Anda di halaman 1dari 52

i

ESTIMASI MATRIKS ORIGIN-DESTINATION PERKOTAAN


MENGGUNAKAN MODEL GRAVITY: STUDI KASUS KOTA
BOGOR

IMAM EKOWICAKSONO

SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2016
ii
iii

PERNYATAAN MENGENAI TESIS DAN


SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA

Dengan ini saya menyatakan bahwa tesis berjudul Estimasi Matriks Origin-
Destination Perkotaan Menggunakan Model Gravity: Studi Kasus Kota Bogor
adalah benar karya saya dengan arahan dari komisi pembimbing dan belum
diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber
informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak
diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam
Daftar Pustaka di bagian akhir tesis ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Agustus 2016

Imam Ekowicaksono
NIM G551130301
ii

RINGKASAN

IMAM EKOWICAKSONO. Estimasi Matriks Origin-Destination Perkotaan


Menggunakan Model Gravity: Studi Kasus Kota Bogor. Dibimbing oleh FAHREN
BUKHARI dan AMRIL AMAN.

Kebutuhan akan transportasi merupakan aspek yang penting dalam


manajemen perkotaan. Di negara berkembang, kebutuhan akan transportasi
meningkat setiap tahun seiring dengan bertambahnya populasi penduduk.
Peningkatan kebutuhan akan transportasi ini harus diimbangi dengan infrastruktur
yang memadai. Kebutuhan akan transportasi ini juga tidak terlepas dari pergerakan
penduduk yang berpindah dari satu tempat ke tempat lain. Pergerakan penduduk ini
dapat disajikan kedalam suatu matriks origin-destination.
Tujuan penelitian ini adalah untuk menduga pergerakan masyarakat kota
Bogor yang disajikan dalam bentuk matriks origin-destination dan untuk mengukur
tingkat aksesibilitas di kota Bogor yang dilambangkan dalam parameter  .
Ada beberapa metode yang dapat digunakan untuk mengestimasi matriks
origin-destination. Willumson (1978) dan Tamin (2000) menyebutkan beberapa
metode konvensional yang dapat digunakan untuk mengestimasi matriks origin-
destination. Metode tersebut terdiri dari wawancara pengemudi di tepi jalan,
wawancara di rumah, menggunakan bendera, foto udara, dan mengikuti mobil.
Metode konvensional ini membutuhkan biaya yang sangat besar dan waktu yang
lama untuk mewawancara atau mengikuti kendaraan. Oleh karena itu,
diperkenalkan suatu metode alternatif lain, yaitu metode sintesis. Metode sintesis
adalah metode yang berusaha menggambarkan hubungan antara tata guna lahan dan
transportasi dalam pemodelan dan memperhitungkan alasan orang melakukan
perjalanan (Tamin 2000). Salah satu model dalam metode sintesis adalah model
gravity.
Model gravity ini juga akan diaplikasikan untuk mengestimasi matriks origin-
destination dan mengukur tingkat aksesibilitas kota Bogor yang disajikan dalam
parameter  dengan metode kalibrasi Hyman. Metode kalibrasi Hyman
mengalibrasi suatu parameter  dari fungsi hambatan yang digunakan. Dalam
penelitian ini digunakan fungsi hambatan berupa fungsi eksponensial negatif
(𝑒 −𝛽𝑐𝑖,𝑗 ).
Nilai parameter  yang diperoleh dari penelitian ini sebesar 𝛽 = 1,0167 ×
−7
10 . Nilai parameter 𝛽 dapat dipergunakan untuk mengestimasi matriks origin-
destination untuk keperluan lainnya. Pemerintah kota Bogor dapat merancang
sistem transportasi untuk mengestimasi matriks origin-destination kota Bogor
menggunakan nilai 𝛽 tersebut.
Model ini mengestimasi jumlah penduduk yang bergerak ke kecamatan
Bogor Tengah pada tahun 2018 sebanyak 337.206, dibandingkan dengan data
sebelumnya dimana jumlah penduduk yang bergerak ke kecamatan Bogor Tengh
sebanyak 315.021. Informasi ini dapat digunakan oleh pemerintah kota Bogor untuk
menambah infrastruktur terhadap kecamatan tersebut.

Kata kunci: Matriks Origin-Destination, Model Gravity untuk transportasi, Metode


Hyman
iii

SUMMARY
IMAM EKOWICAKSONO. Estimating Origin-Destination Matrix of Urban City
Using Gravity Model: Case Study in Bogor City. Supervised by FAHREN
BUKHARI and AMRIL AMAN.

The demand for transportation is an important object in urban management.


