1

Perangkutan/Transportasi
2

Proses Pemenuhan Kebutuhan
Bergerak g

Tidak Bergerak

Pemenuhan kebutuhan jasa: P h k b h Internet, delivery, teleconference, dsb

Dari Satu Tempat Ke Tempat Lain Perlu Moda Transportasi

PERENCANAAN DAN PEMODELAN TRANSPORTASI
Dr. NINDYO CAHYO KRESNANTO

Prasarana Transportasi Pergerakan Lalulintas

“Terciptanya suatu sistem transportasi/pergerakan yang / aman, efisien, efektif, nyaman, murah, dan sesuai lingkungan (termasuk safety)”

Sistem Transportasi Makro
3 4

Sistem Transportasi Makro
Sistem K i t Si t Kegiatan:
Mengatur tata ruang/tata guna lahan disuatu wilayah (N (Nasional, Propinsi, Kabupaten/Kota). , p , p / )

SS SISTEM KEGIATAN G

SS SISTEM JARINGAN J G

Sistem Pergerakan:
Pergerakan akan timbul dengan adanya penataan ruang untuk kegiatan-kegiatan tertentu.

Sistem Jaringan:
SISTEM PERGERAKAN

Digunakan sebagai prasarana penghubung atau f ilit Di k b i h b t fasilitas pergerakan.

Sistem Lembaga: g
SISTEM KELEMBAGAAN

Digunakan untuk mengelola semua keterkaitan antar sistem kegiatan, sistem pergerakan, dan sistem jaringan.

000 80 mnt 20 Km D .1973 dan Tamin. 2000).Sistem Kelembagaan 5 6 Perencanaan Transportasi Suatu proses yang tujuannya mengembangkan sistem transportasi yang memungkinkan manusia dan barang bergerak atau b b k berpindah tempat d d h dengan aman dan murah (Pignataro. Wilayah Perencanaan 7 8 Aksesibilitas s/d 25 Th s/d 1 Th s/d 5 Th Kemudahan suatu tempat untuk dicapai (Semakin tinggi aksesibilitas maka semakin mudah daerah itu dicapai) C B MIDDLE SHORT LONG Rp.000 70 mnt 60 Km A Rp.10.000 50 mnt 100 Km p Rp.15.40.

Biaya Bahan Baku Biaya Produksi: Upah. Alat. y = peubah tak-bebas. x = y f tak bebas. mudah murah. • Negara maju: biaya transportasi berkisar antara 10% t 10%. peubah bebas. dsb • Peta kontur.Ekonomi dan Transportasi 9 10 Mobilitas Kemudahan seseorang untuk bergerak. • Prototype. Energi. Keuntungan dan Pajak • Negara berkembang: produk akan terbebani biaya untuk transportasi sebesar 30–40%. dari harga barang. • Miniature Miniature. • Peta jalan. Pemasaran Model 12 11 Pemodelan Dalam Transportasi Model adalah merupakan representasi dari realita (dengan cara sederhana. . dan informatif). d b E i dsb “Tidak ada gunanya Aksesibilitas yang terlalu tinggi apabila Mobilitas Rendah” Rendah Biaya Transportasi: Bahan baku. dsb • Secara umum model matematis dapat dirumuskan sebagai y=f (x). • Maket.

∑ X i Yi − ∑ X i ∑ Yi N ∑ X i2 − ∑ X i2 N ∑ Yi 2 − ∑ Yi 2 ][ ] X-Axis X-Axis Jumlah d l h data yang Jumlah data yg “sedikit” “cukup” akan akan mengakibatkan memberikan gambaran p g intepretsi kecenderungan yang j l t t jelas tentang pola tidak akurat kecenderungan pola data . serta korelasi antara variabel bebas satu dengan variabel bebas yang lain. sehingga tidak ada keraguan terhadap fungsi tersebut tersebut. Uji kecukupan data dilakukan untuk mengetahui pola fungsi dari data yang sesungguhnya. Y-Axis s Y-Axis Y-Axis s Y-Axis N= 2 CV 2 Z α E2 r= [ N .Tes/Pengujian Model 14 13 Model Matematis Uji Kecukupan Data Uji Korelasi j Uji Linearitas Uji Fit Fitness/Kesesuaian /K i Uji Kecukupan Data 15 16 Uji Korelasi (1) Untuk menentukan tingkat korelasi antara variabel bebas dan variabel tak bebas.

