Anda di halaman 1dari 1124

.,~ L2 .

-; ZL,

Teori, Con o Soal, dan

Ofyar Z Tamin
Program Studi Teknik Sipil
Fakultas Teknik Sipil dan Lingkungan
lnstitut Teknologi Bandung

Penerbit ITS
Perencanaan, pemodelan, dan rekayasa
transportasi: Teori, contoh soal, dan
aplikasi

Ofyar Z. Tamin
Jurusan Teknik Sipil
Institut Teknologi Bandung

Penerbit ITB Bandung


Hak cipta pada Penerbit ITB, 2008
Data katalog dalam terbitan
Tamin, Ofyar Z.
Perencanaan, pemodelan, dan rekayasa
transportasi oleh Ofyar Z. Tamin. -Bandung:
Penerbit ITB. 2008
31a, 1089 h., 25 cm.
629.04
1. Rekayasa transportasi I. Judul
ISBN 978-979-1344-22-7

Penerbit ITB. JI. Ganesa 10, Bandung 40132, Telp.: 022 - 2504257, Faks: 022 - 2534155
e-mail: itbress@bdg.centrin.net.id
is~

Santbutan Rektor,
Institut Teknologi Bandung 26a

Santbutan Dekan,
Fakultas Teknik Sipil dan Lingkungan
Insitut Teknologi Bandung 28a

Prakata 29a

Persyaratan matematika dan statistika I


1.1 Umum 1
1.2 Aljabar dan fungsi 2
1.2.1 Pendlhuhian 2
1.2.2 Fungsi dan grafik 4
1.2.3 Penjumlahan deret 7
1.3 Aljabar matriks 8
1.3.1 Pendahuluan 8
1.3.2 Operasi dasar aljabar matriks 9
1.4 Elemen kalkulus 11
1.4.1 Diferensial 11
1.4.2 Integral 12
1.4.3 Fungsi logarittna dan eksponensial 13
1.4.4 Mencari nilai fungsi maksimum dan minimum 14
1.4.5 Fungsi dengan lebih dari satu peubah 16
1.4.6 Penyelesaian persantaan kuadrat 17
1.4.7 Integral berganda 18
1.4.8 Elastisitas 18
1.4.9 Deret perkalian 18
1.5 Statistika matematika dasar 19
1.5.1 Peluang 19
1.5.2 Peubah acak 21
1.5.3 Parameter statistika 22
1.6 Analisis regresi 23
1.6.1 Model analisis regresi-linear 23
1.6.2 Koefisien detemiinasi (R2) 24
1.6.3 Model analisis regresi-linear-berganda 25
1.6.3.1 Analisis dengan dua peubah bebas 27
1.6.3.2 Analisis dengan ago peubah bebas 27
1.7 Tahapan uji statistik dalam model analisis-regresi 28
1.7.1 Uji kecukupan data 28
1.7.2 Uji korelasi 28

5a
1.7.3 Uji linearitas 29
1.7.4 Uji kesesuaian 29
1.8 ]ndikator uji kesesuaian matriks 29
1.8.1 Root Mean Square Error (RMSE) dan Standar
Deviasi (SD) 29
1.8.2 Mean Absolute Error (MAE) 30
1.8.3 Koefisien Determinasi (R`) 30
1.8.4 Normalised Mean Absolute Error (NMAE) 31
1.9 Kumpulan coal 31

2 Perencanaan, pemodelan, dan rekayasa transportasi 33


2.1 Pendahuluan 33
2.1.1 Latar belakang 33
2.1.2 Model dan peranannya 37
2.2 Coo pemiasalahan transportasi 38
2.2.1 Ciri kebutuhan akan transportasi 39
2.2.2 Ciri sistem prasarana transportasi 40
2.23 Keseimbangan antara sistem prasarana transportasi
dan kebutuhan akan transportasi 41
2.3 Pemilihan pendekatan model 43
2.4 Faktor dalam pemodelan transportasi 45
2.4.1 Spesifikasi model 45
2.4.1.1 Struktur model 45
2.4.1.2 Bentuk fungsional 45
2.4.1.3 Spesifikasi peubah 45
2.4.2 Kalibrasi dan pengabsahan model 45
2.4.3 Beberapa definisi dalam pemodelan 46
2.5 Ciri dasar perencanaan transportasi 47
2.5.1 Pendahuluan 47
2.5.1.1 Multimoda 47
2.5.1.2 Multidisiplin 47
2.5.1.3 Multisektoral 48
2.5.1.4 Multimasalah 48
2.5.2 Ciri pergerakan tidak-spasial 49
2.5.2.1 Sebab terjadinya pergerakan 49
2.5.2.2 Waktu terjadinya pergerakan 49
2.5.2.3 Jenis sarana angkutan yang digunakan 51
2.5.3 Ciri pergerakan spasial 52
2.5.3.1 Pola perjalanan orang 53
2.5.3.2 Pola perjalanan barang 54
2.6 Campur tangan manusia pada sistem transportasi 54
2.7 Perencanaan transportasi sebagai bentuk campur tangan
manusia 56
2.8 Pihak yang terlibat dalam perencanaan transportasi 58

3 Pendekatan perencanaan transportasi 59


3.1 Umum 59

6a Ofyar Z Tamis, Perencanaan, pemodelan, dan rekayasa transport asi:


Teori, contoh soal, dan aplikasi
3.2 Pendekatan sistem untuk perencanaan transportasi 60
3.2.1 Pengertian sistem 60
3.2.2 Sistem transportasi makro 62
3.2.3 Sistem tata guna lahan—transportasi 64
3.3 Analisis interaksi sistem kegiatan dengan sistem jaringan 65
3.4 Aksesibilitas dan mobilitas 66
3.4.1 Apakah aksesibilitas dan mobilitas itu? 66
3.4.2 Hubungan transportasi 68
3.4.3 Aksesibilitas berdasarkan tujuan dan kelompok sosial 69
3.4.4 Aksesibilitas dalam model perkotaan 70
3.4.5 Pengukuran aksesibilitas di daerah perkotaan 71
3.4.5.1 Ukuran grafts aksesibilitas 71
3.4.5.2 Ukuran fisik aksesibilitas 71
3.4.5.3 Aksesibilitas perumahan sebagai fungsi
tersedianya fasilitas transportasi 71
3.4.6 Aksesibilitas dan perilaku perjalanan 72
3.4.7 Contoh penggunaan aksesibilitas 72
3.4.8 Ringkasan 74
3.5 Konsep perencanaan transportasi 74
3.5.1 Bangkitan dan tarikan pergerakan 75
3.5.1.1 Umum 75
3.5.1.2 Jenis tata guna lahan 75
3.5.1.3 Intensitas aktivitas tata ntma lahan 76
3.5.2 Sebaran pergerakan ~ 77
3.5.2.1 Umum 77
3.5.2.2 Pemisahan ruang 77
3.5.2.3 Intensitas tata guna lahan 78
3.5.2.4 Pemisahan ruang dan intensitas tata guna lahan 78
3.5.3 Bangkitan dan sebaran pergerakan 78
3.5.4 Pemilihan moda transportasi dan rute 79
3.5.4.1 Pemilihan moda transportasi 79
3.5.4.2 Pemilihan rute 80
3.5.5 Ringkasan konsep dasar 80

4 Analisis indeks tingkat pelayanan (ITP) 84


4.1 Tingkat pelayanan 84
4.2 Definisi tingkat pelayanan 85
4.2.1 Tingkat pelayanan (tergantung-arus) 86
4.2.2 Tingkat pelayanan (tergantuno-fasilitas) 86
4.3 Hubungan matematis waktu tempuh dengan arus lalu lintas 87
4.4 Analisis kecepatan arus-bebas dan penentuan nilai To 90
4.5 Analisis pendekatan linear 94
4.5.1 Penuntnan pendekatan 94
4.5.2 Contoh penerapan 95
4.6 Analisis pendekatan tidak-linear 98
4.6.1 Penurunan pendekatan 98
4.6.2 Contoh penerapan 100

Isi 7a
4.7 Analisis pendekatan coba-coba 101
4.7.1 Penunrnan pendekatan 101
4.7.2 Contoh penerapan 101
4.8 Analisis pendekatan rata-rata 103
4.8.1 Penurunan pendekatan 103
4.8.2 Contoh penerapan 104
4.9 Kumpulan soal 105

5 Analisis kapasitas ruas jalan dan persimpangan 107


5.1 Analisis kapasitas ruas jalan 107
5.1.1 Perhitungan kapasitas ruas jalan 107
5.1.1.1 Kapasitas dasar 107
5.1.1.2 Faktor koreksi kapasitas akibat pembagian
arah (FCsr) 108
5.1.1.3 Faktor koreksi kapasitas akibat lebar
jalan (FCw) 108
5.1.1.4 Faktor koreksi kapasitas akibat gangguan
samping (FCsF) 109
5.1.1.5 Faktor koreksi kapasitas akibat ukuran
kota (FCcs) 110
5.1.2 Pengaruh parkir pada kapasitas ruas jalan 112
5.2 Analisis kapasitas persimpangan 114
5.2.1 Persimpangan tidak berlampu lalu lintas 114
5.2.2 Persimpangan berlampu lalulintas 114
5.3 Kumpulan soal 115

6 Analisis model sederhana interaksi sistem transportasi 116


6.1 Pendahuluan 116
6.2 Analisis interaksi sistem kegiatan-jaringan-pergerakan 118
6.2.1 Cara analitis 120
6.2.2 Cam grafis 126
6.3 Analisis dampak perubahan sistem kegiatan 129
6.3.1 Cara analitis 130
6.3.2 Cara grafis 130
6.4 Analisis dampak perubahan sistem jaringan 133
6.4.1 Cara analitis 133
6.4.2 Cara gratis 134
6.5 Analisis dampak perubahan sistem kegiatan dan jaringan 136
6.5.1 Cara analitis 137
6.5.2 Cara grafts 137
6.6 Kumpulan soal 140

7 Konsep pemodelan 142


7.1 Pemodelan sistem 142
7.2 Model sistem kegiatan data sistem jaringan 144
7.3 Penggunaan model sistem kegiatan—sistem jaringan 147
7.4 Pencerminan sisters kegiatan dan sistem jaringan 147

8a Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
7.4.1 Daerah kajian 148
7.4.2 Zona 151
7.4.3 Ruas jalan 154
7.4.4 Konsep biaya gabungan 157
7.4.4.1 Biaya operasi kendaraan (BOK) 158
7.4.4.2 Nilai waktu 160
7.5 Galat dalam pemodelan dan peramalan 161
7.5.1 Galat pengukuran 162
7.5.2 Galat sampel 163
7.5.3 Galat perhitungan 163
7.5.4 Galat spesifikasi 163
7.5.5 Galat transfer 164
7.5.6 Galat pengelompokan 164
7.5.6.1 Pengelompokan data 165
7.5.6.2 Pengelompokan alternatif 165
7.5.6.3 Pengelompokan model 165
7.6 Kompleksitas model atau ketepatan data 165
7.7 Pengumpulan data 168
7.7.1 Pertimbangan praktis 168
7.7.2 Jenis survei 169
7.7.2.1 Sistem prasarana transportasi 169
7.7.2.2 Sistem rata guna lahan 170

8 Analisis bangkitan pergerakan (model analisis-korelasi) 172


8.1 Pendahuluan 172
8.1.1 Defutisi dasar 174
8.1.2 Klasifikasi pergerakan 175
8.1.2.1 Berdastrkan tujuan pergerakan 175
8.1.2.2 Berdasarkan waktu 175
8.1.2.3 Berdasarkan jenis orang 176
8.1.3 Faktor yang mempengaruhi 176
8.1.4 Model faktor pertumbuhan 177
8.1.5 Contoh penerapan model faktor pertumbuhan 178
8.2 Model analisis-korelasi 178
8.2.1 Model analisis-korelasi berbasis zona 178
8.2.1.1 Model berbasis zona 179
8.2.1.2 Peranan intersep 179
8.2.1.3 Zona kosong 179
8.2.1.4 Total zona vs rata-rata zona 179
8.2.2 Contoh pemodelan bangkitan dan tarikan pergerakan ISO
8.2.2.1 Bangkitan pergerakan 180
8.2.2.2 Tarikan pergerakan (untuk pergerakan
berbasis rumah 182
8.2.3 Proses model analisis-korelasi berbasis zona 182
8.2.3.1 Metode analisis langkah-demi-langkah tipe 1 182
8.2.3.2 Metode analisis langkah-demi-langkah tipe 2 183
8.2.3.3 Metode coba-coba 183

tsi 9a
8.2.4 Contoh penerapan sederhana 183
8.2.4.1 Model bangkitan/tarikan dengan 3 peubah
bebas 184
8.2.4.2 Model bangkitan/tarikan dengan 2 peubah
bebas 188
8.2.5 Contoh penerapan di provinsi Jawa Barat 191
8.2.6 Kajian empiris yang menggunakan model analisis-
korelasi 195
8.2.6.1 Kajian lalulintas di kota Detroit 195
8.2.6.2 Kajian pengembangan jaringan jalan di pulau
Jawa 197
8.2.6.3 Kajian standardisasi bangkitan dan tarikan
lalulintas di zona Bandung Raya 199
8.2.7 Model analisis-korelasi berbasis rumah tangga 200
8.2.8 Contoh penerapan model analisis-korelasi berbasis
rumah tangga 200
8.2.9 Masalah ketidaklinearan 204
8.2.10 Contoh pemecahan masalah ketidaklinearan 205
8.2.11 Mendapatkan nilai zona keseluruhan 206
8.2.12 Mencocokkan hasil bangkitan pergerakan dengan
tarikan pergerakan 207
8.3 Kumpulan soal 208

9 Analisis bangkitan pergerakan (model analisis-kategori) 211


9.1 Model klasik 211
9.1.1 Pendahuluan 211
9.1.2 Definisi peubah dan spesifikasi model 212
9.1.3 Penerapan model pada tingkat agregat 213
9.1.4 Tahapan perhitungan 215
9.1.5 Contoh sederhana 216
9.1.6 Komentar tentang pendekatan analisis kategori 217
9.2 Perbaikan model dasar 218
9.2.1 Analisis klasifikasi ganda (Multiple Classification
AnalysislMCA) 218
9.2.2 Contoh penerapan analisis ldasifikasi ganda 218
9.2.3 Analisis regresi untuk tingkat nunah tangga 219
9.3 Pendekatan kategori-orang 220
9.3.1 Pendahuluan 220
9.3.2 Definisi peubah dan spesifikasi model 220
9.4 Peramalan peubah dalam analisis bangkitan pergerakan 221

10 Analisis sebaran pergerakan (metode konvensional) 223


10.1 Pendahuluan 224
102 Kegunaan matriks pergerakan 224
10.3 Definisi dan notasi 227
10.4 Metode konvensional 230
10.4.1 Metode langsung 230

10a Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
10.4.1.1 Wawancara di tepi jalan 231
10.4.1.2 Wawancara di rumah 231
10.4.1.3 Metode menggunakan bendera 232
10.4.1.4 Metode foto udara 232
10.4.1.5 Metode mengikuti-mobil 232
10.4.2 Metode tidak langsung 233
10.5 Ketelitian MAT yang dihasilkan oleh metode konvensiona! 234

11 Analisis sebaran pergerakan (metode analogi) 236


11.1 Metode analogi 236
11.2 Metode tanpa-batasan 237
11.3 Metode dengan-satu-batasan 238
11.3.1 Metode dengan-batasan-bangkitan 239
11.3.2 Metode dengan-batasan-tarikan 239
11.4 Metode dengan-dua-batasan 240
11.4.1 Metode rata-rata 240
11.4.2 Metode Fratar 243
11.4.3 Metode Detroit 249
11.4.4 Metode Fumess 251
11.5 Keuntungan dart kerugian 255
11.6 Kumpulan soal 257

12 Analisis sebaran pergerakan (model gravity) 259


12.1 Pendahuluan 260
12.2 Analogi 261
12.3 Fungsi hambatan 263
12.4 Sebaran panjang pergerakan 264
12.5 Jenis model gravity 265
12.6 Model tanpa-batasan (UCGR) 266
12.7 Model dengan-batasan-bangkitan (PCGR) 268
12.8 Model dengan-batasan-tarikan (ACGR) 270
12.9 Model dengan-batasan-bangkitan-tarikan (PACGR) 272
12.9.1 Proses pengulangan dengan nilai aw•al A, 272
12.9.2 Proses pengulangan dengan nilai awal Ba 278
12.10 Saat penggunaan model gravity 284
12.11 Penurunan model gravity dengan pendekatan entropi-
maksimum 286
12.12 Beberapa perilaku model gravity 288
12.13 Kumpulan soal 289

13 Metode penaksiran model gravity 292


13.1 Pendahuluan 292
13.2 Metode sederhana 294
13.3 Metode Hyman 295
13.4 Metode analisis regresi-linear 296
13.4.1 Fungsi hambatan eksponensial-negatif 296
13.4.1.1 Pengembangan metode 296

Isi 11a
13.4.1.2 Contoh penerapan 297
13.4.2 Fungsi hambatan pangkat 299
13.4.2.1 Pengembangan metode 299
13.4.2.2 Contoh penerapan 299
13.4.3 Fungsi hansbatan Tanner 300
13.4.3.1 Pengembangan metode 300
13.4.3.2 Contoh penerapan 301
13.5 Metode penaksiran kuadrat-terkecil (KT) 302
13.5.1 Pengembangan metode 302
13.5.2 Metode kalibrasi Newton —Rapfison 303
13.5.3 Program komputer dan prosedur kalibrasi 304
13.5.4 Model gravity ripe tanpa-batasan 304
13.5.5 Model gravity ripe batasan-banglcitan 309
13.5.6 Model gravity tipe batasan-tarikan 317
13.5.7 Model gravity ripe batasan-bangkitan-tarikan 321
13.6 Metode penaksiran kemiripan-maksimum (KM) 323
13.6.1 Pengembangan metode 323
13.6.1.1 Metode penaksiran kemiripan-maksimum
jenis 1 (KM1) 324
13.6.1.2 Metode penaksiran kemiripan-maksimum
jenis 2 (KM2) 325
13.6.1.3 Penumnan model 327
13.6.2 Model gravity tipe tanpa-batasan 327
13.6.3 Model gravity tipe batasan-bangkitan 328
13.6.4 Model gravity tipe batasan-tarikan 332
13.6.5 Model gravity tipe batasan-bangkitan-tarikan 333
13.7 Metode penaksiran inferensi-bayes (1B) 337
13.7.1 Pengembangan metode 337
13.7.2 Model gravity ripe tanpa-batasan 342
13.7.3 Model gravity tipe batasan-bangkitan 343
13.7.4 Model gravity ripe batasan-tarikan 345
13.7.5 Model gravity tipe batasan-bangkitan-tarikan 351
13.8 Metode penaksiran entropi-maksimum (EM) 352
13.8.1 Pengembangan metode 352
13.8.2 Model gravity tipe tanpa-batasan 355
13.8.3 Model gravity tipe batasan-bangkitan 356
13.8.4 Model gravity ripe batasan-tarikan 360
13.8.5 Model gravity tipe batasan-bangkitan-tarikan 361
13.9 Metode lain 365
13.10 Penggunaan data MAT parsial 366
13.11 Kumpulan soal 367

14 Analisis sebaran pergerakan (model gravity-opportunity) 369


14.1 Model intervening-opportunity (10) 369
14.2 Model gravity-opportunity (GO) 371
14.2.1 Latar belakang 371
14.2.2 Definisi 374

mero-err:cc:7cspoztoddaenlaan,;.
12a Ofyar Z Tarr., P deasnirekayasa transportasi:
14.2.2.1 MAT terurut 374
14.2.2.2 Normalisasi 374
14.2.2.3 Transformasi 375
14.2.3 Spesifikasi fungsi kesempatan 375
14.2.4 Struktur faktor proporsi 376
14.2.5 Aksioma IIA dan model GO 378
14.2.6 Model GO yang diusulkan 380
14.3 Kumpulan seal 380

15 Analisis sebaran pergerakan (beberapa permasalahan prakiis) 383


15.1 Penanganan zona ekstemal 383
15.2 Pergerakan intrazona intemal 384
15.3 Tujuan pergerakan 385
15.4 Matriks yang mempunyai banyak sel kosong 385
15.5 Bangkitan-tarikan dan asal-tujuan 386
15.6 Faktor 'K' 387

16 Analisis pemilihan moda 388


16.1 Pendahuluan 388
16.2 Faktor yang mempengaruhi pemilihan mods 390
16.3 Model pemilihan mods ujung-perjalanan 391
16.4 Model pemilihan mods pertukaran-perjalanan 392
16.5 Model pemilihan moda dan kaitannya dengan model lain 393
16.5.1 Model jenis I 394
16.5.2 Model jenis I1 394
16.5.3 Model jenis III 395
16.5.4 Model jenis IV 395
16.5.5 Beberapa komentar tentang model pemilihan mods 397
16.5.5.1 Biaya 397
16.5.5.2 Angkutan umum captive 397
16.5.5.3 Lebih dari dua mods 398
16.6 Model sintetis 399
16.6.1 Model kombinasi sebaran pergerakan—pemilihan moda 399
16.6.2 Model pemilihan multimoda 401
16.6.3 Model logit-binomial 403
16.6.3.1 Metode penaksiran kemiripan-maksimum
(KM) 405
16.6.3.2 Metode penaksiran regresi-linear 406
16.6.3.3 Model logit-binomi al -selisi h 408
16.6.3.4 Modellogit-binomial-nisbah 409
16.6.4 Kalibrasi model pemilihan moda berhierarki 411
16.7 Model kebutuhan-langsung 412
16.7.1 Pendahuluan 412
16.72 Model abstrak dan model kebutuhan-langsung 413
16.7.3 Model simultan 416
16.8 Model pemilihan diskret 419
16.8.1 Pertimbangan umum 419

Isi 13a
16.8.2 Kerangka teori 422
16.9 Model logic-multinomial (LM) 424
16.10 Contoh penerapan model logit-binomial 425
16.10.1 Model logic-binomial-selisih 426
16.10.2 Model logic-binomial-nisbah 429
16.10.3 Analisis uji kepekaan 431
16.11 Kumpulan soal 433

17 Analisis pemilihan rate 435


17.1 Konscp dasar 435
17.1.1 Pendahuluan 435
17.1.2 Definisi dan notasi 439
17.1.3 Kurva kecepatan—arus dan biaya—anis 440
17.2 Metode pemilihan rutc 445
17.2.1 Pendahuluan 445
17.2.2 Proses pemilihan rule 447
17.2.3 Pembentukan polion 452
17.2.3.1 hiisialisasi 452
17.2.3.2 Prosedur 452
17.2.4 Alasan pemilihan rule 454
17.2.4.1 Pembebanan nil-or-nothing 454
17.2.4.2 Pembebanan banyak-ruas 454
17.2.4.3 Pembebanan berpeluang 454
17.2.5 Faktor penentu utama 454
17.2.5.1 Waktu tempuh 454
17.2.5.2 Ni1ai waktu 454
17.2.5.3 Biaya perjalanan 455
17.2.5.4 Biaya operasi kendaraan 455
17.3 Model all-or-nothing 456
17.3.1 Umum 456
17.3.2 Algoritma 457
17.3.2.1 Pendekatan pasangan-demi-pasangan 457
17.3.2.2 Pendekatan sekaligus 457
17.4 Model stokastik 459
17.4.1 Model Burrell 461
17.4.2 Mode1 .S'aknrovltc% 463
17.4.3 Model slokastik-proporsional 463
17.4.4 Model Kusdian 467
17.4.5 Model perilaku-kebutuhan-akvi-transportasi 468
17.5 Model batasan-kapasitas 47(1
17.5.1 Metode all-or-nothing-berulang 472
17.5.2 Metode pcmbebanan-bcrtahap 473
17.5.3 Mctode pembebanan slokastik dengan batasan-kapasitas 479
17.5.4 Metode pembebanan-benilang 479
17.5.5 Metode pembebanan-kuantal 481
17.5.6 Metode pembebanan-banyak-rule 482
17.5.7 Metode pembebanan-bcrpcluang 482

14a Ofyar Z Tamin, Perencanaan, pemodelen, dan rekayasa transportasi:


Teori, confoh soel, den eplikesi
17.6 Model keseimbangan 483
17.6.1 Pendahuluan 483
17.6.2 Pendekatan pemrograman-matematika 484
17.6.3 Algoritma Frank—Wolfe 489
17.6.3.1 Algoritma 489
17.6.3.2 Kriteria konvergensi 491
17.6.4 Pembebanan keseimbangan-sosial (KS) 492
17.6.5 Pembebanan keseimbangan-pengguna-stokastik (KPS) 494
17.7 Pembebanan keseimbangan lanjut 496
17.7.1 Batasan metode klasik 496
17.7.2 Metode interaksi persimpangan 498
17.7.3 Pengaruh tingkat resolusi sistem jaringan pada
pembebanan lalu lintas 500
17.7.3.1 Pendahuluan 500
17.7.3.2 Kebutuhan data 501
17.7.3.3 Tingkat resolusi 5(12
17.7.3.4 Prosedur analisis 503
17.7.3.5 Analisis jaringan 504
17.7.3.6 Hasil analisis 504
17.7.3.7 Kesimpulan 511
17.8 Keseimbangan sistem transportasi 512
17.8.1 Pendahuluan 512
17.8.2 Kombinasi pemilihan moda dengan pembebanan 513
17.8.3 Mode, tujuan. dan metode pemilihan rute pada
kondisi keseimbangan 516
17.8.3.1 Kombinasi sebaran dan pembebanan 516
17.8.3.2 Kombinasi sebaran, pembebanan, dan
pemilihan moda 517
17.8.3.3 Kombinasi bangkitan, sebaran, pembebanan.
dan pemilihan moda 518
17.9 Model kurva diversi 519
17.9.1 Model JICA 522
17.9.1.1 Model I 522
17.9.1.2 Model II 523
17.9.2 Model logit-binomial dan regresi-pengali 523
17.9.2.1 Model logit-binomial 524
17.9.2.2 Model regresi-pengali 524
17.10 Masalah pembebanan-berlebih 525
17.10. I Metode pembebanan keseimbangan-elastis 526
17.10.1.1 Prinsip dasar 526
17.10.1.2 Algoritma 527
17.10.1.3 Kriteria konvergensi 529
17.10.1.4 Fungsi permintaan pergerakan dan fungsi
biaya 530
17.10.1.5 Contoh penerapan 532
17.10.2 Metode pemangkasan matriks pergerakan 533
17.10.2.1 Prosedur pcmangkasan 533

tsi 15a
17.10.2.2 Struktur metode pemangkasan matriks 535
17.10.2.3 Prosedur pemangkasan matriks pergcrakan 536
17.10.2.4 Contob pencrapan 538
17.11 Kumpulan soal 539

18 Model transportasi berdasarkan data arus lalu lintas 541


18.1 Pendahuluan 541
18.2 Pemikiran dasar 543
18.3 Penelitian yang telah dilakukan 544
18.3.1 Pendekatan penaksiran model kebutuhan-akan-
transportasi 545
18.3.1.1 Penaksiran model gravity 545
18.3.1.2 Penaksiran model kebutuhan-langsung 546
18.3.1.3 Penaksiran model gravity-opportunity (GO) 547
18.3.2 Pendekatan penaksiran kescimbangan-jaringan 548
18.3.3 Pendekatan penaksiran teori infonnasi 550
18.3.3.1 Modcl-cstimasi-matriks-entropi-maksimum
(EMEM) 550
18.3.3.2 Model infonnasi-minimum (IM) 557
18.3.3.3 Model Bates 558
18.3.3.4 Model kemiripan-maksimum (KM) 560
18.3.3.5 Model MODCOST 562
18.4 Kesimpulan 563
18.5 Keuntungan penggunaan data arus lalu lintas 563
18.6 Penuasalahan dalam penggunaan data arus lalu lintas 566
18.6.1 Masalah perhitungan arus lalu lintas 566
18.6.1.1 Ketergantungan 566
18.6.1.2 Ketidakkonsistenan 567
18.6.2 Masalah kurang-tcrspesifikasi 567
18.7 Model transportasi berdasarkan data arus tale lintas 568
18.7.1 Prinsip dasar 568
18.7.2 Beberapa metode pembebanan nite 569
18.7.3 Konsep dasar 571
18.8 Penaksiran model kombinasi SPPM dengan data arus
penumpang 572
18.8.1 Prinsip dasar 572
18.8.2 Model kombinasi sebaran pergerakan—pemiliban
moda (SPPM) 573
18.8.2.1 Model gravity sebagai model transportasi 574
18.8.2.2 Model logit-multinomial (LM) sebagai model
pemilihan moda 574
18.8.2.3 Persamaan dasar 575
18.9 Metode penaksiran 575
18.10 Metode penaksiran kuadrat-terkecil (KT) 577
18.10.1 Metode pcnaksiran kuadrat-terkecil-linear (KTL) 578
18.10.2 Metode penaksiran kuadrat-terkecil-tidak-linear (KTTL) 579

16a Ofyar Z Tamin, Perencanaan, pemodelan,lidan.rekayasa transportasi:


18.11 Metode penaksiran kemiripan-maksjmum (KM) 580
18.11.1 Pendahuluan 580
18.11.2 Definisi 581
18.11.2.1 Kemiripan 581
18.11.2.2 Nisbah kemiripan 581
18.11.2.3 Dukungan 582
18.11.3 Aksioma kemiripan 582
18.11.3.1 Hukum kemiripan 582
18.11.3.2 Prinsip kemiripan 582
18.1 1.33 Aksioma kemiripan 582
18.1 1.4 Tafsiran kemiripan 583
18.11.5 Kemiripan sampel multinomial 583
18.1 1.6 Kerangka metode penaksiran kemiripan-maksimum
jenis I (KM 1 ) 584
18.1 l . 7 Kerangka metode penaksiran kemiripan-maksi mum
jenis 11 (KM2) 586
18.12 Metode penaksiran inferensi-hm•e.s (IB) 589
18.12.1 Dasar pendekatvt 589
18.12.2 Penerapan metode 1B 589
18.13 Metode penaksiran entropi-maksimum (EM) 591
18.14 Penggunaan data MAT parsial 594
18.14.1 Pendahuluan 594
18.14.2 Solusi yang diusulkan 595
18.15 Pemecahan metode penaksiran 596
18.15.1 Pendahuluan 596
18.15.2 Beberapa metode kalibrasi 596
18.15.2.1 Perbandingan beberapa metode kalibrasi 596
18.15.2.2 Metode kalibrasi hibrid 597
18.15.3 Metode Newton-Raphson 598
18.15.3.1 Kasus satu-tuj uan- perjal anan 598
18.15.3.2 Kasus K-tujuan perjalanan 599
18.15.4 Teknik eliminasi matriks Gauss-Jordan 600
18.16 Program komputer dan prosedur kalibrasi 602
18.16.1 Pendahuluan 602
18.16.2 Paket program MOTORS 603
18.16.2.1 Representasi jaringan 604
18.16.22 Simpul dan ruas 604
18.16.2.3 Ruas ialan berbasis satu-arah 604
18.16.3 Program komputer 605
18.17 Indikator uji statistik tuituk membandingkan MAT 606
18.17.1 Pendahuluan 606
18172 Root Mean Square Error (RMSE) dan Stattdar
Deviasi (SD) 606
1 8.17_3 Mean Absolute En•or (MAE) 608
18.17.4 Koefisien Deteaninasi (R') 608
18.17.5 Nornurlised Mean Absolute Error (NMAE ) 609
18.18 Contoh penetapan metode penaksiran kuadrat-terkecil (KT) 609

17a
18.18.1 Penuronan model 609
18.18.2 Metode kalibrasi Newton-Raphson 610
18.18.3 Model gravity 613
18.18.4 Model gravity tipe tanpa-batasan 614
18.18.5 Model gravity tipe batasan-bangkitan 617
18.18.6 Model gravity tipe batasan-tarikan 618
18.18.7 Model gravity tipe batasan-bangkitan-tarikan 619
18.19 Saran untuk penelitian lanjutan 621
18.19.1 Nilai awal untuk metode Newton-Raphson 622
18.19.2 Pengembangan dengan metode
pembebanan-keseimbangan 622
18.19.3 Memasukkan parameter edan p dalam proses kalibrasi 623
18.19.4 Penelitian lanjutan dengan model transportasi lain 623
18.19.5 Simplifikasi algoritma untuk jaringan luas 624
18.20 Kumpulan soal 624

19 Model transportasi berdasarkan data arus lalulintas:


beberapa penerapan yang telah dilakukan 626
19.1 Pemodelan pergerakan kendaraan perkotaan
di kota Ripon (Inggris) 626
19.2 Pemodelan pergerakm angkutoo barang di pulau Bali 632
19.2.1 Beberapa uji kepekaan dm keabsahan 632
19..2.2 Kesimpulan 634
19.3 Uji kedalaman tingkat resolusi sistem zona dan jaringan
terhadap akurasi MAT 635
19.3.1 Penomoran titik simpul, kodefikasi zona
dm penghubung pusat zona 635
19.3.2 Pengolahan data 637
19.3.3 Hasil analisis 643
19.3.4 Kesimpulan 652
19.4 Pemodelan kebutuhan akan angkutan umum di Jakarta 653
19.5 Pemodelan transportasi regional di propinsi Jawa Timur 657
19.5.1 Umum 657
19.5.2 Pendekatan model 658
19.5.3 Analisis kebutuhan akan pergerakan 661
19.5.4 Penerapan di Propinsi Jawa Timur 662
19.6 Aplikasi lain 667
19.7 Pemanfaatan data arus lalulintas (ATCS) untuk mendapatkan
informasi MAT di daerah perkotaan 668
19.17.1 Latar belakang 668
19.17.2 Pengembang. si stem 669
19.8 Pemanfaatan data arus lalulintas (IRMS) untuk mendapatkan
informasi MAT regional 672
19.8.1 Latar be lakang 672
19.8.2 Pengembangan sistem infonnasi transportasi (SIT) 674
19.8.2.1 Konfigurasi dasar 674
19.8.2.2 Sistem transfer data (STD) 677

18a Ofyar Tarnin, Perencanaan, pemodelan, dan.rekayasa transportasi:


Teori, contoh soal, dan aplikasi
19.8.2.3 Pusat pengolahan data (POD) 678
19.8.2.4 Pusat pengolahan keluaran (PPK) 679
19.8.2.5 Uji keabsahan 680
19.8.3 Potensi penggunaan dalarn pengembangan sistem
jaringan jalan 681

20 Diagram jejak, kecepatan rerata-waktu, dan kecepatan rerata-ruang 683


20.1 Diagrain jejak 683
20.1.1 Pendahuluan 683
20.1.2 Contoh penerapan 684
20.2 Kecepatan rerata-waktu dan kecepatan rerata-ruang 687
20.3 Penurunan rumus kecepatan rerata-waktu dale kecepatan
rerata-ruang 688
20.3.1 Penurunan 1 688
20.3.2 Penuninan 2 693
20.4 Hubungan antara kecepatan rerata-waktu dan kecepatan
rerata-ruang, 694
20.5 Kumpulan soul 697

21 Ilubungan matematis kecepatan, kepadatan, dan volume lalu betas 699


21.1 Pendahuluan 699
21.2 Definite parameter lalu Oman 699
21.3 Hubungan matematis kecepatan, kepadatan dan volume
lalu limas 701
21.4 Model Greenshields 703
21.4.1 Penurunan model 703
21.4.2 Contoh penerapan 705
21.5 Model Greenberg 713
21.5.1 Penunman model 713
21.5.2 Contoh penerapan 715
21.6 Model Underwood 721
21.6.1 Penurunan model 721
21.6.2 Console penerapan 723
21.7 Model Bell 728
21.7.1 Penurunan model 728
21.7.2 Contoh penerapan 731
21.8 Rangkuman 736
21.9 Kumpulan soul 740

22 Analisis kecepatan 42
22.1 Pendahuluan 742
22.2 Rerata, Modus, Median 742
22.3 Console penerapan 743
22.4 Kumpulan soul 746

23 Analisis persimpangan berlampu lain lintas 748


23.1 Pendahuluan 740

isi 19a
23.2 Pergerakan kendaraan dan konflik persimpangan 748
23.3 Jenis penanganan persimpangan 750
23.3.1 Pengaturan dengan prioritas (priorityjunction) 752
23.3.2 Pengaturan dengan kanalisasi 752
23.3.3 Pengaturan dengan rambu dan marka 753
23.3.4 Pengaturan dengan bundaran (roundabout) 754
23.3.5 Persimpangan berlampu lalu lintas 754
23.3.6 Persimpangan tidak-sebidang 759
23.3.6.1 Tipe T (terompet) dan Y 761
23.3.6.2 Tipe intan (diamOnd) 761
23.3.6.3 Tipe sernanggi (clover lea]) 762
23.3.6.4 Tipe langsung (directional) 762
23.3.6.5 Tipe kombinasi 763
23.3.6.6 Tipe kombinasi dengan persimpangan
sebidang 763
23.4 Analisis persimpangan berlampu lintas 764
23.4.1 Definisi 764
23.4.2 Prosedur perhitungan pengaturan sinyal lampu
lalu limas 767
23.4.2.1 Contoh penerapan pada persimpangan
berlengan 3 (tiga) 768
23.4.2.2 Contoh penerapan pada persimpangan
berlengan 4 (empat) 77()
23.5 Kumpulan soal 774

24 Analisis antrian (queueing) 777


24.1 Pendahuluan 777
24.2 Komponen antrian 778
24.2.1 Tingkat kedatangan (1) 778
24.2.1.1 Model sebaran peluang seragam 779
24.2.1.2 Model sebaran peluangpoisson 779
24.2.1.3 Kelemahan model sebaran peluangpoisson 783
24.2.2 Tingkat keberangkatan atau pelayanan (p) 784
24.2.3 Disiplin antrian 784
24.2.3.1 First First Out (FIFO) atau Fiat Come
First Served (FCFS) 784
24.2.3.2 First in Last Out (FILO) atau First Come
Last Served (FCLS) 785
24.2.3.3 First Vacant First Served (FVFS) 786
24.3 Proses tots-ian 786
24.4 Parameter antrian 788
24.5 Model antrian 788
24.5.1 Disiplin antrian FIFO 788
24.5.1.1 Model antrian DID/1 789
24.5.1.2 Model antrian MIDII 792
24.5.1.3 Model antrian M/Mq 794
24.5.1.4 Model antrian MM/N 796

20a Ole/neZ Tamin, Perencaneen, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
24.5.2 Disiplin antrian FVFS 799
24.6 Contoh penerapan analisis antrian pada pintu gerbang tol 800
24.6.1 Penerapan disiplin antrian FIFO 800
24.6.2 Kebijakan yang dapat dilakukan 802
24.6.3 Kebijakan sistem tandem 803
24.6.4 Analisis efektivitas kebijakan 806
24.7 Contoh penerapan analisis antrian pada pintu loket pelayanan
'check-in' bandar udara 808
24.7.1 Penerapan disiplin antrian FIFO 808
24.72 Penerapan disiplin antrian FVFS 813
24.7.3 Analisis efektivitas kebijakan disiplin antrian
FIFO dan FVFS 816
24.8 Contoh penerapan analisis antrian pada penyempitan
ruas jalan tol 819
24.9 Kumpulan soal 821

25 Analisis gelombang kejut (shock wave) 826


25.1 Pendahuluan 826
25.2 Gelombang kejut pada persimpangan berlampu lalu lintas 827
25.3 Gelombang kejut pada jalan menyempit 828
25.4 Klasifikasi gelombang kejut 829
25.5 Nilai gelombang kejut 831
25.6 Nilai gelombang kejut pada persimpangan berlanipu lalu lintas 834
25.7 Nilai gelombang kejut pada jalan menyempit 836
25.8 Analisis gelombang kejut pada jalan menyempit (jalan tol) 839
25.8.1 Hubungan matematis antara kecepatan, kepadatan.
dan arus 839
25.82 Penentuan model terpilih 840
25.8.3 Pengarub penutupan lajur 840
25.8.4 Nilai gelombang kejut 842
25.8.5 Perhitungan nilai gelombang kejut 844
25.8.6 Kesimpulan 850
25.9 Analisis gelombang kejut pada jalan menyempit (terowongan) 851
25.9.1 Pendahuluan 851
25.92 Penentuan panjang antrian dan o aktu penormalan 852
25.92.1 Penentuan model terpilih 852
25.9.22 Penentuan anus yang besot pada saat
penyempitan 853
25.9.2.3 Proses perhitungan 853
25.9.3 Perhitungan nilai gelombang kejut 854
25.10 Kumpulan soal 860

26 Analisis kebutuhan parkir 862


26.1 Pendahuluan 062
26.2 Metode analisis kebutuhan parkir 863
262.1 Metode berdasarkan pada kepemilikan kendaraan 863
26.2.2 Metode berdasarkan luas lantai bangunan 063

!si 21a
2 62.3 Metode berdasarkan selisih terbesar antara kedatangan
keberangkatan kendaraan 863
26.3 Karakteristik parkir 864
26.4 Tarif parkir 864
26.5 Contoh penerapan 865
26.6 Kumpulan soal 873

27 Evaluasi proyek transportasi 877


27.1 Pendahuluan 877
27.2 Analisis ekonomi dan finansial 880
272.1 Pendahuluan 880
27.22 Perbedaan antara analisis kelayakan ekonomi dan
Finansial 881
27.3 Komponen biaya dan manfaat 883
27.3.1 Komponen biaya proyek 883
27.32 Komponen manfaat proyek 888
27.4 Consumer-surplus dan producer-surplus 890
27.4.1 Metode consumer-surplus 891
27.4.1.1 Manfaat langsung 892
27.4.1.2 Manfaat tak langsung 894
27.4.2 Metode producer-swplus 894
27.5 Metode analisis ekonomi 900
27.5.1 Metode nilai-sekarang-bersih (net present value) 900
27.5.2 Metode tingkat-pengembalian-internal
(internal rate of return) 901
27.5.3 Metode nisbah-keumungan-biaya (benefit cost ratio) 901
27.5.4 Analisis sensitifitas 902
27.6 Penerapan analisis kelayakan ekonomi 902
27.6.1 Penerapan metode consumer-surplus 903
27.62 Penerapan metode producer-surphrs 910
27.7 Analisis multikriteria 913
27.7.1 Pengembangan konsep 913
27.7.2 Penilaian kinetja altematif 915
27.7.3 Penerapan analisis multikriteria 916

28 Permasalahan transportasi di negara sedang berkembang 923


28.1 Permasalahan transportasi regional 923
28.1.1 Pentingnya sistem transportasi regional provinsi 923
28.12 Rencana tata ruang wilayah nasional (RTRWN) 924
28.1.3 Rencana rata ruang wilayah propinsi (RTRWP) 925
28.1.4 Sisters transportasi nasional (Sistranas) 926
28.1.5 Sistem transportasi regional provinsi (tataran
transportasi wilayah provinsi) 927
28.2 Permasalahan transportasi perkotaan 928
28.2.1 Umum 928
28.22 Interaksi tata ruang dan transportasi 930
282.3 Penyebab permasalahan 931

22a Ofyar Z Tarnin, Perencanaan, pemodelan, dan rekayasa transportas/:


Teori, contoh soal dan aplikasi

I
i 28.2.3.1 Urbanisasi 931
28.2.3.2 Terbatasnya sistem jaringan jalan 933
28.2.3.3. Permasalahan angkutan umum 937
28.2.4 Transportasi berkelanjutan (sustainable transportation) 940
282.5 Prinsip dasar menuju terciptanya transportasi
berkelanjutan 941
28.2.5.1 Aksesibilitas bagi siapa saja 941
28.2.5.2 Keadilan sosial bagi siapa saja 941
28.2.5.3 Berkelanjutan dalam Iingkungan (ecological
svstainabality ) 941
28.2.5.4 Kesehatan dan keselamatan 941
28.2.5.5 Partisipasi publik dan transportasi 942
28.2.5.6 Ekonomis dan murah 942
28.2.5.7 Informasi dan analisis 942
28.2.5.8 Advokasi 942
282.5.9 Capacity building 942
28.2.5.10 Jejaring 943
28.3 Hal-hal penting sistem transportasi berkelanjutan 943
28.4 Pendekatan sistem transportasi 943
28.4.1 Umum 943
28.42 Keterkaitan tata ruang dengan transportasi 947
28.5 Sistem integrasi transportasi antarmoda terpadu 948
28.5.1 Umum 948
28.52 Waldo tempuh dan biaya transit sebagai kendala utama 948
28.5.3 Tempat pertukaran moda 949
28.5.4 Peranan peti kemas dalam usaha menunjang
perekonontian 950
28.6 Kebijaksanaan pengembangan sistem transportasi perkotaan 952
28.7 Aspek permasalahan 954
28.7.1 Kondisi sistem transportasi angkutan umum 955
28.72 Kebutuhan akan transportasi di perkotaan 958
28.7.3 Organisasi dan kelembagaan 959
28.7.4 Peraturan pelaksanaan 959
28.7.5 Undang-undang dan peraturan 960
28.7.6 Analisis permasalahan 961
28.7.6.1 Aspek organisasi 961
28.7.6.2 Peraturan pelaksanaan 961
28.7.6.3 Aspek transportasi 962
28.7.6.4 Undang-undang dan peraturan 963
28.8 Altematif pemecahan masalah 964
28.8.1 Umum 964
28.8.2 Kebutuhan akan transportasi 965
28.8.3 Prasarana transportasi 966
28.8.3.1 Pembangunan jalan baru 966
28.8.3.2 Peningkatan kapasitas prasarana 966
28.8.4 Rekayasa dan manajemen lalulintas 968
28.8.4.1 Perbaikan sistem lampu lalulintas dan sistem

Isi 23a
jaringan jalan 968
28.8.4.2 Kebijakan perparkiran 969
28.8.4.3 Prioritas angkutan umum 970
28.8.5 Permasalahan 971
28.8.6 Hal lain yang dapat dilakukan 972
28.8.6.1 Pelatihan transportasi perkotaan bagi staf
pemerintah daerah 972
28.8.6.2 Analisis Dampak Lalulintas (Andall) 973
28.8.63 Sosialisasi peraturan dan penegakan hukum 973
28.9 Konsep manajemen kebutuhan akan transportasi (MKT) 974
28.9.1 Pendahuluan 974
28.9.2 Pengembangan konsep 975
28.9.2.1 Pergeseran waktu 976
28.9.2.2 Pergeseran nrte atau lokasi 977
28.9.2.3 Pergeseran moda 977
28.9.2.4 Pergeseran lokasi tujuan 978
28.10 Beberapa kebijakan penunjang konsep MKT 979
28.10.1 Kebijakan peningkatan kapasitas prasarans 979
28.10.2 Kebijakan optimasi kapasitas prasarana. 980
28.10.3 Kebijakan rekayasa dan manajemen lalu limas 981
28.11 Analisis dampak lalulintas (Andall) 981
28.11.1 Pendahuluan 981
28.11.2 Metode analisis dampak lalulintas 982
28.11.2.1 Tahap penyajian informasi awal 982
28.11.2.2 Tahapan andall 984
28.11.23 Tahapan penyusunan rencana pengelolaan
dan pemantauan 987
28.11.3 Analisis ruas jalan dan persimpangan 988
28.11.3.1 Kinerja lalulintas di naas jalan dan
persimpangan 988
28.113.2 Kinerja naas jalan 988
28.11.33 Kondisi persimpangan 991
28.11.3.4 Nilai bobot 992
28.11.3.5 Pemeringkatan permasalahan 993
28.11.4 Bangkitan lalulintas 993
28.11.4.1 Umum 993
28.11.4.2 Tingkat bangkitan lalulintas 994
28.11.4.3 Bangkitan lalulintas 996
28.11.4.4 Sebaran bangkitan lalulintas 996
28.11.5 Analisis penanganan masalah 996
28.11.5.1 R1: Manajemen lalulintas 996
28.11.5.2 R2: Peningkatan naas jalan 997
28.11.5.3 R3: Pembangunan jalan baru 997
28.12 Sistem angkutan umum massa (SAUM) 997
28.12.1 Permasalahan 997
28.12.2 Kendala yang dihadapi 1001
28.13 Sistem angkutan umum transportasi perkotaan terpadu

24a Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi

L
(SAUTPT) 1001
28.13.1 Kasus DKI-Jakarta 1001
28.13.2 Kasus Kotamadya Bandung 1002
28.14 Kesimpulan dan saran 1003
28.14.1 Kesimpulan 1004
28.14.2 Saran 1007

Notasi dan singkatan 1008


Notasi 1008
Singkatan 1012

Padanan kata Inggris—Indonesia 1017

Padanan kata Indonesia—Inggris 1027

Pusiaka 1037

Saran/komentar/pendapat pembaca 1073

Isi 258
Sambutan Rektor
Institut Teknologi Bandung

Menulis merupakan budaya yang harus ditumbuh-


kembangkan di Indonesia. Pengembangan ilmu
pengetahuan dan teknologi (iptek) tidak mungkin
dilepaskan dari budaya menulis, karena dengan ditulis
berbagai capaian pengembangan iptek maupun inovasi
dapat dininut, dirujuk, dan dijatnin keberlanjutatmya.
Sehubungan dengan hal itu, budaya menulis di negara
kita harus diperkuat terus menerus. ITB sebagai
universitas sain, teknologi, dan seni yang tertua dan
temama di Indonesia sudah sewajarnya melahirkan
berbagai karya tertulis dalam bentuk penerbitan
tennasuk buku.
Buku merupakan sarana penting dalam pembelajaran. Baku merupakan alas bagi
seseorang untuk `mengabadikan' ilmu pengetahuan dan alas untuk belajar bagi
orang yang berkepentingan dengan ilmu pengetahuan. Banyak balm telah ditulis
dalam berbagai bidang di Indonesia dalam balsam Indonesia, naniun buku yang
menyangkut masalah rekayasa atau teknologi terasa sangat sedikit yang ditulis oleh
orang Indonesia dalam bahasa Indonesia.
Prof Ofyar Z Tamin adalah salah seorang Guru Beau ITB dari Fakultas Teknik
Sipil dan Lingkungan, yang sangat produktif dalam menulis karya-karyanya.
Bidang yang menjadi ajang kiprah keihnuannya ialah transportasi. Bidang ini
merupakan bidang yang sangat penting di Indonesia, karena hampir di semua kota
besar di Indonesia mengalami kerumitan dalam mengelola masalah transportasi
Sehubungan dengan hal itu buku yang ditulis oleh Prof Ofyar Z Tamin merupakan
bagian penting untuk solusi masalah transportasi ini di Negara kita Republik
Indonesia.
Pemodelan merupakan sarana penting bagi para insinyur untuk menyelesaikan
masalah yang dihadapi secara nyata di lapangan. Sebagaimana kita ketahui bersania,
bahwa sebagai insinyur segalanya harus dapat di wujudkan dahulu di atas kertas
atau di monitor komputer sebelum dikerjakan di lapangan, pemodelan merupakan
metoda yang tangguh untuk membuatnya.
Untuk dapat melakukan pemodelan dibutuhkan pengetahuan sain dasar yang
mencukupi seperti matematika. Buku Prof Ofyar Z Tamin mencoba memuat hal
tersebut secara bermakna, sehingga balm ini dibuat menjadi bemtuatan holistik dari
hulu hingga ke hilir untuk menerapkan perencanaan, perancangan, dan penerapan
teknologi dalam mengelola masalah transportasi.

26a
Buku tentang perencanaan, pemodelan, dan rekayasa transportasi yang diterbitkan
oleh Prof. Ofyar Z Tamin ini diharapkan dapat mengisi dan memperkaya pustaka
Buku teks dalam bidang rekayasa dalam bidang tersebut. Saya berharap baha a buku
ini akar memberikan manfaat yang besar bagi pengelolaan bidang transportasi di
Indonesia.

Bandung, 1 Agustus 2008


Prof. Dr. In Djoko Santoso, MSc.
Rektor Institut Teknologi Bandung

• Kata sambutan 27a


Sambutan Dekan
Fakultas Teknik Sipil dan Lingkungan
Institut Teknologi Bandung

Prof Ofyar Z Tamin dikenal sebagai seorang akademisi


yang tidal( saja telah meneliti dan memahami keilmuan
rekayasa transportasi secara mendalam tetapi juga
sebagai seorang profesional yang telah banyak terjun
berkontribusi dan menimba pengalatnan di dalani
pencarian solusi berbagai permasalahan nasional yang
terkait dengan transportasi.
Karena itu tidak mengherankan bila buku ini secara
komprehensif dan sangat jelas menguraikan peren-
canaan, pemodelan, dan rekayasa transportasi dengan
tidak melupakan permasalahan transportasi di negara
yang sedang berkembang dan konsep transportasi
berkelanjutan.
Buku seperti ini memang telah lama diharapkan khususnya di kalangan akademisi,
tennasuk parr mahasiswa, yang memiliki perhatian terhadap pendalaman dan
pengembangan pengetahuan mengenai transportasi di saat bidang ini tidal( hanya
dikaji secara terbatas pada pergerakan barang dan manusia tetapi sebagai elemen
yang sangat penting di dalam pembangunan ekonomi dan sosial dragon tidak
mengesampingkan pelestarian lingkungan.
Pengaturan tdta ruang menjadi dasar analisis yang penting untuk pengembangan
transportasi secara lokal dan regional. Pada masa ini para ahli transportasi
dihadapkan kepada permasalahan yang lebih kompleks dan untuk itu solusi yang
ditawarkan juga perlu menjawab keperluan transportasi untuk mendukung
pertumbuhan di masa depan.
Kami di Fakultas Teknik Sipil dan Lingkungan ITB turut berbangga dan
menyampaikan terima kasih kepada Prof Ofyar Z Tamin, salah seorang Guru Besar
di fakultas kami, atas terbitnya buku yang sangat berharga ini. Kanti yakin bahwa
diseminasi pengetahuan yang dilakukan melalui balm ini dapat berkontribusi
kepada peningkatan kualitas kegiatan akademik dan profesional untuk
menghasilkan pengembangan transportasi yang menunjang kehidupan yang lebih
baik.
Bandung, 6Agustus 2008
Dr. Ir. Pan Farida Marzuki
Dekan Fakultas Teknik Sipil dan Lingkungan
Institut Teknologi Bandung

28a_ Ofyar Z Tamin, Perencanaan, pemode/an, dan rekayasa transportasi:


Mori, contoh soal, dan aplikasi
Prakata

Dengan mengucapkan puji syukur ke hadirat Allah SWT, alas rahmat dan berkah-
Nya, akhirnya buku Perencanaan, Pemodelan, dan Rekayasa Transportasi: Teori,
Contoh Soal, dan Aplikasi ini dapat diselesaikan.
Buku ini dipersembahkan penulis pada seluruh keluarga, Institut Teknologi
Bandung (ITB), masyarakat dan bangsa Indonesia pada umumnya dan masyarakat
transportasi pada khususnya pada hari Wang tahun penulis yang ke-50 yang jatuh
pada tanggal 23 Agustus 2008. Semoga keberadaan buku ini menambah
kelengkapan buku teks dan buku ajar yang dirasakan sangat kurang di Indonsia di
bidang transportasi pada umumnya dan di bidang perencanaan dan pemodelan
transportasi pada khususnya_
Buku ini yang terdiri dari 28 bab merupakan kompilasi dari buku Perencanaan dan
Pemodelan Transportasi edisi ke-1 yang telah diterbitkan pada tahun 1997 dan edisi
ke-2 pada tahun 2000, sena balsa Perencanaan dan Pemodelan Transportasi: Contoh
Soal dan Aplikasi, yang telah diterbitkan pada tahun 2003.
Permasalahan transportasi berupa kemacetan, tundaan, sena polusi suara dan udara
yang sering kita temui setiap hari di beberapa kota besar di Indonsia ada yang
sudah berada pada tahap yang sangat kritis. Sebelum dapat ditentukan cara
pemecahan yang terbaik, hal pertama yang perlu dilakukan adalah mempelajari dan
mengerti serum terinci pola keterkaitan antarfaktor yang menyebabkan timbulnya
permasalahan tersebut dalam bentuk kualitatif dan kuantitatif (terukur).
Perencanaan, pemodelan, dan rekayasa transportasi adalah media yang paling
efektif dan efisien yang dapat menggabungkan sena faktor tersebut dan
keluarannya dapat digunakan untak memecahkan pemnasalahan transportasi baik
pada masa sekarang maupun pada masa yang akan datang.
Ilmu pengetahuan tentang perencanaan, pemodelan, dan rekayasa transportasi
makin dirasakan pentingnya dalam menangani permasalahan transportasi, baik di
daerah perkotaan maupun regional. Keberadaan buku teks dan buku ajar yang
membahas transportasi pada umumnya sena perencanaan, pemodelan, dan rekayasa
transportasi pada khususnya sangat jarang dijumpai di Indonesia.
Di samping its, adanya mata kuliah Sistem Transportasi, Dasar-Dasar Transportasi,
Rekayasa Lalu Lintas, sena Perencanaan dan Pemodelan Transportasi baik sebagai
mata kuliah wajib maupun pilihan dalam kurikulum Program Sarjana (S1) di
Program Studi Teknik Sipil dan Teknik Planologi dan juga di Program Magister
(S2) dan Doktor (S3) yang berkaitan dengan bidang transportasi di season perguruan
tinggi (negeri dan swasta) di Indonesia, telah mendorong penulis untuk menyusun
buku ini dengan harapan dapat mengisi kekurangan buku teks dan buku ajar yang
telalr ada.

29a
Selain itu, buku ini dapat juga digunakan sebagai buku teks dan buku ajar bagi para
mahasiswa atau sebagai bahan rujukan bagi para peneliti muda, perencana
transportasi, pengembang wilayah, dan lain-lain.
Tiga buah buku terbitan terdahulu telah menjelaskan secara terinci pola keterkaitan
antarfaktor, permasalahan yang dihadapi, serta konsep tentang perencanaan dan
pemodelan transportasi yang telah berkembang sampai dengan saat ini. Pemodelan
dan pendekatan yang dipakai dapat digunakan untttk setiap moda transportasi (darat,
laut, maupun udara) dengan skala pennasalahan yang berbeda (regional atau
perkotaan).
Juga, diterangkan cara pemilihan model, pengembangan, adaptasi, dan
penggunaannya untuk setiap konteks yang berbeda. Setiap subjek diterangkan
secara terinci, mulai dari non dasar dan asumsi, pengumpulan data, spesifikasi
model, proses perkiraan, pengabsahan, kalibrasi, aplikasinya, termasuk berbagai
macam contoh soal dan aplikasi. Sehingga, buku ini merupakan pelengkap bagi
ketiga buah buku Perencanaan dan Pemodelan Transportasi yang telah terbit
sebelumnya.
Isinya yang cukup lengkap khususnya dalam bentuk teori, contoh soal, dan aplikasi,
membuat buku ini sangat berguna bagi para praktisi (konsultan, pengelola
transportasi). para perencana transportasi dan pengembang wilayah (regional dan
perkotaan), para mahasiswa tingkat Sarjana (SI) maupun Magister (S2) dan Doktor
(S3) di Program Studi Teknik Sipil, Teknik Planologi, dan Teknik Industri yang
mengambil mata kuliah Sistem Transportasi, Dasar-Dasar Transportasi, Rekayasa
Lalu Lintas, dan Perencanaan dan Pemodelan Transportasi baik perkotaan (urban)
maupun regional, serta masyarakat yang berkecimptmg dalam bidang transportasi.
Banyak sekali hal yang telah ditambahkan pada buku ini khususnya mengenai teori,
contoh soal, dan aplikasi; yang secara keseluruhan membuat buku ini menjadi
sangat lengkap bagi buku Perencanaan dan Pemodelan Transportasi edisi ke-1 dan 2
yang telah disusun penulis pada tahun 1997 dan 2000 serta buku Perencanaan dais
Pemodelan Transportasi: Contoh Soal dan Aplikasi yang telah diterbitkan pada
tahun 2003. Secara umum buku ini berisikan:
• Bab 1: Persyaratan matematika dan statistika
• Bab 2: Perencanaan, pemodelan, dan rekayasa transportasi
• Bab 3: Pendekatan perencanaan transportasi
• Bab 4: Analisis indeks tingkat pelayanan (ITP)
• Bab 5: Analisis kapasitas ruas jalan dan persimpangan
Bab 6: Analisis model sederhana interaksi sistem transportasi
Bab 7: Konsep pemodelan
Bab 8: Analisis bangkitan pergerakan (model analisis-korelasi)
Bab 9: Analisis bangkitan pergerakan (model analisis-kategori)
Bab 10: Analisis sebaran pergerakan (metode konvensional)

30a- ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:

i
Teori, contoh soal, dan aplikasi
• Bab 11: Analisis sebaran pergerakan (metode analogi)

• Bab 12: Analisis sebaran pergerakan (model gravity)

• Bab 13: Metode penaksiran model gravity

• Bab 14: Analisis sebaran pergerakan (model gravity-oppoi7unity)

• Bab 15: Analisis sebaran pergerakan (beberapa permasalahan praktis)

• Bab 16: Analisis pemilihan moda

• Bab 17: Analisis pemilihan rite

Bab 18: Model transportasi berdasarkan arus lalu lintas

Bab 19: Model transportasi berdasarkan arus lalu lintas: beberapa penerapan
yang telah dilakukan
Bab 20: Diagram jejak, kecepatan rerata-waktu, dan kecepatan rerata-ruang

Bab 21: Hubungan matematis kecepatan, kepadatan, dan volume lalu lintas

Bab 22: Analisis kecepatan


Bab 23: Analisis persimpangan berlampu lalu lintas

Bab 24: Analisis antrian (queueing)

Bab 25: Analisis gelombang kejut (shock wave)

Bab 26: Analisis kebutuhan parkir


Bab 27: Evaluasi proyek transportasi

Bab 28: Pennasalahan transportasi di negara sedang berkembang


Buku ini tidak akan pemah tenvujud jika tidak ada dorongan dart seluruh keluarga
khususnya Mani, Ekha, dan Yozzi. Untuk itu, penulis mempersembahkan buku ini
untuk mereka semua. Selain itu, teman sejawat juga sangat berperan dalam proses
penulisan buku ini. Kepada mereka, penulis mengucapkan banyak terima kasih.
Scram klmsus, penulis mengucapkan terima kasih kepada Dra Tuti Sarah atas
bantuatmya menyunting naskah awal buku ini dan kepada Rahayu Sulistyorini,
ST,MT, Nindyo Kresnanto ST,MT yang telah banyak membantu penulis dalam
pembuatan berbagai macam contoh soal, aplikasi, dan penerapan, serta Dadi
Sumardi yang telalt banyak membantu memhuat ganibar, tabel, dan grafik.
Sudah barang tentu, tulisan manusia tidak pernah luput dari kesalahan dan
kekurangan. Oleh karena itu, penulis sangat mengharapkan kritik dan saran yang
membangun dari teman sejawat dan pars ahli untuk menyempurnakan buku ini.

Prakata 31a
Persyaratan matematika dan
statistika

1.1 Umum
Buku ini ditujukan untuk para praktisi (konsultan, perencana, dan pengelola
transportasi) yang berkecimpung dalam masalah perencanaan dan manajemen
transportasi (baik regional maupun perkotaan), para mahasiswa program sarjana
(SI), dan para mahasiswa program pascasarjana (S2,S3) yang mengamhil mata
kuliah yang berkaitan dengan transportasi pada umumnya, dan sistem transportasi,
perencanaan dan pemodelan transportasi, serta rekayasa transportasi path
khususnya.
Pembaca yang telah mempunyai dasar pengetahuan matematika dan statistika yang
cukup kuat tidak perlu lagi membaca bab ini. Akan tetapi, bagi yang tidak
mempunyai dasar yang kuat, sangat disarankan membaca bab ini, minimal untuk
mengingatkan kembali pada mata kuliah matematika dan statistika yang mungkin
telah terlupakan.
Bab 1 ini berisi beberapa persyaratan matematika dan statistika yang sangat penting
dan minimal hams diketahui agar dapat mengikuti semua bab yang ada dalam buku
ini tanpa halangan yang berarti. Persyaratan matematika yang perlu diketahui
tidaklah begitu susah, pembaca masih dapat mengikutinya dengan mudah, walaupun
dengan pengetahuan minimal mengenai aljabar dan kalkulus.
Pertama, pada subbab 1.2 dijelaskan pengertian fungsi dan beberapa notasi yang
sering digunakan serta cara menggambarkan fungsi matematika tersebut dalam
kerangka sistem koordinat kartesis.
Setelah itu, pada subbab 1.3 diperkenalkan aljabar matriks yang dirasakan sangat
penting, karena banyak kasus transportasi yang sering berkaitan dengan pendekatan
matriks tersebut. Matriks sangat string digunakan dalam perencanaan, pemodelan,
dan rekayasa transportasi terutama sewaktu menerangkan topik sebaran pergerakan.
Berikutnya pada subbab 1.4 diterangkan perihal kalkulus, termasuk permasalahan
diferensial dan integral. Fungsi logaritma dan eksponensial lebih ditekankan pada
buku ini, karma fungsi ini sangat sering digunakan dalam perencanaan, pemodelan,
dan rekayasa transportasi.
Mencari titik maksima dan minima suatu fungsi matematika memegang peranan
yang sangat penting dan sering digunakan dalam pengembangan suatu model
transportasi, termasuk cam penurunan algoritma dan beberapa pemecahan
pemtasalahannya.
Oleh karena itu, sangat disarankan pembaca benar-benar memahaniinya sebelum
membaca bab-bab selanjutnya.
Beberapa konsep unjuk kerja statistika matematika dasar diperkenalkan pada
beberapa subbab terakhir dari bab ini (subbab 1.5). Statistika memegang peranan
kunci dalam pengembangan teknik perencanaan, pemodelan, dan rekayasa
transportasi.
Beberapa konsep statistika matematika dasar yang lain diberikan pada subbab
lainnya (subbab 1.6-1.7) sesuai dengan kebutuhan. Pada subbab 1.6 diberikan
penjelasan tentang analisis-regresi yang sering digunakan dalam penyelesaian
beberapa pennasalahan dalam perencanaan, pemodelan, dan rekayasa transportasi.
Sedangkan pada subbab 1.7 diberikan penjelasan tahapan uji statistik yang hams
dipenuhi dalam proses pengembangan model berdasarkan analisis-regresi. Pada
subbab 1.8 diberikan penjelasan tentang beberapa indikator uji kesesuaian matriks
yang sering kita jumpai pada beberapa pemecahan masalah transportasi.
Sedangkan pada subbab 1.9 bisa didapat beberapa kutnpulan soal-soal yang
berkaitan dengan materi yang dibahas pada bab ini
Terdapat beberapa baku yang cukup baik sebagai bahan bacaan bagi pembaca yang
berminat, seperti Stone (1966), Morley (1972), Wilson dan Kirkby (1980),
Wilson dan Bennett (1985), Sudjana (1986), dan Ortuzar dan Willumsen
(1994,2001).

1.2 Aljabar dan fungsi

1.2.1 Pendahuluan
Aljabar elementer pada umunutya banyak menjelaskan proses pembentukan suatu
fungsi (persamaan) yang menggunakan empat operasi dasar matematika pada suatu
humf yang menggantikan bilangan.
Oleh karena itu, dalam hal ini perlu dibedakan antara peubah (biasanya dinyatakan
dengan humf seperti x, y, dan z) yang mewakili suatu bilangan terukur, serta
konstanta atau parameter (biasanya dinyatakan dengan a, b, c, ..., k, m, n, ..., atau
dengan humf Yunani).
Nilai suatu konstanta diharapkan tidal( bembah untuk kondisi tenentu. Peubah dan
konstanta tersebut akan tergabung dalam suatu fungsi atau persamaan seperti contoh
berikut
y=a+bx (1.1)
Jika nilai x ingin diketahui, persamaan (1.1) dapat dipecahkan untuk mendapatkan
nilai x tersebut, dengan persamaan berikut ini.

—a~
.r = ~~ (1.2)

Peubah x dan y dalam persamaan (1.1) terlihat dihubungkan dengan tanda `_`. Akan
tetapt, dalam ajabar, kita juga mengenal ketidaksamaan dalam bentuk sebagai
berikut.

2 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
< yang berarti lebih kecil dari;
5 yang berarti lebih kecil dari dan sama dengan;
• yang berarti lebih besar dari; dan
2 yang berarti lebih besar dari dan sama dengan.
yang dapat digunakan untuk membatasi peubah, seperti contoh:
x +2y55 (1.3)

Bentuk ini (yang sudah barang tentu tidak sama dengan persamaan) dapat
dipecalilcan untuk mendapatkan nilai x dan y. Akan tetapi, kedua peubah tersebut
hanya akan memenuhi rentang nilai tertentu.
Contohnya, jika kita batasi nilainya untuk nilai positif saja, secara mudah bisa
didapatkan bahwa nilai x tidak boleh lebih besar dari 3 (_r<3) dany tidak boleh lebih
besar dari 2 (1,<2),
Dalam kasus ini dimungkinkan juga memanipulasi ketidaksamaan dengan cara yang
hampir sama dengan persamaan sehingga dapat disimpulkan bahwa:

• kita dapat menambah atau mengurangi jumlah yang sama untuk setiap sisi dari
ketidaksamaan tersebut;

• kita dapat mengali atau membagi setiap sisi dari ketidaksamaan dengan nilai
yang sama, tetapi jika angka pengali yang digunakan bernilai negatif, akan
terbentuk ketidaksamaan sebaliknya (5 menjadi 2).
Contohnya, jika kita kurangkan nilai sebesar 5 pada kedua sisi dari ketidaksamaan
(1.3), didapat:
x+2y-550
yang pada dasamya merupakan batasan yang sama. Akan tetapi, jika kita kalikan
dengan nilai —2, kita dapatkan:
— 2x --1y2 -10

Jika diperhatikan, ketidaksamaan di atas menghasilkan batasan yang sama dengan


ketidaksamaan (1.3).
Penggunaan huruf yang berbeda untuk setiap peubah hanya menguntungkan pada
batas tertentu saja. Oleh karena itu, kadang-kadang digunakan tanda tikalas atau
tikatas untuk mendefinisikan peubah lainnya seperti .r,, x2, x3,..., .rN, yang dapat
dituliskan dengan car. yang sederhana seperti x;, i= I, 2, ..., N.
Dalam hal ini dimungkinkan penggunaan huruf yang berbeda untuk suatu indeks
jika indeks tersebut memiliki rentang nilai yang sama, misalnya didefinisikan
sebagai xr, k= 1, 2, ..., N. Penggunaan indeks menghasilkan penulisan yang sangat
sederhana bagi suatu penjuntlahan atau perkalian seperti:

Ex, =xr +x2 +x3 +...+xN (1.4)


i=r

Persyaratan matematika dan statistika 3


nt
~ v; = yt •Y2 43 •••vrt
(1.5)
i=t
Pada beberapa kasus, penggunaan indeks tunggal tidaklah cukup sehingga
diperlukan penggunaan lebih dart satu indeks. Contohnya, kita dapat menulis
peubah seperti berikut ini.
T,,, T22, T21, T22, T3,, T32, sebagai i= 1. 2, 3; dan j= 1, 2. Dengan menggunakan
dua peubah tikalas, kita dapat melakukan penjumlahan dan perkalian ganda, seperti:

EL.Ti;=E(T;t+Ti2) =Tt,+ Tt2+TZ,+T22+ T31+ T32 (1.6)


i=t

1.2.2 Fungsi dan grafik

Kita telah menjelaskan bahwa peubah dapat dikaitkan dalam bentuk persamaan dan
ketidaksamaan, yang secara umum dapat disebut dengan keterkaitan fungsi. Fungsi
adalah bentuk hubungan tertentu antara dua atau lebih peubah. Contohnya, fungsi
pangkat:
v=0.x" (1.7)

terdiri dari nilai peubah tidak bebas y, nilai parameter @ dan n, serta peubah bebas
x; untuk setiap nilai x tertentu, nilai y akan didapat.
Kadang-kadang, kita tidak perlu menuliskan bentuk fungsi tertentu secara utuh, tapi
cukup hanya de bQart menuliskan bahwa y merupakan fungsi dari x atau sebaliknya.
Hal ini dapat ditulis sebagai:
Y = f(x) ( 1.8)
Terdapat berbagai jenis fungsi dan pembaca diharapkan sudah mengenal beberapa
fungsi yang ada. Kadang-kadang, fungsi tersebut dapat disampaikan dalam bentuk
informasi grafis yang dapat dirajah pada suatu sistem koordinat kartesis (lihat
Gambar 1.1).

Gambar 1.1 Rajah beberapa


fungsi pemangkatan

4 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
Satu peubah tidak bebas bisa merupakan fungsi dari beberapa peubah bebas, seperti
contoh:
Y= flx„xZ,..., xr~ (1.9)
Akan tetapi, cara ini membutuhkan N+1 dimensi untuk dapat menggambarkannya
(N untuk peubah bebas x dan 1 untuk peubah tidak bebas y).
Sistem koordinat kartesis dapat digunakan untuk menggambarkan tiga atau lebih
dimensi. Dalam kasus 3 (tiga) dimensi, orientasi sumbu ketiga mengarah keluar
kertas seperti terlihat pada Gambar 1.1.
Grafik yang berdimensi lebih dari tiga sangat sulit dilihat secara visual, tetapi masih
sering digunakan untuk kepentingan aljabar, caranya persis sama dengan yang
berdimensi satu, dua, atau tiga.
Contohnya, dalam kasus N=2, fungsi dapat ditampilkan dalam satu permukaan datar
pada daerah yang dibatasi oleh sumbu (.xi,xZ). Biasanya, setiap persamaan dengan
suatu bilangan arm x dapat ditulis dalam bentuk f(_x)), seperti contoh persamaan
linear:
ax=b
adalah ekuivalen dengan
ax—b=0
dengan f(x)=ax-b. Solusi persamaan tersebut ekuivalen dengan mencari titik pada
kurva y f(x) yang memotong sumbu x. Titik ini merupakan solusi persamaan
tersebut atau nilai nol dari f(x), seperti contoh dan x5 pada Gambar 1.2.
Y

Gambar 12 Solusi fungsi umum


Kadang-kadang kita ingin mengetahui apa yang akan terjadi apabila nilai x dari
suatu f(x) meningkat tidak terhingga (.x—xo). Dalam hal ini, secara mudah terlihat
bahwa akan terjadi beberapa kemungkinan, tergantung pada fungsi yang digunakan.
Contohnya, nilai fungsi tersebut akan mencapai:
. tidak terhingga [untuk f(x) =x2]
• negatif tidak terhingga [untuk f(x) = -x]
• berputar tidak berhingga [untuk f(x) = (-1)xx5]

asimptotis pada nilai tertentu (untuk f(x) = 14-1]

Persyaratan matemauka dan statistika 5


Untuk fungsi yang kompleks, beberapa `kelihaian' tertentu dibutuhkan jika suatu
nilai a mendekati batas tertentu (misalnya bila x-Ko). Kita perlu mengetahui limit
apabila nilai x mendekati nilai batas tertentu.

Contoh: jikaJ(x)= 1 maka limit apabila x—>0 adalah 1/3. Untuk beberapa nilai
~'
~x+3
a. jika J(x)—>ao pada kondisi x—xa, maka kurva y J(x) dikatakan mempunyai
asintptot pada nilai a=a (Iihat Gambar 1.3).
y~ Y=~X) i

i
i
6 ► Gambar 1.3 Fungsi umum dengan asimptot
a X
pada a

Salah satu fungsi yang sangat penting dan sering digunakan adalah fungsi linear,
seperti terlihat pada Gambar 1.4 di mana bentuk fungsinya sama seperti persamaan
(1.1). Dengan mudah dapat dilihat bahwa b adalah nilai y pada saat yang
seeing disebut dengan intersep pada sumbu y. Konstanta a disebut gradien atau
kemiringan yang bisa didapatkan dad:

a= Yz — y't (1.10)
xZ — x,
dengan (rl,yr) dan (x2,y2) adalah dua titik pada garis tersebut (Iihat Gambar 1.4a).
Walaupun suatu garis lurus secara definisi mempunyai kemiringan yang konstan,
kenuringan tersebut dapat berupa kenuringan positif atau negatif seperti pada
Gambar 1.4.

Y-ax+b

Gambar 1.4 Dua


► persamaan linear y=ax+b;
X (a) gradien positif,
(b) (b) gradien negatif

6 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi


Teori, contoh soal, dan aplikasi
Jika kedua garis tersebut tidak sejajar, pasti keduanya berpotongan secara grafis
(lihat Gambar 1.5) atau secara aljabar perpotongan tersebut bisa didapat dengan
mengolah persamaan sebagai berikut.
y=x+2 (1.11a)

y =-x+4 (1.11b)

y-x+2

Gambar 1.5 Perpotongan


2 1 1 2 3 4
dua garis lurus

Dengan mencari nilai a pada persamaan (1.11b) dan menggantikan nilai tersebut
dengan (misal -y+4) ke persamaan (1.1la), maka akan didapat solusi P dengan
koordinat (x=1, y=3).

1.2.3 Penjumlahan deret

Duet secara sederhana dapat didefinisikan sebagai urutan angka u,,, n= 1, 2, ..., N.
Dalam beberapa kasus, kadang-kadang dibutuhkan nilai penjumlahan dart urutan
angka tersebut:

SN =JJ1 +U2 +...+JJ1 =E un (1.12)


n=1

Dalan1 beberapa kasus lainnya, misalnya progresi aritmatik, urutan dapat dinyatakan
dalam bentuk:
JJn = un_1 +d (1.13)

Terlihat bahwa duet tersebut mempunyai nilai penjumlahan yang terdiri dart N
suku. Contohnya, jika suku yang pertama adalah b, maka penjunllahannya dapat
dinyatakan sebagai:
N(N - l )t1
S,. -
- Nb + 2 (1.14)

Persyaratan matematka dan staGstika 7


Progresi geometrik [lihat persamaan (1.15)] terbentuk dengan mengalikan secara
berurutan setiap suku dengan faktor r sehingga nilai penjumlahannya akan terdiri
dari N suku.
Jika b adalah suku pertama, maka penjumlahan tersebut dapat dinyatakan sebagai
persamaan (1.16).
„ = ru„-1 (1.15)

_ 141-rN )
S (1.16)
1 -r ( )
Dalam beberapa kasus lainnya, deret mungkin mempunyai bentuk penjumlahan
yang sederhana seperti untuk fungsi u„= n, penjumlahan dapat dinyatakan sebagai
N(N + 1)
Sc - 2 , atau untuk fungsi u„ = x", penjumlahannya adalah sebesar

Y 1-xN ~
SN = untuk setiap a yang berbeda dari 1, tetapi masih diperoleh suatu
1- x
basil yang divergen (misahlya, SN meningkat tidak terhingga jika N mempunyai
nilai tidak terhingga).

Hal ini terjadi juga pada fungsi u" =n dan fungsi u" = x" jika x>1; tetapi fungsi

terakhir ini akan konvergen pada nilai SN = x x) untuk nilai 0<r<1.


~1-

1.3 Aljabar matriks

1.3.1 Pendahuluan
Setiap peubah yang mempunyai dua tikalas dapat disebut matriks. Matriks dapat
dikenal dengan notasi B=[B;;], dengan peubah Bu, i= 1, 2, ..., N; j= 1, 2, ..., M
adalah unsur-unsur B yang dapat ditulis sebagai:

B11 B12 B13 ••• B131


B,1 B22 B23 ••• B2r1
B= (1.17)

BN1 B32 BN3 ... BNA1 _

Terlibat bahwa matriks mempunyai N bans dan M kolom sehingga matriks ini
disebut matriks [NxM]. Vektor adalah kasus yang sangat penting dalanl matriks,
yang dikenal dengan matriks berdimensi 1 atau matriks [Nx1 ].
Dalam kasus ini, indeks yang kedua bisa diabaikan sehingga matriks dapat ditulis
sebagai:

8 Ofyar Z Tarnin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
vt
V2
V3

v= [N7i ]- (1.18)

VN
Secara formal, suatu peubah yang tidak berindeks atau suatu konstanta, dapat
disebut juga matriks [1s1[. Jika letak posisi bans dan kolom dipertukarkan,
dihasilkan matriks berdimensi [MxN] yang dikenal dengan transpose BT dari B,
yang dapat ditunjukkan sebagai:

B11 13,5 B31 •••


B12 B22 B32 ••• B N2
BT = (1.19)

B1A1 8 211 B3M ... BNM_

Hal yang santa, transpose dari vektor [Ns1[ (vektor kolom adalah berupa vektor
bans:
VT = [V1 .V2 .V3 ...VN ~ (1.20)
Matriks bujur sangkar S adalah matriks dengan nilai N=M, matriks bujur sangkar
dengan S=ST disebut matriks simetris. Matriks diagonal D=[D,] adalah matriks
dengan nilai Dy41 untuk
Matriks satuan adalah matriks bujur sangkar dengan nilai sel diagonalnya adalah 1
dan untuk i~j, seperti:
1 0 0 ... 0
0 1 0 ... 0
00 1 ... 0
I= (1 21

0 0 0 ... 1

1.3.2 Operasi dasar aljabar matriks


Berikut ini dijelaskan beberapa definisi mengenai operasi yang dapat dilakukan
antara dua matriks A dan B dengan menetapkan matriks C yang merupakan hasil
pengkombinasian A dan B. Yang pertama adalah operasi penjumlahan matriks:

Persyaratan matematika dart statistika 9


C=A+B=B+A (1.22)

yang didefinisikan sebagai C=Ag+B,


Dalam hal ini dibutuhkan persyaratan bahwa kedua matriks harus mempunyai
dimensi yang sama, misalnya seperti matriks [NaM], sehingga matriks C juga
berdimensi [NsMI. Hal ini juga merupakan persyaratan bagi operasi pengurangan
matriks:
C=A—B (1.23)

yang secara sama dapat didefinisikan sebagai Cq=A;f —B5. Suatu operasi yang
sifatnya unik pada aljabar matriks adalah operasi perkalian matriks dengan skalar:
C=kA (1.24)
yang didefinisikan sebagai Ci =k9u, dengan matriks yang bans mempunyai dimensi
sama dengan yang lama. Operasi perkalian matriks agak sedikit rumit, seperti:
C=AB (1.25)
nt
yang didefinisikan sebagai Cu = A,k .B, , dengan A adalah matriks berdimensi
k=1
[NaMI dan B dapat berdimensi [MxL] (dalam hal ini jumlah kolom A hams sama
dengan jumlah baris B. batasan lain tidak ada). Dalam kasus ini, C adalah matriks
berdimensi 1NxL[.
Secara mudah dapat dilihat bahwa secara umum matriks AB tidak harts selalu sama
dengan matriks BA. Akan tetapi, hal ini tidak akan berlaku jika matriks tersebut
dikalikan dengan matriks satuan I yang dapat dengan mudah dicek bahwa:
IA=AI=A (1.26)
Dengan demikian, walaupun dimungkiltican mendefinisikan hasil matriks, unatan
hams selalu tetap diperhatikan. Dalam hal ini, praperkalian A dengan B
menghasilkan BA, dan pascaperkalian menghasilkan bentuk AB.
Dalam mendefinisikan operasi pembagian, cara yang paling mudah adalah dengan
menggunakan bentuk matriks invers. Akan tetapi, hal ini hanya berlaku untuk
matriks bujur sangkar saja. Jika terdapat matriks invers, B-t , maka matriks tersebut
harus memenuhi persyaratan:
B-t B = BB' = I (1.27)
Dalam hal ini, B disebut matriks nonsingular. Dalam buku ini tidak akan diberikan
prosedur menghitung elemen matriks invers, karena pennasalahannya agak nunit.
Akan tetapi, perlu diketahui bahwa pada kondisi yang tenant, hal tersebut akan
terjadi. Operant pembagian dalam hal ini merupakan praperkalian atau
pascaperkalian oleh B-t .
Dalam buku ini, matriks dan vektor sangat sering digunakan untuk menuliskan
notasi untuk mempersingkat berbagai macam hal, misalnya menuliskan satu net
persamaan simultan, tennasuk cara mendapatkan solusinya dalam bentuk matriks
invers.

10 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
1.4 Elemen kalkulus

Dua buah cabang ilmu aljabar kalkulus adalah integral dan diferensial yang sifat
dasarnya dapat diidentifikasikan dalam bentuk fungsi y J(x) seperti terlihat pada
Gambar 1.6. Pertimbangkan titik P dan Q serta garis lurus (chord) yang
menghubungkan kedua titik tersebut. Diferensial digunakan untuk menghitung
kemiringan kurva pada titik tertentu.
Dalam hal ini, pertimbangkan titik Q yang sangat dekat dengan titik P, limit garis
PQ merupakan tangen (kemiringan) kurva tersebut pada posisi P=Q (misalnya untuk
jarak horizontal sama dengan 0).
Y

f(xo +h

f(xo

Gambar 1.6 Kemiringan


pada suatu titik dan daerah
xo xo+h X di bawah kurva
Secara definisi, hal tersebut dapat dinyatakan sebagai kemiringan kurva.
Sebaliknya, integral berkaitan dengan proses perhitungan luas daerah yang berada
di bawah suatu kurva (daerah yang diarsir pada Gambar 1.6) sehingga dapat dilihat
bahwa sebenarnya kedua operasi ini sangat berkaitan erat.

1.4.1 Diferensial
Dengan menggunakan persamaan (1.10), kemiringan (gradien) garis PQ pasta
Gambar 1.6 dapat dituliskan sebagai:
f (xo + h)— f(x0)
a(x).
Jika limit 8(x) ada bila h-40 dan sama jika h mendekati nol dan atas atau bawah,
maka hal tersebut dikenal dengan penurunan atau derivatif dan y, atau f(x),
tergantung pada nilai x=xo dan sering ditulis dengan f(re) atau
~ so

Proses untuk mendapatkan penurunan ini disebut diferensial. Jika f(x) dinyatakan
sebagai pemyataan dalam bentuk .r, maka biasanya tidak sulit mendapatkan f(.r)
sebagai solusi dari .r dengan menggunakan hasil pada Tabcl 1.1 ditambah dengan
lainnya yang dapat dilihat pada tabel tersebut.

Persyaratan matematika dan statistika 11


Tabel 1.1 Turunan an umum diaunakan
Fungsi f(x) Penurunan T(x)
k (k konstanta)

b (b konstanta. x> 0) bX b-1


a

1c44 (k konstanta) ktP(x)

u(x)+v(x) u'(.l')+i''(x)

u(x).l'(x) , tt'(x).v(x)+tt(x).v'(x)

u[v (-0J u' Lv( xJlv' (x)

u(x) t!'(x).v(x)- U(x).v'(x)


vx KYAz

Turunan juga merupakan fungsi x, sehingga dapat ditentukan turunan pertama dan
8 yY
turunan keduanya (misalnya fo (x) atau dan seterusnya).
8x z
Sebagai contoh, jika diturunkan turunan pertama y =.r b pada Tabel 1.1, akan
didapat turunan keduanya sebagai berikut.

Y =1)(13-1)x 5-2 (1.28)


ax Z

1.4.2 Integral

Proses ini kebalikan proses diferensial, jika diketahui kemiringan kurva pada setiap
titik, maka persamaan kurva tersebut adalah hasil integralnya. Sebagai contoh, jika
g-
-g(_r) adalah kemiringan, maka persamaan kurva dapat ditulis sebagai:

Y = f g(x1dx

dan basil ini akan selalu arbitrari ditarnbah dengan nilai konstanta C. Sebagai
contoh, g = bx" dalam Tabel 1.1, maka integralnya dengan batas tak terhingga
dari g(x) dapat dinyatakan dalam:

Y = G(x) = p(bx b-t dx)= x b + C (1.29)

C adalah konstanta integral, misalnya penurunan x b + C adalah bx t~t , tidal(


tergantung berapapun besarnya nilai C.
Kegunaan yang paling utama dari proses integral adalah untuk mendapatkan Inns
daerah yang berada di bawah kurva seperti yang terlihat pada Gambar 1.7a.

12 Ofyar Z Tamin, Perencenaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
b br
Daerah abcd = [F(a~~ = F(b)— F(a) _ i y.dx = J f(x).dx (1.30)

Sebagai contoh, jika diambil suatu kasus sederhana, yaitu suatu garis yang sejajar
dengan sumbu x dengan tinggi h dan diintegralkan antara nilai a dan b (Iihat
Gambar 1.7b), maka didapat:
y = f(x) = h dan F(x)=hz +C
sehingga
Luas = F(b)— F(a) = h(b —a)
Y

Gambar 1.7 Daerah di


bawah kurva:
(a) kasus umum,
(b) garis sejajar dengan
(a) (b) sumbu x

Sudah jelas, luasnya sama dengan luas segiempat yang diarsir pada gambar tersebut.
Tabel 1.1 dapat digunakan untuk membantu mendapatkan integral dengan batas tak
terhingga. Secara khusus, jika:
f u(x)dx = U(x)dx + Ct dan ~v(x)dx = V(x)+ CZ
sehingga:
pukxAh'' (x)dx = U(441+ C3
dan
ll~// / / /
pU(xl''lx~Y = U(x~(x )— ~r~(x~'(x)dx
Sudah barang tentu tidak semua fungsi, meskipun bentuknya sangat sederhana, akan
mempunyai bentuk integral yang sederhana pula. Akan tetapi, jika hal itu terjadi,
masih ada cam lain untuk mendapatkan integral tersebut dengan Cara numerik.

1.4.3 Fungsi logaritma dan eksponensial

Di antara fungsi yang telah dikenal sejauh ini, fungsi yang sangat sederhana yang
tidak mempunyai integral adalah fungsi invers J(x)=1/x, seperti terlihat pada
Gambar 1.8.
Integral fungsi ini biasanya dinyatakan dengan bentuk logaritma natural dari x, atau
loge(x), dengan e adalah konstanta Nepper. e mempunyai nilai yang mendekati
2,7183 yang sama dengan titik pada sumbu x dalam Gambar 1.8 sehingga luas
daerah terarsir sama dengan 1, misalnya loge(e)=1.

Persyaratan matematika dan staustika 13


0,5
y=1lx

Gambar 1.8 Fungsi invers dan


1,5 Z Z5e3 konstanta Nepper
0,5 ~

Pada buku ini selalu digunakan bentuk logaritma natural sehingga notasi e dapat
dihilangkan. Agar berlaku umum dengan jenis logaritma lainnya, log(x) mempunyai
karakteristik:
log(1)=0
jika log(t)--tbo

jika H0, log(t),—co


log(uv)=log(u)+log (v)
Fungsi lainnya yang sering digunakan adalah fungsi eksponensial exp(x) atau
disingkat menjadi ex , yang dideftnisikan sebagai nilai w sehingga log(w)=x.
Seperti yang diperkirakan sesuai dengan fungsi pemangkatan, maka:
e(x+,•) = exeY atau e
tOg(x) = x
Kedua fungsi log(x) dan exp(x) mudah didiferensialkan, yang secara definisi
adalah:

a log(x)= C (1.31)

Tidak pula sulit ditunjukkan bahwa:

—'— (1.32)
a (ex )= ex
Jadi, bentuk eksponensial adalah suatu fungsi yang tidak berubah, meskipun
dilakukan proses diferensial.

1.4.4 Mencari nilai fungsi maksimum dan minimum

Hal ini sangat berguna pada proses diferensial. Sebagai contoh, pada Gambar 1.9,
fungsi tersebut mempunyai nilai maksimum pada .x, dan minimum pada x2 . Kedua
talk ini dapat ditentukan dengan mencari posisi tempat fungsi tersebut mempunyai
kemiringan sama dengan nol.

14 Ofyar Z Tamin, Perencanaan,pemodelan, dan rekayasa transportasi:


Teori, contoh soal dan aplikasi
YA

Gambar 1.9 Titik


► maksimum, minimum,
XZ X3
X dart infleksi

Jadi, yang perlu dilakukan adalah mencari titik f Penting diketahui bahwa
tidak semuanya dapat merupakan titik maksimum atau minimum, sebagai contoh,
yang disebut titik infleksi adalah titik dalam Gambar 1.9.
Untuk menemukan secara lebih tepat titik kemiringan nol tersebut, perlu dilakukan
evaluasi terhadap nilai f'(e) pada setiap titik dengan nilai f (x) sama dengan nol.
Jadi, suatu nilai maksimum dibutuhkan:
f' (x)(0 (1.33)
untuk nilai minimum dibutuhkan:
(1.34)
dan untuk titik infleksi dibutuhkan:
f"(x)= 0 (1.35)
Ketiga kasus tersebut dapat dilihat pada Gambar 1.10 yang memperlihatkan
peralihan yang baik. Pertimbangkan suatu fungsi yang secara grafis berbentuk
seperti gelas air di mana jika gelas tersebut terbalik ke bawah akan didapat kasus
titik maksimum dan air akan tumpah (tanda minus).
Sebaliknya, jika gelas tegak ke atas akan didapat kasus titik minimum dan air tidak
akan tumpah (tanda plus).
Y~ Y Y

L
P

Gambar 1.10 Titik


(a) maksimum,
► (b) minimum,
► ►
(a) X (b) X (c) (c) infleksi
X

Persyaratan matematika dan statistika 15


Dalam mengembangkan eon untuk mendapatkan titik optimum global selain titik
optimum lokal, perlu dijelaskan permasalahan cekung dan cembungnya suatu
fungsi.
Hal ini akan menghasilkan teori yang lebih mendasar (walaupun lebih terbatas),
tetapi akan memberikan tafsiran geometrik yang lebih baik mengenai kondisi orde
kedua, 'that persamaan (1.33)—(1.35). Gambar 1.11 memperlihatkan beberapa
contoh fungsi cembung dan cekung.
YA YA Y~

,) J Gambar 1.11 Fungsi


(a) cembung
(b) cembung,
(c) tidak cembung
(a) X (b) X (c) X

Secara geometrik, fungsi dikatakan cembung jika satu garis yang menghubungkan
dua titik dari grafik itu selalu terletak di atas grafik fungsi cembung tersebut, seperti
terlihat pada Gambar 1.11a.
Dalam bentuk 2 (dua) dimensi, fungsi cembung mempunyai grafik berbentuk kuali.
Hal yang sama, suatu fungsi g dikatakan cekung jika fungsi f=—g adalah cembung.
Salah satu perilaku fungsi cembung adalah penjumlahan dua fungsi cembung selalu
menghasilkan fungsi cembung.

1.4.5 Fungsi dengan lebih dari satu peubah


Untuk jenis fungsi ini perlu dipertimbangkan penggunaan kalkulus diferensial dan
integral. Anggaplah diketahui:
y= (1 36)
Penurunan fungsi y terhadap salah satu peubah bisa dihitung dengan menganggap
peubah lainnya selalu konstan pada saat penurunan tersebut. Hal ini dikenal dengan
penunman parsial dan ditulis sebagai ay/axi. Sebagai contoh, jika:

y = 2x t + xZ x3
kemudian

16 Ofyar Z Tarnln, Perencanaan, pernodelan, dan rekayasa transportasi:


Teori, contoh soai. dan aplikasi
Terlihat bahwa nilai maksimum dan minimum dari fungsi tersebut seperti pada
persamaan (1.36) bisa didapatkan dengan menetapkan semua turunan parsial sama
dengan 0 (eel):
~l =
0 i= 1, 2,...,N (1.37)
ex'

yang akan menghasilkan satu set persamaan simultan untuk dipecahkan. Kasus yang
sangat menarik dalam hal ini adalah maksimum dan minimum. Anggaplah, kita
ingin memaksimumkan persamaan (1.36) dengan batasan sebagai berikut.
rt (x t , x 2 ,..., x N ) = 6t
r2(xt , x 2 ,..., x N )= b2
(1.38)

rt; ,x2 ,...,xN )= bk

Hal ini dapat dilakukan dengan menentukan satu set pengali Lagrange 0.2, ~,...,
711;) untuk setiap persamaan (1.38), dan memaksimumkan:

r (
L = .f(Xt, X2,...,XN )+~ ).k Lrk\ xt,...,xti~—bkJ1 (1.39)
k=1

sebagai fungsi dari x,, x2, ...., .r, dan X,, Jadi, kita harus memecahkan:
aL
—0 1=1, 2,...,N (1.40)
ax;
dan
aL
—0 k = 1,2....,K (1.41)

Persamaan (1.41) sebenamya adalah persamaan (1.38) dalam bentuk yang lain,
tersedianya cars dengan memperkenalkan satu set pengali Lagrange sebagai peubah
tambahan memungkinkan didapatkannya nilai maksimum.

