BAB I
PENDAHULUAN
1
2
BAB II
KAJIAN PUSTAKA
perjalanan jauh, kecepatan rata-rata tinggi dan jumlah jalan masuk dibatasi secara
berdaya guna. Jalan kolektor adalah jalan umum yang melayani angkutan
pengumpul atau pembagi dengan ciri perjalanan jarak dan kecepatan rata-rata
sedang dan jumlah masuk dibatasi. Jalan lokal merupakan jalan umum untuk
melayani angkutan setempat dengan ciri perjalanan jarak dekat, kecepatan rata-
rata rendah dan jumlah jalan masuk tidak dibatasi. Sedangkan jalan tol sendiri
adalah jalan umum yang merupakan bagian sistem jaringan jalan, dan
berdasarkan Undang-undang RI Nomor 38 Tahun 2004 menurut status (pasal 9)
merupakan bagian jalan nasional.
Terdapat Pemodelan
beberapa konsepMODEL BANGKITAN
perencanaan transportasi yang telah
PERGERAKAN
zona
berkembang sampai saat ini, yang paling popular adalah ‘Model Perencanaan
Survei
Transportasi
inventarisasi Empat Tahap’. Model
Asal perencanaan
dan tujuan ini merupakan gabungan dari
jaringan
beberapa seri submodel yang masing-masing harus dilakukan secara terpisah dan
MODEL Survei perjalanan
berurutan. (Tamin, 1997) Submodel tersebut
SEBARAN adalah :
PERGERAKAN pada masa sekarang
MODEL
PEMILIHAN MODA
Biaya
MAT penumpang
perjalanan MAT penumpang
angkutan umum
angkutan pribadi
MODEL
PEMILIHAN RUTE
Hasil keluaran dari perhitungan bangkitan dan tarikan lalulintas berupa jumlah
kendaraan, orang atau angkitan barang per satuan waktu, misalnya kendaraan/jam.
Bangkitan dan tarikan lalu lintas tersebut tergantung pada dua aspek tata guna
lahan (Tamin, 1997):
Pergerakan eksternal-eksternal
Pergerakan internal-eksternal atau sebaliknya
Pergerakan internal-internal
Pergerakan intrazona
10
Pernyataan di atas menyatakan bahwa ada dua jenis zona yaitu zona yang
menghasilkan pergerakan, yaitu :
a. Bangkitan perjalanan (trip production) adalah suatu perjalanan yang
mempunyai tempat asal dari kawasan perumahan ditata guna tanah
tertentu.
b. Tarikan perjalanan (trip attraction) adalah suatu perjalanan yang berakhir
tidak pada kawasan perumahan tata guna tanah tertentu.
dan intensitas tata guna lahan yang akan menghasilkan arus lalulintas, dan
pemisahan ruang interaksi antara dua buah tata gua lahan yang akan menghasilkan
pergerakan manusia dan/atau barang.
Jaringan transportasi dapat menyediakan sarana untuk memecahkan
masalah jarak yang berpengaruh pada berkurangnya waktu tempuh dan biaya
yang dikeluarkan. Sistem transportasi yang baik dapat mengurangi hambatan
pergerakan dalam ruang dan sistem jaringan transportasi dapat memperpendek
jarak. Oleh karena itu, jumlah pergerakan lalulintas antara dua buah tata guna
lahan tergantung dari intesitas kedua tata guna lahan dan pemisahan ruang (jarak,
waktu, dan biaya) antara kedua zonanya.
Dalam sistem transportasi, pola pergerakan sering digambarkan dalam
Matriks Pergerakan atau Matriks Asal-Tujuan (MAT). MAT adalah matriks
berdimensi dua yang setiap baris dan kolomnya menggambarkan zona asal dan
tujuan di dalam daerah kajian. Metode untuk mendapatkan MAT dapat
dikelompokkan menjadi dua bagian utama, yaitu Metode Konvensional dan
Metode Tidak Konvensional (Tamin,1997), yang terbagi dalam beberapa sub
metode seperti pada Gambar 2.3
E tingkat pertumbuhan
Keuntungan dari penggunaan metode analogi ini adalah (Tamin,2000:164):
Mudah dimengerti dan digunakan, hanya membutuhkan data pergerakan
antarzona (MAT) pada masa sekarang dan perkiraan tingka pertumbuhan
zona pada masa mendatang yang sederhana;
Proses pengulangan sederhana;
Data aksesibilitas (waktu, jarak, dan biaya) antarzona tidak diperlukan;
13
Qˆ id (1) 1
2
1 exp(b{tid (2) tid (1)})
m 1
Qˆ id (m)
(2-2)
ˆ (1)
Q = pergerakan dari i ke d dengan moda i
id
Model jenis IV
Model ini menggunakan kurva diversi, persamaan regresi atau variasi
model III. Model ini selalu menggunakan nisbah atau selisih hambatan antara dua
moda yang bersaing. Bruton (1975) mendiskusikan hal ini secara lebih mendalam
(lihat Gambar 2.7). Yang dimaksud dengan pemilihan didasarkan atas selisih
atau nisbah dari hambatan kedua moda yaitu suatu moda bergerak dua kali lebih
cepat dibandingkan dengan moda lainnya, atau suatu moda tiba lebih cepat 10
menit dibandingkan dengan moda lainnya. Kedua pendekatan ini akan digunakan
sebagai faktor penentu dalam proses pemilihan moda. Black (1981) memberikan
contoh kurva diversi model yang digunakan oleh Traffic Research Corporation of
Canada (Lembaga Penelitian Lalulintas Kanada) pada tahun 1960-an
20
1. Pendekatan Agregat
Pendekatan agregat merupakan pendekatan yang menganalisis perilaku
pelaku perjalanan secara menyeluruh. Berdasarkan Manheim (1979), pendekatan
agregat dapat dilakukan dengan 2 cara yaitu :
a. Membagi objek pengamatan atas beberapa kelompok yang mempunyai
karakteristik elemen yang relative homogen/sama.
b. Melakukan agregasi dari data-data disagregat, dimana fungsi untuk
kelompok tertentu dapat diturunkan dari fungsi utilitas individu sebagai anggota
pada kelompok tersebut.
2. Pendekatan Disagregat
Pendekatan disagregat ialah pendekatan yang menganalisis perilaku pelaku
perjalanan secara individu, termasuk mencakup bagaimana merumuskan tingkah
laku indivu ke dalam suatu model kebutuhan transportasi. Pendekatan disagregat
dapat dilakukan dengan 2 cara berikut.
a. Disagregat Deterministik
Pendekatan ini menjadi dasar dari kebanyakan model perjalanan dengan
mengasumsikan bahwa pemilihan terhadap suatu moda tidak berubah bila pelaku
perjalanan dihadapkan pada sekumpulan alternatif yang sama secara berulang.
Bentuk model yang digunakan adalah model persamaan linear berganda tanpa
unsur kesalahan (error) seperti persamaan berikut.
U i a b1T b2 X b3C
(2-4)
Dimana :
Ui = Nilai kepuasan menggunakan moda i
a = Konstanta
T = Variabel waktu di atas kendaraan
X = Variabel waktu di luar kendaraan
C = Variabel biaya transportasi
b1 , b2 , b3 = Parameter fungsi kepuasan untuk masing-masing variabel
b. Disagregat Stokastik
Berbeda dengan pendekatan disagregat deterministik yang terlalu teoritis,
pada pendekatan ini, nilai kepuasan lebih realistis karena mempertimbangkan
unsur-unsur yang tidak teramati di dunia nyata. Hal ini terjadi karena terdapat
ketidakmampuan konsumen untuk memperoleh informasi secara lengkap baik
mengenai alternatif moda maupun atributnya, dan pilihan moda yang diambil
pelaku perjalanan dapat berubah akibat pengaruh-pengaruh tertentu, sehingga
22
untuk mengatasinya, perlu adanya unsur kesalahan (error) yang bersifat acak
(random) atau bersifat stokastik, sehingga model persamaannya menjadi :
U m 0 1tm 2um 3vm en (2-5)
Um = Nilai kepuasan menggunakan moda m
0 = Konstanta karakteristik nilai kepuasan alternatif, apabila seluruh
variabel tm s/d vm bernilai 0
tm = Variabel waktu di atas kendaraan
um = Variabel waktu di luar kendaraan
vm = Variabel biaya transportasi
1 , 2 , 3 = Parameter fungsi kepuasan untuk masing-masing variabel
1) Kelayakan investasi.
1) Tarif tol dihitung bedasarkan kemampuan bayar pengguna jalan tol, besar
keuntungan biaya operasi kendaraan, dan kelayakan investasi.
2) Besar keuntungan biaya operasi kendaraan dihitung berdasarkan pada
selisih biaya operasi kendaraan dan nilai waktu pada jalan tol dengan jalan
lintas alternatif jalan umum yang ada.
3) Kelayakan investasi dihitung berdasarkan pada taksiran transparan dan
akurat dari semua biaya selama jangka waktu perjanjian pengusahaan,
yang memungkinkan badan usaha memperoleh keuntungan dan memadai
atas investasinya.
4) Pemberlakuan tarif tol ditetapkan bersamaan dengan penetapan
pengoprasian jalan tol.
5) Penetapan pengoprasian jalan tol dilakukan oleh Menteri.
6) Evaluasi dan penyesuaian tarif tol dilakukan setiap 2 (dua) tahun sekali
oleh BPJT berdasarkan tarif lama yang disesuaikan dengan pengaruh
inflasi sesuai dengan formula : tarif baru = tarif lama (1 + inflasi)
7) BPJT merekomendasikan hasil evaluasi penyesuaian tarif tol kepada
Menteri.