50.50. maka korelasi yang dapat muncul adalah r=1 y mempunyai korelasi positif terhadap x dimana setiap x bertambah maka y akan bertambah.100.000.000.000.000.000. r=0 y tidak mempunyai korelasi terhadap x dimana setiap x bertambah maka y tidak tentu..100 000 50.000.050. Linear Jika ada sebuah fungsi y = f(x). aproksimasi d t d ki i data dapat t berupa persamaan linear atau persamaan nont linear. 50. NonN Linear Uji Fitness/Kesesuaian 19 20 Least Square vs MaxLikelihood Kelompok Data D t 1 Uji kesesuaian digunakan biasanya unruk menentukan kelompok data mana yang akan digunakan. r = -1 y mempunyai korelasi negatif terhadap x dimana setiap x bertambah maka y akan berkurang.000.Pemilih 50% 50% Kasus II 100.1 100 000 1.Pemilih 10% 90% ˆ yi yi Kelompok Data 2 B Selisih min S = 2 Maks = ∏ Pi → L = i y1 y 2 yi x x.000.Uji Korelasi (2) 17 18 Uji Linearitas Uji linearitas digunakan untuk mengetahui aproksimasi d k dari sekumpulan data. 50. ˆ ∑( y − y ) i i l=1 n Beberapa kasus kesesuain data tidak dapat diterangkan secara mutlak dengan Uji Least Square Moda A Kasus I 1.x ˆ ˆ ˆ y1 y 2 yi ..

21 22 “Uji harus dilakukan sequential tidak Uji boleh ada yang gagal kecuali Uji y gg g j Linearitas” Model Grafis Daerah Kajian Sederhana 23 24 Jenis Pergerakan Zona Gateway Pusat zona 1 2 Ruas 4 3 5 Batas daerah kajian 6 Penghubung pusat zona Simpul Batas zona .

R2. c. Tolong dievaluasi mana yang anda pilih R1.000 2 Asumsikan terjadi peningkatan Usia kerja dan sekolah dari 90% menjadi 100%. p p y dan berapa waktu tempuhnya. b. dan berapa waktu tempuhnya. dan R1 dilebarkan sehingga kapasitas menjadi: 5.2 Kapasitas (Kend/Jam) 4. dan berapa waktu tempuhnya. hitung a s/d f jika: R1 dioverlay sehingga ITP menjadi 0. hitung a s/d f.000 lapangan kerja Jika zona A dan zona B dihubungkan dengan 3 buah rute.Ruas: 2283 26 CONTOH SOAL Interaksi Sistem Transportasi Interaksi Sistem Transportasi 27 28 Pertanyaan? 1 Jika hanya ruas 1 yang b Jik h beroperasi.000 4 000 2. b i berapa arus yang t j di antara A d B terjadi t dan B. Jika hanya ruas 2 yang beroperasi.000 menjadi 25. Zona A: zona pemukiman Zona B: zona lapangan kerja Populasi zona A = 60.9 0. berapa arus yang terjadi antara A dan B. berapa arus yang terjadi antara A dan B.1.000. Jika hanya ruas 1 dan ruas 2 beroperasi bersama-sama. R2. R3 beoperasi bersama-sama.000 Kend/Jam.1. e.Simpul: 965 . a.500 6.000 60 000 org Prosentase usia kerja dan sekolah = 90% Lapangan kerja di zona B = 20. Rute 3 (R3) Rute 1 (R1) Rute 2 (R2) Rute 1 2 3 Panjang (Km) 20 30 15 T0 (Menit) 25 40 15 ITP (=a) 0. atau R3. Jika hanya ruas 3 saja yang beroperasi. dan Lapangan kerja dari 20.4 04 0. dan berapa waktu tempuhnya. 3 Dengan kondisi sistem kegiatan seperti kondisi no. Bagaimana jika R1. berapa arus yang terjadi antara A dan B.Contoh Kota Bandung 25 Zona: 125 . d. R1 dan R2. . f.

