Pamuko Aditya R PDF

ESTIMASI MODEL SEBARAN PERGERAKAN DARI DATA
ARUS LALU LINTAS DENGAN METODE STEEPEST

DESCENT MENGGUNAKAN APLIKASI SOFTWARE EMME/3
(Studi Kasus Kota Surakarta)
Model Estimation of Distribution Movement from Traffic Count Data with

Steepest Descent Method by using Software Application EMME/3
(Surakarta Case Study)
SKRIPSI
Diajukan Sebagai Salah Satu Syarat

Untuk Memperoleh Gelar Sarjana Teknik
Disusun Oleh :
PAMUKO ADITYA RAHMAN

NIM. I 0106109
JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK

UNIVERSITAS SEBELAS MARET
SURAKARTA
2010
42
43
LEMBAR PERSETUJUAN


Disusun Oleh :

NIM I0106109
Telah disetujui untuk dipertahankan dihadapan Tim Penguji Pendadaran

Jurusan Teknik Sipil Fakultas Teknik Universitas Sebelas Maret
Persetujuan Dosen Pembimbing
Dosen Pembimbing I Dosen Pembimbing II
DR. Eng. Ir. Syafi’i , MT Ir. Agus Sumarsono,MT

N I P . 19670602 199702 1001 N I P . 19570814 198601 1001
44

SKRIPSI
Disusun Oleh :

NIM. I 0106109
Telah dipertahankan dihadapan Tim Penguji Pendadaran Jurusan Teknik Sipil

Fakultas Teknik Universitas Sebelas Maret pada hari Rabu tanggal 14 April 2010
1. DR. Eng. Ir. Syafi’i, MT ---------------------------------

NIP. 19670602 199702 1001
2. Ir. Agus Sumarsono, MT ---------------------------------

NIP. 19570814 198601 1001
3. Ir. Djoko Sarwono, MT ---------------------------------

NIP. 19600415 199201 1001
4 Slamet Jauhari Legowo, ST,MT ---------------------------------

NIP. 19670413 199702 1001
Mengetahui, Disahkan,
a.n. Dekan Fakultas Teknik UNS Ketua Jurusan Teknik Sipil
Pembantu Dekan I Fakultas Teknik UNS
Ir.NOEGROHO DJARWANTI, MT Ir. BAMBANG SANTOSA, MT

NIP. 19561112 198403 2007 NIP. 19590823 198601 1001
45
Motto
”Orang-orang yang berhasil di dunia ini adalah orang-orang yang bangkit dan mencari
keadaan yang mereka inginkan dan jika tak menemukannya, mereka akan membuatnya
sendiri.”
(George Bernard Shaw)
”Jembatan kehidupan tak akan pernah tersambung, sebelum kita fokus, mendedikasikan diri
dan berdisiplin.”
(Henry Emerson Fosdick)
”When you make mistake – it makes you smarter”
(Daniel Coyle)
46
Persembahan
Dedicated to :
”My Great precious Lord Allah, My Life inspiration Phopet Muhammad.”

”My Beloved Mom and Dad, Lusdiyono and Cey Hetty”
”My younger sister and brother, Rizkia Prabandini R. And Mufid Abdur R.”
”My best friends ever, Dinar Rahmawati and Senja Megawati”
47
ABSTRAK
Pamuko Aditya Rahman, 2010, Estimasi Model Sebaran Pergerakan dari

Data Arus Lalu Lintas dengan Metode Steepest Descent Menggunakan
Aplikasi Software EMME/3 (Studi Kasus Kota Surakarta). Skripsi. Jurusan
Teknik Sipil Fakultas Teknik Universitas Sebelas Maret Surakarta.
Pola sebaran arus lalu lintas antara zona asal ke zona tujuan adalah hubungan hasil
interaksi tata guna lahan, jaringan transportasi dan arus. Distribusi perjalanan atau
pergerakan tersebut dapat dinyatakan dalam bentuk matriks asal tujuan (MAT)
maupun dengan diagram garis keinginan (desire line).
Penelitian ini bertujuan untuk mengetahui besarnya estimasi model sebaran

pergerakan dengan menggunakan metode steepest descent. Selain itu untuk
mengetahui tingkat validasi dari arus lalu lintas hasil pemodelan dengan arus lalu
lintas hasil pengamatan di lapangan.
Penelitian ini dilakukan di kota Surakarta sebagai daerah kajian dengan membagi
Surakarta menjadi 65 zona dengan 51 zona internal dan 14 zona eksternal.
Jaringan jalan yang dianalisis adalah ruas jalan arteri dan ruas jalan kolektor.
Metode yang digunakan untuk mendapatkan matriks baru adalah metode steepest
descent. Nilai volume lalu lintas diperoleh dengan cara membebankan Matriks
baru dan memasukan arus hasil pengamatan (traffic count) ke dalam jaringan jalan
dengan metode pembebanan User Equilibrium. Uji Validasi menggunakan
koefisien Determinasi (R²).
Dari hasil perhitungan dengan bantuan EMME/3, diperoleh total jumlah

pergerakan kota Surakarta adalah 32361,41 smp/jam. Tingkat validasi (R2) yang
didapatkan adalah sebesar 0.8463.
Kata kunci : Arus Lalu lintas, Estimasi Pergerakan, EMME/3, Steepest Descent
48
ABSTRACT
Pamuko Aditya Rahman, 2010, Model Estimation of Distribution Movement

from Traffic Count Data with Steepest Descent Method by using Software
Application EMME/3 (Surakarta Case Study). Thesis. Civil Engineering
Department Faculty of Engineering, Sebelas Maret University Surakarta.
Trip distribution pattern between origin to destination zone is the relationship

resulted from an interaction of land use, transportation networks and flows. Travel
distribution or movement can be expressed in the form of Origin-Destination (O-
D) matrix as well as a desire line diagram.
This study aimed to know the amount of estimation trip distribution models using
the steepest descent method. In addition, to know the validation level by
comparing traffic flow resulted from the model and observation.
This research was conducted in the city of Surakarta. The study area is divided
into 65 zones with 51 internal and 14 external zones. The road network analyzed
arterial and collector roads. The method used to obtain a new matrix is a method
of steepest descent. The value of traffic volume is obtained by assigning a new
matrix and inputing the current observations (traffic count) into the road network
with User Equilibrium assignment. Validation tests used is the coefficient of
determination (R2).
From the calculation with EMME/3 software, show that the total number
movements of the city of Surakarta is 32361.41 pcu/hour. The level of validation
(R2) is 0.8463.
Keywords : EMME/3, Estimated Movement, Steepest Descent, Traffic Flow

49
KATA PENGANTAR
Puji syukur kepada Tuhan Yang Maha Esa atas berkat-Nya, sehingga penulis
dapat menyelesaikan penyusunan skripsi dengan judul ESTIMASI MODEL
SEBARAN PERGERAKAN DARI DATA ARUS LALU LINTAS DENGAN
METODE STEEPEST DESCENT MENGGUNAKAN APLIKASI
SOFTWARE EMME/3 (Studi Kasus Kota Surakarta). Ucapan salam, penulis
haturkan pada junjungan dan panutan, Nabi Muhammad SAW yang selalu
menjadi suri teladan bagi semua umat islam di dunia ini.
Penulis menyadari bahwa penyusunan tugas akhir ini jauh dari sempurna,
sehingga dapat digunakan sebagai bahan pembelajaran penulis dalam penelitian
pada masa yang akan datang. Penulis juga mengharapkan laporan ini bisa
menambah pengetahuan dan wawasan bagi semua kalangan teknik sipil
khususnya Jurusan Teknik Sipil Fakultas Teknik UNS Solo.
Skripsi ini disusun sebagai salah satu syarat yang harus ditempuh guna meraih
gelar Sarjana Teknik Sipil pada Fakultas Teknik Universitas Sebelas Maret
Surakarta. Skripsi ini tidak dapat terselesaikan tanpa bantuan, bimbingan, dan
saran dari berbagai pihak, karena itu pada kesempatan ini penulis ingin
menyampaikan terima kasih kepada :
1. Segenap Pimpinan Fakultas Teknik Universitas Sebelas Maret Surakarta.

2. Segenap Pimpinan Jurusan Teknik Sipil Fakultas Teknik Universitas Sebelas
Maret Surakarta.
3. DR. Eng. Ir. Syafi’i, MT, selaku Pembimbing Akademis dan Dosen
Pembimbing I Skripsi serta motivator. Terima kasih atas semua waktu,
bimbingan, motivasi, dan bantuan, serta kepercayaan bapak untuk bisa
menyelesaikan tugas akhir ini, telah banyak ilmu, nasehat, dan saran demi
kemajuan penulis.
4. Ir. Agus Sumarsono, MT, selaku Dosen Pembimbing II Skripsi. Terima kasih
atas semua waktu, bimbingan, motivasi serta bantuannya selama pembuatan
skripsi ini sampai selesai.
5. Tim penguji ujian pendadaran skripsi, Ir. Djoko Sarwono, M.T dan Slamet
Jauhari Legowo, S.T, M.T, Terima kasih atas kesediaannya untuk menguji dan
membimbing saya agar saya lulus.
6. Semua Staf Pengajar pada Jurusan Teknik Sipil Fakultas Teknik Universitas
Sebelas Maret.
7. PT. Wijaya Karya (Persero), Tbk. yang memberikan dukungan keilmuan
diluar bangku perkuliahan dan dukungan materiilnya. Terima kasih telah
50
diperkenankan untuk dipertemukan dengan orang-orang hebat dan teman-

teman brilian yang kelak menjadi teman seperjuangan. Mohon bimbingannya.
8. Laboratorium Traffic yang menjadi saksi kerja keras, perdebatan, penat, dan
semangatku.Semoga kau selalu jadi kenangan untukku.
9. Teman-teman angkatan 2006, sahabat-sahabatku Paramitha, Saptadhi, Samuri,
Trisno, Wira, Anshori, Rizky, Dimitrij, Winny, Ratna, Rika, Setyo, Lily, Vivi,
Dimas Agung. Terima kasih telah mendengar keluhku, menghiburku, dan
teman main bareng.
10. Tim Lab. Traffic (Mas Anton, Mas Najib, Mbak Retno, Mbak Rodi) dan
kakak tercinta Mbak Nurmalia yang selalu memberikan semangat disaat lelah
dan penatnya pikiran. Terima kasih buat tawa, marah, sedih, ejekan,
kebersamaan, dan kerjasamanya selama ini. Akhirnya kita dapat meraih sukses
bersama.
11. Teman-teman MDL WIKA (Eko Aris, Eko Hin, Alve, Didin, Setyo, Syarif,
Hasan) yang selalu sharing ilmu di hari Senin dan Kamis. You’re the best
team.
12. Kakak-kakak seniorku (Mas Harbun, Mas Busur, Mbak Sri, Mbak Eva) yang
memotivasi penulis untuk tetap berkarya dan mengejar cita-cita.
13. Teman-teman Wisma Mulia (Mas Joko, Mas Susilo, Rois, Tony), terima kasih
atas doa dan semangat serta candaan yang selalu menghibur.
14. Seluruh civitas akademika Teknik Sipil UNS. Terima kasih atas bantuannya.
15. Semua orang yang telah mengisi memori suka dan duka dalam hidupku, tanpa
semua itu penulis tidak akan pernah belajar dari kesalahan dan kegagalan.
Akhirnya, penulis mengharapkan nantinya penelitian ini tetap berlanjut dan dapat
disempurnakan oleh penulis lainnya. Dalam kehidupan proses belajar tidak akan
pernah terhenti. Terima kasih.
Surakarta, 14 April 2010
Penulis
51
DAFTAR ISI
Hal
HALAMAN JUDUL.......................................................................................... i
HALAMAN PERSETUJUAN........................................................................... ii
HALAMAN PENGESAHAN............................................................................ iii
MOTTO ............................................................................................................ iv
PERSEMBAHAN.............................................................................................. v
ABSTRAK......................................................................................................... vi
ABSTRACT...................................................................................................... vii
KATA PENGANTAR....................................................................................... viii
DAFTAR ISI...................................................................................................... x
DAFTAR TABEL.............................................................................................. xiii
DAFTAR GAMBAR......................................................................................... xv
DAFTAR NOTASI DAN SIMBOL.................................................................. xvi
DAFTAR LAMPIRAN...................................................................................... xviii
BAB 1 PENDAHULUAN
1.1. Latar Belakang............................................................................. 1
1.2. Rumusan Masalah....................................................................... 3
1.3. Batasan Masalah.......................................................................... 3
1.4. Tujuan Penelitian......................................................................... 4
1.5. Manfaat Penelitian....................................................................... 4
1.5.1. Manfaat Teoritis................................................................ 4
1.5.2. Manfaat Praktis................................................................... 4
BAB 2 LANDASAN TEORI 5

2.1. Tinjauan Pustaka......................................................................... 5
2.2. Dasar Teori…....……………………………………………….. 9
2.2.1. Pemodelan Transportasi….…………………………… 9
2.2.2. Matriks Asal Tujuan (MAT)………………………….. 10
52
Hal
2.2.3. Daerah Kajian ………………………………………... 11
2.2.4. Zona………………………..…………………………. 12
2.2.5. Sistem Jaringan……………………………………….. 13
2.2.6. Klasifikasi Fungsi Jalan………………………………. 13
2.2.7. Satuan Mobil Penumpang…………………………….. 18
2.2.8. Kapasitas…………..…………………………………. 19
2.2.9. Kecepatan…………..………………………………… 22
2.2.10. Hubungan Kurva Kecepatan-Arus dan Biaya-Arus….. 25
2.2.11. Metode Steepest Descent……………………………... 28
a. Teori Dasar………………………………..……… 28
b. Penerapan Metode Steepest Descent pada aplikasi
Software EMME/3.................…………………….. 33
2.2.12. Pendekatan Pembebanan User Equilibrium………….. 35
2.2.13. Indikator Uji Statistik…………………………………. 36
2.2.14. EMME/3 (Equilibre Multimodal, Multimodal
Equilibrium)………………………………………….. 37
2.2.15. Kelebihan EMME/3 dengan program lain……………. 40
BAB 3 METODE PENELITIAN 42

3.1. Lokasi Penelitian…………………...…………………………. 42
3.2. Data yang dibutuhkan………………………………………… 42
3.3. Alur Penelitian………………………………………….……. 49
3.4. Prosedur Pelaksanaan Survey..………………………………... 51
3.4.1. Survey Pendahuluan…………………………………… 52
3.4.2. Teknik Pengumpulan Data..…………………………… 52
3.4.3. Desain Survey.…………………………………………. 52
3.5. Teknik Analisis Data………...………………………………... 54
3.5.1. Pembuatan jaringan jalan……………………………… 54
3.5.2. Estimasi Matriks ………………………………………. 54
3.5.3. Uji validasi…………………….………………………. 54
53
Hal
BAB 4 ANALISIS DATA DAN PEMBAHASAN 56
4.1. Umum…………………………………………………………. 56
4.2. Pengolahan dan Penyajian Data……………………………… 56
4.2.1. Sumber Data…………………………………………... 56
4.2.2. Pembagian Zona……………………………………… 57
4.2.3. Satuan Mobil Penumpang……………………………. 60
4.2.4. Kapasitas……………………………………………... 61
4.2.5. Waktu Tempuh……………………………………….. 62
4.3. Analisis dengan Program EMME/3………………………….. 64
4.3.1. Basis Data Jaringan Jalan……………………………... 64
4.3.2. Data Volume Lalu Lintas (Traffic Count)…………….. 66
4.3.3. Data Matriks Awal (Prior Matrix)……………………. 68
4.3.4. Matrik baru hasil EMME/3…………………………… 75
4.3.5. Pembebanan Matriks ke jaringan jalan……………….. 83
4.4. Uji Validasi................................................................................ 86
4.5. Pembahasan…………………………………………………… 86
4.5.1. Besarnya Estimasi Matriks Metode Steepest Descent.... 86
4.5.2. Tingkat Uji Validasi………………………………….. 88
BAB 5 KESIMPULAN DAN SARAN 89

5.1. Kesimpulan…………………………………………………… 89
5.2. Saran…………………………………………………………... 90
DAFTAR PUSTAKA………………………………………………………... xix

LAMPIRAN………………………………………………………………….. xx
54
DAFTAR TABEL
Hal.
Tabel 2. 1 emp untuk jalan perkotaan tak terbagi...................................... 18
Tabel 2. 2 emp untuk jalan perkotaan terbagi dan satu arah...................... 18
Tabel 2. 3 Kapasitas dasar (Co) jalan perkotaan........................................ 19
Tabel 2. 4 Faktor penyesuaian kapasitas (FCw) untuk pengaruh lebar
jalur lalu lintas untuk jalan perkotaan........................................ 19
Tabel 2. 5 Faktor penyesuaian kapasitas untuk pemisahan Arah (FCsp).... 20
Tabel 2. 6 Faktor penyesuaian kapasitas (FCsf) untuk pengaruh
hambatan dan lebar bahu.......................................................... 20
Tabel 2. 7 Faktor penyesuaian kapasitas (FCsf) untuk pengaruh
hambatan samping dan jarak Kerb-Penghalang (FCsf)............ 21
Tabel 2. 8 Kelas Hambatan Samping untuk Jalan Perkotaan…………… 22
Tabel 2. 9 Faktor penyesuaian kapasitas untuk pengaruh ukuran kota
FCcs pada jalan perkotaan......................................................... 22
Tabel 2. 10 Kecepatan arus bebas dasar (FV0) untuk jalan perkotaan......... 23
Tabel 2. 11 Penyesuaian kecepatan arus bebas untuk lebar jalur lalu lintas
(FVw) pada jalan perkotaan…………………………………... 23
Tabel 2. 12 Faktor penyesuaian (FFVsf) untuk pengaruh hambatan
samping dan lebar bahu pada kecepatan arus bebas untuk jalan
perkotaan dengan bahu………………………………… 24
Tabel 2. 13 Faktor penyesuaian (FFVsf) untuk pengaruh hambatan
samping dan jarak kerb penghalang jalan perkotaan dengan
kerb…………………………………………………….……… 24
Tabel 2. 14 Faktor penyesuaian untuk pengaruh ukuran kota pada
25
kecepatan arus bebas kendaraan ringan untuk jalan perkotaan.
Perangkat lunak perencanaan transportasi yang telah tersedia
Tabel 2. 15
di pasaran................................................................................... 41
Tabel 3. 1 Lokasi survey volume lalu lintas zona internal.......................... 43
Tabel 3. 2 Lokasi survey volume lalu lintas zona eksternal........................ 44
Tabel 3. 3 Nomor zona internal................................................................... 46
55
Tabel 3. 4 Nomor zona eksternal................................................................. 46

Tabel 4. 1 Data Hasil Survey Tahun 2009………………………………... 57
Tabel 4. 2 Pembagian Zona Internal…………………………………….. 58
Tabel 4. 3 Pembagian Zona Eksternal…………………………………… 59
Tabel 4. 4 Perhitungan jumlah kendaraan pada jam puncak (dalam 1
jam)............................................................................................. 60
Tabel 4. 5 Konversi Satuan kendaraan ke smp.......................................... 61
Tabel 4. 6 Format masukan basis data jaringan jalan................................ 64
Tabel 4. 7 Koordinat kota Surakarta……………………………………. 65
Tabel 4. 8 Data Arus Lalu Lintas Tahun 2009……..……………………. 66
Tabel 4. 9 Prior Matrix Tahun 2002………................................................ 69
Tabel 4. 10 Matriks Asal Tujuan Tahun 2009…………………………….. 76
Tabel 4.11 Perbandingan arus hasil traffic count dengan arus hasil
pembebanan…………………………………………………… 83
56
DAFTAR GAMBAR
Hal.
Gambar 2.1 Metode untuk mendapatkan Matrik Asal Tujuan (MAT)...... 5

Gambar 2.2 Empat Tahap Pemodelan Transportasi.................................... 10
Gambar 2.3 Daerah kajian sederhana dengan definisinya......................... 12
Gambar 2.4 Sistem Jaringan Jalan Primer………………………………. 15
Gambar 2.5 Sistem Jaringan Jalan Sekunder……………………………. 16
Gambar 2.6 Sketsa Hipotesis Hirarki Jalan Kota………………………... 17
Gambar 2.7 Hubungan Tipikal Kecepatan-Arus Dan Biaya-Arus ........... 26
Gambar 2.8 Help menu............................................................................. 38
Gambar 2.9 The EMME Prompt (prompt console)................................... 39
Gambar 2.10 Prosedur Perhitungan Program EMME/3……………….…. 40
Gambar 3.1 Peta Jaringan Jalan Kota Surakarta……...…………………. 45
Gambar 3.2 Peta Administrasi Kota Surakarta........ ……………………. 47
Gambar 3.3 Peta Pembagian Zona Kota Surakarta……………………… 48
Gambar 3.4 Bagan Alir Penelitian............................................................. 51

Gambar 3.5 Bagan alir teknik analisis data (Estimasi Matriks
EMME/3)…………………………………………............. 55
Gambar 4.1 Network Editor ...................................................................... 65
Gambar 4.2 Editor toolbar………………………………………...…..… 66
Gambar 4.3 Table Matrix (full matriks 1)………………………...……... 75
Gambar 4.4 Grafik Besar Pergerakan di Zona Internal……………….…. 82
Gambar 4.5 Grafik Besar Pergerakan di Zona Eksternal…………….….. 82
Gambar 4.6 Penyajian Arus pada Ruas dalam Bentuk Peta dengan
EMME/3 ……………………………………………...….. 85
Gambar 4.7 Grafik Uji Validasi Volume Lalu Lintas…………………… 86
57
DAFTAR NOTASI DAN SIMBOL
Ai , Bd = faktor penyimbang untuk setiap zona asal i dan tujuan d
A = kumpulan dari semua link pada jaringan

C = Kapasitas (smp / jam)
Cid = biaya perjalanan dari zona asal i ke zona tujuan d
Co = Kapasitas dasar untuk kondisi tertentu (ideal) (smp / jam)
ck = additional path attribute
Dd = total pergerakan ke zona tujuan d

FCcs = Faktor penyesuaian ukuran kota
FCsf = Faktor penyesuaian hambatan samping
FCsp = Faktor penyesuaian pemisah arah
FCw = Faktor penyesuaian lebar jalur lalu lintas
FFVcs = Faktor penyesuaian ukuran kota.
FFVsf = Faktor penyesuaian kondisi hambatan samping
FV = Kecepatan arus bebas kendaraan ringan sesungguhnya (km/jam)
Fvo = Kecepatan arus bebas dasar kendaraan ringan (km/jam)
FVw = Penyesuaian lebar jalur lalu lintas efektif (km/jam)
FFV4sf = faktor penyesuaian kecepatan arus bebas untuk empat lajur (km/jam).
FFV6sf = faktor penyesuaian kecepatan arus bebas untuk enam lajur (km/jam).
g = matrik asal-tujuan dalam matrik estimasi
hk = vektor yang berhubungan dengan jalur aliran
Oi = total pergerakan dari zona asal i
pidl = proporsi pergerakan dari zona asal i ke zona tujuan d pada ruas l
pk = perbandingan nilai vekor dengan nilai gradien
V = kecepatan sesungguhnya pada saat ada arus lalu lintas Q.
S = jarak (km)
Tid = jumlah pergerakan dari zona asal i ke zona tujuan d
t0 = waktu tempuh pada saat V0 (detik)
Vˆl = arus lalu lintas hasil pengamatan pada ruas l
58
Vl = arus lalu lintas hasil pemodelan pada ruas l

V0 = kecepatan pada saat arus bebas (km/jam)
Z (g ) = fungsi tujuan persamaan
d ak = nilai konvergensi metode steepest descent
ll = panjang langkah pada tiap iterasi

59
DAFTAR LAMPIRAN
Lampiran A : Data Hasil Survey

Lampiran B : Konversi Satuan Kendaraan ke smp
Lampiran C : Kapasitas
Lampiran D : Waktu Tempuh
Lampiran E : Basis Data Jaringan Jalan
Lampiran F : Koordinat kota Surakarta
Lampiran G : Desain Formulir Survey
Lampiran H : Listing Program
Lampiran I : Kelengkapan Administrasi Tugas Akhir
60
BAB 1
PENDAHULUAN
1.1. Latar Belakang
Pergerakan manusia merupakan aktivitas yang selalu menjadi bagian dari

kehidupan sehari-hari. Pada dasarnya seseorang melakukan pergerakan untuk
memenuhi kebutuhan hidup yang tidak dapat dipenuhi di tempat tinggalnya. Hal
ini menyebabkan terjadinya suatu pergerakan dalam proses pemenuhan kebutuhan
tersebut.
Sebaran pergerakan yang terjadi menghubungkan interaksi antara tata guna lahan,
jaringan transportasi dan arus lalu lintas. Pola sebaran arus lalu lintas antara zona
asal i ke zona tujuan j adalah hasil dari dua hal yang terjadi secara bersamaan.
Distribusi perjalanan atau pergerakan tersebut dapat dinyatakan dalam bentuk
matriks asal tujuan (MAT) maupun dengan diagram garis keinginan (desire line).
Informasi terkait pola pergerakan itupun jadi amat penting guna mengidentifikasi
permasalahan yang terjadi. Informasi jarak, waktu, biaya, atau kombinasi
ketiganya digunakan sebagai ukuran aksesibilitas (kemudahan). Adapun
pengertian dari pola pergerakan dalam sistem transportasi dijelaskan dalam bentuk
arus pergerakan (baik kendaraan, penumpang atau barang) yang bergerak dari
zona asal ke zona tujuan di dalam daerah tertentu dan selama periode tertentu.
Pada hampir seluruh aplikasi perencanaan transportasi, input data yang paling
penting diperoleh adalah matriks asal tujuan (MAT). Metode yang telah
dikembangkan untuk mendapatkan MAT secara garis besar dikelompokkan
menjadi 2 (dua) yaitu metode konvensional dan metode tidak konvesional.
Metode konvensional untuk mendapatkan MAT dilakukan melalui survey
wawancara rumah tangga atau survey wawancara di tepi jalan. Survey tersebut
biasanya memerlukan biaya yang besar, tenaga surveyor yang banyak, ketelitian
yang tinggi dalam pengolahan data, waktu yang lama serta umumnya
61
mengganggu pengguna jalan. Oleh karena itu, para perencana transportasi telah
mengembangkan metode lain yaitu metode tidak konvensional. Metode tersebut
menggunakan informasi data arus lalu lintas diruas jalan untuk memperkirakan
MAT. Tujuan penggunaan metode tidak konvensional adalah menghasilkan
pendekatan yang lebih sederhana untuk menyelesaikan permasalahan serupa,
dalam hal ini, model perencanaan transportasi empat tahap dilakukan dalam hanya
satu proses saja. Agar ekonomis, persyaratan data untuk pendekatan baru ini
dibatasi hanya data perencanaan yang sederhana saja, data arus lalulintas pada
beberapa ruas jalan, atau data lain yang murah.
Permasalahan transportasi yang semakin luas membutuhkan banyak studi

penelitian untuk menyelesaian permasalahan-permasalahan yang ada. Seiring
dengan pesatnya kemajuan ilmu dan teknologi baik di Indonesia maupun di
negara-negara lainnya. Alur teknologi yang berkembang khususnya komputerisasi
membantu banyak peneliti khususnya peneliti dibidang transportasi dalam
pengolahan data lalu lintas yang diproses secara cepat, dan murah. Berbagai
program pun telah tersedia dan dimanfaatkan guna membantu proses perencanaan
dan pemodelan transportasi dalam menangani hampir semua permasalahan yang
terjadi. Seperti paket program MOTORS, SATURN, TRANSPLAN, STAN,
STRADA, EMME/2 dan EMME/3.
Pemanfaatan program yang telah tersedia sangat membantu peneliti untuk

mendapatkan gambaran pola pergerakan transportasi khususnya di kota Surakarta.
Suatu pola pergerakan dapat diperoleh dengan cara membebankan MAT ke suatu
sistem jaringan transportasi. Pada penelitian ini, proses pembebanan ke sistem
jaringan transportasi menggunakan perangkat lunak EMME/3 (equilibre
multimodal, multimodal equilibrium) yang merupakan pengembangan dari
program sebelumnya yaitu EMME/2 yang dibuat dan dikembangkan di Kanada,
dengan kemampuan yang sangat tinggi, dengan jumlah node dan link yang dapat
dikatakan tidak terbatas (mampu mencapai hampir 1 juta node). Adapun
62
keunggulan lainnya adalah formula yang dapat dibuat sendiri sesuai keadaan dan
kebutuhan (INRO Consultants Inc., 1998), misalnya hitungan kapasitas dan waktu
tempuh yang disesuaikan dengan Manual Kapasitas Jalan Indonesia (MKJI) 1997.
1.2. Rumusan Masalah
Berdasarkan uraian latar belakang masalah diatas, maka dapat dirumuskan suatu
masalah sebagai berikut :
1. Berapa besar estimasi Matriks Asal Tujuan (MAT) dan arus pergerakan yang
akan terjadi pada masa yang akan datang dari data lalu lintas dengan aplikasi
software EMME/3 di kota Surakarta apabila digunakan metode Steepest
Descent (SD)?
2. Berapa tingkat validasi estimasi Matriks Asal Tujuan (MAT) dari data lalu
lintas dengan metode Steepest Descent (SD) menggunakan aplikasi software
EMME/3?
1.3. Batasan Masalah
Untuk membatasi permasalahan agar penelitian ini lebih terarah dan tidak meluas
maka perlu adanya pembatasan sebagai berikut:
1. Wilayah kajian adalah kota Surakarta dengan jaringan transportasi yang ada
pada saat penelitian ditambah dengan beberapa ruas jalan dari zona eksternal
yang dianggap mempengaruhi arus masuk dan arus keluar dari dalam kota.
2. Data matrik awal (prior matrix) yang digunakan adalah hasil perhitungan
skripsi “ Evaluasi Kinerja dan Penanganan Jaringan Jalan (Studi Kasus Kota
Surakarta)” oleh Astri Brillianti tahun 2002.
3. Data arus lalu lintas (traffic count) yang digunakan adalah data survey 2007
yang digunakan pada hasil penelitian skripsi “Estimasi Matriks Asal Tujuan
dari Data Lalu Lintas dengan Metode Estimasi Inferensi Bayesian (Studi
Kasus Kota Surakarta)” oleh Rahayu Mahanani Wijiastuti tahun 2008
dilengkapi dengan hasil survey terbaru di beberapa titik di lapangan.
4. Pembagian zona berdasarkan batas-batas administratif berupa kelurahan.
63
5. Ruas jalan yang dianalisis yaitu ruas jalan arteri dan kolektor sesuai
pembagian jalan menurut Dinas Pekerjaan Umum kota Surakarta.
6. Penelitian dilakukan pada distribusi perjalanan kendaraan yang terdiri dari
semua jenis kendaraan sesuai pembagian dalam Manual Kapasitas Jalan
Indonesia (MKJI) 1997.
7. Metode yang digunakan dalam mengestimasi MAT adalah metode Steepest
Descent (SD).
8. Analisis pembebanan dengan bantuan program software EMME/3.
9. Jaringan jalan yang dianalisis tidak memperhitungkan fenomena simpang.
1.4. Tujuan Penelitian
Tujuan yang diharapkan dari penelitian ini adalah :

a. Mengetahui distribusi pergerakan arus lalulintas di kota Surakarta yang
direpresentasikan dengan MAT menggunakan metode Steepest Descent
(SD) program software EMME/3.
b. Mengetahui tingkat validasi MAT yang dihasilkan EMME/3
menggunakan metode Steepest Descent (SD).
1.5. Manfaat Penelitian
1.5.1. Manfaat Teoritis

