Metode Sintetis

Beberapa kelemahan utama metode analogi telah mendorong orang

untuk mengembangkan metode alternatif lain, yang sering dikenal
dengan metode sintetis. Metode didasarkan pada asumsi: (i) sebelum
pergerakan pada masa mendatang diramalkan, terlebih dahulu harus
dipahami alasan terjadinya pergerakan pada masa sekarang; (ii) alasan
tersebut kemudian dimodelkan dengan menggunakan analogi hukum
alam yang sering terjadi

Prinsip yang menggarisbawahi metode ini adalah pergerakan dari zona

asal ke zona tujuan berbanding lurus dengan besarnya bangkitan
lalulintas di zona asal dan juga tarikan lalulintas di zona tujuan serta
berbanding terbalik dengan jarak (kemudahan) antara kedua zona
tersebut. Menggunakan model semacam ini secara tidak langsung
sudah membatasi pemodelan pola pergerakan dan ini tentu
menyebabkan informasi yang dibutuhkan semakin sedikit serta survei
semakin berkurang.
Model gravity (GR)

Analogi/ Pendekatan

Metode sintetis (interaksi spasial) yang paling terkenal dan sering

digunakan adalah model gravity (GR) karena sangat sederhana
sehingga mudah dimengerti dan digunakan. Model ini menggunakan
konsep gravity yang diperkenalkan oleh Newton pada tahun 1686
yang dikembangkan dari analogi hukum gravitasi.

Metode ini berasumsi bahwa ciri bangkitan dan tarikan pergerakan

berkaitan dengan beberapa parameter zona asal, misalnya populasi dan
nilai sel MAT yang berkaitan juga dengan aksesibilitas (kemudahan)
sebagai fungsi jarak, waktu, atau pun biaya. Newton menyatakan bahwa
(Fid) gaya tarik atau tolak antara dua kutub massa berbanding lurus
dengan massanya , m1 dan m2 , dan berbanding terbalik kuadratis
dengan jarak antara kedua massa tersebut (d122)
Dalam ilmu geografi, gaya dapat dianggap sebagai pergerakan antara dua
daerah; sedangkan massa dapat digantikan dengan peubah seperti
populasi atau bangkitan dan tarikan pergerakan; serta jarak, waktu, atau
biaya sebagai ukuran aksesibilitas (kemudahan). Jadi, untuk keperluan
transportasi, model GR dinyatakan sebagai:

Model ini mempunyai beberapa hal yang perlu diperhatikan. Dikatakan

bahwa pergerakan antara zona asal i dan zona tujuan d berbanding
lurus dengan Oi dan Dd dan berbanding terbalik kuadratis terhadap
jarak antara kedua zona tersebut. Jadi, dalam bentuk matematis, model
GR dapat dinyatakan sebagai:
 1 2

d12

Oi Dd
 f(cid) = 1/ did^2 = fid

Syarat batasan tersebut tidak dapat dipenuhi oleh persamaan (5.18).

Pengembangan persamaan (5.19), dengan batasan persamaan (5.20),

menghasilkan persamaan (5.21) berikut:

Kedua persamaan pembatas (5.20) dipenuhi jika digunakan konstanta Ai dan

Bd , yang terkait dengan setiap zona bangkitan dan tarikan. Konstanta itu
disebut faktor penyeimbang.
Persamaan Ai dan Bd didapatkan secara berulang-ulang dan dapat dengan mudah
dicek bahwa Tid pada persamaan (5.19) sudah memenuhi batasan persamaan (5.20).
Kita dapat menghitung nilai Bd untuk setiap d dengan menggunakan persamaan
(5.20), yang nilainya kemudian digunakan lagi untuk menghitung kembali nilai Ai.
Proses ini diulangi sampai nilai Ai dan Bd menghasilkan nilai tertentu (konvergen)

Fungsi hambatan f(Cid)

Hal yang terpenting untuk diketahui adalah f harus dianggap sebagai
ukuran aksesibilitas (kemudahan) antara zona i dengan zona d. Hyman
(1969) menyarankan tiga jenis fungsi hambatan yang dapat digunakan
dalam model GR:
Bentuk umum ketiga fungsi hambatan ini untuk nilai parameter yang
berbeda-beda dapat dilihat pada gambar 5.4.

