Anda di halaman 1dari 741

Perencanaan dan Pemodelan Transportasi

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

8.4 8.5 8.6


8.7
8.8
8.9 8.10
8.11
8.12 8.13
8.3.3.4 Model kemiripan maksimum (KM) 8.3.3.5 Model MODCOST Kesimpulan Keuntunga
n penggunaan data arus lalulintas Permasalahan dalam penggunaan data arus laluli
ntas 8.6.1 Masalah perhitungan arus lalulintas 8.6.1.1 Ketergantungan 8.6.1.2 Ke
tidakkonsistenan 8.6.2 Masalah kurang terspesifikasi Model transportasi berdasar
kan data arus lalulintas 8.7.1 Prinsip dasar 8.7.2 Beberapa metode pembebanan ru
te 8.7.3 Konsep dasar Penaksiran model kombinasi SPPM dengan data arus penumpang
8.8.1 Prinsip dasar 8.8.2 Model kombinasi sebaran pergerakanpemilihan moda (SPPM
) 8.8.2.1 Model gravity sebagai model transportasi 8.8.2.2 Model logit multinomi
al (LM) sebagai model pemilihan moda 8.8.2.3 Persamaan dasar Metode penaksiran M
etode penaksiran kuadrat terkecil (KT) 8.10.1 Metode penaksiran kuadrat terkecil
linear (KTL) 8.10.2 Metode penaksiran kuadrat terkecil tidak linear (KTTL) Meto
de penaksiran kemiripan maksimum (KM) 8.11.1 Pendahuluan 8.11.2 Definisi 8.11.2.
1 Kemiripan 8.11.2.2 Nisbah kemiripan 8.11.2.3 Dukungan 8.11.3 Aksioma kemungkin
an 8.11.3.1 Hukum kemiripan 8.11.3.2 Prinsip kemiripan 8.11.3.3 Aksioma kemiripa
n 8.11.4 Tafsiran kemiripan 8.11.5 Kemiripan sampel multinomial 8.11.6 Kerangka
metode penaksiran kemiripan maksimum jenis I (KM1) 8.11.7 Kerangka metode penaks
iran kemiripan maksimum jenis II (KM2) Metode penaksiran inferensi bayes (IB) 8.
12.1 Dasar pendekatan 8.12.2 Penerapan metode IB Metode penaksiran entropi maksi
mum (EM)
387 389 390 390 392 392 393 393 393 395 395 396 397 398 398 399 399 400 400 401
402 403 404 405 405 406 406 406 407 407 407 407 407 408 408 409 411 413 413 414
416
14a Ofyar Z Tamin, Perencanaan dan pemodelan transportasi

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.

Untuk mengatasi semakin meningkatnya pergerakan ini, beberapa perkembangan penti


ng dalam perencanaan dan pemodelan transportasi terjadi pada pertengahan tahun 1
970 an, khususnya pada beberapa pusat penelitian dan pengembangan. Perkembangan
penting tersebut lebih ditingkatkan serta diimplementasikan oleh para konsultan
dan kontraktor. Akan tetapi, banyak penemuan baru itu tidak mendapat perhatian y
ang baik dari pihak luar, padahal belakangan terbukti bahwa perencanaan dan pemo
delan transportasi sangat berperan dalam memecahkan berbagai permasalahan transp
ortasi.
1.1.2 Model dan peranannya
Model dapat didefinisikan sebagai bentuk penyederhanaan suatu realita (atau duni
a yang sebenarnya); termasuk di antaranya:
Pendahuluan
3


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

transportasi adalah bahwa sewaktu pembuatan formulasi, kalibrasi serta penggunaa


nnya, para perencana dapat belajar banyak, melalui eksperimen, tentang perilaku
dan mekanisme internal dari sistem yang sedang dianalisis. Akan tetapi, pemodela
n transportasi hanya merupakan salah satu unsur dalam perencanaan transportasi.
Lembaga, departemen, pengambil keputusan, masyarakat, administrator, peraturan,
dan penegakan hukum adalah beberapa unsur lainnya yang harus direncanakan dengan
baik untuk mendapatkan sistem perencanaan transportasi yang baik. Perencanaan d
an pemodelan transportasi serta pengambil keputusan dapat dikombinasikan dengan
cara yang berbeda beda; tergantung pada pengalaman lokal, tradisi, dan pengalama
n. Sebelum kita mendiskusikan cara memilih model yang baik, sebaiknya diterangka
n dahulu beberapa ciri utama permasalahan transportasi dan hal apa saja yang ter
kait di dalamnya.
1.2 Ciri permasalahan transportasi
Ruang lingkup permasalahan transportasi telah bertambah luas dan permasalahannya
itu sendiri bertambah parah, baik di negara maju (industri) maupun di negara se
dang berkembang. Terbatasnya bahan bakar secara temporer bukanlah permasalahan y
ang parah; akan tetapi, peningkatan arus lalulintas serta kebutuhan akan transpo
rtasi telah menghasilkan kemacetan, tundaan, kecelakaan, dan permasalahan lingku
ngan yang sudah berada di atas ambang batas. Permasalahan ini tidak hanya terbat
as pada jalan raya saja. Pertumbuhan ekonomi menyebabkan mobilitas seseorang men
ingkat sehingga kebutuhan pergerakannya pun meningkat melebihi kapasitas sistem
prasarana transportasi yang ada. Kurangnya investasi pada suatu sistem jaringan
dalam waktu yang cukup lama dapat mengakibatkan sistem prasarana transportasi te
rsebut menjadi sangat rentan terhadap kemacetan yang terjadi apabila volume arus
lalulintas meningkat lebih dari rata rata. Permasalahan tersebut semakin bertam
bah parah melihat kenyataan bahwa meskipun sistem prasarana transportasi sudah s
angat terbatas, akan tetapi banyak dari sistem prasarana tersebut yang berfungsi
secara tidak efisien (beroperasi di bawah kapasitas), misalnya: adanya warung t
egal yang menempati jalur pejalan kaki yang menyebabkan pejalan kaki terpaksa ha
rus menggunakan badan jalan yang tentunya akan mengurangi kapasitas jalan terseb
ut. Contoh lainnya: parkir di badan jalan sudah barang tentu akan mengurangi kap
asitas jalan dan akan menyebabkan penurunan kecepatan bagi kendaraan yang melalu
inya. Hal yang perlu diperhatikan di sini adalah berapa besar keuntungan yang da
pat diterima dari retribusi parkir dibandingkan dengan besarnya biaya yang harus
dikeluarkan oleh setiap kendaraan yang melalui ruas jalan tersebut akibat menur
unnya kecepatan.
1.2.1 Ciri kebutuhan akan transportasi
Kebutuhan akan pelayanan transportasi bersifat sangat kualitatif dan mempunyai c
iri yang berbeda beda sebagai fungsi dari waktu, tujuan perjalanan, frekuensi, j
enis kargo yang diangkut, dan lain lain. Pelayanan transportasi yang tidak sesua
i dengan kebutuhan akan pergerakan menyebabkan sistem transportasi tersebut tida
k berguna
Pendahuluan
5

(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

1.2.2 Ciri sistem prasarana transportasi


Ciri utama sistem prasarana transportasi adalah melayani pengguna; bukan berupa
barang atau komoditas. Oleh karena itu, prasarana tersebut tidak mungkin disimpa
n dan digunakan hanya pada saat diperlukan. Sistem prasarana transportasi harus
selalu dapat digunakan di mana pun dan kapan pun, karena jika tidak, kita akan k
ehilangan manfaatnya (mubazir). Oleh karena itu pula, sangatlah penting mengetah
ui secara akurat besarnya kebutuhan akan transportasi pada masa mendatang sehing
ga kita dapat menghemat sumber daya dengan mengatur atau mengelola sistem prasar
ana transportasi yang dibutuhkan. Pada dasarnya, sistem prasarana transportasi m
empunyai dua peran utama, yaitu: sebagai alat bantu untuk mengarahkan pembanguna
n di daerah perkotaan; sebagai prasarana bagi pergerakan manusia dan/atau barang
yang timbul akibat adanya kegiatan di daerah perkotaan tersebut.
Peran pertama sering digunakan oleh para perencana pengembang wilayah untuk dapa
t mengembangkan wilayahnya sesuai dengan rencana. Katakanlah ada suatu daerah pe
rmukiman baru yang hendak dipasarkan; tidak akan pernah ada peminatnya kalau di
daerah itu tidak disediakan sistem prasarana transportasi. Begitu sistem prasara
na transportasinya tersedia, maka aksesibilitas permukiman tersebut menjadi sema
kin tinggi (semakin mudah dicapai) yang akhirnya menyebabkan minat pembeli menja
di bertambah untuk tinggal di situ. Hal yang sama juga terjadi di lahan permukim
an transmigrasi. Suatu kawasan permukiman tidak akan dapat berkembang, meskipun
fasilitas rumah dan sawah sudah siap pakai, jika tidak tersedia sistem prasarana
transportasi; hal ini akan mengakibatkan biaya transportasi menjadi sangat ting
gi. Sebaliknya, sistem prasarana transportasi mungkin belum diperlukan pada saat
sekarang karena kebutuhan akan pergerakan masih sangat rendah atau belum ada sa
ma sekali. Jika hal ini dibiarkan terus menerus maka kawasan permukiman tersebut
tidak akan pernah bisa berkembang selamanya. Oleh sebab itu, kebijakan yang har
us dilakukan adalah menyediakan sistem prasarana transportasi dengan kualitas se
minimal mungkin tetapi masih bisa dilalui. Adanya keterhubungan atau konektivita
s ini akan menyebabkan kawasan tersebut menjadi mudah dicapai dan orang akan mul
ai mau tinggal di sana. Seterusnya, setelah kawasan tersebut berkembang yang men
yebabkan terbentuknya kebutuhan akan pergerakan yang cukup besar, barulah sistem
prasarana transportasinya ditingkatkan sesuai dengan peramalan kebutuhan akan p
ergerakan pada masa mendatang. Di sinilah mulai tampak peran kedua dari sistem p
rasarana transportasi.
1.2.3 Keseimbangan antara sistem prasarana transportasi dan kebutuhan akan trans
portasi
Seperti terlihat pada gambar 1.1, secara umum dapat dikatakan bahwa peranan pere
ncanaan transportasi sebenarnya adalah untuk dapat memastikan bahwa kebutuhan ak
an pergerakan dalam bentuk pergerakan manusia, barang, atau
Pendahuluan
7

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

Sistem manajemen juga bisa digunakan untuk mendistribusikan kembali kapasitas se


tiap sistem prasarana transportasi, yang akan menghasilkan Q, dan/atau memberikan
prioritas khusus pada pengguna tertentu, misalnya efisiensi (pengguna angkutan
umum, pengendara sepeda), lingkungan (kendaraan berbahan bakar gas atau listrik)
atau, hak penggunaan prasarana yang adil (pejalan kaki). Seperti dalam kasus ba
rang dan pelayanannya, seseorang akan memperkirakan bahwa tingkat kebutuhan akan
pergerakan (D) akan tergantung pada tingkat pelayanan yang disediakan oleh sist
em transportasi dan juga pengalokasian aktivitas (A) dalam ruang: D = f{S,A} (1.
3) Dengan menggabungkan persamaan (1.1) dan (1.3) untuk suatu sistem aktivitas y
ang sudah tetap, akan ditemukan satu set titik keseimbangan antara kebutuhan aka
n pergerakan dengan sistem prasarana transportasi. Akan tetapi, sistem aktivitas
tersebut mungkin akan berubah sejalan dengan perubahan tingkat pelayanan prasar
ana dalam ruang dan waktu. Oleh karena itu, akan ditemukan beberapa set titik ke
seimbangan untuk jangka pendek dan jangka panjang. Tujuan perencanaan transporta
si adalah meramalkan dan mengelola evolusi titik keseimbangan ini sejalan dengan
waktu sehingga kesejahteraan sosial dapat dimaksimumkan. Hal ini, sudah barang
tentu, bukanlah hal yang mudah; pemodelan titik keseimbangan akan menolong kita
memahami evolusi tersebut secara lebih baik sehingga dapat menyarankan berbagai
macam kebijakan, strategi sistem manajemen transportasi (M), dan program investa
si (I).
1.3 Pemilihan pendekatan model
Kebijakan transportasi yang akan diambil atau diputuskan oleh para pengambil kep
utusan biasanya menggunakan hasil perencanaan dan pemodelan transportasi sebagai
alat bantu dalam mengambil keputusan. Oleh sebab itu, para pengambil keputusan
lebih mempunyai wewenang dalam menentukan kebijakan yang akan ditentukan dibandi
ngkan dengan para perencana transportasi. Hal ini karena para pengambil keputusa
n memperhitungkan faktor yang lain, seperti lingkungan, keamanan, pertahanan, ek
onomi, dan sosial budaya yang mungkin tidak (pernah) terpikirkan oleh para peren
cana transportasi. Model transportasi yang diabaikan oleh para pengambil keputus
an bukan saja merupakan pemborosan, tetapi dapat membuat frustrasi para perencan
a transportasi. Jadi, dapat dikatakan bahwa hasil perencanaan dan pemodelan tran
sportasi merupakan alat bantu bagi para pengambil keputusan dalam menentukan keb
ijakan yang akan diambil, bukan sebagai penentu kebijakan. Oleh karena itu, Tami
n (1988a) dan Ortuzar and Willumsen (1994) mengusulkan beberapa hal yang perlu d
iperhatikan dalam menentukan pendekatan analitis yang akan dipakai, antara lain
yang berikut ini. 1 Pengambilan keputusan Hal yang perlu diperhatikan di sini an
tara lain apakah keputusan tersebut bersifat strategis, taktis, atau operasional
. Sifat keputusan tersebut dapat menentukan tingkat kedalaman analisis; apakah h
anya
Pendahuluan
9

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

memproses data tersebut adalah kemampuan manusia dalam mengumpulkan, mengkodefik


asi, memasukkan data, menjalankan program, dan menafsirkan keluaran dari program
tersebut. 7 Tingkat kemampuan perencana dan peneliti Biaya pelatihan biasanya c
ukup tinggi sehingga langkah yang terbaik adalah menggunakan model yang ada seef
isien mungkin sambil mempelajari dan memahami model lainnya yang lebih baik. Jum
lah perencana atau peneliti yang banyak serta berkualitas baik sangat diperlukan
. Peningkatan kemampuan para peneliti tidak perlu dilakukan melalui pendidikan f
ormal karena membutuhkan waktu yang cukup lama dan biaya yang mahal. Pelatihan a
tau penyuluhan merupakan salah satu hal yang sangat efektif untuk mengatasi perm
asalahan tersebut.
1.4 Faktor dalam pemodelan transportasi
1.4.1 Spesifikasi model
Tamin (1988a) dan Ortuzar and Willumsen (1994) menjelaskan beberapa hal penting
yang harus dipertimbangkan yang dirasakan perlu dijabarkan lebih lanjut.
1.4.1.1 Struktur model
Apakah mungkin kita membuat model untuk suatu sistem dengan suatu struktur seder
hana yang berupa fungsi dari beberapa alternatif yang saling tidak berhubungan?
Atau, apakah perlu kita membuat model yang sangat kompleks yang digunakan untuk
menghitung peluang dari suatu kejadian yang telah pernah terjadi? Pertanyaan ini
sering timbul pada setiap peneliti. Model kontemporer selalu mempunyai banyak p
arameter untuk bisa menunjukkan aspek struktural model tersebut, dan dengan meto
dologi yang sudah berkembang sekarang sangat dimungkinkan membentuk model yang s
angat umum yang memiliki banyak peubah.
1.4.1.2 Bentuk fungsional
Apakah mungkin menggunakan bentuk linear ataukah suatu permasalahan memerlukan p
emecahan yang bersifat tidak linear? Pemecahan tidak linear akan dapat mencermin
kan realita secara lebih tepat, tetapi membutuhkan lebih banyak sumber daya dan
teknik untuk proses pengkalibrasian model tersebut. Peubah apa yang dapat diguna
kan dan bagaimana peubah tersebut berhubungan satu sama lain dalam suatu model?
Untuk menjelaskannya diperlukan proses tertentu dalam menentukan peubah yang dom
inan, antara lain proses kalibrasi dan pengabsahan.
1.4.1.3 Spesifikasi peubah
1.4.2 Kalibrasi dan pengabsahan model
Suatu model dapat secara sederhana dinyatakan sebagai fungsi matematika dari beb
erapa peubah X dan parameter , sprti: Y = f(X, ) (1.4)
Pndahuluan
11

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

sprti rkayasa, konomi, gografi, pnlitian oprasional, sosial politik, mat


matika, informatika, dan psikologi. Sbagai ilustrasi, mari kita tinjau kajian
pnyusunan rncana induk trminal bus antarkota. Untuk mlakukan kajian trsbut
, diprlukan sorang ahli prncana wilayah untuk mnntukan lokasi trminal bus
yang baik, ditinjau dari sudut pandang pnataan tata ruang dan darah. Slanjut
nya, juga dibutuhkan sorang ahli tknik untuk mngkaji tata ltak bangunan di a
ral trminal dan juga untuk mngkaji jnis konstruksi stiap prasarana trminal
. Slain itu, dalam kajian ini juga akan dibutuhkan sorang ahli transportasi un
tuk mngkaji dan mmprkirakan potnsi jumlah pnumpang atau pun jumlah bus yang
akan dilayani olh trminal bus itu pada tahun rncana, dan untuk mngkaji sist
m sirkulasi intrnal dan kstrnal yang trbaik bagi trminal bus itu. Di sampi
ng itu, sorang ahli konomi juga dibutuhkan untuk mngkaji sistm dan bsaran t
arif di lingkungan trminal dan juga untuk mngkaji tingkat klayakan konomi da
n kuangan dari rncana pngmbangan trminal antarkota itu. Yang dimaksud dnga
n multisktoral di sini adalah banyaknya lmbaga, atau pihak trkait yang brkp
ntingan dngan kajian prncanaan transportasi. Kajian prncanaan transportasi
biasanya mlibatkan bbrapa lmbaga pmrintah atau pun swasta yang masing-mas
ing mmpunyai kpntingan yang brbda shingga diprlukan koordinasi dan pnang
anan yang baik. Untuk kasus prncanaan trminal bus antarkota sprti contoh di
atas misalnya, lmbaga pmrintah atau pun swasta yang trkait mliputi DLLAJ,
BPN, Dinas Tata kota, polantas, oprator bus, Dinas Pndapatan Darah, dan lainlain.
1.5.1.3 Multisktoral 1.5.1.4 Multimasalah Karna kajian prncanaan transportas
i mrupakan kajian multimoda, multidisiplin, dan multisktoral, tntu saja mnim
bulkan multimasalah permasalahan yang dihadapi mempunyai dimensi yang cukup bera
gam dan luas, mulai dari yang berkaitan dengan aspek pengguna jasa, rekayasa, op
erasional, ekonomi, sampai dengan aspek sosial.
Untuk contoh kasus pengembangan terminal bus antarkota di atas, masalah yang mun
gkin timbul meliputi masalah rekayasa (lapisan tanah yang jelek atau sistem drai
nase yang buruk), masalah ekonomi (alokasi dana pemerintah yang terbatas, daya b
eli masyarakat yang rendah), masalah pertanahan (lahan yang terbatas), masalah s
osial (perilaku penumpang bus yang tidak disiplin atau timbulnya premanisme), ma
salah lalulintas (gangguan lalulintas di pintu masuk dan keluar terminal atau pe
rilaku pengemudi yang tidak disiplin). Meskipun terdapat perbedaan antara kota k
ota di berbagai negara, pergerakan di dalam daerah perkotaan mempunyai beberapa
ciri yang sama yang berlaku hampir pada semua kota kecil dan kota besar di dunia
. Ciri ini merupakan prinsip dasar yang merupakan titik tolak kajian transportas
i. Ciri ini juga mendefinisikan konsep yang digunakan oleh para perencana angkut
an dan perekayasa untuk memahami dan mempelajari pergerakan.
14
Ofyar Z Tamin, Perencanaan dan pemodelan transportasi