Meningkatkan pengetahuan dan pemahaman di bidang perencanaan dan
pemodelan transportasi terutama yang berkaitan dengan Trip Distribution
dan Trip Assignment pada suatu pemograman, seperti program software
EMME/3 yang digunakan dalam penelitian ini.
1.5.2. Manfaat Praktis

Hasil yang diperoleh dapat digunakan sebagai bahan pertimbangan dalam
perbaikan dan perencanaan transportasi untuk kota Surakarta pada waktu
yang akan datang.
64
BAB 2
LANDASAN TEORI
2.1. Tinjauan Pustaka
Pola pergerakan dalam transportasi sering dijelaskan dalam bentuk arus

pergerakan (kendaraan, penumpang, dan barang) yang bergerak dari zona asal ke
zona tujuan di dalam daerah tertentu dan selama periode waktu tertentu. Matriks
Pergerakan atau Matriks Asal Tujuan (MAT) sering digunakan oleh perencana
transportasi untuk menggambarkan pola pergerakan tersebut.
- Wawancara di tepi jalan
Metode - Wawancara di rumah
Langsung - Metode menggunakan bendera
- Metode foto udara
- Metode mengikuti-mobil
Metode
Konvensiona
l
Metode Analogi
Metode Tidak · Tanpa-batasan
Langsung - Seragam
· Dengan-satu-batasan
- Batasan-bangkitan
- Batasan-tarikan
Metode · Dengan-dua-batasan
MAT - Rata-rata
- Fratar
- Detroit
- Furness
Model berdasarkan
informasi arus lalulintas
Metode tidak
Konvensional - Estimasi Matriks Entropi
Maksimum (EMEM) Metode Sintesis
- Model Estimasi Kebutuhan
Transportasi (MEKT) · Model Opportunity
- Kuadrat Terkecil · Model Gravity
- Kemiripan Maksimum · Model Gravity-
- Inferensi Bayes Opportunity
Gambar 2.1. Metode untuk mendapatkan Matriks Asal Tujuan (MAT)

Sumber: Tamin (1988)
Penelitian yang dilakukan saat ini menitik-beratkan pada model yang berdasarkan
arus lalu lintas (metode Tidak Konvensional) mengenai trip distribution dengan
bantuan program equilibre multimodal, multimodal equilibrium (EMME/3).
Untuk memperjelas hal tersebut dapat dilihat pada Gambar 2.1.
65
MAT adalah matriks berdimensi dua yang berisi informasi mengenai besarnya
pergerakan antarlokasi (zona) di dalam daerah tertentu. Baris menyatakan zona
asal dan kolom menyatakan zona tujuan, sehingga sel matriks-nya menyatakan
besarnya arus dari zona asal ke zona tujuan. Dalam hal ini, notasi Tid menyatakan
besarnya arus pergerakan (kendaraan, penumpang, atau barang) yang bergerak
dari zona asal i ke zona tujuan d selama selang waktu tertentu.
(Ofyar Z. Tamin, 2000 : 155)
Drissi-Kaïtouni and Lundgren (1992). “Bilevel Origin-Destination matrix

estimation Using a Descent Approach” berisi pendekatan algoritma umum dengan
pembebanan equilibrium. Kesulitan terletak pada mengkomputasikan metode
gradien yang berhubungan dengan metode Jacobian kemudian diimplementasikan
dan diaplikasikan pada kota Hull di Kanada.
Chen (1994). “Bilevel Programming Problems : Analysis, Algorithms, and

Applications” merupakan thesis doktoral yang berisikan peninjauan dasar dan
teoritis serta hasil eksistensi dari solusi dan kompleksitas dari penyelesaian
algoritma dengan mengkhususkan pada estimasi matriks asal-tujuan (MAT).
Laporan ini menyarankan untuk menggunakan micro berupa dua metode yakni
metode Augmented Langranian dan metode tipe Gauss-Seidel. Penulis
berpendapat bahwa untuk masalah dengan skala besar akan bekerja secara
langsung pada jaringan jalan dan tidak perlu mengevaluasi untuk mengulangi
fungsi objektif.
Denault (1994). “Étude de deux méthods d'adjustement de matrices origine-

destination àpartir des flots des véhicules observés (in French)” berisi dua
pendekatan matriks asal-tujuan (MAT) yang diaplikasikan pada jaringan yang
dibebani kemudian dibandingkan. Pertama, menggunakan pendekatan Augmented
Lagranian yang disarankan oleh Chen (1994) dan kedua menggunakan metode
gradien. Dihasilkan pada metode yang pertama sangat baik pada jaringan yang
kecil maupun jaringan yang berhubungan dengan jumlah besar parameter, tapi
66
metode gradien menghasilkan yang lebih baik dan lebih dianjurkan karena mudah
untuk digunakan.
Torgil Abrahamsson (1998). “Estimation of Origin-Destination Matrices Using

Traffic Count” berisi matriks asal tujuan yang diestimasi menggunakan traffic
count pada ruas jaringan jalan dan ketersediaan informasi lain. Informasi
perjalanan selalu berisi matriks ‘target asal tujuan’. Matriks target asal tujuan ini
bisa berupa matriks terdahulu atau hasil dari survei sampel. Dari kedua sumber
data tersebut berbagai macam pendekatan untuk mengestimasi matriks asal tujuan
dikembangkan dan diuji.
Yolanda Noriega dan Michael Florian (2009). “Some Enhancements of the

Gradient Method for O-D Matrix Adjustment” berisi mengenai pendekatan dengan
menggunakan metode gradien atau steepest descent dalam pembentukan matriks
asal-tujuan (MAT) dengan menggunakan EMME/2 dimana program ini
terintegrasi secara makro dengan metode tersebut. Diambil beberapa sampel
parameter α sebagai pembanding dengan data arus lalu lintas puncak pada pagi
dan sore hari dan beberapa moda kendaraan. Matriks yang dihasilkan sangat
akurat termasuk didalamnya dari fungsi objektif model pendekatannya.
Penelitian yang pernah dilakukan sebelumnya kebanyakan menggunakan metode

konvensional, salah satunya menggunakan model Gravity. Seperti penelitian
terdahulu yang pernah dilakukan oleh Slamet Basuki (2001) dengan menggunakan
model tersebut untuk estimasi distribusi perjalanan. Kalibrasi model dengan
bantuan program SATURN (Simulation and Assignment of Traffic to Urban Road
Network).
Priyatno (2000) melakukan penelitian dengan menggunakan metode Tidak

Konvensional untuk estimasi Matrik Asal Tujuan. Priyatno menggunakan
pemodelan ME2 (Matrik Estimation Maximum Entropy), teknik pembebanan
Wardrop Equilibrium, dan dibantu program SATURN.
67
Wiwit Hernasari (2000) mengestimasi Matrik Asal Tujuan dengan metode

pembebanannya All Or Nothing. Metode pendekatan dengan ME2 dibantu
program SATURN, sedangkan uji validasi dengan koefisien Determinasi R2.
Penelitian dengan model Gravity-Opportunity (GO) dilakukan oleh M. Rusli

(2002). Metode pendekatan ME2 dibantu program SATURN, metode
pembebanannya All Or Nothing, metode estimasi dengan NLLS (Non Linear
Least Square), sedangkan uji validasi dengan RMSE (Root Mean Square Error).
Estimasi model Kombinsi Sebaran Pergerakan dan Pemilihan Moda (SPPM) oleh
Nuning Fitriani (2002) menggunakan model Gravity untuk sebaran pergerakan
dan multinomial logit untuk pemilihan moda. Metode estimasi yang digunakan
yaitu metode estimasi Kuadrat Terkecil Tidak Linear (KTTL), metode pendekatan
dengan ME2, metode pembebanan Wardrop Equilibrium dan uji validasi dengan
koefisien Determinasi R2. Penelitian yang dilakukan Astri Brillianti (2002) untuk
mengevaluasi kinerja jaringan jalan di Kota Surakarta dan memberikan alternatif
upaya penanganan masalah sistem jaringan jalan dengan periode kajian 5 tahunan
untuk umur rencana 10 tahun mendatang. Tingkat kinerja jalan dinilai berdasarkan
perbandingan antara volume lalu lintas dengan kapasitas jalan. Alternatif upaya
penanganan masalah sistem jaringan jalan yang ditempuh berupa pelebaran jalan
dan pembangunan jalan baru. Pemodelan yang dilakukan dengan model gravity
dua batasan, pembebanan keseimbangan Wardrop dengan program SATURN.
Dewi Nugroho (2007) penelitian yang dilakukan bertujuan untuk mengestimasi

Matriks Asal Tujuan dari data lalu lintas beserta nilai parameter β dengan
menggunakan metode estimasi Kuadrat Terkecil. Model pendekatan pembebanan
yang digunakan dalam penelitian ini adalah user equilibrium. Analisis datanya
dibantu dengan program SATURN. Uji validasi dengan koefisien Determinasi
(R2). Penelitian seperti inipun sama seperti yang telah dilakukan oleh Revi W.
(2007), Yenni D.L. (2007) dan Rahayu M.W.(2007), yang membedakan diantara
ke empatnya adalah metode estimasi yang digunakan. Revi W. (2007)
menggunakan metode entropi maksimum, Yenni D.L. (2007) menggunakan
metode kemiripan maksimum dan Rahayu M.W.(2007), menggunakan metode
68
estimasi inferensi Bayesin. Kesimpulan dari penelitian tersebut adalah total

pergerakan yang dihasilkan berbeda-beda sesuai dengan hasil dari parameter β
yang telah dihitung.
Nurmalia (2009) memperhitungkan MAT dengan menggunakan metode Enteropi

Maksimum. Penelitian ini menggunakan aplikasi Software EMME/3 yang
merupakan pengembangan dari program EMME/2 untuk menghitung MAT baru
hasil pembebanan.
Penelitian yang dilakukan saat ini bertujuan untuk mengestimasi Matriks Asal
Tujuan dari data arus lalu lintas dengan metode pembebanannya wardrop
equilibrium. Metode pendekatannya dengan steepest descent menggunakan alat
bantu program EMME/3, sedangkan uji validasi dengan koefisien Determinasi R2.
2.2. Dasar Teori
2.2.1. Pemodelan Transportasi
Konsep perencanaan transportasi yang berkembang dan sering digunakan dalam

perencanaan dan pemodelan suatu perkotaan adalah Model Perencanaan
Transportasi Empat Tahap. Model ini merupakan gabungan dari beberapa seri sub
model yang masing-masing harus dianalisis secara terpisah dan berurutan. Tahap-
tahap seperti yang terlihat dalam Gambar 2.2.
Bangkitan dan Tarikan

Pergerakan (Trip Generation).
Sebaran Pergerakan
(Trip Distribution).
69
Gambar 2.2 Empat Tahap Pemodelan Transportasi

2.2.2. Matriks Asal Tujuan (MAT)
Pola pergerakan dalam transportasi sering dijelaskan dalam bentuk arus

pergerakan (kendaraan, penumpang, dan barang) yang bergerak dari zona asal ke
zona tujuan di dalam daerah tertentu dan selama periode waktu tertentu. Matriks
Pergerakan atau Matriks Asal Tujuan (MAT) sering digunakan oleh perencana
transportasi untuk menggambarkan pola pergerakan tersebut.
MAT adalah matriks berdimensi dua yang berisi informasi mengenai besarnya
pergerakan antarlokasi (zona) di dalam daerah tertentu. Baris menyatakan zona
asal dan kolom menyatakan zona tujuan, sehingga sel matriks-nya menyatakan
besarnya arus dari zona asal ke zona tujuan. Dalam hal ini, notasi Tid menyatakan
besarnya arus pergerakan (kendaraan, penumpang, atau barang) yang bergerak
dari zona asal i ke zona tujuan d selama selang waktu tertentu.
Pola pergerakan dapat dihasilkan jika suatu MAT dibebankan ke suatu sistem
jaringan transportasi. Dengan mempelajari pola pergerakan yang terjadi,
seseorang dapat mengidentifikasi permasalahan yang timbul sehingga beberapa
solusi segera dapat dihasilkan. MAT dapat memberikan indikasi rinci mengenai
kebutuhan akan pergerakan sehingga MAT memegang peran yang sangat penting
dalam berbagai kajian perencanaan dan manajemen transportasi.
70
Jumlah zona dan nilai setiap sel matriks adalah dua unsur penting dalam MAT
karena jumlah zona menunjukkan banyaknya sel MAT yang harus didapatkan dan
berisi informasi yang sangat dibutuhkan untuk perencanaan transportasi. Setiap
sel membutuhkan informasi jarak, waktu, biaya, atau kombinasi ketiga informasi
tersebut yang digunakan sebagai ukuran aksesibilitas (kemudahan).
2.2.3. Daerah Kajian
Hal pertama yang harus ditentukan dalam menentukan sistem zona dan sistem
jaringan adalah cara membedakan daerah kajian dengan atau wilayah lain di luar
kajian. Beberapa arahan untuk hal tersebut adalah sebagai berikut:
1. Untuk kajian yang bersifat strategis, daerah kajian harus didefinisikan
sedemikian rupa sehingga mayoritas pergerakan mempunyai zona asal dan
zona tujuan di dalam daerah kajian tersebut.
2. Daerah kajian sebaiknya sedikit lebih luas daripada daerah yang akan diamati
sehingga kemungkinan adanya perubahan zona tujuan atau pemilihan rute yang
lain dapat teramati.
Wilayah di luar daerah kajian sering dibagi menjadi beberapa zona eksternal yang
digunakan untuk mencerminkan dunia lainnya. Daerah kajian sendiri dibagi
menjadi beberapa zona internal yang jumlahnya sangat tergantung dari tingkat
ketepatan yang diinginkan. Daerah yang akan dikaji adalah daerah yang
mencakup suatu kota, akan tetapi harus dapat mencakup ruang atau daerah yang
cukup untuk pengetahuan kota di masa mendatang.
71
Pusat zona
Gateway zona
Ruas
1
2
3
4
Simpul
6
Batas daerah
kajian Batas zona
Gambar 2.3 Daerah kajian sederhana dengan definisinya
2.2.4. Zona
Batas administrasi sering digunakan sebagai batas zona sehingga memudahkan

pengumpulan data. Beberapa kriteria utama yang perlu dipertimbangakan dalam
menetapkan sistem zona di dalam suatu daerah kajian disarankan oleh IHT and
DTp (1987), meliputi hal berikut ini:
1. Ukuran zona sebaiknya dirancang sedemikian rupa sehingga galat

pengelompokkan yang timbul akibat asumsi pemusatan seluruh aktivitas pada
suatu pusat zona menjadi tidak terlalu besar.
2. Batas zona sebaiknya harus sesuai dengan batas sensus, batas administrasi
daerah, batas alami, atau batas zona yang digunakan oleh kajian terdahulu yang
sudah dipandang sebagai kriteria utama.
3. Ukuran zona harus disesuaikan dengan kepadatan jaringan yang akan
dimodelkan, biasanya ukuran zona semakin membesar jika semakin jauh dari
pusat kota.
4. Ukuran zona harus lebih besar dari yang seharusnya untuk memungkinkan arus
lalu lintas dibebankan ke atas jaringan jalan dengan ketepatan yang
disyaratkan.
72
5. Batas zona harus dibuat sedemikian rupa sehingga sesuai dengan jenis pola
pengembangan untuk setiap zona, misal pemukiman, industri, dan perkantoran.
Tipe tata guna lahan setiap zona sebaiknya homogeni untuk menghindari
tingginya jumlah pergerakan intrazonal dan untuk mengurangi tingkat
kerumitan model.
6. Batas zona harus sesuai dengan batas daerah yang digunakan dalam
pengumpulan data.
7. Ukuran zona ditentukan pula oleh tingkat kemacetan, ukuran zona pada daerah
macet sebaiknya lebih kecil dibansingkan dengan daerah tidak macet.
2.2.5. Sistem Jaringan
Sistem jaringan transportasi dicerminkan dalam bentuk ruas dan simpul, yang
semuanya dihubungkan ke pusat zona. Sitem jaringan transportasi juga dapat
ditetapkan sebagai urutan ruas jalan dan simpul. Ruas jalan bisa berupa potongan
jalan raya atau kereta api, sedangkan simpul bisa berupa persimpangan, stasiun.
Setiap simpul dan zona diberi nomor. Nomor ini digunakan untuk
mengidentifikasi data yang berkaitan dengan ruas dan zona.
Kunci utama dalam merencanakan sistem jaringan adalah penentuan klasifikasi

fungsi jalan yang akan dianalisis (arteri, kolektor, atau lokal). Hal ini tergantung
dari jenis dan tujuan kajian. Penelitian ini menggunakan sistem sekunder dengan
jalan yang dianalisis yaitu jalan arteri sekunder, pertemuan ujung ruas antara jalan
arteri sekunder dengan kolektor sekunder dan pertemuan ujung ruas antar jalan
kolektor sekunder. Ruas jalan mencerminkan ruas jalan antar persimpangan atas
ruas antar kota yang dinyatakan dengan dua buah nomor simpul diujung-
ujungnya. Ciri ruas jalan perlu diketahui seperti panjang, jumlah lajur, jenis
gangguan samping, kapasitas dan hubungan kecepatan arus.
2.2.6. Klasifikasi Fungsi Jalan
Menurut PP No. 26 Th. 1985 tentang jalan, sistem jaringan jalan dibagi dalam dua
kategori yakni sistem jaringan primer dan sistem jaringan sekunder.
73
1. Sistem Jaringan Primer
Sistem jaringan primer disusun mengikuti ketentuan pengaturan tata ruang dan
struktur pengembangan wilayah tingkat nasional yang menghubungkan secara
menerus kota jenjang ke satu, kota jenjang ke dua, kota jenjang ke tiga, dan kota
jenjang di bawahnya sampai ke persil. Menghubungkan kota jenjang ke satu
dengan kota jenjang ke satu antar satuan wilayah pengembangan.
a. Jalan Arteri Primer
Menghubungkan kota jenjang ke satu yang terletak berdampingan atau
menghubungkan kota jenjang ke satu dengan kota jenjang ke dua.
b. Jalan Kolektor Primer
Menguhubungkan kota jenjang ke satu dengan persil atau kota ke dua atau
menghubungkan kota jenjang ke dua dengan kota jenjang ke tiga.
c. Jalan Lokal Primer
Menghubungkan kota jenjang ke satu dengan persil atau kota ke dua dengan
persil atau menghubungkan kota jenjang ke tiga dengan kota jenjang ke tiga,
atau kota jenjang ke tiga dengan persil.
Perjenjangan Kota dimaksudkan untuk mengelompokkan kota ditinjau dari segi

pembinaan jaringan jalan, dengan kriteria sebagai berikut:
a. Kota jenjang ke satu: kota yang berperan melayani seluruh satuan wilayah
pengembangannya, dengan kemampuan pelayanan jasa yang paling tinggi
dalam satuan wilayah pengembangannya serta memiliki orientasi keluar
wilayahnya.
b. Kota jenjang ke dua: kota yang berperan melayani sebagaian dari satuan
wilayah pengembangannya, dengan kemampuan pelayanan jasa yang lebih
rendah dari kota jenjang ke satu dalam satuan wilayah pengembangannya dan
terikat jangkauan jasa ke kota jenjang ke satu serta memiliki orientasi ke kota
jenjang ke satu.
c. Kota jenjang ke tiga: kota yang berperan melayani sebagian dari satuan
wilayah pengembangannya, dengan kemampuan pelayanan jasa yang lebih
rendah dari kota jenjang ke dua dalam satuan wilayah pengembangannya dan
74
terikat jangkauan jasa ke kota jenjang kedua serta memiliki orientasi ke kota
jenjang ke satu dan kota jenjang ke dua.
Untuk lebih dapat menjelaskan dapat diperhatikan Gambar 2.4
KOTA JALAN ARTERI KOTA

JENJANG PRIMER JENJANG
1 1
JALAN ARTERI
JALAN ARTERI PRIMER PRIMER
KOTA JALAN KOLEKTOR KOTA

JENJANG PRIMER JENJANG
2 2
JALAN KOLEKTOR
JALAN KOLEKTOR PRIMER PRIMER
JALAN KOTA KOTA

JALAN LOKAL
LOKAL JENJANG JENJANG
PRIMER
PRIMER 3 3
JALAN
LOKAL JALAN LOKAL PRIMER
PRIMER
JALAN KOTA
LOKAL DIBAWAH
PRIMER JENJANG
3
JALAN LOKAL PRIMER
PERSIL
Gambar 2.4. Sistem Jaringan Jalan Primer

Sumber : Dirjen Bina Marga 1990
2. Sistem Jaringan Sekunder
Sistem jaringan sekunder disusun mengikuti ketentuan pengaturan tata ruang kota
yeng menghubungkan kawasan-kawasan yang mempunyai fungsi primer, fungsi
sekunder satu, fungsi sekunder tiga sampain ke perumahan.
a. Jalan Arteri Sekunder
Menghubungkan kawasan primer dengan kawasan sekunder ke satu atau
menghubungkan kawasan ke satu dengan kawasan sekunder ke satu atau
menghubungkan kawasan sekunder ke satu dengan kawasan sekunder ke dua.
75
b. Jalan Kolektor Sekunder

Menghubungkan kawasan sekunder ke dua dengan kawasan sekunder ke dua
atau menghubungkan kawasan sekunder ke dua dengan kawasan sekunder ke
tiga.
c. Jalan Lokal Sekunder
Menghubungkan kawasan sekunder ke satu dengan perumahan,
menghubungkan kawasan sekunder ke dua dengan perumahan, kawasan
sekender ke tiga dengan perumahan.
KAWASAN
PRIMER
JALAN ARTERI
JALAN ARTERI SEKUNDER SEKUNDER
KAWASAN JALAN ARTERI KAWASAN

SEKUNDER SEKUNDER SEKUNDER
1 1
JALAN ARTERI
JALAN ARTERI SEKUNDER SEKUNDER
KAWASAN JALAN KAWASAN

SKUNDER KOLEKTOR SEKUNDER
2 SEKUNDER 2
JALAN
LOKAL JALAN KOLEKTOR
SEKUNDER SEKUNDER
JALAN KAWASAN
LOKAL SEKUNDER
SEKUNDER 3
JALAN LOKAL
SEKUNDER
PERUMAH
-AN
Gambar 2.5. Sistem Jaringan Jalan Sekunder

76
Kawasan adalah wilayah yang dibatasi oleh lingkup pengamatan fungsi tertentu,
meliputi:
a. Kawasan Primer adalah kawasan kota yang mempunyai fungsi primer, yaitu
sebagai titik simpul jasa distribusi bagi daerah jangkauan peranannya.
b. Kawasan Sekunder adalah kawasan kota yang mempunyai fungsi sekunder,
dimana fungsi sekunder suatu kota dihubungkan dengan pelayanan terhadap
masyarakat kota tersebut yang lebih berorientasi ke dalam dan jangkauan lokal.
Gambar 2.6. Sketsa Hipotesis Hirarki Jalan Kota

77
2.2.7. Satuan Mobil Penumpang
Manual Kapasitas Jalan Indonesia (MKJI) 1997 mendefinisikan satuan mobil

penumpang (smp) adalah satuan untuk arus lalu lintas dimana berbagai tipe
kendaraan diubah menjadi arus kendaraan ringan (termasuk mobil penumpang)
dengan menggunakan emp. Ekivalen mobil penumpang (emp) adalah faktor yang
menunjukkan pengaruh berbagai tipe kendaraan dibandingkan kendaraan ringan
terhadap kecepatan kendaraan ringan dalam arus lalu lintas (untuk mobil
penumpang dan kendaraan ringan yang mirip emp=1). Pembagian tipe kendaraan
bermotor untuk masing-masing kendaraan berdasarkan MKJI 1997 adalah sebagai
berikut:
· Sepeda Motor, Motor Cycle (MC), terdiri dari kendaraan bermotor beroda dua
atau tiga.
· Kendaraan Ringan, Light Vehicle (LV), yaitu kendaraan bermotor dua as
beroda empat dengan jarak as 2-3 meter, termasuk diantaranya mobil
penumpang, oplet, mikrobis, pick-up dan truk kecil.
· Kendaraan berat, Heavy Vehicle (HV), yaitu kendaraan bermotor lebih dari 4
roda, termasuk diantaranya bis, truk 2 as, truk 3 as, dan truk kombinasi.
Tabel 2.1. emp untuk jalan perkotaan tak terbagi

emp
Arus lalu lintas MC
Tipe
Total dua arah Lebar lajur lalu lintas
Jalan tak terbagi HV
(kend/jam) Cw (m)
≤6 ≥6
Dua lajur tak terbagi 0 1,3 0,5 0,4
(2/2 UD) ≥1800 1,2 0,35 0,25
Empat lajur tak terbagi 0 1,3 0,4
(4/2 UD) ≥3700 1,2 0,25
Sumber: MKJI 1997
Tabel 2.2. emp untuk jalan perkotaan terbagi dan satu arah
Tipe jalan: emp
Arus Lalu lintas
Jalan Satu Arah dan
Per Lajur (kend/jam) HV MC
Jalan Terbagi
Dua Lajur satu arah (2/1) 0 1,3 0,4
Dan
Empat Lajur terbagi (4/2D) 1050 1,2 0,25
Tiga Lajur satu arah (3/1) 1 1,3 0,4
Dan
Enam Lajur terbagi (6/2D) 1100 1,2 0,25
Sumber: MKJI 1997
78
2.2.8. Kapasitas
Kapasitas adalah arus lalu lintas (stabil) maksimum yang dapat dipertahankan
pada ruas jalan pada keadaan tertentu (geometri, komposisi, dan distribusi lalu
lintas, faktor lingkungan). Besarnya kapasitas suatu ruas jalan dapat dihitung dari
Persamaan (2.1).
C = Co x FCw x FCsp x FCsf x FCcs (2.1)

Dimana:
C = Kapasitas (smp / jam)
Co = Kapasitas dasar untuk kondisi tertentu (ideal) (smp / jam)
FCw = Faktor penyesuaian lebar jalur lalu lintas
FCsp = Faktor penyesuaian pemisah arah
FCsf = Faktor penyesuaian hambatan samping
FCcs = Faktor penyesuaian ukuran kota
Besarnya nilai Co, FCw, FCsp, FCsf dan FCcs dapat dilihat pada Tabel 2.3 sampai
dengan Tabel 2.9.
Tabel 2.3. Kapasitas dasar (Co) jalan perkotaan
Kapasitas Dasar
Tipe Jalan Catatan
(smp/jam)
Empat lajur terbagi atau
1650 Perlajur
Jalan satu arah
Empat lajur tak terbagi 1500 Perlajur
Dua lajur tak terbagi 2900 Total dua arah

Sumber: MKJI 1997
Tabel 2.4. Faktor penyesuaian kapasitas (FCw) untuk pengaruh lebar jalur lalu
lintas untuk jalan perkotaan
Lebar Jalur Lalu lintas
Tipe Jalan
Efektif (Wc) FCw
(m)
Perlajur
3,00 0,92
Empat lajur terbagi
3,25 0,96
Atau
3,50 1,00
Jalan Satu Arah
3,75 1,04
4,00 1,08
79
Tabel 2.4. Faktor penyesuaian kapasitas (FCw) untuk pengaruh lebar jalur lalu
lintas untuk jalan perkotaan
Tipe Jalan
Efektif (Wc) FCw
(m)
Perlajur
3,00 0,91
Empat lajur tak 3,25 0,95
terbagi 3,50 1,00
3,75 1,05
4,00 1,09
Total dua arah
5 0,56
6 0,87
7 1,00
Dua Lajur tak terbagi
8 1,14
9 1,25
10 1,29
11 1,34
Sumber: MKJI 1997
Tabel 2.5. Faktor penyesuaian kapasitas untuk pemisahan Arah (FCsp)

