa
t dikatakan bahwa semakin mirip suatu model dengan realitanya, semakin sulit mod
el tersebut dibuat (misalnya, wayang golek lebih mirip manusia dibandingkan deng
an wayang kulit sehingga wayang golek lebih sulit dibuat dibandingkan dengan way
ang kulit). Model yang canggih belum tentu merupakan model yang baik; kadang kad
ang model yang jauh lebih sederhana ternyata lebih cocok untuk tujuan, situasi,
dan kondisi tertentu. Dalam perencanaan dan pemodelan transportasi, kita akan sa
ngat sering menggunakan beberapa model utama, yaitu model grafis dan model matem
atis. Model grafis adalah model yang menggunakan gambar, warna, dan bentuk sebag
ai media penyampaian informasi mengenai keadaan sebenarnya (realita). Model graf
is sangat diperlukan, khususnya untuk transportasi, karena kita perlu mengilustr
asikan terjadinya pergerakan (arah dan besarnya) yang terjadi yang beroperasi se
cara spasial (ruang). Model matematis menggunakan persamaan atau fungsi matemati
ka sebagai media dalam usaha mencerminkan realita. Walaupun merupakan penyederha
naan, model tersebut bisa saja sangat kompleks dan membutuhkan data yang sangat
banyak dan waktu penyelesaian yang sangat lama. Beberapa keuntungan dalam pemaka
ian model matematis dalam perencanaan
4
Ofyar Z Tamin, Perencanaan dan pemodelan transportasi
(mubazir). Ciri ini membuat analisis dan peramalan kebutuhan akan pergerakan men
jadi semakin sulit. Kebutuhan akan pergerakan bersifat sebagai kebutuhan turunan
. Hal ini dapat dijelaskan sebagai berikut. Seperti kita ketahui, pergerakan ter
jadi karena adanya proses pemenuhan kebutuhan. Pemenuhan kebutuhan merupakan keg
iatan yang biasanya harus dilakukan setiap hari, misalnya pemenuhan kebutuhan ak
an pekerjaan, pendidikan, kesehatan, dan olahraga. Kita sebenarnya tidak perlu b
ergerak kalau semua kebutuhan tersebut tersedia di tempat kita berada (tempat ti
nggal). Akan tetapi, dalam ilmu perencanaan wilayah dan perkotaan, setiap tata g
una lahan mempunyai beberapa ciri dan persyaratan teknis yang harus dipenuhi dal
am perencanaan dan perancangannya. Misalnya, bandara harus berada jauh dari daer
ah perkotaan karena alasan keselamatan dan kebisingan serta harus pula jauh dari
daerah pegunungan karena alasan operasi penerbangan pesawat yang menggunakan ba
ndara tersebut. Daerah permukiman, industri, pertokoan, perkantoran, fasilitas h
iburan, dan fasilitas sosial, semuanya mempunyai beberapa persyaratan teknis dan
non teknis yang harus dipenuhi dalam menentukan lokasinya. Setiap lahan atau ta
ta guna lahan mempunyai ciri teknis tersendiri yang dapat menentukan jenis kegia
tan yang cocok di lokasi tersebut. Beberapa ciri teknis yang sering dipakai adal
ah kondisi topografi (datar, bukit, pegunungan), kesuburan tanah, dan geologi. A
kibatnya, lokasi kegiatan tersebar secara heterogen di dalam ruang yang ada yang
akhirnya menyebabkan perlu adanya pergerakan yang digunakan untuk proses pemenu
han kebutuhan. Seseorang akan berangkat pada pagi hari dari lokasi perumahan ke
lokasi tempat bekerja. Kemudian, sebelum pulang ke rumah pada sore hari, mungkin
ia mampir dulu untuk berbelanja, dan berolahraga pada lokasi lain yang berbeda.
Dengan demikian, fasilitas sosial, fasilitas hiburan, pusat perbelanjaan, dan p
erkantoran yang merupakan tempat pemenuhan kebutuhan harian harus disebar secara
merata dalam suatu daerah perkotaan sehingga jarak dari perumahan ke berbagai l
okasi tersebut menjadi lebih pendek. Semakin jauh kita bergerak, semakin tinggi
peluang kita memberikan kontribusi terhadap kemacetan di kota tersebut. Dalam me
lakukan pergerakan untuk memenuhi kebutuhan tersebut, kita mempunyai dua pilihan
, yaitu bergerak dengan moda transportasi atau tanpa moda transportasi (berjalan
kaki). Pergerakan tanpa moda transportasi (misal berjalan kaki) biasanya berjar
ak pendek (12 km), sedangkan pergerakan dengan moda transportasi berjarak sedang
atau jauh. Jenis moda transportasi yang digunakan juga sangat beragam, seperti m
obil pribadi, taksi, bus, kereta api, sepeda motor, pesawat terbang, dan kapal l
aut. Apa pun moda transportasinya, moda tersebut tidak akan pernah dapat bergera
k kalau kita tidak mempersiapkan tempat mereka bergerak seperti jalan raya, jala
n rel, bandar udara, dan pelabuhan laut yang biasa disebut sistem prasarana tran
sportasi dan akan dijelaskan berikut ini.
6
Ofyar Z Tamin, Perencanaan dan pemodelan transportasi
kendaraan dapat ditunjang oleh sistem prasarana transportasi yang ada dan harus
beroperasi di bawah kapasitasnya.
Arus V
Gambar 1.1 Kemacetan dan beberapa efek eksternalnya Sumber: Ortuzar and Willumse
n (1994)
Kebutuhan akan pergerakan itu sendiri mempunyai ciri yang berbeda beda, seperti
perbedaan tujuan perjalanan, moda transportasi yang digunakan, dan waktu terjadi
nya pergerakan. Sistem prasarana transportasinya sendiri terbentuk dari: sistem
prasarana (penunjang), misalnya sistem jaringan jalan raya atau jalan rel termas
uk terminal; sistem manajemen transportasi, misalnya undang undang, peraturan, d
an kebijakan; beberapa jenis moda transportasi dengan berbagai macam operatornya
.
Pertimbangkan satu set volume pergerakan pada suatu sistem jaringan (V), satu se
t kecepatan (S), dan kapasitas operasional (Q) yang beroperasi di bawah sistem m
anajemen transportasi tertentu (M). Dalam bentuk umum, dapat dikatakan bahwa kec
epatan arus pergerakan dalam sistem jaringan tersebut dapat ditampilkan dalam pe
rsamaaan berikut: S = f{Q,V,M} (1.1) Kecepatan dapat dianggap sebagai indikator
umum dalam menyatakan tingkat pelayanan (Level of Service=LOS) dari sistem jarin
gan tersebut. Dalam bentuk yang lebih umum, LOS tergantung dari kombinasi kecepa
tan atau waktu tempuh, waktu tunggu dan tarif (bus atau parkir), dan lain lain.
Sistem manajemen (M) meliputi manajemen lalulintas, sistem lampu lalulintas terk
oordinasi, batasan lalulintas, biaya penggunaan jalan, atau peraturan yang diber
lakukan bagi setiap moda transportasi. Kapasitas (Q) akan sangat tergantung pada
sistem manajemen (M) dan tingkat penyediaan investasi (I) selama beberapa tahun
, sehingga: Q = f{I,M} (1.2)
8
Ofyar Z Tamin, Perencanaan dan pemodelan transportasi
faktor transportasi saja atau ada faktor lain yang ikut mempengaruhi atau ikut t
erpengaruh. Dari sisi sistem transportasi, apakah kita hanya tertarik pada kebut
uhan akan pergerakan saja atau termasuk juga sistem prasarananya dan lain lain?
Pertanyaan mengenai berapa banyak pilihan yang harus dipertimbangkan dalam menen
tukan suatu kebijakan transportasi juga merupakan hal yang perlu diperhatikan. 2
Persyaratan ketepatan Ketepatan hasil kajian perencanaan dan pemodelan transpor
tasi sangat diperlukan dan tergantung pada tujuan kajian tersebut. Ketepatan dat
a sangat menentukan ketepatan hasil pemodelan, sedangkan ketepatan data sangat t
ergantung pada jumlah data yang dikumpulkan, kualitas peralatan yang digunakan u
ntuk mendapatkan data tersebut serta kualitas surveyor yang menggunakan peralata
n tersebut. Menatar surveyor sebelum melaksanakan survei dan penjelasan manual p
eralatan merupakan suatu usaha yang tepat dalam meningkatkan ketepatan data. Ter
sedianya data yang dibutuhkan Data merupakan permasalahan utama dalam pemodelan.
Terbatasnya data dari sisi kualitas dan kuantitas menyebabkan hasil pemodelan t
idak mempunyai ketepatan yang tinggi. Selain itu, sistem transformasi data yang
tidak begitu baik menyebabkan data tersebut sangat susah didapat, meskipun sudah
tersedia. Fasilitas faksimili merupakan alat bantu utama dalam proses transform
asi data. Pada saat sekarang ini, fasilitas internet telah pula tersedia dan bis
a didapat dengan biaya yang sangat murah yang memungkinkan data bisa langsung di
dapatkan pada saat yang bersamaan dengan kegiatan pengumpulan data (waktu nyata)
. Kemutakhiran pemodelan Pemodelan adalah pencerminan dan penyederhanaan realita
. Jadi, semakin kita dapat mencerminkan realita, dapat dikatakan model tersebut
menjadi semakin baik. Akan tetapi, untuk mencapai hal tersebut biasanya dibutuhk
an dana yang sangat besar dan data yang sangat banyak. Karena keterbatasan biaya
dan waktu, kemampuan memilih model yang tepat sangat dibutuhkan yang harus sesu
ai dengan situasi dan kondisi tertentu. Sumber daya yang tersedia Hal ini menyan
gkut dana, data, perangkat komputer, termasuk paket program yang tersedia, kemam
puan peneliti, dan seterusnya. Dua jenis sumber daya yang perlu digarisbawahi di
sini adalah waktu dan tingkat komunikasi dengan para pengambil keputusan dan ma
syarakat. Waktu merupakan hal terpenting jika hanya sedikit waktu yang tersedia
dalam penentuan kebijakan, maka melakukan pemodelan sesederhana mungkin akan leb
ih baik daripada pemodelan yang menyeluruh. Selain itu, adanya komunikasi yang b
aik dengan para pengambil keputusan serta masyarakat sebagai pengguna akan mengu
rangi permasalahan. Persyaratan proses data Mungkin salah satu pertanyaan yang t
imbul di sini adalah seberapa besar kemampuan perangkat komputer yang diperlukan
? Jawabannya, mungkin tidak perlu terlalu besar karena satu komputer jinjing sud
ah mempunyai kemampuan yang sangat besar dan kecepatan proses yang sangat tinggi
dengan harga yang cukup murah. Hambatan utama dalam
3
4
5
6
10
Ofyar Z Tamin, Perencanaan dan pemodelan transportasi
Sangatlah mnarik mngkaji prbdaan antara kalibrasi modl dan taksiran modl,
khususnya dalam pmakaian di bidang transportasi. Pngkalibrasian modl mnsyara
tkan pmilihan paramtr yang mngoptimumkan satu atau lbih ukuran kssuaian y
ang juga mrupakan fungsi dari data hasil pngamatan. Prosdur ini sring diguna
kan olh fisikawan dan ahli tknik yang brtugas mmbuat modl prtama (awal) da
n mrka tidak prlu mncmaskan prilaku statistika yang dihasilkan. Smntara
itu, pnaksiran modl mliputi usaha untuk mndapatkan nilai paramtr shingga
hasil spsifikasi modl trsbut dapat mndkati data hasil pngamatan (ralita)
. Dalam kasus ini, bisa saja satu atau lbih paramtr dianggap tidak signifikan
dan olh karna itu prlu dikluarkan dari modl. Taksiran juga mmprtimbangka
n kmungkinan mmplajari bbrapa faktor spsifikasi scara mpiris. Prosdur i
ni sring dilakukan olh para ahli tknik dan konomi yang brtanggung jawab dal
am pngmbangan modl slanjutnya yang lbih mmntingkan prilaku statistika mo
dl trsbut. Akan ttapi, kdua prosdur trsbut pada dasarnya sama karna car
a untuk mnntukan paramtr mana yang lbih baik yang akan digunakan ditntukan
olh ukuran kssuaian. Suatu modl yang sudah dikalibrasi dngan data trtntu
blum tntu cocok dipakai untuk pnrapan yang lain. Hal ini disbabkan karna
pada dasarnya ralita antara kdua trapan trsbut brbda, trutama pubah yan
g mungkin tidak sama. Olh karna itu, sblum ditrapkan di tmpat lain, modl
trsbut prlu diabsahkan trlbih dahulu dngan mnggunakan data asli darah t
rsbut.
1.4.3 Bbrapa dfinisi dalam pmodlan
Bbrapa dfinisi brikut ini prlu dijlaskan karna sring digunakan dalam pro
ss pmodlan (Black, 1981 dan LPM-ITB, 1997c). a Fungsi Konsp matmatis yang d
igunakan untuk mnyatakan bagaimana satu nilai pubah (tidak bbas) ditntukan o
lh satu atau bbrapa pubah lainnya (bbas). Argumn Nilai trtntu suatu fung
si dapat dihitung dngan mmasukkan nilai pada pubah (bbas) yang ada dalam fun
gsi trsbut; pubah bbas itu disbut argumn. Pubah Kuantitas yang dapat digu
nakan untuk mngasumsikan nilai numrik yang brbda-bda. Jika suatu huruf digu
nakan untuk mnyatakan nilai suatu fungsi, huruf itu disbut pubah tidak bbas;
jika digunakan sbagai argumn suatu fungsi, disbut pubah bbas. Paramtr Ku
antitas yang mmpunyai suatu nilai konstan yang brlaku pada kasus trtntu, yan
g mungkin mmpunyai nilai konstan yang brbda pada kasus yang lain. Kofisin D
alam aplikasi matmatika, kofisin mmpunyai dfinisi yang sama dngan paramt
r.
b
c
d
12
Ofyar Z Tamin, Prncanaan dan pmodlan transportasi
f
Kalibrasi Pross yang dilakukan untuk mnaksir nilai paramtr atau kofisin s
hingga hasil yang didapatkan mmpunyai galat yang skcil mungkin dibandingkan d
ngan hasil yang sbnarnya (ralita). Algoritma Suatu prosdur yang mnunjukkan
urutan oprasi aritmatik yang rumit. Biasanya algoritma sring digunakan dalam
pmbuatan program komputr.
g
1.5 Ciri dasar prncanaan transportasi
1.5.1 Pndahuluan
Prlu disadari bahwa kajian prncanaan transportasi mmpunyai ciri yang brbda
dngan kajian bidang lain. Hal ini disbabkan karna objk pnlitian suatu kaj
ian prncanaan transportasi cukup luas dan bragam. Di samping itu, kajian pr
ncanaan transportasi juga biasanya mlibatkan aspk yang cukup banyak dan braga
m pula. Scara singkat, ciri kajian prncanaan transportasi ditandai dngan ada
nya multimoda, multidisiplin, multisktoral, dan multimasalah (lihat juga LPMITB
, 1996, 1997a). Kajian prncanaan transportasi slalu mlibatkan lbih dari sat
u moda transportasi sbagai bahan kajian. Hal ini mudah dimngrti mngingat obj
k dasar kajian prncanaan transportasi adalah prgrakan manusia, dan/atau bar
ang, yang pasti mlibatkan banyak moda transportasi. Tambahan lain, Indonsia di
knal sbagai ngara yang trdiri dari ribuan pulau shingga prgrakan dari sua
tu tmpat asal k tmpat tujuan sangat tidak mungkin hanya mnggunakan satu moda
saja. Tidaklah mnghrankan bahwa Sistm Transportasi Nasional (Sistranas) yang
kita miliki mmpunyai konsp utama, yaitu konsp sistm transportasi intgrasi
antarmoda.
1.5.1.1 Multimoda
Kalaupun kajian yang dimaksud difokuskan pada darah trtntu, misalnya trminal
bus atau bandara, aspk multimoda akan slalu timbul k prmukaan. Prncana tr
ansportasi, bagaimana pun, harus mmprhatikan adanya intraksi antara prgraka
n intrnal di dalam darah kajian (misalnya trminal bus atau bandara) dngan p
rgrakan kstrnalnya. Artinya, harus diprhatikan adanya moda transportasi lain
slain bus (untuk trminal bus) atau psawat udara (untuk bandara). Trminal da
lam konsp sistm transportasi intgrasi antarmoda mmgang pranan yang sangat
pnting karna pross prtukaran moda trjadi di trminal dan waktu pross trs
but mrupakan hal trpnting yang sangat prlu diprhatikan para prncana trans
portasi. Ktidakfisinan dalam pross prtukaran moda akan mnybabkan sistm t
ransportasi intgrasi antarmoda pun scara ksluruhan mnjadi tidak fisin.
1.5.1.2 Multidisiplin Kajian prncanaan transportasi mlibatkan banyak disiplin
kilmuan karna aspk kajiannya sangat bragam, mulai dari ciri prgrakan, pn
gguna jasa, sampai dngan sistm prasarana atau pun sarana transportasi itu snd
iri. Tntu saja dalam plaksanaannya, smua aspk kajian trsbut harus dapat di
antisipasi. Kajian prncanaan transportasi biasanya mlibatkan bidang kilmuan
Pndahuluan
13
Oleh sebab itu, perlu dikaji beberapa konsep dasar yang melatarbelakangi kajian
angkutan dan bagaimana konsep ini saling berkaitan untuk membentuk apa yang dise
but sistem transportasi. Konsep yang akan dikaji dibagi dalam dua bagian, yaitu
(lihat juga LPM ITB, 1996, 1997c): a konsep mengenai ciri pergerakan tidak spasi
al (tanpa batas ruang) di dalam kota, misalnya yang menyangkut pertanyaan mengap
a orang melakukan perjalanan, kapan orang melakukan perjalanan, dan jenis angkut
an apa yang mereka pergunakan; konsep mengenai ciri pergerakan spasial (dengan b
atas ruang) di dalam kota, termasuk pola tata guna lahan, pola perjalanan orang,
dan pola perjalanan angkutan barang.
b
Sebagian besar konsep ini telah dikembangkan pada tahun 1960 an dan awal tahun 1
970 an, baik di Eropa maupun di Amerika Serikat. Kemudian, muncul permasalahan m
engenai relevansinya dengan negara sedang berkembang seperti Indonesia. Meskipun
demikian, sebelum data kota di Indonesia dikumpulkan secara rutin, kita tidak a
kan dapat mengetahui secara pasti bagaimana konsep ini harus disesuaikan dengan
keadaan kota di Indonesia.
1.5.2 Ciri pergerakan tidak spasial
Seperti diuraikan sebelumnya, ciri pergerakan tidak spasial adalah semua ciri pe
rgerakan yang berkaitan dengan aspek tidak spasial, seperti sebab terjadinya per
gerakan, waktu terjadinya pergerakan, dan jenis moda yang digunakan. Sebab terja
dinya pergerakan dapat dike1.5.2.1 Sebab terjadinya pergerakan lompokkan berdasa
rkan maksud perjalanan (lihat tabel 1.1). Biasanya maksud perjalanan dikelompokk
an sesuai dengan ciri dasarnya, yaitu yang berkaitan dengan ekonomi, sosial, bud
aya, pendidikan, dan agama. Jika ditinjau lebih jauh lagi akan dijumpai kenyataa
n bahwa lebih dari 90% perjalanan berbasis tempat tinggal; artinya, mereka memul
ai perjalanannya dari tempat tinggal (rumah) dan mengakhiri perjalanannya kembal
i ke rumah. Pada kenyataan ini biasanya ditambahkan kategori keenam tujuan perja
lanan, yaitu maksud perjalanan pulang ke rumah.
1.5.2.2 Waktu terjadinya pergerakan
Waktu terjadinya pergerakan sangat tergantung pada kapan seseorang melakukan akt
ivitasnya sehari harinya. Dengan demikian, waktu perjalanan sangat tergantung pa
da maksud perjalanan. Perjalanan ke tempat kerja atau perjalanan dengan maksud b
ekerja biasanya merupakan perjalanan yang dominan, dan karena itu sangat penting
diamati secara cermat. Karena pola kerja biasanya dimulai jam 08.00 dan berakhi
r pada jam 16.00, maka waktu perjalanan untuk maksud perjalanan kerja biasanya m
engikuti pola kerjanya. Dalam hal ini kita dapati bahwa pada pagi hari, sekitar
jam 06.00 sampai jam 08.00, dijumpai begitu banyak perjalanan untuk tujuan beker
ja, dan pada sore hari sekitar jam 16.00 sampai jam 18.00 dijumpai banyak perjal
anan dari tempat kerja ke rumah masing masing. Karena jumlah perjalanan dengan m
aksud bekerja ini merupakan jumlah yang dominan, maka kita dapatkan bahwa kedua
waktu terjadinya perjalanan dengan tujuan bekerja ini menghasilkan waktu puncak
pergerakan.
15
Pendahuluan
Perjalanan lainnya yang cukup berperan adalah perjalanan untuk maksud berbelanja
. Karena kegiatan berbelanja ini tidak mempunyai waktu khusus, dan pelakunya bis
a melakukannya kapan pun selama toko atau pasar buka, maka tidak ada pola khusus
untuk perjalanan dengan maksud belanja ini; pada umumnya berupa pola menyebar.
Meskipun terdapat juga puncak pada pagi dan sore hari, puncak ini tidak terlalu
nyata. Jadi, jika ditinjau secara keseluruhan, pola perjalanan setiap hari di su
atu kota pada dasarnya merupakan gabungan dari pola perjalanan untuk maksud beke
rja, pendidikan, berbelanja, dan kegiatan sosial lainnya. Pola perjalanan yang d
iperoleh dari penggabungan ketiga pola perjalanan di atas terkadang disebut juga
pola variasi harian, yang menunjukkan tiga waktu puncak, yaitu waktu puncak pag
i, waktu puncak siang, dan waktu puncak sore. Pola variasi harian seperti ini di
jumpai di semua kota berukuran sedang dan besar di seluruh dunia. Tentu saja rin
cian waktu terjadinya waktu puncak berbeda antara satu kota dengan kota lainnya,
tergantung pada ciri pola waktu kerja yang ada dan ciri pola waktu sekolah. Inf
ormasi mengenai pola variasi harian ini sangat penting bagi perencana transporta
si. Dengan mempelajari pola variasi harian perjalanan, ahli transportasi dapat m
engetahui pada jam jam berapa saja sebenarnya prasarana jaringan jalan atau pun
jaringan angkutan umum akan menerima beban puncaknya. Dengan demikian, penangana
n yang paling sesuai dapat diterapkan pada waktu yang tepat sehingga masalah kem
acetan dapat dihindari sejak awal. Selain itu, informasi pola variasi harian ini
juga dapat digunakan sebagai acuan untuk menentukan strategi yang paling sesuai
untuk pengaturan sistem angkutan umum mengingat bahwa pola beban yang berbeda m
engakibatkan pola operasional yang berbeda dan juga pola pembiayaan yang berbeda
. Dengan diketahuinya pola variasi harian ini, perencana transportasi dapat meng
atur, misalnya, sistem frekuensi dan sistem pentarifan yang paling sesuai. Adany
a pola variasi harian yang tidak seimbang antara waktu puncak dan waktu tidak pu
ncak saat ini menjadi perhatian utama para ahli perencana transportasi karena ma
salah yang dihadapi di kota besar biasanya masalah kemacetan yang terjadi pada j
am puncak. Jika waktu puncak diantisipasi dengan baik, maka pada waktu tidak pun
cak, prasarana dan sarana transportasi yang disediakan menjadi rendah tingkat pe
makaiannya. Untuk itu perlu dipikirkan cara lain agar penyediaan prasarana dan s
arana transportasi mampu mengantisipasi perjalanan yang ada dan sekaligus mempun
yai tingkat pemakaian yang memadai.
1.5.2.3 Jenis sarana angkutan yang digunakan
Dalam melakukan perjalanan, orang biasanya dihadapkan pada pilihan jenis angkuta
n mobil, angkutan umum, pesawat terbang, atau kereta api. Dalam menentukan pilih
an jenis angkutan, orang mempertimbangkan berbagai faktor, yaitu maksud perjalan
an, jarak tempuh, biaya, dan tingkat kenyamanan. Meskipun dapat diketahui faktor
yang menyebabkan seseorang memilih jenis moda yang digunakan, pada kenyataannya
sangatlah sulit merumuskan mekanisme pemilihan moda ini.
Pendahuluan
17
Dari hasil survei yang pernah dilakukan di DKI Jakarta pada tahun 1987 terlihat
bahwa moda yang paling umum digunakan dalam perjalanan di dalam kota adalah berj
alan kaki, becak, sepeda motor, kendaraan pribadi, taksi, dan bus kota. Dari sem
ua jenis moda angkutan umum tersebut terlihat bahwa yang paling dominan adalah p
erjalanan dengan moda angkutan bus, disusul oleh taksi dan paratransit. Jika kit
a bandingkan dengan salah satu kota di Amerika Serikat, akan didapatkan pola yan
g hampir sama. Dari hasil penelitian di Chicago diperoleh kenyataan bahwa perjal
anan dengan maksud pendidikan merupakan 10% dari seluruh jumlah perjalanan; seki
tar 70% dari perjalanan tersebut dilakukan dengan berjalan kaki, 15% dengan bus,
dan 10% dengan mobil atau sepeda motor. Perjalanan ke tempat kerja mencakup 20%
dari jumlah seluruh perjalanan; 80% dilakukan dengan mobil pribadi, sepeda moto
r dan bus, dan hanya 20% dengan berjalan kaki. Dari data tersebut jelas terlihat
bahwa ditinjau dari maksud perjalanan, sebagian besar perjalanan dengan maksud
bekerja dilakukan oleh orang dewasa yang memiliki kendaraan dan mengemudikannya
sendiri ke tempat kerja. Karena anakanak tidak memiliki kendaraan dan tidak dapa
t mengemudi sendiri, mereka berjalan kaki atau naik bus ke sekolah. Dari faktor
jarak terlihat bahwa jarak kurang dari 2 km didominasi oleh perjalanan dengan be
rjalan kaki, yaitu sampai 90% dari jumlah perjalanan. Mobil tercatat digunakan k
urang dari 10% untuk perjalanan berjarak dekat ini. Sebaliknya, dengan meningkat
nya jarak perjalanan, proporsi perjalanan dengan berjalan kaki menurun, dan perj
alanan dengan mobil meningkat. Angkutan dengan bus juga meningkat untuk jarak pe
rjalanan sampai sejauh 9 km. Dari data di atas jelas tampak bahwa secara umum fa
ktor jarak dan faktor maksud perjalanan merupakan faktor yang paling dominan dal
am menentukan jenis atau moda kendaraan yang digunakan. Dengan berjalan kaki, pe
rsentase tinggi cenderung untuk perjalanan jarak dekat, sedangkan perjalanan den
gan mobil dan sepeda motor dengan persentase tinggi cenderung untuk jarak tempuh
yang lebih jauh. Perjalanan untuk maksud belajar dilakukan oleh anak anak, teru
tama untuk ke sekolah, yang biasanya jarak perjalanannya masih dapat dijangkau d
engan berjalan kaki dari rumah atau dapat dicapai dengan mudah dengan menggunaka
n angkutan umum.
1.5.3 Ciri pergerakan spasial
Seperti yang telah dijelaskan, perjalanan terjadi karena manusia melakukan aktiv
itas di tempat yang berbeda dengan daerah tempat mereka tinggal. Artinya, keterk
aitan antarwilayah ruang sangatlah berperan dalam menciptakan perjalanan. Jika s
uatu daerah sepenuhnya terdiri dari lahan tandus tanpa tumbuhan dan sumber daya
alam, dapat diduga bahwa pada daerah tersebut tidak akan timbul perjalanan mengi
ngat di daerah tersebut tidak mungkin timbul aktivitas. Juga, tidak akan pernah
ada keterkaitan ruang antara daerah tersebut dengan daerah lainnya.
18
Ofyar Z Tamin, Perencanaan dan pemodelan transportasi
1.5.3.2 Pola perjalanan barang Berbeda dengan pola perjalanan orang, pola perjal
anan barang sangat dipengaruhi oleh aktivitas produksi dan konsumsi, yang sangat
tergantung pada sebaran pola tata guna lahan permukiman (konsumsi), serta indus
tri dan pertanian (produksi). Selain itu, pola perjalanan barang sangat dipengar
uhi oleh pola rantai distribusi yang menghubungkan pusat produksi ke daerah kons
umsi.
Beberapa kajian menunjukkan bahwa 80% dari perjalanan barang yang dilakukan di k
ota menuju ke daerah perumahan; ini menunjukkan bahwa perumahan merupakan daerah
konsumsi yang dominan. Meskipun demikian, perlu dicatat bahwa jumlah perjalanan
yang besar itu hanya merupakan 20% dari total jumlah kilometer perjalanan. Hal
ini menunjukkan bahwa pola perjalanan barang lebih didominasi oleh perjalanan me
nuju daerah lainnya, yaitu ke daerah pusat distribusi (pasar) atau ke daerah ind
ustri. Hasil penelitian menunjukkan bahwa ditinjau dari jumlah kilometer perjala
nan, perjalanan barang menuju daerah dan dari daerah industri merupakan yang ter
besar, yaitu perjalanan yang cukup panjang. Jadi, sangatlah jelas bahwa pola men
yeluruh dari perjalanan barang sangat tergantung pada sebaran tata guna lahan ya
ng berkaitan dengan daerah industri, daerah pertanian, dan daerah permukiman.
1.6 Campur tangan manusia pada sistem transportasi
Secara ekonomi, ketidakefisienan sistem transportasi atau permasalahan transport
asi merupakan pemborosan besar. Amat banyak bahan bakar terbuang percuma akibat
kendaraan terpaksa berjalan di bawah kecepatan optimum atau sering berhenti. Sel
ain itu, ban dapat lebih cepat aus karena kendaraan terlalu sering direm, dan ma
sih banyak persoalan lain yang dapat diungkapkan untuk membuktikan akibat negati
f yang timbul oleh transportasi yang tidak direncanakan dengan baik. Kegiatan ma
nusia yang berbagai macam menyebabkan mereka perlu saling berhubungan. Untuk itu
diperlukan alat perhubungan, salah satu di antaranya dan yang paling tua umurny
a adalah transportasi. Jadi, transportasi bukanlah tujuan akhir, melainkan sekad
ar alat untuk melawan jarak. Dengan kemajuan teknologi, muncul berbagai macam at
au bentuk alat transportasi untuk memenuhi berbagai keperluan. Sarana transporta
si (alat angkut) terus berkembang mengikuti fenomena baru yang timbul akibat pen
ggalian sumber daya, seperti penemuan teknologi baru, perkembangan struktur masy
arakat, dan peningkatan produksi. Keterlambatan perkembangan alat angkut akan me
nyebabkan tidak tercapainya maksud utama pembangunan nasional, yaitu menyejahter
akan masyarakat. Contohnya, untuk memanfaatkan sumber daya alam yang ada di pula
u Sumatera harus dapat dibuat hubungan antara berbagai sumber alam tersebut deng
an tempat pengolahan, dan kemudian dengan pasar; untuk ini diperlukan transporta
si. Karena itulah pemanfaatan sumber daya alam bagi kesejahteraan masyarakat han
yalah angan angan belaka selama transportasi untuk itu belum tersedia. Di sinila
h diperlukan campur tangan manusia atau pemerintah pada sistem transportasi.
20
Ofyar Z Tamin, Perencanaan dan pemodelan transportasi
Pemerintah memiliki sejarah panjang dalam hal campur tangan dan prakarsa di bida
ng transportasi. Penjelasan mengenai hal ini tidak sulit diperoleh. Akan tetapi,
tingkat keterlibatan pemerintah tersebut tumbuh seiring dengan meningkatnya ker
umitan sistem transportasi dan peranannya dalam perekonomian nasional secara kes
eluruhan. Selanjutnya, kebijakan sosial suatu pemerintah yang modern mempunyai d
ampak terhadap sistem transportasi nasional dan industri transportasi itu sendir
i. Persoalan dasar transportasi sebenarnya sederhana, yaitu terlalu besarnya keb
utuhan akan pergerakan dibandingkan dengan sistem prasarana transportasi yang te
rsedia. Karena itu, Wells (1970) menyatakan bahwa usaha pemecahannya tidak terla
lu sulit. Yang mungkin dilakukan adalah: 1 2 3 membangun sistem prasarana transp
ortasi dengan dimensi yang lebih besar sehingga kapasitasnya sesuai dengan atau
melebihi kebutuhan; mengurangi tuntutan akan pergerakan dengan mengurangi jumlah
kendaraan pemakai jalan; menggabungkan (1) dan (2), yaitu menggunakan sistem pr
asarana transportasi yang ada secara optimum, membangun sistem prasarana transpo
rtasi tambahan, dan sekaligus melakukan pengawasan dan pengendalian sejauh mungk
in atas meningkatnya kebutuhan akan pergerakan.
Cara pertama tentu saja tak mungkin dilakukan terus menerus tanpa batas. Pada da
erah yang sudah berkembang, bahkan pelebaran jalan saja pun hampir tidak mungkin
karena biayanya terlalu mahal, tidak ekonomis, dan tidak jarang menimbulkan ber
bagai masalah sosial. Cara kedua, mengurangi atau membatasi jumlah kendaraan pun
hampir tak mungkin dilakukan. Setiap orang berhak menikmati kesejahteraan dan t
idak ada dasar hukum yang melarang orang memiliki kendaraan bermotor yang dipero
lehnya secara sah; pabrik kendaraan pun tak bisa diharapkan berhenti berproduksi
. Karena itu, penanggulangan dengan mencari jalan tengah di antara kedua cara te
rsebut adalah cara yang pada umumnya ditempuh. Secara umum bentuk campur tangan
manusia pada sistem transportasi dimungkinkan dengan cara (lihat juga LPM ITB, 1
996, 1997a): mengubah teknologi transportasi mengubah teknologi informasi m
ah ciri kendaraan mengubah ciri ruas jalan mengubah konfigurasi jaringan transpo
rtasi mengubah kebijakan operasional dan organisasi mengubah kebijakan kelembaga
an mengubah perilaku perjalanan mengubah pilihan kegiatan
Pendahuluan
21
negara sedang berkembang yang pertumbuhannya berjalan cepat dan tidak terpengaru
h oleh kurangnya sarana pelayanan umum yang lain. Apa pun asumsi yang dibuat ten
tang tata guna lahan, perencanaan transportasi akan mengusulkan untuk membuat ja
lan, jembatan, dan tempat parkir, serta membuat kebijakan dan peraturan yang dip
erlukan, misalnya tarif, pengendalian perparkiran, dan pembatasan lalulintas. Ke
kuatan hukum diperlukan bilamana suatu rencana diajukan. Di negara sedang berkem
bang, para pejabatnya kurang memiliki wewenang untuk memperoleh tanah guna membu
at jalan, memungut ongkos parkir, mengadakan larangan beberapa jenis kendaraan y
ang datang dari jalan pribadi, atau mengawasi masalah perparkiran kendaraan prib
adi. Perencanaan transportasi tanpa pengendalian tata guna lahan adalah mubazir
karena perencanaan transportasi pada dasarnya adalah usaha untuk mengantisipasi
kebutuhan akan pergerakan di masa mendatang, dan faktor aktivitas yang dicanangk
an (dan juga tata guna lahan) merupakan dasar analisisnya. Jadi, bila tata guna
lahan tidak bisa diawasi atau dikendalikan melalui tindakan hukum, maka perencan
aan transportasi harus dimulai dari posisi antara yang diinginkan dan yang bisa
berjalan wajar tanpa perencanaan. Contohnya adalah proses timbulnya pasar. Kebij
akan yang mungkin bisa digunakan untuk mempengaruhi perkembangan tata guna lahan
adalah (lihat juga LPM ITB, 1996, 1997a): 1 memberikan rangsangan berbentuk uan
g untuk mereka yang dapat menciptakan lapangan kerja di daerah tertentu, dengan
cara memberi hadiah atau pengurangan pajak kepada setiap pengusaha; membebankan
pajak yang lebih tinggi kepada pengusaha yang membangun daerah lain, selain yang
ditunjuk; menurunkan tarif umum untuk listrik, gas, air PAM, dan telepon untuk
daerah yang sedang dibangun, dan menaikkan tarif tersebut untuk daerah yang tida
k mendapat izin pembangunan lagi; memberikan rangsangan berupa subsidi pembangun
an dan penyewaan untuk bangunan industri, ruang perkantoran, dan pertokoan di da
erah pembangunan; memperbaiki jalan raya dan pelayanan transportasi yang lebih b
aik untuk menunjang daerah yang dibangun; menerapkan pengaturan yang baik untuk
merancang akses.
2 3
4 5 6
1.8 Pihak yang terlibat dalam perencanaan transportasi
Dalam kajian perencanaan transportasi, pihak yang terlibat sangatlah beragam di
berbagai negara. Semuanya sangat tergantung pada sistem kelembagaan yang ada di
negara yang bersangkutan, terutama kelembagaan yang menyelenggarakan atau bertan
ggung jawab terhadap pelaksanaan kajian perencanaan transportasi. Meskipun demik
ian, dalam kajian perencanaan transportasi biasanya ada tiga kelompok atau pihak
yang terlibat, yaitu (lihat juga LPM ITB, 1996, 1997a):
Pendahuluan
23
1
penyelenggara kajian, yaitu orang atau lembaga yang bertanggung jawab dalam peng
ambilan keputusan dari hasil kajian. Untuk proyek milik swasta, pihak yang dimak
sud dapat berupa wakil perusahaan penyelenggara kajian, misalnya pengembang kawa
san industri atau pemodal sistem prasarana transportasi. profesional atau pakar,
yaitu pihak yang bertanggung jawab terhadap pelaksanaan kajian. Pihak itu biasa
nya merupakan lembaga profesional (konsultan, pusat kajian, atau pusat penelitia
n). masyarakat, yaitu mencakup sekelompok anggota masyarakat yang dipilih untuk
mewakili masyarakat umum dalam proses pengkajian.
2
3
Dalam pelaksanaan kajian, pihak penyelenggara dan masyarakat selanjutnya berfung
si sebagai pihak yang mengawasi atau mengarahkan pelaksanaan kajian oleh pihak p
rofesional. Biasanya tugas pengarahan ini dikelompokkan dalam tiga komite; setia
p komite menangani tugas dan kepentingan yang berbeda. Misalnya, untuk kajian de
ngan skala yang cukup besar, komite yang dimaksud meliputi: 1 komite eksekutif,
terdiri dari perwakilan dari pihak yang terlibat dalam pengambilan keputusan (mi
salnya menteri, direktur jenderal, kepala direktorat). komite pengarah teknis, t
erdiri dari perwakilan penyelenggara kajian atau perwakilan dari lembaga terkait
. Komite ini bersifat teknis, yaitu mampu mengarahkan kajian secara substansif.
Karena itu, anggota komite ini terdiri dari orang yang mempunyai latar belakang
yang cukup secara teknis, seperti ahli ekonomi, perencana, ahli teknik, dan mana
jer operasi. komite perwakilan masyarakat, terdiri atas perwakilan dari kelompok
kepentingan yang ada di masyarakat luas. Komite perwakilan masyarakat biasanya
terisolasi dalam penyelenggaraan kajian yang dilakukan di negara Barat. Di Indon
esia, partisipasi masyarakat luas belum begitu dikenal sehingga komite perwakila
n masyarakat dalam pelaksanaan kajian perencanaan transportasi seperti ini jaran
g sekali terlihat.
2
3
24
Ofyar Z Tamin, Perencanaan dan pemodelan transportasi
2
Pendekatan perencanaan transportasi
2.1 Umum
Tujuan dasar para perencana transportasi adalah memperkirakan jumlah serta lokas
i kebutuhan akan transportasi (misalnya menentukan total pergerakan, baik untuk
angkutan umum maupun angkutan pribadi) pada masa mendatang atau pada tahun renca
na yang akan digunakan untuk berbagai kebijakan investasi perencanaan transporta
si. Agar lebih terarah dan jelas, penjelasan berikut akan diarahkan pada perenca
naan transportasi di daerah perkotaan. Terdapat beberapa skala atau periode wakt
u dalam perencanaan sistem transportasi perkotaan, yaitu: skala panjang, menenga
h, dan pendek. Jangka waktu perencanaan bisa sangat lama (misalnya 25 tahun) yan
g biasanya digunakan untuk perencanaan strategi pembangunan kota berjangka panja
ng. Strategi ini akan sangat dipengaruhi oleh perencanaan tata guna lahan dan pe
rkiraan arus lalulintas dalam perencanaan ini biasanya dikategorikan berdasarkan
moda dan rute. Kajian tersebut biasa dilakukan untuk merencanakan kota baru. Ka
jian lainnya adalah kajian transportasi berskala pendek, dengan tahun rencana ma
ksimum 5 tahun. Kajian ini biasanya berupa kajian manajemen transportasi yang le
bih menekankan dampak kebijakan manajemen lalulintas terhadap perubahan rute sua
tu moda transportasi. Kajian tersebut pada dasarnya bersifat sangat teknis karen
a dampak tata guna lahan tidak begitu signifikan pada waktu yang sangat singkat.
Di antara kedua kajian tersebut terdapat kajian transportasi berskala menengah
dengan umur perencanaan sekitar 1020 tahun di masa mendatang. Kajian semacam ini
telah dimulai sejak tahun 1950 an di Amerika Serikat, dilakukan minimal sekali p
ada hampir semua kota besar di Amerika Serikat dan di beberapa negara dunia keti
ga. Di Indonesia, yaitu di DKI Jakarta, Surabaya, Bandung, dan Medan telah pula
dilakukan kajian semacam itu pada waktu 10 tahun belakangan ini. Teori, model, d
an metode yang digunakan dalam kajian transportasi berskala menengah merupakan t
opik utama buku ini. Buku ini menjelaskan hubungan dalam bentuk kuantitatif (mod
el matematis) yang dapat digunakan untuk memperkirakan besarnya kebutuhan akan t
ransportasi sebagai akibat adanya kegiatan yang dilakukan pada tata guna lahan.
Hubungan dan model yang dikembangkan digunakan untuk lebih memahami hubungan yan
g terjadi dalam suatu kota, yaitu antara tata guna lahan (kegiatan), transportas
i (jaringan), dan lalulintas (pergerakan). Model tersebut harus dengan mudah dap
at dimodifikasi dan diperbaiki secara terus menerus. Hal ini sering dilakukan ol
eh pemerintah untuk meramalkan arus lalulintas yang nantinya menjadi dasar peren
canaan investasi untuk suatu fasilitas transportasi yang baru.
25
Sasaran, tujuan, dan target Rumusan sasaran, tujuan, dan target Pemantauan dan e
valuasi Perencanaan
Data
Data
Proses daur
Alternatif rencana Data
Pelaksanaan
Penilaian
Alternatif terbaik Data Perancangan
Gambar 2.1 Proses perencanaan Sumber: Tamin (1988a)
Setelah alternatif terbaik didapatkan, dilakukan proses perancangan yang diterus
kan dengan proses pelaksanaan. Setelah proses pelaksanaan, perlu dilakukan prose
s pengawasan dan evaluasi untuk melihat apakah tujuan perencanaan yang telah dir
umuskan pada tahap awal telah tercapai. Jika tidak, mungkin perlu diubah rumusan
tujuan dan sasaran yang ada yang secara otomatis pasti mempengaruhi proses pere
ncanaan berikutnya. Proses daur tersebut terus berlangsung dan tidak pernah berh
enti.
2.2.2 Sistem transportasi makro
Untuk lebih memahami dan mendapatkan alternatif pemecahan masalah yang terbaik,
perlu dilakukan pendekatan secara sistem sistem transportasi dijelaskan dalam be
ntuk sistem transportasi makro yang terdiri dari beberapa sistem transportasi mi
kro. Sistem transportasi secara menyeluruh (makro) dapat dipecahkan menjadi bebe
rapa sistem yang lebih kecil (mikro) yang masing masing saling terkait dan salin
g mempengaruhi seperti terlihat pada gambar 2.2.
Pendekatan perencanaan transportasi
27
Sistem kegiatan
Sistem jaringan
Sistem pergerakan
Sistem kelembagaan
Gambar 2.2 Sistem transportasi makro Sumber: Tamin (1992b, 1993a, 1994b, 1995hjk
)
Sistem transportasi mikro tersebut terdiri dari: a b c d sistem kegiatan sistem
jaringan prasarana transportasi sistem pergerakan lalulintas sistem kelembagaan
Seperti kita ketahui, pergerakan lalulintas timbul karena adanya proses pemenuha
n kebutuhan. Kita perlu bergerak karena kebutuhan kita tidak bisa dipenuhi di te
mpat kita berada. Setiap tata guna lahan atau sistem kegiatan (sistem mikro yang
pertama) mempunyai jenis kegiatan tertentu yang akan membangkitkan pergerakan d
an akan menarik pergerakan dalam proses pemenuhan kebutuhan. Sistem tersebut mer
upakan sistem pola kegiatan tata guna lahan yang terdiri dari sistem pola kegiat
an sosial, ekonomi, kebudayaan, dan lain lain. Kegiatan yang timbul dalam sistem
ini membutuhkan pergerakan sebagai alat pemenuhan kebutuhan yang perlu dilakuka
n setiap hari yang tidak dapat dipenuhi oleh tata guna lahan tersebut. Besarnya
pergerakan sangat berkaitan erat dengan jenis dan intensitas kegiatan yang dilak
ukan. Pergerakan yang berupa pergerakan manusia dan/atau barang tersebut jelas m
embutuhkan moda transportasi (sarana) dan media (prasarana) tempat moda transpor
tasi tersebut bergerak. Prasarana transportasi yang diperlukan merupakan sistem
mikro yang kedua yang biasa dikenal dengan sistem jaringan yang meliputi sistem
jaringan jalan raya, kereta api, terminal bus dan kereta api, bandara, dan pelab
uhan laut. Interaksi antara sistem kegiatan dan sistem jaringan ini menghasilkan
pergerakan manusia dan/atau barang dalam bentuk pergerakan kendaraan dan/atau o
rang (pejalan kaki). Suatu sistem mikro yang ketiga atau sistem pergerakan yang
aman, cepat, nyaman, murah, handal, dan sesuai dengan lingkungannya dapat tercip
ta jika pergerakan tersebut diatur oleh sistem rekayasa dan manajemen lalulintas
yang
28
Ofyar Z Tamin, Perencanaan dan pemodelan transportasi
baik. Permasalahan kemacetan yang sering terjadi di kota besar di Indonesia bias
anya timbul karena kebutuhan akan transportasi lebih besar daripada prasarana tr
ansportasi yang tersedia, atau prasarana tersebut tidak dapat berfungsi sebagaim
ana mestinya. Sistem kegiatan, sistem jaringan, dan sistem pergerakan akan salin
g mempengaruhi seperti terlihat pada gambar 2.2. Perubahan pada sistem kegiatan
jelas akan mempengaruhi sistem jaringan melalui perubahan pada tingkat pelayanan
pada sistem pergerakan. Begitu juga perubahan pada sistem jaringan akan dapat m
empengaruhi sistem kegiatan melalui peningkatan mobilitas dan aksesibilitas dari
sistem pergerakan tersebut. Selain itu, sistem pergerakan memegang peranan pent
ing dalam menampung pergerakan agar tercipta pergerakan yang lancar yang akhirny
a juga pasti mempengaruhi kembali sistem kegiatan dan sistem jaringan yang ada d
alam bentuk aksesibilitas dan mobilitas. Ketiga sistem mikro ini saling berinter
aksi dalam sistem transportasi makro. Sesuai dengan GBHN 1993, dalam usaha untuk
menjamin terwujudnya sistem pergerakan yang aman, nyaman, lancar, murah, handal
, dan sesuai dengan lingkungannya, maka dalam sistem transportasi makro terdapat
sistem mikro tambahan lainnya yang disebut sistem kelembagaan yang meliputi ind
ividu, kelompok, lembaga, dan instansi pemerintah serta swasta yang terlibat sec
ara langsung maupun tidak langsung dalam setiap sistem mikro tersebut. Di Indone
sia, sistem kelembagaan yang berkaitan dengan masalah transportasi secara umum a
dalah sebagai berikut. Sistem kegiatan Bappenas, Bappeda Tingkat I dan II, Bangd
a, Pemda Sistem jaringan Departemen Perhubungan (Darat, Laut, Udara), Bina Marga
Sistem pergerakan DLLAJ, Organda, Polantas, masyarakat Bappenas, Bappeda, Bangd
a, dan Pemda memegang peranan yang sangat penting dalam menentukan sistem kegiat
an melalui kebijakan baik yang berskala wilayah, regional, maupun sektoral. Kebi
jakan sistem jaringan secara umum ditentukan oleh Departemen Perhubungan baik da
rat, laut, maupun udara serta Departemen PU melalui Direktorat Jenderal Bina Mar
ga. Sistem pergerakan ditentukan oleh DLLAJ, Organda, Polantas dan masyarakat se
bagai pemakai jalan. Kebijakan yang diambil tentunya dapat dilaksanakan dengan b
aik melalui peraturan yang secara tidak langsung juga memerlukan sistem penegaka
n hukum yang baik pula. Jadi, secara umum dapat dikatakan bahwa pemerintah, swas
ta, dan masyarakat berperan dalam mengatasi masalah sistem transportasi ini, ter
utama masalah kemacetan.
Pendekatan perencanaan transportasi
29
menyediakan sistem jaringan transportasi yang dapat dilalui dengan kecepatan tin
ggi sehingga waktu tempuhnya menjadi pendek. Oleh sebab itu, penggunaan jarak seba
gai ukuran aksesibilitas mulai diragukan orang dan mulai dirasakan bahwa penggun
aan waktu tempuh merupakan kinerja yang lebih baik dibandingkan dengan jarak dalam m
enyatakan aksesibilitas. Dapat disimpulkan bahwa suatu tempat yang berjarak jauh
belum tentu dapat dikatakan mempunyai aksesibilitas rendah atau suatu tempat ya
ng berjarak dekat mempunyai aksesibilitas tinggi karena terdapat faktor lain dal
am menentukan aksesibilitas yaitu waktu tempuh. Beberapa jenis tata guna lahan m
ungkin tersebar secara meluas (perumahan) dan jenis lainnya mungkin berkelompok
(pusat pertokoan). Beberapa jenis tata guna lahan mungkin ada di satu atau dua l
okasi saja dalam suatu kota seperti rumah sakit, dan bandara. Dari sisi jaringan
transportasi, kualitas pelayanan transportasi pasti juga berbeda beda; sistem j
aringan transportasi di suatu daerah mungkin lebih baik dibandingkan dengan daer
ah lainnya baik dari segi kuantitas (kapasitas) maupun kualitas (frekuensi dan p
elayanan). Contohnya, pelayanan angkutan umum biasanya lebih baik di pusat perko
taan dan pada beberapa jalan utama transportasi dibandingkan dengan di daerah pi
nggiran kota. Skema sederhana yang memperlihatkan kaitan antara berbagai hal yan
g diterangkan mengenai aksesibilitas dapat dilihat pada tabel 2.2 (Black, 1981).
Tabel 2.2 Klasifikasi tingkat aksesibilitas Jarak Jauh Dekat Kondisi prasarana S
umber: Black (1981)
Aksesibilitas rendah Aksesibilitas menengah Aksesibilitas menengah Aksesibilitas
tinggi
Sangat jelek
Sangat baik
Apabila tata guna lahan saling berdekatan dan hubungan transportasi antar tata g
una lahan tersebut mempunyai kondisi baik, maka aksesibilitas tinggi. Sebaliknya
, jika aktivitas tersebut saling terpisah jauh dan hubungan transportasinya jele
k, maka aksesibilitas rendah. Beberapa kombinasi di antaranya mempunyai aksesibi
litas menengah.
2.4.2 Hubungan transportasi
Tabel 2.2 menggunakan faktor hubungan transportasi yang dapat diartikan dalam bebe
rapa hal. Suatu tempat dikatakan aksesibel jika sangat dekat dengan tempat lainnya
, dan tidak aksesibel jika berjauhan. Ini adalah konsep yang paling sederhana; hub
ungan transportasi (aksesibilitas) dinyatakan dalam bentuk jarak (km). Seperti tel
ah dijelaskan, jarak merupakan peubah yang tidak begitu cocok dan diragukan. Jik
a sistem transportasi antara kedua buah tempat diperbaiki (disediakan jalan baru
atau pelayanan bus baru), maka hubungan transportasi dapat dikatakan akan lebih
baik karena waktu tempuhnya akan lebih singkat. Hal ini sudah jelas berkaitan d
engan kecepatan sistem jaringan transportasi tersebut. Oleh karena itu,
Pendekatan perencanaan transportasi
33
waktu tempuh menjadi ukuran yang lebih baik dan sering digunakan untuk aksesibilit
as. Selanjutnya, misalkan terdapat pelayanan bus yang baik antara dua tempat dal
am suatu daerah perkotaan. Akan tetapi, bagi orang miskin yang tidak mampu membe
li karcis, aksesibilitas antara kedua lokasi tersebut tetap rendah. Jadi, biaya p
erjalanan (Rp) menjadi ukuran yang lebih baik untuk aksesibilitas dibandingkan de
ngan jarak dan waktu tempuh. Mobil pribadi hanya akan dapat memperbaiki aksesibi
litas dalam hal waktu bagi orang yang mampu membeli atau menggunakan mobil. Deng
an alasan di atas, moda dan jumlah transportasi yang tersedia dalam suatu kota m
erupakan hal yang penting untuk menerangkan aksesibilitas. Beberapa moda transpo
rtasi lebih cepat (waktu tempuh berkurang) dibandingkan dengan moda lain, dan mu
ngkin juga ada yang lebih mahal. Sudah cukup umum dalam beberapa kasus, terutama
di negara Barat, untuk menggabungkan waktu dan biaya sebagai ukuran untuk hubun
gan transportasi, yang biasa disebut biaya gabungan. Biaya ini dinyatakan dalam
bentuk nilai uang (Rp) yang terdiri dari jumlah biaya perjalanan (tiket, parkir,
bensin, dan biaya operasi kendaraan lainnya) dan nilai waktu perjalanan. Sudah
tentu, diperlukan cara tersendiri untuk menyatakan waktu dalam bentuk uang, dan
beberapa penelitian telah dikembangkan untuk tujuan ini. Secara umum diakui bahw
a sangat sulit menentukan hal ini, khususnya di negara dunia ketiga. Beberapa pe
nulis (seperti Atkins, 1984) berpendapat bahwa biaya gabungan adalah ukuran yang
tidak cocok digunakan dalam beberapa hal karena tidak memperlihatkan perbedaan
kepentingan antara waktu dan biaya secara terpisah. Ini mungkin berlaku dalam me
ngukur aksesibilitas; waktu biasanya merupakan ukuran yang terbaik, yang diatur
berdasarkan setiap moda. Akhirnya, hubungan transportasi dapat dinyatakan sebaga
i ukuran untuk memperlihatkan mudah atau sukarnya suatu tempat dicapai, dinyatak
an dalam bentuk hambatan perjalanan. Semuanya selanjutnya dinyatakan dalam bentu
k jarak, waktu, atau biaya. Untuk meningkatkan aksesibilitas tata guna lahan yan
g akan terhubungkan oleh sistem jaringan transportasi, dilakukanlah investasi pe
mbangunan sistem jaringan transportasi. Tetapi, meskipun tata guna lahan itu sud
ah mempunyai aksesibilitas yang tinggi (atau mudah dicapai) karena terhubungkan
oleh sistem jaringan transportasi yang baik, belum tentu dapat menjamin mobilita
s yang tinggi pula. Tidak akan ada artinya membangun sistem jaringan transportas
i jika tidak dapat dinikmati karena orang tidak mampu membayar biaya transportas
inya (tidak mempunyai mobilitas) sehingga investasi yang dibenamkan menjadi tida
k akan ada artinya (mubazir). Kemampuan seseorang membayar biaya transportasi sa
ngat bervariasi, khususnya di Indonesia. Karena itu, dalam pengambilan kebijakan
, pengembangan sistem jaringan transportasi harus diarahkan bukan saja pada peni
ngkatan aksesibilitasnya tetapi harus pula dapat menjamin setiap orang mampu mem
bayar biaya transportasinya dengan menyediakan banyak alternatif sistem jaringan
transportasi.
34
Ofyar Z Tamin, Perencanaan dan pemodelan transportasi
terdekat, termasuk perkiraan waktu menunggu bus dan kereta api (yang tergantung
dari frekuensi pelayanan). Perhatikan bahwa indeks aksesibilitas hanya memperhat
ikan waktu sebenarnya dari rumah sampai pada waktu menaiki bus atau kereta api,
bukan sampai pada tujuan akhir. Beberapa hasil diperlihatkan pada tabel 2.32.4 ya
ng menunjukkan bahwa keluarga dengan aksesibilitas rendah terhadap angkutan umum
biasanya berpendapatan rendah dan akan tetap berjalan kaki, bukan menggunakan b
us atau kereta api bawah tanah.
Tabel 2.3 Hubungan antara aksesibilitas pendapatan keluarga dan persentase kelua
rga Pendapatan per orang per tahun (1977) ()
0 499 500 999 1.000 1.499 1.500 1.999 2.000+ Total
Keluarga dengan aksesibilitas rendah (%)
6,9 33,6 30,5 10,7 18,3 100,0
Keluarga dengan aksesibilitas tinggi (%)
2,9 22,1 25,0 16,2 33,8 100,0
Total keluarga (%)
5,1 28,9 25,8 12,1 23,0 100,0
Sumber: Dallal (1980) Tabel 2.4 Pemilihan moda berdasarkan tujuan perjalanan (be
kerja/belajar) dan persentase keluarga Moda
Mobil (penumpang) Mobil (pengemudi) Bus Kereta api Sepeda motor Sepeda Jalan kak
i Total
Keluarga dengan aksesibilitas rendah (%)
4,6 14,3 38,5 2,9 1,6 2,0 36,2 100,0
Keluarga dengan aksesibilitas tinggi (%)
2,4 15,2 48,2 0,6 1,8 3,7 28,0 100,0
Total keluarga (%)
4,0 14,7 43,7 1,5 1,3 2,5 32,3 100,0
Sumber: Dallal (1980)
Black (1979) menekankan bahwa terdapat ketidaksamaan antara berbagai kota di Asi
a dari segi struktur fisik perkotaan, terutama perbedaan yang jelas antara daera
h yang direncanakan dengan baik dan beberapa daerah kumuh. Sistem jaringan trans
portasi juga berbeda antara berbagai kota tersebut dan antara berbagai daerah di
kota yang sama. Black (1979) juga mempertimbangkan cara menganalisis aksesibili
tas untuk mempertimbangkan ciri sistem jaringan transportasi yang
38
Ofyar Z Tamin, Perencanaan dan pemodelan transportasi
berbeda di dalam dan antara berbagai kota (lihat tabel 2.5 mengenai aksesibilita
s ke sekolah di DKI Jakarta pada tahun 1979). Tabel 2.5 menunjukkan waktu tempuh
dan persentase pelajar yang berjalan kaki ke sekolah terdekat di enam daerah. T
erlihat adanya keragaman yang berbeda, dengan rata rata waktu tempuh sekitar 4 m
enit dari Cakung dan Tomang serta 20 menit dari Selong. Terdapat perubahan akses
ibilitas untuk semua daerah jika angkutan umum digunakan.
Tabel 2.5 Persentase orang berjalan kaki dan waktu tempuhnya (aksesibilitas ke s
ekolah) Daerah kajian
Cakung Tomang Sunter Gunung Sahari Utara Menteng Selong
5 menit
58 55 0 0 17 0
10 menit
74 66 80 60 42 0
15 menit
92 84 100 87 65 38
20 menit
100 100 100 92 60
25 menit
100 100
Sumber: Black (1979)
Contohnya, di Gunung Sahari Utama, rata rata waktu tempuh adalah berjalan kaki (
13 menit), dengan becak dapat dikurangi menjadi 7 menit, dan dengan bemo menjadi
6 menit. Terdapat perbedaan yang besar dalam hal aksesibilitas ke sekolah di be
rbagai daerah antara orang yang mampu dan tidak mampu menggunakan angkutan umum.
Di kota Bandung, Marler (1985) menunjukkan beberapa masalah aksesibilitas di be
berapa kampung. Ternyata akses akan angkutan umum hanya mungkin untuk beberapa k
eluarga saja, dan pemilik sepeda motor mempunyai aksesibilitas tinggi. Hal ini k
arena sepeda motor lebih cepat dibandingkan dengan angkutan umum atau berjalan k
aki. Selain itu, sepeda motor merupakan satusatunya moda transportasi yang bisa
langsung masuk sampai ke depan pintu rumah melalui jalan jalan kampung yang semp
it.
2.4.8 Ringkasan
Aksesibilitas adalah alat untuk mengukur potensial dalam melakukan perjalanan, s
elain juga menghitung jumlah perjalanan itu sendiri. Ukuran ini menggabungkan se
baran geografis tata guna lahan dengan kualitas sistem jaringan transportasi yan
g menghubungkannya. Dengan demikian, aksesibilitas dapat digunakan untuk menyata
kan kemudahan suatu tempat untuk dicapai, sedangkan mobilitas untuk menyatakan k
emudahan seseorang bergerak, yang dinyatakan dari kemampuannya membayar biaya tr
ansportasi. Konsep aksesibilitas ini dapat juga digunakan untuk mendefinisikan s
uatu daerah di dalam suatu wilayah perkotaan atau suatu kelompok manusia yang me
mpunyai masalah aksesibilitas atau mobilitas terhadap aktivitas tertentu. Dalam
hal ini, analisis aksesibilitas dapat digunakan untuk mengidentifikasi masalah y
ang perlu dipecahkan dan mengevaluasi rencana dan kebijakan pemecahan masalah se
lanjutnya.
Pendekatan perencanaan transportasi
39
Hasil keluaran dari perhitungan bangkitan dan tarikan lalulintas berupa jumlah k
endaraan, orang, atau angkutan barang per satuan waktu, misalnya kendaraan/jam.
Kita dapat dengan mudah menghitung jumlah orang atau kendaraan yang masuk atau k
eluar dari suatu luas tanah tertentu dalam satu hari (atau satu jam) untuk menda
patkan bangkitan dan tarikan pergerakan. Bangkitan dan tarikan lalulintas terseb
ut tergantung pada dua aspek tata guna lahan: jenis tata guna lahan dan jumlah a
ktivitas (dan intensitas) pada tata guna lahan tersebut.
2.5.1.2 Jenis tata guna lahan
Jenis tata guna lahan yang berbeda (permukiman, pendidikan, dan komersial) mempu
nyai ciri bangkitan lalulintas yang berbeda: jumlah arus lalulintas; jenis lalul
intas (pejalan kaki, truk, mobil); lalulintas pada waktu tertentu (kantor mengha
silkan arus lalulintas pada pagi dan sore hari, sedangkan pertokoan menghasilkan
arus lalulintas di sepanjang hari).
Jumlah dan jenis lalulintas yang dihasilkan oleh setiap tata guna lahan merupaka
n hasil dari fungsi parameter sosial dan ekonomi; seperti contoh di Amerika Seri
kat (Black, 1978): 1 ha perumahan menghasilkan 6070 pergerakan kendaraan per ming
gu; 1 ha perkantoran menghasilkan 700 pergerakan kendaraan per hari; dan 1 ha te
mpat parkir umum menghasilkan 12 pergerakan kendaraan per hari.
Beberapa contoh lain (juga di Amerika Serikat) diberikan dalam tabel 2.6.
Tabel 2.6 Bangkitan dan tarikan pergerakan dari beberapa aktivitas tata guna lah
an Deskripsi aktivitas tata guna lahan
Pasar swalayan Pertokoan lokal* Pusat pertokoan** Restoran siap santap Restoran
Gedung perkantoran Rumah sakit Perpustakaan Daerah industri *4.6459.290 (m )
2
Rata rata jumlah pergerakan 2 kendaraan per 100 m
136 85 38 595 60 13 18 45 5
2
Jumlah kajian
3 21 38 6 3 22 12 2 98
Sumber: Black (1978)
**46.45292.903 (m )
Pendekatan perencanaan transportasi
41
Bangkitan pergerakan bukan saja 2.5.1.3 Intensitas aktivitas tata guna lahan ber
agam dalam jenis tata guna lahan, tetapi juga tingkat aktivitasnya. Semakin ting
gi tingkat penggunaan sebidang tanah, semakin tinggi pergerakan arus lalulintas
yang dihasilkannya. Salah satu ukuran intensitas aktivitas sebidang tanah adalah
kepadatannya. Tabel 2.7 memperlihatkan bangkitan lalulintas dari suatu daerah p
ermukiman yang mempunyai tingkat kepadatan berbeda di Inggris (Black, 1978).
Tabel 2.7 Bangkitan lalulintas, jenis perumahan dan kepadatannya Jenis perumahan
Permukiman di luar kota Permukiman di batas kota Unit rumah Flat tinggi
Kepadatan permukiman (keluarga/ha)
15 45 80 100
Pergerakan per hari
10 7 5 5
Bangkitan pergerakan per ha
150 315 400 500
Sumber: Black (1978)
Walaupun arus lalulintas terbesar yang dibangkitkan berasal dari daerah permukim
an di luar kota, bangkitan lalulintasnya terkecil karena intensitas aktivitasnya
(dihitung dari tingkat kepadatan permukiman) paling rendah. Karena bangkitan la
lulintas berkaitan dengan jenis dan intensitas perumahan, hubungan antara bangki
tan lalulintas dan kepadatan permukiman menjadi tidak linear.
2.5.2 Sebaran pergerakan
Tahap ini merupakan tahap ketiga dari lima tahap yang 2.5.2.1 Umum menghubungkan
interaksi antara tata guna lahan, jaringan tranportasi, dan arus lalulintas. Po
la spasial arus lalulintas adalah fungsi dari tata guna lahan dan sistem jaringa
n transportasi.
Gambar 2.4 Pola pergerakan kendaraan di kota Bandung Sumber: Tamin (1994d, 1995a
cde)
42
Ofyar Z Tamin, Perencanaan dan pemodelan transportasi
Gambar 2.4 memperlihatkan pola spasial pergerakan kendaraan di kota Bandung (Tam
in, 1995c). Ketebalan garis menunjukkan jumlah arus kendaraan dan panjang garis
menunjukkan jarak antarzona yang dihubungkan. Gambar 2.4 ini dikenal dengan gamb
ar garis keinginan karena menunjukkan arah pergerakan arus lalulintas, tetapi ti
dak menunjukkan rute pergerakan yang sebenarnya digunakan. Pola sebaran arus lal
ulintas antara zona asal i ke zona tujuan d adalah hasil dari dua hal yang terja
di secara bersamaan, yaitu lokasi dan intensitas tata guna lahan yang akan mengh
asilkan arus lalulintas, dan pemisahan ruang, interaksi antara dua buah tata gun
a lahan yang akan menghasilkan pergerakan manusia dan/atau barang. Contohnya, pe
rgerakan dari rumah (permukiman) ke tempat bekerja (kantor, industri) yang terja
di setiap hari.
2.5.2.2 Pemisahan ruang
Jarak antara dua buah tata guna lahan merupakan batas pergerakan. Jarak yang jau
h atau biaya yang besar akan membuat pergerakan antara dua buah tata guna lahan
menjadi lebih sulit (aksesibilitas rendah). Oleh karena itu, pergerakan arus lal
ulintas cenderung meningkat jika jarak antara kedua zonanya semakin dekat. Hal i
ni juga menunjukkan bahwa orang lebih menyukai perjalanan pendek daripada perjal
anan panjang. Pemisahan ruang tidak hanya ditentukan oleh jarak, tetapi oleh beb
erapa ukuran lain, misalnya hambatan perjalanan yang diukur dengan waktu dan bia
ya yang diperlukan.
2.5.2.3 Intensitas tata guna lahan
Makin tinggi tingkat aktivitas suatu tata guna lahan, makin tinggi pula tingkat
kemampuannya dalam menarik lalulintas. Contohnya, pasar swalayan menarik arus pe
rgerakan lalulintas lebih banyak dibandingkan dengan rumah sakit untuk luas laha
n yang sama (lihat tabel 2.6) karena aktivitas di pasar swalayan lebih tinggi pe
r satuan luas lahan dibandingkan dengan di rumah sakit.
2.5.2.4 Pemisahan ruang dan intensitas tata guna lahan Daya tarik suatu tata gun
a lahan akan berkurang dengan meningkatnya jarak (dampak pemisahan ruang). Tata
guna lahan cenderung menarik pergerakan lalulintas dari tempat yang lebih dekat
dibandingkan dengan dari tempat yang lebih jauh. Pergerakan lalulintas yang diha
silkan juga akan lebih banyak yang berjarak pendek daripada yang berjarak jauh.
Interaksi antardaerah sebagai fungsi dari intensitas setiap daerah dan jarak ant
ara kedua daerah tersebut dapat dilihat pada tabel 2.8.
Tabel 2.8 Interaksi antardaerah Jauh Jarak Dekat Intensitas tata guna lahan anta
ra dua zona Sumber: Black (1981)
Interaksi rendah Interaksi menengah Interaksi sangat tinggi Interaksi dapat diab
aikan Interaksi rendah Interaksi menengah
KecilKecil
KecilBesar
BesarBesar
Pendekatan perencanaan transportasi
43
telepon (atau pos) karena hal ini akan dapat menghindari terjadinya perjalanan.
Akan tetapi, sering interaksi mengharuskan terjadinya perjalanan. Dalam kasus in
i, keputusan harus ditentukan dalam hal pemilihan moda. Secara sederhana moda be
rkaitan dengan jenis transportasi yang digunakan. Pilihan pertama biasanya berja
lan kaki atau menggunakan kendaraan. Jika menggunakan kendaraan, pilihannya adal
ah kendaraan pribadi (sepeda, sepeda motor, mobil) atau angkutan umum (bus, beca
k dan lain lain). Jika angkutan umum yang digunakan, jenisnya bermacam macam opl
et, kereta api, becak, dan lain lain. Dalam beberapa kasus, mungkin terdapat sed
ikit pilihan atau tidak ada pilihan sama sekali. Orang miskin mungkin tidak mamp
u membeli sepeda atau membayar biaya transportasi sehingga mereka biasanya berja
lan kaki. Sementara itu, keluarga berpenghasilan kecil yang tidak mempunyai mobi
l atau sepeda motor biasanya menggunakan angkutan umum. Selanjutnya, seandainya
keluarga tersebut mempunyai sepeda, jika harus berpergian jauh tentu menggunakan
angkutan umum. Orang yang hanya mempunyai satu pilihan moda saja disebut dengan
captive terhadap moda tersebut. Jika terdapat lebih dari satu moda, moda yang d
ipilih biasanya yang mempunyai rute terpendek, tercepat, atau termurah, atau kom
binasi dari ketiganya. Faktor lain yang mempengaruhi adalah ketidaknyamanan dan
keselamatan. Hal seperti ini harus dipertimbangkan dalam pemilihan moda. Semua y
ang telah diterangkan dalam pemilihan moda juga dapat digunakan untuk pemilihan
rute. Untuk angkutan umum, rute ditentukan berdasarkan moda transportasi (bus da
n kereta api mempunyai rute yang tetap). Dalam kasus ini, pemilihan moda dan rut
e dilakukan bersama sama. Untuk kendaraan pribadi, diasumsikan bahwa orang akan
memilih moda transportasinya dulu, baru rutenya.
2.5.4.2 Pemilihan rute
Seperti pemilihan moda, pemilihan rute tergantung pada alternatif terpendek, ter
cepat, dan termurah, dan juga diasumsikan bahwa pemakai jalan mempunyai informas
i yang cukup (misalnya tentang kemacetan jalan) sehingga mereka dapat menentukan
rute yang terbaik.
2.5.5 Arus lalulintas dinamis (arus pada jaringan jalan)
Arus lalulintas berinteraksi dengan sistem jaringan transportasi. Jika arus lalu
lintas meningkat pada ruas jalan tertentu, waktu tempuh pasti bertambah (karena
kecepatan menurun). Arus maksimum yang dapat melewati suatu ruas jalan biasa dis
ebut kapasitas ruas jalan tersebut. Arus maksimum yang dapat melewati suatu titi
k (biasanya pada persimpangan dengan lampu lalulintas biasa disebut arus jenuh.
Kapasitas suatu jalan dapat didefinisikan dengan beberapa cara. Salah satunya (H
ighway Capacity Manual [HRB, 1965]) adalah:
... the maximum number of vehicles that can pass in a given period of time (... juml
ah kendaraan maksimum yang dapat bergerak dalam periode waktu tertentu )
Pendekatan perencanaan transportasi
45
Kapasitas ruas jalan perkotaan biasanya dinyatakan dengan kendaraan (atau dalam
Satuan Mobil Penumpang/SMP) per jam. Hubungan antara arus dengan waktu tempuh (a
tau kecepatan) tidaklah linear. Penambahan kendaraan tertentu pada saat arus ren
dah akan menyebabkan penambahan waktu tempuh yang kecil jika dibandingkan dengan
penambahan kendaraan pada saat arus tinggi. Hal ini menyebabkan fungsi arus mem
punyai bentuk umum seperti gambar 2.7 (Black, 1981).
Nisbah volume per kapasitas
Gambar 2.7 Hubungan antara nilai nisbah volume per kapasitas dengan waktu tempuh
Terlihat bahwa kurva mempunyai asimtot pada saat arus mencapai kapasitas (atau n
ilai Nisbah Volume per Kapasitas/NVK mendekati satu). Secara sederhana, kapasita
s tak akan pernah tercapai dan waktu tempuh akan meningkat pesat pada saat arus
lalulintas mendekati kapasitas. Secara realita, arus tidak akan beroperasi denga
n kondisi sesederhana ini. Oleh sebab itu, modifikasi terhadap teori dasar harus
dilakukan. Jika arus lalulintas mendekati kapasitas, kemacetan mulai terjadi. K
emacetan semakin meningkat apabila arus begitu besarnya sehingga kendaraan sanga
t berdekatan satu sama lain. Kemacetan total terjadi apabila kendaraan harus ber
henti atau bergerak sangat lambat.
2.5.6 Tingkat pelayanan
Terdapat dua buah definisi tentang tingkat pelayanan suatu ruas jalan yang perlu
dipahami.
2.5.6.1 Tingkat pelayanan (tergantung arus)
Hal ini berkaitan dengan kecepatan operasi atau fasilitas jalan, yang tergantung
pada perbandingan antara arus terhadap kapasitas. Oleh karena itu, tingkat pela
yanan pada suatu jalan tergantung pada arus lalulintas. Definisi ini digunakan o
leh Highway Capacity Manual, diilustrasikan dengan gambar 2.8 yang mempunyai ena
m buah tingkat pelayanan, yaitu:
46
Ofyar Z Tamin, Perencanaan dan pemodelan transportasi
Tingkat pelayanan A Tingkat pelayanan B Tingkat pelayanan C Tingkat pelayanan D
arus bebas arus stabil (untuk merancang jalan antarkota) arus stabil (untuk mera
ncang jalan perkotaan) arus mulai tidak stabil
arus tidak stabil (tersendat sendat)
Tingkat pelayanan E
Tingkat pelayanan F
arus terhambat (berhenti, antrian, macet)
Konsep Amerika sudah sangat umum digunakan untuk menyatakan tingkat pelayanan.
Gambar 2.8 Tingkat pelayanan
2.5.6.2 Tingkat pelayanan (tergantung fasilitas) Hal ini sangat tergantung pada
jenis fasilitas, bukan arusnya. Jalan bebas hambatan mempunyai tingkat pelayanan
yang tinggi, sedangkan jalan yang sempit mempunyai tingkat pelayanan yang renda
h. Hal ini diilustrasikan pada gambar 2.9 (Black, 1981).
4 3 2 1 0
tingkat pelayanan buruk
tingkat pelayanan baik
Gambar 2.9 Hubungan antara nisbah waktu perjalanan (kondisi aktual/arus bebas) d
engan nisbah volume/kapasitas
1,0
0,2
0,4
0,6
0,8
Nisbah volume dengan kapasitas
Catatan: sumbu y menunjukkan nisbah antara waktu tempuh dengan waktu pada kondis
i arus bebas, sedangkan sumbu x menyatakan nisbah antara arus dengan kapasitas.
Pendekatan perencanaan transportasi
47
Konsep ini dikembangkan oleh Blunden (1971), Wardrop (1952), dan Davidson (1966)
. Blunden (1971) menunjukkan bahwa hasil eksperimen menghasilkan karakteristik t
ertentu sebagai berikut: Pada saat arus mendekati nol (0), titik potong pada sum
bu y terlihat dengan jelas (T0). Kurva mempunyai asimtot pada saat arus mendekat
i kapasitas. Kurva meningkat secara monoton.
2.5.7 Hubungan arus lalulintas dengan waktu tempuh
Besarnya waktu tempuh pada suatu ruas jalan sangat tergantung dari besarnya arus
dan kapasitas ruas jalan tersebut. Hubungan antara arus dengan waktu tempuh dap
at dinyatakan sebagai suatu fungsi dimana jika arus bertambah maka waktu tempuh
akan juga bertambah. Menurut Davidson (1966), hal ini sebenarnya merupakan konse
p dasar dalam teori antrian yang menyatakan bahwa tundaan yang terjadi pada ting
kat kedatangan dan tingkat pelayanan yang tersebar secara acak dapat dinyatakan
sebagai persamaan (2.2) berikut. 2 WQ = (2.2) [(1 )] WQ = tundaan pe kendaaan =
tingkat kedatangan = / = tingkat peayanan
Bedasakan teoi antian stokastik untuk satu tempat peayanan dengan sebaan p
eayanan acak, besanya waktu tunggu yang diaami oeh setiap kendaaan dengan s
ebaan kedatangan acak dapat dinyatakan dengan pesamaan (2.3) beikut. Ew = [(1
)] (2.3)
Kaena =/ maka sebenanya pesamaan (2.3) adaah sama dengan pesamaan (2.2). Konse
p antian daam waktu peayanan meujuk pada waktu minimum yang dibutuhkan kenda
aan untuk meaui suatu uas jaan sesuai dengan tingkat peayanan jaan yang a
da. Waktu peayanan adaah waktu tempuh yang dibutuhkan ketika tidak ada kendaa
an ain pada jaan tesebut (kondisi aus bebas). Sehingga, tundaan antian dapa
t dipetimbangkan sebagai petambahan waktu tempuh akibat adanya kendaaan ain
yang dapat dinyatakan sebagai beikut. waktu tempuh = waktu peayanan + tundaan
(2.4) Niai nisbah tundaan antian dengan waktu peayanan dapat dituunkan denga
n uutan pesamaan (2.5)(2.6) sebagai beikut:
48
Ofya Z Tamin, Peencanaan dan pemodean tanspotasi
WQ 1/ WQ 1/
= =
2 [(1 )]
(2.5) (2.6)
[(1 )]
Jika waktu peayanan adaah waktu tempuh pada kondisi aus bebas (T0) maka pesa
maan (2.6) dapat dinyatakan dengan bentuk ain sepeti pesamaan (2.7)(2.8) beik
ut. WQ = (2.7) [(1 )] T0 W Q = T0 . [(1 )] (2.8)
Tundaan yang tejadi disebabkan oeh satu angkaian antian sehingga vaiasi pad
a waktu tempuh tegantung pada tundaan antian. Oeh kaena itu, pesamaan (2.8)
haus dimodifikasi dengan memasukkan suatu fakto a (indeks tingkat peayanan) ya
ng besanya tegantung dai kaakteistik uas jaan dan tundaan akibat adanya k
endaaan ain pada uas jaan tesebut sehingga dihasikan pesamaan (2.9) beik
ut. W Q = T0 .a. [(1 )] (2.9)
Seanjutnya, dengan memasukkan pesamaan (2.9) ke pesamaan (2.4), maka dihasik
an uutan pesamaan (2.10)(2.13) beikut ini. TQ = T0 + W Q TQ = T0 + T0 .a. [(1
)] (2.10) (2.11) (2.12)
TQ = T0 . 1 + a. (1 )
1 (1 a )
TQ = T0
(2.13)
Dengan mengasumsikan =Q/C maka pesamaan (2.13) dapat dituis kembai sebagai pe
samaan (2.14) beikut yang biasa disebut pesamaan Davidson. Secaa matematis, c
ii tesebut dapat dinyatakan sebagai beikut: Q
1 (1 a ) C
TQ = T0
(2.14)
Pendekatan peencanaan tanspotasi
49
1 Q
dengan: TQ =
waktu tempuh pada saat aus = Q waktu tempuh pada saat aus = 0 aus auintas
kapasitas indeks tingkat peayanan/ITP (fungsi fakto yang menyebabkan keagaman
daam aus, sepeti paki dan penyebeang jaan)
T0 =
Q C a = = =
2.5.8 Penentuan indeks tingkat peayanan (ITP)
Niai a (indeks tingkat peayanan) untuk suatu uas jaan dapat dihitung dengan be
beapa pendekatan beikut ini.
2.5.8.1 Pendekatan inea
Pesamaan (2.14) dapat disedehanakan dengan uutan penyedehanaan sepeti tetu
C =1+ T0 Q 1
C TQ T0 =1+a Q CQ Q (C
is pada pesamaan (2.15)(2.17). TQ Q a
(2.15)
(2.16) (2.17)
TQ = T0 + aT0
Dengan meakukan tansfomasi inea, pesamaan (2.17) dapat disedehanakan dan
dituis kembai sebagai pesamaan inea Y i = A + BX i dengan mengasumsikan Qi
i dan Qi yang = X i . Dengan mengetahui bebeapa set data TQ (C Q i ) bisa didap
at dai suvei waktu tempuh dan voume auintas, maka dengan menggunakan anai
sis egesi inea (ihat pesamaan 2.18 dan 2.19), paamete A dan B dapat dihi
tung dan dihasikan bebeapa niai beikut: A = T0 dan B = aT0 sehingga niai in
deks tingkat peayanan (ITP) adaah a=B/A.
i = Y i dan TQ
B=
N (X i Y i ) X i . Y i
i i i
N (X i )
i
2
Xi
2
(2.18)
A = Y BX Y dan X adaah niai ata ata Yi dan Xi.
(2.19)
50
Ofya Z Tamin, Peencanaan dan pemodean tanspotasi
Pesamaan (2.14) dapat disedehanakan dan 2.5.8.2 Pendekatan tidak inea ditui
s kembai sebagai pesamaan (2.20). Q a
TQ C =1+ T0 Q 1
C Dengan mengasumsikan
i TQ
(2.20)
Qi = X i maka pesamaan (2.20) dapat T0 C dituis kembai sebagai pesamaan (2.2
1) yang meupakan pesamaan tidak inea. = Yi dan
aX i Yi = 1 +
1 X i
(2.21)
i Dengan mengetahui bebeapa set data TQ dan Qi yang bisa didapat dai suvei
waktu tempuh dan voume auintas, akan didapat bebeapa set pasangan data Yi d
an Xi. Niai a dapat ditentukan dengan menggunakan metode penaksian kuadat teke
ci yang mencoba meminimumkan jumah pebedaan kuadat antaa niai Yi hasi pen
aksian dan hasi pengamatan sepeti pada pesamaan (2.22) beikut. meminimumkan
Y S= Y i
i i
(
)
2
(2.22)
Dengan memasukkan pesamaan (2.21) ke pesamaan (2.22), fungsi objektif (2.22) b
eubah menjadi pesamaan (2.23) dengan paamete tidak diketahui adaah a. meminim
umkan
aX i
S = Y 1+ i
1 Xi i
2
(2.23)
Pesamaan (2.23) dapat disedehanakan dengan uutan penyedehanaan sepeti tetu
S = Y i i 1 + 1 Xi i
is pada pesamaan (2.24)(2.26). meminimumkan aX i 2 2Y
1 X i
2
(2.24)
2
aX i 2 2Y 2Y
aX i
aX i
(2.25)
2
+ 1 + 2
+
aX i
meminimumkan S =
1 X i
1 Xi
(1 Y i ) + 1 +
(2.26)
Pendekatan peencanaan tanspotasi
51
1 X i
Y i i i
1 Xi
aX i 2 2Y 2
mem
Untuk mendapatkan niai a yang meminimumkan pesamaan (2.26), pesamaan (2.27) be
ikut dibutuhkan: S (2.27) =0 a Pesamaan (2.27) dapat dituis kembai daam bentuk
2 X i S =
a i
ain dengan uutan sepeti pada pesamaan (2.28)(2.30).
) + 2
1 X i
X i
1 X i
2
= 0
(2.28)
2 X S i =
Xi
a i
1 X i
( ) + 1 2 a Y i
1 X i
aX i
1 Yi + 1 X i
=0
(2.29)
2 X i S =
a i
1 X i
= 0
(2.30)
Pesamaan (2.30) dapat disedehanakan menjadi pesamaan (2.31) tanpa mengubah se
dikitpun pemasaahan pada pesamaan (2.30).
aX i S = 1 Y i + a i
1 Xi
=0
(2
Untuk mendapatkan niai a, pesamaan (2.31) dapat disedehanakan dengan uutan pen
yedehanaan sepeti tetuis pada pesamaan (2.32)(2.33).
i 1 X i
aX
i
= (Y i 1)
(2.32)
(Y 1)(1 X i )
gunakan niai Y i =
i TQ
a=
Xi i
(2.33)
dan X i =
Qi maka niai a bisa didapat C
i
TQ
1 i
T0
a =
(2.34)
52
Ofya Z Tamin, Peencanaan dan pemodean tanspotasi
Qi i
(2.35)
T0 C T (1 a )Q 0 (C Q ) (C Q )
(2.36) (2.37)
TQ (C Q ) = T0 [C (1 a )Q ]
Jadi, niai indeks tingkat peayanan (a) bisa didapatkan dai pesamaan (2.38) b
eikut. (C Q )(TQ T0 ) a= (2.38) T0 Q Untuk setiap pasangan data TQ dan Q yang d
idapatkan dai hasi suvei waktu tempuh dan voume aus auintas akan dihasi
kan satu niai a. Jadi, niai indeks tingkat peayanan (a) meupakan niai ata
ata dai bebeapa niai a. Bunden (1971) menghasikan tabe 2.9 untuk bebeapa
jenis jaan. Pada tabe 2.9 teihat bahwa Bunden menggunakan istiah aus jen
uh. Waktu (T0) didefinisikan sebagai waktu yang dipeukan untuk meewati suatu
uas jaan jika tedapat tidak ada hambatan pada uas jaan tesebut (atau kecep
atan aus bebas). Hubungan antaa waktu tempuh pada suatu uas jaan tegantung
dai aus auintas, kapasitas, waktu tempuh pada kondisi aus jenuh dan indeks
tingkat peayanan (a).
Tabe 2.9 Paamete untuk bebeapa jenis jaan Kondisi
Jaan bebas hambatan Jaan pekotaan (banyak aju) Jaan koekto dan pengumpan
TQ (menit/mi)
0,8 1,0 1,5 2,0 2,0 3,0
a
0 0,2 0,4 0,6 1,0 1,5
Aus jenuh (kendaaan/hai)
2.000 / aju 1.800 / aju 1.800 / tota eba
Daam banyak kajian tanspotasi, bebeapa pendekatan sedehana digunakan; hubun
gan kecepatan dan aus didapat untuk bebeapa jenis jaan dan diteapkan untuk s
etiap jaan.
2.5.9 Penentuan niai T0
Niai T0 (waktu tempuh pada kondisi aus bebas) untuk suatu uas jaan dapat dih
itung dengan membagi panjang uas jaan tesebut dengan kecepatan aus
Pendekatan peencanaan tanspotasi
53
bebasnya (FV). Menuut IHCM (1997), kecepatan aus bebas dapat dihitung dengan p
esamaan (2.39) beikut ini.
FV = (FV0 + FVW ) x FFVSF x FFVCS (km/jam)
FV : kecepatan aus bebas untuk kendaaan ingan (km/jam) : kecepatan aus bebas
dasa untuk kendaaan ingan (km/jam) : fakto koeksi kecepatan aus bebas aki
bat eba jaan
(2.39)
FV0 FVW
FFVSF : fakto koeksi kecepatan aus bebas akibat kondisi
S : fakto koeksi kecepatan aus bebas akibat ukuan kota
Kecepatan aus bebas dasa FV0 ditentukan bedasakan tipe
aan sepeti teihat pada tabe 2.10.
Tabe 2.10 Kecepatan aus bebas dasa (FV0) Kecepatan aus
e jaan Semua jenis kendaaan (ata ata)
Kendaaan ingan
Kendaaan beat
Sepeda moto
Jaan 6 aju bepembatas median (6/2D) atau jaan 3 aju satu aah (3/1) Jaan
4 aju bepembatas median (4/2D) atau jaan 2 aju satu aah (2/1) Jaan 4 a
ju tanpa pembatas median (4/2UD) Jaan 2 aju tanpa pembatas median (2/2UD)
61
52
48
57
57
50
47
55
53
46
43
51
44
40
40
42
Tabe 2.11 Fakto koeksi kapasitas aus bebas akibat eba jaan (FVW) Tipe ja
an Leba jaan efektif (We) (mete)
Pe aju 3,00 3,25 3,50 3,75 4,00 Pe aju 3,00 3,25 3,50 3,75 4,00 dua aah 5
6 7 8 9 10 11
FVW
4 2 0 2 4 4 2 0 2 4 9,5 3 0 3 4 6 7
4 aju bepembatas median atau jaan satu aah
4 aju tanpa pembatas median
2 aju tanpa pembatas median
Sumbe: IHCM (1997)
Fakto koeksi kecepatan aus bebas akibat hambatan samping ditentukan bedasak
an tipe jaan, tingkat gangguan samping, eba bahu jaan efektif (WS) atau jaa
k keeb ke penghaang (ihat tabe 2.12 untuk jaan yang mempunyai bahu jaan da
n tabe 2.13 untuk jaan yang mempunyai keeb).
Tabe 2.12 Fakto koeksi kecepatan aus bebas akibat gangguan samping FVSF untu
k jaan yang mempunyai bahu jaan Fakto koeksi akibat gangguan samping Keas d
an eba bahu jaan efektif (WS) Tipe jaan gangguan Leba bahu jaan efektif (m
) samping 1,0 1,5 0,5 2,0
4 aju 2 aah bepembatas median (4/2D) Sangat endah Rendah Sedang Tinggi Sang
at tinggi Sangat endah 4 aju 2 aah tanpa pembatas median (4/2UD) Rendah Seda
ng Tinggi Sangat tinggi Sangat endah 2 aju 2 aah tanpa pembatas median (2/2U
D) atau jaan satu aah Rendah Sedang Tinggi Sangat tinggi 1,02 0,98 0,94 0,89 0
,84 1,02 0,98 0,93 0,87 0,80 1,00 0,96 0,90 0,82 0,73 1,03 1,00 0,97 0,93 0,88 1
,03 1,00 0,96 0,91 0,86 1,01 0,98 0,93 0,86 0,79 1,03 1,02 1,00 0,96 0,92 1,03 1
,02 0,99 0,94 0,90 1,01 0,99 0,96 0,90 0,85 1,04 1,03 1,02 0,99 0,96 1,04 1,03 1
,02 0,98 0,95 1,01 1,00 0,99 0,95 0,91
Sumbe: IHCM (1997)
Pendekatan peencanaan tanspotasi
55
Fakto koeksi kecepatan aus bebas akibat gangguan samping (FVSF) untuk uas ja
an yang mempunyai keeb didasakan pada jaak antaa keeb dengan gangguan pada
sisi jaan (WK) seta tingkat gangguan samping (ihat tabe 2.13).
Tabe 2.13 Fakto koeksi kecepatan aus bebas akibat gangguan samping FVSF untu
k jaan yang mempunyai keeb Fakto koeksi akibat gangguan samping dan jaak ke
ebgangguan (WK) Jaak keebgangguan (m) 0,5
Sangat endah Rendah 4 aju 2 aah bepembatas median (4/2 D) Sedang Tinggi San
gat tinggi Sangat endah 4 aju 2 aah tanpa pembatas median (4/2 UD) Rendah Se
dang Tinggi Sangat tinggi Sangat endah Rendah 2 aju 2 aah tanpa pembatas med
ian (2/2UD) atau jaan satu aah Sedang Tinggi Sangat tinggi 0,95 0,94 0,91 0,86
0,81 0,95 0,93 0,90 0,84 0,77 0,93 0,90 0,86 0,78 0,68
Tipe jaan
Keas gangguan samping
1,0
0,97 0,96 0,93 0,89 0,85 0,97 0,95 0,92 0,87 0,81 0,95 0,92 0,88 0,81 0,72
1.5
0,99 0,98 0,95 0,92 0,88 0,99 0,97 0,95 0,90 0,85 0,97 0,95 0,91 0,84 0,77
2.0
1,01 1,00 0,98 0,95 0,92 1,01 1,00 0,97 0,93 0,90 0,99 0,97 0,94 0,88 0,82
Sumbe: IHCM (1997)
Fakto koeksi kecepatan aus bebas untuk jaan 6 aju dapat dihitung dengan me
nggunakan fakto koeksi kecepatan aus bebas untuk jaan 4 aju dengan menggun
akan pesamaan (2.40) sebagai beikut: FFV6,SF = 1 0,8 (1 FFV4,SF ) FFV6,SF : fa
kto koeksi kecepatan aus bebas untuk jaan 6 aju FFV4,SF : fakto koeksi k
ecepatan aus bebas untuk jaan 4 aju (2.40)
56
Ofya Z Tamin, Peencanaan dan pemodean tanspotasi
Fakto koeksi kecepatan aus bebas akibat ukuan kota (FFVCS) dapat diihat pad
a tabe 2.14 dimana fakto koeksi tesebut meupakan fungsi dai jumah pendudu
k kota.
Tabe 2.14 Fakto koeksi kecepatan aus bebas akibat ukuan kota (FFVCS) untuk
jaan pekotaan Ukuan kota (juta penduduk)
< 0,1 0,10,5 0,51,0
Fakto koeksi untuk ukuan kota
0,90 0,93 0,95
Ukuan kota (juta penduduk)
1,01,3 > 1,3
Fakto koeksi untuk ukuan kota
1,00 1,03
Sumbe: IHCM (1997)
Kecepatan aus bebas yang didapat dai pesamaan (2.38) hanya beaku untuk kend
aaan ingan. Untuk jenis kendaaan ain (misanya kendaaan beat), kecepatan a
us bebas dapat dihitung dengan posedu beikut. Hitung tota niai fakto koe
ksi kecepatan aus bebas untuk kendaaan ingan dengan pesamaan (2.41) beikut.
FFV = FV0 FV (km/jam)
FFV : tota niai fakto koeksi kecepatan aus bebas (km/jam) : kecepatan aus
bebas dasa untuk kendaaan ingan (km/jam) : kecepatan aus bebas untuk kendaa
an ingan (km/jam)
(2.41)
FV0 FV
Hitung kecepatan aus bebas untuk jenis kendaaan beat dengan pesamaan (2.42)
beikut. FVHV = FVHV,0 FFV x FVHV,0 /FV0 (km/jam) (2.42)
FVHV : kecepatan aus bebas untuk kendaaan beat (km/jam)
FVHV,0 : kecepatan aus bebas dasa untuk kendaaan beat (km/jam)
2.5.10 Ringkasan konsep dasa
Sistem adaah sepeangkat objek yang behubungan satu sama ain. Sistem tata gun
a ahan dan tanspotasi mempunyai tiga komponen utama, yaitu tata guna ahan, s
istem pasaana tanspotasi, dan auintas. Hubungan antaa ketiga komponen ut
ama ini teihat daam 6 konsep anaitis, yaitu: aksesibiitas; bangkitan pege
akan; sebaan pegeakan;
Pendekatan peencanaan tanspotasi
57
pemiihan moda; pemiihan ute; aus auintas pada jaingan jaan (aus aui
ntas dinamis).
Tabe 2.15 mempeihatkan hubungan antakomponen yang saing tegantung pada set
iap konsep anaitis tesebut.
Tabe 2.15 Konsep anaitis dan komponen yang saing tegantung Konsep anaitis
1 Aksesibiitas 2 Bangkitan pegeakan 3 Sebaan pegeakan 4 Pemiihan moda 5 P
emiihan ute 6 Aus pada jaingan tanspotasi
Tegantung dai komponen
tata guna ahan & sistem pasaana tanspotasi tata guna ahan & sistem pasaa
na tanspotasi tata guna ahan & sistem pasaana tanspotasi sistem pasaana
tanspotasi & aus auintas sistem pasaana tanspotasi & aus auintas
sistem pasaana tanspotasi & aus auintas
Aksesibiitas (konsep 1) kadang kadang bukan meupakan bagian intega dai kese
uuhan sistem, akan tetapi konsep ini dapat juga digunakan sebagai poses utama
daam kajian tanspotasi. Konsep ini digunakan untuk mengidentifikasi masaah
dan menoong mengevauasi atenatif peencanaan tanspotasi yang diusukan. A
us auintas pada jaingan jaan (konsep 6) adaah konsep yang temasuk pada be
beapa tahapan yang bebeda. Konsep 2 sampai dengan konsep 5 (bangkitan pegeak
an, sebaan pegeakan, pemiihan moda dan ute) meupakan bagian utama mode te
sebut, yang haus diakukan secaa beuutan. Uutan tesebut beagam, yang pen
ggunaannya sangat tegantung pada kondisi di apangan, ketesediaan data (kuanti
tas dan kuaitas), waktu peencanaan, dan ainain. Bebeapa atenatif uutan p
emodean dapat diihat pada gamba 2.10 (Back, 1981) dengan G = Bangkitan pege
akan, D = Sebaan pegeakan, MS = Pemiihan moda dan A = Pemiihan ute. Jika
diihat, tenyata keempat atenatif ini bebeda beda, tegantung pada etak tah
apan pemiihan moda. Penggunaan dai setiap atenatif sangat tegantung pada da
ta yang tesedia, tujuan kajian, waktu kajian, dan ain ain. Uutan yang paing
seing digunakan adaah jenis iv, akan tetapi bebeapa tahun beakangan ini se
ing digunakan jenis iii.
58
Ofya Z Tamin, Peencanaan dan pemodean tanspotasi
G MS
G JENIS I MS JENIS II
G
G
JENIS III
JENIS IV
D
D
D MS
D
MS
A
A
A
A
Gamba 2.10 Empat vaiasi uutan konsep utama Sumbe: (Back, 1981)
Konsep tesebut bisa diiustasikan sepeti teihat pada gamba 2.11, tegantun
g pada uutannya (Wes, 1975).
1 Aksesibiitas
Aksesibiitas zona i tegantung pada intensitas tata guna ahan zona d
i
d
2 Bangkitan pegeakan
Aus meninggakan zona i Aus memasuki zona d
i
d
3 Sebaan pegeakan
i
d
Untuk setiap pasangan zona (i,d), beapa aus dai zona i ke zona d ?
Pendekatan peencanaan tanspotasi
59
4 Pemiihan moda
i
d
angkutan pibadi
angkutan umum
Dai jumah auintas dai i ke d, beapa yang menggunakan kendaaan pibadi da
n beapa yang menggunakan angkutan umum?
5 Pemiihan ute
a. Kendaaan pibadi B
i
D A C
d
Kendaaan pibadi akan mengikuti ute tesingkat ABCD b. Angkutan umum
i
A
C
d
B Angkutan umum akan memiih ute tependek atau tesingkat (ABC).
6 Aus auintas pada jaingan Jaan
E B
i
A C
d
D
Jika aus auintas beubah, ute tecepat untuk mobi dai zona i ke zona d ak
an beubah juga. Rute tecepat akan beubah dai ABCD menjadi ABED. Ha yang sam
a beaku juga untuk angkutan umum.
Gamba 2.11 Ringkasan uutan konsep peencanaan tanspotasi
Sejauh ini, konsep tesebut bau dijeaskan di atas ketas. Tahapan beikutnya d
aam usaha untuk memahami caa keja sistem adaah menjeaskannya dengan caa ku
antitatif, yaitu dengan menggunakan mode matematis.
60
Ofya Z Tamin, Peencanaan dan pemodean tanspotasi
Gamba 2.12 mempeihatkan gais besa semua poses yang tedapat daam konsep p
eencanaan tanspotasi. Kaena mode ini meupakan poses pemodean yang beuu
tan seing disebut Mode Peencanaan Tanspotasi Empat Tahap (MPTEP). Jenis pem
odean sepeti ini sangat kompeks, membutuhkan banyak data dan waktu yang ama
daam poses pengembangan dan pengkaibasiannya. Akan tetapi, mode ini dapat d
isedehanakan aga dapat memenuhi kebutuhan peencanaan tanspotasi di daeah y
ang mempunyai ketebatasan waktu dan biaya.
Data peencanaan
Pemodean zona
MODEL BANGKITAN PERGERAKAN
Asa dan tujuan Suvei inventaisasi jaingan MODEL SEBARAN PERGERAKAN
Suvei pejaanan pada masa sekaang
Jaingan tanspotasi
Tota matiks asa tujuan
MODEL PEMILIHAN MODA
Biaya pejaanan
MAT penumpang angkutan pibadi
MAT penumpang angkutan umum
MODEL PEMILIHAN RUTE
Aus pada jaingan
Gamba 2.12 Mode peencanaan tanspotasi empat tahap (MPTEP) (Sumbe: IHT and
DTp, 1987)
Pendekatan peencanaan tanspotasi
61
Tabe 2.17 Fakto koeksi kapasitas akibat pembagian aah FCSP Pembagian aah (%%
)
2 aju 2 aah tanpa pembatas median (2/2 UD) FCsp 4 aju 2 aah tanpa pembatas
median (4/2 UD) 1,00 0,985 0,97 0,955 0,94
5050
1,00
5545
0,97
6040
0,94
6535
0,91
7030
0,88
Sumbe: IHCM (1997)
2.6.1.3 Fakto koeksi kapasitas akibat eba jaan (FCW) Fakto koeksi FCSP di
tentukan bedasakan eba jaan efektif yang dapat diihat pada tabe 2.18.
Tabe 2.18 Fakto koeksi kapasitas akibat eba jaan (FCW) Tipe jaan Leba ja
an efektif (m)
pe aju 3,00 4 aju bepembatas median atau jaan satu aah 3,25 3,50 3,75 4,
00 pe aju 3,00 4 aju tanpa pembatas median 3,25 3,50 3,75 4,00 dua aah 5 6
2 aju tanpa pembatas median 7 8 9 10 11 0,56 0,87 1,00 1,14 1,25 1,29 1,34 0,
91 0,95 1,00 1,05 1,09 0,92 0,96 1,00 1,04 1,08
FCW
Sumbe: IHCM (1997)
Fakto koeksi kapasitas untuk jaan yang mempunyai ebih dai 4 aju dapat dip
ekiakan dengan menggunakan fakto koeksi kapasitas untuk keompok jaan 4 aj
u.
2.6.1.4 Fakto koeksi kapasitas akibat gangguan samping (FCSF)
Fakto koeksi untuk uas jaan yang mempunyai bahu jaan didasakan pada eba
bahu jaan efektif (WS) dan tingkat gangguan samping yang penentuan kasifikasin
ya dapat
Pendekatan peencanaan tanspotasi
63
diihat pada tabe 2.19. Fakto koeksi kapasitas akibat gangguan samping (FCSF)
untuk jaan yang mempunyai bahu jaan dapat diihat pada tabe 2.20.
Tabe 2.19 Kasifikasi gangguan samping Keas gangguan samping
Sangat endah Rendah Sedang Tinggi Sangat tinggi
Jumah gangguan pe 200 mete pe jam (dua aah)
< 100 100299 300499 500899 > 900
Kondisi tipika
Pemukiman Pemukiman, bebeapa tanspotasi umum Daeah industi dengan bebeap
a toko di pinggi jaan Daeah komesia, aktivitas pinggi jaan tinggi Daeah
komesia dengan aktivitas pebeanjaan pinggi jaan
Sumbe: IHCM (1997) Tabe 2.20 Fakto koeksi kapasitas akibat gangguan samping
FCSF untuk jaan yang mempunyai bahu jaan Keas gangguan samping
Sangat endah 4 aju 2 aah bepembatas median (4/2 D) Rendah Sedang Tinggi San
gat tinggi Sangat endah 4 aju 2 aah tanpa pembatas median (4/2 UD) Rendah Se
dang Tinggi Sangat tinggi Sangat endah 2 aju 2 aah tanpa pembatas median (2/
2UD) atau jaan satu aah Rendah Sedang Tinggi Sangat tinggi
Fakto koeksi akibat gangguan samping dan eba bahu jaan Leba bahu jaan efe
ktif 0,5
0,96 0,94 0,92 0,88 0,84 0,96 0,94 0,92 0,87 0,80 0,94 0,92 0,89 0,82 0,73
Tipe jaan
1,0
0,98 0,97 0,95 0,92 0,88 0,99 0,97 0,95 0,91 0,86 0,96 0,94 0,92 0,86 0,79
1,5
1,01 1,00 0,98 0,95 0,92 1,01 1,00 0,98 0,94 0,90 0,99 0,97 0,95 0,90 0,85
2,0
1,03 1,02 1,00 0,98 0,96 1,03 1,02 1,00 0,98 0,95 1,01 1,00 0,98 0,95 0,91
Sumbe: IHCM (1997)
Fakto koeksi kapasitas untuk gangguan samping untuk uas jaan yang mempunyai
keeb dapat diihat pada tabe 2.21 yang didasakan pada jaak antaa keeb dan
gangguan pada sisi jaan (WK) dan tingkat gangguan samping.
64
Ofya Z Tamin, Peencanaan dan pemodean tanspotasi
Tabe 2.21 Fakto koeksi kapasitas akibat gangguan samping FCSF untuk jaan yan
g mempunyai keeb Keas gangguan samping Fakto koeksi akibat gangguan samping
dan jaak gangguan pada keeb Jaak: keebgangguan 0,5
Sangat endah 4 aju 2 aah bepembatas median (4/2 D) Rendah Sedang Tinggi San
gat tinggi Sangat endah 4 aju 2 aah tanpa pembatas median (4/2 UD) Rendah Se
dang Tinggi Sangat tinggi Sangat endah 2 aju 2 aah tanpa pembatas median (2/
2UD) atau jaan satu aah Rendah Sedang Tinggi Sangat tinggi 0,95 0,94 0,91 0,86
0,81 0,95 0,93 0,90 0,84 0,77 0,93 0,90 0,86 0,78 0,68
Tipe jaan
1,0
0,97 0,96 0,93 0,89 0,85 0,97 0,95 0,92 0,87 0,81 0,95 0,92 0,88 0,81 0,72
1,5
0,99 0,98 0,95 0,92 0,88 0,99 0,97 0,95 0,90 0,85 0,97 0,95 0,91 0,84 0,77
2,0
1,01 1,00 0,98 0,95 0,92 1,01 1,00 0,97 0,93 0,90 0,99 0,97 0,94 0,88 0,82
Sumbe: IHCM (1997)
Fakto koeksi kapasitas untuk jaan 6 aju dapat dipekiakan dengan menggunak
an fakto koeksi kapasitas untuk jaan 4 aju dengan menggunakan pesamaan (2.
44) sebagai beikut: FC 6,SF = 1 0,8 (1 FC 4,SF ) FC6,SF : fakto koeksi kapasi
tas untuk jaan 6 aju FC4,SF : fakto koeksi kapasitas untuk jaan 4 aju Fa
kto koeksi 2.6.1.5 Fakto koeksi kapasitas akibat ukuan kota (FCCS) FCCS dap
at diihat pada tabe 2.22 dan fakto koeksi tesebut meupakan fungsi dai jum
ah penduduk kota.
Tabe 2.22 Fakto koeksi kapasitas akibat ukuan kota (FCCS) Ukuan kota (juta
penduduk)
< 0,1 0,1 0,5 0,5 1,0 1,0 1,3 > 1,3
(2.44)
Fakto koeksi untuk ukuan kota
0,86 0,90 0,94 1,00 1,03
Sumbe: IHCM (1997)
Pendekatan peencanaan tanspotasi
65
Untuk pehitungan kapasitas uas jaan untuk jaan anta kota dan jaan bebas ha
mbatan, bentuk pesamaan yang digunakan pesis sama dengan pesamaan (2.21), tet
api mempunyai fakto koeksi kapasitas yang bebeda. Penjeasan ebih inci dapa
t diihat daam IHCM (1997). Beikut dibeikan contoh pehitungan kapasitas uas
jaan di kota Bandung (ihat tabe 2.232.24). Lokasi uas Tipe jaan Leba jaan
Leba median Gangguan samping Data tata guna ahan Data jumah penduduk
No
1 2 3 4 5
: Jaan I. H. Juanda (pesimpangan petigaan Jaan Ganesha Jaan Siiwangi, Ban
dung) : 4 aju 2 aah dengan pembatas median (4/2D) : 6,20 mete (aah ke utaa
), 3,1 mete pe aju 5,80 mete (aah ke seatan), 2,9 mete pe aju : 0,8 m
ete : endah : daeah pemukiman yang diaui oeh angkutan umum : 2 juta oang
Kondisi
4/2 D 3,1 m Gangguan samping endah dan jaak ke keeb 1 mete Jaan satu aah 2
juta penduduk
Jaak keebgangguan samping : 1,0 mete
Tabe 2.23 Pehitungan kapasitas uas pegeakan ke aah utaa Paamete
Kapasitas dasa (smp/jam) Fakto koeksi eba jaan Fakto koeksi gangguan sam
ping Fakto koeksi pembagian aah Fakto koeksi ukuan kota Kapasitas aktua (
smp/jam)
Niai
3.300 0,92 0,96 1,00 1,00 2.915
Sumbe: Hasi anaisis Tabe 2.24 Pehitungan kapasitas uas pegeakan ke aah
seatan No
1 2 3 4 5
Paamete
Kapasitas dasa (smp/jam) Fakto koeksi eba jaan Fakto koeksi gangguan sam
ping Fakto koeksi pembagian aah Fakto koeksi ukuan kota Kapasitas aktua (
smp/jam)
Kondisi
4/2 D 2,9 m Gangguan samping endah dan jaak ke keeb 1 mete Jaan satu aah 2
juta penduduk
Niai
3.300 0,92 0,96 1,00 1,00 2.915
Sumbe: Hasi anaisis
66
Ofya Z Tamin, Peencanaan dan pemodean tanspotasi
Adapun niai aus jenuh suatu pesimpangan beampu auintas dapat dihitung de
ngan pesamaan (2.47) beikut.
S = S 0 xFCS xFSF xFG xFP xFLT xFRT
S : aus jenuh (smp/waktu hijau efektif)
(smp/waktu hijau efektif) (2.47)
S 0 : aus jenuh dasa (smp/waktu hijau efektif) FCS : fakto koeksi aus jenuh
akibat ukuan kota (jumah penduduk) FSF : fakto koeksi aus jenuh akibat ada
nya gangguan samping yang meiputi fakto tipe ingkungan jaan dan kendaaan ti
dak bemoto FG : fakto koeksi aus jenuh akibat keandaian jaan FP : fakto
koeksi aus jenuh akibat adanya kegiatan pepakian dekat engan pesimpangan
FLT : fakto koeksi kapasitas akibat adanya pegeakan beok kii FRT : fakto
koeksi kapasitas akibat adanya pegeakan beok kanan
Besa setiap fakto koeksi aus jenuh sangat tegantung pada tipe pesimpangan.
Penjeasan ebih inci mengenai niai setiap fakto koeksi aus jenuh bisa dit
emukan daam IHCM (1997).
2.7 Contoh sedehana mode inteaksi
2.7.1 Pendahuuan
Beikut ini diteangkan caa membuat mode sistem. Kita akan membuat mode yang
mengaitkan sistem tata guna ahan (kegiatan), sistem pasaana tanspotasi (ja
ingan), dan sistem pegeakan auintas (pegeakan). Mode akan dibuat secaa
sangat sedehana dengan meibatkan hanya dua zona saja. Tujuan pembentukan mode
adaah: a b untuk memahami caa keja sistem tanspotasi yang meupakan tujuan
utama pembentukan mode; untuk meamakan peubahan aus auintas bia diaku
kan peubahan pada sistem tata guna ahan dan/atau sistem pasaana tanspotasi
. (Catatan: tedapat bebeapa mode yang dapat meamakan peubahan sistem tata
guna ahan yang disebabkan oeh peubahan sistem pasaana tanspotasi, misany
a mode Lowy, tetapi biasanya paa peencana tanspotasi ebih tetaik pada m
asaah peubahan aus auintas sebagai akibat peubahan sistem tata guna ahan
dan/atau sistem pasaana tanspotasi).
Daam mode tanspotasi ini, tiga peubah teuku utama yang akan digunakan ada
ah: (a) sistem tata guna ahan, misanya jumah penduduk, apangan keja, pendap
atan, dan kaakteistik pemiikan kendaaan; (b) sistem pasaana tanspotasi,
misanya waktu tempuh dan biaya pejaanan; dan (c) sistem
70
Ofya Z Tamin, Peencanaan dan pemodean tanspotasi
pegeakan auintas, misanya jumah penumpang dan kendaaan. Secaa umum, au
s auintas meupakan peubah tetap, yang didapatkan sebagai hasi inteaksi sis
tem tata guna ahan dan sistem pasaana tanspotasi. Pemasaahan utama sekaa
ng adaah bagaimana meneangkan sistem tata guna ahan (misanya geogafis daea
h pekotaan) dan sistem jaingan tanspotasi secaa teuku. Lauintas adaah
peubah tidak bebas, kecuai pada saat pehitungan waktu tempuh auintas menjad
i peubah bebas. Tata guna ahan adaah peubah bebas kaena intensitasnya bevai
asi untuk setiap ahan yang bebeda dan juga beubah sebagai fungsi waktu. Siste
m pasaana tanspotasi adaah peubah bebas kaena kuaitas dan kuantitasnya be
vaiasi secaa geogafis dan juga beubah sebagai fungsi waktu, misanya, adany
a pembangunan jaan bau dan peningkatan peayanan angkutan umum. Setiap peubah
diidentifikasikan dengan notasi sebagai beikut: L = sistem tata guna ahan, Q =
sistem aus auintas, dan T = kineja sistem pasaana tanspotasi. Bebeapa
notasi ainnya yang dibutuhkan adaah:
LA PA AB
= tata guna ahan di zona A = bangkitan pegeakan dai zona A = taikan pegea
kan ke zona B
Q AB(1) = aus auintas dai zona A ke zona B yang menggunakan ute 1
TQAB(1) = waktu tempuh auintas dai zona A ke zona B yang menggunakan ute
1 pada kondisi aus = Q
T0
C a
= waktu tempuh pada kondisi aus bebas = 0 = kapasitas = indeks tingkat peayana
n
Tahapan yang haus diakukan daam peneapan konsep inteaksi sistem tata guna
ahansistem aus auintassistem pasaana tanspotasi adaah sebagai beikut.
2.7.1.1 Bangkitan pegeakan
Bangkitan pegeakan adaah fungsi tata guna ahan. Jumah bangkitan pegeakan
yang dihasikan oeh suatu zona bebanding uus dengan tipe dan intensitas tata
guna ahan di zona tesebut:
PA = f (LA )
Ha yang sama juga beaku bagi taikan pegeakan:
(2.48)
AB = f (LB )
2.7.1.2 Sebaan pegeakan
(2.49)
Besanya pegeakan dai zona A ke zona B meupakan fungsi dai tipe dan intensi
tas tata guna ahan di zona A dan zona B
Pendekatan peencanaan tanspotasi
71
Q AB =
PA . AB .0,001 TQAB
(2.52)
Sementaa itu, hubungan antaa waktu tempuh dengan voume aus auintas diasum
sikan mengikuti umus Davidson (pesamaan 2.14). Petanyaan: 1 2 Jika hanya ute
1 yang beopeasi, beapa aus auintas yang begeak dai zona A ke zona B?
Jika hanya ute 2 yang beopeasi, beapa aus auintas yang begeak dai zon
a A ke zona B?
3a Jika ute 1 dan ute 2 besama sama beopeasi, beapa aus auintas yang b
egeak dai zona A ke zona B pada setiap ute? b Teangkan ute mana yang ebih
tinggi kemampuannya daam mengaikan aus auintas? 4a Andaikanah dibangun
agi ute 3 dengan kaakteistik sebagai beikut:
Rute
3
Panjang (km)
14
To (menit)
20
Indeks tingkat peayanan (a)
0,25
Kapasitas (kendaaan/jam)
4.000
Jika ute 1, ute 2, dan ute 3 sama sama beopeasi, beapa aus auintas yan
g begeak dai zona A ke zona B pada setiap ute? b 5 Andaikanah ute 3 sudah
ada, beikan komenta apakah peu membangun ute 1 dan/atau ute 2? Andaikanah
tedapat peubahan sistem tata guna ahan daam bentuk peningkatan jumah popu
asi menjadi 40.000 (dengan pesentase usia keja tetap 90%) dan apangan keja m
eningkat menjadi 20.000. Teangkan dampak pengauh peningkatan kebutuhan pegea
kan ini dengan kineja sistem pasaana tanspotasi yang ada?
Jawaban: Pehitungan dapat diakukan dengan dua caa, yaitu caa anaitis dan g
afis. Ha petama yang haus diakukan adaah membuat pesamaan kebutuhan tansp
otasi dengan menggunakan pesamaan (2.52). Dengan memasukkan data popuasi, pe
sentase usia keja, dan apangan keja, pesamaan kebutuhan tanspotasi (2.53)(2
.54) bisa didapat sebagai beikut:
2.7.2.1 Caa anaitis
Q AB =
31.500x12.000 x0,001 TAB
(2.53)
Pendekatan peencanaan tanspotasi
73
Q AB =
378.000 TAB
(2.54)
Pesamaan pasaana tanspotasi (2.55)(2.57) untuk setiap ute didapatkan dengan
menggunakan pesamaan (2.14). TQAB ( 1 ) = 25. TQAB ( 2 ) = 40. TQAB ( 3 ) = 20
. 3.000 0,6.Q AB(1) 3.000 Q AB(1) 2.000 2.000 Q AB( 2 ) 4.000 0,75.Q AB( 3 ) 4.0
00 Q AB( 3 ) untuk ute 1 untuk ute 2 (2.55) (2.56)
untuk ute 3
(2.57) pesamaan (2.58)
Bia hanya ute 1 yang beopeasi Dengan memasukkan (2.55) ke pesamaan (2.54),
didapat pesamaan (2.58):
2 15Q AB 453.000Q AB + 1.134.000.000 = 0
Dengan menyeesaikan pesamaan kuadat (2.58), didapat jumah pegeakan auin
tas yang akan menggunakan ute 1, yaitu sebesa 2.755 kendaaan/jam dengan waktu
tempuh 137,23 menit. Bia hanya ute 2 yang beopeasi Dengan memasukkan (2.56)
ke pesamaan (2.54), didapat pesamaan (2.59): pesamaan (2.59)
756.000.000 378.000Q AB = 80.000Q AB
Dengan menyeesaikan pesamaan (2.59), didapat jumah pegeakan auintas yang
akan menggunakan ute 2, yaitu sebesa 1.651 kendaaan/jam dengan waktu tempuh
229 menit. Bia hanya ute 3 yang beopeasi Dengan memasukkan (2.57) ke pesama
an (2.54), didapat pesamaan (2.60):
2 458.000Q AB + 1.512.000.000 = 0 15Q AB
pesamaan (2.60)
Dengan menyeesaikan pesamaan (2.60), didapat jumah pegeakan auintas yang
akan menggunakan ute 3, yaitu sebesa 3.766 kendaaan/jam dengan waktu tempuh
100,38 menit. Bia ute 1 dan ute 2 sama sama beopeasi (1+2) Jika kedua ute
tesebut sama sama beopeasi, dibutuhkan 2 syaat batas yang haus dipenuhi: Sy
aat batas (1): Q AB = Q AB(1) + Q AB( 2 ) Syaat batas (2): TQAB(1) = TQAB(2) (
2.61)
kondisi keseimbangan Wadop (2.62)
74
Ofya Z Tamin, Peencanaan dan pemodean tanspotasi
Dengan syaat batas (2) sepeti yang dinyatakan daam pesamaan (2.62), bisa did
apatkan pesamaan (2.63) beikut. 50.000Q AB(1) + 75Q AB(1) Q AB(2) 75.000Q AB(2
) = 90.000.000 (2.63)
Dengan memasukkan syaat batas (1), yaitu pesamaan (2.61) ke pesamaan (2.54),
pesamaan (2.54) dapat dituis kembai menjadi pesamaan (2.64). TQAB = 378.000
Q AB(1) + Q AB( 2 ) (2.64)
Dengan memasukkan pesamaan (2.64) ke daam pesamaan (2.56) untuk ute 2, dihas
ikan pesamaan (2.65) beikut. Q AB(1) = 9.450 5,725Q AB(2) (2.65)
Dengan memasukkan pesamaan (2.65) ke pesamaan (2.63), dipeoeh pesamaan (2.6
6) beikut.
2 85,875Q AB ( 2 ) + 219.500Q AB ( 2 ) 382.500.000 = 0
(2.66)
Dengan menyeesaikan pesamaan kuadat (2.66), didapat jumah pegeakan auin
tas yang menggunakan ute 1, yaitu sebesa 1.189 kendaaan/jam dan ute 2 sebesa
2.641 kendaaan/jam sehingga tota pegeakan antaa zona A dan zona B adaah
3.830 kendaaan/jam dengan waktu tempuh 99,675 menit. Bia ute 1, ute 2, dan
ute 3 sama sama beopeasi (1+2+3) Jika ketiga ute sama sama beopeasi, dibutu
hkan 2 syaat batas yang haus dipenuhi: Syaat batas (1): Q = Q AB(1) + Q AB(2)
+ Q AB(3) Syaat batas (2): TQAB = TQAB ( 1 ) = TQAB ( 2 ) = TQAB ( 3 ) Dai sy
aat TQAB ( 1 ) = TQAB ( 2 ) dipeoeh: 50.000Q AB(1) + 15Q AB(1) Q AB(2) 75.000
Q AB(2) = 90.000.000 Dai syaat TQAB ( 2 ) = TQAB ( 3 ) dipeoeh: 4.000Q AB(2)
0,75Q AB(2) Q AB(3) 2.500Q AB(3) = 8.000.000 Dai syaat TQAB = TQAB ( 3 ) dipe
oeh: Q AB(3) = 9.450 5,725Q AB(2) Q AB(1) (2.71) (2.70) (2.69) dan (2.67) (2.6
8)
Dengan memasukkan pesamaan (2.71) ke pesamaan (2.70), dipeoeh pesamaan (2.7
2) beikut:
2 + 0,75Q AB(1) Q AB(2) + 2.500Q AB(1) + 11.225Q AB(2) = 15.625.000 4,29375Q AB(
2)
(2.72)
Pendekatan peencanaan tanspotasi
75
Bia tejadi peubahan paamete sistem tata guna ahan Bia tejadi peubahan j
umah popuasi dai 35.000 menjadi 40.000 dan jumah apangan keja dai 12.000
menjadi 20.000 dengan pesentase usia keja yang tidak beubah (tetap 90%), maka
pesamaan kebutuhan tanspotasi akan beubah menjadi pesamaan (2.74) beikut.
720.000 (2.74) TAB Poses yang sama diakukan dengan pesamaan sistem pasaana
tanspotasi (2.55)(2.57) tetap tidak beubah. Hasi pehitungan besa aus au
intas dan waktu tempuh untuk setiap kondisi diekapituasi daam tabe 2.26. Te
ihat bahwa peubahan jumah popuasi dan apangan keja sangat bepengauh pad
a besa aus auintas yang akan meaui setiap atenatif ute dan juga pada w
aktu tempuhnya. Ha ini membuktikan adanya inteaksi antaa sistem tata guna ah
an dengan sistem pegeakan auintas sebagai satu sistem kesatuan. Q AB =
76
Ofya Z Tamin, Peencanaan dan pemodean tanspotasi
Misanya, jika hanya ute 1 saja yang beopeasi, pegeakan meningkat dai 2.75
5 menjadi 2.873 kendaaan/jam. Begitu juga, tejadi peningkatan waktu tempuh yan
g cukup tajam dai 137,23 menjadi 250,64 menit. Ha ini tejadi kaena besanya
aus auintas sudah mendekati kapasitas ute 1 (3.000 kendaaan/jam).
Tabe 2.26 Rekapituasi besa aus pada setiap ute dan waktu tempuhnya dengan a
danya peubahan paamete sistem tata guna ahan Aus dan waktu tempuh Rute
1* 2* 3* 1+2* 1+2+3*
Q AB(1)
Q AB( 2 )
Q AB( 3 )
Q AB
(kend. (kend. (kend. (kend. pe jam) pe jam) pe jam) pe jam)
2.873 0 0 2.802 2.627 0 1.800 0 1.520 1.162 0 0 3.883 0 3.752 2.873 1.800 3.883
4.322 7.541
TAB
(menit)
250,64 400,00 185,44 166,59 95,48
Titik keseimbangan (ihat gamba 2.14)
B A C D E
1* hanya ute 1 yang beopeasi 3* hanya ute 3 yang beopeasi 1+2+3* ute 1,2,
dan 3 sama sama beopeasi
2* hanya ute 2 yang beopeasi 1+2* ute 1 dan 2 sama sama beopeasi
Sumbe: Hasi anaisis
Begitu juga hanya jika hanya ute 2 saja yang beopeasi teihat peningkatan a
us auintas dai 1.561 menjadi 1.800 kendaaan/jam dan peningkatan waktu temp
uh yang sangat tajam dai 229 menjadi 400 menit. Ha ini tejadi kaena besanya
aus auintas sudah mendekati kapasitas ute 2 (2.000 kendaaan/jam). Ha yan
g sama tejadi pada ute ainnya sepeti teihat pada gamba 2.14. Peiaku yan
g sama akan tejadi jika tejadi peubahan daam paamete sistem pasaana tan
spotasinya, misanya adanya peapisan uang atau pekeasan bau yang menyebabk
an tedapat peubahan niai indeks tingkat peayanan (a) atau adanya peningkatan
kapasitas jaan daam bentuk peebaan jaan (C). Peubahan niai a dan/atau C ini
menyebabkan peubahan besa aus auintas yang akan menggunakan setiap atena
tif ute dan juga waktu tempuhnya. Ha ini membuktikan adanya inteaksi antaa s
istem pasaana tanspotasi dengan sistem pegeakan auintas. Dengan demikia
n, secaa keseuuhan dapat disimpukan bahwa peubahan daam sistem tata guna
ahan dan sistem pasaana tanspotasi akan mempengauhi besanya aus auinta
s yang akan menggunakan setiap atenatif ute, temasuk waktu tempuhnya.
2.7.2.2 Caa gafis
Dengan caa gafis, gafik hubungan antaa Q AB dan TQAB dibuat untuk pesamaan
kebutuhan tanspotasi (2.31) dan pesamaan
pasaana tanspotasi (2.322.34) sepeti teihat pada gamba 2.14. Hubungan ant
aa Q AB dan TQAB teihat pada tabe 2.27.
Pendekatan peencanaan tanspotasi
77
menit
300
T1 T2
G A R IS K EB U TU H A N 2
B A C B C
T123
200
T3 T12 T1 T3 100 T12 T123
D E E
D
0 1000 500
Q 1
Q 2
Q3
Q 12
Q 12
Q 123
Q 123
1500
2000
2500
3000
3500
4000
4500
5000
5500
6000
6500
7000
7500
8000
8500
Q 3
Q (Kendaaan pe jam)
Gamba 2.14 Hubungan antaa
Q AB dan TQAB (pesamaan kebutuhan tanspotasi dan
pesamaan pasaana tanspotasi setiap ute)
Dengan menggunakan caa gafis dapat dengan mudah diihat dan dianaisis adanya
inteaksi antaa sistem tata guna ahansistem pegeakan auintassistem pasaan
a tanspotasi. Contohnya, peubahan paamete daam sistem pasaana
78
Ofya Z Tamin, Peencanaan dan pemodean tanspotasi
9000
Q1
Q2
tanspotasi ute 1 (misa adanya peapisan uang yang menyebabkan peubahan ni
ai indeks tingkat peayanan). Dengan caa gafis, kita cukup menghitung pesamaa
nnya dan mengubah gafik ute 1 tanpa haus meakukan pehitungan ajaba yang
umit; anaisis pengauh segea dapat diakukan secaa visua. Begitu juga hanya
dengan peubahan paamete sistem tata guna ahan; kita cukup mengubah pesamaa
n baunya dan menggese gais kebutuhan tanspotasi sesuai dengan pesamaannya
dan angsung anaisis pengauh dapat diakukan secaa visua dengan mudah. Akan
tetapi, keemahan caa gafis ini adaah niai aus auintas dan waktu tempuh
menjadi tidak seakuat caa anaitis kaena dihasikan secaa gafis dan dibaca
secaa visua. Semakin tinggi tingkat akuasi gafik, semakin tinggi pua tingka
t akuasi niai aus auintas dan waktu tempuh yang dihasikan. Bebeapa kesim
puan bisa didapatkan dengan menganaisis infomasi yang tesaji pada tabe 2.252
.26 dan gamba 2.14. a Jika ute 1 dan ute 2 diopeasikan sendii sendii, te
ihat bahwa kemampuan ute 1 daam menyaukan aus auintas ebih baik dibandi
ngkan dengan ute 2. Buktinya, aus auintas yang menggunakan ute 1 ebih bes
a dibandingkan dengan ute 2, dengan waktu tempuh yang juga ebih pendek (60% d
ai waktu tempuh ute 2). Dengan caa gafis (ihat gamba 2.14), titik B menunj
ukkan besanya aus auintas dan waktu tempuh yang tejadi jika ute 1 saja ya
ng beopeasi titik A jika ute 2 saja yang beopeasi, dan titik C jika ute 3
saja yang beopeasi. Ha ini dengan mudah dapat diihat pada gamba 2.14. Tei
hat bahwa ute 3 mempunyai kemampuan tebaik daam menyaukan aus auintas,
diikuti oeh ute 1, dan bau ute 2. b Apabia ute 2 diopeasikan besama sama
dengan ute 1 (1+2), tenyata ute 2 membeikan kontibusi yang keci tehadap
peningkatan tota aus kendaaan dai 2.755 menjadi 3.831 kendaaan/jam, sedangk
an waktu tempuh hanya sedikit menuun dai 137,23 menjadi 100,38 menit. Kesimpu
an ini mendukung kesimpuan buti (a) yang menyatakan bahwa kineja ute 2 jauh
ebih endah dibandingkan dengan ute 1. Dengan caa gafis, titik D adaah titi
k keseimbangan yang menunjukkan besanya aus auintas yang menggunakan ute 1
dan 2 seta waktu tempuhnya jika ute 1 dan 2 besama sama beopeasi. Secaa m
udah juga dapat diihat pada gamba 2.14 bahwa kontibusi ute 2 daam menyauk
an aus auintas ebih keci dibandingkan dengan ute 1. Dengan caa gafis da
pat dengan mudah dikaji apa yang tejadi jika ute 2 haus ditutup kaena suatu
aasan teknis. Yang tejadi adaah peubahan titik keseimbangan dai titik D men
jadi titik B. c Bandingkanah jika hanya ute 3 yang beopeasi dengan jika ute
1 dan 2 sama sama beopeasi (1+2). Tampak bahwa besa pegeakan dengan hanya
Pendekatan peencanaan tanspotasi
79
ute 3 saja yang beopeasi hanya sedikit ebih keci (3.766 kendaaan/jam) diba
ndingkan dengan ute 1+2 (3.831 kendaaan/jam). Begitu juga dengan waktu tempuhn
ya; waktu dengan hanya ute 3 saja yang beopeasi (100,38 menit) hanya sedikit
ebih besa dibandingkan dengan waktu ute 1+2 (99,675 menit). Dengan caa gafi
s, ha tesebut juga dapat dengan mudah diihat titik C dan titik D etaknya san
gat bedekatan, yang menyatakan bahwa besanya aus auintas yang tejadi set
a waktu tempuhnya kia kia sama. Ha ini sangat penting daam kebijakan pengamb
ian keputusan untuk memiih ute mana yang haus dibangun. Daam ha ini, kebij
akan untuk membangun ute 3 saja meupakan kebijakan yang sangat tepat kaena ki
neja ute 3 kiakia sama dengan kineja jika ute 1 dan 2 diopeasikan besama
sama. Sudah baang tentu membangun ute 3 saja akan jauh ebih muah dibandingk
an dengan membangun ute 1 dan ute 2 sehingga akan sangat mubazi jika ute 1 d
an 2 yang dibangun. d Jika ute 1, ute 2, dan ute 3 sama sama beopeasi (1+2+
3), dapat teihat bahwa peanan ute 2 sangat keci daam menyaukan aus au
intas. Jadi, dapat disimpukan bahwa kombinasi yang paing baik adaah membangu
n ute 1 dan ute 3 atau cukup hanya ute 3 saja. Dengan caa gafis, titik E ad
aah titik keseimbangan yang dapat menunjukkan besanya aus auintas yang be
geak pada setiap ute dan waktu tempuhnya jika ute 1, 2, dan 3 besamasama be
opeasi. Teihat dengan sangat mudah bahwa voume aus auintas yang mengguna
kan ute 2 tenyata sangat keci dibandingkan dengan ute 1 dan ute 3. Peubaha
n daam paamete kebutuhan tanspotasi dapat dengan mudah diihat secaa gafi
s. Peubahan tesebut teihat dai adanya pegesean gais kebutuhan 1 menjadi
gais kebutuhan 2. Dengan adanya pegesean tesebut dapat dengan mudah diihat
bahwa titik A begese menjadi titik A dan teihat peningkatan voume aus au
intas yang sangat tajam jika hanya ute 1 saja yang beopeasi. Pegesean gais
kebutuhan akan tanspotasi tesebut menghasikan titik titik keseimbangan bau
(A, B, C, D, dan E); peubahan titik keseimbangan tesebut mempeihatkan adanya int
eaksi antaa sistem tata guna ahan dengan sistem pasaana tanspotasi. Begit
u juga jika tejadi peubahan daam sistem pasaana tanspotasi, misanya dia
kukan peebaan jaan pada suatu ute sehingga kapasitas ute tesebut beubah,
sementaa sistem tata guna ahan tidak beubah. Ha ini akan menciptakan titik k
eseimbangan bau yang sekai agi membuktikan adanya inteaksi antaa sistem pa
saana tanspotasi dengan sistem pegeakan. Seanjutnya, tabe 2.28 mempeiha
tkan ekapituasi peubahan besanya aus dan waktu tempuh untuk 3 kondisi yang
dapat tejadi dan dibandingkan dengan kondisi eksisting (ute 1 dan 2 sama sama
beopeasi). Ketiga kondisi tesebut adaah: 1 2 Rute 2 ditutup Kondisi eksist i
ng tetapi tejadi peubahan tata guna ahan
e
80
Ofya Z Tamin, Peencanaan dan pemodean tanspotasi
3
Kondisi 2 tetapi ute 3 sudah beopeasi
Aus auintas pada setiap ute (kendaaan/jam)
Tabe 2.28 Rekapituasi besa aus pada setiap ute dan waktu tempuhnya untuk 3
kondisi Waktu tempuh (menit)
137,23 166,59
Kondisi
Q AB(1)
1 Rute 2 ditutup 2 Peubahan tata guna ahan 3 Kondisi 2 dan ute 3 beopeasi 4
. Kondisi eksisting 2.755 2.802
Q AB( 2 )
0 1.520
Q AB( 3 )
0 0
Q AB(T)
2.755 4.322
Titik pada gamba 2.14
B D
2.627 2.642
1.162 1.189
3.752 0
7.541 3.831
95,48 99,675
E D
Sumbe: Hasi anaisis
Teihat dengan jeas pada kondisi 1 bahwa dengan ditutupnya ute 2, besanya pe
geakan dai zona A ke zona B bekuang cukup besa dai 3.831 menjadi 2.755 ke
ndaaan/jam dengan peningkatan waktu tempuh yang cukup tajam dai 99,675 menjadi
137,23 menit. Teihat bahwa ute 2 bepean cukup besa daam mengaikan aus
auintas. Ha ini disebabkan kaena kapasitas ute 1 hanya sebesa 3.000 kend
aaan/jam. Sehingga, jika hanya ute 1 yang beopeasi, aus yang tejadi pasti
beada di bawah 3.000 kendaaan/jam. Seain itu, contoh ini juga membuktikan te
dapatnya inteaksi antaa sistem pasaana tanspotasi dengan sistem pegeakan
(peubahan pada sistem pasaana tanspotasi menyebabkan peubahan pada sistem
pegeakan). Pada kondisi 2, tejadi peubahan paamete tata guna ahan yaitu
beupa peningkatan popuasi dan jumah apangan keja. Teihat bahwa kondisi in
i menyebabkan tedapatnya peubahan besa aus tota dai 3.831 menjadi 4.322 ke
ndaaan/jam dengan peningkatan waktu tempuh yang sangat tajam dai 99,675 menjad
i 166,59 menit. Peningkatan waktu tempuh yang cukup tinggi ini tejadi kaena be
sanya aus pada ute 1 dan 2 sudah hampi mencapai kapasitasnya. Contoh ini mem
buktikan tedapatnya inteaksi antaa sistem tata guna ahan dengan sistem pege
akan (peubahan pada sistem tata guna ahan menyebabkan peubahan pada sistem p
egeakan). Pada kondisi 3, ute 3 beopeasi besama sama dengan ute 1 dan 2.
Teihat bahwa pada kondisi 3 ini, tejadi peningkatan besa aus tota yang san
gat tajam dai 4.322 menjadi 7.541 kendaaan/jam dengan penuunan waktu tempuh y
ang juga sangat tajam dai 166,59 menjadi 95,48 menit. Teihat bahwa besanya a
us yang meaui ute 3 hampi sama dengan besanya tota aus pada ute 1 dan 2
. Ha ini menunjukkan pean ute 3 yang sangat besa daam sistem pasaana tan
spotasi yang ada. Contoh ini sekai agi membuktikan tedapatnya inteaksi anta
a sistem pasaana tanspotasi dengan sistem pegeakan (peubahan pada sistem
pasaana tanspotasi menyebabkan peubahan pada sistem pegeakan).
Pendekatan peencanaan tanspotasi
81
3
Konsep pemodean
3.1 Pemodean sistem
Pada bab 2 teah dijeaskan kaitan antaa sistem tata guna ahan (kegiatan), sis
tem pasaana tanspotasi (jaingan), dan sistem aus auintas (pegeakan) d
engan panjang eba (kuaitatif). Seain itu, pendekatan kuantitatif juga dibutu
hkan untuk mendapatkan penjeasan atau gambaan yang ebih jeas seta teuku m
engenai kaitan tesebut. Daam pendekatan secaa sistem, caa tesebut dikena den
gan pemodean sistem. Mode adaah aat bantu atau media yang dapat digunakan un
tuk menceminkan dan menyedehanakan suatu eaita (dunia sebenanya) secaa te
uku; bebeapa di antaanya adaah: mode fisik (mode asitek, mode teknik, wa
yang goek, dan ain ain); mode peta dan diagam; mode statistik dan matemati
k (fungsi atau pesamaan) yang dapat meneangkan secaa teuku bebeapa aspek f
isik, sosia ekonomi, atau mode tanspotasi.
Semua mode meupakan penyedehanaan eaita untuk mendapatkan tujuan tetentu,
yaitu penjeasan dan pengetian yang ebih mendaam seta untuk kepentingan pea
maan. Imu asitektu mengena mode maket (bentuk fisik encana pengembangan w
iayah, kota, kawasan, dan ain ainnya sebagai ceminan eaita daam skaa yan
g ebih keci). Kegunaan mode maket tesebut adaah untuk dapat mempeihatkan
dan menjeaskan pekembangan wiayah tesebut jika konsep pengembangan diakukan
. Dengan demikian, kita dapat mengetahui apa saja yang peu diengkapi oeh pa
a peencana atau pengembang dengan hanya meihat dan mempeajai mode maket te
sebut. Bebeapa simuasi skenaio dapat diakukan pada mode sehingga dapat dipi
ih encana pengembangan yang optimum yang sesuai dengan tujuan awa pembangunan
. Dengan kata ain, eaita yang ada disedehanakan dan diceminkan dengan mengg
unakan mode maket. Imu teknik sipi juga mengena mode maket ini, misanya e
ncana pembangunan suatu bendungan besa yang dipeajai duu kaakteistiknya di
aboatoium dengan membuat bendungan yang sama dengan skaa yang jauh ebih ke
ci. Dengan mode tesebut bisa didapatkan gambaan yang ebih jeas dan inci s
eta teuku mengenai peiaku bendungan jika dibangun dengan skaa sebenanya.
Bebeapa uji atau simuasi bebagai kondisi kitis dapat diakukan sehingga dapa
t dihasikan encana yang paing efisien, aman, atau memenuhi kiteia ain yang
disyaatkan. Ha ini dibutuhkan untuk mencegah ha yang tidak diinginkan jika b
endungan angsung dibangun. Tambahan ain, di negaa Beanda yang tekena denga
n bendungan besa dan keci, kita bahkan dapat menemukan mode maket bendungan d
engan skaa 1:1.
82
Di bidang paiwisata, penggunaan mode miniatu (bagian dai mode fisik) sangat
popue dan sangat seing kita dijumpai di bebeapa tempat penjuaan miniatu o
bjek paiwisata (misanya miniatu candi Boobudu). Miniatu tesebut sebenany
a meupakan mode (epika) candi boobudu daam skaa ebih keci dan bebentu
k 3 dimensi. Dengan demikian, seseoang di kota Banda Aceh tidak peu mengeua
kan biaya besa untuk jauh jauh pegi ke Yogyakata untuk meihat candi tesebut
(eaita), tetapi dapat membayangkannya dengan hanya mengamati mode miniatu t
esebut. Mode peta dan diagam menggunakan media gais (uus dan engkung), wa
na, notasi, dan ain ainnya untuk menggambakan eaita. Misanya, daam mode
kontu ketinggian, dengan hanya menggunakan gais engkung, kita dapat membayan
gkan eaita dengan hanya meihat mode kontu ketinggian itu. Infomasi ain ya
ng tidak dipeukan tidak ditampikan (misanya tata guna ahan, okasi jembatan
, jaan, jenis tanah, kondisi geoogi). Bebeapa peencanaan tahap beikutnya da
pat diakukan tanpa peu meihat apangan atau okasi sebenanya, cukup dengan
hanya meihat mode kontu itu. Peta topogafi dapat mempeihatkan infomasi ke
miingan tanah, ketinggian, okasi sungai dan jembatan, gunung, batas administa
si pemeintahan, dan ain ain. Peta tata guna ahan dapat mempeihatkan jenis
peuntukan ahan suatu wiayah, misanya daeah industi, pemukiman, hutan ind
ung, pekantoan, dan fasiitas sosia. Akan tetapi, infomasi tentang ha ain
yang tidak dibutuhkan tidak dipeihatkan daam mode topogafi tesebut. Jadi,
mode itu meupakan penyedehanaan dan ceminan eaita. Seain itu, dengan hany
a menggunakan media infomasi gais dan angka daam suatu peta kontu, seseoang
(ahi geodesi) dapat angsung membayangkan pekiaan situasi dan kondisi apang
an sebenanya (eaita) tanpa haus pegi ke apangan; cukup dengan hanya meiha
t peta kontu tesebut. Foto, sketsa atau peta dapat dikategoikan sebagai mode
2 dimensi (sudah baang tentu beskaa ebih keci) kaena dapat meepesentasi
kan eaita dengan caa yang ebih sedehana. Bebeapa mode dapat menceminkan
eaita secaa tepat. Secaa umum dapat dikatakan bahwa semakin miip suatu mode
dengan eaitanya, semakin suit membuat mode tesebut (wayang goek ebih mi
ip dengan manusia dibandingkan dengan wayang kuit, sehingga ebih suit meaks
anakan petunjukan wayang goek). Mode canggih beum tentu meupakan mode yang
baik kadang kadang mode sedehana dapat menghasikan keuaan yang jauh ebih
baik dan sesuai untuk tujuan tetentu dengan situasi dan kondisi tetentu pua.
3.2 Mode sistem kegiatan dan sistem jaingan
Mode ini dapat digunakan untuk menceminkan hubungan antaa sistem tata guna a
han (kegiatan) dengan sistem pasaana tanspotasi (jaingan) dengan menggunaka
n bebeapa sei fungsi atau pesamaan (mode matematik). Mode tesebut dapat me
neangkan caa keja sistem dan hubungan ketekaitan antasistem
Konsep pemodean
83
secaa teuku. Menuut Back (1981), saah satu aasan penggunaan mode matemat
ik untuk menceminkan sistem tesebut adaah kaena matematik:
is moe pecise anguage among othes. The pecision equied to tansate wods
into symbos can often evea inadequacies in the veba desciption (... adaah b
ahasa yang jauh ebih tepat dibandingkan dengan bahasa veba. Ketepatan yang di
dapat dai penggantian kata dengan simbo seing menghasikan penjeasan yang ja
uh ebih baik daipada penjeasan dengan bahasa veba ...)
Daam mode ini, hubungan antaa sistem tata guna ahan (kegiatan), sistem pasa
ana tanspotasi (jaingan), dan sistem aus auintas (pegeakan) dinyatakan
secaa matematis. Sepeti yang teah diteangkan pada bab 2, enam konsep yang d
apat digunakan adaah aksesibiitas, bangkitan dan taikan pegeakan, sebaan p
egeakan, pemiihan moda, pemiihan ute, seta cii dinamis aus auintas da
am sistem jaingan jaan. Wison (1974) menyusun bebeapa petanyaan yang wajib
dijawab oeh paa peencana tanspotasi sebeum meancang mode matematik: a b
c d e f g h i Apa tujuan akhi yang ingin dicapai sehingga mode tesebut peu
diancang? Peubah apa saja yang tepengauhi yang haus dipetimbangkan? Peubah
apa saja yang bisa diatu oeh paa peencana tanspotasi? Teoi apa saja yang
dapat diteapkan daam meancang pemodean tesebut? Sejauh manakah tingkat pen
geompokan mode tesebut? Bagaimana pean waktu daam mode tesebut? Teknik ap
a saja yang dapat dipakai? Data apa saja yang tesedia? Bagaimana caa mode te
sebut dikaibasi dan diabsahkan?
Untuk kasus pemodean sistem tata guna ahan (kegiatan)sistem pasaana tanspot
asi (jaingan)sistem aus auintas (pegeakan), jawaban petanyaan di atas dap
at dituis sebagai beikut ini. a Tujuan pemodean adaah untuk membantu menget
i caa keja sistem, dan meamakan peubahan pada sistem pegeakan aus aui
ntas sebagai akibat peubahan pada sistem tata guna ahan dan sistem pasaana t
anspotasi. Peubah utama yang digunakan adaah tata guna ahan, sistem pasaan
a tanspotasi, dan aus auintas. Paa peencana dapat mengawasi angsung ok
asi tata guna ahan dan fasiitas pasaana tanspotasi dengan meaksanakan keb
ijakan yang tetea daam Rencana Tata Ruang Wiayah (RTRW), baik daam skaa na
siona, popinsi, kabupaten, ataupun kotamadya seta kebijakan yang tetea daa
m Sistanas (Sistem Tanspotasi Nasiona) atau sistem jaingan tanspotasi ai
nnya daam skaa yang ebih keci (popinsi, kabupaten, atau kotamadya).
b c
84
Ofya Z Tamin, Peencanaan dan pemodean tanspotasi
d
Teoi yang digunakan adaah: aksesibiitas, bangkitan dan taikan pegeakan, se
baan pegeakan, pemiihan moda, pemiihan ute, dan cii aus auintas dinam
is. Setiap teoi (konsep) meupakan submode. Tingkat pengeompokan dipehatikan
: mode memeukan dua fakto yang haus
e
Beapa uaskah zona tesebut? Hauskah aus auintas diambi secaa gabungan a
taukah peu dipisahkan bedasakan tujuan, waktu, atau aah pejaanan?
f
Waktu mempunyai dua ati daam pemodean. Mode dinamis menganggap waktu haus dip
etimbangkan sebagai suatu peubah daam fungsi matematisnya; sedangkan mode sta
tis tidak memasukkan waktu sebagai peubah, tetapi dapat digunakan untuk meamakan
sesuatu sebagai fungsi waktu tetentu. Mode statis jauh ebih sedehana diband
ingkan dengan mode dinamis; biasanya mode sistem tanspotasi dapat digoongka
n daam keompok mode statis untuk entang waktu yang pendek (misanya 1 minggu
atau 1 buan). Mode sistem tanspotasi biasanya digunakan untuk meamakan ap
a yang akan tejadi pada waktu tetentu di masa mendatang (tahun encana). Penen
tuan tahun encana juga tegantung pada jenis kajian.
g
Teknik yang dapat digunakan daam pemodean sistem tanspotasi ini teah bekem
bang dengan sangat baik sepeti imu matematika, statistika dan peneitian opea
siona, temasuk juga pemogaman. Data sangat dipeukan daam pemodean sistem
tanspotasi, dan haus mempunyai kuantitas dan kuaitas yang baik. Suvei (bai
k pime maupun sekunde) sangat dipeukan. Semakin kompeks suatu mode dan se
makin keci uas suatu zona, semakin banyak jumah data yang dipeukan dan sema
kin kompeks caa penanganannya. Poses kaibasi adaah poses menaksi niai p
aamete suatu mode dengan bebagai teknik yang sudah ada: anaisis numeik, a
jaba inea, optimasi, dan ain ain. Seteah dikaibasi, dihaapkan mode te
sebut dapat menghasikan keuaan yang sama dengan data apangan (eaita). Pos
es kaibasi diakukan dengan menggunakan bantuan agoitma kompute dan bebeap
a kineja statistik untuk menentukan tingkat ketepatannya. Seteah itu, mode da
pat digunakan untuk kepentingan peamaan pada masa mendatang. Sudah kita ketahu
i, suatu mode yang cocok untuk daeah tetentu beum tentu cocok untuk daeah
ain. Bebeapa peubah bebas mode tesebut mungkin tidak sesuai untuk daeah ain
dan untuk itu peu dikuangi (dibuang) dan peu ditambahkan bebeapa peubah b
ebas bau yang ebih sesuai dengan daeah tesebut. Poses ini dikena dengan p
oses modifikasi. Seain itu, mode yang sama akan mempunyai niai paamete yang
bebeda jika digunakan pada daeah yang bebeda. Ha ini dapat diteima secaa
ogika kaena situasi, kondisi, dan jenis peuntukan ahan seta peiaku peaku
h
i
Konsep pemodean
85
pegeakan pasti bebeda pada daeah yang bebeda beda. Poses untuk mendapatkan
paamete untuk suatu daeah tetentu dikena dengan poses pengabsahan. Tahapa
n beikutnya adaah caa membuat mode sistem. Kita akan membuat mode yang meng
aitkan sistem tata guna ahan (kegiatan), sistem pasaana tanspotasi (jainga
n), dan sistem aus auintas (pegeakan). Daam mode ini, tiga peubah utama
yang digunakan adaah sistem tata guna ahan, sistem pasaana tanspotasi, dan
aus auintas. Secaa umum, aus auintas meupakan peubah tetap, yang dida
patkan sebagai hasi inteaksi sistem tata guna ahan dan sistem pasaana tans
potasi. Pemasaahan utama sekaang adaah bagaimana meneangkan sistem tata gu
na ahan (misanya geogafis daeah pekotaan) dan sistem jaingan tanspotasi
secaa teuku. Untuk itu, bebeapa definisi peu dijeaskan daam poses pemod
ean sistem yang akan dijeaskan daam subbab beikut ini.
3.3 Penggunaan mode sistem kegiatansistem jaingan
Contoh yang ada daam (Back, 1981) membantu kita mempeihatkan caa keja sist
em tesebut efek peubahan pada saah satu peubah akan menyebabkan peubahan pad
a peubah ainnya. Contoh mempeihatkan juga bahwa tedapat kemungkinan untuk me
ndapatkan mode eaita ainnya daam meamakan konsekuensi suatu kebijakan ta
nspotasi tehadap kondisi yang teah ada. Saah satu unsu daam pendekatan sec
aa sistem adaah meamakan apa yang akan tejadi pada aus auintas jika kot
a tesebut teus bekembang tanpa peubahan pada sistem pasaana tanspotasiny
a. Ha ini dikena dengan sistem do nothing. Kebijakan sistem tata guna ahan da
n sistem pasaana tanspotasi dapat diakukan dengan menggunakan sistem do som
ething, yaitu meakukan bebeapa peubahan pada sistem jaingan. Hasinya kemudi
an dibandingkan dengan hasi sistem donothing. Caa yang seing digunakan daam
meancang mode tanspotasi adaah sebagai beikut: a Mode dikaibasi dengan
menggunakan data pada saat sekaang (tahun dasa), untuk mendapatkan paamete (
koefisien) yang cocok untuk kota atau daeah tesebut (poses pengabsahan). Mea
makan tata guna ahan pada tahun encana dengan anggapan tidak ada peubahan pa
da sistem jaingan tanspotasi. Hasinya adaah aus auintas pada sistem ja
ingan tanspotasi dengan sistem do nothing yang dapat mempeihatkan pemasaah
an tanspotasi yang timbu pada masa mendatang jika tidak diakukan peubahan p
ada sistem jaingan tesebut. Dengan mempeajai ini, dapat ditentukan bebeapa
konsep peencanaan tanspotasi yang dibutuhkan. Tahap (b) diuang kembai, teta
pi dengan peubahan pada sistem pasaana tanspotasi, kadang kadang dengan beb
eapa atenatif peamaan tata guna ahan.
b
c
86
Ofya Z Tamin, Peencanaan dan pemodean tanspotasi
d
Hasi bebeapa peencanaan tanspotasi yang bebeda beda tesebut (misanya au
s auintas, waktu tempuh, nisbah voume pe kapasitas) dapat dipebandingkan d
engan sistem do nothing sehingga peencanaan yang tebaik dapat ditentukan.
Dengan kata ain, tujuan pendekatan secaa sistem dengan menggunakan mode adaa
h untuk meamakan apa yang akan tejadi pada suatu daeah kajian pada masa mend
atang, yang kemudian digunakan untuk mengevauasi bebeapa atenatif peencanaa
n tanspotasi dan memiih atenatif tebaik.
3.4 Penceminan sistem kegiatan dan sistem jaingan
Ha penting yang peu dipehatikan oeh paa pemode tanspotasi adaah menent
ukan tingkat esousi yang digunakan daam suatu daeah kajian. Pemasaahan ini
mempunyai banyak dimensi yang meiputi tujuan kajian yang akan dicapai, jenis p
eubah peiaku yang akan digunakan, dimensi waktu, dan ainainnya. Subbab ini a
kan ebih menekankan caa mendefinisikan daeah kajian, sistem zona (kegiatan),
dan sistem jaingan. Kita dapat meihat pemasaahan ini dai dua sisi dan tampa
knya pemiihan akan sangat tegantung dai kompomi antaa dua tujuan yang sain
g bekaitan, yaitu ketepatan dan biaya. Secaa pinsip, ketepatan atau akuasi y
ang semakin tinggi hanya bisa didapat dengan mode yang menggunakan definisi sis
tem zona yang mempunyai esousi tinggi (misanya jumah zona yang banyak dengan
uas yang keci atau mempehatikan peiaku setiap pegeakan dengan basis indi
vidu) yang notabene membutuhkan data yang sangat banyak sehingga biayanya menjad
i sangat tinggi. Daam ha ini dapat disimpukan ketepatan/akuasi akan mempunya
i konsekuensi dengan biaya. Kita peu betu betu mengetahui maksud dan tujuan
suatu pemodean sehingga bisa diencanakan tingkat ketepatan pemodean yang sesu
ai dengan maksud tujuannya. Penggunaan data yang banyak yang dikumpukan dengan
sampe 100% akan menghasikan deskipsi sistem zona dan jaingan yang mempunyai
ketepatan tinggi. Akan tetapi, pemasaahan tentang adanya ketidakstabian pei
aku sebagai fungsi waktu akan meemahkan visi ketepatan ini, kaena daam peama
an, dengan tingkat esousi yang sama, adanya peubahan pada tingkat individu j
eas akan mempengauhi kebutuhan akan pegeakan.
3.4.1 Daeah kajian
Sistem kota diatu dengan caa yang sangat kompeks jaan, bangunan, dan aktivit
as saing behubungan. Untuk itu dibutuhkan suatu caa untuk menyedehanakan hub
ungan tesebut dengan menekankan pada yang ha yang penting saja; penyedehanaan
ini haus dapat menghubungkan unsu dunia nyata secaa masuk aka. Ha petama
yang haus ditentukan daam mendefinisikan sistem zona (kegiatan) dan sistem ja
ingan adaah caa membedakan daeah kajian dengan daeah atau
Konsep pemodean
87
wiayah ain di ua daeah kajian. Bebeapa aahan untuk ha tesebut adaah se
bagai beikut ini. Daam menentukan daeah kajian sehausnya sudah dipetimbangk
an sasaan peaksanaan kajian, pemasaahan tanspotasi yang akan dimode dan t
ipe pegeakan yang akan dikaji, misanya pegeakan bejaak pendek atau panjan
g, angkutan baang atau penumpang, dan ain ain. Untuk kajian yang sifatnya san
gat stategis, daeah kajian haus didefinisikan sehingga mayoitas pegeakan m
empunyai zona asa dan zona tujuan di daam daeah kajian tesebut. Ini mungkin
saja tidak dapat diakukan; misanya, sewaktu menganaisis pemasaahan tanspo
tasi pada wiayah pekotaan yang keci peu dipehatikan pengauh auintas me
neus. Pemasaahan yang sama timbu daam kajian manajemen auintas di suatu
wiayah tebatas kaena mungkin kebanyakan pegeakan mempunyai zona asa dan tu
juan yang, atau kedua duanya, beada di ua batas daeah kajian. Daeah kajian
sebaiknya sedikit ebih uas daipada daeah yang akan diamati sehingga kemungki
nan adanya peubahan zona tujuan atau pemiihan ute yang ain dapat teamati.
Wiayah di ua daeah kajian seing dibagi menjadi bebeapa zona ekstena yang
digunakan untuk menceminkan dunia ainnya. Daeah kajian sendii dibagi menjad
i bebeapa zona intena yang jumahnya sangat tegantung dai tingkat ketepatan
yang diinginkan. Contohnya, suatu anaisis kebijakan manajemen auintas membu
tuhkan zona yang keci yang dapat menceminkan daeah keci pembangkit atau pena
ik pegeakan, misanya ahan paki. Sebaiknya kajian stategis dapat diakuk
an pada zona yang ebih uas. Contohnya, kajian stategis untuk kota London (pop
uasi 7,2 juta) teah diakukan dengan menggunakan sistem zona yang bejumah 1.
000 zona (ihat tabe 3.1). Aktivitas tata guna ahan (dan zona asa) atau siste
m kegiatan diasumsikan beokasi pada titik tetentu daam zona yang disebut pus
at zona. Dua dimensi yang peu dipehatikan adaah jumah zona dan ukuan atau
uas zona. Keduanya jeas saing tekait. Semakin banyak jumah zona, semakin ke
ci uas daeah yang dapat diiput oeh zona tesebut. Daam pakteknya, tingkat
esousi sistem zona sangat tegantung dai maksud dan tujuan kajian, batasan k
ondisi waktu, seta biaya kajian. Penggunaan sistem zona yang bebeda beda untuk
suatu daeah kajian menimbukan kesuitan pada saat menggunakan data hasi kaji
an tedahuu dan sewaktu membuat pebandingan dai ha yang diakibatkannya. Ini
semua disebabkan oeh adanya pebedaan tingkat esousi sistem zona yang digunak
an. Unsu dasa daam penyedehanaan ini adaah zona dan pusat zonanya yang dias
umsikan menjadi tempat konsentasi semua cii pegeakan dai zona tesebut. Mod
e sistem pekotaan adaah mode uang. Oeh kaena itu, haus dicai caa yang
tepat untuk menjeaskan cii uang secaa numeik. Daeah kajian dibagi menjadi
zona yang ebih keci di mana cii daeah pekotaan haus dinyatakan secaa nume
ik untuk setiap zona (misanya ukuan tata guna ahan).
88
Ofya Z Tamin, Peencanaan dan pemodean tanspotasi
Bebeapa contoh jumah zona yang digunakan oeh bebeapa kajian ditabekan pada
tabe 3.1.
Tabe 3.1 Tipika jumah zona untuk bebeapa kajian Lokasi
London (1972)
Popuasi (juta)
7,2
Jumah zona
2.252 1.000 230 52
Keteangan
Resousi tinggi Zona GLTS (Resousi noma) Distik GLTS Taffic booughs Resou
si tinggi Resousi noma Zona (Kajian stategis) Resousi noma Tingkat disti
k Resousi tinggi Resousi endah Resousi noma Resousi noma Resousi noma
Resousi noma Resousi noma Resousi noma Resousi noma Resousi noma
Resousi endah Resousi noma Resousi tinggi Resousi noma
Montea (1980) Ottawa (1978) Santiago (1986) Washington (1973)
2,0 0,5 4,5 2,5
1.260 120 260 1.075 134
West Yokshie (1977)
1,4
1.500 463
DKI Jakata (1995) Kotamadya Bandung (1995) Kotamadya Semaang (1995) Kotamadya
Soo (1995) Kotamadya Pau (1995) Puau Jawa (1995) Popinsi Jawa Timu (1995) N
ganjuk (1996) Sumatea Utaa (1996) Popinsi Jawa Baat (1996) Kotamadya Bandung
(1998) Kabupaten Bandung (1998)
7,5 2,4 1,3 0,5 0,17 115 34 0,95 10,2 35,4 2,3 4,2
106 58 33 19 22 79 30 23 11 25 100 40
Catatan: GLTS = Geate London Tanspotation Study
Daeah yang akan dikaji haus ditentukan teebih dahuu. Biasanya daeah teseb
ut mencakup wiayah suatu kota, akan tetapi haus dapat mencakup uang atau dae
ah yang cukup untuk pengembangan kota di masa mendatang pada tahun encana. Bias
anya suvei kendaaan yang meaui gais kodon (batas daeah kajian) peu dia
kukan aga batas dapat ditentukan sehingga tidak memotong jaan yang sama ebih
dai dua kai (untuk menghindai pehitungan ganda kendaaan yang sama). Batas t
esebut bisa juga beupa batas aami sepeti sungai, dan e keeta api. Sistem
jaingan tanspotasi diceminkan daam bentuk uas dan simpu, yang semuanya di
hubungkan ke pusat zona. Hambatan pada setiap uas jaan dinyatakan dengan jaak
, waktu tempuh, atau biaya gabungan. Niai tesebut kemudian dijumahkan untuk m
endapatkan tota hambatan untuk setiap zona asa dan tujuan. Semua ini dapat din
yatakan daam bentuk matiks.
Konsep pemodean
89
Sistem jaingan tanspotasi juga dapat ditetapkan sebagai uutan uas jaan dan
simpu. Ruas jaan bisa beupa potongan jaan aya atau keeta api, dan ain a
in; sedangkan simpu bisa beupa pesimpangan, stasiun, dan ain ain. Setiap u
as, simpu dan zona dibei nomo. Nomo ini (pasangan nomo) digunakan untuk men
gidentifikasi data yang bekaitan dengan uas dan zona. Dengan caa ini, cii si
stem tata guna ahan dan sistem pasaana tanspotasi dapat dinyatakan secaa g
eogafis atau uang. Gamba 3.1 meukiskan sistem jaingan jaan suatu daeah ka
jian yang tedii dai jaan satu aah, masing masing menceminkan satu uas ja
an atau pegeakan membeok di pesimpangan, dan beakhi pada titik ujung masin
g masing yang disebut simpu.
Gateway Pusat zona Zona 1 2 Ruas
4 3
5 Batas daeah kajian 6
Penghubung pusat zona Simpu
Batas zona
Gamba 3.1 Daeah kajian sedehana dengan definisinya
Penghubung pusat zona adaah jenis uas jaan yang besifat abstak (khaya) yan
g menghubungkan setiap pusat zona dengan sistem jaingan jaan. Setiap simpu da
n pusat zona dinyatakan dengan angka dan setiap uas dan penghubung pusat zona d
apat diidentifikasikan dengan angka simpu pada ujungnya masing masing. Jadi, da
pat disimpukan bahwa suatu jaingan jaan tedii dai bebeapa set jaan, uas
jaan satu aah, dan simpu.
3.4.2 Zona
Daeah kajian adaah suatu daeah geogafis yang di daamnya teetak semua zona
asa dan zona tujuan yang dipehitungkan daam mode kebutuhan akan tanspotas
i. Kiteia tepenting daeah kajian adaah bahwa daeah itu beisikan zona inte
na dan uas jaan yang secaa nyata dipengauhi oeh pegeakan auintas. Da
eah kajian untuk suatu kajian tanspotasi dibatasi oeh batas daeah kajian di
90
Ofya Z Tamin, Peencanaan dan pemodean tanspotasi
Konsep pemodean
91
ukuan zona ditentukan pua oeh tingkat kemacetan; ukuan zona pada daeah mace
t sebaiknya ebih keci dibandingkan dengan daeah tidak macet.
Pegeakan yang meintasi batas daeah kajian haus mempunyai pusat zona eksten
a (atau tujuan) yang mewakii daeah ain di ua daeah kajian, atau ke zona y
ang menceminkan pintu inet atau outet (gateways) di tempat pegeakan tesebu
t meintasi batas daeah kajian. Keuntungan penggunaan zona ekstena tesebut a
daah jika suatu jaingan ekstena digunakan, dimungkinkan teidentifikasinya p
egeakan bejaak jauh yang meintasi daeah kajian dan ini tentu membebani sis
tem jaingan di daam daeah kajian. Kemungkinan tedapatnya auintas meneus
yang menggunakan jaingan di daam daeah kajian dapat diminimakan dengan memi
ih daeah kajian secaa hati hati, meskipun tidak dapat dihiangkan secaa tota
. Penetapan daeah kajian dan batas zona seing membutuhkan kompomi pesyaatan
yang saing betoak beakang. Di satu pihak ada keinginan untuk mempebaiki ke
tepatan mode dengan mempebesa ukuan daeah kajian dan kompeksitasnya. Di pi
hak ain ada petimbangan paktis untuk tetap menekan biaya seendah mungkin se
ta memenuhi skaa waktu dan ketepatan yang disyaatkan. Kadang kadang menguntung
kan jika dibuat sistem zona yang behieaki, sepeti London Tanspotation Stud
ies (ihat tabe 3.1), dengan subzona dikeompokkan menjadi zona. Seanjutnya, z
ona tesebut dikeompokkan kembai menjadi distik, seteusnya menjadi taffic b
ooughs, dan akhinya menjadi sekto. Sistem zona sepeti ini memungkinkan diak
ukannya anaisis bebagai tingkat kepentingan. Sehubungan dengan adanya definisi
zona intena dan zona ekstena sebagai zona asa dan zona tujuan, maka pege
akan aus auintas dapat dikeompokkan menjadi 4 tipe pegeakan sebagaimana t
ampak pada gamba 3.2.
Batas daeah kajian
EkstenaEkstena
EkstenaIntena
Intazona
IntenaIntena
Gamba 3.2 Tipe pegeakan aus auintas
92
Ofya Z Tamin, Peencanaan dan pemodean tanspotasi
pegeakan ekstenaekstena Pegeakan ini mempunyai zona asa dan zona tujuan
yang beada di ua daeah kajian (zona ekstena). Akan tetapi, daam poses pe
ncapaian zona tujuannya, pegeakan ini akan menggunakan sistem jaingan yang be
ada di daam daeah kajian. Tipe pegeakan ini sangat penting untuk diketahui
kaena sebenanya peaku pegeakan ini tidak mempunyai tujuan atau kepentingan
sama sekai ke zona intena tetapi tepaksa haus menggunakan sistem jaingan d
aam daeah kajian daam poses pencapaian zona tujuannya (mungkin kaena tidak
ada atenatif ute ainnya). Konsekuensinya, pegeakan ini akan menjadi beban
tambahan bagi sistem jaingan daam daeah kajian tesebut, yang biasanya untuk
daeah pekotaan tebatasnya kapasitas jaingan menjadi pemasaahan utama. Meng
aihkan pegeakan ini meaui jaan ingka adaah saah satu caa untuk mengat
asinya. pegeakan intenaekstena atau sebaiknya Pegeakan ini mempunyai sa
ah satu zona (asa atau tujuan) yang beada di ua daeah kajian (zona ekstena
). Biasanya jumah pegeakan tipe ini tidak teau besa dibandingkan dengan
tipe pegeakan ainnya. pegeakan intenaintena Pegeakan ini mempunyai zon
a asa dan tujuan yang beada di daam daeah kajian (zona intena). Tipe pege
akan iniah yang paing diutamakan daam poses peencanaan tanspotasi. Tujua
n utama dai bebagai peencanaan tanspotasi adaah untuk meamakan pegeaka
n tipe ini dan sekaigus menentukan kebijakan yang peu diambi daam menangani
nya. pegeakan intazona Pegeakan ini mempunyai zona asa dan tujuan yang be
ada di daam satu zona intena tetentu. Kaena definisi pusat zona adaah temp
at dimuai atau diakhiinya pegeakan dai dan ke zona tesebut, dapat dipastik
an bahwa pegeakan intazona tidak akan penah tebebankan ke sistem jaingan (
kaena pegeakan dimuai dan diakhii pada titik/okasi yang sama). Dengan meng
gunakan definisi pusat zona, dapat dikatakan bahwa voume auintas pada suatu
uas jaan meupakan penjumahan dai voume auintas dai seuuh tipe pege
akan kecuai pegeakan intazona. Dapat disimpukan bahwa semakin uas suatu zo
na, semakin tinggi voume pegeakan aus auintas intazonanya. Pegeakan in
tazona memegang peanan cukup penting kaena pemasaahan tanspotasi di daea
h pekotaan banyak yang disebabkan oeh pegeakan intazona yang seau uput t
ebaca daam peamaan voume pada uas jaan.
sepeti panjang, kecepatan, jumah aju, tipe gangguan samping, kapasitas, dan
hubungan KecepatanAus di uas jaan tesebut. Ruas jaan seau mempunyai dua a
ah. Ruas jaan dua aah seau dinyatakan dengan dua uas jaan satu aah. Gamba
3.3 mempeihatkan definisi sistem kegiatan (zona) dan sistem jaingan tanspo
tasi jaan aya untuk popinsi Jawa Timu.
Gamba 3.3 Definisi sistem kegiatan (zona) dan sistem jaingan tanspotasi jaa
n di popinsi Jawa Timu Sumbe: Tamin et a (1997), Tamin dan Fazia (1997)
Pemasaahan yang dihadapi adaah ketesambungan (konektivitas) pada setiap titi
k simpu dianggap tidak mempunyai biaya apapun (dianggap no). Daam pakteknya,
bebeapa pegeakan membeok pada suatu pesimpangan meupakan saah satu kompo
nen tebesa daam tundaan dibandingkan dengan pegeakan di uas jaan. Oeh se
bab itu, aga kita dapat menceminkan sistem jaingan secaa ebih asiona, beb
eapa biaya tambahan peu ditambahkan pada kasus pegeakan di pesimpangan. Ha
ini dapat diakukan secaa manua dengan membuat uas dummy (khaya) beseta b
iayanya yang dapat menceminkan pegeakan membeok di pesimpangan. Bebeapa pa
ket pogam yang ada sekaang sudah mampu meakukan ha ini. Tingkat esousi si
stem jaingan peu ditingkatkan jika akan digunakan untuk kajian yang ebih in
ci. Daam kasus ini, peu ada uas jaan tambahan yang digunakan pada pesimpan
gan yang kompeks yang dapat menceminkan kineja dai, misanya eseved ane d
an give way ane. Kadang kadang sistem jaingan yang ada meupakan bagian dai j
aingan yang ebih uas sehingga dipeukan titik inet dan outet pada batas da
eah kajian yang menghubungkan sistem jaingan tesebut dengan sistem yang ebih
uas (zona ekstena). Kunci utama daam meencanakan sistem jaingan adaah pe
nentuan tingkat hieaki jaan yang akan dianaisis (atei, koekto, atau oka
). Ha ini sangat tegantung dai jenis dan tujuan kajian. Jika ebih banyak ja
an yang ditetapkan maka ceminan
94
Ofya Z Tamin, Peencanaan dan pemodean tanspotasi
kenyataan (eaita) akan semakin baik. Tetapi, ha ini haus dibaya dengan biay
a tambahan beupa pengumpuan data dan waktu. Ketebatasan dana dan waktuah yan
g menyebabkan pemode tanspotasi tepaksa haus membatasi tingkat esousi ses
uai dengan tujuan kajian yang dihaapkan. Seain itu, tidak ada gunanya kita men
etapkan uas jaan dengan esousi tinggi, tetapi dengan asumsi yang sangat sede
hana mengenai tundaan di titik pesimpangan. Atau, tidak ada gunanya membuat si
stem jaingan dengan esousi tinggi, akan tetapi sistem zonanya (kegiatan) memp
unyai esousi endah. Jansen and Bovy (1982) menyeidiki pengauh esousi defi
nisi sistem jaingan dengan tingkat ketepatan daam pembebanan aus auintas p
ada uas jaan tesebut. Kesimpuannya, gaat tebesa didapatkan pada sistem de
ngan tingkat hieaki jaan yang paing endah. Oeh kaena itu, kita peu mema
sukkan pada sistem jaingan sekuang kuangnya jaan yang mempunyai hieaki sat
u tingkat ebih endah dai yang ingin dianaisis; misanya daam menganaisis s
istem jaan atei, kita haus membuat sistem jaingan jaan yang tedii dai j
aan atei dan koekto. Daam kasus jaingan angkutan umum, suatu tingkat hie
aki sistem jaingan disyaatkan. Pemode tanspotasi haus menspesifikasi stu
ktu jaingan sesuai dengan peayanan yang tesedia. Ha ini au dikodefikasi d
aam bentuk uutan simpu yang diaui oeh peayanan tesebut (bus, keeta api)
, biasanya setiap simpu menceminkan tempat pembehentian bus atau stasiun kee
ta api. Pesimpangan tanpa tempat pembehentian bus bisa saja dihiangkan daam
sistem jaingan yang akan dibuat. Ruas yang peu ditambahkan agi adaah uas p
ejaan kaki yang menceminkan bagian pejaanan yang diakukan dengan bejaan k
aki, temasuk uas yang digunakan untuk memode biaya tambahan yang tekait deng
an biaya tansfe dai satu sistem peayanan ke sistem peayanan ain (misanya
dai bus ke keeta api). Setiap uas jaan yang dikodefikasi haus diengkapi de
ngan bebeapa atibut uas yang menyatakan peiaku, cii, dan kemampuan uas ja
an daam mengaikan aus auintas. Bebeapa atibut tesebut adaah panjang
uas, kecepatan uas (kecepatan aus bebas atau kecepatan sesaat), dan kapasitas
uas yang dinyatakan daam bentuk Satuan Mobi Penumpang (SMP) pe jam. Seain
itu, infomasi hubungan BiayaAus untuk setiap uas jaan haus diketahui, dan fa
kto yang mempengauhi hubungan tesebut adaah: tipe jaan (to, jaan utama, a
tau jaan oka); eba jaan atau jumah aju atau kedua duanya; infomasi men
genai aju khusus bus atau aangan pegeakan suatu jenis kendaaan pada uas
jaan tetentu; aangan pegeakan membeok, biasanya tejadi di pesimpangan;
jenis pesimpangan, geometik, temasuk infomasi pengatuan ampu auintasnya
(kaau ada); kapasitas antian.
Konsep pemodean
95
Bebeapa hasi peneitian menunjukkan bahwa atibut uas jaan yang penting bagi
pengendaa adaah taif to, tesedianya ambu yang baik, dan pemakaian bahan b
aka (ihat Outam and Thomson, 1978 dan Wootton et a, 1981). Atibut kategoi
jaan (to, jaan atei, atau pun koekto), pemandangan yang baik, ampu au
intas, dan kapasitas meupakan atibut yang mempengauhi pemiihan ute.
3.4.4 Konsep biaya gabungan
Peneitian di Beanda menunjukkan bahwa 70% uas jaan yang dipiih pengendaa m
emiiki jaak dan waktu sebagai atibut utama. Daam poses pemiihan ute diasu
msikan bahwa setiap pengendaa akan memiih ute yang meminimumkan kombinasi in
ea antaa jaak dan waktu, yang biasa dikena dengan biaya gabungan. Konsep bia
ya gabungan menggabungkan ketiga komponen utama daam poses pemiihan ute (ja
ak, biaya, dan waktu) menjadi satu niai tetentu yang mempunyai unit satuan bia
ya atau unit satuan waktu. Biaya gabungan untuk pegeakan angkutan umum dapat d
inyatakan dengan pesamaan (3.1) beikut.
G cu = D + Ta + Tw + Tv +
D = jarak pergeraka (alam satua jarak)
(3.1)
Gcu = biaya gabuga utuk pergeraka agkuta umum (alam satua rupiah) Ta = w
aktu berjala kaki ari a ke agkuta umum (alam satua waktu) Tw = waktu me
uggu agkuta umum (alam satua waktu) Tv = waktu selama beraa alam agkuta
umum (alam satua waktu) = tari per satua jarak (alam satua rupiah) = ila
i waktu per satua waktu (alam satua rupiah) = biaya tambaha atau biaya kompo
e laiya yag tiak terukur (alam satua rupiah)
Semetara itu, biaya gabuga utuk pergeraka agkuta pribai apat iyataka
ega persamaa (3.2). (3.2) G cp = D + Tv + C Gcp = biaa gabuga utuk perge
raka agkuta pribadi (dalam satua rupiah) C = biaa operasi kedaraa per sat
ua jarak (dalam satua rupiah) = biaa parkir (atau tol)
Pada umuma, ilai waktu berjala kaki da ilai waktu meuggu mempuai ilai
ag lebih tiggi dibadigka dega ilai waktu selama berada dalam agkuta
umum (biasaa dua kalia). Dua kompoe utama ag sagat dibutuhka dalam me
ghitug biaa gabuga adalah Biaa Operasi Kedaraa (BOK) da Nilai Waktu. Ber
ikut ii dijelaska kedua kompoe tersebut.
96
Ofar Z Tami, Perecaaa da pemodela trasportasi
Perhituga kompoe BOK berikut 3.4.4.1 Biaa operasi kedaraa (BOK) ii dikem
bagka oleh LAPI-ITB (1997) bekerja sama dega KBK Rekaasa Trasportasi, Juru
sa Tekik Sipil, ITB melalui proek kajia Perhituga Besar Keutuga Biaa Op
erasi Kedaraa ag didaai oleh PT Jasa Marga, sedagka kompoe buga modal d
ikembagka oleh Bia Marga melalui proek Road User Costs Model (1991). Kompoe
BOK pada model ii terdiri dari biaa kosumsi baha bakar, biaa kosumsi mi
ak pelumas, biaa pemakaia ba, biaa pemeliharaa, biaa peusuta, buga mo
dal, da biaa asurasi. Meskipu masih baak kompoe lai ag perlu diperhit
ugka, kompoe tersebut tidak terlalu domia. Rumus kompoe BOK ag diguak
a pada model tersebut ditampilka berikut ii. Kosumsi baha bakar (KBB) KBB =
KBB dasar x (1 (kk + kl + kr)) KBB dasar kedaraa gologa I = 0,0284 V2 3,064
4 V + 141,68 KBB asar kearaa gologa IIA = 2,26533 x(KBB asar gologa I)
KBB asar kearaa gologa IIB = 2,90805 x(KBB asar gologa I) kk = aktor k
oreksi akibat kelaaia kl = aktor koreksi akibat koisi arus lalulitas kr =
aktor koreksi akibat kekasara jala V = kecepata kearaa (km/jam)
Tabel 3.2 Faktor koreksi kosumsi baha bakar asar kearaa (kk)
Faktor koreksi akibat kelaaia egati (kk) g<5% 5%< g < 0% 0% < g < 5% Faktor k
oreksi akibat kelaaia positi (kk) g > 5% 0 < NVK < 0,6 Faktor koreksi akibat
koisi arus lalulitas (kl) 0,6 < NVK < 0,8 NVK > 0,8 < 3 m/km Faktor koreksi
akibat kekasara jala (kr) > 3 m/km g = kelaaia NVK = isbah volume per kapa
sitas 0,085 0,820 0,050 0,185 0,253 0,035 0,337 0,158 0,400
(3.3)
Sumber: LAPI ITB (1997)
Kosep pemoela
97
Kosumsi miyak pelumas Besarya kosumsi asar miyak pelumas (liter/km) sagat
tergatug paa kecepata kearaa a jeis kearaa. Kosumsi asar ii kem
uia ikoreksi lagi meurut tigkat kekasara jala.
Tabel 3.3 Kosumsi asar miyak pelumas (liter/km) Kecepata (km/jam)
1020 2030 3040 4050 5060 6070 7080 8090 90100 100110
Jeis kearaa Gologa I
0,0032 0,0030 0,0028 0,0027 0,0027 0,0029 0,0031 0,0033 0,0035 0,0038
Gologa IIA
0,0060 0,0057 0,0055 0,0054 0,0054 0,0055 0,0057 0,0060 0,0064 0,0070
Gologa IIB
0,0049 0,0046 0,0044 0,0043 0,0043 0,0044 0,0046 0,0049 0,0053 0,0059
Sumber: LAPI ITB (1997) Tabel 3.4 Faktor koreksi kosumsi miyak pelumas terhaa
p koisi kekasara permukaa Nilai kekasara
< 3 m/km > 3 m/km
Faktor koreksi
1,00 1,50
Sumber: LAPI ITB (1997)
Biaya pemakaia
kearaa a
araa gologa
= 0,0015553 V
Sampai saat ii, belum iapatka besara ilai waktu yag 3.4.4.2 Nilai waktu b
erlaku utuk Ioesia. Tabel 3.5 meampilka besara ilai waktu beberapa kajia
yag perah ilakuka.
Tabel 3.5 Nilai waktu setiap gologa kearaa Rujuka
PT Jasa Marga (19901996) PaalaragCileuyi (1996) Semarag (1996) IHCM (1995) PCI
(1979) JIUTR Norther Extesio (PCI, 1989) SurabayaMojokerto (JICA, 1991)
Nilai waktu (Rp/jam/kearaa) Gologa I
12.287 3.3855.425 3.4116.221 3.281 1.341 7.067 8.880
Gologa IIA
18.534 3.82738.344 14.541 18.212 3.827 14.670 7.960
Gologa IIB
13.768 5.716 1.506 4.971 3.152 3.659 7.980
Sumber: LAPI ITB (1997)
Kosep pemoela
99
Beberapa moiikasi ilakuka ega memilih ilai waktu yag terbesar atara ila
i waktu asar yag ikoreksi meurut lokasi ega ilai waktu miimum seperti t
erlihat paa persamaa (3.5). Nilai waktu = maksimum {(k x ilai waktu asar),
ilai waktu miimum} (3.5) k aalah ilai aktor koreksi paa tabel 3.7 ega as
umsi bahwa ilai waktu asar tersebut haya berlaku utuk aerah DKI Jakarta a
sekitarya. Utuk aerah laiya harus ilakuka koreksi sesuai ega PDRB per
kapitaya; DKI Jakarta a sekitarya iaggap mempuyai aktor koreksi 1,0. Ta
bel 3.7 meragkum beberapa aktor koreksi ilai waktu meurut aerah, seagka
tabel 3.6 meragkum ilai waktu miimum yag iguaka.
Tabel 3.6 Nilai waktu miimum (Rupiah/jam/kearaa) No
1 2
Kabupate/Koya
DKI Jakarta selai DKI Jakarta
Jasa Marga Gol I
8.200 6.000
JIUTR Gol I
8.200 6.000
Gol II A
12.369 9.051
Gol II B
9.188 6.723
Gol II A
17.022 12.455
Gol II B
4.246 3.107
Sumber: LAPI ITB (1997) Tabel 3.7 PDRB atas asar harga kosta tahu 1995 No
1 2 3 4 5 6 7 8 9
Lokasi
DKI Jakarta Jawa Barat Koya Baug Jawa Tegah Koya Semarag Jawa Timur Koya
Surabaya Sumatera Utara Koya Mea
PDRB (juta rupiah)
60.638.217 60.940.114 6.097.380 39.125.323 4.682.002 57.047.812 13.231.986 21.80
2.508 5.478.924
Jumlah peuuk
9.113.000 39.207.000 2.356.120 29.653.000 1.346.352 33.844.000 2.694.554 11.115.
000 1.800.000
PDRB per kapita (juta rupiah)
6,65 1,55 2,59 1,32 3,48 1,69 4,91 1,96 3,04
Nilai koreksi
1,00 0,23 0,39 0,20 0,52 0,25 0,74 0,29 0,46
Sumber: LAPI ITB (1997)
Dega emikia, ilai waktu yag berlaku utuk DKI Jakarta aalah sebesar Rp 12
.287 per kearaa per jam, seagka ilai waktu utuk aerah laiya apat ih
itug ega megalika aktor koreksi ega ilai waktu yag berlaku utuk DKI
Jakarta.
meaksir parameter moel iaggap tiak mempuyai galat apa pu. Dalam prakteky
a, koisi seperti ii tiak mugki terjai. Pertama, bagaimaapu baikya moe
l yag kita buat, keluaraya haya aka bisa meekati realita; tiak aka per
ah persis sama ega realita. Keua, ata yag iguaka tiak perah luput ar
i galat yag bisa terjai paa setiap tahapa proses pegumpulaya yag aka i
teragka secara rici paa subbab berikut. Selai itu, keluaraya juga selalu
megaug galat karea ketiaktepata alam meetuka ilai yag iasumsika s
ebagai peubah paa waktu tahu asar. Tujua akhir suatu pemoela aalah perama
la; hal petig yag harus iperhatika oleh para perecaa trasportasi aalah
mecari kombiasi yag baik atara kompleksitas moel ega ketepata ata ya
g aka meghasilka keluara peramala yag atiya iharapka sesuai ega ke
yataa. Utuk mecapai hal ii, sagatlah petig membahas beberapa jeis galat
, yaitu: jeis galat yag apat meyebabka suatu moel yag suah baik meghasi
lka keluara peramala yag tiak akurat; misalya galat alam meetuka peuba
h, galat ketika proses traser a pegelompoka; jeis galat yag apat meyeb
abka suatu moel mejai tiak bear; misalya galat yag iakibatka oleh pros
es pegambila sampel, proses spesiikasi moel, a pegukura.
Paa subbab berikut ii iberika pejelasa tetag jeis galat, termasuk ampa
kya. Kemuia, ijelaska pula cara memilih, tigkat kompleksitas moel atau ke
tepata ata yag ikumpulka agar ihasilka keluara yag akurat. Sagatlah mu
stahil kalau kita berharap meapatka keluara ega ketepata tiggi ari mo
el yag kita yakii selalu megaug galat serta ata yag juga mempuyai jeis
galatya seiri. Jeis galat berikut ii aka terjai paa saat kita melakuka
proses pembetuka, pegkalibrasia, a peramala moel.
3.5.1 Galat pegukura
Galat ii terjai karea ketiaktepata alam proses meetuka ata paa tahu
asar, seperti galat paa saat mecatat hasil wawacara, galat karea salah mea
sirka jawaba respoe, galat akibat pegguaa alat yag tiak sesuai ega
proseur maualya, galat alam proses koeikasi jariga, igitasi, a lai
lai. Jeis galat ii ceerug lebih tiggi i egara berkembag karea reah
ya kualitas sumber aya mausia. Aka tetapi, hal tersebut apat ikuragi ega
meigkatka usaha utuk meapatka ata ega ketepata yag lebih tiggi (
misalya ega megguaka komputer atau meambah sumber aya mausia utuk me
gotrol kualitas ata, tetapi keua hal ii membutuhka biaya cukup besar). Di
egara berkembag memag kita selalu ihaapka paa keterbatasa waktu a biaya
. Beberapa hal yag apat ilakuka utuk meguragi galat pegukura aalah: me
igkatka kualitas sumber aya mausia pecacah;
Kosep pemoela
101
megaaka pelatiha sigkat bagi teaga pecacah megeai survei yag aka ila
kuka; meyusu kuesioer yag baik, termasuk pejelasa sigkat megeai cara m
egumpulka ata, megajuka pertayaa, measirka a mecatat jawaba; selal
u melakuka kalibrasi ulag secara perioik bagi alat ukur yag aka iguaka;
selalu megguaka alat ukur yag sesuai ega maual atau buku petujuk peggu
aaya.
3.5.2 Galat sampel
Jeis galat ii timbul karea moel harus ikalibrasi ega seperagkat ata (t
erukur). Galat sampel berbaig terbalik ega akar jumlah pegamata yag ib
utuhka (utuk meguragi galat mejai separuhya ibutuhka ukura sampel 4 ka
li lebih bayak); utuk meguragi jeis galat ii pasti ibutuhka biaya yag c
ukup besar. Sebaikya kita harus apat megumpulka seluruh ata yag aa (100%
sampel). Tetapi, karea berbagai aktor, khususya keterbatasa biaya a prakte
k i lapaga, kita terpaksa haya megumpulka sebagia ata saja (sampel). Apa
arti besar sampel 20%? Artiya, kita haya megumpulka ata sebayak 20% ari
jumlah ata yag aa. Setelah iormasi perilaku sampel sebayak 20% populasi ki
ta apatka, iaggap 80% populasi laiya mempuyai perilaku yag sama ega p
erilaku 20% populasi (hal ii tetu tiak bear). Hal ii lebih iperparah lagi
karea iormasi yag kita apatka ari sampel 20% populasi tersebut belum tet
u bear karea mugki masih megaug beberapa jeis galat yag aka iteragk
a berikut ii. Dagazo (1980) mempelajari cara meetuka ukura sampel yag se
suai ega tigkat ketepata yag iigika.
3.5.3 Galat perhituga
Jeis galat ii timbul karea moel biasaya ikalibrasi ega proses pegulag
a; solusi akhir yag bear tiak aka perah iapatka karea alasa biaya kom
putasi (utuk itu jumlah pegulaga terpaksa harus ibatasi). Jeis galat ii l
ebih kecil ari jeis galat lai, kecuali paa kasus seperti proseur pembebaa
arus lalulitas i jariga yag macet atau paa peetua titik keseimbaga a
tara kebutuha a seiaa ari suatu sistem yag sagat besar a kompleks (li
hat Estraus, 1989). Aka tetapi, ega perkembaga tekologi komputer belakag
a ii yag sagat pesat (komputer berkecepata sagat tiggi ega kapasitas m
emori sagat besar bisa iapat ega biaya terjagkau), galat perhituga bisa
iteka sereah mugki.
3.5.4 Galat spesiikasi
Jeis galat ii timbul karea eomea hal yag aka kita moelka tiak iketah
ui a imegerti ega baik atau karea permasalaha tersebut terpaksa harus
102 Oyar Z Tami, Perecaaa a pemoela trasportasi
iseerhaaka karea alasa tertetu. Jeis galat ii apat ipecahka mejai
beberapa jeis galat laiya yaitu: pegguaa peubah bebas yag tiak releva a
tau yag tiak mempuyai korelasi ega keluara (peubah tiak bebas) yag iha
rapka. Jeis galat ii mugki tiak mejai permasalaha paa moel liear, te
tapi aka mejai masalah jika kita megguaka moel tiak liear (lihat Tari
, 1979); galat karea tiak memasukka peubah bebas yag releva. Kasus iilah
yag palig serig terjai. Hal ii sagat perlu iperhatika paa saat awal kit
a membetuk moel kita harus megerti ahulu peubah bebas apa saja yag palig
omia serta mempuyai korelasi yag tiggi ega keluara moel (peubah tiak
bebas). Dalam hal ii, uji korelasi selalu harus ilakuka atara peubah bebas
ega peubah tiak bebas. Sebearya, moel tersebut megaug satu kompoe ko
stata yag apat megakomoasika atau meampug semua jeis galat yag aa. p
egguaa moel yag kurag tepat, misalya moel liear utuk meeragka sesua
tu paa suatu koisi yag seharusya ijelaska ega moel tiak liear. Kupa
sa yag sagat baik yag meeragka jeis galat ii apat ilihat paa William
a Ortuzar (1982a).
Jeis galat ii sebearya apat ikuragi ega meigkatka kompleksitas moe
l tersebut; aka tetapi, total biaya yag ibutuhka aka mejai sagat sulit
itetuka karea proses ii meyagkut proses kalibrasi a seterusya a mugk
i saja meimbulka jeis galat lai yag sagat mahal peagaaya a mustahi
l ihilagka.
3.5.5 Galat traser
Jeis galat ii timbul jika suatu moel yag telah ikembagka paa aerah atau
lokasi tertetu aka iterapka paa tempat lai yag jelas berbea permasalaha
ya serta situasi a koisiya, walaupu beberapa pembeaha telah ilakuka
alam proses traser tersebut. Dalam kasus traser alam ruag, galat apat i
kuragi ega melakuka kalibrasi kembali moel tersebut ega megguaka at
a (bisa sebagia atau seluruhya) ari aerah yag baru. Aka tetapi, alam kasu
s traser semetara (misalya utuk peramala) yag tiak mugki kita kalibras
i ega ata paa masa meatag, maka galat ii terpaksa harus kita terima saj
a, yag atiya aka itampug alam betuk kostata.
3.5.6 Galat pegelompoka
Jeis galat ii timbul paa saat kita igi memoel buka saja paa tigkat agre
gat tetapi juga paa tigkat yag lebih reah utuk apat megerti perilaku set
iap iiviu ibaigka ega perilaku kelompok iiviu. Jeis galat ii ap
at ipecahka mejai beberapa jeis galat lai berikut ii.
3.5.6.1 Pegelompoka ata
Dalam beberapa kajia, ata yag iguaka utuk mejelaska perilaku setiap i
iviu serig igabugka mejai ata kelompok iiviu. Cotohya, alam moel
jariga selalu terjai
Kosep pemoela
103
pegelompoka, baik paa rute, waktu pemberagkata, a zoa. Ii berarti ilai
yag kita guaka sebagai peubah bebas merupaka ilai rata rata perilaku beber
apa iiviu, seagka yag kita harapka aalah perilaku setiap iiviu, buka
kelompok iiviu. Setiap moel yag megguaka ata agregat tiak aka pera
h luput ari jeis galat ii (lihat Daly a Ortuzar, 1990). Jeis galat ii ap
at ikuragi ega meambah ata, misalya membuat zoa, rute, kategori sosio e
koomi yag lebih bayak, yag membutuhka biaya a waktu tambaha.
3.5.6.2 Pegelompoka alterati Sekali lagi, karea pertimbaga praktis, tiak
imugkika meapatka ata yag legkap ari setiap peggua. Hal ii membua
t para perecaa mearik asumsi ega meetuka alterati ata yag palig o
mia, palig muah iapat, atau yag biaya pegumpulaya yag palig reah.
3.5.6.3 Pegelompoka moel
Hal ii serig membuat permasalaha bagi para perecaa. Data agregat seperti ar
us paa suatu ruas jala aalah keluara yag umum alam perecaaa trasportas
i. Aka tetapi, moel utuk meapatkaya selalu megaug galat pegelompoka
yag tiak mugki ihilagka begitu saja.
