Ferry R., Ir. MT.

TS Unjani

ASUMSI 412153067

ANALISIS REGRESI LINEAR

• Variabel tak bebas merupakan fungsi linear dari variable

bebas
• Variable bebas adalah nilai konstan (fixed values)
• Tidak ada korelasi antar variabel bebas
• Variance variable tak bebas terhadap garis regresi adalah
sama untuk semua nilai variable bebas (homoscedastic)
• Nilai variable tak bebas terdistribusi normal atau
mendekati distribusi normal
 Ferry R., Ir. MT.
TS Unjani

ANALISIS REGRESI LINEAR 412153067

No. Zona Trip Production Kepemilikan Kendaraan

(harian)
1 500 200
2 300 50
3 1300 500
4 200 100
5 400 100
6 1200 400
7 900 300
8 1000 400

Trip Production vs Kepemilikan Kendaraan

600

500
Trip Production

400

300 Y= 2,48 X + 8,99

200

100

0
0 500 1000 1500
Kepemilikan Kendaraan
 Ferry R., Ir. MT.
TS Unjani

ANALISIS KATEGORI 412153067

• Variable harus dikelompokkan dalam kategori

tertentu
• Setiap Rumah Tangga dari HIS harus dicocokkan ke
dalam salah satu kategori sesuai dengan data pada
Rumah Tangga tersebut (misal : kepemilikan
kendaraan, ukuran rumah tangga, penghasilan,
dsb.)
• Trip Production Rate harus dihitung untuk semua
kategori yang telah ditentukan (dilakukan dengan
cara membagi total trip setiap kategori dengan total
jumlah rumah tangga untuk kategori tersebut)
• Estimasi Zonal Trip production (dilakukan dengan
cara mengalikan jumlah rumah tangga pada zona
tersebut dengan production rate yang sesuai dan
menjumlahkan untuk zona tersebut)
 Ferry R., Ir. MT.
TS Unjani

ANALISIS KATEGORI 412153067

CONTOH :
• 3 Variabel (kepemilikan kendaraan, pendapatan, ukuran rumah
tangga)
• 3 kategori kepemilkan kendaraan (0, 1, 2+)
• 3 kategori pendapatan (rendah, menengah, tinggi)
• 2 kategori ukuran rumah tangga (1-3, 4+)
TRIP RATE masing-masing KATEGORI
Tingkat Tingkat Tingkat Pendapatan
Kepemilikan Kendaraan Ukuran Rumah Tangga Rendah Menengah Tinggi
0 1-3 3.4 3.7 3.8
4+ 4.9 5.0 5.1
1 1-3 5.2 7.3 8.0
4+ 6.9 8.3 10.2
2+ 1-3 5.8 8.1 10.0
4+ 7.2 11.8 12.9

KARAKTERISTIK RUMAH TANGGA dalam ZONA

Rumah Tangga Kendaraan Rumah Tangga
50 0 rendah 1-3
ZONAL TRIP PRODUCTION : 20 0 menengah 1-3
= (50 x3.4) + (20 x 3.7) + (10 x 4.9) 10 0 rendah 4+
50 1 rendah 1-3
+ (50 x 5.2) + (50 x 6.9) + (100 x 8.3) 50 1 rendah 4+
+ (40 x 10.0) + (100 x 11.8) 100 1 menengah 4+
40 2+ tinggi 1-3
+ (150 x 12.9 ) 100 2+ menengah 4+
= 5243 trips 150 2+ tinggi 4+
 Ferry R., Ir. MT.
TS Unjani
412153067

PENGUMPULAN DATA
• DATA TRANSPORT SUPPLY ( Data fasilitas transport dan karakteristik
pelayanan dalam berbagai kondisi lalu lintas)
• DATA TRAVEL DEMAND (Jenis dan intesitas Tata Guna Lahan,
karakteristik sistem transport / transport suplly, karakteristik perjalanan)

DATA TRANSPORT SUPPLY

• Inventory Fasilitas Transport (jaringan jalan, angkutan umum, parkir,
waktu tempuh perjalanan)
• Kapasitas dan Pelayanan Transport (Fixed elements : jalan, rel, dsb
dan flow element : kendaraan, orang, barang di jaringan)
• Generalised Cost (karena adanya kebutuhan perhitungan jarak dan
waktu campuran)
• Waktu Tempuh Perjalanan berdasarkan Arus Lalu Lintas

DATA TRAVEL DEMAND

• Survai Tata Guna Lahan
• Survai Karakteristik Perjalanan (Home/Household Interview Survey,
Commercial Vehicle Interview Survey, Roadside Interview Survey :
Cordon Line dan Screen Line, Public Transport Interview Survey)
 Ferry R., Ir. MT.
TS Unjani
412153067