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

Tabel 1.1 Klasifikasi pergerakan orang di perkotaan berdasarkan maksud pergeraka


n Aktivitas
I. EKONOMI a. Mencari nafkah b. Mendapatkan barang dan pelayanan 1. 2. 3.
Klasifikasi perjalanan
Ke dan dari tempat kerja Yang berkaitan dengan bekerja Ke dan dari toko dan kelu
ar untuk keperluan pribadi
Keterangan
Jumlah orang yang bekerja tidak tinggi, sekitar 4050% penduduk. Perjalanan yang b
erkaitan dengan pekerja termasuk: a. b. c. pulang ke rumah mengangkut barang ke
dan dari rapat
Yang berkaitan dengan belanja atau bisnis pribadi
Pelayanan hiburan dan rekreasi diklasifikasikan secara terpisah, tetapi pelayana
n medis, hukum, dan kesejahteraan termasuk di sini. II. SOSIAL Menciptakan, menj
aga hubungan pribadi III. PENDIDIKAN 1. 2. Ke dan dari rumah teman Ke dan dari t
empat pertemuan bukan di rumah Kebanyakan fasilitas terdapat dalam lingkungan ke
luarga dan tidak menghasilkan banyak perjalanan. Butir 2 juga terkombinasi denga
n perjalanan dengan maksud hiburan. Hal ini terjadi pada sebagian besar penduduk
yang berusia 522 tahun. Di negara sedang berkembang jumlahnya sekitar 85% pendud
uk. Mengunjungi restoran, kunjungan sosial, termasuk perjalanan pada hari libur.
1.
Ke dan dari sekolah, kampus dan lain lain
IV. REKREASI DAN HIBURAN
1. 2.
Ke dan dari tempat rekreasi Yang berkaitan dengan perjalanan dan berkendaraan un
tuk rekreasi Ke dan dari tempat ibadah Perjalanan bukan hiburan ke dan dari daer
ah budaya serta pertemuan politik
V. KEBUDAYAAN
1. 2.
Perjalanan kebudayaan dan hiburan sangat sulit dibedakan.
Sumber: LPM ITB (1996, 1997ac)
Di samping kedua puncak tersebut, dijumpai pula waktu puncak lainnya, yaitu seki
tar jam 12.00 sampai 14.00; pada saat itu para pekerja pergi untuk makan siang d
an kembali lagi ke kantornya masing masing. Tentu saja jumlah perjalanan yang di
lakukan pada siang hari ini tidak sebanyak pada pagi atau sore hari mengingat ma
kan siang terkadang dapat dilakukan di kantor atau kantin di sekitar kantor. Sel
anjutnya, perjalanan dengan maksud sekolah atau pun pendidikan cukup banyak juml
ahnya dibandingkan dengan tujuan lainnya sehingga pola perjalanan sekolah ini pu
n turut mewarnai pola waktu puncak perjalanan. Mengingat sekolah dari tingkat da
sar sampai tingkat menengah pada umumnya terdiri dari dua giliran, yaitu sekolah
pagi dan sekolah sore, maka pola perjalanan sekolah pun dipengaruhi oleh keadaa
n ini. Dalam hal ini dijumpai tiga puncak perjalanan sekolah, yaitu pada pagi ha
ri jam 06.00 sampai 07.00, di siang hari pada jam 13.0014.00, dan di sore hari pa
da jam 17.0018.00.
16

Ofyar Z Tamin, Perencanaan dan pemodelan transportasi

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

Konsep paling mendasar yang menjelaskan terjadinya pergerakan atau perjalanan se


lalu dikaitkan dengan pola hubungan antara distribusi spasial perjalanan dengan
distribusi spasial tata guna lahan yang terdapat di dalam suatu wilayah. Dalam h
al ini, konsep dasarnya adalah bahwa suatu perjalanan dilakukan untuk melakukan
kegiatan tertentu di lokasi yang dituju, dan lokasi kegiatan tersebut ditentukan
oleh pola tata guna lahan kota tersebut. Jadi, faktor tata guna lahan sangat be
rperan. Berikut ini dijelaskan beberapa ciri perjalanan spasial, yaitu pola perj
alanan orang dan pola perjalanan barang (lihat juga LPM ITB, 1996, 1997c).
1.5.3.1 Pola perjalanan orang
Seperti dikatakan sebelumnya, perjalanan terbentuk karena adanya aktivitas yang
dilakukan bukan di tempat tinggal sehingga pola sebaran tata guna lahan suatu ko
ta akan sangat mempengaruhi pola perjalanan orang. Dalam hal ini pola penyebaran
spasial yang sangat berperan adalah sebaran spasial dari daerah industri, perka
ntoran, dan permukiman. Pola sebaran spasial dari ketiga jenis tata guna lahan i
ni sangat berperan dalam menentukan pola perjalanan orang, terutama perjalanan d
engan maksud bekerja. Tentu saja sebaran spasial untuk pertokoan dan areal pendi
dikan juga berperan. Tetapi, mengingat porsi keduanya tidak begitu signifikan, p
ola sebaran pertamalah yang sangat mempengaruhi pola perjalanan orang. Sebagai c
ontoh diambil pola penyebaran daerah perkantoran yang ada di DKIJakarta. Pusat p
erkantoran atau pusat lapangan kerja yang tertinggi jelas terdapat di sekitar se
gitiga emas dan di sepanjang koridor jalan utama yang mengarah keluar dari pusat
perdagangan. Di sekeliling daerah yang tinggi jumlah kesempatan kerjanya terseb
ut terdapat daerah perumahan utama yang kesempatan kerjanya jauh lebih rendah. J
ika ditinjau lebih jauh terlihat bahwa makin jauh dari pusat kota, kesempatan ke
rja makin rendah, dan sebaliknya kepadatan perumahan makin tinggi. Tingkat perja
lanan yang muncul dari setiap daerah ke arah pusat kota sebenarnya menunjukkan h
ubungan antara kepadatan penduduk dengan kesempatan kerja, yang kondisinya sanga
t tergantung pada jarak lokasi daerah yang bersangkutan ke pusat kota. Pada loka
si yang kepadatan penduduknya lebih tinggi daripada kesempatan kerja yang tersed
ia, terjadi surplus penduduk, dan mereka harus melakukan perjalanan ke pusat kot
a untuk bekerja. Di sini terlihat bahwa makin jauh jarak dari pusat kota, makin
banyak daerah perumahan dan makin sedikit kesempatan kerja yang berakibat makin
banyak perjalanan yang terjadi antara daerah tersebut yang menuju pusat kota. Ke
nyataan sederhana ini menentukan dasar ciri pola perjalanan orang di kota. Pada
jam sibuk pagi hari akan terjadi arus lalulintas perjalanan orang menuju ke pusa
t kota dari sekitar daerah perumahan, sedangkan jam sibuk sore hari dicirikan ol
eh arus lalulintas perjalanan orang dari pusat kota ke sekitar daerah perumahan.
Arus lalulintas ini persentasenya sekitar 5070% dari total jumlah perjalanan har
ian yang dibangkitkan di dalam daerah perkotaan, dan karena itu merupakan faktor
terpenting yang membentuk pola perjalanan orang di kota.
Pendahuluan
19

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

1.7 Perencanaan transportasi sebagai bentuk campur tangan manusia


Seperti telah dikemukakan, sarana transportasi adalah salah satu dari sekian mac
am alat penghubung yang dimaksudkan untuk melawan jarak. Melawan jarak tidak lai
n adalah menyediakan sistem sarana dan prasarana transportasi, yaitu alat yang b
ergerak, menyediakan ruang untuk alat angkut tersebut, dan tempat berhentinya (u
ntuk bongkar muat), mengatur kegiatan transportasi, menentukan tempat perhentian
, lokasi untuk berproduksi dan mengkonsumsi, serta merencanakan semuanya untuk p
erkembangan selanjutnya. Pengembangan mengenai perencanaan itu disebut perencana
an transportasi. Perencanaan transportasi merupakan bagian yang tidak terpisahka
n dari perencanaan kota atau perencanaan daerah. Rencana kota atau rencana daera
h tanpa mempertimbangkan keadaan dan pola transportasi yang akan terjadi sebagai
akibat rencana itu sendiri akan menghasilkan kesemrawutan lalulintas di kemudia
n hari. Keadaan ini akan membawa akibat berantai cukup panjang dengan meningkatn
ya jumlah kecelakaan, pelanggaran lalulintas, menurunnya sopan santun berlalulin
tas, dan lain lain. Dalam kaitan antara perencanaan transportasi dan perencanaan
kota, maka menetapkan suatu bagian kawasan kota menjadi tempat kegiatan tertent
u (misalnya kawasan perumahan mewah Pondok Indah atau kawasan Industri Pulo Gadu
ng di DKI Jakarta) bukanlah sekadar memilih lokasi. Pada akhirnya, dalam perenca
naan tata guna lahan untuk perkotaan harus diperhitungkan lalulintas yang bakal
terjadi akibat penetapan lokasi itu sendiri, lalulintas di kawasan itu sendiri,
serta lalulintas antara kawasan itu dengan kawasan lain yang sudah ada lebih dah
ulu. Perencanaan transportasi itu sendiri dapat didefinisikan sebagai suatu pros
es yang tujuannya mengembangkan sistem transportasi yang memungkinkan manusia da
n barang bergerak atau berpindah tempat dengan aman dan murah (Pignataro, 1973).
Selain itu, sebenarnya masih ada unsur cepat; jadi, selain aman dan murah, transp
ortasi juga harus cepat. Bahkan untuk memindahkan manusia, selain cepat, aman, d
an murah, sistem transportasi harus pula nyaman. Perencanaan transportasi ini me
rupakan proses yang dinamis dan harus tanggap terhadap perubahan tata guna lahan
, keadaan ekonomi, dan pola arus lalulintas. Modal yang dikeluarkan untuk menera
pkan sistem transportasi sangat besar sehingga mungkin saja terjadi perubahan ya
ng radikal atas tata guna lahan tempat sistem prasarana transportasi dibangun ka
rena pemakai lahan mengharapkan mendapatkan keuntungan atas pembangunan prasaran
a tersebut. Perlu dicatat bahwa proses perencanaan transportasi dipengaruhi seca
ra langsung oleh ada tidaknya pengawasan atas pola dan sistem kegiatan manusia,
yang biasanya dicerminkan dengan pola tata guna lahan. Misalnya, pada keadaan ta
npa pengawasan tata guna lahan, maka jaringan transportasi dengan sendirinya aka
n menjadi penentu yang kuat bagi peruntukan tata guna lahan tersebut. Jadi, haru
s direncanakan dengan memperhatikan dampaknya. Hal seperti ini akan terjadi di
22
Ofyar Z Tamin, Perencanaan dan pemodelan transportasi

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

2.2 Pendekatan sistem untuk perencanaan transportasi


Pendekatan sistem adalah pendekatan umum untuk suatu perencanaan atau teknik den
gan menganalisis semua faktor yang berhubungan dengan permasalahan yang ada. Con
tohnya, kemacetan lokal yang disebabkan oleh penyempitan lebar jalan dapat dipec
ahkan dengan melakukan perbaikan secara lokal. Akan tetapi, hal ini mungkin meny
ebabkan permasalahan berikutnya yang timbul di tempat lain. Pendekatan sistem ak
an dapat mengaitkan permasalahan yang ada, misalnya apakah permasalahan tersebut
disebabkan karena terlalu banyaknya lalulintas di daerah tersebut? Jika memang
demikian, pertanyaan berikutnya adalah mengapa lalulintas tersebut terlalu banya
k? Jawabannya mungkin karena terlalu banyak kantor yang sangat berdekatan letakn
ya, atau mungkin juga karena ruang gerak yang sangat sempit bagi pergerakan lalu
lintas. Pemecahannya dapat berupa manajemen lalulintas secara lokal, pembangunan
jalan baru, peningkatan pelayanan angkutan umum, atau perencanaan tata guna lah
an yang baru. Pendekatan sistem mencoba menghasilkan pemecahan yang terbaik dari b
eberapa alternatif pemecahan yang ada, tentunya dengan batasan tertentu (waktu d
an biaya).
2.2.1 Pengertian sistem
Sistem adalah gabungan beberapa komponen atau objek yang saling berkaitan. Dalam
setiap organisasi sistem, perubahan pada satu komponen dapat menyebabkan peruba
han pada komponen lainnya. Dalam sistem mekanis, komponen berhubungan secara meka
nis, misalnya komponen dalam mesin mobil. Dalam sistem tidakmekanis, misalnya dalam
interaksi sistem tata guna lahan dengan sistem jaringan transportasi, komponen
yang ada tidak dapat berhubungan secara mekanis, akan tetapi perubahan pada sala
h satu komponen (sistem kegiatan) dapat menyebabkan perubahan pada komponen lainny
a (sistem jaringan dan sistem pergerakan). Pada dasarnya, prinsip sistem mekanis sama
saja dengan sistem tidak mekanis. Gambar 2.1 memperlihatkan beberapa komponen pent
ing yang saling berhubungan dalam perencanaan transportasi, yang biasanya dikena
l dengan proses perencanaan. Tampak bahwa proses perencanaan sebenarnya merupaka
n proses berdaur dan tidak pernah berhenti. Perubahan dalam suatu komponen pasti
mengakibatkan perubahan pada komponen lainnya. Tahap awal proses perencanaan ad
alah perumusan atau kristalisasi sasaran, tujuan, dan target, termasuk mengident
ifikasi permasalahan dan kendala yang ada. Proses selanjutnya adalah mengumpulka
n data untuk melihat kondisi yang ada dan hal ini sangat diperlukan untuk mengem
bangkan metode kuantitatif yang akan dipilih yang tentu harus sesuai dengan sist
em yang ada. Proses peramalan sangat dibutuhkan untuk melihat perkiraan situasi
pada masa mendatang dan merumuskan beberapa alternatif pemecahan masalah, termas
uk standar perencanaan yang diteruskan dengan proses pemilihan alternatif terbai
k. Untuk itu diperlukan suatu metode atau teknik penilaian yang cocok dalam pros
es pemilihan alternatif terbaik tersebut.
26
Ofyar Z Tamin, Perencanaan dan pemodelan transportasi

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

2.2.3 Sistem tata guna lahantransportasi


Sistem transportasi perkotaan terdiri dari berbagai aktivitas seperti bekerja, s
ekolah, olahraga, belanja, dan bertamu yang berlangsung di atas sebidang tanah (
kantor, pabrik, pertokoan, rumah, dan lain lain). Potongan lahan ini biasa diseb
ut tata guna lahan. Untuk memenuhi kebutuhannya, manusia melakukan perjalanan di
antara tata guna lahan tersebut dengan menggunakan sistem jaringan transportasi
(misalnya berjalan kaki atau naik bus). Hal ini menimbulkan pergerakan arus man
usia, kendaraan, dan barang. Pergerakan arus manusia, kendaraan, dan barang meng
akibatkan berbagai macam interaksi. Terdapat interaksi antara pekerja dan tempat
mereka bekerja, antara ibu rumah tangga dan pasar, antara pelajar dan sekolah,
dan antara pabrik dan lokasi bahan mentah serta pasar. Beberapa interaksi dapat
juga dilakukan dengan telepon atau surat (sangat menarik untuk diketahui bagaima
na sistem telekomunikasi yang lebih murah dan lebih canggih dapat mempengaruhi k
ebutuhan lalulintas di masa mendatang). Akan tetapi, hampir semua interaksi meme
rlukan perjalanan, dan oleh sebab itu menghasilkan pergerakan arus lalulintas. S
asaran umum perencanaan transportasi adalah membuat interaksi tersebut menjadi s
emudah dan seefisien mungkin. Cara perencanaan transportasi untuk mencapai sasar
an umum itu antara lain dengan menetapkan kebijakan tentang hal berikut ini. a S
istem kegiatan Rencana tata guna lahan yang baik (lokasi toko, sekolah, perumaha
n, pekerjaan, dan lain lain yang benar) dapat mengurangi kebutuhan akan perjalan
an yang panjang sehingga membuat interaksi menjadi lebih mudah. Perencanaan tata
guna lahan biasanya memerlukan waktu cukup lama dan tergantung pada badan penge
lola yang berwewenang untuk melaksanakan rencana tata guna lahan tersebut. Siste
m jaringan Hal yang dapat dilakukan misalnya meningkatkan kapasitas pelayanan pr
asarana yang ada: melebarkan jalan, menambah jaringan jalan baru, dan lain lain.
Sistem pergerakan Hal yang dapat dilakukan antara lain mengatur teknik dan mana
jemen lalulintas (jangka pendek), fasilitas angkutan umum yang lebih baik (jangk
a pendek dan menengah), atau pembangunan jalan (jangka panjang).
b
c
Para pembaca yang berminat dan ingin mengetahui lebih lanjut mengenai alternatif
pemecahan masalah transportasi di daerah perkotaan disarankan membaca bab 9. Se
baran geografis antara tata guna lahan (sistem kegiatan) serta kapasitas dan lok
asi dari fasilitas transportasi (sistem jaringan) digabungkan untuk mendapatkan
arus dan pola pergerakan lalulintas di daerah perkotaan (sistem pergerakan). Bes
arnya arus dan pola pergerakan lalulintas sebuah kota dapat memberikan umpan bal
ik untuk menetapkan lokasi tata guna lahan yang tentu membutuhkan prasarana baru
pula.
30
Ofyar Z Tamin, Perencanaan dan pemodelan transportasi

2.3 Analisis interaksi sistem kegiatan dengan sistem jaringan


Tujuan utama dilakukannya analisis interaksi sistem ini oleh para perencana tran
sportasi adalah sebagai berikut: a b memahami cara kerja sistem tersebut, menggu
nakan hubungan analisis antara komponen sistem untuk meramalkan dampak lalulinta
s beberapa tata guna lahan atau kebijakan transportasi yang berbeda.
Hubungan dasar antara sistem kegiatan, sistem jaringan, dan sistem pergerakan da
pat disatukan dalam beberapa urutan tahapan, yang biasanya dilakukan secara beru
rutan sebagai berikut. a Aksesibilitas dan mobilitas Ukuran potensial atau kesem
patan untuk melakukan perjalanan. Tahapan ini bersifat lebih abstrak jika diband
ingkan dengan empat tahapan berikut, digunakan untuk mengalokasikan masalah yang
terdapat dalam sistem transportasi dan mengevaluasi pemecahan alternatif. Pemba
ngkit lalulintas Bagaimana perjalanan dapat bangkit dari suatu tata guna lahan a
tau dapat tertarik ke suatu tata guna lahan. Sebaran penduduk Bagaimana perjalan
an tersebut disebarkan secara geografis di dalam daerah perkotaan (daerah kajian
). Pemilihan moda transportasi Menentukan faktor yang mempengaruhi pemilihan mod
a transportasi untuk tujuan perjalanan tertentu. Pemilihan rute Menentukan fakto
r yang mempengaruhi pemilihan rute dari setiap zona asal dan ke setiap zona tuju
an.
b c d e
Perlu diketahui bahwa terdapat hubungan antara waktu tempuh, kapasitas, dan arus
lalulintas waktu tempuh sangat dipengaruhi oleh kapasitas rute yang ada dan jum
lah arus lalulintas yang menggunakan rute tersebut. Semua tindakan yang dilakuka
n pada setiap tahapan akan mempengaruhi tahapan lainnya dalam sistem tersebut. P
ihak yang terlibat dalam sistem tersebut dapat dilihat pada tabel 2.1.
Tabel 2.1 Profesi dan peubah yang dipengaruhi Profesi
Perencana kota Pengelola angkutan umum Ahli lalulintas Ahli jalan raya Tata guna
lahan Transportasi (melayani bus dan kereta api) Transportasi (manajemen laluli
ntas) Transportasi (perbaikan jalan dan pembuatan jalan baru)
Peubah yang dipengaruhi
Sumber: Black (1981)
Perencana kota mengatur lokasi aktivitas suatu tata guna lahan agar dapat pula m
engatur aksesibilitas kota tersebut. Hal ini pasti berdampak pada bangkitan dan
tarikan lalulintas serta sebaran pergerakannya. Pengelola angkutan umum harus
Pendekatan perencanaan transportasi
31

memperhatikan kemampuannya untuk bisa mengatur pemilihan moda dengan mengatur op


erasi bus atau kereta api yang lebih cepat dan mempunyai frekuensi lebih tinggi.
Ahli lalulintas mencoba meningkatkan kecepatan lalulintas ini dan membuat perja
lanan lebih aman dengan menyediakan beberapa sarana seperti marka, rambu, dan pe
ngaturan persimpangan. Perubahan sistem transportasi ini akan berdampak baik pad
a tata guna lahan (dengan mengubah aksesibilitas dan mobilitas) serta arus lalul
intas. Ahli jalan raya selalu dicap sebagai orang yang berbahaya dalam sistem tran
sportasi, apalagi jika dia tidak waspada terhadap dampak pembangunan dalam bagia
n sistem tersebut. Ahli jalan raya biasanya mempunyai uang untuk membangun jalan
. Oleh karena itu, dia berada pada posisi yang bisa membuat dampak besar dalam s
istem tersebut. Jalan baru akan menghasilkan perubahan besar terhadap sebaran pe
rgerakan, pemilihan moda dan rute, serta tata guna lahan (aksesibilitas). Ahli j
alan raya harus waspada pada pengaruh jalan terhadap seluruh bagian sistem trans
portasi, termasuk seluruh sistem perkotaan di masa mendatang.
2.4 Aksesibilitas dan mobilitas
2.4.1 Apakah aksesibilitas dan mobilitas itu?
Aksesibilitas adalah konsep yang menggabungkan sistem pengaturan tata guna lahan
secara geografis dengan sistem jaringan transportasi yang menghubungkannya. Aks
esibilitas adalah suatu ukuran kenyamanan atau kemudahan mengenai cara lokasi ta
ta guna lahan berinteraksi satu sama lain dan mudah atau susahnya lokasi tersebut di
capai melalui sistem jaringan transportasi (Black, 1981). Pernyataan mudah atau sus
ah merupakan hal yang sangat subjektif dan kualitatif. Mudah bagi seseorang belum ten
tu mudah bagi orang lain, begitu juga dengan pernyataan susah. Oleh karena itu,
diperlukan kinerja kuantitatif (terukur) yang dapat menyatakan aksesibilitas ata
u kemudahan. Sedangkan mobilitas adalah suatu ukuran kemampuan seseorang untuk b
ergerak yang biasanya dinyatakan dari kemampuannya membayar biaya transportasi.
Ada yang menyatakan bahwa aksesibilitas dapat dinyatakan dengan jarak. Jika suat
u tempat berdekatan dengan tempat lainnya, dikatakan aksesibilitas antara kedua
tempat tersebut tinggi. Sebaliknya, jika kedua tempat itu sangat berjauhan, akse
sibilitas antara keduanya rendah. Jadi, tata guna lahan yang berbeda pasti mempu
nyai aksesibilitas yang berbeda pula karena aktivitas tata guna lahan tersebut t
ersebar dalam ruang secara tidak merata (heterogen). Akan tetapi, peruntukan lah
an tertentu seperti bandara, lokasinya tidak bisa sembarangan dan biasanya terle
tak jauh di luar kota (karena ada batasan dari segi keamanan, pengembangan wilay
ah, dan lain lain). Dikatakan aksesibilitas ke bandara tersebut pasti akan selal
u rendah karena letaknya yang jauh di luar kota. Namun, meskipun letaknya jauh,
aksesibilitas ke bandara dapat ditingkatkan dengan
32
Ofyar Z Tamin, Perencanaan dan pemodelan transportasi

