SIMULASI TRANSJAKARTA BRT DENGAN

MENGGUNAKAN PENDEKATAN KEJADIAN

DISKRIT: STUDI KASUS PADA KORIDOR 9

Bau Risfiani Puspasari

Binus University, Komp BPPT Jl. Teknologi VII H15/B26, risfianipuspasari@yahoo.com

Fitri Dewi
Binus University, Dasana Indah Blok UB 5 NO.30, fitri.dewi@hotmail.com

Martin Samwel
Binus University, Jalan Seram Baru No.28 Medan, martin.samwel@yahoo.com

Fergyanto E Gunawan
Binus University, Jl. K.H Syahdan No. 9 Kemanggisan Jakarta Barat 11480, fgunawan@binus.edu

ABSTRAK

+
Sistem transportasi pada kota besar seperti Jakarta berkembang seiring dengan
bertambahnya jumlah penduduk. Salah satu transportasi di Jakarta yang dianggap dapat mengatasi
masalah kemacetan adalah TransJakarta. TransJakarta adalah Bus Rapid Transit (BRT) yang
mempunyai sistem kerja mengikuti TransMilenio di Bogota. Apabila TransJakarta dibandingkan
dengan TransMilenio dengan beberapa parameter makan TransJakarta memliki kelebihan seperti
panjang sistem terpanjang dimiliki TransJakarta tetapi jumlah penumpang yang dimiliki relatif
rendah, sehingga dapat disimpulkan bahwa Transjakarta memiliki prestasi yang relatif rendah
walaupun sistem yang dimiliki begitu besar. Maka perlu dilakukan optimisasi terhadap sistem
TransJakarta.
Pada studi kasus di sini, akan dibuat model berdasarkan pendekatan kejadian diskrit yang
dapat menggambarkan keadaan aktual TransJakarta. Data yang diperlukan untuk membuat model ini
diambil secara langsung pada koridor 9 di 11 halte, yaitu: Halte Pluit sampai Halte Slipi Petamburan.
Beberapa komponen utama yang harus dibuat adalah buses pool, halte, dan segmen jalan.
Setelah menyelesaikan pembuatan model simulasi dengan menggunakan pendekatan kejadian
diskrit, maka model tersebut digunakan untuk menganalisis prestasi TransJakarta. Perbandingan hasil
estimasi model kejadian diskrit dan data-data yang dikumpulkan selama observasi lapangan
memperlihatkan bahwa model kejadian diskrit ini bisa mengestimasi perilaku TransJakarta BRT
dengan cukup baik. Dengan demikian, model kejadian diskrit ini bisa digunakan bila ingin melakukan
perbaikan pada sistem TransJakarta yang ada.

Kata-kata kunci: TransJakarta, Kejadian Diskrit, Model Simulasi, Bus Rapid Transit, Simulasi
.
 ABSTRACT

Transportation system in a big city such as Jakarta grows corresponding to the growth of its
population. TransJakarta is one of the transportation systems in Jakarta that expected to lessen the
level of congestion. TransJakarta is a BRT-based transportation system that copied from
TransMilenio, another BRT system operating in the city of Bogota. TransJakarta has longer busway
length but significantly lower the daily ridership in comparison to those of TransMilenio. Therefore,
further study to optimize TransJakarta system is of interest.
This study will develop a computer model on the basis of the discrete-event approach to
simulate the actual system of TransJakarta BRT. The required data to model the system were directly
recorded during observation on Corridor 9 including the first 11 stations from Pluit Station until Slipi
Petamburan Station. A number of components that needs to be developed are the bus pool, the station,
and the road segment connecting two adjacent stations.
After finished the simulation model development, the model was used to analyze the
performance of TransJakarta. A comparison of the estimated results by the discrete-event model and
the data collected during observation reveals that the TransJakarta BRT can accurately be modeled.
Therefore, the developed model can further be used to study policies for improving TransJakarta
performance.