MODEL DISTRIBUSI PERGERAKAN

• Menggambarkan Pola Pergerakan dari asal menuju tujuan (Tid)
• Ditampilkan dalam 2 (dua) cara; yaitu :
1. Matriks Asal Tujuan (MAT)
2. Grafik “Desired Line”
• Metode untuk mendapatkan Model Distribusi Pergerakan (Trip
Distribution Model)
1. KONVENSIONAL
a. LANGSUNG
- Wawancara Tepi Jalan
- Wawancara Rumah Tangga
- Metode Plat Nomor Kendaraan
- Metode Foto Udara
- Metode Car Following

b. TIDAK LANGSUNG
- Metode Faktor Pertumbuhan / Metode Analogi
Uniform
Average
Fratar
Detroit
Furness

- Metode Sintetis
Opportunity
Gravity
Gravity - Opportunity

2. TIDAK KONVENSIONAL
(Berdasarkan Informasi Arus Lalu Lintas)
a. Estimasi Matriks Entropi Maksimum (EMEM)
b. Model Estimasi Kebutuhan Transportasi (MEKT)
 Ferry R., Ir. MT.
TS Unjani
412153067

METODE UNIFORM

• Keseluruhan daerah kajian mempunyai satu nilai tingkat pertumbuhan

• Tidak menjamin total pergerakan setiap zona di masa datang sama
dengan yang diharapkan

Tid = tid . E
E = T/t
Dimana :
T = Total pergerakan masa mendatang
t = Total pergerakan masa sekarang
ZONA 1 2 3 4 oi Oi Ei
1 18 106 141 88 352 300 0.852
2 141 35 176 88 440 250 0.568
3 35 229 18 88 370 420 1.136
4 176 141 106 35 458 650 1.420

dd 370 511 440 299 1,620

Dd 420 435 250 515 1,620
Ed 1.136 0.852 0.568 1.720 1.000
 Ferry R., Ir. MT.
TS Unjani
412153067

METODE AVERAGE

• Menggunakan tingkat pertumbuhan untuk setiap zona

• Dilakukan iterasi sehingga Ti = Ti(G) dan Td = Td(G)

Tid = tid . ((Ei + Ed) / 2)

Ei = Ti/ti
Ed = Td/td

Iterasi 1
ZONA 1 2 3 4 oi Oi Ei
1 17.5 90.0 100.0 113.2 320.7 300 0.935
2 120.0 25.0 100.0 100.7 345.7 250 0.723
3 40.0 227.5 15.0 125.7 408.2 420 1.029
4 225.0 160.0 105.0 55.3 545.3 650 1.192

dd 402.5 502.5 320.0 395.0 1,620

Dd 420 435 250 515 1,620
Ed 1.043 0.866 0.781 1.304 1.000

Iterasi 12
ZONA 1 2 3 4 oi Oi Ei
1 16 67 74 144 300 300 0.999
2 83 14 55 99 250 250 0.999
3 41 190 13 177 420 420 1.000
4 281 165 109 94 649 650 1.001

dd 421 435 250 514 1,620

Dd 420 435 250 515 1,620
Ed 0.999 0.999 1.000 1.001 1.000
 Ferry R., Ir. MT.
TS Unjani
412153067

METODE FRATAR

• Sebaran pergerakan dari zona asal pada masa mendatang sebanding

dengan sebaran pergerakan pada masa sekarang
• Sebaran pada masa mendatang dimodifikasi dengan nilai tingkat
pertumbuhan zona tujuan pergerakan tersebut
• Dilakukan iterasi sehingga Ti = Ti(G) dan Td = Td(G)

Tid = tid . Ei . Ed . ((Li + Ld) / 2)

Li = ( tik) / ( Eik . tk)
Ld = ( tdk) / ( Eik . tk)
 Ferry R., Ir. MT.
TS Unjani
412153067

METODE DETROIT
• Mirip dengan Fratar dengan asumsi pergerakan dari Zona i meningkat
sesuai dengan tingkat pertumbuhan Ei dan harus disebarkan ke zona d
sebanding dengan Ed dibagi dengan tingkat pertumbuhan global (E)
• Dilakukan iterasi sehingga Ti = Ti(G) dan Td = Td(G)

Tid = tid . ((Ei . Ed) / E

Iterasi 1
ZONA 1 2 3 4 oi Oi Ei
1 17.0 76.7 68.1 129.0 290.9 300 1.031
2 90.9 17.0 56.8 86.0 250.7 250 0.997
3 45.4 221.5 11.4 172.0 450.3 420 0.933
4 284.0 170.4 85.2 86.0 625.5 650 1.039

dd 437.3 485.6 221.5 473.1 1,617

Dd 420 435 250 515 1,620
Ed 0.960 0.896 1.129 1.089 1.002

Iterasi 8
ZONA 1 2 3 4 oi Oi Ei
1 16 68 75 141 300.0 300 1.000
2 82 15 61 92 250.0 250 1.000
3 40 188 12 180 420.0 420 1.000
4 283 164 102 102 650.0 650 1.000

dd 420.0 435.0 250.0 515.0 1,620

Dd 420 435 250 515 1,620
Ed 1.000 1.000 1.000 1.000 1.000
 Ferry R., Ir. MT.
TS Unjani
412153067