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

2.4.3 Aksesibilitas berdasarkan tujuan dan kelompok sosial


Kelompok populasi yang berbeda, atau orang yang sama pada saat yang berbeda, aka
n tertarik pada aksesibilitas yang berbeda beda. Keluarga, pada waktu yang berbe
da beda, tertarik akan aksesibilitas ke tempat pekerjaan, pendidikan, belanja, p
elayanan kesehatan, dan fasilitas rekreasi. Pedagang akan lebih tertarik pada ak
sesibilitas untuk pelanggan, sedangkan industri lebih tertarik pada aksesibilita
s untuk tenaga kerja dan bahan mentah. Beberapa pertanyaan mengenai aksesibilita
s untuk suatu daerah perkotaan dapat dilihat berikut ini (Black, 1977), dengan c
ontoh khusus untuk suatu daerah permukiman: berapa jarak ke tempat kerja, sekola
h, dan lain lain; dan bagaimana kondisi fasilitas sistem jaringan transportasiny
a (jalan, angkutan umum)? bagaimana keragaman aksesibilitas tersebut dilihat dar
i ciri sosio ekonomi dari daerah yang berbeda beda? apakah aksesibilitas yang ba
ik akan mengurangi jumlah perjalanan ke beberapa lokasi aktivitas? bagaimana ker
agaman aksesibilitas dalam kelompok yang berbeda, misalnya orang tua dan anak mu
da yang bergantung pada ketersediaan angkutan umum? apakah ada kelompok lain yan
g mempunyai aksesibilitas rendah karena mereka tidak mempunyai sepeda motor? Dal
am hal ini, konsep aksesibilitas dapat digunakan untuk menganalisis struktur sua
tu perkotaan dalam hal lokasi aktivitas yang mempunyai hubungan dengan lokasi pe
rumahan. Evaluasi seperti ini telah dilakukan sesuai dengan permintaan pemerinta
h DKI Jakarta (Gakenheimer, 1982). bagaimana mengenai keseragaman daerah? (perta
nyaan ini tidak begitu penting untuk daerah perkotaan). bagaimana kesejahteraan
sosial, terutama untuk daerah perkotaan, yang memegang peranan yang sangat penti
ng? Gakenheimer (1982) mengatakan bahwa hanya sedikit informasi yang didapat ten
tang aksesibilitas angkutan umum, terutama di luar DKI Jakarta, terutama yang be
rkaitan dengan pentingnya orang berpendapatan rendah mendapatkan aksesibilitas y
ang cukup untuk mencapai tempat bekerja, fasilitas kesehatan, serta sarana sosia
l lainnya. bagaimana lokasi industri dan produktifitas daerah perkotaan? Aksesib
ilitas penting artinya bagi lokasi industri pada skala daerah dan nasional, tapi
kurang begitu penting (dari sudut efisiensi dan produktivitas) dalam daerah per
kotaan. Secara aksiomatis, kenyataannya sangat sederhana; produktivitas suatu da
erah perkotaan dan pengembangan ekonominya dapat diperbaiki dengan tersedianya f
asilitas transportasi yang baik (aksesibilitas yang baik) di dalam kota. Aksesib
ilitas yang baik lebih penting untuk kesejahteraan sosial dibandingkan dengan pe
ngembangan ekonomi.

Pendekatan perencanaan transportasi


35

2.4.4 Aksesibilitas dalam model perkotaan


Setiap orang menginginkan aksesibilitas yang baik dan ini digunakan dalam bebera
pa model penentuan lokasi tata guna lahan di daerah perkotaan. Model yang terakh
ir dan banyak dikenal adalah model Lowry (Lowry, 1964). Model ini mengasumsikan
bahwa lokasi industri utama di daerah perkotaan harus ditentukan terlebih dahulu
. Setelah itu, jumlah keluarga dapat diperkirakan dan lokasinya ditentukan berda
sarkan aksesibilitas lokasi industri tersebut. Jumlah sektor pelayanan kemudian
dapat diperkirakan dari jumlah keluarga dan model tersebut, yang selanjutnya dit
entukan lokasinya berdasarkan aksesibilitasnya terhadap lokasi perumahan. Dengan
kata lain, dengan menentukan lokasi industri (lapangan kerja), lokasi lainnya (
perumahan dan fasilitas pelayanan lainnya) dapat ditentukan oleh model dengan kr
iteria dasar aksesibilitas.
2.4.5 Pengukuran aksesibilitas di daerah perkotaan
Ukuran untuk menentukan besarnya hambatan pergerakan yang dapat digunakan untuk
mengukur aksesibilitas telah didiskusikan. Black and Conroy (1977) membuat ringk
asan tentang cara mengukur aksesibilitas di dalam daerah perkotaan. Yang paling
mudah adalah mengasumsikan bahwa daerah perkotaan dipecah menjadi N zona, dan se
mua aktivitas terjadi di pusat zona. Aktivitas diberi notasi A. Aksesibilitas K
untuk suatu zona adalah ukuran intensitas di lokasi tata guna lahan (misalnya ju
mlah lapangan kerja) pada setiap zona di dalam kota tersebut dan kemudahan untuk
mencapai zona tersebut melalui sistem jaringan transportasi.
2.4.5.1 Ukuran grafis aksesibilitas
Dapat dibuat sebaran frekuensi yang memperlihatkan jumlah kesempatan yang tersed
ia dalam jarak, waktu, dan biaya tertentu dari zona i. Hal ini menunjukkan akses
ibilitas zona i untuk aktivitas tertentu (misalnya pekerjaan). Sebaran ini dapat
dibuat untuk setiap moda yang berbeda. Selain jumlah kesempatan, proporsi kesem
patan yang ada dari kota tersebut dapat juga digunakan. Juga, selain sebaran fre
kuensi, sebaran frekuensi kumulatif (ogive) dapat juga digunakan.
Yang paling terkenal adalah ukuran dari Hansen (1959). Dalam artikelnya How Acce
ssibility Shapes Land Use, Hansen mengembangkan ukuran fisik mengenai aksesibili
tas:
2.4.5.2 Ukuran fisik aksesibilitas
Ki =
d =1 id
td
N
A
(2.1)
K i = aksesibilitas zona i ke zona lainnya (d) Ad = ukuran aktivitas pada setiap
zona d (misalnya jumlah lapangan kerja) t id = ukuran waktu atau biaya dari zon
a asal i ke zona tujuan d
36
Ofyar Z Tamin, Perencanaan dan pemodelan transportasi

Banyak ukuran fisik untuk aksesibilitas lainnya ditentukan berdasarkan rumus di


atas. Beberapa variasi, seperti oleh Black and Conroy (1977), mencoba menggabung
kan ukuran grafis dengan ukuran fisik aksesibilitas.
2.4.5.3 Aksesibilitas perumahan sebagai fungsi tersedianya fasilitas transportas
i Ukuran fisik aksesibilitas menerangkan struktur perkotaan secara spasial
tanpa melihat adanya perbedaan yang disebabkan oleh keragaman moda transportasi
yang tersedia, misalnya mobil dan angkutan umum. Mobil mempunyai aksesibilitas y
ang lebih baik daripada angkutan umum atau berjalan kaki. Banyak orang di daerah
permukiman mempunyai akses yang baik dengan mobil atau sepeda motor dan banyak
yang juga tergantung pada angkutan umum atau jalan. Jadi, aksesibilitas zona asa
l i dipengaruhi oleh proporsi orang yang menggunakan moda tertentu, dan harga in
i dijumlahkan untuk semua moda transportasi yang ada untuk mendapatkan aksesibil
itas zona. Prosedur ini dijelaskan secara lengkap oleh Black and Conroy (1977).
2.4.6 Aksesibilitas dan perilaku perjalanan
Aksesibilitas adalah ukuran untuk menghitung potensial perjalanan dibandingkan d
engan jumlah perjalanan. Ukuran ini dapat digunakan untuk menghitung jumlah perj
alanan yang sebenarnya berhubungan dengan potensial tersebut. Salah satu cara se
derhana adalah dengan memperlihatkan secara grafis proporsi penghuni yang mencap
ai tujuannya dibandingkan dengan jumlah kumulatif aktivitas. Zona tujuan d diuru
t berdasarkan jarak, waktu, atau biaya yang semakin menjauh yang dipilih berdasa
rkan zona i. Hal ini dapat ditafsir untuk menunjukkan jumlah kesempatan yang seb
enarnya didapat. Teknik ini dijelaskan secara rinci oleh Black and Conroy (1977)
. Hubungan antara aksesibilitas dan jumlah perjalanan sebenarnya membentuk dasar
model gravity yang dapat digunakan untuk meramalkan arus lalulintas antarzona d
i dalam daerah perkotaan.
2.4.7 Contoh penggunaan aksesibilitas
Telah diterangkan bahwa aksesibilitas di daerah perkotaan digunakan sebagai ukur
an struktur spasial suatu kota dan selanjutnya digunakan untuk mengevaluasi stru
ktur tersebut dalam bentuk sosial. Beberapa contoh yang diberikan akan menjelask
an ini. Hasil kerja di Inggris (Dallal, 1980) bertujuan untuk mengukur aksesibil
itas angkutan umum di kota London. Tujuan utama penelitian ini adalah: untuk men
unjukkan variasi aksesibilitas keluarga akan kebutuhan angkutan umum; untuk meng
identifikasi daerah yang perlu diperbaiki pelayanan angkutan umumnya; untuk meng
uji dampak perubahan pelayanan angkutan umum terhadap aksesibilitas. Apakah peru
bahan tersebut berhasil memperbaiki aksesibilitas?
Indeks aksesibilitas untuk angkutan umum didapatkan dengan mengkombinasikan jara
k dari rumah ke tempat pemberhentian bus atau stasiun kereta api bawah tanah
Pendekatan perencanaan transportasi
37

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

Investasi yang dibenamkan untuk pembangunan sistem jaringan transportasi pada da


sarnya bertujuan meningkatkan aksesibilitas dari tata guna lahan yang terhubungk
an oleh jaringan jalan tersebut. Tetapi, aksesibilitas yang dihasilkan menjadi t
idak ada artinya (mubazir) jika seseorang tidak mampu membayar biaya transportas
inya. Baginya, investasi yang dibenamkan dalam pembangunan sistem jaringan terse
but menjadi tidak ada artinya sama sekali.
2.5 Konsep perencanaan transportasi
Terdapat beberapa konsep perencanaan transportasi yang telah berkembang sampai d
engan saat ini yang paling populer adalah Model Perencanaan Transportasi Empat Ta
hap. Model perencanaan ini merupakan gabungan dari beberapa seri submodel yang ma
sing masing harus dilakukan secara terpisah dan berurutan. Submodel tersebut ada
lah: aksesibilitas bangkitan dan tarikan pergerakan sebaran pergerakan pemilihan
moda pemilihan rute arus lalulintas dinamis
2.5.1 Bangkitan dan tarikan pergerakan 2.5.1.1 Umum
Bangkitan pergerakan adalah tahapan pemodelan yang memperkirakan jumlah pergerak
an yang berasal dari suatu zona atau tata guna lahan dan jumlah pergerakan yang
tertarik ke suatu tata guna lahan atau zona. Pergerakan lalulintas merupakan fun
gsi tata guna lahan yang menghasilkan pergerakan lalulintas. Bangkitan lalulinta
s ini mencakup: lalulintas yang meninggalkan suatu lokasi lalulintas yang menuju
atau tiba ke suatu lokasi.
Bangkitan dan tarikan pergerakan terlihat secara diagram pada gambar 2.3 (Wells,
1975).
i
d
pergerakan yang berasal dari zona i
pergerakan yang menuju ke zona d
Gambar 2.3 Bangkitan dan tarikan pergerakan
40
Ofyar Z Tamin, Perencanaan dan pemodelan transportasi

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

Jaringan transportasi dapat menyediakan sarana untuk memecahkan masalah jarak te


rsebut (misalnya perbaikan sistem jaringan transportasi akan mengurangi waktu te
mpuh dan biaya sehingga membuat seakan akan jarak antara kedua tata guna lahan a
tau aktivitas tersebut menjadi semakin dekat). Sistem transportasi dapat mengura
ngi hambatan pergerakan dalam ruang, tetapi tidak mengurangi jarak. Jarak hanya
bisa diatasi dengan memperbaiki sistem jaringan transportasi. Oleh karena itu, j
umlah pergerakan lalulintas antara dua buah tata guna lahan tergantung dari inte
nsitas kedua tata guna lahan dan pemisahan ruang (jarak, waktu, dan biaya) antar
a kedua zonanya. Sehingga, arus lalulintas antara dua buah tata guna lahan mempu
nyai korelasi positif dengan intensitas tata guna lahan dan korelasi negatif den
gan jarak.
2.5.3 Bangkitan dan sebaran pergerakan
Telah dijelaskan bahwa jenis dan intensitas tata guna lahan berpengaruh pada jum
lah bangkitan lalulintas sehingga jelaslah bahwa bangkitan pergerakan sangat ber
kaitan dengan sebaran pergerakan. Bangkitan pergerakan memperlihatkan banyaknya
lalulintas yang dibangkitkan oleh setiap tata guna lahan, sedangkan sebaran perg
erakan menunjukkan ke mana dan dari mana lalulintas tersebut. Ilustrasinya terli
hat pada gambar 2.52.6 (Wells, 1975).
Bangkitan pergerakan menghasilkan pergerakan lalulintas yang masuk dan keluar da
ri suatu zona
i 200
d 150
200 pergerakan berasal dari zona i
150 pergerakan menuju ke zona d
Gambar 2.5 Bangkitan pergerakan Sumber: Wells (1975)
Sebaran pergerakan menghasilkan jumlah arus lalulintas yang bergerak dari suatu
zona ke zona lainnya 75 pergerakan i antara zona i dan d d
Gambar 2.6 Sebaran pergerakan antar dua buah zona Sumber: Wells (1975)
2.5.4 Pemilihan moda transportasi dan rute 2.5.4.1 Pemilihan moda transportasi
Jika interaksi terjadi antara dua tata guna lahan di suatu kota, seseorang akan
memutuskan bagaimana interaksi tersebut harus dilakukan. Dalam kebanyakan kasus,
pilihan pertama adalah dengan menggunakan
44
Ofyar Z Tamin, Perencanaan dan pemodelan transportasi

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=

T0 dengan menggunakan pesamaan (2.34) beikut. Dengan

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

2.5.8.3 Pendekatan ata ata


Pesamaan (2.14) dapat disedehanakan dengan uutan penyedehanaan sepeti tetu
C TQ = Q T0 (1 a )
is pada pesamaan (2.35)(2.37). T0 TQ = Q 1

(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)

gangguan samping FFVC


(jumah penduduk)
jaan dan jenis kenda
bebas dasa (FV0) Tip

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

Sumbe: IHCM (1997)


Secaa umum kendaaan ingan memiiki kecepatan aus bebas dasa ebih tinggi da
ipada kendaaan beat dan sepeda moto. Jaan bepembatas median memiiki kecep
atan aus bebas dasa ebih tinggi daipada jaan tanpa pembatas median. Untuk j
aan beaju ebih dai 8, kecepatan aus bebas dasanya sama dengan jaan be
aju 6. Fakto koeksi kecepatan aus bebas akibat eba jaan (FVW) ditentukan
bedasakan tipe jaan dan eba jaan efektif (We) (ihat tabe 2.11).
54
Ofya Z Tamin, Peencanaan dan pemodean tanspotasi

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

2.6 Pehitungan kapasitas uas jaan dan pesimpangan


2.6.1 Pehitungan kapasitas uas jaan
Jaingan jaan ada yang memakai pembatas median dan ada pua yang tidak, sehingg
a daam pehitungan kapasitas, keduanya dibedakan. Untuk uas jaan bepembatas
median, kapasitas dihitung tepisah untuk setiap aah, sedangkan untuk uas jaa
n tanpa pembatas median, kapasitas dihitung untuk kedua aah. Pesamaan umum unt
uk menghitung kapasitas suatu uas jaan menuut metode Indonesian Highway Capac
ity Manua (IHCM, 1997) untuk daeah pekotaan adaah sebagai beikut. C = C 0 x
FC W xFC SP xFC SF xFC CS (smp/jam) (2.43) C : kapasitas (smp/jam) : kapasitas d
asa (smp/jam)
C0
FC W : fakto koeksi kapasitas untuk eba jaan FC SP : fakto koeksi kapasit
as akibat pembagian aah (tidak beaku untuk jaan satu aah) FC SF : fakto ko
eksi kapasitas akibat gangguan samping FC CS : fakto koeksi kapasitas akibat
ukuan kota (jumah penduduk)
Kapasitas dasa C0 ditentukan bedasakan tipe jaan sesuai dengan niai yang te
tea pada tabe 2.16.
Tabe 2.16 Kapasitas dasa (C0) Tipe jaan
Jaan 4 aju bepembatas median atau jaan satu aah Jaan 4 aju tanpa pembat
as median Jaan 2 aju tanpa pembatas median
2.6.1.1 Kapasitas dasa C0
Kapasitas dasa (smp/jam)
1.650 1.500 2.900
Keteangan
pe aju pe aju tota dua aah
Sumbe: IHCM (1997)
Kapasitas dasa untuk jaan yang ebih dai 4 aju dapat dipekiakan dengan me
nggunakan kapasitas pe aju pada tabe 2.16 meskipun mempunyai eba jaan yan
g tidak baku.
2.6.1.2 Fakto koeksi kapasitas akibat pembagian aah (FCSP)
Fakto koeksi FCSP ini dapat diihat pada tabe 2.17. Penentuan fakto koeksi
untuk pembagian aah didasakan pada kondisi aus auintas dai kedua aah ata
u untuk jaan tanpa pembatas median. Untuk jaan satu aah dan/atau jaan dengan
pembatas median, fakto koeksi kapasitas akibat pembagian aah adaah 1,0.
62
Ofya Z Tamin, Peencanaan dan pemodean tanspotasi

