TUGAS

PERMODELAN TRANSPORTASI
PEMODELAN TARIKAN PERJALANAN PADA RUMAH SAKIT DI KOTA PADANG

DISUSUN OLEH :

Nama

: Mohammad Imaduddien

Nim
Kelas

: D111 13 518
: Sipil B

JURUSAN SIPIL
FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
GOWA
2016

Pertumbuhan penduduk yang tinggi dan adanya peningkatan

perekonomian masyarakat menuntut laju pembangunan yang cukup
pesat, yang pada gilirannya akan menimbulkan tingkat mobilitas tinggi
dari
para
pelaku
pembangunan. Pembangunan pada umumnya
menyebabkan perubahan ke dalam sistem kegiatan.
Hubungan yang erat antara sistem kegiatan dengan sistem
pergerakan mengakibatkan pembangunan yang juga akan memberikan
perubahan kepada sistem pergerakan. Lebih jauh lagi, perubahan sistem
pergerakan ini harus didukung oleh sistem jaringan ( prasarana ),
sehingga dibutuhkan pembangunan jaringan, kemudian proses di atas
akan kembali terulang. Karena itu sebagai salah satu jalan untuk
memperkirakan kebutuhan pembangunan jaringan, diperlukan metode
untuk mengetahui seberapa besar pengaruh adanya pembangunan
(perubahan sistem kegiatan ) terhadap perubahan sistem pergerakan.
Dengan
diketahuinya
seberapa
besar
pembangunan terhadap sistem pergerakan,
dapat

juga

dinilai

seberapa

jauh

pengaruh

adanya

diperlukan

pengendalian dan pengaturan untuk menjamin kelancaran, keselamatan

dan efisiensi dalam sistem jaringan yang ada. Pengaruh awal yang dapat
diidentifikasi adalah besarnya bangkitan dan tarikan pergerakan ( jumlah
yang pergi dan yang datang ) akibat hasil pembangunan yang
bersangkutan.
Dalam kasus ini adalah pembangunan yang cukup pesat pada
beberapa rumah sakit yang berada di kota Padang. Ini ditandai dengan
adanya penambahan sarana dan peningkatan klasifikasi pada rumah
sakit yang berakibat pada meningkatnya fasilitas pelayanan yang
ada dan pada akhirnya akan meningkatkan jumlah tarikan perjalanan/
kunjungan ke rumah sakit tersebut.
2. STUDI PUSTAKA
Pemodelan bangkitan perjalanan (trip generation) adalah suatu
tahapan pemodelan yang memperkirakan jumlah pergerakan dari suatu
zona (trip generation) dan jumlah pergerakan yang tertarik ke suatu zona
(trip attraction).
Tujuan dasar bangkitan perjalanan adalah menghasilkan suatu model
hubungan yang mengaitkan tata guna lahan dengan jumlah pergerakan
yang menuju ke suatu zona atau jumlah pergerakan yang meninggalkan
suatu zona. Zona asal dan tujuan pergerakan biasanya menggunakan
istilah trip end.
Pergerakan merupakan fungsi tata guna lahan yang menghasilkan
perjalanan lalu lintas. Perjalanan lalu lintas ini mencakup :
Lalu