3.6 Kompleksitas moel atau ketepata ata
Sekarag, mari kita pertimbagka cara megoptimasika pegembalia ivestasi e
ga meigkatka ketepata ata, meetapka aa, a kompleksitas moel, utuk
meapatka keluara yag mempuyai ketepataya tiggi. Pertama, kita harus me
mahami bahwa galat paa peubah masuka aka mempegaruhi ketepata moel yag ki
ta guaka. Pertimbagka suatu peubah yag kita amati x ega galatya ex (mis
alya simpaga baku). Galat keluara yag ihasilka ari propagasi galat masuk
a suatu ugsi seperti: z = (x1, x2, , xN) bisa iapatka ega megguaka p
ersamaa:
2 ez 2
=
2
x i
x x e xi e xj rij
e xi + i ji i j
(3.6)
rij aalah koeisie korelasi atara xi a xj; persamaa ii cocok ipakai utu
k ugsi liear. Aloso (1968) megguakaya utuk meapatka beberapa cara se
erhaa yag harus iikuti selama proses pembetuka moel utuk meghiari gal
at keluara yag besar. Cotohya, utuk meghiari kesulita, kompoe yag ke
ua ari persamaa (3.6) ihilagka. Jika kita hitug turua ez terhaap exi,
aka kita apatka: e z e xi
=
x
i
e xi
e
z
2
(3.7)
104 Oyar Z Tami, Perecaaa a pemoela trasportasi
Dega megguaka tigkat perbaika margial ii a taksira biaya margial u
tuk meapatka ketepata yag lebih baik, secara prisip imugkika ihasilka
aggara perbaika optimum. Secara praktis, permasalaha ii tiak muah iata
si karea selalu aka berakhir paa proseur pegulaga yag sagat kompleks. A
ka tetapi, persamaa (3.7) paa asarya melakuka ua atura logika yaitu: me
gutamaka paa usaha perbaika peubah yag mempuyai galat besar; megutamaka u
saha perbaika paa peubah yag releva, misalya peubah yag mempuyai ilai c
ukup besar karea peubah tersebut aka x i mempuyai eek palig besar terhaap p
eubah tiak bebas.
Cotoh 3.1 Pertimbagka moel z=xy+w, a beberapa ukura megeai peubah bebas
: x = 100 10; y = 50 5 ; w = 200 50 Asumsika juga biaya margial perbaika setiap pe
gukura: utuk memperbaiki x (mejai 100 9) = 5,00 utuk memperbaiki y (mejai 5
0 4) Dega megguaka persamaa (3.1), iapat:
2 2 2 +x2 e 2 = y2 e x ez y + e w = 502.500
= 6,00
utuk memperbaiki z (mejai 200 49) = 0,02
sehigga ilai ez=708,87; ilai ez yag baru alam kasus perbaika x, y, atau w
iapat sebesar 674,54; 642,26 a 708,08. Dari persamaa (3.2) iapat: e z e x =
10y2/708,87 = 35,2; e z e y = 70,5; e z e w = 0,0705
Tiga ilai ii aalah tigkat perbaika margial utuk setiap peubah. Utuk meg
hitug biaya perbaika margial (ez), kita harus membagi biaya margial perbaika
setiap peubah ega tigkat margial perbaika. Jai, bisa iapat biaya marg
ial perbaika (ez) yag ihasilka ari berapa perbaika peubah: utuk x = 5/35
,2 = 0,142 utuk y = 6/70,5 = 0,085 utuk z = 0,02/0,0705 = 0,284 Oleh karea it
u, apat itetuka bahwa perbaika ketepata pegukura y terjai jika pegura
ga margial ez sekurag kuragya sebesar 0,085. Deiisika kompleksitas sebag
ai peambaha jumlah peubah suatu moel a/atau peigkata jumlah operasi alja
bar peubah tersebut. Suah tetu bahwa alam usaha meguragi galat spesiikasi
(es), kompleksitas moel harus itigkatka.
Kosep pemoela 105
Aka tetapi, suah jelas juga bahwa kalau terapat lebih bayak peubah yag haru
s ihitug, maka galat pegukura (em) aka meigkat pula.
2 2 + em ), apat ega Jika galat moel secara total ieiisika sebagai E=(
e s muah ilihat bahwa ilai miimum E tiak selalu harus terletak paa titik o
ptimum kompleksitas. Gambar 3.4 memperlihatka bahwa jika galat pegukura mei
gkat, ilai optimum haya apat icapai paa tigkat kompleksitas yag reah.
Gambar 3.4
Variasi galat sesuai ega tigkat kompleksitas moel Sumber: Ortuzar a Willu
mse (1994)
Cotoh 3.2 Pertimbagka kasus pemiliha moel atara moel pertama yag telah
iketahui aka meghasilka total galat sebesar 30% paa masa meatag ega mo
el keua yag mempuyai spesiikasi yag sagat tepat (es = 0) ega persamaa
sebagai berikut: z = x1x2x3x4x5 xi aalah peubah bebas yag iukur ega 10% g
alat (em = 0,1xi). Utuk memutuska moel maa yag lebih baik, iguaka persam
aa (3.1):
2 2 2 2 (x 2 x 3 x 4 x 5 )2 + [ x 2 (x 1 x 3 x 4 x 5 )2 ] + + [ x 5 (x 1 x 2 x 3
x 4 )2 ] = 0,01[ x 1 ez 2 = 0,05[ x1x2x3x4x5]2 = 0,05 z2 ez
Diapat ez = 0,22z atau 22% galat, sehigga kita sebaikya memilih moel keua.
Sagat mearik iketahui i sii bahwa galat pegukura yag lebih besar aka me
ghasilka keluara yag berbea. Pembaca apat megecek kembali jika kita asums
ika bahwa peubah xi apat iukur ega galat sebesar 20%, maka total galat pa
a moel yag keua tersebut mejai 44,5% sehigga kita sekarag memilih moel p
ertama. Gambar 3.5 mejelaska bahwa jika kualitas ata sagat reah, lebih bai
k meramalkaya ega moel yag lebih seerhaa. Aka tetapi, utuk apat bela
jar a megerti eomea ii, moel yag lebih rici tetu saja iperluka. Tam
baha lai, kebayaka moel aka iguaka alam peramala jika ilai peubah pe
recaaa xi tiak iamati, tetapi iramalka.
106 Oyar Z Tami, Perecaaa a pemoela trasportasi
E*
E
* em
e
es
Negara miski Negara kaya Kompleksitas
Gambar 3.5 Pegaruh galat pegukura Sumber: Ortuzar a Willumse (1994)
Kita megetahui bahwa beberapa peubah perecaaa lebih muah iramalka ibai
gka ega yag lai. Oleh karea itu, alam memilih moel utuk tujua perama
la, harus ipilih moel yag mempuyai peubah perecaaa yag apat iramalka
ega tigkat kepercayaa tiggi.
3.7 Pegumpula ata
3.7.1 Pertimbaga praktis
Batasa praktis sagat berpegaruh paa peetua jeis survei yag cocok utuk
koisi tertetu. Meracag survei bukalah hal yag muah, tetapi membutuhka k
emampua a pegalama tertetu. Beberapa batasa praktis yag serig ijumpai
alam beberapa kajia trasportasi aalah sebagaimaa yag ijelaska berikut i
i. a waktu pelaksaaa kajia Faktor ii merupaka hal terpetig karea apat m
emberika perkiraa berapa lama waktu atau usaha yag sebaikya iberika utuk
proses pegumpula ata; horizo kajia Terapat ua tipe situasi yag patut ip
ertimbagka, yaitu: tahu recaa sagat ekat, misalya alam suatu kajia tak
tis sehigga terseia cukup bayak waktu utuk melaksaaka kajia. Paa akhiry
a iperluka alat batu aalisis tertetu, misalya yag membutuhka jeis ata
tertetu; suatu kajia strategis yag horizo kajiaya (tahu recaa) bisa me
capai 20 tahua i masa meatag. Walaupu secara prisip imugkika peggu
aa alat batu aalisis jeis apa pu, galat alam peramala haya apat iketah
ui alam waktu 20 tahu meatag. Dega emikia, iperluka proses pemataua
a evaluasi utuk melihat apakah sasara kajia tersebut tercapai.
b
c
batas aerah kajia Batas aerah kajia harus seikit lebih luas ari batas wila
yah yag iperkiraka aka terpegaruh (atau berkembag) paa masa 20 tahu me
atag. sumber aya kajia Beberapa hal berikut sagat perlu iketahui sebelum ki
ta memulai suatu pegkajia, misalya jumlah teaga ahli yag terseia, tigkat
keahliaya, a tigkat kemampua asilitas komputer yag terseia.
3.7.2 Jeis survei
Paa umumya survei yag aka ilakuka bertujua utuk meapatka iormasi me
geai sistem prasaraa trasportasi a sistem tata gua laha. Utuk lebih le
gkap, pembaca isaraka membaca moul pelatiha Metoe Survei Lalulitas a Tra
sportasi yag isusu oleh LPM ITB bekerja sama ega KBK Rekayasa Trasportasi
, Jurusa Tekik Sipil, ITB (LPM ITB, 1997e).
3.7.2.1 Sistem prasaraa trasportasi
Survei seharusya irecaaka utuk apat megetahui seluruh iormasi asilita
s sistem prasaraa trasportasi yag imiliki serta iormasi kierjaya alam b
erbagai koisi arus lalulitas. Kebutuha aka ata juga sagat itetuka oleh
sasara a tujua kajia. a Ivetarisasi prasaraa jala Ricia ata iveta
risasi yag harus ikumpulka utuk jala perkotaa meliputi: 1 esai geometrik
, meliputi: potoga melitag yag terperici, termasuk lebar jala a aerah
milik jala, jumlah a lebar lajur, jalur lambat, meia, bahu jala yag iper
keras, asilitas pejala kaki, kereb, a lai lai; persimpaga, meliputi geom
etrik a raius membelok; aliyeme horizotal, meliputi pajag ruas, bagia j
ala yag lurus a legkug, jari jari tikuga a superelevasi; aliyeme ver
tikal meliputi bagia jala yag meatar, kelaaia aik a turu.
2
pegealia lalulitas, meliputi: rambu lalulitas a marka jala, meliputi lo
kasi, jeis a ukura; lampu lalulitas a lampu peeraga, meliputi lokasi
a jeis; persimpaga, meliputi imesi, raius membelok, lokasi a jeis peg
ealia, a lampu peeraga; parkir a akses, meliputi lokasi setiap akses,
parkir i baa jala a buka i baa jala, a cara pegealia parkir.
3
tata gua laha, meliputi iormasi jeis bagua, peghalag terhaap jarak pa
aga bebas serta objek yag meghalagi kelacara lalulitas
108 Oyar Z Tami, Perecaaa a pemoela trasportasi
a pejala kaki seperti warug, peagag kaki lima, pot buga, a lailai. 4
asilitas jala laiya, meliputi raiase, salura air limbah, kabel, a lai
lai.
Utuk keperlua perecaaa a pemoela trasportasi, haya sebagia saja ari
keseluruha ata ivetarisasi jala yag ibutuhka. b Ivetarisasi kierja a
gkuta umum, meliputi rute bus, jumlah armaa, tari, rekuesi, lokasi termia
l a halte, jeis kearaa (termasuk kapasitasya), a survei aikturu peump
ag alam betuk proil pembebaa alam satu rute. Ivetarisasi asilitas a
kebutuha parkir, meliputi survei ivetarisasi ruag parkir a survei kebutuha
parkir. 1 Survei ivetarisasi ruag parkir, meliputi lokasi a kapasitas tam
pug parkir, waktu pegealia, tempat laraga a pembatasa parkir, tari pa
rkir (tetap atau progresi), marka jala, imesi celuka a suut kemiriga p
arkir, a rambu jala. Survei kebutuha parkir, meliputi tujua parkir, volume
parkir, urasi parkir, akumulasi parkir, laju pergatia parkir, ieks parkir,
a jarak berjala kaki.
c
2
Ivetarisasi waktu tempuh, meliputi iormasi waktu tempuh (apat ilakuka e
ga survei metoe pegamat bergerak a survei pegamat statis), waktu berheti,
waktu bergerak, a kecepata bergerak.
3.7.2.2 Sistem tata gua laha
Survei yag ilakuka bertujua utuk meapatka iormasi tata gua laha, mel
iputi jeis a itesitasya serta karakteristik pergeraka. Cotoh ata tata g
ua laha aalah populasi, teaga kerja, prouksi berbagai sektor, misalya pert
aia, iustri, pertambaga, perikaa, a kehutaa, biasaya terseia ega
baik a legkap utuk setiap propisi i Biro Pusat Statistik. Baa Pereca
aa Pembagua Daerah (Bappea) i tigkat I maupu II secara ruti megumpulka
ata yag berkaita ega tata gua laha setiap tahuya a iokumetasika
secara baik a legkap serta ipublikasika secara ruti, misalya Propisi J
awa Barat Dalam Agka. Karakteristik pergeraka bisa iapat melalui survei wawa
cara rumah tagga, survei wawacara i tepi jala, survei agkuta barag, a
survei agkuta umum. Dalam survei wawacara rumah tagga, beberapa iormasi ru
mah tagga berikut sagat ibutuhka, yaitu aggota keluarga, usia a jeis kel
ami, pekerjaa, peapata, pemilika kearaa, a itesitas pergeraka yag
ilakuka setiap hariya oleh seluruh aggota keluarga. Tambaha lai, alam su
rvei wawacara rumah tagga juga bisa itayaka karakteristik pergeraka, misal
ya jeis tata gua laha zoa asal a zoa tujua, waktu beragkat a tiba, t
ujua pergeraka, a moa trasportasi yag
Kosep pemoela 109
4
Moel bagkita pergeraka
Seperti telah iteragka paa bab sebelumya, tahapa bagkita pergeraka bert
ujua meapatka jumlah pergeraka yag ibagkitka oleh setiap zoa asal (Oi)
a jumlah pergeraka yag tertarik ke setiap zoa tujua (D) yag aa i ala
m aerah kajia. Selai itu, permasalaha juga apat ilihat ari sisi lai seba
gai permasalaha alam pemiliha rekuesi pergeraka, seperti berapa besar perg
eraka ega tujua berbelaja yag ilakuka oleh seseorag selama satu miggu
? Hal ii biasaya itagai oleh moel pemiliha iskret seperti yag aka ije
laska paa bab 6. Dalam bab itu permasalaha iyataka ega cara lai, misal
ya berapa besar peluag seseorag melakuka 0, 1, 2+ (ua atau lebih) pergeraka
ega tujua tertetu selama satu miggu. Dalam bab ii kita mempertimbagka
peekata pertama (misalya meramalka total pergeraka Oi a D ari ata at
ribut sosio ekoomi rumah tagga), yag palig serig iguaka alam berbagai k
ajia sampai ega akhir tahu 1980 a. Pembaca yag bermiat paa peekata m
oel pemiliha iskret apat membaca Be Akiva a Lerma (1985) serta bab 6 buk
u ii. Kita aka mulai ega meeiisika beberapa kosep asar yag iguaka
a kemuia mempelajari beberapa aktor yag mempegaruhi bagkita a tarik
a pergeraka. Kemuia, aka iulas beberapa peekata utama alam tahap pemo
ela ii, imulai ari tekik yag palig seerhaa (metoe aktor pertumbuha).
Sebelum megguaka peekata yag lebih kompleks, aka iperkealka seikit
cara melakuka pemoela aalisis regresi liear. Kemuia, aka ipertimbagka
moel bagkita a tarika pergeraka berbasis zoa a berbasis rumah tagga.
Kita aka mempertimbagka utuk pertama kaliya permasalaha pegelompoka ya
g mempuyai solusi trivial yag isebabka oleh betuk liear moel tersebut. Ke
muia, aka iteruska ega metoe aalisis kategori silag kita aka mempela
jari tiak haya spesiikasi aalisis kategori orag, tetapi juga peekataya.
Bab ii iakhiri ega pejelasa tetag proseur peramala peubah yag igu
aka utuk memoel bagkita pergeraka paa masa meatag.
4.1 Peahulua
Tujua asar tahap bagkita pergeraka aalah meghasilka moel hubuga yag
megaitka parameter tata gua laha ega jumlah pergeraka yag meuju ke sua
tu zoa atau jumlah pergeraka yag meiggalka suatu zoa. Zoa asal a tujua
pergeraka biasaya juga megguaka istilah trip e. Moel ii sagat ibutu
hka apabila eek tata gua laha a pemilika pergeraka terhaap besarya ba
gkita a tarika pergeraka berubah sebagai ugsi waktu. Tahapa bagkita pe
rgeraka ii meramalka jumlah pergeraka yag aka
111
ilakuka oleh seseorag paa setiap zoa asal ega megguaka ata rici me
geai tigkat bagkita pergeraka, atribut sosio ekoomi, serta tata gua laha
. Tahapa ii bertujua mempelajari a meramalka besarya tigkat bagkita pe
rgeraka ega mempelajari beberapa variasi hubuga atara ciri pergeraka e
ga ligkuga tata gua laha. Beberapa kajia trasportasi berhasil megieti
ikasi korelasi atara besarya pergeraka ega berbagai peubah, a setiap pe
ubah tersebut juga salig berkorelasi. Tahapa ii biasaya megguaka ata ber
basis zoa utuk memoel besarya pergeraka yag terjai (baik bagkita maupu
tarika), misalya tata gua laha, pemilika kearaa, populasi, jumlah peker
ja, kepaata peuuk, peapata, a juga moa trasportasi yag iguaka. K
husus megeai agkuta barag, bagkita a tarika pergeraka iramalka eg
a megguaka atribut sektor iustri a sektor lai yag terkait. Seperti tel
ah ijelaska, bagkita atau tarika pergeraka biasaya iaalisis berasarka
zoa. Data tata gua laha (peubah X), ata bagkita pergeraka (P) a ata t
arika pergeraka (A) yag iapatka ari hasil survei terlihat paa tabel 4.1
(Black, 1978).
Tabel 4.1 Iormasi tetag moel bagkita pergeraka Nomor zoa
1 2 3 4 . . . i . N
Data tata gua laha X1
. . . . . . . . . .
Data hasil survei XM
. . . . . . . . . .
Data hasil pemoela P
* * * . . . . * * *
X2
. . . . . . . . . .
X3
. . . . . . . . . .
. . . . . . . . . .
P
. . . . . . . . . .
A
. . . . . . . . . .
A
* * * . . . . * * *
Perkiraa besarya tigkat bagkita pergeraka, baik utuk bagkita (P) maupu
tarika (A) bisa ilakuka ega pemoela yag megguaka ata yag terapat
paa tabel 4.1. Sebelum membicaraka permasalaha pemoela, perlu aa pejelas
a megeai beberapa eiisi asar yag selalu iguaka alam tahap pemoela
bagkita pergeraka.
4.1.1 Deiisi asar
Utuk apat mempermuah pembaca megikuti subbab berikutya, paa subbab ii ib
erika beberapa eiisi asar megeai moel bagkita pergeraka.
112 Oyar Z Tami, Perecaaa a pemoela trasportasi
a
Perjalaa Pergeraka satu arah ari zoa asal ke zoa tujua, termasuk pergerak
a berjala kaki. Berheti secara kebetula (misalya berheti i perjalaa ut
uk membeli rokok) tiak iaggap sebagai tujua perjalaa, meskipu perubaha r
ute terpaksa ilakuka. Meskipu pergeraka serig iartika ega pergeraka p
ulag a pergi, alam ilmu trasportasi biasaya aalisis keuaya harus ipisa
hka. Hal yag ikaji i sii tiak saja megeai pergeraka berkearaa, tetap
i juga kaag kaag pergeraka berjala kaki. Pergeraka berbasis rumah Pergera
ka yag salah satu atau keua zoa (asal a/atau tujua) pergeraka tersebut a
alah rumah. Pergeraka berbasis buka rumah Pergeraka yag baik asal maupu tu
jua pergeraka aalah buka rumah. Bagkita pergeraka Diguaka utuk suatu p
ergeraka berbasis rumah yag mempuyai tempat asal a/atau tujua aalah rumah
atau pergeraka yag ibagkitka oleh pergeraka berbasis buka rumah (lihat g
ambar 4.1). Tarika pergeraka Diguaka utuk suatu pergeraka berbasis rumah y
ag mempuyai tempat asal a/atau tujua buka rumah atau pergeraka yag terta
rik oleh pergeraka berbasis buka rumah (lihat gambar 4.1).
b c
e
Gambar 4.1 Bagkita a tarika pergeraka
Tahapa bagkita pergeraka Serig iguaka utuk meetapka besarya bagkita
pergeraka yag ihasilka oleh rumah tagga (baik utuk pergeraka berbasis r
umah maupu berbasis buka rumah) paa selag waktu tertetu (per jam atau per h
ari).
Sepajag tahu 1980 a, beberapa eiisi lai seperti tour a trip chai seri
g ipakai alam perecaaa a pemoela trasportasi. Hal ii sagat meuku
g teori yag meyataka bahwa kebutuha aka pergeraka sebearya aalah kebutu
ha turua (sesuatu yag sagat tergatug ari aaya keterkaita ega kegia
ta laiya). Aka tetapi, eiisi tersebut haya serig iguaka paa moel p
emiliha iskret; lihat Daly et al (1983). Bagkita pergeraka harus iaalisis
secara terpisah ega tarika pergeraka. Jai, tujua akhir perecaaa tahap
a bagkita pergeraka aalah meaksir
Moel bagkita pergeraka 113
setepat mugki bagkita a tarika pergeraka paa masa sekarag, yag aka
iguaka utuk meramalka pergeraka paa masa meatag.
4.1.2 Klasiikasi pergeraka 4.1.2.1 Berasarka tujua pergeraka
Paa praktekya, serig ijumpai bahwa moel bagkita pergeraka yag lebih bai
k bisa iapatka ega memoel secara terpisah pergeraka yag mempuyai tujua
berbea. Dalam kasus pergeraka berbasis rumah, lima kategori tujua pergeraka
yag serig iguaka aalah: pergeraka ke tempat kerja pergeraka ke sekolah
atau uiversitas (pergeraka ega tujua peiika) pergeraka ke tempat bel
aja pergeraka utuk kepetiga sosial a rekreasi, a lai lai
Dua tujua pergeraka pertama (bekerja a peiika) isebut tujua pergeraka
utama yag merupaka keharusa utuk ilakuka oleh setiap orag setiap hari, s
eagka tujua pergeraka lai siatya haya piliha a tiak ruti ilakuka
. Pergeraka berbasis buka rumah tiak selalu harus ipisahka karea jumlahya
kecil, haya sekitar 1520% ari total pergeraka yag terjai.
4.1.2.2 Berasarka waktu
Pergeraka biasaya ikelompokka mejai pergeraka paa jam sibuk a paa jam
tiak sibuk. Proporsi pergeraka yag ilakuka oleh setiap tujua pergeraka s
agat berluktuasi atau bervariasi sepajag hari. Tabel 4.2 memperlihatka ata
kota Satiago (Chile) yag ihasilka ari survei AsalTujua paa tahu 1977 (DI
CTUC, 1978); pergeraka paa selag jam sibuk pagi hari (biasaya salig bertola
k belakag ega pergeraka paa selag jam sibuk sore hari) terjai atara jam
7.00 sampai ega jam 9.00 pagi a jam tiak sibuk berkisar atara jam 10.00
sampai ega jam 12.00 siag. Beberapa kometar timbul berkaita ega tabel 4
.2. Pertama, kebayaka pergeraka paa jam sibuk pagi merupaka pergeraka utam
a yag harus ilakuka setiap hari (utuk bekerja a peiika), yag tiak te
rjai paa jam tiak sibuk. Keua, pergeraka utuk tujua birokrasi terjai bai
k paa jam sibuk a tiak sibuk (ii merupaka ciri khas pergeraka i egara b
erkembag). Ketiga, terapat galat alam proses pegkoeikasia, yag terlihat
ari besarya pergeraka yag meuju ke rumah (41,65%) paa jam tiak sibuk yag
mugki isebabka karea i alamya termasuk juga pergeraka ega tujua la
i. Jai, ata ii harus ikoeikasi kembali utuk meapatka iormasi yag b
ear. Jeis permasalaha seperti ii serig terjai sebelum kosep bagkita a
tarika pergeraka meggatika kosep Asal a Tujua yag tiak secara ekspli
sit meggambarka kemampua aktivitas pergeraka berbasis rumah a berbasis buk
a rumah.
114 Oyar Z Tami, Perecaaa a pemoela trasportasi
Empat aktor pertama (peapata, pemilika kearaa, struktur, a ukura ruma
h tagga) telah iguaka paa beberapa kajia bagkita pergeraka, seagka
ilai laha a kepaata aerah permukima haya serig ipakai utuk kajia me
geai zoa. b Tarika pergeraka utuk mausia Faktor yag palig serig iguak
a aalah luas latai utuk kegiata iustri, komersial, perkatora, pertokoa
, a pelayaa laiya. Faktor lai yag apat iguaka aalah lapaga kerja.
Akhir akhir ii beberapa kajia mulai berusaha memasukka ukura aksesibilitas.
Bagkita a tarika pergeraka utuk barag Pergeraka ii haya merupaka ba
gia kecil ari seluruh pergeraka (20%) yag biasaya terjai i egara iustr
i. Peubah petig yag mempegaruhi aalah jumlah lapaga kerja, jumlah tempat
pemasara, luas atap iustri tersebut, a total seluruh aerah yag aa.
c
4.1.4 Moel aktor pertumbuha
Sejak tahu 1950 a, beberapa tekik telah iusulka utuk memoel bagkita per
geraka. Kebayaka metoe tersebut meramalka total pergeraka yag ihasilka
(atau tertarik) oleh rumah tagga atau zoa sebagai ugsi ari hubuga liear
yag ieiisika ari ata yag aa. Sebelum membaigka hasil yag iapat,
sagatlah petig megerti beberapa aspek berikut ii: jeis pergeraka yag ak
a ipertimbagka (cotoh: apakah haya pergeraka berkearaa atau pergeraka
berjala kaki saja); usia miimum yag apat iguaka alam proses aalisis.
Berikut ii ikemukaka tekik yag mugki bisa iterapka utuk meramalka jum
lah perjalaa paa masa meatag yag ilakuka oleh salah satu ari empat kat
egori yag telah iteragka sebelumya. Persamaa asarya aalah: Ti=Fi.ti (4.
1) Ti a ti aalah pergeraka paa masa meatag a paa masa sekarag, a F
i aalah aktor pertumbuha. Kesulita metoe ii aalah cara meapatka ilai
Fi. Biasaya, aktor ii terkait ega peubah seperti populasi (P), peapata
(I), a pemilika kearaa (C) yag terkait alam ugsi seperti: Fi = Pi ,
I i , C i
c c i ,I i , C i c
( (P
) )
(4.2)
bisa merupaka ugsi perkalia tapa parameter, seagka tikatas a c me
aaka tahu sekarag () a tahu recaa (c). Cotoh 4.1 Pertimbagka suatu
zoa ega 250 rumah tagga bermobil a 250 rumah tagga tapa mobil. Asumsik
a kita megetahui rata rata tigkat bagkita pergeraka utuk setiap kelompok:
116 Oyar Z Tami, Perecaaa a pemoela trasportasi
(X i )
2
(4.4)
A = Y BX Y a X aalah ilai rata rata ari Yi a Xi.
4.2.1.2 Koeisie etermiasi (R2)
(4.5)
Gambar 4.2 memperlihatka garis regresi a beberapa ata yag iguaka utuk m
eapatkaya. Jika tiak terapat ilai x, ramala terbaik Yi aalah Yi . Aka
tetapi, gambar memperlihatka bahwa utuk xi, galat metoe tersebut aka tiggi:
(Yi Yi ). Jika xi iketahui, teryata ramala a hal ii memperkecil galat mej
ai (Yi Y ). terbaik Yi mejai Y
i i Y
Yi
Y Yi
Yi = a + bX
X
Gambar 4.2 Beberapa jeis simpaga
Dari gambar 4.2, kita apatka:
118 Oyar Z Tami, Perecaaa a pemoela trasportasi
(Yi Yi )
simpaga total
=
Y ) (Y i i
simpaga tereiisi
+
) (Yi Y i
simpaga tiak tereiisi
(4.6)
Jika kita kuaratka total simpaga tersebut a mejumlahka semua ilai i, i
apat:
(Yi
i
Yi ) 2
=
(Y i
i
Yi )
2
+
(Yi
i
)2 Y i
(4.7)
simpaga total
simpaga tereiisi
simpaga tiak tereiisi
xi, muah ilihat bahwa variasi tereiisi merupaka ugsi Y )= b Karea, ( Y
i i . Proses peggabuga total variasi isebut aalisis variasi. koeisie reg
resi b Koeisie etermiasi ieiisika sebagai isbah atara variasi terei
isi ega variasi total: Y )2 (Y i i (4.8) R2 = i (Y i Yi ) 2
i
Koeisie ii mempuyai batas limit sama ega satu (perect explaatio) a
ol (o explaatio); ilai atara keua batas limit ii itasirka sebagai pers
etase total variasi yag ijelaska oleh aalisis regresi liear. Kosep ii me
rupaka pegembaga lajut ari uraia i atas, khususya paa kasus yag mempu
yai lebih bayak peubah . Hal ii sagat iperluka alam realita yag meujuk
ka bebas a parameter b bahwa beberapa peubah tata gua laha secara simulta
teryata mempegaruhi bagkita pergeraka. Persamaa (4.9) memperlihatka betu
eek peubah bebas paa peubah tiak bebas merupaka pejumlaha, a harus tiak
aa korelasi yag kuat atara sesama peubah bebas; variasi peubah tiak bebas
terhaap garis regresi harus sama utuk semua ilai peubah bebas; ilai peubah t
iak bebas harus tersebar ormal atau miimal meekati ormal; ilai peubah beb
as sebaikya merupaka besara yag relati muah iproyeksika.
Solusiya tetap sama, tetapi lebih kompleks sehigga beberapa hal baru harus ip
ertimbagka sebagai berikut. 1 Multikoliear Hal ii terjai karea aaya hubu
ga liear atar peubah; tiak salig bebas paa kasus ii, beberapa persamaa
yag megaug b a tiak apat ipecahka secara uik. Jumlah parameter b yag
ibutuhka berapa aktor harus ipertimbagka: Utuk memutuska hal ii, be
2
Apakah aa alasa teori yag kuat sehigga harus melibatka peubah itu atau apak
ah peubah itu petig utuk proses uji ega moel tersebut? Apakah peubah itu
sigiika a apakah taa koeisie parameter yag iapat sesuai ega teori
atau ituisi?
Jika iraguka, terapka salah satu cara, yaitu meghilagka peubah itu a mel
akuka proses regresi lagi utuk melihat eek ibuagya peubah itu terhaap peu
bah laiya yag masih iguaka oleh moel tersebut. Jika teryata tiak terlal
u terpegaruh, peubah itu ibuag saja sehigga kita meapatka moel yag lebi
h seerhaa a apat itaksir secara lebih tepat. Beberapa paket program telah
meyeiaka proseur otomatis utuk meagai masalah ii (peekata lagkah e
mi lagkah atau stepwise); aka tetapi, peekata ii masih mempuyai beberapa
permasalaha yag aka iteragka ati. 3 Koeisie etermiasi Betukya sama
ega persamaa (4.8). Aka biasaya meigkatka ilai R2; tetapi, paa kasus
ii, tambaha peubah b 2 utuk megatasiya iguaka ilai R yag telah ikore
ksi: R 2 = [R 2 K /( N 1)][(N 1) /( N K 1)] (4.10)
. N aalah ukura sampel a K aalah jumlah peubah b
4 Koeisie korelasi Koeisie korelasi ii iguaka utuk meetuka korelasi
atara peubah tiak bebas ega peubah bebas atau atara sesama peubah bebas. K
oeisie korelasi ii apat ihitug ega berbagai cara yag salah satuya aa
lah persamaa (4.11) berikut.
120 Oyar Z Tami, Perecaaa a pemoela trasportasi
r=
N (X i Y i ) (X i ) (Yi )
i i i
N X i2
(X i )
( )
2
2
N Y i
(Y i )
(4.11)
( )
Nilai r = 1 berarti bahwa korelasi atara peubah y a x aalah positi (meigk
atya ilai x aka megakibatka meigkatya ilai y). Sebalikya, jika ilai r
= 1, berarti korelasi atara peubah y a x aalah egati (meigkatya ilai x
aka megakibatka meuruya ilai y). Nilai r = 0 meyataka tiak aa korela
si atarpeubah. 5 Uji t test Uji t test apat iguaka utuk ua tujua: utuk
meguji sigiikasi ilai koeisie korelasi (r) a utuk meguji sigiikasi
ilai koeisie regresi. Setiap peubah yag mempuyai koeisie regresi yag ti
ak sigiika secara statistik harus ibuag ari moel.
Dalam pemoela bagkita pergeraka, metoe aalisis regresi liear bergaa te
lah iguaka; baik ega ata zoa (agregat) a ata rumah tagga ataupu i
iviu (tiak agregat).
4.2.2 Moel regresi berbasis zoa
Paa kasus ii, ilakuka usaha utuk meapatka hubuga liear atara jumlah
pergeraka yag ibagkitka atau tertarik oleh zoa a ciri sosio ekoomi rata
rata ari rumah tagga paa setiap zoa. Beberapa pertimbaga yag perlu iperh
atika aalah yag berikut ii.
4.2.2.1 Moel berbasis zoa
Moel jeis ii haya apat mejelaska variasi perilaku pergeraka atara zoa.
Jai, moel haya aka berhasil baik jika variasi atarzoa cukup mecermika
alasa utama terjaiya variasi pergeraka. Agar hal ii tercapai, sebaikya zo
a tiak haya mempuyai komposisi sosio ekoomi yag seragam, tetapi juga mecer
mika beberapa koisi. Permasalaha utama aalah variasi ata pergeraka iiv
iu yag beraa paa tigkat atarzoa.
Seseorag pasti beraggapa bahwa garis regresi 4.2.2.2 Peraa itersep yag i
apatka harus selalu melalui titik (0,0) atau itersep = 0. Aka tetapi, kita s
elalu meapatka ilai itersep yag besar. Jika hal ii terjai, persamaa ter
sebut harus itolak. Jika itersep tiak jauh berbea ari 0, sebaikya proses r
egresi ilakuka kembali, tetapi ega memaksa itersep = 0. Itersep yag besa
r juga apat iartika bahwa masih ibutuhka peubah lai yag harus iperhitug
ka alam moel tersebut karea masih aa pergeraka yag cukup besar (itersep
besar) yag tiak apat imoel oleh peubah yag aa sehigga apat isimpulka
bahwa moel yag aa belum terlalu mecermika realita.
Moel bagkita pergeraka 121
Sagat mugki itemuka bahwa utuk beberapa zoa 4.2.2.3 Zoa kosog tertetu
tiak terapat ata atau iormasi megeai satu atau beberapa peubah tertetu.
Zoa seperti ii harus ikeluarka ari aalisis; walaupu jika tetap iperhitu
gka tiak aka terlalu mempegaruhi peaksira koeisie (karea persamaa sebe
arya harus selalu melalui titik (0,0)). Peambaha jumlah zoa yag tiak apa
t memberika ata yag bergua serta tepat haya aka meghasilka statistik ya
g ketepataya reah.
4.2.2.4 Total zoa vs rata rata zoa Dalam merumuska moel, aalis harus memili
h atara peubah total atau peubah agregat. Misalya, jumlah pergeraka per zoa
atau jumlah mobil per zoa (peubah total) ega pergeraka per keluarga per zo
a atau jumlah kearaa per rumah tagga per zoa (peubah agregat). Utuk kasus
peubah agregat, moel regresi yag iguaka aalah:
Yi = 0 + 1 X 1i + 2 X 2 i +...+ K X Ki + E 1
seagka utuk kasus peubah total yag iguaka aalah:
y i = 0 + 1 x1i + 2 x 2 i +...+ K x Ki + e1
ega yi = Yi/Hi; xi = Xi/Hi; ei = Ei/Hi a Hi aalah jumlah rumah tagga i z
oa i. Keua persamaa sebearya ietik; artiya persamaa tersebut aka meca
ri sesuatu yag apat mejelaska variasi perilaku pergeraka atarzoa. Paramet
er utuk keua persamaa itu juga ietik. Perbeaa asar yag utama aalah is
tribusi galat yag ibuatya. Secara umum proses pemoela bagkita pergeraka
ega megguaka metoe aalisis regresi liear apat ilihat paa gambar 4.3.
Data sosio ekoomi
Kaiat peubah Data trip e Uji korelasi
Alterati ugsi
Uji statistik a uji kewajara
Tiak
Lolos
Moel bagkita
Gambar 4.3 Proses kalibrasi a pegabsaha moel aalisis regresi
122 Oyar Z Tami, Perecaaa a pemoela trasportasi
a
Bagkita pergeraka per hari
5.500 300 1.300 200 400 1.200 900 1.000
Total pemilika kearaa
200 50 500 100 100 400 300 400
Sumber: (Black, 1981)
Metoe aalisis regresi liear aka iguaka utuk meghasilka hubuga alam
betuk umerik a utuk melihat bagaimaa ua (regresi seerhaa) atau lebih (r
egresi bergaa) peubah salig berkait. Berikut ii iperlihatka cotoh ua peu
bah regresi (X1 a X2 aalah peubah tata gua laha). Data yag iguaka (utu
k 8 zoa) tercatum paa tabel 4.3 (Black, 1981). Data paa tabel 4.3 irajah e
ga megguaka kertas graik (Black, 1981) sehigga meghasilka gambar 4.4. T
erlihat bahwa bagkita pergeraka merupaka peubah tiak bebas (sumbu Y). Grai
k meujukka hubuga liear positi atara bagkita pergeraka ega pemilik
a kearaa ega hubuga Y = A+BX ega A aalah itersep a B aalah kemi
riga.
1.400 1.200 1.000 800 600 400 200 0 0 100 200 300 400 500
Y
X
Gambar 4.4 Graik bagkita pergeraka a pemilika kearaa Sumber: Black (19
81)
Moel bagkita pergeraka 123
Metoe kuarat terkecil kemuia iguaka alam proses regresi ii, karea gari
s liear tersebut harus mempuyai ilai total jumlah kuarat resiual (atau simp
aga) yag palig miimum atara hasil pemoela ega hasil pegamata. Dega
persyarata ii, ata meghasilka garis: Y = 89,9 + 2,48 X Beberapa kometar
apat iberika utuk persamaa i atas, yaitu: Y (bagkita pergeraka) berhubu
ga secara liear ega X (pemilika kearaa); Perubaha 1 satua ari ilai
X aka meyebabka perubaha paa ilai Y sebesar 2,48 satua; Persamaa ii me
mpuyai ilai itersep yag cukup tiggi yag apat megisyaratka terapatya t
igkat galat yag cukup tiggi yag mugki isebabka oleh beberapa aktor beri
kut: 1 2 mugki Y tiak berhubuga secara liear ega X; bisa saja secara ti
ak liear; mugki terapat peubah X lai yag juga mempegaruhi besarya perge
raka, misalya populasi (galat spesiikasi). Aka tampak bahwa meskipu ilai x
= 0, masih terapat bagkita pergeraka sebesar 89,9. Jelas ii meaaka peu
bah sosio ekoomi lai yag ikut mempegaruhi besarya bagkita pergeraka; ter
apat galat alam pegumpula ata (galat pegukura).
3
Faktor apa 4.2.3.2 Tarika pergeraka (utuk pergeraka berbasis rumah) saja ya
g mempegaruhi pergeraka berbasis rumah ke zoa tertetu alam suatu aerah kaj
ia? Peubah yag cocok apat iseliiki ega aalisis regresi liear, tetapi p
ersamaa yag ihasilka biasaya lebih tiak sesuai ibaigka ega persama
a bagkita pergeraka. Beberapa kajia yag perah ilakuka memperlihatka ba
hwa peubah tata gua laha utuk tarika pergeraka aalah lapaga pekerjaa, l
uas aerah, luas perkatora, a luas tempat berjuala. Peubah yag iperluka
ari beberapa kajia yag perah ilakuka i Amerika tercatum paa tabel 4.4 (
Black, 1981).
4.2.4 Tahapa uji statistik alam moel aalisis regresi berbasis zoa
Dalam melakuka aalisis bagkita pergeraka ega megguaka moel aalisis
regresi berbasis zoa, terapat empat tahap uji statistik yag mutlak harus ila
kuka agar moel bagkita pergeraka yag ihasilka iyataka absah. Ke 4 uji
statistik tersebut aka iteragka satu per satu sebagai berikut.
4.2.4.1 Uji kecukupa ata
Uji statistik ii harus ilakuka utuk meetuka jumlah ata miimum yag haru
s terseia, baik utuk peubah bebas maupu peubah tiak bebas. Semaki tiggi ti
gkat akurasi yag iigika, semaki bayak ata
124 Oyar Z Tami, Perecaaa a pemoela trasportasi
yag ibutuhka. Jumlah ata miimum apat itetuka ega megguaka persama
a (4.12) berikut. 2 CV 2 Z (4.12) N= E2 CV = koefisien v
ri
si E = tingk
t
kur
si Z = nil
i v
ri
nsi untuk tingk
t keperc
y
n y
ng diingink
n Contoh 4.2 Tentu
k
nl
h ber
p
juml
h d
t
minimum y
ng dibutuhk
n untuk tingk
t
kur
si (E) 5% d
eng
n tingk
t keperc
y
n juml
h d
t
minimum seb
ny
k 1.100 bu
h untuk tingk
t
kur
si 5% deng
n tingk
t keperc
y
n 95%. Uji st
tistik ini h
rus dil
kuk
n untuk memenuhi persy
r
t
n
model m
tem
tis: ses
m
peub
h beb
s tid
k boleh s
ling berkorel
si, sed
ngk
n
nt
r
peub
h tid
k beb
s deng
n peub
h beb
s h
rus
d
korel
si y
ng ku
t (b
ik
positif m
upun neg
tif).
4.2.4.2 Uji korel
si
Pers
m
n (4.11) merup
k
n pers
m
n uji korel
si y
ng mempuny
i nil
i r (1r+1). Ni
l
i r y
ng mendek
ti 1 mempuny
i
rti b
hw
kedu
peub
h tersebut s
ling berkorel
si neg
tif (peningk
t
n nil
i s
l
h s
tu peub
h
k
n menyeb
bk
n penurun
n nil
i peub
h l
inny
). Seb
likny
, jik
nil
i r y
ng mendek
ti +1 mempuny
i
rti b
h
w
kedu
peub
h tersebut s
ling berkorel
si positif (peningk
t
n nil
i s
l
h s
t
u peub
h
k
n menyeb
bk
n peningk
t
n nil
i peub
h l
inny
). Jik
nil
i r mendek
ti 0, tid
k terd
p
t korel
si
nt
r
kedu
peub
h tersebut. Uji st
tistik ini p
erlu dil
kuk
n untuk mem
stik
n
p
k
h 4.2.4.3 Uji line
rit
s model b
ngkit
n pe
rger
k
n d
p
t didek
ti deng
n model
n
lisis regresi line
r
t
u model
n
lisis
regresi tid
k line
r.
4.2.4.4 Uji kesesu
i
n
Uji st
tistik ini h
rus dil
kuk
n untuk menentuk
n model b
ngkit
n perger
k
n y
ng terb
ik. Terd
p
t beber
p
model y
ng d
p
t digun
k
n y
itu model
n
lisis re
gresi, model kemirip
n m
ksimum, d
n model entropi m
ksimum. P
d
umumny
, uji i
ni did
s
rk
n
t
s kedek
t
n
t
u kesesu
i
n h
sil model deng
n h
sil observ
si.
S
l
h s
tu uji kesesu
i
n y
ng p
ling mud
h d
n sering digun
k
n
d
l
h model
n
lisis regresi; model terb
ik
d
l
h model y
ng mempuny
i tot
l ku
dr
tis resid
u
l
nt
r
h
sil model deng
n h
sil observ
si y
ng p
ling minimum. meminimumk
n
S = Yi Y i
i
(
)
2
(4.13)
Model b
ngkit
n perger
k
n 125
D
l
m mel
kuk
n
n
lisis b
ngkit
n perger
k
n deng
n menggun
k
n model
n
lisis
regresi berb
sis zon
, terd
p
t tig
metode
n
lisis y
ng d
p
t digun
k
n. Metod
e ini sec
r
bert
4.2.5.1 Metode
n
lisis l
ngk
h demi l
ngk
h tipe 1 h
p mengur
ngi juml
h peub
h beb
s sehingg
did
p
tk
n model terb
ik y
ng h
ny
terdiri d
ri beber
p
peub
h beb
s. T
h
p 1: Tentuk
n p
r
meter sosio ekonomi y
ng
k
n di
gun
k
n seb
g
i peub
h beb
s. Pert
m
, pilihl
h p
r
meter (peub
h beb
s) y
ng be
rd
s
rk
n logik
s
j
sud
h mempuny
i keterk
it
n (korel
si) deng
n peub
h tid
k
beb
s. Kemudi
n, l
kuk
n uji korel
si untuk meng
bs
hk
n keterk
it
nny
deng
n
peub
h tid
k beb
s (b
ngkit
n
t
u t
rik
n perger
k
n). Du
persy
r
t
n st
tisti
k ut
m
y
ng h
rus dipenuhi d
l
m memilih peub
h beb
s
d
l
h: peub
h beb
s h
ru
s mempuny
i korel
si tinggi deng
n peub
h tid
k beb
s; ses
m
peub
h beb
s tid
k
boleh s
ling berkorel
si. Jik
terd
p
t du
peub
h beb
s y
ng s
ling berkorel
s
i, pilihl
h s
l
h s
tu y
ng mempuny
i korel
si lebih tinggi terh
d
p peub
h tid
k beb
sny
.
T
h
p 2: L
kuk
n
n
lisis regresi line
r berg
nd
deng
n semu
peub
h beb
s terp
ilih untuk mend
p
tk
n nil
i koefisien determin
si sert
nil
i konst
nt
d
n koe
fisien regresiny
. T
h
p 3: Tentuk
n p
r
meter y
ng mempuny
i korel
si terkecil
terh
d
p peub
h tid
k beb
sny
d
n hil
ngk
n p
r
meter tersebut. L
kuk
n kemb
li
n
lisis regresiline
r berg
nd
d
n d
p
tk
n kemb
li nil
i koefisien determin
s
i sert
nil
i konst
nt
d
n koefisien regresiny
. T
h
p 4: L
kuk
n kemb
li t
h
p
(3) s
tu demi s
tu s
mp
i h
ny
tertingg
l s
tu p
r
meter s
j
. T
h
p 5: K
ji n
il
i koefisien determin
si sert
nil
i konst
nt
d
n koefisien regresi seti
p t
h
p untuk menentuk
n model terb
ik deng
n kriteri
berikut: sem
kin b
ny
k peub
h beb
s y
ng digun
k
n, sem
kin b
ik model tersebut; t
nd
koefisien regresi (+/)
sesu
i deng
n y
ng dih
r
pk
n; nil
i konst
nt
regresi kecil (sem
kin mendek
ti
nol, sem
kin b
ik); nil
i koefisien determin
si (R2) bes
r (sem
kin mendek
ti s
tu, sem
kin b
ik);
Metode ini p
d
prinsipny
mirip deng
n metode tipe 1; perbed
nny
h
ny
p
d
t
h
p (3), y
itu:
4.2.5.2 Metode
n
lisis l
ngk
h demi l
ngk
h tipe 2
T
h
p 3: Tentuk
n p
r
meter y
ng mempuny
i koefisien regresi y
ng terkecil d
n h
il
ngk
n p
r
meter tersebut. L
luk
n kemb
li
n
lisis regresi line
r berg
nd
d
n d
p
tk
n kemb
li nil
i koefisien determin
si sert
nil
i konst
nt
d
n koefisi
en regresiny
.
126 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
Sesu
i deng
n n
m
ny
, metode ini mel
kuk
n 4.2.5.3 Metode cob
cob
proses cob
cob
d
l
m menentuk
n p
r
meter y
ng dipilih. Sec
r
lengk
p, t
h
p
n metode
d
l
h seb
g
i berikut. T
h
p 1: S
m
deng
n t
h
p (1) metode 1. T
h
p 2: Tentuk
n
beber
p
model deng
n menggun
k
n beber
p
kombin
si peub
h beb
s sec
r
cob
c
ob
berd
s
rk
n uji korel
si y
ng dih
silk
n p
d
t
h
p 1. Kemudi
n, l
kuk
n
n
h
p (5) p
d
metode l
ngk
h demi l
ngk
h tipe 1. Ketig
metode
n
lisis tersebut
di
t
s diter
pk
n untuk memperkir
k
n b
ngkit
n perger
k
n di propinsi J
w
B
r
t deng
n 25 k
bup
ten/kot
m
dy
seb
g
i unit zon
. D
t
b
ngkit
n perger
k
n d
id
p
tk
n d
ri inform
si m
triks
s
ltuju
n p
d
t
hun 1995, sed
ngk
n beber
p
p
r
meter sosio ekonomi y
ng dip
k
i seb
g
i peub
h beb
s did
p
tk
n d
ri Biro Pu
s
t St
tistik (J
w
B
r
t D
l
m Angk
T
hun 1995); lih
t t
bel 4.4.
4.2.5.4 Pener
p
n di Propinsi J
w
B
r
t
T
bel 4.4 Juml
h b
ngkit
n d
n peub
h perger
k
n per k
bup
ten di Propinsi J
w
B
r
t
No K
bup
ten Juml
h P
nj
ng B
ngkit
n Juml
h rum
h j
l
n di
sp
l perger
k
n pend
uduk s
kit (km) Y1 12.035.567 7.647.167 X1 926.316 963.307 X2 1 3 10 3 2 10 2 2
2 3 5 2 1 2 3 2 3 7 5 3 5 3 23 8 6 X3 470 387 1.581 813 765 2.406 713 822 1.240
508 555 746 574 507 563 483 577 709 945 708 260 142 844 146 205 Juml
h perus
h
n perd
g
ng
n X4 5.706 2.418 10.421 4.282 5.204 12.324 6.217 11.364 10.705 5.717
8.285 7.727 5.044 7.928 10.747 3.171 6.499 13.796 18.610 8.751 6.504 2.080 41.0
38 5.103 Juml
h k
m
r hotel berbint
ng X5 PDRB (jut
rupi
h)
1 P
degl
ng 2 Leb
k 3 Bogor 4 Suk
bumi 5 Ci
njur 6 B
ndung 7 G
rut 8 T
sikm
l
y
9 Ci
mis 10 Kuning
n 11 Cirebon 12 M
j
lengk
13 Sumed
ng 14 Indr
m
yu 15 Sub
n
g 16 Purw
k
rt
17 K
r
w
ng 18 Bek
si 19 T
nger
ng 20 Ser
ng 21 Kody
Bogor 22 K
ody
Suk
bumi 23 Kody
B
ndung 24 Kody
Cirebon 25 Kody
T
nger
ng
X6 582 1.053.924 971.543
39.564.090 3.592.646 18.150.017 1.930.097 13.658.862 1.766.413 85.239.366 3.471.
886 13.539.514 1.767.732 20.590.334 1.892.301 16.650.852 1.485.334 8.338.062 929
.320 19.682.714 1.757.629 9.973.952 1.091.130 7.504.292 871.440 14.707.679 1.537
.392 9.677.077 1.211.990 6.769.081 616.852 11.163.886 1.565.355 17.463.903 2.383
.771 13.578.144 1.882.352 19.972.140 1.618.534 20.753.695 2.941.253 7.952.916 66
5.731 229.748 255.677
1.036 6.464.158 385 2.111.595 1.322 1.992.958 316 7.514.143 40 2.253.897 87 2.09
6.317 60 2.067.602 70 896.980 166 1.777.528 1.043.769 1.090.687 4.964.716 120 1.
667.729 131 980.760 174 2.798.437 449 6.509.838 197 4.040.121 601 5.419.289 115
1.045.309 28 503 512.680 854.718 2.917 6.349.876 203 6.014.924
57.742.897 1.822.913 7.430.548 1.049.265
Sumber: J
w
B
r
t D
l
m Angk
t
hun 1995
Model b
ngkit
n perger
k
n 127
P
r
meter sosio ekonomi y
ng dipilih
d
l
h juml
h penduduk, rum
h s
kit, perus
n perd
g
ng
n, k
m
r hotel berbint
ng, p
nj
ng j
l
n di
sp
l, d
n PDRB, y
ng
d
p
t dilih
t p
d
t
bel 4.4. T
h
p 1 d
ri seti
p metode
n
lisis y
ng
d
mensy
r
tk
n dil
kuk
nny
uji korel
si
nt
r
ses
m
peub
h beb
s d
n
nt
r
peub
h b
eb
s deng
n peub
h tid
k beb
s. H
l ini dil
kuk
n sesu
i deng
n persy
r
t
n st
t
istik y
ng h
rus dipenuhi, y
itu ses
m
peub
h beb
s tid
k boleh mempuny
i korel
si, sed
ngk
n
nt
r
peub
h beb
s deng
n peub
h tid
k beb
s h
rus mempuny
i kor
el
si. T
bel 4.5 berikut men
mpilk
n h
sil uji korel
si y
ng disy
r
tk
n.
T
bel 4.5 M
triks korel
si
nt
r
peub
h beb
s d
n peub
h tid
k beb
s No
1 2 3 4 5 6 7
Peub
h
Juml
h b
ngkit
n (Oi) Juml
h penduduk Juml
h rum
h S
kit P
nj
ng j
l
n di
sp
l (
km) Juml
h perus
h
n perd
g
ng
n Juml
h k
m
r hotel berbint
ng PDRB (d
l
m jut
rupi
h) Y1 X1 X2 X3 X4 X5 X6
Y1
1,00 0,73 0,69 0,81 0,59 0,50 0,68
X1
1,00 0,37 0,86 0,38 0,29 0,75
X2
1,00 0,31 0,80 0,80 0,60
X3
1,00 0,35 0,19 0,57
X4
1,00 0,75 0,49
X5
1,00 0,43
X6
1,00
D
p
t dilih
t p
d
t
bel 4.5 b
hw
peub
h beb
s X2 d
n X4 mempuny
i koefisien ko
rel
si = 0,8. Ini d
p
t di
ngg
p b
hw
peub
h beb
s X2 mempuny
i korel
si cukup
tinggi deng
n peub
h beb
s X4. J
di, berd
s
rk
n persy
r
t
n y
ng
d
, h
ny
s
l
h s
tu s
j
di
nt
r
kedu
peub
h beb
s tersebut y
ng boleh digun
k
n d
l
m mo
del n
ntiny
. Tentu y
ng d
p
t dip
k
i
d
l
h peub
h beb
s y
ng mempuny
i korel
si tinggi terh
d
p peub
h tid
k beb
sny
. D
l
m h
l ini, peub
h beb
s X2 y
ng te
rpilih k
ren
mempuny
i nil
i koefisien korel
si y
ng lebih tinggi terh
d
p peub
h tid
k beb
s Y1 dib
ndingk
n deng
n peub
h beb
s X4. Deng
n berd
s
rk
n h
sil
uji korel
si p
d
t
bel 4.5 d
p
t dil
kuk
n proses t
h
p demi t
h
p sesu
i deng
n prosedur. H
sil pemodel
n b
ngkit
n perger
k
n deng
n model
n
lisis l
ngk
h d
emi l
ngk
h tipe 1 d
p
t dilih
t p
d
t
bel 4.6. Berd
s
rk
n kriteri
y
ng tel
h
ditentuk
n, model terpilih untuk tipe 1 ini
d
l
h model y
ng dih
silk
n p
d
t
h
p ke 5. Beber
p
l
s
n y
ng menyeb
bk
n model t
h
p ke 5 y
ng dipilih
d
l
h
seb
g
i berikut: meskipun nil
i R2 (=0,665) y
ng dih
silk
n buk
n y
ng tertingg
i, t
nd
koefisien regresi peub
h beb
sny
sesu
i deng
n y
ng dih
r
pk
n (nil
i
positif). T
h
p ke 4 tid
k dipilih meskipun mempuny
i nil
i R2 (=0,882) k
ren
p
eub
h beb
s juml
h penduduk mempuny
i nil
i neg
tif (1,97). T
nd
koefisien regre
siny
bertol
k bel
k
ng deng
n y
ng dih
r
pk
n. Seh
rusny
, sem
kin bes
r juml
h
penduduk su
tu zon
, sem
kin bes
r pul
b
ngkit
n perger
k
nny
; buk
n m
l
h se
b
likny
. nil
i konst
nt
regresi (intersep) term
suk kecil jik
dib
ndingk
n de
ng
n h
sil t
h
p l
inny
.
128 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
T
bel 4.6 H
sil pemodel
n b
ngkit
n perger
k
n deng
n model
n
lisis l
ngk
h dem
il
ngk
h tipe 1 di Propinsi J
w
B
r
t
No
1 2 3 4 5
Peub
h
Intersep Juml
h penduduk Juml
h rum
h s
kit P
nj
ng j
l
n di
sp
l (km) Juml
h pe
rus
h
n perd
g
ng
n Juml
h k
m
r hotel berbint
ng PDRB (jut
rupi
h)
T
nd
y
ng P
r
meter dih
r
p model k
n
+/ + + + + c X1 X2 X3 X4
T
h
p 1 2 3 4 5 6
6.727.467 6.688.372 6.960.794 7.208.255 4.170.726 3.082.046 2,92 2.183.350 28.546 218
7 2.165.015 28.621 223 3,15 1.859.396 28.292 1,97 1.955.864 27.695 26.962 2,43
45
6
+ +
X5 X6 R
2
213 0,44 0,886 23,417
0,45 0,886 29,656
0,53 0,883 37,779
0,882 52,196
0,665 21,856
0,662 45,029
7
F St
t
T
bel 4.7 memperlih
tk
n h
sil pemodel
n b
ngkit
n perger
k
n deng
n menggun
k
n
model
n
lisis l
ngk
h demi l
ngk
h tipe 2. Berd
s
rk
n kriteri
y
ng
d
, mode
l y
ng terb
ik
d
l
h model t
h
p ke 5. Peub
h beb
s y
ng menentuk
n b
ngkit
n p
erger
k
n
d
l
h juml
h rum
h s
kit d
n p
nj
ng j
l
n y
ng di
sp
l. H
sil ini ku
r
ng begitu diterim
sec
r
logik
k
ren
p
r
meter juml
h penduduk y
ng seh
rus
ny
lebih menentuk
n b
ngkit
n perger
k
n m
l
h tid
k term
suk d
l
m peub
h beb
s terpilih.
T
bel 4.7 H
sil pemodel
n b
ngkit
n perger
k
n deng
n metode
n
lisis l
ngk
h de
mil
ngk
h tipe 2 di Propinsi J
w
B
r
t
No
1 2 3 4
Peub
h
Intersep Juml
h penduduk Juml
h rum
h s
kit P
nj
ng j
l
n di
sp
l (km) Juml
h pe
rus
h
n perd
g
ng
n Juml
h k
m
r hotel berbint
ng PDRB (jut
rupi
h)
T
nd
y
ng P
r
meter model dih
r
p k
n
c + + + X1 X2 X3
T
h
p 1 2 3 4 5 6
5.947.975 2.707.143
6.727.467 6.959.532 7.750.005 8.116.695 7.983.920 2,92 2.183.350 28.546 1,91 2.298.466
27.993 2284361 25.254 2.099.465 24.779 1.914.231 24.914
5
+
X4
218
223
214
6
+ +
X5 X6 R
2
213 0,44 0,894 23,417
475
809
1.662 0,881 51,750
0,880 80,427
0,481 21,277
7
0,886 29,396
0,884 37,966
F St
t
Model b
ngkit
n perger
k
n 129
Penyeb
bny
d
l
h k
ren
p
d
tipe 2 ini penentu
n peub
h beb
s terpilih terg
n
tung p
d
nil
i koefisien regresiny
. Peub
h beb
s juml
h penduduk dihil
ngk
n k
ren
p
d
t
h
p ke 2 mempuny
i nil
i koefisien regresi terkecil. Penyeb
b h
l i
ni
d
l
h k
ren
nil
i peub
h beb
s juml
h penduduk bersk
l
jut
n, y
ng tentu
s
ng
t berbed
deng
n nil
i peub
h beb
s y
ng l
in, mis
lny
juml
h rum
h s
kit
y
ng h
ny
bersk
l
s
tu
n. J
di d
p
t disimpulk
n, b
hw
model
n
lisis l
ngk
h
demi l
ngk
h tipe 2 h
ny
bis
digun
k
n jik
s
tu
n nil
i seti
p peub
h beb
s
kir
kir
s
m
. T
bel 4.8 memperlih
tk
n h
sil pemodel
n b
ngkit
n perger
k
n de
ng
n menggun
k
n model
n
lisis cob
cob
. Deng
n model ini kit
d
p
t membu
t b
ny
k kombin
si model beber
p
di
nt
r
ny
d
p
t dilih
t p
d
t
bel 4.8. Berd
s
rk
n kriteri
y
ng
d
, model y
ng terb
ik d
ri 6 kombin
si y
ng
d
d
l
h mod
el kombin
si 2. Al
s
nny
d
l
h: terd
p
t lim
peub
h beb
s y
ng terlib
t; tig
di
nt
r
ny
mempuny
i nil
i koefisien regresi positif, sed
ngk
n koefisien reg
resi y
ng mempuny
i t
nd
neg
tif nil
iny
cukup kecil. nil
i R2 (=0,749) cukup
tinggi dib
ndingk
n deng
n model kombin
si l
in; nil
i konst
nt
regresi (inters
ep) tid
k begitu b
ny
k berbed
deng
n model kombin
si l
in.
T
bel 4.8 H
sil pemodel
n b
ngkit
n perger
k
n deng
n metode
n
lisis cob
cob
di Propinsi J
w
B
r
t
No Peub
h T
nd
y
ng P
r
meter Model dih
r
p k
n
C (+) (+) (+) (+) X1 X2 X3 X4
Kombin
si 1 2 3 4 5 6
1 Intersep 2 Juml
h penduduk 3 Juml
h rum
h s
kit 4 P
nj
ng j
l
n di
sp
l (km) 5
Juml
h perus
h
n perd
g
ng
n 6 Juml
h k
m
r hotel berbint
ng 7 PDRB (jut
rupi
h)
6.727.467 9.083.243 6.688.372 8.277.712 9.081.142 8.402.539 2,92 2.183.350 28.546 218
,28 2.611.123 1,28 2,97 2.165.015 28.621 223 13,14 2.189.583 109 13,28 2.612.354 1
,96 2.039.309
(+) (+)
X5 X6 R
2
213 0,44 0,886 23,417
4.913 0,85 0,749 11,357
0,45 0,886 29,656
0,69 0,740 14,232
4.909 0,85 0,749 14,943
0,65 0,739 19,843
F St
t
4.2.6 K
ji
n empiris y
ng menggun
k
n model
n
lisis regresi
P
d
t
hun 1954, Urb
n Tr
ffic: A 4.2.6.1 K
ji
n l
lulint
s di kot
Detroit Func
tion of L
nd Use ditulis oleh Mitchell
nd R
pkin. Sej
k itu, b
ny
k
130 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
peneliti
n d
n k
ji
n empiris y
ng dil
kuk
n untuk mempel
j
ri b
ngkit
n perger
k
n untuk semu
jenis t
t
gun
l
h
n d
n untuk semu
jenis perger
k
n.
T
bel 4.9 Peub
h t
rik
n perger
k
n h
sil k
ji
n di Amerik
Serik
t K
ji
n
W
shingston D.C. New Orle
ns K
ns
s City Ft. Worth Ch
rleston N
shville Ch
tt
no
og
W
terbury Erie Greensboro Forgo Pekerj
n: E = tot
l l
p
ng
n kerj
= l
p
ng
n kerj
khusus EV = l
p
ng
n kerj
buruh EB Temp
t toko ecer
n: SR = toko ecer
n = toko sw
l
y
n SP D
er
h: = lu
s d
er
h komersi
l AC Ciri rum
h t
ngg
: P = p
opul
si DU = juml
h unit perum
h
n DRD = unit perum
h
n per kep
d
t
n permukim
n
I = pend
p
t
n
Tuju
n bekerj
n
Sumber: Bl
ck (1981)
Kit
k
n mengilustr
sik
n pemodel
n bes
rny
b
ngkit
n perger
k
n untuk d
er
h
permukim
n. K
ji
n terd
hulu menggun
k
n emp
t peub
h beb
s untuk menghitung b
n
gkit
n perger
k
n (8090% d
ri perger
k
n di neg
r
B
r
t
d
l
h berb
sis rum
h),
y
itu pemilik
n kend
r
n, kep
d
t
n permukim
n, j
r
k ke d
er
h pus
t kot
, d
n
pend
p
t
n. Hubung
n
nt
r
seti
p peub
h beb
s (sosioekonomi d
n/
t
u t
t
gun
l
h
n) terh
d
p b
ngkit
n perger
k
n tersebut d
p
t diilustr
sik
n d
l
m g
mb
r 4.5. Terny
t
, peub
h beb
s juml
h mobil per rum
h t
ngg
, pend
p
t
n, d
n j
r
k d
ri pus
t kot
berkorel
si positif terh
d
p b
ngkit
n perger
k
n. Artiny
, p
eningk
t
n p
d
s
l
h s
tu peub
h beb
s
k
n meningk
tk
n b
ngkit
n perger
k
n.
Seb
likny
, peub
h beb
s kep
d
t
n rum
h t
ngg
(juml
h rum
h t
ngg
per s
tu
n
lu
s zon
) berkorel
si neg
tif;
rtiny
sem
kin p
d
t d
er
h tersebut, sem
kin r
end
h b
ngkit
n perger
k
nny
.
Model b
ngkit
n perger
k
n 131
12 8 4
12 8 4
0 0,4 0,8 mobil/kelu
rg
1,2
0 0,4 0,8 1,2 j
r
k ke DPB (mil)
12 8 4
12 8 4
0 0,4 0,8 1,2 pend
p
t
n (indeks)
0 0,4 0,8 kelu
rg
/
rc 1,2
G
mb
r 4.5 B
ngkit
n perger
k
n deng
n peub
h y
ng berbed
bed
di Detroit
Ak
n tet
pi, jik
metode
n
lisis line
r berg
nd
ini digun
k
n di kot
W
shingt
on deng
n peub
h beb
s sosio ekonomi d
n t
t
gun
l
h
n y
ng s
m
deng
n kot
D
etroit,
k
n dih
silk
n model y
ng berbed
:
Y = 4,33 + 3,89 X 1 0,128 X 2 0,005 X 3 0,012 X 4
Y = juml
h perger
k
n per rum
h t
ngg
per zon
X1 = r
t
r
t
juml
h mobil per
rum
h t
ngg
di zon
i X2 = j
r
k zon
i d
ri pus
t kot
W
shington d
l
m mil X3
= or
ng per s
tu
n lu
s di zon
i X4 = r
t
r
t
pend
p
t
n rum
h t
ngg
(ribu
n dol
r) di zon
i D
p
t dit
fsirk
n b
hw
seti
p unit t
mb
h
n r
t
r
t
juml
h
kend
r
n per rum
h t
ngg
,
k
n meningk
tk
n b
ngkit
n perger
k
n sebes
r 3,89
perger
k
n per h
ri, d
n begitu seterusny
untuk peub
h beb
s l
in. S
ng
t men
n di
t
s mempu
ny
i t
nd
y
ng berbed
deng
n y
ng diperkir
k
n d
ri g
mb
r 4.9 untuk kot
Detr
oit, khususny
untuk peub
h j
r
k zon
ke pus
t kot
d
n pend
p
t
n rum
h t
ngg
. Ini membuktik
n b
hw
meskipun peub
h beb
s sosio ekonomi d
n t
t
gun
l
h
nn
y
s
m
, peril
ku b
ngkit
n perger
k
n di kedu
kot
itu berbed
k
ren
mem
ng k
ot
Detroit d
n W
shington memiliki ciri y
ng berbed
, meskipun ber
d
di neg
r
y
ng s
m
. Bis
dib
y
ngk
n
p
bil
kit
menggun
k
n pers
m
n kot
W
shington
untuk kot
B
ndung
t
u DKI J
k
rt
.
132 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
H
l ini tentuny
k
n mengh
silk
n t
ksir
n b
ngkit
n perger
k
n y
ng s
ng
t ber
bed
d
ri keny
t
nny
k
ren
mem
ng ciri kedu
kot
tersebut p
sti s
ng
t berbe
d
(W
shington ber
d
di neg
r
m
ju sed
ngk
n DKI J
k
rt
di neg
r
sed
ng berk
emb
ng).
4.2.6.2 K
ji
n pengemb
ng
n j
ring
n j
l
n di Pul
u J
w
T
min (1997
) mengk
ji t
h
p
n perhitung
n b
ngkit
n d
n t
rik
n perger
k
n y
ng
merup
k
n fungsi d
ri beber
p
peub
h beb
s berup
p
r
meter sosio ekonomi d
n
t
t
gun
l
h
n. Pul
u J
w
dib
giny
menj
di beber
p
zon
y
ng berb
sis k
bup
ten seb
g
i unit terkecil.
Terd
p
t tig
jenis b
ngkit
n d
n t
rik
n perger
k
n y
ng diingink
n y
itu untuk
penump
ng, b
r
ng, d
n kend
r
n. Beber
p
peub
h beb
s berup
p
r
meter sosio
ekonomi d
n t
t
gun
l
h
n tel
h digun
k
n
nt
r
l
in popul
si, PDRB, PDRB per
k
pit
, lu
s industri, produksi pert
ni
n, perkebun
n, d
n perik
n
n. Uji korel
si
nt
r
ses
m
peub
h beb
s d
n
nt
r
peub
h beb
s deng
n peub
h tid
k beb
s
h
rus dil
kuk
n seb
g
i persy
r
t
n st
tistik ut
m
d
l
m proses pemodel
n b
ng
kit
n d
n t
rik
n perger
k
n. Setel
h mel
lui proses l
ngk
h demi l
ngk
h (lih
t
subb
b 4.2.4) did
p
t h
sil pemodel
n b
ngkit
n/t
rik
n perger
k
n p
d
t
bel 4
.104.12.
T
bel 4.10 Korel
si b
ngkit
n d
n t
rik
n deng
n peub
hny
untuk zon
J
w
B
r
t
d
n DKI J
k
rt
Peub
h t
k beb
s
T
rik
n penump
ng T
rik
n kend
r
n T
rik
n b
r
ng B
ngkit
n penump
ng B
ngkit
n
kend
r
n B
ngkit
n b
r
ng Dd pnp
Pers
m
n regresi
= 12,324 X1 0,008 X1 2,285 X1 + 74,7153 9.591.866,4606 6.805,6904 X2 1.830.874,8
960 9.658.075,9873 1.953.498,4519 X2 2.014.293,0930
R
2
0,7846 0,9214 0,9050 0,8121 0,9513 0,9141
Dd kend = Dd kom OI pnp OI kend Oi kom =
= 12,386 X1 = = 0,009 X1 2,358 X1 + 244,4363
X1 = Juml
h penduduk
X2 = PDRB per k
pit
(ribu
n rupi
h)
T
bel 4.11 Korel
si b
ngkit
n d
n t
rik
n deng
n peub
hny
untuk zon
J
w
Teng
h d
n DI Yogy
k
rt
Peub
h t
k beb
s
T
rik
n penump
ng T
rik
n kend
r
n T
rik
n b
r
ng B
ngkit
n penump
ng B
ngkit
n
kend
r
n B
ngkit
n b
r
ng Dd pnp =
Pers
m
n regresi
17,7255 X1 + 4.788,709 0,0069 X1 + 2,2308 2,3566 X1 + 969,0871 18,5003 X1 + 4.95
3,382 0,0053 X1 + 2,1705 2,3930 X1 + 973,0038
R
2
X2 11.403.673,06 0,5779 X2 4.927,6265 X2 1.569.031,53 0,4300 0,6026
Dd kend = Dd kom OI pnp OI kend Oi kom = = = =
T
bel 4.12 Korel
si b
ngkit
n d
n t
rik
n deng
n peub
hny
untuk zon
J
w
Timur
Peub
h t
k beb
s
T
rik
n penump
ng T
rik
n kend
r
n T
rik
n b
r
ng B
ngkit
n penump
ng B
ngkit
n
kend
r
n B
ngkit
n b
r
ng Dd pnp =
Pers
m
n regresi
13,5417 X1 + 21.018,3 0,0115 X1 + 18,7714 3,9548 X1 + 780,87 13,6368 X1 + 21,100
,9 0,0110 X1 + 18,4785 4,0526 X1 + 7.902,21
R
2
X2 18.740.401,1 0,6121 X2 17.562,4125 0,5851
Dd kend = Dd kom Oi pnp Oi kend Oi kom = = = =
X2 6.238.614,26 0,6348 X2 18.820.746,5 0,6137 X2 16.967,8814 0,5569
X2 6.368.438,37 0,6343
X1 = Juml
h penduduk
X2 = PDRB per k
pit
(ribu
n rupi
h)
D
ri ketig
t
bel tersebut terlih
t b
hw
p
r
meter juml
h penduduk d
n PDRB per
k
pit
merup
k
n peub
h beb
s y
ng domin
n d
l
m mengh
silk
n b
ngkit
n d
n t
r
ik
n perger
k
n. Terlih
t b
hw
seti
p propinsi mempuny
i model b
ngkit
n d
n t
rik
n y
ng berbed
bed
, men
nd
k
n peril
ku d
n ciri m
sing m
sing.
4.2.6.3 K
ji
n st
nd
ris
si b
ngkit
n d
n t
rik
n l
lulint
s di zon
B
ndung R
y
n m
tem
tis y
ng diturunk
n mel
lui
n
lisis regresi berd
s
rk
n d
t
d
ri h
sil
survei l
p
ng
n (survei primer d
n sekunder). Bentuk pers
m
n regresi y
ng
k
n dikemb
ngk
n seb
g
i model d
l
m k
ji
n ini dib
gi menj
di du
kelompok ut
m
n regresi peub
h tungg
l (h
ny
memiliki s
tu peub
h beb
s)
. Bentuk umum pers
m
n regresi peub
h tungg
l d
p
t berup
: Y = A + BX (line
r)
(line
r log
ritmik) (line
r p
ngk
t) (line
r eksponensi
l)
Y = A + B log e ( X ) Y = A (X )
B
Y = Ae [BX ]
pers
m
n regresi berg
nd
(memiliki lebih d
ri s
tu peub
h beb
s). Bentuk umumn
y
d
l
h seb
g
i berikut:
Y = A + B 1 X 1 + B 2 X 2 + ... + B N X N
Y X1, X2, XN = peub
h tid
k beb
s (b
ngkit
n
t
u t
rik
n) = peub
h beb
s (k
r
k
teristik t
t
gun
l
h
n)
A, B1, B2, BN = konst
nt
d
n koefisien regresi Sel
in model
n
lisis regresi, u
ntuk penggun
n model y
ng lebih pr
ktis d
p
t jug
digun
k
n model trip r
te (t
ingk
t b
ngkit
n perger
k
n r
t
r
t
per s
tu
n peub
h beb
s). H
l y
ng perlu d
iperh
tik
n
d
l
h ber
p
j
uh bes
r
n y
ng dih
silk
n deng
n menggun
k
n nil
i
r
t
r
t
tersebut menyimp
ng d
ri kurv
model y
ng dih
silk
n.
134 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
D
t
y
ng digun
k
n untuk pengemb
ng
n model b
ngkit
n d
n t
rik
n l
lulint
s di
kumpulk
n d
ri k
w
s
n y
ng sesu
i deng
n k
w
s
n tinj
u
n, y
itu perk
ntor
n, p
endidik
n, d
n perum
h
n. Ag
r d
p
t mew
kili seluruh k
w
s
n tinj
u
n di zon
B
ndung R
y
, dipilih lok
si berd
s
rk
n p
tok
n k
r
kteristik d
n lok
si. Lok
si
perk
ntor
n dipilih d
ri k
ntor pemerint
h, sw
st
, d
n k
ntor pel
y
n
n m
sy
r
k
t. Sement
r
itu, lok
si sekol
h dipilih
nt
r
sekol
h d
s
r, sekol
h meneng
h pert
m
, sekol
h mengeng
h umum, d
n perguru
n tinggi. Perum
h
n, di
nt
r
ny
perum
h
n BTN, perumn
s d
n huni
n mew
h. Semu
lok
si dipilih terseb
r di zon
B
ndung R
y
. Ag
r diperoleh model y
ng optimum, perlu dipilih peub
h beb
s (d
ri k
r
kteristikny
) y
ng p
ling signifik
n (p
ling tinggi korel
si st
tistikny
deng
n b
ngkit
n d
n t
rik
n perger
k
n). Untuk k
w
s
n perk
ntor
n, peub
h be
b
s y
ng p
ling signifik
n
d
l
h juml
h peg
w
i, sed
ngk
n k
r
kteristik l
inny
seperti lu
s t
n
h d
n b
ngun
n, meskipun tid
k sesignifik
n juml
h peg
w
i, j
ug
memiliki korel
si y
ng tid
k terl
lu kecil. Untuk k
w
s
n pendidik
n, lu
s t
n
h d
n b
ngun
n memiliki korel
si y
ng s
ng
t rend
h deng
n b
ngkit
n d
n t
ri
k
n perger
k
n; seb
likny
, peub
h tid
k beb
s y
ng d
p
t mengg
mb
rk
n b
ngkit
n d
n t
rik
n k
w
s
n pendidik
n
d
l
h juml
h kel
s, juml
h murid, juml
h guru,
d
n juml
h k
ry
w
n (non guru). Untuk perum
h
n, peub
h rum
h t
ngg
y
ng p
lin
g signifik
n
d
l
h juml
h penghuni, juml
h pemilik
n kend
r
n, d
n lu
s b
ngun
n
t
u tipe rum
h. Model
khir diperoleh mel
lui proses k
libr
si d
n dipilih y
ng optimum d
ri h
sil uji st
tistik. H
sil
khir model untuk seti
p k
w
s
n mel
ib
tk
n peub
h beb
s y
ng p
ling signifik
n. H
sil
khir model b
ngkit
n d
n t
r
ik
n perger
k
n untuk zon
B
ndung R
y
d
p
t dilih
t p
d
t
bel 4.13 d
n p
d
g
mb
r 4.64.7.
4.2.7 Model regresi berb
sis rum
h t
ngg
Ker
g
m
n d
l
m su
tu zon
(intr
zon
) mungkin bis
dikur
ngi deng
n memperkecil
lu
s zon
,
p
l
gi jik
zon
tersebut homogen. Ak
n tet
pi, zon
y
ng lebih kec
il jug
k
n mempuny
i ker
g
m
n y
ng cukup bes
r d
n mempuny
i du
konsekuensi:
model menj
di lebih m
h
l d
l
m h
l pengumpul
n d
t
, k
libr
si, d
n oper
si; g
l
t s
mpel menj
di lebih tinggi.
K
ren
itu, s
ng
tl
h m
suk
k
l jik
kit
merumusk
n model y
ng tid
k berd
s
rk
n b
t
s zon
. P
d
w
l t
hun 1970
n, unit
n
lisis y
ng p
ling cocok
d
l
h r
um
h t
ngg
(buk
n individu). P
d
pener
p
n pemodel
n berb
sis rum
h t
ngg
, d
t
seti
p rum
h dip
k
i seb
g
i m
suk
n d
t
vektor sehingg
semu
fluktu
si men
gen
i ciri rum
h t
ngg
d
n peril
kuny
d
p
t semu
ny
dipertimb
ngk
n d
l
m mod
el tersebut. Proses k
libr
si menggun
k
n metode l
ngk
h demi l
ngk
h, menguji s
eti
p peub
h sec
r
berg
nti
n s
mp
i did
p
tk
n model terb
ik.
Model b
ngkit
n perger
k
n 135
T
bel 4.13 Model b
ngkit
n d
n t
rik
n di zon
B
ndung R
y
B
ngkit
n K
w
s
n/t
t
gun
l
h
n Pers
m
n model
Y = 2,123 (X1) + 4,785 (X 2) + 12,776 Y = 19,144 (X 3) Sekol
h d
s
r (kend
r
n/
j
m)
0,7009
T
rik
n Koefisien 2 determin
si (R )
0,48 0,52 0,99 0,85 0,51 0,65 0,98 0,93 0,67 0,95 0,41 0,94 0,70 Y = 0,2178 (X 1
1) + 0,0127 Y = 0,2915 (X 10) + 0,6896 0,91 0,85
Pers
m
n model
Y = 1,639 (X1) + 8,437 (X 2) + 33,897 Y = 28,881 (X 3)
0,7546
Koefisien determin
si (R2)
0,41 0,53 0,98 0,83 0,51 0,60 0,96 1,00 0,69 0,90
Perk
ntor
n (kend
r
n/j
m)
Y = 477,455 (X 4) + 1,0621 Y = 154,62 loge (X 5) 152,14
Y = 47,69 (X 4) + 10,21 Y = 154,28 loge (X 5) 141,42 Y = 21,383 e Y = 28,487 e
0,6108 (X ) 6 0,7332 (X ) 7
Sekol
h l
njut
n (kend
r
/j
m)
Y = 4,2492 e Y = 5,2243 e
0,7891 (X ) 6 0,98 (X ) 7
Perguru
n tinggi (kend
r
n/j
m)
Y = 172,82 loge (X 8) 307,61 Y = 2,3427 (X 9) + 260,42 Y = 0,2109 (X 10) + 3,028
4
Y = 164,53 loge (X 8) 165,58 Y = 2,3383 (X 9) + 367,72 Y = 0,4359 (X 10) + 1,122
3 Y = 1,1413 loge (X 11) + 0,2104
Perum
h
n (or
ng/j
m)
Y = 2,0974 loge (X 11) + 0,327 Y = 1,2892 (X 12)
0,2552
Perum
h
n (kend
r
n/j
m)
Y = 0,3912 (X 11) 0,0406 Y = 1,2954 e
0,2053 (X10)
Keter
ng
n: lu
s t
n
h k
ntor X1 : lu
s b
ngun
n k
ntor X2 : X3 : juml
h peg
w
i
k
ntor lu
s l
nt
i sekol
h d
s
r X4 : X5 : juml
h b
ngku sekol
h d
s
r juml
h k
el
s sekol
h l
njut
n X6 : Sumber: LPM ITB (1998
)
(per 1000 m2) (per 1000 m2) (per 100 or
ng) (per 100 m2) (per 100 b
ngku) (per 1
0 kel
s)
X7 X8 X9 X 10 X 11 X 12
: : : : : :
juml
h k
ry
w
n sekol
h l
njut
n lu
s b
ngun
n perguru
n tinggi juml
h k
ry
w
n
perguru
n tinggi juml
h kepemilik
n kend
r
n tot
l juml
h penghuni lu
s b
ngun
n/tipe rum
h
(per 10 or
ng) (per 1000 m2) (per 10 or
ng) (mobil d
n motor) (or
ng) (m2)
136 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
K
w
s
n Perk
ntor
n
K
ntor (Gener
l Office) T
rik
n T
rik
n Kend
r
n R
t
r
t
vs Juml
h Peg
w
i
P
d
: J
m Punc
k H
ri Kerj
Juml
h Peng
m
t
n : 10 R
t
r
t
Juml
h Peg
w
i : 1
9,5 Tingk
t T
rik
n per 100 or
ng Peg
w
i
T
rik
n R
t
r
t
30,34 Interv
l 6,74
77,14 St
nd
r Devi
si 24,95
K
w
s
n Pendidik
n
Sekol
h L
njut
n (High School) B
ngkit
n B
ngkit
n Kend
r
n R
t
r
t
vs Juml
h Kel
s P
d
: J
m Punc
k H
ri Kerj
Juml
h Peng
m
t
n : 9 R
t
r
t
Juml
h Kel
s : 2,9 Tingk
t B
ngkit
n per 10 Kel
s
B
ngkit
n R
t
r
t
34,02 Interv
l 2,73
99,09 St
nd
r Devi
si 38,88
(x100) or
ng
(x10) kel
s
Plot D
t
d
n Pers
m
n Model
300
Plot D
t
d
n Pers
m
n Model
600
250
500
Y = B
ngkit
n (kend
r
n/j
m)
Y = T
rik
n (kend
r
n/j
m)
200
400
150
300
100
200
50
100
0 0 2 4 6 8 10 12 14 16
0 0 1 2 3 4 5 6
X = Juml
h Peg
w
i (per 100 or
ng) D
t
H
sil Peng
m
t
n Kurv
Model Kurv
d
ri
Nil
i R
t
r
t
X = Juml
h Kel
s (per 10 kel
s) D
t
H
sil Peng
m
t
n Kurv
Model Kurv
d
ri Nil
i R
t
r
t
Pers
m
n Model :
Y = 28.881(X) 2 R = 0,53
0.7546
Pers
m
n Model :
Y = 4.2492 e 2 R = 0,51
0.7891(X)
K
w
s
n Perk
ntor
n
K
ntor (Gener
l Office) B
ngkit
n B
ngkit
n Kend
r
n R
t
r
t
vs Juml
h Peg
w
i P
d
: J
m Punc
k H
ri Kerj
Juml
h Peng
m
t
n : 10 R
t
r
t
Juml
h Peg
w
i
: 19,5 Tingk
t B
ngkit
n per 100 or
ng Peg
w
i
B
ngkit
n R
t
r
t
19,52 Interv
l 5,05
56,98 St
nd
r Devi
si 18,50
K
w
s
n Pendidik
n
Sekol
h L
njut
n (High School) T
rik
n T
rik
n Kend
r
n R
t
r
t
vs Juml
h K
el
s P
d
: J
m Punc
k H
ri Kerj
Juml
h Peng
m
t
n : 9 R
t
r
t
Juml
h Kel
s :
2,9 Tingk
t T
rik
n per 10 Kel
s
T
rik
n R
t
r
t
71,61 Interv
l 11,21 166,36 St
nd
r Devi
si 56,70
(x100) or
ng
(x10) kel
s
Plot D
t
d
n Pers
m
n Model
250
Plot D
t
d
n Pers
m
n Model
800
700
200
Y = B
ngkit
n (kend
r
n/j
m)
Y = T
rik
n (kend
r
n/j
m)
600
150
500
400
100
300
200
50
100
0 0 2 4 6 8 10 12 14 16
0 0 1 2 3 4 5 6
X = Juml
h Peg
w
i (per 100 or
ng) D
t
H
sil Peng
m
t
n Kurv
Model Kurv
d
ri
Nil
i R
t
r
t
X = Juml
h Kel
s (per 10 kel
s) D
t
H
sil Peng
m
t
n Kurv
Model Kurv
d
ri Nil
i R
t
r
t
Pers
m
n Model :
Y = 19.144 (X) 2 R = 0,52
0.7009
Pers
m
n Model :
Y = 21.383 e 2 R = 0,51
0.6108(X)
G
mb
r 4.6 Model b
ngkit
n d
n t
rik
n zon
B
ndung R
y
untuk k
w
s
n perk
ntor
n d
n pendidik
n Sumber: LPM ITB (1998
)
Model b
ngkit
n perger
k
n
137
K
w
s
n Perum
h
n
Perum
h
n (Gener
l Housing)
B
ngkit
n B
ngkit
n Perger
k
n Or
ng R
t
r
t
vs
Juml
h Penghuni P
d
: J
m Punc
k H
ri Kerj
Juml
h Peng
m
t
n : 452 Juml
h Kelo
mpok Peng
m
t
n : 9 R
t
r
t
Juml
h Penghuni : 4,5 Tingk
t B
ngkit
n (or
ng/j
m
) per Penghuni
B
ngkit
n R
t
r
t
0,69 Interv
l 0,54 0,90 St
nd
r Devi
si 0,10
K
w
s
n Perum
h
n
Perum
h
n (Gener
l Housing)
T
rik
n T
rik
n Perger
k
n Or
ng R
t
r
t
vs Juml
h Penghuni P
d
: J
m Punc
k H
ri Kerj
Juml
h Peng
m
t
n : 452 Juml
h Kelompok
Peng
m
t
n : 9 R
t
r
t
Juml
h Penghuni : 4,5 Tingk
t T
rik
n (or
ng/j
m) per
Penghuni
T
rik
n R
t
r
t
0,39 Interv
l 0,31 0,50 St
nd
r Devi
si 0,06
per rum
h t
ngg
per rum
h t
ngg
Plot D
t
d
n Pers
m
n Model
7,0
Plot D
t
d
n Pers
m
n Model
4,0
6,0
3,5
Y = B
ngkit
n (or
ng/j
m)
5,0
3,0
Y = T
rik
n (or
ng/j
m)
0 1 2 3 4 5 6 7 8 9 10
2,5
4,0
2,0
3,0
1,5
2,0
1,0 1,0
0,5
0,0
0,0 0 1 2 3 4 5 6 7 8 9 10
X = Juml
h Penghuni Per Rum
h T
ngg
(or
ng/rum
h) D
t
H
sil Peng
m
t
n Kurv
M
odel Kurv
d
ri Nil
i R
t
r
t
X = Juml
h Penghuni Per Rum
h T
ngg
(or
ng/rum
h) D
t
H
sil Peng
m
t
n Kurv
M
odel Kurv
d
ri Nil
i R
t
r
t
Pers
m
n Model :
Y = 2,0974 Ln(X) + 0,327 R2 = 0,95
Pers
m
n Model :
Y = 1,1413 Ln(X) + 0,2104 R2 = 0,90
K
w
s
n Perum
h
n
Perum
h
n (Gener
l Housing)
B
ngkit
n B
ngkit
n Perger
k
n Or
ng R
t
r
t
vs
Juml
h Kepemilik
n Kend
r
n P
d
: J
m Punc
k H
ri Kerj
Juml
h Peng
m
t
n : 45
2 Juml
h Kelompok Peng
m
t
n : 6 R
t
r
t
Juml
h Kend
r
n : 1,2
K
w
s
n Perum
h
n
Perum
h
n (Gener
l Housing)
T
rik
n T
rik
n Perger
k
n Or
ng R
t
r
t
vs Juml
h Kepemilik
n Kend
r
n P
d
: J
m Punc
k H
ri Kerj
Juml
h Peng
m
t
n : 452 Ju
ml
h Kelompok Peng
m
t
n : 6 R
t
r
t
Juml
h Kend
r
n : 1,2
per rum
h t
ngg
per rum
h t
ngg
Tingk
t B
ngkit
n (or
ng/j
m) per Kend
r
n y
ng Dimiliki
B
ngkit
n R
t
r
t
1,82 Interv
l 0,71 3,52 St
nd
r Devi
si 1,10
Tingk
t T
rik
n (or
ng/j
m) per Kend
r
n y
ng Dimiliki
T
rik
n R
t
r
t
1,02 Interv
l 0,46 1,70 St
nd
r Devi
si 0,49
Plot D
t
d
n Pers
m
n Model
10,0 9,0 8,0
Plot D
t
d
n Pers
m
n Model
6,0
5,0
Y = B
ngkit
n (or
ng/j
m)
Y = T
rik
n (or
ng/j
m)
7,0 6,0 5,0 4,0 3,0 2,0 1,0 0,0 0 1 2 3 4 5 6 7
4,0
3,0
2,0
1,0
0,0 0 1 2 3 4 5 6 7
X = Juml
h Kend
r
n Per Rum
h T
ngg
(kend
r
n/rum
h) D
t
H
sil Peng
m
t
n Ku
rv
Model Kurv
d
ri Nil
i R
t
r
t
X = Juml
h Kend
r
n Per Rum
h T
ngg
(kend
r
n/rum
h) D
t
H
sil Peng
m
t
n Ku
rv
Model Kurv
d
ri Nil
i R
t
r
t
Pers
m
n Model :
Y = 0,2109 (X) + 3,0284 R2 = 0,67
Pers
m
n Model :
Y = 0,435 (X) + 1,1223 R2 = 0,69
G
mb
r 4.7 Model b
ngkit
n d
n t
rik
n zon
B
ndung R
y
untuk k
w
s
n perum
h
n
Sumber: LPM ITB (1998
)
138 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
Kit
h
rus w
sp
d
deng
n p
ket progr
m y
ng menyedi
k
n proses l
ngk
h demil
ng
k
h sec
r
otom
tis k
ren
proses tersebut d
p
t s
j
meng
mbil tind
k
n y
ng be
rtol
k bel
k
ng deng
n tuju
n. Contoh 4.3 Pertimb
ngk
n peub
h perger
k
n per ru
m
h t
ngg
(Y), juml
h pekerj
(X1), d
n juml
h mobil (X2). T
bel 4.14 memperlih
tk
n h
sil l
ngk
h sec
r
berurut
n d
ri proses t
ksir
n l
ngk
h demi l
ngk
h.
B
ris ter
khir p
d
t
bel tersebut
d
l
h nil
i nisb
h t (pers
m
n 4.9). Deng
n
sumsi ukur
n s
mpel cukup bes
r, juml
h der
j
t kebeb
s
n (n2) jug
merup
k
n
ngk
y
ng bes
r sehingg
nil
i t d
p
t diperb
ndingk
n deng
n nil
i kritis 1,645
untuk tingk
t keperc
y
n 95%.
T
bel 4.14 Contoh proses l
ngk
h demi l
ngk
h T
h
p
1 2 3 Y = 2,36 X1 Y = 1,80 X1 + 1,31 X2 Y = 0,91 + 1,44 X1 + 1,07 X2
(3,7) (8,2) (4,2)
Pers
m
n
R
2
0,203 0,325 0,384
Model ketig
d
l
h pers
m
n y
ng b
ik, meskipun mempuny
i nil
i R2 y
ng kecil.
Nil
i intersep sebes
r 0,91 tid
kl
h terl
lu bes
r (jik
dib
ndingk
n deng
n f
ktor 1,44 d
ri juml
h pekerj
) sert
peub
hny
tid
k s
m
deng
n nol (H0
k
n di
tol
k p
d
semu
k
sus). Seb
g
i petunjuk untuk melih
t ber
p
b
ik model ini bi
s
did
p
t, deng
n memb
ndingk
n perger
k
n h
sil pemodel
n deng
n h
sil peng
m
t
n untuk beber
p
kelompok d
t
(lih
t t
bel 4.15). C
r
ini j
uh lebih b
ik d
rip
d
memb
ndingk
n juml
h k
ren
d
l
m h
l ini g
l
t l
in
k
n s
ling menutupi
sehingg
bi
s tid
k terdeteksi. D
p
t dilih
t b
hw
keb
ny
k
n sel mempuny
i g
l
t di b
w
h 30%.
T
bel 4.15 Perb
nding
n perger
k
n per rum
h t
ngg
(h
sil peng
m
t
n per h
sil
pemodel
n) Juml
h mobil
0 1 2
t
u lebih
Juml
h y
ng bekerj
d
l
m s
tu rum
h t
ngg
0
0,9/0,9 3,2/2,0
1
2,1/2,4 3,5/3,4 4,1/4,6
2
3,4/3,8 3,7/4,9 4,7/6,0
3
t
u lebih
5,3/5,6 8,5/6,7 8,5/7,8
4.2.8 M
s
l
h ketid
kline
r
n
Tel
h kit
lih
t b
hw
model regresi line
r meng
sumsik
n b
hw
seti
p peub
h be
b
s mempuny
i peng
ruh y
ng bersif
t line
r terh
d
p peub
h tid
k beb
s. Tid
kl
h mud
h mendeteksi k
sus ketid
kline
r
n k
ren
seben
rny
hubung
n line
r bis
berub
h menj
di tid
k line
r jik
terd
p
t peub
h t
mb
h
n l
in d
l
m model. Con
toh p
d
g
mb
r 4.8 memperlih
tk
n d
t
seti
p rum
h t
ngg
y
ng distr
tifik
sik
n sesu
i deng
n pemilik
n kend
r
n d
n juml
h pekerj
. Terlih
t b
hw
peril
ku
perger
k
n bersif
t tid
k line
r terh
d
p ukur
n rum
h t
ngg
.
Model b
ngkit
n perger
k
n 139
Penting diket
hui b
hw
terd
p
t kel
s peub
h y
ng mempuny
i sif
t ku
lit
tif y
ng mempuny
i peril
ku tid
k line
r (mis
lny
usi
, kel
min, pekerj
n). Sec
r
u
mum, terd
p
t du
metode y
ng d
p
t digun
k
n d
l
m mengg
bungk
n peub
hpeub
h t
id
k line
r d
l
m su
tu model, seb
g
im
n
y
ng dijel
sk
n berikut ini.
G
mb
r 4.8 Contoh ketid
kline
r
n
1 Tr
nsform
sik
n peub
h tersebut sehingg
menj
di line
r (mis
lny
deng
n fungs
i log
ritm
t
u pem
ngk
t
n). Ak
n tet
pi, memilih jenis tr
nsform
si y
ng coco
k tid
kl
h mud
h k
ren
k
l
u s
l
h, perm
s
l
h
n
k
n menj
di lebih rumit. 2 Gu
n
k
n peub
h fiktif. P
d
k
sus ini, peub
h beb
s y
ng dik
ji dib
gi menj
di beb
er
p
interv
l diskret d
n seti
p interv
l tersebut di
n
lisis terpis
h di d
l
m
model. D
l
m bentuk ini, tid
k perlu di
sumsik
n peub
h tersebut line
r k
ren
seti
p b
gi
n dipertimb
ngk
n sec
r
terpis
h d
l
m peril
kuny
. Contohny
, jik
pemilik
n kend
r
n y
ng diperm
s
l
hk
n, interv
l y
ng cocok
d
l
h 0, 1, d
n
2+ (du
t
u lebih) kend
r
n per rum
h t
ngg
. K
ren
seti
p s
mpel rum
h t
ngg
h
ny
k
n tergolong d
l
m s
tu interv
l s
j
, m
k
nil
i peub
h fiktifny
d
l
h 1 untuk interv
l tersebut d
n 0 untuk interv
l l
inny
. Deng
n mud
h d
p
t d
ilih
t b
hw
h
ny
dibutuhk
n (N1) peub
h fiktif d
l
m N interv
l.
Contoh 4.4 Pertimb
ngk
n model p
d
contoh 4.3 d
n
ntik
n deng
n beber
p
peub
h fiktif berikut ini:
tuk rum
h t
ngg
deng
n s
tu kend
r
n d
n nil
i 0
ng mempuny
i nil
i 1 untuk rum
h t
ngg
deng
n du
i 0 untuk kondisi l
inny
.
sumsik
n b
hw
peub
h X2 dig
Z1, y
ng mempuny
i nil
i 1 un
untuk kondisi l
inny
; Z2, y
t
u lebih kend
r
n d
n nil
Deng
n mud
h d
p
t dilih
t b
hw
untuk rum
h t
ngg
y
ng tid
k mempuny
i kend
r
n, nil
i Z1 d
n Z2
d
l
h 0. Model t
h
p ke 3 p
d
t
bel 4.3 sek
r
ng menj
di:
Y = 0,84 + 1,41X1 + 0,75Z1 + 3,14Z2 R2 = 0,387
(3,6) (8,1) (3,2) (3,5)
140 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
Meskipun nil
i R2 ny
tid
k lebih b
ik, model ini lebih b
ik dib
ndingk
n deng
n
model sebelumny
k
ren
efek tid
k line
r X2 (
t
u Z1 d
n Z2) s
ng
t domin
n se
hingg
tid
k bis
di
b
ik
n begitu s
j
. Perh
tik
n, jik
koefisien peub
h fikti
f (mis
lny
1 d
n 2), d
n jik
s
mpel tid
k mempuny
i rum
h t
ngg
y
ng memiliki
du
t
u lebih kend
r
n, efekny
k
n menj
di line
r, seperti terg
mb
r p
d
g
mb
r 4.9.
G
mb
r 4.9 Model regresi deng
n peub
h fiktif
Jik
kit
perh
tik
n g
mb
r 4.9,
d
pert
ny
n y
ng timbul: tid
kk
h lebih b
ik
jik
dit
ksir deng
n regresi y
ng berbed
untuk seti
p d
t
y
ng
d
p
d
seti
p kelompok sehingg
kit
bis
mend
p
tk
n g
ris y
ng kemiring
nny
berbed
bed
(koefisien X1)? J
w
b
nny
p
d
umumny
d
l
h tid
k, terg
ntung d
ri
p
k
h kit
mempuny
i d
t
y
ng cukup untuk seti
p kelompok. Buktiny
, model deng
n peub
h f
iktif menggun
k
n semu
d
t
y
ng
d
, sed
ngk
n deng
n regresi terpis
h h
ny
m
enggun
k
n seb
gi
n d
t
y
ng
d
d
n ini jel
s tid
k menguntungk
n. H
l y
ng me
n
rik
d
l
h penggun
n peub
h fiktif
k
n mengur
ngi m
s
l
h multikoline
r p
d
d
t
(lih
t Dougl
s
nd Lewis, 1971).
4.2.9 Mend
p
tk
n nil
i zon
keseluruh
n
Untuk model berb
sis zon
, nil
i zon
keseluruh
n mud
h did
p
t k
ren
model ter
sebut dit
ksir deng
n menggun
k
n d
t
berb
sis zon
. Ak
n tet
pi, p
d
model be
rb
sis d
t
rum
h t
ngg
dibutuhk
n t
h
p pengelompok
n. K
ren
model tersebut l
ine
r, m
s
l
h pengelompok
n d
p
t dipec
hk
n deng
n menggun
k
n nil
i r
t
r
t
seti
p zon
untuk seti
p peub
h y
ng
d
p
d
model tersebut d
n kemudi
n meng
lik
nny
deng
n juml
h rum
h t
ngg
y
ng
d
di seti
p zon
. Ak
n tet
pi, untuk
model tid
k line
r, perm
s
l
h
n pengelompok
n ini d
p
t menj
di s
ng
t rumit. J
deng
n Ti
d
l
h juml
h perger
k
n y
ng berb
sis rum
h di d
l
m zon
tersebut, H
i
d
l
h juml
h rum
h t
ngg
di zon
tersebut, d
n Xji
d
l
h r
t
r
t
nil
i Xj
d
ri zon
tersebut. Seb
likny
, jik
digun
k
n peub
h fiktif, perlu jug
diket
hui juml
h rum
h t
ngg
untuk seti
p kel
s di zon
tersebut; contohny
, p
d
mod
el contoh 4.3 kit
mensy
r
tk
n: Ti= Hi (0,84 + 1,41 X1i) + 0,75H1i + 3,14 H2i d
eng
n Hji
d
l
h juml
h rum
h t
ngg
y
ng mempuny
i kel
s j di d
l
m zon
i. D
l
m k
sus ini kit
lih
t
d
keuntung
n l
in d
l
m penggun
n peub
h fiktif. Untu
k mengelompokk
n model model tersebut, dibutuhk
n t
ksir
n juml
h r
t
r
t
peker
j
di d
l
m seti
p rum
h t
ngg
untuk seti
p kelompok rum
h t
ngg
y
ng mempuny
i kend
r
n di seti
p zon
, y
ng perhitung
nny
t
mp
k menj
di s
ng
t rumit.
4.2.10 Mencocokk
n h
sil b
ngkit
n perger
k
n deng
n t
rik
n perger
k
n
Model b
ngkit
n d
n t
rik
n perger
k
n dibentuk sec
r
terpis
h. Pemb
c
p
sti m
enget
hui b
hw
model tid
k
k
n sel
lu d
p
t mengh
silk
n juml
h perger
k
n y
n
g dib
ngkitk
n (d
ri seti
p zon
s
l Oi) y
ng sel
lu s
m
deng
n juml
h perger
k
n y
ng tert
rik (ke seti
p zon
tuju
n Dd). P
d
keny
t
nny
, juml
h kedu
ny
h
rus s
m
untuk seti
p tuju
n perger
k
n. Ini d
p
t diwujudk
n deng
n menggun
k
n t
rik
n perger
k
n untuk seti
p zon
seb
g
i ukur
n rel
tif d
y
t
rik. Deng
n k
t
l
in, d
p
t digun
k
n untuk memberi bobot ke seti
p zon
terg
ntung deng
n rel
tif d
y
t
rikny
. Deng
n c
r
ini, tot
l t
rik
n d
p
t dibu
t s
m
deng
n tot
l b
ngkit
n, untuk seti
p tuju
n perger
k
n. Untuk itu, su
tu sy
r
t b
t
s
berup
pers
m
n berikut diperluk
n:
O i = Dd
i d
(4.12)
Sy
r
t b
t
s ini h
rus dipenuhi k
ren
s
ng
t dibutuhk
n p
d
t
h
p berikutny
,
y
itu seb
r
n perger
k
n. Tid
kl
h mungkin kit
mempuny
i M
triks As
lTuju
n (MAT
) y
ng mempuny
i nil
i T y
ng berbed
bed
p
bil
kit
juml
hk
n semu
b
ris (O
i) deng
n menjuml
hk
n semu
kolom (Dd) (lih
t b
b 5). Solusiny
bersif
t pr
gm
tik, y
ng mencob
melih
t kecenderung
n h
sil k
ji
n y
ng meny
t
k
n b
hw
bi
s
ny
model b
ngkit
n perger
k
n j
uh lebih b
ik dib
ndingk
n deng
n model t
rik
n
perger
k
n. Mis
lny
model b
ngkit
n perger
k
n menggun
k
n model y
ng did
s
rk
n p
d
d
t
rum
h t
ngg
t
u individu deng
n peub
h y
ng b
ik, sed
ngk
n model
t
rik
n perger
k
n did
s
rk
n h
ny
p
d
d
t
greg
t berb
sis zon
. K
ren
itu
, sec
r
pr
ktis d
p
t kit
lih
t b
hw
juml
h perger
k
n y
ng dih
silk
n deng
n
menjuml
hk
n semu
zon
s
l (Oi) merup
k
n nil
i y
ng ben
r untuk T. Oleh k
re
n
itu, semu
Dd h
rus dik
lik
n deng
n f
ktor modifik
si seperti terlih
t p
d
pers
m
n (4.13) y
ng
k
n menj
min penjuml
h
n semu
Dd p
sti
k
n sel
lu s
m
deng
n T.
142 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
f = T / Dd
d
(4.13)
4.3 An
lisis kl
sifik
si sil
ng
t
u
n
lisis k
tegori
4.3.1 Model kl
sik 4.3.1.1 Pend
hulu
n
Metode
n
lisis k
tegori dikemb
ngk
n pert
m
sek
li p
d
The Puget Sound Tr
nsp
ort
tion Study p
d
t
hun 1964. Model ini tel
h diperb
iki d
n sering digun
k
n
untuk mend
p
tk
n b
ngkit
n perger
k
n untuk d
er
h permukim
n, jug
untuk pener
p
n l
inny
. S
mp
i deng
n
khir t
hun 1960
n, h
mpir semu
k
ji
n perenc
n
n
tr
nsport
si di Amerik
Serik
t mengemb
ngk
n pers
m
n b
ngkit
n perger
k
n de
ng
n menggun
k
n
n
lisis regresi line
r, khususny
d
l
m pemodel
n b
ngkit
n pe
rger
k
n untuk or
ng. Model regresi diusulk
n oleh Feder
l Highw
y Administr
tio
n (FHA) seb
g
i model st
nd
r d
l
m meng
n
lisis b
ngkit
n perger
k
n. Di
khir
t
hun 1960
n, metode
ltern
tif l
in did
p
tk
n d
n s
ng
t cep
t berkemb
ng men
j
di model y
ng populer di Inggris. Metode tersebut disebut metode
n
lisis k
te
gori di Inggris (Wootton
nd Pick, 1967)
t
u metode kl
sifik
si sil
ng di Ameri
k
Serik
t. P
d
s
t y
ng s
m
, pengemb
ng
n model regresi line
r jug
berkemb
ng deng
n pes
t, dimul
i d
ri
n
lisis p
d
tingk
t zon
d
n dil
njutk
n p
d
ti
ngk
t individu
t
u rum
h t
ngg
(lih
t subb
b 4.2). Metode
n
lisis k
tegori in
i did
s
rk
n p
d
d
ny
keterk
it
n
nt
r
terj
diny
perger
k
n deng
n
tribut
rum
h t
ngg
. Asumsi d
s
rny
d
l
h tingk
t b
ngkit
n perger
k
n d
p
t dik
t
k
n st
bil d
l
m w
ktu untuk seti
p str
tifik
si rum
h t
ngg
tertentu. Metode in
i menemuk
n sec
r
empiris b
hw
bes
rny
tingk
t b
ngkit
n perger
k
n s
ng
t b
ny
k membutuhk
n d
t
(mis
lny
juml
h rum
h t
ngg
untuk seti
p kel
s). W
l
upu
n p
d
w
lny
metode ini dir
nc
ng
g
r d
p
t menggun
k
n d
t
sensus di Inggri
s, perm
s
l
h
n serius timbul p
d
s
t h
rus mer
m
lk
n juml
h rum
h t
ngg
unt
uk seti
p str
t
p
d
m
s
mend
t
ng.
Mis
lk
n tp(h)
d
l
h r
t
r
t
juml
h perger
k
n deng
n tuju
n p (p
d
periode
w
ktu tertentu), y
ng dil
kuk
n oleh seti
p
nggot
rum
h t
ngg
d
ri jenis h. J
enis rum
h t
ngg
ditentuk
n berd
s
rk
n str
tifik
si. Contohny
, kl
sifik
si si
l
ng y
ng did
s
rk
n p
d
m ukur
n rum
h t
ngg
deng
n n pemilik
n kend
r
n
k
n mengh
silk
n mn rum
h t
ngg
berjenis h.
4.3.1.2 Definisi peub
h d
n spesifik
si model
Metode b
ku untuk menghitung tingk
t pertumbuh
n untuk seti
p sel did
p
tk
n den
g
n meng
lok
sik
n rum
h t
ngg
ke seti
p kelompok sel d
n menjuml
hk
nny
s
tu
per s
tu sehingg
mengh
silk
n juml
h perger
k
n Tp(h), untuk seti
p tuju
n perg
er
k
n. J
di, tingk
t pertumbuh
n tp(h) did
p
tk
n deng
n memb
gi Tp(h) deng
n j
uml
h rum
h t
ngg
H(h). D
l
m bentuk m
tem
tis d
p
t diny
t
k
n seb
g
i:
Model b
ngkit
n perger
k
n 143
tp(h) = Tp(h)/H(h)
(4.14)
Perm
s
l
h
n ut
m
d
l
m penggun
r 4.10).
G
mb
r 4.10 Seb
r
n tingk
t perger
k
n untuk seti
p rum
h t
ngg
Metode ini p
d
d
s
rny
memiliki beber
p
keuntung
n, y
itu: 1 2 3 pengelompok
n kl
sifik
si sil
ng tid
k terg
ntung p
d
sistem zon
di d
er
h k
ji
n; tid
k
d
sumsi
w
l y
ng h
rus di
mbil mengen
i bentuk hubung
n; hubung
n tersebut be
rbed
bed
untuk seti
p kelompok (mis
lny
efek perub
h
n ukur
n rum
h t
ngg
b
gi y
ng mempuny
i s
tu kend
r
n deng
n y
ng mempuny
i du
kend
r
n
k
n berbed
). tid
k memperbolehk
n ekstr
pol
si; tid
k
d
ny
uji st
tistik y
ng d
p
t men
dukungny
sehingg
y
ng menj
di p
tok
n
d
l
h bes
rny
simp
ng
n
nt
r
h
sil t
ksir
n deng
n h
sil peng
m
t
n. Sem
kin kecil simp
ng
n tersebut, sem
kin b
ik;
d
t
y
ng dibutuhk
n s
ng
t b
ny
k
g
r nil
i m
sing m
sing tid
k terl
lu berv
ri
si sec
r
tid
k logis k
ren
d
ny
perbed
n juml
h rum
h t
ngg
. Contohny
,
p
d
k
ji
n Monmouthshire L
nd UseTr
nsport
tion (lih
t Dougl
s
nd Lewis, 1971)
, seb
r
n d
ri 108 k
tegori (6 tingk
t pend
p
t
n, 3 tingk
t d
n 6 ukur
n rum
h
t
ngg
) h
ny
membutuhk
n s
mpel seb
ny
k 4.000 rum
h t
ngg
(lih
t t
bel 4.16).
T
bel 4.16 Seb
r
n frekuensi rum
h t
ngg
Juml
h k
tegori
Juml
h rum
h t
ngg
y
ng disurvei
Ak
n tet
pi, metode kl
sifik
si sil
ng ini jug
mempuny
i kelem
h
n, y
itu: 1 2
3
21
0
69
149
9
5099
7
100199
2
200+
Sekur
ng kur
ngny
50 peng
m
t
n dibutuhk
n untuk seti
p sel
g
r h
silny
d
p
t
dipert
nggungj
w
bk
n. Kriteri
ini h
ny
k
n dipenuhi oleh 18 k
tegori d
ri 1
08 k
tegori y
ng
d
y
ng mempuny
i juml
h s
mpel seb
ny
k
144 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
4.000 rum
h t
ngg
. J
di, diperluk
n l
gi d
t
t
mb
h
n l
in
g
r d
p
t dih
silk
n seb
r
n frekuensi y
ng lebih mer
t
bi
y
ny
menj
di lebih m
h
l. 4 tid
k
d
c
r
y
ng efektif d
l
m memilih peub
h tersebut. Proses minim
si simp
ng
n b
ku
seperti y
ng terlih
t p
d
g
mb
r 4.11 h
ny
d
p
t dil
kuk
n deng
n c
r
cob
c
ob
y
ng sud
h jel
s s
ng
t sulit dipr
ktek
n.
Tet
pk
n n
d
l
h jenis 4.3.1.3 Pener
p
n model p
d
tingk
t
greg
t or
ng (deng
n
t
u t
np
kend
r
n),
i(h)
d
l
h juml
h rum
h t
ngg
deng
n jenis h di zon
i d
n Hn(h)
d
l
h rum
h t
ngg
deng
n jenis h y
ng berisik
n or
ng berjenis n
. Deng
n ini, kit
d
p
t menulisk
n bes
rny
b
ngkit
n perger
k
n deng
n tuju
n
p y
ng dil
kuk
n oleh or
ng berjenis n di zon
i ( Oinp ) seb
g
i berikut: O inp
=
i ( h)t p ( h) (4.15)
hH n ( h )
Untuk melih
t c
r
kerj
model, d
p
t diperb
ndingk
n nil
i h
sil pemodel
n deng
n nil
i h
sil peng
m
t
n s
mpel. G
l
t y
ng terj
di
d
l
h k
ren
penggun
n r
t
r
t
nil
i tp(h). Diperkir
k
n str
tifik
si y
ng b
ik d
p
t meminimumk
n simp
ng
n b
ku seperti p
d
g
mb
r 4.10 d
n jug
mengh
silk
n g
l
t y
ng lebih kecil
. Terd
p
t beber
p
c
r
menentuk
n k
tegori rum
h t
ngg
. Untuk pert
m
k
liny
di Inggris, Wootton
nd Pick (1971) meny
r
nk
n 108 k
tegori y
ng dih
silk
n d
ri 6 tingk
t pend
p
t
n, 3 tingk
t pemilik
n kend
r
n, d
n 6 tingk
t struktur r
um
h t
ngg
seperti p
d
t
bel 4.17.
T
bel 4.17 Contoh pengelompok
n struktur rum
h t
ngg
Kelompok
1 2 3 4 5 6
Juml
h y
ng bekerj
0 0 1 1 2
t
u lebih 2
t
u lebih
Or
ng dew
s
l
inny
1 2
t
u lebih 1
t
u kur
ng 2
t
u lebih 1
t
u kur
ng 2
t
u lebih
Perm
s
l
h
nny
d
l
h b
g
im
n
mer
m
lk
n juml
h rum
h t
ngg
p
d
m
s
mend
t
ng untuk seti
p k
tegori. Metode y
ng umum digun
k
n (lih
t Wilson, 1977)
d
l
h: pert
m
, menet
pk
n d
n mencocokk
n seb
r
n pelu
ng untuk pend
p
t
n (I), pem
ilik
n kend
r
n (C), d
n struktur rum
h t
ngg
(S) deng
n d
t
h
sil k
libr
si;
kedu
: menggun
k
n h
sil tersebut untuk membu
t seb
r
n pelu
ng g
bung
n untuk
rum
h t
ngg
jenis h = (I,C,S).
Model b
ngkit
n perger
k
n 145
J
di, jik
seb
r
n pelu
ng g
bung
n diny
t
k
n deng
n (h) = (I,C,S), maka jumlah r
umah tagga i zoa i yag tergolog alam kelompok h, atau ai(h), apat iyata
ka secara seerhaa ega: ai(h) = Hi(h) (4.16) Hi aalah jumlah rumah tagga
i zoa i. Moel taksira rumah tagga apat iuji secara parsial ega meggua
ka ata paa tahu asar. Jumlah pergeraka yag ihasilka oleh persamaa (4.1
6), tetapi ega ilai simulasi ai(h), kemuia apat icek ega hasil pegam
ata. Dega emikia, kelemaha metoe ii bertambah satu lagi sebagai berikut.
5 Jika isyaratka utuk meambah jumlah stratiikasi, ibutuhka peambaha ju
mlah sampel yag sagat bayak. Sebagai cotoh, jika satu peubah lai itambahka
a kemuia ipecahka mejai 3 tigkat, jumlah kategori aka meigkat ari
108 mejai 324.
4.3.1.4 Tahapa perhituga
Kosep asarya seerhaa, a peubah yag biasa iguaka alam aalisis katego
ri aalah ukura rumah tagga (jumlah orag), pemilika kearaa, a peapata
rumah tagga. Kategori itetapka mejai tiga a kemuia rata rata tigkat
bagkita pergeraka (ari ata empiris) ibebaka utuk setiap kategori. Data
utuk megilustrasika bagaimaa keragama tigkat bagkita pergeraka i atar
a ketiga peubah tersebut iperlihatka paa tabel 4.18 (Marler, 1985). Hal ii m
eujukka petigya peubah tersebut alam meghitug bagkita pergeraka.
Tabel 4.18 Tigkat bagkita pergeraka kerja per rumah tagga Kategori
Total peapata rumah tagga Kearaa per rumah tagga Ukura rumah tagga Ket
eraga: * reah meegah tiggi ** reah meegah tiggi *** reah meegah
tiggi : : : : : : : : : * ** ***
Reah
1,16 1,27 1,23
Meegah
1,34 1,38 1,24
Tiggi
1,63 2,63 1,63
sampai ega Rp 75,000/bula Rp 76.000150,000/bula lebih besar ari Rp.150,000/
bula tiak mempuyai kearaa bermotor 1 kearaa lebih ari 2 13 orag 46 ora
g lebih ari 6 orag.
Sumber: Marler (1985)
Tahap 1 Tiga buah peubah harus istratiikasi. Beberapa kajia i Iggris meggu
aka 6 kategori peapata, 6 kategori ukura rumah tagga, a 3 kategori pemi
lika kearaa. Perlu iperhatika bahwa pegguaa kategori peapata a pem
ilika kearaa alam aalisis kategori serig ikritik karea keuaya salig
berkorelasi. Disaraka agar 108 kategori tersebut ikuragi sehigga kebutuha
aka ata a biaya juga berkurag. Kategori tersebut
146 Oyar Z Tami, Perecaaa a pemoela trasportasi
iguaka utuk kajia i West Milas Trasport, Iggris (Wootto a Pick, 19
67). Utuk kasus paa tabel 4.18, terapat 27 kategori yag meggabugka pemili
ka kearaa, peapata, a ukura rumah tagga. Perhatika bahwa jumlah peub
ah a cara stratiikasiya beragam, tergatug ari ata yag terseia a tuju
a kajia. Kosep ii iilustrasika ega gambar 4.11.
2 1 0
Peapata rumah tagga
Rp 2.500.000 + Rp 2.000.000 2.500.000 + Rp 1.500.000 2.000.000 + Rp 1.000.000 1.
500.000 + Rp 500.000 1.000.000 + Rp 0 500.000 +
0,88 pergeraka Struktur rumah tagga
Gambar 4.11 Struktur kategori alam metoe aalisis kategori
Tahap 2 Setiap rumah tagga yag iapat ari survei wawacara i rumah harus i
cocokka utuk setiap kategori, tergatug ari ata rumah tagga tersebut (pemi
lika kearaa, ukura rumah tagga, a peapata). Rata rata tigkat bagkit
a pergeraka ihitug utuk setiap kategori Tahap 3 ega megguaka ata ar
i rumah tagga. Hal ii bisa iapat ega jala membagi jumlah pergeraka yag
ihasilka utuk setiap kategori ega jumlah rumah tagga yag aa alam kate
gori tersebut. Tahap 4 Sejauh ii, rata rata bagkita pergeraka ilakuka utu
k setiap kategori, tetapi suah cukup utuk iguaka alam meaksir bagkita p
ergeraka per zoa. Ii ilakuka ega megalika jumlah rumah tagga paa zo
a tersebut utuk setiap kategori, a hasilya ijumlahka utuk semua 27 katego
ri yag akhirya aka meghasilka total bagkita pergeraka utuk zoa tersebu
t. Dega kata lai: = T H (i ) P i c c
c =1 27
P i Tc
= perkiraa jumlah pergeraka yag ihasilka oleh zoa i; = rata rata bagkita
pergeraka per rumah tagga alam kategori c;
Hc(i) = jumlah rumah tagga ega kategori c yag berlokasi i zoa i
Moel bagkita pergeraka 147
Paa cotoh ii (Black, 1981) iasumsika tiga 4.3.1.5 Cotoh seerhaa peubah y
ag iperkiraka mempegaruhi besarya pergeraka: 3 kategori pemilika kearaa
(0, 1, 2+); 3 kategori peapata (reah [0100.000 rupiah/bula]; meegah [10
0.000200.000 rupiah/bula]; tiggi [lebih ari 200.000 rupiah/bula]) 2 kategori
ukura rumah tagga (13 orag; 4+ orag)
Secara keseluruha ketiga peubah ega stratiikasiya meghasilka 3 x 3 x 2 =
18 kategori. Masalahya sekarag aalah bagaimaa meapatka total bagkita p
ergeraka. Data utuk aalisis kategori iberika paa tabel 4.19, seagka jum
lah rumah tagga ega kategoriya masig masig iberika paa tabel 4.20.
Tabel 4.19 Aalisis kategori tigkat pergeraka utuk 18 kategori Tigkat pemili
ka kearaa Reah
Tiak aa kearaa (0) 3,4a 4,9b Satu kearaa (1) 5,2a 6,9b 5,8a 7,2b
Tigkat peapata Meegah
3,7a 5,0b 7,3a 8,3b 8,1a 1,8b
Tiggi
3,8a 5,1b 8,0a 10,2b 10,0a 12,9b
Dua atau lebih kearaa (2+)
Catata: a Tigkat bagkita pergeraka utuk setiap rumah tagga ega 13 orag
b Tigkat bagkita pergeraka utuk setiap rumah tagga ega 4 atau lebih or
ag
Tabel 4.20 Kategori rumah tagga ega 3 peubah Jumlah rumah tagga
50 20 10 50 50 100 40 100 150
Pemilika kearaa
0 0 0 1 1 1 2+ 2+ 2+
Peapata
reah meegah reah reah reah meegah tiggi meegah tiggi
Ukura rumah tagga
13 13 4+ 13 4+ 4+ 13 4+ 4+
Dega megguaka ata tabel 4.13 a 4.14, perkiraa total bagkita pergeraka
utuk zoa tersebut aalah: (50x3,4) + (20x3,7) + (10x4,9) + (50x5,2) + (50x6,
9) + (100x8,3) + (40x10,0) + (100x11,8) + (150x12,9) = 5.243 pergeraka.
148 Oyar Z Tami, Perecaaa a pemoela trasportasi
Tabel 4.21 juga memperlihatka jumlah rumah tagga paa setiap sel (kategori) a
rata rata jumlah pergeraka yag ihitug utuk setiap baris, sel, a juga ra
ta rata totalya. Terlihat bahwa ilaiya berkisar ari 0 (sagat sulit meapat
ka rumah tagga yag teriri ari 1 orag a mempuyai mobil lebih ari 2) sam
pai ega 269. Walaupu, klasiikasi silag haya ilakuka ega haya ua pe
ubah saja, suah terapat sekitar 4 sel yag mempuyai ilai ibawah 50 pegamat
a yag isyaratka sebagai jumlah miimum pegamata utuk meapatka rata rat
a a variasi yag bisa ipertaggugjawabka. Kemuia, kita megguaka rata
rata ilai baris a kolom utuk meaksir ratarata tigkat bagkita pergeraka
ari setiap sel, termasuk sel yag tiak mempuyai pegamata paa sampel ii. K
ita apat meghitug simpaga (ari rata rata total) utuk yag tiak memilik k
earaa (0 mobil) sebesar 0,731,54 = 0,81; utuk 1 mobil sebesar 1,531,54 = 0,01;
a utuk 2+ kearaa sebesar 2,441,54 = 0,90. Juga apat ihitug simpaga utu
k setiap tigkat ukura rumah tagga, yaitu sebesar: 51,07; 0,26; 0,32 a 0,36. J
ika peubah tiak mempuyai korelasi ega semua ilai tersebut, kita meghitug
semua tigkat bagkita pergeraka; misalya: tigkat bagkita pergeraka utu
k rumah tagga (1 orag) a mempuyai 1 mobil aalah 1,541,070,01 = 0,46 pergerak
a. Utuk rumah tagga (1 orag) a tiak mempuyai mobil, tigkat pergerakay
a aalah 1,541,060,82 = 0,34 (ilai egati). Nilai egati tiak mempuyai arti ap
a apa sehigga tigkat pergerakaya apat ibuat mejai ol. Tabel 4.22 memper
lihatka semua tigkat pergeraka beserta simpagaya.
Tabel 4.22 Tigkat pergeraka yag ihasilka oleh MCA Ukura rumah tagga
1 orag 2 atau 3 orag 4 orag 5 orag Simpaga
Tigkat pemilika kearaa 0 mobil
0,00 0,46 1,05 1,09 0,81
1 mobil
0,46 1,27 1,85 1,89 0,01
2+ mobil
1,37 2,18 2,76 2,80 0,90
Simpaga
1.07 0,26 0,32 0,36
Selai keutuga statistik, perlu iperhatika bahwa ilai sel tiak lagi ias
arka paa haya ukura sampel ata saja, tetapi juga paa rata rata total yag
iapatka ari semua set ata, a ua atau lebih rata rata kelas yag iapatk
a ari semua ata utuk setiap kelas yag releva ega ilai selya.
4.3.2.2 Aalisis regresi utuk tigkat rumah tagga Gabuga atara aalisis kla
siikasi silag ega aalisis regresi apat merupaka peekata yag terbaik
utuk kasus tertetu. Cotohya, paa suatu aerah yag mempuyai sebara peap
ata yag tiak seragam perlu ikaji aaya perbeaa pegaruh kebijaka paa ke
lompok peapata yag berbea. Oleh karea itu, irasaka perlu memoel kebutuh
a aka trasportasi utuk setiap kelompok peapata secara terpisah.
150 Oyar Z Tami, Perecaaa a pemoela trasportasi
n berb
sis buk
n rum
h, sert
jug
d
p
t dib
gi berd
s
rk
n tuju
n (p) y
ng dig
un
k
n untuk kedu
jenis perger
k
n tersebut.
4.4 Per
m
l
n peub
h d
l
m
n
lisis b
ngkit
n perger
k
n
Pemilih
n peub
h y
ng d
p
t digun
k
n untuk mer
m
lk
n tingk
t perger
k
n (rum
h
t
ngg
) menj
di perm
s
l
h
n b
gi perenc
n
tr
nsport
si. Peub
h ini
nt
r
l
i
n juml
h d
n ukur
n rum
h t
ngg
, struktur rum
h t
ngg
, pemilik
n
Model b
ngkit
n perger
k
n 151
kend
r
n, d
n pend
p
t
n. Mis
lny
, ukur
n d
n struktur rum
h t
ngg
p
d
m
s
sek
r
ng s
ng
t berbed
deng
n p
d
m
s
1020 t
hun y
ng l
lu. Mis
lny
, p
d
m
s
l
lu kelu
rg
deng
n juml
h
n
k lebih d
ri 6 s
ng
t sering dijump
i. Ak
n tet
pi, p
d
m
s
sek
r
ng r
t
r
t
juml
h
n
k per kelu
rg
h
ny
du
or
ng. Cont
oh l
in, p
d
m
s
1020 t
hun l
lu, pend
p
t
n kelu
rg
sebes
r Rp 75.000150.000 p
er bul
n sud
h merup
k
n g
ji y
ng cukup tinggi. Ak
n tet
pi, juml
h tersebut p
d
m
s
sek
r
ng
t
u mend
t
ng merup
k
n nil
i y
ng d
p
t dik
tegorik
n mempuny
i pend
p
t
n meneng
h ke b
w
h. H
l tersebut di
t
s merup
k
n kend
l
b
gi per
enc
n
n untuk m
s
y
ng cukup p
nj
ng (20 t
hun mend
t
ng). Ak
n tet
pi, p
d
t
hun 1980
n, mul
i terd
p
t k
ji
n y
ng meneliti c
r
memperk
y
model b
ngkit
n
t
u t
rik
n deng
n teori d
n metode y
ng ber
s
l d
ri inform
si peril
ku. Hip
otesis ut
m
ny
d
l
h
tribut sosi
l; seti
p individu berpeng
ruh bes
r terh
d
p timbulny
perger
k
n y
ng tentu s
j
berbed
bed
peril
kuny
. Contohny
, rum
h t
ngg
deng
n
n
k y
ng belum sekol
h jel
s lebih rend
h mobilit
sny
d
rip
d
rum
h t
ngg
deng
n
n
k y
ng sud
h bes
r. B
ngkit
n perger
k
n ini d
p
t dir
m
lk
n untuk m
s
mend
t
ng deng
n menggun
k
n model y
ng dik
libr
si p
d
t
hun
d
s
r d
n menggun
k
nny
untuk t
hun renc
n
. D
l
m h
l ini, m
suk
n d
t
y
ng h
rus dim
sukk
n ke d
l
m model
d
l
h d
t
t
ksir
n d
ri pemilik
n kend
r
n, pe
nd
p
t
n, d
n ukur
n rum
h t
ngg
untuk seti
p zon
. Koment
r untuk proses per
m
l
n berl
ku b
ik untuk model
n
lisis k
tegori m
upun
n
lisis regresi. Jik
n
lisis k
tegori d
n regresi digun
k
n untuk mer
m
lk
n b
ngkit
n l
lulint
s untu
k 15
t
u 20 t
hun mend
t
ng, perlu diperh
tik
n b
hw
semu
peub
h mungkin
k
n
mempuny
i nil
i y
ng lebih bes
r dib
ndingk
n deng
n perkir
n p
d
w
ktu t
hun
d
s
r. Contohny
, beber
p
rum
h t
ngg
k
n mempuny
i kend
r
n lebih d
ri per
kir
n (lih
t t
bel 4.23).
T
bel 4.23 Contoh ekstr
pol
si untuk
n
lisis k
tegori K
tegori pemilik
n kend
r
n
0 mobil 1 mobil 2+ mobil Tot
l * contoh s
ng
t sedikit
Juml
h rum
h t
ngg
d
l
m k
tegori T
hun d
s
r
200 280 20*
T
hun renc
n
n
D
l
m
n
lisis k
tegori, h
l ini ber
rti rum
h t
ngg
tersebut
k
n m
suk ke k
t
egori y
ng lebih tinggi. H
l ini menyeb
bk
n d
t
menj
di terl
lu sederh
n
sehi
ngg
k
tegori p
d
s
t t
hun d
s
r tid
k cocok l
gi untuk s
t t
hun renc
n
y
ng
khirny
mungkin mengh
silk
n perkir
n y
ng tid
k cocok. Deng
n
n
lisis reg
resi, h
l y
ng s
m
terj
di, k
ren
mungkin diperluk
n ekstr
pol
si d
t
y
ng
152 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
did
p
t p
d
s
t t
hun d
s
r. Kelem
h
n tersebut d
p
t ditunjukk
n deng
n conto
h p
d
g
mb
r 4.12.
G
mb
r 4.12 Contoh ekstr
pol
si untuk
n
lisis regresi
Deng
n k
t
l
in, diperluk
n k
tegori l
in untuk t
hun renc
n
, tet
pi k
ren
be
lum
d
p
d
s
t t
hun d
s
r, k
tegori tersebut tid
k bis
dik
libr
si deng
n d
t
seben
rny
. M
s
l
h ini menunjukk
n beber
p
kelem
h
n model seperti itu (di
k
libr
si p
d
s
t t
hun d
s
r)
p
bil
digun
k
n untuk per
m
l
n.
Model b
ngkit
n perger
k
n 153
5
Model seb
r
n perger
k
n
Pemodel
n b
ngkit
n perger
k
n tel
h diter
ngk
n p
d
b
b 4 sec
r
rinci. Di sit
u diperkir
k
n bes
rny
perger
k
n y
ng dih
silk
n d
ri zon
s
l d
n y
ng tert
rik ke zon
tuju
n. Bes
rny
b
ngkit
n d
n t
rik
n perger
k
n merup
k
n inform
s
i y
ng s
ng
t berh
rg
y
ng d
p
t digun
k
n untuk memperkir
k
n bes
rny
perger
k
n
nt
rzon
. Ak
n tet
pi, inform
si tersebut tid
kl
h cukup. Diperluk
n inform
si l
in berup
pemodel
n pol
perger
k
n
nt
rzon
y
ng sud
h p
sti s
ng
t dipe
ng
ruhi oleh tingk
t
ksesibilit
s sistem j
ring
n
nt
rzon
d
n tingk
t b
ngkit
n d
n t
rik
n seti
p zon
. Berb
g
i m
c
m metode y
ng pern
h dikemb
ngk
n
k
n
dijel
sk
n, dimul
i d
ri metode s
ng
t sederh
n
y
ng h
ny
cocok untuk j
ngk
p
endek s
mp
i deng
n metode y
ng d
p
t men
mpung peng
ruh perub
h
n
ksesibilit
s
terh
d
p seb
r
n perger
k
n y
ng mungkin terj
di p
d
perenc
n
n j
ngk
p
nj
n
g. B
b ini dimul
i deng
n penjel
s
n proses terj
diny
perger
k
n (subb
b 5.1) d
n pentingny
inform
si mengen
i m
triks perger
k
n d
n beber
p
kegun
nny
(su
bb
b 5.2). Sel
njutny
, dis
mp
ik
n penjel
s
n umum mengen
i pengelompok
n metod
e y
ng tel
h dikemb
ngk
n d
n subb
b y
ng mener
ngk
n definisi d
n not
si y
ng d
igun
k
n d
l
m penjel
s
n
t
u pun penurun
n rumus (subb
b 5.3). Subb
b berikutn
y
(subb
b 5.4) menjel
sk
n metode Konvension
l y
ng terdiri d
ri metode L
ngsun
g d
n metode Tid
k L
ngsung. Penjel
s
n singk
t mengen
i metode L
ngsung diberik
n berikut keuntung
n d
n kerugi
nny
, diterusk
n deng
n penjel
s
n mengen
i met
ode Tid
k L
ngsung. Penjel
s
n tent
ng metode Tid
k Konvension
l diter
ngk
n sec
r
terpis
h p
d
b
b 9. Metode Tid
k L
ngsung ini dijel
sk
n d
l
m du
b
gi
n;
b
gi
n pert
m
(subb
b 5.5) menjel
sk
n metode An
logi, y
itu metode y
ng h
ny
mempertimb
ngk
n f
ktor pertumbuh
n t
np
memperhitungk
n
d
ny
perub
h
n
kses
ibilit
s sistem j
ring
n tr
nsport
si. Metode ini h
ny
cocok untuk perenc
n
n
j
ngk
pendek
t
u perenc
n
n t
np
d
ny
perub
h
n
ksesibilit
s y
ng ny
t
d
l
m sistem j
ring
nny
. Beber
p
keuntung
n d
n kerugi
n metode An
logi jug
di
ter
ngk
n d
l
m subb
b ini. B
gi
n kedu
(subb
b 5.6) menjel
sk
n metode Sinteti
s y
ng mempertimb
ngk
n
d
ny
perub
h
n
ksesibilit
s, sel
in jug
f
ktor pertu
mbuh
n. Berb
g
i m
c
m model diberik
n y
itu model gr
vity (GR) (subb
b 5.7), mo
del interveningopportunity (IO) (subb
b 5.8), d
n model gr
vity opportunity (GO)
(subb
b 5.9) berikut penurun
n seti
p model sec
r
teori, contoh penggun
nny
,
proses k
libr
si model, sert
kelebih
n d
n kekur
ng
nny
. B
b ini di
khiri den
g
n penjel
s
n tent
ng keteliti
n m
triks y
ng dih
silk
n oleh metode Konvension
l (subb
b 5.10).
154
5.1 Pend
hulu
n
Perger
k
n
d
l
h
ktivit
s y
ng kit
l
kuk
n seh
ri h
ri. Kit
berger
k seti
p
h
ri untuk berb
g
i m
c
m
l
s
n d
n tuju
n seperti bel
j
r, ol
hr
g
, bel
nj
,
hibur
n, d
n rekre
si. J
r
k perj
l
n
n jug
s
ng
t ber
g
m, d
ri perj
l
n
n y
n
g s
ng
t p
nj
ng (mis
lny
perj
l
n
n
nt
rbenu
) s
mp
i ke perj
l
n
n y
ng s
ng
t pendek (mis
lny
perj
l
n
n ke toko di seber
ng j
l
n). Mud
h dip
h
mi b
hw
jik
terd
p
t kebutuh
n
k
n perger
k
n y
ng bes
r, tentu dibutuhk
n pul
sistem
j
ring
n tr
nsport
si y
ng cukup untuk d
p
t men
mpung kebutuh
n
k
n perger
k
n tersebut. Deng
n k
t
l
in, k
p
sit
s j
ring
n tr
nsport
si h
rus d
p
t men
mp
ung perger
k
n. Kebutuh
n
k
n perger
k
n sel
lu menimbulk
n perm
s
l
h
n, khusu
sny
p
d
s
t or
ng ingin berger
k untuk tuju
n y
ng s
m
di d
l
m d
er
h terte
ntu d
n p
d
s
t y
ng bers
m
n pul
. Kem
cet
n, keterl
mb
t
n, polusi su
r
d
n ud
r
d
l
h beber
p
perm
s
l
h
n y
ng timbul
kib
t
d
ny
perger
k
n. S
l
h
s
tu us
h
untuk d
p
t meng
t
siny
d
l
h deng
n mem
h
mi pol
perger
k
n y
ng
k
n terj
di, mis
lny
d
ri m
n
d
n hend
k ke m
n
, bes
rny
, d
n k
p
n terj
d
iny
. Oleh k
ren
itu,
g
r kebij
k
n invest
si tr
nsport
si d
p
t berh
sil deng
n b
ik, s
ng
tl
h penting dip
h
mi pol
perger
k
n y
ng terj
di p
d
s
t sek
r
ng d
n jug
p
d
m
s
mend
t
ng p
d
s
t kebij
k
n tersebut diberl
kuk
n.
5.2 Kegun
n m
triks perger
k
n
Pol
perger
k
n d
l
m sistem tr
nsport
si sering dijel
sk
n d
l
m bentuk
rus pe
rger
k
n (kend
r
n, penump
ng, d
n b
r
ng) y
ng berger
k d
ri zon
s
l ke zon
tuju
n di d
l
m d
er
h tertentu d
n sel
m
periode w
ktu tertentu. M
triks Perg
er
k
n
t
u M
triks As
lTuju
n (MAT) sering digun
k
n oleh perenc
n
tr
nsport
si
untuk mengg
mb
rk
n pol
perger
k
n tersebut. MAT
d
l
h m
triks berdimensi du
y
ng berisi inform
si mengen
i bes
rny
perger
k
n
nt
rlok
si (zon
) di d
l
m
d
er
h tertentu. B
ris meny
t
k
n zon
s
l d
n kolom meny
t
k
n zon
tuju
n, se
hingg
sel m
triks ny
meny
t
k
n bes
rny
rus d
ri zon
s
l ke zon
tuju
n. D
l
m h
l ini, not
si Tid meny
t
k
n bes
rny
rus perger
k
n (kend
r
n, penump
ng,
t
u b
r
ng) y
ng berger
k d
ri zon
s
l i ke zon
tuju
n d sel
m
sel
ng w
tu sistem j
ring
n tr
nsport
si. Deng
n mempel
j
ri pol
perger
k
n y
ng terj
di
, seseor
ng d
p
t mengidentifik
si perm
s
l
h
n y
ng timbul sehingg
beber
p
so
lusi seger
d
p
t dih
silk
n. MAT d
p
t memberik
n indik
si rinci mengen
i kebut
uh
n
k
n perger
k
n sehingg
MAT memeg
ng per
n y
ng s
ng
t penting d
l
m berb
g
i k
ji
n perenc
n
n d
n m
n
jemen tr
nsport
si. Juml
h zon
d
n nil
i seti
p
sel m
triks
d
l
h du
unsur penting d
l
m MAT k
ren
juml
h zon
menunjukk
n b
ny
kny
sel MAT y
ng h
rus did
p
tk
n d
n berisi inform
si y
ng s
ng
t dibutuhk
n untuk perenc
n
n tr
nsport
si. Seti
p sel
Model seb
r
n perger
k
n 155
membutuhk
n inform
si j
r
k, w
ktu, bi
y
,
t
u kombin
si ketig
inform
si terse
but y
ng digun
k
n seb
g
i ukur
n
ksesibilit
s (kemud
h
n). Keteliti
n MAT meni
ngk
t deng
n men
mb
h juml
h zon
, tet
pi MAT cenderung berisi oleh sel y
ng tid
k mempuny
i perger
k
n (Tid = 0). Perm
s
l
h
n y
ng s
m
timbul jik
kit
berbi
c
r
mengen
i perger
k
n
nt
rzon
deng
n sel
ng w
ktu pendek (mis
lny
15 menit
). MAT d
p
t pul
mengg
mb
rk
n pol
perger
k
n d
ri su
tu sistem
t
u d
er
h k
ji
n deng
n ukur
n y
ng s
ng
t ber
g
m, seperti pol
perger
k
n kend
r
n di su
tu persimp
ng
n
t
u pol
perger
k
n di d
l
m su
tu perkot
n m
upun di d
l
m su
tu neg
r
. G
mb
r 5.1 memperlih
tk
n persimp
ng
n j
l
n, lengk
p deng
n
rus pe
rger
k
n kend
r
n d
ri seti
p leng
n persimp
ng
nny
d
n MATny
. Di sini, leng
n persimp
ng
n di
ngg
p seb
g
i
s
l d
n tuju
n perger
k
n. Terlih
t b
hw
MAT d
p
t digun
k
n untuk mengg
mb
rk
n pol
perger
k
n di persimp
ng
n.
Oi
Dd
G
mb
r 5.1 Persimp
ng
n deng
n M
triks As
lTuju
n (MAT) Sumber: T
min (1985, 1986
, 1988
)
Berb
g
i us
h
dil
kuk
n untuk mend
p
tk
n MAT d
n terd
p
t beber
p
metode y
ng
d
p
t digun
k
n. H
dirny
beber
p
metode y
ng tid
k begitu m
h
l pel
ks
n
nny
dir
s
k
n s
ng
t bergun
k
ren
MAT s
ng
t sering dip
k
i d
l
m berb
g
i k
ji
n tr
nsport
si. Contohny
, MAT d
p
t digun
k
n untuk (Willumsen, 1978
b): pemode
l
n kebutuh
n
k
n tr
nsport
si untuk d
er
h ped
l
m
n
t
u
nt
rkot
; pemodel
n
kebutuh
n
k
n tr
nsport
si untuk d
er
h perkot
n; pemodel
n d
n per
nc
ng
n m
n
jemen l
lulint
s b
ik di d
er
h perkot
n m
upun
nt
rkot
;
156 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
pemodel
n kebutuh
n
k
n tr
nsport
si di d
er
h y
ng ketersedi
n d
t
ny
tid
k
begitu mendukung b
ik d
ri sisi ku
ntit
s m
upun ku
lit
s (mis
lny
di neg
r
se
d
ng berkemb
ng); perb
ik
n d
t
MAT p
d
m
s
l
lu d
n pemeriks
n MAT y
ng dih
silk
n oleh metode l
inny
; d
n pemodel
n kebutuh
n
k
n tr
nsport
si
nt
rkot
untuk
ngkut
n b
r
ng multi mod
.
Metode untuk mend
p
tk
n MAT d
p
t dikelompokk
n menj
di du
b
gi
n ut
m
, y
itu
metode Konvension
l d
n metode Tid
k Konvension
l (T
min, 1985;1986; 1988
bc).
Kedu
metode tersebut dijel
sk
n lebih rinci p
d
subb
b 5.45.10. Untuk lebih jel
sny
, pengelompok
n dig
mb
rk
n berup
di
gr
m seperti terlih
t p
d
g
mb
r 5.2
.
W
w
nc
r
di tepi j
l
n W
w
nc
r
di rum
h Metode menggun
k
nbender
Metode foto
ud
r
Metode mengikuti mobil Metode An
logi T
np
b
t
s
n Ser
g
m Deng
n s
tu
b
t
s
n B
t
s
n b
ngkit
n B
t
s
n t
rik
n Deng
n du
b
t
s
n R
t
r
t
Fr
t
r Detroit Furness Metode Sintetis Model Opportunity Model Gr
vity Model
Gr
vityOpportunity
Metode L
ngsung
Metode Konvension
l
Metode MAT
Metode Tid
k L
ngsung
Metode Tid
k Konvension
l
Model berd
s
rk
n inform
si
rus l
lulint
s Estim
si M
triks Entropi M
ksimum (E
MEM) Model Estim
si Kebutuh
n Tr
nsport
si (MEKT)
G
mb
r 5.2 Metode untuk mend
p
tk
n M
triks As
lTuju
n (MAT) Sumber: T
min (1985,
1986,1988
bc)
5.3 Definisi d
n not
si
Seperti tel
h dijel
sk
n p
d
subb
b sebelumny
, MAT d
p
t digun
k
n untuk mengg
mb
rk
n pol
perger
k
n di d
l
m d
er
h k
ji
n. MAT
d
l
h m
triks berdimensi d
u
y
ng seti
p b
ris d
n kolomny
mengg
mb
rk
n zon
s
l d
n tuju
n di d
l
m d
er
h k
ji
n (term
suk jug
zon
di lu
r d
er
h k
ji
n), seperti
Model seb
r
n perger
k
n 157
terlih
t p
d
t
bel 5.1, sehingg
seti
p sel m
triks berisi inform
si perger
k
n
nt
rzon
. Sel d
ri seti
p b
ris i berisi inform
si mengen
i perger
k
n y
ng be
r
s
l d
ri zon
i tersebut ke seti
p zon
tuju
n d. Sel p
d
di
gon
l berisi inf
orm
si mengen
i perger
k
n intr
zon
(i = d). Oleh k
ren
itu: Tid Oi Dd = perge
r
k
n d
ri zon
s
l i ke zon
tuju
n d = juml
h perger
k
n y
ng ber
s
l d
ri zo
n
s
l i = juml
h perger
k
n y
ng menuju ke zon
tuju
n d
{Tid}
t
u T = tot
l m
triks
T
bel 5.1 Bentuk umum d
ri M
triks As
lTuju
n (MAT) Zon
1
1
T11
2
T12
3
T13
...
...
N
T1N
Oi
O1
O i = Tid
d
2
T21
T22
T23
...
T2N
O2
Dd = Tid
i
3 . . . N Dd
T31 . . . TN1 D1
T32 . . . TN2 D2
T33 . . . TN3 D3
... ... ... ... ... ...
T3N . . . TNN DN
O3 . . . ON T
T = Oi = Dd = Tid
i d i d
Sumber: T
min (1985,1986,1988
bc)
Beber
p
kondisi h
rus dipenuhi, seperti tot
l sel m
triks untuk seti
p b
ris (i
) h
rus s
m
deng
n juml
h perger
k
n y
ng ber
s
l d
ri zon
s
l i tersebut (Oi
). Seb
likny
, tot
l sel m
triks untuk seti
p kolom (d) h
rus s
m
deng
n juml
h
perger
k
n y
ng menuju ke zon
tuju
n d (Dd). Kedu
b
t
s
n ini ditunjukk
n p
d
pers
m
ngkitk
n d
ri su
tu zon
i h
rus s
m
deng
n tot
l perger
k
n y
ng ber
s
l d
ri
zon
i tersebut y
ng menuju ke seti
p zon
tuju
n d. Seb
likny
, tot
l perger
k
n y
ng tert
rik ke su
tu zon
d h
rus s
m
deng
n tot
l perger
k
n y
ng menuju k
e zon
d tersebut y
ng ber
s
l d
ri seti
p zon
s
l i. Jik
MAT y
ng dih
silk
n
memenuhi kedu
b
t
s
n (5.1), model tersebut diken
l seb
g
i model deng
n du
b
t
s
n; jik
h
ny
s
l
h s
tu dipenuhi, model disebut model deng
n s
tu b
t
s
n
(model deng
n b
t
s
n b
ngkit
n
t
u model deng
nb
t
s
n t
rik
n); jik
tid
k
d
y
ng dipenuhi, model disebut model t
np
b
t
s
n.
158 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
Sel
in menggun
k
n bentuk m
triks, pol
perger
k
n d
p
t jug
diny
t
k
n deng
n
bentuk l
in sec
r
gr
fis seperti terlih
t p
d
g
mb
r 5.3 y
ng bi
s
disebut G
ris Keingin
n. N
m
ini diberik
n k
ren
pol
perger
k
n sel
in mempuny
i dimens
i juml
h perger
k
n, jug
mempuny
i dimensi sp
si
l (ru
ng) y
ng lebih mud
h dig
mb
rk
n sec
r
gr
fis.
Keter
ng
n
100.000 75.000 50.000 25.000
Penump
ng / j
m (2 Ar
h p
d
j
m punc
k) 1<5.000 Penump
ng / j
m tid
k diperlih
tk
n
G
mb
r 5.3 G
ris keingin
n perger
k
n di Kot
m
dy
B
ndung Sumber: T
min (1995ce
)
Keuntung
n bentuk m
triks
d
l
h d
p
t diket
huiny
sec
r
tep
t
rus perger
k
n
nt
rzon
y
ng terj
di, tet
pi tid
k diket
hui g
mb
r
n
r
h
t
u orient
si per
ger
k
n tersebut. H
l ini d
p
t di
t
si deng
n b
ntu
n g
ris keingin
n y
ng menu
njukk
n g
mb
r
n perger
k
n y
ng terj
di, meskipun
d
jug
kelem
h
nny
berup
tid
k tep
tny
inform
si
rus perger
k
n (bes
r
rus perger
k
n h
ny
diny
t
k
n
deng
n teb
l g
ris keingin
n). Sel
njutny
, kit
gun
k
n huruf kecil tid, oi d
n dd seb
g
i not
si untuk nil
i h
sil peng
m
t
n k
ji
n terd
hulu
t
u m
s
sek
r
ng, sed
ngk
n huruf bes
r untuk h
sil pemodel
n
t
u m
s
mend
t
ng. M
triks d
p
t jug
diny
t
k
n d
l
m berb
g
i m
c
m k
tegori, seperti MAT b
gi perger
k
n
deng
n mod
tr
nsport
si (k) d
n/
t
u perger
k
n or
ng jenis (n). J
di,
kn T id
= = =
juml
h perger
k
n d
ri zon
s
l i ke zon
tuju
n d deng
n mod
tr
nsport
si k d
n penump
ng jenis n juml
h perger
k
n y
ng ber
s
l d
ri zon
s
l i deng
n mod
tr
nsport
si k d
n penump
ng jenis n juml
h perger
k
n y
ng menuju ke zon
tuju
n d deng
n mod
tr
nsport
si k d
n penump
ng jenis n
O ikn
kn Dd
D
l
m beber
p
k
sus, penting jug
diket
hui beber
p
not
si berikut:
Model seb
r
n perger
k
n 159
k p id
= =
proporsi perger
k
n d
ri zon
s
l i ke zon
tuju
n d y
ng menggun
k
n mod
tr
n
sport
si k bi
y
perger
k
n d
ri zon
s
l i ke zon
tuju
n d deng
n menggun
k
n
mod
tr
nsport
si k
k c id
Elemen bi
y
perger
k
n d
p
t diny
t
k
n d
l
m s
tu
n j
r
k, w
ktu,
t
u u
ng. S
ering jug
digun
k
n ukur
n y
ng mengg
bungk
n semu
tribut y
ng
d
y
ng bi
s
diken
l deng
n Bi
y
G
bung
n. Bi
y
g
bung
n p
d
d
s
rny
merup
k
n fungsi li
ne
r
tribut y
ng
d
deng
n pembobot
n p
d
beber
p
tribut sesu
i deng
n ting
k
t kepenting
n d
n persepsi penggun
j
l
n, seperti p
d
pers
m
n (5.2). (5.2)
C id = a1 id + a 2 id + a 3 id + a 4 nid + a 5 Fid + a 6 i +
t i = waktu tempuh selama beraa i kearaa atara i a ; id = aku berj
alan kaki dari dan ke hale bus; id = aku menunggu di hale bus;
nid = aku ransi di erminal unuk berukar moda ransporasi (mulimoda); F
id = ari yang dikenakan unuk bergerak dari i ke d;
i
= tari trasit i termial; = parameter yag mewakili atribut laiya yag belu
m iperhitugka; biasaya atribut yag sukar ikuatiikasi seperti keyamaa
a keamaa;
a16 = bobot setiap atribut yag mempuyai satua yag iguaka utuk megkovers
ika satua atribut yag aa ke satua tertetu, misal uag. Biaya gabuga apa
t iyataka alam satua uag a waktu, yag cukup muah ikoversika. Jika b
iaya gabuga iyataka alam satua uag, maka a1 itasirka sebagai ilai wa
ktu (lebih tepatya, ilai waktu selama beraa i kearaa). Jai, a2, a3, a
a4 aalah ilai waktu utuk meuggu, waktu berjala kaki, a waktu berpiah m
oa. Biasaya ketiga ilai ii lebih besar aripaa ilai waktu selama beraa i
kearaa. Hal ii cukup masuk akal karea mausia biasaya malas meuggu, apa
lagi berjala kaki. Jika biaya gabuga iyataka alam satua uag, maka ilai
a5 a a6 ibuat mejai 1. Sebalikya, jika biaya gabuga iyataka alam sa
tua waktu, ilai a1 yag mejai 1, ilai a2...4 mugki berilai 2 atau 3, a
a56 merupaka aktor koversi uag mejai waktu. Biaya gabuga suatu perjalaa
, seperti yag iyataka paa persamaa (5.2), merupaka kompromi atara peil
aia objekti a subjekti peggua. Nilai waktu sagat tergatug paa perseps
iya megeai petigya waktu tersebut, misalya keyamaa a keamaa merupa
ka sesuatu yag sagat sulit ikuatiikasi sehigga sagat tergatug paa pe
ilaia subjekti peggua jala.
160 Oyar Z Tami, Perecaaa a pemoela trasportasi
Sesuai ega ukura sampel a perioe survei, aktor koreksi harus iguaka t
erhaap ata hasil survei utuk meapatka MAT secara total. Persetase sampel
sebesar 20% serig iguaka, tetapi ii sagat tergatug ari arus lalulitas
a keterseiaa teaga kerja. Wawacara seperti ii irasaka mahal jika itij
au ari sisi teaga kerja, aaya tuaa, a gaggua arus lalulitas, serta m
embutuhka waktu proses yag lama.
5.4.1.2 Wawacara i rumah
Survei wawacara i tepi jala sagat eekti jika iguaka utuk meapatka i
ormasi arus lalulitas meerus, tetapi tiak eekti utuk meapatka iorma
si lalulitas yag terjai a bergerak haya i alam aerah kajia (iteral).
Pergeraka iteral susah ieteksi; semaki besar suatu kota, semaki besar pu
la persetase lalulitas iteralya. Oleh sebab itu, metoe survei yag palig
cocok utuk meapatka iormasi lalulitas iteral aalah ega wawacara i
rumah. Wawacara i rumah aalah jeis survei asaltujua yag terbaik utuk aer
ah perkotaa a merupaka bagia yag terpetig alam kebayaka kajia trasp
ortasi. Ukura sampel merupaka hal yag palig meetuka a biasaya jumlah r
espoe yag ibutuhka miimal 1.000 rumah. Utuk kota kecil, jumlah sampel ya
g lebih besar ari 5% populasi masih apat ipertimbagka karea alasa biaya.
Tiak seperti wawacara i tepi jala, tujua wawacara i rumah tiak haya u
tuk meapatka iormasi MAT, tetapi juga utuk meapatka beberapa ata stati
stik lai seperti pemilika kearaa, jumlah aggota keluarga, a mugki juga
peghasila. Survei wawacara i rumah yag bayak berkaita ega pergeraka
iteral apat megatasi kekuraga survei wawacara i tepi jala. Utuk survei
jeis ii sagat isaraka aaya pemberitahua awal bagi respoe. Pemberita
hua melalui surat a telepo isaraka, apalagi bila kuesioer harus iisi ol
eh kepala keluarga. Usaha tambaha harus ilakuka agar tigkat pegembalia kue
sioer bisa i atas 90%. Walaupu iormasi yag iapat lebih bayak jika iba
igka ega survei wawacara i tepi jala, survei jeis ii masih iaggap m
ahal a membutuhka waktu proses yag lama.
5.4.1.3 Metoe megguaka beera
Metoe ii membutuhka beberapa pegamat yag megambil posisi paa beberapa lok
asi ilet a outlet aerah kajia. Beberapa jeis taa pegeal iguaka utu
k megietiikasi kearaa, misalya stiker. Biasaya stiker tersebut beromor
a berwara yag itempelka paa kearaa i setiap lokasi masuk a kemuia
kearaa tersebut icatat paa beberapa lokasi tertetu a paa lokasi kelua
r. Nomor pelat mobil serig juga iguaka utuk meggatika stiker a mempuy
ai keutuga, yaitu tiak meggaggu perjalaa. Utuk aerah kajia yag kecil
, hal lai yag apat ilakuka aalah memita pegeara, paa saat masuk, mey
alaka lampuya alam selag waktu tertetu. Pegamat paa beberapa lokasi meca
tat jumlah kearaa yag lampuya meyala alam selag waktu itu. Proses ii i
lakuka secara berulag paa
162 Oyar Z Tami, Perecaaa a pemoela trasportasi
beberapa lokasi masuk alam beberapa hari. Metoe ii haya apat ilakuka paa
siag hari a haya baik utuk aerah kajia yag kecil saja.
5.4.1.4 Metoe oto uara
Metoe ii megguaka beberapa oto uara i aerah kajia yag iambil ari he
likopter yag terbag paa kooriat a ketiggia tertetu. Proses pegumpula
ata cukup cepat a tiak mahal jika ibaigka ega metoe alterati lai
ya, tetapi proses selajutya membutuhka aa cukup besar. Metoe ii membutu
hka iormasi megeai setiap oto yag beruruta pegambilaya utuk meetuk
a pergeraka setiap kearaa ega batua alat igitasi. Keutuga metoe i
i aalah terjamiya kotrol kualitas oto uara a oto apat iguaka utuk
kebutuha lai. Aka tetapi, tetu aa batasa megeai ukura aerah kajia ya
g bisa iambil. Metoe ii semaki baik jika proses ietiikasi kearaa apa
t ilakuka secara otomatis. Secara teori, 100% sampel bisa iapat ega megg
uaka metoe ii, tetapi secara praktis, persetase sampel yag iapat hampir
sama ega jika kita megguaka survei wawacara i jala.
5.4.1.5 Metoe megikuti mobil
Metoe ii membutuhka aaya pegamat yag bertugas megikuti pergeraka kear
aa (biasaya ega megguaka kearaa lai) i alam aerah kajia ega c
ara mecatat pergeraka kearaa paa beberapa lokasi tertetu alam suatu jari
ga jala. Metoe ii lebih murah ibaigka ega metoe laiya, tetapi me
mbutuhka maajeme yag baik alam proses pegumpula a aalisis ata. Dapat
isimpulka bahwa peekata metoe lagsug paa umumya mahal, terutama alam
hal kebutuha aka sumber aya mausia, waktu proses yag lama, serta hasil akhi
rya haya berlaku utuk selag waktu yag peek saja. Tambaha lai, metoe su
rvei i tepi jala membutuhka kooriasi yag baik ega peggua jala a te
tu hal ii meyebabka gaggua a tuaa bagi peggua jala tersebut. Surve
i omor pelat mobil lebih mearik karea tiak meggaggu arus lalulitas, tetap
i membutuhka bayak pegamat a waktu proses yag cukup lama serta sagat ses
iti terhaap galat pecatata. Semua metoe paa umumya meghasilka persetas
e sampel lebih kecil ari 100% sehigga hasil akhirya haya merupaka perkiraa
ari MAT yag iigika. Utuk survei oto uara, meskipu persetase sampel 1
00% bisa icapai, pertayaa berikutya aalah seberapa tiggi ketepata MAT ya
g ihasilka ega MAT yag sebearya terjai alam aerah kajia tersebut. Ol
eh sebab itu, semua kekuraga itu meyebabka semaki bayakya keala a sem
aki jaragya pegguaa peekata metoe lagsug ii.
5.4.2 Metoe tiak lagsug
Pemoela aalah peyeerhaaa realita. Peyeerhaaa tersebut ilakuka ega
megguaka suatu sistem alam betuk usur atau aktor yag apat ipertimba
gka mempuyai kaita ega situasi yag heak igambarka. Memperkiraka kebu
tuha aka pergeraka merupaka bagia terpetig alam
Moel sebara pergeraka 163
proses perecaaa trasportasi karea kebutuha aka pergeraka baik paa masa
sekarag maupu paa masa meatag berpegaruh besar paa kebijaka trasportas
i a kebutuha aka sistem jariga. Moel yag baik harus bisa meggambarka s
emua aktor yag mewakili perilaku mausia. Aka tetapi, kemampua pemoela ya
g ibatasi waktu a biaya meyebabka tiak bisa ihasilkaya moel yag legk
ap. Meskipu mugki iapat moel yag legkap, pastilah merupaka moel yag s
agat kompleks a mahal utuk iguaka. Jai, secara praktis, ibutuhka berba
gai macam jeis moel utuk berbagai tujua sehigga apat ipilih moel yag pa
lig cocok utuk tujua tertetu atau utuk pemecaha masalah tertetu. Sebara
pergeraka merupaka salah satu tahapa alam Moel Perecaaa Trasportasi Emp
at Tahap. Paa tahapa ii, jumlah pergeraka yag ibagkitka ari suatu zoa
asal atau yag tertarik ke suatu zoa tujua aka isebarka paa setiap zoa as
al a zoa tujua yag aa. Hasil tahapa ii berbetuk MAT yag iigika. Be
berapa proseur matematis telah ikembagka sampai saat kii yag secara umum
apat ikelompokka mejai ua bagia utama (Daviroy et al, 1963 a Bruto, 19
81), tergatug ari jeis ata yag iguaka a cara kita megguakaya: 1 M
etoe aalogi alam hal ii suatu ilai tigkat pertumbuha iguaka paa perge
raka paa saat sekarag utuk meapatka pergeraka paa masa meatag. Meto
e sitetis alam hal ii harus ilakuka usaha utuk memoel hubuga atau kaita
yag terjai atarpola pergeraka. Setelah pemoela hubuga atau kaita ters
ebut iapat, kemuia iproyeksika utuk meapatka pola pergeraka paa masa
meatag.
2
5.5 Metoe aalogi
Beberapa metoe telah ikembagka oleh para peeliti, a setiap metoe berasum
si bahwa pola pergeraka paa saat sekarag apat iproyeksika ke masa meata
g ega megguaka tigkat pertumbuha zoa yag berbea bea. Semua metoe me
mpuyai persamaa umum seperti berikut: Ti = ti .E Ti = pergeraka paa masa
meatag ari zoa asal i ke zoa tujua ti E = pergeraka paa masa sekara
g ari zoa asal i ke zoa tujua = tigkat pertumbuha (5.3)
Tergatug paa metoe yag iguaka, tigkat pertumbuha (E) apat berupa satu
aktor saja atau kombiasi ari berbagai aktor, yag bisa iapat ari proyeks
i tata gua laha atau bagkita lalulitas. Faktor tersebut apat ihitug utu
k semua aerah kajia atau utuk zoa tertetu saja yag kemuia iguaka utu
k meapatka MAT.
164 Oyar Z Tami, Perecaaa a pemoela trasportasi
Metoe aalogi apat ikelompokka mejai tiga kelompok utama, yaitu metoe ta
pa batasa, metoe ega satu batasa, a metoe ega ua batasa (lihat gam
bar 5.2). Uruta pegembagaya secara kroologis aalah metoe seragam, metoe
batasa bagkita, metoe batasa tarika, metoe rata rata, metoe Fratar, met
oe Detroit, a metoe Furess.
5.5.1 Metoe tapa batasa
Metoe tapa batasa atau metoe seragam aalah metoe tertua a palig seerha
a. Dalam metoe ii iasumsika bahwa utuk keseluruha aerah kajia haya aa
satu ilai tigkat pertumbuha yag iguaka utuk megalika semua pergeraka
paa saat sekarag utuk meapatka pergeraka paa masa meatag. Metoe ii
tiak mejami bahwa total pergeraka yag ibagkitka ari setiap zoa asal
a total pergeraka yag tertarik ke setiap zoa tujua aka sama ega total b
agkita a tarika yag iharapka paa masa meatag. Secara matematis apat
ijelaska sebagai berikut: Ti = ti .E E= T t (5.4) (5.5)
T = total pergeraka paa masa meatag i alam aerah kajia t = total perger
aka paa masa sekarag i alam aerah kajia Sebagai ilustrasi, berikut ii i
berika cotoh perhituga metoe seragam ega megguaka MAT (4 x 4) seperti
terlihat paa tabel 5.2.
Tabel 5.2 MAT paa masa sekarag a tigkat pertumbuha setiap zoa Zoa
1 2 3 4 D E
1
10 80 20 100 210 420 2,00
2
60 20 130 80 290 435 1,50
3
80 100 10 60 250 250 1,00
4
50 50 50 20 170 515 3,03
oi
200 250 210 260 920
Oi
300 250 420 650
Ei
1,50 1,00 2,00 2,50
1.620 1,76
Dapat ilihat paa tabel 5.2 bahwa total pergeraka lalulitas i alam aerah k
ajia meigkat sebesar 76% paa masa meatag (ari 920 mejai 1.620 pergerak
a). Dega metoe seragam, secara sagat seerhaa semua sel MAT (ti) ikalika
ega aktor 1,76 utuk meapatka MAT paa masa meatag, seperti terlihat
paa tabel 5.3. Asumsi asar yag iguaka paa metoe ii aalah tigkat pert
umbuha global i seluruh aerah kajia berpegaruh sama paa pertumbuha laluli
tasya secara merata atau seragam utuk setiap zoa. Asumsi ii serig tiak a
pat iguaka karea paa keyataaya tigkat pertumbuha setiap zoa yag berb
ea biasaya
Moel sebara pergeraka 165
Tabel 5.4 MAT paa masa meatag ega metoe ega batasa bagkita Zoa
1 2 3 4 D E
1
15 80 40 250 385 420 1,09
2
90 20 260 200 570 435 0,76
3
120 100 20 150 390 250 0,64
4
75 50 100 50 275 515 1,87
oi
300 250 420 650 1.620
Oi
300 250 420 650
Ei
1,00 1,00 1,00 1,00
1.620 1,00
Metoe ii iguaka jika iormasi 5.5.2.2 Metoe ega batasa tarika yag t
erseia aalah perkiraa tarika pergeraka paa masa meatag, seagka perki
raa bagkita pergeraka tiak terseia atau apat juga terseia tetapi akurasi
ya reah. Secara matematis metoe ii apat iyataka ega persamaa (5.7)
berikut. (5.7) Ti = ti .E Dega megguaka persamaa (5.7), pergeraka masa
meatag apat ihitug a terlihat paa tabel 5.5.
Tabel 5.5 MAT paa masa meatag ega metoe ega batasa tarika Zoa
1 2 3 4 D E
1
20 160 40 200 420 420 1,00
2
90 30 195 120 435 435 1,00
3
80 100 10 60 250 250 1,00
4
151 151 151 62 515 515 1,00
oi
341 441 396 442 1.620
Oi
300 250 420 650
Ei
0,88 0,57 1,06 1,47
1.620 1,00
Terlihat bahwa metoe ega batasa tarika mejami total tarika pergeraka s
etiap zoa paa masa meatag sama ega yag iharapka (terlihat ari ilai
E = 1 utuk seluruh zoa); begitu juga total pergeraka paa masa meatag ut
uk seluruh aerah kajia sama ega yag iharapka.
5.5.3 Metoe ega ua batasa
Terapat empat buah metoe yag telah ikembagka sampai saat ii yag paa umu
mya mecoba megatasi kekuraga yag aa paa metoe sebelumya, yaitu permasa
laha batasa bagkita a tarika pergeraka. Keempat metoe berikut ii meja
mi besarya bagkita a tarika pergeraka paa masa meatag sama ega ya
g iharapka.
Moel sebara pergeraka 167
a
Ei, E = tigkat pertumbuha zoa i a Ti , T ti , t = total pergeraka mas
a meatag yag berasal ari zoa asal i atau yag meuju ke zoa tujua = to
tal pergeraka masa sekarag yag berasal ari zoa asal i atau yag meuju ke z
oa tujua
Metoe ii ijelaska ega megguaka cotoh MAT (4 x 4), termasuk iormasi
tigkat pertumbuha setiap zoa seperti terlihat paa tabel 5.2. Secara umum, to
tal pergeraka masa meatag yag ihasilka tiak sama ega total pergeraka
yag iapat ari hasil aalisis bagkita lalulitas. Aka tetapi, yag ihara
pka aalah: Ti = Ti(G) (5.10) Ti = total pergeraka masa meatag ega zoa
asal i Ti(G) = total pergeraka masa meatag (ari aalisis bagkita lalulit
as) ega zoa asal i Jai, proses pegulaga harus ilakuka utuk memiimumk
a besarya perbeaa tersebut ega megatur ilai Ei a E sampai Ti = Ti(G)
sehigga: (5.11) Ti T Utuk pegulaga pertama iguaka persamaa (5.12) seh
igga ihasilka MAT baru seperti terlihat paa tabel 5.6: 1 E 1 + E 1 = t i .
i Ti (5.12) 2
Tabel 5.6 MAT paa masa meatag ega metoe rata rata (hasil pegulaga ke
1) Zoa
1 2 3 4 D E
E i1 =
Ti ( G )
a
1 = E
T ( G )
1
17,5 120,0 40,0 225,0 402,5 420 1,043
2
90,0 25,0 227,5 160,0 502,5 435 0,866
3
100,0 100,0 15,0 105,0 320,0 250 0,781
4
113,2 100,7 125,7 55,3 394,9 515 1,304
oi
320,7 345,7 408,2 545,3 1.619,9
Oi
300 250 420 650 1.620
EI
0,935 0,723 1,029 1,192
1,001
168 Oyar Z Tami, Perecaaa a pemoela trasportasi
Proses pegulaga terus ilakuka sampai Ti = Ti(G) a T = T(G). Hal tersebu
t tercapai paa pegulaga ke 12 yag meghasilka MAT akhir (setelah pembulata
) seperti terlihat paa tabel 5.7.
Tabel 5.7 MAT paa masa meatag ega metoe rata rata (hasil pegulaga ke
12)
Zoa 1 2 3 4 D E
1
16 85 41 279 421 420 0,999
2
66 14 189 166 435 435 1,000
3
74 54 13 110 250 250 1,000
4
144 98 178 95 515 515 1,000
oI
300 250 420 650 1.620
Oi
300 250 420 650
Ei
1,000 1,000 1,000 1,000
1.620 1,000
Terapat beberapa kelemaha paa metoe rata rata ii karea besarya perbeaa
tiak tersebar secara acak, tetapi tergatug paa ilai tigkat pertumbuha. Co
tohya, zoa yag tigkat pertumbuhaya lebih reah ari tigkat pertumbuha
global aka meghasilka ilai yag lebih besar ari perkiraa. Aka tetapi, hal
yag sebalikya terjai paa zoa yag tigkat pertumbuhaya lebih tiggi ari
tigkat pertumbuha global. Besarya perbeaa tersebut aka semaki berkurag
sejala ega proses pegulaga, tetapi jika jumlah pegulaga yag ibutuhka
sagat bayak, tigkat ketepata pu semaki berkurag. Oleh sebab itu, metoe
ii sekarag suah jarag iguaka.
5.5.3.2 Metoe Fratar Fratar (1954) megembagka metoe yag mecoba megatasi
kekuraga metoe seragam a metoe rata rata. Asumsi asar metoe ii aalah:
a b
sebara pergeraka ari zoa asal paa masa meatag sebaig ega sebara p
ergeraka paa masa sekarag; sebara pergeraka paa masa meatag imoiikas
i ega ilai tigkat pertumbuha zoa tujua pergeraka tersebut.
Moiikasi ii mempertimbagka aaya pegaruh lokasi tempat tujua yag berba
ig terbalik ari rata rata aya tarik tempat tujua. Secara umum, metoe ii m
emperhatika: perkiraa jumlah pergeraka yag ihasilka ari atau tertarik ke
suatu zoa (hal ii iapatka ari tahapa bagkita pergeraka); proses sebara
pergeraka masa meatag ari setiap zoa yag berbaig lurus ega perger
aka paa masa sekarag imoiikasi ega tigkat pertumbuha zoa tujua perg
eraka. Ii meghasilka ua ilai utuk setiap pergeraka (i a i); seterusya
rata rata ari ilai ii ipakai sebagai peekata pertama bagi pergeraka ya
g terjai.
Moel sebara pergeraka 169
utuk setiap zoa, jumlah hasil peekata pertama ibagi ega total pergeraka
yag iperkiraka (ihasilka ari tahapa bagkita pergeraka), utuk meap
atka ilai tigkat pertumbuha yag baru yag selajutya iguaka sebagai pe
ekata keua. pergeraka yag ihasilka paa peekata pertama yag kemuia
isebarka, a ii sebaig ega pergeraka paa masa sekarag a ilai ti
gkat pertumbuha yag baru (hasil peekata pertama). Keua ilai ii kemuia
irata rataka a proses iulagi sampai tercapai kesesuaia atara pergeraka
yag ihitug ega yag iigika. ( Li + L ) 2
k N
a
L =
t k
N
(5.14)
k
E k .t k
Proses pegulaga cukup rumit a membutuhka proses perhituga yag cukup pa
jag. Daviroy et al (1963) meyimpulka bahwa metoe seragam, rata rata, a Fr
atar mempuyai ketepata yag kira kira sama. Metoe Fratar membutuhka jumlah p
egulaga yag lebih seikit ibaigka ega ua metoe laiya, tetapi per
hitugaya yag cukup rumit paa akhirya secara keseluruha tiak megutugka
proses perhituga a meyebabka metoe Fratar ii mejai tiak populer ig
uaka. Perlu iketahui paa saat itu pegembaga peelitia iarahka selai
ari usaha peigkata akurasi tetapi juga paa usaha meghasilka proses perhitu
ga yag eisie (jumlah pegulaga yag sekecil mugki a proses perhituga
yag seseerhaa mugki). Metoe ii ikembagka bersamaa ega pelaksaaa
pekerjaa Detroit Metropolita Area Traic Stuy alam usaha megatasi kekura
ga metoe sebelumya a sekaligus meguragi waktu operasi komputer.
5.5.3.3 Metoe Detroit
Prosesya mirip ega metoe rata rata a Fratar, tetapi mempuyai asumsi bahw
a: walaupu jumlah pergeraka ari zoa i meigkat sesuai ega tigkat pertum
buha Ei, pergeraka ii harus juga isebarka ke zoa sebaig ega E ib
agi ega tigkat pertumbuha global (E) yag secara umum apat iyataka seba
gai: E . E Ti = t i . i (5.15) E Dega megguaka ata awal MAT yag sama s
eperti tabel 5.2, maka ega metoe Detroit ihasilka MAT paa pegulaga ke
1 seperti paa tabel 5.8.
170 Oyar Z Tami, Perecaaa a pemoela trasportasi
Tabel 5.8 MAT paa masa meatag ega metoe Detroit (hasil pegulaga ke 1)
Zoa
1 2 3 4 D E
1
17,0 90,9 45,4 284,0 437,3 420 0,960
2
76,7 17,0 221,5 170,4 485,6 435 0,896
3
68,1 56,8 11,4 85,2 221,5 250 1,129
4
129,0 86,0 172,0 86,0 473,1 515 1,089
oI
290,8 250,7 450,3 625,5 1.617,2
Oi
300 250 420 650
EI
1,031 0,997 0,933 1,039
1.620 1,002
Seperti halya ega metoe rata rata a Fratar, proses iulagi sampai icapa
i tigkat kesesuaia yag iigika (Ti=Ti(G)). Hal tersebut tercapai paa peg
ulaga ke 8, sehigga ihasilka MAT akhir (setelah pembulata) seperti terliha
t paa tabel 5.9. Tigkat pertumbuha yag iguaka lebih seerhaa ibaigka
ega metoe Fratar. Waktu komputasi mejai lebih sigkat karea jumlah peg
ulaga yag lebih seikit.
Tabel 5.9 MAT paa masa meatag ega metoe Detroit (hasil pegulaga ke 8)
Zoa
1 2 3 4 D E
1
16 82 40 283 421 420 0,999
2
68 15 189 164 436 435 0,999
3
75 61 12 101 249 250 1,001
4
141 92 180 102 515 515 1,000
oi
300 250 421 650 1.620
Oi
300 250 420 650
Ei
1,000 1,000 0,999 1,000
1.620 1,000
megalika sel MAT paa saat sekarag ega tigkat pertumbuha zoa asal (Ei)
seperti terlihat paa tabel 5.10.
Tabel 5.10 MAT paa masa meatag ega metoe Furess (hasil pegulaga ke 1
) Zoa
1 2 3 4 D E
1
15,0 80,0 40,0 250,0 385,0 420 1,091
2
90,0 20,0 260,0 200,0 570,0 435 0,763
3
120,0 100,0 20,0 150,0 390,0 250 0,641
4
75,0 50,0 100,0 50,0 275,0 515 1,873
oi
300,0 250,0 420,0 650,0 1.620,0
Oi
300 250 420 650
Ei
1,000 1,000 1,000 1,000
1.620 1,000
Selajutya, paa pegulaga ke 2, sel MAT yag ihasilka paa pegulaga ke
1 ikalika ega tigkat pertumbuha zoa tujua (E) utuk meghasilka MAT p
egulaga ke 2, seperti terlihat paa tabel 5.11.
Tabel 5.11 MAT paa masa meatag ega metoe Furess (hasil pegulaga ke 2
) Zoa
1 2 3 4 D E
1
16,4 87,3 43,6 272,7 420,0 420 1,000
2
68,7 15,3 198,4 152,6 435,0 435 1,000
3
76,9 64,1 12,8 96,2 250,0 250 1,000
4
140,5 93,6 187,3 93,6 515,0 515 1,000
oi
302,4 260,3 442,2 615,1 1.620,0
Oi
300 250 420 650
Ei
0,992 0,961 0,950 1,057
1.620 1,000
Hal tersebut ilakuka terus meerus secara bergatia sehigga total sel MAT ya
g ihasilka (baris ataupu kolom) sesuai ega total sel MAT yag iigika.
Tabel 5.12 aalah MAT yag ihasilka metoe Furess (setelah pembulata) setel
ah pegulaga ke 6.
Tabel 5.12 MAT paa masa meatag ega metoe Furess (hasil pegulaga ke 6
) Zoa
1 2 3 4 D E
1
16 82 40 282 420 420 1,000
2
68 15 188 164 435 435 1,000
3
75 61 12 102 250 250 1,000
4
141 92 180 102 515 515 1,000
Oi
300 250 421 649 1.620
Oi
300 250 420 650
Ei
1,000 1,000 0,999 1,001
1.620 1,000
172 Oyar Z Tami, Perecaaa a pemoela trasportasi
Evas (1970) meujukka bahwa metoe Furess selalu mempuyai satu solusi akhir
a terbukti lebih eisie ibaigka ega metoe aalogi laiya. Solusi a
khir pasti selalu sama, tiak tergatug ari maa pegulaga imulai (baris at
au kolom). Beberapa peeliti berusaha mempercepat proses pegulaga metoe Fur
ess (lihat Robillar a Stewart, 1974; Mekky, 1983; Maher, 1983b). Peurua te
ori metoe Furess apat ihasilka ega memiimumka statistik iormasi yag
iharapka (Morphet, 1975) atau memaksimumka ukura etropi (Evas, 1970). Dib
uktika bahwa metoe Furess meghasilka sebara pergeraka yag memaksimumka
etropi a memiimumka iormasi yag iharapka, tergatug paa batasa asal
tujua. Lamo a Stewart (1981) memperlihatka bahwa proses keseimbaga meto
e Furess sebearya merupaka kasus khusus yag apat ihasilka oleh metoe k
eseimbaga Bregma. Pejelasa rici megeai hal tersebut apat ilihat paa B
regma (1967).
5.5.4 Keutuga a kerugia
Beberapa keutuga metoe aalogi aalah sebagai berikut: muah imegerti a
iguaka, haya membutuhka ata pergeraka atarzoa (MAT) paa masa sekarag
a perkiraa tigkat pertumbuha zoa paa masa meatag yag seerhaa; prose
s pegulagaya seerhaa; ata aksesibilitas (waktu, jarak, a biaya) atarzo
a tiak iperluka; pegguaaya leksibel, misalya utuk moa trasportasi l
ai, utuk tujua perjalaa yag berbea, utuk selag waktu yag berbea, a
juga apat iguaka utuk arah pergeraka yag berbea; suah serig iabsahka
a meghasilka tigkat ketepata yag cukup tiggi jika iguaka paa aerah
yag pola pegembaga wilayahya stabil.
Aka tetapi, selai keutuga, terapat juga beberapa permasalaha yag serig
timbul alam pemakaiaya. Di ataraya aalah yg berikut ii. Metoe ii membu
tuhka masuka ata legkap ari seluruh pergeraka atarzoa paa saat sekarag
(ti); iormasi ii tetu sagat mahal. Dibutuhka jumlah zoa yag selalu tet
ap; ega kata lai, tiak boleh itambah ega zoa baru sehigga agak susah
iguaka karea biasaya paa masa meatag selalu aa pertambaha zoa baru.
Oleh karea itu, utuk megatisipasi perubaha jumlah zoa tersebut, iperluka
maipulasi ega megaggap paa masa sekarag jumlah zoa yag iguaka aalah
jumlah zoa paa masa meatag ega pergeraka yag cukup kecil. Realitaya,
pergeraka tersebut memag belum aa paa masa sekarag. Kelemaha yag palig
utama aalah jika itemuka bahwa atara ua buah zoa paa saat sekarag belum
terjai pergeraka (ti = 0) atau mugki karea aa galat survei atau hal lai
ya. Dalam hal ii, tiak aka perah iapatka
ramala pergeraka tersebut paa masa meatag. Utuk itu, sekali lagi, iperlu
ka maipulasi ata ega megaggap telah terjai pergeraka ega volume yag
sagat kecil, misalya (ti = 1) utuk meghiari aaya batasa kelemaha mate
matis tersebut. Pergeraka itrazoa (i=) tiak iperhitugka paa metoe ii
sehigga meigkatka galat a membutuhka jumlah pegulaga yag semaki bay
ak yag selajutya memugkika terciptaya galat yag semaki besar. Kelemaha
lai, jika paa masa sekarag terapat sel matriks yag tiak iapatka iorm
asi pergerakaya (ataya tiak aa), maka sel matriks tersebut tiak aka per
ah bisa iapatka pergeraka masa meatagya. Karea itu, metoe ii tiak a
pat iguaka utuk melegkapi sel matriks yag kosog ega meambahkaya ar
i matriks parsial. Metoe ii sagat tergatug paa tigkat akurasi iormasi p
ergeraka atarzoa paa masa sekarag. Setiap galat yag aa paa masa sekarag
aka terus membesar setiap kali ilakuka proses pegulaga. Selai itu, kare
a aaya kemugkia galat statistik yag cukup tiggi, pegguaa tigkat pertu
mbuha utuk pergeraka yag reah paa masa sekarag aka meghasilka perkira
a yag tiak realistis paa masa meatag. Tigkat pertumbuha setiap zoa i
apat ega proses peekata yag kasar sehigga metoe aalogi ii sagat terg
atug paa ketepataya. Asumsi megeai tiak aa perubaha paa aksesibilitas j
uga ikritik orag. Dega kata lai, sebara pergeraka haya tergatug paa p
ola perjalaa paa saat sekarag a perkiraa tigkat pertumbuhaya. Oleh kar
ea itu, metoe ii tiak bisa iguaka utuk aerah yag paa masa meatag m
egalami perubaha aksesibilitas yag yata paa sistem jariga trasportasiya
, misalya pelebara jala, pembagua jala baru, a pembagua jala bebas
hambata. Jai, moel ii tiak cocok utuk peramala utuk waktu yag cukup pa
jag. Utuk itu iperluka metoe yag juga memperhitugka aaya perubaha aks
esibilitas, selai perubaha tigkat pertumbuha setiap zoa (metoe sitetis ya
g iteragka paa subbab 5.65.9). Utuk selag waktu yag peek a i aerah
yag stabil pegembaga wilayahya, metoe ii apat iguaka ega baik. Seb
alikya, metoe ii tiak apat iguaka paa aerah yag pesat pegembaga wi
layahya a tajam peigkata aksesibilitas sistem jariga trasportasiya. Ka
rea batasa i atas, metoe aalogi sagat jarag iguaka alam kajia trasp
ortasi i masa sekarag.
Moel sitetis lebih serig iguaka, yag paa asarya berusaha meggambarka
hubuga atara tata gua laha a trasportasi alam pemoela. Moel ii ber
usaha memperhitugka alasa orag melakuka perjalaa, a secara rici ijela
ska berikut ii.
174 Oyar Z Tami, Perecaaa a pemoela trasportasi
apat iperkiraka ega mempelajari tigkat kemampua aya beli a luas pusat
perbelajaa. Berbagai betuk moel isaraka utuk memperkiraka kebutuha tr
asportasi; mulai ari moel agregat yag sagat seerhaa sampai ega peeka
ta moel tiak agregat yag rumit. Meskipu, moel tiak agregat mejami hasil
yag lebih tepat (lihat Daly, 1982; Gu a Bates, 1982; Daly et al, 1983), mo
el agregat lebih serig iguaka utuk peramala. Carey et al (1981) a Carey
a Revelli (1986) megguaka moel kebutuha lagsug yag meeragka bahwa
parameter moel ikalibrasi ega megguaka ata arus lalulitas. Aka tetapi
, paa buku ii, kita haya membicaraka paa moel agregat karea jeis moel s
eperti ii berpotesi baik a megutugka. Moel utuk perecaaa trasporta
si biasaya ituruka ari prisip asar isika, seperti hukum gravity a pri
sip etropi. Pemikira bahwa iteraksi atara ua tata gua laha apat iartika
sama ega gaya tarik atau tolak paa moel gravity yag pertama kali iperke
alka paa tahu 1850. Aka tetapi, moel gravity utuk trasportasi perkotaa
pertama kali iguaka satu aba kemuia, yaitu paa tahu 1955 (Casey, 1955).
Beberapa betuk moel sitetis iteragka secara lebih rici alam subbab berik
ut ii.
5.7 Moel gravity (GR)
5.7.1 Aalogi
Metoe sitetis (iteraksi spasial) yag palig terkeal a serig iguaka a
alah moel gravity (GR) karea sagat seerhaa sehigga muah imegerti a i
guaka. Moel ii megguaka kosep gravity yag iperkealka oleh Newto pa
a tahu 1686 yag ikembagka ari aalogi hukum gravitasi. Metoe ii berasums
i bahwa ciri bagkita a tarika pergeraka berkaita ega beberapa paramete
r zoa asal, misalya populasi a ilai sel MAT yag berkaita juga ega akse
sibilitas (kemuaha) sebagai ugsi jarak, waktu, atau pu biaya. Newto meyat
aka bahwa (Fi) gaya tarik atau tolak atara ua kutub massa berbaig lurus
ega massaya, mi a m, a berbaig terbalik kuaratis 2 , yag apat iy
ataka ega: ega jarak atara keua massa tersebut, i Fi = G mi m
2 i
Moel ii mempuyai beberapa hal yag perlu iperhatika. Dikataka bahwa perger
aka atara zoa asal i a zoa tujua berbaig lurus ega Oi a D a
berbaig terbalik kuaratis terhaap jarak atara keua zoa tersebut. Jai,
alam betuk matematis, moel GR apat iyataka sebagai: Ti Oi .D .(Ci) (5.
19) Walaupu kelihata realistis, bila iteliti lebih mealam, persamaa (5.18)
meghasilka keyataa yag membigugka a merupaka kesalaha atal jika i
guaka alam aspek trasportasi. Jika salah satu ilai Oi a salah satu ilai
D mejai ua kali, pergeraka atara keua zoa meigkat empat kali sesuai e
ga persamaa (5.18); sebearya pergeraka iperkiraka meigkat haya ua ka
li. Utuk mejawab hal ii, persamaa yag membatasi Ti iperluka, a batasa
tersebut tiak apat ipeuhi oleh persamaa (5.18).
Ti
= O i a
Ti
i
= D
(5.20)
Oi a D meyataka jumlah pergeraka yag berasal ari zoa i a yag berakhi
r i zoa . Oleh karea itu, pejumlaha sel MAT meurut baris meghasilka total
pergeraka yag berasal ari setiap zoa, seagka pejumlaha meurut kolom me
ghasilka total pergeraka yag meuju ke setiap zoa. Pegembaga persamaa (5
.19), ega batasa persamaa (5.20), meghasilka persamaa (5.21) berikut: Ti
= Oi .D .Ai .B .(Ci) (5.21) Keua persamaa pembatas (5.20) ipeuhi jika
iguaka kostata Ai a B, yag terkait ega setiap zoa bagkita a tar
ika. Kostata itu isebut aktor peyeimbag. 1 1 a B = (5.22) Ai = ( B D
i ) ( Ai O i i )
i
Selai itu, Dacey a Norclie (1977) megembagka moel sebara pergeraka e
ga ua batasa ega batasa yag tiak terlalu megikat seperti yag ituju
kka alam persamaa (5.23): 0 Ti N i
a
0 Ti M
i
(5.23) (5.24)
Ti
i
=T
Ni a M aalah total pergeraka maksimum a T aalah total pergeraka yag i
lakuka alam sistem tersebut. Sejauh ii, tiak aa bukti yag meukug bahwa
jarak memegag peraa yag sama alam sektor trasportasi [persamaa (5.18)] se
perti yag berlaku alam hukum isika Newto. Jai, perlu iguaka betuk umum
jarak, waktu, a biaya yag biasa isebut ugsi hambata atau hambata traspo
rtasi.
Moel sebara pergeraka 177
Persamaa Ai a B iapatka secara berulag ulag a apat ega muah ice
k bahwa Ti paa persamaa (5.19) suah memeuhi batasa persamaa (5.20). Kita
apat meghitug ilai B utuk setiap ega megguaka persamaa (5.20), ya
g ilaiya kemuia iguaka lagi utuk meghitug kembali ilai Ai. Proses i
i iulagi sampai ilai Ai a B meghasilka ilai tertetu (koverge). Prose
ur peyeimbag yag ilakuka mirip ega metoe Furess yag suah ibuktika
oleh Evas (1970) aka selalu meghasilka ilai Ai a B ari setiap ilai aw
al apa pu. Lamo a Stewart (1981) membuktika bahwa metoe Furess bisa ia
pat sebagai kasus khusus ari metoe peyeimbag Bregma. Selajutya, Robillar
a Stewart (1974) a Erlaer (1978) membuktika bahwa proseur peyeimbag y
ag iguaka oleh metoe Furess utuk meapatka ilai Ai a B paa keyata
aya merupaka versi seerhaa ari metoe Newto.
5.7.2 Fugsi hambata
Hal yag terpetig utuk iketahui aalah i harus iaggap sebagai ukura aks
esibilitas (kemuaha) atara zoa i ega zoa . Hyma (1969) meyaraka tig
a jeis ugsi hambata yag apat iguaka alam moel GR:
f (C id ) = C id
(fungsi p
ngk
t) (fungsi eksponensi
l neg
tif) (fungsi T
nner)
(5.25) (5.26) (5.27)
f (C id ) = e C id
.e C id f (C id ) = C id
Bentuk umum ketig
fungsi h
m
t
n ini untuk nil
i p
r
meter y
ng
er
ed
ed
d
p
t dilih
t p
d
g
m
r 5.4.
f(Cij) 1.6
c**( 2)
1.4 1.2 1 0.8 0.6 0.4 0.2 0 2 10 20 30 40 50 W
ktu tempuh (menit)
exp( 0,1c) exp( 0,01c) exp( 0,3c) c**(0,5)exp( 0,1c)
60
70
G
m
r 5.4 Bentuk umum fungsi h
m
t
n Sum
er: Ortuz
r
nd Willumsen (1994)
178 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
Ni d
n Md
d
l
h tot
l perger
k
n m
ksimum d
n T
d
l
h tot
l perger
k
n y
ng di
l
kuk
n d
l
m sistem terse
ut. Sej
uh ini, tid
k
d
ukti y
ng mendukung
hw
j
r
k memeg
ng per
n
n y
ng s
m
d
l
m sektor tr
nsport
si [pers
m
n (5.18)] se
perti y
ng
erl
ku d
l
m hukum fisik
Newton. J
di, perlu digun
k
n
entuk umum
j
r
k, w
ktu, d
n
i
y
y
ng
i
s
dise
ut fungsi h
m
t
n
t
u h
m
t
n tr
nspo
rt
si. Nil
i h
m
t
n tr
nsport
si
i
s
ny
di
sumsik
n se
g
i rute terpendek,
tercep
t,
t
u termur
h, d
ri zon
s
l ke zon
tuju
n. D
ri zon
s
l ke zon
t
uju
n d
l
m su
tu sistem terd
p
t
e
er
p
kemungkin
n rute. Rute y
ng memungkin
k
n d
ri zon
i dise
ut pohon. Komputer di
utuhk
n untuk mem
entuk pohon d
ri zo
n
i k
ren
terd
p
t
ny
kny
kom
in
si ru
s y
ng mengh
silk
n kemungkin
n rute
y
ng s
ng
t
ny
k. Rute terpendek (d
l
m h
l
i
y
, j
r
k, d
n w
ktu) d
ri zon
i ke zon
l
inny
dise
ut ur
i
n pohon. Rute terse
ut
d
l
h rute y
ng digun
k
n untuk menghitung h
m
t
n tr
nsport
si. H
l y
ng perlu mend
p
t perh
ti
n
d
l
h h
m
t
n tr
nsport
si intr
zon
. Perkir
n y
ng s
l
h menye
k
n perkir
n
perger
k
n intr
zon
y
ng s
ng
t k
s
r, y
ng sel
njutny
mempeng
ruhi perhitung
n. Sec
r
pr
ktis, h
rus terd
p
t
ny
k
sumsi untuk
is
mend
p
tk
n j
w
n y
ng
en
r. H
l y
ng p
ling mungkin
d
l
h deng
n menghitung perger
k
n intr
zon
sec
r
terpis
h d
n kemudi
n menghil
ngk
n perger
k
n terse
ut d
ri pemodel
n u
t
m
.
5.7.3 Se
r
n p
nj
ng perger
k
n
Di s
mping mengk
li
r
si p
r
meter model ke
utuh
n
k
n tr
nsport
si, seringk
li
diperluk
n jug
inform
si se
r
n perj
l
n
n y
ng did
s
rk
n p
d
p
nj
ng (
t
u
i
y
) perj
l
n
n, y
ng
i
s
diken
l deng
n se
r
n p
nj
ng perger
k
n. Khusus
untuk perj
l
n
n d
l
m d
er
h perkot
n, d
n le
ih khusus l
gi d
l
m h
l perj
l
n
n deng
n kend
r
n
ermotor, se
r
n ini mempuny
i
entuk umum seperti y
ng d
iperlih
tk
n p
d
g
m
r 5.5. Terlih
t
hw
terd
p
t h
ny
sedikit perj
l
n
n j
r
k pendek, y
ng diikuti deng
n sejuml
h
es
r j
r
k meneng
h.
10 20 30 40 50 60 70 80 90 100120 W
ktu perj
l
n
n (menit)
G
m
r 5.5 Bentuk tipik
l se
r
n p
nj
ng perger
k
n di d
er
h perkot
n
Deng
n sem
kin meningk
tny
j
r
k
t
u
i
y
, juml
h perj
l
n
n kem
li menurun.