1.4.6 Penyelesaian persamaan kuadrat


Pada persamaan kuadratis (1.42), terdapat 2 (dua) built nilai x, dan x2 yang akan
memenuhi persamaan (1.42) tersebut.

ax2 +bx +c=0 (1.42)


Untuk menyelesaikan persamaan kuadratis tersebut maka kedua buah nilai _r, dan x2
yang memenuhi persamaan (1.42) dapat ditentukan dengan menggtulakan
persamaan (1.43) berikut ini.
(—b0t41-4ac
(1.43)
2a

Persyaratan matematika dan statistika 17


1.4.7 Integral berganda

Dalam kasus integral dimungkinkan juga terdapat adanya integral berganda. Seperti
contoh, dari persamaan (1.36) diperoleh:

V= f
f... f(xt ,x2 ,....,xN ).dxt dx2 ,...dx N (1.44)

dengan N tanda integral. Untuk itu dirasakan perlu mempertimbangkan kasus 2


(dua) dimensi. Fungsi berikut:
S = .l (xt+x2) (1.45)

dipertimbangkan sebagai suatu pemmkaan pada sistem koordinat kartesis tiga


dimensi. Oleh karena itu,
f
V= f f(xt,x2 )1Ct di-2
x~ x=
(1.46)

adalah volume yang berada di bawah permukaan tersebut, sama untuk satu dimensi
yang menghitung luas yang berada di bawah satu kurva.

1.4.8 Elastisitas

Elastisitas suatu peubah tidak bebas y terhadap peubah bebas fungsi x; seperti
persamaan (1.9) dinyatakan sebagai:
x;
E(y,xi) (1.47)
ax, . Y
dan dapat ditafsirkan sebagai besarnya pengaruh persentase perubahan dari peubah
tidak bebas terhadap perubahan peubah bebas lainnya. Dalam teori ekonomi sering
dijumpai permasalahan elastisitas suatu fungsi kebutuhan terhadap perubahan nilai
peubah atau atribut.
Dalam hal ini dibedakan antara elastisitas langsung dan elastisitas silang, yang
pertama berkaitan dengan atribut pelayanan yang dipertimbangkan, sedangkan yang
kedua mengenai atribut dari pilihan yang saling bersaing.
Sebagai contoh: sering dijumpai bahwa elastisitas kebutuhan akan angkutan umum
terhadap tarif sekitar 0,3 — jika tarif ditingkatkan 1%, dapat diperkirakan kebutuhan
akan pergerakan berkurang sebesar kira-kira 0,3%.

1.4.9 Deret perkalian

Kadang-kadang perlu menghitung nilai fungsi fix) untuk nilai tertentu xo, dalam
bentuk nilai fungsi tersebut dan penurunannya pada nilai tersebut. Untuk beberapa
kasus tertentu, hal ini dapat dilakukan dengan menggunakan deret Taylor.
Pertama, harus didefinisikan konsep bilangan faktorial yang hanya berlaku untuk
bilangan positif:
n!= n.(n- 1).(n — 2)...3.2.1 (1.48)
Dalam hal ini, deret Taylor dapat didefinisikan sebagai:

18 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
1 f"/xo 1+ 1 3' ) f ,''(z
f(xo +h)= f(xo)+hf'(CO)+(2~ o) (1.49)

Yang terpenting untuk diketahui adalah untuk h yang kecil, komponen orde tinggi
akan mempunyai nilai yang sangat kecil sehingga perhitungan akan mempunyai
ketepatan yang masih baik, meskipun dihitung dengan hanya menggunakan 2 (dua)
komponen orde saja.
Kasus khusus didapat pada kondisi xo4.1 yang dikenal dengan deret Moclaurian
dengan menetapkan nilai x=h pada sisi kiri dari persamaan (1.49) yang
menghasilkan:
f "(0)+I 3; , (0)+...
f(x)= f(0) +hf,(0)+I (1.50)
1~ l J f"
Hal ini memungkinkan persamaan (1.50) dapat digunakan untuk menyatakan
beberapa fungsi tertentu, misalnya deret pemangkatan, seperti contoh:
2 3
eX =1 +x+ x + ~ +...
2! 3!
yang membuktikan secara mudah alasan persamaan (1.50) diperlukan.

1.5 Statistika matematika dasar

Bagian ini hanya akan memperkenalkan beberapa konsep statistika dasar saja.
Diharapkan para pembaca sudah terbiasa tidak saja dengan pola distribusi penting
yang ada (binomial, normal, student, chi —kuadrat, dan Fisher) tetapi juga
mempunyai pengetahuan tentang teori dasar statistika (seperti estimator, selang
kepercayaan, dan uji hipotesis).
Terdapat beberapa buku statistika yang sangat baik untuk dibaca, seperti
Wonnacott dan Wonnacott (1977), Wilson dan Kirkby (1980), dan Wilson dan
Bennett (1985), dan Sudjana (1986).

1.5.1 Peluang

Definisi peluang adalah sesuatu akan terjadi (misalnya mendapat nilai 6 dari satu
kejadian pelemparan dadu) ditentukan oleh limit dari frekuen.ci relatifnya, yaitu:

P(e,)= p; = Lim ~ (1.51)


n—►m n

adalah hasil yang diinginkan, N adalah jumlah eksperimen yang dilakukan, dan n;
adalah jumlah e; yang terjadi. Persamaan (1.51) memungkinkan dikurangima
beberapa karakteristik dasar dari trod peluang:
0 5 p; S 1 (1.52)
dapat mempunyai nilai 0 dan n, serta

Persyaratan matematika dan statistika 19


=1 (1.53)

sehingga n,+n2+,,,= n.
Cara lain untuk menyatakan peluang sesuatu hal akan terjadi adalah dengan contoh
permainan judi. Jika seseorang menebak sesuatu dengan harapan akan menerima
uang sebesar Rp 35000 jika e! terjadi dan kehilangan uang sebesar Rp 1000 jika
tidak terjadi, maka peluang tersebut p; sebesar x/(x+35).
Oleh karena itu, dia harus memecahkan persatnaan dengan perkiraan menang atau
kalah sama dengan 0 (noI).
35p,—x(1—pr ) = 0
Dalam beberapa kasus, peluang dari berbagai eksperimen tidaklah sederhana.
Misalkan kejadian (E) merupakan bagian dari kemungkinan eksperimen
Peluang kejadian tersebut adalah penjumlahan dari semua peluang
yang ada, terdiri dari:
P(E)=p, e; eE

Sebagai ilustrasi, diberikan contoh berikut ini. Kejadian E: (mendapatkan sekurang-


kurangnya dua kepala (H) dari tiga kali pelemparan koin) terdiri atas 4 (empat)
kombinasi pertama dari 8 (delapan) kemungkinan yang ada: (H,H,H), (H,H,T),
(H,T,H), (T,H,H), (T,T,H), (T,H,T), (H,T,T), dan (T,T,T). Satu kemungkinan
mempunyai peluang sebesar 1/8 (jika peluang untuk mendapatkan kepala (ri) dan
ekor (T) adalah sama, yaitu 1/2).
Bagaimana untuk kasus kombinasi kejadian (misalnya wituk mendapatkan dua
kepala sedemikian rupa sehingga tidak semua lemparan mempunyai hasil yang
sama)? Dalam hal ini, kita perlu memahami konsep gabungan (u) dan potongan (n)
seperti terlihat pada Gambar 1.12. Segiempat pada gambar tersebut menyatakan
ruang kejadian, sedangkan A dan B adalah kejadian di dalam ruang tersebut.
A

Gabungan

Potongan
Gambar 1.12 Diagram Venn untuk
kejadian dan peluang

Secara umum, hal ini berlaku jika:


P(A u B)= P(A)+ P(B)— P(A n B) (1.54)

20 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Mon', contoh soal, dan aplikasi
dan jika A dan B saling berkaitan, maka:
P(A v B) = P(A)+ P(B) (1.55)

Jadi, peluang (P(A/B)) terjadinya A dengan menganggap B adalah benar:


P(A/B) = P(A n B)/ P(B) (1.56)

Suatu kejadian F secara statistika tidak berkaitan dengan kejadian lain E, jika dan
hanya jika P(F I E) sama dengan P(F). Oleh karena itu, untuk kejadian yang tidak
saling terkait:
P(E n P(E)/ P(F) (1.57)

1.5.2 Peubah acak

Peubah ini digtmakan jika seseorang menentukan suatu nilai yang mengikuti
distribusi peluang tertentu (lihat Gambar 1.13).
Sebagai ilustrasi diberikan contoh sebagai berikut. Dalam eksperimen memutar 2
(dua) bush koin, kejadian yang mungkin hanyalah: S=(HH,HT,TH,TT]. Jika
didefinisikan suatu peubah X= jumlah kepala (H), dengan mudah dapat dilihat
bahwakemungkinan hanyalah: X(HH)=2,X(HT) X(TH)=1, danX(TT)=0.
S= ruang sampel Rx = rentang
peubah X

Gambar 1.13 Peta peubah


acak dari ruang sampel
Oleh karena itu, keuntungan konsep peubah acak menjadi lebih menonjol, yaitu
besarnya stung sampel semakin berkurang. Peluang X sebagai berikut.
P(X=1) = P(HTuTH) = P(HT)+P(TH) = 1/2
P(X=2) = P(X=0) = 1/4
Peubah acak dapat bersifat diskret atau menerus. Pada kasus pertama, kita dapat
menganlbil nilai dari suatu net kejadian dengan peluang P(X) yang memenuhi
persamaan (1.51) dan p(z)0. Pada kasus terakhir diperlukan pendefinisian fimgsi
kepadatan peluang, J(x) sehingga:
If(x)cLr=1 (1.58)

f 0 b'_r

Persyaratan matematika dan statistika 21


1.5.3 Parameter statistika
Jika berhubungan dengan data statistika, infonnasi akhir biasanya disajikan dengan
menggunal:an kinerja tertentu, bukan menggunakan infomiasi secara menyeluruh.
Contohnya, distribusi suatu peubah acak bisa diterangkan dengan mengetahui nilai
rataannya data besamya dispersi yang ada (deviasi). Parameter statistika dapat
digunakan untuk membuat perbandingan antarpola distribusi tanpa perlu
menganalisis distribusi tersebut secara mendalam.
Yang lebih menarik, beberapa standar distribusi bisa diterangkan hanya dengan
beberapa parameter statistika saja. Beberapa parameter statistika yang sering
digunakan adalah:
1 Rataan, E(X), dinyatakan sebagai:

E(X ) = (x, ) kasus diskret

(1.59)
b
E(X) = ~x. f (x).dx kasus menerus

f(x) didefinisikan untuk (iSrSb). Rataan didapatkan dengan menerapkan


langsung peubah acak X.
Hal ini dapat juga diterapkan untuk fungsi peubah acak. Operator X dan Y, dan
konstanta a, b, dan c didapat:
E(a+ bX +cY) = a + bE(X)+cE(Y) (1.60)

2 Modus X* adalah nilai X yang memaksimumkan p,{x;).


3 Median Xo.S adalah nilai X dengan setengah dari anggota populasi mempunyai
nilai di bawah X, yang dapat dinyatakan sebagai:

10,5
P k X o,$ )= EP(X) = 0,5 kasus diskret
X=t
(1.61)
x0.5
P(x < Xo,0= f(x)dx = 0,5 kasus menems

Dengan menggunakan perhitungan secara langsung, tidak akan didapat nilai median
dan modus sehingga diperlukan solusi. Beberapa karakteristik penting dispersi
distribusi adalah:
I Variansi, yang merupakan ekspektasi dari total kuadratis besamya perbedaan
deviasi dari rata-rata:
Var(X) = EIX — E(Xr } (1.62)
Akan tetapi, sering juga dihitung dengan cara berikut ini.

22 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
V ar(X) = EI,Y 2 — 2 XE(X )+ [E(X )1Z
= E X2 — 2[E(XA2 + [E(X)12 (1.63)
= E X2 —[E(X)12

Tidak seperti ekspektasi, peubah ini tidaklah bersifat linear sehingga:


. Var(a+bX) = b2Var(X), misalnya menambah suatu konstanta tidak akan
mempengaruhi dispersi distribusi.
. Var(aX+bY) = a2Var(X)+b2Var(Y)+2abCov(X,Y); dengan kovarian X
dan Ydiberikan sebagai berikut:
Cov( X,Y = E(XY)— E(X).E(Y) (1.64)

Jadi, kovarian dua peubah acak yang saling berkattan sama dengan 0.
2 Simpangan baku, se(x), yaitu akar variansi yang mempunyai dimensi sauna
dengan peubah acak X dan digunakan sebagai ukuran central tendency.
3 Koefisien variasi, KV, yaitu nisbah dari simpangan baku terhadap rataan dan
tidak mempunyai dimensi.
Subbab berikut ini memberikan penjelasan singkat mengenai beberapa analisis dan
uji statistik yang akan digunakan dalam buku ini. Pembaca yang sudah
memahaminya dapat langsung beralih ke Bab 2.

1.6 Analisis regresi


1.6.1 Model analisis regresi-linear
Analisis regresi-linear adalah metode statistik yang dapat digunakan untuk
mempelajari hubungan antarsifat permasalahan yang sedang diselidiki. Model
analisis regresi-linear dapat memodelkan hubungan antara 2 (dua) peubah atau
lebih. Pada model ini terdapat peubah tidak bebas (v) yang mempunyai hubungan
fungsional dengan satu atau lebih peubah bebas
Dalanl kasus yang paling sederhana, hubungan secara umum dapat dinyatakan
dalam persamaan (1.65) berikut.
Y= A +BX (1.65)
Y = peubah tidak bebas
X = peubah bebas
A = intersep atau konstanta regresi
B = koefisien regresi
Jika persamaan (1.65) akan digunakan untuk memperkirakan besarnya bangkitan
pergerakan berbasis zona, maka semua peubah diidentifikasikan dengan tikalas
dan jika persamaan (1.65) akan digunakan untuk memperkirakan besarnya tarikan
pergerakan herbasis zona, maka dapat diidentifikasikan dengan tikalas d.

Persyaratan matematika dan statistika 23


Parameter A dan B dapat diperkirakan dengan menggunakan metode kuadrat-
terkecil yang meminimumkan total kuadratis residual antara hasil model dengan
hasil pengamatan. Nilai parameter A dan B bisa didapatkan doe persamaan
(1.66)—(1.67) berikut.

NE(X;Y; ) — E(Xi)•E(Y; )
B= ;=1 ;=1 i=t (1.66)
i
Ni(XZ/1 —(i(Xi~J l
A=Y — BX (1.67)

Y dan X adalah nilai rata-rata dari Y; dan X,.

1.6.2 Koefisien determinasl (Re)

Gambar 1.14 memperlihatkan galls regresi dan beberapa data yang digunakan
untuk mendapatkannya. Jika tidak terdapat nilai x, ramalan terbaik Y; adalah Y .
Akan tetapi, gambar memperlihatkan bahwa untuk r;, galat metode tersebut akan
tinggi: ~Yl —Y). Jika x; diketahui, temyata ramalan terbaik Y; dan hal ini
memperkecil galat menjadi ~Y~ —Y,).
Y♦

Y,— Yi = simpangan tak terdefinisi

Y,

y=a+bx

Gambar 1.14
Bebapa ienis
simpa
erngan
x
Dari Gambar 1.14, Idea dapatkan:
—Y) = ( Y; —Y ) a ~Y~ — Y,) (1.68)
simpangan total simpangan terdefinisi simpangan tidak terdefinisi

Jika kita kuadratkan total simpangan tersebut dan menjtunlahkan semua nilai
didapat:
,
E(Y, —Y ) = ~ Yt —Y ~
~ + (Yt -4 (1.69)
i=1 i=1 i=i
simpangan total simpangan terdefinisi simpangan tidak terdefinisi

24 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
( yr — yi )=bzr sehingga mudah dilihat bahwa variasi terdefinisi merupakan
koefisien regresi b. Proses penggabungan total variasi disebut analisis variansi.
Koefisien determinasi didefmisikan sebagai nisbah antara variasi tidak terdefmisi
dengan variasi total:

imt
R2 —1 (1.70)
—FY
i_1

Koefisien ini mempunyai batas limit sama dengan 1 (sate) (perfect explanation) dan
0 (nol) (no explanation). Nilai antara kedua batas limit ini ditafsirkan sebagai
persentase total variasi yang dijelaskan oleh analisis regresi-linear.

1.6.3 Model analisis regresi-linear-berganda

Konsep ini merupakan pengembangan lanjut dari uraian di atas, khususnya pada
kasus yang mempunyai lebih banyak peubah bebas dan parameter b. Hal ini sangat
diperlukan dalam realita yang menunjukkan bahwa beberapa peubah tata guna lahan
secara simultan temyata mempengaruhi bangkitan pergerakan.
Persamaan (1.71) memperlihatkan bentuk urnum metode analisis regresi-linear-
berganda.
Y=A+BI X1 +Bz XZ +...+BZ X Z (1.71)
Y = peubah tidak bebas
X, ... XL = peubah bebas
A = konstanta
B, ... BZ = koefisien regresi
Analisis regresi-linear-berganda adalah suatu metode statistik. Untuk
menggunakannya, terdapat beberapa asumsi yang perlu diperhatikan:
nilai peubah, khususnya peubah bebas, mempunyai nilai tertentu atau
merupakan nilai yang didapat dari hasil survei tanpa kesalahan berarti;
peubah tidak bebas (Y) harus mempunyai hubungan korelasi linear dengan
peubah bebas (X). Jika hubungan tersebut tidak linear, transformasi linear
harus dilakukan, meskipun batasan ini akan mempunyai implikasi lain dalam
analisis residual;
• efek peubah bebas pada peubah tidak bebas merupakan penjumlahan, dan hams
tidak ada korelasi yang kuat antara sesama peubah bebas;
• variansi peubah tidak bebas terhadap garis regresi harus sama untuk semua
nilai peubah bebas;
• nilai peubah tidak bebas harus tersebar normal atau minimal mendekati normal;
• nilai peubah bebas sebaiknya merupakan besaran yang relatif mudah
diproyeksikan.

Persyaratan matematika dan stadstika 25


Solusinya tetap sama, tetapi lebih kompleks sehingga beberapa hal baru harus
dipertimbangkan, seperti:
a Multikolinear Hal ini terjadi karena adanya hubungan linear antarpeubah.
Pada kasus ini, beberapa persamaan yang mengandung b tidak saling bebas dan
tidak dapat dipecahkan secara unik.
b Parameter `b' yang dibutuhkan Untuk memutuskan hal ini, beberapa faktor
harus dipertimbangkan:
• apakah ada alasan teori yang kuat sehingga harus melibatkan peubah itu
atau apakah peubah itu penting untuk proses uji dengan model tersebut'?
• apakah peubah itu signifikan dan apakah tanda koefisien parameter yang
didapat sesuai dengan teori atau intuisi?
Jika diragukan, terapkan salah satu cara, yaitu menghilangkan peubah itu dan
melakukan proses regresi lagi untuk melihat efek dibuangnya peubah itu
terhadap peubah lainnya yang masih digunakan oleh model tersebut. Jika
temyata tidak terlalu terpengaruh, peubah itu dibuang saja sehingga kita
mendapatkan model yang lebih sederhana dan dapat ditaksir secara lebih tepat.
Beberapa paket program telah menyediakan prosedur otomatis untuk
menangani masalah ini (pendekatan langkah-demi-langkah atau stepwise).
Akan tetapi, pendekatan ini masih mempunyai beberapa permasalahan yang
akan diterangkan nanti.
Koefisien determinasi Bentuknya sama dengan persannaan (1.70). Akan
tetapi, pada kasus ini, tambahan peubah b biasanya meningkatkan nilai Rz;
untuk mengatasinya digunakan nilai Rz yang telah dikoreksi:

Rz — K
N-1
Rz — r (1.72)
(N-1~
l
C
~N —K -1)J
N adalah ukuran sampel dan K adalah jumlah peubah b.
d Koefisien korelasi Koefisien korelasi ini digunakan untuk menentukan
korelasi antara peubah tidak bebas dengan peubah bebas atau antara sesama
peubah bebas. Koefisien korelasi ini dapat diltitung dengan berbagai cara yang
salah satunya adalah persamaan (1.73) berikut.

NE X 0—E(Xr)•E(Yr)
r= (1.73)


r N~IXr~Z (i(Xr))Z • Nifrr)Z

Nilai r-1 berarti bahwa korelasi antara peubah y dan r adalah positif
(meningkatnya nilai r akan mengakibatkan meningkamya nilai y). Sebaliknya,

26 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
jika nilai r-1, berarti korelasi antara peubah y dan x adalah negatif
(meningkamya nilai x akan mengakibatkan menurunnya nilai y). Nilai r=0
menyatakan tidak ada korelasi antarpeubah.
e Uji t-tes Uji t-tes dapat digunakan untuk 2 (dua) tujuan, yaitu untuk menguji
signifikansi nilai koefisien korelasi (r) dan untuk menguji signifikansi nilai
koefisien regresi. Setiap peubah yang mempunyai koefisien regresi yang tidak
signifikan secara statistik hams dibuang dart model.

1.6.3.1 Analisis dengan dua peubah bebas Persamaan dengan 2 (dua) peubah
bebas dapat dinyatakan dengan persamaan (1.74).
Y=b0 +b t X,+b2 X2 dimana: (1.74)

Y = bangkitan atau tarikan (peubah tidak bebas)


X~,X2 = peubah bebas
bo = konstanta
= koefisien regresi
Nilai bo, b,, 1,5 dapat dihitung dengan menggunakan analisis regresi-linear-
berganda. Nilai bo, bl, b2 bisa didapat dengan menyelesaikan 3 (tiga) buah
persamaan linear simultan (1.75)—(1.77) berikut ini.
N N N
Nbo+biEXi,+b2EX2r=EY, (1.75)

N N N N
/ ~z / 1
boE Xi, +biElXi;/ +bz ElXi;•Xzr)= E(Xi;•Y;l (1.76)
;=i ,_1 ;=i ;=i
N N N N
//
boEX2;+b ~ElX i;.X2,) +b2 ~~X2;/ = E(Xz;.Y, ) (1.77)
,_i ;_ , ;=i ,=i
Teknik eliminasi matriks Gauss-Jordan dapat digunakan untuk memecahkan
permasalahan persamaan simultan (1.75)—(1.77).

1.6.3.2 Analisis dengan tiga peubah bebas Persamaan dengan 3 (tiga) peubah
bebas dapat dinyatakan dengan persamaan (1.78).
Y=bo +b,X1 +b2 X2 +b3X3 dimana: (1.78)

Y = bangkitan atau tarikan (peubah tidak bebas)


X,,X2,X3 = peubah bebas
bo = konstanta
b,, b2, b, = koefisien regresi
Nilai bo, b,, b5, b3 dapat dihitung dengan menggunakan analisis regresi-linear-
berganda. Nilai bo, b,, b5, bisa didapat dengan menyelesaikan 4 (empat) buah
persamaan linear simultan (1.79)—(1.82) berikut ini.
N N N N
Nbo+biEXu+b2EX2;+b3E Xj, =EY, (1.79)

Persyaratan matematika dan statistika 27


boL z +bzZ(Xt;•Xz;)+b3E,(Xt;•X3;)=VXt;• Yi) (1.80)
;-1 ;mt
N N N
bo X Xz;~ ~+ z E Xz; ) E (X)
3 E (Xz;•X3i= z;•; (1.81)
:=1 ;=1
N N N N N
boEX3; + btE(Xt:•X3;)+bzE(Xz;•X3;)+b3E(X3;)z = E(X3;•Y;) (1.82)
:=1 ;=1 ;=1 i=1 ;=i
Teknik eliminasi mattiks Gauss-Jordan dapat digunakan untuk memecahkan
penttasalahan percamaan simultan (1.79)-(1.82).

1.7 Tahapan uji statistik dalam model analisis-regresi

Dalam melakukan analisis dengan menggunakan model analisis-regresi, terdapat 4


(empat) tahap uji statistik yang mutlak hams dilakukan agar model yang dihasilkan
dinyatakan absah. Ke-4 uji statistik tersebut akan diterangkan satu per satu sebagai
berikut. Bagi para pembaca yang ingin mendapatkan penjelasan lebih rinci tentang
tahapan uji statistik disarankan membaca Tamin (1985abcd,1997a,2000a,2003).

1.7.1 Uji kecukupan data

Uji statistik in) hams dilakukan untuk menentukan jumlah data minimum yang
hams tersedia, baik untuk peubah bebas maupun peubah tidak bebas. Semakin
tinggi tingkat akurasi yang diinginkan, semakin banyak data yang dibutuhkan.
Jumlah data minimum dapat ditentukan dengan menggunakan persamaan (1.83)
berikut:
N= CV2Zza
(1.83)
Ez
CV = koeftsien variasi
E = tingkat akurasi
ZQ = nilai variansi untuk tingkat kepercayaan a yang diinginkan
Sebagai ilustrasi, diberikan contoh berikut ini. Tentukanlah berapa jumlah data
minimum yang dibutuhkan untuk tingkat akurasi (E) 5% dengan tingkat
kepercayaan (a) 95%. Untuk a=95%, maka nilai Za adalah 1,645. Dengan
mengasumsikan nilai CV=1,0 didapatkan:

N_ (1,0](1,641 _
1082
(0,05Y
Jadi, dibutuhkan jumlah data minimum sebanyak 1082 buah untuk tingkat akurasi
5% dengan tingkat kepercayaan 95%.

1.7.2 Uji korelasi

Uji statistik ini hams dilakukan untuk memenuhi persyaratan model matematis:
sesama peubah bebas tidak boleh saling berkorelasi, sedangkan antara peubah tidak

28 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
bebas dengan peubah bebas harus ada korelasi yang kuat (baik positif maupun
negatif).
Persamaan (1.73) merupakan persamaan uji korelasi yang mempunyai nilai r
(-15r5+1). Nilai r yang mendekati —1 mempunyai arti bahwa kedua peubah
tersebut sating berkorelasi negatif (peningkatan nilai salah satu peubah akan
menyebabkan penunutan nilai peubah lainnya).
Sebaliknya, jika nilai r yang mendekati +1 mempunyai arti bahwa kedua peubah
tersebut saling berkorelasi positif (peningkatan nilai salah satu peubah akan
menyebabkan peningkatan nilai peubah lainnya). Jika nilai r mendekati 0, tidal(
terdapat korelasi antara kedua peubah tersebut.

1.7.3 Uji linearitas


Uji statistik ini perlu dilakukan untuk memastikan apakah model dapat didekati
dengan model analisis-regresi-linear atau model analisis-regresi-tidak-linear.

1.7.4 Uji kesesuaian


Uji statistik ini hams dilakukan untuk menentukan model terbaik. Terdapat
beberapa model yang dapat digunakan, yaitu model analisis-regresi, model
kemiripan-maksimum, dan model entropi-maksimum. Pada umumnya, uji ini
didasarkan atas kedekatan atau kesesuaian basil model dengan hasil observasi.
Dua uji kesesuaian yang paling sexing digunakan adalah (a) model analisis-regresi
dan (b) model kemiripan-maksimum. Model analisis-regresi mengasumsikan bahwa
model terbaik adalah model yang mempunyai total kuadratis residual antara hasil
model dengan hasil pengamatan (observasi) yang paling minimum.

meminimumkan S=~ Y,— Y, ( y (1.84)

Model kemiripan-maksimum mengasumsikan bahwa model terbaik adalah model


yang mempunyai total perkalian peluang antara basil model dengan hasil
pengamatan (observasi) yang paling maksimum (mendekati 1).

memaksimumkan (1.85)
ll l Yl l

1.8 Indikator uji kesesuaian matriks

1.8.1 Root Mean Square Error (RMSE) dan Standar Deviasi (SD)
Indikator uji kesesuaian RMSE adalah suatu indikator kesalahan yang didasarkan
pada total kuadratis dari simpangan antara basil model dengan basil observasi yang
dapat didefinisikan sebagai persamaan (1.86):

Persyaratan matematika dan statistika 29


[frid
RMSE _ — Tm untuk (1.86)
± —1

N = jumlah bans atau kolom matriks


T ,Tia = nilai sel matriks hasil model dan hasil observasi

Beberapa peneliti menggunakan st andar deviasi dari simpangan yang dapat


didefinisikan sebagai persamaan (1.87):

NN
SD= EE `Tia —Tia untuk iod (1.87)
N.01-1 -1
i=1 d=1 )
Dart persamaan (1.86)—(1.87) terlihat bahwa semakin besar nilai N maka nilai
RMSE kira-kira akan sama dengan nilai SD. Indikator %RMSE digunakan untuk
membandingkan 2 buah MAT yang mempunyai jjumlah sel y ang berbeda.

IRTSEl
%RMSE = (RMSE ) s100% (1.88)

_ 1 NN
(1.89)
T1 Tid
N(N-1) EE

Semakin besar nilai RMSE, %RMSE, dan SD maka semakin tidak akurat MAT
basil penaksiran dibandingkan MAT hasil pengamatan.

1.8.2 Mean Absolute Error (MAE)

MAE adalah bentuk ukuran simpangan paling sederhana yang dapat didefinisikan
sebagai persamaan (1.90).
NN
MAE=EE (Tid — Tid untukissd (1.90)
i=1 d=1 N.(N-1

Dari persamaan (1.90) terlihat bahwa filial MAE kurang sensitif terhadap nilai
mutlak kesalahan yang besar dibandingkan dengan RMSE. Semakin besar nilai
MAE maka semakin tidak akurat MAT basil penaksiran dibandingkan MAT hasil
pengamatan.

1.8.3 Koefisien Determinasi (R)


Indikator uji kesesuaian R5 dapat didefinisikan sebagai persamaan (1.91).
N N
[
EE(T;d — Ted y
R2 =1 untuk /Act (1.91)
(
\Tia — TI)

30 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
Indikator uji statistik R5 ini merupakan suatu uji statistik yang paling sering
digunakan. Indikator ini akan memberikan bobot sangat tinggi untuk kesalahan
absolut besar.
Oleh karena itu, nilai RZ yang tinggi tidak dapat diperoleh dari matriks berjumlah
sel besar dengan kesalahan kecil, tetapi sangat jelek pada nilai sel yang kecil.

1.8.4 Normalised Mean Absolute Error (NMAE)


Beberapa indikator uji kesesuaian yang telah diuraikan di atas seperti RMSE, SD,
%RMSE, MAE, dan R2 tidak dapat digunakan untuk membandingkan MAT jika
diterapkan pada daerah kajian yang berbeda, karena nilai MAT sangat tergantung
pada kondisi lokal seperti ukuran matriks dan lainnya.
Untuk tujuan ini, disarankan menggunakan indikator uji statistik NMAE yang
didefinisikan sebagai persamaan (1.92).

MAE)
NMAE =[ 108 (1.92)

1.9 Kumpulan soal

1 Asumsi terdapat satu persamaan dengan 2 (dua) buah peubah bebas


sebagaimana tertera pada persamaan (1.93) berikut.

Y = b o +b t Xt +b2 X2 di mana: (1.93)

Y = bangkitan atau tarikan (peubah tidak bebas)


X,,Y2 = peubah bebas
bo = konstanta
b,,bs = koefisien regresi
Jika diketahui beberapa data nilai peubah bebas (1') dan peubah tidak bebas
(X,) dan (X1), saudara diminta untuk menentukan nilai konstanta (bo) dan
koefisien regresi (b,,b2) dari persamaan (1.93)?

No X2 No X, X2

200 40 50 110 50 60
420 30 100 340 60 80
620 30 20 260 70 50
820 70 60 460 80 40

920 80 90 10 900 40 70

2 Asutnsi terdapat satu persamaan dengan 3 (tiga) buah peubah bebas


sebagaimana tents pada persamaan (1.94) berikut.
Y = bo +b t Xt +b2 X2 +b3 X3 di mana: (1.94)

Persyaratan matematika dan statistika 31


Y = bangkitan atau tarikan (peubah tidak bebas)
= peubah bebas
bo = konstanta
b,,bZ,b3 = koefisien regresi
Jika diketahui beberapa data nilai peubah bebas (1') dan peubah tidak bebas
(X,), (XZ), dan (X5), saudara diminta untuk menentukan nilai konstanta (bo) dan
koefisien regresi (b,,bj,b,) dari persamaan (1.94)?
No X, XZ X3 No X, X2 X3

200 40 50 50 110 50 60 50

420 30 100 100 340 60 80 100

620 30 20 20 260 70 50 20

820 70 60 60 480 80 40 60

920 80 90 90 10 900 40 70 90

3 Saudara diminta untuk menghitung nilai indikator uji kesesuaian matriks


RMSE, SD, %RMSE, MAE, R2 , dan NMAE antara 2 (dua) buah matriks
berikut ini.
Tabel 1.2: Matriks I ( Tw )
Zona
20 40 50 60 80 50 60 80
40 30 100 50 80 100 50 80
60 30 20 90 150 20 90 150
4 80 70 60 40 200 60 40 200
100 80 90 80 50 90 80 50
60 30 20 90 150 20 90 150
80 70 60 40 200 60 40 200
100 80 90 80 50 90 80 50

Tabel 1.3: Matriks II ( T,,, )


Zona
22 41 54 64 82 54 62 81
41 32 103 54 83 104 52 82
63 33 22 92 155 23 93 153
79 74 61 43 201 63 44 204
98 85 89 81 49 92 85 47
64 25 19 85 148 19 89 147
75 68 58 38 197 57 38 198
95 77 85 76 46 88 77 48

32 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transport..


Teori, contoh soal, dan aplikasi
Perencanaan, pemodelan, dan
rekayasa transportasi

Bab 1 telah menjelaskan beberapa persyaratan matematika dan statistika yang


minimal harus dikuasai oleh para pembaca sebelum memulai bab-bab selanjutnya
dalam buku ini.
Subbab 2.1 menjelaskan beberapa pengertian mengenai model dengan berbagai
macam peranannya, sedangkan subbab 2.2 menjelaskan beberapa ciri permasalahan
transportasi yang perlu diketahui sebelumnya oleh para perencana transportasi.
Subbab 2.3 menjelaskan beberapa persyaratan yang hams dipenuhi dalam proses
pengembangan model dan pemilihan pendekatan model, sedangkan beberapa faktor
yang dibutuhkan dalam proses pengembangan model transportasi akan diberikan
dalam subbab 2.4.
Subbab 2.5 menjelaskan beberapa ciri dasar dalam proses perencanaan transportasi;
sedangkan subbab 2.6 menjelaskan beberapa campur tangan manusia pada sistem
transportasi. Subbab 2.7 menjelaskan beberapa esensi mengenai perencanaan
transportasi sebagai salah satu campur tangan manusia serta pihak-pihak yang
terlibat dalam perencanaan transportasi akan diberikan dalam subbab 2.8.

2.1 Pendahuluan

2.1.1 Latar belakang


Pemiasalahan transportasi dan teknik perencanaannya mengalami revolusi yang
pesat sejak tahun 1980-an. Pada saat ini kita masih merasakan banyak perniasalahan
transportasi yang sebenarnya sudah terjadi sejak tahun 1960-an dan 1970-an,
misalnya kemacetan, polusi suara dan udara, kecelakaan, dan tundaan.
Permasalahan transportasi yang sudah ada sejak dulu bisa saja masih dijumpai pada
masa sekarang, tetapi dengan tingkat kualitas yang jauh lebih parah dan kuantitas
yang jauh lebih besar; mungkin saja mempunyai bentuk lain yang jauh lebih
kompleks karena semakin banyaknya pihak yang terkait sehingga lebih sukar
diatasi.
Pada akhir tahun 1980-an, negara maju memasuki tahapan yang jauh lebih maju
dibandingkan dengan 20 tahun yang lalu di sektor perencanaan, pemodelan, dan
rekayasa transportasi. Hal ini disebabkan antara lain oleh pesatnya perkembangan
pengetahuan mengenai elektronika dan peralatan komputer yang memungkinkan
berkembangnya beberapa konsep bans mengenai sistem prasarana transportasi,
sistem pergerakan, dan peramalan kebutuhan akan transportasi yang tidak pernah
terpikirkan pada masa lalu.
Tersedianya peralatan komputer yang murah dan berkecepatan tinggi telah
me ngakibatkan hilangnya anggapan bahwa teknik komputasi selalu membatasi
perkembangan teknik perencanaan, pemodelan, dan rekayasa transportasi.
Selain itu, dapat dikatakan di sini bahwa proses perencanaan merupakan bagian dari
proses penganlbilan keputusan atau kebijakan. Dengan kata lain, para pengambil
keputusan atau kebijakan akan menggunakan hasil dari perencanaan dan pemodelan
sebagai alat bantu dalam mengambil keputusan.
Banyak negara sedang berkembang menghadapi pemiasalahan transportasi dan
beberapa di antaranya sudah berada dalam tahap sangat kritis. Permasalahan yang
terjadi bukan saja disebabkan oleh terbatasnya sistem prasarana transportasi yang
ada, tetapi sudah ditambah lagi dengan permasalahan lainnya_
Pendapatan rendah, urbanisasi yang sangat cepat, terbatasnya sumber daya,
khususnya dana, kualitas dan kuantitas data yang berkaitan dengan transportasi,
kualitas sumber daya manusia, tingkat disiplin yang rendah, dan lemalurya sistem
perencanaan dan kontrol membuat permasalahan transportasi menjadi semakin
parah-
Di Indonesia, permasalahan transportasi sudah sedemikian parahnya, khususnya di
beberapa kota besar seperti DKI-Jakarta, Surabaya, Medan, dan Bandung. Kota
yang berpenduduk lebih dari 2-3 juta jiwa dapat dipastikan mempunyai
permasalahan transportasi. Pada akhir tahun 2000, diperkirakan hampir semua
ibukota provinsi dan beberapa ibukota kabupaten akan berpenduduk di alas 1-2 juta
jiwa sehingga permasalahan transportasi tidak bisa dihindarkan.
Hal ini merupakan lampu merah bagi para pembina daerah perkotaan di Indonesia
karena mereka akan dihadapkan pada perniasalahan bars yang memerlukan
pemecahan yang baru pula, yaitu permasalahan transportasi perkotaan (Tarnin,
1988abcd,1997a,2000a).
Kota kecil juga mempunyai permasalahan transportasi yang perlu pemecahan secara
dini pula, namun pada umumnya masih dalam skala kecil dan pemecahannya tidal(
memerlukan biaya besar dan waktu lama. Dengan demikian, peranan perencanaan,
pemodelan, dan rekayasa transportasi dalam merencanakan pembangunan sistem
prasarana transportasi, pengembangan wilayah, dan lain-lainnya menjadi semakin
terlihat nyata.
Pada beberapa negara sedang berkembang, khususnya Indonesia, sektor pertanian
konvensional secara perlahan terlihat semakin kurang menarik dan tidak lagi
diminati, terutama oleh generasi muda. Di sisi lain, perkotaan menawarkan begitu
banyak kesempatan, baik di sektor fomtal maupun infonnal.
Tambahan lagi, pertumbuhan wilayah di daerah pedalaman lebih Iambus
dibandingkan dengan di daerah perkotaan. Hal ini menyebabkan tersedia lebih
banyak lapangan kerja serta upah dan gaji yang jauh lebih tinggi di daerah
perkotaan dibandingkan dengan di daerah pedalaman.
Semua hal ini merupakan daya tank yang sangat }mat bagi para petani di daerah
pedalaman untuk berurbanisasi ke daerah perkotaan. Di mana ada gula, pasti akan
banyak semut yang datang menghampiri. Hal ini mendukung pernyataan yang

34 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi

i
mengatakan bahwa proses urbanisasi yang sangat cepat telah terjadi beberapa tahun
belakangan ini pada beberapa kota besar di Indonesia. khususnya DKI-Jakarta.
Namun, sebesar apapun kota tersebut dengan segala kelengkapannya, pasti
mempunyai keterbatasan berupa batas daya dukung lahan. Jika batas tersebut sudah
terlampaui, akan terjadi dampak yang sangat merugikan.
Dalain konteks kota di Indonesia, fenomena kota betmasalah sudah mulai terlihat,
yang diperkirakan akan terus berkembang menjadi persoalan yang semakin rumit
seiring dengan semakin tingginya laju urbanisasi. Hal ini sulit dihindari karena
daerah perkotaan sudah terlanjur dianggap sebagai penyedia berbagai macam
lapangan pekerjaan.
Tingginya urbanisasi secara tidak langsung dapat dikatakan sebagai akibat dari tidak
meratanya pertumbuhan wilayah di Indonesia; antara daerah pedalaman (rural)
dengan daerah perkotaan (urban). Semakin besar perbedaan tingkat pertumbuhan
wilayah tersebut, semakin tinggi pula tingkat urbanisasi yang pada gilirannya akan
menimbulkan beberapa permasalahan perkotaan, khususnya di sektor transportasi.
Tambahan lagi, proses urbanisasi dan industrialisasi selalu terjadi secara hampir
bersamaan, terutarna di negara yang beralih dari negara pertanian (agraris) ke
negara industri. Indonesia, pada saat ini, tergolong negara yang sedang bergerak
menuju negara semiindustri.
Beberapa data kota besar di dunia menyatakan bahwa semakin tinggi intensitas
industri di daerah tersebut, semakin tinggi pula tingkat urbanisasinya. Hal ini
mungkin karena berdasarkan Teori Lokasi, lokasi industri yang sangat efektif dan
efisien berada di dekat pasar, yaitu daerah perkotaan (urban).
Industri tersebut memberikan lapangan pekerjaan yang cukup tinggi dan dengan
sistem penggajian yang jauh lebih baik dibandingkan dengan daerah pedalaman
(stony). Hal ini yang menyebabkan tingkat urbanisasi yang cukup tinggi.
Laju urbanisasi yang semakin pesat ini tentu menimbulkan sejunilah permasalahan;
salah satu di antaranya masalah transportasi. Dapat dikatakan permasalahan
transportasi perkotaan masa mendatang sudah berada di depan mata.
Selain urbanisasi, beberapa kecenderungan lain yang perlu dicermati, yang akan
sangat mempengaruhi transportasi perkotaan, sebagai berikut (Tannin,
1988abcd,1997a, 2000a).
semakin jauh rata-rata pergerakan manusia setiap hari. Semakin mahalnya
harga tanah di pusat perkotaan menyebabkan lahan permukiman semakin
bergeser ke pinggiran kota, sedangkan tempat pekerjaan cenderung semakin
terpusat di pusat perkotaan. Hal ini menyebabkan seseorang akan bergerak
lebih jauh dais lebih lama untuk mencapai tempat kerja. Semakin jauh dan
semakin lama seseorang membebani jaringan jalan, semaldn tinggi pula
kontribusinya terhadap kemacetan.
semakin banyak wanita yang bekerja. Tidak dapat disangkal lagi, kebutuhan
keluarga pada masa sekarang tidak hanya bisa ditunjang oleh penghasilan
suami saja. Perlu ada tamhahan lain, dan ini menyebabkan istri juga harus

Perencanaan, pemodelan, dan rekayasa transportasi 35


bekerja, yang berakibat sehingga menyebabkan semakin banyaknya pergerakan
yang dilalculcan oleh keluarga.
semakin banyak pelajar dan mahasiswa. Kecenderungan per.ingan yang
semakin ketat di masa mendatang menyebabkan pendidikan berkelanjutan
seperti kursus, pelatihan, pendidikan bergelar paruh waktu menjadi suatu
keharusan bagi seseorang yang telah bekerja. Kecenderungan ini menyebabkan
terjadi pergerakan tambahan ke pusat kota, tempat biasanya pusat pendidikan
tersebut berlokasi.
semakin banyak wisatawan. Tingginya tekanan yang dirasakan oleh setiap
orang yang tinggal di daerah perkotaan menyebabkan relcreasi menjadi suatu
kebutuhan utama. Sudah barang tentu hal ini pan menyebabkan semakin
banyaknya pergerakan.
Orang yang melakukan urbanisasi dapat dikelompokkan menjadi 3 (sign) kelompok
utama, yaitu a) orang yang mampu membeli tanah atau menyewa tempat tinggal di
dalam kota dan bekerja di claim kota; b) orang yang bekerja di dalam kota, tetapi
terpaksa tinggal di pinggiran kota karena tidak mampu membeli tanah di dalam
kota; akan tetapi mampu membeli tanah di pinggiran kota serta masih mampu
membayar biaya transportasi untuk bergerak dari daerah pinggiran kota ke dalam
kota setiap harinya; dan terakhir c) orang yang tidak stamps membeli tanah atau
menyewa tempat tinggal di dalam kota sena tidak mempunyai kemampuan untuk
membayar biaya transportasi.
Orang yang termasuk pada kelompok pertama (a) tidak akan menyebabkan
permasalahan transportasi yang berarti dalam hal mobilitas dan aksesibilitas karena
jarak antara tempat tinggal dengan tempat bekerja yang culcup dekat. Orang yang
tergolong pada kelompok kedua (b), yang persentasenya tertinggi di antara ketiga
kelompok tersebut, sangat potensial menimbulkan permasalahan transportasi.
Pennasalahan tersebut terjadi setiap hari, yaitu pada jam sibuk pagi dan sore hari.
Pada jam sibuk pagi hari terjadi proses pergerakan dengan volume tinggi, bergerak
he dalam kota dari pinggiran kota untuk bekerja. Pada sore hari terjadi hal yang
sebaliknya karena semua orang kembali ke rumahnya masing-masing.
Permasalahan transportasi semakin bertarnbah sejalan dengan semakin bergesemya
perrnukiman kelompok berpenghasilan menengah ke bawah ini jauh ke daerah
pinggiran kota. Kecenderungan ini teras berlangsung sejalan dengan semakin
pentingnya daerah perkotaan yang menyebabkan harga tanah semakin mahal.
Kelompok terakhir (c) adalah kelompok yang tidak mampu membeli tanah atau
tidak mampu menyewa tempt tinggal di dalam kota area tidak mampu pula
membayar biaya transportasi sehingga terpaksa menempati ruang kosong di seputar
kota scram ilegal. Implikasi yang timbul seterusnya adalah masalah permukiman
kumuh yang bukan saja menyangkut masalah transportasi, tetapi sudah mengarah
kepada masalah sosial, kesehatan, kejahatan, pendidikan, dan lain-lain.
Untuk mengatasi semakin meningkatnya pergerakan ini, beberapa perkembangan
penting dalam perencanaan, pemodelan, dan rekayasa transportasi terjadi pada

36 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Mori, contoh soal, dan aplikasi
pertengahan tahun 1970-an, khususnya pada beberapa pusat penelitian dan
pengembangan.
Perkembangan penting tersebut lebih ditingkatkan serta diimplementasikan oleh
para konsultan dan kontraktor. Akan tetapi, banyak penemuan baru itu tidak
mendapat perhatian yang baik dari pihak luar, padahal belakangan terbukti bahwa
perencanaan, pemodelan, dan rekayasa transportasi sangat berperan dalam
memecahkan berbagai permasalahan transportasi.

2.1.2 Model dan peranannya

Model dapat didefinisikan sebagai bentuk penyederhanaan suatu realita (atau dunia
yang sebenamya); termasuk di antaranya (Tamin, 1988abcd,1997a,2000a):
. model fisik (model arsitek, model teknik sipil, wayang golek, dan lain-lain);
• peta dan diagram (grafis);

• model statistika dan matematika (persamaan) yang menerangkan beberapa


aspek fisik, sosial-ekonomi, dan model transportasi.
Semua model tersebut merupakan cerminan dan penyederhanaan realita untuk
tujuan tertentu, seperti memberikan penjelasan, pengertian, serta peramalan.
Beberapa model dapat mencerminkan realita secara tepat.
Sebagai ilustrasi, model maket (bagian dari model fisik) sering digunakan dalam
ilmu arsitektur untuk mempelajari dan menganalisis dampak pembangunan suatu
kota baru ataupun pengembangan wilayah terhadap lingkungan sekitarnya dengan
menggunakan model berskala lebih kecil.
Dalam ilmu teknik sipil, model maket (misalnya berskala 1:100) sering juga
digunakan untuk mempelajari perilaku bendungan atau jembatan sebelum bangunan
sipil tersebut dibangun dengan ukuran yang sebenarnya.
Begitu juga dalam bidang pariwisata; sering kita temui penjualan model miniatur
pariwisata (misalnya candi Borobudur) yang sebenamya merupakan replika candi
tersebut dalam skala lebih kecil. Dengan melihat model miniatur itu, seseorang
tidalc perlu mengeluarkan biaya beau pergi ke Yogyakarta untuk melihat candi
tersebut (realita), tetapi dapat membayangkannya debart hanya melihat model
tersebut.
Selain itu, dengan hanya menggunakan media informasi garis dan angka dalam
suatu peta kontur, seseorang (ahi geodesi) dapat langsung membayangkan perkiraan
situasi dan kondisi lapangan sebenarnya (realita) tanpa harus pergi ke lapangan,
cukup dengan hanya melihat peta kontur tersebut. Foto, sketsa, atau peta dapat
dikategorikan sebagai model karena dapat merepresentasikan realita dengan cara
yang lebih sederhana.
Secara umum dapat dikatakan bahwa semakin mirip suatu model dengan realitanya,
semakin sulit model tersebut dibuat (misalnya, wayang golek lebih mirip manusia
dibandingkan dengan wayang kulit sehingga wayang golek lebih sulit dibuat
dibandingkan dengan wayang kulit). Model yang canggih belum tentu merupakan

Perencanaan, pemodelan, dan rekayasa transportasi 37


model yang balk; kadang-kadang model yang jauh lebih sederhana ternyata lebih
cocok untuk tujuan, situasi, dan kondisi tertentu.
Dalam perencanaan, pemodelan, dan rekayasa transportasi, kita akan sangat sering
menggunakan beberapa model utama, yaitu model grafis dan model matematis.
Model grafis adalah model yang menggunakan gantbar, warna, dan bentuk sebagai
media pemyantpaian informasi mengenai keadaan sebenamya (realita).
Model grafis sangat diperlukan, khususnya untuk transportasi, karena kita perlu
mengilustrasikan terjadinya pergerakan (arah dan besarnya) yang terjadi yang
beroperasi enema spasial (ruang). Model matematis menggunakan persamaan atau
fungsi matematika sebagai media dalam usaha mencerminkan realita.
\Valaupun merupakan penyederhanaan, model tersebut bisa saja sangat kompleks
dan membutuhkan data yang sangat banyak serta waktu penyelesaian yang sangat
lama. Beberapa keuntungan dalam pemakaian model matematis dalam perencanaan
transportasi adalah sewaktu pembuatan formulasi, kalibrasi serta penggunaatutya,
para perencana dapat belajar banyak, melalui eksperimen, tentang perilaku dan
mekanisme intemal dari sistem yang sedang dianalisis.
Akan tetapi, pemodelan transportasi hanya merupakan salah satu unsur dalam
perencanaan transportasi. Lembaga, departemen, penganlbil keputusan, masyarakat,
administrator, peraturan, dan penegakan hukutn adalah beberapa unsur lainnya yang
harus direncanakan dengan baik untuk mendapatkan sistem perencanaan
transportasi yang baik.
Perencanaan, pemodelan, dan rekayasa transportasi serta pengambil keputusan
dapat dikombinasikan dengan cara yang berbeda-beda; tergantung pada pengalanian
lokal, medial, dan pengalaman. Sebelum kita mendiskusikan cara memilih model
yang baik, sebaiknya diterangkan dahulu beberapa ciri utama permasalahan
transportasi dan hal-hal yang terkait di dalanutya.

2.2 Ciri permasalahan transportasi

LPAi-ITB (1997a) menjelaskan bahwa ruang lingkup permasalahan transportasi


telah bertambah luas dan perntasalahannya itu sendiri bertambah parah, baik di
negara maju (industri) maupun di negara sedang berkembang.
Terbatasnya bahan bakar secara temporer bukanlah permasalahan yang parah;
tetapi, peningkatan arus lalu lintas serta kebutuhan akan transportasi telah
menghasilkan kemacetan, tundaan, kecelakaan, dan permasalahan lingkungan yang
sudah berada di atas ambang batas.
PerTnasalahan ini tidak hanya terbatas pada jalan raya saja. Pertumbuhan ekonomi
menyebabkan mobilitas seseorang meningkat sehingga kebutuhan pergerakannya
pun meningkat melebihi kapasitas sistem prasarana transportasi yang ada.
Kurangnya investasi pada suatu sistem jaringan dalam waktu yang cukup lama
dapat mengakibatkan sistem prasarana transportasi tersebut menjadi sangat rentan
terhadap kemacetan yang terjadi apabila volume ants lalu lintas meningkat lebih
dari rata-rata.

38 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
Permasalahan tersebut semakin bertambah parah melihat kenyataan bahwa
meskipun sistem prasarana transportasi sudah sangat terbatas, tetapi banyak dari
sistem prasarana tersebut yang berfungsi secara tidak efisien (beroperasi di bawah
kapasitas), misalnya: adanya wanung tegal yang menempati jalur pejalan kaki yang
menyebabkan pejalan kaki terpaksa hams menggunakan badan jalan yang tentunya
akan mengurangi kapasitas jalan tersebut.
Contoh lainnya, parkir di badan jalan sudah barang tentu akan mengurangi kapasitas
jalan dan akan menyebabkan penumnan kecepatan bagi kendaraan yang melaluinya.
Hal yang perlu diperhatikan di sini adalah berapa besar keuntungan yang dapat
diterima dari retribusi parkir dibandingkan dengan besarnya biaya yang hams
dikeluarkan oleh setiap kendaraan yang melalui mas jalan tersebut akibat
menumnnya kecepatan yang disebabkan oleh adanya parkir di badan jalan.

2.2.1 Ciri kebutuhan akan transportasi


Kebutuhan akan pelayanan transportasi bersifat sangat kualitatif dan mempunyai
ciri yang berbeda-beda sebagai fungsi dari waktu, tujuan perjalanan, frekuensi, jenis
kargo yang diangkut, dan lain-lain.
Pelayanan transportasi yang tidak sesuai dengan kebutuhan akan pergerakan
menyebabkan sistem transportasi tersebut tidak berguna (mubazir). Ciri ini
membuat analisis dan peramalan kebutuhan akan pergerakan menjadi semakin sulit.
Kebutuhan akan pergerakan bersifat sebagai kebutuhan turunan. Hal ini dapat
dijelaskan sebagai berikut. Seperti kita ketahui, pergerakan terjadi karena adanya
proses pemenuhan kebutuhan.
Pemenuhan kebutuhan mempakan kegiatan yang biasanya hams dilakukan setiap
hari, misalnya pemenuhan kebutuhan akan pekerjaan, pendidikan, kesehatan, dan
olaluaga. Kita sebenaniya tidak perlu bergerak kalau semua kebutuhan tersebut
tersedia di tempat kita berada (tempat tinggal).
Akan tetapi, dalam ilmu perencanaan wilayah dan perkotaan, setiap tata guna lahan
mempunyai beberapa ciri dan persyaratan teknis yang harus dipenuhi dalam
perencanaan dan perancangannya. Misalnya, bandara hams berada jauh dari daerah
perkotaan karena alasan keselamatan dan kebisingan serta hams pula jauh dari
daerah pegunungan dengan alasan operasi penerbangan pesawat yang menggunakan
bandana tersebut.
Daerah permukiman, industri, pertokoan, perkantoran, fasilitas hiburan, dan fasilitas
sosial, semuanya mempunyai beberapa persyaratan telcntis dan nonteknis yang hams
dipenuhi dalam menentukan lokasinya.
Setiap lahan atau tats guna lahan mempunyai ciri teknis tersendiri yang dapat
menentukau jenis kegiatan yang cocok di lokasi tersebut. Beberapa ciri reknit yang
siring dipakai adalah kondisi topografi (datar, bukit, pegunungan), kesuburan tanah,
dan geologi.
Akibatnya, lokasi kegiatan tersebar secara heterogen di dalam mang yang ada yang
akhirnya menyebabkan perlu adanya pergerakan yang digunakan untuk proses
pemenuhan kebutuhan. Seseorang akan berangkat pada pagi hari dari lokasi

Perencanaan, pemodelan, dan rekayasa transportasi 39


perumahan be lokasi tempat bekerja. Kemudian, sebelum pulang ke rumah pada
sore hari, mungkin ia mampir dulu untuk berbelanja, dan berolahraga pada lokasi
lain yang berbeda.
Dengan demikian, fasilitas sosial, fasilitas biburan, pusat perbelanjaan, dan
perkantoran yang merupakan tempat pemenuhan kebutuhan harian hares disebar
secara merata dalam suatu daerah perkotaan sehingga jarak dari peramaban ke
berbagai lokasi tersebut menjadi lebih pendek. Semakin jauh dan semakin lama kita
bergerak, sentakin tinggi peluang kita memberikan kontribusi terhadap kemacetan
di kota tersebut.
Dalam melakukan pergerakan untuk memenuhi kebutuhan tersebut, kita mempsayai
dua pilihan, yaitu bergerak dengan moda transportasi atau tanpa moda transportasi
(berjalan kaki). Pergerakan tanpa moda transportasi (misal berjalan kaki) biasanya
berjarak pendek (1-2 kan), sedangkan pergerakan dengan moda transportasi
berjarak sedang atau jauh.
Jenis moda transportasi yang digunakan juga sangat beragani, seperti mobil pribadi,
taksi, bus, kereta api, sepeda motor, pesawat terbang, dan kapal laut. Apapun moda
transportasinya, moda tersebut tidak akan pemah dapat bergerak kalau kita tidak
mempersiapkan tempat mereka bergerak seperti jalan raya, jalan rel, bandar udara,
dan pelabuhan laut yang biasa disebut astern prasarana transportasi dan akan
dijelaskan berikut ini.

2.2.2 Ciri sistem prasarana transportasi


Ciri utama sistem prasarana transportasi adalah melayani pengguna; bukan berupa
barang atau komoditas. Oleh karena itu, prasarana tersebut tidak mungkin disimpan
dan digunakan hanya pada saat diperlukan. Sistem prasarana transportasi hares
selalu dapat digunakan di mana pan dan kapan pun, karena jika tidak, kita akan
kehilangan manfaatnya (mubazir).
Oleh karena itu pula, sangatlah penting mengetahui secara akurat besarnya
kebutuhan akan transportasi pada masa mendatang sehingga kita dapat menghemat
sumber daya dengan mengatur atau mengelola sistem prasarana transportasi yang
dibutuhkan.
Pada dasarnya, sistem prasarana transportasi mempunyai dua peran utama, yaitu:
• Sebagai alat bantu untuk mengarahkan pembangunan di daerah perkotaan
(trade follows the ship);

• Sebagai prasarana bagi pergerakan manusia dan/atau barang yang timbul akibat
adanya kegiatan di daerah perkotaan tersebut (ship follows the trade).
Pecan penama sering digunakan oleh pars perencana pengembang wilayah untuk
dapat mengembangkan wilayahnya sesuai dengan rencana. Katakanlah ada suatu
daerah permukiman bans yang hendak dipasarkan; tidak akan pemah ada
peminatnya kalau di daerah itu tidak disediakan sistem prasarana transportasi.

40 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh coal, dan aplikasi
Begitu sistem prasarana transportasinya tersedia, maka aksesibilitas permukiman
tersebut menjadi semakin tinggi (semakin mudah dicapai) yang akhimya
menyebabk an minat pembeli menjadi bertambah untuk tinggal di situ.
Hal yang sama juga terjadi di lahan permukiman transmigrasi. Suatu kawasan
permukiman tidak akan dapat berkembang, meskipun fasilitas rumah dan sawah
sudah siap pakai, jika tidak tersedia sistem prasarana transportasi; hal ini akan
mengakibatkan biaya transportasi menjadi sangat tinggi.
Sebaliknya, sistem prasarana transportasi mungkin belum diperlukan pada saat
sekarang karma kebutuhan akan pergerakan masih sangat rendah atau belum ada
sama sekali. Jika hal ini dibiarkan terus menerus maka kawasan permukiman
tersebut tidak akan pernah bisa berkembang selamanya.
Oleh sebab itu, kebijakan yang harus dilakukan adalah menyediakan sistem
prasarana transportasi dengan kualitas seminimal mungkin, tetapi masih bisa dilalui.
Adanya keterhubungan atau konektivitas ini akan menyebabkan kawasan tersebut
menjadi mudah dicapai dan orang akan mulai mau tinggal di sana.
Setetusnya, setelah kawasan tersebut berkembang yang menyebabkan terbentuknya
kebutuhan akan pergerakan yang catnap besar, barulah sistem prasarana
transportasinya ditingkatkan sesuai dengan peramalan kebutuhan akan pergerakan
pada masa mendatang. Di sinilah mulai tampak pecan kedua dari sistem prasarana
transportasi.

2.2.3 Keseimbangan antara sistem prasarana transportasi dan


kebutuhan akan transportasi
Sepeni terlihat pada Gambar 2.1, secara umum dapat dikatakan bahwa peranan
perencanaan dais pemodelan transportasi sebenarnya adalah untuk dapat
memastikan bahwa kebutuhan akan pergerakan dalam bentuk pergerakan manusia,
barang, atau kendaraan dapat ditunjang oleh sistem prasarana transportasi yang ada
dan harus beroperasi di bawah kapasitasnya.

Gambar 2.1 Kemacetan dan beberapa


efek ekstemalnya
Sumber. Ortuzar dan Willumsen (1994,
2001)

Perencanaan, pemodelan, dan rekayasa transportasi 41


Kebutuhan akan pergerakan itu sendiri mempunyai ciri yang berbeda-beda, seperti
perbedaan tujuan perjalanan, moth transportasi yang digunakan, dan waktu
terjadinya pergerakan. Sistem prasarana transportasinya sendiri terbentuk dari:
• Sistem prasarana (penunjang), misalnya sistem jaringan jalan raya atau jalan
rel termasuk terminal;
• Sistem manajemen transportasi, misalnya undang-undang, peraturan, dan
kebijakan;
• Beberapa jenis moda transportasi dengan berbagai macam operatonrya.
Pertimbangkan satu set volume pergerakan pada suatu sistem jaringan (V), satu set
kecepatan (S), dan kapasitas operasional (Q) yang beroperasi di bawah sistem
manajemen transportasi tertentu (M). Dalam beatnik umum, dapat dikatakan bahwa
kecepatan arus pergerakan dalam sistem jaringan tersebut dapat ditampilkan dalam
persamaaan berikut:
S =J[Q,v,M] (2.1)
Kecepatan dapat dianggap sebagai indikator umum dalam menyatakan tingkat
pelayanan (Level of Service=LOS) dari sistem jaringan tersebut. Dalam bentuk yang
lebih umum, LOS tergantung dari kombinasi kecepatan atau waktu tempuh, waktu
tunggu dan tarif (bus atau parkir), dan lain-lain.
Sistem manajemen (M) meliputi manajemen lalu lintas, sistem lampu lalu lintas
terkoordinasi, batasan lalu lintas, biaya penggunaan jalan, atau peraturan yang
diberlakukan bagi setiap moth transportasi. Kapasitas (Q) akan sangat tergantung
pada sistem manajemen (M) dan tingkat penyediaan investasi (I) selama beberapa
tahun, sehingga:
Q =JII,M] (2.2)
Sistem manajemen juga bisa digunakan untuk mendistribusikan kembali kapasitas
setiap sistem prasarana transportasi, yang akan menghasilkan Q', dan/atau
memberikan prioritas khusus pada pengguna tertentu, misalnya efisiensi (pengguna
angkutan umum, pengendara sepeda), lingkungan (kendaraan berbahan bakar gas
atau listrik) atau, hak penggunaan prasarana yang adil (pejalan kaki).
Seperti dalam kasus barang dan pelayanannya, seseorang akan memperkirakan
bahwa tingkat kebutuhan akan pergerakan (D) akan tergantung pada tingkat
pelayanan yang disediakan oleh sistem transportasi dan juga pengalokasian aktivitas
(A) dalam ruang:
D =J[S,A] (2.3)
Dengan menggabungkan persamaan (2.1) dan (2.3) untuk suatu sistcm aktivitas
yang sudah tetap, akan ditemukan satu set titik keseimbangan antara kebutuhan
akan pergerakan dengan sistem prasarana transportasi.
Akan tetapi, sistem aktivitas tersebut mungkin akan berubah sejalan dengan
perubahan tingkat pelayanan prasarana dalam niang dan waktu. C`leh karena itu,
akan ditemukan beberapa set titik keseimbangan untuk jangka pendek dan jangka
panjang.

42 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi

i
Tujuan perencanaan transportasi adalah meramalkan dan mengelola evolusi titik
keseimbangan ini sejalan dengan waktu sehingga kesejahteraan sosial dapat
dimaksimumkan.
Hal ini, sudah barang tentu, bukanlah hal yang mudah; pemodelan titik
keseimbangan akan menolong kita memahami evolusi tersebut secara lebih baik
sehingga dapat menyarankan berbagai macam kebijakan, strategi sistem manajemen
transportasi (M), dan program investasi (1).

2.3 Pemilihan pendekatan model

Kebijakan transportasi yang akan diambil atau diputuskan oleh para pengambil
keputusan biasanya menggunakan hasil perencanaan, pemodelan, dan rekayasa
transportasi sebagai alat bantu dalam mengambil keputusan.
Oleh sebab itu, para pengambil keputusan lebih mempunyai wewenang dalam
menentukan kebijakan yang akan ditentukan dibandingkan dengan para perencana
transportasi. Hal ini karena para pengambil keputusan memperhitungkan faktor
yang lain, seperti lingkungan, keamanan, pertahanan, ekonomi, dan sosial budaya
yang mungkin tidak (pemah) terpikirkan oleh para perencana transportasi.
Model transportasi yang diabaikan oleh para pengambil keputusan bukan saja
merupakan pemborosan, tetapi dapat membuat frustrasi para perencana transportasi.
Jadi, dapat dikatakan bahwa basil perencanaan, pemodelan, dan rekayasa
transportasi merupakan alat bantu bagi para pengambil keputusan dalam
menentukan kebijakan yang akan diambil, bukan sebagai penentu kebijakan.
Oleh karma itu, Tamin (1988abcd,1997a,2000a) dan Ortuzar dan Willumsen
(1994,2001) mengusulkan beberapa hal yang perlu diperhatikan dalam menentukan
pendekatan analitis yang akan dipakai, antara lain seperti berikut ini.
1 Pengambilan keputusan Hal yang perlu diperhatikan di sini antara lain
apakah keputusan tersebut bersifat strategis, taktis, atau operasional. Sifat
keputusan tersebut dapat menentukan tingkat kedalaman analisis; apakah hanya
faktor transportasi saja atau ada faktor lain yang ikut mempengaruhi atau dint
terpengaruh.
Dari sisi sistem transportasi, apakah kita hanya tertarik pada kebutuhan akan
pergerakan saja atau tennasuk juga sistem prasarananya dan lain-lain?
Pertanyaan mengenai berapa banyak pilihan yang harus dipertimbangkan
dalam menentukan suatu kebijakan transportasi juga merupakan hal yang perlu
diperhatikan.
2 Persyaratan ketepatan Ketepatan basil kajian perencanaan, pemodelan,
dan rekayasa transportasi sangat diperlukan dan tergantung pada tujuan kajian
tersebut. Ketepatan data sangat menentukan ketepatan hasil pemodelan,
sedangkan ketepatan data sangat tergantung pada jumlah data yang
dikumpulkan, kualitas peralatan yang digunakan untuk mendapatkan data
tersebut serta kualitas surveyor yang menggunakan peralatan tersebut. Menatar

Perencanaan, pemodelan, dan rekayasa transportasi 43


surveyor sebelum melaksanakan survei dan penjelasan manual peralatan
merupakan suatu usaha yang tepat dalam meningkatkan ketepatan data.
3 Tersedianya data yang dibutuhkan Data merupakan permasalahan utama
dalam pemodelan. Terbatasnya data dari sisi kualitas dan kuantitas
menyebabkan hasil pemodelan tidak mempunyai ketepatan yang tinggi. Selain
sistem transformasi data yang tidak begitu baik menyebabkan data tersebut
sangat susah didapat, meskipun sudah tersedia.
Fasilitas faksimili merupakan alat bantu utama dalam proses transformasi data.
Pada saat ini, fasilitas internet telah pula tersedia dan bisa didapat dengan biaya
yang sangat murah yang memungkinkan data bisa langsung didapatkan pada
saat yang bersaniaan dengan kegiatan pengumpulan data (waktu-nyata).
4 Kemutakhiran pemodelan Pemodelan adalah pencemiinan dan penyeder-
hanaan realita. Jadi, semakin kits dapat mencerminkan realita, dapat dikatakan
model tersebut menjadi semakin baik. Akan tetapi, untuk mencapai hal tersebut
biasanya dibutuhkan dana yang sangat besar dan data yang sangat banyak.
Karena keterbatasan biaya dan waktu, kemampuan memilih model yang tepat
sangat dibutuhkan yang hams sesuai dengan situasi dan kondisi tertentu.
5 Sumber daya yang tersedia Hal ini menyangkut dana, data, perangkat
komputer, termasuk paket program yang tersedia, kemampuan peneliti, dan
seterusnya. Dua jenis sumber daya yang perlu digarisbawahi di sini adalah
waktu dan tingkat komunikasi dengan para penganibil keputusan dan
masyarakat.
R'aktu merupakan hal terpenting — jika hanya sedikit waktu yang tersedia
dalam penentuan kebijakan, maka melakukan pemodelan sesederhana mungkin
akan lebih baik daripada pemodelan yang menyeluruh. Selain itu, adanya
komunikasi yang baik dengan para pengambil keputusan serta masyarakat
sebagai pengguna akan mengurangi permasalahan.
6 Persyaratan proses data Mungkin salah satu pertanyaan yang timbul di sini
adalah seberapa besar kemampuan perangkat komputer yang diperlukan?
Jawabannya, mungkin tidak perlu terlalu besar karena satu komputer jinjing
sudah mempunyai kemampuan yang sangat besar dan kecepatan proses yang
sangat tinggi dengan harga yang cukup murah.
Hambatan utama dalam memproses data tersebut adalah kemampuan manusia
dalam mengumpulkan, mengkodefikasi, memasukkan data, menjalankan
program, dan menafsirkan keluaran dari program tersebut.
7 Tingkat kemampuan perencana dan peneliti Biaya pelatihan biasanya cu-
kup tinggi sehingga langkah yang terbaik adalah menggunakan model yang ada
seefisien mungkin sambil mempelajari dan memahami model lainnya yang
lebih baik. Jumlah perencana atau peneliti yang banyak serta berkualitas baik
sangat diperlukan.
Peningkatan kemampuan pars peneliti tidak perlu dilakukan melalui
pendidikan formal karena membutuhkan waktu yang cukup lama dan biaya

44 Ofyar Z Tamin, Perencanean, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
yang mahal. Pelatihan atau penyuluhan merupakan salah sato hal yang sangat
efektif untuk mengatasi pennasalahan tersebut.

2.4 Faktor dalam pemodelan transportasi

2.4.1 Spesifikasi model

Tamin (1988abcd,1997a,2000a) dan Ortuzar dan Willumsen (1994,2001)


menjelaskan beberapa hal penting yang hams dipertimbangkan yang dirasakan perlu
dijabarkan lebih lanjut.

2.4.1.1 Struktur model Apakah mungkin kita membuat model sneak suatu sis-
tem dengan suatu struktur sederhana berupa fungsi dari beberapa altematif yang
saling tidak berhubungari? Atau, apakah perlu kita membuat model yang sangat
kompleks yang digunakan untuk menghitung peluang dari suatu kejadian yang telah
pemah terjadi'?
Pertanyaan ini sering timbul pada setiap peneliti. Model kontemporer selalu
mempunyai banyak parameter untuk bisa menunjukkan aspek struktural model
tersebut, dan dengan metodologi yang sudah berkembang sekarang mogul
dimungkinkan membentuk model yang sangat umum yang memiliki banyak
peubah.

2.4.1.2 Bentuk fungsional Apakah mungkin menggunakan bentuk linear atau-


kah suatu permasalahan memerlukan pemecahan yang bersifat tidak-linear?
Pemecahan tidak-linear akan dapat mencenninkan realita secara lebih tepat, tetapi
membutuhkan lebih banyak sumber daya dan teknik untuk proms pengkalibrasian
model tersebut.

2.4.1.3 Spesifikasi peubah Peubah apa yang dapat digunakan dan bagaimana
peubah tersebut berhubungan satu sama lain dalam suatu model? Untuk
menjelaskannya diperlukan proses tertentu dalam menentukan peubah yang
dominan, antara lain proses kalibrasi dan pengabsahan.

2.4.2 Kalibrasi dan pengabsahan model

Suatu model dapat secara sederhana dinyatakan sebagai fungsi matematika dari
beberapa peubah X dan parameter 0, seperti:
Y = f(X, 0) (2.4)
Sangatlah menarik mengkaji perbedaan antara kalibrasi model dan taksiran model,
khususnya dalam pemakaian di bidang transportasi. Pengkalibrasian model
mensyaratkan pemilihan parameter yang mengoptimumkan satu atau lebih ukuran
kesesuaian yang juga merupakan fungsi dari data hasil pengamatan.
Prosedur ini sering digunakan oleh fisikawan dan ahli teknik yang bertugas
membuat model pertama (awal) dan mereka tidak perlu mencemaskan perilaku
statistika yang dihasilkan.

Perencanaan, pemodelan, dan rekayasa transportasi


Sementara itu, penaksiran model meliputi usaha musk mendapatkan nilai parameter
sehingga hard spesifikasi model tersebut dapat mendekati data hasil pengamatan
(realita). Dalam kasus ini, bisa raja satu atau lebih parameter dianggap tidak
signifikan, karena itu perlu dikeluarkan dari model. Taksimn juga
mempertimbangkan kemungkinan mempelajari beberapa faktor spesifikasi secara
empuls.
Prosedur ini sering dilakukm oleh para ahli teknik dan ekonomi yang bertanggung
jawab dalam pengembangan model selanjutnya yang lebilm rnementingkan perilaku
statistika model tersebut. Akan tetapi, kedua prosedur tersebut pada dasamya sama
karena cara untuk menentukan parameter yang lebilm bark yang akan digunakan
ditentukan oleh ukuran kesesuaian.
Suatu model yang sudah dikalibrasi dengaa data tertentu belum tentu cocok dipakai
untuk penerapan yang lain. Hal an disebabkan pada dasamya realita antara kedua
terapaa tersebut berbeda, terutama peubah yang mungkin tidak sama.
Oleh karena ret. sebelurn diterapkan di tempat lain, model tersebut perlu diabsahkan
terlebih dahulu dengan menggunakan data asli daerah tersebut.

2.4.3 Beberapa definisi dalam pemodelan

Beberapa definisi berikut ini perlu dijelaskan karma sering digunakan dalam proses
pemodelan (Black, 1981 dan LPM-ITB, 1996b,1997bc).
Fungsi Konsep matematis yang digunakan untuk menyatakan bagaimana
sans nilai peubah (tidak bebas) ditentukan oleh satu atau beberapa peubah
lairmya (bebas).
b Argumen Nilai tertentu suatu fungsi dapat dihitung dengan memasukkan
nilai pada peubah (bebas) yang ada claim fungsi tersebut; peubah bebas itu
disebut argumen.
c Peubah Kuantitas yang dapat digunakan untuk mengasumsikan nilai
numerik yang berbeda-beda. Jika suatu huruf digunakan untuk menyatakan
nilai suatu fungsi, huruf itu disebut peubah tidak bebas; jika digunakan sebagai
argumen suatu fungsi, disebut peubah bebas.
d Parameter Kuantitas yang mempunyai suns nilai konstan yang berlaku
pada kasus tertentu, yang mungkin mempunyai nilai konstan yang berbeda
pada kasus yang lain.
e Koetisien Dalam aplikasi matematika, koefisien mernpunyai definisi yang
sama dengan parameter.
Kalibrasi Proses yang dilakukan untuk menaksir nilai parameter atau
koefisien sehingga hasil yang didapatkan mempunyai galat yang sekecil
mungkin dibandingkan dengan hasil yang sebenamya (realita).
Algoritma Suatu prosedur yang menunjukkan silvan operas aritmatik yang
rumit. Biasanya algoritma sering digunakan dalam pembuatan program
komputer.

46 Of, Z Tamin, Perencanaan, pemodelan, dan rekayasa transportas,


Teo,. contoh soal. dan aplikasi
2.5 Ciri dasar perencanaan transportasi

2.5.1 Pendahuluan
Perlu disadari bahwa kajian perencanaan transportasi mempunyai ciri yang berbeda
dengan kajian bidang lain. Hal ini disebabkan objek penelitian suatu kajian
perencanaan transportasi cukup luas dan beragam.
Di samping itu, kajian perencanaan transportasi juga biasanya melibatkan aspek
yang cukup banyak dan beragam pula. Secara singkat, ciri kajian perencanaan
transportasi ditandai dengan adanya multimoda, multidisiplin, multisektoral, dan
multimasalah [lihat juga LPM-ITB (1996b,1997a)].

2.5.1.1 Multimoda Kajian perencanaan transportasi selalu melibatkan lebih dari


satu moda transportasi sebagai bahan kajian. Hal ini mudah dimengerti mengingat
objek dasar kajian perencanaan transportasi adalah pergerakan manusia, dan/atau
barang, yang pasti melibatkan banyak moda transportasi.
Tambahan lain, Indonesia dikenal sebagai negara yang terdiri dari ribuan pulau
sehingga pergerakan dari suatu tempat anal ke tempat tujuan sangat tidak mungkin
hanya menggunakan satu moda saja. Tidaklah mengherankan bahwa Sistem
Transportasi Nasional (Sistranas) yang kita miliki mempunyai konsep utama, yaitu
konsep sistem transportasi integrasi antarmoda.
Kalaupun kajian yang dimaksud difokuskan pada daerah tertentu, misalnya terminal
bus atau bandara, aspek multimoda akan selalu timbul ke permukaan. Perencana
transportasi, bagaimanapun, harus memperhatikan adanya interaksi antara
pergerakan internal di dalam daerah kajian (misalnya terminal bus atau bandara)
dengan pergerakan eksternalnya. Artinya, harus diperhatikan adanya moda
transportasi lain selain bus (untuk terminal bus) atau pesawat udara (untuk bandara).
Terminal dalam konsep sistem transportasi integrasi antarmoda memegang peranan
yang sangat penting karena proses pertukaran moda terjadi di terminal dan waktu
proses tersebut merupakan hal terpenting yang sangat perlu diperhatikan para
perencana transportasi. Ketidakefisienan dalam proses pertukaran moda akan
menyebabkan sistem transportasi integrasi antarmoda pun secara keseluruhan
menjadi tidak efisien.

2.5.1.2 Multidisiplin Kajian perencanaan transportasi melibatkan banyak disiplin


keilmuan karena aspek kajiannya sangat beragam, mulai dari ciri pergerakan,
pengguna jasa, sampai dengan sistem prasarana ataupun saran transportasi itu
sendiri.
Tentu saja dalam pelaksanaannya, semua aspek kajian tersebut harus dapat
diantisipasi. Kajian perencanaan transportasi biasanya melibatkan bidang keilmuan
seperti rekayasa, ekonomi, geografi, penelitian operasional, sosial politik,
matematika, informatika, dan psikologi.
Sebagai ilustrasi, mari kita tinjau kajian penyusunan rencana induk terminal bus
antarkota. Dalam melakukan kajian tersebut, diperlukan seorang ahli perencana
wilayah untuk menentukan lokasi terminal bus yang balk, ditinjau dari sudut

Perencanaan, pemodelan, dan rekayasa transportasi 47


pandang penataan tata ruang dan daerah. Selanjutnya, juga dibutuhkan seorang ahli
tek-nilc untuk mengkaji tata letak bangunan di areal terminal dan jenis konsttuksi
setiap prasarana terminal.
Selain itu, dalam kajian ini juga akan dibutuhkan seorang ahli transportasi untuk
mengkaji dan memperkirakan potensi jumlah penumpang atau pun jumlah bus yang
akan dilayani oleh terminal bus itu pada tahun rencana, dan sistem sirkulasi internal
dan eksterttal yang terbaik bagi temunal bus itu.
Di samping itu, seorang ahli ekonomi juga dibuttthkan untuk mengkaji sistem dan
besaran tarif di linakungan terminal serta tingkat kelayakan ekonomi dan keuangan
dan rencana pengembangan terminal antarkota itu.

2.5.1.3 Multisektoral Yang dimaksud dengan multisektoral di sini adalah ba-


nyaknya lembaga, atau pihak terkait yang berkepentingan dengan kajian
perencanaan transportasi. Kajian perencanaan transportasi biasanya melibatkan
beberapa lembaga pemerintah ataupun swasta yang masing-masing mempunyai
kepentin,Qan berbeda sehingga diperlukan koordinasi dan penanganan yang baik.
Untuk kasus perencanaan terminal bus antarkota seperti cantata di atas misalnya,
lembaga pemerintah ataupun swasta yang terkait meliputi Dinas Perhubungan,
BPN, Dinas Tata kota, polantas, operator bus, Dinas Pendapatan Daerah, d an lain-
lain.

2.5.1.4 Multimasalah Karena kajian perencanaan transportasi merupakan kajian


multimoda, multidisiplin, dan multisektoral, tentu saja menimbulkan multimasalah
— permasalahan yang dihadapi mempunyai dimensi yang cukup beragana dan luas,
mulai dari yang berkaitan dengan aspek pengguna jasa, rekayasa, operasional,
ekonomi, sampai dengan aspek sosial.
Untuk contoh kasus pengembangan terminal bus antarkota di atas, masalah yang
mungkin tinabul meliputi masalah rekayasa (lapisan tanah yang jelek atau sistem
drainase yang buruk), masalah ekonomi (alokasi dana pemerintah yang terbatas,
daya belt masyarakat yang rendah), masalah pertanahan (lahan yang terbatas),
masalah sosial (perilaku penumpang bus yang tidak disiplin atau timbulnya
premanisme), masalah lalu limas (gangguan lalu lintas di pintu masuk dan keluar
terminal atau perilaku pengemudi yang tidak disiplin).
Meskipun terdapat perbedaan antara kota-kota di berbagai negara, pergerakan di
dalam daerah perkotaan mempunyai beberapa can yang sanaa yang berlaku hampir
pada semua kota kecil dan kota besar di dunia.
Cin ini merupakan pnnsip dasar yang merupakan titik tolak kajian transportasi. Can
ini juga mendefinisikan konsep yang digunakan oleh para perencana angkutan dan
perekayasa untuk memahami data mempelajari pergerakan.
Oleh sebab itu, perlu dikaji beberapa konsep dasar yang melatarbelakangi kajian
angkutan dan bagaimana konsep ini sating berkaitan untuk membentuk apa yang
disebut sistem transportasi. Konsep yang akan dikaji dibagi dalam dua bagian, yaitu
[lihat juga LP111-ITB (1996b,1997bc)]:

48 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
Konsep mengenai ciri pergerakan tidak-spasial (tanpa batas ruang) di dalam
a
kota, misalnya yang menyangkut pertanyaan mengapa orang melakukan
perjalanan, kapan orang melakukan perjalanan, dan jenis angkutan apa yang
mereka pergunakan.
b Konsep mengenai ciri pergerakan spasial (dengan batas rrang) di dalam kota,
termasuk pola tata guna lahan, pola perjalanan orang, dan pola perjalanan
angkutan barang.
Sebagian besar konsep ini telah dikembangkan pada tahun 1960-an dan awal tahun
1970-an, baik di Eropa maupun di Amerika Serikat. Kemudian, muncul
pemnasalahan mengenai relevansinya dengan negara sedang berkembang seperti
Indonesia. Meskipun demikian, sebelum data kota di Indonesia dikumpulkan secara
rutin, kita tidal( akan dapat mengetahui secara pasti bagaimana konsep ini hams
disesuaikan dengan keadaan kota di Indonesia.

2.5.2 Ciri pergerakan tidak-spasial


Seperti diuraikan sebelumnya, ciri pergerakan tidak-spasial adalah semua ciri
pergerakan yang berkaitan dengan aspek tidak-spasial, seperti sebab terjadinya
pergerakan, waktu terjadinya pergerakan, dan jenis moda yang digunakan.

2.5.2.1 Sebab terjadinya pergerakan Sebab terjadinya pergerakan dapat dike-


lompokkan berdasarkan maksud perjalanan (Iihat Tabel 2.1). Biasanya maksud
perjalanan dikelompokkan sesuai dengan ciri dasamya, yaitu yang berkaitan dengan
ekonomi, sosial, budaya, pendidikan, dan agama.
Jika ditinjau lebih jauh lagi akan dijumpai kenyataan bahwa lebih dari 90%
perjalanan berbasis tempat tinggal; artinya, mereka memulai perjalanannya dari
tempat tinggal (mmah) dan mengakhiri perjalanannya kembali ke mmah. Pada
kenyataan ini biasanya ditambahkan kategori keenam tujuan perjalanan, yaitu
maksud perjalanan pulang ke mmah.

2.5.2.2 Waktu terjadinya pergerakan Waktu terjadinya pergerakan sangat ter-


ganttuig pada kapan seseorang melakukan aktivitasnya sehari-harinya. Dengan
demikian, waktu perjalanan sangat tergantung pada maksud perjalanan. Perjalanan
ke tempat kerja atau perjalanan dengan maksud bekerja biasanya mempakan
perjalanan yang dominan, dan karena itu sangat penting diamati secara cermat. Pola
kerja biasanya dimulai jam 08.00 dan berakhir pada jam 16.00 sehingga waktu
perjalanan untuk maksud perjalanan kerja biasanya mengikuti pola kerjanya.
Dalanm hal ini kita dapati bahwa pada pagi hari, sekitar jam 06.00 sampai jam 08.00,
dijumpai begitu banyak perjalanan untuk tujuan bekerja, dan pada sore hari sekitar
jam 16.00 sampai jam 18.00 dijwnpai banyak perjalanan dari tempat kerja ke mmah
masing-masing.
Jundah perjalanan dengan maksud bekerja ini mempakan jundah yang dominan
sehingga kita dapatkan bahwa kedua waktu terjadinya perjalanan dengan tujuan
bekerja ini menghasilkan waken puncak pergerakan.

Perencanaan, pemodelan, dan rekayasa transportasi 49


Tabel 2.1 Klasifikasi perserakan orang di perkotaan berdasarkan maksud pergerakan
Aktivitas Klasifikasi perjalanan Keterangan

I. EKONOMI 1. Ke dan dari tempat kerja Jumlah orang yang bekerja tidak
tinggi, sekitar 40-50% penduduk.
a. Mencari nafkah 2. Yang berkaitan dengan bekerja p :1c :1ra
P ,antaenrgrslberkaitan dengan
b. Mendapatkan 3. Ke dan dari toko dan keluar
untuk kepenuan pribadi a. pulang ke rumah
perl:y7nr
ba
Y
biasrabe k:ictian dengan belanja atau
prir, b. mengangk. barang

c. ke dan dari rapat

Pelayanan hiburan dan rekreasi


diklasifikasikan secara terpisah,
tetapi pelayanan medis, hukum, dan
kesejahteraan termasuk di sini.

II. SOSIAL 1. Ke clan dari rumah teman Kebanyakan fasilitas terdapat dalam
lingkungan keluarga dan tidak
Menciptakan, 2. Ke dan dari tempat pertemuan menghasilkan banyak perjalanan.
. ga h trbungan bukan di rumah Butir 2 juga terkombinasi dengan
meadi
pri perjalanan dengan maksud hiburan.

III. PENDIDIKAN 1. Ke dan dart sekolah, kampus Hal ini terjadi pada sebagian besar
dan lain-lain penduduk sy2nbgetrpuesrikae5r,--22 tahun.

D
jurr7learnryaa sekitar 85% penbgrulguk.

IV. REKREASI DAN 1. Ke dan dari tempat rekreasi Mengunjungi restoran, kunjungan
HIBURAN sosial, termasuk perjaianan pada
2. Yang berkaitan dengan had libur.
perjalanan dan berkendaraan
untuk rekreasi

V. KEBUDAYAAN 1. Ke dan dari tempat ibadah Perjalanan kebudayaan dan hiburan


sangat sulit dibedakan.
2. Perjalanan bukan hiburan ke dan
dpaer=hpo buidra serta

Sumba, LPM-ITB (1996b,1997abc)

Di samping kedua puncak tersebut, dijumpai pula walctu puncak lainnya, yaitu
sekitar jam 12.00 sampai 14.00, pada seat itu para pekerja pergi .tuk malcan siang
dan kembali lagi ke kantomya masing-masing. Tentu saja jumlah perjalanan yang
dilakukan pada siang hari ini tidak sebanyalc pada pagi atau sore hari mengingat
makan siang terkadang dapat dilakukan di kantor atau kantin di sekitar kantor.
Selanjutnya, perjalanan dengan maksud sekolah ataupun pendidikan cukup banyak
jumlahnya dibandingkan dengan tujuan lainnya sehingga pola perjalanan sekolah ini
pun turut mewamai pola walctu puncak perjalanan.
Mengingat sekolah dari tingkat dasar sampai tingkat menengah pada umumnya
terdiri dari dua giliran, yaitu sekolah page dan sekolah sore, maka pola perjalanan
sekolah pun dipengaruhi oleh keadaan ini. Dalam hal ini dijumpai tiga puncak
perjalanan sekolah, yaitu pada pagi hari jam 06.00 sampai 07.00, di siang hari pada
jam 13.00-14.00, dan di sore hari pada jam 17.00-18.00.

50 Oryar z Tarnm, rPerenccaonnata;;:zmoddaenraanp.,:z rekayasa transportasi


Perjalanart lainnya yang cukup berperan adalah perjalanan untuk maksud
berbelanja. Kegiatan berbelanja ini tidak mempunyai waktu khusus, dan pelakunya
bisa melakukan kapanpur► selama toko atau pasar buka, sehingga tidak ada pola
klrusus untuk perjalanan dengan maksud belanja ini; pada umumnya berupa pola
menyebar. Meskipun terdapat juga puncak pada pagi dan sore hari, puncak ini tidak
terlalu nyata.
Jadi, jika ditinjau secara keseluruhan, pola perjalanan setiap hari di suatu kota pada
dasarnya merupakan gabtmgan dari pola petjalanan untuk maksud bekerja,
pendidikan, berbelanja, dan kegiatan sosial lainnya. Pola perjalanan yang diperoleh
dan penggabungan ketiga pola perjalanan di atas terkadang disebut juga pola variasi
harian, yang menunjukkan tiga waktu puncak, yaitu waktu puncak pagi, waktu
puncak siang, dan waktu puncak sore. -
Pola variasi harian seperti ini dijumpai di semua kota berukuran sedang dan besar di
seluruh dunia. Tentu saja rincian waktu terjadinya waktu puncak berbeda antara satu
kota dengan kota lainnya, tergantung pada cin pola waktu kerja yang ada dan ciri
pola waktu sekolah.
Informasi mengenai pola variasi harian ini sangat penting bagi perencana
transportasi. Dengan mempelajari pola variasi harian perjalanan, ahli transportasi
dapat mengetahui pada jam jam berapa saja sebenamya prasarana jaringan jalan
ataupun jaringan angkutan umum akan menenma beban puncaknya. Dengan
demikian, penanganan yang paling sesuai dapat diterapkan pada waktu yang tepat
sehingga masalah kemacetan dapat dihindari sejak awal.
Selain itu, informasi pola variasi harian ini juga dapat digunakan sebagai acuan
dalam menentukan strategi yang paling sesuai untuk pengaturan sistem angkutan
umum mengingat bahwa pola beban yang berbeda mengakibatkan pola operasional
yang berbeda dan juga pola pembiayaan yang berbeda. Dengan diketahuinya pola
variasi harian ini, perencana transportasi dapat mengatur, misalnya, sistem frekuensi
dan sistem pentarifan yang paling sesuai.
Adanya pola variasi harian yang tidak seimbang antara waktu puncak dan waktu
tidak-puncak saat ini menjadi perhatian utama para ahli perencana transportasi
karena masalah yang dihadapi di kota besar biasanya masalah kemacetan yang
terjadi pada jam puncak.
Jika waktu puncak diantisipasi dengan baik, maka pada waktu tidak-puncak,
prasarana dan sarana transportasi yang disediakan menjadi rendah tingkat
pemakaiannya. Untuk itu perlu dipikirkan cara lain agar penyediaan prasarana dan
sarana transportasi mampu mengantisipasi perjalanan yang ada dan sekaligus
mempunyai tingkat pemakaian yang memadai.

2.5.2.3 Jenis sarana angkutan yang digunakan Dalam melakukan perjalanan,


orang biasanya dihadapkan pada pilihan jenis angkutan — mobil, angkutan umum,
pesawat terbang, atau kereta api. Dalam menentukan pilihan jenis angkutan, orang
mempertimbangkan berbagai faktor, yaitu maksud perjalanan, jarak tempuh, biaya,
dan tingkat kenyamanan. Meskipun dapat diketahui faktor yang menyebabkan

Perencanaan, pemodelan, dan rekavasa transportasi 51


seseorang memilih jenis moda yang digunakan, pada kenyataannya sangatlah sulit
menunuskan mekanisme pemilihan moda ini.
Dart hasil survei yang pemah dilakukan di DKI-Jakarta pada tahun 1987 terlihat
bahwa moda yang paling umum digunakan dalam perjalanan di dalam kota adalah
berjalan kaki, break, sepeda motor, kendaraan pribadi, taksi, dan bus kota. Dari
semua jenis moda angkutan umum tersebut terlihat bahwa yang paling dominan
adalah perjalanan dengan moda angkutan bus, disusul oleh taksi dan paratransit.
Jika kita bandingkan dengan saints satu kota di Amerika Serikat, akan didapatkan
pola yang hampir sama.
Dan basil penelitian di Chicago diperoleh kenyataan bahwa perjalanan dengan
maksud pendidikan merupakan 10% dari seluruh jumlah perjalanan; sekitar 70%
dari perjalanan tersebut dilakukan dengan berjalan kaki, 15% dengan bus, dan 10%
dengan mobil atau sepeda motor. Perjalanan ke tempat kerja mencakup 20% dari
jumlah seluruh perjalanan; 80% dilakukan dengan mobil pribadi, sepeda motor dan
bus, dan hanya 20% dengan berjalan kaki.
Dart data tersebut jelas terlihat bahwa ditinjau dari maksud perjalanan, sebagian
besar perjalanan dengan maksud bekerja dilakukan oleh orang dewasa yang
memiliki kendaraan dan mengenwdikannya sendiri ke tempat kerja. Karen anak-
anak tidak memiliki kendaraan dan tidak dapat mengemudi sendiri, mereka berjalan
kaki atau naik bus ke sekolah.
Dari faktor jarak terlihat bahwa jarak kurang dari 2 km didominasi oleh perjalanan
dengan berjalan kaki, yaitu sampai 90% dari jumlah perjalanan. Mobil tercatat
digunakan kurang dari 10% untuk perjalanan berjarak dekat ini. Sebaliknya, dengan
meningkatnya jarak perjalanan, proporsi perjalanan dengan berjalan kaki menurun,
dan perjalanan dengan mobil meningkat. Angkutan dengan bus juga meningkat
untuk jarak perjalanan sampai sejauh 9 km.
Dari data di atas tampak jelas bahwa secara umum faktor jarak dan maksud
perjalanan merupakan faktor yang paling dominan dalam menentukan jenis atau
moda kendaraan yang digunakan. Dengan berjalan kaki, persentase tinggi
cenderung untuk perjalanan jarak dekat, sedangkan perjalanan dengan mobil dan
sepeda motor dengan persentase tinggi cenderung untuk jarak tempuh yang lebih
jauh.
Perjalanan untuk maksud belajar dilakukan oleh anak-anak, tenatama untuk ke
sekolah, yang biasanya jarak perjalanannya masih dapat dijangkau dengan berjalan
kaki dari nunah atau dapat dicapai dengan mudah dengan menggunakan angkutan
umum.