In developing countries, the demand for transportation is increase every year as the
increase of the number of the population. The increase of demand for transportation
should be offset by an increase in the capability of infrastructure. The transportation
demand is also inseparable from the people movement from one place to another
place. The movement intensity of this population can be presented by an origin-
destination matrix.
The purpose of this study is to predict the people movement at Bogor and
presented it as an origin-destination matrix. The purpose is also to measure the level
of accessibility at Bogor and symbolized as 𝛽.
There are several methods can be used for estimating origin-destination
matrix. Willumson (1978) and Tamin (2000) presented some conventional methods
that can be used to estimate the origin-destination matrix. The method consists of
interviewing the driver on the roadside, in-home interviews, methods of using the
flag, aerial photography methods, and methods to follow the car. The conventional
method requires enormous costs and requires time to interview or follow a vehicle.
Therefore, researcher have introduced an alternative method named by the synthesis
method. Synthesis method is a method that is trying to describe the relationship
between land use and transport modeling and take into account the travel reasons
(Tamin 2000). One of the models in the synthesis method is gravity model.
The gravity models will be applied to estimate the origin-destination matrix
Bogor and to measure the level of accessibility at Bogor using Hyman calibration
method. Hyman calibration method was used to calibrate a parameter that was hold
in the accessibility function. This study used a negative exponential function
(𝑒 −𝛽𝑐𝑖,𝑗 ) as the accessibility function.
The 𝛽 value obtained from this study is 1,0167 × 10−7 . 𝛽 values can be
used to estimate the origin-destination matrix for other purposes. Local
governments can design transport system at Bogor to estimate the origin-destination
matrix at Bogor using the obtained 𝛽 value.
The model estimate that the number of people moving toward Central
Bogor Subdistrict in 2018 is 337.206, compare to historical data that the number of
people moving to that subdistrict was 315.021 people. This information could be
used by the government in considering to increase the transportation infrastructure
to that subdistrict.

Keywords: Gravity model for transportation, Hyman method, Origin-destination


matrix
iv

© Hak Cipta Milik IPB, Tahun 2016


Hak Cipta Dilindungi Undang-Undang
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau
menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan,
penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau
tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan IPB

Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis ini
dalam bentuk apa pun tanpa izin IPB
i

ESTIMASI MATRIKS ORIGIN-DESTINATION PERKOTAAN


MENGGUNAKAN MODEL GRAVITY: STUDI KASUS KOTA
BOGOR

IMAM EKOWICAKSONO

Tesis
sebagai salah satu syarat untuk memperoleh gelar
Magister Sains
pada
Program Studi Matematika Terapan

SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2016
ii

Penguji Luar Komisi Pada Ujian Tesis: Dr. Ir. Bib Paruhum Silalahi, M.Kom
iii

Judul Tesis : Estimasi Matriks Origin-Destination Perkotaan Menggunakan


Model Gravity: Studi Kasus Kota Bogor
Nama : Imam Ekowicaksono
NIM : G551130301

Disetujui oleh

Komisi Pembimbing

Dr Ir Fahren Bukhari, MSc Dr Ir Amril Aman, MSc


Ketua Anggota

Diketahui oleh

Ketua Program Studi Dekan Sekolah Pascasarjana


Matematika Terapan

Dr Jaharuddin, MS Dr Ir Dahrul Syah, MScAgr

Tanggal Ujian: 22 Juni 2016 Tanggal Lulus:


iv

PRAKATA

Puji dan syukur penulis panjatkan kepada Allah SWT atas segala karunia-Nya
sehingga karya ilmiah yang berjudul Estimasi Matriks Origin-Destination
Perkotaan Menggunakan Model Gravity: Studi Kasus Kota Bogor ini berhasil
diselesaikan.
Penulis juga mengucapkan terima kasih kepada Bapak Dr. Ir. Fahren Bukhari,
M.Sc dan Bapak Dr. Ir. Amril Aman, M.Sc sebagai dosen pembimbing yang telah
memberikan saran dan bantuannya dalam penyusunan karya ilmiah ini dari awal
sampai dengan selesai. Ungkapan terima kasih juga disampaikan kepada Bapak
(Almarhum) Purwanto Wakidi dan Ibu Muhayanah yang telah memberikan bantuan
secara moril maupun materil kepada penulis selama penulis menyelesaikan karya
ilmiah ini. Penulis juga mengucapkan terima kasih kepada saudari Puri Mahestyanti
atas diskusi serta sarannya dalam membantu penulis menyelesaikan karya ilmiah
ini. Penulis juga menyampaikan terima kasih kepada Haryo Mirsandi atas waktu
dan pembelajaran programming Fortran. Di samping itu, penghargaan juga penulis
sampaikan kepada seluruh rekan-rekan mahasiswa S2 Matematika Terapan IPB,
serta staf departemen Matematika IPB.
Semoga karya ilmiah ini bermanfaat.