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

2.6.2 Pengauh paki pada kapasitas uas jaan


Sepeti teah dijeaskan pada subbab sebeumnya, gangguan samping akan sangat me
mpengauhi kapasitas uas jaan. Saah satu bentuk gangguan samping yang paing
banyak dijumpai di daeah pekotaan adaah kegiatan pepakian yang menggunakan
badan jaan. Beikut ini akan disampaikan hasi peneitian mengenai pengauh ke
giatan pepakian di badan jaan tehadap penuunan kapasitas uas jaan. Pene
itian diakukan oeh Lembaga Peneitian ITB, bekeja sama dengan KBK Rekayasa T
anspotasi, Juusan Teknik Sipi, ITB pada tahun 1998 (LP ITB, 1998). Sampe yan
g digunakan adaah bebeapa uas jaan di DKI Jakata dengan eba jaan dan jum
ah aju yang bebeda beda. Leba jaan yang tesita oeh kegiatan pepakian
(temasuk eba manuve) tentu menguangi kemampuan jaan tesebut daam menampu
ng aus kendaaan yang ewat, atau dengan pekataan ain, kapasitas jaan teseb
ut akan bekuang (penuunan kapasitas jaan bukan saja disebabkan oeh penguan
gan eba jaan tetapi juga oeh poses kegiatan kendaaan masuk dan keua peta
k paki). Semakin besa sudut paki kendaaan, semakin besa pua penguangan
kapasitas jaannya. Dai hasi peneitian tesebut teihat bahwa pada sudut pa
ki 90, eba jaan yang tesita untuk paki kia kia hampi dua kai eba ja
an yang tesita untuk paki dengan sudut paki 0 (paae). Penguangan kapasit
as akibat adanya paki ini akan teasa nyata pada uas jaan dengan jumah aju
 keci. Bahkan pada jaan yang mempunyai 2 aju, dengan eba aju 3,5 mete,
tidak semua posisi paki bisa diteapkan. Tetapi, pada jaan dengan jumah aj
u besa (ebih dai 6 aju), pemakaian uang jaan untuk paki tidak akan te
au mempengauhi kapasitas jaan secaa nyata. Kondisi ini secaa jeas dapat t
eihat pada gafik hubungan jumah aju (2, 3, 4, 5, dan 6 aju) dengan kapas
itas uas jaan pada bebeapa posisi paki beikut ini (gamba 2.13). Pada gamb
a tesebut tampak bahwa untuk posisi dengan paki paae (sudut paki 0) tej
adi penguangan kapasitas yang cukup besa. Begitu juga antaa sudut paki 0 den
gan sudut paki 30. Untuk sudut paki ainnya, penguangan kapasitasnya tidak t
eau besa. Dengan demikian, dapat disimpukan bahwa: (1) kegiatan pepakian
sangat menguangi kapasitas uas jaan dan (2) penuunan kapasitas yang nyata t
ejadi pada sudut paki 30. Peubahan kapasitas pada sudut paki yang ebih bes
a dai 30 tidak sebesa peubahan kapasitas pada sudut paki 30. Jadi, kapasitas
sisa untuk sudut paki di atas 30 dapat dikatakan tidak teau bebeda dibandi
ngkan dengan kapasitas pada sudut paki 30. Dengan kata ain, pengauh opeasi p
aki dengan sudut paki ebih besa dai 30 tehadap kapasitas jaan dapat dian
ggap miip dengan pengauh opeasi paki dengan sudut paki 30. Kaena itu, di
ekomendasikan untuk mengambi sudut paki yang sama dengan atau ebih besa da
i 30, teutama untuk jaan dengan jumah aju ebih dai tiga (atau sudut paki
optima adaah 30).
Pendekatan peencanaan tanspotasi
67

Kapasitas (smp pe jam)


10.000
8.000
1 2
6.000
3 4 5 6 1 2 3 4 5 6 tanpa sudut paki besudut 0o paki besudut 30o paki be
sudut 45o paki besudut 60o paki besudut 90o
4.000
2.000
0 2 3 4 5 6
Jumah aju Gamba 2.13 Hubungan kapasitas jumah aju dengan sudut paki be
beda beda Sumbe: LP ITB (1998)
68
Ofya Z Tamin, Peencanaan dan pemodean tanspotasi

2.6.3 Pehitungan kapasitas pesimpangan


Kapasitas sistem jaingan jaan pekotaan tidak saja dipengauhi oeh kapasitas
uas jaannya tetapi juga oeh kapasitas setiap pesimpangannya (baik yang diatu
 oeh ampu auintas maupun tidak). Bagaimana pun baiknya kineja uas jaan
dai suatu sistem jaingan jaan, jika kineja pesimpangannya sangat endah mak
a kineja seuuh sistem jaingan jaan tesebut akan menjadi endah pua. Beik
ut ini dijeaskan pehitungan kapasitas pesimpangan beampu auintas dan pe
simpangan yang tidak beampu auintas.
2.6.3.1 Pesimpangan tidak beampu auintas Bedasakan IHCM (1997), pehitun
gan kapasitas pesimpangan tidak beampu auintas ditentukan dengan pesamaan
(2.45) beikut.
C = C 0 xFW xFM xFCS xFRSU xFLT xFRT xFMI
C : kapasitas (smp/jam) : kapasitas dasa (smp/jam)
(smp/jam)
(2.45)
C0 FW FM FCS
: fakto koeksi kapasitas untuk eba engan pesimpangan : fakto koeksi kapa
sitas jika ada pembatas median pada engan pesimpangan : fakto koeksi kapasit
as akibat ukuan kota (jumah penduduk)
FRSU : fakto koeksi kapasitas akibat adanya tipe ingkungan jaan, gangguan sa
mping, dan kendaaan tidak bemoto FLT : fakto koeksi kapasitas akibat adanya
pegeakan beok kii FRT : fakto koeksi kapasitas akibat adanya pegeakan b
eok kanan FMI : fakto koeksi kapasitas akibat adanya aus auintas pada ja
an mino
Besa setiap fakto koeksi kapasitas sangat tegantung pada tipe pesimpangan,
yang ditentukan oeh bebeapa ha: jumah engan, jumah aju pada jaan utama,
dan jumah aju pada jaan mino. Penjeasan ebih inci mengenai niai setiap
fakto koeksi kapasitas bisa didapatkan daam IHCM (1997).
2.6.3.2 Pesimpangan beampu auintas
Kapasitas engan pesimpangan beampu auintas dipengauhi oeh bebeapa fakt
o, yaitu niai aus jenuh, waktu hijau efektif, dan waktu sikus sepeti yang d
inyatakan daam pesamaan (2.46) beikut. C = S.g/c (smp/jam) (2.46) C g : kapas
itas (smp/jam) : waktu hijau efektif S : aus jenuh (smp/jam) c : waktu sikus
Pendekatan peencanaan tanspotasi
69

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

( PA dan AB ) dan besanya fakto kemudahan pencapaian (aksesibiitas) zona tuju


an (B) dai zona asa A ( TQAB ) yang dapat dinyatakan daam pesamaan (2.50): Q
AB = PA . AB .k TQAB (2.50)
k = konstanta penyeimbang sebaan pegeakan Pemiihan moda tanspotasi 2.7.1.3
Pemiihan moda tanspotasi dan ute antaa zona A ke zona B didasakan pada pe
bandingan antaa bebagai kaakteistik opeasiona moda tanspotasi yang tes
edia (misanya waktu tempuh, taif, waktu tunggu, dan ain ain). Begitu juga ha
nya ute pemiihan ute didasakan pada pebandingan kaakteistik opeasiona
setiap atenatif ute untuk setiap moda tanspotasi yang tesedia. Besanya pe
geakan yang menggunakan ute tetentu akan menentukan besanya waktu tempuh an
tazona pada ute tesebut (ihat gamba 2.7 dan 2.9). Secaa konsep, jika teda
pat bebeapa atenatif ute, kondisi keseimbangan sepeti yang dinyatakan oeh
Wadop (1952) beasumsi bahwa aus auintas akan mengatu diinya sendii seh
ingga besanya waktu tempuh untuk semua atenatif ute yang tesedia adaah sam
a. Dengan kata ain, pada kondisi keseimbangan tidak ada seoang pun yang mampu
memiih ute yang ebih baik kaena semua atenatif ute yang tesedia mempunya
i waktu tempuh yang sama dan minima. Jika tedapat dua atenatif ute (1 dan 2
) antaa zona A dan B, maka kondisi keseimbangan tecapai jika:
TQAB(1) = TQAB(2)
2.7.2 Contoh peneapan sedehana
(2.51)
Beikut ini dikemukakan contoh pehitungan sedehana untuk mempeihatkan bagaim
ana sistem tata guna ahansistem pegeakan auintassistem pasaana tanspotas
i saing beinteaksi daam satu sistem kesatuan. Misakan tedapat dua buah zon
a (zona A dan zona B) zona A adaah zona pemukiman dan zona B adaah zona apan
gan keja. Popuasi zona A adaah 35.000 oang, sedangkan jumah apangan keja
yang tesedia sebanyak 12.000. Pesentase usia keja di zona A = 90% (hanya 90%
dai tota popuasi yang bekeja). Zona A dan zona B dihubungkan oeh dua buah 
ute (ute 1 dan 2) yang kaakteistiknya adaah sebagai beikut:
Rute
1 2
Panjang (km)
17 20
To (menit)
25 40
Indeks tingkat peayanan (a)
0,4 1,0
Kapasitas (kendaaan/jam)
3.000 2.000
Sebaan pegeakan dianggap mengikuti hukum gavity sebagai beikut:
72
Ofya Z Tamin, Peencanaan dan pemodean tanspotasi

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

Dai pesamaan (2.69) dan (2.72) dipeoeh:


2 + 299.500Q AB(2) 222.500.000 = 0 85,875Q AB(2)
(2.73)
Dengan menyeesaikan pesamaan (2.73), didapat jumah pegeakan auintas yang
akan menggunakan ute 2, yaitu sebesa 629 kendaaan/jam. Dengan memasukkan ni
ai Q AB(2) = 629 ke pesamaan (2.70), dipeoeh Q AB(3) = 3.539 kendaaan/jam. D
engan memasukkan niai Q AB(2) = 629 dan Q AB(3) = 3.539 ke pesamaan (2.71), di
peoeh niai Q AB(1) = 2.308 kendaaan/jam sehingga tota jumah kendaaan untu
k semua ute Q AB = 6.476 kendaaan/jam dengan waktu tempuh TAB = 58,37 menit. S
euuh hasi pehitungan niai aus dan waktu tempuhnya untuk setiap ute dieka
pituasi daam tabe 2.25.
Tabe 2.25 Rekapituasi besa aus pada setiap ute dan waktu tempuhnya Aus dan
waktu tempuh Rute
1* 2* 3* 1+2* 1+2+3*
Q AB(1)
Q AB( 2 )
Q AB( 3 )
QAB
(kend. (kend. (kend. (kend. pe jam) pe jam) pe jam) pe jam)
2.755 0 0 2.642 2.308 0 1.651 0 1.189 629 0 0 3.766 0 3.539 2.755 1.651 3.766 3.
831 6.476
TAB
(menit)
137,23 229,00 100,38 99,675 58,37
Titik keseimbangan (ihat gamba 2.14)
B A C D E
1* hanya ute 1 yang beopeasi 2* hanya ute 2 yang beopeasi 3* hanya ute 3
yang beopeasi 1+2* ute 1 dan 2 sama sama beopeasi 1+2+3* ute 1,2, dan 3 sa
ma sama beopeasi
Sumbe: Hasi anaisis

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

Tabe 2.27 Hubungan antaa


Q AB dan TQAB Q AB
5.000 5.500 6.000 6.500 7.000 7.500 8.000 8.500 9.000
Q AB
0 500 1.000 1.500 2.000 2.500 3.000 3.500 4.000 4.500
TQAB
TQAB(1) TQAB(2) TQAB(3)
25,00 40,00 53,33 80,00 160,00 ~ 20,00 20,71 21,67 23,00 25,00 28,33 35,00 55,00
~
TQAB
75,60 68,73 63,00 58,15 54,00 50,40 47,25 44,47 42,00
TQAB(1) TQAB(2) TQAB(3)
(kend/jam) (menit) (menit) (menit) (menit) (kend/jam) (menit) (menit) (menit) (m
enit)
756,00 378,00 252,00 189,00 151,20 126,00 108,00 94,50 84,00
27,00 30,00 35,00 45,00 75,00 ~
500
R U TE 2 G A R IS K EB U TU H A N 1 T2 400 R U TE 1 R U TE 1+2 R U TE 1+2+3 R U
TE 3
A
T (Waktu tempuh

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

sekeiingnya (gais kodon) semua infomasi tanspotasi yang begeak di daam


nya haus diketahui. Dengan kata ain, daeah atau zona yang beada di ua bata
s daeah kajian (zona ekstena) dianggap kuang atau sedikit bepengauh tehad
ap pegeakan aus auintas di daam daeah kajian, sedangkan daeah atau zona
yang beada di daam daeah kajian (zona intena) bepengauh sangat besa te
hadap sistem pegeakan auintas di daam daeah kajian. Di daam batasnya, da
eah kajian dibagi menjadi N subdaeah yang disebut zona, yang masing masing diw
akii oeh pusat zona. Zona dapat juga dianggap sebagai satu kesatuan atau kese
agaman tata guna ahan. Pusat zona dianggap sebagai tempat atau okasi awa peg
eakan auintas dai zona tesebut dan akhi pegeakan auintas yang menuju
ke zona tesebut. Jika sistem jaingan jaan ditumpangkan (supeimpose) ke atas
daeah kajian, akan teihat gabungan antaa sistem kegiatan yang diwakii oeh
zona beseta pusatnya dengan sistem jaingan jaan yang diwakii oeh simpu da
n uas jaan. Secaa umum, batas administasi seing digunakan sebagai batas zon
a sehingga memudahkan pengumpuan data. Cek siang dan pebandingan statistik an
taa bebeapa kajian dapat diakukan jika batas zona yang digunakan sama. Bebea
pa kiteia utama yang peu dipetimbangkan daam menetapkan sistem zona di da
am suatu daeah kajian disaankan oeh IHT and DTp (1987), meiputi ha beikut
ini: Ukuan zona sebaiknya diancang sedemikian upa sehingga gaat pengeompoka
n (ihat subbab 3.5.6) yang timbu akibat asumsi pemusatan seuuh aktivitas pad
a suatu pusat zona menjadi tidak teau besa. Sebaiknya diencanakan suatu sis
tem zona dengan banyak zona keci kaena nantinya zona tesebut akan bisa digabu
ngkan dengan bebagai caa, tegantung pada tujuan kajian yang akan diaksanakan
; batas zona sebaiknya haus sesuai dengan batas sensus, batas administasi dae
ah, batas aami, atau batas zona yang digunakan oeh kajian tedahuu yang sudah
dipandang sebagai kiteia utama; ukuan zona haus disesuaikan dengan kepadata
n jaingan yang akan dimode, biasanya ukuan zona semakin membesa jika semakin
jauh dai pusat kota; ukuan zona haus ebih besa dai yang sehausnya untuk
memungkinkan aus auintas dibebankan ke atas jaingan jaan dengan ketepatan
sepeti yang disyaatkan; batas zona haus dibuat sedemikian upa sehingga sesua
i dengan jenis poa pengembangan untuk setiap zona, misanya pemukiman, indust
i, dan pekantoan. Tipe tata guna ahan setiap zona sebaiknya homogen untuk men
ghindai tingginya jumah pegeakan intazona dan untuk menguangi tingkat keu
mitan mode; batas zona haus sesuai dengan batas daeah yang digunakan daam pe
ngumpuan data;

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.

3.4.3 Ruas jaan


Jaingan tanspotasi dapat diceminkan daam bebeapa tingkat pengeompokan yan
g bebeda daam suatu pemodean. Secaa paktis, yang haus diakukan adaah mem
buat mode jaingan sebagai gafik teaah (sistem simpu dengan uas jaan yang
menghubungkannya) sepeti teihat pada gamba 3.1 dan 3.3. Simpu dapat mence
minkan pesimpangan atau kota, sedangkan uas jaan menceminkan uas jaan anta
a pesimpangan atau uas jaan antakota. Ruas jaan dinyatakan dengan dua buah
nomo simpu di ujung ujungnya. Bebeapa cii uas jaan peu diketahui,
Konsep pemodean
93

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

ba Besarya biaya pemakaia ba sagat tergatug paa kecepata


jeis kearaa. Kearaa gologa I Kearaa gologa IIA Ke
IIB : : : Y = 0,0008848 V 0,0045333 Y = 0,0012356 V 0,0064667 Y
0,0059333

Y = pemakaia ba per 1.000 km Biaya pemeliharaa Kompoe biaya pemeliharaa ya


g palig omia aalah biaya suku caag a upah motir. a Suku caag : Y =
0,0000064 V + 0,0005567 Gologa I
Gologa IIA : Y = 0,0000332 V + 0,0020891 Gologa IIB : Y = 0,0000191 V + 0,00
15400 Y = biaya pemeliharaa suku caag 5per 1.000 km b Motir : Y = 0,00362 V
+ 0,36267 Gologa I
98
Oyar Z Tami, Perecaaa a pemoela trasportasi

Gologa IIA : Y = 0,02311 V + 1,97733 Gologa IIB : Y = 0,01511 V + 1,21200 Y


= jam kerja motir per 1.000 km Biaya peyusuta Biaya peyusuta haya berlaku
utuk perhituga BOK paa jala tol a jala arteri, besarya berbaig terba
lik ega kecepata kearaa. Gologa I : Y = 1/(2,5 V + 125) Gologa IIA :
Y = 1/(9,0 V + 450) Gologa IIB : Y = 1/(6,0 V + 300) Y= biaya peyusuta per 1
.000 km (sama ega 1/2 ilai peyusuta kearaa)
Buga moal Meurut Roa User Costs Moel (1991), besarya biaya buga moal per
kearaa per 1.000 km itetuka oleh persamaa (3.4) berikut. Buga moal = 0
,22% x (harga kearaa baru) (3.4) Biaya asurasi Besarya biaya asurasi berba
ig terbalik ega kecepata. Semaki tiggi kecepata kearaa, semaki kec
il biaya asurasi. Gologa I : Y = 38/(500 V) Gologa IIA : Y = 6/(2571,42857
V) Gologa IIB : Y = 61/(1714,28571 V) Y = biaya asurasi per 1.000 km

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.