2.5.3 Ciri pergerakan spasial

Seperti yang telah dijelaskan, perjalanan terjadi karena manusia melakukan aktivitas
di tempat yang berbeda dengan daerah tempat mereka tinggal. Artinya, keterkaitan
antarwilayah ruang sangatlah berperan dalam menciptakan perjalanan.
Jika suatu daerah sepenuhnya terdiri dari lahan tandus tanpa tumbuhan dan sumber
daya alam, dapat diduga bahwa pada daerah tersebut tidak akan timbul perjalanan

52 Ofyar Z Tamin, Perencanaan, penrodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
mengingat di daerah tersebut tidak mungkin timbul aktivitas. Juga, tidak akan
pemah ada keterkaitan ruang antara daerah tersebut dengan daerah lainnya.
Konsep paling mendasar yang menjelaskan terjadinya pergerakan atau perjalanan
selalu dikaitkan dengan pola hubungan antara distribusi spasial perjalanan dengan
distribusi spasial tata guna lahan yang terdapat di dalam suatu wilayah. Dalam hal
ini, konsep dasamya adalah suatu perjalanan dilakukan untuk melakukan kegiatan
tertentu di lokasi yang dituju, dan lokasi kegiatan tersebut ditentukan oleh pola rata
guna lahan kota tersebut. Jadi, faktor tata guna lahan sangat berperan.
Berikut ini dijelaskan beberapa ciri perjalanan spasial, yaitu pola perjalanan orang
dan pola perjalanan barang [lihat juga LPM-ITB (1996b,1997bc)].

2.53.1 Pola perjalanan orang Seperti dikatakan sebelumnya, perjalanan ter-


bentuk karena adanya aktivitas yang dilakukan bukan di tempat tinggal sehi.ngga
pola sebaran tata guns lahan suatu kota akan sangat mempengaruhi pola perjalanan
orang. Dalam hal ini pola penyebaran spasial yang sangat berperan adalah sebaran
spasial dari daerah industri, perkantoran, dan permu kiman.
Pola sebaran spasial dari ketiga jenis tata guna lahan ini sangat berperan dalam
menentukan pola perjalanan orang, terutama perjalanan dengan maksud bekerja.
Tentu saja sebaran spasial untu k pertokoan dan areal pendidikan juga berperan.
Akan tetapi, mengingat porsi keduanya tidak begitu signifikan, pola sebaran
pertamalah yang sangat mempengaruhi pola perjalanan orang.
Sebagai contoh diambil pola penyebaran daerah perkantoran yang ada di DKI-
Jakarta. Pusat perkantoran atau pusat lapangan kerja yang tertinggi jelas terdapat di
sekitar segitiga emas dan di sepanjang koridor jalan utama yang mengarah keluar
dari pusat perdagangan. Di sekeliling daerah yang tinggi jumlah kesempatan
kerjanya tersebut terdapat daerah perumahan atansa yang kesempatan kerjanya jauh
lebih rendah.
Jika ditinjau lebih jauh terlihat bahwa makin jauh dari pusat kota, kesempatan kerja
makin rendah, dan sebaliknya kepadatan perumahan makin tinggi. Tingkat
perjalanan yang muncul dari setiap daerah ke arah pusat kota sebenamya
menunjukkan hubungan antara kepadatan penduduk dengan kesempatan kerja, yang
kondisinya sangat tergantung pada jarak lokasi daerah yang bersangkutan ke pusat
kora.
Pada lokasi yang kepadatan penduduknya lebih tinggi daripada kesempatan kerja
yang tersedia, terjadi surplus penduduk, dan mereka hams melakukan perjalanan ke
pusat kota utttuk bekerja. Di sini terlihat bahwa makin jash jarak dari pusat kora,
makin banyak daerah perumahan dan makin sedikit kesempatan kerja yang
berakibat makin banyak perjalanan yang terjadi antara daerah tersebut yang menuju
pusat kota.
Kenyataan sederhana ini menentukan dasar ciri pola petjalanan orang di hots. Pada
jam sibuk pagi hari akan terjadi arus lalu lintas perjalanan orang menuju ke pusat
kota dari sekitar daerah perumahan, sedangkan jam sibuk sore Kari dicirikan oleh
atus lalu lintas peralanan orang dan pusat kota ke sekitar daerah perumahan.

Perencanaan, pemodelan, dan rekayasa transportasi 53


Ants lalu lintas ini persentasenya sekitar 50-70% dari total jumlah perjalanan
harian yang dibangkitkan di dalam daerah perkotaan, dan karena itu merupakan
faktor terpenting yang membentuk pola perjalanan orang di kota.

2.5.3.2 Pola perjalanan barang Berbeda dengan pola perjalanan orang, pola
perjalanan barang sangat dipengaruhi oleh aktivitas produksi dan konsumsi, yang
sangat tergantung pada sebaran pola tata guna lahan permukiman (konsumsi), serta
industri dan pertanian (produksi). Selain itu, pola perjalanan barang sangat
dipengaruhi oleh pola rantai distribusi yang menghubungkan pusat produksi ke
daerah konsumsi.
Beberapa kajian menunjukkan bahwa 80% dari perjalanan barang yang dilakukan di
kota menuju ke daerah perumahan; ini menunjukkan bahwa perumahan merupakan
daerah konsumsi yang dominan. Meskipun demikian, perlu dicatat bahwa jumlah
perjalanan yang besar itu hanya merupakan 20% dari total jumlah kilometer
perjalanan. Hal ini menunjukkan bahwa pola perjalanan barang lebih didominasi
oleh perjalanan menuju daerah lainnya, yaitu ke daerah pusat distribusi (pasar) atau
ke daerah industri.
Hasil penelitian menunjukkan bahwa ditinjau dari jumlah kilometer perjalanan,
perjalanan barang menuju daerah dan dari daerah industri merupakan yang terbesar,
yaitu perjalanan yang cukup panjang. Jadi, sangatlah jelas bahwa pola menyeluruh
dari perjalanan barang sangat tergantung pada sebaran tata guna lahan yang
berkaitan dengan daerah industri, daerah pertanian, dan daerah permukiman.

2.6 Campur tangan manusia pada sistem transportasi

Secara ekonomi, ketidakefisienan sistem transportasi atau permasalahan transportasi


merupakan pemborosan besar. Amat banyak bahan bakar terbuang percuma akibat
kendaraan terpaksa berjalan di bawah kecepatan optimum atau sering berhenti.
Selain itu, ban dapat lebih cepat aus karena kendaraan terlalu sering direm, dan
masih banyak persoalan lain yang dapat diungkapkan untuk membuktikan akibat
negatif yang timbul oleh transportasi yang tidak direncanakan dengan baik.
Kegiatan manusia yang beraneka ragam menyebabkan mereka perlu naming
berhubungan. Untuk itu diperlukan alat perhubungan, salah satu di antaranya dan
yang paling tua umumya adalah transportasi.
Jadi, transportasi bukanlah tujuan akhir, melainkan sekadar alat untuk melawan
jarak. Dengan kemajuan teknologi, muncul berbagai macam bentuk atau alat
transportasi untuk memenuhi berbagai keperluan.
Sarana transportasi (alat angkut) tents berkembang mengikuti fenomena barn yang
timbul akibat penggalian sumber daya, seperti penemuan teknologi barn,
perkembangan struktur masyarakat, dan peningkatan produksi. Keterlambatan
perkembangan alat angkut akan menyebabkan tidak tercapainya maksud utama
pembangunan nasional, yaitu menyejahterakan masyarakat.

54 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasl:


Teori, contoh soal, dan aplikasi
Contohnya, untuk memanfaatkan sumber daya alam yang ada di pulau Sumatera
hams dapat dibuat hubungan antara berbagai sumber alam tersebut dengan tempat
pengolahan, dan kemudian dengan pasar; untuk itu diperlukan transportasi.
Oleh karena itulah pemanfaatan sumber daya alam bagi kesejahteraan masyarakat
hanyalah angan-angan belaka selama transportasi penunjangnya belum tersedia. Di
sinilah diperlukan campur tangan manusia atau pemerintah pada sistem transportasi.
Pemerintah memiliki sejarah panjang dalam hal campur tangan dan prakarsa di
bidang transportasi. Penjelasan mengenai hal ini tidak sulit diperoleh. Akan tetapi,
tingkat keterlibatan pemerintah tersebut tumbuh seining dengan meningkatnya
kerumitan sistem transportasi dan peranannya dalam perekonomian nasional secara
keseluruhan.
Selanjutnya, kebijakan sosial suatu pemerintah yang modem mempunyai dampak
terhadap sistem transportasi nasional dan industri transportasi itu sendiri. Persoalan
dasar transportasi sebenamya sederhana, yaitu terlalu besamya kebutuhan akan
pergerakan dibandingkan dengan sistem prasarana transportasi yang tersedia.
Oleh karena itu, Wells (1975,1979) menyatakan bahwa usaha pemecahannya tidak
terlalu sulit. Yang mungkin dilakukan adalah:
Membangun sistem prasarana transportasi dengan dimensi yang lebih besar
sehingga kapasitasnya sesuai dengan atau melebihi kebutuhan.
2 Mengurangi tuntutan akan pergerakan dengan mengurangi jumlah kendaraan
pemakai jalan.
3 Menggabungkan (1) dan (2), yaitu menggunakan sistem prasarana transportasi
yang ada secara optimum, membangun sistem prasarana transportasi tambahan,
dan sekaligus melakukan pengawasan dan pengendalian sejauh mungkin atas
meningkatnya kebutuhan akan pergerakan.
Cara pertama tentu saja tak mungkin dilakukan terns menerus tanpa batas. Pada
daerah yang sudah berkembang, bahkan pelebaran jalanpun hampir tidak mungkin
karena biayanya terlalu mahal, tidak ekonomis, dan tidak jarang menimbulkan
berbagai masalah sosial. Cara kedua, mengurangi atau membatasi jumlah kendaraan
pun hampir tak mungkin dilakukan.
Setiap orang berha.k menikrttati kesejahteraan dan tidak ada dasar hukum yang
melarang orang memiliki kendaraan bermotor yang diperolehnya secara salt; pabrik
kendaraan pun tak bisa diharapkan berhenti berproduksi. Oleh karena itu,
penanggulangan dengan mencari jalan tengah di antara kedua cara tersebut adalah
cara yang pada ummmnya ditempuh.
Secara umum bentuk campur tangan manusia pada sistem transportasi
dimungkinkan dengan cara [lihat juga LPM-I173 (1996b,1997a)]:
• mengubah teknologi transportasi
• mengubalt teknologi infommi
• mengubah ciri kendaraan

Perencanaan, pemodelan, dan rekayasa transportasi 55


mengubah ciri ruas jalan
mengubah konfigurasi jaringan transportasi
mengubah kebijakan operasional dan organisasi
mengubah kebijakan kelembagaan
• mengubah perilaku perjalanan
• mengubah pilihan kegiatan

2.7 Perencanaan transportasi sebagai bentuk campur tang,an


manusia

Seperti telah dikemukakan, sarana transportasi adalah salah satu dari sekian jenis
alas penghubung yang dimaksudkan untuk melawan jarak. Melawan jarak tidak lain
adalah menyediakan sistem sarana dan prasarana transportasi, yaitu alat yang
bergerak, menyediakan ruang untuk alat angkut tersebut, dan tempat berhentinya
(untuk bongkar muat), mengatur kegiatan transportasi, menentukan tempat
perhentian, lokasi untuk berprodttksi dan mengkonsumsi, serta merencanakan
semuanya untuk perkembangan selanjutnya. Pengembangan mengenai perencanaan
itu disebut perencanaan transportasi.
Perencanaan transportasi merupakan bagian yang tidak terpisahkan dari
perencanaan kota atau perencanaan daerah. Rencana kota atau rencana daerah tanpa
mempertimbangkan keadaan dan pola transportasi yang akan terjadi sebagai akibat
rencana itu sendiri akan menghasilkan kesemrawutan lain lintas di kemudian hari.
Keadaan ini akan membawa akibat berantai cukup panjang dengan meningkatnya
junilah kecelakaan, pelanggaran lalu lintas, menurunnya sopan santun, berlalu lintas,
dan lain-lain.
Dalam kaitan antara perencanaan transportasi dan perencanaan kota, maka
menetapkan suatu bagian kawasan kota menjadi tempat kegiatan tertentu (misalnya
kawasan perumahan mewah Pondok Indah atau kawasan Industri Pulo Gadung di
DKI-Jakarta) bukanlah sekadar memilih lokasi.
Pada akhimya, dalam perencanaan tata guna lahan untuk perkotaan harus
diperhitungkan lalu lintas yang bakal terjadi akibat penetapan lokasi itu sendiri, lalu
lintas di kawasan itu sendiri, serta lalu lintas antara kawasan itu dengan kawasan
lain yang sudah ada lebih dahulu.
Perencanaan transportasi itu sendiri dapat didefinisikan sebagai suatu proses yang
tujuannya mengembangkan sistem transportasi yang memungkinkan manusia dan
barang bergerak atau berpindah tempat dengan aman dan murah (Pignataro, 1973).
Selain itu, sebenamya masih ada unsur `cepat'; jadi, selain aman dan murah,
transportasi juga harts cepat. Bahkan untuk memindahkan manusia, selain cepat,
aman, dan murah, sistem transportasi harus pula nyantan.
Perencanaan transportasi ini merupakan proses yang dinamis dan hams tanggap
terhadap perubahan tata guna lahan, keadaan ekonomi, dan pola anus lalu lintas.

56 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasl:


Teorf, contoh soal, dan aplikasi
Modal yang dikeluarkan untuk menerapkan sistern transportasi sangat besar
sehingga mnngkin saja terjadi perubahan yang radikal atas tata guna lahan tempat
sistem prasarana transportasi dibangun karena pemakai lahan mengharapkan
mendapatkan keuntungan atas pembangunan prasarana tersebut.
Perlu dicatat bahwa proses perencanaan transportasi dipengaruhi secara langsung
oleh ada tidaknya pengawasan atas pola dan sistem kegiatan manusia, yang
biasanya dicerminkan dengan pola tata guna lahan. Misalnya, pada keadaan tanpa
pengawasan tata guna lahan, maka jaringan transportasi dengan sendirinya akan
menjadi penentu yang kuat bagi penuitukan tata guna lahan tersebut.
Jadi, harus direncanakan dengan memperhatikan dampaknya. Hal seperti ini akan
terjadi di negara sedang berkembang yang pertumbuhannya berjalan cepat dan tidak
terpengaruh oleh kurangnya sarana pelayanan urnum yang lain.
Apapun asumsi yang dibuat tentang rata guna lahan, perencanaan transportasi akan
mengusulkan untuk membuat jalan, jembatan, dan tempat parkin, serta membuat
kebijakan dan peraturan yang diperlukan, misalnya tarif, pengendalian petparkiran,
dan pembatasan lalu lintas. Kekuatan hukum diperlukan bila suatu rencana
diajukan.
Di negara sedang berkembang, para pejabatnya kurang memiliki wewenang untuk
memperoleh tanah guna membuat jalan, memungut ongkos parkir, mengadakan
larangan beberapa jenis kendaraan yang datang dari jalan pribadi, atau mengawasi
masalah perparkiran kendaraan pribadi.
Perencanaan transportasi tanpa pengendalian rata guna lahan adalah mubazir karena
perencanaan transportasi pada dasarnya usaha untuk mengantisipasi kebutuhan akan
pergerakan di masa mendatang, dan faktor aktivitas yang dicanangkan (dan juga tata
guna lahan) merupakan dasar analisisnya.
Jadi, bila tata guna lahan tidak bisa diawasi atau dikendalikan melalui tindakan
hukum, maka perencanaan transportasi harus dimulai dari posisi antara yang
diinginkan dan yang bisa berjalan wajar tanpa perencanaan. Contohnya adalah
proses timbulnya pasar.
Kebijakan yang mungkin bisa digunakan untuk mempengatuhi perkembangan rata
guna lahan adalah [lihat juga LPM-ITB (1996b,1997abc)]:
1 memberikan rangsangan berbentuk uang untuk mereka yang dapat
menciptakan lapangan kerja di daerah tertentu, dengan cara memberi hadiah
atau pengurangan pajak kepada setiap pengusaha;
2 membebankan pajak yang lebih tinggi kepada pengusaha yang membangun
daerah lain, selain yang ditunjuk;
3 menunmkan tarif umum untuk listrik, gas, air PAM, dan telepon untuk daerah
yang sedang dibangun, dan menaikkan tarif tersebut untuk daerah yang tidak
mendapat izin pembangunan lagi;
4 memberikan rangsangan berupa subsidi pembangunan dan penyen-aan untuk
bangsnan industri, ruang perkantoran, dan pertokoan di daerah pembangunan;

Perencanaan, pemodelan, dan rekayasa transportasi 57


5 memperbaiki jalan raya dan pelayanan transportasi yang lebih balk untuk
menuniang daerah yang dibangun;
6 menerapkan pengaturan yang balk untuk merancang akses.

2.8 Pihak yang terlibat dalam perencanaan transportasi

Dalam kajian perencanaan transportasi, pihak yang terlibat sangatlah beragam di


berbagai negara. Semuanya sangat tergantung pada sistem kelembagaan yang ada di
negara yang bersangkutan, terutama kelembagaan yang menyelenggarakan atau
bertanggung jawab terhadap pelaksanaan kajian perencanaan transportasi.
Meskipun demikian, dalam kajian perencanaan transportasi biasanya ada tiga
kelompok atau pihak yang terlibat, yaitu [lihat juga LPM-ITB (1996b,1997a)]:
Penyelenggara kajian, yaitu orang atau lembaga yang bertanggung jawab
dalam pengambilan keputusan hasil kajian. Untuk proyek milik swasta, pihak
yang dimaksud dapat berupa walal perusahaan penyelenggara kajian, misalnya
pengembang kawasan industri atau pemodal sistem prasarana transportasi.
2 Profesional atau pakar, yaitu pihak yang bertanggung jawab terhadap
pelaksanaan kajian. Pihak itu biasanya menipakan lembaga profesional
(konsultan, pusat kajian, atau pusat penelitian).
3 Masyarakat, yaitu mencakup sekelompok anggota masyarakat yang dipilih
untuk mewakili masyarakat umum dalam proses pengkajian.
Dalam pelaksanaan kajian, pihak penyelenggara dan masyarakat selanjutnya
berfungsi sebagai pihak yang mengawasi atau mengarahkan pelaksanaan kajian nick
pihak profesional. Biasanya tugas pengarahan ini dikelompokkan dalam tiga
komite; setiap komite menangani tugas dan kepentingan yang berbeda. Misalnya,
untuk kajian dengan skala yang cukup besar, komite yang dimaksud meliputi:
1 Komite eksekutif, terdiri dari perwakilan dari pihak yang terlibat dalam
penga.mbilan keputusan (misalnya menteri, direktur jenderal, kepala
direktorat).
2 Komite pengarah teknis, terdiri dari perwakilan penyelenggara kajian atau
perwakilan dari lembaga terkait. Komite ini bersifat teknis, yaitu mampu
mengarahkan kajian secara substansif. Oleh karena itu, anggota komite ini
terdiri dari orang yang mempunyai latar belakang yang cukup secara teknis,
seperti ahli ekonomi, perencana, ahli teknik, dan manajer operasi.
3 Komite perwakilan masyarakat, terdiri atas perwakilan dari kelompok
kepentingan yang ada di masyarakat luas. Komite perwakilan masyarakat
biasanya terisolasi dalam penyelenggaraan kajian yang dilakukan di negara
Barat. Di Indonesia, partisipasi masyarakat luas belum begitu dikenal sehingga
komite perwakilan masyarakat dalam pelaksanaan kajian perencanaan
transportasi seperti ini jarang sekali terlihat.

58 Ofyar Z Tannin Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
110 Pendekatan perencanaan
transportasi

Bab 2 telah menjelaskan beberapa persyaratan dan pendekatan dalam proses


pengembangan perencanaan, pemodelan, dan rekayasa transportasi.
Subbab 3.1-3.2 menjelaskan pendekatan sistem dalam menjelasakan proses
perencanaan transportasi; sedangkan subbab 33 menjelaskan analisis interaksi
antar subsistem transportasi dalam sistem transportasi makro.
Subbab 3.4 menjelaskan pengertian aksesibilitas dan mobilitas yang merupakan hal
paling mendasar yang hams dimengerti dan dipahami oleh setiap perencana
transportasi; sedangkan subbab 3.5 menjelaskan beberapa tahapan proses yang
hams dilaksanakan dalam proses perencanaan transportasi, dimulai dari tahap
bangkitan pergerakan, sebaran pergerakan, pemilihan moda, dan pemilihan rute.

3.1 Umum

Tujuan dasar para perencana transportasi adalah memperkirakan jumlah serta lokasi
kebutuhan akan transportasi (misalnya menentukan total pergerakan, baik untuk
angkutan umum maupun pribadi) pada masa mendatang atau pada tahun rencana
yang akan digunakan untuk berbagai kebijakan investasi perencanaan transportasi.
Agar lebih terarah dan jelas, uraian berikut ini akan diarahkan pada perencanaan
transportasi di daerah perkotaan.
Terdapat beberapa skala atau periode waktu dalam perencanaan sistem transportasi
perkotaan, yaitu: skala panjang, menengah, dan pendek. Jangka waktu perencanaan
bisa sangat lama (misalnya 25 taboo) yang biasanya digunakan untuk perencanaan
strategi pembangunan kota betjangka panjang.
Strategi ini akan sangat dipengaruhi oleh perencanaan tata guna lahan dan perkiraan
ares lalu lintas dalam perencanaan ini biasanya dikategorikan berdasarkan moda dan
rote. Kajian tersebut biasa dilakukan untuk merencanakan kota bara.
Kajian lainnya adalah kajian transportasi berskala pendek, dengan tahun rencana
maksimum 5 tahun. Kajian ini biasanya bempa kajian manajemen transportasi yang
lebih menekankan dampak kebijakan manajemen lalu lintas terhadap perubahan rate
suatu moda transportasi. Kajian tersebut pada dasarnya bersifat sangat teknis karena
dampak tata guna lahan tidak begitu signifikan pada waktu yang sangat singkat.
Di antara kedua kajian tersebut terdapat kajian transportasi berskala menengah
dengan umur perencanaan sekitar 10-20 tahun di masa mendatang. Kajian semacant
ini trials dimulai sejak tahun 1950-an di Amerika Serikat, dilakukan minimal sekali
pada hantpir semua kota besar di Amerika Serikat dan di beberapa negara dunia

59
ketiga_ Di Indonesia, yaitu di DKI-Jakarta, Surabaya, Bandung, dan Medan telah
pula dilakukan kajian semacam itu pada waktu I0 tahun belakangan ini.
Teori, model, dan metode yang digunakan dalam kajian transportasi berskala
menengah merupakan topik utama buku ini. Buku ini menjelaskan hubungan dalam
bentuk kuantitatif (model matematis) yang dapat digunakan untuk memperkirakan
besarnya kebutuhan akan transportasi sebagai akibat adanya kegiatan yang
dilakukan pada tata guna lahan.
Hubungan dan model yang dikembangkan digunakan untuk lebih memahami
hubungan yang terjadi dalam suatu kota, yaitu antara tata guna lahan (kegiatan),
transportasi (jaringan), dan lalu lintas (pergerakan) (Tamin, 1988abc,1997a,2000a).
Model tersebut hams dengan mudah dapat dimodifikasi dan diperbaiki secara terus
menerus. Hal ini sering dilakukan oleh pemerintah untuk meramalkan anis lalu
lintas yang nantinya menjadi dasar perencanaan investasi untuk suatu fasilitas
transportasi yang bani.

3.2 Pendekatan sistem untuk perencanaan transportasi

Pendekatan sistem adalah pendekatan mum untuk suatu perencanaan atau teknik
dengan menganalisis semua faktor yang berhubungan dengan pennasalahan yang
ada (Tamin, 1988abcd,1997a,2000a). Contolmya, kemacetan lokal yang
disebabkan oleh penyempitan lebar jalan dapat dipecahkan dengan melakukan
perbaikan secara lokal. Akan tetapi, hal ini mungkin menyebabkan pemiasalahan
berikutnya yang timbul di tempat lain.
Pendekatan sistem akan dapat mengaitkan permasalahan yang ada, misalnya apakah
permasalahan tersebut disebabkan oleh terlalu banyaknya lalu lintas di daerah
tersebut? Jika memang demikian, pertanyaan berikutnya adalah mengapa lalu lintas
tersebut terlalu banyak? Jawabannya mungkin karena terlalu banyak kantor yang
sangat berdekatan letaknya, atau mungkin juga karena ruang gerak yang sangat
sempit bagi pergerakan lalu lintas.
Pemecahannya dapat berupa manajemen lalu lintas secara lokal, pembangunan jalan
baru, peningkatan pelayanan angkutan umum, atau perencanaan tata guna lahan
yang baru. Pendekatan sistem mencoba menghasilkan pemecahan yang `terbaik'
dari beberapa altematif pemecahan yang ada, tentunya dengan batasan tertentu
(waktu dan biaya).

3.2.1 Pengertian sistem


Sistem adalah gabungan beberapa komponen atau objek yang saling berkai.
(Tannin, 1988abcd,1997a,2000a). Dalam setiap organisasi sistem, perubahan pada
satu komponen dapat menyebabkan perubahan pada komponen lainnya. Dalani
sistem mekanis, komponen berhubungan secara `mekanis', misalnya komponen
dalam mesin mobil.
Dalam sistem `tidak-mekanis', misalnya dalam interaksi sistem tata guna lahan
dengan sistem jaringan transportasi, komponen yang ada tidak dapat berhubungan

60 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:

1 Teori, contoh soal, dan aplikasi


secara mekanis, tetapi perubahan pada salah satu komponen (sistem 'kegiatan')
dapat menyebabkan perubahan pada komponen lainnya (sistem `jaringan' dan
sistem 'pergerakan'). Pada dasarnya, prinsip sistem `mekanis' sama saja dengan
sistem tidak-mekanis'.
Gambar 3.1 memperlihatkan beberapa komponen penting yang sating berhubungan
dalam perencanaan transportasi, yang biasanya dikenal dengan proses perencanaan.
Tampak bahwa proses perencanaan sebenarnya merupakan proses berdaur dan tidak
pemah berhenti. Perubahan dalam suatu komponen pasti mengakibatkan perubahan
pada komponen lainnya. Tahap awal proses perencanaan adalah pemmusan atau
kristalisasi sasaran, tujuan, dan target, termasuk mengidentifikasi permasalahan dan
kendala yang ada.

Sasaran,
tujuan, dan
target

Rumusan,
sasaran,
tujuan, dan
target

Pemantauan
dan evaluasi Data

Perencanaan

PROSES
Data Alternatif
DAUB ULANG
rencana

Data

Penilaian
Pelaksanaan

Alternatif
terbaik

Da

Peranwngan

Gambar 3.1 Proses perencanaan


Sumber. Tamin (1988a,1997a,2000a)

Proses selanjutnya adalah mengumpulkan data untuk melihat kondisi yang ada dan
hal ini sangat diperlukan untuk mengembangkan metode }.}uantitatif yang akan
dipilih yang team hams sesuai dengan sistem yang ada. Proses peramalan sangat
dibutuhkan untuk melihat perkiraan situasi pada masa mendatang dan memntuskan
beberapa alternatif pemecahan masalah, temtasuk standar perencanaan yang

Pendekatan perencanaan transportasi 61


diteruskan dengan proses pemilihan alternatif terbaik. Untuk itu diperlukan suatu
metode atau teknik penilaian yang cocok dalam proses pemilihan alternatif terbaik
tersebut.
Setelah alternatif terbaik didapatkan, dilakukan proses perancangan yan g diteruskan
dengan proses pelaksanaan. Setelah proses pelaksanaan, peels dilakukan proses
penganasan dan evaluasi untuk melihat apakah tujuan perencanaan yang telah
dirumuskan pada tahap awal telah tercapai.
Jika tidak, mungkin perlu diubah eumusan tujuan dan sasaran yang ada yang secara
otomatis pasti mempengaruhi proses perencanaan berikutnya. Proses daur clang
tersebut tern berlangsung dan tidak pemah berhenti.

3.2.2 Sistem transportasi makro


Untuk lebih memahami dan mendapatkan alternatif pemecahan masalah yang
terbaik, perlu dilakukan pendekatan secara sistem — sistem transportasi dijelaskan
dalam bentuk sistem transportasi makro yang terdiri dari beberapa sistem
transportasi mikea.
Sistem transportasi secara menyeluruh (makeo) dapat dipecahkan menjadi beberapa
sistem yang lebih kecil (mikro) yang masing-masing sating terkait dan sating
mempengaruhi seperti terlihat pada Gambar 3.2.

Gambar 3.2
Sistem transportasi makro
Sumber. Tamin
(1992b,1993a,1994a,1995e, 2000a)

Sistem transportasi mikro tersebut terdiri dari:


sistem kegiatan
b sistem jaringan prasarana transportasi
c sistem pergerakan lain lintas
d sistem kelembagaan
Seperti kita ketahui, pergerakan lalu lintas timbul karena adanya proses pemenuhan
kebutuhan. Kits perlu bergerak karena kebutuhan kite tidak bisa dipenuhi di tempat
kite berada. Setiap tats guns lahan atau sistem kegiatan (sistem mikro yang
penama) mempunyai jenis kegiatan tenentu yang akan membangkitkan dan
menarik pergerakan dalam proses pemenuhan kebutuhan.

62 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soot, dan aplikasi
Sistem tersebut merupakan sistem pola kegiatan tata guna lahan yang terdiri dari
sistem pola kegiatan sosial, ekonomi, kebudayaan, dan lain-lain. Kegiatan yang
timbul dalam sistem ini membutuhkan pergerakan sebagai alat pemenuhan
kebutuhan yang perlu dilakukan setiap hari yang tidak dapat dipenuhi oleh tata gum
lahan tersebut. Besarnya pergerakan sangat berkaitan erat dengan jeans dan
intensitas kegiatan yang dilakukan.
Pergerakan yang berupa pergerakan manusia dan/atau barang tersebut jelas
membutuhkan moda transportasi (sarana) dan media (prasarana) tempat moda
transportasi tersebut bergerak. Prasarana transportasi yang diperlukan merupakan
astern mikro yang kedua yang biasa dikenal dengan sistem jaringan yang meliputi
sistem jaringan jalan raya, kereta api, terminal bus dan kereta api, bandara, dan
pelabuhan laut.
Interaksi antara sistem kegiatan dan sistem jaringan ini menghasilkan pergerakan
manusia dan/atau barang dalam bentuk pergerakan kendaraan dan/atau orang
(pejalan kaki). Suatu sistem mikro yang ketiga atau sistem pergerakan yang aman,
cepat, nyaman, murah, handal, dan sesuai dengan lingkungannya dapat tercipta jika
pergerakan tersebut diatur oleh sistem rekayasa dan manajemen lalu lintas yang
baik.
Permasalahan kemacetan yang sering terjadi di kota besar di Indonesia biasanya
timbul karena kebutuhan akan transportasi lebih besar daripada prasarana
transportasi yang tersedia, atau prasarana tersebut tidak dapat berfimgsi
sebagaimana mestinya.
Sistem kegiatan, sistem jaringan, dan sistem pergerakan akan scaling mempengaruhi
seperti terlihat pada Gambar 3.2. Perubahan pada sistem kegiatan jelas akan
mempengaruhi sistem jaringan melalui perubahan pada tingkat pelayanan pada
sistem pergerakan. Begitu juga perubahan pada sistem jaringan akan dapat
mempengaruhi sistem kegiatan melalui peningkatan mobilitas dan aksesibilitas dari
sistem pergerakan tersebut.
Selain itu, sistem pergerakan memegang peranan penting dalam menampung
pergerakan agar tercipta pergerakan yang lancar yang akhirnya juga pasti
mempengaruhi kembali sistem kegiatan dan sistem jaringan yang ada dalam bentuk
aksesibilitas dan mobilitas. Ketiga sistem mikro ini saling berinteraksi dalam sistem
transportasi makro.
Sesuai dengan Tataran Transportasi Nasional (Tatranas) 2008, dalam usaha untuk
menjamin terwujudnya sistem pergerakan yang aman, nyaman, lancar, murah,
handal, dan sesuai dengan lingkungannya, maka dalam sistem transportasi micro
terdapat sistem mikro tambahan lainnya yang disebut sistem kelembagaan meliputi
individu, kelompok, lembaga, dan instansi pemerintah serta swasta yang terlibat
secara langsung maupun tidak langsung dalam setiap sistem mil.-ro tersebut.
Di Indonesia, sistem kelembagaan yang berkaitan dengan masalah transportasi
secara umum sebagai berikut.
• Sistem kegiatan
Bappenas, Bappeda Tingkat I dan II, Bangda, Pemda

Pendekatan perencanaan transportasi 63


• Sistem jaringan
Departemen Perhubungan (Darat, Laut, Udara), Bina Marga
• Sistem pergerakan
DLLAJ, Organda, Polantas, masyarakat
Bappenas, Bappeda, Bangda, dan Pemda memegang peranan yang sangat penting
dalam menentukan sistem kegiatan melalui kebijakan baik yang berskala wilayah,
regional. maupun sektoral.
Kebijakan sistem jaringan secara umum ditentukan oleh Departemen Perhubungan
baik darat, taut, maupun udara serta Departemen PU melalui Direktorat Jenderal
Bina Marga. Sistem pergerakan ditentukan oleh DLLAJ, Organda, Polantas dan
masyarakat sebagai pemakai jalan.
Kebijakan yang diantbil tentunya dapat dilaksanakan dengan baik melalui peraturan
yang secara tidak langsung juga memerlukan sistem penegakan hukum yang baik
pula. Jadi, secara umum dapat dikatakan baltwa pemerintah, swasta, dan masyarakat
berperan dalam mengatasi masalah sistem transportasi ini, terutama masalah
kemacetan.

3.2.3 Sistem tata guna lahan transportasi


Sistem transportasi perkotaan terdiri dari berbagai aktivitas seperti bekerja, sekolah,
olahraga, belanja, dan bertamu yang berlangsung di atas sebidang tanah (kantor,
pabrik, pertokoan, rumah, dan lain-lain). Potongan lahan ini biasa disebut tata guna
lahan.
Untuk memenuhi kebutuhattnya, manusia melakukan perjalanan di antara tata guna
lahan tersebut dengan menggunakan sistem jaringan transportasi (misalnya berjalan
kaki atau naik bus). Hal ini menimbulkan pergerakan arus manusia, kendaraan, dan
barang.
Pergerakan arus manusia, kendaraan, dan barang mengakibatkan berbagai macam
interaksi. Terdapat interaksi antara pekerja dan tempat mereka bekerja, antara ibu
rumah tangga dan pasar, antara pelajar dan sekolah, dan antara pabrik dan lokasi
bahan mentah serta pasar.
Beberapa interaksi dapat juga dilakukan dengan telepon atau surat (sangat menarik
untuk diketahui bagaimana sistem telekomunikasi yang lebih murah dan lebih
canggih dapat mempengaruhi kebutuhan lalu lintas di tnasa mendatang). Akan
tetapi, ltatrtpir semua interaksi yang ntemerlukan perjalanan menghasilkan
pergerakan arus lalu lintas.
Sasaran umum perencanaan transportasi adalah membuat interaksi tersebut menjadi
semudah dan seeftsien mungkin. Cara perencanaan transportasi untuk ntencapai
sasaran umum itu antara lain dengan menetapkan kebijakan tentang hal berikut ini.
a Sistem kegiatan Rencana tata guna lahan yang baik (lokasi toko, sekolah,
perumahan, pekerjaan, dan lain-lain yang benar) dapat ntengurangi kebutuhan
akan perjalanan yang panjang sehingga membuat interaksi menjadi lebih
mudah. Perencanaan tata guna lahan biasanya memerlukan waktu cukup lama

64 Ofyar Z Tarnin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
dan tergantung pada badan pengelola yang berwewenang untuk melaksanakan
rencana tata guna lahan tersebut.
b Sistem jaringan Hal yang dapat dilakukan misainya meningkatkan kapa-
sitas pelayanan prasarana yang ada: melebarkan jalan, menambah jaringan
jalan baru, dan lain-lain.
Sistem pergerakan Hal yang dapat dilakukan antara lain mengatur teknik
dan manajemen lain lintas (jangka pendek), fasilitas angkutan unium yang
lebih baik (jangka pendek dan menengah), atau pembangunan jalan (jangka
panjang).
Para pembaca yang berminat dan ingin mengetahui lebih lanjut mengenai altematif
pemecaban masalah transportasi di daerah perkotaan (urban) dan regional
disarankan membaca Bab 28.
Sebaran geografis antara tata guna lahan (sistem kegiatan) sena kapasitas dan lokasi
dari fasilitas transportasi (sistem jaringan) digabungkan untuk mendapatkan anis
don pola pergerakan lalu lintas di daerah perkotaan (sistem pergerakan). Besarnya
arus dan pola pergerakan lalu lintas sebuah kora dapat memberikan umpan-balik
untuk menetapkan lokasi rata guna lahan yang tentu membutuhkan prasarana baru
pula.

3.3 Analisis interaksi sistem kegiatan dengan sistem jaringan

Tujuan utama dilakukannya analisis interaksi sistem ini oleh para perencana
transportasi sebagai berikut.
a Memahanii cara kerja sistem tersebut.
b Menggunakan hubungan analisis antara komponen sistem untuk meramalkan
dampak lalu lintas beberapa rata guna lahan atau kebijakan transportasi yang
berbeda.
Hubungan dasar antara sistem kegiatan, sistem jaringan, dan sistem pergerakan
dapat dilakukan dalam beberapa unrtan tahapan, yang biasanya dilakukan secara
berunttan sebagai berikut.
Aksesibilitas dan mnbilitas Ukuran potensial atau kesempatan untuk me-
lakukan perjalanan. Tahapan ini bersifat lebih abstrak jika dibandingkan
dengan empat tahapan berikut, digunakan untuk mengalokasikan masalah yang
terdapat dalam sistem transportasi dan mengevaluasi pemecaban altematif.
b Pembangkit lain lintas Bagaimana perjalanan dapat bangkit dari suatu tam
guna lahan atau dapat tertarik ke suatu rata guna lahan.
Sebaran penduduk Bagaimana perjalanan tersebut disebarkan secara geo-
grabs di dalam daerah perkotaan (daerah kajian).
d Pemilihan moda transportasi Menentukan faktor yang mempengaruhi
pemilihan moda transportasi untuk tujuan perjalanan tertentu.

Pendekatan perencanaan transportasi 65


e Pemilihan rute Menentukan faktor yang mempengaruhi pemilihan rute dari
setiap zona anal dan ke setiap zona tujuan.
Perlu diketahui bahwa terdapat hubungan antara waktu tempuh, kapasitas, dan arus
lalu lintas — waktu tempuh sangat dipengaruhi oleh kapasitas rate yang ada dan
jumlah arus lalu lintas yang menggunakan rute tersebut.
Semua tindakan yang dilakukan pada setiap tahapan akan mempengaruhi tahapan
lainnya dalam sistem tersebut. Pihak yang terlibat dalam sistem tersebut dapat
dilihat pada Tabel 3.1.
Tabel 3.1 Profesi dan peubah an dipenctaruhi
Profesi Peubah yang dipengaruhi

Perencana kota Tata guna lahan

Pengelola angkutan umum Transportasi (melayani bus dan kereta api)

Ahli lalu lintas Transportasi (manajemen lalu lintas)

Ahli jalan raya Transportasi (perbaikan jalan dan pembuatan jalan baru)

Sumber: Black (1981)

Perencana kota mengatur lokasi aktivitas suatu tata guna lahan agar dapat pula
mengatur aksesibilitas kota tersebut. Hal an pans berdampak pada bangkitan dan
tarikan lalu lintas serta sebaran pergerakannya. Pengelola angkutan umum harus
memperhatikan kemampuannya untuk bisa mengatur pemilihan moda dengan
mengatur operasi has atau kereta api yang lebih cepat dan mempunyai frekuensi
lebih tinggi.
Ahli lalu lintas mencoba meningkatkan kecepatan lalu lintas ini dan membuat
perjalanan lebih aman dengan menyediakan beberapa sarana seperti marka, ranlbu,
dan pengaturan persimpangan. Perubahan sistem transportasi ini akan berdampak
balk pada tata guna lahan (dengan mengubah aksesibilitas dan mobilitas) serta arus
lalu lintas.
Ahli jalan raya selalu dicap sebagai orang yang `berbahaya' dalam sistem
transportasi, apalagi jika dia tidak waspada terhadap dampak pembangunan dalam
bagian sistem tersebut. Ahli jalan raya biasanya mempunyai uang untuk
membangun jalan.
Oleh karena itu, dia berada pada posisi yang bisa membuat dampak besar dalam
sistem tersebut. Jalan baru akan menghasilkan perubahan besar terhadap sebaran
pergerakan, pemilihan moda dan rute, serta tata guna lahan (aksesibilitas). Ahli
jalan raya harus waspada pada pengaruh jalan terhadap seluruh bagian sistem
transportasi, termasuk seluruh cistern perkotaan di masa mendatang.

3.4 Aksesibilitas dan mobilitas

3.4.1 Apakah aksesibilitas dan mobilitas itu?

Aksesibilitas adalah konsep yang menggabungkan sistem pengaturan tata guna


lahan secara geografis dengan sistem jaringan transportasi yang

66 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soar, dan aplikasi
menghubungkannya- Aksesibilitas adalah suatu ukuran kenyamanan atau
kemudahan mengenai cara lokasi tata guna lahan berinteraksi satu sama lain dan
`mudah' atau `susah'-nya lokasi tersebut dicapai melalui sistem jaringan
transportasi (Black, 1979).
Pemyataan mudah' atau `susah' merupakan hal yang sangat subjektif dan
`kualitatif. Mudah bagi seseorang belum tentu mudah bagi orang lain, begitu juga
dengan pernyataan susah.
Oleh karena itu, diperlukan kinerja kuantitatif (terukur) yang dapat menyatakan
aksesibilitas atau kemudahan. Sedangkan mobilitas adalah suatu ukuran
kemampuan seseorang untuk bergerak yang biasanya dinyatakan dari
kemampuannya membayar biaya transportasi.
Ada yang menyatakan bahwa aksesibilitas dapat dinyatakan dengan jarak. Jika
suatu tempat berdekatan dengan tempat lainnya, dikatakan aksesibilitas antara
kedua tempat tersebut tinggi. Sebaliknya, jika kedua tempat itu sangat berjauhan,
aksesibilitas antara keduanya rendah. Jadi, tata guna lahan yang berbeda pasti
mempunyai aksesibilitas yang berbeda pula karena aktivitas tata guna lahan tersebut
tersebar dalam ruang secara tidak merata (heterogen).
Akan tetapi, peruntukan lahan tertentu seperti bandara, lokasinya tidak bisa
sembarangan dan biasanya terletak jauh di luar kota (karena ada batasan dari segi
keamanan, pengembangan wilayah, dan lain-lain). Aksesibilitas ke bandara
dikatakan pasti akan selalu rendah karena letaknya yang jauh di luar kota.
Naniun, meskipun letaknya jauh, aksesibilitas ke bandara dapat ditingkatkan dengan
menyediakan sistem jaringan transportasi yang dapat dilalui dengan kecepatan
tinggi sehingga waktu tempuhnya menjadi pendek.
Oleh sebab itu, penggunaan `jarak' sebagai ukuran aksesibilitas mulai diragukan
orang dan mulai dirasakan bahwa penggunaan `waktu tempuh' merupakan kinerja
yang lebih baik dibandingkan dengan `jarak' dalam menyatakan aksesibilitas.
Dapat disimpulkan bahwa suatu tempat yang berjarak jauh belum tentu dapat
dikatakan mempunyai aksesibilitas rendah atau suatu tempat yang berjarak dekat
mempunyai aksesibilitas tinggi karena terdapat faktor lain dalam menentukan
aksesibilitas, yaitu waktu tempuh.
Beberapa jenis tata guna lahan mungkin tersebar secara meluas (perumahan) dan
jenis lainnya mungkin berkelompok (pusat pertokoan). Beberapa jenis tata guna
lahan mungkin ada di satu atau dua lokasi saja dalam suatu kota seperti rumah sakit,
dan bandana.
Dari sisi jaringan transportasi, kualitas pelayanan transportasi pasti juga berbeda-
beda; sistem jaringan transportasi di suatu daerah mungkin lebih baik dibandingkan
dengan daerah lainnya baik dari segi kuantitas (kapasitas) maupun laalitas
(frekuensi dan pelayanan).
Contohnya, pelayanan angkutan umum biasanya lebih baik di pusat perkotaan dan
pada beberapa jalan utama transportasi dibandingkan dengan di daerah pinggiran

Pendekatan perencanaan transportasi 67


kola. Skema sederhana yang memperlihatkan kaftan antara berbagai bat yang
diterangkan mengenai aksesibilitas dapat dilihat pada Tabel 3.2 (Black, 1981).
Tabel 3.2 Klasifikasi tingkat aksesibilitas
Jauh Aksesibilitas rendah Aksesibilitas menengah
Jarak
Dekat Aksesibilitas menengah Aksesibilitas tinggi

Kondisi prasarana Sangat jelek Sangat balk


Sumber. Black (1981)

Apabila tata guna lahan saling berdekatan dan hubungan transportasi antar tata guna
lahan tersebut mempunyai kondisi baik, maka aksesibilitas tinggi. Sebalikttya, jika
aktivitas tersebut sating terpisah jauh dan hubungan transportasinya jelek, maka
aksesibilitas rendah. Beberapa kombinasi di antaranya mempunyai aksesibilitas
menengah.

3.4.2 Hubungan transportasi

Tabel 3.2 menggunakan faktor `hubungan transportasi' yang dapat diartikan dalam
beberapa hal. Suatu tempat dikatakan `aksesibel' jika sangat dekat dengan tempat
lainnya, dan `tidak aksesibel' jika berjauhan. Ini adalah konsep yang paling
sederhana; hubungan transportasi (aksesibilitas) dinyatakan dalam bentuk `jarak'
(km).
Seperti telah dijelaskan, jarak merupakan peubah yang tidak begitu cocok dan
diragukan. Jika sistem transportasi antara kedua buah tempat diperbaiki (disediakan
jalan baru atau pelayanan bus baru), maka hubungan transportasi dapat dikatakan
akan lebih baik karena waktu tempuhnya akan lebih singkat.
Hal ini sudah jelas berkaitan dengan kecepatan sistem jaringan transportasi tersebut.
Oleh karma itu, waktu tempuh' menjadi ukuran yang lebih baik dan sering
digunakan untuk aksesibilitas.
Selanjumya, misalkan terdapat pelayanan bus yang baik antara dua tempat dalam
suatu daerah perkotaan. Akan tetapi, bagi orang miskin yang tidak mampu membeli
karcis, aksesibilitas antara kedua lokasi tersebut tetap rendah.
Jadi, `biaya perjalanan' (Rp) menjadi ukuran yang lebih baik untuk aksesibilitas
dibandingkan dengan jarak dan waktu tempuh. Mobil pribadi hanya akan dapat
memperbaiki aksesibilitas dalam hal waktu bagi orang yang ntampu membeli atau
menggunakan mobil.
Dengan alasan di atas, moda dan jumlah transportasi yang tersedia dalam suatu kota
merupakan hal yang penting untuk menerangkan aksesibilitas. Beberapa moda
transportasi lebih cepat (waktu tempuh berkurang) dibandingkan dengan moda lain,
dan mungkin juga ada yang lebih mahal.
Sudah cukup annum dalam beberapa kasus, terutama di negara Barat, untuk
menggabungkan waktu dan biaya sebagai ukuran untuk hubungan transportasi, yang
biasa disebut biaya gabungan.

68 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:

1
Mori, contoh soal, dan aplikasi
Biaya ini dinyatakan dalam bentuk nilai uang (Rp) yang terdiri dari jumlah biaya
perjalanan (tiket, parkir, bensin, dan biaya operasi kendaraan lainnya) dan nilai
waktu perjalanan. Sudah tentu, diperlukan cara tersendiri untuk menyatakan waktu
dalam bentuk uang, dan beberapa penelitian telah dikembangkan untuk tujuan ini.
Secara umum diakui bahw sangat sulit menentukan hal ini, khususnya di negara
dunia ketiga. Beberapa penulis [seperti Atkins (1984,1987)] berpendapat bahwa
biaya gabungan adalah ukuran yang tidak cocok digunakan dalam beberapa hal
karena tidak memperlihatkan perbedaan kepentingan antara waktu dan biaya secara
terpisah. Ini mungkin berlaku dalam mengukur aksesibilitas; waktu biasanya
merupakan ukuran yang terbaik, yang diatur berdasarkan setiap moda.
Akhimya, hubungan transportasi dapat dinyatakan sebagai ukuran untuk
memperlihatkan nmdah atau sukamya suatu tempat dicapai, dinyatakan dalam
bentuk hambatan perjalanan. Semuanya selanjutnya dinyatakan dalam bentuk jarak,
waktu, atau biaya.
Untuk meningkatkan aksesibilitas tata guna lahan yang akan terhubungkan oleh
sistem jaringan transportasi, dilakukanlah investasi pembangunan sistem jaringan
transportasi.
Tetapi, meskipun tata guna lahan itu sudah mempunyai aksesibilitas yang tinggi
(atau mudah dicapai) karena terhubungkan oleh sistem jaringan transportasi yang
baik, beltun tentu dapat menjamin mobilitas yang tinggi pula.
Tidak akan ada artinya membangun sistem jaringan transportasi jika tidak dapat
dinikmati karma orang tidak mampu membayar biaya transportasinya (tidak
mempunyai mobilitas) sehingga investasi yang dibenamkan menjadi tidak akan ada
artinya (mubazir).
Kemanipuan seseorang membayar biaya transportasi sangat bervariasi, khususnya
di Indonesia. Oleh karena itu, dalam pengansbilan kebijakan, pengembangan sistem
jaringan transportasi hares diarahkan bukan saja pada peningkatan aksesibilitasnya,
tetapi harus pula dapat menjaniin setiap orang mampu membayar biaya
transportasinya dengan menyediakan banyak altematif sistem jarinean transportasi.

3.4.3 Aksesibilitas berdasarkan tujuan dan kelompok sosial


Kelompok populasi yang berbeda, atau orang yang santa pada saat yang berbeda,
akar tertarik pada aksesibilitas yang berbeda-beda. Keluarga, pada waktu yang
berbeda-beda, tertarik akan aksesibilitas ke tempat pekerjaan, pendidikan, belanja,
pelayanan kesehatan, dan fasilitas rekreasi. Pedagang akan lebih tertarik pada
aksesibilitas untuk pelanggan, sedangkan industri lebih tertarik pada aksesibilitas
untuk tenaga kerja dan bahan mentah.
Beberapa pertanyaan mengenai aksesibilitas untuk suatu daerah perkotaan dapat
dilihat berikut ini (Black, 1977,1979), dengan contoh khusus untuk suatu daerah
pennukiman.
• Berapa jarak ke tempat kerja, sekolah, dan lain-lain; dan bagaimana kondisi
fasilitas sistem jaringan transportasinya (jalan, angkutan umum)'?

Pendekatan perencanaan transportasi 69


• Bagaimana keragaman aksesibilitas tersebut dilihat dari ciri sosioekonomi dari
daerah yang berbeda-beda?
• Apakah aksesibilitas yang baik akan mengurangi jumlah perjalanan ke
beberapa lokasi aktivitas?
• Bagaimana keragaman aksesibilitas dalam kelompok yang berbeda, misalnya
orang tua dan anak muda yang bergantung pada ketersediaan angkutan =um?
• Apakah ada kelompok lain yang mempunyai aksesibilitas rendah karma
mereka tidak mempunyai sepeda motor? Dalam hal ini, konsep aksesibilitas
dapat digunakan untuk menganalisis struktur suatu perkotaan dalam hal lokasi
aktivitas yang mempunyai hubungan dengan lokasi perumahan. Evaluasi
seperti ini telah dilakukan sesuai dengan permintaan pemerintah DKI-Jakarta
(Gakenheimer, 1982).
• Bagaimana mmgenai keseragaman daerah? (pertanyaan ini tidak begitu
penting untuk daerah perkotaan).
• Bagaimana kesejahteraan sosial, terutama untuk daerah perkotaan, yang
memegang peranan sangat penting? Gakenheimer (1982) mengatakan bahwa
hanya sedikit informasi yang didapat tentang aksesibilitas angkutan umum,
terutama di luar DKI-Jakarta, yang berkaitan dengan pentingnya orang
berpendapatan rendah mendapatkan aksesibilitas yang cukup untuk mencapai
tempat bekerja, fasilitas kesehatan, serta sarana sosial lainnya.
Bagaimana lokasi industri dan produktivitas daerah perkotaan? Aksesibilitas
penting artinya bagi lokasi industri pada skala daerah dan nasional, tapi kurang
begitu penting (dari sudut efisiensi dan produktivitas) dalam daerah perkotaan.
Secara aksiomatis, kenyataannya sangat sederhana; produktivitas suatu daerah
perkotaan dan pengembangan ekonominya dapat diperbaiki dengan tersedianya
fasilitas transportasi yang baik (aksesibilitas yang baik) di dalam kota.
Aksesibilitas yang baik lebih penting untuk kesejahteraan sosial dibandingkan
dengan pengembangan ekonomi.

3.4.4 Aksesibilitas dalam model perkotaan

Setiap orang menginginkan aksesibilitas yang baik dan ini digunakan dalam
beberapa model penentuan lokasi tata guna lahan di daerah perkotaan. Model yang
terakhir dan banyak dikenal adalah model Lowry (Lowry, 1964).
Model ini mmgasumsikan bahwa lokasi industri utama di daerah perkotaan hams
ditmtukan terlebih dahulu. Setelah itu, jumlah keluarga dapat diperkirakan dan
lokasinya ditentukan berdasarkan aksesibilitas lokasi industri tersebut.
Junilah sektor pelayanan kemudian dapat diperkirakan dari jumlah keluarga dan
model tersebut, yang selanjutnya ditentukan lokasinya berdasarkan aksesibilitasnya
terhadap lokasi perumahan. Dengan kata lain, dengan menentukan lokasi industri
(lapangan kerja), lokasi lainnya (perumahan dan fasilitas pelayanan lainnya) dapat
ditmtukan oleh model dengan kriteria dasar aksesibilitas.

70 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
3.4.5
Pengukuran aksesibilitas di daerah perkotaan
Ukuran untuk menentukan besamya hambatan pergerakan yang dapat digunakan
untuk mengukur aksesibilitas telah didiskusikan. Black dan Conroy (1977)
membuat ringkasan tentang cara mengukur aksesibilitas di dalam daerah perkotaan.
Hal paling mudah adalah mengasumsikan bahwa daerah perkotaan dipecah menjadi
N zona, dan semua aktivitas terjadi di pusat zona.
Aktivitas diberi notasi A. Aksesibilitas K untuk suatu zona adalah ukuran intensitas
di lokasi tata guna lahan (misalnya jumlah lapangan kerja) pada setiap zona di
dalam kota tersebut dan kemudahan untuk mencapai zona tersebut melalui sistem
jaringan transportasi.

3.4.5.1 Ukuran grafis aksesibilitas Dapat dibuat sebaran frekuensi yang mem-
perlihatkan jumlah kesempatan yang tersedia dalam jarak, waktu, dan biaya tertentu
dari zona i. Hal ini menunjukkan aksesibilitas zona i untuk aktivitas tertentu
(misalnya pekerjaan).
Sebaran ini dapat dibuat untuk setiap moda yang berbeda. Selain jumlah
kesempatan, proporsi kesempatan yang ada dari kota tersebut, sebaran frekuensi,
serta sebaran frekuensi kumulatif (ogive) dapat juga digunakan.

3.4.5.2 Ukuran fisik aksesibilitas Yang paling terkenal adalah Ukuran dart
Hansen (1959). Dalam artikelnya How Accessibility Shapes Land Use, Hansen
mengembangkan Ukuran fisik mengenai aksesibilitas:

K I =~ (3.1)
d=1 Id

K, = aksesibilitas zona i ke zona lainnya d


Ad = ukuran aktivitas pada setiap zona d (misalnya jumlah lapangan kerja)

tld = ukuran waktu atau biaya dari zona asal i ke zona tujuan d
Banyak ukuran fisik untuk aksesibilitas lainnya ditentukan berdasarkan rumus di
alas. Beberapa variasi, seperti oleh Black dan Conroy (1977), mencoba
menggabungkan ukuran grafis dengan ukuran fisik aksesibilitas.

3.4.5.3 Aksesibilitas perumahan sebagai fungsi tersedianya fasilitas trans-


portasi Ukuran fisik aksesibilitas menerangkan struktur perkotaan secara spasial
tanpa melihat adanya perbedaan yang disebabkan oleh keragaman moda transportasi
yang tersedia, misalnya mobil dan angkutan umum. Mobil mempunyai aksesibilitas
yang lebih baik daripada angkutan umum atau berjalan kaki.
Banyak orang di daerah permukiman mempunyai akses yang balk dengan mobil
atau sepeda motor dan banyak yang juga tergantung pada angkutan umum atau
jalan. Jadi, aksesibilitas zona asal i dipenganilu oleh proporsi orang yang
menggunakan moda tertentu, dan harga ini dijumlahkan untuk semua moda
transportasi yang ada dalam mendapatkan aksesibilitas zona. Prosedur ini dijelaskan
secara lengkap oleh Black dan Conroy (1977).

Pendekatan perencanaan transportasi 71


3.4.6 Aksesibllitas dan perilaku perjalanan

Aksesibilitas adalah ukuran untuk mengltitung potensial perjalanan dibandingkan


dengan jumlah perjalanan. Ukuran ini dapat digunakan untuk menghitung jumlah
perjalanan yang sebenamya berhubungan dengan potensial tersebut.
Salah satu cara sederhana adalah dengan memperlihatkan secara grafis proporsi
penghuni yang mencapai tujuannya dibandingkan dengan jumlah kumulatif
aktivitas. Zona tujuan d diurut berdasarkan jarak, waktu, atau biaya yang semakin
menjauh yang dipilih berdasarkan zona i.
Hal ini dapat ditafsirkan untuk menunjukkan jumlah kesempatan yang sebenamya
didapat. Teknik ini dijelaskan secara rinci oleh Black dan Conroy (1977).
Hubungan antara aksesibilitas dan jumlah perjalanan sebenamya membentuk dasar
model gravity yang dapat digunakan untuk meramalkan arus lalu lintas antarzona di
dalam daerah perkotaan.

3.4.7 Contoh penggunaan aksesibilitas

Telah diterangkan bahwa aksesibilitas di daerah perkotaan digunakan sebagai


ukuran struktur spasial suatu kota dan selanjutnya digunakan untuk mengevaluasi
struktur tersebut dalam bentuk sosial.
Beberapa contoh yang diberikan akan menjelaskan hal ini. Hasil kerja di Inggris
(Dallal, 1980) bertujuan untuk mengukur aksesibilitas angkutan umum di kota
London. Tujuan utama penelitian ini adalah:
• menunjukkan variasi aksesibilitas keluarga akan kebutuhan angkutan umum;
mengidentifikasi daerah yang perlu diperbaiki pelayanan angkutan umumnya;
• menguji dampak perubahan pelayanan angkutan um= terhadap aksesibilitas.
Apakah perubahan tersebut berhasil memperbaiki aksesibilitas'?
Indeks aksesibilitas untuk angkutan umum didapatkan dengan mengkombinasikan
jarak dari rumah ke tempat pemberhentian bus atau stasiun kereta api bawah tanah
terdekat, termasuk perkiraan waktu menunggu bus dan kereta api (yang tergantung
dari frekuensi pelayanan).
Perhatikan bahwa indeks aksesibilitas hanya memperhatikan waktu sebenamya dari
rumah sampai pada waktu menaiki bus atau kereta api, bukan sampai pada tujuan
akhir.
Beberapa hasil diperlihatkan pada Tabcl 3.3-3.4 yang menunjukkan bahwa
keluarga dengan aksesibilitas rendah terhadap angkutan umum biasanya
berpendapatan rendah dan akan tetap berjalan kaki, bukan menggunakan bus atau
kereta api baw•ah tanah.
Black (1979) menekankan bahwa terdapat ketidaksamaan antara berbagai kota di
Asia dart segi struktur fisik perkotaan, terutama perbedaan yang jelas antara daerah
yang direncanakan dengan baik dan beberapa daerah kumuh. Sistem jaringan
transportasi juga berbeda antara berbagai kota dan antara berbagai daerah di kota
yang sama.

72 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teal, contoh soal, dan aplikasi
Hubungan antara aksesibilitas pendapatan keluarga dan persentase
Tabel 3.3
keluar a
pendapatan per Keluarga dengan Keluarga dengan Total
orang per tahun aksesibilitas aksesibilitas keluarga
(1977) (6) rendah (%) tinggi (%) (%)

0 -499 6,9 2,9 5,1


33,6 22,1 28,9
500 -999
30,5 25,0 25,8
1.000 - 1.499
10,7 16.2 12,1
1.500 - 1.999
18,3 33,8 23,0
2.000+

Total 100,0 100,0 100,0

Sumber: Dallal (1980)


Tabel 3.4 Pemilihan soda berdasarkan tujuan perjalanan (bekerja/belajar) dan
persentase keluarga

Keluarga dengan Keluarga dengan Total


Moda aksesibilitas aksesibilitas keluarga
rendah (%) tinggi (%) (%)

Mobil (penumpang) 4,6 2,4 4,0


Mobil (pengemudi) 14,3 15,2 14,7
Bus 38,5 48,2 43,7
Kereta api 2,9 0,6 1,5
Sepeda motor 1,6 1,8 1,3
Sepeda 2,0 3,7 2,5
Jalan kaki 36,2 28,0 32.3

Total 100,0 100,0 100,0


Sumber: Dallal (1980)

Black (1979) juga mempertimbangkan cara menganalisis aksesibilitas untuk


mempertimbangkan ciri sistem jaringan transportasi yang berbeda di dalam dan
antara berbagai kota (lihat Tabel 3.5 mengenai aksesibilitas ke sekolah di DKI-
Jakarta pada tahun 1979).
Tabel 3.5 menunjukkan waktu tempuh dan persentase pelajar yang berjalan kaki ke
sekolah terdekat di enam daerah. Terlihat adanya keragaman yang berbeda, dengan
rata-rata waktu tempuh sekitar 4 menit dari Cakung dan Tomang serta 20 menit dari
Selong. Terdapat perubahan aksesibilitas untuk semua daerah jika angkutan umum
digunakan.
Tabel 3.5 Persentase oran• ber'alan kaki dan waktu tem•uhn a aksesibilitas ke sekolah
Daerah kajian 5 menit 10 menu 15 menu 20 menu 25 menu
Cakung 58 74 92 100
Tomang 55 66 84 100
Sunter 80 100
Gunung Sahari Utara 0 60 87 100
Menteng 17 42 65 92 100
Selong 0 38 60 100
Sumber: Black (1979)

Pendekatan perencanaan transportasi 73


Contohnya, di Gunung Sahari Utama, rata-rata waktu tempuh adalah berjalan kaki
(13 menit), dengan becak dapat diktuangi menjadi 7 mend, dan dengan bemo
menjadi 6 menet. Terdapat perbedaan yang besar dalam hal aksesibilitas ke sekolah
di berbagai daerah antara orang yang mampu dan tidak mampu menggunakan
angkutan umum.
Di kota Bandung, Marler (1985) menunjukkan beberapa masalah aksesibilitas di
beberapa kanpung. Temyata akses akan angkutan umum hanya mungkin untuk
beberapa keluarga saja, dan pemilik sepeda motor mempunyai aksesibilitas tinggi.
Hal ini karena sepeda motor lebih cepat dibandingkan dengan angkutan umum atau
berjalan kaki. Selain itu, sepeda motor merupakan satu-satunya moda transportasi
yang bisa langsung masuk sampai ke depan pinta rumah melalui jalan jalan
kampung yang sempit.

3.4.8 Ringkasan
Akuesibilitas adalah alat untuk mengukur potensial dalam melakukan perjalanan,
selain juga menghitung jumlah perjalanan itu sendiri. Ukuran ini menggabungkan
sebaran geografis tata guna lahan dengan kualitas sistem jaringan transportasi yang
menghubungkannya.
Dengan demikian, aksesibilitas dapat digunakan untuk menyatakan kemudahan
suatu tempat untuk dicapai, sedangkan mobilitas untuk menyatakan kemudahan
seseorang bergerak, yang dinyatakan dari kemampuannya membayar biaya
transportasi.
Konsep aksesibilitas ini dapat juga digunakan untuk mendefinisikan suatu daerah di
dalam suatu wilayah perkotaan atau suatu kelompok manusia yang mempunyai
masalah aksesibilitas atau mobilitas terhadap aktivitas tertentu. Dalam hal ini,
analisis aksesibilitas dapat digunakan untuk mengidentifikasi masalah yang perlu
dipecahkan dan mengevaluasi rencana serta kebijakan pemecahan masalah
selanjutnya_
Investasi yang dibenamkan untuk pembangunan cistern jaringan transportasi pada
dasamya bertujuan meningkatkan aksesibilitas dari rata guna lahan yang
terhubungkan oleh jaringan jalan tersebut. Akan tempi, aksesibilitas yang dihasilkan
menjadi tidak ada artinya (mubazir) jika seseorang tidak mampu membayar biaya
transportasinya. Baginya, investasi yang dibenamkan dalam pembangunan sistem
jaringan tersebut menjadi tidak ada artinya sama sekali.

3.5 Konsep perencanaan transportasi

Terdapat beberapa konsep perencanaan transportasi yang telah berkembang sampai


saat ini — yang paling populer adalah 'Model Perencanaan Transportasi Empat
Tahap'. Model perencanaan ini merupakan gabungan dari beberapa seri submodel
yang masing-masing haus dilakukan secara terpisah dan berurutan (Tamin,
1998abcd,1997a,2000a,2003). Submodel tersebut adalah:
• aksesibilitas

74 Ofyar Z Tarnin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
, bangkitan dan tarikan pergerakan

. sebaran pergerakan

. pemilihan moda

. pemilihan rute

• ants lalu lintas dinamis

3.5.1 Bangkitan dan tarikan pergerakan

3.5.1.1 Umum Bangkitan pergerakan adalah tahapan pemodelan yang memper-


kirakan jumlah pergerakan yang berasal dari suatu zona atau tata guna lahan dan
jumlah pergerakan yang tertarik ke suatu tata guna lahan atau zona. Pergerakan lalu
lintas merupakan fungsi tata guna lahan yang menghasilkan pergerakan lalu lintas.
Bangkitan lalu lintas ini mencakup:

• lalu limas yang meninggalkan suatu lokasi

• lalu lintas yang menuju atau tiba ke suatu lokasi.


Bangkitan dan tarikan pergerakan terlihat secara diagram pada Gambar 3.3 (Wells,
1975).

Pergerakan yang berasal Gambar 3.3


menuju dari zona Bangkitan dan tarikan pergerakan

Hasil keluaran dari perhitungan bangkitan dan tarikan lalu lintas berupa jumlah
kendaraan, orang, atau angkutan barang per satuan waktu, misalnya kendaraan/jam.
Kita dapat dengan mudah menghitung jumlah orang atau kendaraan yang masuk
atau keluar dart suatu luas tanah tertentu dalani satu hart (atau satu jam) untuk
mendapatkan bangkitan dan tarikan pergerakan. Bangkitan dan tarikan lalu lintas
tersebut tergantung pada dua aspek tata guna lahan:
• jenis tata guna lahan dan
• jumlah aktivitas (dan intensitas) pada tata guna lahan tersebut.

3.5.1.2 Jenis tata guna lahan Jenis tata guna lahan yang berbeda (permukiman,
pendidikan, dan komersial) mempunyai ciri bangkitan lalu lintas yang berbeda:
• jumlah arus lalu lintas;
• jenis lalu lintas (pejalan kaki, truk, mobil);
• lalu lintas pada waktu tertentu ( cantor menghasilkan ants lalu lintas pada pagi
dan sore hari, sedangkan pertokoan menghasilkan ants lalu lintas di sepanjang
hari).

Pendekatan perencanaan transportasi 75


Jumlah dan jenis lalu lintas yang dihasilkan oleh setiap tata guna lahan merupakan
hasil dart fungsi parameter sosial dan ekonomi; seperti contoh di Amerika Serikat
(Black, 1979):

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

• I ha perkantoran menghasilkan 700 pergerakan kendaraan per hari; dan


• 1 ha tempat parkir umum menghasilkan 12 pergerakan kendaraan per hari.
Beberapa contoh lain (juga di Amerika Serikat) diberikan dalam Tabel 3.6.
Tabel 3.6 Bangkitan dan tarikan ?ergerakan dari bebera a aktivitas tata guna lahan
Deskripsi aktivitas lath Rata-ratajumlah pergerakan
Jumlah kajian
guns lahan kendaraan per 100 m2

Pasar swalayan 136 3


Pertokoan lokal" 85 21
Pusat pertokoan" 38 38
Restoran siap santap 595
Restoran 60 3
Gedung perkantoran 13 22
Rumah sakit 18 12
Perpustakaan 45 2
Daerah industri 98
•4.645-9.290 (m7) ^46.452-92.903 (m )
Sumber: Black (1979)

3.5.1.3 Intensitas aktivitas tata guna lahan Bangkitan pergerakan bukan saja
beragam dalam jenis tata guna lahan, tetapi juga tingkat aktivitasnya. Semakin
tinggi tingkat penggunaan sebidang tanah, semakin tinggi pergerakan arus lalu
lintas yang dihasiikannya. Salah satu ukuran intensitas aktivitas sebidang tanah
adalah kepadatannya. Tabel 3.7 memperlihatkan bangkitan lalu lintas dari suatu
daerah permukiman yang mempunyai tingkat kepadatan berbeda di Inggris (Black,
1979).
Tabel 3.7 Ban kitan lalu lintas, 'enis erumahan dan ke adatann a
Kepadatan
Pergerakan Bangkitan
Jenis perumahan permukiman
per hari pergerakan per ha
(keluarga/ha)

Permukiman di luar kola 15 10 150


Permukiman di baths kola 45 315
Unit rumah 80 5 400
Flat tinggi 100 5 500
Sumber. Black (1979)

Walaupun arus lalu lintas terbesar yang dibangkitkan berasal dari daerah
pennukiman di luar kota, bangkitan lalu lintasnya terkecil karma intensitas
aktivitasnya (dihitung dari tingkat kepadatan permukiman) paling rendah. Karena
bangkitan lalu lintas berkaitan dengan jenis dan intensitas perumahan sehingga

76 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transpoRasi:


Teori, contoh soal, dan aplikasi
hubungan antara bangkitan lalu lintas dan kepadatan permukiman menjadi tidak
linear.
3.5.2 Sebaran pergerakan

3.5.2.1 Umum Tahap ini merupakan tahap ketiga dari lima tahap yang
menghubungkan interaksi antara tata guna lahan, jaringan tranportasi, dan arus lalu
limas. Pola spasial ants lalu lintas adalah fungsi dari tata guna lahan dan sistem
jaringan transportasi.
Gambar 3.4 memperlihatkan pola spasial pergerakan kendaraan di kota Bandung
(Tamin,1995c). Ketebalan garis menunjukkan jumlah arts kendaraan dan panjang
garis menunjukkan jarak antarzona yang dihubungkan. Gambar 3.4 ini dikenal
dengan gambar garis keinginan karena menunjukkan arah pergerakan arus lalu
lintas, tetapi tidak menunjukkan rute pergerakan yang sebenamya digunakan.

Gambar 3.4 Pola pergerakan kendaraan di kota Bandung


Sumber: Tamin (1994ab,1995acd)

Pola sebaran anus lalu lintas antara zona asal i ke zona tujuan d adalah hasil dari dua
hal yang terjadi secara bersamaan, yaitu lokasi dan intensitas tata guna lahan yang
akan menghasilkan anus lalu lintas, dan pemisahan ruang, interaksi antara dua buah
tata guna lahan yang akan menghasilkan pergerakan manusia daniatau barang.
Contohnya, pergerakan dari rumah (petmukiman) ke tempat bekerja (kantor,
industri) yang terjadi setiap hari.

3.5.2.2 Pemisahan ruang Jarak antara dua buah tata guna lahan merupakan batas
pergerakan. Jarak yang jauh atau biaya yang besar akan membuat pergerakan antara
dua buah tata guna lahan menjadi lebih sulit (aksesibilitas rendah). Oleh karena itu,
pergerakan anus lalu lintas cenderung meningkat jika jarak antara kedua zonanya

Pendekatan perencanaan transportasi 77


semakin dekat. Hal ini juga menunjukkan bahwa orang lebih menyukai perjalanan
pendek daripada perjalanan panjang. Pemisahan ruang tidal( hanya ditentukan oleh
jarak, tetapi oleh beberapa ukuran lain, misalnya hambatan perjalanan yang diukur
dengan waktu dan biaya yang diperlukan.

3.5.2.3 Intensitas tata guna lahan Makin tinggi tingkat aktivitas suatu tata guna
lahan, ntakin tinggi pula tingkat kemampuannya dalam menarik lalu lintas.
Contohnya, pasar swalayan menarik anus pergerakan lalu lintas lebih banyak
dibandingkan dengan rumah sakit untuk luas lahan yang sama (lihat Tabel 3.6)
karena aktivitas di pasar swalayan lebih tinggi per satuan luas lahan dibandingkan
dengan di rumah sakit.

3.5.2.4 Pemisahan ruang dan intensitas tata guna lahan Daya tank suatu tata
guna lahan akan berkurang dengan meningkatnya jarak (dampak pemisahan ruang).
Tata guna lahan cenderung menarik pergerakan lalu lintas dari tempat yang lebih
dekat dibandingkan dengan dari tempat yang lebih jauh. Pergerakan lalu lintas yang
dihasilkan juga akan lebih banyak yang berjarak pendek daripada yang berjarak
jauh. Interaksi antardaerah sebagai fungsi dari intensitas setiap daerah dan jarak
antara kedua daerah tersebut dapat dilihat pada Tabel 3.8.
Tabel 3.8 Interaksi antardaerah
Jauh Interaksi
diabaikandapat Interaksi rendah
Interaksi
menengah
Jarak
Interaksi Interaksi sangat
Dekat Interaksi rendah
menengah tinggi

Intensitas tata guna lahan


antara dua zona Kecil—Kecil Kecil—Besar Besar—Besar
Sumber. Black (1981)

Jaringan transportasi dapat menyediakan sarana untuk memecahkan masalah jarak


tersebut (misalnya perbaikan sistem jaringan transportasi akan mengurangi waktu
tempuh dan biaya sehingga membuat seakan-akan jarak antara kedua tata guna
lahan atau aktivitas tersebut menjadi semakin dekat). Sistem transportasi dapat
mengurangi hambatan pergerakan dalam ruang, tetapi tidak mengurangi jarak. Jarak
hanya bisa diatasi dengan memperbaiki sistem jaringan transportasi.
Oleh karena itu, jumlah pergerakan lalu limas antara dua buah tata guna lahan
tergantung dari intensitas kedua tata guna lahan dan pemisahan ruang (jarak, waktu,
dan biaya) antara kedua zonanya. Dengan demikian, arus lalu lintas antara dua buah
rata guna lahan mempunyai korelasi positif dengan intensitas tata guna lahan dan
korelasi negatif dengan jarak.

3.5.3 Bangkitan dan sebaran pergerakan

Telah dijelaskan bahwa jenis dan intensitas tata guna lahan berpengaruh pada
jumlah bangkitan lalu lintas sehingga jelaslah bahwa bangkitan pergerakan sangat
berkaitan dengan sebaran pergerakan. Bangkitan pergerakan memperlihatkan
banyaknya lalu limas yang dibangkitkan oleh setiap tata guna lahan, sedangkan

78 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
baran pergerakan menunjukkan ke mana dan dart mana lalu lintas tersebut.
Ilustrasinya terlihat pada Gambar 3.5-3.6 (Wells, 1975).
se

Gambar 3.5 Bangkitan pergerakan


Sumber: Wells (1975)

Gambar 3.6 Sebaran pergerakan


antar 2 (dua) buah zona
Sumber: Wells (1975)

3.5.4 Pemilihan moda transportasi dan rule

3.5.4.1 Pemilihan moda transportasi Jika interaksi terjadi antara dua tata guna
lahan di suatu kota, seseorang akan memutuskan bagaimana interaksi tersebut harus
dilalcukan. Dalam kebanyakan kasus, pilihan pertama adalah dengan menggunakan
telepon (atau pos) karena hal ini akan dapat menghindari terjadinya peejalasao
Akan tetapi, sering interaksi mengharuskan terjadinya perjalanan. Dalam kasus ini,
keputusan hams ditentukan dalam hal pemilihan moda.
Secara sederhana moda berkaitan dengan jenis transportasi yang digunakan. Pilihan
pertama biasanya berjalan kaki atau menggunakan kendaraan. Jika menggunakan
kendaraan, pilihannya adalah kendaraan pribadi (sepeda, sepeda motor, mobil) atau
angkutan umunt (bus, becak clan lain-lain). Jika angkutas umum yang digunakan,
jenisnya bermacam-macam — oplet, kereta apt, becak, clan lain-lain.
Dalam beberapa kasus, mungkin terdapat sedikit pilihan atau tidak ada pilihan sama
sekali. Orang miskin mungkin tidak mampu membeli sepeda atau membayar biaya
transportasi sehingga mereka biasanya berjalan kaki. Sementara la. keluarga
berpenghasilan kecil yang tidak mempunyai mobil atau sepeda motor biasanya
menggunakan angkutan umum. Selanjutnya, seandainya keluarga tersebut
mempunyai sepeda, jika hams berpergian jauh tentu menggunakan angkutan umum.
Orang yang hanya mempunyai satu pilihan moda saja disebut dengan captive
terhadap moda tersebut. Jika terdapat lebih dani satu moda, moda yang dipilih
biasanya yang mempunyai rute terpendek, tercepat, atau temiurah, atau kombinasi
dart ketiganya. Faktor lain yang mempengaruhi adalah ketidaknyamarian dan
keselamatan. Hal seperti ini hams dipertimbangkan dalam pemilihan moda.

Pendekatan perencanaan transportasi 79


3.5.4.2 Pemilihan rute Semua yang telah diterangkan dalam pemilihan moda
juga dapat digunakan untuk pemilihan rute. Untuk angkutan umum, rute ditentukan
berdasarkan moda transportasi (bus dan kereta api mempunyai rute yang tetap).
Dalam kasus jni, pemilihan moda dan rute dilakukan bersama-sama.
Untuk kendaraan pribadi, diasumsikan bahwa orang akan memilih moda
transportasinya dulu, barn rutenya. Seperti pemilihan moda, pemilihan rute
tergantung pada alternatif tetpendek, tercepat, dan tetmurah, dan juga diasumsikan
bahwa pemakai jalan mempunyai informasj yang cukup (misalnya tentang
kemacetan jalan) sebingga mereka dapat menentukan rote yang terbajk.

3.5.5 Ringkasan konsep dasar

Sistem adalah seperangkat objek yang berhubungan sato sama lain. Sistem rata guna
lahan dan transportasi mempunyai tiga komponen utama, yaitu tata guna lahan,
sistem prasarana transportasi, dan lalu lintas.
Hubungan antara ketiga komponen utama jni terlihat dalam 6 (enam) konsep
analitis, yaitu:
• aksesibilitas;
bgktan pergerakan;
• sebaran pergerakan;
• pemilihan moda;
• pemilihan rute;
• anis lalu lintas pada jaringan jalan (anis lalu lintas dinamis).
Tabel 3.9 memperlihatkan hubungan antarkomponen yang saling tergantung pada
set up konsep analitis tersebut.
Tabel 3.9 Konse analitis dan kom onen terkait

Konsep analitis Tergantung dari komponen

1 Aksesibilitas tats guns lahan &sistem prasarana transportasi

2 Bangkitan pergerakan tata guna lahan &sistem prasarana transportasi

3 sebaran pergerakan tata guna lahan &sistem prasarana transportasi

4 Pemilihan mods sistem prasarana transportasi & anis tato lint.

5 Pemilihan rote sistem prasarana transportasi & anis tato lintas

6 Arus pada jaringan transportasi sistem prasarana transportasi & anis lalu lintas

Aksesibilitas (konsep 1) kadang-kadang bukan merupakan bagian integral dari


keseluruhan sistem, tetapi konsep ini dapat juga digunakan sebagai proses utama
dalam kajian transportasi. Konsep ini digunakan untuk mengidentifikasi masalah
dan menolong mengevaluasi altematif perencanaan transportasi yang diusulkan.

80 Otyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
Arus lalu lintas pada jaringan jalan (konsep 6) adalah konsep yang termasuk pada
beberapa tahapan yang berbeda. Konsep 2 sampai dengan konsep 5 (bangkitan
pergerakan, sebaran pergerakan, pemilihan moda dan rute) merupakan bagian utama
model tersebut, yang harus dilakukan secara berurutan. Urutan tersebut beragam,
yang penggunaamtya sangat tergantung pada kondisi di lapangan, ketersediaan data
(kuantitas dan kualitas), waktu perencanaan, dan lain-lain.
Beberapa altematif urutan pemodelan dapat dilihat pada Gambar 3.7 (Black, 1981)
dengan G = Bangkitan pergerakan, D = Sebaran pergerakan, MS = Pemilihan moda
dan A = Pemilihan rute.
JENIS I JENIS II JENIS 111 JENIS IV

I -I 1r'I 1°1 I. I
MST (
I °1 I D
II

MS I
I Gambar 3.7
1 Empat variasi urutan

IA I I A
l A I
konsep utama
Sumber: (Black, 1981)

Jika dilihat, temyata keempat altematif ini berbeda-beda, tergantung pada letak
tahapan pemilihan moda. Penggunaan dari setiap altematif sangat tergantung pada
data yang tersedia, tujuan kajian, waktu kajian, dan lain-lain. Urutan yang paling
sering digunakan adalah jenis IV, tetapi beberapa tahun belakangan ini sering
digunakan jenis III.
Konsep tersebut bisa diilustrasikan seperti terlihat pada Gambar 3.8, tergantung
pada urutannya (Wells, 1975).
1 Aksesibilitas
Aksesibilitas zona ! tergantung pads intensitas tats guns
lahan zona d

O CD
2 Bangkitan pergerakan
Arus meninggalkan zonal Arus memasuki zona

~— r ~ -► d ~-
/1".

Pendekatan perencanaan transportasi 81


3 Sebaran pergerakan

4 Pemilihan moda

angkutan pribadi angkutan umum

Dari jumlah lalu lintas dari ke g. berapa yang menggunakan kendaraan


pribadi dan berapa yang menggunakan angktAan umurn,

5 Pemilihan rute
a. Kendaraan pribadi

Kendaraan pribadi akan mengikuti rute tersingkat ABCD

b. Angkutan umum

6 Arus lalu linths pada jaringan Jalan

Gambar 3.8
Ringkasan urutan
Jika arus lalu lintas berubah, rule tercepat untuk mobil dart zona / ke zona konsep
akan berubah juga. Rute tercepat berubah dari ABCD rnenjadi
perencanaan
ABED. Hal yang sama berlaku juga untuk angkutan umum.
transportasi

82 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
Sejauh ini, konsep tersebut barn dijelaskan di atas kertas. Tahapan benkutnya dalam
usaha untuk memahami cara kerja sistem adalah menjelaskannya dengan cara
kuantitatif, yaitu dengan menggunakan model matematis. Gamhar 3.9
memperlihatkan garis besar semua proses yang terdapat dalam konsep perencanaan
transportasi. Model ini merupakan proses pemodelan yang berurutan sehingga
sering disebut Model Perencanaan Transportasi Empat Tahap (MPTET).

Data perencanaan

Gambar 3.9 Model perencanaan transportasi empat tahap (MPTET)


(Sumber: IHT dan DTp, 1987)

Jessie pemodelan seperti ini sangat kompleks, membutuhkan banyak data dan waktu
yang lama dalam proses pengembangan dan pengkalibrasiannya. Akan tetapi, model
ini dapat disederhanakan agar dapat memenuhi kebutuhan perencanaan transportasi
di daerah yang mempunyai keterbatasan waktu dan biaya.

Pendekatan perencanaan transportasi 83


4 Analisis indeks tingkat pelayanan
(ITP)

Pada Bab 3 telah dijelaskan bahwa aksesibilitas antara dua bunt' zona sangat
ditentukan oleh karakteristik sistem jaringan transportasi yang menghubungkan
kedua zona tersebut. Dengan perkataan lain, aksesibilitas antara dua buah zona
sangat ditentukan oleh tingkat pelayanan dari setiap ruas jalan yang
menghubungkan kedua zona tersebut.
Dalam Bab 4 ini akan dijelaskan beberapa hal yang mempengaruhi tingkat
pelayanan suatu ruas jalan. Subbab 4.1 menjelaskan beberapa hal yang berkaitan
dengan tingkat pelayanan suatu man jalan termasuk faktor-faktor yang dapat
mempengatuhi tingkat pelayanan ruas jalan tersebut.
Subbab 4.2 menjelaskan beberapa definisi tingkat pelayanan yang dapat
dikelompokkan menjadi tingkat pelayanan tergantung-arus (subbab 4.2.1) dan
tingkat pelayanan tergantung-fasilitas (subbab 4.2.2).
Subbab 4.3 menjelaskan hubungan matematis antara waktu tempuh dengan arus
lalu lintas. Subbab 4.4 menjelaskan salah satu parameter penting dalam
menganalisis tingkat pelayanan suatu ruas jalan, yaitu nilai To yang menyatakan
waktu tempuh yang dibutuhkan oleh sebuah kendaraan pada satu satuan panjang
runs jalan tertentu pada kondisi volume arus-bebas.
Subbab 4.5-4.8 menjelaskan beberapa metode pendekatan yang dapat digunakan
untuk memperlihatkan hubungan matematis antara waktu tempuh dengan ants lalu
lintas, dimulai dari penurunan metode pendekatan dan dilengkapi dengan beberapa
contoh penerapan.
Beberapa metode pendekatan yang akan diterangkan yaitu: metode pendekatan
linear (subbab 4.5), metode pendekatan tidak-linear (subbab 4.6), metode
pendekatan coba-coba (subbab 4.7), dan metode pendekatan rata-rata (subbab 4.8).
Beberapa contoh soal dan penerapan lainnya yang berkaitan dengan analisis indeks
tingkat pelayanan akan diberikan pada subbab 4.9.

4.1 Tingkat pelayanan

Arus lalu lintas berinteraksi dengan sistem jaringan transportasi. Jika arus lalu lintas
meningkat pada ruas jalan tertentu, waktu tempuh pasti bertambah (karena
kecPpatan menurun).
Arus maksimum yang dapat melewati suatu ruas jalan biasa disebut kapasitas ruas
jalan. Arus maksimum yang dapat melewati suatu titik tertentu (biasanya pada
persimpangan berlampu lalu lintas) biasa disebut arus jenuh.

84
Kapasitas suatu jalan dapat didefinisikan dengan beberapa cara. Salah sate defmisi
kapasitas, sebagaimana dinyatakan dalam Highway Capacity Manual (HRB, 1965)
adalah:
the maximum number of vehicles that can
pass in a given period of time...'
('... jumlah kendaraan maksimum yang dapat
bergerak dalam periode waktu tertentu ...')
Kapasitas rugs jalan perkotaan biasanya dinyatakan dengan kendaraan (atau dalam
Satuan Mobil Penumpang/SMP) per jam. Hubungan antara arcs dengan waktu
tempuh (atau kecepatan) tidaklah linear.
Penambahan kendaraan tertentu pada saat arcs rendah akan menyebabkan
penambahan waktu tempuh yang kecil jika dibandingkan dengan penambahan
kendaraan pada scat arus tinggi.
Hal ini menyebabkan fungsi anus mempunyai bentuk umum seperti Gambar 4.1
(Black, 1981).
♦ ~
~ 1
~ 1

3 1

1 ~
I E
1 ~
1 ~
I n
1 Y
~, Gambar 4.1 Hubungan antara nilai
Nisbah volume per kapasitas 1 nisbah volume per kapasitas
dengan waktu tempuh
Terlihat bahwa kurva mempunyai asimtot pada saat arus mencapai kapasitas; was
nilai Nisbah Volume per Kapasitas (NVK) mendekati satu. Secara sederhana,
kapasitas talc akan pernah tercapai dan waktu tempuh akan meningkat pesat pada
saat arus lalu lintas mendekati kapasitas. Secara realita, arus tidal( akan beroperasi
dengan kondisi sesederhana ini.
Oleh karena itu, modifikasi terhadap teori dasar hams dilakukan. Jika arus lalu
lintas mendekati kapasitas, kemacetan mulai terjadi. Kemacetan semakin meningkat
apabila arus begitu besar sehingga kendaraan sangat berdekatan satu sama lain.
Kemacetan total terjadi apabila kendaraan hams berhenti atau bergerak sangat
lambat.

4.2 Definisi tingkat pelayanan

Terdapat dua bush definisi tentang tingkat pelayanan suatu ruas jalan yang perlu
dipahami (HRB, 1965).

Analisis indeks tingkat pelayanan (ITP) 85


4.2.1 Tingkat pelayanan (tergantung-arus)
Hal ini berkaitan dengan kecepatan operasi atau fasilitas jalan, yang tergantung pada
perbandingan antara arus terhadap kapasitas. Oleh karena itu, tingkat pelayanan
pada suatu jalan tergantung pada arus lalu lintas. Definisi ini digunakan oleh
Highway Capacity Manual (Amerika), diilustrasikan dengan Gambar 4.2 yang
mempunyai 6 (enam) bush tingkat pelayanan (level of service), yaitu:

• Tingkat pelayanan A anus bebas

• Tingkat pelayanan B anis stabil (untuk merancang jalan antarkota)

• Tingkat pelayanan C arus stabil (untuk merancang jalan perkotaan)

• Tingkat pelayanan D anis mulai tidak stabil

• Tingkat pelayanan E arus tidak stabil (tersendat-sendat)

• Tingkat pelayanan F anis terhambat (berhenti, antrian, macet)


Konsep Amerika ini sudah sangat umum digunakan untuk menyatakan tingkat
pelayanan.

4.2.2 Tingkat pelayanan (tergantung-fasilitas)


Hal ini sangat tergantung pada jenis fasilitas, bukan arusnya. Jalan bebas hambatan
mempunyai tingkat pelayanan yang tinggi, sedangkan jalan y an g sempit mempunyai
tingkat pelayanan yang rendah.
Hal ini diilustrasikan pada Gambar 4.3 (Black, 1981). Konsep ini dikembangkan
oleh Wardrop (1952), Davidson (1966), dan Blunden (1971) yang menunjukkan
bahwa basil eksperimen menghasilkan karakteristik tenentu sebagai berikut.
• Path saat anis mendekati nol (0), titik potong pada sumbu y terlihat dengan
jelas (To).
• Kurva mempunyai asimtot pada saat anis mendekati kapasitas. Kurva
meningkat secara monoton.

86 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:

1
Teori, contoh soal, dan aplikasi
bngkat pelayanan buruk

Gambar 4.3 Hubungan antara


In v. nisbah waktu perjalanan (kondisi
aktual/arus bebas) dengan
2g tingkat pelayanan balk
nisbah volurne/kapasitas
1 Catatan. sumbu ymenunjukkan
gI nisbah antara waktu tempuh
dengan waktu pada kondisi arus
bebas, sedangkan sumbu x
menyatakan nisbah arttara volume
V 4 per kaXtas
sbah volu° dengan kapasitas.

4.3 Hubungan matematis waktu tempuh dengan arus lalu lintas

Besamya waktu tempuh pada suatu ruas jalan sangat tergantung dan besamya arus
clan kapasitoo ruas jalan tersebut. Hubungan antara arus dengan waktu tempuh dapat
dinyatakan sebagai suatu fungsi di mana jika arus bertambah maka waktu tempuh
akan bertambah juga.
Menurut Davidson (1966), hal ini sebenamya merupakan konsep dasar dalam teori
antrian yang menyatakan bahwa tundaan yang terjadi pada tingkat kedatangan dan
tingkat pelayanan yang tersebar secara acak dapat dinyatakan sebagai persamaan
(4.1) berikut.

di mana: (4.1)
— ['Opt— PA
= tundaan per kendaraan
X = tingkat kedatangan
= tingkat pelayanan

P =

Berdasarkan teori antrian stokastik untuk satu tempat pelayanan dengan sebaran
pelayanan acak, besamya waktu tunggu yang dialami oleh setiap kendaraan dengan
sebaran kedatangan acak dapat dinyatakan dengan persamaan (4.2) berikut.

E (4.2)
Ip0P-pA
',arena p= maka sebenamya persamaan (4.2) sama dengan persamaan (4.1).

Konsep antrian dalam waktu pelayanan merujuk pada waktu minimum yang
dibutuhkan kendaraan untuk melalui suatu ruas jalan sesuai dengan tingkat
pelayanan jalan yang ada.

Analisis indeks tingkat pelayanan (ITP) 87


Waktu pelayanan adalah waktu tempuh yang dibutuhkan ketika tidak ada kendaraan
lain pada jalan tersebut (kondisi arus bebas), sehingga tundaan antrian dapat
dipertimbangkan sebagai pertambahan waktu tempuh akibat adanya kendaraan lain
yang dapat dinyatakan sebagai berikut.
waktu tempuh = waktu pelayanan + tundaan (4.3)

Nilai nisbah tundaan antrian dengan waktu pelayanan dapat diturunkan dengan
urutan persamaan (4.4)—(4.5) sebagai berikut.

WQ _ P11 (4.4)
1 ! µ [41— p)1

(4.5)
I(1 PP)]
Jika waktu pelayanan adalah waktu tempuh pada kondisi arus bebas (To) maka
persamaan (4.5) dapat dinyatakan dengan bentuk lain seperti persamaan (4.6)
berikut.
WQ p
TT (4.6)
To [(1— P)J
Secara umum kendaraan ringan memiliki kecepatan arus-bebas dasar lebih tinggi
daripada kendaraan berat dan sepeda motor. Jalan berpembatas median memiliki
kecepatan arus-bebas dasar lebih tinggi daripada jalan tanpa pembatas median.
Secara umum kendaraan ringan memiliki kecepatan arus-bebas dasar lebih tinggi
daripada kendaraan berat dan sepeda motor. Jalan berpembatas median memiliki
kecepatan arus-bebas dasar lebih tinggi daripada jalan tanpa pembatas median.
Secara umum kendaraan ringan memiliki kecepatan arus-bebas dasar lebih tinggi
daripada kendaraan berat dan sepeda motor. Jalan berpembatas median memiliki
kecepatan arus-bebas dasar lebih tinggi daripada jalan tanpa pembatas median.
Tundaan yang terjadi disebabkan oleh satu rangkaian antrian sehingga variasi pada
waktu tempuh tergantung pada tundaan antrian.
Oleh karena itu, persamaan (4.6) hams dimodifikasi dengan memasukkan suatu
faktor `a' (indeks tingkat pelayanan) yang besarnya tergantung dari karakteristik
ruas jalan dan tundaan aldbat adanya kendaraan lain pada ruas jalan tersebut
sehingga dihasilkan persamaan (4.7) berikut.