Untuk penelitian lebih lanjut oleh Direktorat Jenderal Bina Marga tahun
2007 dengan mempertimbangkan Beban Sumbu Kendaraan (Equivalent Standard
Axle ESA), Ekivalensi Mobil Pengguna (EMP), Beban, Kecepatan dan Efisiensi
Ekonomi menghasilkan usulan untuk merevisi penggolongan kendaraan ini
menjadi 5 golongan, dengan perbandingan atau komposisi tarif antara
Gol.1:2:3:4:5 ini adalah 1 : 1.5 : 2 : 2.5 : 3 seperti diperlihatkan pada Gambar 2.1
berikut.
yang disajikan dalam nilai rupiah maupun persentase. BPS menyatakan ada 3
pendekatan dalam perhitungan nilai PDRB suatu daerah yaitu, (a) menurut
pendekatan produksi, (b) menurut pendekatan pendapatan, dan (c) menurut
pendekatan pengeluaran. Dimana salah satu fungsi adanya PDRB adalah sebagai
dasar pembuatan proyeksi terhadap perkembangan perekonomian dan
perencanaan pembangunan dimasa mendatang. Data statik PDRB merupakan data
sekunder yang dapat diperoleh dari Badan Pusat Statistik (BPS) maupun lembaga
pemerintahan lainnya.
3. Metode Regresi
Secara luas teknik regresi sering digunakan dalam pemodelan
transportasi. Dalam penggunaan analisis teknik Stated Preference, teknik
regresi digunakan dalam pilihan rating. Pengolahan data dilakukan untuk
mendapatkan hubungan kuantitatif antara sekumpulan atribut dan respon
individu. Hubungan tersebut dinyatakan dalam bentuk persamaan linier.
Dalam model regresi akan ada pola hubungan antara variabel bebas
dan variabel terikat. Dengan mengetahui pola atau bentuk hubungan
dimaksud, selanjutnya dapat dilakukan peramalan bagi variabel terikat
apabila variabel bebas mengambil nilai tertentu. Kelanjutan dari metode
regresi ini terdapat korelasi yang berusaha untuk mengetahui tingkat
keeratan hubungan antara variabel terikat dengan satu atau lebih variabel
bebas. (Awat, 1990: 61)
Regresi linier adalah persamaan yang menggunakan satu atau lebih
variabel bebas. Bentuk umum yang digunakan untuk peramalan
merupakan hubungan linier antara variabel bebas (X) dan variabel terikat
(Y) adalah sebagai berikut:
2.9.1 Utilitas
Dalam analisis pemilihan, direpresentasikan daya tarik atau utilitas dari
tiap-tiap alternatif itu sendiri dan atribut individu. Utilitas merupakan sebagai
ukuran istimewa seseorang dalam menentukan pilihan alternatif terbaiknya atau
suatu yang dimaksimumkan oleh setiap individu, Tamin (2000). Misalnya, utilitas
34
suatu moda angkutan pengguna bagi individu tertentu bisa jadi direpresentasikan
sebagai fungsi dari atribut-atribut berikut:
Waktu perjalanan
Waktu tunggu
Ongkos yang dikeluarkan
Dan atribut-atribut dari pembuat keputusan:
Pendapatan
Pemilihan kendaraan
Umur
Pekerjaan
Bentuk fungsi utilitas sulit diasumsikan, oleh karena itu untuk kemudahan
dalam perhitungan maka fungsi utilitas sering dipresentasikan sebagai parameter-
parameter linier (linier in parameter). Dalam pemodelan pemilihan moda, maka
utilitas dari suatu pilihan i bagi individu n dapat dituliskan sebagai:
U in 1 ( waktu in ) 2 (ongkosin ) (2-7)
Prosedur model diskret ini diawali dengan menentukan nilai-nilai
parameter (koefisien regresi) dari sebuah fungsi kepuasan yang dipengaruhi oleh
beberapa varibel bebas. Model ini untuk pertama kali diterapkan dalam
transportasi, disebut dengan model pilihan biner (binery choice model), Warner
(1962). Lebih umumnya, persamaan regresi fungsi kepuasan dinyatakan dalam
rumus berikut.
U in 1 xin1 2 xin 2 k xink (2-8)
Dimana :
U in = Nilai kepuasan konsumen memakai moda i (maksimum
kepuasan)
xin1 , xin 2 , , xink = Sejumlah k variabel bebas yang mempengaruhi kepuasan
maksimum
1 , 2 , , k = koefisien regresi/parameter variabel bebas
Menurut Fidel Miro (2005), model pilihan diskret (biner) dibagi menjadi 3
jenis model, yaitu :
1. Model Logit Biner
Model ini hanya untuk pilihan 2 moda transportasi alternative yaitu moda i
dan moda j. Bentuk model ini berupa probabilitas (%) peluang moda i untuk
35
dipilih yang bergantung pada nilai parameter atau kepuasan menggunakan moda i
dan moda j serta nilai eksponensial.
2. Model Probit (Binary Probit)
Model ini juga digunakan untuk 2 moda laternatif, tetapi model ini lebih
menekankan untuk menyamakan peluang individu untuk memilih salah satu moda
dari 2 moda yang ada serta berusaha menghubungkan antara jumlah perjalanan
dengan variabel bebas yang mempengaruhi, misalnya biaya (cost) dan variabel ini
harus terdistribusi normal.
3. Model Multi Nominal (MNL)
Model ini merupakan model diskret yang paling popular. Pilihan yang
dihadapi konsumen dalam model ini berjumlah lebih dari 2 pilihan.
exp U j U i
Pj
1 exp U j U i
(2-12)
1
Pi 1 Pj
1 exp U j U i
(2-13)
Dimana :
Pj = Probabilitas moda j untuk dipilih
Pi = Probabilitas moda i untuk dipilih
exp = Eksponensial
U j = Nilai parameter atau nilai kepuasan menggunakan moda j
Ui = Nilai parameter atau nilai kepuasan menggunakan moda i
Analisis pengolahan data perlu dilakukan untuk mendapatkan hubungan
kuantitatif antara atribut dan respon yang diekspresikan dalam skala semantik.
Dengan menganggap bahwa fungsi utilitas linear, maka perbedaan utilitas
38
diekspresikan ke dalam sejumlah atribut n yang relevan diantara kedua moda yang
dirumuskan dalam persamaan berikut :
U j U i a 0 a1 ( X 1 j X 1i ) a 2 ( X 2 j X 2i ) a n ( X nj X ni ) (2-14)
Dimana :
U j U i = Respon individu pernyataan pilihan
a0 = konstanta
a1 , a 2 , , a n = koefisien masing-masing atribut yang ditentukan melalui metode
least square dengan multiple linear regression
Sehingga probabilitas dengan alternatif i yang dipilih oleh individu n yang
dihadapkan pada sejumlah alternatif Cn adalah sebagai berikut:
Pn (i / C n ) Prob U in U jn , j
Cn ,
Dengan Vin V jn jn in
Dalam model logit binomial, Cn terdiri dari dua alternatif (dalam hal ini i
dan j), sehingga probabilitas individu n memilih alternatif i adalah:
Pin Prob U in U jn
Pin Prob jn in (Vin V jn ), j Cn
eU M 1 e (U M 1 U M 2 )
PM1 = (2-15)
eU M 1 eU M 2 1 e (U M 1 U M 2 )
1
PM2 = 1 – PM1 = (U M 1 U M 2 )
(2-16)
1 e
dimana:
PM1 = probabilitas penggunaan moda 1
PM2 = probabilitas penggunaan moda 2
U M1 = fungsi utilitas moda 1
U M2 = fungsi utilitas moda 2
Persamaan ini menyatakan bahwa probabilitas seseorang memilih moda 1
atau moda 2 adalah fungsi dari selisih utilitas kedua moda tersebut. Secara
sederhana fungsi dari utilitas itu dapat dianggap bergerak secara linear yang terdiri
dari berbagai macam atribut-atribut. Oleh karena itu perbedaan utilitas dari kedua
moda dapat dinyatakan dalam bentuk selisih atribut-atribut. Tentunya selisih yang
dimaksud adalah masing-masing atribut yang sejenis yang terdapat pada kedua
moda yang ditinjau. Maka persamaannya sebagai berikut:
(UM1-UM2) = a0 + a1 (X1)+ a2(X2) + …….+an (Xn) (2-17)
Dalam persamaan ini, a1, a2, hingga an adalah koefisien dari atribut-atribut
(X1,X2, hingga Xn) yang sama-sama terdapat pada kedua moda dan X1,X2, hingga
Xn adalah nilai selisih dari atribut moda 1 dan moda 2. Nilai dari koefisien-
koefisien ditentukan dengan metode linear regression. Sedangkan a0 adalah
konstanta yang menampung semua kesalahan dari atribut-atribut yang tidak
diperhitungkan.
Persamaan diatas berkaitan dengan kenyataan bahwa bila seseorang akan
memilih moda perjalanannya ia akan berpikir berapa selisih keutungan dan
kekurangan dari tiap-tiap moda yang bersaing. Dengan cara yang berbeda, nilai
utilitas sebagai respon dari individu dapat juga dinyatakan dalam bentuk
probabilitas pemilihan moda tertentu. Ini dinyatakan dalam persamaan berikut ini:
40
PM 1
ln = a0 + a1 (X1)+ a2(X2) + …….+an (Xn) (2-18)
1 PM1
Sehingga dari persamaan (2-16) dan (2.17) ini dapat dihasilkan persamaan
sebagai berikut:
PM 1
ln = (UM1-UM2) (2-19)
1 PM1
dimana (UM1-UM2) = perbedaan utilitas moda 1 dengan moda 2. Persamaan
2.19 disebut sebagai transformasi linear model logit binomial.