Cid = biaya transportasi

dari zona I ke zona d
Sebaran Panjang Pergerakan

Khusus untuk perjalanan dalam daerah perkotaan, dan lebih khusus lagi
dalam hal perjalanan dengan kendaraan bermotor, sebaran pergerakan
mempunyai bentuk umum seperti yang diperlihatkan pada gambar 5.5

Terlihat bahwa terdapat hanya sedikit perjalanan jarak pendek, yang diikuti
dengan sejumlah besar jarak menengah.
Dengan semakin meningkatnya jarak atau biaya, jumlah perjalanan
kembali menurun.
Dengan mengacu pada gambar 5.4, fungsi eksponensial dan pangkat cukup
baik untuk menggambarkan bagian kanan kurva sebaran, tetapi tidak
untuk bagian kirinya. Kedua bagian ini dapat diwakili secara baik dengan
fungsi Tanner.

Jenis model Gravity

Terdapat 4 jenis model GR yaitu
• Model Gravity Tanpa-Batasan (UCGR),
• Model Gravity dengan-batasan-Bangkitan (PCGR),
• Model Gravity dengan-batasan-Tarikan (ACGR), dan
• Model Gravity dengan-batasan-Bangkitan-Tarikan (PACGR).

Model PCGR dan ACGR sering disebut model dengan-satu-batasan

(SCGR), sedangkan model PACGR disebut model dengan-dua-batasan
(DCGR).
Model UCGR
Model ini sedikitnya mempunyai satu batasan, yaitu total pergerakan yang
dihasilkan harus sama dengan total pergerakan yang diperkirakan dari
tahap bangkitan pergerakan. Model ini bersifat tanpa-batasan, dalam arti
bahwa model tidak diharuskan menghasilkan total yang sama dengan
total pergerakan dari dan ke setiap zona yang diperkirakan oleh tahap
bangkitan pergerakan.
Model tersebut dapat dituliskan sebagai:

Sebagai ilustrasi, berikut ini diberikan contoh perhitungan model UCGR.

Pertimbangkan daerah kajian dengan 4 zona. Dari hasil tahap bangkitan
pergerakan diperkirakan terjadi bangkitan dan tarikan dari setiap zona
seperti terlihat pada tabel 5.13.
Informasi mengenai aksesibilitas antar zona yang dapat berupa jarak,
waktu tempuh, dan biaya perjalanan antarzona seperti yang terlihat pada
tabel 5.14

Fungsi hambatan
F(Cid) = exp (-ß Cid)

ß =0.095
Dengan menganggap fungsi hambatan mengikuti fungsi eksponensial-
negatif, didapat matriks exp(-ß Cid) seperti terlihat pada tabel 5.15 dengan
menganggap nilai ß = 0.095.

Dengan menggunakan persamaan (5.28), perkalian berikut dilakukan

untuk setiap sel matriks untuk mendapatkan matriks akhir seperti terlihat
pada tabel 5.16.
Secara ringkas, untuk model UCGR, jumlah bangkitan dan tarikan yang
dihasilkan tidak harus sama dengan perkiraan hasil bangkitan pergerakan.
Akan tetapi, persyaratan yang diperlukan adalah total pergerakan yang
dihasilkan model (t) harus sama dengan total pergerakan yang didapat dari
hasil bangkitan pergerakan (T).

Model PCGR
Dalam model ini, total pergerakan global hasil bangkitan pergerakan
harus sama dengan total pergerakan yang dihasilkan dengan pemodelan;
begitu juga, bangkitan pergerakan yang dihasilkan model harus sama
dengan hasil bangkitan pergerakan yang diinginkan. Akan tetapi, tarikan
pergerakan tidak perlu sama.