Deng
n meng
cu p
d
g
m
r 5.4, fungsi eksponensi
l d
n p
ngk
t cukup
ik untu
k mengg
m
rk
n
gi
n k
n
n kurv
se
r
n, tet
pi tid
k untuk
Model se
r
n perger
k
n 179
gi
n kiriny
. Kedu
gi
n ini d
p
t diw
kili sec
r
ik deng
n fungsi T
nner
. Se
r
n p
nj
ng perger
k
n se
ikny
diket
hui untuk d
p
t memperkir
k
n jenis
fungsi h
m
t
n y
ng p
ling cocok untuk digun
k
n.
5.7.4 Jenis model gr
vity
Seperti tel
h dijel
sk
n terd
p
t 4 jenis model GR y
itu t
np
t
s
n (UCGR), d
eng
n
t
s
n
ngkit
n (PCGR), deng
n
t
s
n t
rik
n (ACGR), d
n deng
n
t
s
n
ngkit
n t
rik
n (PACGR). Model PCGR d
n ACGR sering dise
ut model deng
n s
t
u
t
s
n (SCGR), sed
ngk
n model PACGR dise
ut model deng
n du
t
s
n (DCGR).
Semu
t
s
n ini tertu
ng d
l
m pers
m
n (5.21)(5.22) y
ng merup
k
n pers
m
n
model GR y
ng sering digun
k
n. Penjel
s
n di
t
s menunjukk
n
hw
model ters
e
ut d
p
t diturunk
n sec
r
heuristik deng
n mengikuti
n
logi hukum gr
vit
si
Newton. Pers
m
n (5.21)(5.22) diken
l se
g
i model DCGR. Versi l
in y
ng diken
l deng
n model SCGR jug
d
p
t dih
silk
n. Deng
n menet
pk
n nil
i Bd = 1 untuk
semu
d untuk menghil
ngk
n
t
s
n
ngkit
n perger
k
n (Oi), m
k
model PCGR
is
dih
silk
n. Sel
njutny
, deng
n menet
pk
n nil
i Ai = 1 untuk semu
i untuk
menghil
ngk
n
t
s
n t
rik
n perger
k
n (Dd), m
k
entuk model l
in
k
n dih
s
ilk
n y
ng
i
s
dise
ut deng
n model ACGR. Ter
khir, deng
n meng
ik
n
t
s
n
ngkit
n d
n t
rik
n, dih
silk
n model UCGR.
5.7.4.1 Model UCGR
Model ini sedikitny
mempuny
i s
tu
t
s
n, y
itu tot
l perger
k
n y
ng dih
sil
k
n h
rus s
m
deng
n tot
l perger
k
n y
ng diperkir
k
n d
ri t
h
p
ngkit
n pe
rger
k
n. Model ini
ersif
t t
np
t
s
n, d
l
m
rti
hw
model tid
k dih
rus
k
n mengh
silk
n tot
l y
ng s
m
deng
n tot
l perger
k
n d
ri d
n ke seti
p zon
y
ng diperkir
k
n oleh t
h
p
ngkit
n perger
k
n. Model terse
ut d
p
t ditulis
k
n se
g
i: Tid = Oi . Dd . Ai . Bd . f(Cid) (5.28)
Ai = 1 untuk seluruh i d
n Bd = 1 untuk seluruh d. Se
g
i ilustr
si,
erikut in
i di
erik
n contoh perhitung
n model UCGR. Pertim
ngk
n d
er
h k
ji
n deng
n 4
zon
. D
ri h
sil t
h
p
ngkit
n perger
k
n diperkir
k
n terj
di
ngkit
n d
n t
rik
n d
ri seti
p zon
seperti terlih
t p
d
t
el 5.13.
T
el 5.13 B
ngkit
n d
n t
rik
n perger
k
n p
d
seti
p zon
Zon
n d
n pemodel
n tr
nsport
si
Sel
in itu, terd
p
t jug
inform
si mengen
i
ksesi
ilit
s
nt
rzon
y
ng d
p
t
erup
j
r
k, w
ktu tempuh, d
n
i
y
perj
l
n
n
nt
rzon
seperti y
ng terlih
t
p
d
t
el 5.14.
T
el 5.14 M
triks
i
y
(Cid) Zon
1 2 3 4
1
5 15 55 25
2
20 10 25 15
3
35 50 10 45
4
50 25 30 5
Deng
n meng
ngg
p fungsi h
m
t
n mengikuti fungsi eksponensi
l neg
tif, did
p
t
m
triks exp(Cid) seperti terlih
t p
d
t
el 5.15 deng
n meng
ngg
p nil
i = 0.095
.
T
el 5.15 M
triks exp(Cid) 1
0,621145 0,239651 0,005310 0,092462
Zon
1 2 3 4
2
0,148858 0,385821 0,092462 0,239651
3
0,035674 0,008549 0,385821 0,013764
4
0,008549 0,092462 0,057433 0,621145
Deng
n menggun
k
n pers
m
n (5.28), perk
li
n
erikut dil
kuk
n untuk seti
p se
l m
triks untuk mend
p
tk
n m
triks
khir seperti terlih
t p
d
t
el 5.16. T11
= A1.O1.B1.D1.exp(C11) T12 = A1.O1.B2.D2.exp(C12) .... ... ... ................ T44
= A4.O4.B4.D4.exp(C44)
T
el 5.16 MAT
khir h
sil model UCGR Zon
1 2 3 4 dd Dd Ed Bd
1
209 121 3 23 356 300 0,842 1,000
2
33 130 36 40 240 200 0,834 1,000
3
6 2 114 2 124 150 1,215 1,000
4
3 54 39 183 280 350 1,249 1,000
oi
252 307 192 248 1.000
Oi
200 300 350 150
Ei
0,794 0,976 1,818 0,604
Ai
1,000 1,000 1,000 1,000
1.000
Sec
r
ringk
s, untuk model UCGR, juml
h
ngkit
n d
n t
rik
n y
ng dih
silk
n t
id
k h
rus s
m
deng
n perkir
n h
sil
ngkit
n perger
k
n. Ak
n tet
pi, persy
r
t
n y
ng diperluk
n
d
l
h tot
l perger
k
n y
ng dih
silk
n model (t)
Model se
r
n perger
k
n 181
h
rus s
m
deng
n tot
l perger
k
n y
ng did
p
t d
ri h
sil
ngkit
n perger
k
n
(T). Terlih
t
hw
tot
l perger
k
n y
ng
er
s
l seti
p zon
s
l d
n tot
l per
ger
k
n y
ng tert
rik ke seti
p zon
tuju
n tid
k s
m
deng
n tot
l perger
k
n (
ngkit
n d
n t
rik
n) y
ng diperkir
k
n oleh t
h
p
ngkit
n perger
k
n.
5.7.4.2 Model PCGR
D
l
m model ini, tot
l perger
k
n glo
l h
sil
ngkit
n perger
k
n h
rus s
m
d
eng
n tot
l perger
k
n y
ng dih
silk
n deng
n pemodel
n;
egitu jug
,
ngkit
n
perger
k
n y
ng dih
silk
n model h
rus s
m
deng
n h
sil
ngkit
n perger
k
n y
ng diingink
n. Ak
n tet
pi, t
rik
n perger
k
n tid
k perlu s
m
. Untuk jenis ini
, model y
ng digun
k
n persis s
m
deng
n pers
m
n (5.28), tet
pi deng
n sy
r
t
t
s y
ng
er
ed
, y
itu: Bd = 1 untuk seluruh d d
n Ai = 1 untuk seluruh i (
Bd Dd f id )
d
D
l
m model UCGR, nil
i Ai = 1 untuk seluruh i d
n nil
i Bd = 1 untuk seluruh d.
Ak
n tet
pi, p
d
model PCGR, konst
nt
Ai dihitung sesu
i deng
n pers
m
n (5.
22) untuk seti
p zon
tuju
n i. Konst
nt
ini mem
erik
n
t
s
n
hw
tot
l
ri
s d
ri m
triks h
rus s
m
deng
n tot
l
ris d
ri m
triks h
sil t
h
p
ngkit
n per
ger
k
n. A1=1/[B1.D1.exp(C11)+B2.D2.exp(C12)+B3.D3.exp(C13)+B4.O4.exp(C14)] A2=1/[B1.
exp(C21)+B2.D2.exp(C22)+B3.D3.exp(C23)+B4.D4.exp(C24)] ..............................
................................................................................
................ A4=1/[B1.D1.exp(C41)+B2.D2.exp(C42)+B3.D3.exp(C43)+B4.D4.exp(C44)] S
l
h menghitung nil
i Ai untuk seti
p i, seti
p sel m
triks d
p
t dihitung deng
n
menggun
k
n pers
m
n (5.28) sehingg
mengh
silk
n m
triks
khir seperti p
d
t
el 5.17.
T
el 5.17 MAT
khir h
sil model PCGR Zon
1 2 3 4 dd Dd Ed Bd
1
166 118 6 14 304 300 0,987 1,000
2
27 127 66 23 244 200 0,821 1,000
3
5 2 207 1 214 150 0,699 1,000
4
3 53 72 110 238 350 1,470 1,000
oi
200 300 350 150 1.000
Oi
200 300 350 150
Ei
1,000 1,000 1,000 1,000
Ai
0,00446 0,00547 0,01020 0,00339
1.000
Terlih
t
hw
persy
r
t
n
w
l dipenuhi, y
itu tot
l perger
k
n y
ng dih
silk
n
model (t) h
rus s
m
deng
n tot
l perger
k
n y
ng did
p
t d
ri h
sil
ngkit
n
perger
k
n (T). Sel
in itu, terlih
t jug
hw
tot
l perger
k
n y
ng
er
s
l d
ri
182 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
seti
p zon
s
l h
rus sel
lu s
m
deng
n tot
l perger
k
n (y
ng di
ngkitk
n) y
ng diperkir
k
n oleh t
h
p
ngkit
n perger
k
n.
5.7.4.3 Model ACGR
D
l
m h
l ini, tot
l perger
k
n sec
r
glo
l h
rus s
m
d
n jug
t
rik
n perger
k
n y
ng did
p
t deng
n pemodel
n h
rus s
m
deng
n h
sil t
rik
n perger
k
n y
ng diingink
n. Se
likny
,
ngkit
n perger
k
n y
ng did
p
t deng
n pemodel
n ti
d
k h
rus s
m
. Untuk jenis ini, model y
ng digun
k
n persis s
m
deng
n pers
m
n (5.28), tet
pi deng
n sy
r
t
t
s y
ng
er
ed
, y
itu: 1 untuk seluruh d Ai
= 1 untuk seluruh i d
n B d = ( A i O i f id )
i
P
d
model ACGR, konst
nt
Bd dihitung sesu
i deng
n pers
m
p zon
tuju
n d. Konst
nt
ini mem
erik
n
t
s
n
hw
tot
l kolom d
ri m
triks
h
rus s
m
deng
n tot
l kolom d
ri m
triks h
sil t
h
p
ngkit
n perger
k
n. Deng
n k
t
l
in, tot
l perger
k
n h
sil pemodel
n y
ng menuju ke su
tu zon
h
rus s
m
deng
n tot
l perger
k
n h
sil
ngkit
n perger
k
n ke zon
terse
ut. B1=1/[A1
.O1.exp(C11)+A2.O2.exp(C21)+A3.O3.exp(C31)+A4.O4.exp(C41)] B2=1/[A1.O1.exp(C12)+A2.
2)+A3.O3.exp(C32)+A4.O4.exp(C42)] ..................................................
...............................................................................
B4=1/[A1.O1.exp(C14)+A2.O2.exp(C24)+A3.O3.exp(C34)+A4.O4.exp(C44)] Setel
h menghitung
l
i Bd untuk seti
p d, seti
p sel m
triks d
p
t dihitung deng
n menggun
k
n pers
n (5.28) sehingg
mengh
silk
n m
triks
khir seperti p
d
t
el 5.18.
T
el 5.18 MAT
khir h
sil model ACGR Zon
1 2 3 4 dd Dd Ed Bd
1
176 102 3 20 300 300 1,000 0,00472
2
28 108 30 34 200 200 1,000 0,00468
3
7 3 138 2 150 150 1,000 0,00681
4
4 68 49 228 350 350 1,000 0,00701
oi
215 281 220 284 1.000
Oi
200 300 350 150
Ei
0,929 1,069 1,590 0,528
Ai
1,000 1,000 1,000 1,000
1.000
Terlih
t
hw
sel
in persy
r
t
n
w
l dipenuhi, y
itu tot
l perger
k
n y
ng dih
silk
n model (t) h
rus s
m
deng
n tot
l perger
k
n y
ng did
p
t d
ri h
sil
n
gkit
n perger
k
n (T), terlih
t jug
tot
l perger
k
n y
ng menuju ke seti
p zon
s
l sel
lu s
m
deng
n tot
l perger
k
n (y
ng tert
rik) y
ng dih
silk
n oleh t
h
p
ngkit
n perger
k
n.
Model se
r
n perger
k
n 183
D
l
m h
l ini,
ngkit
n d
n t
rik
n perger
k
n h
rus 5.7.4.4 Model DCGR sel
lu
s
m
deng
n y
ng dih
silk
n oleh t
h
p
ngkit
n perger
k
n. Model y
ng digun
k
n persis s
m
deng
n pers
m
n (5.28), tet
pi deng
n sy
r
t
t
s: Bd = 1 untuk
semu
d d
n Ai = ( Ai O i f id )
i
1 untuk semu
i ( Bd Dd f id )
d
Kedu
f
ktor penyeim
ng (Ai d
n Bd) menj
min
hw
tot
l
ris d
n kolom d
ri m
tri
ks h
sil pemodel
n h
rus s
m
deng
n tot
l
ris d
n kolom d
ri m
triks h
sil
ngki
t
n perger
k
n. Seperti y
ng tel
h diter
ngk
n, proses pengul
ng
n nil
i Ai d
n
Bd dil
kuk
n sec
r
erg
nti
n. H
sil
khir
k
n sel
lu s
m
, d
ri m
n
pun pengu
l
ng
n dimul
i (
ris
t
u kolom). D
l
m ilustr
si ini, pengul
ng
n dimul
i deng
n m
eng
ngg
p nil
i
w
l B1 = B2 = B3 = B4 = 1. H
sil
khir jug
tid
k terg
ntung p
d
nil
i
w
l. Nil
i
w
l d
p
t
erup
nil
i
er
p
s
j
s
l le
ih
es
r nol. H
l ini h
ny
k
n
erpeng
ruh p
d
juml
h pengul
ng
n untuk menc
p
i konvergensi
. Sem
kin
es
r per
ed
n
nt
r
nil
i
w
l deng
n nil
i
khir, sem
kin
ny
k j
uml
h pengul
ng
n y
ng di
utuhk
n untuk menc
p
i konvergensi. T
el 5.19 memperl
ih
tk
n nil
i Ai d
n Bd p
d
seti
p pengul
ng
n.
T
el 5.19 Nil
i Ai d
n Bd y
ng did
p
t p
d
seti
p pengul
ng
n
Pengul
ng
n 1 3 5 7 9 11
A1
0,00446 0,00462 0,00467 0,00468 0,00467 seles
i
A2
0,00547 0,00547 0,00542 0,00540 0,00539 Seles
i
A3
0,01020 0,01152 0,01186 0,01194 0,01196 Seles
i
A4
0,00339 0,00258 0,00243 0,00240 0,00240 seles
i
B1
1,000 0,98725 0,97645 0,97532 0,97599 0,97663
B2
1,000 0,82103 0,80892 0,80843 0,80849 0,80853
B3
1,000 0,69935 0,62177 0,60477 0,60088 0,59983
B4
1,000 1,47032 1,58355 1,60505 1,60844 1,60876
Pengul
ng
n 0 2 4 6 8 10
Terlih
t
hw
p
d
pengul
ng
n ke 10, nil
i Ai untuk seti
p i d
n nil
i Bd untu
k seti
p d tid
k l
gi meng
l
mi peru
h
n (
t
u tel
h menc
p
i konvergensi). Set
el
h terc
p
i konvergensi deng
n mend
p
tk
n nil
i Ai d
n Bd untuk seti
p i d
n
d, m
k
seti
p sel m
triks d
p
t dihitung deng
n menggun
k
n pers
m
n (5.28) se
hingg
mengh
silk
n m
triks
khir seperti y
ng terlih
t p
d
t
el 5.20.
T
el 5.20 MAT
khir h
sil model DCGR (setel
h pengul
ng
n ke 10) Zon
1 2 3 4 dd Dd Ed Bd
1
170 114 7 10 300 300 1,000 0,97663
2
22 101 63 14 200 200 1,000 0,80853
3
3 1 145 0 150 150 1,000 0,59983
4
4 84 135 126 350 350 1,000 1,60876
oi
200 300 350 150 1.000
Oi
200 300 350 150
Ei
1,000 1,000 1,000 1,000
Ai
0,00467 0,00539 0,01196 0,00240
1.000
184 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
Juml
h pengul
ng
n s
ng
t terg
ntung p
d
nil
i
w
l f
ktor penyeim
ng. Sem
kin
dek
t nil
i
w
l terse
ut ke nil
i
khir f
ktor penyeim
ng, sem
kin sedikit ju
ml
h pengul
ng
n y
ng di
utuhk
n.
5.7.5 S
t penggun
n model gr
vity
Bi
s
ny
, jik
inform
si survei
ik d
n tersedi
, model jenis DCGR s
ng
t
ik
untuk digun
k
n. K
d
ng k
d
ng
i
y
komputer jug
menentuk
n pemilih
n jenis mo
del. Ak
n tet
pi, deng
n kem
ju
n teknologi komputer y
ng pes
t, terut
m
d
l
m
h
l kecep
t
n proses,
i
y
tid
k l
gi menj
di h
m
t
n. H
rus diperh
tik
n
hw
pi tid
k memperhitungk
n permint
n pem
k
i j
l
n l
in di zon
s
l; model DCGR
mempertim
ngk
n kelem
h
n kedu
jenis model terse
ut di
t
s.
Sec
r
umum, se
ikny
model DCGR y
ng digun
k
n p
d
k
sus y
ng r
m
l
n
ngkit
n d
n t
rik
n perger
k
nny
cukup
ik di m
s
mend
t
ng. Jik
r
m
l
n
ngkit
n d
n t
rik
n perger
k
nny
er
ed
, tid
k
d
l
s
n menggun
k
n model y
ng h
r
us mend
p
tk
n tot
l
ris d
n kolom y
ng s
m
sehingg
d
p
t dipilih model y
ng le
ih sederh
n
y
ng mungkin le
ih
ik d
n le
ih mur
h. Untuk tuju
n perj
l
n
n se
perti d
ri rum
h ke temp
t kerj
d
n d
ri rum
h ke sekol
h, d
p
t dip
stik
n
h
w
t
ksir
n
ngkit
n d
n t
rik
n perger
k
n
k
n le
ih tep
t di
ndingk
n deng
n tuju
n perj
l
n
n l
in, mis
lny
d
ri rum
h ke temp
t
el
nj
. Contoh
l
s
n y
ng s
ng
t sederh
n
d
l
h: jik
terd
p
t 1.000 l
p
ng
n pekerj
n d
l
m su
tu
zon
, d
p
t dik
t
k
n
k
n terd
p
t 1.000 perger
k
n y
ng tert
rik ke zon
terse
ut, d
ri m
n
pun merek
er
s
l. Deng
n k
t
l
in, jik
l
p
ng
n pekerj
n p
d
su
tu zon
tertentu d
p
t diperkir
k
n deng
n
ik, m
k
perger
k
n (
ekerj
)
ke d
er
h terse
ut
k
n d
p
t dir
m
lk
n jug
deng
n
ik. Ak
n tet
pi, jik
ter
d
p
t 10.000 m2 temp
t per
el
nj
n d
l
m su
tu zon
, tid
kl
h mud
h untuk mem
s
tik
n
er
p
perj
l
n
n y
ng
k
n menuju ke zon
terse
ut. H
l itu d
p
t
eru
h
deng
n dil
kuk
nny
peru
h
n sistem tr
nsport
si, y
ng jel
s
k
n mengu
h
ks
esi
ilit
s d
ri zon
terse
ut d
n mengu
h hu
ung
n
nt
r
lu
s l
nt
i deng
n t
rik
n perger
k
n. Deng
n k
t
l
in, w
l
upun lu
s l
nt
i d
p
t dir
m
lk
n deng
n
tep
t, tid
k mud
h mer
m
lk
n t
rik
n perger
k
n sec
r
tep
t. Sec
r
umum,
n
gkit
n perger
k
n
er
sis rum
h le
ih d
p
t diy
kini ke
en
r
nny
di
ndingk
n
deng
n t
rik
n perger
k
n. Oleh k
ren
itu, d
l
m ke
ny
k
n k
ji
n, perger
k
n
er
sis rum
h
i
s
ny
menggun
k
n model PCGR
t
u model DCGR. Model DCGR serin
g digun
k
n untuk memodel perger
k
n
er
sis rum
h;
ik untuk tuju
n
ekerj
m
upun pendidik
n. Ak
n tet
pi, untuk jenis perger
k
n ini, pers
m
n model ACGR
i
s
ny
le
ih tep
t k
ren
erd
s
rk
n p
d
peu
h y
ng mud
h dihitung (mis
lny
popul
si).
Model se
r
n perger
k
n 185
Model PCGR d
p
t digun
k
n untuk perger
k
n
er
sis rum
h deng
n
er
g
i tuju
n perger
k
n, sed
ngk
n model ACGR le
ih mud
h dispesifik
si d
n dik
li
r
si, mi
s
lny
tuju
n
el
nj
d
n
isnis. Untuk perger
k
n
er
sis
uk
n rum
h,
ik mo
del PCGR m
upun ACGR tid
k
i
s
ny
d
p
t dir
m
lk
n sec
r
p
sti sehingg
model
UCGR (
t
u model f
ktor pertum
uh
n) y
ng
i
s
ny
digun
k
n. Al
s
n l
in pengg
un
n model UCGR
t
u SCGR
d
l
h k
ren
d
t
y
ng tid
k cukup,
t
u ketep
t
n h
sil tid
k
egitu diperm
s
l
hk
n untuk k
ji
n perenc
n
n j
ngk
p
nj
ng, mis
l
ny
untuk kot
y
ng tum
uh d
n
eru
h deng
n cep
t. D
p
t disimpulk
n
hw
k
j
i
n tr
nsport
si mungkin menggun
k
n model GR deng
n jenis y
ng
er
ed
ed
unt
uk tuju
n perger
k
n y
ng
er
ed
ed
. Perger
k
n untuk tuju
n tertentu itu kem
udi
n dijuml
hk
n d
n mengh
silk
n tot
l perger
k
n untuk semu
tuju
n perger
k
n. D
l
m
e
er
p
d
er
h k
ji
n y
ng
i
s
ny
erkem
ng deng
n cep
t, mis
lny
kot
di Indonesi
, tid
kl
h
egitu penting menget
hui jenis model GR y
ng perlu
digun
k
n, k
ren
ketep
t
n d
t
tid
k
egitu
ik. Ad
h
l penting y
ng perlu d
ic
t
t di sini (T
min, 1988
c): jik
model GR
erjenis DCGR mempuny
i fungsi h
m
t
n eksponensi
l neg
tif; m
k
untuk nil
i = 0, model GR terse
ut
k
n
erper
il
ku persis s
m
deng
n metode Furness. Ini k
ren
, jik
nil
i = 0,
er
p
pun n
il
i Cid y
ng digun
k
n, m
k
nil
i exp(Cid)
k
n sel
lu s
m
deng
n s
tu [exp(Cid)
= 1]. J
di, d
p
t disimpulk
n
hw
metode Furness (metode
n
logi) merup
k
n ke
lu
rg
d
ri metode sintetis, deng
n k
t
l
in, metode
n
logi merup
k
n k
sus kh
usus d
ri metode sintetis, y
itu jik
nil
i = 0.
5.7.6 K
li
r
si model gr
vity
Jik
Cid, Oi, d
n Dd diket
hui, p
r
meter model GR y
ng tid
k diket
hui h
ny
l
h
p
r
meter d
n jik
dipertim
ngk
n fungsi eksponensi
l, p
ngk
t d
n T
nner. Jik
kit
sumsik
n h
ny
menggun
k
n p
r
meter (fungsi eksponensi
l d
n p
ngk
t),
m
k
setel
h nil
i diket
hui, pers
m
n (5.22) d
p
t digun
k
n untuk menget
hui
nil
i Ai
nd Bd. Proses pen
ksir
n nil
i p
r
meter
i
s
diken
l deng
n proses k
li
r
si model. B
ny
k peneliti
erpend
p
t
hw
p
r
meter d
p
t mengg
m
rk
n
i
y
r
t
r
t
perj
l
n
n di d
er
h k
ji
n terse
ut; sem
kin
es
r nil
i , sem
ki
n kecil nil
i
i
y
r
t
r
t
perj
l
n
n. Ev
ns (1971) mem
uktik
n
hw
intuisi
p
r
peneliti terse
ut
en
r k
ren
nil
i
i
y
r
t
r
t
perj
l
n
n menurun de
ng
n mem
es
rny
nil
i p
r
m
ter . B
t
s
n pers
m
n (5.22) p
d
d
s
rny
merup
k
n
t
s
t
s d
n
t
s
w
h d
ri
i
y
r
t
r
t
perj
l
n
n di d
er
h terse
ut
. Ditunjukk
n
hw
jik
nil
i meningk
t tid
k terhingg
,
i
y
r
t
r
t
perj
l
n
n
k
n mendek
ti nil
i minimum (
t
s
w
h) y
ng sesu
i deng
n pers
m
n (5.
22). H
l se
likny
, jik
nil
i menurun tid
k terhingg
,
i
y
r
t
r
t
perj
l
n
n
k
n mendek
ti
t
s
t
s (m
ksimum) y
ng sesu
i deng
n
t
s
n terse
ut.
186 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
Perm
s
l
h
n y
ng tim
ul d
l
m proses k
li
r
si p
r
meter model GR mendorong p
r
n sec
r
umum d
n model GR sec
r
khusus. Ini
k
ren
m
s
l
h ut
m
y
ng dih
d
pi
d
l
h ketep
t
n p
r
meter. K
ren
prosedur d
l
m proses k
li
r
si menggun
k
n j
s
komputer se
g
i
l
t ut
m
, m
k
s
ng
t
di
utuhk
n proses k
li
r
si y
ng cep
t, sederh
n
, d
n tep
t y
ng tid
k memerluk
n memori komputer y
ng
es
r, tet
pi proses pengumpul
n d
t
ny
mur
h. Berikut
ini diter
ngk
n
e
er
p
metode y
ng d
p
t digun
k
n untuk mengk
li
r
si p
r
met
er model GR.
5.7.6.1 Metode sederh
n
Pendek
t
n y
ng s
ng
t sederh
n
meminj
m nil
i , kemudi
n menghitung model GR d
n
mend
p
tk
n se
r
n p
nj
ng perj
l
n
n h
sil pemodel
n. Kemudi
n, se
r
n ini di
ndingk
n deng
n se
r
n p
nj
ng perj
l
n
n h
sil peng
m
t
n. Jik
m
sih terd
p
t per ed
n
nt
r
kedu
se
r
n terse
ut, nil
i
ru h
rus digun
k
n d
n prose
s diul
ngi l
gi s
mp
i per
ed
n kedu
se
r
n itu s
ng
t kecil.
Ak
n tet
pi, pendek
t
n ini s
ng
t tid
k pr
ktis k
ren
menghitung model GR jeni
s DCGR mem
utuhk
n w
ktu y
ng cukup l
m
d
n tid
k diket
hui c
r
memilih nil
i
y
ng
ru jik
nil
i y
ng l
m
tid
k memenuhi sy
r
t. Be
er
p
teknik k
li
r
si
tel
h dikem
ngk
n d
n digun
k
n p
d
e
er
p
p
ket progr
m.
5.7.6.2 Metode Hym
n
Be
er
p
teknik y
ng
ik diper
ndingk
n oleh Willi
ms (1975) y
ng menyimpulk
n
hw
teknik y
ng dikem
ngk
n oleh Hym
n (1969)
d
l
h teknik y
ng p
ling efis
ien d
n p
ling mud
h digun
k
n. Hym
n mengusulk
n metode y
ng did
s
rk
n p
d
pe
ndek
t
n B
yes d
l
m penurun
n kriteri
pengk
li
r
si
n.
I
erkesimpul
n
hw
nil
i f
ktor penyeim
ng h
rus dipilih sehingg
tot
l
ri
s d
n kolom d
ri sel MAT s
m
deng
n proporsi h
sil peng
m
t
n p
d
seti
p
ris d
n k
olom. Jug
, p
r
meter h
rus dipilih sehingg
i
y
r
t
r
t
perj
l
n
n y
ng did
p
t d
ri peng
m
t
n s
m
deng
n y
ng dih
silk
n d
l
m proses pemodel
n. Berikut
ini diter
ngk
n sec
r
singk
t metode Hym
n terse
ut. Angg
p tel
h tersedi
m
tr
iks Tid() se
g
i fungsi d
ri (). Tot
l m
triks ini mengh
silk
n Tid ( ) = T( ). Met
ode ini did
s
rk
n p
d
persy
r
t
n
erikut:
i d
c ( ) = [Tid ( )c id ]/ T() = c
i d i d i d
= (N id C id ) / N id
(5.29)
d
l
h
i
y
r
t
r
t
d
ri se
r
n p
nj
ng perger
k
n h
sil peng
m
t
n d
n Ni
c
d
d
l
h juml
h perger
k
n d
ri seti
p p
s
ng
n zon
. Metode ini d
p
t dijel
sk
2
Bu
t m = m+1; deng
n menggun
k
n nil
i m1, hitung m
triks deng
n menggun
k
n model
GR. D
p
tk
n
i
y
r
t
r
t
cm d
n
ndingk
n nil
i terse
ut deng
n c*; jik
p
er
ed
tid
k, terusk
n ke t
h
p 3. Jik
m = 1, hitung nil
i
ru deng
n pers
m
n
er
ikut:
3
1 = c1 / c *
t
u jik
m 1, d
p
tk
n nil
i
ru deng
n pers
m
n: m +1 = (c * c m 1 ) m 1 (c
m ) m c m c m 1
Perhitung
n t
h
p 3 dil
kuk
n untuk menj
min dipenuhiny
pers
m
n (5.29). 4 Ul
ngi t
h
p 2 d
n 3 seperti disy
r
tk
n, s
mp
i konvergensi terc
p
i. Sel
in itu,
Hym
n (1969) menyimpulk
n
hw
nil
i
is
jug
did
p
t sec
r
empiris deng
n pe
rs
m
n (5.31).
Tid = Ai . Bd .O i . Dd . exp( C id )
(5.31)
Pers
m
n (5.31) d
p
t disederh
n
k
n deng
n urut
n penyederh
n
n seperti p
d
pers
m
n d
n pemodel
n tr
nsport
si
Deng
n mel
kuk
n tr
nsform
si line
r, pers
m
n (5.35) d
p
t disederh
n
k
n d
n
ditulis kem
li se
g
i pers
m
n line
r Y = A + BX deng
n meng
sumsik
n log e T
id = Y d
n C id = X . Deng
n menget
hui inform
si [Tid ] d
n [C id ], m
k
deng
n menggun
k
n
n
lisis regresi line
r (lih
t pers
m
n 2.6 d
n 2.7), p
r
meter A
d
n B d
p
t dihitung d
n dih
silk
n
e
er
p
nil
i se
g
i
erikut: = d
n A = lo
g e (Ai . Bd .O i . Dd ) . Nil
i Ai d
n Bd ditentuk
n sesu
i deng
n jenis
t
s
n model gr
vity y
ng diingink
n (UCGR, SCGR,
t
u DCGR).
Fungsi h
m
t
n p
ngk
t D
l
m h
l ini, model gr
vity y
ng mempuny
i fungsi h
m
t
n p
ngk
t d
p
t din
y
t
k
n se
g
i pers
m
n (5.36).
Tid = Ai .Bd .O i . Dd .C id
(5.36)
S
m
deng
n model gr
vity
erfungsi h
m
t
n eksponensi
l neg
tif, pers
m
n (5.
36) d
p
t disederh
n
k
n deng
n urut
n penyederh
n
n seperti tertulis p
d
pers
Tid = log e
Ai . Bd .O i . Dd
n (5.40) d
p
t disederh
n
k
n d
n
ditulis kem
li se
g
i pers
m
n line
r Y = A + BX deng
n meng
sumsik
n log e T
id = Y d
n log e C id = X . Deng
n menget
hui inform
si [Tid ] d
n [C id ], m
k
deng
n menggun
k
n
n
lisis regresi line
r (lih
t pers
m
n 2.6 d
n 2.7), p
r
m
eter A d
n B d
p
t dihitung d
n dih
silk
n
e
er
p
nil
i se
g
i
erikut: = d
n
A = log e (Ai . Bd .O i . Dd ) . Nil
i Ai d
n Bd ditentuk
n sesu
i deng
n jenis
t
s
n model gr
vity y
ng digun
k
n (UCGR, SCGR,
t
u DCGR). c Fungsi h
m
t
n
T
nner D
l
m h
l ini, model gr
vity
erfungsi h
m
t
n T
nner d
p
t diny
t
k
n s
e
g
i pers
m
n (5.41).
Tid = Ai .B d .O i . Dd .C id . exp( C id )
(5.41)
Pers
m
n (5.41) d
p
t disederh
n
k
n deng
n urut
n penyederh
n
n seperti tertu
lis p
d
pers
m
. exp( C id ) = C id
Tid Ai .Bd .O i . Dd
(5.43)
Tid log e C id . exp( C id ) = log e
Ai . Bd .O i . Dd
(
)
(5.44) (5.45) (5.46)
log e C id C id = log e Tid log e (Ai .Bd .O i . Dd ) log e Tid = log e (Ai . Bd
.O i . Dd ) (log e C id + C id )
Deng
n mel
kuk
n tr
nsform
si line
r, pers
m
n (5.46) d
p
t disederh
n
k
n d
n
ditulis kem
li se
g
i pers
m
n line
r Y = A + BX deng
n meng
sumsik
n log e T
id = Y d
n log e C id + C id = X . Deng
n menget
hui inform
si [Tid ] d
n [C id
], m
k
deng
n menggun
k
n
n
lisis regresi line
r (lih
t pers
m
n 2.6 d
n 2.7)
, p
r
meter A d
n B d
p
t dihitung d
n dih
silk
n
e
er
p
nil
i se
g
i
erikut
: = d
n A = log e (Ai . Bd .O i . Dd ) . Nil
i Ai d
n Bd ditentuk
n sesu
i deng
n
jenis
t
s
n model gr
vity y
ng digun
k
n (UCGR, SCGR,
t
u DCGR).
5.7.6.4 Metode pen
ksir
n ku
dr
t terkecil (KT)
T
min (1985,1988
) mener
ngk
n metode k
li
r
si p
r
meter model GR deng
n d
s
r
pemikir
n menggun
k
n pendek
t
n ku
dr
t terkecil sehingg
simp
ng
n
t
u selis
ih
nt
r
se
r
n perger
k
n y
ng dihitung d
ri pemodel
n (Tid ) deng
n y
ng did
p
t d
ri ) mem
erik
n h
rg
y
ng minimum. h
sil peng
m
t
n (T
id
Ide ut
m
metode pen
ksir
n ini
d
l
h mengk
li
r
si p
r
meter y
ng tid
k diket
hui deng
n meminimumk
n ku
dr
t d
ri selisih
nt
r
h
sil pemodel
n deng
n d
t
peng
m
t
n. Ide seperti ini tel
h diken
l lu
s di k
l
ng
n
hli st
tistik, d
n
ny
k digun
k
n untuk mengk
li
r
si p
r
meter y
ng tid
k diket
hui. D
ri pers
m
n (5.25)(5.27) d
p
t dilih
t
hw
p
r
meter y
ng dik
li
r
si ( d
n ) tid
k
erhu
ung
n line
r deng
n juml
h perj
l
n
n (Tid), sehingg
sec
r
le
ih spesifik meto
de y
ng digun
k
n ini d
p
t dise
ut deng
n metode Ku
dr
tTerkecil Tid
k Line
r (
KTTL). T
min (1985
,1986) menggun
k
n metode seperti ini untuk men
ksir MAT d
r
i d
t
rus l
lulint
s untuk
ngkut
n
r
ng di Bio Bio (Chile), deng
n h
sil y
ng s
ng
t memu
sk
n. T
min (1988
) jug
mel
kuk
n h
l y
ng s
m
untuk k
sus perg
er
k
n kend
r
n di d
er
h perkot
n di kot
Ripon (Inggris) d
n T
min
nd Willu
msen (1988
) d
n T
min
nd Soegondo (1989) untuk k
sus perj
l
n
n
ngkut
n
r
n
g
nt
rkot
di pul
u B
li. Deng
n mel
kuk
n sedikit modifik
si, metode KTTL ini
sel
njutny
d
p
t di
gi l
gi menj
di du
kelompok, y
itu metode Ku
dr
t Terkeci
l Tid
k Line
r (KTTL) d
n metode Ku
dr
t Terkecil Tid
k Line
r Ber
o
ot (KTTLB).
190 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
Bil
digun
k
n metode KTTLB,
o
ot y
ng digun
k
n
d
l
h ke
lik
n d
ri juml
h d
t
perj
l
n
n y
ng di
m
ti. Sec
r
m
tem
tis, metode pen
ksir
n KTTL ini d
p
t
ditulisk
n se
g
i
erikut: 1 2 meminimumk
n S =
Tid T (5.47) id
& i d
(
)
ngk
t,
t
u d
n jik
fungsi T
nner) d
p
t dil
kuk
n deng
n mem
u
t turun
n pert
m
S terh
d
p p
r
meter terse
ut s
m
deng
n nol. Jik
fungsi h
m
t
n y
ng digu
n
k
n
d
l
h fungsi T
nner, nil
i p
r
meterny
is
did
p
t d
ri: 1
S Tid
= f =
d T
=0 id &
i d T
(5.48)
S 1 Tid
= f =
2 Tid T
= 0
(
)
(
)
Pers
m
n (5.48)
d
l
h sistem pers
m
n simult
n deng
n du
p
r
meter y
ng tid
k diket
hui. Metode NewtonR
phson y
ng dikom
in
sik
n deng
n teknik elimin
si m
t
riks sederh
n
is
digun
k
n untuk menyeles
ik
n pers
m
n terse
ut.
5.7.6.5 Metode pen
ksir
n kemirip
n m
ksimum (KM)
T
min (1988
) jug
mener
ngk
n penggun
n pendek
t
n kemirip
n m
ksimum d
l
m m
engk
li
r
si p
r
meter model GR. Metode pen
ksir
n kemirip
n m
ksimum ini
d
l
h
s
l
h s
tu metode y
ng
ny
k digun
k
n oleh p
r
hli st
tistik untuk menentuk
n p
r
meter fungsi. Pem
c
y
ng ingin mend
p
t penjel
s
n le
ih rinci mengen
i
metode pen
ksir
n kemirip
n m
ksimum dis
r
nk
n mem
c
Edw
rds (1972).
D
ri sekumpul
n d
t
x1, x2, ..., xN y
ng merup
k
n
nggot
peu
h
c
k x deng
n
fungsi kep
d
t
n pelu
ng f(x,) deng
n
d
l
h p
r
meterny
,
is
di
juk
n pert
ny
n:
er
p
k
h nil
i y
ng p
ling mungkin y
ng d
p
t mengh
silk
n sekumpul
n d
t
x1,
x2, ..., xN ini? Deng
n k
t
l
in, d
ri semu
nil
i y
ng mungkin,
er
p
k
h nil
i y
ng mem
ksimumk
n kemirip
n untuk mend
p
tk
n sekumpul
n d
t
t
di?
Kemungkin
n untuk mend
p
tk
n nil
i d
t
xi tertentu d
p
t di
sumsik
n
er
ndin
g lurus deng
n nil
i fungsi kep
d
t
n pelu
ng p
d
nil
i xi terse
ut. Deng
n teo
ri fungsi kep
d
t
n pelu
ng g
ung
n, kemungkin
n untuk mend
p
tk
n d
t
x1,x2,
... , xN
d
l
h:
Model se
r
n perger
k
n 191
ksimum
d
l
h:
nil
i pen
ksir
n deng
n kemirip
n m
ksimum (pen
ksir kemirip
n m
ksimum) d
ri
d
l
h nil
i y
ng mem
ksimumk
n fungsi kemirip
n L x 1 ,... , x N ;
(
)
Se
g
im
n
p
d
metode pen
ksir
n KTTL se
elumny
, nil
i p
r
meter d
p
t dic
ri
deng
n mem
u
t turun
n d
ri L(x 1 ,... , x N ; ) s
m
deng
n nol. J
di, L(x 1 ,.
.. , x N ; ) =0 log e L(x 1 ,..., x N ; ) =0
t
u (5.51) (5.52)
Dijel
sk
n jug
d
l
m T
min (1988
)
hw
tel
h dikem
ngk
n du
versi metode p
en
ksir
n kemirip
n m
ksimum y
ng
k
n diter
ngk
n sec
r
rinci
erikut ini.
M
etode pen
ksir
n kemirip
n m
ksimum jenis I (KM 1) D
l
m pener
p
n deng
n juml
h
frekuensi d
t
y
ng cukup
ny
k seperti p
d
d
t
se
r
n perger
k
n
nt
rzon
d
l
m s
tu wil
y
h k
ji
n, d
p
t didug
hw
juml
h kel
s d
t
le
ih
es
r d
r
ip
d
du
. Oleh k
ren
itu, untuk jenis d
t
ini, se
r
n y
ng cocok
d
l
h se
r
n multinomi
l,
uk
n se
r
n
inomi
l. Angg
pl
h juml
h perj
l
n
n
nt
rzon
m
engikuti se
r
n multinomi
l, terd
p
t S kel
s d
t
, d
n pelu
ng d
t
er
d
p
d
kel
s ke i
d
l
h pi. Pelu
ng untuk mend
p
tk
n
1 d
ri sejuml
h N s
mpel
er
d
p
d
kel
s ke 1;
2 s
mpel
er
d
p
d
kel
s ke 2, d
n sec
r
umum se
ny
k
i s
mpel
er
d
p
d
kel
s ke i. Penurun
n se
r
n multinomi
l d
p
t diny
t
k
n
se
g
i: N!
3
S
1
2 p1 . p2 . p3 ... pS
1 !
2 !
3 !...
S ! (5.53)
Nil
i pi d
p
t diny
t
k
n se
g
i fungsi s
tu
t
u le
ih p
r
meter y
ng d
p
t di
l
m
ngk
n deng
n sehingg
fungsi kemirip
n d
ri untuk sejuml
h s
mpel tertentu
y
ng mengikuti se
r
n multinomi
l d
p
t ditulis se
g
i: L( ) = k . p 1 ( ) 1 . p
2 ( ) 2 ...[ pS ( )] S
[
] [
]
(5.54)
192 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
Nil
i
N! diny
t
k
n se
g
i konst
nt
k. Perlu diperh
tik
n
1 !
2 !
3 !...
S !
hw
erd
s
rk
n penurun
n pelu
ng su
tu kej
di
n y
ng mengikuti se
r
n multin
omin
l, m
k
gi
n se
el
h k
n
n pers
m
n (5.54) sud
h merup
k
n fungsi kep
d
t
n pelu
ng g
ung
n.
Sel
njutny
, dimis
lk
n pid
d
l
h pelu
ng untuk mend
p
tk
n d
t
tertentu d
ri
se
r
n perj
l
n
n
nt
rzon
y
ng
er
s
l d
ri zon
i d
n
erger
k menuju ke zon
d. D
l
m h
l ini, pelu
ng pid ini diny
t
k
n se
g
i: p id = Tid T dim
n
: (5.
55) (5.56)
= T T id
i d
Sek
r
ng dimis
lk
n pelu
ng untuk mend
p
tk
n d
t
juml
h perj
l
n
n y
ng
er
s
l d
ri zon
i d
n menuju ke zon
d d
ri survei mengikuti se
r
n multinomin
l. M
k
,
erd
s
rk
n definisiny
, fungsi kemirip
n untuk p
d
seti
p p
s
ng
n zon
i
d
n zon
d
d
l
h [d
ri mend
p
tk
n se
es
r T id pers
m
n (5.53)]: L = c p id
i d T id
(5.57)
Akhirny
, sesu
i deng
n ide d
s
r metode pen
ksir
n kemirip
n m
ksimum, metode i
ni
k
n menc
ri nil
i p
r
meter y
ng mem
ksimumk
n fungsi kemirip
n y
ng diny
t
k
n oleh pers
m
n (5.56) sehingg
mengh
silk
n ). J
di, fungsi se
r
n Tid y
ng
p
ling sesu
i deng
n d
t
peng
m
t
n ( T id tuju
n d
ri metode ini
d
l
h: mem
ksimumk
n L = c p id
i d T id
(5.58)
Deng
n mensu
situsik
n pers
m
n (5.55) ke pers
m
n (5.58) d
n meng
m
il fungsi
log
ritm
n
tur
lny
, sek
r
ng fungsi tuju
n metode pen
ksir
n ini d
p
t dituli
sk
n se
g
i: log T T log T + log c (5.59) L1 = T mem
ksimumk
n id e id e e
i d
(
)
Sel
njutny
, deng
n menghil
ngk
n
es
r
n konst
nt
d
ri pers
m
n (5.59), fungs
i tuju
n metode pen
ksir
n ini sek
r
ng menj
di: mem
ksimumk
n log T L2 = T id e
id
i d
(
)
(5.60)
Berd
s
rk
n pener
p
n m
tem
tik, tuju
n y
ng diny
t
k
n d
l
m pers
m
n (5.60) d
p
t dic
p
i
p
il
turun
n pert
m
terh
d
p p
r
meterny
s
m
deng
n nol. Oleh
k
ren
itu, untuk mem
ksimumk
n nil
i L2 diperluk
n du
set pers
m
n, y
itu:
Model se
r
n perger
k
n 193
T L 2 = f =
Tid
=0
Tid
id
i d
Tid
T L 2 = f =
id
i d
=0
(5.61)
Pers
m
n (5.61)
d
l
h sistem pers
m
n simult
n deng
n p
r
meter y
ng tid
k di
ket
hui
erup
d
n . Penyeles
i
n deng
n metode NewtonR
phson d
n teknik elimin
si
m
triks sederh
n
kem
li d
p
t digun
k
n.
Metode pen
ksir
n kemirip
n m
ksim
um jenis II (KM2) Untuk metode pen
ksir
n kemirip
n m
ksimum jenis kedu
ini dim
is
lk
n d
t
juml
h )
d
l
h s
mpel perj
l
n
n y
ng
er
s
l d
ri zon
i d
n menu
ju ke zon
d ( T id
c
k y
ng mengikuti se
r
n poisson deng
n nil
i r
t
n y
ng
elum diket
hui
d
l
h idTid. Koeisien id meakili akor proporsi sampel unuk
seiap pasangan asalujuan dengan kaa lain, bagian dari populasi yang diamai.
] adalah pengamaan sejumlah peubah acak yang ersebar mengikui Jadi [ T id seb
aran poisson dengan raaan masing masing idTid. Asumsi enang MAT ] berdasarkan
pada banyak keadaan prakis yang diemui hasil pengamaan [ T id sehari hari. Se
bagian besar eknik survei MAT yang ada sekarang didasarkan pada perhiungan ind
ividu dan kemudian menghasilkan MAT hasil pengamaan dengan nilai berupa bilanga
n bula (yang biasanya sanga kecil). Kebanyakan ] survei pergerakan unuk beker
ja ermasuk dalam kaegori ini. Marik [ T id yang ersebar poisson juga didapa
kan dalam pengamaan beberapa kejadian yang saling bebas dalam suau periode ak
u yang erbaas.
Penggunaan parameer id memungkinkan penerapan akor proporsi sampel yang berbed
a beda unuk seiap pasangan asalujuan. Oleh karena iu, dalam model ini juga di
mungkinkan penggunaan beberapa eknik pengambilan sampel yang berbeda. enuk ya
ng paling sederhana dan yang paling banyak digunakan adalah pengambilan sampel s
ecara acak dengan menggunakan sau nilai unggal yang dierapkan pada semua pasa
ngan asalujuan, yang dapa disebu dengan pengambilan sampel seragam.
Dengan hipoesis baha unuk seiap pasangan asalujuan, nilai T id didapakan da
ri pengamaan suau kejadian yang mengikui proses poisson ] dengan raaan idTid,
maka peluang gabungan unuk mendapakan mariks [ T id adalah:
id Tid id = ( id Tid ) .e Prob T id ! T i d id
[ ]
T
(5.62)
Selanjunya, dengan menerapkan eknik meode penaksiran kemiripanmaksimum yang
elah dijelaskan, maka ungsi kemiripan dari meode penaksiran adalah:
194 Oyar Z Tamin, Perencanaan dan pemodelan ransporasi
Tid
L3 =
i d
( id Tid )T
id
.e id Tid
! T id
(5.63)
Jika persamaan (5.63) digani dengan nilai logarima nauralnya, maka ungsi uj
uan meode penaksiran kemiripan maksimum jenis II ini adalah: log ( T ) T log T m
emaksimumkan L 4 = T id e id id id id e id !
i d
(
)
(5.64)
Dengan mengembangkan lebih lanju persamaan di aas dan menghilangkan bagian kon
sana, didapa: log T T (5.65) memaksimumkan L5 = T id e id id id
i d
(
)
Dalam kasus sampel seragam, aau dengan kaa lain id = dapa diliha baha bagian
kedua dari ungsi ujuan persamaan (5.65) mempunyai nilai yang konsan sehingga
dapa dihilangkan. Akhirnya, ungsi ujuan meode penaksiran kemiripan maksimum
ini dapa diuliskan sebagai: memaksimumkan
L6 =
log T ) (T id e id
i d
(5.66)
Terliha baha hasil yang didapa dari persamaan (5.66) sama dengan yang didapa
dari persamaan (5.60). Hal ini sesuai dengan pernyaaan Spiess (1987) baha un
uk nilai persenase sampel yang sanga kecil (<<), sebaran mulinominal dapa did
ekai dengan sebaran poisson. Karena kedua meode penaksiran kemiripan maksimum
ini memberikan hasil yang sama, unuk selanjunya kedua meode penaksiran ini di
nyaakan dalam sau meode saja, yaiu meode penaksiran kemiripan maksimum (KM)
. Gunaan (1995) menggunakan meode kuadra erkecil (KTTL dan KTTL) dan kemiri
pan maksimum (KM) unuk mengkalibrasi model GR dengan menggunakan daa MAT koa
andung pada ahun 1993. Saa iu ilayah koa andung dibagi menjadi 97 zona. K
edua meode ersebu digunakan unuk mengkalibrasi parameer model GR. Parameer
model GR yang didapa kemudian digunakan unuk menghiung kembali MAT hasil pem
odelan yang seerusnya MAT ersebu diperbandingkan dengan MAT yang ada. Kesimpu
lan yang didapa dari kajian ersebu adalah: meode kuadra erkecil (KTTL dan
KTTL) dan kemiripan maksimum (KM) berhasil mengkalibrasi parameer model GR den
gan sanga memuaskan. Meode KTTL mempunyai keepaan eringgi dibandingkan den
gan dua meode lainnya unuk pengkalibrasian model GR dengan ungsi hambaannya,
yaiu ungsi eksponensial negai dan ungsi Tanner. agi ungsi pemangkaan, m
eode yang erbaik adalah meode kemiripan maksimum (KM).
5.7.6.6 Meode penaksiran inerensi bayes (I)
Armijaya dan Wisaksono (1996) dan Tamin (1998c) elah mengembangkan meode penak
siran Inerensiayes (I) dengan dasar pemikiran mengkalibrasi parameer sehingg
a simpangan
Model sebaran pergerakan 195
aau selisih anara sebaran pergerakan yang dihiung dari model (Tid) dengan yan
g ) memberikan harga yang minimum. didapa dari daa pengamaan ( T id a Dasar p
endekaan Meode I menggunakan suau peluang subjeki unuk mengukur ingka k
epercayaan suau keadaan. Dengan pendekaan ini, perimbangan subjeki yang ber
dasarkan inuisi, pengalaman, aaupun inormasi idak langsung secara sisemais
digabungkan dengan daa hasil pengamaan unuk mendapakan aksiran yang seimba
ng enang keadaan sebenarnya (sebaran poserior). Pendekaan ini mengasumsikan
parameer model sebagai peubah acak. Dengan demikian, harus dieapkan suau un
gsi sebaran yang menggambarkan ingka kepercayaan parameer yang idak dikeahu
i; misalkan dieapkan () sebagai ungsi sebaran peluang parameer aau sebaran
aal . Jika dikeahui suau himpunan daa pengamaan x1,x2,...,xN yang meakili s
ampel acak suau populasi X dengan ungsi sebaran (x), dengan mengasumsikan bah
a parameer sebaran adalah , maka peluang akan diamainya suau himpunan daa ha
sil pengamaan ini adalah sebagai beriku: (x1,x2,...,xN|) = (x1|).(x2|) ... (x
N|) =
(x i | )
i =1
N
(5.67)
Menuru eorema ayes, sebaran yang baru menjadi: ( | x 1 , x 2 ,..., x N ) = N
x i | ) ( ) i =1
N
(x i | ) ( )
i =1
aau
I ( ) = ( | x 1 , x 2 ,..., x N ) = k . L( ). ( )
dengan konsana normalisasi k adalah:
N
k =
(x i | ) ( )
(5.68)
(5.69)
sedangkan ungsi kemiripan L() merupakan produk dari ungsi kerapaan X yang dihi
ung pada x1,x2,...,xN, aau sama dengan persamaan (5.67). Dapa diliha baha
eorema ayes elah digunakan unuk mengubah aau memperbaiki sebaran aal (prior
) ke sebaran baru (poserior). Sebaran yang baru mereleksikan ingka kepercaya
an enang yang memberikan keerangan sampelnya. Karena ungsi I berbenuk perk
alian, maka menjadi lebih mudah jika dinyaakan dalam benuk logarima: log e I
( ) = log e ( | x 1 , x 2 ,..., x N )
i =1 N
(5.70)
196 Oyar Z Tamin, Perencanaan dan pemodelan ransporasi
Unuk mendapakan nilai aksiran dengan kemiripan maksimum dari , dicari nilai ya
ng memaksimumkan ungsi sebaran gabungan poserior. Nilai aksiran parameer ini
dapa diperoleh dengan membua urunan I( ) sama dengan nol. Jadi, dalam hal in
i: I ( ) =0 aau b log e I ( ) =0 (5.71) (5.72)
Penerapan meode I erdasarkan pembahasan sebelumnya, meode pendekaan ini men
ggabungkan secara sisemais perimbangan subjeki (prior) dengan daa pengama
an (ungsi kemiripan) unuk mendapakan aksiran baru (poserior). Unuk ungsi
kemiripannya, diasumsikan baha daa ) adalah jumlah pergerakan yang berasal dar
i zona i dan menuju ke zona d ( T id sampel acak yang mengikui sebaran Poisson
dengan nilai raa raa yang belum dikeahui sebesar id Tid . Koeisien id meaki
li akor sampel unuk seiap pasangan asalujuan aau sau bagian kecil dari pop
ulasi yang diamai. ] adalah pengamaan sejumlah peubah acak yang ersebar secar
a Jadi [ T id ] Poisson dengan raa raa T . Asumsi MAT hasil pengamaan [ T
id id id
didasarkan pada keadaan prakis yang diemui sehari hari. Sebagian besar eknik
survei MAT yang ada sekarang didasarkan pada penghiungan individu yang kemudian
menghasilkan MAT hasil pengamaan dengan nilai berupa ] yang ersebar secara Po
isson juga didapakan bilangan bula. Mariks [ T id dalam pengamaan kejadian y
ang saling idak berganungan dalam selang aku erenu. Penggunaan parameer
id memungkinkan penerapan akor sampel yang berbeda beda unuk seiap pasangan
asalujuan. Karena iu, dalam model ini juga dimungkinkan penggunaan beberapa ek
nik pengambilan sampel yang berbeda. enuk yang paling sederhana dan paling ban
yak digunakan adalah pengambilan sampel secara acak sederhana dengan menggunakan
sau nilai unggal yang dierapkan unuk semua pasangan asalujuan aau sampel s
eragam. Dengan hipoesis baha unuk seiap pasangan asalujuan, nilai T id didap
akan dari pengamaan suau kejadian yang mengikui sebaran Poisson dengan raa
raa id Tid , maka peluang gabungan unuk mendapakan mariks ] yang merupakan
ungsi kemiripan adalah: [T
id
= Prob T = LT id id
[ ]
[ ]
i d
( id Tid )T
id
.e id Tid
! T id
(5.73)
Model sebaran pergerakan 197
k=
i d
( id Tid )T
id
.e id Tid
! T id
. ( id Tid ) . d( id Tid )
1
(5.74)
Karena persamaan (5.74) berupa konsana, unuk selanjunya hanya diulis dengan
k saja. agian sebaran aal (prior) aau sebaran peluang parameer dinyaakan den
gan ( id Tid ) yang akan dibahas beriku ini. c Probabilias gabungan poserior
anpa inormasi aal Inormasi aal yang dimaksud di sini adalah suau ungsi s
ebaran parameer unuk menggambarkan ingka kepercayaan parameer yang idak di
keahui. Jika idak ada inormasi aal parameer ersebu, diasumsikan suau seb
aran aal seragam, yaiu: ( id Tid ) = 1,0 (5.75) Dengan ungsi kemiripan sama
dengan persamaan (5.73) dan k sebagai konsana normalisasi, maka menuru persamaa
n (5.68) sebaran id Tid yang baru adalah: I ( id Tid ) = k .
i d
( idTid )T
id
.e id Tid
! T id
.1
(5.76)
Sesuai dengan ide dasar meode penaksiran inerensi bayes, meode ini mencari ni
lai parameer yang memaksimumkan ungsi peluang gabungan poserior yang dinyaak
an oleh persamaan (5.76), sehingga dihasilkan sebaran ). Kemudian, Tid yang pali
ng sesuai dengan MAT hasil pengamaan ( T id dengan mengambil benuk logarima n
auralnya, ungsi ujuan meode ini menjadi sebagai beriku ini. memaksimumkan I
( id Tid )=
i d
log ( T ) T (log e k + T id e id id id id
log e T id
)
(5.77)
Terliha baha ungsi ujuan yang diperoleh dari meode penaksiran I anpa ino
rmasi aal memberikan hasil yang sama dengan meode penaksiran kemiripan maksimu
m (liha subbab 5.7.6.5). d Peluang gabungan poserior dengan inormasi aal Den
gan adanya inormasi aal parameer, erlebih dulu harus diasumsikan suau sebar
an aal yang menggambarkan ingka kepercayaan mengenai parameer ersebu. Misa
lkan daa prior merupakan daa jumlah perjalanan dari zona i menuju ke zona d pa
da suau ilayah kajian yang mengikui sebaran Poisson dengan jumlah perjalanan
raa raa yang sudah dikeahui dinyaakan dengan Tid , sehingga diperoleh sebara
n prior sebagai beriku: ( id Tid ) =
(Tid )
.e Tid ( id Tid )!
id Tid
(5.80)
Dengan ungsi kecenderungan sama dengan persamaan (5.73) dan k sebagai konsana n
ormalisasi sera sebaran aal sama dengan persamaan (5.80), maka menuru persama
an (5.68) sebaran id Tid yang baru adalah:
T id
( T )T .e id Tid (Tid ) id id .e Tid id id I ( id Tid ) = k .
. ! (
T i d
id
(5.81)
Selanjunya, dengan menerapkan meode I dan mengambil benuk logarima nauraln
ya, ungsi ujuan meode ini menjadi: memaksimumkan
i
I( id Tid ) =
d
id Tid
(5.85)
Kemudian, dengan mengambil
: log e ( id Tid + 1)
engan menghilangkan bagian
a kecil (<<1), ersamaan
n d
n pemodel
n tr
nsport
si
IB ( id Tid ) = f = i ,d R IB ( id Tid ) = f = i ,d R
id
Tid
id
Tid
.
Tid
0,5 Tid
Tid
= 0
T
0,5 Tid . id
= 0
T .
id
(5.90)
Pers
m
n (5.90)
d
l
h sistem pers
m
n simult
n deng
n du
p
r
meter d
n y
ng
tid
k diket
hui. Metode Newton R
phson y
ng dikom
in
sik
n deng
n teknik elimin
si
m
triks sederh
n
digun
k
n untuk menyeles
ik
n pers
m
n terse
ut. T
min (1997
e) tel
h mengem
ngk
n penggun
n pendek
t
n entropi m
ksimum untuk mengk
li
r
s
i p
r
meter model gr
vity. Pertim
ngk
n su
tu sistem y
ng terdiri d
ri sejuml
h
es
r elemen. Penjel
s
n s
ng
t rinci mengen
i sistem terse
ut mem
utuhk
n spes
ifik
si y
ng lengk
p mengen
i st
tus p
d
tingk
t mikro. Tet
pi, untuk tuju
n pr
k
tis, kit
le
ih
ik
ekerj
p
d
tingk
t y
ng le
ih tinggi (
greg
t)
t
u p
d
tingk
t deng
n spesifik
si st
tus p
d
tingk
t meso.
5.7.6.7 Metode pen
ksir
n entropi m
ksimum (EM)
P
d
contoh model se
r
n perger
k
n, st
tus meso menjel
sk
n juml
h perger
k
n
nt
rzon
. Sec
r
umum, terd
p
t sejuml
h
es
r kom
in
si st
tus mikro y
ng
er
ed
y
ng mengh
silk
n st
tus meso y
ng s
m
, mis
lny
Amir d
n B
du d
p
t s
ling
ertuk
r zon
tuju
n y
ng
k
n mengh
silk
n st
tus mikro y
ng
er
ed
tet
pi de
ng
n st
tus meso y
ng tid
k
eru
h. Seterusny
, terd
p
t pul
st
tus pengelompo
k
n y
ng le
ih tinggi, y
itu st
tus p
d
tingk
t m
kro; mis
lny
, tot
l perger
k
n p
d
su
tu ru
s j
l
n tertentu
t
u tot
l
ngkit
n d
n t
rik
n perger
k
n su
tu zon
. Untuk mend
p
tk
n ukur
n y
ng l
y
k tent
ng su
tu
ktivit
s perger
k
n
sering le
ih mud
h dil
kuk
n p
d
tingk
t pengelompok
n y
ng le
ih tinggi (st
t
us m
kro). Keny
t
nny
, h
mpir seluruh inform
si tent
ng su
tu sistem le
ih
ku
r
t p
d
tingk
t m
kro. Begitu jug
, perkir
n mengen
i m
s
mend
t
ng
i
s
ny
mempuny
i
t
s
n p
d
tingk
t st
tus m
kro k
ren
ketid
kp
sti
n d
l
m per
m
l
n terse
ut jug
er
d
p
d
tingk
t m
kro. Mis
lny
, le
ih mud
h mer
m
lk
n popu
l
si su
tu zon
d
rip
d
juml
h kelu
rg
su
tu zon
untuk k
tegori tertentu. Sec
r
teoritis, metode entropi m
ksimum ini
d
l
h untuk mend
p
tk
n inform
si sel
uruh st
tus mikro y
ng
k
n terj
di deng
n pelu
ng y
ng s
m
sert
konsisten den
g
n inform
si st
tus m
krony
. H
l ini se
en
rny
meng
sumsik
n
hw
kit
meng
ik
n st
tus mikro d
n mesony
. S
l
h s
tu c
r
untuk mem
ks
g
r tet
p konsis
ten deng
n inform
si st
tus mesony
d
l
h deng
n c
r
mengekspresik
nny
d
l
m
entuk
t
s
n su
tu pers
m
n m
tem
tis. K
ren
kit
le
ih mementingk
n deskrip
si st
tus meso su
tu sistem, kit
k
n mengidentifik
si st
tus meso y
ng p
ling
memungkink
n sesu
i deng
n
t
s
n st
tus m
krony
. Wilson (1970) memperlih
tk
n
hw
juml
h st
tus mikro W{Tid} y
ng terk
it deng
n st
tus meso Tid
d
l
h se
g
i
erikut.
Model se
r
n perger
k
n 201
W [Tid ] =
T! Tid !
i d
(5.91)
Asumsi d
s
r pendek
t
n ini
d
l
h pelu
ng se
r
n [Tid] y
ng terj
di se
nding
deng
n juml
h st
tus y
ng
d
d
l
m sistem terse
ut y
ng mendukung ter
entukny
se
r
n [Tid]. J
di, jik
W[Tid]
d
l
h juml
h c
r
y
ng di
nut seti
p individu
untuk meng
tur diriny
sehingg
dih
silk
n se
r
n [Tid], m
k
pelu
ng [Tid] y
n
g terj
di se
nding deng
n W[Tid]. K
ren
di
sumsik
n
hw
seluruh st
tus mikro
erpelu
ng s
m
, m
k
st
tus meso y
ng p
ling memungkink
n
d
l
h st
tus y
ng d
p
t dih
silk
n deng
n se
ny
k mungkin c
r
. K
ren
itu, y
ng di
utuhk
n
d
l
h
su
tu teknik y
ng d
p
t mengidentifik
si nil
i [Tid] y
ng mem
ksimumk
n W[Tid]
y
ng diny
t
k
n deng
n pers
m
n (5.92) d
p
t dis
ederh
n
k
n menj
di: loge W = loge T! (Tid log e Tid Tid )
i d
(5.93)
K
ren
merup
k
n konst
nt
, logeTid! d
p
t dihil
ngk
n d
ri proses optim
si. Den
g
n menghil
ngk
n f
ktor logeTid!, pers
m
n (5.93)
eru
h menj
di pers
m
n (5
.94) y
ng
i
s
dise
ut fungsi entropi. loge W = (Tid log e Tid Tid )
i d
(5.94)
Deng
n mem
ksimumk
n pers
m
n (5.94) deng
n
t
s
n y
ng ditentuk
n d
ri penget
hu
n st
tus m
kro, dih
silk
n model y
ng d
p
t memperkir
k
n st
tus meso y
ng p
ling mungkin (d
l
m k
sus ini
erup
m
triks se
r
n perger
k
n [T]). Kunci ut
m
ny
d
l
h
g
im
n
mengidentifik
si deskripsi st
tus mikro, meso, d
n m
kro
y
ng cocok
esert
t
s
n m
kro y
ng h
rus dipenuhi oleh solusi perm
s
l
h
n op
tim
si terse
ut. D
l
m
e
er
p
k
sus, terd
p
t
e
er
p
inform
si t
m
h
n d
l
m
entuk inform
si
w
l st
tus meso, mis
lny
d
t
m
triks h
sil o
serv
si. Untu
k itu, fungsi tuju
n
eru
h menj
di: )T +T (5.95) loge W = Tid log e (Tid / T i
d id
i d
(
)
Pers
m
n (5.95) merup
k
n fungsi tuju
n y
ng cukup men
rik k
ren
jik
seluruh
m
k
loge W
k
n
ernil
i nol d
n sel
lu
k
n
ernil
i neg
tif jik
nil
i Tid = T
id terd
p
t per
ed
n di
nt
r
ny
. Sem
kin
es
r per
ed
nny
, sem
kin kecil pu
l
202 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
nil
i loge W. K
ren
itu, loge W merup
k
n fungsi tuju
n y
ng
ik untuk . melih
t
es
rny
per
ed
n
nt
r
Tid deng
n T id Ide ut
m
metode pen
ksir
n entropi m
k
simum
d
l
h mengk
li
r
si p
r
meter model y
ng tid
k diket
hui deng
n memperkec
il per
ed
n
nt
r
h
sil pemodel
n deng
n d
t
peng
m
t
n. Sec
r
m
tem
tis, fu
ngsi tuju
n metode pen
ksir
n entropi m
ksimum (EM) d
p
t ditulisk
n se
g
i
er
ikut: mem
ksimumk
n )T +T E1 = loge W = Tid log e (Tid / T id id id
i d
(
) (5.96)
Untuk mem
ksimumk
n pers
m
n (5.96), disy
r
tk
n
hw
turun
n pert
m
E1 terh
d
p p
r
meterny
h
rus s
m
deng
n nol:
T E 1 id = f =
i d
d
log e Tid
= 0
.
T
id
(5.97)
Pers
m
n (5.97)
d
l
h sistem pers
m
n simult
n deng
n du
p
r
meter d
n y
ng
tid
k diket
hui. Metode NewtonR
phson y
ng dikom
in
sik
n deng
n teknik elimin
si
m
triks sederh
n
is
digun
k
n untuk menyeles
ik
n pers
m
n terse
ut. H
sil
y
ng s
m
jug
did
p
t oleh Ev
ns (1971) d
n 5.7.6.8 Metode l
in H
th
w
y (1973)
y
ng menggun
k
n pendek
t
n kemirip
n m
ksimum. Kir
y (1974) meneliti m
s
l
h i
ni se
g
i
gi
n khusus d
ri pendek
t
n model y
ng le
ih umum. Metode Hym
n men
ggun
k
n c
r
interpol
si line
r d
l
m proses pendek
t
n terh
d
p nil
i p
r
mete
r . Willi
ms (1975) mempel
j
ri keuntung
n d
n kerugi
n
er
g
i m
c
m teknik pen
gk
li
r
si
n model DCGR. Kesimpul
nny
, metode y
ng s
ng
t efisien
d
l
h model
modifik
si Hym
n deng
n c
r
interpol
si ku
dr
tis se
g
i pengg
nti c
r
interp
ol
si line
r. Sec
r
umum, metode Hym
n le
ih
ik d
ri metode y
ng diusulk
n Ev
ns (1971) d
n H
th
w
y (1973); ketep
t
n kedu
metode terse
ut
er
g
m, terg
nt
ung p
d
situ
si, sed
ngk
n metode Hym
n d
p
t digun
k
n untuk seti
p tingk
t ke
tep
t
n y
ng diingink
n, terg
ntung p
d
ketep
t
n p
r
meter . Pem
c
y
ng
ermi
n
t d
p
t melih
t
e
er
p
h
sil peneliti
n l
in, seperti minim
si ekiv
len oleh
Ev
ns (1973), prosedur Furness tig
dimensi oleh Ev
ns
nd Kir
y (1974), pendek
t
n pen
ksir ku
dr
t terkecil oleh W
ns
eek (1977), d
n pendek
t
n simplified o
dds r
tio oleh Gr
y
nd Sen (1983). Sel
in itu, Wong (1980) jug
mengusulk
n pen
dek
t
n
ltern
tif l
inny
deng
n menggun
k
n pendek
t
n pemrogr
m
n geometrik.
Semu
metode ini sec
r
umum mempuny
i
sumsi y
ng s
m
hw
p
ngk
l
n d
t
y
n
g tersedi
mempuny
i d
t
s
mpel MAT d
n p
ling tid
k d
t
se
r
n j
r
k perj
l
n
n sert
d
t
Oi d
n Dd.
Model se
r
n perger
k
n 203
P
d
gi
n ini dico
di
entuk ke5.7.6.9 Penggun
n d
t
MAT p
rsi
l r
ngk
ker
j
d
l
m men
ksir MAT deng
n menggun
k
n d
t
MAT p
rsi
l. Y
ng dim
ksud deng
n
MAT p
rsi
l
d
l
h su
tu MAT peng
m
t
n y
ng d
t
ny
tid
k lengk
p. At
u deng
n
k
t
l
in, MAT peng
m
t
n y
ng s
tu
t
u le
ih sel m
triksny
tid
k
d
d
t
ny
.
Ketid
klengk
p
n d
t
ini
is
dise
k
n oleh
er
g
i h
l,
nt
r
l
in k
ren
survei y
ng dil
kuk
n mem
ng direnc
n
k
n seperti demiki
n menging
t keter
t
s
n w
ktu d
n
i
y
y
ng tersedi
. D
l
m pener
p
n deng
n menggun
k
n d
t
MAT p
rsi
l, sel m
triks y
ng tid
k
d
d
t
ny
ini
k
n diny
t
k
n mempuny
i d
t
0 (
nol). W
l
upun su
tu sel m
triks y
ng di
m
ti d
n ke
etul
n tid
k
d
d
t
ny
ju
g
dil
m
ngk
n deng
n nil
i nol, di d
l
m perhitung
n, kedu
jenis d
t
ini h
r
us
er
ed
, seperti y
ng dijel
sk
n
erikut ini.
Metode pen
ksir
n KTTL untuk
MAT p
rsi
l D
l
m
uku ini, men
ksir MAT d
ri su
tu m
triks peng
m
t
n p
rsi
l d
il
kuk
n deng
n memodifik
si fungsi tuju
n S d
n S1 d
ri metode KTTL d
n KTTLB.
Fungsi tuju
n y
ng tel
h dimodifik
si terse
ut
d
l
h: meminimumk
n 1 S =
d & i ,d R
T
Tid T i
(
)
2
(5.98)
untuk KTTLB & =T & = 1 untuk KTTL dan T T id Dapat dilihat bahwa prsamaan (5.98
) sama dngan prsamaan (5.47) yang digunakan dalam mtod pnaksiran KTTL untuk
data yang lngkap, kcuali bahwa skarang prhitungan dilakukan trhadap subkl
ompok i dan d yang diktahui datanya. Untuk mminimumkan prsamaan (5.98), turun
an prtama S trhadap paramtrnya harus sama dngan nol: 1 S Tid = f =
i ,d R
T
2 Tid
(
)
= 0
(5.99)
1
S Tid
= f =
2 Tid T
= 0 id &
i ,d R T
Prsamaan (5
an dngan dua paramtr d
n y
ng tid
k diket
hui. Metode NewtonR
phson y
ng dikom
in
sik
n deng
n teknik elimin
si m
triks sederh
n
is
digun
k
n untuk menyele
s
ik
n pers
m
n metode pen
ksir
n KM untuk d
t
erup
MAT p
rsi
l, modifik
si seperti p
d
m
etode pen
ksir
n KTTL di
t
s jug
d
p
t dil
kuk
n. Sek
r
ng, fungsi tuju
n y
ng
tel
h dimodifik
si terse
ut
d
l
h: mem
ksimumk
n
log T L7 = T id e id
i ,d R
(
)
(
)
(5.100)
T L 7 = f =
id
i , d R
Tid
p
d
pers
m
n (5.100),
=0
(5.101)
T L 7 = f =
Tid
id
=0
Pers
m
n (5.101)
d
l
h sistem pers
m
n simult
n deng
n p
r
meter y
ng tid
k d
iket
hui
erup
d
n . Sek
li l
gi, penyeles
i
n deng
n metode NewtonR
phson d
n te
knik elimin
si m
triks sederh
n
kem
li d
p
t digun
k
n.
5.7.6.10 Metode k
li
r
si NewtonR
phson Se
g
im
n
tel
h dise
utk
n, p
r
meter y
ng
elum diket
hui d
ri pers
m
n (5.28) h
rus dik
li
r
si. K
li
r
si ini dil
k
uk
n deng
n proses pengul
ng
n s
mp
i nil
i p
r
meter menc
p
i
t
s konvergensi
ny
. D
l
m
uku ini, metode k
li
r
si y
ng digun
k
n
d
l
h metode NewtonR
phson.
Metode ini did
s
rk
n p
d
pendek
t
n nil
i f(x) deng
n menggun
k
n deret T
ylo
r (lih
t T
min (1988d); T
min
nd Willumsen (1988
), d
n B
tty (1976)).
Nil
i f(x) didek
ti deng
n menggun
k
n g
ris singgung f(x) p
d
nil
i xi. Titik
potong g
ris singgung ini deng
n sum
u x digun
k
n se
g
i pendek
t
n sel
njutny
. Sec
r
ringk
s, metode terse
ut dijel
sk
n se
g
i
erikut ini. Mis
lny
dike
t
hui du
u
h pers
m
n f d
n g y
ng m
sing m
sing
d
l
h fungsi d
ri du
peu
h
e
s x d
n y: f(x,y) = 0 d
n g(x,y) = 0 Jik
x0 d
n y0
d
l
h nil
i untuk pen
dek
t
n solusi (x0+h) d
n (y0+k), m
k
: f(x0+h, y0+k) = 0 g(x0+h, y0+k) = 0 Pend
ek
t
n deret T
ylor s
mp
i tingk
t pert
m
untuk kedu
pers
m
n simult
n ini me
ngh
silk
n: f f .h + .k f(x0+h, y0+k) = f(x0,y0) + x y (5.104) g g .h + .k g(x0+h, y0+
k) = g(x0,y0) + x y Deng
n mem
sukk
n pers
m
n (5.103) ke d
l
m pers
m
n (5.104)
, did
p
t: (5.103) (5.102)
Model se
r
n perger
k
n 205
f(x0,y0) + h .
f f +k. =0 x y (5.105)
g =0 g(x0,y0) + h. g + k. y x g f f g , . , , d
n x y x y Emp
t nil
i y
ng ter
m
sing
er
rti turun
n pert
m
d
ri f (
t
u g) terh
d
p x
t
u y p
d
nil
i x0
d
n y0. Y
ng
elum diket
hui h
ny
l
h nil
i h d
n k. D
l
m
entuk m
triks, pers
n (5.105) d
p
t ditulisk
n se
g
i: Nil
i f(x0,y0) d
n g(x0,y0) d
p
t dihitun
g. Begitu jug
nil
i f
x
g
x f
f (x 0 , y 0 ) y
h
=
g
(5.106)
Pers
m
n (5.105)
t
u pers
m
n (5.106)
d
l
h du
pers
m
n line
r simult
n de
ng
n du
u
h
il
ng
n h d
n k y
ng
elum diket
hui. Kedu
ny
d
p
t dihitung den
g
n metode elimin
si G
ussJord
n. Sel
njutny
, nil
i h d
n nil
i k ini digun
k
n
untuk mend
p
tk
n nil
i pendek
t
n
erikutny
: x1 = x0+h d
n y1 = y0+k (5.107) P
erhitung
n deng
n pers
m
n (5.106) d
n pers
m
n (5.107) diul
ngi s
mp
i nil
i
x d
n y konvergen. Konvergensi d
p
t dilih
t d
ri nil
i h d
n k y
ng sem
kin men
gecil. Perhitung
n dihentik
n
il
nil
i h d
n k sud
h menc
p
i h
rg
y
ng diing
ink
n. J
di,
t
s nil
i h d
n k y
ng dipilih sek
ligus jug
menunjukk
n tingk
t
keteliti
n perhitung
n. Perkem
ng
n ilmu d
n 5.7.6.11 Progr
m komputer d
n pro
sedur k
li
r
si teknologi di
id
ng elektronik
d
n inform
si tel
h meng
ki
tk
n kem
mpu
n komputer pri
di meningk
t pes
t. H
l ini mem
u
t penggun
n kompute
r untuk
er
g
i keperlu
n teknik, term
suk teknik tr
nsport
si d
n teknik l
lul
int
s, menj
di s
ng
t men
rik. Perhitung
n model perenc
n
n tr
nsport
si s
ng
t
memerluk
n
ntu
n komputer k
ren
i
s
ny
erhu
ung
n deng
n d
t
d
l
m juml
h y
ng
es
r sehingg
tid
k mungkin dil
kuk
n sec
r
m
nu
l. S
l
h s
tu p
ket pr
ogr
m perenc
n
n tr
nsport
si y
ng
ny
k digun
k
n di Inggris
d
l
h p
ket pro
gr
m MOTORS. Progr
m ini dir
nc
ng oleh p
r
hli profesion
l di
id
ng perenc
n
n tr
nsport
si d
n mikrokomputer (Steer, D
vies,
nd Gle
ve (1984) d
n Willums
en (1984c,1986
)); d
n merup
k
n p
ket progr
m y
ng d
p
t
erinter
ksi sec
r
mu
d
h d
n inter
ktif deng
n penggun
. P
ket progr
m ini d
p
t men
ng
ni wil
y
h k
ji
n y
ng meliputi le
ih d
ri 600 zon
d
n 10.000 ru
s, terg
ntung p
d
k
p
sit
s d
n kem
mpu
n komputer y
ng digun
k
n.
5.7.7 Penurun
n model gr
vity deng
n pendek
t
n entropi m
ksimum
206 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
Setel
h penurun
n heuristik model GR deng
n
n
logi hukum gr
vit
si Newton dis
m
p
ik
n, sek
r
ng ditunjukk
n pul
hw
model terse
ut d
p
t diturunk
n deng
n
n
logi fisik
y
ng
er
ed
y
ng diken
l deng
n entropi m
ksimum (lih
t contoh Wi
lson (1967,1970,1974) d
n Wilson
nd Bennett (1985). D
l
m
id
ng mek
nik
st
ti
stik
diken
l konsep tent
ng metode penyusun
n mikro tent
ng sistem tertentu sep
erti molekul g
s. Kunci pendek
t
nny
d
l
h pendefinisi
n s
tu set peu
h y
ng
mem
entuk su
tu sistem d
n melih
t
t
s
n y
ng meng
turny
. S
tu set Tid,
t
u [T
id] mew
kili se
r
n perger
k
n. Di
utuhk
n pendefinisi
n st
tus sistem y
ng mew
kili individu d
l
m
entuk mikro. J
di, jik
su
tu sistem di
entuk d
ri
er
g
i individu, st
tus sistem terse
ut (contohny
, perj
l
n
n untuk
ekerj
)
d
l
h
c
r
individu memutusk
n perj
l
n
nny
sec
r
konsisten. H
l y
ng penting untuk
dig
ris
w
hi di sini
d
l
h
hw
tuju
n ut
m
ny
se
r
n perger
k
n d
l
m ting
k
t meso,
uk
n st
tus y
ng
d
d
l
m sistem. Asumsi d
s
r pendek
t
n ini
d
l
h p
elu
ng se
r
n [Tid] y
ng terj
di se
nding deng
n juml
h st
tus y
ng
d
d
l
m
sistem terse
ut y
ng mendukung ter
entukny
se
r
n [Tid]. J
di, jik
w[Tid]
d
l
h juml
h c
r
y
ng di
nut seti
p individu untuk meng
tur diriny
sehingg
dih
silk
n se
r
n [Tid], m
k
pelu
ng [Tid] y
ng terj
di se
nding deng
n w(Tid). D
l
m h
l ini dir
s
k
n perlu diperken
lk
n
t
s
n [Tid] l
in se
g
i t
m
h
n
t
s
n (5.22). B
t
s
n terse
ut
erup
t
s tot
l
i
y
y
ng dil
kuk
n oleh sem
u
perger
k
n di d
l
m d
er
h terse
ut (C).
Tid .C id
i d
=C
(5.108)
J
di,
erd
s
rk
n
sumsi d
s
r, se
r
n y
ng p
ling memungkink
n
d
l
h m
triks
[Tid] y
ng mem
ksimumk
n entropi
erikut ini: w[Tid ] = T! Tid !
i d
(5.109)
y
ng terg
ntung p
d
t
s
n (5.22) d
n (5.108). Deng
n melih
t w[Tid]
d
l
h ju
ml
h st
tus y
ng mendukung terj
diny
se
r
n [Tid], m
k
tot
l juml
h st
tus y
ng mungkin
d
l
h: W = w[Tid ] (5.110)
Tid
y
ng memenuhi
t
s
n pers
m
n (5.22) d
n (5.108). Ak
n tet
pi, nil
i m
ksimum
w[Tid] mendomin
si nil
i penjuml
h
n sehingg
[Tid], y
ng meng
r
h ke nil
i m
ks
imum, menj
di se
r
n y
ng p
ling memungkink
n. Untuk mend
p
tk
n nil
i Tid y
ng
mem
ksimumk
n w[Tid] seperti d
l
m pers
m
n (5.109) d
n y
ng mempuny
i
t
s
n
pers
m
n (5.22) d
n (5.108), pers
m
n L
gr
nge () h
rus dim
ksimumk
n:
( 2) ( Dd Tid ) + (C Tid .C id ) = log e W + i(1) (O i Tid ) + d i d
(5.111)
Model sebaran pergerakan 207
dengan i(1) , i( 2 ) dan adalah pengali Lagrange. Perhaikan baha dirasakan lebi
h mudah memaksimumkan logeW sehingga memungkinkan digunakannya pendekaan Sirli
ng: (5.112) LogeN! NlogeN N unuk menghiung ungsi akorial. Nilai Tid yang me
maksimumkan dan yang menghasilkan sebaran [Tid] yang paling memungkinkan didapa
sebagai hasil solusi dari: (5.113) =0 Tid besera baasan persamaan (5.22) dan (5
.108). Dengan menggunakan pendekaan Sirling (5.112) maka persamaan (5.113) dap
a diulis sebagai: ( 2) = log e Tid i(1) d .C id Tid yang selanjunya mengh
: (5.114)
( 2) .C id Tid = exp i(1) d
(
) )
1
(5.115)
Persamaan (5.114) disubsiusikan ke dalam persamaan (5.22) unuk mendapakan i(
1) dan i( 2 ) :
( 2) exp i(1) = O i . exp d .C id
d
(
)
(
(5.116)
( 2) exp d = Dd . exp i(1) .C id
( 2) exp i(1) exp d ; d = Oi Dd
(
)
(
)
1
(5.117)
Unuk mendapakan hasil akhir dalam benuk yang lebih dikenal, nyaakan: Ai =
(
)
(
)
(5.118) (5.119)
1
Tid = Oi . Dd . Ai . d . id
1
Ai =
Jadi, sebaran pergerakan yang paling memungkinkan adalah sama dengan model GR se
peri dengan persamaan (5.21)(5.22); penurunan rumus secara saisik ini merupak
an dasar eori baru unuk model GR. Dapa diliha baha C sebagai baasan biaya
(5.108) pada dasarnya idak perlu dikeahui karena secara prakis persamaan ini
idak menghiung . Parameer ini bisa didapa dengan meode perhiungan biasa. Ak
an eapi, jika C dikeahui, persamaan (5.108) dapa dipecahkan secara numerik u
nuk mendapakan .
208 Oyar Z Tamin, Perencanaan dan pemodelan ransporasi
( d
Teori saisik ini menyebukan baha jika oal pergerakan bangkian dan arika
n unuk seiap zona unuk suau kaegori pergerakan orang yang homogen sera bia
ya perjalanan anarzona dikeahui, ermasuk oal biaya perjalanan yang dilakuka
n unuk seluruh daerah kajian ersebu, maka akan erdapa sebaran pergerakan an
arzona yang paling memungkinkan, dan sebaran pergerakan ersebu sama dengan ya
ng dihasilkan oleh model GR. Sebagai ambahan, model GR juga bisa diurunkan den
gan menggunakan meode nilai raa raa (DarinFohler). Penurunan model GR dengan
menggunakan meode nilai raa raa ini dibahas dalam Maclean (1976) dan Wilson (
1970,1974). Permasalahan ini diekankan karena dimungkinkannya penggunaan analog
i meode MekanikaSaisik DarinFohler unuk menghiung nilai raa raa Tid, selain
cara yang elah dikembangkan sebelumnya, yaiu cara peluang yang paling memungk
inkan. Diekankan juga baha dalam menghasilkan meode GR, meode ini idak erg
anung pada pendekaan seperi yang dilakukan dalam meode enropimaksimum. Akan
eapi, secara prakis meode enropi maksimum eap sering digunakan dalam pen
urunan berbagai macam pemodelan pada umumnya dan pemodelan ransporasi pada khu
susnya.
5.7.8 eberapa perilaku model graviy
Terliha pada subbab sebelumnya baha pendekaan enropi maksimum dapa digunaka
n unuk menurunkan model graviy. Hampir seluruh keluarga model sebaran pergerak
an dapa diurunkan dengan merumuskan permasalahan yang ada dalam kerangka pemro
graman maemais, misalnya memaksimumkan ungsi enropi dengan baasan linear da
pa menjelaskan bagaimana suau sisem ransporasi berperilaku. Pemakaian ormu
lasi pemrograman maemais ini mempunyai beberapa keunungan: Tersedianya cara y
ang baik unuk menjelaskan perilaku maemais dari model yang dihasilkan. Conoh
nya, dengan mudah dapa erliha apakah ungsi maemais ersebu cekung aau ce
mbung; aau dapa juga erliha dengan mudah, dengan adanya beberapa baasan er
enu, apakah persamaan ersebu masih mempunyai ruang solusi yang memungkinkan;
aau apakah permasalahan opimasi ersebu akan mempunyai solusi erenu; Peng
gunaan kerangka pemrograman maemais juga dapa digunakan sebagai ala banu un
uk menenukan meode penyelesaian yang erbaik sera analisis eisiensi dari be
berapa algorima yang ersedia. Kerangka eori yang digunakan unuk menghasilkan
model dapa juga memberikan inerpreasi dan penjelasan ambahan enang solusi
yang dihasilkannya. Seperi kia keahui, model graviy dapa diurunkan dari s
uau analogi isika aau dari adanya perimbangan memaksimumkan enropi. Hal yan
g erakhir ini sanga berkaian dengan eori inormasi, eori ukuran gala, aau
eori kemiripan maksimum yang ada dalam ilmu saisik. Keiganya menghasilkan
benuk maemais model graviy yang sama. Walaupun benuk ungsionalnya sama, se
iap kerangka eori akan memberikan inerpreasi yang
berbeda pada permasalahan dan juga pada solusi yang dihasilkan seiap inerpres
asi mungkin cocok unuk suau kondisi, siuasi, aau alasan erenu. Kenyaaan
baha model graviy dapa diurunkan dengan berbagai cara bukan berari baha mo
del ersebu adalah yang erbaik. Cocok idaknya suau model erganung pada coc
ok idaknya asumsi yang disyarakan dalam proses penurunan dan inerpreasinya.
Tidak ada sau model pun yang pasi benar; model hanya mencoba mendekai realia
dengan berbagai proses penyederhanaan, asumsi, pendekaan, pengabaian, dan lain
lain yang diambil sesuai dengan maksud dan ujuan permasalahan, kajian yang aka
n diuji, analisis yang akan dilakukan, inormasi yang ada, baasan biaya, sera
aku dan sumber daya yang ersedia.
5.8 Model inervening opporuniy (IO)
Sampai saa ini, model GR sanga umum dan sering digunakan sebagai model penyeba
ran pergerakan. Model ini mempunyai beberapa keunungan secara eori dan prakis
. Selain iu, elah ersedia pula beberapa pake program yang dapa digunakan un
uk mengkalibrasinya. Model ini dapa dikembangkan unuk menampung lebih dari sa
u jenis pergerakan dan juga dapa digunakan unuk pemodelan pergerakan barang.
Akan eapi, model GR idak dapa digunakan unuk seiap kondisi. Unuk iu, dij
elaskan pendekaan lain, meskipun jarang digunakan, yang merupakan alernai mo
del GR, yaiu model inervening opporuniy (IO). Ide dasar yang menggarisbaahi
model ini adalah baha seiap pergerakan pada dasarnya idak selalu berkaian d
engan jarak anara asal dan ujuan, eapi erganung pada ingka kepuasan aau
kesempaan yang dapa dierima aau dihasilkan oleh empa ujuan pergerakan e
rsebu. Pendekaan ini perama kali diperkenalkan oleh Souer (1940) yang menco
ba menerapkan ide ersebu pada pemodelan proses migrasi dan perpindahan lokasi
pelayanan dan perumahan. Schneider (1959) mengembangkan eori ersebu seperi y
ang kia liha sekarang. Misal ada zona asal i dan urukan semua zona ujuan yan
g ada sesuai dengan uruan yang semakin jauh dari zona i. Kemudian, injau sau
pasangan asalujuan (i,d) dengan d adalah zona ujuan ke m sesuai dengan uruan j
arak dari i. Jadi, zona uruan ke (m1) secara maemais lebih deka (lebih mudah
dicapai) dari zona i. Pengguna jalan memperimbangkan semua zona ujuan dan memi
lih sau yang paling memenuhi kebuuhannya sehingga dapa dinyaakan baha kesem
paananara mempengaruhi pemilihan zona ujuan. Jika
d
l
h pelu
ng penggun
j
l
n terpenuhi ke
utuh
nny
oleh s
tu kesemp
t
n, m
k
pelu
ng or
ng terse
ut tert
rik ke su
tu zon
y
ng mempuny
i D kesemp
t
n
d
l
h se
es
r D. Mis
lk
n terd
p
t pelu
ng se
es
r im seor
ng penggun
j
l
n tid
k terpenuhi ke
utuh
nny
oleh
kesemp
t
n y
ng disedi
k
n oleh zon
ke m d
ri zon
i. Ini
er
rti s
m
deng
n t
ot
l pelu
ng tid
k terpenuhiny
ke
utuh
n oleh zon
pert
m
, kedu
, d
n seterusn
y
s
mp
i zon
ke m seperti terlih
t p
d
pers
m
n (5.121):
210 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
im = im 1 (1 Dim ) im im 1 im
(5.121)
Oleh k
ren
itu, deng
n menghil
ngk
n tik
l
s i untuk penyederh
n
n, did
p
t: =
D m (5.122)
Sek
r
ng, jik
xm diny
t
k
n se
g
i kumul
si t
rik
n d
ri kesemp
t
n
nt
r
di
zon
ke m: (5.123) xm = D m
m
M
k
, pers
m
n (5.121) d
p
t diny
t
k
n se
g
i: m m 1 m = [x m 1 x m ] (5.12
4)
Limit pers
m
n (5.124), deng
n peningk
t
n s
ng
t kecil, d
p
t diny
t
k
n deng
n: d m ( x ) = dx (5.125) m ( x) Deng
n mengintegr
lk
n pers
m
n (5.125), di
d
p
t: log e m (x ) = x + konst
nt
t
u m(x) = Ai . exp(x) (5.126) Ai
d
l
h p
r
meter h
sil proses k
li
r
si. Hu
ung
n ini meny
t
k
n
hw
es
rny
pelu
ng s
eti
p perger
k
n y
ng tid
k terpenuhi ke
utuh
nny
oleh zon
ke m d
ri i diny
t
k
n se
g
i fungsi eksponensi
l neg
tif d
ri tot
l
kumul
si m kesemp
t
n
nt
r
p
d
j
r
k terse
ut d
ri zon
s
l i. Perger
k
n Tid d
ri zon
s
l i ke zon
t
uju
n d (y
ng se
en
rny
d
l
h zon
ke m d
ri i)
er
nding lurus deng
n pelu
n
g tid
k terpenuhiny
ke
utuh
n terse
ut s
mp
i ke zon
ke (m1) dikur
ngi deng
n p
elu
ng tid
k terpenuhiny
ke
utuh
n s
mp
i ke zon
ke m:
m = O i [ i ( x m 1 ) i ( x m )] Tid m = O i Ai [exp( x m 1 ) exp( x m )] Tid
(5.127)
Jel
sk
n konst
nt
Ai h
rus s
m
deng
n: Ai = 1 [1 exp( x m )] (5.128)
g
r
t
s
n ujung perj
l
n
n terpenuhi. J
di, model terse
ut sec
r
utuh d
p
t
ditulisk
n se
g
i: [exp( x m 1 ) exp( x m )] m (5.129) Tid = Oi [1 exp( x m )]
Model se
r
n perger
k
n 211
Wilson et
l (1977,1981) memperlih
tk
n
hw
pers
m
n (5.121) jug
d
p
t ditur
unk
n deng
n pendek
t
n entropi m
ksimum. Model IO s
ng
t men
rik untuk dipel
j
ri k
ren
dikem
ngk
n d
ri prinsip d
s
r penurun
n y
ng
er
ed
deng
n menggun
k
n j
r
k se
g
i peu
h ordin
l, sed
ngk
n model GR menggun
k
n j
r
k se
g
i p
eu
h k
rdin
l menerus. Sec
r
eksplisit, model ini mempertim
ngk
n kesemp
t
n
y
ng tersedi
untuk memenuhi ke
utuh
n seti
p perger
k
n p
d
seti
p zon
tuju
n
y
ng sem
kin j
uh d
ri zon
s
l. Ak
n tet
pi, sec
r
pr
ktis, model ini tid
k
sering digun
k
n k
ren
: d
s
r teori tid
k
egitu diken
l d
n le
ih sulit dimeng
erti oleh pr
ktisi; ide
hw
m
triks deng
n zon
tuju
n y
ng h
rus diurut sesu
i deng
n j
r
k y
ng sem
kin j
uh d
ri zon
s
l (sel ke n d
ri zon
s
l i
uk
n
l
h tuju
n n, tet
pi tuju
n ke n d
ri zon
s
l i) le
ih sulit digun
k
n sec
r
pr
ktis; keuntung
n pr
ktis d
n teori jik
di
ndingk
n deng
n model l
inny
tid
k
egitu ny
t
; ter
t
sny
p
ket progr
m y
ng d
p
t mengk
li
r
si model ini.
Su
5.9 mener
ngk
n model y
ng le
ih umum y
ng mengg
ungk
n model GR deng
n
model IO. Model ini diken
l deng
n model gr
vity opportunity (GO) y
ng dikem
ng
k
n oleh Wills p
d
t
hun 1986 (Wills, 1986).
5.9 Model gr
vity opportunity (GO)
5.9.1 L
t
r
el
k
ng
Ruiter (1967) d
n Wilson (1967,1970,1981) menjel
sk
n
hw
Stouffer mengem
ngk
n untuk pert
m
k
liny
model IO p
d
t
hun 1940. Stouffer mengem
ngk
nny
d
l
m
entuk y
ng s
ng
t sederh
n
, deng
n
sumsi
hw
juml
h perger
k
n d
ri zon
s
l ke zon
tuju
n
er
nding lurus deng
n juml
h kesemp
t
n p
d
zon
tuju
n,
d
n
er
nding ter
lik deng
n juml
h kesemp
t
n
nt
r
. D
l
m model ini, h
m
t
n
nt
rzon
tid
k terlih
t sec
r
eksplisit; tet
pi, seti
p zon
tuju
n d
ri z
on
s
l i
k
n diurut sesu
i deng
n j
r
k y
ng sem
kin menj
uh d
ri zon
i. Su
tu not
si di
utuhk
n untuk menjel
sk
n h
l ini. Ny
t
k
n d (i) j
d
l
h zon
tuj
u
n ke j d
l
m urut
n j
r
k d
ri zon
s
l i deng
n d (i) kemudi
n j disederh
n
k
n menj
di dj. Asumsi y
ng mend
s
ri model ini
d
l
h
hw
seti
p perger
k
n
k
n mempertim
ngk
n seti
p kesemp
t
n y
ng
d
sec
r
erurut
n d
n mempuny
i p
elu
ng tertentu y
ng ke
utuh
nny
terpenuhi. Untuk menget
hui
eroper
siny
sum
si d
s
r terse
ut, pertim
ngk
n situ
si y
ng zon
tuju
nny
diurut sesu
i i den
g
n j
r
k d
ri su
tu zon
s
l. Mis
lk
n U id
d
l
h pelu
ng seti
p perger
k
n y
ng
k
n mempertim
ngk
n zon
tuju
n y
ng le
ih j
uh d
ri zon
ke j d
ri zon
212 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
i d
n terd
p
t pelu
ng se
es
r L untuk seti
p kesemp
t
n untuk memu
sk
n seti
p
perger
k
n. M
k
, untuk orde y
ng pert
m
d
l
m L:
i 1 U id = 1 L . Dd
(5.130)
1 Dd
d
l
h juml
h kesemp
t
n y
ng tersedi
di zon
d1, y
ng le
ih dek
t ke zon
i. J
di, deng
n meng
lik
n pelu
ng sec
r
erurut
n, diperoleh: 2 1 2 U id = U
id .(1 L . Dd )
(5.131)
3 2 3 U id = U id .(1 L . Dd )
d
n seterusny
. D
l
m
entuk umum:
j j 1 U id = U id .(1 L . Ddj )
(5.132)
Jik
Adj
d
l
h juml
h kesemp
t
n s
mp
i deng
n d
n term
suk zon
d j , m
k
: Dd
j = Adj Adj 1 d
n pers
m
n (5.129) d
p
t ditulis se
g
i:
j j 1 (U id U id ) j 1 U id
(5.133)
= L .( Adj Adj 1 )
(5.134)
Pers
m
n ini d
p
t ditulis, deng
n
sumsi v
ri
si menerus, se
g
i: U = L .A U
j U i = ki . exp (L . Aj )
yag aka meghasilka ki aalah kostata
(5.135) (5.136) (5.137)
Aggaplah
j 1 j Tij = Oi . ( U i U i )
ega Tij aalah jumlah pergeraka ari zoa i ke zoa ke j, ari total Oi per
geraka yag berasal ari zoa i. Memasukka persamaa (5.136) ke persamaa (5.1
37) meghasilka: Tij = ki .Oi .[exp (L . Aj ) exp (L . Aj 1 )] (5.138)
yaitu betuk moel IO. Utuk meapatka pembahasa yag lebih mealam, pembaca
isaraka membaca tulisa Ruiter (1967) yag mejelaska pegguaa pertama mo
el tersebut paa proyek CATS (Chicago Area Trasportatio Stuy) paa tahu 195
0 a. Salah satu kekuraga moel ii jika iguaka utuk peramala sebara per
geraka aalah parameter asar yag iguaka beragam sebagai ugsi waktu. Para
meter tersebut berupa peluag peggua jala utuk megakhiri pergerakaya paa
zoa tujua secara acak utuk memeuhi tujua pergerakaya, seagka
Moel sebara pergeraka 213
zoa tujua tersebut ipertimbagka secara terpisah a tiak tergatug paa z
oa tujua lai yag aa. Parameter tersebut mecermika kepetiga peggua j
ala a kemampua suatu zoa tujua alam memeuhi kebutuhaya. Saleius (1972
) megembagka suatu moel ega asumsi bahwa terapat jumlah ujug perjalaa
tertetu i setiap zoa a setiap ujug perjalaa haya apat iguaka oleh
satu pergeraka saja. Deiisi parameter peluag asar seikit imoiikasi eg
a meambahka koisi bahwa zoa tujua yag ipertimbagka oleh setiap peggu
a jala sebagai tujua akhir pergeraka harus iguaka jika hal tersebut iper
timbagka. Moel yag serupa juga iusulka oleh Ashtakala (1987); aalisis reg
resi iguaka utuk meapatka parameter yag ioptimasika ega megatur i
lai pagkat parameterya. Betuk ugsioal moel tersebut mempuyai keguaa um
um. Moel khusus bisa iapat ari moel umum tersebut ega megguaka peubah
tiak bebas yag cocok a sesuai ega ata yag terseia. Oleh karea itu, m
oel sebara pergeraka itu iamaka moel Geeralise Power. Pertimbagka zo
a asal tertetu a beberapa kemugkia zoa tujua alam suatu permukaa beri
mesi ua, yag memugkika setiap kemugkia terjai atara zoa tujua terse
but, yag terurut sesuai ega jarak ari zoa asal. Tetuka salah satu zoa t
ujua a lakuka perubaha paa salah satu atributya. Perubaha tersebut aka
meyebabka eek yag berbea a lebih kecil paa pergeraka ari suatu zoa as
al ke zoa tujua yag mempuyai jarak yag lebih ekat, jika ibaigka ega
zoa tujua yag mempuyai jarak yag lebih jauh. Aaya perbeaa ii isebab
ka oleh aaya eek kesempata atara paa zoa tujua, a ii merupaka eom
ea ituiti logis, yag paa moel GR tiak ipertimbagka. Salah satu kesulit
a yag meghambat pegembaga moel IO aalah persyarata peggatia hambata
pergeraka (jarak, waktu, a biaya) ega sesuatu yag iasarka haya paa
karakteristik zoa tujua yag salig mempegaruhi. Selajutya, permasalaha o
tasi juga meghambat pegguaa moel ii karea hal tersebut mesyaratka zoa
tujua yag harus iurut sesuai ega jarak yag semaki mejauh. Di satu sisi,
moel GR kurag memperhatika eek iterveig, semetara i sisi lai, moel I
O tiak mempertimbagka eek hambata. Sagat logis jika moel yag ieal aala
h moel yag mempertimbagka keua eek tersebut. Wills (1978,1986) megembagk
a moel gravityopportuity (GO). Betuk asar moel GR a IO bisa iapat sebag
ai kasus khusus. Jai, pertayaa megeai pemiliha atara peekata moel GR
atau IO iputuska secara empirik a statistik ega megguaka batasa paa
parameter yag megotrol betuk ugsi mekaisme peyebara pergeraka.
214 Oyar Z Tami, Perecaaa a pemoela trasportasi
5.9.2 Deiisi 5.9.2.1 MAT terurut Beri peomora paa zoa asal a tujua eg
a cara yag biasa, seperti i = 1, 2, ..., I sebagai zoa asal a = 1, 2, ...
, J sebagai zoa tujua, a aggap Ti aalah pergeraka ari zoa asal i ke zo
a tujua .
Deiisika trasormasi ij utuk setiap zoa asal i seperti: 1 ij = 0 jika ti
ak jika zoa tujua beraa paa posisi ke j alam uruta jarak yag semaki j
auh ari i (5.139)
Kemuia, MAT terurut bisa iapat ega megguaka trasormasi: Z ij =
( ij .Ti )
(5.140)
Jai, Z ij aalah pergeraka ari zoa asal i ke zoa tujua ke j yag iurut se
suai ega jarak ari zoa i. Perhatika bahwa j selalu ieiisika sebagai
ugsi ari i, sehigga lebih tepat jika isebut sebagai j(i). Aka tetapi, utuk
meyeerhaaka otasi, i ihilagka. Jika trasormasi ij meghasilka MAT t
erurut, sebalikya
1 iguaka utuk meghasilka MAT sebearya ega cara: ij
Ti =
1 . Z i ) ( ij
(5.141)
Perlu icatat bahwa bagia trasormasi haya berlaku bagi peubah yag berkaita
ega MAT, matriks biaya, aktor proporsioal, a aktor peyeimbag saja. U
tuk meapatka kosistesi yag logis, seperti total 5.9.2.2 Normalisasi perger
aka ke zoa tujua ari setiap zoa asal i harus sama ega total pergeraka
ari zoa asal tersebut a total pergeraka yag berasal ari zoa tertetu ke s
etiap zoa tujua j harus sama ega total pergeraka yag meuju ke zoa terse
but, maka ua persamaa berikut ii ibutuhka: Oi = Z ij
j
(5.142)
1 . Z ij
D ij = ij . D ; D =
ij i
j
(
)
(
)
(5.143)
Utuk memeuhi persamaa batas (5.142)(5.143), persamaa berikut ii iperluka:
Zij seperti yag ieiisika paa persamaa (5.140)
Ti = O i . D . Ai .B . i
(5.144)
Moel sebara pergeraka 215
Ai =
(B . D . i )
1
; B =
(Ai .O i . i )
1
(5.145)
Betuk ormalisasi yag lai iguaka utuk versi ega satu batasa ega me
etapka B = 1 utuk setiap , yag ikeal ega versi ega batasabagkita
. Hal yag sama, tetapi jeisya lai aalah ega meetapka Ai = 1 utuk set
iap i, yag ikeal ega versi ega batasa tarika. Keua jeis moel ii s
agat bergua apabila salah satu iormasi ujug perjalaa tiak terseia. Vers
i tapa batasa apat ihitug tapa perlu melakuka ormalisasi ega meetapk
a Ai = B = 1 utuk setiap i a .
5.9.2.3 Trasormasi Utuk meapatka skala peubah yag meerus utuk meghasil
ka keluarga moel alam betuk ugsi yag spesiik, maka trasormasi BoxCox i
butuhka. Dasar teori trasormasi ii bisa ilihat paa Box a Cox (1964) a
pustaka lai. Trasormasi BoxCox utuk suatu peubah y bisa ieiisika sebagai
: ( y 1) 0 y () = (5.146) =0 logy
Invrs transformasi BoxCox adalah: ( y + 1) 1 / y
1/
0 (5.147) =0
= xp y
Transformasi ini bisa dikombinasikan mnjadi fungsi baru yang diknal sbagai ko
mbinasi cmbung dalam , y ( , ) = . y ( ) + (1 ) . y (1 / )
5.9.3 Spsifikasi fungsi ksmpatan
dngan 0 1 (5.148)
Tahapan utama dalam mngintgrasikan kdua modl trsbut adalah mndapatkan sp
sifikasi fungsi ksmpatan yang mmpunyai pubah atribut-tujuan sprti populasi
, pndapatan atau ukuran ksmpatan lainnya, dan biaya atau pubah hambatan yang
mngaitkan asal dan tujuan. Fungsi ksmpatan Uip mngaitkan i dngan tujuan k
-p dari zona i dan didfinisikan sbagai: U ip = xp (1 ). . D p . i ( ) .C ip
(
( )
)
(5.149)
Uip didefiisika sebagai vektor kombiasi atara faktor hambata da kesempata
. Nilai (1) mnjamin bahwa, jika = 1, dihasilkan modl R sdangkan fk ksmpata
n-antara dihilangkan. Faktor hambatan mmbri bobot ksmpatan-antara dngan mm
prhitungkan lokasi antara asal dan tujuan, yang biasanya smakin dkat suatu zo
na tujuan k zona asal, smakin bsar pula pngaruhnya pada
216 Ofyar Z Tamin, Prncanaan dan pmodlan transportasi
prgrakan antara i dan j. Ini mnghasilkan konsp umum yang mncrminkan adanya
sbaran spasial aktivitas konomi yang mnghasilkan uji statistik tntang pnga
ruh lokasi trhadap ksmpatan-antara. Tabl 5.21 mmprlihatkan bbrapa spsif
ikasi fungsi ksmpatan yang trgantung pada nilai paramtr
nd .
Tabel 5.21 Spesifikasi fugsi kesempata
Kesempata-atara
Hambata
( ) exp .C ip
Uip
exp (1 ) . . D ip( ) exp (1 ) . . D ip
( 1 ) D pi
[
]
(
(
)
( ) exp (1 ) . . D ip( ) .C ip
[
[ [ [
]
1
1
[ [
] ]
exp .C ip
C ip C ip
)
exp (1
) . . D ip . C ip
( 1 ) - D . C ip pi
] ] ]
0
0
1
0
exp (1 ) . . D ip
( 1 ) D pi
exp (1
) . . D ip . log e C ip
0
1
exp .C ip
(
)
exp (1
) . . log e D ip . C ip
n d
l
m fungsi kesemp
t
n kumul
tif d
ri zon
i ke z
on
ke j deng
n d
ri zon
i ke zon
ke (j1), y
ng d
p
t didefinisik
n se
g
i: Fi
j = X ij X ij 1 (5.150)
Bentuk kesemp
t
n kumul
tif y
ng p
ling umum meny
t
k
n
hw
Xij d
n Xij1
d
l
h
:
j
X ij = U ip
p
( , )
dan
j 1
U i
X ij 1 =
( , )
(5.151)
Transformasi (,) didfinisikan sbagai prsamaan (5.146)(5.148). Memasukkan ersama
an (5.151) ke ersamaan (5.150) menghasilkan benuk fakor roorsi yang umum se
eri: j Fij = U i
( , )
j 1
U i
( , )
(5.152)
Faktor proporsi umum trgantung pada kombinasi cmbung dari transformasi BoxCox (
langsung dan invers). Benuk ersamaan (5.152) menghasilkan dua cabang kasus khu
sus, yaiu model ooruniy jenis langsung (DO) dengan nilai = 1, dan model o
oruniy jenis inversi (IO) dengan nilai = 0. Model DO sanga
Model sebaran ergerakan 217
jelas karena erdiri dari kasus khusus dan ening, yaiu model ooruniy jeni
s logarima (LO) dengan = 0, yaitu:
j
j 1
Fij = log e
U log i e
Model IO cuku ening karena di dalamnya erdaa model ooruniy jenis ekso
nensial (EO) dengan nilai = 0, yaitu:
j
j 1
Fij = ex U ex i
Kia daa juga memerimbangkan gabungan anara model LO dan EO, ana harus me
nggunakan model O, dengan cara mengambil kombinasi cembung anara ersamaan (5.
153) dan (5.154) dengan engkombinasian yang erganung ada nilai . Benuk camu
ran ini, disebu model ooruniy jenis gabungan (BO) model, adalah:
j
j
g e U i
+ (1 ) ex U i
ex U i
Fij = log e U i
ha bahwa jika = 1, untuk 0 1 , dihasilkan modl R:
j
j 1
Fij =
P (5.156)
Hal ini menunjukkan bahwa model R daa dihasilkan sebagai kasus khusus model
O. Seeri elah dijelaskan sebelumnya, nilai arameer berbeda yang mengaur r
ansformasi akan menghasilkan keluarga model yang sanga berbeda, seeri model E
O, model LO, dan model R. Semua model ini daa dierlihakan dalam daerah segi
iga dengan konur fungsi kemungkinan, ermukaan reson, dan inerval keercayaa
n daa dirajah. Tiga unsur dasar yang dierangkan di aas, yaiu rosedur norma
lisasi, fungsi kesemaan dan fakor roorsi menghasilkan model sebaran ergera
kan yang sanga luas emakaiannya yang dikenal dengan model O. Beberaa kasus k
husus model O ersebu dan nilai arameer yang mengaurnya dirangkumkan dalam
abel 5.22 dan hubungan secara srukural dierlihakan secara diagram dalam gam
bar 5.6.
218 Ofyar Z Tamin, Perencanaan dan emodelan ransorasi
j 1
U i
O
01
01
j
U ip
U ip
( , )
j
( , )
j
U i
( , )
LO
1
0
j
( )
j
( )
log
U ip
j
log e
U ip
U i
log e
U i
U ip
DO
1
01
j
Ui
U i
( )
R
01
1
j
U ip
(1 / )
IO
0
01
j
U ip
U i
(1 / )
j
U i
(1 / )
EO
0
0
j
xp U ip
j
ex
p
ex
U i
U i
j
BO
01
0
j
U i
log e
+ (1 ) ex
U i
log e
R
0,50
IO O
DO
0,25 0,10
ambar 5.6 Diagram srukural fakor roorsi dan kasus khususnya Sumber: Wills
(1986)
EO
0 0,25
BO
0,50 0,75
LO
1,00
5.9.5 Aksioma IIA dan model O
Bagian ini membukikan bahwa model O idak berkaian dengan aksioma Indeendenc
e From Irrelevan Alernaives (IIA) yang dalam hal ini irrelevanalernaives n
ya adalah zona ujuan. Sau saunya model yang memunyai aksioma IIA adalah mode
l R yang idak erganung ada jenis normalisasi yang digunakan. Misalkan zona
ujuan diuru sesuai dengan jarak yang semakin jauh dari zona i sehingga: f<g<h<
j (5.157) f adalah zona ujuan ke f dari zona i, sehingga: Cif < Cig < Cih < Cij
(5.158) Cif adalah biaya aau jarak dari i ke f. Kemudian, dalam koneks sebara
n ergerakan, daa dikaakan bahwa suau model mengikui aksioma IIA jika erub
ahan ada aribu zona ujuan g idak menyebabkan erubahan ada ergerakan yang
erarik ke zona ujuan f dan h. Dengan kaa lain: Tif Tih =
* Tif * Tih
(5.159)
* * dan Tih Tif dan Tih adalah ergerakan sebelum adanya erubahan ada Uig, ser
a Tif * adalah ergerakan jika Uig elah berubah menjadi U ig . Dengan mengguna
kan uruan
biaya aau jarak yang sudah ada, g sebenarnya meruakan kesemaan anara bagi h
, eai bukan bagi f.
220 Ofyar Z Tamin, Perencanaan dan emodelan ransorasi
Perubahan ada g hanya berengaruh ada kumulaif kesemaan di h dan zona ujua
n lainnya yang lebih jauh. Jika ada h erjadi erubahan, hal ini idak akan mem
engaruhi nisbah anara f dan g unuk semua jenis model O. Model R hanya erdi
ri dari nisbah kesemaan fungsi f dan h, yang idak erganung ada g. Oleh kar
ena iu, daa disimulkan bahwa model R meruakan sau saunya model O yang m
engabaikan aksioma IIA, idak erganung ada jenis normalisasi yang digunakan.
5.9.6 Model O yang diusulkan
Jika diasumsikan erdaa K ujuan ergerakan aau jenis barang yang bergerak di
anara beberaa zona di dalam daerah kajian, maka model O yang diusulkan adala
h: k k k Tid = bk .O ik . Dd . Aik . Bd . f id (5.160)
k
(
)
k Aik dan Bd didefinisikan dengan ersamaan (5.20) k 1 .Fijk = ij i j
(
)
( , )
(5.161)
Fijk
j k
U ip
( , )
( ) ( ) k U ip = exp (1 ). k . D ipk k .C ip
k D ijk = ij D
(
j 1 k
U ip
(5.162)
)
(5.163) (5.164)
(
)
Parameter (,) dipilih terlebih dahulu, di luar proses kalibrasi (lihat tabel 5.21)
. Trasformasi (,) dinyatakan dngan prsamaan (5.146)(5.148) (liha juga abel 5.2
2).
5.10 Beberaa ermasalahan rakis
Kia elah mendiskusikan beberaa model yang berkaian dengan erhiungan bangki
an dan arikan ergerakan seia zona sera ergerakan anarzonanya. Dalam ela
ksanaannya, beberaa ermasalahan rakis erlu dierhaikan karena sanga meme
ngaruhi akurasi enggunaan model ersebu. Hal ini daa berasal dari baasan ya
ng ada dalam kerangka emodelan aau dari keidakmamuan kia dalam membua mode
l yang seharusnya memiliki deskrisi rinci dari realia yang akan dimodel. Tamin
sisem jaringan jalan (dalam emodelan ransorasi, ergerakan jenis ini diabai
kan karena definisi usa zona). Semakin besar luas suau zona, semakin besar u
la ersenase volume ergerakan inrazona inernal yang sudah barang enu akan
semakin besar eluang kemacean yang daa diimbulkannya. Cara enanganan masal
ah ergerakan jenis ini adalah dengan mengubahnya menjadi ergerakan anarzona i
nernal. Salah sau cara adalah membagi zona ersebu menjadi beberaa subzona y
ang lebih kecil, sehingga ergerakan inrazona inernal menjadi ergerakan anar
zona inernal.
5.10.3 Tujuan ergerakan
Pergerakan dengan ujuan dan/aau jenis orang yang berbeda beda biasanya menggun
akan model yang berbeda beda ula. Misalnya, ergerakan menuju ema kerja bias
anya menggunakan model graviy dengan dua baasan, sedangkan ergerakan dengan
ujuan lain (misalnya belanja aau rekreasi) menggunakan model graviy dengan sa
u baasan. Hal ini disebabkan sanga sukarnya memerkirakan besarnya arikan er
gerakan secara akura unuk daerah erbelanjaan aau rekreasi. Kadang kadang beb
eraa ujuan ergerakan cuku sensiif erhada erubahan biaya sehingga membuu
hkan enggunaaan fungsi hambaan yang berbeda ula. Beberaa model sebaran erge
rakan yang elah dierangkan memunyai erilaku yang berbeda. Model fakor eru
mbuhan mengasumsikan sebaran ergerakan hanya erganung ada besarnya bangkian
dan arikan seia zona dan idak erganung ada aksesibilias anarzonanya. S
ebaliknya, model sineis mengasumsikan bahwa aksesibilias anarzona daa juga
memengaruhi sebaran ergerakan selain besarnya bangkian dan arikan. Dalam mo
del sineis un erdaa beberaa erilaku. Conohnya, model graviy lebih meng
uamakan eranan aksesibilias anarzona dalam roses enyebaran ergerakan, sed
angkan model ooruniy lebih menekankan ada sejauh mana zona ujuan ersebu
daa memenuhi kebuuhan seseorang ana memerhaikan beraa un biaya yang har
us dikeluarkannya (seeri kia keahui, ujuan kia bergerak adalah unuk memen
uhi kebuuhan). Pergerakan belanja dan rekreasi lebih baik menggunakan model o
oruniy dariada model graviy karena ujuan ergerakan jenis ini lebih memeni
ngkan kemamuan zona ujuan dalam memenuhi kebuuhan ana meliha beraa besar
biaya yang harus dikeluarkan unuk mencaai zona ersebu. Model graviy ooru
niy mencoba menggabungkan kedua erilaku uama ini. Model ini cocok unuk daera
h erkoaan karena ada kenyaaannya beberaa ujuan ergerakan yang erjadi da
a dienuhi oleh kedua erilaku ini.
5.10.4 Mariks yang memunyai banyak sel kosong
Kebanyakan mariks asalujuan memunyai banyak sel kosong (sel mariks yang idak
memunyai informasi ergerakan aau memunyai nilai ergerakan nol). Misalnya,
suau daerah kajian mencaku 600 zona (360.000 sel) dengan 3.600.000 ergerakan;
ini berari seia sel berisi raa raa 10 ergerakan. Daa diasikan ergera
kan ersebu idak akan meraa unuk seluruh sel; asi ada daerah yang inggi
ingka ergerakannya, misalnya dari daerah erumahan ke daerah erkanoran. Hal
ini akan menyebabkan banyak sel mariks yang kosong. Selain iu,
Model sebaran ergerakan
223
adanya roses engambilan samel (misalnya 20%) akan menambah eluang berambahn
ya sel kosong ersebu. Adanya sel kosong mengakibakan sel ersebu idak akan
ernah didaakan nilai eramalan masa mendaangnya. Dalam kasus seeri ini, ya
ng daa dilakukan adalah (1) mencoba menggabungkan beberaa zona yang ada sehin
gga menjadi zona baru yang bukan meruakan sel kosong. Dengan cara ersebu juml
ah sel kosong akan menjadi berkurang; (2) memasukkan nilai yang sanga kecil (mi
salnya nilai 1) ke seia sel kosong yang ada.
5.10.5 Bangkianarikan dan asalujuan
Beberaa model sineis yang elah dikembangkan mengasumsikan bahwa seia erge
rakan yang erjadi selalu memunyai asal dan ujuan. Model ersebu ada dasarny
a menghubungkan zona bangkian dengan zona arikan. Unuk ergerakan berbasis ru
mah, zona bangkiannya adalah rumah, misalnya ergerakan ergi menuju ema ker
ja (aau endidikan, ema belanja); sedangkan zona arikannya adalah kanor, s
ekolah, aau oko. Unuk ergerakan ulang, erjadi hal yang sebaliknya; zona ba
ngkian adalah kanor, sekolah, aau oko, sedangkan zona arikan adalah rumah.
Dalam erencanaan dan emodelan ransorasi dikenal MAT yang memunyai skala wa
ku yang berbeda beda sesuai dengan kebuuhan, misalnya MAT 24 jam, MAT 6 jam, M
AT jam sibuk agi, dan lain lain. Unuk MAT 24 jam, kedua ergerakan yang elah
dierangkan sebelumnya idak akan menimbulkan masalah karena keduanya dilakukan
sekali unuk seia arah dan erjadi dalam sau hari iu meskiun ada waku yan
g berbeda. Akan eai, unuk MAT dengan skala waku endek, beberaa ergerakan
dilakukan dengan arah dari zona bangkian ke arikan sedangkan yang lain mungki
n bergerak dengan arah yang berbeda, aau ergerakan ersebu belum dilaksanakan
karena wakunya berbeda. Terdaa beberaa endekaan yang daa dilakukan unu
k mengaasi ermasalahan ini. Pendekaan erama adalah menghasilkan MAT unuk
ujuan ergerakan erenu, misalnya unuk ujuan bekerja, kemudian mengasumsikan
bahwa ergerakan ersebu hanya bergerak unuk sau arah saja, misalnya ergera
kan dari zona bangkian ke arikan ada jam sibuk agi. Beberaa daa survei kem
udian harus dikumulkan unuk menamung beberaa hal, misalnya kebijakan jam ker
ja yang fleksibel, kebijakan kerja shif, aau adanya ergerakan dengan ujuan
ergerakan lain yang dilakukan ada agi hari. Pendekaan kedua adalah melaksanak
an survei unuk berujuan mengeahui secara langsung beraa ersenase MAT unuk
seia arah ergerakan, misalnya MAT jam sibuk agi daa erdiri dari 65% erg
erakan bangkianarikan dan 35% ergerakan arikanbangkian unuk seia ujuan e
rgerakan.
5.10.6 Fakor K
Model graviy daa digunakan unuk memerkirakan sebaran ergerakan jika sebara
n ersebu diengaruhi oleh fakor bangkian dan arikan seia zona sera akses
ibilias anarzona. Akan eai, dalam beberaa kasus, erdaa beberaa
224 Ofyar Z Tamin, Perencanaan dan emodelan ransorasi
asangan zona asalujuan yang besar ergerakannya idak diengaruhi oleh fakor
ersebu. Sebagai conoh adalah ergerakan anara zona indusri dengan zona erum
ahan yang khusus dibangun oleh indusri ersebu unuk karyawannya. Dalam kasus
ini, sudah barang enu besar ergerakan idak daa dierkirakan dengan model g
raviy. Unuk menangani kasus seeri ini, dirasakan erlu memerkenalkan arame
er Kid sebagai ambahan dalam model graviy seeri erera ada ersamaan (5.1
65).
Tid = K id . Ai .O i .B d . Dd . ex( C id )
(5.165)
Be
er
p
k
ji
n y
ng tel
h dil
kuk
n menyimpulk
n
hw
penggun
n f
ktor Kid d
p
t meningk
tk
n
kur
si MAT y
ng dih
silk
n.
5.11 Keteliti
n MAT y
ng dih
silk
n oleh metode konvension
l
Us
h
untuk mend
p
tk
n MAT tid
kl
h sederh
n
d
n mud
h. Us
h
terse
ut
er
g
m
d
ri metode konvension
l y
ng mem
utuhk
n w
ktu l
m
d
n
i
y
y
ng s
ng
t m
h
l s
mp
i ke metode y
ng
ru, y
itu y
ng menggun
k
n d
t
rus l
lulint
s y
ng s
ng
t mud
h did
p
t (untuk le
ih jel
sny
, pem
c
dis
r
nk
n mem
c
8). Ap
il
per
m
l
n l
lulint
s diperluk
n untuk peng
m
il
n keputus
n, s
ng
t pentin
g diket
hui ku
lit
s per
m
l
n terse
ut. Su
tu ke
ij
k
n d
p
t terlih
t le
ih
ik d
ri y
ng l
in, tet
pi ketid
kp
sti
n y
ng
erk
it
n deng
n per
m
l
n
is
me
nj
dik
n h
l y
ng se
likny
terj
di. Ap
pun metodologi y
ng digun
k
n, h
rus d
iket
hui
hw
MAT y
ng dih
silk
n tid
k pern
h luput d
ri g
l
t. Ketep
t
n MAT
y
ng dih
silk
n s
ng
t
erk
it
n deng
n g
l
t y
ng
d
d
l
m proses pen
ksir
nny
,
ik metode konvension
l m
upun metode tid
k konvension
l. Willumsen (1978
,
1981
) menjel
sk
n
hw
ketep
t
n MAT y
ng dih
silk
n deng
n pendek
t
n metode
l
ngsung d
n tid
k l
ngsung terg
ntung p
d
e
er
p
sum
er g
l
t seperti
eriku
t ini.
Ker
g
m
n h
ri
n/musim
n d
n g
l
t perlu
s
n d
t
survei Jenis g
l
t in
i terj
di jik
su
tu f
ktor di
utuhk
n untuk mengkonversi d
t
sli l
p
ng
n unt
uk mengh
silk
n MAT p
d
sel
ng w
ktu tertentu (mis
lny
: d
t
survei 16 j
m
n
hend
k diu
h menj
di 24 j
m
n). K
sus ini d
p
t jug
erup
peru
h
n y
ng dil
kuk
n d
ri survei deng
n sel
ng w
ktu tertentu untuk mend
p
tk
n MAT deng
n sel
ng w
ktu y
ng le
ih p
nj
ng. Jenis g
l
t ini dise
k
n oleh
d
ny
peng
ruh ke
r
g
m
n h
ri
n/musim
n p
d
MAT. G
l
t d
l
m pengumpul
n d
t
Jenis g
l
t ini te
rj
di sel
m
proses survei y
ng se
gi
n
es
r
ki
t g
l
t m
nusi
, seperti: g
l
t mengidentifik
si kend
r
n, menghitung
rus, kuesioner y
ng tid
k lengk
p,
t
u g
l
t d
l
m penulis
n inform
si. Jenis g
l
t ini
i
s
ny
sec
r
pr
ktis tid
k d
p
t dihind
rk
n. Kontrol ku
lit
s y
ng
ik d
p
t mengur
ngi jenis g
l
t in
i, tet
pi tid
k
is
menghil
ngk
nny
s
m
sek
li. G
l
t d
l
m pengol
h
n d
t
J
enis g
l
t ini terj
di d
l
m proses pemind
h
n d
t
ment
h d
n
i
s
ny
terj
di
k
ren
g
l
t m
nusi
. Sum
er ut
m
kes
l
h
n
d
l
h kekeliru
n mem
eri kode, g
l
t pengetik
n, perhitung
n
c
Model se
r
n perger
k
n
225
g
nd
, d
t
y
ng hil
ng
t
u tid
k ter
c
, g
l
t mengedit d
n mem
u
t file, g
l
t mem
u
t t
el
t
u g
l
t mem
u
t progr
m. Sek
li l
gi, kontrol ku
lit
s y
ng
ik d
p
t menolong mengur
ngi jenis g
l
t ini. d G
l
t peng
m
il
n s
mpel Model
rus l
lulint
s p
d
d
s
rny
mem
utuhk
n proses peng
m
il
n d
t
y
ng k
ren
s
tu d
n l
in h
l merup
k
n
gi
n
t
u cermin
n popul
si y
ng
d
. Begitu f
ktor
s
mpel diket
hui, tingk
t keperc
y
n
is
seger
dihitung. Jenis g
l
t ini ter
j
di k
ren
, kecu
li p
d
k
sus y
ng s
ng
t sederh
n
, survei tid
k d
p
t menc
k
up seluruh perger
k
n y
ng terj
di sel
m
sel
ng w
ktu survei. H
l ini k
ren
lo
k
si w
w
nc
r
di j
l
n
t
u metode survei menggun
k
n
ender
y
ng tid
k memung
kink
n ter
m
ilny
seluruh d
t
y
ng
d
. D
l
m k
sus ini, tingk
t peng
m
il
n y
ng le
ih kecil d
ri 100% di
utuhk
n k
ren
pertim
ng
n pr
ktis. Dimungkink
n
d
ny
penurun
n f
ktor s
mpel deng
n meng
m
il d
t
y
ng le
ih
ny
k. Ak
n tet
pi, di
t
s
t
s tertentu, h
l ini tid
k menguntungk
n k
ren
tingk
t ketid
kp
sti
n h
ny
k
n
erkur
ng sec
r
ny
t
deng
n peng
m
il
n s
mpel y
ng s
ng
t
ny
k d
n jug
k
ren
g
l
t y
ng terj
di
ki
t f
ktor l
in
k
n menj
di le
ih pe
nting. S
tu s
tuny
g
l
t y
ng mempuny
i st
nd
r pemec
h
n teori
d
l
h g
l
t y
ng dise
k
n oleh f
ktor konversi
t
u g
l
t f
ktor s
mpel. Se
g
i t
m
h
n in
form
si, ketep
t
n MAT y
ng dih
silk
n deng
n pendek
t
n metode tid
k l
ngsung t
erg
ntung p
d
e
er
p
sum
er g
l
t se
g
i
erikut: e G
l
t k
li
r
si Be
er
p
d
t
y
ng di
utuhk
n seperti p
nj
ng j
l
n d
p
t diukur sec
r
tep
t. Ak
n tet
pi, d
t
l
in seperti l
p
ng
n kerj
h
ny
d
p
t
erup
perkir
n s
j
. Jenis g
l
t terj
di jik
ketid
ktep
t
n d
t
y
ng di
utuhk
n d
l
m proses k
li
r
si meng
h
silk
n nil
i p
r
meter y
ng s
l
h. H
l ini
is
jug
dise
k
n oleh penggun
n proses k
li
r
si y
ng tid
k cocok
t
u tid
k tep
t. G
l
t spesifik
si Model pe
r
m
l
n
ny
k did
s
rk
n p
d
penyederh
n
n cermin
n peril
ku m
nusi
y
ng p
d
d
s
rny
s
ng
t kompleks. J
di, mungkin terj
di ketid
kcocok
n d
l
m proses pe
nyederh
n
nny
. Tid
kl
h mungkin dih
silk
n model y
ng sec
r
t
ep
t d
p
t mencermink
n re
lit
k
ren
seti
p pendek
t
n d
l
m proses penyederh
n su
tu model jug
tid
k luput d
ri f
ktor g
l
t. G
l
t d
l
m pers
m
n (fung
si)
t
u
d
ny
peng
i
n d
ri
er
g
i peu
h penting d
p
t mengh
silk
n tingk
t g
l
t tertentu. C
r
y
ng ter
ik untuk mengh
silk
n model y
ng
ik
d
l
h d
eng
n mempel
j
ri
es
rny
per
ed
n seperti
nt
r
h
sil pemodel
n deng
n re
li
t
. Per
ed
n terse
ut h
rus terse
r norm
l d
n tid
k
d
penyimp
ng
n y
ng cuk
up
es
r. Model terse
ut jug
h
rus mempuny
i d
s
r teori y
ng mendukung.
f
226 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
6
Model pemilih
n mod
6.1 Pend
hulu
n
Pemodel
n se
r
n perger
k
n diter
ngk
n p
d
5 sec
r
rinci. Di situ diperk
ir
k
n
es
rny
perger
k
n d
ri seti
p zon
s
l ke seti
p zon
tuju
n. Bes
rny
perger
k
n terse
ut ditentuk
n oleh
es
rny
ngkit
n seti
p zon
s
l d
n t
r
ik
n seti
p zon
tuju
n sert
tingk
t
ksesi
ilit
s sistem j
ring
n
nt
rzon
y
ng
i
s
ny
diny
t
k
n deng
n j
r
k, w
ktu,
t
u
i
y
(
i
y
g
ung
n). Ak
n te
t
pi,
es
rny
perger
k
n y
ng menggun
k
n mod
tr
nsport
si tertentu
elum d
p
t teridentifik
si p
d
t
h
p
n se
r
n perger
k
n. Untuk itu, d
l
m t
h
p
n pemi
lih
n mod
ini
k
n diidentifik
si
es
rny
perger
k
n
nt
rzon
y
ng menggun
k
n seti
p mod
tr
nsport
si tertentu. D
l
m
ini kit
mendiskusik
n pemilih
n
mod
se
g
i m
s
l
h
greg
t. S
ng
tl
h men
rik
hw
pendek
t
n y
ng s
m
d
p
t
jug
digun
k
n untuk menurunk
n model se
r
n perger
k
n. B
ini dimul
i deng
n penjel
s
n tent
ng f
ktor y
ng d
p
t mempeng
ruhi pemilih
n mod
(su
6.2).
Su
erikutny
menjel
sk
n
e
er
p
model pemilih
n mod
y
ng tel
h dikem
n
gk
n, y
itu model pemilih
n mod
ujungperj
l
n
n (su
6.3) d
n model pemilih
n mod
pertuk
r
n perj
l
n
n (su
6.4). Su
6.5 menjel
sk
n keterk
it
n mo
del pemilih
n mod
deng
n t
h
p
n model perenc
n
n tr
nsport
si l
inny
. Su
6.6 menjel
sk
n sec
r
rinci
e
er
p
model sintetis meliputi model kom
in
si s
e
r
n perger
k
npemilih
n mod
, model pemilih
n multimod
, model logit
iner, d
n model pemilih
n mod
erhier
rki. Setel
h itu, kit
mengk
ji model pen
ksir
n
ngkit
n, se
r
n d
n pemilih
n mod
sec
r
simult
n, y
ng
i
s
dise
ut model
ke
utuh
n l
ngsung (su
6.7). Model jenis ini dih
silk
n pert
m
sek
li p
d
t
hun 1960
n, kemudi
n terlup
k
n sel
m
t
hun 1970
n, d
n mul
i mend
p
t perh
ti
n kem
li s
mp
i
khir t
hun 1980
n. S
l
h s
tuny
d
l
h model simult
n y
ng dikem
ngk
n oleh L
or
torium Rek
y
s
L
lulint
s, Jurus
n Teknik Sipil, ITB
p
d
t
hun 1997 untuk memodel ke
utuh
n
k
n perger
k
n
ngkut
n
r
ng di pul
u J
w
. Pemilih
n mod
mungkin merup
k
n model terpenting d
l
m perenc
n
n tr
n
sport
si. H
l ini dise
k
n k
ren
per
n kunci d
ri
ngkut
n umum d
l
m
er
g
i ke
ij
k
n tr
nsport
si. Tid
k seor
ng pun d
p
t meny
ngk
l
hw
mod
ngkut
n
umum menggun
k
n ru
ng j
l
n j
uh le
ih efisien d
rip
d
mod
ngkut
n pri
di.
Sel
in itu, keret
pi
w
h t
n
h d
n
e
er
p
mod
tr
nsport
si keret
pi l
inny
tid
k memerluk
n ru
ng j
l
n r
y
untuk
erger
k sehingg
tid
k ikut mem
c
etk
n l
lulint
s j
l
n. Seterusny
, jik
d
pengend
r
y
ng
erg
nti ke mod
tr
nsport
si
ngkut
n umum, m
k
ngkut
n pri
di mend
p
tk
n keuntung
n d
ri per
ik
n tingk
t pel
y
n
n
ki
t perg
nti
n mod
terse
ut. S
ng
tl
h tid
k mungkin
men
mpung
227
semu
kend
r
n pri
di di su
tu kot
k
ren
di
utuhk
n ru
ng j
l
n y
ng s
ng
t
lu
s, term
suk temp
t p
rkir. Oleh k
ren
itu, m
s
l
h pemilih
n mod
d
p
t dik
t
k
n se
g
i t
h
p terpenting d
l
m
er
g
i perenc
n
n d
n ke
ij
k
n tr
nspor
t
si. H
l ini meny
ngkut efisiensi perger
k
n di d
er
h perkot
n, ru
ng y
ng h
rus disedi
k
n kot
untuk dij
dik
n pr
s
r
n
tr
nsport
si, d
n
ny
kny
pilih
n mod
tr
nsport
si y
ng d
p
t dipilih penduduk. M
s
l
h y
ng s
m
jug
terj
di
untuk perger
k
n
nt
rkot
k
ren
mod
tr
nsport
si keret
pi le
ih efisien d
l
m memind
hk
n m
nusi
d
n
r
ng di
ndingk
n deng
n mod
tr
nsport
si j
l
n r
y
. Ak
n tet
pi, mod
tr
nsport
si j
l
n r
y
mempuny
i
e
er
p
kele
ih
n, y
it
u mo
ilit
sny
tinggi d
n d
p
t
erger
k k
p
n s
j
. Oleh k
ren
itu, model ters
e
ut s
ng
t diperluk
n untuk memodel perger
k
n y
ng pek
terh
d
p
tri
ut perge
r
k
n y
ng mempeng
ruhi pemilih
n mod
. Ak
n kit
lih
t
g
im
n
h
l ini
is
d
id
p
tk
n deng
n pendek
t
n
greg
t. D
l
m su
6.8 sec
r
le
ih menyeluruh di
s
mp
ik
n pend
hulu
n tent
ng metode pemodel
n pemilih
n diskret (mis
lny
p
i
l
seti
p individu memilih d
ri s
tu set
ltern
tif y
ng tersedi
). Kit
mul
i d
eng
n
e
er
p
pertim
ng
n umum d
n kemudi
n diterusk
n deng
n penjel
s
n ker
n
gk
teori sec
r
umum y
itu teori utilit
s
c
k. H
l ini memerluk
n penjel
s
n t
ent
ng terminologi d
s
r. Diter
ngk
n pul
d
l
m su
6.9 model pemilih
n disk
ret y
ng populer digun
k
n; model logit multinomi
l (LM) y
ng merup
k
n kelompok
model y
ng d
p
t digun
k
n oleh p
r
pr
ktisi se
g
i
l
t
ntu pemodel
n y
ng
s
ng
t
ik. P
d
su
6.10
k
n di
erik
n contoh
plik
si model logit
iner
d
l
m memodel pemilih
n mod
nt
r
keret
pi deng
n j
l
n r
y
.
6.2 F
ktor y
ng mempeng
ruhi pemilih
n mod
Model pemilih
n mod
ertuju
n untuk menget
hui proporsi or
ng y
ng
k
n menggun
k
n seti
p mod
. Proses ini dil
kuk
n deng
n m
ksud untuk mengk
li
r
si model p
emilih
n mod
p
d
t
hun d
s
r deng
n menget
hui peu
h
e
s (
tri
ut) y
ng mem
peng
ruhi pemilih
n mod
terse
ut. Setel
h dil
kuk
n proses k
li
r
si, model d
p
t digun
k
n untuk mer
m
lk
n pemilih
n mod
deng
n menggun
k
n nil
i peu
h
e
s (
tri
ut) untuk m
s
mend
t
ng. Pemilih
n mod
s
ng
t sulit dimodel, w
l
upun
h
ny
du
u
h mod
y
ng
k
n digun
k
n (umum
t
u pri
di). Ini dise
k
n k
r
en
ny
k f
ktor y
ng sulit diku
ntifik
si mis
l keny
m
n
n, ke
m
n
n, ke
nd
l
n,
t
u ketersedi
n mo
il p
d
s
t diperluk
n. Deng
n le
ih d
ri du
mod
(mis
lny
us, oplet, seped
motor, keret
pi), proses pemodel
n menj
di sem
kin su
lit. Untuk
ngkut
n
r
ng, pemilih
n
i
s
ny
nt
r
keret
pi
t
u truk. Pemi
lih
n mod
jug
mempertim
ngk
n perger
k
n y
ng menggun
k
n le
ih d
ri s
tu mod
d
l
m perj
l
n
n (multimod
). Jenis perger
k
n inil
h y
ng s
ng
t umum dijump
i di Indonesi
k
ren
geogr
fi Indonesi
y
ng terdiri d
ri
ny
k pul
u sehingg
persent
se perger
k
n multimod
cukup tinggi. J
di, d
p
t dik
t
k
n
hw
pemod
el
n pemilih
n mod
merup
k
n
gi
n y
ng terlem
h d
n tersulit dimodelk
n d
ri
keemp
t t
h
p
n model perenc
n
n tr
nsport
si. F
ktor
228 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
y
ng d
p
t mempeng
ruhi pemilih
n mod
ini d
p
t dikelompokk
n menj
di tig
, se
g
im
n
dijel
sk
n
erikut ini. 1 Ciri penggun
j
l
n Be
er
p
f
ktor
erikut i
ni diy
kini
k
n s
ng
t mempeng
ruhi pemilih
n mod
: ketersedi
n
t
u pemilik
n
kend
r
n pri
di; sem
kin tinggi pemilik
n kend
r
n pri
di
k
n sem
kin keci
l pul
keterg
ntung
n p
d
ngkut
n umum; pemilik
n Sur
t Izin Mengemudi (SIM);
struktur rum
h t
ngg
(p
s
ng
n mud
, kelu
rg
deng
n
n
k, pensiun,
uj
ng
n, d
n l
in l
in); pend
p
t
n; sem
kin tinggi pend
p
t
n
k
n sem
kin
es
r pelu
ng
menggun
k
n kend
r
n pri
di; f
ktor l
in mis
lny
keh
rus
n menggun
k
n mo
il
ke temp
t
ekerj
d
n keperlu
n meng
nt
r
n
k sekol
h. Pemilih
n mod
jug
k
n
s
ng
t dipeng
ruhi oleh:
2
Ciri perger
k
n
tuju
n perger
k
n Contohny
, perger
k
n ke temp
t kerj
di neg
r
m
ju
i
s
ny
le
ih mud
h deng
n mem
k
i
ngkut
n umum k
ren
ketep
t
n w
ktu d
n tingk
t pel
y
n
nny
s
ng
t
ik d
n ongkosny
rel
tif le
ih mur
h di
ndingk
n deng
n
ngku
t
n pri
di (mo
il). Ak
n tet
pi, h
l y
ng se
likny
terj
di di neg
r
sed
ng
erkem
ng; or
ng m
sih tet
p menggun
k
n mo
il pri
di ke temp
t kerj
, meskipun
le
ih m
h
l, k
ren
ketep
t
n w
ktu, keny
m
n
n, d
n l
in l
inny
tid
k d
p
t d
ipenuhi oleh
ngkut
n umum. w
ktu terj
diny
perger
k
n K
l
u kit
ingin
erger
k p
d
teng
h m
l
m, kit
p
sti mem
utuhk
n kend
r
n pri
di k
ren
p
d
s
t i
tu
ngkut
n umum tid
k
t
u j
r
ng
eroper
si. j
r
k perj
l
n
n Sem
kin j
uh per
j
l
n
n, kit
sem
kin cenderung memilih
ngkut
n umum di
ndingk
n deng
n
ngkut
n pri
di. Contohny
, untuk
epergi
n d
ri J
k
rt
ke Sur
y
; meskipun mempun
y
i mo
il pri
di, kit
cenderung menggun
k
n
ngkut
n umum (pes
w
t, keret
pi
,
t
u
us) k
ren
j
r
kny
y
ng s
ng
t j
uh.
3
Ciri f
silit
s mod
tr
nsport
si H
l ini d
p
t dikelompokk
n menj
di du
k
tegor
i. Pert
m
, f
ktor ku
ntit
tif seperti: w
ktu perj
l
n
n; w
ktu menunggu di temp
t pem
erhenti
n
us, w
ktu
erj
l
n k
ki ke temp
t pem
erhenti
n
us, w
ktu sel
m
erger
k, d
n l
in l
in;
i
y
tr
nsport
si (t
rif,
i
y
h
n
k
r, d
n l
in l
in); ketersedi
n ru
ng d
n t
rif p
rkir.
Model pemilih
n mod
229
F
ktor kedu
ersif
t ku
lit
tif y
ng cukup suk
r menghitungny
, meliputi keny
m
n
n d
n ke
m
n
n, ke
nd
l
n d
n keter
tur
n, d
n l
in l
in. 4 Ciri kot
t
u zo
n
Be
er
p
ciri y
ng d
p
t mempeng
ruhi pemilih
n mod
d
l
h j
r
k d
ri pus
t
kot
d
n kep
d
t
n penduduk.
Model pemilih
n mod
y
ng
ik h
rus mempertim
ngk
n semu
f
ktor terse
ut. Mud
h dilih
t
g
im
n
konsep
i
y
g
ung
n d
p
t jug
digun
k
n untuk meny
t
k
n
e
er
p
f
ktor ku
ntit
tif. D
ri semu
model pemilih
n mod
, pemilih
n peu
h
e
s y
ng digun
k
n s
ng
t terg
ntung p
d
: (
) or
ng y
ng memilih model terse
ut, (
) tuju
n perger
k
n, d
n (c) jenis model y
ng digun
k
n. Model pemilih
n m
od
d
p
t di
ngg
p se
g
i model
greg
t jik
menggun
k
n inform
si y
ng
er
si
s zon
sert
d
p
t di
ngg
p se
g
i model tid
k
greg
t jik
mem
k
i d
t
er
s
is rum
h t
ngg
d
n/
t
u d
t
individu (lih
t su
6.8).
6.3 Model pemilih
n mod
ujung perj
l
n
n
Penggun
n model pemilih
n mod
k
n mengh
silk
n
es
rny
perger
k
n seti
p mod
. P
d
w
ktu l
lu, khususny
di Amerik
Serik
t, ciri pri
di di
ngg
p se
g
i
h
l terpenting d
l
m pemilih
n mod
sehingg
penggun
n model pemilih
n mod
dil
kuk
n seger
setel
h t
h
p
n
ngkit
n perger
k
n. D
l
m h
l ini, ciri pri
di
y
ng
er
ed
ed
digun
k
n untuk memperkir
k
n pemilih
n mod
; contohny
, kelom
pok y
ng
er
ed
d
l
m model
n
lisis k
tegori. K
ren
p
d
t
h
p ini tid
k terd
p
t indik
si tuju
n perger
k
n merek
, ciri perger
k
n d
n mod
di
ik
n d
l
m
model ini. H
l terse
ut sesu
i deng
n
r
h perenc
n
n umum; jik
pend
p
t
n me
ningk
t,
ny
k or
ng menggun
k
n mo
il pri
di. S
l
h s
tu tuju
n perenc
n
n t
r
nsport
si
d
l
h memperkir
k
n pertum
uh
n ke
utuh
n
k
n perger
k
n mo
il pri
di sehingg
invest
si di
id
ng j
l
n r
y
d
p
t direnc
n
k
n deng
n le
ih
i
k. Model pemilih
n mod
jenis seperti ini h
ny
erk
it
n deng
n
e
er
p
h
l se
perti pend
p
t
n, kep
d
t
n permukim
n, d
n pemilik
n kend
r
n. D
l
m
e
er
p
k
sus, ketersedi
n
ngkut
n umum dipertim
ngk
n d
l
m
entuk indeks
ksesi
ili
t
s. D
l
m j
ngk
pendek, model ini d
p
t s
ng
t tep
t, khususny
jik
ngkut
n
umum tersedi
di seluruh d
er
h k
ji
n y
ng tingk
t kem
cet
nny
rend
h. Ak
n te
t
pi, model ini s
ng
t tid
k pek
terh
d
p keputus
n ke
ij
k
n peng
m
il keputus
n tid
k d
p
t
er
u
t
ny
k d
l
m mempeng
ruhi pemilih
n mod
. Memper
iki f
s
ilit
s
ngkut
n umum, mem
t
si ru
ng p
rkir, d
n mem
ngun j
l
n tol tid
k
erp
eng
ruh p
d
jenis model pemilih
n mod
seperti ini.
6.4 Model pemilih
n mod
pertuk
r
n perj
l
n
n
Bentuk model pemilih
n mod
di neg
r
Erop
didomin
si oleh model se
r
n perger
k
n sehingg
model pemilih
n mod
h
rus digun
k
n setel
h dil
kuk
nny
230 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
t
h
p
n pemodel
n se
r
n perger
k
n. Model jenis ini mempuny
i keuntung
n k
ren
mempertim
ngk
n ciri perger
k
n d
n ketersedi
n mod
. Ak
n tet
pi,
k
n le
i
h sulit mempertim
ngk
n ciri penggun
j
l
n k
ren
perger
k
n terse
ut tel
h di
greg
sik
n d
l
m
entuk m
triks
s
ltuju
n. Model y
ng pert
m
dikem
ngk
n h
ny
mempertim
ngk
n s
tu
t
u du
ciri perger
k
n,
i
s
ny
w
ktu tempuh perj
l
n
n. D
p
t dilih
t
hw
kurv
S dir
s
k
n p
ling cocok untuk mencermink
n peril
ku perger
k
n ini sec
r
le
ih
ik. G
m
r 6.1 memperlih
tk
n proporsi perger
k
n y
ng
k
n menggun
k
n 1 / Tid ) se
g
i fungsi d
ri selisih w
ktu
t
u selisi
h
i
y
perj
l
n
n mod
1 (Tid
nt
r
mod
1 deng
n mod
l
inny
.
G
m
r 6.1 Kurv
pemilih
n mod
Kurv
itu
d
l
h kurv
empiris y
ng did
p
tk
n l
ngsung d
ri d
t
d
n d
p
t digu
n
k
n untuk menghitung proporsi penggun
j
l
n y
ng
k
n
erpind
h menggun
k
n m
od
tr
nsport
si l
in y
ng le
ih cep
t din
m
k
n kurv
diversi. S
l
h s
tu kend
l
model terse
ut
d
l
h h
ny
is
digun
k
n untuk m
triks perger
k
n y
ng sud
h mempuny
i
ltern
tif mod
y
ng
k
n digun
k
n. Model ini mempuny
i d
s
r teori
y
ng lem
h sehingg
kem
mpu
n per
m
l
nny
dir
guk
n. Model ini jug
meng
ik
n
e
er
p
peu
h kepek
n ke
ij
k
n mis
lny
t
rif d
n
i
y
p
rkir. Jug
, k
re
n
ersif
t
greg
t, model ini tid
k d
p
t digun
k
n untuk memodel sec
r
tep
t
t
s
n d
n ciri mod
y
ng tersedi
gi seti
p individu
t
u rum
h t
ngg
.
6.5 Model pemilih
n mod
d
n k
it
nny
deng
n model l
in
An
lisis pemilih
n mod
d
p
t dil
kuk
n p
d
t
h
p y
ng
er
ed
ed
d
l
m prose
s perenc
n
n d
n pemodel
n tr
nsport
si. H
l ini diilustr
sik
n d
l
m g
m
r 6.
2. Pendek
t
n model pemilih
n mod
s
ng
t
erv
ri
si, terg
ntung p
d
tuju
n per
enc
n
n tr
nsport
si. S
l
h s
tu pendek
t
n meng
t
k
n
hw
proses pemilih
n m
od
dil
kuk
n p
d
t
h
p
n menghitung
ngkit
n perger
k
n; di sini perger
k
n
ngkut
n umum l
ngsung dipis
hk
n deng
n
ngkut
n pri
di. Kemudi
n, seti
p mod
di
n
lisis sec
r
terpis
h sel
m
t
h
p
n proses pemodel
n.
Model pemilih
n mod
231
Pendek
t
n ini meng
sumsik
n
hw
peu
h sosio ekonomi s
ng
t mempeng
ruhi pros
es pemilih
n mod
.
G MS G G G
JENIS I MS
JENIS II
JENIS III
JENIS IV
D
D
D MS
D
MS
A
A
A
A
G A
= B
ngkit
n perger
k
n = Pemilih
n rute
MS D
= Pemilih
n mod
= Se
r
n perger
k
n
G
m
r 6.2 Altern
tif posisi untuk
n
lisis pemilih
n mod
Pendek
t
n kedu
mempertim
ngk
n proses pemilih
n mod
y
ng terj
di se
elum pro
ses pemilih
n rute dil
kuk
n. D
l
m h
l ini, seti
p mod
di
ngg
p
ers
ing d
l
m
mere
ut p
ngs
penump
ng sehingg
tri
ut penentu d
ri jenis perger
k
n menj
di
f
ktor ut
m
y
ng mempeng
ruhi pemilih
n mod
. Pendek
t
n ketig
mempertim
ngk
n
hw
t
h
p
n
ngkit
n perger
k
n d
n pemilih
n rute ikut menentuk
n d
l
m p
emilih
n mod
. Ini
er
rti pemilih
n mod
d
p
t dilet
kk
n di m
n
s
j
nt
r
t
h
p
n
ngkit
n perger
k
n d
n pemilih
n rute seperti terlih
t p
d
g
m
r 6.2.
6.5.1 Model jenis I
D
l
m model jenis I, perger
k
n y
ng menggun
k
n
ngkut
n umum d
n pri
di dihit
ung sec
r
terpis
h deng
n model
ngkit
n perger
k
n,
i
s
ny
deng
n menggun
k
n model
n
lisis regresi
t
u k
tegori. Peu
h d
n p
r
meter y
ng digun
k
n
er
ed
untuk (
)
ngkit
n d
n t
rik
n, d
n (
) untuk seti
p mod
tr
nsport
si.
6.5.2 Model jenis II
Model jenis II sering digun
k
n oleh
ny
k k
ji
n
el
k
ng
n ini untuk perenc
n
n
ngkut
n j
l
n r
y
,
uk
n untuk
ngkut
n umum. Oleh k
ren
itu, h
l y
ng te
r
ik y
ng h
rus dil
kuk
n
d
l
h meng
ik
n perger
k
n
ngkut
n umum d
l
m pem
odel
n sehingg
proses se
r
n perger
k
n l
ngsung terkonsentr
si
232 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
d
l
m perger
k
n
ngkut
n pri
di. Koment
r ini d
p
t jug
ditujuk
n untuk model
jenis I. Teknik ut
m
y
ng digun
k
n p
d
model jenis II
d
l
h penggun
n deng
n kurv
diversi (lih
t su
6.4). Contohny
, persent
se perger
k
n y
ng mengg
un
k
n
ngkut
n pri
di se
g
i fungsi d
ri peu
h pemilik
n kend
r
n. Contoh p
em
k
i
n pemilik
n kend
r
n terlih
t p
d
g
m
r 6.3 (Hutchinson, 1974).
G
m
r 6.3 R
t
r
t
juml
h mo
il Sum
er: Hutchinson (1974)
Contoh
erikutny
(lih
t g
m
r 6.4)
d
l
h p
ngs
perger
k
n untuk tuju
n ke te
mp
t kerj
p
d
j
m si
uk se
g
i fungsi d
ri pend
p
t
n (Bruton, 1975):
G
m
r 6.4 Kurv
diversi p
d
j
m si
uk (tuju
n
ekerj
) Sum
er: Bruton (1975)
6.5.3 Model jenis III
Model jenis III mengkom
in
sik
n model pemilih
n mod
deng
n model gr
vity; di s
ini proses se
r
n perger
k
n d
n pemilih
n mod
dil
kuk
n sec
r
ers
m
n. Bl
ck (1981) menjel
sk
nny
se
g
i
erikut: (1) / Q id
m =1
(m ) = Q id 1 + exp(
{ t
2
1
id
( 2) t id (1)})
(6.1)
Model pemilih
n mod
233
(1) = perger
k
n d
ri i ke d deng
n mod
1 Q id ( m ) = perger
k
n d
ri i ke d d
eng
n mod
m Q id
tid(1) tid(2)
= h
m
t
n perger
k
n d
ri i ke d deng
n mod
1 = h
m
t
n perge
r
k
n d
ri i ke d deng
n mod
2 = p
r
meter model gr
vity
Model ini d
p
t di
ndingk
n deng
n model gr
vity y
ng menggun
k
n fungsi h
m
t
n eksponensi
l. C
t
t
n: pers
m
n se
r
n perger
k
npemilih
n mod
meng
sumsik
n h
ny
du
u
h mod
(umum d
n pri
di) d
n mem
k
i selisih
nt
r
h
m
t
n di
n
dingk
n deng
n nis
h ny
.
6.5.4 Model jenis IV
Model jenis IV s
ng
t sering digun
k
n (w
l
upun model jenis III le
ih populer d
i neg
r
B
r
t). Model terse
ut menggun
k
n kurv
diversi, pers
m
n regresi
t
u v
ri
si model III. Model ini sel
lu menggun
k
n nis
h
t
u selisih h
m
t
n
nt
r
du
mod
y
ng
ers
ing. Bruton (1975) mendiskusik
n h
l ini sec
r
le
ih m
end
l
m (lih
t g
m
r 6.5). Ap
y
ng dim
ksud deng
n pemilih
n did
s
rk
n
t
s s
elisih
t
u nis
h d
ri h
m
t
n kedu
mod
? Su
tu mod
erger
k du
k
li le
ih
cep
t di
ndingk
n deng
n mod
l
inny
,
t
u su
tu mod
ti
le
ih cep
t 10 meni
t di
ndingk
n deng
n mod
l
inny
. Kedu
pendek
t
n ini
k
n digun
k
n se
g
i
f
ktor penentu d
l
m proses pemilih
n mod
. Bl
ck (1981) mem
erik
n contoh kurv
diversi model y
ng digun
k
n oleh Tr
ffic Rese
rch Corpor
tion of C
n
d
(Lem
g
Peneliti
n L
lulint
s K
n
d
) p
d
t
hun 1960
n (lih
t g
m
r 6.1).
G
m
r 6.5 Nis
h w
ktu tempuh
ngkut
n umum/mo
il Sum
er: Bruton (1975)
Kurv
ini
erd
s
rk
n nis
h w
ktu tempuh
nt
r
ngkut
n umum deng
n
ngkut
n p
ri
di (mo
il). Kurv
ini
erl
ku untuk or
ng deng
n ekonomi meneng
h ke
w
h (
st
tus ekonomi 3) deng
n nis
h
nt
r
i
y
ngkut
n umum deng
n
i
y
ngkut
n
pri
di (
h
n
k
r, oli, d
n p
rkir) sekit
r 0,25.
234 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
Nis
h tingk
t pel
y
n
n
d
l
h nis
h
nt
r
w
ktu (
erj
l
n, menunggu, d
n pin
d
h) untuk
ngkut
n umum di
ndingk
n deng
n (
erj
l
n d
n p
rkir) untuk
ngkut
n pri
di. Pendek
t
n ini menghil
ngk
n perluny
perkir
n
i
y
untuk
erj
l
n,
menunggu, d
n w
ktu tr
nsfer (w
ktu
kses) k
ren
d
l
m model ini f
ktor terse
ut dil
kuk
n sec
r
empiris. Kurv
ini menggun
k
n 4 peu
h: w
ktu,
i
y
, pend
p
t
n, d
n w
ktu
kses. Contoh l
in model jenis IV
d
l
h penggun
n nis
h h
m
t
n
nt
r
du
u
h mod
deng
n formul
si logit. D
l
m h
l ini, h
m
t
n ini
i
s
erup
i
y
g
ung
n; su
tu pem
o
ot
n h
rus di
erik
n untuk w
ktu
kses (pe
njel
s
n le
ih rinci mengen
i model ini d
p
t dilih
t p
d
su
6.8). Model te
rse
ut
d
l
h: MS t = 1
It 1+ I
(6.2)
MSt = persent
se y
ng menggun
k
n
ngkut
n umum It I
= h
m
t
n tr
nsport
si
i ke d deng
n
ngkut
n umum = h
m
t
n tr
nsport
si i ke d deng
n mo
il = f
ktor
y
ng dik
li
r
si d
ri d
t
survei
Hu
ung
n terse
ut d
p
t terlih
t p
d
g
m
r 6.6 (Sossl
u et
l, 1978). Model in
i menj
min jik
nis
h h
m
t
n tr
nsport
si
nt
r
ngkut
n umum deng
n
ngkut
n pri
di s
m
deng
n 1 m
k
pelu
ng memilih m
sing m
sing mod
menj
di s
m
(50
%:50%). H
l ini sec
r
re
lit
mungkin j
r
ng terj
di k
ren
d
f
ktor l
inny
y
ng d
p
t mempeng
ruhi pemilih
n mod
. Mis
l, meskipun w
ktu tempuh keret
pi
d
n mo
il s
m
untuk su
tu perj
l
n
n tertentu tet
pi seseor
ng
k
n memilih mod
tertentu k
ren
d
f
ktor l
inny
y
ng menye
k
n or
ng terse
ut
k
n memili
h mod
terse
ut mis
lny
tingk
t keny
m
n
n.
G
m
r 6.6 P
ngs
perger
k
n mod
se
g
i fungsi nis
h h
m
t
n
Model pemilih
n mod
235
6.5.5 Be
er
p
koment
r tent
ng model pemilih
n mod
6.5.5.1 Bi
y
D
l
m pemodel
n pemilih
n mod
, s
ng
t penting di
ed
k
n
nt
r
i
y
perkir
n deng
n
i
y
ktu
l. Bi
y
perkir
n
d
l
h
i
y
y
ng dipikirk
n oleh pem
k
i j
l
n d
n d
s
r peng
m
il
n keputus
n, sed
ngk
n
i
y
ktu
l
d
l
h
i
y
se
en
rny
y
ng dik
elu
rk
n setel
h proses pemilih
n mod
dil
kuk
n. 6.5.5.2 Angkut
n umum c
ptive
D
l
m pemodel
n pemilih
n mod
, t
h
p
erikutny
d
l
h mengidentifik
si pem
k
i
ngkut
n umum c
ptive. Or
ng seperti ini didefinisik
n se
g
i or
ng y
ng
er
n
gk
t d
ri rum
h d
n tid
k mempuny
i
t
u menggun
k
n mo
il (tid
k
d
pilih
n l
in kecu
li
ngkut
n umum). Di
sumsik
n
hw
or
ng terse
ut p
sti
k
n menggun
k
n
ngkut
n umum sehingg
juml
hny
d
p
t diperkir
k
n sec
r
terpis
h d
ri pros
es pemodel
n d
n di
e
nk
n l
ngsung ke sistem pr
s
r
n
ngkut
n umum. Sis
ny
,
mungkin mempuny
i minim
l s
tu kend
r
n, mempuny
i pilih
n
nt
r
ngkut
n umu
m d
n pri
di. Model pemilih
n mod
h
ny
di
plik
sik
n untuk or
ng ini s
j
. Re
lit
ny
tentu tid
k sesederh
n
itu. Se
g
i contoh, or
ng y
ng tid
k mempuny
i
kend
r
n pri
di mungkin menump
ng kend
r
n pri
di milik tem
nny
. Mungkin j
ug
, or
ng y
ng mempuny
i mo
il menggun
k
n
ngkut
n umum k
ren
mo
ilny
tid
k
tersedi
p
d
s
t di
memerluk
n. M
s
l
h seperti ini menunjukk
n nil
i potensi
l pendek
t
n tid
k
greg
t d
l
m perenc
n
n tr
nsport
si.
6.5.5.3 Le
ih d
ri du
mod
Be
er
p
prosedur pemilih
n mod
memodel perger
k
n deng
n h
ny
du
u
h mod
t
r
nsport
si:
ngkut
n umum d
n
ngkut
n pri
di. Di
e
er
p
neg
r
B
r
t terd
p
t pilih
n le
ih d
ri du
mod
; mis
lny
, London mempuny
i keret
pi
w
h t
n
h, keret
pi,
us, d
n mo
il).
Di Indonesi
terd
p
t
e
er
p
jenis mod
kend
r
n
ermotor (term
suk ojeg) dit
m
h
ec
k d
n
erj
l
n k
ki. Pej
l
n k
ki term
suk penting di Indonesi
. Jones
(1977) menek
nk
n du
pendek
t
n umum tent
ng
n
lisis sistem deng
n du
u
h m
od
, seperti terlih
t p
d
g
m
r 6.7.
Tot
l perger
k
n Tot
l perger
k
n
Berger
k
Tid
k
erger
k
Berger
k
Tid
k
erger
k
Mo
il
Angkut
n umum
Mo
il Angkut
n umum 1
Angkut
n umum 2
Angkut
n umum 1
Angkut
n umum 2
G
m
r 6.7 Proses pemilih
n du
mod
(
ngkut
n umum d
n mo
il)
G
m
r kiri meng
sumsik
n pem
k
i j
l
n mempuny
i pilih
n
nt
r
erger
k d
n ti
d
k
erger
k. Jik
diputusk
n untuk mem
u
t perger
k
n, pert
ny
nny
d
l
h
236 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
deng
n
ngkut
n umum
t
u pri
di? Jik
ngkut
n umum y
ng dipilih, pert
ny
n s
el
njutny
p
k
h
us
t
u keret
pi. G
m
r se
el
h k
n
n meng
sumsik
n
hw
egitu keputus
n menggun
k
n kend
r
n di
m
il, pem
k
i j
l
n l
ngsung memilih m
od
y
ng tersedi
(mo
il,
us,
t
u keret
pi). Model pemilih
n mod
y
ng
er
e
d
terg
ntung p
d
jenis keputus
n y
ng di
m
il. G
m
r se
el
h kiri le
ih seder
h
n
d
n mungkin le
ih cocok untuk kondisi di Indonesi
. Ak
n tet
pi, khusus unt
uk Indonesi
, pendek
t
n y
ng le
ih cocok
d
l
h seperti y
ng diperlih
tk
n p
d
g
m
r 6.8.
Tot
l perger
k
n
Berger
k
Tid
k
erger
k Berkend
r
n
Berj
l
n k
ki
Umum
Pri
di
Bermotor
Tid
k
ermotor (Bec
k) J
l
n R
y
Tid
k
ermotor (Seped
) Mo
il
Bermotor Seped
motor
J
l
n Rel Bus
P
r
tr
nsit Pemilih
n mod
p
r
tr
nsit G
m
r 6.8 Proses pemilih
n mod
untuk In
donesi
G
m
r 6.8 mengilustr
sik
n
et
p
rumitny
memodelk
n seluruh mod
tr
nsport
si
y
ng
d
d
l
m su
tu sistem di Indonesi
. H
l m
n
mendukung pend
p
t sel
m
in
i y
ng meny
t
k
n
hw
t
h
p pemilih
n mod
merup
k
n t
h
p tersulit d
l
m pere
nc
n
n tr
nsport
si. M
s
l
h l
in y
ng perlu diperh
tik
n d
l
m h
l
ngkut
n pr
i
di
d
l
h pengend
r
d
n penump
ng. Kedu
ny
mempuny
i
tri
ut y
ng
er
ed
y
ng s
ng
t
erpeng
ruh d
l
m proses pemilih
n mod
. Di Indonesi
, kend
r
n pri
di
is
jug
erup
seped
motor. S
l
h s
tu us
h
d
l
h deng
n memperl
kuk
n
mo
il d
n seped
motor sec
r
terpis
h. H
l ini dise
k
n k
ren
seped
motor m
empuny
i nil
i SMP y
ng j
uh le
ih kecil di
ndingk
n deng
n mo
il d
n ini s
ng
t mempeng
ruhi k
p
sit
s j
l
n y
ng diperluk
n.
Model pemilih
n mod
237
Pohon keputus
n dipilih se
g
i d
s
r model pemilih
n mod
y
ng mempeng
ruhi per
kir
n y
ng di
u
t oleh model. Pendek
t
n pohon keputus
n deng
n mem
k
i pemilih
n penggun
n
ngkut
n pri
di y
ng le
ih tinggi d
ri
p
d
pendek
t
n pemilih
n simult
n.
6.6 Model sintetis
6.6.1 Model kom
in
si se
r
n perger
k
npemilih
n mod
Pendek
t
n entropi m
ksimum d
p
t digun
k
n untuk mend
p
tk
n model kom
in
si
r
n perger
k
n d
n pemilih
n mod
sec
r
simult
n. Untuk itu h
rus di
entuk
ndek
t
n m
s
l
h entropi m
ksimum d
l
m
entuk du
u
h mod
seperti
erikut:
m
ksimumk
n deng
n
t
s
n:
k k k k log W Tid log e Tid = Tid Tid i d k k Tid d k k Tid
se
pe
me
i k
{ }
(
)
(6.3) (6.4) (6.5) (6.6)
Oi = 0 Dd = 0 C=0
k k C id Tid i d k
Deng
n mud
h d
p
t dilih
t
hw
perm
s
l
h
n terse
ut mempuny
i solusi:
k k Tid ) = Ai O i Bd Dd exp ( C id 1 Pid = 1 1 Tid exp( C id ) = 1 2 Tid exp ( C id
) + exp ( C id )
(6.7) (6.8)
1 Pid
d
l
h proporsi perger
k
n d
ri zon
s
l i ke zon
tuju
n d deng
n menggu
n
k
n mod
1. Bentuk fungsi seperti pers
m
n (6.8) diken
l deng
n
entuk logit
y
ng
k
n didiskusik
n le
ih rinci p
d
su
6.8. Be
er
p
peril
ku model ters
e
ut
d
l
h:
mengh
silk
n kurv
er
entuk S, mirip deng
n kurv
diversi empiris p
d
g
m
r 6
.1; jik
C1 = C2, m
k
P1 = P2 = 0,5; jik
C2 >> C1, m
k
P1 menj
di 1,0; d
p
t
dikem
ngk
n untuk
er
g
i mod
deng
n:
1 Pid = k exp( C id ) k ) exp ( C id k
(6.9)
238 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
Sud
h jel
s, rumus
erper
n g
nd
se
g
i p
r
meter y
ng mengontrol dispersi pem
ilih
n mod
, d
n pemilih
n zon
tuju
n d
ri
e
er
p
zon
y
ng mempuny
i j
r
k y
ng
er
ed
ed
d
ri zon
s
l. Oleh k
ren
itu, model y
ng le
ih pr
ktis y
ng
mengkom
in
sik
n se
r
n perger
k
n deng
n pemilih
n mod
tel
h digun
k
n d
l
m
e
er
p
k
ji
n deng
n
entuk: k exp ( k C id ) kn n n n Tid Dd = Ain O in Bd ex
p ( n K id ) (6.10) m exp ( m C id )
m n K id adaah biaya pegeakan gabungan dai zona asa i ke zona tujuan d yang
dipekiakan oeh individu bejenis n. Secaa pinsip, biaya gabungan bisa dida
pat dengan bebeapa caa; contohnya, dai niai minima dai kedua biaya tesebu
t, atau ata atanya: K = Pk C k (i, d, n dihiangkan untuk penyedehanaan) k
Akan tetapi, penting diketahui bahwa hampi semua pesamaan yang digunakan oeh
bebeapa kajian sampai dengan akhi tahun 1970 an pada dasanya tidak sesuai. Co
ntoh 6.1 Petimbangkan bentuk ata ata di atas dan peajai apa yang tejadi ji
ka moda tanspotasi bau (C2 > C1) ditambahkan pada sistem yang teah ada. Pada
tahap awa, kita mempunyai: K = Pk C k = C 1
k
dan pada tahap akhi (seteah ada moda 2): K * = P1 C 1 + P2 C 2 Akan tetapi, de
ngan menganggap P1 + P2 = 1, maka: K * = (1 P2 )C 1 + P2 C 2 = C 1 + P2 (C 2 C 1
) K * = K + P2 (C 2 C 1 ) Sekaang, kaena niai P2 dan (C2 C1) ebih besa da
i no, dapat disimpukan bahwa K* > K yang tidak masuk aka kaena adanya piiha
n bau, meskipun ebih maha, tidak akan meningkatkan biaya gabungan; paing pa
ing hanya akan mempunyai niai yang sama. Wiiam (1977) menunjukkan bahwa satu
satunya spesifikasi yang bena yaitu yang konsisten dengan teoi yang mendasai
peiaku pemiihan, adaah:
n K id =
1 k og e exp( k C id ) n k
(6.11)
dan batasan beikut ini haus dipenuhi:
Mode pemiihan moda
239
n n
(6.12)
Kita akan kembai ke masaah ini pada subbab 6.8. Ukuan biaya gabungan [pesama
an (6.11)] mempunyai peiaku sebagai beikut:
K min k {C k }
im K = min k {C k }
dK = Pk dC k
Pesamaan (6.10)(6.12) mewakii suatu kondisi paktis daam pemodean agegat kom
binasi sebaan pegeakan dan pemiihan moda, khususnya di daeah pekotaan. Wa
aupun banyak mode bejenis sama yang teah digunakan secaa paktis, mode tes
ebut teah muai digantikan dengan mode tidak agegat yang ebih baik menanggap
i unsu kunci daam pemiihan moda dan efisien daam pengumpuan data (ha ini d
ibahas pada subbab 6.8).
6.6.2 Mode pemiihan mutimoda
Masaah mutimoda meupakan ha penting yang haus sangat dipehatikan di Indone
sia di masa mendatang kaena Indonesia meupakan negaa kepuauan. Waktu dan po
ses petukaan moda di temina meupakan fakto paing kitis yang peu mendap
at pehatian dan penanganan daam pengembangan kebijakan tanspotasi mutimoda.
Suvei AsaTujuan Nasiona yang diakukan pada tahun 1996 menunjukkan pesentase
pegeakan egiona mutimoda cukup tinggi baik untuk angkutan penumpang maupun
angkutan baang. Ha ini beati pentingnya pengetahuan pemodean pegeakan mu
timoda untuk masa mendatang di Indonesia. Gamba 6.9 mempeihatkan stuktu mo
de pemiihan moda yang ebih dai dua (mutimoda). Stuktu N way yang sangat p
opue daam pemodean tidak agegat, sepeti yang akan kita ihat pada subbab 6
.8, adaah stuktu yang paing sedehana. Tetapi, kaena diasumsikan bahwa semu
a atenatif mempunyai bobot yang sama, maka muncu masaah bebeapa piihan mi
ip dengan piihan ain, sepeti ditunjukkan oeh Maybey (1983) dengan contoh b
us biubus meah. Contoh 6.2 Petimbangkan suatu kota yang 50% pegeakannya memi
ih mobi (C) dan 50% memiih bus (B). Dengan pesamaan (6.7) yang menggunakan s
tuktu Nway dihasikan CC = CB. Sekaang asumsikan seoang manaje peusahaan b
us mengubah wana bus menjadi 50% wana meah (BM) dan 50% wana biu (BB) dan m
empetahankan tingkat peayanan yang sama dengan sebeumnya. Ini beati CBM = C
BB, sedangkan biaya moda mobi tidak beubah, tetap sama dengan CC. Sangat mena
ik kaena sekaang pesamaan (6.7) menghasikan: PC = exp ( C C ) = 0,33 exp ( C C
) + exp ( C RB ) + exp ( C BB )
240 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
Seseor
ng memperkir
k
n PC tet
p
ernil
i 0,5 sed
ngk
n
us mempuny
i proporsi y
ng s
m
deng
n sis
y
ng
d
(m
sing m
sing 0,25). Contoh ini memperlih
tk
n ke
lem
h
n struktur N w
y d
l
m mencermink
n pilih
n y
ng
erkorel
si s
tu s
m
l
i
n. Kit
k
n kem
li l
gi p
d
m
s
l
h ini p
d
su
6.8.
G
m
r 6.9 Struktur multimod
: (
) Struktur N w
y, (
) Struktur pert
m
h
n mod
er
ed
ed
terg
ntung p
d
mod
y
ng di
m
il se
g
i mod
t
m
h
n (L
ngdon,
1976). Jug
, uji deng
n simul
si Monte C
rlo memperlih
tk
n
hw
struktur mod
t
m
h
n y
ng mempuny
i kinerj
ter
ik p
d
s
t sek
r
ng
elum
Model pemilih
n mod
241
tentu menj
min mempuny
i unjuk kerj
ter
ik p
d
m
s
mend
t
ng jik
terd
p
t p
eru
h
n ke
ij
k
n (Ortuz
r, 1980
). Kemungkin
n ketig
, seperti terlih
t p
d
g
m
r 6.9c,
d
l
h model struktur
erhier
rki. D
l
m h
l ini, pilih
n y
ng mempu
ny
i unsur umum y
ng kir
kir
s
m
dig
ung d
l
m proses pemilih
n ut
m
(mis
l
ny
ngkut
n umum). Setel
h terpis
h, merek
dipec
h kem
li p
d
proses pemilih
Hieaki pemiihan tetinggi adaah aspiasi gaya hidup yang tecemin pada poa
kegiatan yang diinginkan. Seanjutnya untuk meakukan aktivitas tetentu, setia
p individu haus beada pada tempat tetentu dan pada suatu waktu tetentu. Sea
njutnya, ha ini akan mengaahkan individu untuk beada pada okasi tetentu. Pa
da tingkat teendah, keputusan diambi bekenaan dengan dimana, kapan, dan bagai
mana pejaanan akan diakukan. Menuut Manheim (1979), tahapan poses yang dia
kukan seseoang daam menentukan pejaanannya adaah: fomuasi pefeensi kons
umen secaa ekspisit; identifikasi semua atenatif yang mungkin tejadi; kaak
teistik semua atenatif bedasakan atibut; penggunaan infomasi pefeensi u
ntuk memiih atenatif.
Sedangkan untuk suatu piihan dapat dipandang sebagai hasi dai poses pengambi
an keputusan yang meibatkan tahap beikut ini: pendefinisian masaah piihan p
enentuan atenatif evauasi atibut atenatif pengambian keputusan impementa
si keputusan yang diambi
Mode ogit bine dibangun atas dasa asumsi n = jn in akan brsifat bbas dan t
rsbar scara idntik (IID) mnurut fungsi sbaran logistik umbl sprti pada
prsamaan (6.13). 1 F ( n ) = (6.13) ; 0 ; n 1 + n
(
)
Pada kasus dua altrnatif moda, pluang trpilihnya moda i dapat didkati dngan
prsamaan (6.14) brikut. Pn (i ) =
[
n (6.14
) d
p
t ditulis kem
li d
l
m
entuk pers
m
n (6.15)
erikut. Pn (i ) = 1 1 + e
Z (6.15)
Z = 0 + 1 X 1 + 2 X 2 + ... + K X K
6.6.3.1 Metode pen
ksir
n kemirip
n m
ksimum (KM)
Untuk memec
hk
n pers
m
n metod
e pen
ksir
n
Model pemilih
n mod
243
kemirip
n m
ksimum. Mis
lk
n d
t
X memiliki fungsi se
r
n pelu
ng f(,). Ketergan
tungan pada untuk yang diberikan dinamakan fungsi kemiripan. Prinsip metode pena
ksiran KM adalah bahwa keadaan dimana parameter meminimumkan nilai fungsi kemiri
pan yang dapat dianggap sebagai keadaan terbaik. Dengan kata lain, keadaan diman
a sampel yang diamati paling mungkin munul. Apabila sampel diambil seara aak,
bebas, dan memiliki sebaran pengamatan X1, X2, , XN yang identik, maka fungsi ke
miripan dapat dituliskan sebagai fungsi parameternya, seperti terlihat pada pers
amaan (6.16).
L( ) = f (X 1 ). f (X 2 )... f (X N )
(6.16)
Persamaan (6.16) kemudian dipeahkan untuk menari parameter yang memaksimumkan
fungsi kemiripan. Fungsi kemiripan adalah fungsi perkalian, maka semakin besar j
umlahnya semakin besar pula nilai logaritmanya. Dengan menggunakan fungsi logari
tma natural, maka fungsi perkalian dapat diubah menjadi fungsi penjumlahan. L 1
= log e L( ) = log e f (X 1 )
N i
(6.17)
Dengan asumsi sampel berjumlah N diambil seara aak dari populasi, maka fungsi
kemiripan sampel adalah perkalian dari seluruh hasil pengamatan. L( 1 , 2 ,..., K
) = Pn (i ) in . Pn ( j )
Y n =1 N Y jn
(6.18)
Pn(i) = f(1, 2, , K) Yin K N = peu
h indik
tor
il
responden ke n memilih
ltern
t
if mod
i = juml
h p
r
meter = juml
h responden
Deng
n menggun
k
n tr
nsform
si log
ritm
n
tur
l, m
k
fungsi kemirip
n (6.18)
d
p
t diu
h menj
di: log e L( 1 , 2 ,..., K ) = Y in . log e Pn (i ) + Y jn . lo
g e Pn ( j )
n =1 N
[
]
(6.19)
Untuk k
sus line
r, m
k
Yin = 1Yjn d
n Pn(j) = 1Pn(i) sehingg
: L 1 = log e L( 1 ,
2 ,..., K ) = [Y in . log e Pn (i ) + (1 Y in ). log e (1 Pn (i ))] (6.20)
n =1 N
Untuk d
p
t memec
hk
n pers
m
n (6.20), m
k
diperluk
n turun
n pert
m
pers
m
n (6.21) s
m
deng
n nol. L 1 (6.21) =0 k Untuk k
sus model logit
iner, m
k
:
244 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
Pn (i ) =
1 1 + e X in
d
n
Pn ( j ) =
e X in 1 + e X in
Untuk memud
hk
n m
nipul
si m
tem
tisny
, m
k
perlu didefinisik
n h
l
erikut i
ni, y
itu Xn= Xin Xjn. J
di, untuk seti
p elemen k didefinisik
n h
l se
g
i
eri
kut, Xnk= Xink Xjnk untuk k = 1, 2, , K. Deng
n demiki
n, pers
m
n (6.21) d
p
t d
itulis kem
li d
n disederh
n
k
n deng
n urut
n penyederh
n
n se
g
i pers
m
n
(6.22)(6.24), untuk k = 1, 2, , K.
N L 1 = Y in . Pn ( j ). X nk + Y jn . Pn (i ). X nk = 0 k n = 1 N L 1 = [Yin .(1
n (i )) (1 Y in ). Pn (i )]. X nk = 0 k n = 1 N L 1 = [Y in Pn (i )]. X nk = 0
= 1
[
]
(6.22) (6.23) (6.24)
Pers
m
n (6.24)
d
l
h sistem K pers
m
n simult
n deng
n K
u
h p
r
meter k y
n
g tid
k diket
hui y
ng d
p
t diseles
ik
n deng
n metode NewtonR
phson. Pem
c
y
ng ingin mempel
j
ri sec
r
le
ih rinci mengen
i metode NewtonR
phson dis
r
nk
n
mem
c
su
8.15.3.
6.6.3.2 Metode pen
ksir
n regresi line
r
Model logit
iner digun
k
n untuk memodel pemilih
n mod
y
ng terdiri d
ri du
ltern
tif mod
s
j
. Terd
p
t du
jenis model y
ng sering digun
k
n, y
itu model
selisih d
n model nis
h y
ng d
p
t diseles
ik
n deng
n menggun
k
n metode pen
sir
n regresi line
r. P
r
meter ku
ntit
tif y
ng sering digun
k
n se
g
i penent
u ut
m
d
l
m pemilih
n mod
d
l
h
i
y
perj
l
n
n
t
u w
ktu tempuh. Pemilih
n
nt
r
model logit
inerselisih d
n model logit
iner nis
h d
l
m pemilih
n m
od
s
ng
t ditentuk
n oleh persepsi seseor
ng mem
ndingk
n
i
y
perj
l
n
n
t
u w
ktu tempuh d
l
m memilih mod
y
ng
k
n digun
k
nny
. Berikut ini
k
n di
er
ik
n contoh kej
di
n y
ng d
p
t menjel
sk
n per
ed
n kedu
model logit
iner te
rse
ut. Terd
p
t du
kej
di
n perger
k
n y
ng dil
y
ni oleh du
jenis mod
; s
tu
erj
r
k j
uh d
n s
tu
erj
r
k dek
t. W
ktu tempuh kedu
perger
k
n terse
ut d
p
t dilih
t p
d
t
el 6.1.
T
el 6.1 W
ktu tempuh kej
di
n du
perger
k
n W
ktu tempuh perger
k
n j
r
k dek
t (menit) Mod
A Mod
B Selisih (AB) Nis
h (AB)
60 40 20 1,5
W
ktu tempuh perger
k
n j
r
k j
uh (menit)
660 640 20 1,03
Model pemilih
n mod
245
Terlih
t p
d
t
el 6.1
hw
p
d
kedu
kej
di
n perger
k
n terse
ut terny
t
m
od
A
erger
k 20 menit le
ih l
m
d
rip
d
mod
B (
ik perger
k
n j
r
k dek
t
m
upun j
r
k j
uh). Ak
n tet
pi, p
d
perger
k
n j
r
k dek
t, mod
A
erger
k 1,
5 k
li le
ih l
m
d
rip
d
mod
B, sed
ngk
n p
d
perger
k
n j
r
k j
uh, mod
e
rger
k A h
ny
1,03 k
li le
ih l
m
d
rip
d
mod
B. D
ri kej
di
n ini terlih
t
hw
model logit
iner selisih tid
k d
p
t menunjukk
n per
ed
n
d
ny
per
ed
n k
r
kteristik d
ri kedu
kej
di
n perger
k
n ini (p
d
kedu
kej
di
n perger
k
n, mod
A
erger
k 20 menit le
ih l
m
d
rip
d
mod
B). P
d
h
l, p
d
keny
t
nny
, p
d
perger
k
n
erj
r
k dek
t persent
se or
ng memilih mod
B p
sti
k
n
le
ih
es
r d
rip
d
mod
A, sed
ngk
n p
d
perger
k
n
erj
r
k j
uh, persent
s
e or
ng memilih mod
A
k
n kir
kir
s
m
deng
n mod
B. Inil
h kelem
h
n model
logit
iner selisih d
n sek
ligus merup
k
n kele
ih
n model logit
iner nis
h.
J
di, d
l
m pemodel
n pemilih
n d
t
d
p
t disimpulk
n
hw
jik
d
t
w
ktu te
mpuh
nt
r p
s
ng
n zon
s
ng
t
erv
ri
si, m
k
le
ih
ik digun
k
n model logi
t
iner nis
h, sed
ngk
n jik
w
ktu tempuh tid
k
egitu
erv
ri
si, d
p
t digun
k
n model logit
iner selisih.
1 2 Asumsik
n
hw
C id d
n C id merup
k
n
gi
n y
ng diket
hui d
ri
i
y
g
ung
n seti
p mod
d
n p
s
ng
n
s
ltuju
n. Jik
kit
jug
mempuny
i inform
si me
ngen
i proporsi pemilih
n seti
p mod
* , kit
d
p
t menghitung nil
i d
n deng
n
untuk seti
p p
s
ng
n (i,d), Pidk menggun
k
n
n
lisis regresi line
r se
g
i
erikut. Setel
h indik
tor (i,d) dihil
ngk
n, untuk
l
s
n penyederh
n
n, propor
si P1 seti
p p
s
ng
n (i,d) untuk mod
1
d
l
h: 1 P1 = (6.25) 1 + exp( + (C 2 C 1
) )
6.6.3.3 Model logit
iner selisih
Deng
n meng
sumsik
n C = C 2 C 1 d
n mel
kuk
n
e
er
p
penyederh
n
n (pers
m
n 6.266.28), pers
m
n (6.25) d
p
t ditulis kem
li menj
di pers
m
n (6.29). P1
( 1 + exp( + C )) = 1 (6.26)
P1 + P1 exp( + C ) = 1 P1 exp( + C ) = 1 P1
1 P1 = exp( + C ) P1
(6.27) (6.28) (6.29)
Pers
m
n (6.29) sel
njutny
d
p
t ditulis kem
li d
l
m
entuk log
ritm
n
tur
l seperti p
d
pers
m
n (6.30). 1 P1
(6.30) log e
= + C
P
1
246 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
Kit
mempuny
i d
t
P1, C1, d
n C2 sehingg
p
r
meter y
ng tid
k diket
hui
d
l
h nil
i d
n . Nil
i ini d
p
t dik
li
r
si deng
n
n
lisis regresi line
r deng
n s
isi kiri pers
m
n (6.30)
erper
n se
g
i peu
h tid
k
e
s d
n C = C 2 C 1 se
g
i peu
h
e
s sehingg
d
l
h kemiring
n g
ris regresi d
n
d
l
h intersepn
y
. 1 P1i i
Deng
n
sumsi Y i = log e
P i
d
n X i = C , pers
m
n tid
k line
6.30) 1
d
p
t ditulis kem
li d
l
m
entuk pers
m
n line
r (6.31).
Y i = A + BX i
(6.31)
Deng
n menggun
k
n
n
lisis regresi line
r,
is
did
p
tk
n nil
i A d
n B sehing
g
nil
i d
n
is
did
p
t se
g
i
erikut: = A d
n = B . Untuk le
ih jel
s, pem
c
d
p
t meng
cu p
d
pers
m
n (4.3)(4.5).
6.6.3.4 Model logit
iner nis
h
Deng
n model ini, proporsi P1 untuk mod
1 diny
t
k
n deng
n pers
m
n (6.32)
e
rikut (lih
t g
m
r 6.11).
P1 =
1
C1
1 +
(6.32)
100
= 1.0, = 2.0 = 1.0, = 3.0 = 1.0, = 4.0 = 0.2, = 3.0 = 4.0, = 3.0
P
80 60
P1
40
20
C1/C2
0 0 0.2 0.25 0.33 0.5 1 2 3 4 5 6
C 1 /C 2
G
m
r 6.11 Model logit
iner nis
h untuk
e
er
p
nil
i d
n
Terlih
t
hw
nil
i =1 sel
lu menj
min nil
i P1=0,5 jik
nil
i C1/C2 =1. P
d
ke
ny
t
nny
, h
l ini tid
k sel
lu h
rus terj
di k
ren
d
f
ktor l
in y
ng jug
ikut mempeng
ruhi pemilih
n mod
.
Model pemilih
n mod
247
Deng
n mel
kuk
n
e
er
p
penyederh
n
n (pers
m
n 6.336.35), pers
m
n (6.32) d
C1 P1 1 +
C
2
p
t ditulis kem
li menj
di pers
m
n (6.36).
=1
(6.33)
C1 P1 + P1
C1 P1
=1
(6.34)
= 1 P1
(6.35)
C1
1 P1 =
P1
(6.36)
Pers
m
n (6.36) sel
njutny
d
p
t ditulis kem
li d
l
m
entuk log
ritm
sepert
i p
d
pers
m
n (6.37). 1 P1
C1 log (6.37) = log + log C
P
2
1
Kit
mem
t
P1, C1, d
n C2 sehingg
p
r
meter y
ng tid
k diket
hui
d
l
h nil
i d
n . Nil
i ini d
p
t dik
li
r
si deng
n
n
lisis regresi line
r deng
n sisi kiri pers
m
n (6.37)
erper
n se
g
i peu
h tid
k
e
s d
n log(C1/C2) se
g
i peu
h
e
s
sehingg
d
l
h kemiring
n g
ris regresi d
n log
d
l
h intersepny
. 1 P1i
Ci
n X i = log 1
, pers
m
n tid
k line
r Deng
n
sumsi Y i = log
Pi
Ci
1
2 (6
t ditulis kem
li d
l
m
entuk pers
m
n line
r (6.31). Deng
n menggun
k
n
n
li
sis regresi line
r,
is
did
p
tk
n nil
i A d
n B sehingg
nil
i d
n
is
did
p
t se
g
i
erikut: = 10 A d
n = B . Untuk le
ih jel
s, pem
c
d
p
t meng
cu p
d
pers
m
n (4.3)(4.5). P
d
su
6.10
k
n diperlih
tk
n contoh penggun
n mod
el logit
iner selisih d
n model logit
iner nis
h d
l
m memodel pemilih
n mod
nt
r
keret
pi deng
n mo
il.
6.6.4 K
li
r
si model pemilih
n mod
erhier
rki
H
l ini
i
s
ny
dil
kuk
n deng
n pendek
t
n heuristik, dimul
i d
ri pemilih
n s
u
mod
(sekunder) d
n diterusk
n deng
n pemilih
n primer. Deng
n pendek
t
n umum
ini terd
p
t
e
er
p
kemungkin
n prosedur k
li
r
si. Terlih
t
hw
(lih
t Dom
encich
nd McF
dden, 1975) metode pen
ksir
n kemirip
n m
ksimum menguntungk
n un
tuk perkir
n ku
dr
t terkecil,
ik untuk m
s
l
h pr
ktis d
n teori, terut
m
u
ntuk d
t
y
ng s
ng
t
es
r.
248 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
H
rtley
nd Ortuz
r (1980) mem
ndingk
n
e
er
p
prosedur d
n menemuk
n
hw
m
etode pen
ksir
n kemirip
n m
ksimum tid
k s
j
mengh
silk
n k
li
r
si ter
ik, t
et
pi jug
p
ling efisien d
ri sisi w
ktu komputer. Pertim
ngk
n m
s
l
h pemili
h
n mod
nt
r
us, mo
il, d
n keret
pi. Asumsik
n
hw
us d
n keret
pi d
iperkir
k
n mempuny
i korel
si k
ren
kedu
ny
mod
ngkut
n umum. Proses k
li
r
siny
d
l
h se
g
i
erikut. Pert
m
, l
kuk
n proses sekunder pemodel
n pemili
h
n mod
(
nt
r
us d
n keret
pi); nil
i y
ng did
p
t sel
njutny
digun
k
n u
ntuk menghitung
i
y
g
ung
n
ngkut
n umum y
ng di
utuhk
n untuk proses primer
(seperti p
d
contoh 6.3). Untuk p
s
ng
n zon
y
ng memungkink
n
d
ny
pemilih
n mod
, perger
k
n dipis
hk
n menj
di kelompok y
ng did
s
rk
n p
d
per
ed
n
i
y
. Perger
k
n t
np
proses pemilih
n mod
di
ik
n d
l
m k
li
r
si. Di
nt
r
kelompok terse
ut p
sti terd
p
t kelompok y
ng tid
k mempuny
i perger
k
n, d
n
kelompok terse
ut dig
ungk
n menj
di kelompok y
ng le
ih
es
r s
mp
i seti
p k
elompok mempuny
i perger
k
n. Akhirny
, pem
o
ot
n
i
y
d
p
t dihitung untuk se
ti
p kelompok. Jik
N
d
l
h juml
h kelompok y
ng
d
, nk
d
l
h juml
h perger
k
n h
sil peng
m
t
n untuk seti
p sel
ng per
ed
n
i
y
k, rk
d
l
h juml
h perg
er
k
n mod
pert
m
h
sil peng
m
t
n d
l
m sel
ng terse
ut, d
n Pk = 1/[1 + exp(Y
k)]
d
l
h pelu
ng memilih mod
pert
m
d
l
m sel
ng k, sert
d
n
d
l
h p
r
meter y
ng h
rus dit
ksir, m
k
log
ritm
d
ri fungsi kemirip
n d
p
t ditulis s
e
g
i: L = konst
nt
+ [( nk rk )log(1 Pk ) + rk logPk ]
k
(6.38)
Prosedur m
ksim
si menggun
k
n turun
n pert
m
d
n kedu
d
ri pers
m
n (6.38) t
erh
d
p p
r
meter y
ng
d
erup
: L = ( rk n k Pk ) x k
k L = ( rk n k Pk )
L
2
= nk Pk (1 Pk ) x 2 k
k
2L
2
2
= n k Pk (1 Pk )
k
L = n k Pk (1 Pk ) x k
k Deng
n menget
hui nil
i turun
n terse
ut,
lgoritm
n
lisis numerik
k
n menemuk
n titik m
ksimum deng
n mud
h. Proses penc
ri
n titi
k m
ksimum mem
utuhk
n nil
i
w
l y
ng
ik
gi seti
p p
r
meter deng
n indik
s
i se
er
p
Model pemilih
n mod
249
j
uh nil
i terse
ut d
ri nil
i optimumny
. Efisiensi proses k
li
r
si s
ng
t ter
g
ntung p
d
ketep
t
n nil
i
w
l terse
ut. S
l
h s
tu c
r
menentuk
n nil
i
w
l
d
l
h nil
i p
d
kondisi pelu
ng untuk seti
p mod
, y
itu
ernil
i 0,5.