Pemisahan arah SP
50-50 55-45 60-40 65-35 70-30
%-%
Dua lajur 2/2 1,00 0,97 0,94 0,91 0,88
FCsp Empat lajur
1,00 985 0,97 0,9555 0,94
4/2
Sumber: MKJI 1997
Tabel 2.6. Faktor penyesuaian kapasitas (FCsf) untuk pengaruh hambatan

dan lebar bahu
Faktor Penyesuaian hambatan samping dan
Kelas Lebar bahu (FCsf)
Tipe
Hambatan
Jalan Lebar bahu (m)
Samping
£ 0,5 1,0 1,5 ³ 2,0
VL 0,96 0,98 1,01 1,03
ML 0,94 0,97 1,00. 1,02
4/2D M 0,92 0,95 0,98 1,00
H 0,88 0,92 0,95 0,98
VH 0,84 0,88 0,92 0,96
VL 0,96 0,99 1,01 1,03
ML 0,94 0,97 1,00 1,02
4/2UD M 0,92 0,95 0,98 1,00
H 0,87 0,91 0,94 0,98
VH 0,80 0,86 0,90 0,95
VL 0,94 0,96 0,99 1,01
2/2UD
ML 0,92 0,94 0,97 1,00
Atau jalan
M 0,89 0,92 0,95 0,98
satu
H 0,82 0,86 0,90 0,95
arah
VH 0,73 0,79 0,85 0,91
Sumber: MKJI 1997
80
Tabel 2.7. Faktor penyesuaian kapasitas (FCsf) untuk pengaruh hambatan

samping dan jarak Kerb-Penghalang (FCsf)
Kelas Lebar bahu (FCsf)
Tipe
Hambatan Lebar kerb-penghalang (m)
Jalan
Samping
£ 0,5 1,0 1,5 ³ 2,0
VL 0,95 0,97 0,99 1,03
ML 0,94 0,96 0,98. 1,00
4/2D M 0,91 0,93 0,95 0,98
H 0,86 0,89 0,92 0,95
VH 0,81 0,85 0,88 0,92
VL 0,95 0,97 0,99 1,03
ML 0,93 0,95 0,97. 1,00
4/2UD M 0,90 0,92 0,95 0,97
H 0,84 0,87 0,90 0,93
VH 0,77 0,81 0,85 0,90
VL 0,93 0,95 0,97 0,99
2/2UD
ML 0,90 0,92 0,95 0,97
Atau jalan
M 0,86 0,88 0,91 0,94
satu
H 0,78 0,81 0,84 0,88
arah
VH 0,68 0,72 0,77 0,82
Sumber: MKJI 1997
Untuk mengetahui tingkat hambatan samping pada kolom (2) Tabel 2.6 & 2.7
dengan melihat kolom (3) Tabel 2.8 dibawah ini, tetapi apabila data terinci
hambatan samping tersebut tersedia maka hambatan samping dapat ditentukan
dengan prosedur berikut:
1. Periksa mengenai kondisi khusus dari kolom (4) Tabel 2.8 dan pilih salah satu
yang paling tepat untuk keadaan segmen jalan yang dianalisa.
2. Amati foto pada gambar A-4:1-5 (MKJI 1997) yang menunjukkan kesan
visual rata-rata yang khusus dari masin-masing kelas hambatan samping. Dan
pilih salah satu yang paling sesuai dengan kondisi rata-rata sesungguhnya
pada kondisi lokasi untuk periode yang diamati.
3. Pilih kelas hambatan samping berdasarkan pertimbangan dari gabungan
langkah 1 dan 2 di atas.
81
Tabel 2.8. Kelas Hambatan Samping untuk Jalan Perkotaan

Frekuensi Kelas
Berbobot Kondisi Khusus Hambatan Kode
kejadian Samping
< 100 Pemukiman, hampir tidak ada Sangat Rendah VL

Kegiatan
100-299 Pemukiman, beberapa angkutan Rendah L

Umum,dll
300-499 Daerah industri dengan toko-toko di Sedang M

sisi jalan
500-899 Daerah niaga dengan aktifitas di Tinggi H

Sisi jalan yang tinggi
>900 Daerah niaga dengan aktifitas di sisi Sangat Tinggi VH

jalan yang sangat tinggi
Sumber: MKJI 1997
Tabel 2.9. Faktor penyesuaian kapasitas untuk pengaruh ukuran kota FCcs pada
jalan perkotaan
Ukuran Kota
Faktor Penyesuaian untuk Ukuran Kota FCcs
(Juta Penduduk)
<0,1 0,86
0,1-0,5 0,90
0,5-1,0 0,94
1,0-3,0 1,00
>3,0 1,04
Sumber: MKJI 1997
2.2.9. Kecepatan
Kecepatan tempuh adalah kecepatan rata-rata (km/jam) arus lalu lintas dihitung
dari panjang ruas jalan dibagi waktu tempuh rata-rata kendaran yang melewati
segmen jalan. Sedangkan kecepatan pada arus bebas adalah kecepatan dari
kendaraan yang tidak dipengaruhi oleh kendaraan lain (yaitu kecepatan dimana
pengendara merasakan perjalanan yang nyaman dalam kondisi geometrik
lingkungan dan pengaturan lalu lintas yang ada pada bagian segmen jalan dimana
tidak ada kendaraan lain). Kecepatan arus dapat ditentukan dari Persamaan (2.2).
FV = (Fvo + FVw) x FFVsf x FFVcs (2.2)

Dimana:
FV : Kecepatan arus bebas kendaraan ringan sesungguhnya (km/jam)
82
Fvo : Kecepatan arus bebas dasar kendaraan ringan (km/jam)

FVw : Penyesuaian lebar jalur lalu lintas efektif (km/jam)
FFVsf : Faktor penyesuaian kondisi hambatan samping
FFVcs : Faktor penyesuaian ukuran kota.
Besarnya nilai Fvo, FVw, FFVsf dan FFVcs dapat dilihat pada Tabel 2.10 sampai
dengan Tabel 2.14.
Tabel 2.10. Kecepatan arus bebas dasar (FV0) untuk jalan perkotaan
Kecepatan arus bebas dasar (FV0) (km/jam)
Kendaraan Kendaraan Sepeda Rata-rata
Tipe Jalan
Ringan (LV) Berat (HV) Motor (MC) Kendaraan
Enam Lajur Terbagi (6/2D) 61 52 48 57

Atau tiga lajur satu arah (3/1)
Empat Lajur Terbagi (4/2D) 57 50 47 55

Atau dua lajur satu arah (2/1)
Empat lajur tak terbagi 53 46 43 51
(4/2 UD)
Dua lajur tak terbagi 44 40 40 42

(2/2 UD)
Sumber: MKJI 1997
Tabel 2.11. Penyesuaian kecepatan arus bebas untuk lebar jalur lalu lintas (FVw)
pada jalan perkotaan.
Tipe Jalan Efektif (Wc) FVw
(m)
Perlajur
3,00 -4
Empat lajur terbagi
3,25 -2
Atau
3,50 0
Jalan Satu Arah
3,75 2
4,00 4
Perlajur
3,00 -4
Empat lajur tak 3,25 -2
terbagi 3,50 0
3,75 2
4,00 4
Total dua arah
5 -9,5
6 -3
7 0
Dua Lajur tak terbagi
8 3
9 4
10 6
11 7
Sumber: MKJI 1997
83
Tabel 2.12. Faktor penyesuaian (FFVsf) untuk pengaruh hambatan samping dan
lebar bahu pada kecepatan arus bebas untuk jalan perkotaan dengan
bahu.
Kelas Lebar bahu (FFVsf)
Tipe
Hambatan
Jalan Lebar bahu (Ws)
Samping
£ 0,5 1,0 1,5 ³ 2,0
VL 1,02 1,03 1,03 1,04
ML 0,98 1,00 1,02 1,03
4/2D M 0,94 0,97 1,00 1,02
H 0,89 0,93 0,96 0,99
VH 0,84 0,88 0,92 0,96
VL 1,02 1,03 1,03 1,04
ML 0,98 1,00 1,02 1,03
4/2UD M 0,93 0,96 0,99 1,02
H 0,87 0,91 0,94 0,98
VH 0,80 0,86 0,90 0,95
VL 1,00 1,01 1,01 1,01
2/2UD
ML 0,96 0,98 0,99 1,00
Atau jalan
M 0,90 0,93 0,96 0,99
satu
H 0,82 0,86 0,90 0,95
arah
VH 0,73 0,79 0,85 0,91
Sumber: MKJI 1997
Tabel 2.13. Faktor penyesuaian (FFVsf) untuk pengaruh hambatan samping dan
jarak kerb penghalang jalan perkotaan dengan kerb.
Kelas Lebar bahu (FFV4sf)
Tipe
Hambatan
Jalan Jarak kerb
Samping
£ 0,5 1,0 1,5 ³ 2,0
VL 1,00 1,01 1,01 1,02
ML 0,97 0,98 0,99 1,00
4/2D M 0,93 0,95 0,97 0,99
H 0,87 0,90 0,93 0,96
VH 0,81 0,85 0,88 0,92
VL 1,01 1,01 1,01 1,00
ML 0,98 0,98 0,99 1,00
4/2UD M 0,91 0,93 0,95 0,98
H 0,84 0,87 0,90 0,94
VH 0,77 0,81 0,85 0,90
VL 0,98 0,99 0,99 1,00
2/2UD
ML 0,93 0,95 0,96 0,98
Atau jalan
M 0,87 0,89 0,92 0,95
satu
H 0,78 0,81 0,84 0,88
arah
VH 0,68 0,77 0,77 0,82
Sumber: MKJI 1997
84
Faktor penyesuaian kecepatan arus bebas untuk jalan enam lajur dapat ditentukan
dengan menggunakan nilai FFVsf untuk jalan empat lajur yang diberikan pada
Tabel 2.12. atau 2.13. dan disesuaikan seperti Persamaan (2.3) dibawah ini:
FFV6sf = 1-0,8 x (1- FFV4sf) (2.3)

Dimana:
FFV6sf = faktor penyesuaian kecepatan arus bebas untuk enam lajur (km/jam).
FFV4sf = faktor penyesuaian kecepatan arus bebas untuk empat lajur (km/jam).
Untuk penentuan kelas hambatan samping sama dengan Tabel (2.8) di atas,
sedangkan faktor penyesuaian kecepatan untuk ukuran kota dapat dilihat pada
Tabel (2.14).
Tabel 2.14. Faktor penyesuaian untuk pengaruh ukuran kota pada kecepatan arus
bebas kendaraan ringan untuk jalan perkotaan
Ukuran Kota Faktor Penyesuaian Ukuran Kota
(Juta penduduk) (FVcs)
<0,1 0,90
0,1-0,5 0,93
0,5-1,0 0,95
1,0-3,0 1,00
>3,0 1,03
Sumber: MKJI 1997
Kecepatan kendaraan pada arus lalu lintas dapat dihitung pada Persamaan (2.4)
dibawah ini :
V = Vo x 0,5 (1 + (1 – (Q/C))0,5 (2.4)
Dimana :
V = kecepatan sesungguhnya pada saat ada arus lalu lintas Q.
Vo = kecepatan arus bebas.
C = kapasitas.
Q = arus lalu lintas
Jika arus pada ruas jalan tersebut telah mencapai kapasitas (Q/C = 1), maka
Persamaan (2.4) menjadi :
V = 0,5Vo (2.5)
2.2.10. Hubungan Kurva Kecepatan-Arus dan Biaya-Arus

85
Dalam Rekayasa lalu lintas dikenal hubungan yang sangat sering digunakan yaitu
pengaruh arus pada kecepatan kendaraan yang bergerak pada ruas jalan tertentu.
Hubungan kecepatan-arus sering digambarkan seperti Gambar 2.2. Jika arus lalu
lintas meningkat, kecepatan cenderung menurun secara perlahan. Jika arus
mendekati kapasitas, penurunan kecepatan semakin besar.
Gambar 2.7. Hubungan Tipikal Kecepatan-Arus dan Biaya-Arus

Sumber : Ortuzar and Willumsen (1996)
Apabila kondisi tersebut dipaksakan untuk mendapatkan arus yang melebihi

kapasitas, maka akan terjadi kondisi yang tidak stabil dengan kecepatan yang
lebih rendah.
Untuk alasan praktis dalam teknik pembebanan rute jenis hubungan ini dilakukan
dalam bentuk hubungan waktu tempuh per unit jarak dengan arus lalu lintas.
Model pembebanan rute yang mempertimbangkan kemacetan memerlukan
beberapa persaman fungsi yang cocok untuk menghubungkan atribut suatu ruas
seperti kapasitas dan kecepatan arus bebas serta arus lalu lintasnya dengan
kecepatan atau biaya yang dihasilkan. Hal ini dapat dinyatakan dalam bentuk
umum :
Ca = Ca({Va}) (2.6)
Biaya pada suatu ruas jalan merupakan fungsi dari semua pergerakan V pada
jaringan tersebut (bukan hanya disebabkan oleh arus di ruas jalan itu saja).
Rumus umum ini cocok untuk daerah perkotaan yang memiliki interaksi yang erat
antara arus lalu lintas diruas jalan yang lain dengan tundaan, tetapi hal ini dapat
86
disederhanakan jika mempertimbangkan ruas jalan yang panjang, dimana hampir

semua waktu perjalanan digunakan pada ruas jalan tersebut. Dalam hal ini
persamaan yang digunakan harus terpisah, yang dapat ditulis sebagai berikut :
Ca = Ca(Va) (2.7)
Biaya pada ruas jalan tersebut hanya tergantung pada arus dan ciri ruas itu saja.
Asumsi ini dapat menyederhanakan proses penaksiran, pengembangan fungsi
serta penggunaan metode pembebanan yang sesuai.
(Ofyar Z. Tamin, 1997 : 219)
Di dalam Ofyar Z. Tamin (1997) yang dikutip dari Branston (1976) menulis
beberapa kurva biaya-arus yang diusulkan oleh beberapa penulis sebagai berikut:
1. Smock (1962) mengemukakan rumus berikut untuk kajian di Detroit
t = t0 exp(V/Qs) (2.8)
t adalah waktu tempuh per satuan jarak, t0 adalah waktu per satuan jarak pada
kondisi arus bebas, dan Qs adalah kapasitas ruas pada kondisi tunak.
2. Overgaard (1976) menuliskan persaman dalam bentuk lain, yaitu :
æ V ö
b çç ÷
÷
t = t 0a è Q P ø
(2.9)
QP adalah kapasitas praktis dari ruas jalan, sedangkan a dan b adalah

parameter yang dikalibrasi.
3. Dinas Jalan Umum (1964) di Amerika Serikat menyarankan fungsi yang

sangat umum, yaitu :
é æ ö
b
ù
t = t 0 ê1 + a ç V ÷ ú (2.10)
ë è Q P ø
û
4. IHCM (Indonesian Highway Capacity Manual) 1994, melakukan beberapa
kajian mengenai hubungan antara kecepatan dan arus pada beberapa ruas
tetapi mengabaikan faktor persimpangan. Kondisi buffer network biasa
digunakan utnuk skala studi yang luas pada suatu jaringan perkotaan.
V = FV (1 - ( D / D J ) ( L -1) )1 /(1- M ) (2.11)
87
1 /( L -1)
D0 æ (1 - M ) ö
=ç ÷ (2.12)
DJ çè ( L - M ) ÷ø
Dimana :
FV = Kecepatan arus bebas
D = Kepadatan
L,M = Konstanta
D0 = Kepadatan pada saat kapasitas tercapai
DJ = Kepadatan pada kondisi macet total
2.2.11. Metode Steepest Descent
a. Teori Dasar
Metode steepest descent adalah metode iteratif dalam rangka mencari titik
minimum dengan mengambil nilai awal sembarang. Metode ini merupakan salah
satu metode iteratif paling tua yang mengilhami berbagai metode iteratif
kontemporer seperti metode conjugate gradient (GD) dan generalized minimal
residual (GMRES).
Spiess (1990) telah mengembangkan penggunaan pendekatan steepest descent

dari model pendekatan gradien. Model pendekatan steepest descent ini
diformulasikan sebagai pendekatan masalah optimasi. Pendekatan ini
meminimalkan ukuran jarak antara yang volume diamati dengan volume yang
dibebankan. Fungsi yang paling sederhana dari tipe ini adalah jumlah kuadrat dari
semua pembeda yang mengarah pada minimalisasi cembung yaitu :
min Z ( g ) =
1
å (v - vâ )2 (2.13)
2 aÎAˆ
tergantung atas
v = pembebanan( g ) (2.14)
Dimana :
88
g : matrik asal-tujuan dalam matrik estimasi
va : volume yang diperkirakan dari link a pada semua iterasi
v̂ a : volume yang diamati dari link a
A : kumpulan dari semua link pada jaringan
v : kumpulan dari volume link yang dibebankan
Dengan mengasumsikan bahwa kondisi pembebanan adalah pembebanan

equilibrium, dimana sekumpulan link yang tidak mengurangi fungsi biaya S a (v a )
pada semua penghubung dari jaringan a Î A menentukan kecembungan suatu

model.
Dikarenakan estimasi matrik yang dirumuskan pada persamaan (2.13) sangat sulit
untuk dipastikan, biasanya memuat solusi optimal yang jumlahnya tak terbatas
yaitu matrik permintaan yang mungkin menggambarkan semua matrik yang
diamati sama baiknya. Pada konteks perencanaan yang sebenarnya, diharapkan
matrik yang dihasilkan menyerupai sedekat mungkin dengan matrik awal, karena
matrik tersebut memberikan informasi penting pada pergerakan asal-tujuan.
Model “tradisional” mengeliminasi setidaknya sebagian dari masalah degenerasi

dengan menggunakan fungsi tujuan Z(g) yang sesuai dengan ukuran jarak f ( g , gˆ )
dan mengambil kesetaraan antara nilai-nilai yang diamati dan yang diperkirakan
sebagai pembatas. Meskipun pendekatan ini menyediakan sarana untuk memilih
yang “terbaik” matrik yang diharapkan (berdasarkan beberapa kriteria) diantara
kondisi yang memadai pada volume yang diamati, pendekatan ini juga
meningkatkan kemajemukan yang menunjukkan masalah yang harus dipecahkan,
dan dengan demikian memberikan kontribusi yang besar dengan kenyataan bahwa
model ini sangat sulit untuk digunakan pada masalah dengan skala yang besar.
89
Jika ingin memperoleh solusi algoritma yang sifatnya mirip dengan matrik awal,
fungsi tujuan (2.13) sebaiknya tidak digunakan. Metode steepest descent
memberikan petunjuk yang berhubungan dengan meminimalkan fungsi tujuan dan
meyakinkan untuk tidak menyimpang dari solusi awal lebih dari yang diperlukan.
Pada kasus yang paling sederhana, ketika mengambil gradien secara langsung
terhadap variabel g, metode steepest descent atau gradien dapat dirumuskan
sebagai berikut :
ĝ i untuk l = 0,
g il +1
é ¶Z ( g )ù
g il - ll ê ú untuk l = 1, 2, 3, … (2.15)
ë ¶g i û gil
Dimana l l harus dipilih cukup kecil untuk memastikan bahwa jalur yang diikuti
oleh g l cukup dekat dengan jalur gradien yang sebenarnya. Perlu diperhatikan
bahwa penanda i melambangkan matriks asal-tujuan dan himpunan semua
matriks asal-tujuan aktif dilambangkan sebagai I.
Namun, jika gradien didasarkan pada variabel g seperti pada persamaan (2.15), ini
berarti bahwa perubahan pada matriks permintaan diukur dengan cara yang
mutlak, yaitu jumlah perjalanan, relatif terlepas dari perubahan akan berarti untuk
matrik awal. Secara khusus, hal ini berarti bahwa matrik asal-tujuan (MAT)
dengan gˆ i = 0 akan dipengaruhi oleh penyesuaian juga.
90
Untuk pendekatan yang lebih realistis gradien harus didasarkan pada perubahan
relatif permintaan, yang dapat ditulis sebagai :
ĝ i untuk l = 0,
g il +1
æ é ¶Z ( g ) ù ö
g il ç1 - ll ê ú
÷ untuk l = 1, 2, 3, … (2.16)
ç ë ¶g i û g il ÷
è ø
Perlu diperhatikan bahwa ketika gradien relatif digunakan,algoritma menjadi

perkalian pada ghi. Oleh karena itu, perubahan permintaan sebanding dengan
permintaan dalam matriks awal, dan khususnya angka nol akan dipertahankan
oleh perhitungan tersebut.
Pada dekomposisi dari volume link v a kedalam jalur aliran, dimana k Î K i yang
menyatakan kumpulan dari jalur yang digunakan pada setiap matriks asal-tujuan i,
ieI, dan hk adalah vektor yang berhubungan dengan jalur aliran. Volume link
dapat dinyatakan sebagai :
v a = å å d ak hk , aÎ A, (2.17)
iÎI k ÎK i
Dimana,
0 jika a Ï k (link tidak terdapat pada jalur k)

d ak
1 jika a Î k (link terdapat pada jalur k) (2.18)

2
Dengan menggunakan kemungkinan selain jalur aliran
hk
pk = , k Î K,i Î I (2.19)
gi
91
Persamaan (2.17) dapat ditulis kembali menjadi
va = å g i åd ak pk aÎ A. (2.20)
iÎI k ÎK i
¶Z ( g )
Kemudian dilanjutkan dengan menghitung gradien , dengan mengambil
¶g
turunan dari persamaan (2.13) diperoleh
¶Z ( g ) ¶v
= å a (v a - vâ ) iÎI (2.21)
¶g i aÎAˆ ¶g i
Mengasumsikan bahwa kemungkinan jalur adalah lokal konstan, diperoleh dari

persamaan (2.20)
¶v a
= å dak p k , a Î A, i Î I , (2.22)
¶g i kÎK i
Dilanjutkan dengan dimasukkan persamaan (2.21) ke persamaan (2.22),

menghasilkan
¶v a
= å å d ak p k (v a - vâ ) = å p k å d ak (v a - vâ ) iÎI (2.23)
¶g i aÎAˆ kÎK i kÎK i aÎ Aˆ
Dalam penerapan metode gradien atau steepest descent, diperlukan memberikan

nilai untuk panjang langkah l l . Memilih nilai-nilai yang sangat kecil bagi
panjang langkah memiliki keuntungan pada lebih tepatnya jalur gradien, namun
memiliki kelemahan yaitu membutuhkan langkah yang panjang dalam
penyelesaiannya. Sebaliknya, jika memilih nilai-nilai yang terlalu besar untuk
panjang langkah, fungsi tujuan Z ( g ) dapat sangat meningkat dan konvergensi
dari algoritma ini akan hilang. Dengan demikian, panjang langkah optimal l*
pada suatu permintaan g dapat ditemukan dengan menyelesaikan satu dimensi
bagian masalah.
92
ææ æ ¶Z ( g ) ö ö÷ ö÷
min Z ç çç g i çç1 - l ÷ (2.24)
l ç
èè è ¶g i ÷ø ÷ø ÷ø
Tergantung pada
¶Z ( g )
l £ 1, untuk semua i Î I , dengan g i > 0 (2.25)
¶g i
Karena fungsi tujuan Z dinyatakan dalam volume link v a , perlu diketahui pula
bagaimana perubahan sepanjang arah gradien. Hal ini dapat diperoleh dengan
menerapkan aturan rantai pada persamaan (2.22)
dv a dg ¶v æ öæ ö
v a' = = å i a = -å g i çç å p k å d ak (v aˆ - vâˆ )÷÷çç å d ak p k ÷÷ (2.26)
dl iÎI dl ¶g i iÎI è kÎK i aˆÎAˆ øè kÎK i ø
Memecahkan masalah minimalisasi persamaan (2.23) dapat dilakukan dengan

menemukan turunan dari titik nol. Menerapkannya kemudian pada aturan rantai
dan menghasilkan turunan :
dZ (l ) dv ¶Z
dl
=å a (
= å v a' v a - vˆ a + lv a' ) (2.27)
aÎ Aˆ dl ¶v a aÎ Aˆ
Hal ini mengarah langsung pada panjang langkah optimal
å v (vˆ '
a a - va )
l =
* aÎ Aˆ
(2.28)
å v a'
2
aÎ Aˆ
Yang kelayakannya perlu diperiksa berlawanan dan nantinya dibatasi oleh

persamaan (2.25). Dengan persamaan (2.23), (2.26), (2.28), dimiliki semua hasil
untuk memecahkan masalah penyesuaian matrik (2.13) menggunakan metode
gradien relatif (2.16).
b. Penerapan Metode Steepest Descent pada aplikasi software EMME/3
Salah satu kesulitan dalam praktek untuk menerapkan model matrik estimasi
dalam penerapan ini disebabkan oleh kenyataan bahwa model hanya dapat
93
dijalankan dalam program-program komputer yang sangat khusus, yang sulit

untuk didapat dan dioperasikan , jika program tersebut ada.
Metode gradien atau steepest descent dapat dijalankan dengan menggunakan
versi standar EMME/3 software perencanaan transportasi (Spiess 1984; INRO
1989). Tujuan dari program fitur ini adalah untuk menyediakan kerangka umum
untuk perhitungan simultan dari berbagai jalur tergantung dari informasi yang
mungkin dibutuhkan disamping hasil pembebanan biasa.
Untuk setiap jalur yang dihasilkan selama pembebanan equilibrium normal,

additional path attribute c k dihitung dengan menggabungkan additional link
attribute c a dari link pada jalur dengan path operator Ä (yang bisa saja
penghubung seperti å , Õ , min, max )

c k = Äc k Î K,iÎ I (2.29)
a
aÎk
Memeriksa path attribute (

c k untuk diperinci interval jalur ambang C, C )
menentukan apakah jalur tersebut termasuk dalam pembebanan bawahan
~
berikutnya dari additional demand ĝ . Dengan cara ini, himpunan jalur aktif K
didefinisikan.
Hasil dari pembebanan pilihan tambahan adalah additional volume.

v~a = å gˆ i åd ak pk (2.30)
~
iÎI k ÎK i
Dan atribut matrik tambahan, yang dapat dari salah satu berikut :
ci = åp c
k ÎK i
k k (path attributes) (2.31)
c~i = åp c
~
k k (active path attributes) (2.32)
k ÎK i
g~i = åp
~
k gˆ i (active addl. Demand) (2.33)
kÎK i
t i = gˆ i åp c
~
k k (active path attribute weighed by addl. Demand) (2.34)
kÎK i
94
Pernyataan fitur pilihan tambahan pada EMME/3 dalam istilah matematika,

terlihat jelas bahwa EMME/3 tidak hanya bisa menyelesaikan aplikasi ”biasa”,
seperti analisis pemilihan jalur, pembebanan sebagian, perhitungan biaya atau
jarak matriks, dapat juga digunakan untuk menyelesaikan metode gradien atau
steepest descent untuk masalah penyesuaian matrik, seperti yang dijelaskan
sebelumnya.
Berikut dijelaskan langkah bagaimana penyelesaian dapat tercapai. Pada awal

setiap iterasi metode steepest descent, pembebanan equilibrium sederhana (yaitu
tidak menggunakan fitur pilihan tambahan) dijalankan dengan matrik sekarang,
untuk menghitung volume link v a i, a Î A . Dengan volume ini, atribut link
tambahan c a dihitung dengan penghitung jaringan sebagai
v a - vˆ a jika aÎ A
ca
0 yang lainnya (2.35)
¶Z ( g )
Matrik gradien didefinisikan pada persamaan (2.23) yang kemudian
¶g i
dihitung pada persamaan (2.34) sebagai matrik atribut tambahan. Matrik ini
kemudian digunakan sebagai matrik permintaan tambahan ĝ dan variabel v a' dari
persamaan (2.26) dihitung berdasarkan persamaan (2.30). Panjang langkah
optimal diperoleh dari persamaan (2.28) dievaluasi kembali dengan penghitung
jaringan. Akhirnya, matrik permintaan diperbarui dengan menggunakan
penghitung matrik berdasarkan pada persamaan (2.16).
Dengan menggunakan fitur makro dari EMME/3 yang menyediakan ruang

berbeda dari EMME/3 untuk dikombinasikan menjadi prosedur yang majemuk,
semua algoritma dapat dikemas menjadi satu perintah makro, menyembunyikan
semua rincian pelaksanaan dari pengguna.
2.2.13. Pendekatan Pembebanan User Equilibrium