Bogor, Agustus 2016

Imam Ekowicaksono
v

DAFTAR ISI

DAFTAR TABEL vi
DAFTAR GAMBAR vi
DAFTAR LAMPIRAN vi
1 PENDAHULUAN 1
Latar Belakang 1
Tujuan Penelitian 2
2 TINJAUAN PUSTAKA 2
Sistem Transportasi 3
Pergerakan 3
Matriks Origin-Destination 3
Model Gravity 4
Model Gravity Tanpa Batasan 5
Model Gravity Dengan Batasan Bangkitan 5
Model Gravity Dengan Batasan Tarikan 6
Model Gravity Dengan Batasan Bangkitan dan Tarikan 6
Fungsi Hambatan 7
Kalibrasi Model Gravity 7
3 METODE PENELITIAN 8
Pengumpulan Data 8
Pengolahan Data 13
4 HASIL DAN PEMBAHASAN 14
Pengujian Model 14
Skenario Uji 1 14
Analisis Skenario Uji 1 18
Skenario Uji 2 18
Analisis Skenario Uji 2 21
Kondisi Kota Bogor 21
Estimasi Matriks Origin-Destination kota Bogor 22
5 SIMPULAN DAN SARAN 27
Simpulan 27
Saran 27
DAFTAR PUSTAKA 28
LAMPIRAN 30
vi

DAFTAR TABEL
1 Bentuk umum matriks origin-destination 4
2 Populasi penduduk Kota Bogor per kecamatan 9
3 Jumlah orang yang bekerja pada setiap kecamatan di kota Bogor 9
4 Banyaknya lapangan pekerjaan di kota Bogor per kecamatan (orang) 11
5 Hasil estimasi pergerakan pada skenario uji 1 15
6 Hasil estimasi pergerakan pada skenario uji 2 19
7 Penduduk kota Bogor berdasarkan kelompok umur tahun 2013 21
8 Penduduk angkatan kerja kota Bogor 2013 22
9 Data jarak antarkecamatan di kota Bogor 23
10 Matriks origin-destination hasil olahan 24
11 Matriks origin-destination hasil estimasi 25
12 Prediksi matriks origin-destination tahun 2018 25

DAFTAR GAMBAR
1 Peta Wilayah Administratif Kota Bogor 12
2 Skenario Uji 1 dalam bentuk graf 14
3 Pola pergerakan hasil simulasi 2 pada skenario uji 1 16
4 Pola pergerakan hasil simulasi 6 pada skenario uji 1 17
5 Pola pergerakan hasil simulasi 2 pada skenario uji 2 19
6 Pola pergerakan hasil simulasi 3 pada skenario uji 2 20
7 Pola pergerakan masyarakat di kota Bogor 26

DAFTAR LAMPIRAN
1 Syntax model gravity menggunakan Fortan 31
2 Matriks origin-destination hasil estimasi menggunakan Fortran 34
3 Nilai estimasi parameter 𝛽 menggunakan Fortran 36
4 Pseudocode model gravity dengan teknik kalibrasi Hyman 37
5 Pembuktian persamaan model gravity untuk transportasi 39
1

1 PENDAHULUAN

Latar Belakang

Dewasa ini, dunia berkembang sangat pesat. Setiap negara berlomba untuk
dapat menyediakan pelayanan terbaik kepada setiap warga negaranya, termasuk
dalam bidang transportasi. Di negara maju, transportasi umum masal sudah menjadi
kebutuhan yang sangat penting bagi setiap warganya untuk melakukan perjalanan
dari tempat asal ke tempat tujuan. Pemerintahnya pun memberikan perhatian yang
lebih untuk memajukan transportasi umum di negaranya.
Untuk memajukan transportasi umum masal, diperlukan beberapa aspek yang
harus diperhitungkan, antara lain pembuatan jaringan jalan atau rute yang efektif
dan efisien, frekuensi moda transportasi untuk setiap rutenya pada jam sibuk
ataupun saat tidak sibuk dengan memerhatikan tingkat kenyamanan pengguna jasa
transportasi umum. Untuk menentukan rute dan frekuensi, diperlukan data
kebutuhan transportasi di daerah yang dilalui jaringan jalan tersebut. Data
kebutuhan akan transportasi ini merupakan data perpindahan masyarakat dari
tempat asal ke tempat tujuan. Data kebutuhan akan transportasi sangat diperlukan
untuk perencanaan dan pembangunan sistem transportasi yang efektif dan efisien.
Kebutuhan akan transportasi merupakan hal yang menarik untuk dikaji. Di
negara berkembang, kebutuhan akan transportasi selalu meningkat setiap tahun
seiring dengan bertambahnya jumlah dan mobilitas penduduk. Kebutuhan akan
transportasi yang meningkat setiap tahun ini, harus diimbangi dengan peningkatan
infrastruktur agar dapat memenuhi kebutuhan akan transportasi tersebut.
Kebutuhan akan transportasi ini juga tidak terlepas dari pergerakan penduduk yang
berpindah dari satu tempat ke tempat lain. Pergerakan penduduk ini dapat disajikan
kedalam suatu matriks origin-destination.
Matriks origin-destination adalah matriks berdimensi dua dimana setiap
selnya menggambarkan banyaknya intensitas pergerakan manusia atau barang dari
suatu zona asal ke zona tujuan. Menurut Tamin (2000), jika matriks origin-
destination ini dibebankan ke jaringan transportasi, akan dapat dihasilkan pola
pergerakan manusia. Sedangkan Willumson (1978) menyebutkan beberapa
kegunaan matriks origin-destination, diantaranya untuk memodelkan, menduga dan
mendesain skema manajemen lalulintas di perkotaan dan pedesaan, juga untuk
memodelkan permintaan transportasi di perkotaan. Oleh karena itu, matriks origin-
destination ini sangat penting untuk diestimasi untuk memodelkan transportasi di
daerah perkotaan atau pedesaan agar dapat memecahkan masalah transportasi
seperti kemacetan.
Untuk mengestimasi matriks origin-destination ini tidaklah mudah,
diperlukan waktu yang lama dan sumber daya manusia yang banyak untuk dapat
mengestimasi matriks origin-destination di suatu daerah. Selain itu, diperlukan
berbagai macam informasi seperti perkiraan besarnya pergerakan yang dihasilkan
oleh daerah asal dan yang tertarik ke daerah tujuan. Selain itu juga diperlukan
informasi lain berupa pemodelan pola pergerakan antarzona yang sudah pasti sangat
dipengaruhi oleh tingkat aksesibilitas sistem jaringan jalan antarzona di masing
masing daerah. Oleh sebab itu berbagai macam metode dikembangkan untuk dapat
mengestimasi matriks origin-destination.
2