Untuk jenis ini, model yang digunakan persis sama dengan persamaan
(5.28), tetapi dengan syarat batas yang berbeda, yaitu:
Setelah menghitung nilai Ai untuk setiap i, setiap sel matriks dapat
dihitung dengan menggunakan persamaan (5.28) sehingga menghasilkan
matriks akhir seperti pada tabel 5.17.
Terlihat bahwa persyaratan awal dipenuhi, yaitu total pergerakan yang
dihasilkan model (t) harus sama dengan total pergerakan yang didapat
dari hasil bangkitan pergerakan (T). Selain itu, terlihat juga bahwa total
pergerakan yang berasal dari setiap zona asal harus selalu sama dengan
total pergerakan (yang dibangkitkan) yang diperkirakan oleh tahap
bangkitan pergerakan.
Model ACGR
Dalam hal ini, total pergerakan secara global harus sama dan juga tarikan
pergerakan yang didapat dengan pemodelan harus sama dengan hasil tarikan
pergerakan yang diinginkan. Sebaliknya, bangkitan pergerakan yang didapat
dengan pemodelan tidak harus sama. Untuk jenis ini, model yang digunakan
persis sama dengan persamaan (5.28), tetapi dengan syarat batas yang
berbeda, yaitu

Pada model ACGR, konstanta Bd untuk seluruh d dihitung sesuai dengan

persamaan (5.22) untuk setiap zona tujuan d. Konstanta ini memberikan
batasan bahwa total ‘kolom’ dari matriks harus sama dengan total ‘kolom’
dari matriks hasil tahap bangkitan pergerakan. Dengan kata lain, total
pergerakan hasil pemodelan yang menuju ke suatu zona harus sama dengan
total pergerakan hasil bangkitan pergerakan ke zona tersebut.
Setelah menghitung nilai Bd untuk setiap d, setiap sel matriks dapat
dihitung dengan menggunakan persamaan (5.28) sehingga menghasilkan
matriks akhir seperti pada tabel 5.18.
Terlihat bahwa selain persyaratan awal dipenuhi, yaitu total pergerakan
yang dihasilkan model (t) harus sama dengan total pergerakan yang
didapat dari hasil bangkitan pergerakan (T), terlihat juga total
pergerakan yang menuju ke setiap zona asal selalu sama dengan total
pergerakan (yang tertarik) yang dihasilkan oleh tahap bangkitan
pergerakan