⎢ ⎥ ⎣ 2500 − Q ⎦ 42187500 – 16875. 000 x10 . ⎢ ⎥ = T 0 AB .544 2 x0.x108.6 Dari persamaan (2) dan (4) didapatkan Q: ⎡ 2500 − 0.Q AB (1) ⎤ 675. Jika hanya Ruas 2 yang beroperasi 1b b ⎡ 4000 − 0. ⎢ ⎥ ⎢ 2500 − Q AB ( 2 ) ⎥ ⎣ ⎦ ⎡ 6000 − 0 .QAB(1) = 4000.x 42187500 = 2202. 0025 .⎢ ⎥ ⎢ 4000 − Q AB (1) ⎥ ⎣ ⎦ 6 2 108.Q AB ( 2 ) ⎤ 40 . A B T QAB Persamaan Kebutuhan Transportasi Perhitungan Arus dari Zona A ke Zona B dalam Kend/jam adalah: PA = = AB = 0.1 .1 Dipilih Q yang lebih kecil dari Q0 yaitu Q2 = 2202 Kend/Jam Masukan nilai Q2 dalam persamaan (4) ⎡ 2500 − 0. ⎢ TQAB = ⎥ Q C −Q ⎢ ⎥ ⎣ ⎦ 1− ⎢ ⎥ C ⎣ ⎦ TQAB(1) = TQAB(2) = ⎡ 4000 − 0 .10 – 27000.000 ⎥ = 25.000 LB = 20.⎢ ⎥ ⎣ 2500 − 2202.1.1.106 – 31000.6. 000 AB TQ QAB TQ = = ………………………………………………………………….59 31 − (−31000) − 31000 2 − 4 x0.6.456 2x 2 x0.9 x LA 0.1x3757.Q AB ( 3 ) 15 .⎢ ⎥ ⎣ 4000 − 3757. 000 Q AB Jika asumsi 1 kendaraan dipakai oleh 2 orang maka jumlah kendaraan yang bergerak dari Zona A ke Zona B adalah: PA AB = = 54.10 6 Q = 2 x0. 6 .(1) …………………………………………………………………….Jawaban 1 29 30 Jawaban 1 QAB = = K.000/2 = 2 000 Kend 27.10 6 = 3757 077 3757.456 ⎦ TQAB(2) = 306.⎢ ⎥ Q AB ⎣ 2500 − Q ⎦ ⎡ 2500 − 0. QAB(2) – 0.1. Q ⎤ T 0 AB .6.x 42187500 2 x0.Q AB (1) ⎤ Q.000 0 9 x 60 000 = 54 000 orang 54.6.b.000 d = 10. QAB(1) + 0.6 Q1 Q2 = = − (−31000) + 31000 2 − 4 x0.x108.66 menit 32 − (−19375) − 19375 2 − 4 x0.456 ⎤ TQAB(2) = 40.000/2 4 000/2 20. QAB(2) = 2500. Q2AB(1) = 0 …………………………………………… (6) 27000 = Dengan rumus abc dapat diketahui Q.1.(2) (2) 675 . QAB(1) – 0. QAB(2) + 0.000 orang 0 . Q AB(1) 108.8 .1.9 60.1.Q ⎤ 675. Q2AB(2) = 0 …………………………………………… (7) 16875 = Dengan rumus abc dapat diketahui Q.6. ⎢ ⎥ ⎢ ⎣ 4000 − Q AB (1 ) ⎥ ⎦ ⎡ 2500 − 0 .077 ⎤ TQAB(1) = 25. 675000 T QAB 27 . sebagai berikut: − b ± b 2 − 4ac Q = 2a − (−31000) ± 31000 2 − 4 x0. PA . Jika hanya Ruas 1 yang beroperasi 1a a Dari persamaan (2) dan (3) didapatkan Q: ⎡ 4000 − 0.6.1 = 47909.077 ⎦ TQAB(1) = 179.000 Kend Persamaan prasarana Transpotasi untuk setiap rute didapatkan: Q ⎤ ⎡ ⎢ 1 − (1 − a ) C ⎥ ⎡ C − (1 − a ). ⎢ ⎢ 6000 − Q AB ( 3 ) ⎣ ⎤ ⎥ ⎥ ⎦ ………………………………………………(3) ………………………………………………(4) TQAB(3) = ………………………………………………(5) 1. Q2AB(2) 42187500 – 19375.10 6 2 x0.Q AB (1 ) ⎤ 25 .6 Dipilih Q yang lebih kecil dari Q0 yaitu Q2 = 3757 Kend/Jam Masukan nilai Q2 dalam persamaan (3) ⎡ 4000 − 0.x 42187500 = 191547.a.x108.476 menit .Q ⎤ Q.1.1 − (−19375) + 19375 2 − 4 x0.6.000 = 40. sebagai berikut: Q Q Q1 Q2 = = = = − b ± b 2 − 4ac 2a − (−19375) ± 19375 2 − 4 x0.1x 2202.⎢ Q AB (1) ⎢ 4000 − Q AB (1) ⎥ ⎣ ⎦ 1.077 2x0.