3.5 Galat alam pemoela a peramala


Proseur statistik biasaya iguaka alam pemoela kebutuha aka trasportas
i ega megasumsika bahwa buka saja ugsi spesiikasi alam pemoela terse
but yag iaggap bear, tetapi juga ata yag iguaka utuk
100 Oyar Z Tami, Perecaaa a pemoela trasportasi

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

Kosep pemoela 107

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

iguaka. Pegambila sampel 100% sagatlah tiak mugki karea membutuhka bi


aya yag sagat besar, teaga kerja yag sagat bayak, a waktu proses yag sa
gat lama. Bruto (1985) meyaraka beberapa ilai sampel yag telah irekome
asika utuk iguaka selama hampir 20 tahu (lihat tabel 3.8).
Tabel 3.8 Rekomeasi ukura sampel survei wawacara rumah tagga Populasi
i bawah 50.000 50.000150.000 150.000300.000 300.000500.000 500.0001.000.000 i atas
1.000.000
Ukura sampel (rumah tagga) Rekomeasi
1:5 1:8 1:10 1:15 1:20 1:25
Miimum
1:10 1:20 1:35 1:50 1:70 1:100
Sumber: Bruto (1985)
Paa survei agkuta barag, beberapa iormasi berikut sagat ibutuhka agar 
apat meghasilka gambara karakteristik agkuta barag, misalya jeis keara
a yag iguaka, jeis a volume barag yag iagkut, zoa asal a tujua,
karakteristik perusahaa (jika aa), iormasi pegguaa trasportasi multi mo
a, a lai lai. Survei agkuta umum bertujua utuk meapatka iormasi jum
lah aikturuya peumpag utuk setiap rute, proil pembebaa utuk setiap rute
, zoa asal a zoa tujua pergeraka, tujua pergeraka, moa trasportasi ar
i zoa asal ke agkuta umum, serta moa trasportasi ari agkuta umum ke zoa
tujua. Survei wawacara i tepi jala juga meayaka iormasi yag sama eg
a survei laiya, yaitu jeis kearaa, tigkat isia peumpag, zoa asal a
tujua, serta tujua pergeraka. Salah satu kelemaha survei ii aalah tergag
guya arus lalulitas karea kearaa harus berheti utuk iwawacarai. Kelema
ha berikutya aalah bahwa utuk suatu ruas jala yag cukup tiggi arus laluli
tasya, pegambila sampel 100% hampir tiak mugki apat ilaksaaka. Tabel
3.9 memperlihatka ukura sampel yag irekomeasika utuk survei wawacara i
tepi jala.
Tabel 3.9 Rekomeasi ukura sampel survei wawacara i tepi jala Arus lalulit
as (kearaa/jam)
900 atau lebih 700899 500699 300499 200299 1199
Ukura sampel
1:10 1:8 1:6 1:4 1:3 1:2
Sumber: Ortuzar a Willumse (1994)
110 Oyar Z Tami, Perecaaa a pemoela trasportasi

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

Tabel 4.2 Cotoh klasiikasi tujua pergeraka Tujua pergeraka


Bekerja Peiika Belaja Sosial Kesehata Birokrasi Ikut ega orag Lailai
Kembali ke rumah
Jam sibuk pagi hari Jumlah
465.683 313.275 13.738 7.064 14.354 34.735 18.702 1.736 24.392
Jam tiak sibuk Jumlah
52,12 35,06 1,54 0,79 1,60 3,89 2,09 0,19 2,72 39.787 15.567 35.611 16.938 8.596
57.592 676 2.262 130.689
%
%
12,68 4,96 11,35 5,40 2,74 18,35 2,14 0,73 41,65
Sumber: Ortuzar a Willumse (1994)
4.1.2.3 Berasarka jeis orag
Hal ii merupaka salah satu jeis pegelompoka yag petig karea perilaku pe
rgeraka iiviu sagat ipegaruhi oleh atribut sosio ekoomi. Atribut yag i
maksu aalah: tigkat peapata: biasaya terapat tiga tigkat peapata i
Ioesia: tiggi, meegah, a reah; tigkat pemilika kearaa: biasaya t
erapat empat tigkat: 0, 1, 2, atau lebih ari ua (2+) kearaa per rumah ta
gga; ukura a struktur rumah tagga.
Hal petig yag harus iamati aalah bahwa jumlah tigkat apat meigkat pesat
a ii berimplikasi cukup besar bagi kebutuha aka ata, kalibrasi moel, a
pegguaaya.
4.1.3 Faktor yag mempegaruhi
Dalam pemoela bagkita pergeraka, hal yag perlu iperhatika buka saja per
geraka mausia, tetapi juga pergeraka barag. a Bagkita pergeraka utuk ma
usia Faktor berikut ipertimbagka paa beberapa kajia yag telah ilakuka:
eapata pemilika kearaa struktur rumah tagga ukura rumah tagga ilai la
ha kepaata aerah permukima aksesibilitas
Moel bagkita pergeraka 115

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

rumah tagga bermobil meghasilka


: 6,0 pergeraka/hari
rumah tagga tapa mobil meghasilka : 2,5 pergeraka/hari Dega muah kita me
apatka jumlah pergeraka ari zoa tersebut, yaitu: ti = 250 x 2,5 + 250 x 6,
0 = 2.125 pergeraka/hari Asumsika bahwa paa masa meatag semua rumah tagga
aka mempuyai satu mobil. Oleh karea itu, ega berasumsi bahwa peapata 
a populasi tetap, kita apat meaksir aktor pertumbuha perkalia yag seerha
a seperti: Fi = C i C ic = 1 0,5 = 2 Dega megguaka persamaa (4.1) kita 
apat meghitug jumlah pergeraka paa masa meatag: Ti = 2 x 2.125 = 4.250 pe
rgeraka/hari Aka tetapi, metoe ii sagat kasar. Jika kita megguaka iorm
asi rata rata tigkat bagkita pergeraka a berasumsi bahwa tigkat pergeraka
 tersebut tetap kosta, kita meapatka jumlah pergeraka paa masa meatag
sebesar: Ti = 500 x 6 = 3.000 Ii berarti metoe aktor pertumbuha mempuyai t
aksira yag lebih tiggi ari yag sebelumya sebesar 42%. Hal ii harus iliha
t secara serius karea bagkita pergeraka aalah tahap pertama alam proses pe
moela; galat i sii aka ibawa terus selama proses pemoela. Oleh karea it
u, metoe aktor pertumbuha haya apat iguaka meramalka pergeraka ekster
al yag masuk ke suatu aerah paa masa meatag. Ii karea jumlahya yag ti
ak terlalu besar paa saat awal (sehigga galatya pu kecil) a juga karea ti
ak aa cara lai yag seerhaa utuk meramalkaya. Paa subbab berikut ii ki
ta aka meiskusika moel yag lebih baik yag secara prisip apat iguaka
utuk memoel bagkita a tarika pergeraka orag a/atau barag.
4.2 Aalisis regresi
Subbab berikut ii memberika pejelasa sigkat megeai aalisis regresi liea
r. Pembaca yag suah memahamiya apat lagsug beralih ke subbab 4.2.2.
4.2.1 Moel aalisis regresi liear 4.2.1.1 Peahulua
Aalisis regresi liear aalah metoe statistik yag apat iguaka utuk mempe
lajari hubuga atarsiat permasalaha yag seag iseliiki. Moel aalisis r
egresi liear apat memoelka hubuga atara ua peubah atau lebih. Paa moel
ii terapat peubah tiak bebas (y) yag mempuyai hubuga ugsioal ega s
atu atau lebih peubah bebas (xi). Dalam kasus yag palig seerhaa, hubuga se
cara umum apat iyataka alam persamaa (4.3) berikut.
Moel bagkita pergeraka 117

Y = A + BX Y = peubah tiak bebas X = peubah bebas A = itersep atau kostata r


egresi B = koeisie regresi
(4.3)
Jika persamaa (4.3) aka iguaka utuk memperkiraka bagkita pergeraka ber
basis zoa, semua peubah iietiikasika ega tikalas i; jika persamaa (4.3
) aka iguaka utuk tarika pergeraka berbasis zoa, iietiikasika ega
 tikalas . Parameter A a B apat iperkiraka ega megguaka metoe kua
rat terkecil yag memiimumka total kuaratis resiual atara hasil moel ega
 hasil pegamata. Nilai parameter A a B bisa iapatka ari persamaa (4.4)
a (4.5) berikut. B= N (X i Y i ) (X i ). (Y i )
i i i
N
i
( )
X i2

(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 = simpaga tak tereiisi Yi


Y = simpaga tereiisi

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

k umum metoe aalisis regresi liear bergaa.


4.2.1.3 Regresi liear bergaa
Y = A + B 1 X 1 + B 2 X 2 + ... + B Z X Z
Y A = peubah tiak bebas = kostata regresi X1 XZ = peubah bebas B1 BZ = koeis
ie regresi
(4.9)
Aalisis regresi liear bergaa aalah suatu metoe statistik. Utuk megguaka
ya, terapat beberapa asumsi yag perlu iperhatika: ilai peubah, khususya
peubah bebas, mempuyai ilai tertetu atau merupaka ilai yag iapat ari ha
sil survei tapa kesalaha berarti; peubah tiak bebas (Y) harus mempuyai hubu
ga korelasi liear ega peubah bebas (X). Jika hubuga tersebut tiak liear
, trasormasi liear harus ilakuka, meskipu batasa ii aka mempuyai impli
kasi lai alam aalisis resiual;
Moel bagkita pergeraka 119


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

4.2.3 Cotoh pemoela


Asumsika bahwa bagkita a tarika per4.2.3.1 Bagkita pergeraka geraka a
pat iyataka sebagai ugsi ari beberapa atribut sosio ekoomi yag berbasis
zoa (X1, X2,, XN): P =  (X1, X2, ..., XN) A =  (X1, X2, ..., XN)
Tabel 4.3 Bagkita pergeraka a total pemilika kearaa per zoa Nomor zoa
1 2 3 4 5 6 7 8

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 () 95%. Untuk =95%, m


k
nil
i Z
d
l
h 1,645. Deng
n men
g
sumsik
n nil
i CV=1,0 did
p
tk
n: N= 1,0(1,645)2/(0,05)2= 1.084 J
di, dibutuhk

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

4.2.5 Proses model


n
lisis regresi berb
sis zon

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

lisis regresi line


r berg
nd
untuk kombin
si model tersebut untuk mend
p
tk
n n
il
i koefisien determin
si sert
nil
i konst
nt
d
n koefisien regresiny
. T
h
p
3: K
ji nil
i koefisien determin
si sert
nil
i konst
nt
d
n koefisien regresi
seti
p model untuk menentuk
n model terb
ik deng
n kriteri
y
ng s
m
deng
n t

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

E NRD, DU, SR E, AC, I, DRD E E, EV E, EW , EB E E E E E, ER ER EW EO SC


Tuju
n berbel
nj

SR NRD, DU, C SR, DRD EC E R, S C, S P A C, D AC ER ER ER P, ER, EO


Tuju
n perger
k
n sosi
l d
n rekre
si
SR, DU DU, P, C PS, SR P, I P, I P, ER, EO
= l
p
ng
n kerj
toko ecer
n = l
p
ng
n kerj
k
ntor = l
p
ng
n kerj
l
inny
=
toko s
nd
ng
PS = or
ng (5 t
hun) NRD = or
ng per lu
s d
er
h C = juml
h kend
r

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

rik untuk dik


ji b
hw
t
nd
p
d
koefisien regresi p
d
pers
m

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 = = = =

X2 12.071.898,62 0,5764 X2 3.442,4869 0,4871


X2 1.594.616,475 0,6012
X1 = Juml
h penduduk
X2 = PDRB per k
pit
(ribu
n rupi
h)
Model b
ngkit
n perger
k
n 133

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

LPM ITB (1998


) mel
kuk
n k
ji
n st
nd
ris
si b
ngkit
n d
n t
rik
n di
zon
B
ndung r
y
. Model b
ngkit
n d
n t
rik
n di sini meng
mbil bentuk pers
m

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

berikut ini. pers


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

di, untuk model ketig


d
ri t
bel 4.3,
k
n kit
d
p
tk
n: Ti= Hi (0,91 + 1,44
X1i + 1,07X2i)
Model b
ngkit
n perger
k
n 141

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

n metode ini terlet


k p
d
c
r
menentuk
n k
t
egori
g
r seb
r
n frekuensi d
ri simp
ng
n b
ku d
p
t diminimumk
n (lih
t g
mb

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

Aalisis kategori 4.3.1.6 Kometar tetag peekata aalisis kategori mempuya


i lebih seikit batasa ibaigka ega aalisis regresi; misalya, aalisis
kategori tiak megasumsika aaya hubuga liear. Kerugiaya secara tekik
aalah ata yag iperluka sagat bayak utuk setiap kategori, a ratarata ba
gkita pergeraka utuk setiap kategori secara statistik harus apat iterima.
Masalah lai aalah tiak terapatya uji statistik utuk meguji keabsaha moe
l. Proseur apat iseerhaaka ega megguaka 2 peubah saja. Cotohya, pe
milika kearaa atau peapata apat ihilagka karea keua peubah itu sebe
arya mugki berkorelasi.
4.3.2 Perbaika moel asar 4.3.2.1 Aalisis klasiikasi gaa (Multiple Classi
icatio Aalysis/MCA)
MCA aalah metoe yag apat iguaka utuk meguji pegelompokka hasil klasi
ikasi silag mejai proseur statistik yag baik utuk memilih peubah a klasi
ikasi. Metoe ii apat megatasi kelemaha yag aa paa metoe terahulu. Par
a pembaca yag tertarik utuk membahasya secara lebih rici apat membaca Stoph
er a McDoal (1983). Ragkumaya iberika berikut ii. Pertimbagka moel
yag mempuyai satu peubah tiak bebas yag meerus a ua peubah bebas yag i
skret, misalya ukura rumah tagga a pemilika kearaa. Nilai rata rata tot
al bisa iapat utuk peubah tiak bebas ari sampel rumah tagga. Juga, rata ra
ta kelompok bisa itaksir utuk setiap baris a kolom ari matriks klasiikasi
silag yag apat iaggap sebagai simpaga ari rata rata total. Dega meliha
t taa simpaga (+ atau ), ilai sel apat itaksir ega meambahka simpaga
 baris a kolom paa rata rata total sesuai ega selya. Dalam hal ii, bebe
rapa permasalaha yag timbul akibat terbatasya ata apat ipecahka. Cotoh 4
.5 Tabel 4.21 memperlihatka ata yag ikumpulka alam suatu aerah kajia ya
g ikelompokka mejai 3 tigkat pemilika kearaa a 4 tigkat ukura rumah
tagga.
Tabel 4.21 Jumlah rumah tagga per sel a rata rata tigkat pergeraka Ukura r
umah tagga
1 orag 2 atau 3 orag 4 orag 5 orag Total Rata rata tigkat pergeraka
0 mobil
28 150 61 37 276 0,73
1 mobil
21 201 90 142 454 1,53
2+ mobil
0 93 75 90 258 2,44
Total
49 444 226 269 988
Rata rata tigkat pergeraka
0,47 1,28 1,86 1,90
1,54
Moel bagkita pergeraka 149

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

4.3.3 Peekata kategori orag 4.3.3.1 Peahulua Peekata kategori orag me


rupaka salah satu alterati yag mearik utuk moel berbasis rumah tagga, ya
g iusulka pertama kali oleh Superak (1979). Metoe ii mempuyai beberapa ke
utuga:
1
moel bagkita pergeraka berbasis iiviu cocok ega kompoe laiya alam
sistem pemoela kebutuha trasportasi klasik yag berbasiska iiviu, buka
rumah tagga; memugkika proses klasiikasi silag yag megguaka semua peu
bah petig yag meghasilka jumlah kelas yag sesuai sehigga apat iramalka
ega muah; ukura sampel yag ibutuhka utuk moel berbasis iiviu jauh
lebih kecil aripaa utuk moel berbasis rumah tagga; perubaha status emogra
i apat ega muah iperkiraka paa moel berbasis iiviu, misalya peubah
umur sagat sulit itetuka paa moel berbasis rumah tagga; moel berbasis i
iviu lebih muah iramalka ibaigka ega moel berbasis rumah tagga k
area membutuhka iormasi rumah tagga serta ukura rumah tagga keuaya tia
k iguaka paa moel berbasis iiviu.
2
3 4
5
Batasa utamaya aalah moel berbasis iiviu berkaita ega alasa pemiliha
 moel berbasis rumah tagga, buka ega yag berbasis zoa. Hal ii aka sul
it jika iperluka melihat aaya eek iteraksi atarrumah tagga, keuaga al
am moel berbasis iiviu. Tetuka tj aalah tigkat 4.3.3.2 Deiisi peubah 
a spesiikasi moel bagkita pergeraka, yaitu jumlah pergeraka yag ilakuka
 selama perioe waktu tertetu oleh rata rata jumlah orag berkategori j; tjp a
alah tigkat bagkita pergeraka ega tujua p. Ti aalah total pergeraka y
ag ilakuka oleh peuuk i zoa i (semua kategori). Ni aalah jumlah peuu
k i zoa i a ji
d
l
h persent
se penduduk di zon
i y
ng mempuny
i k
tegori j
. Oleh k
ren
itu, hubung
n d
s
r y
ng terj
di
d
l
h: Ti = N i ji t jp
j
(4.17)
Seperti deng
n model l
in, perger
k
n dib
gi menj
di perger
k
n berb
sis rum
h d

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

50 150 300** 500


500 ** mungkin memiliki 3, 4, d
n 5+ kend
r

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

ktu tertentu. Pol


perger
k
n d
p
t dih
silk
n jik
su
tu MAT dibeb
nk
n ke su

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

n (5.1) berikut: (5.1) Tid = O i d


n Tid = Dd
d i
B
t
s
n (5.1) d
p
t jug
diny
t
k
n deng
n c
r
l
in. Tot
l perger
k
n y
ng dib

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 = ak u berj
alan kaki dari dan ke hal e bus; id = ak u menunggu di hal e bus;

nid = ak u ransi di erminal un uk ber ukar moda ranspor asi (mul imoda); F
id = ari yang dikenakan un uk 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

5.4 Metoe kovesioal


Bayak peagaa permasalaha trasportasi yag memerluka ietiikasi pola pe
rgeraka yag apat iyataka alam betuk MAT. Oleh sebab itu, tiaklah hera
jika sampai saat ii telah berkembag beberapa metoe utuk meapatka MAT. Ber
ikut ii ijelaska secara sigkat beberapa metoe kovesioal yag lebih itek
aka paa masig masig kelebiha a kekuragaya. Metoe kovesioal apat
ikelompokka mejai ua bagia utama, (Tami, 1988abc) yaitu metoe Lagsug 
a metoe Tiak Lagsug. Keuaya ijelaska secara rici, tetapi yag aka leb
ih itekaka haya beberapa metoe yag secara khusus ikembagka utuk meap
atka MAT. Selajutya, tigkat ketelitia setiap metoe iberika paa subbab 5
.10.
5.4.1 Metoe lagsug
Peekata ii suah iguaka sejak lama sehigga apat iietiikasi beberapa
permasalaha yag timbul yag berkaita ega pegguaaya. Peekata ii sa
gat tergatug ari hasil pegumpula ata a survei lapaga. Proses wawacar
a apat meggaggu peggua jala a meimbulka tuaa lalulitas. Keala wa
ktu a biaya juga membatasi jumlah wawacara sehigga galat timbul jika jumlah
sampel tiak bisa mecapai 100%. Selai itu, pemiliha metoe survei pegumpula
ata juga sagat tergatug ari keterseiaa surveyor. Dega emikia, galat
tekis a galat yag timbul akibat aktor mausia serig terjai, misalya gala
t mecatat a measirka. Oleh sebab itu, permasalaha utama peekata ii a
alah ibutuhkaya sumber aya mausia yag besar, misalya pewawacara utuk pe
gumpula ata yag selajutya iguaka utuk proses koiikasi, peyortira,
a akhirya utuk proses aalisis. Beberapa tekik yag terseia sampai saat i
i iteragka sebagai berikut (Willumse, 1978a;1981ab;1982).
5.4.1.1 Wawacara i tepi jala
Survei ii biasaya ilakuka paa lokasi ilet a outlet ari aerah kajia ya
g mempuyai batas wilayah tertetu. Utuk kasus trasportasi barag atarkota,
survei ii sagat bergua. Data ikumpulka ega mewawacarai pegeara i ja
la. Wawacara meliputi pertayaa megeai zoa asal a tujua pergeraka, je
is barag yag iagkut, beba muata, a lai lai. Survei laiya kaag kaa
g meayaka hal yag bersagkuta ega jeis kearaa, misalya jeis kea
raa a kapasitas agkutya. Lokasi wawacara harus iatur agar semua lalulita
s atarzoa bisa iapatka. Ii membutuhka peeiisia yag baik tetag sis
tem zoa a jariga i aerah kajia. Lalulitas yag masuk a keluar ari a
erah kajia juga harus isurvei. Jumlah wawacara paa setiap lokasi itetuka
berasarka jumlah sampel yag iambil. Utuk meapatka gambara megeai besa
rya sampel, survei peahulua perlu ilakuka utuk meapatka iormasi lalu
litas a komposisiya.
Moel sebara pergeraka 161