lintas

yang

meninggalkan

suatu lokasi

 Lalu lintas yang menuju atau tiba ke suatu lokasi

Hasil keluaran dari perhitungan bangkitan dan
tarikan lalu-lintas berupa jumlah kendaraan, orang, atau angkutan barang
per satu satuan waktu, misalnya kendaraan/jam. Kita dapat menghitung
jumlah orang atau kendaraan yang masuk atau keluar dari suatu luas
tanah tertentu dalam satu hari
atau satu jam untuk mendapatkan bangkitan dan tarikan pergerakan.
Pengumpulan data Primer dan Sekunder dilakukan untuk mengetahui
besarnya bangkitan/tarikan lalu lintas (variabel tak bebas) sebagai data
primer dan data karakteristik kawasan (variabel bebas) sebagai data
sekunder di suatu kawasan tinjauan. Jenis survey primer yang dilakukan
untuk mengumpulkan data tarikan dari suatu guna lahan tertentu adalah
dengan Survey Pencacahan Lalu Lintas. Survey pencacahan lalu-lintas
merupakan suatu pencacahan kendaraan menurut jenisnya. Umumnya di
kawasan rumah sakit yang terlihat cukup signifikan adalah kendaraan
jenis Sepeda Motor dan Mobil. Periode waktu pencacahan adalah perjam,
total waktu pencacahan disesuaikan dengan jenis tata guna lahan
tinjauan. Data pencacahan ditulis dalam data form yang tersedia. Lokasi
pencacahan ditetapkan pada pintu masuk lokasi yang bersangkutan.
Survey sekunder dilakukan dengan mendatangi masing-masing lokasi
atau pengelola dari kawasan yang dipilih untuk mengumpulkan data-data
yang diperlukan. Data sekunder yang diperlukan untuk rumah sakit
umumnya berada pada lokasinya. Survey sekunder untuk memperoleh
data-data sebagai berikut :
1. Luas tanah (LT, m2)
2. Luas bangunan (LB, m2)
3. Jumlah pegawai (JP, orang)
4. Jumlah tempat tidur (JTT, buah)
Lokasi Survey Pemilihan lokasi survey tergantung dari ketersediaan data
dan kemudahan serta kemampuan dalam melaksanakan survey lapangan.
Lokasi yang di survey yaitu :
1. Rumah Sakit Umum Pusat M. DJAMIL.
2. Rumah Sakit YOS SUDARSO.
3. Rumah Sakit TNI REKSODIWIRYO.
4. Rumah Sakit SELAGURI.
Survei primer dilakukan dengan periode waktu pencacahan adalah perjam
dari jam 7.00 sampai dengan jam 16.00. selama 2 hari kerja yaitu hari
Selasa dan Kamis. Data primer dan data sekunder hasil survey dapat
dilihat pada Tabel 1, Tabel 2 dan Tabel 3 berikut :
Tabel-1 Jumlah Tarikan Kendaraan Saat Jam Puncak
No.

Lokasi

Masuk
Sepeda
Mobil
Motor

RS. M. Jamil
RS. Yos
Sudarso
RS. TNI
Reksodiwiryo
RS. Selaguri

2
3
4

205

201

57

60

21

39

15

17

Tabel -2 Jumlah Tarikan Kendaraan Total Perhari

No.
1
2
3
4

Masuk
Sepeda
Mobil
Motor
1327
1248

Lokasi
RS. M. Jamil
RS. Yos
Sudarso
RS. TNI
Reksodiwiryo
RS. Selaguri

382

367

146

199

105

117

Tabel- 3 Data Karakteristik Zona

Karakteristik Zona

No
.

Lokasi

RS. M. Jamil
RS. Yos
Sudarso
RS. TNI
Reksodiwiry
o
RS. Selaguri

2
3
4

JT
T

LT

LB

JP

85760

3362
6

1594

23450

4750

350

40000

1681
0

133

12
1

1415

664

106

59

68
8
15
0

Dari data yang diperoleh dari jurnal, kemudian dimasukkan kedalam excel :

Y1
2575
749
345
222

X1
85760
23450
40000
1415

X2
33626
4750
16810
664

X3
1594
350
133
106

X4
688
150
121
59

Keterangan :
Y1 : Jumlah rata-rata perjalanan kendaraan
X1 : Luas Tanah (LT)
X2 : Luas Bangunan (LB)
X3 : Jumlah Pegawai (JP)
X4 : Jumlah Tempat Tidur (JTT)

Kemudian data tersebut di input kedalam aplikasi SPSS v23 :

Kemudian kita melakukan analisa regresi dengan metode enter :

Variables Entered/Removeda

Model
1

Variables

Variables

Entered

Removed

X4, X2, X1b

Method
. Enter

a. Dependent Variable: Y1
b. Tolerance = .000 limit reached.

Model Summary

Model

1.000a

R Square
1.000

a. Predictors: (Constant), X4, X2, X1

Adjusted R

Std. Error of the

Square

Estimate
.

ANOVAa
Model
1

Sum of Squares
Regression

Mean Square

3574964.750

1191654.917

.000

3574964.750

Residual
Total

df

Sig.
.b

a. Dependent Variable: Y1
b. Predictors: (Constant), X4, X2, X1

Coefficientsa
Standardized
Unstandardized Coefficients
Model
1

B
(Constant)

Coefficients

Std. Error

Beta

-6.598

.000

X1

.016

.000

X2

-.046

X4

4.008

Sig.
.