000 ⎥ = 15.Q AB (1) ⎤ ⎡ 2500 − 0. TQAB(1) = TQAB(2) Dari syarat batas (2) maka dapat didapatkan persamaan: TQAB(1) = TQAB(2) ⎡ 4000 − 0.⎢ Q AB (3) ⎢ 6000 − Q AB (3) ⎥ ⎣ ⎦ 1d d Syarat Batas 1).668 2x 2 x0.000 menjadi 25. 2 Q AB (1) = 3636.067 Kend/Jam Masukkan nilai QAB(2) ke persamaan (9): 36 Selesaikan: 1 Q AB (1) = Q AB (1) = 84000 Q AB ( 2 ) + 1.831 + 1757 .Q AB ( 2) ⎤ 675.067 ) Bagaimana jika R1.000 Q AB (1) + Q AB ( 2 ) = = 675 .067 + 1. Q2AB(3) 27x107 – 51000.8 x5826. R1 dilebarkan sehingga kapasitas menjadi: 5.8.Q AB ( 2) ⎤ ⎥: Memasukkan persamaan (10) TQ ke persamaan TQAB(2) = 40. Q2AB(3) = 0 …………………………………………… (8) Dengan rumus abc dapat diketahui Q. Asumsikan terjadi peningkatan Usia kerja dan sekolah dari 90% menjadi 100%. K d/J 3 125.8 − (−51000) + 51000 2 − 4 x0.831 Kend/jam Nilai TQAB adalah: TQ TQ TQ = 675 .Q AB (3) ⎤ ⎥ 45000 = Q AB (3) . hitung a s/d f.1.1.1Q AB (1)Q AB ( 2) − 2500Q AB (1) − 19375Q AB ( 2) + 42187500 = 0 …………………………………………(11) Ganti QAB(1) dengan p g persamaan (9): ( ) Q AB(1) = 84000Q AB ( 2) + 1.(10) (10) Q AB (1) + Q AB ( 2) ⎡ 2500 − 0. QAB(3) = 6000. Jika hanya Ruas 1 dan 2 yang beroperasi bersama-sama 1c c Dari persamaan (2) dan (5) didapatkan Q: ⎡ 6000 − 0.26171875 x1012 = 0 …………………………………(12) 34 Dengan metode trial and error dapat diketahui QAB(2).x 27 x10 7 2 x0.000 Kend/Jam. sebagai berikut: Q Q = = − b ± b 2 − 4ac 2a ⎡100000 − 15.⎢ ⎥ ⎢ ⎢ ⎣ 4000 − Q AB (1) ⎥ ⎦ ⎣ 2500 − Q AB ( 2) ⎥ ⎦ ⎡ 6000 − 0. QAB(3) – 0.