Ada beberapa metode untuk mengestimasi matriks origin-destination.


Willumson (1978) dan Tamin (2000) menyebutkan beberapa metode konvensional
yang dapat digunakan untuk mengestimasi matriks origin-destination. Metode
tersebut terdiri dari metode wawancara pengemudi di tepi jalan, wawancara di
rumah, metode menggunakan bendera, metode foto udara, dan metode mengikuti
mobil. Metode konvensional ini membutuhkan biaya yang sangat besar dan waktu
yang sangat lama karena harus melakukan wawancara ataupun mengikuti
kendaraan yang membutuhkan waktu yang lama. Oleh karena itu, diperkenalkan
suatu metode alternatif lain, yaitu metode sintesis. Metode sintesis adalah metode
yang berusaha menggambarkan hubungan antara tata guna lahan dan transportasi
dalam pemodelan, juga berusaha memerhitungkan alasan orang melakukan
perjalanan (Tamin 2000). Salah satu model dalam metode sintesis adalah model
gravity.
Model gravity didasarkan pada konsep hukum gravitasi Newton. Model
gravity pada dasarnya memikirkan bahwa interaksi antar dua tata guna lahan dapat
diartikan sebagai gaya tarik atau tolak pada model gravitasi Newton. Model gravity
sudah diterapkan di beberapa tempat di Indonesia. Model gravity ini digunakan oleh
Roziqin (2012) untuk mengestimasi Matriks origin-destination di kota Bandar
Lampung dan Fathoni (2005) yang membandingkan model EMEM dengan model
gravity untuk mengestimasi matriks origin-destination di penyebrangan Merak-
Bakauheni. Model gravity ini juga akan diaplikasikan untuk mengestimasi matriks
origin-destination kota Bogor dan mengukur tingkat aksesibilitas di kota Bogor
yang disajikan dalam parameter  dengan metode kalibrasi Hyman.
Nilai parameter  ini menjadi penting untuk diketahui karena tingkat
aksesibilitas di setiap kota, termasuk kota Bogor dapat memengaruhi hasil estimasi
matriks origin-destination. Oleh karena itu, setelah diperoleh nilai parameter  ,
nilai parameter  dapat digunakan untuk pengembangan matriks origin-
destination untuk berbagai keperluan, seperti memutakhirkan matriks origin-
destination kota Bogor di masa mendatang dapat dengan mudah dilakukan tanpa
harus mengalibrasi nilai parameter  yang baru.

Tujuan Penelitian

Tujuan penelitian ini adalah untuk menduga pergerakan masyarakat kota


Bogor di pagi hari yang disajikan dalam bentuk matriks origin-destination dan
untuk mengukur tingkat aksesibilitas di kota Bogor yang dilambangkan dalam
parameter  .

2 TINJAUAN PUSTAKA

Dalam bab ini akan dijelaskan beberapa istilah yang digunakan dalam
penelitian. Pertama akan dijelaskan tentang sistem transportasi. Selanjutnya akan
dijelaskan tentang pergerakan yang merupakan dasar dari kebutuhan akan
transportasi untuk perencanaan sistem transportasi yang efektif dan efisien. Matriks
origin-destination dari pergerakan akan diestimasi menggunakan model gravity
3

dimana parameter  dalam fungsi hambatannya akan dikalibrasi menggunakan


metode Hyman.