2.11 Teknik Sampling
Secara umum, ada dua jenis teknik pengambilan sampel yaitu, sampel
acak atau random sampling atau probability sampling, dan sampel tidak acak atau
nonrandom sampling atau nonprobability sampling. Yang dimaksud dengan
random sampling adalah cara pengambilan sampel yang memberikan kesempatan
yang sama untuk diambil kepada setiap elemen populasi. Artinya jika elemen
populasinya ada 100 dan yang akan dijadikan sampel adalah 25, maka setiap
elemen tersebut mempunyai kemungkinan 25/100 untuk bisa dipilih menjadi
sampel. Sedangkan yang dimaksud dengan nonrandom sampling atau
nonprobability sampling, setiap elemen populasi tidak mempunyai kemungkinan
yang sama untuk dijadikan sampel. Lima elemen populasi dipilih sebagai sampel
karena letaknya dekat dengan rumah peneliti, sedangkan yang lainnya, karena
jauh, tidak dipilih; artinya kemungkinannya 0 (nol).
Metode penentuan jumlah sampel yang digunakan dalam penelitian ini
adalah metode acak (probability sampling). Kelebihan dari metode ini adalah
pemilihan sampel tidak dilakukan secara subyektif. Dengan demikian diharapkan
sampel yang terpilih dapat digunakan untuk menduga karakteristik populasi secara
objektif. Untuk perhitungan jumlah sampel minimum, digunakan rumus Slovin
sebagai berikut:
N
n (2-20)
1 N .d 2
Dimana :
n = jumlah sampel atau responden minimum
N = jumlah populasi yang ada
41
2 Sabrina, Pemodelan 2012 Skripsi Survei Metode - Biaya Perjalanan Dari hasil studi yang dilakukan, dapat
Widya Pemilihan Stated - Waktu Perjalanan disimpulkan bahwa hal-hal yang
43
BAB III
METODOLOGI PENELITIAN
KEDIRI-NGANJUK MERUPAKAN
JALUR DISTRIBUSI BARANG
KEMACETAN MENGGANGGU
DISTRIBUSI BARANG DAN
PENGGUNA
POTENSI PENGGUNA
BERDASARKAN VARIABEL BIAYA
DAN WAKTU
POTENSI YANG BERALIH
MENGGUNAKAN JALAN TOL
DAPAT DIKETAHUI DENGAN
METODE STATED PREFERENCE
Gambar 3.1 Kerangka Pemikiran
49
49
Mulai
Identifikasi masalah
Studi pustaka
Survei pendahuluan
Analisis :
Selesai
a. Data lalu lintas harian rata rata jalan eksiting kediri-nganjuk tahun
sebelumnya dari instansi atau badan terkait
Gambar 3.3 Area Survei Traffic Counting Ruas dan Simpang dan Survei Road
Side Interview (RSI)
Gambar 3.4 Lokasi Titik Survei Traffic Counting Ruas dan Simpang dan Survei
Road Side Interview (RSI)
Tabel 3.2 Tarif Teraktual Beberapa Ruas Jalan Tol di Pulau Jawa
Ruas Panjang Tarif Tol (Rp/km) Tarif
(km) Gol 1 Gol 2 Gol 3 Gol 4 Gol 5 Berlaku
Sejak
Kertosono-Mojokerto IV 14,7 710 1065 1420 1775 2130 Juni 2016
Krian-Mojokerto 18,47 839 1245 1890 2837 4256 Maret 2016
Gempol-Japanan 3,55 563 845 1127 1408 1549 Maret 2015
Ungaran-Bawen 11,3 664 1018 1327 1681 1991 April 2016
Semarang-Ungaran 16,3 429 644 859 1074 1288 April 2016
Gempol-Pandaan 13,61 551 845 1065 1359 1616 Maret 2015
Waru-Juanda 13,6 551 809 1103 1360 1654 Juli 2016
800/1200/1600/2000/2400 ☐ ☐ ☐ ☐ ☐
850/1300/1700/2100/2600 ☐ ☐ ☐ ☐ ☐
n 394,29 400.responden
eU JT e (U JT U JE )
PJT (3-1)
eU JT eU JE 1 e (U JT U JE )
1
PJE 1 PJT (U U ) (3-2)
1 e JT JE
Dimana :
59
Setelah dilakukan analisis menggunakan metode logit binomial di atas, maka akan
menghasilkan probabilitas peralihan penggunaan jalan eksisting ke jalan tol.
Probabilitas yang didapatkan kemudian dikalikan dengan jumlah potensi
pengguna saat ini, sehingga akan didpatkan jumlah potensi pengguna yang akan
beralih dari jalan eksisting ke jalan tol.
3.7.3 Analisis Tarif dan Potensi Pengguna yang akan Beralih dari Jalan
Eksisting menuju Jalan Tol Kediri-Nganjuk
Potensi pengguna jalan yang beralih menggunakan jalan tol diperoleh dari
hasil analisis yang dilakukan untuk mengetahui besarnya pengguna jalan eksisting
yang akan beralih menggunakan jalan tol Kediri-Nganjuk. Penyusunan pertanyaan
form berdasarkan 2 variabel yaitu biaya dan tingkat pelayanan.
Pilihan tarif tol ini kemudian disesuaikan dengan nilai tingkat pelayanan jalan
yaitu:
- Nilai VCR > 1.0 = kondisi jalan macet
- Nilai VCR 0.8-1.0 = kondisi jalan merayap
- Nilai VCR 0.7-0.8 = kondisi padat
- Nilai VCR 0.6-0.7 = kondisi jalan normal
- Nilai VCR < 0.6 = kondisi jalan nyaman
60
BAB IV
HASIL DAN PEMBAHASAN
63
63
Gambar 4.8 Komposisi kelurga responden diatas 5 tahun, tidak bekerja / tidak
sekolah
dikembangkan dalam bentuk Matriks Asal Tujuan (MAT) dimana bagian baris
pergerakan dari titik asal dan bagian kolom adalah pergerakan menuju titik tujuan.
MAT dapat menjelaskan mengenai gambaran pola dan besar pergerakan serta
gambaran tingkat kebutuhan transportasi yang terjadi. Analisis MAT dilakukan
dengan metode analogi yaitu metode rata-rata, dimana metode ini dipilih untuk
mengatasi adanya tingkat pertumbuhan daerah yang berbeda-beda untuk setiap
zona yang didapat dari hasil peramalan, seperti peramalan pada tata guna lahan,
penduduk atau bangkitan lalu lintas. Dalam perhitungan MAT ini, disajikan MAT
pada Tabel 4.3 berikut.
Tabel 4.2 MAT Pada Masa Sekarang
Zona 1 2 3 4 5 oi Oi Ei
1 0 16 28 31 62 137 137 1
2 27 0 4 7 6 44 44 1
3 21 2 0 11 23 57 57 1
4 34 4 11 0 25 74 74 1
5 69 6 3 10 0 88 88 1
dd 151 28 46 59 116 400
Dd 151 28 46 59 116 400
Ed 1 1 1 1 1 1
garis keinginan (Desire Line). Dalam peta garis keinginan, pasangan titik asal-
tujuan akan dihubungkan dengan sebuah garis dengan ketebalan tertentu, dimana
besar ketebalan garis akan memperlihatkan besar potensi pergerakan yang terjadi.
Semakin banyak pergerakan antar zona antara pasangan titik asal-tujuan, maka
akan semakin tebal garis yang digambarkan antar dua titik tersebut. Peta garis
keinginan pada Gambar 4.17 dibuat berdasarkan MAT pada Tabel 4.3.
77
4.4 Analisis Potensi Pengguna Rencana Tol dengan Metode Stated Preference
Pada kajian potensi pengguna rencana tol Kediri-Nganjuk ini hanya
membahas dua perubahan atribut, yaitu atribut tarif tol dan kondisi jalan eksisting
(VCR). Volume per Capacity Ratio (VCR) adalah rasio anatara volume kendaraan
yang melintasdengan kapasitas jalan yang tersedia. (MKJI, 1997), berikut adalah
tabel batas lingkup VCR untuk masing-masing tingkat pelayanan beserta
karakteristiknya dapat dilihat pada Tabel 3.1.
Kedua atribut tersebut nantinya berpengaruh terhadap preferensi seseorang
dalam memilih moda transportasi. Setelah dilakukan survei, didapatkan data
dengan skala kualitatif. Setelah itu, data kualitatif tersebut diubah menjadi data
kuantitati f. (Ortuzar & Willumsen, 1994). Berikut tabel rekapitulasi hasil survey
stated preference yang telah dilakukan pada 400 orang responden pengguna
kendaraan gol I, II, III dan IV.
79
Jenis VCR > 1.0 VCR 0.8 - 1.0 VCR 0.7-0.8 VCR 0.6-0.7 VCR < 0.6
Skala
Kend. Tarif Tol (Rp/km) Tarif Tol (Rp/km) Tarif Tol (Rp/km) Tarif Tol (Rp/km) Tarif Tol (Rp/km)
Jenis VCR > 1.0 VCR 0.8 - 1.0 VCR 0.7-0.8 VCR 0.6-0.7 VCR < 0.6
Skala
Kend. Tarif Tol (Rp/km) Tarif Tol (Rp/km) Tarif Tol (Rp/km) Tarif Tol (Rp/km) Tarif Tol (Rp/km)
dengan rumus: , sehingga bila nilai P bernilai 0,9 dan disubstitusikan pada
rumus tersebut akan diperoleh nilai utilitas skala pilihan sebesar 2,19722. Untuk
nilai utilitas skala pilihan lainnya dapat dilihat pada Tabel 3.4.