METODE FURNESS
• Sebaran pergerakan masa mendatang didapatkan dengan mengalikan
sebaran masa sekarang dengan tingkat pertumbuhan zona asal atau
zona tujuan yang dilakukan bergantian
• Dilakukan iterasi sehingga Ti = Ti(G) dan Td = Td(G)
Tid = tid . Ei
Iterasi 1
Tid = tid . Ed
ZONA 1 2 3 4 oi Oi Ei
1 15.0 90.0 120.0 75.0 300.0 300 1.000
2 80.0 20.0 100.0 50.0 250.0 250 1.000
3 40.0 260.0 20.0 100.0 420.0 420 1.000
4 250.0 200.0 150.0 50.0 650.0 650 1.000

dd 385.0 570.0 390.0 275.0 1,620

Dd 420 435 250 515 1,620
Ed 1.091 0.763 0.641 1.873 1.000

Iterasi 2
ZONA 1 2 3 4 oi Oi Ei
1 16.4 68.7 76.9 140.5 302.4 300 0.992
2 87.3 15.3 64.1 93.6 260.3 250 0.961
3 43.6 198.4 12.8 187.3 442.2 420 0.950
4 272.7 152.6 96.2 93.6 615.1 650 1.057

dd 420.0 435.0 250.0 515.0 1,620

Dd 420 435 250 515 1,620
Ed 1.000 1.000 1.000 1.000 1.000

Iterasi 6
ZONA 1 2 3 4 oi Oi Ei
1 16 68 75 141 300 300 0.999
2 82 15 61 92 250 250 1.001
3 40 188 12 180 421 420 0.999
4 282 164 102 102 649 650 1.001

dd 420 435 250 515 1,620

Dd 420 435 250 515 1,620
Ed 1.000 1.000 1.000 1.000 1.000
 Ferry R., Ir. MT.
TS Unjani
412153067

MODEL GRAVITY
• Model ini menggunakan analogi konsep gravity oleh Newton, dimana
metode ini berasumsi bahwa distribusi pergerakan berkaitan dengan
parameter zona (misal populasi) dan aksesibilitas sebagai fungsi jarak,
waktu ataupun biaya

Tid = Oi . Dd . Ai . Bd . f(Cid)
Ai = 1 / ( Bd . Dd . fid)
Bd = 1 / ( Ai . Oi . fid)
Dimana :
Ai ; Bd = Faktor penyeimbang
f(Cid) = Fungsi hambatan
Hyman (1969) menyarankan 3 (tiga) jenis fungsi hambatan, yaitu :

1. Power Function (fungsi pangkat)

f(Cid) = Cid- ; nilai  biasanya < 2
distribusi perjalanan jarak jauh (inter-urban trip)
2. Negative Eksponensial Function (fungsi eksponensial negatif)
f(Cid) = e-Cid ; nilai  biasanya < 0,2
distribusi perjalanan jarak pendek (intra-urban trip)
3. Tanner Function (fungsi Tanner)
f(Cid) = Cid- . e-Cid
Kombinasi kedua fungsi
 Ferry R., Ir. MT.
TS Unjani
412153067

MODEL GRAVITY
Data yang diperlukan untuk membentuk model distribusi :

• Matriks Asal Tujuan Hasil Survai

• Matriks Hambatan antar zona hasil survai (jarak, waktu, atau biaya)
• Frekuensi Distribusi Perjalanan masing-masing kategori hambatan dari
hasil survai

Jenis Model Gravity :

• Unconstrained; tidak dibatasi terhadap jumlah Production dan Attraction,
tetapi dibatasi terhadap jumlah total bangkitan pergerakan (Tid model = Tid
survai)
• Production Constrained; dibatasi terhadap jumlah Production dan jumlah
total bangkitan pergerakan (Tid model = Tid survai dan Oi model = Oi
Survai)
• Attraction Constrained; dibatasi terhadap jumlah Attraction dan jumlah
total bangkitan pergerakan (Tid model = Tid survai dan Dd model = Dd
Survai)
• Fully Constrained; dibatasi terhadap jumlah Production, Attraction dan
jumlah total bangkitan pergerakan (Tid model = Tid survai, Oi model = Oi
Survai dan Dd model = Dd Survai)
 Ferry R., Ir. MT.
TS Unjani
412153067