6.7 Model ke
utuh
n l
ngsung
6.7.1 Pend
hulu
n
Metodologi pemodel
n y
ng
erurut
n mensy
r
tk
n
d
ny
pen
ksir
n su
model deng
n
ik. S
l
h s
tu pendek
t
n
d
l
h deng
n mengem
ngk
n model y
ng mengg
ung
k
n model
ngkit
n perger
k
n, se
r
n perger
k
n, d
n pemilih
n mod
. H
l ini
s
ng
t men
rik k
ren
d
p
t menghind
ri proses y
ng h
rus
erurut
n. Contohny
,
model gr
vity sel
lu mempuny
i m
s
l
h d
l
m tot
l nil
i Oi d
n Dd y
ng tid
k co
cok d
n m
s
l
h y
ng dih
silk
n oleh perger
k
n intr
zon
l. Model ke
utuh
n l
ng
sung, k
ren
ketig
su
modelny
terse
ut diestim
si sec
r
simult
n,
k
n tid
k
mempuny
i m
s
l
h terse
ut. Model ke
utuh
n l
ngsung terdiri d
ri du
jenis: l
n
gsung d
n l
ngsung ku
si. Jenis l
ngsung mempuny
i s
tu pers
m
n y
ng meng
itk
n
nt
r
ke
utuh
n
k
n perger
k
n l
ngsung deng
n mod
,
tri
ut perger
k
n, d
n
individu. Jenis l
ngsung ku
si menggun
k
n
entuk pemis
h
nt
r
pemilih
n mod
d
n tot
l ke
utuh
n
k
n perger
k
n. Model ke
utuh
n l
ngsung s
ng
t er
t k
it
nny
deng
n model umum ekonometrik d
n peneliti tel
h
ny
k meneliti h
l ini.
6.7.2 Model
str
k d
n model ke
utuh
n l
ngsung
Bentuk pert
m
model ini mempuny
i fungsi perk
li
n. Model ASRC (Kr
ft, 1968) me
n
ksir ke
utuh
n se
g
i fungsi perk
li
n d
ri peu
h
ktivit
s d
n sosioekonomi
untuk seti
p p
s
ng
n zon
d
n
tri
ut tingk
t pel
y
n
n d
ri seti
p mod
tr
ns
port
si y
ng mel
y
niny
:
m km m km Tidk = k ( Pi Pd ) k 1 ( I i I d ) k 2 ( id ) ( c id ) m
(
1
2
)
(6.39)
P adalah populasi, I adalah pendapaan, dan c adalah aku aau biaya empuh dar
i zona i ke zona d dengan moda k, sera , , d
n adalah parameer model. enuk yan
g kompleks iu dapa diulis kembali dalam benuk sederhana yang menggunakan beb
erapa peubah gabungan beriku ini (Manheim, 1979):
m km m km Lidm = ( t id ) (c id )
1 2
Y ik = Pi k 1 I i k 2
k 2 Z dk = Pd k 1 I d
Deng
n peru
h
n ini pers
m
n (6.39) menj
di:
Tidk = k Y ik Z dk Lidm
m
(6.40)
dan ransormasi ini memudahkan memperkirakan parameer model. Sebagai conoh, k
adalah parameer skala yang erganung pada ujuan pergerakan. k1 dan
250 Oyar Z Tamin, Perencanaan dan pemodelan ransporasi
k2 adalah elasisias kebuuhan erhadap populasi dan pendapaan. Kia perkirakan
2 kedua peubah ini mempunyai anda posii (+). 1 km d
n km
d
l
h el
stisit
s
ke
utuh
n terh
d
p w
ktu d
n
i
y
perj
l
n
n; d
l
m h
l ini el
stisit
s l
ngsun
g (k = m) h
rus
ert
nd
neg
tif, sed
ngk
n el
stisit
s sil
ng h
rus
ert
nd
po
sitif. Model ini s
ng
t men
rik sec
r
prinsip k
ren
d
p
t mengol
h proses
ng
kit
n, se
r
n perger
k
n, d
n pemilih
n mod
sec
r
simult
n term
suk
tri
ut m
od
y
ng s
ling
ers
ing, tingk
t pel
y
n
n y
ng
erv
ri
si, d
n peu
h
ktivit
s l
inny
. M
s
l
h ut
m
d
l
h s
ng
t
ny
kny
p
r
meter y
ng diperluk
n. Dome
ncich et
l (1968) men
w
rk
n
entuk l
in y
ng terdiri d
ri fungsi line
r d
n ek
sponensi
l, sel
in fungsi perk
li
n. Bentuk l
in diusulk
n untuk pem
k
i
n p
d
North E
st Corridor Study di Amerik
Serik
t y
ng diken
l deng
n model McLynn (l
ih
t M
nheim 1979) mempuny
i
entuk seperti: Tidk = k ( Pi Pd ) ( I i I d )
1 2 k k k k ( t id ) (C id ) m ) ( t id m
1 2
[
1 m
m m (C id )
2
] [
m 1 m 2
( t id ) m (C id ) m
(6.41)
Utuk memahami fugsi tersebut, pertimbagka peederhaaa berikut ii: misalk
a haa terdapat dua moda (1 da 2) da = 0. Hilagka tikalas i da d da defi
isika beberapa peubah gabuga berikut ii: Y id = Y = ( Pi Pd ) 1 ( I i I d )
2 Lk = k ( k ) k ( C k ) k J
di, kit
d
p
t menulisk
n pers
m
n untuk mod
1
d
n 2 se
g
i
erikut:
1 2
T1 = YL1 /( L1 + L2 ) d
n T2 = YL2 /( L1 + L2 )
Sek
r
ng, juml
h perger
k
n T = T1+T2 = Y sehingg
p
ngs
gi seti
p mod
d
l
h: P1 = T1 / T = L1 /( L1 + L2 ) = 1 /(1 + L2 / L1 ) P2 = 1 P1 = 1 /(1 + L1 / L2
) d
n d
p
t dig
m
rk
n se
g
i g
m
r 6.12. G
m
r 6.12
memperlih
tk
n ker
g
m
n proporsi seti
p mod
deng
n nis
h
nt
r
tingk
t pel
y
n
nny
, y
ng
er
rti
hw
jik
kit
tingk
tk
n t
rif mod
2 t
np
mengur
ngi p
ngs
penump
ngny
, k
it
h
rus mel
kuk
n sesu
tu
g
r tingk
t pel
y
n
n L2 tet
p konst
n. G
m
r 6.12
memperlih
tk
n
hw
g
r h
l terse
ut terj
di, kit
h
rus mengu
h t2 (tentu
t
np
mel
kuk
n
p
p
deng
n mod
1). Kem
li p
d
m
s
l
h
entuk umum (6.41),
deng
n mud
h terlih
t
hw
p
r
meterny
sec
r
umum mempuny
i m
kn
y
ng s
m
,
tet
pi juml
hny
j
uh sedikit jik
di
ndingk
n deng
n model SARC. H
ny
terd
p
t s
tu p
r
meter (), ag dipakai utuk mewakili total potesi pergeraka dari s
etiap moda. Dalam hal ii, betuk sebeluma dalam model tersebut megotrol pro
ses pemiliha moda di atara moda ag ada.
Model pemiliha moda
251
T2 T1+T2
T1 T1+T2
Gambar 6.12 Model McL: (a) Kurva pemiliha moda da (b) Kurva isocost
Pada beberapa kasus khusus, model ii mugki tidak mempuai dasar teori ag k
uat. Jika = 0, bagia akhir aka hilag. Jika = 1, bagia akhir da bagia pemba
gi pada (6.41) hilag sehigga persamaa tersebut mejadi:
k k k k Tidk = k ( Pi Pd ) 1 ( I i I d ) 2 ( id ) (C id )
1 2
yang secara eeki menyaakan apa yang erjadi jika suau moda idak mempengaru
hi moda lain. Nyaanya, hanya jika 0<<1 sajala model tersebut berfugsi baik (co
toh: ilai kalibrasi terbaik pada kajia tersebut adalah 0,77 (Mcl ad Woro
ka, 1969). Cotoh 6.4 Pertimbagka fugsi:
T12 = 10.000t 12 c12 12
deng
n w
ktu t d
l
m j
m, t
rif c d
l
m dol
r d
n pel
y
n
n d
l
m perger
k
n p
er h
ri. Nil
i p
r
meter y
ng dih
silk
n
d
l
h = 2, = 1 d
n = 0,8 (perh
tik
n
h
w
t
nd
ny
sesu
i deng
n intuisi). Oper
tor ingin meningk
tk
n t
rif se
es
r 20
%; peru
h
n
p
y
ng h
rus dil
kuk
n p
d
tingk
t pel
y
n
n
g
r p
ngs
penump
ng tet
p? Definisik
n L12 = L = t2c10,8. Kit
ket
hui
hw
jik
L tet
p konst
n,
volume T12 tid
k
k
n
eru
h. Kit
jug
t
hu
hw
el
stisit
s E(L,x) d
ri tin
gk
t pel
y
n
n terh
d
p seti
p
tri
ut x (w
ktu,
i
y
, d
n frekuensi)
d
l
h 2, 1
d
n 0,8. Sek
r
ng, jik
h
ny
c y
ng
eru
h, kit
d
p
tk
n L = k/c deng
n k ko
nst
n sehingg
peningk
t
n c se
es
r 20%
er
rti tingk
t pel
y
n
n
ru L = k/1,2
c
t
u L/L = 0,833 y
ng
er
rti penurun
n L se
es
r 16,67%. D
l
m h
l ini, oper
t
or h
rus meng
tur peru
h
n p
d
w
ktu tempuh, frekuensi pel
y
n
n,
t
u kedu
ny
. Sek
r
ng, d
ri definisi el
stisit
s, kit
d
p
tk
n: L( c ) E (L, c )L c / c L c
/ c L( t ) E (L, t )L t / t 2L t / t L( ) E (L, )L / 0.8L /
252 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
J
di, jik
kit
ingink
n L(c) s
m
deng
n L(), kit
mem
utuhk
n: y
itu L(c) = (L()+L
t)) 2t/t = 0,8/0,20 Ini
d
l
h pers
m
n g
ris lurus d
ri solusi y
ng
d
seperti
terlih
t p
d
g
m
r 6.13.
G
m
r 6.13 Solusi d
ri contoh 6.4
S
l
h s
tu k
ji
n seperti ini (Qu
ndt
nd B
umol, 1966) mengusulk
n pen
m
h
n m
od
fiktif y
ng
entuk fungsiny
d
p
t ditulis:
h Tidm = 0 ( Aik Adk ) k C idh (C idm / C idhb ) h k h h
(6.42)
dengan , , d
n
d
l
h p
r
meter y
ng hend
k dik
li
r
si; indeks h digun
k
n untuk
mengindik
sik
n
tri
ut
i
y
(mis
lny
w
ktu tempuh, t
rif,
t
u j
r
k
nt
rken
d
r
n). Aik
d
l
h
tri
ut seti
p zon
i (mis
lny
popul
si
t
u pend
p
t
n); C
idhm
d
l
h nil
i
tri
ut
i
y
h untuk mod
m
nt
r
zon
i d
n d, sert
Cidh
d
l
h
tri
ut h ter
ik
nt
r
du
zon
terse
ut (mis
lny
tingk
t termur
h).
6.7.3 Model simult
n
Model simult
n
d
l
h s
l
h s
tu
ltern
tif pendek
t
n d
ri pemodel
n 4 t
h
p y
ng h
rus dil
kuk
n sec
r
erurut
n. Tid
k seperti pendek
t
n
erurut
n, p
d
mo
del simult
n keemp
t su
model terse
ut dig
ungk
n menj
di s
tu model. Model sim
ult
n sec
r
tid
k l
ngsung men
mpilk
n keseim
ng
n
nt
r
tuju
n perj
l
n
n, m
od
, sert
rute y
ng tersedi
d
l
m j
ring
n tr
nsport
si. Model simult
n mengh
silk
n perkir
n juml
h perj
l
n
n
nt
rp
s
ng
n zon
s
ltuju
n y
ng menggun
k
n
mod
tertentu d
n mel
lui rute tertentu. P
d
d
s
rny
model simult
n sec
r
ek
splisit mem
sukk
n tig
su
model y
itu model
ngkit
n perger
k
n, model se
r
n
perger
k
n, d
n model pemilih
n mod
. Model terse
ut memperhitungk
n juml
h per
j
l
n
n
nt
rp
s
ng
n zon
menurut mod
mod
y
ng
d
, tet
pi tid
k mem
erik
n i
ndik
si mengen
i rute y
ng dipilih. Pendek
t
n ini sec
r
implisit
er
sumsi
h
w
p
d
seti
p p
s
ng
n zon
s
ltuju
n h
ny
tersedi
s
tu rute untuk seti
p mod
.
Model pemilih
n mod
253
nt
r
kot
kot
y
ng let
kny
rel
tif
erj
uh
n j
r
ng tersedi
le
ih d
ri s
tu
rute untuk seti
p mod
y
ng
eroper
si. Model ini tel
h diter
pk
n di Indonesi
,
ik untuk penump
ng (Sj
fruddin, 1992) m
upun untuk
r
ng (Sj
fruddin et
l,
1998). Model simult
n p
d
d
s
rny
merup
k
n pengem
ng
n d
ri model gr
vity,
deng
n mem
sukk
n model se
r
n mod
d
l
m pers
m
nny
, y
ng sec
r
umum dirumu
sk
n se
g
i
erikut: Tidm = k . f(.) . g(.) . h(.) (6.43) Tidm
d
l
h juml
h pe
rj
l
n
n
nt
r
zon
i d
n d y
ng menggun
k
n mod
m, k su
tu konst
nt
, f(.)
d
l
h fungsi k
r
kteristik sosio ekonomi, g(.)
d
l
h fungsi h
m
t
n perj
l
n
n,
d
n h(.)
d
l
h fungsi se
r
n mod
. Ditinj
u d
ri perl
ku
n terh
d
p mod
, mod
el di
t
s
is
dikem
ngk
n sec
r
mod
str
k
t
u mod
spesifik. Y
ng dim
ksud d
eng
n pengerti
n model mod
str
k di sini
d
l
h mod
tr
nsport
si y
ng di
n
lisi
s dinil
i mel
lui
tri
ut pel
y
n
nny
, seperti w
ktu tempuh, ongkos, d
n se
g
iny
, d
n tid
k dinil
i mel
lui n
m
mod
. J
di, k
li
r
si model terse
ut h
ny
me
ngh
silk
n s
tu set p
r
meter y
ng
erl
ku untuk semu
mod
y
ng ditinj
u. Di l
in pih
k, model mod
spesifik mengh
silk
n s
tu set p
r
meter untuk seti
p mod
. S
j
fruddin et
l (1998) mel
pork
n h
sil peneliti
n Hi
h Bers
ing V y
ng tel
h d
il
kuk
n di L
or
torium Rek
y
s
L
lulint
s, Jurus
n Teknik Sipil, ITB. Model s
imult
n tel
h digun
k
n untuk memodel ke
utuh
n
k
n perger
k
n
ngkut
n
r
ng
region
l di Pul
u J
w
. Be
er
p
kesimpul
nny
dikemuk
k
n
erikut ini. F
ktor s
osio ekonomi y
ng teridentifik
si cukup signifik
n se
g
i peu
h
e
s pem
ngk
it d
n pen
rik perger
k
n
r
ng
d
l
h popul
si, PDRB, indeks kontri
usi sektor
industri, sert
juml
h surplus (produksi tr
nsport
si
r
ng) d
n juml
h defisi
t (t
rik
n tr
nsport
si
r
ng). Sement
r
itu,
tri
ut pel
y
n
n tr
nsport
si y
ng signifik
n
d
l
h w
ktu perj
l
n
n r
t
r
t
d
n ongkos. Peu
h terse
ut tid
k sel
lu muncul sec
r
ers
m
n d
l
m s
tu pers
m
n, n
mun
is
muncul d
l
m
e
er
p
v
ri
si model. Peu
h w
ktu perger
k
n d
n
i
y
ngkut
r
ng h
mpir s
el
lu mem
erik
n h
sil y
ng
erl
w
n
n deng
n t
nd
lj
r y
ng dih
silk
n, khu
susny
untuk mod
tr
nsport
si ud
r
d
n l
ut. H
l ini mem
ng d
p
t terj
di, mun
gkin (1) k
ren
peu
h terse
ut merup
k
n fungsi j
r
k y
ng
erkorel
si neg
tif
terh
d
p ke
utuh
n
k
n tr
nsport
si; (2) k
ren
lingkup k
ji
n
d
l
h pul
u J
w
sehingg
kl
sifik
si perger
k
n tergolong perger
k
n j
r
k pendek d
n j
r
k me
neng
h. H
l ini meng
ki
tk
n mod
tr
nsport
si ud
r
d
n l
ut menj
di kur
ng el
stis terh
d
p permint
n. Kemungkin
n l
in
d
l
h (3) t
rif
ngkut
n
r
ng
el
um r
sion
l, mis
lny
kur
ng seh
tny
pem
erl
ku
n t
rif,
d
ny
t
rif negosi
si
,
d
ny
t
rif k
ren
fungsi sosi
l seperti keret
pi untuk komodit
s tertentu
(p
sir d
n
tu
r
), d
n pel
ks
n
n pem
erl
ku
n t
rif y
ng tid
k sesu
i deng
n ketentu
n y
ng
254 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
menim
ulk
n kompetisi y
ng tid
k seh
t, sehingg
mempeng
ruhi pol
se
r
n d
n p
ol
ke
utuh
n
k
n tr
nsport
si
r
ng. K
li
r
si
ngkut
n j
l
n mem
erik
n
e
e
r
p
h
sil y
ng cukup signifik
n d
n memenuhi kriteri
y
ng m
suk
k
l, n
mun h
sil k
li
r
si
ngkut
n
uk
nj
l
n m
sih di
ngg
p
elum cukup signifik
n d
n
e
e
r
p
model m
sih menunjukk
n t
nd
lj
r p
r
meter tertentu y
ng tid
k sesu
i
deng
n y
ng dih
r
pk
n. Pener
p
n model untuk memperkir
k
n ke
utuh
n
k
n tr
ns
port
si
r
ng p
d
m
s
mend
t
ng perlu memperh
tik
n keter
t
s
n y
ng merup
k
n konsekuensi d
ri
sumsi d
s
r y
ng digun
k
n d
l
m pengem
ng
n model, strukt
ur model, d
n ketersedi
n d
t
y
ng
is
digun
k
n untuk k
li
r
si model. K
li
r
si model tel
h dil
kuk
n d
n h
silny
perlu dikem
ngk
n le
ih l
njut, terut
m
jik
is
diperoleh d
t
y
ng le
ih lengk
p d
n le
ih sesu
i d
l
m mengg
m
rk
n k
r
kteristik tr
nsport
si
r
ng. H
sil k
li
r
si model y
ng ter
ik
d
l
h:
1 Mod
J
l
n
c untuk perger
k
n d
ri d
n ke DKI J
k
rt
d
n Sur
y
(kot
es
r): Tid = 102,45. (Pi.Pd)0,95 . (Mi.Md)0,42 . (Hid)1,62 untuk perger
k
n d
ri
d
n ke Cire
on d
n M
l
ng (kot
meneng
h): Tid = 101,14. (Pi.Pd)1,51 . (Ii.Id)0
,85 . (Hid)2,18 untuk perger
k
n d
ri d
n ke DKI J
k
rt
, Sur
y
, Cire
on d
n M
l
ng (g
ung
n kot
es
r d
n kot
meneng
h): Tid = 102,03. (Pi.Pd)1,33 . (Ii.I
d)0,32 . (Mi.Md)0,20.(Hid)1,85 2 Mod
ud
r
Tid = 109,75. (Ni)0,80 . (Nd)0,83 . (Si)
0,14 . (Dd)0,56 . (Cid)0,94 3 Mod
l
ut Tid = 1011,05. (PiPd)0,18 . (SiDd)1,21 .
(Cid)0,41 4 Mod
str
k Tid = 100.682. (Pi)1.201 . (Pd)1.089. (Cid)2.420. (Cid)0.2
99 Ti , Td Pi , Pd Ni, Nd Ii, Id = Volume perger
k
n
r
ng d
ri zon
i ke zon
d (ton/t
hun) = Juml
h penduduk (d
l
m ri
u
n jiw
) = PDRB (d
l
m mili
r rupi
h)
= PDRB per k
pit
(d
l
m ri
u
n rupi
h)
Model pemilih
n mod
255
n
r
ng (menit) = Bi
y
perger
k
n
r
ng (rupi
h/ton)
Mi, Md = Indeks industri (nis
h PDRB industri/PRDB tot
l) (%)
6.8 Model pemilih
n diskret
6.8.1 Pertim
ng
n umum
Sec
r
umum, model pemilih
n diskret diny
t
k
n se
g
i:
the pro
ility of individu
ls choosing
given option is
function of their so
cioeconomic ch
r
cteristics
nd the rel
tive
ttr
ctiveness of the option (pelu
ng seti
p individu memilih su
tu pilih
n merup
k
n fungsi ciri sosio ekonomi d
n
d
y
t
rik pilih
n terse
ut)
Untuk meny
t
k
n d
y
t
rik su
tu
ltern
tif, digun
k
n konsep utilit
s (didefin
isik
n se
g
i sesu
tu y
ng dim
ksimumk
n oleh seti
p individu). Altern
tif tid
k mengh
silk
n utilit
s, tet
pi did
p
tk
n d
ri k
r
kteristikny
(L
nc
ster, 196
6) d
n d
ri seti
p individu. Se
g
i contoh: utilit
s
i
s
ny
didefinisik
n se
g
i kom
in
si line
r d
ri
e
er
p
peu
h
erikut:
Vc
r = 0,25 1,2 IVT 2,5 ACC 0,31C/I + 1,1 NCAR
(6.44)
Seti
p peu
h meny
t
k
n
tri
ut seti
p pilih
n mod
t
u seti
p individu. Peng
ruh y
ng mengg
m
rk
n kontri
usi y
ng dih
silk
n oleh su
tu
ltern
tif diny
t
k
n d
l
m
entuk koefisien; mis
lny
peru
h
n s
tu unit w
ktu tunggu (ACC) d
l
m
pers
m
n (6.44) mempuny
i peng
ruh y
ng
es
rny
kir
kir
du
k
li di
ndingk
n deng
n peru
h
n s
tu unit w
ktu sel
m
perj
l
n
n (IVT) d
n tujuh k
li le
ih
es
r peru
h
n s
tu unit
i
y
/pend
p
t
n (C/I). Peu
h terse
ut jug
d
p
t me
w
kili k
r
kteristik individu; mis
lny
, individu d
ri rum
h t
ngg
y
ng mempuny
i
ny
k kend
r
n
erkemungkin
n le
ih
es
r memilih mo
il pri
di d
rip
d
in
dividu d
ri kelu
rg
y
ng h
ny
mempuny
i s
tu mo
il. Konst
nt
se
es
r 0,25 d
l
m pers
m
n (6.44)
i
s
ny
di
rtik
n se
g
i y
ng mew
kili peng
ruh d
ri k
r
k
teristik pilih
n
t
upun individu y
ng tid
k dipertim
ngk
n d
l
m fungsi utilit
sny
. Contohny
, unsur keny
m
n
n d
n ke
m
n
n y
ng s
ng
t sulit diukur sec
r
ku
ntit
tif. J
di, p
d
s
t kit
memperkir
k
n
k
n di
m
il su
tu
ltern
tif, n
il
i utilit
sny
h
rus s
ng
t
er
ed
deng
n
ltern
tif pilih
n l
in y
ng diny
t
k
n d
l
m
entuk pelu
ng y
ng
ernil
i
nt
r
0 d
n 1. Untuk itu, digun
k
n
en
tuk tr
nsform
si m
tem
tis y
ng mengikuti pol
gr
fik
er
entuk S, seperti:
256 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
Logit P1 =
exp
V2 V1 + x1
2x 1 x 2
x 1
+ 2 2
1 2 2(1 )
2 1 2 (1 2 )
x 2 x 1
Matik kovaian ai ebaan nomal yang bekaitan engan eamaan teakhi me
munyai bentuk:
1 1 2
1 2
Moel emilihan iket ecaa umum tiak aat ikalibai engan analii eg
ei atau ejeninya kaena eubah tiak beba (Pi) meuakan eluang yang tiak
iamati (benilai antaa 0 an 1), eangkan engamatannya beua ilihan etia
iniviu (benilai 0 atau 1). Satu atunya engecualian aa moel ini aalah j
ika teaat kelomok iniviu yang homogen atau jika eilaku etia iniviu
iamati aa bebeaa kejaian kaena fekueni ilah juga meuakan eubah yang
benilai antaa 0 an 1. Bebeaa eilaku enting moel ini iimulkan oleh S
ea (1977): 1 Moel iagegat (DM) iaai teoi eilaku iniviu an tiak m
enganung analogi fiik alam bentuk aa un. Jai, kaena aa uaha untuk menje
lakan eilaku iniviu teebut, maka aa keuntungannya ibaningkan engan me
toe konvenional lain, yaitu moel DM lebih tabil alam uang an waktu. Moel
DM itaki engan menggunakan ata iniviu an memunyai banyak imlikai: Mo
el DM menjai lebih efiien ibaningkan engan metoa konvenional alam hal
enggunaan infomai; ibutuhkan ata engamatan yang lebih eikit untuk etia
ilihan iniviu. Dalam moel agegat, atu engamatan aat meuakan ata ata
ai uluhan atau un atuan engamatan iniviu. Kaena ata iniviu yang i
gunakan, maka emua infomai aat igunakan. Secaa ini, moel DM aat i
teakan aa etia tingkat engelomokan; tetai, mekiun hal ini telihat be
na, oe engelomokan tiaklah emuah itu. Moel DM lebih eikit menganun
g bia kaena teaatnya koelai antaunit engelomokan. Maalah eiu aa
aat mengelomokkan
2
infomai aalah eilaku iniviu mungkin teembunyi alam bentuk cii zona ya
ng tiak aat teientifikai, yang iebut koelai ekologi. Contoh aa gamba
6.14 memelihatkan bahwa jika uatu moel bangkitan egeakan menggunakan a
ta bebai zona, akan iaatkan bahwa jumlah egeakan menuun euai engan
enaatan; hal ebaliknya itemukan bila igunakan ata bebai iniviu. Feno
mena ini tejai mialnya jika cii tata guna tanah i zona B menukung ihailk
annya egeakan bejalan kaki.
Gamba 6.14 Contoh engauh ekologi
3
Moel DM aalah moel eluang. Kaena moel aat menghailkan eluang etia al
tenatif, tetai tiak aat mengientifikai mana yang teilih, elu igunaka
n kone aa eluang: Jumlah oang yang iekiakan menggunakan ilihan moa
tetentu meuakan enjumlahan etia eluang iniviu yang memilih altenatif t
eebut: N i = Pin
n
bahwa
yang
( f ,
= fek
4
Peubah yang igunakan alam moel teebut memunyai koefiien. Secaa ini,
fungi utilita memebolehkan aanya eubahan eifikai eubah, yang bebea
engan kau biaya gabungan aa moel konvenional yang angat tebata an me
munyai bebeaa aamete yang teta. Hal ini memunyai bebeaa imlikai ee
ti:
258 Ofya Z Tamin, Peencanaan an emoelan tanotai
Moel DM memungkinkan enggunaan eubah kebijakan yang ietimbangkan ecaa le
bih flekibel. Koefiien eubah memunyai ati utilita maginal (aat mencemi
nkan keentingan etia atibut).
Dalam ubbab beikut ini ijelakan ecaa inci bebeaa aek menaik ai mo
el emilihan iket (mialnya aa teoi, tuktu, eifikai, bentuk fungi
nya, etimai, an engelomokan. Pembaca yang beminat aat membaca ua buku y
ang angat baik, yaitu: Ben Akiva an Leman (1985) an Henhe an Johnon (198
1).
6.8.2 Keangka teoi
Daa teoi, keangka, atau aaigma alam menghailkan moel emilihan iket
aalah teoi utilita acak. Domencich an McFaen (1975) an William (1977) m
engemukakan hal beikut. 1 Iniviu yang beaa alam uatu oulai (Q) yang ho
mogen akan betinak ecaa aional an memiliki infomai yang teat ehingga
biaanya aat menentukan ilihan yang aat memakimumkan utilita iniviunya
maingmaing euai engan bataan hukum, oial, fiik, waktu, an uang. Tea
at uatu et A = {A1, , Aj, , AN) altenatif yang teeia an uatu et vekto at
ibut iniviu X an altenatifnya. Setia iniviu q akan memunyai atibut xX
an et ilihan A(q)A. Setia ilihan AjA memunyai utilita Ujq untuk etia iniv
iu q. Pemoel yang juga meuakan engamat item teebut tiak memunyai info
mai yang lengka tentang emua unu yang ietimbangkan oleh etia iniviu
yang menentukan ilihan ehingga emoel mengaumikan bahwa Ujq aat inyatak
an alam ua komonen, yaitu: Vjg yang teuku ebagai fungi ai atibut teuk
u x; an bagian acak jg yang mncrminkan hal trtntu dari stiap individu, tr
masuk ksalahan yang dilakukan olh pmodl. Jadi, pmodl dapat mnuliskan: U j
g = V jg + j (6.45) yang dapat mnjlaskan dua hal yang tidak rasional. Contohn
ya, dua individu dngan atribut yang sama dan mmpunyai st pilihan yang sama mu
ngkin mmilih pilihan yang brbda, dan bbrapa individu tidak slalu mmilih a
ltrnatif yang trbaik. Agar prsamaan (6.45) bnar, dibutuhkan populasi yang ho
mogn. Scara prinsip, smua individu mmpunyai st altrnatif yang sama dan mm
punyai batasan yang sama shingga untuk mndapatkan kondisi ini harus dilakukan
sgmntasi pasar.
2
3
Modl pmilihan moda
259
Kita mnntukan V, ttapi ttap mngandung tikalas karna mrupakan fungsi atr
ibut x dan hal ini brvariasi untuk stiap individu. Jadi, dapat diasumsikan bah
wa rsidu adalah pubah acak dngan rata-rata 0 dan sbaran pluang trtntu. V
j = kj x jk (6.46)
k
Paramtr diasumsikan konstan untuk smua individu, ttapi brvariasi dalam alt
rnatif. Trdapat dua hal yang prlu diprhatikan: prtama, individu mmbri bobo
t pada smua unsur yang ada (tanpa mngacaknya) dan mmilih pilihan trbaik mnu
rutnya; kdua, pmodl yang hanya mngamati sbagian unsur yang ada mmbutuhkan
rsidu yang mwakili prilaku yang tidak rasional. 4 Individu mmilih altrnat
if yang mmaksimumkan utilitas; individu mmilih Aj jika dan hanya jika: U j U
i ,Ai A( ) (6.47) dngan V j V iq i j Karna para analis mngabaikan nilai (
), tidaklah mungkin dapat dittapkan jika prsamaan (6.47) harus dipnuhi. Jadi,
pluang mmilih Aj adalah: P j = Prob { i j + (V j V iq ),Ai A( )} (6.48) da
n karna sbaran rsidu tidak diktahui, tidaklah mungkin mndapatkan prsamaan
analitis dari modl trsbut. Yang kita ktahui rsidu mrupakan pubah acak yan
g mmpunyai sbaran trtntu yang bisa dinyatakan sbagai f()= f(1, , N). Prhatikan
f(U) yang mrupakan sbaran U, adalah sama dngan rata-rata yang brbda. Jadi,
prsamaan (6.48) dapat ditulis kmbali sbagai: P j = f ( )d (6.49)
RN
Pj =
g( j )d( j )
i j
V j Vi + j
g( i )d i
(6.50)
Kita mmprluas rntang intgral mnjadi tidak trhingga () agar dapat dipcahkan
. Prsamaan (6.50) dapat juga ditulis sbagai: Pj = dngan ( x ) =
g( j )d j ( j + V j Vi )
i j
(6.51)
g( x )x
x
Menaik untuk iketahui bahwa telah iuahakan mencai bentuk yang euai bagi g
yang membuat eamaan (6.51) aat iecahkan. Peyaatan eiu yang teeba
beba an ientik memunyai ati aga altenatif yang aa aling tiak begant
ung. Pilihan multimoa, mialnya kombinai mobil keeta ai, biaanya tiak coco
k engan konii teebut.
6.9 Moel logit multinomial (LM)
Moel ini aalah moel emilihan iket yang aling muah an eing igunakan.
Moel ini bia iaat engan mengaumikan bahwa eiu acak aa eamaan (6
.49) iebakan engan eiu Gumbel yang teeba beba an ientik (Ineenen
t an Ientically Ditibute/IID), ehingga: ex( V i ) Pi = (6.52) exp( V )
A j A( ) j
Fungsi utilit
s
i
s
ny
mempuny
i
entuk p
r
meter line
r (6.3) d
n p
r
meter (
d
l
m pr
ktek nil
iny
sel
lu ditentuk
n s
m
deng
n s
tu k
ren
p
r
meter terse
ut tid
k d
p
t dit
ksir sec
r
terpis
h d
ri ) y
ng
d
k
it
nny
deng
n simp
ng
n
ku Gum
el, y
itu: 2 = 2 / 6 2 (6.53) Moel LM hau memenuhi akioma ineen
ence of ielevant altenative (IIA) yang aat ituli ebagai:
whee any two altenative have a non zeo obability of being choen, the ati
o of one obability ove the othe i unaffecte by the eence o abence of
any aitional altenative in the choice et (jika ua altenatif beeluang unt
uk iilih, nibah atu eluang tehaa eluang lain tiak teengauh oleh aa
nya altenatif lain alam atu et ilihan)
Seeti telihat, alam moel LM, nibah Pj Pi = ex{(V j V i )}
Model pemilih
n mod
261
d
l
h konst
nt
y
ng tid
k terg
ntung p
d
pilih
n l
inny
. H
l ini d
p
t diper
tim
ngk
n se
g
i keuntung
n model k
ren
d
p
t mengontrol m
s
l
h
ru deng
n
cukup
ik;
k
n tet
pi, peril
ku ini di
ngg
p se
g
i kekur
ng
n mem
u
t model
menj
di tid
k
ik deng
n
d
ny
ltern
tif y
ng s
ling
erkorel
si. Jik
terl
l
u
ny
k
ltern
tif, mis
lny
k
sus pilih
n tuju
n, terlih
t
hw
(McF
dden, 19
78) p
r
meter t
np
i
s did
p
tk
n jik
model dit
ksir deng
n s
mpel
c
k d
ri
set pilih
n y
ng tersedi
untuk seti
p individu (mis
l tujuh pilih
n tuju
n per
individu). Model t
np
peril
ku ini mensy
r
tk
n w
ktu proses komputer y
ng s
ng
t l
m
untuk juml
h pilih
n le
ih d
ri 50 (w
l
upun proses estim
siny
tid
k
e
gitu kompleks). Jik
model terse
ut dit
ksir deng
n inform
si su
d
er
h
t
u den
g
n d
t
d
ri s
mpel y
ng
er
i
s, t
mp
k
hw
(Cosslett, 1981) jik
semu
indi
vidu mempuny
i semu
ltern
tif y
ng tersedi
d
n jik
model mempuny
i konst
nt
y
ng lengk
p, su
tu model tid
k
i
s d
p
t dih
silk
n deng
n c
r
mengoreksi ko
nst
nt
erikut: K i = K i log( i / Q i ) (6.54) i
d
l
h p
ngs
p
s
r
ltern
t
if Ai d
l
m s
mpel d
n Qi
d
l
h p
ngs
p
s
rny
d
l
m popul
si. Perlu dih
silk
n pers
m
n sederh
n
untuk model el
stisit
sl
ngsung d
n el
stisit
s sil
ng. Co
ntohny
, deng
n el
stisit
s l
ngsung, y
itu
erup
persent
se peru
h
n d
l
m pe
lu
ng memilih Ai jik
terj
di peru
h
n m
rgin
l untuk su
tu
tri
ut tertentu Xi
k y
ng sec
r
sederh
n
ditulis se
g
i
erikut: (6.55) E Pi , X ik = ik X ik
(1 Pi ) Model el
stisit
s sil
ng sec
r
sederh
n
d
p
t ditulis se
g
i:
E Pi , X jk = jk X jk P j
(6.56)
y
itu peru
h
n persent
se d
l
m pelu
ng memilih Ai jik
terj
di peru
h
n m
rgi
n
l d
l
m nil
i
tri
ut ke k d
ri
ltern
tif Ai untuk seti
p individu . Perh
ti
k
n, k
ren
nil
i ini tid
k terg
ntung p
d
ltern
tif Ai, el
stisit
s sil
ng d
ri seti
p pilih
n Ai terh
d
p
tri
ut Xjk d
ri
ltern
tif Aj
d
l
h s
m
. H
sil
neh y
ng did
p
tk
n
is
jug
dise
k
n oleh peril
ku IIA
t
u le
ih tep
tny
jik
dik
t
k
n
hw
perlu IID fungsi utilit
s d
l
m model
ngkit
n perger
k
n
.
6.10 Contoh penggun
n mod
nt
r
j
l
n r
y
(
us) deng
n j
l
n
j
(keret
pi). Penjel
s
n rinci
mengen
i model logit
iner selisih d
n model logit
iner nis
h terd
p
t p
d
su
6.6.3. Su
tu survei pemilih
n mod
dil
kuk
n p
d
e
er
p
koridor deng
n
er
g
i zon
s
l d
n tuju
n y
ng dil
y
ni oleh du
u
h mod
tr
nsport
si (
us
d
n keret
pi). Terd
p
t 4 zon
s
l (A, B, C, D) d
n 3 zon
tuju
n (U,V,W), se
hingg
262 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
terd
p
t 12 p
s
ng
n
nt
rzon
. Be
er
p
d
t
y
ng dikumpulk
n d
l
m survei kori
dor terse
ut
d
l
h: X1 X2 X3 X4 = w
ktu tempuh sel
m
er
d
di kend
r
n (d
l
m s
tu
n menit) = w
ktu menunggu (d
l
m s
tu
n menit) =
i
y
oper
si kend
r
n
(d
l
m s
tu
n u
ng) =
i
y
termin
l (d
l
m s
tu
n u
ng)
Nil
i w
ktu X1 = 2 s
tu
n u
ng/menit Nil
i w
ktu X2 = 4 s
tu
n u
ng/menit C
t
t
n: nil
i w
ktu menunggu di
sumsik
n du
k
li nil
i w
ktu sel
m
er
d
di kend
r
n. H
l ini cukup m
suk
k
l k
ren
mem
ng m
nusi
p
d
umumny
tid
k suk
menu
nggu. T
el 6.2 memperlih
tk
n d
t
h
sil survei koridor, d
t
persent
se pemili
h
n mod
, d
n
i
y
oper
si.
T
el 6.2 Inform
si oper
si mod
j
l
n r
y
d
n j
l
n
j
d
n persent
se pemili
h
n mod
Kot
s
l
A B C D A B C D A B C D Kot
tuju
n U U U U V V V V W W W W
J
l
n r
y
(
us) X1
25 21 19 16 25 20 15 13 29 19 16 11
J
l
n
j
(keret
pi) X1
20 18 15 15 25 20 10 15 25 15 12 10
X2
3 3 3 3 5 5 5 5 4 4 4 4
X3
30 25 21 18 40 25 15 15 42 23 20 15
X4
10 10 10 10 20 20 20 20 15 15 15 15
X2
10 8 10 15 10 8 8 12 10 9 10 10
X3
19 18 8 7 27 20 10 10 30 25 10 5
(%) deng
n (%) deng
n mod
j
l
n mod
j
l
n CJR CJB r
y
j
82 80 84 95 75 80 55 89 75 80 70 85 18 102 20 16 5 89 81 72 99 86 78 97 92 62 88
91 74 65
25 130 117 20 105 45 11 20 30 15 85 81 92 83 68
25 131 120
Keter
ng
n: CJR = (2. X1) + (4. X2) + X3 + X4 =
i
y
j
l
n r
y
=
i
y
j
l
n
j
CJB = (2. X1) + (4. X2) + X3
6.10.1 Model logit
iner selisih
1 P1i Deng
n menggun
k
n pers
m
n (6.30) d
n meng
sumsik
n Y i = log e
Pi 1
i i sert
X i = C i = C JB C JR , pers
m
n tid
k line
r (6.30) d
p
t ditulis ke
m
li d
l
m
entuk pers
m
n line
r Y i = A + BX i , seperti terlih
t p
d
g
m
r 6.15.
Deng
n menggun
k
n
n
lisis regresi line
r (lih
t pers
m
n (4.3)(4.5)),
is
did
p
tk
n nil
i A d
n B; sehingg
nil
i d
n
is
did
p
t se
g
i
erikut: = A d
n
= B . T
el 6.3 memperlih
tk
n perhitung
n
n
lisis regresi line
r untuk model l
ogit
iner selisih.
Model pemilih
n mod
263
T
el 6.3 Perhitung
n metode
n
lisis regresi line
r untuk model logit
iner sel
isih CJR CJB
102 89 81 72 105 85 81 92 83 68 99 86 78 97 92 62 88 91 74 65
CJBCJR Loge{(1P)/P} (Xi)
3 3 3 25 13 13 23 7 11 1 9 3 50
(Yi)
1,5163 1,3863 1,6582 2,9444 1,0986 1,3863 0,2007 2,0907 1,0986 1,3863 0,8473 1,73
2
XiYi
4,5490 4,1589 4,9747 73,6110 14,2820 18,0218 4,6154 14,6352 12,0847 1,3863 7,6257
5,2038 11,3438
2
Xi
2
exp(A+BXi)
9 9 9 0,2214 0,2214 0,2214 0,0499 0,3769 0,3769 0,6417 0,1300 0,3389 0,1990 0,30
47 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 0,8
187 0,0532 1,6674
625 169 169 529 49 121 1 81 9 1780
130 117
131 120
B=(N.XiYI (Xi. Yi))/(N.Xi (Xi) ) A=(rata rata Y) B (rata rata X)
0.00
Log e {(1P)/P}
R 2 = 0 .89 8
C2 C1
CJB CJR
0.50
1.00
1.50
2.00
2.50
3.00
3.50 10 20 30 20
10
LN{(1 P) / P}
Gambar 6.15 Analisis regresi linear model logit biner selisih
Dengan mendapatkan nilai d
n , pers
m
n d
l
m pers
m
n (6.57) d
n gr
fikny
d
p
t dilih
t p
d
g
m
r 6.16. PJR = 1
1 + exp( 1,6674 0,0532(C JB C JR ) ) (6.57)
264 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
30
0
1.00
P
0.90 0.80 0.70 0.60 0.50 0.40 0.30 0.20 0.10 0.00 0 10 20 30 40 50 60 70 80 90
80 70 60 50 40 30 20 10 90 100
C J B C J R
G
m
r 6.16 Model logit
iner selisih
Terlih
t p
d
g
m
r 6.16
hw
84% or
ng memilih j
l
n r
y
(
us), meskipun
i
y
j
l
n r
y
s
m
deng
n
i
y
j
l
n
j
. H
l ini mem
uktik
n
hw
us le
ih
dimin
ti d
rip
d
keret
pi. Jik
i
y
j
l
n
j
le
ih m
h
l se
ny
k 20 s
tu
n u
ng d
rip
d
i
y
j
l
n r
y
, persent
se or
ng menggun
k
n j
l
n r
y
d
l
h se
es
r 94%. Jik
i
y
j
l
n r
y
le
ih m
h
l se
es
r 31 s
tu
n u
ng di
ndin
gk
n
i
y
j
l
n
j
, juml
h penggun
j
l
n r
y
h
ny
50%. G
m
r 6.16 d
p
t d
igun
k
n oleh p
r
peng
m
il ke
ij
k
n oper
si
us d
n keret
pi untuk menentuk
n ke
ij
k
n y
ng h
rus di
m
il untuk mere
ut p
ngs
p
s
r pes
ingny
.
6.10.2 Model logit
iner nis
h
entuk pers
m
n line
r Y = A + BX seperti terlih
t p
d
g
m
r 6.17.
1 P1
= log
Deng
n menggun
k
n pers
m
n (6.37) d
n meng
sumsik
n Y = log
, pers
m
n tid
k line
r (6.37) d
p
t ditulis kem
li d
l
m C
Deng
n menggun
k
n
n
lisis regresi line
r (lih
t pers
m
n (4.3)(4.5)),
is
did
p
tk
n nil
i A d
n B; sehingg
nil
i d
n
is
did
p
t se
g
i
erikut: = 10 A d
n = B. T
el 6.4 memperlih
tk
n perhitung
n metod
n
lisis regresiline
r untuk
model logit
iner nis
h.
Model pemilih
n mod
100
265
C1
T
el 6.4 Perhitung
n metode
n
lisis regresi line
r untuk model logit
iner nis
h CJR
102 89 81 72 130 105 85 81 131 92 83 68
CJB
99 86 78 97 117 92 62 88 120 91 74 65
CJR/CJB (W i )
1,0303 1,0349 1,0385 1,1111 1,1413 1,3710 1,0917 1,0110 1,1216 1,0462
Log(W) log{(1P)/P} (Xi)
0,0130 0,0149 0,0164 0,0458 0,0574 0,1370 0,0381 0,0047 0,0498 0,0196 0,2313
(Yi)
XiYi
Xi
2
Wi
B
P=1/(1+(AWi ))
0,8192 0,8162 0,8139 0,9517 0,7636 0,7412 0,5574 0,8825 0,7776 0,8314 0,7559 0,8
088 4,4819 0,7142
B
0,6585 0,0085 0,6021 0,0090 0,7202 0,0118 1,2788 0,1655 0,4771 0,0218 0,6021 0,034
0119 0,9080 0,0327 0,4771 0,0182 0,6021 0,0029 0,3680 0,0183 0,7533 0,0148 7,5343
2 2
0,0002 1,1432 0,0002 1,1661 0,0003 1,1843 0,0168 0,2629 0,0021 1,6035 0,0033 1,8
083 0,0188 4,1128 0,0013 0,6897 0,0015 1,4815 0,0000 1,0502 0,0025 1,6727 0,0004
1,2241 0,0472
0,7423 0,1294
0,9205 0,0360
0,0464
B=(N.XiYi (Xi. Yi))/(N.Xi (Xi) ) Log A=(rata rata Y) B.(rata rata X)
0,1931
1.40 1.20 1.00 LOG((1 P)/P) 0.80
0.70
0.80
0.90
1.00
0.60 0.40
1.10
1.20
1.30
1.40
CJR /CJB
1.50
C1/C2
G
m
r 6.17 An
lisis regresi line
r model logit
iner nis
h
Deng
n mend
p
tk
n nil
i d
n , pers
m
n d
l
m pers
m
n (6.58).
266 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
PJR =
1 C JR 1 + 0,1931.
4,4819
JB
(6.58)
1.00
P JR P
0.90 0.80 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 C 3.20
JR
/C
JB
G
m
r 6.18 Model logit
iner nis
h
Terlih
t p
d
g
m
r 6.18
hw
84% or
ng memilih j
l
n r
y
(
us), meskipun
i
y
j
l
n r
y
s
m
deng
n
i
y
j
l
n
j
(h
l y
ng s
m
jug
dih
silk
n model
logit
iner selisih). H
l ini mem
uktik
n
hw
us le
ih dimin
ti d
rip
d
kere
t
pi. Jik
i
y
j
l
n r
y
le
ih m
h
l 1,44 k
li
i
y
j
l
n
j
, penggun
j
l
n r
y
h
ny
50%. Sek
li l
gi, g
m
r 6.18 d
p
t digun
k
n oleh p
r
peng
m
i
l ke
ij
k
n oper
tor
us d
n keret
pi untuk menentuk
n ke
ij
k
n y
ng h
rus di
m
il untuk mere
ut p
ngs
p
s
r pes
ingny
.
6.10.3 An
lisis uji kepek
n
Berikut ini dil
kuk
n
n
lisis
e
er
p
uji kepek
n y
ng d
p
t dil
kuk
n d
l
m
entuk peru
h
n ke
ij
k
n m
n
jemen
ngkut
n j
l
n r
y
m
upun j
l
n
j
,
t
u
d
p
t jug
erup
peru
h
n ke
ij
k
n glo
l pemerint
h di sektor tr
nsport
si,
mis
lny
h
rg
h
n
k
r miny
k (BBM). Be
er
p
k
sus diuji kepek
nny
d
l
m
k
it
nny
terh
d
p p
ngs
p
s
r penump
ng kedu
jenis mod
tr
nsport
si terse
u
t.
K
sus 1 Terj
di peningk
t
n h
rg
BBM se
ny
k 50% y
ng sec
r
l
ngsung
erpeng
ruh p
d
nil
i X3 (1,5 k
li d
ri kondisi
w
l). K
sus 2 Terj
di penurun
n
w
ktu tempuh menj
di 40% d
ri kondisi
w
l. Peningk
t
n pel
y
n
n j
l
n r
y
se
c
r
tid
k l
ngsung
k
n mempeng
ruhi X1 (w
ktu tempuh kend
r
n) menj
di 60% d
ri kondisi
w
l (khusus untuk kend
r
n di j
l
n r
y
).
Model pemilih
n mod
267
c
K
sus 3 Terj
di peningk
t
n pel
y
n
n keret
pi sehingg
w
ktu tempuh d
n w
ktu
menunggu
erkur
ng menj
di 60% d
ri kondisi
w
l. H
l ini
k
n meng
ki
tk
n w
n seti
p k
sus deng
n menggun
k
n m
odel logit
iner selisih d
n model logit
iner nis
h.
T
el 6.5 Uji kepek
n seti
p k
sus deng
n model logit
iner selisih Y
ng
d
Ko
t
K
sus 1 K
sus 2 K
sus 3 sek
r
ng As
l
A B C D A B C D A B C D
K
sus 4 JR (%)
88 88 88 97 88 88 82 96 87 92 88 91
Tuju
n
U U U U V V V V W W W W
JR (%)
82 80 84 95 75 80 55 89 75 80 70 85
JB (%)
18 20 16 5 25 20 45 11 25 20 30 15
JR (%)
77 79 76 94 65 70 58 87 68 84 72 78
JB (%)
23 21 24 6 35 30 42 13 32 16 28 22
JR (%)
93 92 91 98 88 86 75 93 91 92 87 88
JB (%)
7 8 9 2 12 14 25 7 9 8 13 12
JR (%)
45 52 50 75 28 36 34 59 30 55 46 56
JB (%)
55 48 50 25 72 64 66 41 70 45 54 44
JB (%)
12 12 12 3 12 12 18 4 13 8 12 9
T
el 6.6 Uji kepek
n seti
p k
sus deng
n model logit
iner nis
h Y
ng
d
Kot
K
sus 1 K
sus 2 K
sus 3 sek
r
ng As
l
A B C D A B C D A B C D
K
sus 4 JR (%)
88 88 89 97 87 88 81 96 86 92 88 93
Tuju
n
U U U U V V V V W W W W
JR (%)
82 80 84 95 75 80 55 89 75 80 70 85
JB (%)
18 20 16 5 25 20 45 11 25 20 30 15
JR (%)
79 79 76 93 74 73 55 87 75 84 71 76
JB (%)
21 21 24 7 26 27 45 13 25 16 29 24
JR (%)
92 92 92 98 87 86 71 93 89 92 87 89
JB (%)
8 8 8 2 13 14 29 7 11 8 13 11
JR (%)
44 45 37 71 38 35 17 51 41 52 32 35
JB (%)
56 55 63 29 62 65 83 49 59 48 68 65
JB (%)
12 12 11 3 13 12 19 4 14 8 12 7
Terlih
t d
ri t
el 6.56.6
hw
model logit
iner selisih d
n model logit
inern
is
h tid
k memperlih
tk
n per
ed
n h
sil y
ng signifik
n; h
silny
cenderung
268 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
s
m
. Terlih
t jug
hw
seti
p k
sus s
ng
t mempeng
ruhi
es
rny
persent
se p
emilih
n mod
. P
d
k
sus 1, peningk
t
n h
rg
BBM terny
t
tid
k mempeng
ruhi p
ngs
p
s
r sec
r
umum d
n m
sih menguntungk
n oper
tor j
l
n r
y
. Ak
n tet
pi
, p
d
k
sus 2, pengur
ng
n w
ktu tempuh terny
t
menye
k
n p
ngs
p
s
r
er
l
ih ke j
l
n r
y
sec
r
signifik
n. Peningk
t
n ini terj
di untuk seluruh p
s
ng
n
nt
rzon
y
ng ditinj
u. P
d
k
sus 3, peningk
t
n pel
y
n
n keret
pi (
erk
ur
ngny
w
ktu tempuh d
n w
ktu menunggu)
erpeng
ruh cukup
ny
k terh
d
p peni
ngk
t
n p
ngs
p
s
r keret
pi, meskipun persent
seny
tid
k
egitu
ny
k
er
ed
deng
n penggun
j
l
n r
y
; m
l
h p
d
e
er
p
p
s
ng
n
nt
rzon
, p
ngs
p
s
r j
l
n r
y
m
sih le
ih
es
r d
rip
d
j
l
n
j
. P
d
k
sus 4, penghil
ng
n
i
y
termin
l terny
t
s
ng
t menguntungk
n
gi j
l
n r
y
; terlih
t d
ri se
m
kin meningk
tny
p
ngs
p
s
r j
l
n r
y
untuk seluruh p
s
ng
n
nt
rzon
.
Model pemilih
n mod
269
7
Model pemilih
n rute
7.1 Konsep d
s
r
7.1.1 Pend
hulu
n
Be
er
p
terd
hulu mener
ngk
n sec
r
rinci
e
er
p
model ut
m
d
l
m peren
c
n
n tr
nsport
si, meliputi model
ngkit
n d
n t
rik
n, model se
r
n perger
k
n, d
n model pemilih
n mod
y
ng s
ng
t sering digun
k
n untuk mencermink
n ke
utuh
n
k
n tr
nsport
si di d
l
m su
tu d
er
h k
ji
n. B
7 ini
k
n menjel
sk
n proses pemilih
n rute d
ri seti
p perger
k
n y
ng terj
di d
l
m proses penc
p
i
n zon
tuju
nny
. Ak
n dijel
sk
n pul
gi
n sisi penyedi
n d
ri pemodel
n
tr
nsport
si sert
kondisi keseim
ng
n
nt
r
ke
utuh
n d
n penyedi
n tr
nspor
t
si. Sisi penyedi
n su
tu sistem tr
nsport
si tel
h dijel
sk
n p
d
3 y
ng
mener
ngk
n pendefinisi
n sistem zon
d
n sistem j
ring
n. Sistem j
ring
n, y
n
g untuk k
sus
ngkut
n umum d
p
t
erup
frekuensi d
n k
p
sit
s, merup
k
n unsu
r ut
m
sisi penyedi
n d
l
m tr
nsport
si. D
l
m pemikir
n sec
r
ekonomi y
ng
sederh
n
, proses pertuk
r
n
r
ng d
n j
s
d
p
t terj
di se
g
i
ki
t d
ri k
om
in
si
nt
r
ke
utuh
n d
n penyedi
n. Titik keseim
ng
n kom
in
si ini menje
l
sk
n h
rg
r
ng y
ng diperju
l
elik
n sert
juml
hny
di p
s
r. Titik keseim
ng
n (p*,*) did
p
t jik
i
y
m
rgin
l produksi d
n penju
l
n
r
ng s
m
de
ng
n keuntung
n m
rgin
l y
ng did
p
t d
ri h
sil penju
l
n terse
ut. H
l ini d
p
t diter
ngk
n deng
n g
m
r 7.1.
Juml
h
r
ng (Q)
Fungsi ke
utuh
n
Fungsi penyedi
*
p*
H
rg
(P)
G
m
r 7.1 Keseim
ng
n
nt
r
ke
utuh
n d
n penyedi
n
270
l
h
n kegi
t
n ekonomi d
n per
m
l
nny
p
d
m
s
mend
t
ng. Oleh se
itu, s
n
g
tl
h penting mempel
j
ri penggun
nny
d
l
m konteks sektor tr
nsport
si. Sisi
penyedi
nny
, y
itu
erup
sistem j
ring
n tr
nsport
si S(L,C), d
p
t diny
t
k
n d
l
m
entuk ru
s j
l
n L (term
suk simpulny
) sert
i
y
tr
nsport
si C. Bi
y
terse
ut merup
k
n fungsi d
ri sejuml
h
tri
ut y
ng terk
it p
d
ru
s j
l
n
seperti j
r
k, kecep
t
n
rus
e
s, k
p
sit
s, d
n hu
ung
n kecep
t
n
rus. Sisi
ke
utuh
n
k
n tr
nsport
si terdiri d
ri indik
tor sejuml
h perger
k
n (
is
d
l
m
entuk MAT) mod
tr
nsport
si tertentu y
ng dil
kuk
n untuk tingk
t pel
y
n
n tertentu. Ke
utuh
n
k
n tr
nsport
si merup
k
n ke
utuh
n turun
n
ki
t
d
ny
proses us
h
pemenuh
n ke
utuh
n. S
l
h s
tu unsur ut
m
y
ng meny
t
k
n tingk
t pel
y
n
n
d
l
h w
ktu tempuh,
i
y
perj
l
n
n (t
rif d
n
h
n
k
r), d
n
jug
h
l l
in seperti keny
m
n
n d
n ke
m
n
n penump
ng. Jik
terj
di penurun
n
tingk
t pel
y
n
n p
d
sistem j
ring
n j
l
n, d
p
t dip
stik
n
k
n terj
di penu
run
n
k
n permint
n perger
k
n
t
u mungkin jug
terj
di peru
h
n p
d
tuju
n
khir, mod
tr
nsport
si, sert
w
ktu terj
diny
permint
n
k
n perger
k
n ter
se
ut. Hu
ung
n kecep
t
n
rus merup
k
n h
l y
ng penting k
ren
meng
itk
n sistem
j
ring
n tr
nsport
si deng
n tingk
t pel
y
n
n y
ng h
rus dimilikiny
. Sistem j
ring
n tr
nsport
si
ngkut
n umum jug
d
p
t didefinisik
n d
l
m
entuk y
ng s
m
deng
n sistem j
ring
n tr
nsport
si
ngkut
n pri
di. Tet
pi, terd
p
t
e
er
p
spesifik
si khusus untuk meny
t
k
n kondisi oper
si d
n pel
y
n
n
erup
rute
, k
p
sit
s, frekuensi
t
u sec
r
ide
l dit
m
h deng
n ku
lit
s, keh
nd
l
n, d
n keter
tur
n. P
d
sistem tr
nsport
si d
p
t dilih
t
hw
kondisi keseim
ng
n d
p
t terj
di p
d
e
er
p
tingk
t. Y
ng p
ling sederh
n
d
l
h keseim
ng
n
p
d
sistem j
ring
n j
l
n; seti
p pel
ku perj
l
n
n menco
menc
ri rute ter
ik m
singm
sing y
ng meminimumk
n
i
y
perj
l
n
nny
(mis
lny
w
ktu). H
silny
, merek
menco
menc
ri
e
er
p
rute
ltern
tif y
ng
khirny
er
khir p
d
su
tu pol
rute y
ng st
il (kondisi keseim
ng
n) setel
h
e
er
p
k
li menco
c
o
. Proses peng
lok
si
n perger
k
n terse
ut mengh
silk
n su
tu pol
rute y
ng
rus perger
k
nny
d
p
t dik
t
k
n
er
d
d
l
m ke
d
n keseim
ng
n jik
seti
p
pel
ku perj
l
n
n tid
k d
p
t l
gi menc
ri rute y
ng le
ih
ik untuk menc
p
i
zon
tuju
nny
k
ren
merek
tel
h
erger
k p
d
rute ter
ik y
ng tersedi
. Kon
disi ini diken
l deng
n kondisi keseim
ng
n j
ring
n j
l
n. Fenomen
l
in terj
di p
d
sistem j
ring
n tr
nsport
si
ngkut
n umum; penump
ng
erus
h
menc
ri r
ute y
ng meminimumk
n
i
y
perj
l
n
n y
ng terdiri d
ri
i
y
kem
cet
n, w
ktu
tunggu d
n
erj
l
n k
ki, sert
w
ktu
er
d
di
t
s kend
r
n (
ngkut
n umum).
Tet
pi, h
l tertentu d
p
t terj
di. Jik
kem
cet
n
Model pemilih
n rute 271
p
d
ru
s j
l
n y
ng di
ki
tk
n oleh
ngkut
n pri
di meningk
t,
us y
ng
erop
er
si p
d
ru
s j
l
n y
ng s
m
k
n meningk
t pul
w
ktu perj
l
n
nny
. H
l ini
mempeng
ruhi penggun
j
s
ngkut
n umum (d
n jug
sopir
us) untuk meng
lihk
n
rute d
l
m us
h
menghind
ri tund
n pri
di y
ng jug
mempuny
i pemikir
n y
ng s
m
sehingg
mengh
silk
n volume perger
k
n y
ng
er
ed
p
d
e
er
p
ru
s j
l
n d
n tercipt
l
h kondis
i keseim
ng
n y
ng
ru. Kondisi ini diken
l deng
n kondisi keseim
ng
n j
ring
n multimod
k
n didiskusik
n sec
r
rinci p
d
su
7.67.8. P
d
tingk
t y
ng
le
ih tinggi l
gi, pol
perger
k
n y
ng dih
silk
n jug
d
p
t mempeng
ruhi pemi
lih
n mod
, zon
tuju
n, d
n w
ktu terj
diny
perger
k
n. Seti
p per
lih
n ke
ut
uh
n ini meng
ki
tk
n terj
diny
kondisi keseim
ng
n y
ng
ru. D
l
m konteks
pemodel
n, h
l ini d
p
t
erup
pol
perger
k
n
ru y
ng
k
n mempeng
ruhi ting
k
t pel
y
n
n
gi seti
p rute d
n mod
tr
nsport
si y
ng mungkin tid
k konsiste
n l
gi deng
n kondisi keseim
ng
n p
d
s
t
w
l (deng
n meng
ngg
p permint
k
n perger
k
n tet
p). Ini menye
k
n perluny
men
ksir kem
li MAT tingk
t pe
l
y
n
n y
ng
ru digun
k
n untuk mend
p
tk
n pol
perger
k
n (MAT) y
ng
ru. P
roses ini perlu dil
kuk
n
erul
ng ul
ng deng
n c
r
y
ng sistem
tik s
mp
i dih
silk
n MAT (
erikut w
ktu, zon
tuju
n, d
n jenis mod
ny
) deng
n nil
i
i
y
pe
rj
l
n
n y
ng konsisten deng
n
rus y
ng terj
di p
d
semu
sistem j
ring
n. Kon
disi ini diken
l deng
n kondisi keseim
ng
n sistem y
ng
er
ed
deng
n kondisi
keseim
ng
n j
ring
n. B
7 disusun se
g
i
erikut. Mul
mul
k
n dijel
sk
n
perm
s
l
h
n pem
e
n
n MAT p
d
su
tu sistem j
ring
n j
l
n. D
l
m h
l ini, p
d
su
7.1.3
k
n dipertim
ngk
n
e
er
p
ciri kh
s hu
ung
n kecep
t
n
rus
t
u
i
y
rus y
ng s
ng
t di
utuhk
n d
l
m proses pemilih
n rute. Perm
s
l
h
n pem
e
n
n dipec
hk
n menj
di perm
s
l
h
n pemodel
n pemilih
n rute d
n perm
s
l
h
n
pem
e
n
n MAT y
ng
d
p
d
rute terpilih. Kondisi y
ng
er
ed
ed
mem
utuhk
n metode pem
e
n
n y
ng
er
ed
ed
pul
. Be
er
p
l
s
n ut
m
y
ng mel
t
r
e
l
k
ngi proses pemilih
n rute sert
f
ktor penentu ut
m
y
ng menj
di d
s
r peng
em
ng
n model pemilih
n rute
k
n di
erik
n p
d
su
7.2. Su
7.3
k
n me
njel
sk
n model
ll or nothing; d
l
m model ini di
ngg
p
hw
seti
p pengend
r
mempuny
i persepsi rute ter
ik y
ng s
m
. Deng
n
sumsi ini d
p
t dip
stik
n
hw
seti
p pengend
r
k
n sel
lu memilih rute y
ng s
m
. Sel
njutny
, su
7
.4
k
n menjel
sk
n model stok
stik y
ng menco
mempertim
ngk
n per
ed
n pers
epsi pengemudi terh
d
p rute ter
ikny
. Model
ll or nothing d
n model stok
sti
k meng
ngg
p
hw
proses pemilih
n rute tid
k dipeng
ruhi oleh efek kem
cet
n.
J
di, model pem
e
n
n y
ng le
ih men
rik untuk dipel
j
ri sel
njutny
d
l
h mo
del y
ng menco
mengikutsert
k
n sec
r
konsisten efek kem
cet
n d
l
m proses p
emilih
n rute. Terlih
t du
l
s
n ut
m
y
ng meng
tur lok
si perger
k
n:
d
ny
per ed
n persepsi
272 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
nt
rpengend
r
tent
ng
i
y
perj
l
n
n, d
n
d
ny
efek kem
cet
n terh
d
p pro
ses pemilih
n rute. Kit
k
n menggun
k
n prinsip keseim
ng
n W
rdrop se
g
i k
er
ngk
kerj
umum d
l
m pem
h
s
n itu. Prinsip I W
rdrop meny
t
k
n
hw
d
l
m kondisi m
cet, pengend
r
k
n memilih su
tu rute s
mp
i terc
p
i kondisi y
ng
tid
k memungkink
n seor
ng pun d
p
t mengur
ngi
i
y
perj
l
n
nny
deng
n meng
gun
k
n rute l
in. Jik
semu
pengend
r
mempuny
i persepsi y
ng s
m
tent
ng
i
y
,
k
n dih
silk
n kondisi keseim
ng
n;
rtiny
, semu
rute y
ng digun
k
n
n
t
r
du
titik tertentu
k
n mempuny
i
i
y
perj
l
n
n y
ng s
m
d
n minimum, s
ed
ngk
n rute y
ng tid
k digun
k
n
k
n mempuny
i
i
y
perj
l
n
n y
ng s
m
t
u le
ih m
h
l. Teknik pem
e
n
n l
lulint
s p
d
kondisi m
cet y
ng diter
ngk
n
p
d
su
7.57.8 menco
mendek
ti kondisi keseim
ng
n ini. Su
7.5 menjel
sk
n
e
er
p
metode pem
e
n
n y
ng d
p
t digun
k
n y
ng tel
h mengikutsert
k
n
efek kem
cet
n d
l
m proses pemilih
n rute mel
lui konsep
t
s
n k
p
sit
s. Be
er
p
metode y
ng dijel
sk
n meliputi metode pem
e
n
n
ert
h
p, pem
e
n
n
e
rul
ng, pem
e
n
n ku
nt
l, d
n l
inl
in. D
l
m su
7.6.1
k
n diter
ngk
n pe
rm
s
l
h
n pem
e
n
n keseim
ng
n d
l
m
entuk ker
ngk
kerj
pemrogr
m
n m
tem
tik
y
ng le
ih komprehensif. B
gi
n ini dikhususk
n untuk mem
h
s perm
s
l
h
n tund
n p
d
su
tu ru
s j
l
n y
ng h
ny
terg
ntung p
d
es
rny
rus. Su
7.6.2
k
n mem
h
s
e
er
p
metode solusi pemec
h
n m
s
l
h keseim
ng
n. Terl
ih
t
hw
metode heuristik sering g
g
l menc
p
i kondisi keseim
ng
n; k
ren
i
tu, m
s
l
h ini h
rus mend
p
t perh
ti
n serius d
ri p
r
peneliti. Su
7.6.37
.6.4 mener
ngk
n jug
pengem
ng
n le
ih l
njut y
ng di
r
hk
n kep
d
konsep Kes
eim
ng
nSosi
l (KS) sert
Keseim
ng
n Penggun
Stok
stik (KPS). Su
7.7 mem
perlu
s perm
s
l
h
n pem
e
n
n keseim
ng
n sering dijump
i d
l
m proses pem
e
n
n, tund
n y
ng sel
lu dipertim
ngk
n
d
l
h tund
n p
d
ru
s j
l
n y
ng h
ny
terg
ntung d
ri
es
rny
rus l
lulint
s y
ng mel
luiny
. Ak
n tet
pi, tund
n di persimp
ng
n jug
merup
k
n m
s
l
h penting y
ng h
rus diperh
tik
n. Sel
i
n itu, su
ini jug
k
n mener
ngk
n peng
ruh tingk
t resolusi sistem j
ring
n terh
d
p perm
s
l
h
n pem
e
n
n. Fenomen
fenomen
y
ng dise
utk
n di
t
s ser
ing dijump
i di d
er
h perkot
n. Su
7.8 memperlu
s penggun
n kondisi kesei
m
ng
n d
l
m mel
kuk
n pemodel
n pemilih
n mod
d
n se
r
n perger
k
n. Tuju
n
ut
m
ny
d
l
h untuk mey
kink
n
p
k
h w
ktu tempuh (y
ng merup
k
n
gi
n d
ri
i
y
) y
ng digun
k
n untuk menj
l
nk
n model konsisten deng
n w
ktu tempuh y
n
g dih
silk
n sel
m
proses pem
e
n
n. D
l
m
e
er
p
k
sus tertentu, k
d
ngk
d
ng rute
ltern
tif y
ng tersedi
juml
hny
tid
k terl
lu
ny
k, mis
lny
terd
p
t h
ny
du
ltern
tif rute. D
l
m h
l ini model pemilih
n rute y
ng sering dig
un
k
n
d
l
h model kurv
diversi y
ng
k
n dijel
sk
n sec
r
rinci p
d
su
7.9.
Model pemilih
n rute 273
B
7.10 menjel
sk
n perm
s
l
h
n y
ng sering tim
ul di d
er
h perkot
n, y
itu
perm
s
l
h
n
ki
t
d
ny
pem
e
n
n
erle
ih. Tingk
t pertum
uh
n l
lulint
s y
ng tinggi
k
n meng
ki
tk
n kem
cet
n p
d
sistem j
ring
n j
l
n di d
er
h per
kot
n. Tet
pi, pertum
uh
n terse
ut
k
n dih
l
ngi oleh ter
t
sny
penyedi
n
k
p
sit
s p
d
j
ring
n j
l
n. T
ngg
p
n penggun
j
l
n terh
d
p
t
s
n terse
u
t
k
n menurunk
n
e
n perj
l
n
n p
d
j
ring
n j
l
n y
ng
ers
ngkut
n. Asumsi
m
triks permint
n perj
l
n
n tet
p (tid
k el
stis) y
ng sel
m
ini sering digu
n
k
n cenderung meng
ik
n peng
ruh t
ngg
p
n penggun
j
l
n terse
ut sehingg
mem
erik
n risiko kes
l
h
n d
l
m per
m
l
n. Terd
p
t du
metode y
ng sering dig
un
k
n d
l
m h
l ini, y
itu metode pem
e
n
n deng
n m
triks permint
n perger
k
n el
stis d
n metode pem
ngk
s
n m
triks.
7.1.2 Definisi d
n not
si
Be
er
p
not
si t
m
h
n di
utuhk
n untuk mener
ngk
n model pemilih
n rute d
n m
odel pem
e
n
n y
ng
d
, y
itu:
Tidr Vl
V ln
= = = = = =
juml
h perger
k
n
nt
r
zon
s
l i ke zon
tuju
n d y
ng menggun
k
n rute r,
rus p
d
ru
s j
l
n l,
rus p
d
ru
s j
l
n l p
d
pengul
ng
n ke n hu
ung
n
i
rus p
d
ru
s j
l
n l,
i
y
se
en
rny
untuk tingk
t
rus tertentu ( Vl ),
i
y
deng
n Vl = 0 dise
ut
i
y
p
d
kondisi
rus
e
s,
i
y
perj
l
n
n d
ri z
on
s
l i ke zon
tuju
n d y
ng menggun
k
n rute r, 1 jik
ru
s j
l
n l merup
k
n
gi
n d
ri rute r d
ri zon
s
l i ke zon
tuju
n d 0 jik
tid
k
C (V l ) c (Vl ) c idr
li =
Tikata n igunakan untuk meneangkan engulangan tetentu aa oe engulang
an yang eang ilakukan. Tikata * igunakan untuk menyatakan nilai * aalah bi
aya ejalanan minimum ai zona aal i ke zona otimum; mialnya, C i tujuan
.
7.1.3 Kuva keceatanau an biayaau
Dalam ekayaa lalulinta ikenal hubungan yang angat eing igunakan, yaitu
engauh au aa keceatan kenaaan begeak aa ua jalan tetentu. Kone
ini aa awalnya ikembangkan untuk ua yang anjang aa jalan beba hambatan
atau teowongan. Hubungan keceatanau eing igambakan eeti gamba 7.2.
274 Ofya Z Tamin, Peencanaan an emoelan tanotai
Keceatan S (km/jam)
Waktu ejalanan (menit/km)
Au V (kenaaan/jam) Au V (kenaaan/jam)
Vmak
Vmak
Gamba 7.2 Hubungan tiikal keceatanau an biayaau Sumbe: Otuza an Willum
en (1994)
Jika au lalulinta meningkat, keceatan ceneung menuun ecaa elahan. Jik
a au menekati kaaita, enuunan keceatan emakin bea. Au makimum i
aat aa aat kaaita tecaai. Aabila konii teebut teu iakakan unt
uk menaatkan au yang melebihi kaaita, maka akan tejai konii yang tia
k tabil an malah tecita au yang lebih kecil engan keceatan yang lebih e
nah. Untuk alaan akti, alam teknik embebanan ute, jeni hubungan ini il
akukan alam bentuk hubungan waktu temuh e unit jaak engan au lalulinta, a
tau ecaa umum ebagai hubungan biayaau yang juga aat ilihat aa gamba 7.
2. Moel embebanan ute yang memetimbangkan kemacetan memelukan bebeaa e
amaan (fungi) yang cocok untuk menghubungkan atibut uatu ua jalan eeti
kaaita an keceatan au beba eta au lalulintanya engan keceatan ata
u biaya yang ihailkannya. Hal ini aat inyatakan alam bentuk umum: C l = C
l ({ V }) (7.1) Biaya aa uatu ua jalan meuakan fungi ai emua egeak
an V aa jaingan jalan teebut (bukan hanya iebabkan oleh au i ua jala
n itu aja). Rumu umum ini cocok untuk aeah ekotaan yang memiliki inteaki
yang eat antaa au i ua jalan yang lain engan tunaan. Tetai, hal ini
aat ieehanakan jika kita memetimbangkan ua jalan yang anjang; hami
emua waktu ejalanan igunakan aa ua jalan teebut. Dalam hal ini, eama
an yang igunakan hau teiah, yang aat ituli ebagai:
C l = C l (V l )
(7.2)
Biaya aa ua jalan teebut hanya tegantung aa au an cii ua itu aja
. Aumi ini aat menyeehanakan oe enakian, engembangan fungi, eta
enggunaan metoe embebanan ute yang cocok. Tetai, elu icatat, bahwa hal
ini menjai tiak ealiti jika igunakan untuk aeah ekotaan yang lebih a
at an lebih macet.
Moel emilihan ute 275
Bebeaa bentuk fungi yang umum telah iuulkan euai engan eamaan umum (7
.2). Tetai, hanya bebeaa fungi aja, khuunya yang memunyai eilaku matem
ati yang baik, yang igunakan. Peilaku matemati yang ielukan untuk memenuh
i kebutuhan teknik embebanan ute aalah: waktu temuh yang hau cuku ealit
i. eamaan hau elalu meningkat an monoton; au yang meningkat tiak bole
h menguangi waktu temuh; ini yaat mutlak. eamaan hau kontinu an aat
iifeenialkan. eamaan hau aat igunakan untuk konii nilai tiak teh
ingga, mialnya fungi tiak boleh menghailkan waktu temuh yang tiak tehingg
a jika au beaa aa kaaita atau melebihi kaaita. Konii ini aat te
jai aa aat oe engulangan, yaitu teaat ua yang embebanan aunya m
elebihi kaaita ehingga menghailkan waktu temuh yang tiak tehingga yang m
engakibatkan konii yang menghailkan bea au tiak tehingga alam ogam
komute (konii yang tentu tiak aat itangani oleh bahaa komute mana un
). Selain itu, konii embebanan belebih yang tejai aa elang waktu yang
angat enek, eeti yang eing tejai i laangan, malah tiak akan mengakib
atkan kemacetan. Konii ini inyatakan engan gai utu utu aa gamba 7.2
, yaitu gamba hubungan biayaau. untuk alaan akti, hau igunakan hubungan
biayaau kaena tenyata lebih muah. Paamete ekayaa angat ibutuhkan, e
eti keceatan au beba, kaaita, an jumlah eimangan e kilomete.
Kita mengangga bahwa alam hubungan biayaau, biaya akan meningkat euai enga
n au lalulintanya, kecuali aa tingkat au yang angat enah yang biayanya
aat iangga kontan. Total biaya oeai aa uatu ua jalan aat inyata
kan engan Cl = Cl(Vl). Dalam hal ini, elu ietimbangkan kone biaya magin
al, yaitu kontibui aa total biaya yang iebabkan oleh enambahan maginal
atu kenaaan aa au lalulinta: C ml = V l .C l .(V l )] C l (V l ) [ = C l (V
l ) + V l V l V l (7.3)
Bagian kanan eamaan (7.3) memunyai ua komonen. Komonen etama aalah bia
ya ata ata aa ua jalan, an komonen keua aalah kontibui tunaan aa
au lalulinta yang lain yang iebabkan oleh kenaaan maginal. Hal ini meu
akan amak ektenal yang tekait engan biaya tambahan yang iaakan oleh en
gguna lainnya aa ua jalan teebut yang iebabkan oleh tambahan atu kena
aan bau. Kaena kuva biayaau meuakan fungi meningkat, kontibui teebut
ati elalu oitif. Biaya ata ata an maginal hanya memunyai nilai yang a
ma aa bagian ata ai kuva biayaau. Bebeaa enuli menyaankan bebeaa
bentuk fungi hubungan biayaau. Hal ini biaanya tegantung aa aumi aakah
kita akan memoel konii tunak atau
276 Ofya Z Tamin, Peencanaan an emoelan tanotai
moel lain. Banton (1976) menulikan ulaan yang angat baik mengenai maalah
akti yang eing tejai jika kita beuaha mengkalibai fungi biayaau. Ia
mengemukakan: teaat bebeaa emaalahan mengenai waktu elang engamatan
aa aeah kemacetan tetentu eta lokai eimangan beikutnya yang akan men
gakibatkan kemacetan; lokai yang teat aa aeah engukuan au an tunaan
angat menentukan kualita keluaan. aumi bahwa tunaan hanya tegantung aa
au lalulinta aa ua jalan teebut tiaklah begitu ealiti untuk aeah
ekotaan yang memunyai jaingan yang cuku aat an hal ini akan angat menen
tukan alam oe enakian fungi biayaau.
Banton (1976) juga mengula bebeaa kuva biayaau yang iuulkan oleh beaa
enuli beikut. 1 Smock (1962) mengemukakan umu beikut untuk kajian i Det
oit:
V t = t 0 ex
Q
S
(7.4)
t aalah waktu temuh e atuan jaak, t0 aalah waktu temuh e atuan jaak
aa konii au beba, an Q aalah kaaita ua aa konii tunak. 2 Ove
gaa (1967) menulikan eamaan (7.4) alam bentuk lain, yaitu: t = t0
V
Qp
(7.5)
Qp
d
l
h k
p
sit
s pr
ktis d
ri ru
s j
l
n, sed
ngk
n d
n
d
l
h p
r
meter y
ng
h
rus dik
li
r
si. 3 Din
s J
l
n umum (1964) di Amerik
Serik
t meny
r
nk
n fun
gsi y
ng s
ng
t umum, y
itu:
V
t = t 0 1 + (7.6)
Qp
gris mengh
silk
n
e
er
p
kurv
i
y
rus untuk
e
er
p
jenis ru
s j
l
n di d
e
r
h perkot
n, pinggir
n kot
, d
n
nt
rkot
. Be
er
p
di
nt
r
ny
mempuny
i
e
ntuk umum y
ng mempertim
ngk
n hu
ung
n kurv
i
y
rus y
ng pert
m
, y
itu:
4
Model pemilih
n rute 277
Dep
rte
S 0
S S1
(V F1 ) S (V ) = S 0 0 F2 F1
S 1 / (1 + (S 1 / 8d )(V / F2 1))
t
n
rus
e
s, S1 = kecep
t
n p
d
rus k
p
sit
s F2,
V < F1 F1 V F2 V > F2 (7.7)
F1 = au makimum aa konii au beba maih betahan, an = jaak atau a
njang ua Jai, hubungan waktuau menjai: /S 0 V < F1
T (V ) = /S (V ) = F1
/S + (V / F 1) / 8 V > F2 2 1 engan SS01 inyatakan
V F2 S 0 + SS 01 F1 SS 01V
ebagai: SS 01 = S 0 S1 F1 F2
(7.8)
(7.9)
Bebeaa nilai tiikal untuk koefiien (Deatment of Tanot, 1985) ibeikan
aa tabel 7.1 beikut:
Tabel 7.1 Koefiien kuva keceatanau i Inggi Jeni
ua laju ua aah, lua kota emat laju ua aah, lua kota ua laju ua aah
, inggian kota
S0 km/jam
63 79 45
S1 km/jam
55 70 25
F1 m/jam/laju
400 1.600 500
F2 m/jam/laju
1.400 2.400 1.000
Sumbe: Deatment of Tanot (1985)
Dalam bebeaa kau, bebeaa engecualian juga aat iaumikan, mialnya kec
eatan teta F2 untuk V > F2. Semua kuva i ata menghailkan infomai mengena
i waktu temuh aa ua jalan teebut. Tetai, elu iketahui bahwa emua en
gguna jalan ingin meminimumkan kombinai bebeaa atibut ua jalan eeti wak
tu an jaak. Caa akti yang eing igunakan aalah kone biaya gabungan, y
ang biaa ikenal engan fungi kombinai antaa waktu an jaak engan embobot
an yang bebea bea: C a = (w
ktu tempuh )
+ (p
nj
ng ru
s )
(7.10)
278 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
Bi
y
ini d
p
t dihitung d
l
m s
tu
n w
ktu
t
u
i
y
. Jug
dimungkink
n untuk
memperhitungk
n
i
y
t
m
h
n l
inny
, mis
lny
i
y
tol p
d
su
tu ru
s j
l
n
. Untuk le
ih jel
sny
mengen
i konsep
i
y
g
ung
n, pem
c
s
ng
t dis
r
nk
n
untuk mem
c
su
3.4.4. Proses k
li
r
si hu
ung
n
i
y
ktu tempuh p
d
su
tu ru
s j
l
n p
d
tingk
t
rus y
ng
er
ed
ed
. K
ren
l
s
n ini,
ny
k neg
r
mengem
ngk
n fungsi y
ng cocok deng
n kondisi m
sing m
sing (lih
t jug
su
7.57.6 mengen
i
t
s
n p
d
fungsi
i
y
rus untuk d
er
h
perkot
n ). 5 Suh et
l (1990) mengh
silk
n pendek
t
n untuk men
ksir kurv
i
rus d
ri d
t
rus l
lulint
s deng
n menggun
k
n metode optim
si du
tingk
t,
y
ng p
d
d
s
rny
menco
mend
p
tk
n p
r
meter kurv
i
y
rus deng
n meminimu
mk
n per
ed
n
nt
r
d
t
rus l
lulint
s h
sil pemodel
n d
n h
sil peng
m
t
n.
Dil
pork
n
hw
h
sil
khirny
s
ng
t dipeng
ruhi oleh g
l
t y
ng dise
k
n o
leh proses pem
e
n
n, pendefinisi
n sistem j
ring
n, MAT, sert
sumsi persepsi
seti
p pengend
r
d
l
m menentuk
n rute ter
ikny
. Kurv
i
y
rus y
ng dit
ksi
r deng
n optim
si du
tingk
t mengg
ungk
n semu
g
l
t sehingg
sulit digun
k
n
p
d
pener
p
n
t
u tuju
n y
ng l
in. 6 IHCM (Indonesi
n Highw
y C
p
city M
nu
l) (1994) mel
kuk
n
e
er
p
k
ji
n mengen
i hu
ung
n
nt
r
kecep
t
n
rus p
d
e
er
p
ru
s j
l
n
nt
rkot
di Indonesi
(4 l
jur d
n 2 l
jur). Hu
ung
n m
tem
tis y
ng cukup
ik tel
h dih
silk
n oleh k
ji
n ini:
D V = FV 1
D
J
( L 1 )
1
( 1 M )
(7.11)
D 0
(1 M )
D J
(L M )
1
( L 1 )
(7.12)
FV D DJ Do
= kecep
t
n
rus
e
s = kep
d
t
n (smp/km) (dihitung se
g
i Q/V) = kep
d
t
n p
d
kondisi m
cet tot
l = kep
d
t
n p
d
s
t k
p
sit
s j
l
n terc
p
i
L, M = konst
nt
Be
er
p
h
sil k
mi t
mpilk
n di sini mengen
i hu
ung
n kecep
t
n
rus untuk j
l
n
nt
rkot
di Indonesi
seperti terlih
t p
d
g
m
r 7.37.4.
Model pemilih
n rute 279
Kecep
t
n r
t
r
t
kend
r
n ring
n (smp) (km/j
m)
Arus
e
s
Arus (smp/j
m)
G
m
r 7.3 Hu
ung
n kecep
t
n
rus untuk j
l
n 4 l
jur (deng
n pemis
h) Sum
er: IH
CM (1994)
Kecep
t
n r
t
r
t
kend
r
n ring
n (smp) (km/j
m)
Arus
e
s
Arus (smp/j
m)
G
m
r 7.4 Hu
ung
n kecep
t
n
rus untuk j
l
n 2 l
jur (t
np
pemis
h) Sum
er: IHC
M (1994)
280 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
nsport
si y
ng s
ng
t kritis seperti kem
cet
n l
lulint
s y
ng dise
k
n oleh t
ingginy
tingk
t ur
nis
si, pertum
uh
n ekonomi d
n pemilik
n kend
r
n, sert
er
urny
per
n
n fungsi j
l
n
rteri, kolektor, d
n lok
l sehingg
j
ring
n j
l
n tid
k d
p
t
erfungsi sec
r
efisien. Ketid
kl
nc
r
n
rus l
lulint
s ini me
nim
ulk
n
i
y
t
m
h
n, tund
n, kem
cet
n, d
n
ert
m
hny
polusi ud
r
d
n
su
r
. Pemerint
h tel
h
ny
k mel
kuk
n us
h
pen
nggul
ng
n, di
nt
r
ny
mem
ngun j
l
n
e
s h
m
t
n, j
l
n tol, d
n j
l
n lingk
r. Seti
p pem
k
i j
l
n d
ih
rusk
n memilih rute y
ng tep
t d
l
m perj
l
n
n ke temp
t tuju
nny
sehingg
w
ktu tempuhny
minimum d
n
i
y
ny
termur
h. P
d
t
h
p pem
e
n
n rute,
e
er
p
prinsip digun
k
n untuk mem
e
nk
n MAT p
d
j
ring
n j
l
n y
ng
khirny
me
ngh
silk
n inform
si
rus l
lulint
s p
d
seti
p ru
s j
l
n. Tet
pi, h
l ini
uk
nl
h s
tu s
tuny
inform
si. Terd
p
t
e
er
p
inform
si t
m
h
n l
inny
y
ng
is
dih
silk
n se
g
im
n
diur
ik
n
erikut ini. 1 Primer 2 ukur
n kinerj
j
r
ing
n seperti
rus d
n keuntung
n pel
y
n
n
us; t
ksir
n
i
y
(w
ktu) perj
l
n
n
nt
rzon
untuk tingk
t ke
utuh
n perger
k
n tertentu; inform
si mengen
i
ru
s l
lulint
s d
n ru
s j
l
n y
ng m
cet. t
ksir
n rute y
ng digun
k
n oleh
nt
r
p
s
ng
n zon
;
n
lisis p
s
ng
n zon
y
ng menggun
k
n ru
s j
l
n tertentu; pol
perger
k
n p
d
persimp
ng
n.
Sekunder
Sec
r
umum dih
r
pk
n
hw
inform
si primer
is
did
p
tk
n sec
r
le
ih tep
t
di
ndingk
n deng
n inform
si sekunder. Inform
si ut
m
y
ng di
utuhk
n oleh mo
del pem
e
n
n rute
d
l
h: MAT y
ng meny
t
k
n ke
utuh
n
k
n perger
k
n. D
t
ini
i
s
ny
erup
MAT p
d
j
m si
uk p
d
su
tu d
er
h kem
cet
n d
n mungkin
e
er
p
MAT p
d
j
m si
uk l
inny
d
n p
d
j
m tid
k si
uk. MAT 24 j
m
n di
ut
uhk
n untuk j
ring
n y
ng tid
k m
cet. Konversi MAT 24 j
m
n menj
di MAT per j
m k
d
ng k
d
ng tid
k cocok, khususny
d
l
m h
l kem
cet
n k
ren
MAT 24 j
m
n
i
s
ny
simetris, sed
ngk
n MAT per j
m si
uk h
mpir dip
stik
n tid
k simetris.
MAT
i
s
ny
tersedi
d
l
m s
tu
n penump
ng sehingg
h
rus dikonversik
n ke d
l
m s
tu
n kend
r
n k
ren
hu
ung
n kecep
t
n
rus
i
s
ny
diny
t
k
n d
l
m s
tu
n kend
r
n.
Model pemilih
n rute 281
ciri j
ring
n y
ng kecep
t
n
rus.
erup
ru
s
sert
peril
kuny
,
term
suk
kurv
prinsip
t
u pol
pemilih
n rute y
ng sesu
i
t
u relev
n deng
n perm
s
l
h
n.
7.2.2 Proses pemilih
n rute
Arus l
lulint
s p
d
su
tu ru
s j
l
n d
l
m su
tu j
ring
n d
p
t diperkir
k
n se
g
i h
sil proses pengkom
in
si
n inform
si MAT, deskripsi sistem j
ring
n, d
n
pemodel
n pemilih
n rute. Prosedur pemilih
n rute
ertuju
n memodel peril
ku pe
l
ku perger
k
n d
l
m memilih rute y
ng menurut merek
merup
k
n rute ter
ikny
. Deng
n k
t
l
in, d
l
m proses pemilih
n rute, perger
k
n
nt
r
du
zon
(y
n
g did
p
t d
ri t
h
p se
r
n perger
k
n) untuk mod
tertentu (y
ng did
p
t d
ri
t
h
p pemilih
n mod
) di
e
nk
n ke rute tertentu y
ng terdiri d
ri ru
s j
ring
n j
l
n tertentu (
t
u
ngkut
n umum). J
di, d
l
m pemodel
n pemilih
n rute ini
d
p
t diidentik
si rute y
ng
k
n digun
k
n oleh seti
p pengend
r
sehingg
khi
rny
did
p
t juml
h perger
k
n p
d
seti
p ru
s j
l
n. Tuju
n t
h
p
n ini
d
l
h
meng
lok
sik
n seti
p perger
k
n
nt
rzon
kep
d
er
g
i rute y
ng p
ling ser
ing digun
k
n oleh seseor
ng y
ng
erger
k d
ri zon
s
l ke zon
tuju
n. Kelu
r
n t
h
p
n ini
d
l
h inform
si
rus l
lulint
s p
d
seti
p ru
s j
l
n, term
suk
i
y
perj
l
n
n
nt
rzon
ny
. Deng
n meng
sumsik
n
hw
seti
p pengend
r
mem
ilih rute y
ng meminimumk
n
i
y
perj
l
n
nny
(rute tercep
t jik
di
le
ih me
mentingk
n w
ktu di
ndingk
n deng
n j
r
k
t
u
i
y
), m
k
d
ny
penggun
n r
u
s y
ng l
in mungkin dise
k
n oleh per
ed
n persepsi pri
di tent
ng
i
y
t
u mungkin jug
dise
k
n oleh keingin
n menghind
ri kem
cet
n. H
l ut
m
d
l
m proses pem
e
n
n rute
d
l
h memperkir
k
n
sumsi penggun
j
l
n mengen
i pil
ih
nny
y
ng ter
ik. Terd
p
t
e
er
p
f
ktor y
ng mempeng
ruhi pemilih
n rute
p
d
s
t kit
mel
kuk
n perj
l
n
n. Be
er
p
di
nt
r
ny
d
l
h w
ktu tempuh,
j
r
k,
i
y
(
h
n
k
r d
n l
inny
), kem
cet
n d
n
ntri
n, jenis m
nuver y
n
g di
utuhk
n, jenis j
l
n r
y
(j
l
n tol,
rteri), pem
nd
ng
n, kelengk
p
n r
m
u d
n m
rk
j
l
n, sert
ke
i
s
n. S
ng
tl
h suk
r mengh
silk
n pers
m
n
i
y
g
ung
n y
ng mengg
ungk
n semu
f
ktor terse
ut. Sel
in itu, tid
kl
h pr
kti
s memodel semu
f
ktor sehingg
h
rus digun
k
n
e
er
p
sumsi
t
u pendek
t
n.
S
l
h s
tu pendek
t
n y
ng p
ling sering digun
k
n
d
l
h mempertim
ngk
n du
f
ktor ut
m
d
l
m pemilih
n rute, y
itu
i
y
perger
k
n d
n nil
i w
ktu
i
y
perger
k
n di
ngg
p proporsion
l deng
n j
r
k tempuh. D
l
m
e
er
p
model pemil
ih
n rute dimungkink
n penggun
n
o
ot y
ng
er
ed
gi f
ktor w
ktu tempuh d
n f
ktor j
r
k tempuh untuk mengg
m
rk
n persepsi pengend
r
d
l
m kedu
f
ktor
terse
ut. Terd
p
t
ukti ku
t y
ng menunjukk
n
hw
w
ktu tempuh mempuny
i
o
ot le
ih domin
n d
rip
d
j
r
k tempuh
gi perger
k
n di d
l
m kot
. Outr
m
nd
Thomson (1978) mem
ndingk
n h
sil persepsi deng
n temu
n di l
p
ng
n. Terny
t
proporsi pengend
r
y
ng persepsiny
sesu
i deng
n temu
n di
282 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
l
p
ng
n s
ng
tl
h rend
h. Disimpulk
n
hw
kom
in
si
nt
r
j
r
k d
n w
ktu te
mpuh d
p
t dij
dik
n f
ktor y
ng p
ling d
p
t mengg
m
rk
n persepsi pemilih
n r
ute. Tet
pi, kom
in
si terse
ut h
ny
d
p
t mew
kili sekit
r 60%80% proses pemili
h
n rute. Terd
p
t f
ktor l
in y
ng mempeng
ruhi pemilih
n rute, mis
lny
per
ed
n persepsi, inform
si rute y
ng s
l
h,
t
u g
l
t l
in. Model pemilih
n rute d
p
t dikl
sifik
sik
n
erd
s
rk
n
e
er
p
f
ktor pertim
ng
n y
ng did
s
ri pen
g
m
t
n
hw
tid
k seti
p pengend
r
d
ri zon
s
l y
ng menuju ke zon
tuju
n
k
n memilih rute y
ng persis s
m
, khususny
di d
er
h perkot
n. H
l ini dise
k
n oleh
d
ny
: per
ed
n persepsi pri
di tent
ng
p
y
ng di
rtik
n deng
n
i
y
perj
l
n
n k
ren
d
ny
per
ed
n kepenting
n
t
u inform
si y
ng tid
k j
el
s d
n tid
k tep
t mengen
i kondisi l
lulint
s p
d
s
t itu; d
n peningk
t
n
i
y
k
ren
d
ny
kem
cet
n p
d
su
tu ru
s j
l
n y
ng menye
k
n kinerj
e
er
p
rute l
in menj
di le
ih tinggi sehingg
meningk
tk
n pelu
ng untuk memilih
rute terse
ut.
J
di, tuju
n penggun
n model
d
l
h untuk mend
p
tk
n setep
t mungkin
rus y
ng
did
p
t p
d
s
t survei dil
kuk
n untuk seti
p ru
s j
l
n d
l
m j
ring
n j
l
n
terse
ut. An
lisis pemilih
n rute terse
ut terdiri d
ri
e
er
p
gi
n ut
m
,
y
itu:
l
s
n pem
k
i j
l
n memilih su
tu rute di
ndingk
n deng
n rute l
inny
;
pengem
ng
n model y
ng mengg
ungk
n sistem tr
nsport
si deng
n
l
s
n pem
k
i
j
l
n memilih rute tertentu; kemungkin
n pengend
r
er
ed
persepsiny
mengen
i rute y
ng ter
ik. Be
er
p
pengend
r
mungkin meng
sumsik
nny
se
g
i rute den
g
n j
r
k tempuh terpendek, rute deng
n w
ktu tempuh tersingk
t,
t
u mungkin ju
g
kom
in
si kedu
ny
; kem
cet
n d
n ciri fisik ru
s j
l
n mem
t
si juml
h
rus
l
lulint
s di j
l
n terse
ut.
n/j
m) sert
rute 2 mempuny
i j
r
k y
ng le
ih p
nj
ng, tet
pi
erk
p
sit
s le
i
h tinggi (4.000 kend
r
n/j
m), seperti terlih
t p
d
g
m
r 7.5.
Rute 2 (k
p
sit
s 4.000 kend
r
n/j
m)
Rute 1 (k
p
sit
s 1.500 kend
r
n/j
m) A B
G
m
r 7.5 P
s
ng
n zon
s
ltuju
n y
ng mempuny
i du
rute
ltern
tif
Model pemilih
n rute 283
Asumsik
n p
d
j
m si
uk p
gi terd
p
t 4.500 kend
r
n
erger
k d
ri zon
A ke B
d
n seti
p pengend
r
k
n memilih rute terpendek (rute 1). S
ng
tl
h kecil kem
ungkin
n
hw
semu
kend
r
n
k
n d
p
t mel
kuk
n h
l terse
ut k
ren
rute 1 p
sti
k
n s
ng
t m
cet, meskipun k
p
sit
sny
elum terc
p
i. Be
er
p
kend
r
n
mul
i
k
n memilih pilih
n kedu
y
ng mempuny
i j
r
k le
ih j
uh untuk menghind
ri kem
cet
n d
n tund
n. Su
tu s
t
k
n terj
di kondisi st
il (keseim
ng
n)
, y
itu tid
k dimungkink
n l
gi seseor
ng memilih rute l
in y
ng le
ih
ik k
re
n
kedu
rute mempuny
i
i
y
y
ng s
m
d
n minimum. Kondisi ini diken
l deng
n
kondisi keseim
ng
n y
ng ditemuk
n oleh W
rdrop (1952), y
ng dijel
sk
n sec
r
le
ih rinci d
l
m su
7.67.8. Akhirny
, tid
k semu
(4.500) kend
r
n memilih
rute 1; se
gi
n
k
n memilih rute 2 deng
n
l
s
n pem
nd
ng
nny
le
ih men
rik
t
u k
ren
j
min
n tid
k
k
n terj
di kem
cet
n, meskipun j
r
kny
le
ih j
uh.
Per
ed
n d
l
m tuju
n d
n persepsi mengh
silk
n proses penye
r
n kend
r
n p
d
seti
p rute y
ng d
l
m h
l ini dise
ut proses stok
stik d
l
m proses pemilih
n
rute. Be
er
p
jenis model tertentu
k
n le
ih sesu
i d
l
m mew
kili h
l terse
ut. Be
er
p
model pemilih
n rute sud
h dikem
ngk
n d
n t
el 7.2 memperlih
tk
n kl
sifik
si model terse
ut sesu
i deng
n
sumsi y
ng mel
t
r
el
k
nginy
. Rinc
i
n d
n ciri seti
p model dijel
sk
n.
T
el 7.2 Kl
sifik
si model pemilih
n rute Efek stok
stik dipertim
ngk
n? Krite
ri
Tid
k
Tid
k Efek
t
s
n k
p
sit
s dipertim
ngk
n? Y
Keseim
ng
n W
rdrop All or not
hing
Y
Stok
stik murni (Di
l, Burrell) Keseim
ng
n penggun
stok
stik (KPS)
Sum
er: Ortuz
r
nd Willumsen (1994)
Sel
in pengelompok
n di
t
s, diken
l pengelompok
n l
in seperti y
ng diusulk
n
oleh (Ro
ill
rd, 1975), y
itu metode proporsion
l d
n metode tid
kproporsion
l.
Su
tu metode term
suk d
l
m kelompok proporsion
l jik
: tot
l
rus p
d
su
tu ru
s j
l
n (h
sil pem
e
n
n)
d
l
h penjuml
h
n d
ri semu
rus jik
seti
p p
s
n
g
n zon
di
e
nk
n sec
r
terpis
h, d
n semu
unsur MAT dik
lik
n deng
n f
ktor
tertentu, d
n semu
rus (h
sil pem
e
n
n) p
d
seti
p ru
s j
l
n
eru
h sesu
i deng
n f
ktor y
ng s
m
. Se
g
i contoh, jik
seti
p sel MAT dik
lik
n du
, m
k
rus h
sil pem
e
n
npun
k
n meningk
t du
k
li lip
t.
Proses pemilih
n rute l
inny
y
ng tid
k mengikuti
t
u cocok deng
n kedu
kondi
si terse
ut dikelompokk
n se
g
i metode tid
k proporsion
l. J
di, metode
ll or
nothing d
n metode stok
stik dikelompokk
n d
l
m metode proporsion
l, sed
ngk
n
metode
t
s
n k
p
sit
s d
n metode keseim
ng
n
d
l
h metode tid
k proporsion
l.
284 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
Be
er
p
ciri d
er
h k
ji
n d
p
t digun
k
n untuk mengidentifik
si model pemilih
n rute y
ng ter
ik, y
itu c
r
pengend
r
meng
ntisip
si
i
y
perj
l
n
n, tin
gk
t kem
cet
n, d
n inform
si mengen
i tersedi
ny
j
l
n
ltern
tif
esert
i
y
perj
l
n
nny
. Seti
p model mempuny
i t
h
p
n y
ng h
rus dil
kuk
n sec
r
eru
rut
n. Fungsi d
s
rny
d
l
h: mengidentifik
si
e
er
p
set rute y
ng
k
n dipe
rkir
k
n men
rik
gi pengend
r
; rute ini disimp
n d
l
m struktur d
t
y
ng ser
ing dise
ut pohon; oleh se
itu, t
h
p
n ini dise
ut t
h
p pem
entuk
n pohon.
mem
e
nk
n MAT ke j
ring
n j
l
n deng
n proporsi y
ng sesu
i y
ng mengh
silk
n
volume perger
k
n p
d
seti
p ru
s di j
ring
n j
l
n. menc
ri konvergensi;
e
er
p
teknik mengikuti pol
pengul
ng
n d
ri pendek
t
n menuju ke solusi. Se
g
i
contoh, d
l
m proses keseim
ng
n W
rdrop, proses konvergensi h
rus sel
lu di
m
ti untuk menentuk
n s
t penghenti
n proses pengul
ng
n.
Seperti pemilih
n mod
, pemilih
n rute dipeng
ruhi oleh
ltern
tif terpendek, te
rcep
t, d
n termur
h, d
n jug
di
sumsik
n
hw
pem
k
i j
l
n mempuny
i inform
si y
ng cukup (tent
ng kem
cet
n j
l
n) sehingg
merek
d
p
t menentuk
n rute y
ng ter
ik. Untuk
ngkut
n umum, rute tel
h ditentuk
n
erd
s
rk
n mod
tr
nspor
t
si (
us d
n keret
pi mempuny
i rute y
ng tet
p). D
l
m k
sus ini, pemilih
n
mod
d
n rute dil
kuk
n
ers
m
s
m
. Untuk kend
r
n pri
di, di
sumsik
n
hw
or
ng memilih mod
dulu,
ru ruteny
. Bi
y
perj
l
n
n d
p
t diny
t
k
n d
l
m
entuk
i
y
, w
ktu tempuh, j
r
k,
t
u
i
y
g
ung
n. D
p
t di
sumsik
n
hw
i
y
perj
l
n
n sep
nj
ng rute tertentu d
ri zon
s
l i ke zon
tuju
n d merup
k
n penjuml
h
n
i
y
d
ri seti
p ru
s j
l
n y
ng
d
d
l
m rute terse
ut. J
di
, deng
n mengidentifik
si semu
i
y
p
d
seti
p ru
s, su
tu model
k
n d
p
t m
enggun
k
n
lgoritm
pem
entuk
n pohon untuk menentuk
n rute ter
ik
gi seti
p
p
s
ng
n
nt
rzon
. Tet
pi, seti
p or
ng mempuny
i persepsi y
ng
er
ed
mengen
i
i
y
perj
l
n
n sehingg
sulit meny
tuk
n per
ed
n persepsi ini ke d
l
m s
tu model pemilih
n rute y
ng sederh
n
d
n efisien. Per
ed
n persepsi inil
h y
ng mengh
silk
n pol
pemilih
n rute y
ng diken
l deng
n pemilih
n rute stok
stik
. Efek stok
stik tim
ul k
ren
d
ny
per
ed
n persepsi seti
p pengend
r
tent
ng
i
y
perj
l
n
n, sed
ngk
n efek
t
s
nk
p
sit
s tim
ul k
ren
i
y
perj
l
n
n (d
l
m h
l ini komponen w
ktu tempuh) terg
ntung p
d
rus l
lulint
s. Deng
n k
t
l
in, kedu
efek terse
ut terj
di
ers
m
s
m
, khususny
di d
er
h perko
t
n, sehingg
model pemilih
n rute y
ng ter
ik h
rus mengikutsert
k
n kedu
ef
ek terse
ut. Efek stok
stik merup
k
n f
ktor y
ng domin
n p
d
tingk
t
rus l
lu
lint
s y
ng rend
h, sed
ngk
n efek
t
s
n k
p
sit
s domin
n p
d
tingk
t
rus l
lulint
s y
ng tinggi.
Model pemilih
n rute 285
Jik
di
sumsik
n
hw
semu
pengend
r
mempuny
i persepsi y
ng s
m
mengen
i
i
y
, m
k
p
d
kondisi tid
k m
cet,
k
n sel
lu
d
s
tu rute ter
ik (h
ny
s
t
u)
gi seti
p zon
s
l d
n tuju
n. Tet
pi, p
d
kondisi m
cet,
i
y
perj
l
n
n p
d
su
tu ru
s j
l
n tid
k h
ny
terg
ntung p
d
ciri ru
s, tet
pi jug
p
d
juml
h kend
r
n y
ng menggun
k
n ru
s j
l
n terse
ut.
7.2.3 Pem
entuk
n pohon
Pem
entuk
n pohon
d
l
h t
h
p
n penting d
l
m seti
p model pemilih
n rute k
ren
du
l
s
n ut
m
. Pert
m
, h
l ini s
ng
t sering dil
kuk
n d
l
m
lgoritm
pem
ec
h
nny
, minim
l sek
li per pengul
ng
n. Kedu
,
lgoritm
pem
entuk
n pohon y
ng
ik d
p
t menghem
t w
ktu d
n
i
y
komputer. Algoritm
y
ng
ik
uk
n h
ny
efisien, tet
pi h
rus ditulis d
l
m
entuk progr
m komputer, terg
ntung p
d
h
s
komputer y
ng digun
k
n. V
n Vliet (1978) mem
h
s deng
n s
ng
t
ik
lgo
ritm
y
ng p
ling sering digun
k
n. Sec
r
umum terd
p
t du
lgoritm
d
s
r y
n
g sering digun
k
n untuk menc
ri rute tercep
t (
t
u termur
h) d
l
m su
tu j
rin
g
n j
l
n. Kedu
lgoritm
itu
d
l
h Moore (1957) d
n Dijkstr
(1959). Kedu
ny
diter
ngk
n deng
n menggun
k
n not
si
erorient
si simpul: j
r
k (
i
y
) ru
s
nt
r
du
titik A d
n B d
l
m su
tu j
ring
n dinot
sik
n deng
n dA,B. Rute didef
inisik
n d
l
m
entuk urut
n simpul y
ng s
ling
erhu
ung
n, ACDH d
n seterusny
, s
ed
ngk
n j
r
k rute
d
l
h penjuml
h
n seti
p ru
s y
ng
d
d
l
m rute terse
ut.
Angg
p dA
d
l
h j
r
k minimum
nt
r
zon
s
l d
ri pohon S ke simpul A; PA
d
l
h simpul se
elum A sehingg
ru
s (PA,A)
d
l
h
gi
n d
ri rute terpendek d
r
i S ke A. Prosedur untuk mengh
silk
n rute tercep
t d
ri S ke seti
p simpul y
ng
l
in dijel
sk
n se
g
i
erikut. Tet
pk
n semu
dA = (deng
n juml
h simpul y
ng
disesu
ik
n deng
n k
p
sit
s kem
mpu
n memori komputer) kecu
li dS y
ng h
rus s
m
deng
n nol. Tet
pk
n jug
t
el tid
k
erujung
khir L y
ng n
ntiny
k
n
e
risi d
t
simpul y
ng sud
h dic
p
i oleh
lgoritm
, tet
pi
elum semu
ny
di
n
l
isis
p
k
h simpul terse
ut merup
k
n simpul se
elum
gi simpul seterusny
. Ini
si
lk
n semu
m
suk
n Li d
l
m L ke nol d
n semu
PA ke su
tu nil
i tertentu y
n
g ditentuk
n.
7.2.3.1 Inisi
lis
si 7.2.3.2 Prosedur
Mul
il
h deng
n simpul
s
l S se
g
i simpul
w
l = A;
1 2 3
Periks
seti
p ru
s (A,B) d
ri simpul
w
l A sec
r
erg
nti
n jik
dA + dA,B <
dB, kemudi
n tet
pk
n dB = dA+dA,B d
n PB = A d
n t
m
h B ke L; Pind
hk
n A d
r
i L jik
t
el tid
k
erujung
khir tel
h kosong, l
lu stop. Jik
t
el
elum ko
song, pilih simpul l
inny
d
ri t
el tid
k
erujung
khir d
n kem
li ke t
h
p
1 deng
n simpul
s
l
erikutny
.
Terd
p
t tig
koment
r y
ng h
rus di
erik
n. Pert
m
, sec
r
umum rute tid
k dip
er
olehk
n menggun
k
n pus
t zon
; k
ren
itu, d
l
m t
h
p 1, B tid
k
oleh dig
ungk
n ke d
l
m L jik
B
d
l
h pus
t zon
. Kedu
, per
ed
n ut
m
nt
r
286 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
lgoritm
Moore d
n Dijkstr
er
d
p
d
prosedur pemilih
n simpul d
ri L. Moore
memilih urut
n pert
m
, y
ng merup
k
n input d
t
y
ng pert
m
d
l
m L; Dijkstr
memilih simpul y
ng terdek
t deng
n
s
l, mis
lny
simpul Li sehingg
dLi mini
mum. H
l ini mem
utuhk
n
e
er
p
perhitung
n t
m
h
n (term
suk penyortir
n sim
pul), tet
pi menj
min
hw
seti
p ru
s h
ny
diperiks
sek
li s
j
. Algoritm
D
ijkstr
le
ih
ik d
ri Moore, terut
m
untuk penggun
n p
d
j
ring
n y
ng lu
s
; k
ren
itu, le
ih sulit mem
u
t progr
mny
. Akhirny
, pohon
i
s
ny
disimp
n
di komputer d
l
m
entuk set simpul se
elum y
ng
erurut
n deng
n A merup
k
n si
mpul se
elum d
ri B jik
ru
s (A,B) mem
entuk
gi
n d
ri pohon;
t
u su
tu set
ru
s se
elum deng
n definisi y
ng serup
. V
n Vliet (1977)
erh
sil mengidentifi
k
si
lgoritm
y
ng s
ng
t
ik untuk digun
k
n p
d
j
ring
n y
ng lu
s, dise
ut
lgoritm
DEsopo y
ng tel
h diuji oleh P
pe (1974). DEsopo menggun
k
n du
u
h t
el tid
k
erujung
khir sehingg
simpul B d
p
t dim
sukk
n p
d
s
l
h s
tu sim
pul ujung, terg
ntung p
d
st
tus ny
. Jik
B
elum dic
p
i oleh pohon, h
rus dim
sukk
n p
d
d
s
r L; jik
sud
h
d
d
l
m t
el, d
t
terse
ut tid
k
oleh dim
s
ukk
n; tet
pi, jik
sud
h dim
sukk
n ke d
l
m L, periks
d
n pind
hk
n d
ri t
e
l, kemudi
n m
sukk
n p
ling
t
s. Su
tu deret sederh
n
d
p
t digun
k
n untuk me
nyimp
n st
tus deng
n tig
nil
i potensi
l (+1, 0,
t
u 1), terg
ntung p
d
st
tu
s simpul y
ng ditinj
u. Seperti diter
ngk
n oleh V
n Vliet (1977),
lgoritm
DEso
po d
p
t mengur
ngi w
ktu proses komputer se
ny
k 50%, rel
tif terh
d
p
lgorit
m
Moore. Sel
in itu, unjuk kerj
ny
s
ng
t mirip d
n
i
s
ny
le
ih
ik di
nd
ingk
n deng
n
lgoritm
Dijkstr
. Algoritm
DEsopo mempuny
i nil
i t
m
h y
ng
e
s
r di
ndingk
n deng
n kedu
lgoritm
y
ng dijel
sk
n se
elumny
. Pohon mempun
y
i du
kegun
n t
m
h
n penting d
l
m perenc
n
n d
n pemodel
n tr
nsport
si,
y
ng sering digun
k
n untuk menjel
sk
n
i
y
. Se
g
i contoh, tot
l w
ktu tempu
h
nt
r
du
zon
is
did
p
t deng
n mengikuti urut
n ru
s d
l
m pohon d
n menj
uml
hk
n w
ktu tempuhny
. Oper
si ini sering dise
ut proses pengur
i
n pohon. Po
hon diperluk
n, jik
w
ktu tempuh d
p
t diur
ik
n d
l
m
entuk
tri
ut l
inny
,
mis
lny
i
y
g
ung
n, j
r
k, d
n juml
h simpul. Pohon d
p
t jug
digun
k
n un
tuk mengh
silk
n inform
si p
d
s
t p
s
ng
n As
lTuju
n sud
h p
sti memilih rute
tertentu. F
silit
s ini, sering dise
ut
n
lisis ru
s terpilih, memungkink
n me
ngen
li pengend
r
y
ng terpeng
ruh oleh peru
h
n j
ring
n. Sel
in itu, d
p
t j
ug
digun
k
n untuk mengidentifik
si titik m
suk d
n kelu
r ke su
tu d
er
h k
ji
n y
ng kecil d
n pohon y
ng mengg
ungk
n zon
w
l ke zon
ekstern
l d
ri k
w
s
n
ru.
7.2.4 Al
s
n pemilih
n rute
Model h
rus mew
kili ciri sistem tr
nsport
si d
n s
l
h s
tu hipotesis tent
ng p
emilih
n rute pem
k
i j
l
n. Terd
p
t tig
hipotesis y
ng d
p
t digun
k
n y
ng m
engh
silk
n jenis model y
ng
er
ed
ed
.
Model pemilih
n rute 287
Pem
k
i j
l
n sec
r
r
sion
l memilih 7.2.4.1 Pem
e
n
n
ll or nothing rute ter
pendek y
ng meminimumk
n h
m
t
n tr
nsport
si (j
r
k, w
ktu, d
n
i
y
). Semu
l
lulint
s
nt
r
zon
s
l d
n tuju
n menggun
k
n rute y
ng s
m
deng
n
ngg
p
n
hw
pem
k
i j
l
n menget
hui rute y
ng tercep
t terse
ut. Deng
n k
t
l
in,
pem
k
i j
l
n menget
hui rute terpendek y
ng meminimumk
n w
ktu tempuh d
n semu
ny
menggun
k
n rute terse
ut, tid
k
d
y
ng menggun
k
n rute l
in. Di
sumsik
n
pem
k
i j
l
n tid
k menge7.2.4.2 Pem
e
n
n
ny
k ru
s t
hui inform
si y
ng te
p
t mengen
i rute tercep
t. Pengend
r
memilih rute y
ng dipikirny
d
l
h rute
tercep
t, tet
pi persepsi y
ng
er
ed
untuk seti
p pem
k
i j
l
n meng
ki
tk
n
erm
c
m m
c
m rute
k
n dipilih
nt
r
du
zon
tertentu. Di
sumsik
n
hw
pem
k
i j
l
n
elum mend
p
tk
n inform
si tent
ng
ltern
tif rute y
ng l
y
k. Di
m
emilih rute y
ng di
ngg
pny
ter
ik (j
r
k tempuh pendek, w
ktu tempuh singk
t,
d
n
i
y
minimum).
7.2.4.3 Pem
e
n
n
erpelu
ng
Pem
k
i j
l
n menggun
k
n
e
er
p
f
ktor rute d
l
m pemilih
n ruteny
deng
n me
minimumk
n h
m
t
n tr
nsport
si. Contohny
, f
ktor y
ng tid
k d
p
t diku
ntifik
si seperti rute y
ng
m
n d
n rute y
ng p
nor
m
ny
ind
h. D
l
m h
l ini, penge
nd
r
memperh
tik
n f
ktor l
in sel
in j
r
k, w
ktu tempuh, d
n
i
y
y
ng minim
um, mis
lny
rute y
ng tel
h diken
l
t
u y
ng di
ngg
p
m
n.
7.2.5 F
ktor penentu ut
m
W
ktu tempuh
d
l
h w
ktu tot
l perj
l
n
n y
ng di7.2.5.1 W
ktu tempuh perluk
n,
term
suk
erhenti d
n tund
n, d
ri su
tu temp
t ke temp
t l
in mel
lui rute te
rtentu. W
ktu tempuh d
p
t di
m
ti deng
n du
c
r
. Pert
m
deng
n metode Peng
m
t Berger
k, y
itu peng
m
t mengemudik
n kend
r
n survei di d
l
m
rus l
lulint
s d
n menc
t
t w
ktu tempuhny
.
7.2.5.2 Nil
i w
ktu
Nil
i w
ktu
d
l
h sejuml
h u
ng y
ng disedi
k
n seseor
ng untuk dikelu
rk
n (
t
u dihem
t) untuk menghem
t s
tu unit w
ktu perj
l
n
n. Nil
i w
ktu
i
s
ny
se
nding deng
n pend
p
t
n per k
pit
, merup
k
n per
nding
n y
ng tet
p deng
n ti
ngk
t pend
p
t
n. Ini did
s
ri
sumsi
hw
w
ktu perj
l
n
n tet
p konst
n sep
n
j
ng w
ktu, rel
tif terh
d
p pengelu
r
n konsumen. Ini merup
k
n
sumsi y
ng
g
k
er
ni k
ren
sedikit
t
u tid
k
d
ny
d
t
empiris y
ng menyokongny
. Bi
y
perj
l
n
n d
p
t diny
t
k
n d
l
m
entuk u
ng, w
ktu tempuh, j
r
k,
t
u kom
in
si ketig
ny
y
ng
i
s
dise
ut
i
y
g
ung
n. D
l
m h
l ini di
sumsik
n
hw
tot
l
i
y
perj
l
n
n sep
nj
ng rute tertentu
d
l
h juml
h d
ri
i
y
seti
p r
u
s j
l
n y
ng dil
lui.
7.2.5.3 Bi
y
perj
l
n
n
J
di, deng
n menget
hui semu
i
y
d
ri seti
p ru
s j
l
n, d
p
t ditentuk
n (de
ng
n
lgoritm
tertentu) rute ter
ik y
ng d
p
t dil
lui p
d
j
ring
n j
l
n ter
se
ut. Tet
pi, persepsi seti
p pengend
r
terh
d
p
i
y
perj
l
n
n jel
s
er
ed
288 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
ed
sehingg
suk
r menj
rk
n per
ed
n ini ke d
l
m
entuk model pemilih
n ru
te y
ng sederh
n
. Efek
t
s
n k
p
sit
s d
n stok
stik d
p
t jug
di
n
lisis d
l
m
entuk
i
y
perj
l
n
n. Kit
d
p
t meng
sumsik
n
hw
seti
p pem
k
i j
l
n
memilih rute y
ng meminimumk
n
i
y
perj
l
n
nny
d
n ini s
ng
t
er
g
m. J
di
, diperluk
n us
h
untuk mend
p
tk
n r
t
r
t
i
y
perj
l
n
n y
ng sesu
i untu
k semu
pengend
r
. Metode y
ng p
ling sering digun
k
n
d
l
h deng
n mendefinis
ik
n
i
y
se
g
i kom
in
si line
r
nt
r
j
r
k d
n w
ktu: Bi
y
=
1 x w
ktu +
2 x j
r
k +
3
1 = nil
i w
ktu (Rp/j
m)
2 =
i
y
oper
si kend
r
n (Rp/km)
3 =
i
y
t
m
h
n l
in (h
rg
k
rcis tol) Bi
y
oper
si kend
r
n merup
k
n
i
y
y
ng penting. Per
ik
n
t
u peningk
t
n mutu pr
s
r
n
d
n s
r
n
tr
nsport
si ke
ny
k
n
ertuju
n mengur
ngi
i
y
ini. Bi
y
oper
si kend
r
n
nt
r
l
in meliputi penggun
n
h
n
k
r, pelum
s,
i
y
pengg
nti
n (mis
lny
n),
i
y
per
w
t
n kend
r
n, d
n up
h
t
u g
ji supir.
7.2.5.4 Bi
y
oper
si kend
r
n
(7.13)
Bi
y
sur
nsi tid
k term
suk
i
y
oper
si kend
r
n k
ren
dihitung se
g
i
i
y
kecel
k
n. Emp
t f
ktor
i
y
pert
m
y
ng dise
utk
n di
t
s
i
s
ny
merup
k
n fungsi kecep
t
n. P
d
kecep
t
n rend
h,
il
kecep
t
n dit
m
h,
i
y
ini
k
n turun s
mp
i menc
p
i minimum (p
d
kecep
t
n rend
h rel
tif) d
n kemudi
n
n
ik terus menerus setel
h melew
ti
t
s kecep
t
n rend
h rel
tif terse
ut. J
di, per
ik
n sistem tr
nsport
si deng
n men
m
h kecep
t
n r
t
r
t
d
p
t meni
ngk
tk
n
i
y
oper
si. K
sus pengur
ng
n kecep
t
n y
ng dise
k
n oleh kem
cet
n l
lulint
s merup
k
n pengecu
li
n. P
d
k
sus ini, kecep
t
n rend
h menunjukk
n
i
y
oper
si y
ng tinggi k
ren
ert
m
hny
pengerem
n, percep
t
n, d
n ke
us
n kend
r
n. Jik
rus l
nc
r, kecep
t
n d
p
t meningk
t, meng
ki
tk
n
i
y
oper
si meningk
t di s
tu sisi, tet
pi di sisi l
in menghind
ri
i
y
oper
si t
m
h
n seperti y
ng dise
k
n p
d
k
sus kem
cet
n l
lulint
s. B
h
n
k
r mer
up
k
n komponen penting d
ri
i
y
oper
si kend
r
n. Untuk
e
er
p
kel
s kend
n,
h
n
k
r merup
k
n le
ih d
ri 50%
i
y
y
ng dikelu
rk
n per unit kelu
r
n. Bi
y
pelum
s
i
s
ny
kecil (kur
ng d
ri 3% d
ri tot
l
i
y
oper
si kend
n) d
n
g
k suk
r di
n
lisis. Seperti h
lny
h
n
k
r d
n oli,
n kend
r
n dikonsumsi sec
r
terus menerus sej
l
n deng
n
erger
kny
kend
r
n. Bi
y
n ini
d
l
h
i
y
untuk mem
eli
n
ru
t
u
i
y
vulk
nisir jik
n m
sih
d
l
m kondisi l
y
k (m
sih
er
d
d
l
m umur l
y
n). Umur l
y
n
n
nt
r
l
in
dipeng
ruhi oleh
e
n y
ng di
w
, posisi p
d
kend
r
n, kecep
t
n kend
r
n,
sif
t pengemudi, d
n kondisi j
l
n.
Model pemilih
n rute 289
Bi
y
per
w
t
n dipeng
ruhi oleh ciri j
l
n, terut
m
kondisi permuk
n j
l
n. D
eng
n
ert
m
hny
usi
kend
r
n deng
n teliti d
n menyeluruh y
ng mem
utuhk
n
i
y
y
ng tid
k mur
h. H
l terse
ut
k
n men
m
h
i
y
oper
si y
ng dikelu
rk
n. P
r
pem
c
y
ng ingin
menget
hui tent
ng
i
y
oper
si kend
r
n sec
r
le
ih rinci dis
r
nk
n mem
c
su
3.4.4.
7.3 Model
ll or nothing
7.3.1 Umum
Metode ini meng
sumsik
n
hw
proporsi pengend
r
d
l
m memilih rute y
ng diing
ink
n h
ny
terg
ntung p
d
sumsi pri
di, ciri fisik seti
p ru
s j
l
n y
ng
k
n dil
luiny
, d
n tid
k terg
ntung p
d
tingk
t kem
cet
n. Contoh y
ng p
ling u
mum d
ri jenis ini
d
l
h model
ll or nothing. Model ini merup
k
n model pemili
h
n rute y
ng p
ling sederh
n
, y
ng meng
sumsik
n
hw
semu
pengend
r
erus
h
meminimumk
n
i
y
perj
l
n
nny
y
ng terg
ntung p
d
k
r
kteristik j
ring
n
j
l
n d
n
sumsi pengend
r
. Jik
semu
pengend
r
memperkir
k
n
i
y
ini deng
n c
r
y
ng s
m
, p
stil
h merek
memilih rute y
ng s
m
. Bi
y
ini di
ngg
p tet
p d
n tid
k dipeng
ruhi oleh efek kem
cet
n. Metode ini meng
ngg
p
hw
semu
perj
l
n
n d
ri zon
s
l i ke zon
tuju
n d
k
n mengikuti rute tercep
t. D
l
m
k
sus tertentu,
sumsi ini di
ngg
p cukup re
listis, mis
lny
untuk d
er
h ping
gir
n kot
y
ng j
ring
n j
l
nny
tid
k
egitu r
p
t d
n y
ng tingk
t kem
cet
nn
y
tid
k
egitu
er
rti. Tet
pi,
sumsi ini menj
di tid
k re
listis jik
digun
k
n untuk d
er
h perkot
n y
ng sering meng
l
mi kem
cet
n. Meskipun demiki
n, mo
del
ll or nothing m
sih merup
k
n model y
ng p
ling sederh
n
d
n efisien sehin
gg
s
ng
t sering digun
k
n. Deng
n menget
hui rute ter
ik
nt
rzon
y
ng seti
p perger
k
nny
di
e
nk
n ke j
ring
n j
l
n mel
lui rute ter
ik terse
ut, m
k
tot
l
rus untuk seti
p ru
s j
l
n
is
dihitung. Model ini merup
k
n model ter
cep
t d
n termud
h d
n s
ng
t
ergun
untuk j
ring
n j
l
n y
ng tid
k
egitu r
p
t y
ng h
ny
mempuny
i
e
er
p
rute
ltern
tif s
j
. Sel
in itu, penggun
n me
tode
ll or nothing menyedi
k
n inform
si y
ng
erh
rg
gi p
r
perenc
n
tr
n
sport
si untuk menentuk
n
r
h pem
ngun
n j
ring
n j
l
n
ru. Jik
model
ll o
r nothing diter
pk
n p
d
j
ring
n seperti p
d
g
m
r 7.5, d
p
t dip
stik
n
h
w
rute 1
k
n dil
lui oleh 4.500 kend
r
n. H
l ini dise
k
n k
ren
model ini
meng
ik
n efek kem
cet
n sehingg
seti
p pengend
r
k
n mempuny
i persepsi y
ng s
m
terh
d
p rute ter
ikny
, y
itu rute 1. P
d
keny
t
nny
, h
l ini tid
k mungkin terj
di k
ren
k
p
sit
s rute 1 h
ny
1.500 kend
r
n per j
m; j
di, j
ik
rus tel
h mele
ihi k
p
sit
sny
, terj
dil
h kem
cet
n y
ng menye
k
n rute
2 menj
di le
ih men
rik d
n mul
i digun
k
n
290 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
oleh kend
r
n l
inny
. H
l ini merup
k
n kelem
h
n model
ll or nothing sehingg
h
ny
d
p
t digun
k
n p
d
kondisi j
ring
n j
l
n y
ng tid
k m
cet. Menentuk
n
rute terpendek deng
n c
r
m
nu
l tid
kl
h mud
h,
p
l
gi untuk j
ring
n y
ng l
u
s deng
n kep
d
t
n mod
y
ng tinggi. H
l ini merup
k
n t
nt
ng
n
gi p
r
pen
eliti untuk memec
hk
nny
. Algoritm
d
ri pem
e
n
n terse
ut
d
l
h prosedur pe
m
e
n
n d
ri MAT [T] p
d
rute ter
ik y
ng mengh
silk
n
rus VA,B p
d
ru
s
n
t
r
simpul A d
n B.
7.3.2 Algoritm
Semu
lgoritm
dimul
i deng
n t
h
p inisi
lis
si. P
d
t
h
p ini semu
VA,B = 0
d
n kemudi
n digun
k
n s
l
h s
tu pendek
t
n, y
itu pendek
t
n p
s
ng
n demip
s
ng
n
t
u pendek
t
n sek
ligus. Pendek
t
n ini
d
l
h pendek
t
n y
ng p
ling se
derh
n
y
ng
elum tentu p
ling efisien. Kit
mul
i d
ri zon
s
l d
n menggun
k
n zon
tuju
n sec
r
erurut
n. Pert
m
, tet
pk
n semu
VA,B = 0. Kemudi
n, unt
uk seti
p p
s
ng
n (i,d):
7.3.2.1 Pendek
t
n p
s
ng
n demi p
s
ng
n
1 2 3 4
set B menj
di zon
tuju
n d jik
(A,B) merup
k
n ru
s se
elum d
ri B, t
m
hk
n
VA,B se
es
r Tid,
t
u
u
t VA,B = VA,B + Tid set B menj
di A jik
A = i, stop (
l
kuk
n proses sel
njutny
untuk p
s
ng
n (i,d)
erikutny
,
t
u jik
tid
k, kem
li ke t
h
p 2.
Metode ini sering diken
l se
g
i metode 7.3.2.2 Pendek
t
n sek
ligus C
sc
de k
ren
proses pem
e
n
n
rus dil
kuk
n d
ri simpul ke seti
p ru
s y
ng sesu
i den
g
n rute ter
ikny
d
ri su
tu zon
s
l i. Tet
pk
n VA se
g
i
es
r
rus kumul
tif p
d
simpul A, l
lu 1 2 3 4 5 set semu
VA = 0, kecu
li untuk simpul tuju
n
d deng
n Vd=Tid set B s
m
deng
n simpul terj
uh d
ri i tingk
tk
n nil
i VA se
es
r VB deng
n A
d
l
h simpul se
elum d
ri B (
t
u deng
n k
t
l
in, set VA = V
A + VB; tingk
tk
n nil
i VA,B se
es
r VB (
t
u deng
n k
t
l
in, set VA,B = VA,B
+ VB); set B s
m
deng
n simpul y
ng p
ling j
uh
erikutny
; jik
B = i, simpul
s
l tel
h terc
p
i; mul
i l
gi deng
n proses simpul
s
l
erikutny
, jik
tid
k, terusk
n ke t
h
p 3.
D
l
m h
l ini, VB menunjukk
n tot
l perger
k
n d
ri i y
ng mel
lui simpul B d
n
simpul sel
njutny
d
ri i. Deng
n memilih simpul d
l
m
entuk tersusun sesu
i de
ng
n j
r
k, seti
p simpul diproses sek
li s
j
. Algoritm
ini mem
utuhk
n pohon
untuk disimp
n d
l
m
entuk urut
n simpul se
elum
erd
s
rk
n j
r
k d
ri simpul
s
l.
Model pemilih
n rute 291
G
m
r 7.6 (Bl
ck, 1982) mengilustr
sik
n metode pem
e
n
n
ll or nothing (
ngk
p
d
seti
p ru
s
d
l
h w
ktu tempuh d
l
m menit untuk ru
s terse
ut). Mud
h d
ilih
t
hw
rute tercep
t d
ri zon
i ke zon
d
d
l
h 143. Rute tercep
t d
ri zo
n
i ke seti
p zon
l
inny
d
l
m d
er
h k
ji
n d
p
t ditentuk
n, d
n kumpul
n r
ute itu dise
ut pohon d
ri zon
i.
G
m
r 7.6 J
ring
n sederh
n
d
n w
ktu tempuh ru
s Sum
er: Bl
ck (1982)
Rute terpendek h
ny
mungkin did
p
tk
n deng
n c
r
m
nu
l untuk j
ring
n y
ng s
ederh
n
,
uk
n untuk j
ring
n j
l
n y
ng lu
s. Ini merup
k
n perm
s
l
h
n y
ng
tid
k terpec
hk
n sel
m
e
er
p
t
hun d
l
m perenc
n
n tr
nsport
si d
n tekni
k l
lulint
s. B
ny
k or
ng menco
menc
ri metode
t
u
lgoritm
untuk memec
hk
n m
s
l
h ini. Metode
ll or nothing kur
ng disuk
i oleh p
r
perenc
n
;
i
s
ny
digun
k
n untuk memperlih
tk
n g
ris keingin
n, mis
lny
rute y
ng dipilih pen
gend
r
jik
tid
k
d
kem
cet
n. Jug
, d
p
t digun
k
n se
g
i d
s
r d
l
m mel
kuk
n model pemilih
n rute y
ng l
in, mis
lny
metode pem
e
n
n keseim
ng
n d
n stok
stik. P
d
khir t
hun 1950
n d
n
w
l t
hun 1960
n
e
er
p
solusi
kh
irny
did
p
t. Metode y
ng p
ling terken
l
d
l
h Moore (1957) y
ng tel
h meneku
ni m
s
l
h ini untuk
e
er
p
t
hun. Tet
pi, w
l
upun Moore
d
l
h or
ng pert
m
y
ng memec
hk
n m
s
l
h ini, di
uk
nl
h or
ng pert
m
y
ng memec
hk
nny
sec
r
tunt
s. Solusi y
ng le
ih lengk
p did
p
tk
n oleh Whiting
nd Hillier (1958)
sert
Ford
nd Fulkerson (1958). Metode Whiting d
n Hillier y
ng dise
ut d
l
m B
lunden (1971)
d
l
h c
r
y
ng p
ling ekonomis deng
n menggun
k
n komputer, sed
ngk
n metode Ford d
n Fulkerson dise
ut se
g
i metode ter
ik. Hillier menggun
k
n metod
j
ring
nd
w
i y
ng ditemuk
n oleh Minty (1957) y
ng ditr
nsl
sik
n me
nj
di
lgoritm
m
tem
tis. Hutchinson (1974) mendiskusik
n
e
er
p
pendek
t
n p
rosedur pemilih
n rute.
292 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
l
n
n (w
ktu) untuk seti
p ru
s j
l
n;
gi
n (II) memperlih
tk
n pohon
i
y
y
ng sesu
i deng
n
i
y
dit
m
h kontri
usi tot
l
rus setel
h dil
kuk
n pem
e
n
n; y
ng h
silny
d
p
t terlih
t p
d
gi
n (III).
6 2 4 6 8 4
A
10
3
4
C
3 10 2 4 5 2 3 8
B A
D
600 200 400 200 400 400
C (I)
200
200
200
D
300 300 300
C
300 100 100 100
( II ) B
600 400 200 500 0
100 400 300 400
D
A
0
300
C
300 100 300 200 0 300 0 0
( III ) B G
m
r 7.7 J
ring
n sederh
n
, pohon d
n
rus h
sil pem
e
n
n MAT Sum
er: Ortuz
r
nd Willumsen (1994)
D
Model pemilih
n rute 293
y
, khususny
p
d
s
t volume
rus l
lulint
s mendek
ti k
p
sit
s,
ny
k terd
p
t rute
ltern
tif l
in y
ng
erv
ri
si, terg
ntung p
d
j
r
k. Model y
ng le
ih re
listis y
ng dise
ut model
ny
k rute menye
rk
n
rus y
ng
d
ke rute te
rse
ut deng
n memperh
tik
n kecenderung
n seti
p pengend
r
d
l
m memilih rute.
Pengend
r
di
sumsik
n
k
n meng
m
il rute tercep
t, tet
pi tid
k y
kin m
n
rut
e tercep
t itu. Cermin
n w
ktu tempuh untuk seti
p rute y
ng di
ngg
p pengend
r
se
g
i rute tercep
t dih
silk
n deng
n seleksi sec
r
c
k se
r
n y
ng mempun
y
i r
t
r
t
w
ktu tempuh se
en
rny
d
ri rute terse
ut. H
ny
s
tu rute y
ng
k
n digun
k
n
nt
r
seti
p p
s
ng
n zon
i d
n d; penjuml
h
n
rus l
lulint
s
nt
r
zon
i d
n d mengh
silk
n tingk
t ke
c
k
n pem
e
n
n terse
ut. Se
u
h con
toh d
l
m Bl
ck (1981) mengilustr
sik
n prinsip y
ng mel
t
r
el
k
ngi metode ini
. Model ini m
sih meng
ik
n hu
ung
n
nt
r
rus deng
n
i
y
, tet
pi tel
h me
mperhitungk
n v
ri
si
nt
r
persepsi perseor
ng
n terh
d
p w
ktu tempuh. Model
stok
stik ini
er
ed
deng
n model
ll or nothing k
ren
d
l
m model ini pem
k
i
j
l
n dise
rk
n kep
d
e
er
p
pemilih
n rute. Be
er
p
model y
ng term
suk d
l
m model stok
stik
d
l
h model Burrell (1968), model S
k
rovitch (1968), d
n
model Di
l (1971). Ketig
ny
m
sih meng
ik
n efek kem
cet
n, tet
pi le
ih re
l
istis jik
di
ndingk
n deng
n model
ll or nothing k
ren
mem
erik
n se
r
n y
ng le
ih
ik y
ng memungkink
n per
ed
n persepsi
nt
r
pengend
r
d
p
t diper
hitungk
n.
7.4.1 Model Burrell
Burrell (1968) mengusulk
n su
tu model untuk k
sus
ny
k rute; mungkin merup
k
n model y
ng p
ling sering digun
k
n di Inggris. P
d
model ini di
sumsik
n
hw
i
y
perj
l
n
n untuk seti
p ru
s j
l
n d
l
m j
ring
n dise
r sekit
r nil
i
r
t
r
t
i
y
perj
l
n
n. Be
er
p
sumsi y
ng mend
s
ri pengem
ng
n metode i
ni
d
l
h se
g
i
erikut. Untuk seti
p ru
s j
l
n, kit
h
rus d
p
t mem
ed
k
n
i
y
o
jektif se
g
im
n
dipersepsik
n oleh peng
m
t d
n
i
y
su
jektif seper
ti y
ng diingink
n oleh pengend
r
. Sel
njutny
, di
sumsik
n terd
p
t se
r
n
i
y
persepsi untuk seti
p ru
s deng
n
i
y
o
jektif se
g
i r
t
n, seperti ter
lih
t p
d
g
m
r 7.8. Model terse
ut mendefinisik
n nil
i r
t
n
i
y
terse
ut
disert
i
entuk se
r
n
i
y
untuk seti
p ru
s j
l
n di sekit
r nil
i r
t
n t
erse
ut. Bi
y
perj
l
n
n untuk seti
p ru
s j
l
n kemudi
n d
p
t dih
silk
n deng
n meng
m
il s
mpel
c
k d
ri se
r
n
i
y
itu. Bil
ng
n
c
k, mis
lny
deng
n
se
r
n mer
t
digun
k
n untuk mend
p
tk
n
i
y
untuk seti
p ru
s sec
r
erul
ng ul
ng. Model terse
ut kemudi
n menemuk
n d
n
294 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
mem
e
nk
n rute tercep
t y
ng meminimumk
n
i
y
perj
l
n
n. Oleh k
ren
itu, d
p
t dih
silk
n N set rute untuk seti
p set
i
y
r
t
r
t
.
G
m
r 7.8 Se
r
n
i
y
persepsi p
d
su
tu ru
s j
l
n
Se
r
n
i
y
persepsi di
sumsik
n tid
k s
ling
erkorel
si. Pengend
r
di
sumsi
k
n memilih rute y
ng meminimumk
n
i
y
menurut persepsiny
, y
ng
is
did
p
t
se
g
i penjuml
h
n
i
y
seti
p ru
sny
.
Penjel
s
n umum tent
ng
lgoritm
y
ng digun
k
n
k
n diter
ngk
n
erikut ini. T
entuk
n se
r
n (term
suk p
r
meter dispersi ) untuk biaya eei etia ua j
alan. Piahkan oulai yang akan begeak untuk etia aangan aaltujuan menja
i N egmen; etia egmen iaumikan memunyai biaya eei yang ama. 1 2 3
buat n = 0; buat n = n + 1; untuk etia aangan aaltujuan (i): hitung biaya
eei untuk etia ua jalan engan mengambil amel ai ebaan biaya ee
i engan menggunakan bilangan acak; buat ute engan biaya eei minimum a
i i ke an bebankan Ti/N ke ute teebut yang akhinya menghailkan bea a
u aa etia ua jalan.
4
Jika n = N, to; jika tiak, kejakan taha (2).
Banyak hal yang aat ilakukan untuk menguangi waktu komutai, mialnya: bent
uk uatu et bau biaya ecaa acak e imul aal, bukan untuk etia aangan
i; gunakan N ama engan 3 atau 5 an bentuk atu et biaya ecaa acak untuk
etia matik, bukan untuk etia aangan i atau imul aal; gunakan nilai N y
ang kecil (mialnya 1).
Selanjutnya, MAT ibagi menjai N bagian, an etia bagian ibebankan mengikuti
etia ute yang ijelakan ebelumnya. Ini ilakukan ebanyak N kali amai e
luuh MAT telah ibebankan ke jaingan. Caa ini tenyata meuakan
Moel emilihan ute 295
metoe yang lebih baik alam menaatkan ute yang ealiti anta aangan zona
. Poeu aat igunakan aa konii tiak macet atau juga aa konii macet
. Penekatan eeti ini memelukan imulai untuk menguangi jumlah ute tebai
k lainnya. Jika kita membutuhkan jumlah ute yang banyak, nilai N an/atau aam
ete iei () ai ebaan biaya elu iebea. Penekatan Buell memunya
i keuntungan alam menghailkan ute yang muah, bukan ute yang mahal: jika ua
tu ute mahal, ute teebut ceneung tiak akan muah ebagai hail vaiai t
okatik biaya. Walauun enggunaan ebaan eagam angat efiien alam hal wakt
u komute, tetai tiak begitu ealiti. Fungi yang lebih baik, tetai membut
uhkan waktu yang lebih lama alam hal waktu komutai, aalah ebaan nomal en
gan vaiani yang ooional engan ata ata biaya objektif. Dalam metoe Mon
te Calo, hail akhi tegantung aa bilangan acak yang igunakan alam imula
i. Memebea nilai N akan memekecil maalah. Tetai, teaat bebeaa keuk
aan yang itemui alam enekatan ini. Biaya eei tiak aling tegantung k
aena etia engenaa memunyai eei yang bebea. Aumi biaya eei y
ang aling tiak tegantung menghailkan einahan antaa ute ejaja yang i
hubungkan engan jalan aming. Tiak aa hal yang ati mengenai efek kemacetan
.
Konii ini igunakan jika etia altenatif ute ai zona i ke zona ialoka
ikan keaa eluang yang akan igunakan oleh engenaa antaa ua zona. Bila i
gabung, eluang etia altenatif ute akan menjai atu. Metoe embebanan Dial
iaakan aa kenyataan bahwa ute yang lebih anjang memunyai eluang lebih
kecil ibaningkan engan ute yang lebih enek. Rute yang lebih enek memun
yai kemungkinan lebih bea untuk igunakan. Kemungkinan emilihan ute iel
ihatkan engan moel beikut ini: ob( ) = ex( 1.t )
=1
ex( a.t )
N
(7.14)
ob() = eluang memilih ute t N a = waktu temuh aa ute = jumlah ute
altenatif = aamete yang akan ikalibai
Jika a = 0, emua ute altenatif akan memunyai eluang yang ama untuk iilih
. Jika nilai a makin bea, ute yang lebih enek akan mulai iilih. Tetai, j
ika nilai a angat bea, hanya ute teceat aja yang teilih (mialnya: nila
i a yang bea akan menghailkan olui yang mii engan olui hail embebana
n all onothing). Secaa ekliit, emua metoe ini beaakan aa algoitma
embebanan yang membagi egeakan yang tiba aa uatu imul ke imul lainnya
yang memungkinkan. Paa kau embebanan all o nothing, emua egeakan hanya
menggunakan atu imul aja. Seing imlementai metoe ini memutabalikkan ma
alah; oe embagian egeakan aa uatu imul ebenanya iaai ai ma
na egeakan teebut atang, bukan ke mana egeakan teebut akan egi. Pe
timbangkan imul B aa gamba 7.9; teaat bebeaa titik mauk yang mungkin
yang inyatakan engan A1, A2, A3, A4, an A5 untuk egeakan ai i ke .
i
Gamba 7.9 Simul B an ua jalan mauk
Fakto fungi embagi (fi) iefiniikan ebagai:
Moel emilihan ute 297
fi = 0 0 fi 1
jika jika
Ai B Ai < Bi
(7.15)
A i menyatakan biaya minimum ai imul aal i ke imul Ai. Konii etama
menyaatkan bahwa fi ama engan nol jika imul Ai beaa aa oii lebih ja
uh ai aal ibaningkan engan oii B. Pegeakan TB yang melalui imul B
ibagi melalui eamaan: T f F (A i , B ) = B i (7.16) fi
i
Poeu embebanan ekaang ekivalen engan metoe Cacae (all o nothing). Im
lementai ie teebut bebea kaena aanya fakto fungi embagi fi. Metoe
atu ute yang iuulkan oleh Dial (1971) menyaatkan:
f i = ex( i )
(7.17)
i aalah biaya tambahan akibat ebeaan elama ejalanan ai imul aal ke
imul B via imul Ai ibaningkan engan via ute biaya minimum. Dalam hal ini,
jika Ai beaa i antaa ute biaya minimum, i ama engan nol an fi = 1. Sim
ul lainnya yang teletak aa ute yang lebih mahal memunyai nilai i > 0 an ni
lai fi < 1. Dalam kau ini, ute yang lebih enek lebih menguntungkan ibanin
gkan engan ute yang lebih mahal. Dial menjelakan algoitma ua kali lewat yan
g ecaa efektif menggunakan fomulai logit alam membagi egeakan ai i ke
i antaa ute yang memungkinkan: T ex( C idr ) Tidr = id (7.18) exp( C idr )
r
P
r
meter d
p
t digun
k
n untuk mengontrol penye
r
n perger
k
n di
nt
r
rute
y
ng
d
. Algoritm
y
ng digun
k
n meliputi prosedur lew
t m
ju d
n lew
tmundur.
1 Lew
t m
ju P
d
prosedur ini, tet
pk
n seti
p simpul A d
l
m urut
n y
ng sem
kin mem
es
r d
ri dA d
n tet
pk
n
o
ot untuk seti
p ru
s kelu
r (A,B) sehingg
w(A,B) = WA exp((A,B)) jika A < B atau nol; jika tiak, WA aalah bobot akumulat
if aa imul A yang ecaa efinii aalah: WA = w(A, A ) an WI = 1 (A aalah
enahulu A).
A
2
Lewat munu Poeu ini ientik engan algoitma lewat ekali, tetai engan m
enggunakan bobot w(A,B) untuk mengejakan oe emiahan egeakan, bukan men
ggunakan fakto fungi embagi fi.
298 Ofya Z Tamin, Peencanaan an emoelan tanotai
Contoh 7.3 Petimbangkan maalah ebuah kota yang ilayani oleh emat buah ute
eeti telihat aa gamba 7.10. Aumikan teaat 4.000 kenaaan yang bege
ak ai A ke B an emua ute kia kia memunyai biaya yang ama. Dalam kau
ini, algoitma Dial membagi 4.000 kenaaan teebut ebagai beikut: 1.000 ken
aaan melalui ute 2 an 1.000 kenaaan menggunakan tiga ute lainnya (ute 1,
3, an 4). Banyak engenaa mengangga maalah ini atu engan ua buah altena
tif aja yaitu: jalan ute 2 atau ute 1. Algoitma Dial menaat keulitan aa
aat memetimbangkan etia ute yang memungkinkan, mekiun emutai an kom
binai ai ua yang aa mungkin bebea engan eentae yang kecil. Dalam ha
l ini, Dial mengabaikan koelai antaute yang ama.
Rute 2
Rute 4 Rute 1 Rute 3
Gamba 7.10 Kota yang ilayani oleh jalan inta an jalan tembu
Secaa akti, Dial ceneung mengalokaikan egeakan lebih aa jaingan jal
an yang bekeaatan tinggi an ua jalan yang bejaak enek, bukan aa jai
ngan jalan yang bekeaatan enah an ua jalan yang bejaak jauh. Hal lain,
tategi koifikai jaingan juga memengauhi alokai egeakan. Poeu ini
membutuhkan oe komutai yang lebih umit ibaningkan engan metoe allo
nothing. Bebeaa eifikai ibutuhkan alam moel ini, yaitu: moel hau mem
unyai eluang yang lebih bea ai nol bagi emua ua jalan yang anta an
eluang ama engan nol bagi ua jalan yang tiak euai. emua ute yang mungki
n, yang memunyai anjang yang ama, memunyai eluang yang ama. jika teaat
ua atau lebih ute yang mungkin, yang memunyai anjang yang bebea bea, maka
ute yang lebih enek memunyai eluang yang lebih bea. engguna aat menen
tukan eluang engalihan ute.
Penggunaan kata eluang alam moel Dial ikecam oleh Floian an Fox (1976) yang
ceneung menggunakan kata ooi, mialnya: ooi egeakan yang menggunaka
n ua tetentu. Selain itu, telah ibuktikan juga bahwa anomali alam emilihan
ute yang ihailkan oleh algoitma Dial bekaitan engan akioma Ineenence
fom Ielevant Altenative (IIA).
Moel emilihan ute 299
Hal yang angat menaik ai moel Dial aalah aangan zona; jika ute betamba
h anjang, ute teebut akan menjai kuang iminati eta engguna moel memu
nyai failita untuk mengkalibai algoitma euai engan keeluannya. Robilla
(1974b) mengembangkan uatu oeu engan menggunakan ini kemiian mak
imum untuk mengkalibai aamete moel Dial engan menggunakan ata au lalu
linta. Tetai, oeu yang iuulkan memunyai bebeaa keugian. Petama, al
goitma hau iteakan untuk etia engulangan alam oeu encaian yang
ibutuhkan untuk memecahkan eamaan kemiian makimum tiak linea. Hal ini m
enyebabkan biaya oeai angat mahal untuk jaingan bekala meium. Keua, at
a hau banyak, eeti ibutuhkannya ata au lalulinta untuk etia ua jal
an. Fik (1977) bekeimulan bahwa mungkin aat ihailkan aamete moel Dia
l engan menggunakan metoe enakian kemiian makimum tana oe yang beu
lang ulang eeti yang telah ilakukan oleh Robilla (1974b). Juga, algoitma
yang iuulkan oleh Fik teebut menguangi kebutuhan akan ata an waktu komu
tai. Salah atu enyeehanaan yang ilakukan oleh hami emua moel emilihan
ute yang igunakan alam eencanaan tanotai aalah aanya aumi au la
lulinta konii tunak, yaitu au lalulinta elalu kontan eanjang waktu. Bi
aanya inut au yang kontan teebut aalah au aa jam ibuk atau ata at
a jam ibuk. Robilla (1974a) menguulkan moifikai moel Dial yang memehitu
ngkan aek inami ai ola au lalulinta. Algoitma ai moel moifikai i
ni menggunakan ecaa beulang ulang algoitma aa konii tunak eta oeu
tanfomai Fouie. Semua moel emilihan ute yang telah ijelakan alam u
bbab 7.3 maih mengabaikan efek kemacetan. Tetai, moel ini jauh lebih ealiti
jika ibaningkan engan moel all o nothing kaena aat menyebakan egea
kan aa item jaingan an memehitungkan ebeaan eei antaengenaa.
7.4.4 Moel eilaku kebutuhan akan tanotai
Awal ekembangan metoe eilaku kebutuhan akan tanotai timbul ai alil
eilaku yang eehana. Petama, alil ini menyatakan bahwa eeoang memilih
ute ai bebeaa ute altenatif beaakan ebaningan tingkat elayanan yan
g ibeikan item tanotai an item aktivita yang tegantung aa ifat
eeoang. Keua, alil teebut menyatakan bahwa keutuan yang iambil eeoa
ng aat imoelkan engan menggunakan eluang emilihan, an eluang ini hau
euai engan teoi aa eluang eeti yang itunjukkan aa eamaan beiku
t. 0 < ik < 1 untuk emua i an k (7.19) ik = 1 k = eluang oang i memilih
altenatif k ni = emua et altenatif yang teeia untuk ute i
i
untuk emua i
(7.20)
300 Ofya Z Tamin, Peencanaan an emoelan tanotai
Keutuan yang iambil manuia meuakan eluang alamiah, tetai engambilan ke
utuan ini iaai oleh etimbangan manfaat. Manfaat etia altenatif membei
kan aa untuk memekiakan eluang emilihan etia altenatif. Dalam eneka
tan ikologi untuk teoi eilaku ejalanan, iaumikan altenatif j memunya
i kegunaan Uij, yang meuakan fungi ai ifat altenatif Xj, an ifat eoa
ngan Si, eeti yang itunjukkan aa eamaan beikut:
U ij = U ( X j , S i )
(7.21)
Semakin tinggi manfaat uatu ute ibaningkan engan ute lain, emakin tinggi
ula eluang oang yang memilih ute teebut. Kaena eluang emilihan ute be
baning luu engan manfaatnya, maka ebaningan eluang ebagai ebaningan
manfaat aat inyatakan ebagai beikut:
Pai Pbi
=
U ( X a , Si ) U (X b , Si )
(7.22)
engan: Pia an Pib = eluang oang i memilih altenatif a an b Tana kehilanga
n ifat ifatnya, bentuk fungi aat iaumikan ebagai bentuk ekonenial,
eeti yang ielihatkan aa eamaan beikut: U ( X j , S i ) = ex V ( X j
, S i )
ex{ V ( X a , S i )} ex{ V ( X b , S i )}
{
}
(7.23)
Tetai, eamaan aat juga inyatakan engan eamaan beikut:
Pai Pbi =
(7.24)
Jika hanya teaat ua altenatif alam kumulan altenatif yang aa, beaak
an teoi eluang, maka eluang oang i memilih altenatif a an b betuut tuut
aalah ebagai beikut: V ( X a , S i )} ex{ Pai = (7.25a) V ( X a , S i )}+ e
x{ V ( X b , S i )} ex{
Pbi =
atau:
ex{ V ( X b , S i )} ex{ V ( X a , S i )}+ ex{ V ( X b , S i )}
Pai =
Pbi =
(7.25b)
ex{ V ( X a X b , S i )} 1 + ex{ V ( X a X b , S i )}
1 V ( X a X b , S i )} 1 + ex{
(7.26a) (7.26b)
Peamaan i ata iebut ebagai moel logit bine tana. HSU (1983) memakai
eamaan ini engan mengaumikan fungi manfaat ebagai beikut: F(Xa Xb,Si) =
F(X) (7.27)
Moel emilihan ute 301
an memilih F(X) ebagai: F(X) = Q0 + Q1X1 + Q2X2 + Q3X3 + ... + QKXK Qi = koefi
ien yang iekiakan (ieoleh melalui analii egei linea) Xi = eubah k
eteangan yang ihitung ai kombinai eubah ute an engenaa (7.28)
7.5 Moel bataan kaaita
Moel emilihan ute yang iteangkan aa ubbab 7.37.4 hanya tegantung aa a
umi engenaa an cii jaingan, bukan aa au lalulinta. Dalam konii mac
et, biaya yang ielukan etia ua jalan tegantung aa aunya melalui hubu
ngan matemati antaa ata ata biaya engan au lalulinta. Moel yang aling
euai untuk uatu kau akan angat tegantung aa cii aeah kajian. Tingkat
kemacetan, ute altenatif engan biayanya, an ie engenaa angat membantu
menentukan moel emilihan ute yang tebaik untuk kau tetentu. Bebeaa moe
l telah ikembangkan oleh aa eneliti yang biaa ikenal engan moel bataan
kaaita yang ijelakan beikut ini (lihat juga Van Vliet, 1976; Van Vliet an
Dow, 1979). Contoh 7.4 Petimbangkan kembali uatu aangan antazona engan u
a buah ute altenatif eeti yang telah iikuikan aa ubbab 7.2.2 (gamba
7.5). Aumikan bahwa bataan kaaita mutlak untuk etia ute iganti engan
ua hubungan waktuau eeti telihat aa gamba 7.11.
Au V ute 1 ute 2
Au V
Gamba 7.11 Hubungan waktuau untuk gamba 7.4
Au aa keua ute
ute kia kia ama.
waktuau an caa
gan: C2 = 15 + 0,005
C2 an C1 aalah biaya ejalanan melalui ute 2 an via ute 1 engan V2 an V1
aalah bea aunya. Secaa eehana aat ihailkan olui konii keeimba
ngan ebagai fungi ai V2 + V1 = VT: Dihailkan: 15 + 0,005 V2 = 10 + 0,02 (VTV
2) V2 = 0,8VT 200 (7.30)
Peamaan (7.30) hanya belaku untuk bilangan oitif (untuk nilai VT yang lebih
bea atau ama engan 200/0,8 = 250). Untuk VT < 250, C1 <C2, V2 = 0 an V1 =
VT (emua egeakan memilih jalan tembu). Tetai aa ituai VT > 250, keua
ute uah mulai igunakan. Contohnya, untuk VT = 2.000, konii keeimbangan te
caai aa nilai V2 = 1.400 an V1 = 600, eangkan biaya untuk etia ute aa
lah 22 menit. Hal yang ama juga belaku aa au egeakan alam uatu jaing
an jalan yang biaya ejalanannya untuk etia ute antaa ua titik aalah ama
aa konii keeimbangan. Pemaalahan ini tentu ulit iecahkan engan aljab
a linea; untuk itu ibutuhkan uatu metoe olui algoitma yang cocok. Bebea
a teknik telah iuulkan untuk menaatkan olui yang cocok untuk konii kee
imbangan Wao; bebeaa i antaanya meuakan enekatan heuitik eehana
, an aa juga yang beua uatu keangka emogaman matematik. Untuk membanin
gkan algoitma algoitma teebut, bebeaa unjuk keja yang aat igunakan aa
lah ebagai beikut: aakah oluinya tabil (tiak beubah ubah)? aakah olui
nya akan elalu konvegen engan olui konii keeimbangan Wao? aakah alg
oitma teebut efiien alam hal waktu komutai?
Inikato (lihat eamaan 7.31) eing igunakan untuk menguku konvegeni ua
tu olui ibaningkan engan olui aa konii keeimbangan Wao. =
(C i id i d r * C id
)
* id C id i d
(7.31)
r * C id C id adalah kelebihan biaya perjalanan pada suatu rute, relatif terhada
p biaya perjalanan minimum pada pasangan (i,d). Biaya ini dihitung setelah setia
p pengulangan dilakukan dan total arus dihasilkan untuk setiap ruas jalan. Karen
a itu, nilai aalah uatu ukuan total kelebihan biaya ejalanan ibaningkan
engan biaya ute otimal. Semakin kecil nilai , koniinya emakin menekati kon
ii keeimbangan Wao.
Teoi mengenai au lalulinta inami meneangkan bahwa waktu temuh akan beag
am aa uatu ute, tegantung aa au lalulinta yang menggunakannya. Jai, j
elalah bahwa waktu temuh yang igunakan alam bebeaa moel akan beubah eu
ai engan au lalulinta, an waktu teebut tiak teta eeti aa
Moel emilihan ute 303
aat tiak aa au. Moel embebanan yang memehitungkan fakto ini iebut mo
el bataan kaaita. Moel ini memunyai bataan kaaita; teaat hubungan
antaa biaya an au lalulinta melalui hubungan matemati. Bebeaa metoe heu
itik maih menggunakan ie bahwa emua egeakan ibebankan aa ute tetent
u aja (allo nothing), tetai mulai memehitungkan fakta yang menyatakan kaita
n antaa au egeakan an keceatan eta biaya tanotai. Bebeaa moel
ijelakan ecaa ingkat beikut ini.
7.5.1 Metoe all o nothing beulang
Paa engulangan ke 1, MAT ibebankan ke jaingan jalan engan menggunakan moel
all o nothing. Biaya etia ua jalan kemuian ihitung kembali euai engan
hubungan matemati antaa BiayaAu, an aa engulangan beikutnya MAT ibeban
kan kembali ke jaingan jalan euai engan biaya yang bau. Hal ini ilakukan b
eulang kali amai eubahan biaya i etia ua jalan menjai angat kecil. S
angat muah iahami bahwa ecaa umum oluinya beokilai an eing tiak bi
a konvegen. Paa contoh 7.4, untuk VT>250, au akan beokilai antaa emua
yang menggunakan jalan tembu aa atu engulangan an emua yang melalui jalan
inta aa engulangan beikutnya. Fenomena ini akan beulang aa jaingan ya
ng lebih lua, yang alam bebeaa kau, oluinya angat ulit iaatkan. Seb
agai alah atu uaha untuk membatai okilai teebut, iuulkan enggunaan ke
ceatan ata ata antaa ua atau lebih embebanan all o nothing untuk igunaka
n aa oe beikutnya. Caa ini eing ikenal engan eubahankeceatan eca
a elahan yang belawanan engan caa eubahan keceatanecaa ceat (metoe
ebelumnya). Tetai, caa ini hanya menginikaikan ebaikan kelemahan keua me
toe ini, yang maih membebankan egeakan aa jaingan jalan hanya aa atu
ute aja; uah tentu ini tiak euai engan moel keeimbangan Wao. Paa
contoh 7.4, engan muah aat ilihat bahwa metoe eubahan keceatanecaa e
lahan maih membebankan emua egeakan aa atu ute aa engulangan 1 an
ute lainnya aa engulangan beikutnya. Keua metoe teebut menghailkan ol
ui yang tiak tabil an tiak konvegen; enggunaan metoe eubahan keceatan
ecaa elahan hanya akan mengabaikan efek ini, khuunya untuk jaingan yang
lua. Dalam bentuk algoitma, keua metoe teebut aat ijelakan ebagai be
ikut: 1 2 Pilih uatu et iniial biaya, biaanya waktu temuh alam konii au
beba; et n = 0; Bentuk uatu et ohon biaya minimum an bebankan MAT (all o
nothing) untuk menaatkan uatu et biaya yang bau; tingkatkan nilai n ebe
a 1 (et n = n+1); (a) Peubahan keceatan ecaa ceat: hitung kembali biaya
ua euai engan au yang bau;
3
304 Ofya Z Tamin, Peencanaan an emoelan tanotai
(b) Peubahan keceatan ecaa elahan: hitung biaya ua engan nilai ebea
ata ata biaya yang ihailkan oleh engulangan ebelumnya engan biaya yang i
hitung oleh taha (a); 4 Jika au atau biaya tiak beubah ecaa angat nyata
aa ua engulangan yang beuutan, maka to; jika tiak, teukan ke taha (2
).
Seeti telah iaankan i ata, algoitma ini mungkin tiak akan enah behen
ti aa taha (4), kecuali itentukan bata jumlah engulangan makimum.
7.5.2 Metoe embebanan betaha
Ini aalah metoe enekatan yang angat menaik an ealiti. Dalam kau ini,
ini utama moel ini aalah membagi MAT total menjai bebeaa bagian MAT (m
ialnya 10%) engan menggunakan uatu et fakto ooional n = 0,1 engan
n = 1 . Setia bagian ai MAT teebut ibebankan ke jaingan jalan, ecaa
n
betaha, maing maing ihitung engan menggunakan biaya yang ihailkan oleh a
u yang ihailkan ebelumnya. Jai, alam etia embebanan, biaya ihitung ke
mbali beaakan hubungan matemati BiayaAu. Poe ini iulang kembali amai
emua MAT ibebankan. Keteatan moel ini tegantung aa ukuan ooi MAT y
ang ibebankan. Nilai tiikal untuk n aalah 0,1. Algoitma yang igunakan aa
t ituli ebagai beikut: 1 Pilih uatu et biaya ua, biaanya waktu temuh
alam konii au beba. Iniialiaikan emua au Va = 0; ilih uatu et fak
i n ai MAT T ehingga n = 1 ; buat n = 0;
n
2 3
Bentuk uatu et ohon biaya minimum (atu untuk etia imul aal) engan meng
gunakan biaya yang aa; buat n = n+1; Bebankan Tn = n.T engan menggunakan emb
ebanan all o nothing aa etia ohon teebut untuk menaatkan nilai au Fl
; akumulaikan au au teebut untuk etia ua jalan: V l n = V l n 1 + F l
(7.32)
4
Hitung uatu et biaya ua yang bau beaakan au ebea Vln ; jika bagian
MAT belum eleai ibebankan, kejakan taha (2); jika uah, to.
Algoitma ini tiak elalu hau euai engan olui aa konii keeimbangan
mekiun jumlah faki angat bea an ukuan nT angat kecil. Pembebanan e
ngan jeni eeti ini memunyai bataan: jika au uah ibebankan aa uatu
ua, maka au teebut tiak bia iinahkan atau ibebankan ke temat lain.
Oleh kaena itu, jika eeoang aa engulangan etama membebankan au cuku
bea yang tiak euai engan hail konii keeimbangan, maka algoitma teeb
ut tiak akan enah konvegen ke olui yang bena. Tetai, metoe embebanan b
etaha memunyai ua keuntungan: angat muah iogam;
Moel emilihan ute 305
hailnya bia igunakan untuk melihat evolui tejainya kemacetan aa jam ibu
k.
Contoh 7.5 Petimbangkan kembali eaang zona aaltujuan engan tiga buah ute a
ltenatif yang memunyai hubungan biayaau yang bebea bea eeti telihat a
a gamba 7.12. Teaat egeakan ebea 2.000 kenaaan yang akan begeak
ai zona aal A ke zona tujuan B. Beikut ini ibeikan bebeaa contoh embeban
an betaha engan bebagai kombinai faki embebanan.
Rute 2 C = 15 + 0,005 Rute 1 C = 10 + 0 02 V Rute 3 C = 12 5 + 0 015 Gamba 7.12
Paangan zona aaltujuan yang memunyai tiga ute altenatif B
A
Teaat 5 contoh kau yang akan ibaha, yaitu: Kau 1: faki embebanan e
agam ebea 25% Kau 2: faki embebanan eagam ebea 10% Kau 3: faki
embebanan eagam ebea 5% Kau 4: faki embebanan tiak eagam: 40%, 30%
, 20%, an 10%. Kau 5: faki embebanan tiak eagam: 10%, 20%, 30%, an 40%
.
Kau 1 Kita bagi egeakan (2.000 kenaaan) menjai emat bagian faki eag
am engan eentae ebea 25%, yaitu ebea 500 egeakan. Paa etia ent
ahaan, kita hitung biaya ejalanan yang bau euai engan eamaan biayaau
aa gamba 7.12. Hailnya iajikan aa tabel 7.3 beikut.
Tabel 7.3 Au an biaya etia ute engan metoe embebanan betaha (faki
eagam 25%) Pembebanan ke0 1 2 3 4 Total F 0 500 500 500 500 2.000
Rute 1 Au
0 500 500 500 500
Rute 2 Au
0 0 0 500 1.000
Rute 3 Au
0 0 500 500 500
Biaya
10 20 20 20 20
Biaya
15 15 15 17,5 20
Biaya
12,5 12,5 20 20 20
306 Ofya Z Tamin, Peencanaan an emoelan tanotai
Paa embebanan ke 0 (F=0) telihat bahwa ute 1 memunyai biaya tekecil ebea
10 ehingga menjai ute tebaik bagi embebanan beikutnya. Paa embebanan k
e 1, au ebea 500 akan ibebankan ke ute 1 ehingga biayanya beubah menja
i 20, eangkan biaya ute lainnya tiak beubah. Setelah embebanan ke 1, teli
hat bahwa ute 3 memunyai biaya tekecil ebea 12,5 an menjai ute tebaik
bagi embebanan ke 2. Setelah embebanan ke 2, telihat bahwa ute 2 memunyai b
iaya tekecil ebea 15 an menjai ute tebaik bagi embebanan ke 3. Setelah
embebanan ke 3, telihat bahwa ute 2 maih memunyai biaya tekecil ebea 17
,5 an menjai ute tebaik bagi embebanan ke 4. Akhinya, etelah embebanan t
eakhi (ke 4), ihailkan bea au an biaya etia ute. Telihat bahwa biay
a etia ute aalah ama, yaitu ebea 20. Telihat bahwa algoitma mencaai k
onvegen engan olui konii keeimbangan Wao. Nilai inikato untuk olu
i yang ihailkan aalah: = [500(20 20) + 1.000(20 20) + 500(20 20)]/(2.000 x 20
) = 0 Jika ibaningkan engan moel all o nothing yang eluuh egeakannya (
2.000) akan menggunakan ute 1, eangkan ute 2 an 3 tiak igunakan ama eka
li, aat iimulkan bahwa metoe embebanan betaha ini lebih euai engan k
enyataan i laangan. Telihat ula bahwa jika igunakan metoe embebananbetah
a engan faki eagam 50%, hailnya maih lebih baik ibaningkan engan moe
l all o nothing, mekiun belum konvegen engan konii keeimbangan Wao.
Kau 2 Kita bagi egeakan (2.000 kenaaan) menjai euluh bagian faki e
agam engan eentae ebea 10%, yaitu ebea 200 egeakan. Paa etia e
ntahaan, kita hitung biaya ejalanan yang bau euai engan eamaan biayaau
aa gamba 7.12. Hailnya iajikan aa tabel 7.4 beikut.
Tabel 7.4 Au an biaya etia ute engan metoe embebanan betaha (faki
eagam 10%) Pembebanan ke0 1 2 3 4 5 6 7 8 9 10 Total F 0 200 200 200 200 500 50
0 500 500 500 500 2.000
Rute 1 Au
0 200 200 400 400 400 400 400 500 500 500
Rute 2 Au
0 0 0 0 200 200 400 600 700 800 1.000
Rute 3 Au
0 0 200 200 200 400 400 400 400 500 500
Biaya
10 14 14 18 18 18 18 18 20 20 20
Biaya
15 15 15 15 16 16 17 18 18,5 19 20
Biaya
12,5 12,5 15,5 15,5 15,5 18,5 18,5 18,5 18,5 20 20
Moel emilihan ute 307
Tabel 7.6 Au an biaya etia ute engan metoe embebanan betaha (faki t
iak eagam 40%, 30%, 20%, an 10%) Pembebanan ke0 1 2 3 4 Total F 0 800 600 40
0 200 2.000
Rute 1 Au
0 800 800 800 800
Rute 2 Biaya
10 26 26 26 26
Rute 3 Biaya
15 15 15 17 18
Au
0 0 0 400 600
Au
0 0 600 600 600
Biaya
12,5 12,5 21,5 21,5 21,5
Telihat bahwa etelah eluuh egeakan ibebankan, algoitma tiak mencaai k
onvegen engan olui konii keeimbangan Wao. Hal ini kaena ekali au
(800) yang telalu bea ibebankan ke ute 1, metoe ini tiak aat menguangi
nya. Kaena itu, au an biaya yang melalui ute 1 beaa i ata ekiaan. Ni
lai inikato untuk olui yang ihailkan aalah: = [800(26 18) + 600(18 18) + 60
0(21,5 18)]/(2.000 x 18) = 0,2361 Kau 5 Kita bagi egeakan (2.000 kenaaan)
menjai emat bagian faki tiak eagam engan eentae (0,1; 0,2; 0,3; 0,4)
, yaitu ebea 200, 400, 600, an 800 egeakan. Hailnya iajikan aa tabel
7.7 beikut.
Tabel 7.7 Au an biaya etia ute engan metoe embebanan betaha (faki t
iak eagam 10%, 20%, 30%, an 40%) Pembebanan ke0 1 2 3 4 Total F 0 200 400 60
0 800 2.000
Rute 1 Au
0 200 200 200 1.000
Rute 2 Au
0 0 0 600 600
Rute 3 Au
0 0 400 400 400
Biaya
10 14 14 14 30
Biaya
15 15 15 18 18
Biaya
12,5 12,5 18,5 18,5 21,5
Telihat bahwa etelah eluuh egeakan ibebankan, algoitma tiak mencaai k
onvegen engan olui konii keeimbangan Wao. Hal ini iebabkan kaena
aa engulangan ke 4, au ebea 800 yang telalu bea ibebankan ke ute 1
an etelah itu metoe ini tiak aat menguanginya. Kaena itu, au an biaya
yang melalui ute 1 beaa i ata ekiaan. Nilai inikato untuk olui yang
ihailkan aalah: = [1.000(30 18) + 600(18 18) + 400(21,5 18)]/(2.000 x 18) = 0,37
22 Dengan mengkaji hail contoh kau 15, embaca aat memveifikai bahwa engg
unaan faki entahaan yang emakin kecil ecaa umum akan menghailkan olui
yang emakin menekati olui konii keeimbangan Wao. Akan tetai, hal ini
un tiak elalu bena (lihat contoh kau 3). Mekiun faki entahaan
Moel emilihan ute 309
yang igunakan ebea 5%, hail akhinya belum mencaai konii keeimbangan;
ementaa itu engan faki entahaan ebea 25% an 10%, tenyata keuanya a
at menghailkan olui konii keeimbangan. Salah atu kelemahan yang itemukan
aa metoe embebanan betaha aalah bahwa jika alah atu ua telanju men
aat beban yang telalu bea akibat embebanan moel all o nothing, maka meto
e embebanan betaha akan ulit menguangi beanya au teebut eeti tel
ihat aa contoh kau 15. Pemaalahan ini aat itanggulangi engan menggunaka
n metoe embebanankuantal yang akan iteangkan aa ubbab 7.5.5.
7.5.3 Metoe embebanan tokatik engan bataan kaaita
Contoh ai jeni moel ini iuulkan oleh Floian (1974). Beliau mengembangkan
lanjutan algoitma Dial engan memehitungkan efek au lalulinta tehaa bia
ya melalui hubungan biayaau.
7.5.4 Metoe embebanan beulang
Algoitma beulang ini ikembangkan untuk mengatai maalah engalokaian au l
alulinta yang telalu tinggi ke ua jalan yang bekaaita enah. Dalam algo
itma beulang ini, au aa uatu ua ihitung ebagai kombinai linea anta
a au yang ihailkan oleh engulangan teakhi an au yang ihailkan ai h
ail embebanan all o nothing aa engulangan ekaang. Jai, ini moel in
i aalah membebani emua MAT ke jaingan jalan ecaa beulang; etelah etia
embebanan, au lalulinta ihitung kembali ebagai kombinai linea antaa au
yang iaat aa engulangan ke n an ke (n1). Algoitma metoe ini aalah eba
gai beikut: 1 2 3 4 Pilih atu et ata biaya, biaanya igunakan ata waktu te
muh aa konii au beba. Iniialiai emua au V l( n ) = 0; et n = 0; B
entuk atu et ohon ai biaya minimum; et n = n+1; Bebankan emua MAT T enga
n menggunakan all o nothing untuk menghailkan au Fl; Hitung au aa aat
ekaang: V l( n ) = (1). V l( n 1) + .Fl : parameer dengan nilai 01. (7.33)
V l( n ) : arus lalulinas yang dihasilkan oleh pengulangan ke n. Fl : arus lalu
linas yang dihasilkan oleh model all or nohing dengan biaya perjalanan yang di
hasilkan oleh pengulangan ke (n1).
V l( n 1) : arus lalulinas yang dihasilkan oleh pengulangan ke (n1).
310 Oyar Z Tamin, Perencanaan dan pemodelan ransporasi
5
Hiung sau se baru biaya berdasarkan arus Vl( n ) . Jika arus ersebu idak b
erubah secara nyaa pada dua pengulangan yang beruruan, sop; jika idak, erus
kan ke ahap (2).
Indikaor aat igunakan untuk menentukan kaan to atau tiak. Caa lain aal
ah engan menetakan jumlah engulangan makimum; hau ihitung untuk menentuka
n aakah oluinya menekati olui konii keeimbangan. Biaya ejalanan ihit
ung kembali etelah etia kombinai au Vl( n ) ibebankan. Poe ini ilakuk
an beulang ulang amai bata konvegeni tecaai. Teaat bebeaa caa memi
lih unuk seiap pengulangan. Yang paling populer adalah yang diusulkan oleh Smo
ck (1962) yang menyarankan nilai harus sama dengan kebalikan dari nilai jumlah p
engulangan ( = 1/n). Pembaca mungkin dapa memveriikasi baha pemboboan yang se
imbang diberikan pada seiap arus Fl; oleh karena iu, meode ini dikenal dengan
meode raa raa beruruan. Tampak baha dengan membua nilai = 1/n dihasilkan
solusi yang konvergen dengan solusi kondisi keseimbangan, meskipun meodenya id
ak begiu eisien. Pada subbab 7.6 dapa diliha baha algorima FrankWole dapa
menghiung nilai opimal unuk menjamin dan mempercepa konvergensi. Conoh 7.6
Perimbangkan permasalahan pada conoh 7.5 dan penggunaan nilai = 1/n. Tabel 7.
87.9 menjelaskan ahap ahap dalam algorima meode raa raa beruruan yang masi
ng masing menggunakan nilai = 0,5 dan nilai = 1/n.
Tabel 7.8 Arus dan biaya seiap rue dengan meode pembebanan berulang (=0,5) Ru
e 1 Rue 2 Rue 3 Pembebanan ke Arus iaya Arus iaya Arus iaya
1 2 3 4 5 6 7 8 9 10 V0 F V0 F V0 F V0 F V0 F V0 F V0 F V0 F V0 F V0 F V0 0,5 0,
5 0,5 0,5 0,5 0,5 0,5 0,5 0,5 0,5 0 2.000 1.000 0 500 0 250 2.000 1.125 0 562,5
0 281,25 2.000 1.140,6 0 570,31 0 285,16 2.000 1.142,6 10 30 20 15 32,5 21,25 15
,63 32,81 21,41 15,7 32,85 0 0 0 0 0 2.000 1.000 0 500 0 250 2.000 1.125 0 562,5
0 281,25 2.000 1.140,6 0 570,31 15 15 15 20 17,5 16,25 20,63 17,81 16,41 20,7 1
7,85 0 0 0 2.000 1.000 0 500 0 250 2.000 1.125 0 562,5 0 281,25 2.000 1.140,6 0
570,3 0 285,16 12,5 12,5 27,5 20 16,25 29,38 20,94 16,72 29,61 21,05 16,78
Model pemilihan rue 311
Terliha baha seelah pengulangan ke 10, kondisi keseimbangan Wardrop belum jug
a ercapai. Para pembaca dapa pula memperhaikan baha hasil algorima ini suda
h mendekai solusi kondisi keseimbangan pada pengulangan ke 3, 6, dan 9. Hal ini
disebabkan karena kakunya penenuan nilai . eriku ini diberikan conoh penggun
aan nilai = 1/n seperi yang disarankan oleh Smock (1962).
Tabel 7.9 Arus dan biaya seiap rue dengan meode pembebanan berulang (=1/n) Pem
bebanan ke1 V0 F V0 F V0 F V0 F V0 0,25 0,33 666,67 0 500 20 23,33 0,5 1
Rue 1 Arus
0 2.000 1.000 0 1.000 30 30
Rue 2 Arus
0 0 0 0 0 2.000 666,67 2.000 1.000 20 18,33 15 15
Rue 3 Arus
0 0 0 2.000 1.000 0 666,67 0 500 20 22,5 27,5 12,5
iaya
10
iaya
15
iaya
12,5
2
3
4
Tampak dibuuhkan beberapa pengulangan unuk menghasilkan solusi yang benar. Sud
ah enu, nilai aa engulangan ke 4 aalah nol. Untuk jaingan yang lebih eal
itik aat iekiakan bahwa jumlah engulangan yang ibutuhkan akan angat be
a. Hal lain yang aat ielajai aalah bahwa menetakan jumlah engulangan m
akimum bukanlah enekatan yang baik jika ilihat ai ii evaluai. Rua an
total biaya aat angat beagam aa etia engulangan.
7.5.5 Metoe embebanan kuantal
Tahaan alam metoe embebanan matik emintaan egeakan yang telah itean
gkan ebelumnya ecaa umum aalah menetakan biaya au, menghitung biaya minim
um etia ute untuk eluuh egeakan ai etia zona aal i ke etia zona t
ujuan ; ementaa itu, etia eubahan biaya i ua jalan hanya ilakukan a
a aat akhi oe. Sebaliknya, metoe embebanan kuantal memungkinkan eubaha
n biaya etia ua ilakukan elama oeu embebanan ilakukan engan algoi
tma ebagai beikut: 1 2 3 Hitung biaya etia ua aa aat konii au beba
an iniialiai emua au Fl = 0; Hitung atu et ohon ai biaya minimum un
tuk etia ute an bebani Ti aa ute teebut, an hitung kembali nilai au
Fl; Aabila eluuh aal ejalanan telah ibebani, to; jika tiak, hitung bi
aya ua beaakan Cl(Fl) an kembali ke taha (2).
Keuntungan metoe embebanan kuantal ini aalah bahwa bila uatu ua jalan tet
entu ibebani telalu belebihan aa aat awal embebanan, biayanya akan
312 Ofya Z Tamin, Peencanaan an emoelan tanotai
betambah ehingga aa engulangan beikutnya ua teebut akan meneima lalul
inta lebih eikit. Penekatan ini memungkinkan metoe ini menghailkan enyeba
an egeakan ecaa lebih baik. Kaena itu, aa oeu embebanan keeimban
gan, metoe embebanan kuantal ceneung menghailkan nilai awal yang lebih baik
ibaningkan engan moel all o nothing. Keuntungan lain enekatan ini aalah
bahwa metoe ini ceneung mencegah tejainya ute yang tiak mauk akal yang i
hailkan oleh moel all o nothing. Rute yang tiak mauk akal ini tejai bila
ua ua tetentu menaat beban au lalulinta telalu bea yang melebihi ka
aitanya aa aat awal embebanan ehingga menghailkan biaya yang angat tin
ggi. Konii ini akan mengakibatkan ute teebut menjai ute yang tiak enah
ietimbangkan lagi oleh aa engenaa alam menentukan ute tebaiknya.
7.5.6 Metoe embebanan banyak ute
Pengenaa iaumikan mengambil ute teceat, tetai tiak yakin mana ute te
ceat itu. Ceminan waktu temuh untuk etia ute yang iangga oleh engenaa
ebagai ute teceat ihailkan engan emilihan ecaa acak ai uatu ebaa
n yang memunyai ata ata waktu temuh ebenanya ai ute teebut. Hanya at
u ute aja yang akan igunakan antaa etia zona i an ; enjumlahan au lal
ulinta antaa zona i an menghailkan tingkat keacakan ai embebanan teeb
ut.
7.5.7 Metoe embebanan beeluang
Ini igunakan jika etia altenatif ute ai zona i ke zona ialokaikan ke
aa eluang yang akan igunakan oleh engenaa antaa ua zona. Bila eluang e
tia altenatif ute igabung, hailnya menjai atu. Metoe embebanan Dial (19
71) iaai kenyataan bahwa ute anjang memunyai eluang lebih kecil aiaa
ute enek. Rute enek memunyai kemungkinan lebih bea untuk igunakan. Dal
am menggunakan bataan kaaita engan metoe all o nothing, ute teenek ak
an beubah jika au lalulinta beubah aa jaingan jalan teebut. Dengan em
bebanan banyak ute, waktu temuh ebenanya beubah engan beubahnya au lalu
linta an kaena itu waktu temuh yang iilih ecaa acak juga akan beubah. D
engan embebanan beeluang, eluang untuk memilih ute tetentu akan beubah ji
ka au lalulinta aa ute teebut (an ute ute lainnya) juga beubah. Untu
k menggunakan bataan kaaita ielukan hubungan antaa waktu temuh an au
lalulinta, yang aat ikalibai untuk aeah kajian tetentu. Salah atu ma
alah an bataan kaaita aalah mengetahui kaan oe inteaki teebut el
eai. Davion (1966) meneangkan hubungan auwaktu temuh yang angat beguna
ai egi teoi, mekiun hubungan hubungan lainnya yang lebih eehana juga e
ing igunakan. Aa ajakah yang ielukan oleh uatu moel untuk mengalokaikan
lalulinta aa bebeaa altenatif ute ehingga emua waktu temuh akan ama
untuk etia ute (ini I Wao). Ini memelukan waktu oe yang angat l
ama untuk
Moel emilihan ute 313
jaingan yang lua, mekiun menggunakan komute canggih ekaliun. Dengan bata
an kaaita, emua egeakan ibebankan ke jaingan jalan ekaligu, ebelum
oe engulangan imulai, atau egeakan teebut ibebankan eikit emi e
ikit (embebanan betaha) engan jumlah yang emakin bea untuk etia engula
ngan. Teknik embebanan bataan kaaita tegantung aa hubungan antaa au l
alulinta an keceatan; kenaaan begeak aa konii au lalulinta (hubung
an antaa au an keceatan). Secaa umum, hubungan teebut inyatakan alam g
amba 7.13.
Au beba
Au
Gamba 7.13 Gafik hubungan antaa au lalulinta an keceatan
7.6 Moel keeimbangan
Jika eeoang mengabaikan efek tokatik an mengangga bataan kaaita ebag
ai alah atu mekanime oe enyebaan egeakan alam uatu jaingan, ia h
au memetimbangkan bebeaa et moel. Sebagai contoh: moel bataankaaita
hau menggunakan fungi yang mengaitkan egeakan engan waktu temuh. Moel
ini menggunakan ini keeimbangan Wao (1952). Aumi aa emoelan kee
imbangan aalah, aa konii tiak macet, etia engenaa akan beuaha memin
imumkan biaya ejalanannya engan bealih menggunakan ute altenatif. Bagi en
genaa teebut, biaya ai emua altenatif ute yang aa iaumikan iketahu
i ecaa imliit alam emoelan. Jika tiak atu un engenaa aat memeke
cil biaya teebut, maka item ikatakan telah mencaai konii keeimbangan. P
ini ini aat iefiniikan ebagai beikut:
Une equilibium conition, taffic aange itelf in congete netwok in
uch a way that no iniviual ti make o ive can euce hi oute cot by
witching oute (Dalam konii keeimbangan, lalulinta akan mengatu iinya
enii alam jaingan yang macet ehingga tiak aa atu un engenaa aat me
nguangi biaya ejalanannya engan mengubah ute)
314 Ofya Z Tamin, Peencanaan an emoelan tanotai
Jika emua engenaa memunyai aumi yang ama tehaa biaya (tiak aa efek
tokatik), maka:
Une equilibium conition, taffic aange itelf in congete netwok uch
that all ue oute between an OD ai have equal an minimum cot while all u
nue have geate o equal cot (Paa konii keeimbangan, lalulinta akan me
ngatu iinya enii alam jaingan yang macet ehingga emua ute yang iguna
kan antaaangan aaltujuan memunyai biaya yang ama an minimum, eangkan em
ua ute yang tiak igunakan memunyai biaya ama atau lebih mahal)
Daat iimulkan bahwa item teebut mencaai konii keeimbangan menuut a
nangan engguna. Oleh kaena itu, konii ini iebut konii keeimbanganengg
una. Moel keeimbangan ini iangga ebagai alah atu moel emilihan ute yan
g tebaik untuk konii macet. Beikut ini akan bagian ini iula lebih alam me
toe yang iancang khuu untuk menaatkan emecahan embebanan au lalulinta
yang memenuhi ini I Wao. Dalam embahaan ini igunakan kombinai anta
a agumen analitik an intuitif. Akan tetai, kita tiak akan membaha lebih ja
uh teknik embebanan keeimbangan. Pembaca yang tetaik menalami aek teoi
embebanan keeimbangan ini iaankan membaca buku (Sheffi, 1985).
7.6.1 Penekatan emogaman matematika
Petimbangkan bebeaa eilaku konii keeimbangan Wao, khuunya tentang
emua ute yang igunakan (untuk aangan AalTujuan tetentu) yang memunyai bia
ya ejalanan yang ama an minimum; eta ute yang tiak igunakan yang memun
yai biaya ejalanan yang lebih mahal (minimal ama). Hal ini aat ituli eba
gai beikut:
*
= c i c i
*
c i * Ti >0 * Ti =0
* {Ti } aalah et ute yang memenuhi ini I Wao an emua biaya ejal
anan ihitung etelah Ti ibebankan. Dalam kau ini, au lalulinta ihailk
an oleh:
V l = Ti li
i
(7.34)
maih ibutuhkan bebeaa tahun lagi untuk aat mengembangkan an menguji algo
itma yang cocok untuk enggunaan akti. Beckman et al (1956) menggunakan ene
katan emogaman matematika an menyebutkan bahwa menaatkan biaya ejalanan
an volume lalulinta yang euai engan Pini Keeimbangan I ai Wao aa
lah ekivalen engan emaalahan matemati yang meminimumkan uatu fungi tujuan
engan bataan eilaku au lalulinta. Pemaalahan teebut aat ituli: m
eminimumkan engan bataan: Ti = Ti an Ti > 0
Z{ Ti }= C l (V ).V
l 0
Vl
(7.36)
(7.37)
V l = Ti . li
i
(
)
1 jika ua l igunakan oleh ute antaa i an li = 0 jika ebaliknya Ti
= egeakan ai zona i ke zona yang menggunakan ute . li = ooi e
geakan ai zona i ke zona yang menggunakan ute an ua jalan l Cl(V)= hu
bungan matemati antaa au lalulinta an biaya. Fungi tujuan i ata bekait
an engan total lua aeah yang beaa i bawah kuva hubungan biayaau untuk
emua ua jalan alam jaingan teebut. Mengaa fungi tujuan yang elu imini
mumkan aga iaat keeimbangan Wao aalah alah atu hal utama yang akan k
ita bicaakan. Mekiun begitu, mula mula kita hau memetimbangkan eilaku u
mum emogaman matematika teebut. Bataan (7.37) telah iekenalkan untuk me
yakinkan bahwa kita akan bekeja aa uang olui yang iinginkan; mialnya nil
ai au Ti yang hau elalu oitif. Peanan bataan keua (beanya egeak
an oitif) memang enting, tetai tiak begitu elu aa aat ekaang ini. Va
n Vliet (1979) menunjukkan bahwa fungi tujuan Z elalu cembung jika fungi biay
a Cl(V) meningkat engan meningkatnya au. Nguyen (1974) menguulkan uatu algo
itma yang efiien untuk memecahkan emaalahan matemati tiaklinea. Van Vlie
t an Dow (1979) juga menguulkan algoitma yang iaai moel embebanan beul
ang engan nilai t itentukan untuk meminimumkan fungi tujuan Z untuk etia e
ngulangan. Sejak tahun 1980, enelitian ecaa aktif uah ilakukan untuk meme
baiki moel emilihan ute khuunya alam engembangan moel keeimbangan (eb
agai
316 Ofya Z Tamin, Peencanaan an emoelan tanotai
contoh lihat Fik (1980); Sheffi an Powell (1981)). Pembaca yang beminat ia
ankan membaca buku Sheffi (1985) atau bebeaa tulian mengenai toik ini eet
i Fenanez an Fiez (1983) an Floian an Sie (1982). Daat ielihatkan
bahwa fungi tujuan Z aalah cembung kaena tuunan etama an keuanya memun
yai nilai oitif: Z = Ti Ti = Tetai, ai eamaan (7.34) V l = li Ti Sek
aang, kaena Vl hanya tegantung aa Ti jika utenya menggunakan ua teeb
Vl C l (V ).V = C l (V l ) V l
ut, maka:
l 0 Oleh kaena itu, Z (7.38
V l ) li = C i Ti l
Vl
C l (V ).V
l 0
V l Vl
C l (V ).V
V l
[
]
C (V ) V l l
Ti
l l i
(7.39)
V l Ti l
C (V )
l l li li
Peamaan ini akan ama atau lebih bea ai nol jika tuunan hubungan biayaau
juga oitif atau nol. Ini meuakan eyaatan umum yang menjamin oe konv
egeni untuk menaatkan olui yang unik ai konii keeimbangan Wao. A
tinya, i alam kuva biayaau tiak boleh aa bagian yang menyebabkan biaya be
kuang bila au meningkat. Kaena emaalahan yang inyatakan oleh eamaan (
7.36)(7.37) aalah emaalahan otimai yang memunyai bataan, maka oluinya b
ia iaat engan menggunakan metoe Lagange. Metoe Lagange ituli ebagai:
Ti , id }) = Z ({ Tidr }) + id [Tid Tidr ] L({
i d
(7.40)
Model pemilihan rue 317
V
dengan id adalah pengali Lagrange yang berkaian dengan baasan (7.37). Dengan me
mbua urunan perama dari persamaan (7.40) erhadap id; kia enu akan mendapa
kan baasan ersebu. Dengan membua urunan erhadap Tidr dan menyamakannya den
gan nol (unuk opimasi), dihasilkan persamaan: L Z = id = C idr id Tidr Tidr
* Di sini kia mempunyai dua kemungkinan mengenai nilai Tidr pada kondisi L * op
imum. Jika Tidr = 0 , maka 0 karena ungsi ersebu adalah cembung. Tidr L * Jika
Tidr =0. 0 , maka: Tidr
Hal ini dapa diranslasikan menjadi kondisi beriku pada kondisi opimum:
* * id c i untuk emua i engan Ti =0 * * id = c idr unuk semua idr denga
n Tidr >0 * harus sama dengan biaya perjalanan sepanjang rue dengan Dengan kaa
lain, id nilai Tidr posii dan harus kurang dari (aau sama dengan) biaya sepa
njang rue * lainnya (misalnya Tidr = 0). Oleh karena iu, id harus sama dengan
biaya minimum * * * perjalanan pergerakan dari i ke d; id = c id . Dalam hal ini
, sau se Tidr yang meminimumkan persamaan (7.39) mempunyai perilaku beriku: *
c idr unuk semua Tidr =0 * c idr = unuk semua Tidr >0
Oleh karena iu, solusinya menghasilkan kondisi yang sesuai dengan prinsip kesei
mbangan I Wardrop. Conoh 7.7 Perimbangkan lagi kasus suau pasangan anarzona
dengan dua buah rue alernai pada conoh 7.4. Gambar 7.14 memperlihakan hubu
ngan biayaarus. Daerah yang diarsir adalah ungsi ujuan yang kia ingin minimumk
an. Sudah enu, salah sau cara unuk meminimumkan luas daerah ersebu adalah
dengan menjamin idak ada arus V1 = V2 = 0, eapi solusi ini idak begiu menen
ukan. Yang kia inginkan adalah solusi yang sesuai unuk oal pergerakan (2.00
0 kendaraan), dan hal ini dapa diunjukkan pada gambar 7.15; kedua ungsi biayaa
rus disajikan dalam benuk yang saling berlaanan pada sumbu x dan dipisahkan ol
eh oal pergerakan yang harus dibagi anara kedua ruas jalan ersebu. Dengan m
udah dapa diliha pada gambar 7.15a baha jumlah daerah yang berada di baah ku
rva biayaarus akan minimum pada kondisi C1=C2; seiap keberangkaan dari iik in
i akan menambahkan luas daerah arsiran baru seperi erliha pada gambar 7.15b.