Langkah selanjutnya yang dilakukan adalah analisis regresi linier untuk
memperoleh model utilitasnya. Adapun dua variabel yang digunakan dalam
mencari persamaan regresi linier. Pertama, variabel terikat (Dependent Variable)
merupakan nilai utilitas skala pilihan, yang kedua adalah variabel bebas
(Independent Variable) yang merupakan atribut tarif tol(X1) dan kondisi
pelayananan jalan eksisting(X2). Persamaan regresi linier memiliki dua buah
variabel, misalnya x dan y, sehingga bila ditulis dalam bentuk persamaan adalah
sebagai berikut:
y = b0 + bnx (4-1)
Keterangan:
y : Variabel Terikat (Dependent Variable)
x : Variabel Bebas (Independent Variable)
b0 : Konstanta
bn : Koefisien Parameter Model
82
(4-3)
UJT-UJE = 0,7685+(-0,005514tarif)+(4,2798vcr)
Rsquare = 43,5%, yang artinya kemampuan variabel bebas dalam
menjelaskan varian dari variabel terikatnya adalah sebesar 43,5%. Berarti
terdapat 56,5% (100%-43,5%) varians variabel terikat yang dijelaskan oleh
faktor lain
Sehingga model perpindahan moda dengan model logit binomial dapat ditulis
sebagai berikut:
PJE = 1-PJT
Dapat diambil contoh, jika tarif = 600 dan vcr = 1,2 maka akan diperoleh
PJT = =
probabilitas pengguna rencana tol dan jaln eksisting sebagai berikut:
VCR
Gambar 4.18 Hubungan Antara Probabilitas Pengguna Tol dan Tarif Tol
Pada pilihan pertama dimana biaya perjalanan rencana tol pada harga Rp
600,00 dan VCR = 1,2 diperoleh probabilitas pengguna yang memilih
menggunakan rencana tol sebesar 93,04 % dan probabilitas pengguna yang
memilih menggunakan jalan eksisting sebesar 6,95%.
Berdasarkan gambar 4.17 dapat dilihat jika harga semakin mahal dan nilai
VCR semakin kecil maka probabilitas pengguna jalan tol semakin kecil,
berbanding terbalik jika harga semakin murah dan nilai VCR semakin
besar maka probabilitas pengguna jalan tol semakin besar.
Untuk penjelasan lebih detailnya dapat dilihat pada Lampiran 4.
85
2. Kendaraan Golongan I
Berdasarkan hasil analisis regresi dengan bantuan Software , diperoleh model
utilitas sebagai berikut:
UJT-UJE=0,9257+(0,00573tarif)+(4,3002vcr)
Rsquare = 45,7%, yang artinya kemampuan variabel bebas dalam
menjelaskan varian dari variabel terikatnya adalah sebesar 45,7%. Berarti
terdapat 54,3% (100%-45,7%) varians variabel terikat yang dijelaskan oleh
faktor lain
Sehingga model perpindahan moda dengan model logit binomial dapat ditulis
sebagai berikut:
PJE = 1-PJT
Dapat diambil contoh, jika nilai tarif = 600 dan vcr = 1,2 maka akan
=
PJTdiperoleh probabilitas= pengguna rencana tol dan jalan eksisting sebagai
berikut:
VCR`
Gambar 4.19 Hubungan Antara Probabilitas Pengguna Tol dan Tarif Tol Pada
Kendaraan Golongan I
Sumber: Hasil Analisis, 2017
86
Pada pilihan pertama dimana biaya perjalanan rencana tol pada harga Rp
600,00 dan VCR = 1,2 diperoleh probabilitas pengguna yang memilih
menggunakan rencana tol sebesar 93,35 % dan probabilitas pengguna yang
memilih menggunakan jalan eksisting sebesar 6,64%.
Berdasarkan gambar 4.18 dapat dilihat jika harga semakin mahal dan nilai
VCR semakin kecil maka probabilitas pengguna jalan tol semakin kecil,
berbanding terbalik jika harga semakin murah dan nilai VCR semakin
besar maka probabilitas pengguna jalan tol semakin besar.
Untuk penjelasan lebih detailnya dapat dilihat pada Lampiran 5.
PJT = 1-PJT
Dapat diambil contoh, jika nilai tarif = 600 dan vcr = 1,2 maka akan
JT =
Pdiperoleh probabilitas =pengguna rencana tol dan jalan eksisiting sebagai
berikut:
Dengan memasukkan nilai tarif dan vcr pada model probabilitas di atas, maka
diperoleh probabilitas pemilihan moda antara rencana tol dan jalan eksisting
rute Kediri-Nganjuk yang disajikan dalam gambar 4.20.
VCR
Gambar 4.20 Hubungan Antara Probabilitas Pengguna Tol dan Tarif Tol Pada
Kendaraan Golongan II,III,IV
Pada pilihan pertama dimana biaya perjalanan rencana tol pada harga Rp
600,00 dan VCR = 1,2 diperoleh probabilitas pengguna yang memilih
menggunakan rencana tol sebesar 88,45 % dan probabilitas pengguna yang
memilih menggunakan jalan eksisting sebesar 11,54 %.
Berdasarkan gambar 4.19 dapat dilihat jika harga semakin mahal dan nilai
VCR semakin kecil maka probabilitas pengguna jalan tol semakin kecil,
berbanding terbalik jika harga semakin murah dan nilai VCR semakin
besar maka probabilitas pengguna jalan tol semakin besar.
Untuk penjelasan lebih detailnya dapat dilihat pada Lampiran 6.
88
Kendaraan Golongan I
Setelah dilakukan analisis probabilitas, diperoleh nilai probabilitas
pengguna jalan untuk kendaraan golongan I yang berpindah menggunakan jalan
tol dari jalan eksisting, selanjutnya dapat diketahui besar potensi kendaraan per
harinya sebagaimana pada gambar 4.21
VCR
Gambar 4.21 Hubungan Antara Jumlah Potensi Pengguna Jalan Tol dan Tarif Tol
Untuk Kedaraan Golongan I
90
Kendaraan Golongan II
Setelah dilakukan analisis probabilitas, diperoleh nilai probabilitas pengguna
jalan untuk kendaraan golongan II yang berpindah menggunakan jalan tol dari
jalan eksisting. Selanjutnya dapat diketahui besar potensi kendaraan per harinya
sebagaimana pada gambar 4.22
VCR
Gambar 4.22 Hubungan Antara Jumlah Potensi Pengguna Jalan Tol dan Tarif Tol
Untuk Kedaraan Golongan II
diperoleh potensi pengguna yang beralih dari jalan eksisting ke jalan tol sebanyak
902 kendaraan perhari.
Untuk potensi pengguna pada saat VCR rencana 0.8 adalah sebesar 691
kendaraan/hari. Bila tarif tol berada di bawah angka Rp 7.000,00, per-km dan
VCR diatas 0,5 maka potensi pengguna tol akan semakin meningkat, dan potensi
pengguna tol akan mengalami penurunan bila tarif tol berada diatas Rp 900,00,
per-km dan VCR dibawah 1,2
VCR
Gambar 4.23 Hubungan Antara Jumlah Potensi Pengguna Jalan Tol dan Tarif Tol
Untuk Kedaraan Golongan III
Untuk potensi pengguna pada saat VCR rencana 0.8 adalah sebesar 665
kendaraan/hari. Bila tarif tol berada di bawah angka Rp 2.800,00, per-km dan
VCR diatas 0,5 maka potensi pengguna tol akan semakin meningkat, dan potensi
pengguna tol akan mengalami penurunan bila tarif tol berada diatas Rp 1.200,00,
per-km dan VCR dibawah 1,2
Kendaraan Golongan IV
Setelah dilakukan analisis probabilitas, diperoleh nilai probabilitas pengguna
jalan untuk kendaraan golongan IV yang berpindah menggunakan jalan tol dari
jalan eksisting. Selanjutnya dapat diketahui besar potensi kendaraan per harinya
sebagaimana pada gambar 4.24
VCR
Gambar 4.24 Hubungan Antara Jumlah Potensi Pengguna Jalan Tol dan Tarif Tol
Untuk Kedaraan Golongan IV
VCR diatas 0,5 maka potensi pengguna tol akan semakin meningkat, dan potensi
pengguna tol akan mengalami penurunan bila tarif tol berada diatas Rp 900,00,
per-km dan VCR dibawah 1,2
Kendaraan Golongan V
Setelah dilakukan analisis probabilitas, diperoleh nilai probabilitas pengguna
jalan untuk kendaraan golongan V yang berpindah menggunakan jalan tol dari
jalan eksisting. Selanjutnya dapat diketahui besar potensi kendaraan per harinya
sebagaimana pada gambar 4.25
VCR
Gambar 4.25 Hubungan Antara Jumlah Potensi Pengguna Jalan Tol dan Tarif Tol
Untuk Kedaraan Golongan V
pengguna tol akan mengalami penurunan bila tarif tol berada diatas Rp 1.800,00,
per-km dan VCR dibawah 1,2
Gambar 4.26 Probabilitas Pengguna Jalan Tol dan Jalan Eksisting Golongan I
dengan VCR 1.2
95
Gambar 4.27 Probabilitas Pengguna Jalan Tol dan Jalan Eksisting Golongan 1
dengan VCR 1.0
Gambar 4.28 Probabilitas Pengguna Jalan Tol dan Jalan Eksisting Golongan I
dengan VCR 0.8
96
Gambar 4.29 Probabilitas Pengguna Jalan Tol dan Jalan Eksisting Golongan I
dengan VCR 0.7
Gambar 4.30 Probabilitas Pengguna Jalan Tol dan Jalan Eksisting Golongan I
dengan VCR 0.5
97
Setiap kondisi VCR menghasilkan tarif ideal yang berbeda-beda hal ini di
karenakan hasil probabilitas yang berbeda pula, untuk VCR 1.2 perpotongan garis
probabilitas menggunakan tol dan probabiltas menggunakan jalan eksisting
menunjukan tarif Rp 1.100,00/km, untuk VCR 1.0 perpotong an garis probabiltas
menunjukan tarif Rp Rp.950,00/km, untuk VCR 0,8 & VCR 0.7 menunjukan tarif
sebesar Rp. 775,00/km , dan Rp 700,00/km. Sedangkan untuk VCR 0.5 nilai
probabilitasnya tidak berpotongan garisnya atau kurang dari 50% yang berarti
pengguna jalan lebih memilih menggunakan jalan eksisting daripada jalan tol.