Keywords: TransJakarta, Discrete-Event, Simulation Model, Bus Rapid Transit, Simulation

PENDAHULUAN
Di Jakarta, angkutan umum seperti BRT menjadi alternatif yang menjanjikan, dan di awal abad ke
21, terlihat penggunaan sistem BRT di banyak kota di dunia. TransJakarta adalah sistem BRT yang diadopsi
oleh kota Jakarta, dan telah beroperasi sejak 2004. Walaupun demikian, setelah tujuh tahun beroperasi,
TransJakarta belum berhasil mengatasi kemacetan di lalu-lintas Jakarta. Data memperlihatkan bahwa
TransJakarta memiliki tingkat penumpang yang relatif rendah, dan belum terlihat perpindahan moda
transportasi secara signifikan di masyarakat.
Tabel 1.1 Perbandingan Beberapa BRT Besar
Parameter TransJakarta TransMilenio Guangzhou
Panjang sistem dalam km 172 84 22,5
Jumlah penumpang harian dalam juta 0,28 1,6 1
Jumlah koridor 10 9 1
Jumlah terminal 181 114 26
Harga tiket dalam dolar Amerika 0,40 0,85 0,31
Mulai operasi Jan 2004 Des 2000 Feb 2010
Lokasi Jakarta Bogota Guangzhou
Populasi 9.580.000 9.600.000 12.700.800
Sumber: Gunawan dan Koesnandar(2012)
Penelitian ini bertujuan untuk membuat model numerik sistem BRT. Model ini kemudian diverifikasi
menggunakan data aktual BRT untuk menguji keakuratan prediksi model ini. Data pendukung model
penelitian dikumpulkan pada koridor 9 (PluitPinang Ranti) di 11 halte yaitu: Halte Pluit sampai Halte Slipi
Petamburan.
Dalam melakukan penelitian, terdapat beberapa perumusan masalah yang muncul, diantaranya
adalah:
 1.Bagaimana membuat kerangka simulasi untuk memodelkan sistem BRT menggunakan pendekatan
kejadian diskrit?
2.Bagaimana memverifikasi model komputer yang dibuat menggunakan data aktual yang dikumpulkan
dari pengamatan bus-bus TransJakarta pada 11 halte di koridor 9?
Penelitian ini bertujuan untuk membuat model simulasi dari sistem BRT berdasarkan pendekatan
kejadian diskrit. Model numerik ini akan digunakan untuk mempelajari dinamika bus-bus TransJakarta,
sistem BRT yang beroperasi di Jakarta, Indonesia. Lebih jauh lagi, Penelitian ini bertujuan untuk membuat
model simulasi dari sistem BRT berdasarkan pendekatan kejadian diskrit. Model simulasi ini akan digunakan
untuk mempelajari dinamika bus-bus TransJakarta, sistem BRT yang beroperasi di Jakarta, Indonesia. Lebih
jauh lagi, penelitian juga bertujuan untuk memverifikasi model numerik yang dibuat menggunakan data-data
yang dikumpulkan pada koridor 9 TransJakarta. Data-data akan dibatasi hanya pada 11 halte.
Hasil-hasil penelitian memiliki beberapa manfaat, diantaranya adalah model simulasi ini dapat
digunakan untuk mempelajari sistem TransJakarta tanpa mempengaruhi operasi sistem ini. Proses
pembelajaran ini tentunya bisa dilakukan untuk berbagai jenis tujuan seperti optimisasi sistem TransJakarta.
Selain itu model simulasi ini memiliki beberapa potensi yaitu dapat digunakan untuk melihat dampak
dari suatu strategi seperti menambah jumlah bus, memperbaiki kualitas busway, dan lain-lain. Kemudian
model simulasi ini bisa ditambahkan dengan model lain, seperti model kualitas udara untuk mempelajari efek
bus-bus BRT pada kualitas udara sepanjang busway.