95
Pertimbangan utama pembebanan lalu lintas adalah asumsi bahwa dasar pemilihan
rute adalah biaya perjalanan. Ukuran yang digunakan tergantung pada
karakteristik jalan, kondisi lalu lintas dan persepsi pengendara tentang kondisi
tersebut.
Dalam hal ini efek stokastik tidak diperhitungkan. Ada dua perilaku pokok yang
diusulkan sebagai dasar dari kondisi equilibrium,yaitu:
1. Pengendara memilih rute secara bebas yang memenuhi kepentingan
terbaiknya menurut kondisi lalu lintas yang dihasilkan dari beberapa pilihan
rute lain.
2. Pengendara memilih rute yang menghasilkan arus lalu lintas yang
memberikan keuntungan maksimum bagi mereka.
Pendekatan Pembebanan User Equilibrium mengacu pada prinsip Wardrop I yang

menyatakan bahwa dalam kondisi macet, pengendara akan memilih suatu rute
sampai tercapai kondisi yang tidak memungkinkan seorangpun dapat mengurangi
biaya perjalanannya dengan menggunakan rute yang lain. Apabila semua
pengendara mempunyai persepsi yang sama tentang biaya maka akan dihasilkan
kondisi keseimbangan, artinya semua rute yang digunakan antar dua titik tertentu
akan mencapai biaya perjalanan yang sama dan minimum, sedangkan rute yang
tidak digunakan akan mencapai biaya perjalanan yang sama atau lebih mahal.
Kemajuan besar dalam teknik pembebanan dengan peminimuman fungsi obyektif
adalah dimungkinkannya analisa pengembangan algoritma yang sistematik untuk
pemecahannya. Algoritma yang sangat umum digunakan adalah Frank Wolfe
(1956). Langkah-langkah dalam proses pembebanan tersebut adalah sebagai
berikut:
1. Pilih satu set initial biaya ruas, yang biasa digunakan adalah waktu tempuh
pada kondisi arus bebas Ca (0). Inisialisasi semua arus V 0
a
= 0, kemudian set
n = 0.
2. Bentuk suatu pohon biaya minimum, kemudian set n = n+1.
3. Bebankan semua matrik T dengan pembebanan All-or-Nothing untuk
mendapatkan suatu set arus Fa.
4. Hitung arus pada saat sekarang dengan persamaan:
96
V an = (1- f )V na -1 + fFa (2.41)
5. Hitung satu set baru biaya ruas berdasarkan besar arus Van . Jika arus (atau
biaya ruas) tidak terlalu banyak mengalami perubahan dalam dua kali
pengulangan yang berurutan maka proses dihentikan, dan jika tidak
diteruskan ke tahap (2).
Proses pembebanan pada penelitian ini menggunakan bantuan aplikasi program
EMME/3 sehingga dapat menyederhanakan model.
2.2.14. Indikator Uji Statistik
Tamin (2000) menulis penaksiran MAT dari data lalu lintas yang dihasilkan
dengan menggunakan penaksiran model kebutuhan akan transportasi akan
menghasilkan arus lalu lintas yang semirip mungkin dengan data arus lalu lintas
hasil pengamatan. Hal terpenting yang harus diperhatikan yaitu tingkat kemiripan
dari MAT hasil penaksiran dengan MAT hasil pengamatan. Tingkat akurasi MAT
yang dihasilkan dari data arus lalu lintas dapat ditentukan dengan beberapa
indikator uji statistik. Indikator uji statistik yang digunakan disini adalah
Koefisien Determinasi (R²). Indikator statistik R² dapat didefinisikan sebagai
Persamaan (2. 42).
R 2
=
å (
V - Vˆ )
a a
2
(2.42)
å V - å Vˆ
a
2
a
2
Indikator statistik R2 ini merupakan suatu uji statistik yang paling sering
digunakan. Indikator ini akan memberikan bobot sangat tinggi untuk kesalahan
absolut besar. Oleh karena itu, nilai R2 yang tinggi tidak dapat diperoleh dari
matrik berjumlah sel besar dengan kesalahan kecil, akan tetapi sangat jelek pada
matrik yang memiliki nilai sel yang kecil.
Persamaan (2.42) memperlihatkan bahwa nilai R2 dapat menjadi menurun jika

terdapat simpangan besar antara MAT hasil penaksiran dan MAT hasil observasi.
Nilai R2 = 1 merupakan nilai tertinggi yang dapat dihasilkan jika dilakukan
perbandingan antar MAT. Oleh karena itu, nilai R2 yang mendekati 1 (satu)
menunjukkan tingkat kemiripan yang tinggi antar MAT yang diperbandingkan.
97
2.2.15. EMME/3 (Equilibre Multimodal, Multimodal Equilibrium)
Emme merupakan software yang professional dalam meramalkan sebuah

perjalanan. Emme menawarkan perangkat alat perencanaan yang kumplit dan
komprehensive untuk kebutuhan suatu pemodelan. Selain itu Emme khususnya
disini EMME/3 merupakan pengembangan dari program sebelumnya yaitu
EMME-2 yang dibuat dan dikembangkan di INRO Consultant University de
Montreal, Kanada, dengan kemampuan yang sudah sangat tinggi, dengan jumlah
node dan link yang dapat dikatakan tidak terbatas (mampu mencapai hampir 1 juta
node). Adapun keunggulan lainnya adalah formula yang dapat dibuat sendiri
sesuai keadaan dan kebutuhan (INRO Consultants Inc., 1998). Misalnya hitungan
kapasitas dan waktu tempuh yang disesuaikan dengan Manual Kapasitas Jalan
Indonesia (MKJI) 1997 (Munawar, 2005). Keluaran dari piranti lunak ini dapat
berupa grafis, numerik dan SIG (Ofyar, 2008).
Para perencana transportasi menggunakan EMME untuk memodelkan system

transportasi perkotaan, metropolitan dan regional. Selain itu EMME juga
digunakan untuk mengevaluasi kebijakan transportasi yang mempunyai efek
kesemua system transportasi yang ada.
EMME berbeda dengan program lainnya karena EMME memberikan kemudahan

dan kebebasan secara khusus bagi pengguna dalam melakukan pendekatan model
untuk menggunakan metode yang telah ditetapkan atau membuat metode baru
untuk memanggil kebutuhan setempat. EMME sendiri dikembangkan untuk
mengemudikan sistem transportasi yang komplek, dan melaporkan kepada para
perencana berbagai macam tantangan yang harus dihadapi terkait teknologi, sosial
dan ekonomi.
Pada manual EMME help dijelaskan bahwa EMME/3 mempunyai beberapa
komponen utama yaitu EMME GUI yang baru, the network editor, the network
calculator, worksheet dan mesin pemetaan, kegunaan yang terbaru untuk
penggabungan (integration) GIS dan komponen lainnya. Untuk mengakses
98
informasi pada EMME help secara on-line dapat dicari pada help menu (Gambar
4.5).
Gambar 2.8. Help Menu
EMME user’s Guide menyediakan struktur teks dasar. The EMME reference
manual menyediakan dokumen secara detail untuk kemampuan pemetaan EMME
dan GUI-tools untuk merinci visualisasi dan analisisnya. The EMME prompt
(Prompt Console) menyediakan gambaran ringkasan secara luas dari operasi garis
perintah, termasuk merinci model kebutuhan, pembebanan, jaringan, dan
kalkulator matriks (Gambar 2.8). Sedangkan alat pemodelan transportasi yang
lain mencakup the EMME macro language untuk melakukan otomatisasi.
99
Gambar 2.9. The EMME Prompt (Prompt Console)
Prosedur perhitungan program EMME/3 dalam membuat matriks baru dengan

metode steepest descent dan arus lalu lintas hasil proses pembebanan ke jaringan
jalan, secara umum dapat dilihat pada Gambar 2.9.
100
Data MAT awal

/prior matrix
Penyusunan MAT
(Prompt console) Basis data
jaringan jalan
Estimasi Matriks
(Prompt console)
Penyusunan Jaringan Data arus lalu lintas
(Network Editor) /traffic count
MAT baru
ME2
Assignment
(Prompt console)
User Equilibrium
Arus Lalu lintas pada Tiap Ruas Jalan
Gambar 2.10. Prosedur Perhitungan Program EMME/3
2.3. Kelebihan EMME/3 dengan program lain
Pada pembahasan ini program yang ingin dibandingkan dengan EMME/3 adalah
program SATURN. Dengan alasan penelitian-penelitian yang sebelumnya dalam
mengestimasi matriks dilakukan dengan program SATURN. Untuk dapat melihat
keunggulan beberapa program yang sudah tersedia di pasaran dapat dilihat pada
Tabel 2.15. Dari tabel tersebut akan diketahui bahwa EMME/2 memiliki
keunggulan yang lebih dibandingkan dengan SATURN. Sedangkan EMME/3
merupakan pengembangan dari program sebelumnya yaitu EMME/2 yang dibuat
dan dikembangkan di INRO Consultant University de Montreal, Kanada, dengan
kemampuan yang sudah sangat tinggi, dengan jumlah node dan link yang dapat
dikatakan tidak terbatas (mampu mencapai hampir 1 juta node). Adapun
101
keunggulan lainnya adalah formula yang dapat dibuat sendiri sesuai keadaan dan
kebutuhan (INRO Consultants Inc., 1998). Misalnya hitungan kapasitas dan
waktu tempuh yang disesuaikan dengan Manual Kapasitas Jalan Indonesia
(MKJI) 1997 (Munawar, 2005).Oleh karena itu sesuai paparan seorang guru
besar bidang transportasi dari UGM bapak Munawar (2005) tersebut di atas
dalam pelantikan pengukuhannya dapat diambil sebuah kesimpulan bahwa
EMME/3 memiliki kelebihan yang lebih dibandingkan SATURN.
Tabel 2.15. Perangkat lunak perencanaan transportasi yang telah tersedia di

pasaran.
Paket Program Pemasok Kapasitas Sistem operasi Keluaran

MVA 300 Zona
MicroTRIPS MS-DOS Numerik
Systematica 4.000 ruas
Steer, Davies, 400 Zona
MOTORS MS-DOS Numerik
and Gleave 6.000 ruas
University of 500 Zona Numerik dan
SATURN MS-DOS
leeds 7.000 ruas grafik
Wooton Jeffreys 500 Zona
MINITRAMP MS-DOS Numerik
and Partners 5.000 ruas
The Urban
3.000 Zona Numerik, grafik
TRANPLAN Abalysis Group Windows
60.000 ruas dan GIS
California
Caliper 3.000 Zona Numerik, grafik
TRANSCAD Windows
Corporation 60.000 ruas dan GIS
INRO
1.200 Zona
Consultant Numerik, grafik
STAN 24.000 ruas Windows
University de dan GIS
100 skenario
Montreal
500 Zona Numerik, dan
STRADA JICA Windows
10.000 ruas grafik
INRO
Consultant 2.800 Zona Numerik, grafik
EMME/2 MS-DOS
University de 56.000 ruas dan GIS
Montreal
Sumber : Ofyar (2008)
102
BAB 3
METODOLOGI PENELITIAN
3.6. Lokasi Penelitian
Penelitian ini mengambil wilayah studi di Kota Surakarta. Kota Surakarta yang
terletak di Propinsi Jawa Tengah bagian selatan yang memiliki kepadatan lalu
lintas yang cukup tinggi. Secara geografis Surakarta terletak pada 110’45’15’ –
110’45’35’ BT dan 70’36’00’ – 70’56’00’ LS berbatasan dengan daerah tingkat II
yang lain, yaitu di sebelah Utara berbatasan dengan Kabupaten Karanganyar dan
Kabupaten Boyolali, sebelah Selatan dengan Kabupaten Sukoharjo, sebelah Barat
dan Timur dengan Kabupaten Sukoharjo dan Karanganyar.
Luas wilayah Surakarta kurang lebih 44.040 km 2 yang terbagi dalam lima
kecamatan dan terdiri dari 51 kelurahan. Jumlah penduduk kota tersebut mencapai
534.540 jiwa manusia (menurut statistik terakhir tahun 2005) dengan kepadatan
mencapai 12.716 jiwa / km 2 . Peta administratif batas kelurahan di wilayah Kota
Surakarta dapat dilihat pada Gambar 3.2., peta zona dapat dilihat pada Gambar
3.3. dan peta jaringan jalan kota Surakarta dan lokasi survey pada Gambar 3.1.
3.7. Data yang dibutuhkan
Data yang dibutuhkan dalam penelitian ini adalah data sekunder diperoleh dari
survei tahun 2007 dan instansi yang terkait yang berada di wilayah Surakarta.
Data tersebut meliputi:
1. Peta wilayah kota Surakarta yang diperoleh dari Badan Perencana
Pembangunan Daerah (Bappeda).
2. Data jaringan jalan dari Departemen Pekerjaan Umum (DPU).
3. Data matrik awal (prior matrix) yang digunakan adalah hasil perhitungan
skripsi “ Evaluasi Kinerja dan Penanganan Jaringan Jalan (Studi Kasus Kota
Surakarta)” oleh Astri Brillianti tahun 2002.
103
4. Data arus lalu lintas (traffic count) yang digunakan adalah hasil penelitian
skripsi “Estimasi Matriks Asal Tujuan dari Data Lalu Lintas dengan Metode
Estimasi Entropi Maksimum (Studi Kasus Kota Surakarta)” oleh Revi
Widyastuti tahun 2007.
Revi dkk (2007) melalukan survey volume lalu lintas pada jam puncak di Kota
Surakarta pada 42 lokasi zona internal (Tabel 3.1) dan 14 lokasi zona eksternal
(Tabel 3.2) berdasarkan batas administratif kelurahan kemudian dilakukan survey
pembaruan pada beberapa titik di tahun 2009.
Tabel 3.1. Lokasi survey arus lalu lintas zona internal
NODE NODE
No. Nama Jalan No. Nama Jalan
1 2 1 2
1 94 91 23 22 78
Jl. Tentara Pelajar Jl. Jendral Sudirman
2 91 94 24 78 22
3 Jl. Ir. Sutami 241 92 25 26 3
Jl. Jendral Ahmad Yani
4 Jl. Dr. Radjiman 128 127 26 3 26
5 133 167 27 Jl. Urip sumoharjo 85 86
Jl. Kapten Mulyadi
6 167 133 28 257 256
Jl. Monginsidi (Dekat Stasiun Balapan)
7 138 139 29 256 257
Jl. Veteran
8 139 138 30 264 35
Jl. Kapten Tendean
9 193 208 31 35 264
Jl. Gajah Mada
10 208 193 32 Jl. Tagore 260 35
11 Jl. Dr. Radjiman (Depan POM 67 66 33 Jl. Ahmad Yani (Dekat Terminal 36 35
12 bensin Laweyan) 66 67 34 Tirtonadi) 35 36
13 189 188 35 Jl. Slamet Riyadi Gendengan) 8 9
Jl. Dr. Muwardi
14 188 189 36 26 25
Jl. Adi Sucipto
15 89 51 37 25 26
Jl. Bridjen Katamso
16 51 89 38 Jl. Kolonel Sutarto (Depan Panggung) 86 91
17 40 41 39 3 2
Jl. Letjen Suprapto Jl. Slamet Riyadi (Kerten)
18 41 40 40 2 3
19 46 47 41 39 86
Jl. Sumpah Pemuda Jl. Mongonsidi (Depan Hotel Asia)
20 47 46 42 86 39
21 266 37
Jl. Letjen Sutoyo
22 37 266
104
Tabel 3.2. Lokasi survey volume lalu lintas zona eksternal
NODE
No. Nama Jalan
1 2
1 105 756
Jl. Yos Sudarso
2 756 105
3 61 754
Jl. Dr. Radjiman
4 754 61
5 Jl. Kolonel Sugiyono 271 762
6 117 764
Jl. Joko Tingkir
7 764 117
8 56 763
Jl. Adi Sumarmo
9 763 56
10 1 701
Jl. Slamet Riyadi
11 701 1
12 136 755
Jl. Veteran
13 755 136
14 145 758
Jl. Kyai Mojo
15 758 145
16 Jl. Palur 95 759
17 Jl. Adi Sucipto 23 752
18 55 765
Jl. Ring Road
19 765 55
20 287 760
Jl. Tangkuban Perahu
21 760 287
22 288 757
Jl. Bridjen Sudarto
23 757 288
45
46
Tabel 3.3. Data nomor zona dan nama zona internal

No. Zona Nama Zona No. Zona Nama Zona
1 Karangasem 31 Sumber
2 Jajar 32 Gilingan
3 Kerten 33 Manahan
4 Pajang 34 Mangkubumen
5 Sondakan 35 Punggawan
6 Laweyan 36 Kestalan
7 Bumi 37 Ketelan
8 Purwosari 38 Setabelan
9 Penumping 39 Timuran
10 Panularan 40 Keprabon
11 Sriwedari 41 Mojosongo
12 Tipes 42 Jebres
13 Kemlayan 43 Tegalharjo
14 Jayengan 44 Kepatihan Kulon
15 Kratonan 45 Kepatihan Wetan
16 Serengan 46 Purwodiningratan
17 Danukusuman 47 Jagalan
18 Joyotakan 48 Pucangsawit
19 Kampung Baru 49 Sudiroprajan
20 Kauman 50 Gandekan
21 Sangkrah 51 Kampungsewu
22 Kedunglumbu
23 Baluwarti
24 Semanggi
25 Gajahan
26 Pasar Kliwon
27 Joyosuran
28 Kadipiro
29 Banyuanyar
30 Nusukan
Tabel 3.4. Data nomor zona dan nama zona eksternal

No. Zona Nama Zona
52 Colomadu
53 Pabelan Kartosuro
54 Makam Haji Kartosuro
55 Cemani
56 Solo Baru
57 Grogol Sukoharjo
58 Bekonang
59 Palur Karanganyar
60 Plupuh Sragen
61 Jl. Clolo arah Karanganyar
62 Arah Purwodadi
63 Ngemplak Boyolali
64 Gentan Sukoharjo
65 Kebak Kramat Karanganyar
Gambar 3.2. Peta Administrasi Kota Surakarta
47
48
Gambar 3.3. Peta Pembagian Zona Kota Surakarta
49
3.8. Alur Penelitian
Alur penelitian ini perlu dibuat secara sistematis untuk memudahkan pelaksanaan
kegiatan penelitian. Secara garis besar akan diuraikan sebagai berikut:
1. Studi Literatur
Pada tahap studi literatur bertujuan untuk menemukan hal-hal yang berkaitan
dengan pencapaian tujuan penelitian, dan mempelajari berbagai kasus yang
telah diangkat oleh para peneliti sebelumnya sehingga penelitian ini lebih
update dan di harapkan lebih efektif dalam penelitian yang akan dilaksanakan.
2. Pembaruan Data
Pembaruan Data meliputi pembenahan gambar jaringan jalan pada program

EMME/3 yang disesuaikan dengan peraturan yang terbaru dan sesuai acuan
dan mengambil data arus lalu lintas terkini . Hal ini dilakukan karena
pengambilan data yang sebelumnya telah mengalami perubahan, seperti data
karakteristik jalan dan data arus lalu lintas terkini (traffic count). Pelaksanaan
survey dilaksanakan pada jam puncak pagi hari yaitu antara jam 06.00-08.00
selama dua hari yaitu pada 29 Oktober 2009 dan 12 November 2009.
Penentuan periode jam sibuk diambil dari perhitungan hasil survey baru yang
dilakukan. Survey dilakukan pada beberapa ruas jalan di berbagai titik di
wilayah Surakarta dan pada batas wilayah kota Surakarta. Setelah dilakukan
pembaruan data kemudian diolah menjadi basis data yang dapat digunakan
pada tahap selanjutnya.
3. Estimasi Matriks
Tahap estimasi matriks ini dilakukan untuk memproses perhitungan data

sekunder dengan menggunakan bantuan program EMME/3. Proses tersebut
berupa pembuatan jaringan jalan, dan pembebanan matriks awal yang didukung
dengan data arus lalu lintas.
49
50
Berikut ini merupakan data-data yang menjadi variabel dalam penelitian ini,
yaitu:
1. Basis data jaringan jalan diperoleh dari Dinas Pekerjaan Umum (DPU) Surakarta.
2. Matriks Awal (Prior matrix)

Prior matrix yang digunakan adalah prior matrix peneliti sebelumnya (Astri
Brilianti, 2002).
3. Data Arus Lalulintas (Traffic Count)

Data arus lalulintas tersebut menggunakan data survei sebelumnya (Rahayu
Mahanani Wijiastuti, 2007).
4. Tes Validasi
Validasi dilakukan untuk melihat seberapa besar perbedaan arus lalu lintas tiap ruas
dari hasil pengamatan dengan arus lalu lintas hasil perhitungan. Dengan mencari
besar nilai R2.
5. Pembahasan
Pembahasan ini meliputi analisis hasil estimasi MAT dari arus lalu lintas dalam
aplikasi program EMME/3 dan menganalisis tingkat validasi hasil model
dengan pengamatan.
6. Kesimpulan
Kesimpulan merupakan uraian secara singkat inti dari hasil akhir proses
pembahasan yang kemudian ditambahkan dengan saran untuk penelitian
selanjutnya agar bisa lebih dikembangkan lagi.
50
51
Alur penelitian ini dapat digambarkan seperti Gambar 3.4.
Mulai
Studi Literatur
Pembaruan Data
Matriks Awal Estimasi Matriks Data Arus Lalu Lintas

(Prior Matrix) (EMME/3) (Traffic Count)
Uji Validasi
Pembahasan
Kesimpulan dan
Saran
Selesai
Gambar 3.4. Bagan Alir Penelitian
3.9. Prosedur Pelaksanaan Survey
Prosedur pelaksanaan survey ini berupa tahap-tahap yang harus dilakukan

sebelum dan selama pelaksanaan survey agar tidak terjadi kesalahan dalam
pengumpulan data di lapangan.
51
52
3.9.1. Survey Pendahuluan
Survey dilakukan untuk menentukan waktu dan lokasi penelitian. Penentuan jam
sibuk berdasarkan penelitian sebelumnya yang telah dilakukan pada beberapa ruas
di Kota Surakarta. Penentuan lokasi penelitian berdasarkan pertimbangan
klasifikasi fungsi jalan, kondisi tata guna lahan disekitarnya, tingkat kepadatan
lalu lintas dan beberapa ruas jalan yang dianggap mewakili pada jaringan jalan
kota Surakarta.
3.9.2. Teknik Pengumpulan Data
Pengumpulan data primer pada penelitian ini dilakukan secara langsung

dilapangan dengan cara menghitung berapa banyaknya kendaraan yang melewati
suatu titik survey. Pengumpulan data tersebut dilakukan oleh surveyor secara
manual menggunakan bantuan hand tally counter untuk jenis kendaraan tertentu
yang memiliki arus besar sehingga sulit dilakukan perhitungan secara manual
(dengan turus). Hasil dari perhitungan tersebut dicatat dalam suatu formulir
survey.
3.9.3. Desain Survey
Desain survey yang dilakukan untuk mendapatkan data di lapangan meliputi:

1. Desain alat survey
Dalam melakukan survey ada dua metode yang digunakan yaitu: metode
manual (menggunakan turus atau angka yang nantinya dijumlahkan) dan tally
system (menggunakan bantuan alat). Peralatan yang digunakan disini
meliputi: alat tulis, formulir survey, hand tally counter, penunjuk waktu
(Hand Phone).
2. Desain formulir survey
Berdasarkan jenis kendaraan yang akan disurvey meliputi: Motor Cycle, Light
Vehicle (mobil penumpang, oplet, mikrobis, pick-up dan truk kecil), dan
52
53
Heavy Vehicle (bis, truk 2 as, truk 3 as, dan truk kombinasi) dan desain alat
yang digunakan, maka formulir survey yang digunakan memuat kriteria dan
contoh gambar dari kendaraan yang disurvey. Formulir isian jumlah
kendaraan diisi sesuai dengan jumlah kendaraan yang melalui ruas jalan yang
diamati dan dihitung per 5 menit selama 2 jam dimulai pukul 06.00 hingga
pukul 08.00. Karena ada sebagian yang menggunakan metode manual maka
lebar dan panjang kolom untuk pengisian disesuaikan supaya dapat memuat
turus hasil penghitungan. Contoh sket formulir Survey yang digunakan
terlampir pada lampiran G.
4. Surveyor
a. Spesifikasi surveyor
Surveyor yang dipilih adalah mereka yang dinilai telah dapat menggunakan
peralatan yang akan digunakan dan juga mengerti tentang klasifikasi
kendaraan yang disurvey.
b. Jumlah Surveyor
Jumlah surveyor yang digunakan sebanyak ±60 orang dengan penempatan
pada titik-titik yang telah ditentukan. Banyak surveyor yang ditempatkan
pada suatu titik di ruas jalan tertentu tergantung pada kelas jalan, lebar jalan,
banyak lajur dan jalur, kepadatan, dan jenis kendaraan yang melalui jalan
tersebut.
c. Tugas Surveyor
Tugas Surveyor adalah mencatat semua jenis kendaraan bermotor kedalam
formulir survey yang telah ditentukan per lima menitan berturut-turut selama
dua jam.
d. Penempatan Surveyor
Surveyor ditempatkan pada titik-titik yang telah ditentukan. Jumlah surveyor
yang ditempatkan disesuaikan dengan tingkat kepadatan, banyak sedikitnya
jenis kendaraan yang lewat ruas jalan tersebut dan juga berdasarkan
klasifikasi jalan.
53
54
3.10. Teknik Analisis Data

Analisis data yang dilakukan dengan program EMME/3 adalah sebagai berikut:
3.5.1. Pembuatan jaringan jalan
Pembuatan jaringan jalan merupakan proses awal dalam penelitian ini. Dalam
program EMME/3 pembuatan jaringan jalan ini dilakukan melalui Network
Editor. Adapun data yang harus dimasukan antara lain moda, node, link,
koordinat, kapasitas arus, lebar jalan, tipe jalur.
EMME/3 (equilibre multimodal, multimodal equilibrium) merupakan software

yang professional untuk meramalkan suatu perjalanan. Selain itu EMME/3 ini
merupakan sebuah platform yang lengkap untuk meramalkan kebutuhan dan
merencanakan transportasi.
3.5.2. Estimasi Matriks
Setelah jaringan jalan selesai dibuat, langkah selanjutnya memasukkan matriks

awal ke dalam program EMME/3 melalui Emme prompt console. Emme prompt
console merupakan teks model yang digunakan untuk melakukan berbagai garis
perintah. Bentuk dari teks model ini berupa ‘module’. Emme prompt console ini
mencakup detail model kebutuhan, assignment network, perhitungan matriks dan
the emme macro language untuk melalukan otomatisasi.
Dalam proses pembuatan matriks baru metode pendekatan yang digunakan adalah
metode entropy maximum dengan bantuan program EMME/3 yaitu dengan
melakukan proses running demadj menggunakan file perintah pada Emme prompt
console.
3.5.3. Uji validasi
54
55
Hal ini dilakukan untuk mengetahui seberapa besar perbedaan yang ditimbulkan dari
arus lalu lintas hasil pengamatan dengan arus lalu lintas hasil perhitungan. Uji validasi
yang dilakukan dengan mencari nilai koefisien determinasi (R2).
Bagan alir teknik analisis data dapat dilihat pada Gambar 3.5.
Matriks Awal NETWORK Traffic Count

(Prior Matrix) (EMME/3)
Estimasi Matriks
(SD)
MAT Baru
Assignment
Arus lalu lintas

Tahun 2009
Tidak
Konvergen
Va ≈ Va’
Ya
Uji Validasi
Gambar 3.5. Bagan alir teknik analisis data (Estimasi Matriks EMME/3)
55
56
BAB 4
ANALISIS DAN PEMBAHASAN
4.1. Umum
Penelitian ini dilakukan dengan menggunakan program EMME/3 untuk

menentukan Matriks Asal Tujuan dari data arus lalu lintas kota Surakarta dengan
metode Steepest Descent dengan pembebanan User Equilibrium.
Program EMME/3 ini merupakan salah satu alat bantu dalam mengetahui
distribusi arus lalu lintas di kota Surakarta. Data masukan yang dipergunakan
dalam program ini antara lain data arus lalu lintas (traffic count), data ruas jalan
berupa kapasitas dan waktu tempuh pada saat arus bebas dan saat arus mencapai
kapasitas, data koordinat zona dan data prior matriks tahun 2002 dari penelitian
sebelumnya. Prosedur perhitungan data ruas jalan mengacu pada Manual
Kapasitas Jalan Indonesia (MKJI).
4.2. Pengolahan dan Penyajian Data
4.2.1. Sumber Data
a. Data Primer
Data primer dalam penelitian ini didapat dari survey penelitian pada jam 06.00
– 08.00 yang dilakukan pada tanggal 29 Oktober 2009 dan 12 November 2009
di beberapa titik dengan pertimbangan bahwa banyak pengendara
menggunakan ruas jalan tersebut dan dianggap mewakili jaringan jalan di kota
Surakarta.
56
57
b. Data Sekunder
Data sekunder lainnya yaitu data dari instansi terkait yang berada di wilayah kota
Surakarta meliputi peta administrasi kota Surakarta (Gambar 3.2), peta pembagian
zona kota Surakarta (Gambar 3.3), peta jaringan jalan kota Surakarta dan lokasi
survey (Gambar 3.1) dan juga data jaringan jalan (dapat dilihat pada lampiran).
Data hasil survey tahun 2009 dapat dilihat pada Tabel 4.1.
Tabel 4.1 Data Hasil Survey tahun 2009
NODE WAKTU Rata-rata
Nama JENIS
Jalan KEND. 06.00- 06.05- 06.10- 06.15- 07.55-
1 2 … kend/jam
06.05 06.10 06.15 06.20 08.00
MC 75 92 108 139 … 310 2880
105 756 LV 16 13 20 24 … 43 509
Jl. Yos HV 6 3 5 2 … 2 44.5
Sudarso MC 108 214 254 229 … 336 3811.5
756 105 LV 18 44 42 56 … 65 667.5
HV 5 7 7 8 … 9 93.5
MC 193 121 133 143 … 198 2485
61 754 LV 5 9 21 8 … 22 204.5
Jl. Dr. HV 1 3 3 2 … 4 30.5
Radjiman MC 111 112 156 229 … 206 2550.5
754 61 LV 7 14 13 17 … 29 227.5
HV 2 6 1 4 … 4 46.5
Sumber : Data hasil survey tahun 2009
Data lengkapnya dapat dilihat pada lampiran A
4.2.2. Pembagian Zona
Zona merupakan representasi dari sistem tata guna lahan suatu wilayah.
Pembagian zona dilakukan sebagai tahap awal persiapan data masukan. Namun
dalam penelitian ini, karena data tersebut sulit didapat maka digunakan zona-isasi
yang mengacu pada sistem pembagian wilayah secara administratif pemerintahan
yaitu berupa kelurahan. Pada penelitian ini terdapat 65 zona dengan 51 zona
internal (seluruh kelurahan di kota Surakarta ) (Tabel 4.2.) dan 14 zona eksternal
(Tabel 4.3.). Setiap zona diwakili oleh satu pusat zona (centroid), yang kemudian
dihubungkan ke salah satu simpul jaringan jalan (node) dengan penghubung
57
58
(centroid conector). Selanjutnya ditentukan titik-titik koordinat seluruh simpul

ruas jalan dan pusat zona tersebut.
Tabel 4.2. Pembagian zona internal

1. Wilayah Kecamatan Laweyan
No. Zona Nama Zona
701 Karangasem
702 Jajar
703 Kerten
704 Pajang
705 Sondakan
706 Laweyan
707 Bumi
708 Purwosari
709 Penumping
710 Panularan
711 Sriwedari
2. Wilayah Kecamatan Serengan

No. Zona Nama Zona
712 Tipes
713 Kemlayan
714 Jayengan
715 Kratonan
716 Serengan
717 Danukusuman
718 Joyotakan
3. Wilayah Kecamatan Pasar Kliwon

No. Zona Nama Zona
719 Kampung Baru
720 Kauman
721 Sangkrah
722 Kedunglumbu
723 Baluwarti
724 Semanggi
725 Gajahan
58
59
726 Pasar Kliwon

727 Joyosuran
4. Wilayah Kecamatan Banjarsari

No. Zona Nama Zona
728 Kadipiro
729 Banyuanyar
730 Nusukan
731 Sumber
732 Gilingan
733 Manahan
734 Mangkubumen
735 Punggawan
736 Kestalan
737 Ketelan
738 Setabelan
739 Timuran
740 Keprabon
5. Wilayah Kecamatan Jebres

No. Zona Nama Zona
741 Mojosongo
742 Jebres
743 Tegalharjo
744 Kepatihan Kulon
745 Kepatihan Wetan
746 Purwodiningratan
747 Jagalan
748 Pucangsawit
749 Sudiroprajan
750 Gandekan
751 Kampungsewu
Tabel 4.3. Pembagian zona eksternal

No.
Zona Nama Zona
59
60
752 Colomadu
753 Pabelan Kartosuro
754 Makam Haji Kartosuro
755 Cemani
756 Solo Baru
757 Grogol Sukoharjo
758 Bekonang
No.
Zona Nama Zona
759 Palur Karanganyar
760 Plupuh Sragen
761 Jl. Clolo arah Karanganyar
762 Arah Purwodadi
763 Ngemplak Boyolali
764 Gentan Sukoharjo
765 Kebak Kramat Karanganyar
4.2.3. Satuan Mobil Penumpang
Data yang diperoleh dari hasil survei berupa volume arus lalu lintas. Agar
diperoleh volume lalu lintas dalam satuan kendaraan, maka beberapa jenis
kendaraan perlu dikonversi ke dalam satuan mobil penumpang. Pada pelaksanaan
survei traffic count digunakan interval waktu 5 menitan selama 2 jam sehingga
terdapat 24 buah data volume arus lalu lintas. Data yang dipakai adalah nilai
tertinggi dari 13 buah data perjam yang didapat dari perhitungan 24 data tersebut.
Perhitungan untuk mendaatkan data yang dipakai dapat dilihat pada Tabel 4.4.
Contoh : Nama jalan : Urip Sumoharjo
Nomor ruas : 85 – 86
Tabel 4.4. Perhitungan jumlah kendaraan pada jam puncak (dalam 1 jam)
NODE WAKTU
JENIS
KEND. 06.40- 06.45- 06.50- 06.55- 07.00- 07.05- 07.10- 07.15- 07.20- 07.25- 07.30- 07.35
1 2
06.45 06.50 06.55 07.00 07.05 07.10 07.15 07.20 07.25 07.30 07.35 07.40
85 86 MC 289 269 199 174 237 193 254 227 162 187 133 295
LV 21 23 28 18 29 31 30 31 17 31 15 26
HV 3 2 4 1 4 1 4 1 3 4 1 4
∑MC=1258
∑LV=150
∑HV=17
∑MC=1326
∑LV=159 60
∑HV=16
61
∑MC=1284
∑LV=167
∑HV=15
maksimum ∑MC=2619
maksimum ∑LV=300
Selanjutnya dilakukan konversi ke dalam satuan∑HV=32
maksimum mobil penumpang sesuai Tabel
2.1. Contoh perhitungan dapat dilihat pada Tabel 4.5.
Contoh : Nama jalan : Urip Sumoharjo