Setelah mengetahui tarif dari VCR yang berbeda-beda, digunakan VCR rencana
yaitu sebesar 0.8 . Dengan VCR rencana sebesar 0.8 maka tarif idealnya ialah Rp
775,00/km.
Gambar 4.31 Probabilitas Pengguna Jalan Tol dan Jalan Eksisting Golongan II,
III, IV dengan VCR 1,2
98
Gambar 4.32 Probabilitas Pengguna Jalan Tol dan Jalan Eksisting Golongan II,
III, IV dengan VCR 1
99
Gambar 4.33 Probabilitas Pengguna Jalan Tol dan Jalan Eksisting Golongan II,
III, IV dengan VCR 0,8
Gambar 4.34 Probabilitas Pengguna Jalan Tol dan Jalan Eksisting Golongan II,
III, IV dengan VCR 0,7
100
Gambar 4.35 Probabilitas Pengguna Jalan Tol dan Jalan Eksisting Golongan II,
III, IV dengan VCR 0,5
Untuk VCR 1.2 & 1.0 perpotongan garis probabilitas menggunakan tol dan
probabiltas menggunakan jalan eksisting menunjukan bahwa dengan
menggunakan tarif maksimum yakni Rp 2.100,00/km responden masih akan tetap
memilih menggunakan jalan tol, namun batas tarif tol menurut perpotongan garis
probabilitas adalah sebesar Rp 4.500,00/km & Rp 3.000,00/km, untuk VCR 0.8
menunjukan tarif sebesar Rp. 1.500,00/km. Sedangkan untuk VCR 0.7 & 0.5 nilai
probabilitasnya tidak berpotongan garisnya atau kurang dari 50% yang berarti
pengguna jalan lebih memilih menggunakan jalan eksisting daripada jalan tol.
RW = (7975 x 600) + ( 902 x 900) + (867 x 1200) + (1097 x 1500) + (215 x 1800)
= Rp 7.859.208
6
102
Rp 850,00/km
Rp 750,00/km
Rp 700,00/km
VCR
Rp 650,00/km
Rp 600,00/km
Gambar 4.36 Hubungan Antara Total pendapatan dan potensi pengguna pada kendaraan golongan I
103
Gambar 4.37 Hubungan Antara Total pendapatan dan potensi pengguna pada kendaraan golongan II, III, IV
104
Dari hasil analisis menurut grafik diatas diperoleh hasil tarif untuk rencana
jalan tol Kediri-Ngajuk masing-masing golongan kendaraan untuk kondisi VCR
rencana 0.8 yakni sebesar Rp700,00/Km untuk kendaraan golongan I dengan
pendapatan maximum sebesar Rp6.506.916/hari. Pada analisis selanjutnya
nantinya tarif tersebut dapat dijadikan acuan untuk menentukan tarif golongan
kendaraan I, II, III, IV dan V.
Diharapkan nantinya apabila dalam pembangunan rencana jalan tol
tersebut terdapat kendala seperti biaya pembebasan lahan yang mahal, maka
dengan tarif tol tersebut dapat menutupi biaya pembangunan.
Dari perhitungan ditas dihasilkan penentuan tarif rencana jalan tol Kediri-
Nganjuk saat beroprasi yakni pada tahun 2020 adalah Rp749,00/km untuk
kendaraan golongan I dengan asumsi nilai inflasi pertahunnya sebesr 7% dan
kondisi ekonomi stabil tanpa ada kendala terkait dengan ekonomi negara.
Sehingga dapat ditetapkan pada tahun 2020 tarif masuk rencana tol Kediri-
Nganjuk sebesar Rp749,00/Km khusus untuk pengendara untuk kendaraan
golongan I sehingga menurut peraturan Bina Marga tarif tersebut dapat dijadikan
105
acuan dalam penentuan tarif untuk kendaraan golongan II-V, yaitu dengan
perbandingan antar golongan sebagai berikut
Golongan I : Golongan II : Golongan III : Golongan IV : Golongan V
1 : 1,5 : 2 : 2,5 : 3
Sumber: Peraturan Tarif Bina Marga tahun 2009
Sehingga untuk penetapan tarif kendaraan golongan I,II,III,IV,V menurut
perbandingan tersebut dapat dilihat pada perhitungan sebagai berikut.
Golongan II : 1,5 x Rp749,00 = Rp1.123,50/Km
Golongan III : 2 x Rp749,00 = Rp1.498,00/Km
Golongan IV : 2,5 x Rp749,00 = Rp1.872,50/Km
Golongan V : 3 x Rp749,00 = Rp2.247,00/Km
Untuk selanjutnya tarif diatas disesuaikan dengan panjang jalan tol yang
akan dibangun sehingga tarif yang akan dibayarkan adalah total panjang jalan tol
dikalikan dengan tarif tiap golongan diatas.
Menurut data BPS Kab. Kediri didapatkan faktor pertumbuhan pada lokasi
tersebut adalah sebesar 4,013%, sehigga didapatkan hasil perhitungan jumlah
pengguna rencana tol Kediri-Nganjuk di masa mendatang datang yakni pada
tahun 2022 dan 2027 yang diperlihatkan pada gambar 4.38 dan 4.39.
106
Gambar 4.38 Hubungan Antara Tarif Tol dan Potensi Pengguna pada tahun 2022
VCR
Gambar 4.39 Hubungan Antara Tarif Tol dan Potensi Pengguna pada tahun 2027
Berdasarkan gambar 4.38 dan 4.39 di atas, dapat dilihat bahwa potensi
pengguna tol Kediri-Nganjuk semakin meningkat tiap tahunnya, dalam rentang 5
107
BAB V
PENUTUP
5.1. Kesimpulan
Berdasarkan hasil penelitian dapat ditarik beberapa kesimpulan sebagai
berikut :
1. Berdasarkan hasil analisis deskriptif karakteristik mayoritas pengendara
dalam penelitian ini adalah laki-laki sebesar 95 % dan perempuan 5 %,
dengan sebagian besar jenis pekerjaan adalah supir, petani, dan pedagang
sebesar 48 %, diikuti oleh wiraswasta dengan jumlah karyawan < 5 orang
sebesar 24 %, serta kepemilikan kendaraan mayoritas adalah milik
pribadi dengan jumlah 51 %. Jumlah anggota keluarga responden yang
berusia dibawah 5 tahun sebesar 82 %. Biaya transportasi harian
responden dibawah Rp100.000 sebanyak 49 % responden yang
menunjukan perjalanan dari responden relatif jauh. Frekuensi responden
dalam penggunaan rute yang ditinjau disimpulkan bahwa mayoritas
responden sangat sering melewati rute tersebut sebesar 73 %, namun
mayoritas responden belum pernah menggunakan jalan tol yang sudah
ada.
2. Dari hasil analisis untuk perhitungan potensi pengguna dengan metode
Stated Preference, diperoleh model utilitas dengan menggunakan dua
atribut yaitu atribut tarif dan VCR adalah sebagai berikut:
UJT-UJE = 0,7686+(-0,0055 tarif)+(4,2799vcr)
3. Berdasarkan analisis Stated Preference, maka diperoleh potensi pengguna
yang akan berpindah menggunakan jalan tol tertingi dengan VCR aktual
= 0,8 diperoleh pada golongan I saat tarif masuk Rp 600,00 per-km akan
diperoleh potensi pengguna yang beralih dari jalan eksisting ke jalan tol
sebanyak 6.113 kendaraan/hari. potensi kendaraaan golongan II adalah
pada tarif tol Rp 900,00/km sebesar 691 kendaraan/hari, potensi
kendaraan golongan III adalah pada tarif tol Rp 1.200,00/km sebesar 665
kendaraan/hari, potensi kendaraan golongan IV adalah pada tarif tol Rp
109
109
Dari hasil survei dan analisis yang telah dilakukan sebelumnya, maka dapat
diberikan saran yang ditujukan untuk beberapa pihak yang terkait, antara lain:
1. Dalam pembuatan kuisioner survei, sebaiknya menggunakan bahasa yang
singkat dan mudah dimengerti agar meminimalisasi responden merasa
bosan saat mengisi kuisioner.
2. Ketika melakukan wawancara dalam pengambilan data kuesioner,
alangkah lebih baik bila memberikan penjelasan yang mendetail pada
responden agar meminimalisasi kesalahan dalam pengisian data.
3. Kepada investor dan pemerintah dalam rencana pembangunan tol Kediri-
Nganjuk diharapkan dapat menjadikan kajian ini sebagai pertimbangan
atau referensi dalam pengambilan keputusan terkait rencana
pembangunan jalan tol Kediri-Nganjuk. Hal tersebut dikarenakan minat
masyarakat untuk memanfaatkan jalan tol tersebut tinggi.