Sistem Transportasi

Sistem transportasi adalah salah satu komponen dasar dari sebuah lingkungan
sosial, ekonomi, dan struktur fisik masyarakat perkotaan. Sebagai bagian utama dari
sistem transportasi perkotaan, transportasi publik telah dikenal luas sebagai cara
yang berpotensi untuk mengurangi polusi udara, mengurangi konsumsi energi,
meningkatkan mobilitas, mengurangi kemacetan lalu lintas, meningkatkan
produktivitas, menyediakan lapangan kerja, mempromosikan penjualan retail, dan
merealisasikan pola pertumbuhan perkotaan (Fan & Machemehl 2004).
Sistem transportasi meliputi seluruh aspek yang berperan dalam kegiatan
transportasi. Salah satu aspek yang ada dalam sistem transportasi adalah interaksi
antara moda transportasi dengan masyarakat, seperti yang termuat dalam salah satu
arah kebijakan pengembangan sistem transportasi perkotaan dalam Garis-Garis
Besar Haluan Negara (GBHN).
Garis-Garis Besar Haluan Negara (GBHN) tahun 1993 menyebutkan bahwa
salah satu pokok kebijakan pengembangan sistem transportasi perkotaan harus
diarahkan pada terwujudnya sistem transportasi nasional secara terpadu, tertib,
lancar, aman dan nyaman, serta efisien dalam menunjang sekaligus menggerakkan
dinamika pembangunan, mendukung mobilitas manusia, barang, dan jasa, serta
mendukung pembangunan wilayah. Oleh sebab itu, sebaiknya salah satu arah
kebijakan pengembangan sistem transportasi perkotaan diarahkan untuk mengatasi
kemacetan dan gangguan lalu lintas serta mempertahankan kualitas lingkungan
serta meningkatkan mobilitas dan kemudahan aksesibilitas di wilayah perkotaan,
serta meningkatkan sistem jaringan jalan antarkota agar angkutan dalam kota dapat
berfungsi dengan baik dalam melayani aktivitas lokal dan daerah sekitarnya (Tamin
2000).

Pergerakan

Pergerakan atau mobilitas, adalah aktivitas yang kita lakukan sehari hari. Kita
bergerak setiap hari untuk berbagai macam alasan dan tujuan seperti belajar,
olahraga, belanja, hiburan, berkunjung ke tempat saudara dan rekreasi. Mudah
dipahami bahwa jika terdapat kebutuhan akan pergerakan yang besar, tentu
dibutuhkan pula sistem jaringan transportasi yang cukup untuk dapat memenuhi
kebutuhan akan pergerakan tersebut. Kebutuhan akan pergerakan selalu
menimbulkan permasalahan, khususnya pada saat orang ingin bergerak untuk
tujuan yang sama di dalam daerah tertentu dan pada saat yang bersamaan. Salah
satu usaha untuk dapat mengatasinya adalah dengan memahami pola pergerakan
yang akan terjadi, untuk dapat dibuat kebijakan agar dapat menyelesaikan masalah
tersebut (Tamin 2000).

Matriks Origin-Destination

Matriks origin-destination adalah suatu matriks berdimensi dua yang berisi


informasi mengenai besarnya pergerakan antarlokasi (zona) di dalam daerah
4

tertentu. Baris menyatakan zona asal dan kolom menyatakan zona tujuan, sehingga
sel matriksnya menyatakan besarnya arus dari zona asal ke zona tujuan. Dalam hal
ini, notasi 𝑇𝑖𝑗 menyatakan besarnya arus pergerakan (kendaraan, penumpang, atau
barang) yang bergerak dari zona asal 𝑖 ke zona tujuan 𝑗 selama selang waktu
tertentu.
Tabel 1 Bentuk umum matriks origin-destination
Zona 1 2 3 N 𝑶𝒊
1 𝑇11 𝑇12 𝑇13 … 𝑇1𝑁 𝑂1
2 𝑇21 𝑇22 𝑇23 … 𝑇2𝑁 𝑂2
3 𝑇31 𝑇32 𝑇33 … 𝑇3𝑁 𝑂3
⋮ ⋮ ⋮ ⋮ ⋱ ⋮ ⋮
N 𝑇𝑁1 𝑇𝑁2 𝑇𝑁3 ⋯ 𝑇𝑁𝑁 𝑂𝑁
𝑫𝒋 𝐷1 𝐷2 𝐷3 ⋯ 𝐷𝑁 T

𝑇𝑖𝑗 adalah pergerakan dari zona asal 𝑖 ke zona tujuan 𝑗, 𝑂𝑖 adalah banyaknya
pergerakan dari zona asal 𝑖, 𝐷𝑗 adalah banyaknya pergerakan menuju zona tujuan 𝑗,
sedangkan T adalah total pergerakan.
Kondisi yang harus dipenuhi dalam matriks origin-destination adalah:
𝑂𝑖 = ∑ 𝑇𝑖𝑗 , ∀𝑖 (2.1)
𝑗

dan 𝐷𝑗 = ∑ 𝑇𝑖𝑗 , ∀𝑗. (2.2)


𝑖
Persamaan 2.1 dan 2.2 menyatakan untuk setiap zona asal 𝑖, jumlah pergerakan
yang menuju zona tujuan 𝑗 harus sama dengan banyaknya pergerakan dari setiap
zona asal 𝑖, begitu juga sebaliknya.
Matriks origin-destination bertujuan untuk menghitung besarnya perjalanan,
baik orang, kendaraan, barang dan lain-lain diantara zona asal dan zona tujuan yang
masih berada dalam wilayah studi. Matriks origin-destination memberikan
gambaran rinci mengenai kebutuhan akan pergerakan, sehingga matriks origin-
destination memegang peranan penting dalam berbagai kajian perencanaan dan
manajemen transportasi (Tamin 2000).