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

meghasilka tigkat pertumbuha lalulitas yag berbea pula. Ii meyebabka g


alat yag besar utuk kota yag tigkat pertumbuha tata gua lahaya tiak mer
ata (seperti keyataaya i kota besar i egara seag berkembag).
Tabel 5.3 MAT paa masa meatag ega E=1,76 Zoa
1 2 3 4  D
1
18 141 35 176 370 420
2
106 35 229 141 511 435
3
141 176 18 106 441 250
4
88 88 88 35 299 515
oi
353 440 370 458 1.620
Oi
300 250 420 650
1.620
Terlihat paa tabel 5.3 bahwa metoe seragam tiak apat mejami ipeuhiya ba
tasa bagkita a tarika. Cotohya, utuk zoa yag tigkat pertumbuhaya l
ebih reah ari tigkat pertumbuha global, pegguaa tigkat pertumbuha glob
al aka meghasilka perkiraa lalulitas masa meatag yag lebih tiggi ari
yag iharapka. Sebalikya, utuk zoa yag tigkat pertumbuhaya lebih tiggi
, aka meghasilka perkiraa lalulitas masa meatag yag lebih reah ari y
ag iharapka. Karea itulah metoe ii haya apat iguaka utuk aerah kaji
a yag tigkat pertumbuhaya merata i seluruh wilayahya. Jai, metoe ii i
pastika tiak bisa iguaka i Ioesia karea pertumbuha aerahya belum me
rata.
5.5.2 Metoe ega satu batasa
Terapat ua jeis metoe, yaitu metoe ega batasa bagkita a metoe eg
a batasa tarika.
5.5.2.1 Metoe ega batasa bagkita
Metoe ii iguaka jika iormasi yag terseia aalah perkiraa bagkita per
geraka paa masa meatag, seagka perkiraa tarika pergeraka tiak terse
ia atau apat juga terseia tetapi ega tigkat akurasi yag reah. Secara ma
tematis metoe ii apat iyataka ega persamaa (5.6) berikut. Ti = ti .E
i (5.6) Dega megguaka persamaa (5.6), pergeraka masa meatag apat ihi
tug a terlihat paa tabel 5.4. Terlihat bahwa metoe ega batasa bagkita
mejami total bagkita pergeraka setiap zoa paa masa meatag sama ega
yag iharapka (terlihat ari ilai Ei = 1 utuk seluruh zoa); begitu juga to
tal pergeraka paa masa meatag utuk seluruh aerah kajia sama ega yag
iharapka.
166 Oyar Z Tami, Perecaaa a pemoela trasportasi

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

5.5.3.1 Metoe rata rata


Metoe rata rata aalah usaha pertama utuk megatasi aaya tigkat pertumbuha
aerah yag berbea bea. Metoe ii megguaka tigkat pertumbuha yag berbe
a utuk setiap zoa yag apat ihasilka ari peramala tata gua laha a ba
gkita lalulitas. Secara matematis, hal ii apat ijelaska sebagai berikut:
Ti = t i . Ei = Ti ti Ei + E 2 E = T t (5.8) (5.9)

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

Secara matematis, metoe Fratar apat iyataka sebagai: Ti = t i . E i . E 


. (5.13)
Li =
ki
E k .t k
k i N
t ik
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

5.5.3.4 Metoe Furess


Furess (1965) megembagka metoe yag paa saat sekarag sagat serig igua
ka alam perecaaa trasportasi. Metoeya sagat seerhaa a muah iguak
a. Paa metoe ii, sebara pergeraka paa masa meatag iapatka ega me
galika sebara pergeraka paa saat sekarag ega tigkat pertumbuha zoa a
sal atau zoa tujua yag ilakuka secara bergatia. Secara matematis, metoe
Furess apat iyataka sebagai berikut: Ti = ti .Ei (5.16) Paa metoe ii,
pergeraka awal (masa sekarag) pertama kali ikalika ega tigkat pertumbuha
 zoa asal. Hasilya kemuia ikalika ega tigkat pertumbuha zoa tujua
a zoa asal secara bergatia (moiikasi harus ilakuka setelah setiap perka
lia) sampai total sel MAT utuk setiap arah (baris atau kolom) kira kira sama 
ega total sel MAT yag iigika. Dega megguaka ata awal MAT yag sama
seperti tabel 5.2, maka ega metoe Furess ihasilka MAT paa pegulaga ke
1 yag iapat ega
Moel sebara pergeraka 171

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

Moel sebara pergeraka 173

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

5.6 Metoe sitetis


Beberapa kelemaha utama metoe aalogi telah meorog orag utuk megembagka
 metoe alterati lai, yag serig ikeal ega metoe sitetis. Metoe i
asarka paa asumsi: (i) sebelum pergeraka paa masa meatag iramalka, terl
ebih ahulu harus ipahami alasa terjaiya pergeraka paa masa sekarag; (ii)
alasa tersebut kemuia imoelka ega megguaka aalogi hukum alam yag
serig terjai. Prisip yag meggarisbawahi metoe ii aalah pergeraka ari z
oa asal ke zoa tujua berbaig lurus ega besarya bagkita lalulitas i
zoa asal a juga tarika lalulitas i zoa tujua serta berbaig terbalik
ega jarak (kemuaha) atara keua zoa tersebut. Megguaka moel semacam i
i secara tiak lagsug suah membatasi pemoela pola pergeraka a ii tetu
meyebabka iormasi yag ibutuhka semaki seikit serta survei semaki berk
urag. Disaraka juga pemakaia parameter ari moel yag ipijam ari kajia i
aerah lai yag ciriya hampir sama. Kritik terhaap peekata ii aalah bah
wa tiak perah aa ua tempat yag ciriya persis sama. Jai, pemijama parame
ter ari suatu moel sagat jarag ilakuka, kecuali utuk perkiraa kasar saja
. Metoe sitetis juga apat iguaka utuk megisi sel MAT yag tiak apat i
hasilka oleh metoe lagsug. Moel yag berskala regioal a perkotaa mempu
yai ua hal utama yag perlu iperhatika. Pertama, pegembaga moel merupaka
akar semua aktivitas ilmiah; pemoela berskala regioal a perkotaa merupaka
 bagia ari usaha utuk meapatka pegertia yag bersiat ilmiah megeai h
al tersebut. Keua, jika permasalaha timbul, beberapa hal yag berkaita ega
usaha pemecaha masalah aka mejai lebih petig. Hal ii membutuhka tekik
pemoela berskala regioal a perkotaa yag perlu iperhatika utuk megatas
i permasalaha yag bersiat baik praktis maupu teori. Kebayaka moel berskal
a regioal a perkotaa ibetuk ari akta yag meyataka bahwa arus barag 
a eergi ibutuhka utuk meghasilka moel matematis yag apat iguaka ut
uk mempelajari perkembaga tata gua laha. Cotohya, jumlah baha orgaik ya
g megalir i permukaa taah bergatug paa jumlah au yag gugur a tigkat
pembusuka serta traslokasiya. Dalam hal ii, moel megguaka pergeraka se
bagai peubah tiak bebas yag iguaka utuk meramalka ilai peubah bebas yag
meggambarka aspek struktural ari koisi isik laha. Dalam kaitaya ega
hal tersebut, jika arus barag a orag yag bergerak paa suatu tata gua lah
a heak ipelajari, harus ilakuka pemoela hubuga atara arus a peyeba
bya. Arus pergeraka (iteraksi spasial) apat ipelajari ega membuat moel
yag megaitka besar a arah arus (peubah tiak bebas) ega peubah bebas seb
agai ukura struktur tata gua laha. Cotohya, pola pergeraka (utuk pergi be
kerja) alam kota apat imoel ega megguaka beberapa peubah seperti sebar
a lokasi pekerja, lokasi lapaga pekerjaa, a biaya perjalaa. Hal yag sam
a, arus pergeraka utuk berbelaja
Moel sebara pergeraka 175

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

ega G aalah kostata gravitasi


(5.17)
Dalam ilmu geograi, gaya apat iaggap sebagai pergeraka atara ua aerah; s
eagka massa apat igatika ega peubah seperti populasi atau bagkita a
 tarika pergeraka; serta jarak, waktu, atau biaya sebagai ukura aksesibilita
s (kemuaha). Jai, utuk keperlua trasportasi, moel GR iyataka sebagai:
Ti = k Oi O
2  i

ega k aalah kostata


(5.18)
176 Oyar Z Tami, Perecaaa a pemoela trasportasi

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

1 2 3 4 Dd 300 200 150 350


1
2
3
4
Oi
200 300 350 150 1.000
180 Ofy
r Z T
min, Perenc
n

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

n (5.22) untuk seti

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

(Jones, 1977): model UCGR tid


k mempertim
ngk
n s
ing
n d
ri zon
l
in sel
in z
on
i; model SCGR memungkink
n pem
k
i j
l
n memilih
ltern
tif zon
tuju
n, tet

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

peneliti untuk mengk


jiny
deng
n le ih mend
l
m. Bel
k
ng
n ini cukup
ny
k
peneliti
n y
ng dil
kuk
n untuk mempel
j
ri teori y
ng terk
it deng
n proses k
l
i r
si model tr
nsport
si perkot

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

n seperti erikut. 1 Mul


il
h pengul
ng
n pert
m
deng
n meny
t
k
n m = 0 d
n me
nentuk
n nil
i
w
l 0 = 1/c*.
Model se
r
n perger
k
n 187

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

n cukup kecil, proses dihentik


n d
n ny
t
k
n m1 se
g
i nil
i ter
ik; jik

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 erikut: k (5.30) = C id deng


n: k = 2 ~ 3
Cid = r
t
r
t
nil
i C id
5.7.6.3 Metode
n
lisis regresi line
r
Metode
n
lisis regresi line
r d
p
t digun
k
n untuk mengk
li r
si p
r
meter mod
el gr
vity y
ng merup
k
n su
tu fungsi tid
k line
r. Sec
r
umum, proses tr
nsfo
rm
si line
r di utuhk
n untuk mengu
h fungsi tid
k line
r menj
di fungsi line
r
. Sel
njutny
, metode
n
lisisregresi
k
n digun
k
n untuk mengk
li r
si p
r
met
er model y
ng tid
k diket
hui.
Fungsi h
m
t
n eksponensi
l neg
tif Pertim
ng
k
n su
tu model gr
vity y
ng mempuny
i fungsi h
m
t
n eksponensi
l neg
tif sepe
rti terlih
t p
d
pers
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 (5.32)(5.35). Tid exp( C id ) = (5.32) Ai . Bd .O i . Dd


Tid log e (exp(
C id )) = log e
Ai .B d .O i . Dd
(5.33) (5.34) (5.35)
C id = log e Tid log e (Ai . Bd .O i . Dd ) log e Tid = log e (Ai . Bd .O i . Dd
) C id
188 Ofy
r Z T
min, Perenc
n

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

n (5.37)(5.40). Tid (5.37) C id = Ai . Bd .O i . Dd log e C id

Tid = log e

Ai . Bd .O i . Dd

(5.38) (5.39) (5.40)


log e 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
Deng
n mel
kuk
n tr
nsform
si line
r, pers
m

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

n (5.42)(5.46). . exp( C id ) (5.42) Tid = Ai .B d .O i . Dd .C id


Model se
r
n perger
k
n 189

. 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

(
)

untuk KTTLB & =T & = 1 untuk KTTL d


n T T id Mend
p
tk
n nil
i p
r
meter y
ng ti
d
k diket
hui ( jik
fungsi h
m
t
nny

d
l
h fungsi eksponensi
l
t
u fungsi p

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

L(x1 ,... , xN ; ) = f(x1;).f(x2;)...f(xN;) =


f (x i ; )
i =1
N
(5.49)
y
ng dise ut fungsi kemirip
n d
ri d
t
x1, x2, ..., xN. K
ren
fungsi L er ent
uk perk
li
n, menj
di le ih mud
h jik
meny
t
k
nny
d
l
m entuk log
ritm
ny
:
loge L(x 1 ,... , x N ; ) =
log e f (x i ; )
i =1
N
(5.50)
Sec
r
form
l, persy
r
t
n untuk mend
p
tk
n nil
i pen
ksir
n deng
n kemirip
n m

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 me akili ak or proporsi sampel un uk
se iap pasangan asal ujuan dengan ka a lain, bagian dari populasi yang diama i.
] adalah pengama an sejumlah peubah acak yang ersebar mengiku i Jadi [ T id seb
aran poisson dengan ra aan masing masing idTid. Asumsi en ang MAT ] berdasarkan
pada banyak keadaan prak is yang di emui hasil pengama an [ T id sehari hari. Se
bagian besar eknik survei MAT yang ada sekarang didasarkan pada perhi ungan ind
ividu dan kemudian menghasilkan MAT hasil pengama an dengan nilai berupa bilanga
n bula (yang biasanya sanga kecil). Kebanyakan ] survei pergerakan un uk beker
ja ermasuk dalam ka egori ini. Ma rik [ T id yang ersebar poisson juga didapa
kan dalam pengama an beberapa kejadian yang saling bebas dalam sua u periode ak
u yang erba as.
Penggunaan parame er id memungkinkan penerapan ak or proporsi sampel yang berbed
a beda un uk se iap pasangan asal ujuan. Oleh karena i u, dalam model ini juga di
mungkinkan penggunaan beberapa eknik pengambilan sampel yang berbeda. en uk ya
ng paling sederhana dan yang paling banyak digunakan adalah pengambilan sampel s
ecara acak dengan menggunakan sa u nilai unggal yang di erapkan pada semua pasa
ngan asal ujuan, yang dapa disebu dengan pengambilan sampel seragam.
Dengan hipo esis bah a un uk se iap pasangan asal ujuan, nilai T id didapa kan da
ri pengama an sua u kejadian yang mengiku i proses poisson ] dengan ra aan idTid,
maka peluang gabungan un uk mendapa kan ma riks [ T id adalah:
id Tid id = ( id Tid ) .e Prob T id ! T i d id
[ ]
T
(5.62)
Selanju nya, dengan menerapkan eknik me ode penaksiran kemiripanmaksimum yang
elah dijelaskan, maka ungsi kemiripan dari me ode penaksiran adalah:
194 Oyar Z Tamin, Perencanaan dan pemodelan ranspor asi

Tid

L3 =
i d
( id Tid )T

id
.e id Tid
! T id
(5.63)
Jika persamaan (5.63) digan i dengan nilai logari ma na uralnya, maka ungsi uj
uan me ode 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 a as dan menghilangkan bagian kon
s an a, didapa : log T T (5.65) memaksimumkan L5 = T id e id id id
i d
(
)
Dalam kasus sampel seragam, a au dengan ka a lain id = dapa diliha bah a bagian
kedua dari ungsi ujuan persamaan (5.65) mempunyai nilai yang kons an sehingga
dapa dihilangkan. Akhirnya, ungsi ujuan me ode penaksiran kemiripan maksimum
ini dapa di uliskan sebagai: memaksimumkan
L6 =
log T ) (T id e id
i d
(5.66)
Terliha bah a hasil yang didapa dari persamaan (5.66) sama dengan yang didapa
dari persamaan (5.60). Hal ini sesuai dengan pernya aan Spiess (1987) bah a un
uk nilai persen ase sampel yang sanga kecil (<<), sebaran mul inominal dapa did
eka i dengan sebaran poisson. Karena kedua me ode penaksiran kemiripan maksimum
ini memberikan hasil yang sama, un uk selanju nya kedua me ode penaksiran ini di
nya akan dalam sa u me ode saja, yai u me ode penaksiran kemiripan maksimum (KM)
. Guna an (1995) menggunakan me ode kuadra erkecil (KTTL dan KTTL) dan kemiri
pan maksimum (KM) un uk mengkalibrasi model GR dengan menggunakan da a MAT ko a
andung pada ahun 1993. Saa i u ilayah ko a andung dibagi menjadi 97 zona. K
edua me ode ersebu digunakan un uk mengkalibrasi parame er model GR. Parame er
model GR yang didapa kemudian digunakan un uk menghi ung kembali MAT hasil pem
odelan yang se erusnya MAT ersebu diperbandingkan dengan MAT yang ada. Kesimpu
lan yang didapa dari kajian ersebu adalah: me ode kuadra erkecil (KTTL dan
KTTL) dan kemiripan maksimum (KM) berhasil mengkalibrasi parame er model GR den
gan sanga memuaskan. Me ode KTTL mempunyai ke epa an er inggi dibandingkan den

gan dua me ode lainnya un uk pengkalibrasian model GR dengan ungsi hamba annya,
yai u ungsi eksponensial nega i dan ungsi Tanner. agi ungsi pemangka an, m
e ode yang erbaik adalah me ode kemiripan maksimum (KM).
5.7.6.6 Me ode penaksiran inerensi bayes (I)
Armijaya dan Wisaksono (1996) dan Tamin (1998c) elah mengembangkan me ode penak
siran Inerensiayes (I) dengan dasar pemikiran mengkalibrasi parame er sehingg
a simpangan
Model sebaran pergerakan 195

a au selisih an ara sebaran pergerakan yang dihi ung dari model (Tid) dengan yan
g ) memberikan harga yang minimum. didapa dari da a pengama an ( T id a Dasar p
endeka an Me ode I menggunakan sua u peluang subjek i un uk mengukur ingka k
epercayaan sua u keadaan. Dengan pendeka an ini, per imbangan subjek i yang ber
dasarkan in uisi, pengalaman, a aupun inormasi idak langsung secara sis ema is
digabungkan dengan da a hasil pengama an un uk mendapa kan aksiran yang seimba
ng en ang keadaan sebenarnya (sebaran pos erior). Pendeka an ini mengasumsikan
parame er model sebagai peubah acak. Dengan demikian, harus di e apkan sua u un
gsi sebaran yang menggambarkan ingka kepercayaan parame er yang idak dike ahu
i; misalkan di e apkan () sebagai ungsi sebaran peluang parame er a au sebaran
a al . Jika dike ahui sua u himpunan da a pengama an x1,x2,...,xN yang me akili s
ampel acak sua u populasi X dengan ungsi sebaran (x), dengan mengasumsikan bah
a parame er sebaran adalah , maka peluang akan diama inya sua u himpunan da a ha
sil pengama an 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


a au

I ( ) =  ( | x 1 , x 2 ,..., x N ) = k . L( ).  ( )
dengan kons an a normalisasi k adalah:
N
k =

 (x i | )  ( )

(5.68)
(5.69)
sedangkan ungsi kemiripan L() merupakan produk dari ungsi kerapa an X yang dihi
ung pada x1,x2,...,xN, a au sama dengan persamaan (5.67). Dapa diliha bah a
eorema ayes elah digunakan un uk mengubah a au memperbaiki sebaran a al (prior
) ke sebaran baru (pos erior). Sebaran yang baru mereleksikan ingka kepercaya
an en ang yang memberikan ke erangan sampelnya. Karena ungsi I berben uk perk
alian, maka menjadi lebih mudah jika dinya akan dalam ben uk logari ma: log e I
( ) = log e  ( | x 1 , x 2 ,..., x N )
i =1 N
(5.70)
196 Oyar Z Tamin, Perencanaan dan pemodelan ranspor asi

Un uk mendapa kan nilai aksiran dengan kemiripan maksimum dari , dicari nilai ya
ng memaksimumkan ungsi sebaran gabungan pos erior. Nilai aksiran parame er ini
dapa diperoleh dengan membua urunan I( ) sama dengan nol. Jadi, dalam hal in
i: I ( ) =0 a au b log e I ( ) =0 (5.71) (5.72)
Penerapan me ode I erdasarkan pembahasan sebelumnya, me ode pendeka an ini men
ggabungkan secara sis ema is per imbangan subjek i (prior) dengan da a pengama
an (ungsi kemiripan) un uk mendapa kan aksiran baru (pos erior). Un uk ungsi
kemiripannya, diasumsikan bah a da a ) adalah jumlah pergerakan yang berasal dar
i zona i dan menuju ke zona d ( T id sampel acak yang mengiku i sebaran Poisson
dengan nilai ra a ra a yang belum dike ahui sebesar id Tid . Koeisien id me aki
li ak or sampel un uk se iap pasangan asal ujuan a au sa u bagian kecil dari pop
ulasi yang diama i. ] adalah pengama an sejumlah peubah acak yang ersebar secar
a Jadi [ T id ] Poisson dengan ra a ra a T . Asumsi MAT hasil pengama an [ T
id id id
didasarkan pada keadaan prak is yang di emui sehari hari. Sebagian besar eknik
survei MAT yang ada sekarang didasarkan pada penghi ungan individu yang kemudian
menghasilkan MAT hasil pengama an dengan nilai berupa ] yang ersebar secara Po
isson juga didapa kan bilangan bula . Ma riks [ T id dalam pengama an kejadian y
ang saling idak bergan ungan dalam selang ak u er en u. Penggunaan parame er
id memungkinkan penerapan ak or sampel yang berbeda beda un uk se iap pasangan
asal ujuan. Karena i u, dalam model ini juga dimungkinkan penggunaan beberapa ek
nik pengambilan sampel yang berbeda. en uk yang paling sederhana dan paling ban
yak digunakan adalah pengambilan sampel secara acak sederhana dengan menggunakan
sa u nilai unggal yang di erapkan un uk semua pasangan asal ujuan a au sampel s
eragam. Dengan hipo esis bah a un uk se iap pasangan asal ujuan, nilai T id didap
a kan dari pengama an sua u kejadian yang mengiku i sebaran Poisson dengan ra a
ra a id Tid , maka peluang gabungan un uk mendapa kan ma riks ] 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