⎢ ⎢ 2500 − Q AB ( 2) ⎥ ⎦ ⎣ ⎡ 2500 − 0.5 x108 62500 + 11Q AB ( 2) …………………………………………………………………………………….c.⎢ ⎥ ⎣ 6000 − 5826. 1d d y yaitu = 1757.8.5 x108 62500 + 11Q AB ( 2) 0..067 Dengan kondisi sistem kegiatan seperti kondisi no.e. Q AB = Q AB (1) + Q AB( 2) 2).x 27 x10 7 2 x0.1.000 ⎥ = 40.1Q 2 AB ( 2) ⎡ 84000Q AB ( 2) + 1.⎢ Q AB (1) + Q AB ( 2) ⎢ 2500 − Q AB ( 2) ⎥ ⎣ ⎦ Q1 = 33 − (−51000) − 51000 2 − 4 x0.1⎢ ⎥Q AB ( 2) − 2500⎢ ⎥ − 19375Q AB ( 2) + 42187500 = 0 62500 + 11Q AB ( 2) ⎥ ⎢ ⎢ 62500 + 11Q AB ( 2) ⎥ ⎣ ⎦ ⎣ ⎦ 1.(9) − (−51000) ± 51000 2 − 4 x0.8.8.8 = 57923.1. R2.668 ⎦ TQAB(3) = 115.332 Dengan syarat batas (1) persamaan (2) TQ di tulis kembali menjadi: 675.142 menit 35 . R3 beoperasi bersama-sama.x 27 x10 7 Q2 = = 5826.6.668 Kend/Jam Masukan nilai Q2 dalam persamaan (5) ⎡ 6000 − 0.Q AB ( 2) ⎤ 25.5 x108 ⎤ ⎡ 84000Q AB ( 2) + 1.⎢ ⎥ = 40.1.8.8. QAB(3) + 0.5 x10 8 62500 + (11 x1757 .000 3636 .⎢ ⎢ ⎣ 6000 − Q AB (3) ⎥ ⎦ 27x107 – 45000.Q AB (1) ⎤ ⎡100000 − 4.5 x10 8 62500 + 11Q AB ( 2 ) 84000 x1757 .1Q 3 AB ( 2) − 198475Q 2 AB ( 2) − 9.Q AB (3) ⎤ 675.000.000 TQ = ………………………………………………………………………………………………….Q AB ( 2) ⎤ ⎥= ⎢ ⎥ ⎢ ⎢ 4000 − Q AB (1) ⎥ ⎣ 2500 − Q AB ( 2) ⎥ ⎣ ⎦ ⎢ ⎦ Q AB(1) = 84000Q AB ( 2) + 1. Jika hanya Ruas 3 yang beroperasi 1.8.1Q 2 AB ( 2) + 0.5 x108 ⎤ + 0.668 ⎤ TQAB(3) = 15.1. hitung a s/d f jika: R1 dioverlay sehingga ITP menjadi 0 1 dan 0.8 Dipilih Q yang lebih kecil dari Q0 yaitu Q2 = 5826.41875 x10 8 Q AB ( 2) + 2.847 menit 0. dan Lapangan kerja dari 20.