MODEL GRAVITY
Penggunaan Model Gravity :
• Unconstrained tidak mempertimbangkan persaingan antar zona dalam
distribusi
• Single Constrained (Production atau Attraction) memungkinkan pemilihan
alternatif zona tujuan, tetapi tidak memperhitungkan permintaan pemakai
jalan lain di zona asal dan sebaliknya
• Fully Constrained; mempertimbangkan kelemahan model gravity lainnya
Secara umum Fully constrained sebaiknya digunakan apabila data survai
dan peramalan produksi dan tarikan dimasa datang dapat dilakukan
dengan akurat, apabila tidak maka dapat dipilih model yang lebih
sederhana yang mungkin lebih baik dan lebih murah.
Kalibrasi Model Gravity :
• Proses menaksir nilai  dan  jika dipertimbangkan fungsi eksponensial,
pangkat dan Tanner. Apabila bukan fungsi Tanner maka kalibrasi adalah
penaksiran nilai  atau 
• Terdapat beberapa metode diantaranya :
1. Metode Sederhana (Trial and Error)
2. Metode Hyman
3. Metode Analisis Regresi Linear
4. Metode Penaksiran Kuadrat Terkecil
5. Metode Penaksiran Kemiripan Maksimum
6. Metode Penaksiran Inferensi Bayes
7. Metode Penaksiran Entropi Maksimum
8. Dll.
 Ferry R., Ir. MT.
TS Unjani
412153067

MODEL GRAVITY
Bangkitan dan Tarikan Pergerakan Zona
Zona 1 2 3 4 Oi
1 200
2 300
3 350
4 150
Dd 300 200 150 350 1,000

Matriks Biaya (Cid)

Zona 1 2 3 4
1 5 20 35 50
2 15 10 50 25
3 55 25 10 30
4 25 15 45 5

Asumsi :
Fungsi Hambatan Eksponensial negatif
= 0.095

Matriks exp(-Cid)
Zona 1 2 3 4
1 0.62189 0.14957 0.03597 0.00865
2 0.24051 0.38674 0.00865 0.09301
3 0.00538 0.09301 0.38674 0.05784
4 0.09301 0.24051 0.01391 0.62189
 Ferry R., Ir. MT.
TS Unjani
412153067

MODEL GRAVITY UNCONSTRAINED

Rumus : Tid = Ai . Oi .Bd . Dd . Exp(- Cid )
Ai = 1 untuk semua i
Bd = 1 untuk semua d

Matriks Hasil Model Gravity Unconstrained Iterasi : 1

Zona 1 2 3 4 oi Oi Ei Ai
1 37,313 5,983 1,079 606 44,981 200 0.004 1.000
2 21,646 23,204 389 9,767 55,006 300 0.005 1.000
3 565 6,511 20,304 7,086 34,466 350 0.010 1.000
4 4,186 7,215 313 32,649 44,363 150 0.003 1.000
dd 63709 42913 22085 50107 178,815
Dd 300 200 150 350 1,000
Ed 0.005 0.005 0.007 0.007 0.006
Bd 1.000 1.000 1.000 1.000

Matriks Hasil Model Gravity Unconstrained Iterasi : 2

Zona 1 2 3 4 oi Oi Ei Ai
1 209 33 6 3 252 200 0.795 1.000
2 121 130 2 55 308 300 0.975 1.000
3 3 36 114 40 193 350 1.816 1.000
4 23 40 2 183 248 150 0.605 1.000
dd 356 240 124 280 1,000
Dd 300 200 150 350 1,000
Ed 0.842 0.833 1.214 1.249 1.000
Bd 1.000 1.000 1.000 1.000
 Ferry R., Ir. MT.
TS Unjani
412153067

MODEL GRAVITY PRODUCTION CONSTRAINED

Rumus : Tid = Ai . Oi .Bd . Dd . Exp(- Cid )
Ai = 1 / (Bd Dd fid) untuk semua i
Bd = 1 untuk semua d

Matriks Hasil Model Gravity Unconstrained Iterasi : 1

Zona 1 2 3 4 oi Oi Ei Ai
1 166 27 5 3 200 200 1.000 0.00445
2 118 127 2 53 300 300 1.000 0.00545
3 6 66 206 72 350 350 1.000 0.01015
4 14 24 1 110 150 150 1.000 0.00338
dd 304 244 214 238 1,000
Dd 300 200 150 350 1,000
Ed 0.987 0.821 0.700 1.469 1.000
Bd 1.000 1.000 1.000 1.000

MODEL GRAVITY ATTRACTION CONSTRAINED

Rumus : Tid = Ai . Oi .Bd . Dd . Exp(- Cid )
Ai = 1 untuk semua i
Bd = 1 / (Ai Oi fid) untuk semua d

Matriks Hasil Model Gravity Unconstrained Iterasi : 1

Zona 1 2 3 4 oi Oi Ei Ai
1 176 28 7 4 215 200 0.930 1.000
2 102 108 3 68 281 300 1.068 1.000
3 3 30 138 49 220 350 1.588 1.000
4 20 34 2 228 284 150 0.529 1.000
dd 300 200 150 350 1,000
Dd 300 200 150 350 1,000
Ed 1.000 1.000 1.000 1.000 1.000
Bd 0.00471 0.00466 0.00679 0.00699
 Ferry R., Ir. MT.
TS Unjani