Kons an a normalisasinya menjadi:

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 kons an a, un uk selanju nya hanya di ulis dengan
k saja. agian sebaran a al (prior) a au sebaran peluang parame er dinya akan den
gan ( id Tid ) yang akan dibahas beriku ini. c Probabili as gabungan pos erior
anpa inormasi a al Inormasi a al yang dimaksud di sini adalah sua u ungsi s
ebaran parame er un uk menggambarkan ingka kepercayaan parame er yang idak di
ke ahui. Jika idak ada inormasi a al parame er ersebu , diasumsikan sua u seb
aran a al seragam, yai u: ( id Tid ) = 1,0 (5.75) Dengan ungsi kemiripan sama
dengan persamaan (5.73) dan k sebagai kons an a 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 me ode penaksiran inerensi bayes, me ode ini mencari ni
lai parame er yang memaksimumkan ungsi peluang gabungan pos erior yang dinya ak
an oleh persamaan (5.76), sehingga dihasilkan sebaran ). Kemudian, Tid yang pali
ng sesuai dengan MAT hasil pengama an ( T id dengan mengambil ben uk logari ma n
a uralnya, ungsi ujuan me ode 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)

Dengan mengembangkan lebih lanju persamaan di a as dan menghilangkan bagian kon


s an a, didapa : log T T (5.78) memaksimumkan I ( id Tid ) = T id e id id id
i d
(
)
Un uk nilai persen ase sampel yang sanga kecil (<<1), dapa diliha bah a nilai
suku kedua dari ungsi ujuan persamaan (5.62) sanga kecil sehingga dapa diaba
ikan. Akhirnya, ungsi ujuan me ode penaksiran I anpa inormasi a al dapa di
uliskan sebagai: memaksimumkan log T I ( id Tid ) = T id e id
i d
(
)
(5.79)
198 Oyar Z Tamin, Perencanaan dan pemodelan ranspor asi

Terliha bah a ungsi ujuan yang diperoleh dari me ode penaksiran I anpa ino
rmasi a al memberikan hasil yang sama dengan me ode penaksiran kemiripan maksimu
m (liha subbab 5.7.6.5). d Peluang gabungan pos erior dengan inormasi a al Den
gan adanya inormasi a al parame er, erlebih dulu harus diasumsikan sua u sebar
an a al yang menggambarkan ingka kepercayaan mengenai parame er ersebu . Misa
lkan da a prior merupakan da a jumlah perjalanan dari zona i menuju ke zona d pa
da sua u ilayah kajian yang mengiku i sebaran Poisson dengan jumlah perjalanan
ra a ra a yang sudah dike ahui dinya akan 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 kons an a n
ormalisasi ser a sebaran a al 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)
Selanju nya, dengan menerapkan me ode I dan mengambil ben uk logari ma na uraln
ya, ungsi ujuan me ode ini menjadi: memaksimumkan
i
I( id Tid ) =
d

log ( T ) T log T log e k + T id e id id id id e id ! + id Tid log e Tid T


e ( id Tid )!
(5.82)
Dengan mengembangkan lebih lanju persamaan di a as dan menghilangkan bagian kon
s an a, diperoleh ungsi ujuan me ode penaksiran I dengan inormasi a al, yai
u: memaksimumkan I ( id Tid ) = log T T id e id
i d
log e ( id Tid )!
(5.83)
Karena da a perjalanan hasil penaksiran (Tid) merupakan hasil perhi ungan model
gravi y, dapa diduga bah a ben uk ak orial pada persamaan (5.83) merupakan sua
u bilangan nya a. Selanju nya, dilakukan pendeka an dengan ungsi Gamma, sehing
ga ben uk ak orial pada persamaan ersebu menjadi: ( id Tid )! = ( id Tid + 1)
(5.84)
Un uk nilai id Tid yang posi i besar, ungsi Gamma pada persamaan (5.84) dapa
dideka i dengan rumus S irling menjadi:
Model sebaran pergerakan 199

id Tid ( id Tid + 1) 2 ( id Tid ) .

id Tid
(5.85)
Kemudian, dengan mengambil
: log e ( id Tid + 1)
engan menghilangkan bagian
a kecil (<<1), ersamaan

ben uk logari ma na uralnya, ersamaan (5.85) menjadi


log e 2 .( id Tid ) + id .Tid log e ( id Tid ) id Tid (5.
kons an a dan un uk nilai ersen ase samel yang sang
(5.86) daa disederhanakan menjadi:

log e ( id Tid + 1) 0,5 log e Tid


(5.87)
Akhirnya, dieroleh fungsi ujuan me ode enaksiran IB dengan informasi awal: lo
g T 0,5 log T (5.88) memaksimumkan P( id Tid ) = T id e id e id
i d
(
)
e
Penggunaan da a MAT arsial Pada bagian ini dicoba memben uk sua u kerangka kerj
a un uk menaksir MAT dengan menggunakan da a MAT arsial. MAT arsial adalah MAT
hasil engama an yang da anya idak lengka a au sua u MAT hasil engama an yan
g sa u a au lebih sel ma riksnya idak memunyai da a. Ke idaklengkaan da a ini
bisa disebabkan oleh berbagai hal, misalnya survei yang dilakukan memang direnc
anakan seer i demikian menginga ke erba asan wak u dan biaya yang ersedia. Pe
naksiran MAT seer i ini akan digunakan un uk melakukan uji keekaan erhada mo
del enaksiran yang dikembangkan. Dalam eneraan enaksiran dengan menggunakan
da a MAT arsial, sel ma riks yang idak ada da anya akan memunyai nilai 0 (nol
).
f
Me ode enaksiran IB un uk MAT arsial Menaksir MAT dari sua u ma rik engama an
arsial daa dilakukan dengan memodifikasi fungsi ujuan IB ( id Tid ). Fungsi
ujuan yang dimodifikasi ersebu adalah: memaksimumkan IB ( id Tid ) = log T (
T id e id
i ,d R
0,5 log e Tid
)
(5.89)
Persamaan (5.89) berlaku hanya un uk sa u subkelomok i dan d yang dike ahui da
anya dan erliha bahwa ersamaan (5.89) akan sama dengan ersamaan (5.78) un uk
sua u da a yang lengka. Un uk memaksimumkan ersamaan (5.89), urunan er ama
IB ( id Tid ) erhada arame er d
n h
rus s
m
deng
n nol,
t
u menj
di:
200 Ofy
r Z T
min, Perenc
n

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 (5.91). Untuk le ih mud


hny
, kit

k
n mem
ksi
mumk
n fungsi monoton loge W k
ren
kedu
ny
mempuny
i nil
i m
ksimum y
ng s
m
.
K
ren
itu, T! = loge T! log e Tid ! (5.92) loge W = loge i d Tid !
i d
Deng
n menggun
k
n pendek
t
n Stirling logeX! XlogeXX, 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 terse ut. Metode pen


ksir
n KM untuk MAT p
rsi
l P
d
pener
p

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)

204 Ofyar Z Tamin, Prncanaan dan pmodlan transportasi

Untuk mncapai tujuan sprti yang dinyatakan haruslah: T

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. Perha ikan bah a dirasakan lebi
h mudah memaksimumkan logeW sehingga memungkinkan digunakannya pendeka an S irli
ng: (5.112) LogeN! NlogeN N un uk menghi ung ungsi ak orial. Nilai Tid yang me
maksimumkan dan yang menghasilkan sebaran [Tid] yang paling memungkinkan didapa
sebagai hasil solusi dari: (5.113) =0 Tid beser a ba asan persamaan (5.22) dan (5
.108). Dengan menggunakan pendeka an S irling (5.112) maka persamaan (5.113) dap
a di ulis sebagai: ( 2) = log e Tid i(1) d .C id Tid yang selanju nya mengh
: (5.114)
( 2) .C id Tid = exp i(1) d
(
) )
1
(5.115)
Persamaan (5.114) disubs i usikan ke dalam persamaan (5.22) un uk mendapa kan 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)
Un uk mendapa kan hasil akhir dalam ben uk yang lebih dikenal, nya akan: Ai =
(
)
(
)
(5.118) (5.119)
1
Tid = Oi . Dd . Ai . d . id
1

dan dengan menggunakan persamaan (5.116)(5.117) dapa dinya akan bah a:


. Dd .  id )
d
;  d =
(Ai .O i .  id )
i (5.120)

Ai =

Jadi, sebaran pergerakan yang paling memungkinkan adalah sama dengan model GR se
per i dengan persamaan (5.21)(5.22); penurunan rumus secara s a is ik ini merupak
an dasar eori baru un uk model GR. Dapa diliha bah a C sebagai ba asan biaya
(5.108) pada dasarnya idak perlu dike ahui karena secara prak is persamaan ini
idak menghi ung . Parame er ini bisa didapa dengan me ode perhi ungan biasa. Ak
an e api, jika C dike ahui, persamaan (5.108) dapa dipecahkan secara numerik u
n uk mendapa kan .
208 Oyar Z Tamin, Perencanaan dan pemodelan ranspor asi

( d

Teori s a is ik ini menyebu kan bah a jika o al pergerakan bangki an dan arika
n un uk se iap zona un uk sua u ka egori pergerakan orang yang homogen ser a bia
ya perjalanan an arzona dike ahui, ermasuk o al biaya perjalanan yang dilakuka
n un uk 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 di urunkan den
gan menggunakan me ode nilai ra a ra a (Dar inFohler). Penurunan model GR dengan
menggunakan me ode nilai ra a ra a ini dibahas dalam Maclean (1976) dan Wilson (
1970,1974). Permasalahan ini di ekankan karena dimungkinkannya penggunaan analog
i me ode MekanikaS a is ik Dar inFohler un uk menghi ung nilai ra a ra a Tid, selain
cara yang elah dikembangkan sebelumnya, yai u cara peluang yang paling memungk
inkan. Di ekankan juga bah a dalam menghasilkan me ode GR, me ode ini idak erg
an ung pada pendeka an seper i yang dilakukan dalam me ode en ropimaksimum. Akan
e api, secara prak is me ode en ropi maksimum e ap sering digunakan dalam pen
urunan berbagai macam pemodelan pada umumnya dan pemodelan ranspor asi pada khu
susnya.
5.7.8 eberapa perilaku model gravi y
Terliha pada subbab sebelumnya bah a pendeka an en ropi maksimum dapa digunaka
n un uk menurunkan model gravi y. Hampir seluruh keluarga model sebaran pergerak
an dapa di urunkan dengan merumuskan permasalahan yang ada dalam kerangka pemro
graman ma ema is, misalnya memaksimumkan ungsi en ropi dengan ba asan linear da
pa menjelaskan bagaimana sua u sis em ranspor asi berperilaku. Pemakaian ormu
lasi pemrograman ma ema is ini mempunyai beberapa keun ungan: Tersedianya cara y
ang baik un uk menjelaskan perilaku ma ema is dari model yang dihasilkan. Con oh
nya, dengan mudah dapa erliha apakah ungsi ma ema is ersebu cekung a au ce
mbung; a au dapa juga erliha dengan mudah, dengan adanya beberapa ba asan er
en u, apakah persamaan ersebu masih mempunyai ruang solusi yang memungkinkan;
a au apakah permasalahan op imasi ersebu akan mempunyai solusi er en u; Peng
gunaan kerangka pemrograman ma ema is juga dapa digunakan sebagai ala ban u un
uk menen ukan me ode penyelesaian yang erbaik ser a analisis eisiensi dari be
berapa algori ma yang ersedia. Kerangka eori yang digunakan un uk menghasilkan
model dapa juga memberikan in erpre asi dan penjelasan ambahan en ang solusi
yang dihasilkannya. Seper i ki a ke ahui, model gravi y dapa di urunkan dari s
ua u analogi isika a au dari adanya per imbangan memaksimumkan en ropi. Hal yan
g erakhir ini sanga berkai an dengan eori inormasi, eori ukuran gala , a au
eori kemiripan maksimum yang ada dalam ilmu s a is ik. Ke iganya menghasilkan
ben uk ma ema is model gravi y yang sama. Walaupun ben uk ungsionalnya sama, se
iap kerangka eori akan memberikan in erpre asi yang

Model sebaran pergerakan 209

berbeda pada permasalahan dan juga pada solusi yang dihasilkan se iap in erpres
asi mungkin cocok un uk sua u kondisi, si uasi, a au alasan er en u. Kenya aan
bah a model gravi y dapa di urunkan dengan berbagai cara bukan berar i bah a mo
del ersebu adalah yang erbaik. Cocok idaknya sua u model ergan ung pada coc
ok idaknya asumsi yang disyara kan dalam proses penurunan dan in erpre asinya.
Tidak ada sa u model pun yang pas i benar; model hanya mencoba mendeka i reali a
dengan berbagai proses penyederhanaan, asumsi, pendeka an, pengabaian, dan lain
lain yang diambil sesuai dengan maksud dan ujuan permasalahan, kajian yang aka
n diuji, analisis yang akan dilakukan, inormasi yang ada, ba asan biaya, ser a
ak u dan sumber daya yang ersedia.
5.8 Model in ervening oppor uni y (IO)
Sampai saa ini, model GR sanga umum dan sering digunakan sebagai model penyeba
ran pergerakan. Model ini mempunyai beberapa keun ungan secara eori dan prak is
. Selain i u, elah ersedia pula beberapa pake program yang dapa digunakan un
uk mengkalibrasinya. Model ini dapa dikembangkan un uk menampung lebih dari sa
u jenis pergerakan dan juga dapa digunakan un uk pemodelan pergerakan barang.
Akan e api, model GR idak dapa digunakan un uk se iap kondisi. Un uk i u, dij
elaskan pendeka an lain, meskipun jarang digunakan, yang merupakan al erna i mo
del GR, yai u model in ervening oppor uni y (IO). Ide dasar yang menggarisba ahi
model ini adalah bah a se iap pergerakan pada dasarnya idak selalu berkai an d
engan jarak an ara asal dan ujuan, e api ergan ung pada ingka kepuasan a au
kesempa an yang dapa di erima a au dihasilkan oleh empa ujuan pergerakan e
rsebu . Pendeka an ini per ama kali diperkenalkan oleh S ouer (1940) yang menco
ba menerapkan ide ersebu pada pemodelan proses migrasi dan perpindahan lokasi
pelayanan dan perumahan. Schneider (1959) mengembangkan eori ersebu seper i y
ang ki a liha sekarang. Misal ada zona asal i dan uru kan semua zona ujuan yan
g ada sesuai dengan uru an yang semakin jauh dari zona i. Kemudian, injau sa u
pasangan asal ujuan (i,d) dengan d adalah zona ujuan ke m sesuai dengan uru an j
arak dari i. Jadi, zona uru an ke (m1) secara ma ema is lebih deka (lebih mudah
dicapai) dari zona i. Pengguna jalan memper imbangkan semua zona ujuan dan memi
lih sa u yang paling memenuhi kebu uhannya sehingga dapa dinya akan bah a kesem
pa anan ara 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

Sum er: Wills (1986)


5.9.4 Struktur f
ktor proporsi
Fungsi kesemp
t
n dig
ung ke d
l
m entuk f
ktor proporsi y
ng umum Fij y
ng di
definisik
n se
g
i per ed

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 ben uk fak or roorsi yang umum se
er i: j Fij = U i


( , )
j 1

U i

( , )
(5.152)
Faktor proporsi umum trgantung pada kombinasi cmbung dari transformasi BoxCox (
langsung dan invers). Ben uk ersamaan (5.152) menghasilkan dua cabang kasus khu
sus, yai u model oor uni y jenis langsung (DO) dengan nilai = 1, dan model o
or uni y jenis inversi (IO) dengan nilai = 0. Model DO sanga
Model sebaran ergerakan 217

jelas karena erdiri dari kasus khusus dan en ing, yai u model oor uni y jeni
s logari ma (LO) dengan = 0, yaitu:
j
j 1
Fij = log e
U log i e
Model IO cuku en ing karena di dalamnya erdaa model oor uni y jenis ekso
nensial (EO) dengan nilai = 0, yaitu:
j
j 1
Fij = ex U ex i
Ki a daa juga memer imbangkan gabungan an ara model LO dan EO, ana harus me
nggunakan model O, dengan cara mengambil kombinasi cembung an ara ersamaan (5.
153) dan (5.154) dengan engkombinasian yang ergan ung ada nilai . Ben uk camu
ran ini, disebu model oor uni y 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. Seer i elah dijelaskan sebelumnya, nilai arame er berbeda yang menga ur r
ansformasi akan menghasilkan keluarga model yang sanga berbeda, seer i model E
O, model LO, dan model R. Semua model ini daa dierliha kan dalam daerah segi
iga dengan kon ur fungsi kemungkinan, ermukaan reson, dan in erval keercayaa
n daa dirajah. Tiga unsur dasar yang di erangkan di a as, yai u rosedur norma
lisasi, fungsi kesema an dan fak or roorsi menghasilkan model sebaran ergera
kan yang sanga luas emakaiannya yang dikenal dengan model O. Beberaa kasus k
husus model O ersebu dan nilai arame er yang menga urnya dirangkumkan dalam
abel 5.22 dan hubungan secara s ruk ural dierliha kan secara diagram dalam gam
bar 5.6.
218 Ofyar Z Tamin, Perencanaan dan emodelan ransor asi

j 1


U i

Tabel 5.22 Sesifikasi fak or roorsi Ben uk Ksmpatan-kumulatif (Xij) Faktor


Proporsi (Fij)

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

Sumber: Wills (1986)


Model sebaran ergerakan
219

+ (1 ) ex

U i

log e

1,00 0,90 0,75

R
0,50
IO O
DO
0,25 0,10
ambar 5.6 Diagram s ruk ural fak or 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 membuk ikan bahwa model O idak berkai an dengan aksioma Indeendenc
e From Irrelevan Al erna ives (IIA) yang dalam hal ini irrelevan al erna ives n
ya adalah zona ujuan. Sa u sa unya model yang memunyai aksioma IIA adalah mode
l R yang idak ergan ung 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 a au jarak dari i ke f. Kemudian, dalam kon eks sebara
n ergerakan, daa dika akan bahwa sua u model mengiku i aksioma IIA jika erub
ahan ada a ribu zona ujuan g idak menyebabkan erubahan ada ergerakan yang
er arik ke zona ujuan f dan h. Dengan ka a 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 uru an
biaya a au jarak yang sudah ada, g sebenarnya meruakan kesema an an ara bagi h
, e ai bukan bagi f.
220 Ofyar Z Tamin, Perencanaan dan emodelan ransor asi

Perubahan ada g hanya berengaruh ada kumula if kesema an di h dan zona ujua
n lainnya yang lebih jauh. Jika ada h erjadi erubahan, hal ini idak akan mem
engaruhi nisbah an ara f dan g un uk semua jenis model O. Model R hanya erdi
ri dari nisbah kesema an fungsi f dan h, yang idak ergan ung ada g. Oleh kar
ena i u, daa disimulkan bahwa model R meruakan sa u sa unya model O yang m
engabaikan aksioma IIA, idak ergan ung ada jenis normalisasi yang digunakan.
5.9.6 Model O yang diusulkan
Jika diasumsikan erdaa K ujuan ergerakan a au jenis barang yang bergerak di
an ara 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 rak is
Ki a elah mendiskusikan beberaa model yang berkai an dengan erhi ungan bangki
an dan arikan ergerakan se ia zona ser a ergerakan an arzonanya. Dalam ela
ksanaannya, beberaa ermasalahan rak is erlu dierha ikan karena sanga meme
ngaruhi akurasi enggunaan model ersebu . Hal ini daa berasal dari ba asan ya
ng ada dalam kerangka emodelan a au dari ke idakmamuan ki a dalam membua mode
l yang seharusnya memiliki deskrisi rinci dari reali a yang akan dimodel. Tamin