318 Oyar Z Tamin, Perencanaan dan pemodelan ransporasi
rue 1
C2 C1 C2
rue 2
C1
Gambar 7.14 Dua hubungan biayaarus jalan pinas dan jalan embus Sumber: Oruzar
and Willumsen (1994)
(a)
V1 V2 V1
(b)
V2
Gambar 7.15 Keseimbangan pada suau jaringan yang sederhana Sumber: Oruzar and
Willumsen (1994)
Terliha baha solusi keseimbangan menghasilkan arus sebesar 600 kendaraan yang
akan melalui rue 1 dan 1.400 kendaraan yang menggunakan rue 2. Tidak ada salah
nya mengamai baha biaya seiap rue adalah 22 meni dan oal penggunaan jalan
adalah 44.000 kendaraan meni. Dalam kasus pembebanan keseimbangan, kia mengab
aikan beberapa isu pening; conohnya, masalah solusi yang unik; ampak hanya bi
aya seiap ruas jalan c l* ,
* biaya perjalanan anarzona c id dan arus pada ruas V l* yang unik pada kondisi
* opimum. Akan eapi, besar arus pada rue Tidr secara umum idak selalu unik
. Ini berari masih erdapa beberapa kombinasi rue dan arus pergerakan lain ya
ng akan menghasilkan arus dan biaya yang sama. Karena semua ruas yang digunakan
(unuk seiap pasangan AsalTujuan) mempunyai biaya yang sama sera minimum, maka
oal biaya anarzonanya pun akan sama.
Hal ini dapa dengan mudah diliha jika erdapa beberapa zona eksernal dari zo
na asal yang menghasilkan pergerakan ke persimpangan A dan keluar ke zona ujuan
yang berbeda dengan persimpangan ; liha gambar 7.5. Sebenarnya pergerakan ini
Model pemilihan rue 319
padanya idak lagi diemukan kemiringan (arinya, kia sudah berada di iik das
ar lembah yang paling dalam). Hal ini persis dengan yang dilakukan oleh algorim
a FrankWole, erlepas dari ruang yang mungkin mempunyai banyak mara. Pada seia
p ahap dalam pengulangan, didapakan solusi yang mungkin (suau iik di dalam
lembah) dan algorima seerusnya menggunakan meode pembebanan all or nohing un
uk mencari arah yang mempunyai kemiringan ke baah. Penggunaan meode pembebana
n all or nohing dapa diliha sebagai pendekaan lokal dalam usaha meminimumkan
ungsi ujuan Z. Dengan mengeahui solusi yang paling memungkinkan yang dihasil
kan oleh arus {Tidr}, FrankWole mencari arah berikunya yang memungkinkan {Widr}
dengan menggunakan pendekaan linear erhadap Z (dalam hal ini digunakan dere
Taylor):
Z
W idr }) = Z({ Tidr }) + (W idr Tidr ) Z ({ i d r
Tidr
idr ) (C idr Tidr ) = Z({
i d r i d r
(7.41)
Di sini, hal yang belum dienukan oleh solusi yang mungkin {Tidr} adalah CidrWi
dr. Jadi, jika kia meminimumkan pendekaan lokal Z, kia harus memilih rue Wid
r sehingga akor perkalian Cidr dapa diminimumkan. Cara unuk melakukan hal in
i adalah dengan memilih rue yang pada saa sekarang mempunyai biaya lokal minim
um (misalnya biaya yang dihasilkan oleh pembebanan all or nohing). Dalam benuk
yang umum, algorima FrankWole akan konvergen dengan cepa seelah beberapa pen
gulangan dan kemudian melamba begiu mendekai iik opimum. Ini permasalahan
yang paling erkenal sehingga beberapa perbaikan elah disarankan unuk memperce
pa proses konvergensi; conohnya ulisan Arezki (1986). Model pemilihan rue in
i merupakan model yang erbaik sampai saa ini, yang sanga cocok unuk daerah p
erkoaan yang diperkirakan eek kemaceannya cukup berari. Kekurangan model ini
adalah aku proses kompuer yang cukup lama dibandingkan dengan model all or n
ohing. eberapa eknik elah diusulkan sebagai pendekaan kondisi keseimbangan
Wardrop, anara lain pendekaan heurisik sederhana. Salah sau yang erbaik ada
lah penggunaan kerangka kerja pemrograman maemaika. Unuk membandingkan berbag
ai algorima ersebu, beberapa hal pening beriku perlu diperhaikan. Apakah s
olusinya eap? Apakah hasilnya konvergen ke solusi yang sesuai dengan kondisi k
eseimbangan Wardrop? Apakah eisien aku kompuasinya?
Model pemilihan rue 321
Tidr
Terdapa iga ipe dasar krieria konvergensi pada 7.6.2.2 Krieria konvergensi
prosedur pembebanan baasan kapasias, yaiu: a dengan meliha perbedaan anara
arus aau biaya ruas pada seiap pengulangan yang beruruan. Dengan perbedaan i
ni dapa diliha apakah proses pengulangan selanjunya akan menghasilkan perubah
an yang berari bagi arus aau biaya ersebu. Jika idak, konvergensi dianggap
sudah ercapai; dengan mengukur perbedaan anara asumsi hubungan biayaarus pada s
aa aal pembebanan dengan hubungan biayaarus pada saa akhir pembebanan; meliha
poensi perbaikan pengulangan berikunya. yang dihasilkan apabila dilakukan pro
ses
b c
erdasarkan iga ipe dasar ersebu, beberapa penulis mengusulkan krieria konv
ergensi pada pembebanan keseimbangan seperi yang diuraikan beriku ini. a Van V
lie (1976) mengusulkan suau indikaor yang eing igunakan untuk melihat ebe
aa ekat olui tehaa konii keeimbangan: =
Ti (C i
i i
* C i
)
* Ti .C i
(7.42)
* engan C i C i aalah eliih biaya aa ute tetentu an biaya minimum u
ntuk aangan (i,). Biaya ini ihitung etelah engulangan eleai an total e
geakan iaatkan untuk etia ua jalan. Kaena itu, aalah nilai yang iha
ilkan oleh eliih antaa biaya ute otimal an biaya ute tiak otimal.
b
Evan (1976) menunjukkan bahwa aa engulangan ke n, bata bawah fungi tujuan
Z * aat ihitung engan umu ebagai beikut: Z *( n ) = Z ( n ) c l V l( n )
V l( n ) Fl( n +1)
l
( ( )(
))
(7.43)
Z *( n ) tiak elu betambah aa etia engulangan. Kaena itu, takian *(
n ) tebaik ai nilai ini aalah Z * amai mak yaitu nilai makimum Z engula
ngan teakhi. Ukuan ketiakatian fungi tujuan ini aalah: ( n) = Z ( n) Z *
mak c (7.44)
Van Vliet (1985) menguulkan uatu ukuan efektivita ai engulangan ke n, yai
tu ebeaa bea enguangan Z elatif tehaa dngan rumus sbagai brikut: Z
( n ) Z ( n 1 ) (7.45) F (n) = ( n)
322 Ofyar Z Tamin, Prncanaan dan pmodlan transportasi
mengabaikan biaya undaan ambahan yang disebabkan oleh pengendara lainnya akiba
semakin banyaknya kendaraan di suau ruas jalan. Kia dapa menggunakan kebija
kan biaya penggunaan jalan sebagai meode yang sesuai yang membua pengendara me
nggunakan biaya marginal selain biaya raa raa. Conoh 7.8 Sekali lagi kia men
ggunakan permasalahan suau pasangan anarzona yang mempunyai rue 1 dan rue 2
(liha gambar 7.5). Hal yang perlu dilakukan adalah mencari pola arus pergerakan
yang meminimumkan oal biaya yang mencakup: E2 = V2 (15 + 0,005V2) bagi arus y
ang menggunakan rue 2 E1 = V1 (10 + 0,02V1) bagi arus yang menggunakan rue 1 J
adi, biaya marginalnya adalah: E2/V2 = 15 + 0,01 V2 E1/V1 = 10 + 0,04 V1 Dengan meng
hiung kedua persamaan di aas dan dengan mengeahui baha V1+V2 = 2.000, kia d
apa memecahkannya dan mendapakan kondisi keseimbangan sosial.
Rue 1
Arus iaya marginal iaya raa raa Pengeluaran 500 30 20 10.000
Rue 2
1.500 30 22,5 33.750
Toal
2.000
43.750
Perhaikan baha oal pengeluaran sekarang adalah 250 kendaraan meni lebih ren
dah dari pemecahan keseimbangan pengguna yang didapa dalam conoh 7.1. Jelaslah
, kia idak bisa memilih rue melalui rue 1. Unuk bisa mendapakan kondisi op
imum sosial, kia harus dapa meningkakan biayanya sebesar 2,5 meni melalui r
ue 1, mungkin dengan menerapkan ari ol yang seara. Cara seperi ini bisa me
ngakibakan perpindahan dari konsumsi pribadi ke konsumsi sosial yang akhirnya d
apa menghema penggunaan sumber daya (aku aau bahan bakar).
7.6.4 Pembebanan keseimbangan pengguna sokasik (KPS)
Kia elah mendiskusikan model pembebanan arus lalulinas sokasik murni dan ke
seimbangan opimum pengguna murni. Dalam model perama, penyebaran rue anara d
ua iik dihasilkan oleh perbedaan persepsi enang biaya perjalanan, sedangkan
pada model kedua disebabkan oleh eek baasan kapasias. Kia mungkin memperkira
kan baha di dalam realia, kedua jenis eek ini pasi berperan pening dalam a
hapan pemilihan rue. Model yang mencoba menggabung kedua jenis eek ini disebu
model Keseimbangan Pengguna Sokasik (KPS) yang mencari kondisi keseimbangan d
engan cara:
324 Oyar Z Tamin, Perencanaan dan pemodelan ransporasi
Each user chooses he roue ih he minimum perceived ravel coss; in oher ord
s, under SUE no user has a roue ih loer perceived coss and hereore all say
ih heir curren roues (Seiap pengguna jalan memilih rue yang meminimumkan
biaya persepsi perjalanan; dengan kaa lain, di baah kondisi KPS idak ada sa
u pun pengguna jalan yang memiliki biaya persepsi perjalanan yang lebih rendah d
an oleh karena iu semuanya akan eap menggunakan rue yang sedang digunakan)
erbeda dengan keseimbangan pengguna Wardrop, pada model KPS seiap pengendara d
ianggap dapa mendeinisikan biaya perjalanan secara individu, idak menggunakan
hanya sau deinisi biaya perjalanan unuk semua pengendara. Secara eori, mode
l yang dapa menggabungkan perilaku sokasik dengan keseimbangan erliha sanga
menarik; namun masih sukar dioperasikan dan idak prakis penggunaannya. Dari
sisi keprakisan, hal erpening dari kesukaran ersebu erleak pada perilaku
konvergensi algorimanya. Unuk mempelajari permasalahan ini, deinisi konvergen
perlu dievaluasi; algorima pembebanan dikaakan konvergen jika: kia dapa mem
ulainya dengan menggunakan suau se biaya Cl, misalnya digunakan biaya arus beb
as pada pengulangan ke 1, sedangkan biaya hasil perhiungan bisa didapa sebagai
ungsi arus; mariks kemudian dibebankan dengan menggunakan cara erenu, misa
lnya dengan model Dial, dan menghasilkan arus yang baru {Vl}, dan kemudian bisa
didapa: C l = C l (V l )
Dengan kaa lain, biaya akiba arus yang baru secara prakis sama dengan biaya y
ang digunakan unuk mencari rue erbaik dan membebankan lalulinas. Jika suau
algorima idak bisa konvergen, solusinya (arus dan biaya) erganung pada saa
proses pengulangan dihenikan. Conohnya, perencana berikunya yang melakukan ha
l yang sama, eapi dengan jumlah pengulangan yang berbeda, akan menemukan adany
a perbedaan biaya; ini jelas bukan merupakan perilaku model yang diinginkan unu
k digunakan dalam proyek ransporasi. Dapa diunjukkan baha dalam kasus spesi
ik, dapa saja dirumuskan algorima KPS agar bisa konvergen (Shei, 1985). Seb
enarnya, algorima prakis unuk melakukan pembebanan KPS hanyalah kelanjuan me
ode pembebanan berulang yang elah dierangkan pada subbab 7.5.4. Algorima er
sebu dapa dijelaskan sebagai beriku: Se biaya Cl = Cl(0), misalnya dengan me
nggunakan biaya perjalanan pada kondisi arus bebas, inisialisasi Vl = 0 unuk se
mua l, se n = 0; Se n = n+1; benuk sau se pohon biaya perjalanan minimum de
ngan menggunakan daa arus yang ada;
Model pemilihan rue 325
ebankan MAT ke jaringan jalan dengan menggunakan pohon yang ada dan salah sau
meode sokasik, misalnya urrell; dapakan sau se daa arus yang baru Fl; Hi
ung besarnya arus yang baru dengan persamaan: C l = (1 ) V ln 1 + Fl dengan = 1/n
Hiung sau se biaya perjalanan baru berdasarkan arus Vln ; jika arus (aau bia
ya ruas) idak mengalami banyak perbedaaan di anara dua pengulangan yang beruru
an, sop; jika idak, eruskan ke ahap (2).
Algorima ini cenderung menghasilkan perubahan arus dan biaya yang kecil karena
nilai menjadi sanga kecil karena nilai n yang besar. Shei (1985) memperlihak
an baha algorima ersebu dapa konvergen ke solusi KPS dalam aku yang cukup
lama, misalnya sampai dengan 50 pengulangan. Proses konvergensi algorima erse
bu idak monoon karena proses pencariannya hanya menggunakan raa raa arah me
nurun. Kecepaan proses konvergensi sanga erganung pada ingka kemacean jar
ingan dan parameer dispersi. Proses konvergensi algorima pembebanan berulang u
nuk masalah KPS dirasakan agak lamba unuk jaringan yang mace. Shei (1985)
juga memperlihakan baha pada jaringan yang sanga mace, KP dapa memberikan p
endekaan yang baik ke meode KPS dan lebih cepa konvergen. Oleh sebab iu, dap
a disimpulkan baha meode KPS hanya mengunungkan pada masalah pembebanan yang
ingka kemaceannya rendah dan sedang.
7.7 Pembebanan keseimbangan lanju
7.7.1 aasan meode klasik
Dalam subbab sebelumnya elah dierangkan beberapa meode pembebanan klasik erp
ening yang dapa digunakan unuk proses pembebanan lalulinas. Sebelum membicar
akan meode lebih lanju secara lebih rinci, kia ulas dulu kelemahan uama pend
ekaan ersebu. Permasalahan bisa berasal dari sumber yang berbedabeda. a aas
an dalam pemodelan ruas simpul dalam jaringan jalan Hal ini melipui aka yang
menyaakan baha idak semua ruas jalan erdeinisi dalam kodiikasi jaringan. I
ni menyebabkan adanya pengelompokan rip end yang menuju zona yang diakili oleh
suau pusa zona; pergerakan pada persimpangan idak bisa dianalisis dan perger
akan inrazonal idak bisa dilacak. Permasalahan uama pada jaringan yang idak
lengkap ini imbul pada daerah yang kemaceannya cukup inggi; di sini beberapa
pergerakan yang berjarak sedang dan jauh akan menggunakan jalan kecil aau jalan
ikus. Rencana jalan baru mungkin dapa mengurangi kemacean dan menarik kembal
i beberapa kendaraan dari jalan ikus ersebu.
326 Oyar Z Tamin, Perencanaan dan pemodelan ransporasi
Meskipun sudah dilakukan usaha yang baik dalam menghubungkan jaringan dengan pus
a zona, eek akhir eap idak bisa dihilangkan. Ini menyebabkan perkiraan volu
me arus lalulinas yang diperhiungkan akan lebih besar daripada yang ada, khusu
snya di daerah sekiar pusa zona. Terdapa beberapa cara unuk melengkapi suau
simpul yang sederhana sehingga dapa mencerminkan dengan baik persimpangan; dap
a juga dengan menghilangkan beberapa ruas unuk menyaakan larangan pergerakan.
Conoh persimpangan yang elah dilengkapi ampak pada gambar 7.16.
(a)
(b)
Gambar 7.16 (a) Cerminan suau persimpangan sederhana dan (b) Persimpangan yang
elah dilengkapi Sumber: Oruzar and Willumsen (1994)
Seiap manuver pergerakan yang susah dapa diganikan dengan ruas yang undaanny
a inggi. eberapa pake program yang lengkap menyediakan cara eisien yang seca
ra oomais dapa melengkapi kodiikasi persimpangan, ermasuk pergerakannya. In
i bisa juga dilakukan secara manual sehingga dapa dipasikan baha pergerakan p
ada persimpangan idak dapa erdeinisi dengan baik. Pergerakan inrazonal juga
merupakan sumber permasalahan; beberapa pergerakan bisa saja menggunakan suau
ruas jalan, eapi pergerakan ersebu idak erliha di dalam pemodelannya. San
galah suli menanggulangi permasalahan ini. Yang paling bisa dilakukan adalah m
embagi zona ersebu menjadi beberapa zona yang lebih kecil sehingga pergerakan
yang adinya merupakan pergerakan inrazonal di dalam suau zona yang besar menj
adi pergerakan anarzonal anara beberapa zona yang lebih kecil. Seluruh permasa
lahan ini lebih sukar diangani apabila luas zonanya cukup besar dan idak lengk
apnya kodiikasi sisem jaringan. Akibanya, pencerminan jaringan yang resolusin
ya inggi akan memberikan hasil yang lebih baik sejalan dengan berambahnya ak
u dan biaya unuk mendapakannya. b Kesalahan dalam mendeinisikan biaya perseps
i raa raa Tidak jelas bagaimana permasalahan ini berubah menjadi ungsi aku,
ujuan perjalanan, jarak perjalanan, pendapaan, dan lingkungan. Juga, jika ki
a ingin meramalkan komponen biaya, misalnya pemakaian bahan bakar, penyederhanaa
n asumsi dapa mengakibakan gala ambahan.
Model pemilihan rue 327
c
Tidak semua pengendara mempunyai persepsi biaya yang sama Usaha pengembangan me
ode sokasik adalah usaha unuk mengaasi enomena yang dimaksud. Cara lain un
uk mengaasinya adalah dengan membagi pengendara menjadi beberapa kelas yang mas
ing masing dilengkapi dengan biaya persepsinya. Asumsi inormasi lengkap enang
biaya jaringan Walaupun hal ini sanga umum unuk semua model, ampak sanga op
imisik. Penyebarluasan inormasi jaringan ke seiap pengendara dapa mengungka
pkan hal yang sebenarnya erjadi di lapangan. Pengendara hanya mempunyai inorma
si yang lengkap mengenai kondisi lalulinas pada rue yang biasa dia lalui. Seme
nara iu, inormasi yang dikeahuinya enang bagian jaringan lain erganung p
ada pengalamannya dan pelayanan inormasi lalulinas. Selain iu, erbuki banya
k pengendara yang sanga dipengaruhi oleh rambu jalan dalam memilih rue dan bia
sanya sangalah mahal melengkapi jalan dengan rambu lalulinas (Wooon e al, 19
81). Meode yang ada mengabaikan eek ini. Diperkirakan pada masa mendaang, sej
alan dengan semakin baiknya eknologi penyampaian inormasi lalulinas langsung
pada pengendara, akan erjadi perubahan drasis dalam konsep pembebanan lalulin
as (bisa saja modelnya lebih komprehensi dan enu mahal dan suli dierapkan).
d
e
Flukuasi kebuuhan akan pergerakan Flukuasi dapa menghamba ercapainya kondi
si keseimbangan. Dalam hal ini, prinsip keseimbangan Wardrop mencerminkan perila
ku pengendara raa raa jika semuanya dianggap berpikiran sama dan mempunyai in
ormasi yang lengkap. Arus kendaraan berlukuasi dalam sau hari berdasarkan ak
u. Ini dapa menyebabkan model yang dihiung unuk 24 jam menghasilkan arus yan
g idak benar, ermasuk juga aku empuh dan biayanya. Penggunaan periode punca
k dan bukan puncak unuk pemodelan dan pembebanan diperlukan unuk daerah perko
aan yang mace. Kia mengeahui baha proses pembenukan kemacean menghasilkan
perubahan aku empuh yang sanga berbeda dalam selang aku singka. Juga, un
daan selama 10 meni pada saa pemberangkaan akan menyebabkan undaan yang jauh
lebih lama pada saa kedaangan di empa ujuan yang disebabkan oleh kemacean
di jaringan jalan. iaya pada seiap ruas berubah secara dinamis akiba lalulin
as; beberapa pengendara mengeahui benar hal ini dan, oleh karena iu, merencan
akan perjalanannya; sedangkan yang lain idak mengeahuinya.
Gala masukan Keepaan model pembebanan erganung juga pada keepaan unsur la
innya dalam model ransporasi, khususnya keepaan MAT yang akan dibebankan. Ke
salahan seaku pengkonversian dari penumpang menjadi kendaraan juga mengurangi
keepaan pembebanan lalulinas.
328 Oyar Z Tamin, Perencanaan dan pemodelan ransporasi
masalah; seperi conoh dalam Allsop and Charlesorh (1977) dan Smih (1979, 19
81). Salah sau solusinya adalah melakukan pembebanan arus lalulinas dengan ak
u lampu lalulinas yang eap; menghasilkan perkiraan arus pada masa mendaang
dan kemudian menjalankan program TRANSYT (Roberson, 1969) unuk mengopimumkan
pengauran aku lampu lalulinas yang baru. Proses ini harus dilakukan berulang
kali dengan pengauran aku lampu lalulinas yang baru, unuk mendapakan arus
yang baru, dengan harapan pengulangan akan konvergen pada pemecahan yang sabil
. Permasalahan ini sanga erganung pada iik aal; misalnya, jika suau korid
or sudah sanga dibebani oleh lalulinas pada saa pengulangan perama. TRANSYT
menghasilkan pengauran lampu yang dapa menurunkan undaan sehingga merangsang
pergerakan yang lebih besar pada pengulangan berikunya.
7.7.3 Pengaruh ingka resolusi sisem jaringan pada pembebanan lalulinas
Sisem ransporasi yang erdiri dari sisem zona dan 7.7.3.1 Pendahuluan sisem
jaringan sanga kompleks. Secara umum, analisis sisem ransporasi ersebu se
lalu membuuhkan proses penyederhanaan karena erbaasnya aku dan biaya. Sise
m ransporasi yang elah disederhanakan ersebu disebu model jaringan. ebera
pa model jaringan dapa dibua dari suau sisem ransporasi erenu erganun
g dari ingka kerincian aau ingka resolusinya. Dapa diasumsikan baha ingk
a resolusi suau model jaringan akan sanga mempengaruhi besarnya biaya dan ak
u yang dibuuhkan dalam proses analisis. Tambahan lagi, diperkirakan baha ing
ka resolusi akan mempunyai eek pada seiap keluaran yang dihasilkan. Dapa dik
aakan baha semakin inggi ingka resolusi suau model jaringan, maka akan sem
akin besar biaya dan aku yang dibuuhkan dalam proses analisisnya, akan eapi
, semakin inggi ingka akurasi keluaran yang dihasilkannya. Seiap peningkaan
ingka resolusi suau model jaringan akan menghasilkan peningkaan akurasi dar
i keluaran yang dihasilkan dengan konsekuensi adanya ambahan biaya dan aku. O
leh karena iu, perlu dikeahui ingka resolusi yang opimal dengan membandingk
an ingka keluaran yang diinginkan dengan besarnya biaya dan aku yang dimilik
i. Secara prakis, ingka resolusi opimal ersebu suli dienukan karena pen
eliian yang berkaian dengan masalah ini sanga jarang dilakukan khususnya di n
egara Indonesia. Salah sau peneliian yang dilakukan oleh Jansen and ovy (1982
) di koa Eindhoven (elanda) menemukan baha ingka kerincian suau sisem jar
ingan mempunyai pengaruh yang cukup nyaa erhadap kualias keluaran pembebanan
arus lalulinas. Disimpulkan juga baha pada keadaan erenu, erdapa suau si
sem jaringan opimal relai erhadap upaya penambahan (daa dan aku). Melea
i ingka ersebu, sisem jaringan yang lebih rinci hanya akan menghasilkan pe
rbaikan yang marjinal.
330 Oyar Z Tamin, Perencanaan dan pemodelan ransporasi
Tamin, Lubis, Dalimunhe dan Iraan (1999) mencoba mengkaji pengaruh ingka res
olusi sisem jaringan erhadap kinerja hasil pembebanan di Koamadya/Kabupaen
andung dengan menganalisis berbagai variasi sisem jaringan, mulai dari yang pal
ing halus (resolusi inggi) sampai dengan sisem jaringan dengan resolusi rendah
. Proses perbandingan dilakukan pada besaran nilai volume arus lalulinas dan a
ku empuh yang dihasilkan. Selanjunya, dari hasil perbandingan ersebu, ingk
a resolusi sisem jaringan opimal dapa dienukan. Proses penyederhanaan mode
l jaringan dilakukan dengan cara menurunkan ingka resolusi sisem jaringan. Ru
ang lingkup kajian melipui beberapa hal sebagai beriku: a Penyusunan berbagai
variasi sisem jaringan di ilayah Koamadya/Kabupaen andung dengan krieria u
nuk seiap ingka resolusi adalah berdasarkan hierarki jalan. Pembebanan Mari
ks AsalTujuan (MAT) menggunakan model Keseimbangan Wardrop dengan banuan program
kompuer SATURN. Pembebanan dilakukan dengan beberapa variasi besarnya MAT, yai
u 25%, 50%, 75%, dan 100% MAT. Mengukur kinerja seiap ingka resolusi yang di
sajikan dalam benuk besar arus raa raa dan kecepaan raa raa pada seiap ru
as yang diinjau (ruas areri pimer yang ada pada seiap ingka resolusi). Meng
ukur ingka akurasi seiap ingka resolusi dan menenukan ingka resolusi op
imal.
b
c
d
Daa yang digunakan dalam kajian ini diambil dari sudi Sisem Transporasi Terpa
du di Koamadya Daerah Tingka II andung (LPIT, 1998b) dan sudi Penyusunan Renca
na Pengembangan Transporasi Kabupaen andung (LPMIT, 1998b). aas ilayah sud
i melipui Koamadya andung dan Kabupaen andung. Hal ini didasarkan pada per
imbangan baha Kabupaen andung dengan 41 kecamaannya mempunyai ineraksi kegi
aan sosial ekonomi yang relai inggi dengan Koamadya andung.
7.7.3.2 Kebuuhan daa
Jika diliha dari sudu pandang geograis, Kabupaen andung erleak mengelilin
gi ilayah Koamadya andung sehingga akan didapakan suau analisis sisem ran
sporasi yang erpadu. Kabupaen andung erdiri aas 41 kecamaan dengan sisem
zona yang berbasiskan pada kecamaan. Sedangkan, Koamadya andung berbasiskan
kelurahan dengan jumlah zona sebesar 139. Unuk memperhiungkan pergerakan yang
berasal dari luar ilayah kajian, maka dibua zona eksernal yang erdiri dari k
abupaen di sekiar andung Raya, yaiu: Kabupaen Sumedang, Garu, Cianjur, Sub
ang, dan Purakara, yang semuanya membenuk 6 buah zona. Sehingga jumlah keselu
ruhan zona adalah 146 di mana 100 zona berada di ilayah Koamadya andung, 40 z
ona di Kabupaen andung, dan 6 buah zona eksernal. MAT yang digunakan diperole
h dari hasil survei lalulinas pada ahun 1998 yang dilakukan di ilayah Koamad
ya andung dan Kabupaen andung. Perubahan
Model pemilihan rue 331
ingka resolusi sisem jaringan hanya dilakukan pada ilayah Koamadya andung
dengan menganggap eap sisem jaringan pada ilayah Kabupaen andung. Ruas pad
a seiap ingka resolusi yang diinjau juga berada pada ilayah sudi Koamadya
andung.
7.7.3.3 Tingka resolusi
Secara eoriis, semakin mirip suau model dengan realianya, semakin baik pula
ingka akurasinya. Jadi keepaan yang semakin inggi hanya bisa diperoleh deng
an model yang menggunakan deinisi sisem zona yang mempunyai resolusi inggi, d
emikian pula dengan resolusi sisem jaringannya. Namun keerbaasan sumber daya
yang ersedia, menyebabkan model ersebu harus diagregasi sampai pada ingka
erenu. Permasalahan ini mempunyai banyak dimensi yang melipui ujuan sudi ya
ng akan dicapai, jenis peubah perilaku yang akan digunakan, dimensi aku, dan l
ain lain. Memasukkan seluruh inormasi jaringan yang ada ke dalam model idaklah
disarankan, eapi resolusi jaringan ersebu haruslah cukup unuk mencerminkan
kelayakan dari rue yang dilalui oleh sebagian besar pergerakan. Dalam hal ini
ingka hierarki jalan akan sanga menenukan yang juga erganung pada jenis se
ra ujuan sudi. Semakin banyak jalan yang dieapkan, semakin baik pula pencer
minan model ersebu erhadap realianya. Tapi ini juga mempunyai konsekuensi be
rupa ambahan biaya pengumpulan daa dan aku. Kedua biaya inilah yang menyebab
kan model ersebu harus dibaasi ingka resolusinya sesuai dengan ujuan yang
diharapkan. Perubahan ingka resolusi sisem jaringan didasarkan pada hierarki
jalan secara berahap yaiu: areri primer, kolekor primer, areri sekunder, ko
lekor sekunder, dan lokal. Lima ingka resolusi sisem jaringan besera karak
erisik kuaniainya dijabarkan dengan uruan seperi erliha pada abel 7.107
.11. Terliha pada abel 7.107.11 baha jalan lokal yang mempunyai panjang sekia
r 184,3 km (52,4%) menyumbang hampir sekiar 52% (nilai panjang x kapasias) dal
am konribusinya mengalirkan arus lalulinas dalam sisem jaringan jalan di Koa
madya/Kabupaen andung. Sedangkan jalan areri primer yang mempunyai panjang se
kiar 104,4 km (29,7%) menyumbang hanya sekiar 17% (nilai panjang x kapasias)
dalam sisem jaringan jalan di Koamadya/Kabupaen andung.
Tabel 7.10 Tingka resolusi sisem jaringan Tingka resolusi
1 2 3 4 5
Areri primer
Kolekor primer
X
Areri sekunder
x x
Kolekor sekunder
x x x
Lokal
x x x x
Keerangan: = ada x = dihilangkan Sumber: Tamin, Lubis, Dalimunhe dan Iraan (1
999)
332 Oyar Z Tamin, Perencanaan dan pemodelan ransporasi
Tabel 7.11 Karakerisik seiap ingka resolusi sisem jaringan Tingka resolus
i
1 2 3 4 5
Jumlah simpul
404 203 130 106 59
Jumlah ruas
1205 468 309 223 113
Jumlah ruas sau arah
136 47 23 20 9
Toal panjang ruas (km)
351,6 167,3 157,7 133,9 104,4
PanjangxKapasias (smp.km/jam) (%)
2.434.275 1.170.100 856.700 617.600 417.700 100 48 35 25 17
Sumber: Tamin, Lubis, Dalimunhe dan Iraan (1999)
7.7.3.4 Prosedur analisis Kinerja seiap ingka resolusi jaringan akan dianalis
a melalui pembebanan MAT pada beberapa ingka sisem jaringan yang elah diben
uk. Model pembebanan yang digunakan adalah model KeseimbanganWardrop dengan ban
uan program kompuer SATURN. Pembebanan dilakukan dengan beberapa variasi MAT, y
aiu: 25%, 50%, 75%, dan 100% MAT.
Tujuannya adalah unuk meliha pengaruh besarnya pengaruh variasi pembebanan er
hadap hasil pembebanan pada seiap ingka resolusi. Ruas yang diinjau adalah r
uas areri primer yang ada pada seiap ingka resolusi. Volume arus lalulinas
hasil pembebanan pada seiap ingka resolusi kemudian dibandingkan dengan hasil
pembebanan pada ingka resolusi 1 unuk meliha ingka penyimpangannya. Tingk
a penyimpangan volume relai erhadap ingka resolusi 1 (sisem jaringan pali
ng halus) adalah besarnya perbedaan volume arus lalulinas yang dinyaakan dalam
persen (%). Dalam hal ini, ingka penyimpangan 0% diarikan baha hasilnya per
sis sama dengan ingka yang dibandingkan; sedangkan penyimpangan 100% berari b
esarnya penyimpangan mencapai dua kali lipa. Tingka penyimpangan 200% memberik
an hasil perbandingan 3 kali lipa, dan seerusnya. Tingka akurasi diarikan se
bagai kebalikan dari ingka penyimpangan. Penyimpangan 0% berari akurasi sebes
ar 100% yang merupakan akurasi erbaik, penyimpangan 30% berari akurasi sebesar
70%, dan penyimpangan 100% berari akurasi 0%. Tingka penyimpangan di aas 100
% akan memberikan akurasi yang negai, yang berari baha hasil ersebu sanga
idak akura, dengan perbandingan yang erlalu besar. Volume arus lalulinas di
pakai sebagai parameer unuk meliha ingka akurasi karena parameer lainnya y
aiu kecepaan merupakan ungsi dari arus lalulinas. Hasil pembebanan pada sei
ap ingka resolusi dibandingkan dengan ingka resolusi 1 karena esimasi arus
pada ingka resolusi ersebu dianggap paling akura. Hal ini disebabkan karena
MAT yang dibebankan dibenuk berdasarkan inormasi arus lalulinas pada jaringa
n ingka 1. Kemudian unuk memperlihakan pengaruh model pembebanan erhadap ha
sil pembebanan, dilakukan pembebanan meode all ornohing pada pembebanan 100% M
AT, dan dibandingkan ingka akurasinya dengan ingka akurasi pada pembebanan K
eseimbangan Wardrop.
Model pemilihan rue 333
Sedangkan unuk mengeahui pengaruh dari ruas ruas sau arah, dilakukan pembeban
an Keseimbangan Wardrop pada seiap ingka resolusi jaringan yang semua ruas sa
u arahnya dibua menjadi dua arah, sera diperiksa ingka akurasinya. Seelah
dibobokan erhadap jarak ruas, hasil pemeriksaan disajikan dalam benuk: Arus l
alulinas raa raa pada seiap ingka resolusi jaringan. Kecepaan raa raa p
ada seiap ingka resolusi. Tingka akurasi erhadap volume arus lalulinas pad
a seiap ingka resolusi relai erhadap; dimana dari hubungan ersebu dapa
dienukan suau ingka resolusi opimum.
7.7.3.5 Analisis jaringan Pola sisem jaringan jalan yang ada di Koamadya andu
ng adalah gabungan anara sisem grid dan radial. Di pusa koa khususnya di lok
asi yang baru dibangun, erliha sisem grid lebih dominan. Dengan hadirnya jala
n lingkar andung, SoekarnoHaa dan jalan ol Padaleunyi erliha baha sisem r
adial mulai erbenuk. Pola jaringan jalan radial dan jalan lingkar membenuk si
sem jaringan jalan primer yang melayani lalulinas anar koa.
Unuk keperluan pengujian, dilakukan perubahan resolusi pada sisem jaringan jal
an ersebu berdasarkan ingka hierarkinya, yaiu: areri primer, kolekor prim
er, areri sekunder, kolekor sekunder, dan lokal. Jadi erbenuk lima buah ing
ka resolusi sisem jaringan jalan seperi elah dierangkan pada abel 7.107.11.
Gambar 7.177.18 memperlihakan sisem jaringan jalan dengan ingka resolusi 1 d
an 5.
Gambar 7.17 Sisem jaringan ransporasi (ingka resolusi 1) Sumber: Tamin, Lub
is, Dalimunhe dan Iraan (1999)
334 Oyar Z Tamin, Perencanaan dan pemodelan ransporasi
Gambar 7.18 Sisem jaringan ransporasi (ingka resolusi 5) Sumber: Tamin, Lub
is, Dalimunhe dan Iraan (1999)
7.7.3.6 Hasil analisis
Pembebanan MAT dengan menggunakan model Keseimbangan Wardrop dilakukan pada sei
ap ingka resolusi jaringan dengan beberapa variasi pembebanan MAT (25%, 50%, 7
5%, dan 100%). Unuk seiap pembebanan dihiung besarnya arus lalulinas raa ra
a dan kecepaan raa raa. Sumbu ingka resolusi didasarkan pada nilai karakeri
sik panjang x kapasias unuk seiap ingka resolusi (liha abel 7.11) yang men
unjukkan adanya proses penyederhanaan. Semakin ke kanan, ingka resolusi semaki
n rendah. a. Perbandingan arus lalulinas raa raa esar arus lalulinas raa r
aa unuk seiap ingka resolusi didapakan dengan mengalikan besarnya arus lal
ulinas di seiap ruas injauan yang diperoleh dari hasil pembebanan dengan panj
ang ruasnya seperi erliha pada persamaan (7.48) beriku.
(Vola xLa )
Volraa raa =
a
La
a
(7.48)
Vola = volume arus lalulinas pada ruas a (smp/jam) La = panjang ruas a (km) es
arnya arus lalulinas raa raa unuk seiap resolusi dan variasi pembebanan er
masuk sensiiiasnya dapa diliha pada abel 7.12 dan gambar 7.19.
Model pemilihan rue 335
Dari abel 7.12 dan gambar 7.19 erliha baha erjadi peningkaan nilai arus ra
a raa seiring dengan semakin sederhananya sisem jaringan. Kenaikan arus raa
raa unuk seiap ingka pembebanan mempunyai pola yang sama dan cenderung mena
jam seelah meleai ingka resolusi 3. Hal ini menunjukkan baha besar arus ra
a raa idak begiu erpengaruh oleh adanya penyederhanaan sisem jaringan samp
ai dengan ingka resolusi 3, sedangkan penyederhanaan lebih lanju akan menyeba
bkan perubahan nilai arus raa raa yang cukup signiikan. Terliha pula baha s
emakin besar MAT yang dibebankan maka arus raa raa yang erjadi unuk seiap r
esolusi juga semakin besar. esarnya ingka sensiiias (gradien perubahan aru
s raa raa anara ingka resolusi 3 dan 5) unuk seiap variasi pembebanan dap
a diliha pada abel 7.12. Terliha baha semakin besar pembebanannya, sensii
ias perubahan nilai arus raa raa juga
336 Oyar Z Tamin, Perencanaan dan pemodelan ransporasi
Arus raa raa (sm p/jam )
25% 50% 75% 100%
9.000
75%
8.000
4
48 34 21 13
(10 /smp)
2,70 6,28 6,95 5,38
Caaan: Sensiiias adalah gradien garis yang dibenuk anara resolusi 3 dan 5
Sumber: Tamin, Lubis, Dalimunhe dan Iraan (1999)
Model pemilihan rue 337
Res. 1
Res. 2
60 Res. 3 Raa (km/jam) Kecepaan Raa Res. 4 Res. 5 40 25% 30 20 10 0 50
25 % 50 % 75 % 100%
50% 75%
100%
2.500.000
2.000.000
1.500.000
1.000.000
500.000
0
panjang x kapasias (smp.km/jam)
Gambar 7.20 Perbandingan kecepaan raa raa pada seiap variasi pembebanan dan
ingka resolusi Sumber: Tamin, Lubis, Dalimunhe dan Iraan (1999)
Dari gambar 7.20 dan abel 7.14 erliha baha erjadi penurunan nilai kecepaan
raa raa seiring dengan semakin sederhananya sisem jaringan. Penurunan kecepa
an raa raa unuk seiap ingka pembebanan mempunyai pola yang sama dan cende
rung menajam seelah meleai ingka resolusi 3. Hal ini menunjukkan baha nila
i kecepaan raa raa idak begiu erpengaruh oleh adanya penyederhanaan sisem
jaringan sampai dengan ingka resolusi 3, sedangkan penyederhanaan lebih lanju
akan menyebabkan perubahan nilai kecepaan raa raa yang cukup signiikan. Te
rliha pula baha semakin besar MAT yang dibebankan maka nilai kecepaan raa ra
a yang erjadi unuk seiap resolusi juga semakin rendah. esarnya ingka sens
iiias (gradien perubahan kecepaan raa raa anara ingka resolusi 3 dan 5)
unuk seiap variasi pembebanan dapa diliha pada abel 7.14. Terliha baha s
emakin besar pembebanannya, sensiiias perubahan nilai kecepaan raa raa jug
a semakin inggi, eapi meleai baas erenu (yaiu 75% MAT), sensiias kem
bali menurun, karena nilai kecepaannya mendekai nol. Dari hasil analisis perba
ndingan nilai kecepaan raa raa yang dapa diliha dari gambar 7.20 dan abel
7.14, maka unuk semenara dapa disimpulkan baha ingka resolusi opimal bera
da pada ingka resolusi 3. c. Tingka penyimpangan nilai arus raa raa relai
erhadap ingka resolusi 1 esarnya ingka penyimpangan nilai arus raa raa
relai erhadap ingka resolusi 1 dapa dirumuskan dalam persamaan (7.50) beri
ku:
338 Oyar Z Tamin, Perencanaan dan pemodelan ransporasi
= = tingk
t penyimp
ng
n (%)
Xi X1 X1
x 100%
(7.50)
Xi = nil
i
rus r
t
r
t
p
d
resolusi i (smp/j
m) X1 = nil
i
rus r
t
r
t
p
d
resolusi 1 (smp/j
m) Bes
r tingk
t penyimp
ng
n nil
i
rus r
t
r
t
rel
tif
terh
d
p tingk
t resolusi 1 dis
jik
n d
l
m t
el 7.15 d
n g
m
r 7.21.
T
el 7.15 Tingk
t penyimp
ng
n nil
i
rus r
t
(%) Tingk
t pem
e
n
n (%)
25 50 75 100
Tingk
t resolusi 1
0 0 0 0
Sensitifit
s(*) 4 5
283 226 203 206
2
37 42 37 30
3
57 52 43 37
(%/smp.km/j
m)
282.66 225.91 203.29 206.02
169 125 103 104
C
t
t
n: Sensitifit
s
d
l
h gr
dien g
ris y
ng di
entuk
nt
r
resolusi 3 d
n 5
Sum
er: T
min, Lu
is, D
limunthe d
n Ir
w
n (1999)
25 % Res. 5 50 % 75 % 300 275 250 225
25 % 50 % 75 % 100%
Res . 4
100 %
200 175 150 125 100 75 50 25 0
Res. 3 Res. 2 Res. 1 2.500.000 2.000.000 1.500.000 1.000.000 p
nj
ng x k
p
sit
s
(sm p.km /j
m ) 500.000 0
G
m
r 7.21 Tingk
t penyimp
ng
n nil
i
rus r
t
r
t
rel
tif terh
d
p tingk
t 1
Sum
er: T
min, Lu
is, D
limunthe d
n Ir
w
n (1999)
D
ri g
m
r 7.21 d
p
t dilih
t
hw
penyederh
n
n s
mp
i tingk
t resolusi 3 m
Sehingg
, sesu
i deng
n h
sil terse
ut, tingk
t resolusi j
ring
n y
ng m
sih mem
erik
n
kur
si optim
l
d
l
h p
d
tingk
t resolusi 3 deng
n tingk
t
kur
si se
es
r 63%. Terlih
t pul
hw
sem
kin rend
hny
es
r pem
e
n
n men
ikk
n sens
itifit
s (sensitifit
s pem
e
n
n 25% MAT le
ih
es
r d
rip
d
sensitifit
s pem
e
n
n 100% MAT). H
l ini terj
di k
ren
d
ny
kondisi keseim
ng
n d
n peng
ru
h
t
s
n k
p
sit
s p
d
j
ring
n. Deng
n melih
t kinerj
nil
i
rus r
t
r
t
d
n nil
i kecep
t
n r
t
r
t
esert
tingk
t penyimp
ng
nny
(lih
t g
m
r 7.197.
21), d
p
t disimpulk
n
hw
tingk
t resolusi optimum untuk wil
y
h kot
m
dy
/K
up
ten B
ndung
er
d
p
d
tingk
t resolusi 3 y
ng meliputi j
l
n
rteri primer
, j
l
n kolektor primer, d
n j
l
n
rteri sekunder. T
el 7.16 d
n g
m
r 7.22 m
emperlih
tk
n tingk
t penyimp
ng
n nil
i r
t
r
t
rel
tif (terh
d
p tingk
t res
olusi 1) jik
100% MAT di
e
nk
n deng
n model
ll or nothing d
n model Keseim
ng
n W
rdrop.
T
el 7.16 Tingk
t penyimp
ng
n nil
i
rus r
t
r
t
rel
tif (%) deng
n model pe
m
e
n
n Keseim
ng
n W
rdrop d
n All or Nothing Tingk
t resolusi
1 2 3 4 5 Sensitifit
s (%/smp.km/j
m)
Keseim
ng
n W
rdrop
0 30 37 104 206 206,02
All or Nothing
0 33 72 173 315 315,12
Sum
er: T
min, Lu
is, D
limunthe d
n Ir
w
n (1999)
Res. 5
325 300 250 225 Tingk
t Penyimp
ng
n (%) 275
keseim
ng
n All Or Nothing Res. 4
200 175 150 125 100 75 50 25 0
Res. 3
Res. 2 Res. 1
2,500,000
2,000,000
1,500,000
1,000,000
500,000
0
p
nj
ng x k
p
sit
s (smp.km/j
m)
G
m
r 7.22 Tingk
t penyimp
ng
n nil
i
rus r
t
r
t
rel
tif (%) deng
n model p
em
e
n
n Keseim
ng
n W
rdrop d
n All or Nothing Sum
er: T
min, Lu
is, D
limunt
he d
n Ir
w
n (1999)
340 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
T
el 7.16 d
n g
m
r 7.22 memperlih
tk
n
hw
h
sil pem
e
n
n deng
n model
l
l or nothing mem
erik
n sensitifit
s y
ng le
ih tinggi d
n penyimp
ng
n y
ng le
ih
es
r di
ndingk
n deng
n model Keseim
ng
nW
rdrop; deng
n k
t
l
in, mem
er
ik
n tingk
t
kur
si y
ng le
ih kecil. H
l ini dise
k
n k
ren
kondisi j
ring
n j
l
n y
ng p
d
t. Sec
r
hipotes
, sem
kin rend
h tingk
t kep
d
t
n j
l
n m
k
per ed
n h
sil pem
e
n
n
nt
r
model keseim
ng
n W
rdrop deng
n model
ll o
rnothing sem
kin tid
k terlih
t. Sehingg
, untuk wil
y
h Kot
m
dy
/K
up
ten B
n
dung p
d
kondisi j
ring
n j
l
n p
d
t (j
m si
uk) d
p
t disimpulk
n
hw
model
pem
e
n
n Keseim
ng
n W
rdrop mem
erik
n h
sil pem
e
n
n y
ng le
ih
ik di
ndingk
n model
ll or nothing.
7.7.3.7 Kesimpul
n Setel
h melih
t h
sil penguji
n y
ng tel
h dil
kuk
n, m
k
d
p
t dit
rik
e
er
p
kesimpul
n:
Penyederh
n
n sistem j
ring
n meng
ki
tk
n
erkur
ngny
tingk
t
kur
si h
sil
pem
e
n
n p
d
seti
p ru
s j
l
n. H
l ini dise
k
n k
ren
perger
k
n p
d
ru
s y
ng di
greg
si
er
lih ke ru
s y
ng m
sih
d
, sehingg
p
d
umumny
rus l
l
ulint
s d
n w
ktu tempuh perger
k
n p
d
seti
p ru
s j
l
n
k
n meng
l
mi pening
k
t
n. Sem
kin sederh
n
su
tu sistem j
ring
n model, sem
kin rend
h pul
tingk
t
kur
siny
. N
mun, terd
p
t su
tu tingk
t resolusi optimum d
ri sistem j
ring
n le
ih
l
njut
k
n mengh
silk
n penurun
n tingk
t
kur
si y
ng t
j
m. D
l
m menyederh
n
k
n sistem j
ring
n h
rus diperh
tik
n
d
ny
ru
s ru
s j
l
n s
tu
r
h. Perger
k
n p
d
d
er
h di sekit
r ru
s terse
ut
k
n mengh
silk
n kes
l
h
n estim
si y
t
u m
l
h se
likny
. Oleh k
ren
itu,
r
h perger
k
n p
d
seti
p ru
s perlu
diperh
tik
n se
ik
ikny
, terut
m
j
l
n j
l
n sekunder (
t
u lok
l) di sekit
r ru
s s
tu
r
h terse
ut
g
r
rus kend
r
n mempuny
i rute perger
k
n y
ng no
rm
l sesu
i kondisi keny
t
nny
. P
d
seti
p tingk
t resolusi, d
l
m j
ring
n j
l
n y
ng p
d
t, metode pem
e
n
n Keseim
ng
n W
rdrop mem
erik
n h
sil y
ng le
ih
ik di
ndingk
n deng
n metode
ll or nothing. Sec
r
hipotes
, sem
kin ren
d
h tingk
t kep
d
t
n j
l
n, per
ed
n h
sil pem
e
n
n
nt
r
model Keseim
ng
n W
rdrop deng
n model
ll or nothing sem
kin tid
k terlih
t. Keduduk
n penghu
u
ng pus
t zon
jug
h
rus diperh
tik
n le
ih seks
m
. Asumsi pelet
k
n penghu
ung
pus
t zon
p
d
su
tu simpul se
g
i j
lur kelu
r d
ri pus
t zon
k
n mempeng
ruhi
es
rny
estim
si
rus p
d
seti
p ru
s j
l
n.
c
d
e
Model pemilih
n rute 341
f
D
l
m merenc
n
k
n sistem j
ring
n, kunci ut
m
d
l
h penentu
n tingk
t hier
rk
i j
l
n. Untuk itu, dis
r
nk
n mem
sukk
n p
d
sistem j
ring
n j
l
n sekur
ng ku
r
ngny
du
tingk
t hier
rki j
l
n y
ng le
ih rend
h d
ri y
ng di
n
lisis. Mis
l
ny
, jik
ingin meng
n
lisis j
l
n
rteri primer, m
k
perlu di
u
t sistem j
rin
g
n j
l
n y
ng terdiri d
ri j
l
n
rteri primer, kolektor primer, d
n
rteri sek
under. Untuk peneliti
n le
ih l
njut tent
ng m
s
l
h ini,
e
er
p
spek l
in y
ng mempeng
ruhi perlu dim
sukk
n d
l
m ru
ng lingkup k
ji
n, mis
lny
: peng
ruh
tingk
t resolusi sistem zon
d
n
sumsi penemp
t
n penghu
ung pus
t zon
. Diperk
ir
k
n sem
kin tinggi tingk
t resolusi sistem zon
(sem
kin
ny
k zon
) m
k
se
m
kin tinggi tingk
t
kur
si h
sil pem
e
n
nny
.
g
7.8 Keseim
ng
n sistem tr
nsport
si
7.8.1 Pend
hulu
n
Jenis pem
e
n
n keseim
ng
n y
ng tel
h kit
diskusik
n sej
uh ini h
ny
meng
t
ur s
tu mod
s
j
di d
l
m j
ring
n. Prinsip I W
rdrop memodelk
n jenis peril
ku
ini d
n
lgoritm
y
ng sesu
i y
ng memungkink
n identifik
si rute d
n
rus y
ng
mengh
silk
n
i
y
y
ng konsisten semu
pengend
r
. Seperti tel
h dijel
sk
n, p
rinsip y
ng s
m
erl
ku untuk kem
cet
n
t
u perm
s
l
h
n k
p
sit
s d
l
m j
rin
g
n
ngkut
n umum. Perm
s
l
h
n menj
di le
ih kompleks
p
il
kit
mul
i memper
tim
ngk
n inter
ksi
nt
r
du
t
u le
ih mod
. H
l y
ng perlu diperh
tik
n
d
l
h: kem
cet
n
ki
t mo
il y
ng
erpeng
ruh terh
d
p w
ktu tempuh
us p
d
rute
tertentu, d
n k
ren
itu terj
di peru
h
n str
tegi pem
e
n
n untuk penggun
ngkut
n umum; kem
cet
n
ki
t
us (d
n sistem LRT) sert
oper
si pem
erhenti
n
us
erpeng
ruh p
d
k
p
sit
s d
n kecep
t
n mo
il, term
suk pemilih
n ruteny
.
inter
ksi y
ng dise
k
n oleh penggun
n p
rk
nd ride
nd kiss
nd ride
nt
r
us d
n keret
pi. Keunggul
n oper
si multimod
ini s
ng
t terg
ntung p
d
kem
cet
n, frekuensi pel
y
n
n, d
n t
rif (mod
tr
nsport
si d
n p
rkir), d
n semu
ini
i
s
ny
s
ling mempeng
ruhi.
D
l
m k
sus penggun
multimod
, m
s
l
h menj
di le
ih rumit k
ren
merek
h
rus
memutusk
n untuk mengg
nti st
siun p
rk
nd ride ny
ki
t kem
cet
n p
d
j
rin
g
n j
l
n d
n ini tentu mengu
h tingk
t kem
cet
n. P
d
semu
k
sus di
t
s, ki
t
m
sih meng
sumsik
n MAT y
ng tet
p untuk seti
p mod
. Tet
pi, kit
sel
njutny
h
rus meng
sumsik
n MAT y
ng tid
k tet
p y
ng dise
k
n oleh peru
h
n y
ng c
ep
t p
d
j
ring
n j
l
n
t
u sel
ng w
ktu y
ng p
nj
ng. Kit
h
rus meng
ngg
p
hw
ke
utuh
n
k
n perger
k
n
ersif
t el
stis, khususny
y
ng meny
ngkut
i
y
perj
l
n
n. H
l ini mengh
rusk
n kit
mempertim
ngk
n peng
ruh kem
cet
n d
n t
und
n p
d
pemilih
n mod
d
n tuju
n perj
l
n
n.
342 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
7.8.2 Kom
in
si pemilih
n mod
deng
n pem
e
n
n
C
r
y
ng cocok untuk meng
t
si perm
s
l
h
n ini
d
l
h deng
n mengg
ungk
n
e
er
p
model menj
di su
tu kom
in
si model, mis
lny
mengg
ungk
n proses pem
e
n
n
ers
m
n deng
n proses pemilih
n mod
. Pertim
ngk
n su
tu perm
s
l
h
n d
l
m
entuk umum su
tu kurv
ke
utuh
n
k
n perger
k
n diinversi untuk mend
p
tk
n
i
y
perj
l
n
n se
g
i fungsi juml
h perger
k
n Cid = gid(Tid), seperti terli
h
t p
d
g
m
r 7.23.
G
m
r 7.23 Contoh kurv
ke
utuh
n d
n inversiny
Sum
er: Ortuz
r
nd Willumsen
(1994)
Sud
h
r
ng tentu,
i
y
perj
l
n
n
nt
r
i d
n d tid
k
k
n pern
h nol. Oleh
min k
ren
itu, d
p
t di
sumsik
n terd
p
t nil
i minimum C id p
d
kondisi y
ng
m
ks ke
utuh
n
k
n perger
k
n m
ksimumny
Tid . S
ng
tl
h men
rik jik
kit
d
p
t mem
u
t model y
ng mengkom
in
sik
n pem
e
n
n d
n ke
utuh
n
k
n perger
k
n.
Pert
m
, pertim
ngk
n fungsi tuju
n
erikut ini:
meminimumk
n deng
n
t
s
n
erikut:
Tid
Vl
Z =
c l (V )dV
g id ( t ) dt
i d
(7.51)
Tidr 0
Tidr = Tidr
r
(7.52) (7.53)
V l = Tidr li
i
Tuunan etama Z tehaa Ti aalah: Z = C i g i Ti Kita ekaang aat me
metimbangkan eilaku Z tehaa Ti ecaa langung:
* Jika Ti =0
maka
Z 0 an c i g i Ti
(7.54a)
Moel emilihan ute 343
* Jika Ti 0
maka
Z = 0 an c i = g i Ti
(7.54b)
Oleh kaena itu, jika ute tetentu igunakan, kemuian biaya ute teebut hau
membeikan nilai tetentu untuk kuva kebutuhan, kita hau memunyai hal yang
beikut: * g i (Ti ) = c i Fungi kebutuhan invei aat beua bentuk fung
i yang umum. Tetai, alam bebeaa kau, mungkin aja tiak bia iaatkan f
ungi analiti yang baik. Petimbangkan ekaang emaalahan yang lebih eeha
na yang mengkombinaikan hanya emilihan moa an oe embebanan. Dalam kau
ini, kita aat meumukan emaalahan embebanan engan kebutuhan elati eb
agai engembangan lebih lanjut ai oe embebanan engan kebutuhan tiak ela
ti. Jika Ti ekaang aalah total egeakan untuk emua moa (angkutan umum
an M mobil ibai) antaa i an , maka Ti aalah egeakan yang menggunakan
B M mobil ibai, eangkan ianya Ti = Ti Ti menggunakan moa angkutan umu
m. Kita aat membuat ua jalan bau alam jaingan jalan yang akan igunakan o
leh egeakan yang tiak menggunakan mobil ibai. Kita aat menyeehanakan
ua jalan ini an hanya memunyai atu ua gabungan antaa etia aangan Aa
lTujuan yang aat menceminkan egeakan. Hal ini iilutaikan aa gamba 7.
24.
M
M
Gamba 7.24 Contoh jaingan yang ilengkai Sumbe: Otuza an Willumen (1994)
Beanya egeakan yang menggunakan angkutan umum aat juga ituli engan e
amaan beikut:
B Ti = Ti Ti
(7.55)
an kita ekaang aat menuli kembali emaalahan otimai teebut ebagai:
meminimumk an Ti
Vl
Ti Z =
c l (V )V
g i ( t ) t
Ti
engan bataan yang ama.
344 Ofya Z Tamin, Peencanaan an emoelan tanotai
g i ( t ) t
i
Ti
5 6
Hitung ute tebaik yang bau (biaya minimum), bebankan Wi(n) aa ute tebaik
teebut, an aatkan bea au yang bau beua Fl(n) ebenanya. Gabungkan
emua egeakan i an (Ti) an au ebenanya (Vl) teebut engan caa be
ikut: Ti ( n + 1) = (1 ). Tid(n) + . Wid(n) Vl (n + 1) = (1 ). Vl(n)+ . Fl(n)
Model pemilihan rue 345
dipilih agar dapa meminimumkan ungsi ujuan (7.56). 7 ua n = n+1 dan kembali
ke ahap (2) jika krieria konvergensi belum dicapai. Dalam ahap (3) dan (4),
kia menghiung biaya ruas iki dan membandingkannya dengan biaya minimum pada
jaringan sebenarnya. Kia kemudian membebankan Tid * (oal pergerakan) ke ru
as yang dilengkapi jika g id < C id ; jika idak, kia bebankan oal pergerakan
ke jaringan sebenarnya. Sekali lagi, menggunakan algorima FrankWole dengan mem
bebankannya menggunakan model pembebanan all ornohing ke jaringan yang dilengka
pi. Implemenasi algorima ini membuuhkan hanya sediki modiikasi dalam kodii
kasi meode pembebanan keseimbangan FrankWole.
7.8.3 Moda, ujuan, dan meode pemilihan rue pada kondisi keseimbangan 7.8.3.1
Kombinasi sebaran dan pembebanan
Model seperi ini dihasilkan
dari pemrograman maemaik beriku: meminimumk an Vl
Tid 1)] l
0
i d
(7.57)
1 Z =
c l (V ) dV
deng
n
t
s
n se
g
i
erikut:
Tidr 0
Tid
d
Oi = 0 Dd = 0
(7.58) (7.59)
Tid
i
D
p
t terlih
t p
d
pers
m
n (7.57)
hw
fungsi terse
ut
d
l
h fungsi cem
ung
d
n deng
n menggun
k
n teknik L
gr
nge, solusi fungsi terse
ut d
p
t dih
silk
n
:
* * ) T id =
i
d exp ( c id
* . Model pem
e
n
n keseim
ng
n digun
k
n untuk mend
p
tk
n t
ksir
n c id Sek
li l
gi, dimungkink
n penggun
n
lgoritm
Fr
nkWolfe untuk memec
hk
n perm
s
l
h
n ini. Tet
pi, Ev
ns (1976)
erh
sil menemuk
n
lgoritm
y
ng le
ih efisien y
n
g menc
kup solusi d
ri model gr
vity d
n perm
s
l
h
n pem
e
n
n keseim
ng
n de
ng
n ke
utuh
n tid
k el
stis.
7.8.3.2 Kom
in
si se
r
n, pem
e
n
n, d
n pemilih
n mod
T
h
p
n
erikutny
d
l
h mengkom
in
sik
n se
r
n, pem
e
n
n, d
n pemilih
n mod
d
l
m h
ny
s
tu ke
r
ngk
kerj
optim
si y
ng d
p
t memec
hk
n tig
perm
s
l
h
n sek
ligus. Pendek
t
n ini tel
h dikerj
k
n oleh
e
er
p
peneliti; s
l
h s
tu di
nt
r
ny
d
l
h
Flori
n
nd Nguyen (1978). Merek
menco
menerusk
n pengem
ng
n model kom
in
s
i se
r
n d
n pemilih
n mod
y
ng tel
h diter
ngk
n p
d
6 menj
di
entuk pe
rm
s
l
h
n
ru se
g
i
erikut:
346 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
[Tid
M M B B B meminimumk
n Z = Tid log Tid + Tid log Tid + u id i d i d
(
)
(
)
(7.60)
+ c l (V ) dV
l 0
Vl
dengan baasan beriku:
M (Tid d M (Tid i B + Tid ) = Oi B ) = Dd + Tid M = Tid
(7.61a) (7.61b) (7.62) (7.63)
M Tidr r
M + V lB V l = li Ti i
M B M itambah engan atu bataan bau yang menjaikan nilai Ti , Ti , Ti t
iak boleh negatif; tikata M an B menyatakan mobil ibai an angkutan umum.
B ui aalah waktu temuh engan menggunakan angkutan umum, iaumikan tiak te
gantung aa volume au lalulinta;
VlB aalah kontibui angkutan umum aa au aa ua jalan l: au ini bia m
emunyai nilai nol untuk angkutan umum yang memunyai lintaan teiah.
Floian an Nguyen (1978) menunjukkan bahwa engan aumi yang biaa igunakan u
ntuk Cl(Vl), fungi tujuan ini meuakan enjumlahan ai bebeaa fungi cembun
g an emaalahan ini, ecaa umum, memunyai atu emecahan yang unik alam be
ntuk:
M Ti = a i b ex ( ) B Tid =
i
d exp ( uc B id )
(7.64
) (7.64
)
*M Pemilih
n mod
menj
di model logit
inomi
l deng
n p
r
meter . Bi
y
c id
d
l
h
i
y
pem
e
n
n keseim
ng
n penggun
mo
il pri
di d
ri i ke d.
P
r
peneliti ini jug
mengem
ngk
n
d
pt
si
lgoritm
Fr
nkWolfe untuk memec
hk
n perm
s
l
h
n ini. Tero
os
n
ru y
ng p
ling ut
m
d
l
h metode untuk mend
p
tk
n
r
h penc
ri
n d
l
m penggun
n pendek
t
n pemrogr
m
n line
r y
ng disini
ditr
nsl
sik
n ke d
l
m
lgoritm
Hitchcock untuk men
nggul
ngi perm
s
l
h
n tr
nsport
si. Algoritm
ini mem
utuhk
n persy
r
t
n komput
si y
ng ring
n di
nding
k
n deng
n ukur
n perm
s
l
h
n y
ng dih
d
pi. Semu
lgoritm
terse
ut
is
dir
ngkum se
g
i
erikut: 1
M B D
p
tk
n solusi inisi
l untuk Tid , Tid d
n V lM ;
Model pemilih
n rute 347
2 3 4
Untuk seti
p potong
n l, hitung
i
y
Cl = Cl(Vl); Untuk seti
p p
s
ng
n As
lTuju
n, tentuk
n rute ter
ik (id) dan eakan *M c id menjadi biaya erjalanan sea
njang rue ersebu; Hiung:
M *M M C id = C id + + log Tid B *B B C id = C id + + log Tid
5 6 7 8
M B M B Jika c id > c id maka se y id = 0 ; jika idak, enukan y id =0;
Selesaikan ermasalahan Hichcock unuk mendaakan kebuuhan akan ergerakan ya
ng baru yM dan yB;
M Inisialisasi wl = 0 unuk semua oongan l; unuk semua (i,d) se wl = wl+ y i
d unuk l dalam rue id;
Daakan selang oimal yang meminimumkan ungsi ujuan (aau suau versi linear
) dan digunakan unuk memperbaiki nilai:
M M M M ) Tid = Tid + ( y id Tid Tid = Tid + ( y id Tid )
V l = V l + (W l V l ) 9 Jika ingka konvergensi sudah ercapai, sop; jika ida
k, eruskan ke ahap (2). Dalam kasus ini, sau saunya parameer yang digunakan
unuk kalibrasi adalah . Florian and Nguyen (1978) menyarankan penggunaan raa r
aa biaya perjalanan yang diberi bobo sebagai ala unuk mengkalibrasi paramee
r ersebu. Juga dierangkan baha dalam beberapa kasus akan mengunungkan jika
digunakan dua parameer yang berbeda unuk kalibrasi, sau unuk angkuan umum d
an sau lagi unuk mobil pribadi; algorima yang digunakan unuk mendapakannya
persis sama.
7.8.3.3 Kombinasi bangkian, sebaran, pembebanan, dan pemilihan moda
Saa and Magnani (1988) maju sau langkah dalam pengembangan suau pemrograma
n maemaikan yang disebu STEM (model keseimbangan ransporasi simulan). Mere
ka memberikan benuk ungsi yang mempunyai leksibilias jauh lebih baik dibandi
ngkan dengan ungsi yang dihasilkan oleh pendekaan enropimaksimum. Teapi, un
gsi kebuuhan masih lebih umum dibandingkan dengan ungsi yang digunakan dalam m
odel ransporasi konvensional. Mereka menggunakan ukuran nonuilias perjalanan
yang leksibel (Uid) yang dideinisikan sebagai beriku:
U id = u id + Ad
(7.65)
d
l
h p
r
meter k
li
r
si, uid
d
l
h persepsi
i
y
perj
l
n
n d
ri i ke d, d
n Ad
d
l
h efek komposit d
ri
e
er
p
peu
h sosio ekonomi y
ng mempeng
ruhi
348 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
ngkit
n l
lulint
s. Contohny
d
l
h juml
h l
p
ng
n kerj
d
n d
er
h pertoko
n. S
fw
t
nd M
gn
nti (1988) menghu
ungk
n perm
s
l
h
n
ngkit
n perger
k
n de
ng
n ukur
n sistem
tik tent
ng
ksesi
ilit
s y
ng d
p
t ditulis se
g
i
erikut:
S i = m
ksimum 0, log exp ( u id + Ad ) d
Se
r
n perger
k
n jug
di
erik
n
su
tu model logit: Tid = exp ( u id + Ad ) Gi exp ( uik + Ak )
k
(7.66)
(7.67)
Menurut merek
,
entuk ini
ersif
t le
ih umum di
ndingk
n model konvension
l g
r
vity k
ren
tel
h mem
sukk
n peu
h sosio ekonomi d
l
m
entuk fungsi utilit
s
y
ng fleksi
el. Jel
sl
h
hw
jik
seseor
ng meng
ngg
p Ad = log Dd, model ter
se
ut
k
n menj
di model gr
vity jenis SCGR deng
n fungsi h
m
t
n
erup
fungsi
eksponensi
l. Model gr
vity jenis DCGR d
p
t didek
ti deng
n nil
i positif y
ng
s
ng
t kecil. Pemilih
n mod
tr
nsport
si d
l
m pemodel
n ini
n
log deng
n pem
ilih
n rute. Seti
p penggun
individu
k
n memilih mod
y
ng le
ih men
rik. Mode
l pemilih
n rute d
n mod
kemudi
n dis
tuk
n d
l
m ker
ngk
kerj
pem
e
n
n kes
eim
ng
n. Metode pemec
h
n y
ng diusulk
n oleh S
fw
t
nd M
gn
nti (1988) ini s
ek
li l
gi merup
k
n
d
pt
si d
ri
lgoritm
Fr
nkWolfe. Pem
c
y
ng ingin menge
t
hui le
ih l
njut perm
s
l
h
n ini dis
r
nk
n mem
c
tulis
n merek
. Model STE
M tel
h diter
pk
n p
d
e
er
p
k
ji
n kecil di Mesir d
n Tex
s. H
sil ter
p
n
menunjukk
n
hw
persy
r
t
n f
silit
s komputer t
m
h
n tid
k terl
lu
ny
k d
i
ndingk
n deng
n model l
in.
7.9 Model kurv
diversi
Model pemilih
n rute
i
s
ny
mem
erik
n g
m
r
n ide
l pemilih
n rute d
ri
e
e
r
p
rute y
ng s
ling
ers
ing. Jik
di d
er
h y
ng sud
h memiliki j
ring
n j
l
n di
u
t j
l
n
ru y
ng p
r
lel deng
n w
ktu tempuh d
n/
t
u
i
y
perj
l
n
n y
ng le
ih rend
h, m
k
pengend
r
cenderung menggun
k
n j
l
n
ru terse
ut. H
l
ini h
ny
terj
di jik
j
l
n
ru itu mempuny
i ku
lit
s y
ng tinggi d
n
rus l
lulint
s y
ng melew
tiny
tid
k mele
ihi k
p
sit
sny
. Jik
terj
di k
sus seper
ti ini, se
ikny
digun
k
n Kurv
Diversi. Kurv
diversi
is
did
p
t deng
n mel
kuk
n k
ji
n empiris pengukur
n ku
ntit
tif h
m
t
n perj
l
n
n. Kurv
diversi
memperlih
tk
n se
er
p
es
r proporsi pengend
r
y
ng mungkin sek
li pind
h men
ggun
k
n rute
t
u j
l
n l
in. Be
er
p
model kurv
diversi tel
h dikem
ngk
n d
eng
n menggun
k
n
e
er
p
ukur
n h
m
t
n perj
l
n
n mis
lny
w
ktu tempuh y
ng
d
p
t dihem
t, j
r
k
Model pemilih
n rute 349
y
ng d
p
t dihem
t, nis
h w
ktu tempuh, nis
h j
r
k, nis
h
i
y
, nis
h w
kt
u tempuh/j
r
k y
ng dihem
t d
n nis
h j
r
k/kecep
t
n (Bruton, 1985). Kurv
Div
ersi
d
l
h kurv
y
ng digun
k
n untuk memperkir
k
n
rus l
lulint
s y
ng tert
r
ik ke j
l
n
ru
t
u j
l
n deng
n f
silit
s
ru. Oleh k
ren
itu, perlu di
nd
ingk
n
i
y
perj
l
n
n deng
n
t
u t
np
f
silit
s tr
nsport
si y
ng
ru. Kepu
tus
n seseor
ng untuk menggun
k
n f
silit
s y
ng
ru terse
ut did
s
ri per
ndi
ng
n
t
u per
ed
n
i
y
jik
di
menggun
k
n
t
u tid
k menggun
k
n f
silit
s
ru itu. Kurv
diversi
i
s
ny
di
entuk
erd
s
rk
n w
ktu, j
r
k
t
u
i
y
,
t
u kom
in
siny
. Bruton meny
t
k
n tig
kurv
diversi y
ng sering digun
k
n dew
s
ini, y
itu kurv
deng
n nis
h w
ktu, w
ktu tempuh d
n j
r
k y
ng d
p
t dihe
m
t, d
n nis
h kecep
t
n. Kurv
nis
h w
ktu tempuh meny
t
k
n per
nding
n
nt
r
w
ktu tempuh y
ng menggun
k
n j
l
n tol di
ndingk
n deng
n rute
ltern
tif
l
inny
. G
m
r 7.25 memperlih
tk
n contoh kurv
diversi nis
h w
ktu tempuh.
50% penggun
n
G
m
r 7.25 Kurv
diversi nis
h w
ktu tempuh Sum
er: Bruton, (1985)
Kurv
diversi w
ktu tempuh d
n j
r
k y
ng d
p
t dihem
t tel
h dikem
ngk
n oleh
Divisi J
l
n R
y
C
liforni
seperti terlih
t p
d
g
m
r 7.26. Kurv
diversi y
ng dih
silk
n
er
entuk hiper
ol
. Asumsi d
s
r penurun
n kurv
terse
ut
d
l
h:
f
ktor sel
in w
ktu d
n j
r
k tid
k d
p
t diukur sec
r
eksplisit,
p
l
gi dir
m
lk
n, sehingg
di
ik
n; m
kin
es
r w
ktu tempuh d
n j
r
k y
ng d
p
t dihem
t
, m
kin tinggi proporsi penggun
n; jik
penghem
t
n w
ktu d
n j
r
k kecil, h
ny
sedikit or
ng y
ng
k
n menggun
k
n j
l
n
e
s h
m
t
n, sed
ngk
n y
ng l
in
tet
p menggun
k
n rute
ltern
tif.
350 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
Selisih j
r
k vi
j
l
n tol (mil)
Penghem
t
n w
ktu vi
j
l
n tol (menit)
G
m
r 7.26 Kurv
diversi penghem
t
n w
ktu tempuh d
n selisih j
r
k vi
j
l
n t
ol Sum
er: Bruton, (1985)
Di Indonesi
, d
l
m k
ji
n j
l
n tol, kurv
diversi di
entuk
erd
s
rk
n per
nd
ing
n
nt
r
i
y
tol d
n w
ktu y
ng dihem
t jik
pengend
r
menggun
k
n j
l
n
tol. Pengend
r
mer
s
k
n
i
y
perj
l
n
n, tet
pi k
ren
merek
d
p
t mengukur
kecep
t
n d
n memperkir
k
n kecep
t
n perj
l
n
n, m
k
kecep
t
n d
p
t digun
k
n
untuk memperkir
k
n proporsi pengend
r
y
ng
er
lih ke j
l
n
ru. Peng
l
m
n
di Jep
ng menunjukk
n
hw
kurv
diversi untuk j
l
n tol terut
m
erg
ntung p
d
per
nding
n
i
y
tol d
n selisih w
ktu perj
l
n
n
nt
r
j
l
n tol d
n j
l
n
ltern
tif. Sem
kin
es
r w
ktu perj
l
n
n y
ng dihem
t mel
lui f
silit
s y
ng
le
ih
ik, seperti j
l
n tol, m
kin meningk
t pem
k
i
n f
silit
s terse
ut. Ku
rv
diversi untuk hu
ung
n ini
erd
s
rk
n peng
m
t
n
ktu
l p
d
Meishin (N
goy
Ko
e) Expressw
y di Jep
ng. Kurv
di
entuk d
ri pers
m
n: P= K (1 +
X
) (7.6
8)
deng
n P
d
l
h persent
se d
ri kend
r
n y
ng
k
n
erpind
h ke j
l
n tol
e
s
h
m
t
n
t
u tol terh
d
p volume l
lulint
s tot
l, d
n X
d
l
h
i
y
tol
t
u
w
ktu y
ng dihem
t. Koefisien
,
, d
n K did
p
t d
ri
n
lisis st
tistik. Untu
k mener
pk
n model ini diperluk
n d
t
:
per
ed
n
i
y
tol
nt
r
rute
e
s h
m
t
n
t
u tol ter
ik y
ng tersedi
d
n rute
ltern
tif ter
ik y
ng terse
di
. per
ed
n w
ktu perj
l
n
n
nt
r
rute
e
s h
m
t
n
t
u tol ter
ik y
ng
tersedi
d
n rute
ltern
tif ter
ik y
ng tersedi
.
Berd
s
rk
n du
h
l terse
ut, persent
se l
lulint
s y
ng
k
n
erpind
h ke j
l
n
e
s h
m
t
n
t
u tol d
p
t diperoleh d
ri kurv
. H
sil perk
li
n persent
se
ini
Model pemilih
n rute 351
deng
n tot
l volume l
lulint
s menunjukk
n juml
h kend
r
n y
ng
erpind
h ke j
l
n
e
s h
m
t
n
t
u tol.
7.9.1 Model JICA
P
d
t
hun 1990, du
u
h model diversi tel
h dikem
ngk
n oleh JICA p
d
proyek
ru
s j
l
n tol Cik
mpekCire
on untuk d
p
t memodel diversi l
lulint
s p
d
j
l
n
tol terse
ut.
7.9.1.1 Model I
Model ini dik
li
r
si deng
n menggun
k
n peu
h tid
k
e
s
erup
selisih w
ktu
tempuh jik
menggun
k
n j
l
n tol d
n j
l
n
ltern
tif. Peu
h l
inny
y
ng jug
di
n
lisis
d
l
h t
rif tol d
n nil
i w
ktu tempuh. Model terse
ut dise
ut mod
el regresi perk
li
n: P =
T
(7.69) = tingk
t diversi j
l
n tol (%) = w
ktu tem
puh jik
menggun
k
n j
l
n
ltern
tif (menit) = w
ktu tempuh jik
menggun
k
n j
l
n tol (menit)
P A T
T = A (T + TR/TV)
TR = t
rif tol (rupi
h/kend
r
n) TV = nil
i w
ktu tempuh (rupi
h/menit)
,
=
p
r
meter y
ng h
rus dit
ksir Pers
m
n (7.69) d
p
t disederh
n
k
n deng
n mel
k
uk
n tr
nsform
si line
r y
ng mengh
silk
n pers
m
n (7.70).
7.9.1.2 Model II Model ini memperhitungk
n f
ktor y
ng did
p
t d
ri nil
i t
rif
tol di
gi deng
n per
ed
n w
ktu tempuh. D
l
m model ini, f
ktor pergeser
n dig
un
k
n untuk mencermink
n peningk
t
n keingin
n untuk mem
y
r tol y
ng sej
l
n
deng
n peningk
t
n tingk
t pend
p
t
n. Model ini dik
li
r
si deng
n menggun
k
n
contoh d
t
y
ng s
m
deng
n model I.
P=
1 +
(7.71)
P T
= tingk
t diversi j
l
n tol (%) = nis
h t
rif tol/selisih w
ktu tempuh (rupi
h/
menit)
352 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
S
= f
ktor pergeser
n (nis
h PDRB per k
pit
/pend
p
t
n t
hun
n)
,
, c = p
r
meter y
ng h
rus dik
li
r
si Seperti h
lny
deng
n model I, pers
m
n (7.71) d
p
t disederh
n
k
n deng
n menggun
k
n tr
nsform
si line
r. Urut
n p
enyederh
n
nny
d
l
h se
g
i
erikut.
T C
(7.72) P +
P
=
P T log
T C
=
S
P
= log
+ c log
P
(7.73)
(7.74)
d
n X = log
m
k
pers
m
n (7.74)
P T Deng
n meng
sumsik
n Y = log
pers
m
n line
r. Sel
njutny
, deng
n menget
hui
e
er
p
nil
i P d
n BPH y
ng
is
did
p
t d
ri survei l
p
ng
n, p
r
meter
d
n
d
p
t dik
li
r
si deng
n men
ggun
k
n
n
lisis regresi line
r terh
d
p pers
m
n (7.74).
7.9.2 Model logit
inomi
l d
n regresi peng
li
Giri
n
(1990) mempel
j
ri peril
ku pengend
r
d
l
m memilih rute menuju
nd
r
Soek
rnoH
tt
di J
k
rt
. Du
u
h model pemilih
n rute tel
h dikem
ngk
n y
ng
digun
k
n untuk memodel pemilih
n rute y
ng dil
kuk
n oleh penump
ng y
ng
k
n
epergi
n d
n ten
g
kerj
y
ng
ekerj
di
nd
r
. Model y
ng digun
k
n
d
l
h m
odel logit
inomi
l d
n model regresi peng
li. Peu
h tid
k
e
s y
ng digun
k
n
d
l
m model pert
m
d
l
h selisih
i
y
perj
l
n
n d
n selisih w
ktu tempuh, s
ed
ngk
n model kedu
menggun
k
n nis
h
nt
r
t
rif tol/selisih w
ktu tempuh. B
entuk d
s
r model ini terlih
t p
d
pers
m
l
m rupi
h, m
k
model logit
inomi
l terse
ut d
p
t diny
t
k
n d
l
m
entuk l
in, y
itu: exp[
+
( BPH )] P= (7.75) 1 + exp[
+
( BPH )] P BPH = tingk
t div
ersi =
i
y
perj
l
n
n y
ng dihem
t d
l
m rupi
h
d
n
= p
r
meter y
ng h
rus dik
li
r
si Untuk mengu
h
entuk perk
li
n d
l
m
pers
m
n (7.75) menj
di
entuk penjuml
h
n, tr
nsform
si log
ritm
perlu dil
k
uk
n:
Model pemilih
n rute 353
P [1 + exp [
+
(BPH)]] = exp [
+
(BPH)] P + P exp [
+
(BPH)] = exp [
+
(
BPH)] P = exp [
+
(BPH)] P exp [
+
(BPH)] P = (1P).[exp [
+
(BPH)]] P = exp
(
+
(BPH )) (1 P ) Akhirny
P
log e
=
+
(BPH )
(1 P )
(7.76) (7.77) (7.78) (7.79) (7.80)
(7.81)
P
Deng
n meng
sumsik
n Y = log e
d
n X = (BPH), pers
m
n (7.81)
(1 P )
ngg
p se
g
i pers
m
n line
r. Sel
njutny
, deng
n menget
hui
e
er
p
nil
i P
d
n BPH y
ng
is
did
p
t d
ri survei l
p
ng
n, p
r
meter
d
n
d
p
t dik
li
r
si deng
n menggun
k
n
n
lisis regresi line
r terh
d
p pers
m
n (7.81).
7.9.2.2 Model regresi peng
li
d
p
t di
d
n
= p
r
meter y
ng h
rus dik
li
r
si Pers
m
n (7.82) d
p
t dimodifik
si
g
r le
ih mud
h menghitungny
: P.[1 +
(NBP)
] = 1 P + P
(NBP)
(7.83) (7.84) (7.85) (7.86) (7.87)
=1
P
(NBP)
= 1P
(1 P ) =
(NBP )
P (1 P ) log
= log
+
log (NBP )
P
Deng
n meng
sumsik
n Y = log
d
n X = log(NBP) m
k
pers
m
n (1 P )
t di
ngg
p se
g
i pers
m
n line
r. Sel
njutny
, deng
n menget
hui
e
er
p
nil
i P d
n NBP y
ng
is
did
p
t d
ri survei l
p
ng
n, koefisien regresi
354 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
(7.87) d
p
d
n
d
p
t dihitung deng
n menggun
k
n
n
lisis regresi line
r terh
d
p pers
n (7.87). P
r
pem
c
y
ng ingin mend
p
tk
n penjel
s
n le
ih rinci mengen
i
kedu
model ini
esert
pener
p
nny
d
p
t mem
c
su
6.10
uku ini.
7.10 M
s
l
h pem
e
n
n
erle
ih
Konsep pem
e
n
n l
lulint
s
ku y
ng tel
h dijel
sk
n se
elumny
memiliki
sum
si d
s
r
hw
er
p
pun
es
rny
m
triks permint
n perger
k
n (
ik MAT eksis
ting m
upun MAT h
sil per
m
l
n p
d
m
s
mend
t
ng), semu
ny
k
n dit
mpung ol
eh sistem j
ring
n j
l
n y
ng
d
. Deng
n perk
t
n l
in, di
sumsik
n
hw
perm
int
n m
triks perger
k
n
d
l
h tet
p (tid
k el
stis). Asumsi ini cukup tinggi
risiko kes
l
h
nny
jik
diter
pk
n p
d
sistem j
ring
n j
l
n y
ng m
cet k
ren
k
n terd
p
t ser
ngk
i
n peril
ku penggun
j
l
n y
ng di
ik
n y
ng
k
n meni
m
ulk
n kes
l
h
n d
l
m perkir
n juml
h
rus l
lulint
s di m
s
mend
t
ng. Bil
s j
l
n
ki
t
d
ny
pem
e
n
n l
lulint
s mungkin
k
n s
ng
t
er
ed
deng
n
sumsi
w
l kecep
t
n y
ng digun
k
n. H
l ini
k
n mengh
silk
n pemodel
n y
ng ti
d
k konsisten. Kedu
,
rus l
lulint
s
ki
t pem
e
n
n d
p
t j
uh mele
ihi k
p
sit
s ru
s j
l
n y
ng
ers
ngkut
n (nil
i NVK>>1),
p
l
gi
il
dil
kuk
n proses
pem
e
n
n l
lulint
s untuk t
hun renc
n
y
ng cukup l
m
di m
s
mend
t
ng (mi
s
lny
20 t
hun). Perm
s
l
h
n ini sering dise
ut m
s
l
h pem
e
n
n
erle
ih. N
mun, d
l
m keny
t
nny
h
l ini tid
k mungkin terj
di. Kemungkin
n
es
r, seseo
r
ng
k
n menund
t
u m
l
h
k
n mempercep
t w
ktu ke
er
ngk
t
nny
untuk mengh
ind
ri kem
cet
n p
d
j
m punc
k. J
di, permint
n m
triks perger
k
n terse
ut t
id
k
k
n ter
e
nk
n seluruhny
p
d
sel
ng w
ktu tertentu, tet
pi se
gi
n
k
n terj
di se
elum d
n se
gi
n l
gi
k
n terj
di sesud
h sel
ng w
ktu terse
ut.
Kondisi ini mengh
silk
n su
tu
entuk pem
e
n
n tid
k tet
p (el
stis). S
l
h s
tu c
r
untuk mengur
ngi kes
l
h
n terse
ut
d
l
h deng
n mener
pk
n konsep pem
e
n
n el
stis y
ng sec
r
teori pern
h diperken
lk
n oleh Sheffi (1985). Pem
e
n
n el
stis merup
k
n perlu
s
n d
ri konsep keseim
ng
n W
rdrop (1952) mengen
i pem
e
n
n l
lulint
s di j
ring
n j
l
n, deng
n men
m
hk
n g
g
s
n
l
mi meng
en
i el
stist
s peril
ku permint
n perj
l
n
n terh
d
p
t
s
n k
p
sit
s j
ring
n j
l
n y
ng men
mpungny
. El
stisit
s peril
ku penggun
j
l
n terse
ut dicermi
nk
n mel
lui su
tu fungsi permint
n y
ng meny
t
k
n
er
g
i peru
h
n peril
ku
(peru
h
n mod
, w
ktu, tuju
n, d
n frekuensi perj
l
n
n)
ki
t meningk
tny
p
ermint
n
k
n perger
k
n. Fungsi ini jug
m
mpu merepresent
sik
n fenomen
l
lu
lint
s t
m
h
n
ki
t
d
ny
pen
m
h
n k
p
sit
s j
ring
n j
l
n, mis
lny
di
ngunny
j
l
n
ru.
Model pemilih
n rute 355
Ber
g
i metode tel
h dikem
ngk
n untuk men
mpung perm
s
l
h
n ini. Lu
is et
l
(1998) mel
lui peneliti
n Riset Unggul
n Terp
du tel
h mempel
j
ri sec
r
mend
l
m
e
er
p
metode, y
itu metode pem
e
n
n keseim
ng
n el
stis d
n metode pem
ngk
s
n m
triks perger
k
n. Kedu
metode terse
ut
k
n dijel
sk
n sec
r
singk
t
erikut ini.
7.10.1 Metode pem
e
n
n keseim
ng
n el
stis
Metode pem
e
n
n keseim
ng
n el
stis
er
ed
deng
n pem
e
n
n keseim
ng
n ti
d
k el
stis (tet
p). D
l
m pem
e
n
n keseim
ng
n tid
k el
stis, m
triks perger
k
n y
ng
k
n di
e
nk
n di
ngg
p tet
p, sed
ngk
n p
d
pem
e
n
n keseim
ng
n
el
stis, m
triks perger
k
n terse
ut tid
k tet
p (d
p
t
eru
h u
h).
7.10.1.1 Prinsip d
s
r
Prinsip d
s
r pem
e
n
n el
stis did
s
rk
n p
d
penjel
s
n y
ng dikemuk
k
n ole
h Sheffi (1985)
hw
untuk su
tu permint
n perger
k
n p
d
seti
p p
s
ng
n
s
ltuju
n di
sumsik
n
hw
l
lulint
s
k
n meng
tur diriny
sendiri d
l
m sistem j
ring
n mengikuti prinsip keseim
ng
n sehingg
semu
rute y
ng digun
k
n
k
n m
empuny
i
i
y
perger
k
n y
ng s
m
d
n
i
y
terse
ut s
m
t
u le
ih kecil di
ndingk
n deng
n seti
p rute y
ng tid
k digun
k
n. Metode pem
e
n
n keseim
ng
n el
stis meng
sumsik
n permint
n perger
k
n
nt
r
zon
s
l i ke zon
tuju
n
d se
g
i fungsi
i
y
minimum perger
k
n
nt
r
kedu
zon
terse
ut, seperti di
ny
t
k
n p
d
pers
m
n (7.88)
erikut.
* Tid = f id C id
( )
(7.88)
*
d
l
h
i
y
Tid
d
l
h m
triks permint
n perger
k
n d
ri zon
i ke zon
d, C
id minimum perger
k
nny
, sed
ngk
n fid
d
l
h fungsi y
ng mengontrol peru
h
n
permint
n perger
k
n
ki
t
d
ny
peru
h
n
i
y
perger
k
n. Sec
r
umum, ru
mus fid untuk seti
p p
s
ng
n
s
ltuju
n
d
l
h s
m
, tet
pi d
p
t meng
ndung p
r
meter y
ng
er
ed
y
ng sec
r
m
tem
tis d
p
t diny
t
k
n mel
lui pers
m
n (7.
89)
erikut. *
C id
(7.89) Tid = f id
id merup
k
n vektor p
r
meter seti
p p
s
ng
n id, sed
ngk
n fid didefinisik
n se
g
i hu
ung
n fungsi permint
n perger
k
n. Jik
i
y
perger
k
n
nt
r
su
tu p
s
ng
n
s
ltuju
n meningk
t k
ren
ert
m
hny
kend
r
n y
ng
er
d
p
d
rute t
ertentu, m
k
permint
n perger
k
n p
d
p
s
ng
n
s
ltuju
n y
ng
ers
ngkut
n
k
n meng
l
mi penurun
n se
g
i cermin
n d
ri el
stisit
s kurv
permint
n.
7.10.1.2 Algoritm
Algoritm
y
ng dip
k
i untuk memec
hk
n m
s
l
h pem
e
n
n keseim
ng
n el
stis
s
m
deng
n m
s
l
h pem
e
n
n keseim
ng
n tid
k el
stis (lih
t su
7.6) den
g
n
e
er
p
per
ed
n
erikut ini.
356 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
1
terd
p
t su
tu fungsi permint
n perger
k
n y
ng d
p
t mengg
m
rk
n peru
h
n p
ermint
n perger
k
n se
g
i t
ngg
p
n penggun
j
l
n terh
d
p
d
ny
peru
h
n
ksesi
ilit
s p
d
sistem j
ring
n j
l
n
ki
t
rus l
lulint
s p
d
sistem j
ri
ng
n j
l
n terse
ut; terd
p
t su
tu ru
s j
l
n t
m
h
n di lu
r j
ring
n (ru
s p
lsu) y
ng
k
n mem
w
kele
ih
n
rus terse
ut kelu
r d
ri j
ring
n se
g
i g
m
r
n terh
d
p
d
ny
peru
h
n keputus
n y
ng dil
kuk
n penggun
j
l
n.
2
Algoritm
terse
ut merup
k
n
lgoritm
y
ng digun
k
n d
l
m p
ket progr
m SATURN
modul SATEASY y
ng diperken
lk
n oleh V
n Vliet
nd W
tling (1991). Untuk le
ih
jel
sny
, modifik
si terh
d
p
lgoritm
ku d
p
t dilih
t p
d
g
m
r 7.27
er
ikut.
Ru
s p
lsu
i
s
l
J
ring
n j
l
n
d
tuju
n
G
m
r 7.27 P
s
ng
n
nt
rzon
deng
n ru
s p
lsu Sum
er: Sheffi (1985)
Kele
ih
n
rus y
ng melew
ti ru
s p
lsu terse
ut didefinisik
n se
g
i E y
ng me
rup
k
n selisih
nt
r
juml
h perger
k
n m
ksimum y
ng mungkin terj
di (Tm
ks) d
eng
n juml
h perger
k
n y
ng mel
lui j
ring
n j
l
n sesungguhny
(T). Sec
r
m
t
em
tis, nil
i E d
p
t diny
t
k
n se
g
i
erikut: E = Tm
ks T (7.90) Hu
ung
n
n
t
r
i
y
perger
k
n p
d
ru
s p
lsu (d) deng
n
es
rny
rus p
d
ru
s p
lsu t
erse
ut (E) sec
r
umum didefinisik
n se
g
i: d(E) = f 1 (Tm
ksE) f 1 merup
k
n in
versi fungsi permint
n perger
k
n. Fungsi tuju
n d
l
m
lgoritm
ini di
entuk o
leh su
tu fungsi integr
l y
ng meny
t
k
n tot
l
i
y
perger
k
n y
ng terj
di di
d
l
m sistem deng
n mengikutsert
k
n
i
y
perger
k
n p
d
ru
s p
lsu terse
ut.
Sec
r
umum fungsi tuju
n p
d
metode pem
e
n
n keseim
ng
n el
stis d
p
t din
y
t
k
n p
d
pers
m
deng
n
t
s
n:
r Tid 0
(7.93) (7.94) (7.95)
E id 0
r Tid = Tid r
Z mew
kili tot
l perger
k
n se
g
i fungsi d
ri
rus V di d
l
m sistem, sed
ngk
n r Tid mew
kili seluruh perger
k
n d
ri zon
i ke zon
d y
ng mel
lui rute r. E
id mew
kili juml
h
rus p
d
ru
s p
lsu deng
n
i
y
y
ng didefinisik
n se
g
i
did, sed
ngk
n Vl
d
l
h
rus y
ng mel
lui ru
s j
l
n l deng
n
i
y
ru
s se
es
r Cl. Lu
is et
l (1998) meny
r
nk
n prosedur
lgoritm
Fr
nkWolfe y
ng tel
h dim
odifik
si untuk digun
k
n d
l
m metode pem
e
n
n keseim
ng
n el
stis se
g
i
erikut ini: 1 hitung
i
y
semu
ru
s j
l
n y
ng
d
p
d
kondisi
rus
e
s d
n
set n = 1. Untuk seti
p zon
s
l i:
FF
entuk pohon
i
y
minimum untuk seti
p zon
tuju
n d deng
n C id meny
t
k
n
i
y
minimum p
d
kondisi
rus
e
s;
untuk seti
p zon
tuju
n d, tentuk
n juml
h perger
k
n m
ksimum y
ng mungkin ter
j
di untuk seti
p p
s
ng
n zon
id deng
n memec
hk
n:
m
ks FF Tid = f id C id
( )
(7.96)
c d
tentuk
n juml
h perger
k
n y
ng
k
n di
e
nk
n ke d
l
m j
ring
n (1) ; j
l
n: T
id
(1) ke j
ring
n j
l
n,
kumul
sik
n juml
h
rus untuk
e
nk
n Tid
menentuk
n himpun
n pert
m
d
ri
rus ru
s: Vl(1) ; e 2
(1) (1) m
ks = Tid Tid ke ru
s p
lsu;
e
nk
n kele
ih
n
rus E id
hitung
i
y
ru
s j
l
n y
ng sesungguhny
d
n
i
y
ru
s p
lsu; C l( n ) = C l V
l( n )
( n) ( n) (n) m
ks = g id E id d id Tid
(
( )
)
3
untuk seti
p zon
s
l i:
entuk pohon
i
y
minimum ke seti
p zon
tuju
n d d
n tet
pk
n nil
i (n) terse
ut se
g
i C id ;
358 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
( n +1) hitung d
n
e
nk
n perger
k
n untuk pengul
ng
n ini, Tid untuk
menentuk
n
es
r
rus seti
p ru
s: W l( n +1) . c 4
(1) ( n +1) m
ks ke ru
s p
lsu
e
nk
n
rus kele
ih
n Fid = Tid Tid
kom
in
sik
n solusi terd
hulu deng
n solusi pengul
ng
n y
ng diperoleh d
ri t
h
p (3) deng
n mem
sukk
n solusi terse
ut ke pers
m
n
erikut. V l( n +1) = (1 )
V ln + W l( n +1)
( n +1) ( n +1) n E id = (1 )E id + Fid
dipilih dengan meminimumkan ungsi ujuan Z(); 01. 5 cek konvegeni; bila telah te
caai, to; jika belum, kembali ke taha (2).
7.10.1.3 Kiteia konvegeni
Konvegeni algoitma metoe embebanan keeimbangan elati ilakukan engan ca
a yang ei ama engan konvegeni algoitma FankWolfe aa embebanan tiak
elati; engan catatan: hau elalu memaukkan ua alu ke alam enilaian
konvegeni yang ilakukan. Bebeaa umu enilaian konvegeni yang aat igu
nakan yang ecaa khuu menghubungkan konvegeni engan ua alu eeti yan
g iaankan oleh Lubi et al (1998) aalah ebagai beikut: 1 Fungi Pemiah (G
)
mak G =
C l (V l )V l + i ( E i ) E i ) Ti min( C i , i )
(7.97)
2
Fungi emiah yang inomaliai () =
(
i
G min( C i , i )
mak Ti
)
(7.98)
3
Ketiakatian alam fungi tujuan () =
(Z G )
Z
(7.99)
Notai mnyatakan bsarnya rduksi yang trjadi pada suatu pngulangan yang brh
asil. 4 Total arus pada jaringan dan pada ruas palsu T = Tid
i d
(7.100)
Modl pmilihan rut 359
i
E = E id
i d
(7.101)
Kondisi yang pnting untuk trcapainya konvrgnsi adalah pada saat T dan E mnc
apai nilai yang stabil. Sbnarnya hal ini blum cukup apabila prubahan pada ni
lai stiap pasangan i aat iamakan oleh tabilita nilai ecaa keeluuhan
(total ai emua aangan i ). 5 Peubahan au aa ua alu
(n) ( n) i E i i
E 6 Peubahan biaya aa ua alu
( n +1) (n) i i i ( n) i i
(7.102)
(7.103)
7
Pebeaan biaya antaa ua ali an ua alu
(n) (n) C i i i ( n) i i
(7.104)
Dalam enentuan konvegeni, beanya aamete (5), (6), an (7) hau ama en
gan nol. Kiteia untuk to aat iaakan aa ketiga ukuan teebut, baik
ecaa iniviual mauun kolektif.
7.10.1.4 Fungi emintaan egeakan an fungi biaya Dalam menyatakan eubaha
n tingkat kenaikan au lalulinta aa jaingan jalan yang macet, maka keekaan
fungi emintaan egeakan, elain igambakan melalui embebanan kembali, ju
ga iaumikan alam bentuk keekaan emintaan tunggal yang itanai oleh aam
ete keekaan emintaan tunggal. Keekaan fungi emintaan ini behubungan en
gan:
1 2 3 4
aamete elati eifik engguna jalan yang mengontol keekaan ata ata e
mintaan tehaa biaya gabungan; aamete eifik engguna jalan yang menentuk
an ketajaman fungi emintaan; matik biaya untuk etia aangan zona aaltuju
an yang ecaa eifik ihubungkan engan engguna jalan aa bebeaa efeen
i yang igunakan; matik emintaan egeakan untuk etia aangan aaltujuan
yang ecaa eifik ihubungkan engan engguna jalan yang akan membeikan au
aaltujuan yang akan naik jika biaya egeakan aa ua yang beangkutan
360 Ofya Z Tamin, Peencanaan an emoelan tanotai
beaa aa tingkatan tetentu yang akan ihitung engan menggunakan matik bia
ya. Lubi et al (1998) menyaankan emat fungi emintaan egeakan yang aat
igunakan alam metoe embebanan keeimbangan elati, yaitu: 1 Bentuk ekone
nial tetutu
( ( )) .C . exp( (C C )) e= [1 + exp( (C C ))]
0 1 + exp C id C id id id 0 id id 0 id
Tid =
0 2Tid
(7.105)
(7.106)
2
Bentuk p
ngk
t
0 Tid = Tid
C .
id
C0
id
(7.107) (7.108)
e= 3 Bentuk eksponensi
l
0 0 Tid = Tid . exp C id C id
( (
))
(7.109) (7.110)
e = C id
4 Bentuk eksponensi
l el
stis
0 C id
. exp
id 1 Tid = Tid
C0
(7.111)
(7.112)
0 0 d
n C id meny
t
k
n
es
rny
permint
n perger
k
n D
l
m seti
p k
sus, Tid
esert
i
y
perger
k
nny
p
d
t
hun d
s
r, sed
ngk
n Tid d
n Cid
d
l
h nil
i
p
d
t
hun renc
n
. Nil
i e meny
t
k
n
es
rny
el
stisit
s seti
p fungsi permin
t
n perger
k
n di
t
s. El
stisit
s diny
t
k
n oleh p
r
meter deng
n nil
i posi
tif untuk fungsi logit d
n eksponensi
l
t
u p
r
meter deng
n nil
i neg
tif untu
k fungsi p
ngk
t d
n eksponensi
l el
stis.
Seperti tel
h dikemuk
k
n se
elumny
,
hw
fungsi
i
y
ru
s p
lsu merup
k
n in
versi d
ri fungsi permint
n perger
k
n. Lu
is et
l (1998) meny
r
nk
n
e
er
p
fungsi
i
y
untuk seti
p fungsi permint
n se
g
i
erikut:
Model pemilih
n rute 361
id e =
entuk eksponensi
l tertutup
log e
2Tid
id +
0 C id = C id
(7.113)
2
entuk p
ngk
t C id
1
Tid = C id .
Tid
(7.114)
3
entuk eksponensi
l
log e
Tid
id +
0 C id = C id
(7.115)
4
entuk eksponensi
l el
stis C0 0 +
id C id = C id
T0
log e
id
l d
n 5 zon
ekstern
l. Pem
gi
n zon
terse
ut did
s
rk
n p
d
t
s wil
y
h
dministr
tif. J
ring
n j
l
n y
ng ditinj
u meliputi j
l
n
rteri d
n kolektor.
Sel
in d
t
j
ring
n j
l
n y
ng
d
sek
r
ng, di
utuhk
n renc
n
j
ring
n j
l
n
p
d
m
s
mend
t
ng untuk sken
rio pem
e
n
n deng
n
d
ny
ke
ij
k
n p
d
j
rin
g
n j
l
n. Untuk keperlu
n sken
rio terse
ut direkomend
sik
n pem
ngun
n j
ring
n j
l
n tol di d
l
m kot
B
ndung y
ng pengem
ng
n koridor j
l
n tolny
meng
c
u p
d
prinsip ut
m
hw
koridor terse
ut mem
entuk su
tu j
ring
n. MAT d
s
r
y
ng digun
k
n
d
l
h MAT t
hun 1995 deng
n tot
l permint
n
k
n perger
k
n se
es
r 67.172 perger
k
n p
d
j
m punc
k p
gi h
ri. Kemudi
n, juml
h terse
ut di
n
gg
p se
g
i 100% tot
l permint
n
k
n perger
k
n. An
lisis dil
kuk
n deng
n
s
umsi pertum
uh
n permint
n
k
n perger
k
n se
es
r 4,9% per t
hun. H
sil per
n
ding
n pem
e
n
n el
stis deng
n pem
e
n
n tid
k el
stis s
mp
i deng
n t
hun 20
15 dis
jik
n p
d
g
m
r 7.28.
362 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
id
260
%
se perger
k
n ter
e
nk
n
240 220 200 180 160 140 120 100 1995
Pem
e
n
n tid
k el
stis deng
n d
n t
np
j
l
n tol d
l
m kot
Pem
e
n
n el
sti
s t
np
j
l
n tol d
l
m kot
Pem
e
n
n el
stis deng
n j
l
n tol d
l
m kot
2000
2005
2010
2015
T
hun G
m
r 7.28 Per
nding
n h
sil pem
e
n
n el
stis deng
n pem
e
n
n tid
k
el
stis p
d
sistem j
ring
n j
l
n di Kot
m
dy
B
ndung Sum
er: Isn
eni (1997)
G
m
r 7.28 memperlih
tk
n
hw
deng
n
sumsi pem
e
n
n el
stis fenomen
penur
un
n permint
n
k
n perger
k
n,
d
ny
perger
k
n y
ng
k
n menggun
k
n mod
tr
nsport
si l
in
t
u
d
ny
peru
h
n w
ktu perger
k
n d
p
t diw
kili oleh turun
ny
posisi kurv
persent
se perger
k
n y
ng ter
e
nk
n untuk pem
e
n
n el
stis
(t
np
j
l
n tol d
l
m kot
) terh
d
p kurv
y
ng s
m
untuk pem
e
n
n tid
k el
stis p
d
e
er
p
t
hun renc
n
. Se
likny
, fenomen
l
lulint
s y
ng ter
ngk
itk
n oleh pem
e
n
n el
stis divisu
lis
sik
n deng
n
ik mel
lui ken
ik
n kurv
pem
e
n
n el
stis (deng
n j
l
n tol d
l
m kot
) terh
d
p kurv
pem
e
n
n el
stisny
deng
n sken
rio t
np
j
l
n tol.
7.10.2 Metode pem
ngk
s
n m
triks perger
k
n
Metode pem
ngk
s
n m
triks perger
k
n
ertuju
n untuk mem
t
si m
triks perger
k
n Tid sedemiki
n rup
sehingg
rus l
lulint
s y
ng dih
silk
n d
ri pem
e
n
n
terse
ut mencermink
n k
p
sit
s j
ring
n j
l
n. Asumsi d
s
r y
ng digun
k
n d
l
m metode ini
d
l
h terd
p
tny
sejuml
h or
ng y
ng
k
n menund
t
u mempercep
t j
m ke
er
ngk
t
nny
jik
rus l
lulint
s p
d
ru
s j
ring
n j
l
n terse
ut me
le
ihi k
p
sit
sny
.
7.10.2.1 Prosedur pem
ngk
s
n
Pendek
t
n pem
ngk
s
n m
triks perger
k
n ini menggun
k
n model Estim
si M
triks
Entropi M
ksimum (EMEM) t
rget
es
r
rus l
lulint
s dig
nti deng
n k
p
sit
s r
u
s j
l
n y
ng meng
l
mi pem
e
n
n
erle
ih. Deng
n pendek
t
n ini dih
r
pk
n h
sil per
m
l
n permint
n perj
l
n
n menj
di le
ih re
listis. Di
gr
m
lir y
ng
mengg
m
rk
n prosedur metode pem
ngk
s
n m
triks d
p
t dilih
t p
d
g
m
r 7.29
.
Model pemilih
n rute 363
Bu
t m
triks permint
n
w
l
L
kuk
n pem
e
n
n
Cek nil
i NVK untuk seti
p ru
s j
l
n
tid
k
Vi/Ci >1?
y
Ap
k
h ru
s ter
khir?
tid
k
y
Pem
ngk
s
n m
triks perger
k
n
y
Akhir pem
ngk
s
n m
triks
tid
k
y
Stop G
m
r 7.29 Prosedur metode pem
ngk
s
n m
triks perger
k
n Sum
er: Mekky
(1993) d
n Sy
fii (1998)
Sy
fii (1998) menjel
sk
n sec
r
singk
t prosedur metode pem
ngk
s
n m
triks perg
er
k
n seperti diur
ik
n
erikut ini. 1 2
e
nk
n m
triks permint
n perger
k
n
w
l p
d
sistem j
ring
n j
l
n; identifik
si seti
p ru
s j
l
n y
ng mempuny
i
rus y
ng mele
ihi k
p
sit
s ru
sny
(NVK > 1);
364 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
3 4 5 6
t
si l
lulint
s p
d
ru
s j
l
n terse
ut deng
n menggun
k
n model EMEM
s
m
deng
n k
p
sit
s ru
s j
l
n y
ng
ers
ngkut
n; modifik
si m
triks
n perger
k
n sesu
i deng
n t
h
p (3); l
kuk
n proses pem
e
n
n deng
n
k
n m
triks y
ng tel
h dimodifik
si; ul
ngi t
h
p (2)(5) sesu
i deng
n
.
sehingg
permint
menggun
ke
utuh
n
Metode pem
ngk
s
n m
7.10.2.2 Struktur metode pem
ngk
s
n m
triks triks perger
k
n merup
k
n metode pendek
t
n pengul
ng
n untuk mend
p
tk
n m
triks permint
n
perger
k
n sedemiki
n rup
sehingg
jik
m
triks terse
ut di
e
ni p
d
j
ring
n
j
l
n
k
n mengh
silk
n
rus y
ng merefleksik
n k
p
sit
s j
ring
n j
l
n y
ng
ers
ngkut
n. Pendek
t
n metode ini dil
kuk
n d
l
m us
h
memper
iki model pende
k
t
n m
triks permint
n tet
p (tid
k el
stis). G
m
r 7.30 mengg
m
rk
n
g
im
n
proses pengul
ng
n dil
kuk
n p
d
struktur metode pem
ngk
s
n m
triks.
J
ring
n p
d
t
hun d
s
r M
triks t
hun d
s
r
J
ring
n t
hun renc
n
M
triks t
hun renc
n
D
t
Pem
e
n
n
M
triks h
sil pem
ngk
s
n
J
ring
n y
ng tel
h menc
p
i konvergensi
Arus mele
ihi
y
k
p
sit
s
tid
k
EMEM
Proses perhitung
n
Terusk
n deng
n ev
lu
si sel
njutny
Ev
lu
si
G
m
r 7.30 Struktur metode pem
ngk
s
n m
triks Sum
er: Sy
fii (1998)
Model pemilih
n rute 365
Metode pem
e
n
n deng
n pendek
t
n permint
n perger
k
n tet
p (tid
k el
stis)
memiliki
sumsi d
s
r
hw
juml
h tot
l perger
k
n d
ri zon
s
l i ke zon
tuj
u
n d per s
tu s
tu
n w
ktu (Tid)
k
n seluruhny
ters
lurk
n p
d
seluruh ru
s
p
d
j
ring
n j
l
n,
er
p
es
r pun nil
i Tid terse
ut. Deng
n demiki
n, pende
k
t
n metode pem
e
n
n tid
k el
stis di
ngg
p kur
ng re
listis, khususny
jik
diter
pk
n p
d
j
ring
n j
l
n perkot
n deng
n tingk
t kem
cet
n tinggi. Sec
r
ringk
s
lgoritm
terse
ut ter
gi menj
di tig
gi
n ut
m
(Sy
fii, 1998): 1 2
P
ngk
l
n d
t
D
t
y
ng h
rus dipersi
pk
n meliputi d
t
j
ring
n j
l
n d
n d
t
m
triks perj
l
n
n. Proses perhitung
n P
d
t
h
p ini dil
kuk
n proses pem
e
n
n deng
n metode pem
e
n
n keseim
ng
n penggun
d
n pem
ngk
s
n m
triks perg
er
k
n deng
n menggun
k
n model EMEM. Proses ini dil
kuk
n sec
r
erul
ng. d
n
dil
kuk
n deng
n menggun
k
n progr
m SATURN (V
n Vliet, 1982). Ev
lu
si Dil
kuk
n ev
lu
si kinerj
j
ring
n j
l
n
ki
t pem
ngk
s
n m
triks perger
k
n deng
n
t
u t
np
dil
kuk
n peru
h
n terh
d
p j
ring
n j
l
n, ev
lu
si m
nf
t invest
s
i d
ri
plik
si metode pem
ngk
s
n m
triks d
n mem
ndingk
n h
sil di
t
s deng
n metode pem
e
n
n l
inny
(keseim
ng
n penggun
d
n pem
e
n
n el
stis).
3
7.10.2.3 Prosedur pem
ngk
s
n m
triks perger
k
n
Perm
s
l
h
n d
l
m metode pem
ngk
s
n m
triks
d
l
h merumusk
n m
s
l
h optim
si
cem
ung y
ng fungsi tuju
nny
diny
t
k
n se
g
i ukur
n j
r
k
nt
r
m
triks perm
int
n
w
l deng
n m
triks permint
n h
sil estim
si y
ng tel
h disesu
ik
n deng
n
t
s
n tertentu. B
t
s
n y
ng sering digun
k
n
d
l
h meminimumk
n per
ed
n
j
r
k
nt
r
rus l
lulint
s y
ng diperoleh d
ri h
sil peng
m
t
n deng
n
rus l
l
ulint
s h
sil pem
e
n
n. Untuk menjem
t
ni pendek
t
n ini, m
s
l
h memper
h
r
ui m
triks perger
k
n deng
n menggun
k
n d
t
rus l
lulint
s d
n mem
t
si juml
h
rus l
lulint
s h
sil pem
e
n
n p
d
su
tu ru
s j
l
n tertentu merup
k
n m
s
l
h pokok. K
ren
itu, pendek
t
n metode pem
ngk
s
n m
triks ini menggun
k
n mo
del EMEM. Model EMEM meng
tur su
tu m
triks perger
k
n sedemiki
n rup
sehingg
rus l
lulint
s y
ng di
e
nk
n p
d
ru
s j
l
n tertentu
k
n mendek
ti t
rget (
d
t
rus l
lulint
s h
sil peng
m
t
n). Sec
r
ringk
s d
p
t dik
t
k
n
hw
mod
el EMEM mengidentifik
si, untuk seti
p ru
s j
l
n tertentu, kemungkin
n perger
k
n seti
p p
s
ng
n
nt
rzon
y
ng menggun
k
n ru
s j
l
n terse
ut, d
n meng
tur
perger
k
n untuk seti
p p
s
ng
n
nt
rzon
sedemiki
n rup
sehingg
rus p
d
ru
s j
l
n
k
n mendek
ti t
rget (d
t
rus l
lulint
s h
sil peng
m
t
n). Proses i
ni dil
kuk
n sec
r
erul
ng s
mp
i memenuhi tingk
t konvergensi tertentu. D
l
m
prosedur metode pem
ngk
s
n m
triks, model EMEM
k
n digun
k
n p
d
ru
s j
l
n
y
ng pem
e
n
nny
erle
ih, y
ng t
rget volume l
lulint
sny
d
l
h k
p
sit
s r
u
s j
l
n y
ng
ers
ngkut
n.
366 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
D
ri penjel
s
n di
t
s d
p
t disimpulk
n
hw
plik
si model EMEM d
l
m metode
pem
ngk
s
n m
triks perger
k
n
d
l
h untuk mengh
silk
n su
tu m
triks perger
k
n Tid sedemiki
n rup
sehingg
rus l
lulint
s d
ri h
sil pem
e
n
n
k
n mende
k
ti t
rget volume (k
p
sit
s ru
s j
l
n). Di
gr
m
lir metode pem
ngk
s
n m
tri
ks d
p
t dilih
t p
d
g
m
r 7.31 se
g
i
erikut.
Mul
i
Inisi
lis
si: seluruh Xl = 1
l Vl = Tid . pid i d
Xl = Xl .
Wl Vl
Tid = t id X l
l
l pid
Cek konvergensi?
y
tid
k
Stop G
m
r 7.31 Aplik
si model EMEM d
l
m metode pem
ngk
s
n m
triks Sum
er: Sy
fii (1998)
Berd
s
rk
n perny
t
n di
t
s d
p
t di
u
t su
tu
lgoritm
d
s
r penyeles
i
n p
em
ngk
s
n m
triks se
g
i
erikut: 1 2 Tet
pk
n semu
f
ktor penyeim
ng, Xl =
1; Untuk seti
p ru
s y
ng memiliki nil
i NVK>1: hitung
rus d
ri h
sil model Vl;
Model pemilih
n rute 367
per
h
rui nil
i: X l = X l .
Wl , deng
n Wl = t
rget
rus l
lulint
s (p
d
Vl
proses pem
ngk
s
n m
triks perj
l
n
n Wl
d
l
h
rus h
sil pem
e
n
n se
elumny
, tet
pi jik
mele
ihi k
p
sit
s ru
s y
ng
ers
ngkut
n,
rus terse
ut dig
nti d
eng
n k
p
sit
s ru
s); 3 hitung kem
li semu
Tid; Jik
peru
h
n nil
i Xl sec
r
keseluruh
n kur
ng d
ri nil
i kritis y
ng ditentuk
n, stop; jik
tid
k, kem
l
i ke t
h
p (2).
Sy
fii (1998) menco
mener
pk
n metode pe7.10.2.4 Contoh pener
p
n m
ngk
s
n m
t
riks p
d
sistem j
ring
n di Kot
m
dy
B
ndung deng
n sistem j
ring
n p
d
conto
h metode pem
e
n
n el
stis. Be
er
p
h
sil y
ng did
p
tk
n t
mp
k p
d
g
m
r 7
.32.
Indeks
160 140 120 100 80 60 Tund
n 40 20 0 0 1 2 Juml
h ru
s deng
n nil
i NVK > 1 3 4
5 W
ktu tempuh Kecep
t
n r
t
r
t
Juml
h pem
ngk
s
n
G
m
r 7.32 H
sil metode pem
ngk
s
n m
triks p
d
sistem j
ring
n j
l
n di Kot
m
dy
B
ndung Sum
er: Sy
fii, 1998
Terlih
t
hw
deng
n
ert
m
hny
juml
h pem
ngk
s
n m
triks, kecep
t
n r
t
r
t
di d
l
m j
ring
n pun sem
kin meningk
t. Begitu jug
h
lny
deng
n w
ktu tempu
h, tund
n, sert
juml
h ru
s deng
n nil
i NVK>1. Sek
li l
gi, h
l ini mem
uktik
n
hw
penggun
n metode pem
ngk
s
n m
triks terny
t
mengh
silk
n kondisi
ru
s l
lulint
s di d
l
m sistem j
ring
n y
ng le
ih
ik jik
di
ndingk
n deng
n m
etode pem
e
n
n tid
k el
stis. H
l ini mem
uktik
n terj
diny
penurun
n permint
n
k
n perger
k
n se
g
i t
ngg
p
n p
r
penggun
terh
d
p kem
cet
n (pem
e
n
n d
n pemodel
n tr
nsport
si
8
Model tr
nsport
si
erd
s
rk
n d
t
rus l
lulint
s
8.1 Pend
hulu
n
Kem
cet
n d
n tund
n di d
er
h perkot
n merup
k
n m
s
l
h y
ng s
ng
t kritis y
ng dih
d
pi
ny
k kot
es
r di neg
r
sed
ng
erkem
ng, mis
lny
Indonesi
.
Perm
s
l
h
n ini dise
k
n oleh
e
er
p
f
ktor seperti ur
nis
si, pertum
uh
n
penduduk y
ng pes
t, l
ju pertum
uh
n ekonomi, d
n pertum
uh
n l
lulint
s y
ng
tinggi. Di Indonesi
, m
s
l
h kem
cet
n ini tim
ul di
e
er
p
kot
es
r sepert
i J
k
rt
, Sur
y
, Med
n, B
ndung, d
n
k
n diikuti oleh
e
er
p
kot
l
inny
p
d
khir t
hun 2000. Kem
cet
n, keterl
m
t
n, polusi su
r
, polusi ud
r
, d
n pencem
r
n lingkung
n merup
k
n se
gi
n perm
s
l
h
n terse
ut. Untuk meng
t
s
iny
perlu dil
kuk
n
e
er
p
tind
k
n seperti men
m
h j
ring
n j
l
n, mener
pk
n m
n
jemen l
lulint
s, menet
pk
n ke
ij
k
n tr
nsport
si, term
suk
ngkut
n um
um. Untuk itu diperluk
n inform
si mengen
i pol
perj
l
n
n
t
u perger
k
n m
nu
si
d
n/
t
u
r
ng y
ng
i
s
ny
diw
kili deng
n OriginDestin
tion M
trix (OD M
t
rix)
t
u M
triks As
lTuju
n (MAT). Jik
MAT ini di
e
nk
n ke j
ring
n j
l
n, di
h
silk
n pol
rus l
lulint
s. Deng
n mempel
j
ri pol
terse
ut, kit
d
p
t meng
identifik
si perm
s
l
h
n y
ng terj
di p
d
j
ring
n j
l
n d
n sel
njutny
e
er
p
solusi
is
diperoleh. Oleh k
ren
itu, inform
si tent
ng MAT
erper
n s
ng
t penting d
l
m us
h
men
nggul
ngi m
s
l
h kem
cet
n di kot
es
r. Contohny
,
g
r su
tu ke
ij
k
n tr
nsport
si d
p
t dik
t
k
n
erh
sil, perlu diket
hui pol
p
erj
l
n
n se
elum d
n sesud
h ke
ij
k
n terse
ut diter
pk
n. Seperti tel
h dijel
sk
n se
elumny
p
d
5, M
triks As
lTuju
n (MAT) merup
k
n m
suk
n ut
m
y
n
g p
ling sering digun
k
n d
l
m
er
g
i m
c
m perenc
n
n d
n m
n
jemen sistem
tr
nsport
si. D
p
t dik
t
k
n
hw
MAT y
ng se
en
rny
terj
di di l
p
ng
n tid
k
k
n pern
h
is
diket
hui oleh si
p
pun sehingg
p
r
peneliti mengem
ngk
n
er
g
i m
c
m metode
e
er
p
t
hun
el
k
ng
n ini untuk d
p
t memperkir
k
n MAT
terse
ut. Metode pen
ksir
n digolongk
n menj
di du
kelompok. Kelompok pert
m
r
di rum
h d
n di tepi j
l
n, metode menggun
k
n
ender
, foto ud
r
,
t
u kom
in
siny
y
ng penggun
nny
s
ng
t terg
ntung p
d
perm
s
l
h
n y
ng dih
d
pi d
n sum
er d
y
y
ng tersedi
. Tet
pi, metode konvension
l ini cenderung mem
utuhk
n
i
y
y
ng s
ng
t m
h
l d
n ten
g
kerj
y
ng s
ng
t
ny
k, s
ng
t mengg
ngg
u perger
k
n
rus l
lulint
s, d
n y
ng
369
terpenting, h
sil
khirny
h
ny
erl
ku untuk sel
ng w
ktu y
ng singk
t (penjel
s
n mengen
i metode ini did
p
t p
d
6). Kelompok y
ng kedu
dise
ut metode
tid
k konvension
l, y
ng h
ny
mem
utuhk
n
i
y
s
ng
t mur
h
erup
inform
si
d
t
rus l
lulint
s y
ng
ny
k tersedi
d
n mud
h did
p
t. Metode pen
ksir
n i
ni
ny
k mend
p
t perh
ti
n p
r
peneliti p
d
e
er
p
t
hun
el
k
ng
n ini k
ren
keuntung
nny
sec
r
ekonomi. Keuntung
n terse
ut
is
did
p
t k
ren
metod
e ini h
ny
mem
utuhk
n d
t
rus l
lulint
s y
ng s
ng
t mur
h d
n mud
h mend
p
tk
nny
jik
di
ndingk
n deng
n survei l
in y
ng mem
utuhk
n w
ktu y
ng s
ng
t
l
m
, ten
g
kerj
y
ng
ny
k, sert
pekerj
n survei y
ng intensif y
ng tentu
le
ih m
h
l. Sel
in itu,
ny
k inst
nsi terk
it y
ng mengumpulk
n d
t
sec
r
r
utin sehingg
ny
k tersedi
d
n mud
h did
p
t. Ini memungkink
n peru
h
n
t
u
tingk
t pertum
uh
n
rus l
lulint
s d
p
t deng
n mud
h dideteksi d
n di
n
lisis
. Bel
k
ng
n ini, teknik pengumpul
n d
t
sec
r
otom
tis jug
erkem
ng s
ng
t
pes
t d
n
ik, mis
lny
deng
n menggun
k
n proses citr
(Hoose
nd Willumsen,
1987) sert
metode l
in y
ng ketep
t
nny
s
ng
t tinggi. Semu
h
l ini menye
k
n teknik terse
ut d
p
t jug
digun
k
n untuk meng
n
lisis fluktu
si l
lulint
s
untuk seti
p j
m, h
ri, d
n musim, term
suk inform
si MAT ny
. Semu
l
s
n di
t
s menye
k
n d
t
rus l
lulint
s s
ng
t menguntungk
n untuk dip
k
i. Metode
tid
k konvension
l ini ter
s
sek
li s
ng
t diperluk
n untuk neg
r
sed
ng
erke
m
ng, terut
m
gi kot
y
ng mem
utuhk
n pemec
h
n m
s
l
h tr
nsport
si y
ng
ersif
t cep
t t
ngg
p. Ini diperku
t deng
n keter
t
s
n y
ng
i
s
ny
d
di ne
g
r
sed
ng
erkem
ng, y
itu d
l
m h
l w
ktu d
n
i
y
. Oleh se
itu, s
ng
tl
h diperluk
n metode tid
k konvension
l y
ng h
ny
memerluk
n d
t
y
ng d
p
t di
peroleh deng
n
i
y
mur
h d
n w
ktu y
ng singk
t. B
8 ini disusun se
g
i
er
ikut. Pemikir
n d
s
r d
n
e
er
p
peneliti
n y
ng tel
h dil
kuk
n y
ng
erk
it
n deng
n penggun
n d
t
rus l
lulint
s d
l
m pemodel
n ke
utuh
n
k
n tr
nspor
t
si
k
n di
erik
n sec
r
singk
t p
d
su
8.28.3. Pendek
t
n y
ng digun
k
n
oleh
e
er
p
peneliti
n terd
hulu d
p
t dikelompokk
n menj
di 3, y
itu pendek
t
n pen
ksir
n model ke
utuh
n
k
ntr
nsport
si, pendek
t
n pen
ksir
n keseim
ng
n j
ring
n, d
n pendek
t
n pen
ksir
n teori inform
si. Be
er
p
keuntung
n peng
gun
n d
t
rus l
lulint
s d
l
m pemodel
n ke
utuh
n
k
n tr
nsport
si
k
n di
erik
n p
d
su
8.5 d
n diterusk
n deng
n su
8.6 y
ng mem
h
s
e
er
p
p
erm
s
l
h
n y
ng ditim
ulk
nny
. Su
8.7 menjel
sk
n konsep sec
r
mend
s
r t
ent
ng pemodel
n ke
utuh
n
k
n tr
nsport
si y
ng
erd
s
rk
n p
d
d
t
rus l
l
ulint
s. Su
8.8 menjel
sk
n pener
p
n konsep terse
ut le
ih l
njut p
d
mode
l kom
in
si SPPM (Se
r
n Perger
k
nPemilih
n Mod
). Konsep d
s
r pengem
ng
n
e
er
p
metode pen
ksir
n y
ng tel
h dikem
ngk
n
ik oleh peneliti terd
hulu m
n d
n pemodel
n tr
nsport
si
pen
ksir
n ku
dr
t terkecil (KT) y
ng
k
n di
erik
n p
d
su
8.10, metode pe
n
ksir
n kemirip
n m
ksimum (KM) p
d
su
8.11, metode pen
ksir
n inferensi B
yes (IB) p
d
su
8.12, d
n metode pen
ksir
n entropim
ksimum (EM) p
d
su
8.13. Su
8.14 menjel
sk
n per
n
n penggun
n d
t
l
inny
sel
in d
t
ru
s l
lulint
s, mis
lny
d
t
MAT p
rsi
l d
l
m pemodel
n ke
utuh
n
k
n tr
nsport
si. Su
8.15 menjel
sk
n
e
er
p
metode k
li
r
si y
ng di
utuhk
n d
n su
8.16 menjel
sk
n progr
m komputer d
n prosedur k
li
r
si y
ng tel
h dikem
ngk
n. Be
er
p
pener
p
n y
ng tel
h dil
kuk
n oleh penulis y
ng
erk
it
n deng
n p
enggun
n d
t
rus l
lulint
s di
erik
n p
d
su
8.17. Su
8.18 menjel
sk
n perkem
ng
n ter
khir dew
s
ini tent
ng ter
uk
ny
kemungkin
n penggun
n d
t
rus l
lulint
s y
ng
ersif
t w
ktu ny
t
y
ng sud
h tersedi
di
e
er
p
kot
es
r di Indonesi
, mis
lny
d
t
ATCS (Are
Tr
ffic Control System) di DKI J
k
rt
d
n Kot
m
dy
B
ndung untuk mend
p
tk
n inform
si MAT
erw
ktu ny
t
untuk
d
er
h perkot
n; sement
r
, su
8.19 menjel
sk
n pem
nf
t
n d
t
rus l
lu
lint
s (IRMS) y
ng sec
r
rutin dikumpulk
n oleh Direktor
t Jender
l Bin
M
rg
untuk mend
p
tk
n inform
si MAT region
l d
n n
sion
l.
8.2 Pemikir
n d
s
r
S
ng
tl
h
ergun
p
il
d
p
t di
ed
k
n
nt
r
MAT y
ng terj
di sek
r
ng d
n M
AT y
ng diperkir
k
n
k
n terj
di p
d
m
s
mend
t
ng di su
tu d
er
h k
ji
n. D
l
m k
sus pert
m
, MAT menjel
sk
n pol
perger
k
n p
d
m
s
sek
r
ng
t
u m
s
y
ng
ru l
mp
u. P
d
k
sus y
ng kedu
,
e
er
p
d
t
proyeksi sosioekonomi d
n
/
t
u t
t
gun
t
n
h di
utuhk
n untuk memperkir
k
n MAT p
d
m
s
mend
t
ng; in
form
si terse
ut kemudi
n digun
k
n untuk men
ksir
rus l
lulint
s p
d
m
s
men
d
t
ng. D
s
r pemikir
n pendek
t
n ini
d
l
h pengem
ng
n metode pen
ksir
n MAT
y
ng
uk
n h
ny
digun
k
n untuk mend
p
tk
n MAT p
d
m
s
sek
r
ng (term
suk
rus l
lulint
sny
), tet
pi jug
untuk mer
m
lk
n MAT (d
n
rus l
lulint
sny
) p
d
m
s
mend
t
ng. S
l
h s
tu c
r
ny
d
l
h deng
n memodelk
n peril
ku pengend
r
t
u ke
utuh
n
k
n perger
k
n y
ng terj
di di d
l
m su
tu d
er
h k
ji
n y
ng
kemudi
n dik
li
r
si deng
n d
t
rus l
lulint
s. J
di, d
s
r pemikir
nny
d
l
h mener
pk
n sistem model ke
utuh
n
k
n tr
nsport
si untuk memperkir
k
n juml
h perger
k
n y
ng dil
kuk
n oleh seti
p tuju
n perger
k
n sel
m
sel
ng w
ktu te
rtentu. Y
ng perlu dig
ris
w
hi
d
l
h
hw
model ke
utuh
n
k
n tr
nsport
si
terse
ut sel
lu diny
t
k
n deng
n fungsi
er
g
i peu
h perenc
n
n seperti pop
ul
si d
n/
t
u l
p
ng
n kerj
sert
e
er
p
p
r
meter sosio ekonomi l
inny
. Ap
pun spesifik
si d
n hipotesis y
ng mengg
ris
w
hi model y
ng digun
k
n, tuju
n ut
m
ny
tet
p untuk men
ksir p
r
meter model terse
ut deng
n menggun
k
n info
rm
si d
t
rus l
lulint
s. Setel
h p
r
meter model d
p
t dik
li
r
si, m
k
mode
l d
p
t digun
k
n
uk
n s
j
untuk men
ksir MAT p
d
m
s
sek
r
ng, tet
pi jug
untuk mer
m
lk
n m
s
mend
t
ng.
Model tr
nsport
si
erd
s
rk
n d
t
rus l
lulint
s
371
Tentu h
l ini mem
utuhk
n perhitung
n nil
i peu
h perenc
n
n p
d
m
s
mend
t
ng. Kelem
h
n ut
m
pendek
t
n ini
d
l
h di
utuhk
nny
inform
si d
t
perenc
n
n l
in (y
ng
er
sis zon
), sel
in d
t
rus l
lulint
s. Se
g
i contoh, mungk
in s
j
model terse
ut mem
utuhk
n inform
si juml
h ujung perj
l
n
n
t
u sekur
ng kur
ngny
d
t
popul
si
t
u l
p
ng
n kerj
. Tet
pi, d
t
t
m
h
n ini m
sih
le
ih mud
h d
n le
ih mur
h mend
p
tk
nny
di
ndingk
n deng
n mengumpulk
n d
t
MAT y
ng lengk
p.
8.3 Peneliti
n y
ng tel
h dil
kuk
n
Nguyen (1982) mengul
s deng
n s
ng
t
ik kemut
khir
n peneliti
n y
ng
erk
it
n
deng
n pen
ksir
n MAT deng
n menggun
k
n d
t
rus l
lulint
s. Ul
s
n terse
ut
dis
mp
ik
n d
l
m
entuk umum seperti
erikut ini. Jik
P meny
t
k
n su
tu set z
on
s
l d
n Q
d
l
h zon
tuju
n, m
k
I=PxQ meny
t
k
n su
tu set p
s
ng
n zon
s
l d
n tuju
n. B
ny
k model y
ng
erk
it
n deng
n pen
ksir
n MAT [Tid] d
ri d
t
rus l
lulint
s y
ng d
p
t ditulisk
n d
l
m
entuk
erikut: meminimumk
n
t
u mem
ksimumk
n deng
n
t
s
n: f(T , t ) untuk lL (8.1) (8.2) (8.3)
Tid . p l
i d
id
=V l
Tid 0
l mnyatakan nilai proporsi prgrakan yang brgrak dari stiap zona Kofisin
p id mnyatakan asal i k stiap zona tujuan d yang mnggunakan ruas l dngan V
l
volum lalulintas pada ruas jalan trsbut. Ulasan sblumnya olh Willumsn (19
78ab,1981a) mnglompokkan prosdur pnaksiran mnjadi tiga klompok utama, yait
u pndkatan modl gravity, pmbbanan ksimbangan, dan ntropi-maksimum. Dnga
n mmprhitungkan pnlitian yang baru sjak ulasan trsbut dilakukan, dirasaka
n lbih baik jika mnglompokkannya mnjadi tiga klompok baru (Tamin, 1988abcd)
, yaitu pndkatan pnaksiran modl kbutuhan-akan-transportasi, pndkatan pna
ksiran ksimbangan-jaringan, dan pndkatan pnaksiran tori informasi yang mas
ing-masing dijlaskan pada subbab brikut ini.
8.3.1 Pndkatan pnaksiran modl kbutuhan-akan-transportasi
Pndkatan ini mngasumsikan bahwa prilaku pngndara atau kbutuhan akan prg
rakan di dalam suatu darah kajian dapat dinyatakan scara baik dngan modl kb
utuhan akan transportasi yang umum, misalnya modl gravity (R). Klompok ini da
pat juga diklompokkan lagi, trgantung pada modl yang digunakan, mnjadi tiga
subklompok, yaitu modl gravity (R), kbutuhan-langsung, dan gravityopportunit
y (O). Stiap modl dijlaskan lbih rinci pada bagian brikut ini.
8.3.1.1 Pnaksiran modl gravity
Prosdur pnaksiran modl gravity mngasumsikan bahwa prgrakan dari stiap zon
a asal i k stiap zona tujuan d
372 Ofyar Z Tamin, Prncanaan dan pmodlan transportasi
brbanding lurus dngan kapasitas bangkitan dan tarikan dari zona trsbut dan b
rbanding trbalik dngan akssibilitas antara kduanya. Dalam bntuk yang sdr
hana, pndkatan ini mngasumsikan bahwa prilaku prgrakan di dalam darah kaj
ian dapat dijlaskan dngan tiga faktor utama, yaitu faktor bangkitan, tarikan,
dan akssibilitas atau biaya prjalanan antara kdua zona. Kbanyakan mtod pn
aksiran yang dikmbangkan dalam subklompok ini trgantung pada trsdianya info
rmasi lain yang mmang sangat trbatas (slain data informasi arus lalulintas) u
ntuk mnaksir ktiga faktor trsbut. Dalam prosdurnya, Tid pada prsamaan (8.2
) dinyatakan dalam bntuk fungsi modl kbutuhan akan transportasi bsrta param
trnya, misalnya ksponn p
d
model gr
vity. Model gr
vity d
p
t diny
t
k
n d
l
m
e
er
p
tingk
t perm
s
l
h
n. P
r
meter model gr
vity terse
ut kemudi
n dit
ksir sehingg
g
l
t
t
u per
ed
n
nt
r
rus l
lulint
s h
sil peng
m
t
n d
n
h
sil pen
ksir
n menj
di sekecil mungkin. Metode pen
ksir
n untuk jenis ini jug
diusulk
n oleh Low (1972) y
ng menggun
k
n model gr
vity sederh
n
y
ng kemudi
n dik
li
r
si deng
n
n
lisis ku
dr
tterkecil line
r (lih
t jug
OECD, 1974); Ro
ill
rd (1975) d
n Hg
erg (1976) menggun
k
n metode
n
lisis ku
dr
t terkecil tid
k line
r. Metode pen
ksir
n l
in y
ng relev
n diusulk
n oleh Holm et
l (1976)
y
ng menggun
k
n
n
lisis kemirip
n m
ksimum. Tet
pi, m
sih s
ng
t sedikit peng
s
h
n y
ng dil
kuk
n untuk metode pen
ksir
n terse
ut sehingg
terd
p
t
e
er
p
pelu
ng peneliti
n l
njut
n y
ng d
p
t dil
kuk
n untuk mempel
j
ri
entuk mode
l l
in y
ng le
ih fleksi
el d
n menyeluruh. Terd
p
t
e
er
p
jenis model gr
vit
y,
ik line
r m
upun tid
k line
r y
ng dikem
ngk
n p
d
e
er
p
t
hun
el
k
n
g
n ini oleh p
r
peneliti. Per
ed
n ut
m
di
nt
r
kedu
model terse
ut terl
et
k p
d
peu
h tid
k
e
s, fungsi h
m
t
n, d
n jenis teknik pemilih
n rute y
ng digun
k
n. K
ren
penggun
n m
tem
tik
y
ng le
ih rumit, metode pen
ksir
n
ku
dr
t terkecil tid
k line
r mem
utuhk
n w
ktu komputer y
ng le
ih l
m
di
ndi
ngk
n deng
n metode line
r d
l
m pemec
h
n m
s
l
h deng
n juml
h p
r
meter y
ng
s
m
. C
rey et
l (1981) meny
8.3.1.2 Pen
ksir
n model ke
utuh
n l
ngsung r
nk
n
metode pen
ksir
n MAT deng
n menggun
k
n model ke
utuh
n l
ngsung deng
n d
t
y
ng tid
k lengk
p. Perm
s
l
h
nny
le
ih ditek
nk
n p
d
penggun
n model ke
utu
h
n l
ngsung y
ng mempuny
i hu
ung
n line
r
nt
r
p
r
meterny
. Pen
ksir
n
rus
l
lulint
s did
p
tk
n d
ri h
sil pemec
h
n pers
m
n m
tem
tik
deng
n pendek
t
n pemrogr
m
n ku
dr
t (model ku
dr
tterkecil line
r
er
t
s), deng
n tuju
n me
minimumk
n juml
h simp
ng
n ku
dr
tis deng
n
t
s
n y
ng did
p
tk
n d
ri
e
er
p
d
t
peng
m
t
n
rus l
lulint
s. Terd
p
t tig
kunci ut
m
y
ng di
utuhk
n d
l
m pengem
ng
n model jenis ini. Pert
m
, di
sumsik
n
hw
volume perj
l
n
n
nt
rzon
h
rus dimodelk
n se
g
i fungsi d
t
sosio ekonomi y
ng sesu
i deng
n s
eti
p zon
d
n
ksesi
ilit
s
nt
rzon
; hu
ung
n ini dise
ut model ke
utuh
n l
n
gsung. Kedu
, di
sumsik
n
hw
perger
k
n
nt
rzon
h
rus konsisten deng
n d
t
peng
m
t
n
rus
Model tr
nsport
si
erd
s
rk
n d
t
rus l
lulint
s
373
l
lulint
s y
ng did
p
t. Ter
khir, volume
nt
rzon
y
ng dih
silk
n h
rus memini
mumk
n juml
h ku
dr
tis simp
ng
n deng
n volume h
sil peng
m
t
n. Rumus
n
khir
model terse
ut s
ng
t terg
ntung p
d
jenis inform
si y
ng tersedi
p
d
seti
p
penggun
n. Inform
si y
ng di
utuhk
n untuk metode ini
d
l
h: (
) d
t
ksesi
i
lit
s Cid
nt
r
zon
s
l i d
n zon
tuju
n d; (
) d
t
ciri sosio ekonomi d
ri
seti
p zon
s
l d
n tuju
n, y
ng diny
t
k
n deng
n vektor xi d
n xd;
0 (c) peng
m
t
n d
t
perger
k
n
nt
rzon
id ;
(d) peng
m
t
n
rus di
e
er
p
ru
s j
l
n Vk; (e) peng
m
t
n tot
l perger
k
n M
i y
ng
er
s
l d
ri zon
s
l i d
n tot
l perger
k
n Ad y
ng menuju zon
tuju
n
d. Inform
si d
t
ksesi
ilit
s (
) di
utuhk
n untuk seti
p p
s
ng
n zon
d
n d
t
ciri sosio ekonomi (
) di
utuhk
n untuk seti
p zon
, sed
ngk
n peng
m
t
n (c,
d,e) tid
k diperluk
n untuk seti
p zon
. Model ke
utuh
n l
ngsung mengg
m
rk
n
perger
k
n, id, y
ng
erger
k d
ri zon
s
l i ke zon
tuju
n d se
g
i fungsi
ciri sosio ekonomi (xi,xd) kedu
zon
d
n d
t
ksesi
ilit
s
nt
rzon
Cid.
3 2 1 id = 0 . x i . x d .C id
(8.4)
Sec
r
m
tem
tis, perm
s
l
h
n pen
ksir
n terse
ut d
p
t diny
t
k
n se
g
i: mem
inimumk
n deng
n
t
s
n: Z=
( i ,d )S 0
[ id
f (x id , )] +
2
( i ,d )S 0
0 [ id
f (x id , )
]
2
(8.5) (8.6) (8.7)
d ( i ,d )S
id
0
+ + +
d ( i ,d )S 0
0 id
= Mi = Ad = Vk untuk semu
k
i ( i , d )S
id
0
i ( i ,d )S 0
0 id
( i ,d )Cu (k)
id
( i ,d )C 0 (k)
0 id
(8.8)
S0
= set d
ri semu
p
s
ng
n (i,d) y
ng mempuny
i d
t
peng
m
t
n
rus
nt
rzon
,
id0.
id = volume
nt
rzon
deng
n ( i , d ) S 0 . C(k) = su
tu potong
n, mis
lny
s
t
n id0. Jug
, jik
CU(k) merup
k
n potong
n rute d
ri C(k) y
ng tid
k di
m
ti
rusny
, m
k
: C(k) = CU(k)C0(k) d
n CU(k)C0(k) = 0. Vk =
rus h
sil peng
m
t
n p
d
ru
s j
l
n d
l
m potong
n C(k).
374 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
Tet
pi,
t
s
n ut
m
metode ini
d
l
h tid
k tersedi
ny
penjel
s
n rinci menge
n
i model ke
utuh
n l
ngsung,
t
s
n komput
si d
l
m penyeles
i
n m
s
l
h pemro
gr
m
n ku
dr
t deng
n
t
s
n line
r, sert
peril
ku st
tistikny
. C
rey
nd Rev
elli (1986) mengem
ngk
n model terse
ut ke
r
h pemec
h
n
t
s
n y
ng
ersif
t
pertid
ks
m
n d
n mengh
silk
n peril
ku st
tistik y
ng le
ih
ik. Peneliti
n
jug
diterusk
n p
d
penggun
n model ke
utuh
n l
ngsung y
ng le
ih umum y
ng me
mpuny
i hu
ung
n tid
k line
r
nt
r
p
r
meterny
d
n jug
mempuny
i
t
s
n per
tid
ks
m
n. Hendrickson
nd McNeil (1984
) d
n McNeil
nd Hendrickson (1985
)
jug
mengem
ngk
n model y
ng le
ih umum di
ndingk
n deng
n model y
ng dikem
ngk
n oleh C
rey et
l (1981). Rumus
n pemrogr
m
n ku
dr
t sec
r
ekiv
len dirum
usk
n kem
li se
g
i perm
s
l
h
n pen
ksir
n y
ng
ersif
t ku
dr
t terkecil umu
m deng
n
t
s
n (KTUDB), y
ng memungkink
n penggun
n per
m
l
n d
ri ketid
kp
s
ti
n sert
pem
k
i
n semu
inform
si y
ng
d
d
l
m
entuk
t
s
n. Perm
s
l
h
n
KTUDB memungkink
n digun
k
nny
pem
k
i
n m
triks v
ri
nsi kov
ri
nsi. Metode i
ni d
p
t dihitung deng
n menggun
k
n m
triks m
nipul
si
t
u p
ket progr
m pemro
gr
m
n ku
dr
t. Jik
di
ndingk
n deng
n metode y
ng tersedi
, perumus
n sec
r
ku
dr
tis terny
t
le
ih fleksi
el k
ren
seti
p inform
si d
p
t digun
k
n se
g
i
t
s
n, sert
dimungkink
n did
p
tk
nny
pen
ksir
n v
ri
nsi m
triks. Su
tu
pendek
t
n y
ng mirip, y
ng dise
ut pen
ksir
n ku
dr
t terkecilumum (KTU) dikem
ngk
n oleh C
scett
(1984). Ker
ngk
kerj
y
ng
er
ed
d
l
m pemodel
n peril
k
u perger
k
n d
p
t di
u
t deng
n menggun
k
n model Intervening Opportunity (IO).
Pertim
ngk
n su
tu zon
s
l d
n
e
er
p
kemungkin
n zon
tuju
n di d
l
m per
muk
n y
ng
erdimensi du
; seti
p kemungkin
n y
ng terj
di
nt
r
zon
tuju
n t
erse
ut diurut sesu
i deng
n j
r
k d
ri zon
s
l.
8.3.1.3 Pen
ksir
n model gr
vity opportunity (GO)
Tentuk
n s
l
h s
tu zon
tuju
n d
n u
hl
h s
l
h s
tu
tri
utny
, mis
lny
juml
h pertoko
n. Peru
h
n
k
n menim
ulk
n efek y
ng
er
ed
d
n le
ih kecil p
d
perger
k
n d
ri zon
s
l ke zon
tuju
n y
ng j
r
kny
le
ih dek
t, di
ndingk
n
deng
n zon
tuju
n y
ng j
r
kny
le
ih j
uh. Per
ed
n ini dise
k
n oleh efek
IO p
d
zon
tuju
n, d
n ini merup
k
n fenomen
intuitif y
ng logis y
ng p
d
m
odel gr
vity s
m
sek
li tid
k dipertim
ngk
n. S
l
h s
tu kesulit
n y
ng mengh
m
t pengem
ng
n model IO
d
l
h persy
r
t
n pengg
nti
n h
m
t
n perj
l
n
n (j
r
k, w
ktu, d
n
i
y
) deng
n sesu
tu y
ng h
ny
did
s
ri ciri
e
er
p
zon
tu
ju
n y
ng s
ling mempeng
ruhi. Sel
njutny
, not
si jug
mengh
m
t penggun
n mo
del ini k
ren
mensy
r
tk
n zon
tuju
n y
ng h
rus diurut sesu
i deng
n j
r
k y
ng sem
kin menj
uh d
ri zon
s
l. Di s
tu sisi, model gr
vity kur
ng memperh
ti
k
n efek intervening, sed
ngk
n di sisi l
in model IO tid
k mempertim
ngk
n efe
k h
m
t
n. S
ng
tl
h logis jik
model y
ng ide
l
d
l
h model y
ng mempertim
n
gk
n kedu
efek terse
ut.
Model tr
nsport
si
erd
s
rk
n d
t
rus l
lulint
s
375
silk
n se
g
i k
sus khusus. J
di, pemilih
n
nt
r
pendek
t
n model GR
t
u IO
diputusk
n sec
r
empirik d
n st
tistik deng
n menggun
k
n
t
s
n p
d
p
r
mete
r y
ng mengontrol
entuk fungsi mek
nisme penye
r
n perger
k
n. Penggun
n nil
i p
r
meter y
ng
er
ed
k
n mengh
silk
n kelu
rg
model y
ng
er
ed
pul
, mis
lny
model IO jenis eksponensi
l d
n jenis log
ritm
sert
model GR. Semu
mode
l ini d
p
t diperlih
tk
n d
l
m su
tu d
er
h
er
entuk segitig
; kontur fungsi k
emungkin
n, permuk
n respon d
n sel
ng keperc
y
n d
p
t dir
j
h. Dikotomi not
si
nt
r
du
pendek
t
n ini d
p
t dipec
hk
n deng
n menggun
k
n MAT
erurut d
n p
roses norm
lis
si y
ng mensy
r
tk
n
t
s
n
ris d
n kolom h
rus dipenuhi. B
t
s
n in
i merup
k
n
gi
n d
ri prosedur norm
lis
si d
n, k
ren
itu,
uk
n merup
k
n
gi
n d
ri model. Sel
njutny
, versi du
t
s
n, s
tu
t
s
n, d
n t
np
t
s
n
d
ri model GO d
p
t diturunk
n. Pem
c
y
ng
ermin
t menget
hui le
ih j
uh mode
l GO dis
r
nk
n mem
c
5. Fungsi tuju
n y
ng
i
s
digun
k
n untuk pemodel
n se
r
n perger
k
n
d
l
h meminimumk
n residu
l
nt
r
MAT h
sil pemodel
n d
n
MAT h
sil peng
m
t
n. Wills (1978) mel
kuk
n perco
n
gi model GO terse
ut d
eng
n menggun
k
n d
t
rus l
lulint
s sert
metode pen
ksir
n kemirip
n m
ksimu
m; h
silny
j
uh le
ih
ik d
rip
d
model gr
vity (lih
t jug
T
min, 1988
cd).
Model terse
ut d
p
t diny
t
k
n se
g
i pers
m
n (8.9) deng
n
t
s
n pers
m
n (8.2)(8.3): mem
ksimumk
n L= 1 A.log e V l V l 2 l
(
)
2
(8.9)
8.3.2 Pendek
t
n pen
ksir
n keseim
ng
n j
ring
n
S
ng
t diperluk
n metode y
ng mempertim
ngk
n efek kem
cet
n y
ng sering ditemu
k
n di d
er
h perkot
n
t
u p
d
j
ring
n y
ng pem
e
n
n l
lulint
sny
sud
h m
endek
ti k
p
sit
s j
ring
n. Be
er
p
pendek
t
n tel
h dikem
ngk
n, y
ng memper
hitungk
n efek kem
cet
n d
l
m pemilih
n rute; di sini teknik pem
e
n
n keseim
ng
n di
ngg
p se
g
i teknik y
ng p
ling cocok d
ri segi teori d
n pr
ktis. Jen
is pem
e
n
n ini konsisten deng
n prinsip keseim
ng
n W
rdrop (W
rdrop, 1952)
y
ng d
p
t diny
t
k
n d
l
m
entuk progr
m m
tem
tis. Pengem
ng
n le
ih l
njut
prinsip ini mengh
silk
n sistem
n
lisis d
n pengem
ng
n
lgoritm
y
ng efisien
untuk mend
p
tk
n solusi (lih
t V
n Vliet
nd Dow, 1979). P
d
kondisi pem
e
n
n keseim
ng
n, seluruh
i
y
perj
l
n
n untuk semu
rute
nt
rzon
d
l
h s
m
tik
y
ng solusi
khirny
mengh
silk
n MAT y
ng konsisten deng
n
rus perger
k
n
s
t peng
m
t
n. Tet
pi, progr
m terse
ut mem
utuhk
n d
t
rus l
lulint
s untu
k semu
ru
s j
l
n y
ng
d
d
l
m j
ring
n d
n ini s
ng
t m
h
l d
ri sisi pengum
pul
n d
t
. Progr
m itu d
p
t diny
t
k
n
erikut ini:
376 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
meminimumk
n terg
ntung p
d
t
s
n:
Vl
F =
C l (V ).dV
[C id .Tid ] l
0
i d
r . li V l = Ti i untuk emua nilai i, Ti = Ti Ti 0
(8.10) (8.11) (8.12) (8.13)
untuk emua nilai i, ,
1 jika ua l igunakan oleh ute antaa zona aal i ke zona tujuan li = 0
jika tiak Aabila biaya ejalanan anta aangan zona an hubungan antaa bia
yaau untuk etia ua jalan iketahui, emaalahan otimai yang beifat ti
ak linea aat ihailkan, yang meminimumkan fungi tujuan (8.10). Nguyen (1977
) menyaankan uatu algoitma untuk menaatkan olui engan, imulai ai uat
u nilai awal MAT, memekenalkan fakto koeki tetentu amai kiteia konveg
en teenuhi. Ditekankan ula bahwa emaalahan akan memunyai olui yang unik
aa tingkat au lalulinta, bukan aa tingkat MAT. Konekueninya, olui ak
hi meuakan MAT yang jika ibebankan kembali ke jaingan jalan aa konii ke
eimbangan akan menghailkan au yang euai engan au hail engamatan. Kele
mahan utama enekatan ini aalah tiak teaatnya olui yang unik yang memung
kinkan ihailkannya lebih ai atu MAT yang aabila ibebankan kembali ke jai
ngan jalan menghailkan au lalulinta yang ama. Dengan kata lain, nilai awal
MAT yang bebea akan menghailkan olui MAT yang bebea, mekiun jika ibeba
nkan kembali ke jaingan jalan akan menghailkan au lalulinta yang ama. Juga
, olui teebut angat iengauhi oleh beubah ubahnya au lalulinta, an m
etoe enakian mulai beean hanya jika kemacetan meuakan hal utama alam
oe emilihan ute. Bebeaa moifikai enekatan Nguyen (1977,1982) ikemban
gkan oleh Tunquit an Gu (1979). Diatikan elalu aa olui otimal ai be
beaa MAT yang bebea yang jika ibebankan kembali ke jaingan jalan akan meng
hailkan au lalulinta yang ama. Pebaikan yang aling enting aa algoitma
ini aalah ehitungannya ceneung konvegen aa olui yang mii engan nil
ai awalnya. Ini membeikan motivai untuk menentukan nilai awal yang baik (atau
uatu MAT taget) engan atibut yang iinginkan. Algoitma ini kemuian memoif
ikai MAT taget teebut yang nantinya menghailkan au lalulinta yang euai
engan au lalulinta hail engamatan. Untuk menguangi waktu komute, algo
itma Nguyen (1977,1982) juga imoifikai ehingga icaai oe konvegen yang
lebih ceat. (8.14)
Moel tanotai beaakan ata au lalulinta
377
LeBlanc an Fahangian (1982) mengembangkan oeu yang ecaa beuutan mene
akan teknik FankWolfe aa maalah yang ama engan maalah Nguyen (1977). Po
eu ini jauh lebih efiien aiaa metoe FankWolfe yang biaa igunakan. Tam
ak bahwa oeu emilihan MAT yang menghailkan au lalulinta yang ama eng
an au hail engamatan, eta mii engan MAT taget, aat iecahkan ecaa
efiien engan oeu engali Lagange. Penelitian Fik an Boyce (1983) menu
njukkan bahwa aa konii keeimbangan, moel kombinai ebaan egeakan an
emilihan ute aat juga igunakan, engan menggunakan ata au lalulinta, un
tuk menaki MAT. Penekatan ini angat menaik, khuunya kaena tiak aanya k
eatian bahwa enekatan entoi akan elalu menghailkan olui yang unik.
8.3.3 Penekatan enakian teoi infomai
Paa jeni metoe enakian ini, infomai tambahan yang ibutuhkan untuk menak
i MAT iaatkan engan menggunakan ini umum yang menyatakan eluang enga
tuan tetentu beaakan hail engamatan konii MAT yang ehaunya ihailk
an. Pini ini biaanya menggunakan kone entoi, infomai atau kemungkinan
untuk menefiniikan ola egeakan yang aling mungkin an engetahuan mengena
i MAT yang hau iaatkan, yang iumukan alam bentuk bataan alam ogam
otimai. Bebeaa moel telah ikembangkan yang ijelakan ecaa inci beikut
ini.
8.3.3.1 Moel etimai matik entoi makimum (EMEM) Metoe enakian ini men
ggunakan kone entoi makimum untuk menaki MAT engan menggunakan infomai
ata au lalulinta. Kone ini, yang teoi aanya beaal ai hukum fiika
, menyatakan bahwa alam item tetutu, unu yang aa ceneung memunyai atu
an yang memunyai ketiakteatuan yang aling bea yang aat ilakukan enga
n bebagai macam caa, yang euai engan item bataan yang teeia.
Wilon (1967,1970,1981), Wilon et al (1981) an Wilon an Bennett (1985) mengg
unakan teknik entoi makimum untuk membentuk moel kebutuhan akan tanotai
, khuunya alam eencanaan ekotaan an wilayah eeti untuk menuunkan kel
uaga moel gavity (GR) ai etimbangan enekatan entoimakimum (enuunan
aat ilihat ecaa inci aa bab 5). Willumen (1978ab;1981ab) menghailkan
moel enakian MAT ai ata au lalulinta engan menggunakan enekatan ent
oi makimum. Moel teebut ecaa lua ikenal ebagai moel Etimai Matik
Entoi Makimum (EMEM). Petimbangkan uatu item yang teii ai ejumlah
bea elemen. Penjelaan angat inci mengenai item teebut membutuhkan ei
fikai yang lengka mengenai tatu aa tingkat miko. Tetai, untuk tujuan akt
i, kita lebih baik bekeja aa tingkat yang lebih agegat atau aa tingkat e
ngan eifikai tatu tingkat meo.
378 Ofya Z Tamin, Peencanaan an emoelan tanotai
Paa contoh moel ebaan egeakan, tatu meo menjelakan jumlah egeakan
antazona. Secaa umum, teaat ejumlah bea kombinai tatu miko yang beb
ea yang menghailkan tatu meo yang ama, mialnya Ami an Bau aat aling
betuka zona tujuan yang akan menghailkan tatu miko yang bebea tetai e
ngan tatu meo yang tiak beubah. Seteunya, teaat ula tatu engelomo
kan yang lebih tinggi, yaitu tatu aa tingkat mako; mialnya, total egeak
an aa uatu ua jalan tetentu atau total bangkitan an taikan egeakan u
atu zona. Untuk menaatkan ukuan yang layak tentang uatu aktivita egeakan
, eing lebih muah ilakukan aa tingkat engelomokan yang lebih tinggi (ta
tu mako). Bahkan, hami eluuh infomai tentang uatu item lebih akuat
aa tingkat mako. Hal yang ama, ekiaan mengenai maa menatang, biaanya me
munyai bataan aa tingkat tatu mako kaena ketiakatian yang teaat a
lam eamalan teebut juga beaa aa tingkat mako. Mialnya, lebih muah me
amalkan oulai uatu zona aiaa jumlah keluaga uatu zona untuk kategoi t
etentu. Daa metoe ini aalah menaatkan infomai eluuh tatu miko yang
akan tejai engan eluang yang ama eta koniten engan infomai tatu m
akonya. Hal ini ebenanya mengaumikan bahwa kita mengabaikan tatu miko a
n meonya. Salah atu caa untuk memaka aga teta koniten engan infomai
tatu meonya aalah engan caa mengekeikannya alam bentuk bataan uatu
eamaan matemati. Kaena kita lebih mementingkan ekii tatu meo uatu
item, kita akan mengientifikai tatu meo yang aling memungkinkan, euai
engan bataan tatu makonya. Sebelum kita mengula maalah ini lebih jauh, eb
aiknya ijelakan ahulu enggunaan eamaan Lagange alam memecahkan emaal
ahan otimai engan bebagai eamaan bataan. Anggalah iketahui: y = f(x1,
x2, ..., xN) (8.15) Penuunan fungi y tehaa alah atu eubah bia ihitung
engan mengangga eubah lainnya elalu kontan aa aat enuunan teebut. Ha
l ini ikenal engan enuunan aial an ituli ebagai y/xi. Sebagai contoh, j
ika:
3 y = 2 x1 + x 2 x3
maka y =2 x 1 y 2 x3 = 3x2 x 2 y 3 = x2 x 3
Moel tanotai beaakan ata au lalulinta
379
Telihat bahwa nilai makimum an minimum ai fungi eeti aa eamaan (8.
15) bia iaatkan engan menetakan emua tuunan aialnya ama engan nol: y
(8.16) = 0, i = 1, 2 , ....N x i yang akan menghailkan atu et eamaan imul
tan untuk iecahkan. Kau yang angat menaik alam hal ini aalah makimum a
n minimum. Anggalah, kita ingin memakimumkan eamaan (8.15) engan bataan
ebagai beikut: 1(x1, x2, ...,xN) = b1 2(x1, x2, ...,xN) = b2 . . K(x1, x2, .
.., xN) = bK (8.17)
Hal ini aat ilakukan engan menentukan atu et engali Lagange (1, 2,...,K) un
tuk setiap pesamaan (8.17), dan memaksimumkan: L = f ( x 1 , x 2 ,..., x N ) +
k [k (x 1 ,..., x N ) bk ]
k
(8.18)
sebagai fungsi dai x1, x2, ....,xN dan 1, 2,...,K. Jadi, kita haus memecahkan: L =
0, x i dan L = 0, k i = 1, 2,....N (8.19)
k = 1,2,....K
(8.20)
Pesamaan (8.20) sebenanya adaah pesamaan (8.17) daam bentuk yang ain. Tes
edianya caa dengan mempekenakan satu set pengai Lagange sebagai peubah tamb
ahan memungkinkan didapatkannya niai maksimum. Kita kembai agi ke pemasaaha
n semua. Wison (1970) mempeihatkan bahwa jumah status miko W[Tid] yang te
kait dengan status meso Tid adaah sebagai beikut. T! (8.21) W [Tid ] = Tid !
i d
Asumsi dasa pendekatan ini adaah peuang sebaan [Tid] yang tejadi sebanding
dengan jumah status yang ada daam sistem tesebut yang mendukung tebentuknya
sebaan [Tid]. Jadi, jika W[Tid] adaah jumah caa yang dianut setiap individu
untuk mengatu diinya sehingga dihasikan sebaan [Tid], maka peuang [Tid] yan
g tejadi sebanding dengan W[Tid]. Kaena diasumsikan bahwa semua status miko b
epeuang sama, maka status meso yang paing memungkinkan adaah status yang dap
at dihasikan dengan sebanyak mungkin caa. Kaena itu, yang dibutuhkan adaah s
uatu teknik yang dapat
380 Ofya Z Tamin, Peencanaan dan pemodean tanspotasi
Dengan menggunakan metode pengai Lagange, masaah optimasi (8.25) dengan batas
an pesamaan (8.26)(8.27) dapat dituis kembai daam bentuk pesamaan tungga (8
.28).
T . p ) memaksimumkan EM 1 = (Tid .og e Tid Tid ) + (V i
d (8.28)
Mode tanspotasi bedasakan data aus auintas
381
i d
Pesamaan (8.33) meupakan fungsi tujuan yang cukup menaik kaena jika semua ma
ka EM2 akan beniai no dan akan beniai positif jika tedapat niai Tid = T i
d pebedaan di antaanya. Semakin besa pebedaannya, semakin besa pua niai E
M2. Jadi, jika infomasi awa MAT tesedia, mode EMEM bisa dikembangkan untuk d
apat mempetimbangkan infomasi awa MAT tesebut. Daam kasus ini, mode akan m
enaksi MAT yang miip dengan infomasi awa MAT dan sekaigus akan sesuai denga
n aus auintas hasi pengamatan (jika dibebankan ke jaingan jaan). Dengan m
enggunakan metode pengai Lagange, masaah optimasi (8.33) dengan batasan pesa
maan (8.26)(8.27) dapat dituis kembai daam bentuk pesamaan tungga (8.34).
T
T . p ) (8.34) memaksimumkan EM 3 =
Tid .og e id
+ (V id id
i d
d dengan = fakto pengai Lagange Untuk memaksimumkan pesamaan (8.34), dibutu
hkan pesamaan (8.35) beikut. EM 3 T = og e id . p id =0 Tid Tid og e Pe
yeesaiannya adaah:
X pid Tid = T id
(8.35)
Tid = . p id T
id
(8.36)
(8.37)
Penyeesaian ini sangat jaang dipeoeh jika tidak tedapat satu pun infomasi
mengenai MAT pada daeah tesebut. Daam bebeapa kasus, infomasi dapat beupa
infomasi dasa mengenai MAT; contohnya MAT pada masa ampau, MAT daeah yang e
bih uas, MAT beskaa keci, atau mungkin hasi mode kebutuhan akan tanspota
si yang sedehana. Infomasi awa MAT ini sangat behaga, dan digunakan untuk m
enghasikan MAT yang bau. Wiumsen (1982,1986b) menunjukkan bahwa ketepatan MA
T yang dihasikan oeh mode EMEM sangat tegantung pada ketepatan infomasi awa
MAT. Jika tesedia infomasi awa MAT, taksian niai t ata ata dai infoma
si awa MAT untuk setiap pasangan zona bisa didapat dai:
V
L
t=
i d
p id
L
(8.38)
Akan muncu masaah jika umu infomasi awa MAT [tid] sudah cukup ama. Untuk m
engatasinya dapat digunakan fakto pengai yang mempehitungkan peubahan aus
auintas secaa umum yang tejadi sebeum penggunaan mode
383
Mode tanspotasi bedasakan data aus auintas
EMEM. Be (1983ab;1984ab;1985) mengembangkan vesi EMEM ain yang dikena sebag
ai mode og inea. Mode bau ini mempunyai poses penaksian yang tepisah da
i setiap poses fakto pengai, yang dapat dituiskan sebagai: Tid = id X lpi
d
l
l
(8.39)
diaksir dengan model yang baru ersebu dengan mengalikan seiap unsur inormas
i aal MAT dengan akor erenu agar dihasilkan arus lalulinas yang sesuai de
ngan yang diharapkan. Dengan daa arus lalulinas, model ini dapa digunakan un
uk menghasilkan, idak hanya aksiran nilai MAT, eapi juga nilai selang keperc
ayaannya. Selang kepercayaan yang idak simeris dari MAT dihasilkan dari hasil
penaksiran dengan nilai variansi dan kovariansi yang didapa dari hasil arus lal
ulinas. Selain iu, model dasar EMEM biasanya dipecahkan dengan algorima muli
proporsional yang cukup eisien dalam pemakaian memori kompuer, eapi belum be
giu cepa. Suau prosedur penyesuaian jenis Neon elah dikembangkan, baik un
uk model EMEM dasar maupun EMEM yang baru. Prosedur ini mencapai konvergen lebih
cepa dibandingkan dengan algorima muli proporsional, eapi membuuhkan memo
ri lebih banyak. Kepekaan model EMEM erhadap pemilihan rue juga dilaporkan dal
am Van Vlie and Willumsen (1981). Dilaporkan baha model EMEM idak begiu peka
erhadap pemilihan rue. Suau se daa dari koa Reading (Inggris) elah digun
akan unuk menunjukkan baha penggunaan pemilihan rue yang elah dikeahui hany
a menghasilkan MAT yang hanya sediki lebih baik daripada MAT yang didapakan de
ngan eknik pembebanan all or nohing. Teapi, sejauh ini, model EMEM mempunyai
asumsi baha dimungkinkan mendapakan MAT dari inormasi daa arus lalulinas ya
ng didapakan secara erpisah dari proses penaksiran MAT. Asumsi ini dapa dier
ima apabila kemacean belum berperan dalam pemilihan rue. Jika sebaliknya, mode
l membuuhkan modiikasi. Pengembangan model EMEM lebih lanju yang elah memper
imbangkan kondisi keseimbangan pada jaringan yang sudah mace dielii oleh Wil
lumsen (1982). Lebih lanju lagi, Willumsen (1984b) melaporkan baha model EMEM
dapa juga dikembangkan unuk memperimbangkan analisis kemacean secara dinamis
. Permasalahan ini membuuhkan penggunaan MAT yang didapa pada aku yang beru
ruan, misalnya 1520 menian. Di samping kelebihannya, model EMEM juga mempunyai
banyak kelemahan yang sudah diduga oleh para prakisi. eberapa kelemahan erseb
u, dilaporkan dalam Akins (1987), adalah yang beriku ini. Model EMEM idak me
mpunyai asilias apa pun unuk memperkirakan MAT pada masa mendaang; model ini
idak dapa memperhiungkan pengembangan pada aa guna lahan aau perubahan po
la sebaran pergerakan akiba adanya perubahan aksesibilias.
384 Oyar Z Tamin, Perencanaan dan pemodelan ransporasi
Keepaan MAT yang dikalibrasi dari daa arus lalulinas dengan menggunakan mode
l EMEM sanga erganung pada ersedianya inormasi aal MAT. Karena iu, jika k
eepaan daa inormasi aal MAT idak begiu baik, hasil penaksiran MAT nya pun
idak erlalu epa.
8.3.3.2 Model inormasi minimum (IM)
Ukuran enropi dapa juga digunakan sebagai ukuran inormasi aau ukuran keidak
pasian. Dalam kasus ini, ujuan uama adalah menggunakan semua inormasi yang
ersedia dalam daa arus lalulinas unuk mendapakan MAT. Van Zuylen (1978) meng
embangkan model penaksiran MAT yang paling memungkinkan dari daa arus lalulina
s dengan menggunakan pendekaan yang meminimumkan inormasi. Tiik aal model in
i adalah dimungkinkannya menghiung inormasi yang erdapa dalam MAT [Tid]. Kar
ena inormasi yang ersedia dalam benuk daa arus lalulinas idak cukup unuk
menenukan MAT secara lengkap, dipilihlah MAT yang hanya menambah inormasi seke
cil mungkin erhadap inormasi yang erkandung pada persamaan (8.2). Pendekaan
ini diikui dengan menggunakan ukuran inormasi rillouin yang akhirnya menghasi
lkan model yang didasari pendekaan inormasiminimum: . X id Tid = T id l
l
l pid
(8.40)
Xl dapa dihiung dengan persamaan (8.2) dan id menyaakan peluang aal dari pe
ngamaan pergerakan anarzona (i,d) pada ruas l. Permasalahan ini juga mempunyai
benuk muli proporsional. Perbedaan uama anara model pada persamaan (8.31) d
an (8.40) dibahas dalam Van Zuylen and Willumsen (1980). l l Perbedaannya pada b
agian erenu saja, yaiu ( p id / p id ) unuk model Van
l
Zuylen dan ( ) unuk model Willumsen yang hanya merupakan perbedaan pemboboan p
engamaan pada ruas l. Pada makalah ersebu juga dijelaskan baha erdapa hubu
ngan yang sanga era anara pendekaan enropi maksimum (EM) dan inormasi mini
mum (IM). Secara umum dikaakan baha kejadian yang mempunyai keidakerauran m
aksimum sama dengan kejadian yang mempunyai inormasi minimum. Juga dijelaskan b
aha model Van Zuylen juga dapa diurunkan dengan menggunakan pendekaan enrop
i maksimum. Van Zuylen (1979) menjelaskan penggunaan model ersebu unuk menghi
ung pergerakan kendaraan pada suau persimpangan, yang juga dilakukan oleh Haue
r e al (1981), eapi menggunakan daa dari penghiung lalulinas oomais. Hau
er and TomShin (1981) menggunakannya unuk mendapakan MAT, dan Landau e al (198
2) menggunakannya unuk menghiung pergerakan kendaraan pada lokasi kordon. Pene
liian yang erakhir ini membukikan baha mungkin saja didapakan pergerakan as
alujuan jika daa arus lalulinas pada lokasi kordon dilengkapi
l p id
Model ransporasi berdasarkan daa arus lalulinas
385
dengan daa asal dan ujuan dari beberapa pergerakan yang meleai kordon erseb
u. Dua meode erdahulu mengenai penaksiran MAT dengan daa arus lalulinas men
ggunakan prinsip enropi maksimum dan inormasiminimum. Unuk mendapakan solusi
yang unik (solusi yang paling mirip), dibuuhkan beberapa inormasi ambahan, m
isalnya dalam benuk inormasi aal MAT. Kemudian, kombinasi anara inormasi a
al MAT dan daa pengamaan arus lalulinas menghasilkan perkiraan MAT berikunya
yang unik.
8.3.3.3 Model ayes
MAT hasil pengolahan merupakan gabungan inormasi aal MAT dan daa arus lalulin
as. Teapi, dalam gabungan ersebu, pemboboan yang kecil diberikan kepada in
ormasi aal MAT. Dengan kaa lain, MAT hasil penaksiran mirip dengan inormasi a
al MAT dan erganung pada baasan lainnya. Selain iu, inormasi aal MAT hany
a menyediakan daa erenu, idak erdapa ukuran ingka kepercayaan daa ino
rmasi aal MAT ersebu. Masalah pengkombinasian nilai kepercayaan aal dengan d
aa pengamaan yang menghasilkan nilai kepercayaan hasil pengolahan merupakan pe
ndekaan baku dari eori inerensi saisik ayes. Jika kia mempunyai ingka
kepercayaan 100% pada suau nilai kepercayaan aal, idak diperlukan pengamaan
acak lainnya, karena bagaimanapun baik keepaannya idak akan merubah opini ses
eorang dan nilai kepercayaan hasil pengolahan akan persis sama dengan nilai kepe
rcayaan aal. Jika, sebaliknya, kia mempunyai ingka kepercayaan yang rendah p
ada nilai kepercayaan aal, pengamaan akan berperan sanga pening dalam menen
ukan nilai kepercayaan hasil pengolahan. Dengan kaa lain, nilai kepercayaan aa
l harus dimodiikasi dengan daa pengamaan unuk menghasilkan nilai kepercayaan
hasil pengolahan; semakin baik suau nilai kepercayaan aal, semakin kecil peng
aruh dari daa pengamaan unuk mendapakan nilai kepercayaan hasil pengolahan.
Maher (1983c) mengembangkan model penaksiran MAT dari daa arus lalulinas denga
n menggunakan pendekaan saisik ayes. Model ersebu berdasarkan pada eori
ayes: ( y ).p( ) (8.41) p( y ) = (y ).p( ).d( ) p() adalah kepadaan peluang
l dari parameer , (y ) adalah kemungkinan dari pengamaan y, dan p( y) adalah kepada
an peluang hasil pengolahan dari parameer . Model ini memperbolehkan perbedaan
ingka kepercayaan pada bagian yang berbeda beda dari inormasi aal MAT. Maher
menunjukkan baha, pada kondisi ingka kepercayaan inormasi aal MAT sanga re
ndah, hasil pendekaan saisik ini akan sama dengan hasil yang didapakan deng
an pendekaan inormasi minimum aau enropi maksimum. Maher (1984) melakukan uj
i coba model ayes () ini unuk menaksir pergerakan kendaraan di persimpangan d
an dibandingkan dengan hasil yang didapakan dengan dua buah model sebelumnya mo
del inormasi minimum (IM) (Van Zuylen, 1978) dan model kemiripan maksimum (KM).
Diemukan baha model dan KM
386 Oyar Z Tamin, Perencanaan dan pemodelan ransporasi
dapa menghasilkan perkiraan gala baku, sedangkan model MI idak dapa. Secara
umum dapa disimpulkan baha model ayes merupakan model yang erbaik dalam mena
ksir pergerakan kendaraan pada persimpangan. Model yang hampir mirip dengan mode
l Maher, yang didasari eori ayes, dikembangkan oleh Geva (1984). Pada model e
rsebu, permasalahan penaksiran MAT dierangkan dalam benuk peluang. Pergerakan
asalujuan dianggap sebagai parameer suau sebaran. Pendekaan ayes kemudian d
igunakan dan aksiran baru akan didapakan jika inormasi baru ersedia. Tiga su
mber inormasi mengenai pola perilaku pergerakan diperimbangkan dalam proses pe
naksiran, yaiu inormasi aal dalam benuk MAT masa lampau, daa arus lalulina
s, dan inormasi yang ersedia dalam benuk daa sampel MAT yang erbaas.
8.3.3.4 Model kemiripan maksimum (KM) Pada persamaan (8.1), mariks [id] berisi
inormasi mengenai inormasi aal yang dimiliki oleh MAT [Tid]. Keerangan meng
enai mariks aal [id] idak dijelaskan secara rinci dalam seiap meode yang
elah dierangkan. Mariks aal [id] dapa berupa suau penaksiran aal, MAT pad
a masa lampau, perkiraan aal aau MAT sasaran. Pada model yang elah dierangka
n sebelumnya, mariks [id] idak dibuuhkan dalam rumusan model; mungkin didapa
perkiraan MAT, meskipun idak erdapa mariks sasaran (id = 1 unuk semua iI)
.
Teapi, anpa adanya mariks sasaran hasil model ersebu, idak begiu meyakink
an. Telah dikeahui baha keepaan keluaran sanga peka erhadap inormasi aal
yang ersedia dalam MAT sasaran [id]. Oleh karena iu, Spiess (1987) mengusulk
an model seperi yang elah dierangkan di aas; mariks sasaran bukan hanya pil
ihan, eapi harus merupakan bagian yang erpening dalam perumusan model erseb
u. Dijelaskan baha permasalahan di aas dapa dipecahkan dengan memberikan in
ormasi yang epa dalam mariks aal [id]. Spiess memperimbangkan sebuah kasus
. Pada kasus iu, mariks aal [id] didapakan dengan melakukan, unuk seiap p
asangan zona, pengambilan sampel peubah acak yang ersebar sesuai dengan sebaran
poisson dengan raa raa yang idak dikeahui idTid. Koeisien id menjelaskan ak
or sampel unuk seiap pasangan zona, misalnya persenase populasi yang sudah d
iamai. Jadi, [id] merupakan pengamaan sau se peubah acak yang ersebar sesu
ai dengan sebaran poisson dengan raa raa idTid. Diasumsikan baha mariks aal
[id] sesuai dengan kebanyakan siuasi yang dijumpai di lapangan. anyak eknik
survei unuk mendapakan daa MAT didasari proses pencaaan sehingga menghasilk
an MAT pengamaan dengan bilangan bula (yang biasanya mempunyai nilai yang sang
a kecil). Jika survei ersebu mengandung akor sampel acak dari suau populas
i dengan pola lalulinas yang sabil, maka MAT hasil pengamaan [id] akan mengi
kui sebaran mulinomial. Jika akor sampel sanga kecil (<<1), enulah sebaran
mulinomial bisa didekai dengan sebaran poisson. anyak survei perjalanan beke
rja ergolong kaegori ini. Mariks yang ersebar menuru sebaran poisson bisa j
uga dihasilkan dengan
Model ransporasi berdasarkan daa arus lalulinas
387
poisson sera nilai bangkian dan arikan dikeahui, maka meode kemiripanmaksim
um dapa digunakan unuk menaksirkan MAT [Tp]. Dalam kasus ini, persamaan (8.44
) dapa diuliskan kembali sebagai: memaksimumkan dengan baasan : P2 = p .lo
g e T p p .T p
p
(
)
(8.45) (8.46) (8.47) (8.48)
T p
= Op = D
T p
p
T p 0
Dalam kasus sampel seragam, misalnya p = , ampak baha komponen perama dalam u
ngsi ujuan (8.45) adalah konsana dan karena iu dapa diabaikan. Akhirnya, pe
rmasalahan ersebu menjadi persamaan (8.49) dengan baasan persamaan (8.46)(8.48
): memaksimumkan P2 = p .log e T p
p
(8.49)
Pening dicaa baha, dalam penggunaan meode kemiripan maksimum, dibuuhkan in
erpreasi yang epa mengenai mariks sasaran [id]. Jika keberadaan [id] dapa
diabaikan dan dihasilkan model kemiripan maksimum yang berbeda, eapi dalam k
asus pendekaan sebaran poisson, keberadaan MAT perlu dikeahui.
8.3.3.5 Model MODCOST Roberson (1984) mengembangkan meode penaksiran MAT, dike
nal sebagai MODCOST (Modiying Origin and Desinaion COss o Simulae Trips),
yang didasari simulasi pilihan yang dilakukan ribuan individu yang perbedaan per
sepsinya mengenai biaya dienukan dalam prosedur acak. Meode ini menaksir MAT
dengan menggunakan daa arus lalulinas unuk mengkalibrasi simulasi pilihan in
dividu yang dianggap mempunyai asumsi meminimumkan biaya perjalanannya.
Asumsi perilaku ini sanga sederhana, api berguna karena dapa dihindarkan peng
gunaan prinsip absrak enang konsep graviy aau enropi maksimum yang sering
digunakan pada meode penaksiran MAT lainnya. Teapi, MODCOST masih mempunyai ke
kurangan dalam benuk dasar eori yang baku, idak seperi meode lain yang suda
h mempunyai dasar eori penurunannya. Teapi, prosedur yang digunakan kelihaann
ya lebih eeki digunakan pada kasus jaringan, baik yang sebenarnya maupun hipo
esis. Dalam meode ini diasumsikan baha semua pergerakan erjadi anara sau h
ipoesis zona asal dan sau hipoesis zona ujuan. Pemilihan asal dan ujuan, e
rmasuk pemilihan rue anara kedua zona ersebu, dicerminkan dalam benuk jarin
gan yang erdiri dari ruas jalan. Ruas jalan jenis sebenarnya menyaakan ruas ja
lan sebenarnya, sedangkan ruas jalan jenis hyper menyaakan zona asal dan zona
ujuan. Pada ruas jalan sebenarnya, biaya dinyaakan dalam benuk aku perjalana
n, sedangkan pada ruas jalan jenis hyper biaya dinyaakan dalam banyak akor ya
ng berkaian dengan perumahan dan lapangan kerja.
Model ransporasi berdasarkan daa arus lalulinas
389
Dalam proses simulasi, perbedaan anarindividu dinyaakan dalam proses biaya yan
g acak dalam renang yang elah dienukan unuk seiap ruas jalan. Rue erbaik
unuk seiap individu diemukan dengan menggunakan algorima biaya ermurah anpa
adanya perbedaan anara ruas sebenarnya aaupun jenis hyper. Proses ini dilakuk
an secara berulang ulang unuk seiap individu sampai didapakan kondisi perilak
u sabil. Proses simulasi ini elah diimplemenasikan dalam benuk pake program
yang elah mempunyai prosedur unuk mengaur nilai raa raa dari biaya hyper a
nara zona asal dan ujuan unuk mengurangi gala anara besarnya arus peramalan
dengan arus hasil pengamaan.
8.4 Kesimpulan
Telah diulas semua eknik penaksiran MAT dengan menggunakan daa arus lalulinas
yang elah dikembangkan sampai saa ini, mencakup iga kelompok uama. Ide uam
a peneliian ini adalah pengembangan eknik, dengan daa arus lalulinas, yang d
apa digunakan bukan saja unuk menaksir MAT yang erjadi sekarang eapi juga u
nuk meramalkan MAT pada masa mendaang. Salah sau cara adalah dengan melakukan
pemodelan perilaku pergerakan aau kebuuhan akan pergerakan yang erjadi di da
lam daerah kajian. Cara ini ermasuk dalam golongan pendekaan penaksiran model
kebuuhan akan ransporasi. Unuk peramalan, pendekaan ini merupakan meode ya
ng erbaik dan, karena iu, kia akan lebih menguamakan meode ini, yang dijela
skan secara lebih rinci pada subbab beriku.
8.5 Keunungan penggunaan daa arus lalulinas
Telah dierangkan baha meode konvensional sanga membuuhkan survei inensi y
ang enu sanga mahal dari sisi enaga kerja dan aku, mengganggu arus lalulin
as, dan yang erpening, hasil akhirnya idak berlaku lama. Fakor pening lain
nya adalah komplikasi yang imbul pada seiap ahapan proses pemodelan. Selain i
u, dalam beberapa kasus, khususnya di koa kecil dan negara sedang berkembang,
para perencana dihadapkan pada permasalahan kajian yang erbaas aku dan biaya
nya, yang menyebabkan penggunaan model konvensional hampir idak mungkin dilakuk
an. Penggunaan eknik yang idak membuuhkan biaya besar unuk menaksir MAT dapa
memecahkan masalah ersebu. Karena para perencana ransporasi idak puas den
gan meode konvensional, beberapa eknik penaksiran MAT yang didasari daa arus
lalulinas berkembang pesa belakangan ini, yang biasa dikenal dengan meode id
ak konvensional. Tujuan penggunaan meode idak konvensional adalah menghasilkan
pendekaan yang lebih sederhana unuk menyelesaikan permasalahan serupa; dalam
hal ini, model perencanaan ransporasi empa ahap dilakukan dalam hanya sau p
roses saja. Agar ekonomis, persyaraan daa unuk pendekaan baru ini harus diba
asi hanya daa perencanaan yang sederhana saja, daa arus lalulinas pada beber
apa ruas jalan, aau daa lain yang murah. eberapa keunungan penggunaan daa a
rus lalulinas sebagai daa uama dalam menaksir MAT didiskusikan beriku ini.
390 Oyar Z Tamin, Perencanaan dan pemodelan ransporasi
Model perama yang dikembangkan dengan berdasarkan daa arus lalulinas adalah m
odel yang dikembangkan oleh Lo (1972). Tujuan model ini adalah secara eeki me
nyaukan ke dalam sau proses semua hal yang biasa dilakukan dalam model perenca
naan ransporasi empa ahap, lengkap dengan galanya masingmasing. Salah sau k
eunungannya adalah semua gala pemodelan diberikan pada keluaran akhir dalam be
nuk arus lalulinas yang dapa dijelaskan secara saisik. Jadi, pemakai dapa
mempunyai gambaran yang lebih jelas enang model ersebu (sesuau yang idak
pernah dikeahuinya dari pendekaan biasa). Dalam laporan yang dipublikasikan ol
eh OECD (1974), dua alasan uama dibuuhkannya penyederhanaan dalam proses pemod
elan ransporasi adalah: 1 iaya pengumpulan daa dan analisis daa Model rans
porasi konvensional biasanya membuuhkan daa yang sanga banyak. Daa bisa did
apa dengan melakukan survei asalujuan (aancara di epi jalan), survei ambaha
n lain (arus lalulinas sera komposisinya, survei kecepaan). Dalam kasus kajia
n angkuan barang, survei ersebu harus dikaikan dengan kajian mengenai kaasa
n indusri aau kajian sekoral unuk menaksir produksi kebuuhan dan penyediaan
. Jumlah sasiun survei yang dibuuhkan unuk seiap survei asalujuan erganung
dari ciri jaringan, sisem zona, dan ukuran daerah kajian. Jumlah ersebu erg
anung juga pada ciri lalulinas dan ujuan kajian. iasanya, survei jenis ini m
ahal dan membuuhkan proses panjang unuk mendapakannya; dalam beberapa kasus,
jumlah sasiun survei yang dibuuhkan akan sanga banyak unuk mendapakan MAT y
ang baik. Meskipun begiu, idak disyarakan semua sasiun melakukan surveinya s
ecara serenak. Permasalahan lain yang berkaian dengan survei aancara di epi
jalan adalah masalah organisasi dan pengelolaan. Dibuuhkan polisi yang beruga
s menghenikan kendaraan yang akan disurvei. Kerja sama yang baik dengan semua i
nsansi erkai sanga diperlukan. Dalam kasus angkuan barang, daa biaya dan
ari sanga suli didapa karena biasanya perusahaan dan pengguna berusaha merah
asiakan daa ersebu. 2 Kompleksias dan biaya kompuer Model konvensional memb
uuhkan penggunaan kompuer yang inensi karena jumlah dan ingka kompleksias
perhiungan yang harus dilakukan. Pengembangan eknik perencanaan ransporasi
selama dua puluh ahun erakhir sanga erkai dengan perkembangan eknologi kom
puer (perangka keras dan lunaknya). Sekarang ini penggunaan kompuer bukan mas
alah lagi. Teapi, penggunaan kompuer membuuhkan kemampuan eknik khusus dan b
iaya yang cukup mahal. Laporan ersebu selanjunya menyarankan dilakukannya leb
ih banyak peneliian unuk mengembangkan model yang lebih cepa dan membuuhkan
daa dan enaga kerja yang lebih sediki. Di negara sedang berkembang, ingka k
emajuan yang sanga cepa menyebabkan banyak daa kualiasnya idak baik dan men
gandung banyak gala. Dalam kondisi ini, daa yang bisa didapa
Model ransporasi berdasarkan daa arus lalulinas
391
dengan murah, misalnya daa arus lalulinas, diperkirakan lebih baik keepaanny
a dibandingkan dengan daa lain. eriku ini dikemukakan beberapa alasan uama m
engapa daa arus lalulinas sanga menarik digunakan sebagai daa uama dalam pr
oses penaksiran MAT: 1 Murah Jenis daa seperi ini murah mendapakannya karena
hanya membuuhkan enaga kerja sediki sera dapa menggunakan penghiung laluli
nas oomais. Memperoleh daa seperi ini idak membuuhkan kuesioner aau poli
si sehingga lebih mudah dari sisi organisasi dan pengelolaan. Selain iu, daa s
eperi ini juga hanya membuuhkan analisis dan keluaran yang sederhana. Keersed
iaan Arus lalulinas biasanya sudah ersedia karena sering digunakan unuk kajia
n ransporasi perkoaan aau anarkoa. Daa ini secara luas digunakan unuk u
juan yang berbeda beda, misalnya unuk menganalisis kemacean, memonior ingka
lukuasi arus lalulinas, menenukan akor ekspansi unuk survei Asalujuan dan
juga untuk memutakhirkan MA yang sudah ada. elain itu, banyak instansi lokal d
an badan perenanaan mengumpulkan data ini seara teratur sehingga biaya tambaha
n untuk menggunakan metode tidak konvensional menjadi sangat rendah. idak mengg
anggu Data arus lalulintas bisa didapat tanpa mengganggu arus lalulintas sehingg
a kemaetan atau pun tundaan serta gangguan bagi pengguna jalan bisa dihindari.
elain itu, pengumpulan data seara otomatis sudah sangat berkembang; ketepatann
ya sangat menggembirakan serta tersedia beberapa paket program yang menyediakan
proses yang efisien. eknik otomatisasi terbaru sudah dikembangkan; misalnya Hoo
se and Willumsen (1987) mengembangkan paket program yang menggunakan teknik pros
es itra, yang mampu seara otomatis menghitung dan menentukan pergerakan kendar
aan dari hasil rekaman video. Pengembangan teknik tersebut sangat berguna dalam
pengumpulan data arus lalulintas, khususnya teknik yang tidak mengganggu pergera
kan arus lalulintas.
2
3
8.6 Permasalahan dalam penggunaan data arus lalulintas
Arus lalulintas sangat berguna sebagai data utama dalam proses penaksiran MA, t
etapi masih terdapat beberapa masalah yang terkait dengan penggunaannya. Permasa
lahan tersebut timbul karena arus lalulintas tidak pernah luput dari galat.
8.6.1 Masalah perhitungan arus lalulintas
Yang dibutuhkan untuk menghitung arus lalulintas adalah data perenanaan yang se
derhana untuk setiap zona dan data arus lalulintas pada beberapa ruas jalan tert
entu. Data arus lalulintas sebenarnya erminan pergerakan arus antarzona dan rut
e yang dipilih. Jadi, volume arus lalulintas untuk ruas jalan tertentu menyediak
an informasi mengenai semua pergerakan antarzona yang menggunakan ruas tersebut.
Dua masalah penting diterangkan berikut ini.
392 Ofyar Z amin, Perenanaan dan pemodelan transportasi
8.6.1.1 Ketergantungan Gambar 8.1 memperlihatkan bahwa arus lalulintas pada ruas
56 adalah penjumlahan arus pada ruas 15 dan 25. Karena itu, dengan mengetahui data
arus pada ruas 15 dan 25, tidak ada gunanya menghitung arus =V +V . eara pada r
uas 56 karena berdasarkan kondisi kontinuitas, V 56 15 25 prinsip dibutuhkan data
arus lalulintas pada hanya 3 ruas saja untuk mendapatkan arus untuk semua ruas
jalan pada gambar 8.1.
Gambar 8.1 Jaringan sederhana dengan arus lalulintasnya umber: amin (1988abd)
Karena itu, dari sisi ekonomi, perlu diperhatikan ara memilih ruas jalan yang
ook untuk mendapatkan data arus lalulintasnya. Menghilangkan data arus lalulint
as pada ruas jalan yang saling terkait dapat mengurangi jumlah persamaan untuk m
enaksir MA, tanpa harus kehilangan informasi sedikit pun. Karena itu, dari segi
efisiensi biaya, perlu ditentukan ruas jalan yang tepat untuk menghitung arus l
alulintasnya. Masalah ketidakkonsistenan dalam perhitungan 8.6.1.2 Ketidakkonsis
tenan arus lalulintas timbul jika kontinuitas arus tidak dipenuhi oleh data hasi
l pengamatan. Pada gambar 8.1, pengamatan bisa menghasilkan persamaan: V +V V 56
15 25 atau +V V +V V 15 25 63 64 (8.51) Permasalahan ketidakkonsistenan bisa timb
ul karena galat manusia atau mungkin juga karena perhitungan dilakukan pada saat
yang tidak bersamaan. Akibatnya, tidak ada solusi MA yang menghasilkan kembali
arus lalulintas yang tidak konsisten. alah satu ara untuk menghindari masalah
ini adalah dengan memilih ruas jalan yang saling tidak berkaitan untuk dihitung
arus lalulintasnya. Metode lainnya dengan melakukan perbaikan untuk mengatasi j
enis galat seperti ini.
8.6.2 Masalah kurang terspesifikasi
(8.50)
Pertimbangkan daerah kajian yang dibagi menjadi beberapa daerah yang disebut zon
a; setiap zona diwakili oleh pusat zona. Anggaplah terdapat N buah zona di dalam
daerah kajian. emua zona ini dihubungkan dengan jaringan jalan yang terdiri da
ri beberapa ruas jalan. etiap ruas jalan diirikan pada kedua ujungnya
Model transportasi berdasarkan data arus lalulintas
393
dengan simpul. Jadi, jaringan jalan di dalam daerah kajian terdiri dari ruas jal
an dan simpul (setiap pusat zona juga merupakan simpul). elain itu, MA untuk d
aerah kajian tersebut terdiri dari N sel, [NN] sel jika pergerakan intrazona diabai
kan. ahap terpenting dari proses penaksiran model kebutuhan akan transportasi d
ari data arus lalulintas adalah identifikasi rute yang dilalui oleh setiap perge
rakan dari setiap zona asal i ke setiap zona tujuan d. Dengan kata lain, propors
i pergerakan antarzona asal i dan zona tujuan d harus diidentifikasi untuk setia
p ruas jalan l yang l dianalisis. Dalam kasus ini, peubah p id digunakan untuk m
endefinisikan proporsi pergerakan dari zona asal i ke zona tujuan d yang bergera
k melalui ruas jalan l. Jadi, dengan kata lain, arus pada setiap ruas jaringan j
alan adalah produk dari: pergerakan dari zona asal i ke zona tujuan d atau kombi
nasi berbagai jenis pergerakan yang bergerak antarzona di dalam suatu daerah kaj
ian (=id); dan proporsi pergerakan dari zona asal i ke zona tujuan d yang mengg
unakan ruas l l jalan l yang didefinisikan sebagai p id (0 p id 1).
pada ruas jalan tertentu merupakan penjumlahan setiap pergerakan otal arus V l
antarzona di dalam daerah kajian yang menggunakan ruas jalan tersebut. eara ma
tematis, hal tersebut dapat dinyatakan sebagai:
l V l = id . p id i d
(8.52)
l Jelaslah bahwa nilai p id ditentukan oleh pemilihan rute yang dilakukan oleh s
etiap l pengendara di dalam daerah kajian. Peubah p id dapat diperkirakan dengan
menggunakan teknik pembebanan rute yang sesuai. Beberapa teknik pembebanan rute
tersedia mulai dari teknik sederhana all or nothing sampai ke teknik yang lebih
kompleks, yaitu teknik pembebanan keseimbangan. Bagi pembaa yang berminat, beb
erapa teknik pembebanan rute telah dijelaskan seara terperini pada bab 7. l di
ketahui, terdapat N jumlah id Jika semua nilai p id dan data arus lalulintas V l
yang tidak diketahui yang harus dihitung dari satu set persamaan linear simulta
n (persamaan 8.52) yang jumlahnya tergantung pada jumlah data arus lalulintas ya
ng tersedia. erdapat beberapa masalah utama yang terkait dengan penggunaan mode
l yang diusulkan, baik dari segi matematis maupun dari segi praktis.