METODE PENELITIAN
Penelitian ini akan dilakukan mengikuti langkah-langkah yang ditunjukkan pada diagram alir
berikut:
 Gambar 1.1 Diagram Alir Penelitian
HASIL DAN BAHASAN

Koridor Sederhana BRT

Koridor sederhana suatu sistem BRT ditunjukkan pada Gambar 1.2. Sistem ini terdiri dari satu pool
bus, dua halte, dua segmen jalan, dan tiga bus BRT.
 Gambar 1.2 Koridor Sederhana
Tabel 1.2 Data-data untuk Model BRT pada Gambar 1.2
Variabel Nilai Distribusi
Statistik
Jumlah bus 3
Waktu keberangkatan antar bus 10, 15 menit Eksponensial
Waktu untuk melayani penumpang 5 menit (Halte 1) Eksponensial
4 menit (Halte 2)
Jumlah penumpang naik bus 7 orang (Halte 1) Triangular
10 orang (Halte 2)
Jumlah penumpang turun bus Tidak ada
Lama perjalanan di segmen jalan 15 menit (Segmen 1) Eksponensial
10 menit (Segmen 2)
Penumpukan bus di halte Maks. 5 bus di kedua halte
Data-data yang digunakan dalam simulasi ditabulasi pada Tabel 1.2. Perlu dicatat bahwa
variabel random untuk waktu perjalanan antar halte diasumsikan mengikuti distribusi
eksponensial dan data yang diberikan pada tabel merupakan nilai rata-ratanya. Distribusi tersebut
diambil karena penelitian sebelumnya yang dilakukan oleh Ferdy,Tehdy dan Victor (2012)
memperlihatkan kecenderungan tersebut (sebagai contoh lihat Gambar 1.3). Sedangkan jumlah
penumpang juga merupakan variabel random dan diasumsikan mengikuti distribusi diskrit merata.
Hal ini sesuai dengan penelitian yang telah dilakukan oleh Marco, Ulrich, Andrew (2006).

Sumber: Ferdy, Tehdy, Victor (2012)

Gambar 1.3 Distribusi Frekuensi Waktu Perjalanan Antar Halte Bus-Bus TransJakarta
 Gambar 1.4 Model Kejadian Diskrit untuk Kasus Koridor BRT Sederhana
Gambar 1.4 adalah gambar model simulasi untuk koridor sederhana, hasil dari model
simulasi tersebut dapat dilihat pada Gambar 1.5. Setelah hasil yang dikeluarkan oleh model
simulasi mengikuti kecenderungan yang ada dan dapat diimplementasikan untuk area yang lebih
luas lagi, kemudian dilakukan pengambilan data untuk koridor 9.

Gambar 1.5 Hasil Simulasi Monte Carlo untuk Sistem BRT Sederhana

Koridor 9 TransJakarta
Setelah melakukan simulasi dengan koridor sederhana dan model simulasi tersebut sudah
dapat diimplementasikan untuk area yang lebih luas lagi, maka dilakukan pengumpulan data pada
koridor 9 TransJakarta. Koridor ini dipilih karena laju penumpang yang naik dan turun tidak
begitu tinggi, sehingga lebih mudah dalam proses pengumpulan data. Gambar 1.6 merupakan peta
dari Koridor 9 TransJakarta.
 Gambar 1.6 Peta Koridor 9 TransJakarta
Data jumlah penumpang yang dikumpulkan pada 11 halte di koridor 9 ditunjukkan pada Tabel 1.3.
Tabel 1.3 Rata-rata Penumpang di dalam Bus pada Setiap Halte

Penumpang (Maks)
Nama halte
Naik Turun Dalam Bus
Pluit 20 0 20
Penjaringan 21 1 40
Jembatan Tiga 19 1 58
Jembatan Dua 11 3 66
Jembatan Besi 20 5 81
Latumenten 19 4 96
Grogol 2 32 26 102
S.Parman Central Park 12 8 106
Harapan Kita 12 5 113
Slipi Kemanggisan 15 7 121
Slipi Petamburan 14 8 127