T = ∑ Oi = i =1 N d =1 ∑ Dd = ∑ ∑Tid i =1 d =1 . TN2 D2 3 T13 T23 T33 .... .. TNN DN Oi O1 O2 O3 . . .. . N Dd . .2000a.4 Step Model 38 Data perencanaan 1 MODEL BANGKITAN PERGERAKAN Asal dan tujuan 37 Pemodelan Transportasi 2 MODEL SEBARAN PERGERAKAN0 Total matrik asal-tujuan 3 MODEL PEMILIHAN MODA MAT penumpang angkutan pribadi MAT penumpang angkutan umum 4 MODEL PEMBEBANAN LALULINTAS Arus pada jaringan Matrik Asal Tujuan 39 Zona 1 2 1 T11 T21 T31 .... .... . Analogi) d =1 ∑ Tid N N Dd = ∑ Tid i =1 N N N 3 .2003) 40 Oi = Model Sebaran (Met. . TN1 D1 2 T12 T22 T32 . . ON T Sumber: Tamin (1985. .. .. TN3 D3 .1986. ..1988abcd.. . ..1997a. .. . . . N T1N T2N T3N .. .

metode Fratar. dd = total pergerakan masa sekarang yang berasal dari zona asal i atau yang menuju ke zona tujuan d y g j j . ) Tid = t id . tarikan) dan metode dengan-dua-batasan (metode ratarata. metode dengan-satu-batasan (metode dengan satu batasan batasan-bangkitan dan metode batasantarikan). E i Ei=1 untuk seluruh zona ⎞ ⎟ ⎟ ⎠ Dd dd Batasan Tarikan Tid = t id .E Tid t id E = = = pergerakan pada masa mendatang dari zona asal i ke k zona tujuan d t j pergerakan pada masa sekarang dari zona asal i ke zona t j tujuan d tingkat pertumbuhan Met. Dd = total pergerakan masa mendatang y g berasal dari p g g yang zona asal i atau yang menuju ke zona tujuan d oi.E d Ed=1 untuk seluruh zona 1 t k l h Ei. dan metode Furness). Ed = tingkat pertumbuhan zona i dan d Oi. metode Detroit.Persamaan Umum 41 42 Kelompok Metode Analogi metode tanpa-batasan (metode seragam).⎜ i ⎜ 2 ⎝ O E i = i dan E d = oi Rata-rata Tanpa batasan E= T t T t = total pergerakan pada masa mendatang di dalam daerah kajian = total pergerakan pada masa sekarang di dalam daerah kajian Batasan Bangkitan Tid = t id . Tanpa dan Satu Batasan 43 44 Metode Dengan 2 Batasan ⎛ E + Ed T id = t id .

E d . E i N Pada metode ini. Fratar (Li + Ld ) 2 k ≠d N Li = k ≠i ∑ E k .t dk Tid = t id . pergerakan awal (masa sekarang) pertama kali dikalikan dengan tingkat pertumbuhan zona asal Hasilnya kemudian asal.Metode Dengan 2 Batasan 45 46 Metode Dengan 2 Batasan Tid = t id .E d Model Gravity 48 47 Model Sebaran (Metode Sintetis) Gravity Model Model Gravity tanpa-batasan (UCGR) Model Gravity dengan-batasan-bangkitan (PCGR) y g g ( ) Model Gravity dengan-batasan-tarikan (ACGR) Model G it dengan-batasan-bangkitan-tarikan M d l Gravity d b t b kit t ik (PACGR) .t ik k ≠i N ∑ t ik dan Ld = N ∑ t dk Furness k ≠d ∑ E k .E i . Tid = t id . dikalikan dengan tingkat pertumbuhan zona tujuan dan zona asal secara bergantian (modifikasi harus dilakukan setelah setiap perkalian) sampai total sel MAT untuk setiap arah (baris atau kolom) sama dengan total sel MAT yang diinginkan.