MODEL GRAVITY 412153067

FULLY CONSTRAINED
Rumus : Tid = Ai . Oi .Bd . Dd . Exp(- Cid )
Ai = 1 / (Bd Dd fid) untuk semua i
Bd = 1 / (Ai Oi fid) untuk semua d

Iterasi : 1
Ai = 1
Bd = 1 / (Ai Oi fid)
Matriks Hasil Model Gravity Unconstrained Iterasi : 1
Zona 1 2 3 4 oi Oi Ei Ai
1 1.000
2 1.000
3 1.000
4 1.000
dd
Dd
Ed
Bd 0.00471 0.00466 0.00679 0.00699

Iterasi : 2
Ai = 1 / (Bd Dd fid)
Bd = Bd (iterasi ke1)
Matriks Hasil Model Gravity Unconstrained Iterasi : 2
Zona 1 2 3 4 oi Oi Ei Ai
1 0.92960
2 1.06786
3 1.58802
4 0.52907
dd
Dd
Ed
Bd 0.00471 0.00466 0.00679 0.00699
 Ferry R., Ir. MT.
TS Unjani

MODEL GRAVITY 412153067

FULLY CONSTRAINED
Iterasi : 13
Ai = Oi (iterasi ke12)
Bd = 1 / (Ai Oi fid)
Matriks Hasil Model Gravity Unconstrained Iterasi : 13
Zona 1 2 3 4 oi Oi Ei Ai
1 0.83508
2 0.95654
3 2.09897
4 0.42402
dd
Dd
Ed
Bd 0.00547 0.00455 0.00341 0.00908
0.00003 0.00000 -0.00002 -0.00002
Iterasi : 14
Ai = 1 / (Bd Dd fid)
Bd = Bd (iterasi ke13)
Matriks Hasil Model Gravity Unconstrained Iterasi : 14
Zona 1 2 3 4 oi Oi Ei Ai
1 170 23 3 5 200 200 1.000 0.83128 -0.00381
2 113 101 1 85 300 300 1.000 0.95517 -0.00137
3 7 62 146 135 350 350 1.000 2.10548 0.00652
4 10 14 0 126 150 150 1.000 0.42476 0.00075
dd 299 200 150 350 1,000
Dd 300 200 150 350
Ed 1.003 1.000 0.997 0.999
Bd 0.00547 0.00455 0.00341 0.00908
 Ferry R., Ir. MT.
TS Unjani
412153067

MODEL PEMILIHAN MODA

• Model yang menggambarkan pergerakan antar zona yang
menggunakan moda transportasi tertentu
• Faktor yang mempengaruhi pemilihan moda; yaitu :
1. Karakteristik Pengguna Jalan (kepemilikan kendaraan, SIM,
struktur keluarga, pendapatan, faktor lainnya)
2. Karakteristik Pergerakan (tujuan pergerakan, waktu terjadinya
pergerakan, jarak perjalanan)
3. Karakteristik Moda Transportasi (KUANTITATIF : waktu
perjalanan, biaya transportasi, parkir; KUALITATIF :
kenyamanan, keamanan, keandalan, dsb)
4. Karakteristik Kota (jarak pusat kota dan kepadatan penduduk)
• Model Pemilihan Moda dan Kaitannya dengan Sub Model Lainnya
G - MS G G G

MS D

D D D - MS MS

A A A A

Tipe I Tipe II Tipe III Tipe IV

(Trip - End) (Trip Interchange)
 Ferry R., Ir. MT.
TS Unjani
412153067

MODEL PEMILIHAN MODA

Model Tipe I
• Model Bangkitan untuk Angkutan Pribadi dan Angkutan Umum
dipisahkan pada saat menyusun model Bangkitan Perjalanan
• Teknik yang digunakan (Analisis Regresi atau Analisi Kategori)
• Variable dan parameters yang digunakan berbeda untuk :
1. Produksi (production) dan Tarikan (attraction)
2. Jenis Moda
Model Tipe II
• Disebut juga TRIP END mode split model
• Teknik dengan menggunakan grafik Diversion Curve (kurva diversi)

Model Tipe III

• Mengkombinasikan antara estimasi pemilihan moda dengan distribusi
gravity
• Black (1981) mengilustrasikan sebagai berikut :
Qid(1)/ Qid(m) = 1/(1+exp[-b(tid(2) – tid(1)])
Dimana :
Qid(1) = trip dari i ke d dgn moda 1
Qid(m) = trip dari i ke d dgn moda m
tid(1) = hambatan transport moda 1
tid(2) = hambatan transport moda 2
b = parameter kalibrasi gravity model
 Ferry R., Ir. MT.
TS Unjani
412153067