Analisis Waktu Kedatangan Penumpang

Waktu kedatangan antar penumpang pada tiap halte berbeda-beda. Hal ini dipengaruhi oleh lokasi
dan aktivitas dari lokasi sekitar halte. Waktu kedatangan penumpang yang paling lama terjadi pada Halte
Jembatan Tiga, Halte Jembatan Dua, dan Halte Harapan Kita dengan waktu di atas satu menit. Selain itu
waktu kedatangan yang paling cepat terdapat pada Halte Grogol 2 yaitu 7 detik. Halte Grogol 2 merupakan
halte transit sehingga waktu kedatangan penumpang bergerak dengan cepat. Pada halte yang lain waktu
kedatangan penumpang berkisar antara 2253 detik.
Analisis Lamanya Perjalanan dari Halte 1 Sampai Halte 11
Lama perjalanan dari halte yang pertama sampai pada halte yang kesebelas didapat dengan cara
menaiki bus TransJakarta dan mencatat lamanya waktu perjalanan dari halte yang pertama sampai pada halte
yang kesebelas. Data tersebut kemudian digunakan untuk menghitung rata-rata lamanya waktu perjalanan bus
TransJakarta dari halte yang pertama sampai pada halte yang kesebelas. Data tersebut nantinya akan
dibandingkan dengan lamanya waktu perjalanan bus yang diprediksi oleh model kejadian diskrit.

Analisis Lamanya Bus Menunggu pada Setiap Halte

Lamanya menunggu bus di halte dapat dikatakan cukup cepat yaitu berkisar antara cakupan 1416
detik kecuali pada Halte Pluit dan Halte Grogol 2. Ini dikarenakan bahwa Halte Pluit merupakan halte paling
awal dari koridor ini sehingga bus perlu menunggu sekitar 3 menit. Waktu menunggu cukup lama terjadi di
Halte Grogol 2 karena merupakan halte transit dan juga pintu penumpang untuk turun dan naik dibedakan
agar menghindari kemacetan penumpang. Bus TransJakarta juga menunggu lama di Halte Grogol 2 karena
rata-rata jumlah penumpang yang naik dan turun di halte ini besar.

Model Kejadian Diskrit untuk 11 Halte pada Koridor 9 TransJakarta

Gambar 1.7 memperlihatkan realisasi model kejadian diskrit untuk 11 halte pada koridor 9
TransJakarta. Seperti halnya pada kasus sebelumnya, model kejadian diskrit pada dasarnya terdiri dari blok-
blok halte, segmen jalan, dan bus pool. Input data untuk model ini diberikan pada Tabel 1.3 dan Tabel 1.4.
Tabel 1.4 Data-data untuk Model TransJakarta BRT
Variabel Nilai Distribusi Statistik
Jumlah bus 3
Waktu keberangkatan 10, 15 menit Eksponensial
antar bus
Waktu untuk melayani 2.73 menit (Halte Pluit) Eksponensial
penumpang 0.23 menit (Halte Penjaringan)
0.1 menit (Jembatan tiga)
0.1 menit (Jembatan dua)
0.13 menit (Jembatan besi)
0.12 menit (Latumenten)
0.65 menit (Grogol 2)
0.13 menit (S. Parman Central Park)
0.1 menit (Harapan Kita)
0.1 menit (Slipi Kemanggisan)
0.2 menit (Slipi Petamburan)
Jumlah penumpang naik Lihat Tabel 1.3 Triangular
bus
Jumlah penumpang turun Lihat Tabel 1.3 Triangular
bus
Lama perjalanan di 1 menit (Segmen 1) Eksponensial
segmen jalan 4.55 menit (Segmen 2)
2.15 menit (Segmen 3)
2.63 menit (Segmen 4)
1.93 menit (Segmen 5)
2.05 menit (Segmen 6)
3 menit (Segmen 7)
4.52 menit (Segmen 8)
7.15 menit (Segmen 9)
2.02 menit (Segmen 10)
2.98 menit (Segmen 11)
Penumpukan bus di halte Maks. 5 bus di kedua halte
 Gambar 1.7 Model Kejadian Diskrit untuk 11 Halte pada Koridor 9 TransJakarta BRT

Perbandingan Hasil Observasi dan Hasil Prediksi

Untuk mengevaluasi hasil dari model BRT, pertama-tama dibandingkan jumlah penumpang dalam
bus yang diprediksi oleh model dan jumlah penumpang yang diperoleh selama observasi. Untuk kebutuhan
ini, model kejadian diskrit BRT direplikasi 100x untuk mendapatkan informasi hasil BRT yang lebih akurat.