Model Gravity

Model untuk perencanaan transportasi biasanya diturunkan dari prinsip dasar


fisika, seperti hukum gravitasi. Model gravity ini menggunakan konsep gravitasi
yang diperkenalkan oleh Newton pada tahun 1686 sebagai berikut:
𝑚𝑖 𝑚𝑗
𝐹𝑖𝑗 = 𝐺 2 (2.3)
𝑑𝑖𝑗
dimana 𝐹𝑖𝑗 adalah gaya tarik menarik antara benda i dan j, mi dan mj menyatakan
massa benda i dan j, 𝑑𝑖𝑗 menyatakan jarak antara benda i dan j, dan 𝐺 adalah
konstanta gravitasi. Sedangkan untuk keperluan transportasi, model gravity dapat
dinyatakan sebagai berikut:
𝑂𝑖 𝐷𝑗
𝑇𝑖𝑗 = 𝑘 2 (2.4)
𝑑𝑖𝑗
5

dimana 𝑇𝑖𝑗 adalah banyaknya pergerakan dari i dan j, k adalah konstanta, 𝑂𝑖 adalah
pergerakan dari zona ke-𝑖, 𝐷𝑗 adalah pergerakan yang berakhir di zona ke-𝑗, dan 𝑑𝑖𝑗
adalah jarak antar zona. Model ini juga dapat dinyatakan dalam bentuk:
𝑇𝑖𝑗 ≈ 𝑂𝑖 𝐷𝑗 𝑓(𝑐𝑖𝑗 ). (2.5)
Selanjutnya diperlukan batasan untuk setiap pergerakan dari zona asal dan
batasan untuk setiap pergerakan menuju zona tujuan, yaitu:
𝑂𝑖 = ∑ 𝑇𝑖𝑗 , ∀𝑖 (2.6)
𝑗

dan 𝐷𝑗 = ∑ 𝑇𝑖𝑗 , ∀𝑗. (2.7)


𝑖
Kedua persamaan pembatas ini dipenuhi jika digunakan faktor penyeimbang
1
𝐴𝑖 = (2.8)
∑𝑗 (𝐵𝑗 𝐷𝑗 𝑓(𝑐𝑖𝑗 ))
1
dan 𝐵𝑗 = (2.9)
∑𝑖 (𝐴𝑖 𝑂𝑖 𝑓(𝑐𝑖𝑗 ))
yang secara berurutan terkait dengan setiap zona bangkitan dan tarikan.
Pengembangan model gravity tersebut menghasilkan model gravity untuk
mengestimasi matriks origin-destination sebagai berikut:
𝑇𝑖𝑗 = 𝑂𝑖 𝐷𝑗 𝐴𝑖 𝐵𝑗 𝑓(𝑐𝑖𝑗 ), (2.10)
Dengan 𝑇𝑖𝑗 adalah total pergerakan dari zona i ke zona 𝑗, 𝑂𝑖 adalah jumlah
pergerakan yang berasal dari zona i, 𝐷𝑗 adalah jumlah pergerakan yang berakhir di
zona 𝑗, 𝐴𝑖 dan 𝐵𝑗 adalah faktor penyeimbang, dan 𝑓(𝑐𝑖𝑗 ) adalah fungsi hambatan
(Tamin 2000).
Terdapat empat jenis model gravity yaitu model gravity tanpa batasan, model
gravity dengan satu batasan, yang terbagi lagi ke dalam dua jenis model, yaitu
model gravity dengan batasan tarikan, dan model gravity dengan batasan bangkitan,
dan terakhir adalah model gravity dengan dua batasan. Penelitian ini menggunakan
model gravity dengan dua batasan.

Model Gravity Tanpa Batasan

Model gravity tanpa batasan ini memunyai sedikitnya 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
gravity tanpa batasan hanya menggunakan Persamaan (2.10), dimana nilai 𝐴𝑖 = 1
untuk setiap i dan 𝐵𝑗 = 1 untuk setiap j (Tamin 2000).

Model Gravity Dengan Batasan Bangkitan

Dalam model gravity dengan batasan bangkitan ini, total pergerakan hasil
bangkitan pergerakan harus sama dengan total pergerakan yang dihasilkan dengan
estimasi pemodelan. Bangkitan pergerakan yang dihasilkan model harus sama
dengan hasil bangkitan pergerakan yang diinginkan. Untuk jenis model ini, model
6

yang digunakan adalah Persamaan (2.10), dengan menggunakan Persamaan (2.8)


sebagai syarat batasnya serta nilai 𝐵𝑗 = 1 untuk setiap j.
Dalam model gravity tanpa batasan, nilai 𝐴𝑖 = 1 untuk setiap i, dan nilai 𝐵𝑗 =
1 untuk setiap j. Akan tetapi, pada model gravity dengan batasan bangkitan,
konstanta 𝐴𝑖 dihitung sesuai dengan persamaan (2.8) untuk setiap zona asal i
(Tamin 2000).

