BANGKITAN PERJALANAN

(TRIP GENERATION)
 BANGKITAN DAN TARIKAN PERGERAKAN

Bangkitan pergerakan adalah tahapan pemodelan yang memperkirakan jumlah

pergerakan yang berasal dari suatu zona atau tata guna lahan dan
jumlah pergerakan yang tertarik ke suatu tata guna lahan atau zona.

Pergerakan lalulintas merupakan fungsi tata guna lahan yang menghasilkanpergerakan

lalulintas.

Bangkitan lalulintas ini mencakup:

 Lalulintas yang meninggalkan suatu lokasi
 Lalulintas yang menuju atau tiba ke suatu lokasi.
Bangkitan Pergerakan:
Bangkitan pergerakan adalah banyaknya lalu lintas yang ditimbulkan oleh suatu
zone atau daerah per satuan waktu. Dengan mengetahui bangkitan pergerakan,
jumlah perjalanan tiap daerah atau zona pada masa sekarang dan masa yang
akan datang.
Hasil keluaran dari perhitungan bangkitan dan tarikan lalulintas berupa:
1) Jumlah kendaraan
2) orang, atau angkutan barang per satuan waktu, misalnya kendaraan/jam.

Kita dapat dengan mudah menghitung jumlah orang atau kendaraan yang masuk
atau keluar dari suatu luas tanah tertentu dalam satu hari (atau satu jam) untuk
mendapatkan bangkitan dan tarikan pergerakan.

Bangkitan dan tarikan lalulintas tergantung pada dua aspek tata guna lahan:
• Jenis tata guna lahan dan
• Jumlah aktivitas (dan intensitas) pada tata guna lahan tersebut.
JENIS TATA GUNA LAHAN
Jenis tata guna lahan yang berbeda (permukiman, pendidikan, dan komersial)
mempunyai ciri bangkitan lalulintas yang berbeda:
• Jumlah arus lalulintas;
• Jenis lalulintas (pejalan kaki, truk, mobil);
• Lalulintas pada waktu tertentu (kantor menghasilkan arus lalulintas pada pagi dan sore
hari, sedangkan pertokoan menghasilkan arus lalulintas di sepanjang hari).
Jumlah dan jenis lalulintas yang dihasilkan oleh setiap tata guna lahan merupakan
hasil dari fungsi parameter sosial dan ekonomi; seperti contoh di Amerika Serikat
(Black, 1978 Page 40 Ofyar Z Tamin, Perencanaan dan Pemodelan Transportasi):

• 1 ha perumahan menghasilkan 60 70 pergerakan kendaraan per minggu;

• 1 ha perkantoran menghasilkan 700 pergerakan kendaraan per hari; dan
• 1 ha tempat parkir umum menghasilkan 12 pergerakan kendaraan per hari
INTENSITAS AKTIVITAS TATA GUNA LAHAN

Bangkitan pergerakan bukan saja beragam dalam jenis tata guna lahan, tetapi juga
tingkat aktivitasnya. Semakin tinggi tingkat penggunaan sebidang tanah, semakin tinggi
pergerakan arus lalulintas yang dihasilkannya. Salah satu ukuran intensitas aktivitas
sebidang tanah adalah kepadatannya. Tabel di bawah ini memperlihatkan bangkitan
lalulintas dari suatu daerah permukiman yang mempunyai tingkat kepadatan berbeda di
Inggris (Black, 1978). Page 40 Ofyar Z Tamin, Perencanaan dan Pemodelan Transportasi
Walaupun arus lalulintas terbesar yang dibangkitkan berasal dari daerah
permukiman di luar kota, bangkitan lalulintasnya terkecil karena intensitas
aktivitasnya (dihitung dari tingkat kepadatan permukiman) paling rendah. Karena
bangkitan lalulintas berkaitan dengan jenis dan intensitas perumahan, hubungan
antara bangkitan lalulintas dan kepadatan permukiman menjadi tidak linear.
4 Tipe Pergerakan

• Eksternal  Eksternal, zona asal dan tujuan berada diluar daerah kajian;
• Internal  Internal, salah satu zona asal atau tujuan berada diluar
daerah kajian;
• Internal  Internal, zona asal dan tujuan berada didalam daerah kajian;
• Intrazona, zona asal dan tujuan berada didalam satu zona tertentu.
Asumsi terjadinya distribusi perjalanan:
Pola penggunaan lahan dan perkembangan di wilayah studi
Karakteristik ekonomi sosial dari populasi
Sifat dan kemampuan sistem
Faktor-faktor yang mempengaruhi B angkitan Perjalanan:
Faktor penggunaan lahan (80% -90% perjalanan berbasis rumah)
Ukuran keluarga (0,8 perjalanan per hari untuk setiap orang tambahan)
Kepemilikan kendaraan
Pendudukan warga
Penghasilan keluarga
Struktur umur
Lainnya
 Regression Models:

Simple Linear
Y = a + bX Y = a + bX

REGRESSION

Multiple Non-Linear
Y = a + b1X1 + … + bnXn Y = a + bx + cx2
Y = aXb
ANALISIS REGRESI
Analisis regresi adalah sutu metode statistika untuk mempelajari bagaimana suatu
variabel tidak bebas dihubungkan dengan satu ataulebih variabel bebas.
Dalam analisis regresi, untuk kasus trip generation, diasumsikan bahwa besarnya
bangkitan/tarikan mempunyai korelasi dengan beberapa faktor (sosio ekonomi,
demografi, dll) sehingga dengan memperhitungkan besarnya sosio-ekonomi,
demografi, dll, dapat dihitungbesarnya bangkitan/tarikan.

DemografiPopulasi Populasi naik maka pergerakan bertambah

Sosio ekonomiPendapatan Pendapatan naik maka pergerakan bertambah

Regresi merupakan suatu alat ukur yang juga digunakan untuk mengukur ada atau
tidaknya korelasi antarvariabelnya.
Istilah regresi itu sendiri berarti ramalan atau taksiran. Persamaan yang digunakan
untuk mendapatkan garis regresi pada data diagram pencar disebut persamaan
regresi.
Untuk menempatkan garis regresi pada data yang diperoleh maka digunakan metode
kuadrat terkecil, sehingga bentuk persamaan regresi adalah sebagai berikut:

Dimana : Y : Variabel tidak bebas (dependent variable)

X : Variabel bebas (Independent variable)
Y = a + bX a : Konstanta/intercept
b : Koefisien/parameter
Kesamaan di antara garis regresi dan garis trend tidak dapat berakhir dengan
persamaan garis lurus. Garis regresi (seperti garis trend dan nilai tengah aritmatika)
memiliki dua sifat matematis berikut : (Y – Y’) = 0 dan (Y – Y’)2 = nilai terkecil atau
terendah.
Dengan perkataan lain, garis regresi akan ditempatkan pada data dalam diagram
sedemikian rupa sehingga penyimpangan (perbedaan) positif titik-titik terhadap titik
titik pencar di atas garis akan mengimbangi penyimpangan negatif titik-titik pencar
yang terletak di bawah garis, sehingga hasil pinyimpangan keseluruhan titik-titik
terhadap garis lurus adalah nol.
Untuk tujuan diatas, perhitungan analisis regresi dapat dipermudah dengan
menggunakan Rumus sebagai berikut:
Jika Variabel bebas lebih dari satu, diperlukan analisis Regresi Multilinier, yg persamaan
umumnya adalah sbb : Y = a + b1x1+ b2x2+ b3x3+ ... + bnxn
Beberapa asumsi statistik diperlukandalam analisis regresi multilinier :
1. Variabel tidak bebas adalah fungsi linier dari variabel bebas, Jika hubungan tsb tidak
linier maka harus ditransformasikan menjadi linier
2. Variabel, terutama variabel bebas adalah tetap atau telah diukur tanpa kesalahan
3. Sesama variabel bebas tidak boleh ada korelasi dan jika terdapat korelasi antara 2
buah variabel bebas maka salah satu variabel harus dibuang (yg dibuang adalah
variabel yg pengaruhnya kecil terhadap variabel tidak bebas.
4. Variansi dari variabel tidak bebas tentang garis regresi adalah sama untuk seluruh nilai
variabel bebas
5. Nilai variabel tidak bebas harus berdistribusi normal atau mendekati
 Zona X (Kepemililikan Kendaraan) Y (Trip Production) XY X2 Y2
1 200 500 100000 40000 250000
2 50 300 15000 2500 90000
3 500 1300 650000 250000 1690000
4 100 200 20000 10000 40000
5 100 400 40000 10000 160000
6 400 1200 480000 160000 1440000
7 300 900 270000 90000 810000
8 400 1000 400000 160000 1000000
2050 5800 1975000 722500 5480000
8. 1975000 2050 . (5800) 5800 (2,478 × 2050)
= =
8 722500 (2050) 8

( , )
(15800000) (11890000) = = 89,857
=
5780000 (4202500)

3910000 Sehingga Model Bangkitan Perjalanan adalah:

= = 2,478 Y= 89,857 + 2,478X
1577500
 Hubungan Kepemilikan Kendaraan dan Trip Production
1400
1300

1200
1200

1000
1000
900

800

y = 2.4786x + 89.857
600
500

400
400
300

200
200

0
0 100 200 300 400 500 600
 Assignment 1:

Buat data hubungan Antara Kepemilikan kendaraan dan Trip Production yang
terdiri dari 25 Zona, Tentukan nila X dan Y
Dikerjakan dengan bantuan Microsoft office excel dan buktikan secara manual
untuk mendapatkan Persamaan Linier Model Bangkitan Perjalanan
Tugas Dikumpulkan minggu depan dalam bentuk Soft Copy
 Koefisien Determinasi

Koefesien diterminasi dengan simbol r2 merupakan proporsi variabilitas dalam suatu

data yang dihitung didasarkan pada model statistik.
Definisi berikutnya menyebutkan bahwa r2merupakan rasio variabilitas nilai-nilai yang
dibuat model dengan variabilitas nilai data asli.
Secara umum r2 digunakan sebagai informasi mengenai kecocokan suatu model.
Dalam regresi r2 ini dijadikan sebagai pengukuran seberapa baik garis regresi
mendekati nilai data asli yang dibuat model.
Jika r2 sama dengan 1, maka angka tersebut menunjukkan garis regresi cocok
dengan data secara sempurna.
 Koefisien Korelasi

ialah pengukuran statistik kovarian atau asosiasi antara dua variabel. Besarnya
koefesien korelasi berkisar antara +1 s/d -1. Koefesien korelasi menunjukkan
kekuatan (strength) hubungan linear dan arah hubungan dua variabel acak. Jika
koefesien korelasi positif, maka kedua variabel mempunyai hubungan searah. Artinya
jika nilai variabel X tinggi, maka nilai variabel Y akan tinggi pula. Sebaliknya, jika
koefesien korelasi negatif, maka kedua variabel mempunyai hubungan terbalik.
Artinya jika nilai variabel X tinggi, maka nilai variabel Y akan menjadi rendah (dan
sebaliknya). Untuk memudahkan melakukan interpretasi mengenai kekuatan
hubungan antara dua variabel penulis memberikan kriteria sebagai berikut
(Sarwono:2006):
 Interval Koefisien Tingkat Hubungan
0.000 – 0.199 Korelasi Sangat rendah
0.200 – 0.399 Korelasi Rendah
0.400 – 0.599 Korelasi Sedang
0.600 – 0.799 Korelasi Kuat
0.800 – 1.000 Korelasi Sangat kuat

Nilai korelasi berkisar antara 1 sampai -1, nilai semakin mendekati 1 atau -1 berarti
hubungan antara dua variabel semakin kuat.
Sebaliknya, jika nilai mendekati 0 berarti hubungan antara dua variabel semakin
lemah. Nilai positif menunjukkan hubungan searah (X naik, maka Y naik) sementara
nilai negatif menunjukkan hubungan terbalik (X naik, maka Y turun).
Besarnya korelasi -1 adalah negatif sempurna yakni terdapat hubungan di antara dua
variabel atau lebih namun arahnya terbalik.
+1 adalah korelasi yang positif sempurna (sangat kuat) yakni adanya sebuah
hubungan di antara dua variabel atau lebih tersebut.
Koefisien korelasi 0 dianggap tidak terdapat hubungan antara dua variabel atau lebih
yang diuji sehingga dapat dikatakan tidak ada hubungan sama sekali.

r
 ( x  x )( y  y ) n xy   x  y
2 2
atau: r
[ ( x  x ) ][  ( y  y ) ] [n(  x 2 )  (  x )2 ][n(  y 2 )  (  y )2 ]

dimana:
r = koefisien korelasi
n = ukuran sampel
x = nilai var bebas
y = nilai var terikat
Cara menghitung Regresi Linier sederhana pada Calculator
Langakah menghitung:
Mengisi Data:
1). Pilih Mode
2). Pilih 3 STAT
3). Pilih 2 A+BX (regresi linier)
4). Masukan Variabel X dan Y dari data yang ada
5). Tekan ON
6). Tekan SHIFT
7). Tekan 1(STAT)
8). Tekan angka 5 (VEKTOR)
9). Tekan 1 (A konstanta)
10). Tekan (=) Diperoleh nilai A
Menghitung B:
1). Ulangi langkah 5, 6, 7, 8
2). Tekan 2 (B)
3) Tekan (=) Diperoleh nilai B
Sehingga di peroleh nilai dari persamaan Y= A+BX
Menghitung R atau r:
1). Ulangi langkah 5, 6, 7, 8
2). Tekan 5 (R)
3). Tekan (=) Diperoleh nilai R
Skema Bangkitan Dan Pergerakan
 Assignment 2:

Lanjutkan tugas 1 hubungan Antara Kepemilikan kendaraan dan Trip Production

yang terdiri dari 25 Zona, Tentukan nila X dan Y
Hitung Koefisien Determinasi dan Koefisien Korelasi, serta berikan penjelasan
dari hasil koefisien Korelasi yang di peroleh
Tugas Dikumpulkan minggu depan dalam bentuk Soft Copy
 MODEL FAKTOR PERTUMBUHAN (GROWTH FACTOR)

a. Dengan faktor konstan:

Melihat distribusi saat ini di zona pembangkit, kenaikan pertahunnya
dianggap konstan

b. Dengan faktor rata-rata:

Melihat distribusi saat ini di zona pembangkit dan penarik, kenaikan
pertahunnya merupakan rata-rata dari kedua zona tsb.

c. Metoda Fratar:
Jumlah distribusi perjalanan dari bangkitan suatu zone di
masa mendatang harus sesuai dengan perkiraan bangkitan perjalanan

d. Metoda Furness:
Jumlah distribusi perjalanan dari zone asal maupun zone tujuan, harus
sesuai dengan perkiraan bangkitan dan tarikan perjalanan
 MODEL FAKTOR PERTUMBUHAN (GROWTH FACTOR)

Model ini merupakan model yg digunakan untuk memperkirakan jumlah perjalanan

pada masa yg akan datang

Ti = Fi . ti

Dimana :
Ti : Jumlah perjalanan pada masa yg akan datang di zona i
ti : Jumlah perjalanan pada saat ini di zona i
Fi : Faktor pertumbuhan

Dimana :
p : Populasi
I : Income
C : Kepemilikan kendaraan
d : design / future / mendatang
c : current / saat ini
Contoh:
Apabila dalam suatu zona terdapat 100 rumah tangga yg memiliki kendaraan dan
200 rumah tangga yang tidak memiliki kendaraan, dengan asumsi bahwa rata-rata
tingkat perjalanan masing-masing adalah :
6 trip/hari dan 2,25 trip/hari maka total perjalanan dari zona tersebut adalah:

Ti = 100 x 6 + 200 x 2,25 = 1050 trip/hari

Jika di kemudian hari diasumsikan semua rumah tangga memiliki kendaraan, maka
faktor pertumbuhannya adalah :
Berdasarkan pada persamaan sebelumnya :
Ti = Fi . ti  Ti = 1.5 x 1050 = 1575 trip/hari
Dari hasil Ti tersebut terlihat bahwa pendekatan metode Growth Factor ini sangat
kasar, karena dari asumsi rata-rata tingkat perjalanan dapat diketahui :
Ti = 300 x 6 = 1800 trip/hari

Atau dgn kata lain bahwa hasil perhitungan dgn metode/model Growth Factor terjadi
underestimate sebesar :

(1800 – 1575)
------------------ x 100% = 12.5 %
1800
Berdasarkan kenyataan diatas, maka model Growth Factor hanya tepat digunakan
untuk memperkirakan perjalanan di masa datang pada zona eksternal, karena pada
zona ini sulit mendapatkan data secara akurat.

Saat ini, model yg sering digunakan adalah :

- Model Analisis Regresi
- Model Analisis Kategori
 ANALISIS KATEGORI

Membagi tiap jenis perjalanan yang dibangkitkan menjadi berbagai kategori, tergantung
dari sifat perjalanan dan pelaku perjalanan

Mencari jumlah perjalanan rata-rata untuk masing-masing kategori, pembagian kategori,

misalnya:
Pemilikan mobil: a. 0 b. 1 c. >1
Pendapatan: a. rendah b. sedang c. tinggi
Jumlah Keluarga: a. 1-2 b. 3-4 c. >4
Contoh soal
Hasil analisis kategori memperlihatkan hubungan antara jumlah perjalanan rata-
rata perhari dengan berbagai variabel sebagai berikut ini:
Hitung jumlah perjalanan yang dibangkitkan oleh zone yang terdiri dari:
100 rumah tangga tanpa mobil, penghasilan rendah, anggota r.t. 3 orang +
200 rumah tangga tanpa mobil, penghasilan rendah, anggota r.t. 4 orang +
300 r. tangga dengan 1 mobil, penghasilan menengah, anggota r.t. 3 orang +
50 rumah tangga dengan 2 mobil, penghasilan tinggi, anggota rumah tangga 3 orang.

Penyelesaian:

Jumlah perjalanan:
100 x 3,4 = 340
200 x 4,9 = 980
300 x 7,3 = 2190
50 x 10,0 = 500
____________________
Total = 4010 perjalanan/hari
 Apakah pernyataan-pernyataan ini benar?
Suatu perjalanan dari tempat kerja menuju kerumah adalah “perjalanan
yang dibangkitkan oleh tempat kerja”?

Suatu perjalanan dari rumah menuju ketempat kerja adalah “tarikan yang
diakibatkan oleh tempat kerja”?

Perjalanan dari rumah, berjalan kaki menuju ke halte bus, kemudian naik
bus sampai ke stasiun kereta api, kemudian naik kereta api sampai ke
tempat tujuan dianggap sebagai 3 kali perjalanan?