Perbandingan jumlah penumpang hasil simulasi diperlihatkan pada Gambar 1.8 dalam bentuk boxplot.
Pada gambar yang sama juga diberikan data-data hasil observasi.
 Gambar 1.8 Perbandingan Jumlah Penumpang dalam Bus Secara Aktual (Titik-titik Hitam) dan
Berdasarkan Model Kejadian Diskrit (boxplot)
Berdasarkan Gambar 1.8, sumbu x menyatakan 11 halte yang di teliti, sedangkan sumbu y menyatakan
jumlah penumpang yang ada di dalam bus TransJakarta.
Secara umum, Gambar 1.8 memperlihatkan bahwa model kejadian diskrit bisa memprediksi jumlah
penumpang dengan cukup akurat. Data median dari simulasi memberikan angka estimasi yang relatif baik.
Walaupun demikian, karena kemiringan dari distribusi jumlah penumpang (skewness) dibeberapa halte, nilai
rata-rata jumlah penumpang kelihatannya memberikan hasil estimasi yang lebih baik. Mengenai data jumlah
penumpang hasil simulasi, terlihat fluktuasi yang cukup tinggi utamanya pada halte 7 sampai halte 11 yaitu:
Grogol 2, S. Parman Central Park, Harapan Kita, Slipi Kemanggisan, dan Slipi Petamburan. Fluktuasi ini
terjadi karena laju penumpang yang naik dan turun dari bus relatif tinggi jika dibandingkan dengan ke 5 halte
sebelumnnya.
Hal kedua yang digunakan untuk mengkaji hasil model kejadian diskrit adalah waktu perjalanan untuk
menempuh ke 11 halte. Rata-rata lamanya waktu perjalanan yang dibutuhkan dari halte yang pertama sampai
halte yang kesebelas berdasarkan hasil observasi adalah 35 menit dan rata-rata lamanya waktu perjalanan
berdasarkan model kejadian diskrit adalah 38.95 menit. Dengan demikian model kejadian diskrit memberikan
prediksi 3.95 menit atau 11% lebih tinggi jika dibandingkan dengan hasil observasi.

SIMPULAN DAN SARAN

Simpulan
Penelitian mengenai pembuatan model simulasi berdasarkan pada pendekatan kejadian diskrit untuk
sistem TransJakarta BRT memberikan beberapa kesimpulan berikut ini:
1. Secara umum, model simulasi berdasarkan pada pendekatan kejadian diskrit memberikan hasil yang
cukup memuaskan. Simulasi Monte Carlo yang dilakukan menunjukkan bahwa data-data hasil observasi
berada pada rentang yang diprediksi oleh model simulasi. Dengan demikian, dinamika sistem BRT dapat
dihasilkan kembali dengan tingkat keakuratan yang bisa diterima.
2. Komponen-komponen kejadian diskrit yang perlu dibuat untuk dapat memodelkan satu koridor BRT
adalah bus pool, halte BRT, dan segmen jalan yang menghubungkan dua halte terdekat.
3. Dalam pendekatan sekarang ini, bus-bus sistem BRT dimodelkan sebagai entitas-entitas yang diperkaya
dengan beberapa data seperti nomor bus, jumlah penumpang dalam bus, dan waktu perjalanan. Pendekatan
ini dengan mudah diimplementasikan pada perangkat lunak kejadian diskrit yang ada.

Saran
Saran yang dapat diberikan setelah dilakukannya penelitian ini adalah sebagai berikut:
1. Perlu pengembangan lebih jauh untuk bisa memperhitungkan aspek-aspek yang lebih kompleks yang bisa
terjadi pada sistem BRT. Sebagai contoh, keterlambatan suatu bus BRT seringkali berakibat pada naiknya
jumlah calon penumpang yang menunggu pada halte BRT. Hal seperti ini masih cukup sulit untuk bisa
dimodelkan dengan pendekatan sekarang ini.
2. Kompleksitas model naik secara drastis seiring dengan naiknya jumlah halte yang diperhitungkan. Dengan
demikian, penyederhanaan pada blok-blok yang telah dibuat perlu dilakukan.
3. Model perlu diverifikasi dengan menggunakan spektrum persoalan yang lebih luas dan komprehensif.
4. Model yang telah dibangun ini bisa digunakan untuk mempelajari banyak hal seperti efek bus
TransJakarta pada peningkatan gas-gas COx dan NOx di sepanjang koridor BRT.
5. Penumpukan bus pada halte-halte BRT perlu dipelajari dengan lebih detail untuk dapat dimodelkan
dengan lebih baik.