(1988a) dan Or uzar and Willumsen (1994) mendiskusikan beberaa ermasalahan r


ak is yang erlu dierha ikan.
5.10.1 Penanganan zona esk ernal
Dalam enen uan ba as daerah kajian elah disarankan agar ba as ersebu di en u
kan sedemikian rua sehingga daerah di dalam ba as (zona in ernal)
Model sebaran ergerakan
221

memunyai kon ribusi besar erhada erjadinya ergerakan, sedangkan daerah di l


uar ba as ersebu (zona eks ernal) memunyai kon ribusi kecil. Akan e ai, e
a idak bisa dihindari adanya ergerakan dari zona eks ernal ke in ernal dan se
baliknya a au mungkin saja ergerakan zona eks ernal ke eks ernal yang dalam ro
ses ergerakannya menggunakan jaringan jalan di dalam daerah kajian (ergerakan
ini sering disebu lalulin as menerus). Masalah lalulin as menerus meruakan mas
alah yang sanga serius yang erlu dierha ikan embina daerah erko aan. Usaha
enanganan lalulin as menerus ini sanga banyak membu uhkan biaya, misalnya emb
angunan jalan lingkar. Hal yang aling sering dier anyakan yang berkai an denga
n zona eks ernal adalah cara menghi ung biaya gabungan sis em jaringan dari usa
zona eks ernal ke usa zona in ernal dalam daerah kajian (hal ini sanga suli
di en ukan karena zona eks ernal didefinisikan mewakili seluruh daerah di luar
ba as daerah kajian). Secara rak ek yang harus dilakukan un uk kasus seer i i
ni adalah: emodelan ergerakan yang ada kai annya dengan zona eks ernal harus d
iisahkan dengan emodelan an arzona in ernal a au in razonal. Per ama, hal ini
daa dilakukan dengan melakukan wawancara di ei jalan ada i ik inle dan ou
le dari dan ke daerah kajian un uk mendaa kan informasi ergerakan yang berka
i an dengan zona eks ernal. Kedua, seluruh ergerakan yang berkai an dengan zona
eks ernal harus dihilangkan dari ma riks o al sehingga dihasilkan ma riks baru
yang hanya berisikan informasi ergerakan an arzona in ernal saja. Ke iga, emo
delan un uk kedua jenis ergerakan ersebu lalu dilakukan secara erisah. Pera
malan ma riks ergerakan yang berkai an dengan zona eks ernal un uk masa menda a
ng daa dilakukan dengan me ode fak or er umbuhan, misalnya me ode Furness, se
dangkan ergerakan yang berkai an dengan zona in ernal daa menggunakan bebera
a model sin e is yang elah di erangkan, misalnya model gravi y. Keema , hasil
eramalan kedua jenis ergerakan ersebu kemudian daa digabung un uk menghasi
lkan ma riks o al ergerakan masa menda ang yang dibu uhkan un uk berbagai kee
rluan erencanaan ransor asi.
5.10.2 Pergerakan in razona in ernal
Permasalahan yang sama juga berlaku un uk ergerakan in razona in ernal. Permasa
lahan imbul karena definisi usa zona, yang menyebabkan ergerakan in razona i
n ernal idak akan ernah erbebankan ke sis em jaringan, sehingga ergerakan je
nis ini selalu diabaikan dalam emodelan ransor asi. Penyebabnya, karena usa
zona didefinisikan sebagai lokasi ergerakan dari zona awal dan lokasi ergerak
an ke zona akhir. Jadi, ergerakan in razona in ernal meruakan ergerakan yang
(berdasarkan definisi) berasal dan berakhir ada lokasi yang sama. Hal inilah ya
ng menyebabkan bahwa dalam emodelan ransor asi, ergerakan jenis ini idak ak
an ernah erbebankan ke sis em jaringan dan menyebabkan gala emodelan yang cu
ku besar. Akan e ai, dalam reali anya, ergerakan jenis inilah yang aling ba
nyak menyebabkan ermasalahan ransor asi, khususnya di daerah erko aan. Denga
n ka a lain, ermasalahan ransor asi yang erjadi bukan disebabkan oleh erger
akan an arzona in ernal, e ai oleh ergerakan in razonal in ernal yang membeba
ni
222 Ofyar Z Tamin, Perencanaan dan emodelan ransor asi

sis em jaringan jalan (dalam emodelan ransor asi, ergerakan jenis ini diabai
kan karena definisi usa zona). Semakin besar luas sua u zona, semakin besar u
la ersen ase volume ergerakan in razona in ernal yang sudah barang en u akan
semakin besar eluang kemace an yang daa di imbulkannya. Cara enanganan masal
ah ergerakan jenis ini adalah dengan mengubahnya menjadi ergerakan an arzona i
n ernal. Salah sa u cara adalah membagi zona ersebu menjadi beberaa subzona y
ang lebih kecil, sehingga ergerakan in razona in ernal menjadi ergerakan an ar
zona in ernal.
5.10.3 Tujuan ergerakan
Pergerakan dengan ujuan dan/a au jenis orang yang berbeda beda biasanya menggun
akan model yang berbeda beda ula. Misalnya, ergerakan menuju ema kerja bias
anya menggunakan model gravi y dengan dua ba asan, sedangkan ergerakan dengan
ujuan lain (misalnya belanja a au rekreasi) menggunakan model gravi y dengan sa
u ba asan. Hal ini disebabkan sanga sukarnya memerkirakan besarnya arikan er
gerakan secara akura un uk daerah erbelanjaan a au rekreasi. Kadang kadang beb
eraa ujuan ergerakan cuku sensi if erhada erubahan biaya sehingga membu u
hkan enggunaaan fungsi hamba an yang berbeda ula. Beberaa model sebaran erge
rakan yang elah di erangkan memunyai erilaku yang berbeda. Model fak or er u
mbuhan mengasumsikan sebaran ergerakan hanya ergan ung ada besarnya bangki an
dan arikan se ia zona dan idak ergan ung ada aksesibili as an arzonanya. S
ebaliknya, model sin e is mengasumsikan bahwa aksesibili as an arzona daa juga
memengaruhi sebaran ergerakan selain besarnya bangki an dan arikan. Dalam mo
del sin e is un erdaa beberaa erilaku. Con ohnya, model gravi y lebih meng
u amakan eranan aksesibili as an arzona dalam roses enyebaran ergerakan, sed
angkan model oor uni y lebih menekankan ada sejauh mana zona ujuan ersebu
daa memenuhi kebu uhan seseorang ana memerha ikan beraa un biaya yang har
us dikeluarkannya (seer i ki a ke ahui, ujuan ki a bergerak adalah un uk memen
uhi kebu uhan). Pergerakan belanja dan rekreasi lebih baik menggunakan model o
or uni y dariada model gravi y karena ujuan ergerakan jenis ini lebih memen i
ngkan kemamuan zona ujuan dalam memenuhi kebu uhan ana meliha beraa besar
biaya yang harus dikeluarkan un uk mencaai zona ersebu . Model gravi y oor u
ni y mencoba menggabungkan kedua erilaku u ama ini. Model ini cocok un uk daera
h erko aan karena ada kenya aannya beberaa ujuan ergerakan yang erjadi da
a dienuhi oleh kedua erilaku ini.
5.10.4 Ma riks yang memunyai banyak sel kosong
Kebanyakan ma riks asal ujuan memunyai banyak sel kosong (sel ma riks yang idak
memunyai informasi ergerakan a au memunyai nilai ergerakan nol). Misalnya,
sua u daerah kajian mencaku 600 zona (360.000 sel) dengan 3.600.000 ergerakan;
ini berar i se ia sel berisi ra a ra a 10 ergerakan. Daa dias ikan ergera
kan ersebu idak akan mera a un uk seluruh sel; as i ada daerah yang inggi
ingka ergerakannya, misalnya dari daerah erumahan ke daerah erkan oran. Hal
ini akan menyebabkan banyak sel ma riks yang kosong. Selain i u,
Model sebaran ergerakan
223

adanya roses engambilan samel (misalnya 20%) akan menambah eluang ber ambahn
ya sel kosong ersebu . Adanya sel kosong mengakiba kan sel ersebu idak akan
ernah didaa kan nilai eramalan masa menda angnya. Dalam kasus seer i 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 se ia sel kosong yang ada.
5.10.5 Bangki an arikan dan asal ujuan
Beberaa model sin e is yang elah dikembangkan mengasumsikan bahwa se ia erge
rakan yang erjadi selalu memunyai asal dan ujuan. Model ersebu ada dasarny
a menghubungkan zona bangki an dengan zona arikan. Un uk ergerakan berbasis ru
mah, zona bangki annya adalah rumah, misalnya ergerakan ergi menuju ema ker
ja (a au endidikan, ema belanja); sedangkan zona arikannya adalah kan or, s
ekolah, a au oko. Un uk ergerakan ulang, erjadi hal yang sebaliknya; zona ba
ngki an adalah kan or, sekolah, a au oko, sedangkan zona arikan adalah rumah.
Dalam erencanaan dan emodelan ransor asi dikenal MAT yang memunyai skala wa
k u yang berbeda beda sesuai dengan kebu uhan, misalnya MAT 24 jam, MAT 6 jam, M
AT jam sibuk agi, dan lain lain. Un uk MAT 24 jam, kedua ergerakan yang elah
di erangkan sebelumnya idak akan menimbulkan masalah karena keduanya dilakukan
sekali un uk se ia arah dan erjadi dalam sa u hari i u meskiun ada wak u yan
g berbeda. Akan e ai, un uk MAT dengan skala wak u endek, beberaa ergerakan
dilakukan dengan arah dari zona bangki an ke arikan sedangkan yang lain mungki
n bergerak dengan arah yang berbeda, a au ergerakan ersebu belum dilaksanakan
karena wak unya berbeda. Terdaa beberaa endeka an yang daa dilakukan un u
k menga asi ermasalahan ini. Pendeka an er ama adalah menghasilkan MAT un uk
ujuan ergerakan er en u, misalnya un uk ujuan bekerja, kemudian mengasumsikan
bahwa ergerakan ersebu hanya bergerak un uk sa u arah saja, misalnya ergera
kan dari zona bangki an ke arikan ada jam sibuk agi. Beberaa da a survei kem
udian harus dikumulkan un uk menamung beberaa hal, misalnya kebijakan jam ker
ja yang fleksibel, kebijakan kerja shif , a au adanya ergerakan dengan ujuan 
ergerakan lain yang dilakukan ada agi hari. Pendeka an kedua adalah melaksanak
an survei un uk ber ujuan menge ahui secara langsung beraa ersen ase MAT un uk
se ia arah ergerakan, misalnya MAT jam sibuk agi daa erdiri dari 65% erg
erakan bangki an arikan dan 35% ergerakan arikanbangki an un uk se ia ujuan e
rgerakan.
5.10.6 Fak or K
Model gravi y daa digunakan un uk memerkirakan sebaran ergerakan jika sebara
n ersebu diengaruhi oleh fak or bangki an dan arikan se ia zona ser a akses
ibili as an arzona. Akan e ai, dalam beberaa kasus, erdaa beberaa
224 Ofyar Z Tamin, Perencanaan dan emodelan ransor asi

asangan zona asal ujuan yang besar ergerakannya idak diengaruhi oleh fak or
ersebu . Sebagai con oh adalah ergerakan an ara zona indus ri dengan zona erum
ahan yang khusus dibangun oleh indus ri ersebu un uk karyawannya. Dalam kasus
ini, sudah barang en u besar ergerakan idak daa dierkirakan dengan model g
ravi y. Un uk menangani kasus seer i ini, dirasakan erlu memerkenalkan arame
er Kid sebagai ambahan dalam model gravi y seer i er era 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

n terse ut. Jenis g


l
t ini terj
di jik
h
sil model y
ng digun
k
n t
id
k sesu
i deng
n keny
t

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 iner mem erik


n perkir

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

, (c) Struktur erhier


rki
Struktur mod
t
m
h
n, seperti terlih
t p
d
g
m
r 6.9 ,
ny
k digun
k
n or
n
g p
d

khir t
hun 1960
n d
n p
d

w
l 1970
n. Ak
n tet
pi, terny
t
h
silny

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

n sekunder. Contoh 6.3 Model struktur erhier


rki p
d
contoh 6.2 mempuny
i h
s
il se
g
i erikut: 1 PC = 1 + exp { 1 (C B C C )} PB = 1 PC PRB = dengan CB = 1
1 + exp { 2 (C BB C RB )}
PBB = 1 PRB 1 og[exp( 2 C RB ) + exp( 2 C BB ) 2
PC adaah peuang memiih mobi, (1PC)PRB adaah peuang memiih bus meah, dan (
1PC)PBB adaah peuang memiih bus biu; adaah paamete pemiihan pime dan se
kunde. Dengan mudah dapat diihat, jika CB = CC, mode ini secaa tepat membei
peuang sebesa 0,5 untuk mobi dan 0,25 untuk masing masing bus meah dan bus
biu.
6.6.3 Mode ogit bine
Pada dasanya peiaku agegat individu daam memiih jasa tanspotasi sepenuhn
ya meupakan hasi keputusan setiap individu. Peaku pejaanan dihadapkan pada
bebagai atenatif baik beupa atenatif tujuan pejaanan, moda angkutan, mau
pun ute pejaanan. Sehubungan dengan poses pemiihan pejaanan ini, daam di
i individu peaku pejaanan tedapat hieaki pemiihan, sepeti teihat pada
gamba 6.10.
Aspiasi gaya hidup
Poa aktivitas yang diinginkan
Pemiihan okasi
Penentuan pegeakan
Gamba 6.10 Hieaki keputusan pejaanan individu Sumbe: Manheim (1979)
242 Ofya Z Tamin, Peencanaan dan pemodean tanspotasi

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 ) =
[

xp{ (V in )} exp{ (V in )}+ exp V jn


{ ( )}]
(6.14)
Deng
n meng
sumsik
n Vin d
n Vjn line
r d
l
m p
r
meterny
, m
k
pers
m

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 (6.15), erikut ini


k
n diter
ngk
n penggun

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 pendapa an, dan c adalah ak u a au biaya empuh dar
i zona i ke zona d dengan moda k, ser a , , d
n adalah parame er model. en uk yan
g kompleks i u dapa di ulis kembali dalam ben uk 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 parame er model. Sebagai con oh, k
adalah parame er skala yang ergan ung pada ujuan pergerakan. k1 dan
250 Oyar Z Tamin, Perencanaan dan pemodelan ranspor asi

k2 adalah elas isi as kebu uhan erhadap populasi dan pendapa an. Ki a perkirakan
2 kedua peubah ini mempunyai anda posi i (+). 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 eek i menya akan apa yang erjadi jika sua u moda idak mempengaru
hi moda lain. Nya anya, 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

Asumsi ini cukup re


listis untuk diter
pk
n untuk tr
nsport
si
nt
rkot
k
ren

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

Mi , Md Si, Dd Hid Cid


= PDRB sektor industri (d
l
m mili
r rupi
h) = Surplus/
ngkit
n perger
k
n d
ri
zon
i, d
n defisit/t
rik
n perger
k
n d
ri zon
d (ton/t
hun) = W
ktu perger
k

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

exp(V1 ) exp(V1 + exp(V 2 )


2
2
Pro it P1 =

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

Moel emilihan moa


257

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

Suatu et keutuan hau imoel ecaa teiah engan memetimbangkan


etia keutuan aalah ilihan yang bekonii tetentu ehingga eluang
ihailkan aat ikalikan untuk menaatkan eluang untuk et teebut: P
 , m ,  ) = P ( f ) P ( / f ) P ( m /  ) P (  / m ,  , f ) engan f
ueni,  = tujuan; m = moa an  = ute

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

dngan: i j +(V j V iq ),Ai A( ) RN =


V j + j 0 dan bntuk modl yan
akan dihasilkan, trgantung pada sbaran rsidu . Bntuk modl utilitas acak yan
g pnting dihasilkan dngan mnggunakan fungsi utilitas yang mmpunyai rsidu ya
ng trdistribusi bbas dan idntik (IID). Dalam kasus ini, f() ditulis dalam bnt
uk: f ( 1 , . . ., N ) = g ( n )
n
g(n) adalah sbaran utilitas ssuai dngan pilihan An shingga bntuk umum prsam
aan (6.49) dapat disdrhanakan mnjadi:
260 Ofyar Z Tamin, Prncanaan dan pmodlan transportasi

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 model logit iner


Berikut ini di erik
n contoh penggun

n model logit iner d


l
m memodel pemilih

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 model logit iner selisih d


p
t diny
t
k

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

0.20 0.00 0.60 R2 = 0.9095

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 model logit iner nis


h d
p
t diny
t
k

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

ktu tempuh (X1) d


n w
ktu menunggu (X2) j
l
n
j
menurun se es
r 40% d
ri kond
isi
w
l. K
sus 4 Bi
y
termin
l untuk j
l
n r
y
(X4) dihil
ngk
n.
d
T
el 6.56.6 memperlih
tk
n h
sil uji kepek

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

Teori ekonomi meny


ngk
l
hw
kondisi keseim
ng
n ini sec
r
pr
ktis tid
k per
n
h terc
p
i k
ren
sistem h
rg
d
n tingk
t produksi tid
k sel
lu d
p
t l
ngsun
g eru
h sesu
i deng
n peru
h
n d
y
eli, seler
, teknologi, d
n teknik produ
ksi. Tet
pi, konsep keseim
ng
n s
ng
tl
h erh
rg
d
l
m us
h
mem
h
mi perm
s

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 terse ut. Ini erinter


ksi deng
n pengemud
i kend
r

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

rus mem utuhk


n w
kt
u y
ng l
m
d
n mensy
r
tk
n d
t
y
ng erku
lit
s tinggi, mis
lny
peng
m
t
n w

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

7.2 Metode pemilih


n rute
7.2.1 Pend
hulu
n
Dew
s
ini j
ring
n j
l
n di kot
es
r di Indonesi
mengh
d
pi perm
s
l
h
n tr

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.

Contoh 7.1 Pertim


ngk
n sep
s
ng zon

s
ltuju
n A d
n B y
ng mempuny
i du
u
h
rute
ltern
tif. Rute 1 erj
r
k pendek d
n erk
p
sit
s rend
h (1.500 kend
r

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, efisiensi mesin erkur


ng d
n di utuhk
n peme
riks

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

Contoh 7.2 Pertim


ngk
n j
ring
n sederh
n
p
d
g
m
r 7.7, term
suk d
t
MAT n
y
: AC = 400, AD = 200, BC = 300 d
n BD = 100. B
gi
n (I) memperlih
tk
n i
y
perj

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

7.4 Model stok


stik
B
ny
k
hli tr
nsport
si erpend
p
t
hw
model pemilih
n rute s
ng
t ergun
j
ik
d
p
t mencermink
n peril
ku seti
p pem
k
i j
l
n sehingg
ku
lit
s keputus
n
p
r

hli d
p
t diper
iki d
n i
y
d
p
t erkur
ng. P
d
su
tu sistem j
l
n r

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
.

Sebagai komenai, metoe ini eing menghailkan enyebaan egeakan yang a


nta, biaanya muah iogam, an tiak memelukan enakian hubungan AuKece
atan.
7.4.2 Moel Sakaovitch
Penekatan yang bebea alam menentukan banyak ute anta aangan zona ikemba
ngkan oleh Sakaovitch (1968). Beliau mengembangkan algoitma alam menentukan 
ute tebaik yang lebih ai atu ute (katakan teaat N ute tebaik) alam e
tia aangan zona i alam uatu aeah kajian. MAT kemuian ibagi menjai N b
agian engan ooi tebea ibebankan ke ute teceat an eteunya, ama
i ooi yang tekecil ibebankan aa ute yang teanjang. Poeu ini iul
angi ebanyak N kali amai akhinya emua MAT ibebankan aa jaingan.
7.4.3 Moel tokatik ooional
Dial (1971) menguulkan moel banyak ute yang beaakan eluang; egeakan 
aa etia titik imul iebakan ke emua ua yang mungkin alam bentuk elua
ng yang lebih iaahkan aa ute temuah. Moel Dial menghailkan iklim yang b
aik bagi aa eneliti an aktii eencanaan tanotai kaena algoitma ya
ng ikembangkan Dial memunyai keuntungan ibaningkan engan moel allo nothin
g kaena mengalokaikan egeakan aa bebeaa altenatif ute eemikian ua
, tegantung aa anjang (biaya) ute.
296 Ofya Z Tamin, Peencanaan an emoelan tanotai

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