Nomor ruas : 85 - 86
Tabel 4.5. Konversi Satuan kendaraan ke smp

NODE Arus (smp/jam)
Nama JENIS Faktor
Jalan KEND. konversi 06.00- 06.05- 06.10- 06.15- 07.00-
…
1 2 07.00 07.05 07.10 07.15 08.00
MC 0,25 621 663 692 710 … 819
105 756 LV 1 473 508 538 554 … 545
HV 1,3 52 49 48 44 … 64
Jl. Yos TOTAL 1146 1220 1278 1308 … 1391
Sudarso MC 0,25 904 930 956 954 … 1002
756 105 LV 1 661 702 727 730 … 674
HV 1,3 108 109 113 114 … 135
TOTAL 1673 1741 1796 1799 … 1795
MC 0,25 641 647 683 686 … 601
61 754 LV 1 167 188 202 201 … 242
HV 1,3 33 33 34 35 … 47
Jl. Dr. TOTAL 841 867 919 922 … 962
Radjiman MC 0,25 613 635 667 685 … 663
754 61 LV 1 212 219 226 236 … 243
HV 1,3 51 56 57 62 … 70
TOTAL 875 910 950 984 … 970
Data lengkap konversi dari satuan kendaraan ke satuan mobil penumpang dapat
dilihat pada lampiran B.
4.2.4. Kapasitas
Kapasitas pada suatu ruas jalan dapat dihitung dengan menggunakan Persamaan
(2.1)
61
62
Contoh:
Nama jalan : Urip Sumoharjo
Tipe operasi : Empat lajur dua arah tak terbagi (4/2 UD)
Lebar jalan : 14 meter ( total 2 arah)
Hambatan samping : tinggi
Lebar bahu :-
Jarak kerb-penghalang : 1 meter
Jumlah penduduk : 566.768 jiwa
Berdasarkan data di atas, maka pada nomor ruas 85 – 86 dapat ditentukan :

Ø Kapasitas dasar (lihat Tabel 2.3) Co = 1500
Ø Faktor penyesuaian lebar lajur (lihat Tabel 2.4) FCw = 1,00
Ø Faktor penyesuaian pemisah arah (lihat Tabel 2.5) FCsp = 1,00
Ø Faktor penyesuaian hambatan samping (lihat Tabel
2.6./2.7) FCsf = 0,81
Ø Faktor penyesuaian ukuran kota (lihat Tabel 2.9) FCcs = 0,94
Sehingga kapasitas (smp/jam)

C = Co x FCw x FCsp x FCsf x FCcs
= 1500 x 1,00 x 1,00 x 0,81 x 0,94
= 1142 smp/jam
Karena ruas tersebut terdiri atas 4 lajur maka kapasitas total ruas tersebut
= 4 x 1142 = 4568 smp/jam
Data lengkap tentang perhitungan kapasitas dapat dilihat pada lampiran C.
4.2.5. Waktu Tempuh
62
63
Waktu tempuh adalah waktu yang dibutuhkan untuk melintasi suatu ruas,
dinyatakan dalam suatu waktu (detik). Waktu tempuh diperoleh dengan membagi
jarak dengan kecepatan. Waktu yang dibutuhkan kendaraan tunggal pada suatu
ruas jalan merupakan waktu tempuh pada saat arus bebas. Waktu tempuh suatu
ruas dapat diperoleh dengan mengetahui kecepatan arus bebas dan panjang ruas
tersebut.
Dibawah ini diberikan suatu contoh perhitungan waktu tempuh dengan

menggunakan analisis kecepatan pada ruas jalan 85 - 86.
Contoh:
Nama jalan : Urip Sumoharjo
Tipe operasi : Empat lajur dua arah tak terbagi (4/2 UD)
Lebar jalan : 14 meter ( total 2 arah)
Hambatan samping : tinggi
Lebar bahu :-
Jarak kerb-penghalang : 1 meter
Jumlah penduduk : 566.768 jiwa
Berdasarkan data di atas, maka pada nomor ruas 211 – 511 dapat ditentukan :
Ø Kecepatan arus bebas dasar (lihat Tabel 2.10) FVo = 53
Ø Faktor penyesuaian lebar jalur lalu lintas FVw = 0
(lihat Tabel 2.11)
Ø Faktor penyesuaian hambatan samping (lihat Tabel
2.12/2.13) FFVsf = 0,81
Ø Faktor penyesuaian ukuran kota (lihat Tabel 2.14) FFVCcs = 0,95
Sehingga kecepatan arus bebas (km/jam), sesuai Persamaan (2.4)
F = ((Fvo + Fvw) x FFVsf x FFVcs

= (53+0) x 0,81 x 0,95
= 40,78 km/jam
63
64
Sedangkan untuk menghitung kecepatan pada saat arus mencapat kapasitas, dapat
digunakan Persamaan (2.5)
Vc = 0,5 x Vo
= 0,5 x 40,78
= 20,39 km/jam
Dari contoh diatas, maka waktu tempuh pada saat arus bebas (to) dan waktu
tempuh pada saat kapasitas (tc) adalah:
S S
to = ´ 3600 tc = ´ 3600
V Vc
0,21 0,21
to = ´ 3600 tc = ´ 3600
40,78 20,39
to = 18,54 detik tc = 37,07 detik
Data lengkap mengenai waktu tempuh pada saat arus bebas dapat dilihat pada
lampiran D.
4.3. Analisis dengan Program EMME/3
4.3.1. Basis Data Jaringan Jalan
Pada bagian ini berisi input data ruas jalan yang meliputi : node awal dan akhir,
waktu tempuh, baik pada saat arus bebas maupun pada saat arus mencapai
kapasitas, kapasitas, dan jarak dengan format seperti Tabel 4.6 dibawah ini :
Tabel 4.6. Format masukan basis data jaringan jalan

Node Waktu tempuh pada Total
Tipe Jarak
Awal Akhir Arus Bebas Kapasitas Kapasitas
Operasi
A B (detik) (detik) (m)
64
65
(smp/jam/ruas)
701 1 120 120 0 2 330
702 2 120 120 0 2 220
703 4 120 120 0 2 240
703 3 120 120 0 2 360
703 171 120 120 0 2 250
… … … … … … …
298 93 101.67 203.34 4269 2 990
Tipe operasi yang dimaksud dalam tabel tersebut adalah jumlah jalur atau arah
ruas jalan. Data lengkapnya dapat dilihat pada lampiran E.
Selain itu, data masukan lain yang diperlukan adalah data koordinat. Koordinat
diperlukan dalam basis data masukan dalam program EMME/3 untuk
menggambarkan network yang akan dipakai. Data tersebut terdiri dari data
koordinat zona maupun koordinat simpul-simpul jaringan jalan seperti pada Tabel
4.7. berikut :
Tabel 4.7. Koordinat kota Surakarta
Node koordinat X koordinat Y
701 1394.716 4631.21
702 2005.345 4315.733
703 2919.327 4081.073
704 1944.118 2994.703
705 2886.463 3338.475
… … …
298 9880 4550
Data koordinat lebih detail dapat dilihat pada lampiran F.
Input data dalam program EMME/3 dapat dilakukan dengan Network Editor yang
65
66
merupakan salah satu bagian terpenting dalam program ini. Selain ketersediaan
tabel input, Network Editor juga menyediakan ruang dalam bentuk peta jaringan
jalan (Gambar 4.1). Untuk editor toolbarnya dapat dilihat pada Gambar 4.2.
Gambar 4.1. Network Editor
Gambar 4.2. Editor toolbar
4.3.2 Data volume lalu lintas (traffic count)
Data arus lalu lintas yang digunakan adalah data yang diperoleh dari survei traffic
count dan telah dikonversi ke satuan mobil penumpang per jam (smp/jam) seperti
Tabel 4.8. berikut ini:
Tabel 4.8. Data Arus Lalu Lintas Tahun 2009
Node Traffic Count

No.
1 2 (smp/jam)
1 701 1 1287
2 754 61 984
3 755 136 627
66
67
4 756 105 1811

5 757 288 879
6 758 145 1161
7 760 287 28
8 763 56 679
9 764 117 671
10 765 55 588
11 1 701 1285
12 2 3 1057
Berlanjut…
Tabel 4.8. Data Arus Lalu Lintas Tahun 2009 (lanjutan)
Node Traffic Count

No.
1 2 (smp/jam)
13 3 2 1154
14 3 26 708
15 8 9 989
16 22 78 1872
17 23 752 1012
18 25 26 2135
19 26 3 959
20 26 25 1381
21 35 36 1432
22 35 264 1311
23 36 35 1356
24 37 266 617
25 39 86 1109
26 40 41 898
27 41 40 1188
28 46 47 650
29 47 46 807
30 51 89 729
31 55 765 652
32 56 763 438
33 61 754 962
34 66 67 864
35 67 66 850
36 78 22 627
37 85 86 996
38 86 39 1339
39 86 91 923
40 89 51 450
41 91 94 318
42 94 91 952
43 95 759 1827
44 105 756 1443
45 117 764 571
46 128 127 530
47 133 167 807
67
68
48 136 755 387

49 138 139 578
50 139 138 589
51 145 758 406
52 167 133 794
53 188 189 936
54 189 188 1030
55 193 208 404
56 208 193 789
57 241 92 1183
Berlanjut…
Tabel 4.8. Data Arus Lalu Lintas Tahun 2009 (lanjutan)
Node Traffic Count

No.
1 2 (smp/jam)
58 256 257 394
59 257 256 448
60 260 35 174
61 264 35 1054
62 266 37 1136
63 271 762 531
64 287 760 30
65 288 757 827
Sumber : data penelitian tahun 2009
4.3.3. Data Matrik Awal (prior matrix)
Data matrik awal menggunakan MAT hasil penelitian tahun sebelumnya oleh
Astri Brilianti (2002). MAT awal diperoleh dengan menggunakan metode
pembebanan wardrop equilibrium. Matrik awal dapat dilihat pada Tabel 4.9.
68
69
Tabel 4.9. Prior Matrix Tahun 2002

Tujuan
701 702 703 704 705 706 707 708 709 710 711 712
Asal
701 0.00 1.00 0.50 0.50 0.50 0.50 0.50 0.50 0.90 0.90 1.70 0.90
702 1.00 0.00 1.00 0.50 0.50 0.50 0.50 26.50 0.90 0.90 1.70 0.90
703 0.30 1.00 0.00 1.00 1.00 1.00 1.00 1.00 1.70 1.70 3.30 1.70
704 0.30 0.30 1.00 0.00 1.00 1.00 1.00 1.00 1.00 4.80 1.00 4.80
705 0.30 0.30 1.00 1.00 0.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00
706 0.30 0.30 1.00 1.00 1.00 0.00 1.00 1.00 1.00 4.80 1.00 4.80
707 0.30 0.30 1.00 1.00 1.00 1.00 0.00 1.00 1.00 1.00 1.00 1.00
708 0.30 0.30 1.00 1.00 1.00 1.00 1.00 0.00 1.00 1.00 2.00 1.00
709 0.40 0.40 1.30 7.20 1.00 1.00 1.00 1.00 0.00 1.00 2.00 1.00
710 0.40 0.40 1.30 1.80 1.00 7.20 0.90 1.00 0.90 0.00 1.00 1.00
711 0.40 5.30 1.30 7.20 1.00 1.80 0.50 1.00 0.90 1.00 0.00 1.00
712 0.40 0.40 1.30 1.80 1.00 7.20 0.90 1.00 0.90 1.00 1.00 0.00
713 0.40 2.60 1.30 1.80 1.00 1.80 0.50 1.00 0.90 1.00 1.00 1.00
714 0.20 0.20 0.70 1.80 1.00 1.80 0.50 1.00 1.80 1.00 1.00 1.00
715 0.20 0.20 0.70 1.80 1.00 1.80 0.50 1.00 0.50 1.00 1.00 1.00
716 0.40 0.40 1.30 7.20 1.00 7.20 0.90 1.00 0.90 1.00 1.00 1.00
717 0.20 0.20 0.70 1.80 1.00 1.80 0.50 1.00 2.70 1.00 1.00 1.00
718 0.40 0.40 1.30 7.20 1.00 7.20 0.90 1.00 0.90 1.00 1.00 1.00
719 0.40 2.60 1.30 1.30 1.30 1.80 0.90 1.00 1.00 1.00 1.00 1.00
720 1.60 9.50 4.80 6.50 1.80 6.50 1.60 3.60 3.20 1.80 3.60 3.60
721 0.40 2.60 1.30 4.00 1.70 4.40 1.10 1.10 1.00 1.20 2.00 2.40
722 0.50 3.20 1.60 6.50 1.30 6.50 1.60 1.20 0.70 1.80 3.60 3.60
723 0.30 4.30 0.80 9.80 1.30 9.70 1.60 0.60 0.70 1.80 1.80 1.60
724 0.30 5.50 1.00 2.80 0.80 2.80 0.70 0.80 1.40 0.80 0.80 1.60
725 1.70 1.70 5.20 28.20 3.90 28.00 3.50 3.90 1.80 3.90 3.90 1.00
726 0.30 4.60 0.90 14.30 0.80 4.20 0.70 0.70 1.20 0.80 0.80 1.60
727 0.30 0.30 1.00 2.80 0.80 2.80 0.70 0.80 1.40 0.80 0.80 1.60
728 1.10 1.60 1.60 1.60 1.60 1.00 2.00 85.80 1.60 1.10 2.20 2.20
729 1.30 2.00 2.00 2.00 2.00 2.00 5.40 252.90 6.90 6.90 11.60 4.50
730 1.20 1.80 1.80 1.10 1.10 1.20 2.00 92.40 1.60 1.10 2.20 2.20
731 1.30 2.00 2.00 2.00 2.00 2.00 5.40 252.90 6.80 6.80 12.90 6.60
732 0.80 2.40 2.40 1.70 1.50 1.30 2.00 92.40 1.60 1.10 2.20 2.20
733 0.30 4.00 1.80 1.00 1.00 1.00 1.60 74.60 1.00 1.00 2.00 1.00
734 0.40 4.20 13.50 1.10 1.10 1.10 1.00 47.00 1.00 1.00 1.00 1.00
735 0.30 4.00 21.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00
736 0.30 4.00 21.00 2.70 2.70 4.90 2.00 2.20 2.20 1.10 2.20 2.20
737 0.90 10.60 2.20 2.70 2.70 4.90 2.00 2.20 2.20 1.10 2.20 2.20
738 0.40 0.40 1.70 1.30 1.30 1.90 0.90 1.00 1.00 1.00 1.00 1.00
739 0.40 5.10 1.30 1.30 1.30 2.10 0.90 1.00 1.00 1.00 1.00 1.00
740 0.40 2.60 1.30 1.30 1.30 1.10 0.90 1.00 1.00 1.00 1.00 1.00
741 8.50 9.60 9.60 2.80 1.90 1.20 0.90 54.40 1.00 2.00 1.00 8.10
742 12.10 14.90 14.90 1.70 1.70 6.10 1.20 1.40 1.40 1.40 1.40 2.70
743 0.30 0.50 0.50 1.00 1.00 1.90 1.00 0.80 0.80 0.60 0.80 1.20
744 0.40 5.10 1.70 1.30 1.30 1.90 0.90 1.00 1.00 1.00 1.00 1.00
745 0.40 5.10 1.30 1.30 1.30 1.80 0.90 1.00 1.00 1.00 1.00 1.00
746 0.30 0.10 0.90 0.90 0.90 3.00 0.60 0.70 0.70 0.70 0.70 1.30
747 0.40 0.20 1.20 1.20 1.20 1.60 0.80 0.90 0.90 0.40 0.90 0.90
748 1.20 23.80 3.50 3.50 3.50 10.50 2.40 2.70 2.70 1.80 2.70 4.50
69
70
749 0.40 2.60 1.30 1.30 1.30 1.80 0.90 1.00 1.00 1.00 1.00 1.00
750 0.30 1.70 0.90 0.90 0.90 1.20 0.60 0.70 0.70 0.30 0.70 0.70
751 0.40 2.30 1.20 1.20 1.20 1.60 0.80 0.90 0.90 0.40 0.90 0.90
752 1.00 1.00 1.00 1.00 1.00 1.00 1.00 0.50 4.70 4.70 9.40 4.70
753 3.90 3.90 2.00 2.00 2.00 2.00 2.00 2.00 3.40 3.40 7.50 3.40
754 1.00 1.00 3.00 3.00 3.00 3.00 3.00 3.00 3.00 13.20 2.80 13.20
755 0.40 0.40 1.30 7.20 1.00 7.20 0.90 1.00 0.90 1.00 1.00 1.00
756 1.60 1.60 4.80 26.30 3.60 26.20 3.30 3.60 9.80 3.60 3.60 3.60
757 1.70 1.70 5.30 28.70 4.00 28.50 3.60 4.80 2.10 4.00 4.00 3.90
758 1.10 17.80 3.40 9.10 2.50 9.10 2.30 2.50 4.50 2.50 2.50 5.00
759 1.60 12.70 17.10 7.80 7.80 23.10 5.40 6.00 6.00 3.00 6.00 10.60
760 8.50 9.60 9.60 2.80 1.90 1.20 1.00 54.40 0.80 0.40 0.80 0.80
761 2.10 2.40 2.40 2.40 2.40 2.10 3.90 151.50 3.20 2.20 4.50 4.50
762 2.50 3.20 3.20 3.20 3.20 2.00 3.90 177.00 3.10 1.10 4.40 4.40
763 3.40 3.40 1.00 1.00 1.00 1.00 2.70 138.70 3.40 3.40 7.10 3.10
764 0.30 0.30 1.00 1.00 1.00 1.00 1.00 1.00 1.00 4.80 1.00 4.80
765 3.90 4.50 4.50 1.30 0.90 0.50 0.40 25.30 0.50 0.90 0.50 3.70
SDd 78.80 222.40 205.80 256.50 101.80 277.50 98.00 1598.90 118.70 123.00 150.70 161.20

Tujuan Berlanjut…
713 714 715 716 717 718 719 720 721 722 723 724
Asal
701 2.20 1.70 1.70 1.70 1.70 1.70 2.20 2.20 2.20 1.50 1.50 1.50
702 2.20 1.70 1.70 1.70 1.70 1.70 1.10 2.20 2.20 1.50 1.50 1.50
703 4.20 3.30 3.30 3.30 3.30 3.30 4.20 4.20 4.20 2.90 2.90 3.00
704 3.70 1.00 4.80 4.80 4.80 4.80 3.70 3.70 3.70 3.50 3.50 4.30
705 2.90 1.00 1.00 1.00 1.00 1.00 3.00 3.00 3.00 2.00 1.00 0.90
706 1.20 1.00 4.80 4.80 4.80 4.80 1.30 1.30 1.30 6.90 6.90 4.30
707 1.20 1.00 1.00 1.00 1.00 1.00 1.30 1.30 1.30 0.90 0.90 0.90
708 2.50 2.00 2.00 2.00 2.00 2.00 2.50 2.50 2.50 1.90 1.70 1.80
709 2.50 2.00 2.00 2.00 2.00 2.00 2.50 2.50 2.50 1.90 1.70 1.80
710 1.20 1.00 1.00 1.00 1.00 1.00 1.30 1.30 1.30 0.90 0.90 0.90
711 1.20 1.00 1.00 1.00 1.00 1.00 1.30 1.30 1.30 0.90 0.90 0.90
712 3.00 1.00 1.00 1.00 1.00 1.00 3.00 3.00 3.00 2.00 0.90 0.90
713 0.00 1.00 1.00 1.00 4.00 1.00 1.00 1.00 1.00 0.70 0.70 0.70
714 3.00 0.00 1.00 1.00 1.00 1.00 3.00 3.00 3.00 2.00 1.00 0.90
715 3.00 1.00 0.00 1.00 1.00 1.00 3.00 3.00 3.00 2.00 0.90 0.90
716 3.00 1.00 1.00 0.00 1.00 1.00 3.00 3.00 3.00 2.00 0.90 0.90
717 3.00 1.00 1.00 1.00 0.00 1.00 7.00 7.00 0.70 1.00 1.00 1.00
718 3.00 1.00 1.00 1.00 1.00 0.00 1.00 1.00 0.70 1.00 1.00 1.00
719 1.00 1.00 1.00 1.00 4.00 1.00 0.00 1.00 1.00 0.70 0.70 0.70
720 10.80 3.60 3.60 3.60 14.40 3.60 1.00 0.00 1.00 0.70 0.70 0.70
721 2.40 2.40 2.40 2.40 0.70 0.70 1.00 0.70 0.00 0.70 0.70 0.70
722 3.60 3.60 3.60 3.60 1.00 1.00 0.70 1.00 0.70 0.00 1.00 1.00
723 14.40 1.60 1.60 1.60 1.00 1.00 0.70 1.00 0.70 1.00 0.00 1.00
724 4.70 1.60 1.60 1.60 1.00 1.00 0.70 1.10 0.70 1.00 1.00 0.00
725 44.80 7.00 1.00 1.00 1.00 1.00 2.80 1.00 0.60 0.90 0.90 0.90
726 6.30 1.60 1.60 1.60 1.00 1.00 0.70 1.00 0.70 1.00 1.00 1.00
727 4.70 1.60 1.60 1.00 1.00 1.00 0.70 1.60 0.70 1.00 1.00 1.00
728 2.80 2.20 2.20 2.20 6.60 1.60 4.80 1.70 4.80 3.30 3.30 3.30
729 2.80 2.20 2.20 2.20 5.90 1.50 1.00 1.00 1.00 0.70 0.70 0.70
730 2.80 2.20 2.20 2.20 5.90 1.50 1.00 1.00 1.00 0.70 0.70 0.70
731 14.90 11.80 11.80 11.80 11.80 11.80 4.70 14.40 14.40 9.80 9.80 10.50
732 2.80 2.20 2.20 2.20 5.90 1.50 1.00 1.00 1.00 0.70 0.70 0.70
733 2.50 2.00 2.00 2.00 2.00 2.00 1.20 2.50 2.50 1.70 1.70 1.80
734 1.30 1.00 1.00 1.00 1.00 1.00 1.00 1.30 1.20 0.90 0.90 0.90
735 1.30 1.00 1.00 1.00 1.00 1.00 1.00 1.10 1.10 0.70 0.70 0.90
736 2.80 2.20 2.20 2.20 4.00 1.00 1.00 1.00 1.00 0.70 0.70 0.70
737 2.80 2.20 2.20 2.20 2.20 2.20 1.00 1.00 1.00 0.70 0.70 0.80
738 1.00 1.00 1.00 1.00 4.00 1.00 1.00 1.00 1.00 0.70 0.70 0.70
739 1.30 1.00 1.00 1.00 1.00 1.00 1.30 1.30 1.30 0.90 0.90 0.90
740 1.00 1.00 1.00 1.00 4.00 1.00 1.00 1.00 1.00 0.70 0.70 0.70
741 10.90 10.40 10.90 10.90 43.60 5.40 10.90 10.90 5.40 3.70 3.70 3.70
742 2.70 2.70 2.70 2.70 10.90 1.40 2.70 2.70 1.40 0.90 0.90 0.90
743 2.70 2.70 1.40 2.70 10.90 1.40 2.70 2.70 1.40 0.90 0.90 0.90
744 1.00 1.00 1.00 1.00 4.00 1.00 1.00 1.00 1.00 0.70 0.70 0.70
745 1.00 1.00 1.00 1.00 4.00 1.00 1.00 1.00 1.00 0.70 0.70 0.70
746 1.30 1.30 1.30 1.30 0.50 0.50 1.30 1.30 0.70 0.50 0.50 0.50
747 0.90 0.90 0.90 0.90 0.70 0.70 0.90 0.90 1.00 0.70 0.70 0.70
70
71
Tujuan
713 714 715 716 717 718 719 720 721 722 723 724
Asal
748 4.50 4.50 4.50 4.50 3.30 3.40 4.50 4.50 4.90 3.30 3.30 3.30
749 1.00 1.00 1.00 1.00 0.70 0.70 1.00 1.00 1.00 0.70 0.70 0.70
750 0.70 0.70 0.70 0.70 0.50 0.50 0.70 0.70 0.70 0.50 0.50 0.50
751 0.90 0.90 0.90 0.90 0.70 0.70 0.90 0.90 1.00 0.70 0.70 0.70
752 11.90 9.40 9.40 9.40 9.40 9.40 8.60 11.90 11.90 8.10 8.10 8.30
753 9.50 7.50 7.50 7.50 7.50 7.50 9.50 9.50 9.50 6.40 6.40 6.60
754 10.90 3.00 13.20 13.20 13.20 13.20 11.00 11.00 11.00 7.50 7.50 11.90
755 3.00 1.00 1.00 1.00 1.00 1.00 3.00 3.00 3.00 2.00 0.90 0.90
756 10.90 3.60 3.60 3.60 3.60 3.60 25.40 25.40 25.40 3.30 3.30 3.30
757 18.90 5.20 5.20 3.40 3.40 3.40 3.10 5.20 3.10 4.70 3.40 3.40
758 15.10 5.00 5.00 5.00 3.20 3.20 2.10 3.40 2.10 3.20 3.20 3.20
759 10.60 10.60 10.60 10.60 7.90 8.00 10.60 10.60 11.60 7.90 7.90 7.90
760 1.10 6.60 1.00 8.50 34.10 4.30 10.70 10.70 5.40 3.70 3.70 3.70
761 5.70 4.50 4.50 4.50 11.50 3.30 9.70 3.40 9.70 6.60 6.60 6.60
762 5.60 4.40 4.40 4.40 13.80 3.20 9.50 3.40 9.50 6.50 6.50 6.50
763 4.00 3.10 3.10 3.10 11.30 2.80 1.00 1.00 1.00 0.70 0.70 0.70
764 1.40 1.00 4.80 4.80 4.80 4.80 1.40 1.40 1.40 1.00 1.00 4.30
765 5.10 4.90 5.10 5.10 20.30 2.50 5.10 5.10 2.50 1.70 1.70 1.70
SDd 317.10 175.60 185.00 191.40 338.50 156.60 213.00 216.80 204.90 141.30 133.20 140.70