REFERENSI
Alvinsyah, & Zulkati, A. (2005). Impact on the Existing Corridor Due to Implementation of New Public
Transport Corridor ( Case Study ; Jakarta BRT Systems). Journal of the Eastern Asia Society for
Transportation Studies , 6.
Antell, D., & Podger, O. (2010). Mid-term Evaluation of Bus Rapid Transit and Pedestrian Improvements in
Jakarta UNEP Evaluation Office.
Banks, J., & John S. Carson, B. L. (2009). Discrete Event System Simulation. New Jersery: Pearson.
Banomyong, R., & Sopadang, A. (2010). Using Monte Carlo Simulation to Refine Emergency Logistics
Response Models: A Case Study.Journal of Emergency Logistics. 40 (8/9). 709721.
Benjamini, Y. (1988). Opening the Box of a Boxplot. The American Statiscian. 42 (4). 257262
Cascetta, E. (2009). Transportation System Analysis. New York: Springer.
Pranolo, L. F., Hartono, T., & Pangestu, V. 2012. Reliabilitas Waktu Perjalanan TransJakarta Secara Empiris .
Tugas Akhir S1. Fakultas Teknik. Jurusan Teknik Industri. Binus University.
Gunawan, F. E., (2012). Design and Implementation of Simulation Framework for Bus Rapid Transit System
Modeling Using Discrete-event Simulation Approach, International Journal of Transportation System and
Information Technology, Submitted.
Gunawan, F. E., & Koesnandar, E. (2012). Evaluasi Keberhasilan TransJakarta Dibandingkan dengan Bus
Rapid Transit (BRT) Kelas Dunia. Jurnal Jalan Dan Jembatan . Accepted.
Heizer, J., & Render, B. (2005). Manajemen Operasi = Operations Management Buku satu (7th ed.). (D.
Setyoningsi, & I. Almahdy, Trans.) Jakarta: Salemba Empat.
Kakiay, T. J. (2004). Pengantar Sistem Simulasi. Jogjakarta: CV. Andi Offset.
Marco Luethi, U. W. (2006, October 26). Passanger Arrival Rates At Public Transport Station.
Suryani, E. (2006). Permodelan dan Simulasi. Yogjakarta: Graha Ilmu.
TransJakarta Buku Profil 2012.
Valigura, K., Foltin, M., & Blaho, M. (n.d.). Transport System Realization in Simevents Tool. http://
dsp.vscht.cz/konference_matlab/MATLAB09/prispevky/107_valigura.pdf
Weinstock, A., Hook, W., Replogle, M., & Cruz, R. (2011). Recapturing Global Leadership in Bus Rapid
Transit.Technical Report. Institute for Transportation Studies and Development Policy. New York.
Wikipedia. TransJakarta. http://id.wikipedia.org/wiki/TransJakarta, Accessed on April 2012.
Wikipedia. List of discrete event simulation software. http://en.wikipedia.org/wiki/
List_of_discrete_event_simulation_software. Accessed on Mei 2012
Yunita, R. (2008, October - November). Busway for Jakarta: A Pressing Need. 14-15.
RIWAYAT PENULIS
Bau Risfiani Puspasari lahir di kota Jakarta pada 31 Agustus 1990. Penulis menamatkan pendidikan S1
di Universitas Bina Nusantara dalam bidang Teknik Industri pada tahun 2012.

Fitri Dewi lahir di kota Jakarta pada 25 April 1990. Penulis menamatkan pendidikan S1 di Universitas
Bina Nusantara dalam bidang Teknik Industri pada tahun 2012.

Martin Samwel lahir di kota Medan pada 6 Januari 1990. Penulis menamatkan pendidikan S1 di
Universitas Bina Nusantara dalam bidang Teknik Industri pada tahun 2012.