Wo = To .a. P
(4.7)
P)J
Selanjutnya, dengan memasukkan persamaan (4.7) ke persamaan (4.3), maka
dihasilkan urutan persamaan (4.8)—(4.11) berikut ini.
TQ =T0 + WQ (4.8)

TQ = To +To .a. P (4.9)


I(1 — P)]

88 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
P (4 10 ,
Tp =To .[1+ a. 1
pJ

T= To.
o• p)
0'11 (4 11
C — p)
ror1— (l—Op]
T — (4.12)
I L _p J
L

• Dengan mengasumsikan p = Q maka persamaan (4.12) dapat ditulis kembali

sebagai persamaan (4.13) berikut yang biasa disebut persamaan Davidson.


Secara matematis, ciri tersebut dapat dinyatakan sebagai berikut.

1— — a) Q
TQ = To (4.13)
—Q
C _

dengan: To = waktu tempuh pada saat arus = Q


T0 = waktu tempuh pada saat anus = 0 (kondisi anus bebas)
Q = arus lalu lintas
C = kapasitas
a = indeks tingkat pelayanan/ITP (fungsi dari faktor-faktor yang
menyebabkan keragaman dalam arus, seperti: parkjr, penyeberang
jalan, gangguan samping, lebar jalan, jumlah lajur, tipe
perkerasan, tanjakan, turunart, dan lain-lain)
Nilai 'a' (indeks tingkat pelayanan) untuk suatu ruas jalan dapat dihitung dengan
beberapa pendekatan berikut ini.
Blunden (1971) menghasilkan Tabel 4.1 untuk beberapa jenis jalan. Pada Tabel
4.1 terlihat bahwa Blunden menggunakan istilah arus jenuh untuk menyatakan
kapasitas.
To didefinisikan sebagai waists yang diperlukan untuk melesrati suatu anus jalan
jika tidak ada hambatan pada ntas jalan tersebut (atau kecepatan arus-bebas). Waktu
tempuh pada suatu anus jalan tergantung dari anis lalu lintas, kapasitas, waists
tempuh pada kondisi anus bebas, dan indeks tingkat pelayanan (a).
Tabel 4.1 Parameter untuk beberapa jenis jalan

To Indeks tingkat Arus jenuh


Kondisi
(menit/km) Pelayanan (a) (smpfjam)

Jalan bebas hambatan 0,8- 1,0 0- 0,2 2.000 / laiur


Jalan perkotaan (banyak lajur) 13 - 2,0 0,4 - 0,6 1.800 / lajur
Jalan kolektor dan pengumpan 2.0 - 3,0 1,0 - 1,5 1.800 / lajur

umber: Blunders (1971)

Analisis indeks tingkat pelayanan (ITP) 89


Dalam banyak kajian transportasi, beberapa pendekatan sederhana digunakan.
Hubungan kecepatan dan anus didapat untuk beberapa jenis jalan dan diterapkan
untuk setiap jalan.

4.4 Analisis kecepatan arus-bebas dan penentuan nilai To

Nilai To (waktu tempuh pada kondisi arus bebas) untuk suatu ruas jalan dapat
dihitung dengan membagi panjang ruas jalan tersebut dengan kecepatan arus-
bebasnya (FV).
Menurut IHCM (1994,1997), kecepatan arus-bebas dapat dihitung dengan
persamaan (4.14) berikut ini.
FV =(FVo +FV, xFFVsF sFFV, (km/jam) (4.14)

FV : kecepatan arus-bebas untuk kendaraan ringan (knvjam)


FVo : kecepatan arus-bebas dasar untuk kendaraan ringan (km/jam)
FVw : faktor koreksi kecepatan arus-bebas akibat lebar jalan
FFVsF : falctor koreksi kecepatan arus-bebas akibat kondisi gangguan samping dan
lebar bahu jalan efektif
FFV, : faktor koreksi kecepatan arus-bebas akibat ukuran kota (jumlah penduduk)
Kecepatan arus-bebas dasar FVo ditentukan berdasarkan tipe jalan dan jenis
kendaraan seperti terlihat pada Tabel 4.2.
Tabel 4.2 Kece atan arus-bebas dasar FVo
Kecepatan arus-bebas dasar (FVo)
Tipe jalan Semua jenis
Kendaraan Kendaraan Sepeda
kendaraan
ringan berat motor
(rata-rata)
Jalan 6 lajur berpembatas median
(6/2D) atau jalan 3 lajur satu arch 61 52 48 57
(3/1)

Jalan 4 lajur berpembatas median


(4/2D) atau jalan 2 lajur satu arch 57 50 47 55
(2/1)

Jalan 4 r
ti tanpa pembatas
53 46 43 51
med ian (4/2UD)
Jalan 2 laj ur tar(E pembatas
44 40 40 42
me dian (2/2UD)
Sumber. IHCM (1994,1997)
Secara umum kendaraan ringan memiljki kecepatan arus-bebas dasar lebih tinggi
daripada kendaraan berat dan sepeda motor. Jalan berpembatas median memjliki
kecepatan arus-bebas dasar lebih tinggj darjpada jalan tanpa pembatas median.
Untuk jalan berlajur lebih dari 8, kecepatan arus-bebas dasamya sama dengan jalan
berlajur 6. Faktor koreksi kecepatan arus-bebas akibat lebar jalan (FVw) ditentukan
berdasarkan tipe jalan dan lebar jalan efektif (W,) (lihat Tabel 4.3).

90 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
Tabel 4.3 Faktor koreksi kapasitas arus-bebas akibat lebar jalan (FVw)
Tipe jalan Lebar jalan efektif (W.) (meter) FVw
per lajur
3,00 -4

l'aftabueirfiearn" bs:rarrle-id'a n
3,25 -2
3,50
3,75 2
4,00 4
per lajur
3,00
3,25 -2
4 lajur tanpa pembatas rnedian
3,50
3,75 2
4,00 4
dua arah
-9,5
_3

2 lajur tanpa pembatas median


3
4
6
7
Sumber: IHCM (1994,1997)

Faktor koreksi kecepatan arus-bebas akibat hambatan samping ditentukan


berdasarkan tipe jalan, tingkat gangguan samping, lebar bahu jal. efektif (Ws) atau
jarak kereb ke penghalang (Mat Tabel 4.4 untuk jalan yang mempunyai bahu jal.
dan Tabel 4.5 untuk jalan yang mempunyai kereb).
Tabel 4.4 Faktor koreksi kecepatan arus-bebas akibat gangguan samping FVs, untuk jalan
yang mempunyai bahu 'alan
Faktor koreksi akibat gangguan samping
Kelas dan lebar bahu jalan efektif (Ws)
Tipe jalan gangguan
Lebar bahu jalan efektif (m)
sampmg
5 0,5 1,0 1,5 2 2,0
Sangat rendah 1,02 1,03 1,03 1,04
Rendah 0,98 1,00 1,02 1,03
4-lajur 2-arah berpembatas
Sedang 0,94 0,97 1.00 1.02
median (4/2D)
Tinggi 0,89 0,93 0.96 0,99
Sangat tinggi 0,84 0.88 0,92 0,96

Sangat rendah 1,02 1.03 1.03 1.04


Rendah 0.98 1,00 1.02 1,03

per'n'iTtta'rs 2r,-aert,,̀71:2%., Sedang 0,93 0,96 0,99 1,02


Tinggi 0.87 0,91 0,94 0.98
Sangat tinggi 0,80 0,86 0.90 0.95

Sangat rendah 1,00 1,01 1,01 1,01


Rendah 0,96 0,98 0,99 1,00
2-lajur 2-arah tanpa
pembatas median (2/2UD) Sedang 0,90 0.93 0,96 0,99
atau jalan satu arah
Tinggi 0,82 0.86 0,90 0,95
Sangat tinggi 0,73 0,79 0,85 0,91
Surnber: IHCM (1994,1997)

Analisis indeks tingkat pelayanan (ITP) 91


Faktor koreksi kecepatan arus-bebas akibat gangguan sawing (FVsr) untuk ruas
jalan yang mempunyai kereb didasarkan pada jarak antara kereb dengan gangguan
pada sisi jalan (W,;) serta tingkat gangguan samping (ljhat Tabel 4.5).
Tabel 4.5 Faktor koreksi kecepatan arus-bebas akibat gangguan samping FVsr untuk jalan

J Faktor koreksi akibat gangguan samping


Kelas dan jarak kereb-gangguan (WK)
Tipejalan gangguan
Jarak kereb-gangguan (m)
samping
5 0,5 1,0 1.5 2 4.0
Sangat rendah 0,95 0,97 0,99 1,01

Rendah 0,94 0,96 0,98 1,00


4-lajur 2arah berpe mbatas 0,91 0,93 0,95 0,98
Sedang
me d ian (412 D)
Tinggi 0,86 0,89 0,92 0,95

Sangat tinggi 0,81 0.85 0.88 0,92

Sangat rendah 0,95 0,97 0,99 1,01

4-lajur 2arah tanpa Rendah 0,93 0,95 0,97 1.00


pembatas median Sedang 0,90 0,92 0,95 0,97
(412 UD) Tinggi 0,84 0,87 0,90 0,93

Sangat tinggi 0,77 0,81 0,85 0,90

Sangat rendah 0,93 0,95 0,97 0.99


Rendah 0,90 0,92 0,95 0,97
2-lajur 2arah tanpa
pembatas median (2/29D) Sedang 0,86 0,88 0,91 0,94
atau jalan satu arah
Tinggi 0,78 0,81 0,84 0,88
Sangat tinggi 0,68 0,72 0,77 0.82
Sumber: IHCM (1994,1997)

Faktor koreksi kecepatan arus-bebas untuk jalan 6 lajur dapat dihitung dengan
menggunakan faktor koreksi kecepatan arus-bebas untuk jalan 4 lajur dengan
menggunakan persantaan (4.15) sebagai berikut.
FFV6,,F =1- 0,8 x - FFV,t; (4.15)

FFV6 sF : faktor koreksi kecepatan arus-bebas untuk jalan 6 lajur


FFV, SF : faktor koreksi kecepatan arus-bebas untuk jalan 4 lajur
Faktor koreksi kecepatan arus-bebas akibat ukuran kota (FFVcs) dapat dilillat pada
Tabel 4.6 di mana faktor koreksi tersebut merupakan fungsi dari junl)ah penduduk
kota.
Tabel 4.6 Faktor koreksi kecepatan arus-bebas akibat ukuran kola (FFVcs) untuk jalan
erkotaan
Ukuran kola (juta Faktor koreksi untuk Ukuran kota (juta Faktor koreksi
penduduk) ukuran kola penduduk) untuk ukuran kola
< 0,1 0,90 1,0-1,3 1,00
0,1-0,5 0,93 >1,3 1,03
0,5-1,0 0,95
Sumber: IHCM (1994,1997)

92 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
Kecepatan arus-bebas yang didapat dari persamaan (4.14) hanya berlaku untuk
kendaraan ringan. Untuk jenis kendaraan lain (misalnya kendaraan berat), kecepatan
arus-bebas dapat dihitung dengan prosedur berikut.

. Hitung total nilai faktor koreksi kecepatan arus-bebas untuk kendaraan ringan
dengan persamaan (4.16) berikut.
FFV = FVo — FV (km/jam) (4.16)

FFV : total nilai faktor koreksi kecepatan arus-bebas (km/jam)


FVa : kecepatan arus-bebas dasar untuk kendaraan ringan (km/jam)
FV : kecepatan arus-bebas untuk kendaraan ringan (knvjam)
. Hitting kecepatan arus-bebas untuk jenis kendaraan berat dengan persamaan
(4.17) berikut.
FV, = FVrn. o — FFV x FV,,e /FVe (km/jam) (4.17)

FV, : kecepatan arus-bebas untuk kendaraan berat (km/jam)


FV„.0 : kecepatan arus-bebas dasar untuk kendaraan berat (kmijam)

Untuk perhitungan kecepatan arus-bebas untuk jalan antar-kota dan jalan bebas
hambatan, bentuk persamaan yang digunakan persis sama dengan persamaan (4.14),
tetapi mempunyai faktor koreksi kecepatan arus-bebas yang berbeda. Penjelasan
lebih rinci dapat dilihat dalam IHCM (1997).
Contoh 4.1 Berikut diberikan contoh perhitungan kecepatan arus-bebas untuk
kendaraan ringan dan kendaraan berat pada suatu ruas jalan di kota Bandung (lihat
Tabcl 4.7-4.8).
Lokasiruas Jalan It H. Juanda (persimpangan pertigaan Jalan
Ganesha — Jaian Siliwangi, Bandung)
Tipe jalan 4 lajur 2 malt dengan pembatas median (4.2D)
Lebarjalan 6,5 meter (arah ke utara): 3,25 meter per lajur
6,0 meter (arah ke selatan); 3.0 meter per lajur
Gangguan samping rendah
Jarak kereb—gangguan samping : 1,0 meter
Data iota guna lahan daerah pemtukiman yang dilalui oleh angkutsn
mum
Data jumlah penduduk : 5 juta orang
Tabel 4.7 Perhitungan kece atan arus- bebas pergerakan ke arah utara (kendaraan ringan)
No Parameter Kondisi Nilai
Kecepatan arus-bebas dasar (km/jam) 4/2 D 57
Faktor koreksi lebar jalan 3.25 m _2

Gangguan kereb1rendah
jarak kesamping meter dan
3 Faktor koreksi gangguan samping 0.86

4 Faktor koreksi ukuran kola 5 pia penduduk 1,03

Kecepatan arus-bebas (km/jam) 54,38


Sumber: Hasil analisis

Analisis indeks tingkat pelayanan (ITP) 93


Tabel 4.8 Perhitungan Kecepatan arus-bebas pergerakan ke arah selatan (kendaraan
ringan)
No Pararneter Kondisi Nilai

Kecepatan arus-bebas dasar (km/jam) 4/2 D 57

Faktor koreksi lebar jalan 3,0 m

Faktor koreksi gangguan sarnping Gangguan samping rendah dan 0,96


jarak ke kereb 1 meter

Faktor koreksi ukuran kota 5 juta penduduk 1,03

Kecepatan arus-bebas (km/jam) 52,41

Sumber: Hasil analisis


Tabel 4.9 Perhitun an kece atan arus-bbas pergerakan ke arah utara kendaraan berat)
No Parameter Kondisi Nilai

Kecepatan arus-bebas dasar (km/jam) 4/2 D 47

Faktor koreksi lebar jalan 3,25 m -2

Faktor koreksi gangguan sarnping 0,96


Gan==g-irent dan
Faktor koreksi ukuran kota 5 juta penduduk 1,03

Kecepatan arus-bebas (km/jam) 44,50


Surnber: Hasil analisis
Tabel 4.10 Perhitungan Kecepatan arus-bebas pergerakan ke arah selatan (kendaraan
berat
No Parameter Kondisi Nilai

Kecepatan arus-bebas dasar (krnljam) 4/2 D 47

Faktor koreksi lebar jalan 3,0 m

Faktor koreksi gangguan samping 0,96


Gar=nkraenbg17e
dtaeh
r dan

_Faktor koreksi ukuran kota 5 juta penduduk 1,03

Kecepatan arus-bebas (km/jam) 42,52


Surnber Hasil analisis

4.5 Analisis pendekatan linear

4.5.1 Penurunan pendekatan

Persamaan (4.13) dapat disederhanakan dengan urutan penyederhanaan seperti


tertulis pada persamaan (4.18)-(4.21).

T5 C
=
(4.18)
To Q)

94 Ofyar Tar., Protean, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
\~J
TQ —1+
To
1
QC (4.19)

-l /
TQ
=1+ a Q (4.20 )
To C—Q

TQ = To +aTo ( QQ) (4.21)

Dengan melakukan transformasi linear, persamaan (4.21) dapat disederhanakan dan


ditulis kembali sebagai persamaan linear Y,—A+BX; dengan mengasumsikan

T'=Y• dan ' —X • .


Q ' (C — Q;) —

Dengan mengetahui beberapa set data waktu tempuh TQ dan volume lalu lintas Q;
yang bisa didapat dari survei waktu tempuh (TQ ) dan volume arus lalu lintas (Q;)
(lihat Tabel 4.11), maka dengan menggunakan analisis regresi-linear [lihat
persamaan (4.22)—(4.23)], parameter A dan B dapat dihitung dan dihasilkan
beberapa nilai berikut: A = To dan B = aTo .
N N N

B— ;=t ;=t ;=t


z (4.22)
( l
Ni(X;1~z — I i(X;)J
;=t \ ,~t
A = Y — BX (4.23)
Y dan X adalah nilai rata-rata Y; dan X; sehingga, a.khimya didapat nilai To = A

dan nilai indeks tingkat pelayanan (TTP) adalah a = A .

Penjelasan rinci mengenai persamaan (4.22)—(4.23) bisa dibaca pada subbab 1.6.1
dan Sudjana (1986) dan Tamin (2003).

4.5.2 Contoh penerapan

Pada suatu rum jalan yang mempunyai kapasitas (C) sebesar 1300 smpjam
dilakukan suatu survei lalu lintas yang mengumpulkan data volume lalu lintas (Q;)
dan waktu tempuhnya ( TQ ).

Hasil survei tersebut kemudian ditabelkan sebagaimana terlampir pada Tabel 4.11
berikut ini.

Analisis indeks tingkat pelayanan (ITP) 95


Tabel 4.11 Data waktu tempuh dan volume arus lalu lintasnya

No TL, (detik/km) Q ; (smprjam) No T~t (detik/k m ) Q; (smp/jam)

1 110.50 95 11 215.20 1090

2 120.40 205 12 250.50 1210

3 120.50 294 13 270.40 1291

4 134.50 406 14 331.20 1409

5 134.80 492 15 375.20 1493


6 153.20 608 16 486.20 1607

7 155.20 690 17 608.10 1692

8 171.20 810 18 976.20 1808

9 180.20 895 19 2030.20 1910

10 204.40 1005 20 18396.40 1990

Selanjutnya, seluruh analisis perhitungan analisis regresi-linear untuk pendekatan


linear dapat dilihat pada Gambar 4.4 dan ditabelaris pada Tabel 4.12.

Gambar 4.4 memperlihatkan hubungan antara waktu tempuh ( ) dan volume lalu
betas (Q) dengan menggunakan analisis regresi-linear unlash pendekatan linear.
1000
°
I—
11 900
~

800

700 •

Y. 106,31 + 91,897X
600•

500 ~

400

300 ~

200

10
X=(Q;lC-Q;)

Gambar 4.4 Analisis regresl-linear untuk hubungan antara waktu tempuh—volume lalu lintas
unluk pendekatan-linear

96 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi

~
Tabel 4.12 Prosedur Lerhitungan denganpendekatan linear (analisis regresi-linear)
Qr X1
(detik) (smp/am)
No
[1] [2] [3]=C-[2] [4]=[2]r[3] [5)=[1r[4] (6)=[4r[4]

110.50 95 1905 0,050 5,510 0,002

120,40 205 1795 0,114 13,750 0,013

120,50 294 1706 0,172 20,766 0,030

134,50 406 1594 0.255 34.258 0,065

132.80 492 1508 0,326 43.327 0,106

153,20 608 1392 0.437 66,915 0,191


6
155,20 690 1310 0,527 81,747 0,277

171,20 810 1190 0,681 116.531 0,463

180,20 895 1105 0,810 145,954 0,656

202,40 1005 995 1,010 204,434 1.020

215,20 1090 910 1,198 257,767 1,435

250,50 1210 790 1.532 383.677 2.346

13 270,40 1291 709 1,821 492.364 3.316

14 331,20 1409 591 2,384 789,612 5,684

375,20 1493 507 2,945 1104.879 8,672

486,20 1607 393 4,089 1988,100 16,720

17 608,10 1692 308 5,494 3340,601 30,179


976,20 1808 192 9,417 9192,550 88.674
19 2030,20 1910 90 21,222 43085,356 450,383
20 18396,40 1990 10 199,000 3660883,600 39601.000
25420,500 253,482 3722251,700 40211,231
Resta 1271.025 14.674

Dari Tabel 4.12 dan dapat dilihat pada Gambar 4.4, nilai B dan A dapat dihitung
dengan menggunakan persamaan (4.23)-(4.24).
B = (201(3722251,7 )- (25420 ,5).(253 ,482)
91,897
(20).(40211,231 )- (253,482y

A =1271,025 - (91,897).(12,674)= 106,31

Selanjutnya, dengan menggunakan nilai parameter B dan A tersebut, dapat dihitung


besarnya nilai To =A=106,31 detik/krn atau 1,77 menit/lus dan nilai indeks tingkat
B
pelayanan (ITP) adalah a = = 0,864 (Mat subbab 4.6.1).

Analisis indeks tingkat pelayanan (ITP) 97


4.6 Analisis pendekatan tidak-linear

4.6.1 Penurunan pendekatan

Persaniaan (4.13) dapat disederhanakan dan ditulis kembali sebagai persamaan


(4.24).
Q
T = 1+ C (4.24)

1
—lQl

Dengan mengasumsikan ! = X, maka persamaan (4.24) dapat


= Y; dan Q
0
climbs kembali sebagai persamaan (4.25) yang merupakan persamaan tidak-linear.

(4.25)

Dengan mengetahui beberapa set data T dan Q1yang bisa didapat dari survei
waktu tempuh dan volume arus lalu lintas, akan didapat beberapa set pasangan data
Y, dan X;.
Nilai `a' dapat ditentukan dengan menggunakan metode penaksiran kuadrat-terkecil
yang mencoba meminimumkan jumtah perbedaan kuadrat antara nilai Y, hasil
penaksiran dan nilai Y, basil pengamatan seperti pada persamaan (4.26) berikut.

meminimumkan S = ~ I ~Y; — Y; ~ ~ (4.26)


L
Dengan memasukkan persamaan (4.25) ke persamaan (4.26), fungsi tujuan (4.26)
berubah menjadi persamaan (4.27) dengan parameter tidak diketahui adalah `a'.
z
r 11
meminimumkan S =~I Y; —(1+ (4.27)
L l 1—X JJ
Persamaan (4.27) dapat disederhanakan dengan satin penyederhanaan seperti
tertulis pada persamaan (4.28)—(4.30).
~ r l r z
meminimumkan S = E[1; z — 2Y I 1 + ~ I + I 1 + ~' I (4.28)
,_, l 1—X, J l 1—X ,Ji
meminimumkan
N l (l ( 12
S =~ Y —2Y, —2Y,(1_
X
I+1+ 2 I ~' +I `t`Y' J (4.29)
11 —X ; J
98 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:

9
Teori, contoh soal, dan aplikasi
aX ( SX 2
meminimumkan S = ~ Y;2 — 21,; + 2~ 1— XJ )6— Y; )+ l + 1 1 — Xi ~ (4.30)

Untuk mendapatkan nilai 'a' yang meminimumkan persamaan (4.30), persamaan


(4.31) berikut dibutuhkan:
as 0 (4.31)
8a

persamaan (4.31) dapat ditulis kembali dalam bentuk lain dengan urutan seperti
pada persamaan (4.32)—(4.34). ]

2X; lr
(1_Ÿ)+2( (4.32)
1 —X; J`1—X;

)2 ]
~(12a~
1? Xi 1 X~, 0 (4.33)
~a

as
=~ I 2X~ Ill_ 3'; + ~~ IJ =O (4.34)
L 1— X;
Persamaan (4.34) dapat disederhanakan menjadi persamaan (4.35) tanpa mengubah
sedikitpun permasalahan pada persamaan (4.34).
~ ax
~_~ 1—Y+ ' =0 (4.35)

Untuk mendapatkan nilai 'a ', persamaan (4.35) dapat disederhanakan dengan urutan
penyederhanaan seperti tertulis pada persamaan (4.36)—(4.37).

N (4.36)
;=r 1— X;

(4.37)

= TQ
Dengan menggunakan nilai Y; dan X, = Q; maka nilai 'a' bisa didapat
Te C
dengan menggwiakan persaniaan (4.38) berikut.

Analisis indeks tingkat pelayanan (ITP) 99


(4.38)

4.6.2 Contoh penerapan


Dengan menggunakan data yang sama seperti tertera pada Tabel 4.11 dan
mengasumsikan nilai To=106,31 detik/ cm (hasil perhitungan dari pendekatan linear)
dan kapasitas sebesar 2000 smp/jam, maka seluruh proses perhitungan dengan
pendekatan tidak-linear sebagaimana yan g dinyatakan oleh persamaan (4.38) dapat
dilihat pada Tabel 4.13 berikut.
Tabel 4.13 Prosedur perhitungan dengan pendekatan tidak-linear
Q, 1*, !¢
(smp/jam) (C-Q,) (Q,/C-Q)
Na (detik/km) To

[1 ] [ 2] [3]=1-[2] [4] [5l= [4]Ro


1 95 1.905 0.0499 110.5000 1.0394

2 205 1795 0.1142 120.4000 1.1326

3 2. 1706 0.1723 120.5000 1.1335

4 4. 1594 0.2547 134.5000 1.2652

5 492 1508 0.3263 134.8000 1.2492

6 608 1392 0.4368 153.2000 1.4411

7 690 1310 0.5267 155.2000 1.4599

8 810 1190 0.6807 171.2000 1.6104


9 895 1105 0.8100 180.2000 1.6951

10 1005 995 1.0101 204.4.0 1.9039


11 1090 910 1.1978 215.2000 4.0243
12 1210 790 1.5316 250.5000 4.3564
13 1291 709 1.8209 • 270.4000 4.5435
14 1409 591 4.3841 331.2000 3.1155
15 1493 507 4.9448 375.2000 3.5294
16 1607 393 4.0891 486.2000 4.5735
17 1692 308 5.4935 608.1000 5.7202
18 1808 192 9.4167 976.2000 9.1827
19 1910 90 21.2222 2030.2000 19.0973
20 1990 10 199.0000 18396.4000 173.0477
253.4822 239.1206

Selanjutnya, nilai 'a' dapat dihitung dengan persamaan (4.39).


239,1206 - 20
a- = 0,864
253,4822

100 Ofyar Z Tamin, Perencanaan, pemodelan, date rekayasa transpotasi:


Teori, contoh soal, dan aplikasi
Terlihat bahwa nilai indeks tingkat pelayanan 'a' yang dihasilkan oleh pendekatan
tidak-linear persis lama dengan pendekatan linear.

4 .7 Analisis pendekatan coba-coba


4.7.1 Penurunan pendekatan
Seperti telah dijelaskan dalam subbab 4.6.1 bahwa persamaan (4.13) dapat
disederhanakan dan ditulis kembali sebagai persamaan (4.25) dengan
Qi
mengasumsikan = Yi dan = Xi . Persamaan (4.25) tersebut merupakan

persamaan tidak-linear.
Dengan mengetahui beberapa net data TQ
dan Q yang bisa didapat dari survei
waktu tempuh dan volume arus lalu lintas, akan didapat beberapa set pasangan data
Y,• dan X,. Nilai `a' kemudian dapat ditentukan dengan coba-coba dengan
menghitung nilai koefisien determinasi (R2) yang dinyatakan dengan persamaan
(4.39) berikut.

E (Yi — KY
R2 = 1 i=1
(4.39)
E~ Yi — 02
Yi = nilai hasil estimasi (pemodelan)
= nilai hasil observasi (pengamatan)
Y = rata-rata hasil observasi (pengamatan)
Nilai 'a' yang dipilih adalah nilai `a' yang mempunyai nilai R2 maksimum, nilai R2
maksimal 1. Semakin tinggi nilai R2 semakin dekat nilai hasil penaksiran dengan
nilai hasil pengamatan.

4.7.2 Contoh penerapan

Dengan menggunakan data yang sama seperti tertera pada Tabel 4.11 dan
mengasumsikan nilai To=106,31 detik/krrt (hasil perhitungan dari pendekatan linear)
dan kapasitas sebesar 2000 step/jam, maka seluruh proses perhitungan dengan
pendekatan coba-coba sebagaimana yang dinyatakan oleh persamaan (4.25) dapat
dilihat pada Tabel 4.14. Perim dicatat bahwa Tabel 4.14 dihitung dengan
menggunakan nilai a=0,86 menghasilkan nilai R2=0,99997.

R2 =1— 0'°°°°8 = 0,9698


0,00259
Terlihat bahwa pada Tabel 4.15 nilai R2 maksimum tercapai pada saat nilai a41,86.
Hal ini juga terbukti dan terlihat pada Gambar 4.5. yang memperlihatkan hubungan
antara nilai R2 untuk setiap nilai 'a' yang digunakan.

Analisis indeks tingkat pelayanan (ITP) 101



.■
7, Fsi
S.
5 0- 6 :pp

(2°
9 cf.)

">.
,75 ,)
1
ccci
'FE 5 •
••

I
8 g; 8
I
-c2 '07>

7, 7
:2-

>:* 5cs,

7,`•
2 `g)

`g3 -pcs [2_ coN,


'9
1 CY c-,)

• c; 9F,3

u,
!

7), 7

52_

2 -2
Tabel 4.15 Nifai Rtk setiap nilai 'a' yang digunakan
No R2 No R2
0,4 0,68627 0,86 0,99997

0,5 0,80682 0.87 0.99995

3 0,6 0,89829 13 0,88 0,99964

0,96067 14 0,89 0,99905

0,8 0,99396 15 0,9 0,99816

6 0,81 0,99569 16 1,0 0,97327

0,82 0,99712 17 1.1 0.91929

0,83 0,99827 18 1,2 0.83623

0.84 0,99913 1,3 0.72408

0,85 0,99969 20 1.4 0,58284

Gambar 4.5 Nilai R2 untuk setiap nilai 'a' yang digunakan


Oleh karena t , dapat disimpulkatt dengan menggunakan pendekatan coba-coba
didapatkan nilai indeks tingkat pelayanan adalah a=0,86.

4.8 Analisis pendekatan rata-rata

4.8.1 Penurunan pendekatan

Persamaan (4.13) dapat disederhanakan dengan urutan penyederhanaan seperti


tertulis pada persamaan (4.40)-(4.43):

Analisis indeks tingkat pelayanan (ITP) 103

A
To(1- aJ~)
To ~lC
T~7 (4.40)

( 2) (~)
_ ToC To(1- a)Q
TQ (4.41)
- Q) -Q)
T,(C -Q)= ToC-ToQ+aToQ (4.42)
TQ -Q)= To -Q)+aToQ (4.43)

Jadi, nilai indeks tingkat pelayanan (a) bisa didapatkan dari persamaan (4.44)
berikut.
y -To)
a= - QyTQ (4.44)
To
Untuk setiap pasangan data T6 dan Q; yang didapatkan dari basil survei waktu
tempuh dan volume atus lalu lintas akan dihasilkan satu nilai a;. Jadi, nilai indeks
tingkat pelayanan (a) merupakan nilai rerata dari beberapa nilai a; .

4.8.2 Contoh penerapan


Dengan menggunakan data yang sama seperti tertera pada Tabel 4.11 dan
mengasumsikan nilai To=11,99 menit (basil perhitungan dari pendekatan linear) dan
kapasitas sebesar 1300 smp/jam, maka seluruh proses perhitungan dengan
pendekatan rata-rata sebagaimana yang dinyatakan oleh persamaan (4.44) dapat
dilihat pada Tabel 4.16 berikut.
Tabel 4.16 Prosedurperhitun an dengan pendekatan rata-rata
Q;
(C-Q,) TQ (detik/km) (T~-To) ( To -Q;) a;
No (smpCam)
(1) (2) (3 (4)=(3)-To (5)=To'(3) (6)=(4)*(2)/(3)
95 1905 110,5000 4.1917 10099.286 0,7907

205 1795 120,4000 14,0917 21793.197 1,1607

294 1706 120,5000 14,1917 31254.633 0.7746


406 1594 134,5000 28,1917 43161.160 1,0412
492 1508 132,8000 26,4917 52303.672 0,7638

608 1392 153,2000 46,8917 64635.432 1,0099


690 1310 155,2000 48,8917 73354.711 0,8732
810 1190 171,2000 64,8917 86109.704 0,8968
895 1105 180,2000 73,8917 95145.907 0,8582
10 1005 995 202,4000 96,0917 106839.818 0,8949
11 1090 910 215,2000 108,8917 115876.021 0,8552
12 1210 790 250,5000 144,1917 128633.014 0,8856
13 1291 709 270,4000 164,0917 137243.985 0,8477

104 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
ngan dengan pendekatan rata-rata ... (Ianjutan

TQ (detik/km) 0 -T )
(TQ (T0 -Q,) a,
No (smP lam) (C— Q;)
(1) (2) (3) (4)=(3)—To (5)=To'(3) (6)=(4)•(2)/(3)
14 1409 591 331,2000 224,8917 149788.361 0,8873

15 1493 507 375.2000 268,89,17 158718.256 0,8589

16 1607 393 486,2000 379,8917 170837.400 0,8739

17 1692 308 608,1000 501,7917 179873.603 ' 0,8592

18 1808 192 976,2000 869,8917 192205 363 0,8690

1g 1910 90 2030,2000 1923,8917 ' 203048 807 0.8528

20 1990 10` 18396,4000 18290,0917 211553.470 0,8646

E 17,7179

Sehingga, nilai indeks tingkat pelayanan 'a' yang dihasilkan adalah rerata dari
179
seluruh ovlai a; tersebut, yaitu a= 17,7
20 = 0,886 .

4.9 Kumpulan soal

Saudara diminta untuk menghitung kecepatan arus-bebas untuk kendaraan


ringan, kendaraan berat, dan sepeda motor untuk ruas jalan Soekamo-Hatta per
arah dengan data-data sebagai beri.kut:
Lokasi ruas : Jalan Soekamo-Hatta (Bandung)
Tipe jalan : 6 lajur 2 malt dengan pembatas median
(6/2D)
Lebar jalan L0,5 meter (arab ke Timtn-); 3,0 meter per
: 10,5

9,0 meter (arab ke Barat): 3,0 meter per lajur


Gangguan camping : tinggi
Jarak kereb-gangguan samping : 1,0 meter
Data tata guna lahan : daerah permukiman yang dilalui oleh
angkutan umum
Data junilah penduduk : 5 juta orang
2 Pada suata ruas jalan yang mempunyai kapasitas sebesar 1500 snsp:jam
dilakukan suatu survei lalu litas yang mengumpulkan data volume anus lain
betas dan waktu tempuhnya.
Hasil survei tersebut kemudian ditabelkan sebagaimana terlampir pada Tabel
4.17 berikut ini.

Analisis indeks tingkat pelayanan (lTP) 105


Tabel 4.17 Data waktu tempuh dan volume arus lalu lintasn a
No T~ (deGk/km) Q; (smp/jam) No Tp (detik/km) Q; (smp/jam)

115.50 91 31 576.20 1908

130.40 209 32 2130.20 1810

130.50 291 33 2800.20 1898

144.50 401 34 2130.20 1810

144.80 498 35 485.90 1615

163.20 618 36 2090.20 1710

175.20 680 37 2850.20 1928

178.20 820 38 2210.20 1890

186.20 885 39 698.10 1692


208.40 1015 40 1096.20 1698

132.80 472 41 193.20 698


159.20 628 42 195.20 880
151.20 640 43 168.20 1020
14 174.20 830 44 176.20 985
15 187.20 855 45 228.40 1215
201.40 1015 46 155.50 111
181.20 845 47 170.40 259
235.20 1020 48 160.50 341
220.50 1220 49 184.50 451
20 260.40 1191 50 174.80 528
21 341.20 1209 51 221.40 1115
22 325.20 1393 52 201.20 945
23 496.20 1407 53 275.20 920
24 618.10 1592 54 250.50 1420
25 996.20 1608 55 290.40 1291
26 2020 20 1710 56 381.20 1409
210020 1898 57 355.20 1193
28 475.20 1593 58 526.20 1507
29 586.20 1707 59 648.10 1392
708.10 1792 60 1116.20 1908

Tentukan nilai indeks tingkat pelayanan (a) dengan menggunakan:


a Analisis pendekatan linear b Analisis pendekatan tidak-linear
c Analisis pendekatan coba-coba d Analisis pendekatan rata-rata

106 Ofyar Z Tamin, Perencanaan, pemode/an, dan rekayasa transportasi:


Mori, contoh soal, dan apllkasi

9
Analisis kapasitas ruas jalan dan
persimpangan

Bab 4 telah menjelaskan hal yang terkait dengan analisis kinerja suatu ruas jalan
berupa indeks tingkat pelayananan (ITP) beserta beberapa analisis pendekatan yang
dapat digunakan untuk menaksir nilai ITP secara kuantitatif.
Bab 5 akan menjelaskan analisis perhitungan kapasitas ruas jalan dan
persimpangan. Subbab 5.1 menjelaskan analisis kapasitas ruas jalan termasuk
beberapa faktor koreksi yang mempengaruhinya termasuk pengaruh keberadaan
parkir di badan jalan (on-street) pada kapasitas ruas jalan (subbab 5.1.5).
Subbab 5.2 menjelaskan analisis kapasitas persimpangan, sedangkan pada subbab
5.3 bins didapat beberapa kumpulan soal-soal yang berkaitan dengan materi yang
dibahas pada bab ini

5.1 Analisis kapasitas ruas jalan

5.1.1 Perhitungan kapasitas ruas jalan

Jaringan jalan ada yang memakai pembatas median dan ada pula yang tidak,
sehingga dalam perhitungan kapasitas, keduanya dibedakan.
Untuk ruas jalan berpembatas median, kapasitas dihitung terpisah untuk setiap arah,
sedangkan untuk ruas jalan tanpa pembatas median, kapasitas dihitung untuk kedua
arah.
Persamaan umum untuk menghitung kapasitas suatu ruas jalan menurut metode
Indonesian Highway Capacity Manual (IHCM, 1997) untuk daerah perkotaan
adalah sebagai berikut.
C = Co xFC„.xFCsP xFCsF xFCcs (srup-jam) (5.1)
C : kapasitas (smp/jam)
Co : kapasitas dasar (smp/jam)
FC„, : faktor koreksi kapasitas untuk lebar jalan
FCsP : faktor koreksi kapasitas akibat pembagian arah (tidak berlaku untuk jalan
satu arah)
FCsF : faktor koreksi kapasitas akibat gangguan samping
FCcs : faktor koreksi kapasitas akibat ukuran kota (jumlah penduduk)

5.1.1.1 Kapasitas dasar Co Kapasitas dasar Co ditentukan berdasarkan tape


jalan sesuai dengan nilai yang tertera pada Tabcl 5.1.

107
Tabel 5.1 Ka asitas dasar Co
Kapasitas dasar
Tipe jalan Keterangan
(smpijam)
btaredian atau jalan
Jalan 4 lajur berpesrantu per lajur
1.650

Jalan 4 lajur tanpa pembatas median 1.500 per lajur


Jalan 2 lajur thnpa pembatas median 2.0 total dua arah
Sumber: IHCM (1997)

Kapasitas dasar untuk jalan yang lebih dani 4 lajur dapat diperkirakan dengan
menggunakan kapasitas per lajur pada Tabel 5.1 meskipun mempunyai lebar jalan
yang tidak baku.

5.1.1.2 Faktor koreksi kapasitas akibat pembagian arah (FCsp) Faktor koreksi
FCsis in) dapat dilihat pada Tabel 5.2. Penentuan faktor koreksi untuk pembagian
arah didasarkan pada kondisi anus lalu limas dart kedua arah atau untuk jalan tanpa
pembatas median.
Untuk jalan satu arah darliatau jalan dengan pembatas median, faktor koreksi
kapasitas akibat pembagian arah adalah 1,0.
Tabel 5.2 Faktor koreksi ka asitas akibat emba ian arah FCs,

Pernbagian arah (,-%) 50-50 5,45 60,0 65-35 70-30

2-lajur 2thrah tanpa


1.00 0,97 0,94 0,91 0,88
pembaths median (2/2 US)
FC,
1,00 0,985 0.97 0,955 0.94
pern'
Itsr M
2a
eranta(4,P2a..)
Sumber IHCM (1997)

5.1.1.3 Faktor koreksi kapasitas akibat lebar jalan (FC,N) Faktor koreksi FCsp
duentukan berdasarkan lebar jalan efektif yang dapat dilihat pada Tabel 5.3.
Tabel 5.3 Faktor koreksi kapasitas akibat lebar'alan (FCw

Tipe jalan Lebar jalan efektif (m) FCw


pe;,10a,j,ur
0,92
4 lajur berpernbatas median 3,25 0,96
atau jalan satu arah 3,50 1,00
3,75 1,04
4,00 1.08
p1,14; u r

4 lajur tanpa pembatas 3,25 g:9


915
rnedian 3,50 1,00
3,75 1,05
4,00 1.09
dua:rah
0.56
0.87
2 lajur tan, pembatas 1,00
median 1,14
1.25
1,29
11
1 1,34
Sumber: IHCM (1997)

108 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportast:


Teori, contoh soal, dan aptikasi
Faktor koreksi kapasitas untuk jalan yang mempunyai lebih dari 4 lajur dapat
diperkirakan dengan menggunakan faktor koreksi kapasitas untuk kelompok jalan 4
lajur.

5.1.1.4 Faktor koreksi kapasitas akibat gangguan samping (FC,F) Faktor ko-
reksi untuk ruas jalan yang mempunyai bahu jalan didasarkan pada lebar bahu jalan
efektif (W5) dan tingkat gangguan samping yang penentuan klasifikasinya dapat
dilihat pada Tabel 5.4. Faktor koreksi kapasitas akibat gangguan samping (FCs-,)
untuk jalan yang mempunyai bahu jalan dapat dilihat pada Tabel 5.5.
Tabel 5.4 Klasifikasi gang_van sampin
Kelas gangguan Jumlah gangguan per 200
Kondisi tipikal
samping meter per jam (dua crab)

Sangat rendah <100 Permukiman


Permukirnan. beberapa transportasi
Rendah 100-299
umum
Daerah industn dengan beberapa
Sedang 300-499
toko di pinggirjalan
Daerah komersial, aktivitas pinggir
Tinggi 500-899
jalan tinggi
Daerah komersial dengan aktivitas
Sangat tinggi 900
perbelanjaan pinggir jalan
Sumber: IHCM (1997a)
Tabel 5.5 Faktor koreks kapasitas akibat gangguan samping FCs, untuk jalan yang
mempunyai bahu 'alan
Faktor koreksi akibat gangguan samping
Kelas dan lebar bahu jalan efeldif
Tipe jalan gangguan
Lebar bahu jalan efektif
samping
5 0,5 1 ,0 1,5 2 2,0
Sarifg:ht dr eanhdah 0,96 0,98 1.01 1,03
4-lajur 2-arah 0.94 0,97 1.00. 1,02
berpembatas median Sedang 0,92 0,95 0 95 1.00
(4/2 D) Tinggi 0,88 0.92 0,5 0,98
Sangat tinggi 0,84 0.88 C.92 0,96
Sartant dreanhdah 0,96 0.99 1.03
4-lajur 2-arah tanpa 0,94 0,97 1,00 1,02
pembatas rnedian Sedang 0,92 0,95 0,98 1.00
(.2 UD) Tinggi 0.87 0,91 0.94 0,98
Sangat tinggi 0,80 0.86 0,90 0,95
Sang,eaht dreanhdah 0,94 0,96 0,99 1,01
2p-'Zita2ZamheinaPna 0.92 0,94 0.97 1,00
(2/2UD) atau jalan satu Sedang 0,89 0.92 0,95 0.98
Tinggi 0,82 0,86 0.9.0 0.95
Sangat tinggi 0.73 0.79 0 85 0 91
Sumber: IHCM (1997a)

Faktor koreksi kapasitas untuk gangguan samping untuk ruas jalan yang mempunyat
kereb dapat dilihat pada Tabel 5.6 yang didasarkan pada jarak antara ketch dan
gangguan pada sisi jalan (W5) dan tingkat gangguan samping.

Analisis kapasitas rues jalan dan persimpangan 109


Tabel 5.6 Faktor koreksi kapasitas akibat gangguan samping FC, untuk jalan yang
mem unvai kereb
Faktor koreksi akibat gangguan sannping
dan jarak gangguan pada kereb
Ti, ja ,a, Kelassag
napnguan
Jarak: kereb-gangguan

Sangat rendah 0,95 0,97 0,99 1.01


Rendah 0,94 0.96 0,98 1,00
4-lajur 2-arah
berpembatas median Sedang 0,91 0.93 0,95 0,98
(4)29)
Tinggi 0,86 0,89 0,92 0,95
Sangat tinggi 0,81 0,85 0,88 0,92

Sangat rendah 0,95 0,97 0,99 1,01

4-lajur 2-arah tanpa Rendah 0,93 0,95 0,97 1,00


pembatas median Sedang 0,90 0,92 0,95 0,97
(4/2 UD) Tinggi 0,84 0,87 0,90 0,93
Sangat tinggi 0,77 0,81 0.85 0,90

Sangat rendah 0,93 0.95 0.97 0,99


2-lajur 2-arah tanpa Rendah 0,90 0,92 0,95 0,97
pembatas median
Sedang 0,86 0,88 0,91 0,94
(2..U9) atau jalan satu
arah Tinggi 0,78 0,81 0.84 0,88
Sangat tinggi 0,68 0,72 0.77 0,82
Sumner. IHCM (1997)

Faktor koreksi kapasitas untuk jalan 6 lajur dapat diperkirakan dengan


menggunakan faktor koreksi kapasitas untuk jalan 4 lajur dengan menggunakan
persamaan (5.2) sebagai berilcut:

FC6,sF = - 0,8 x (1. - FC4,sF) (5.2)

FC : faktor koreksi kapasitas untuk jalan 6 lajur


FC,F : faktor koreksi kapasitas untuk jalan 4 lajur

5.1.1.5 Faktor koreksi kapasitas akibat ukuran kota (FCs) Faktor koreksi FCcs
dapat dilihat pada Tabel 5.7 dan faktor koreksi tersebut merupakan fungsi dari
jumlah penduduk kota.

Tabel 5.7 Faktor koreksi kapasitas akibat ukuran kota (FOcs)


Ukuran kota Oats Faktor koreksi untuk
penduduk) ukuran kota
< 0,1 0,86
0,1 - 0,5 0,90
0,94
1,0-1,3 1,00
> 1,3 1,03
Sumber: IHCM (1997)

110 Ofyar Z Tan-On. Perencanaa, pernodelan, dan rekayasa 1747 p0844


Teo, contoh soal, dan aplikasi
-

Untuk perhjtungan kapasitas ruas jalan untuk jalan antar-kota dan jalan bebas
hambatan, bentuk persamaan yang digunakan persis sanla dengan persamaan (5.1),
tetapi menlpunyaj faktor koreksi kapasitas yang berbeda.
Penjelasan lebih rinci dapat dilihat dalam IHCM (1997). Berikut djberikan contoh
perhitungan kapasitas ruas jalan di kota Bandung (Iihat Tabel 5.8-5.9).

Lokasi ruas : Jalan Ir. H. Juanda (persimpangan pertigaan Jalan


Ganesha — Jalan Siliwangi, Bandung)

Tipe jalan : 4 lajur 2 arah dengan pembatas median (4/2D)

Lebar jalan : 6,20 meter (arah ke utara), 3,1 meter per lajur
5,80 meter (arah ke selatan), 2,9 meter per lajur

Lebar median : 0,8 meter


Gangguan samping : rendah
Jarak kereb— gangguan samping : 1,0 meter
Data tata gurta lahan : daerah pemiukiman yang dilalui oteh angkutan
umum
Data jumlah penduduk : 2 juta orang
Tabel 5.8 Perhitungan kapasitas ruas pergerakan ke arah utara
No Parameter Kondisi Nilai

Kapasitas dasar (smp/jam) 4/2 D 3.300

Faktor koreksi lebar jalan 3,1 m 0,92

Faktor koreksi gangguan samping Gangguan samping rendah dan jarak ke 0,96
kereb 1 meter
Faktor koreksi pembagian arah Jalan satu-arah 1 ,00

Faktor koreksi ukuran kola 2 juts penduduk 1,00

Kapasitas aktual (smp9am) 2.915


Sumber. Hasil analisis
Tabel 5.9 Perhitungan kapasitas ruas pergerakan ke arah selatan
No Parameter Kondisi Nilai
1 Kapasitas dasar (smp/jam) 4/2 D 3.300

2 Faktor koreksi lebarjalan 2, 9 m 0,92

3
- Faktor koreksi gangguan samping Gangguan samping rendah dan jarak ke 0,96
kereb 1 meter
4 Faktor koreksi pembagian arah Jalan satu arah 1,00

5 Faktor koreksi ukuran kota 2 juta penduduk 1,00

Kapasitas aktual (smp/jam) 2.915


Sumber: Hasil analisis

Analisis kapasitas ruas jalan dan persimpangan 111


5.1.2 Pengaruh parkir pada kapasitas ruas Jalan
Seperti telah dijelaskan pada subbab sebelunutya, gangguan samping akan sangat
mempengaruhi kapasitas ruas jalan. Salah sato bentuk gangguan samping yang
paling banyak dijumpai di daerah perkotaan adalah kegiatan perparkiran yang
menggunakan badan jalan.
Berikut ini akan disampaikan hasil penelitian mengenai pengaruh kegiatan
perparkiran di badan jalan terhadap penurunan kapasitas ruas jalan. Penelitian
dilakukan oleh Lembaga Penelitian ITB, bekerja sama dengan KBK-Rekayasa
Transportasi, Jurusan Teknik Sipil, ITB pada tahun 1998 (LP-ITB, 1998). Sampel
yang digunakan adalah beberapa ruas jalan di DKI-Jakarta dengan lebar jalan dan
jumlah lajur yang berbeda-beda.
Lebar jalan yang tersita oleh kegiatan perparkiran (termasuk lebar manuver) tentu
mengurangi kemampuan jalan tersebut dalam menampung anis kendaraan yang
lewat, atau dengan perkataan lain, kapasitas jalan tersebut akan berkurang
(penurunan kapasitas jalan bukan saja disebabkan oleh pengurangan lebar jalan
tetapi juga oleh proses kegiatan kendaraan masuk dan keluar petak parkir). Semakin
besar sudut parkir kendaraan, semakin besar pula pengurangan kapasitas jala nya.
Dari hasil penelitian tersebut terlihat bahwa pada sudut parkir 90°, lebar jalan yang
tersita untuk parkir kira-kira hampir dua kali lebar jalan yang tersita untuk parkir
dengan sudut parkir 0° (paralel). Pengurangan kapasitas akibat adanya parkir ini
akan terssa nyata pada was jalan dengan jumlah lajur kecil.
Bahkan pada jalan yang mempunyai 2 lajur, dengan lebar lajur 3,5 meter, tidak
semua posisi parkir bisa diterapkan. Tetapi, pada jalan dengan jumlah lajur besar
(lebih dari 6 lajur), pemakaian sang jalan untuk parkir tidak akan terlalu
mempengaruhi kapasitas jalan secara nyata.
Kondisi ini secara jelas dapat terlihat pada grafrk hubungan jumlah lajur (2, 3, 4, 5,
dan 6 lajur) dengan kapasitas ruas jalan pada beberapa posisi parkir berikut ini
(Gambar 5.1). Pada gambar tersebut tampak bahwa untuk posisi dengan parkir
paralel (sudut parkir 0°) terjadi pengurangan kapasitas yang cukup besar. Begitu
juga antara sudut parkir 0° dengan sudut parkir 30°. Untuk sudut parkir lainnya,
pengurangan kapasitasnya tidak terlalu besar.
Dengan demikian, dapat disimpulkan bahwa: (1) kegiatan perparkiran sangat
mengurangi kapasitas was jalan dan (2) penurunan kapasitas yang nyata terjadi
pada sudut parkir 30°. Perubahan kapasitas pada sudut parkir yang lebih besar dari
30° tidak sebesar perubahan kapasitas pada sudut parkir 30°.
Jadi, kapasitas sisa untuk sudut parkir di atas 30° dapat dikatakan tidak terlalu
berbeda dibandingkan dengan kapasitas pada sudut parkir 30°. Dengan kata lain,
pengaruh operasi parkir dengan sudut parkir Irbih besar dari 30° terhadap kapasitas
jalan dapat dianggap mirip dengan pengaruh operant parkir dengan sudut parkir 30°.
Oleh karena itu, direkomendasikan untuk mengambil sudut parkir yang sama
dengan atau lebih besar dari 30°, terutama untuk jalan dengan jumlah lajur lebih
dari tiga (atau sudut parkir optimal adalah 30°).

112 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa fransportasi:


Teori, contoh coal, dan aplikasi

1♦
Anal isis kap asitas ruas ja lan dan pers impangan
~~~
a
z
~
~m
a~
Y
A
d
7
~
7
~
C
~ ~
m ~
C ~
N m
~ ~_
7 m
~ H
L d
ti J
E ~
~ m
^~
~`~ E~
N (n
t0
Q
Q
Y
C
6
LA
L
7
L
7
S

h
l9
~
E
R
c~
5.2 Analisis kapasitas persimpangan

Kapasitas sistem jaringan jalan perkotaan tidal( saja dipengaruhi oleh kapasitas ruas
jalannya tetapi juga oleh kapasitas setiap persimpangannya (baik yang diatur oleh
lampu lalu linans maupun tidak). Bagaimana pun bailcnya kinerja ruas jalan dart
suatu sistem jaringan jalan, jika kinerja persimpangannya sangat rendah maka
kinerja seluruh sistem jaringan jalan tersebut akan menjadi rendah pula.
Berikut ini dijelaskan perhitungan kapasitas persimpangan berlampu lalu lintas dan
persimpangan yang tidak berlampu lalu lin..

5.2.1 Persirnpangan tidak berlampu lalu lintas

Berdasarkan IHCM (1997), perhitungan kapasitas persimpangan tidak berlampu


lalu lintas ditentukan dengan persamaan (5.3) berikut.
C = Co xFw xFcs xF}tsu xF, FR, XFm, (snap/jam) (5.3)
C kapasitas (smp/jam)
Co kapasitas d.ar (smp/jam)
Fw : faktor koreksi kapasiaan untuk lebar lengan persimpangan
F51 : faktor koreksi kapasitas jika ada pembatas median pada lengan
persimpangan
Fcs : faktor koreksi kapasitas akibat ulcuran kota (jumlah penduduk)
Fi,su : faktor koreksi kapasitas akibat adanya tipe lingkungan jalan, gangguan
samping, dan kendaraan tidak bermotor
FLT: faktor koreksi kapasitas akibat adanya pergerakan belok kin
FRT : faktor koreksi kapasitas akibat adanya pergeralcan belok kanan
Fm-, : faktor koreksi kapasiaas akibat adanya ants lalu lintan pada jalan minor

Besar setiap faktor koreksi kapasitas sangat tergantung pada tipe persimpangan,
yang ditentukan oleh beberapa ha): jumlah lengan, jumlah lajur pada jalan utama,
dan jumlah lajur pada jalan minor.
Penjelasan labia rinci mengenai nilai setiap faktor koreksi kapasitas bisa didapatkan
dalam IHCM (1997).

5.2.2 Persimpangan berlampu lalu lintas

Kapasitas lengan persimpangan berlampu lalu lintas dipengaruhi oleh beberapa


faktor, yaitu nilai arus jenuh, waktu hijau efektif, dan \valaa siklus seperti yang
dinyatakan dalam persamaan (5.4) berilcut.
C = S.g/c (smp/jam) (5.4)
C kapasitas (smp/jam) S: arus jenuh (smp/jam)
g : waktu hijau efektif c. waktu siklus

114 Ofyar Tamin,, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
Adapun nilai arus jenuh suatu persimpangan berlampu lalu lintas dapat dihitung
dengan persamaan (5.5) berikut.
S = So xFos xFsF xFc xFP xFrT xF'RT (smp/waktu hijau efektif) (5.5 )
S : arus jenuh (smp/waktu hijau efektif)
So : arus jenuh dasar (smp/waktu hijau efektif)
Fcs : faktor koreksi arus jenuh akibat ukuran kota (jumlah penduduk)
F,F : faktor koreksi arus jenuh akibat adanya gangguan samping yang meliputi
faktor tipe lingkungan jalan dan kendaraan tidal( bermotor
FG : faktor koreksi arus jenuh akibat kelandaian jalan
FP : faktor koreksi arus jenuh akibat adanya kegiatan perparkiran dekat lengan
persimpangan
Fr.T : faktor koreksi kapasitas akibat adanya pergerakan belok kiri
FRT : faktor koreksi kapasitas akibat adanya pergerakan belok kanan
Besar setiap faktor koreksi arus jenuh sangat tergantung pada tipe persimpangan.
Penjelasan lebih rinci mengenai nilai setiap faktor koreksi arus jenuh bisa
ditemukan dalam IHCM (1997).

5.3 Kumpulan soal

Saudara diminta untuk menghitung kapasitas ruas jalan per arah dengan data-
data sebagai berikut:
Lokasi ruas : Jalan Soekamo-Hatta (Bandung)
Tipe jalan : 6 lajur 2 arah dengan median (612D)
Lebar jalan : 10,5 meter (arah ke Timur); 3,5 meter per
lajur
9,0 meter (arah ke Barat); 3,0 meter per lajur
Gangguan samping : tinggi
Jarak kereb—gangguan samping : 4,0 meter
Data tata guna lahan : daerah permukiman yang dilalui oleh
angkutan umum
Data jumlah penduduk : 5 juta orang

2 Saudara diminta untuk menghitung kapasitas mar jalan per arah dengan data-
data sebagai berikut:
Lokasi mar : Jalan Ir. H. Juanda (Bandung)
Tipe jalan : 4 lajur 2 arah dengan median (4/2D)
Lebar jalan : 7,0 meter (arah ke Timur); 3,5 meter per !ajar
6,0 meter (arah ke Barat); 3,0 meter per lajur
Gangguan samping : tinggi
Lebar balm jalan efektif : 2,0 meter
Data tata guna lahan : daerah permukiman
Data jumlah penduduk : 5 juta orang

Analisis kapasitas ruas jalan dan persimpangan 115


6 Analisis model sederhana
interaksi sistem transportasi

Pada Bab 3 telah dijelaskan tentang konsep perencanaan transportasi dan


bagaimana keterkaitan antara sistem tata guna lahan (kegiatan), sistem prasarana
transportasi (jaringan), dan sistem pergerakan lalu lintas (pergerakan); sedangkan
pada Bab 4 telah dijelaskan beberapa hal yang terkait dengan indeks tingkat
pelayanan (1TP) suatu ruas jalan.

6.1 Pendahuluan

Berikut ini diterangkan cara membuat model sistem. Kita akan membuat model
yang mengaitkan sistem tata guna lahan (kegiatan), sistem prasarana transportasi
(jaringan), dan sistem pergerakan lalu lintas (pergerakan). Model akan dibuat secara
sangat sederhana dengan melibatkan hanya dua buah zona saja (Tamin, 1988ab,
1997a, 2000a,2003).
Subbab 6.1 menjelaskan tahapan yang harus dilakukan dalam penerapan konsep
interaksi sistem tata guna lahan (kegiatan)—sistem prasarana transportasi
(jaringan)—sistem arus lalu lintas (pergerakan). Subbab 6.2 menjelaskan contoh
perhitungan sederhana untuk memperlihatkan bagaimana sistem kegiatan—
jaringan—pergerakan lalu lintas saling berinteraksi dalam satu sistem kesatuan.
Subbab 6.3 menjelaskan analisis dampak perubahan sistem kegiatan terhadap
sistem pergerakan lalu lintas; sedangkan subbab 6.4 menjelaskan analisis dampak
perubahan sistem jaringan terhadap sistem pergerakan lalu lintas.
Subbab 6.5 menjelaskan analisis dampak perubahan sistem jaringan dan sistem
jaringan terhadap sistem pergerakan lalu lintas, sedangkan pada subbab 6.6 bisa
didapat beberapa kumpulan soal-soal yang berkaitan dengan nrateri yang dibahas
pada bab ini. Tujuan pembentukan model adalah:
untuk memahami cara ketja sistem transportasi yang merupakan tujuan utama
pembentukan model;
b untuk meramalkan perubahan arus lalu lintas bila dilakukan perubahan pada
sistem tata guna lahan (kegiatan) dan/atau sistem prasarana transportasi
(j aringan).
Catatan: terdapat beberapa model yang dapat meramalkan perubahan sistem
tata guna lahan (kegiatan) yang disebabkan oleh perubahan sistem prasarana
transportasi (jaringan), misalnya model 1_owiy (Lowry, 1964); tetapi biasanya
para perencana transportasi lebih tertarik pada masalah perubahan arus lalu
lintas (pergerakan) sebagai akibat perubahan sistem tata guna lahan (kegiatan)
dan/atau sistem prasarana transportasi (jaringan).

116
Dalam modal transportasi ini, riga peubah tetukur utama yang akar digunakan
adalah: (a) sistem tata guna lahan (kegiatan), misalnya jumlah penduduk, lapangan
kerja, pendapatan, dan karakteristik pemilikan kendaraan; (b) sistem prasarana
transportasi (jaringan), misalnya waktu tempuh dan biaya perjalanan; dan (c) sistem
pergerakan lalu lintas (pergerakan), misalnya jumlah penumpang dan kendaraan.
Secara umum, anis lalu lintas merupakan peubah tetap, yang didapatkan sebagai
basil interaksi sistem rata guna lahan (kegiatan) dan sistem prasarana transportasi
(jaringan). Pemtasalahan utama sekarang adalah bagaimana menerangkan sistem
tata guna lahan (misalnya geografis daerah perkotaan) dan sistem prasarana
transportasi (jaringan) tersebut secara terukur.
Anus lalu lintas adalah peubah tidak bebas, kecuali pada mat perhitungan waktu
tempuh anis lalu lintas menjadi peubah bebas. Sistem tata guna lahan (kegiatan)
adalah peubah bebas karena intensitasnya bervariasi tmtuk setiap lahan yang
berbeda dan juga berubah sebagai fungsi waktu. Sistem prasarana transportasi
(jaringan) adalah peubah bebas, karena kualitas dan kuantitasnya bervariasi secara
geografis dan juga berubah sebagai fungsi waktu, misalnya, adanya pembangunan
jalan ham dan peningkatan pelayanan angkutan tannin
Setiap peubah diidentifikasikan dengan notasi sebagai herikut. L= sistem tata guna
lahan (kegiatan), Q= sistem pergerakan anis lalu lintas (pergerakan), dan T= kinerja
sistem prasarana transportasi (pergerakan). Beberapa notasi lainnya yang
dibutuhkan adalah:
LA = tata guna lahan di zona A
PA = bangkitan pergerakan dari zona A
Ap = tarikan pergerakan ke zona B

QAntt l = anis lalu lintas dari zona A ke zona B yang menggunakan tete 1

Tam) = waktu tempuh lalu lintas dari zona A ke zona B yang menggunakan rute

1 pada kondisi arus = Q

Tn = waktu tempuh pada saat atus = 0 (kondisi anus bebas)

C = kapasitas
= indeks tingkat pelayanan (ITP)
Tahaptn yang hams dilakukan dalam penerapan konsep interaksi sistem tam guna
lahan (kegiatan)—prasarana transportasi (jaringan)—anis lalu lintas (pergerakan)
adalah sebagai berikut.
a Bangkitan pergerakan Bangkitan pergerakan adalah fungsi tata guna
lahan. Jwnlah bangkitan pergerakan yang dihasilkan oleh suatu zona
berhanding lures dengan tipe dan intensitas rata guna lahan di zona tersebut.

PA = .f (L (6.1)

Analisis model sederhana interaksi sistem transportasi 117


Hal yang sama juga berlaku bagi tarikan pergerakan:

AB = f (LB ) (6.2)

b Sebaran pergerakan Besamya pergerakan dari zona A ke zona B


merupakan fungsi dari tipe dan intensitas tata guna lahan di zona A dan zona B
( P,, dan AB ) dan besamya faktor kenmdahan pencapaian (aksesibilitas) zona
tujuan B dari zona asal A ( TQ ) dapat dinyatakan dalam persamaan (6.3):

P~ .AB
Q.~B — .k (6.3)
TQwe

k= konstanta penyeimbang sebaran pergerakan


c Pemilihan moda transportasi dan rate Pemilihan moda transportasi antara
zona A ke zona B didasarkan pada perbandingan antara berbagai karakteristik
operasional moda transponasi yang tersedia (misalttya waktu tempuh, tarif,
waktu tunggu, dan lain-lain). Begitu juga halnya rate — pemilihan rute
didasarkan pada perbandingan karakteristik operasional setiap altematif rate
untuk setiap moda transportasi yang tersedia.
Besamya pergerakan yang menggunakan rate tertentu akan menentukan
besamya waktu tempuh antarzona pada rate tersebut. Secara konsep, jika
terdapat beberapa alternatif rate, kondisi keseimbangan seperti yang
dinyatakan oleh Wardrop (1952) berasumsi bahwa eras Inlet lintas akan
mengatur dirinya sendiri sehingga besamya waktu tempuh untuk semua
altematif rate yang tersedia sama.
Dengan kata lain, pada kondisi keseimbangan tidak ada seorang pun yang
mampu memilih rate yang lebih baik, karena semua altematif rate yang
tersedia mempunyai waktu tempuh yang sama dan minimal. Jika terdapat dua
altematif rate (1 dan 2) antara zona A dan B, maka kondisi keseimbangan
tercapai jika:
(6.4)
T Q~cn = TQ.,ea)

6.2 Analisis interaksi sistem kegiatan—jaringan—pergerakan

Berikut ini akan dikemukakan contoh perhitungan sederhana untuk memperlihatkan


bagaimana sistem tata guna lahan (kegiatan)—pergerakan lalu lintas (pergerakan)—
prasarana transportasi (jaringan) saling berinteraksi dalam satu sistem kesatuan.
Kasus yang akan dianalisis adalah danipak yang terjadi pada sistem pergerakan jika
terjadi perabahan pada sistem kegiatan.
Misallcan terdapat 2 (dua) buah zona (zona A dan eaten B) — zona A adalah zona
permukiman dan zona B adalah zona lapangan kerja. Populasi zona A adalah 50000
orang, sedangkan jumlah lapangan kerja di zona B yang tersedia sebanyak 15000.
Persentase usia kerja di zona A = 90% (hanya 90% dari total populasi yang
bekerja).

m
118 Ofyar Z Tamin, Perencanaan, peodelan, dan rekayasa transportasi:
Teori, contoh so l dan aplikasi
Zona A dan zona B dihubungkan oleh 2 (dua) buah rate (rute 1 dan 2) yang
karakteristiknya adalah:

Indeks tingkat Kapasitas


Rate Panjang (km) To (menit)
pelayanan (a) (kendaraanram)
15 20 0.3 3500
25 35 0.9 2000

Sebaran pergerakan dianggap mengikuti hukum gravity sebagai berikut.


.AB
QAB =P; .0.002 (6.5)
T ~as
Sementara itu, hubungan antara waktu tempuh dengan volume anus lalu lintas
diasumsikan mengikuti rumus Davidson (persamaan 6.6) (Davidson, 1966).

1—~1— a)°
To = To (6.6)
I— Q
C
dengan: T0 = waktu tempuh pada scat arcs = Q
TO = waktu tempuh pada scat anus = 0 (kondisi arts bebas)
Q = anus lalu lintas
C = kapasitas
a = indeks tingkat pelayanan/ITP (fungst faktor yang menyebabkan
keragaman dalam arus, seperti parkin dan penyeberang jalan )
Pembaca yang ingin mengetahui lebih lanjut tentang persamaan Davidson dan
indeks tingkat pelayanan (ITP) sangat disarankan membaca Bab 4.
Asumsi: okupansi 1 kendaraan = 2 ortnrg
Pertanyaan:
1 like hanya sate 1 yang beroperasi. berapa anus lain lintas yang bergerak dart
zona A ke zona B?
2 Jika hanya rate 2 yang beroperasi, berapa ants lalu lintar yang bergerak dart
zona A ke zona B'?
Jika hanya Hite 3 yang beroperasi, berapa anus lalu lintas yang bergerak dart
zona A ke zona B'?

Analisir model sederhana interaksi sistem inanrpDriasi 119


4a Jika rute 1 dan rute 2 bersama-sama beroperasi, berapa arus lalu lintas yang
bergerak dari zona A ke zona B pada setiap rute?
b Terangkan rute mana yang lebih tinggi kemampuannya dalam mengalirkan
arus lalu lintas?
5a Andaikan dibangun lagi rute 3 dengan karakteristik sebagai berikut.
Indeks tingkat Kapasitas
Rute Panjang (km) T, (men it) pelayanan (a) (kendaraan/jam)
12 15 0,1 5000

Jika rate I, rate 2, dan rate 3 sama-santa beroperasi, berapa ants lalu lintas
yang bergerak dari zona A ke zona B pada setiap rote?
b Andaikan rate 3 sudah ada, berikan komentar apakah perlu membangun cute I
daniatau rate 2?
Jaw•aban:
Perhitungan dapat dilakukan dengan dua cara, yaitu cara analitis dan gratis.

6.2.1 Cara analitis


Hal penman yang harus dilakukan adalah membuat persamaan kebutuhan
transportasi dengan menggunakan persamaan (6.5). Dengan memasukkan data
populasi, persentase usia kerja, lapangan kerja, dan asumsi okupansi per kendaraan
(1 kendaraan= 2 orang), didapat hal berikut
PA = 90% x 50000 = 45000 orang = 22500 kendaraan (asumsi 1 kendaraan = 2
orang)
AB = 15000 orang = 7500 kendaraan (asumsi I kendaraan = 2 orang)
Sehingga, persamaan kebutuhan transportasi (6.8) bisa didapat sebagai berikut.
22500x7500
Qua — TAB x0,002 (6.7)

337500
VAS _ (6.8)
TaB
Persamaan prasarana transportasi (6.9)—(6.11) untuk setiap rate didapatkan dengan
menggunakan persamaan (6.6).

1 0,7Q1
1—(1-0,3) Q1
TQ = 20 3500 = 20. 3500 3500 — 0,7Q1
= 20.
3500 — Q1 ]
-(i
(1 3500)
-
500)
3Q
7, 70000 —14Q1
untuk rate 1 (6.9)
Q' = 3500—Q,

120 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soar, dan aplikasi

J
Hal yang lama dapat dilakukan untuk rute 2 dan rote 3:

Qt _ 0,1Q2
1- (1- 0, 9) 35 2000- 0,1Q2
21000 = 35 ( 20001
Tpl = 35.
2000 - Q2
(1- I l 2000 I-
200 0 I
- -
/T - 700001- 3,5Q2 /
untuk rute 2 (6.10)
82 2000- Q2
0,9Q3
I -0,1)
T,3 = 15.
1-(1 000)
= 15. - 15 5000 - 0,903
5000
1 5000- Q3
CI :1(310) \1 Q3 l
5000)
7.83 - 75000 -13,5Q3
untuk rote 3 (6.11)
5000 - Q3

• Bila hanya rule 1 yang beroperasi Dengan memasukkan persamaan (6.9)


ke persamaan (6.8), didapat persamaan (6.12)-(6.13):
337500 _ 70000 -14Q1
(6.12)
Qt 3500- Ql
14Q. -407500Q, +1,18125x109 =0 (6.13)
Persamaan kuadrat (6.13) dapat diselesaikan dengan menggunakan persamaan
(6.14)-(6.16):
-b±'Jb 2 -4ac
Qt,z = (6.14)
2a
Qt1,2 - (407500)± 407500)2 -4.(14).(1,18125x10 9 )
(6.15)
2.(14)
t,2 = (407500)± (316079)
Qt (6.16)
(28)

Qt t = 25842 kendaraan/jani dan Q, 2 = 3265 kendaraatvjam

Dart kedua hasil yang didapat, maka Qt yang memungkinkan adalah 3265
kendaraan/jant.
Selanjutnya, waktu tempuh dapat dihitung dengan menggunakan rumus:
337500
TQi = = 103,8 menit
3265

Sehingga, apabila hanya rute 1 yang beroperasi, maks jumlah pergerakan lalu
lintas yang terjadi, yaitu sebesar 3265 kendaraan/jam dengan wakta tempuh
103,8 menit,

Analisis model sederhana interaksi sistem transportasi 121


Bila hanya rate 2 yang beroperasi Dengan memasukkan persamaan
(6.10) ke persamaan (6.8), didapat persamaan (6.17) —(6.18):
337500 70000 — 3,5Q2
(6.17)
Qz 2000 — Qz

3,5Q2 — 407500Q2 +6,75x108 = 0 (6.18)

Dengan menyelesaikan persamaan kuadrat (6.18), didapat:

—bt 6 2 4ac .(407500)± Jk-407500)2 —4.(3,5~.~6,75x108)


Qz' 2 —
2a
(407500)t(395735)
Qzt 2—
(7)
Q22
Q2 1 = 114748 kendaraarvjam dan =1681 kendaraan/jam

Dan kedua hasil yang didapat, maka Q2 yang memungkinkan adalah 1681
kendaraan/jam.
Selanjutnya, waktu tempuh dapat dihitung dengan menggunakan rumus:
337500
TQ= = = 201 menit
1681
Sehingga, apabila hanya rute 2 yang beroperasi, maka jumlah pergerakan lalu
lintas yang terjadi, yaitu sebesar 1681 kendaraan/jam dengan waktu tempuh
201 menit.

Bila hanya rate 3 yang beroperasi Dengan memasukkan persamaan


(6.11) ke persamaan (6.8), didapat persamaan (6.19)—(6.20):

337500 _ 75000 —13,50


(6.19)
Q3 5000— Q3
13,5Qj — 412500Q3 1-1,6875x109 = 0 (6.20)
Dengan menyelesaikan persamaan kuadrat (6.20), didapat:

Q32 ,2 — — b t Jb 2 — 4ac . (412500)± ~— 4125002 — 4.(13,5g1,6875x109 )


2a 2.03,5)
— (412500)t(281125)
Q3 2,2
(27)
Q31 =
25690 kendaraan/jam dan Q32 = 4866 kendaraan/jam

Dari kedua hash yang didapat, maka Q3 yang memungkinkan adalah 4866
kendaraan/jam.
Selanjutnya, waktu tempuh dapat dihitung dengan menggunakan rumus:

122 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Mon', contoh soal, dan aplikasi
TQ' = 3500
= 69,4 milli
48
3766 milli
Sehingga, apabila hanya rule 3 yang beroperasi, maka jumlah pergerakan lalu
lintas yang terjadi, yaitu sebesar 4866 kendaraanijam dengan waktu tempuh
69,4 menit.
Bila rote 1 dan rote 2 sama-sama beroperasi (1+2) Jika kedua rote tersebut
sama-sama beroperasi, dibutuhkan 2 (dua) syarat batas yang hams dipenuhi:
Syarat batas (1): QA. = Ql + Qz (6.21)

Syarat batas (2): TQ~ = TQ3 kondisi keseimbangan Wnrdrop (6.22)

Dengan syarat batas (2) seperti yang dinyatakan dalam persamaan (6.22), bisa
didapatkan persamaan (6.23)—(6.25) berikut.
70000 —14Qt— 701100 — 3,5Q2
(6.23)
3500—Q, 2000—Q2
42000Qt + 10,5Qt Q2 — 57750Qz — 1,05x108 = 0 (624)
1,05x108 + 57750Qz
Qt — (6.25)
42000+10,5Q,
Dengan memasukkan syarat batas (1), yaitu persamaan (6.21) ke persamaan
(6.8), maka persamaan (6.8) dapat ditulis kembali menjadi persamaan (6.26).
=Q33750U
TQA6— (6.26)
t +Qz
Dengan memasukkan persamaan (6.10) ke dalam persamaan (6.26) untuk rute
2, dihasilkan persannaan (6.27) berikut.
337500 70000 — 3,5Q2
(6.27)
Qt + Qz 2000— Q2
Dengan memasukkan persamaan (6.25) ke persamaan (6.27), diperoleh
persamaan (6.28) berikut.
337500 70000 — 3,5Qz
0 (6.28)
1,05x108 +57750Q, 2000—Q2 —
+ Qz
4201)0 + 10,5Qz
Dengan menyelesaikan persamaan (6.28) secara coba-coba, didapat jurttlah
pergerakan lalu limas yang menggunakan rute 2 (Q), yaitu sebesar 1154
kendaraa» /jam.
Selanjutnya, dengan memasukkan nilai Q; ke persamaan (6.25), didapatkan:

Analisis model sederhana interaksi sistem transportasi 123


Qt — 1,05x108 +(57750).(1154) =
3172 kendaraan/jam
42000 + (10,$).(1154)
Dengan memasukkan nilai Qi dan Q2 ke persamaan (6.26), didapatkan:
= 337500
T 78 menit
p Ae 3172 + 1154 =
Sehingga, apabila rote 1 dan 2 sama-sama beroperasi, maka jutnlab pergerakan
tales Iintas yang menggunakan rute 1 sebesar 3172 kendaraan/jam dan rute 2
sebesar 1154 kendaraanljam sehingga total pergerakan antara zona A dan B
adalah 4326 kendaraan/jam dengan waktu tempuh 78 menit.
Bila rute 1, rute 2, dan rule 3 sama-sama beroperasi (1+2+3) Jika ketiga
na te sama-sama beroperasi, dibutuhkan 2 (dua) syarat batas y ang hams
dipenuhi:
Syarat batas (1): Q = Q1 + Q 2 +Q3 dan (6.29)
Syarat batas (2): T, = TQ =T0, = TQ~ (6.30)

Dari syarat T8, = TQ, diperoleh:

70000 —14Qt 70000 — 3,5Q2


3500—Q2 2000— Q2
_ 1,05x106 + 57750Q2
Ql (6.31)
42000 +10,5Q2
Dan syarat T8, =T8, diperoleh:

75000 —13,5Q3 — 70000 — 3,5Q2


5000 — Q3 2000— Q 2
2n106 + 57500Q2
Q3_ (6.32)
43000+10Q2
Dari syarat T0, = TQ} diperoleh:

75000 —13,5Q3 _ 70000 —14Qt


5000— Q3 3500— Qt
8,75x10 + 5000Q,
Q3 — (6.33)
22750-0,5Q1
Dengan memasukkan syarat batas (1), yaitu persamaan (6.29) ke persamaan
(6.8), maka persamaan (6.8) dapat ditulis kembali menjadi persamaan (6.34).
337500
(6.34)
Qi +Q2 +Q3

124 Ofyar Z Tanis, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
Dengan memasukkan persamaan (6.10), (6.31), dan (6.32) ke persamaan
(6.34), diperoleh persamaan (6.35) berikut.
337500 70000 — 3,5Q2 _ 0 (6.35)
1,05x108 + 57750Q2 2x108 + 57500Q2 2000 — Q2
42000 + 10,5Q2 +Q2 + 43000+10Q2
Dengan menyelesaikan persamaan (635) secara coba-coba, didapat jumlah
pergerakan lalu lintas yang menggunakan rute 2 (QZ), yaitu sebesar 393
kendaraan/jam. Selanjutnya, dengan memasukkan nilai QZ ke persamaan
(6.31), didapatkan:

_ 1,05x108 + (57750).(393) — 2 768 kendaraan/jam


Qt
42000 + (10,5).(393)
Dengan memasukkan nilai Q ke persamaan (6.32), didapatkan:

_ 2x108
Q +(57500).(393) = 4743 kendaraarujam
43000 + (10).(393)
Dengan memasukkan nilai Qt , 0, dan Q3 ke persamaan (634), didapatkan:
337500 = 42 7
7 = 2768+393+4743 ' men'
Apabila rate 1, 2, dan 3 sama-sama beroperasi, maka jumlah pergerakan lalu
lintas yang menggunakan rute 1 sebesar 2768 kendaraan/jam, rute 2 sebesar
393 kendaraan/jam, dan rute 3 sebesar 4743 kendaraan/jam sehingga total
pergerakan antara zona A dan B adalah 7904 kendaraan/jam dengan waktu
tempuh 42,7 menit.
Selunth hasil perhitungan nilai arus dan waktu tempuhnya wank setiap rate
direkapitulasi dalam Tabel 6.1.
Tabel 6.1 Reka itulasi besar arus ada setia rute dan waktu tem uhnya (kondisi I)
Arus dan Titik
wak tu Qt Q2 Q3 QAB TAB
Kapasitas
(kendaraan
keseimbangan
te mpu h (kend. (kend. (kend. (kend. (lihat gbar
am
(menit) per jam)
per jam) per jam) per jam) per jam) 6.1)
Rate
1' 3265 3265 103,8 3500 A
2• 1681 1681 201,0 200D
3• 4866 4866 69,4 5000
1 +2• 3172 1154 4326 78,0 5500
1+2+3• 2768 393 4743 7904 42. 7 10500
1• hanya Me 1 yang beroperasi 2' hanya rote 2 yang beroperasi
3• hanya rule 3 yang beroperasi 1+2' rote 1 dan 2 same-same beroperasi
1+2+3• rote 1,2, dan 3 sama-sama beroperasi
Somber: Hasil anaiisis

Analisis model sederhana interaksi sistem transportasi 125


6.2.2 Cara grafis

Dengan cara grafis, grafik hubungan antara Qp jj dan AB


dibuat untuk persamaan
kebutuhan transportasi (6.8) dan persamaan prasarana transportasi (6.9)-(6.11)
seperti terlihat pada Gambar 6.1. Hubungan antara Q Ajj dan TQAB terlihat pada
Tabel 6.2.

Tabel 6.2 Hubungan antara QAB dan TQAB untuk kondisi I

Q. Tt,As TQ: TQ, TQ, TQz TQ3


TQ,
(kendrjam) (menit) (menit) (menit) (menit) (kendfjam) (menit) (menit) (menit) (menit)

20,00 35,00 15,00 5000 67,50

500 675,00 21AO 45,50 15,17 5500 61,36

1000 337,50 22,40 66,50 15,38 6000 56,25

1500 225,00 24,50 129,50 15,64 6500 51,92

2000 168,75 28,00 16,00 7000 48,21

2500 135,00 35,00 16,50 7500 45,00

3000 112,50 56,00 17,25 8000 42,19

3500 96,43 18,50 8500 39,71

4000 84,38 21,00 9000 37,50

4500 75,00 28,50 9500 35,53

Dengan menggunakan cara grafis dapat dengan mudah dilihat dan dianalisis adanya
interaksi antara sistem tata guna lahan (kegiatan)-pergerakan lalu lintas
(pergerakan)-prasarana transportasi (jaringan).
Contohnya, perubahan parameter dalam sistem prasarana transportasi rute 1
(misalnya adanya pelapisan ulang yang menyebabkan perubahan nilai indeks
tingkat pelayanan).
Dengan cara grafis, kita cukup menghitung persamaannya dan mengubah grafik rute
1 tanpa harus melakukan perhitungan aljabar yang rumit, analisis pengaruh segera
dapat di)akukan secara visual.
Begitu juga halnya dengan perubahan parameter sistem tata guna lahan (kegiatan),
kita cukup mengubah persamaan barunya dan menggeser garis kebutuhan
transportasi sesuai dengan persamaannya dan langsung analisis pengaruh dapat
dilakukan secara visual dengan mudah.
Akan tetapi, kelemahan cam grafis ini adalah nilai arus lalu lintas dan waktu tempuh
menjadi tidak seakurat cara analitis, karena dihasilkan secara grabs dan dibaca
secara visual. Semakin tinggi tingkat akurasi grafik, semakin tinggi pula tingkat
akurasi nilai arus lalu lintas dan waktu tempuh yang dihasilkan.
Beberapa kesimpulan bisa didapatkan dengan menganalisis informasi yang tersaji
pada Tabel 6.1-6.2 dan Gambar 6.1.

126 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 11000 12000
Q (Kendaraan per jam)

Gambar 6.1 Hubungan antara Q AB dan T0 (persamaan kebutuhan transportasi dan


persamaan prasarana transportasi setlap rute untuk kondisi I)

a Jika rute 1 dan rute 2 dioperasikan sendiri-sendiri, terlihat bahwa kemampuan


rute 1 dalam menyalurkan arus lalu lintas lebih baik dibandingkan dengan rute
2. Buktinya, arus lalu lintas yang menggunakan rute 1 (= 3265 kendaraanijam)
lebih besar dibandingkan dengan rute 2 (= 1681 kendaraanjam), dengan walctu
tempuh yang juga lebih singkat (52% dart waktu tempuh nate 2).
Dengata cara grafis (lihat Gambar 6.1), titik A menunjukkan besamya area lalu
lintas dan waktu tempuh yang terjadi jika rute 1 saja yang beroperasi — titik B
jika rute 2 saja yang beroperasi, dan titik C jika nate 3 saja yang beroperasi.
Hal ini dengan mudah dapat dilihat pada Gambar 6.1. Terlihat bahwa rute 3
mempunyai kemampuan terhaik dalam menyalurkan area lalu limas, diikuti
rute 1, bare rute 2.
b Akan tetapi, apabila rute 2 dioperasikan bersama-sama dengan rate 1 (1+2),
ternyata rute 2 memberikan kontribusi yang cukup besar terhadap peningkatan
total arus kendaraan dan 3265 kendaraarujam menjadi 4326 kendaraanijam
(meningkat 32,5%), sedangkan waktu tempuh menurun dart 103,8 menit
menjadi 78 menit (berkurang 24,9%).
Kesimpulan ini menunjukkan bahwanka rute 1 dan 2 beroperasi bersarna-sama
(1+2) mempunyai kinerja yang cukup hank dalam mengalirkan ants lalu lintas.

Analisis model sederhana interaksi sistem transportasi 127


Kesimpulan ini juga mendukung kesimpulan bath- (a) yang menyatakan bahwa
kinerja rute 2 lebih rendah dibandingkan dengan rate 1.
Dengan cara grafis, titik D adalah titik keseimbangan yang menunjukkan
besamya anus lalu lintas yang menggunakan rate 1 dan 2 serta waktu
tempuhnya jika rate 1 dan 2 bersama-sama beroperasi. Secara mudah juga
dapat dilihat pada Gambar 6.1 bahwa kontribusi rate 2 dalani menyalurkan
arus lalu lintas lebih kecil dibandingkan dengan rote 1.
Dengan cara grafis dapat dengan mudah dikaji apa yang terjadi jika rote 2
hares ditutup karma suatu alasan teknis. Yang terjadi adalah perabahan titik
keseimbangan dari titik D menjadi titik A.
c Bandingkanlah jika hanya rate 3 yang beroperasi dengan jika rate 1 dan 2
sama-sama beroperasi (1+2). Tampak bahwa besar pergerakan dengan hanya
rate 3 saja yang beroperasi lebih besar (4866 kendaraan/jam) dibandingkan
dengan rate 1+2 (4326 kendaraan/jam). Begitu juga dengan waktu tempuhnya,
waktu dengan hanya rate 3 saja yang beroperasi (69,4 menit) sedikit lebih kecil
dibandingkan dengan waktu rate 1+2 (78 menit).
Dengan cara grafis, hal tersebut juga dapat dengan mudah dilihat — titik C dan
titik D letaknya berdekatan, yang menyatakan bahwa besamya ants lalu lintas
yang terjadi serta waktu tempuhnya kira-kira sama.
Hal ini sangat penting dalam kebijakan pengambilan keputusan untuk memilih
rate yang karat dibangun. Dalam hal ini, kebijakan untuk membangun rate 3
saja merupakan kebijakan yang sangat tepat, karena kinerja rate 3 kira-kira
sama (malah sedikit lebih baik) dibandingkan kinerja jika Hite 1 dan 2
dioperasikan bersama-sama. Sudah barang tentu membangun rate 3 saja akan
jauh lebih murah dibandingkan dengan membangun rate 1 dan rate 2 sehingga
akan sangat mubazir jika rate 1 dan 2 yang dibangun.
d Akan tetapi, jika rate 1, rate 2, dan rate 3 sama-sama beroperasi (1+2+3), dapat
terlihat bahwa peranan rate 2 sangat kecil (393 kendaraan/jaru) dalanl
menyalurkan anus lalu limas (hanya 5% dari total ares pergerakan yang terjadi).
Jadi, dapat disimpulkan bahwa kombinasi yang paling baik adalah membangun
rate I data rate 3 atau cukup hanya rate 3 saja.
Dengan cara grafis, titik E adalah titik keseimbangan yang dapat menunjukkan
besamya ares lalu lintas yang bergerak pada setiap rate dan waktu tempuhnya jika
rate 1, 2, dan 3 bersama-sama beroperasi. Terlihat dengan sangat mudah bahwa
volume aras lalu lintas yang menggunakan rate 2 ternyata sangat kecil
dibandingkan dengan rate 1 dan rate 3.
Selanjutnya, Tabel 6.3 memperlihatkan rekapitulasi perabahan besamya arus dan
waktu tempuh untuk 2 (dua) kondisi yang dapat terjadi dan dibandingkan dengan
kondisi eksisting (rate I dan 2 sama-sama beroperasi). Kedua kondisi tersebut
adalah:
1 Rute 2 ditutup
2 Kondisi eksisting dengan rate 3 ikut beroperasi

128 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi

L
Tabel 6.3 Reka itulasi besar arus pads sails rute dan waktu tempuhn a untuk 2 kondisi
Arus lalu lintas pada setiap Titik
rute (kendaraan/jam) Waktu Kapasitas keseimbangan
Kondisi tempuh (kendaraan
(lihat gambar
(menit) per jam)
6.1)
Ql Q2 Q3 Q1,2,3

1 Flute 2 ditutup 3265 0 0 3265 103,8 3500 A

2 Kondisi rule 1, 2, 2768 393 4743 7904 42,7 10500


dan 3 beroperasi
3. Kondisi eksisting 3172 1154 4326 78.0 5500
Sumber: Hasil analisis

Terlihat dengan jelas pada kondisi 1 bahwa dengan ditutupnya rote 2, besarnya
pergerakan dari zona A ke zona B berkurang cukup besar dari 4326 kendaraan/jam
menjadi 3265 kendaraan/jam dengan pensngkatan waktu tempuh dari 78 menit
menjadi 103,8 menit.
Terlihat bahwa rute 2 berperan cukup besar dalam mengaltrkan arus lalu lintas. Hal
ini disebabkan oleh kapasitas rote 1 hanya sebesar 3500 kendaraan/jam. Sehingga,
jika hanya rote 1 yang beroperasi, ants yang terjadi pasti berada di bawah 3500
kendaraan/jam.
Selain itu, contoh ins juga membuktikan terdapatnya interakss antara sistem
prasarana transportasi (jaringan) dengan sistem pergerakan lalu lintas (pergerakan).
Perubahan pada sistem prasarana transportasi (jaringan) menyebabkan perubahan
pada sistem pergerakan lalu lintas (pergerakan).
Pada kondisi 2, rate 3 beroperass bersama-sama dengan rote I dan 2. Terlihat bahwa
pada kondisi 2 ini, terjadi pensngkatan besar total ants yang sangat tajam dari 4326
kendaraan/jam menjadi 7904 kendaraan/jam (mensngkat 82,7%) dengan pennnrnan
waktu tempuh yang juga cukup tajam dari 78 menit menjadi 42,7 menit (berkurang
45,3%). Juga terlihat bahwa besamya arus yang melalui rute 3 saja (4743
kendaraan/jam= 60% dart total arus pergerakan) lebih besar jika dibandingkan
dengan besamya total arus pada kondisi eksisting (4326 kendaraan, jam).
Hal ini menunjulckan pecan rate 3 yang sangat besar dalam sistem prasarana
transportasi (jaringan) yang ada. Contoh ini sekals lagi membuktskan adanya
snterakss antara sistem prasarana transportasi (jaringan) dengan pergerakan lalu
lintas (pergerakan). Sekali lags, dibuktskan bahwa perubahan pada sistem prasarana
transportasi (jaringan) menyebabkan perubahan pada sistem pergerakan lalu lintas
(pergerakan).

6.3 Analisis dampak perubahan sistem kegiatan

Kasus yang akan dianalssss dalam subbab 6.3 ini adalah dampak yang terjadi pada
sistem pergerakan jika terjadi perubahan pada sistem kegiatan. Asumsikan tetjadi
perubahan pada sistem tata guna lahan (kegiatan) berupa pensngkatan usia kerja dari
90% menjadi 100% serta lapangan kerja mensngkat dart 15000 menjadi 17000.
Httung kembals pertanyaan 1-5 seperti pada kondssi I dan terangkan dampak

Analisis model sederhana interaksi sistem transportasi 129


pengaruh perubahan sistem rata guna lahan (kegiatan) terhadap sistem pergerakan
lalu lintas (pergerakan) yang ada?

6.3.1 Cara analitis


Asuntsikan terjadi perubahan parameter pada sistem tata guna lahan (kegiatan)
berupa adanya peningkatan usia kerja dari 90% menjadi 100% sena jumlah
lapangan kerja meningkat dari 15000 menjadi 17000, sehjngga persamaan
kebutuhan transportasi akan berubah menjadi persamaan (6.36)-(6.37) berikut.
25000x8750
QAB = x0,002 (6.36)
TAB
437500
QAB (6.37)
TAB
Proses yang sansa dilakukan dengan persamaan sistem prasarana transportasi
(6.9)-(6.11) tetap tjdak berubah. Hasil perhjtungan besar anus lalu lintas dan waktu
tempuh untuk setiap kondisi djrekapjtulasj dalam Tabel 6.4.
Tabel 6.4 Rekapitulasi besar anis pada setiap rute dan waktu tempuhnya dengan adanya
erubahan arameter sistem rata una lahan ke iatan kondisi II
Anis dan Titik
waktu Qi Q2 Q3 QAB Kapasitas
(kendaraan
keseimbangan
tempuh (kend. (kend. (kend. (kend. (lihat Gambar
(menit) per jam)
Rule
per jam) per jam) Per jam) per jam) 6.2)
1' 3322 3322 131,7 3500 A'
1745 1745 250,1 2000 B'
3' 4901 4901 89.3 5000
(1+2)' 3244 1318 4562 95,9 5500 D'
(1+2+3)' 2945 696 4804 8445 51,8 10500 E'
hanya rule 1 yang beroperasi 2' hanya rule 2 yang beroperasi
3' hanya rule 3 yang beroperasi (1+2)• rote 1 dan 2 sama-sama beroperasi
(1+2+3)' rote 1, 2, dan 3 sama-sama beroperasi
Somber. Hasil analisis

Terlihat bahwa perubahan jumlah populasi dan lapangan kerja berpengaruh pada
besar anis lalu lintas yang akan melalui setiap altematif rute dan juga pada waktu
tempuhnya. Hal ini membuktikan adanya interaksj antara sistem rata guna lahan
(kegiatan) dengan sistem pergerakan lalu lintas (pergerakan) sebagai sato sistem
kesatuan.

6.3.2 Cara grafis

Dengan cars gratis, grafik hubungan antara Qua dan T0A8 dibuat untuk persamaan
kebutuhan transportasi (6.37) dan persamaan prasarana transportasi (6.9)-(6.11)
seperti terlihat pada Gambar 6.2. Hubungan antara Qua dan TQAB terlihat pada
Tabel 6.5.

130 Ofyar Z Tamin, Perencanaan, pemodetan, dan rekayasa transportasi:


TeQri, toHtQh soal, dan aptikasi
Tabel 6.5 Hubungan antara QAB dan TQA. untuk kondisi II

Q T QAB T, T Q TQ3 Q, T, To T o T,
(keodqam) (me.) (me.) (rrienit) (menit) (kendliarn) (menit) (menit) (met.) (menit)
20,00 35.00 15,00 5000, 87.50
500 875,00 21,00 45,50 15,17 5500 79,55
1000, 437,50 22,40 66,50 15.38 6000 72,92
1500 29,67 24,50 129,50 15.64 6500 67,31
2000, 218.75 28,00 16.00 7000 62,50
2500 175.00 35,00 16,50 7500 58,33
3000 145,83 56,00 17,25 8000 54.69
3500 125,00 18,50 8500 51,47
4000 109,38 21,00 9000 48,61
4500 97,22 28,50 9500_ 46,05

7000 8000 .00 10000 11000 12000


Q (Kendaraan per jam)
Gambar 6.2 Hubungan antara QAB dan TQA.(persamaan kebutuhan transportasi dan
persamaan prasarana transportasi setiap rute untuk kondisi II)

PeRibahan dalam parameter kebutuhan transportasi dapat dengan mudah


secara
grafts. Perubahan tersebut terlihat dari adanya pergeseran garis kebutuhan 1
menjadi garis kebutuhan 2.

Analisis model sederhana interaksi sistem transportasi 131


Dengan adanya pergeseran tersebut dapat dengan mudah dilihat balsa titik A
bergeser menjadi titik A' dan terlihat peningkatan volume arus lain lintas jika hanya
rute 1 saja yang beroperasi.
Pergeseran garis kebutuhan akan transportasi tersebut menghasilkan titik-titik
keseimbangan baru (A', B', C', D', dan E'). Perubahan titik keseimbangan tersebut
memperlihatkan adanya interaksi antara sistem tata guna lahan (kegiatan) dengan
sistem prasarana transportasi (jaringan).
Beberapa kesimpulan bisa didapatkan dengan menganalisis informasi yang tersaji
pada Tabel 6.4-6.5 dan Gambar 6.2.
a Jika hanya rute 1 saja yang beroperasi, pergerakan meningkat dari 3265
kendaraan,jam menjadi 3322 kendaraan/jam (meningkat hanya 1,7%). Akan
tetapi, terjadi peningkatan waktu tempuh yang cukup tajam dari 103,8 menit
menjadi 131,7 menit (meningkat 26,9%). Hal ini terjadi karena besamya anus
lalu lintas sudah mendekati kapasitas rute 1 (3500 kendaraan/jam).
b Begitu juga halnya jika hanya rute 2 saja yang beroperasi — terlihat
peningkatan anus lalu lintas dari 1681 kendaraan/jam menjadi 1745
kendaraanijam (meningkat hanya 3,8%) dan peningkatan waktu tempuh yang
sangat tajam dari 201 menit menjadi 250,1 menit (meningkat 24,4%). Hal ini
terjadi karena besamya arus lalu lintas sudah mendekati kapasitas rute 2 (2000
kendaraan/jam).
c Hal yang sama, jika dibandingkan hanya rute 3 yang beroperasi dengan hanya
rute 1 dan 2 sama-sama beroperasi (1+2). Tampak bahwa besar pergerakan
dengan hanya rate 3 saja yang beroperasi lebih besar (4901 kendaraan/jam)
dibandingkan dengan rate 1+2 (4562 kendaraan/jam).
Begitu juga dengan waktu tempuhnya, waktu dengan hanya rute 3 saja yang
beroperasi (89,3 merit) sedikit lebih kecil dibandingkan dengan waktu rute 1+2
(95,9 menit).

Dengan cara grafus, hal tersebut juga dapat dengan nmdah dilihat — titik C' dan
titik D' letaknya berdekatan, yang menyatakan bahwa besamya ants lalu lintas
yang terjadi serta waktu tempuhnya kira-kira sama.
Sehingga, kebijakan untuk membangun rate 3 saja merupakan kebijakan yang
sangat tepat karena kinerja rate 3 kira-kira sama (malah sedikit lebih baik)
dibandingkan kinerja jika rute 1 dan 2 dioperasikan bersama-sama. Sudah
barang tentu membangun rate 3 saja akan jauh lebih murah dibandingkan
dengan membangun rute 1 dan rate 2.
d Akan tetapi, jika rote 1, rute 2, dan rute 3 sama-sama beroperasi (1+2+3), dapat
terlihat bahwa peranan rute 2 sangat kecil (696 kendaraan/jam) dalam
menyalurkan arus lalu lintas (hanya 8,2% dari total arus pergerakan yang
terjadi).
Jadi, dapat disimpulkan bahwa kombinasi yang paling baik adalah membangun
rute 1 dan rute 3 atau cukup hanya rute 3 saja.

132 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh scat, dan aplikasi

J
Dengan cara grafts, titik E' adalah titik keseimbangan yang dapat menunjukkan
besarnya arus lalu lintas yang bergerak pada setiap rute dan waktu tempuhnya
jika rute 1, 2, dan 3 bersama-sama beroperasi. Terlihat dengan sangat mudah
bahwa volume arus lalu lintas yang menggunakan rute 2 ternyata sangat kecil
dibandingkan dengan rute 1 dan rute 3.
Sekali lagi, dapat dibuktikan bahwa perubahan pada sistem tata guna lahan
(kegiatan) menyebabkan perubahan pada sistem pergerakan lalu lintas (pergerakan).
Hal ini membuktikan adanya interaksi antara sistem tata guna lahan (kegiatan)
dengan pergerakan lalu lintas (pergerakan) sebagai satu sistem kesatuan.

6.4 Analisis dampak perubahan sistem jaringan

Kasus yang akan dianalisis dalam subbab 6.4 ini adalah dampak yang terjadi pada
sistem pergerakan jika terjadi perubahan pada sistem jaringan. Asumsikan sistem
tata guna lahan (kegiatan) tetap seperti pada kondisi pada subbab 6.2, tetapi terjadi
perubahan pada sistem prasarana transportasi (jaringan) berupa peningkatan pada
rate 1 dalam bentuk perbaikan prasarana jalan (pelapisan Hang) sehingga nilai ITP
menjadi 0,2 dan kapasitas menjadi 4000 kendaraanijani.
Hitung kembali pertanyaan 1-5 seperti pada kondisi pada subbab 6.2 dan terangkan
dampak perubahan sistem prasarana transportasi (jaringan) terhadap sistem
pergerakan lalu lintas (pergerakan) yang ada?

6.4.1 Cara analitis


Asumsikan terjadi perubahan parameter pada sistem prasarana transportasi
(jaringan) berupa adanya peningkatan kinerja pada rate I dalam bentuk pelebaran
jalan dan pelapisan ulang sehingga nilai indeks tingkat pelayanan 'a' berubah
menjadi 0,2 dan kapasitas meningkat menjadi 4000 kendaraaNjam.
Sistem tata guna lahan (kegiatan) tetap seperti pada kondisi pada subbab 6.2,
sehingga persamaan prasarana transportas (rate I) berubah menjadi:

1
Qt 1
-(1- 0,2) 4000 1 0,8Qt
11
4000 = 20 4000 -,8Qt
T~ = 20 = 20. ~
4000-Q,
-I1
Cl 3~00 ) 4000)
80000 -16Qt
untuk rote 1 (6.35)
TO' 4000- Qt
Proses yang sama dilakukan dengan persamaan sistem prasarana transportasi
(6.10)-(6.11) untuk rate 2 dan 3 tetap tidak berubah.
Hasil perhitungan besar arus lalu lintas dan waktu tempuh untuk setiap kondisi
direkapitulasi dalam Tabel 6.6.

Analisis model sederhana interaksi sistem transportasi 133


Tabel 6.6 Rekapitulasi besar arus pada setiap rute dan waktu tempuhnya dengan adanya
erubahan ararneter sistem rasarana trans ortasi (aringan) (kondisi III
Arus dan Titik
Q3 Q As Kapasitas
Qt Q2 TAB keseirnbangan
(kendaraan
t evnai uuh (kend. (kend. (kend. (kend. (lihat garnbar
(menit) per jarn)
per jarn) per jam) per jam) per jarn) 6.3)
Rute
t• 3782 3782 89,2 4000 A"
2• 1.1 1681 201.0 2000 , B"
3. 4866 4866 69 4 5000 c '.
1+2. 3708 1063 4771 70,7 6000 D"
3344 292 4721 8357 40,4 11000 E"
1. hanya rute 1 yang beroperasi 2. hanya rute 2 yang beroperasi
3. hanya rule 3 yang beroperasi (1+2).rute 1 dan 2 sama-sama beroperasi
(1+2.3).rote 1, 2, dan 3 sama-sarna beroperasi
Sumber: Hasil analisis

Terlihat bahwa perubahaa pada sistem prasarana transportasi (rute 1) sangat


berpengaruh pada besar arus lalu lintas yang alcan melalui setiap alternatif rute dan
juga pada wakru tempuhnya.
Hal ini membuktikan adanya interaksi antara sistem prasarana transportasi
(jaringan) dengan sistem pergeralcan lalu lintas (pergerakan) sebagai sato astern
kesatuan.

6.4.2 Cara grafts

Dengan cara grafis, grafik hubungan antara Q A „ dan TQA. dibuat untuk persamaan
kebutuhan transportasi (6.8) dan persamaan prasarana transportasi (6.10)-(6.11) dan
(6.38) seperti terlihat pada Gambar 6.3. Hubungan antara QAB dan TQA. terlihat
pada Tabel 6.7.
Tabel 6.7 Hubungan antara Q AB dan T0A. untuk kondisi III

QAB TQA. To TQ, QAB TQA. TQt


TQ,
(kend/jarn) (mernt) (menit) (rnenit) (kend/jam) (mernt) (menit) (menn) (menit)

20,00 35,00 15.00 5000 67,50

500 675,00 20,57 45,50 15,17 5500 61,36

1000 337,50 21.33 66,50 15,38 6000 56,25

1500 225,00 22.40 129,50 15,64 6500 51,92

2000 168,75 24,00 16.00 7000 48,21

2500 135,00 26,67 16,50 7500 45,00

3000 112,50 32,00 17.25 8000 42,19

3500 96,43 48,00 18,50 8500 39,71

4000 84,38 21,00 9000 37,50

4500 75,00 28,50 9500 35,53_

134 Ofyar,
Z Tamin, Perencanaan, pemodelan. dan rekayasa transportasi:
Teori, contoh soal, den aplikasi

A
i I
100 ►
1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 11000 12000
Q (Kendaraan per jam)
Gambar 6.3 Hubungan antara QAB dan T (persamaan kebutuhan transportasi dan
persamaan prasarana transportasi setiap rute untuk kondisi III)

Perilaku yang sama akan terjadi jika ada perubahan dalam parameter sistem
prasarana transportasinya (jaringan), misalnya adanya pelapisan ulang atau
perkerasan baru yang menyebabkan perubahan nilai indeks tingkat pelayanan (a)
atau adanya peningkatan kapasitas jalan dalam bentuk pelebaran jalan (C),
sementara sistem tata guna lahan (kegiatan) tidak berubah.
Perubahan nilai 'a' dan/atau `C' ini menyebabkan perubahan besar arus lalu betas
yang akan menggunakan setiap altematif rute dan juga waktu tempuhnya. Hal ini
akan menciptakan titik keseimbangan baru yang sekali lagi membuktikan adanya
interaksi antara sistem prasarana transportasi (jaringan) dengan pergerakan lalu
lintas (pergerakan).

Beberapa kesimpulan bisa didapatkan dengan menganalisis informasi yang tersaji


pada Tabel 6.6-6.7 dan Gambar 6.3.
a Jika hanya rute 1 saja yang beroperasi, pergerakan meningkat dari 3265
kendaraarvjant menjadi 3782 kendaraanijam (meningkat 1 5,8°.%). Akan tetapi,
pada kondisi ini malah terjadi penurunan waktu tempuh dari 103,8 menit
menjadi 89,2 menit (berkurang 14.1%).

Analisis model sederhana interaksi sistem transportasi 135

_A
Hal ini terjadi karena perubahan kinerja rote 1 berupa pelapisan ulang dan
peninekatan kapasitas rote I dari 3500 kendaraan/jam menjadi 4000
kendaraani j am.
Dapat juga terlihat pada Tabel 6.6 bahwa tidak terjadi perubahan besar eras
dan waktu tempuhnya pada scat rate 2 atau rote 3 -saja yang yang beroperasi.
Hal yang same dengan kondisi I dan II, jika dibandingkan hanya rite 3 yang
beroperasi dengan hanya rate 1 dan 2 santa-sama beroperasi (1+2). Tampak
bahwa besar pergerakan dengan hanya rote 3 saja yang beroperasi lebih besar
(4866 kendaraan/jam) dibandingkan dengan rote 1+2 (4771 kendaxaan/jam).
Begitu juga dengan waktu tempuhnya, waktu dengan hanya rote 3 saja yang
beroperasi (69,4 merit) sedikit lebih kecil dibandingkan dengan waktu rate 1+2
(70,7 menit). Dengan care grafis, hal tersebut juga dapat dengan mudah dilihat
— titik C dan titik D" letaknya berdekatan, yang menyatakan bahwa besantya
arcs lalu lintas yang terjadi area waktu tempuhnya kira-kira santa.
Selaingga, kebijakan untuk membangun rate 3 saja merupakan kebijakan yang
sangat tepat karena kinerja rote 3 kira-kira sama (malah sedikit lebih baik)
dibandingkan kinerja jika rote 1 data 2 dioperasikan bersama-sama. Sudan
barang tentu membangun rote 3 saja akan jauh lebih murah dibandingkan
dengan membangun rute 1 dan rote 2-
Akan tetapi, jika rote I, rote 2, dan rote 3 sama-sama beroperasi (1+2+3), dapat
terlihat bahwa peranan rote 2 menjadi lebih kecil lagi (292 kendaraan/jam)
dalam menyalurkan anus lalu lintas (hanya 3,5% dari total arcs pergerakan
yang terjadi).
Hal ini disebabkan adanya peningkatan kinetja rate 1 yang menyebabkan rate 2
menjadi lebih tidak menarik lagi. Dapat disimpulkan bahwa kombinasi yang
paling baik adalah membangun rote 1 dan rate 3 atau cukup hanya rote 3 saja.
Dengan care grafis, titik E' adalah titik keseimbangan yang dapat menunjukkan
besarnya eras lalu lintas yang bergerak pada setiap rate dan waktu tempuhnya
jika rate 1, 2, dan 3 sama-sama beroperasi. Terlihat dengan sangat mudah
bahwa volume area lalu lintas yang menggunakan rote 2 ternyata sangat kecil
dibandingkan dengan rote 1 dan rote 3.
Sekali lagi, dapat dibuktikan bahwa perubahan pasta sistem prasarana transportasi
(jaringan) menyebabkan perubahan pada sistem pergerakan lalu lintas (pergerakan).
Hal ini membuktikan adanya interaksi antara sistem prasarana transportesi
(jaringan) dengan pergerakan lain lintas (pergerakan) sebagai sate sistem kesatuan.

6.5 Analisis dampak perubahan sistem kegiatan dan jaringan

Kasus yang akan dianalisis dalam subbab 6.5 ini adalah dampak yang terjadi pada
sistem pergerakan jika terjadi perubahan pada sistem kegiatan dan juga sistem
jaringan.

136 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi

i
Astunsikan, apabila sistem tata guna lahan (kegiatan) berubah seperti kondisi pada
subbab 6.3 sedangkan sistem prasarana transportasi (jaringan) berubah seperti pada
kondisi pada subbab 6.4, maka hitting kembali pertanyaan 1-5 seperti pada kondisi
pada subbab 6.2 dan terangkan dampak perubahan sistem tata guna lahan
(kegiatan) dan sistem prasarana transportasi (jaringan) terhadap sistem pergerakan
jaw lintas (pergerakan) yang ada?

6.5.1 Cara analitis

Asumsikan terjadi perubahan parameter pada sistem tata guna lahan (kegiatan)
seperti kondisi pada subbab 6.3 dan pentbahan parameter pada sistem prasarana
transportasi (jaringan) seperti kondisi pada subbab 6.4.
Proses yang sama dilakukan dengan persamaan kebutuhan transportasi (6.37) dan
persamaan prasarana transportasi (6.10)—(6.11) dan (6.38). Hasil perhitungan besar
arus lalu lintas dan waktu tempuh untuk setiap kondisi direkapitulasi dalam Tabel
6.8.

Tabel 6.8 Rekapitulasi besar arus pada setiap rute dan waktu tempuhnya dengan adanya
perubahan parameter sistem tata guna lahan (kegiatan) dan perubahan sistem
prasarana transportasi (kegiatan) (kondisi IV)
Arus dan Titik
waktu Qi Q2 Q3 Qan Kapasitas
Tae 7(knd -- k eseimban 9
tempuh (kend. (kend. (kend. (kend.
' per jam) per jam) per jam) per jam)
(menit1 per jam) an (lihat
Rote gambar 6.4)
.,
1• 3837 0 0 3837 114,2 4000 A"'

2" 0 1745 0 1745 250,1 2000 B"'

3• 0 0 4901 4901 89,3 5000 C"'


1+2` 3775 1247 0 5022 87,1 6000 D"'

1+2+3' 3516 617 4789 8922 49,0 11000 E"'


1• hanya rute 1 yang beroperasi 2` hanya rute 2 yang beroperasi
3• hanya rute 3 yang beroperasi (1+2)• rute 1 dan 2 sama-sama beroperasi
(1+2+3)• rute 1, 2, dan 3 sama-sama beroperasi
Sumber: Hasil analisis

Terlihat bahwa perubahan jumlah populasi dan lapangan kerja serta peningkatan
kinerja rute 1 sangat berpengaruh pada besar arus lalu lintas yang akan melalui
setiap alternatif rate dan juga pada waktu tempuhnya. Hal ini membuk-tikan adanya
interaksi antara sistem tata guna lahan (kegiatan) dan sistem prasarana transportasi
(jaringan) dengan sistem pergerakan lalu lintas (pergerakan) sehagai sans sistem
kesatuan.

6.5.2 Cara gratis

Dengan cara gratis, grafik hubungan antara QaB dan Tp~a dibuat untuk persamaan
kebutuhan transportasi (6.37) dan persamaan prasarana transportasi (6.10)—(6.11)
dan (6.38) seperti terlihat pada Gambar 6.4. Hubungan antara Q aB dan
TpAa terlihat pada Tabel 6.9.

Analisis model sederhana interaksi sistem transportasi 137


Tabel 6.9 Hubungan antara Q,11 dan TQA. untuk kondisi IV

QAB T To TQ, TQ ' QA„ T,.. To To TQ,

(k.ndrlam) (me.) (me.) (me.) (menit) (kendiJam) (menit) (menit) (menit) (menit)

20.00 35,00 15,00 5000 67,50'

500 675,00 21,00 45,50 15,17 5500 61,36 r

1000 337,50 22,40 66,50 15,38 6000 56.25

1500 225,00 24,50 129,50 15,64 - 6500 51,92s

2000 168,75 28,00 - 16,00 7000 48,21'

2500 135,00 35,00 16,50 7500 45.00:

3000 112,50 56,00 17,25 8000 42,19

.._ 3500 96.43 - 18.50 8500 39.71'

4000 84,38 21,00 9000 37,50'

4500_ 75.00 _ 28,50 9500 35,53

1000 2000 30'00 4000 5000 6000 7000 8000 90'00 10000 11000 12000
'
Q (Kendaraan per jam)
Gambar 6.4 Hubungan antara QAE dan TQAB (persamaan kebutuhan transportasi dan
persamaan prasarana transportasi setiap rute untuk kondisi IV)
Perilaku yang sama akan terjadi jika ada perubahan dalam parameter sistem tata
guna lahan (kegiatan) dan perubahan parameter sistem prasarana transportasinya
(jaringan). Perubahan parameter tersebut menyebabkan perubahan besar arus lalu
lintas yang akan menggunakan setiap altematif rute dan juga waktu tempuhnya. Hal
an akan menciptakan titik keseimbangan baru yang sekali lagi membuktikan adanya

138 Ofyar Z Tamin, Zer.;:lccanat:,


spnearinoida:/aapn,il dz rekayasa transportasi:

IL Jli
interaksi antara sistem tata guna lahan (kegiatan) dan sistem prasarana transportasi
(jaringan) dengan sistem pergerakan lalu lintas (pergerakan).
Beberapa kesimpulan bisa didapatkan dengan menganalisis informasi yang tersaji
pada 'label 6.8-6.9 data Gambar 6.4.
a Jika hanya rute 1 saja yang beroperasi, pergerakan meningkat dari 3265
kendaraan/jam menjadi 3837 kendaraan/jam (meningkat hanya 1 7, 5%). Akan
tetapi, terjadi peningkatan waktu tempuh yang tidak begitu tajam dari 103,8
menit menjadi 114 menit (hanya meningkat 9,8%). Hal ini terjadi karena
perubahan kinerja rute 1 berupa pelapisan ulang dan peningkatan kapasitas rute
I dari 3500 kendaraan/jam menjadi 4000 kendaraan/jam.

b Begitu juga halnya jika hanya rute 2 saja yang beroperasi — terlihat
peningkatan arus lalu lintas dari 1681 kendaraan/jam menjadi 1745
kendaraan/jam (meningkat hanya 3,8%) dan peningkatan waktu tempuh yang
sangat tajam dari 201 menit menjadi 250,1 menit (meningkat 24,4%). Hal ini
terjadi karena besarnya arus lalu lintas sudah mendekati kapasitas rute 2 (2000
kendaraan/jam).
Hal yang sama, jika dibandingkan hanya rate 3 yang beroperasi dengan hanya
rate 1 dan 2 sama-sama beroperasi (1+2). Tampak bahwa besar pergerakan
dengan hanya rate 3 saja yang beroperasi hanya sedikit kecil (4901
kendaraan/jam) dibandingkan dengan rute 1+2 (5022 kendaraan/jam).
Begitu juga dengan waktu tempuhnya, waktu dengan hanya rate 3 saja yang
beroperasi (89,3 menit) sedikit lebih besar dibandingkan dengan waktu rate
1+2 (87,1 menit).

Dengan cara grafis, hal tersebut juga dapat dengan mudah dilihat — titik C"'
dan titik D "' letaknya sangat berdekatan, yang menyatakan bahwa besarnya
arus lalu lintas yang terjadi serta waktu tempuhnya kira-kira sama. Sehingga,
kebijakan untuk membangun rute 3 saja merupakan kebijakan yang sangat
tepat karena kinerja rate 3 kira-kira sama (sedikit lebih kecil) dibandingkan
kinerja jika rute 1 dan 2 dioperasikan bersania-sama. Sudah barang tentu
membangun rute 3 saja akan jauh lebih murah dibandingkan dengan
membangun rate 1 dan rute 2.
d Akan tetapi, jika rate 1, rate 2, dan rute 3 sama-sama beroperasi (1+2+3), dapat
terlihat bahwa peranan rate 2 sangat kecil (617 kendaraanrjam) dalam
menyalurkan ants lalu lintas (hanya menyalurlcan 6,9% dari total arus yang
terjadi). Jadi, dapat disimpulkan bahwa kombinasi yang paling balk adalah
membangun rute 1 dan rute 3 atau cukup hanya rate 3 saja.
Dengan cara grafis, titik E"' adalah titik keseimbangan yang dapat
menunjukkan hesamya arus lalu lintas yang bergerak pada setiap rate dan
waktu tempuhnya jika rute 1, 2, dan 3 bersama-sama beroperasi. Terlihat
dengan sangat mudah bahwa volume arus lalu lintas yang menggunakan rute 2
tetnyata sangat kecil dibandingkan dengan rate 1 dan rate 3.

Analisis model sederhana interaksi sistem transportasi 139


Dengart demikian, secara keseluruhan dapat disimpulkan bahwa perubahan dalam
sistem tata guna lahan (kegiatan) dan sistem prasarana transportasi (jaringan) akan
mempengaruhi besamya arus lalu lintas yang akan menggunakan setiap alternatif
rute, temtasuk waktu tempulutya. Sekaligus, hal ini membuktikan adanya interaksi
antara sistem tata guna lahan (kegiatan) dan sistem prasarana transportasi (jaringan)
dengan sistem pergerakan lalu lintas (pergerakan).

6.6 Kumpulan soal

Asumsikan terdapat 2 (dua) buah zona (zona A dan zona B) — zona A adalah
zona pemiukiman dan zona B adalah zona lapangan kerja. Populasi zona A
adalah 75000 orang, sedangkan jumlah lapangan kerja di zona B yang tersedia
sebanyak 30000. Persentase usia kerja di zona A= 80% (hanya 80% dari total
populasi yang bekerja). Zona A dan zona B dihubungkan oleh 2 (dua) buah
rute (rute I dan 2) yang karakteristiknya adalah:
Indeks tingkat Kapasitas
Rute Panjang (km) To (menit)
pelayanan (a) (kendaraan/jam)

25 25 0,25 4500

35 40 0,75 2500

Sebaran pergerakan dianggap mengikuti hukum gravity sebagai berikut:


P
Qan = A .AB .0,003
TQ~

Asumsi: okupansi 1 kendaraan = 3 orang


Pertanyaan:
a Jika hanya rate I yang beroperasi, berapa arus lalu lintas yang bergerak
dari zona A ke zona B?
b Jika hanya rute 2 yang beroperasi, berapa arus lalu lintas yang bergerak
dari zona A ke zona B?
c Jika hanya rate 3 yang beroperasi, berapa arus lalu lintas yang bergerak
dan zona A ke zona B?
dl Jam rate 1 dan rote 2 bersama-soma beroperasi, berapa arus lalu lintas
yang bergerak dart zona A ke zona B pada setiap rate?
2 Terangkan rate yang lebih tinggi kemampuannya datum mengalirkan arus
lalu limas?
el Andaikan dibangun lagi rate 3 dengan karakteristik sebagai berikut.

Rate Panjang (km) Indeks tingkat Kapasitas


To (menit)
pelayanan (a) (kendaraan/jam)
30 20 0,2 7000

140 Otyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan ap likasi
Jika rute 1, rute 2, dan rute 3 sama-sama beroperasi, berapa arus lalu lintas
yang bergerak dari zona A ke zona B pada setiap rute?
2 Andaikan rute 3 sudah ada, berikan komentar apakah perlu membangun
rute 1 dan/atau rute 2?
2 Jika terjadi peningkatan populasi di zona A menjadi 100000 orang, dan jumlah
lapangan pekerjaan di zona B menjadi 50000, serta persentase usia kerja
meningkat menjadi 90%. Saudara diminta menjawab semua pertanyaan (a)—(e)
sebagaimana ditanyakan pada soal (1 5?
3 Jika populasi di zona A, dan jumlah lapangan pekerjaan di zona B, serta
persentase usia kerja tetap seperti soal (1). Akan tetapi, terjadi perubahan
kinerja pada rute (2) berupa peningkatan perkerasan dan pelebaran jalan yang
mengakibatkan indeks tingkat pelayanan rute (2) berubah menjadi 0,5 dan
kapasitas rute (2) menjadi 3500.
Saudara diminta menjawab semua pertanyaan (a)—(e) sebagaimana ditanyakan
pada soal (1) dan bandingkan hasilnya dengan jawaban pada soal (2)?
4 Jika populasi di zona A, jumlah lapangan pekerjaan di zona B, dan persentase
usia kerja seperti pada soal (2); serta, terjadi perubahan kinerja pada rute (2)
sebagaimana pada soal (3). Saudara diminta menjawab semua pertanyaan
(a)—(e) sebagaimana ditanyakan pada soal (1) dan bandingkan hasilnya dengan
jawaban pada soal (2) dan (3)?
5 Jika populasi di zona A, jumlah lapangan pekerjaan di zona B, dan persentase
usia kerja seperti pada soal (2); tanpa ada perubahan kinerja pada sistem
jaringan sebagaimana pada soal (1).
Saudara diminta menjawab semua pertanyaan (a)-(e) sebagaimana ditanyakan
pada soal (1) jika diterapkan suatu kebijakan transportasi yang mengharuskan
okupansi setiap kendaraan minimal 5 orang serta bandingkan hasilnya dengan
jawaban pada soal (2)?
6 Jika populasi di zona A, jumlah lapangan pekerjaan di zona B, dan persentase
usia kerja seperti pada soal (2); tanpa ada perubahan kinerja pada sistem
jaringan sebagaimana pada soal (1).
Saudara diminta menjawab semua pertanyaan (a)-(e) sebagaimana ditanyakan
pada soal (1) jika diterapkan suatu kebijakan transportasi yang mengharuskan
semua pergerakan menggunakan angkutan umum berkapasitas 15 orang serta
bandingkan hasilnya dengan jawaban pada soal (2)?
7 Dengan melihat semua jawaban pada soal (4), (5), dan (6); saudara diminta
memilih urutan kebijakan transportasi yang mempunyai dampak terbaik
terhadap peningkatan kinerja sistem pergerakan. Kebijakan tersebut yaitu:
a okupansi setiap kendaraan minimal 5 orang;
b semua pergerakan hams menggunakan angkutan umum berkapasitas 15
orang;
c peningkatan kinerja pada rate (2) sebagaimana pada soal (3).

Analisis model sederhana interaksi sistem transportasi 141

~
111 Konsep pemodelan

Pada Bab 3 telah dijelaskan kaitan antara sistem tata guna lahan (kegiatan), sistem
prasarana transportasi (jaringan), dan sistem arus lalu lintas (pergerakan) dengan
panjang lebar (kualitatif); sedangkan Bab 6 telah dijelaskan analisis model
sederhana interaksi antar ke tiga sisters tersebut secara kuantitatif.
Selain itu, menuntt Tamin (1988abcd,1997a,2000a,2003), pendekatan kuantitatif
juga dibutuhkan untuk mendapatkan penjelasan atau gambaran yang lebihjelas serta
terukur mengenai kaitan tersebut. Dalam pendekatan secara `sistem', cara tersebut
dikenal dengan pemodelan sistem.
Subbab 7.1 menjelaskan tentang beberapa jenis model yang dapat digunakan untuk
mencerminkan realita, mulai dari model fisik, model grafis, model peta, model
diagram, model maker, sena model statistik dan matematik.
Sedangkan, subbab 7.2 menjelaskan model yang dapat mencerminkan huhunan
antara sistem tata guna lahan (kegiatan) dengan sistem prasarana transportasi
(jaringan) dengan menggunakan beberapa seri fungsi atau persamaan (model
matematik) berikut beberapa manfaat penggunaannya (subbab 7.3).
Subbab 7.4 menjelaskan bagaimana sisters kegiatan, sistem jaringan, dan sistem
pergerakan juga dapat dinyatakan dengan model grafis. Beberapa hal yang terkait
dengan penentuan tingkat resolusi sistem kegiatan dan sistem jaringan berikut
konsekuensinya dalam tingkat kesalahan (galat) akan diberikan dalam subbab 7.4
ini. Subbab 7.5 menjelaskan beberapa sumber galat yang mungkin terjadi dalam
proses pemodelan dan perantalan; sedangkan subbab 7.6 menjelaskan beberapa hal
yang peril' diperhatikan dalam menentukan mana yang akan dipilih antara
kompleksitas model atau tingkat akurasi dari pemodelan tersebut.
Sedangkan subbab 7.7 menjelaskan beberapa hal yang terkait dengan proses
pengumpulan data berikut jenis survei yang hams dilakukan baik untuk sistem
kegiatan maupun jaringan.

7.1 Pemodelan sistem

Model adalah alas bantu atau media yang dapat digunakan untuk mencerminkan dan
menyederhanakan suatu realita (dunia sebenarnya) secara terukur; beberapa di
antaranya adalah:
model fisik (model arsitek, model teknik, wayang golek, dan lain-lain);
model peta dan diagram;
model statistik dan matematik (fungsi atau persamaan) yang dapat
menerangkan secara terukur beberapa aspek fisik, sosial ekonomi, atau model
transportasi.

142

J
Semua model merupakan penyederhanaan realita untuk mendapatkan tujuan
tertentu, yaitu penjelasan dan pengertian yang lebih mendalam serta untuk
kepentingan peramalan. llmu arsitektur mengenal model maket (bentuk fisik
rencana pengembangan wilayah, kota, kawasan, dan lain-lainnya sebagai cerminan
realita dalam skala yang lebih kecil).
Kegunaan model maket tersebut untuk dapat memperlihatkan dan menjelaskan
perkembangan wilayah tersebut jika konsep pengembangan dilakukan. Dengan
demikian, kita dapat mengetahui apa saja yang perlu dilengkapi oleh para perencana
atau pengembang dengan hanya melihat dan mempelajari model maket tersebut.
Beberapa simulasi skenario dapat dilakukan pada model sehingga dapat dipilih
rencana pengembangan yang optimum yang sesuai dengan tujuan awal
pembangunan. Dengan kata lain, realita yang ada disederhanakan dan dicerminkan
dengan menggunakan model maker.
Ilmu teknik sipil juga mengenal model maker ini, misalnya rencana pembangunan
suatu bendungan besar yang dipelajari dulu karakteristiknya di laboratorium dengan
membuat bendungan yang sama dengan skala yang jauh lebih kecil. Dengan model
tersebut bisa didapatkan gambaran yang lebih jelas dan rinci serta terukur mengenai
perilaku bendungan jika dibangun dengan skala sebenamya.
Beberapa uji atau simulasi berbagai kondisi kritis dapat dilakukan sehingga dapat
dihasilkan rencana yang paling efisien, aman, atau memenuhi }criteria lain yang
disyaratkan. Hal ini dibutuhkan untuk mencegah hal yang tidak diinginkan jika
bendungan langsung dibangun. Tambahan lain, di negara Belanda yang terkenal
dengan bendungan besar dan kecil, kita bahkan dapat menemukan model maket
bendungan dengan skala l :I .
Di bidang pariwisata, penggunaan model miniatur (bagian dari model fisik) sangat
populer dan sangat sering kita dijumpai di beberapa tempat penjualan miniatur
objek pariwisata (misalnya miniatur candi Borobudur). Miniatur tersebut
sebenamya menipakan model (replika) candi borobudur dalam skala lebih kecil dan
berbentuk 3-dimensi.
Dengan demikian, seseorang di kota Banda Aceh tidak perlu mengeluarkan biaya
besar untuk jauh jauh pergi ke Yogyakarta melihat candi tersebut (realita), tetapi
dapat membayangkannya dengan hanya mengamati model miniatur tersebut.
Model peta dan diagram menggunakan media garis (lurus dan lengkung), warns,
notasi, dan lain-lainnya untuk menggambarkan realita. Misalnya, dalam model
kontur ketinggian, dengan hanya menggunakan garis lengkung, kita dapat
membayangkan realita dengan hanya melihat model kontur ketinggian itu.
Informasi lain yang tidak diperlukan tidak ditampilkan (misalnya tata guna lahan,
lokasi jembatan, jalan, jenis tanah, kondisi geologi). Beberapa perencanaan tahap
berikutnya dapat dilakukan tanpa perlu melihat lapangan atau lokasi sebenamya.
cukup dengan hanya melihat model kontw itu.
Model peta topografi dapat memperlihatkan informasi kemiringan tanah,
ketinggian, lokasi sungai dan jembatan, gunung, batas administrasi pemerintahan,
dan lain-lain. Peta rota guna lahan dapat memperlihatkan jenis peruntukan lahan

Konsep pemodelan 143


suatu wilayah, mjsalnya daerah industri, permukiman, hutan lindung, perkantoran,
dan fasilitas sosial. Akan tetapi, informasi tentang hal lain yang tidak djbutultkan
tidak diperlihatkan dalam model peta opografi tersebut. Jadi, model eta merupakan
penyederhanaan dan cemiinan realita.
Selain itu, dengan hanya menggunakan media infomtasi garis dan angka dalam
suatu peta kontur, seseorang (ahlj geodesi) dapat langsung membayangkan
perkiraan situasi dan kondisi lapangan sebenamya (realita) tanpa harus pergi ke
lapangan; cukup dengan hanya melihat peta kontur tersebut. Foto, sketsa atau peta
dapat dikategorikan sebagaj model 2-dimensi (sudah barang tentu berskala lebih
kecil) karena dapat merepresentasikan realita dengan cam yang lebih sederhana.
Beberapa model dapat mencerminkan realita secara tepat. Secara umum dapat
dil:atakan bahwa semakin mjrip suatu model dengan realitanya, semakjn suite
membuat model tersebut (wayang golek lebih mirip dengan manusja dibandingkan
dengan wayang kulit, sehingga lebih sulit melaksanakan pertunjukan wayang
golek).
Model canggih belum tentu merupakan model yang bajk — kadang-kadang model
sederhana dapat menghasilkan keluaran yang jauh lebih bajk dan sesuai untuk
tujuan tertentu dengan situasj dan kondisi tertentu pula.

7.2 Model sistem kegiatan dan sistem jaringan

Model jni dapat digunakan untuk mencerminkan hubungan antara sistem tata guna
lahan (kegiatan) dengan sistem prasarana transportasj (jaringan) dengan
menggunakan beberapa seri fungsj atau persamaan (model matematik). Model
tersebut dapat menerangkan cara kerja sistem dan hubungan keterkajtan antarsistem
secara terukur.
Menurut Black (1981), salah satu alasan penggunaan model matematik untuk
mencerminkan sistem tersebut karena matematik:
.. is more precise language among others. The
precision required to translate words into symbols can
often reveal inadequacies in the verbal description ...'

C... adalah bahasa yang jauh lebih tepat dibandingkan


dengan bahasa verbal. Ketepatan yang didapat dari
penggantian kata dengan simbol Bering menghasilkan
penjelasan yang jauh lebih balk daripada penjelasan
dengan bahasa verbal ...')

Dalam model jni, hubungan antara sistem rata guna lahan (kegiatan), sistem
prasarana transportasj (jaringan), dan sistem anus lalu lintas (pergerakan) dinyatakan
secara matemans.
Seperti yang telah diterangkan pada Bab 3, enam konsep yang dapat djgunakan
adalah aksesjbjljtas, bangkitan dan tarjkan pergerakan, sebaran pergerakan,
pemiljhan moda, pemjljhan rute, serta ciri dinamis anus lalu lintas dalam sistem
jaringan jalan.

144 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
Wilson (1970,1974) menyusun beberapa pertanyaan yang wajib dijawab oleh para
perencana transportasi sebelum merancang model matematik:
a Apa tujuan akhir yang ingin dicapai sehingga model tersebut perlu dirancang?
b Peubah apa saja yang terpenga►uhi yang hams dipertimbangkan?
c Peubah apa saja yang bisa diatur oleh para perencana transportasi?
d Teori apa saja yang dapat diterapkan dalam merancang pemodelan tersebut?
Sejauh manakah tingkat pengelompokan model tersebut?
f Bagaimana peran waktu dalam model tersebut?
g Teknik apa saja yang dapat dipakai?
h Data apa saja yang tersedia?
i Bagaimana cara model tersebut dikalibrasi dan diabsahkan?
Untuk kasus pemodelan sistem rata guna lahan (kegiatan)—sistem prasarana
transportasi (jaringan)—sistem arus lalu lintas (pergerakan), jawaban pertanyaan di
at. dapat ditulis sebagai berikut ini.
Tujuan pemodelan adalah untuk membantu mengerti cara kerja sistem, dan
meramalkan perubahan pada sistem pergerakan anis lalu lint. sebagai akibat
perubahan pada sistem rata guna lahan dan sistem prasarana transportasi.
b Peubah utama yang digunakan adalah rata guna lahan, sistem prasarana
transportasi, dan anis lalu lint.. _
Para perencana dapat mengawasi langsung lok.i rata guna lahan dan fasilit.
prasarana transportasi dengan melaksanakan kebijakan yang tertera dalam
Rencana Tata Ruang Wilayah (RTRW), baik dalam skala nasional, provinsi,
kabupaten, ataupun kotamadya sena kebijakan yang tertera dalam Sistranas
(Sistem Transportasi Nasional) atau sistem jaringan transportasi lainnya dalam
skala yang lebih kecil (provinsi, kabupaten, atau kotamadya).
d Teori yang digunakan adalah: aksesibilit., bangkitan dan tarikan pergerakan,
sebaran pergerakan, pemilihan moda, pemilihan rute, dan ciri anis lalu lint.
dinamis. Setiap teori (konsep) merupakan submodel.
Tingkat pengelompokan model memerlukan dua falctor yang hams
diperhatikan:
• Berapa luaskah zona tersebut?
• Haruskah anis lalu lintas diambil secara gahungan ataukah perlu dipisahkan
berdasarkan tujuan, waktu, atau arab perjalanan?
Waktu mempunyai dua arti dalam pemodelan. Model dinamis menganggap
`waktu' hams dipertimbangkan sebagai suatu peubah dalam fungsi
matematisnya; sedangkan model Batts tidak memasukkan `walctu' sebagai
peubah, tetapi dapat digunakan untuk meramalkan sesuatu sebagai fungsi
waktu tertentu.

Konsep pemodelan 145


Model statis jauh lebih sederhana dibandingktrt dengan model dinantis;
biasanya model sistem transportasi dapat digolongkan dalam kelompok model
statis untuk rentang waktu yang pendek (misalnya 1 minggu atau 1 bulan).
Model sistem transportasi biasanya digunakan untuk meratnalkan apa yang
akan tetjadi pada n-aktu tertentu di masa mendatang (tahun rencana).
Penentuan tahun rencana juga tergantung pada jenis kajian.
g Tektik yang dapat digunakan dalam pemodelan sistem transportasi ini telah
berkembang dengan sangat baik seperti ilntu matematika, statistika dan
penelitian operasional, temtasuk juga pemrograntan.
h Data sangat diperlukan dalam pemodelan sistem transportasi, dan harus
mentpunyai kuantitas dan kualitas yang baik. Survei (baik printer maupun
sekunder) sangat diperlukan. Semakin kompleks suatu model dan setnakin
kecil luas suatu zona, semakin banyak jumlah data yang diperlukan dan
sentakin kompleks cara penanganannya.
Proses kalibrasi adalah proses menaksir nilai parameter suatu model dengan
berbagai tekni.k yang sudah ada: analisis numerik, aljabar linear, optimasi, dan
lain-lain. Setelah dikalibrasi, diltarapkan model tersebut dapat menghasilkan
keluaran yang sama dengan data lapangan (realita).
Proses kalibrasi dilakukan dengan menggunakan bantuan algoritma komputer
dan beberapa kinerja statistik untuk menentukan tingkat ketepatannya. Setelalt
itu, model dapat digunakan untuk kepentingan perantalatt pada masa
mendatang.
Sudah kits ketahui, suatu model yang cocok untuk daerah tertentu belum tentu
cocok untuk daerah lain. Beberapa peubah bebas model tersebut mungkin tidak
sesuai untuk daerah lain dan untuk itu perlu dikurangi (dibuang) dan perlu
ditambahkan beberapa peubah bebas baru yang lebih sesuai dengan daerah
tersebut. Proses ini dikenal dengan proses modifikasi.
Selain itu, model yang sama akan mempunyai nilai parameter yang berbeda
jika digunakan pada daerah yang berbeda. Hal ini dapat diterima secara logika
karena situasi, kondisi, dan jenis petuntukan lahan serta perilaku pelaku
pergerakan pasti berbeda pada daerah yang berbeda-beda. Proses mendapatkan
parameter untuk suatu daerah tertentu dikenal dengan proses pengabsahan.
Tahapan berikutnya adalah cara membuat model sistem. Kita akan membuat model
yang mengaitkan sistem tata guna lahan (kegiatan), sistem prasarana transportasi
(jaringan), dan sistem arus lalu lintas (pergerakan). Dalant model ini, tiga peubah
utama yang digunakan adalah sistem tata guna lahan, sistem prasarana transportasi,
dan arus lalu lintas.
Secara umum, arus lalu lintas mentpakan peubah tetap, yang didapatkan sebagai
basil interaksi sistem tata guna lahan dan sistem prasarana transportasi.
Perntasalahan utama sekarang adalah bagaintana ntenerangkan sistem tata guna
lahan (misalnya geografis daerah perkotaan) dan sistem jaringan transportasi secara
terukur. Untuk itu, beberapa definisi perlu dijelaskan dalam proses pemodelan
sistem yang akan dijelaskan dalam subbab berikut ini.

146 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
7.3 Penggunaan model sistem kegiatan—sistem jaringan

Contoh yang ada (Black, 1981) membantu kita memperlihatkan cara kerja sistem
tersebut — efek perubahan pada salah satu peubah akan menyebabkan perubahan
pada peubah lainnya. Contoh memperlihatkan juga bahwa terdapat kemungkinan
untuk mendapatkan model realita lainnya dalam meramalkan konsekuensi suatu
kebijakan transportasi terhadap kondisi yang telah ada.
Salah saw unsur dalam pendekatan secara sistem adalah meramalkan apa yang akan
terjadi pada arus lalu lintas jika kota tersebut terns berkembang tanpa perubahan
pada sistem prtsarana transportasinya. Hal ini dikenal dengan sistem do-nothing.
Kebijakan sistem tata guna lahan dan sistem prasarana transportasi dapat dilakukan
dengan menggunakan sistem do-something, yaitu melakukan beberapa perubahan
pada sistem jaringan. Hasilnya kemudian dibandingkan dengan hasil sistem do-
nothing. Cara yang sering digunakan dalam merancang model transportasi sebagai
berikvt.
Model dikalibrasi dengan menggunakan data pada saat sekarang (tahun dasar),
untuk mendapatkan parameter (koefrsien) yang cocok untuk kota atau daerah
tersebut (proses pengabsahan).
b Meramalkan tata guna lahan pada tahun rencana dengan anggapan tidak ada
perubahan pada sistem jaringan transportasi. Hasilnya adalah arus lalu lintas
pada sistem jaringan transportasi dengan sistem do-nothing yang dapat
memperlihatkan permasalahan transportasi yang timbul pada masa mendatang
jika tidak dilakukan perubahan pada sistem jaringan tersebut. Dengan
mempelajari ini, dapat ditentukan beberapa konsep perencanaan transportasi
yang dibutuhkan.
Tahap (b) ditrlang kembali, tetapi dengan perubahan pada sistem prasarana
transportasi, kadang-kadang dengan beberapa alternatif peramalan tata guna
lahan.
d Hasil beberapa perencanaan transportasi yang berbeda-beda tersebut (misalnya
ants lalu lintas, waktu tempuh, nisbah volume per kapasitas) dapat
dibandingkan dengan sistem do-nothing sehingga perencanaan yang terbaik
dapat ditentukan.
Dengan kata lain, tujuan pendekatan secara sistem menggunakan model adalah
untuk meramalkan apa yang akan terjadi pada suatu daerah kajian pada masa
mendatang, yang kemudian digunakan untuk mengevaluasi beberapa altematif
perencanaan transportasi dan memilih altematif terbaik.

7.4 Pencerminan sistem kegiatan dan sistem jaringan

Hal penting yang perlu diperhatikan oleh para pemodel transportasi adalah
menentukan tingkat resolusi yang digunakan dalam suatu daerah kajian.
Permasalahan ini mempunyai banyak dimensi yang meliputi tujuan kajian yang
akan dicapai, jenis peubah perilaku yang akan digunakan, dimensi waktu, dan lain-

Konsep pemodelan 147


lainnya. Subbab ini akan lebih menekankan cara mendefinisikan daerah kajian,
sistem zona (kegiatan), dan sistem jaringan.
Kita dapat melihat permasalahan ini dari dua sisi dan tampalcnya pemilihan akan
sangat tergantung dari kompromi antara dua tujuan yang saling berkaitan, yaitu
ketepatan dan biaya. Secant prinsip, ketepatan atau akurasi yang semalcin tinggi
hanya bisa didapat dengan model yang menggunakan definisi sistem zona yang
mempunyai resolusi tinggi (misalnya jtunlah zona yang banyak dengan luas yang
kecil atau memperhatikan perilalcu setiap pergerakan dengan basis individu) yang
notabene membutuhkan data yang sangat banyak sehingga biayanya menjadi sangat
tinggi.
Dalant hal in dapat disimpulkan ketepatan/alcurasi akan mempunyai konsekuensi
dengan biaya. Kita perlu betul-betul mengetahui maksud dan tujuan suatu
pemodelan sehingga bisa direncanalcan tingkat ketepatan pemodelan yang sesuai
dengan maksud tujuannya. Penggunaan data yang banyak yang dilaunpulkan
dengan sampel 100% akan menghasilkan deskripsi sistem zona dan jaringan yang
mempunyai ketepatan tinggi.
Akan tetapi, perntasalahan tentang adanya ketidakstabilan perilaku sebagai fungsi
waktu akan melemahlcan visi ketepatan mi, karena dalam peramalan, dengan tingkat
resolusi yang sama, adanya perubahan pada tingkat individu jelas akan
mempengaruhi kebutuhan akan pergerakan.

7.4.1 Daerah kajian


Sistem kota diatan dengan cara yang sangat kompleks — jalan, bangunan, dan
aktivitas sating berhubungan. Untuk itu dibutuhkan suatu cara untuk
menyederhanakan hubungan tersebut dengan menekankan pada yang hal yang
penting saja; penyederhanaan ini harus dapat menghubungkan unsur dunia nyata
secara masulc akal.
Hal pertama yang harus ditentukan dalam mendefinisikan sistem zona (kegiatan)
dan sistem jaringan adalah cara membedakan daerah kajian dengan daerah atau
wilayah lain di luar daerah kajian. Beberapa arahan untuk hal tersebut sebagai
berikut.
Dalam menentukan daerah kajian seharusnya sudah dipertimbangkan sasaran
pelaksanaan kajian, permasalahan transportasi yang akan dimodel dan tips
pergerakan yang akan dikaji, misalnya pergerakan berjarak pendek atau
panjang, anglcutan barang atau penumpang, dan lain-lain.
• Untuk kajian yang sifatnya sangat strategis, daerah kajian harus didefinisikan
sehingga mayoritas pergerakan mempunyai zona anal dan zona tujuan di dalam
daerah kajian tersebut. Ini rnungkin saja tidak dapat dilakukan; misalnya,
sewaktu menganalisis permasalahan transportasi pada wilayah perkotaan yang
kecil perlu diperhatikan pengaruh Ida betas menerus.
• Permasalahan yang sama timbul dalam kajian manajemen lalu lintas di suatu
wilayah terbatas karma mungkin kebanyakan pergerakan mempunyai zona anal
dan tujuan yang, atau keclua-duanya, berada di luar batas daerah kajian.

148 OfyanZ lassie, Perencanaan pemodelan, dan rekayasa transportasi:


Teori, contoh ark, dan aplikasi
. Daerah kajian sebaiknya sedikit lebih luas daripada daerah yang akan diamati
sehingga kemungkinan adanya perubahan zona tujuan atau pemili.han rule 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 intemal yang junllahnya sangat tergantung dari tingkat ketepatan
yang diing►nkan. Contohnya, suatu analisis kebijakan manajemen lalu Ijntas
membutuhkan zona yang kecil yang dapat mencenninkan daerah kecil pembangkit
atau penarik pergerakan, mjsalnya lahan parkir.
Sebaliknya kajian strategis dapat djlakukan pada zona yang lebih luas. Contohnya,
kajian strategis untuk kota London (populasi 7,2 juta) telah dilakukan dengan
menggunakan sistem zona yang berjurnlah 1.000 zona (lihat Tabel 7.1). Beberapa
contoh jumlah zona yang djgunakan oleh beberapa kajian ditabelkan pada Tabel
7.1
Tabel 7.1 Ti ikal umlah zona untuk beberapa kajian
Populasi Jumlah
Lokasi Keterangan
(juta) zona
London (1972) 7,2 2.252 Resolusi tinggi
1.000 Zona GLTS (Resolusi normal)
230 Distrik GLTS
52 Traffic boroughs
Montreal (1980) 2,0 1.260 Resolusi tinggi
Ottawa (1978) 0,5 120 Resolusi normal
Santiago (1986) 4,5 260 Zona (Kajian strategis)
Washington (1973) 2,5 1.075 Resolusi normal
134 Tingkat distrik
West Yorkshire (1977) 1,4 1.500 Resolusi tinggi
463 Resolusi rendah
DKI-Jakarta (1995) 7,5 106 Resolusi normal
Kotamadya Bandung (1995) 2,4 58 Resolusi normal
Kotamadya Semarang (1995) 1,3 33 Resolusi normal
Kotamadya Solo (1995) 0,5 19 Resolusi normal
Kotamadya Palu (1995) 0,17 22 Resolusi normal
Pulau Jawa (1995) 115 79 Resolusi normal
Provinsi Jawa Timur (1995) 34 30 Resolusi normal
Nganjuk (1996) 0,95 23 Resolusi normal
Sumatera Utara (1996) 10,2 11 Resolusi rendah
Provinsi Jawa Barat (1996) 35,4 25 Resolusi normal
Kotamadya Bandung (1998) 2,3 100 Resolusi tinggi
Kabupaten Bandung (1998) 4,2 40 Resolusi normal
Catalan: GLTS = Greater London Transportation Study, Sumbe : Tarin (19972.2000a)

Konsep pemodelan 149


Aktivitas tata guna lahan (dan zona asal) atau sistem kegiatan diasumsikan berlokasi
pada titik tertentu dalam zona yang disebut pusat zona. Dua dimensi yang perlu
diperhatikan adalah junilah zona dan ukuran atau luas zona. Keduanya jelas saling
terkait. Semakin banyak jumlah zona, semakin kecil luas daerah yang dapat diliput
oleh zona tersebut.
Dalam praktilatya, tingkat resolusi sistem zona sangat tergantung dari maksud dan
tujuan kajian, batasan kondisi waktu, serta biaya kajian. Penggunaan sistem zona
yang berbeda-beda untuk suatu daerah kajian menimbulkan kesulitan pada saat
menggunakan data hasil kajian terdahulu dan sewaktu membuat perbandingan dari
hal yang diakibatkannya. Ini semua disebabkan oleh adanya perbedaan tingkat
resolusi sistem zona yang digunakan.
Unsur dasar dalam penyederhanaan ini adalah zona dan pusat zonanya yang
diasumsil:an menjadi tempat konsentrasi semua ciri pergerakan dari zona tersebut.
Model sistem perkotaan adalah model ruang.
Oleh karena itu, harus dicari cara yang tepat untuk menjelaskan ciri ruang secara
numerik. Daerah kajian dibagi menjadi zona yang lebih kecil di mana ciri daerah
perkotaan harm dinyatakan secara numerik untuk setiap zona (misalnya ukuran tata
guna lahan).
Daerah yang akan dikaji hares ditentukan terlebih dahulu. Biasanya daerah tersebut
mencakup wilayah suatu kota, tetapi harus dapat mencakup ruang atau daerah yng
cukup untuk pengembangan kota di masa mendatang pada tahun rencana.
Biasanya survei kendataan yang melalui garis kordon (batas daerah kajian) perlu
dilakukan agar batas dapat ditentukan sehingga tidak memotong jalan yang sama
lebih dari dua kali (untuk menghindari perhitungan ganda kendaraan yang sama).
Batas tersebut bisa juga berupa batas alami seperti sungai, dan rel kereta api.
Gambar 7.1 melukiskan sistem jaringan jalan suatu daerah kajian yang terdiri dari
jalan satu arah, masing-masing mencerminkan satu ruas jalan atau pergerakan
membelok di persimpangan, dan berakhir pada titik Ujung masing-masing yang
disebut simpul.
Sistem jaringan transportasi dicerminkan dalam bentuk ruas dan simpul, yang
semuanya dihubungkan ke pusat zona. Hantbatan pada setiap ruas jalan dinyatakan
dengan jarak, waktu tempuh, atau biaya gabungan. Nilai tersebut kemudian
dijumlahkan untuk mendapatkan total hambatan untuk setiap zona anal d an tujuan.
Semua ini dapat dinyatakan dalam bentuk tnatriks.
Sistem jaringan transportasi juga dapat ditetapkan sebagai urutan ruas jalan dan
simpul. Ruas jalan bisa berupa potongan jalan raya atau kereta api, dan lain-lain;
sedangkan simpul bisa berupa persimpangan, stasis, dan lain-lain.
Setiap ruas, simpul dan zona diberi nomor. Nomor ini (pasangan nomor) digunakan
untuk mengidentifikasi data yang berkaitan dengan sans dan zona. Dengan cara ini,
ciri sistem tata guna lahan dan sistem prasarana transportasi dapat dinyatakan secara
geografis atau ruang.

150 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soa/, dan aplikasi
Pusat zona

Gambar 7.1 Daerah kajian sederhana dengan definisinya

Penghubung pusat zona adalah jenis ruas jalan yang bersifat abstrak (khayal) yang
menghubungkan setiap pusat zona dengan sistem jaringan jalan. Setiap simpul dan
pusat zona dinyatakan dengan angka dan setiap ruas serta penghubung pusat zona
dapat diidentifikasikan dengan angka simpul pada ujungnya masing-masing. Jadi,
dapat disimpulkan bahwa suatu jaringan jalan terdiri dari beberapa set jalan, ruas
jalan satu malt, dan simpul.

7.4.2 Zona

Daerah kajian adalah suatu daerah geografis yang di dalamnya terletak semua zona
asal dan zona tujuan yang diperhitungkan dalam model kebutuhan akan transportasi.
Kriteria Inspecting daerah kajian adalah daerah itu berisikan zona internal dan ruas
jalan yang secara nyata dipengaruhi oleh pergerakan lalu lintas. Daerah kajian tmink
suatu kajian transportasi dibatasi oleh batas daerah kajian di sekelilingnya (garis
kordon) — semua informasi transportasi yang bergerak di dalamnya hares diketahui.
Dengan kata lain, daerah atau zona yang berada di luar batas daerah kajian (zona
ekstemal) dianggap kurang atau sedikit berpengaruh terhadap pergerakan anus lalu
lintas di dalam daerah kajian, sedangkan daerah atau zona yang berada di dalam
daerah kajian (zona internal) berpengaruh sangat besar terhadap sistern pergerakan
lalu lintas di dalam daerah kajian.
Di dalam batasnya, daerah kajian dibagi menjadi N subdaerah yang disebut zona,
yang masing-masing diwakili oleh pusat zona. Zona dapat juga dianggap sebagai
satu kesatuan atau keseragaman tata guna lahan. Pusat zona dianggap sebagai
tempat atau lokasi anal pergerakan lalu lintas dari zona tersebut dan akhir
pergerakan lalu limas yang menuju ke zona tersebut.

Konsep pernodelan 151


Jika sistem jaringan jalan ditumpangkan (superimpose) ke atas daerah kajian, akar
terlihat gabungan antara sistem kegiatan yang diwakili oleh zona beserta pusatnya
dengan sistem jaringan jalan yang dinvakili oleh simpul dan ruas jalan.
Secara mum. batas administrasi sering digunakan sebagai batas zona sehingga
memudahkan pengumpulan data. Cek silang dan perbandingan statistik antara
beberapa kajian dapat dilakukan jika batas zona yang digunakan satna. Beberapa
kriteria utama yang perlu dipertimbangkan dalam menetapkan sistem costa di dalam
suatu daerah kajian disarankan oleh IHT dan DTI, (1987), meliputi hal berikut ini.
• Ukuran zona sebaiknya dirancang sedemikian rupa sehingga galat
pengelompokan (lihat subbab 7.5.6) yang timbul akibat asumsi pemusatan
seluruh aktivitas pada suatu pusat zona menjadi tidak terlalu besar. Sebaiknya
direncanakan suatu sistem zona dengan banyak zona kecil karena nantinya
zona tersebut akan bisa digabungkan dengan berbagai cara, tergantung pada
tujuan kajian yang akar dilaksanakan.
• 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.
• Ukuran zona hares disesuaikan dengan kepadatan jaringan yang akan dimodel,
biasanya ukuran zona semakin membesar jika semakin jauh dari pusat kota.
• Ukuran zona harus lebih besar dari yang sehamsnya untuk memungkinkan arus
lalu limas dibebankan ke atas jaringan jalan dengan ketepatan seperti yang
disyaratkan.
• Batas zona harus dibuat sedemikian rupa sehingga sesuai dengan jenis pola
pengembangan untuk setiap zona, misalnya pemiukiman, industri, dan
perkantoran. Tipe rata guna lahan setiap zona sebaiknya homogen untuk
menghindari tingginya jumlah pergerakan intrazona dan untuk mengurangi
tingkat kenmtitan model.
• Batas zona harus sesuai dengan batas daerah yang digunakan dalam
pengumpulan data.
• Ukuran zona ditentukan pula oleh tingkat kemacetan; ukuran zona pada daerah
macet sebaiknya lebih kecil dibandingkan dengan daerah tidak macet.
Pergerakan yang melintasi batas daerah kajian hams mempunyai pusat zona
ekstemal (atau tujuan) yang mewakili daerah lain di luar daerah kajian, atau ke zona
yang mencerminkan pintu inlet state outlet (gateways) de tempat pergerakan tersebut
melintasi batas daerah kajian.
Keuntungan penggunaan zona ekstemal tersebut adalah jika suatu jaringan ekstemal
digunakan, dimungkinkan teridentifikasinya pergerakan berjarak jauh yang
melintasi daerah kajian dan ini tentu membebani sistem jaringan di dalam daerah
kajian. Kemungkinan terdapatnya lake lintas menerus yang menggunakan jaringan
di dalam daerah kajian dapat diminimalkan dengan memilih daerah kajian secara
hati-hati, meskipun tidak dapat dihilangkan secara total.

152 Otyar Z Tamin, Perencanaan, m


peodelan, dan rekayasa transportasi:
Teori, contoh soal dan aplikasi
Penetapan daerah kajian dan batas zona sering membutuhkan kompromi persyaratan
yang sating bertolak belakang. Di satu pihak ada keinginan untuk memperbaiki
ketepatan model dengan memperbesar ukuran daerah kajian dan kompleksitasnya.
Di pihak lain ada pertimbangan praktis untuk tetap menekan biaya serendah
mungkin serta memenuhi skala waktu dan ketepatan yang disyaratkan.
Kadang-kadang menguntungkan jika dibuat sistem zona yang berhierarki, seperti
London Transportation Studies (lihat Tabel 7.1), dengan subzona dikelompokkan
menjadi zona. Selanjumya, zona tersebut dikelompokkan kembali menjadi distrik,
seterusnya menjadi traffic boroughs, dan akhimya menjadi sektor. Sistem zona
seperti ini memungkinkan dilakukannya analisis berbagai tingkat kepentingan.
Sehubungan dengan adanya definisi zona internal dan zona ekstemal sebagai zona
asal dan zona tujuan, maka pergerakan arus lalu lintas dapat dikelompokkan
menjadi 4 tipe pergerakan sebagaimana tampak pada Gambar 7.2.

Batas daerah kajian

Gambar 7.2
Tipe pergerakan arus lalu