Tujuan
725 726 727 728 729 730 731 732 733 734
Berlanjut…
735 736
Asal
701 1.70 1.50 1.60 1.30 1.60 1.30 1.60 8.80 0.50 0.60 0.50 0.50
702 1.70 1.50 1.60 1.70 2.00 1.70 2.00 16.80 0.50 0.60 0.50 0.50
703 3.30 2.90 3.00 1.70 2.00 1.70 2.00 16.80 3.50 3.50 3.50 3.50
704 20.70 0.90 4.30 1.70 2.00 1.70 2.00 1.20 1.00 1.10 1.00 1.00
705 1.00 1.00 0.90 1.70 2.00 2.30 2.00 1.20 1.00 1.10 1.00 1.00
706 20.20 0.90 4.30 2.30 2.00 1.20 2.00 1.20 1.00 1.10 1.00 1.00
707 1.00 0.90 0.90 3.10 4.70 1.60 4.70 1.60 1.30 1.00 1.30 2.10
708 2.00 1.70 1.80 64.20 4.70 62.20 4.70 64.20 1.30 41.00 54.90 4.40
709 2.00 1.70 1.80 2.00 3.50 2.00 3.50 1.00 1.00 1.00 1.00 4.10
710 4.00 0.90 0.90 1.00 1.00 1.00 4.70 1.00 1.30 41.00 2.50 2.10
711 1.00 0.90 0.90 1.00 1.00 1.00 3.50 1.00 1.00 1.00 2.50 2.10
712 1.00 0.90 0.90 1.00 1.00 1.00 4.70 1.00 1.30 41.00 2.50 1.00
713 1.00 0.70 0.90 1.00 1.00 1.00 1.80 1.00 1.00 1.00 2.50 1.00
714 1.00 0.90 0.90 3.00 3.00 3.00 9.40 3.00 2.70 2.00 5.00 3.00
715 1.00 0.90 0.90 3.00 3.00 3.00 2.30 3.00 0.70 2.00 5.00 3.00
716 1.00 0.90 1.00 3.00 3.00 3.00 9.40 3.00 2.70 2.00 5.00 3.00
717 1.00 1.00 1.00 7.00 7.00 7.00 14.00 7.00 3.00 3.00 7.50 7.00
718 1.00 1.00 1.00 1.00 1.00 1.00 1.80 1.00 1.00 1.00 2.50 1.00
719 1.00 0.70 0.70 1.00 1.00 1.00 1.80 1.00 1.00 1.00 2.50 1.00
720 1.00 0.70 0.80 1.00 1.00 1.00 1.80 1.00 1.00 1.00 2.50 1.00
721 0.90 0.70 0.70 1.00 1.00 1.00 1.80 1.00 1.00 1.00 2.50 1.00
722 1.30 1.00 1.00 0.70 0.70 0.70 1.20 0.70 0.70 0.70 1.70 0.70
723 1.60 1.00 1.00 0.70 0.70 0.70 1.20 0.70 0.70 0.70 1.70 0.70
724 1.60 1.00 1.00 0.70 0.70 0.70 1.20 0.70 0.70 0.70 1.70 0.70
725 0.00 0.90 0.90 2.80 2.80 2.80 4.80 2.80 2.80 2.80 6.90 2.80
726 1.60 0.00 1.00 0.70 0.70 0.70 1.20 0.70 0.70 0.70 1.70 0.70
727 1.60 1.00 0.00 0.70 0.70 0.70 2.50 0.70 1.40 1.40 3.50 0.70
728 1.60 3.30 3.30 0.00 0.80 1.00 0.80 1.00 1.30 1.30 1.00 1.00
729 1.40 0.70 0.70 0.80 0.00 0.80 1.00 1.00 7.10 2.00 2.00 1.00
730 1.40 0.70 0.70 1.00 0.90 0.00 0.90 1.00 1.30 1.30 1.00 1.00
731 11.80 9.80 10.50 0.80 1.00 0.80 0.00 3.10 7.10 2.60 2.60 2.60
732 1.40 0.70 0.70 1.00 1.00 1.00 1.60 0.00 1.30 1.30 1.00 1.00
733 2.00 1.70 1.80 1.20 43.80 1.20 43.80 1.20 0.00 1.00 1.00 1.00
734 1.00 0.90 0.90 1.00 2.00 1.00 2.00 1.00 1.00 0.00 1.00 1.00
735 1.00 0.70 0.90 1.00 1.00 1.00 2.00 1.00 1.00 1.00 0.00 1.00
736 1.00 0.70 0.70 1.00 1.00 1.00 2.00 1.00 1.00 1.00 1.00 0.00
737 2.20 0.70 2.00 1.00 1.00 1.00 2.00 1.00 1.00 1.00 1.00 1.00
738 1.00 0.70 0.70 1.00 1.00 1.00 1.60 1.00 1.00 1.00 1.00 1.00
739 1.00 0.90 0.90 1.00 1.00 1.00 3.50 1.00 1.00 1.00 2.50 2.10
740 1.00 0.70 0.90 1.00 1.00 1.00 1.80 1.00 1.00 1.00 2.50 1.00
741 10.90 3.70 3.70 7.90 6.40 7.90 6.40 1.00 1.30 0.40 0.40 0.40
742 2.70 0.90 0.90 26.20 6.10 6.10 9.70 0.40 0.40 0.40 0.40 0.40
743 2.70 0.90 0.90 0.40 0.20 0.20 0.30 0.40 0.40 0.40 0.40 0.40
744 1.00 0.70 0.70 1.00 1.00 1.00 1.60 1.00 1.00 1.00 1.00 1.00
745 1.00 0.70 0.70 1.00 1.00 1.00 1.60 1.00 1.00 1.00 1.00 1.00
71
72
746 1.20 0.50 0.50 0.70 0.30 0.30 0.50 0.70 0.70 0.70 0.70 0.70
747 0.90 0.70 0.70 0.70 0.30 0.30 0.60 0.70 0.90 0.70 0.70 0.70
748 4.50 3.30 3.30 18.30 16.30 16.30 25.70 16.30 4.50 5.10 5.10 3.40
749 0.90 0.70 0.70 1.00 1.00 1.00 1.80 1.00 1.00 1.00 1.00 1.00
750 0.60 0.50 0.50 0.70 0.70 0.70 1.10 0.70 0.70 0.70 0.70 0.70
751 0.90 0.70 0.70 0.70 0.70 0.70 1.30 0.70 0.90 0.70 0.70 0.70
752 9.40 8.10 8.40 3.00 3.60 3.00 3.60 25.60 7.20 7.20 7.20 7.20
753 7.50 6.40 6.70 5.80 6.90 5.80 6.90 34.20 2.00 2.30 2.00 2.00
754 55.60 2.50 11.90 4.90 5.90 5.10 5.90 3.50 3.00 3.30 3.00 3.00
755 1.00 0.90 0.90 1.00 1.00 1.00 4.70 1.00 1.30 41.00 2.50 2.10
756 3.60 3.30 3.60 25.40 25.40 25.40 50.90 25.40 10.90 10.90 27.20 25.40
757 5.20 3.40 3.40 5.60 5.60 5.60 11.80 5.60 3.40 3.40 8.40 5.60
758 5.00 3.20 3.20 2.10 2.10 2.10 3.70 2.10 2.10 2.10 5.30 2.10
759 10.60 7.90 7.90 37.60 7.10 7.10 11.20 33.40 80.30 80.30 80.30 80.30
760 8.50 3.70 3.70 7.90 6.40 7.90 6.40 1.00 1.30 0.40 0.40 0.40
761 3.20 6.60 6.60 2.00 1.60 2.00 1.60 2.00 2.60 2.60 2.00 2.00
762 3.20 6.50 6.50 2.00 1.60 2.00 1.60 2.00 2.50 2.50 2.00 2.00
763 2.80 0.70 0.70 0.80 1.00 0.80 1.00 1.00 3.50 3.50 3.50 1.00
764 20.20 0.90 4.30 1.70 2.00 2.30 2.00 1.20 1.00 1.10 1.00 1.00
765 5.10 1.70 1.70 3.70 3.00 3.70 3.00 0.50 0.60 0.20 0.20 0.20
SDd 272.20 119.40 143.20 283.90 217.50 227.10 321.50 319.80 195.40 343.40 299.10 210.00

Tujuan
737 738 739 740 741 742 743 744 745 746 Berlanjut…
747 748
Asal
701 1.60 1.70 1.70 2.20 11.10 7.00 1.00 1.70 1.70 0.80 2.10 15.60
702 1.60 0.90 0.90 1.10 14.30 9.30 9.30 0.90 0.90 0.80 1.00 10.40
703 3.80 3.30 3.30 4.20 14.30 31.10 17.80 3.30 3.30 1.60 4.00 20.00
704 3.70 2.90 2.90 3.70 3.60 13.10 1.90 2.90 2.90 1.40 3.50 1.80
705 2.90 2.40 2.40 3.00 2.50 13.10 1.90 2.40 2.40 1.10 2.80 1.40
706 2.50 1.00 1.00 1.30 1.70 4.80 1.90 1.00 1.00 0.50 1.20 0.60
707 2.50 1.00 1.00 13.00 12.00 4.30 1.20 1.00 1.00 0.50 1.20 0.60
708 5.00 2.00 2.00 2.50 47.70 10.10 50.10 2.00 2.00 1.00 2.40 1.20
709 5.00 2.00 2.00 2.50 2.30 10.10 2.40 2.00 2.00 1.00 2.40 1.20
710 2.50 1.00 1.00 1.30 1.20 4.30 1.20 1.00 1.00 0.50 1.20 0.60
711 2.50 1.00 1.00 1.30 1.20 4.30 1.20 1.00 1.00 0.50 1.20 0.60
712 2.50 1.00 1.00 3.00 8.00 13.80 1.10 1.00 3.00 1.50 2.90 1.90
713 2.50 1.00 1.00 1.00 2.30 3.40 0.60 1.00 1.00 0.40 1.00 0.50
714 5.00 3.00 2.00 3.00 8.00 13.80 2.30 3.00 3.00 1.50 2.90 1.90
715 5.00 3.00 2.00 3.00 8.00 13.80 2.30 3.00 3.00 1.50 2.90 1.90
716 5.00 3.00 2.00 3.00 8.00 13.80 2.30 3.00 3.00 1.50 2.90 1.90
717 7.50 7.00 3.00 7.00 14.90 4.60 3.40 7.00 7.00 1.50 0.70 2.00
718 2.50 1.00 1.00 1.00 3.40 4.60 1.10 1.00 1.00 0.80 0.90 0.90
719 2.50 1.00 1.00 1.00 2.30 3.40 0.60 1.00 1.00 0.40 1.00 0.50
720 2.50 1.00 1.00 3.60 2.30 3.40 0.60 1.00 1.00 0.40 1.00 0.50
721 2.50 1.00 1.00 1.00 2.30 3.40 0.60 1.00 1.00 0.40 1.00 1.00
722 1.70 0.70 0.70 0.70 1.50 2.30 0.40 0.70 0.30 0.30 0.70 0.30
723 1.70 0.70 0.70 0.70 2.30 3.00 0.80 0.70 0.70 0.50 0.70 0.70
724 1.70 0.70 0.70 1.60 2.30 3.00 0.80 0.70 0.70 0.50 0.70 0.70
725 6.90 2.80 2.80 1.90 6.30 9.50 1.60 2.80 2.80 0.20 0.60 0.30
726 1.70 0.70 0.70 0.80 2.30 3.00 0.80 0.70 0.70 0.50 0.70 0.70
727 3.50 0.70 1.40 1.60 2.30 3.00 0.80 0.70 0.70 0.50 0.70 0.70
728 1.00 1.10 2.20 1.40 8.50 5.80 1.90 4.80 4.80 3.70 1.70 18.40
729 1.00 1.00 2.20 1.20 7.10 0.80 1.10 1.00 1.00 3.10 3.10 6.80
730 1.00 1.00 2.20 1.20 8.50 0.80 1.10 1.00 1.00 3.10 3.10 6.80
731 2.60 1.50 6.50 7.20 7.10 5.80 3.30 1.20 3.50 5.30 5.30 21.10
732 1.00 1.00 2.20 1.20 1.00 0.80 0.30 1.00 1.00 0.80 0.80 0.70
733 1.00 1.00 1.00 1.30 1.20 5.60 1.90 1.00 1.00 0.80 0.80 0.80
734 1.00 1.00 1.00 1.30 1.90 5.60 1.90 1.00 1.00 0.80 0.80 0.80
735 1.00 1.00 1.30 1.10 1.90 5.60 1.90 1.00 1.00 0.80 0.80 0.80
736 1.00 1.00 2.20 1.00 1.90 5.60 1.90 1.00 1.00 0.80 0.80 0.80
737 0.00 1.00 2.20 1.20 1.90 5.60 1.90 1.00 1.00 0.80 0.80 0.80
738 1.00 0.00 1.00 1.00 1.00 3.40 1.00 1.00 1.00 0.80 0.80 0.80
739 2.50 1.00 0.00 1.30 1.20 3.80 1.20 1.00 1.00 0.80 0.80 0.80
740 2.50 1.00 1.00 0.00 1.10 3.40 1.20 1.00 1.00 0.40 1.00 0.50
741 0.40 1.10 1.00 10.90 0.00 13.00 4.00 1.10 5.40 4.20 4.00 1.00
742 0.40 1.40 1.40 2.70 1.00 0.00 1.00 1.10 1.40 1.00 1.00 1.00
743 0.40 1.00 0.80 2.70 4.00 3.00 0.00 1.00 1.40 1.00 1.00 3.50
744 1.00 1.00 1.00 1.00 1.00 3.40 1.00 0.00 1.00 0.80 0.80 0.80
72
73
745 1.00 1.00 1.00 1.00 4.60 3.40 1.10 1.00 0.00 0.80 0.80 0.80
746 1.70 0.70 0.70 1.30 3.10 2.30 0.80 0.70 0.70 0.00 1.00 1.00
747 2.20 0.70 0.90 0.90 4.00 3.00 1.00 0.70 0.70 1.00 0.00 1.00
748 11.20 3.40 2.70 4.50 23.00 1.00 106.00 3.40 3.40 5.00 5.00 0.00
749 2.50 1.00 1.00 1.00 2.10 3.10 0.50 1.00 0.50 1.00 1.00 1.00
750 1.70 0.70 0.70 0.70 1.50 2.30 0.40 0.70 0.30 1.00 1.00 1.00
751 2.20 0.70 0.90 0.90 4.00 3.00 1.00 0.70 0.70 1.00 1.00 1.00
752 7.20 7.20 7.50 5.90 23.50 27.10 27.10 7.20 7.20 5.50 5.50 63.80
753 6.10 7.50 7.50 9.50 44.90 28.80 3.90 7.50 7.50 3.30 8.90 61.80
754 10.90 8.70 8.70 11.00 10.50 36.70 5.50 8.70 8.70 4.20 10.40 5.20
755 2.50 1.00 1.00 3.00 8.00 13.80 1.10 1.00 3.00 1.50 2.90 1.90
756 27.20 25.40 10.90 25.70 54.30 96.00 12.50 25.40 25.40 8.40 24.40 10.40
757 8.40 5.60 3.40 5.20 6.60 11.70 1.50 2.50 1.30 1.00 3.10 1.30
758 5.30 2.10 2.10 5.00 7.30 9.80 2.40 2.10 2.10 1.60 2.10 2.10
759 80.30 74.60 6.00 10.60 0.20 0.20 217.50 7.90 7.90 1.70 1.70 10.30
760 0.40 1.00 0.80 1.10 1.00 13.00 4.00 1.00 5.40 4.20 4.00 1.00
761 2.00 2.20 4.50 2.80 1.00 11.50 3.80 9.70 9.70 7.40 3.40 1.00
762 2.00 2.20 4.40 2.70 16.80 14.20 3.80 9.50 9.50 7.30 3.30 36.30
763 1.00 1.00 2.70 2.40 7.10 0.80 1.10 1.00 1.00 3.10 3.10 6.80
764 2.60 1.10 1.10 1.40 2.50 5.60 1.90 1.10 1.10 0.50 1.30 0.70
765 0.20 0.50 0.50 5.10 0.50 6.00 1.90 0.50 2.50 1.90 1.90 2.50
SDd 285.70 212.90 139.40 209.40 465.20 578.60 535.40 161.00 176.20 112.50 157.50 347.50

Tujuan
749 750 751 752 753 754 755 756 757 758
Berlanjut…
759 760
Asal
701 2.20 1.70 2.10 0.40 10.40 1.10 0.90 4.70 5.80 2.10 9.10 11.10
702 1.10 0.80 1.00 0.40 10.40 1.10 0.90 4.70 6.30 2.10 66.40 14.30
703 4.20 1.20 4.00 0.40 3.50 2.10 1.70 8.90 11.10 4.00 108.60 14.30
704 3.70 2.80 3.50 0.10 3.50 2.10 4.80 12.80 16.20 5.80 19.50 3.60
705 3.00 2.30 2.80 0.10 3.50 2.10 1.00 2.70 3.00 1.00 15.60 2.50
706 1.30 1.00 1.20 0.10 3.50 2.10 4.80 12.80 16.20 2.00 6.30 1.70
707 1.30 1.00 1.20 0.10 3.50 2.10 1.00 2.60 3.10 5.70 6.30 1.20
708 2.50 1.90 2.40 0.10 3.50 2.10 1.00 5.40 6.70 1.10 13.90 16.80
709 2.50 1.90 2.40 2.20 4.60 2.10 1.00 5.40 6.70 2.40 13.90 2.40
710 1.30 1.00 1.20 0.30 4.60 18.30 1.00 2.70 3.30 2.40 6.30 1.20
711 1.30 1.00 1.20 28.70 4.60 5.80 1.00 2.70 3.00 1.20 6.30 1.20
712 3.00 2.30 2.90 0.30 4.60 18.30 1.00 2.70 3.00 1.20 19.20 1.00
713 1.00 0.80 1.00 14.40 2.80 5.80 1.00 10.70 3.00 1.20 5.00 2.10
714 3.00 2.30 2.90 0.10 0.90 5.80 1.00 2.70 3.00 0.90 19.20 7.20
715 3.00 2.30 2.90 0.10 0.90 5.80 1.00 2.70 3.00 1.20 19.20 7.20
716 3.00 2.30 2.90 0.30 4.60 18.30 1.00 2.70 3.30 1.20 19.20 7.20
717 0.70 0.50 0.70 1.10 0.90 5.80 1.00 2.70 3.30 1.20 4.90 13.40
718 0.90 0.80 0.90 2.20 4.60 18.30 1.00 2.70 3.30 1.30 6.30 3.10
719 1.00 0.80 1.00 14.40 2.70 1.30 1.00 10.70 3.30 1.30 5.00 2.30
720 1.00 0.80 1.00 14.40 9.90 20.80 3.60 38.60 3.00 0.90 5.00 2.30
721 1.00 0.80 1.00 14.40 2.70 12.00 2.40 5.00 2.20 0.90 5.30 2.30
722 0.70 0.50 0.70 9.50 3.40 20.80 3.60 7.40 3.30 0.90 3.50 1.50
723 0.70 0.50 0.70 12.40 2.20 24.20 1.60 2.70 3.30 1.30 4.90 2.30
724 0.70 0.50 0.70 12.40 1.40 9.00 1.60 2.70 3.30 1.30 4.90 2.30
725 0.60 0.50 0.60 15.20 18.00 71.20 1.00 2.70 3.00 1.30 3.10 5.70
726 0.70 0.50 0.70 12.40 2.40 10.50 1.60 2.70 3.30 1.20 4.90 2.30
727 0.70 0.50 0.70 1.60 1.40 9.00 1.60 2.70 3.30 1.30 4.90 2.30
728 4.50 3.70 1.70 2.00 12.30 3.40 2.20 17.60 14.10 1.30 16.00 8.50
729 0.90 0.80 0.80 2.50 15.20 4.10 6.30 15.80 4.50 4.40 6.50 7.10
730 0.90 0.80 0.80 2.30 13.90 2.30 2.20 15.80 4.50 0.90 6.50 8.50
731 3.60 2.70 2.70 2.50 15.20 4.40 6.80 31.50 37.40 14.00 20.20 7.10
732 0.90 0.80 0.80 3.10 8.40 3.40 2.20 15.80 4.50 0.90 1.80 1.00
733 1.10 0.80 0.80 28.70 3.50 2.10 1.00 5.40 6.70 2.40 16.80 1.20
734 1.00 0.80 0.80 28.70 3.70 2.20 1.00 2.70 3.00 1.20 16.80 1.90
735 1.00 0.80 0.80 28.70 3.50 2.10 1.00 2.70 3.00 1.20 16.80 1.90
736 1.00 0.80 0.80 28.70 3.50 5.60 2.20 10.70 3.00 0.90 16.80 1.90
737 1.00 0.80 0.80 30.00 9.30 5.60 2.20 6.00 6.80 1.10 16.80 1.90
738 1.00 0.80 0.80 3.10 4.50 2.70 1.00 10.70 3.00 0.90 12.10 1.00
739 1.00 0.80 0.80 28.70 4.50 2.70 1.00 2.70 3.00 1.20 4.00 1.20
740 1.00 0.80 1.00 14.40 2.70 1.30 1.00 10.70 3.00 0.90 5.00 1.20
741 5.10 4.20 4.00 14.20 86.40 5.80 8.10 116.80 11.60 5.00 0.30 1.00
742 1.30 1.00 1.00 20.70 125.50 5.40 2.70 29.20 3.10 1.20 2.60 1.00
743 1.30 1.00 1.00 0.30 2.10 2.10 1.20 29.20 3.10 1.20 9.00 4.00
73
74
744 0.90 0.80 0.80 39.70 4.50 2.70 1.00 10.70 3.10 0.90 4.00 1.00
745 0.90 0.80 0.80 32.80 2.70 1.30 1.00 10.70 2.20 0.90 4.00 4.60
746 1.00 1.00 1.00 0.40 3.00 2.70 1.30 14.40 1.50 0.60 2.10 3.10
747 1.00 1.00 1.00 0.50 2.40 1.20 0.90 9.60 2.20 0.90 2.10 4.00
748 5.00 5.00 5.00 129.90 11.20 8.40 4.50 52.80 11.90 4.50 0.30 23.00
749 0.00 1.00 1.00 14.40 2.70 1.30 1.00 10.70 2.20 0.90 5.30 2.10
750 1.00 0.00 1.00 9.60 1.80 0.90 0.70 7.20 1.50 0.60 5.30 1.50
751 1.00 1.00 0.00 12.90 2.40 1.20 0.90 9.60 2.20 0.90 5.30 4.00
752 7.60 5.50 5.50 0.00 0.20 1.00 4.70 25.10 27.00 11.20 179.30 23.50
753 9.50 7.20 8.90 1.60 0.00 5.10 3.40 20.00 22.20 8.90 37.60 44.90
754 11.00 8.30 10.40 0.40 9.50 0.00 13.20 35.50 43.70 15.90 55.90 10.50
755 3.00 2.30 2.90 0.30 4.60 18.30 0.00 2.70 3.30 1.20 19.20 1.20
756 25.40 19.50 24.40 8.00 16.70 66.40 3.60 0.00 12.00 4.40 132.00 48.60
757 3.10 2.40 3.10 14.90 18.30 73.90 3.40 9.00 0.00 4.50 16.80 6.60
758 2.10 1.60 2.10 40.00 4.60 29.10 5.00 8.60 10.60 0.00 15.70 7.30
759 11.80 11.80 11.80 23.20 14.60 18.20 10.60 113.30 26.70 10.50 0.00 0.20
760 5.10 4.20 4.00 14.20 86.40 5.80 0.80 91.50 11.70 5.00 0.30 0.00
761 9.00 7.40 3.30 3.60 21.80 6.70 4.50 30.90 25.30 8.80 0.30 1.00
762 8.90 7.30 3.30 4.30 25.60 7.40 4.40 36.90 29.10 8.70 34.10 16.80
763 0.90 0.80 0.80 1.30 35.80 2.10 3.40 30.40 5.60 0.90 6.50 7.10
764 1.40 1.10 1.30 0.10 3.50 2.10 4.80 12.80 16.20 5.80 7.10 2.50
765 2.10 1.90 1.90 6.60 40.20 2.70 3.70 54.30 5.40 2.30 0.20 0.50
SDd 184.40 146.60 158.00 755.40 745.70 611.60 163.00 1087.50 511.20 185.40 1108.10 399.20

Tujuan
761 762 763 764 765 SOi
Berlanjut…
Asal
701 2.60 2.20 82.20 0.50 6.20 245.20
702 3.30 2.50 82.20 0.50 7.90 344.00
703 3.30 2.50 1.00 1.00 7.90 393.90
704 3.30 2.50 1.00 1.00 2.00 234.60
705 3.30 2.50 1.00 1.00 1.40 133.70
706 1.70 3.50 1.00 1.00 0.90 178.40
707 6.30 4.70 2.30 1.00 0.60 129.90
708 114.30 91.40 2.30 1.00 26.40 763.90
709 4.00 3.00 21.00 1.00 1.30 180.00
710 2.00 1.00 2.30 7.20 0.60 164.60
711 2.00 1.00 1.00 1.80 0.60 132.30
712 2.00 1.00 2.30 7.20 4.40 212.10
713 2.00 1.00 1.00 1.80 1.30 112.90
714 6.00 5.00 3.00 1.80 4.40 187.40
715 6.00 5.00 3.00 1.80 4.40 177.20
716 6.00 5.00 3.00 7.20 4.40 221.10
717 12.00 10.10 7.00 1.80 8.30 244.10
718 2.00 1.00 1.00 7.20 1.90 128.00
719 2.00 1.00 1.00 2.30 1.30 109.50
720 2.00 1.00 1.00 6.50 1.30 237.00
721 2.00 1.00 1.00 4.40 1.30 127.50
722 1.30 0.70 0.70 6.50 0.80 140.10
723 1.30 1.30 0.70 9.80 1.30 155.70
724 1.30 1.30 0.70 2.80 1.30 109.00
725 5.50 2.80 2.80 28.20 3.50 386.90
726 1.30 1.30 0.70 4.30 1.30 125.20
727 1.30 1.30 0.70 2.80 1.30 99.90
728 2.00 1.00 0.80 1.60 4.70 311.30
729 1.70 0.80 1.00 2.00 3.90 447.60
730 2.00 1.00 0.90 1.10 4.70 242.70
731 1.70 0.80 1.00 2.00 3.90 720.80
732 2.00 1.00 1.00 1.50 0.60 207.00
733 2.30 1.20 21.00 1.00 0.60 327.90
734 2.00 1.00 21.00 1.10 1.00 206.70
735 2.00 1.00 1.70 1.00 1.00 146.10
736 2.00 1.00 1.00 5.40 1.00 183.70
737 2.00 1.00 1.00 5.40 1.00 180.70
738 2.00 1.00 1.00 2.60 0.60 100.60
739 2.00 1.00 1.00 2.60 0.70 121.50
740 2.00 1.00 1.00 1.30 0.60 104.90
741 1.00 12.00 6.40 1.90 0.60 612.30
742 0.70 37.70 6.10 8.20 0.60 409.50
74
75
743 0.80 0.40 0.20 2.00 2.20 130.20
744 2.00 1.00 1.00 2.60 0.60 133.80
745 2.00 1.00 1.00 2.30 2.50 131.20
746 1.30 0.70 0.30 3.90 1.70 83.30
747 1.30 0.70 0.30 2.10 2.20 77.90
748 10.00 29.50 16.30 13.60 12.70 745.60
749 2.00 1.00 1.00 2.30 1.10 102.90
750 1.30 0.70 0.70 1.60 0.90 73.60
751 1.60 0.70 0.70 2.10 2.20 97.80
752 5.50 4.30 1.50 1.00 13.00 750.90
753 10.50 8.60 321.20 2.00 24.90 954.60
754 9.10 7.50 3.00 3.00 5.80 658.30
755 2.00 1.00 2.30 7.20 4.40 219.10
756 43.60 36.60 25.40 26.30 30.00 1312.90
757 10.10 7.90 5.60 28.70 3.70 485.30
758 4.30 4.30 2.10 9.10 4.10 345.70
759 0.20 54.00 7.10 29.90 0.10 1428.80
760 1.00 12.00 6.40 1.90 0.60 521.10
761 0.00 3.00 1.60 2.40 0.60 484.20
762 3.90 0.00 1.60 3.20 9.30 640.10
763 1.70 0.80 0.00 1.00 3.90 356.10
764 3.30 2.50 1.00 0.00 1.40 176.80
765 0.50 5.60 3.00 0.90 0.00 287.10
SDd 345.50 402.90 696.10 301.20 251.70 20194.70
4.3.4. Matrik baru hasil EMME/3
Matriks baru tahun 2009 yang akan digunakan dalam proses pembebanan dalam
program EMME/3 merupakan hasil estimasi matriks dari data matriks awal (prior matrix)
menggunakan metode Steepest descent . Dalam program EMME/3 ini proses estimasi
dilakukan dengan modul EMME/3 yang diberi nama Prompt console (Gambar 2.6.) yang
berupa garis perintah (command-line).
Pada program EMME/3 (Gambar 4.3.) penulis menyimpan matriks hasil estimasi dalam
tabel matriks mf01 (full matriks 1). Setelah tersimpan dalam mf01 tersebut kemudian
dipindah ke dalam excel untuk mempermudah dalam menganalisis pergerakan di semua
zona. Hasil MAT baru dari proses estimasi dapat dilihat pada Tabel 4.10. Selain itu
peneliti menyajikan pula dalam bentuk grafik, baik zona Internal (Gambar 4.4.) maupun
zona eksternal (Gambar 4.5.)
75
76
Tabel 4.10. Matriks Asal Tujuan Tahun 2009 (Vehicle trip)
Gambar 4.3. Table Matrix (full matriks 01)