Model Gravity Dengan Batasan Tarikan

Model gravity dengan batasan tarikan ini, total pergerakan secara global harus
sama dan juga tarikan pergerakan yang didapat dengan estimasi pemodelan harus
sama dengan hasil tarikan pergerakan yang diinginkan. Sebaliknya, bangkitan
pergerakan yang didapat dengan pemodelan tidak harus sama. Untuk jenis ini,
model yang digunakan ialah Persamaan (2.10), tetapi dengan syarat batas yang
digunakan ialah Persamaan (2.9) dan nilai 𝐴𝑖 = 1 untuk setiap i (Tamin 2000).

Model Gravity Dengan Batasan Bangkitan dan Tarikan

Dalam model gravity dengan batasan bangkitan dan tarikan ini, bangkitan dan
tarikan pergerakan harus selalu sama dengan yang dihasilkan dalam tahap
bangkitan pergerakan. Model yang digunakan yaitu Persamaan (2.11), dengan dua
syarat batas yang digunakan ialah Persamaan (2.8) dan Persamaan (2.9).
Kedua faktor penyeimbang (𝐴𝑖 dan 𝐵𝑗 ) pada Persamaan (2.8) dan Persamaan
(2.9) menjamin bahwa total nilai 𝑂𝑖 dan total nilai 𝐷𝑗 dari matriks hasil estimasi
pemodelan harus sama dengan total nilai 𝑂𝑖 dan total nilai 𝐷𝑗 dari matriks hasil
bangkitan pergerakan. Proses pengulangan (iterasi) nilai 𝐴𝑖 dan 𝐵𝑗 dilakukan secara
bergantian. Hasil ini akan selalu sama, dari manapun pengulangan dimulai
(𝐴𝑖 ataupun 𝐵𝑗 ). Pada iterasi awal digunakan nilai awal salah satu 𝐴𝑖 ataupun 𝐵𝑗
berupa bilangan positif. Hal ini hanya akan berpengaruh pada jumlah pengulangan
untuk mencapai konvergensi. Semakin besar perbedaan nilai awal dengan nilai
akhir, maka akan semakin banyak iterasi yang dibutuhkan untuk mencapai
konvergen. Sebaliknya, semakin dekat nilai awal dari salah satu faktor
penyeimbang tersebut, maka akan semakin sedikit iterasi yang dibutuhkan (Tamin
2000).
Secara umum, sebaiknya model gravity dengan batasan bangkitan dan tarikan
digunakan pada kasus yang ramalan bangkitan dan tarikan pergerakannya cukup
baik di masa mendatang. Sebagai contoh, untuk tujuan perjalanan seperti dari rumah
ke tempat kerja dan dari rumah ke sekolah, dapat dipastikan bahwa ramalan
bangkitan dan tarikan pergerakan akan lebih tepat dibandingkan dengan tujuan
perjalanan lain, misalnya perjalanan dari rumah ke tempat belanja. Contoh alasan
sederhananya adalah jika terdapat 1.000 lapangan pekerjaan dalam suatu zona,
maka dapat dikatakan bahwa akan terdapat 1.000 pergerakan yang tertarik ke zona
tersebut, dari manapun mereka berasal, sedangkan untuk pergerakan yang menuju
tempat perjalanan lain seperti pusat perbelanjaan dalam suatu zona, tidaklah mudah
untuk memastikan berapa perjalanan yang akan menuju ke zona tersebut (Tamin
2000).
7

Fungsi Hambatan

Fungsi hambatan ini adalah salah satu hal yang terpenting yang harus
diketahui untuk mengestimasi model gravity. Fungsi hambatan 𝑓(𝑐𝑖𝑗 ) diartikan
sebagai ukuran aksesibilitas antara zona 𝑖 dengan zona 𝑗 . Hyman (1969)
menyebutkan ada beberapa jenis fungsi yang populer digunakan untuk model
gravity:
−𝛽
 𝑓(𝑐𝑖𝑗 ) = 𝑐𝑖𝑗 (fungsi pangkat) (2.11)
 𝑓(𝑐𝑖𝑗 ) = 𝑒 −𝛽𝑐𝑖𝑗
(fungsi eksponensial negatif) (2.12)
 𝑓(𝑐𝑖𝑗 ) = 𝑐𝑖𝑗 𝑒 𝛼 −𝛽𝑐𝑖𝑗
(fungsi Tanner). (2.13)
Jika nilai 𝑐𝑖𝑗 , 𝑂𝑖 , dan 𝐷𝑗 diketahui, maka parameter dalam model gravity yang
tidak diketahui hanyalah parameter 𝛼 dan 𝛽 yang terdapat di dalam fungsi
hambatan jika digunakan fungsi pangkat, fungsi ekponensial negatif, atau fungsi
Tanner. Untuk menaksir nilai parameter 𝛼 dan 𝛽, kita dapat menggunakan proses
kalibrasi model gravity (Tamin 2000).
Penelitian ini menggunakan fungsi eksponensial negatif sebagai fungsi
hambatan dalam model gravity. Fungsi ini menjadi populer karena selain lebih
mudah diaplikasikan (karena hanya mencari satu nilai parameter  ), juga sudah
banyak penelitian yang melakukan penelitiannya menggunakan fungsi
eksponensial negatif sebagai fungsi hambatan, seperti penelitian yang dilakukan
oleh Fathoni (2005) dan Evans (1971) yang menggunakan model gravity dengan
fungsi hambatan berupa fungsi eksponensial negatif.