MODEL PEMILIHAN MODA

Model Tipe IV
• Biasa disebut TRIP INTERCHANGE mode split model
• Teknik yang digunakan adalah diversion curve, persamaan regresi dan
variasi persamaan model tipe III
• Contoh model tipe IV adalah QRS Model :

MSt = 1/(1+[It/Ia]b)
Dimana :
MSt = prosentase angkutan umum
It = hambatan publict transport i - d
Ia = hambatan private transport i - d
b = eksponen kalibrasi dari survai
KOMENTAR THD MODE SPLIT MODEL
• Perlu dipahami pengertian antara perceived cost dan actual cost
• Captive public transport trips adalah orang yang tidak punya angkutan
pribadi sehingga dia sangat tergantung angkutan umum. Kelompok ini
harus dikeluarkan dari proses mode split model
• Kebanyakan mode split model adalah untuk memilih 2 moda (angkutan
umum dan angkutan pribadi), Sehingga perlu dilakukan hirarki
pemilihan mode untuk lebih dari 2 moda transport (Decision trees) 
BINOMIAL MODE SPLIT (Binomial Logit Model)
 Ferry R., Ir. MT.
TS Unjani
412153067

MODEL PEMILIHAN MODA

BINOMIAL LOGIT MODEL
• Metoda Selisih  Contoh Tipe III Mode Split Model
Qid(1)/ Qid(m) = 1/(1+exp[-b(tid(2) – tid(1)])

• Metoda Rasio  Contoh Tipe IV Mode Split Model

MSt = 1/(1+[It/Ia]b)
Metode selisih tidak cocok digunakan untuk kondisi variasi jarak – waktu –
biaya pasangan zona yang terlalu besar (bias), dimana metode ini hanya
mempertimbangkan selisih karakteristik moda tidak mempertimbangkan rasio
karakteristik antar moda, sehingga diusulkan metode rasio.
Asal Tujuan Jalan Raya (Bus) Jalan Baja (Kereta) % dng % dng CJR CJB
CONTOH KASUS X1 X2 X3 X4 X1 X2 X3 jalan raya jalan baja
A U 25 3 30 10 20 10 19 82 18 102 99
MODEL SPLIT MODEL B
C
U
U
21
19
3
3
25 10
21 10
18
15
8
10
18
8
80
84
20
16
89
81
86
78
D U 16 3 18 10 15 15 7 95 5 72 97
A V 25 5 40 20 25 10 27 75 25 130 117
B V 20 5 25 20 20 8 20 80 20 105 92
C V 15 5 15 20 10 8 10 55 45 85 62
D V 13 5 15 20 15 12 10 89 11 81 88
A W 29 4 42 15 25 10 30 75 25 131 120
B W 19 4 23 15 15 9 25 80 20 92 91
C W 16 4 20 15 12 10 10 70 30 83 74
D W 11 4 15 15 10 10 5 85 15 68 65
Keterangan :
X1 = waktu tempuh selama dalam kendaraan (menit)
X2 = waktu menunggu (menit)
X3 = biaya operasi kendaraan (satuan uang)
X4 = biaya terminal (satuan uang)
Nilai Waktu X1 = 2 satuan uang / menit
Nilai Waktu X2 = 4 satuan uang / menit
CJR = biaya jalan raya = 2.X1 + 4.X2 + X3 + X4
CJB = biaya jalan baja = 2.X1 + 4.X2 + X3
 Ferry R., Ir. MT.
TS Unjani
412153067

MODEL PEMILIHAN MODA

BINOMIAL LOGIT MODEL
• Metoda Selisih
1
P1 = ----------------------------------
1 + exp( +  (C2 - C1)
1 - P1
-------------- = exp( +  D C)
P1
1 - P1
ln ( ------------ ) = + DC
P1
Yi = A + B Xi

CJB - CJR Ln ((1-P)/P)

CJR CJB Xi Yi Xi 2 exp(A+BX i ) P=1/(1+exp(A+BX i ))
(Xi ) (Yi )
102 99 -3 -1.5163 4.5490 9 0.2214 0.8187
89 86 -3 -1.3863 4.1589 9 0.2214 0.8187
81 78 -3 -1.6582 4.9747 9 0.2214 0.8187
72 97 25 -2.9444 -73.6110 625 0.0499 0.9525
130 117 -13 -1.0986 14.2820 169 0.3769 0.7262
105 92 -13 -1.3863 18.0218 169 0.3769 0.7262
85 62 -23 -0.2007 4.6154 529 0.6417 0.6091
81 88 7 -2.0907 -14.6352 49 0.1300 0.8849
131 120 -11 -1.0986 12.0847 121 0.3389 0.7469
92 91 -1 -1.3863 1.3863 1 0.1990 0.8340
83 74 -9 -0.8473 7.6257 81 0.3047 0.7665
68 65 -3 -1.7346 5.2038 9 0.2214 0.8187
 -50 -17.3484 -11.3438 1780
B = (N (Xi Yi) - (Xi Yi)) / (N Xi2 - (Xi)2) -0.0532 = 
A = (rata-rata Y) - B (rata-rata X) -1.6674 = 
n = 12
1
PJR = --------------------------------------------------
1+exp(-1,6674 - 0,0532 (CJB - CJR))
 Ferry R., Ir. MT.
TS Unjani
412153067