.518

.000

-.617

.000

1.070

a. Dependent Variable: Y1

Excluded Variablesa
Collinearity

Model
1

Beta In
X3

t
.b

Sig.
.

Partial

Statistics

Correlation

Tolerance

.000

a. Dependent Variable: Y1
b. Predictors in the Model: (Constant), X4, X2, X1

Dari analisa dengan spss dapat diperoleh persamaan model :

Y = -6.598 + 0.016 * X1 0.046 * X2 + 4.008 * X4

Keterangan :
Y1 : Jumlah rata-rata perjalanan kendaraan

X1
X2
X3
X4

:
:
:
:

Luas Tanah (LT)

Luas Bangunan (LB)
Jumlah Pegawai (JP)
Jumlah Tempat Tidur (JTT)
Kemudian membandingkan hasil model dengan hasil survei pada excel,
serta selisih dalam persen (%)

Y1

X1

X2

X3

HASIL
MODEL

X4

2575

85760

33626

1594

688

2576.27

749

23450

4750

350

150

751.302

345

40000

16810

133

121

345.11

222

1415

664

106

59

221.97

SELISIH
%
0.0493
2
0.3073
4
0.0318
8
0.0135
14

Keterangan :
Y1 : Jumlah rata-rata perjalanan kendaraan
X1 : Luas Tanah (LT)
X2 : Luas Bangunan (LB)
X3 : Jumlah Pegawai (JP)
X4 : Jumlah Tempat Tidur (JTT)

Dari SPSS dapat dibuat grafik perbandingan antara hasil survey dan hasil
model

Membandingkan dengan metode STEPWISE

Sama halnya cara penginputan data ke SPSS dengan metode enter,

begitu pula dengan metode stepwise. Hanya saja dengan
mengganti pada method

Variables Entered/Removeda
Model

Variables

Variables

Entered

Removed

Method

X3

. Stepwise
(Criteria:
Probability-of-Fto-enter <= .050,
Probability-of-Fto-remove >= .
100).

a. Dependent Variable: Y1

Model Summary

Model

R Square

.998a

Adjusted R

Std. Error of the

Square

Estimate

.997

.995

76.32805

a. Predictors: (Constant), X3

ANOVAa
Model
1

Sum of Squares
Regression
Residual
Total

df

Mean Square

3563312.807

3563312.807

11651.943

5825.972

3574964.750

Sig.

611.626

.002b

a. Dependent Variable: Y1
b. Predictors: (Constant), X3

Coefficientsa
Model

Unstandardized Coefficients

Standardized
Coefficients

Sig.

B
1

(Constant)
X3

Std. Error

131.846

51.114

1.541

.062

Beta

.998

2.579

.123

24.731

.002

a. Dependent Variable: Y1

Excluded Variablesa
Collinearity

Model
1

Beta In

Sig.

Partial

Statistics

Correlation

Tolerance

X1

.042b

.340

.791

.322

.192

X2

.002b

.018

.989

.018

.255

X4

-.067b

-.107

.932

-.107

.008

a. Dependent Variable: Y1
b. Predictors in the Model: (Constant), X3

Dengan metode stepwise dapat dibuat persamaan:

Y = 1.706 + 1.1257 * X3

Metode Stepwise, Backward Elimination dan Forward Selection

merupakan suatu metode untuk mengurangi kemungkinan adanya
muktikolinearitas dari persamaan/model yang dihasilkan.
Regresi Stepwise merupakan salah satu metode untuk mengatasi adanya
kasus multikolinieritas, yaitu suatu kondisi dimana terjadi korelasi yang
kuat diantara variabel-variabel bebas (X).
Regresi stepwise melibatkan dua jenis proses yaitu: forward selection dan
backward elimination. Teknik ini dilakukan melalui beberapa tahapan.
Pada masing-masing tahapan, kita akan memutuskan variabel mana yang
merupakan prediktor terbaik untuk dimasukkan ke dalam model. Variabel
ditentukan berdasarkan uji-F, variabel ditambahkan ke dalam model
selama nilai p-valuenya kurang dari nilai kritik (biasanya 0,15).
Kemudian variabel dengan nilai p-value lebih dari nilai kritik akan
dihilangkan. Proses ini dilakukan terus menerus hingga tidak ada lagi
variabel yang memenuhi kriteria untuk ditambahkan atau dihilangkan