lintas

Pergerakan eksternal—eksternal Pergerakan ini mempunyai zona asal


dan zona tujuan yang berada di luar daerah kajian (zona eksternal). Akan
tetapi, dalam proses pencapaian zona tujuannya, pergerakan ini akan
menggunakan sistem jaringan yang berada di dalam daerah kajian.
Tipe pergerakan ini sangat penting untuk diketahui karena sebenamya pelaku
pergerakan tidak mempunyai tujuan atau kepentingan sama sekali ke zona
internal, tetapi terpaksa hams menggunakan sistem jaringan dalam daerah
kajian dalam proses pencapaian zona tujuannya (mungkin karena tidal( ada
alternatif rute lainnya).
Konsekuensinya, pergerakan ini akan menjadi beban tanibahan bagi sistem
jaringan dalam daerah kajian tersebut, yang biasanya untuk daerah perkotaan
terbatasnya kapasitas jaringan menjadi pennasalahan utama. h4engalihkan
pergerakan ini melalui jalan lingkar adalah salah satu cars untuk mengatasinya.

Konsep pemodelan 153


• Pergerakan internal—el:stcrnal atau sebaliknya Pergerakan ini mempu-
nyai salah sat. zona (asal atau tujuan) yang berada di law daerah kajian (zona
eksternal). Biasanya jumlah pergerakan tipe ini tidak terlalu besar
dibandingkan dengan tipe pergerakan lainnya.
• Pergerakan internal—internal Pergerakan ini mempunyai zona asal dan
tujuan yang berada di dalam daerah kajian (zona internal). Tipe pergerakan
inilah yang paling diutamakan dalam proses perencanaan transportasi. Tujuan
utama dari berbagai perencanaan transportasi adalah untuk meramalkan
pergerakan tipe ini dan sekaligus menentukan kebijakan yang perlu diambil
dalam menanganinya_
Pergerakan intrazona Pergerakan ini mempunyai zona awl dan tujuan yang
berada di dalam satu zona internal tertentu. Karena definisi pusat zona adalah
tempat dimulai atau diakhirinya pergerakan dari dan ke zona tersebut, dapat
dipastikan bahwa pergerakan intrazona tidak akan pemah terbebankan ke
sistem jaringan (karena pergerakan dimulai dan diakhiri pada titik/lokasi yang
sama).
Dengan menggunakan definisi pusat zona, dapat dikatakan bahwa volume lalu
lintas pada suatu ruas jalan merupakan penjumlahan dari volume lalu lintas
dari seluruh tipe pergerakan kecuali pergerakan intrazona. Dapat disunpulkan
bahwa semakin luas suatu zona, semakin tinggi volume pergerakan arus lal~
limas intrazonanya.
Pergerakan intrazona memegang peranan cukup penting karena pernlasalahan
transportasi di daerah perkotaan banyak yang disebabkan oleh pergerakan
intrazona yang selalu luput terbaca dalam peramalan volume pada ruas jalan.

7.4.3 Ruas jalan

Jaringan transportasi dapat dicerminkan dalam beberapa tingkat pengelompokan


yang berbeda dalam suatu pemodelan. Secara praktis, yang harus dilakukan adalah
membuat model jaringan sebagai grafik terarah (sistem simpul dengan ruas jalan
yang menghubungkannya) seperti terlihat pada Gambar 7.1 dan 7.3. Gambar 7.3
memperlihatkan definisi sistem kegiatan (zona) dan sistem jaringan transportasi
jalan raya untuk provinsi Jawa Timur.
Simpul dapat mencemiinkan persimpangan atau kota, sedangkan runs jalan
mencerminkan ruas jalan antara persimpangan atau ruas jalan antarkota. Ruas jalan
dinyatakan dengan dua buah nomor simpul di ujung-ujungnya.
Beberapa ciri ruas jalan perlu diketahui, seperti panjang, kecepatan, jumlah lajur,
tipe gangguan samping, kapasitas, dan hubungan Kecepatan—Arus di runs jalan
tersebut. Rum jalan selalu mempunyai dua arah. Rum jalan dua arah selalu
dinyatakan dengan dua ruas jalan satu arah.
Permasalahan yang dihadapi adalah ketersambungan (konektivitas) pada setiap titik
simpul dianggap tidak mempunyai biaya apapun (dianggap nol). Dalam praktiknya,
beberapa pergerakan membelok pada suatu persimpangan merupakan salah satu
komponen terbesar dalam tundaan dibandingkan dengan pergerakan di ruas jalan.

154 Ofyar Z Tamin, Pere n ca nnatoahn ,peamodel a i rekayasa transportasi:

i
eor , co l d an apldkaasn
Gambar 7.3 Def'tnisi sistem kegiatan (zona) dan sistem jaringan
transportasi jalan di propinsi Jawa Timur
Sumber: Tamin dkk (1997b), Tamin dan Frazila (1997)

Oleh sebab itu, agar kita dapat mencerminkan sistem jaringan secara lebih rasional,
beberapa biaya tambahan perlu ditambahkan pada kasus pergerakan di
persimpangan.
Hal ini dapat dilakukan secara manual dengan membuat ruas dummy (khayal)
beserta biayanya yang dapat mencemiinkan pergerakan membelok di persimpangan.
Beberapa paket program yang ada sekarang sudah mampu melakukan hal ini.
Tingkat resolusi sistem jaringan perlu ditingkatkan jika akan digunakan untttk
kajian yang lebih rinci. Dalam kasus ini, perlu ada runs jalan tambahan yang
digunakan pada persimpangan yang kompleks yang dapat mencerminkan kinerja
dari, misalnya reserved lane dan give-way lane.
Kadang-kadaug sistem jaringan yang ada merupakan bagian dari jaringan yang
lebih Iuas sehingga diperlukan titik inlet dan outlet pada batas daerah kajian yang
menghubungkan sistem jaringan tersebut dengan sistem yang lebih luas (zona
ekstemal).
Kunci utania dalam merencanakan sistem jaringan adalah penentuan tingkat hierarki
jalan yang akan dianalisis (arteri, kolektor, atau lokal). Hal ini sangat tergarttung
dari jenis dan tujuan kajian. Jika lebih banyak jalan yang ditetapkan maka cerminan
kenyataan (realita) akan semakin baik.
Akan tetapi, hal ini harus dibayar dengan biaya tambahan berupa pengumpulan data
dan waktu. Keterbatasan dana dan waktulah yang menyebabkan pemotlel
transportasi terpaksa hams membatasi ti.ngkat resolusi sesuai dengan tujuan kajian
yang diharapkan.
Selain itu, tidak ada gunanya kita menetapkan ruas jalan dengan resolusi tinggi,
tetapi dengan asumsi yang sangat sederhana mengenai tundaan di titik

Konsep pemodelan 155


persimpangan. Atau, tidak ada gunanya membuat sistem jaringan dengan resolusi
tinggi, tetapi sistem zonanya (kegiatan) mempunyai resolusi rendah.
Jansen dan Bovy (1982) menyelidiki pengaruh resolusi definisi sistem jaringan
dengan tingkat ketepatan dalam pembebanan arus lalu lintas pada ruas jalan
tersebut. Kesimpulannya, galat terbesar didapatkan pada sistem dengan tingkat
hierarki jalan yang paling rendah.
Oleh karma itu, kita perlu memasukkan pada sistem jaringan sekurang-kurangnya
jalan yang mempunyai hierarki satu tingkat lebih rendah dari yang ingin dianalisis;
misalnya dalam men:ranalisis sistem jalan arteri, kita harus membuat sistem
jaringan jalan yang terdiri dari jalan arteri dan kolektor.
Dalani kasus jaringan angkutan umum, suatu tingkat hierarki sistem jaringan
disyaratkan. Pemodel transportasi harus menspesifikasi struktur jaringan sesuai
dengan pelayanan yang tersedia.
Hal ini lain dikodefikasi dalam bentuk urutan simpul yang dilalui oleh pelayanan
tersebut (bus, kereta api), biasanya setiap simpul mencerminkan tempat
pemberhentian bus atau stasiun kereta api.
Persimpangan tanpa tempat pemberhentian bus bisa saja dihilangkan dalam sistem
jaringan yang akan dibuat. Ruas yang perlu ditambahkan lagi adalah ruas pejalan
kaki yang mencerminkan bagian perjalanan yang dilakukan dengan berjalan kaki,
termasuk ruas yang digunakan untuk memodel biaya tambahan yang terkait dengan
biaya transfer dari satu sistem pelayanan ke sistem pelayanan lain (misalnya dari
bus ke kereta api).
Setiap ruas jalan yang dikodefikasi harus dilengkapi dengan beberapa atribut ruas
yang menyatakan perilaku, ciri, dan kemampuan ruas jalan dalam mengalirkan arus
lalu lintas.
Beberapa atribut tersebut adalah panjang ruas, kecepatan ruas (kecepatan arus bebas
atau kecepatan sesaat), dan kapasitas ruas yang dinyatakan dalam bentuk Satuan
Mobil Penumpang (SMP) per jam.
Selain itu, informasi hubungan Biaya—Arus untuk setiap ruas jalan hams diketahui,
dan faktor yang mempengaruhi hubungan tersebut adalah: .
• Tipe jalan (tol, jalan utama, atau jalan lokal).
• Lebar jalan atau jumlah lajur atau kedua-duanya.
• Informasi mengenai lajur khusus has atau larangan pergerakan suatu jenis
kendaraan pada ruas jalan tertentu.
• Larangan pergerakan membelok, biasanya terjadi di persimpangan.
• Jenis persimpangan, geometrik, termasuk infomasi pengaturan lampu lalu
lintasnya (kalau ada).
• Kapasitas antrian.

156 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soa/, dan aplikasi

Jib
Beberapa hasil penelitian menunjukkan bahwa atribut ruas jalan yang penting bagi
pengendara adalah tarif tol, tersedianya rambu yang baik, dan pemakaian bahan
bakar (Iihat Outram dan Thomson, 1978 dan Wotton dkk, 1981).
Atribut kategori jalan (tol, jalan arteri, ataupun kolektor), pemandangan yang balk,
lampu lalu lintas, dan kapasitas merupakan atribut yang mempengaruhi pemilihan
rute.

7.4.4 Konsep biaya gabungan

Penelitian di Belanda menunjukkan bahwa 70% ruas jalan yang dipilih pengendara
memiliki jarak dan waktu sebagai atribut utama. Dalano proses pemilihan rute
diasumsikan bahwa setiap pengendara akan memilih rute yang meminimumkan
kombinasi linear antara jarak dan waktu, yang biasa dikenal dengan biaya
gabungan.
Konsep biaya gabungan menggabungkan ketiga komponen utama dalam proses
pemilihan rute (jarak, biaya, dan waktu) menjadi sato nilai tenentu yang
mempunyai unit satuan biaya atau unit satuan waktu.
Biaya gabungan untuk pergerakan angkutan umum dapat dinyatakan dengan
persamaan (7.1) berikut.
G,„ = tpD + vT9 + vTN. + vT, +8 (7.1)

Gr„ = biaya gabungan untuk pergerakan angkutan umum (dalam satuan rupiah)
D = jarak pergerakan (dalam satuan jarak)
T. = waktu berjalan kaki dari dan ke angkutan umum (dalam satuan waktu)
T,, = waktu menunggu angkutan umum (dalam satuan waktu)
T, = waktu selama berada dalam angkutan umum (dalana satuan waktu)
= tarif per satuan jarak (dalam satuan rupiah)
v = nilai waktu per satuan waktu (dalam satuan rupiah)
8 = biaya tanibahan atau biaya komponen lainnya yang tidak terukur (dalam
satuan rupiah)
Sementara itu, biaya gabungan untuk pergerakan angkutan pribadi dapat dinyatakan
dengan persamaan (7.2).
G, =tpD+vT,.+C (7.2)

Gen = biaya gabungan untuk pergerakan angkutan pribadi (dalam satuan rupiah)
it = biaya operasi kendaraan per satuan jarak (dalam satuan rupiah)
C = biaya parkir (atau tol)
Pada umumnya, nilai waktu berjalan kaki dan nilai waktu menunggu mempunyai
taint yang Iebih tinggi dibandingkan dengan nilai waktu selama berada dalana
angkutan umum (biasanya dua kalinya).
Dua komponen utama yang sangat dibutuhkan dalam menghitung biaya gabungan
adalah Biaya Operant Kendaraan (BOK) dan Nilai Waktu. Berikut ini dijelaskan
kedua komponen tersebut.

Konsep pemodelan 157


7.4.4.1 Biaya operasi kendaraan (BOK) Perhitungan komponen BOK berikut
ini dikembangkan oleh LAPI-ITB (1997) bekerja sama dengan KBK Rekayasa
Transportasi, Jurusan Teknik Sipil, I TB melalui proyek kajian `Perhitungan Besar
Ketunungan Biaya Operasi Kendaraan' yang didanai oleh PT Jasa Marga,
sedangkan komponen bunga modal dikembangkan oleh Bina Marga melalui proyek
Road User Costs Model (1991).
Komponen BOK pada model ini terdiri dari biaya konsumsi bahan bakar, biaya
konstunsi minyak pelumas, biaya pemakaian ban, biaya pemeliharaan, biaya
penyusutan, bunga modal, dan biaya asuransi. Meskipun masih banyak komponen
lain yang perlu diperhitungkan, komponen tersebut tidak terlalu dorninan.
Roman komponen BOK yang digunakan pada model tersebut ditampilkan berikut.

Konsumsi bahan bakar (KBB)


KI3B KBB dasar x (1 ± (4+ k, + kr)) (7.3)
KBB dasar kendaraan golongan I = 0,0284 V' — 3,0644 V+ 141,68
KBB dasar kendaraan golongan I IA = 2,26533 x(KBB dasar golongan 1)
KBB claw kendaraan golongan IIB = 2,90805 x(KBB dasar golongan I)
= faktor koreksi akibat kelandaian
= faktor koreksi akibat kondisi arus lalulintas
= faktor koreksi akibat kekasaran jalan
V = kecepatan kendaraan (km/jam)
Tabel 7.2 Faktor koreksi konsumsi bahan bakar dasar kendaraan (k4
g<-5% -0,337
Faktor koreksi akibat kelandaian negatif (kk )
g< -0,158

0%, < 0,400


Faktor koreksi akibat kelandaian positif (k)
g 5% 0,820

05NVK<0,6 0,050

Faktor koreksi akibat kondisi arus lalulintas (k) 0,185

NVK> 0,8 0,253

0,035
Faktor koreksi akibat kekasaran jalan (kr )
>3 m/km 0,085
g = kelandaian NVK = nisbah volurne per kapasitas
Sumba,: LAPI-ITB (1997)

• Konsumsi minyak pelumas Besarnya konsumsi dasar minyak pelumas


(liter/km) sangat tergantung pada kecepatan kendaraan dan jenis kendaraan.
Konsumsi dasar ini kemudian dikoreksi lagi menurut tingkat kekasaran jalan.

158 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori. contoh soal, dan aplikasi

1
Tabel 7.3 Konsumsi dasar minyak pelumas (liter/km)
Jenis kendaraan
Kecepatan
(kmAam) Golongan 1 Golongan IIA Golongan IIB

10-20 0,0032 0,0060 0,0049


20-30 0,0030 0,0057 0,0046
30,0 0,0028 0,0055 0,0044
40-50 0,0027 0,0054 0,0043
50-60 0,0027 0,0054 0,0043
60-70 0,0029 0,0055 0,0044
70-80 0,0031 0,0057 0,0046
80-90 0,0033 0,0060 0,0049
90-100 0,0035 0,0064 0,0053
100-110 0,0038 0,0070 0,0059

Sumber: LAPI-ITB (1997)


Tabe17.4 Faktor koreksi konsumsi minyak pelumas terhadap kondisi kekasaran
permukaan
Nilai kekasaran Faktor koreksi
< 3 m/km 1,00
> 3 m/km 1,50
Sumba: LAPI-ITB (1997)

Biaya pemakaian ban Besarnya biaya pemakaian ban sangat tergantung


pada kecepatan kendaraan dan jenis kendaraan.
Kendaraan golongan I Y= 0,0008848 V- 0,0045333
Kendaraan golongan IIA . Y= 0,0012356 V- 0,0064667
Kendaraan golongan IIB . Y= 0,0015553 V- 0,0059333
Y= pemakaian ban per 1.000 km

• Biaya pemeliharaan Komponen biaya pemeliharaan yang paling dominan


adalah biaya suku cadang dan upah montir.
a Suku cadang
Golongan I : Y= 0,0000064 V+ 0,0005567
Golongan IIA : Y= 0,0000332 V+ 0,0020891
Golongan 11B : Y= 0,0000191 V+ 0,0015400
Y= biaya pemeliharaan suku cadang per 1.000 km
b Monti.
Golongan I : Y= 0,00362 V+ 0,36267
Golongan IIA : Y= 0,02311 V+ 1,97733
Golongan IIB : Y= 0,01511 V+ 1,21200
Y= jam kerja montir per 1.000 km

Konsep pemodelan 159


Biaya penyusutan Biaya penyusutan hanya berlaku untuk perhitungan
BOK pada jalan tol dan jalan arteri, besarnya berbanding terbalik dengan
kecepatan kendaraan.
Golongan I : Y = 1/(2,5 V+ 125)
Golongan IIA : Y = 1/(9,0 V + 450)
Golongan IIB : Y = 1/(6,0 V+ 300)
I' = biaya penyusutan per 1.000 km (sama dengan 1/2 nilai penyusutan
kendaraan)

• Bunga modal Menurnt Road User Costs Model (1991), besasoya biaya
bunga modal per kendaraan per 1.000 Ian djtentukan oleh persamaan (7.4)
berikut.
Bunga modal = 0,22% a (harga kendaraan bare) (7.4)

• Biaya asuransi Besamya biaya asuransi berbanding terbalik dengan


kecepatan. Semakin tjnggi kecepatan kendaraan, semakin kecil biaya asuransi.
Golongan I : Y = 38/(500 V)
Golongan IIA : Y = 6/(2571,42857 V)
Golongan IIB : Y= 61/(1714,28571 V)
Y= biaya asuransi per 1.000 km

7.4.4.2 Nilai waktu Sampai saat jni, belum didapatkan besaran nilai waktu yang
berlaku untuk Indonesia. Tabel 7.5 menampilkan besaran nilai waktu beberapa
kajian yang pernah dilakukan.
Tabel 7.5 Nilai waktu setiap golon an kendaraan
Nilai waktu (Rp/jamlkendaraan)
Rujukan
Golongan I Golongan IIA Golongan IIB

PT Jasa Marga (1990-1996) 12.287 18.534 13.768

Padalarang-Cileunyi (1996) 3.385-5.425 3.827-38.344 5.716

Semarang (1996) 3.411-6.221 14.541 1.506

IHCM (1995) 3.281 18.212 4.971

PCI (1979) 1.341 3.827 3.152

JIUTR Northern Extension (PCI, 1989) 7.067 14.670 3.659

Surabaya-Mojokerto (JICA, 1991) 8.880 7.960 7.980

Sumber: LAPI-ITB (1997)

Beberapa modifikasi dilakukan dengan `memiljh' nilai waktu yang terbesar antara
nilai waktu dasar yang dikoreksi menurut lokasj dengan nilai waktu minimum
seperti terlihat pada persamaan (7.5).

160 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi

A
Nilai waktu = maksimum {(k x nilai waktu dasar), nilai waktu minimum) (7.5)
k adalah nilai faktor koreksi pada Tabel 7.7 dengan asumsi bahwa nilai waktu dasar
tersebut hanya berlaku untuk daerah DKI-Jakarta dan sekitamya. Untuk daerah
lainnya harus dilakukan koreksi sesuai dengan PDRB per kapitanya; DKI-Jakarta
dan sekitarnya dianggap mempunyai faktor koreksi 1,0.
Tabel 7.7 merangkum beberapa faktor koreksi nilai waktu menurut daerah,
sedangkan Tabel 7.6 merangkum nilai waktu minimum yang digunakan.
Tabel 7.6 Nilai waktu minimum (Rupiah/jam/kendaraan)
Jasa Marga JIUTR
No Kabupaten/Kodya
Gol I Gol II A Gol II B Gol I Gol II A Gol II B
DKI-Jakarta 8.200 12.369 9.188 8.200 17.022 4.246

2 selain DKI-Jakarta 6.000 9.051 6.723 6.000 12.455 3.107

Sumbe : IAPI-ITB (1997)


Tabel 7.7 PDRB atas dasar harga konstan tahun 1995

PDRB (juta Jumlah PDRB per kapita Nilai


No Lokasi
rupiah) penduduk (juts rupiah) koreksi

DKI-Jakarta 60.638.217 9.113.000 6,65 1,00

Jaws Barat 60.940.114 39.207.000 1,55 0,23

Kodya Bandung 6.097.380 2.356.120 2.59 0,39

Jaws Tengah 39 125.323 29.653.000 1,32 0,20

Kodya Semarang 4.682.002 1.346.352 3,48 0,52

Jaws Timur 57.047.812 33.844.000 1,69 0,25

Kodya Surabaya 13.231.986 2.694.554 4,91 0,74

Sumatera Utara 21 802.508 11.115.000 1,96 0,29

Kodya Medan 5.478.924 1.800.000 3,04 0,46


Sumber: LAPI-ITB (1997)
Dengan demikian, nilai waktu yang berlaku untuk DKI-Jakarta adalah sebesar Rp
12.287 per kendaraan per jam, sedangkan nilai waktu untuk daerah lainnya dapat
dihitung dengan mengalikan faktor koreksi dengan nilai waktu yang berlaku untuk
DKI-Jakarta.

7.5 Galat dalam pemodelan dan peramalan

Prosedur statistik biasanya digunakan dalam pemodelan kebutuhan akan


transportasi dengan mengasumsikan bahwa bukan saja fungsi spesifikasi dalam
pemodelan tersebut yang dianggap benar, tetapi juga data yang digunakan untuk
menaksir parameter model dianggap tidak mempunyai galat apapun. Dalam
praktiknya, kondisi seperti ini tidak mungkin terjadi.

Pertanta, bagaimanapun baiknya model yang kita buat, keluarannya hanya akan bisa
mendekati realita; tidak akan pemah persis sama dengan realita. Kedua, data yang

Konsep pemodelan 161

_Al
digunakan tidak pemah luput dari galas yang bisa terjadi pada setiap tahapan proses
pengtunpulannya yang akan diterangkan secara rind pada subbab berikut. Selain
itu, keluaranrtya jugs selalu mengandung galat karena ketidaktepatan dalam
menentukan nilai yang diasumsikan sebagai peubah pada waktu tahun dasar.
Tujuan akhir suatu pemodelan adalah peramalan; hal penting yang harus
diperhatikan oleh para perencana transportasi adalah mencari kombinasi yang baik
antara kompleksitas model dengan ketepatan data yang akan menghasilkan keluaran
peramalan yang nantinya diharapkan sesuai dengan kenyataan. Untuk mencapai hal
ini, sangatlah penting membahas beberapa jenis galat, yaitu:
jenis galas yang dapat menyebabkan suatu model yang sudah baik
menehasilkan keluaran peramalan yang tidak akurat; misalnya galat dalam
menentukan peubah, galas ketika proses transfer dan pengelompokan;
jenis galat yang dapat menyebabkan suatu model menjadi tidak benar;
misalnya galas yang diakibatkan oleh proses pengambilan sampel, proses
spesifikasi model, dan pengukuran.
Pada subbab berikut ini diberikan penjelasan tentang jenis galat, termasuk
dampaknya. Kemudian, dijelaskan pula cara memilih, tingkat kompleksitas model
atau ketepatan data yang dikumpulkan agar dihasilkan keluaran yang akurat.
Sangatlah mustahil kalau kita berharap mendapatkan keluaran dengan ketepatan
tinggi dari model yang kita yakini selalu mengandung galat serta data yang juga
mempunyai jenis galatnya sendiri. Jenis galat berikut ini akan terjadi pada saat kita
melakukan proses pembentukan, pengkalibrasian, dan peramalan model.

7.5.1 Galat pengukuran

Galas ini terjadi karena ketidaktepatan dalam proses menentukan data pada tahun
dasar, seperti galas pada saat mencatat hasil wawancara, galat karena salah
menafsirkan jawaban responden, galas akibat penggunaan alas yang tidak sesuai
dengan prosedur manualnya, galas dalam proses kodefikasi jaringan, digitasi, dan
lain-lain.
Jenis galas ini cenderung lebih tinggi di negara berkembang karena rendahnya
kualitas sumber daya manusia. Akan tetapi, hal tersebut dapat dikurangi dengan
meningkatkan usaha untuk mendapatkan data dengan ketepatan yang lebih tinggi
(misalnya dengan menggunakan komputer atau menambah sumber daya manusia
untuk mengontrol kualitas data, tetapi kedua hal ini membutuhkan biaya cukup
besar).
Di negara berkembang memang kits selalu dihadapkan pada keterbatasan waktu dan
biaya. Beberapa hal yang dapat dilakukan untuk mengurangi galat pengukuran
adalah:
• meningkatkan kualitas sumber daya manusia pencacah;
• mengadakan pelatihan singkat bagi tenaga pencacah mengenai survei yang
akan dilakukan;

162 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
• menyusun kuesioner yang baik, termasuk penjelasan singkat mengenai cara
mengumpulkan data, mengajukan pertanyaan, menafsirkan dan mencatat
jawaban;
▪ selalu melakukan kalibrasi ulang secara periodik bagi alat ukur yang akan
digunakan;
▪ selalu menggunakan alat ukur yang sesuai dengan manual atau buku petunjuk
penggunaannya.

7.5.2 Galat sampel


Jenis galat ini timbul karena model harus dikalibrasi dengan seperangkat data
(terukur). Galat sampel berbanding terbalik dengan akar jumlah pengamatan yang
dibutuhkan (untuk mengurangi galat menjadi separuhnya dibutuhkan ukuran sampel
4 kali lebih banyak); untuk mengurangi jenis galat ini pasti dibutuhkan biaya yang
cukup besar. Sebaiknya kin- harus dapat mengumpulkan seluruh data yang ada
(100% sampel). Akan tetapi, karena berbagai faktor, khususnya keterbatasan biaya
dan praktik di lapangan, kita terpaksa hanya mengumpulkan sebagian data saja
(sampel).
Apa arti besar sampel 20%? Artinya, kita hanya mengumpulkan data sebanyak 20%
dari jumlah data yang ada. Setelah infonnasi perilaku sampel sebanyak 20%
populasi kita dapatkan, dianggap 80% populasi lainnya mempunyai perilaku yang
sama dengan perilaku 20% populasi (hal ini tentu tidak benar).
Hal ini lebih diperparah lagi karena informasi yang kita dapatkan dart sampel 20%
populasi tersebut belum tentu benar karena mungkin masih mengandung beberapa
jenis galat yang akan diterangkan berikut ini. Daganzo (1980) mempelajari cara
menentukan ukuran sampel yang sesuai dengan tingkat ketepatan yang diinginkan.

7.5.3 Galat perhitungan

Denis galat ini timbul karena model biasanya dikalibrasi dengan proses pengulangan;
solusi akhir yang benar tidak akan pemah didapatkan karena alasan biaya komputasi
(untuk itu jumlah pengulangan terpaksa harus dibatasi).
Denis galat ini lebih kecil dari jenis galat lain, kecuali pada kasus seperti pmsedur
pembebanan anus lalu limas di jaringan yang macet atau pada penentuan titik
keseimbangan antara kebutuhan dan sediaan dari suatu sistem yang sangat besar dan
kompleks (lihat Estraus, 1989).
Akan tetapi, dengan perkembangan teknologi komputer belakangan ini yang sangat
pesat (komputer berkecepatan sangat tinggi dengan kapasitas memori sangat besar
bisa didapat dengan biaya tetjangkau), galat perhitungan bisa ditekan serendah
mungkin.

7.5.4 Galat spesifikasi


Jeris galat ini timbul karena fenomena hal yang akan kita modelkan tidak diketahui
dan dimengerti dengan balk atau karena permasalaltan tersebut terpaksa harus

Konsep pemodelan 163


disederhanakan karena alasan tertentu. Jervis galat ini dapat dipecahkan menjadi
beberapa jenis galat lainnya yaitu:
Penggunaan peubah bebas yang tidak relevan atau yang tidak mempunyai
korelasi dengan keluaran (peubah tidak bebas) yang diharapkan. Jenis galat ini
mungkin tidak menjadi pemtasalahan pada model linear, tetapi akan menjadi
masalah jika kita menggunakan model tidak-linear (lihat Tardiff, 1979).
Galat karena tidak memasukkan peubah bebas yang relevan. Kasus inilah yang
paling sering terjadi. Hal ini sangat perlu diperhatikan pada saat awal kits
membentuk model — Iota hares mengerti dahulu peubah bebas apa saja yang
paling dominan serta mempunyai korelasi yang tinggi dengan keluaran model
(peubah tidak bebas).
Dalam hal ini, uji korelasi selalu hares dilakukan antara peubah bebas dengan
peubah tidak bebas. Sebenarnya, model tersebut mengandung sate komponen
konstanta yang dapat mengakomodasikan atau menampung semua jenis galas
yang ada.
Penggunaan model yang kurang tepat, misalnya model linear untuk
menerangkan sesuatu pada suatu kondisi yang seharusnya dijelaskan dengan
model tidak-linear. Kupasan yang sangat baik yang menerangkan jenis galat ini
dapat dilihat pada Williams dan Ortuzar (1982ab).
Jervis galat ini sebenamya dapat dikurangi dengan meningkatkan kompleksitas
model tersebut, tetapi, total biaya yang dibutuhkan akan menjadi sangat sulit
ditentukan karena proses ini menyangkut proses kalibrasi dan seterusnya dan
mungkin saja menimbulkan jenis galat lain yang sangat mahal penanganannya dan
mustahil dihilangkan.

7.5.5 Galat transfer

Denis galat ini timbal jika suatu model yang telah dikembangkan pada daerah atau
lokasi tertentu akan diterapkan pada tempat lain yang jelas berbeda
pemsasalahannya serta situasi dan kondisinya, walaupun beberapa pembenahan
telah dilakukan dalam proses transfer tersebut. Pada kasus transfer dalam ruang,
galat dapat dikurangi dengan melakukan kalibrasi kembali model tersebut dengan
menggunakan data (bisa sebagian atau seluruhnya) dari daerah yang barn.
Akan tetapi, dalam kasus transfer sementara (misalnya untuk peramalan) yang tidak
mungkin kita kalibrasi dengan data pada masa mendatang, maka galat ini terpaksa
hams kita terima saja, yang nantinya akan ditampung dalam bentuk konstanta.

7.5.6 Galat pengelompokan

Denis galat ini timbal pada saat kita ingin memodel bukan saja pada tingkat agregat,
tetapi juga pada tingkat yang lebih rendah untuk dapat mengerti perilaku setiap
individu dibandingkan dengan perilaku kelompok individu. Jenis galat ini dapat
dipecahkan menjadi beberapa jenis galat lain berikut ini.

164 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
7.5.6.1 Pengelompokan data Dalam beberapa kajian, data yang digunakan un-
tuk menjelaskan perilaku setiap individu sering digabungkan menjadi data
kelompok individu. Contohnya, dalam model jaringan selalu terjadi
pengelompokan, baik pada rute, waktu pemberangkatan, dan zona. Ini berarti nilai
yang kita gunakan sebagai peubah bebas merupakan nilai rata-rata perilaku
beberapa individu, sedangkan yang kita harapkan adalah perilaku setiap individu,
bukan kelompok individu.
Setiap model yang menggtmakan data agregat tidak akan pernah luput dari jenis
galat ini (lihat Daly dan Ortuzar, 1990). Jenis galat ini dapat dikurangi dengan
menambah data, misalnya membuat zona, rute, kategori sosio-ekononti yang lebih
banyak, yang membutuhkan biaya dan waktu tambahan.

7.5.6.2 Pengelompokan alternatif Sekali lagi, karena pertimbangan praktis,


tidak dimungkinkan mendapatkan data yang lengkap dari setiap pengguna. Hal ini
membuat para perencana menarik asumsi dengan menentukan alternatif data yang
paling dominan, paling mudah didapat, atau yang biaya pengumpulannya yang
paling rendah.

7.5.6.3 Pengelompokan model Hal ini sering membuat permasalahan bagi


para perencana. Data agregat seperti arcs pada suatu rugs jalan adalah keluaran yang
unmm dalam perencanaan transportasi. Akan tetapi, model untuk mendapatkannya
selalu mengandung galat pengelompokan yang tidak mungkin dihilangkan begitu
Baja.

7.6 Kompleksitas model atau ketepatan data

Sekarang, mari kita pertimbangkan cara mengoptimasikan pengembalian investasi


dengan meningkatkan ketepatan data, menetapkan dana, dan kompleksitas model,
untuk mendapatkan keluaran yang mempunyai ketepatannya tinggi. Pertama, kita
hams memahami bahwa galat pada peubah masukan akan mempengaruhi ketepatan
model yang kita gunakan.
Pertimbangkan suatu peubah yang kita amati x dengan galatnya ex (misalnya
simpangan baku). Galat keluaran yang dihasilkan dari propagasi galat masukan
suatu fungsi seperti:
z =1(xr, xz, ..., xi,)
bisa didapatkan dengan menggunakan persamaan:

v vai
e2 = Z
I of Jez; +~ exlexlr~J (7.6)
ax; ;
fs; ax ;ax /

r,; adalah koefisien korelasi antara x; dan xi; persamaan ini cocok dipakai untuk
fungsi linear.
Alonso (1968) menggunakannya untuk mendapatkan beberapa cara sederhana yang
harus diikuti selama proses pembentukan model untuk menghindari galat keluaran
yang besar. Contohnya, untuk menghindari kesulitan, komponen yang kedua dari

Konsep pemodelan 165

_A
persamaan (7.6) dihilangkan. Jika kita hitung turunan e, terhadap e,; , akan kita
dapatkan:
Sc, af z e,;
(7.7)
ae,; at; e,

Dengan menggunakan tingkat perbaikan marginal ini dan taksiran biaya marginal
untuk mendapatkan ketepatan yan g lebih baik, secara prinsip dimungkinkan
dihasilkan anggaran perbaikan optimum. Secara praktis, permasalahan ini tidak
mudah diatasi karma selalu akan berakhir pada prosedar pengulangan yang sangat
kompleks. Ak an tetapi, persamaan (7.7) pada dasamya melakukan dua aturan logika
yaitu:

mengutamakan pada usaha perbaikan peubah yang mempunyai galat besar;

mengutamakan usaha perbaikan pada peubah yang relevan, misalnya peubah


8f
yang mempunyai nilai cukup besar karena peubah tersebut akan
ax,
mempunyai efek paling besar terhadap peubah tidak bebas.

Contoh 7.1 Pertimbangkan model z=ry+w, dan beberapa ukuran mengenai peubah
bebas:
x=100±10;y=50±5;w= 2000
Asumsikan juga biaya marginal perbaikan setiap pengukuran:

untuk memperbaiki x (menjadi 100±9) = 5,00


untuk memperbaiki y (menjadi 50±4) = 6,00
untuk memperbaiki z (menjadi 200±49) = 0,02
Dengan menggunakan persamaan (7.1), didapat:

e?= y2 ex+x2 e;+eN, = 502.500

sehingga nilai e 708,87; nilai e; yan g baru dalani kasns perbaikan x, y, atau w
didapat sebesar 674,54; 642,26 dan 708,08. Dari persamaan (7.7) didapat:

= 10y2/708,87 = 35,2; e`
~ = 70,5; ` = 0,0705
ae x Sc ,,
Tiga nilai ini adalah tingkat perbaikan mar ginal untuk setiap peubah. Untuk
menghitung biaya perbaikan marginal (e;), kita hams membagi biaya marginal
perbaikan setiap peubah dengan tingkat marginal perbaikan.
Jadi, bisa didapat biaya marginal perbaikan (e) yang dihasilkan dari beberapa
perbaikan peubah:
untuk .r = 5/35,2 = 0,142
untuk y = 6/70,5 = 0,085
untuk z = 0,02/0,0705 = 0,284

166 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
Oleh karena itu, dapat ditentukan bahwa perbaikan ketepatan pengukuran y terjadi
jika pengurangan marginal e; sekurang-kurangnya sebesar 0,085. Definisikan
kompleksitas sebagai penanlbahan jumlah peubah suatu model daniatau
peningkatan jumlah operasi aljabar peubah tersebut. Sudah tentu bahwa dalam
usaha mengurangi galat spesifikasi (e,), kompleksitas model harus ditingkatkan.
Akan tetapi, sudah jelas juga bahwa kalau terdapat lebih banyak peubah yang hams
dihitung, maka galat pengukuran (e,„) akan meningkat pula. Jika galat model secara
total didefinisikan sebagai E=.4( e2 + e!, ), dapat dengan mudah dilihat bahwa nilai
minimum E tidak selalu hams terletak pada titik optimum kompleksitas.
Gambar 7.4 memperlihatkan jika galat pengukuran meningkat, makan nilai
optimum hanya dapat dicapai pada tingkat kompleksitas yang rendah.

Gambar 7.4
Variasi galat sesuai dengan
tingkat kompleksitas model
Sumber: Ortuzar dan Willumsen
Komplekekae (1994,2001)
Confab 7.2 Pertimbangkan kasus pemilihan model antara model pertama yang
telah diketahui akan menghasilkan total galat sebesar 30% pada mass mendatang
dengan model kedua yang mempunyai spesifikasi yang sangat tepat (e,~) dengan
persamaan sebagai berikut.
Z = x1YvYyY.iXs
x; adalah peubah bebas yang diukur dengan 10% galat Untuk
memutuskan model yang lebih baik, digunakan persamaan (7.1):

e Z = 0,011.'1 (Y2Y3Y4-02 + i X 2 (XiY3,4)21 xs (xlx2x3x4fi


eZ = 0,05[ = 0,05 '~
Didapat ez=0,22z atau 22% galat, sehingga kita sebaiknya memilih model kedua.
Sangat menarik diketahui di sini bahwa galat pengukuran yang lebih besar akan
menghasilkan keluaran yang berbeda. Pembaca dapat mengecek kembali — jika kita
asumsikan bahwa peubah .Y; dapat diukur dengan galas sebesar 20%, maka total
galat pada model yang kedua tersebut menjadi 44,5% sehingga kita sekarang
memilih model pertama.
Gambar 7.5 menjelaskan bahwa jika kualitas data sangat rendah, lebih baik
meramalkannya dengan model yang lebih sederhana.

Konsep pemodelan 167

~
Gambar 7.5
Pengaruh galat pengukuran
Negara Neqara Sumber: Ortuzar dan Willumsen
FLSI:ir. Ka~a
Kompleksitas (1994,2001)

Akan tetapi, untuk dapat belajar dan mengerti fenomena ini, model yang lebih rinci
tentu saja diperlukan. Tambahan lain, kebanyakan model akan digunakan dalam
peramalan jika nilai peubah perencanaan _r, tidak diamati, tetapi diramalkan.
Kim mengetahui bahwa beberapa peubah perencanaan lebih mudah diramalkan
dibandingkan dengan yang lain. Oleh karena itu, dalam memilih model untuk tujuan
peramalan, hams dipilih model yang mempunyai peubah perencanaan yang dapat
diramalkan dengan tingkat kepercayaan tinggi.

7.7 Pengumpulan data

7.7.1 Pertimbangan praktis


Batasan praktis sangat berpengaruh pada penentuan jenis survei yang cocok untuk
kondisi tertentu. Merancang survei bukanlah hal yang mudah, tetapi membutuhkan
kemampuan dan pengalaman tertentu. Beberapa batasan praktis yang sering
dijumpai dalam beberapa kajian transportasi adalah sebagaimana yang dijelaskan
berikut ini.
Waktu pelaksanaan kajian Faktor ini merupakan hal terpenting karena
dapat memberikan perkiraan berapa lama waktu atau usaha yang sebaiknya
diberikan untuk proses pengumpulan data
b Horizon kajian Terdapat dua tipe situasi yang patut dipertimbangkan, yaitu:
• Tahun rencana sangat dekat, misalnya dalam suatu kajian taktis sehingga
tersedia cukup banyak waktu untuk melaksanakan kajian. Pada akhirnya
diperlukan alat bantu analisis tertentu, misalnya yang membutuhkan jenis
data tertentu.
• Suatu kajian strategis yang horizon kajiannya (tahun rencana) bisa
mencapai 20 tahunan di masa mendatang. Walaupun secara prinsip
dimungkinkan penggunaan alat bantu analisis jenis apapun, galat dalam
peramalan hanya dapat diketahui dalam waktu 20 tahun mendatang. Dengan

168 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi

~ ~
demikian, diperlukan proses pemantauan dan evaluasi untuk melihat apakah
sasaran kajian tersebut tercapai.
Batas daerah kajian Batas daerah kajian harus sedikit lebih luas dari batas
wilayah yang diperkirakan akan terpengaruh (atau berkembang) pada masa 20
tahun mendatang.
d Sumber daya kajian Beberapa hal berikut sangat perlu diketahui sebelum
kita memulai suatu pengkajian, misalnya jumlah tenaga ahli yang tersedia,
tingkat keahliannya, dan tingkat kemampuan fasilitas komputer yang tersedia.

7.7.2 Jenis survei


Pada umumnya survei yang akan dilakukan bertujuan untuk mendapatkan informasi
mengenai sistem prasarana transportasi dan sistem tata guna lahan. Untuk lebih
lengkap, pembaca disarankan membaca manual pelatihan `Metode Survei Lalu
lintas dan Transportasi' yang disusun oleh LPM-ITB bekerja sama dengan KBK
Rekayasa Transportasi, Jurusan Teknik Sipil, ITB (LPM-ITB, 1997e).

7.7.2.1 Sistem prasarana transportasi Survei seharusnya direncanakan untuk


dapat mengetahui seluruh informasi fasilitas sistem prasarana transportasi yang
dimiliki serta informasi kinerjanya dalam berbagai kondisi anus lalu lintas.
Kebutuhan akan data juga sangat ditentukan oleh sasaran dan tujuan kajian.

a Inventarisasi prasarana jalan Rincian data inventarisasi yang hares di-


kumpulkan untuk jalan perkotaan meliputi:
1 Desain geometrik, meliputi:
• potongan melintang yang terperinci, termasuk lebar jalan dan daerah
milik jalan, jumlah dan lebar lajur, jalur lambat, median, bahu jalan yang
diperkeras, fasilitas pejalan kaki, kereb, dan lain-lain;
• persimpangan, meliputi geometrik dan radius membelok;
• alinyemen horizontal, meliputi panjang runs, bagian jalan yang bums dan
lengkung, jari jari tikungan dan superelevasi;
• alinyemen vertikal meliputi bagian jalan yang mendatar, kelandaian naik
dan turun.
2 Pengendalian lalu lintas, meliputi:
• rambu lalu lintas dan marka jalan, meliputi lokasi, jenis dan ukutan;
• lampu lalu lintas dan lampu penerangan, meliputi lokasi dan jenis;
• persimpangan, meliputi dimensi, radius membelok, lokasi dan jenis
pengendalian, dan lampu penerangan;
• parkir dan akses, meliputi lokasi setiap akses, parkir di badan jalan dan
bukan di badan jalan, dan cars pengendalian parkir.
3 Tata guna lahan, meliputi informasi jenis bangunan, penghalang terhadap
jarak pandangan bebas serta objek yang menghalangi kelancaran lalu lintas
dan pejalan kaki seperti waning, pedagang kaki lima, pot bunga, dan lain-
lain.

Konsep pemodelan 169


4 Fasilitas jalan lainnya, meliputi drainase, saluran air limbah, kabel, dan
lain-lain.
Untuk keperluan perencanaan dan pemodelan transportasi, hanya sebagian saja
dari keseluruhan data inventarisasi jalan yang dibutuhkan.

b Inventarisasi kinerja angkutan umum, meliputi rute bus, jumlah amtada,


tarif, frekuensi, lokasi terminal dan halte, jenis kendaraan (termastc
kapasitasnya), dan survei naik—turun penumpang dalam bentuk profil
pembebanan dalam satu rute.

Int•entarisasi fasilitas dan kebutuhan parkir, meliputi survei inventarisasi


ruang parkir dan survei kebutuhan parkir.
1 Survei inventarisasi ruang parkir, meliputi lokasi dan kapasitas tampung
parkir, waktu pengendalian, tempat larangan dan pembatasan parkir, tarif
parkir (tetap atau progresif), marka jalan, dimensi celukan dan sudut
kemiringan parkir, dan rambu jalan.
2 Survei kebutuhan parkir, meliputi tujuan parkir, volume parkir, durasi
parkir, akumulasi parkir, laju pergantian parkir, indeks parkir, dan jarak
berjalan kaki.

d Inventarisasi waktu tempuh, meliputi informasi waktu tempuh (dapat


dilakukan dengan survei metode pengamat bergerak dan survei pengamat
statis), waktu berhenti, waktu bergerak, dan kecepatan bergerak.

7.7.2.2 Sistem tata guna lahan Survei yang dilakukan bertujuan untuk menda-
patkan informasi tata guna lahan, meliputi jenis dan intensitasnya serta karakteristik
pergerakan. Contoh data tata guna lahan adalah populasi, tenaga kerja, produksi
berbagai sektor, misalnya pertanian, industri, pertantbangan, perikanan, dan
kehutanan, biasanya tersedia dengan baik dais lengkap untuk setiap provinsi di Biro
Pusat Statistik.
Badan Perencanaan Pembangunan Daerah (Bappeda) di tingkat I maupun II secara
rutin mengumpulkan data yang berkaitan dengan tata guna lahan setiap tahunnya
dan didokumentasikan secara baik dan lengkap serta dipublikasikan secara rutin,
misalnya Provinsi Jaws Barat Dalam Angka.
Karakteristik pergerakan bisa didapat melalui survei wawancara rumah tangga,
survei wawancara di tepi jalan, survei angkutan barang, dan survei angkutan umum.
Dalam survei wawancara rumah tangga, beberapa informasi rumah tangga berikut
sangat dibutuhkan, yaitu anggota keluarga, usia dan jenis kelamin, pekerjaan,
pendapatan, pemilikan kendaraan, dan intensitas pergerakan yang dilakukan setiap
harinya oleh seluruh anggota keluarga.
Tambahan lain, dalam survei wawancara rumah tangga jugs bisa ditanyakan
karakteristik pergerakan, misalnya jenis tata guna lahan zona asal dan zona tujuan,
waktu berangkat dan tiba, tujuan pergerakan, dan mods transportasi yang
digunakan. Pengambilan sampel 100% sangatlah tidak mungkin karena

170 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
membutuhkan biaya yang sangat besar, tenaga kerja yang sangat banyak, dan waktu
proses yang sangat lama.
Bruton (1981,1985) menyarankan beberapa nilai sampel yang telah
direkomendasikan untuk digunakan selama hampir 20 tahun (lihat Tabel 7.8). Pada
survei angkutan barang, beberapa informasi berikut sangat dibutuhkan agar dapat
menghasilkan gambaran karakteristik angkutan barang, misalnya jenis kendaraan
yang digunakan, jenis dan voltmie barang yang diangkut, zona anal dan tujuan,
karakteristik perusahaan (jika ada), informasi penggunaan transportasi multi moda,
dan lain-lain.
Tabel 7.8 Rekomendasi ukuran sam el survei wawancara rumah tangga
Ukuran sampel (rumah tangga)
Populasi
Rekomendasi Minimum
di bawah 50.000 1;5 1:10
50.00,150.000 1:8 1:20

150.000-300.000 1:10 1:35

300.000-500.000 1:15 1:50

500.000-1.000.000 1:20 1:70

di alas 1.000.000 1:25 1:100

Sumber: Bruton (1981,1985)

Survei angkutan umum bertujuan untuk mendapatkan infonnasi jumlah


naik—turumlya penumpang untuk setiap cute, profil pembebanan untuk setiap rute,
zona anal dan zona tujuan pergerakan, tujuan pergerakan, moda transportasi dari
zona asal ke angkutan umum, serta moda transportasi dari angkutan umum ke zona
tujuan.
Survei wawancara di tepi jalan juga menanyakan informasi yang sama dengan
survei lainnya, yaitu jenis kendaraan, tingkat isian penumpang, zona asal dan
tujuan, serta tujuan pergerakan. Salah satu kelemahan survei ini adalah
terganggunya arus lalu lintas karena kendaraan hams berhenti untuk diwawancarai.
Kelemahan berikutnya adalah bahwa untuk suatu ruas jalan yang cukup tinggi arus
lalu lintasnya, pengambilan sampel 100% hampir tidak mungkin dapat
dilaksanakan. Tabel 7.9 memperlihatkan ukuran sampel yang direkomendasikan
untuk survei wawancara ditepi jalan.
Tabel 7.9 Rekomendasi ukuran sam el survei wawancara di tepi jalan
Ares law lintas
(kendaraanfjam)
Ukuran sampel

900 atau lebih 1:10


700-899 1:8
500-699 1:6
300-499 1:4

200-299 1:3

1-199 1:2

Sumber: Ortuzar dan Willumsen (1994,2001)

Konsep pemodelan 171


8 Analisis bangkitan pergerakan
(model analisis-korelasi)

Seperti telah diterangkan pada bab-bab sebelunmya, tahapan bangkitan pergerakan


bertujuan mendapatkan junlah pergerakan yang dibangkitkan oleh setiap zona asal
(OS) dan jumlah pergerakan yang tertarik ke setiap zona tujuan (D0) yang ada di
dalam daerah kajian. Selain itu, permasalahan juga dapat dilihat dari sisi lain
sebagai pennasalahan dalam pemilihan frekuensi pergerakan, seperti berapa besar
pergerakan dengan tujuan berbelanja yang dilakukan oleh seseorang selama satu
minggu?
Hal ini biasanya ditangani oleh model pemilihan diskret seperti yang akan
dijelaskan pada subbab 16.8. Dalant bab itu pemsasalahan dinyatakan dengan cara
lain, misalnya berapa besar peluang seseorang melakukan 0, 1, 2+ (dua atau lebih)
pergerakan dengan tujuan tertentu selama satu minggu.
Dalam Bab 8 ini kita mempertimbangkan pendekatan pertama (misalnya
meransalkan total pergerakan O; dan Da dari data atribut sosioekonomi nunah
tangga), yang paling sexing digunakan dalam berbagai kajian sampai dengan akhir
tahun 1980 -an. Pembaca yang berminat pada pendekatan model pemilihan diskret
dapat membaca Ben Akiva dart Lerman (1985) sena subbab 16.8 buku ini.
Kita akan mulai dari subbab 8.1 yang mendefinisikan beberapa konsep dasar yang
digunakan dan beberapa klasifikasi pergerakan, sena mempelajari beberapa faktor
yang mempengaruhi bangkitan dan tarikan pergerakan. Kemudian, akan diulas
beberapa pendekatan utama dalam tahap pemodelan ini, dimulai dari teknik yang
paling sederhana (metode faktor pertumbuhan).
Sebelum menggunakan pendekatan yang lebih kompleks, akan diperkenalkan
sedikit cara melakukan pemodelan analisis korelasi pada subbab 8.2. Kemudian,
akar dipertimbangkan model bangkitan dan tarikan pergerakan berbasis zona
(subbab 8.2.1) dan nunah tangga (subbab 8.2.7). Pada subbab 8.3 bisa didapat
beberapa kumpulan soal-soal yang berkaitan dengan materi yang dibahas pada bab

Kim akan mempemmbangkan untuk pertama kalinya pemsasalahan pengelompokan


yang mempunyai solusi trivia/ yang disebabkan oleh bentuk linear model tersebut.

8.1 Pendahuluan

Tujuan claw tahap bangkitan pergerakan adalah menghasilkan model hubungan


yang mengaitkan parameter tats guna lahan dengan jumlah pergerakan yang menuju
ke suatu zona atau jumlah pergerakan yang meninggalkan suatu zona. Zona anal dan
tujuan pergerakan biasanya juga menggunakan istilah trip end.

172
Model ini sangat dibutuhkan apabila efek tata guna lahan dan pemilikan pergerakan
terhadap besarnya bangkitan dan tarikan pergerakan berubah sebagai fungsi waktu.
Tahapan bangkitan pergerakan ini meramalkan junilah pergerakan yang akan
dilakukan oleh seseorang pada setiap zona asal dengan menggunakan data rind
mengenai tingkat bangkitan pergerakan, atribut sosioekonomi, serta tata guna lahan.
Tahapan ini bertujuan mempelajari dan meramalkan besamya tingkat bangkitan
pergerakan dengan mempelajari beberapa variasi hubungan antara ciri pergerakan
dengan lingkungan tata guna lahan. Beberapa kajian transportasi berhasil
mengidentifikasi korelasi antara besarnya pergerakan dengan berbagai peubah, dan
setiap peubah tersebut juga saling berkorelasi.
Tahapan ini biasanya menggunakan data berbasis zona untuk memodel besarnya
pergerakan yang terjadi (baik bangkitan maupun tarikan), misalnya tata guna lahan,
pemilikan kendaraan, populasi, jumlah pekerja, kepadatan penduduk, pendapatan,
dan juga moda transportasi yang digunakan. Khusus mengenai angkutan barang,
bangkitan dan tarikan pergerakan diramalkan dengan menggunakan atribut sektor
industri dan sektor lain yang terkait.
Seperti telah dijelaskan, bangkitan atau tarikan pergerakan biasanya dianalisis
berdasarkan zona. Data tata guna lahan (X), data bangkitan pergerakan (P) dan data
tarikan pergerakan (A) yang didapatkan dari hasil survei terlihat pada Tabel 8.1
(Black, 1981).
Tabel 8.1 Informasi tentan model ban khan pergerakan

Nomor
Data tats guns lahan Data hasil survei Data hasil pemodelan
zona
Xz X, XM A A

Perkiraan besarnya tingkat bangkitan pergerakan, baik untuk bangkitan (P) maupun
tarikan (A) bisa dilakukan dengan pemodelan menggunakan data yang terdapat pada
Tabel 8.1.
Sebelum membicarakan permasalahan pemodelan, perlu ada penjelasan mengenai
beberapa deftnisi dasar yang selalu digunakan dalani tahap pemodelan bangkitan
pergerakan.

Analisis bangkitan pergerakan (model analisis-korelasi) 173

~
8.1.1 Definisi dasar

Untuk dapat mempermudah pembaca mengikuti subbab berikutnya, pada subbab ini
diberikan beberapa definisi dasar mengenai model bangkitan pergerakan.
Perjalanan Pergerakan satu arah dari zona anal ke zona tujuan, termasuk
pergerakan berjalan kaki. Berhenti secara kebetulan (misalnya berhenti di
perjalanan untuk membeli rokok) tidak dianggap sebagai tujuan pegalanan,
meskipun perubahan rute terpaksa dilakukan.
Meskipun pergerakan sering diartikan dengan pergerakan pulang dan pergi,
dalam ilmu transportasi biasanya analisis keduanya hams dipisahkan. Hal yang
dikaji di sini tidak saja mengenai pergerakan berkendaraan, tetapi juga kadang-
kadang pergerakan bed alan kaki.
b Pergerakan berbasis rumah Pergerakan yang salah satu atau kedua zona
(anal dan/atau tujuan) pergerakan tersebut adalah rumah.
Pergerakan berbasis bukan rumah Pergerakan yang salah satu atau kedua
zona (anal dan/atau tujuan) pergerakan adalah bukan rumah.
d Bangkitan pergerakan Digunakan untuk suatu pergerakan berbasis rumah
yang mempunyai tempat anal dan/atau tujuan adalah rumah atau pergerakan
yang dibangkitkan oleh pergerakan berbasis bukan rumah (Iihat Gambar 8.1).
Tarikan pergerakan Digunakan untuk suatu pergerakan berbasis rumah
yang mempunyai tempat anal dan/atau tujuan bukan rumah atau pergerakan
yang tertarik oleh pergerakan berbasis bukan rumah (lihat Gambar 8.1).

Bangkitan Tarikan
Rumah Tempat
kerja
angkitan Tarikan

Gambar 8.1

belTempat
Bangkitan Tarikan
Tempat
kerja Tarikan ngkitan anla Bangkitan dan tarikan
pergerakan
Sumber: Tamin
(1997a,2000a)

f Tahapan bangkitan pergerakan Sering digunakan untuk menetapkan


besarnya bangkitan pergerakan yang dihasilkan oleh rumah tangga (baik untuk
pergerakan berbasis rumah maupun berbasis bukan rumah) pada selang waktu
tertentu (per jam atau per hari).
Sepanjang tahun 1980-an, beberapa definisi lain tepees lour dan trip chain sering
dipakai dalam perencanaan dan pemodelan transportasi. Hal ini sangat mendukung
teori yang menyatakan bahwa kebutuhan akan pergerakan sebenamya adalah
kebutuhan tunuiatt (sesuatu yang sangat tergantung dari adanya keterkaitan dengan
kegiatan lainnya). Akan tetapi, definisi tersebut hanya sering digunakan pada model
pemilihan diskret; lihat Daly dkk (1983).

174 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soar, dan aplikasi
Bangkitan pergerakan harus dianalisis secara terpisah dengan tarikan pergerakan.
Jadi, tujuan akhir perencanaan tahapan bangkitan pergerakan adalah menaksir
setepat mungkin bangkitan dan tarikan pergerakan pada masa sekarang, yang akan
digunakan untuk meramalkan pergerakan pada masa mendatang.

8.1.2 Klasifikasi pergerakan

8.1.2.1 Berdasarkan tujuan pergerakan Pada praktiknya, sering dijumpai bahwa


model bangkitan pergerakan yang lebih baik bisa didapatkan dengan memodel
secara terpisah pergerakan yang mempunyai tujuan berbeda. Dalam kasus
pergerakan berbasis rumah, lima kategori tujuan pergerakan yang sering digunakan
adalah:
• pergerakan ke tempat kerja
• pergerakan ke sekolah atau universitas (pergerakan dengan tujuan pendidikan)
• pergerakan ke tempat belanja
• pergerakan untuk kepentingan sosial dan rekreasi, dan
• lain-lain
Dua tujuan pergerakan pertama (bekerja dan pendidikan) disebut tujuan pergerakan
utama yang merupakan keharusan untuk dilakukan oleh setiap orang setiap hari,
sedangkan tujuan pergerakan lain sifatnya hanya pilihan dan tidak rutin dilakukan.
Pergerakan berbasis bukan rumah tidak selalu harus dipisahkan karena jumlahnya
kecil, hanya sekitar 15-20% dari total pergerakan yang terjadi.

8.1.2.2 Berdasarkan waktu Pergerakan biasanya dikelompokkan menjadi per-


gerakan pada jam sibuk dan pada jam tidak sibuk. Proporsi pergerakan yang
dilakukan oleh setiap tujuan pergerakan sangat berfluktuasi atau bervariasi
sepanjang hari.
Tabel 8.2 memperlihatkan data kola Santiago (Chile) yang dihasilkan dari survei
Asal—Tujuan pada tahun 1977 (Ortuzar date Willumsen, 1994,2001); pergerakan
pada selang jam sibuk pagi hari (biasanya saling bertolak belakang dengan
pergerakan pada selang jam sibuk sore hari) terjadi antara jam 7.00 sampai dengan
jam 9.00 pagi dan jam tidak sibuk berkisar antara jam 10.00 sampai dengan jam
12.00 siang.
Beberapa komentar timbul berkaitan dengan Tabel 8.2. Pertama, kebanyakan
pergerakan pada jam sibuk pagi merupakan pergerakan utama yang hares dilakukan
setiap hari (untuk bekerja dan pendidikan), yang tidak terjadi pada jam tidak sibuk.
Kedua, pergerakan untuk tujuan birokrasi terjadi baik pada jam sibuk dan tidak
sibuk (ini merupakan ciri khan pergerakan di negara berkembang). Ketiga, terdapat
galat dalam proses pengkodefikasian, yang terlihat duel besamya pergerakan yang
menuju ke rumah (41,65%) pada jam tidak sibuk yang mungkin disebabkan di
dalamnya termasuk juga pergerakan dengan tujuan lain. Jadi, data ini hams
dikodefikasi kembali untuk mendapatkan informasi yang benar.

Analisis bangkitan pergerakan (model analisis-korelasi) 175


Tabe18.2 Contoh klasifikasi tu'uan pergerakan

Jam sibuk pagi hari Jam tidak sibuk


Tujuan pergerakan
Jumlah Jumlah

Bekeria 465.683 52,12 39.787 12,68

Pendidikan 313.275 35,06 15.567 4,96

Belanja 13.738 1,54 35.611 11,35

Sosial 7.064 0,79 16.938 5,40

Kesehatan 14.354 1,60 8.596 2,74

Birokrasi 34.735 3,89 57.592 18,35

Ikut dengan orang 18.702 2,09 676 2,14

Lain-lain 1.736 0,19 2.262 0,73

Kembali ke rumah 24.392 2,72 130.689 41,65

Sumber: Ortuzar dan VViIlumsen (1994,2001)

Jenis permasalahan seperti ini sering terjadi sebelum konsep bangkitan dan tarikan
pergerakan menggantikan konsep Asal dan Tujuan yang tidak secara eksplisit
menggambarkan kemampuan aktivitas pergerakan berbasis rumah dan berbasis
bukan rumah.

8.1.2.3 Berdasarkan jenis orang Hal ini merupakan salah satu jenis pengelom-
pokan yang penting karena perilaku pergerakan individu sangat dipengaruhi oleh
atribut sosioekonomi. Atribut yang dimaksud adalah:
• tingkat pendapatan: biasanya terdapat tiga tingkat pendapatan di Indonesia:
tinggi, inenengah, dan rendah;
• tingkat pemilikan kendaraan: biasanya terdapat empat tingkat: 0, 1, 2, atau
lebih dari dua (2+) kendaraan per runlah tangga;
• ukuran dan struktur rumah tangga.
Hal penting yang harus diamati adalah jumlah tingkat dapat meningkat pesat dan ini
berimplikasi cukup besar bagi kebutuhan akan data, kalibrasi model, dan
penggunaannya.

8.1.3 Faktor yang mempengaruhi

Dalam pemodelan bangkitan pergerakan, hal yang perlu diperhatikan bukan saja
pergerakan manusia, tetapi juga pergerakan barang.
a Bangkitan pergerakan untuk manusia Faktor berikut dipertimbangkan
pada beberapa kajian yang telah dilakukan:
• pendapatan
• pemilikan kendaraan
• struktur rumah tangga
• ukuran nunahtangga
• nilai lahan

176 Ofyar Z Tamin, Perencanaan,pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
• kepadatan daerah permukiman
. aksesibilitas
Empat faktor pertama (pendapatan, pemilikan kendaraan, struktur, dan ukuran
rumah tangga) telah digunakan pada beberapa kajian bangkitan pergerakan,
sedangkan nilai lahan dan kepadatan daerah penmukiman hanya sering dipakai
untuk kajian mengenai zona.
b Tarikan pergerakan untuk manusia Faktor yang paling sering digunakan
adalah luas lantai untuk kegiatan industri, komersial, perkantoran, pertokoan,
dan pelayanan lainnya. Faktor lain yang dapat digunakan adalah lapangan
kerja. Akhir-akhir ini beberapa kajian mulai berusaha memasukkan ukuran
aksesibilitas.
Bangkitan dan tarikan pergerakan untuk barang Pergerakan ini hanya
merupakan bagian kecil dari seluruh pergerakan (20%) yang biasanya terjadi di
negara industri. Peubah penting yang mempenganilii adalah jumlah lapangan
kerja, jumlah tempat pemasaran, lugs atap industri tersebut, dan total seluruh
daerah yang ada.

8.1.4 Model faktor pertumbuhan


Sejak tahun 1950-an, beberapa teknik telah diusulkan untuk memodel bangkitan
pergerakan. Kebanyakan metode tersebut meramalkan total pergerakan yang
dihasilkan (atau tertarik) oleh nunah tangga atau zona sebagai fungsi hubungan
linear yang didefinisikan dari data yang ada.
Sebelum membandingkan hasil yang didapat, sangatlah penting mengerti beberapa
aspek berikut ini:
• jenis pergerakan yang akan dipertimbangkan (contoh: apakah hanya
pergerakan berkendaraan atau pergerakan berjalan kaki saja);
• usia minimum yang dapat digunakan dalam proses analisis.
Berikut ini dikemukakan teknik yang mungkin bisa diterapkan untuk meramalkan
jumlah perjalanan pada masa mendatang yang dilakukan oleh salah satu dari 4
(empat) kategori yang telah diterangkan sebelumnya. Percarnaan dasamya adalah:
T, = F,.rt (8.1)
T dan t, adalah pergerakan pada masa mendatang dan pada masa sekarang, dan F;
adalah faktor pertumbuhan. Kesulitan metode ini adalah cara mendapatkan nilai F;.
Biasanya, faktor ini terkait dengan peubah seperti populasi (P), pendapatan (I), dan
pemilikan kendaraan (C) yang terkait dalam fungsi seperti:
Pa
F~=f ~ +~Ia ,C•° (8.2)
.f
P;`.I` +C`
J bisa merupakan fungsi perkalian tanpa parameter, sedangkan tikatas d dan c
menandakan tahun sekarang (d) dan tahun rencana (c).

Analisis bangkitan pergerakan (model anaiisis-korelasi) 177


8.1.5 Contoh penerapan model faktor pertumbuhan
Pertimbangkan suatu zona dengan 250 rumah tangga bemrobil dan 250 rumah
tangga tanpa mobil. Asumsikan kita mengetahui rerata tingkat bangkitan pergerakan
untuk setiap kelompok:
rumah tangga bermobil menghasilkan : 6,0 pergerakan/hari
rumah tangga tanpa mobil menghasilkan : 2,5 pergerakan/hari
Dengan mudah kita mendapatkan jumlah pergerakan dari zona tersebut, yaitu:
t; = 250 s 2,5 + 250 s 6,0 = 2125 pergerakan/hari
Asumsikan bahwa pada masa mendatang semua rumah tangga akan mempunyai
satu mobil. Oleh karena itu, dengan berasumsi bahwa pendapatan dan populasi
temp, kits dapat menaksir faktor pertumbuhan perkalian yang sederhana seperti:

Fr = ~-
~ = 1= 2

Dengan menggutrakan percamaan (8.1) kita dapat menghitung jumlah pergerakan


pada masa mendatang:
Ti = 2 s 2125 = 4250 pergerakan/hari
Akan tetapi, metode ini sangat kasar. Jika kilo menggunakan informasi rerata
tingkat bangkitan pergerakan dan berasumsi bahwa tingkat pergerakan tersebut
tetap konstan, kita mendapatkan jumlah pergerakan pada masa mendatang sebesar:
T; = 500 s 6= 3000
lni berarti metode faktor pertumbuhan mempunyai taksiran yang lebih tinggi dari
yang sebelumnya sebesar 42%. Hal ini hams dilihat secara sedan karena bangkitan
pergerakan adalah tahap pertama dalam proses pemodelan, galat di sini akan dibawa
terus selama proses pemodelan.
Oleh karena itu, metode faktor pertumbuhan hanya dapat digunakan meramalkan
pergerakan ekstemal yang masuk ke suatu daerah pada masa mendatang. Ini karena
jumlahnya yang tidak terlalu besar pada saat awal (sehingga galatnya pun kecil) dan
juga karena tidak ada cara lain yang sederhana untuk meramalkamrya.
Pada subbab berilcut ini kita akan mendiskusikan model yang lebih baik yang secara
prinsip dapat digunakan untuk memodel bangkitan dan tarikan pergerakan orang
dan/atau barang.

8.2 Model analisis-korelasi

8.2.1 Model analisis-korelasi berbasis zona


Pada kasus ini, dilakukan usaha untuk mendapatkan hubungan linear antara jumlah
pergerakan yang dibangkitkan atau tertarik oleh zona dan ciri sosioekonomi rata-

178 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
rata dan rumah tangga pada setiap zona. Beberapa pertimbangan yang perlu
diperhatikan berikut ini.

8.2.1.1 Model berbasis zona Model jenis ini hanya dapat menjelaskan variasi
perilaku pergerakan antarzona. Oath, model hanya akan berhasil baik jika variasi
antarzona cukup mencemtinkan alasan utama terjadinya variasi pergerakan. Agar
hal ini tercapai, sebaiknya zona tidak hanya mempunyai komposisi sosioekonomi
yang seragam, tetapi juga mencerminkan beberapa kondisi. Permasalahan utama
adalah variasi data pergerakan individu yang berada pada tingkat antarzona.

8.2.1.2 Peranan intersep Seseorang pasti beranggapan bahwa garis regresi yang
didapatkan harus selalu melalui titik (0,0) atau intersep=0. Akan tetapi, kita selalu
mendapatkan nilai intersep yang besar. Jika hal ini terjadi, persamaan tersebut hares
ditolak. Jika intersep tidak jauh berbeda dari 0, sebaiknya proses regresi dilakukan
kembali, tetapi dengan memaksa intersep=0.
Intersep yang besar juga dapat diartikan bahwa masih dibutuhkan peubah lain yang
hams diperhitungkan dalam model tersebut, karena masih ada pergerakan yang
cukup besar (intersep besar) yang tidak dapat dimodel oleh peubah yang ada
sehingga dapat disimpulkan bahwa model yang ada behun terlalu mencerminkan
realita.

8.2.1.3 Zona kosong Sangat mungkin ditemukan bahwa untuk beberapa zona
tertentu tidak terdapat data atau informasi mengenai sate atau beberapa peubah
tertentu. Zona seperti ini hares dikeluarkan dari analisis, walaupun jika tetap
diperhitungkan tidak akan terlalu mempengaruhi penaksiran koefisien [karena
persamaan sebenarnya hams selalu melalui titik (0,0)]. Penambahan jumlah zona
yang tidak dapat memberikan data yang berguna sena tepat hanya akan
menghasilkan statistik yang ketepatannya rendah.

8.2.1.4 Total zona vs rata-rata zona Dalam merumuskan model, analis hams
memilih antara peubah total atau peubah agregat. Misalnya, jumlah pergerakan per
zona atau jumlah mobil per cora (peubah total) dengan pergerakan per keluarga per
zona atau jumlah kendaraan per rumah tangga per zona (peubah agregat). Untuk
kasus peubah agregat, model analisis-korelasi yang digunakan adalah:
Y, =00 + 0,Xr ,+92 X2,+...+9 X ta + Et
sedangkan untuk kasus peubah total yang digunakan adalah:
y, =00 +9txt! +02x2, +...+ 9tcxta +et
dengan y, = WA; ,= X,/H;; e, = EIH,, dan H, adalah jumlah rumah tangga di zona

Kedua persamaan sebenamya identik; artinya persamaan tersebut akan mencari


sesuatu yang dapat menjelaskan variasi perilaku pergerakan antarzona. Parameter
untuk kedua persamaan itu juga identik. Perbedaan dasar yang utama adalah
distribusi galat yang dibuamya.

Analisis bangkitan pergerakan (model analisis-koretasi) 179


Secara umum proses pemodelan bangkitan pergerakan dengan menggunakan
metode analisis-korelasi dapat dilihat pada Gambar 8.2.

Data sosioekonomi

Kandidat peubah bebas

Data trip end


Uji korelasi
(peubah tak bebas)

Alternatif fungsi

Model bangkitan
pergerakan

Gambar 8.2 Proses kalibrasi dan pengabsahan model analisis-korelasi


Sumber: Tamin (1997a,2000a,2003)

8.2.2 Contoh pemodelan bangkitan dan tarikan pergerakan

8.2.2.1 Bangkitan pergerakan Asumsikan bahwa bangkitan dan tarikan per-


gerakan dapat dinyatakan sebagai fungsi dart beberapa atribut sosioekonomi yang
berbasis zona (X,, X2,..., XN):
r= f( X„X2 ,...,X N )
dan
A= (

Metode analisis-korelasi akan digunakan untuk menghasilkan hubungan dalam


bentuk numerik dan untuk melihat bagaimana dua (regresi-sederhana) atau lebih
(regresi-berganda) peubah sating berkaitan.
Berikut ini diperlihatkan contoh dua peubah regresi (Xt dan X2 adalah peubah tata
guna lahan). Data yang digunakan (untuk 8 zona) tercantum pada Tabel 8.3 (Black,
1981). Data pada Tabel 8.3 dirajah dengan menggunakan kertas grafik (Black,
1981) sehingga menghasilkan Gambar 8.3.

180 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
Terlihat bahwa bangkitan pergerakan merupakan peubah tidak bebas (sumbu Y).
Grafik menunjukkan hubungan linear positif antara bangkitan pergerakan dan
pemilikan kendaraan dengan hubungan Y=A+BX dengan A adalah intersep dan B
adalah kemiringan.
Tabel 8.3 Bangkitanpergerakan dan total emilikan kendaraan er zona
Bangkitan Total pemilikan
Nomorzona
pergerakan per hari kendaraan
5500 200

300 50

1300 500

200 100

400 100

1200 400

900 300

1000 400

Somber: (Black, 1981)

Y♦
1.400

1.200

1.000

800

600

400

200
Gambar 8.3 Grafik bangkitan pergerakan
0 dan pemi likan kendaraan
0 100 200 300 400 50o X Somber: Blanc (1981)

Metode kuadrat-terkecil kemudian digunakan dalam proses regresi ini, karena garis
linear tersebut harus mempunyai nilai total jumlah kuadtat residual (atau
simpangan) yang paling minimum antara hasil pemodelan dengan basil pengamatan.
Dengan persyaratan ini, data menghasilkan garis:
Y = 89,9 + 2,48X
Beberapa komentar dapat diberikan untuk persamaan di atas, yaitu:
• Y (bangkitan pergerakan) berhubungan secara linear dengan X (pemilikan
kendaraan);
• Perubahan 1 satuan dari nilai X akan menyebabkan perubahan pada nilai Y
sebesar 2,48 satuan;

Analisis bangkitan pergerakan (model analisis-korelasi) 181


Persamaan ini mempunyai nilai intersep cukup tinggi yang dapat
mengisyaratkan terdapatnya tingkat galat yang cukup tinggi yang mungkin
disebabkan oleh beberapa faktor berikut:
1 mungkin Y tidak berhubungan secara linear dengan X, bisa saja secara
tidak-linear;
2 mungkin terdapat peubah X lain yang juga mempengaruhi besarisya
pergerakan, misalnya populasi (galat spesifikasi). Akan tampak bahwa
meskipun nilai x=0, masih terdapat bangkitan pergerakan sebesar 89,9. Jelas
ini menandakan peubah sosioekonomi lain yang ikut mempengaruhi
besamya bangkitan pergerakan;
3 terdapat galas dalam pengumpulan data (galas pengukuran).

8.2.2.2 Tarikan pergerakan (untuk pergerakan berbasis rumah) Faktor apa


saja yang mempengaruhi pergerakan berbasis rumah ke zona tertentu dalam suatu
daerah kajian? Peubah yang cocok dapat diselidiki dengan analisis-korelasi, tetapi
persamaan yang dihasilkan biasanya lebih tidak sesuai dibandingkan dengan
persamaan bangkitan pergerakan.
Beberapa kajian yang pemah dilakukan memperlihatkan bahwa peubah tata guna
lahan untuk tarikan pergerakan adalah lapangan pekerjaan, luas daerah, luas
perkantoran, dan luas tempat berjualan. Peubah yang diperlukan dari beberapa
kajian yang pernah dilakukan di Amerika tercantum pada Tabel 8.15 (Black, 1981).

8.2.3 Proses model analisis-korelasi berbasis zona

Dalam melakukan analisis bangkitan pergerakan dengan menggunakan model


analisis-korelasi berbasis zona, terdapat 3 (tiga) metode analisis yang dapat
digunakan.

8.2.3.1 Metode analisis langkah-demi-langkah tipe 1 Metode ini secara ber-


tahap mengurangi jumlah peubah bebas sehingga didapaskan model terbaik yang
hanya terdiri atas beberapa peubah bebas.
Tabap 1: Tentukan parameter sosioekonomi yang akan digunakan sebagai peubah
bebas. Pertama, pilihlah parameter (peubah bebas) yang berdasarkan logika saja
sudah mempunyai keterkaitan (korelasi) dengan peubah tidak bebas.
Kemudian, lakukan uji korelasi untuk mengabsahkan keterkaitannya dengan peubah
tidak bebas (bangkitan atau tarikan pergerakan).
Dua persyaratan statistik utama yang harus dipenuhi dalam memilih peubah bebas
adalah:
• peubah bebas harus mempunyai korelasi tinggi dengan peubah tidak bebas;
• sesama peubah bebas tidak boleh saling berkorelasi. Jika terdapat dua peubah
bebas yang saling berkorelasi, pilihlah salah satu yang mempunyai korelasi
lebih tinggi terhadap peubah tidak bebasnya.

182 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
Tahap 2: Lakukan analisis regresi-linear-berganda dengan semua peubah bebas
terpilih untuk mendapatkan nilai koefisien determinasi serta nilai konstanta dan
koefisien regresinya.
Tahap 3: Tentukan parameter yang mempunyai korelasi terkecil terhadap peubah
tidak bebasnya dan hilangkan parameter tersebut. Lakukan kembali analisis regresi-
linear-berganda dan dapatkan kembali nilai koefisien detemiinasi serta nilai
konstanta dan koefisien regresinya.
Tahap -t: Lakukan kembali tahap (3) satu demi satu sampai hanya tertinggal satu
parameter saja.
Tahap 5: Kaji nilai koefisien determinasi serta nilai konstanta dan koefisien regresi
setiap tahap untuk menentukan model terbaik dengan krite ria berikut:
• semakin banyak peubah bebas yang digunakan, semakin baik model tersebut;
• tanda koefisien regresi (+/—) sesuai dengan yang diharapkan;
• nilai konstanta regresi kecil (semakin mendekati nol, semakin baik);
nilai koefisien determinasi (R) besar (semakin mendekati satu, semakin baik);

8.2.3.2 Metode analisis langkah-demi-langkah tipe 2 Metode ini pada prinsip-


nya mirip dengan metode tipe 1; perbedaannya hanya pada tahap (3), yaitu:
Tahap 3: Tentukan parameter yang mempunyai koefisien regresi terkecil dan
hilangkan parameter tersebut. Lakukan kembali analisis regresi-linear-berganda dan
dapatkan kembali nilai koefisien determinasi serta nilai konstanta dan koefisien
regresinya.

8.2.3.3 Metode coba-coba Sesuai dengan namanya, metode ini melakukan


proses coba-coba dalam menentukan parameter yang dipilih. Secara lengkap,
tahapan metode adalah sebagai berikut.
Tahap 1: Sama dengan tahap (1) metode 1.
Tahap 2: Tentukan beberapa model dengan menggunakan beberapa kombinasi
peubah bebas secara coba-coba berdasarkan uji korelasi yang dihasilkan pada tahap
I. Kemudian, lakukan analisis regresi-linear-berganda untuk kombinasi model
tersebut untuk mendapatkan nilai koefisien determinasi serta nilai konstanta dan
koefisien regresinya.
Tahap 3: Kaji nilai koefisien determinasi serta nilai konstanta dan koefisien regresi
setiap model untuk menentukan model terbaik dengan kriteria yang sama dengan
tahap (5) pada metode langkah-demi-langkah ripe 1.

8.2.4 Contoh penerapan sederhana

Berikut ini akan disampaikan contoh penerapan sederhana proses model analisa-
korelasi berbasis zona dalam suatu daerah kajian dengan jumlah zona sebanyak 10
buah (Tamin, 2003).

Analisis bangkitan pergerakan (model analisis-korelasi) 183


Dalam penerapan min diasumsikan bahwa besarnya bangkitan dan tarikan
pergerakan men.tpakan fungsi dari 3 (tiga) bua11 parameter sosio-ekonomi (produksi
pertanian, penduduk, dan PDRB).
Tabel 8.4 memperinhatkan data bangkitan dan tarikan serta beberapa data parameter
sosioekonomi suatu daerah kajian tertentu.
Tabel 8.4 Data bangkitan dan tarikan serta arameter sosioekonomi
Kendaraan Produksi pertanian Penduduk PDRB
Zona (ribuan smp/thn) (ribu ton/thn) (ribuan) (milyar rupiah)
O, Dd
408 333 964 590
396 311 1,6 687 802
423 321 1,577 594 910
440 337 917 745
174 173 45 84 605
333 239 787 523 692
357 257 829 526 789
341 317 696 571
465 323 621 546 967
10 345 281 1547 662 620
Sumber. Tamin (2003)

Tabel 8.5 memperlihatkan nilai korelasi antarpeubah balk peubah bebas (bangkitan
atau tarikan) maupun peubah tidak bebas (produksi pertanian, penduduk, dan
PDRB).
Tabel 8.5 Matriks koefisien korelasi antar eubah
Dd Pertanian Penduduk PDRB
O; 1,00
Dd 0,90 1,00
Pertanian 0,15 -0,03 1,00
Penduduk 0,75 0,87 -0,13 1,00
PDRB 0,61 0,32 0,37 -0,03 1,00
Sumber: Tamin (2003)

Sebagaimana disyaratkan dalam uji korelasi bahwa untuk memenuhi persyaratan


model matematis, maka antara sesama peubah bebas (independent variable) dan
sesama peubah tidak bebas (dependent variable) tidak boleh saling berkorelasi,
sedangkan antara peubah tidak bebas dan peubah bebas harus mempunyai korelasi
yang kuat (balk positif maupun negatif).

8.2.4.1 Model bangkitan/tarikan dengan 3 peubah bebas Model bangkitan/


tarikan pergerakan dengan 3 (tiga) peubah bebas dapat dinyatakan dalam bentuk
persamaan (8.3).
Y = bo +bt Xt +b2 X2 +b3 X3 di mana: (8.3)
Y = bangkitan atau tarikan (peubah tidak bebas)
X, = peubah bebaspenduduk

184 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
X2 = peubah bebas PDRB
X3 = peubah produksi pertanian
bo = konstanta
bt, b2,134= koefisien regresi

Nilai bo, b1, b2, b9 dapat dihitung dengan menggunakan analisis regresi-linear-
berganda. Nilai bo, 132, b2, b3 bisa didapat dengan menyelesaikan 4 (empat) buah
persamaan linear simultan (8.4)—(8.7) berikut ini.
h n n h
Nbo+b7E'Xli+b2E,X2i+b3EX3i =Eli; (8.4)
i=1 i=1 i=1 i=1
v N N
['' ['' (/ l)2 ['' (/ 11 [` ( l ( l\ (8.5)
bo`X1i +b1L.I lX 1i +b 2 E(X li• X 2il +b 3L (X li• X 3i)= E( X li•Yi)
i=1 i=1 i=1

boLX2i+biE(Xli•X2i)+ b,E(Xu)2 3E(X2i•X3i)= E( X 2i•Yi) (8.6)


ii=l 1 i=1 i=1 i
ii=~( \ =11 (
[ (8.7)
boEX3i +bl(~\Xii•X3iJ +b2E(X2i•X3i)+ b3E\ X3iJ' = VX3i•Yi)
i=1 1=I i=1 i=1 i=1

a Model bangkitan pergerakan Tabel 8.6 memperlihatkan proses perhitungan


dengan menggunakan analisis regresi-linear-berganda untuk mendapatkan model
bangkitan pergerakan.Dengan memasukkan hasil perhitungan Tabel 8.6 ke
persamaan (8.4)—(8.7), maka persamaan (8.8)—(8.11) dapat dihasilkan.
10b0 + 6199b1 + 7291b2 +3844 b3 =3682 (8.8)
6199b0 + 4373027b9 + 4507027b9 + 2226869b9 = 2416279 (8.9)
72911,0+45070271, + 5487369b9 + 2796673b9 = 2746687 (8.10)

3844b0 + 2226869b1 + 2796673b2 +408756215 = 1394.582 (8.11)


Tabel 8.6 Proses perhitungan analisis regresi-linear-berganda untuk mode) bangkitan
eroerakan

No Yi X2i
Xli X3i (XiiJ (x0)2 (A 3,J
1 40: 96 591 1 929296 348100 1
2 39: 68 80. 2 471969 .3204 4
3 42 594 91 1 2 352836 82810 4
441 91 74 8 840889 555025 64
5 174 84 60 45 7056 366025 2025
6 33 52 69. 787 273529 478864 619369

7 IMESMEE 829 276676 622521 687241


8 341 2 484416 3261
04
9 46 621 298116 935089 385641
~
14 NM~,,.,1
Total
=El 1547 438244 384400 2393209
.MIZEMED 3844 4373027 0487309 4087562

Analisis bangkitan pergerakan (model analisis-korelasi) 185


Tabel8.6 Proses perhitungan analisis regresi-linear-berganda untuk model bangkitan
erqerakan ... (sambungan
No (Xir).(X2r) (Xu).(X3i) (X2r).(X3r) (Xir).(Yr) (x2i)-(Yi) (Xsr ).(Yr) .
568760 964 590 393312 240720 408 _•
2 550974 1374 1604 272052 317592 792 _
3 540540 1188 1820 251262 384930 846
4 683165 7336 5960 403480 32780U 3520
5 50820 3780 27225 14616 105270 7830
6 361916 411601 544604 174159 230436 262071
7 415014 436054 654081 187782 281673 295953
8 397416 1392 1142 237336 194711 682
9 527982 339066 600507 253890 449655 _ _ 288765
10 410440 102411 4 959140 228390 213900 533715
Total 4507027 2226869 2796673 2416279 2746687 1394582

Empat persamaan simultan (8.8)—(8.11) kemudian dipecahkan dan menghasilkan


nilai-nilai sebagai berikut.

bo= — 77,428 b,= +0.264


b2= +0,362 b,= +0,0087
Sehingga, dengan menggunakan nilai bo, b,, b2, b, akhirnya didapatkan persamaan
akhir model bangkitan pergerakan adalah:

Y = —77,428 + 0,264Xt + 0,382X2 + 0,0087X3 (8.12)

Dari persamaan (8.12) terlihat bahwa peubah bebas yang dominan dalam
menentukan besamya bangkitan adalah faktor PDRB, diikuti dengan penduduk, dan
terakhir adalah produksi pertanian.
Hal ini dapat dilihat dart besamya koefisien regresi yang dihasilkan. Besarnya
koefisien regresi untuk faktor PDRB sebesar 0,382; faktor penduduk sebesar 0,264;
dan faktor produksi pertanian sebesar 0,0087.

b Model tarikan pergerakan Tabel 8.7 memperlihatkan proses perhitungan


dengan menggunakan analisis regresi-linear-berganda untuk mendapatkan model
tarikan pergerakan.
Dengan memasukkan hasil perhitungan Tabel 8.7 ke persamaan (8.8)—(8.11), maka
persamaan (8.13)—(8.16) dapat dihasilkan.
10b0 + 6199b, + 7291b, + 3844 b, = 2892 (8.13)
6199b0 + 4373027b, + 4507027b2 + 22268691, = 1892095 (8.14)
7291b0 + 45070271, + 54873691 2 + 2796673b, = 2129461 (8.15)
3844bo + 2226869b, + 27966731 2 +4087562b, = 1049148 (8.16)

186 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh coal, dan apllkasi

s I
Tabel 8.7 Proses perhitungan analisis regresi-linear-berganda untuk model tarikan
_per erakan

No Y, (xii)2 GY2i (x )i
33 929296 .8100
311 471969 .32.
321 352836 828100
840889 555025 64

7056 366025 2025

273529 478864 619369

276676 622521 687241


31 6 571 484416 326041
32 54 96 621 , 298116 935089 385.1
281 66 62 1547 438244 384400 2393209
Total 289 619 7291 3844 4373027 .87369 4087562

Tabel 8.7 Proses perhitungan analisis regresi-linear-berganda untuk model tarikan


pergerakan (sambun an)
No (xi, ).(x„) (xi; ).(x3, ) (x2; ).(x3; ) (xi,)(Y,) (x2; ).(y, ) (x3,)-(Y,)
568760 964 590 321012 19.70 333
550974 1374 1604 213657 24.22 622
540540 1188 1820 190674 292110 .2
683165 7336 5960 309029 251065 26.96
50820 3780 27225 14532 104665 7785
361916 411601 544604 124997 165388 188093
415014 436054 654081 135182 202773 213053
397416 1392 1142 220632 181007 634
527982 339066 600507 176358 312.1 200.3
10 410440 1024114 959140 186022 1,220 434707
Total 4507027 2226869 2796673 1892095 2129461 1049148

Empat persamaan simultan (8.13)—(8.16) kemudian dipecahkan dan menghasilkan


nilai-nilai sebagai berikut.
130= +79,52 bi= +0,187
b, +0,135 b3= —0,125
Sehingga, dengan menggunakan nilai bo, bi, b2 , b), akhimya didapatkan persamaan
akhir model tarikan pergerakan adalah:

Y = 79,52+ 0,187b, +0,1351, 2 —0,0125b3 (8.17)


Dad persamaan (8.17) terlihat bahwa peubah bebas yang dorninan dalam
menentukan besamya tarikan adalah fak-tor penduduk, diikuti dengan PDRB, dan
terakhir adalah produksi pertanian.

Analisis bangkitan pergerakan (model analisis-korelasi) 187

_A
Hal ini dapat dilihat dari besamya koefisien regresi yang dihasilkan. Besarnya
koefisien regresi untuk faktor penduduk sebesar 0,187; faktor penduduk sebesar
0,135; dan faktor produksi pertanian sebesar -0,0125.

8.2.4.2 Model bangkitan/tarikan dengan 2 peubah bebas Dari Tabel 8.5, dapat
ditentukan peubah-peubah bebas yang dapat dipilih, yaitu peubah penduduk dan
PDRB. Peubah pertanian tidak dapat digunakan, karena mempunyai koefisien
korelasi yang sangat kecil terhadap peubah tidak bebas baik bangkitan (r-0,15)
maupun tarikan (r-0,03).
Oleh karena itu, peubah bebas pertanian dapat dihilangkan. Dengan demikian,
persamaan regresi-Linear-berganda menjadi:
Y = bo +b1 X1 +b 2 X2 di mana: (8.18)

Y = bangkitan atau tarikan (peubah tidak bebas)


X, =peubah bebas penduduk
Xl = peubah bebas PDRB
bo = konstanta
b,, bZ = koefisien regresi
Nilai bo, b,, bl dapat dihitung dengan memecahkan 3 (tiga) buah persamaan linear
simultan (8.19)-(8.21) berikut.
N N

Nbo+b1EX1; +b2EX2; =EY; (8.19)

boEXti +biE(X1T +h2E(Xu•X2i)= xii.Vi) (8.20)

//
boEX2; +btE(Xii .X2;)+b2E12ir =E0,2;•Y;) (8.21)
i=1 i=1 i=1 i=1

a Model bangkitan pergerakan Tabel 8.8 memperlihatkan proses perhitungan


dengan menggunakan analisis regresi-linear-berganda untuk mendapatkan model
bangkitan pergerakan. Dengan memasukkan hasil perhitungan Tabel 8.8 ke
persamaan (8.19)-(8.21), maka persamaan (8.22)-(8.24) dapat dihasilkan.
10bo + 6199b, + 7291 b, = 3682 (8.22)
6199bo + 4373027b, + 450702711 = 2416279 (8.23)
7291bo + 45070271 , + 5487369b1 = 2746687 (8.24)
Eliminasi persamaan (8.22) ke persamaan (8.23), maka:
(8.22) x 619,9 6199bo + 3842760,1b, + 4519690,91 , = 2282471,8
(8.23) x 1 6199bo + 4373027b, + 45070271, = 2416279
- 930266,9b, + 12663,91 2 =-133807,2 (8.25)

188 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh spat, dan aplikasi
Tabe18.8 Proses perhitungan enalisis regresi-linear-berganda untuk model bangkitan
.er•erakan

NEC21113iiGMISIM '®~ =11=


111211131=EMM : = 0 -1
11:121EZIMEM=ENEEMINIEN:

IIIMIERIIIMomaz1111=MMEME

194711
~
IMINCEMIIIESE 449655

213900

Total 368. 619 7291 437302 5487369 450702 2416279 2746687

Eliminasi persamaan (8.22) ke persamaan (8.24), maka:


(8.22) x 729,1 7291b0 + 4519690,9b1 + 5315868,11 2 = 2684546,2
(8.24) x 1 7291b0 + 4507027b, + 5487369b~ = 2746687

12663,91 1 - 171500,9b2 =62140,8 (8.26)


Eliminasi persamaan (8.25) ke persamaan (8.26), maka:

(8.25) x 1 -530266,9b1 + 12663,9b2 = -133807,2

(8.26) x 41,872 530266 9b - 7181085 685b =-2601959,578


- 7168421,7851 2 = -2735766,778
b2 = 0,382
Substitusi b2 ke persamaan (8.26), maka:
12663,919, - 171500,9.(0,382) = -62140,8

12663,9b, - 65513,344 = -62140,8


b, = 3372,544/12663,91=0,266
Ni1ai bo bisa didapat dengan cara substitusi b, dan b2 ke persamaan (8.22).
lobo + 6199(0,266)+ 7291(0,382) = 3682
10130 + 1648,934 + 2785,162 = 3682
bo = -75,21
Setelah didapat nilai bo, b,, dan b2 maka dapat dibuat model persamaan regresi-
linear-berganda untuk model bangkitan pergerakan adalah:
Y = -75,21 + 0,266X1 + 0,382X2 (8.27)

Analisis bangkitan pergerakan (model analisis-korelasi) 189


Dan persamaan (8.27) terlihat bahwa peubah bebas yang dominan dalam
menentukan besamya bangkitan adalah faktor PDRB dan diikuti dengan penduduk.
Hal ini dapat dilihat dari besarnya koefisien regresi yang dihasilkan. Besarnya
koefisien regresi untuk faktor PDRB sebesar 0,382 dan faktor penduduk sebesar
0,266.

b Model tarikan pergerakan Tabel 8.9 memperlihatkan proses perhitungan


dengan menggunakan analisis regresi-linear-berganda untuk mendapatkan model
tarikan pergerakan.
Tabel 8.9 Proses perhitungan analisis regresi-linear-berganda untuk model tarikan
pergerakan

No Y, Xtt X2t (Xtr)2 (Xz,)Z (x,;)(x2,) (Xtr).(Yi) (Xir).(Yi)


1 196470
2 249422
292110
251065
104665
165388
202773
1810071
312341
10 174220
B9 619 7291 437302 450702 189209 2129461

Dengan memasukkan hasil perhitungan Tabel 8.9 ke persamaan (8.19)—(8.21),


maka persamaan (8.28)—(8.30) dapat dihasilkan.
10bo + 61991, + 7291b2 =2892 (8.28)
6199b0 + 4373027b, + 4507027b, = 1892095 (8.29)
7291b0 + 4507027b, + 54873691, = 2129461 (8.30)
Eliminasi persamaan (8.28) ke persamaan (8.29), maka:
(8.28) x 619,9 6199bo + 3842760,16, + 4519690,91, = 1792750,8
(8.29) x 1 6199b0 + 43730271, + 4507027b = 1892095
—530266,96, + 12663,962 = —99344,2 (8.31)
Eliminasi persamaan (8.28) ke persamaan (8.30), maka:
(8.28) x 729,1 7291bo + 4519690,961 + 5315868,11, = 2108557,2
(8.30) x 1 7291b0 + 4507027b + 5487369b = 2129461
12663,91, —171500,9b, = —20903,8 (8.32)
Eliminasi persamaan (8.31) ke persamaan (8.32), maka:

190 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
(8.31) X 1 —530266,9b, + 12663,9b2 = —99344,2

(8.32) X 41,872 530266,9b, — 7181085,685b5 = —875283,9


— 7168421,7851 , = —974628,114
b2 = 0,136
Substitusi b2 ke persamaan (8.32), maka:
12663,9b, — 171500,9.(0,136) = —20903,8
12663,9b, — 23324,122 = —20903,8
b, = 2420,322/12663,9= 0,191
Nilai bo bisa didapat dengan cam substitusi b, dan b2 ke persamaan (8.28).
lObo + 6199.(0,191) + 7291.(0,136) = 3682
10bo + 1184,009 + 991,576 = 3682
bo = —150,64
Setelah didapat nilai bo, b,, dan b2 maka dapat dibuat model persamaan regresi-
linear-berganda untuk model tarikan pergerakan adalah:
Y =-150,64+0,191X1 +0,136X2 (8.33)
Dari persamaan (8.33) terlihat bahwa peubah bebas yang dominan dalam
menentukan besamya tarikan adalah faktor PDRB dan diikuti dengan penduduk.
Hal ini dapat dilihat dan besarnya koefisien regresi yang dihasilkan. Besamya
koefisien regresi untuk faktor PDRB sebesar 0,136 dan faktor penduduk sebesar
0,191.

8.2.5 Contoh penerapan di provinsi Jawa Barat

Ketiga metode analisis tersebut di atas diterapkan untuk memperkirakan bangkitan


pergerakan di provinsi Jawa Barat dengan 25 kabupaten/kotamadya sebagai unit
zona (lihat, LPM-ITB, 1998c).
Data bangkitan pergerakan didapatkan dant informasi matriks asal—tujuan pada
tahun 1995, sedangkan beberapa parameter sosioekonomi yang dipakai sebagai
peubah bebas didapatkan dart Biro Pusat Statistik (buku Jana Barat Dalam Angka
Tahun 1995), lihat Tabel 8.10.
Parameter sosioekonomi yang dipilih adalah jumlah penduduk, rumah sakit,
persaaaan perdagangan, kamar hotel berbintang, panjang jalan diaspal, dan PDRB,
yang dapat dilihat pada Tabel 8.10.
Tahap I dari setiap metode analisis yang ada mensyaratkan dtlakukannya ujt
korelasi antara sesama peubah bebas dan antara peubah bebas dengan peubah tidak
bebas.
Hal mt dtlakukan sesuai dengan persyaratan statistik yang harus dipenuhi, yaitu
sesama peubah bebas ttdak boleh mempunyai korelasi, sedangkan antara peubah

Analisis bangkitan pergerakan (model analisis-korelasi) 191


bebas dengan peubah tidak bebas hams mempunyai korelasi. Tabel 8.11 berikut
menampilkan hasil uji korelasi yang disyaratkan.
Tabel 8.10 Jumlah ban kitan dan eubah pergserakan or kabu aten 0 rovinsi Jana Barat
Jumlah Panjang Jumlah PDRB
Bangkitan
No Kabupaten pergerakan p=ik jalan dIaspal
(km, peerrduasgaahn7:n kba:mrutE':°,zi r=h)
x, x,
Padeglang 12 035 567 926.316 470 5 706 582 1.053 924
Lebak 7 647 167 963 307 387 2.418, 971.543
Bogor 39.5...0 3 592 .6 10 1 .1 10421 1 036 6.464.158
Sukabuml 18.150.017 1.930 097 813 4.282 385 2.111 595
Cianjur 13.658 862 1 766 413 765 5.204 1 322 1 992 958
Bandung 85.239.366 3.471.886 io 2 406 12.324 316 7 514 143
Garut 13.539.514 1.767.732 713 6.217 40 2 253 897
Tasikmalaya 20.590.3. 1.892.301 822 11.364 87 2.096.317
Ciamis 16 650.652 1 485 334 1 240 10.705 60 2.067 602
10 KunIngan 8.338.062 929.320 508 5 717 70 896.980
11 Cirebon 19.682.714 1 757 629 555 8 285 166 1 777 528
12 Majalengka 9.973.952 1 091 130 746 7.727 1.043.769
13 Sumedang 7.504.292 871.440 574 5.044 1 090.687
lndramayu 14.707.679 1 537.392 507 7.928. 4.964.716
Subang 9.677.077 1 211 990 563 10.747 120 1.667.79
16 Purwakarta 6.769.081 616.852 483 3.171 131 980.760
17 Karawang 11.163.886 1 565 355 577 6.499 174 2.798 437
18 Bekasi 17.463.903 2.383.771 709 13.796 449 6.509.838
19 Tangerang 13.578.144 1.882.352 945 18.610 197 4.040.121
20 Serang 19.972.140 1.618.534 708 8.751 601 5 419.289
21 Kodya Bogor 20.753 695 665.731 260 6.504 115 1.045.309
22 Kodya Sukabumi 2..1.253 229.748 142 2.080 28 512.680
23 Kodya Bandung 57.742.897 1.822 913 23 844 41 038 2 917 6 349 676
24 Kodya Cirebon 7 952 916 255.677 146 5.103 503 8..718
25 _Kodya Tangerang 7.430 .8 1 049 265 205 203 6.014.924
Sumber: LPM-ITB (1998c)

Tabel 8.11 Matriks korelasi antara eubah bebas dan peubah tidak bebas
No Peubah V, x3
Jumlah bangkitan (0,) v,
Jurnlah penduduk x, 0,73 1,00

Jumlah rurnah Sakit 0,69 0,37 1,00

Panjang jalan diaspal (km) x, 0,81 0,86 0,31 1,00


p
Juzil:g
hap
negraunsahaan
0,59 0,38 0,80 0,35 1,00

ilDu
errn
blianhwknagmar hotel
0,50 0,29 0,80 0,19 0,75 1,00

7 PDRB (da)am juta rupiah) X, 0,68 0,75 0,60 0,57 0,49 0,43 1,00
Sumber: LPM-ITB (155I3c)

192 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi

111
Pada Tabel 8.11 dapat dilihat bahwa peubah bebas X2 dan X, mempunyai koefisien
korelasi=0,8. In' dapat dianggap bahwa peubah bebas X2 mempunyai korelasi cukup
tinggi dengan peubah bebas X,.
Jadi, berdasarkan persyaratan yang ada, hanya salah satu saja di antara kedua
peubah bebas tersebut yang boleh digunakan dalam model nantinya. Tentu yang
dapat dipakai adalah peubah bebas yang mempunyai korelasi tinggi terhadap
peubah tidak bebasnya.
Dalam hal ini, peubah bebas X5 yang terpilih, karena mempunyai nilai koefisien
korelasi yang lebih tinggi terhadap peubah tidak bebas Yl dibandingkan dengan
peubah bebas X,.
Dengan berdasarkan hasil uji korelasi pada Tabel 8.11 dapat dilakukan proses
langkah demi langkah sesuai dengan prosedur. Hasil pemodelan bangkitan
pergerakan dengan model analisis langkah-demi-langkah eye I dapat dilihat pada
Tabel 8.12.
Tabe18.12 Hasil pemodelan bangkitan pergerakan dengan model analisis langkah-demi
lanckah tipe 1 di provinsi Jawa Barat
Tanda Tahap
No Peubah yang Parameter
diharap model
kan
-6.727.467 -6.688.372 -6.960.794 -7.205-255 -4.170.726 -3 082 046
Jumlah
pe dudu
n k -232 2,97 -315 -1.97 2.43

Jumlah
2 183 350 2 165 015 1 559 396 1 955 564
rumah sakit
Panjang(km)
diaspal jala n
X> 28 546 25.621 26 292 27 695 26.962 30 545

Jumlah
perusahaa n -218 -223
perdagang an
Jumlah
kamar hotel X.
berbintang
7 PDRB
upiah)(ju ta
0 44 0.45 53

R` 0 686 0,886 r 682 =62 0.665 6E2


F-Stat 2.. 29 656 37 773 52 ,y 21,856 ,5 .129

Sumber: LPM-ITB (1998c)

Berdasarkan kriteria yang telah ditentukan, model terpilih untuk ripe 1 ini adalah
model yang dihasilkan pada tahap ke-5. Beberapa alasan yang mem°ebabkan model
tahap ke-5 yang dipilih sebagai berikut. ~
• Meskipun nilai R2 (=0,669) yang dihasilkan bukan yang tertinggi, tanda
koefisien regresi peubah bebasnya sesuai dengan yang diharapkan (nilai
positif). Tahap ke-4 tidak dipilih meskipun mempunyai nilai R= (41,882)
karena peubah bebas jumlah pendudttk mempunyai nilai negatif (-1,97).
Tanda koefisien regresinya bertolak belakang dengan yang diharapkan.
Sehantsnya, semakin besar jumlalt penduduk suatu zona, semakin besar pula
bangkitan pergerakannya, bukan malah sebaliknya.

Analisis bangkitan pergerakan (model analisis-korelasi) 193


• Nilai konstanta regresi (intersep) termasuk kecil jika dibandingkan dengan
hasil tahap lainnya.
Tabcl 8.13 memperlihatkan hasil pemodelan bangkitan pergerakan dengan
menggunakan model analisis langkah-demi-langkah tipe 2.
Tabe18.13 Hasil pemodelan bangkitan pergerakan dengan metode analisis langkah-demi-
langkah tips 2 di provinsi Jawa Barat

No Peubah
Tanda
yang
diharap
Paramet
modeler
Tahap

kan
Intersep -6 727 467 -6.959 532 -7.750.005 -8.116.695 -7.983.920 5.947.975
JumlaA
penduduk
X, - 2.92 -1,91

Jumlah
Xr 2.183.350 2.296 466 2284361 2.099 465 1.914.231 2.707.143
rumah sakit
Panjang
jalan diaspal X, 28.546 27.993 25.254 24.779 24.914
(km)
Jumlah
perusahaan X. -218 -2233 -214
perdagangan
Jumlah
kamar
berbinthotel
ang
XS -213 -175 -809 -1.662

PDRB
Z Quta - Jri 0,44

0,894 0,886 0,884 0.881 0,880 0,481

F-Stat 23,417 29,396 37,966 51,750 80,427 21,277

Sumber. LPM-ITB (1998c)

Berdasarkan kriteria yang ada, model yang terbaik adalah model tahap ke-5. Peubah
bebas yang menentukan bangkitan pergerakan adalah jumlah rumah sakit dan