Dari segi matematis dibutuhkan sejumlah N data arus lalulintas yang tidak saling
terkait untuk mendapatkan MA [id] dari satu set persamaan linear simultan (8.5
2). Jumlah persamaan yang tersedia tergantung pada jumlah ruas yang didapatkan d
ata arus lalulintasnya. eara praktis, hanya sebagian keil ruas jalan saja yan
g bisa didapat data arusnya. Meskipun semua ruas jalan dapat dihitung, jumlahnya
masih lebih sedikit dibandingkan dengan jumlah yang tidak diketahui sehingga ti
dak mungkin didapat solusi akhir. eara umum dapat dikatakan bahwa terdapat leb
ih dari satu buah MA yang jika dibebankan kembali ke jaringan jalan
l dengan nilai p id tertentu akan menghasilkan arus lalulintas yang sama dengan
hasil pengamatan.
Pendekatan untuk mengatasi masalah kurang terspesifikasi telah dikembangkan oleh
beberapa peneliti. alah satu ara mengatasinya adalah dengan membatasi solusi
yang mungkin dengan melakukan asumsi mengenai perilaku pergerakan. Hal ini didis
kusikan lebih rini pada subbab berikut ini.
8.7 Model transportasi berdasarkan data arus lalulintas
8.7.1 Prinsip dasar
Pertimbangkan daerah kajian yang terdiri dari N zona. etiap zona diwakili oleh
satu pusat zona sehingga terdapat N jumlah bangkitan dan tarikan. etiap zona in
i kemudian dihubungkan ke jaringan jalan yang terdiri dari ruas jalan dan simpul
dengan penghubung pusat zona. MA dari daerah kajian ini terdiri dari N sel; ter
dapat [NN] sel jika perjalanan intrazona dapat diabaikan. Penentuan rute jalan yan
g dilalui oleh setiap perjalanan dari setiap zona asal i ke setiap zona tujuan d
merupakan tahapan terpenting dalam proses penaksiran MA l dengan data arus lal
u lintas. Peubah p id digunakan untuk mendefinisikan proporsi jumlah perjalanan
dari zona asal i ke zona tujuan d yang menggunakan ruas jalan l. Jadi, arus lalu
lintas pada setiap ruas jalan dalam suatu jaringan jalan merupakan hasil dari: j
umlah perjalanan dari zona asal i ke zona tujuan d (id), dan proporsi jumlah pe
rjalanan dari zona asal i ke zona tujuan d yang l l menggunakan ruas jalan l yan
g dapat didefinisikan sebagai p id (0 p id 1).
) pada suatu ruas jalan l adalah jumlah perjalanan antarzona yang Arus lalulinta
s ( V l menggunakan ruas jalan tersebut. eara matematis, arus lalulintas ini d
apat l dinyatakan sebagai persamaan (8.52). Peubah p id dapat ditaksir dengan me
nggunakan beberapa metode pembebanan rute mulai dari metode all or nothing sampa
i dengan metode keseimbangan dengan batasan kapasitas. Dengan mengetal ), didapa
tkan N buah id yang hui taksiran p id dan satu set data arus lalulintas ( V l ha
rus ditaksir dari L persamaan linear simultan (persamaan 8.34) dengan jumlah dat
a arus lalulintas. eara prinsip, N data arus lalulintas dibutuhkan untuk dapat
menaksir matriks [id]; [NN] jika perjalanan intrazona dapat diabaikan. eara pra
ktis, jumlah data arus lalulintas yang diperoleh jauh lebih sedikit dari jumlah
id yang ditaksir sehingga tidak mungkin diperoleh solusi. eara umum dapat dik
atakan terdapat lebih dari satu MA yang bisa menghasilkan data arus lalulintas
tersebut. imbul pertanyaan mengenai ara membatasi jumlah solusi. alah satu ke
mungkinannya adalah dengan memodel perilaku pemakai jalan di dalam daerah kajian
. ebelum melangkah lebih jauh, metode pembebanan rute yang dapat dipakai
Model transportasi berdasarkan data arus lalulintas
395
l untuk menaksir peubah p id akan dijelaskan seara singkat berikut ini. Pembaa
yang berminat mengetahui lebih lanjut metode atau teknik pembebanan rute disara
nkan membaa bab 7.
8.7.2 Beberapa metode pembebanan rute
alah satu tujuan utama pembebanan rute adalah mengidentifikasi rute yang ditemp
uh pengendara dari zona asal i ke zona tujuan d dan juga jumlah perjalanan yang
melalui setiap ruas jalan pada suatu jaringan jalan. Robillard (1975) mengklasif
ikasikan metode pembebanan rute menjadi dua kelompok utama, yaitu metode propors
ional dan metode tidak proporsional. Jika proporsi jumlah perjalanan yang melewa
ti suatu ruas jalan tidak tergantung pada jumlah arus di ruas jalan tersebut, da
pat digunakan metode proporsional. erdapat beberapa iri daerah kajian yang dap
at digunakan untuk membantu menentukan teknik pembebanan rute yang terbaik. Hal
ini termasuk informasi ara pengendara mempertimbangkan biaya perjalanannya, tin
gkat kemaetan, dan rute alternatif lain, termasuk biaya perjalanannya. Dengan m
etode proporsional, diasumsikan proporsi pengendara yang memilih rute perjalanan
nya tergantung pada asumsi mereka dan iri rutenya, serta tidak tergantung pada
tingkat arus lalulintasnya. Contoh yang umum adalah metode all or nothing; dalam
hal ini diasumsikan semua pengendara berusaha memperkeil biaya perjalanannya d
an mereka melakukannya dengan ara yang sama sehingga biaya perjalanan tidak ter
gantung pada jumlah arus lalulintas. Karena itu, pengendara dari satu zona ke zo
na lain selalu memakai rute yang sama. Metode ini diperkirakan tidak begitu real
istis untuk beberapa jaringan jalan di daerah perkotaan karena tidak mempertimba
ngkan keragaman dalam penentuan biaya dan efek kemaetan. etapi, metode ini mer
upakan metode terepat dan termudah dan sangat berguna untuk jaringan jalan yang
tidak begitu rapat yang l hanya mempunyai beberapa rute alternatif saja. Nilai
peubah pid untuk metode ini adalah sebagai berikut: 1 jika pergerakan dari zona
asal i ke zona tujuan d menggunakan ruas l
l = pid
(8.53) 0 jika sebaliknya atau i = d
Dalam kondisi maet, biaya untuk melalui ruas jalan tertentu sangat tergantung p
ada jumlah arus lalulintas di ruas jalan tersebut dan hubungan matematis antara
arus lalulintas dan keepatan. Beberapa metode telah dikembangkan untuk memperti
mbangkan efek tersebut yang biasa dikenal dengan metode batasankapasitas. Bebera
pa diantaranya adalah all or nothing berulang, pembebananberulang dan pembebanan
bertahap. Metode yang paling sesuai untuk suatu kasus sangat tergantung pada i
ri daerah kajian. ingkat kemaetan, adanya rute alternatif dengan biayanya masi
ng masing, dan ide pengendara, sangat menolong menentukan metode pembebanan rute
yang terbaik.
396 Ofyar Z amin, Perenanaan dan pemodelan transportasi
Masalah yang timbul dalam menaksir MA dengan data arus lalu lintas menjadi lebi
h mudah dipeahkan jika metode proporsional dapat dipakai. Penggunaan metode tid
ak proporsional memerlukan proses pengulangan; nilai asumsi peubah l p id yang d
igunakan untuk menaksir MA selanjutnya digunakan kembali untuk
l memperbaiki nilai p id tersebut. Hal ini didiskusikan lebih rini oleh Willums
en (1978ab,1981ab) yang lebih mengutamakan penggunaan metode proporsional.
8.7.3 Konsep dasar
Dengan metode tidak konvensional ini, perilaku pemakai jalan dianggap dapat diwa
kili dengan suatu model kebutuhan akan transportasi tertentu seperti model gravi
ty opportunity (GO). Arus lalulintas dinyatakan sebagai fungsi MA yang dinyatak
an sebagai fungsi suatu model kebutuhan akan transportasi dengan parameternya. P
ertimbangkan sekarang terdapat sejumlah K tujuan pergerakan atau komoditas yang
bergerak antarzona di dalam daerah kajian. Anggap bahwa pergerakan antarzona di
dalam daerah kajian tersebut dapat diwakili oleh suatu model kebutuhan akan tran
sportasi, katakanlah model GO. Jadi, total pergerakan id dengan zona asal i dan
zona tujuan d untuk semua tujuan pergerakan atau komoditas dapat dinyatakan seb
agai: k (8.54) id = id
k
adalah pergerakan dari setiap tujuan pergerakan atau komoditas k yang bergerak d
ari zona asal i ke zona tujuan d seperti yang didefinisikan dengan persamaan (8.
55) berikut: k k k k . Aik . Bd . f id id = bk .O ik . Dd (8.55) Dengan memasuk
kan persamaan (8.55) ke persamaan (8.52), persamaan dasar untuk model penaksiran
kebutuhan akan transportasi dengan data arus lalulintas dan beberapa data peren
anaan adalah:
k k k l . Aik . Bd . f id . p id V l = bk .O ik . Dd k i d
k id
(
)
(8.56)
Persamaan dasar ini sangat sering digunakan dalam banyak pustaka baik untuk mena
ksir MA maupun mengkalibrasi model kebutuhan akan transportasi dari data arus l
alulintas; ontohnya (Chan, 1982; Pierro, 1983; amin, 1985;1986, 1988abd; ami
n and Willumsen, 1988ab; Willumsen, 1978ab;1981ab;1984b). ) tidak tersedia untuk
setiap Yang harus diketahui adalah data arus lalulintas ( V l tujuan pergerakan
k, tetapi tersedia untuk semua jenis pergerakan.
l Dalam beberapa penelitian yang telah banyak dilakukan, peubah p id diasumsikan
mengikuti teknik pembebanan proporsional yang dapat ditaksir seara terpisah da
ri l penaksiran MA [id] dengan (0 p id 1). Diasumsikan bahwa model GO digunaka
n untuk menerminkan perilaku pergerakan sehingga persamaan (8.38) merupakan sis
tem L persamaan linear simultan dengan 3K+2 parameter yang tidak
Model transportasi berdasarkan data arus lalulintas
397
diketahui (bk, k, k, dan ), yang harus dikalibrasi (lihat pnjlasan rinci pada sub
bab 8.108.11). Penting untuk iketahui bahwa aamete (,) sudah diketahui karea t
elah diberi ilai, lihat tabel (5.20). Permasalahaa sekarag adalah bagaimaa
megkalibrasi parameter model GO ag tidak diketahui agar model ag telah dik
alibrasi meghasilka arus lalulitas ag sekecil mugki perbedaaa dega a
rus hasil pegamata. Haa sedikit sekali pegguaa tekik ii sehigga terdap
at kesempata utuk megembagkaa. Tami (1985,1988abcd) megembagka 4 buah
jeis metode peaksira ag dijelaska secara rici dalam subbab (8.108.11).
8.8 Penakian moel kombinai SPPM engan ata au enumang
8.8.1 Pini aa
Mialkan uatu aeah kajian ibagi ata N zona yang maing maing iwakili oleh
atu uat zona. Semua zona ini kemuian ihubungkan ke jaingan jalan yang te
ii ai ua jalan an imul. MAT ai atu aeah kajian teii ai N el;
jai teaat [NN] el jika ejalanan intazona aat iabaikan. Penentuan ute j
alan yang akan ilalui oleh etia ejalanan ai etia zona aal i ke etia
zona tujuan meuakan tahaan teenting alam oe enakian MAT engan a
ta au lalulinta.
lm Peubah i igunakan untuk aat menefiniikan ooi jumlah ejalanan (
moa m) ai zona aal i ke zona tujuan yang menggunakan ua jalan l. Jai, a
u lalulinta i etia ua jalan alam uatu jaingan jalan aalah hail ai
:
jumlah ejalanan ai zona aal i ke zona tujuan (Ti), an ooi jumlah
ejalanan (moa m) ai zona aal i ke zona tujuan yang lm lm menggunakan ua
jalan l yang aat iefiniikan ebagai i (0 i 1).
m aa ua jalan l aalah jumlah ejalanan antazona (moa m) Au lalulinta
V l yang menggunakan ua jalan teebut. Secaa matemati, au lalulinta ini
aat inyatakan ebagai: m lm (8.57) V lm = Ti i
i lm Peubah i aat itaki engan menggunakan bebeaa metoe embebanan
ute mulai ai metoe all o nothing amai engan metoe keeimbangan enganlm
an atu et ata au bataan kaaita. Dengan mengetahui enakian i m m
), teaat N buah T yang hau itaki ai L eamaan linea lalulinta ( V
l i
imultan (eamaan 8.57) engan L aalah jumlah ata au lalulinta. Secaa
ini, N ata au lalulinta ibutuhkan untuk aat menaki matik m [ Ti ],
engan [NN] jika ejalanan intazona aat iabaikan. Secaa akti,
398 Ofya Z Tamin, Peencanaan an emoelan tanotai
m jumlah ata au lalulinta yang ieoleh jauh lebih eikit ai jumlah Ti
yang itaki ehingga tiak mungkin ieoleh olui yang unik.
Secaa umum aat ikatakan bahwa teaat lebih ai atu MAT yang bia mengha
ilkan ata au lalulinta teebut. Maalahnya, bagaimana membatai jumlah olu
i. Salah atu kemungkinannya aalah engan memoel eilaku engenaa i alam
aeah kajian teebut.
8.8.2 Moel kombinai ebaan egeakanemilihan moa (SPPM)
Tamin (1990,1994e,1995b) an Tamin et al (1992e) mengembangkan moel kombinai
Sebaan PegeakanPemilihan Moa (SPPM); aamete moel teebut ikalibai e
ngan ata au lalulinta atau enumang an bebeaa ata eencanaan eehana
. Moel kombinai betujuan menggabungkan tahaan ebaan egeakan, emilihan
moa, an emilihan ute alam atu oe, kemuian aametenya ikalibai e
ngan ata au lalulinta atau enumang. Jai, moel ini mamu ekaligu menak
i MAT bagi moa tanotai yang bebea, mialnya MAT enumang angkutan ib
ai an MAT enumang angkutan umum. Dalam metoe ini, eilaku emakai jalan i
angga aat iceminkan engan moel tanotai tetentu eeti moel gavit
y (GR) an emilihan moanya iceminkan engan moel logit multinomial (LM). Da
lam hal ini, au lalulinta atau enumang inyatakan ebagai fungi MAT, an M
AT ini juga aat iceminkan ebagai fungi moel kombinai SPPM engan aamet
e tetentu. Paamete ini kemuian ikalibai ehingga galat antaa au lalul
inta atau enumang yang iaat i laangan engan yang ihailkan alam oe
enakian teebut aat iekecil. Metoe enakian yang telah ikembangka
n amai aat ini meliuti metoe kuaat tekecil (KT) an kemiian makimum (
KM) yang ijelakan ecaa inci aa ubbab 8.108.11. Teknik ini bau eikit e
kali igunakan ehingga maih aat ikembangkan lebih lanjut. Moel ini aa mu
lanya ikembangkan beaakan hukum gavitai Newton; gaya gavitai (Fi) anta
a 2 maa mi an m engan jaak i aat inyatakan ebagai beikut:
8.8.2.1 Moel gavity ebagai moel tanotai
2 Fi = .m i .m / i ,
kontanta
(8.58)
Analog engan eamaan i ata, moel GR untuk item tanotai tetentu aa
lah: 2 Ti = k .O i . D / i , k kontanta (8.59) Jumlah ejalanan ai zona
aal i ke zona tujuan (Ti) bebaning luu engan etia ejalanan yang be
aal ai i (Oi) an yang menuju ke (D), an bebaning tebalik engan kua
at jaak antaanya. Tetai, eamaan (8.59) memunyai atu kelemahan. Jika nil
ai Oi an D maing maing menjai ua kali liat, ejalanan antaa keua zona
teebut akan menjai emat kali liat, aahal
Moel tanotai beaakan ata au lalulinta
399
ehaunya menjai ua kali liat aja. Oleh ebab itu, iaankan untuk membata
i moel teebut ehingga:
Ti
= Oi
an
Ti
i
= D
(8.60)
Bataan ini ienuhi jika iikutetakan atu et eubah Ai an B, yang euai
engan total bangkitan egeakan an total taikan egeakan. Peubah ini biaa
iebut engan fakto enyeimbang yang iaat ebagai bagian ai oe ehi
tungan untuk membatai eamaan (8.60). Selanjutnya, tiak aa alaan untuk el
alu menggunakan i. Yang lebih umum igunakan aalah fungi biaya. Dengan aum
i teaat M moa tanotai, moifikai moel GR (jeni engan uabataan) te
ebut aat inyatakan ebagai:
m m m Ti = O im . D . Aim .B . f i m
(
)
(8.61)
m Aim an B = fakto enyeimbang yang aat inyatakan engan:
m m m m
m m m
Aim =
B . D . f i
an B =
Ai .O i . f i
(
)
1
(
)
1
(8.62)
m m f i = fungi biaya memakai fungi ekonenial negatif: ex .C id
(
)
(8.63)
Pers
m
n (8.61)
i
s
dise
ut model gr
vity jenis deng
n du
t
s
n (DCGR). Mo
del 8.8.2.2 Model logit multinomi
l (LM) se
g
i model pemilih
n mod
pemilih
n
mod
diperluk
n jik
propos
l mengen
i
ngkut
n umum mul
i dipertim
ngk
n,
t
u
jik
dir
s
k
n
d
d
mp
k ke
ij
k
n p
rkir terh
d
p pemilih
n mod
tr
nsport
si
. Tuju
n t
h
p ini
d
l
h untuk memodel pemilih
n mod
tr
nsport
si untuk seti
p
perj
l
n
n,
i
s
ny
nt
r
mo
il d
n mod
tr
nsport
si l
in. Untuk
ngkut
n
r
ng, pemilih
n terse
ut
i
s
ny
terlet
k
nt
r
keret
pi d
n truk. Model pem
ilih
n mod
y
ng p
ling sederh
n
d
n sering digun
k
n
d
l
h model logit multin
omi
l (LM), y
ng d
p
t diny
t
k
n se
g
i:
k Tid = Tid .
exp(
m
k exp .C id
(
)
m .C id
)
(8.64)
Deng
n mem
sukk
n pers
m
n (8.64) ke pers
m
n 8.8.2.3 Pers
m
n d
s
r (8.57),
pers
m
n d
s
r pen
ksir
n model tr
nsport
si kom
in
si SPPM deng
n menggun
k
n
d
t
rus l
lulint
s
t
u penump
ng
d
l
h se
g
i
erikut:
k exp .C id k k k lk
V l = O ik . Dd . Aik .B d . f id . p id m i d exp .C id m
k
(
(
)
(8.65)
Pers
m
n (8.65)
d
l
h sistem pers
m
n deng
n L pers
m
n simult
n y
ng mempun
y
i h
ny
s
tu p
r
meter s
j
y
ng tid
k diket
hui.
400 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
M
s
l
hny
sek
r
ng
d
l
h
g
im
n
men
ksir nil
i p
r
meter terse
ut sehingg
model d
p
t mengh
silk
n d
t
rus penump
ng y
ng semirip mungkin deng
n d
t
l
p
ng
n. Be
er
p
metode pen
ksir
n y
ng tel
h dikem
ngk
n
ik oleh penulis m
u
pun oleh p
r
peneliti l
inny
k
n diter
ngk
n sec
r
rinci
erikut ini.
8.9 Metode pen
ksir
n
Su
8.8 menjel
sk
n perm
s
l
h
n pen
ksir
n MAT deng
n d
t
rus l
lulint
s.
Dijel
sk
n pul
hw
pengk
li
r
si
n model merup
k
n unsur kunci pemec
h
n m
s
l
h. Model ke
utuh
n
k
n tr
nsport
si y
ng sesu
i untuk digun
k
n tel
h didisku
sik
n (pem
c
y
ng
ermin
t dis
r
nk
n mem
c
su
5.9). Terlih
t
hw
h
l
ut
m
d
l
h penggun
n d
t
rus l
lulint
s d
l
m mengk
li
r
si p
r
meter model
. Tuju
n ut
m
k
ji
n seperti ini
d
l
h menco
mengh
silk
n teknik y
ng
ik u
ntuk mengk
li
r
si model d
ri d
t
rus l
lulint
s; juml
h ru
s j
l
n y
ng di
ut
uhk
n sekur
ng kur
ngny
s
m
deng
n juml
h p
r
meter model y
ng tid
k diket
hui
. J
di, jik
peril
ku perger
k
n di
sumsik
n d
p
t diw
kili deng
n model ke
utuh
n
k
n tr
nsport
si mis
lny
model gr
vity opportunity (GO) (lih
t su
5.9),
m
k
pro
lem k
li
r
si mem
utuhk
n: L 3K+2 (8.66) K
d
l
h juml
h tuju
n perger
k
n
t
u kelompok komodit
s. Sec
r
pr
ktis, s
ng
tl
h kecil kemirip
n mend
p
t
k
n inform
si d
t
rus l
lulint
s y
ng
e
s d
ri kes
l
h
n. H
mpir sel
lu terd
p
t kes
l
h
n p
d
d
t
rus l
lulint
s, definisi sistem j
ring
n
t
u sistem z
on
,
t
u mungkin p
d
teknik pem
e
n
n rute y
ng digun
k
n untuk menjel
sk
n r
ute y
ng dipilih pengend
r
. Oleh k
ren
itu, di
utuhk
n t
m
h
n juml
h ru
s j
l
n untuk men
nggul
ngi jenis kes
l
h
n seperti ini. T
min (1988
cd) mengem
ng
k
n du
kelompok ut
m
metode pen
ksir
n y
ng d
p
t digun
k
n untuk mengk
li
r
s
i p
r
meter model tr
nsport
si y
ng diusulk
n d
ri d
t
rus l
lulint
s, y
itu m
etode pen
ksir
n ku
dr
t terkecil (KT) d
n metode pen
ksir
n kemirip
n m
ksimum
(KM). Ide ut
m
di
lik kedu
metode pen
ksir
n itu
d
l
h menco
mengk
li
r
si
p
r
meter y
ng tid
k diket
hui, y
ng meminimumk
n per
ed
n
nt
r
rus l
lulin
t
s h
sil pemodel
n d
n h
sil peng
m
t
n. H
l ini
is
did
p
t deng
n menggun
k
n ukur
n kemirip
n
nt
r
rus l
lulint
s h
sil pemodel
n d
n h
sil peng
m
t
n,
mis
lny
formul
ku
dr
t terkecil
t
u kemirip
n m
ksimum. Su
ini dimul
i de
ng
n menjel
sk
n l
t
r
el
k
ng teori
gi seti
p metode pen
ksir
n, diterusk
n
deng
n menjel
sk
n penurun
n metode sesu
i deng
n m
s
l
h pen
ksir
n model ke
ut
uh
n
k
n tr
nsport
si d
ri d
t
rus l
lulint
s. Su
8.10 menjel
sk
n penuru
n
n metode pen
ksir
n ku
dr
t terkecil (KT) y
ng d
p
t dikelompokk
n menj
di du
su
kelompok y
itu ku
dr
t terkecilline
r (KTL) d
n ku
dr
t terkecil tid
k line
r (KTTL). Du
su
kelompok
Model tr
nsport
si
erd
s
rk
n d
t
rus l
lulint
s
401
metode pen
ksir
n l
inny
tel
h jug
dikem
ngk
n oleh T
min (1988
cd), y
itu k
emirip
n m
ksimum (KM1 d
n KM2) y
ng d
s
r teori d
n penurun
nny
sec
r
rinci
d
d
l
m su
8.11. T
min (1998c) tel
h mengem
ngk
n metode pen
ksir
n Infere
nsi B
yes (IB) y
ng
k
n diter
ngk
n sec
r
rinci di mul
i d
ri konsep
w
l s
mp
i deng
n penurun
n rumus sert
contoh pener
p
nny
p
d
su
8.12. T
min (199
8e) jug
tel
h mengem
ngk
n metode pen
ksir
n Entropi M
ksimum (EM) y
ng
k
n d
iter
ngk
n sec
r
rinci p
d
su
8.13. Be
er
p
peneliti
n tel
h dil
kuk
n un
tuk mengkom
in
sik
n du
sum
er inform
si y
ng
er
ed
, y
itu d
t
MAT y
ng tid
k lengk
p d
n d
t
rus l
lulint
s; solusi y
ng diusulk
n dis
jik
n p
d
su
8.14. Pers
m
n simult
n y
ng dih
silk
n oleh seti
p metode pen
ksir
n y
ng dius
ulk
n kemudi
n dipec
hk
n deng
n metode NewtonR
phson d
n teknik elimin
si m
trik
s G
ussJord
n. Rinci
n y
ng le
ih lengk
p mengen
i metode NewtonR
phson terd
p
t p
d
su
8.15.3, sed
ngk
n teknik elimin
si m
triks G
ussJord
n p
d
su
8.1
5.4.
8.10
Metode pen
ksir
n ku
dr
t terkecil (KT)
Ide ut
m
di
lik metode pen
ksir
n ini
d
l
h menco
mengk
li
r
si p
r
meter m
odel tr
nsport
si y
ng tid
k diket
hui sehingg
meminimumk
n juml
h per
ed
n ku
dr
t
nt
r
rus l
lulint
s h
sil pen
ksir
n d
n h
sil peng
m
t
n. Ide ini sud
h sering digun
k
n oleh
ny
k peneliti untuk men
ksir p
r
meter model tr
nsport
si d
ri d
t
rus l
lulint
s; contohny
lih
t Low (1972), Ro
ill
rd (1975), Hg
e
rg (1976), C
rey et
l (1981), d
n C
rey
nd Revelli (1986). Tet
pi, seperti din
y
t
k
n oleh T
min (1985,1988
cd), fungsi tuju
n model pen
ksir
n ini le
ih men
gut
m
k
n pengur
ng
n per
ed
n
t
u devi
si p
d
rus l
lulint
s
ervolume ting
gi,
uk
n
rus l
lulint
s
ervolume rend
h. Untuk mempertim
ngk
n h
l ini, kit
d
p
t menggun
k
n jenis fungsi tuju
n y
ng
er
ed
, y
ng diken
l deng
n metode
pen
ksir
n ku
dr
t terkecil
er
o
ot (KTB); seti
p per
ed
n di
eri
o
ot d
n ju
ml
h ku
dr
tny
diminimumk
n untuk meningk
tk
n kepenting
n
rus l
lulint
s
erv
olume rend
h. P
d
T
min (1985,1988
cd), pem
o
ot
n dil
kuk
n deng
n mem
sukk
n
f
ktor pem
gi y
ng s
m
deng
n d
t
rus l
lulint
s h
sil peng
m
t
n. Sec
r
m
tem
tis, perm
s
l
h
n k
li
r
si metode pen
ksir
n ku
dr
t terkecil (KT d
n KTB)
d
p
t & & untuk & & = 1 untuk KT
t
u V & & =V diny
t
k
n se
g
i pers
m
n (8.
67) deng
n V
l l l
KTB: meminimumk
n
V S=
l l
(
Vl & & & V
l
)
2
(8.67)
Metode pen
ksir
n KT d
n KTB d
p
t jug
dikelompokk
n menj
di du
su
kelompok me
tode: metode pen
ksir
n ku
dr
t terkecil line
r (KTL) d
n metode pen
ksir
n ku
d
r
t terkecil tid
k line
r (KTTL).
402 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
Diperkir
k
n metode pen
ksir
n KTTL mem
utuhk
n w
ktu proses y
ng le
ih l
m
di
ndingk
n deng
n metode KTL untuk juml
h p
r
meter y
ng s
m
. Ini dise
k
n k
r
en
metode pen
ksir
n KTTL meng
ndung
lj
r y
ng le
ih kompleks y
ng mem
utuhk
n w
ktu proses y
ng le
ih l
m
untuk memec
hk
nny
di
ndingk
n deng
n metode K
TL. Tet
pi, metode pen
ksir
n KTTL memungkink
n digun
k
nny
model ke
utuh
n
k
n tr
nsport
si y
ng le
ih re
listis d
l
m mencermink
n peril
ku perger
k
n. J
di
, diperkir
k
n metode pen
ksir
n KTTL mem
erik
n h
sil y
ng le
ih
ik d
rip
d
metode pen
ksir
n KTL.
8.10.1 Metode pen
ksir
n ku
dr
t terkecil line
r (KTL)
Angg
p kit
menggun
k
n model gr
vity (GR) (lih
t su
5.7) untuk mew
kili per
il
ku perger
k
n di d
l
m su
tu d
er
h k
ji
n. Ag
r model GR terse
ut mempuny
i
hu
ung
n line
r d
l
m p
r
meterny
,
e
er
p
sumsi h
rus di
m
il y
itu p
r
mete
r k d
ri model GR untuk seti
p tuju
n perj
l
n
n k tel
h diket
hui nil
iny
. J
di
, p
r
meter y
ng tid
k diket
hui
d
l
h
k untuk seti
p tuju
n perj
l
n
n k d
n,
k
ren
itu, p
r
meter model GR menj
di line
r. Pers
m
n (8.52) d
p
t ditulis k
em
li se
g
i pers
m
n (8.68)
g
r d
p
t digun
k
n deng
n metode pen
ksir
n in
i. V l = (
k . X lk ) (8.68)
k
deng
n:
k k k l . Aik . Bd . f id . p id X lk = O ik . Dd i d
(
)
(8.69)
J
di, untuk L d
t
rus l
lulint
s d
n K tuju
n perger
k
n, pers
m
n (8.68) d
n
(8.69) d
p
t diny
t
k
n d
l
m
entuk m
triks seperti pers
m
n (8.70), deng
n s
y
r
t L K. V
X 11 X 12 ... X LK
1
X 21 X 22 ... X 2K
1
) .
=
. ... .
.
.
.
. . ... .
.
.
X
L1 X L2
et p
r
meter y
ng tid
k diket
hui
k y
ng meminimumk
n fungsi tuju
n (8.67), tek
nik pen
ksir
n ku
dr
t terkecil line
r
erg
nd
is
digun
k
n. Pers
m
n (8.71)
2
k
erikut di
utuhk
n untuk mengh
silk
n solusi, y
itu untuk k = 1, ... ,K:
lk V l . X lk
S k
=0 = (8.71) &
& &
k l Vl
Model tr
nsport
si
erd
s
rk
n d
t
rus l
lulint
s
403
Pers
m
n (8.71)
d
l
h sistem pers
m
n deng
n L pers
m
n line
r simult
n y
ng
mempuny
i K p
r
meter
k y
ng tid
k diket
hui y
ng d
p
t dipec
hk
n deng
n meng
gun
k
n teknik elimin
si m
triks G
ussJord
n deng
n sy
r
t L K. Pendek
t
n y
ng m
irip tel
h jug
digun
k
n oleh Ch
n (1982) d
n Pierro (1983). Setel
h menghitung
nil
i
k untuk
e
er
p
nil
i , g
m
r (8.2) d
p
t dih
silk
n. Terlih
t
hw
ni
l
i opt
d
l
h nil
i y
ng mengh
silk
n nil
i fungsi tuju
n S
t
u S1 y
ng minimum
,
t
u deng
n k
t
l
in, nil
i y
ng mengh
silk
n
rus l
lulint
s h
sil pen
ksir
n y
ng p
ling mirip deng
n h
sil peng
m
t
n. MAT h
sil pen
ksir
n d
p
t kem
li
dihitung deng
n menggun
k
n nil
i opt d
n nil
i
k untuk seti
p tuju
n perger
k
n
k terg
ntung p
d
nil
i opt ini.
S,S1
opt
G
m
r 8.2 Nil
i minimum fungsi tuju
n S
t
u S1 d
n nil
i optimum p
r
meter Sum
er: T
min (1988
cd)
Pendek
t
n ini tentu mem
utuhk
n w
ktu proses y
ng l
m
, d
n ke
erh
sil
n proses
pen
ksir
n opt d
l
m
e
er
p
h
l m
sih terg
ntung p
d
h
sil kom
in
si kerj
ke
r
s d
n ke
eruntung
n. Pem
c
y
ng
ermin
t dis
r
nk
n mem
c
su
8.14 meng
en
i metode
t
u teknik k
li
r
si ter
ik y
ng
is
digun
k
n d
l
m proses pen
k
sir
n terse
ut.
8.10.2 Metode pen
ksir
n ku
dr
t terkecil tid
k line
r (KTTL)
Asumsik
n peril
ku perger
k
n di d
l
m su
tu d
er
h k
ji
n d
p
t diny
t
k
n deng
n model gr
vity opportunity (GO); h
ny
dipertim
ngk
n 3K p
r
meter y
ng tid
k
diket
hui, y
itu
k, k d
n k k
ren
nil
i p
r
meter (,) bisa didapatkan scara trp
isah dari pross kalibrasi utama. Dalam kasus ini, mtod pnaksiran KTL tidak l
agi bisa digunakan untuk mndapatkan solusi yang unik karna prsamaan (8.67) bu
kan lagi mrupakan fungsi linar dalam paramtrnya. Karna itu, mtod pnaksir
an KTTL kmudian diusulkan untuk diprtimbangkan dalam mnylsaikan prmasalaha
n tidak-linar trsbut. Dngan mmasukkan prsamaan (8.52) k fungsi tujuan S a
tau S1 [prsamaan (8.67)], tiga st prsamaan (8.72) brikut dibutuhkan untuk da
pat mnaksir satu st paramtr modl O (bk, k, d
n k) y
ng meminimumk
n nil
i fu
ngsi tuju
n S
t
u S1, untuk k = 1, ..., K.
404 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
Tid l
l
. p id
id . p id V l
S
i d
= f k = & & & k l V l
2 Tid . p id V l
S
i d
k
i d k
= f k = & & & k l V l
= 0
= 0
(8.72)
Pers
m
n (8.72)
d
l
h sistem 3K pers
m
n simult
n deng
n 3K p
r
meter y
ng ti
d
k diket
hui, y
itu
k, k, d
n k y
ng h
rus dit
ksir. Setel
h itu, d
p
t diperole
h semu
nil
i p
r
meter model GO, deng
n sy
r
t L 3K. Metode NewtonR
phson y
ng d
ikom
in
sik
n deng
n teknik elimin
si m
triks G
ussJord
n d
p
t digun
k
n untuk m
emec
hk
n pers
m
n (8.72).
8.11
Metode pen
ksir
n kemirip
n m
ksimum (KM)
8.11.1 Pend
hulu
n
Sud
h l
m
diket
hui
hw
pelu
ng untuk mengh
silk
n kelu
r
n tertentu d
l
m su
tu perco
n
d
l
h ukur
n r
sion
l mengen
i keperc
y
n, y
ng diny
t
k
n se
el
um mel
kuk
n perco
n,
hw
kelu
r
n tertentu
k
n terj
di. Ini jug
merup
k
n
ukur
n r
sion
l mengen
i keperc
y
n y
ng diny
t
k
n sesud
h perco
n,
gi se
seor
ng y
ng tid
k memperh
tik
n kelu
r
n y
ng terj
di. Sec
r
khusus, ini
uk
n
merup
k
n ukur
n r
sion
l mengen
i kejut
n
hw
kelu
r
n tertentu tel
h terj
d
i k
ren
kejut
n jug
terg
ntung p
d
pelu
ng d
ri kelu
r
n l
in y
ng mungkin te
l
h terj
di. Konsep kl
sik pelu
ng memungkink
n kit
mengem
ngk
n su
tu kegi
t
n
menj
di re
lis
si ketid
kp
sti
n; terlih
t
hw
d
ri kej
di
n y
ng p
ling
c
k
sek
lipun, mis
lny
perco
n pelemp
r
n u
ng log
m
t
u d
du, t
mp
k
d
keter
tur
n tertentu. Sem
kin
es
r keter
tur
n
t
u pol
urut
n kej
di
n terse
ut, se
m
kin penting pul
d
ny
penjel
s
n d
l
m
entuk hukum. Perluny
ukur
n mengen
i keperc
y
n tel
h diken
l sej
k perteng
h
n
d ke 18 y
ng tel
h mendorong L
pl
ce mengem
ngk
n teori mengen
i pelu
ng inversi: pelu
ng hipotesis tertentu d
p
t dikur
ngi d
ri
es
rny
frekuensi terj
diny
kej
di
n. Edw
rds (1972) mener
ngk
n d
l
m
ukuny
hw
kes
l
h
n y
ng dil
kuk
n oleh L
pl
ce d
n peneliti se
elumny
d
l
h meng
ngg
p hipotesis d
p
t di
ngg
p
Model tr
nsport
si
erd
s
rk
n d
t
rus l
lulint
s
405
i d
Tid
se
g
i su
tu kelu
r
n perco
n. Y
ng terj
di sek
r
ng, tulis Fisher d
l
m t
hu
n 1925
d
l
h:
.... konsep pelu
ng m
tem
tis tid
kl
h cukup untuk meny
t
k
n key
kin
n
t
u ket
id
ky
kin
n d
l
m mel
kuk
n inferensi, d
n ku
ntit
s m
tem
tis y
ng cocok untuk
meny
t
k
n preferensi di
nt
r
popul
si j
w
n y
ng mungkin tid
k pul
meng
ik
n hukum pelu
ng. Untuk mem
ed
k
nny
d
ri pelu
ng, m
k
digun
k
n kemirip
n unt
uk meny
t
k
n ku
ntit
s terse
ut ...
Untuk melih
t
p
k
h kemirip
n d
p
t mengh
silk
n d
s
r y
ng
ik untuk digun
k
n d
l
m su
tu hipotesis, dir
s
k
n perlu mendefinisik
nny
d
n mempel
j
ri peril
kuny
sec
r
rinci se
g
i
erikut.
8.11.2 Definisi
Angg
pl
h kit
mempuny
i su
tu model pelu
ng, su
tu set hipotesis st
tistik, d
n
su
tu set d
t
y
ng mem
entuk d
s
r inferensi st
tistik. Mis
lk
n P(R H)
d
l
h p
elu
ng dih
silk
nny
R deng
n hipotesis H sert
terg
ntung p
d
model pelu
ng y
ng digun
k
n. Pelu
ng ini didefinisik
n untuk seti
p
nggot
kelu
r
n y
ng mungk
in terj
di
gi seti
p hipotesis y
ng digun
k
n. Pelu
ng ini d
p
t di
ngg
p se
g
i fungsi d
ri R d
n H, tet
pi
i
s
ny
erup
fungsi d
ri R s
j
untuk H terte
ntu. J
di, peril
ku m
tem
tisny
s
ng
t diken
l d
n meliputi seti
p h
l y
ng men
d
s
r mengen
i pelu
ng. Su
tu
ksiom
d
s
r
d
l
h jik
R1 d
n R2
d
l
h du
u
h kelu
r
n y
ng mungkin terj
di, m
k
:
P(R 1
t
u R 2 H ) = P (R 1 H ) + P(R 2 H )
(8.73)
8.11.2.1 Kemirip
n
Kemirip
n L(H R) su
tu hipotesis H deng
n d
t
R sert
model tertentu se
nding de
ng
n pelu
ng P(R H) d
n konst
nt
c. D
l
m h
l pelu
ng, R
d
l
h peu
h d
n H
d
l
h konst
nt
, tet
pi d
l
m h
l kemirip
n, H
d
l
h peu
h, sed
ngk
n R
d
l
h ko
nst
nt
. Per
ed
n ini s
ng
t mend
s
r.
L(H R ) = c.P(R H )
(8.74)
Konst
nt
c memungkink
n kit
menggun
k
n definisi kemirip
n y
ng s
m
gi seti
p peu
h diskret
t
u kontinu. W
l
upun merup
k
n konst
nt
untuk seti
p pener
p
n y
ng menggun
k
n hipotesis y
ng
er
ed
deng
n d
t
d
n model pelu
ng y
ng s
m
, tentu
uk
n merup
k
n konst
nt
y
ng sel
lu s
m
d
l
m penggun
n l
in. Nis
h kemirip
n d
ri du
hipotesis p
d
e
er
p
d
t
merup
k
n nis
h kemirip
n d
ri seti
p d
t
terse
ut. Sering jug
h
l ini diny
t
k
n d
l
m
entuk fr
ksi
t
n d
n pemodel
n tr
nsport
si
8.11.2.3 Dukung
n K
d
ng k
d
ng kemirip
n le
ih mud
h diter
ngk
n d
l
m
entuk l
og
ritm
kemirip
n
t
u nis
h kemirip
n y
ng sec
r
prinsip mengu
h
entuk per
k
li
n menj
di
entuk penjuml
h
n. Bentuk log
ritm
kemirip
n didefinisik
n se
g
i
entuk log
ritm
d
ri nis
h kemirip
n. Deng
n menggun
k
n
entuk log
ritm
,
konst
nt
perk
li
n menj
di konst
nt
penjuml
h
n. 8.11.3 Aksiom
kemirip
n 8.11
.3.1 Hukum kemirip
n
D
l
m ker
ngk
model st
tistik
, s
tu set d
t
tertentu mendukung su
tu hipotesi
s st
tistik
deng
n le
ih
ik d
rip
d
hipotesis l
inny
jik
kemirip
n hipotes
is pert
m
mele
ihi kemirip
n hipotesis y
ng kedu
.
Hukum ini mener
ngk
n c
r
men
fsirk
n kemirip
n. Meningk
tny
nil
i nis
h kemi
rip
n menunjukk
n meningk
tny
dukung
n
gi hipotesis pert
m
. Hukum ini s
ng
t
di
utuhk
n
g
r kit
d
p
t men
fsirk
n kemirip
n deng
n
en
r. Tet
pi, kemirip
n tid
k
is
erdiri sendiri k
ren
d
spek l
in y
ng mempeng
ruhi y
ng mungki
n tid
k terc
kup oleh kemirip
n.
8.11.3.2 Prinsip kemirip
n
D
l
m ker
ngk
model st
tistik
, semu
inform
si y
ng dimiliki d
t
y
ng
erk
it
n deng
n kedu
hipotesis terk
ndung d
l
m nis
h kemirip
n d
ri kedu
hipotesis
terh
d
p d
t
terse
ut.
Prinsip ini meny
t
k
n
hw
fungsi kemirip
n meng
ndung semu
inform
si y
ng di
utuhk
n. Tet
pi, s
ng
t penting dig
ris
w
hi
hw
prinsip ini
uk
nl
h
l
s
n
untuk mem
u
ng semu
d
t
y
ng
d
setel
h kemirip
n did
p
tk
n. D
l
m su
tu ke
r
ngk
model,
k
n kit
pel
j
ri hipotesis
ru
t
u
is
s
j
model
ru. K
ren
fsirny
menj
di tid
k
egitu penting. Jik
peng
l
m
n menye
utk
n
hw
kemirip
n menyedi
k
n pen
fsir
n y
ng tid
k konsisten, m
k
prinsip kemirip
nl
h y
ng h
rus dipert
ny
k
n. Tid
k
l
s
n logis untuk memis
hk
n hukum d
n prinsip terse
ut. Mungkin
d
ikny
k
l
u kedu
ny
dig
ung menj
di s
tu
ksiom
ru sepert
i:
8.11.3.3 Aksiom
kemirip
n
D
l
m ker
ngk
model st
tistik
, semu
inform
si y
ng dimiliki d
t
y
ng
erk
it
n deng
n kedu
hipotesis terk
ndung d
l
m nis
h kemirip
n d
ri kedu
hipotesis
terh
d
p d
t
terse
ut, d
n nis
h kemirip
n d
p
t dit
fsirk
n se
g
i tingk
t
sej
uh m
n
d
t
mendukung s
tu hipotesis di
ndingk
n deng
n hipotesis l
in.
Model tr
nsport
si
erd
s
rk
n d
t
rus l
lulint
s
407
8.11.4 T
fsir
n kemirip
n
Per
ed
n
nt
r
pelu
ng d
n kemirip
n h
rus
en
r
en
r dip
h
mi, khususny
y
ng me
ny
ngkut per
n
n m
sing m
sing d
l
m h
l inferensi induktif. P(R H)
d
l
h pelu
ng
t
u kep
d
t
n pelu
ng kelu
r
n R deng
n hipotesis H. Jik
di
ngg
p se
g
i fun
gsi R, d
p
t diny
t
k
n se
g
i se
r
n st
tistik,
ik d
l
m
entuk diskret m
u
pun kontinu. D
l
m h
l terse
ut, jik
kit
juml
hk
n
t
u integr
sik
n semu
kel
u
r
n R, kit
d
p
tk
n su
tu s
tu
n, se
g
i h
sil s
l
h s
tu
ksiom
pelu
ng. D
eng
n k
t
l
in, kemirip
n diperkir
k
n did
s
ri d
t
R tertentu, d
n untuk
e
e
r
p
hipotesis
is
di
ngg
p se
g
i fungsi hipotesis
t
u fungsi p
r
meter. Tet
tu
ngk
y
ng tid
k terhingg
(sk
l
neg
tif meny
t
k
n k
sus dukung
n y
ng le
ih mendukung hipotesis l
in di
ndingk
n deng
n hipotesis y
ng
d
). Deng
n meny
t
k
n dukung
n deng
n huruf D, nil
i D = 2 meny
t
k
n
hw
kemirip
n p
d
hipo
tesis pert
m
d
l
h 7,4 k
li kemirip
n p
d
hipotesis l
inny
, d
n untuk D = 3,
f
ktor terse
ut sekit
r 20; p
d
D = 5, sekit
r 150. S
ng
tl
h jel
s, sem
kin
es
r nil
i D, sem
kin
es
r pul
kemirip
n y
ng mendukung hipotesis tertentu di
ndingk
n deng
n hipotesis l
inny
. K
d
ng k
d
ng terd
p
t s
ngg
h
n y
ng menye
utk
n
hw
dukung
n tid
k mempuny
i
rti
p
pun. H
l ini s
ng
t
er
l
s
n k
re
n
perny
t
n dukung
n, meskipun did
p
tk
n d
ri pelu
ng, tid
k
er
rti
hw
pe
lu
ng hipotesis itu
en
r. Tet
pi, terd
p
t t
fsir
n oper
si sederh
n
tent
ng n
is
h kemirip
n
nt
r
du
hipotesis untuk d
t
tertentu. Tentu s
j
, nis
h fre
kuensi d
ri du
hipotesis p
d
j
ngk
w
ktu y
ng l
m
k
n mengh
silk
n d
t
h
s
il peng
m
t
n.
8.11.5 Kemirip
n s
mpel multinomi
l
P
d
pener
p
n untuk d
t
y
ng mempuny
i frekuensi, mis
lny
d
t
rus l
lulint
s untuk ru
s j
l
n tertentu, sud
h s
ng
t p
sti
hw
frekuensi kej
di
nny
le
i
h d
ri du
. K
ren
itu, untuk jenis peng
m
t
n ini, se
r
n y
ng sesu
i
d
l
h s
e
r
n multinomi
l,
uk
n se
r
n
inomi
l. Di
sumsik
n
hw
peng
m
t
n mengiku
ti se
r
n multinomi
l d
n terd
p
t sejuml
h s kel
s peng
m
t
n. Jik
pelu
ng su
tu perco
n untuk m
suk ke d
l
m kel
s ke i
d
l
h se
es
r pi, m
k
pelu
ng un
tuk mend
p
tk
n
1 d
ri s
mpel N p
d
ru
s ke 1,
2 p
d
ru
s ke 2, d
n sec
r
u
mum,
i p
d
ru
s ke i, d
p
t diny
t
k
n se
g
i:
408 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
N!
1
2 . p1 . p2 ... ps
s
1 !.
2 !.
3 !...
s !
(8.76)
pi d
p
t diny
t
k
n se
g
i fungsi d
ri s
tu
t
u le
ih p
r
meter y
ng di
eri l
m
ng . J
di, kemirip
n d
ri s
mpel tertentu se
r
n multinomi
l d
p
t diny
t
k
n
se
g
i:
L() = k .[ p1 ()] 1 .[ p 2 ()] 2 ...[ ps ()] s (8.77) Di sini kompon
en N!
1
2 . p1 . p2 ... ps
s dig
ntik
n oleh konst
nt
k.
1 !.
2 !.
3 !...
s !
8.11.6 Ker
ngk
metode pen
ksir
n kemirip
n m
ksimum jenis I (KM1)
P
d
gi
n ini, rumus kemirip
n m
ksimum digun
k
n untuk mengh
silk
n metode pe
n
ksir
n MAT d
ri d
t
rus l
lulint
s. Angg
pl
h kit
mempuny
i h
sil kend
r
n
survei d
t
rus l
lulint
s y
ng terdiri d
ri
rus l
lulint
s sejuml
h V T
meny
t
k
n
rus l
lulint
s h
sil y
ng terc
t
t d
l
m L ru
s j
l
n. Jik
V l peng
m
t
n y
ng did
p
tk
n p
d
seti
p ru
s j
l
n l, did
p
t:
V l
l
=V T
(8.78)
Sek
r
ng,
sumsik
n
hw
pl
d
l
h pelu
ng untuk mend
p
tk
n d
t
rus l
lulint
s untuk seti
p ru
s l. D
l
m T
min (1988
cd), pelu
ng pl untuk seti
p ru
s j
l
n l diny
t
k
n se
g
i: V (8.79) pl = l V
T
Asumsik
n
hw
pelu
ng untuk mend
p
tk
n
rus l
lulint
s peng
m
t
n untuk seti
p ru
s l tertentu p
d
su
tu survei mengikuti pol
se
r
n multinomi
l. K
ren
i
tu, deng
n mengikuti jenis se
r
n seperti ini d
n meng
sumsik
n
hw
terd
p
t
L ru
s y
ng di
m
il d
n pelu
ng untuk mend
p
tk
n volume
rus ru
s ke l
d
l
h d
ri tot
l juml
h V di ru
s pert
m
, V pl, m
k
pelu
ng untuk mend
p
tk
n V 1 T 2
p
d
ru
s kedu
, d
n sec
r
umum, V p
d
ru
s ke l
d
l
h:
l
P=
V T !...V V1 !.V 2 !.V 3 L
pl
l
V l
(8.80)
Deng
n mem
sukk
n pers
m
n (8.80) ke pers
m
n (8.74), m
k
fungsi kemirip
n un
tuk metode pen
ksir
n kemirip
n m
ksimum jenis I (KM1) d
p
t V T diny
t
k
n d
l
m
entuk pers
m
n (8.81) deng
n komponen !.V !.V !...V V
1 2 3 L
diny
t
k
n se
g
i konst
nt
c:
Model tr
nsport
si
erd
s
rk
n d
t
rus l
lulint
s
409
l L = c. p V l
(8.81)
l
Akhirny
, ker
ngk
kerj
metode pen
ksir
n KM1
erup
pemilih
n hipotesis H y
ng
mem
ksimumk
n pers
m
n (8.81) deng
n
t
s
n tertentu, y
ng n
ntiny
). Fungsi
mengh
silk
n se
r
n Vl y
ng p
ling sesu
i deng
n d
t
h
sil survei ( V l tuju
n ker
ngk
kerj
ini
d
l
h: mem
ksimumk
n deng
n
t
s
n tot
l
rus:
l L = c. p V l
(8.82) (8.83)
l
Vl
l
=0 V T
Tuju
n pers
m
n (8.83)
d
l
h mem
t
si
g
r tot
l
rus ru
s j
l
n h
sil pen
ks
ir
n s
m
deng
n tot
l h
sil peng
m
t
n survei. Deng
n mengu
h pers
m
n (8.82)
menj
di
entuk log
ritm
d
n deng
n menggun
k
n metode peng
li L
gr
nge, pers
m
n (8.82) d
n (8.83) d
p
t ditulis menj
di
entuk pers
m
n tungg
l: mem
ksimum
k
n .log p + log c .
L1 = V
Vl V T l e l e l
l (8.84)
Deng
n mem
sukk
n pers
m
n (8.79) ke pers
m
n (8.84), m
k
pers
m
n (8.84) te
rse
ut d
p
t ditulis se
g
i pers
m
+ log e c . V l + .V T
l
(8.85)
V l L
Deng
n mem
sukk
n pers
m
n (8.52) ke pers
m
n (8.85),
khirny
fungsi tuju
n m
etode pen
ksir
n KM1 d
p
t diny
t
k
n menj
di pers
m
n (8.86) deng
n p
r
meter
y
ng tid
k diket
hui
d
l
h
k, k, k, d
n (untuk k = 1,...,K): l
l
mem
ksimum k
1 = V l .log e
Tid . p id
. Tid . p id l
i d
i d
+ .V V
T T e T e
(8.86)
Tuju
n p
r
meter t
m
h
n p
d
pers
m
n (8.86)
d
l
h untuk menj
min
g
r pers
n pem
t
s (8.83) sel
lu dipenuhi. Untuk mend
p
tk
n nil
i p
r
meter model GO
k, k, k, d
n p
r
meter t
m
h
n y
ng mem
ksimumk
n pers
m
n (8.86), emp
t set p
ers
m
n d
n pemodel
n tr
nsport
si
Tid l . p id
L 1 i d
= f k =
= 0 i d
V l . l k l Tid . p id
i d
(
)
Tid l
. . p id
Tid l
. p id
Tid l
L 1 i d
k
= f k = V l . .
Tid l
L 1 i d k
= f k = V l . .
. p id
=
..., K = f = . Tid . p id V T i d
(
)
(8.87)
(
)
Pers
m
n (8.87) se
en
rny
sistem 3K+1 pers
m
n simult
n deng
n 3K+1 p
r
meter
tid
k diket
hui
k, k, k, d
n y
ng perlu dit
ksir. Semu
p
r
meter model GO sert
p
r
meter t
m
h
n d
p
t dipec
hk
n deng
n sy
r
t L 3K+1. Sek
li l
gi, metode N
ewtonR
phson y
ng dikom
in
sik
n deng
n teknik elimin
si m
triks G
ussJord
n digun
k
n untuk memec
hk
n pers
m
n (8.87).
8.11.7 Ker
ngk
metode pen
ksir
n kemirip
n m
ksimum jenis II (KM2)
D
t
rus l
lulint
s
i
s
ny
dikumpulk
n seti
p h
ri sehingg
mud
h did
p
tk
n
(jik
di
ndingk
n deng
n d
t
s
ltuju
n). K
ren
itu, d
p
t di
sumsik
n
hw
n
il
i r
t
r
t
ny
i
s
ny
sel
lu d
p
t diket
hui
t
u p
ling kur
ng d
p
t diper
kir
k
n deng
n
ik. Pertim
ngk
n su
tu k
sus y
ng d
t
rus l
lulint
sny
untu
k seti
p ru
s j
l
n did
p
t deng
n meng
m
il s
mpel y
ng
erpol
se
r
n
c
k po
isson deng
n r
t
y
ng tid
k diket
hui. Konst
nt
positif l unuk l L dipakai seba
gai raa l V l akor sampel yang digunakan dalam pengamaan inormasi lalulinas
. Meode penaksiran yang dikembangkan memungkinkan digunakannya akor sampel l u
nuk seiap ruas l erenu. Oleh karena iu, memungkinkan kia, baik secara lan
gsung maupun pendekaan, menggunakan eknik pengambilan sampel yang berbeda. Hal
ini bisa berupa eknik pengumpulan daa yang berbeda, akor sampel yang berbed
a, aau aku survei yang berbeda. Kasus yang paling sederhana dan yang paling s
ering erjadi, dalam masalah pengamaan arus lalulinas adalah penggunaan nilai
unggal bagi seiap ruas l yang biasa disebu akor sampel seragam.
Model ransporasi berdasarkan daa arus lalulinas
411
merupakan sampel acak dari sebaran Asumsikan arus lalulinas pengamaan V l pois
son dengan raa raa l V l yang idak dikeahui. Oleh karena iu, dengan jenis ho
piesis ini, peluang mendapakan daa Vl unuk seiap ruas l erenu dapa diny
aakan sebagai:
V ( l V l ) . e .V P(V l ) =
l l l
Vl !
unuk l L
(8.88)
Jadi, peluang mendapakan sampel [Vl] unuk semua ruas jalan yang diambil daany
a (l L) dapa dinyaakan sebagai:
l
( V )V . e l .Vl l l P[ Vl ] =
! V l
l
unuk l L
(8.89)
Dengan memasukkan persamaan (8.89) ke persamaan (8.74), ungsi kemiripan dari me
ode penaksiran KM2 dapa dinyaakan sebagai:
l
( V )V . e l .Vl l l L 2 = c.
! V l
l
(8.90)
Dengan mengambil benuk logarima dari L2 dan menggunakan meode penaksiran kemi
ripan maksimum KM1 seperi yang dijelaskan dalam subbab 8.11.6, dapa dirumuskan
hal beriku ini: memaksimum kan .log .( .V ) .V log V L3 = V l e l l l l e l!
l
(
)
(8.91)
Persamaan (8.91) dapa diulis kembali sebagai: memaksimum kan
l
.log + V .log V .V log V L4 = V l e l l e l l l e l!
(
)
(8.92)
Akhirnya, dengan mengabaikan komponen konsana dalam persamaan (8.92), permasal
ahan kalibrasi menjadi: memaksimum kan .log V .V L5 = V l e l l l
l
(
)
(8.93)
Dalam kasus pengamaan arus lalulinas, akor sampel l dapa diasumsikan mempuny
ai nilai unggal yang biasa disebu akor sampel seragam bagi seiap ruas jalan
l (l L). Asumsi yang erpening dalam Tamin (1988abcd) adalah nilai l unuk sei
ap ruas jalan l selalu sama dengan sau, yang berari semua daa arus lalulinas
(unuk l L) mempunyai akor sampel sama dengan sau.
l =1
unuk l L
(8.94)
Dengan memasukkan persamaan (8.94) ke persamaan (8.93), maka persamaan (8.93) da
pa diuliskan sebagai:
412 Oyar Z Tamin, Perencanaan dan pemodelan ransporasi
memaksimum kan
log V V L6 = V l e l l
l
(
)
(8.95)
Dengan memasukkan persamaan (8.52) ke persamaan (8.95), akhirnya ungsi ujuan u
nuk meode penaksiran KM2 dapa dinyaakan sebagai persamaan (8.96) dengan para
meer yang idak dikeahui bk, k, d
n k (untuk k = 1,...,K): mem
ksimum k
n
= V l .log e
Tid . p id
Tid . p id l
i d
i d
(8.96)
Untuk mend
p
tk
n s
tu set p
r
meter
k, k, d
n k d
ri model GO y
ng mem
ksimumk
n
pers
m
n (8.96), tig
set pers
m
Tid l
V L 7
l = f
k =
1
= 0 . p id
(
)
id . p id
Tid l
i d
V
L 7
= f k =
1 . . p
= 0
id
(
)
(8.97)
(
)
Pers
m
n (8.97)
d
l
h sistem 3K pers
m
n simult
n deng
n 3K p
r
meter y
ng ti
d
k diket
hui
k, k, d
n k untuk dit
ksir deng
n sy
r
t L 3K. Metode NewtonR
phson
deng
n teknik elimin
si m
triks G
ussJord
n digun
k
n untuk memec
hk
n pers
m
n
(8.97). Kegun
n metode KM1 d
n KM2 t
mp
k setel
h kit
mel
kuk
n
e
er
p
peng
s
h
n. Kit
d
p
t menyimpulk
n
hw
su
tu pendek
t
n, k
t
k
n KM1,
k
n le
ih
ik jik
sumsi y
ng mend
s
riny
le
ih cocok untuk kondisi terse
ut di
ndingk
n deng
n pendek
t
n l
in (KM2). H
rus diket
hui
hw
se
r
n st
tistik d
ri d
t
rus l
lulint
s y
ng
d
elum tentu sec
r
pr
ktis merup
k
n se
r
n multino
mi
l
t
u poisson deng
n
er
g
i
l
s
n. D
l
m h
l tertentu, kit
meng
sumsik
n
hw
seti
p peng
m
t
n
d
l
h s
ling tid
k terk
it d
n tid
k sel
lu
en
r
hw
persy
r
t
n hu
ung
n kesin
m
ung
n
rus
k
n sel
lu terpenuhi.
8.12
Metode pen
ksir
n inferensi
yes (IB)
8.12.1 D
s
r pendek
t
n
T
min (1998c) mengem
ngk
n metode pen
ksir
n inferensi
yes (IB) deng
n d
s
r
pemikir
n mengk
li
r
si p
r
meter sedemiki
n rup
sehingg
simp
ng
n
t
u
Model tr
nsport
si
erd
s
rk
n d
t
rus l
lulint
s
413
selisih
nt
r
volume
rus l
lulint
s y
ng dihitung d
ri model (Vl) deng
n y
ng
) mem
erik
n h
rg
y
ng minimum. did
p
t d
ri d
t
peng
m
t
n ( V l Metode pen
k
sir
n IB menggun
k
n konsep pelu
ng su
jektif untuk mengukur tingk
t keperc
y
n
su
tu ke
d
n. Deng
n pendek
t
n ini, pertim
ng
n su
jektif y
ng
erd
s
rk
n i
ntuisi, peng
l
m
n,
t
upun inform
si tid
k l
ngsung, sec
r
sistem
tis dig
ung
k
n deng
n d
t
h
sil peng
m
t
n untuk mend
p
tk
n pen
ksir
n tent
ng ke
d
n se
en
rny
(se
r
n posterior). Pendek
t
n ini meng
sumsik
n p
r
meter model se
g
i peu
h
c
k. Deng
n demiki
n h
rus ditet
pk
n su
tu fungsi se
r
n y
ng mengg
m
rk
n tingk
t keperc
y
n p
r
meter y
ng tid
k diket
hui. P
r
pem
c
y
ng i
ngin mend
p
tk
n penjel
s
n le
ih rinci mengen
i teori d
s
r metode IB d
p
t dil
ih
t p
d
su
5.7.6.6
uku ini.
8.12.2 Pener
p
n metode IB
Metode pendek
t
n ini mengg
ungk
n sec
r
sistem
tis pertim
ng
n su
jektif (pr
ior) deng
n d
t
peng
m
t
n (fungsi kemirip
n) untuk mend
p
tk
n pen
ksir
n
ru
(posterior). Untuk fungsi kemirip
nny
, di
sumsik
n d
t
volume
rus )
d
l
h s
mpel
c
k y
ng mengikuti se
r
n Poisson deng
n nil
i l
lulint
s ( V l r
t
r
t
y
ng
elum diket
hui
d
l
h lV l . Koefisien l mewakili fakor samel unuk da
a arus lalulinas aau bagian kecil dari oulasi daa arus lalulinas yang dia
mai. ] adalah engamaan sejumlah eubah acak yang ersebar secara Poisson Jadi
[ V l ] dengan raa raa V . Asumsi daa arus lalulinas hasil engamaan [ V
l l l
] yang didasarkan ada keadaan rakis yang diemui sehari hari. Mariks [ V l
ersebar secara Poisson juga didaakan dalam engamaan kejadian yang saling id
ak berganungan dalam suau selang waku erenu. Penggunaan arameer l memung
kinkan eneraan fakor samel yang berbeda unuk seia daa arus lalulinas. K
arena iu, dalam model ini juga dimungkinkan enggunaan beberaa eknik engambi
lan samel yang berbeda. Benuk yang aling banyak digunakan adalah engambilan
samel secara acak dengan menggunakan sau nilai unggal yang dierakan unuk s
emua daa arus lalulinas (samel seragam). Dengan hioesis bahwa seia daa a
rus lalulinas, nilai V
l
didaakan dari engamaan kejadian yang mengikui sebaran Poisson dengan raa ]
adalah: raa lV l , maka eluang gabungan unuk mendaakan [ V l = Prob V = ( lV
l ) .e LV l l ! V l l
[ ]
[ ]
V l
iVl
(8.98)
Konsana normalisasinya menjadi:
414 Ofyar Z Tamin, Perencanaan dan emodelan ransorasi
( V )V .e lVl l l k =
V l
. f ( l V l ) . d( lV l )
1
(8.99)
Karena ersamaan (8.99) suau konsana, unuk selanjunya hanya diulis dengan k
saja. Bagian sebaran awal (rior) aau sebaran eluang arameer dinyaakan deng
an f( lV l ) yang akan dibahas beriku ini. Informasi awal adalah suau fungsi s
ebaran arameer unuk menggambarkan ingka keercayaan arameer yang idak di
keahui. Jika idak ada informasi awal arameer ersebu, diasumsikan sebaran a
wal seragam, yaiu: f( lV l ) = 1,0 (8.100)
Dengan fungsi kemirian sama dengan ersamaan (8.98) dan k sebagai konsana nor
malisasi, maka sebaran lV l yang baru adalah:
l ( V )V .e lVl IB ( l V l ) = k .
l l
! V l l
.1
(8.101)
Sesuai dengan ide dasar meode inferensi bayes (IB), meode ini akan mencari nil
ai arameer yang memaksimumkan fungsi eluang gabungan oserior yang dinyaaka
n oleh ersamaan (8.101), sehingga menghasilkan sebaran Vl yang aling ). Dengan
mengambil benuk logarima sesuai dengan MAT hasil engamaan ( V l nauralnya,
fungsi ujuan meode ini menjadi: memaksimumkan IB ( lV l )= log ( V ) V (log e
k + V l e l l l l
l
! (8.102) log e V l
)
Dengan mengembangkan lebih lanju ersamaan (8.102) dan menghilangkan bagian kon
sana, akan didaa: memaksimumkan log V V IB ( lV l ) = V l e l l l
l
(
)
(8.103)
Unuk nilai ersenase samel yang sanga kecil, ( <<1), daa diliha bahwa nil
ai suku kedua dari fungsi ujuan ersamaan (8.103) sanga kecil sehingga daa d
iabaikan. Akhirnya, fungsi ujuan meode enaksiran IB daa diuliskan sebagai:
memaksimumkan log V IB ( lV l ) = V l e l
l
(
)
(8.104)
Dengan memasukkan ersamaan (8.52) ke ersamaan (8.104), akhirnya fungsi ujuan
unuk meode enaksiran IB daa dinyaakan sebagai ersamaan (8.105) dengan ar
ameer yang idak dikeahui bk, k, d
n k (untuk k = 1,...,K): mem
ksimum k
n
l IB =
V l .log e
Tid . p id l
i d
Model tr
nsport
si
erd
s
rk
n d
t
rus l
lulint
s
415
(8.105)
Untuk mend
p
tk
n s
tu set p
r
meter
k, k, d
n k d
ri model GO y
ng mem
ksimumk
n
pers
m
n (8.105), tig
set pers
m
Tid l
=
=0 p . .
id l
k l
Tid . p id
i d
k
V
i
(
)
Tid l
V IB
id . p id
i d
l = f k =
. p id
l k l
(
) )
= 0
(8.106)
(
= 0
Pers
m
n (8.106)
d
l
h sistem 3K pers
m
n simult
n deng
n 3K p
r
meter y
ng t
id
k diket
hui
k, k, d
n k untuk dit
ksir deng
n sy
r
t L 3K. Metode NewtonR
phson
deng
n teknik elimin
si m
triks G
ussJord
n digun
k
n untuk memec
hk
n pers
m
n
(8.106).
8.13
Metode pen
ksir
n entropi m
ksimum (EM)
T
min (1998e) tel
h mengem
ngk
n penggun
n pendek
t
n entropi m
ksimum untuk m
engk
li
r
si p
r
meter model gr
vity. Pendek
t
n ini
k
n dikem
ngk
n le
ih j
u
h untuk d
p
t digun
k
n d
l
m mengk
li
r
si p
r
meter model ke
utuh
n
k
n tr
ns
port
si d
ri d
t
rus l
lulint
s. Pem
c
y
ng ingin menget
hui sec
r
rinci te
ori d
s
r metode pen
ksir
n entropi m
ksimum s
ng
t dis
r
nk
n untuk mem
c
su
5.7.6.7
uku ini. Wilson (1970) memperlih
tk
n
hw
juml
h st
tus mikro W{V
l} y
ng terk
it deng
n st
tus meso Vl
d
l
h se
g
i
erikut. W[ Vl ] = VT ! Vl
!
l
(8.107)
Asumsi d
s
r pendek
t
n ini
d
l
h pelu
ng se
r
n [Vl] y
ng terj
di se
nding d
eng
n juml
h st
tus y
ng
d
d
l
m sistem terse
ut y
ng mendukung ter
entukny
s
e
r
n [Vl]. J
di, jik
W[Vl]
d
l
h juml
h c
r
y
ng di
nut seti
p individu unt
uk meng
tur diriny
sehingg
dih
silk
n se
r
n [Vl], m
k
pelu
ng [Vl] y
ng ter
j
di se
nding deng
n W[Vl]. K
ren
di
sumsik
n
hw
seluruh st
tus mikro
erpe
lu
ng s
m
, m
k
st
tus meso y
ng p
ling memungkink
n
d
l
h st
tus y
ng d
p
t d
ih
silk
n deng
n se
ny
k mungkin c
r
. K
ren
itu, y
ng di
utuhk
n
d
l
h su
tu
teknik y
ng d
p
t mengidentifik
si nil
i [Vl] y
ng mem
ksimumk
n W[Vl] y
ng din
y
t
k
n deng
n pers
m
n d
n pemodel
n tr
nsport
si
i d
n (8.108) d
p
t di
sederh
n
k
n menj
di: loge W = logeVT! (V l log e V l V l )
l
(8.109)
K
ren
merup
k
n konst
nt
, logeVT! d
p
t dihil
ngk
n d
ri proses optim
si. Deng
n menghil
ngk
n f
ktor logeVT!, pers
m
n (8.109)
eru
h menj
di pers
m
n (8.
110) y
ng
i
s
dise
ut fungsi entropi. loge W = (V l log e V l V l )
l
(8.110)
Deng
n mem
ksimumk
n pers
m
n (8.110) deng
n
t
s
n y
ng ditentuk
n d
ri penge
t
hu
n st
tus m
kro, dih
silk
n model y
ng d
p
t memperkir
k
n st
tus meso y
ng
p
ling mungkin (d
l
m k
sus ini
erup
d
t
rus l
lulint
s Vl). Kunci ut
m
ny
d
l
h
g
im
n
mengidentifik
si deskripsi st
tus mikro, meso, d
n m
kro y
ng c
ocok
esert
t
s
n m
kro y
ng h
rus dipenuhi oleh solusi perm
s
l
h
n optim
si
terse
ut. D
l
m
e
er
p
k
sus, terd
p
t
e
er
p
inform
si t
m
h
n d
l
m
ent
uk inform
si
w
l st
tus meso, mis
lny
d
t
rus l
lulint
s ). Untuk itu, fungs
i tuju
n
eru
h menj
di: h
sil o
serv
si ( V l
V
loge W = V l log e
l
(8.111)
Pers
m
n (8.111) merup
k
n fungsi tuju
n y
ng cukup men
rik k
ren
jik
semu
m
k
loge W
k
n
ernil
i nol d
n sel
lu
k
n
ernil
i neg
tif jik
nil
i V l = V l
terd
p
t per
ed
n di
nt
r
ny
. Sem
kin
es
r per
ed
nny
, sem
kin kecil pul
nil
i loge W. K
ren
itu, loge W merup
k
n fungsi tuju
n y
ng
ik untuk . Ide ut
m
metode pen
ksir
n melih
t
es
rny
per
ed
n
nt
r
Vl deng
n V l entropi m
ks
imum
d
l
h mengk
li
r
si p
r
meter model y
ng tid
k diket
hui deng
n memperkeci
l per
ed
n
nt
r
h
sil pemodel
n deng
n d
t
peng
m
t
n. Sec
r
m
tem
tis, fun
gsi tuju
n metode pen
ksir
n entropi m
ksimum (EM) d
p
t ditulisk
n se
g
i
eri
kut: mem
ksimumk
n
V
E1 = loge W = V l log e l
V l + V l V
l
Deng
n mem
sukk
n pers
m
n (8.52) ke pers
m
n (8.112),
khirny
fungsi tuju
n
untuk metode pen
ksir
n EM d
p
t diny
t
k
n se
g
i pers
m
n (8.113) deng
n p
r
meter y
ng tid
k diket
hui
k, k, d
n k (untuk k = 1,...,K):
Model tr
nsport
si
erd
s
rk
n d
t
rus l
lulint
s
417
l
m
ksimum
Tid . p id . + V l
i d
(8.113) Untuk mend
k, k, d
n k d
ri model GO y
ng mem
ksimumk
n pers
m
n (8.113), tig
set pers
m
n
(8.114)
erikut di
utuhk
n: l
Tid . p id
T E 1
l id i d = f
k =
k V l i d
k
l
l
Tid . p id
Tid l
E 1 i d = f k
l E 1
= f k =
. p id k l i d
k
. log e
l Tid . p id i d
l
Tid . p id
l . log e
i d E1 =
Tid . p id V l
i d
V l
= 0
Pers
m
n (8.114)
d
l
h sistem 3K pers
m
n simult
n deng
n 3K p
r
meter y
ng t
id
k diket
hui
k, k, d
n k untuk dit
ksir deng
n sy
r
t L 3K. Metode NewtonR
phson
deng
n teknik elimin
si m
triks G
ussJord
n digun
k
n untuk memec
hk
n pers
m
n
(8.114).
8.14
Penggun
n d
t
MAT p
rsi
l
8.14.1 Pend
hulu
n
D
t
untuk perenc
n
n,
n
lisis ke
ij
k
n, per
nc
ng
n, pem
nt
u
n, sert
pengo
per
si
n f
silit
s d
n pel
y
n
n tr
nsport
si tersedi
d
ri
e
er
p
sum
er. D
t
terse
ut did
p
tk
n d
ri survei rum
h t
ngg
, survei pel
ku perj
l
n
n, survei
rus l
lulint
s d
n kend
r
n, d
t
st
tistik, sensus penduduk d
n perum
h
n, l
p
ng
n pekerj
n, st
tistik t
t
gun
t
n
h, d
n l
in l
in. Ak
n tet
pi, perm
s
l
h
n y
ng sering ditemui di neg
r
sed
ng
erkem
ng
d
l
h tid
k seluruh d
t
terse
ut dikumpulk
n sec
r
lengk
p k
ren
keter
t
s
n w
ktu d
n
i
y
. Di s
t
u sisi, h
l terse
ut d
p
t dik
t
k
n su
tu pem
oros
n,
k
n tet
pi di l
in sisi,
d
t
terse
ut m
sih d
p
t dim
nf
tk
n sec
r
optim
l deng
n c
r
mengkom
in
si
k
nny
deng
n d
t
d
t
y
ng lengk
p d
ri sum
er y
ng l
in. Tuju
n su
ini
d
l
h mengem
ngk
n ker
ngk
metode st
tistik untuk sec
r
efisien mengkom
in
sik
n d
t
d
ri semu
sum
er terse
ut. Pro
lem st
tistik
ki
t pengg
ung
n d
t
d
ri sum
er y
ng
er
ed
ed
itu dise
k
n oleh du
l
s
n ut
m
seperti y
ng d
iter
ngk
n oleh BenAkiv
(1987). Pert
m
, seti
p sum
er d
t
mempuny
i tingk
t ke
tep
t
n d
t
y
ng
er
ed
. Kedu
, d
p
t diperkir
k
n.
418 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
Oleh k
ren
itu, metode st
tistik y
ng mengkom
in
sik
n d
t
d
ri
e
er
p
sum
e
r dih
r
pk
n meng
ndung su
tu model y
ng terdiri d
ri
e
er
p
tingk
t g
l
t d
n
d
p
t mengelol
e
er
p
tingk
t keh
nd
l
n d
ri sum
er d
t
y
ng
er
ed
ed
kuk
n survei sederh
n
t
u survei tid
k lengk
p. Survei MAT sederh
n
is
did
p
t deng
n mel
kuk
n w
w
nc
r
di tepi j
l
n p
d
e
er
p
ru
s j
l
n s
j
.
8.14.2 Solusi y
ng diusulk
n
D
l
m peneliti
n T
min (1988
cd), fungsi tuju
n S d
n S1 d
ri metode pen
ksir
n
KTTL d
n KTTLB dimodifik
si untuk mempertim
ngk
n penggun
n du
sum
er inform
g
i pers
m
n (8.115): V V l S = TC. l & & & l Vl & & & = 1 untuk KTTL
t
u V l &
& & Tid = 1 untuk KTTL
t
u R
(
(T )
+ TM .
2
id
i d R
(8.115)
& untuk KTTLB & &=V V l l & & & Tid = Tid untuk KTTLB
= su
set d
ri p
s
ng
n
nt
rzon
y
ng mempuny
i inform
si d
t
perger
k
n
s
l t
uju
n
TC,TM =
o
ot y
ng digun
k
n untuk d
t
rus l
lulint
s d
n d
t
p
rsi
l MAT Den
g
n mem
sukk
n pers
m
n (8.52) ke pers
m
n (8.115), tig
set pers
m
n (pers
m
n (8.115). Pers
m
n (
8.116)
d
l
h sistem 3K pers
m
n simult
n deng
n 3K p
r
meter y
ng tid
k diket
hui
k, k, d
n k y
ng perlu dit
ksir. Kemudi
n,
is
did
p
tk
n seluruh p
r
meter
deng
n sy
r
t L 3K. Sel
njutny
, metode NewtonR
phson y
ng dikom
in
sik
n deng
n
teknik elimin
si m
triks G
ussJord
n digun
k
n untuk menyeles
ik
n pers
m
n (8.1
16).
Model tr
nsport
si
erd
s
rk
n d
t
rus l
lulint
s
419
dR
i d
Tid
Vl Tid
Vl Tid
l
i d
Tid
Tid . pid
S i d
k
l
Tid . pi
(
)
(
)
l
Tid . pid
i d
. 2
(
)
Tid
T id
(8.116)
8.15
Pemec
h
n metode pen
ksir
n
8.15.1 Pend
hulu
n
Sel
m
sepuluh t
hun pert
m
peneliti
n pemodel
n untuk d
er
h perkot
n, kem
ju
n d
l
m pengem
ng
n metode k
li
r
si p
r
meter model s
ng
t l
m
t. Terd
p
t
e
er
p
l
s
n y
ng menye
k
nny
, tet
pi y
ng terpenting
d
l
h
ny
kny
mode
l d
er
h perkot
n y
ng diusulk
n tel
h dirumusk
n d
l
m
entuk sistem pers
m
n
tid
k line
r, p
d
h
l p
d
s
t itu penget
hu
n mengen
i teknik k
li
r
si siste
m pers
m
n tid
k line
r m
sih
elum cukup
erkem
ng. K
ren
proses k
li
r
si
d
l
h d
s
r p
ling ut
m
d
l
m per
nc
ng
n model, pem
u
t model h
rus mengerti d
s
r penurun
n model, terut
m
struktur d
n kepek
n seti
p peu
hny
. Sel
in it
u, peng
l
m
n y
ng did
p
tk
n d
l
m peneliti
n d
p
t digun
k
n untuk mengev
lu
s
i penye
d
n
t
s
nny
y
ng mungkin d
p
t menj
di
h
n peneliti
n sel
njutny
t
u
h
n y
ng h
rus diperh
tik
n oleh penggun
model terse
ut. Bi
s
ny
, met
ode
n
litis d
p
t digun
k
n untuk mengk
li
r
si model y
ng mempuny
i hu
ung
n l
ine
r d
l
m p
r
meterny
. Bentuk model tid
k line
r
i
s
ny
le
ih sulit sehingg
e
er
p
model terp
ks
dij
dik
n line
r deng
n prosedur tr
nsform
si y
ng ser
ing dise
ut intrinsic
lly line
r. Be
er
p
model tid
k line
r l
inny
y
ng tid
k
d
p
t ditr
nsform
si dise
ut intrinsic
lly non line
r.
420 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
Tid . pid
8.15.2 Be
er
p
metode k
li
r
si
Seperti y
ng tel
h diter
ngk
n se
elumny
, pemilih
n metode k
li
r
si y
ng tep
t
merup
k
n h
l y
ng terpenting y
ng perlu diperh
tik
n d
l
m pengem
ng
n su
tu
model. Per
nding
n kinerj
e
er
p
metode k
li
r
si
k
n dijel
sk
n
erikut in
i.
8.15.2.1 Per
nding
n
e
er
p
metode k
li
r
si
B
tty (1976) d
l
m
ukuny
mel
pork
n per
nding
n
nt
r
lim
u
h metode k
li
r
si kemirip
nm
ksimum, dilih
t d
ri segi konvergensi y
ng dimul
i d
ri nil
i
w
l p
r
meter y
ng s
m
, y
itu nol. Metode k
li
r
si y
ng diuji
d
l
h metode ite
r
si orde pert
m
, NewtonR
phson, penc
ri
n l
ngsung (Fi
on
cci), penc
ri
n
erur
ut
n (Simplex), d
n penc
ri
nku
dr
tis (Powell). Untuk diskusi y
ng le
ih rinci
untuk seti
p metode k
li
r
si, pem
c
y
ng
ermin
t dis
r
nk
n mem
c
B
tty (1
976) d
n Wilson
nd Kirk
y (1980). P
d
g
m
r 8.3, w
ktu d
n
t
s konvergen di
r
j
h, memperlih
tk
n
hw
tingk
t konvergensi s
ng
t
er
g
m
nt
r
er
g
i m
etode k
li
r
si y
ng digun
k
n d
n jug
tingk
t
t
s konvergen
er
ed
gi set
i
p metode. Contohny
, s
mp
i deng
n
t
s konvergen 101 d
n 102, metode NewtonR
ph
son d
n metode Fi
on
cci merup
k
n metode y
ng p
ling efisien; sed
ngk
n jik
di
w
h 102, metode NewtonR
phson y
ng p
ling efisien. B
t
s konvergen dik
t
k
n di
penuhi jik
es
rny
per
ed
n
nt
r
nil
i p
r
meter y
ng l
m
deng
n y
ng
ru
le
ih kecil d
ri y
ng tel
h ditet
pk
n, k
t
k
nl
h 101.
G
m
r 8.3 Per
nding
n gr
fis
nt
r
lim
metode solusi Sum
er: B
tty (1976)
8.15.2.2 Metode k
li
r
si hi
rid
D
ri per
nding
n kinerj
w
ktu proses komputer d
ri
e
er
p
metode k
li
r
si t
id
k d
p
t ditemuk
n metode k
li
r
si y
ng ter
ik; sehingg
, d
p
t disimpulk
n
hw
str
tegi y
ng ter
ik h
ny
is
Model tr
nsport
si
erd
s
rk
n d
t
rus l
lulint
s
421
did
p
tk
n deng
n mengkom
in
sik
n
e
er
p
metode k
li
r
si tertentu p
d
seti
p proses penc
ri
n y
ng
er
ed
. Proses penc
ri
n
is
dimul
i deng
n menggun
k
n metode iter
si orde pert
m
t
u metode Fi
on
cci s
mp
i deng
n tingk
t konver
gen 101 dic
p
i; kemudi
n, proses penc
ri
n dig
nti deng
n metode NewtonR
phson s
mp
i p
d
t
s 104 dic
p
i, d
n
khirny
penc
ri
n diseles
ik
n deng
n metode
l
goritm
Powell
t
u metode Simplex. Be
er
p
str
tegi hi
rid d
p
t dig
ungk
n d
ri
e
er
p
prosedur penc
ri
n y
ng tersedi
, d
n str
tegi terse
ut kemudi
n d
p
t diuji p
d
peneliti
n le
ih l
njut. Terd
p
t
e
er
p
t
s
n p
d
seti
p me
tode k
li
r
si y
ng h
rus dipertim
ngk
n d
l
m merenc
n
k
n str
tegi hi
rid. Pr
oses metode iter
si ordepert
m
tid
k efisien untuk nil
i
w
l p
r
meter y
ng re
nd
h sert
tid
k terd
p
t j
min
n
hw
metode Fi
on
cci
k
n konvergen. Metode
NewtonR
phson d
n metode
lgoritm
Powell
k
n divergen jik
dimul
i d
ri nil
i
w
l y
ng tid
k tep
t. Tet
pi, metode Simplex tid
k mempuny
i s
tu pun m
s
l
h y
ng dise
utk
n di
t
s sehingg
metode k
li
r
si ini d
p
t digun
k
n se
g
i
lte
rn
tif jik
prosedur terse
ut divergen
t
u konvergen deng
n w
ktu y
ng s
ng
t l
m
t. Se
g
i kesimpul
n, metode NewtonR
phson
d
l
h metode s
ng
t efisien, den
g
n sy
r
t nil
i
w
lny
cukup
ik. K
ren
itu, tid
kl
h terl
lu
erle
ih
n jik
n. Be
er
p
per
nding
n jug
dil
kuk
n oleh B
tty (1976)
nt
r
metode N
ewtonR
phson deng
n metode Simplex. Metode NewtonR
phson terlih
t en
m k
li le
ih
cep
t jik
di
ndingk
n deng
n metode Simplex. Tet
pi, metode NewtonR
phson h
ny
k
n
is
dimul
i d
ri nil
i
w
l y
ng
ik, sed
ngk
n metode Simplex d
p
t dim
ul
i d
ri nil
i
er
p
s
j
. Oleh k
ren
itu, B
tty (1976) meny
r
nk
n penggun
n str
tegi hi
rid; p
d
w
lny
digun
k
n metode Simplex, d
n untuk solusi
khir
digun
k
n metode NewtonR
phson. Pendek
t
n y
ng mirip deng
n metode NewtonR
phson
dipilih oleh T
min (1988
cd) untuk mengk
li
r
si p
r
meter model ke
utuh
n
k
n tr
nsport
si deng
n d
t
rus l
lulint
s. Metode NewtonR
phson terse
ut dijel
s
k
n sec
r
le
ih rinci
erikut ini.
8.15.3 Metode NewtonR
phson 8.15.3.1 K
sus s
tu tuju
n perj
l
n
n
Pertim
ngk
n kit
mempuny
i du
pers
m
n simult
n y
ng m
sing m
sing mempuny
i
du
p
r
meter y
ng tid
k diket
hui d
n . f ( , ) = 0 (8.117) g ( , ) = 0
422 Ofyar Z Tamin, Perencanaan dan emodelan ransorasi
Meode NewonRahson kemudian digunakan unuk mendaakan nilai dan dari ersamaa
n (8.117). Asumsikan 0 dan 0 adalah endekaan solusi dan anggalah 0+h dan 0+ meru
akan solusi sebenarnya sehingga: g ( 0 + h, 0 + ) = 0 f ( 0 + h, 0 + ) = 0 (8
.118)
Ide uama yang mendasari meode NewonRahson adalah bahwa fungsi f dan g yang di
minimumkan akan didekai secara lokal dengan fungsi kuadra; fungsi kuadra ers
ebu kemudian diminimumkan. Jadi, ada nilai 0 and 0, kia daa mendekai fungsi
f dan g dengan menggunakan dere Taylor hanya samai enurunan erama. Dengan m
engikui eori dere Taylor dan menggunakan urunan eramanya unuk h dan (ya
iu unuk r = 1), maka ersamaan (8.118) daa diulis kembali sebagai: h r r
f
( , ) = f ( 0 , 0 ) +
. + .
r!
r
r! Unuk r = 1: f f =0 + . g
0 , 0 ) + h. dere Taylor (8.119)
(8.120)
Persamaan (8.120) adalah dua ersamaan linear simulan dengan arameer h dan
yang idak dikeahui yang akan diecahkan unuk mendaakan nilai h0 dan 0 sehi
ngga (0+h0) dan (0+0) adalah solusi yang lebih baik. Proses ersebu diulangi sam
ai nilai h0 dan 0 sanga kecil; idenifikasi sudah konvergen. Meode ini daa
dikembangkan unuk memecahkan beberaa se arameer k dan k, unuk K ujuan erg
erakan aau (jenis komodias dalam ergerakan barang) yang bergerak di dalam dae
rah kajian, dari beberaa ersamaan simulan yang dibenuk unuk ujuan ersebu
(1 k K).
8.15.3.2 Kasus K ujuan erjalanan
Seeri ada kasus sau ujuan erjalanan (k = 1), solusi unik unuk k dan k bisa
didaa dari 2K ersamaan simulan linear yang dinyaakan dengan ersamaan (8.12
1).
Model ransorasi berdasarkan daa arus lalulinas
423
f 1 + h1 . M
g g g g g 1 + h1 . 1 + ... + hK . 1 + 1 . 1 + ... + K . 1 = 0 1 K 1 K M M
K g g g + ... + hK . K + 1 . K + ... + K . K = 0 1 K 1 K f1 K . . f K 1
. . f K 1 g 1 1 . . g K 1 f 1 K
h1
f1
.
.
.
.
.
.
K
.
.
g K K
g K
L M L M M
(8.121)
Agar lebih mudah diecahkan, ersamaan (8.121) diuliskan dalam benuk mariks:
f11
.
.
f K 1
g1 1
.
.
gK 1
... ... ... ... ... ... ... ... ...
...
(8.122)
... g K K
Semua fungsi dan urunan arsial erama dari ersamaan (8.122) dievaluasi ada
(0,0) yang meruakan vekor dengan K komonen dengan f1K berari urunan arsial da
ri f1 unuk K, (f1/K). Setelah menentukan nilai awal yang baik (0,0), semua fungsi dan
urunan arsial erama dari ersamaan (8.122) daa dihiung. Teknik eliminasi
mariks aussJordan kemudian digunakan unuk memecahkan ersamaan (8.122) unuk
mendaakan h1, . . . , hK, 1, . . . , K. Jadi, nilai yang baik unuk (0,0) adal
ah: I +1 I = k + hk k unuk k = 1, . . . . K (8.123) I +1 I =k + k k Proses ini diu
langi erus samai nilai hk dan k cuku kecil, yang menyaakan kondisi konverge
n. Permasalahan uama yang diemui dalam enggunaan meode NewonRahson adalah b
agaimana mendaakan nilai awal yang baik bagi seia arameer model yang idak
dikeahui; dengan kaa lain, meode akan gagal mencaai kondisi konvergen. Unu
k mendaakan uraian yang lebih jelas enang meode NewonRahson, embaca disar
ankan membaca Frberg (1974) dan Luenberger (1984).
424 Ofyar Z Tamin, Perencanaan dan emodelan ransorasi
N
.
.
.
Tujuan uama sekarang adalah mendaakan solusi dari N ersamaan linear simulan
. Persamaan (8.124) daa diulis kembali dalam benuk mariks beriku: A11 A
21
A31
.
.
. A N1 A12 A22 A32 . . . AN 2 A13 A23 A33 . . . AN 3 . . . . . . . . . .
. . . . . . . . . . . A1N
X 1
A1,N +1
A A2 N
X 2
2 , N +1 A3 N
.
.
.
.
.
.
.
ANN
X N
AN,N +1
(8.125)
Dengan menggunakan
dieliminasi dengan
0 . . . 0
0 1 .
3
B3
(8.126)
Seerusnya, nilai dari B1, B2, B3, . . . , BN meruakan enyelesaian dari N ers
amaan linear simulan. Bagan alir dari eknik eliminasi mariks aussJordan daa
diliha ada gambar 8.4.
Model ransorasi berdasarkan daa arus lalulinas
425
START
1 NO
READ
I=L
DO 60 J=L,N+1
DO 10 I=1, N+1 DO 20 J=1,N+1
YES
A(I,J)=A(I,J) SxA(L,J)
60 CONTINUE READ A(I,J) 50 CONTINUE 20 CONTINUE 10 CONTINUE 30 CONTINUE
DO 30 L=1,N
DO 70 I=1,N
R = A(L,L)
PRINT I, A(I,N+1)
DO 40 J=L,N+1
70 CONTINUE
A(L,J) = A(L,J)/R
STOP
40 CONTINUE
END
DO 50 I=1,N
S=A(I,L)
1
ambar 8.4 Bagan alir eknik eliminasi mariks aussJordan Sumber: Tamin (1985,19
88a)
8.16
Program komuer dan rosedur kalibrasi
8.16.1 Pendahuluan
Komuer orabel yang daa juga disebu mainframe berskala kecil menyediakan k
aasias yang cuku, keceaan dan kehandalan yang baik, dan biaya yang cuku mu
rah. Karakerisik ini membua komuer orabel sanga menarik dan menjadi ala
yang sanga ening unuk menangani hamir semua ermasalahan ransorasi, rek
ayasa, mauun erencanaan ransorasi, khususnya bagi negara sedang berkembang
yang menghadai kendala biaya dan waku. Tabel 8.1 memerlihakan beberaa eran
gka lunak erencanaan ransorasi yang ersedia di asaran.
Tabel 8.1 Perangka lunak erencanaan ransorasi yang elah ersedia di asara
n Pake rogram
MicroTRIPS MOTORS SATURN MINITRAMP TRANPLAN TRANSCAD
Pemasok
MVA Sysemaica Seer, Davies, and leave Universiy of Leeds Wooon Jeffreys an
d Parners The Urban Analysis rou California Calier Cororaion INRO Consula
n Universiy de Monreal JICA INRO Consulan Universiy de Monreal
Kaasias
300 zona 4.000 ruas 400 zona 6.000 ruas 500 zona 7.000 ruas 500 zona 5.000 ruas
3.000 zona 60.000 ruas 3.000 zona 60.000 ruas 1.200 zona 24.000 ruas 100 skenari
o 500 zona 10.000 ruas 2.800 zona 56.000 ruas
Sisem oerasi
MS DOS MS DOS MS DOS MS DOS Windows Windows
Keluaran
Numerik Numerik Numerik dan grafis Numerik Numerik, grafis dan SI Numerik, graf
is dan SI Numerik, grafis dan SI Numerik dan grafis Numerik, grafis dan SI
STAN
Windows
STRADA EMME/2
Windows MS DOS
Komuer orabel masing sering digunakan unuk mengganikan fungsi mainframe. T
eai, komuer orabel elah menciakan asar baru dengan kebuuhannya sendir
i, enggunaan yang rakis dan jenis erangka lunaknya. Willumsen (1984c,1986a)
menjelaskan beberaa karakerisik dari komuer orabel yang mendukung enci
aan engembangan asar baru ersebu. a Akses dan konrol langsung Komuer or
abel idak membuuhkan suau ling kungan khusus dan mudah diakses sehingga eng
guna memunyai konrol enuh aas enggunaannya. Penggunaan yang inerakif Kom
uer orabel daa digunakan unuk eng gunaan inerakif, yang sanga jarang m
enggunakan roses bach. Fasilias inerakif memungkinkan kia melakukan engab
sahan, modifikasi, simulasi, sera erbaikan kesalahan sehingga lebih meningkak
an efisiensi enggunaannya. rafik, warna dan suara enerasi erakhir dari komu
er orabel sudah mem unyai fasilias grafik yang memunyai resolusi sanga i
nggi dan suara yang baik sera kualias warna yang sanga rima. Fasilias sanga
banyak dibuuhkan dalam enggunaannya di bidang erencanaan ransorasi. Pera
ngka lunak umum yang bisa digunakan unuk hal yang lain Conoh iikal adalah
erangka lunak unuk keerluan engolah kaa (WS, WP, Word), erangka lunak un
uk keerluan grafik (Lous, Harvard, Symhony), sera erangka lunak unuk kee
rluan engelolaan angkalan daa (Excell, DBase III, dan Lous 123).
b
c
d
Dengan menggunakan ake rogram yang sesuai, erencana ransorasi daa denga
n mudah dan cea melakukan erhiungan maemaika yang komleks dan
Model ransorasi berdasarkan daa arus lalulinas
427
Inle/oule iik ada baas kordon; di sini ergerakan masuk dan keluar ke/dar
i daerah kajian dihubungkan dengan sisem jaringan ransorasi dengan ruas jala
n fikif. Simul lain berlokasi ada seia ruas jalan yang saling beroongan d
an berada di dalam daerah kajian. Semua simul diberi nomor secara beruruan, di
mulai dari usa zona, diikui dengan inle/oule, dan akhirnya simul lain, ji
ka ada. Disarankan unuk menambahkan usa zona dan inle/oule yang akan ada
ada masa mendaang ada sisem jaringan ada saa sekarang, unuk mengurangi ek
erjaan menomori kembali ada saa membua sisem jaringan ada masa mendaang. R
uas harus diberi kode secara beruruan: erama ama semua ruas jalan yang dimul
ai dengan simul 1 diuru sesuai dengan simul keduanya, dilanjukan dengan semu
a ruas jalan yang dimulai dengan simul 2, dan seerusnya.
8.16.2.3 Ruas jalan berbasis sau arah
Unuk jalan dua arah dalam sisem jaringan ransorasi, ruas jalan sau arah ha
rus ea digunakan. Jadi, jalan dua arah dinyaakan dalam benuk dua ruas jalan
sau arah. Sering dijumai dua ruas sau arah ersis sama dan kedua ruas erseb
u harus dikodifikasi dengan daa yang ersis sama. Tamin (1985) dan Brennan (19
86) melaorkan beberaa erbaikan yang dilakukan unuk mengaasi kekurangan MOTO
RS versi sebelumnya, yaiu: memerbolehkan enggunaan seia nomor dengan nomor
simul aa saja; memerbolehkan engguna unuk menenukan jenis simul, yaiu u
sa zona, inle/oule, aau simul, dengan menggunakan suau karaker; memerbo
lehkan daa dimasukkan ana beruruan; memerbolehkan engguna unuk menenukan
ruas sau arah aau dua arah dengan memakai suau karaker.
8.16.3 Program komuer
Beberaa rogram dari ake rogram MOTORS digunakan dalam rosedur kalibrasi. T
ujuannya adalah unuk mengecek ersiaan encerminan sisem zona dan jaringan, m
embenuk definisi sisem zona dan jaringan sera ema unuk beberaa informasi
sisem jaringan lain yang berguna, misalnya daa aksesibilias (biaya, jarak, k
eceaan, dan kaasias) dan daa ohon biaya minimum. Tujuan seia rogram ada
lah: P10: mengecek daa menah sisem zona dan jaringan daerah kajian P20: memba
ngun aau membenuk daa sisem zona dan jaringan daerah kajian P40: menghasilka
n ohon biaya minimum P50: menghasilkan mariks aksesibilias (jarak aau biaya)
. ambar 8.5 memerlihakan enahaan enggunaan subrogram yang ersedia dalam
ake rogram MOTORS.
Model ransorasi berdasarkan daa arus lalulinas
429
Daa menah jaringan : kode jalur keceaan jalur anjang jalur jenis jalur
Pemeriksaan jaringan P10
MOTORS
MOTORS
MOTORS
MOTORS
ambar 8.5 Prosedur yang digunakan unuk mendaakan biaya erjalanan anarzona
dengan menggunakan ake rogram MOTORS
Semua meode enaksiran kuadra erkecil dan kemirian maksimum yang dierangkan
sebelumnya (subbab 8.10 dan 8.11) diulis dalam beberaa rogram dalam bahasa F
orran 77, sehingga daa berinegrasi enuh dengan ake rogram MOTORS yang su
dah ada. Pada ahun 1996, rogram ersebu sudah daa menangani samai dengan m
aksimum 30 ujuan ergerakan aau komodias, 1.000 zona, dan 10.000 ruas jalan.
Program ersebu diulis agar daa berineraksi enuh dengan engguna. Bagan al
ir rosedur kalibrasi unuk seia meode enaksiran yang elah dikembangkan da
a diliha ada gambar 8.6.
430 Ofyar Z Tamin, Perencanaan dan emodelan ransorasi
MULAI
BACA: NCOM, NCENT, NCOUNT
k Oik , Dd
Nilai awal arameer
HITUN: Fakor enyesuai
id
k
unuk model R, O, OP
HITUN: Fakor enyeimbang (BF)
Aik ; Aik
Aik Aik k k 2 Aik 2 Aik k
2
;
;
k k B B
k
k 2 B
;
k
k 2 B
;
k
2
;
2 Aik k k
;
k
2
;
k
2
;
k 2 B
k k
PERIKSA: Konvergensi f
ktor penyeim
ng y
HITUNG: Nil
i
ru p
r
meter menggun
k
n metode pen
ksir
n KTL, KTTL, KTTLB, KM1, KM2, IB,EM y
PERIKSA: P
r
meter h
sil konvergensi d
ri model (GR,OP,GO)
tid
k
tid
k
CETAK: H
sil
STOP
G
m
r 8.6 B
g
n
lir prosedur k
li
r
si Sum
er: T
min (1988
c)
Model tr
nsport
si
erd
s
rk
n d
t
rus l
lulint
s
431
8.17 Indik
tor uji st
tistik untuk mem
ndingk
n MAT
8.17.1 Pend
hulu
n
Pen
ksir
n MAT d
ri d
t
rus l
lulint
s y
ng dih
silk
n deng
n menggun
k
n pend
ek
t
n pen
ksir
n model ke
utuh
n
k
n tr
nsport
si
k
n mengh
silk
n
rus l
lul
int
s y
ng semirip mungkin deng
n d
t
rus l
lulint
s h
sil peng
m
t
n. Ak
n te
t
pi, h
l y
ng terpenting di sini sel
in d
ri tingk
t kemirip
n d
ri
rus l
luli
nt
s y
ng dih
silk
nny
, jug
tingk
t kemirip
n d
ri MAT h
sil pen
ksir
n jik
d
i
ndingk
n deng
n MAT h
sil peng
m
t
n. Tingk
t
kur
si MAT h
sil pen
ksir
n s
ng
tl
h terg
ntung d
ri
e
er
p
f
ktor seperti model ke
utuh
n
k
n tr
nsport
s
i y
ng digun
k
n, metod
pen
ksir
n, teknik pem
e
n
n l
lulint
s, d
t
rus l
l
ulint
s, d
n
e
er
p
f
ktor l
inny
. Untuk itu, di
utuhk
n c
r
y
ng d
p
t digu
n
k
n untuk d
p
t mem
ndingk
n MAT h
sil pen
ksir
n deng
n MAT h
sil peng
m
t
n
. Tingk
t
kur
si MAT y
ng dih
silk
n d
ri d
t
rus l
lulint
s d
p
t ditentuk
n
deng
n menggun
k
n
e
er
p
indik
tor uji st
tistik. Be
er
p
k
ji
n y
ng
erk
it
n deng
n peril
ku unjuk kerj
e
er
p
indik
tor st
tistik untuk
er
g
i kon
disi tel
h dil
kuk
n oleh
e
er
p
peneliti terd
hulu, mis
lny
Wilson (1976), S
ikd
r
nd Hutchinson (1981), Smith
nd Huthinson (1981), d
n T
min (1988
). Be
er
p
indik
tor uji st
tistik y
ng d
p
t digun
k
n untuk mem
ndingk
n MAT h
sil
pen
ksir
n deng
n MAT h
sil peng
m
t
n di
h
s
erikut ini.
8.17.2 Root Me
n Su
re Error (RMSE) d
n St
nd
rd Devi
si (SD)
Indik
tor uji st
tistik RMSE
d
l
h su
tu indik
tor kes
l
h
n y
ng did
s
rk
n p
d
tot
l ku
dr
tis d
ri simp
ng
n
nt
rp
s
ng
n nil
i sel MAT y
ng d
p
t didefin
isik
n se
g
i pers
m
n (8.127): T T 2
id untuk i d RMSE =
id i d
p
peneliti menggun
k
n st
nd
rd didefinisik
n se
g
i pers
m
n (8.128): devi
si d
ri simp
ng
n
(
)
(8.127) d
p
t
T T 2
id
untuk i d SD =
id i d
N . (N 1) 1
(
)
(8.128)
Indik
tor RMSE d
n SD tid
k d
p
t digun
k
n untuk mem
ndingk
n MAT y
ng dih
sil
k
n d
ri lok
si y
ng
er
ed
t
u w
ktu y
ng
er
ed
k
ren
nil
iny
s
ng
t terg
ntung d
ri kondisi lok
l seperti ukur
n m
triks N d
n T. D
ri pers
m
n (8.127)
d
n (8.128) terlih
t
hw
sem
kin
es
r nil
i N m
k
nil
i RMSE
k
n kir
kir
s
m
deng
n nil
i SD. Indik
tor %RMSE digun
k
n untuk mem
ndingk
n 2
u
h MAT
y
ng mempuny
i juml
h sel y
ng
er
ed
.
432 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
N . (N
RMSE
%RMSE =
x 100%
T1 = 1 T id N (N 1) i d
(8.129) (8.130)
Sem
kin
es
r nil
i RMSE, %RMSE, d
n SD m
k
sem
kin tid
k
kur
t MAT h
sil pen
ksir
n di
ndingk
n MAT h
sil peng
m
t
n.
8.17.3 Me
n A
solute Error (MAE)
MAE
d
l
h
entuk ukur
n simp
ng
n y
ng p
ling sederh
n
y
ng d
p
t didefinisik
n se
g
i pers
m
n (8.131).
(T MAE =
i d
Tid untuk i d N . (N 1)
id
)
2
(8.131)
D
ri pers
m
n (8.131) terlih
t
hw
nil
i MAE kur
ng sensitif terh
d
p nil
i m
utl
k kes
l
h
n y
ng
es
r di
ndingk
n deng
n RMSE. Sem
kin
es
r nil
i MAE m
k
sem
kin tid
k
kur
t MAT h
sil pen
ksir
n di
ndingk
n MAT h
sil peng
m
t
n.
8.17.4 Koefisien Determin
si (R2)
Indik
tor st
tistik R2 d
p
t didefinisik
n se
g
i pers
m
n (8.132): R2
) =1 T ) (T
i d
(T id
i d
Tid
l
2
2
untuk i d
(8.132)
id
Indik
tor st
tistik R2 ini merup
k
n su
tu uji st
tistik y
ng p
ling sering digu
n
k
n. Indik
tor ini
k
n mem
erik
n
o
ot s
ng
t tinggi untuk kes
l
h
n
solut
es
r. Oleh k
ren
itu, nil
i R2 y
ng tinggi tid
k d
p
t diperoleh d
ri m
triks
erjuml
h sel
es
r deng
n kes
l
h
n kecil,
k
n tet
pi s
ng
t jelek p
d
nil
i
sel y
ng kecil. Pers
m
n (8.132) jug
memperlih
tk
n
hw
nil
i R2 d
p
t menj
di neg
tif jik
terd
p
t simp
ng
n
es
r
nt
r
MAT h
sil pen
ksir
n d
n MAT h
sil o
serv
si. Nil
i R2=1 merup
k
n nil
i tertinggi y
ng d
p
t dih
silk
n jik
d
il
kuk
n per
nding
n
nt
rMAT. Oleh k
ren
itu, nil
i R2 y
ng mendek
ti 1 (s
tu
) menunjukk
n tingk
t kemirip
n y
ng tinggi
nt
rMAT y
ng diper
ndingk
n.
8.17.5 Norm
lised Me
n A
solute Error (NMAE)
Be
er
p
indik
tor uji st
tistik y
ng tel
h diur
ik
n di
t
s seperti RMSE, SD,
%RMSE, MAE, d
n R2 tid
k d
p
t digun
k
n untuk mem
ndingk
n MAT jik
diter
pk
n
p
d
d
er
h k
ji
n y
ng
er
ed
k
ren
nil
i MAT s
ng
t terg
ntung p
d
kondisi
lok
l seperti ukur
n m
triks d
n l
inny
. Untuk tuju
n ini, dis
r
nk
n
Model tr
nsport
si
erd
s
rk
n d
t
rus l
lulint
s
433
untuk menggun
k
n indik
tor uji st
tistik NMAE y
ng didefinisik
n se
g
i pers
m
T
x 100
1
(8.133)
n perkot
n di kot
Ripon (Inggris)
T
min (1988
cd) mel
pork
n
e
er
p
pener
p
n model y
ng tel
h dikem
ngk
n unt
uk memodelk
n perger
k
n kend
r
n di d
er
h perkot
n di kot
Ripon. G
m
r 8.7
memperlih
tk
n deskripsi sistem j
ring
n j
l
n kot
Ripon.
G
m
r 8.7 Deskripsi sistem j
ring
n di kot
Ripon (Inggris) Sum
er: T
min (1988
c)
434 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
Peneliti
n mend
p
t
ny
k f
silit
s
erup
tersedi
ny
p
ngk
l
n d
t
untuk per
ger
k
n kend
r
n (Steer, D
vies
nd Gle
ve, 1987) y
ng dikumpulk
n
ers
m
oleh
konsult
n Steer, D
vies
nd Gle
ve (SDG) Ltd. d
n pemerint
h d
er
h North Yorks
hire County Council (NYCC). P
ngk
l
n d
t
terdiri d
ri d
t
MAT t
hun 1985, des
kripsi j
ring
n j
l
n t
hun 1985 y
ng terdiri d
ri 26 zon
, 83 simpul, d
n 188 r
u
s s
tu
r
h, d
n 63 d
t
rus l
lulint
s. Us
h
p
ling ut
m
y
ng dil
kuk
n d
l
m peneliti
n ini
erup
uji metode pen
ksir
n y
ng dikem
ngk
n deng
n menggun
k
n d
t
kot
Ripon deng
n
e
er
p
ker
g
m
n uji ke
s
h
n d
n kepek
n. Str
t
egi uji ke
s
h
n d
n kepek
n dij
dik
n fungsi f
ktor ut
m
y
ng mempeng
ruhi k
etep
t
n MAT y
ng dih
silk
n. Str
tegi terse
ut meliputi h
l
erikut. Pemilih
n
model ke
utuh
n
k
n tr
nsport
si y
ng digun
k
n untuk mencermink
n peril
ku per
ger
k
n di d
l
m d
er
h k
ji
n. Metode pen
ksir
n y
ng digun
k
n untuk mengk
li
r
si p
r
meter model deng
n menggun
k
n d
t
rus l
lulint
s. Teknik pem
e
n
n
rute y
ng digun
k
n untuk menentuk
n rute y
ng digun
k
n di d
l
m j
ring
n. Ting
k
t g
l
t p
d
d
t
rus l
lulint
s. Tingk
t ked
l
m
n definisi sistem zon
d
n
j
ring
n.
Be
er
p
uji ke
s
h
n d
n kepek
n kemudi
n dir
nc
ng d
ri kelim
f
ktor terse
ut, meliputi h
l
erikut. 1 Uji ke
s
h
n
c d e 2 Uji deng
n metode se
r
n
perger
k
n f
ktor pertum
uh
n Uji deng
n inform
si d
t
MAT h
sil peng
m
t
n Uji
deng
n inform
si
rus l
lulint
s h
sil pem
e
n
n Uji deng
n inform
si
rus l
l
ulint
s h
sil peng
m
t
n Uji deng
n inform
si
rus l
lulint
s h
sil pem
e
n
n s
ert
d
t
MAT p
rsi
l Uji deng
n fungsi h
m
t
n y
ng
er
ed
ed
Uji deng
n d
t
rus l
lulint
s y
ng tid
k lengk
p Uji deng
n tingk
t ked
l
m
n definisi sist
em zon
d
n j
ring
n y
ng
er
ed
ed
Uji deng
n teknik pem
e
n
n rute
t
s
n
k
p
sit
s
Uji kepek
n
c d
Untuk menc
ri nil
i t
m
h model tr
nsport
si y
ng
ru, kit
p
sti tert
rik p
d
ketep
t
n MAT y
ng dih
silk
n oleh metode y
ng sud
h tersedi
d
n mem
ndingk
nny
deng
n MAT y
ng dih
silk
n oleh model
ru terse
ut. Oleh k
ren
itu, uji p
ert
m
dil
kuk
n deng
n menggun
k
n metode f
ktor pertum
uh
n
Model tr
nsport
si
erd
s
rk
n d
t
rus l
lulint
s
435
y
ng mengh
silk
n MAT ter
ik, y
itu deng
n menggun
k
n metode Furness d
n Detro
it. H
sil metode Furness ini digun
k
n se
g
i
l
t pem
nding p
d
uji
erikutn
y
. Uji kedu
dil
kuk
n deng
n menggun
k
n inform
si MAT h
sil peng
m
t
n untuk
mengk
li
r
si model y
ng digun
k
n. F
ktor pert
m
y
ng mempeng
ruhi tingk
t ket
ep
t
n MAT
d
l
h pemilih
n model ke
utuh
n
k
n tr
nsport
si y
ng tep
t untuk m
encermink
n peril
ku perger
k
n. Oleh k
ren
itu, men
rik untuk dipel
j
ri p
d
t
h
p ini, jenis model tr
nsport
si y
ng p
ling
ik mencermink
n peril
ku perge
r
k
n. Ditemuk
n
e
er
p
h
l
erikut. Model GO merup
k
n model ter
ik di
ndin
gk
n deng
n model GR, OP, d
n metode Furness. Nil
i optimum
gi p
r
meter tr
ns
form
si BoxCox (model GO) terse
ut
d
l
h = 0,5 and = 1,0. Pnggunaan modl OP da
n O mmbutuhkan waktu pross komputr yang lama dibandingkan dngan modl R. H
asil yang didapat dngan mnggunakan data MAT hasil pngamatan mrupakan MAT tr
baik dan karna itu digunakan strusnya sbagai MAT pmbanding.
Faktor kdua yang mmpngaruhi ktpatan MAT adalah mtod pnaksiran yang digun
akan dalam mngkalibrasi paramtr modl transportasi dngan data arus lalulinta
s. Karna itu, uji kabsahan dilakukan dngan mnggunakan data arus lalulintas h
asil pmbbanan untuk mlihat sjauh mana kmampuan mtod pnaksiran trsbut d
alam mngkalibrasi paramtr modl dngan data arus lalulintas yang bbas galat.
Ditmukan bbrapa hal brikut: Pnggunaan modl O mnghasilkan kssuaian yan
g trbaik dari sisi arus lalulintas dan MAT untuk stiap mtod pnaksiran, diik
uti dngan modl R dan OP. Ini diprkirakan karna modl O lbih banyak mmpun
yai paramtr dibandingkan dngan modl R dan OP. Dapat disimpulkan bahwa, dari
sisi MAT, mtod pnaksiran KTTL mrupakan mtod yang trbaik untuk stiap mod
l transportasi dibandingkan dngan mtod lain (KTTLB, KM1 dan KM2). Trlihat b
ahwa modl dan MAT yang dihasilkan mmpunyai ktpatan yang sdikit kurang diban
dingkan dngan MAT yang dihasilkan dngan mnggunakan data survi MAT lngkap. I
ni mrupakan tmuan yang sangat brharga jika dilihat dari sisi biaya pngumpula
n data dan biaya pnaksiran modl transportasi.
Faktor lain yang turut mmpngaruhi ktpatan MAT adalah data arus lalulintas da
n tknik pmbbanan rut yang digunakan untuk mnntukan rut yang dipilih dalam
jaringan karna data arus lalulintas tidak prnah luput dari galat. Bbrapa uj
i kabsahan dilakukan dngan mnggunakan dua jnis tknik pmbbanan rut, yaitu
all-or-nothing dan Burrl, masing-masing dngan disprsi 10% dan 30%. Ditmukan b
brapa hal brikut.
436 Ofyar Z Tamin, Prncanaan dan pmodlan transportasi
Pnggunaan tknik stokastik Burrll, baik dngan disprsi 10% atau 30%, tidak mmb
rikan kssuaian yang lbih baik dilihat dari sisi arus lalulintas dibandingkan
dngan tknik all-or-nothing untuk smua modl dan smua mtod pnaksiran. Sl
ain itu, waku pross komputr yang dibutuhkan untuk tknik Burrll, baik dngan
disprsi 10% atau 30%, kira-kira tiga kali lbih lama dibandingkan dngan mtod a
ll-or-nothing. Karna itu, mtod Burrll pasti digunakan untuk kasus Ripon (Ing
gris). Dari sisi MAT, modl O mnghasilkan MAT untuk stiap mtod pnaksiran,
diikuti dngan modl R dan OP. Tidak satu pun dari modl OP yang mnghasilkan M
AT yang lbih baik dibandingkan dngan mtod Furnss. Ttapi, pnggunaan modl
O untuk stiap mtod pnaksiran hanya mnghasilkan MAT sdikit lbih baik jika
dibandingkan dngan modl R. Karna itu, kinrja modl R masih sangat baik ka
rna waktu prossnya yang cpat. Dari sisi MAT, pnggunaan tknik pmbbanan rut
Burrll (10%) tidak mnghasilkan prbaikan yang nyata jika dibandingkan dngan
mtod all-ornothing. Slain itu, pnggunaan tknik Burrll (30%) mnghasilkan
hal yang lbih jlk jika dibandingkan dngan MAT yang dihasilkan dngan tknik
allor-nothing. Pnggunaan arus lalulintas hasil pngamatan dibandingkan dngan a
rus hasil pmbbanan tidak bgitu banyak mmprbaiki ktpatan MAT yang dihasilk
an. Hal ini agak sulit ditrangkan. Dalam kasus ini, galat dalam arus lalulintas
dan tknik pmbbanan rut saling mniadakan shingga mungkin mmprkcil tingk
at galat spsifikasi dalam pmodlan. Nilai paramtr yang dihasilkan trlihat a
gak stabil untuk stiap mtod pnaksiran dan cukup mndkati nilai yang didapat
dngan mnggunakan data MAT. Hal ini sangat mnguntungkan dan pnting untuk pr
amalan karna pnggunaan data arus lalulintas mnghasilkan nilai paramtr yang
cukup stabil dan cukup dkat dngan nilai yang didapat dari pnggunaan data MAT.
Bbrapa uji juga dilakukan dngan mnggunakan dua buah sumbr informasi, yaitu
data arus lalulintas dan MAT parsial yang didapat dngan mlakukan survi MAT s
drhana pada bbrapa ruas jalan. Hasilnya tidak bgitu mnggmbirakan karna p
rbaikannya kcil jika dibandingkan dngan hanya mnggunakan data arus lalulintas
saja. Ini karna stiap sumbr informasi mmpunyai tingkat ktpatan yang brb
da-bda dan juga mngandung bbrapa galat. Bbrapa uji kpkaan juga dilakukan
untuk mlihat fk pnggunaan fungsi hambatan yang brbda-bda trhadap ktpa
tan MAT yang dihasilkan. Dua jnis fungsi hambatan diplajari, yaitu fungsi ksp
onnsial dan Tannr. Kdua fungsi ini diuji hanya untuk modl R saja. Trnyata
pnggunaan fungsi Tannr mnghasilkan kssuaian yang lbih baik dari sisi tingk
at arus lalulintas jika dibandingkan dngan pnggunaan fungsi ksponnsial. Hal
ini diprkirakan karna fungsi Tannr mmpunyai paramtr yang lbih banyak diba
ndingkan dngan fungsi ksponnsial; sbnarnya fungsi ksponnsial bisa
Modl transportasi brdasarkan data arus lalulintas
437
didapatkan sbagai kasus khusus fungsi Tannr. Ttapi, ini bukan jaminan untuk s
lalu mmbrikan hasil yang lbih baik dilihat dari sisi MAT yang didapat. Uji k
pkaan yang mnyluruh tlah juga dilakukan untuk mmplajari fk pnggunaan j
umlah data arus lalulintas trhadap ktpatan MAT. Uji ini dilakukan dngan mng
gunakan data kota Ripon dan bbrapa data arus lalulintas (yang didapat dngan t
knik pmbbanan all-or-nothing) dari 5 sampai dngan 63 data arus lalulintas (5
, 10, 20, 30, 40, 50, dan 63). Ruas jalan trsbut dipilih dngan mnggunakan ju
stifikasi rkayasa dan scara acak. Lima st ruas dibuat; satu st mnggunakan j
ustifikasi rkayasa dan sisanya dibuat scara acak. Ditmukan dua hal brikut (l
ihat gambar 8.8). Dngan pmilihan brdasarkan prtimbangan rkayasa, pnggunaan
5 ruas tidak mnghasilkan taksiran MAT yang baik untuk stiap modl transportas
i. Ttapi, pnggunaan lbih dari 10 ruas (5% dari total jumlah ruas) mnghasilka
n pningkatan ktpatan MAT yang sangat brarti untuk stiap modl transportasi
dan stiap mtod pnaksiran. Dngan pmilihan ruas scara acak trlihat bahwa p
nggunaan lbih dari 30 ruas jalan (16% dari total jumlah ruas) cukup untuk mng
urangi adanya kragaman ktpatan MAT yang dihasilkan.
RMSE
zona (mnngah), dan 56 (tinggi). Trdapat 75 data ruas jalan yang lokasinya dip
ilih agar smua ruas jalan trdapat pada jaringan pada stiap tingkat. Data st
buatan yang diprsiapkan untuk uji ini adalah sbagai brikut. Data MAT buatan d
iprsiapkan dngan mnaksir modl gravity dngan nilai paramtr tertentu p
d
s
istem 56 zon
. MAT kemudi
n dim
mp
tk
n menj
di sistem 28 zon
d
n MAT y
ng dih
silk
n kemudi
n din
m
k
n MAT t
rget untuk uji ini. MAT
u
t
n (56 zon
) kemudi
n di
e
nk
n ke j
ring
n j
l
n p
d
sistem 56 zon
sehingg
did
p
tk
n 75 d
t
rus h
sil pem
e
n
n deng
n menggun
k
n teknik (
)
ll or nothing
t
u (
) pem
e
n
n kondisi keseim
ng
n.
Du
set uji kepek
n kemudi
n dil
kuk
n; pert
m
deng
n menggun
k
n 75 d
t
rus
h
sil pem
e
n
n deng
n teknik
ll or nothing d
n y
ng kedu
deng
n teknik pem
e
n
n kondisi keseim
ng
n. Perlu dic
t
t
hw
per
nding
n MAT dil
kuk
n p
d
sistem 28 zon
. Kelu
r
n y
ng dih
silk
n
d
l
h se
g
i
erikut. P
d
uji pert
m
, deng
n menurunk
n tingk
t ked
l
m
n sistem (d
ri 56 zon
ke 42 zon
), tingk
t ketep
t
n jug
menurun. Metode KTTL d
n KTTLB terlih
t tid
k
egitu pek
di
n
dingk
n deng
n metode KM1 d
n KM2. Deng
n terus menurunk
n tingk
t ked
l
m
n res
olusi sistem zon
(d
ri 42 zon
ke 28 zon
), metode KM1 d
n KM2 terlih
t le
ih t
id
k pek
terh
d
p peru
h
n tingk
t resolusi di
ndingk
n deng
n metode KTTL d
8.18.2
8.18.2.1 Be
er
p
uji kepek
n d
n ke
s
h
n
K
ji
n T
min (1988
c), T
min
nd Willumsen (1988
), d
n T
min
nd Soegondo (19
89) menjel
sk
n
e
er
p
uji kepek
n d
n ke
s
h
n d
ri metode pen
ksir
n deng
n menggun
k
n d
t
ngkut
n
r
ng di pul
u B
li. G
m
r 8.9 memperlih
tk
n desk
ripsi sistem j
ring
n j
l
n di pul
u B
li. P
ngk
l
n d
t
B
li ini merup
k
n
g
i
n d
ri survei region
l OD N
sion
l p
d
t
hun 1982 y
ng dil
kuk
n oleh Dep
rtem
en Pekerj
n Umum d
n Dep
rtemen Perhu
ung
n. D
l
m h
l ini di
sumsik
n terd
p
t
5 jenis komodit
s y
ng
erger
k di d
l
m d
er
h k
ji
n, y
itu miny
k d
n
h
n
k
r c
ir, produk pert
ni
n, produk miner
l d
n kehut
n
n,
r
ng k
pit
l, d
n
r
ng perd
g
ng
n. D
er
h k
ji
n terdiri d
ri 10 zon
(du
di
nt
r
ny
zon
ek
stern
l), 55 simpul, d
n 140 j
l
n s
tu
r
h. Be
er
p
uji y
ng serup
deng
n uj
i di kot
Ripon dil
kuk
n, kecu
li uji deng
n d
t
rus l
lulint
s h
sil peng
m
t
n k
ren
tid
k tersedi
inform
si d
t
rus l
lulint
s. Uji pert
m
dil
kuk
n
deng
n menggun
k
n metode f
ktor pertum
uh
n. Did
p
tk
n
hw
metode Furness d
n Detroit mengh
silk
n MAT ter
ik. Uji kedu
dil
kuk
n deng
n menggun
k
n infor
m
si MAT h
sil peng
m
t
n. Perlu diperh
tik
n
hw
nil
i optimum p
r
meter BoxCo
x y
ng did
p
t d
ri d
t
kot
Ripon digun
k
n untuk d
t
pul
u B
li.
439
Model tr
nsport
si
erd
s
rk
n d
t
rus l
lulint
s
G
m
r 8.9 Deskripsi sistem j
ring
n j
l
n di pul
u B
li (Indonesi
) Sum
er: T
m
in (1988
c)
Peminj
m
n nil
i optimum p
r
meter BoxCox kot
Ripon untuk pul
u B
li tid
k sepen
uhny
en
r k
ren
s
ng
t tid
k mungkin du
jenis perger
k
n y
ng
er
ed
, y
ng
erger
k d
l
m d
er
h k
ji
n y
ng
er
ed
,
k
n serup
peril
kuny
. H
sil menunj
ukk
n
hw
model GO merup
k
n model ter
ik di
ndingk
n deng
n model GR, OP, d
n Furness. Tet
pi, per
ik
n terse
ut h
ny
m
rgin
l di
ndingk
n deng
n model
GR k
ren
penggun
n nil
i optimum p
r
meter tr
nsform
si BoxCox y
ng s
m
. Uji
erikutny
menggun
k
n 30 d
t
rus l
lulint
s h
sil pem
e
n
n (deng
n teknik
l
l or nothing). Uji pert
m
dil
kuk
n deng
n mengg
ungk
n kelim
komodit
s terse
ut menj
di s
tu komodit
s g
ung
n. Uji kedu
menggun
k
n lim
komodit
s. H
sil
ny
se
g
i
erikut. Untuk komodit
s g
ung
n, penggun
n model GO mengh
silk
n
kesesu
i
n y
ng ter
ik dilih
t d
ri
rus l
lulint
sny
untuk seti
p metode pen
ksir
n, diikuti deng
n model GR d
n OP. Tet
pi, h
l y
ng se
likny
terj
di jik
dilih
t d
ri MAT ny
. Terlih
t
hw
semu
metode pen
ksir
n mengh
silk
n MAT y
ng sedikit le
ih jelek di
ndingk
n deng
n MAT y
ng did
p
tk
n d
ri penggun
n
d
t
MAT. H
l ini mempuny
i implik
si s
ng
t penting d
l
m h
l
i
y
pengumpul
n
d
t
d
n pen
ksir
n model. Sel
in itu, nil
i p
r
meter y
ng did
p
t cukup st
i
l untuk seti
p metode pen
ksir
n d
n mirip deng
n nil
i y
ng did
p
t deng
n meng
gun
k
n d
t
MAT. Temu
n ini s
ng
t menggem
ir
k
n d
n penting untuk per
m
l
n k
ren
penggun
n d
t
rus l
lulint
s mengh
silk
n
440 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
nil
i p
r
meter y
ng st
il d
n mirip deng
n nil
i y
ng menggun
k
n d
t
MAT. Un
tuk lim
komodit
s, seti
p metode pen
ksir
n mengh
silk
n
rus l
lulint
s y
ng m
empuny
i kesesu
i
n y
ng le
ih
ik d
l
m
rus l
lulint
s d
n MATny
jik
di
nd
ingk
n deng
n h
sil komodit
s g
ung
n. Per
nding
n
nt
r
MAT did
s
ri kom
in
n jug
dil
kuk
n untuk mempel
j
ri peng
ruh penggun
n juml
h d
t
r
us l
lulint
s y
ng
er
g
m terh
d
p ketep
t
n MAT ny
. Tujuh set d
t
rus l
lul
int
s digun
k
n (3, 5, 10, 15, 20, 25, d
n 30 ru
s). Ditemuk
n
hw
penggun
n
le
ih d
ri 5 d
t
rus l
lulint
s meningk
tk
n ketep
t
n sec
r
ny
t
. Temu
n in
i mempuny
i implik
si y
ng s
ng
t
ik d
l
m h
l
i
y
pengumpul
n d
t
d
n pen
ksir
n model. Be
er
p
temu
n penting y
ng diperoleh T
min (1988
) disimpulk
n d
l
m t
el 8.2 y
ng memperlih
tk
n peringk
t kinerj
seti
p metode pen
ksir
n y
ng terg
ntung p
d
kriteri
tertentu. T
el 8.2 d
p
t digun
k
n se
g
i
cu
n
r
h
n untuk menentuk
n metode pen
ksir
n y
ng ter
ik. H
ny
h
sil d
ri model GR
d
n GO y
ng dis
jik
n k
ren
model OP sel
lu mengh
silk
n kelu
r
n y
ng tid
k
ik. Sk
l
pemeringk
t
n digun
k
n untuk memperlih
tk
n kinerj
metode pen
ksir
n
, sesu
i deng
n seti
p kriteri
. Sk
l
1 menunjukk
n kinerj
p
ling jelek, sed
n
gk
n 8 menunjukk
n kinerj
ter
ik.
8.18.2.2 Kesimpul
n
T
el 8.2 Peringk
t kinerj
metode pen
ksir
n sesu
i deng
n kriteri
Model d
n m
etode pen
ksir
n
KTTL GR KTTLB KM1 KM2 KTTL GO KTTLB KM1 KM2 C
t
t
n: (8) A
Kriteri
A
4 1 3 2 8 5 7 6
B
8 5 6 7 4 1 2 3
C
8 5 7 6 NA NA NA NA
D
5 6 8 7 NA NA NA NA
E
4 1 3 2 8 5 7 6
F
6 8 5 7 NA NA NA NA
Sum
er: T
min (1988
)
> Ter
ik ... (1) > Terjelek > Ketep
t
n B > W
ktu komputer C > Kepek
n terh
d
p g
l
t d
l
m d
t
rus l
lulint
s D > Kepek
n terh
d
p resolusi sistem zon
d
n j
ri
ng
n E > Kepek
n terh
d
p juml
h d
t
rus l
lulint
s F > Pener
p
n untuk
ngkut
n
r
ng (5 komodit
s) NA > Tid
k tersedi
D
ri t
el 8.2 d
p
t di
m
il du
kesimpul
n
khir
erikut ini.
Model tr
nsport
si
erd
s
rk
n d
t
rus l
lulint
s
441
D
ri sisi MAT terlih
t
hw
model GO sel
lu mengh
silk
n MAT y
ng ter
ik. Tet
pi, h
sil terse
ut h
ny
sec
r
m
rgin
l le
ih
ik di
ndingk
n deng
n MAT y
ng
did
p
t deng
n model GR. Deng
n mempertim
ngk
n h
sil kriteri
l
inny
, d
p
t
disimpulk
n
hw
metode pen
ksir
n ter
ik
d
l
h kom
in
si model GR deng
n met
ode pen
ksir
n KTTL d
n KM1. Deng
n
e
er
p
ukti y
ng
d
terlih
t
hw
ketep
t
n MAT y
ng dih
silk
n h
ny
sedikit le
ih jelek di
ndingk
n deng
n MAT y
ng
did
p
t deng
n menggun
k
n d
t
survei MAT. Temu
n ini menyimpulk
n
hw
pendek
t
n pen
ksir
n model ke
utuh
n
k
n tr
nsport
si deng
n d
t
rus l
lulint
s me
m
erik
n h
sil y
ng s
ng
t menggem
ir
k
n d
l
m h
l
i
y
pengumpul
n d
t
d
n
i
y
pen
ksir
n model. Sel
in itu, pendek
t
n ini mengh
silk
n nil
i p
r
meter y
ng s
ng
t
ergun
gi tuju
n per
m
l
n.
kur
si MAT
Pokok perm
s
l
h
n y
ng
k
n di
h
s d
l
m su
ini
d
l
h
hw
tingk
t
kur
si MAT y
ng dih
silk
n d
ri d
t
rus l
lulint
s s
ng
t dipeng
ruhi oleh resolus
i sistem zon
d
n sistem j
ring
n j
l
n di d
er
h k
ji
n. P
tunr
ngi, T
min, Sj
T
t
c
r
penomor
n titik simpul, kodefik
si zon
d
n penghu
ung pus
t zon
perl
u diser
g
mk
n untuk memud
hk
n d
l
m mel
kuk
n
n
lisis sistem zon
d
n sistem
j
ring
n p
d
seti
p sken
rio y
ng
k
n diter
pk
n. Untuk itu di
utuhk
n su
tu
cu
n
t
u
r
h
n d
l
m penet
p
n penomor
n titik simpul d
n kodefik
si sistem y
ng meliputi sistem j
ring
n
rteri, kolektor, d
n lok
l sert
sistem zon
kelur
h
n, kec
m
t
n, d
n wil
y
h.
Sistem penomor
n d
n kodefik
si Penomor
n titik s
impul d
n kodefik
si dir
s
k
n s
ng
t penting dil
kuk
n sec
r
terstruktur untuk
menghind
ri kemungkin
n terj
diny
kes
l
h
n p
d
s
t pengol
h
n d
t
ik sis
tem zon
m
upun sistem j
ring
n j
l
n. Ad
pun penomor
n titik simpul d
n kodefik
si y
ng dim
ksud dijel
sk
n se
g
i
erikut:
442 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
penomor
n titik simpul, menggun
k
n tig
ngk
di m
n
ngk
pert
m
menunjukk
n
jenis pertemu
n j
ring
n j
l
n y
ng mem
entuk simpul kemudi
n diikuti du
ngk
erikutny
y
ng merup
k
n urut
n d
ri nomor simpul terse
ut. Penomor
n terse
ut
d
p
t dilih
t p
d
t
el 8.3
erikut ini:
T
el 8.3 Penomor
n titik simpul No
1 2 3
Pertemu
n j
ring
n
rteri x
rteri
rteri x kolektor Arteri x lok
l
Contoh penomor
n
101, 102, 103, 104, .dst 201, 202, 203, 204, ..dst 301, 302, 303, 304, ...dst
No
4 5 6
Pertemu
n j
ring
n
kolektor x kolektor kolektor x lok
l lok
l x lok
l
Contoh penomor
n
401, 402, 403, 404, ..dst 601,602,...700, 701, ..dst 901, 902, 903, 904, ..dst
Sum
er: P
tunr
ngi, T
min, Sj
fruddin (1999)
P
d
h
l khusus sistem penomor
n titik simpul tid
k
erl
ku sesu
i deng
n contoh
di
t
s, h
l ini dise
k
n k
ren
kekonsisten
n penomor
n y
ng did
s
rk
n p
d
urut
n hier
rki sistem j
ring
n j
l
n. kodefik
si zon
, pem
gi
n zon
diurut
erd
s
rk
n kode pem
gi
n wil
y
h, kec
m
t
n, d
n kelur
h
n deng
n menggun
k
n
ngk
w
l 8 untuk Kot
m
dy
B
ndung d
n
ngk
w
l 9 untuk K
up
ten B
ndung. Se
g
i contoh 8111, 8224, 8335 untuk Kot
m
dy
B
ndung d
n 9111, 9261, 9331 untuk
K
up
ten B
ndung. Kodefik
si penghu
ung pus
t zon
, menggun
k
n
ngk
pert
m
1 y
ng diikuti deng
n tig
ngk
erikutny
di m
n
ngk
terse
ut meny
t
k
n ur
ut
n d
ri pus
t penghu
ung zon
y
ng digun
k
n, seperti 1001, 1099, 1130, d
n se
terusny
.
Prosedur penomor
n titik simpul d
n kodefik
si Prosedur penomor
n d
n kodefik
si
terse
ut tel
h disusun d
l
m
entuk t
h
p
n se
g
i
erikut: 1 menyi
pk
n pet
d
s
r y
ng memu
t sistem j
ring
n j
l
n d
n
t
s d
er
h menurut
dministr
si (w
il
y
h, kec
m
t
n, kelur
h
n) y
ng meliputi seluruh d
er
h k
ji
n; mengidentifik
si sistem j
ring
n j
l
n
rteri d
n mel
kuk
n penomor
n terh
d
p pertemu
n j
l
n terse
ut sesu
i deng
n sistem y
ng tel
h ditet
pk
n se
elumny
; ul
ngi l
ngk
h
2) di
t
s terh
d
p pertemu
n sistem j
ring
n j
l
n l
inny
d
n l
kuk
n penomor
n terh
d
p pertemu
n terse
ut sesu
i sistem y
ng tel
h ditet
pk
n. L
kuk
n untu
k seluruh pertemu
n ru
s j
l
n y
ng
d
; l
ngk
h sel
njutny
d
l
h kodefik
si s
istem zon
deng
n mem
gi d
er
h k
ji
n d
l
m
t
s wil
y
h, kemudi
n seti
p wil
y
h di
gi menj
di zon
kec
m
t
n, d
n sel
njutny
kec
m
t
n di
gi l
gi menj
d
i zon
terkecil y
itu zon
kelur
h
n;
2
3
4
Model tr
nsport
si
erd
s
rk
n d
t
rus l
lulint
s
443
5
tentuk
n kodefik
si d
ri seti
p zon
erd
s
rk
n l
ngk
h 4) deng
n mengikuti pet
unjuk p
d
penjel
s
n kodefik
si zon
. L
kuk
n untuk semu
zon
y
ng
d
d
l
m d
er
h k
ji
n; menet
pk
n kodefik
si penguhu
ung pus
t zon
y
ng menghu
ungk
n pu
s
t zon
ke ru
s j
l
n deng
n mengikuti petunjuk di
t
s; mengukur p
nj
ng seti
p ru
s j
l
n
nt
r
du
titik simpul y
ng
erdek
t
n, h
l ini dil
kuk
n untuk se
mu
ru
s j
l
n y
ng
d
d
l
m d
er
h k
ji
n sehingg
mem
entuk sistem j
ring
n y
ng tertutup.
6 7
T
t
c
r
penomor
n titik simpul, kodefik
si zon
d
n penghu
ung pus
t zon
d
p
t dilih
t p
d
g
m
r 8.10.
207 210
305 304 206 303 103
204
601
602
211
212 428
213
429 214
1082
205
1080
8073
222
449
223
224
226
G
m
r 8.10 Kodefik
si d
n penomor
n titik simpul
Keter
ng
n g
m
r: j
l
n
rteri pus
t zon
j
l
n kolektor titik simpul j
l
n lok
8.18.3.2 Pengol
h
n d
t
D
t
rus l
lulint
s y
ng diperoleh d
ri survei l
p
ng
n (d
t
primer) d
n d
t
sekunder d
ri inst
nsi terk
it diol
h sesu
i ke
utuh
n.
Sistem zon
Sistem pem
gi
n zon
did
s
rk
n p
d
sistem t
t
gun
t
n
h di m
n
s
tu s
tu
n t
t
gun
t
n
h did
p
t deng
n mem
gi wil
y
h k
ji
n menj
di
gi
n y
ng le
ih kecil (zo
n
) y
ng di
ngg
p mempuny
i
444 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
keser
g
m
n t
t
gun
t
n
h
t
u
er
d
di
w
h su
tu
dministr
si pemerint
h
n
tertentu seperti kelur
h
n, kec
m
t
n,
t
u wil
y
h. Seti
p zon
k
n diw
kili
oleh s
tu pus
t zon
. D
er
h k
ji
n di
gi menj
di 145 zon
y
ng terdiri d
ri 13
9 zon
intern
l d
n 6 zon
ekstern
l; 100 zon
intern
l
er
d
di wil
y
h Kot
m
dy
B
ndung d
n 39 zon
intern
l l
inny
di K
up
ten B
ndung. Sistem pem
gi
n
zon
di Kot
m
dy
B
ndung dil
kuk
n
erd
s
rk
n
sis kelur
h
n;
k
n tet
pi unt
uk kelur
h
n y
ng memiliki j
ring
n j
l
n ter
t
s khususny
p
d
d
er
h pinggir
n kot
dig
ungk
n deng
n kelur
h
n terdek
t sehingg
juml
h kelur
h
n menj
di
100 zon
. Untuk K
up
ten B
ndung, sistem pem
gi
n zon
dil
kuk
n
erd
s
rk
n k
elur
h
n se
ny
k 39 zon
y
ng diut
m
k
n di lok
si peng
m
il
n d
t
rus l
luli
nt
s; sed
ngk
n untuk d
er
h y
ng
g
k j
uh d
ri lok
si peng
m
il
n d
t
dil
kuk
n pengg
ung
n
ik kelur
h
n m
upun kec
m
t
n. D
l
m k
ji
n ini, sistem zon
d
i
gi seperti t
el 8.4
erikut. Untuk le
ih rinci, resolusi sistem zon
erd
s
rk
n wil
y
h (Z1) d
n kelur
h
n (Z4) d
p
t dilih
t p
d
g
m
r 8.118.12.
T
el 8.4 Sistem zon
erd
s
rk
n sken
rio No
1 2 3 4
Sistem zon
erd
s
rk
n
Kelur
h
n G
ung
n
nt
r kelur
h
n Kec
m
t
n Wil
y
h
Not
si
Z4 Z3 Z2 Z1
Sum
er: P
tunr
ngi, T
min, Sj
fruddin (1999)
Pengg
ung
n zon
dil
kuk
n sec
r
ert
h
p
erd
s
rk
n hier
rki pem
gi
n zon
(kelur
h
n, kec
m
t
n, d
n wil
y
h). Kriteri
y
ng digun
k
n d
l
m proses pengg
ung
n zon
d
l
h: keser
g
m
n t
t
gun
l
h
n j
ring
n j
l
n y
ng
d
d
l
m su
tu zon
ter
t
s lok
si zon
erdek
t
n
H
sil pengol
h
n d
t
resolusi sistem zon
y
ng digun
k
n p
d
d
er
h k
ji
n ini
d
p
t dilih
t p
d
t
el 8.5 d
n g
m
r 8.13.
T
el 8.5 Juml
h zon
y
ng digun
k
n p
d
d
er
h k
ji
n
erd
s
rk
n peru
h
n si
stem zon
. No
1 2 3 4
Pem
gi
n zon
erd
s
rk
n
Kelur
h
n G
ung
n kelur
h
n Kec
m
t
n Wil
y
h
Juml
h zon
Kot
m
dy
B
ndung
100 50 26 6
K
up
ten B
ndung
39 39 17 6
Ekstern
l
6 6 6 6
Tot
l
145 95 49 18
Sum
er: P
tunr
ngi, T
min, Sj
fruddin (1999)
Model tr
nsport
si
erd
s
rk
n d
t
rus l
lulint
s
445
CISARUA
LEMBANG
9102
PADALARANG NGAMPRAH
9101
Keter
ng
n : 811 = Zon
PAROMPONG
9102 9201 9201
9101
CIMENYAN
CIMAHI UTARA
9101
CILENGKRANG
CIMAHI TENGAH
8200 8100
JATINANGOR
9201 CIMAHI SELATAN 8300 8400
8500
CILEUNYI
MARGA ASIH
8600 9202 9300
SOREANG MARGAHAYU DAYEUHKOLOT
9203
9202
BOJONGSOANG
9202
RANCAEKEK
9300
KATAPANG
9300
PAMEUNGPEUK MAJALAYA
G
m
r 8.11 Resolusi sistem zon
erd
s
rk
n wil
y
h (Z1) Sum
er: P
tunr
ngi, T
min, Sj
fruddin (1999)
CISARUA LEMBANG
9111 9116 9115
9114 9144 9152 9113
PADALARANG
NGAMPRAH
9112
Keter
ng
n : 811 = Zon
9141 9151
PAROMPONG
8111 8211 8212 9121
9143
9271
8112 8114 8113
CIMENYAN
8251 9131
CIMAHI UTARA
9281
8213
8221
CILENGKRANG
9142
CIMAHI TENGAH
8123 8121 8122 8224 8 2 8125 8131 2 8223 8226 8254 8124 2 8225 8141 8261 8262 82
628531 8531 8252 81 8532 8532 8231 8541 8532 82 8253 JATINANGOR 81 8132 338134 8
2648263 9291 8232 8136 65 8233 8266 CIMAHI SELATAN 4281 8521 8521 8531 32 8541 8
441 8532 43 8135 8242 8532 8241 8144 8145 8441 8431 8511 83 8146 8243 8431 8533
11 8244 8541 85041 8441 83348341 8312 8432 8521 83484 8421 8317 8541 2 118421 84
43 8316 8322 84043 8333 8343 8412 8422 8423 8432 8313 CILEUNYI 8333 8321 8331 85
33 8413 848 8433 8442 MARGA ASIH 8313 9261 8424 334 8344 9221 8351 8415 3 83 832
38332 8632 3 14 8621 8414 8425 8345 8315 8324 8353 8631 84 8414 8631 16 8352 861
1 8622 8352 8325 8326 8611 8611 83 8352 8611 8622 52 8631 MARGAHAYU 9211 9211 92
31 9243 DAYEUHKOLOT 9244 9212 9245 RANCAEKEK9242 9214
9241
BOJONGSOANG
9251
9333
SOREANG
9331 KATAPANG 9335
9311
9334 9332
9246
PAMEUNGPEUK
9336
9321
MAJALAYA
G
m
r 8.12 Resolusi sistem zon
erd
s
rk
n kelur
h
n (Z4) Sum
er: P
tunr
ngi,
T
min, Sj
fruddin (1999)
446 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
. Z o n
k e lu r
h
n
1317 701 8220 704 703 702 700 1039 699 725 947 681 418 417 668 799 242 413 399 3
55 1318 354 676 946 671 670 1320 1035 669 8230 672 943 4 2 51 0 3 6 9 4 2 667 42
7 1 3 2 46 6 4 6 6 3 657 6 6 5 426 666 416 719 940 939 1033 675 722 945 412 1032
674 415 944 662 312 9 96 63 3 1 10 03 31 1 66 77 33 234 1025 2 24 41 1 706 1022
. Z o n
g
1317 701 704 1020
669 1320 671 1035
3 1 10 03 31 1 66
u n g
703 706
672 943
77 33 2
n k e lu r
h
n
1022 798 799 242 413 399 355 1318 354 676 946 416 670
1033 675 722 945 412 1032 674 415 944 662 312 9 96 63
23 34 4 1025 2 24 41 1 705 709 708 8200 410 1319 410
1020
702 700 1039 699 725 947 681 418 417 668 657
699 679 1034 677 680 678 798 8250
8260 4 41 11 1
699 679 1034 677 680 678 798
4 41 11 1
4 2 51 0 3 6 426
942 667 427 666
6 6 5 1 3 2 46 6 4 6 6 3 940 939
80 23 47 0 424 8 941 1322 1037
424 8037 941 1322 1037
719
c . Z o n
k e c
m
t
n
d . Z o n
w il
y
h
G
m
r 8.13
d. Sken
rio I (sistem zon
eru
h, sistem j
ring
n tet
p) Sum
er: P
tunr
ngi, T
min, Sj
fruddin (1999)
Keter
ng
n g
m
r: J
l
n
rteri J
l
n kolektor J
l
n lok
l pus
t zon
1020 pengh
u
ung pus
t zon
t
s zon
Sistem j
ring
n J
ring
n j
l
n di Kot
m
dy
B
ndung d
n sekit
rny
merup
k
n pr
s
n
y
ng s
ng
t menunj
ng d
l
m mel
kuk
n
ktifit
s seh
rih
ri. Sesu
i deng
n f
ungsiny
, sistem j
ring
n j
l
n di
gi
t
s 3 kelompok y
itu j
l
n
rteri, j
l
n
kolektor, d
n j
l
n lok
l. D
l
m k
ji
n ini, sistem j
ring
n j
l
n di
gi
erd
s
rk
n sken
rio p
d
t
el 8.6
erikut. Untuk le
ih rinci, resolusi sistem j
rin
g
n
erd
s
rk
n
rteri + se
gi
n kolektor (J1) d
n
rteri + kolektor + lok
l (J
4) d
p
t dilih
t p
d
g
m
r 8.148.15.
T
el 8.6 Sistem pem
gi
n j
ring
n
erd
s
rk
n sken
rio No
1 2 3 4
J
ring
n j
l
n
erd
s
rk
n
Arteri + Kolektor + Lok
l Arteri + Kolektor + se
gi
n Lok
l Arteri + Kolektor A
rteri + se
gi
n Kolektor
Not
si
J4 J3 J2 J1
Sum
er: P
tunr
ngi, T
min, Sj
fruddin (1999)
Model tr
nsport
si
erd
s
rk
n d
t
rus l
lulint
s
447
Keter
ng
n :
J
l
n
rteri J
l
n kolektor J
l
n lok
l
G
m
r 8.14 Resolusi sistem j
ring
n
erd
s
rk
n
rteri + se
gi
n kolektor (J1)
Sum
er: P
tunr
ngi, T
min, Sj
fruddin (1999)
Keter
ng
n :
J
l
n
rteri J
l
n kolektor J
l
n lok
l
G
m
r 8.15 Resolusi sistem j
ring
n
erd
s
rk
n
rteri + kolektor + lok
l (J4)
Sum
er: P
tunr
ngi, T
min, Sj
fruddin (1999)
c
G
ung
n sistem zon
d
n j
ring
n An
lisis dil
kuk
n
erd
s
rk
n 3 (tig
) sken
r
io y
ng dikem
ngk
n d
ri
er
g
i sistem pem
gi
n zon
d
n j
ring
n j
l
n sepe
rti t
el 8.7
erikut.
448 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
T
el 8.7
Sken
rio I (sistem zon
tet
p, sistem j
ring
n
eru
h) No
1 2 3 4
T
el 8.7
Sken
rio II (sistem zon
tet
p,
eru
h, sistem j
ring
n tet
p) No
1 2 3 4
Sistem j
ring
n
eru
h
J4 J3 J2 J1
Sistem zon
tet
p
Z4 Z4 Z4 Z4
Kom
in
si
J4 Z4 J3 Z4 J2 Z4 J1 Z4
Sistem j
ring
n tet
p
J4 J4 J4 J4
Sistem zon
eru
h
Z4 Z3 Z2 Z1
Kom
in
si
J4 Z4 J4 Z3 J4 Z2 J4 Z1
T
el 8.7c Sken
rio III (sistem zon
d
n j
ring
n
eru
h) No
1 2 3 4 5 6 7 8
Kom
in
si
Z1 x J1 Z2 x J1 Z3 x J1 Z4 x J1 Z1 x J2 Z2 x J2 Z3 x J2 Z4 x J2
No
9 10 11 12 13 14 15 16
Kom
in
si
Z1 x J3 Z2 x J3 Z3 x J3 Z4 x J3 Z1 x J4 Z2 x J4 Z3 x J4 Z4 x J4
Sum
er: P
tunr
ngi, T
min, Sj
fruddin (1999)
P
ngk
l
n d
t
untuk sistem zon
d
n j
ring
n terh
lus (Z4J4)
k
n dij
dik
n se
g
i
cu
n d
l
m mel
kuk
n peru
h
n sistem zon
d
n sistem j
ring
n
erd
s
rk
n
sken
rio y
ng tel
h ditet
pk
n. d Resolusi sistem j
ring
n Resolusi sistem j
ri
ng
n y
ng digun
k
n p
d
sken
rio II d
n III dil
kuk
n terh
d
p sistem zon
d
n
j
ring
n terh
lus (Z4J4). Pelep
s
n j
ring
n dil
kuk
n sec
r
ert
h
p deng
n me
mperh
tik
n hier
rki j
ring
n j
l
n y
itu j
l
n
rteri, kolektor, d
n lok
l. D
l
m mel
kuk
n pelep
s
n j
ring
n, terd
p
t
e
er
p
h
l tertentu y
ng h
rus diper
h
tik
n seperti y
ng terlih
t p
d
g
m
r 8.16.
No
1
Al
s
n
Ru
s terse
ut merup
k
n lok
si peng
m
il
n d
t
volume
rus l
lulint
s temp
t
421
Skets
653
402
2
Bertemuny
rus se
r
h d
n du
r
h p
d
su
tu titik simpul
403
467
3
Berpis
hny
rus se
r
h p
d
s
tu titik simpul y
ng
er
s
l d
ri
rus se
r
h
65
428
4
Bertemuny
rus se
r
h p
d
s
tu titik simpul dim
n
rus terse
ut
k
n
erpenc
r
20
21
G
m
r 8.16 H
l khusus y
ng h
rus diperh
tik
n p
d
s
t mel
kuk
n penyederh
n
n sistem j
ring
n. Sum
er: P
tunr
ngi, T
min, Sj
fruddin (1999)
Model tr
nsport
si
erd
s
rk
n d
t
rus l
lulint
s
449
Terlih
t
hw
terd
p
t ru
s j
l
n y
ng h
rus dipert
h
nk
n s
mp
i keseluruh
n p
eru
h
n dil
kuk
n tet
pi terd
p
t jug
ru
s j
l
n y
ng p
d
t
h
p pelep
s
n j
r
ing
n hier
rki tertentu tel
h d
p
t dihil
ngk
n. Persy
r
t
n terse
ut digun
k
n
se
g
i
cu
n d
l
m mel
kuk
n pelep
s
n j
ring
n p
d
d
er
h k
ji
n. Resolusi si
stem j
ring
n p
d
sken
rio II d
p
t dilih
t p
d
g
m
r 8.17
erikut.
701 8223 704 1020 703 702 799 242 413 706 1022 8224 705 798 399 355 354 676 8253
1033 675722 1025 4 41 11 1 709 708 8226 8252 2 24 41 1 410 410 701 8223 704 102
0 703 702 799 242 413 706 1022 8224 705 798 399 355 354 676 8253 1033 675 1025 4
11 709 708 8226 8252 241 410
8231 1039 700 1039 699 725 681
8231 700 1039 699 725 681
699 679 1034 677 680 678 8225
699 679 1034 677 680 678 8225
947 798 418 668 416
417
946 82339 96 63 3 671 8241 945 412 670 1032 669 1035 8242 672 674 1031 943 1036
942 425 66 7733 6 6 74 2 7 415 664 663 657 665 426 666 944 234 940 939 719 80 23
37 2 424 8 941 662 312 1037
722 946 8233 418 671 8241 945 412 670 4 1 6 417 668 1032 1035 669 672 8242 674 9
43 1036 425 673 6 6 74 2 7 415 664 663 657 665 426 666 234 940 939 719 424 8232
662 312 1037
947 798
. J
rin g
n A + K + L
8223 704 703 702 799 242 413 725 681 947 706 1022 8224 705 798 399 355 354 676 8
253 1033 675 671 8241 1035 672 664 663 722 8233 412 1032 674 673 234 312 1025 41
1 709 708 8226 8252 241 8231 410
. J
rin g
n A + K + L *
8223 704 703 702 8252 242 413 399 355 354 676 8253 1033 675 671 8241 1035 672 10
25 241 709 708 8224 8226
701
8231 700
699 679 1034 677 678 680 8225 416
699 679 1034 677 680 678 8225
418 417 668
670 669 8242 1 0 3 6 425 427 665 657 4 2 6 6 6 76 6 6 424 8232 719 1037 1380
418 417 668 657
415 662
670 669 8242 1036 416 426
8233 412 1032 674 673 662 234 312
415
424 8232 1380 1037
c . J
rin g
n A + K
d . J
rin g
n A + K *
G
m
r 8.17
d Sken
rio II (sistem zon
tet
p, sistem j
ring
n
eru
h Sum
er: P
t
unr
ngi, T
min, Sj
fruddin (1999)
Keter
ng
n g
m
r: j
l
n
rteri j
l
n kolektor 1020 penghu
ung pus
t zon
t
s
zon
An
lisis ini dil
kuk
n untuk menget
hui peng
ruh y
ng ditim
ulk
n
ki
t
d
ny
peru
h
n sistem zon
d
n j
ring
n di d
er
h k
ji
n terh
d
p tingk
t
kur
si MAT
y
ng dih
silk
n d
ri d
t
rus l
lulint
s. D
l
m k
ji
n ini, MAT
k
n dih
silk
n d
ri inform
si 74
u
h d
t
rus l
lulint
s h
sil peng
m
t
n deng
n menggun
k
n pendek
t
n model ke
utuh
n
k
n tr
nsport
si. An
lisis y
ng dil
kuk
n di
gi d
l
m 3 t
h
p se
g
i
erikut:
8.18.3.3 H
sil
n
lisis
penguji
n sken
rio I
(sistem zon
tet
p, sistem j
ring
n
eru
h)
penguji
n sken
rio II (sistem zon
eru
h, sistem j
ring
n tet
p)
450 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
Penguji
n sken
rio III (sistem zon
d
n j
ring
n
eru
h)
B
g
n
lir d
ri prosedur penguji
n
Sken
rio peru
h
n: 1. Sistem zon
eru
h, sistem j
ring
n tet
p 3.
l
lulint
s h
sil peng
m
t
n Model
d
p
t dilih
t seperti g
m
r 8.18.
tet
p, sistem j
ring
n
eru
h 2. Sistem zon
Sistem zon
d
n j
ring
n
eru
h 74 d
t
rus
gr
vity opportunity
Pem
e
n
n keseim
ng
n
K
li
r
si p
r
meter model GO deng
n metod
KTTL
MAT h
sil proses estim
si MAT Z4J4 (se
g
i MAT pem
nding)
Uji st
tistik RMSE, R , NMAE
2
Kesimpul
n
G
m
r 8.18 Di
gr
m
lir penguji
n
erd
s
rk
n inform
si d
t
rus l
lulint
s Su
m
er: P
tunr
ngi, T
min, Sj
fruddin (1999)
Pener
p
n model d
n k
li
r
si p
r
meter T
h
p
w
l y
ng dil
kuk
n d
l
m penggun
n model gr
vity opportunity (GO)
d
l
h menentuk
n p
r
meter dan . Paramtr tr
sbut harus dittapkan trlbih dahulu sblum mlakukan pnaksiran trhadap par
amtr lainnya. Dngan mntapkan bbrapa variasi kombinasi nilai =01,0 an =01,0
engan inteval 0,1; etia kombinai akan menghailkan nilai fungi tujuan S. Da
i hail uji yang ilakukan tehaa (, , dan S) maka nilai minimum S trjadi pada
titik =1,0 dan =0. Nilai dan trsbut kmudian digunakan slanjutnya untuk mnghi
tung nilai paramtr lainnya yang blum diktahui ( d
n ) deng
n menggun
k
n metod
pen
ksir
n Ku
dr
t Terkecil Tid
kLine
r (KTTL). Nil
i p
r
meter y
ng did
p
t
k
n digun
k
n sel
njutny
untuk men
ksir MAT deng
n menggun
k
n model GO. H
sil
nil
i =1,0 dan =0 mnunjukkan bahwa pada titik trsbut modl O akan mnghasilkan
MAT yang paling mndkati MAT hasil obsrvasi. Slain itu, nilai trsbut mnun
jukkan bahwa prgrakan kndaraan pada darah kajian mmbrikan bobot yang lbih
bsar pada komponn opportunity dibandingkan dngan komponn gravity.
Modl transportasi brdasarkan data arus lalulintas
451
Hal ini dapat dijlaskan sbagai brikut. Data yang digunakan adalah data hasil
survi antara jam 7.008.00 agi ehingga egeakan aa aat itu ebagian bea
aalah egeakan untuk tujuan bekeja. Untuk egeakan untuk tujuan bekeja i
aeah ekotaan, efek ootunity iekiakan lebih ominan ibaningkan eng
an efek gavity (biaya). Hal ini iebabkan kaena emakin begeenya aeah e
umahan ke aeah inggian kota eangkan lokai ekejaan teta beaa i ua
t kota (teaat keceneungan emakin beanya ata ata jaak antaa temat ti
nggal engan temat bekeja). Dengan kata lain, eeoang engan tujuan bekeja
akan melakukan egeakan ke temat bekeja (efek ootunity) tana memehatik
an beaa bea biaya yang ibutuhkan ke temat bekeja teebut (efek gavity).
b Pengujian kenaio I (item zona teta, item jaingan beubah) Uji ini il
akukan untuk mengetahui beaa bea engauh yang itimbulkan akibat aanya e
ubahan item jaingan tehaa tingkat akuai MAT hail enakian ai ata a
u lalulinta engan menggunakan enekatan moel GO. Kuantifikai yang igunak
an untuk melihat eubahan item jaingan aa uji kenaio I telihat aa tab
el 8.8. Uji ini ilakukan engan menggunakan 3 inikato uji tatitik RMSE, R2,
an NMAE eeti telihat aa tabel 8.9, eangkan hail uji engan inikato
RMSE an NMAE aat ilihat aa gamba 8.19.
Tabel 8.8 Kuantifikai eubahan item jaingan kenaio I Kuantifikai eubah
an jaingan No
1 2 3 4
Panjang x Kaaita Panjang/Lua aeah 2 (m.km/jam) (Km/Km )
2.137.948 1.974.517 1.778.676 1.704.089 1,718 1,574 1,479 1,453
PanjangxKaaita/Lua 2 aeah (m.km/jam)/Km
4.922,726 4.546,419 4.095,486 3.923,745
Sumbe: Patunangi, Tamin, Sjafuin (1999) Tabel 8.9 Inikato uji tatitik R
MSE an NMAE ebaningan antaa MAT tehalu (J4 Z4) tehaa MAT (J3 Z4J1 Z4)
engan menggunakan 74 ata au lalulinta No
1 2 3
Jeni engujian
RMSE R
2
MAT 1
0,0000 1,0000 0,0000
MAT 2
4,1898 0,9874 49,2628
MAT 3
4,9451 0,,9642 64,4671
MAT 4
5,1741 0,8208 71,6649
NMAE
Sumbe: Patunangi, Tamin, Sjafuin (1999)
Dai tabel 8.9 an gamba 8.19 telihat bahwa tingkat kealahan antaa MAT teha
lu (Z4J4) engan MAT (Z4J4Z4J1) engan inikato uji tatitik RMSE menunjukkan
ebeaan yang cuku ignifikan. Hal ini menginikaikan bahwa amak eubahan
item jaingan cuku ignifikan tehaa tingkat akuai MAT hail enakian.
452 Ofya Z Tamin, Peencanaan an emoelan tanotai
Panjang
7,50 AK* 6,00 4,50
145 Zona 50 AK* 40 3
Panjang
145 Zona
RMSE
NMAE
3,00 AK 1,50 0,00 3700 3900 4100 4300 4500 4700 AKL 4900 5100 AKL*
20 10 0 3700 3900
AK AKL* AKL 4100 4300 4500 4700 4900 5100
Panjang x Kaaita Lua aeah
145 Zona
Panjang x Kaaita Lua aeah
145 Zona
Gamba 8.19 Uji tatitik RMSE an NMAE ebaningan antaa MAT tehalu (J4 Z4)
tehaa MAT (J3 Z4J1 Z4) akibat eubahan item jaingan Sumbe: Patunangi, T
amin, Sjafuin (1999)
Gamba 8.19 memelihatkan bahwa eubahan item jaingan yang ilakukan aa
kenaio I membeikan MAT hail enakian engan tingkat kealahan yang bevaia
i eeti itunjukkan oleh etemuan titik titik antaa inikato uji tatitik
tehaa kuantifikai ai eubahan item jaingan. Titik etemuan antaa RM
SE tehaa kuantifikai eubahan item jaingan mencaai titik otimum aa
aat enggunaan jaingan AK. Hal ini itunjukkan engan aanya ebeaan hail ya
ng cuku bea ibaningkan engan titik lainnya.
453
Moel tanotai beaakan ata au lalulinta
105 18 90 75 60 49
120 100 80
18
49
RMSE
45 30 15 0 0 25 50 75 100 125 95
NMAE
60 40 20
95
145 150
145 0 0 25 50 75 100 125 150
Jumlah zona
105 18 90 75 49 60
Ja. AKL 120 100 80
Jumlah zona
Ja. AKL
18
RMSE
45 30 15 0 0 30 60 90 120 150 180 95 145 210
NMAE
60 40 20 0 0 30 60
49
95
145 90 120 150 180 210
Jumlah enghubung zona
105 90 75 60 49
Ja. AKL 120 100 80
Jumlah enghubung zona
Ja. AKL
18
18
49
RMSE
45 30 15 0 95 0 5000
NMAE
60 40 20
95
145
0 0
145 5000 10000 15000 20000 25000 30000 Ja. AKL
10000 15000 20000 25000 30000 Ja. AKL
Zona x Penghubung zona
Zona x Penghubung zona
Gamba 8.20 Uji tatitik RMSE an NMAE ebaningan antaa MAT tehalu (J4 Z4)
tehaa MAT (J4 Z3 J4 Z1) akibat eubahan item zona Sumbe: Patunangi, Tami
n, Sjafuin (1999)
Hail uji tatitik RMSE aa tabel 8.11 yang ielihatkan aa gamba 8.20 men
unjukkan bahwa eubahan jumlah zona aa aeah kajian angat beengauh bea
tehaa tingkat akuai MAT. Hal ini aat ilihat ai tingkat kealahan yang
emakin meningkat eiing engan bekuangnya jumlah zona yang igunakan aa
aeah kajian. Tingkat kealahan ini imungkinkan kaena egeakan intazona a
a MAT embaning emakin membea engan bekuangnya jumlah zona yang igunakan
.
Moel tanotai beaakan ata au lalulinta
455
Gamba 8.20 memelihatkan bahwa eubahan item zona yang ilakukan aa kena
io II membeikan MAT hail enakian engan tingkat kealahan yang bevaiai
eeti itunjukkan oleh etemuan titik titik antaa inikato uji tatitik te
haa kuantifikai ai eubahan item zona. Titik etemuan antaa RMSE teh
aa kuantifikai eubahan item jaingan mencaai titik otimum aa aat e
ubahan ai item 95 zona ke 49 zona. Hal ini itunjukkan engan aanya ebea
an hail yang cuku bea ibaningkan engan titik lainnya. Penggunaan item 9
5 zona meuakan emoelan item zona otimum bagi aeah kajian yang aat ig
unakan atokan bagi elakanaan emoelan elanjutnya. c Pengujian kenaio III
(item zona an jaingan beubah) Pengujian ini ilakukan untuk melihat engau
h yang itimbulkan akibat aanya eubahan item zona an jaingan aa aeah
kajian. Data kuantifikai untuk menggambakan engauh eubahan item zona an
jaingan telihat aa tabel 8.12; eangkan hail uji tatitik aat ilihat
aa tabel 8.13.
Tabel 8.12 Kuantifikai yang igunakan untuk menggambakan eubahan item zona
an item jaingan kenaio III (item zona an item jaingan beubah) Kuan
tifikai eubahan item zona an jaingan Peubahan Jumlah item Panjang x {(
Panjang x No zona (m.km/jam) jaingan an Kaaita x Kaaita)/ (Lua (buah)
zona Jumlah zona total)} xJumlah zona 2 (m.km/jam) (m.km/jam)/km Jaingan A
+K+L
Keluahan 1 Gab.keluahan Kecamatan Wilayah Keluahan 2 Gab.keluahan Kecamatan
Wilayah Keluahan 3 Gab.keluahan Kecamatan Wilayah Keluahan 4 Gab.keluahan Ke
camatan Wilayah 145 95 49 18 145 95 49 18 145 95 49 18 145 95 49 18 2.137.948 2.
137.948 2.137.948 2.137.948 310.002.388 203.105.013 104.759.428 38.483.055 286.3
04.936 187.579.096 96.751.323 35.541.302 257.907.991 168.974.201 87.155.114 32.0
16.164 247.092.833 161.888.408 83.500.337 30.673.593 713.795 467.659 241.214 88.
609 659.231 431.910 222.775 81.836 593.845 389.071 200.679 73.719 568.943 372.75
6 192.263 70.627
Jaingan A+K+L*
1.974.517 1.974.517 1.974.517 1.974.517
Jaingan A+K
1.778.676 1.778.676 1.778.676 1.778.676
Jaingan A+K*
1.704.089 1.704.089 1.704.089 1.704.089
Sumbe: Patunangi, Tamin, Sjafuin (1999)
456 Ofya Z Tamin, Peencanaan an emoelan tanotai
Tabel 8.13 Inikato uji tatitik ebaningan antaa MAT tehalu (J4Z4) teha
a MAT etelah eubahan item zona an jaingan Peubahan No Jaingan Zona RM
SE
A+K+L Keluahan 1 Gabungan keluahan Kecamatan Wilayah 145 95 49 18 Sebagai Pemb
aning (Z4J4) 16,0154 68,2895 102,9655 A+K+L* Keluahan 2 Gabungan keluahan Kec
amatan Wilayah 145 95 49 18 1,6296 16,0649 68,9097 104,6629 A+K Keluahan 3 Gabu
ngan keluahan Kecamatan Wilayah 145 95 49 18 2,7529 16,7717 69,0859 108,7215 A+
K* Keluahan 4 Gabungan keluahan Kecamatan Wilayah 145 95 49 18 6,1573 17,0046
69,9809 109,7215 0,8208 0,4074 0,2445 0,0041 46,5160 66,0428 73,9892 119,9865 0,
9642 0,4578 0,2635 0,0059 19,1883 64,5732 72,5668 119,2671 0,9874 0,5026 0,2748
0,0122 11,3285 60,2072 71,3542 117,0648 0,5056 0,2805 0,0167 59,4445 70,6668 115
,7805
Inikato engujian R2 NMAE
Sumbe: Patunangi, Tamin, Sjafuin (1999)
Tabel 8.13 menunjukkan nilai uji tatitik engan melakukan ebaningan antaa
MAT tehalu (J4Z4) tehaa MAT hail enakian (MAT 216) ai ata au laluli
nta engan menggunakan enekatan moel GO. Hail uji ai kenaio III (euba
han item zona an jaingan) telihat aa gamba 8.21. Hiotea awal tentang
eubahan item zona an jaingan aa kenaio III aalah emakin eikit jumla
h zona yang iikuti engan enguangan jumlah jaingan akan menghailkan MAT ha
il enakian yang emakin tiak akuat. Tingkat kealahan yang bea aa kena
io III tejai kaena egeakan intazona cuku bea aa MAT embaning. Hal
ini telihat aa tabel 8.13 ai inikato uji tatitik RMSE, R2, an NMAE ya
ng memelihatkan tingkat kealahan yang emakin bea eiing engan enguanga
n jumlah zona an jaingan jalan aa aeah kajian. Hal ini juga aat ibuktik
an ai hail yang ielihatkan gamba 8.21. Telihat bahwa enguangan jumlah
zona an enguangan akeibilita egeakan akibat eubahan item jaingan a
kan mencaai titik otimum aa aat zona bejumlah 95 buah untuk etia item
jaingan yang igunakan.
Moel tanotai beaakan ata au lalulinta
457
120 100 80
18 Zona 49 Zona
120 100 80
95 Zona 145 Zona
18 Zona 49 Zona 95 Zona
RMSE
NMAE
60 40 20 0 0 50 100 150
60 40 20
145 Zona
200
250
300
350
6
0 0
50
100
150
200
250
300
350
6
Panjang x Kaaita x Jumlah zona (x10 )
A+K+L A+K+L * A+K A+K*
Panjang x Kaaita x Jumlah zona (x10 )
A+K+L A+K+L* A+K A+K*
120
18 Zona
120 100 80
18 Zona 49 Zona 95 Zona
100 80
RMSE
Kajian yang ilakukan betujuan untuk melihat amak 8.18.3.4 Keimulan eubah
an eolui item zona an jaingan tehaa akuai MAT hail enakian ee
ti inyatakan alam kenaio (IIII) engan menggunakan 74 buah ata au lalulint
a i Kotamaya an Kabuaten Banung. Metoa enakian moel tanotai meng
gunakan moel gavity ootunity (GO) ebagai uaha memoel eilaku egeakan
yang tejai aa aeah kajian, eangkan untuk mengkalibai aamete moel
igunakan metoa Kuaat Tekecil Tiak Linea (KTTL). Dai hail uji kenaio II
II aat itaik bebeaa keimulan ebagai beikut: a Hail uji tatitik aa
kenaio I menunjukkan bahwa amak eubahan item jaingan aa aeah kajia
n cuku ignifikan tehaa tingkat akuai MAT hail enakian. Hal ini iel
ihatkan aa gamba 8.19 i mana teaat eubahan nilai uji tatitik RMSE ei
ing engan eubahan item jaingan. Hail uji tatitik RMSE tehaa kenai
o II eeti telihat aa tabel 8.11 an gamba 8.20 memelihatkan aanya am
ak eubahan item zona yang angat ignifikan tehaa tingkat akuai MAT ha
il enakian. Hal ini telihat ai meningkatnya nilai uji tatitik RMSE eii
ng engan bekuangnya jumlah zona yang igunakan aa aeah kajian. Tingkat ke
alahan yang bea aa aat melakukan eubahan item zona eeti aa tabel
8.11 an gamba 8.20 menunjukkan bahwa eubahan item zona membeikan amak y
ang jauh lebih bea tehaa tingkat akuai MAT hail enakian ibaningkan
engan eubahan item jaingan. Tingkat kealahan ini iebabkan kaena cuku
beanya egeakan intazona yang tebentuk aa aat eubahan jumlah zona. Ha
il uji kenaio III eeti telihat aa gamba 8.21 menunjukkan bahwa amak
eubahan item zona an jaingan tehaa tingkat akuai MAT hail enakian
angat ignifikan. Hal ini ielihatkan ai hail uji yang ilakukan i mana
emakin bekuang jumlah zona an jaingan aa aeah kajian maka emain bea
tingkat kealahan yang tejai. Tingkat kealahan yang bea aa kenaio III i
ni iebabkan kaena beanya egeakan intazona yang tejai aa MAT emban
ing. Hail analii ai ketiga kenaio menghailkan MAT otimum untuk etia
kenaio aalah: Skenaio I (eubahan item zona), MAT otimum tejai aa i
tem 95 zona atau zona gabungan keluahan. Skenaio II (eubahan item jaingan
), MAT otimum tejai aa item jaingan AK (atei + kolekto). Skenaio III
(eubahan item zona an jaingan), MAT otimum tejai aa item 95 zona a
tau zona gabungan keluahan engan item jaingan AK (atei + kolekto).
b
c
e
Moel tanotai beaakan ata au lalulinta
459
Hail engujian eubahan item zona an jaingan otimum aat igunakan ebag
ai aa untuk melakukan emoelan i aeah kajian kaena kebutuhan infomai m
engenai item zona mauun jaingan jauh emakin bekuang ehingga waktu engol
ahan ataun menjai lebih ingkat. Beaakan hail kajian yang telah ilakuka
n, bebeaa aan elu ilakukan ebagai langkah engembangan lanjut alam uay
a lebih meningkatkan kualita kajian. Aaun aan teebut aalah ebagai beik
ut: Semakin banyak jumlah ata yang igunakan maka emakin akuat MAT yang akan
ihailkan untuk etia kenaio eubahan item zona an jaingan. Rua jalan
yang akan iuvai ata au lalulintanya aalah ua jalan yang banyak igunak
an oleh etia aangan zona aal tujuan. Untuk kajian lanjut, embagian item
zona aat ilakukan beaakan tata guna tanah eeti emukiman, inuti,
eagangan, an ekantoan ehingga ola egeakan yang tejai aa etia zo
na aat lebih iketahui ehingga item enanganan item jaingan jalan aat
lebih otimal.
8.18.4 Pemoelan kebutuhan akan angkutan umum i Jakata
Jakata ebagai ibukota Reublik Inoneia aa tahun 1996 telah menghaai em
aalahan tanotai, khuunya kemacetan kaena item angkutan umum yang tia
k efiien. Teaat ua jeni angkutan umum, yaitu bu PPD yang ikelola lembaga
emeintah an bebeaa jeni angkutan umum lain yang ikelola ihak wata. Pe
nelitian ini lebih menekankan analii kebutuhan akan bu umum kaena bu memun
yai ute lebih banyak an melayani aeah yang lebih lua ibaningkan engan an
gkutan umum lain (mikobu, mikolet). Di aming itu, bu umum membeikan kont
ibui lebih banyak tehaa emecahan maalah kemacetan i kota Jakata ibanin
gkan engan angkutan umum lain, teutama ai egi kaaita. Kaena itu, ua bu
ah moa ietimbangkan alam Tamin (1995b), yaitu moa angkutan ibai an mo
a angkutan bu umum. Pemeintah DKI Jakata an bebeaa eatemen an intani
tekait lainnya telah mulai melakukan langkah enanggulangan emaalahan tan
otai ini. JUDP (Jakata Uban Develoment Poject) ietai bebeaa intani
tekait lainnya, alam hal ini DLLAJ, Baea an Pulitbang Binamaga telah ba
nyak melakukan uvei an kajian tanotai yang betujuan menaatkan ata at
auun infomai enting untuk igunakan ebagai aa eencanaan enelitian ini
. Bebeaa ata kota Jakata yang igunakan alam enelitian ini ebagian bea
iaat ai hail uvei an kajian tentang angkutan umum i kota Jakata yang
ilakukan oleh JUDP, Binamaga, DLLAJ, an lain lain aa tahun 1990. Data yang
ieoleh aalah ebagai beikut. Dekii jaingan jalan yang meliuti jaak,
keceatan encana, kaaita jalan, kela jalan, jalan atu atau ua aah. Data
au enumang yang ieoleh ai bebeaa ua jalan an ute angkutan umum i
kota Jakata.
460 Ofya Z Tamin, Peencanaan an emoelan tanotai
MAT baik untuk angkutan ibai an angkutan bu umum yang ikomilai ai hai
l uvei wawancaa i tei jalan.
Daat ilihat aa gamba 8.22, aeah kajian kota Jakata ibagi menjai 94 zon
a; 90 zona intenal an 4 zona ektenal. Jaingan jalannya teii ai 700 im
ul an 2.063 ua jalan atu aah. Selain ata jaingan jalan, juga ieoleh 3
32 ata $ l ) yang ilakukan aa bebeaa ua jalan an ehitungan au enum
ang ( V m
m ute angkutan bu umum i kota Jakata, an infomai MAT [ Ti ] beeta m ),
baik untuk angkutan ibai mauun angkutan umum. ( Oim an D
Gamba 8.22 Dekii item jaingan jalan i DKI Jakata Sumbe: Tamin et al (
1989), Tamin an Antono (1992), Tamin (1990c), (1993b)
Moel tanotai beaakan ata au lalulinta
461
Tujuan enelitian aalah menaki MAT egeakan kenaaan i kota Jakata tana
memetimbangkan aanya ebeaan jeni kenaaan (m = 1). Satuan yang iakai
aalah ebagai beikut: l V m = ata au enumang yang ihitung aa ua jalan
tetentu untuk moa m (angkutan umum) alam atuan oang e hai.
m O im , D = ata bangkitan an taikan egeakan untuk etia moa m (ibai
an angkutan umum) alam oang e hai.
Bebeaa keimulan yang aat iambil beaakan hail enelitian aalah ebag
ai beikut. Jumlah ata au enumang yang ielukan ekuang kuangnya ama
engan jumlah aamete yang tiak iketahui. Pemakaian ata yang lebih banyak a
at memeceat oe enakian an hail MAT yang ieoleh aat lebih teat
. Dai bebeaa enelitian an eneaan aat iimulkan bahwa jumlah ata au
lalu linta yang ibutuhkan aalah ekita 25%30% ai keeluuhan ua jalan y
ang aa alam jaingan jalan teebut. Dalam oe enakian, emaalahan uta
ma yang eing itemukan aalah enggunaan metoe Newton. Dielukan nilai awal
yang cuku baik ai aamete yang akan ikalibai untuk menjamin konvegeni
oeu enakian. Nilai awal yang baik ai uatu aamete aalah nilai yang
beekatan engan nilai yang iinginkan. Oleh ebab itu, metoe enekatan el
u ikembangkan untuk menaatkan nilai awal aamete yang baik. Moel aat ig
unakan untuk meamalkan an mengevaluai engauh eubahan haga kaci tehaa
kebutuhan akan angkutan enumang. Dengan mengetahui infomai enumang yang
menggunakan angkutan umum, bia iaat MAT, baik untuk kenaaan ibai mauun
untuk angkutan umum. Penggunaan moel tanotai yang lebih baik aat mengha
ilkan MAT yang keteatannya lebih tinggi. Tetai, keugiannya aalah waktu kom
ute yang lebih lama kaena eoalan matematika yang lebih umit. Teknik embeb
anan ute all o nothing kuang ealiti untuk igunakan alam emoelan emili
han ute i kota Jakata. Ini kaena i bebeaa ua jalan, khuunya i eim
angan, kemacetan angat eing ijumai. Ini menunjukkan aanya hubungan eat a
ntaa keceatan an au. Oleh ebab itu, teknik all o nothing yang memunyai
ini bahwa keceatan aa uatu ua jalan tiak iengauhi oleh beanya au
lalu linta yang melaluinya kuang ealiti untuk igunakan. Teknik Buell j
uga memunyai ini yang ama engan teknik all o nothing, tetai lebih memu
ahkan engenaa memilih ute. Teknik embebanan ute engan bataan kaaita a
tau keeimbangan iaankan untuk iakai untuk enelitian lebih lanjut. Ini ka
ena i aeah
8.18.5
Maalah tanotai atau ehubungan meuakan maalah 8.18.5.1 Umum yang elal
u ihaai oleh negaa yang telah maju an juga oleh negaa yang eang bekemba
ng eeti Inoneia, baik i biang tanotai ekotaan mauun tanotai
antakota. Tecitanya uatu item tanotai atau ehubungan yang menjamin
egeakan manuia an/atau baang ecaa lanca, aman, ceat, muah, an nyaman
meuakan tujuan embangunan i ekto ehubungan (tanotai). Di Inoneia
yang bebentuk keulauan engan aeah yang angat lua, angat iaakan kebut
uhan akan item tanotai (ehubungan) yang efektif alam ati muah, lanca
, ceat, muah teatu an nyaman baik untuk egeakan manuia an/atau baang
. Setia taha embangunan angat memelukan item tanotai yang efiien e
bagai alah atu ayaat guna kelangungan an tejaminnya elakanaan embang
unan teebut. Salah atu komonen enting untuk menunjang etumbuhan ekonomi a
alah jaingan aaana aa; alam hal ini aaana item jaingan tano
tai. Sejak Pembangunan Jangka Panjang I (PJP I) amai ekaang, embangunan
aaana jalan aya menaat ioita utama, kaena jika aaana itu memaai,
kegiatan ekonomi akan aat betumbuh kembang euai engan yang ihaakan. Si
tem tanotai mana yang euai untuk iteakan aa uatu aeah tegantung
aa konii fiik/alami wilayah yang beangkutan mauun konii oial ekonomi
, ekto embangunan yang aa, eta oteni lain yang imiliki aeah teebut.
Moel tanotai beaakan ata au lalulinta
463
Hal ini akan menyebabkan timbulnya egeakan au manuia, kenaaan, an baan
g. Pegeakan ini akan mengakibatkan bebagai macam inteaki, mialnya inteak
i antakota ebagai aa engan aeah inuti, kota ebagai konumen hail e
tanian engan aeah etanian, kota engan aeah aiwiata, an antaa abi
k engan lokai bahan mentah an aa. Bebeaa inteaki aat ilakukan enga
n telekomunikai eeti teleon, fakimil, atau uat (angat menaik untuk ik
etahui bagaimana item telekomunikai yang lebih muah an lebih canggih akan
aat memengauhi kebutuhan akan egeakan i maa menatang). Tetai, hami
emua inteaki yang tejai memelukan ejalanan, an oleh ebab itu akan mengh
ailkan egeakan au lalulinta. Saaan umum ai eencanaan tanotai a
alah membuat inteaki menjai emuah an eefiien mungkin. Sebaan geogafi
antaa tata guna tanah (item kegiatan) eta kaaita an lokai failita t
anotai (item jaingan) igabung beama untuk menaatkan volume an ola
lalulinta (item egeakan). Volume an ola lalulinta aa jaingan tan
otai akan memunyai efek timbal balik tehaa lokai tata guna tanah yang ba
u an elunya eningkatan aaana. Dalam enekatan moel yang igunakan te
aat bebeaa oe yang hau itemuh: 1 ientifikai item ewilayahan an
uat engumul ientifikai an oyeki oteni aeah ientifikai kineja
item jaingan jalan yang aa ientifikai an oyeki egeakan komoiti ea
malan kebutuhan akan egeakan Ientifikai item ewilayahan an uat engu
mul Sitem ewilayahan aalah item keatuan geogafi aeah engan egena
unu yang tekait aanya. Segala unu embangunan yang teaat alam uatu
aeah aat ilihat ai kaakteitik ekembangannya alam kontek tata uang.
Unu embentuk item ewilayahan ini aat beua inikato uang eeti i
tem ehubungan laut, uaa, an aat, eta inikato non uang eeti kegia
tan etanian, kehutanan, etenakan, eikanan, etambangan, mineal, an ai
wiata. Dengan mengetahui item ewilayahan ini, uaya kita memeiki aa ya
ng akan tejai i maa menatang aat ilakukan eini mungkin. Sitem ewila
yahan ini juga bemanfaat bagi eencanaan tategi yang hau itetakan untuk
melakanakan embangunan i maa menatang. Puat engumul aalah temat umbe
aya alam an manuia bekumul alam atu kegiatan, yang mengakibatkan egala
unu yang aa aat beinteaki aling menguntungkan an memanfaatkan ini
ekonomi. Puat engumul umumnya meuakan uatu kota. Kota ini elanjutnya ii
entifikaikan ata kota bea, eang, an kecil. Kaena itu, angat ulit
Moel tanotai beaakan ata au lalulinta
465
antaa aeah engan aeah lain. Bea kecilnya inteaki itunjukkan oleh bea
kecilnya ola ehubungan antaaeah. Di aming itu, mengetahui ola ehubu
ngan bemanfaat alam mewujukan emeataan embangunan i uatu aeah. Pengeta
huan ola ehubungan ini elanjutnya meekomenaikan engembangan item tan
otai beua embangunan, ebaikan, an eningkatan eanan aaana tano
tai beua embangunan, ebaikan an eningkatan aaana an aana jainga
n jalan. Pengembangan item tanotai melalui embangunan jaingan jalan a
a aanya angat eat kaitannya engan eningkatan embangunan. 5 Peamalan keb
utuhan akan egeakan Suatu jaingan tanotai yang baik akan mamu menganti
iai ekembangan. Dengan kata lain, jaingan tanotai hau iencanakan
tiak hanya untuk konii aat ini, melainkan juga untuk konii amai akhi ma
a eencanaannya. Dengan emikian, aat ikatakan bahwa eamalan konii maa
menatang menjai alah atu hal yang teenting alam eencanaan jaingan ta
notai. Peamalan kebutuhan akan egeakan ini aa aanya menganalii e
luuh ata eta ientifikai yang telah ilakukan aa taha ebelumnya.
8.18.5.3 Analii kebutuhan akan egeakan
Analii kebutuhan akan egeakan amai keaa kebutuhan akan jaingan jalan m
engikuti iagam ali eeti aa gamba 8.23 yang ebenanya meuakan enjaba
an ai kone eencanaan tanotai emat taha. Sebelum mauk ke alam o
e eencanaan tanotai, wilayah kajian elu inyatakan alam atuan zona
yang lebih kecil, yang meuakan enyeehanaan atau emoelan wilayah kajian. S
elanjutnya, emua ata yang bekaitan engan bangkitan an taikan egeakan i
aakan aa item bebai zona. Dalam oe emoelan elanjutnya, item z
ona an item jaingan tanotai inyatakan alam bentuk imbol ebagai bei
kut: bata zona beua bata aminitatif, bata alam (mialnya laut, ungai, h
utan) mauun tie bata lainnya; etemuan ua ua jalan atau kota inyatakan
engan imul; ua jalan aat inyatakan engan ua buah imul i ujungnya; u
at zona meuakan lokai imana iaumikan bahwa eluuh egeakan ai/ke zo
na teebut begeakan ke/ai titik teebut; elabuhan an kota yang beaa a
a bata wilayah kajian aat ijaikan titik inlet atau outlet ai/ke aeah k
ajian teebut.
Moel tanotai beaakan ata au lalulinta
467
bata kabuaten/koya ijaikan bata zona ua jalan atei/kolekto ijaikan
ua etemuan ua jalan atei/kolekto (kebanyakan kota) ijaikan imul ibu
kota kabuaten/kotamaya ijaikan uat zona elabuhan an kota i ebataan
oini ijaikan gateway
Dilakukan juga enggabungan bebeaa zona aa (bebeaa kabuaten an kotamay
a) engan etimbangan elain menyeehanakan emoelan yang akan ilakukan, jug
a aat ikatakan bahwa egeakan ai/ke kabuaten eingkali melalui kotamay
a beangkutan. Sitem zona untuk emoelan egeakan i Poini Jawa Timu e
caa umum aat ibagi ua eeti telihat aa gamba 8.24.
Gamba 8.24 Sitem zona Poini Jawa Timu Sumbe: Tamin an Fazila (1997)
1
Zona intenal (temauk alam wilayah kajian, alam hal ini Poini Jawa Timu)
engan menggabungkan bebeaa kabuaten/kotamaya, maka teaat 25 zona inten
al. Zona ektenal (i lua wilayah kajian) engan menaakan embagian zona ek
tenal keaa jalan mauk ke Poini Jawa Timu, maka aat ibuat 5 zona ekt
enal, yaitu: Zona ektenal 1 Zona ini meliuti Sumatea, DKI Jakata, Jawa Ba
at bagian utaa an Jawa Tengah bagian utaa yang iaumikan menggunakan jalan
mauk ke Jawa Timu melalui jalan aat jalu utaa Pulau Jawa. Zona ektenal 2
Zona ini meliuti Jawa Baat bagian elatan, Jawa Tengah bagian elatan an Yog
yakata yang iaumikan menggunakan jalan mauk ke Jawa Timu melalui jalan a
at jalu elatan Pulau Jawa.
2
Zona ektenal 3 Zona ini meliuti Jawa Tengah bagian tengah yang iaumikan me
nggunakan jalan mauk ke Jawa Timu melalui jalan aat jalu tengah Pulau Jawa.
Zona ektenal 4 Zona ini meliuti Pulau Maua yang mauk ke Jawa Timu melalu
i Suabaya. Zona ektenal 5 Zona ini meliuti Bali, Nua Tenggaa Baat, Nua T
enggaa Timu an Timo Timu yang mauk ke Jawa Timu melalui Selat Bali (Banyu
wangi).
Pemoelan item jaingan jalan untuk Poini Jawa Timu aat ilihat aa gam
ba 8.25. Sitem teebut teii ai 170 imul an 454 ua.
Gamba 8.25 Pemoelan item jaingan jalan i Poini Jawa Timu Sumbe: Tamin
an Fazila (1997)
Pemilihan moel iaakan aa ifat egeakan yang itinjau, tingkat analii,
eta aumi yang iambil. Untuk egeakan antakota alam kajian ini, aat i
katakan bahwa ola egeakan antakota lebih banyak iengauhi oleh aya taik
etia zona ibaningkan engan hambatan tanotainya, ehingga aat iaum
ikan bahwa ola egeakan tiak banyak beubah. Beaakan alaan teebut, m
oel ebaan egeakan yang teilih aalah moel Fune engan ola ebaan y
ang ituunkan ai hail Suvei AalTujuan Naional 1991 eeti telihat aa g
amba 8.26. Peamalan MAT untuk tahun encana aat ihailkan engan menggunaka
n ata bangkitan an taikan tahun encana. Teaat banyak eangkat lunak yang
aat igunakan untuk melakukan oe embebanan, mialnya: MOTORS, SATURN, TR
ANPLAN, TRANSCAD, an EMME/2 (lihat tabel 8.1). Dalam eneaan ini, oe emb
ebanan menggunakan bantuan eangkat lunak MOTORS. Oleh kaena itu, maukan beu
a matik egeakan eta jaingan jalan hau ibentuk alam fomat yang iy
aatkan oleh ogam teebut.
470 Ofya Z Tamin, Peencanaan an emoelan tanotai
2
Konii engan tinakan enanganan Dengan melakukan enilaian kebutuhan enangan
an ai hail embebanan tana tinakan enanganan, maka ata item jaingan i
ebaiki euai engan kebutuhan enanganan yang itentukan. Setelah itu, embeb
anan ilakukan kembali beaakan ata jaingan yang tebau. Hal ini ilakukan
beulang ulang amai engan tahun 2015 kebutuhan NVK untuk etia ua jalan
engan tinakan enanganan (untuk tahun 2015) aat ilihat aa gamba 8.28. Pen
anganan i ini ibatai hanya beua elebaan jalan amai leba yang memungki
nkan.
Keteangan:
2,5 1,0 0,5
Gamba 8.28 Nilai NVK item jaingan jalan i Poini Jawa Timu tahun 2015 e
ngan enanganan jaingan jalan (Sumbe: Tamin an Fazila, 1997)
Dai hail embebanan teebut ieoleh kineja jaingan jalan, i antaanya ni
lai NVK, keaatan, keceatan temuh ata ata, total biaya ejalanan, an lain
lain. Kineja jaingan teebut aat ijaikan aamete untuk menilai beaa b
aik jaingan yang itinjau eta amak yang akan tejai tehaa encana enang
anan jaingan. Dengan emikian, aat iekiakan kebutuhan akan enanganan ja
ingan untuk Poini Jawa Timu amai tahun 2015 (gamba 8.29).
Keteangan: Rua jalan yang memelukan enanganan (elebaan) amai tahun 2015
Gamba 8.29 Kebutuhan enanganan item jaingan jalan i Poini Jawa Timu a
mai tahun 2015 (Sumbe: Tamin an Fazila, 1997)
472 Ofya Z Tamin, Peencanaan an emoelan tanotai
Bebeaa hal aat iimulkan ai contoh eneaan i Poini Jawa Timu ini,
yaitu: 1 Peencanaan tanotai yang mengikutetakan oteni wilayah meuak
an metoe yang lebih cocok, teutama untuk eencanaan tategi yang hau meng
evaluai uatu encana item jaingan jalan yang iekiakan memiliki amak l
ua tehaa eilaku emilihan ute i alam jaingan an eingkali beifat
eencanaan jangka anjang. Aalagi bagi aeah yang belum atau kuang bekembang
; metoe yang iaakan aa eningkatan lalulinta akan membeikan hail yang
kuang baik atau bahkan tiak mungkin ilakukan. Dalam eencanaan tanotai
yang beifat tategi jangka anjang, biaanya tingkat keincian item jaing
an ieeentaikan ebagai item jaingan egional antakota yang aat meli
uti atuan mauun ibuan imul an ua. Dalam tingkat eencanaan ini, eila
ku lalulinta yang itinjau hanyalah aa ua ua utama aja.
2
8.18.6 Alikai lain
Bebeaa eneaan an enelitian intenif ilakukan ejak tahun 1988 yang betu
juan memelajai kelemahan yang aa eta mencai emecahannya. Bebeaa enea
an an enelitian teebut aat ilihat aa tabel 8.14.