111
DAFTAR PUSTAKA
Amelia, Sabrina Rizqi dan Widya Ardiarini. 2012. Pemodelan Pemilihan Moda
Antara KA dan Bus Dengan Metode Stated Preference Rute Malang-
Yogyakarta (Skripsi). Tidak Dipublikasikan. Malang: Universitas Brawijaya.
Arofah, N. & Shinta. 2011. Pemodelan Pemilihan Moda dengan Metode Stated
Preference Studi Kasus Komuter Rute Gubeng-Juanda Surabaya (Skripsi).
Tidak Dipublikasikan. Malang: Universitas Brawijaya.
Badan Pusat Statistik Jawa Timur. Jawa Timur dalam Angka. Berbagai edisi
_________. PDRB Kota Wilayah Jawa Timur.
_________. Jumlah Kendaraan Harian Wilayah Jawa Timur
112
Black, J.A. 1981. Urban Transport Planning: Theory and Practice, London,
Cromm Helm
Ghifarulloh, Abzar & Fais, Yudha Rahmadhani. 2015. Kajian Potensi Pengguna
Pesawat Terbang Rute Malang-Balikpapan dan Malang-Banjarmasin
(Skripsi). Tidak Dipublikasikan. Malang: Universitas Brawijaya.
Hadid, Andi. 2014. Model Pemilihan Moda Antara Kereta Api Dan Bus Rute
Makassar – Parepare Dengan Menggunakan Metode Stated Preference
(Skripsi). Tidak Dipublikasikan. Malang : Universitas Brawijaya.
Leksono, Pujas. 2011. Analisis Tarif Tol Dengan Metode Stated Preference Studi
Kasus Jalan Tol Jorr II Segmen Kunciran – Serpong (Skripsi). Tidak
dipublikasikan. Depok: Universitas Indonesia.
Pearmain, D., Swanson, J., Kroes, E., and Bradley, M. 1991. ,Stated Preference
Technique, A Guide to Practice, 2-nd edition, Steer Davies Gleave and Hague
Consulting Group
Undang-Undang Republik Indonesia No.22 Tahun 2009 Tentang Lalu Lintas dan
Angkutan Jalan.
Wiyono, Bagus. 2007. Model Pemilihan Moda antara Bus dan Kereta Api dengan
menggunakan Metode Stated Preference Studi Kasus Perjalanan antara
Kota Blitar-Malang (Skripsi). Tidak Dipublikasikan. Malang: Universitas
Brawijaya.
Yudha IING, Hendy Fitranto. 2011. Kajian Potensi Pengguna Pengguna (Bus
Rapid Transit) Rute Waru – Perak Kota Surabaya (Skripsi). Tidak
Dipublikasikan. Malang : Universitas Brawijaya.
114
115
LAMPIRAN
1. Data Responden:jujubchdbh
Jenis kelamin :☐L ☐P
Penghasilan (Rp/bln) :
2. Jenis Pekerjaan:
☐ Pengusaha/Pemilik Usaha ☐ Wiraswasta dg karyawan < 5 orang
☐ Staf ☐ Pelajar/Mhs
☐ PNS ☐ Lainnya:…
3. Jumlah anggota keluarga di rumah (tidak termasuk sopir dan pembantu rumah tangga)
Jenis Kelamin Umur < 5 thun > 5 tahun
Bekerja/Sekolah Tidak Bekerja
Laki-laki
Perempuan
117
116
5. Rata-rata pengeluaran rutin rumah tangga sehari-hari per bulan (makanan, uang sekolah, pakaian,
transportasi, listrik, air, dll ) [ tidak termasuk pembelian barang-barang besar seperti rumah, mobil, alat
elektronik, dsb, tunai atau cicilan]
☐ Rp 500.000 – Rp 750.000 ☐ Rp 2.000.001 – Rp 2.500.000
10. Jika pada koridor ini tersedia jalan tol, apakah akan memanfaatkannya?
☐ Ya ☐ Tidak
Catatan:
Gol I: Waru – Juanda: Rp 625/km, Gempol – Pandaan: Rp 735/km, Su - Mo: Rp 840/km, Mo – Ker: Rp 710/km
Gol II: Waru – Juanda: Rp 917/km, Gempol – Pandaan: Rp 1.100/km, Su - Mo: Rp 1.260/km, Mo – Ker: Rp
1.065/km
Keterangan:
Untuk Ruas Kediri-Papar dan Gurah-Pare Untuk Ruas Mrican-Pace
A. Via Pare A. Via Pace
B. Via Pelemahan B. Via Prambon
C. Via Kertosono C. Via Guyangan
D. Via Papar D. Via Nganjuk
118
1. Jenis Kendaraan:
☐ Gol I (Sedan, Jip, Pick-Up, & Bus / Angkutan Umum.
Jika 700/1100/1400/1750/2100 ☐ ☐ ☐ ☐ ☐
VCR 0.7 - 0.8
(kondisi padat) 750/1200/1500/1900/2300 ☐ ☐ ☐ ☐ ☐
800/1200/1600/2000/2400 ☐ ☐ ☐ ☐ ☐
850/1300/1700/2100/2600 ☐ ☐ ☐ ☐ ☐
119
600/900/1500/1800 ☐ ☐ ☐ ☐ ☐
650/1000/1300/1600/2000 ☐ ☐ ☐ ☐ ☐
Jika 700/1100/1400/1750/2100 ☐ ☐ ☐ ☐ ☐
VCR 0.6 – 0.7
(kondisi jalan 750/1200/1500/1900/2300 ☐ ☐ ☐ ☐ ☐
normal)
800/1200/1600/2000/2400 ☐ ☐ ☐ ☐ ☐
850/1300/1700/2100/2600 ☐ ☐ ☐ ☐ ☐
600/900/1500/1800 ☐ ☐ ☐ ☐ ☐
650/1000/1300/1600/2000 ☐ ☐ ☐ ☐ ☐
Jika 700/1100/1400/1750/2100 ☐ ☐ ☐ ☐ ☐
VCR < 0.6
(kondisi jalan 750/1200/1500/1900/2300 ☐ ☐ ☐ ☐ ☐
nyaman)
800/1200/1600/2000/2400 ☐ ☐ ☐ ☐ ☐
850/1300/1700/2100/2600 ☐ ☐ ☐ ☐ ☐
Total
Jam Menit I II III IV V
Kend/jam
6 7 19 3 0 0 0 22
7 8 162 12 18 1 0 193
8 9 198 4 20 0 1 223
9 10 182 3 40 1 1 227
10 11 229 6 48 4 1 288
11 12 227 9 39 3 0 278
12 13 255 7 42 3 0 307
13 14 248 9 39 2 0 298
14 15 248 13 32 1 0 294
15 16 240 8 33 0 0 281
16 17 260 7 46 4 0 317
17 18 215 5 39 0 0 259
18 19 200 21 0 1 0 222
19 20 171 18 2 0 0 191
20 21 141 9 0 1 0 151
21 22 115 17 0 0 0 132
22 23 61 6 4 4 0 75
23 24 48 7 3 0 0 58
24 1 38 13 1 1 0 53
1 2 33 7 1 1 0 42
2 3 14 13 0 2 0 29
3 4 21 4 0 2 0 27
4 5 36 10 1 4 2 53
5 6 45 2 0 0 0 47
Total 3406 213 408 35 5 4067
2. Papar – Mengkreng
Total
Jam Menit I II III IV V
Kend/jam
6 7 24 5 0 1 0 30
121
7 8 117 16 2 25 7 167
8 9 131 17 2 15 3 168
9 10 143 27 5 8 8 191
10 11 168 18 3 13 6 208
11 12 139 37 10 24 10 220
12 13 135 29 12 14 3 193
13 14 120 32 5 18 6 181
14 15 149 20 4 26 8 207
15 16 137 34 8 29 7 215
16 17 175 26 3 23 11 238
17 18 182 26 4 29 17 258
18 19 146 21 8 15 5 195
19 20 127 22 8 22 5 184
20 21 113 19 9 16 5 162
21 22 104 22 6 30 6 168
22 23 92 25 7 39 4 167
23 24 67 18 10 20 11 126
24 1 60 14 9 31 3 117
1 2 35 15 10 38 7 105
2 3 39 24 5 39 1 108
3 4 67 6 10 17 1 101
4 5 66 18 10 16 3 113
5 6 54 10 5 7 6 82
Total 2590 501 155 515 143 3904
3. Kediri – Papar
Total
Jam Menit I II III IV V
Kend/jam
6 7 8 2 6 10 0 26
7 8 129 7 26 26 2 190
8 9 117 3 24 29 0 173
9 10 140 0 33 20 0 193
10 11 157 2 35 27 0 221
122
11 12 135 2 32 18 0 187
12 13 134 0 29 35 0 198
13 14 171 11 23 23 5 233
14 15 98 11 16 19 4 148
15 16 175 4 29 45 2 255
16 17 166 8 27 36 5 242
17 18 112 1 14 29 0 156
18 19 164 30 15 19 7 235
19 20 124 21 8 26 4 183
20 21 104 27 6 27 11 175
21 22 96 16 3 34 16 165
22 23 94 18 3 28 3 146
23 24 63 19 8 21 1 112
24 1 53 17 4 34 4 112
1 2 39 11 7 22 3 82
2 3 47 7 4 30 7 95
3 4 43 12 3 23 1 82
4 5 76 6 5 21 4 112
5 6 101 17 6 23 3 150
Total 2546 252 366 625 82 3871
Total
Jam Menit I II III IV V
Kend/jam
6 7 51 10 6 11 0 78
7 8 408 35 46 52 9 550
8 9 446 24 46 44 4 564
9 10 465 30 78 29 9 611
10 11 554 26 86 44 7 717
11 12 501 48 81 45 10 685
12 13 524 36 83 52 3 698