MODEL PEMILIHAN MODA

BINOMIAL LOGIT MODEL
• Metoda Rasio 1
P1 = -----------------------
1 +  (C1 / C2)
1 - P1 C1
-------------- =  (-----) 
P1 C2
1 - P1
log ( ------------ ) = log  +  log (C1/C2)
P1
Yi = A + B Xi

CJR / CJB Log (W) Log ((1-P)/P)

CJR CJB Xi Yi Xi 2 W iB P=1/(1+(AW i B ))
(W i ) (Xi ) (Yi )
102 99 1.0303 0.0130 -0.6585 -0.0085 0.0002 1.1432 0.8192
89 86 1.0349 0.0149 -0.6021 -0.0090 0.0002 1.1661 0.8162
81 78 1.0385 0.0164 -0.7202 -0.0118 0.0003 1.1843 0.8139
72 97 0.7423 -0.1294 -1.2788 0.1655 0.0168 0.2629 0.9517
130 117 1.1111 0.0458 -0.4771 -0.0218 0.0021 1.6035 0.7636
105 92 1.1413 0.0574 -0.6021 -0.0346 0.0033 1.8083 0.7412
85 62 1.3710 0.1370 -0.0872 -0.0119 0.0188 4.1128 0.5574
81 88 0.9205 -0.0360 -0.9080 0.0327 0.0013 0.6897 0.8825
131 120 1.0917 0.0381 -0.4771 -0.0182 0.0015 1.4815 0.7776
92 91 1.0110 0.0047 -0.6021 -0.0029 0.0000 1.0502 0.8314
83 74 1.1216 0.0498 -0.3680 -0.0183 0.0025 1.6727 0.7559
68 65 1.0462 0.0196 -0.7533 -0.0148 0.0004 1.2241 0.8088
 0.2313 -7.5343 0.0464 0.0472
B = (N (Xi Yi) - (Xi Yi)) / (N Xi2 - (Xi)2) 4.4819 = 
Log A = (rata-rata Y) - B (rata-rata X) -0.7142
0.1931 = 
n = 12

Model Pemilihan Moda :

1
PJR = ------------------------------------
1 + 0,1931 ( CJR/CJB)4,4819
 Ferry R., Ir. MT.
TS Unjani
412153067

MODEL PEMILIHAN MODA

BINOMIAL LOGIT MODEL 1

• Metoda Selisih PJR = --------------------------------------------------

1+exp(-1,6674 - 0,0532 (CJB - CJR))

BINOMIAL LOGIT MODEL - SELISIH

1.00

0.80

0.60
PJR
0.40

0.20

0.00
-100

20

40

60

80
-80

-60

-40

-20

100
CJB - CJR

•
PJR = ------------------------------------
Metoda Rasio 1 + 0,1931 ( CJR/CJB)4,4819

BINOMIAL LOGIT MODEL - RASIO

1.00

0.80

0.60
PJR

0.40

0.20

0.00
0.00
0.20
0.40
0.60
0.80
1.00
1.20
1.40
1.60
1.80
2.00
2.20
2.40
2.60
2.80
3.00
3.20
3.40
CJR / CJB
Ferry R., Ir. MT.
TS Unjani
412153067
 Ferry R., Ir. MT.
TS Unjani
412153067

MODEL PEMBEBANAN LALU LINTAS

• Proses pembebanan perjalanan asal – tujuan dengan moda tertentu
pada rute tertentu dari jaringan transport
• Pertimbangan pemilihan rute :
1. All or Nothing Assignment; lalu lintas menggunakan satu rute
terkecil hambatan transportnya (jarak, waktu atau biaya).
2. Multipath Assignment; lalu lintas memilih rute terpendek
berdasarkan persepsi masing-masing pengendara.
3. Probabilistic Assignment; lalu lintas memilih rute dengan
pertimbangan tidak hanya meminimalkan hambatan lalu lintas.