Model DCGR
Dalam hal ini, bangkitan dan tarikan pergerakan harus selalu sama
dengan yang dihasilkan oleh tahap bangkitan pergerakan. Model yang
digunakan persis sama dengan persamaan (5.28), tetapi dengan syarat
batas:
Kedua faktor penyeimbang Ai dan Bd harus menjamin bahwa total ‘baris’
dan ‘kolom’ dari matriks hasil pemodelan harus sama dengan total ‘baris’
dan ‘kolom’ dari matriks hasil bangkitan pergerakan. Proses pengulangan
nilai Ai dan Bd dilakukan secara bergantian. Hasil akhir akan selalu sama,
dari manapun pengulangan dimulai (‘baris’ atau ‘kolom’). Dalam ilustrasi
ini, pengulangan dimulai dengan menganggap nilai awal B1 = B2 = B3 =
B4=1. Hasil akhir juga tidak tergantung pada nilai awal. Nilai awal dapat
berupa nilai berapa saja asal lebih besar nol. Hal ini hanya akan
berpengaruh pada jumlah pengulangan untuk mencapai konvergensi.
Semakin besar perbedaan antara nilai awal dengan nilai akhir, semakin
banyak jumlah pengulangan yang dibutuhkan untuk mencapai
konvergensi. Tabel 5.19 memperlihatkan nilai Ai dan Bd pada setiap
pengulangan.
Terlihat pada pengulangan ke 10, nilai Ai untuk setiap i dan nilai Bd untuk
setiap d tidak lagi mengalami perubahan (atau telah mencapai
konvergensi). Setelah tercapai konvergensi dengan mendapatkan nilai Ai
dan B untuk setiap i dan d, maka setiap sel matriks dapat dihitung dengan
menggunakan persamaan (5.28) sehingga menghasilkan matriks akhir
seperti yang terlihat pada tabel 5.20.
Penggunaan model gravity
Biasanya, jika informasi survei baik dan tersedia, model jenis DCGR sangat
baik untuk digunakan. Kadang-kadang biaya komputer juga menentukan
pemilihan jenis model. Akan tetapi, dengan kemajuan teknologi komputer
yang pesat, terutama dalam hal kecepatan proses, biaya tidak lagi menjadi
hambatan.
Secara umum, sebaiknya model DCGR yang digunakan pada kasus yang
ramalan bangkitan dan tarikan pergerakannya cukup baik di masa
mendatang. Jika ramalan bangkitan dan tarikan pergerakannya berbeda,
tidak ada alasan menggunakan model yang harus mendapatkan total
‘baris’ dan ‘kolom’ yang sama sehingga dapat dipilih model yang lebih
sederhana yang mungkin lebih baik dan lebih murah.
Untuk tujuan perjalanan seperti dari rumah ke tempat kerja dan dari
rumah ke sekolah, dapat dipastikan bahwa taksiran bangkitan dan tarikan
pergerakan akan lebih tepat dibandingkan dengan tujuan perjalanan lain,
misalnya dari rumah ke tempat belanja. Contoh alasan yang sangat
sederhana adalah: jika terdapat 1.000 lapangan pekerjaan dalam suatu
zona, dapat dikatakan akan terdapat 1.000 pergerakan yang tertarik ke
zona tersebut, dari mana pun mereka berasal
Dengan kata lain, jika lapangan pekerjaan pada suatu zona tertentu dapat
diperkirakan dengan baik, maka pergerakan (bekerja) ke daerah tersebut
akan dapat diramalkan juga dengan baik. Akan tetapi, jika terdapat 10.000
m tempat perbelanjaan dalam suatu zona, tidaklah mudah untuk
memastikan berapa perjalanan yang akan menuju ke zona tersebut
Hal itu dapat berubah dengan dilakukannya perubahan sistem
transportasi, yang jelas akan mengubah aksesibilitas dari zona tersebut
dan mengubah hubungan antara luas lantai dengan tarikan pergerakan.
Dengan kata lain, walaupun luas lantai dapat diramalkan dengan tepat,
tidak mudah meramalkan tarikan pergerakan secara tepat.
Secara umum, bangkitan pergerakan berbasis rumah lebih dapat
diyakini kebenarannya dibandingkan dengan tarikan pergerakan. Oleh
karena itu, dalam kebanyakan kajian, pergerakan berbasis rumah
biasanya menggunakan model PCGR atau model DCGR. Model DCGR
sering digunakan untuk memodel pergerakan berbasis rumah; baik
untuk tujuan bekerja maupun pendidikan. Akan tetapi, untuk jenis
pergerakan ini, persamaan model ACGR biasanya lebih tepat karena
berdasarkan pada peubah yang mudah dihitung (misalnya populasi)
Model PCGR dapat digunakan untuk pergerakan berbasis rumah dengan
berbagai tujuan pergerakan, sedangkan model ACGR lebih mudah
dispesifikasi dan dikalibrasi, misalnya tujuan belanja dan bisnis. Untuk
pergerakan berbasis bukan rumah, baik model PCGR maupun ACGR
tidak biasanya dapat diramalkan secara pasti sehingga model UCGR
(atau model faktor pertumbuhan) yang biasanya digunakan.

Kalibrasi model gravity

Metode sederhana
Pendekatan yang sangat sederhana ‘meminjam’ nilai ß , kemudian
menghitung model GR dan mendapatkan sebaran panjang perjalanan
hasil pemodelan. Kemudian, sebaran ini dibandingkan dengan sebaran
panjang perjalanan hasil pengamatan. Jika masih terdapat perbedaan
antara kedua sebaran tersebut, nilai ß baru harus digunakan dan proses
diulangi lagi sampai perbedaan kedua sebaran itu sangat kecil.
Tugas III
Suatu daerah studi terdiri dari 3 zona. Berdasarkan prediksi dengan model trip
generation diketahui bahwa 10 tahun akan datang dihasilkan:
Bbesar bangkitan zona asal (Qi) : Q1= 150, Q2= 250, Q3= 350
Besar tarikan zona tujuan (Dd) : D1= 250, D2= 300, D3= 200

Aksesibilitas antar zona dinyatakan dengan biaya perjalanan antar zona adalah
sebagai berikut:

Matrik Biaya Transportasi (C1d)

Zona 1 2 3
Fungsi hambatan f(Cid) = Exp(-β Cid),
1 10 15 35
2 20 10 45 dimana b = 0,09X. (ganti X dengan angka
3 35 15 10 terakhir NIM saudara)

Diminta :
Hitung distribusi pergerakan (Matrik Asal Tujuan) pada masa akan datang dengan
menggunakan Model:
(a). Unconstrained Gravity Model,
(b). Production Constrained model,
(c). Attraction Constrained Gravity Model,