d =1 i =1 N N 52 Model Gravity dengan-batasanbangkitan-tarikan (PACGR) Tid = Ai . d =1 i =1 N N ∑ O = ∑ D = ∑∑ T i =1 i d =1 d i =i d =1 N N N N id ∑ O = ∑ D = ∑∑ T i =1 i d =1 d i =i d =1 N N N N id • Faktor penyeimbang Ai dan Bd • Faktor penyeimbang Ai = 1 Ai = 1 for all i . d =1 i =1 N N ∑ O = ∑ D = ∑∑ T i =1 i d =1 d i =i d =1 N N N N id ∑ O = ∑ D = ∑∑ T i =1 i d =1 d i =i d =1 N N N N id • • Faktor penyeimbang Ai = 1 Faktor penyeimbang Bd = 1 N ∑ A .Oi .Bd .Dd . Dd = ∑ Tid .Bd . f (Cid ) d =1 for all i ) Bd = 1 Ai = 1 for all i ∑ Ai .Bd . f (Cid ) i =1 N for all d .Model Gravity tanpa-batasan (UCGR) tanpa batasan 49 50 Model Gravity dengan-batasanbangkitan (PCGR) Tid = Ai .Dd . d =1 i =1 N N Tid = Ai . Bd = 1 for all d ∑ B .D .O . Dd ≠ ∑ Tid . Dd = ∑ Tid .Dd . f (C d =1 d d N for all i id ) Bd = 1 for all d 51 Model Gravity dengan-batasantarikan (ACGR) Tid = Ai . f (Cid ) • Syarat batas Oi = ∑ Tid . f (C i =1 i i N for all d id ∑ Bd .Oi . f (Cid ) • Syarat batas y Oi ≠ ∑ Tid .Bd .Dd .Oi . Dd ≠ ∑ Tid .Oi . f (Cid ) • Syarat batas Oi = ∑ Tid .Dd . f (Cid ) • Syarat batas Oi ≠ ∑ Tid .Oi .

konstansta regresi. Biasa digunakan untuk pergerakan yang berbasis bukan rumah. Bangkitan dan Tarikan pada setiap zona adalah: Zona 1 2 3 4 5 Dd Model UCGR - 2500 3500 2000 4000 3000 2. Ramalan data Bangkitan dari hasil trip generation lebih dapat diandalkan dari pada data Tarikannya. . Ramalan data Bangkitan atau Tarikan dari hasil trip generation kurang dapat diandalkan (contoh: untuk analisis-regresi-linearberganda dapat dilihat dari koefisien determinansi (R2). Biasa digunakan untuk pergerakan dengan tujuan bukan rumah rumah. atau syarat yang lain). Biasa digunakan untuk pergerakan yang berbasis rumah. A Kriteria Pengunaan Jika informasi survei kurang baik/kurang tersedia. Informasi tentang aksesibilitas adalah: Zona 1 2 3 4 5 1 60 120 240 270 180 2 100 40 220 200 140 3 150 80 50 140 160 4 200 120 180 50 210 5 150 200 240 120 60 PCGR - ACGR PACGR Hitunglah sebaran pergerakan yang terjadi menggunakan Model Gravity dengan-batasan-bangkitan-tarikan (PACGR). Ramalan data Bangkitan atau Tarikan dari hasil trip generation dapat diandalkan (contoh: untuk analisis-regresi-linear-berganda dapat dilihat dari koefisien determinansi (R2 ≈ 1) .Soal 53 54 Kriteria Penggunaan Model Gravity 1 2 3 4 5 Oi 1000 2000 3000 4000 5000 15000 1. Bi di k t k k b b i h Ramalan data Tarikan dari hasil trip generation lebih dapat diandalkan (cukup baik) dari pada data Bangkitannya. atau syarat yang lain). konstansta regresi ≈ 0.

Sign up to vote on this title
UsefulNot useful