Tabel 8.14 Bebeaa alikai yang telah ilakukan No
1 2 3
Penggunaan
Angkutan baang antakota Pegeakan kenaaan ekotaan Pegeakan kenaaan e
kotaan
Lokai
Pulau Bali Rion Banung
Rujukan
Tamin an Soegono (1989) Tamin an Willumen (1988ab) Tamin (1988abc); Tamin (
1989a) Tamin an Petiwi (1989); Tamin (1989b); Tamin (1990bf); Tamin et al (199
2)
4
Pegeakan kenaaan ekotaan
Jakata
Tamin et al (1989); Tamin (1990c) Tamin an Antono (1992); Tamin (1993b)
5 6 7 8 9 10 11
Pegeakan angkutan umum Pegeakan kenaaan antakota Pegeakan kenaaan ant
akota Pegeakan angkutan umum Kelayakan jalan tol alam kota Pegeakan kena
aan antakota Pengembangan item jaingan tanotai jalan Kajian engembanga
n item tanotai ekotaan
Jakata Pulau Jawa Jawa Timu Banung Banung Sumatea Utaa Jawa Timu
Tamin (1990,1995b); Tamin et al (1992e) Tamin (1991c,1992,1994c) Tamin et al
(1992a) Tamin et al (1991a); Tamin (1994e) Tamin (1996a) Tamin (1996b) Tamin an
Fazila (1997)
12
Kotamaya an Kabuaten Banung
Tamin (1998)
Moel tanotai beaakan ata au lalulinta
473
1 jika ua l igunakan oleh ute antaa zona i ke zona li = 0 jika tiak
Meminimumkan eamaan (8.135) engan bataan eamaan (8.1368.138) akan mengha
ilkan olui keeimbangan Wao (contoh: Van Vliet, 1979). Penekatan yang leb
ih baik aalah engan mengkombinaikan oe enakian moel engan teknik em
bebanan keeimbangan menjai atu ogam matematika tunggal, eeti yang ia
ankan oleh Fik an Boyce (1983). Ini meuakan titik tolak yang cuku aikal
an akan banyak memunyai emaalahan, baik ecaa akti mauun teoiti, Teta
i, aan ini memunyai tantangan yang cuku beat bagi enelitian lanjutan. Tel
ah ijelakan bahwa nilai aamete BoxCox ( dan ) dari modl O ditntukan scara
trpisah di luar pross kalibrasi. Hal ini cukup mrpotkan karna mmbutuhkan p
ross kalibrasi yang brulang-ulang shingga waktu pross komputr smakin lama
untuk mndapatkan nilai paramtr yang diinginkan. Karna itu, id yang mnarik
adalah mmasukkan paramtr trsbut k dalam pross kalibrasi. Bbrapa modifik
asi dalam pross kalibrasi utama dibutuhkan dngan mngasumsikan bahwa paramtr
trsbut tidak diktahui dan dikalibrasi dngan pross yang sama dngan pross
kalibrasi paramtr lainnya. Contohnya, mminimumkan prsamaan (8.140) dngan pa
ramtr bk, k, k, , yang tidak diktahui.
2
l
V l Ti . i
i
S=
& && l V l
(8.139)
8.18.7.3 Memaukkan aamete dan dalam pross kalibrasi
mminimumkan
(8.140)
& & untuk KTTLB & & = 1 untuk KTTL atau V & & =V dngan: V l l l
8.18.7.4 Pnlitian lanjutan dngan modl transportasi lain
Tlah dijlaskan bahwa tingkat ktpatan MAT trgantung pada pmilihan modl tra
nsportasi yang digunakan untuk mncrminkan prilaku prgrakan di dalam darah
kajian. Dalam Tamin (1988a), pkrjaan ditkankan pada pnggunaan modl jnis gr
avity, misalnya modl R, OP, dan O. Trlihat bahwa prilaku prgrakan di dar
ah trtntu mmpunyai karaktristik trtntu dan prilaku ini dapat dinyatakan d
ngan baik dngan modl transportasi trtntu. Sbagai contoh, dalam Tamin (1988
a) dinyatakan bahwa prgrakan kndaraan di kota Ripon lbih baik dinyatakan dn
gan modl O, bukan dngan modl R dan OP. Smntara itu, prgrakan barang ant
arkota di Bali lbih baik dinyatakan dngan modl R, bukan dngan modl lain.
Modl transportasi brdasarkan data arus lalulintas
475
Karna itu, dirasakan prlu mngabsahkan mtod pnaksiran dngan bntuk modl l
ain, misalnya modl kbutuhan-langsung untuk mndapatkan alat untuk mnyatakan p
rilaku prgrakan yang lbih baik. Ttapi, modl yang lbih umum biasanya mmpu
nyai jumlah paramtr yang lbih banyak shingga mmbutuhkan waktu komputr yang
lbih lama dan mungkin mmbutuhkan informasi lbih banyak.
8.18.7.5 Simplifikasi algoritma untuk jaringan luas
Salah satu ksulitan yang mnghambat pngmbangan modl OP dan O adalah prmasa
lahan notasi yang mnsyaratkan zona tujuan harus diurutkan ssuai dngan jarak y
ang smakin mnjauh dari zona asal. Pross untuk mngkonvrsikan bagian yang br
urutan mnjadi yang diamati atau sbaliknya mrupakan faktor batasan jika diguna
kan untuk jaringan yang luas (katakanlah untuk lbih dari 100 zona, 200 simpul,
400 ruas, dan 10 tujuan prgrakan).
Algoritma yang digunakan cukup fisin untuk jaringan kcil. Karna itu, sangatl
ah brguna mnmukan algoritma yang baik yang dapat digunakan untuk jaringan lua
s yang dapat mnghmat pnggunaan mmori komputr yang brlbihan dan tntu akan
mnghmat pula pnggunaan waktu komputrnya.
8.19
Pmanfaatan data arus lalulintas (ATCS) mndapatkan informasi MAT di darah prk
otaan
untuk
8.19.1 Latar blakang
Hampir smua tknik dan mtod pmcahan masalah transportasi (baik prkotaan ma
upun rgional) mmbutuhkan informasi Matriks AsalTujuan (MAT) ebagai infomai
aa an aling utama alam meeeentaikan kebutuhan akan egeakan. Metoe
konvenional membutuhkan uvei yang angat bea (mialnya wawancaa i umah
an i tei jalan), biaya yang angat mahal, waktu oe yang angat lama, membu
tuhkan banyak tenaga keja, eta angat mengganggu egeakan au lalulinta.
Sebagai ilutai, untuk menaatkan infomai MAT bekala naional, elama PJP
I Inoneia hanya aat melakukannya ebanyak tiga kali aja (tahun 1982, 1992,
an 1995). Akibatnya, i Inoneia angat eing igunakan infomai yang uah
kaaluwaa. Dalam emecahan maalah tanotai aa tahun 1997, mialnya, ba
nyak konultan yang maih menggunakan infomai MAT tahun 1992. Hal ini iebabk
an kaena infomai MAT tekini tiak teeia; ebagai contoh: mekiun uah
ilakukan uvei aa tahun 1995, infomai MAT tahun 1995 teebut belum juga te
eia amai ekaang (1998). Tambahan lagi, kii monete yang bekeanjangan
yang melana negaa kita mengakibatkan metoe ini tiak akan mungkin ilakanak
an alam waktu 510 tahun menatang. Tantangan ini menuntut uatu jawaban, aalagi
engan tingginya tingkat etumbuhan tata guna tanah, oulai, laangan keja,
an lain lainnya, yang menyebabkan angat ibutuhkannya infomai MAT yang bia
iaat engan biaya yang muah an waktu oe yang ceat. Teknik an metoe
yang telah
476 Ofya Z Tamin, Peencanaan an emoelan tanotai
bekembang bebeaa tahun belakangan ini telah memungkinkan kita menaatkan inf
omai MAT engan hanya menggunakan ata yang angat muah an muah menaatkan
nya, yaitu infomai au lalulinta. Selain itu, engumulan ata au lalulint
a aa aat ekaang uah ula aat ilakukan ecaa otomati ehingga bia
iaatkan ecaa waktu nyata engan tingkat akuai yang angat tinggi. Sitem P
engatuan Lamu Lalulinta Tekooinai (Aea Taffic Contol Sytem/ATCS) yang
telah ioeaikan aa bebeaa kota i Inoneia (Jakata, Banung, an Suab
aya) telah memungkinkan kita menaatkan infomai au lalulinta ecaa otomat
i an waktu nyata. DGLT (1996) menyebutkan bahwa ATCS uah beoeai i Kotam
aya Banung ejak tahun 1997. Failita teknologi tanfe infomai intenet m
emungkinkan kita menaatkan infomai teebut langung ai laangan ecaa wa
ktu nyata engan biaya yang angat muah. Paa aanya aaan eneaan ATCS a
alah untuk mencaai kineja lalulinta yang otimal engan meminimumkan tunaan
i eimangan engan mencitakan egeakan lalulinta yang elatif kontinu
engan menggunakan kone gelombang hijau aa etia eimangan yang ikooin
aikan. Aga tecaai konii i ata maka aa etia lengan eimangan yang
beaa i bawah koinai ATCS ilengkai engan alat etekto lingkaan yang ak
an meekam ata au kenaaan yang melewati etekto teebut. Data au laluli
nta teebut igunakan ebagai ata maukan bagi engatuan inyal lamu laluli
nta ecaa inteaktif. Data au lalulinta yang teekam oleh etekto iiman
aa angkalan ata i uat kontol ATCS melalui item jaingan telekomunika
i. Data au lalulinta i uat kontol iebahaui ecaa eioik an waktu
nyata eta aat iake engan biaya angat muah melalui failita intenet.
Data inilah yang meuakan ata maukan utama bagi emoelan MAT ecaa inami.
Sebagai ilutai, i kotamaya Banung, teaat ebanyak 117 eimangan yan
g beaa i bawah koinai ATCS yang ibagi menjai 2 wilayah yaitu wilayah Uta
a meliuti 59 eimangan an wilayah Selatan meliuti 58 eimangan. Data a
u lalulinta yang iaat ai ATCS aalah ata au lalulinta i lengan e
imangan eangkan ata yang ibutuhkan untuk oe enakian MAT aalah ata
aa ua jalan. Untuk itu, ibutuhkan uatu Fakto Konvei yang aat igunaka
n untuk mengkonveikan nilai au eimangan menjai nilai au ua jalan.
8.19.2 Pengembangan item
Penelitian ebelumnya (Tamin, 1988ab) telah memungkinkan MAT iaat engan hany
a menggunakan infomai au lalulinta yang notabene angat muah an muah men
aatkannya. Paa aat itu, enelitian maih menggunakan ata au lalulinta t
ati yang iaat ai hail uvei ime i laangan. Bebeaa moel beeta
oeu kalibainya telah ikembangkan, an ai enelitian teebut ihailkan
keteatan MAT angat tinggi (hanya bebea ekita 34% ai MAT konvenional);
an engan waktu oe yang angat ingkat (butuh waktu hanya ekita 23 menit e
telah infomai au lalulinta iaatkan), ehingga biaya bia itekan amai
engan 4% biaya metoe konvenional.
Moel tanotai beaakan ata au lalulinta
477
Secaa umum, oe enakian Matik AalTujuan (MAT) ecaa inami an waktu
nyata aat ijelakan engan gamba 8.30.
Puat ata an uat kontol ATCS Kotamaya Banung
Tanfe infomai melalui intenet
Poe engolahan ata Pengumulan ata au lalulinta ecaa otomati an wakt
u nyata Infomai MAT inami an waktunyata Poe enakian MAT ecaa inami
ai ata au lalulinta
Poe engolahan keluaan (numeik/gafi)
Tanfe infomai melalui intenet
Pengguna (Intani tekait, DLLAJ, DTK, DPU, Polanta, Konultan, Baea, ll.)
Gamba 8.30 Poe enakian MAT inami an waktu nyata Sumbe: Tamin et al (1
998ab)
Infomai au lalulinta ecaa waktu nyata aat iake langung ai uat k
ontol oyek ATCS melalui failita intenet. Sebelum infomai teebut iguna
kan alam oe enakian MAT, bebeaa oe hau ilakukan aga infomai
au lalulinta teebut aat igunakan, mialnya enetaan fomat, embuatan
angkalan ata item zona an item jaingan ai aeah kajian, an lain lain.
478 Ofya Z Tamin, Peencanaan an emoelan tanotai
Setelah oe teebut ilalui, baulah infomai au lalulinta aat igunak
an untuk menghailkan MAT. Keluaan MAT waktu nyata hau iolah euai engan k
ebutuhan ehingga aat bemanfaat bagi engguna. Hail engolahan MAT teebut
beeta bebeaa alikainya akan iajikan alam itu web yang akan iancang
khuu alam enelitian ini euai engan kebutuhan (baik alam bentuk numeik m
auun gafi). Uulan engembangan ini memetimbangkan fenomena inami untuk m
enaatkan MAT engan ata au lalulinta (waktu nyata) ehingga imungkinkan
iaatkannya infomai MAT ecaa waktu nyata juga. Penelitian ini meuakan kel
anjutan ai kajian oktoal yang telah ilakukan enguul (yang aa aat itu m
aih menggunakan ata au lalulinta tati). Penggunaan ata au lalulinta (
waktu nyata) untuk menaatkan infomai MAT ecaa waktu nyata aat ikatakan
meuakan teoboan bau an nilai tambah utama beua enghematan yang angat b
eati ai ii waktu an biaya, khuunya alam enanganan emaalahan tan
otai i Inoneia yang emakin aah an beola inami an waktu nyata juga.
Dengan kata lain, kita bia menaatkan infomai MAT untuk konii 5 menit yan
g lalu engan biaya yang angat muah eta engan tingkat akuai yang angat t
inggi. Ketegantungan aa ata MAT tahun 1992 atauun 1995, yang eing ilakuk
an oleh aa aktii belakangan ini, akan egea aat itinggalkan. Untuk menc
aai tujuan utama engembangan moel inami, engembangan ihaakan aat iba
gi menjai bebeaa taha yang ijelakan beikut ini. a Pengembangan oe en
gumulan ata au lalulinta waktu nyata, temauk oe engolahannya, ehing
ga ia untuk iakai alam oe enakian MAT inami. Poe teebut meli
uti enetaan fomat ata, enyuunan angkalan ata, an engkoean item zona
an jaingan Kotamaya Banung, an hal hal lainnya. Data au lalulinta yang
iaat ai ATCS aalah ata au i lengan eimangan, eangkan ata yang
ibutuhkan untuk oe enakian MAT aalah ata aa ua jalan. Jai, hau
ilakukan bebeaa analii tatitik untuk eluuh au lalulinta, baik i ua
jalan mauun i eimangan yang aa i Kotamaya Banung. Hal ini itujukan u
ntuk menaatkan Fakto Konvei yang nantinya akan igunakan untuk mengkonvei
kan nilai au eimangan menjai nilai au ua jalan. Pengembangan eangka
t lunak ikaji ai ii eningkatan akuai MAT yang akan ihailkan. Bebeaa
hal yang akan iteliti alam uaha meningkatkan akuai MAT yang ihailkan te
ebut aalah: engembangan etimato kemiian makimum, entoi makimum, an in
feeni Baye; emilihan moel tanotai yang cocok untuk Kotamaya Banung;
b
c
Moel tanotai beaakan ata au lalulinta
479
enentuan teknik embebanan ute yang aat mewakili konii lalulinta i Kotam
aya Banung; memelajai evolui MAT waktu nyata engan membaningkannya engan
MAT yang ihailkan ai au lalulinta tati; enentuan tingkat eolui i
tem zona an item jaingan yang cocok untuk Kotamaya Banung.
Pengembangan oe engolahan keluaan (tamilan) MAT beeta bebeaa alikai
nya aga beifat infomatif (baik alam bentuk numeik mauun gafi) ehingga
aat langung iakai oleh aa engguna euai engan kebutuhannya. Keluaan M
AT waktu nyata teebut akan iajikan alam itu web yang akan iancang khuu
alam enelitian ini ehingga aat langung iake an igunakan oleh aa
engguna. Peiaan eluuh kelengkaan item emoelan, yang teii ai ean
gkat kea an lunak alam bentuk Manual Tekni an Manual Pelakanaan. Hail e
ngembangan ini akan iebaluakan an imayaakatkan alam bentuk emina an
elatihan.
e
Keluaan MAT waktu nyata teebut, temauk bebeaa alikainya, akan iajikan
alam itu web yang iancang khuu euai engan kebutuhan (baik numeik mau
un gafi) ehingga aat langung i ake an igunakan oleh aa engguna (B
aea, DLLAJ, Konultan, Bina Maga, Deatemen Pehubungan, Polanta, an int
ani tekait lainnya) melalui failita intenet. Bebeaa alikai yang aat
ihailkan engan menggunakan infomai MAT waktu nyata ini aalah: ihailkannya
infomai kineja item jaingan jalan ecaa waktu nyata, baik ecaa numeik
mauun gafi, untuk eluuh Kotamaya Banung, mialnya beua beanya au
etia ua jalan, beanya nilai NVK (Nibah Volume e Kaaita), lokai titik
kemacetan, oute guiance, an banyak hal lainnya. analii evolui MAT waktu n
yata akibat fluktuai au lalulinta ehingga bia iaatkan infomai evolui
au etia ua jalan ehingga aat iientifikai jeni enanganan jaingan
yang aling teat. analii kineja jaingan jalan akibat eubahan kebijakan i
tem jaingan ebelum kebijakan teebut iteakan, analii efek eneaan i
tem ATCS tehaa item egeakan au lalulinta yang aa.
8.20
Pemanfaatan ata au lalulinta menaatkan infomai MAT egional
(IRMS)
untuk
8.20.1 Lata belakang
Salah atu amanat GBHN 1993 i ekto tanotai aalah mewujukan item eg
eakan au lalulinta (manuia an baang) ecaa ceat, aman, nyaman,
480 Ofya Z Tamin, Peencanaan an emoelan tanotai
muah, an euai engan lingkungan ehingga tecita Sitem Tanotai Naion
al (Sitana) yang efiien. Tingkat etumbuhan wilayah, oulai, enaatan,
jumlah kenaaan, an lain lain yang angat eat menyebabkan metoe konveniona
l tiak cocok lagi igunakan i Inoneia. Hal itu iebabkan kaena elain memb
utuhkan biaya yang angat mahal an waktu oe yang angat lama ( 12 tahun), ju
ga menyebabkan infomai MAT yang ihailkannya tiak lagi menceminkan keaaan
atau konii yang ebenanya. Paa akteknya, i Inoneia maih angat eing
igunakan infomai yang uah kaaluwaa, mialnya emecahan maalah tanot
ai aa tahun 1999 maih menggunakan infomai MAT tahun 1995 kaena tiak imi
likinya infomai MAT tekini. Selain itu, untuk eamalan MAT maa ekaang ata
u maa menatang, banyak aa eencana tanotai yang maih menganalkan MAT
tahun 1995 yang mana uah baang tentu ola egeakannya uah angat jauh be
bea. Tantangan ini menuntut uatu jawaban, aalagi engan tingginya tingkat e
tumbuhan wilayah, oulai, an lain lainnya menyebabkan angat ibutuhkannya i
nfomai MAT yang bia iaat engan biaya muah an waktu oe ceat. Hal in
ilah yang menyebabkan angat ibutuhkannya metoe bau yang aat menamung elu
uh emaalahan ini. Tambahan lain, jika otonomi aeah uah mulai iteakan
maka keteeiaan infomai MAT tekini engan waktu embauan (uating) yang c
uku eing eta iaatkan engan biaya muah angatlah ibutuhkan bukan hanya
aa tingkat uat (naional) aja tetai juga aa tingkat oini an kabua
ten. Kii monete yang bekeanjangan yang melana negaa kita menyebabkan met
oe konvenional teebut tiak akan mungkin ilakukan alam waktu 510 tahun men
atang. Dengan melihat bebagai alaan iata, maka kebutuhan metoe bau untuk m
enaatkan infomai MAT tekini engan waktu oe embauan yang ceat eta
bia iaatkan engan biaya angat muah mutlak ibutuhkan untuk negaa kita e
bagai altenatif engganti metoe konvenional. Diektoat Jeneal Bina Maga,
Deatemen PU, ejak tahun 1989 telah memiliki item infomai manajemen jaing
an jalan teintegai (IRMS=Integate Roa Management Sytem) untuk eluuh jal
an naional an jalan oini i eluuh Inoneia yang meliuti jalan atei
ime, kolekto ime yang akan iteukan amai engan jalan kabuaten. Salah
atu infomai utama aalah ata au lalulinta teklaifikai (beaakan je
ni kenaaan) imana ebagian bea uah ilengkai engan automatic taffic c
ounte ehingga memungkinkan kita menaatkan infomai au lalulinta bewaktu
nyata engan biaya yang angat muah. Infomai ini angat mungkin aat juga t
eeia alam item jaingan infomai PU (PUNet) ehingga aat iake langun
g melalui intenet. Hal ini memungkinkan kita menaatkan infomai au lalulin
ta teebut ecaa utin engan biaya yang angat muah. Dengan infomai tee
but ihaakan aat ihailkan item emoelan yang aat menghailkan MAT ec
aa utin (mialnya etia jam, hai, minggu, atau bulan, tegantung aa fekue
ni engambilan ata au lalulinta). Keluaan MAT teebut temauk bebeaa a
likainya akan iajikan alam bentuk itu web alam item
Moel tanotai beaakan ata au lalulinta
481
PUNet yang akan iancang ecaa khuu euai engan kebutuhan aga keluaan ata
u tamilannya infomatif (baik numeik mauun gafi) an aat langung iake
an igunakan oleh aa engguna (mialnya Baea, DTK, Konultan, Bina Maga,
Deatemen Pehubungan, Polanta, an intani tekait lainnya) melalui failit
a intenet. Seluuh oe teebut ai taha engumulan ata amai engan t
aha enayangan keluaan ikema alam Sitem Infomai Tanotai (SIT). Seka
li lagi, engembangan ini meuakan uatu teoboan bau; nilai tambah utamanya
bagi Inoneia aalah enghematan yang angat beati ai ii waktu an biaya
jika ibaningkan engan metoe konvenional (hanya 3 kali alam kuun waktu 25
tahunan). Hail enelitian ini memungkinkan iaatkannya infomai MAT ecaa
utin (mialnya tia bulan) ehingga meuakan nilai tambah utama bagi ilmu enge
tahuan i biang tanotai ecaa umum an bagi enanganan emaalahan tan
otai egional i Inoneia ecaa khuu alam uaha mewujukan item tan
otai naional an egional yang efiien.
8.20.2 Pengembangan item infomai tanotai (SIT) 8.20.2.1 Konfiguai a
a
Secaa umum, konfiguai aa item aat ijelakan engan gamba 8.31 eang
kan oe tanfe ata au lalulinta ai ua jalan amai ke Puat Pengola
han Data (PPD) aat ijelakan engan gamba 8.32. Sitem ini ibangun engan m
enggunakan uatu item jaingan infomai yang menghubungkan langung infomai
ata au lalulinta yang iaatkan i laangan ke Puat Pengolahan Data (PPD)
ecaa otomati an bewaktu nyata. Bebeaa oe enting yang ilakukan ala
m item aalah: oe tanfe ata; oe engolahan ata; an oe engol
ahan keluaan. Poe tanfe ata (PTD): Data au lalulinta i bebeaa ua
jalan teilih ikumulkan ecaa otomati menggunakan automatic taffic counte
. Poe engumulan ata ini uah meuakan oe utin an teogam eng
an baik yang telah ilakanakan oleh Diektoat Jeneal Bina Maga melalui og
am IRMS. Teknologinya juga uah teeia engan biaya yang cuku muah. Data a
u lalulinta (IRMS) yang bewaktu nyata teebut akan itanfe ecaa betah
a (lihat gamba 8.32) ebagai beikut: 1) ai lokai encatat i laangan ke
ub uat angkalan ata i tingkat kabuaten melalui meia komunikai aio amat
i, 2) elanjutnya ai ub uat angkalan ata kabuaten ke ub uat angkala
n ata oini juga engan meia komunikai aio amati, 3) an akhinya ai
ub uat angkalan ata oini infomai teebut ikiimkan ke Puat Pengola
han Data (PPD) engan menggunakan failita intenet.
Salah atu alaan enggunaan meia komunikai aio amati ai laangan amai
ke ub uat angkalan ata oini iebabkan kaena failita komute an in
tenet yang iekiakan belum teeia i etia kabuaten.
482 Ofya Z Tamin, Peencanaan an emoelan tanotai
INTERNET
INTERNET
USER
R
Ra io
a
io
Puat Pengolahan Data (PPD)
Ra io
PU
Net
o i Ra
Ra io
PROPINSI 3 PROPINSI 2 PROPINSI 1
io Ra
Sub uat Data Bae Poini
Sub uat Data Bae Kabuaten
Sub uat Data Bae Kabuaten
Manual
Manual
Data Au Lalu Linta i Bebeaa Lokai
Data Au Lalu Linta i Bebeaa Lokai
Gamba 8.32 Poe tanfe ata au lalulinta ke uat kontol Sumbe: Tamin
(2000)
tetentu; aanya uai ai uvei yang ilakukan i etia o engamatan mia
l: 1 x 24 jam, 7 x 24 jam, an eteunya. Selanjutnya, fakto kealahan teebu
t elu ikoeki engan analia tatitik yang mencaku tingkat kecukuan ata,
eviai akibat kealahan aa uatu tingkat keecayaan tetentu. Sehingga, aka
n iaatkan uatu fakto koeki bagi ata au lalulinta (IRMS) ehingga ata
yang tekoeki teebut aat ijaikan ata maukan bagi tahaan enakian M
AT elanjutnya. Setelah melalui oe ini, ata au lalulinta yang telah iko
eki teebut bau aat igunakan untuk menaatkan infomai MAT ecaa utin
, mialnya: etia menit, jam, hai atau bulan tegantung ai fekueni engamb
ilan ata au lalulinta euai kebutuhan. Dalam tahaan ini metoe non konven
ional yang telah ikembangkan oleh bebeaa eneliti (Tamin, 1988 an Willumen,
1981) akan igunakan. Bebeaa moifikai an engembangan moel akan ilakukan
ehingga moel teebut aat igunakan. Keluaan infomai MAT bewaktu nyata
teebut hau iolah eemikian ua euai engan kebutuhan ehingga aat be
manfaat bagi aa engguna. Poe engolahan keluaan (PPK): Hail keluaan MAT
teebut beeta bebeaa engembangan alikai oeaionalnya akan iajikan
alam SituWeb yang iancang ecaa khuu euai engan kebutuhan aga keluaan
/tamilannya beifat infomatif (numeik an gafi) eta langung aat iak
e an igunakan oleh aa engguna melalui failita intenet, mialnya: Bae
a, DLLAJ, DTK, Konultan, Bina Maga, Deatemen Pehubungan, Polanta, engemu
i an intani tekait lainnya.
Seluuh tahaan oe iata ikema alam Sitem Infomai Tanotai (SIT)
beua eangkat kea an eangkat lunaknya.
8.20.2.2 Sitem tanfe ata (STD)
Jaingan komute aa aat ini telah bekembang angat eat an telah itunjan
g oleh teknologi infomai yang juga bekembang angat eat. Paa intinya komun
ikai alam jaingan komute aalah komunikai anta ua komute atau lebih ya
ng teiah oleh jaak yang elatif jauh. Dalam komunikai ini tentunya memeluk
an otokol an meia khuu untuk engiiman ata. Potokol an meia ini hau
ieuaikan engan kebutuhan aa engguna imana uatu meia tanfe ata te
tentu memunyai uatu otokol tetentu ula yang aling cocok. Dalam item ja
ingan komute teaat bebeaa meia komunikai yang cuku eing igunakan i
Inoneia, bebeaa i antaanya aalah: meia kabel, ambungan teleon, an f
ekueni aio amati. Salah atu meia yang aling memungkinkan aa aat ini a
alah meia fekueni aio amati yang meuakan komunikai aio engan moula
i FM. Fekueni yang beba igunakan i Inoneia bekia antaa 140,00149,99 MH
z imana fekueni ini maih temauk alam ukuan VHF. Untuk enggunaan jalu f
ekueni 140,00149,99 MHz, ielukan ijin Oai (Oganiai Raio Amati Inone
ia); eangkan ilua jalu fekueni teebut ielukan ijin khuu ai Dea
temen Pehubungan Inoneia.
Moel tanotai beaakan ata au lalulinta
485
Jaak komunikai aio amati ini angat tegantung aa kekuatan emanca an
oii antena yang iaang. Semakin kuat kekuatan emanca maka emakin jauh ja
ak komunikainya. Demikian ula bila emakin tinggi oii antena (alam atian
tiak aa halangan i ekita antena) maka emakin jauh ula jaak komunikai a
ionya. Teaat 5 (lima) emaalahan utama yang elu egea iecahkan aalah
: menentukan lokai an jumlah ua jalan yang akan ikumulkan ata au laluli
ntanya aa item jaingan jalan i alam aeah tui; engembangan tuktu
utama oe tanfe ata ecaa betaha ai laangan amai ke Puat Pengola
han Data (PPD). Poe ini meuakan hal teenting kaena meuakan emaalaha
n utama alam oe tanfe ata.; emilihan meia tanfe ata yang teat gu
na euai engan kebutuhan; enetaan fomat an enyuunan angkalan ata; et
a itim koifikai item zona an item jaingan untuk aeah tui tetentu
;
Seluuh infomai au lalulinta 8.20.2.3 Puat engolahan ata (PPD) ai laa
ngan akan ikiim ecaa betaha an akhinya i teima eluuhnya oleh Puat P
engolahan Data (PPD). Seluuh infomai au lalulinta teebut akan iolah en
gan metoe non konvenional untuk menaatkan Matik Aal Tujuan (MAT). Bebea
a moifikai an engembangan moel akan ilakukan ehingga moel teebut aat
igunakan. Keluaan infomai MAT bewaktu nyata teebut hau iolah eemiki
an ua euai engan kebutuhan ehingga aat bemanfaat bagi aa engguna. Pe
aingan ekembangan teknologi i biang komute menyebabkan haga haga komu
te emakin muah. Teknologi komute obai juga emakin ceat, entium 200 MH
z memunyai kineja yang eaan engan minikomute eta haganya juga emakin
muah. Peioa ehitungan akan iancang euai engan kebutuhan oeaional
eta juga memetimbangkan beban oe komute. Waktu embauan aat ilakuka
n ecaa waktu nyata. Hal ini angat menggembiakan jika ilihat ai ii emec
ahan maalah tanotai imana engan metoe konvenional infomai Matik A
al Tujuan (MAT) iaatkan etia 5 tahun ekali engan biaya yang angat mahal;
ekaang engan item infomai ini infomai MAT teebut bia iaat ecaa
waktunyata engan biaya angat muah. Teaat 4 (emat) maalah utama yang e
lu ikaji lebih menalam, yaitu: melakukan kajian tatitik ata au lalulinta
yang iaatkan ai IRMS an engembangan oe engolahan ata. Seeti ike
tahui, Bina Maga memunyai ogam manajemen IRMS imana alah atu moulnya a
alah moul ata au lalulinta. Data au lalulinta ini iaatkan ai hail
uvei yang ilakukan ecaa eioik aa o o yang iangga mewakili koni
i au lalulinta i ua jalan teebut. Selanjutnya, oe engolahan ata a
u lalulinta ai IRMS akan meliuti: uji tatitik tehaa tingkat akuai a
ta
486 Ofya Z Tamin, Peencanaan an emoelan tanotai
engan menganalia kealahan yang iekiakan akibat aanya fluktuai atau kece
neungan ola au lalulinta alam uatu eioe tetentu an uai uvey e
hitungan au lalulinta. Sehingga, iaatkan uatu fakto koeki aa tingka
t keecayaan tetentu aa bebagai lokai ua jalan. elunya engkajian untu
k menaatkan moel emilihan ute yang aling euai untuk konii aeah tui
tetentu. Dalam kau ini, inteaki emilihan ute engan kaakteitik item
jaingan inyatakan alam bentuk hubungan Keceatan Au yang menyatakan bahwa te
aat hubungan antaa au engan keceatan. Semakin tinggi au lalulinta a
a uatu ua jalan maka akan emakin lambat keceatannya an emakin lama waktu
temuhnya. Bebeaa moel yang aat igunakan aalah: all o nothing, buell,
tokatik, embebanan beulang, embebanan betaha, an keeimbanganWao. e
lunya kajian engauh aanya kealahan aa ata au lalulinta tehaa tingk
at akuai MAT. Bagaimanaun baiknya teknologi encatat ata au lalulinta a
ti maih elalu menganung kealahan. Dalam kau ini ibaningkan engauh aan
ya kealahan aa encatatan au lalulinta tehaa hail MAT ibaningkan en
gan ata au lalulinta tana kealahan. Hail ini angat enting bagi uaha e
ngembangan tingkat akuai MAT yang ihailkan.
8.20.2.4 Puat engolahan keluaan (PPK) Seluuh infomai tanotai baik yan
g beifat infomai aa mauun infomai oeaional yang aat ihailkan a
i infomai MAT tekini iebaluakan keaa aa engguna melalui failita
itu web. Situ web meuakan alah atu alikai ai aana komunikai melalui
failita intenet yang memanfaatkan aana HTTP. Dalam item ini, itu web
iancang ecaa khuu euai engan kebutuhan engguna an itamilkan ecaa i
nfomatif baik ecaa gafi mauun numei eta langung aat iake an ig
unakan oleh aa engguna melalui failita intenet, mialnya: Baea, DLLAJ,
DTK, Konultan, Bina Maga, Deatemen Pehubungan, Polanta, engemui an int
ani tekait lainnya. Bebeaa maalah yang elu menaat engkajian lanjut, ya
itu: amak engauh tingkat kealaman eolui enefiniian item zona an i
tem jaingan tehaa akuai MAT yang ihailkan. Seeti iketahui bahwa it
em zona an item jaingan aat iefiniikan alam bebagai tingkat kealaman
eolui. Secaa umum, emakin tinggi tingkat eolui enefiniian item te
ebut akan emakin tinggi tingkat akuai MAT yang ihailkan. Akan tetai, aku
ai teebut hau ibaya engan emakin tingginya biaya yang ibutuhkan untuk
menaatkan ata yang emakin banyak an waktu yang lebih lama. Oleh ebab itu,
angatlah ielukan aahan atau etunjuk mengenai tingkat kealaman eolui i
tem zona an jaingan yang otimal untuk uatu konii an ituai tetentu en
gan memetimbangkan tingkat akuai MAT an beanya biaya. elunya engembang
an oe engolahan keluaan (tamilan) ai MAT yang ihailkan beeta bebea
a alikainya ehingga infomai teebut
infomatif an muah icena bagi aa engguna yang iajikan alam ituweb e
bagai temat enyajian keluaan infomai MAT beeta eluuh alikai lainnya.
8.20.2.5 Uji keabahan
Untuk mengetahui baik buuknya uatu Sitem Infomai Tanotai (SIT) yang me
nganalkan ata au lalulinta untuk menaki MAT bewaktu nyata aat ilihat
ai bebeaa kiteia yaitu: tingkat keanalan ai item tanfe infomai a
u lalulinta bewaktu nyata ecaa betaha ai laangan amai engan ke Pu
at Pengolahan Data (PPD); akuai MAT hail enakian ibaningkan engan MAT y
ang teeia ai hail metoe konvenional (alam hal ini akan iwakili oleh MA
T tahun 1999). jika MAT hail enakian teebut ibebankan kembali ke item j
aingan jalan yang aa maka ehaunyalah ihailkan bea volume au lalulinta
yang ama (atau menekati) au lalulinta yang tejai untuk etia ua jala
n yang aa. tingkat keanalan ai Puat Pengolahan Keluaan (PPK) aga infoma
i MAT bewaktu nyata beeta eluuh ogam alikai oeaionalnya muah iak
e oleh etia engguna melalui failita intenet.
Tamin (1988) an Tamin (1992) menyimulkan bebeaa fakto yang angat memenga
uhi akuai ai MAT yang akan ihailkan ai au lalulinta, yaitu: moel ta
notai yang igunakan untuk mewakili eilaku egeakan; jumlah ata au la
lulinta, tingkat akuai, lokai, eta infomai tambahan lainnya; teknik kali
bai an enakian aamete moel yang igunakan; metoe emilihan ute yang
igunakan; an tingkat kealaman eolui item zona an jaingan tanotai
yang igunakan.
Penakian MAT engan menggunakan ata au lalulinta amai aat ini telah a
at ilakukan oleh bebeaa eangkat lunak yang teaat i aaan; alah atun
ya aalah MOTORS (Tamin, 1988).
8.20.3 Poteni enggunaan alam engembangan item jaingan jalan
Sitem Infomai Tanotai (SIT) ini menganalkan ata au lalulinta untuk
menaatkan Matik Aal Tujuan (MAT) bewaktu nyata beeta bebeaa ogam a
likai oeaionalnya. Sitem ini teii ai bebeaa komonen yaitu: Sitem T
anfe Data (STD), Puat Pengolahan Data (PPD), an Puat Pengolahan Keluaan (
PPK) yang teii ai eangkat lunak an eangkat kea. Infomai MAT ini a
ngat ibutuhkan oleh bebagai ihak, mialnya: intani, eatemen, konultan,
eencana, engguna jalan, enentu kebijakan, lembaga baik kelomok mauun eo
angan yang tekait engan ekto tanotai.
488 Ofya Z Tamin, Peencanaan an emoelan tanotai
Infomai mengenai kebutuhan egeakan alam bentuk MAT aling tekini bia i
aatkan engan biaya yang angat muah an waktu yang angat ceat. Dengan kata
lain, infomai MAT bia iaatkan etia menit, jam, hai, bulan tegantung f
ekueni engumulan ata au lalulinta engan biaya yang angat muah eta e
ngan tingkat akuai yang angat tinggi ehingga emaalahan tingkat ketegantu
ngan engan infomai MAT tahun 1995 aat kita hilangkan ama ekali. Selanjutn
ya, engan mengetahui MAT bewaktu nyata atau ecaa lebih eioik (mial: eti
a menit, jam, hai, minggu, bulan), bebeaa alikai an eencanaan elanjutn
ya yang beifat eketika, jangka enek, menengah, an anjang bia ilakukan,
eeti mialnya: a engatuan egeakan au lalulinta (eouting) jika teja
i gangguan aa atu atau bebeaa ua jalan, mialnya: kecelakaan aa uatu
ua jalan yang mengakibatkan ua jalan teebut hau itutu ementaa; enga
tuan egeakan au lalulinta aa aat lebaan, muim libuan, an lain lain
; eamalan egeakan au maa menatang untuk tujuan eencanaan tanotai
bejangka enek an menengah; item infomai kineja eluuh item jaingan
jalan alam aeah tui ecaa waktu nyata baik ecaa numeik mauun gafi,
mialnya: volume lalulinta, keaatan jalan, keceatan temuh, an lain lain; e
fek ai aanya eubahan kebijakan alam item jaingan jalan tehaa au la
lulinta (mialnya embangunan jalan tol, elebaan jalan, elaian ulang, an
lain lain); analii kineja jaingan jalan akibat eubahan kebijakan item ja
ingan ebelum kebijakan teebut iteakan; maukan utama untuk bebagai kebij
akan eencanaan item jaingan tanotai jalan khuunya kebijakan tano
tai egional (kabuaten mauun oini); maukan utama untuk bebagai kebijaka
n eencanaan item jaingan tanotai egional, khuunya jaingan tano
tai jalan; an angat banyak alikai lainnya yang aat ilakukan engan info
mai MAT waktu nyata ini. an angat banyak alikai lainnya yang menggunakan in
fomai MAT bewaktu nyata ini.
b c
e
f g
h
i
Setelah moel teebut iujicoba an ivaliai, ebagai elengka akhi akan i
hailkan Manual Tekni an Manual Pelakanaan yang akan itinaklanjuti engan k
egiatan emina an elatihan yang betujuan menyebakan an memayaakatkan ha
il engembangan moel inami ini aa intani tekait.
Moel tanotai beaakan ata au lalulinta
489
9
Maalah tanotai i negaa eang bekembang
9.1 Pemaalahan tanotai ekotaan
Seeti i negaa eang bekembang lainnya, bebagai kota bea i Inoneia be
aa alam taha etumbuhan ubaniai yang tinggi akibat laju etumbuhan ekon
omi yang eat ehingga kebutuhan enuuk untuk melakukan egeakan un menja
i emakin meningkat. Mobil ebagai kenaaan ibai angat menguntungkan, teut
ama alam hal mobilita egeakannya. Jumlah enuuk yang tinggal i aeah e
kotaan i Inoneia iekiakan meningkat ai tahun ke tahun akibat tingginya
tingkat ubaniai ini. Ubaniai an inutialiai elalu tejai ecaa be
amaan, teutama i negaa yang bealih ai negaa etanian ke negaa inut
i. Inoneia, aa tahun 1990an, tegolong negaa yang eang begeak menuju ne
gaa emi inuti. Sebagai ilutai, aa tahun 1950, kota yang beenuuk le
bih ai 1 juta jiwa hanyalah Jakata. Paa tahun 1970, kota Banung an Suabay
a beenuuk lebih ai 1 juta jiwa, an aa tahun 1990 teaat 8 kota i In
oneia yang beenuuk lebih ai 1 juta jiwa, temauk Mean, Semaang, Bogo,
Ujung Panang, an Palembang.
Tabel 9.1 Senu enuuk Inoneia yang tinggal i ekotaan Tahun
1920 1980 1990 2025 5,8 17,0 25,4 (46,48 Juta) 59,5
%
(2,88 Juta)
Tabel 9.1 memelihatkan jumlah enuuk i Inoneia yang tinggal i aeah e
kotaan. Telihat bahwa aa akhi tahun 2025 ekita 60% oang akan tinggal i
aeah ekotaan. Jika kita mengangga enuuk Inoneia aa tahun 2025 bejuml
ah 240 juta oang, akan aa 144 juta enuuk tinggal i aeah ekotaan.
Sebagai ilutai lain, Jakata aa tahun 1990 memunyai enuuk 8,2 juta jiwa
(17% ai total enuuk ekotaan i Inoneia). Mai kita baningkan engan
enuuk kota bea lain i unia aa tahun yang ama: New Yok (8,7%), Lo Ange
le (6,4%), Pai (8,7%), Bangkok (56,8%), Bueno Aie (41,3%), an Seoul (38,7
%). Telihat eentae jumlah enuuk kota bea i negaa maju cuku kecil,
eangkan i negaa eang bekembang angat tinggi. Tantangan bagi emeintah ne
gaa eang bekembang, alam hal ini intani an eatemen tekait eta aa
eencana tanotai ekotaan, aalah maalah kemacetan lalulinta eta el
ayanan angkutan umum ekotaan. Maalah kemacetan ini biaanya timbul aa kota
yang enuuknya lebih ai 2 juta jiwa, yang amai tahun 1996 telah icaai ol
eh bebeaa kota i Inoneia, eeti DKIJakata, Suabaya, Mean, Banung, an
Jogyakata.
490
Paa akhi tahun 2000, iekiakan kemacetan akan tejai i bebeaa kota lain
eeti Semaang, Palembang, Ujung Panang, Bogo, iuul kemuian oleh kota M
alang an Bana Lamung. Sementaa aa tahun 2020, hami emua ibukota oin
i i Inoneia akan ihuni oleh ekita 2 juta jiwa, yang beati aa aawa
a teebut aa embina aeah ekotaan akan ihaakan aa emaalahan bau
yang memelukan olui yang bau ula, yaitu emaalahan tanotai ekotaan
. Walauun kota yang lebih kecil juga memunyai maalah tanotai yang elu
emecahan ecaa ini, aa umumnya maih alam kala kecil an tiak memelukan
biaya bea. Sekto etanian konvenional ecaa elahan telihat emakin ku
ang menaik, an tiak lagi iminati, teutama oleh geneai mua. Di ii lain,
ekotaan menawakan banyak keematan, baik i ekto fomal mauun infomal.
Ditambah lagi engan tiak meatanya etumbuhan wilayah i aeah ealaman ib
aningkan engan i aeah ekotaan. Hal ini menyebabkan teeianya banyak la
angan keja eta uah atau gaji yang tinggi i aeah ekotaan ibaningkan e
ngan i aeah ealaman. Semua ini meuakan aya taik yang angat kuat bagi
aa ekeja i aeah ealaman. Peatah mengatakan aa gula, aa emut. Namun,
ebea aa un kota engan egala kelengkaannya, ati memunyai bataan, yait
u aya tamung. Jika bata teebut uah telamaui, akan tejai amak yang m
eugikan. Dalam kontek kota i Inoneia, fenomena kota bemaalah uah mulai
telihat, yang iekiakan akan teu bekembang menjai eoalan yang emakin
umit, eiing engan tingginya laju ubaniai. Hal ini ulit ihinai kaena
aeah ekotaan uah telanju iangga ebagai enyeia bebagai macam laan
gan ekejaan. Tingginya ubaniai ecaa tiak langung aat ikatakan akibat
tiak meatanya etumbuhan wilayah i Inoneia; antaa aeah ealaman enga
n aeah ekotaan. Semakin beanya ebeaan antaa tingkat etumbuhan wilaya
h teebut menyebabkan emakin tingginya tingkat ubaniai, yang aa gilianny
a akan menimbulkan bebeaa emaalahan ekotaan, khuunya tanotai. Oan
g yang melakukan ubaniai aat ikelomokkan menjai tiga kelomok utama, yai
tu a) oang yang mamu membeli tanah i alam kota an bekeja i alam kota; b)
oang yang bekeja i alam kota, tetai tinggal i inggian kota eta mamu
membaya biaya tanotai; an teakhi c) oang yang tiak mamu membeli tana
h i alam kota an tiak memunyai kemamuan untuk membaya biaya tanotai.
Oang yang temauk aa kelomok etama tiak akan menyebabkan emaalahan y
ang beati alam hal mobilita an akeibilita kaena jaak antaa temat tin
ggal engan temat bekeja yang cuku ekat. Oang yang tegolong aa kelomok
keua, yang eentaenya tetinggi i antaa ketiga kelomok teebut, angat
otenial menimbulkan emaalahan tanotai. Pemaalahan teebut tejai e
tia hai, yaitu aa jam ibuk agi an oe hai. Paa jam ibuk agi hai te
jai oe egeakan engan volume tinggi, begeak ke uat kota untuk bekej
a. Paa oe hai tejai hal yang ebaliknya kaena emua oang kembali ke uma
hnya maing maing.
Maalah tanotai i negaa eang bekembang
491
Tingkat etumbuhan egeakan yang angat tinggi yang tiak mungkin ihambat,
ementaa aana an aaana tanotai angat tebata, mengakibatkan akei
bilita an mobilita menjai teganggu. Sekaang ini ogam embangunan jalan
i aeah ekotaan membutuhkan biaya yang angat bea. Uaha emeintah untuk
memecahkan maalah tanotai ekotaan telah banyak ilakukan, baik engan me
ningkatkan kaaita jaingan jalan yang aa mauun engan embangunan jaingan
jalan bau, itambah engan ekayaa an manajemen lalulinta teutama engatua
n efiieni tanotai angkutan umum an enambahan amaanya. Tetai, beaa
un beanya biaya yang ikeluakan, kemacetan an tunaan teta tiak bia ihi
nai. Ini iebabkan kaena kebutuhan akan tanotai teu bekembang eat,
eangkan ekembangan enyeiaan failita tanotai angat enah ehingga
tiak bia mengikutinya. Sebagai ilutai, etumbuhan anjang an lua jalan
aya i Jakata antaa tahun 1988 amai engan 1993 hanya 4%5% aja, eangkan
etumbuhan kenaaan mencaai 9%10%, hami ua kali liat etumbuhan anjang a
n lua jalan aya yang aa (ARSDS, 1985). Akibat yang iaakan aalah kemacetan
lalulinta yang eing tejai yang telihat jela alam bentuk antian anjang
, tunaan, an juga olui, baik uaa mauun uaa. Maalah lalulinta teebut
jela menimbulkan keugian yang angat bea aa emakai jalan, teutama alam
hal embooan bahan baka, embooan waktu (tunaan), an juga enahnya keny
amanan. Daat ibayangkan beaa banyak uang yang tebuang ecuma kaena kena
aan teeangka alam kemacetan an beaa banyak uang yang aat iiman jika
kemacetan aat ihilangkan (ai egi biaya bahan baka an nilai waktu tunaa
n). Hal teebut menyebabkan elunya iikikan bebeaa altenatif emecahan m
aalah tanotai, teutama kemacetan i aeah ekotaan. Untuk menanggulangi
kemacetan lalulinta ini, emeintah aeah melakukan bebagai langkah, baik be
ua menyuun kebijakan, menyuun tinakan, mauun menggaa aek hukum. Hailn
ya beua embangunan an engembangan aaana, otimai enggunaan uang jala
n, eta eneaan eatuan an hukum. Walauun emikian, telea ai enilai
an tehaa efiieni an efektivita kebijakan eta langkah yang iambil, tam
aknya konii kemacetan i wilayah ekotaan tiak menunjukkan eubahan yang be
ati. Ini bukan aja kaena memang kaaita elayanan yang kuang memaai, ta
i juga kaena etumbuhan emintaan yang cuku tinggi ibaningkan engan etu
mbuhan enyeiaan aana an aaana tanotai yang ibutuhkan. Fakto lain
enyebab kemacetan i aeah ekotaan aalah meningkatnya keceneungan aa
emakai jaa tanotai untuk menggunakan kenaaan ibai ibaningkan engan
kenaaan umum. Dai total emakaian kenaaan bemoto i Jakata, anga emi
lihan moa untuk emakaian kenaaan umum an kenaaan ibai aalah 49,1% unt
uk kenaaan umum an 50,9% untuk kenaaan ibai aa tahun 1990 (JMTSS, 1992
) (untuk lebih jelanya lihat tabel 9.2).
Maalah tanotai i negaa eang bekembang
493
Tabel 9.2 Kaakteitik egeakan i DKI Jakata Jeni egeakan Tingkat etu
mbuhan alam 25 tahun (%) Tingkat etumbuhan tahunan (%)
1990
2015
Pegeakan e hai (bemoto) Di alam Jakata Jakata ke/ai Botabek Total Po
ulai Jakata Botabek Jabotabek Panga emilihan moa Di alam Jakata Jakata
ke/ai Botabek Total Pegeakan/oang/hai (bemoto) Angkutan umum Angkutan
ibai Pegeakan angkutan umum/hai Di alam Jakata Jakata ke/ai Botabek Tot
al Pegeakan angkutan ibai/hai Di alam Jakata Jakata ke/ai Botabek Tot
al Pegeakan angkutan ibai/hai Puat ekotaan
7.845.088 1.854.844 9.599.932 8.207.689 8.867.901 17.075.590 Umum/Pibai 49,1/5
0,9 67,1/32,9 52,5/47,5 0,96 0,47 0,49
17.826.200 5.820.122 23.646.322 12.060.300 20.102.359 32.162.659 Umum/Pibai 58
,7/41,3 60,0/40,0 59,0/41,0 1,48 0,87 0,61
+ 127,2 + 213,8 + 143,7 + 46,9 + 126,5 + 88,3
3,34 4,68 3,63 1,55 3,32 2,56
+ 54,2 + 85,0 + 24,5
1,72 2,49 0,88
3.851.938 1.244.600 5.096.538
10.463.979 3.492.073 13.956.052
+ 171,7 + 180,6 + 173,8
7,08 4,21 4,11
3.993.150 610.244 4.603.394
7.362.221 2.328.049 9.690.270
+ 84,4 + 281,5 + 110,5
2,48 5,50 3,02
559.000
627.000
+ 12,2
0,46
Sumbe: JMTSS (1992)
Jika ibaningkan engan anga emilihan moa aa tahun tahun ebelumnya, yait
u 57% untuk kenaaan umum an 43% untuk kenaaan ibai aa tahun 1985 (ARSD
S, 1985) eta 61% untuk kenaaan umum an 39% untuk kenaaan ibai aa tah
un 1972 (JMATS, 1972), telihat enuunan emakaian angkutan umum eta eningka
tan emakaian angkutan ibai. Akibat lebih jauh ai keceneungan ini aalah
menuunnya efiieni enggunaan aana mauun aaana jaingan jalan yang ema
melebihi kaaita angkut, tingkat kenyamanan yang enah, item jaingan yang
kuang memaai, eta akeibilita yang ulit untuk bebeaa aeah tetentu. J
ika item elayanan angkutan umum ini tiak egea iebaiki, emakai jaa ta
notai emakin tiak menyukai angkutan umum. Dengan emikian, eanan angkuta
n umum emakin betambah kecil. Hal ini telihat ai gambaan hail uvei Pee
i BPP Teknologi i wilayah Jakata aa tahun 1989, yang menunjukkan bahwa hany
a 23,3% yang menyatakan bahwa elayanan angkutan umum itu baik, 45,6% menyatakan
biaa aja, 24,4% menyatakan buuk, an 6,7% tiak mengetahui keaaan angkutan
umum. Dai ata ini aat iimulkan bahwa menuunnya eanan angkutan umum a
at ilihat ai ua ii yang aling bekaitan, yaitu ii enyeia jaa an i
i emakai jaa. Penyeiaan jaa angkutan umum yang belum memaai aat menimbulk
an emakin jeleknya cita meeka yang aa akhinya menyebabkan emakin enahny
a tingkat emakaian angkutan umum. Untuk memebaiki keaaan ini, elu egea
ilakukan bebeaa tinakan nyata alam meningkatkan elayanan angkutan umum, bai
k yang menyangkut kaaita elayanan, jaingannya, eta enggunaan moanya. Un
tuk mengantiiai kebutuhan akan angkutan umum i maa menatang elu ikemban
gkan jumlah amaa, teutama bu bea, mengingat bebeaa koio utama angat
membutuhkan enambahan jumlah amaa yang hau ieuaikan engan ola eminta
an. Selain itu, elu iingat konii yang aa aat ini, yaitu tejainya tuman
g tinih antaa engoeaian bu bea, bu eang, an mikolet. Oleh ebab it
u, ute elayanan etia jeni bu hau ula ieuaikan engan ola jaingan j
alan, elain engan ola emintaannya.
9.2 Pemaalahan tanotai egional
9.2.1 Pentingnya item tanotai egional oini
Kebehailan embangunan akan meningkatkan etumbuhan ekonomi yang beamak ny
ata aa eubahan yang kontuktif alam mayaakat i emua aek kehiuan,
eta menjaikan ituai an konii lingkungannya mengalami eubahan yang funa
mental ke aah eningkatan yang lebih baik an lebih maju. Pelakanaan embangun
an yang kini eang belangung, baik ecaa egional mauun ecaa naional, ak
an teu belanjut euai engan ola kebijakanaan emeintah ata aa aahan
Gai Gai Bea Haluan Negaa (GBHN). Kebehailan embangunan juga akan meni
ngkatkan etumbuhan ekonomi ehingga mamu meningkatkan taaf hiu mayaakat
lua ehingga memekuat tabilita naional. Peningkatan etumbuhan eekonomi
an akan meningkatkan eanan ekto tanotai alam menunjang encaaian aa
an embangunan an hail hailnya; ebaliknya, fungi ekto tanotai akan
meangang eningkatan embangunan ekonomi, kaena antaa fungi ekto tano
tai an embangunan ekonomi memunyai hubungan kaual (timbal balik). Maalah t
anotai atau ehubungan meuakan maalah yang elalu ihaai oleh negaa
negaa yang telah maju an juga oleh negaa negaa yang eang
Maalah tanotai i negaa eang bekembang
495
Aminitatif, Daeah Tingkat I Poini Jawa Baat meuakan oini yang beb
ataan langung engan DKI Jakata. Kaena itu, memunyai oii yang enting a
lam kontek naional ebagai enukung utama ibukota negaa. Dalam kaitannya en
gan item tanotai egional, eencanaan item tanotai iaahkan ala
m angka menukung RTRWP. Kaena itu, alam mengkaji item tanotai egiona
l, ielukan analia oteni wilayah, yang meliuti analia oteni kawaan in
uti, etanian an ekebunan, kehutanan, eikanan, etambangan, umbe aya
mineal, aiwiata, an eagangan.
9.2.4 Sitem tanotai naional (Sitana)
Dinamika embangunan biang ehubungan aa PJP taha II mengiyaatkan tewuju
nya Sitem Tanotai Naional (Sitana) yang hanal an bekemamuan tingg
i an menukung mobilita baang, jaa, an manuia ecaa bewawaan naional.
Globaliai ekonomi ekembangan kawaan tategi emakin menuntut enyeiaan j
aa tanotai aa maa maa menatang. Tuntutan teebut akan namak kebeha
ilannya melalui kineja efektivita an efiieni beaakan aamete otima
i an minimai beban yang hau itanggung mayaakat eta aat mengantiiai
mekanika enataan item. Kineja emintaan akan jaa tanotai ometik me
ngungkakan bahwa jaa angkutan enumang hingga akhi Pelita V mencaai ekita
57% e tahun an jaa angkutan baang ekita 69% e tahun. Sementaa itu, kine
ja etumbuhan ekonomi naional melalui inikato (Pouki Naional Koto) a
a kuun waktu yang ama, menunjukkan angka yang cuku tinggi, yaitu ekita 59%
e tahun. Di aming itu, ecaa tatitik, khuunya aaana tanotai a
at yang memunyai unu tanotai jalan aya, keeta ai an angkutan ungai
eta anau enyebeangan menunjukkan bahwa anjang jalan i Inoneia menuut
tatu jalan naional, oini, kabuaten, kotamaya aa akhi Pelita V tahun 1
993 mencaai anjang 244.164 km. Panjang jalan teebut telah befungi ecaa m
elua hami i eluuh elook tanah ai, temauk wilayah etumbuhan i uat
uat ouki an i aeah yang menghubungkan uat ouki engan aeah e
maaannya. Selama aawaa teakhi, ola engembangan uang naional menunjuk
kan aanya uat etumbuhan bau yang membentuk kontalai an intekoneki en
gan uat etumbuhan yang telah aa alam memacu etumbuhan an lata belakang
nya. Hal ini telihat hami i emua wilayah Inoneia, teutama aa kawaan t
imu Sumatea, kawaan linta utaa an elatan ulau Jawa, Bali, Nua Tenggaa
Baat, Nua Tenggaa Timu, Timo Timu, Kalimatan, Sulawei, Maluku, an Iian
Jaya. Puat etumbuhan aa emua wilayah i ata membentuk mata antai engemb
angan kawaan analan yang tategi, beoientai kelua, eta teintegai a
a etumbuhan egional mauun naional. Koelai an inteaki antakawaan an
alan akan emakin tinggi akenya aabila teaat meiato. Meiato teebut a
ntaa lain kemuahan hubungan melalui keteeiaan aaana ehubungan atau t
anotai yang beitem. Pogam Pelita VI meuakan taha
498 Ofya Z Tamin, Peencanaan an emoelan tanotai
awal PJP taha II, mengintouki embangunan biang ehubungan, yang alah at
unya aalah embinaan jalan, yang itujukan untuk menukung Sitem Tanotai
Naional (Sitana). Sitana itu enii tewuju ke alam tuktu kawaan,
aana, ute, an aaana.
9.2.5 Sitem tanotai egional oini
Pegeakan baang an manuia aat menceminkan ketehubungan atu wilayah eng
an wilayah lainnya. Ketehubungan ini angat enting bagi ekembangan uatu ae
ah. Dengan emikian aat ikatakan bahwa hubungan wilayah, baik ecaa ekten
al mauun intenal, akan banyak memengauhi kehiuan wilayah itu enii an w
ilayah lain i ekitamya. Aanya atu uat etumbuhan an eialiai kegiata
n aa atu lokai akan memacu tumbuhnya bangkitan egeakan, ehingga engemba
ngan jaingan jalan ebagai aana ehubungan ini angat ibutuhkan bagi ekem
bangan uatu aeah. Tingkat akeibilita aat iuku ai bea kecilnya ali
an egeakan enuuk antawilayah, an akeibilita meuakan ukuan kemuaha
n aya hubung antaaeah yang inilai ai bebeaa inikato. Kemuahan aya h
ubung uatu aeah ini juga iengauhi oleh kebeaaan item tanotai yang
itunjang oleh kelengkaan aaana an aana ehubungan lainnya yang menyel
uuh baik ecaa egional mauun lokal. Untuk menukung engembangan aiwiata
i Jawa Baat, ukungan ai aaana an aana tanotai juga ielukan.
Baiknya item tanotai yang untuk mencaai lokai aiwiata, atau engan k
ata lain baiknya akeibilita lokai aiwiata, akan menjai alah atu enamb
ah aya taik oteni wiata. Banaa SoekanoHatta i Poini Jawa Baat belum
menguntungkan eningkatan wiatawan ke Jawa Baat kaena jalu tanotai yang
aa langung menuju DKI Jakata. Kaenanya, ibutuhkan jalan tembu ke aah ot
eni objek an aya taik wiata i Poini Jawa Baat engan meningkatkan kual
ita banaa i Kotamaya Banung untuk mewujukan jalu enebangan bekala in
tenaional. Tingginya mobilita enuuk menyebabkan aanya eaingan antaa
aana tanotai untuk kegiatan wiata engan kegiatan ekonomi lainnya. Selanj
utnya, hal ini akan menyebabkan: keaatan lalulinta tinggi tanotai umum
egional kuang tejamin failita antamoa kuang menukung mobilita wiatawan
.
Sementaa itu, ana emeintah untuk mengembangkan jaingan jalan eing angat
tebata, ehingga eing enanganan jaingan jalan ilakukan hanya aa ua u
a jalan yang aat, aahal jaingan jalan yang menghubungkan aeah wiata umu
mnya kuang aat. Kaena itu, elu icaikan umbe ana lain, mialnya invet
o yang beminat mengembangkan lokai wiata beangkutan. Selain maalah enan
aan, Jawa Baat bagian elatan juga memiliki kenala alam yang menjai kenala
embangunan jaingan jalan, yaitu aanya egunungan i
Maalah tanotai i negaa eang bekembang
499
Jawa Baat bagian tengah, ehingga jalu antai PanganaanUjung Kulon hau ite
mbu engan jalan yang beliku liku an engan kemiingan leeng yang cuku ting
gi ai aeah Jawa Baat bagian tengah an utaa.
9.3 Penekatan item tanotai
9.3.1 Umum
Untuk menaatkan engetian yang lebih menalam an bebeaa altenatif emecah
an maalah yang tebaik, tanotai alam ati lua hau ikaji alam bentuk
kajian item yang teii ai bebeaa komonen yang aling tekait. Sitem te
ebut ikenal engan item tanotai ecaa menyeluuh (mako) yang aat
iecahkan menjai bebeaa item tanotai yang lebih kecil (miko) yang ma
ing maing aling tekait an aling memengauhi eeti telihat aa gamba 9
.1. Sitem tanotai miko teebut aalah: Sitem Kebutuhan akan Tanota
i (KT) Sitem Paaana Tanotai (PT) Sitem Rekayaa an Manajemen Lalulint
a (RL an ML) Sitem Kelembagaan (KLG)
Sitem tanotai mako Sitem kelembagaan (KL)
Kebutuhan akan tanotai (KT)
Paaana tanotai (PT)
Rekayaa an manajemen lalulinta (RL an ML)
Gamba 9.1 Sitem tanotai mako Sumbe: Tamin (1991,1992b, 1993a, 1994b,19
95hjk)
Sitem Kebutuhan akan Tanotai (KT) meuakan item ola kegiatan tata guna
lahan yang teii ai item ola kegiatan oial, ekonomi, kebuayaan, an l
ain lain. Kegiatan alam item ini membutuhkan egeakan ebagai alat emenuha
n kebutuhan yang elu ilakukan etia hai. Pegeakan yang meliuti egeaka
n manuia an/atau baang itu jela membutuhkan moa (aana) tanotai an m
eia (aaana) temat moa tanotai teebut begeak. Paaana tanot
ai yang ielukan itu meuakan item tanotai miko yang keua, yang mel
iuti item jaingan jalan aya an keeta ai, teminal bu an taiun keeta
ai, eta banaa an elabuhan laut. Peanan item jaingan tanotai eb
agai aaana ekotaan memunyai ua tujuan utama:
500 Ofya Z Tamin, Peencanaan an emoelan tanotai
ebagai alat untuk mengaahkan embangunan ekotaan; ebagai aaana bagi e
geakan oang an baang yang timbul akibat aanya kegiatan i aeah ekotaan
teebut.
Inteaki antaa item Kebutuhan akan Tanotai an item Paaana Tano
tai ini akan menghailkan egeakan manuia an/atau baang alam bentuk eg
eakan kenaaan an/atau oang (ejalan kaki). Sitem egeakan yang aman, ce
at, nyaman, muah, hanal, an euai engan lingkungannya aat tecita jika
item egeakan teebut iatu oleh item Rekayaa an Manajemen Lalulinta y
ang baik. Kemacetan yang eing tejai i kota bea i Inoneia biaanya ie
babkan oleh kebutuhan akan tanotai yang lebih bea ibaningkan engan a
aana tanotai yang teeia tiak aat befungi ebagaimana metinya. Si
tem Kebutuhan akan Tanotai (KT), Paaana Tanotai (PT), Rekayaa an
Manajemen Lalulinta (RL an ML) aling memengauhi eeti telihat aa gamb
a 9.1. Peubahan item KT jela memengauhi item PT melalui eubahan aa
tingkat elayanan aa item egeakan. Begitu juga, eubahan item PT aat
memengauhi item KT melalui eningkatan mobilita an akeibilita item
egeakan. Selain itu, item RL an ML beeanan enting alam menamung ite
m egeakan aga tecita item egeakan yang aman, ceat, nyaman, muah, ha
nal, an euai engan lingkungan, yang akhinya juga ati memengauhi item
KT an PT. Ketiga item tanotai miko ini aling beinteaki atu engan
yang lainnya yang tekait alam uatu item tanotai mako. Untuk menjamin
tewujunya uatu item egeakan yang aman, nyaman, lanca, muah, an eua
i engan lingkungannya, teaat atu item miko lainnya yang elu iehatik
an yaitu Sitem Kelembagaan (KL) yang teii bebeaa iniviu, kelomok, lemba
ga, intani emeintah eta wata yang telibat alam maingmaing item mik
o teebut. Di Inoneia item kelembagaan (intani) yang bekaitan engan ma
alah tanotai aalah: Sitem Kegiatan: BAPPENAS, BAPPEDA, BANGDA, PEMDA Si
tem Jaingan: Deatemen Pehubungan (Daat, Laut, Uaa), Bina Maga Sitem Pe
geakan: DLLAJ, Ogana, Polanta, mayaakat Baena, Baea, Banga, an Pem
a beeanan angat enting alam menentukan item KT melalui kebijakan, baik
wilayah, egional mauun ektoal. Kebijakan item PT ecaa umum itentukan ol
eh Deatemen Pehubungan, baik aat, laut, mauun uaa eta Deatemen PU me
lalui Diektoat Jeneal Bina
Maalah tanotai i negaa eang bekembang
501
Maga. Sitem RL an ML itentukan oleh DLLAJ, Dehub, Polanta, mayaakat eba
gai emakai jalan an lain lain. Kebijakan yang iambil tentunya aat ilakana
kan engan baik melalui eneaan eatuan yang ecaa tiak langung juga meme
lukan item enegakan hukum yang baik. Jai, ecaa umum aat iebutkan bahw
a emeintah, wata an mayaakat eluuhnya aat beean mengatai maalah
alam item tanotai ekotaan ini, teutama alam hal mengatai kemacetan.
Ketekaitan antaa kebijakanaan Sitem KT engan Sitem PT aa bebagai tingk
at aat ielihatkan aa gamba 9.2.
RTRW Naional Sitem Tanotai Naional (Sitana)
RTRW Poini
Sitem Tanotai Regional Poini
RTRW Kabuaten/Koya
Sitem Tanotai Regional Kabuaten/Koya
RTRW Kawaan
Sitem Tanotai Kawaan
Gamba 9.2 Ketekaitan RTRW an item aaana tanotai aa bebagai tingk
at
RTRWN ebagai eoman eumuan kebijakanaan okok emanfaatan uang i wilayah
naional menjabakan bahwa tuktu an ola uang naional hau mewujukan ke
teauan, ketekaitan an keeimbangan ekembangan antawilayah eta keeai
an antaekto eeti mialnya: kawaan aiwiata, etanian angan an ekeb
unan, inuti, etambangan eta etahanan keamanan atau ebataan. Daa hu
kum bagi emeintah alam membuat kebijakan alam enataan uang aalah UU nomo
24 tahun 1992 tentang enataan uang. RTRWN ini ihaakan menjai ayung an a
cuan bagi etia oini alam mengembangkan tata uang alam kala yang lebih
kecil yang ikenal engan Rencana Tata Ruang Wilayah Poini (RTRWP). RTRWP men
jai acuan bagi encana tata uang yang lebih kecil yaitu kala kabuaten atau k
otamaya (RTRWK), imana elanjutnya RTRWK menjai acuan bagi encana tata uang
kawaan yang lebih kecil. Pembangunan aeah aa aanya meuakan bagian int
egal ai embangunan naional imana embangunan aeah meuakan uaya enca
aian aaan naional i aeah euai maalah, oteni, aiai, an ioita
mayaakat aeah. Kegiatan yang tecita ai kebijakan enataan uang yang te
tuang alam RTRWN uah baang tentu akan menimbulkan aanya egeakan egiona
l ecaa naional.
502 Ofya Z Tamin, Peencanaan an emoelan tanotai
Dalam hal ini tiak aat iangkal lagi bahwa ean an fungi Sitem Tanot
ai Naional (Sitana) angatlah ibutuhkan untuk mengakomoi egeakan yang
ihailkan oleh inteaki antakegiatan teebut. Seuai engan konii geogaf
i Inoneia, eumuan Sitana uah baang tentu hau memelihatkan aanya
ketekaitan antamoa ecaa teau untuk meningkatkan ketekaitan wilayah a
a kala naional. Daa hukum bagi emeintah alam engambilan kebijakan tate
gi engembangan item jaingan jalan aalah UU Nomo 13 tahun 1980 tentang jala
n eangkan bagi engambilan kebijakan item egeakan lalulinta iatu alam
UU Nomo 14 tahun 1992 tentang lalulinta angkutan jalan. Sebaliknya keeluuha
n embangunan i aeah meuakan atu keatuan embangunan naional, engan em
ikian keuanya hau ilakanakan ecaa eai eta iaahkan aga aat bela
ngung ecaa beaya guna an behail guna i eluuh tingkat aminitai ae
ah. Dalam kaitan engan item tanotai egional, eencanaan item tan
otai egional teebut hau iaahkan alam uaha menukung RTRWP an teta b
eaa i bawah ayung kebijakan engembangan Sitana. Oleh kaena itu, alam m
engkaji item tanotai egional ielukan analii oteni wilayah, yang m
eliuti: kawaan inuti, etanian an ekebunan, kehutanan, eikanan, eta
mbangan, umbe aya mineal, aiwiata, an eagangan yang tetuang alam RT
RWP. Sitem tanotai egional oini ihaakan akan menjai ayung an ac
uan bagi etia kabuaten an kotamaya alam mengembangkan item tanotai
egional alam kala yang lebih kecil yaitu kala kabuaten/kotamaya engan tet
a mengacu aa kebijakan enataan tata uang yang tecaku alam RTRWK. Selanju
tnya, item tanotai egional kabuaten/kotamaya teebut menjai acuan ba
gi item yang lebih kecil yaitu item tanotai kawaan yang juga ihauka
n mengacu aa encana tata uang kawaan.
9.3.2 Ketekaitan tata uang engan tanotai
Kebijakan tata uang angat eat kaitannya engan kebijakan tanotai. Ruang
meuakan kegiatan yang itematkan i ata lahan kota, eangkan tanotai me
uakan item jaingan yang ecaa fiik menghubungkan atu uang kegiatan enga
n uang kegiatan lainnya. Antaa uang kegiatan an tanotai tejai hubunga
n yang iebut iklu enggunaan uang tanotai. Bila ake tanotai ke
uatu uang kegiatan (eil lahan) iebaiki, uang kegiatan teebut akan men
jai lebih menaik, an biaanya menjai lebih bekembang. Dengan bekembangnya
uang kegiatan teebut, meningkat ula kebutuhan akan tanotai. Peningkatan
ini kemuian menyebabkan kelebihan beban aa tanotai, yang hau itanggu
langi, an iklu akan teulang kembali bila akeibilita iebaiki. Seeti h
alnya enjelaan i ata, tuktu kota yang teeba memanjang ai uat ke i
nggian atau acak ecaa melua ke egala enjuu kota menyebabkan tiak memaai
nya ekembangan aaana jalan an angkutan umum untuk melayani mayaakat.
Maalah tanotai i negaa eang bekembang
503
Peoalan menjai emakin umit kaena elain iebabkan oleh hal yang telah iu
aikan i ata, juga oleh tebatanya lahan i uat kegiatan ekotaan ehingga
elebaan an enambahan ua jalan bau ulit ilakukan. Sementaa itu, ola
ejalanan yang tejai, yang euai engan ola ekembangan, lokai kegiatannya
teta tekonentai aa kawaan yang ama.
9.4 Sitem integai tanotai antamoa teau
9.4.1 Umum
Suvei AalTujuan Naional yang ilakukan aa tahun 1995 membeikan inikai ten
tang ola tanotai i Inoneia yang meliuti tanotai aat, ungai, la
ut, an uaa. Kaena Inoneia negaa keulauan, tiak bia ihinai elunya
etukaan moa tanotai alam uatu ejalanan, baik untuk enumang mauun
baang ai temat aal menuju ke temat tujuan. Biaya tanotai ai temat
aal ke temat tujuan ini meuakan kombinai ai biaya tanotai etia mo
a itambah engan biaya tanit ai uatu moa ke moa lainnya. Khuu untuk
egeakan baang (inuti), item tanotai antamoa teau meuakan i
tem yang betujuan melayani eagangan engan membeikan atau menawakan kemua
han alam menangani oe engiiman baang. Kemuahan teebut iaahkan kea
a engiim an eneima baang (ekoti an imoti), untuk tiak lagi ibeba
ni oleh komlekita yang ihaai alam menangani enii eluuh atau ebagian
ai oe engiiman baang teebut. Hal ini akan lebih iaakan bilamana
engiiman baang itu melibatkan lebih ai atu moa tanotai, ehingga ala
m oe elakanaannya, baang akan melalui bebeaa tahaan eneimaan an enye
ahan, ejak eneimaan awal amai aa eneimaan akhi (embeli). Selain itu, k
aena ketebataan ean etia aaana tanotai alam menjangkau uatu wi
layah ecaa menyeluuh, maka item integai antamoa ihaakan aat menang
gulangi ketebataan teebut. Hal yang enting alam integai antamoa meliu
ti konii an bentuk jaingan aaana tanotai, titik imul (temu) anta
a bebagai moa beua teminal atau emaga, yaitu temat egantian antamoa
yang atu engan moa lainnya ehingga kontinuita egeakan oang atau baang
aat belangung engan lanca. Di aming itu, fakto oeaional juga angat
menentukan, khuunya bagi angkutan umum eeti keteeiaan moa engan jawal
yang teatu an teintegai antaa atu moa engan moa lainnya ehingga mem
uahkan engguna jaa angkutan i aming tentunya engatuan taif yang tejang
kau mayaakat lua.
9.4.2 Waktu temuh an biaya tanit ebagai kenala utama
Waktu temuh aalah alah atu fakto yang aling utama yang hau angat ieh
atikan alam tanotai. Hal ini iilutaikan aa gamba 9.3.
504 Ofya Z Tamin, Peencanaan an emoelan tanotai
e
506 Ofya Z Tamin, Peencanaan an emoelan tanotai
f
Penguangan biaya tanit an tanfe Peti kema tebuat ai bahan logam an b
eifat ebagai guang yang aat iinah inah eta aat langung imuat ke
moa engangkut (tiak memelukan bongka muat an guang), ehingga biaya tan
it an tanfe aat itekan. Tetai, ielukan invetai yang cuku bea un
tuk membeli ealatan bongka muat. Penguangan biaya evi intu ke intu Peng
iiman baang aat ilakukan engan hanya menggunakan atu eti kema yang ama
ai temat aal amai ke temat tujuan an aat ilakukan engan hanya atu
okumen aja ejak iteima amai engan ieahkannya baang teebut keaa
eneima.
g
Tetai, i aming keuntungan i ata, eti kema juga memunyai kekuangan yang
elu iehatikan, yaitu beatnya enii yang bea. Hal ini jela akan menim
bulkan emaalahan jika eti kema teebut iangkut melalui tanotai jalan
aya. Pengangkutan eti kema yang begitu beat melalui jaingan jalan aya jel
a akan ceat menguangi waktu elayanan kontuki jalan aya teebut. Pengua
ngan waktu elayanan ini beagam, yang angat tegantung aa total beban gana
kenaaan yang igunakan. Penguangan waktu elayanan menghaukan kontuki j
alan aya eceatnya itingkatkan kembali (elaian ulang) untuk memeanjang
uia elayanannya. Pogam emelihaaan jalan ini tentu membutuhkan biaya yang t
iak eikit. Kaena itu, enggunaan tanotai jalan baja (keeta ai) untuk
mengangkut eti kema meuakan jawaban yang angat teat. Selain beban gana,
bebeaa ebaningan antaa item jaingan jalan aya engan jalan baja aat
ilihat aa tabel 9.3.
Tabel 9.3 Pebaningan antaa angkutan jalan aya engan angkutan jalan baja Hal
yang No Jalan aya Jalan baja iebaningkan
1 Pelayanan intu ke intu, tiak membutuhkan a an una angkutan; bemobili
ta tinggi egala macam lalu linta ai ejalan kaki amai engan tuk mengunt
ungkan untuk jaak ekat kaena menghemat waktu an biaya an tiak elu aa an
gkutan a an una taiun keceatan angat itentukan oleh volume lalulinta
elatif lebih muah tiak cocok untuk angkutan maal (bea) enguaha hanya m
enyeiakan aananya aja (bi, tuk) membutuhkan angkutan awal an angkutan lan
jutan; bemobilita enah hanya iebolehkan untuk keeta ai menguntungkan un
tuk jaak jauh kaena biaya oeai elatif lebih muah keceatan aat lebih ti
nggi kaena tiak aa hambatan membutuhkan emelihaaan yang teliti; biaya elat
if lebih tinggi cocok untuk angkutan maal an bejaak jauh enguaha hau me
nyeiakan aana, aaana, an engatuan lalulinta hau melalui kontuki
khuu (weel) an eilangan
2 3
Macam lalulinta Biaya angkut
4 5 6 7
Keceatan Biaya emelihaaan Jeni baang yang iangkut Penguahaan angkutan
8
Peinahan ai angat muah an leluaa atu jalu ke jalu lain
Maalah tanotai i negaa eang bekembang
507
Kaena itu, alam item tanotai antamoa teau, eanan eti kema ang
at ielukan kaena aat menguangi biaya tanotai an ekaligu menguang
i haga jual baang ehingga bia lebih aat beaing (kometitif) engan ou
en lainnya.
9.5 Kebijakan engembangan item tanotai ekotaan
Seuai engan yang telah igaikan alam Gai Gai Bea Haluan Negaa (GBHN)
tahun 1993, bebeaa okok kebijakan engembangan item tanotai ekotaan
aalah ebagai beikut. a Pembangunan tanotai ekotaan hau iaahkan a
a tewujunya item tanotai naional ecaa teau, tetib, lanca, aman
an nyaman, eta efiien alam menunjang an ekaligu menggeakkan inamika
embangunan, menukung mobilita manuia, baang, an jaa, eta menukung emba
ngunan wilayah. Sitem tanotai ekotaan hau itata an teu iemunak
an engan iukung oleh eningkatan kualita umbe aya manuia. Sitem tano
tai ekotaan hau itata an teu ieuaikan engan ekembangan ekonomi,
tingkat kemajuan teknologi, kebijakan tata uang, eletaian fungi lingkungan
hiu, an kebijakan enegi naional aga elalu aat memenuhi kebutuhan akan
embangunan eta tuntutan mayaakat. Tanotai i wilayah ekotaan akan men
gembangkan item angkutan maa yang tetib, lanca, aman, nyaman an efiien a
ga menaik bagi emakai jaa angkutan ehingga kemacetan an gangguan lalulinta
aat ihinai an kualita hiu aat ietahankan. Tanotai enumang
an baang i ekotaan hau ibina an ikembangkan aga mamu beean alam
meningkatkan kelancaan au enumang an baang, elaa engan inamika emb
angunan.
b c
e
Melihat aahan GBHN 1993 i ata, kebijakan engembangan item tanotai e
kotaan ebaiknya iaahkan aa hal beikut ini. a b Menyeiakan item tano
tai ekotaan yang memaukan angkutan jalan, keeta ai, angkutan uaa, an an
gkutan laut. Mengembangkan item angkutan umum ekotaan maa yang tetib, lan
ca, aman, nyaman, an efiien, eta tejangkau oleh emua laian emakai angk
utan. Mengatai kemacetan an gangguan lalulinta eta memetahankan kualita
lingkungan eta meningkatkan mobilita an kemuahan akeibilita i wilayah
ekotaan. Meningkatkan item jaingan jalan antakota aga angkutan alam kota
aat befungi engan baik alam melayani aktivita lokal an aeah ekitanya
.
c
508 Ofya Z Tamin, Peencanaan an emoelan tanotai
e
Mengembangkan keteauan antamoa an intamoa euai engan encana tata ua
ng kota eta memanfaatkan uang jalu koio item angkutan maa ebagai u
at kegiatan bau. Memelua kebebaan memilih angkutan yang igunakan, euai
engan jaa yang ibeikan an kemamuan mayaakat. Menoong emakaian angkutan
umum an menguangi emakaian angkutan ibai. Memekecil enambahan jaingan
jalan bau yang membeikan amak etumbuhan kota ke aah yang tiak euai e
ngan kebijakan engembangan wilayah. Memekecil aah ejalanan ke temat keja
engan menyebakan embangunan inuti, eagangan, an eumahan ecaa eim
bang. Mengembangkan failita angkutan laut an uaa untuk memenuhi emintaan
yang emakin meningkat. Mengembangkan manajemen angkutan ekotaan untuk mencaa
i efiieni an kualita elayanan yang tinggi; tingkat
f g h
i j k l m n o
Meningkatkan kooinai eencanaan an elakanaan angkutan ekotaan ecaa te
au; Meningkatkan ean eta wata alam invetai an engelolaan item an
gkutan ekotaan; Melakukan uaya enghematan an enganekaagaman enegi alam
angkutan ekotaan; Mengenalikan amak lingkungan ebagai akibat angkutan ek
otaan, teutama i kawaan uat kota yang elalu iaati kenaaan, eta meng
uayakan aga encemaan uaa, kebiingan, an getaan i kawaan emukiman e
kecil mungkin. Menyeiakan item angkutan ekotaan yang aman, menguangi konfl
ik antaa ejalan kaki an engenaa mobil.
Hal yang ama tejai i Kotamaya Banung; item jaingan aaana tanota
i igunakan untuk mengaahkan embangunan ekotaan ejalan engan emakin teg
eenya wilayah emukiman ke aeah inggian kota, eangkan temat laangan
ekejaan emakin banyak i uat ekotaan. Kalau hal ini ibiakan teu, akan
tebentuk kota yang emakin membea, yang aa uatu aat aya ukungnya ati
tiak beean lagi (lihat gamba 9.4). Jaak antaa laangan keja an emukim
an tiak elu elalu beekatan; yang enting, jaak yang cuku jauh aat ihu
bungkan engan item tanotai yang bekaaita bea an bekeceatan ting
gi. Untuk enuuk i aeah ekotaan, akeibilita tiak lagi inyatakan eng
an jaak; maalah waktu temuh an biaya tanotailah yang lebih beeanan
enting.
Maalah tanotai i negaa eang bekembang
509
Ciaua Paomong
Lembang
Keteangan : Keeta ai ingan taha etama Keeta ai ingan taha keua Keet
a ai ingan taha ketiga
Paalaang
Cimahi Utaa Cimahi Tengah
Cimenyan
Batujaja
KOTAMADYA BANDUNG
Magaaih Cililin Magahayu Dayeuhkolot Bojongoang Kataang Baleenah Majalaya
Ciaay Soeang Banjaan Cileunyi Rancaekek
Gamba 9.4 Rencana engembangan item tanotai angkutan umum i Kotamaya B
anung Sumbe: BMARTS (1996)
Selain itu, uaha eningkatan embangunan i ekita wilayah emukiman (mialny
a kota Banja, Soeang an Ciwiey) ilakukan engan menyeiakan kegiatan yang b
anyak menghailkan laangan keja. Ini akan menyebabkan beinahnya laangan ke
ja ai uat kota utama ke aeah inggian kota ehingga oang tiak elu la
gi mauk ke uat kota untuk mencai ekejaan, cuku i aeah ekita temat t
inggalnya aja. Untuk menjamin etumbuhan ekonomi an mengatai kebutuhan akan
angkutan ekotaan ibutuhkan failita jaingan angkutan yang aling menghubung
kan antaa wilayah kota, emukiman, aeah komeial, an ekeai. Saaan umu
m kebijakan emeintah alam lalulinta an angkutan kota untuk mencitakan it
em angkutan i aeah ekotaan ehingga mobilita oang an baang aat menunj
ang etumbuhan ekonomi an item angkutan umum itu aat memenuhi kebutuhan, m
ayaakat akan egaulan, eniagaan, an ekeai.
9.6 Aek emaalahan
Laju etumbuhan enuuk ekotaan alam aawaa 1990 an aalah ekita 4,3%
e tahun akibat teuatnya kegiatan eekonomian i aeah ekotaan. Seiing
engan itu, etumbuhan ekto tanotai ekotaan mencaai ekita 7,9% e
tahun an iekiakan meningkat menekati 10% e tahun untuk aawaa beikut
nya. Meningkatnya etumbuhan ekto tanotai ekotaan ini menyebabkan em
aalahan tanotai ekotaan menjai betambah komlek ehingga keutuan e
nanganannya hau aat ilakukan eegea mungkin. Pemaalahan tanotai e
kotaan teebut antaa lain beua enentuan jeni an moa
510 Ofya Z Tamin, Peencanaan an emoelan tanotai
angkutan umum, ola jaingan, izin tayek angkutan, kebijakan eakian, an
eambuan. Akibat ituai yang emikian an eta ilanai oleh jiwa an Unang
Unang Nomo 5 tahun 1974 tentang okok emeintahan i aeah, maka Pemeintah
Puat mengeluakan Peatuan Pemeintah (PP) Nomo 22 tahun 1990 mengenai elim
ahan ebagian tuga Deatemen Pehubungan mengenai lalulinta angkutan jalan a
ya keaa Pemeintah Daeah. Ata aa PP Nomo 22 Tahun 1990 teebut, Dina L
alulinta Angkutan Jalan (DLLAJ) yang tainya beaa alam naungan Deatemen Pe
hubungan kemuian ilimahkan kewenangannya keaa Pemeintah Daeah. Dengan e
limahan ini ihaakan item engelolaan tanotai ekotaan akan menjai l
ebih baik an membeikan kontibui bagi eningkatan Penaatan Ali Daeah (PAD
) enii. Di lain ihak, elimahan ini juga beati betambahnya beban tuga a
minitai an keuangan Pemeintah Daeah. Dai bebeaa hail kajian (Tamin, 1
995k) teientifikai ecaa umum bahwa kelemahan item engelolaan tanota
i ekotaan i bebeaa kota iebabkan oleh bebeaa hal beikut ini: belum te
bentuknya Dina Lalulinta Angkutan Jalan Tingkat II aa etia kota i Inone
ia; lemahnya mekanime hubungan keja atau kooinai antaintani yang tekait
alam maalah tanotai ekotaan; tiak jelanya wewenang an tanggung jawa
b etia intani alam enanganan maalah tanotai ekotaan; kuangnya um
be aya manuia, baik ai ii kualita mauun kuantita; kuang lengkanya e
atuan elakanaan yang aa an tiak teeianya aahan mengenai bagaimana eb
aiknya item engelolaan tanotai ekotaan ilakukan engan melihat tingka
t komlekita emaalahan tanotai ekotaan yang aa, tiologi kota, an
lain lain.
9.6.1 Konii item tanotai i ekotaan
Paa aat ini ebagian bea emakai angkutan umum maih mengalami bebeaa ae
k negatif item angkutan umum jalan aya, yaitu: tiak aanya jawal yang teta
; ola ute yang memaka tejainya tanfe; kelebihan enumang aa aat jam
ibuk; caa mengemuikan kenaaan yang embaangan an membahayakan keelamatan
; konii intenal an ektenal yang buuk.
Maalah tanotai i negaa eang bekembang
511
Teaat bebagai maalah lain yang menunjukkan bahwa item angkutan umum eko
taan belum menyeiakan konii elayanan yang memuakan. Di antaanya aalah kon
ii angkutan umum ekotaan yang tegambakan alam bentuk ola engoeaian t
ayek aa jaingan jalan yang tiak ikategoikan menuut jeni kenaaannya a
n ola oeainya. Secaa keeluuhan tayek angkutan umum membentuk item angk
utan umum ekotaan yang memunyai ola elayanan yang euai engan jaingan ja
lan yang aa. Konii item angkutan umum teebut aat ianalii ai ii
enyeiaannya (kaaita, fekueni, an ola elayanan) an juga caanya alam m
elayani emintaan (Tamin, 1993, 1994, 1995ai; Tamin et al, 1993b). Secaa umu
m emaalahan tanotai i ekotaan iengauhi oleh bebeaa konii beik
ut (ebagai ilutai iambil emaalahan tanotai i Jakata). Saana an
aaana lalulinta maih tebata o Tiak eimbangnya eentae etambahan j
umlah kenaaan ebea 11,47% e tahun engan eentae etambahan aaana
jaingan jalan yang hanya 4% e tahun; Saana ejalan kaki (totoa) belum mem
aai an maih angat kuang; Kaaita eimangan maih tebata; Saana eny
ebeangan jalan belum memaai.
o o o
Manajemen lalulinta belum befungi ecaa otimal o o o o o o o Kenaaan be
enumang kuang ai 2 oang maih telalu banyak; Fungi jalan belum teiah
ecaa nyata (fungi jalan atei maih becamu engan fungi jalan lokal); Jal
an an totoa igunakan oleh eagang kaki lima an uaha lainnya eeti bengk
el, an aki lia. Lalulinta atu aah maih tebata aa jalan tetentu; La
ju Khuu Bu (LKB) bau iteakan aa bebeaa jalan untuk jam tetentu aja
; Peneaan Kawaan Pembataan Lalulinta (KPL) maih tebata aa jam tetentu
aja; Sitem kontol lamu lalulinta uah telalu tua an tiak memaai alam
konii lalulinta ekaang.
Pelayanan angkutan umum enumang belum memaai o Dai ekita 2 juta kenaaan
bemoto, tecatat jumlah angkutan ibai 86%, angkutan umum 2,51%, an ianya
ebea 11,49% aalah angkutan baang. Selain itu, iketahui bahwa 57% ejalan
an oang memegunakan angkutan ibai. Dengan emikian, ooi angkutan enu
mang menjai tiak eimbang, yaitu 2,51% angkutan umum hau
512 Ofya Z Tamin, Peencanaan an emoelan tanotai
melayani 57% ejalanan oang, eangkan 86% angkutan ibai hanya melayani 43%
ejalanan oang; o Tiak eimbangnya jumlah angkutan umum engan jumlah ejal
anan oang yang hau ilayani menyebabkan muatan angkutan umum melebihi kaait
anya, teutama aa jam ibuk; Penataan angkutan umum belum mengacu keaa hie
aki jalan; Belum teeianya Sitem Angkutan Umum Maa (SAUM).
o o
Diilin emakai jalan maih enah o o o Diilin engenaa, enumang, mauun
ejalan kaki maih kuang; Peubahan eatuan menyebabkan elunya waktu untuk
enyeuaian; Peniikan mengenai lalulinta belum mauk alam eniikan fomal
.
9.6.2 Kebutuhan akan tanotai i ekotaan
Keceneungan ejalanan oang engan angkutan ibai i aeah ekotaan akan
meningkat teu bila konii item tanotai tiak iebaiki ecaa lebih m
enaa. Beati akan lebih banyak lagi kenaaan ibai yang igunakan kaena
elayanan angkutan umum eeti aat ini tiak aat ihaakan lagi. Peningkata
n keceneungan ejalanan engan angkutan ibai aalah amak fenomena etum
buhan aeah ekotaan. Meningkatnya aktivita ekonomi kuang telayani oleh ang
kutan umum yang memaai; Semakin meningkatnya aya beli an tingkat ivacy yang
tiak bia ilayani oleh angkutan umum. Meningkatnya haga tanah i uat kota
mengakibatkan teebanya lokai emukiman jauh ai uat kota atau bahkan am
ai ke lua kota yang tiak tecaku oleh jaingan layanan angkutan umum; Dibuka
nya jalan bau emakin meangang enggunaan angkutan ibai kaena biaanya i
jalan bau teebut belum teaat jaingan layanan angkutan umum aa aat itu
; Tiak teeianya angkutan lingkungan atau angkutan enguman yang menjembatan
i ejalanan amai ke jalu utama layanan angkutan umum; Kuang tejaminnya keb
utuhan akan aa aman, kebutuhan akan teat waktu, kebutuhan akan lama ejalana
n yang ieita alam elayanan angkutan umum;
Selain itu, untuk Kotamaya Banung, hal yang elu iehatikan aalah emakin
begeenya aeah eumahan ai uat kota ke aeah inggian yang iebabkan
kaena haga lahan i aeah uat kota yang emakin mahal. Rata ata jaak e
jalanan beubah ai 13 km aa tahun 1995 menjai 16.2 km aa tahun 2030. Pe
entae egeakan i ata 20 km beubah ai 23% aa tahun 1995 menjai
Maalah tanotai i negaa eang bekembang
513
31% aa tahun 2030. Seangkan jaak antaa 1020 km beubah ai 17% aa tahun 1
995 menjai 25% aa tahun 2030.
9.6.3 Oganiai an kelembagaan
Maalah kelembagaan menyangkut ula maalah kewenangan lembaga yang mengelola ma
alah tanotai ekotaan. Maalah kewenangan kelembagaan ini elanjutnya an
gat tekait aa maalah yang itimbulkannya ebagai akibat ai:
tejainya tumang tinih kegiatan bebeaa lembaga tetentu alam menangani e
maalahan tanotai ekotaan. Hal ini emakin menjai umit aabila tiak te
aat kooinai yang baik antalembaga tekait. Untuk itu angat iaakan e
lu enjabaan hak, tanggung jawab, an wewenang etia lembaga alam enanganan
maalah tanotai ekotaan ini. tejainya kekoongan alam kelembagaan akib
at tiak aanya baan yang betanggung jawab tehaa emaalahan tanotai
ekotaan. Hal ini jela angat beamak negatif tehaa tanotai ekotaa
n.
Dalam oenya, uatu Keutuan Daeah memunyai ketentuan hukum yang ah aabi
la telah iemikan euai engan ketentuan yang belaku. Peatuan yang telah
iemikan aat iatikan telah ietujui oleh mayaakat melalui wakilnya (DPRD
). Oleh ebab itu, elangganya aat ikenai anki euai engan ketentuan yan
g belaku. Mekanime ini maih belum imayaakatkan alam kehiuan ekotaan.
Bahkan i kota metoolitan (DKI Jakata), mekanime ini bau iaai oleh eba
gian kelomok laian mayaakat tetentu yang mengeti maalah hukum. Diaai
bahwa oe embentukan ea aat ini angat umit an memelukan waktu lama
eta membutuhkan umbe aya manuia yang lebih bea. Namun, langkah teebut h
au itemuh. Salah atu altenatif aalah memelajai kemungkinan ieehanak
annya oe embentukan ea.
9.6.5 Unang unang an eatuan
Pelu icatat bahwa elama kuun 13 tahun ejak tahun 1972, 13% lua lahan telah
beubah menjai kawaan tebangun. Di aming itu, kelancaan lalulinta menuu
n eiing engan laju etumbuhan kenaaan yang tinggi, 14% e tahun, eangkan
enyeiaan failita aaana hanya anggu tumbuh 4% e tahun. Keenjangan a
lam enyeiaan failita aaana jalan itambah engan tebatanya failita
aki i uat kota juga menambah keawanan lalulinta i uat kota. Dalam kont
ek engembangannya, DKI Jakata ibagi menjai bebeaa Wilayah Pengembangan (W
P) yang maing maing memunyai cii teenii alam mengembangkan oteninya.
Dalam angka engembangan fiik kota, beaakan konii an oteni wilayah e
ngembangan amai engan tahun 2005, engembangan wilayah ekotaan iuatkan
aa wilayah engembangan baat an timu, eangkan wilayah elatan ibatai an
iawai. Untuk melakanakan tategi engembangan itemuh bebeaa kebijakan,
yaitu ogam enyebaan embangunan engan mencitakan uat kegiatan bau, khu
unya i wilayah baat an timu, untuk menguangi intenita i uat kota i
aming mewujukan tujuan lain, yaitu eningkatan wilayah Botabek.
9.6.6.1 Aek oganiai
Seuai engan ifat kota metoolitan yang telah melekat aa Jakata, kebutuhan
aeah yang komlek eta meneak telah membentuknya menjai kota yang aat
engan oganiai untuk menjamin telakananya emeintahan yang lanca. Boleh
ikatakan emua bentuk oganiai yang menyangkut tanotai ekotaan telah a
a. Untuk hal yang lebih meneak, eeti maalah kemacetan yang eing melana
kota bea, ibentuk tim atau kelomok keja (okja). Contohnya, untuk mengatu
manajemen an ikulai lalulinta eeti engatuan jalan eaah, ibentuk tim
yang beifat tekni, yaitu Tim Pengenali Lalulinta an Angkutan yang eang
igalakkan i DKI Jakata. Mengingat maalah kemacetan menyangkut banyak ihak,
enyeleaiannya melibatkan banyak ihak, meliuti DLLAJ, DTK, BPP, Pola, Bae
a, DPU, an juga ai Deatemen Pehubungan Daat.
9.6.6.2 Peatuan elakanaan
Untuk mengantiiai elakanaan PP Nomo 22 Tahun 1990, Pema DKI Jakata memu
nyai eatuan elakanaan yang cuku banyak untuk melakanakan engelolaan ae
k tanotai. Menuut tingkat keeluannya eatuan elakanaan aat beua
Keutuan Mentei, Peatuan Daeah, Keutuan Gubenu, Intuki Gubenu, an
Pengumuman Gubenu. Selama kuun waktu 25 tahun amai engan tahun 1993, untu
k bebagai hal yang menyangkut emaalahan tanotai ekotaan, DKI Jakata
memunyai 78 Suat Keutuan Gubenu, 9 Intuki Gubenu, 3 Pengumuman Guben
u, an 1 Peatuan Daeah mengenai etibui aeah biang ekonomi. Hami emu
a eatuan itu menyangkut maalah manajemen tanotai ekotaan. SK Gubenu
ikeluakan umumnya untuk memecahkan emaalahan elanggaan, enyalahgunaan,
an euakan aana tanotai, eangkan Intuki Gubenu lebih mengaah k
eaa embinaan mayaakat alam bentuk anjuan an imbauan.
516 Ofya Z Tamin, Peencanaan an emoelan tanotai
9.6.6.3 Aek tanotai Seuai engan yang telah igaikan alam RUTR DKI Ja
kata, tujuan engelolaan tanotai ekotaan akan ieuaikan. Selanjutnya,
tujuan an aaan aah kebijakan engembangan ekto tanotai ekotaan i
alam RUTR DKI Jakata 2005 itetakan ebagai beikut.
Menyeiakan item tanotai ekotaan teau yang memaukan bebagai moa t
anotai; Meningkatkan an memelua item jaingan aaana untuk memet
inggi mobilita an elayanan bagi kemuahan mayaakat eluuh wilayah DKIJaka
ta an Botabek; Meningkatkan engatuan lalulinta untuk menguangi kemacetan a
n memeenek waktu ejalanan; Menoong an meangang mayaakat untuk mengg
unakan jaa angkutan umum an menguangi enggunaan kenaaan ibai i lingkun
gan aat;
Stategi engembangan ekto tanotai ekotaan yang ilakanakan aalah eb
agai beikut. Tingkat etumbuhan jumlah kenaaan aa tahun 2005 beaakan h
ail oyeki maih belum bia ilayani engan eceatan embangunan aaana
jalan. Jai untuk tecaainya kelancaan lalulinta iekiakan 35%40% ejalana
n engan angkutan ibai elu iinahkan ke angkutan umum, untuk elanjutnya
aat itamung aa jaingan yang akan eleai aa tahun 2005. Kebutuhan akan
angkutan umum, aabila hanya ienuhi oleh angkutan bu, akan menimbulkan maala
h alam engoeaian. Untuk memenuhi kebutuhan teebut, elu eningkatan it
em angkutan bu yang teau engan item angkutan maa lain. Paa jalu aat
elu ieiakan laju khuu bu atau angkutan maa yang teau engan moa
angkutan lainnya. Dalam angka meminahkan enggunaan angkutan ibai ke angkut
an umum, elu eatuan yang menghambat enggunaan kenaaan ibai. Tetai ha
l ini hau iimbangi engan eningkatan elayanan angkutan umum; baik ai egi
kualita mauun kuantitanya. Salah atu caa meneakan embataan lalulinta
aalah melalui kebijakan eakian, yaitu membelakukan taif aki yang ting
gi, teutama i DKIJakata. Demikian ula, aki i baan jalan ecaa betaha
bau ihilangkan, teutama i jalan yang aat volume lalulintanya. Keeta ai
ijaikan angkutan altenatif engan meningkatkan eannya untuk mengangkut 15%
ejalanan oang alam kota. Peningkatan angkutan umum baang alam kota ilaku
kan engan memaukan kebijakan lokai eguangan, inuti teminal angkutan ba
ang, an elabuhan eta failita angkutan keeta ai antakota.
Banyak hal yang menyangkut tanotai ekotaan, khuunya i aeah metooli
tan, yang elakanaannya membingungkan engelola lalulinta aeah,
Maalah tanotai i negaa eang bekembang
517
alam hal ini DLLAJ. Contoh eehana aalah kau jembatan enyebeangan jalan
yang melinta i jalan aya; maih aa tumang tinih enguuannya antaa DLLAJ
an DTK yang maing maing maih alam atu emeintah aeah. Di aming itu,
maih teaat emaalahan lain yang menjai kenala alam mengembangkan item
tanotai ekotaan i wilayah DKI Jakata, yaitu hal yang timbul i aeah
tanii antaa wilayah DKI Jakata an wilayah Botabek. Mengingat hal ini menya
ngkut 2 atau lebih emeintah aeah, maalah tanotai ekotaan hau iun
ingkan beama, khuunya yang menyangkut angkutan antakota an angkutan ingg
ian kota beeta tayeknya. Untuk menghinai hal yang tiak iinginkan, iel
ukan eancangan an eencanaan yang baik.
9.6.6.4 Unang unang an eatuan
Dai egi kelengkaan an keiaan oganiai an intani yang telibat alam
engelolaan aek tanotai yang ilimahkan alam PP Nomo 22 Tahun 1990 kea
a DLLAJ, oganiai i DKIJakata inilai aling lengka an aling ia. Mungk
in kaena maalah yang ihaai DKI Jakata memang cuku komlek an angat men
eak enyeleaiannya. Untuk mengantiiai elakanaan UU LLAJ Nomo 14 tahun 1
992 yang tentu bekaitan engan elimahan PP Nomo 22 tahun 1990, banyak Keutu
an Mentei yang telah an akan ikeluakan untuk membantu oe elakanaannya
, teutama yang menyangkut engatuan, enyelenggaaan, elakanaan, an embina
an. Aaun Keutuan Mentei untuk menunjang elakanaan UU LLAJ Nomo 14 tahun
1992 teebut aalah: Peatuan Pemeintah Reublik Inoneia Nomo 41 tahun 199
3 tentang Angkutan Jalan. Peatuan Pemeintah Reublik Inoneia Nomo 42 tahun
1993 tentang Pemeikaan Kenaaan Bemoto i jalan. Peatuan Pemeintah Reu
blik Inoneia Nomo 43 tahun 1993 tentang Paaana an Lalulinta Jalan. Peat
uan Pemeintah Reublik Inoneia Nomo 44 tahun 1993 tentang Kenaaan an Pen
gemui.
c
memelanca item egeakan melalui kebijakan ekayaa an manajemen lalulint
a yang baik.
Bebeaa tinakan emecahan maalah yang aat (telah an akan) ilakukan (ebag
ai ilutai iambil contoh DKI Jakata an Kotamaya Banung) ijelakan beiku
t ini.
9.7.2 Kebutuhan akan tanotai
Untuk mengatai tingginya tingkat ubaniai ke aeah ekotaan an menghinai
egeakan au bolak balik yang tinggi etia hai, elu ibangun kota ateli
t atau un kota bau manii yang alah atu funginya menguangi intenita keg
iatan i kota inuk eta menahan au ubaniai, an meuakan filte bagi kot
a inuk. Untuk itu ati ielukan item jaingan tanotai antaa kota uta
ma engan kota atelit teebut. Dalam hal ini elu ilakukan elebaan jalan y
ang mengunang maalah embebaan lahan. Secaa teoi, kota Bekai, Tangeang,
an Bogo aat meuakan kota atelit bagi DKI Jakata ehingga oang yang bete
mat tinggal i kota teebut atau ekitanya tiak elu egi jauh jauh ke DKI
Jakata untuk memenuhi kebutuhannya. Akan tetai malah hal ebaliknyalah yang t
ejai. Kota Bekai, Tangeang, an Bogo ekaang beubah ean menjai temat
altenatif untuk emukiman bagi enuuk DKI Jakata eangkan meeka maih tet
a bekeja i DKI Jakata. Hal ini menyebabkan tingginya egeakan au lalulin
ta etia hainya ai an ke DKIJakata ai kota kota teebut yang menyebabk
an maalah tanotai yang angat eiu. Dalam kau kotamaya Banung, kota
yang iekiakan aat ijaikan kota atelit manii bagi kotamaya Banung a
alah Soeang, Ciwiey, Banjaan, an bebeaa kota lain i ekita Kotamaya Ban
ung. Uaha lain aalah mengatu lokai uat kegiatan utama ebagai uat bangk
itan lalulinta ehingga egeakan emenuhan kebutuhan teebut hanya tejai
aa lua wilayah tetentu aja. Pembangunan aeah enta ime baat, utaa, t
imu an elatan aa bebeaa aeah i alam kota aalah alah atu wuju lang
ung uaha teebut. Uaha lain aat beua ayoniai ekolah an engatuan j
am mauk kanto an ekolah.
9.7.3 Paaana tanotai
Bebeaa tinakan yang telah an akan ilakukan untuk meningkatkan lua jalan a
n kaaita aaana tanotai akan ijelakan beikut ini.
9.7.3.1 Pembangunan jalan bau
Pembangunan jalan bau, baik jalan lokal, kolekto, mauun jalan atei, euai
engan ogam Bina Maga. Jalan beba hambatan (tol) i alam kota * * * Jalan
tol GogolCawang Jalan tol CawangTanjung Piok Jalan tol elabuhan
520 Ofya Z Tamin, Peencanaan an emoelan tanotai
Jalan lingka lua yaitu jalan yang melingkai DKI Jakata yang aa ininya
uaha mengalihkan egeakan lalulinta meneu aga jangan memauki DKI Jakata
ehingga kemacetan yang timbul kaena embebanan yang telalu banyak aa jalan
atei aial aat ihinai. Jalan tol GogolCawangPiok juga meuakan jalan l
ingka alam bagi DKI Jakata. Tewujunya jalan tol CawangTanjung Piok meuaka
n alah atu ean eta ihak wata alam uaha tuut memecahkan emaalahan
tanotai i DKI Jakata. Jalan enghubung bau (atei) yang menghubungkan 2
buah zona yang angat tinggi tingkat lalulintanya, eeti jalan atei bau y
ang menghubungkan Rawamangun engan Jatinegaa an Jalan KH Ma Manyu engan K
amung Melayu, jela aat memecahkan maalah kemacetan aa jalan aial menuju
ke uat kota eeti Jalan Sahajo, Rauna Sai, an Salemba.
Peningkatan kaaita jaingan jalan atei yang telah aa aalah engan caa me
lebakan jalan aial. Selain itu, juga ilakukan uaha untuk memebaiki aeah
umbe kemacetan yang banyak teaat aa jaingan jalan i aeah ekotaan.
Pembenahan item jaingan jalan an item hieaki an embangunan jalan teob
oan bau hau ilakukan eegea mungkin untuk menghinai enyemitan, mialn
ya:
9.7.3.2 Peningkatan kaaita aaana
Tetai, ebelum kita mulai memecahkan maalah yang membutuhkan biaya yang angat
bea teebut, etanyaan yang elu egea ijawab aalah ebeaa jauh jain
gan jalan yang aa ekaang ini befungi euai engan kaaita yang ehauny
a. Teaat bebeaa emaalahan aa item jaingan jalan i Kotamaya Banun
g yang hau egea iecahkan ebagaimana ikemukakan beikut ini. Kotamaya Ba
nung teletak i aeah yang bebukit bukit, menyebabkan item jaingan yang
ikembangkan belum aat memenuhi hieaki an fungi jalan yang emetinya.
Maalah tanotai i negaa eang bekembang
521
Panjang jaingan jalan i Kotamaya Banung maih angat jauh i bawah konii i
eal (ebaningan antaa lua jaingan jalan engan lua kota yang ieal aalah
ekita 20%25%). Maih teaat jaingan jalan yang teutuutu yang mungkin
iebabkan oleh konii geogafi yang membutuhkan jembatan yang angat mahal (je
mbatan Paati). Gangguan aming angat bea, iebabkan oleh ibbon evelome
nt yang angat menguangi kaaita jalan yang memang uah angat tebata. Pen
goeaian jalan engan item au lalulinta atu aah aalah caa yang angat
baik an efektif eta muah untuk meningkatkan kaaita jaingan jalan (eca
a teoiti kita meningkatkan kaaita ua kalinya tana hau melebakan jalan)
. Kelemahannya, tejai eningkatan jaak an waktu untuk begeak ai uatu te
mat ke temat lainnya. Hal yang iaakan angat elu untuk menguangi amak
negatif teebut aalah membeikan ambu enunjuk jalan yang baik an lengka un
tuk mengaahkan ejalanan ke temat tujuan. Kegiatan aki i baan jalan ang
at menguangi kaaita jalan. Keugian yang ieita engguna jalan akibat kema
cetan tiak ebaning engan emaukan yang iteima ai temat aki. Sebaikn
ya, ebelum memikikan elebaan jalan yang membutuhkan biaya angat mahal, eba
iknya iikikan bagaimana aat mengatu temat aki i baan jalan ehingga
kaaita jalan aat imanfaatkan eefiien mungkin. Sebagai ilutai, banyak
ua jalan yang beoeai hanya ekita 3040% kemamuan kaaitanya. Contohnya,
i jalan tiga laju atu aah, ua laju ifungikan ebagai temat aki, e
angkan yang igunakan untuk keentingan egeakan hanya 1 laju aja; jai, jal
an teebut hanya beoeai aa kia kia 3040% kaaitanya. Gambaan teebut
memang tiak begitu ulit ijumai i bebeaa uut Kotamaya Banung. Contohn
ya aalah Jalan Otto Ikanainata, teat i ean Paa Bau. Paa jalan yang
ehaunya 5 laju ini, hanya 1 laju yang aat igunakan untuk egeakan lalu
linta kaena 4 laju lainnya igunakan untuk aki eta oe kelua mauk
aki an kegiatan ekto infomal lainnya. Contoh lain aalah Jalan Banceuy an
Jalan Baga. Ruang jalan yang memang uah angat tebata teebut elu ikem
balikan funginya ebagaimana metinya ehingga aat beoeai kembali aa ka
aita emula. Sangat ianjukan aga ihak yang bewewenang (ihak DPU) mengem
balikan ulu fungi jalan aya teebut aa kaaita emula ebelum membangun
infatuktu bau yang jela membutuhkan biaya yang angat bea. Mialnya, a
ki i baan jalan aa bebeaa ua jalan tiak imungkinkan lagi an hau e
gea ialihkan ke temat yang bukan i baan jalan. Maalah aki tamaknya men
jai eoalan biang tanotai yang emakin umit i Kotamaya Banung. Paa
atu ihak, aki iuahakan ibatai; tetai i lain ihak, aki igunakan
ebagai alah atu umbe utama
Jumlah temat aki, temauk i baan jalan an bukan i baan jalan belum cuk
u mengatai kebutuhan, teutama aa uat kota menengah an bea. Ini meuak
an emaalahan yang meningkat angat ceat eiing engan meningkatnya emilika
n kenaaan ibai. Begitu eeoang membeli mobil, ia ati menggunakannya, t
eutama kaena mobilita mobil yang lebih tinggi ibaningkan engan menggunakan
angkutan umum. Tetai, i uat kota, mobil menggunakan temat aki eanjang
hai, tana menatangkan untuk aeah itu; uang teebut aat menghailkan ji
ka igunakan untuk toko an kanto. Pemaalahan utama kenaaan ibai bukan
aja menghailkan kemacetan aa jalan atei, tetai juga aa temat aki. Pe
maalahan teebut meningkat angat eat an menambah emaalahan aeah ek
otaan. Kebutuhan akan aki aat ikelomokkan menjai eyaatan untuk kena
aan ibai, angkutan umum, an angkutan baang, yang maing maing menggunakan
uang ecaa beama ama. Jika kebutuhan melebihi eeiaan, ielukan kebij
akan aki engan ioita untuk jeni temat aki tetentu. Pemaalahannya
aalah: aakah cuku temat aki yang aa? jika uang aki ielukan, i m
ana tematnya an bagaimana engatuannya? iaa yang tiak boleh aki i tem
at teebut?
Kebijakan eakian ilakukan untuk meningkatkan kaaita jalan yang uah a
a. Penggunaan baan jalan ebagai temat aki jela memekecil kaaita jala
n teebut kaena ebagian bea leba jalan igunakan ebagai temat aki. Le
bih jauh lagi, engelolaan aki yang tiak baik ceneung meuakan enyebab k
emacetan kaena antian kenaaan yang menunggu temat yang koong jutu mengha
mbat egeakan au lalulinta. Kebijakan aki bukan i baan jalan eeti
embangunan bangunan temat aki atau membatai temat aki jela meuakan j
awaban yang angat teat kaena ejalan engan uaha menguangi enggunaan kena
aan ibai engan mengalihkan enumang ai kenaaan ibai ke angkutan umu
m. Pengalihan baan jalan yang aa mulanya igunakan ebagai temat aki menj
ai laju khuu bu juga meuakan jawaban yang angat teat. Kebijakan aki
juga menentukan metoe engontolan an engatuannya. Pelakanaan engatuan a
ki telah eing ilakukan ejak tahun 1960 an, yang biaanya meliuti: embata
an temat aki i baan jalan; meencanakan failita temat aki i lua
aeah, eeti ak an ie; engatuan biaya aki; an ena yang tinggi te
haa elangga aki.
524 Ofya Z Tamin, Peencanaan an emoelan tanotai
Angkutan umum menggunakan aaana ecaa lebih efiien ibaningkan engan ken
aaan ibai, teutama aa waktu ibuk. Teaat ua buah jeni ukuan aga
elayanan angkutan umum lebih baik:
9.7.4.3 Pioita angkutan umum
Kemuahan ejalan kaki Untuk meangang mayaakat menggunakan angkutan umum, ha
l utama yang elu iehatikan aalah ejalan kaki. Pejalanan engan angkutan
umum elalu iawali an iakhii engan bejalan kaki. Jai, jika failita eja
lan kaki tiak ieiakan engan baik, mayaakat tiak akan enah menggunakan
angkutan umum. Hal yang elu iehatikan aalah maalah failita, kenyamanan,
an keelamatan. Pelu elalu iingat Pejalan kaki bukan waga negaa kela ua.
9.7.5 Pemaalahan
Segala bentuk an jeni eencanaan yang eang an akan ilakukan tentu beam
ak tehaa enataan tata uang ekotaan, teutama tehaa aaana ekotaan
, baik beua amak negatif mauun oitif. Jai, elu ibuat eencanaan an
item kooinai inteaktif yang baik engan mengikutetakan bebagai ihak, t
eutama ihak intani an eatemen tekait. Bebeaa eatemen an intani
yang tekait aalah Peuahaan Ai Minum (PAM), DLLAJ, Bina Maga, Peuahaan Li
tik Negaa (PLN), Dina Peamahan, Dina Petamanan, Deatemen Pehubungan,
an Deatemen Pekejaan Umum. Bebeaa hambatan utama alam uaha meningkatkan
aaana tanotai an juga bekaitan engan atau beamak aa enataan t
ata uang ekotaan, teutama aaana ekotaan, iuaikan beikut ini. a Pemb
uatan jalan bau, baik jalan tol atauun jalan lingka, menghaai maalah yang
angat umit alam hal embebaan lahan yang biayanya meuakan bagian yang cuku
bea ai total keeluuhan nilai oyek. Hal ini jela kaena haga tanah i
aeah ekotaan uah angat tinggi, teutama i aeah tengah kota. Jai, al
am eencanaan embangunan jalan bau, alah atu hal yang hau iikikan aal
ah caa mencai ana untuk membiayai oyek mahal teebut. Dalam hal ini, ean
ihak inveto (baik emeintah mauun wata) angat ihaakan. Hal lain lagi
yang elu iehatikan aalah egi eencanaan; ielukan kooinai yang bai
k antaa Diektoat Cita Kaya, Dina Petamanan, Dina Tata Kota, an intani
atau eatemen lain alam hal tata guna lahan yang akan igunakan menjai jala
n bau teebut. Dalam kau embuatan jalan bau, maalah jaingan utilita ai
hujan tiak telalu menyulitkan kaena biaanya uah iencanakan ejak awal.
Kooinai jangan amai behenti aa taha eencanaan aja, tetai hau bel
anjut amai aa taha elakanaan, emelihaaan, an eteunya. b Pelebaan j
alan untuk eningkatan kaaita jalan mauun ebaikan eimangan memunyai m
aalah alam hal aaana jaingan utilita. Ini kaena aa jalan an eima
ngan yang aa ekaang jaingan utilita eeti ai beih, ai koto, litik,
an teleon beaa i tei jalan, Jai, jika jalan atauun eimangan iele
ba, jaingan utilita akan beaa i tengah jalan yang menyulitkan jika kelak a
a ebaikan keuakan.
526 Ofya Z Tamin, Peencanaan an emoelan tanotai
Untuk itu ielukan kooinai yang baik antaa intani tekait eeti: PLN,
PAM, an Petamanan alam hal enentuan letak an lokai jaingan utilita yang
bau. Hal ini bia menjai alah atu hambatan kaena membutuhkan waktu engatu
an yang cuku lama. Salah atu enyebab kemacetan aa bebeaa jaingan jalan a
alah ebaikan an emelihaaan jaingan utilita yang tiak tejawal ai be
bagai intani yang mengakibatkan bekuangnya kaaita jalan. Hal ini aat me
nimbulkan cita ekejaan gali an tutu lobang yang tiak kunjung eleai. Hau
aa item kooinai yang baik antaa intani tekait ehingga enggalian a
at ilakukan ecaa tejawal an aat igunakan untuk bebagai keeluan bebe
aa intani ekaligu.
9.7.6 Hal lain yang aat ilakukan 9.7.6.1 Pelatihan tanotai ekotaan bag
i taf emeintah aeah
Keiaan emeintah aeah alam uaha mengelola an mengatu aeahnya enii
angatlah enting an ielukan. Bebeaa kajian menyimulkan bahwa banyaknya
emaalahan tanotai i kota bukan hanya iebabkan oleh fakto kuangnya ju
mlah aaana an failita tanotai yang teeia, tetai juga kaena keti
akiaan emeintah aeah ebagai baan engelola aeah, baik i tingkat I ma
uun i tingkat II. Oleh ebab itu, elu iikikan uatu caa untuk meluakan
wawaan an engetahuan aaat an taf emeintah aeah alam maalah tano
tai, temauk mengelola, meencana, an mengatu. Sifat an keuukan ilmu tan
otai meuakan ilmu yang multiiilin, an eangkat analiinya ula cene
ung meuakan injaman cabang ilmu lain. Jai, cakuan matei elatihan yang i
beikan hau cuku menaa ehingga membeikan eluang bagi eeta untuk aa
t mengenal metoe aa yang biaa igunakan. Selain itu juga aat memeiaka
n eeta ebelum uatu kebijakan tanotai i wilayah ekotaan iutukan.
Metoe aa yang imaku mencaku engenalan item kegiatan, an item jain
gan, an item egeakan. Untuk memekenalkan eeta keaa kebijakan tan
otai ekotaan, elu iamaikan komonen tinakan yang aat ilakukan alam
angka engatuan elalulintaan, enanganan aek ekayaa lalulinta, emeli
haaan jalan kota, an enanganan aek kooinai oganiai (item kelembagaa
n), eta kaitannya engan emaalahan tanotai ekotaan. Pembangunan kawa
an uat 9.7.6.2 Analii Damak Lalulinta (Anall) ekotaan, kawaan uebl
ok, an bebeaa uat kegiatan lain yang banyak ilakukan aat ini ati beam
ak langung tehaa egeakan lalulinta aa item jaingan jalan yang aa
i ekita kawaan teebut. Pembangunan ati menimbulkan bangkitan an taikan
lalulinta yang iebabkan oleh kegiatan yang ilakukan i kawaan itu. Yang e
nting, eluuh egeakan manuia, kenaaan, an baang hau aat ikuantifik
ai engan cemat an akama eta hau ula aat iekiakan beaa bea
amaknya (kuantita an kualita) aabila egeakan lalulinta bau itu membeba
ni item jaingan jalan yang uah aa.
Maalah tanotai i negaa eang bekembang
527
Hail analii ini membeikan olui tebaik yang aat meminimumkan amak et
a memuahkan engatuan titik ake ke lahan embangunan yang bau teebut. Jug
a memuahkan enyuunan uulan inikatif tehaa failita tambahan yang iel
ukan (jika aa) guna menguangi amak an untuk memetahankan tingkat elayana
n aaana item jaingan jalan yang telah aa. Analii Damak Lalulinta (An
all) teebut akan menganalii amak engembangan kawaan tehaa kineja i
tem jaingan tanotai yang aa, ilihat ai egi kaaita, kemacetan, ket
elambatan, olui, lingkungan, an aamete lain. Untuk memenuhi hal teebut,
elu ilakukan kajian analii amak lalulinta guna meningkatkan efiieni
item jaingan jalan yang aa ecaa menyeluuh an meangang etumbuhan aa
kawaan teebut ecaa teau. Pelunya eneaan kebijakan analii amak la
lulinta telah iteima oleh aa aka tanotai ebagai hal yang enting a
lam enanggulangan maalah tanotai i aeah ekotaan. Ketiakiilinan
elalu 9.7.6.3 Soialiai eatuan an enegakan hukum meuakan alaan utama t
ejainya emaalahan tanotai ekotaan. Bagaimana un baiknya item el
alulintaan, jika tiak ibaengi engan iilin belalulinta yang baik, akan
teta beakhi engan maalah. Selain itu, iilin tiaknya engguna jalan tia
k aja tegantung aa iinya enii, tetai juga aa ketegaan item elal
ulintaan yang belaku, temauk unang unang an eatuan, enegakan hukum,
oialiai hukum, aana, an aaana. Sitem yang tiak tega an jela aat
menyebabkan engguna jalan betinak tiak iilin, yang menimbulkan emaala
han tanotai yang emakin aah. Penegakan hukum beeanan angat enting.
Unang unang beeta eangkat eatuan elakanaannya elu iebaluakan ag
a mayaakat aat memahaminya, temauk enjelaan yang inci caa menaati e
atuan beikut anki elanggaannya. Peangkat hukum tai juga memelukan eat
uan elakanaan, aana an aaana yang jela, enegakan hukum, an embukti
an yang jela.
9.8 Kone manajemen kebutuhan akan tanotai (MKT)
9.8.1 Penahuluan
Banyak negaa baik yang uah bekembang mauun yang eang bekembang mulai a
at meneima kenyataan bahwa laju eningkatan kebutuhan akan tanotai tiak a
kan enah aat itamung oleh item aaana tanotai. Hal ini iebabka
n kaena uaha eningkatan kualita an kuantita elayanan item aaana ta
notai aa uatu aeah tetentu akan aat meningkatkan akeibilita an m
obilita i aeah teebut yang ebaliknya akan aat meangang kembali teja
inya eningkatan kebutuhan akan tanotainya. Bukti yang jela aat telihat
i DKI Jakata yang telah mengeluakan ana yang angat bea alam uaha enin
gkatan kualita an kuantita item aaana tanotainya ejak tahun 1983
untuk mengeja laju etumbuhan kebutuhan akan
528 Ofya Z Tamin, Peencanaan an emoelan tanotai
tanotainya yang cuku tinggi. Akan tetai aa yang tejai, kemacetan maih
telihat imana mana aa aat ekaang engan tingkat intenita an komleki
ta yang tiak beubah an malah emakin aah. Hal ini iebabkan kaena kebutu
han akan tanotai an item aaana tanotai aling keja mengeja a
n tiak akan enah behenti amai konii jenuh tecaai (macet total imana m
ana). Dengan kata lain, aat ikatakan bahwa uaha emecahan emaalahan tan
otai ekotaan aa aat ekaang yang ilakukan engan uaha meningkatkan ku
antita an kualita item aaana tanotai yang aa ama aja atinya e
ngan meminahkan emaalahan kemacetan yang tejai aa maa ekaang ke maa
menatang engan tingkat intenita an komlekita yang jauh lebih aah. Ino
neia aa aat ekaang (tahun 1998) eang mengalami kii ekonomi yang alin
g buuk elama 30 tahun teakhi. Sebagai konekueninya, anggaan belanja eme
intah uat mauun aeah teaka hau ibatai, telebih lebih anggaan belan
ja yang beaal ai umbe injaman. Dalam keaaan kii ekonomi eeti ini,
emeintah beaa aa oii yang angat ulit alam menentukan alokai anggaa
nnya. Pemeintah memelukan ana yang elatif bea untuk memebaiki elayanan
jaa item aaana tanotai ekotaan yang meuakan enukung utama bagi
ebaikan konii ekonomi. Uaha eningkatan elayanan item aaana tano
tai angatlah tiak mungkin ilakukan aa aat ini. Oleh ebab itu, enekata
n yang elama ini elalu igunakan oleh aa engambil keutuan alam bebagai
kebijakan engembangan item aaana tanotai ekotaan i Inoneia yang
menggunakan enekatan konvenional yaitu eict an ovie atau amal an eia
kan hau mulai iganti engan enekatan bau yaitu eict an event atau amal
an cegah. Salah atu caa yang aat ilakukan aalah engan melakukan uaha en
gelolaan atau manajemen aa ii kebutuhan akan tanotai yang ikenal enga
n Tanot Deman Management (TDM) atau Manajemen Kebutuhan akan Tanotai (
MKT).
9.8.2 Pengembangan kone
Definii Manajemen Kebutuhan akan Tanotai (MKT) eeti yang inyatakan ole
h Oki (1998) aalah ebagai beikut:
i the at of influencing tavelle behaviou fo the uoe of eucing tavel
eman o eitibuting tavel eman in ace an time uatu caa untuk memen
gauhi eilaku elaku egeakan engan tujuan untuk menguangi beanya kebutu
han akan egeakan atau menyebakan kebutuhan teebut alam uang an waktu
Secaa umum, kone MKT teebut aat ijelakan engan menggunakan gamba 9.6
beikut. Telihat aa gamba 9.6a, enekatan konvenional menguulkan bebagai
kebijakan eningkatan item aaana tanotai yang aat mengakomoi be
anya kebutuhan akan tanotai tana eikitun memehatikan konii oial,
lingkungan, an oeaional yang itimbulkan oleh elakanaan kebijakan teebu
t.
Maalah tanotai i negaa eang bekembang
529
Bataan lingkungan
KT1 KT0
PT1
PT1 PT0
KT2
PT2
PT0
a. Penekatan konvenional
Catatan:
b. Penekatan MKT
KT0 Kebutuhan akan tanotai aa ituai ieal PT0 Paaana tanota
i aa ituai ieal KT1 Kebutuhan akan tanotai aa ituai ekaang PT1
Peningkatan aaana tanotai engan enekatan konvenional KT2 Kebut
uhan akan tanotai engan enekatan MKT PT2 Peningkatan item tanota
i ecaa elektif engan enekatan MKT
Gamba 9.6 Pegeean aaigma alam kebijakan tanotai ekotan Sumbe: Oh
ta (1998)
Akan tetai, engan enekatan MKT eeti telihat aa gamba 9.6b, iuulkan
bebagai uaha untuk memekecil kebutuhan akan tanotai ehingga egeakan
yang itimbulkannya maih beaa alam yaat bata konii oial, lingkungan,
an oeaional. Selain itu, juga iuulkan bebagai uaha eningkatan item
aaana tanotai yang akan itentukan ecaa angat elektif engan angat
memehatikan yaat bata teebut i ata. Kemacetan yang tejai i aeah e
kotaan timbul kaena oe egeakan ilakukan aa lokai yang ama an ei
ng tejai aa aat yang beamaan ula. Dalam elakanaan kone MKT ini, emb
ataan kebutuhan akan tanotai ama ekali bukan beati membatai jumlah e
geakan yang akan tejai akan tetai bagaimana mengelola oe egeakan te
ebut aga jangan tejai aa aat yang beamaan an/atau tejai aa lokai
atau temat yang beamaan ula. Pembataan kebutuhan akan tanotai engan c
aa membatai egeakan yang akan tejai meuakan hal yang angat keliu kae
na akan menyebabkan bekuangnya mobilita enuuk yang akan beakibat tehamba
tnya oe etumbuhan ekonomi. Oleh ebab itu, bebeaa kebijakan yang aat
ilakukan alam elakanaan kone MKT ini aat mengacu aa bebeaa oe e
geakan beikut ini. Poe egeakan aat tejai aa lokai yang ama, akan
tetai aa waktu yang bebea (egeean waktu); oe egeakan aat tej
ai aa waktu yang ama, akan tetai aa ute atau lokai yang bebea (ege
ean ute atau lokai); oe egeakan aat tejai aa lokai yang ama a
n aa waktu yang ama, akan tetai engan moa tanotai yang bebea (ege
ean moa);
530 Ofya Z Tamin, Peencanaan an emoelan tanotai
oe egeakan aat tejai aa lokai yang ama, waktu yang ama, an moa
tanotai yang ama, akan tetai engan lokai tujuan yang bebea (egee
an lokai tujuan).
9.8.2.1 Pegeean waktu
Kebijakan egeean waktu ibutuhkan aga oe egeakan maih aat ilakuk
an aa lokai yang ama tetai tiak aa waktu yang beamaan. Bebeaa tate
gi yang aat ilakukan untuk menukung kebijakan ini aalah: tategi jam mauk
/kelua kanto/ekolah yang bebea bea Uaya mengaahkan aga kegiatan yang te
jai waktunya tiak beamaan ehingga menguangi kemungkinan tejainya kemace
tan akibat menumuknya egeakan aa waktu yang ama. Hal ini aat ilakukan
engan menyebakan waktu keja an ekolah (mial jam belaja atu ekolah bela
inan engan jalan belaja ekolah lainnya atau ekeja unit tetentu mauk lebih
ahulu iuul engan ekeja unit lainnya, tentunya tana mengganggu kineja k
eja ecaa keeluuhan). Stategi ini akan aat menghinakan tebentuknya un
cak egeakan aa waktu tetentu an menyebakan uncak teebut ke waktuwaktu
lainnya. Uaha untuk menghinai tejainya jam uncak aat juga ilakukan en
gan melakukan egeakan lebih awal ebelum jam ibuk atau ebaliknya menuna e
geakan etelah jam ibuk. Bebeaa tategi lainnya yang aat ilakukan aat
beua: hai keja yang iaatkan (6 hai keja menjai 5 hai keja), kejul
keja flekibel, kebijakan hai keja tana angkutan ibai, an lain lain. bat
aan waktu egeakan untuk angkutan baang Stategi ini betujuan aga kenaaa
n beat engangkut baang aat begeak aa waktu waktu tetentu aja (mial
aa malam hai atau aa jam tiak ibuk).
moa tanotai yang bebea. Paa ininya kebijakan ini iukung oleh keny
ataan bahwa teaat aanya ketiakefiienan alam enggunaan uang jalan yang m
emang uah angat tebata. Untuk meningkatkan efiieni uang jalan teebut (
tana bemaku menguangi atau membatai jumlah egeakan yang aa), aat il
akukan engan caa menguangi jumlah kenaaan yang begeak. Hal ini aat ila
kukan engan caa menggunakan kenaaan yang beokuani lebih bea eeti en
ggunaan angkutan umum. Gamba 9.7 beikut memelihatkan kone eubahan mobili
ta yang igunakan alam kone MKT.
Keceneungan mobilita Mobil Tuk AU KTB Maa ekaang Peubahan mobilita MKT
Tuk AU AU KTB KTB
Mobil
Mobil Tuk
Maa menatang
Altenatif maa menatang
Catatan: AU Angkutan umum KTB Kenaaan tiak bemoto
Gamba 9.7 Kone eubahan mobilita engan MKT Sumbe: Ohta (1998)
Telihat aa gamba 9.7 bahwa jumlah egeakan yang tejai teta (tiak beub
ah); akan tetai, tejai egeean eentae jumlah egeakan ai yang meng
gunakan kenaaan beokuani kecil ke kenaaan beokuani lebih bea ehingg
a jumlah kenaaan yang begeak menjai lebih eikit. Bebeaa tategi yang
aat ilakukan untuk menukung kebijakan ini aalah: Ca ooling Stategi ini ak
an aat menguangi jumlah kenaaan yang begeak engan caa meningkatkan oku
ani kenaaan ibai. Kebijakan bu kayawan atau kenaaaan anta jemut untu
k anak ekolah an kayawan meuakan alah atu ewujuan tategi ca ooling
. Kone 3 in 1 yang uah iteakan i DKI Jakata juga memunyai tujuan yang
ama elain ai tujuan egeean lokai. Kebijakan eningkatan elayanan angku
tan umum melalui kombinai tategi ioita bu, kebijakan aki, bataan lal
ulinta, item angkutan umum maa (SAUM), an failita ejalan kaki meuakan
uaha uaha yang mengaah aa tejainya oe egeean moa. Pegeean mo
a tanotai ke moa telekomunikai Stategi ini elu iehatikan kaena
oe emenuhan kebutuhan tiak elalu hau ienuhi engan oe egeakan. K
ebutuhan yang beifat infomai an jaa aat ienuhi engan menggunakan moa
telekomunikai. Penggunaan failita email, fakimili, an intenet akan angat
membantu menguangi jumlah egeakan kaena oe emenuhan kebutuhan yang be
ifat infomai aat ilakukan tana eeoang hau begeak.
uaya mengaahkan embangunan tata guna lahan eemikian ua ehingga egeaka
n yang ibangkitkan atau yang tetaik tejai hanya aa atu lokai atau bebe
aa lokai yang aling beekatan. Semakin jauh kita begeak an emakin lama k
ita menggunakan jaingan jalan, emakin bea kontibui kita alam oe teci
tanya kemacetan. Bebeaa hal yang aat ilakukan yaitu engan menguayakan e
mbangunan uat uat kegiatan yang teau engan bebagai jeni kegiatan ehin
gga enuuk untuk egi bekeja, belanja, ekolah, an lain lain cuku hanya a
a atu lokai yang beekatan aja. Penyebaan ecaa lebih meata enta ent
a ime an ayoniai ekolah i aeah ekotaan juga akan angat menukung k
ebijakan egeean lokai. Seeoang tiak elu jauh jauh untuk menaatkan ke
butuhannya atau ekolah kaena emakin jauh eeoang begeak, emakin bea ko
ntibuinya tehaa tejainya kemacetan.
Stategi yang telah ijelakan i ata aat iteangkan ecaa umum engan gamb
a 9.8 beikut.
A. Peubahan aktivita melalui egeean moa/waktu/lokai tujuan B. Penggunaan
moa beokuani tinggi (egeean moa) C. Pegeean moa Penuunan jumlah
egeakan Penuunan jumlah kenaaan begeak
D. Pegeean waktu
E. Pegeean ute an lokai tujuan
Dekonentai au lalulinta
Gamba 9.8 Taget utama alam kone MKT Sumbe: Ohta (1998)
9.9 Analii amak lalulinta (Anall)
9.9.1 Penahuluan
Analii Damak Lalulinta (Anall) aa aanya meuakan analii engauh e
ngembangan tata guna lahan tehaa item egeakan au lalulinta i ekita
nya. Pengauh egeakan lalulinta ini aat iakibatkan oleh bangkitan lalulin
ta yang bau, lalulinta yang bealih, an oleh kenaaan kelua mauk
Maalah tanotai i negaa eang bekembang
533
ai/ke lahan teebut. Damak ini aat juga beifat oitif bilamana jaak e
jalanan menjai lebih enek atau bila jumlah ejalanan menjai bekuang. Set
ia uang kegiatan akan membangkitkan egeakan an menaik egeakan, yang inten
itanya tegantung aa jeni tata guna lahannya. Sitem teebut meuakan it
em ola kegiatan tata guna lahan yang biaanya teii ata kegiatan oial, eko
nomi, kebuayaan, an lain lain. Bila teaat embangunan an engembangan kawa
an bau eeti uat ebelanjaan, ueblok, an lain lain, tentu akan timbul
tambahan bangkitan an taikan lalulinta bau akibat kegiatan tambahan i ala
m an ekita kawaan teebut. Kaena itulah, embangunan kawaan bau an eng
embangannya akan membeikan engauh langung tehaa item jaingan jalan i
ekitanya. Yang teenting, eluuh egeakan manuia, kenaaan, an baang h
au aat ikuantifikai engan cemat an akama eta hau ula aat ie
kiakan amaknya (kuantita an kualita) aabila egeakan lalulinta bau te
ebut membebani item jaingan jalan yang aa. Jai, kone kebijakan tentang
kewajiban melakukan analii amak lalulinta bagi etia embangunan kawaan
ekotaan angat ibutuhkan. Anall angat beagam, begantung aa konii etem
at an kebijakan yang aa. Anall aat beifat makokoik aa taha a kaj
ian kelayakan uatu engembangan lahan, yang ehatian utamanya lebih iaahkan
aa item tanotai makonya. Anall aat juga beifat inci (mikokoik
), mialnya ihailkannya uulan enyeuaian engenalian lamu lalulinta. Kebi
jakan engenalian amak lalulinta aat beua uaha meminimalkan amak lalu
linta, mialnya alam bentuk eningkatan kaaita aaana jalan aga amak
teebut teatai.
9.9.2 Metoe analii amak lalulinta
Secaa umum gai bea metoe ini aalah mengacu aa Analii mengenai Damak
Lingkungan (Amal). Daeah yang ikembangkan aalah aeah yang membeikan bangk
itan an taikan lalulinta bau yang akan membebani lalulinta yang aa. Rekome
nai yang ibeikan aat beua uaya yang hau ilakukan tehaa item lal
ulinta an aaana yang aa guna menghaai tambahan beban ai kawaan yang
akan ikembangkan. Maa kajian iaahkan aa ogam eningkatan 5 atau 10 tahu
nan amai maa 20 tahun ke ean ai ejak kawaan teebut ibuka an befung
i eenuhnya (euai engan entahaan embangunan kawaan teebut). Secaa ga
i bea metoe ini aat ilihat aa gamba 9.9 (lihat Tamin an Nahalina, 1
998).
9.9.2.1 Taha enyajian infomai awal
Taha ini meuakan langkah awal untuk memeoleh bebagai ata an infomai, b
aik yang ieoleh ecaa ime (engamatan, wawancaa, eninjauan, an ikui
) mauun ecaa ekune (engumulan ata laoan, kajian, tatitik, an info
mai lain) bagi uaya menunjang emahaman bea kecilnya amak yang iakibatkan
uatu kegiatan tehaa egeakan lalulinta uatu aeah.
534 Ofya Z Tamin, Peencanaan an emoelan tanotai
Dalam enyajian infomai awal ini, egala ata an infomai iamaikan alam
kajian yang teitem an tetuktu beaakan tujuan an aaan yang henak
ihailkan. Dalam kajian amak lalulinta ini, tujuan an aaan yang akan i
caai aalah mengetahui beaa bea amak yang iakibatkan uatu kegiatan teh
aa lalulinta uatu aeah. Aabila telah iketahui uatu kegiatan memiliki a
mak, maka langkah elanjutnya aalah mengkaji beaa bea engauhnya itu. Ka
ena itu, emua eubah enentu yang iekiakan memunyai amak tehaa laluli
nta hau ieoleh alam taha ini. Peubah enentu itu aa aanya aat ib
agi ata eubah utama an eubah enunjang. Peubah utama ai kajian analii a
mak lalulinta ini ecaa gai bea aalah tata guna lahan, aana an aa
ana tanotai, eta kineja item tanotai. Dalam tata guna lahan ie
lukan ata an infomai tentang tata guna lahan, item zona, fungi kegiatan,
an tata uang. Data tata guna lahan menyangkut encana enyeiaan tanah an e
untukan lahan ai etia ekto kegiatan i uatu aeah. Untuk aeah ekotaa
n, ekto kegiatan teebut menyangkut kegiatan eagangan, ekantoan, euma
han, inuti, ekeai, hibuan, an eibaatan. Keeluuhannya meuakan ae
k yang memengauhi tebangkitkannya lalulinta i uatu kota. Data item zona
menyangkut bebeaa aek yang behubungan engan keenuukan, oial, an ekon
omi. Data yang temauk alam item zona ini menyangkut ebaan keaatan enu
uk, ketenagakejaan, enaatan enuuk, an eekonomian aeah. Fungi kegia
tan menyangkut bebeaa aek yang behubungan engan fungi an ean kota ee
ti fungi eniikan, emeintahan, aiwiata, eniikan, inuti, an ea
gangan. Data yang menyangkut enataan uang meliuti bebeaa encana tuktu
emanfaatan uang aeah (kota) yang teii ata uang untuk eumahan, etaman
an/aeah hijau, jaingan/utilita eeti jalan, litik, ai minum, ainae,
eta eumahan. Infomai untuk item aana an aaana tanotai meliu
ti yang aa aa maa ekaang an yang akan atang, temauk hieaki jalan an
infomai geometik jalan. Data ambu an maka lalulinta eta elengkaan j
alan, temauk ata lokai an koniinya, juga ielukan. Data tentang temina
l menyangkut lokai teminal, hieaki, kaaita, an jeni teminal, eangkan
untuk halte menyangkut lokai an kaaita halte. Data angkutan umum meliuti
jeni, kaaita, tayek, ute, an jumlah amaa, eangkan untuk angkutan ib
ai meliuti jeni, kaaita, an jumlah. Data enunjang meliuti ata tentang
maalah kelembagaan an biaya untuk melengkai infomai alam mengkaji amak l
alulinta. Data yang ielukan untuk kelembagaan menyangkut item oganiai,
aaat, fungi an wewenang, eta oe an oeu elakanaan. Untuk enan
aan meliuti ata umbe, jeni, oe, an beanya ana.
9.9.2.2 Tahaan Anall Dalam taha Anall ini elanjutnya ikaji ketekaitan ant
a bebagai infomai an ata yang telah ituktukan alam taha awal kajian.
Teaat lima aek yang hau ianalii alam tahaan ini, yakni analii i
tem kegiatan, item jaingan, item egeakan, kineja item tanotai,
eta
536 Ofya Z Tamin, Peencanaan an emoelan tanotai
maalah kelembagaan an biaya. Secaa umum, tahaan Anall yang akan ilakanaka
n aat ilihat aa iagam ali beikut ini (gamba 9.10).
Tata guna lahan maa ekaang Mate Mate lan lan aeah aeah engembangan
Peamalan bangkitan an taikan aeah engembangan Poeu Poeuanalii a
naliikonii konii ekaang ekaangan anmaa maa menatang menatangae
ah aeah engembangan engembangan
Konii jaingan jalan ekaang an maa menatang i ekita aeah engembanga
n
Peamalan kebutuhan failita aki
Peamalan ebaan egeakan
Konii lalulinta intenal
Konii lalulinta ektenal
Stategi eencanaan ikulai lalulinta intenal an failita aki
Penentuan jalan ake ke jaingan jalan
Skenaio ikulai Lalulinta intenal/auat
Sitem an oii intu ake aeah engembangan
Damak aa Lalulinta ektenal
Uulan encana engatuan lalulinta teintegai
Gamba 9.10 Bagan ali uunan kegiatan Anall Sumbe: Tamin an Nahalina (1998
)
Sitem kegiatan, item jaingan, item egeakan, eta kineja item tan
otai betujuan untuk melihat beanya amak lalulinta yang itimbulkan oleh
engembangan kawaan tehaa item tanotai i ekitanya. Analii item
kelembagaan an embiayaan betujuan untuk membeikan aahan mengenai ogania
i an kelembagaan aa yang ielukan untuk mengatai amak yang tejai. Dalam
analii ini juga ikaitkan item embiayaan yang ielukan oleh item kelem
bagaan. Secaa umum uunan kegiatan ini iuaikan alam tahaan ebagai beikut
.
Maalah tanotai i negaa eang bekembang 537
1
Konii aa aat ekaang Gambaan kebijakan tanotai yang aa aa lokai
kajian; Volume lalulinta aa ua an eimangan i aeah yang teengauh,
ua jalan an eimangan yang kiti; Analii catatan kecelakaan (jika aa)
; Volume ejalan kaki i lokai kiti; Ientifikai ua atau eimangan kit
i; Rencana jaingan jalan i ekita aeah kajian.
2
Rencana engembangan Kebijakan engembangan i ekita lokai, temauk kebijaka
n eakian; Penggunaan lahan i ekita lokai yang aa ekaang; Peuntukan
aeah engembangan, temauk fae engembangan; Lua aeah engembangan; Keten
tuan encana engembangan.
3
Pemilihan moa, bangkitan, an taikan egeakan Pehitungan volume bangkitan
an taikan egeakan ai/ke lokai; Pekiaan emilihan moa aa maa menata
ng; Pekiaan bangkitan an taikan egeakan, temauk jeni kenaaan ai e
tia aah untuk hai ibuk (keja, libu), jam ibuk, an aat taha engembanga
n eleai; Penentuan angka bangkitan an taikan egeakan yang igunakan; Ien
tifikai aat engauh lalulinta tebea; Seifikai bangkitan an taikan e
geakan aa aat kontuki.
4
Sebaan egeakan Penentuan aeah yang teengauh; Ientifikai beanya eg
eakan yang tetaik ke lokai; Ientifikai beanya egeakan lalulinta yang
hanya lewat an yang bealih ke jaingan.
5
Pembebanan bangkitan an taikan lalulinta Ientifikai ute egeakan lalulin
ta ai/ke lokai;
538 Ofya Z Tamin, Peencanaan an emoelan tanotai
6
Penentuan egeakan membelok aa temat mauk; Poyeki eubahan lalulinta
aa ua atau eimangan yang akan teengauh.
Tahun ekiaan Pekiaan etumbuhan lalulinta aa jaingan yang aa an aa
jaingan i aeah engembangan; Pekiaan au lalulinta aa jaingan aa t
ahun ibuka (tahun etama oeai enuh) an 10 atau 15 tahun etelah ibuka; R
encana engembangan jaingan jalan akibat engembangan; Jika memungkinkan, enye
uaian engan tahaan engembangan.
7
Tata letak intenal Tata letak an ikulai intenal; Kenaaan elayanan an
auat; Maka jalan, leba, jaak anang; Keceatan kenaaan an kontol.
8
Pengatuan aki Pengatuan kebijakan eakian; Lahan lokai aki.
9
Pengauh ke item jaingan jalan Tata letak jalan kelua; Peencanaan engatua
n item lalulinta; Pekiaan lalulinta aa ua atau eimangan yang tee
ngauh; Pekiaan altenatif eencanaan yang aat menambah egeakan.
Taha 9.9.2.3 Tahaan enyuunan encana engelolaan an emantauan enyuunan
encana, yang ibagi ata encana engelolaan an encana emantauan, aa aan
ya beii aahan engembangan yang hau ilakukan untuk mengatai amak laluli
nta yang lebih bea. Dalam encana engelolaan iajikan bebeaa altenatif m
ekanime elakanaan yang aat ilakukan untuk mengatai maalah yang timbul. P
emaalahan yang ieoleh ai taha analii an taha enyajian infomai el
anjutnya ikaitkan alam uatu oganiai emecahan maalah. Dalam encana eman
tauan iajikan langkah yang hau ilakukan aga aahan engembangan ai enca
na engelolaan aat ilakanakan. Langkah emantauan
Maalah tanotai i negaa eang bekembang 539
ebagai beikut. NVK menunjukkan konii ua jalan alam melayani volume laluli
nta yang aa. Keceatan ejalanan ata ata aat menunjukkan waktu temuh a
i titik aal ke titik tujuan i alam wilayah engauh yang akan menjai tolok u
ku alam emilihan ute ejalanan eta analii ekonomi.
540 Ofya Z Tamin, Peencanaan an emoelan tanotai
Tingkat elayanan inikato yang mencaku gabungan bebeaa aamete, baik eca
a kuantitatif mauun kualitatif, ai ua jalan an eimangan. Penentuan ti
ngkat elayanan ini akan ieuaikan engan konii au lalulinta yang aa i
Inoneia.
Nilai NVK untuk ua jalan an eimangan i alam aeah engauh akan iaatk
an beaakan hail uvei volume lalulinta i ua jalan an eimangan e
ta uvei geometik untuk menaatkan beanya kaaita aa aat ini. Pehitun
gan beanya kaaita uatu ua jalan aat menggunakan umu menuut metoe I
noneian Highway Caacity Manual (IHCM, 1997). Selanjutnya, beanya volume lal
ulinta aa maa menatang akan ihitung beaakan analia eamalan lalulint
a. Beanya fakto etumbuhan lalulinta iaakan aa tingkat etumbuhan n
omal an tingkat etumbuhan bangkitan yang itimbulkan oleh embangunan. Untuk
tingkat etumbuhan bangkitan akan ieuaikan engan entahaan embangunan ya
ng telah itetakan. Beaakan hail eamalan au lalulinta teebut akan
iaatkan nilai NVK yang elanjutnya aat menunjukkan ekomenai jeni enanga
nan bagi ua jalan eta eimangannya. Nilai NVK beaakan emii an beb
eaa hail kajian lalulinta i DKI Jakata ikelomokkan aa tabel 9.4.
Tabel 9.4 Nilai NVK aa bebagai konii NVK
< 0,8 0,8 1,0 > 1,0
Keteangan
Konii tabil Konii tiak tabil Konii kiti
Sumbe: Tamin an Nahalina (1998)
Paamete keceatan ejalanan iaatkan ai hail uvei keceatan engan men
gikuti kenaaan begeak. Beamaan engan itu akan iaatkan nilai waktu ej
alanan ata ata antaa titik titik aaltujuan i alam aeah engauh eta nilai
tunaan elama ejalanan teebut. Beanya keceatan ejalanan ata ata a
a aat ekaang mauun yang akan atang ai etia ua jalan akan meuakan ma
ukan bagi analii ekonomi alam kaitannya engan ehitungan benefit (keuntung
an) beaakan beanya nilai waktu yang belaku. Di aming itu, beanya kecea
tan ejalanan atau waktu temuh ata ata akan menjai alah atu tolok uku a
lam emilihan ute ejalanan aa ua jalan yang aa. Beanya nilai tunaan,
teutama i eimangan, juga akan meuakan maukan bagi analia ekonomi mauu
n emilihan ute ejalanan, beamaan engan keceatan ejalanan atau waktu te
muh. Di aming itu, beanya nilai tunaan ecaa langung akan iakai ebaga
i alah atu inikato bagi uulan jeni enanganan, teutama i eimangan. K
eaatan lalulinta aat iefiniikan ebagai jumlah kenaaan ata ata alam
uang. Satuan keaatan aalah kenaaan e km atau kenaaan km e jam. See
ti halnya volume lalulinta, keaatan lalulinta aat juga ikaitkan engan
enyeiaan jumlah laju jalan. Pemakaian lain ai nilai keaatan lalulinta aa
lah untuk
Maalah tanotai i negaa eang bekembang 541
mengatakan entingnya ua jalan teebut alam mengalikan au lalulinta. Sem
akin tinggi keaatan lalulinta, emakin enting juga jalan teebut i alam j
aingan jalan. Inikato Tingkat Pelayanan (ITP) aa uatu ua jalan menunjukk
an konii ecaa keeluuhan ua jalan teebut. Tingkat Pelayanan itentukan
beaakan nilai kuantitatif eeti NVK, keceatan ejalanan, an fakto lain
yang itentukan beaakan nilai kualitatif eeti kebebaan engemui alam
memilih keceatan, eajat hambatan lalulinta, eta kenyamanan. Secaa umum ti
ngkat elayanan aat ibeakan ebagai beikut ini. Inek Tingkat Pelayanan A:
Konii au lalulintanya beba antaa atu kenaaan engan kenaaan lainnya
, beanya keceatan eenuhnya itentukan oleh keinginan engemui an euai
engan bata keceatan yang telah itentukan. Inek Tingkat Pelayanan B: Konii
au lalulinta tabil, keceatan oeai mulai ibatai oleh kenaaan lainnya
an mulai iaakan hambatan oleh kenaaan i ekitanya. Inek Tingkat Pelay
anan C: Konii au lalulinta maih alam bata tabil, keceatan oeai mula
i ibatai an hambatan ai kenaaan lain emakin bea. Inek Tingkat Pelaya
nan D: Konii au lalulinta menekati tiak tabil, keceatan oeai menuun
elatif ceat akibat hambatan yang timbul, an kebebaan begeak elatif kecil
. Inek Tingkat Pelayanan E: Volume lalulinta uah menekati kaaita ua j
alan, keceatan kia kia lebih enah ai 40 km/jam. Pegeakan lalulinta ka
ang tehambat. Inek Tingkat Pelayanan F: Paa tingkat elayanan ini au lalul
inta beaa alam keaaan iakakan, keceatan elatif enah, au lalulinta
eing tehenti ehingga menimbulkan antian kenaaan yang anjang.
Paa tabel 9.59.6 aat ilihat bebeaa konii lalulinta yang aa aa ua ja
lan atei.
Tabel 9.5 Inek tingkat elayanan (ITP) beaakan keceatan ejalanan ata
ata Kela atei Keceatan (km/jam)
ITP A B C D E F > 56 > 45 > 35 > 28 > 21 < 21
I 7256
II 5648
III 5640
Keceatan ejalanan ata ata (km/jam) > 48 > 38 > 29 > 23 > 16 < 16 > 40 > 31
> 21 > 15 > 11 < 11
Sumbe: Tamin an Nahalina (1998)
542 Ofya Z Tamin, Peencanaan an emoelan tanotai
Tabel 9.6 Inek tingkat elayanan (ITP) beaakan keceatan au beba an ti
ngkat kejenuhan lalulinta Tingkat elayanan
A B C D E F
% ai keceatan beba
> 90 > 70 > 50 > 40 > 33 < 33
Tingkat kejenuhan lalulinta
< 0,35 < 0,54 < 0,77 < 0,93 < 1,0 >1
Sumbe: Tamin an Nahalina (1998)
9.9.3.3 Konii eimangan Kineja uatu eimangan aat ilihat ai tuna
an an kaaita ia eimangan teebut.
Tunaan Tunaan i eimangan aalah total waktu hambatan ata ata yang iala
mi oleh kenaaan ewaktu melewati uatu eimangan. Hambatan teebut muncul
jika kenaaan tehenti kaena tejai antian i eimangan amai kenaaan
itu kelua ai eimangan kaena aanya engauh kaaita eimangan yang
uah tiak memaai. Nilai tunaan memengauhi nilai waktu temuh kenaaan. Se
makin tinggi nilai tunaan, emakin tinggi ula waktu temuhnya. Dalam maalah i
ni, nilai tunaan igunakan untuk menentukan enanganan emaalahan lalulinta,
yang aat beua enambahan jumlah laju alam lengan, atau eimangan tiak
ebiang. Selain itu, tunaan juga aat menentukan ITP uatu eimangan (a
at ilihat aa tabel 9.7). Tunaan yang igunakan aalah tunaan aa aat men
ekati eimangan.
Tabel 9.7 Inek tingkat elayanan (ITP) lalulinta i eimangan belamu lal
ulinta ITP
A B C D E F
Tunaan e kenaaan (etik)
< 5,0 5,1 15,0 15,1 25,0 25,1 40,0 40,1 60,0 > 60,0
Sumbe: Tamin an Nahalina (1998)
Tingkat bangkitan aeah ekantoan ai kajian Analii Damak Lalulinta BNI
City. Tingkat bangkitan aeah ebelanjaan ai kajian Analii Damak Lalulint
a Ponok Inah Mal. Tingkat bangkitan aeah emukiman an aatemen ai kaji
an Analii Damak Lalulinta Danayaa City.
9.9.4.2 Tingkat bangkitan lalulinta
Bebeaa tingkat bangkitan lalulinta yang aat iakai mengacu aa hail kaji
an BNI City, Ponok Inah Mal, an Danayaa City ebagaimana iuaikan beikut i
ni. Pekantoan: Tingkat bangkitan lalulinta untuk ekantoan ai kajian BNI
City telihat aa tabel 9.13.
Tabel 9.13 Tingkat bangkitan lalulinta (ekantoan) 2 2 Pekantoan (m/100m
) Petokoan (m/100m ) Waktu Mauk Kelua Total Mauk Kelua Total
7:00 8:00 9:00 10:00 11:00 12:00 13:00 14:00 15:00 16:00 17:00 0,73 0,26 0,25 0,
22 0,23 0,19 0,23 0,17 0,19 0,20 0,10 0,27 0,16 0,18 0,16 0,22 0,23 0,19 0,17 0,
18 0,51 0,34 1,00 0,42 0,43 0,37 0,45 0,42 0,41 0,34 0,37 0,71 0,44 0,04 0,08 0,
55 0,80 0,78 0,60 0,65 0,57 0,61 0,50 0,45 0,02 0,04 0,15 0,42 0,65 0,56 0,59 0,
70 0,68 0,95 0,58 0,06 0,12 0,70 1,22 1,42 1,16 1,24 1,27 1,30 1,45 1,03
Sumbe: LP ITB (1994)
Hotel: Tingkat bangkitan lalulinta untuk hotel hail gabungan antaa tingkat ba
ngkitan lalulinta hail kajian BNI City an Ponok Inah Mal tetea aa tabel
9.14.
Tabel 9.14 Tingkat bangkitan lalulinta (hotel) 2 m/100m Waktu Waktu Mauk Kel
ua Total
8:00 9:00 10:00 11:00 12:00 13:00 0,41 0,46 0,41 0,30 0,24 0,34 0,23 0,35 0,26 0
,27 0,27 0,33 0,64 0,81 0,67 0,58 0,51 0,68 14:00 15:00 16:00 17:00 18:00 19:00
m/100m Mauk
0,32 0,31 0,29 0,29 0,39 0,36
2
Kelua
0,37 0,45 0,32 0,31 0,32 0,32
Total
0,69 0,77 0,61 0,60 0,71 0,68
Sumbe: LP ITB (1996)
Maalah tanotai i negaa eang bekembang 547
Pemukiman: Tingkat bangkitan lalulinta untuk lokai emukiman hail kajian Dan
ayaa City tetea aa tabel 9.15.
Tabel 9.15 Tingkat bangkitan lalulinta (emukiman) ejalanan/keluaga Bangkit
an Peumahan mewah 07.0008.00
Mauk Kelua 0,06 0,25
Peumahan tiak mewah 07.0008.00
0,03 0,013
16.0017.00
0,25 0,12
16.0017.00
0,013 0,06
Sumbe: LP ITB (1996)
m/unit 07.0008.00
0,18 0,21
16.0017.00
0,21 0,21
Sumbe: LP ITB (1996)
9.9.4.3 Bangkitan lalulinta
Bangkitan lalulinta ini iaatkan engan mengalikan lua bangkitan engan ting
kat bangkitan lalulinta yang itimbulkan oleh uatu enggunaan lahan. Bangkitan
lalulinta iaatkan untuk etia jam, euai engan tingkat bangkitan yang i
eoleh; alam hal ini atuannya volume kenaaan e jam (m/jam).
Setelah volume bangkitan lalulinta e jam 9.9.4.4 Sebaan bangkitan lalulinta
iaatkan, baulah ilakukan ebaan bangkitan lalulinta aa etia intu ke
lua/mauk yang aa. Dai hail kajian i Autalia, i Daeah Puat Bini (DPB
) yang teii ata tata guna lahan multi kegiatan teaat uatu egeakan yan
g iebut egeakan intenal egeakan bangkitan an taikan ai tata guna la
han itu mengakibatkan egeakan yang kebutuhan ejalanannya telah teeia i
kawaan itu. Pegeakan ini aat menguangi egeakan ektenal yang kebutuhan
akan ejalanannya bukan belokai i kawaan teebut. Hail enuunan angka
egeakan itu iekiakan ebea 25% ai total egeakan yang ebenanya te
jai.
9.9.5 Analii enanganan maalah
Kineja jaingan akan teengauh oleh eubahan emintaan an eiaan i aea
h kajian. Dalam kontek kawaan engembangan hami aat iatikan bahwa ii
emintaan akan meningkat euai engan intenita lahan yang ibangun. Tana ka
waan engembangan, emintaan akan teta meningkat euai engan intenita lah
an aa aanya. Situai i ata meuakan bahan ebaningan alam melihat amak
atau maalah lalulinta akibat engembangan bau.
Penanganan maalah mengacu keaa kiteia evaluai yang meliuti NVK etia ua
jalan, yang elanjutnya akan menentukan jeni enanganan untuk ua jalan an
eimangan alam aeah engauh. Jeni enanganan i ua jalan aat ikelom
okkan menjai yang beikut ini.
9.9.5.1 R1: Manajemen lalulinta
Paa ininya enanganan ini itekankan aa emanfaatan failita ua jalan
yang aa, eeti: emanfaatan leba jalan ecaa efektif kelengkaan maka an
ambu jalan yang memaai eta eagam ehingga ua jalan aat imanfaatkan e
caa otimal baik ai egi kaaita mauun keamanan lalulinta yang meliuti
item atu aah, engenalian aki, engatuan lokai ambu bebalik aah, en
genalian kaki lima, engatuan belok, eta kelengkaan maka an ambu jalan.
Jeni enanganan ini ilakukan bila NVK beaa antaa 0,6 amai 0,8. Penanganan
ini mencaku eubahan fiik 9.9.5.2 R2: Peningkatan ua jalan ua jalan yang
beua elebaan atau enambahan laju ehingga kaaita ua jalan aat iti
ngkatkan ecaa beati. Beanya elebaan atau enambahan laju itentukan te
utama oleh nilai NVK yang tejai atau hail eamalan lalulinta, ehingga bea
nya NVK yang ihaakan (<0,80) aat icaai. Jeni enanganan ini ilakukan a
abila nilai NVK uah lebih bea ai 0,80. Penanganan ini meuakan altenati
f 9.9.5.3 R3: Pembangunan jalan bau teakhi ai ilihan enanganan R1 an R2.
Jeni enanganan ini ilakukan bila elebaan jalan atau enambahan laju uah
tiak memungkinkan, teutama kaena ketebataan lahan eta konii lalulinta
yang nilai NVK nya jauh lebih bea ai 0,8. Jeni enanganan i eimangan
engan lamu lalulinta an eimangan tana lamu lalulinta aat ikelomok
kan menjai: a S1: Penanganan lamu lalulinta bau Penanganan ini ilakukan bag
i eimangan tana lamu lalulinta yang telah memiliki au lalulinta ai k
aki eimangan atau ua jalan yang menuju eimangan, an au ini cuku ti
nggi, ehingga titik konfliknya cuku beat an komlek. S2: Pengatuan kembali
waktu lamu lalulinta Penanganan ini ilakukan aabila fae an waktu yang aa
uah tiak euai lagi engan konii volume lalulintanya, yang antaa lain
itunjukkan engan tingginya nilai NVK ua jalan yang menuju eimangan. Pene
katan aat iaakan aa beanya nilai NVK ua jalan yang uah menekati 0
,8. S3: Pebaikan geometik eimangan Penanganan ini meliuti elebaan atau
enambahan laju kaki eimangan, elebaan aiu uut tikungan, emaangan
ulau lalulinta. Penanganan ini ilakukan bila nilai NVK ua jalan yang menuju
eimangan uah lebih bea ai 0,8.
b
c
Maalah tanotai i negaa eang bekembang 549
S4: Peimangan tiak ebiang Penanganan ini teutama iteakan aa ua jal
an kela atei eta yang konii lalulinta i kaki eimangannya atau NVK
ua jalan yang menuju eimangan teebut tiak bia lagi iatai engan enan
ganan R2 mauun R3.
9.10
Sitem angkutan umum maa (SAUM)
9.10.1 Pemaalahan
Untuk mengimbangi an menekan laju eningkatan enggunaan angkutan ibai, hau
ilakukan ebaikan item angkutan umum beaakan kemamuan angkut yang be
a, keceatan yang tinggi, keamanan an kenyamanan ejalanan yang memaai an,
kaena igunakan ecaa maal, haulah engan biaya ejalanan yang tejangkau
. Jai, hau aa item tanotai bau yang tiak teikat oleh jalan aya ya
ng memenuhi emua eyaatan itu. Pemaalahan ketebataan aaana tanot
ai juga aat iatai engan mengembangkan Sitem Angkutan Umum Maa (SAUM). P
ilihan utama aalah enggunaan jeni moa tanotai keeta ai yang bekaai
ta bea ibaningkan engan moa tanotai jalan aya. Keeta ai juga aa
t begeak ceat engan caa memiahkan egeakannya engan item jaingan yan
g lain (i bawah atau i ata tanah). Hal ini hanya aat ibeikan oleh item
angkutan teanu atau jalan el yang keceatannya bia iatu euai engan keb
utuhan. Fekueninyaun bia iatu ehingga aya angkut e atuan waktu aat
ijamin beanya. Kaena funginya yang emikian itulah item angkutan umum ini
ikenal ebagai Sitem Angkutan Umum Maa (SAUM). Kaena enggunaan kenaaan
ibai ceneung meningkat engan bebagai alaan, hau ilakukan uaha untuk
memebaiki keeimbangan item tanotai ecaa menyeluuh. Tetai, kaena
ana kuang menukung, tentu hau aa ioita yang ibeikan engan egala kon
ekueni yang mengikutinya. Pelu iingat keceneungan kineja kenaaan angkut
an enumang beikut ini. Bila jumlah kenaaan i jalan aya teu betambah, t
emauk amaa bu kota, keceatan ata ata akan teu menuun. Ini beati jum
lah oang teangkut e aah e jam akan emakin bekuang. Bila mengangkut oa
ng ilakukan engan kenaaan i jalan el, aalagi engan menambah jumlah keet
a, keceatan ata ata maih aat ietahankan an jumlah oang teangkut bahk
an bia meningkat.
Untuk menguangi biaya invetai item angkutan umum, yang elu iingat aalah
: anjang aaana jalan; henaknya iambil ute eluu mungkin (ute teene
k). jaak antataiun yang jauh; henaknya maih alam jangkauan 2 kali jaak t
emuh ejalan kaki.
550 Ofya Z Tamin, Peencanaan an emoelan tanotai
bangunan i ata tanah yang aling enah biayanya, iuul yang melayang, an y
ang aling mahal aalah yang i bawah tanah.
Untuk kota eeti Jakata, Banung, an Mean, ioita hau uah ibeikan
aa item angkutan umum yang maa, ceat, euai engan aya beli mayaakat,
an menaik untuk igunakan. Kaena biaya invetai mahal, SAUM hau iteaka
n hanya untuk koio utama engan ekiaan jumlah enumang lebih ai 30.00040
.000 oang/aah/jam. Jumlah oang teangkut i bawah angka teebut aat ilaya
ni oleh item tanotai jalan aya (angkutan umum). Bebeaa gambaan enggu
naan jeni moa angkutan umum maa aat ilihat aa tabel 9.17 an gamba 9.1
1.
Tabel 9.17 Jeni angkutan umum maa Moa tanotai
Bu biaa/bu betingkat engan laju khuu bu Bu teanu Bu biaa Sky Tai
n Keeta ai ingan (I) VAL 256 Keeta ai ingan (II) Keeta ai ceat Keeta a
i anta kota
Beban nomal 2 (5 oang/ m )
16.000
Beban makimum
(8 oang/m )
19.000
2
Beban makimum (Kontol otomati)
18.000 18.000 23.000 27.000 27.000 36.000 48.000 64.000
24.000 24.000 33.000 39.000 40.000 51.000 69.000 88.000 60.000 77.000 49.000
Sumbe: JMTSS (1992)
Tiak teanu Bu teanu
Bu
Bu biaa
Keeta ai
Keeta ai ingan Keeta ai beat Tekno logi bau
Bu teanu
Oeai manual
Oeai otomati
Gamba 9.11 Kaakteitik bu an keeta ai Sumbe: JMTSS (1992)
Kotamaya Banung uah aatnya memetimbangkan SAUM kaena kebutuhan akan eg
eakan yang angat tinggi, teutama aa agi an oe hai, yang tiak bia lag
i itamung oleh item jaingan jalan aya. Hambatan utamanya aalah
Maalah tanotai i negaa eang bekembang 551
ibutuhkan ana yang angat bea untuk membangun SAUM ini. Ketelibatan inveto
/wata angat ihaakan alam emecahan maalah ini. Jalu enguman aat i
layani oleh kenaaan yang lebih kecil euai engan kaakteitik jalu atau
aaana jalan yang teeia ehingga aa embagian fungi elayanan alam item
tanotai ekotaan. Bila jalu enguman tiak mencaku amai ke emukima
n, baulah ielukan angkutan lingkungan yang maih euai engan unang unang
yang belaku. Jai, yang teenting bukanlah jumlah kenaaan yang banyak, tai
kelancaan ejalanan an fekueni keatangan kenaaan yang euai an teatu
eta teat waktu. Kaena biaya oeai an emelihaaan item SAUM ini anga
t tinggi, ielukan jumlah enumang yang tinggi yang bena bena menggunakanny
a. Untuk itu ielukan bebagai uaya yang teola untuk menaatkan jumlah en
umang teebut, eeti: aanya item enguman aa jalu SAUM, fekueni e
jalanan keeta yang hau euai engan kebutuhan atau kaakteitik keatangan
engguna jaa aa item teebut, engembangan taiun item SAUM ebagai u
at kegiatan yang aat menaik oang ehingga lokai ini bia befungi ebagai
tujuan ejalanan atau bahkan meuakan aal ejalanan, eneaan item enunj
ang yang aat menjamin igunakannya item keeta ai eotimal mungkin, embe
ian kemuahan bagi engguna item ini.
Yang tiak kalah entingnya aalah item tanotai enguman. Di Jakata, a
a bebeaa aeah i uat kota telihat bahwa engoeaian bu kecil an bu
eang aa ua jalan teaat mencaai fekueni yang angat tinggi (waktu ant
aa kenaaan ekita 6 etik). Konii engoeaian yang emikian aat mengha
mbat au lalulinta an elanjutnya memengauhi elayanan item angkutan umum
. Telihat juga bahwa engoeaian bu eang an bu kecil menominai item
angkutan umum i ekotaan bila ibaningkan engan jumlah amaa bu bea. Aka
n tetai, bila itinjau ai ii kaaita yang teeia engan engoeaian a
maa angkutan umum eeti itu, maka bu eang an bu kecil menyeiakan kaa
ita yang kia kia ama engan kaaita bu bea. Dai konii teebut aat
iimulkan bahwa ibutuhkan jeni amaa angkutan umum engan kaaita yang l
ebih bea untuk aat lebih mengefiienkan engoeaian item angkutan umum.
Penambahan engoeaian jeni amaa aat meningkatkan kaaita item angkut
an umum ecaa keeluuhan. Dalam akteknya, eemajaan amaa angkutan umum me
metimbangkan ubtitui jeni kenaaan yang akan iemajakan engan jeni ken
aaan yang lebih bea kaaitanya. Selain itu, engan melihat konii yang a
ling tumang tinih antaa engoeaian bu kecil, bu eang, an bu bea, m
aka kebijakan engoeaian angkutan umum elu memetimbangkan hieaki fungi
jalan.
552 Ofya Z Tamin, Peencanaan an emoelan tanotai
Gamba 9.12 memelihatkan iagam elayanan angkutan umum euai engan hieak
i an fungi jaingan jalan.
Hieaki fungi jalan Atei Bu bea Bu eang Kolekto Lokal
Bu kecil
Gamba 9.12 Diagam enataan elayanan angkutan umum (Sumbe: Tamin, 1995k)
Jelalah bahwa kebijakan yang ielukan untuk menata an memebaiki elayanan
item angkutan umum hau iaahkan aa hal hal beikut ini (lihat gamba 9.12
). a Penataan tayek, engan mengganti bu engan bu bekaaita lebih tinggi
yang ilakukan ecaa betaha aa tingkat eemajaan. Penambahan jumlah amaa
an enataan tayek ilakukan engan etimbangan: bu bea beoeai aa ja
ingan jalan atei bu eang beoeai aa jaingan jalan kolekto bu kecil
beoeai aa jalan lokal. b Penguangan engoeaian bu kecil ecaa beta
ha aa tingkat eemajaan engan caa: bebeaa bu kecil iemajakan menjai
1 bu eang beaa bu eang iemajakan menjai 1 bu bea
9.10.2 Kenala yang ihaai
Pembangunan keeta ai ekotaan angat ibutuhkan bagi kota kota bea eeti
DKI Jakata, Banung, Mean, Suabaya, an Semaang. Akan tetai, bebeaa kena
la alam embangunan an oeainya antaa lain: Ketebataan ana emeintah a
lam embangunan item angkutan keeta ai ekotaan ebagai angkutan maa yang
bia ihanalkan. Rencana inuk eencanaan embangunan keeta ai ekotaan ya
ng belum iukung oleh Unang Unang atau eatuan. Oleh kaena itu emeintah
hau beuaha aga encana inuk teebut hau iukung oleh aek legalita.
Maalah tanotai i negaa eang bekembang 553
Tingkat elayanan keeta ai ekotaan yang maih enah. Hal ini iebabkan ka
ena aana an aaana yang tebata, tingkat engetahuan, keteamilan, an
iilin umbe aya manuia yang maih kuang. Biaya eawatan aana an aa
ana keeta ai ekotaan yang tinggi. Pemeintah beuaha menekan biaya eawata
n engan caa melakukan efiieni an otimai alam biang eawatan khuunya
aa aana an aaana beteknologi tinggi. Tingkat keelamatan yang maih e
lu itingkatkan. Hal ini ilakukan engan melakukan oialiai UU no 13 tahun
1992 tentang ekeetaaian eta mengaakan eniikan an elatihan bagi tenag
a oeaional keeta ai.
9.11
Sitem angkutan umum tanotai ekotaan teau (SAUTPT)
9.11.1 Kau DKI Jakata
Di DKI Jakata an wilayah enyangga ekitanya (Botabek), item angkutan umum
tanotai ekotaan teau antaa bu, mikobu, KRL Jabotabek, SAUM an tak
i meuakan kebijakan yang aat memecahkan maalah kemacetan. Hal ini eang
iuulkan untuk iwujukan aa awal tahun 2000. Untuk meencanakan Sitem Angkut
an Umum Tanotai Pekotaan Teau (SAUTPT) ielukan kajian yang menyeluu
h an item kooinai inteaktif yang baik antaeatemen an intani tekai
t ehingga elakanaan embangunannya beamak oitif tehaa enataan tata
uang ekotaan. Waktu temuh meuakan alah atu fakto yang aling utama yang
hau angat iehatikan. Waktu temuh meuakan aya taik utama alam emilih
an moa tanotai (manuia atauun baang). Jela, betambahnya waktu temuh
akan menuunkan jumlah enggunaan moa tanotai tetentu an engan eniin
ya akan menuunkan ula tingkat enaatannya. Akibat yang lebih jauh lagi aala
h bekuangnya keecayaan mayaakat akan kemamuan moa tanotai teebut
ehingga jika teaat altenatif moa lain yang lebih baik, mayaakat akan be
alih memilih moa lain itu. Untuk ejalanan yang memelukan bebeaa moa tan
otai, fakto lain yang lebih menentukan (elain waktu temuh) aalah biaya t
anit (biaya einahan baang atau enumang). Untuk menekan biaya tanota
i, baik untuk egeakan enumang an/atau baang alam item tanotai ant
amoa teau, yang elu iehatikan aalah uaha enghematan biaya tanit
ai uatu moa ke moa lain. Untuk itu ielukan failita aana an aaana
aa temat einahan baang an/atau enumang aga einahan aat belan
gung engan ceat, aman, muah, an nyaman ehingga biaya tanit aat itekan
eenah mungkin. Yang angat elu iehatikan aalah eencanaan tata letak
teminal antamoa yang efektif an efiien ehingga beamak oitif tehaa
enggunaan lahan, tata uang, ikulai enumang an ejalan kaki, eamahan,
etamanan,
554 Ofya Z Tamin, Peencanaan an emoelan tanotai
aluan utilita, keamanan, an kenyamanan. Hal ini, ekali lagi, ati membutuh
kan embebaan tanah yang menyita waktu an biaya yang angat bea. Selain itu,
elu juga iencanakan item jaingan angkutan umum teau yang baik yang me
liuti jaingan jalan keeta ai, bu anta an alam kota, an lain lain.
9.11.2 Kau Kotamaya Banung
Di Kotamaya Banung an wilayah enyangga ekitanya, kebijakan engembangan i
tem jaingan tanotai teau antaa jalan aya an jalan el meuakan keb
ijakan yang hau egea ilakukan untuk memecahkan maalah tanotai. Kebija
kan ini memungkinkan bu, angkot, SAUM an taki aat teintegai ecaa tea
u. Dalam meealiaikan Sitem Angkutan Umum Tanotai Pekotaan Teau (SA
UTPT) ibutuhkan uatu kajian yang menyeluuh an item kooinai inteaktif y
ang baik antaeatemen an intani tekait ehingga elakanaan embangunanny
a beamak oitif tehaa enataan tata uang ekotaan. Beaakan eamala
n kebutuhan akan egeakan enumang, item jaingan tanotai hau teint
egai bukan aja alam eencanaan tetai juga alam imlementai an oeai y
ang menggabungkan elemen elemen beikut ini. Sitem jaingan jalan aya: jainga
n jalan bau yang teii ata jalan tol, jalan atei, an jalan kolekto ebag
ai jalu enguman engan ketentuan elakanaan eatuan yang ketat an elaka
naan bebeaa teknik engelolaan lalulinta yang baik. Sitem angkutan umum im
e: item angkutan umum yang bekaaita tinggi an bekeceatan tinggi, biaa
nya beua jaingan angkutan umum bebai jalan el. Sitem angkutan umum ekun
e: item angkutan umum yang aat bebai jalan el mauun jalan aya yang m
euakan jalu enguman bagi item angkutan ime khuunya an item tan
otai angkutan umum lainnya ecaa umum. Sitem ake lokal: lanjutan ai it
em tanotai yang aat beua angkot, eea moto, becak, an ejalan kaki.
Dai hail tui BMARTS (1996), analii kebutuhan enumang angkutan umum meme
lihatkan bahwa koio utama yang beoteni bea untuk ijaikan item jain
gan angkutan umum ime aalah koio BaatTimu antaa Paalaang an Cicaleng
ka an bebeaa koio aial yang menuju ke uat kota Banung ai Lembang, S
oeang, Banjaan, an Majalaya. Hal beikutnya yang elu ilakukan aalah menet
akan koio item jaingan angkutan umum ekune yang aat bebai jalan
el atau jalan aya.
9.12
Keimulan an aan
Telah ijelakan bebeaa emaalahan tanotai yang eing tejai i aea
h ekotaan i Inoneia an ini meuakan cii negaa eang bekembang.
Maalah tanotai i negaa eang bekembang 555
Pemaalahan yang utama aalah kemacetan, ketelambatan, eta olui uaa an
uaa. Untuk mengatainya elu iikikan bebeaa altenatif emecahan maalah
. Sejumlah makalah (Tamin, 1994ab, 1996cg) menjelakan entingnya embagian it
em tanotai mako menjai item tanotai miko yang teii ai item
Kebutuhan Tanotai (KT), Paaana Tanotai (PT), Rekayaa an Manajeme
n Lalulinta (RL an ML), an Kelembagaan (KLG). Telah ibaha ula bahwa kemace
tan aa aanya timbul kaena tingkat etumbuhan akan kebutuhan tanotai
melebihi tingkat etumbuhan failita aaana yang aa. Selain itu, maalah t
eebut juga timbul kaena failita aaana yang tiak befungi ebagaimana
metinya. Bebeaa altenatif emecahan telah ibeikan, itinjau ai ii kebu
tuhan akan tanotai, aaana tanotai, ekayaa an manajemen lalulint
a, eta kelembagaan. Pean eta emeintah, wata, an mayaakat angat i
elukan alam memecahkan emaalahan tanotai teebut. Setelah melakukan a
nalii ecaa menyeluuh tehaa item engelolaan tanotai ekotaan a
a bebeaa kota i Inoneia, beikut iamaikan ini bebeaa keimulan an e
komenai.
9.12.1 Keimulan
a
Untuk mengimbangi an menekan laju eningkatan enggunaan angkutan ibai, hau
ilakukan ebaikan item angkutan umum beaakan kemamuan angkut yang be
a, keceatan yang tinggi, keamanan an kenyamanan ejalanan yang memaai an,
kaena igunakan ecaa maa, haulah engan biaya ejalanan yang tejangkau.
Jai, hau aa item tanotai bau yang tiak teikat oleh jalan aya yan
g memenuhi emua eyaatan itu. Hal ini hanya aat ibeikan oleh item angk
utan teanu atau jalan el yang keceatannya iatu euai engan kebutuhan,
an, kaena fekueninya bia iatu, aya angkut e atuan waktu aat ijamin
beanya. Kaena funginya yang emikian itulah item angkutan umum ini ikenal
ebagai Sitem Angkutan Umum Maa (SAUM). Yang tiak kalah entingnya aalah
item tanotai enguman. Paa bebeaa aeah i uat kota telihat bahwa
engoeaian bu kecil an bu eang aa ua jalan teaat mencaai fekuen
i yang angat tinggi (waktu antaa kenaaan ekita 6 etik). Konii engoe
aian yang emikian menghambat au lalulinta an elanjutnya memengauhi ela
yanan item angkutan umum. Telihat juga bahwa engoeaian bu eang an bu
kecil menominai item angkutan umum i aeah ekotaan bila ibaningkan e
ngan jumlah amaa bu bea. Akan tetai, bila itinjau ai ii kaaita yan
g teeia engan engoeaian amaa angkutan umum eeti itu, maka bu ean
g an bu kecil menyeiakan kaaita yang kia kia ama engan kaaita bu b
ea.
556 Ofya Z Tamin, Peencanaan an emoelan tanotai
b
Secaa umum enanganan item engelolaan tanotai ekotaan i aeah tingk
at II atau kotamaya belum ilakanakan ecaa intenif an tunta, kecuali untu
k wilayah DKI Jakata. Hal ini iebabkan kaena hal beikut. Oganiai belum t
ebentuk ecaa emuna. Contohnya, hanya DKIJakata yang inilai memunyai og
aniai yang aling ia an lengka alam melakanakan aek tanotai yang
ilimahkan beaakan PP Nomo 22 Tahun 1990. Jai, ielukan uaha yang nyat
a untuk memeceat oe embentukan DLLAJ Tingkat II, mialnya melalui Intu
ki Gubenu. Pelimahan tuga yang tiak begitu jela. Hal ini aat itunjukka
n engan tumang tinihnya aek tanotai yang ilimahkan ehingga menyebab
kan tiak jelanya item engelolaan tanotai yang akan ilakukan. Peatua
n elakanaan yang belum jela an lengka. Setia kota yang ianalii memunya
i jumlah eatuan elakanaan yang bebea bea. Daat ilihat bahwa DKI Jakat
a memunyai jumlah eatuan elakanaan yang cuku banyak alam uaha melakana
kan engelolaan aek tanotai yang ilimahkan beaakan PP Nomo 22 Tahu
n 1990. Untuk kota lainnya angat iaakan kuangnya eatuan elakanaan te
ebut ehingga mengakibatkan tiak jelanya tanggung jawab an tumang tinih e
maalahan.
c
Pembentukan DLLAJ Daeah Tingkat II yang tiak tunta mengakibatkan kemungkinan
tejainya enanganan emaalahan tanotai yang tumangtinih engan atuan
tuga yang ibentuk ebelumnya untuk menangani maalah lalulinta an angkutan
jalan aya yang ama. DLLAJ DKI Jakata memunyai oganiai yang lengka an a
ling ia an aat ijaikan acuan alam embentukan DLLAJ Daeah Tingkat II i
kota lain i Inoneia. Tebatanya umbe aya manuia baik ai egi kualita
mauun kuantita an kuangnya ehatian emeintah aeah tehaa emaalaha
n lalulinta an angkutan jalan aya mengakibatkan tiak tebentuknya oganiai
yang ecaa otonom hau menangani emaalahan teebut. Untuk itu angat ie
lukan uaha untuk memeceat teeianya umbe aya manuia engan kuu jab
atan eta elatihan untuk meningkatkan kemamuan tekni tenaga keja yang aa.