Tabel 4.10. Matriks Asal Tujuan Tahun 2009 (Vehicle trip, dalam smp/jam)
Tujuan
701 702 703 704 705 706 707 708 709 710 711 712
Asal
701 0.00 21.71 1.78 10.85 7.88 10.81 7.88 5.74 7.22 7.17 9.68 7.13
702 26.47 0.00 0.06 0.49 0.04 0.04 0.04 1.74 0.01 0.02 0.04 0.02
703 2.60 0.19 0.00 0.98 0.99 0.98 0.98 0.93 0.63 0.76 1.47 0.73
704 7.79 0.29 1.00 0.00 1.00 1.00 1.00 1.23 1.55 7.98 1.14 8.11
705 6.16 0.06 1.00 1.00 0.00 1.00 1.00 1.07 1.03 1.44 0.78 1.48
706 7.53 0.06 1.00 1.00 1.00 0.00 1.00 1.44 2.02 10.58 1.55 10.46
707 6.14 0.06 1.00 1.00 1.00 1.00 0.00 0.94 0.92 0.92 0.91 0.92
708 4.23 0.06 1.00 1.00 1.00 1.21 1.00 0.00 0.99 0.98 1.86 0.99
709 6.54 0.09 1.37 10.01 1.11 1.62 1.01 1.00 0.00 1.00 2.00 1.00
710 6.93 0.09 1.39 2.75 1.45 12.84 0.94 1.01 0.90 0.00 1.00 1.00
711 6.67 1.19 1.43 10.48 1.17 3.05 0.54 1.04 0.90 1.00 0.00 1.01
712 6.91 0.09 1.38 2.82 1.49 12.94 0.94 1.02 0.90 1.00 1.00 0.00
713 6.37 0.63 1.53 2.49 1.38 2.49 0.56 1.11 0.90 1.00 1.00 1.60
714 3.47 0.04 0.75 2.80 1.48 3.26 0.54 1.03 1.80 1.00 1.00 1.03
715 3.43 0.04 0.74 2.81 1.47 3.24 0.52 1.02 0.50 1.00 1.00 1.00
716 10.06 0.16 2.30 18.95 2.53 22.06 1.71 1.85 1.58 1.78 1.71 2.01
717 4.68 0.07 1.12 4.40 2.31 5.19 0.91 1.76 4.47 1.66 1.62 2.00
718 7.06 0.09 1.47 12.00 1.58 13.58 1.01 1.10 0.95 1.06 1.05 1.10
719 5.58 0.45 1.36 1.53 1.53 2.50 1.03 1.11 1.00 1.00 1.00 1.50
720 41.09 4.54 9.90 13.06 3.52 13.18 1.78 3.98 3.24 1.80 5.32 6.29
721 5.65 0.50 1.15 5.56 2.34 6.61 1.19 1.19 1.00 1.20 2.00 4.70
722 7.07 0.61 1.41 9.04 1.79 9.77 1.73 1.30 0.70 1.80 3.60 6.80
723 5.67 1.17 1.03 17.94 2.27 20.28 2.12 0.78 0.86 2.22 2.20 3.09
724 5.55 1.46 1.26 4.95 1.35 5.65 0.89 0.99 1.65 0.94 0.94 3.15
725 35.77 0.52 7.45 60.59 8.05 70.33 5.68 6.10 2.58 5.60 5.52 2.00
726 5.92 1.32 1.22 28.72 1.55 9.77 1.04 1.00 1.57 1.05 1.04 3.16
727 6.42 0.10 1.48 6.32 1.73 7.40 1.20 1.31 2.08 1.19 1.17 3.18
728 28.55 1.63 6.81 5.28 5.34 2.77 3.72 6.90 0.15 0.08 0.38 0.30
Berlanjut…
76
77
729 54.56 4.07 34.13 17.91 18.95 18.05 44.89 172.87 1.96 1.58 1.01 0.31
730 38.57 2.58 10.61 4.37 4.16 3.76 5.34 21.50 0.06 0.04 0.18 0.15
731 8.22 0.30 3.08 1.28 1.32 1.29 3.65 195.02 5.94 5.46 8.52 5.71
732 2.83 0.12 2.21 1.02 0.90 1.16 1.96 129.24 1.30 0.89 1.87 2.69
733 1.31 0.29 1.76 0.61 0.60 0.61 0.98 53.69 0.62 0.64 1.29 0.97
734 7.01 1.18 17.40 1.47 1.47 1.47 1.34 65.40 1.04 1.02 1.02 1.02
735 5.42 1.19 26.92 1.39 1.39 1.39 1.42 1.66 1.54 1.57 4.52 4.52
736 4.72 0.81 24.20 3.95 3.95 7.17 2.99 3.94 6.18 3.25 11.83 11.05
737 21.82 4.89 3.96 5.55 5.55 16.45 6.26 7.98 10.82 5.59 13.18 13.04
738 4.03 0.04 1.38 1.99 1.99 2.94 1.41 1.62 1.54 1.29 1.66 1.84
739 6.26 1.21 1.50 1.76 1.49 2.90 0.98 1.10 1.00 1.00 1.00 1.01
740 6.39 0.63 1.53 1.53 1.53 1.53 1.03 1.11 1.00 1.00 1.00 1.47
741 12.80 0.12 7.84 2.34 2.08 2.19 1.67 95.31 1.31 2.27 1.56 13.61
742 166.25 5.04 59.73 4.28 4.28 15.88 3.04 3.12 1.75 1.68 1.83 4.82
743 0.96 0.02 0.38 0.74 0.74 1.55 0.86 0.75 1.07 0.82 1.30 2.57
744 2.80 0.24 0.38 1.81 1.81 3.16 1.28 1.48 1.45 1.17 1.52 1.67
745 3.37 0.34 0.36 1.54 1.54 2.52 1.04 1.12 1.00 1.00 1.00 1.50
746 2.48 0.01 0.22 1.06 1.06 4.17 0.69 0.78 0.70 0.71 0.70 2.27
747 3.64 0.02 0.47 1.67 1.41 2.23 0.92 1.00 0.90 0.40 0.90 1.59
748 10.99 2.34 1.39 4.87 4.13 14.62 2.73 3.01 2.70 1.80 2.70 7.99
749 4.42 0.31 0.62 1.81 1.53 2.50 1.03 1.11 1.00 1.01 1.00 1.78
750 2.93 0.16 0.39 1.25 1.06 1.67 0.68 0.78 0.70 0.30 0.70 1.32
751 3.49 0.18 0.36 1.67 1.41 2.23 0.91 1.00 0.90 0.40 0.90 1.64
752 26.75 1.01 0.16 1.08 0.12 0.12 0.12 0.06 0.23 0.30 0.67 0.36
753 103.25 3.90 0.13 2.00 1.27 1.99 1.27 0.81 0.80 0.80 1.05 0.78
754 27.39 1.01 2.62 3.08 3.08 3.08 3.08 3.65 4.58 21.00 3.04 21.52
755 10.89 0.19 2.78 22.01 2.92 24.97 1.91 2.07 1.83 2.03 2.03 2.03
756 28.68 0.37 5.34 43.08 5.59 48.87 3.69 3.94 10.38 3.81 3.79 3.91
757 35.80 0.51 7.94 62.27 8.30 69.97 5.38 7.03 2.96 5.66 5.59 5.70
758 44.20 15.88 13.17 51.59 13.60 58.36 10.07 10.54 17.21 9.58 9.45 24.90
759 14.62 1.55 42.70 10.25 8.80 31.57 6.07 6.49 5.83 2.91 5.83 17.88
760 7.60 0.04 1.64 1.51 1.25 1.77 1.54 85.00 0.92 0.41 1.18 1.18
761 92.63 5.90 17.65 15.90 14.80 10.52 16.30 142.58 3.08 1.80 5.95 5.47
762 94.69 5.82 26.63 17.15 16.86 9.20 15.34 13.54 0.17 0.06 0.47 0.42
763 54.98 1.79 13.28 4.13 6.07 5.90 16.37 553.79 1.55 0.47 0.49 0.19
764 13.48 0.69 2.34 2.39 2.39 2.39 2.39 2.92 3.78 18.82 2.86 18.91
765 7.24 0.07 2.59 2.10 1.91 2.30 1.96 119.80 1.90 3.13 2.27 18.22
SDd 1207.75 102.00 393.18 543.24 209.71 627.05 214.54 1766.53 143.78 162.89 157.83 281.76
Berlanjut…
(lanjutan)
Tujuan
713 714 715 716 717 718 719 720 721 722 723 724
Asal
701 11.23 9.68 13.00 13.30 12.66 12.80 10.10 10.53 10.48 7.15 9.44 9.47
702 0.04 0.03 0.03 0.02 0.02 0.02 0.01 0.03 0.02 0.02 0.02 0.02
703 1.72 1.27 1.41 1.32 1.32 1.29 1.42 1.75 1.64 1.14 1.16 1.24
704 3.22 1.13 7.78 8.39 8.36 7.95 3.77 3.22 3.23 3.05 5.14 6.39
705 1.88 0.78 1.37 1.48 1.47 1.43 2.29 1.94 1.95 1.30 1.18 1.07
706 1.27 1.55 10.46 11.14 11.11 10.61 1.61 1.38 1.38 7.33 13.53 8.46
707 1.10 0.91 0.92 1.02 1.02 0.93 1.39 1.19 1.19 0.82 0.82 0.83
708 2.05 1.86 1.97 2.11 2.10 1.97 2.35 2.05 2.05 1.56 1.60 1.70
709 2.50 2.00 2.00 2.15 2.14 2.02 2.64 2.50 2.50 1.90 1.70 1.80
710 1.20 1.00 1.00 1.09 1.09 1.01 1.38 1.31 1.34 0.94 0.90 0.90
711 1.20 1.00 1.00 1.03 1.02 1.01 1.39 1.30 1.30 0.90 0.90 0.90
712 3.22 1.00 1.00 1.14 1.14 1.03 3.68 3.31 3.48 2.66 1.01 1.03
713 0.00 1.00 1.19 1.00 4.00 1.00 1.08 1.00 1.00 0.70 0.70 0.70
714 3.00 0.00 1.03 1.00 1.00 1.00 3.32 3.00 3.00 2.01 1.00 0.90
715 3.00 1.00 0.00 1.14 1.14 1.03 3.37 3.03 3.51 2.37 0.90 0.91
716 3.00 1.03 1.97 0.00 1.00 1.00 3.65 3.09 3.19 2.50 0.90 0.90
717 3.00 1.01 1.96 1.00 0.00 1.00 9.00 7.26 0.75 1.49 1.00 1.00
718 3.00 1.00 1.10 1.00 1.00 0.00 1.62 1.22 0.75 1.15 1.00 1.00
719 1.00 1.00 1.20 1.00 4.05 1.13 0.00 1.13 1.79 1.26 0.71 0.81
720 10.80 3.60 4.35 3.60 14.56 4.09 2.93 0.00 1.00 0.70 0.72 1.41
721 2.40 2.40 3.10 2.57 0.76 0.76 1.05 0.82 0.00 0.70 2.08 1.32
722 3.60 3.60 4.75 3.99 1.19 1.13 0.74 1.17 0.70 0.00 3.01 4.36
723 14.40 1.60 2.51 1.60 1.00 1.00 1.10 1.14 1.32 1.96 0.00 1.00
724 4.70 1.60 2.53 1.60 1.00 1.00 2.04 1.88 1.20 1.97 1.00 0.00
725 44.80 7.09 1.96 1.00 1.00 1.00 3.47 1.04 0.77 1.46 0.90 0.90
726 6.30 1.61 3.06 1.60 1.00 1.00 1.84 1.62 0.75 1.44 1.00 1.00
77
78
727 4.70 1.61 3.13 1.00 1.00 1.00 1.18 2.26 0.75 1.44 1.00 1.00
728 0.10 0.16 0.26 0.15 0.24 0.21 0.20 0.42 2.21 1.52 0.23 4.22
729 0.02 0.05 0.13 0.03 0.04 0.03 0.00 0.04 0.03 0.02 0.01 0.07
730 0.02 0.05 0.13 0.04 0.06 0.04 0.01 0.06 0.15 0.11 0.01 0.11
731 2.97 6.19 10.03 2.59 1.62 2.25 0.04 0.83 0.50 0.34 1.50 1.73
732 3.07 2.64 2.66 2.60 6.28 1.82 0.49 1.15 0.80 0.56 0.75 1.17
733 2.37 1.84 1.92 1.89 1.95 2.17 0.36 2.61 1.46 1.00 1.74 2.13
734 1.31 1.01 1.01 1.05 1.04 1.02 0.97 1.31 1.20 0.90 0.91 0.91
735 6.25 4.73 4.52 4.78 4.88 4.77 1.81 3.93 3.86 2.45 3.36 4.61
736 14.71 10.97 11.03 10.80 17.55 4.44 0.87 2.47 1.77 1.24 1.98 3.12
737 15.97 12.65 13.04 12.58 12.58 12.11 2.02 5.45 3.83 2.68 3.85 4.68
738 1.04 1.19 1.56 1.14 4.44 1.51 0.99 2.75 2.08 1.45 0.88 2.58
739 1.30 1.00 1.01 1.02 1.02 1.00 1.37 1.30 1.30 0.90 0.90 0.90
740 1.00 1.00 1.20 1.00 4.00 1.00 1.07 1.00 1.00 0.70 0.70 0.70
741 10.65 11.08 15.13 11.66 49.81 23.05 9.98 34.41 6.00 4.11 8.25 22.84
742 3.15 3.18 3.89 3.43 16.05 7.05 3.05 10.41 1.83 1.18 2.46 6.65
743 2.70 2.74 2.43 2.94 12.42 6.41 2.70 9.26 1.63 1.05 2.14 6.14
744 1.04 1.07 1.40 1.09 4.42 3.15 0.99 3.43 1.99 1.39 1.53 5.52
745 1.00 1.01 1.21 1.08 4.81 5.32 1.00 3.45 1.67 1.17 1.70 5.53
746 1.30 1.32 1.60 1.57 0.76 2.08 1.30 4.49 0.80 0.57 1.46 3.07
747 0.90 0.90 1.11 1.02 0.93 0.90 0.90 3.11 1.12 0.78 2.15 3.49
748 4.50 4.50 5.57 5.02 4.27 4.15 4.50 15.54 5.49 3.70 10.22 16.09
749 1.00 1.02 1.25 1.24 1.10 3.78 1.00 3.45 1.16 0.81 2.15 4.40
750 0.70 0.70 0.92 0.78 0.60 0.56 0.70 2.26 0.70 0.50 1.50 2.18
751 0.90 0.90 1.12 1.00 0.84 0.82 0.90 3.11 1.12 0.78 2.13 3.24
752 0.95 0.69 0.72 0.68 0.66 0.64 5.45 0.78 0.94 0.64 0.59 0.59
753 1.11 1.05 1.64 1.70 1.58 1.61 0.92 1.00 0.99 0.67 1.05 1.09
754 9.16 3.26 20.64 22.54 22.35 21.61 10.84 9.25 9.27 6.32 10.80 16.76
755 6.44 2.03 2.03 2.25 2.26 2.05 7.19 6.55 6.88 5.18 2.01 2.03
756 10.93 3.61 3.90 3.61 3.61 3.61 32.48 27.22 27.10 3.80 3.31 3.31
757 25.15 6.92 7.59 4.52 4.52 4.52 6.68 9.95 4.38 7.19 4.52 4.52
758 43.15 14.33 24.65 14.29 9.14 9.14 9.46 14.88 6.30 9.64 9.14 9.14
759 10.29 10.28 12.50 11.51 9.85 10.33 10.28 35.62 12.69 8.64 23.44 39.18
760 0.91 5.95 1.26 7.58 29.81 16.46 8.11 28.71 5.12 3.51 6.65 21.45
761 6.29 3.39 4.83 5.48 13.15 11.24 11.00 13.03 13.07 8.89 13.83 47.56
762 0.08 0.16 0.35 0.13 0.19 0.14 0.14 0.31 1.85 1.27 0.14 1.29
763 0.02 0.06 0.16 0.04 0.06 0.03 0.00 0.03 0.01 0.01 0.01 0.06
764 3.09 2.86 18.82 19.69 19.64 18.63 3.56 3.09 3.09 2.21 3.52 15.17
765 15.13 15.84 21.71 16.30 67.61 30.31 15.31 45.26 10.41 7.08 11.28 29.41
SDd 348.99 193.67 280.74 248.12 413.27 279.16 227.07 372.08 196.86 144.87 196.16 348.67
(lanjutan) Berlanjut…
Tujuan
725 726 727 728 729 730 731 732 733 734 735 736
Asal
701 11.58 9.96 11.44 4.28 5.41 4.54 1.44 14.56 1.40 6.21 5.07 4.14
702 0.02 0.02 0.02 0.09 0.11 0.10 0.01 0.23 0.02 0.06 0.04 0.02
703 1.28 1.18 1.20 6.26 7.47 6.54 2.04 16.68 3.50 3.67 3.70 2.96
704 33.41 1.38 7.22 4.33 4.97 4.42 1.27 1.06 0.96 1.51 1.49 1.49
705 1.38 1.27 1.30 4.35 4.93 5.79 1.27 1.17 0.96 1.49 1.49 1.49
706 45.16 1.89 10.00 5.80 4.76 3.07 1.27 1.19 0.96 1.58 1.58 1.56
707 0.97 0.85 0.91 7.95 11.18 4.16 2.99 2.01 1.25 1.70 3.23 5.11
708 1.99 1.62 1.85 139.35 11.44 246.17 2.99 131.55 1.25 66.11 120.35 9.61
709 2.02 1.71 1.88 2.01 7.63 4.00 3.49 0.94 1.00 1.00 0.70 2.77
710 4.12 0.91 0.97 0.96 1.99 1.92 4.66 0.92 1.32 41.00 1.73 1.42
711 1.01 0.90 0.91 0.99 2.05 1.98 3.75 0.84 0.94 1.00 1.73 1.42
712 1.14 1.02 1.02 1.43 2.48 2.14 5.50 0.96 1.29 43.68 2.03 0.79
713 1.00 0.70 0.90 1.17 2.23 2.26 2.11 0.93 1.05 1.00 1.90 0.74
714 1.00 0.90 0.90 4.16 6.87 6.00 12.05 2.75 2.62 2.00 3.80 2.22
715 1.15 1.03 1.03 4.04 6.82 6.01 2.48 2.72 0.67 2.00 3.80 2.23
716 1.00 0.90 1.00 4.19 7.12 6.19 12.45 2.99 2.88 2.12 4.00 2.35
717 1.00 1.00 1.00 9.66 15.98 13.85 20.20 7.18 3.10 3.13 5.88 5.37
718 1.00 1.00 1.00 1.77 2.40 2.09 2.82 1.28 1.02 1.02 1.93 0.77
719 1.00 0.81 0.81 1.02 2.07 1.73 3.65 0.88 0.84 1.00 1.90 0.97
720 1.00 1.41 1.44 2.20 3.03 2.66 4.47 2.01 1.93 2.15 4.14 2.59
721 0.94 0.77 0.77 0.26 0.65 0.31 1.13 0.40 0.58 1.02 1.89 0.82
722 1.36 1.80 1.80 0.18 0.45 0.22 0.75 0.28 0.41 0.71 1.29 0.57
723 1.60 1.00 1.00 1.30 1.76 1.50 2.16 0.89 0.72 0.71 1.31 0.54
724 1.60 1.00 1.00 1.02 2.19 1.91 3.47 1.16 0.91 0.87 1.61 0.72
78
79
725 0.00 0.90 0.90 3.87 6.31 5.47 6.87 2.81 2.88 2.90 5.36 2.13
726 1.60 0.00 1.00 0.87 1.95 1.70 2.08 1.07 0.75 0.73 1.35 0.70
727 1.60 1.00 0.00 0.79 1.61 1.41 4.02 0.87 1.49 1.46 2.77 0.55
728 0.05 3.34 2.46 0.00 0.80 1.00 0.80 0.09 3.94 0.02 0.01 0.01
729 0.01 0.05 0.02 0.80 0.00 0.80 1.00 0.09 116.02 0.21 0.01 0.00
730 0.01 0.07 0.02 1.00 0.90 0.00 0.90 0.07 6.29 0.00 0.00 0.00
731 1.39 3.28 2.72 0.80 1.00 0.80 0.00 2.17 11.46 1.83 0.93 0.08
732 1.40 1.08 0.86 2.97 3.18 3.17 1.84 0.00 1.30 1.09 0.80 0.75
733 1.81 1.87 1.96 4.53 178.94 5.07 48.86 1.20 0.00 0.80 0.76 0.64
734 1.01 0.91 0.92 1.18 5.14 2.31 2.20 0.95 1.11 0.00 0.97 0.97
735 4.80 3.36 4.32 1.27 2.41 2.42 2.24 1.00 1.01 1.00 0.00 1.00
736 3.04 3.11 2.08 1.14 2.24 2.25 3.72 0.96 0.93 1.00 1.00 0.00
737 12.37 3.80 10.99 1.24 2.40 2.37 2.24 1.00 1.02 1.23 1.08 1.03
738 1.03 2.07 1.12 0.85 1.63 1.33 2.55 0.86 0.82 1.02 0.97 1.00
739 1.00 0.90 0.90 0.96 1.89 1.91 3.34 0.84 0.98 1.00 1.73 1.42
740 1.00 0.70 0.90 1.23 2.19 2.22 2.03 0.93 1.05 1.00 1.90 0.74
741 10.36 21.05 18.89 21.90 13.56 21.80 13.56 1.00 1.10 0.52 0.53 0.50
742 3.18 5.97 5.37 35.79 8.80 8.84 13.74 1.36 1.72 0.86 0.98 0.92
743 2.78 5.64 5.10 0.23 0.18 0.11 0.26 0.25 0.33 0.22 0.19 0.17
744 1.01 5.21 4.29 0.37 0.44 0.40 0.64 0.16 0.23 0.96 0.83 0.64
745 1.03 5.22 4.50 0.25 0.55 0.29 0.85 0.26 0.25 1.00 0.89 0.69
746 1.26 2.57 2.54 0.13 0.06 0.06 0.10 0.12 0.16 0.70 0.51 0.34
747 0.93 1.50 1.50 0.31 0.13 0.13 0.25 0.15 0.41 0.71 0.57 0.37
748 4.63 6.56 6.56 7.98 6.93 7.15 10.71 5.58 1.93 5.16 4.28 1.92
749 0.96 4.12 4.08 0.32 0.62 0.63 1.09 0.28 0.27 1.00 0.84 0.77
750 0.63 0.90 0.90 0.13 0.29 0.14 0.43 0.18 0.18 0.70 0.57 0.48
751 0.94 1.32 1.32 0.13 0.14 0.14 0.25 0.17 0.26 0.70 0.59 0.41
752 0.66 0.57 0.60 16.37 16.19 17.03 7.65 451.41 130.21 79.79 91.67 78.29
753 1.39 1.14 1.33 0.33 0.40 0.37 0.04 0.61 0.09 0.81 0.68 0.50
754 87.62 3.72 19.48 6.89 7.50 6.97 1.72 2.40 2.58 4.54 4.58 4.58
755 2.25 2.03 2.03 2.28 3.88 3.74 9.27 1.85 2.54 83.13 3.60 2.97
756 3.61 3.31 3.61 34.59 57.99 50.40 70.22 25.68 11.04 11.17 20.87 19.04
757 6.92 4.52 4.52 12.50 16.90 14.79 24.74 9.39 4.57 4.62 8.63 5.72
758 14.29 9.14 9.14 2.54 5.80 3.01 10.82 4.76 5.96 6.23 12.16 4.60
759 10.38 17.22 17.22 23.04 4.41 4.50 6.93 68.99 216.84 95.89 155.72 145.07
760 6.58 19.87 17.53 12.45 8.39 12.84 8.39 0.28 0.21 0.39 0.37 0.34
761 3.38 44.17 36.95 5.62 4.45 5.62 4.45 0.58 14.18 0.74 0.52 0.47
762 0.04 0.88 0.37 2.00 1.60 2.00 1.60 0.16 15.51 0.02 0.01 0.01
763 0.01 0.04 0.01 0.58 0.72 0.58 0.71 0.21 44.79 0.27 0.01 0.00
764 78.74 3.30 17.51 8.64 10.08 11.93 2.90 2.45 2.26 3.44 3.41 3.41
765 15.28 27.72 24.83 14.05 9.36 14.21 9.36 0.45 0.33 0.63 0.59 0.56
SDd 408.69 259.16 292.71 441.67 507.98 551.46 383.80 789.19 640.59 506.24 509.84 336.50
(lanjutan) Berlanjut…
Tujuan
737 738 739 740 741 742 743 744 745 746 747 748
Asal
701 15.86 3.57 8.58 10.90 11.84 1.30 0.40 1.80 3.21 0.71 1.29 12.51
702 0.14 0.00 0.02 0.01 0.05 0.00 0.00 0.00 0.00 0.00 0.00 0.00
703 3.93 1.15 1.51 1.61 8.95 1.45 1.97 0.51 0.79 0.09 0.30 1.82
704 5.32 3.92 2.52 3.22 2.03 4.34 1.35 4.77 4.41 2.81 5.26 2.70
705 4.20 3.31 1.56 1.94 1.10 4.66 1.53 3.17 2.84 1.78 3.21 1.60
706 4.45 1.85 1.06 1.38 0.71 1.91 1.71 1.78 1.90 1.30 2.35 1.17
707 3.90 1.49 0.91 11.87 6.82 2.05 1.45 1.40 1.71 1.16 2.01 1.00
708 7.46 2.80 1.64 2.05 26.32 4.48 55.23 2.67 3.05 1.94 3.51 1.75
709 3.26 1.91 2.00 2.50 0.56 2.28 1.54 1.86 3.14 2.14 3.87 1.95
710 1.63 0.96 1.00 1.30 0.29 0.96 0.77 0.94 1.59 1.10 1.88 0.95
711 1.63 0.96 1.00 1.30 0.29 0.98 0.77 0.93 1.60 1.08 1.98 1.00
712 1.92 1.33 1.05 3.22 4.06 6.10 1.37 1.42 7.31 3.99 6.02 3.93
713 1.79 1.00 1.00 1.00 0.85 1.21 0.51 0.96 2.04 0.90 1.69 0.85
714 3.59 3.61 2.00 3.00 3.68 5.54 2.75 4.07 6.51 3.63 5.66 3.71
715 3.59 3.65 2.00 3.00 3.72 5.63 2.71 3.91 6.69 3.70 5.93 3.89
716 3.77 3.98 2.10 3.00 4.03 5.96 2.88 4.39 7.24 3.64 5.20 3.33
717 5.55 10.09 3.10 7.00 7.62 1.99 4.76 12.17 18.51 3.64 1.15 3.13
718 1.82 2.00 1.02 1.00 1.61 1.84 1.70 2.37 2.84 1.53 1.06 1.04
719 1.80 1.00 1.00 1.00 0.43 0.54 0.57 1.00 1.00 0.40 0.79 0.40
720 3.92 2.94 2.15 5.53 1.25 1.53 0.94 2.91 2.88 1.06 2.16 1.05
721 1.82 1.01 1.02 1.01 0.35 0.43 0.18 1.00 1.00 0.40 0.92 0.92
722 1.24 0.71 0.71 0.71 0.23 0.29 0.12 0.70 0.30 0.30 0.65 0.28
79
80
723 1.23 1.35 0.71 0.70 1.25 1.39 1.36 1.90 2.09 1.30 1.50 1.50
724 1.52 2.25 0.87 1.60 1.31 1.46 1.45 2.25 2.16 1.26 1.40 1.38
725 5.05 3.94 2.87 1.90 3.29 4.18 2.19 4.77 7.42 0.52 1.23 0.60
726 1.28 1.96 0.73 0.80 1.04 1.14 1.20 2.06 2.02 0.93 1.01 0.99
727 2.61 1.40 1.46 1.60 1.08 1.19 1.21 1.88 1.92 0.95 1.01 0.99
728 0.01 0.04 0.39 0.04 19.63 3.74 1.60 0.81 1.10 1.00 5.61 58.37
729 0.00 0.00 0.19 0.01 11.40 0.18 0.07 0.00 0.01 0.10 4.59 9.08
730 0.00 0.01 0.18 0.01 17.24 0.20 0.31 0.03 0.04 0.15 5.19 11.42
731 0.80 0.01 5.82 0.80 11.40 1.20 0.24 0.00 0.03 0.19 7.85 28.18
732 0.82 0.59 2.79 1.21 0.72 0.06 0.05 0.14 0.33 0.04 0.06 0.07
733 0.76 0.32 1.05 1.13 0.77 0.31 0.24 0.15 0.18 0.03 0.05 0.06
734 0.97 0.92 1.02 1.31 0.53 1.39 1.05 0.87 0.90 0.73 0.50 0.50
735 1.00 0.96 6.61 5.29 0.52 1.28 0.93 0.92 0.92 0.76 0.50 0.50
736 1.00 0.93 12.22 2.76 0.37 0.91 0.60 0.83 0.85 0.65 0.43 0.43
737 0.00 0.98 13.18 6.60 0.61 1.62 1.28 0.94 0.94 0.77 0.51 0.51
738 0.97 0.00 1.66 1.04 0.33 0.91 0.96 1.00 0.99 0.79 0.53 0.54
739 1.63 0.92 0.00 1.30 0.24 0.72 0.67 0.88 1.34 1.33 0.93 0.95
740 1.79 1.03 1.00 0.00 0.44 1.24 1.22 1.02 2.09 0.93 1.83 0.92
741 0.45 1.07 1.56 10.52 0.00 11.26 4.06 1.04 4.95 3.73 20.68 5.13
742 0.72 2.12 1.83 3.15 1.12 0.00 1.00 1.67 1.58 0.88 0.45 0.51
743 0.20 0.98 1.30 2.70 3.70 3.00 0.00 1.00 1.40 1.00 0.45 1.80
744 0.94 1.00 1.52 0.99 0.33 0.91 0.96 0.00 0.99 0.79 0.54 0.54
745 0.95 1.00 1.00 1.00 0.69 0.43 0.36 1.00 0.00 0.80 0.63 0.64
746 1.51 0.70 0.70 1.30 0.46 0.28 0.11 0.70 0.70 0.00 0.81 0.84
747 1.99 0.70 0.90 0.90 1.58 0.62 0.21 0.70 0.70 1.00 0.00 1.00
748 10.20 3.40 2.70 4.50 9.10 0.22 22.99 3.40 3.40 5.00 5.00 0.00
749 2.16 1.00 1.00 1.00 0.32 0.38 0.21 1.00 0.50 1.00 0.90 0.90
750 1.45 0.70 0.70 0.70 0.22 0.28 0.05 0.70 0.30 1.00 0.99 0.99
751 1.98 0.70 0.90 0.90 0.59 0.37 0.12 0.70 0.70 1.00 0.99 0.99
752 89.65 60.47 31.28 0.40 156.06 53.01 91.33 36.16 42.91 13.04 15.50 208.92
753 2.00 0.21 0.86 1.06 0.33 0.00 0.00 0.06 0.17 0.02 0.02 0.22
754 16.05 10.83 7.31 9.25 4.33 9.76 3.34 13.17 11.67 7.52 13.61 6.79
755 3.41 2.38 2.03 6.45 8.47 12.86 2.61 2.50 13.45 7.36 11.39 7.28
756 19.71 36.37 11.12 25.77 24.75 36.75 16.47 40.41 64.12 18.87 29.91 12.44
757 8.14 14.95 4.60 6.92 4.05 6.05 2.96 8.84 4.57 2.48 4.83 1.99
758 11.49 8.72 6.22 14.29 4.83 5.44 3.48 8.44 8.14 5.17 5.81 5.77
759 82.99 88.61 5.83 10.29 0.12 0.19 207.64 8.87 7.90 1.70 1.70 10.30
760 0.35 0.83 1.20 0.88 0.19 9.04 3.22 0.80 4.14 3.01 16.79 4.16
761 0.52 2.32 6.13 2.96 1.00 9.99 4.61 10.76 9.17 6.67 13.56 4.09
762 0.01 0.03 0.50 0.03 38.80 5.73 1.74 0.54 0.69 0.52 7.66 84.38
763 0.00 0.00 0.21 0.01 8.37 0.10 0.04 0.00 0.00 0.05 3.22 6.29
764 8.57 4.39 2.41 3.09 2.82 5.35 3.63 4.15 4.14 2.42 4.73 2.54
765 0.57 1.40 2.29 14.79 0.71 19.67 6.24 1.37 8.33 6.51 31.25 40.77
SDd 370.05 315.74 187.78 219.50 431.93 270.25 479.21 223.16 300.48 141.27 283.08 575.25
Berlanjut…
(lanjutan)
Tujuan
749 750 751 752 753 754 755 756 757 758 759
Asal
701 13.34 8.35 3.06 3.86 225.74 20.48 11.07 35.24 41.32 23.78 10.94
702 0.01 0.00 0.00 0.12 10.40 0.87 0.03 0.05 0.06 0.07 0.09
703 1.50 0.31 0.33 0.02 0.68 1.24 1.22 3.40 4.07 3.33 6.81
704 8.01 4.14 6.11 0.03 3.42 1.67 12.96 21.64 26.54 17.42 55.69
705 5.05 2.58 3.94 0.00 2.47 1.67 2.40 3.99 4.17 2.59 36.82
706 3.42 1.78 2.67 0.00 3.29 1.67 16.15 28.99 35.73 8.12 22.59
707 3.01 1.56 2.30 0.00 2.47 1.67 1.48 2.48 2.85 10.61 26.69
708 4.97 2.55 3.88 0.00 1.47 1.67 1.59 5.54 6.54 2.09 54.67
709 5.93 2.88 4.32 0.10 2.38 2.26 1.61 5.59 6.70 4.64 61.24
710 3.13 1.56 2.20 0.02 2.59 21.92 1.61 2.81 3.31 4.72 27.49
711 3.09 1.53 2.19 3.96 2.45 6.62 1.62 2.79 3.00 2.26 26.92
712 8.04 4.19 6.06 0.02 2.57 22.34 1.61 2.85 3.05 2.52 100.01
713 2.43 1.26 1.88 6.76 1.40 6.43 2.14 10.97 2.98 2.25 22.68
714 7.42 3.70 5.70 0.01 0.50 7.07 1.65 2.77 2.98 1.68 94.83
715 7.66 3.98 5.99 0.01 0.50 7.09 1.61 2.85 3.05 2.54 97.89
716 7.59 3.72 5.25 0.06 4.48 38.13 3.10 2.77 3.28 2.25 95.82
717 1.71 0.78 1.22 0.24 0.79 11.08 3.07 2.77 3.28 2.25 24.39
718 1.82 0.96 1.15 0.29 2.65 23.66 1.71 2.77 3.28 2.43 26.79
719 1.00 0.82 1.00 15.29 1.14 1.22 2.22 11.55 3.69 2.78 12.11
720 2.56 1.30 1.99 22.67 9.70 32.71 9.38 42.42 5.20 2.19 27.17
80
81
721 1.00 0.80 1.00 9.49 1.18 13.26 7.07 5.50 2.36 1.74 22.49
722 0.70 0.50 0.70 6.26 1.48 22.98 10.28 8.47 3.71 1.80 14.85
723 1.81 0.99 1.64 6.88 1.41 34.68 4.70 2.77 3.28 2.43 28.54
724 1.76 0.99 1.52 8.55 0.87 12.50 4.85 2.77 3.28 2.43 28.06
725 1.57 0.92 1.26 7.68 13.49 120.40 3.09 2.77 2.98 2.43 17.02
726 1.41 0.74 1.09 6.89 1.64 16.52 4.84 2.77 3.28 2.25 24.37
727 1.42 0.74 1.09 0.81 1.08 16.00 4.89 2.77 3.28 2.43 24.62
728 1.02 1.13 0.74 10.62 13.68 7.61 0.45 0.69 1.64 1.40 87.01
729 0.01 0.01 0.05 10.78 31.31 17.92 3.21 0.10 0.06 0.34 20.79
730 0.01 0.05 0.08 11.76 20.36 6.29 0.23 0.15 0.08 0.31 24.39
731 0.03 0.02 0.20 1.18 2.01 1.65 7.85 5.72 6.46 1.54 64.60
732 0.31 0.20 0.09 7.87 0.37 0.95 2.91 19.09 5.36 1.59 0.15
733 0.21 0.10 0.05 72.86 0.23 0.62 1.06 5.37 7.13 4.97 1.16
734 0.95 0.71 0.71 32.32 2.14 2.35 1.68 2.83 3.04 2.30 17.44
735 0.97 0.80 0.74 38.14 2.12 2.35 4.52 13.30 14.38 7.30 2.21
736 0.82 0.64 0.63 59.04 1.77 6.60 13.03 52.24 12.66 4.58 0.89
737 1.01 0.87 0.76 53.03 8.59 9.30 18.10 35.03 37.80 9.98 20.56
738 0.99 0.79 0.79 6.41 1.18 3.05 2.70 13.25 4.50 3.20 14.46
739 2.34 1.19 1.40 11.84 2.20 2.93 1.63 2.77 2.98 2.25 9.84
740 2.43 1.29 1.93 6.76 1.36 1.22 2.16 10.97 2.98 1.68 26.02
741 4.66 3.95 3.86 53.37 1.00 2.16 19.84 159.43 49.66 11.95 2.06
742 1.20 0.84 0.84 183.36 49.34 8.97 7.11 53.65 15.65 3.21 0.79
743 1.30 0.93 0.93 0.59 0.08 0.94 3.72 39.91 14.37 2.92 2.93
744 0.89 0.79 0.79 25.40 0.69 2.63 2.49 12.81 14.66 4.31 5.23
745 0.90 0.80 0.80 22.99 0.56 1.23 2.22 13.79 11.68 3.75 8.26
746 1.00 1.00 1.00 0.27 0.60 2.54 3.37 29.51 6.27 1.45 3.13
747 1.00 1.00 1.00 0.60 0.55 1.34 2.33 12.00 2.83 1.98 12.29
748 5.00 5.00 5.00 146.15 2.59 9.37 11.67 63.59 14.51 9.91 3.81
749 0.00 1.00 1.00 9.79 0.83 1.45 2.63 24.75 11.96 2.27 19.63
750 1.00 0.00 1.00 6.54 0.46 1.00 2.00 8.25 1.69 1.20 28.09
751 1.00 1.00 0.00 10.23 0.52 1.34 2.45 11.44 2.59 1.96 29.15
752 40.34 18.14 15.28 0.00 0.20 0.83 0.49 1.56 1.51 1.65 401.28
753 1.43 0.79 0.12 0.48 0.00 4.05 1.53 4.18 4.29 3.57 0.33
754 21.94 11.08 16.27 0.12 9.74 0.00 34.00 58.73 70.08 46.83 140.74
755 15.01 8.03 11.61 0.04 5.31 43.74 0.00 5.61 6.54 4.73 169.09
756 59.70 23.41 32.57 0.79 9.61 82.87 6.16 0.00 11.93 8.26 483.58
757 8.12 3.80 5.25 2.82 13.85 121.70 7.52 12.05 0.00 10.95 88.03
758 7.06 4.82 6.51 59.32 9.34 127.89 34.48 24.31 28.49 0.00 173.43
759 11.80 11.80 11.80 132.12 3.34 17.47 26.71 134.09 34.32 22.79 0.00
760 3.96 3.25 3.08 33.61 0.30 1.45 1.71 100.09 45.00 11.07 1.66
761 9.11 7.24 3.10 48.18 52.39 33.93 7.74 41.30 111.54 28.04 1.72
762 0.18 0.65 0.54 23.09 46.14 24.67 0.62 0.52 1.04 4.22 151.68
763 0.00 0.00 0.03 0.27 19.22 3.35 1.00 0.15 0.05 0.05 14.79
764 7.09 3.91 5.56 0.08 8.31 4.01 28.92 50.46 59.98 39.04 44.81
765 6.86 6.84 6.96 35.80 0.59 1.99 24.48 210.90 64.68 18.58 4.12
SDd 323.03 181.55 212.62 1218.63 625.13 1011.53 412.70 1456.67 871.59 402.19 3071.72
Berlanjut…
Tujuan
760 761 762 763 764 765 SOi
Asal
701 7.04 16.89 7.38 246.54 10.87 22.72 1088.31
702 0.01 0.44 0.14 3.73 0.51 0.30 47.05
703 8.29 20.15 9.74 1.70 0.97 25.42 197.67
704 1.43 15.00 5.97 1.11 1.02 4.63 386.70
705 0.82 14.50 5.98 1.11 1.02 2.78 183.85
706 0.40 6.16 8.49 1.11 1.02 1.75 361.18
707 0.39 16.20 11.88 2.55 1.02 1.60 193.81
708 5.05 93.93 416.03 2.60 1.02 67.38 1555.86
709 0.26 1.41 6.45 23.89 1.46 1.65 241.58
710 0.13 0.70 2.10 2.47 11.63 0.77 207.93
711 0.13 0.71 2.16 0.85 2.73 0.76 136.22
712 0.36 3.52 2.81 2.33 11.79 13.74 347.19
713 0.33 0.90 2.51 0.88 2.53 2.57 135.13
714 2.44 9.92 13.49 2.72 2.96 12.76 304.08
715 2.45 9.37 13.06 2.77 2.92 12.82 297.14
716 2.59 10.91 14.20 2.83 19.79 13.63 416.02
717 4.84 13.87 29.64 6.38 4.64 25.98 361.61
718 1.00 2.71 3.61 0.95 12.46 5.56 187.64
81
82
719 0.39 1.17 2.33 0.80 2.76 1.86 123.43
720 0.97 3.63 4.48 1.23 13.28 4.29 397.97
721 0.19 0.46 0.68 0.22 6.24 1.53 145.84
722 0.13 0.30 0.47 0.15 9.22 0.94 172.85
723 0.88 2.07 4.75 0.70 18.93 4.27 239.78
724 0.92 2.25 6.14 0.90 5.23 4.40 173.10
725 2.25 6.38 8.11 2.51 64.29 11.29 622.37
726 0.71 1.90 5.40 0.80 9.09 3.71 195.91
727 0.75 1.79 4.40 0.64 6.66 3.82 165.71
728 13.70 4.91 3.02 0.28 5.13 35.04 364.75
729 7.97 3.74 0.80 0.35 15.76 21.29 649.89
730 11.98 4.66 1.28 0.32 4.54 31.12 253.78
731 7.97 3.74 0.80 0.35 1.28 21.29 480.04
732 0.41 7.20 3.50 1.44 0.91 1.53 249.35
733 0.71 13.47 5.11 32.56 0.58 1.97 484.48
734 0.28 0.84 2.56 13.98 1.50 1.39 228.91
735 0.27 0.85 2.68 1.58 1.42 1.33 242.87
736 0.21 0.71 2.42 0.86 8.06 1.04 374.63
737 0.32 0.91 2.64 0.93 11.28 1.60 497.93
738 0.27 1.02 1.97 0.61 4.03 1.26 128.79
739 0.12 0.68 2.10 0.74 3.60 0.79 111.42
740 0.23 1.20 2.45 0.85 1.56 1.42 130.08
741 0.36 1.00 87.16 5.33 1.78 2.13 948.99
742 0.70 0.84 120.96 3.26 20.72 3.50 911.52
743 2.19 0.70 0.53 0.06 1.46 10.68 181.55
744 0.29 1.09 0.83 0.14 3.67 1.27 148.49
745 0.37 0.40 0.64 0.18 2.77 2.90 143.78
746 0.25 0.21 0.38 0.02 5.52 1.98 110.32
747 0.91 0.53 0.83 0.04 2.97 5.54 97.47
748 5.26 4.11 34.62 2.19 19.25 31.99 656.14
749 0.17 0.58 1.30 0.21 3.26 1.28 147.92
750 0.12 0.21 0.38 0.09 2.25 1.05 92.94
751 0.31 0.25 0.37 0.04 2.97 2.56 116.44
752 118.24 56.32 24.51 0.50 1.13 253.75 2669.23
753 0.10 1.77 0.50 16.30 2.03 1.63 188.23
754 2.94 24.18 9.26 1.76 3.10 10.33 987.19
755 0.78 3.77 4.41 5.01 22.30 24.38 652.62
756 15.52 46.74 104.31 22.65 45.19 84.98 1974.41
757 2.77 18.00 35.35 6.87 63.37 13.50 909.78
758 2.92 4.69 11.23 2.43 51.33 16.05 1192.36
759 0.07 0.12 86.23 1.48 40.48 0.35 2076.40
760 0.00 0.52 53.57 3.10 1.11 2.13 637.44
761 0.67 0.00 22.51 1.81 15.26 2.14 1063.88
762 27.08 9.57 0.00 0.56 17.19 69.28 748.25
763 5.78 2.80 0.58 0.00 3.10 16.35 793.29
764 1.95 29.13 12.02 2.59 0.00 5.66 686.54
765 0.71 0.71 54.23 3.96 1.53 0.00 1143.34
SDd 280.06 509.36 1290.44 449.90 619.40 939.43 32361.41
82
83
Gambar 4.4. Grafik Besar Pergerakan di Zona Internal
83
84
Gambar 4.5. Grafik Besar Pergerakan di Zona Eksternal