13 14 539 52 67 43 11 712
14 15 495 44 52 46 12 649
123
15 16 552 46 70 74 9 751
16 17 601 41 76 63 16 797
17 18 509 32 57 58 17 673
18 19 510 72 23 35 12 652
19 20 422 61 18 48 9 558
20 21 358 55 15 44 16 488
21 22 315 55 9 64 22 465
22 23 247 49 14 71 7 388
23 24 178 44 21 41 12 296
24 1 151 44 14 66 7 282
1 2 107 33 18 61 10 229
2 3 100 44 9 71 8 232
3 4 131 22 13 42 2 210
4 5 178 34 16 41 9 278
5 6 200 29 11 30 9 279
Total 8542 966 929 1175 230 11842
Lampiran 6. Model Probabilitas Pengguna Rencana Tol Kendaraan Golongan II, III, dan IV
600 0,9336 8542 7975 0,8560 8542 7312 0,7156 8542 6113 0,6208 8542 5303 0,4092 8542 3495
650 0,9134 8542 7802 0,8170 8542 6979 0,6538 8542 5585 0,5513 8542 4709 0,3420 8542 2922
130
700 0,8879 8542 7584 0,7701 8542 6578 0,5864 8542 5009 0,4797 8542 4098 0,2807 8542 2398
750 0,8560 8542 7312 0,7155 8542 6111 0,5155 8542 4403 0,4090 8542 3494 0,2265 8542 1935
800 0,8169 8542 6978 0,6537 8542 5584 0,4440 8542 3793 0,3419 8542 2920 0,1802 8542 1539
850 0,7700 8542 6577 0,5862 8542 5007 0,3748 8542 3201 0,2805 8542 2396 0,1416 8542 1210
900 0,7153 8542 6110 0,5153 8542 4402 0,3103 8542 2651 0,2264 8542 1934 0,1102 8542 941
1000 0,5860 8542 5006 0,3746 8542 3200 0,2022 8542 1727 0,1415 8542 1209 0,0652 8542 557
1100 0,4436 8542 3790 0,2523 8542 2155 0,1249 8542 1067 0,0850 8542 726 0,0378 8542 323
1200 0,3100 8542 2648 0,1597 8542 1364 0,0744 8542 636 0,0497 8542 425 0,0217 8542 185
1300 0,2020 8542 1725 0,0967 8542 826 0,0433 8542 370 0,0286 8542 245 0,0123 8542 105
1400 0,1248 8542 1066 0,0569 8542 486 0,0249 8542 213 0,0163 8542 140 0,0070 8542 60
1500 0,0743 8542 635 0,0329 8542 281 0,0142 8542 121 0,0093 8542 79 0,0039 8542 34
1600 0,0433 8542 370 0,0188 8542 160 0,0080 8542 69 0,0052 8542 45 0,0022 8542 19
1700 0,0249 8542 212 0,0107 8542 91 0,0045 8542 39 0,0030 8542 25 0,0013 8542 11
1800 0,0142 8542 121 0,0060 8542 52 0,0026 8542 22 0,0017 8542 14 0,0007 8542 6
1900 0,0080 8542 69 0,0034 8542 29 0,0014 8542 12 0,0009 8542 8 0,0004 8542 3
2000 0,0045 8542 39 0,0019 8542 16 0,0008 8542 7 0,0005 8542 5 0,0002 8542 2
2100 0,0026 8542 22 0,0011 8542 9 0,0005 8542 4 0,0003 8542 3 0,0001 8542 1
2200 0,0014 8542 12 0,0006 8542 5 0,0003 8542 2 0,0002 8542 1 0,0001 8542 1
2300 0,0008 8542 7 0,0003 8542 3 0,0001 8542 1 0,0001 8542 1 0,0000 8542 0
900 0,9336 966 902 0,8560 966 827 0,7156 966 691 0,6208 966 600 0,4092 966 395
1000 0,9134 966 882 0,8170 966 789 0,6538 966 632 0,5513 966 533 0,3420 966 330
1100 0,8879 966 858 0,7701 966 744 0,5864 966 566 0,4797 966 463 0,2807 966 271
1200 0,8560 966 827 0,7155 966 691 0,5155 966 498 0,4090 966 395 0,2265 966 219
132
1300 0,8169 966 789 0,6537 966 631 0,4440 966 429 0,3419 966 330 0,1802 966 174
1400 0,7700 966 744 0,5862 966 566 0,3748 966 362 0,2805 966 271 0,1416 966 137
1500 0,7153 966 691 0,5153 966 498 0,3103 966 300 0,2264 966 219 0,1102 966 106
1600 0,5860 966 566 0,3746 966 362 0,2022 966 195 0,1415 966 137 0,0652 966 63
1700 0,4436 966 429 0,2523 966 244 0,1249 966 121 0,0850 966 82 0,0378 966 37
1900 0,3100 966 299 0,1597 966 154 0,0744 966 72 0,0497 966 48 0,0217 966 21
2000 0,2020 966 195 0,0967 966 93 0,0433 966 42 0,0286 966 28 0,0123 966 12
2100 0,1248 966 121 0,0569 966 55 0,0249 966 24 0,0163 966 16 0,0070 966 7
3000 0,0743 966 72 0,0329 966 32 0,0142 966 14 0,0093 966 9 0,0039 966 4
4000 0,0433 966 42 0,0188 966 18 0,0080 966 8 0,0052 966 5 0,0022 966 2
5000 0,0249 966 24 0,0107 966 10 0,0045 966 4 0,0030 966 3 0,0013 966 1
6000 0,0142 966 14 0,0060 966 6 0,0026 966 2 0,0017 966 2 0,0007 966 1
7000 0,0080 966 8 0,0034 966 3 0,0014 966 1 0,0009 966 1 0,0004 966 0
8000 0,0045 966 4 0,0019 966 2 0,0008 966 1 0,0005 966 1 0,0002 966 0
9000 0,0026 966 2 0,0011 966 1 0,0005 966 0 0,0003 966 0 0,0001 966 0
10000 0,0014 966 1 0,0006 966 1 0,0003 966 0 0,0002 966 0 0,0001 966 0
11000 0,0008 966 1 0,0003 966 0 0,0001 966 0 0,0001 966 0 0,0000 966 0
12000 0,0005 966 0 0,0002 966 0 0,0001 966 0 0,0001 966 0 0,0000 966 0
13000 0,0003 966 0 0,0001 966 0 0,0000 966 0 0,0000 966 0 0,0000 966 0
14000 0,0001 966 0 0,0001 966 0 0,0000 966 0 0,0000 966 0 0,0000 966 0
15000 0,0001 966 0 0,0000 966 0 0,0000 966 0 0,0000 966 0 0,0000 966 0
16000 0,0000 966 0 0,0000 966 0 0,0000 966 0 0,0000 966 0 0,0000 966 0
133
1200 0,9336 929 867 0,8560 929 795 0,7156 929 665 0,6208 929 577 0,4092 929 380
1300 0,9134 929 849 0,8170 929 759 0,6538 929 607 0,5513 929 512 0,3420 929 318
1400 0,8879 929 825 0,7701 929 715 0,5864 929 545 0,4797 929 446 0,2807 929 261
1500 0,8560 929 795 0,7155 929 665 0,5155 929 479 0,4090 929 380 0,2265 929 210
1600 0,8169 929 759 0,6537 929 607 0,4440 929 412 0,3419 929 318 0,1802 929 167
1700 0,7700 929 715 0,5862 929 545 0,3748 929 348 0,2805 929 261 0,1416 929 132
1800 0,7153 929 665 0,5153 929 479 0,3103 929 288 0,2264 929 210 0,1102 929 102
1900 0,5860 929 544 0,3746 929 348 0,2022 929 188 0,1415 929 131 0,0652 929 61
2000 0,4436 929 412 0,2523 929 234 0,1249 929 116 0,0850 929 79 0,0378 929 35
134
2100 0,3100 929 288 0,1597 929 148 0,0744 929 69 0,0497 929 46 0,0217 929 20
2200 0,2020 929 188 0,0967 929 90 0,0433 929 40 0,0286 929 27 0,0123 929 11
2300 0,1248 929 116 0,0569 929 53 0,0249 929 23 0,0163 929 15 0,0070 929 6
2400 0,0743 929 69 0,0329 929 31 0,0142 929 13 0,0093 929 9 0,0039 929 4
2500 0,0433 929 40 0,0188 929 17 0,0080 929 7 0,0052 929 5 0,0022 929 2
2600 0,0249 929 23 0,0107 929 10 0,0045 929 4 0,0030 929 3 0,0013 929 1
2700 0,0142 929 13 0,0060 929 6 0,0026 929 2 0,0017 929 2 0,0007 929 1
2800 0,0080 929 7 0,0034 929 3 0,0014 929 1 0,0009 929 1 0,0004 929 0
2900 0,0045 929 4 0,0019 929 2 0,0008 929 1 0,0005 929 0 0,0002 929 0
3000 0,0026 929 2 0,0011 929 1 0,0005 929 0 0,0003 929 0 0,0001 929 0
3100 0,0014 929 1 0,0006 929 1 0,0003 929 0 0,0002 929 0 0,0001 929 0
3200 0,0008 929 1 0,0003 929 0 0,0001 929 0 0,0001 929 0 0,0000 929 0
3300 0,0005 929 0 0,0002 929 0 0,0001 929 0 0,0001 929 0 0,0000 929 0
3400 0,0003 929 0 0,0001 929 0 0,0000 929 0 0,0000 929 0 0,0000 929 0