panjang jalan yang diaspal. Hasil ini kurang begitu diterima secara logika, karena
parameter jun>lah penduduk yang seharusnya lebih menentukan bangkitan
pergerakan malah tidak termasuk dalam peubah bebas terpilih.
Penyebabnya adalah pada tipe 2 ini penentuan peubah bebas terpilih tergantung
pada nilai koefisien regresinya. Peubah bebas jutnlah penduduk dihilangkan, karena
pada tahap ke-2 mempunyai nilai koefisien regresi terkecil.
Penyebabnya adalah nilai peubah bebas j>,milah penduduk berskala jutaan, yang
tentu sangat berbeda dengan nilai peubah bebas yang lain, misalnya jumlah rumah
sakit yang hanya berskala satuan. Jadi, dapat disimpulkan bahwa model analisis
langkah-demi-langkah tipe 2 hanya bisa digunakan jika satuan nilai setiap peubah
bebas kira-kira sama.
Tabel 8.14 memperlihatkan hasil pemodelan bangkitan pergerakan dengan
menggunakan model analisis coba-coba. Dengan model ini kita dapat membuat
banyak kombinasi model — beberapa di antaranya dapat dilihat pada Tabcl 8.14.
Berdasarkan kriteria yang ada, model yang terbaik dari 6 (enam) kombinasi yang
ada adalah model kombinasi 2. Alasannya adulate:

194 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayesa transportasi:


Teori, contoh soal, dan aplikasi
• Terdapat 5 (lima) peubah bebas yang terlibat, tiga di antaranya mempunyai
nilai koefisien regresi positif, sedangkan koefisien regresi yang mempunyai
tanda negatif nilainya cukup kecil.

▪ Nilai RZ (=0,749) cukup tinggi dibandingkan dengan model kombinasi lain.


. Nilai konstanta regresi (intersep) tidak begitu banyak berbeda dengan model
kombinasi lain.
Tabel8.14 Hasil pemodelan bangkitan pergerakan dengan metode analisis coba-coba di
provinsi Jawa Boat
Tanda Kombinasi
yang Parameter
No Peubah Model
diharap
kan
i -6.727.467 -9.083.243 -6 688 372 -8.277.712 -9-081.142 -8 402.539
Jum ahuduk
ponl
d
(+) -2.92 13,28 -2.97 13,14 13,28 12.96

Jumlah (+) x, 2.183 350 2.611.123 2.165 015 2.189.583 2 612.354 2 039.3^9
rumah sakit
Panj
diaspal ja an
ang(km) l
(+) 28 546 28.621

Jumlah
perusahaan -218 1,28 -223 -109
prdagangan
Jumlah
kamar hotel (.1 x, -213 -4.913 -4.909
berb ritang
PDRB (j uta
ruiah)
x 0,44 -0.85 0,45 -.,69 -0,85

0.886 0,749 0.886 :.741 0.749 ='29


F-Stat 23,417 11,357 29.656 14 232 14.943 12.343
Sumber. LPM-ITB (1988c)

8.2.6 Kajian empiris yang menggunakan model analisis-korelasi


8.2.6.1 Kajian lalu lintas di kota Detroit Pada tahun 1954. Li-ban Tragic: A
Function of Land Else ditulis oleh Mitchell and Rapkin. Sejak itu, banyak penelitian
dan kajian empiris yang dilakukan untuk mempelajari bangkitan pergerakan untuk
semua jenis rata guna lahan dan semua jenis pergerakan.
Rita akan mengilustrasikan pemodelan besarnya bangkitan pergerakan untuk daerah
perrnukiman. Kajian terdahulu menggunakan empat peubah bebas untuk
menghitung bangkitan pergerakan (80-90% dari pergerakan di negara Barat
berbasis nunah), yaitu pemilikan kendaraan, kepadatan petmukiman, jarak ke
daerah pusat kota, dan pendapatan. Hubungan antara setiap peubah bebas (sosio-
ekonomi dan/atau tata guna lahan) terhadap bangkitan pergerakan tersebut dapat
diilustrasikan dalam Gambar 8.4.
Temyata, peubah bebas jumlalt mobil per mmah tangga, pendapatan. dan jarak dari
yeast kota berkorelasi positif terhadap bangkitan pergerakan. Artinya, peningkatan
pada salah sate peubah bebas aim meningkatkan bangkitan pergerakan.
Sebaliknya, peubah bebas kepadatan tumah tangga (juntlah rumah tangga per satuan
luas zona) berkorelasi negatif; artinya semakin padat daerah tersebut, semakin
rendah bangkitan pergerakannya.

Analisis bangkitan pergerakan (model analisis-korelasi) 195


Tabel 8.15 Peubah tarikan pcmceaktt hasil ka ian di Amerika Serikat

Kajian Mivan bekerja uielaan"ja


beTrb reekraekaas"i
sousitiaal":anrg
T
Washingston D.C. E SR SR, DU

New Orleans NRD, DU, SR NRD, DU, C DU, P. C

Kansas City E, A., I, DRD SR, DRD Ps, SR


Ft Worth E.

Charleston E, Ev ER, Sc. Se


Nashville E, Ew, ER Ac, D P, I
Chat.nooga A. P, t
Waterbury E ER

Erie E ER P, ER, Eo
Greensboro E ER

Forgo E, ER P, ER, E.,

Pekerjaan:
E = total lapang. kerja ER = lapangan kerja toko eceran
E, = lapangan kerja Ithusus Ev, = lapangan kerja kantor
ER = lapangan kerja buruh = lapangan kerja lainnya
Tempat toko eceran:
SR = toko eceran Sc = toko sandang
= toko swalayan
Daerah:
A. = luas daerah komersial
Ciri rumah tangga:
P = populasi Ps = orang (5 tahun)
DU = jumlah unit perumahan NRD = orang per luas daerah
DRD = unit perurnahan per kepadatan C = jumlah kendaraan
perrnukiman
I = pendapatan
Sumber: Bla. (1981)
Akan tetapi, jika metode analisis-linear-berganda ini digunalcan di kota Washington
dengan peubah bebas sosioekonomi dan tata guna lahan yang sama dengan kota
Detroit, akan dihasilkan model yang berbeda:
Y = 4,33 + 3,89X, —0,128X, —0,905X, — 0,012X4
Y = jumlah pergerakan per mrnah tangga per zona
X, = rata-rata jumlah mobil per rumah tangga di zona
X, = jarak zona i dari pusat kota Washington dalam mil
X, = oeaagpeesatoaolsasdirona i
X., = rata-rata pendapatan rumah tangga (ribuan dolar) di eona i
Dapat ditafsirkan bahwa setiap unit tambahan rata-rata jumlah kendaraan per metals
tangga, akan meningkatkan bangkitan pergerakan sebesar 3,89 pergerakan per hail,
dan begitu seterusnya untuk peubah bebas lain. Sangat menarik untuk dikaji bahwa
tanda pada koefisien regresi pada persamaan di atas mempunyai tanda yang berbeda

196 OfyarZ Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi

A
dengan yang diperkirakan dari Gambar 8.4 untuk kota Detroit, khususnya untuk
peubah jarak zona ke pusat kota dan pendapatan rumah tangga.
Y* Y~

0,4 0,8 1,2 t


0 0,4 0,8 1,2 X
mobil/keluarga jarak ke DPB (mil)
YA VA
12 12

00 0,4 0,8 1,2 t 00 0,4 0,8 1,2 t


pendapatan (indeks) keluarga /a rc

Gambar 8.4 Bangkitan pergerakan dengan peubah yang berbeda-beda di Detroit


Sumber: Black (1981)

Ini membuktikan bahwa meskipun peubah bebas sosioekonomi dan tata guna
lahannya sama, perilaku bangkitan pergerakan di kedua kota itu berbeda karma
memang kota Detroit dan Washington memiliki ciri yang berbeda, meskipun berada
di negara yang sama. Bisa dibayangkan apabila kita menggunakan persantaan kota
Washington untuk kota Bandung atau DKI-Jakarta.
Hal ini tentunya akan menghasilkan taksiran bangkitan pergerakan yang sangat
berbeda dari kenyataannya karma memang ciri kedua kota tersebut pasti sangat
berbeda (Washington berada di negara maju sedangkan DKI-Jakarta di negara
sedang berkembang).

8.2.6.2 Kajian pengembangan jaringan jalan di Pulau Jawa Tamin (1997ab)


mengkaji tahapan perhitungan bangkitan dan tarikan pergerakan yang merupakan
fungsi dari beberapa peubah bebas berupa parameter sosioekonomi dan tata guna
lahan. Pulau lasso dibaginya menjadi beberapa zona yang berbasis kabupatm
sebagai unit terkecil.
Terdapat 3 (tiga) jenis bangkitan dan tarikan pergerakan yang diinginkan, yaitu
untuk penumpang, barang, dan kendaraan. Beberapa peubah bebas berupa
parameter sosioekonomi dan tata guna lahan telah digunakan antara lain populasi,
PDRB, PDRB per kapita, luas industri, produksi pertanian, perkebunan, dan

Analisis bangkitan pergerakan (model analisis-korelasi) 197


perikanan. Uji korelasi antara sesama peubah bebas dan antara peubah bebas dengan
peubah tidak bebas harus dilakukan sebagai persyaratan statistik utama dalam
proses pemodelan bangkitan dan tarikan pergerakan.
Setelah melalui proses langkah-demi-langkah ()ihat subbab 8.2.3) didapat hasil
pemodelan bangkitan/tarikan pergerakan pada Tabel 8.16-8.18.
Tabel 8.16 Korelasi bangkitan dan tarikan dengan peubahnya untuk zona Jawa Barat dan
DKI-Jakarta
Peubah tak bebas Persamaan regresi R2

Tarikan penumpang De pnp = 12,324 X, - 9.591.866,4606 0,7846

Tarikan kendaraan De kend = 0,008 X, - 6.805,6904 0,9214

Tarikan barang Da kom = 2,285 X, + 74,7153 - 1.830.874,8960 0,9050

Bangkitan penumpang O, pnp = 12,386 X, - 9.658 075,9873 0,8121

Bangkitan kendaraan 0, kend = 0,009 X, - 1.953.498,4519 0,9513

Bangkitan barang O, kom = 2,358 X, + 244,4363 Xz - 2.014.293,0930 0,9141

X, = Jumlah penduduk X2 = PDRB per kapita (ribuan rupiah)


Tabel 8.17 Korelasi bangkitan dan tarikan dengan peubahnya untuk zona Jawa Tengah dan
DI-Yogyakarta
Peubah tak bebas Persamaan regresi R2

Tarikan penumpang Dd pnp = 17,7255 X, + 4.788,709 Xz - 11.403.673,06 0,5779

Tarikan kendaraan Ds kend = 0,0069 X, + 2,2308 Xa -4.927,6265 0,4300

Tarikan barang De kom = 2,3566 X, + 969,0871 Xz - 1 .569.031,53 0,6026

Bangkitan penumpang O, pnp = 18,5003 X, + 4.953,382 Xz - 12.071.898,62 0,5764

Bangkitan kendaraan O,kend = 0,0053 X, +2,1705 X•1 - 3.442,4869 0,4871

Bangkitan barang O, kom = 2,3930 X, + 973,0038 Xa - 1.594.616,475 0,6012

X, = Jumlah penduduk X2 = PDRB per kapita (ribuan rupiah)


Tabel 8.18 Korelasi ban kitan dan tarikan dengan peubahn a untuk zona Jawa Timur
Peubah tak bebas Persamaan regresi R2

Tarikan penumpang Da pnp = 13,5417 X, + 21.018,3 Xz -18.740.401.1 0,6121

Tarikan kendaraan Do kend = 0,0115 X, + 18,7714 X2 - 17.562,4125 0,5851

Tarikan barang D,, kom = 3,9548 X, + 780,87 X - 6.238.614,26 0,6348

Bangkitan penumpang O, pnp = 13,6368 X, + 21,100,9 X, - 18.820.746,5 0,6137

Bangkitan kendaraan O, kend = 0,0110 X, + 18,4785 X2 - 16.967,8814 0,5569

Bangkitan barang O, kom = 4,0526 X, + 7.902,21 X7 - 6.368.438,37 0,6343


X, = Jumlah penduduk X2 = PDRB per kapita (ribuan rupiah)

Dari ketiga tabel tersebut terlihat bahwa parameter jumlah penduduk dan PDRB per
kapita merupakan peubah bebas yang dominan daises menghasilkan bangkitan dan

198 Ofyar Z Tamin, Perencanaan, penlodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
tarikan pergerakan. Terlihat bahwa setiap provinsi mempunyai model bangkitan dan
tarikan yang berbeda-beda, menandakan perilaku dan ciri masing-masing.

8.2.6.3 Kajian standardisasi bangkitan dan tarikan lalu lintas di zona Bandung
Raya LPM-ITB (1998c) dan Tamin dkk (1994,1999c) melakukan kajian
standardisasi bangkitan dan tarikan di zona Bandung raya. Model bangkitan dan
tarikan di sini mengambil bentuk persamaan matematis yang diturunkan melalui
analisis-korelasi berdasarkan data dari basil survei lapangan (survei primer dan
sekunder).
Bentuk persamaan regresi yang akan dikembangkan sebagai model dalam kajian ini
dibagi menjadi 2 (dua) kelompok utama berikut ini.
• Persamaan regresi peubah tunggal (hanya memiliki satu peubah bebas).
Bentuk annum persamaan regresi peubah tunggal dapat berupa:
Y = A + BX (linear)
Y = A + B loge (X) (linear-logaritmik)

Y = A(X)B (linear-pangkat)

Y = Ae[n`t1 (linear-eksponensial)
Persamaan regresi-berganda (memiliki lebih dari satu peubah bebas). Bentuk
umuntnya sebagai berikut.
Y = A+B5 Xt +B,X2 +...+BN XN
Y = peubah tidak bebas (bangkitan atau tarikan)
Xi, X2, XN = peubah bebas (karakteristik rata guna lahan)
A, B,, B2, BN = konstanta dan koefisien regresi
Selain model analisis-korelasi, untuk penggunaan model yang lebih praktis dapat
juga digunakan model trip rate (tingkat bangkitan pergerakan rata-rata per satuan
peubah bebas), lihat Tamen dan Lazuardi (1997). Hal yang perlu diperhatikan
adalah berapa joule besaran yang dihasilkan dengan menggunakan nilai rerata
tersebut neenyimpang dan kurva model yang dihasilkan.
Data yang digunakan untuk pengembangan model bangkitan dan tarikan lalu lintas
dikumpulkan dari kawasan yang sesuai dengan kawasan tinjauan. yaw perkantoran,
pendidikan, dan perumahan. Agar dapat mewakili seluruh kawasan tinjauan di zona
Bandung Raya, dipilih lokasi berdasarkan patokan karakteristik dan lokasi.
Lokasi perkantoran dipilih dari kantor pemerintah, swasta, dan 'cantor pelayanan
masyarakat. Sementara itu, lokasi sekolah dipilih antara sekolah dasar, sekolah
menengah pertama, sekolah mengengah umum, dan pe bguruan tinggi. Perumahan.
di antaranya perumahan BTN, perunmas, dan hunian mewah. Semua lokasi dipilih
tersebar di zona Bandung Raya.
Agar diperoleh model yang optimum. perlu dipilih peubah bebas (dan
karakteristiknya) yang paling signifikan (paling tinggi korelasi statistiknya dengan

Analisis bangkitan pergerakan (model analisis-korelasi) 199


bangkitan dan tarikan pergerakan). Untuk kawasan perkantoran, peubah bebas yang
paling signifikan adalah jumlah pegawai, sedangkln karakteristik lainnya seperti
luas tanah dan hangman, meskipun tidak sesignifikan jumlah pegawai, juga
memiliki korelasi yang tidak terlalu kecil.
Untuk kawasan pendidikan, luas tanah dan bangunan memiliki korelasi yang sangat
rendah dengan bangkitan dan tarikan pergerakan. Sebaliknya, peubah tidak bebas
yang dapat menggambarkan bangkitan dan tarikan kawasan pendidikan adalah
jumlah kelas, jumlah murid, jumlah guru, dan jumlah karyawan (nonguru).
Untuk perumahan, peubah rumah tangga yang paling signifikan adalah jumlah
penghuni, jumlah pemilikan kendaraan, dan luas bangunan atau tipe rumah. Model
akhir diperoleh melalui proses kalibrasi dan dipilih yang optimum dari hasil uji
statistik. Hasil akhir model untuk setiap kawasan melibatkan peubah bebas yang
paling signifikan. Hasil akhir model bangkitan dan tarikan pergerakan untuk zona
Bandung Raya dapat dilihat pada Tabel 8.19 dan pada Gambol. 8.5-8.6.

8.2.7 Model analisis-korelasi berbasis rumah tangga

Keragaman dalam suatu zona (intrazona) mungkin bisa dikurangi dengan


memperkecil luas zona, apalagi jika zona tersebut homogen. Akan tetapi, zona yang
lebih kecil juga akan mempunyai keragaman yang cukup besar dan mempunyai 2
(dua) konsekuensi :
• model menjadi lebih mahal dalam hal pengumpulan data, kalibrasi, dan
operasi;
• galat sampel menjadi lebih tinggi.
Oleh karena itu, sangatlah masuk akal jika kta merumuskan model yang tidak
berdasarkan batas zona. Pada awal tahun 1970-an, unit analisis yang paling cocok
adalah rumah tangga (bukan individu). Pada penerapan pemodelan berbasis rumah
tangga, data setiap rumah dipakai sebagai masukan data vektor sehingga semua
fluktuasi mengenai ciri rumah tangga dan perilakunya dapat semuanya
dipertimbangkan dalam model tersebut.
Proses kalibrasi menggunakan metode langkah-demi-langkah, menguji setiap
peubah secara bergantian sampai didapatkan model terbaik. Kita hams waspada
dengan paket program yang menyediakan proses langkah-demi-langkah secara
otomatis karena proses tersebut dapat saja mengambil tindakan yang bertolak
belakang dengan tujuan.

8.2.8 Contoh penerapan model analisis-korelasi berbasis rumah


tangga

Pertimbangkan peubah pergerakan per rumah tangga (Y), jumlah pekerja (X1), dan
jumlah mobil (X1). Tabel 8.20 memperlihatkan hasil langkah secara benuutan dari
proses taksiran langkah-demi-langkah. Baris terakhir pada tabel tersebut adalah nilai
nisbab-t (persamaan 8.9). Dengan asumsi ukuran sampel cukup besar, jumlah
derajat kebebasan (n-2) juga merupakan angka yang besar sehingga nilai t dapat
diperbandingkan dengan nilai kritis 1,645 untuk tingkat kepercayaan 95%.

200 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Mod, contoh soal, dan aplikasi
Kawasan/tata guna lahan

Y=1,639(XI) +8,437(X,) +33,897


Perkantoran (kendaraan/jam)

g,

7,1 17 1:
Y.47,69 (X0 +10,21
Sekolahdasar (kendaraan/jam)

3
7-
1

g
Sekolahlanjutan (kendaraan/jarn)

,̀3

>1- • •
g
(kendaraan/jam) Y. 164,53log, (X.)— 165,58
7=2,3383(X ) +367,72

2

1
1
Perumahan ( kendaraan/jam)

.
7 1

LEE-212-2"
Analisis bangklIan pergerakan (model analisls-korelas()
'
8--

Ka="Zroto7au

;.9
,0
I .1
Plat Oa...

Gambar 8.5 Model bangkitan dan tarikan zona Bandung Raya untuk kawasan perkantoran
dan pendidikan (Surnber: LPM-ITB, 1998c)

202 OfyZ Tamin, Perencanaan, pemode/an, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
Bang.. •

Pia D..

Ilatatiallaifilnahan Kawasen.esnutaban
(Generd
13..jkda, - - Talon -
Bang.. Kndar..,

1.52 (■2 O.
dan

:Mi. •...204

Garnbar 8.6 Model bangkitan dan tarikan zona Bandung Raya untuk kawasan perumahan
(Sumber: LPM-ITB, 1998)c

Analisis bangkitan pergerakan (model analisis-korelasi) 203


Tabel 8.20 Contoh roses langkah-demi-langkah
Tahap Persamaan R2
Y. 2,36 X, 0,203
Y. 1,80 X, + 1,31 X2 0,325
Y. 0,91 + 1,44 X, + 1,07 X2 0,384
(3,7) (8,2) (4,2)

Model ketiga adalah persamaan yang baik, meskipun mempunyai nilai R2 yang
kecil. Nilai intersep sebesar 0,91 tidaklah terlalu besar (jika dibandingkan dengan
faktor 1,44 dari jumlah pekerja) serta peuballnya tidak sama dengan nol (Ho akan
ditolak pada semua kasus).
Sebagai petunjuk untuk melihat seberapa baik model ini bisa didapat, bisa dilakukan
dengan cars membandingkan pergerakan hasil pemodelan dengan basil pengamatan
untuk beberapa kelompok data (lihat Tabel 8.21).
Tabe18.21 Perbandingan pergerakan per rumah tangga (hasil pengamatan per hasil
emodelan
Jumlah yang bekerja dalam satu rumah tangga
Jumlah mobil
3 atau lebih
0,9/0,9 2,1/2,4 3,4/3,8 5,3/5,6
3.212,0 3,5/3,4 3,7/4,9 8,5/6,7
2 atau lebih 4,1/4,6 4,7/6,0 8,5/7,8

Cara ini jauh lebih baik daripada membandingkan jumlah, karena dalam hal ini
galat lain akan saling menutupi sehingga bias tidak terdeteksi. Dapat dilihat bahwa
kebanyakan sel mempunyai galat di bawah 30%.

8.2.9 Masalah ketidaklinearan


Telah kita lihat bahwa model analisis-korelasi mengasumsikan bahwa setiap peubah
bebas mempunyai pengaruh yang bersifat linear terhadap peubah tidak bebas.
Tidaklah mudah mendeteksi kasus ketidaklinearan karena sebenarnya hubungan
linear bisa berubah menjadi tidak-linear jika terdapat peubah tambahan lain dalam
model.
Contoh pada Gambar 8.7 memperlihatkan data setiap rumah tangga yang
distratifrkasikan sesuai dengan pemilikan kendaraan dan jumlah pekerja. Terlihat
bahwa perilaku pergerakan bersifat tidak-linear terhadap ukuran nimah tangga.
Penting diketahui bahwa terdapat kelas peubah yang mempunyai sifat kualitatif
yang mempunyai perilaku tidak-linear (misalnya usia, kelamin, pekerjaan).
Secara umum, terdapat dua metode yang dapat digunakan dalam menggabungkan
peubah-peubah tidak-linear dalam sushi model, sebagaimana yang dijelaskan
berikut ini.
1 Transformasikan peubah tersebut sehingga menjadi linear (misalnya dengan
fungsi logaritma atau pemangkatan). Akan tetapi, memilih jenis transformasi

204 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
yang cocok tidaklah mudah karena kalau salah, permasalahan akan menjadi
lebih rwnit.


1 Mobil
1 Pekerja

2 4-

D 3-
c rn
Y ~
Z- 0 Mobil
rnw ~
1 Pekerja
a d


2 3 4
Anggota keluarga Gambar 8.7
Contoh ketidaklinearan
2 Gunakan peubah fiktif. Pada kasus ini, peubah bebas yang dikaji dibagi
menjadi beberapa interval diskret dan setiap interval tersebut dianalisis terpisah
di dalam model. Dalam bentuk ini, tidak perlu diasumsikan peubah tersebut
linear karena setiap bagian dipertimbangkan secara terpisah dalam perilakunya.
Contohnya, jika pemilikan kendaraan yang dipermasalahkan, interval yang
cocok adalah 0, I, dan 2` (dua atau lebih) kendaraan per rumah tangga.
Setiap sampel rumah tangga hanya akan tergolong dalam satu interval saja,
selvngga nilai peubah fiktifnya adalah I untuk interval tersebut dan 0 untuk
interval lainnya.
Dengan mudah dapat dilihat balsam hanya dibutuhkan (N-1) peubah fiktif
dalam N interval.

8.2.10 Contoh pemecahan masalah ketidaklinearan

Pertimbangkan model pada subbab 8.2.8 dan asumsikan bahaa peubah X2


digantikan dengan beberapa peubah fiktif berikut ini.
• Z,, yang mempunyai nilai 1 untuk rumah tangga dengan satu kendaraan dan
nilai 0 untuk kondisi lainnya.
• Z5, yang mempunyai nilai 1 untuk rumah tangga dengan dua atau lebih
kendaraan dan nilai 0 untuk kondisi lainnya.
Dengan mudah dapat dilihat bahwa untuk ntmah tangga yang tidak mempunyai
kendaraan, nilai Z6 dan Z2 adalah 0. Model tahap ke 3 pada Tabel 8.20 sekarang
menjadi:
Y = 0,84 + 1,41X, + 0,75Z, + 3,14Z2 R2 = 0,387
(3,6) (8,1) (3,2) (3,5)

Analisis bangkitan pergerakan (model analisis-korelasi) 205

.41
Meskipun nilai R'-nya tidak lebih baik, model ini lebih baik dibandingkan dengan
model sebelumnya karena efek tidak-linear Xs (atau dan Z2) sangat dominan
sehingga tidak bisa diabaikan begitu saja.
Perhatikan, jika koefisien peubah fiktif (misalnya 1 dan 2), dan jika sampel tidak
mempunyai nunah tangga yang memiliki dua atau lebih kendaraan, efeknya akar
menjadi linear, seperti tergambar pada Gambar 8.8.
• 2 atau lebih mobil

A9
10 • •
0 •
m e •'•
' 1 mobil

• 7

� 5•

Y 3•
dV
a rz 2 •

Gambar 8.8
2 g q Model analisis-korelasi dengan
]umlah pekerja (X,) peubah fiktif

Jika kita perhatikan Gambar 8.8, ada pertanyaan yang timbul: tidakkah lebih baik
jika ditaksir dengan regresi yang berbeda untuk setiap data yang ada pada setiap
kelompok sehingga kita bisa mendapatkan garis yang kemiringannya berbeda-beda
(koefisien Xi)?
Jawabannya pada umumnya adalah `tidak', tergantung dari apakah kita mempunyai
data yang cukup untuk setiap kelompok. Buktinya, model dengan peubah fiktif
mengganakan semua data yang ada, sedangkan dengan regresi terpisah hanya
menggunakan sebagian data yang ada dan ini jelas tidak menguntungkan.
Hal yang menarik adalah penggunaan peubah fiktif akan mengurangi masalah
multikolinear pada data (lihat Douglas dan Lewis,1970,1971).

8.2.11 Mendapatkan nilai zona keseluruhan


Untuk model berbasis zona, nilai zona keseluruhan mudah didapat karena model
tersebut ditaksir dengan menggunakan data berbasis zona. Akan tetapi, pada model
berbasis data rumah tangga dibutuhkan tahap pengelompokan.
Karena model tersebut linear, masalah pengelompokan dapat dipecahkan dengan
menggunakan nilai rata-rata setiap zona untuk setiap peubah yang ada pada model
tersebut dan kemudian mengalikannya dengan junilah rumah tangga yang ada di
setiap zona.
Akan tetapi, untuk model tidak-linear, permasalahan pengelompokan ini dapat
menjadi sangat rumit. Jadi, untuk model ketiga dari Tabel 8.20, akan kita dapatkan:
T,— H, (0,91 + 1,44 X,;+ 1,07XZ,)

206 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
dengan T, adalah jumlah pergerakan yang berbasis naniah di dalam zona tersebut, H,
adalah jumlah rumah tangga di zona tersebut, dan adalah rata-rata nilai dari
zona tersebut.
Sebaliknya, jika digunakan peubah fiktif, perlu juga diketahui jumlah rumah tangga
untuk setiap kelas di zona tersebut; contohnya, pada subbab 8.2.10 kits
mensyaratkan:
- H, (0,84 + 1,41 X,; ) + 0,75H„ + 3,14 Hz;
T,-

dengan adalah jumlah rumah tangga yang mempunyai kelasl di dalam zona i.
Dalam kasus ini kita lihat ada keuntungan lain dalam penggunaan peubah fiktif.
Untuk mengelompokkan model-model tersebut, dibutuhkan taksiran jumlah rata-
rata pekerja di dalam setiap rumah tangga untuk setiap kelompok nunah tangga
yang mempunyai kendaraan di setiap zona, yang perhitungannya tampak menjadi
sangat rumit.

8.2.12 Mencocokkan hasil bangkitan pergerakan dengan tarikan


pergerakan
Model bangkitan dan tarikan pergerakan dibentuk secara terpisah. Pembaca pasti
mengetahui bahwa model tidal( akan selalu dapat menghasilkan jumlah pergerakan
yang dibangkitkan (dari setiap zona asal O,) yang selalu sama dengan jumlah
pergerakan yang tertarik (ke setiap zona tujuan Dd).
Pada kenyataannya, junilah keduanya hatus sama untuk setiap tujuan pergerakan.
Ini dapat diwujudkan dengan menggunakan tarikan pergerakan untuk setiap zona
sebagai ukuran relatif daya tarik.
Dengan kata lain, dapat digunakan untuk memberi bobot ke setiap zona tergantung
dengan relatif daya tariknya. Dengan cara ini, total tarikan dapat dibuat sama
dengan total bangkitan, untuk setiap tujuan pergerakan. Untuk itu, suatu syarat batas
berupa persamaan berikut diperlukan:
0, =IDe (8.34)
~ e
Syarat batas ini harus dipenuhi karena sangat dibutuhkan pada tahap berikutnya,
yaitu sebaran pergerakan. Tidaklah mungkin kits mempunyai Matriks Asal—Tujuan
(MAT) yang mempunyai nilai T yang berbeda-beda apabila kits jumlahkan semua
bans (O,) dengan menjumlahkan semua kolom (Dd) (lihat Bab 11).
Solusinya bersifat pragmatik, yang mencoba melihat kecenderungan hasil kajian
yang menyatakan bahwa biasanya model bangkitan pergerakan jauh lebih balk
dibandingkan dengan model tarikan pergerakan.
Misalnya model bangkitan pergerakan menggunakan model yang didasarkan pada
data rumah tangga atau individu dengan peubah yang baik, sedangkan model tarikan
pergerakan didasarkan hanya pada data agregat berbasis zona.
Oleh karena itu, secara praktis dapat kits lihat bahwa jumlah pergerakan yang
dihasilkan dengan menjumlahkan semua zona asal (Or ) merupakan nilai yang benar
untuk T.

Analisis bangkitan pergerakan (model analisis-korelasi) 207


Dan Dd hams dilcalikan dengan faktor modifikasi seperti terlihat pada persama.
(8.35) yang akan menjamin penjumlah. semua Dd pasti akan selalu sama dengan
T.
f =T (8.35)

8.3 Kumpulan soal

Saudara diminta untuk membuat model bangkitan dan tarikan pergerakan


dengan menggunakan model analisa-korelasi berbasis zona pada suatu daerah
kajian dengan jumlah zona sebanyak 20 buah.
Diasumsikan bahwa besamya bangkitan dan tarikan pergerakan merupakan
fungsi dart 3 (tiga) buah parameter sosio-ekonomi (produksi pertanian,
penduduk, dan PDRB).
Tabel 8.22 memperlihatkan data bangkitan dan tarikan pergerakan serta
beberapa data parameter sosioekonomi pada daerah kajian tersebut.
Tabel 8.22 Data ban kitan dan tarikan serta parameter sosioekonomi
Kendaraan Produksi pertanian Penduduk PD.
Zona (ribuan smp/thn) (ribu tan/the) (ribuan) (milyar rupiah)
0, Do,
418 313 914 510
326 321 1,7 627 822
433 331 1,587 534 930
440 347 947 745
154 153 54 655
363 269 782 53 662
377 277 835 576 779
381 387 686 581
495 393 623 596 997
3.95 291 1549 692 600
11 498 393 994 590
386 381 1,9 687 882
473 371 1.584 574 970
460 367 967 765
154 153 42 54 655
343 249 783 543 .2
337 237 824 536 739
321 327 626 521
415 313 626 516 917
20 305 201 1547 602 690

Tabel 8.23 memperlihatkan nilai korelasi antarpeubah bark peubah bebas


(bangkitan atau tarikan) maupun peubah tidak bebas (produksi pertani.,
penduduk, dan PDRB).

208 Ofyar ZTarrir, Perencanaan, pernodelan, dan rekayasa transportasi:


Teori, contoh soar, dan aplikasi
Tabel 8.23 Matriks koefisien korelasi antarpeubah
0; Dd Pertanian Penduduk PDRB
0; 1.00

Dd 0,85 1,00

Pertanian 0,19 -0,05 1.00

Penduduk 0,85 0,89 -0,16 1.00

PDRB 0.65 0,35 0,32 -0.09 1,00

2 Saudara diminta untuk membuat model bangkitan data tarikan pergerakan


dengan menggunakan model analisa-korelasi berbasis zona pada suatu daerah
kajian dengan jutnlah zona sebanyak 20 buah.
Diasumsikan bahwa besamya bangkitan data tarikan pergerakan merupakan
fungsi dari 2 (dua) buah parameter sosioekonomi. Tabel 8.22 memperlihatkan
data bangkitan data tarikan pergerakan serta beberapa data parameter
sosioekonomi suatu daerah kajian tertentu.
3 Saudara diminta untuk membuat model bangkitan pergerakan dengan
menggunakan model analisa-korelasi berbasis zona pada suatu wilayah
propinsi tertentu dengan basis zona merupakan zona kabupaten%kota.
Diasumsikan bahwa besamya bangkitan pergerakan merupakan fungsi dari
beberapa buah parameter sosio-ekonomi sebagaimana terlihat pada Tabel 8.24.
Tabel 8.24 Jumlah bangkitan, tarikan, serta peubah pergerakan per kabupeten di provinsi

per(rVoidbagauumoton)gan
tertentu
Jumlah PDRB
rupiah)Quta
Pa niang l Volume
Bangkitan Tarikan
No Kabupaten pergerakan pergerakan
pendudu
k
Jumlah
hotel
ialan
(km)
n Pertanian
(ribu ton)
Y, Y, X, X, X~ X, X. Xs
Kab 1 13.035.567 11 .015.967 1026.316 00 490 5.206 512 1.153.924
2 Kab 2 8.647.167 7.627.867 1163.307 300 387 2.518 234 1.071.543
Kab 3 38.564.090 31.534 790 3 892.646 1000 1 571 10 121 1.236 6 564 158
Kab 4 17.150.017 11.140.617 1.830.097 325 823 4.282 485 2.611595
5 Kab 5 14.6 58.86 2 12.658.562 1.866.413 225 735 5.304 1.572 1.792 958
6 Kab 6 84.239.366 80.269.466 3.571.886 2 446 12.424 616 7.814 143
7 Kab 7 1
12.539.514 11.579.314 1.867.732 212 753 6.577 770 2953.897
8 Kab 8 21.590.334 20.580.234 1.992.301' 225 862 11 E64 4 377 2.096.317
9 Kab 9 17.6 50.852 12.690.152 1.585 334 375 1 270 10 705 670 2.167.602
10 Kab 10 7.338.062 5.308.962 1.029.320 389 588 5.817 770 1896.980
11 Kab 11 20.682 714 17.612.814 1.657 629 556 595 8 985 266 1.177 528
12 Kab 12 10.973.952 9.923 752 1 191.130 223 706 7 127 345 1 243 769
13 Kab 13 8.504.292 7.534 692 971 440 156 514 5.2, 456 1 .390 687
14 Kab 14 15.707.679 11.74 7.579 1.637 392 567 4 464 716
223 527 7.326
15 Kab 15 10.677.077 8.657.477 1.311.990 389 533 10.447 320 1.567..'::.
16 Kab 16 7.769.081 5.769.381 716.852 256 443 3 571 431 1.150 760
17 Kab 17 12.163 886 9.173.286 1.665.355 324 557 6 699 574 2.895.437
18 Kab 18 18.463.903 12.483.103 2.483 771 778 769 13 796 649 6 909 53F,'
19 Kab 19 14.578.144 11 .598.044 1 982 352 545 975 18 810 797 424:
20 Kab 20 20.9 7 2.140 18.902.940 1.718.534 324 788 8 951 801 5.3,

Analisis bangkitan pergerakan (model analisis-korelasi) 209


Tabel 8.24 memperljhatkan data bangkitan dan tarjkan pergerakan sena
beberapa data parameter sosioekonomi suatu daerah kajjan tertentu.
Tahap 1 dari setiap metode analisis-korelasi yang ada mensyaratkan
dilakukannya uji korelasi antara sesama peubah bebas dan antara peubah bebas
dengan peubah tidak bebas.
Hal int dilakukan sesuai dengan persyaratan statistik yang harus dipenuhi, yaitu
sesama peubah bebas tidak boleh mempunyai korelasi, sedangkan antara
peubah bebas dengan peubah tidak bebas hares mempunyai korelasi.
Tabel 8.25 berjkut menampilkan hasjl ujj korelasi yang disyaratkan.
Tabel 8.25 Matriks korelasi antara eubah bebas dan eubah tidak bebas
No Peubah Yt Y2 X, X2 Xs Xd Xs X6

Jumlah bangkitan (a,) 1,00

Jumlah tarjkan ( rid ) Yz 1,00

Jumlah penduduk X, 0,78 0,71 1,00

Jumlah hotel X= 0,70 0,60 0,39 1,00

Panjang jalan (km) X, 0,85 0,90 0,82 0,32 1,00

Volume(ribperu on)agangan
d
t
Xd 0,60 0,65 0,39 0,82 0,30 1,00

Volume
(ribupertanian
ton) Xs 0,53 0,43 0,34 0,85 0,29 0,85 1,00

PDRB Iota rupiah) X6 0,69 0,59 0,79 0,62 0,65 0,59 0,45 1,00

a Saudara diminta untuk membuat model bangkitan dan tarjkan pergerakan


dengan menggunakan metode analisis-korelasi (analisis langkah-demi-langkah
ripe 1)?
b Saudara diminta untuk membuat model bangkitan dan tarjkan pergerakan
dengan menggunakan metode analisis-korelasi (analisis langkah-demi-langkah
ripe 2)?
c Saudara diminta untuk membuat model bangkitan dan tarikan pergerakan
dengan menggunakan metode analisis-korelasi (analisis coba-coba) masjng-
masing diminta membuat 5 buah kombjnasj model?
d Saudara diminta membandjngkan basil model bangkitan dan tarjkan
pergerakan yang telah saudara dapatkan dart soal 3a, 3b, dan 3c?
e Dari jawaban coal 3d, saudara diminta untuk menentukan model bangkitan dan
tarjkan pergerakan mana yang saudara pjlih sebagaj model yang terbaik?

210 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi

Jim
• Analisis bangkitan pergerakan
(model analisis-kategori)

Pada Bab 8 telah dijelaskan model bangkitan pergerakan berdasarkan analisis-


korelasi; sedangkan pada Bab 9 akan dijelaskan model berdasarkan analisis-
kategori.
Subbab 9.1 menjelaskan pendefinisian peubah dan spesifikasi model berdasarkan
analisis-kategori (subbab 9.1.1), penerapan model pada tingkat agregat (subbab
9.1.2), berikut dengan tahapan perhitungan (subbab 9.1.3), serta contoh penerapan
sederhana (subbab 9.1.4).
Beberapa perbaikan model dasar metode analisis-kategori yang telah dikembangkan
disampaikan pada subbab 9.2; sedangkan subbab 9.3 menjelaskan tentang
pendekatan anal isi s-kategori-orang.

Subbab 9.4 menjelaskan tentang peramalan peubah dalam analisis bangkitan


pergerakan berdasarkan analisis-kategori. Kemudian, akan diteniskan dengan
metode analisis kategori silang — kita akan mempelajari tidak hanya spesifikasi
analisis kategori-orang, tetapi juga pendekatannya.
Bab 9 ini diakhiri dengan penjelasan tentang prosedur peramalan peubah yang
digunakan untuk memodel bangkitan pergerakan pada nlasa mendatang.

9.1 Model klasik

9.1.1 Pendahuluan

Metode analisis-kategori dikembangkan pertama kali pada The Puget Sound


Transportation Study pada tahun 1964. Model ini telah diperbaiki dan sering
digtmakan untuk mendapatkan bangkitan pergerakan pada daerah pernmkiman, juga
untuk penerapan laimiya.
Sampai dengan akhir tahun 1960-an, hanipir semua kajian perencanaan transportasi
di Amerika Serikat mengembangk.-tn persamaan bangkitan pergerakan dengan
mengglmakan analisis regresi linear, klmsusnya dalam pemodelan bangkitan
pergerakan untuk orang. Model regresi diusulkan oleh Federal Highway
Administration (FHA) sebagai model standar dalam menganalisis bangkitan
pergerakan.

Di akhir tahun 1960-an, metode altematif lain didapatkan dan sangat cepat
berkembang menjadi model yang populer di Inggris. Metode tersehut disehut
metode analisis-kategori di inggris (Wootton dan Pick, 1967) atau metode
klasifikasi silang di Amerika Serikat.

211
Pada saat yang sarna, pengembangan model regresi linear juga berkembang dengan
pesat, dimulai dari analisis pada tingkat zona dan dilanjutkan pada tingkat individu
atau rumah tangga (lihat subbab 8.2.7).
Metode analisis-kategori ini didasarkan pada adanya keterkaitan antara tetjadinya
pergerakan dengan atribut rumah tangga. Asumsi dasamya adalah tingkat bangkitan
pergerakan dapat dikatakan stabil dalam waktu untuk setiap stratifikasi rumah
tangga tertentu.
Metode ini menemukan scram empiris bahwa besamya tingkat bangkitan
pergerakan sangat banyak membutuhkan data (misalnya jmulah rumah tangga untuk
setiap kelas). Walaupun pada awalnya metode ini dirancang agar dapat
menggunakan data sensus di Inggris, permasalahan serius timbul pada saat hams
meramalkan jumlah mmah tangga untuk setiap strata pada masa mendatang.

9.1.2 Definisi peubah dan spesifikasi model


Misalkan f(h) adalah rata-rata jumlah pergerakan dengan tujuan g (pada periode
waktu tertentu), yang dilakukan oleh setiap anggota rumah tangga dari jenis h.
Jenis rumah tangga ditentukan berdasarkan stratifikasi. Contolmya, klasifikasi
silang yang didasarkan pada m ukltran rumah tangga dengan n pemilikan kendaraan
akan menghasilkam can rumah tangga berjenis A.
Metode balsa untuk menghitung tingkat pertumbuhan bagi setiap sel didapatkan
dengan mengalokasikan rumah tangga ke setiap kelompok sel dan
menjumlahkannya satu per satu sehingga menghasilkan jumlah pergerakan 7''(h),
untuk setiap tujuan pergerakan.
Jadi, tingkat pertumbuhan i(h) didapatkan dengan membagi 7p(h) dengan jumlah
rumah tangga H(h). Dalam bentuk matematis dapat dinyatakan sebagai:
~(h) = 7Q(h)1H(h) (9.1)
Permasalahan utama dalam penggunaan metode ini terletak pada cara menentukan
kategori agar sebaran frekuensi dari simpangan balsa dapat diminimumkan (lihat
Gambar 9.1).

fW

Gambar 9.1 Sebaran tingkat


pergerakan untuk setiap rumah
• tangga
P(h)

212 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transpo rtasi.•


Teori, contoh soal, dan aplikasi
Metode ini pada dasarnya memiliki beberapa keuntungan, yaitu:
pengelompokan klasifikasi silang tidak tergantung pada sistem zona di daerah
kajian;
2 tidak ada asumsi awal yan g hams diambil mengenai bentuk hubungan;
3 hubungan tersebut berbeda-beda untuk setiap kelompok (misalnya efek
peruhahan ukuran rumah tangga bagi yang mempunyai sate kendaraan dengan
yang mempunyai dua kendaraan akan berbeda).
Akan tetapi, metode klasifikasi silang ini juga mempunyai kelemahan. yaitu:

1 Tidak memperbolehkan ekstrapolasi.


2 Tidak adanya uji statistik yan g mendukung sehingga yang menjadi patokan
adalah besamya simpangan antara hasil taksiran dengan hasil pengamatan.
Semakin kecil simpangan tersebut, semakin baik.

3 Data yang dibutuhkan sangat banyak agar nilai masing-masing tidak terlals
bervariasi secara tidak logis karena adanya perbedaan jumlah rumah tangga.

Contohnya, pada kajian Monmouthshire Land Use—Transportation (Iihat


Douglas dan Lewis, 1970,1971), sebaran dari 108 kategori (6 tingkat
pendapatan, 3 tingkat dan 6 ukuran rumah tangga) hanya membutuhkan sampel
sebanyak 4.000 rumah tangga (Iihat Tabel 9.1).
Tabel 9.1 Sebaran frekuensi rumah tangga
Jumlah kategori 21 69

Jumlah rumah tangga yang disurvei 1-49 50-99 100-199 200+

Sekurang-kurangnya 50 pengansatan dibutuhkan untuk setiap sel agar hasilnya


dapat dipertanggungjawabkan. Kriteria ini hanya akan dipenuhi oleh 18
kategori dari 108 kategori yang ada yang mempunyai jumlah sampel sebanyak
4.000 rumah tangga.
Jadi, diperlukan lagi data tambahan lain agar dapat dihasilkan sebaran
frekuensi yang lebih merata — biayanya menjadi lebih mahal.
4 Tidak ada cara yang efektif dalam memilih peubah tersebut. Proses minimasi
simpangan baku seperti yang terlihat pada Gambar 9.2 hanya dapat dilakttkan
dengan cara coba-coba yan g sudah jelas sangat sulit dipraktikkan.

9.1.3 Penerapan model pada tingkat agregat

Tetapkan 0 adalah jenis orang (dengan atau tanpa kendaraan), aAh) adalah jumlah
rumah tangga dengan jenis 0 di zona i dan H„(h) adalah metals tangga dengan jenis
h yang berisikan orang berjenis n.

Dengan ini, kita dapat menuliskan besamya bangkitan pergerakan dengan tujuan p
yang dilakukan oleh orang berjenis n di zona i (07P ) sebagai berikut.

Analisis bangkitan pergerakan (model analisis-kategori) 213

.41
07 = E at(/r)tP(/t) (9.2)
/rE%i„(rl)

Untuk melihat cara kerja model, dapat dibandingkan nilai hasil pemodelan dengan
nilai hasil penganiatan sampel. Galat yang terjadi adalah karena penggunaan rata-
rata nilai F(h). Diperkirakan stratifikasi yang baik dapat meminimuntkan simpangan
baku seperti pada Gambar 9.1 dan juga menghasilkan galat yang lebih kecil.
Terdapat beberapa cara menentukan kategori rumah tangga. Untuk pertatna kalinya
di Inggris, Wootton dan Pick (1967) menyarankan 108 kategori yang dihasilkan
dari 6 tingkat pendapatan, 3 tingkat pemilikan kendaraan, data 6 tingkat struktur
rumah tangga sepeni pada Tabcl 9.2.
Tabel 9.2 Contoh pengelompokan struktur rumah tangga
Kelompok Jumlah yang bekerja Orang dewasa lainnya

2 atau lebih

1 atau kurang

2 atau lebih

2 atau lebih 1 atau kurang

2 atau lebih 2 atau lebih

Permasalahannya adalah bagaitnana merantalkan jumlah rumah tangga pada masa


mendatang untuk setiap kategori.
Metode yang umum digunakan (lihat Wilson, 1977,1981) adalah: pertama,
menetapkan dan mencocokkan sebaran peluang untuk pendapatan (I), pemilikan
kendaraan (C), dan struktur rumah tangga (S) dengan data hasil kalibrasi; kedua:
menggunakan hasil tersebut untuk membuat sebaran peluang gabungan untuk
rumah tangga jenis /t = (I,C,,S).
Jadi, jika sebaran peluang gabungan dinyatakan dengan )=0(I,C,S), maka jumlah
rumah tangga di zona i yang tergolong dalam kelompok h, atau a;(h), dapat
dinyatakan secara sederhana dengan:
a,{lr) = H,0(h) (9.3)
H; adalah jumlah rumah tangga di zona i. Model taksiran rumah tangga dapat diuji
secara parsial dengan menggunakan data pada tahun dasar. Jumlah pergerakan yang
dihasilkan oleh persamaan (9.3), tetapi dengan nilai simulasi a,{h), kemudian dapat
dicek dengan hasil pengamatan.
Dengan demikian, kelemahan metode ini bertambah satu lagi sebagai berikut.
5 Jika disyaratkan untuk menambah jumlah stratifikasi, dibutulilcan penambahan
jumlah sampel yang sangat banyak. Sebagai contoh, jika satu peubah lain
ditambahkan dan kenmdian dipecahkan menjadi 3 tingkat, jumlah kategori
akan meningkat dari 108 menjadi 324.

214 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Mori, contoh soal, dan aplikasi
9.1.4 Tahapan perhitungan
Konsep dasarnya sederhana, dan peubah yang biasa digunakan dalam analisis-
kategori adalah ukuran rumah tangga (jumlah orang), pemilikan kendaraan, dan
pendapatan rumah tangga. Kategori ditetapkan menjadi tiga dan kemudian rata-rata
tingkat bangkitan pergerakan (dari data empiris) dibebankan untuk setiap kategori.
Data untuk mengilustrasikan bagaimana keragaman tingkat bangkitan pergerakan di
antara ketiga peubah tersebut diperlihatkan pada Tabel 9.3 (Marler, 1985). Hal ini
menunjukkatt pentingnya peubah tersebut dalam ntenghitung bangkitan pergerakan.
Tabel 9.3 Tin kat ban kitan pergerakan ker'a er rumah tangga
Kategori Rendah Menengah Tinggi

Total pendapatan rumah tangga • 1,16 1,34 1,63

Kendaraan per rumah tangga 1,27 1,36 2,63

Ukuran rumah tangga "• 1,23 1,24 1,63

Keterangan: ` rendah : sampai dengan Rp 75,000/bulan


menengah Rp 76.000-50,000/bulan
tinggi : lebih besar dari Rp.150,000/bulan
•• rendah : tidak mempunyai kendaraan bermotor
menengah : 1 kendaraan
tinggi : lebih dari 2
••• rendah : 1-3 orang
menengah : 4-6 orang
tinggi : lebih dari 6 orang.
Sumber: Marler (1985)

Tahap 1 Tiga buah peubah harus distratifikasi. Beberapa kajian di Inggris


menggunakan 6 kategori pendapatan, 6 kategori ukuran ntmah tangga, dan 3
kategori pemilikan kendaraan.
Perlu diperhatikan bahwa penggunaan kategori pendapatan dan pemilikan
kendaraan dalam analisis-kategori sering dikritik karena keduanya saling
berkorelasi.
Disarankan agar 108 kategori tersebut dikurangi sehingga kebutuhan akan data dan
biaya juga berkurang. Kategori tersebut digunakan untuk kajian di West Midlands
Transport, Inggris (Wootton dan Pick, 1967).
Untuk kasus pada Tabel 9.3, terdapat 27 kategori yang menggabungkan pemilikan
kendaraan, pendapatan, dan ukuran rumah tangga. Perhatikan bahwa jumlah peubah
dan cara stratifikasinya beragant, tergantung dari data yang tersedia dan tujuan
kajian. Konsep ini diilustrasikan dengan Gambar 9.2.
Tahap 2 Setiap rumah tangga yang didapat dad survei wawancara di rumalt harus
dicocokkan untuk setiap kategori, tergantung dari data rumah tangga tersebut
(pemilikan kendaraan, ukuran rumah tangga, dan pendapatan).
Tahap 3 Rata-rata tingkat bangkitan pergerakan dihitung untuk setiap kategori
deng. ntenggunakalt data dari rumah tangga. Hal ini bisa didapat dengan jalan
membagi jumlah pergerakan yang dihasilkan untuk setiap kategori dengan jumlah
runtah tangga yang ada dalam kategori tersebut.

Analisis bangkitan pergerakan (model analisis-kategori) 215


Rp 2500.000

~
~
ippp 2000.000 -2.500000
,500.000-2.000000
, 000000-,500000
p 500000-,000000
a° p 0 - 500 000

Gambar 9.2 Struktur


Struktur rumah tangga kategori dalam model
analisis-kategori

Tahap 4 Sejauh ini, rata-rata bangkitan pergerakan dilakukan untuk setiap


kategori, tetapi sudah cukup untuk digunakan dalam menaksir bangkitan pergerakan
per zona.
Ini dilakukan dengan mengalikan jumlah rumah tangga pada zona tersebut untuk
setiap kategori, clan hasilnya dijumlahkan untuk 27 kategori yang akhirnya akar_
menghasilkan total bangkitan pergerakan untuk zona tersebut. Dengan kata lain:
z~
Pi = ~Tc H e (i) (9.4)

Pl = perkiraan jmnlah pergerakan yang dihasilkan oleh zona i;


T~ = rata-rata bangkitan pergerakan per rumah tangga dalam kategori g;
Hat) = jumlah rumah tangga dengan kategori c yang berlokasi di zona

9.1.5 Contoh sederhana


Pada contoh ini (Black, 1981) diasumsikan tiga peubah yang diperkirakan
mempenganihi besarnya pergerakan:
• 3 kategori pemilikan kendaraan (0, 1, 2+);
• 3 kategori pendapatan (rendah [0-100.000 rupiah/bulan]; menengah
[100.000-200.000 rupiah/bulan]; tinggi [lebih dari 200.000 rupiah/bulan])
• 2 kategori ukuran rumah tangga (1-3 orang; 4+ orang)
Secara keseluruhan ketiga peubah dengan stratifikasinya menghasilkan 3 x 3 x 2 =
18 kategori. Masalahnya sekarang adalah bagaimana mendapatkan total bangkitan
pergerakan.
Data untuk analisis-kategori diberikan pada Tabcl 9.4, sedangkan jumlah rumah
tangga dengan kategorinya masing-masing diberikan pada Tabel 9.5.

216 Ofyar Z Tam n, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
-kate ori tin kat er erakan untuk 18 kate ori
-
Tingkat pendapatan
Tingkat pemilikan kendaraan
Rendah Menengah Tinggi

Tidak ada kendaraan (0) 3,4a 3,70 3,8a

4,9,1 5.0b -,lb

5,2a 7.3a 8.0a


Satu kendaraan (1)
6,9b 8,3b 10.2b

5,ea 8,1a 10.0.

Dua atau lebih kendaraan (2+) 7.2b 1 8b 12,0

Catalan:
a Tingkat bangkitan pergerakan untuk setiap rumah tangga dengan 1-3 orang
b Tingkat bangkitan pergerakan untuk setiap rumah tangga dengan 4 atau lebih orang

Tabel 9.5 Kate ori rumah tangga den an 3 eubah


Pemilikan Ukuran rumah
Jumlah rumah tangga Pendapatan
kendaraan tangga
50 rendah 1-3
20 menengah 1-3
10 rendah 4+
50 rendah 1-3
50 rendah 4+
100 1 menengah 4+
40 2, tingg 1-3
2+ menengah 4+
150 2+ tinggi 4,

Dengan menggunakan data Tabel 4.13-4.14, perkiraan total bangkitan pergerakan


untuk cotta tersebut adalah: (50u3,4) + (20u3,7) + (10u4,9) + (50,5,2) + (50u6,9) +
(10008,3) + (40x10.0) + (100x11,8) + (150x12,9) = 5.243 pergerakan.

9.1.6 Komentar tentang pendekatan analisis-kategori

Analisis-kategori mempunyai lehob sedikit batasan dibandingkan dengan analisis


regresi; misalnya, analisis-kategori todok mengasurnsikan adam'a hubungan linear.
Kenigiannya secara teknik adalah data yang diperlukan sangat banyak untuk setiap
kategori, dan rata-rata bangkitan pergerakan untuk setiap kategori toccata statistik
tat-as dapat diterima.

Masalah lam adalah tidak terdapatnya u(i statistik untuk menguji keabsahan model.
Prosedur dapat disederhanakan dengan menggunakan 2 peubah saja. Contohnya.

Analisis bangkitan pergerakan (model analisis-kategoril 217


pemilikan kendaraan atau pendapatan dapat dihilangkan karena kedua peubah itu
sebenamya mungkin berkorelasi.

9.2 Perbaikan model dasar

9.2.1 Analisis klasifikasi ganda (Multiple Classification Analysis iMCA)


MCA adalah metode yang dapat digunakan untuk menguji pengelompokkan hasil
klasifikasi silang menjadi prosedur statistik yang baik untuk memilih peubah dan
klasifikasi.
Metode ini dapat mengatasi kelemahan yang ada pada metode terdalutlu. Para
pembaca yang tertarik untuk membahasnya secara lebih rind dapat membaca
Stopher dan McDonald (1983). Rangkumannya diberikan berikut ini.
Pertimbangkan model yang mempunyai satu peubah tidak bebas yang menerus dan
dua peubah bebas yang diskret, misalnya ukuran rumah tangga dan pemilikan
kendaraan.
Nilai rata-rata total bisa didapat untuk peubah tidak bebas dari sampel rumah
tangga. Juga, rata-rata kelompok bisa ditaksir untuk setiap bads dan kolom dari
mattiks klasifikasi silang yang dapat dianggap sebagai simpangan dari rata-rata
total.
Dengan melihat tanda simpangan (+ atau —), nilai sel dapat ditaksir dengan
menambahkan simpangan bads dan kolom pada rata-rata total sesuai dengan selnya.
Dalan1 hal ini, beberapa permasalahan yang timbal akibat terbatasnya data dapat
dipecahkan.

9.2.2 Contoh penerapan analisis klaslfikasi ganda


Tabel 9.6 memperlihatkan data yang dikumpulkan dalam suatu daerah kajian yang
dikelonlpokkan menjadi 3 tingkat pemilikan kendaraan dan 4 tingkat ukuran rumah
tangga.
Tabel 9.6 Jumlah rumah tangga per sel dan rata-rata tin kat tergerakan
Ukuran rumah Rata-rata tingkat
0 mobil 1 mobil 2+ mobil Total
tangga pergerakan
1 orang 28 21 0 49 0,47

2 atau 3 orang 150 201 93 444 1,28

4 orang 61 90 75 226 1,86

5 orang 37 142 90 269 1,90

Total 276 454 258 988

Rata-rata tingkat
0,73 1,53 2,44 1,54
pergerakan

Tabel 9.6 juga memperlihatkan jumlall rumah tangga pada setiap sel (kategori) dan
rata-rata jumlah pergerakan yang dihitung untuk setiap baris, sel, dan juga rata-rata
totalnya.

218 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
Terlil>1t bahwa nilainya berkisar dari 0 (sangat sulit mendapatkan rumah tangga
yang terdiri clan 1 orang dan mempunyai mobil lebih dari 2) sanlpai dengan 269.
Walaupun, klasifikasi silang hanya dilakukan dengan hanya dua peubah saja, sudah
terdapat sekitar 4 sel yang mempunyai nilai dibawah 50 pengamatan yang
disyaratkan sebagai jumlah minimum pengamatan untuk mendapatkan rata-rata dan
variansi yang bisa dipertanggungjawabkan.

Kemudian, kita menggunakan rata-rata nilai bans dan kolom untuk menaksir rata-
rata tingkat bangkitan pergerakan dari setiap sel, termasuk sel yang tidak
mempunyai pengamatan pada sampel ini.
Kita dapat menghitung simpangan (dari rata-rata total) untuk yang tidak memiliki
kendaraan (0 mobil) sebesar 0,73-1,54 = —0,81; untuk 1 mobil sebesar 1,53-1,54 =
—0,01; dan untuk 2+ kendaraan sebesar 2,44-1,54 = 0,90. Juga dapat dihitung
simpangan untuk setiap tingkat ukuran rumah tangga, yaitu sebesar: —51,07; —0,26;
0,32 dan 0,36.
Jika peubah tidak mempunyai korelasi dengan semua nilai tersebut, kita menghitung
semua tingkat bangkitan pergerakan; misalnya: tingkat bangkitan pergerakan untuk
rumah tangga (1 °rang) dan mempunyai 1 mobil adalah 1,54-1,07-0,01 = 0,46
pergerakan.
Untuk rumah tangga (1 orang) dan tidak mempunyai mobil, tingkat pergerakannya
adalah 1,54-1,06-0,82 = —0,34 (nilai negatif). Nilai negatif tidak mempunyai arti
apa-apa sehingga tingkat pergerakannya dapat dibuat menjadi nol.
Tabel 9.7 memperlihatkan semua tingkat pergerakan beserta simpangannya. Selain
keuntungan statistik, perlu diperhatikan bahwa nilai sel tidak lagi didasarkan pada
hanya ukuran sampel data saja, tetapi juga pada rata-rata total yang didapatkan dari
semua set data, dan dua atau lebih rata-rata kelas yang didapatkan dari semua data
untuk setiap kelas yang relevan dengan nilai selnya.
Tabel 9.7 Tingkat pergerakan ang dihasilkan oleh MCA
Tingkat pemilikan kendaraan
Ukuran rumah tangga
0 mobil 1 mobil 2+ mobil Simpangan
1 orang 0,00 0,46 1.37 -1.07
2 atau 3 orang 0,46 1,27 2,18 -0.26
4 orang 1,05 1,85 2.76 0.32
5 orang 1,09 1,89 2,80 0.36

Simpangan -0,81 -0,01 0,90

9.2.3 Analisis regresi untuk tingkat rumah tangga

Gabungan antara analisis klasifikasi silang dengan analisis regresi dapat menjadi
pendekatan yang terbaik untuk kasus tertentu. Contohnya, pada suatu daerah yang
mentpttnyai sebaran pendapatan tidak seraganl perlu dikaii adanya perbedaan
pengaruh kebijakan pada kelompok pendapatan yang berbeda.

Analisis bangkitan pergerakan (model analisis-kategori) 219


Oleh karena itu, dirasakan perlu memodel kebutuhan akan transportasi untuk setiap
kelompok pendapatan secara terpisah.

9.3 Pendekatan kategori-orang

9.3.1 Pendahuluan
Pendekatan kategori-orang merupakan salah satu altematif yang menarik untuk
model berbasis rumah tangga, yang diusulkan pertama kali oleh Supernak.(1979).
Metode ini mempunyai beberapa keuntungan:
model bangkitan pergerakan berbasis individu cocok dengan komponen
lainnya dalam sistem pemodelan kebutuhan transportasi klasik yang
berbasiskan individu, bukan rumali tangga;
2 memungkinkan proses klasifikasi silang yang menggunakan semua peubah
penting yang menghasilkan jumlah kelas yang sesuai sehingga dapat
diramalkan dengan mudah;
3 ukuran sampel yang dibutuhkan untuk model berbasis individu jauh lebih kecil
daripada untuk model berbasis rumah tangga;
4 perubahan status demografi dapat dengan mudah diperkirakan pada model
berbasis individu, misalnya peubah umur sangat sulit ditentukan pada model
berbasis rumah tangga;
5 model berbasis individu lebih mudah diramalkan dibandingkan dengan model
berbasis rumah tangga karma membutulrkan infonnasi rumah tangga serta
ukuran rutnah tangga — keduanya tidak digunakan pada model berbasis
individu.
Batasan utamanya adalah model berbasis individu berkaitan dengan alasan
pemilihan model berbasis rumah tangga, bukan dengan yang berbasis zona. Hal ini
akan sulit jika diperlukan untuk melihat adanya efek interaksi antarrumah tangga,
keuangan dalam model berbasis individu.

9.3.2 Definisi peubah dan spesifikasl model


Tentukan t; adalah tingkat bangkitan pergerakan, yaitu jumlah pergerakan yang
dilakukan selama periode waktu tertentu oleh rata-rata jumlah orang berkategori 1;
t~ adalah tingkat bangkitan pergerakan dengan tujuan p.
T; adalah total pergerakan yang dilakukan oleh penduduk di zona i (semua
kategori). N; adalah jumlah penduduk di zona i dan a;; adalah persentase penduduk
di zona i yang mempunyai kategori 1. Oleh karena itu, hubungan dasar yang terjadi
adalah:
Tj = N,Zajrtip (9.5)

Seperti dengan model lain, pergerakan dibagi menjadi pergerakan berbasis rumah
dan berbasis bukan rumah, serta dapat jugs dibagi berdasarkan tujuan (p) yang
digunakan untuk kedua jenis pergerakan tersebut.

220 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
9.4 Peramalan peubah dalam analisis bangkitan pergerakan

Pemilihan peubah yang dapat digunakan untuk meramalkan tingkat pergerakan


(rumah tangga) menjadi permasalahan bagi perencana transportasi. Peuhah ini
antara lain jumlah dan ukuran rumah tangga, struktur rumah tangga, pemilikan
kendaraan, dan pendapatan.
Misalnya, ukuran dan struktur rumah tangga pada masa sekarang sangat berbeda
dengan pada masa 10-20 tahun yang lalu. Misalnya, pada masa lalu keluarga
dengan jumlah anak lebih dari 6 sangat sering dijumpai. Akan tetapi, pada masa
sekarang rata-rata jumlah anak per keluarga hanya dua orang.
Contoh lain, pada masa 10-20 tahun lalu, pendapatan keluarga sebesar Rp
75.000-150.000 per bulan sudah merupakan gaji yang cukup tinggi. Akan tetapi,
jumlah tersebut pada masa sekarang atau mendatang meruakan nilai yang dapat
dikategorikan mempunyai pendapatan menengah ke hawah.
Hal tersebut di atas merupakan kendala bagi perencanaan untuk masa yang cukup
panjang (20 tahun mendatang). Akan tetapi, pada tahun 1980-an, mulai terdapat
kajian yang meneliti cara memperkaya model bangkitan atau tarikan dengan teori
dan metode yang berasal dari informasi perilaku.
Hipotesis utamanya adalah atribut sosial; setiap individu berpengaruh besar
terhadap timbulnya pergerakan yang tentu saja berbeda-beda perilakunya.
Contohnya, rumah tangga dengan anak yang belum sekolah jelas lebih rendah
mobilitasnya daripada rumah tangga dengan anak yang sudah besar.
Bangkitan pergerakan ini dapat diramalkan untuk masa mendatang dengan
menggunakan model yang dikalibrasi pada tahun dasar dan menggunakannya untuk
tahun rencana. Dalans hal ini, masukan data yang hares dimasukkan ke dalam model
adalah data taksiran dari pemilikan kendaraan, pendapatan, dan ukuran rumah
tangga untuk setiap zona.
Komentar untuk proses peramalan berlaku baik untuk model analisis-kategori
maupun analisis regresi. Jika analisis-kategori dan regresi digunakan untuk
meramalkan bangkitan laln lintas untuk 15 atau 20 tahun mendatang, perlu
diperhatikan bahwa semua peubah mungkin akan mempunyai Mini yang lebih besar
dibandingkan dengan perkiraan pada waktu tahun dasar. Contohnya, beberapa
rumah tangga akan mempunyai kendaraan lebih dari perkiraan (lihat Tabci 9.8).
Tabel 9.8 Contoh ekstra.olasi untuk analisis-kategori

Kategori pemilikan Jumlah rumah tangga dalam kategori


kendaraan
Tahun dasar Tahun rencana
0 mobil 200 50
1 mobil 280 150
2+ mobil 20' 300"
Total 500 500

contoh sangat sedikit ••mungkin memiliki 3, 4. dan 5+ kendaraan

Analisis bangkitan pergerakan (model analisis-kategori) 221


Dalam analisis-kategori, hal ini berarti rumah tangga tersebut akan masuk ke
kategori yang lebih tinggi. Hal ini menyebabkan data menjadi terlalu sederhana
sehingga kategori pada saat tahun dasar tidak cocok lagi untuk saat tahun rencana
yang akhimya mungkin menghasilkan perkiraan yang tidak cocok.
Dengan analisis regresi, hal yang sama tetjadi, karena mungkin diperlukan
ekstrapolasi data yang didapat pada saat tahun dasar. Kelemahan tersebut dapat
ditunjukkan dengan contoh pada Gambar 9.3.

Ekstrapolasi ~ — ' ~

200 400 600 800


Pendapatan minimum Pendapatan Pendapatan maksimum
(tahun dasar) men e n ah (tahun rencana)
(tahun da9sar)
Gambar 9.3 Contoh ekstrapolasi untuk analisis regresi

Dengan kata lain, diperlukan kategori lain untuk tahun rencana, tetapi karena belum
ada pada saat tahun dasar, kategori tersebut tidak bisa dikalibrasi dengan data
sebenamya. Masalah ini menunjukkan beberapa kelemahan model seperti itu
(dikalibrasi pada saat tahun dasar) apabila digunakan untuk peramalan.

222 Otyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
i Analisis sebaran pergerakan
(metode konvensional)

Pemodelan bangkitan dan tarikan pergerakan telah diterangkan pada Bab 8-9
secara rinci. Pada bab tersebut telah diperkirakan besarnya pergerakan yang
dihasilkan dari zona anal dan yang tertarik ke zona tujuan. Besamya bangkitan dan
tarikan pergerakan merupakan informasi sangat berharga yang dapat digunakan
untuk memperkirakan besamya pergerakan antarzona.
Akan tetapi, informasi tersebut tidaklah cukup. Diperlukan infotmasi lain berupa
pemodelan pola pergerakan antarzona yang sudah pasti sangat dipengaruhi oleh
tingkat aksesibilitas sistem jaringan antarzona serta tingkat bangkitan dan tarikan
setiap zona.
Berbagai macani metode yang pernah dikembangkan akan dijelaskan, dimulai dari
metode sangat sederhana yang hanya cocok untuk jangka pendek sampai dengan
metode yang dapat menampung pengaruh perubahan aksesibilitas terhadap sebaran
pergerakan yang mungkin terjadi pada perencanaan jangka panjang.
Bab ini dimulai dengan penjelasan proses terjadinya pergerakan (subbab 10.1) dan
pentingnya informasi mengenai matriks pergerakan dan beberapa kegunaannya
(subbab 10.2).
Selanjutnya, disampaikan penjelasan umum mengenai pengelompokan metode yang
telah dikembangkan dan subbab yang menerangkan definisi dan notasi yang
digunakan dalam penjelasan ataupun penurunan rumus (subbab 103).
Subbab berikutnya (subbab 10.4) menjelaskan metode Konvensional yang terdiri
dart metode Langnung dan metode Tidak-Langsung. Penjelasan singkat mengenai
metode Langsung diberikan berikut keuntungan dan kerugiannya (subbab 10.4.1),
diteruskan dengan penjelasan mengenai metode Tidak-Langsung (subbab 10.4.2).
Penjelasan tentang metode Tidak-Konvensional diterangkan secara terpisah pada
Bab 18-19. Bab ini dialdiiri dengan penjelasan tentang ketelitian matriks yang
dihasilkan oleh metode konvensional (subbab 1(1.5).
Aletode Tidak-Langsung ini dijelaskan dalam 2 (dtta) bagian; bagian pertama
(Bab 11) menjelaskan metode Analogi, yaitu metode yang hanya
ntempertimbangkan faktor pertumbuhan tanpa memperhitungkan adanya perubahan
aksesibilitas sistem jaringan transportasi.
Metode ini hanya cocok untuk perencanaan jangka pendek atau perencanaart tanpa
adanya perubahan aksesibilitas yang nyata dalam sistem jaringannya. Beherapa
keuntungan dan kerugian metode Analogi juga diterangkan dalam Bab 11 ini.
gagian kedua (Bab 12-14) menjelaskan metode Sintetis yang mempertimnartgkan
adanya perubahan aksesibilitas, nelain faktor pertumhul>,an. Berbagai macant model

223
diberikan, yaitu model gravity (GR) (Bab 12-13), model intervening-opportunity
(I0) dan model gravity-opportunity (GO) (Bab 14) berikut penurunan setiap model
secara teori, contoh penggunaannya, proses kalibrasi model, serta kelebihan dan
kekurangannya.

10.1 Pendahuluan

Pergerakan adalah aktivitas yang kita lakukan sehari-hari. Kita bergerak setiap hari
untuk berbagai macani alasan dan tujuan seperti belajar, olahraga, belanja, hiburan,
dan rekreasi. Jarak perjalanan juga sangat beragani, dari perjalanan yang sangat
panjang (misalnya perjalanan antarbenua) sampai ke perjalanan yang sangat pendek
(misalnya perjalanan ke toko di seberang jalan).
Mudah dipahami bahwa jika terdapat kebutuhan akan pergerakan yang besar, tentu
dibutuhkan pula sistem jaringan transportasi yang cukup untuk dapat menampung
kebutuhan akan pergerakan tersebut. Dengan kata lain, kapasitas jaringan
transportasi harus dapat menanrpung pergerakan.
Kebutuhan akan pergerakan selalu menimbulkan pennasalahan, khususnya pada
saat orang ingin bergerak untuk tujuan yang sama di dalam daerah tertentu dan pada
saat yang bersamaan pula. Kemacetan, keterlambatan, polusi suara dan udara adalah
beberapa pennasalahan yang timbul akibat adanya pergerakan.
Salah satu usaha untuk dapat mengatasinya adalah dengan memahanti pola
pergerakan yang akan terjadi, misalnya dari mana dan hendak ke mana, besanrya,
dan kapan terjadinya.
Oleh karena itu, agar kebijakan investasi transportasi dapat berhasil dengan baik,
sangatlah penting dipahami pola pergerakan yang terjadi pada saat sekarang dan
juga pada masa mendatang pada saat kebijakan tersebut diberlakukan.

10.2 Kegunaan matriks pergerakan

Pola pergerakan dalam sistem transportasi sering dijelaskan dalam bentuk arus
pergerakan (kendaraan, penumpang, dan barang) yang bergerak dari zona asal ke
zona tujuan di dalam daerah tertentu dan selanra 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 matriksnya menyatakan besarnya
arus dari zona anal ke zona tujuan. Dalam hal ini, notasi T;d menyatakan besamya
arus pergerakan (kendaraan, penumpang, atau barang) yang bergerak dari zona asal
i ke zona tujuan d selania 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

224 Ofyar Z Tarnin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soot, dan aplikasi

k__
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.
jun.ilah zona dan nilai setiap sel matriks adalah dua unser penting dalam MAT
karena jurnlah zona menunjukkan banyaknya sel MAT yang hares didapatkan dan
beds' 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).
Ketelitian MAT meningkat dengan menambah jumlah zona, tetapi MAT cenderung
berisi sel yang tidak mempunyai pergerakan Permasalahan yang sama
timbul jika kita berbicara mengenai pergerakan antarzona dengan selang waktu
pendek (misalnya 15 menit).
MAT dapat pula menggambarkan pola pergerakan dari suatu sisters atau daerah
kajian dengan ukuran yang sangat beragam, seperti pola pergerakan kendaraan di
suatu persimpangan atau pola pergerakan di dalam suatu perkotaan maupun di
dalam suatu negara.
Gambar 10.1 memperlihatkan persimpangan jalan, lengkap dengan anus pergerakan
kendaraan dari setiap lengan persimpangannya dan MAT-nya. Di sini, lengan
persimpangan dianggap sebagai asal dan tujuan pergerakan. Terlihat bahwa MAT
dapat digunakan untuk menggambarkan pola pergerakan di persimpangan.

MEE

EN
600
El
11r.

Gambar 10.1 Persimpangan dengan Matriks Asal—Tujuan (MAT)


Sumber: Tamin (1985,1986,1988abcd,1997a,2000a,2003)
Berbagai maim dilalcukan untuk mendapatk. MAT dan terdapat beberapa metode
Yang dapat digunakan. Hadimya beberapa metode yang tidak begin' mahal
pelaksanaannya dirasakan sangat berguna karena MAT sangat sering dipakai dalam
berbagai kajian transportasi. Contohnya, MAT dapat digunakan untuk (Willumsen,
19 78ab):

Analisis sebaran pergerakan (metode konvensional) 225


• pemodelan kebutuhan akan transportasi untuk daerah pedalaman atau
antarkota;

• pemodelan kebutuhan akan transportasi untuk daerah perkotaan;

• pemodelan dan perancangan manajemen lalu lintas baik di daerah perkotaan


maupun antarkota;

• pemodelan kebutuhan akan transportasi di daerah yang ketersediaan datanya


tidak begitu mendukung baik dari sisi kuantitas maupun kualitas (misalnya di
negara sedang berkembang);

• perbaikan data MAT pada masa lalu dan pemeriksaan MAT yang dihasilkan
oleh metode lainnya; dan
• pemodelan kebutuhan akan transportasi antarkota untuk angkutan barang
multimoda.
Metode untuk mendapatkan MAT dapat dikelompokkan menjadi dua bagian utama,
yaitu metode Kotrvensional dan metode Tidak-Konvensional (Tamil', 1985,1986,
1988abcd). Kedua metode tersebut dijelaskan lebih rinci pada subbab 10.4 dan
Bab 10-15 (metode konvensional) dan Bab 18-19 (metode tidak-konvensional).
Untuk lebih jelasnya, pengelompokan digambarkan berupa diagram seperti terlihat
pada Gambar 10.2.

• Wawancara di tepi jalan


• Wawancara di rumah
Metode
• Metode menggunakan-
Langsung
bendera
• Metode folo udara
• Metode mengikuli-mobil

Metode Metode Analogi


--► —►
Konvensiona
• Tanpa-batasan
- Seragam
• Dengan-satu-batasan
- Batasan-bangkitan
- Batasan-larikan
Metode
MAT
Metode Tidak-
Langsung
• Dengan-dua-batasan
- Rata-rata
- Fralar
- Detroit
- Fumess

Modelsibarus
informa erdasarkan
lalu linta s
Metode Sintetis

Metode Tidak • Model Opportunity


Konvensional atri(EMEM)
ks Entropi • Model Gravity
• Model Gravity-
• Model Estimasi Kebutuhan Opportunity
Transportasi (MEKT)

Gambar 10.2 Metode untuk mendapatkan Matriks Asal—Tujuan (MAT)


Sumber: Tamin (1985,1986,1988abcd,1997a,2000a,2003)

226 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Mori, contoh soal, dan aplikasi

A
10.3 Definisi dan notasi
Seperti telah dijelaskan pada subbab sebelumnya, MAT dapat digunakan untuk
menggambarkan pola pergerakan di dalam daerah kajian. MAT adalah matriks
berdimensi dua yang setiap baris dan kolomnya menggambarkan zona anal dan
tujuan di dalam daerah kajian (termasuk juga zona di luar daerah kajian), seperti
terlihat pada Tabel 10.1, sehingga setiap sel matriks berisi informasi pergerakan
antarzona.
Sel dari setiap baris i berisi infonnasi mengenai pergerakan yang berasal dari zona
tersebut ke setiap zona tujuan d. Sel pada diagonal berisi informasi mengenai
pergerakan intrazona (i=d). Oleh karena itu:
T~ = pergerakan dari zona asal i ke zona tujuan d
O; = jumlah pergerakan yang berasal dari zona anal

Dd = jumlah pergerakan yang menuju ke zona tujuan d


{TO atau T = total matriks
N = jumlah zona
Tabel 10.1 Bentuk umum dari Matriks Asal—Tujuan (MAT)
Zona 1 2 3 ... N 11 Or

T~ I 7-12 T13 TIN D1 Oi = E Tid


d=1

T21 T22 T23 T2N 02 Dd = E Tie


i=1

N N N N
[
T— r Oi = [~ =E ET,,,
Tid
T31 T32 T33 T3N 03 (r Dd
i=1 d=1 i=1 d=1

TN1 TN2 TN3

D1 D2 D3 N II T
Sumber. Tamin (1985,1986,1988abcd,1997a,2000a,2003)

Beberapa kondisi harus dipenuhi, seperti total sel matriks untuk setiap baris i hams
sama dengan jumlah pergerakan yang berasal dari zona asal i tersebut (0).
Sebaliknya, total sel matriks untuk setiap kolom d harus sama dengan jumlah

Analisis sebaran pergerakan (metode konvensional) 227


pergerakan yang menuju ke zona tujuan d (Da). Kedua batasan ini ditunjukkan pada
persamaan (10.1) berikut:
N N
O; _ ~T;d dan Dd = ET. (10.1)
d i

Batasan (10.1) dapat juga dinyatakan dengan Cara lain. Total pergerakan yang
dibangkitkan dari suatu zona i harus sama dengan total pergerakan yang berasal dari
zona i tersebut yang menuju ke setiap zona tujuan d. Sebaliknya, total pergerakan
yang tertarik ke suatu zona d hams sama dengan total pergerakan yang menuju ke
zona d tersebut yang berasal dari setiap zona asal i.
Jika MAT yang dihasilkan memenuhi kedua batasan (10.1), model tersebut dikenal
sebagai model dengan-dua-batasan; jika hanya salah satu dipenuhi, model disebut
model dengan-satu-batasan (model dengan-batasan-bangkitan atau model dengan-
batasan-tarikan); jika tidak ada yang dipenuhi, model disebut model tanpa-batasan.
Selain menggunakan bentuk matriks, pola pergerakan dapat juga dinyatakan dengan
bentuk lain secara grafis seperti terlihat pada Gambar 10.3 yang biasa disebut Gans
Keinginan. Nama ini diberikan karena pola pergerakan selain mempunyai dimensi
jumlah pergerakan, juga mempunyai dimensi spasial (ruang) yang lebih mudah
digambarkan secara grafis.

Gambar 10.3 Garis keinginan pergerakan di Kotamadya Bandung


Sumber: Tamin (1995a)
Keuntungan bentuk matriks adalah dapat diketahui secara tepat arus pergerakan
antarzona yang terjadi, tetapi tidak diketahui gambaran arah atau orientasi
pergerakan tersebut. Hal ini dapat diatasi dengan bantam garis keinginan yang
menunjukkan gambaran pergerakan yang terjadi, meskipun ada juga kelemahannya
berupa tidak tepatnya infonnasi arus pergerakan (besar arus pergerakan hanya
dinyatakan dengan tebal garis keinginan).

228 Otyar Z Tamin, Perencanaan, pemode/an, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
Selanjutnya, kita gunakan huruf kecil t,d, o;, dan da sebagai notasi untuk nilai hasil
pengamatan kajian terdahulu atau masa sekarang, sedangkan huruf besar untuk basil
pemodelan atau masa mendatang. Matriks dapat juga dinyatakan dalam berbagai
macam kategori, seperti MAT bagi pergerakan dengan moda transportasi k dan/atau
pergerakan orang jenis n. Jadi,

jumlah pergerakan dari zona asal i ke zona tujuan 4 dengan moda


transportasi k dan pentunpang jenis n
pk" jumlah pergerakan yang berasal dari zona asal i dengan moda
transportasi k dan penumpang jenis
Dd" = junnlah pergerakan yang menuju ke zona tujuan d dengan moda
transportasi A dan penumpang jenis
Dalam beberapa kasus, penting juga diketahui beberapa notasi berikut:

Pie = proporsi pergerakan dari zona anal i ke zona tujuan 4 yang


menggunakan moda transportasi k
= biaya pergerakan dad zona asal i ke zona tujuan d dengan
menggunakan moda transportasi A
Elemen biaya pergerakan dapat dinyatakan dalam satuan jarak, waktu, atau uang.
Sering juga digunakan ukuran yang menggabungkan semua atribut yang ada yang
biasa dikenal dengan Biaya Gabungan (Generalised-Cost).
Biaya gabungan pada dasamya merupakan fungsi linear atribut yang ada dengan
pembobotan pada beberapa atribut sesuai dengan tingkat kepentingan dan persepsi
pengguna jalan, seperti pada persamaan (10.2).

C;d = al;~ +aZ t~ +a3tirri +a4t„id +as F;d +a6 fi + (10.2)

= waktu tempuh selama berada di kendaraan antara i dan d;


= waktu berjalan kaki dari dan ke halte bus;
= waktu menunggu di halte bus;
tnid = waktu transit di terminal untuk bertukar moda transportasi (multimoda);
F;e = tarif yang dikenakan untuk bergerak dari i ke d;
= tarif transit di terminal;
8 = parameter yang mewakili atribut lainnya yang balsam diperhitungkan;
biasanya atribut yang sukar dikuantifikasi seperti kenyamanan dan
keamanan;
a,...6= bobot setiap atribut yang mempunyai satuan yang digunakan untuk
mengkonversikan satuan atribut yang ada ke satuan tertentu, misalnya uang.
Biaya gabungan dapat dinyatakan dalam satuan uang dan waktu, yang cukup mudah
dikonversikan. Jika biaya gabungan dinyatakan dalam satuan uang, maka a,
ditafsirkan sebagai nilai waktu (lebih tepatnya, nilai waktu selama berada di
kendaraan).

Analisis sebaran pergerakan prelude konvensional) 229


Jadi, a:, a3 , dan an adalah nilai waktu untuk menunggu, waktu berjalan kaki, dan
waktu berpindah moda. Biasanya ketiga nilai ini lebih besar daripada nilai waktu
selama berada di kendaraan. Hal ini cukup masuk akal karena manusia biasanya
malas menunggu, apalagi berjalan kaki.
Jika biaya gabungan dinyatakan dalam satuan uang, maka nilai at dan a6 dibuat
menjadi 1. Sebaliknya, jika biaya gabungan dinyatakan dalam satuan waktu, nilai a,
yang menjadi 1, nilai a: , mungkin bernilai 2 atau 3, dan an...6 merupakan faktor
konversi uang menjadi waktu. Biaya gabungan suatu perjalanan, seperti yang
dinyatakan pada persamaan (10.2), merupakan kompromi antara penilaian objektif
dan subjektif pengguna.
Nilai waktu sangat tergantung pada persepsi mengenai pentingnya waktu tersebut,
misalnya kenyamanan dan keamanan merupakan sesuatu yang sangat sulit
dikuantifikasi sehingga sangat tergantung pada penilaian subjektif pengguna jalan.

10.4 Metode konvensional

Banyak penanganan permasalahan transportasi yang memerlukan identifikasi pola


pergerakan yang dapat dinyatakan dalam bentuk MAT. Oleh sebab itu, tidaklah
heran jika sampai saat ini telah berkembang beberapa metode untuk mendapatkan
MAT. Berikut ini dijelaskan secara singkat beberapa metode konvensional yang
lebih ditekankan pada masing-masing kelebihan dan kekurangannya.
Metode konvensional dapat dikelompokkan menjadi dua bagian utama, (Tamin,
1985,1986,1988abcd), yaitu metode Langsung (subbab 10.4.1) dan metode Tidak-
Langsung (subbab 10.4.2). Keduanya dijelaskan secara rinci, tetapi yang akan lebih
ditekankan hanya beberapa metode yang secara khusus dikembangkan untuk
mendapatkan MAT. Selanjutnya, tingkat ketelitian setiap metode diberikan pada
subbab 10.5.

10.4.1 Metode langsung


Pendekatan ini sudah digunakan sejak lama sehingga dapat diidentifikasi beberapa
permasalahan yang timbul yang berkaitan dengan penggunaannya. Pendekatan ini
sangat tergantung dari hasil pengumpulan data dan survei lapangan. Proses
wawancara dapat mengganggu pengguna jalan dan menimbulkan tundaan lalu
lintas.
Kendala waktu dan biaya juga membatasi jumlah wawancara sehingga galat timbul
jika jumlah sampel tidak bisa mencapai 100%. Selain itu, pemilihan metode survei
pengumpulan data juga sangat tergantung dun ketersediaan surveyor. Dengan
demikian, galat teknis dan galat yang timbul akibat faktor manusia sering terjadi,
misalnya galat mencatat dan menafsirkan.
Oleh sebab itu, permasalahan utama pendekatan ini adalah dibutuhkannya sumber
daya manusia yang besar, misalnya pewawancara untuk pengumpulan data yang
selanjutnya digunakan untuk proses kodifikasi, penyortiran, dan akhimya untuk
proses analisis. Beberapa teknik yang tersedia sampai saat ini diterangkan sebagai
berikut (Willumsen, 1978ab;1981ab,1982).

230 Ofyar Z Tamin, Perencanaan, pemodelan, das rekayasa transportasi:


Taori, contoh anal, dan aplikasi
10. 4.1.1 Wawancara di tepi jalan Survei ini biasanya dilakukan pada lokasi inlet
dan outlet dari daerah kajian yang mempunyai batas wilayah tertentu. Untuk kasus
rransportasi barang antarkota, survei ini sangat berguna. Data dikumpulkan dengan
mewawancarai pengendara di jalan.
Wawancara meliputi pertanyaan mengenai zona anal dan tujuan pergerakan, jenis
barang yang diangkut, beban muatan, dan lain-lain. Survei lainnya kadang-kadang
menanyakan hal yang bersangkutan dengan jenis kendaraan, misalnya jenis
kendaraan dan kapasitas angkutnya.
Lokasi wawancara harus diatur agar semua lalu lintas antarzona bisa didapatkan. Ini
membutuhkan pendefmisian yang baik tentang sistem zona dan jaringan di daerah
kajian. Lalu lintas yang masuk dan keluar dari daerah kajian juga hams disurvei.
lumlah wawancara pada setiap lokasi ditentukan berdasarkan jurnlah sampel yang
diantbil. Untuk mendapatkan gambaran mengenai besarnya sampel, survei
pendahuluan perlu dilakukan untuk mendapatkan informasi lalu lintas dan
komposisinya.
Sesuai dengan ukuran sampel dan periode survei, faktor koreksi hams digunakan
terhadap data hasil survei untuk mendapatkan MAT secara total. Persentase sampel
sebesar 20% sering digunakan, tetapi ini sangat tergantung dari ants lalu lintas dan
ketersediaan tenaga kerja. Wawancara seperti ini dirasakan maha] jika ditinjau dari
sisi tenaga kerja, adanya tundaan, dan gangguan arus lalu lintas, serta membutuhkan
waktu proses yang lama.

10.4.1.2 Wawancara di rumah Survei wawancara di tepi jalan sangat efektif jika
digunakan untuk mendapatkan informasi arus lalu lintas menerus, tetapi tidak
efektif untuk mendapatkan informasi lalu lintas yang terjadi dan bergerak hanya di
dalam daerah kajian (internal).
Pergerakan internal susah dideteksi; semakin besar suatu kota, semakin besar pula
persentase lalu lintas internalnya. Oleh sebab itu, metode survei yang paling cocok
untuk mendapatkan informasi lalu lintas internal adalah wawancara di rumah.
Wawancara di rumah adalah jenis survei asal—tujuan yang terbaik untuk daerah
perkotaan dan merupakan bagian terpenting dalam kebanyakan kajian transportasi.
Ukuran sampel merupakan hal paling menentukan dan biasanya jumlah responden
yang dibutuhkan minimal 1.000 rumah. Untuk kota kecil, jumlah sampel yang lebih
besar dan 5% populasi masih dapat dipertimbangkan karma alasan biaya.
Tidak seperti wawancara di tepi jalan, tujuan wawancara di rnmah tidak hanya
untuk mendapatkan informasi MAT, tetapi juga untuk mendapatkan beberapa data
statistik lain seperti pemilikan kendaraan, jumlah anggota keluarga, dan mungkin
juga penghasilan. Survei wawancara di rumah yang banyak berkaitan dengan
pergerakan internal dapat mengatasi kekurangan survei wawancara di tepi jalan.
Untuk survei jenis ini sangat disarankan adanya pemberitahuan awal bagi
responden. Pemberitahuan melalui surat dan telepon disarankan, apalagi bila
kuesioner harus diisi oleh kepala keluarga. Usaha tambahan hares dilakul:an agar
tingkat pengembalian kuesioner bisa di alas 90%. Walaupun infomasi yang didapat

Analisis sebaran pergerakan (metode konvensional) 231


lebih banyak jika dibandingkan dengan survei wawancara di tepi jalan, survei jenis
ini masih dianggap mahal dan membutuhkan waktu proses yang lama.

10.4.1.3 Metode menggunakan bendera Metode ini membutuhkan beberapa pe-


ngarnat yang mengambil posisi pada beberapa lokasi inlet dan outlet daerah kajian.
Beberapa jenis tanda pengenal digunakan untuk mengidentifikasi kendaraan,
misalnya stiker.
Biasanya stiker tersebut bernomor dan benvarna yang ditempelkan pada kendaraan
di setiap lokasi masuk, kemudian kendaraan tersebut dicatat pada beberapa lokasi
tenentu dan pada lokasi keluar. Nomor pelat mobil sering juga digunakan untuk
menggantikan stiker dan mempunyai keunttmgan, yaitu tidak mengganggu
peqalanan.
Untuk daerah kajian yang kecil, hal lain yang dapat dilakukan adalah meminta
pengendara, pada saat masuk, menyalakan lampunya dalam selang waktu tertentu.
Pengamat pada beberapa lokasi mencatat jumlah kendaraan yang lampunya
menyala dalam selang waktu itu. Proses ini dilakukan secara berulang pada
beberapa lokasi masuk dalam beberapa had. Metode ini hanya dapat dilakukan pada
siang had dan hanya baik untuk daerah kajian yang knell saja.

10.4.1.4 Metode foto udara Metode ini menggunakan beberapa foto udara di
daerah kajian yang diambil dari helikopter yang terbang pada koordinat dan
ketinggian tertentu. Proses pengumpulan data cukup cepat dan tidak mahal jika
dibandingkan dengan metode alternatif lainnya, tetapi proses selanjutnya
membutuhkan dana cukup besar. Metode ini membutuhkan informasi mengenai
setiap foto yang berurutan pengambilannya untuk menentukan pergerakan setiap
kendaraan dengan bantuan alat digitasi.
Keuntungan metode ini adalah terjaminnya kontrol kualitas foto udara dan foto
dapat digunakan untuk kebutuhan lain. Akan tetapi, tentu ada batasan mengenai
ukuran daerah kajian yang bisa diambil. Metode ini semakin baik jika proses
identifikasi kendaraan dapat dilakukan secara otomatis.
Secara teori, 100% sampel bisa didapat dengan menggunakan metode ini, tetapi
secara praktis, persentase sampel yang didapat hampir sama dengan jika kita
menggunakan survei wawancara di jalan.

10.4.1.5 Metode mengikuti-mobil Metode ini membutuhkan adanya pengamat


yang bertugas mengikuti pergerakan kendaraan (biasanya dengan menggunakan
kendaraan lain) di dalam daerah kajian dengan cara mencatat pergerakan kendaraan
pada beberapa lokasi tertentu dalam suatu jaringan jalan. Metode ini lebih nmrah
dibandingkan dengan metode lainnya, tetapi membutuhkan manajemen yang balk
dalam proses pengumpulan dan analisis data.
Dapat disimpulkan bahwa pendekatan metode langsung pada umumnya mahal,
ten.rtama dalam hal kebutuhan akan sumber daya manusia, waktu proses yang lama,
sena hasil akhimya hanya berlaku untuk selang waktu yang pendek saja. Tanibahan
lain, metode survei di tepi jalan membutuhkan koordinasi yang baik dengan

232 Otyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi

Jib
pengguna jalan dan tentu hal ini menyebabkan gangguan dan tundaan bagi
pengguna jalan tersebut.
Survei nomor pelat mobil lebih menarik karena tidak mengganggu arus lalu lintas,
tetapi membutuhkan banyak pengamat dan waktu proses yang cukup lama sena
sangat sensitif terhadap galat pencatatan.
Semua metode pada umumnya menghasilkan persentase sampel lebih kecil dari
100% sehingga hasil akhirnya hanya merupakan perkiraan dari MAT yang
diinginkan.
Untuk survei foto udara, meslapun persentase sampel 100% bisa dicapai,
pertanyaan berikutnya adalah seberapa tinggi ketepatan MAT yang dihasilkan
dengan MAT yang sebenamya terjadi dalam daerah kajian tersebut. Oleh sebab itu,
semua kekurangan itu menyebabkan semakin banyaknya kendala dan semalan
jarangnya penggunaan pendekatan metode langsung ini.

10.4.2 Metode tidak-langsung

Pemodelan adalah penyederhanaan realita. Penyederhanaan tersebut dilakukan


dengan menggunakan suatu sistem dalam bentuk unsur atau faktor yang dapat
dipertimbangkan mempunyai kaitan dengan situasi yang hendak digambarkan.
Memperkirakan kebutuhan akan pergerakan merupakan bagian terpenting dalam
proses perencanaan transportasi karena kebutuhan akan pergerakan baik pada masa
sekarang maupun masa mendatang berpengaruh besar pada kebijakan transportasi
dan kebutuhan akan sistem jaringan.
Model yang baik hams bisa menggambarkan semua faktor yang mewakili perilaku
manusia. Akan tetapi, kemampuan pemodelan yang dibatasi waktu dan biaya
menyebabkan tidal( bisa dihasilkannya model yang lengkap.
Meskipun mungkin didapat model yang lengkap, pastilah merupakan model yang
sangat kompleks dan mahal untuk digunakan. Jadi, secara praktis, dibutuhkan
berbagai macam jenis model untuk berbagai tujuan sehingga dapat dipilih model
yang paling cocok untuk tujuan tertentu atau untuk pemecahan masalah tertentu.
Sebaran pergerakan merupakan salah sate tahapan dalam Model Perencanaan
Trsportasi Empat Tahap (MPTET). Pada tahapan ini, jumlah pergerakan yang
dibangkitkan dari suatu zona asal atau yang tertarik ke suatu zona tujuan akan
disebarkan pada setiap zona anal dan zona tujuan yang ada. Hasil tahapan ini
berbentuk MAT yang diinginkan.
Beberapa prosedur matematis telah dikembangkan sampai mat ini yang secara
umum dapat dikelompokkan menjadi dua bagian utama (Davinroy dkk, 1963 dan
Bruton, 1981,1985), tergantung dart jenis data yang digunakan dan cara kita
menggunakannya.
I Metode analog' — dalam hal ini suatu nilai tingkat pertumbuhan digunakan
pada pergerakan saat ini untuk mendapatkan pergerakan pada masa mendatang.
Metode ini akan dijelaskan secara rinci dalam Bab 11.

Analisis sebaran pergerakan (metode konvensional) 233

.411
Metode sintetis — dalam hal ini harus dilakvkan usalta untuk memodel
hubungan atau kaitan yang terjadi antarpola pergerakan. Setelah pemodelan
hubungan atau kaftan tersebut didapat, kemudian diproyeksikan untuk
mendapatkan pola pergerakan pada masa mendatang. Metode ins akan
dijelaskart secara r:nci dalam Bab 12-15.

10.5 Ketelitian MAT yang dihasilkan oleh metode konvensional

Usaha untuk mendapatkan MAT tidaklah sederhana dan mudah. Usaha tersebut
beragarn dari metode konvensional yang membutuhkan waktu lama dan bsaya yang
sangat mahal sampai ke metode yang bare (metode tidak-konvensional), yaitu yang
menggunakan data arus lalu lintas yang sangat mudah didapat (untuk lebih jelasnya,
pembaca disarankan membaca Bab 18-19).
Apabila peramalan lalu lintas diperlukan untuk pengambilan keputusan, sangat
penting diketahui kualitas peramalan tersebut. Suatu kebijakan dapat terlihat lebih
baik dari yang lain, tetapi ketidakpastian yang berkaitan dengan peramalan bisa
menjadikan hal yang sebaliknya terjadi.
Apapun metodologs yang digunakan, hares diketahus bahwa MAT yang dihasilkan
tidak pernah luput dari galas. Ketepatan MAT yang dihasilkan sangat berkaitan
dengan galas yang ada dalam proses penaksirannya, bask metode konvensional
maupun metode tidak-konvensional.
Willumsen (1978ab,1981ab) menjelaskan bahwa ketepatan MAT yang dihasilkan
dengan pendekatan metode langsung dan tidak-langsung tergantung pada beberapa
cumber galat seperti berikut fni.
a Keragaman harian/musiman dan galat perluasan data survei Jervis galas
fni terjadi jika suatu faktor dibutuhkan untuk mengkonverss data .1i lapangan
untuk menghasilkan MAT pada selang waktu tertentu (misalnya: data survey 16
jam-an hendak diubah menjads 24 jam-an).
Kasus fni dapat juga berupa perubahan yang dilakukan days survey dengan
selang waktu tertentu untuk mendapatkan MAT dengan selang waktu yang
lebih panjang. Jervis galas fni disebabkan oleh adanya pengaruh keragaman
harianimusiman pada MAT.
b Galas dalam pengumpulan data Jervis galas fni terjadi selama proses survei
yang sebagian besar akibat galas manusia, seperti: galas mengsdentsfikass
kendaraan, menghitung arcs, kuesioner yang tidal( iengkap, atau galas dal=
penulisan informasi. Jenis galas ini biasanya secara praktis tidak dapat
dilundarkan. Kontrol kualitas yang baik dapat mengurangi jenis galas fni, tetapi
tidak bisa menghilangkannya sama sekali.
Galat dalam pengolahan data Jenis galas fni terjadi dalam proses pemin-
dahan data mentah dan biasanya terjadi karena galas manusia. Sumber utama
kesaiahan adalah kekeliruan memberi kode, galas pengetikan, perhitungan
ganda, data yang hilang atau tidak terbaca, galas mengedit dan membuat file,

234 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
galat membuat tabel atau galat membuat program. Sekali lagi, kontrol kualitas
yang baik dapat menolong mengurangi jenis galat ini.
Galat pengambilan sampel Model arus lalu lintas pada dasarnya membu-
tuhkan proses pengambilan data yang karena satu dan lain hal merupakan
bagian atau cerminan populasi yang ada. Begitu faktor sampel diketahui,
tingkat kepercayaan bisa segera dihitung. Jenis galat ini terjadi karena, kecuali
pada kasus yang sangat sederhana, survei tidak dapat mencakup seluruh
pergerakan yang terjadi selama selang waktu survei.
Hal ini karena lokasi wawancara di jalan atau metode survei menggunakan
bendera yang tidak memungkinkan terambilnya seluruh data yang ada. Dalam
kasus ini, tingkat pengambilan yang lebih kecd dari 100% dibutuhkan karena
pertimbangan praktis. Dimungkinkan adanya penurunan faktor sampel dengan
mengambil data yang lebih banyak.
Akan tetapi, di atas batas tertentu, hal ini tidak menguntungkan karena tingkat
ketidakpastian hanya akan berkurang secara nyata dengan pengambilan sampel
yang sangat banyak dan juga karena galas yang terjadi akibat faktor lain akan
menjadi lebih penting. Satu-satunya galat yang mempunyai standar pemecahan
teori adalah galat yang disebabkan oleh faktor konversi atau galat faktor
sampel.
Sebagai tambahan informasi, ketepatan MAT yang dihasilkan dengan pendekatan
metode tidak-langsung tergantung pada beberapa somber galat sebagai berikut.
Galat kalibrasi Beberapa data yang dibutuhkan seperti panjang jalan dapat
diukur secara tepat. Akan tetapi, data lain seperti lapangan kerja hanya dapat
berupa perkiraan saja. Jenis galat terjadi jika ketidaktepatan data yang
dibutuhkan dalam proses kalibrasi menghasilkan nilai parameter yang salah.
Hal ini bisa juga disebablcan oleh penggunaan proses kalibrasi yang tidak
cocok atau tidak tepat.
f Galat spesifikasi Model peramalan banyak didasarkan pada penyeder-
hanaan cerminan perilaku manusia yang pada dasarnya sangat kompleks. Jadi,
mungkin terjadi ketidakcocokan dalam proses penyederhanaan tersebut.
Jenis galat ini terjadi jika hasil model yang digunakan tidak sesuai dengan
kenyataannya. Tidaklah mungkin dihasilkan model yang secara tepat dapat
mencerminkan realita karena setiap pendekatan dalam proses penyederhanaan
suatu model juga tidak luput dari faktor galat.
Galat dalam persamaan (fungsi) atau adanya pengabaian dari berbagai peubah
penting dapat menghasilkan tingkat galat tertentu. Cara yang terbaik untuk