4.3.5. Pembebanan Matriks ke jaringan jalan
Proses pembebanan matriks baru pada jaringan menghasilkan arus lalu lintas pada
masing-masing ruas jalan di kota Surakarta. Beberapa sampel arus lalu lintas hasil
pembebanan tersebut kemudian dibandingkan dengan arus lalu lintas hasil survei
pengamatan untuk diketahui tingkat validasinya. Besarnya nilai hasil pembebanan dapat
dilihat pada Tabel 4.11.
Tabel 4.11. Perbandingan arus hasil traffic count dengan arus hasil pembebanan.
Node Traffic Count Arus hasil pembebanan

No.
1 2 (smp/jam) (smp/jam)
1 701 1 1287 1088
2 754 61 984 987
3 755 136 627 653
4 756 105 1811 1974
5 757 288 879 910
6 758 145 1161 1192
7 760 287 28 207
8 763 56 679 793
9 764 117 671 687
10 765 55 588 708
11 1 701 1285 1208
12 2 3 1057 1406
13 3 2 1154 1369
14 3 26 708 946
15 8 9 989 1204
16 22 78 1872 1908
17 23 752 1012 1219
18 25 26 2135 1827
19 26 3 959 1171
20 26 25 1381 1123
21 35 36 1432 1552
22 35 264 1311 1231
23 36 35 1356 1398
24 37 266 617 782
25 39 86 1109 1156
26 40 41 898 849
27 41 40 1188 834
28 46 47 650 566
29 47 46 807 768
84
85
30 51 89 729 606
31 55 765 652 582
32 56 763 438 450
33 61 754 962 1012
34 66 67 864 702
35 67 66 850 835
Berlanjut …
Node Traffic Count Arus hasil pembebanan

No.
1 2 (smp/jam) (smp/jam)
36 78 22 627 584
37 85 86 996 1197
38 86 39 1339 1212
39 86 91 923 1340
40 89 51 450 443
41 91 94 318 392
42 94 91 952 681
43 95 759 1827 1474
44 105 756 1443 1457
45 117 764 571 619
46 128 127 530 528
47 133 167 807 781
48 136 755 387 413
49 138 139 578 627
50 139 138 589 558
51 145 758 406 402
52 167 133 794 584
53 188 189 936 850
54 189 188 1030 1052
55 193 208 404 493
56 208 193 789 628
57 241 92 1183 1566
58 256 257 394 747
59 257 256 448 680
60 260 35 174 253
61 264 35 1054 1370
62 266 37 1136 1072
63 271 762 531 486
64 287 760 30 82
65 288 757 827 872
Sumber: data penelitian
Program EMME/3 pun menyajikan dalam bentuk peta untuk menggambarkan

kondisi arus lalu lintas hasil pembebanan pada setiap ruas (Gambar 4.6).
Semakin tebal warna merah pada ruas berarti nilai arusnya semakin besar.
85
86
86
Gambar 4.6. Penyajian Arus pada Ruas dalam Bentuk Peta dengan EMME/3
87
4.4. Uji Validasi

Dari tabel perbandingan arus hasil traffic count dan arus hasil pembebanan pada Tabel
4.11. kemudian dilakukan uji validasi dengan menggunakan analisis regresi yang
tersedia pada software EMME/3, dihasilkan koefisien determinasi (R2) dari
perbandingan arus hasil traffic count dan arus hasil pembebanan = 0,8463 . Hasil lain
yang dapat dilihat antara lain : nilai gradien maksimum yang dihasilkan pada iterasi ke-
10 adalah 0,6094, langkah optimal yang dihasilkan (λ) adalah 1,2375, sdan fungsi
objektif yang dihasilkan adalah 1864.61157. Hasil perhitungan analisi regresi dapat
dilihat pada Gambar 4.8.
Gambar 4.7. Grafik Uji Validasi Volume Lalu Lintas
87
88
4.5. Pembahasan
4.5.1. Besarnya Estimasi Matriks Metode Steepest Descent
Analisis data dengan metode steepest descent menghasilkan MAT kota Surakarta
tahun 2009 dengan jumlah bangkitan pergerakan terbesar di zona internal berasal
dari zona 8 yaitu wilayah kelurahan Purwosari dengan jumlah pergerakan
1555,86 smp/jam. Hal ini dikarenakan zona 8 merupakan daerah pemukiman
dengan kepadatan penduduk yamg cukup besar. Tarikan pergerakan terbesar di
zona internal juga berasal dari zona 8 yaitu kelurahan Purwosari dengan jumlah
pergerakan 1766,53 smp/jam. Untuk bangkitan pergerakan terkecil kurang dari
100 smp/jam di zona internal berasal dari beberapa zona diantaranya zona 2
(kelurahan Jajar) dan zona 47 (Kelurahan Jagalan) dengan jumlah pergerakannya
47,05 smp/jam dan 92,94 smp/jam.
Sedangkan bangkitan pergerakan terbesar di zona eksternal berasal dari zona 52

(Colomadu) dengan jumlah pergerakan 2669,23 smp/jam dikarenakan zona 52
merupakan daerah pemukiman dengan kepadatan penduduk yang cukup besar,
dan zona tersebut sebagai pintu masuk dan pintu keluar kota Surakarta,
sedangkan tarikan pergerakan terbesar di zona eksternal berasal dari zona 59
(Palur) dengan jumlah pergerakan sebesar 3071,72 smp/jam. Hal ini disebabkan
karena zona 59 merupakan kawasan perindustrian. Untuk bangkitan pergerakan
terkecil di zona eksternal berasal dari zona 53 (Pabelan) sebesar 188,23 smp/jam.
Sedangkan tarikan pergerakan terkecil di zona eksternal berasal dari zona 60
(Jl.Brigjend Katamso-Mojosongo) sebesar 280,06 smp/jam.
Dari analisis data dengan metode steepest descent yang menghasilkan MAT kota
Surakarta tahun 2009 tersebut dapat diketahui bahwa pola pergerakan di kota
Surakarta dengan jumlah total pergerakan sebesar 32361,41 smp/jam banyak
dipengaruhi oleh pergerakan-pergerakan yang berasal dari zona eksternal. Hal ini
88
89
disebabkan karena adanya pergerakan eksternal yang cukup tinggi yang melintasi
kota Surakarta yang kemudian melanjutkan pergerakannya menuju zona eksternal
lainnya (misalkan pergerakan dari zona eksternal 52 dari Colomadu menuju ke
zona eksternal 59 di daerah Palur). Kondisi ini mengindikasikan bahwa Surakarta
bukan merupakan tempat tujuan akhir suatu perjalanan, sehingga diperlukan suatu
rute luar kota yang tidak melalui ruas jalan di pusat kota.
4.5.2. Tingkat Uji Validasi
Perhitungan uji validasi dengan koefisien determinasi (R2) pada gambar Grafik
4.8 didapatkan besar tingkat validasi 84,63% pada hasil perbandingan arus hasil
traffic count dan arus hasil pembebanan. Hal ini menunjukkan bahwa besarnya
arus lalu lintas hasil pembebanan mendekati besarnya arus lalu lintas hasil
pengamatan (traffic count tahun 2009). Dengan mengetahui nilai R2 maka akan
diketahui pula galat yang terjadi yaitu sebesar 15,37%. Besarnya galat tersebut
dapat dipengaruhi oleh model yang harus dikalibrasi dengan seperangkat data
kuantitatif (terukur). Dimana data terukur ini dibutuhkan dalam jumlah yang
banyak dan membutuhkan biaya yang cukup besar. Tetapi karena berbagai faktor,
khususnya keterbatasan biaya dan praktek di lapangan, penulis hanya
mengumpulkan sebagian data saja untuk mewakili ruas jalan kota Surakarta yang
banyak dilalui oleh kendaraan.
89
90
BAB 5
KESIMPULAN DAN SARAN
5.1. Kesimpulan
Penelitian tentang matriks asal tujuan di kota Surakarta diperlukan untuk

mengetahui besarnya jumlah pergerakan dan distribusinya pada masing-masing
wilayah di kota Surakarta. Matriks hasil perhitungan tersebut kemudian
dibebankan ke jaringan jalan untuk mendapatkan arus lalu lintas pada tiap ruas.
Berdasarkan analisis dan pembahasan yang telah dilaksanakan untuk

mengestimasi sebaran pergerakan di kota Surakarta dari data lalu lintas dengan
metode steepest descent, dapat diambil kesimpulan sebagai berikut:
1.
· Analisis data dengan menggunakan metode steepest descent menghasilkan
Matriks Asal Tujuan (MAT) tahun 2009 dengan jumlah total pergerakan
sebesar 32361,41 smp/jam
· Jumlah bangkitan dan jumlah tarikan terbesar pada zona internal terjadi
pada zona 8 yaitu Kelurahan Purwosari sebesar 1555,86 smp/jam dan
1766,53 smp/jam. Hal ini dikarenakan daerah tersebut banyak terdapat
daerah pemukiman dan juga daerah perkantoran dan perdagangan.
· Jumlah bangkitan terbesar di zona eksternal terdapat pada zona 52 yakni
daerah Colomadu sebesar 2669,23 smp/jam dikarenakan daerah tersebut
merupakan daerah pemukiman padat penduduk. Jumlah tarikan terbesar
terdapat pada zona 59 yakni daerah Palur sebesar 3071,72 smp/jam
dikarenakan daerah tersebut merupakan kawasan industri.
· Pergerakan Kota Surakarta banyak dipengaruhi oleh pergerakan yang
berasal dari zona eksternal, sehingga disimpulkan Kota Surakarta bukan
tujuan akhir dari perjalanan.
2. Perhitungan uji validasi dengan koefisien determinasi (R2) didapatkan besar
tingkat validasi 0,8463 pada hasil perbandingan arus hasil traffic count dan
90
91
arus hasil pembebanan. Hal ini menunjukkan bahwa besarnya arus lalu lintas
hasil pembebanan mendekati besarnya arus lalu lintas hasil pengamatan
(traffic count tahun 2009). Dengan mengetahui nilai R2 maka akan diketahui
pula galat yang terjadi yaitu sebesar 0,1537.
5.2. Saran
Beberapa saran yang dapat dikemukakan agar penelitian mengenai estimasi model
sebaran pergerakan dari data lalu lintas yang akan datang dapat memberikan hasil
yang lebih baik adalah sebagai berikut:
1. Perlu dipertimbangkan menggunakan uji kepantasan atau uji kebaikan dalam

membandingkan matriks yang dihasilkan.
2. Adanya pengaruh parameter α pada metode Steepest Descent dapat dijadikan
bahan kajian selanjutnya.
3. Perlu adanya pelarangan melintas bagi kendaraan beroda dua pada ruas jalan
tertentu pada jam puncak seperti Jalan Slamet Riyadi, Jalan Ahmad Yani,
Jalan Adi Sucipto, dan Jalan Jendral Sudirman dengan didukung perbaikan
fasilitas angkutan umum sebagai penunjangnya.
4. Perlu adanya suatu rute luar kota yang tidak melalui ruas jalan di pusat kota
Surakarta.
91
92
DAFTAR PUSTAKA
Ahmad Munawar dan Muhammad Zudhy Irawan. 2007. Estimasi Matriks Asal
Tujuan Berdasarkan Informasi Arus Lalulintas untuk Pemodelan
Transportasi. Symposium X FSTPT. Universitas Tarumanagara. Jakarta.
Anonim. 1990. Panduan Penentuan Klasifikasi Fungsi Jalan di wilayah
Perkotaan. Jakarta: Direktorat Jenderal Bina Marga Departemen
Pekerjaan Umum RI.
Anonim. 1997. Manual Kapasitas Jalan Indonesia (MKJI) 1997. Jakarta:
Direktorat Jenderal Bina Marga Departemen Pekerjaan Umum RI.
Anonim. 2005. Buku Pedoman Penulisan Tugas Akhir. Fakultas Teknik Jurusan
Teknik Sipil Universitas Sebelas Maret. Surakarta.
Astri Briliianti. 2002. Evaluasi Kerja Dan Penanganan Jaringan Jalan (Studi
Kasus Kota Surakarta). Skripsi. Fakultas Teknik Jurursan Teknik Sipil
Universitas Sebelas Maret. Surakarta.
E.K. Morlok. 1984. Pengantar Teknik dan Perencanaan Transportasi. Penerbit
Erlangga. Jakarta.
Freund, Robert M. 2004. The Steepest Descent Algorithm for Unconstrained
Optimization and a Bisection Line-search Method. Journal of
Massachusetts Institute of Technology. United States of america
INRO Consultants Inc.. 1998. EMME/2 User’s Manual Software Realeas 9.
Montreal (Quebec). Canada.
INRO Consultan Inc. 2007. EMME/3 Release Notes: Emme 3.0. Canada.
Juarna, Asep. 2000. Penyelesaian Sistem Persamaan Linier Symetric Positive
Definite dengan Metode Steepest Descent. Jurnal. Universitas Gunadarma.
Jakarta
Noriega, Yolanda dan Michael Florian. 2009. Some Enhancements of The
Gradient Method for O-D Matrix Adjustment. Jurnal. university Research
Centre. Canada. 21 Oktober 2009. www.cirrelt.ca
Nurmalia. 2009. Estimasi Matrik Asal Tujuan dari Data Lalu Lintas dengan
Metode Entropi Maksimum (Studi Kasus Kota Surakarta). Skripsi.
Fakultas Teknik Jurusan Sipil Universitas Sebelas Maret. Surakarta.
Ortuzar, J.D. and Willumsen, L.G., 1994, Modelling Transport, Second Edition,
John wiley & Sons, Great Britain.
O.Z. Tamin. 1997. Perencanaan dan Pemodelan Transportasi. ITB. Bandung.
O.Z. Tamin. 2000. Perencanaan dan Pemodelan Transportasi. ITB. Bandung.
Priyatno. 2000. Estimasi Matrik Asal Tujuan Dari Data Lalulintas dengan Metode
Pembebanan Wardrop Equilibrium (Studi Kasus Kota Surakarta). Skripsi.
Fakultas Teknik Jurursan Teknik Sipil Universitas Sebelas Maret.
Surakarta.
Rahayu Mahanani W.. 2008. Estimasi Matrik Asal Tujuan dari Data Arus
Lalulintas dengan Metode Estimasi Inferensi Bayesian. Skripsi. Fakultas
Teknik Jurursan Teknik Sipil Universitas Sebelas Maret. Surakarta.
92
93
Revi Widyastuti. 2007. Estimasi Matriks Asal Tujuan Dari Data Arus Lalu Lintas
Dengan Metode Estimasi Entropi Maksimum. Skripsi. Fakultas Teknik
Jurusan Sipil Universitas Sebelas Maret. Surakarta.
R. Suyuti dan O.Z. Tamin. 2007. Penggunaan Model Gravity (GR) dalam
Estimasi Matrik Asal-Tujuan (MAT) Menggunakan Data Arus Lalulintas.
Symposium X FSTPT. Universitas Tarumanagara. Jakarta.
Shin, Dong Ho. Do Hyun Kim, and Man Suk Song. 1994. The Steepest Descent
Method and The Conjugate Gradient method for Slightly Non-Symmetric,
Positive Definite Matrices. Journal Community Korean Math.Soc.9, No.2,
p. 439-448. South Korea
Slamet Basuki. 2001. Estimasi Distribusi Perjalanan dengan Menggunakan
Model Gravity (Study Kasus Kota Surakarta). Skripsi. Fakultas Teknik
Jurusan Teknik Sipil Universitas Sebelas Maret. Surakarta.
Spiess, Heinz. 1990. A Gradient Approach for The O-D Matrix Adjustment
Problem. Jurnal. EMME/2 Support Center. Switzerland
Yuan, Ya-Xiang. 2006. A New Stepsize for The Steepest Descent Method. Journal
of Computational Mathematics, vol.24, No.2, p. 149-156. Beijing, China.
Zhou Xiang dan Bingquan Fan. 2005. Application of EMME/2 on OD Estimation
and TIA of Traffic Facility (A case Study of Oujiang Tunnel in Wenzhou).
Jurnal. CRTS in University of Shanghai for Science and Technology.
People Republic of China
93

Pamuko Aditya R PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Pamuko Aditya R PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

ESTIMASI MODEL SEBARAN PERGERAKAN DARI DATA

ARUS LALU LINTAS DENGAN METODE STEEPEST

Model Estimation of Distribution Movement from Traffic Count Data with

Diajukan Sebagai Salah Satu Syarat

PAMUKO ADITYA RAHMAN

JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK

ESTIMASI MODEL SEBARAN PERGERAKAN DARI DATA

Model Estimation of Distribution Movement from Traffic Count Data with

PAMUKO ADITYA RAHMAN

Telah disetujui untuk dipertahankan dihadapan Tim Penguji Pendadaran

Persetujuan Dosen Pembimbing

Dosen Pembimbing I Dosen Pembimbing II

DR. Eng. Ir. Syafi’i , MT Ir. Agus Sumarsono,MT

ESTIMASI MODEL SEBARAN PERGERAKAN DARI DATA

PAMUKO ADITYA RAHMAN

Telah dipertahankan dihadapan Tim Penguji Pendadaran Jurusan Teknik Sipil

1. DR. Eng. Ir. Syafi’i, MT ---------------------------------

2. Ir. Agus Sumarsono, MT ---------------------------------

3. Ir. Djoko Sarwono, MT ---------------------------------

4 Slamet Jauhari Legowo, ST,MT ---------------------------------

Ir.NOEGROHO DJARWANTI, MT Ir. BAMBANG SANTOSA, MT

”My Great precious Lord Allah, My Life inspiration Phopet Muhammad.”

Pamuko Aditya Rahman, 2010, Estimasi Model Sebaran Pergerakan dari

Penelitian ini bertujuan untuk mengetahui besarnya estimasi model sebaran

Dari hasil perhitungan dengan bantuan EMME/3, diperoleh total jumlah

Pamuko Aditya Rahman, 2010, Model Estimation of Distribution Movement

Trip distribution pattern between origin to destination zone is the relationship

Keywords : EMME/3, Estimated Movement, Steepest Descent, Traffic Flow

1. Segenap Pimpinan Fakultas Teknik Universitas Sebelas Maret Surakarta.

diperkenankan untuk dipertemukan dengan orang-orang hebat dan teman-

Surakarta, 14 April 2010

BAB 2 LANDASAN TEORI 5

BAB 3 METODE PENELITIAN 42

BAB 5 KESIMPULAN DAN SARAN 89

DAFTAR PUSTAKA………………………………………………………... xix

Tabel 3. 4 Nomor zona eksternal................................................................. 46

Gambar 2.1 Metode untuk mendapatkan Matrik Asal Tujuan (MAT)...... 5

Gambar 3.4 Bagan Alir Penelitian............................................................. 51

DAFTAR NOTASI DAN SIMBOL

Ai , Bd = faktor penyimbang untuk setiap zona asal i dan tujuan d

A = kumpulan dari semua link pada jaringan

Dd = total pergerakan ke zona tujuan d

Oi = total pergerakan dari zona asal i

Vl = arus lalu lintas hasil pemodelan pada ruas l

d ak = nilai konvergensi metode steepest descent

ll = panjang langkah pada tiap iterasi

Lampiran A : Data Hasil Survey

1.1. Latar Belakang

Pergerakan manusia merupakan aktivitas yang selalu menjadi bagian dari

Permasalahan transportasi yang semakin luas membutuhkan banyak studi

Pemanfaatan program yang telah tersedia sangat membantu peneliti untuk

1.2. Rumusan Masalah

1.3. Batasan Masalah

1.4. Tujuan Penelitian

Tujuan yang diharapkan dari penelitian ini adalah :

1.5. Manfaat Penelitian

1.5.1. Manfaat Teoritis

1.5.2. Manfaat Praktis

2.1. Tinjauan Pustaka

Pola pergerakan dalam transportasi sering dijelaskan dalam bentuk arus

Gambar 2.1. Metode untuk mendapatkan Matriks Asal Tujuan (MAT)

Drissi-Kaïtouni and Lundgren (1992). “Bilevel Origin-Destination matrix

Chen (1994). “Bilevel Programming Problems : Analysis, Algorithms, and