3500 0,0001 929 0 0,0001 929 0 0,0000 929 0 0,0000 929 0 0,0000 929 0
3600 0,0001 929 0 0,0000 929 0 0,0000 929 0 0,0000 929 0 0,0000 929 0
3700 0,0000 929 0 0,0000 929 0 0,0000 929 0 0,0000 929 0 0,0000 929 0
1500 0,9336 1175 1097 0,8560 1175 1006 0,7156 1175 841 0,6208 1175 729 0,4092 1175 481
1600 0,9134 1175 1073 0,8170 1175 960 0,6538 1175 768 0,5513 1175 648 0,3420 1175 402
1700 0,8879 1175 1043 0,7701 1175 905 0,5864 1175 689 0,4797 1175 564 0,2807 1175 330
1800 0,8560 1175 1006 0,7155 1175 841 0,5155 1175 606 0,4090 1175 481 0,2265 1175 266
1900 0,8169 1175 960 0,6537 1175 768 0,4440 1175 522 0,3419 1175 402 0,1802 1175 212
2000 0,7700 1175 905 0,5862 1175 689 0,3748 1175 440 0,2805 1175 330 0,1416 1175 166
2100 0,7153 1175 840 0,5153 1175 605 0,3103 1175 365 0,2264 1175 266 0,1102 1175 129
2200 0,5860 1175 689 0,3746 1175 440 0,2022 1175 238 0,1415 1175 166 0,0652 1175 77
2300 0,4436 1175 521 0,2523 1175 296 0,1249 1175 147 0,0850 1175 100 0,0378 1175 44
2400 0,3100 1175 364 0,1597 1175 188 0,0744 1175 87 0,0497 1175 58 0,0217 1175 25
2500 0,2020 1175 237 0,0967 1175 114 0,0433 1175 51 0,0286 1175 34 0,0123 1175 14
2600 0,1248 1175 147 0,0569 1175 67 0,0249 1175 29 0,0163 1175 19 0,0070 1175 8
136
2700 0,0743 1175 87 0,0329 1175 39 0,0142 1175 17 0,0093 1175 11 0,0039 1175 5
2800 0,0433 1175 51 0,0188 1175 22 0,0080 1175 9 0,0052 1175 6 0,0022 1175 3
2900 0,0249 1175 29 0,0107 1175 13 0,0045 1175 5 0,0030 1175 3 0,0013 1175 1
3000 0,0142 1175 17 0,0060 1175 7 0,0026 1175 3 0,0017 1175 2 0,0007 1175 1
3100 0,0080 1175 9 0,0034 1175 4 0,0014 1175 2 0,0009 1175 1 0,0004 1175 0
3200 0,0045 1175 5 0,0019 1175 2 0,0008 1175 1 0,0005 1175 1 0,0002 1175 0
3300 0,0026 1175 3 0,0011 1175 1 0,0005 1175 1 0,0003 1175 0 0,0001 1175 0
3400 0,0014 1175 2 0,0006 1175 1 0,0003 1175 0 0,0002 1175 0 0,0001 1175 0
3500 0,0008 1175 1 0,0003 1175 0 0,0001 1175 0 0,0001 1175 0 0,0000 1175 0
3600 0,0005 1175 1 0,0002 1175 0 0,0001 1175 0 0,0001 1175 0 0,0000 1175 0
3700 0,0003 1175 0 0,0001 1175 0 0,0000 1175 0 0,0000 1175 0 0,0000 1175 0
3800 0,0001 1175 0 0,0001 1175 0 0,0000 1175 0 0,0000 1175 0 0,0000 1175 0
3900 0,0001 1175 0 0,0000 1175 0 0,0000 1175 0 0,0000 1175 0 0,0000 1175 0
4000 0,0000 1175 0 0,0000 1175 0 0,0000 1175 0 0,0000 1175 0 0,0000 1175 0
1800 0,9336 230 215 0,8560 230 197 0,7156 230 165 0,6208 230 143 0,4092 230 94
1900 0,9134 230 210 0,8170 230 188 0,6538 230 150 0,5513 230 127 0,3420 230 79
2000 0,8879 230 204 0,7701 230 177 0,5864 230 135 0,4797 230 110 0,2807 230 65
2100 0,8560 230 197 0,7155 230 165 0,5155 230 119 0,4090 230 94 0,2265 230 52
2200 0,8169 230 188 0,6537 230 150 0,4440 230 102 0,3419 230 79 0,1802 230 41
2300 0,7700 230 177 0,5862 230 135 0,3748 230 86 0,2805 230 65 0,1416 230 33
2400 0,7153 230 165 0,5153 230 119 0,3103 230 71 0,2264 230 52 0,1102 230 25
2500 0,5860 230 135 0,3746 230 86 0,2022 230 47 0,1415 230 33 0,0652 230 15
2600 0,4436 230 102 0,2523 230 58 0,1249 230 29 0,0850 230 20 0,0378 230 9
2700 0,3100 230 71 0,1597 230 37 0,0744 230 17 0,0497 230 11 0,0217 230 5
2800 0,2020 230 46 0,0967 230 22 0,0433 230 10 0,0286 230 7 0,0123 230 3
2900 0,1248 230 29 0,0569 230 13 0,0249 230 6 0,0163 230 4 0,0070 230 2
3000 0,0743 230 17 0,0329 230 8 0,0142 230 3 0,0093 230 2 0,0039 230 1
3100 0,0433 230 10 0,0188 230 4 0,0080 230 2 0,0052 230 1 0,0022 230 1
3200 0,0249 230 6 0,0107 230 2 0,0045 230 1 0,0030 230 1 0,0013 230 0
138
3300 0,0142 230 3 0,0060 230 1 0,0026 230 1 0,0017 230 0 0,0007 230 0
3400 0,0080 230 2 0,0034 230 1 0,0014 230 0 0,0009 230 0 0,0004 230 0
3500 0,0045 230 1 0,0019 230 0 0,0008 230 0 0,0005 230 0 0,0002 230 0
3600 0,0026 230 1 0,0011 230 0 0,0005 230 0 0,0003 230 0 0,0001 230 0
3700 0,0014 230 0 0,0006 230 0 0,0003 230 0 0,0002 230 0 0,0001 230 0
3800 0,0008 230 0 0,0003 230 0 0,0001 230 0 0,0001 230 0 0,0000 230 0
3900 0,0005 230 0 0,0002 230 0 0,0001 230 0 0,0001 230 0 0,0000 230 0
4000 0,0003 230 0 0,0001 230 0 0,0000 230 0 0,0000 230 0 0,0000 230 0
4100 0,0001 230 0 0,0001 230 0 0,0000 230 0 0,0000 230 0 0,0000 230 0
4200 0,0001 230 0 0,0000 230 0 0,0000 230 0 0,0000 230 0 0,0000 230 0
4300 0,0000 230 0 0,0000 230 0 0,0000 230 0 0,0000 230 0 0,0000 230 0
Lampiran 13. Total Pendapatan Perhari untuk Kendaraan Golongan II, III, IV
140
Lampiran 14. Rekapitulasi Total Potensi Pengguna Jalan Tol Perhari (2017)
Lampiran 15. Potensi Pengguna Dimasa Mendatang Tahun 2017, 2022, dan 2027
2017 2022 2027
Nilai VCR 1,2 1 0,8 0,7 0,5 1,2 1 0,8 0,7 0,5 1,2 1 0,8 0,7 0,5
Tarif(Rp) POTENSI PENGGUNA PER HARI (SMP/JAM)
600 11055 10137 8247 6981 4846 15315 14044 11425 9671 6713 21217 19455 15828 13398 9300
650 10817 9675 7636 6528 4051 14985 13402 10579 9044 5611 20759 18567 14655 12529 7774
700 10514 9086 7130 5681 3324 14565 12587 9877 7870 4605 20178 17437 13683 10903 6379
750 10136 8515 6205 4844 2683 14042 11795 8595 6710 3716 19453 16341 11908 9296 5148
800 9673 7741 5258 4049 2134 13401 10723 7284 5609 2956 18564 14855 10091 7770 4095
850 9118 6942 4438 3322 1677 12632 9616 6148 4602 2323 17499 13322 8517 6375 3219
900 8471 6102 3674 2681 1305 11735 8454 5090 3714 1808 16257 11711 7052 5145 2504
1000 6940 4436 2394 1676 772 9614 6145 3317 2322 1070 13318 8513 4595 3217 1482
1100 5254 2988 1480 1006 448 7278 4139 2050 1394 620 10083 5734 2839 1931 859
1200 3671 1891 882 589 257 5085 2620 1221 816 355 7045 3630 1692 1130 492
1300 2392 1145 513 339 146 3313 1587 711 470 202 4590 2198 985 651 280
1400 1478 674 295 193 83 2047 933 408 268 114 2836 1293 566 371 159
1500 880 389 168 110 47 1220 539 233 152 65 1690 747 322 211 90
1600 513 222 95 62 26 710 308 132 86 37 984 427 183 119 51
1700 294 126 54 35 15 408 175 75 49 21 565 243 103 67 29
1750 168 72 30 20 8 232 99 42 27 12 322 137 58 38 16
1900 95 40 17 11 5 132 56 24 15 7 182 78 33 21 9
2000 54 23 10 6 3 74 32 13 9 4 103 44 19 12 5
2100 30 13 5 4 1 42 18 8 5 2 58 25 10 7 3
2200 17 7 3 2 1 24 10 4 3 1 33 14 6 4 2
144