menghasilkan model yang baik adalah dengan mempelajari besarnya perbedaan
seperti antara basil pemodelan dengan realita.
Perbedaan tersebut hams tersebar normal dan tidak ada penyimpangan yang
cukup besar. Model tersebut juga hams mempunyai dasar teori yang
mendukung.

Analisis sebaran pergerakan (metode konvensional) 235


1111 Analisis sebaran pergerakan
(metode analogi)

Pada Bab 10 telah pula dijelaskan tentang metode Langsung (konvensional) yang
bisa digunakan untuk mendapatkan informasi matriks asal-tujuan (MAT).
Bab 11 akan menjelaskan tentang metode Tidak-Langsung (analogi), yaitu metode
yang hanya mempertimbangkan faktor pertumbuhan tanpa memperhitungkan
adanya perubahan aksesibilitas sistem jaringan transportasi. Metode ini hanya cocok
untuk perencanaan jangka pendek atau perencanaan tanpa adanya perubahan
aksesibilitas yang nyata dalam sistem jaringannya.
Subbab 11.1 menjelaskan persamaan metode analogi secara umum di mana metode
analogi dapat dikelompokkan menjadi 3 (tiga) subkelompok, yaitu metode tanpa-
batasan (subbab 11.2); metode dengan-satu-batasan (subbab 11.3), dan metode
dengan-dua-batasan (subbab 11.4). Beberapa keuntungan dan kerugian metode
analogi juga akan diterangkan pada akhir bab ini (subbab 11.5). Beberapa soal yang
berkaitan dengan metode analogi diberikan dalam subbab 11.6.

11.1 Metode analogi


Beberapa metode telah dikembangkan oleh para peneliti, dan setiap metode
berasumsi bahwa pola pergerakan pada saat sekarang dapat diproyeksikan ke masa
mendatang dengan menggunakan tingkat pertumbuhan zona yang berbeda-beda.
Semua metode mempunyai persamaan umum seperti berikut:
rid = t w .E (11.1)

T~d = pergerakan pada masa mendatang dari zona anal i ke zona tujuan d
tld = pergerakan pada masa sekarang dari zona anal i ke zona tujuan d
E = tingkat pertumbuhan
Tergantung pada metode yang digunakan, tingkat pertumbuhan (E) dapat berupa 1
(satu) faktor saja atau kombinani dari berbagai faktor, yang bisa didapat dari
proyeksi tata guna lahan atau bangkitan Ialu lintas. Faktor tersebut dapat dihitung
untuk semua daerah kajian atau untuk zona tertentu saja yang kemudian digunakan
untuk mendapatkan MAT.
Metode analogi dapat dikelompokkan menjadi 3 (tiga) kelompok utama [lihat
Gambar 11.2 dan Tamin (1997a,2000a,2003)], yaitu:
a metode tanpa-batasan (metode seragam),
b metode dengan-satu-batasan (metode batasan-bangkitan dan metode batasan-
tarikan), dan

236
c metode dengan-dua-batasan (metode rata-rata, metode Fratar, metode Detroit,
dan metode Furness).
Sedangkan, urutan pengembangannya secara kronologis adalah metode seragam,
metode batasan-bangkitan, metode batasan-tarikan, metode rata-rata, metode
Fratar, metode Detroit, dan metode Furness.
Usaha pengembangan metode pada saat itu lebih mengarah pada penyederhanaan
proses perhitungan dan percepatan proses tercapainya konvergensi. Hal ini
disebabkan sangat terbatasnya kapasitas dan kemampuan alat bantu hitung pada saat
itu.

11.2 Metode tanpa-batasan

Metode tanpa-batasan atau metode seragam adalah metode tertua dan paling
sederhana. Dalam metode ini diasumsikan bahwa untuk keselundtan daerah kajian
hanya ada 1 (satu) nilai tingkat penumbuhan yang digunakan untuk mengalikan
semua pergerakan pada saat ini dalam upaya mendapatkan pergerakan pada masa
mendatang.
Metode ini tidak menjamin bahwa total pergerakan yang dibangkitkan dari setiap
zona asal dan total pergerakan yang tertarik ke setiap zona tujuan akan sama dengan
total bangkitan dan tarikan yang diharapkan pada masa mendatang. Steam
matematis dapat dinyatakan sebagai persamaan (11.1) dengan nilai 'E' sebagai
berikut.
T
E _— di mana: (11.2)

T = total pergerakan pada masa mendatang di dalam daerah kajian


t = total pergerakan pada masa sekarang di dalam daerah kajian
Sebagai ilustrasi, berikut ini diberikan contoh perhitungan metode seragam dengan
menggunakan MAT [5x5] seperti terlihat pada Tabel 11.1.
Tabel 11.1 MAT pada masa sekarang dan tingkat Qertumbuhan setiap zona
Zona 4 Er
20 40 50 60 80 250 500 2,000
2 40 30 100 50 80 300 300 1,000
3 60 30 20 90 150 350 875 2,500
80 70 60 40 200 450 1350 3,000
100 80 90 80 50 400 475 1,188
dd 300 250 320 320 560 1750
Dd 300 750 640 480 1330 3500
Ed 1,000 3,000 2,000 1,500 2,375 2,000
di mana: o, dan dd = bangkit dan tarikan pada masa sekarang
O, dan Dd = bangkit dan tankan pada masa mendata ng
E, dan Ed =tingkat pertumbuhan zona bangkitan
dan zona tarikan

Analisis sebaran pergerakan (metode analogi) 237


Dapat dilihat pada Tabel 11.1 bahwa total pergerakan lalu lintas di dalam daerah
kajian meningkat sebesar 100% pada masa mendatang (dari 1750 menjadi 3500
pergerakan).
Dengan metode seragam, secara sangat sederhana semua sel MAT (t, ) dikalikan
dengan faktor 2,0 untuk mendapatkan MAT pada masa mendatang, seperti terlihat
pada Tabel 11.2.
Tavel 11.2 MAT pads masa mendatang dengan E=2,0
Zona 1 2 3 4 5 0; O; E;
40 80 100 120 160 500 500 1,000
2 80 60 200 100 160 600 300 0,500
3 120 60 40 180 300 700 875 1,250
4 160 140 120 80 400 900 1350 1,500
5 200 160 180 160 100 800 475 0,594
de 600 500 640 640 1120 3500
De 300 750 640 480 1330 3500
Ee 0,500 1,500 1, 000 0,750 1,188 1,000

Asumsi dasar yang digunakan pada metode ini adalah tingkat pertumbuhan global
di seluruh daerah kajian berpengaruh terhadap pertumbuhan lalu lintasnya secara
merata atau seragam untuk setiap zona.
Asumsi ini sering tidak dapat digunakan, karena pada kenyataannya tingkat
pertumbuhan setiap zona yang berbeda biasanya menghasilkan tingkat pertumbuhan
lalu limas yang berbeda pula. Ini menyebabkan galat yang besar untuk kota yang
tingkat pertumbuhan tata guna lahannya tidak merata (seperti kenyataannya di kota
besar di negara sedang berkembang).
Pada Tabel 11.2 terlihat bahwa metode seragam tidak dapat menjantin dipenuhinya
batasan bangkitan dan tarikan.
Contohnya, untuk zona yang tingkat pertumbuhannya lebih rendah dari tingkat
pertumbuhan global, penggunaan tingkat pertumbuhan global akan menghasilkan
perkiraan lalu lintas masa mendatang yang lebih tinggi dari yang diharapkan.
Sebaliknya, untuk zona yang tingkat pertumbuhannya lebih tinggi, akan
menghasilkan perkiraan lalu lintas masa mendatang yang lebih rendah dari yang
diharapkan.

Oleh karena itulah metode ini hanya dapat digunakan untuk daerah kajian yang
tingkat pertumbuhannya merata di seluruh wilayahnya. Jadi, metode ini dipastikan
tidak bisa digunakan di Indonesia, karena pertumbuhan daerahnya belum merata.

11.3 Metode dengan-satu-batasan

Terdapat 2 (dua) jenis metode, yaitu metode dengan-batasan-bangkitan dan metode


dengan-batasan-tarikan.

238 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
11.3.1 Metode dengan-batasan-bangkitan
Metode ini, digunakan jika informasi yang tersedia adalah perkiraan bangkitan
pergerakan pada masa mendatang, sedangkan perkiraan tarikan pergerakan tidak
tersedia atau dapat juga tersedia tetapi dengan tingkat akurasi yang rendah.
Secara matematis metode ini dapat dinyatakan dengan persamaan (11.3) berikut.
T~d =tw .E, (11.3)

Dengan menggunakan persamaan (11.3), pergerakan masa mendatang dapat


dihitung dan terlihat pada Tabel 11.3.
1.3 MAT pads masa mendatang menggunakan metode dengan-batasan-bangkitan
Zona 1 2 3 4 5 0; O; E;

1 40 80 100 120 160 500 500 1,000


2 ` 40 30 100 50 80 300 300 1,000
150 75 50 225 375 875 875 1,000
4 240 210 180 120 600 1350 1350 1,000
5 119 95 107 95 r 59 475 475 1,000
dd 589 490 537 610 1274 3500
Dd 300 750 640 480 1330 3500
Ed 0,510 1,531 1,192 0,787 1,044 1,000

Terlihat bahwa metode dengan-batasan-bangkitan menjamin total bangkitan


pergerakan setiap zona pada masa mendatang sama dengan yang diharapkan
(terlihat dari nilai E,-1 untuk seluruh zona).
Begitu juga total pergerakan pada masa mendatang untuk seluruh daerah kajian
sama dengan yang diharapkan.

11.3.2 Metode dengan-batasan-tarikan


Metode ini digunakan jika informasi yang tersedia adalah perkiraan tarikan
pergerakan pada masa mendatang, sedangkan perkiraan bangkitan pergerakan tidak
tersedia atau dapat juga tersedia tetapi akurasinya rendah.
Secara matematis metode ini dapat dinyatakan dengan persamaan (11.4) berikut.

Ted = .Ed (11.4)

Dengan menggunakan persamaan (11.4), pergerakan masa mendatang dapat


dihitung dan terlihat pada Tabel 11.4.
Terlihat bahwa metode dengan-batasan-tarikan menjamin total tarikan pergerakan
setiap zona pada masa mendatang sama dengan yang diharapkan (terlihat dari nilai
Ed=1 untuk seluruh zona).
Begitu juga total pergerakan pada masa mendatang untuk seluruh daerah kajian
sama dengan yang diharapkan.

Analisis sebaran pergerakan (metode analogi) 239


Tabel 11.4 MAT pada masa mendatang menggunakan metode dengan-batasan-tarikan
Zona 1 2 3 4 5 n, 0, E,
1 20 120 100 90 190 520 500 0,962
2 40 90 200 75 190 595 300 0,504
3 60 90 40 135 356 681 875 1,284
4 80 210 120 60 475 945 1350 1,429
5 100 240 180 120 119 759 475 0,626

dd 300 750 640 480 1330 3500

Dd 300 750 640 480 1330 3500

Ed 1,000 1,000 1,000 1,000 1,000 1,000

11.4 Metode dengan-dua-batasan

Terdapat 4 (empat) buah metode yang telah dikembangkan sampai saat ini yang
pada umumnya mencoba mengatasi kekurangan yang ada pada metode sebelumnya,
yaitu peemasalahan batasan bangkitan dan tarikan pergerakan.
Keempat metode berikut ini menjamin besarnya bangkitan dan tarikan pergerakan
pada masa mendatang sama dengan yang diharapkan.

11.4.1 Metode rata-rata


Metode rata-rata adalah usaha pertama untuk mengatasi adanya tingkat
pertumbuhan daerah yang berbeda-beda. Metode int menggunakan tingkat
pertumbuhan yang berbeda untuk setiap zona yang dapat dihasilkan dari peramalan
ra ta guna lahan dan bangkitan lalu liman.
Secara matematis, hal ini dapat dijelaskan sebagai berikut.

~E; + Ed )
Trd = rid Z (11.5)

O; Dd
E ; _ - dan Ed = - (11.6)
o; dd
E,, Ed = tingkat pertumbuhan zona i dan 4
0,, Dd = total pergerakan masa mendatang yan g berasal dari zona asal i atau yang
menuju ke zona tujuan d
dd = total pergerakan masa sekarang yang berasal dart zona anal i atau yang
menuju ke zona tujuan
Metode int dijelaskan dengan menggunakan contoh MAT [5x5], termasuk informant
tingkat pertumbuhan setiap zona seperti terlihat pada Tabel 11.1.
Secara umum, total pergerakan masa mendatang yang dihasilkan tidak sama dengan
total pergerakan yang didapat dari basil analisis bangkitan lalu lintas. Akan tetapi,
yang diharapkan adalah:

240 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
oi=0; dan deDd (11.7)
= total pergerakan masa sekarang dengan zona asal i dan zona tujuart a
on dd
Dd =
total pergerakan masa mendatang (dart analisis bangkitan lalu lintas)
dengan zona asal i dan zona tujuan d

Jadi, proses pengulangan harus dilakukan untuk meminimumkan besamya


perbedaan tersebut dengan mengatur nilai E; dan Ed sampai or-O; dan del),
sehingga:
E° = ' dan Eo = Dd (11.8)
o; dd
Untuk pengulangan ke-1 digunakan persamaan (11.8) sehingga dihasilkan MAT
baru seperti terlihat pada Tabel 11.5.
0 0
1
T;d =t;djl 0 ( E; +Ed
2 (11.9)

Perhitungan nilai T;d untuk pengulangan ke-1:


2Ei
t o rEi = 20 ) 30
Ttt = h t•I
l ~ 2211
Eto
712 =t°Z +
2,11).

7,' ES +2 4).50 (1,1875+ 2,3750) _


55 = t°5
5 89,06
2

Setelah menghitung seluruh nilai T;d, ntaka dapat dihitung kembali nilai o; dan dd
serta nilai E; dan Ed untuk pengulangan ke-1, sebagaimana terlihat pada Tabel 11.5.
Tabel 11.5 MAT pada masa mendatang dengan metode rata-rata (hasilpenaulan an ke-1
Zona 2 3 4 0; O, E;
30,00 100,00 100,00 105,00 175,00 510,00 500 0,9804
2 40,00 60,00 150,00 62,50 135,00 447,50 300 0,6704
3 105,00 82,50 45,00 180,00 365,63 778,13 875 1,1245
4 160,00 210,00 150,00 90,00 537,50 1147,50 1350 1,1765
5 109,38 167,50 143,44 107,50 89,06 616,88 475 0,7700
dd 444,38 620,00 588,44 545,00 1302,19 3500
300 750 640 480 1330 3500
, Ed 0,6751 1,2097 1,0876 0,8807 1,0214 1,0000

Perhitungan nilai T„ untuk pengulangan ke-2:

Analisis sebaran pergerakan (metode analogi) 24 1


tt Et Et 0,9804 2 0,67511 24,83
T tt
z = t t•I ( 2
- 30•(l J

El (0,9804 + 1,20971 _ 109,90


Tz tttzr Et I = 100 2J
2

1,0214) =
Tzss = 4E 2 4 )=89,06( 0'77N +2 79,77

Setelah menghitung seluruh nilai T,d, maka dapat dihitung kembali nilai o, dan de
serta nilai E, dan Ed untuk pengulangan ke-2, sebagaimana terlihat pada Tabel 11.6.
Tabel 11.6 MAT ada masa mendatang den an metode rata-rata (hasilpengulan.an ke-2
Zona o; o; E;

24,83 109,50 103,40 97,71 175,15 510,60 500 0,9792

26,91 56,40 131,85 48,47 114,19 377,83 300 0,7940

94,48 96,28 49,77 180,47 392,29 813,30 875 1,0759

148,13 250,55 169,81 92,57 590,67 1251,72 1350 1,0785


79,03 165,80 133,23 88,73 79,77 546,56 475 0,8691
dd 373,38 678,53 588,06 507,95 1352,07 3500
Dd 300 750 640 480 1330 3500
Ed 0,8035 1,1053 1,0883 0,9450 0,9837 1,0000

Proses pengulangan terns dilakukan sampai seluruh nilai 4,-01 atau (E,=1) dan
seluruh nilai dd=Dd atau (Ed=1).
Hal tersebut tercapai pada pengulangan ke-20 yang menghasilkan MAT akhir
(setelah pembulatan) seperti terlihat pada Tabel 11.7.
Tabel 11.7 MAT ada masa mendatang dengan metode rata-rata (hasilpengulan an ke-20
Zona o; O; E;
19 118 115 89 159 500 500 1,0000
16 49 118 35 83 300 300 1,0000
84 120 64 191 416 875 875 1,0000
128 305 213 95 609 1350 1350 1,0000
52 158 131 71 64 475 475 1,0000
dd 300 750 640 480 1330 3500
De 300 750 640 480 1330 3500
Ed 1,00 00 1,0000 1,0000 1,0000 1,0000 1,0000

242 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan eplikasi
Terdapat beberapa kelemahan pada metode rata-rata ini, karena besarnya perbedaan
tidak tersebar secara acak, tetapi tergantung pada nilai tingkat pertumbuhan.
Contohnya, zona yang tingkat pertumbuhannya lebih rendah dari tingkat
pertumbuhan global akan menghasilkan nilai yang lebih besar dari perkiraan.
Akan tetapi, hal yang sebaliknya terjadi pada zona yang tingkat pertumbuhannya
lebih tinggi dari tingkat pertumbuhan global. Besamya perbedaan tersebut akan
semakin berkurang sejalan dengan proses pengulangan, tetapi jika jumlah
pengulangan yang dibutuhkan sangat banyak, tingkat ketepatan pun semakin
berkurang. Oleh karena itu, metode ini sekarang sudah jarang digunakan.

11.4.2 Metode Fratar

Fratar (1954) mengembangkan metode yang mencoba mengatasi kekurangan


metode seragam dan metode rata-rata. Asumsi dasar metode ini adalah:
a Sebaran pergerakan dari zona anal path masa mendatang sebanding dengan
sebaran pergerakan pada masa sekarang;
b Sebaran pergerakan pada masa mendatang dimodifikasi dengan nilai tingkat
pertumbuhan zona tujuan pergerakan tersebut.
Modifikasi ini mempertimbangkan adanya pengaruh lokasi tempat tujuan yang
berbanding terbalik dari rata-rata daya tank tempat tujuan. Secara umum, metode
ini memperhatikan:
• Perkiraan jumlah pergerakan yang dihasilkan dari atau tertarik ke suatu zona
(hal ini didapatkan dari tahapan bangkitan pergerakan).
• Proses sebaran pergerakan masa mendatang dari setiap zona yang berbanding
lurus dengan pergerakan pada masa sekarang dimodifikasi dengan tingkat
pertumbuhan zona tujuan pergerakan.
Ini menghasilkan dua nilai untuk setiap pergerakan (i—d dan d—i), selanjumya
rata-rata dari nilai ini dipakai sebagai pendekatan ke-I bagi pergerakan yang
terjadi.
• Untuk setiap zona, jumlah basil pendekatan ke-1 dibagi dengan total
pergerakan yang diperkirakan (dihasilkan dari tahapan bangkitan pergerakan),
untuk mendapatkan nilai tingkat pertumbuhan baru yang selanjumya digunakan
sebagai pendekatan ke-2.
Pergerakan yang dihasilkan pada pendekatan ke-1 kemudian disebarkan, dan
ini sebanding dengan pergerakan pada masa sekarang dan nilai tingkat
pertumbuhan yang barn (basil pendekatan ke-1).
• Kedua nilai ini kemudian dirata-ratakan dan proses diulangi sampai tercapai
kesesuaian antara pergerakan yang dihitung dengan yang diinginkan.
Secara matematis, metode Fratar dapat dinyatakan sebagai:
Li, ~
Tid = rid .Ei .E d , ~LI 2
(11.10)

Analisis sebaran pergerakan (metode analog') 243


Erik Era
Li = N kx, dan Ld — NA"
n
EEk•tik EE,tdk
kti kxd
Tabel 11.8 MAT pada masa sekarang, tingkat pertumbuhan setiap zona, serta nilai L; dan
Ld (p engulangan ke-1)
Zona 1 2 3 4 5 oi Oi E, L;

1 20 40 50 60 80 250 500 2,000 0,523


2 40 30 100 50 80 300 300 1,000 0,470
3 60 30 20 90 150 350 875 2,500 0,552
4 80 70 60 40 200 450 1350 3,000 0,664
5 100 80 90 80 50 400 475 1,188 0,470
dd 300 250 320 320 560 1750

Dd 300 750 640 480 1330 3500

Ed 1,000 3,000 2,000 1,500 2,375 2,000


Ld 0,469 0,557 0,431 0,533 0,554

Nilai Li dan Ld untuk pengulangan ke-1 dapat dihitung sebagai berikut:


Perhitungan nilai L; untuk pengulangan ke-1.

/12 +013+ 014+ 115


Ll
E2.t12 + E 3 .8 03 + E4.t14 + E5.115
40+50+60+80
= 0,523
40x1,0 + 50x2,5+ 60x3,0 + 80x1,188

L2 _ 0 21 + 0 23 + 0 24 + 0 25
E I.t21 + E3-t23 +E4.024+E5.t25
40+100+50+80
= 0,470
40 x2,0 + 100x2,5 + 50x3,0+ 80x1,188

L5 _ 051 + t52 + 0 $3 + 054


Ei.t51 +t E2. t 52 + E3.t53 +4 E4.t54
100+80+90+80
= 0,470
100x2,0 + 80x1,0 + 90x2,5 + 80x3,0

Perhitungan nilai Ld untuk pengulangan ke-1:

244 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi

h
121 + 1 31 + 1 41 + 151
L1 _ E2.121 + E3.131 + E4.t41 + Es.t
s]
40 + 60 + 80 + 100
0,469
— 4053,0+ 6052,0 + 8051,5+10052,375
112 + 132 + 142 + 152
L2 — E1 .t 12 + E3.t32 + E4 .142 + E5.1.52
40+30+70+80

4051,0 + 30x2,0 + 7051,5 + 8052,375 0,557

151 + /52 + 153 + 154


Ls
E1.t51 + E2.t52 + E3.t53 + E4.t54
80+80+150+200
—0,554
= 8051,0+ 8053,0 +15052,0 + 20051,5
Setelah mendapatkan nilai L; dan Ld untuk pengulangan ke-1, maka dapat dilakukan
perhitungan nilai T,d untuk pengulangan ke-1 sebagai berikut.
Perhitungan nilai T;d untuk pengulangan ke-1:

1 1 LI + Li l ( 0 523 +2 0,4691
711,
Tl1 = t11 E1 E 2 I= 20 x 2,0 x 1,0 xl ' - 19,83
J

1 1 Li +2 (0923~ 0 557
7112 = 40x 2,0 x3,0 x 2 -129,56
l

111 t 1 Li + x(0523~ 0,431)


Ti3 3•Et •E ~ 2 4)- 50 x 2,0 x 2,0 2 - 95,34

(0,470 2 0,469) 18,76


Tzl = t21.EZ.Ei ~LZ 2 Li' l= 40 x 1,0 x 1,0 5

Tss = tss•Es•ESi Ls 2 Ls I = 50 x 1,188 x 2,375 5(0'470+2 0,554) — 72,21

Setelah menghitung seluruh nilai T;d, maka dapat dihitung kembali nilai a; dan d,
serta nilai E; dan Ed untuk pengulangan ke-2, sebagaimana terlihat pada Tabel 11.9.

Analisis sebaran pergerakan (metode analog') 245


Tabe111.9 MAT pada masa mendatang menggunakan metode Fratar (hasil pengulangan
ke-1
Zona 1 2 3 4 5 0; 0, E, L,
1 19,83 129,56 95,34 95,05 204,64 544,42 500 0,918 1,009
2 18,76 46,19 90,02 37,61 97,27 289,86 300 1,035 1,029
3 76,53 124,73 49,12 183,10 492,55 926,02 875 0,945 1,002
4 135,91 384,59 197,03 107,76 868,05 1693,34 1350 0,797 0,966
5 55,72 146,31 96,23 71,47 72,21 441,95 475 1,075 1,055
d, 306,75 831,39 527,74 494,99 1734,72 3896

Dd 300 750 640 480 1330 3500

Ed 0,978 0,902 1,213 0,970 0,767 0,898


Ld 1,009 1,029 1,074 0,934 0,963

Selanjutnya, nilai L, dan L, tmtlil: pengulangan ke-2 dapat dihitung sebagai berikut.
Perhitungan nilai L; untuk pengulangan ke-2:

__ 112 +113 + 114+ 115


L1
E2.t1V +E4.t14 +E5.t15

_ 129,56+95,34+95,05+204,64
= 1,009
129,56x1,035+ 95,34x0,945+ 95,05x0,797+ 204,64a1,075
_ 121 + 123 + 124 + 125
1 21 z.t23 + E4•t24
+E5•125

18,76+ 90,02 + 37,61+ 97,27


=1,029
18,760,918 + 90,020,945+ 37,610,797 + 97,270,075

151 + 152 + 1s3 +154


E1.151 + E 2 .t12 + E3 .t 51 + E4 .t 54
55,72 +146,31+ 96,23 + 71,47 =1 ,055
= 55,72x0,918 + 146,310,035 + 96,230,945+ 71,470,797
Perhitungan nilai L, untuk pengulangan ke-2:

246 Oiyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
t21 t31 + t41 + 41
E2.t21 + E3.t31 +E 4.t41 +E5.ts1
— 18,76+ 76,53 +135,91+ 55,72
=1,009
55,72x11,767
18,76x0,902 + 76,53x1,213 +135,910,970+
t12 t32 + t41 + 42
L2 —
E3.t32 + E4.142 + 442
129,56+ 124,73 + 384,59+146,31
—1,(129
129,56a0,978+ 124,73x1,213 + 384,59x(1,970 +146,31x0,767

t51 + t52 + t53 + tC 4


Ls
E,.t51 +E2.ts2 +E~.t;3 +E4.tS4
— 204,64 + 97,27 + 492,55 + 868,05
— 0,963
204,64x0,978 + 97,27x0,902 + 492,55x1,213 + 868,05x0,970
Setelah mendapatkan nilai L; dan Ld untuk pengulangan ke-2, maka dapat dilakukan
perhitungan nilai Tid untuk pengulangan ke-2.
Perhitungan nilai T;d untuk pengulanganke-2:

= t~,.E~ .Ei
rL,
2 ~2 I = 20 x 2,0 x 1,0 x(0'523 Z 0,4691 19,83

T122 = t12.E,
z z Li + LZ )l = 40 a 2,0 x 3,0 xllr (1,523 +
z .E2. 2 I — 129,56
2 J

z = t13.E1
z z.E3.
z Li + L23 ).= ( 0,523 + 0,4311J
T13 2 50 x 2,0 x 2,0 xI 2 J 95,34

L22+Li r 0,470 +0,469


T211 = t21'
1 EzE1f
2 • ,
2 JI=40 x10x1
, ,0 xl 2 ~ =18,76

(0 .470+ 0 5541 _
Tss = t ss•Es •Es i Ls 2 Ls I = 5() x 1,188 x 2,375 x 72,21

Setelah menghitung seluruh nilai T;,, maka dapat dihitung kembali nilai o; dan d,
serta nilai E; dan Ed untuk pengulangan ketiga, sebagaimana terlihat pada Tabel
11,10.

Analisis sebaran pergerakan (metode analog') 247


Tabel 11.10 MAT pada masa mendatang menggunakan metode Fratar (hasil pengulangan
ke-2)
Zona 0;

17,97 109,38 110,62 82,24 142,06 462,27 500 1,082 0,932

19,36 44,38 118,83 37,05 76,86 296,47 300 1,012 0,903


71,14 107,99 58,45 162,45 350,61 750,64 875 1,166 0,956
4 104,65 275,85 194,31 79,13 511,57 1165,50 1350 1,158 0,962
60,45 147,80 133,54 74,08 60,02 475,90 475 0,998 0,911
dd 273,57 685,40 615,74 434,94 1141,12 3151
Dd 300 750 640 480 1330 3500
Ed 1,097 1,094 1,039 1,104 1,166 1,111
Ld 0,909 0,904 0,901 0,933 0,925

Proses pengulangan terus dilakukan sampai seluruh nilai o,-O; atau (E,-1) dan
seluruh nilai dd=Dd atau (Ed=1).
Hal tersebut tercapai pada pengulangan ke-10 yang menghasilkan MAT akhir
(setelah pembulatan) seperti terlihat pada Tabel 11.11.
Tabel 11.11 MAT ada masa mendatan den an metode Fratar (hasil pengulangan ke-10
Zona 0,

19 118 115 89 159 500 500 1,000 1,000


20 45 116 38 81 300 300 1,000 1,000
81 124 65 187 418 875 875 1,000 1,000
4 119 316 215 91 609 1350 1350 1,000 1,000
60 148 129 75 63 475 475 1,000 1,000
dd 300 750 640 480 1330 3500

pd 300 750 640 480 1330 3500


Ed 1,000 1,000 1,000 1,000 1,000 1,000
Ld 1,000 1,000 1,000 1,000 1,000

Proses pengulangan cukup nimit dan membutuhkan proses perhitungan yang cukup
panjang. Davinroy dkk (1963) menyimpulkan bahwa metode seragani, rata-rata,
dan Fratar mempunyai ketepatan yang kira-kira sama.
Metode Fraser membutuhkan jumlah pengulangan yang lebih sedikit dibandingkan
dengan dua metode lainnya, tetapi perhitungannya yang cukup rumit pada akhirnya
secara keseluruhan tidak menguntungkan proses perhitungan dan menyebabkan
metode Fratar ini menjadi tidal( populer untuk digunakan.

Perlu diketahui pada saat itu pengembangan penelitian diarahkan selain pada usaha
peningkatan akurasi, juga pada usaha menghasilkan proses perhitungan yang efisien
(jumlah pengulangan yang sekecil mungkin dan proses perhitungan yang
sesederhana mungkin).

248 Ofyar Z Tamin, Perencana an, pem0delan, dan rekayasa transportasi:


Teori, contoh soal, da n ap lik asi
11.4.3 Metode Detroit
Metode ini dikembangkan bersamaan dengan pelaksanaan pekerjaan Detroit
Metropolitan Area Traffic Study dalam usaha mengatasi kekurangan metode
sebelumnya dan sekaligus mengurangi waktu operasi komputer. Prosesnya mirip
dengan metode rata-rata dan Fratar, tetapi mempunyai asumsi bahwa: walaupun
jumlah pergerakan dari zona i meningkat sesuai dengan tingkat pertumbuhan E;.
pergerakan ini harus juga disebarkan ke zona d sebanding dengan Ed dibagi dengan
tingkat pertumbuhan global (E) yang secara umum dapat dinyatakan sebagai:

(11.12)
Ttd = ttd(EtE d J

Dengan menggunakan data awal MAT yang sama seperti Tabel 11.1, untuk
pengulangan ke-1 metode Detroit digunakan persamaan (11.13) sehingga dihasilkan
MAT banr seperti terlihat pada Tabel 11.12.

_ o {E,P.E3
Ttd -trd
Eo

Perhitungan nilai T;d untuk pengulangan ke-1:

20
T 1 = toir EE
o ° -20[ 2x = 20

lo
Tr; =t E E = 40(2,0x3,01=12 0
i l 2 ,0 )

Tss = tss Eo 0 _ SO 1,1875 2,375) 70,51


E s){ 2, s

Setelah menghitung seluruh nilai T,d, maka dapat dihitung kembali nilai o; dan dd
serta nilai E; , Ed, dan E untuk pengulangan ke-1, seperti terlihat pada Tabel 11.12.
Tabel 11.12 MAT pada masa mendatang menggunakan metode Detroit (hasil pengulangan
ke -1
2ona o; O, E,
20,00 120,00 100,00 90,00 190,00 520,00 500 0,9615
20,00 45,00 100,00 37,50 95,00 297,50 300 1,0084
75,00 112,50 50,00 168,75 445,31 851,56 875 1,0275
120,00 315,00 180,00 90,00 712,50 1417,50 1350 0,9524
59,38 142,50 106,88 71,25 70,51 450,51 475 1,0544
dd 294,38 735,00 536,88 457,50 1513,32 3537,07
Dd 300 750 640 480 1330 3500
Ed 1,0191 1,0204 1,1921 1,04921 0,8789 0,9895

Analisis sebaran pergerakan (metode analogi) 249

.I
Perhitungan nilai T;d untuk pengulangan ke-2:

20 0,9615 x 1,0191
T2 = ' E;.Ei= 19,81
- ( 0,9895

( EI .E 2
1
=120~
,
0,9619 x 10204 1
J
118,99
Tt2= r1{ 1
0,9895
l E

1
rE~.E 1 1 544 a 0 ,8789
Ts =t est 1` )=70,51.( ,0 I= 6603
0,9895
ll E
Setelah menghitung seluruh nilai Tra, maka dapat dihitung kembali nilai o; dan dd
sena nilai E,, Ed, dan E untuk pengulangan ke-2, seperti terlihat pada Tabel 11.13.
Tabel 11.13 MAT pada masa mendatang menggunakan metode Detroit (hasil pengulangan
ke-2
Zona o;

19,81 118,99 115,84 91,76 162,26 508,65 500 0,9830

20,77 46,79 121,48 40,10 85,09 314,23 300 0,9547

79,37 119,20 61,89 183,85 406,40 850,71 875 1,0285


117,70 309,36 206,52 90,88 602,69 1327,16 1350 1,0172
64,47 154,94 135,75 79,65 66,03 500,85 475 0,9484
dd 302,12 749,29 641,49 486,24 1322,46 3501,597
Dd 300 750 640 480 1330 3500
Ed 0,9930 1,0010 0,9977 0,9872 1,0057 0,9995

Seperti halnya dengan metode rata-rata dan Era , proses pengulangan terus
dilakukan sampai seluruh nilai o,- -O; atau (E,=1) dan seluruh nilai d,,=D, atau
(Ea=1). Hal tersebut tercapai pada pengulangan ke-8, sehingga dihasilkan MAT
akhir (setelah pembulatan) seperti terlihat pada Tabel 11.14.
Tabel 11.14 MAT pada masa mendatang menggunakan metode Detroit (hasil pengulangan
ke-8
Zona
19 118 115 89 159 500 500 1,0000
20 45 117 38 81 300 300 1,0000
81 124 65 187 418 875 875 1,0000
119 316 213 91 611 1350 1350 1,0000
61 147 130 74 62 475 475 1,0000
dd 300 750 640 480 1330 3500
Dd 300 750 640 480 1330 3500
Ed 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000

250 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasl:


Teori, contoh soal, dan aplikasi
Tingkat pertumbuhan yang digunakan lebih sederhana dibandingkan dengan metode
Frotnr. Waktu komputasi menjadi lebih singkat, karena jumlah pengulangan yang
lebih sedikit.

11.4.4 Metode Furness


Furness (1965) mengembangkan metode yang pada saat sekarang sangat sering
digunakan dalam perencanaan transportasi. Metodenya sangat sederhana dan mudah
digunakan.
Pada metode ini, sebaran pergerakan pada masa mendatang didapatkan dengan
mengalikan sebaran pergerakan pada saat ini dengan tingkat pertumbuhan zona anal
atau zona tujuan yang dilakukan secara bergantian.
Secara matematis, metode Furness dapat dinyatakan sebagai berikut.
T,a = .E ~ (11.14)

Pada metode ini, pergerakan awal (masa sekarang) pertama kali dikalikan dengan
tingkat pertumbuhan zona asal. Hasilnya kemudian dikalikan dengan tingkat
pertumbuhan zona tujuan dan zona asal secara bergantian (modifikasi harus
dilakukan setelah setiap perkalian) sampai total sel MAT untuk setiap arah (baris
atau kolom) sama dengan total sel MAT yang diinginkan.
Dengan menggunakan data awal MAT yang sama seperti Tabel 11.1, maka dengan
metode Furness dihasilkan MAT pada pengulangan ke-1 yang didapat dengan
mengalikan sel MAT pada saat ini dengan tingkat pertumbuhan zona asal (E;)
seperti terlihat pada Tabel 11.15.
Perhitungan nilai T;d untuk pengulangan ke-1:
Tl11 = 1°~ .E° = 20 x 2,0 = 40
= t°Z.E° = 40 x 2,0 = 80
Ti3 =43.4 =50 x 2,0 = 100

Tzt = r2t.E2 = 40 x 1,0 = 40

T55 = r55•E5 = SO x 1,1875 = 59,38

Analisis sebaran pergerakan (metode analogi) 251


Tabel 11.15 MAT ada masa mendatan den an metode Furness (hasil engulanyan ke-1)
Zona o, E;

40,00 80,00 100,00 120,00 160,00 500,00 500 1,0000

40,00 30,00 100,00 50,00 80,00 300,00 300 1,0000

150,00 75,00 50,00 225,00 375,00 875,00 875 1,0000

240,00 210,00 180,00 120,00 600,00 1350,00 1350 1,0000


118,75 95,00 106,88 95,00 59,38 475,00 475 1,0000
dd 588,75 490,00 536,88 610,00 1274,38 3500

Dd 300 750 640 480 1330 3500


Ed 0,5096 1,5306 1,1921 0,7869 1,0436 1,0000

Selanjutnya, pada pengulangan ke-2, sel MAT yang dihasilkan pada pengulangan
ke-1 dikalikan dengan tingkat pertumbuhan zona tujuan (Ed) untuk menghasilkan
MAT pengulangan ke-2, seperti terlihat pada Tabel 11.16.
Perhitungan nilai T;d untuk pengulangan ke-2:

= t it El = 40 x 0,5096 = 20,38

Tii = tI2.E2 = 80 a 1,5306 = 122,45


Tjz = t13.E; =100 x 1,1921=119,21

T21 = tZ1.E1 = 40 x 0,5096 = 20,38

Ts5 = t55 .E1 = 59,38 x 1,0436 = 61,97


Tabel 11.16 MAT pada masa mendatang menggunakan metode Furness (hasil
pengulangan ke 2
Zona o; E;
20,38 122,45 119,21 94,43 166,98 523,45 500 0,9552
20,38 45,92 119,21 39,34 83,49 308,35 300 0,9729
76,43 114,80 59,60 177,05 391,37 819,25 875 1,0680
122,29 321,43 214,58 94,43 626,19 1378,91 1350 0,9790
60,51 145,41 127,40 74,75 61,97 470,04 475 1,0105
dd 300,00 750,00 640,00 480,00 1330,00 3500
Dd 300 750 640 480 1330 3500
Ed 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000

252 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
Hal tersebut dilakukan terns menerus secara bergantian sehingga total sel MAT
yang dihasilkan (basis ataupun kolom) sesuai dengan total sel MAT yang
diinginkan. Tabel 11.17 adalah MAT yang dihasilkan metode Furness (setelah
pembulatan) setelah pengulangan ke-8.
Tabel 11.17 MAT pada masa mendatang menggunakan metode Fumess (hasil
.engulangan ke-8

Evans (1970,1971) menunjukkan bahwa metode Furness selalu mempunyai satu


solusi akhir dan terbukti lebih efisien dibandingkan dengan metode analogi lainnya.
Solusi akhir pasti selalu sama, tidak tergantung dart mana pengulangan dimulai
(baris atau kolom).
Hal yang sama terjadi, jika pergerakan awal (masa sekarang) pertama kali dikalikan
dengan tingkat pertumbuhan zona tujuan. Hasilnya kemudian dikalikan dengan
tingkat pertumbuhan zona asal dan zona tujuan secara bergantian (modifikasi harus
dilakukan setelah setiap perkalian) sampai total sel MAT untuk setiap arah (baris
atau kolom) kira-kira sama dengan total sel MAT yang diinginkan.

Tid = (11.15)
Dengart menggunakan data awal MAT yang sama seperti Tabel 11.1, maka dengan
metode Furness dihasilkan MAT pada pengulangan ke-1 yang didapat dengan
mengalikan sel MAT pada saat ini dengan tingkat pertumbuhan zona tujuan (Ed)
seperti terlihat pada Tabel 11.18. Perhitungan nilai T,d untuk pengulangan ke-1:

= t°E° = 20 x 1,0= 20
Tii = t Z.EZ = 40 x 3,0 =120
T13 = 43.Ej = 50 x 2,0 = 100

T21 = 4) 1•4 = 40 x 1,0 = 40

Tss = tss•ES = 50 x 2,375 = 118,75

Analisis sebaran pergerakan (metode analogi) 253


Tabe111.18 MAT pada masa mendatang menggunakan metode Furness (hasil
engulangan ke-1)
Zona o, O, E;
20,00 120,00 100,00 90,00 190,00 520,00 500 0,9615
40,00 90,00 200,00 75,00 190,00 595,00 300 0,5042
60,00 90,00 40,00 135,00 356,25 681,25 875 1,2844
80,00 210,00 120,00 60,00 475,00 945,00 1350 1,4286
100,00 240,00 180,00 120,00 118,75 758,75 475 0,6260
d, 300,00 750,00 640,00 480,00 1330,00 3500
D, 300 750 640 480 1330 3500
Ed 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000

Selanjutnya, pada pengulangan ke-2, sel MAT yang dihasilkan pada pengulangan
ke-1 dikalikan dengan tingkat pertumbuhan zona asal (E;) untuk menghasilkan
MAT pengulangan ke-2, seperti terlihat pada Tabel 11.19.
Perhitungan nilai T;d unttdc pengulangan ke-2:

711 = t11 .E1 = 20 a 0,9615 = 19,23


Tt Z = t12 .E1 =120 a 0,9615 =115,38

Tt3 = = 100 a 0,9615 = 96,15

T21 = tZt.E2 = 40 a 0,5042 = 20,17

T525 = tL.E1 = 100 a 0,6260 = 74,37


Tabel 11.19 MAT pada masa mendatang menggunakan metode Furness (has I
pengulan an ke 2
Zona O; E,
19,23 115,38 96,15 86,54 182,69 500,00 500 1,0000
20,17 45,38 100,84 37,82 95,80 300,00 300 1,0000
77,06 115,60 51,38 173,39 457,57 875,00 875 1,0000
114,29 300,00 171,43 85,71 678,57 1350,00 1350 1,0000
5 62,60 150,25 112,69 75,12 74,34 475,00 475 1,0000
di 293,35 726,61 532,48 458,59 1488,97 3500
Dd 300 750 640 480 1330 3500
Ed 1,0227 1,0322 1,2019 1,0467 0,8932 1,0000

254 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
Hal tersebut dilakukan terns menerus secara bergantian sehingga total sel MAT
yang dihasilkan (baris ataupun kolom) sesuai dengan total sel MAT yang
diinginkan.
Tabel 11.20 adalah MAT yang dihasilkan metode Furness (setelah pembulatan)
setelah pengulangan ke-9.
.. AT pada masa mendatang dengan metode Furness (hasil pengulan an ke_9)
Zona 1 2 3 4 5 0; O; E;

19 118 115 89 159 500 500 1,0000

2 20 45 117 38 81 300 300 1,0000


3 81 124 65 187 418 875 875 1, 0000

4 119 316 213 91 611 1350 1350 1,0000


5 61 147 130 74 62 475 475 1,0000
dd 300 750 640 480 1330 3500
Da 300 750 640 480 1330 3500
Ed 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000

Terlihat dengan jelas bahwa Tabel 11.17 persis sama dengan Tabel 11.20. Hal ini
membuktikan bahwa solusi akhir metode Furness pasti selalu sama, tidak
tergantung dari mana pengulangan dimulai (baris atau kolom).
Beberapa peneliti berusaha mempercepat proses pengulangan metode Furness [lihat
Robillard dan Stewart (1974); Mekky (1983); Maher (1983b)J.
Penumnan teori metode Furness dapat dihasilkan dengan meminimumkan statistik
informasi yang diharapkan (Morphet, 1975) atau memaksimumkan ukuran
entropi (Evans, 1970,1971). Dibuktikan bahwa metode Furness menghasilkan
sebaran pergerakan yang memaksimumkan entropi dan meminimumkan informasi
yang diharapkan, tergantung pada batasan asal tujuan.
Lamond dan Stewart (1981) memperlihatkan bahwa proses keseimbangan metode
Furntess sebenarnya merupakan kasus khusus yang dapat dihasilkan oleh metode
keseimbangan Bregman. Penjelasan rinci mengenai hal tersebut dapat dilihat pada
Bregman (1967).

11.5 Keuntungan dan kerugian

Beberapa keuntungan metode analogi adalah:


• nmdah dimengerti dan digunakan, hanya membutuhkan data pergerakan
antarzona (MAT) pada masa sekarang dan perkiraan tingkat pertumbuhan zona
pada masa mendatang yang sederhana;
• proses pengulangatutya sederhana;
• data aksesibilitas (waktu, jarak, dan biaya) antarzona tidak diperlukan;

Analisis sebaran pergerakan (metode analog)) 255


• penggunaannya fleksibel, misalnya mink moda transportasi lain, untuk tttjuan
perjalanan yang berbeda, untuk selang waktu yang berbeda, dan juga dapat
digunakan untuk arah pergerakan yang berbeda;

• sudah sering diabsahkan dan menghasilkan tingkat ketepatan yang cukup tinggi
jika digunakan pada daerah yang pola pengembangan wilayahnya stabil.

Akan tetapi, selain kettntungan, terdapat juga beberapa permasalahan yang sering
timbul dalam pemakaiannya. Di antaranya yang berikut ini.

Metode ini membutuhkan masukan data lengkap dari selunth pergerakan


antarzona pada saat sekarang (t,,), infomtasi ini tentu sangat mahal.

Dibutuhkan jumlah zona yang selalu tetap. Dengan kata lain, tidak boleh
ditambah zona bar' sehingga agak susah digunakan, karena biasanya pada
masa mendatang selalu ada pertambahan zona bani.
Oleh karena itu, untuk mengantisipasi pentbahan jumlah zona tersebut,
diperlukan `manipulasi' dengan menganggap pada masa sekarang jumlah zona
yang digunakan adalah jumlah zona pada masa mendatang dengan pergerakan
yang cukup kecil. Realitanya, pergerakan tersebut memang belum ada pada
masa sekarang.
• Kelemahan yang paling utama adalah jika ditemukan bahwa antara 2 (dua)
buah zona pada saat sekarang belutn terjadi pergerakan (t,,U) atau mungl in
karma ada galat stuvei atau hal lainnya.
Dalam hal ini, tidak akan pernah didapatkan ramalan pergerakan tersebut pada
masa mendatang. Untuk itu, sekali lagi, diperlukan `manipulasi' data dengan
menganggap telah terjadi pergerakan dengan volume yang sangat kecil,
misalnya (t,l) tmtuk menghindari adanya batasan kelemahan matematis
tersebut.
• Pergerakan intrazona (i=d) tidak diperhitungkan pada metode ini sehingga
meningkatkan galat dan membutuhkan jumlah pengulangan yang semakin
banyak yang selanjumya memungkinkan terciptanya galat yang semakin besar.
• Kelemahan lain, jika pada masa sekarang terdapat sel matriks yang tidak
didapatkan informasi pergerakannya (datanya tidak ada), maka sel matriks
tersebut tidak akan pemah bisa didapatkan pergerakan masa mendatangnya.
Oleh karena itu, metode ini tidak dapat digunakan untuk melengkapi sel
matriks yang kosong dengan menambahkannya dari matriks parsial.

Metode ini sangat tergantung pada tingkat akurasi informasi pergerakan


antarzona pada masa sekarang. Setiap galat yang ada pada masa sekarang akan
terus membesar setiap kali dilakukan proses pengulangan.
Selain itu, karena adanya kemungkinan galat statistik yang cukup tinggi,
penggunaan tingkat pertumbuhan untuk pergerakan yang rendah pada masa
sekarang akan menghasilkan perkiraan yang tidak realistis pada masa
mendatang. Tingkat pertumbuhan setiap zona didapat dengan proses

256 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
pendekatan yang kasar sehingga metode analogi ini sangat tergantung pada
ketepatannya.
• Asumsi mengenai `tidak ada perubahan pada aksesibilitas' juga dikritik orang.
Dengan kata lain, sebaran pergerakan hanya tergantung pada pola perjalanan
saat sekarang dan perkiraan tingkat pertumbuhannya.
Oleh karena itu, metode ini tidak bisa digunakan untuk daerah yang pada masa
mendatang mengalami perubahan aksesibilitas yang nyata pada sistem jaringan
transportasinya, misalnya pelebaran jalan, pembangunan jalan barn, dan
pembangunan jalan bebas hambatan.
Oath, model ini tidak cocok untuk peramalan waktu yang cukup panjang. Untuk
itu diperlukan metode yang juga memperhitungkan adanya perubahan
aksesibilitas, selain perubahan tingkat pertumbuhan setiap zona (lihat Bab
12-14 tentang metode sintetis).
• Untuk selang waktu yang pendek dan di daerah yang stabil pengembangan
wilayahnya, metode ini dapat digunakan dengan baik. Sebaliknya, metode ini
tidak dapat digunakan pada daerah yang pesat pengembangan wilayahnya dan
tajanl peningkatan aksesibilitas sistem jaringan transportasinya. Karen batasan
di atas, metode analogi sangat jarang digunakan dalam kajian transportasi di
masa sekarang.

11.6 Kumpulan soal

l. Diasumsikan saudara mempunyai informasi pergerakan pada masa sekarang


dalam bentuk data MAT [6x6] seperti terlihat pada Tabel 11.21 berikut ini.
Tabel 11 21 MAT [6x61 pada masa sekarang dan tingkatpertumbuhan setiay zona
Zona 1 2 3 4 6 O; Er
40 70 40 40 70 140 400 800 2,000
50 40 120 60 90 90 450 450 1,000
70 40 30 70 140 50 400 600 1,500
90 90 70 60 200 190 700 1400 2,000
120 40 100 80 60 50 450 900 2,000
130 20 90 90 40 210 580 1810 3,121
dd 500 300 450 400 600 730 2980
Dd 1000 450 450 1000 1200 1860 5960
Ed 2,000 1,500 1,000 2,500 2,000 2,548 2,000
di mana: o, dan dd = bangkit dan tarikan pada masa sekarang
O, dan Dd = bangkit dan tarikan pada masa mendatang
E, dan Ed = tingkat pertumbuhan zona bangkitan dan zona tarikan

~ dengan
Saudara diminta untuk mendapatkan pergerakan pada masa mendatang
menggunakan:
a Metode tanpa batasan (metode seragam)

Analisis sebaran pergerakan (metode analogi) 257


b Metode dengan-satu-batasan (metode dengan batasan-bangkitan)
c Metode dengan-satu-batasan (metode dengan batasan-tarikan).
d Metode dengan-dua-batasan (metode rata-rata)
e Metode dengan dua-batasan (metoda Frator)
f Metode dengan-dua-batasan (metode Detroit)
g Metode dengan dua-batasan (metode Furness, pengulangan ke-1
mengalikan dengan tingkat pertumbuhan zona asal, E,)
h Metode dengan dua-batasan (metode Furness, pengulangan ke-1
mengalikan dengan tingkat pertumbuhan zona tujuan, Ed )
i Buktikan bahwa hasil jawaban soal (g) adalah persis sama dengan hasil
jawaban soal (h)?

2. Diasumsikan saudara mempunyai informasi pergerakan pada masa sekarang


dalam bentuk data MAT [5x5] seperti terlihat pada Tabel 11.22 berikut
Tabel 11.22 MAT (,4n4) pada masa sekaran dan tin kat ertumbuhan setia zona
Zona o; O; Ei

40 70 40 40 60 250 500 2,000

50 40 120 60 80 350 350 1,00n


70 40 30 70 • 140 350 525 1,500
90 90 70 60 240 550 1100 2,000
120 40 100 80 60 400 800 2,000
(id 370 280 360 310 580 1900
Dd 740 420 360 775 980 3275
Ed 2,000 1,500 1,000 2,500 1,690 1,724
di mana: o; dan dd = bangkit dan tarikan pada masa sekarang
dan Dd = bangkil dan tarikan pada masa mendatang
daan Ee = tingkat pertumbuhnan zona:rgn an dan zona tarikan

Saudara diminta untuk mendapatkan pergerakan pada masa mendatang dengan


menggunakan:
a Metode dengan-dua-batasan (metode rata-rata)
b Metode dengan dua-batasan (metoda Fratar)
c Metode dengan-dua-batasan (metode Detroit)
d Metode dengan dua-batasan (metode Furness, pengulangan ke-1
mengalikan dengan tingkat pertumbuhan zona asal, E,)
i Tentukan metode mana yang mempunyai jumlah iterasi yang terkecil dalam
mencapai konvergensi dan terangkan kenapa hal tersebut terjadi?

258 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
Analisis sebaran pergerakan
(model gravity)

Bab 10 telah menjelaskan tentang metode Langsung (konvensional) yang bisa


digunakan untuk mendapatkan informasi matriks asal-tujuan (MAT), sedangkan
Bab 11 telah menjelaskan tentang metode Tidak-Langsung (analogi).
Bab 12 akan menjelaskan salah satu metode analisis sebaran pergerakan selain dari
metode analogi, yaitu model sintetis. Subbab 12.1 menjelaskan beberapa
kelemahan utama metode analogi telah mendorong orang untuk mengembangkan
metode sintetis.
Subbab 12.2 menjelaskan metode sintetis (interaksi spasial) yang paling terkenal
dan sering digunakan yaitu model gravity (GR) yang dikembangkan dart analogi
hokum gravitasi.
Subbab 12.3 menjelaskan beberapa fungsi hambatan yang dapat digunakan dalam
model gravity sebagai ukuran aksesibilitas (kemudahan), sedangkan subbab 12.4
menjelaskan pentingnya informasi sebaran panjang pergerakan dalam proses
penentuan metode analisis sebaran pergerakan yang cocok.
Subbab 12.5 menjelaskan 4 jenis model gravity (GR) yang dapat dikembangkan
yang didasarkan pada batasan yang ditetapkan.
Seperti telah dijelaskan terdapat 4 (empat) jenis model gravity (GR), yaitu tanpa-
batasan atau unconstrained-gravity (UCGR) (Iihat subbab 12.6), dengan-batasan-
bangkitan atau production-constrained (PCGR) (lihat subbab 12.7), dengan-
batasan-tarikan atau attraction-constrained (ACGR) (lihat subbab 12.8), dan
dengan-batasan-bangkitan-tarikan atau production-attraction-constrained (PACGR)
(lihat subbab 12.9).
Subbab 12.10 menjelaskan beberapa hal dan kondisi yang perlu diperhatikan dalam
menggunakan model gravity (GR), sedangkan subbab 12.11 menjelaskan
bagaimana model gravity (GR) juga dapat diturunkan dengan menggunakan
pendekatan entropi-maksimum.
Terlihat pada subbab 12.11 bahwa pendekatan entropi-maksimum dapat digunakan
untuk menurunkan model gravity. Subbab 12.12 menjelaskan bahwa hampir
seluruh keluarga model sebaran pergerakan dapat diturunkan dengan merumuskan
Permasalahan yang ada dalanr kerangka pemrograman matematis, misalnya
memaksimumkan fungsi entropi dengan batasan linear dapat menjelaskan
bagaimana suatu sistem transportasi berperilaku.
Sedangkan pada subbab 12.13 diberikan kumpulan soal yang berkaitan model
gravity (GR).

259

_Ar
12.1 Pendahuluan

Beberapa kelemahan utama metode analogi (lihat Bab 11) telah mendorong orang
untuk mengembangkan metode alternatif lain, yang sering dikenal dengan metode
sintetis. Metode didasarkan pada asumsi: (i) sebelum pergerakan pada masa
mendatang diramalkan, terlebih dahulu hams dipahami alasan tetjadinya pergerakan
pada masa sekarang; (ii) alasan tersebut kemudian dimodelkan dengan
menggunakan analogi hukum alam yang sering terjadi.
Prinsip yang menggarisbawahi metode ini adalah pergerakan dari zona asal ke zona
tujuan berbanding Iurus dengan besamya bangkitan lalu lintas di zona asal dan juga
tarikan lalu lintas di zona tujuan serta berbanding terbalik dengan jarak
(kemudahan) antara kedua zona tersebut. Menggunakan model semacam ini secara
tidak langsung sudah membatasi pemodelan pola pergerakan dan ini tentu
menyebabkan informasi yang dibutuhkan semakin sedikit serta survei semakin
berkurang.
Disarartkan juga pemakaian parameter dari model yang `dipinjam' dari kajian di
daerah lain yang cirinya hampir sama. Kritik terhadap pendekatan ini adalah tidak
pemah ada dua tempat yang cirinya penis sama. Jadi, peminjaman parameter dari
suatu model sangat jarang dilakukan, kecuali untuk perkiraan kasar saja. Metode
sintetis juga dapat digunakan untuk mengisi sel MAT yang tidak dapat dihasilkan
oleh metode langsung.
Model yang berskala regional dan perkotaan mempunyai dua hal utama yang perlu
diperhatikan. Pertama, pengembangan model merupakan akar semua aktivitas
ilmiah; pemodelan berskala regional dan perkotaan merupakan bagian dari usaha
untuk mendapatkan pengertian yang bersifat ilmiah mengenai hal tersebut.
Kedua, jika permasalahan timbul, beberapa hal yang berkaitan dengan usaha
pemecahan masalah akan menjadi lebih penting. Hal ini membutuhkan teknik
pemodelan berskala regional dan perkotaan yang perlu diperhatikan untuk
mengatasi permasalahan yang bersifat baik praktis maupun teori.
Kebanyakan model berskala regional dan perkotaan dibentuk dari fakta yang
menyatakan bahwa arus barang dan energi dibutuhkan untuk menghasilkan model
matematis yang dapat digunakan untuk mempelajari perkembangan tata guna lahan.
Contohnya, jumlah bahan organik yang mengalir di permukaan tanah bergantung
pada jumlah than yang gugur dan tingkat pembusukan serta translokasinya. Dalam
hal ini, model menggunakan pergerakan sebagai peubah tidak bebas yang
digunakan untuk meramalkan nilai peubah bebas yang menggambarkan aspek
struktural dari kondisi fisik lahan.
Dalam kaitannya dengan hal tersebut, jika anus barang dan orang yang bergerak
pada suatu tata guna lahan hendak dipelajari, harus dilakukan pemodelan hubungan
antara arus dan penyebabnya. Arus pergerakan (interaksi spasial) dapat dipelajari
dengan membuat model yang mengaitkan besar dan arah arus (peubah tidak bebas)
dengan peubah bebas sebagai ukuran struktur tata guna lahan.

260 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
Contolmya, pola pergerakan (untuk pergi bekerja) dalam kota dapat dimodel dengan
menggunakan beberapa peubah seperti sebaran lokasi pekerja, lokasi lapangan
pekerjaan, dan biaya perjalanan. Hal yang sama, arcs pergerakan untuk berbelanja
dapat diperkirakan dengan mempelajari tingkat kemampuan daya beli dan lugs pusat
perbelanjaan.
Berhagai bentuk model disarankan untuk memperkirakan kebutuhan n-ansportasi;
mulai dan model agregat yang sangat sederhana sampai dengan pendekatan model
tidak-agregat yang remit. Meskipun, model tidak-agregat menjamin basil yang lebih
tepat (lihat Daly, 1982; Gunn dan Bates, 1982; Daly dkk, 1983), model agregat
lebih sexing digunakan untuk peramalan.
Carey dkk (1981) dan Carey dan Revelli (1986) menggunakan model kebutuhan
langsung yang menerangkan bahwa parameter model dikalibrasi dengan
menggunakan data arus lalu limas. Akan tetapi, pada buku ini, kits hanya
membicarakan pada model agregat karena jenis model seperti ini berpotensi baik
dan menguntungkan.
Model untuk perencanaan transportasi biasanya ditunmkan dari prinsip dasar fisika,
sepeni hukum gravity dan prinsip entropi. Pemikiran bahwa interaksi antara 2 (dua)
rata guna lahan dapat diartikan sama dengan gaya tank atau tolak pada model
gravity yang pertama kali diperkenalkan pada tahun 1850. Akan tetapi, model
gravity untuk transportasi perkotaan penama kali digunakan sate abad kemudian,
yaitu pada tahun 1955 (Casey, 1955).

12.2 Analogi

Metode sintetis (interaksi spasial) y ang paling terkenal dan sering digunakan adalah
model gravity (GR), karma sangat sederhana sehingga mudah dimengerti dan
digunakan. Model ini menggunakan konsep gravity yang diperkenalkan oleh
Newton pada tahun 1686 yang dikembangkan dari analogi hukum gravitasi.

Metode ini berasumsi bahwa ciri bangkitan dan tarikan pergerakan berkaitan dengan
beberapa parameter zona anal, misalnya populasi dan nilai sel MAT yang berkaitan
juga dengan aksesibilitas (kemudahan) sebagai fungsi jarak, waktu, ataupun biaya.
Newton menyatakan bahwa (F,0) gaya tank atau tolak antara 2 (dual kutub massa
berbanding lures dengan massanya, m, dan ma, dan berbanding terbalik kuadratis
dengan jarak antara kedua massa tersebut, (IL, yang dapat dinyatakan dengan:

,nr ,r
F,r = Gm' dengan G adalah konstanta grav-itasi (12.1)
dL

Dalam ilmu geografi, gaya dapat dianggap sebagai pergerakan antara dua daerah,
sedangkan massa dapat digantikan dengan peubah seperti populasi atau bangkitan
dan tarikan pergerakan, sena jarak, "akno, atau biaya sebagai ukuran aksesibilitas
(kemudahan).

badi, untuk keperluan transportasi, model gravity (GR) dinyatakan sebagai:

Analisis sebaran pergerakan (model gravity) 261


Tid = K dengan K adalah konstanta (12.2)
d~
Model ini mempunyai beberapa hal yang perlu diperhatikan. Dikatakan bahwa
pergerakan antara zona anal i dan zona tujuan d berbanding lurus dengan 0, dan Dd
dan berbanding terbalik kuadratis terhadap jarak antara kedua zona tersebut. Jadi,
dalam bentuk matematis, model gravity (GR) dapat dinyatakan sebagai:
rid p O; .Dd • f (Cid ) (12.3)
Walaupun kelihatan realistis, bila diteliti lebih mendalam, persamaan (12.3)
menghasilkan kenyataan yang membingungkan dan merupakan kesalahan fatal jika
digunakan dalam aspek transportasi.
Jika salah satu nilai 0, dan salah satu nilai Da menjadi dua kali, pergerakan antara
kedua zona meningkat empat kali sesuai dengan persamaan (12.3), sebenarnya
pergerakan diperkirakan meningkat hanya dua kali. Untuk menjawab hal ini,
persamaan yang membatasi T,d diperlukan, dan batasan tersebut tidak dapat
dipenuhi oleh persamaan (12.3).
x ~
ET;d = 0i dan ET, = Dd (12.4)
d=1 i=1

0, dan Dd menyatakan jumlah pergerakan yang berasal dari zona i dan yang
berakhir di zona 4. Oleh karena itu, penjunilahan sel MAT menurut `baris'
menghasilkan total pergerakan yang berasal dari setiap zona, sedangkan
penjulnlahan menurut `kolom' menghasilkan total pergerakan yang menuju ke
setiap zona. Pengembangan persamaan (12.3), dengan batasan persamaan (12.4),
menghasilkan persamaan (12.5) berikut:
Ti,, =A; .O; .Bd .Dd •f(Cm) (12.5)
Kedua persamaan pembatas (12.4) dipenuhi jika digunakan konstanta A, dan Bd,
yang terkait dengan setiap zona bangkitan dan tarikan. Konstanta itu disebut faktor
penyeimbang.
A, = 1 dan Bd = (12.6)
E (Bd Dd •fid )
d=1 i=1

Persamaan A, dan Bd didapatkan secara berulang-ulang dan dapat dengan nmdah


dicek bahwa Td pada persamaan (12.3) sudah memenuhi batasan persamaan (12.4).
Kita dapat menghinnlg nilai Bd untuk setiap d dengan menggunakan persamaan
(12.4), yang nilainya kemudian digunakan lagi untuk menghitung kembali nilai A,.
Proses ini diulangi sampai nilai A, dan Bd menghasilkan nilai tertentu (konvergen).
Prosedur penyeimbang yang dilakukan mirip dengan metode Furness yang sudah
dibuktikan oleh Evans (1970,1971), akan selalu menghasilkan nilai A, dan Bd dari
setiap nilai awal apapun. Lamond dan Stewart (1981) membuktikan bahwa
metode Furness bisa didapat sebagai kasus kllusus dari metode penyeimbang
Bregman.

262 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
Selanjutnya, Robillard dan Stewart (1974) dan Erlander (1978) membuktikan
bahwa prosedur penyeimbang yang digunakan oleh metode Furness untuk
ntendapatkan nilai A; dan Bd pada kenyataannya merupakan versi sederhana dari
metode Newton.
Selain itu, Dacey dan Norcliffe (1977) mengembangkan model sebaran pergerakan
dengan-dua-batasan yang tidak terlalu mengikat seperti yang ditunjukkan dalam
persamaan (12.7)-(12.8):
O SITid S Ni dan O SETid S Md (12.7)
d i
EE Tid =T (12.8)
i d

N, dan Md adalah total pergerakan maksimum dan T adalah total pergerakan yang
dilakukan dalam sistem tersebut.

12.3 Fungsi hambatan

Hal terpenting untuk diketahui adalah f d harus dianggap sebagai ukuran


aksesibilitas (kemudahan) antara zona i dengan zona d. Hyman (1969)
menyarankan 3 (tiga) jenis fungsi hambatan yang dapat digunakan dalam model
GR, yaitu:

• f(Cid ) = CY (fungsi pangkat) (12.9)

• f(C,)= e-flod (fungsi eksponensial-negatif) (12.10)

• f (Cid ) = C;~ .eao Q (fungsi Tanner) (12.11)


Bentuk umum ketiga fungsi hambatan ini untuk nilai parameter yang berbeda-beda
dapat dilihat pada Gambar 12.1.
Sejauh ini, tidak ada bukti yang mendukung bahwa jarak memegang peranan yang
sama dalam sektor transportasi [persamaan (12.2)] seperti yang berlaku dalam
hokum fisika Newton. Jadi, perlu digunakan bentuk umum jarak, waktu, dan biaya
yang biasa disebut fungsi hambatan atau hambatan transportasi.
Nilai hambatan transportasi biasanya diasumsikan sebagai rute terpendek, tercepat,
atau termurah, dari zona anal ke zona tujuan. Dart zona anal ke zona tujuan dalam
suatu sistem terdapat beberapa kemungkinan rute. Rute yang memungkinkan dari
zona i disebut potion.

Komputer dibutuhkan untuk membentttk pohon dari zona i karena terdapat


hanyaktya kombinasi runs yang menghasilkan kemungkinan rute yang sangat
banyak. Rote terpendek (dalam hal biaya, jarak, dan waktu) dari zona i ke zona
lainnya disebut uraian pohon. Rute tersebut adalah rute yang digunakan untuk
menghitung biaya transportasi.

Analisis sebaran pergerakan (model gravity) 263


2 10 20 30 40 50
Waktu tem puh (m e nit)

Gambar 12.1 Bentuk umum fungsi hambatan


Sumber: Ortuzar dan VVillumsen (1994,2001)
Hal yang perlu mendapat perhatian adalah hambatan transportasi intrazona.
Perkiraan yang salah menyebabkan perkiraan pergerakan intrazona yang sangat
Icasar, yang selanjutnya mempengaruhi perhitungan.
Secara praktis. harus terdapat banyak asumsi untuk bisa mendapatkan jawaban yang
benar. Hal yang paling mungkin adalah dengan menghitung pergerakan intrazona
secara terpisah dan kemudian menghilangkan pergerakan tersebut dad pemodelan
utama.

12.4 Sebaran panjang pergerakan

Di samping mengkalibrasi parameter model kebutuhan akan transportasi, seringkali


diperlukan juga informasi sebaran perjalanan yang didasarkan pada panjang (atau
biaya) perjalanan, yang biasa dikenal dengan sebaran panjang pergerakan.
Khusus untuk perjalanan dalam daerah perkotaan, dan lebih khusus lagi dalam hal
perjalanan dengan kendaraan bermotor, sebaran ini mempunyai bentuk umurn
seperti yang diperlihatkan pada Gambar 12.2.
Terlihat bahwa terdapat hanya sedikit perjalanan jaralc pendek, yang diikuti dengan
sejumlah besar jarak menengah.

264 Ofyar Z Tamin, FT'erencan77,sperincdkielan,ffidzrekayasa transportasi:


► Gambar 12.2
10 20 30 40 so 60 70 eo so ioo 120
gentuk tipikal sebaran panjang
Waktu perialanan (menit) pergerakan di daerah perkotaan

Dengan semakin meningkatnya jarak atau biaya, jumlah perjalanan kembali


menutun. Dengan mengacu pada Gambar 12.1, fungsi eksponensial dan pangkat
cukup baik untuk menggambarkan bagian kanan kurva sebaran, tetapi tidak untuk
bagian kirinya.
Kedua bagian ini dapat diwakili secara baik dengan fungsi Tanner. Sebaran panjang
pergerakan sebaiknya diketahui untuk dapat memperkirakan jenis fungsi hambatan
yang paling cocok untuk digunakan.

12.5 Jenis model gravity

Seperti trials dijelaskan terdapat 4 (empat) jenis model gravity (GR), yaitu tanpa-
batasan atau unconstrained-gravity (UCGR), dengan-batasan-bangkitan atau
production-constrained (PCGR), dengan-batasan-tarikan atau attraction-
constrained (ACGR), dan dengan-batasan-bangkitan-tarikan atau production-
attraction-constrained (PACGR).
Model PCGR dan ACGR sering disebut model dengan-satu-batasan atau singly-
constrained (SCGR), sedangkan model PACGR disebut model dengan-dua-batasan
atau doubly-constrained (DCGR).

Semua batasan ini tertuang dalam persamaan (12.5)—(12.6) yang merupakan


persamaan model GR yang sering digunakan. Penjelasan di atas menunjukkan
bahwa model tersebut dapat diturunkan secara heuristik dengan mengikuti analogi
hukum gravitasi Newton.
Persamaan (12.5)—(12.6) dikenal sebagai model DCGR. Versi lain yang dikenal
dengan model SCGR juga dapat dihasilkan. Deegan menetapkan nilai B,I untuk
semua d untuk menghilangkan batasan tarikan pergerakan (Da), maka model PCGR
bisa dihasilkan.

Selanjutnya, dengan menetapkan nilai A;1 untuk semua i untuk menghilangkan


batasan bangkitan pergerakan (0,), maka bentuk model lain akan dihasilkan yang
biasa disebut dengan model ACGR.
,-
Terakhir, dengan menetapkan nilai Al- untuk semua i dan nilai untuk semua
~ untuk menghilangkan batasan bangkitan dan tarikan, dihasilkan model UCGR.

Analisis sebaran pergerakan (model gravity) 265


12.6 Model tanpa-batasan (UCGR)

Model ini sedikitnya mempunyai 1 (satu) batasan, yaitu total pergerakan yang
dihasilkan harus sama dengan total pergerakan yang diperkirakan dari tahap
bangkitan pergerakan.
Model ini bersifat tanpa-batasan, dalam arti bahwa model tidak diharuskan
menghasilkan total yang sama dengan total pergerakan dari dan ke setiap zona yang
diperkirakan oleh tahap bangkitan pergerakan. Model tersebut dapat dituliskan
sebagai:
Tk, = (12.12)

A; = 1 untuk seluruh i dan Be = untuk seluruh d


Sebagai ilustrasi, berikut ini diberikan contoh perhitungan model UCGR.
Pertimbangkan daerah kajian dengan 5 (lima) zona.
Dari hasil tahap bangkitan pergerakan diperkirakan terjadi bangkitan dan tarikan
pada setiap zona seperti terlihat pada Tabel 12.1 (Tamin, 2000a, 2003).
Tabel 12.1 Ban kitan dan tarikan per9erakan ada setia zona
Zona O;
500
300
875
1350
475
De 300 750 640 480 1330 3500

Selain itu , terdapat juga informasi mengenai aksesibilitas antarzona yang dapa
berupa jarak, waktu tempuh, dan biaya perjalanan antarzona seperti yang terliha
pada Tabel 12.2.
Tabel 12.2 Matriks biaya lCd)
Zona 1 2
10 20 50 35
25 40 45 25
50 35 10 35 40
25 40 35 50
45 50 25 15 10

Dengan menganggap fungsi hambatan mengikuti fungsi eksponensial-negatif,


didapat matriks exp(—fiC;d) seperti terlihat pada Tabel 12.3 dengan menganggap
nilai 0,08562.
Catatan: bagi para pembaca yang ingin mengetahui lebih lanjut beberapa metode
penaksiran nilai ~, dapat membacanya pada Bab 13.

266 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
Tabel 12.3 Matriks exp(/C,d
Zona 3 4

0,651758 0,424788 0,180445 0,013831 0,049958

0,117607 0,651758 0,032560 0,021222 0,117607

0,013831 0,049958 0,424788 0,049958 0,032560

4 0,117607 0,032560 0,049958 0,651758 0,013831

0,021222 0,013831 0,117607 0,276859 0,424788

Dengan menggunakan persamaan (12.12), perkalian berikut dilakukan untuk setiap


sel matriks untuk mendapatkan matriks akhir seperti terlihat pada Tabel 12.4.

Tlt = A1 .01 .B1 .Dl .exp(-f Cll ) = 1,0 x 500 x 1,0 x 300 x 0,651758 = 97763,7
T12
= A1 .01 .B2 .D2 .exp(-YC12) = 1,0 x 500 x 1,0 x 750 x 0,424788 = 159295 ,6
Ti, = Al .01 .B3 .D3 .exp(-YC05) = 1,0 x 500 x 1,0 x 640 x 0,180445 = 57742,4
Tla = A0 .01 .B0 .Da .exp(-iCla) = 1,0 x 500 x 1,0 x 480 x 0,013831 = 3319,5
Tla = 110 .00 .B, .Ds .exp(-QCI1 ) = 1,0 x 500 x 1,0 x 1330 x 0,049958 = 33222,0
T21 = A 2 .02 .B1 .D, .exp(-NC20) = 1,0 x 300 x 1,0 x 300 x 0,117607 = 10584 ,6
Ti2 = A2 .02 .B2 •D2 .exp(-YC22) = 1,0 x 300 x 1,0 x 750 x 0,651758 = 146645,5

T55 = A 5 .0s .Bs .D5 .exp(-fiCS1 ) = 1,0 x 475 x 1,0 x 1330 x 0,424788 = 268360,0
Tabel 12.4 MAT akhir hasil model UCGR
Zona 2 3 4 5 o; O; A;
97763,7 159295,6 57742,4 3319,5 33222,0 351343,2 500 0,0014 1,0000
10584,6 146645,5 6251,6 3055,9 46925,0 213462,6 300 0,0014 1,0000
3630,7 32784,9 237881,4 20982,3 37892,2 333171,5 875 0,0026 1,0000
47630,6 32967,4 43163,6 422339,0 24834,1 570934,8 1350 0,0024 1,0000
5 3024,1 4927,4 35752,4 63123,9 268360,0 375187,7 475 0,0013 1,0000
dd 162633,6 376620,8 380791,4 512820,6 411233,2 1844100
Dd 300 750 640 480 1330 3500
Ed 0,0018 0,0020 0,0017 0,0009 0,0032 0,0019
Bd 1,0000 1,0000 1,0000 1,0000 1,0000

Secara
ringkas, untuk model UCGR, jumlah bangkitan d<an tarikan yang dihasilkan
tidal( hares sama dengan perkiraan basil bangkitan pergerakan. Akan~tetapi, sate
persyaratan yang harus dipenuhi adalah total pergerakan yang dihasilkan model (t)

Analisis sebaran pergerakan (model gravity) 267


hams sama dengan total pergerakan yang diharapkan (didapat dart Itasil bangkitan
pergerakan, T).
Terlihat bahsea total pergerakan yang berasal dart setiap zona anal dan total
pergerakan yang tertarik ke setiap zona tujuan (=1844100) tidak saran dengan total
pergerakan (bangkitan dan tarikan) yang diperkirakan oleh tahap bangkitan
pergerakan (=3500).
Untuk itu, agar dapat memenuhi persyaratan yang dibutuhkan, maka setiap sel T,
350 0
hams dimodifikasi kembali dengan faktor sebesar 1844 = 0,0019 , sehingga
100
didapatkan matriks akhir seperti terlihat pada Tabel 12.5.
Tabel 12.5 MAT akhir basil model UCGR setelah modifikasi
Zona O; I E, A,

186 302 110 63 667 5001 0,7498 1,0000

20 278 12 89 405 3001 0,7405 1,0000


62 451 40 72 632 8751 1,3837 1,0000
90 63 82 802 47 1084 13501 1,2458 1,0000
68 120 509 712 4751 0,6671 1,0000
dd 309 715 723 973 780 3500
Dd 300 750 640 480 1330 3500
Ed 0,9719 1,0492 0,8855 0,4932 1,7040 1,0000
Bd 1,0000 1,0000 1,0000 1,0000 1,0000

Sepeni terliha pada Tabel 12.5. total pergerakan yang terjadi telah tattoo dengan
total pergerakan yang diperkirakan oleh tahap bangkitan pergerakan (=3500).
Akan tetapi, junllah bangkitan dan tarikan yang dihasilkan dari setiap zona tidak
hams sama dengan basil yang diharapkan dari tahap bangkitan pergerakan.

12.7 Model dengan-batasan-bangkitan (PCGR)

Dalan1 model ini, total pergerakan global hasil bangkitan pergerakan hams soma
dengan total pergerakan yang dihasilkan dengan pemodelan. Begitu juga, bangkitan
pergerakan yang dihasilkan model harus sama dengan basil bangkitan pergerakan
yang diirlginkan.
Akan tetapi, tarikan pergerakan tidak perlu sama. Untuk jenis ini, model yang
digunakan persis sama dengan persamaan (12.5), tetapi dengan syarat batas yang
berbeda, yaitu:

Ba=1 untuk selumh d dan A, = ^ untuk selumh i


[
L lBd

268 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
model UCGR, nilai A=1 untuk seluruh i dan nilai B2=1 untuk seluruh d.
palarn
Akan tetapi, pada model PCGR, konstanta A, dihitung sesuai dengan persamaan
(12.6) untuk setiap zona tujuan i.
Konstanta ini memberikan batasan bahwa total tarts' dan matriks harms sama
dengan total `baris' dari matriks hasil tahap bangldtan pergerakan.

At =
.D1 .exp(-/1C tt )+B2 .D 2 .exp(-/IC 12 )+..+BS .DS .ex

A2
D l .exp - /1C Z1 + B 2 .D2 .exp -/1C' 22 +..+ BS .DS .exp - /IC 2s

At
.Dt .exp - /iC 31 + B2 .D2 .exp -/1C,2 +..+BS .DS .ex - /IC35

A, -
Bt .Dl .exp -/iC'41 +B2 .D2 .exp -/IC42 +..+ BS .Ds .exp(- /IC 45
1
/
A5 [Bt .Di .exp aCsl)+B2 .D 2 .exp(- /1C 52 )+..+ BS .DS .expl PC 55
Selanjutnya, matriks [Bd.Dd.exp(-13C,)] dan nilai A, dapat dihitung dan hasilnya
tertera pada Tabel 12.6.
Tabel 12.6 Matriks [Bd•Dd•exp(- dan nilai A,
Zona [1] [2] [3] [4] [5] [6]=Total [1]-[5] A,1/[6]
1 195,5274 318,5912 115,4849 6,6390 66,4440 702,6864 0,001423

2 35,2820 488,8184 20,8387 10,1863 156,4166 711,5420 0,001405

3 4,1494 37,4684 271,8645 23,9798 43,30 54 380,7674 0,002626

4 35,2820 24,4203 31,9730 312,8438 18,3956 422,9147 0,002365

5 6,3665 10,3735 75,2682 132,8924 564,9684 789,8689 0,001266

Bd 1,0000 1,0000 1,0000 1,0000 1,0000

Setelah menghitung nilai A, untuk setiap i, setiap sel matriks dapat dihitung dengan
menggunakan persamaan (12.5) sehingga menghasilkan matriks akhir seperti pada
Tabel 12.7.
T„. A1.01.B1.D1.exp(-13Ctt ) = 0,001423 x 500 x 1,0 c 300 x 0,651758 = 139
Tu = Al .Ot .B2 .D2 .exp(-fiC12 ) = 0,001423 x 500 x 1,0 x 750 x 0,424788= 227
T13= A1.O1.B3.D3.exp(-%iCl; ) = 0,001423 x 500 x 1,0 x 640 x 0,180445= 82

Tss = AS.O;.B5 .D5.exp(-YC55) = 0,001266 x 475 x1,0 x 1330 x 0,424788= 340

Analisis sebaran pergerakan (model graw7y) 269


Tabel 12.7 MAT akhir basil model PCGR
Zona O, E, A;
139 227 82 47 500 500 1,0000 0,001423
15 206 66 300 300 1,0000 0,001405

10 86 625 55 100 875 875 1,0000 0,002626


113 78 102 999 59 1350 1350 1,0000 0,002365

4 45 80 340 475 475 1,0000 0,001266


dd 280 603 863 1143 611 3500
Dd 300 750 640 480 1330 3500
Ed 1,0715 1,2436 0,7416 0,4201 2,1760 1,0000
Bd 1,0000 1,0000 1,0000 1,0000 1,0000

Terlihat bahwa persyaratan awal dipenuhi, yai u total pergerakan yang dihasilkan
model (1) hares santa dengan total pergerakan yang didapat dart basil bangkitan
pergerakan (T).
Selain its , terlihat juga bahwa total pergerakan yang berasal dart setiap zona anal
hares selalu sama dengan total pergerakan (yang dibangkitkan) yang diperkirakan
oleh tahap bangkitan pergerakan.

12.8 Model dengan-batasan-tarikan (ACGR)

Dalam hal ini, total pergerakan secara global hates sama dan juga tarikai
pergerakan yang dtdapat dengan pemodelan hares sama dengan basil tarikan
pergerakan yang diinginkan.
Sebaltknya, bangkitan pergerakan yang dtdapat dengan pemodelan tidak hares
sama. Untuk jenis ini, model yang digunakan persis sama dengan persamaan (12.5).
tetapt dengan syarat batas yang berbeda, yattu:

A; 1 untuk seluruh i dan B,t — \ untuk seluruh d


Ek•U;•J id)
;=t

Pada model ACGR, konstanta B0 dihitung sesnai dengan persauraaa (12.6) untuk
setiap zona tujuan d. Konstanta ini memberikan batasan bahwa total `kolom' dart
matrtks hares sama dengan total `kolom' dart matriks basil tahap bangkitan
pergerakan.
Dengan kata lain, total pergerakan basil pemodelan yang menuju ke suatu zona
hares sama dengan total pergerakan hastl bangkitan pergerakan ke zona tersebut.

270 Ofyar Z Tamin, Perencanaan, pemodelan, den rekayasa transportasi:


Teori, contoh soal, dan aplikasi
Bl A t .0i .ex + A, .O2 .exp(- /1C21 )+ ..+ A5 .O5 .exp(-11C 51

132 = A2 .02 .exp -/pC 22 +.. +A4 .05 .exp -/1Cs2


te p - PC 12 +
A1 .O.x

B2 + A2 .O2.exp -iC 23 + .. + A4.05 .exp - iCss


A1 .O1 p
x
e

B4 -
.0, .ex - sC14 + A2.02 .exp - /30 24 + A4 .O4 .exp(- /Cs4

Bs
AL .0, .exp(- /1C15 )+ A2.02 .exp (- /3C2s )+ .. + As .05 .exp(- C5s /1
Selanjutnya, matriks [A;.O;.exp(- -7,4)J dan nilai Bd dapat dihitung dan hasilnya
tertera pada Tabel 12.8.
Tabel 12.8 Matriks dan nilai Bd
Zona 4 A;

[1 ] 325,8789 212,3941 90,2225 6,9156 24,9789 1,0000

[2] 35,2820 195,5274 9,7681 6,3665 35,2820 1,0000


[3] 12,1024 43,7131 371,6898 43,7131 28,4904 1,0000
[4] 158,7688 43,9566 67,4431 879,8731 18,6722 1,0000
[5] 10,0802 6,5699 55,8631 131,5081 201,7744 1,0000

[6]=Total [1]-[5] 542,1122 502,1611 594,9866 1068,3764 309,1979


Bd=1 /[6] 0,001845 0,001991 0,001681 0,000936 0,003234

Setelah menghi ung nilai Bd untuk setiap d, setiap sel matriks dapat dihitung dengan
menggunakan persamaan (12.5) sehingga menghasilkan matriks akhir seperti pada
Tabel 12.9.
7',, = A 1 .0, .B1 .D, .exp( -/C 12) = 1,0 x 500 x 0,001845 x 300 2 12.651758 = 180
T,, = A, .0 , .B4 .D2 .exp( -K 12 ) = 1,0 x 500 x 0,001991 x 750 x 0,424788 = 317
T12 = A1.0,.B4 .D4 .exp( -/C 1, ) = 1,0 x 500 x 0,0(21681 x 64(I x ((.180445 = 97
= A, .01 .B4 .D4 .exp(-4qC )J ) = 1.0 x 500 x 0,000936 x 480 x 0.013831 =3

7 ss = A s .05.Bs .D5 .exp(-QC 5S ) = 1,0 x 475 x (2,003234 x 1330 x 0.424788 = 868

Analisis sebaran pergerakan (model graity) 271


Tabel 12.9 MAT akhir hasil model ACGR
Zona 1 2 3 4 5 0, 0, E, A,

1 180 317 97 3 107 705 500 0,7091 1,0000


2 20 292 11 3 152 477 300 0,6293 1,0000
3 7 65 400 20 123 614 875 1,4251 1,0000
4 88 66 73 395 80 702 1350 1,9239 1,0000
6 10 60 59 868 1002 475 0,4738 1,0000
dd 300 750 640 480 1330 3500
Dd 300 750 640 480 1330 3500
. Ed 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
Bd 0,001845 0,001991 0,001680 0,000936 0 , 003234

Terlihat bahwa selain persyaratan anal dipenuhi, yaitu total pergerakan yang
dihasilkan model (t) harus sama dengan (T) dari tahap bangkitan pergerakan.
Terlihat juga total pergerakan yang menuju ke setiap zona asal selalu sama dengan
total pergerakan (yang tertarik) yang dihasilkan oleh tahap bangkitan pergerakan.

12.9 Model dengan-batasan-bangkitan-tarikan (PACGR)

Dalam hal ini, bangkitan dan tarikan pergerakan harus selalu sama dengan yang
dihasilkan oleh tahap bangkitan pergerakan. Model yang digunakan persis sama
dengan persamaan (12.5), tetapi dengan syarat batas:

Rd = untuk semua d dan A; — untuk semua


(A; •0; l,e ) ElAd•0d •.i;d
d=1

Kedua faktor penyeimbang (Ai dan Bd) menjamin hahwa total `baris' dan `kolom'
dari matriks hasil pemodelan harus sama dengan total `baris' dan `kolom' dari
matriks hasil banglatan pergerakan dihitung sesuai dengan persamaan (12.6).
Seperti yang telah diterangkan, proses pengulangan nilai Ai dan Bd dilakukan secara
bergantian. Hasil akhir akan selalu sama, dari manapun pengulangan dimulai
(`baris' atau `kolom').

12.9.1 Proses pengulangan dengan nilai awal A,


a Nilai awal A,=1, A:=1, A,=1, A4=1, dan AS=1
Dalam ilustrasi ini, pengulangan dimulai dengan menganggap nilai awal
A,=A2=A3=A4=A 5=1. Hasil akhir idols tergantung pada nilai awal. Nilai awal dapat
berupa nilai berapa saja asal lebih besar dari nol. Hal ini hanya akan berpengaruh
pada junilah pengulangan untuk mencapai konvergensi.
Semakin besar perbedaan antara nilai awal dengan nilai akhir, semakin banyak
jumlah pengulangan yang dibunilikan untuk mencapai konvergensi. Tabel-tabel
berikut memperlihatkan nilai A, dan Bd pada setiap pengulangan.

272 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
Menghitung nilai Bd (pengulangan pertama)
Zona d 1 2 3 4 5 -
325,8789 212,3941 90,2225 6,9156 24,9789
A,O+eXP(-fiCid)
35,2820 195,5274 9,7681 6,3665 35,2820
A2O2exP(q3C 20
12,1024 43,7131 371,6898 43,7131 28,4904
2303expH3C3d)
158,7688 43,9566 67,4431 879,8731 18,6722
A4O4exp(-/3C4d)

A505exP(-/3Csd) 10,0802 6,5699 55,8631 131,5081 201,7744

Total 542,1122 502,1611 594, 9866 1068,3764 309,1979

B,1/[Total] 0,001845 0,001991 0,001681 0,000936 0,003234

Menghitung nilai A; (pengulangan kedua)


8,1)1. B2D2. B3D3. B4D4. BSDs. AF
Zona i Total
exp(-flCo ) exp(-fiCr4) exp(-fiCa) exp(-flC;4) exp(-)6C6) 1/[Total]

0,3607 0,6344 0,1941 0,0062 0,2149 1,4103 0,709059

0,0651 0,9734 0,0350 0,0095 0,5059 1,5889 0,629347

0,0077 0,0746 0,4569 0,0224 0,1401 0,7017 1,425119

0,0651 0,0486 0,0537 0,2928 0,0595 0,5198 1,923941

0,0117 0,0207 0,1265 0,1244 1,8272 2,1105 0,473822

Menghitung nilai Bd (pengulangan kedua)


Zona d 4
AiOiexp( -fiCid) 231,0675 150,6001 63,9731 4,9036 17,7115

A202exP(-/JC20 22,2046 123,0545 6,1475 4,0067 22,2046

A3O3exp(-rG3d) 17,2473 62,2964 529,7020 62,2964 40,6022

A4O4exp(-fiC4d) 305,4617 84,5699 129,7566 1692,8237 35,9243

A s OsexP(--/3Csd) 4,7762 3,1129 26,4691 62,3114 95,6051


Total 580, 7574 423,6338 756,0484 1826,3418 212, 0477
Bd=1/[rotall 0,001722 0,002361 0,001323 0,000548 0,004716

Menghitung ~ulai A; (pengulangan ketiga)


Zona! B~D~. B2Dz. B3D3. B4D4. BeDs. A;-
Total
exp(-~C;i) exp(-~Cd) exp(-~Ca) exp(-fiCb ) exp( -13Ca) 1/[Total]

0.3367 0.7520 0.1527 0.0036 0.3133 1.5584 0.641664


t
0.0608 1.1539 0.0276 0 . 00 56 0.7376 1.9854 0.503674
0.0071 0.0884 0.3596 0.0131 0.2042 0.6725 1.486921
0.0608 0.0576 0.0423 0.1713 0.0868 0.4187 2.388152
0.0110 0.0245 0.0996 0.0728 2.6643 2.8721 0.348176

Analisis sebaran pergerakan (model gravity) 273


Selanjutnya, Tabel 12.10 memperlihatkan nilai Ai dan Bd yang didapat pada setiap
pengulangatr.
Tabel 12.10 Nilai A; dan Ba yang didapat pada setiap pensulangan
Pengu-
langan
A, 1,000000 0.709059 0.641664 0.628838 0.627125 0.627078 0.627159
A7 1,000000 0.629347 0.503674 0.474644 0.468614 0.467413 0.467179
A, 1,000000 1.425119 1.486921 1.475517 1.46 5569 1.461342 1.459842
1,000000 1.923941 2.388152 2.540429 2.583578 2.595519 2.598853
As 1,000000 0.473822 0.348176 0.317672 0.310238 0.308374 0.307890
B, 0.001845 0.001722 0.001594 0.001548 0.001534 0.001530 0.001528
0.001991 0.002361 0.002457 0.002471 0.002472 0.002472 0.002471'
0.001681 0.001323 0.001256 0.001252 0.001254 0.001255 0.001256
Ba 0.000936 0.000548 0.000451 0.000426 0.000419 0.000417 0.000417
Bs 0.003234 0.004716 0.005235 0.005376 0.005411 0.005421 0.005423
Pengu-
langan 14

A, 0.627202 0.627218 0.627224 0.627226 0.627226 0.627227 0.627227


A, 0.467134 0.467126 0.467124 0.467124 0.467124 0.467124 0.467124
A, 1.459348 1.459193 1.459145 1.459130 1.459126 1.459124 1.459124
.4e 2.599797 2.600067 2.600146 2.600168 2.600175 2.600178 2.600178
As 0.307760 0.307725 0.307715 0.307712 0.307711 0.307711 0.307711
B, 0.001528 0.001528 0.001528 0.001528 0.001528 0.001528 selesai
Bi 0.002471 0.002471 0.002471 0.002471 0.002471 0.002471 selesai
B, 0.001256 0.001256 0.001256 0.001256 0.001256 0.001256 selesai
Bi 0.000417 0.000417 0.000417 0.000417 0.000417 0.000417 Selesai
Bs 0.005424 0.005424 0.005424 0.005424 0.005424 0.005424 Selesai

Terlihat bahwa pada pengulangan ke-14, nilai A; untuk setiap i dan nilai Bd untuk
setiap d tidak lagi mengalanli perubahan (atau telah mencapai konvergensi). Setelah
tercapai konvergensi dengan mendapatkan nilai A; dan Ba untuk setiap i dan d, maka
setiap sel nlatriks dapat dihitung dengan menggunakan persamaan (12.5) sehingga
menghasilkan matriks akhir seperti yang terlihat pada Tabel 12.11.
Tit = At .Ot .Bt .Dt .exp f-/3Ci r ) = 0,627227x 500x 0,00152& 300x 0,651758= 94
Ti2 = At .Ot .B2.D2.expE-/ICt2) = 0,627227x 500x 0,002471x 750x 0,424788= 247
T13 = At .Ot .B3.D3.exp(-/1C13) = 0,627227x 500x 0,001256:640x 0,180445= 45
T14 = AP°1 .B4.D4.expE-/ICt4) = 0,627227x 500x 0,000417x 480x 0,013831=1

T„= AS.Os.Bs.Ds.expE/iCss) = 0,307711x 475x 0,005424+ 1330x 0,424788= 448

274 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
akh r hasil model DCGR (setelah pengulan~an ke-14)
Tabel 12.11 MAT
2 4 o;
Zona
94 247 45 113 500 500 0,627227
8 169 119 300 300 0,467124
118 436 300 875 875 1,459124
4 189 212 141 458 350 1350 1350 2,600178
4 14 448 475 475 0,307711
300 750 640 480 1330 3500
de
Dd 300 750 640 480 1330 3500
Bd 0,001528 0,002471 0,001256 0,000417 0,005424

Jumlah pengulangan sangat tergantung pada nilai awal faktor penyeimbang.


Semakin dekat nilai awal tersebut ke nilai akhir faktor penyeimbang, semakin
sedikit jumlah pengulangan yang dibutuhkan.

b Nilai awal A,=20, A2=10, A3=1, A4=25, dan A15


Dal= ilustrasi ini, pengulangan dimulai dengan menganggap nilai awal A,=20,
A2=10, A3=1, A4=25, dan Al=15. Tabel 12.12 memperlihatkan nilai A; dan B, pada
setiap pengulangan.
Tabel 12.12 Nilai A; dan Bd yang didapat pada setiap pengulangan
Plaeng
nganu-
A, 20,00000 9.989923 9.003616 8.772172 8.722536 8.712233 8.710077
A2 10,00000 9.141456 7.046442 6.597878 6.508463 6.490735 6.487218
A, 1,000000 13.705326 18.615874 19.902442 20.184367 20.244344 20.257254
Aa 25,00000 33.029737 35.474577 35.998376 36.090606 36.104341 36.105683
A, 15,00000 6.565818 4.762328 4.370216 4.291569 4.276308 4.273416
B, 0.000091 0.000110 0.000110 0.000110 0.000110 0.000110 0.000110
62 0.000134 0.000167 0.000176 0.000177 0.000178 0.000178 0.000178
0.000208 0.000115 0.000096 0.000092 0.000091 0.000091 0.000090
BQ 0.000041 0.000033 0.000031 0.000030 4 0.000030 0.000030 0.000030
BS 0.000229 0.000344 0.000381 0.000389 0.000390 0.000391 0.000391
Pngu-
langan 10 11 12 13
A, 8.709615 8.709513 8,709490 8,709484 8,709483 8.709483
A, 6.486519 6.486380 6,486353 6,486347 6,486346 6,486346
20.260104 20.260754 20,26091 20, 26095 20,26096 20,26096
36.105542 36.105394 36,10533 36,10531 36,10530 36,10530
A, 4.272886 4.272794 4,272779 4,272778 4,272778 4,272778
B, 0.000110 0,000110 0,000110 0,000110 0,000110 selesai
0.000178 0,000178 0,000178 0,000178 0,000178 selesai
B3 0.000090 0,000091 0,000091 0,000091 0,000091 selesai
Bi 0.000030 0,000030 0,000030 0,000030 0,000030 selesai
B, 0.000391 0,000391 0,000391 0,000391 0,000391 selesai

Analisis sebaran pergerakan (model gravity) 275


Terlihat bahwa pada pengulangan ke-13, nilai A; untuk setiap i dan nilai Bd untuk
setiap d tidak lagi mengalami perubahan (atau telah mencapai konvergensi). Setelah
tercapai konvergensi dengan mendapatkan nilai A; dan Bd untuk setiap i dan d, maka
setiap sel matriks dapat dihitung dengan meuggunakan persamaan (12.5) sehingga
menghasilkan matriks akhir seperti yang terlihat pada Tabel 12.13.
Ti , = A I .O, .B, ,D, .exp(-/JC,, ) = 8,709483 x 500 x 0,000110 x 300 x 0,651758 = 94
T12 = AI.O, .B2.D2 .exp(-/JC12 ) = 8,709483 x 500 x 0,000178 x 750 x 0,424788 = 247
Ti, = A,.O, .B3.D3 .exp(-/JC„ )= 8,709483 x 5011 x 0,000091 x 640 x 0,180445 = 45
T,a = A, .O, .Ba.Da.exp(-QC,a ) = 8,709483 x 500 x 0,000030 x 480 x 0,013831 = 1
T,s = A, .O, .BS .Ds.exp(-/1C15 ) = 8,709483 x 500 x 0,000391 a 1330 a 0,049958 = 113
T21 = A2.02 .B, .D, .exp(-/JC21) = 6,486346 a 300 x 0,000110 x 300 a 0,117607 = 8
T22 = A2 .02 .B2 .D2 .exp(-QC22 ) = 6,486346 x 300 x 0,000178 x 750 x 0,651758 = 169
T2, = A2 .02 .B3.D3 .exp(-/JC23 ) = 6,486346 x 300 x 0,000091 a 640 x 0,032560 = 4
T2a = A2 .02 .Ba .D4 .exp(-/TC2a ) = 6,486346 x 300 x 0,000030 x 480 x 0,021222 = 1

Tss = As .Os .Bs.Ds.exp(-/JC«) = 4,272778 x 475 x 0,000391 x 1330 x 0,424788 = 448


Tabel 12.13 MAT akhir hasil model DCGR (setelah pengulan an ke-13
Zona 4 O;
94 247 45 113 500 500 8,709483
169 119 300 300 6,486346
118 436 13 300 875 875 20,260958
189 212 141 458 350 1350 1350 36,105294
14 448 475 475 4,272778
dd 300 750 640 480 1330 3500
Dd 300 750 640 480 1330 3500
Bd 0,000110 0,000178 0,000091 0,000030 0,000391

Terlihat bahwa hasil matriks akhir pada Tabel 12.13 persis sama dengan hasil
matriks akhir pada Tabel 12.11. Perbedaannya hanya terletak pada kombinasi nilai
A, dan Bd yang dihasilkan. Hal ini membuktikan bahwa hasil matriks akhir tidak
tergantung pada nilai awal. Berapapun nilai awal yang digunakan asal lebih besar
dari nol akan selalu menghasilkan matriks akhir yang sama. Sudah barang tentu
setiap set nilai awal yang berbeda akan menghasilkan set kombinasi nilai A; dan Bd
yang berbeda pula.

c Nilai awal A,=0,1; A2=0,01; A3=0,05; A,=0,25, dan A5=0,2


Dalam ilustrasi ini, pengulangan dimulai dengan menganggap nilai awal A,=0,1;
A2=0,01; A3 :1,05; A5=0,25; data A5=0,2. Tabel 12.14 memperlihatkan nilai A, dan
Bd pada setiap pengulangan.

276 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:

i
Teod, contoh soal, dan aplikasi
Tabel 12.14 Nilai A, dan Bd yang didapat pada setiap pen.ulangan
Peng.- 4 6 7
langan
0,100000 0,068970 0,075525 0,078030 0,078686 0,078845 0,078883
0,010000 0,058726 0,059284 0,058885 0,058779 0,058760 0,058758
A2
A , 0,050000 0,144893 0,176057 0,182566 0,183519 0,183586 0,183562
0,250000 0,301296 0,318842 0,324571 0,326316 0,326840 0,326997
Ae
As 0,200000 0,072973 0,046192 0,040329 0,039064 0,038787 0,038725

8, 0,013288 0,013356 0,012512 0,012247 0,012174 0,012155 0,012149

B2 0,026537 0,021650 0,020142 0,019763 0,019674 0,019653 0,019648

B2 0,017941 0,011758 0,010318 0,010039 0,009992 0.009987 0,009986

Ba 0,004013 0,003548 0,003387 0,003336 0,003320 0,003315 0,003314

, B5 0,020285 0, 03 5370 0,041207 0,042688 0,043024 ' 0,043100 0,043117


Pengu- 10
langan
A, 0,078893 0,078895 0,078896 0,078896 0,078896 0,078896
A2 0,058757 0,058757 0,058757 0,058757 0,058757 0,058757
A3 0,183546 0,183540 0,183537 0,183537 0,183536 0.183536
Aa 0,327044 0,327058 0,327062 0,327064 0,327064 0,327064
As 0,038710 0,038707 0,038706 0,038706 0,038705 0,038705
B, 0,012148 0,012148 0,012147 0,012147 0,012147 selesai
82 0,019647 0,019647 0,019647 0,019647 0,019647 selesai
0,009987 0,009987 0,009987 0,009987 0,009987 selesai
Ba 0,003314 0,003313 0,003313 0,003313 0,003313 selesai
Bs 0,043121 0,043122 0,043123 0,043123 0,043123 _ selesai

Terlihat bahwa pada pengulangan ke-13, nilai A; untuk setiap i dan nilai Bd untuk
setiap d tidak lagi mengalami perubahan (atau telah mencapai konvergensi).
Setelah tercapai konvergensi dengan mendapatkan nilai A; dan Bd untuk setiap i dan
d, maka setiap sel matriks dapat dihitung dengan menggunakan persamaan (12.5)
sehingga menghasilkan matriks akhir seperti yang terlihat pada Tabel 12.15.
Ti, = AI .OI .BI .DI .cxp(-/IC ) = 0,078896x 500 x 0,012147 x 300 x 0,651758= 94
Ti2 = AI .01 .B2.D2 .exp(-/IC12 ) = 0,078896 s 500 x 0,019646 x 750 x 0,424788= 247
Ti, = AI .OI .B7 .D7 .exp(-/ICI= ) = 0,078896x 500 x 0,009987 x 640 x 0,180445= 45
T15 = AI .01 .84 .D4 .exp(-/iC1 ,1 ) = 0,078896 x 500 x 0,()03313 x 480 x 0,013831= 1
Tis = A I .OI .BS .Ds ,exp(-QCIS ) = 0,078896 x 500 x 0,043123x 1330 x 0,049958= 113
T51 = A2 .02 .BI ,DI .exp(-/3C21 ) = 0,058757x 300 x 0,012147 x 300 x 0,117607 = 8
T22 = A2 .02 .B2 .D2 ,esp(-/iC22 ) = 0,058757 s 300 x 0,019646x 750 x 0,651758= 169
T23 = A2.02 .11, .D3 .exp(-/IC2i ) = 0,1)58757 x 300 x 0,009987 s 640 s 0,032560= 4
T2+ = A2 .02 .B4 .D4 .exp(-fir21 ) = 0,058757 x 300 x 0,003313 x 480 x 0,021222= 1

Tss = AS ,Os .BS .DS .exp(-/1C5C ) = 0,038706x 475 x 0,043123x 1330 s 0,424788 = 448

Analisis sebaran pergerakan (model gravity) 277


Tabel 12.15 MAT akhir hasil model DCGR setelah pengulan an ke-13
Zona o;

94 247 45 113 500 500 0,078896

169 119 300 300 0,058757

118 436 300 875 875 0,183536

189 212 141 458 350 1350 1350 0,327064

4 14 448 475 475 0,038706

dd 300 750 640 480 1330 3500

Dd 300 750 640 480 1330 3500

Bd 0,012147 0,019646 0,009987 0,003313 0,043123

Sekali lagi, terlihat bahwa hasil matriks akhir pada Tabel 12.15 persis sama dengan
hasil matriks akhir pada Tabel 12.11 dan Tabel 12.13 serta perbedaannya hanya
terletak pada kombinasi nilai A; dan Bd yang dihasilkan.
Sekali lagi, hal ini membuktikan bahwa hasil matriks akhir tidak tergantung pada
nilai awal. Berapaputs nilai awal yang digunakan asal lebih besar dari nol akan
selalu menghasilkan matriks akhir yang sama.
Sudah barang tentu setiap set nilai awal yang berbeda akan menghasilkan sat
kombinasi nilai A; dan B yang berbeda pula.

12.9.2 Proses pengulangan dengan nilai awal Bd

a Nilai awal B,=1, B2=1, B,=1, B5=1, dan B5=1


Dalam ilustrasi ini, pengulangan dimulai dengan menganggap nilai awal
B~ B,-B3-Br-Be-1. Hasil akhir juga tidak tergantung pada nilai awal. Nilai awal
dapat berupa nilai berapa saja asal lebih besar dari not. Hal ini hanya akan
berpengaruh pada jun>lah pengulangan untuk mencapai konvergensi.
Semakin besar perbedaan antara nilai awal dengan nilai akhir, semakin banyak
jumlah pengulangan yang dibutuhkan untuk mencapai konvergensi.
Tabel-tabel berikut memperlihatkan nilai A; dan Ba pada setiap pengulangan.
Menghitung A, (pengalangan ke-1

Zona i .11,1• B2D2. B3D3. B4D4. B5D5. Ar


exP(-X,) exp(-fCr2) exp(-;Ca) exp(-/3Ca) exP(-fC,5) Total
1/[fotall
1 195,5274 318,5912 115,4849 6,6390 66,4440 702,6864 0,001423
2 35,2820 488,8184 20,8387 10,1863 156,4166 711,5420 0,001405
3 4,1494 37,4684 271,8645 23,9798 43,3054 380,7674 0,002626
4 35,2820 24,4203 31,9730 312,8438r 18,3956 422,9147 0,002365
5 6,3665 10,3735 75,2682 132,8924 564,9684: 789,8689 0,001266

278 Ofyar Z Tamin, Perencanaan, pemodelan, dan rekayasa transportasi:


Teori, contoh soal, dan aplikasi
Men hitun Bd ( engulangan ke-2)
Zona d
0,4638 0,3023. 0,1284 0,0098 0,0355
A, O,ex P(-fiCt d)
0,0496 0,2748 0,0137 0,0089 0,0496
A2O2exP(-QC2 d)
0,0318 0,1148 0,9762 0,1148 0,0748
'A303eXP(-CK3d)
0,3754 0,1039 0,1595 2,0805 0,0442
A4O4exP(-/4C4d)
0,0128 0,0083 0,0707 0,1665 0,2555
AsOsexP(-fiCse)
Total 0,9333 0,8041 1,3485 2,3806 0,4596
B,1/[Total] 1,0714572 1,2436084 0,7415752 0,4200651 2,1759900

Mehitung A; (pengulangan ke -2)


B2D2. B3D3. Baba. B5D5.
Zona i Total
exp(-flCri ) exp( ,,Cn) ex P(-4)CA ) 881X-sC, ) exp( -43C;s) 1/[total]
209,4992 396,2027 85,6407 2,7888 144,5814 838,7128 0,0011923
37,8031 607,8986 15,4534 4,2789 340,3611 1005,795 0,0009942
4,4459 46,5960 201,6080 10,0731 94,2321 356,9550 0,0028015
37,8031 30,3693 23,7104 131,4148 40,0287 263,3263 0,0037976
6,8214 12,9005 55,8170 55,8234 1229,3657 1360,728 0,0007349

Selanjutnya, Tabel 12.16 memperlihatkan nilai A; dan Bd yang didapat pada setiap
pengulangan.
Tabel 12.16 Nilai A; dan Bd yan9 didapat pada setiap pen9ulangan
Pengu-
langan
B, 1,000000 1,071457 0,936440 0,873772 0,853424 0,847293 0, 845473
Bz 1,000000 1,243608 1,347969 1,366771 1,367701 1,366914 1,366462
B, 1,000000 0,741575 0,686937 0,686463 0,690869 0,693160 0,694037
1,000000 0,420065 0,279715 0,243586 0,234017 0,231416 0,230693
Bs 1,000000 2,175990 2,748238 2,930769 2,980495 2,993736 2,997316
A, 0,001423' 0,001192 0,001141' 0,001133 0,001133 0,001134 0,001134
AZ 0,001405 0,000994 0,000878 0,000851 0,000846 0,000845 0,000845
A, 0,002626 0,002801 0,002725 0,002672 0,002650 0,002642 0,002640
0,002364 0,003797 0,004425 0,004623 0,004680 0.004696 0,004701
As 0,001266 0,000734 0,000601 0,000568 0,000559 0.000557 0,000556
Pengu-
langan 8 10 11 12 13 14
B, 0,844935 0,844776 0,844729 0,844715 0,844711 0,844710 0,844710
B2 1,366284 1,366222 1,366202 1,366196 1,366194 1,366194 1,366194
B, 0,694336 0,694432 0,694462 0,694471 0,694474 0,694476 0,694476
0,230489 0,230431 0,230414 0,230409 0,230407 0,230407 0,230407
Bs 2,998305 2,998584 2,998663 2,998686 2,998693 2,998696 2,998696
A, 0,001134 0,001134 0,001134 0,001134 0,001135 0,001135 selesai
A: 0,000845 0,000845 0,000845 0.000845 0,000845 0,000845 selesai
A, 0,002639 0,002639 0,002639 0,002639 0,002639 0,002639 selesai
A, 0,004702 0,004703 0,004703 0,004703 0,004703 0,004703 selesai
As 0,000556 0,000556 0,000556 0,000556 0,000557 0,000557 selesai

Analisis sebaran pergerakan (model gravity) 279


Terlihat bahwa pada pengulangan ke-14, nilai A; untuk setiap i dan nilai Bd untuk
setiap d tidak lagi mengalami perubahan (atau telah mencapai konvergensi).
Setelah tercapai konvergensi dengan mendapatkan nilai A; dan Bd untuk setiap i dan
d, maka setiap sel matriks dapat dihitung dengan menggunakan persamaan (12.5)
sehingga menghasilkan matriks akhir seperti yang terlihat pada Tabel 12.17.
T,,= A, .O, .B, .Di .exp(-/JC„ ) = 0,001135 x 500 x 0,844710 x 300 x 0,651758 = 94
T12 = A, .O, .B2.D 2 .eap(- K 12 ) = 0,001135 a 500 x1,366194 x 750 x 0,424788 = 247
T13 = A,.0, .B3 .D3 .eap(-//C13 ) = 0,001135 x 500 a 0,694476 x 640 x 0,180445 = 45
T,,= A,.0, .Bd .D,y .exp(- fIC,., ) = 0,001135 x 500 a 0,230407 x 480 x 0,013831 = 1
T15 = A,.0, .DS .exp(-/IC15 ) = 0,001135 x 500 x 2,998696 x 1330 a 0,049958 =113
7'21 = A2 .02 .B, .D, .eap(-/JC21 ) = 0,000845x 300 x 0,844710 x 300 x 0,117607 = 8
722 = A2 .O2 .B2 .D2 .exp(-aC27, ) = 0,000845 x 300 x1,366194 x 750 x 0,651758 = 169
T2, = A2 .02 .B3 .D3 .exp(-/IC23 ) = 0,000845 x 300 x 0,694476 x 640 x 0,032560 = 4
T2r = A 2 .O2 .B,,.D4 .eap(-1C 24 ) = 0,000845 x 300 x 0,230407 x 480 x 0,021222 =1

T55 = A5.05.B5 .D5 .exp(-/iCss ) = 0,000557 x 475 x 2,988696 x1330 x 0,424788 = 448
Tabel 12.17 MAT akhir hash' model DCGR setelah pengulangan ke-14(
Zona o; O; A,

94 247 45