• Klasifikasi Model Pembebanan Lalu Lintas :

1. Proporsional Assignment; Pemilihan rute tidak dipengaruhi
oleh volume yang terjadi pada ruas (kecepatan bukan
merupakan fungsi volume)
2. Non Proporsional Assignment; Pemilihan rute dipengaruhi
oleh volume yang terjadi pada ruas (kecepatan merupakan
fungsi volume)
 Ferry R., Ir. MT.
TS Unjani
412153067

MODEL PEMBEBANAN LALU LINTAS

• Faktor Penentu Utama Pemilihan Rute :
1. Waktu Tempuh; total waktu tempuh perjalanan
2. Nilai Waktu; konversi nilai uang terhadap waktu perjalanan
3. Biaya Perjalanan; dapat dinyatakan dalan nilai uang, waktu, jarak
atau kombinasi ketiganya (biaya gabungan)
4. Biaya Operasi kendaraan; meliputi BBM, pelumas, penggantian,
perawatan dan personil

• Model-Model Pembebanan Lalu Lintas :

1. Model All or Nothing
2. Model Stokastik (Burrel; Sakarovith; Stokastik Proporsional; Perilaku
Kebutuhan akan transport)
3. Model Batasan Kapasitas (All or Nothing Berulang; Pembebanan
Bertahap; Pembebanan Stokastik dengan Batasan Kapasitas;
Pembebanan Berulang; Pembebanan Kuantal; Pembebanan Banyak
Rute; Pembebanan Berpeluang)
4. Model Keseimbangan
5. Model Keseimbangan Lanjut
6. Model Keseimbangan Sistem Transportasi
7. Model Kurva Diversi
8. Model Pembebanan elastis
 Ferry R., Ir. MT.
TS Unjani
412153067

MODEL PEMBEBANAN LALU LINTAS

MODEL ALL OR NOTHING

rute hambatan volume

40
1 0

A 2 20 1000 B

3 60 0
 Ferry R., Ir. MT.
TS Unjani
412153067

MODEL PEMBEBANAN LALU LINTAS

MODEL BURREL

rute hambatan volume

40
1
333
A 2 20 500 B
167
3 60

Ruas Hambatan Ranking % volume

1 40 II 40/120
2 20 I 60/120
3 60 III 20/120
120
 Ferry R., Ir. MT.
TS Unjani
412153067

MODEL PEMBEBANAN LALU LINTAS

INCREMENTAL LOADING ASSIGNMENT MODEL

rute hambatan (W) volume
100 + V
1
300
A 2 0,9 V + 50 400 B
300
3 1,1 V + 40

Load Rute - 1 Rute - 2 Rute - 3

V W V W V W
0 0 100 0 50 0 40
100 0 100 0 50 100 150
100 0 100 100 140 100 150
100 100 200 100 140 100 150
100 100 200 200 230 100 150
100 100 200 200 230 200 260
100 200 300 200 230 200 260
100 200 300 300 320 200 260
100 200 300 300 320 300 370
100 300 400 300 320 300 370
100 300 400 400 410 300 370
 Ferry R., Ir. MT.
TS Unjani
412153067

MODEL PEMBEBANAN LALU LINTAS

EQUILIBRIUM ASSIGMNET MODEL

rute hambatan (W) volume

100 + V
1
295
A 2 0,9 V + 50 383 B
322
3 1,1 V + 40

100 + V1 = 0,9V2 + 50 = 1,1V 3 + 40

V1 + V2 + V3 = total trip A - B

Rute - 1 Rute - 2 Rute - 3

V W V W V W
295 395 383 394.7 322 394.2

TRANPLAN
Ferry R., Ir. MT.
TS Unjani
412153067
 Ferry R., Ir. MT.
TS Unjani
PERAMALAN dan EVALUASI 412153067

TUJUAN PEMODELAN TRANSPORTASI

• Pemahaman tentang bagaimana sistem transportasi bekerja
• Peramalan lalu lintas mendatang sehubungan dengan peramalan tata guna lahan
atau rencana tranportasi LAND USE / TRANSPORT MODEL
TEORISTIS
(Uncalibrated)

DATA LAND USE DATA SISTEM TRANSPORT

Tahun Dasar Tahun Dasar

KALIBRASI dan VALIDASI

LAND USE / TRANSPORT MODEL
Tahun Dasar

PERAMALAN atau RENCANA ALTERNATIVE RENCANA

LAND USE SISTEM TRANSPORTASI
Tahun Rencana Tahun Rencana

LAND USE / TRANSPORT MODEL

Tahun Rencana

PREDIKSI LALU LINTAS

Kondisi
DONOTHING dan DOSOMETHING

EVALUASI
Pemilihan Rencana Terbaik

IMPLEMENTASI
EVALUASI Rencana Terbaik

Pemilihan Rencana Terbaik dengan berdasarkan kondisi lalu lintas (Do Something
and Do Nothing Scenarios)
• Evaluasi Operasional (karakteristik lalu lintas dan jaringan)
• Evaluasi Ekonomi (biaya dan manfaat)
• Evaluasi Lingkungan (karakteristik lingkungan) TRANPALN
Ferry R., Ir. MT.
TS Unjani
412153067