Pelunya uaha untuk meningkatkan kemamuan enanaan aeah tingkat II melalui
uaha yang bekaitan engan tanotai, mialnya izin tayek an KIR yang ela
kanaannya ieahkan keaa DLLAJ Daeah Tingkat II. Pelu enanganan teau a
ntaa eama aeah tingkat II an antaa tingkat I an II eing timbul emaa
lahan akibat oeai egeakan lalulinta yang melalui 2 atau lebih aeah, mi
alnya tayek angkutan umum.
e
f
g
Maalah tanotai i negaa eang bekembang 557
9.12.2 Saan
Uul untuk mengatai emaalahan tanotai ekotaan aalah ebagai beikut.
a Memeceat embentukan DLLAJ i Daeah Tingkat II engan membentuk uunan o
ganiai engan enjabaan tuga yang jela, mengkaji ouk hukum yang uah
ikeluakan an yang maih belaku, mengintegaikan bebagai ouk hukum teeb
ut an meencanakan ouk hukum bau yang elu ibuat. Meningkatkan kualita
umbe aya manuia alam menangani emaalahan tanotai ekotaan engan me
ngaakan enyuluhan, kuu, an elatihan aaat emeintah aeah.
b
558 Ofya Z Tamin, Peencanaan an emoelan tanotai
V l(a ) V l(n )
= au lalulinta yang ihailkan oleh teknik embebanan all onothing engan bi
aya ua ai hail engulangan teakhi = au lalulinta yang ihailkan oleh
engulangan ekaang = = = = = au lalulinta yang ihailkan oleh engulangan
ebelumnya leba jalan efektif jaak antaa keeb engan gangguan aa ii jala
n leba bahu jalan efektif kumulatif keematan ai zona aal i ke zona tujuan
kej atau ke
V l(n 1 ) We WK WS X ij , X ij 1 Z ij Z
zon
tuju
n ke(j1) d
ri zon
i = MAT
erurut d
ri zon
s
l i ke zon
tuju
n kej y
ng sem
kin menj
uh d
ri zon
i = nil
i v
ri
nsi untuk tingk
t keperc
y
n y
ng d
iingink
n = peu
h di d
l
m kurung di
ngg
p mew
kili seluruh set d
t
; contohny
[Tid] mew
kili seluruh MAT = digun
k
n se
g
i peu
h y
ng mengidentifik
si h
s
il peng
m
t
n; contohny
V l = digun
k
n untuk meng
lik
n semu
peu
h y
ng memp
uny
i tik
l
s l = digun
k
n untuk men
m
hk
n semu
peu
h y
ng mempuny
i tik
l
s k, dimul
i d
ri k = 1 s
mp
i deng
n
t
s
khir
[]
^
k
Singk
t
n
ACGR ADB ALS And
ll Angkot AON ARSDS ATCS B
ngd
B
ppen
s B
pped
BBG BBM BMARTS
BO BOK BPH = = = = = = = = = = = = = = model gr
vity jenis deng
n
t
s
n t
rik
n Asi
n Development B
nk Are
Licensing Scheme An
lisis D
mp
k L
lulint
s
ngku
t
n kot
model pem
e
n
n
ll or nothing Arteri
l Ro
d System Development Study
Are
Tr
ffic Control System Pem
ngun
n D
er
h B
d
n Perenc
n
n Pem
ngun
n N
s
ion
l B
d
n Perenc
n
n Pem
ngung
n D
er
h B
h
n B
k
r G
s B
h
n B
k
r Miny
k B
ndung Metropolit
n Are
Ur
n & Su
Ur
n R
ilw
y Tr
nsport
tion System = model
opportunity jenis g
ung
n = Bi
y
Oper
si Kend
r
n =
i
y
perj
l
n
n y
ng di
hem
t (rupi
h)
562 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
h D
er
h Khusus I
ukot
J
k
rt
Din
s L
lulint
s Angkut
n J
l
n Dis
ggreg
te Mod
el Model opportunity jenis l
ngsung D
er
h Pus
t Bisnis Din
s Perw
kil
n R
ky
t
Din
s Pekerj
n Umum Din
s T
t
Kot
Dep
rtment of Tr
nsport Metode pen
ksir
n E
ntropi M
ksimum Model Entropi M
ksimum Estim
si M
triks Model opportunity jenis
eksponensi
l Electronic Ro
d Pricing Feder
l Highw
y Administr
tion Forum Studi
Tr
nsport
si
nt
r Perguru
n Tinggi G
ris G
ris Bes
r H
lu
n Neg
r
Geogr
phic
l
Inform
tion System Gre
ter London Tr
nsport
tion Study model gr
vity opportunit
y model gr
vity Himpun
n Pengem
ng
n J
l
n Indonesi
Highw
y Rese
rch Bo
rd met
ode pen
ksir
n inferensi
yes Indonesi
n Highw
y C
p
city M
nu
l The Institutio
n of Highw
ys
nd Tr
nsport
tion Independence from Irrelev
nt Altern
tives Indep
endent
nd Identic
lly Distri
uted model Inform
si Minimum Instruksi Gu
ernur In
struksi Presiden model opportunity jenis inversi Integr
ted Ro
d M
n
gement Syst
em Institut Teknologi B
ndung
Not
si d
n singk
t
n 563
ITE ITP J
ot
ek J
r J
tim JICA JMATS JMTSS JUDP KA KBB KBK KD Kepmen Keppres
KLG KM KM1 KM2 Kody
KP KPL KPS KRL KS KT KTB KTL KTTL KTTLB KTTJ KTU KTUDB KW
LAPI LKB LM LO LOS LP LPM LRT MAE MAT MBUDP MCA ME2
= = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = =
= = = = = = =
Institute of Tr
nsport
tion Engineers Indeks Tingk
t Pel
y
n
n J
k
rt
Bogor T
n
ger
ng Bek
si Propinsi J
w
B
r
t Propinsi J
w
Timur J
p
n Intern
tion
l Corpor
tion Agency J
k
rt
Metropolit
n Are
Tr
nsport
tion Study J
k
rt
M
ss R
pid T
r
nsyt System Study J
k
rt
Ur
n Development Project Keret
Api Konsumsi B
h
n
B
k
r Kelompok Bid
ng Ke
hli
n Koefisien Determin
si Keputus
n Menteri Keputus
n
Presiden Sistem Kelem
g
n metode pen
ksir
n kemirip
n m
ksimum metode pen
ksi
r
n kemirip
n m
ksimum jenis I metode pen
ksir
n kemirip
n m
ksimum jenis II Kot
m
dy
metode pem
e
n
n Keseim
ng
n Penggun
K
w
s
n Pem
t
s
n L
lulint
s met
ode pem
e
n
n Keseim
ng
n Penggun
Stok
stik Keret
g
Peng
di
n kep
d
M
sy
r
k
t Light R
il Tr
nsit Me
n A
solute Error M
triksAs
lTuju
n Metropolit
n B
ndung Ur
n Development Progr
mme Multiple Cl
ssific
tion
An
lysis M
ximum Entropy M
trix Estim
tion model
564 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
MKT ML MODCOST MPR MPTEP MRT MS MTI NBP NMAE NVK OP OD OECF Or
ri Org
nd
PAD PAM
PACGR PC PCGR PDRB Pelit
Pemd
Perd
PIA PJP PKL PKN PKW PLN PNK Pokj
Pol
nt
s Pold
Polri PP PPD PPK PPTK PT PTN PTS PU RDTR Repelit
RL
= = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = =
= = = = = = =
M
n
jemen Ke
utuh
n
k
n Tr
nsport
si M
n
jemen L
lulint
s Modifying Origin
nd
Destin
tion COsts to Simul
te Trips M
jelis Permusy
w
r
t
n R
ky
t Model Perenc
n Tr
nsport
si Emp
t T
h
p M
ss R
pid Tr
nsit pemilih
n mod
M
sy
r
k
t Tr
ns
port
si Indonesi
nis
h
i
y
perj
l
n
n Norm
lised Me
n A
solute Error Nis
h
Volume per K
p
sit
s model opportunity OriginDestin
tion Overse
s Economic Corpor
n Asli D
er
h Perus
h
n Listrik Neg
r
Produksi N
si
on
l Kotor Kelompok Kerj
Polisi L
lulint
s Kepolisi
n D
er
h Kepolisi
n Repu
li
k Indonesi
Per
tur
n Pemerint
h Pus
t Pengol
h
n D
t
Pus
t Pengol
h
n Kelu
r
n
Pus
t Peneliti
n Tr
nsport
si d
n Komunik
si Pr
s
r
n
Tr
nsport
si Perguru
n T
inggi Negeri Perguru
n Tinggi Sw
st
Pekerj
n Umum Renc
n
Det
il T
t
Ru
ng Re
nc
n
Pem
ngun
n Lim
T
hun Rek
y
s
L
lulint
s
Not
si d
n singk
t
n 565
RMSE Rp RSTRP RTRW RTRWK RTRWN RTRWP RUC RUTR SAUM SAUTPT SCGR SD SDM SIG Sistr
n
s Sistr
reg SIT SJ SK SMP SNPPTR SP SPPM STD STEM TC TDM TM UCGR URMS UU VHF W
CTRS WP WS
= = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = =
Root Me
n Su
re Error rupi
h Renc
n
Struktur T
t
Ru
ng Propinsi Renc
n
T
t
Ru
ng Wil
y
h Renc
n
T
t
Ru
ng Wil
y
h K
up
ten/Kot
m
dy
Renc
n
T
t
Ru
ng
Wil
y
h N
sion
l Renc
n
T
t
Ru
ng Wil
y
h Propinsi model Ro
d User Costs Renc
n
Umum T
t
Ru
ng Sistem Angkut
n Umum M
ss
Sistem Angkut
n Umum Tr
nsport
si
Perkot
n Terp
du model gr
vity jenis s
tu
t
s
n St
nd
r Devi
si Sum
er D
y
M
nusi
Sistem Inform
si Geogr
fis Sistem Tr
nsport
si N
sion
l Sistem Tr
nsport
si Region
l Sistem Inform
si Tr
nsport
si Sistem J
ring
n Sur
t Keputus
n, Siste
m Kegi
t
n S
tu
n Mo
il Penump
ng Str
tegi N
sion
l Pol
Pengem
ng
n T
t
Ru
ng
Sistem Perger
k
n model kom
in
si Se
r
n Perger
k
nPemilih
n Mod
Sistem Tr
nsf
er D
t
Simult
neous Tr
nsport
tion Euili
rium Model f
ktor peng
li
rus l
luli
nt
s Tr
nsport Dem
nd M
n
gement f
ktor peng
li MAT, Tr
ffic M
n
gement model gr
vity jenis t
np
t
s
n Ur
n Ro
d M
n
gement System Und
ng Und
ng Very High F
reuency World Conference on Tr
nsport Rese
rch Society p
ket progr
m WordPerfect
, Wil
y
h Pengem
ng
n p
ket progr
m Word St
r
566 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
P
d
n
n k
t
InggrisIndonesi
ccess time
ccessi
ility
ctu
l cost
dded mode
ppr
is
l
rc
rithmetic progre
ssion
scending
ttr
ction
ttr
ction constr
ined
ttr
ctiveness
ver
ge
cklin
k
cknode
ckw
rd p
ss
l
ncing f
ctor
se ye
r
eh
vior
l tr
vel dem
nd
el
ief
i level
in
ry choice
in
ry logit
inomi
l logit
ottleneck
uilt up
re
ure
u of pu
lic ro
ds
us l
ne
us stop
y p
ss c
p
city restr
ined c
rownershi
p centr
l
usiness district centroid connector chi su
red composite comput
tion
mod
t
m
h
n penil
i
n potong
n progresi
ritm
tik sem
kin menj
uh t
rik
n de
ng
n
t
s
n t
rik
n d
y
t
rik r
t
r
t
ru
s se
elum simpul se
elum lew
t m
ju
f
ktor penyeim
ng t
hun d
s
r peril
ku ke
utuh
n
k
n tr
nsport
si keperc
y
n
du
tingk
t pemilih
n
iner logit
iner logit
inomi
l penyempit
n k
w
s
n ter
ngun din
s j
l
n umum l
jur khusus
us temp
t pem
erhenti
n
us j
l
n pint
s
t
s
n k
p
sit
s pemilik
n kend
r
n pus
t perk
ntor
n, pus
t
isnis distrik peng
hu
ung pus
t zon
chi ku
dr
t g
ung
n g
l
t komput
si sel
ng keperc
y
n tingk
t keperc
y
n kem
cet
n konektivit
s, keters
m
ung
n ku
dr
t terkecil umum deng
n
t
s
n
567
tion
ttri
ute deterministic deterrence function devi
tion developed country de
veloping country devi
tion st
nd
rd direct direct dem
nd direct el
sticity direc
t se
rch directed gr
ph discrete discrete choice disorder dist
nce diverge diver
ted tr
ffic division of highw
y dou
le p
ss dou
ly constr
ined el
stic dem
nd en
gineering judgement entropy
menerus konvergen cem
ung terkoordin
si
t
s d
er
h studi, g
ris kordon kov
ri
n kl
sifik
si sil
ng el
stisit
s sil
ng kesemp
t
n kumul
tif penurun
n koordin
t
siklus p
ngk
l
n d
t
peng
m
il keputus
n pohon keputus
n y
ng sud
h ditentuk
n
tund
n, keterl
m
t
n kurv
ke
utuh
n dep
rtemen tr
nsport
si v
ri
el tid
k
e
s ke
utuh
n turun
n menurun,
erkur
ng r
nc
ng, per
nc
ng
n t
hun renc
n
g
r
is keingin
n
tri
ut tuju
n diterministik fungsi h
m
t
n simp
ng
n, residu
l ne
g
r
m
ju neg
r
sed
ng
erkem
ng simp
ng
n
ku l
ngsung ke
utuh
n l
ngsung el
stisit
s l
ngsung penc
ri
n l
ngsung gr
fik ter
r
h diskret pemilih
n diskret k
etid
kter
tur
n j
r
k divergen l
lulint
s y
ng
er
lih divisi j
l
n r
y
du
k
l
i lew
t deng
n du
t
s
n ke
utuh
n el
stis justifik
si rek
y
s
entropi
568 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
entropy me
sure entry euili
rium euili
rium c
p
city restr
ined euiv
lent min
imiz
tion error estim
tor exit expected inform
tion st
tistics expl
ined v
ri
ti
on exponenti
l f
cility dependent f
st food feed
ck feeder finite time interv
l
first order iter
tion fitting fl
gging flo
ting c
r o
server survey flow contin
uity flow dependent forec
sting forw
rd p
ss four st
ge tr
nsport pl
nning fr
ct
ion free error free flow free flow cost free flow tr
vel time friction function
g
tew
ys gener
lized cost gener
lized le
st su
res gener
tion geometric progres
sion geometric progr
mming goodness of fit green w
ve growth f
ctor h
rd speed c
h
nge he
dw
y heuristic highw
y engineer hinterl
nd
ukur
n entropi m
suk keseim
ng
n keseim
ng
n deng
n
t
s
n k
p
sit
s minim
si
ekiv
len g
l
t, kes
l
h
n pen
ksir kelu
r st
tistik inform
si y
ng dih
r
pk
n v
ri
si terdefinisi eksponensi
l terg
ntung f
silit
s si
p s
nt
p ump
n
lik pen
gump
n periode w
ktu ter
t
s iter
si orde pert
m
penyesu
i
n menggun
k
n
ende
r
survey kecep
t
n deng
n mengikuti kend
r
n
erger
k kesin
m
ung
n
rus terg
ntung
rus per
m
l
n lew
t m
ju perenc
n
n tr
nsport
si emp
t t
h
p
gi
n
e
s g
l
t
rus
e
s
i
y
p
d
kondisi
rus
e
s w
ktu tempuh p
d
kondisi
rus
e
s h
m
t
n, g
nggu
n fungsi kep
d
t
n pelu
ng g
ung
n inlet
t
u outlet
i
y
g
ung
n ku
dr
t terkecil umum
ngkit
n progresi geometrik pemrogr
m
n geome
trik kesesu
i
n gelom
ng hij
u f
ktor pertum
uh
n peru
h
n kecep
t
n sec
r
ce
p
t j
r
k
t
u w
ktu
nt
r
kend
r
n heuristik
hli j
l
n r
y
d
er
h peny
ngg
P
d
n
n k
t
Inggris Indonesi
569
r constr
ined le
st su
res
w
w
nc
r
di rum
h
er
sis rum
h/temp
t tingg
l
er
sis rum
h t
ngg
g
l
t
ki
t f
ktor m
nusi
jik
d
n h
ny
jik
proses citr
pel
ks
n
n, pem
ngun
n pen
d
p
t
n ketid
kkonsisten
n pem
e
n
n
ert
h
p t
k terhingg
terdistri
usi
e
s
d
n identik v
ri
el
e
s tid
k l
ngsung el
stisit
s tid
k l
ngsung inferensi
induktif ke
utuh
n tid
k el
stis infleksi j
l
n lingk
r d
l
m
erhu
ung
n keterg
ntung
n kesemp
t
n
nt
r
h
m
t
n tr
nsport
si
nt
rzon
perger
k
n
nt
r zon
w
ktu sel
m
er
d
di
t
s kend
r
n inversi pelu
ng inversi terisol
si pem
e
n
n
erul
ng pelu
ng g
ung
n kep
d
t
n pelu
ng g
ung
n perj
l
n
n seseor
ng d
i
nt
r ke termin
l deng
n
ngkut
n pri
di d
n kemudi
n mel
njutk
n deng
n
ngku
t
n umum peng
li l
gr
nge t
t
gun
l
h
n peneg
k
n hukum t
t
let
k ku
dr
t ter
kecil
elum
egitu
erkem
ng tingk
t pel
y
n
n keret
pi ring
n kemungkin
n fu
ngsi kemungkin
n pemrogr
m
n line
r ku
dr
t terkecil line
r
er
t
s
570 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
line
r le
st su
res line
r progr
mming link loop detector loose end t
le m
rke
t m
ster pl
n m
them
tic
l reprogr
mming m
trix c
pping m
ximum entropy m
ximum
likelihood me
n v
lue me
sure me
surement me
surement error micro simul
tion min
imum cost tree mo
ility mod
l split mode mode choice monitoring most likely movi
ng c
r o
server multi colline
rity multil
ne multi mode network euili
rium mult
inomi
l logit multip
th multiple nuclei multiple regression multiple routes mult
iple line
r le
st su
res multiplic
tive regression mutu
lly exclusive mutu
lly
independent event n
tur
l log
rithm neg
tive exponenti
l network euili
rium non
home
sed non line
rity non line
r le
st su
res non line
r m
ximum likelihood
null zones o
jective function o
served off pe
k hour
kudr
t terkecil line
r pemrogr
m
n line
r ru
s detektor lingk
r
n t
el tid
k
e
rujung
khir p
s
r renc
n
induk pemrogr
m
n m
tem
tik
pem
ngk
s
n m
triks entr
opi m
ksimum kemirip
n m
ksimum nil
i r
t
n ukur
n pengukur
n g
l
t pengukur
n
simul
si mikro pohon
i
y
minimum mo
ilit
s pemilih
n mod
mod
, modus pemilih
n mod
peng
w
s
n p
ling mungkin peng
m
t
erger
k multikoline
r
ny
k l
jur ke
seim
ng
n j
ring
n multimod
logit multinomi
l
ny
k rute
ny
k pus
t regresi
erg
nd
ny
k rute ku
dr
t terkecil line
r
erg
nd
regresi perk
li
n s
ling
erk
it
n kej
di
n y
ng s
ling
e
s log
ritm
n
tur
l eksponensi
l neg
tif kese
im
ng
n j
ring
n
er
sis
uk
n rum
h/temp
t tingg
l non line
rit
s ku
dr
t ter
kecil tid
k line
r kemungkin
n m
ksimum tid
k line
r zon
kosong fungsi tuju
n y
ng di
m
ti, peng
m
t
n j
m tid
k si
uk
P
d
n
n k
t
Inggris Indonesi
571
off street p
rking once through one w
y on street p
rking oper
tion rese
rch opp
ortunity ordered outer ring ro
d outline over
ssignment overestim
te overflow o
verlo
d p
ir
y p
ir p
rk
nd ride p
rti
l p
th pe
k hour pen
lty perceived cost
perform
nce person
l computer person c
tegory policy m
ker posterior posterior
elief posterior pro
ility density post multiplic
tion power pre multiplic
tio
n prior
elief prior pro
ility density pro
ilistic
ssignment pro
ility de
nsity function production constr
ined progr
mming u
dr
tic progr
mming u
si di
rect u
dr
tic se
rch uick response r
ndom utility r
ndomness r
ting re
l time
reference m
trix
p
rkir
uk
n di
d
n j
l
n sek
ligus s
tu
r
h p
rkir di
d
n j
l
n peneliti
n
oper
sion
l kesemp
t
n
erurut
n j
l
n lingk
r lu
r g
ris
es
r pem
e
n
n
erl
e
ih le
ih tinggi d
ri perkir
n
es
r
rus y
ng tid
k terhingg
nil
i y
ng tid
k terhingg
p
s
ng
n demi p
s
ng
n seseor
ng menggun
k
n
ngkut
n pri
di d
n p
rkir di termin
l d
n mel
njutk
n deng
n
ngkut
n umum p
rsi
l, se
gi
n rute j
m
si
uk dend
, t
m
h
n
i
y
perkir
n kinerj
komputer pri
di k
tegori or
ng p
eng
m
il ke
ij
k
n h
sil pengol
h
n keperc
y
n
erikutny
kep
d
t
n pelu
ng
er
ikutny
p
sc
perk
li
n p
ngk
t pr
perk
li
n keperc
y
n
w
l kep
d
t
n pelu
ng
w
l pem
e
n
n
erpelu
ng fungsi kep
d
t
n pelu
ng deng
n
t
s
n
ngkit
n pe
mrogr
m
n pemrogr
m
n ku
dr
t l
ngsung ku
si penc
ri
n ku
dr
t cep
t t
ngg
p uti
lit
s
c
k ke
c
k
n peringk
t w
ktu ny
t
m
triks t
rget
572 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
region
l tr
nsport
tion system regression
n
lysis regul
rity rel
tive freuency
reli
le re num
ering repe
ted
ll or nothing response surf
ce ri
on developme
nt
sistem tr
nsport
si region
l
n
lis
regresi keter
tur
n frekuensi rel
tif sesu
i menomori kem
li
ll or nothing
erul
ng permuk
n respon pengem
ng
n struktu
r kot
sec
r
mem
nj
ng (pit
) ro
d f
ctor f
ktor rute ro
d network euili
rium
keseim
ng
n j
ring
n j
l
n ro
d pricing
i
y
penggun
n j
l
n ro
d user pem
k
i j
l
n ro
dside interview w
w
nc
r
di tepi j
l
n route
ssignment pem
e
n
n r
ute route choice pemilih
n rute route f
ctor f
ktor rute rur
l ped
l
m
n rur
l r
o
d design r
nc
ng
n j
l
n
nt
rkot
s
mple sp
ce ru
ng s
mpel s
mpling error g
l
t s
mpel s
mpling f
ctor f
ktor proporsi s
mpel s
tur
tion flow
rus jenuh se
rch penc
ri
n se
rch direction
r
h penc
ri
n segreg
ted tr
ck lint
s
n terpis
h
selected link
n
lysis
n
lisis ru
s terpilih sep
r
le terpis
h seuenti
l
er
urut
n seuenti
l se
rch penc
ri
n
erurut
n shift gilir
n shock w
ve gelom
ng
kejut simult
neous choice pemilih
n simult
n simult
neous tr
nsport
tion euili
rium keseim
ng
n tr
nsport
si simult
n simult
neous tr
nsport
tion euili
rium
model keseim
ng
n tr
nsport
si simult
n model single p
ss lew
t sek
li single p
th s
tu rute singly constr
ined deng
n s
tu
t
s
n skimming tree pengur
i
n po
hon soci
l euili
rium keseim
ng
n sosi
l soci
l optimum optimum sosi
l soft sp
eed ch
nge peru
h
n kecep
t
n sec
r
perl
h
n sp
ti
l sep
r
tion pemis
h
n ru
n
g sp
ti
l tr
nsfer tr
nsfer d
l
m ru
ng specific
tion error g
l
t spesifik
si
P
d
n
n k
t
Inggris Indonesi
573
st
le flow st
nd
rd
in
ry logit st
nd
rd error st
te st
te of the
rt ste
dy s
t
te stepwise stoch
stic user euili
rium string network su
script su
ur
n cott
ge successive
ver
ges superimpose superm
rket superscript support surprise sys
tem
ppro
ch system euili
rium Ssh
ped curve tempor
l tr
nsfer termin
l cost thr
ough tr
ffic time t
le tool tot
l v
ri
tion town pl
nner tr
ffic
ssignment tr
ffic counts tr
ffic engineer tr
ffic engineering tr
ffic m
n
gement tr
ffic rest
r
int tr
nsfer error tr
nsport dem
nd tr
nsport dem
nd m
n
gement tr
nsport impe
d
nce tr
nsport pl
nner tr
nsport supply tr
vel disutility tr
vel friction tr
ve
l time tree tri
l
nd error trip distri
ution trip end trip interch
nge
rus st
il logit
iner st
nd
r g
l
t st
nd
r kej
di
n kemut
khir
n kondisi tun
k l
ngk
h demi l
ngk
h keseim
ng
n penggun
stok
stik j
ring
n d
w
i tik
l
s pe
mukim
n di lu
r kot
r
t
r
t
erurut
n tump
ng p
s
r sw
l
y
n tik
t
s dukung
n
kejut
n pendek
t
n sec
r
sistem keseim
ng
n sistem kurv
er
entuk S tr
nsfer
sement
r
i
y
termin
l l
lulint
s menerus j
dw
l
l
t
ntu v
ri
si tot
l per
enc
n
kot
pem
e
n
n l
lulint
s perhitung
n
rus l
lulint
s
hli l
lulint
s re
k
y
s
l
lulint
s m
n
jemen l
lulint
s pem
t
s
n l
lulint
s g
l
t tr
nsfer ke
u
tuh
n
k
n tr
nsport
si m
n
jemen ke
utuh
n
k
n tr
nsport
si h
m
t
n
t
u g
ng
gu
n tr
nsport
si perenc
n
tr
nsport
si pr
s
r
n
tr
nsport
si nonutilit
s perj
l
n
n h
m
t
n perj
l
n
n w
ktu perj
l
n
n pohon co
co
se
r
n perger
k
n u
jung perj
l
n
n pertuk
r
n perj
l
n
n
574 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
lking time w
lking trip we
site weighted non line
r le
st su
res word processor
zero flow zon
l
sed zone centroid
p
nj
ng perger
k
n tingk
t
ngkit
n perger
k
n perger
k
n mem
elok ketid
kp
sti
n t
np
t
s
n le
ih rend
h d
ri perkir
n keret
pi
w
h t
n
h kur
ng tersp
esifik
si v
ri
si tid
k terdefinisi ser
g
m s
mpel ser
g
m unik perkot
n r
nc
n
g
n j
l
n perkot
n sistem tr
nsport
si perkot
n keseim
ng
n penggun
keseim
ng
n optimum penggun
utilit
s nil
i w
ktu v
ri
nsi perger
k
n
erkend
r
n w
kt
u menunggu w
ktu
erj
l
n k
ki perger
k
n
erj
l
n k
ki situs we
ku
dr
t terkec
il tid
k line
r
er
o
ot pengol
h k
t
tid
k
d
rus
er
sis zon
pus
t zon
P
d
n
n k
t
Inggris Indonesi
575
P
d
n
n k
t
Indonesi
Inggris
hli j
l
n r
y
hli l
lulint
s
ksesi
ilit
s
l
t
ntu
ll or nothing
erul
ng
n
lis
regresi
n
lisis ru
s terpilih
r
h penc
ri
n
rus
e
s
rus jenuh
ru
s st
il
tri
ut tuju
n
gi
n
ngkit
n
ny
k l
jur
ny
k pus
t
ny
k rute
ny
k rute
t
s d
er
h studi
t
s
n k
p
sit
s
e
s g
l
t
elum
egitu
erkem
ng
er
sis
uk
n rum
h/temp
t tingg
l
er
sis rum
h t
ngg
er
sis rum
h/tem
p
t tingg
l
er
sis zon
erhu
ung
n
erurut
n
erurut
n
es
r
rus y
ng tid
k
terhingg
i
y
g
ung
n
i
y
p
d
kondisi
rus
e
s
i
y
penggun
n j
l
n
i
y
perkir
n
i
y
se
en
rny
i
y
termin
l cem
ung cep
t t
ngg
p chi ku
dr
t
co
co
d
er
h peny
ngg
highw
y engineer tr
ffic engineer
ccessi
ility tool repe
ted
ll or nothing reg
ression
n
lysis selected link
n
lysis se
rch direction free flow s
tur
tion fl
ow st
le flow destin
tion
ttri
ute fr
ction gener
tion multil
ne multiple nucl
ei multip
th multiple routes cordon line c
p
city restr
ined free error less dev
eloped non home
sed household
sed home
sed zon
l
sed integr
ted ordered
seuenti
l overflow gener
lized cost free flow cost ro
d pricing perceived cost
ctu
l cost termin
l cost convex uick response chi su
red tri
l
nd error hint
erl
nd
576
d
y
t
rik dend
, t
m
h
n deng
n
t
s
n
ngkit
n deng
n
t
s
n t
rik
n deng
n du
t
s
n deng
n s
tu
t
s
n dep
rtemen tr
nsport
si detektor lingk
r
n din
s j
l
n umum diskret diterministik divergen divisi j
l
n r
y
du
k
li lew
t du
tingk
t dukung
n eksponensi
l eksponensi
l neg
tif el
stisit
s l
ngsung el
sti
sit
s sil
ng el
stisit
s tid
k l
ngsung entropi entropi m
ksimum f
ktor penyeim
ng f
ktor pertum
uh
n f
ktor proporsi s
mpel f
ktor rute f
ktor rute frekuensi
rel
tif fungsi h
m
t
n fungsi kemungkin
n fungsi kep
d
t
n pelu
ng fungsi kep
d
t
n pelu
ng g
ung
n fungsi tuju
n g
ung
n g
l
t g
l
t
ki
t f
ktor m
nusi
g
l
t komput
si g
l
t pengukur
n g
l
t s
mpel g
l
t spesifik
si g
l
t st
nd
r g
l
t tr
nsfer g
nggu
n g
ris
es
r g
ris keingin
n g
ris kordon
ttr
ctiveness pen
lty production constr
ined
ttr
ction constr
ined dou
ly cons
tr
ined singly constr
ined dep
rtment of tr
nsport loop detector
ure
u of pu
li
c ro
ds discrete deterministic diverge division of highw
y dou
le p
ss
i level
support exponenti
l neg
tive exponenti
l direct el
sticity cross el
sticity indi
rect el
sticity entropy m
ximum entropy
l
ncing f
ctor growth f
ctor s
mpling
f
ctor ro
d f
ctor route f
ctor rel
tive freuency deterrence function likelihoo
d function pro
ility density function function o
jective function composite er
ror hum
n error comput
tion
l error me
surement error s
mpling error specific
ti
on error st
nd
rd error tr
nsfer error friction outline desire line cordon line
P
d
n
n k
t
Indonesi
Inggris 577
gelom
ng hij
u gelom
ng kejut gilir
n gr
fik ter
r
h h
m
t
n h
m
t
n
t
u g
nggu
n tr
nsport
si h
m
t
n perj
l
n
n h
m
t
n tr
nsport
si
nt
rzon
h
sil pe
ngol
h
n heuristik inferensi induktif infleksi inlet inversi iter
si orde pert
m
j
dw
l j
l
n lingk
r d
l
m j
l
n lingk
r lu
r j
l
n pint
s j
m si
uk j
m tid
k
si
uk j
r
k j
r
k
t
u w
ktu
nt
r
kend
r
n j
ring
n d
w
i jik
d
n h
ny
jik
justifik
si rek
y
s
k
tegori or
ng k
w
s
n ter
ngun ke
c
k
n ke
utuh
n
k
n
tr
nsport
si ke
utuh
n el
stis ke
utuh
n l
ngsung ke
utuh
n tid
k el
stis ke
utu
h
n turun
n kej
di
n kej
di
n y
ng s
ling
e
s kejut
n kelu
r kem
cet
n kemirip
nm
ksimum kemud
h
n kemungkin
n kemungkin
n m
ksimum tid
k line
r kemut
khir
n k
ep
d
t
n pelu
ng
w
l kep
d
t
n pelu
ng
erikutny
kep
d
t
n pelu
ng g
ung
n
green w
ve shock w
ve shift directed gr
ph friction tr
nsport imped
nce tr
vel f
riction intr
zon
l tr
nsport imped
nce posterior heuristic inductive inference i
nflection g
tew
ys invers first order iter
tion time t
le inner ring ro
d outer
ring ro
d
y p
ss pe
k hour off pe
k hour dist
nce he
dw
y string network if
n
d only if engineering judgement person c
tegory
uilt up
re
r
ndomness tr
nspo
rt dem
nd el
stic dem
nd direct dem
nd inel
stic dem
nd derived dem
nd st
te mut
u
lly independent event surprise exit congestion m
ximumlikelihood
ccessi
ility
likelihood non line
r m
ximum likelihood st
te of the
rt prior pro
ility dens
ity posterior pro
ility density joint pro
ility density
578 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
keperc
y
n keperc
y
n
w
l keperc
y
n
erikutny
keret
pi
w
h t
n
h keret
pi ring
n kes
l
h
n
t
u g
l
t keseim
ng
n keseim
ng
n j
ring
n keseim
ng
n j
ring
n j
l
n keseim
ng
n j
ring
n multimod
keseim
ng
n penggun
stok
stik
keseim
ng
n sistem keseim
ng
n tr
nsport
si simult
n keseim
ng
n deng
n
t
s
n k
p
sit
s keseim
ng
n optimum penggun
keseim
ng
n penggun
keseim
ng
n s
osi
l kesemp
t
n kesemp
t
n
nt
r
kesemp
t
n kumul
tif kesesu
i
n kesin
m
ung
n
rus keter
tur
n keterg
ntung
n keterl
m
t
n ketid
kkonsisten
n ketid
kp
sti
n
ketid
kter
tur
n kinerj
kl
sifik
si sil
ng komputer pri
di kondisi tun
k kone
ktivit
s, keters
m
ung
n konvergen kov
ri
n ku
dr
t terkecil ku
dr
t terkecil li
ne
r
er
t
s ku
dr
t terkecil line
r
erg
nd
ku
dr
t terkecil tid
k line
r ku
dr
t terkecil tid
k line
r
er
o
ot ku
dr
t terkecil umum ku
dr
t terkecil umum
deng
n
t
s
n kudr
t terkecil line
r kur
ng terspesifik
si kurv
er
entuk S ku
rv
ke
utuh
n l
jur khusus
us
dy st
te connectivity converge cov
ri
nce le
st su
res line
r constr
ined le
st
su
res multiple line
r le
st su
res non line
r le
st su
res weighted non lin
e
r le
st su
res gener
lized le
st su
res constr
ined gener
lized le
st su
re
s line
r le
st su
res under specific
tion Ssh
ped curve dem
nd curve
us l
ne
P
d
n
n k
t
Indonesi
Inggris 579
l
lulint
s menerus l
lulint
s y
ng
er
lih l
ngk
h demi l
ngk
h l
ngsung l
ngsun
g ku
si le
ih rend
h d
ri perkir
n le
ih tinggi d
ri perkir
n lew
t m
ju lew
t
m
ju lew
t sek
li lint
s
n terpis
h log
ritm
n
tur
l logit
iner logit
iner s
t
nd
r logit
inomi
l logit multinomi
l m
n
jemen ke
utuh
n
k
n tr
nsport
si m
n
jemen l
lulint
s m
suk m
triks t
rget menerus menggun
k
n
ender
menomori kem
li menurun,
erkur
ng minim
si ekiv
len mo
ilit
s mod
t
m
h
n mod
, modus mo
del keseim
ng
n tr
nsport
si simult
n multikoline
r neg
r
m
ju neg
r
sed
ng
erkem
ng nil
i r
t
n nil
i w
ktu nil
i y
ng tid
k terhingg
non line
rit
s non
utilit
s perj
l
n
n optimum sosi
l outlet p
ling mungkin p
ngk
l
n d
t
p
ngk
t
p
nj
ng perger
k
n p
rkir
uk
n di
d
n j
l
n p
rkir di
d
n j
l
n p
rsi
l, se
gi
n
through tr
ffic diverted tr
ffic stepwise direct u
si direct underestim
te over
estim
te
ckw
rd p
ss forw
rd p
ss single p
ss segreg
ted tr
ck n
tur
l log
rit
hm
in
ry logit st
nd
rd
in
ry logit
inomi
l logit multinomi
l logit tr
nsport
dem
nd m
n
gement tr
ffic m
n
gement entry reference m
trix continuous fl
gging
re num
ering descent euiv
lent minimiz
tion mo
ility
dded mode mode simult
ne
ous tr
nsport
tion euili
rium model multicolline
rity developed country develop
ing country me
n v
lue v
lue of time overlo
d non line
rity tr
vel disutility so
ci
l optimum g
tew
ys most likely d
t
se power trip length off street p
rking
on street p
rking p
rti
l
580 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
p
s
ng
n demi p
s
ng
n p
s
r p
s
r sw
l
y
n p
sc
perk
li
n ped
l
m
n pel
ks
n
n, pem
ngun
n pelu
ng g
ung
n pelu
ng inversi pem
k
i j
l
n pem
ngk
s
n m
trik
s pem
t
s
n l
lulint
s pem
e
n
n l
lulint
s pem
e
n
n rute pem
e
n
n
erle
i
h pem
e
n
n
erpelu
ng pem
e
n
n
ert
h
p pem
e
n
n
erul
ng pemilih
n
iner
pemilih
n diskret pemilih
n mod
pemilih
n mod
pemilih
n rute pemilih
n simult
n pemilik
n kend
r
n pemis
h
n ru
ng pemrogr
m
n pemrogr
m
n line
r pemrogr
m
n
geometrik pemrogr
m
n ku
dr
t pemrogr
m
n line
r pemrogr
m
n m
tem
tik
pemukim
n di lu
r kot
pen
ksir penc
ri
n penc
ri
n
erurut
n penc
ri
n ku
dr
t penc
ri
n l
ngsung pend
p
t
n pendek
t
n sec
r
sistem peneg
k
n hukum peneliti
n oper
sion
l peng
li l
gr
nge peng
m
t
erger
k peng
m
il ke
ij
k
n peng
m
il keputus
n peng
w
s
n pengem
ng
n struktur kot
sec
r
me
p
ir
y p
ir m
rket superm
rket post multiplic
tion rur
l implement
tion joint p
ro
ility invers pro
ility ro
d user m
trix c
pping tr
ffic restr
int tr
ffic
ssignment route
ssignment over
ssignment pro
ilistic
ssignment increment
l
ssignment iter
tive
ssignment
in
ry choice discrete choice mod
l split mode
choice route choice simult
neous choice c
rownership sp
ti
l sep
r
tion progr
m
ming line
r progr
mming geometric progr
mming u
dr
tic progr
mming line
r progr
mming m
them
tic
l reprogr
mming su
ur
n cott
ge estim
tor se
rch seuenti
l s
e
rch u
dr
tic se
rch direct se
rch income system
ppro
ch l
w enforcement oper
tion rese
rch l
gr
ngi
n multiplier moving c
r o
server policy m
ker decision m
ker monitoring
P
d
n
n k
t
Indonesi
Inggris 581
m
nj
ng (pit
) penghu
ung pus
t zon
pengol
h k
t
pengukur
n pengump
n pengur
i
n pohon penil
i
n penurun
n koordin
t siklus penyempit
n penyesu
i
n per
m
l
n
perenc
n
kot
perenc
n
tr
nsport
si perenc
n
n tr
nsport
si emp
t t
h
p perge
r
k
n
nt
r zon
perger
k
n
erj
l
n k
ki perger
k
n
erkend
r
n perger
k
n mem
elok perhitung
n
rus l
lulint
s peril
ku ke
utuh
n
k
n tr
nsport
si peringk
t
periode w
ktu ter
t
s perj
l
n
n perkot
n permuk
n respon pertuk
r
n perj
l
n
n peru
h
n kecep
t
n sec
r
cep
t peru
h
n kecep
t
n sec
r
perl
h
n pohon p
ohon
i
y
minimum pohon keputus
n potong
n pr
perk
li
n pr
s
r
n
tr
nsport
si
progresi
ritm
tik progresi geometrik proses citr
pus
t perk
ntor
n pus
t zon
r
nc
ng, per
nc
ng
n r
nc
ng
n j
l
n
nt
rkot
r
nc
ng
n j
l
n perkot
n r
t
r
t
r
t
r
t
erurut
n regresi
erg
nd
regresi perk
li
n rek
y
s
l
lulint
s
ri
on development centroid connector word processor me
surement feeder skimming
tree
ppr
is
l cyclic coordin
te descent
ottleneck fitting forec
sting town pl
nner tr
nsport pl
nner four st
ge tr
nsport pl
nning intr
zon
l trip w
lking tr
ip vehicle trip turning movement tr
ffic counts
eh
vior
l tr
vel dem
nd r
ting
finite time interv
l journey ur
n response surf
ce trip interch
nge h
rd speed
ch
nge soft speed ch
nge tree minimum cost tree decision tree
rc pre multiplic
tion tr
nsport supply
rithmetic progression geometric progression im
ge process
ing centr
l
usiness district zone centroid design rur
l ro
d design ur
n ro
d
design
ver
ge successive
ver
ges multiple regression multiplic
tive regression
tr
ffic engineering
582 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
renc
n
induk ru
ng s
mpel ru
s ru
s se
elum rute s
ling
erk
it
n s
mpel ser
g
m s
tu
r
h s
tu rute se
r
n perger
k
n sek
ligus sel
ng keperc
y
n sem
kin me
nj
uh ser
g
m seseor
ng di
nt
r ke termin
l deng
n
ngkut
n pri
di d
n kemudi
n
mel
njutk
n deng
n
ngkut
n umum seseor
ng menggun
k
n
ngkut
n pri
di d
n p
r
kir di termin
l d
n mel
njutk
n deng
n
ngkut
n umum sesu
i si
p s
nt
p simp
ng
n
ku simp
ng
n, residu
l simpul se
elum simul
si mikro sistem tr
nsport
si per
kot
n sistem tr
nsport
si region
l situs we
st
tistik inform
si y
ng dih
r
pk
n survey kecep
t
n deng
n mengikuti kend
r
n
erger
k t
el tid
k
erujung
khi
r t
hun d
s
r t
hun renc
n
t
k terhingg
t
np
t
s
n t
rik
n t
t
gun
l
h
n
t
t
let
k temp
t pem
erhenti
n
us terdistri
usi
e
s d
n identik terg
ntung
rus terg
ntung f
silit
s terisol
si terkoordin
si terpis
h
m
ster pl
n s
mple sp
ce link
cklink p
th mutu
lly exclusive uniform s
mpling
one w
y single p
th trip distri
ution once through confidence interv
l
scending
uniform kiss
nd ride p
rk
nd ride reli
le f
st food devi
tion st
nd
rd devi
tion
cknode micro simul
tion ur
n tr
nsport
tion system region
l tr
nsport
ti
on system we
site expected inform
tion st
tistics flo
ting c
r o
server survey l
oose end t
le
se ye
r design ye
r indefinite unconstr
ined
ttr
ction l
nd us
e l
yout
us stop independent
nd identic
lly distri
uted flow dependent f
cilit
y dependent isol
ted coordin
ted sep
r
le
P
d
n
n k
t
Indonesi
Inggris 583
tid
k l
ngsung tid
k
d
rus tik
l
s tik
t
s tingk
t
ngkit
n perger
k
n tingk
t keperc
y
n tingk
t pel
y
n
n tr
nsfer d
l
m ru
ng tr
nsfer sement
r
tump
ng
tund
n, keterl
m
t
n ujung perj
l
n
n ukur
n ukur
n entropi ump
n
lik unik
utilit
s utilit
s
c
k v
ri
el
e
s v
ri
el tid
k
e
s v
ri
nsi v
ri
si terd
efinisi v
ri
si tid
k terdefinisi v
ri
si tot
l w
ktu
kses w
ktu
erj
l
n k
ki
w
ktu menunggu w
ktu perj
l
n
n w
ktu sel
m
er
d
di
t
s kend
r
n w
ktu temp
uh p
d
kondisi
rus
e
s w
ktu ny
t
w
w
nc
r
di rum
h w
w
nc
r
di tepi j
l
n y
ng di
m
ti, peng
m
t
n y
ng sud
h ditentuk
n zon
kosong
indirect zero flow su
script superscript trip r
te confidence limit level of ser
vice sp
ti
l tr
nsfer tempor
l tr
nsfer superimpose del
y trip end me
sure entro
py me
sure feed
ck uniue utility r
ndom utility independent v
ri
le dependent
v
ri
le v
ri
nce expl
ined v
ri
tion unexpl
ined v
ri
tion tot
l v
ri
tion
cc
ess time w
lking time w
iting time tr
vel time in vehicle time free flow tr
vel
time re
l time home interview ro
dside interview o
served def
ult null zones
584 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
Pust
k
n di Persimp
ng
n d
n Mo
del Pemilih
n Rute Terh
d
p Akur
si M
triks As
l Tuju
n Y
ng Diperoleh D
ri Info
rm
si D
t
Arus L
lu Lint
s, Prosiding Simposium II Forum Studi Tr
nsport
si Ant
r Perguru
n Tinggi (FSTPT), Institut Teknologi 10 Novem
er Sur
y
, Sur
y
.
Ardi
m
n, E., T
min, O.Z., Hid
y
t, H. (1999) Studi Peng
ruh Tund
n di Persimp
ng
n D
l
m Aplik
si Model Pemilih
n Rute di J
ring
n J
l
n Perkot
n, Prosiding
Simposium II Forum Studi Tr
nsport
si Ant
r Perguru
n Tinggi (FSTPT), Institut T
eknologi 10 Novem
er Sur
y
, Sur
y
. Arezki, Y. (1986) Comp
rison of Some Al
gorithms for Euili
rium Tr
ffic Assignment With Fixed Dem
nd, Proceedings of th
e 14th PTRC Summer Annu
l Meeting, University of Sussex, July 1986, Engl
nd. Arm
ij
y
, H. d
n Wis
ksono, A. (1996) Estim
si Model Gr
vity Deng
n Menggun
k
n Met
ode Inferensi B
yes (Studi K
sus di Kot
B
ndung), Tug
s Akhir, Jurus
n Teknik S
ipil, ITB. ARSDS (1985) Arteri
l Ro
d System Development Study, Fin
l Report, Di
rector
te Gener
l of L
nd Tr
nsport
tion, Dep
rtment of Communic
tions. Asht
k
l
, B. (1987) Gener
lised Power Tr
nsport
tion Rese
rch, 21B(1), 5967. Model for T
rip Distri
ution,
Atkins, S.T. (1984) Why V
lue Tr
vel Time? The C
se Ag
inst, Highw
ys
nd Tr
nsp
ort
tion. Atkins, S.T. (1987) The Crisis for Tr
nsport
tion Pl
nning Modelling,
Tr
nsport Reviews, 7(4), 307325. B
lfour
nd M
rwick (1979) Progr
mming in St
nd
Be
rdwood, J.E.
nd Kir
y, H.R. (1975) Zone Definition
nd the Gr
vity Model, Tr
nsport
tion Rese
rch, 9(6), 363369. Beckm
n, M. et
l (1956) Studies in the Econ
omics of Tr
nsport
tion, Cowles Commission Monogr
ph. Y
le University Press, New
H
ven. Bell, M.G.H. (1983
) The Estim
tion of
n OriginDestin
tion M
trix From T
r
ffic Counts, Tr
nsport
tion Science, 17(2), 198217. Bell, M.G.H. (1983
) The Es
tim
tion of
n OriginDestin
tion Flow
nd Their Confidence Interv
ls From Me
sure
ment of Link Flows:
Computer Progr
m, Tr
ffic Engineering
nd Control, 24(4),
202205. Bell, M.G.H. (1984
) The Estim
tion of Junction Turning Volumes From Tr
f
fic Counts: The Role of Prior Inform
tion, Tr
ffic Engineering Control, 25(5), 2
79283. Bell, M.G.H. (1984
) Log Line
r Models for the Estim
tion of OriginDestin
t
ion M
trices From Tr
ffic Counts: An Approxim
tion, Proceedings of the 9th Inter
n
tion
l Symposium on Tr
nsport
tion
nd Tr
ffic Theory, Delft, 451469. Bell, M.G
.H. (1985) V
ri
nces
nd Cov
ri
nces for OriginDestin
tion Flows When Estim
ted
y Log Line
r Models, Tr
nsport
tion Rese
rch, 18B(6), 497507. BenAkiv
, M. (1987)
Methods to Com
ine Different D
t
Sources
nd Estim
te OriginDestin
tion M
trices
, Proceedings of the 10th Intern
tion
l Symposium on Tr
nsport
tion
nd Tr
ffic
Theory, MIT M
ss
chusetts, 459481. BenAkiv
, M.
nd Lerm
n, S.R. (1985) Discrete C
hoice An
lysis: Theory
nd Applic
tion to Tr
vel Dem
nd, The MIT Press, C
n
ridg
e, M
ss. BenAkiv
, M.
nd Rich
rds, M.G.A.(1975) Dis
ggreg
ted Tr
vel Dem
nd Mode
l, London, S
xon House. Bl
ck, J.A. (1977) Pu
lic Inconvenience: Access
nd Tr
v
el in Seven Sydney Su
ur
s, Ur
n Rese
rch Unit, Rese
rch School of Soci
l Scien
ces, Austr
li
n N
tion
l University. Bl
ck, J.A.
nd Conroy, M. (1977) Accessi
i
lity Me
sures
nd the Soci
l Ev
lu
tion of Ur
n Structure, Environment
nd Pl
n
ning, 9A, 10131031. Bl
ck, J.A. (1979) Ur
n Accessi
ility
nd Tr
nsport Policy.
Tr
nsport
nd Communic
tions Bulletin for Asi
nd the P
cific, United N
tions:
Economic
nd Soci
l Commission for Asi
nd P
cific. Bl
ck, J.A. (1981) Ur
n Tr
nsport Pl
nning: Theory
nd Pr
ctice, London, Cromm Helm. BMARTS (1996) B
ndung
Metropolit
n Are
Ur
n & Su
Ur
n R
ilw
y Tr
nsport
tion System, Fin
l Report
, Director
te Gener
l of L
nd Tr
nsport
tion, Dep
rtment of Communic
tions.
586 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
Br
dsh
w, R.
nd Jones, P. (1998) TDM Trends in Europe, Journ
l of Intern
tion
l
Associ
tion of Tr
ffic
nd S
fety Sciences, 22(1), 1424. Blunden, W.R. (1971) Th
e L
nd UseTr
nsport System: An
lysis
nd Synthesis, Oxford, (Perg
mon Press). BNI
(1990) BNI City Tr
ffic M
sper Pl
n, Fin
l Report, PT P
mintori Cipt
. Bons
ll,
P.W. et
l (1988) The Perform
nce of H
ndled D
t
C
ptured Devices in Tr
ffic
nd Tr
nsport Surveys, Tr
ffic Engineering
nd Control, 29(1), 1019. Bovy, P.H.L.
nd J
nsen, G.R.M. (1983
) Network Aggreg
tion Effects Upon Euili
rium Assignme
nt Outcomes: An Empiric
l Investig
tion, Tr
nsport
tion Science, 17(3), 240262. B
ovy, P.H.L.
nd J
nsen, G.R.M. (1983
) An Ev
lu
tion of Tr
ffic Assignment Predi
ctions Using Route Choice An
lysis
nd Error Decomposition, Proceedings of the 1
1th PTRC Summer Annu
l Meeting, University of Brighton Box, G.E.P.
nd Cox, D.R.
(1964) An An
lysis of Tr
nsform
tions, Journ
l of Roy
l St
tistic
l Society, 26
B, 211243. Br
nston, D. (1976) Link C
p
city Functions:
Review, Tr
nsport
tion
Rese
rch, 10(4), 223236. Bregm
n, L. (1967) The Rel
x
tion Method of Finding the
Common Point of Convex Sets
nd Its Applic
tion to the Solution of Pro
lems in C
onvex Progr
mming, USSR Comput
tion
l M
them
tic
l Physics, 7, 200217. Brenn
n, G
.C. (1986) Improvements to
Micro Computer Tr
nsport Pl
nning Suite, MSc Thesis
of the University of London, Imperi
l College
nd University College London. Br
uton, M.J. (1981) Introduction to Tr
nsport
tion Pl
nning, Hutchinson & Co Ltd,
London. Bruton, M.J. (1985) Introduction to Tr
nsport
tion Pl
nning, Hutchinson
& Co Ltd, London. Burrell, J.E. (1968) Multiple Route Assignment
nd Its Applic
tion to C
p
city Restr
ints, Proceedings of the 4th Intern
tion
l Symposium on t
he Theory of Tr
ffic Flow, K
rlsruhe, 210219. C
rey, M. et
l (1981) A Method for
Direct Estim
tion of OriginDestin
tion M
trices, Tr
nsport
tion Science, 15(1),
3249. C
rey, M.
nd Revelli, R. (1986) Constr
ined Estim
tion of Direct Dem
nd Fu
nctions
nd Trip M
trices, Tr
nsport
tion Science, 20(3), 143152 C
scett
, E. (19
84) Estim
tion of Trip M
trices From Tr
ffic Counts
nd Survey D
t
: A Gener
lis
ed Le
st Su
res Estim
tor, Tr
nsport
tion Rese
rch, 18B(4/5), 289299.
Pust
k
587
C
sey, H.J. (1955) Applic
tions to Tr
ffic Engineering of the L
w of Ret
il Gr
v
it
tion, Tr
ffic Qu
rterly, IX(1), 2335. Ch
n, Y.K. (1982) Estim
tion of Trip M
t
rices From Tr
ffic Counts A Gr
vity Model Appro
ch, MSc Thesis of the University
of London, Imperi
l College
nd University College London. Cherwony, W.
nd Lut
in, J. (1976) Two Dimension
l Logit Mod
l Split Model, Tr
nsport
tion Engineerin
g Journ
l, 102, 525536. Chesher, A.
nd H
rrison, R. (1987) Vehicles Oper
ting Co
st, W
shington, The Intern
tion
l B
nk for Recontruction
nd Development, World
B
nk. Cremer, W.
nd Keller, H. (1987) A New Cl
ss of Dyn
mic Methods for the Id
entific
tion of OriginDestin
tion Flow, Tr
nsport
tion Rese
rch, 21B(2), 117132. D
cey, M.P.
nd Norcliffe, A. (1977) A Flexi
le Dou
ly Constr
ined Trip Distri
ut
ion Model, Tr
nsport
tion Rese
rch, 11, 203204. D
g
nzo, C.F. (1980) Optim
l S
mp
ling Str
tegies for St
tistic
l Models with Discrete Dependent V
ri
les, Tr
nsp
ort
tion Science, 7(4), 335354. D
ll
l, E.A. (1980) Pu
lic Tr
nsport Accessi
ilit
y Me
surement, Tr
ffic Engineering
nd Control. D
ly, A.J. (1982) Applic
ility
of Dis
ggreg
te Models of Beh
viour:
Question of Methodology, Tr
nsport
tion R
ese
rch, 16A(56), 363370. D
ly, A. et
l (1983) Model Tr
nsfer Using D
t
From Sev
er
l Sources, Proceedings of the 11th PTRC Summer Annu
l Meeting, University of
Brighton. D
ly, A.J.
nd Ortuz
r, JD. (1990) Forec
sting
nd D
t
Aggreg
tion: T
heory
nd Pr
ctice, Tr
ffic Engineering
nd Control, 31(12), 632643. D
n
y
s
(19
92) Tr
ffic Imp
ct Study D
n
y
s
City Project, Fin
l Report, PT P
mintori Cipt
. D
vidson, K.B. (1966) A Flow Tr
velTime Rel
tionship for Use in Tr
nsport Pl
nn
ing, Proceedings of Austr
li
n Ro
d Rese
rch Bo
rd, 3, P
rt 1. D
vinroy T.R. et
lulint
s J
l
n R
y
Ant
r Kot
di Indonesi
, Dep
rtemen Perhu
ung
n d
n Dep
rte
men Pekerj
n d
n pemodel
n tr
nsport
si
No.13 Tent
ng J
l
n, Dep
rtemen Pekerj
n Umum. Djoh
r, H. (1984) P
ssenger C
r
Units
nd S
tur
tion Flows For Junctions in B
ndung, MSc Thesis, Institute of T
echnology B
ndung. Domencich, T.A. et
l (1968) Estim
tion of Ur
n P
ssenger Tr
vel Beh
viour: An Economic Dem
nd Model, Highw
y Rese
rch Record 238, 6478. Dome
ncich, T.A.
nd McF
dden, D. (1975) Ur
n Tr
vel Dem
nd: A Beh
viour
l An
lysis,
North Holl
nd, Amsterd
m. Dougl
s A.A.
nd Lewis, R.J. (1970) Trip Gener
tion T
echniues: (1) Introduction; (2) Zon
l Le
st Su
res Regression An
lysis, Tr
ffi
c Engineering
nd Control, 12(7/8), 362365, 428431. Dougl
s A.A.
nd Lewis, R.J. (
1971) Trip Gener
tion Techniues: (3) Household Le
st Su
res Regression An
lysi
s; (4) C
tegory An
lysis
nd Summ
ry of Trip Gener
tion Techniues, Tr
ffic Engi
neering
nd Control, 12(9/10), 477479, 532535. Edw
rds, A.W.F. (1972) Likelihood,
C
m
ridge University Press, C
m
ridge. Erl
nder, S. (1977) Accessi
ility, Entrop
y
nd the Distri
ution
nd Assignment of Tr
ffic, Tr
nsport
tion Rese
rch, 11A(3
), 149153. Erl
nder, S. (1978) A Note on B
l
ncing Procedures for Trip Distri
uti
on Estim
tion, Tr
nsport
tion Rese
rch, 12(5), 335336. Erl
nder, S. et
l (1985)
On the Estim
tion of Trip M
trices in the C
se of Missing
nd Uncert
in D
t
, Tr
nsport
tion Rese
rch, 19B(2), 123141. Ev
ns, A.W. (1970) Some Properties of Trip
Distri
ution Methods, Tr
nsport
tion Rese
rch, 4(1), 1937. Ev
ns, A.W. (1971) Th
e C
li
r
tion of Trip Distri
ution Models With Exponenti
l or Simil
r Cost Funct
ions, Tr
nsport
tion Rese
rch, 5(1), 1538. Ev
ns, S.P. (1973) A Rel
tionship Betw
een the Gr
vity Model for Trip Distri
ution
nd The Tr
nsport
tion Pro
lem in Li
ne
r Progr
mming, Tr
nsport
tion Rese
rch, 7(1), 3961.
Pust
k
589
Ev
ns, S.P.
nd Kir
y, H.R. (1974) A Three Dimension
l Furness Procedure for C
l
i
r
ting Gr
vity Models, Tr
nsport
tion Rese
rch, 8(2), 105122. Fern
ndez, J.E.
te of the Art, Tr
nsport
tion Rese
rch, 17B(2), 155172. Fisk, C.S. (1977) Note o
n the M
ximum Likelihood C
li
r
tion on Di
ls Assignment Method, Tr
nsport
tion R
ese
rch, 11(1), 6768. Fisk, C.S. (1980) Some Developments in Euili
rium Tr
ffic
Assignment, Tr
nsport
tion Rese
rch, 14B(3), 243245. Fisk, C.S.
nd Boyce, D.E. (
1983) A Note on Trip M
trix Estim
tion From Link Tr
ffic Count D
t
, Tr
nsport
t
ion Rese
rch, 17B(3), 245250. Flori
n, M. (1974) On Modelling Congestion in Di
ls
Pro
ilistic Assignment Model, Tr
nsport
tion Rese
rch, 8(1), 8586. Flori
n, M.
nsport
tion Rese
rch, 13A(1), 1728. Ford, L.R.
nd Fulkerston, D.R. (1958) Constr
ucting M
ximum Dyn
mic Flows from St
tic Flows, Oper
tion Rese
rch, Vol 6. Fr
nk
, M.
nd Wolfe, P. (1956) An Alogorithm for Qu
dr
tic Progr
mming, N
v
l Rese
rc
h Logistics Qu
rterly. Fr
t
r, T.J. (1954) Forec
sting Distri
ution on Interzon
l Vehicul
r Trips
y Successive Approxim
tion, Highw
y Rese
rch Bo
rd, 33, 376385
. Fro
erg, C.E. (1974) Introduction to Numeric
l An
lysis, The Second Edition, A
ddisonWesley Pu
lishing Comp
ny. Furness, K.P. (1965) Time Function Iter
tion, Tr
ffic Engineering
nd Control, 7(7), 458460. G
kenheimer, R. (1982) Tr
nsport in
the N
tion
l Ur
n Development Study of Indonesi
n (unpu
lished). Gev
, I. (1984
) Estim
tion of OriginDestin
tion Flows From Tr
ffic Counts
nd Sm
ll S
mple Surv
eys, PhD Thesis, Dep
rtment of Civil Engineering, University of Toronto. Giri
n
n d
n pemodel
n tr
nsport
si
Gr
y, R.H.
nd Sen, A.K. (1983) Estim
ting Gr
vity Model P
r
meters: A Simplifie
d Appro
ch B
sed on the Odds R
tio, Tr
nsport
tion Rese
rch, 17B(2), 117131. Gun
w
n, H. (1995) Estim
si Pemodel
n Distri
usi Perj
l
n
n Deng
n Model Gr
vity, MS
c Thesis, Progr
m P
sc
S
rj
n
, Institut Teknologi B
ndung. Gunn, H.
nd B
tes,
J. (1982) St
tistic
l Aspects of Tr
vel Dem
nd Modelling, Tr
nsport
tion Rese
r
ch, 16A(56), 371382. H
lcrow Fox
nd Associ
tes (1977) Sur
y
Are
Tr
nsport
tio
n Study, The Government of Indonesi
, Ministry of Communic
tions
nd Tourism, Di
rector
te Gener
l of L
nd Tr
nsport
nd Inl
nd W
terw
ys. H
ll, M.D. et
l (1980
) SATURN:
Simul
tion Assignment Model for the Ev
lu
tion of Tr
ffic M
n
gement
Schemes, Tr
ffic Engineering
nd Control, 21(4), 168176. H
nsen, W.G. (1959) How
Accessi
ility Sh
pes L
nd Use, Journ
l of Americ
n Institute of Pl
nners, 25, 7
376. H
rtley, T.M.
nd Ortuz
r, J.D. (1980) Aggreg
te Mod
l Split Models: is Curr
ent UK Pr
ctice W
rr
nted?, Tr
ffic Engineering
nd Control, 21(1), 713. H
th
w
y
, P.J. (1973) Some St
tistic
l Pro
lems Associ
ted With Trip Distri
ution Models
, Proceedings of the 1st PTRC Summer Annu
l Meeting, University of Brighton. H
u
er, E. et
l (1981) Estim
tion of Turning Flows From Autom
tic Counts, Tr
nsport
tion Rese
rch Record, 795, 17. H
uer, E.
nd Tom Shin, B.Y. (1981) OriginDestin
t
ion M
trices From Tr
ffic Counts: Applic
tion
nd V
lid
tion on Simple System, T
r
ffic Engineering
nd Control, 22(3), 118121. Heggie, I.G. (1972) Tr
nsport Engi
neering Economics, London, McGr
w Hill. Hendrickson, C.
nd McNeil, S. (1984
) M
nsport
tion Rese
rch Record, 976, 2532. Hensher, D.A.
nd Johnson, L.W. (1981) Ap
plied Discrete Choice Modelling, H
lted Press, New York. Ho
s, F.D. (1979) Tr
f
fic Pl
nning
nd Engineering, 2nd Edition, Oxford Perg
mon Press. Hog
erg, P. (1
976) Estim
tion of P
r
meters in Models for Tr
ffic Prediction: A NonLine
rRegress
ion Appro
ch, Tr
nsport
tion Rese
rch, 10(4), 263265.
Pust
k
591
Holm, J. et
l (1976) C
li
r
ting Tr
ffic Models on Tr
ffic Census Only, Tr
ffic
Engineering
nd Control, 17(4), 137140. Hoose, N.
nd Willumsen, L.G. (1987) Re
l Time Vehicle Tr
cking Using the CLIP4 P
r
llel Processor, Proceedings of the 1
5th PTRC Summer Annu
l Meeting, University of B
th. HRB (1965) Highw
y C
p
city
M
nu
l, Speci
l Report No 87, N
tion
l Rese
rch Council, W
shington, D.C. Hsu, J
.C.Y. (1983) Motorists Perceived V
lue of Time, The North South Toll Motorw
y, T
iw
n, Asi
n Institute of Technology. Hutchinson, B.G. (1974) Estim
ting Ur
n Go
ods Movement Dem
nds, Tr
nsport
tion Rese
rch Record, 496, 115. Hym
n, G.M. (1969
) The C
li
r
tion of Trip Distri
ution Models, Environment
nd Pl
nning, 1, 10511
2. Institution of Highw
ys
nd Tr
nsport
tion
nd Dep
rtment of Tr
nsport (1987)
Ro
ds
nd Tr
ffic in Ur
n Are
s, London: HMSO. Institution of Highw
ys
nd Tr
nsport
tion (1994) The Guidelines: Tr
ffic Imp
ct Assessment, London. IHCM (1994
) Indonesi
n Highw
y C
p
city M
nu
l (Interu
n
nd Motorw
y), M
nu
l, Director
te Gener
l of Bin
M
rg
, Dep
rtment of Pu
lic Works. IHCM (1997) Indonesi
n Hig
hw
y C
p
city M
nu
l (Ur
n Ro
ds), M
nu
l, Director
te Gener
l of Bin
M
rg
, D
ep
rtment of Pu
lic Works. Institute of Tr
nsport
tion Engineering (1994) M
nu
l
of Tr
nsport
tion Engineering Studies, New Jersey. Isn
eni, M. (1997) Pem
e
n
n El
stis P
d
J
ring
n J
l
n Y
ng P
d
t, Tug
s Akhir, Jurus
n Teknik Sipil, ITB
. J
nsen, G.R.M.
nd Bovy, P.H.L. (1982) The Effect of Zone Size
nd Network Det
il on All or Nothing
nd Euili
rium Assignment Outcomes, Tr
ffic Engineering
k
rt
, J
p
nese Te
m M
n
gement Services For Tollw
y System. JMATS (1972) J
k
rt
Metropolit
n Are
Tr
nsport
tion Study, Fin
l Report, Director
te Gener
l of L
nd Tr
nsport
tion, Dep
rtment of Communic
tions. JMTSS (1992) J
k
rt
M
ss R
pi
d Tr
nsyt System Study, Fin
l Report, Director
te Gener
l of L
nd Tr
nsport
tion
, Dep
rtment of Communic
tions. Jones, I.S. (1977) Ur
n Tr
nsport Appr
is
l, Lo
ndon, M
cmill
n. Jones, P.M. (1979) HATS A Techniue for Investig
ting Household
Decisions, Environment
nd Pl
nning, II(1), 5970.
592 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
K
n
f
ni, A. (1983) Tr
nsport
tion Dem
nd An
lysis, McGr
wHill Book Comp
ny, New
York. Kir
y, H.R. (1974) Theoretic
l Reuirements for C
li
r
ting Gr
vity Models
, Tr
nsport
tion Rese
rch, 8, 97103. Kr
ft, G. (1968) Dem
nd for Intercity P
ssen
ger Tr
vel in the W
shingtonBoston Corridor, North E
st Corridor Project Report,
Systems An
lysis
nd Rese
rch Corpor
tion, Boston, M
ss. Kocks, F.H. (1975) The
B
ngkok Tr
nsport
tion Study, The Office of Metropolit
n Tr
ffic Pl
nning, Roy
l
Th
i Government. L
mond, B.
nd Stew
rt, N.F. (1981) Bregm
ns B
l
ncing Method,
Tr
nsport
tion Rese
rch, 15B(4), 239248. L
nd
u et
l (1982) Estim
tion of Cross
Cordon OriginDestin
tion Flows from Cordon Studies, Tr
nsport
tion Rese
rch Recor
d, 891, 510. L
ngdon, M.G. (1976) Mod
l Split Models for More Th
n Two Modes, Pro
ceedings of the 4th PTRC Summer Annu
l Meeting, University of W
rwick, July 1976
, Engl
nd. LAPIITB (1997) Perhitung
n Bes
r Keuntung
n Bi
y
Oper
si Kend
r
n,
KBK Rek
y
s
Tr
nsport
si, Jurus
n Teknik Sipil, ITB. L
rson, R.C.
nd Odoni, A.
R. (1981) Ur
n Oper
tions Rese
rch, PrenticeH
ll, Englewood Cliffs, N.J. Le
l
nc
, L.J.
nd F
rh
ngi
n, K. (1982) Selection of
Trip T
le Which Reproduces O
se
rved Link Flows, Tr
nsport
tion Rese
rch, 16B(2), 8388. Lee, C. (1973) Models in
Pl
nning: An Introduction to the Use of Qu
ntit
tive Models in Pl
nning, Oxford,
Perg
mon Press. Lenzconsult (1975) J
k
rt
Metropolit
n Are
Tr
nsport
tion Stu
dy, Dep
rtment of Communic
tions, the Government of the Repu
lic of Indonesi
. L
eon
rd, D.R.
nd Gower, P. (1982) User Guide to CONTRAM Version 4, TRRL Suppleme
nt
ry Report No 735, Tr
nsport
nd Ro
d Rese
rch L
or
tory, Crowthorne. Lou
l,
P.S.
nd Potts, R.B. (1968) A M
them
tic
l Model for Trip Distri
ution, Proceed
ings of the 4th Intern
tion
l Symposium on the Theory of Tr
ffic Flows, K
rlsruh
e, 190197. Low, D.E. (1972) A New Appro
ch to Tr
nsport
tion Systems Modelling, T
r
ffic Qu
rterly, 26(3), 391404. Lowry, I.S. (1964) A Model of Metropolis, S
nt
Monic
, C
liforni
, RAND Corpor
tion. LPITB (1994) FS D
mp
k L
lulint
s Pengem
n
g
n ex Kem
yor
n, KBK Rek
y
s
Tr
nsport
si, Jurus
n Teknik Sipil, ITB.
Pust
k
593
LPITB (1996) K
ji
n D
mp
k L
lulint
s di K
w
s
n Sudirm
n d
n Sekit
rny
, KBK Rek
y
s
Tr
nsport
si, Jurus
n Teknik Sipil, ITB. LPITB (1998
) K
ji
n M
n
jemen Per
p
rkir
n di Wil
y
h DKIJ
k
rt
, KBK Rek
y
s
Tr
nsport
si, Jurus
n Teknik Sipil,
ITB. LPITB (1998
) Studi Sistem Tr
nsport
si Terp
du di Kot
m
dy
D
ti II B
ndung
, B
pped
D
ti II Kot
m
dy
B
ndung d
n KBK Rek
y
s
Tr
nsport
si, Jurus
n Tekni
k Sipil, ITB. LPMITB (1996) M
nu
l Pel
tih
n Sistem Tr
nsport
si Perkot
n, KBK R
ek
y
s
Tr
nsport
si, Jurus
n Teknik Sipil, ITB. LPMITB (1997
) M
nu
l Pel
tih
n
Perenc
n
n Tr
nsport
si, KBK Rek
y
s
Tr
nsport
si, Jurus
n Teknik Sipil, ITB.
LPMITB (1997
) M
nu
l Pel
tih
n M
n
jemen L
lulint
s Perkot
n, KBK Rek
y
s
Tr
n
sport
si, Jurus
n Teknik Sipil, ITB. LPMITB (1997c) M
nu
l Pel
tih
n Perenc
n
n
d
n Pemodel
n Tr
nsport
si, KBK Rek
y
s
Tr
nsport
si, Jurus
n Teknik Sipil, ITB
. LPMITB (1997d) M
nu
l Pel
tih
n Studi Kel
y
k
n Proyek Tr
nsport
si, KBK Rek
y
s
Tr
nsport
si, Jurus
n Teknik Sipil, ITB. LPMITB (1997e) M
nu
l Pel
tih
n Metod
e Survei L
lulint
s d
n Tr
nsport
si, KBK Rek
y
s
Tr
nsport
si, Jurus
n Teknik
Sipil, ITB. LPMITB (1998
) Studi St
nd
ris
si B
ngkit
n d
n T
rik
n L
lulint
s di
Zon
B
ndung R
y
, Din
s L
lu Lint
s Angkut
n J
l
n D
ti I Propinsi J
w
B
r
t
d
n KBK Rek
y
s
Tr
nsport
si, Jurus
n Teknik Sipil, ITB. LPMITB (1998
) Penyusun
n Renc
n
Pengem
ng
n Tr
nsport
si K
up
ten B
ndung, B
pped
D
ti II K
up
te
n B
ndung d
n KBK Rek
y
s
Tr
nsport
si, Jurus
n Teknik Sipil, ITB. Lu
is, H.A.S
. et
l (1998) Per
m
l
n Permint
n Perj
l
n
n d
n M
nf
t Invest
si P
d
J
ring
n J
l
n Y
ng M
cet, L
por
n Riset Unggul
n Terp
du V (19971998). Luen
erger, D.G
. (1984) Line
r
nd Non Line
r Progr
mming, The Second Edition. AddisonWesley Pu
lishing Comp
ny. M
cle
n, A.S. (1976) M
ximum Likelihood
nd the Gr
vity Model,
Tr
nsport
tion Rese
rch, 10(5), 287297. M
h
ling
m, I.S. (1983) TRAFFICQ Comp
ti
le
Computer P
ck
ges for Inter
ctive Input
nd for Estim
tion of Trip M
trices Fro
m Tr
ffic Counts, MSc Thesis of the University of London, Imperi
l College
nd U
niversity College London. M
her, M.J. (1983
) The Use of Prior Inform
tion in Gr
vity Model C
li
r
tion, Tr
ffic Engineering
nd Control, 24(2), 6872.
594 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
M
her, M.J. (1983
) Speeding Up the Furnees Method, Tr
ffic Engineering
nd Cont
rol, 24(10), 485486. M
her, M.J. (1983c) Inferences on Trip M
trices From O
serv
nsport
tion, In R.E. Qu
ndt, The Dem
nd for Tr
vel: Theory
nd Me
surement. D.C
. He
th
nd Co., Lexington, M
ss. McNeil, S.
nd Hendrickson, C. (1985
) A Regre
ssion Formul
tion of the M
trix Estim
tion Pro
lem, Tr
nsport
tion Science, 19(3
), 278292. McNeil, S.
nd Hendrickson, C. (1985
) A Note on Altern
tive M
trix En
try Estim
tion Techniues, Tr
nsport
tion Rese
rch, 19B(6), 509519. Mekky, A. (19
79) On Estim
tion Turning Flows
t Ro
d Junctions, Tr
ffic Engineering
nd Contr
ol, 20(10), 486487. Mekky, A. (1983) A Direct Method for Speeding Up the Converge
nce of the Furness Biproportion
l Method, Tr
nsport
tion Rese
rch, 17B(1), 111. M
inty, G.J. (1957) A Comment on the Shortest Route Pro
lem, Oper
tions Rese
rch,
5. Mitchell, R.B.
nd R
pkin, C. (1954) Ur
n Tr
ffic: A Function of L
nd Use, C
olum
i
University Press, New York. Moore, E.F. (1957) The Shortest P
th Through
M
ze, Proceedings of Intern
tion
l Symposium on the Theory of Switching, H
rv
595
Mount
in, L. et
l (1986) The Estim
tion of Turning Flows From Tr
ffic Counts: 1
. At Four Arm Intersections, Tr
ffic Engineering
nd Control, 27(10), 501507. Mur
chl
nd, J.D. (1977) The Multiproportion
l Pro
lem, University College London, Tr
nsport Studies Group. Note JDM263. Nguyen, S. (1974) An Algorithm for the Tr
ffi
c Assignment Pro
lem, Tr
nsport
tion Science, 8(3), 203216. Nguyen, S. (1977) Est
im
ting
n OD M
trix From Network D
t
: A Network Euili
rium Appro
ch, Centre d
e recherch sur les tr
nsports, Universite de Montre
l, 87. Nguyen, S. (1982) Esti
m
ting OriginDestin
tion M
trices From O
served Flows, Proceeding of the 1st Cour
se on Tr
nsport
tion Pl
nning of the Intern
tion
l School of Tr
nsport
tion Pl
n
ning, Am
lfi, It
ly. Norm
n, M. et
l (1979) Non Iter
tive Methods for Gener
tin
g
Re
listic Turning Flow M
trix for
Junction, Tr
ffic Engineering
nd Contro
l, 20(12), 587589. OECD Ro
d Rese
rch Group (1974) Ur
n Tr
ffics Models: Possi
i
lities for Simplific
tion, OECD, P
ris. Ogden, K.W. (1978) The Distri
ution of T
ruck Trips
nd Commodity Flow in Ur
n Are
s: A Gr
vity Model An
lysis, Tr
nspor
t
tion Rese
rch, 12(2), 131137. Oht
, K. (1998) TDM Me
sures Tow
rd Sust
in
le M
o
ility, Journ
l of Intern
tion
l Associ
tion of Tr
ffic
nd S
fety Sciences, 22
(1), 613. Oi, W.J.
nd Shuldhiner, P.W. (1962) An An
lysis of Ur
n Tr
vel Dem
nd
s, Ev
nston, Nortwestern University Press. Okit
, I.R., T
min, O.Z., Sj
fruddin,
A. (1999) Peng
ruh Agreg
si Sistem Zon
d
n Sistem J
ring
n Terh
d
p Pemilih
n
Rute, Prosiding Simposium II Forum Studi Tr
nsport
si Ant
r Perguru
n Tinggi (FS
TPT), Institut Teknologi 10 Novem
er Sur
y
, Sur
y
. Orski, C.K. (1998) TDM
Trends in the United St
tes, Journ
l of Intern
tion
l Associ
tion of Tr
ffic
nd
S
fety Sciences, 22(1), 2532 Ortuz
r, J.D. (1980
) Mixed Mode Dem
nd Forec
sting
Tr
nsport
tion Pl
nning
nd Technology, 6(2), 8195. Techniues,
Ortuz
r, J.D. (1980
) Modelling P
rknRide
nd KissnRide
s Su
Mod
l Choices: A Comm
ent, Tr
nsport
tion, 11(4), 383385. Ortuz
r, J.D. (1992) Simplified Tr
nsport Dem
n d
n pemodel
n tr
nsport
si
Outr
m, V.E.
nd Thomson, E. (1978) Driver Route Choice Beh
viour
l
nd Motiv
ti
on
l Studies, Proceedings of the 5th PTRC Summer Annu
l Meeting, University of W
trices From Tr
ffic Counts, MSc Thesis of the University of London, Imperi
l Co
llege
nd University College London. Pign
t
ro, L.J. (1973) Tr
ffic Engineering
Theory
nd Pr
ctice, Prentice H
ll, New York. Pr
setyo, L.B.B d
n T
min, O.Z. (1
999) Metod
Estim
si Distri
usi Perj
l
n
n Deng
n Menggun
k
n Model Gr
vity Oppo
rtunity (Studi K
sus di Kot
m
dy
B
ndung), Prosiding Simposium II Forum Studi T
r
nsport
si Ant
r Perguru
n Tinggi (FSTPT), Institut Teknologi 10 Novem
er Sur
y
, Sur
y
. Puny
r
t
ndhu, N. (1977) Trip Gener
tion from Housing Est
tes,
M
sters Thesis, Asi
n Institute of Technology. Putm
n, S.H. (1983) Integr
ted U
r
n Models, Pion Ltd, London. Qu
ndt, R.
nd B
umol, W. (1966) The Dem
nd for A
str
ct Tr
nsport Modes: Theory
nd Me
surement, Journ
l of Region
l Science, 6(
2), 1326. R
uf, M.R., T
min, O.Z., Hid
y
t, H. (1999) Studi Penentu
n F
ktor Konv
ersi D
t
Arus L
lu Lint
s D
ri D
t
Persimp
ng
n Menj
di D
t
Ru
s J
l
n, Prosi
ding Simposium II Forum Studi Tr
nsport
si Ant
r Perguru
n Tinggi (FSTPT), Insti
tut Teknologi 10 Novem
er Sur
y
, Sur
y
. Ro
ertson, D. (1969) TRANSYT: A Tr
597
RUC (1991) Ro
d User Costs Model, Second Technic
l Advisory Services on Pl
nning
nd Progr
mming, Director
te Gener
l of Highw
ys, Ministry of Pu
lic Works. Rui
ter, E.R. (1967) Tow
rd
Better Underst
nding of the Intervening Opportunities
Model, Tr
nsport
tion Rese
rch, 1(1), 4756. Rusw
ndi, D., T
min, O.Z., S
ntoso, I
. (1999) Studi Peng
ruh Aplik
si Model Se
r
n Perger
k
n Terh
d
p Akur
si M
tri
ks As
l Tuju
n Y
ng Dih
silk
n D
ri D
t
Arus L
lu Lint
s, Prosiding Simposium I
I Forum Studi Tr
nsport
si Ant
r Perguru
n Tinggi (FSTPT), Institut Teknologi 10
Novem
er Sur
y
, Sur
y
. S
fw
t, K.N.A
nd M
gn
nti, T. (1988) A Com
ined T
rip Gener
tion, Trip Distri
ution, Mod
l Split
nd Trip Assignment Model, Tr
nsp
ort
tion Science, 22(1), 1430. S
k
rovitch, M. (1968) The kth Shortest Ch
ins in
Gr
ph, Tr
nsport
tion Rese
rch, 2(1), 111. S
lenius, A.G. (1972) An Intervening
Opportunities Trip Distri
ution Model With Competing Trip M
kers, Tr
nsport
tio
n Rese
rch, 6(2), 169185. S
lter, R.J. (1978) Highw
y Tr
ffic An
lysis
nd Design
, The M
cmill
n Press Ltd. S
s
ki, T. (1968) Pro
ilistic Models From Trip Dist
ri
ution, Proceedings of the 4th Intern
tion
l Symposium on the Theory of the Tr
ffic Flow, K
rlsruhe, 205209. Schneider, M. (1959) Gr
vity Models
nd Trip Distr
i
ution Theory, P
pers
nd Proceedings of the Region
l Science Associ
tion, V(1)
, 5156. Sheffi, Y. (1985) Ur
n Tr
nsport
tion Networks, PrenticeH
ll, Englewood C
liffs, N.J. Sheffi, Y.
nd Powell, W. (1981) A Comp
rison of Stoch
stic
nd Dete
rministic Tr
ffic Assignment Over Congested Networks, Tr
nsport
tion Rese
rch, 1
5B(1), 5364. Sikd
r, P.K.
nd Hutchinson, B.G. (1981) Empiric
l Studies of Work T
rip Distri
ution Models, Tr
nsport
tion Rese
rch, 15A(3), 233243. Sj
fruddin, A.
(1992) Intercity Tr
nsport in Indonesi
, P
ssenger Tr
vel Dem
nd Modelling, PhD
Dissert
tion, Technic
l University of Denm
rk. Sj
fruddin, A. et
l (1998) Pemod
el
n Ke
utuh
n Tr
nsport
si B
r
ng Region
l di Pul
u J
w
, L
por
n Peneliti
n Hi
h Bers
ing V/2, Ditjen Dikti. Smith, D.P.
nd Hutchinson, B.G. (1981) Goodness
of Fit St
tistics for Trip Distri
ution Models, Tr
nsport
tion Rese
rch, 15A(4)
, 295303. Smith, M.J. (1979) Tr
ffic Control
nd Route Choice: A Simple Ex
mple,
Tr
nsport
tion Rese
rch, 13B(4), 289294.
598 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
nsport
tion Suite: User M
nu
l, London. Steer, D
vies
nd Gle
ve (1987) V
lidit
y
nd Applic
tion of M
trix Estim
tion Techniues in Trunk Ro
d Appr
is
l, Fin
l
Report. Stone, R. (1966) M
them
tics for Soci
l Sciences, Ch
pm
n
nd H
ll, Lon
don. Stopher, P.R.
nd McDon
ld, K.G. (1983) Trip Gener
tion
y Cross Cl
ssific
tion: An Altern
tive Methodology, Tr
nsport
tion Rese
rch Record 944, 8491. Stouf
fer, A. (1940) Intervening Opportunities: A Theory Rel
ting Mo
ility
nd Dist
nc
e, Americ
n Sociologic
l Review, 5(6), 845867. Strover, V.G. et
l (1976) A Sensi
tivity Ev
lu
tion of the Tr
ffic Assignment Process, Tr
nsport
tion Rese
rch Rec
ord, 610, 5052. Sudj
n
(1988) Metod
St
tistik
, Pener
it T
rsito, B
ndung. Suh,
S. et
l (1990) A Highw
y C
p
city Function in Kore
: Me
surement
nd C
li
r
ti
on, Tr
nsport
tion Rese
rch, 24A(3), 177186. Supern
k, J. (1979) A Beh
viour
l Ap
pro
ch to Trip Gener
tion Modelling, Proceedings of the 7th PTRC Summer Annu
l M
eeting, University of W
rwick, July 1981, Engl
nd. Susilo, Y.O., T
min, O.Z., S
r Perguru
n Tinggi (FSTPT), Institut Teknologi 10 Novem
er Sur
y
, Sur
y
.
Sy
fii (1998) M
s
l
h Pem
e
n
n Berle
ih (Over Assignment) P
d
J
ring
n J
l
n P
erkot
n, Tesis M
gister, Progr
m M
gister Rek
y
s
Tr
nsport
si, Progr
m P
sc
S
rj
n
, ITB.
Pust
k
599
T
min, O.Z. (1985) Estim
tion of M
trices for Freight Movement From Tr
ffic Coun
ts Using
Non Line
r Regression Appro
ch, MSc Thesis of the University of Londo
n, Imperi
l College
nd University College London. T
min, O.Z. (1986) The Estim
tion of
Tr
nsport Dem
nd Model From Tr
ffic Counts
nd Simple Zon
l Pl
nning D
t
, Report of Tr
nsport Studies Group, University College London. T
min, O.Z. (
1988
) The Estim
tion of Tr
nsport Dem
nd Models From Tr
ffic Counts, PhD Disser
t
tion of the University of London, University College London. T
min, O.Z. (1988
) Tr
nsport Dem
nd Model From Tr
ffic Counts, Proceedings of the 20th Annu
l Co
nference of Universities Tr
nsport Studies Group, London, UK. T
min, O.Z. (1988c
) Simplified Tr
nsport Models B
sed on Tr
ffic Counts, Workshop in Tr
nsport Mod
els, University of N
poli, N
poli (It
ly). T
min, O.Z. (1988d) Metod
Estim
si M
triks As
lTuju
n (MAT) Deng
n Menggun
k
n D
t
Arus L
lulint
s, Semin
r F
kult
s
Teknik Sipil d
n Perenc
n
n, Institut Teknologi B
ndung, B
ndung. T
min, O.Z.
ng Berkem
ng, Ul
s
n P
d
Berit
Peneliti
n, Lem
g
Peneliti
n, Institut Tekn
ologi B
ndung. T
min, O.Z.
nd Soegondo, T. (1989) Freight Dem
nd Modelling From
Tr
ffic Counts: A C
se Study in B
li, Indonesi
, Proceedings of the 5th World C
onference on Tr
nsport Rese
rch, Yokoh
m
(J
p
n). T
min, O.Z. d
n Pertiwi, H.R.
(1989) Estim
si M
triks As
lTuju
n (MAT) Perger
k
n Kend
r
n di Kot
B
ndung De
ng
n Menggun
k
n D
t
Arus L
lulint
s, L
por
n Akhir Peneliti
n OM, Lem
g
Penel
iti
n, Institut Teknologi B
ndung. T
min, O.Z,
nd Willumsen, L.G. (1989) Tr
nsp
ort Dem
nd Model Estim
tion From Tr
ffic Counts, Journ
l of Tr
nsport
tion, 16,
326. T
min, O.Z. et
l (1989) Simplified Methods B
sed on Tr
ffic Counts for Esti
m
ting OD M
trices for Developing Countries, SEATAC Intern
tion
l Ur
n Tr
nspor
t Semin
r, J
k
rt
. T
min, O.Z. (1990
) Sistem Perkeret
pi
n d
n Tr
nsport
si A
nt
r Mod
di Sum
ter
Ut
r
Aceh, Semin
r Pengem
ng
n Sistem Perkeret
pi
n di
600 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
Sum
ter
Ut
r
Aceh, Lem
g
Afili
si Teknik M
n
jemen & Industri Universit
s Su
m
ter
Ut
r
(LATMI USU). T
min, O.Z. (1990
) Simplified OD M
trix Estim
tion In
tegr
ting Link Flow Inform
tion: A C
se Study in B
ndung, Workshop on Review of
Ur
n Tr
nsport Pl
nning Techniues, S2STJR
nd IRE, B
ndung. T
min, O.Z. (1990c)
A Simplified Method for Estim
ting OD M
trices for Developing Countries, Procee
dings of the Intern
tion
l Symposium on Ur
n Pl
nning
nd Stormw
ter M
n
gement
, Ku
l
Lumpur (M
l
ysi
). T
min, O.Z. (1990d) Pu
lic Tr
nsport Dem
nd Estim
tio
n
y C
li
r
ting
Trip Distri
utionMod
l Choice from Tr
ffic Counts, Proceedings
of the 5th CODATU Conference, S
o P
ulo (Br
zil). T
min, O.Z. (1990e) Route Cho
ice Models for Ur
n Are
, Jurn
l Teknik Sipil, Institut Teknologi B
ndung. T
mi
n, O.Z. (1990f) Vehicle Movement Modelling in B
ndung B
sed on Tr
ffic Counts Un
der Euili
rium Condition, Journ
l of Ro
d
nd Tr
nsport
tion, HPJI, Indonesi
. T
min, O.Z.
nd Hend
rto, S. (1990) The Influence of Pedestri
n Crossing to th
e C
p
city of Sign
lised Intersection
nd S
fety, Proceedings of the 4th Annu
l
Conference on Ro
d Engineering (KTTJ), J
k
rt
. T
min, O.Z.
nd Hend
rto, S. (19
90) The influence of Ro
d Overl
y
nd Reh
ilit
tion to the Highw
y Geometric De
sign
nd S
fety, Proceedings of the 4th Annu
l Conference on Ro
d Engineering (K
TTJ), J
k
rt
. T
min, O.Z.
nd Pr
owo, A.R. (1990) A New Technology of M
ss R
p
id Tr
nsit System for Developing Countries, Proceedings of the Intern
tion
l Sym
posium on Ur
n Pl
nning
nd Stormw
ter M
n
gement, Ku
l
Lumpur (M
l
ysi
). T
m
in, O.Z.
nd S
ntoso, I. (1990) The Applic
tion of Expert System on Highw
y Geom
etric Design, Proceedings of the Expert System
nd Artifici
l Inteligence, PIKSII
TB, B
ndung. T
min, O.Z. (1991
) Integr
si Sistem Tr
nsport
si Ant
r Mod
D
l
m
Menunj
ng Pengem
ng
n Wil
y
h Indonesi
B
gi
n Timur, Semin
r N
sion
l Sistem T
r
nsport
si B
gi Pengem
ng
n Wil
y
h Indonesi
B
gi
n Timur, B
ndung. T
min, O.
Z. (1991
) Com
ined Gr
vity Opportunity Model for Tr
nsport Dem
nd, Jurn
l Tekni
k Sipil, Institut Teknologi B
ndung. T
min, O.Z. (1991c) The Development of Tr
f
fic Forec
sting Methodology for Developing Countries (TRIP Project), Workshop S2S
TJR ITB, B
ndung. T
min, O.Z. (1991d) Altern
tif Pemec
h
n M
s
l
h Kem
cet
n di
D
er
h Perkot
n, Semin
r N
sion
l Per
n Sert
Pemerint
h, Sw
st
d
n M
sy
r
k
t
D
l
m Meng
t
si M
s
l
h Kem
cet
n L
lulint
s, B
ndung.
Pust
k
601
T
min, O.Z. (1991e) S
tur
tion Flow
nd PCU V
lues C
lcul
tion for Sever
l Inter
sections in B
ndung, Proceedings of the 2nd Highw
y C
p
city M
nu
l Workshop, B
ndung. T
min, O.Z. (1991f) Sistem Tr
nsport
si Angkut
n Umum Kot
B
ndung Perlu
Di
en
h, Pikir
n R
ky
t Minggu, 3 Novem
er 1991. T
min, O.Z. et
l (1991
) Estim
si Ke
utuh
n Angkut
n Umum deng
n Deng
n Menggun
k
n D
t
Arus Penump
ng (Model
Kom
in
si Trip Distri
utionMod
l Choice): Studi K
sus di Kot
B
ndung, L
por
n A
khir Peneliti
n OPF, Lem
g
Peneliti
n, Institut Teknologi B
ndung. T
min, O.Z.
et
l (1991
) Aplik
si Model Tr
nsport
si D
l
m Pemodel
n Perger
k
n Kend
r
n
Ant
r D
er
h Di J
w
Timur, L
por
n Akhir Peneliti
n S2, Lem
g
Peneliti
n, Ins
titut Teknologi B
ndung. T
min, O.Z. d
n S
ntoso, I. (1991) Progr
m Peningk
t
n
Pr
s
r
n
J
l
n d
n Interel
siny
deng
n Pertum
uh
n Sosi
l Ekonomi di D
er
h Tr
nsmigr
si, Proceedings of the N
tion
l Semin
r on Tr
nsport
tion System for the
Tr
nsmigr
tion Are
, Ciloto. T
min, O.Z. (1992
) J
k
rt
Integr
ted Intermod
l
Ur
n Tr
nsport
tion System, Proceedings of M
n
ging Tr
ffic
nd Tr
nsport
sion
Conference, Amsterd
m (Netherl
nds). T
min, O.Z. (1992
) Pemec
h
n Kem
cet
n L
l
uLint
s Kot
Bes
r, Journ
l Perenc
n
n Wil
y
h d
n Kot
, Volume 4, Jurus
n Tekn
ik Pl
nologi, Institut Teknologi B
ndung. T
min, O.Z. (1992c) Applic
tion of Tr
nsport Dem
nd Models for Inter Region
l Vehicle Movements in E
st J
v
(Indonesi
l
n HR R
sun
S
id (J
k
rt
), Jurn
l Teknik Sipil, Nomor 5, Jurus
n Teknik Sipi
l, Institut Teknologi B
ndung. T
min, O.Z. (1992g). Aplik
si Model Perenc
n
n T
r
nsport
si Emp
t T
h
p D
l
m Pemec
h
n M
s
l
h Tr
nsport
si di Neg
r
Sed
ng Be
rkem
ng, Semin
r Jurus
n Teknik Sipil ITB, B
ndung. T
min, O.Z. d
n Antono, S.P
. (1992) Metodologi Per
m
l
n L
lu Lint
s Perkot
n Untuk Neg
r
Berkem
ng d
n
Optim
si Sistem Oper
si L
lu Lint
s d
n Geometri di Persimp
ng
n J
l
n, Semin
r
Potensi Pem
nf
t
n Kem
mpu
n Komputer Untuk R
nc
ng B
ngun J
l
n d
n Jem
t
n d
i Indonesi
, J
k
rt
. T
min, O.Z. et
l (1992
) Pemodel
n Perger
k
n Kend
r
n d
i J
w
Timur, L
por
n Akhir Peneliti
n, Lem
g
Peneliti
n, Institut Teknologi B
ndung.
602 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
T
min, O.Z. et
l (1992
) Str
tegi Penyusun
n Sistem Pem
nt
u
n d
n Ev
lu
si M
n
f
min, O.Z. et
l (1992c) Peng
ruh G
nggu
n S
mping (Side Friction) Terh
d
p Hu
un
g
n M
tem
tis Ant
r
Kecep
t
nVolume P
d
J
l
n Berl
lulint
s P
d
t di Kot
B
ndu
ng, L
por
n Akhir Peneliti
n, Lem
g
Peneliti
n, Institut Teknologi B
ndung. T
min, O.Z. et
l (1992d) Estim
si Ke
utuh
n Angkut
n Umum (Pu
lic Tr
nsport) Deng
n Model TDMC d
n D
t
Arus Penump
ng: Studi K
sus di J
k
rt
, L
por
n Akhir Pen
eliti
n, Lem
g
Peneliti
n, Institut Teknologi B
ndung. T
min, O.Z. et
l (1992
e) Estim
si Ke
utuh
n Angkut
n Umum Deng
n Menggun
k
n D
t
Arus Penump
ng (Mode
l Kom
in
si Trip Distri
utionMod
l Choice): Studi K
sus di Kot
J
k
rt
, L
por
n
Akhir Peneliti
n D
n
ABT (World B
nk), Lem
g
Peneliti
n, Institut Teknologi B
ndung. T
min, O.Z. d
n Hid
y
t, H. (1992) Per
n Tr
nsport
si Air D
l
m Peningk
t
n Ekonomi d
n Pengem
ng
n Wil
y
h, Cer
m
h Ilmi
h Per
n Tr
nsport
si Air D
l
m Pengem
ng
n Wil
y
h, Dies N
t
lis Universit
s Diponegoro ke 36, Sem
r
ng. T
Bes
r, Cer
m
h Ilmi
h, Universit
s T
rum
n
g
r
, J
k
rt
. T
min, O.Z. (1993
)
Metodologi Per
m
l
n L
lulint
s Perkot
n Untuk Neg
r
Berkem
ng, Semin
r Seh
r
i Tr
nsport
si Kot
d
n Pengelol
n Lingkung
n, Universit
s Bung H
tt
, P
d
ng.
T
min, O.Z. (1993c) Per
ik
n Pel
y
n
n Angkut
n Umum Se
g
i Us
h
Memperl
nc
r
Arus L
lulint
s J
l
n R
y
, Semin
r N
sion
l Sik
p d
n Peril
ku Pem
k
i J
l
n
Sert
Ap
r
t Peng
turny
Terh
d
p Kel
nc
r
n L
lulint
s, Universit
s L
ngL
ng B
u
n
, Lem
ng. T
min, O.Z. (1993d) Str
tegi Peningk
t
n Pel
y
n
n Angkut
n Umum
Se
g
i Us
h
Meng
t
si M
s
l
h Kem
cet
n di D
er
h Perkot
n, Jurn
l Perenc
n
n Wil
y
h d
n Kot
, Volume 8, Jurus
n Teknik Pl
nologi, Institut Teknologi B
ndu
ng. T
min, O.Z.
nd Hid
y
t, H. (1993e) Str
tegi Pengem
ng
n J
ring
n J
l
n di
K
w
s
n Indonesi
Timur Berd
s
rk
n Konsep Sistem Tr
nsport
si Ant
r Mod
, Konfe
rensi Region
l Teknik J
l
n ke3, M
t
r
m. T
min, O.Z. et
l (1993f) An
lis
Pemil
ih
n Rute J
l
n Be
s H
m
t
n/Tol deng
n Metod
Diversion Curve, L
por
n Akhir Pe
neliti
n, Lem
g
Peneliti
n, Institut Teknologi B
ndung. T
min, O.Z. et
l (199
3g). Model Tr
nsport
si Angkut
n Umum D
l
m Us
h
Meng
t
si M
s
l
h Kem
cet
n, L
por
n Akhir Peneliti
n, Lem
g
Peneliti
n, Institut Teknologi B
ndung.
Pust
k
603
T
min, O.Z. (1994
) Aplik
si Model Perenc
n
n Tr
nsport
si Emp
t T
h
p D
l
m Pe
mec
h
n M
s
l
h Tr
nsport
si di Neg
r
Sed
ng Berkem
ng, Jurn
l Teknik Sipil, J
urus
n Teknik Sipil, Institut Teknologi B
ndung. T
min, O.Z. (1994
) Be
er
p
Al
tern
tif Permec
h
n M
s
l
h Tr
nsport
si di DKIJ
k
rt
, Lok
k
ry
Peningk
t
n Kin
erj
Pem
ngun
n DKIJ
k
rt
Mel
lui Progr
m Terstruktur, J
k
rt
. T
min, O.Z. (19
94c) Inter Ur
n Forec
sting Methodology for Toll Ro
d Investment Progr
mme (TRI
P) Project, Konferensi T
hun
n Teknik J
l
n ke5, B
ndung. T
min, O.Z. (1994d) Mod
el Perenc
n
n Tr
nsport
si Angkut
n Umum D
l
m Us
h
Meng
t
si M
s
l
h Kem
cet
n (Studi K
sus: Kot
B
ndung), Pek
n Komunik
si Peneliti
n, Lem
g
Peneliti
n,
Institut Teknologi B
ndung. T
min, O.Z. d
n An
nd
, S. (1994) Peng
ruh Bec
k P
d
Persimp
ng
n Berl
mpu L
lulint
s, Konferensi T
hun
n Teknik J
l
n ke5, B
ndung.
T
min, O.Z
nd Ekotomo, R. (1994) J
k
rt
Integr
ted Intermod
l Tr
nsport
tion
M
n
gement System, Conference on Adv
nced Technologies in Tr
nsport
tion
nd Tr
ffic M
n
gement, Sing
pore. T
min, O.Z. d
n Neg
r
, I.N.W. (1994) Peng
ruh G
ngg
u
n S
mping (SideFriction Terh
d
p Hu
ung
n M
tem
tis Ant
r
Kecep
t
nVolume P
d
J
l
n Berl
lulint
s P
d
t di Kot
B
ndung, Konferensi T
hun
n Teknik J
l
n ke5, B
ndung. T
min, O.Z. et
l (1994) B
ngkit
n L
lulint
s D
ri Perum
h
n (studi K
su
s PERUMNAS Ant
p
ni, B
ndung), Konferensi T
hun
n Teknik J
l
n ke5, B
ndung. T
mi
n, O.Z. (1995
) Model Tr
nsport
si Angkut
n Umum D
l
m Us
h
Meng
t
si M
s
l
h K
em
cet
n: Studi K
sus di Kot
B
ndung, L
por
n Akhir Peneliti
n Hi
h Bers
ing,
Lem
g
Peneliti
n, Institut Teknologi B
ndung. T
min, O.Z. (1995
) The Estim
ti
on of Pu
lic Tr
nsport Dem
nd Using TDMC Model
nd P
ssenger Counts: A C
se Stud
y in J
k
rt
(Indonesi
), The 4th Intern
tion
l Conference on Computers in Ur
n
Pl
nning
nd Ur
n M
n
gement, Mel
ourne, Austr
li
. T
min, O.Z. (1995c) An Int
egr
ted Pu
lic Tr
nsport System for B
ndung (Indonesi
), 1st Journ
l of the E
st
ern Asi
Society for Tr
nsport
tion Studies, 1(2), 509528, M
nil
, Philippines. T
nil
, Philippines. T
min, O.Z. (1995e) Pu
lic Tr
nsport Str
tegy for Allevi
ting
Tr
ffic Congestion: A C
se Study in B
ndung (Indonesi
), The City Tr
ns Asi
19
95 Conference, Sing
pore.
604 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
T
min, O.Z. (1995f) Effects of Bec
ks
t Sign
lised Intersection: A C
se Study i
n Indonesi
, Proceeding of the 7th World Conference on Tr
nsport Rese
rch, Sydne
y, Austr
li
. T
min, O.Z. (1995g) The An
lysis of Route Choice Between Toll
nd
Altern
tive Ro
d Using Diversion Curve Model: A C
se Study in J
k
rt
(Indonesi
n di DKIJ
k
rt
d
n Altern
tif
Pemec
h
n M
s
l
hny
, Semin
r Sistem Angkut
n Metropolit
n Menjel
ng T
hun 2005,
J
k
rt
. T
min, O.Z. (1995i) Model Perenc
n
n Penentu
n Rute Angkut
n Umum: St
udi K
sus di Kot
B
ndung, Semin
r N
sion
l 75 T
hun Perkem
ng
n Rek
y
s
Sipil
di Indonesi
, Institut Teknologi B
ndung, B
ndung. T
min, O.Z. (1995j) Altern
tif
Pemec
h
n M
s
l
h Tr
nsport
si Perkot
n di Neg
r
Sed
ng Berkem
ng P
d
A
d
21, Semin
r Tr
nsport
si Kot
di Neg
r
Sed
ng Berkem
ng P
d
A
d 21 (M
s
l
h
d
n Pemec
h
nny
), Universit
s Atm
J
y
, Yogy
k
rt
. T
min, O.Z. (1995k) Per
n
UULAJ Nomor 14 T
hun 1992 d
n Per
tur
n Pel
ks
n
nny
D
l
m Pemec
h
n M
s
l
h T
r
nsport
si Perkot
n, Semin
r Per
n Tr
nsport
si Se
g
i Ur
t N
di Pem
ngun
n
N
sion
l, Cik
r
ng. T
min, O.Z. et
l (1995) Metod
Ev
lu
si Juml
h Arm
d
d
n T
rif Angkut
n Umum: Studi K
sus di DKIJ
k
rt
, Semin
r N
sion
l 75 T
hun Perkem
n
g
n Rek
y
s
Sipil di Indonesi
, Institut Teknologi B
ndung, B
ndung. T
min, O.Z.
d
n Sul
ksono, S. (1995) Penyusun
n Perenc
n
n Teknis An
lisis D
mp
k L
lulint
s K
w
s
n Pengem
ng
n, Semin
r H
sil Peneliti
n LPITB Deng
n Pemd
DKIJ
k
rt
, I
nstitut Teknologi B
ndung, B
ndung. T
min, O.Z. d
n R
hm
n, H. (1995) Metod
Pen
dek
t
n Ku
ntit
tif Se
g
i D
s
r Ev
lu
si Pem
ngun
n J
ring
n J
l
n: Studi K
s
us di Wil
y
h DKIJ
k
rt
, Konferensi Region
l Teknik J
l
n ke4, P
d
ng. T
min, O.Z
. (1996
) Integr
ted Intermod
l Pu
lic Tr
nsport Network for B
ndung (Indonesi
)
, Austr
l
si
n Tr
nsport Rese
rch Forum Conference, Auckl
nd, New Ze
l
nd. T
min
, O.Z. (1996
) Simplified Pu
lic Tr
nsport Route Pl
nning Method: A Study C
se i
n B
ndung (Indonesi
), Ur
n Tr
nsport Conference, B
rcelon
, Sp
in. T
min, O.Z.
(1996c) Applic
tion of Tr
nsport Dem
nd Models for InterRegion
l Vehicle Movemen
ts in West J
v
(Indonesi
), Asi
P
cific IRF Region
l Meeting, T
iw
n. T
min, O.Z
. (1996d) Route Choice An
lysis Using Diversion Curve Model: A C
se Study on Tol
l Ro
d in J
k
rt
(Indonesi
), Asi
P
cific IRF Region
l Meeting, T
iw
n.
605
Pust
k
T
min, O.Z. (1996e) SpeedVolume Rel
tionships in Congested Ro
ds in B
ndung (Indo
nesi
), Intern
tion
l Conference on Ur
n Engineering in Asi
n Cities in the 21s
t Century, Asi
n Institute of Technology, B
ngkok, Th
il
nd. T
min, O.Z. (1996f)
An Integr
ted Ro
d Tr
nsport Network System for B
ndung (Indonesi
), The 14th C
onference of Ase
n Feder
tion of Engineering Org
niz
tions, M
l
cc
, M
l
ysi
. T
n Di Kot
m
dy
B
ndung, Semin
r Sistem d
n Mod
Tr
nsport
si Perkot
n Jurus
n Sipil, F
kult
s Teknik Universit
s K
tolik P
r
hy
ng
n, B
ndung. T
min, O.Z. (
1996h) Per
n Sistem Tr
nsport
si Ant
r Mod
D
l
m Menunj
ng IMSGT D
n IMTGT Di Pro
pinsi Sum
ter
B
r
t, Semin
r Seh
ri Tr
nsport
si, Jurus
n Sipil, F
kult
s Tekni
k, Universit
s And
l
s, P
d
ng. T
min, O.Z. (1996i) Perm
s
l
h
n Tr
nsport
si Pe
rkot
n D
n Altern
tif Pemec
h
nny
, Seri
l Diskusi Arsitektur d
n Perkot
n (SD
AP), Jurus
n Arsitektur d
n Perkot
n, Universit
s K
tolik Soegij
pr
n
t
, Sem
r
ng. T
min, O.Z. (1997
) Inter Ur
n Tr
ffic Dem
nd Forec
sting for J
v
(Indone
si
), XIIIth Intern
tion
l Ro
d Feder
tion World Conference, Toronto, C
n
d
. T
d Tr
nsport Network System for B
ndung (Indonesi
), 2nd Journ
l of the E
stern A
si
Society for Tr
nsport
tion Studies, 2(3), 675690, Seoul, Kore
. T
min, O.Z. (
1997e) Applic
tion of Tr
nsport Dem
nd Models for Inter Region
l Vehicle Movemen
ts in West J
v
(Indonesi
), 2nd Journ
l of the E
stern Asi
Society for Tr
nspo
rt
tion Studies, 2(3), 903916, Seoul, Kore
. T
min, O.Z. (1997f) Pu
lic Tr
nsport
De5m
nd Estim
tion
y C
li
r
ting
Com
ined Trip Distri
ution Mod
l Choice fro
m P
ssenger Counts: A C
se Study in B
ndung (Indonesi
), 2nd Journ
l of the E
st
ern Asi
Society for Tr
nsport
tion Studies, 2(3), 949962, Seoul, Kore
. T
min, O
.Z. (1997g) Per
n Pr
s
r
n
J
ring
n D
l
m Pertum
uh
n D
er
h Perkot
n D
n M
nf
tny
D
l
m Pemec
h
n M
s
l
h Tr
nsport
si Perkot
n, Semin
r T
nt
ng
n Ur
nis
si (Tr
nsform
si Sp
si
l d
n Sosio Kultur
l), Pus
t Studi Perkot
n, Universit
s K
tolik Soegij
pr
n
t
, Sem
r
ng. T
min, O.Z. (1997h) Perenc
n
n d
n Pemodel
n Tr
nsport
si, Edisi I, Pener
it ITB, B
ndung.
606 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
T
min, O.Z. (1997i) Up
y
Up
y
Untuk Meng
t
si M
s
l
h Tr
nsport
si Perkot
n,
M
j
l
h Ilmi
h An
lisis Sistem, Nomor 9, T
hun IV, 3344. T
min, O.Z.
nd L
zu
rdi
, S. (1997) Penentu
n Bes
r
n Tingk
t B
ngkit
n L
lulint
s (Trip Gener
tion R
te
) Deng
n Metod
An
lis
Regresi: Studi K
sus Perum
h
n Ant
p
ni, B
ndung, L
por
n Akhir Peneliti
n OPF, Lem
g
Peneliti
n, Institut Teknologi B
ndung. T
min, O
.Z. d
n Fr
zil
, R.B. (1997) Pener
p
n Konsep Inter
ksi T
t
Gun
L
h
nSistem Tr
nsport
si D
l
m Perenc
n
n Sistem J
ring
n Tr
nsport
si, Jurn
l Perenc
n
n Wil
y
h d
n Kot
, 8(3), 3448. T
min, O.Z. et
l (1997) Ev
lu
si Kinerj
L
lulint
s d
i J
l
n Tol Aki
t H
m
t
n Deng
n Metod
Gelom
ng Kejut (Shock W
ve), Konferen
si Region
l Teknik J
l
n ke5, Yogy
k
rt
. T
min, O.Z. et
l (1997) Pener
p
n Kons
ep Inter
ksi T
t
Gun
L
h
nSistem Tr
nsport
si D
l
m Perenc
n
n Sistem J
ring
n
Tr
nsport
si, Konferensi Region
l Teknik J
l
n ke5, Yogy
k
rt
. T
min, O.Z., Soe
dirdjo, T.L. d
n Utomo, H.B. (1997) Ev
lu
si Kinerj
L
lulint
s di J
l
n Tol Aki
t H
m
t
n Deng
n Metod
Gelom
ng Kejut (Shock W
ve), Jurn
l Teknik Sipil, In
stitut Teknologi B
ndung, 4(3), 142159. T
min, O.Z. (1998
) Per
n
n Sistem Tr
nsp
ort
si Keret
Api di Propinsi Sum
ter
B
r
t, Semin
r Seh
ri Keret
Api, F
kult
s Teknik, Universit
s And
l
s, P
d
ng. T
min, O.Z. (1998
) Pemodel
n Optim
si Ju
ml
h Arm
d
d
n T
rif Angkut
n Kot
di Kot
m
dy
B
ndung, L
por
n Akhir Peneliti
n di Kot
m
dy
B
ndung, Buku Visi d
n Misi Metropolit
n B
ndung 20
20, 247270, Pemerint
h D
er
h Kot
m
dy
D
ti II B
ndung. T
min, O.Z. (1998e) Be
e
r
p
Usul
n Pemikir
n D
l
m Us
h
Peningk
t
n Kinerj
Jurus
n Teknik Sipil Unive
rsit
s T
rum
n
g
r
, Diskusi P
nel Ev
lu
si Kurikulum d
n Pengem
ng
n Kem
mpu
n
Dosen, Jurus
n Teknik Sipil, Universit
s T
rum
n
g
r
, J
k
rt
. T
min, O.Z. et
l (1998) Peng
ruh Pem
ngun
n Jem
t
n L
y
ng P
sp
ti Terh
d
p Kinerj
J
ring
n
J
l
n di Sekit
rny
, L
por
n Akhir Peneliti
n, LPMITB, B
ndung. T
min, O.Z., Hi
d
y
t, H., Sj
fruddin, A. (1998) Konsep Pengem
ng
n Model Estim
si M
triks As
lT
uju
n Din
mis Deng
n Mem
nf
tk
n D
t
ATCS, Prosiding Simposium I Forum Studi T
r
nsport
si Perguru
n Tinggi (FSTPT), Institut Teknologi B
ndung, B
ndung.
607
Pust
k
T
min, O.Z. d
n N
hd
lin
(1998) An
lisis D
mp
k L
lulint
s (And
ll), Jurn
l Per
enc
n
n Wil
y
h d
n Kot
, Institut Teknologi B
ndung, 9(3), 2238. T
min, O.Z., P
ri
di, K.S., T
min, R.Z. (1998) The Role of K
up
ten/Loc
l Ro
d Network in Pro
moting the Region
l Economic Development in Indonesi
, ILOAIT Region
l Workshop o
n P
rticip
tory Fr
mework for Pl
nning Rur
l Ro
d Networks, Construction,
nd M
inten
nce, Asi
n Institute of Technology, B
ngkok, Th
il
nd. T
min, O.Z. (1999
)
Konsep M
n
jemen Ke
utuh
n Tr
nsport
si (MKT) Se
g
i Altern
tif Pemec
h
n M
s
l
h Tr
nsport
si Perkot
n di DKI J
k
rt
, Jurn
l Perenc
n
n Wil
y
h d
n Kot
,
Institut Teknologi B
ndung, 10(1), 1022. T
min, O.Z. (1999
) Konsep Pem
nf
t
n D
t
Arus L
lulint
s Untuk Mengh
silk
n M
triks As
l Tuju
n N
sion
l d
n Potensi
Penggun
nny
D
l
m Pengem
ng
n Sistem J
ring
n J
l
n, Konferensi Region
l Tekn
ik J
l
n ke6, Pek
n B
ru, Ri
u. T
min, O.Z. (1999c) Altern
tif Pemec
h
n M
s
l
h
Tr
nsport
si Perkot
n Mel
lui Pendek
t
n M
n
jemen d
n Rek
y
s
L
lulint
s, Sem
in
r Region
l M
n
jemen d
n Rek
y
s
L
lulint
s di Propinsi Sum
ter
B
r
t, Din
s L
lu Lint
s Angkut
n J
l
n (DLLAJ) D
ti I Propinsi Sum
ter
B
r
t, P
d
ng. T
m
in, O.Z. (1999d) Progr
m Kerj
Forum Studi Tr
nsport
si Ant
r Perguru
n Tinggi (F
STPT) 19982000, Workshop on Tr
nsport Rese
rch, FSTPT, Bogor. T
min, O.Z. (1999e)
Pem
nf
t
n D
t
ATCS (Are
Tr
ffic Control System) D
l
m Penentu
n M
triks As
l
Tuju
n (MAT) Din
mis d
n Berw
ktu Ny
t
(Re
l Time), Semin
r Ke
ij
k
n Sistem Tr
nsport
si Perkot
n, Jurus
n Teknik Sipil, F
kult
s Teknik, K
mpus UI, Depok. T
min, O.Z. et
l (1999
) Dyn
mic Origin Destin
tion (O D) M
trices Estim
tion Fro
m Re
l Time Tr
ffic Count Inform
tion, Gr
du
teTe
m Rese
rch Gr
nt, B
tch IV, UR
GE, L
por
n Akhir T
h
p I, LP ITB, B
ndung. T
min, O.Z., D
limunthe, L.H., Ir
w
n, F. (1999) D
mp
k Resolusi Sistem J
ring
n P
d
Pemilih
n Rute d
n Kinerj
J
r
ing
n J
l
n: Studi K
sus di Kot
m
dy
/K
up
ten B
ndung, Semin
r FT UI Qu
lity in
Rese
rch, K
mpus UI, Depok. T
min, O.Z., Fr
zil
, R.B., Pr
h
r
, E. (1999) K
ji
n Model B
ngkit
n d
n T
rik
n L
lu Lint
s Deng
n Metod
An
lisis Regresi Studi K
sus di Wil
y
h B
ndung R
y
, Jurn
l Teknik Sipil, Universit
s T
rum
n
g
r
, No
2, T
hun V, Juli 1999, 265288. T
min, O.Z., Hid
y
t, H., Sj
fruddin, A. (1999) Dy
n
mic OriginDestin
tion (OD) M
trices Estim
tion From Re
l Time Tr
ffic Count Inf
orm
tion, The 3rd Journ
l of the E
stern Asi
Society for Tr
nsport
tion Studies
, 3(6), 3752. T
min, O.Z., Kusum
w
ti, A., Arismun
nd
r, A. (1999) Optim
si Juml
h Arm
d
Angkut
n Umum Deng
n Metod
Pertuk
r
n Tr
yek: Studi K
sus di Wil
y
h
608 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
DKI J
k
rt
, W
rt
Peneliti
n, B
lit
ng Perhu
ung
n, No 3, T
hun XI, Juni 1999,
420. T
min, O.Z., Lu
is, H.A.S., D
limunthe, L.H., Ir
w
n, F. (1999) Peng
ruh Ti
ngk
t Resolusi Sistem J
ring
n P
d
Pem
e
n
n L
lulint
s d
n Kinerj
J
ring
n J
l
n di Kot
m
dy
/K
up
ten B
ndung,
k
n diter
itk
n p
d
Jurn
l Teknik Sipil,
Institut Teknologi B
ndung. T
min, O.Z. d
n Poernomosidhi, I.F. (1999) Sistem Tr
nsport
si Perkot
n Kot
m
dy
B
ndung, Diskusi P
nel Perm
s
l
h
n J
l
n Arteri
Soek
rnoH
tt
, HPJI DPDJ
w
B
r
t, B
ndung. T
min, O.Z., Poernomosidhi, I.F., Anin
dito, W. (1999) Sistem Tr
nsport
si Perkot
n Terp
du di Wil
y
h B
ndung R
y
,
k
n diter
itk
n p
d
Jurn
l Puslit
ng J
l
n, B
lit
ng PU. T
min, O.Z., Pr
sety
o, L.B.B., Anindito, W. (1999) Peng
ruh Pem
ngun
n Jem
t
n L
y
ng P
sp
ti Terh
d
p Kinerj
J
ring
n J
l
n di Sekit
rny
,
k
n diter
itk
n p
d
Jurn
l Puslit
ng J
l
n, B
lit
ng PU. T
min, O.Z., Pr
setyo, L.B.B., Anindito, W. (1999) Peng
ruh Pem
ngun
n Jem
t
n L
y
ng P
sp
ti Terh
d
p Kinerj
J
ring
n J
l
n di Sekit
rny
, Workshop Peneliti
n M
s
l
h Tr
nsport
si di Kot
m
dy
D
ti II B
ndung, PPT
K d
n LPM ITB, B
ndung. T
min, O.Z. d
n R
hm
n, H. (1999) T
nt
ng
n, H
m
t
n, s
ert
Per
n Konsult
n M
n
jemen Teknik Pel
ks
n
PDM DKE di Kot
m
dy
B
ndung, Lo
k
k
ry
Model Pem
erd
y
n M
sy
r
k
t D
l
m Progr
m J
ring Peng
m
n Sosi
l (JPS)
D
l
m Mengh
d
pi Krisis Ekonomi di Propinsi J
w
B
r
t, B
pped
D
ti II Kot
m
dy
B
ndung, B
ndung. T
min, O.Z., R
hm
n, H., Fr
zil
, R.B. (1999) K
ji
n Kel
y
k
n J
lur Lint
s Sel
t
n di Propinsi J
w
Timur,
k
n diter
itk
n p
d
Jurn
l Tek
nik Sipil, Universit
s T
rum
n
g
r
. T
min, O.Z. d
n Sj
fruddin, A. (1999) Konse
p Pem
nf
t
n D
t
Arus L
lulint
s Untuk Mengh
silk
n M
triks As
l Tuju
n N
sion
l d
n Potensi Penggun
nny
D
l
m Pengem
ng
n Sistem J
ring
n J
l
n, Prosiding
Simposium II, FSTPT, Institut Teknologi 10 Novem
er Sur
y
, Sur
y
, Indones
i
. T
min, O.Z.
nd Soedirjo, T.L. (1999) Tr
ffic Perform
nce Ev
lu
tion in Toll
Ro
d Using Shock W
ve Method, Proceedings of the 3rd Conference of E
stern Asi
Society for Tr
nsport
tion Studies, T
ipei, T
iw
n. T
min, O.Z., Soedirdjo, T.L
., Utomo, H.B. (1999) Ev
lu
si Kinerj
Persimp
ng
n Berl
mpu L
lulint
s Deng
n M
etode Gelom
ng Kejut (Shock W
ve), Jurn
l Teknik Sipil, Universit
s T
rum
n
g
r
, No 1, T
hun V, 3154. T
min, O.Z., Soedirdjo, T.L., Hid
y
t, H., Kusum
w
ti, A.
(1999) Peng
ruh Kegi
t
n Perp
rkir
n di B
d
n J
l
n (On Street P
rking) Terh
d
p Kinerj
Ru
s J
l
n: Studi K
sus di Wil
y
h DKI J
k
rt
, Jurn
l Tr
nsport
si, F
orum Studi Tr
nsport
si Ant
r Perguru
n Tinggi (FSTPT), No 1, T
hun I, Juni 1999
, 113.
Pust
k
609
T
min, O.Z., R
hm
n, H., Kusum
w
ti, A., Mun
nd
r, A.S., Seti
dji, B.H. (1999) E
v
lu
si T
rif Angkut
n Umum d
n An
lisis A
ility to P
y (ATP) d
n Willingness to P
y (WTP) di DKI J
k
rt
, Jurn
l Tr
nsport
si, Forum Studi Tr
nsport
si Ant
r Pergu
ru
n Tinggi (FSTPT), No 2, T
hun I, Desem
er 1999, 121135. T
min, O.Z., R
hm
n, H
., Kusum
w
ti, A., Mun
nd
r, A.S., Seti
dji, B.H. (1999) Ev
lu
si T
rif Angkut
n
Umum d
n An
lisis A
ility to P
y (ATP) d
n Willingness to P
y (WTP) di DKI J
k
rt
,
Diskusi Ev
lu
si T
rif Angkut
n Umum, Y
y
s
n Lem
g
Konsumen Indonesi
, 22 Dese
m
er 1999. T
min, O.Z. (2000) The Development of Concept to O
t
in the Dyn
mic N
tion
l O D M
trix Using Re
l Time Tr
ffic Count D
t
(IRMS), to
e presented
t
the 10th Ro
d Engineering Associ
tion of Asi
& Austr
li
(REAAA) Intern
tion
l
Conference, Tokyo, J
p
n. T
min, O.Z. et
l (2000) Dyn
mic Origin Destin
tion (
OD) M
trices Estim
tion From Re
l Time Tr
ffic Count Inform
tion, L
por
n T
h
p
I, Gr
du
te Te
m Rese
rch Gr
nt, B
tch IV, University Rese
rch for Gr
du
te Educ
tion, to
e presented
t the 2nd Asi
P
cific Conference & Exhi
ition on Tr
nspo
rt
tion
nd Environment, Beijing, Chin
. T
min, O.Z., Sj
fruddin, A., Hid
y
t, H
. (2000) Dyn
mic O D M
trices Estim
tion From Re
l Time Tr
ffic Count Inform
tio
n, to
e presented
t the 2nd Asi
P
cific Conference & Exhi
ition on Tr
nsport
tion
nd Environment, Beijing, Chin
. T
min, O.Z., Sj
fruddin, A., Okit
, I.R. (
2000) Imp
ct of Resolution of Zoning System
nd Ro
d Network Definition on Route
Choice
nd Ro
d Network Perform
nce: A C
se Study in B
ndung, to
e presented
t the 2000Intern
tion
l Conference on Tr
ffic
nd Tr
nsport Psychology, Bern, Sw
itzerl
nd. T
min, O.Z., Soedirjo, T.L., Soegiono, R. (2000) The Imp
ct of Loc
ti
on
nd Num
er of Tr
ffic Counts in the Accur
cy of O D M
trices Estim
ted From T
r
ffic Counts: A C
se Study in B
ndung, to
e presented
t the ITE 2000 Intern
t
ion
l Conference, Irvine, C
liforni
, USA. T
rdiff, T.J. (1979) Specific
tion An
lysis for Qu
nt
l Choice Models, Tr
nsport
tion Science, 13(3), 179190. T
ylor,
M.A.P.
nd Young, W. (1988) Tr
ffic An
lysis: New Technology
nd New Solution, M
el
ourne, Austr
li
, H
rgreen Pu
lishing Co.
610 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
Thom
s, R.W.
nd Huggett, R.J. (1980) Modelling in Geogr
phy, H
rper
nd Row Ltd
, London. Trisn
, D., T
min, O.Z., K
rs
m
n, R.H. (1999) Aplik
si Metod
An
lisi
s Multi Kriteri
D
l
m Peng
m
il
n Keputus
n Invest
si Peng
m
il
n J
l
n Tol D
l
m Kot
, Prosiding Simposium II Forum Studi Tr
nsport
si Ant
r Perguru
n Tinggi
(FSTPT), Institut Teknologi 10 Novem
er Sur
y
, Sur
y
. Turnuist, M.
nd Gu
r, Y. (1979) Estim
tion of Trip T
les From O
served Link Volumes, Tr
nsport
tio
n Rese
rch Record, 730, 16. V
n Der Zijpp, N.J. (1996
) Dyn
mic OD M
trix Estim
t
ion From Com
ined D
t
, Tr
nsport
tion Modelling for Tomorrow. V
n Der Zijpp, N.
J. (1996
) A B
yesi
n Fr
mework for Dyn
mic OriginDestin
tion Estim
tion on Moto
rw
y Networks, PhD Dissert
tion, F
culty of Civil Engineering, Delft University
of Technology. V
n Der Zijpp, N.J.
nd De Romph, E. (1996) A Dyn
mic Tr
ffic For
ec
sting Applic
tion on the Amsterd
m Beltw
ys, Proceeding of the 2nd DRIVEII on
Short Term Tr
ffic Forec
sting. V
n Vliet, D. (1976) Ro
d Assignment I, II
nd I
II, Tr
nsport
tion Rese
rch, 10(3), 137157. V
n Vliet, D. (1977) DEsopo: A Forgott
en Tree Building Algorithm, Tr
ffic Engineering
nd Control, 18(7/8), 372375. V
n
Vliet, D. (1978) Improved Shortest P
th Algorithms for Tr
nsport Networks, Tr
n
sport
tion Rese
rch, 12(1), 720. V
n Vliet, D. (1979) The Common M
ns Guide to t
he Theory of Euili
rium Assignment, Technic
l Note No 13, Institute for Tr
nspo
rt Studies, Leeds University. V
n Vliet, D.
nd Dow, P.D. (1979) C
p
city Restr
ined Ro
d Assignment, Tr
ffic Engineering
nd Control, 20(6), 226235. V
n Vliet,
D.
nd W
tling, D. (1991) El
stic Assignment in SATURN: the SATEASY Algorithm, I
nstitute for Tr
nsport Studies, Leeds. V
n Vliet, D.
nd Willumsen, L.G. (1981)
V
lid
tion of the ME2 Model for Estim
ting Trip M
trices From Tr
ffic Counts, Pr
oceedings of the 8th Intern
tion
l Symposium on Tr
nsport
tion
nd Tr
ffic Theor
y, Toronto, 640655. V
n Zuylen, H.J. (1978) A Method to Estim
te
Trip M
trix Fr
om Tr
ffic Volume Counts, Proceedings of the 6th PTRC Summer Annu
l Meeting, Uni
versity of W
rwick. V
n Zuylen, H.J. (1979) The Estim
tion of Turning Flows on
Junction, Tr
ffic Engineering
nd Control, 20(11), 539541.
Pust
k
611
V
n Zuylen, H.J. (1981) Some Improvements in the Estim
tion of An OD M
trix From
Tr
ffic Counts, Proceeding of the 8th Intern
tion
l Symposium on Tr
nsport
tion
nd Tr
ffic Theory, 656671, Toronto. V
n Zuylen, H.J.
nd Br
nston, D.M. (1982)
Consistent Link Flow Estim
tion From Counts, Tr
nsport
tion Rese
rch, 16B(6), 47
3476. V
n Zuylen
nd Willumsen, L.G. (1980) The Most Likely Trip M
trix Estim
ted
From Tr
ffic Counts, Tr
nsport
tion Rese
rch, 14B(3), 281293. W
hyudi, W., Sup
n
gk
t, S.H., T
min, O.Z. (1999) Komunik
si D
t
Re
l Time D
l
m Pem
entuk
n M
tri
ks As
l Tuju
n (Studi K
sus di Kot
m
dy
B
ndung), Prosiding Simposium II Forum
Studi Tr
nsport
si Ant
r Perguru
n Tinggi (FSTPT), Institut Teknologi 10 Novem
e
r Sur
y
, Sur
y
. W
ns
eek, T.J. (1977) Le
st Su
res Estim
tion of Trip Dis
tri
ution P
r
meters: A Note, Tr
nsport
tion Rese
rch, 11, 429431. W
rdrop, J.G.
(1952) Some Theoretic
l Aspects of Ro
d Tr
ffic Rese
rch, Proceedings of the Ins
titute of Civil Engineering, II(1), 325378. W
rp
ni, S. (1990) Merenc
n
k
n Siste
m Per
ngkut
n, Pener
it ITB, B
ndung. W
tling, D. (1993) The Implement
tion of E
l
stic Assignment Models, Tr
nsport Rese
rch L
or
tory, UK. Wells, G.R. (1975)
Comprehensive Tr
nsport Pl
nning, London, Ch
rles Griffin. Wells, G.R. (1979) Tr
nd Models
nd Economic Ev
lu
tion Me
sures of User Benefit, Environment
nd Pl
tion Rese
rch, 16B(3), 167219. Willi
ms, H.C.W.L.
nd Ortuz
r, J.D. (1982
) Tr
v
el Dem
nd
nd Response An
lysisSome Integr
ting Themes, Tr
nsport
tion Rese
rch,
16A(5/6), 345362.
612 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
Willi
ms, I. (1975) A Comp
rison of Some C
li
r
tion Techniues for Dou
lyConstr
tion of
Model Under Congested Conditions, Proceedings of the 10th PTRC Summer
Annu
l Meeting, University of W
rwick. Willumsen, L.G. (1984
) Writing Good FORT
RAN Progr
ms, Note of Tr
nsport Studies Group, University College London. Willum
sen, L.G. (1984
) Estim
ting Time Dependent Trip M
trices From Tr
ffic Counts, P
roceeding of the 9th Intern
tion
l Symposium on Tr
nsport
tion
nd Tr
ffic Theor
y, Delft, 397411. Willumsen, L.G. (1984c) Microcomputers
nd Their Softw
re for T
r
nsport Pl
nning in Developing Countries, Proceedings of the 12th PTRC Summer A
nnu
l Meeting, University of Brighton. Willumsen, L.G. (1986
) Microcomputer Sof
tw
re for the Applic
tion of OR Techniues to Tr
ffic
nd Tr
nsport, Proceedings
of the Conference of Oper
tion
l Rese
rch Models on Microcomputers, Lis
on. Wil
lumsen, L.G. (1986
) Estim
tion of OD M
trices From Tr
ffic Counts, Proceedings
of the 14th PTRC Summer Annu
l Meeting, University of Sussex. Wilson, A.G. (1967
) A St
tistic
l Theory of
Sp
ti
l Distri
ution Models, Tr
nsport
tion Rese
rch
, 1(3), 253269. Wilson, A.G. (1970) Entropy in Ur
n
nd Region
l Modelling, Pion
Ltd, London. Wilson, A.G. (1974) Ur
n
nd Region
l Models in Geogr
phy
nd Pl
613
ffic System An
lysis for Engineers
nd Pl
nners, McGr
w Hill, New York. Wong, D.
S. (1980) M
ximum Likelihood, Entropy M
ximis
tion
nd the Geometric Progr
mming
Appro
ches to the C
li
r
tion of the Trip Distri
ution Models, Tr
nsport
tion R
ese
rch, 15B(5), 329343. Wonn
cott, T.H.
nd Wonn
cott, R.J. (1977) Introductory
St
tistics for Bussiness
nd Economics, John Wiley & Sons, New York. Wotton, H.J
.
nd Pick, G.W. (1967) A Model for Trips Gener
ted
y Households, Journ
l of Tr
nsport Economics
nd Policy, 1, 137153. Wotton, H.J. et
l (1981) Improved Direc
tion Signs
nd the Benefits for Ro
d Users, Tr
ffic Engineering
nd Control, 22(
5), 264268.
614 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
Penjurus
ACGR 180, 183, 186 ADB 519 Aksesi
ilit
s 29, 31 37, 39 40, 43, 58 59, 72, 84 85,
115, 154, 156, 173 174, 176, 178, 185, 223, 349, 372 374, 491, 493, 495, 497, 4
99, 508, 528
nt
rzon
181, 225 peningk
t
n 174 peru
h
n 174 tid
k
d
peru
h
n p
d
174 ukur
n fisik 36 37 Aksiom
independence of irrelev
nt
ltern
tive
s (IIA) 220221, 261, 299 kemirip
n 407 Algoritm
13, 65, 286, 290 293, 296, 304
305, 310, 312, 320 321, 357 359, 475
n
lisis numerik 249
ku 357
erul
ng 310
d
s
r 285, 367 DEsopo 286 287 Di
l 298, 310 Dijkstr
286 287 du
k
li lew
t 297 F
r
nk Wolfe 311, 320 321, 323, 345 347, 349, 358359 Hitchcock 347 KPS 325 metode
r
t
r
t
311 Moore 286 287 multiproporsion
l 384 pem
e
n
n keseim
ng
n 345 pe
m
e
n
n
erul
ng 326, 473 pem
entuk
n pohon 285 Alinyemen horizont
l 108 vertik
l 108 All or nothing 284, 303, 310, 435, 438, 461
erul
ng 396 Altern
tif peme
c
h
n m
s
l
h 518 528 An
lisis
ngkit
n perger
k
n 124, 151 D
mp
k L
lulint
s (
And
ll) 527 528, 533 550 D
mp
k L
lulint
s BNI City 547 D
mp
k L
lulint
s Pondok
Ind
h M
l 547 D
mp
k L
lulint
s D
n
y
s
City 547 inter
ksi sistem 31 j
ring
n
334 341 k
tegori 143, 146, 148, 152 ke
utuh
n
k
n perger
k
n 466 467 kelem
g
n 535 kemirip
n m
ksimum 373 kinerj
j
ring
n j
l
n 479 kinerj
sistem tr
nsport
si 535 kl
sifik
si g
nd
149 kl
sifik
si sil
ng 143, 150
ku
dr
t terkecil line
r 373 mengen
i D
mp
k Lingkung
n (Amd
l) 534 pem
i
y
n 53
5 pemilih
n rute 282 potensi k
w
s
n 498 regresi 117, 130, 134, 143, 150, 152 15
3, 214, 257 regresi line
r 50, 119, 124, 143, 189 190, 246 248, 263, 265, 301, 3
52 355 regresi line
r
erg
nd
119, 126 127 residu
l 119 ru
s terpilih 287 siste
m j
ring
n 535 sistem kegi
t
n 535 sistem perger
k
n 535 uji kepek
n 267 269 v
ri
nsi 119 An
logi fisik
207, 209 hukum gr
vit
si 176 Angkut
n
r
ng 112
r
n
g
nt
rkot
472
r
ng region
l 254
us umum 441 j
l
n
j
507 j
l
n r
y
507 k
ot
(
ngkot) 555 m
ss
y
ng terp
du 517 pri
di 227, 441 442 umum 428, 492 umum
c
ptive 236 Ant
rmod
509 Ant
rzon
373 Are
Licensing Scheme (ALS) 531 Tr
ffic
Control System (ATCS) 523 Arus
e
s 54 jenuh 45, 53 54, 69 70 l
lulint
s 31 l
l
ulint
s din
mis 40, 45 46, 58, 60, 303
rus l
lulint
s r
t
r
t
335 341 l
lulin
t
s st
tis 476, 478 m
ksimum 275 ATCS (Are
Tr
ffic Control System) 371, 475 479
Atri
ut 271, 275
ltern
tif 243
i
y
253 mod
251 pel
y
n
n tr
nsport
si 254 p
erger
k
n 250 ru
s j
l
n 278 sektor industri 112 sosi
l 152 sosio ekonomi 112, 1
15
615
sosio ekonomi y
ng
er
sis zon
123 zon
tuju
n 220 Autom
tic tr
fffic counters
484 490 B
tch, proses 426 B
li 190, 469, 498 B
ndung 1, 25, 39, 132, 195, 369,
472, 490, 523, 551, 553, 555 Kot
m
dy
d
n K
up
ten 330 341, 443 460, 472 B
ng
d
29, 501 B
ngkit
n d
n se
r
n perger
k
n 44 B
ngkit
n d
n t
rik
n perger
k
n
40 41, 84 85, 135, 372, 538 B
ngkit
n
r
ng d
n kend
r
n 133 134 l
lulint
s 42
, 152, 546 548 penump
ng 133 134 perger
k
n 40, 44, 58 59, 71, 111 113, 116 117,
123 124, 130 132, 143, 145, 147 149, 152, 154 perger
k
n
er
sis rum
h 185 per
ger
k
n
er
sis zon
118 B
ny
k rute 294, 296 B
pped
29, 109, 479 480, 485 490
, 501, 516 B
ppen
s 29, 487, 501 B
t
s
dministr
si d
er
h 91
l
mi 91 d
er
h k
ji
n 89, 91 92, 108, 222 konvergen 420 kordon 428 m
rgin
l
ris 388 m
rgin
l ko
lom 388 sensus 91 tot
l
i
y
207 zon
91 92, 466 B
t
s
n
s
l tuju
n 173
ngki
t
n d
n t
rik
n perger
k
n 166 167
ris 376
i
y
208 k
p
sit
s 284 k
p
sit
s m
utl
k 301 kolom 376 komput
si 374 l
lulint
s 8 m
kro 202, 417 model gr
vity 189
pers
m
n 177 w
ktu perger
k
n untuk
ngkut
n
r
ng 531
ngkit
n 157 k
p
sit
ktu
l 236
rus 272, 274, 303, 306
sur
nsi 97, 99, 288, 506
t
s kerus
k
n
r
ng 506
h
n
k
r 503
n 289 g
u
ng
n 34, 89, 96, 160, 227, 235, 239 240, 282, 285, 287 288 kecel
k
n 288 konsum
si
h
n
k
r 97 konsumsi miny
k pelum
s 97 m
rgin
l 323 m
rgin
l per
ik
n 105
m
rgin
l produksi 270 minimum 318 o
jektif 294 oper
si kend
r
n
97 98 pemeriks
n 506 pengep
k
n 506 penggun
n j
l
n 324 penyusut
n 97, 99 per
ger
k
n 160 perger
k
n g
ung
n 239 perj
l
n
n 288, 373 perj
l
n
n
nt
rzon
181
, 281 perkir
n
n 186 187, 276 ru
s fiktif 346 rute optim
l 322 rute tid
k optim
l 322 servis
pintu ke pintu 507 su
jektif 294 t
m
h
n 95 termin
l 506 tr
nsfer 95, 507 tr
n
sit 504 505, 507, 554 tr
nsport
si 271 (w
ktu) perj
l
n
n
nt
rzon
281 Bin
M
r
g
29, 97, 479 480, 485 490, 501, 520, 526 Biro Pus
t St
tistik 109, 127 Bot
ek
492, 494, 516, 518, 554 Box Cox tr
nsform
si 216 217, 435, 439 invers tr
nsfor
m
si 216 BPN 14 BPP 516 BPP Teknologi 495 Bregm
n, metode keseim
ng
n 173 met
ode penyeim
ng 178 Brillouin, ukur
n inform
si 385 Burrell 326, 435 metode 43
6 teknik 461 teknik stok
stik 436 Bus terp
ndu 551 priorit
s 525 C
ptive 45 C
r pooling 532
616 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
CATS (Chic
go Are
Tr
nsport
tion Study) 213 C
sc
de, metode 291, 297 Cekung 209
Celuk
n 109 Cem
ung 209, 218, 318 Ciri d
s
r perenc
n
n tr
nsport
si 13 20 f
s
ilit
s mod
tr
nsport
si 229 ke
utuh
n
k
n tr
nsport
si 5 6 kot
t
u zon
230
perger
k
n 229 perger
k
n sp
si
l 15, 18 20 perger
k
n tid
k sp
si
l 15 18 perm
s
l
h
n tr
nsport
si 5 9 sistem j
ring
n tr
nsport
si 38 sistem pr
s
r
n
tr
nsp
ort
si 7 sistem tr
nsport
si 287 sosio ekonomi 374 CONTRAM 329 D
er
h industri 4
1 k
ji
n 87 93, 221, 371, 428, 466, 477 ped
l
m
n 491 peny
ngg
492 perkot
n 49
0 491 pus
t
isnis (DPB) 548 y
ng terpeng
ruh 538 D
n
y
s
City 548 D
rwin Fohle
r, metode Mek
nik
St
tistik 209 D
t
greg
t
er
sis zon
142
er
sis rum
h t
ngg
230
er
sis zon
112, 141, 258 ketep
t
n 104 MAT p
rsi
l 200 p
ngk
l
n
366, 438 p
rsi
l MAT 419 prior 199 D
vidson 48 pers
m
n 49 D
y
t
rik 169 DB
s
e III 426 DCGR 180, 185 186, 189 190 Definisi 274, 406 d
l
m pemodel
n 12 M
n
je
men Ke
utuh
n
k
n Tr
nsport
si (MKT) 529 pus
t zon
93, 223 sistem zon
428, 43
1 432 Deng
n peru
h
n kecep
t
n sec
r
perl
h
n 304 Deng
n
t
s
n
ngkit
n (P
CGR) 180 Deng
n
t
s
n
ngkit
n t
rik
n (PACGR) 180 Deng
n
t
s
n t
rik
n (AC
GR) 180 Deng
n du
t
s
n (DCGR) 157 Deng
n s
tu
t
s
n (SCGR) 157 Dep
rtemen
Pekerj
n 139 Deret T
ylor 205, 321, 422 DEsopo,
lgoritm
286 287 Detektor 525
Detroit 130, 132, 157, 435 metode 165, 170 171, 242 Detroit Metropolit
n Are
T
r
ffic Study 170 Di
l
lgoritm
298, 310 metode pem
e
n
n 296, 313 modifik
si
model 299 Dijkstr
,
lgoritm
286 287 Dimensi sp
si
l (ru
ng) 159 Din
mis 22 f
enomen
478 Din
s L
lulint
s Angkut
n J
l
n (DLLAJ) 485 490, 511 L
lulint
s Ang
kut
n J
l
n Tingk
t II 511 Pers
mp
h
n 526 Pert
m
n
n 526 T
t
Kot
14, 485 490,
526 Pend
p
t
n D
er
h 14 Direktor
t Cipt
K
ry
526 Jendr
l Bin
M
rg
480 Disk
ret 149 Dispersi 435 436 Dispersi pemilih
n mod
239 Divergen 421, 473 DKI J
k
r
t
1 2, 18 19, 25, 35, 39, 67, 100, 132 133, 255, 371, 441 442, 468, 498 499, 51
5 516, 518 521, 523, 528, 532, 541, 553 554, 557 DLLAJ 29, 441, 479 480, 501 502
, 516, 518, 526 d
er
h Tingk
t II 557 558 DPRD 515 DPU 516, 522 DTK 480, 516, 51
8 Dukung
n 407 408 Dummy, ru
s 94 Efek
t
s
n k
p
sit
s 285, 288, 324 h
m
t
n
214 intervening 214 IO 375 kem
cet
n 289 komposit 349 stok
stik 284 285, 314 tid
k line
r 141 Ekiv
len, minim
si 203 Ekologi peng
ruh 258 korel
si 257 Ekonome
trik 250 Eksponensi
l 349 el
stis 361 Ekstern
l ekstern
l 92 intern
l 92 Ekstr
pol
si 144, 152 153 El
stisit
s 252, 355 356, 361 ke
utuh
n 251 ke
utuh
n terh
d
p w
ktu d
n
i
y
perj
l
n
n 251 l
ngsung 251, 262 tid
k 273, 355, 357 sil
ng
262 Electronic Ro
d Pricing (ERP) 531 EMME/2 426, 469
Penjurus
617
Entropi 207 m
ksimum (EM) 207, 372, 385 386, 389, 478 mem
ksimumk
n 173 mem
ks
imumk
n ukur
n 173 Estim
si M
triks Entropi M
ksimum (EMEM) 157 Estim
tor kemir
ip
n m
ksimum 478 Evolusi MAT 479 F
ksimili 10 F
ktor
ngkit
n 373 fungsi pem
gi 297 298 h
m
t
n 216 k 224 225 konversi 226, 476, 478, 487 490 koreksi 162, 4
87 490 koreksi
ki
t kek
s
r
n j
l
n 97 koreksi
ki
t kel
nd
i
n 97 koreksi
k
i
t kondisi
rus l
lulint
s 97 koreksi
rus jenuh 70 koreksi
rus jenuh
ki
t
ukur
n kot
(juml
h penduduk) 70 koreksi
rus jenuh
ki
t
d
ny
g
nggu
n s
mpi
ng y
ng meliputi f
ktor tipe lingkung
n j
l
n d
n kend
r
n tid
k
ermotor 70 ko
reksi
rus jenuh
ki
t kel
nd
i
n j
l
n 70 koreksi
rus jenuh
ki
t
d
ny
keg
i
t
n perp
rkir
n dek
t leng
n persimp
ng
n 70 koreksi g
nggu
n s
mping 66 korek
si k
p
sit
s 69 koreksi k
p
sit
s
ki
t
d
ny
tipe lingkung
n j
l
n, g
nggu
n
s
mping, d
n kend
r
n tid
k
ermotor 69 koreksi k
p
sit
s
ki
t pem
gi
n
r
h
62 63 koreksi k
p
sit
s
ki
t le
r j
l
n (FCW) 63 koreksi k
p
sit
s
ki
t g
nggu
n s
mping 62 65 koreksi k
p
sit
s
ki
t g
nggu
n s
mping (FCSF) untuk j
l
n y
ng mempuny
i kere
65 koreksi k
p
sit
s
ki
t ukur
n kot
(juml
h penduduk)
62, 69 koreksi k
p
sit
s
ki
t ukur
n kot
(FCCS) 65 66 koreksi k
p
sit
s
ki
t
d
ny
perger
k
n
elok kiri 69 70 koreksi k
p
sit
s
ki
t
d
ny
perger
k
n
elok k
n
n 69 70 koreksi k
p
sit
s
ki
t
d
ny
rus l
lulint
s p
d
j
l
n mi
nor 69 koreksi k
p
sit
s
rus
e
s
ki
t le
r j
l
n 55 koreksi k
p
sit
s jik
d
pem
t
s medi
n p
d
leng
n persimp
ng
n 69 koreksi k
p
sit
s untuk le
r j
l
n 62 koreksi k
p
sit
s untuk le
r leng
n persimp
ng
n 69 koreksi kecep
t
n
rus
e
s
ki
t g
nggu
n s
mping (FVSF) 54 56 koreksi kecep
t
n
rus
e
s
ki
t le
r j
l
n 54 55 koreksi kecep
t
n
rus
e
s
ki
t ukur
n kot
(FFVCS) 54,
57 koreksi kecep
t
n
rus
e
s untuk j
l
n 4 l
jur 57, 65 koreksi kecep
t
n
r
us
e
s untuk j
l
n 6 l
jur 57, 65 koreksi kecep
t
n
rus
e
s untuk kend
r
n
ring
n 57 koreksi konsumsi miny
k pelum
s terh
d
p kondisi
kek
s
r
n permuk
n 98 koreksi le
r j
l
n 66 koreksi pem
gi
n
r
h 66 koreksi
ukur
n kot
66 ku
ntit
tif 230 peng
li L
gr
nge 381 383 penyeim
ng (BF) 177, 18
4 185, 215, 367, 399, 430 penyesu
i 430 pergeser
n 353 pertum
uh
n 116 proporsi
s
mpel 194, 217 220 proporsion
l 215, 304 s
mpel
c
k 197, 226, 387, 412, 414 s
mpel ser
g
m 412 F
ktori
l 199, 208 F
se hij
u 525 Feder
l Highw
y Administr
tio
n (FHA) 143 Fi
on
cci, metode 420 421 Ford d
n Fulkerson, metode 293 Formul
ku
dr
t terkecil 401 Fortr
n 77 427 Fourier, prosedur tr
nsform
si 299 Fr
ksi 305 p
em
e
n
n ser
g
m 306 pem
e
n
n tid
k ser
g
m 306 ser
g
m 306 308 tid
k ser
g
m
308 Fr
t
r 157 metode 165, 169 171 Fr
nk Wolfe
lgoritm
311, 320 323, 345 34
7, 349, 358 359 metode pem
e
n
n keseim
ng
n 346 teknik 377 Fungsi 12, 83
i
y
356, 360, 400
i
y
rus 276, 278, 318 cem
ung 346 ciri sosio ekonomi 374 d
n turun
n p
rsi
l 423 d
t
sosio ekonomi 373 eksponensi
l neg
tif 178 179, 181,
186, 191, 195, 211, 349, 400, 436 entropi 202, 209, 381, 417 G
mm
199, 200 h
m
t
n 37, 177 179, 181, 373 h
m
t
n perj
l
n
n 254 h
m
t
n eksponensi
l neg
tif
186, 188 189, 234 h
m
t
n p
ngk
t 189 h
m
t
n T
nner 189 hipotesis 408 ke
utu
h
n 348 ke
utuh
n inversi 344 kecenderung
n 199 kemirip
n 192 193, 196 198, 244,
249, 407, 412, 414 kemirip
n s
mpel 244 kemungkin
n 218 kep
d
t
n pelu
ng 191 k
ep
d
t
n pelu
ng g
ung
n 191, 193 ker
p
t
n 196 kesemp
t
n 216, 218 kesemp
t
n
kumul
tif 217 line
r 188 log
ritm
n
tur
l 140, 244 logit 361
618 Ofy
r Z T
min, Perenc
n
n d
n pemodel
n tr
nsport
si
m
nf
n perger
k
n 357, 360 361 se
r
n 196 se
r
n g
ung
n posterior 197 se
r
n logistik Gum
el 243 se
r
n mod
254 se
r
n p
r
meter 198 se
r
n pelu
ng 1
96, 244 T
nner 178, 191, 195, 436 437 tid
k line
r 188 tuju
n 193, 198 200, 316
318, 320 321, 323, 343, 345 348, 357, 376, 382 Fungsi tuju
n g
ung
n 345 tuju
n
metode pen
ksir
n entropi m
ksimum (EM) 417 tuju
n metode pen
ksir
n IB 415 tuj
u
n metode pen
ksir
n IB deng
n inform
si
w
l 199 200 tuju
n metode pen
ksir
n
IB t
np
inform
si
w
l 198 tuju
n metode pen
ksir
n kemirip
n m
ksimum (KM) 195
tuju
n metode pen
ksir
n KM1 410 utilit
s 258, 261, 349, 353 w
ktu 213 Furness
157, 178, 186 metode 165, 171 173, 222, 434 435, 438 tig
dimensi 203 G
l
t 95,
100 101, 104, 114, 124, 145, 161, 166, 174, 278 279, 391, 431 d
l
m pengol
h
n
d
t
225 d
l
m pengumpul
n d
t
225 d
l
m penulis
n inform
si 225 d
l
m pers
m
suk
n 104, 328 menc
t
t 161 mengedit 226 mengidentifik
si kend
r
n 225 pemodel
n metode elimin
si 206 teknik elimin
si m
triks 402 403, 405, 411, 414, 416, 4
19, 423 425 Gelom
ng hij
u 476 Geometrik, dis
in 108 Give w
y l
ne 94 GO 440 GR
440 Gr
fik ter
r
h 93 Gr
fis 478, 480 c
r
77 81 ukur
n 37 Gum
el fungsi se
r
n logistik 243 simp
ng
n
ku 261 H
m
t
n 217
nt
rzon
212 perger
k
n 234
perj
l
n
n 375 tr
nsport
si 177, 235, 287 tr
nsport
si intr
zon
179 H
ri kerj
y
ng dip
d
tk
n 531 H
rv
rd 426 Heuristik, metode 273, 303 Hi
h Bers
ing 254 Hi
er
rki fungsi j
l
n 521, 552 553 j
l
n 94 keputus
n perj
l
n
n individu 242 pemi
lih
n 242 243 Highw
y C
p
city M
nu
l 45 46 Hipotesis st
tistik
407 Hitchcock,
lgoritm
347 Hu
ung
n
rus kecep
t
n 94, 271 272, 274, 279 281, 295
rus w
ktu
tempuh 277, 301, 313
i
y
rus 95, 274 278, 305, 310, 316 319, 322, 377 k
us
l
(tim
l
lik) 463, 495 m
tem
tis Bi
y
Arus 304 Hukum
l
m 175 fisik
Newton 17
7, 179 gr
vit
si Newton 207, 399 gr
vity 72, 176 kemirip
n 407 sosi
lis
si 528
Hym
n metode 187 188, 203 model modifik
si 203
Penjurus
619
IHCM (Indonesi
n Highw
y C
p
city M
nu
l) 62, 66, 69 70, 279, 541 IID 243, 262 I
ndeks
ksesi
ilit
s 37 38 industri 256 kontri
usi sektor industri 254 Tingk
t Pe
l
y
n
n (ITP) 49 50, 53, 78, 542 543 Indik
tor 307, 310 322 non uang 464 uang
465 uji tatitik 432 434, 456 460 Inoneia 490 Bagian Timu 467 Inuti 463,
467, 497, 502 Inutialiai 2, 490 Infeeni Baye 478 inuktif 408 Infomai
awal 415 awal MAT 382 384, 386 Matik Aal Tujuan (MAT) 475 minimum (IM) 385
386 meminimumkan 173, 385 kone 378 Inlet/outlet (gateway) 92, 161, 222, 428
, 466 Ine 4 tahun 1985 505 Intinically linea 420 non linea 420 Intuki
Gubenu Daeah tingkat I 514 516 Keala Daeah (Gubenu) 514 Peien 515 Int
enal intenal 92 Intenet 10, 476 477, 480 489 Intee 118, 123 124, 129, 139,
247 248 eanan 121 Inteval keecayaan 218 Intamoa 509 Intazona 92, 135,
222, 456 460 Inventaiai failita an kebutuhan aki 109 kineja angkutan u
mum 109 aaana jalan 108 waktu temuh 109 Inve 217 tanfomai Box Cox 216
IRMS = Integate Roa Management Sytem 479480, 482 490 ITP 543 544 Jabotabek
492 Jalan anta kota 66 atei 95 96, 280, 362, 443 460 atei, kolekto, lokal
443 460, 463 atei ime 330 341 atei ekune 330 341 beba hambatan 66, 28
0, 351 beba hambatan (tol) i alam kota 520 cii engguna 229
ekii jaingan 441 jaingan 523 kekaaan 97 kolekto ime 330 341 kole
kto ekune 330 341 lingka, lingka Banung, lingka lua 222, 280, 334, 521,
526 lokal 330 341 maka 108 enghubung bau (atei) 521 eningkatan kaaita
526 ebaikan item lamu lalulinta an item aial 521 teoboan 521 tol
280, 526 tol Cikamek Ciebon 352 tol i alam kota Banung 362 tol Gogol Cawan
g Piok 521 tol Paaleunyi 334 tol Soekano Hatta 334 Jalu khuu bu 523, 525
lambat 108 enguman 552 SAUM 552 Jaak ejalanan 229 Jai jai tikungan 108 Ja
ingan 25, 428, 431 432 aa 344 Jaa Maga 100 Jawa Baat 127, 129, 133, 468,
499, 600 Dalam Angka 109 Jembatan enyebeangan 518, 521 JIUTR 100 JUDP (Jakata
Uban Develoment Poject) 441 Jumlah enuuk 133 134 engulangan makimum 312
umah tangga 151 zona 88 Juuan Teknik Siil ITB 227, 254 Kabuaten Cianju 33
1 Gaut 331 Puwakata 331 Subang 331 Sumeang 331 Kajian manajemen tanotai
25 engembangan item tanotai ekotaan 472 tategi 88 tanotai 25
Kalibai 11 13, 135 Kanto, engatuan jam mauk 520 Kaaita 8, 31, 45, 62, 6
9, 95, 271 aktual 66 aa Co 62, 66, 69 jalan 77 oeaional 8 eimangan be
lamu lalulinta 69 akti 277 ua jalan 62, 67, 367 ia eimangan 67, 543
545
620 Ofya Z Tamin, Peencanaan an emoelan tanotai
Kaakteitik iniviu 256 oio ekonomi 254 tanotai baang 255 Kau DKI J
akata 554 555 Kotamaya Banung 555 K tujuan ejalanan 423 424 atu tujuan e
jalanan 422 Kategoi 232 umah tangga 145 Kawaan inuti 22 Pembataan Lalulin
ta (KPL) 512 eniikan 135, 137 ekantoan 137 eumahan 22, 138 KBK Rekayaa
Tanotai 67, 97, 108 Keaaan keeimbangan 271 Kebijakan hai keja tana an
gkutan ibai 531 engembangan item tanotai ekotaan 508510 eningkatan
elayanan angkutan umum 532 eningkatan item aaana tanotai 529 ea
kian 523 524, 538 ekayaa an manajemen lalulinta 520 tategi engembangan
item jaingan jalan 503 tanotai 369 Kebutuhan 270 akan angkutan umum 441,
495, 517 akan jaingan jalan 466 akan aki 524 akan egeakan 9, 23, 163, 25
4, 466 akan item jaingan 164 akan tanotai 7, 25, 29, 150, 156 157, 270 2
71, 519 520, 528 529 tiak elati 346 tuunan 6, 113, 271 Kecamatan 443 460 Kec
eatan 8 au beba aa (FV0) 54, 57, 95, 271, 275 277, 279 au beba aa u
ntuk kenaaan beat 57 au beba aa untuk kenaaan ingan 54, 57 ejalana
n ata ata 540 ata ata 337 341 eaat 95 Kegiatan 25 eakian 67 Kelembaga
an (KLG) 514, 556 Keluahan 443 460 Kemacetan 493, 528 Kemiingan 123 gai eg
ei 247 248 Kemiian 406, 408 makimum 197 amel multinomial 408 409 makimum
(KM1 an KM2) 195, 203, 399, 401, 429 Kemutakhian 372 Kenaaan, emilikan 115
116, 131, 145, 147 149, 151 152 Keaatan aeah emukiman 115 116, 131 aa k
onii macet total 279
eluang 408 eluang awal 386 eluang hail engolahan 386 enuuk 112, 230 eu
mahan 19 umah tangga 131 Keecayaan 405 Keutuan Daeah 515 Dijen 515 Guben
u 516 Mentei 515 516, 518 Peien 515 Keangka keja metoe enakian KM1 41
0 otimai 347 emogaman matematika 273 yang bebai emogaman matematika 3
15 Keangka metoe enakian kemiian makimum jeni I (KM1) 409 411 metoe e
nakian kemiian makimum jeni II (KM2) 411 413 emogaman matemati 209 Ke
eb 108 Keeimbangan 270, 461 otimum engguna muni 324 engguna 366 Pengguna (
KP) 323 Pengguna Stokatik (KPS) 273, 284 oial (KS) 323 item tanotai
342 349 Wao 284 Keematan 212, 216 antaa 211 212, 214, 216 217, 220 kumu
latif 217, 219 Ketiakatian alam fungi tujuan () 359 Kinrja 440 ruas jalan 5
40-543 sistm jaringan 480 Kiss-and-rid 342 Klasifikasi Jaringan Jalan Prkotaa
n, Nomor: 10/BNKT/1991 540 Klasifikasi prgrakan 114-115 silang 143-144, 150 Ko
fisin 12 dtrminasi (R2) 118-120, 126-127, 136, 432-434, 452-460 korlasi 120
, 128 pubah 259 pubah fiktif 141 rgrsi 118-119, 121, 126-128, 130, 132, 355
variasi 125 Kombinasi cmbung 216 modl R 441 Komit kskutif 24 pngarah tkn
is 24 prwakilan masyarakat 24 Komoditas gabungan 439 lima- 440
Pnjurus
621
Komputr 16 bit 427 8 bit 427 jinjing 10 portabl 425-426 pribadi 206 Kondisi ar
us-bbas 48, 274, 305, 310, 312 dngan tindakan pnanganan 471 ksimbangan 72,
270-271, 273, 305, 314-315, 320, 346 ksimbangan jaringan jalan 271-272 ksimb
angan jaringan multimoda 272 ksimbangan sistm 272 ksimbangan-Wardrop 302-30
3, 307, 311, 315, 320-321, 330-341, 487-490 ksimbangan-pngguna 315 ksimbanga
n-sosial 324 optimum-sosial 324 pmbbanan ksimbangan 376 pmbbanan-brlbih
276 tanpa tindakan pnanganan 470 Konsp Asal dan Tujuan 114 batasan-kapasitas 2
73 biaya gabungan 96-100, 230, 278 biaya marginal 276 dasar pluang 57, 258, 397
-398 ntropi-maksimum 378 gravity 176, 389 informasi 378 kmungkinan 378 ksimb
angan-Wardrop 270, 355 Ksimbangan-Sosial (KS) 273 Manajmn Kbutuhan akan Tra
nsportasi (MKT) 528-533 pmbbanan ksimbangan 320 pmbbanan-lastis 355 pmod
lan 82-110 prncanaan transportasi 40, 60-61 prncanaan transportasi mpat ta
hap 466 sistm transportasi intgrasi antarmoda 13 utilitas 256 Konstanta 126-12
7, 176, 193, 195, 198, 406, 409 rgrsi 119 k 193 normalisasi 196, 198-199, 415
pnjumlahan 407 prkalian 407 rgrsi (intrsp) 118, 126, 130 Konsumsi bahan ba
kar (KBB) 97 dasar minyak plumas 98 minyak plumas 97 Kontur 4 fungsi kmungkin
an 376 Konvrgn 178, 304, 306-307, 311, 321, 325, 421-422, 424, 473 konvrgnsi
184, 188, 205-206, 284, 303, 310, 317, 320, 322, 325-326, 359-360, 367, 461 Kor
lasi 121, 128 Kota baru mandiri 520 klayakan jalan tol dalam- 472 Rading (Ing
ris) 384
Ripon 431, 437-438 satlit 520 prncana- 31 Kotamadya Bandung 330-341, 362, 368
, 371, 476-479, 499, 509-510, 513, 520-523, 551, 555 Kovariansi 384 Kritria km
iripan-maksimum 382 konvrgnsi 322, 359-360, 377, 382 KTB-Kndaraan Tidak Brmo
tor 532 KTL 430 KTTL 195, 419, 440, 474 KTTLB 419, 435, 440, 474 Kuadrat-trkci
l-linar (KTL) 401 Kuadrat-trkcil-tidak-linar (KTTL) 401 Kuadrat-trkcil-umu
m-dngan-batasan (KTUDB) 375 kuadratis, cara intrpolasi 203 kumulatif-ksmpata
n 221 Kurva biaya-arus 276-278, 317-318, 345 divrsi 231, 233-234, 349-351 divr
si mpiris 238 divrsi modl 235 divrsi nisbah waktu tmpuh 350 divrsi waktu t
mpuh 350 isocost 252 kbutuhan 343-344 kcpatan-arus 274, 278 pmbbanan-last
is 363 pmilihan moda 231, 252 sbaran 179 Laboratorium Rkayasa Lalulintas 227,
254 Lagrang faktor pngali- 381-383 mtod pngali- 317, 381, 383, 410 pngali
- 208, 317, 380 prsamaan- 207, 507 prosdur pngali- 377 tknik- 346 Lahan loka
si parkir 539 intnsitas tata guna- 43 Lajur Khusus Bus (LKB) 95, 512, 517 Lalul
intas 58 intrnal 162 mnrus 88, 92, 222 satu arah 472 pngaturan waktu lampu545 pngndalian- 108 standarisasi bangkitan dan tarikan- 134 Langsung 217, 250
-kuasi 250 LAPI-ITB 97 Laplac 405 Lbar bahu jalan fktif (WS) 56 Lmbaga Pn
litian (LP) ITB 67 Lvl of Srvic = LOS 8 Lwat -maju 298 -mundur 298 Linar 1
34 -ksponnsial 134 korlasi- 119 -logaritmik 134
622 Ofyar Z Tamin, Prncanaan dan pmodlan transportasi
-pangkat 134 pross transformasi- 188 Lingkungan 528 pncmaran- 369 Logaritma k
miripan 407 natural 198-200, 246, 415 jnis- 376 Logit 235, 238 -binr-nisbah 2
66 formulasi- 297 Lotus-123 426 Lowry, modl 36, 70 LRT 330 Mahr, modl 386 Mai
nfram 425 Makroskopik 534 Manajmn angkutan prkotaan 509 Kbutuhan akan Trans
portasi (MKT) 529 lalulintas 8, 26, 30, 156, 512 transportasi 523 Manual Plaksa
naan 479, 481, 489-490 Tknis 447, 449, 489-490 Masalah agrgat 227 kurang-trsp
sifikasi 393-394 multikolinar 141 multi-proporsional 382 optimasi cmbung 366
pmbbanan ksimbangan-tidak-lastis 357 pmbbanan-brlbih 355, 368 pmilihan
moda 228 pmrograman-kuadrat 374 prhitungan arus lalulintas 392 transportasi d
i ngara sdang brkmbang 490, 558 transportasi prkotaan 503 MAT 156, 162-168,
170-176, 187, 195, 197, 200, 215, 224-225, 271-272, 278-284, 292, 295, 304-305,
310, 326-330, 330-341, 362, 370-372, 377, 383, 390, 398399, 413-436, 439-444, 4
46-460, 477-478, 480-489 24-jam 224, 281 6-jam 224 brurut 376 dinamis dan waktu
-nyata 477-478 jam sibuk pagi 224 ktlitian- 225 ktpatan- 226, 437 pada jam s
ibuk 281 parsial 200, 204, 371, 418, 436 rgional 480-489 targt 377 trurut 215
waktu-nyata 477-479, 482-490 Matriks akssibilitas 428 Asal-Tujuan (MAT) 142, 1
55, 157, 231, 330-341, 371 brdimnsi dua 155, 157 biaya 215 klasifikasi silang
149 kovarian 257 parsial 174
prgrakan 155 prmintaan prjalanan ttap 273 sbaran prgrakan 202, 381 varia
nsi-kovariansi 375 MCA 150 Mclynn, modl 251-252 Man Absolut Error (MAE) 432-4
34 Mkanika statistika 207 Mso 207 Mtod langsung 225 stokastik 284 algoritma
Powll 421 all-or-nothing 284, 293, 298, 313, 330-341, 395-396, 398, 436, 487-49
0 all-or-nothing-brulang 303-304 analisis dampak lalulintas (Andall) 535 analis
is katgori 143, 147 analisis kuadrat-trkcil-tidak-linar 373 analisis langkah
-dmi-langkah tip 1 dan 2 126, 129 analisis rgrsi-linar 122-123, 188-190 ana
lisis rgrsi-linar-brganda 119, 121, 132 analogi 154, 157, 164-165, 173-175,
186 batasan-kapasitas 284, 384 Burrll 436, 487-490 Cascad 291, 297 coba-coba 1
27 dngan-batasan-bangkitan 166-167 dngan-batasan-tarikan 166-167 dngan-dua-ba
tasan 165, 167-173 dngan-satu-batasan 165-167 Dtroit 165, 170-171, 438 limina
si auss-Jordan 206 ntropi-maksimum 201, 209 faktor prtumbuhan 111, 117, 222,
434, 438 Fibonacci 420-421 Ford dan Fulkrson 293 foto udara 157, 163 Fratar 165
, 169-171 Furnss 165, 171-173, 222, 434-435, 438 huristik 273, 303 Hyman 187-1
88, 203 IB 196 intraksi prsimpangan 329-330 itrasi-ord-prtama 420-421 jarin
gan-dawai 293 kalibrasi hibrid 421-422 kalibrasi Nwton-Raphson 205-206 kmiripa
n-maksimum (KM) 195 ksimbangan 284 ksimbangan Brgman 173 ksimbangan-dnga
n-batasan-kapasitas 395, 398 klasifikasi silang 143-144 konvnsional 154, 157, 1
61-164, 225, 369, 390, 475476, 480 KTL 402 kuadrat-trkcil (KT) 118, 124, 399 k
uadrat-trkcil (KTTL dan KTTLB) 191, 195, 204, 438 kuantitatif 26 Lagrang 317
langkah-dmi-langkah 135 langsung 154, 157, 161, 163 MAT 157 Mkanika-Statistik
Darwin-Fohlr 209
Pnjurus
623
mnggunakan bndra 157, 162-163, 369 mnggunakan foto udara 369 mngikuti-mobil
157, 163 Mont Carlo 295 Nwton 461 Nwton-Raphson 205, 191, 194, 201, 203-204,
245, 402, 405, 411, 413, 416, 418- 424, 473 nilai rata-rata (Darwin-Fohlr) 209
optimasi dua-tingkat 278 pmangkasan matriks prgrakan 156, 273, 356, 363-366,
368 pmbbanan rut 395-396 pmbbanan all-or-nothing 291, 321 pmbbanan dnga
n matriks prmintaan prgrakan lastis 273 pmbbanan Dial 296, 313 pmbbanan
ksimbangan Frank-Wolf 346 pmbbanan ksimbangan-lastis 356-359, 361, 366 p
mbbanan matriks 312 pmbbanan stokastik dngan batasan-kapasitas 310 pmbban
an tidak-lastis 362, 365, 367 pmbbanan-banyak-rut 313 pmbbanan-brpluang
313-314 pmbbanan-brtahap 273, 304-309, 305-306, 308, 487-490 pmbbanan-brul
ang 273, 310-312, 325, 473 pmbbanan-lastis 368 pmbbanan-ksimbangan 473 p
mbbanan-ksimbangan-pngguna 366 pmbbanan-kuantal 273, 312-313 pmilihan rut
280-288 pnaksiran 401-402, 420, 436, 440 pnaksiran ntropi-maksimum (EM) 201
-203, 371, 402, 416-418 pnaksiran Infrnsi-Bays (IB) 195, 198, 201, 371, 401,
414-416 pnaksiran IB tanpa informasi awal 199 pnaksiran IB untuk MAT parsial
200 pnaksiran kmiripan-maksimum (KM) 191-195, 199, 204, 243-245, 248-249, 299,
371, 376, 401, 405413, 418 pnaksiran kmiripan-maksimum jnis I (KM1) 192, 409
, 412 pnaksiran kmiripan-maksimum jnis II (KM2) 194, 412-413 pnaksiran KM un
tuk MAT parsial 204 pnaksiran KT dan KTB 402 pnaksiran KTL 403-404 pnaksiran
KTTL 191-192, 204, 402-3404, 418 pnaksiran KTTL untuk MAT parsial 204 pnaksira
n KTTLB 418 pnaksiran kuadrat-trkcil (KT) 51, 190-191, 371, 401, 402-405, 429
pnaksiran kuadrat-trkcil-brbobot (KTB) 402 pnaksiran kuadrat-trkcil-lin
ar (KTL) 402-404, 473 pnaksiran kuadrat-trkcil-tidak-linar (KTTL) 373, 402,
404-405 pnaksiran MAT 371, 373 pnaksiran rgrsi-linar 245-246 pnaksiran tr
baik 441 pncarian-brurutan (Simplx) 420 pncarian-kuadratis (Powll) 420 pnc
arian-langsung (Fibonacci) 420
pngali Lagrang 381, 383, 410 Pngamat Brgrak 288 pngulangan baku 320 pnuru
nan-koordinat-siklus 388 pnyimbang Brgman 178 pnyusunan mikro 207 prubahankcpatan-scara-prlahan 304 proporsional 284, 396 rata-rata 165, 168-171 ratarata-brurutan 311 sdrhana 187 sragam 165-166, 169-170 Simplx 421-422 sintt
is 154, 157, 164, 174-176 stokastik 326, 328, 487-490 Survi Lalulintas dan Tran
sportasi 108 survi mnggunakan bndra 226 survi pngumpulan data 161 tanpa-ba
tasan 165-166 tidak-konvnsional 154, 157, 225, 370, 397 Tidak Langsung 154, 157
, 161, 163-164, 225-226 tidak-proporsional 284, 396 Whiting dan Hillir 293 Micr
oTRIPS 426-427 Mikrokomputr 206 Mikroskopik 534 MINITRAMP 426-427 MKT 530 Mobil
itas 29, 31-32, 34, 491, 493, 497, 499, 508, 528 Moda abstrak 254-255 angkutan u
mum 227 fiktif 253 prtukaran- 505 spsifik 254 transportasi jalan raya 228, 550
transportasi krta api 550 Modl 3 kmiripan-maksimum 125 2-dimnsi 83 abstrak
250 ACR 183 agrgat 176, 230, 257 all-or-nothing 272, 289-293, 296, 300, 306-3
07, 313 akhir 185 analisis coba-coba 130 analisis katgori 230 analisis langkahdmi langkah tip 1 dan 2 128-129 analisis rgrsi 117-121, 125, 134, 232 analis
is-rgrsi brbasis zona 124 arsitk 82 arus jnuh 69 ASRC 250 awal 184-185 bang
kitan dan tarikan lalulintas 135, 270 bangkitan dan tarikan prgrakan brbasis
rumah tangga 111 bangkitan dan tarikan prgrakan brbasis zona 111 bangkitan p
rgrakan 61, 111-112, 114, 122, 142, 153, 232, 250, 253, 262, 467 bangkitan prg
rakan brbasis individu 151 banyak-rut 293, 296 batasan kapasitas 301, 303, 31
4 brbasis data rumah tangga 141, 151 brbasis individu 151
624 Ofyar Z Tamin, Prncanaan dan pmodlan transportasi
brbasis zona 121, 141 brdasarkan informasi arus lalulintas 157 Burrll 293-295
DCR 184-185 dngan-batasan-bangkitan 158 dngan-batasan-tarikan 158 dngan-dua
-batasan (DCR) 158, 180 dngan-satu-batasan (SCR) 158, 180 Dial 293, 296, 325
dinamis 85, 475 disagrgat (DM) 257 DO 218 lastisitas-langsung 262 lastisitassilang 262 EMEM 364, 366-367, 382-384 ntropi-maksimum 125 EO 218 Estimasi Kbut
uhan Transportasi (MEKT) 157 Estimasi-Matriks-Entropi-Maksimum (EMEM) 363, 378-3
84 faktor prtumbuhan 116-117, 186, 223 fisik 4, 82-83 Furnss 439, 469 gravity
jnis DCR 349 nralisd Powr 214 O 218, 220-221, 375-376, 397, 405, 410, 41
3, 416, 433-434, 439-441, 451-460, 473-475 R jnis dngan-dua-batasan (DCR) 18
7, 400 grafis 4 gravity (R) 37, 154, 157, 176, 185-190, 195-201, 207, 209-214,
218-225, 233-234, 250, 254, 372-378, 381, 399, 403, 416, 435-440 gravity brfung
si hambatan Tannr 189 gravity dngan-dua-batasan (DCR) 223, 400 gravity dngan
-satu-batasan (SCR) 223, 349 gravity-opportunity (O) 154, 157, 212-221, 223, 3
72, 397, 401, 404, 451-460 Informasi-Minimum (IM) 384-385 intrvning-opportunit
y (IO) 154, 210, 212, 214, 375, 451-460 IO jnis ksponnsial 376 jaringan 330-3
41 jnis gravity 474 jnis I 232-233 jnis II 232-233 jnis III 233-234 jnis IV
234-235 JICA 352 kbutuhan akan transportasi 90, 371, 378, 393, 431, 435 kbutu
han-langsung 227, 250-256, 372-375, 475 kmiripan-maksimum (KM) 387-389 ksimba
ngan 314, 326 Ksimbangan Pngguna Stokastik (KPS) 324 ksimbangan Wardrop 304
kprcayaan awal 386 klasik 143-149 kofisin rgrsi 130 kombinasi sbaran pr
grakan dan pmilihan rut 378 kombinasi sbaran prgrakan-pmilihan moda (SPPM
) 227, 238-240, 347, 370, 398-400 komplksitas- 104 konstanta rgrsi 129 kontm
porr 11
kontur ktinggian 83 konvnsional 391 kuadrat-trkcil-linar-brbatas 373 kuant
itatif 463 kurva divrsi 273, 349-355 lahan 115-116 LM 261 LO 218 logit-binr 22
7-228, 242-243, 245, 248, 262 logit-binr standar 301 logit-binr-nisbah 245-248
, 248, 262, 265-268 logit-binr-slisih 245-247, 248, 262, 265-268 logit-binomia
l 345, 347, 353-354 logit-multinomial (LM) 228, 261-262, 399-400 log-linar 383
Lowry 36, 70 makt 4, 82 maksimum 379 Mahr 386 matmatis 4, 84 Mclynn 251-252 m
iniatur 4, 83 minimum 367 moda spsifik 254 MODCOST 389 modifikasi Hyman 203 nis
bah 245 nisbah-t 139 opportunity (OP) 157, 223, 435, 439-440, 474-475 opportunit
y jnis gabungan 218 opportunity jnis invrsi (IO) 218 opportunity jnis langsu
ng (DO) 217 opportunity jnis logaritma (LO) 218 opportunity jnis ksponnsial
(EO) 218 PCR 182-183 pluang 258 pmbbanan 274 pmbbanan all-or-nothing 346 p
mbbanan rut 275 pmbbanan-brulang 316, 487-490 pmilihan diskrt 111, 113,
228, 256-261, 257, 259, 261 pmilihan moda 61, 227-269, 228, 230-231, 233, 236-2
37, 253, 270 pmilihan moda brhirarki 227, 248 pmilihan moda prtukaran-prja
lanan 227, 230-231 pmilihan moda ujung-prjalanan 227, 230 pmilihan multimoda
227, 240-242 pmilihan rut 61, 270, 274, 282, 285, 288-289, 349, 368 pnaksiran
dngan kmiripan-maksimum 192 pndkatan matriks prmintaan ttap 365 prncana
an transportasi 206, 228 Prncanaan Transportasi Empat Tahap (MPTEP) 40, 61, 16
4 prilaku-kbutuhan-akan-transportasi 300-301 prkotaan 36 pta 83 pta dan dia
gram 82 pubah bbas (atribut) 120, 228 pubah tidak bbas 120 rgrsi brbasis
rumah tangga 135-139 rgrsi brbasis zona 121-122 rgrsi-linar 139, 143 rgr
si-prkalian 352-355
Pnjurus
625
tambah utama 478 tingkat prtumbuhan 169 waktu 96, 99-100, 160, 288 waktu dasar
100 waktu tundaan 493 Nisbah antara tarif tol/slisih waktu tmpuh 353 biaya pr
jalanan 354 kmiripan 406-407 ksmpatan fungsi 221 tingkat playanan 235 Volum
pr Kapasitas/NVK 46 waktu tmpuh 234 Normalisasi 215-216, 221 Normalisd Man
Absolut Error (NMAE) 432-434, 452-460 North Yorkshir County Council (NYCC) 431
Notasi 274 Numrik/grafis 477-478, 480 NVK = Nisbah Volum pr Kapasitas 97, 35
5, 364, 368, 470-471, 479, 540-542, 545, 549-550 N-Way, struktur 240-241 OECF 51
9 Optimasi dua-tingkat 278 Organda 29, 501 Origin-Dstination Matrix (O-D Matrix
) 369 Outlt 161, 222, 466 P10 428-429 P20 4286- 429 P40 428-429 P50 428-429 PAC
R 180 Pakt program 206, 327, 427 MOTORS 427-429 pmrograman-kuadrat 375 SATURN
330-341, 357 PAM (Prusahaan Air Minum) 527 Pangkat 179, 186 Pangsa 251 pasar 2
62, 265, 267, 269 Paramtr 12, 85 Box-Cox 438-439, 474 disprsi 294 295 elati
360 kebutuhan tanotai 80 oio ekonomi 128, 133, 371 Pak an ie 342, 52
4 Paki beuut 68 i baan jalan 5, 517, 522, 524 bangunan temat 524 Paang
an antazona 269 zona aa*l tujuan 360 Paati, jembatan 522 PCGR 180, 182, 185
186 PDRB 100, 133, 254, 255 inuti 256 e kaita 100, 133 134, 255 ekto in
uti 256 total 256 Pejalan kaki 108, 236, 523, 548
Pelatihan 479, 481, 527 Pelita 498 Peluang 405, 408 gabungan 194, 197 gabungan
oteio engan infomai awal 199 invei 4053 matemati 406 ebaan 202, 207,
416 ubjektif 196, 414 Pemangkaan matik egeakan 364, 366 Pemangkatan 140
Pemantauan an evaluai 27 Pembangkit lalulinta 31 Pembangunan Jangka Panjang (
PJP) taha I 462, 496 Pembangunan jaingan jalan bau 493, 520 521 Pembataan la
lulinta 23, 523 Pembebanan all o nothing 287, 296, 304 305, 310, 320 321 banya
k ua 287 banyak ute 313 bataan kaaita 314, 322 beeluang 287 elati 343
keeimbangan 273, 319, 360 keeimbangan lanjut 326 330 keeimbangan elati 345
keeimbangan engguna tokatik (KPS) 324 326 keeimbangan oial (KS) 323 324
keeimbangan tiak elati (teta) 356 konii keeimbangan 438 MAT 272 belebi
h 273, 363, 368 beeluang 313 betaha 305, 314, 396 beulang 396 elati 3
56, 362 363, 366 tiak elati 359, 362 363 Pembentukan ohon 284 286 Pembooa
n bahan baka 493 waktu (tunaan) 493 Pemecahan keeimbangan engguna 324 Pemei
ntah Daeah (Pema) 29, 501, 511, 514 Pemilihan ute 58, 85 bine 238 moa 494 m
oa tanotai 31, 40, 44 45, 58, 60, 84 85, 250 moa tanotai an ute 72
enekatan moel 9 11 eubah beba 230 ute 31, 40, 45, 58, 60, 84, 96 ute to
katik 285 Pemoelan agegat 240 analii egei linea 111 bebai umah tang
ga 135 bekala ekotaan 175 bekala egional 175 kebutuhan akan tanotai
370 371 emilihan iket 228 emilihan moa 228, 249, 273 emilihan ute 281, 4
61 egeakan angkutan baang 438 egeakan kenaaan ekotaan 434 438
626 Ofya Z Tamin, Peencanaan an emoelan tanotai
ute atau lokai 530 531 waktu 530 531 Peguuan tinggi 135 136 Peilaku agegat
iniviu 242 ejalanan 37 tokatik engan keeimbangan 325 tiak linea 140 P
ejalanan antaaangan 253 bebai temat tinggal 15 intazona 395 Pekiaan b
angkitan egeakan 166 taikan egeakan 166 167 Pemaalahan 526 527 alam e
nggunaan ata au lalulinta 392 394 multi ooional 382 embebanan lalulint
a 320 embebanan MAT 272 emoelan emilihan ute 272 akti 221 ogam matem
atik 320 tiak linea 404 tanotai ekotaan 3, 490 495, 558 tanotai e
gional 495 500 Pemintaan tunggal 360 Pemukaan beimeni ua 214 Pemukiman 54
8 kumuh 492 tanmigai 7 Peutakaan 41 Peamaan bata 215 biaya au 307 Da
vion 49 kemiian makimum tiak linea 299 kebutuhan tanotai 76 77 Laga
nge 207, 507 linea imultan 206, 395, 397, 403, 422 424 aaana tanotai
74, 77 egei eubah tunggal 134 egei begana 134 imultan 205, 245, 379, 4
00, 402, 405, 411, 413, 416, 419, 422 imultan linea 423 item aaana tan
otai 76 waktu au 302 Peimangan 62 belamu lalulinta 69 70 tiak belam
u lalulinta 69 tiak ebiang 521, 545 Petimbangan ubjektif 414 ubjektif (
io) 197 Peubahan au aa ua alu 360 biaya aa ua alu 360 maginal
262 keceatan ecaa ceat 304 keceatan ecaa elahan 304 Peumahan 135 136
BTN 135 Peumna 135
Peuahaan Ai Minum (PAM) 526 Litik Negaa (PLN) 526 Peta kontu 83 tata guna
lahan 83 toogafi 83 Peubah 12, 101, 151, 406 acak 194, 196 197, 260, 387, 414
agegat 122 atibut tujuan 216 beba 12, 71, 85, 105 106, 117 120, 122, 124 135
, 139 140, 149, 175, 205, 228, 247 248 beba oio ekonomi 132 iket 394 fikti
f 140 142 gabungan 250 emilikan kenaaan 233 oio ekonomi 232, 337 tiak beba
12, 71, 117 120, 122 126, 128, 133 134, 139, 149, 175, 214, 247 248, 373 total
122 PJP taha I 475 taha II 497 499 PLN 527 Pohon 179, 284, 291 biaya minimum
310, 320, 358, 428 biaya ejalanan minimum 325 keutuan 238 enguaian 287 u
aian 179 Poion 194, 197 ebaan 194, 197, 199, 387, 412 414 ebaan acak 41
1 Pola kebutuhan akan tanotai baang 255 enyebaan aeah ekantoan 19
enyebaan aial 19 egeakan 155, 159, 164 ejalanan 17 ejalanan baang 20
ejalanan oang 19 ejalanan ekolah 16 etumbuhan item kota 465 ebaan
egeakan 384 aial 42 43 tata guna lahan 19 20, 22 vaiai haian 17 Polanta
14, 29, 479 480, 485 490, 501 502 Pola 516 Polui 493, 528 uaa 369 uaa 369
Poulai 116, 133 Potongan melintang 108 PP Nomo 22 Tahun 1990 516, 518, 557 P
PD 441 Paaana 500 jaingan utilita 526 eningkatan kaaita 521 523 Tan
otai (PT) 228, 519 423, 556 Peict an event 529 Peict an ovie 529
628 Ofya Z Tamin, Peencanaan an emoelan tanotai
Pini aa 395 entoi 176 kemiian makimum 299, 407 keeimbangan I Wao
316, 318, 323 keeimbangan II Wao 323 keeimbangan Wao 272, 314, 328, 3
76 Wao 272, 313, 315, 323, 342 Pioita angkutan umum 525 526 bu i eim
angan engan lalulinta 525 Pobabilita gabungan oteio tana infomai awa
l 198 Pouki 270 Naional Koto 498 Pofil embebanan 110 Pogam invetai 9
komute 371, 425, 428 440 matematika tunggal 474 otimai 378 SATURN 366 TRANSY
T 342 Poini Jawa Baat 127, 497 498 Jawa Timu 94, 462 463, 467 472 Poeu
286 kalibai 206, 371, 425, 430 lewat maju 298 lewat munu 298 nomaliai 218
emangkaan 363 365 emangkaan matik egeakan 366 368 engali Lagange 377
enyeimbang 178 tatitik 149 tanfomai Fouie 299 Poe batch 426 cita 3
70, 392 au 26 27 etimai Matik Aal Tujuan (MAT) 476 kalibai moel 11, 85
, 135, 186 187, 226, 474 keeimbangan Wao 284 klaifikai ilang 151 langkah
emi langkah 133, 139 moel analii egei bebai zona 126 moifikai 85 no
maliai 376 elakanaan 27 emangkaan matik ejalanan 367 embebanan 278
emenuhan kebutuhan 6, 28 emilihan moa 236 237, 251 emilihan ute 232, 270, 28
1 285, 377 emilihan ekune 242 emoelan 61, 117, 231 enakian MAT 391, 476
engabahan 86 engambilan amel 224 engawaan an evaluai 27 eancangan 27
eencanaan 1, 26 27 eencanaan tanotai 164 etukaan baang an jaa 27
0
etukaan moa 13 ebaan egeakan 169, 232 tokatik 283 taha emi taha 12
8 takian langkah emi langkah 139 Tanfe Data (PTD) 482 490 Poyek evaluai
473 kajian kelayakan 473 kebijakan tanotai 473 konultani 473 PT Jaa Mag
a 97 Pulau Bali 438, 472 PU Net 480 489 Puat bangkitan lalulinta 520 Kegiatan
Lokal (PKL) 465 Kegiatan Naional (PKN) 465 Kegiatan Wilayah (PKW) 465 kontol A
TCS 476 Pengolahan Data (PPD) 482 490 Pengolahan Keluaan (PPK) 482 490 engumu
l 464 etokoan 41 zona 88, 91, 222, 327, 428, 466 zona ektenal 92, 222 zona i
ntenal 222 Pulitbang Binamaga 441 R1: Manajemen lalulinta 549 R2: Peningkata
n ua jalan 549 R3: Pembangunan jalan bau 549 550 Raial, koio 555 Raiu m
embelok 108 Ramal an cegah 529 Ramal an eiakan 529 Rata ata 150, 157 Rayoni
ai ekolah 520 Regei begana 123 linea begana 119 121 eehana 123 R
ekayaa an manajemen lalulinta (RL an ML) 453, 523 526, 556 Rekayaa lalulint
a 274 Rencana Tata Ruang Wilayah (RTRW) 84, 463 Tata Ruang Wilayah Naional (RT
RWN) 465, 496497 Tata Ruang Wilayah Poini (RTRWP) 497 498 Reeentai jaing
an 427 Reeve lane 94 Reiu 260 acak 261 Gumbel yang teeba beba an ient
ik (Ineenent an Ientically Ditibute/IID) 261 Reolui 87 enah 95 ite
m jaingan 94, 330 341 item zona 88, 330 341, 479 tinggi 95 Reon, emukaan
218, 376 Ribbon eveloment 522
Penjuu
629
Rion 190, 431 434, 436, 439, 472 kota 431, 437 438 Riet Unggulan Teau 356
RMSE 432 434, 452 460 Roa icing 531 Roa Ue Cot Moel 97 Route guiance 4
79 RTRW (Rencana Tata Ruang Wilayah) 502 RTRWK 502 503 RTRWN 497, 502 RTRWP 498,
502 503 Ruang jalan 522 emiahan 43 Rua 89 ummy 94 jalan 93 96, 271, 466 ja
lan antakota 93 jalan bebai atu aah 428 jalan ua aah 94 jalan fiktif 428
jalan jeni hye 389 jalan atu aah 90, 460 alu 357 358 ejalan kaki 95 e
belum 286 Rumu Stiling 200 Rute, engalihan 299 RUTR DKI Jakata 2005 517 S1:
Penanganan lamu lalulinta bau 549 S2: Pengatuan kembali waktu lamu lalulint
a 549 S3: Pebaikan geometik eimangan 549 S4: Peimangan tiak ebiang
550 Sakaovitch, moel 293, 296 Samel 102, 163 acak 412 eagam 194 195, 389 e
entae 195 Saana 500 tanotai 22 SATEASY 357 Satuan Mobil Penumang (SMP
) 46, 95 SATURN 329, 426, 469 SAUM 551, 554 555 SCGR 180, 185 186, 189 190 Seba
an acak oion 411 awal (io) 196, 198 199, 415 awal eagam 198, 415 bangkit
an lalulinta 548 bau (oteio) 196 biaya eei 294 binomial 192, 408 fek
ueni kumulatif 36 fekueni umah tangga 144 geogafi 30, 464 multinomial 192
193, 387, 408 409, 413 nomal 257 anjang egeakan 179 180, 187 elayanan acak
48 eluang gabungan 145 146, 260 eluang aamete 198 enuuk 31 engamatan 2
44
egeakan 40, 42 44, 58 59, 71 72, 84 85, 164, 169, 173, 213, 224, 239, 250, 27
3 egeakan antazona 192 Poion 194, 197, 199, 387, 412 414 oteio 196, 41
4 io 199 eiu 260 amel 418 tatitik 408 tata guna lahan 20 utilita 260
Sekolah engatuan jam mauk 520 Sel koong 223 matik 155, 174 Selang keeca
yaan 376 Seliih biaya ejalanan 231 waktu 231 SIG (Sitem Infomai Gafi) 42
6 Siklu enggunaan uang tanotai 503 Simangan 149 baku 104, 144 145 baku
Gumbel 261 teefinii 119 tiak teefinii 119 total 119 Simul 89 90, 93, 285
, 460, 466 an ua 427 428 ebelum 286, 291 ebelum A 286 Simulai Monte Cal
o 241 Sinyal elektonik 525 lamu lalulinta 476 Sitem 26, 28, 57, 207 ake lo
kal 555 angkutan keeta ai ekotaan 553 Angkutan Umum Maa (SAUM) 513, 550 55
4, 556 angkutan umum ekotaan 508, 519, 555 Angkutan Umum Tanotai Pekotaa
n Teau (SAUTPT) 523, 554 555 au lalulinta 71, 82, 84, 86 au lalulinta
atu aah 522 ATCS 329 bebai zona 466 o nothing 86 87 o omething 86 hieak
i 521 integai tanotai antamoa teau 504 508 Infomai Tanotai (S
IT) 482 490 jaingan 8, 26, 28 31, 86 87, 94 95, 270, 278, 330341, 442 460, 464,
466, 477, 479, 501, 527, 537 jaingan jalan aya 271, 496, 521, 555 jaingan ja
lan antakota 508 jaingan jalan keeta ai 496 jaingan otimal 330 341 jainga
n aaana tanotai 26, 28, 33 34, 42, 8990, 271 jaingan tanotai angk
utan ibai 271 jaingan tanotai angkutan umum 271 jaingan tanotai
egional 481 Kebutuhan akan Tanotai (KT) 500 501, 556
630 Ofya Z Tamin, Peencanaan an emoelan tanotai
kegiatan 22, 26, 28 31, 87 88, 94, 464, 501, 527, 537 Kelembagaan (KLG) 28 29, 5
00 501 lamu lalulinta tekooinai 8 manajemen tanotai 8 9 mekani 26 Pe
ngatuan Lamu Lalulinta Tekooinai (Aea Taffic Contol Sytem/ATCS) 476
engelolaan tanotai ekotaan 556 enguman 552 egeakan 1, 26, 28 30, 80
81, 464, 501, 527, 537 egeakan lalulinta 28, 70, 76 78 eamaan imultan 19
1, 194, 201, 203 205, 418 eamaan tiak linea 420 ewilayahan 464 ola kegia
tan 28 aaana tanotai (PT) 1, 5 8, 21 22, 58, 70 71, 77 78, 80 84, 86, 9
0, 109, 500 501, 528 529, 536 Rekayaa an Manajemen Lalulinta (RL an ML) 28,
500 501 SAUM 552 tata guna lahan 26, 30, 70 71, 76, 78, 80, 82 84, 86, 90, 109 1
10 tiak mekani 26 Tanfe Data (STD) 485 490 tanotai 15, 20, 270 Tano
tai Kawaan 502 tanotai antamoa teau 497, 504 505, 508 tanotai
mako 27 29, 500 501 tanotai miko 27 28, 500 501 Tanotai Naional (Si
tana) 13, 479 480, 498499, 502 503, 508 tanotai ekotaan teau 30, 50
8, 517 tanotai egional 480, 495, 498 500, 502 503 tanotai ecaa meny
eluuh (mako) 500 zona 87 88, 91, 270, 330 341, 437, 442 460, 466468, 477, 536
zona otimum 458 zona yang behieaki 92 Sitana (Sitem Tanotai Naiona
l) 84 Situ web 477, 479 480 Skejul keja flekibel 531 Solui konii keeimban
gan Wao 302 303, 306 307, 310 311, 474 otimum oial 323 Saial itibui
19 inteaki 175 176 Seifikai fungi keematan 216 217 moel 11, 151 eub
ah 258 Sie, moel 275 STAN 426 Stana eviai (SD) 432 434 Statu miko, me
o, mako 201 202, 207, 378 382, 416 417 Stee, Davie an Gleave (SDG) 431 Stew
ie 120 Stiling enekatan 202, 208, 269, 417 umu 200 STEM 348 Stokatik 28
8 muni 284
STRADA 426 Stategi hibi 421 422 jam mauk/kelua kanto/ekolah yang bebea
bea 531 Statifikai 146 Stuktu behieaki 241 metoe emangkaan matik 36
5 366 moel 11 N Way 240 241 umah tangga 115 116, 145, 151, 229 Sueelevai 10
8 Suat Keutuan Gubenu Daeah tingkat I 514 515 Keutuan Walikotamaya Dae
ah Tingkat II 515 Keteangan (SK) 514 Suvei 16 jam an 225 24 jam an 225 angkuta
n umum an baang 109 110 Aal Tujuan Naional 240, 504 foto uaa 163 inventai
ai uang aki 109 kebutuhan aki 109 naik tuun enumang 109 nomo elat
mobil 163 egional O D Naional 438 wawancaa i umah 147 wawancaa i tei jal
an 109 110, 391, 460 wawancaa umah tangga 109 Syaat bata 74 75, 182 184 Sym
hony 426 Tabel tiak beujung akhi 286 Taha bangkitan egeakan 180, 182 183
emilihan moa 237 Tahaan Anall 536 539 bangkitan egeakan 113, 169 170, 230
, 232 ehitungan 146 Takian 12 bau (oteio) 197 biaya maginal 105 Tanne
180, 186 fungi 178, 189, 191, 195, 436 437 Tana bataan (UCGR) 157, 180 Tai
kan 373 baang 133 134 kenaaan 133 134 enumang 133 134 egeakan 40, 112 11
3, 124, 154 egeakan bebai zona 118 egeakan untuk manuia 116 Taylo, e
et 205, 321, 422 Teknik all o nothing 436, 438 439, 461 Buell 461 eliminai
matik Gau Joan 402 403, 405, 411, 413, 416, 419, 423 424 entoi makimum
378 Fank Wolfe 377 Lagange 346 embebanan all o nothing 384, 437
Penjuu
631
embebanan keeimbangan 376, 394, 474 embebanan lalulinta 273 embebanan oo
ional 397 embebanan ute 275, 431, 461 emilihan ute 373 enakian kemiia
n makimum 388 enakian kuaat tekecil linea begana 403 enakian MAT 39
0 tokatik Buell 436 Teoema Baye 196 Teoi antian tokatik 48 aa meto
e IB 414 aa eluang 300 301 infeeni tatitik Baye 386 infomai 209 kemi
ian makimum 210 Lokai 2 eilaku ejalanan 300 ukuan galat 209 utilita aca
k 228, 259 Teitibui beba an ientik (IID) 260 The Puget Soun Tanotat
ion Stuy 143 Tingkat akuai 125, 330 341, 437 akuai MAT 442 460 bangkitan e
geakan 146 148, 150 151, 547 548 gangguan aming 56, 64 iian 110 keecayaan
125, 196, 198 keincian 330 341 mako 201, 378 379 meo 201, 378 miko 201, 378
elayanan 46 47, 271, 541 elayanan (tegantung au) 46 47 elayanan (tegantu
ng failita) 47 48 emilikan kenaaan 115, 148, 150 enaatan 115 enyimanga
n volume 333 341 ebaikan maginal 105 etumbuhan global 164 165, 168 171 et
umbuhan kebutuhan akan tanotai 519 etumbuhan aaana tanotai 519
etumbuhan zona 168, 172 etumbuhan zona aal 171 eolui 95, 330 341, 442 460
eolui otimum, otimal 335 341, 442 460 enitifita 336 341 Titik inlet an
outlet 94 keeimbangan 270 makimum 249 otimum komlekita 106 imul 504 Tot
al au aa jaingan an aa ua alu 359 bangkitan egeakan 147 148, 166
bai 182, 184 185, 187 galat 106 kolom 183 185 nilai fakto koeki keceatan a
u beba 57 egeakan global 182 taikan egeakan 167 Taffic boough 92
Taffic Reeach Cooation of Canaa 234 TRANPLAN 426, 469 TRANSCAD 426, 469 T
anfomai 10, 215 216, 221 Box Cox 216 217, 435, 439 linea 50, 119, 189 190,
352 353 logaitma natual 244, 353 Tanot Deman Management (TDM) 529 Tano
tai ekotaan 510, 518, 527 egional antakota 480, 496, 499 TRANSYT 342 Ti
chain 113 en 111, 326 UCGR 180 182, 185 186, 189 190 Uji keabahan 431, 435 kec
ukuan ata 124 125 keekaan 267 268, 431, 437, 440 keeuaian 125 kewajaan 122
koelai 122, 125 128, 133 lineaita 125 tatitik 122, 124 125, 144, 149, 217
tet 121 Ujung ejalanan 372, 381 Ukuan gafi akeibilita 36 infomai B
illouin 384 385 ketiakatian 384 nonutilita ejalanan 348 aional 405 elat
if aya taik 142 umah tangga 115 116, 146 152 amel 120, 151, 162 tuktu ta
ta guna lahan 175 zona 91 92 Unang Unang Nomo 5 tahun 1974 511 Ubaniai 2,
369, 490 492, 519 520 Utilita 256, 260 maginal 259 UU Nomo 13 tahun 1980 503
Nomo 14 tahun 1992 503, 554 Nomo 24 tahun 1992 502 LLAJ Nomo 14 tahun 1992
518 Vaiani 125, 150, 384 eubah 120 Vaiai embebanan 334 341 Vei engan ba
taan bangkitan 216 engan bataan taikan 216 engan atu bataan 216 tana bat
aan 216 Waktu 235 ake 235 beaakan 114 115 hijau efektif 69 elayanan 507
uncak 15 17 iklu 69, 525
632 Ofya Z Tamin, Peencanaan an emoelan tanotai
temuh 31, 33, 288, 504 505, 554 tejainya egeakan 15 17, 229 tiak uncak 1
7 tanfe 235 nyata 10, 476, 478 Wao 283 konii keeimbangan 302 303, 30
7, 311, 315, 320321 kone keeimbangan 355 moel keeimbangan 304 ini ke
eimbangan I 272, 313, 315, 318, 323, 342 ini keeimbangan II 323 ini k
eeimbangan 272, 314, 328, 376 oe keeimbangan 284 olui konii keeimba
ngan 303, 306 307, 474 Wawancaa i jalan 226 i umah 162, 157 i tei jalan 1
57, 161 162, 391 Wet Milan Tanot 147 Whiting an Hillie, metoe 293 Wil
ayah 443 460 Wilayah Pengembangan (WP) 516 Winow 426 Wo 426 Wol Bank 519 W
P 426 WS 426 Zona 40, 90 93 akhi 222 aal 90, 92 93, 168, 175, 179, 214, 222 Ba
nung Raya 134 136 bangkitan 224 ektenal 88, 91 94, 222, 362, 438, 460, 468 46
9 intenal 88, 90 93, 221, 362, 460, 468 koong 122 lua 88 enghubung uat 9
0, 442 460 taikan 224 tujuan 90, 92 93, 168, 175, 179, 210, 214 %RMSE 432 434
Penjuu
633
Penuli
Ofya Z. Tamin bekeja ebagai oen an eneliti enio i Juuan Teknik Siil
, Intitut Teknologi Banung ejak tahun 1982. Ia ilahikan i Mean aa tangg
al 23 Agutu 1958, menjai mahaiwa juuan Teknik Siil, ITB aa tahun 1977,
an menyeleaikan ogam ajana teknik (S1) aa tahun 1982. Paa tahun 1984,
ia menyeleaikan ogam eniikan Paca Sajana (nonegee) biang Rekayaa J
alan Raya i ITB engan eikat cumlaue an meneukan ke Pogam Magite i
Imeial College, Science an Technology (Univeity of Lonon) an menaat gel
a MSc(Eng) i biang tanotai aa tahun 1985. Paa tahun 1988, ia menaat
gela PhD i biang eencanaan an emoelan tanotai ai Univeity Coll
ege Lonon (Univeity of Lonon). Ofya telah menaatkan bebeaa enghagaan
baik i alam negei mauun i lua negei: Penghagaan Mentei PU ata eikat
cumlaue ewaktu menyeleaikan ogam eniikan Paca Sajana (non egee) bi
ang Rekayaa Jalan Raya i ITB aa tahun 1984. Reuben Smee Awa ata makalah
tebaiknya i 20th Annual UTSG Confeence i Lonon (Inggi) aa tahun 1988.
Heny Suie Awa ai the Chatee Intitute of Tanot (CIT), aa tahun
1988. Yokohama Awa ata makalah tebaiknya i 5th Wol Confeence on Tano
t Reeach, Yokohama, Jeang aa tahun 1989.
Selain itu, ia juga teafta ebagai anggota aa bebeaa ekumulan atau lem
baga ofeional eeti The Intitution of Highway an Tanotation (Inggi
), The Chatee Intitute of Tanot (Inggi), Intitute of Tanotation E
nginee (Ameika Seikat), Himunan Pengembangan Jalan Inoneia (Inoneia), M
ayaakat Tanotai Inoneia (Inoneia), an Wol Confeence on Tanot
Reeach Society. Paa aat ekaang ini, Ofya menjai enguu Mayaakat Tan
otai Inoneia baik i tingkat uat ejak tahun 1995 mauun i tingkat ae
ah Poini Jawa Baat ejak tahun 1996 eta menjai wakil ketua ogam Magit
e Tanotai ITB ejak tahun 1992. Ofya juga iecaya menjai Ketua Foum S
tui Tanotai anta Peguuan Tinggi untuk maa bakti 19982000.