Kalibrasi Model Gravity

Salah satu cara menduga nilai parameter 𝛽 adalah dengan ‘menebak’ atau
‘meminjam’ nilai paramater 𝛽 dari penelitian lain, selanjutnya jalankan model
gravity dan diperoleh matriks origin-destination dengan nilai paramater 𝛽 tersebut.
Akan tetapi matriks origin-destination tersebut haruslah dibandingkan dengan
matriks origin-destination hasil observasi. Metode tersebut sangatlah tidak efisien.
Banyak penelitian yang dilakukan untuk memelajari teori yang terkait dengan
proses kalibrasi model gravity. Williams (1976) menyebutkan bahwa teknik
kalibrasi yang diperkenalkan Hyman (1969) sangat efisien. Dalam penelitiannya
Williams membandingkan beberapa metode untuk mengalibrasi parameter 𝛽 dalam
fungsi hambatan. Beberapa metode yang dibandingkan oleh Williams adalah
metode Hyman, metode Evans, dan metode Hathaway. Williams menyebutkan
bahwa akurasi metode Evans dan Hathaway berubah-ubah bergantung kepada
situasi dibandingkan dengan metode Hyman yang dapat menjaga tingkat akurasinya.
Berikut akan dijelaskan metode Hyman secara detail seperti yang telah dijelaskan
kembali oleh Ortuzar & Willumsen (2011).
Fungsi hambatan yang digunakan adalah fungsi eksponensial negatif
𝑓(𝑐𝑖𝑗 ) = 𝑒 −𝛽𝑐𝑖𝑗 . Selanjutnya akan dikalibrasi nilai parameter 𝛽 sehingga biaya
perjalanan hasil estimasi model sama dengan biaya perjalanan yang diperoleh dari
hasil observasi di lapangan seperti pada persamaan berikut:
∑ 𝑇𝑖𝑗 𝑐𝑖𝑗 = ∑ 𝑁𝑖𝑗 𝑐𝑖𝑗 (2.14)
𝑖,𝑗 𝑖𝑗
8

dimana 𝑁𝑖𝑗 adalah matriks origin-destination hasil observasi dan 𝑐𝑖𝑗 adalah biaya
yang dikeluarkan untuk melakukan pergerakan dari zona asal i ke zona tujuan j.
Selanjutnya biaya rata-rata perjalanan hasil estimasi model didefinisikan sebagai
𝑇𝑖𝑗 𝑐𝑖𝑗
𝑐(𝛽) = ∑ (2.15)
𝑇
𝑖𝑗
dimana 𝑇 = ∑𝑖𝑗 𝑇𝑖𝑗 (𝛽) . Begitu juga dengan rata-rata biaya perjalanan hasil
observasi didefinisikan sebagai
∑𝑖𝑗 𝑁𝑖𝑗 𝑐𝑖𝑗
𝑐∗ = . (2.16)
∑𝑖𝑗 𝑁𝑖𝑗
Selanjutnya metode Hyman dapat dideskripsikan sebagai berikut:
1. Mulai iterasi dengan membuat 𝑚 = 0 dan nilai 𝛽0 = 1/𝑐 ∗ .
2. Gunakan nilai 𝛽0 untuk menghitung matriks origin-destination
menggunakan model gravity. Tentukan nilai 𝑐0 dan duga nilai parameter 𝛽
yang lebih baik menggunakan
𝛽0 𝑐0
𝛽𝑚 = ∗ . (2.17)
𝑐
3. Selanjutnya ubah nilai 𝑚 = 𝑚 + 1 . Gunakan nilai 𝛽 yang terakhir,
misalkan 𝛽𝑚−1 untuk menghitung matriks origin-destination dan dapatkan
nilai baru untuk biaya rata-rata perjalanan 𝑐𝑚−1 , lalu bandingkan dengan
nilai 𝑐 ∗ . Jika nilainya sangat dekat, hentikan iterasi dan nilai 𝛽𝑚−1 adalah
estimasi terbaik untuk paramater 𝛽; jika tidak ke langkah-4.
4. Dapakan nilai estimasi 𝛽 yang lebih baik menggunakan
(𝑐 ∗ − 𝑐𝑚−1 )𝛽𝑚 − (𝑐 ∗ − 𝑐𝑚 )𝛽𝑚−1
𝛽𝑚+1 = . (2.18)
𝑐𝑚 − 𝑐𝑚−1
5. Ulangi langkah 3 dan 4 seperlunya sampai nilai 𝑐𝑚−1 sangat dekat dengan
nilai 𝑐 ∗ .

3 METODE PENELITIAN

Penelitian ini terbagi ke dalam dua bagian, yaitu pengumpulan data dan
pengolahan data. Pada tahap pengumpulan data, data dikumpulkan dari Badan Pusat
Statistik Kota Bogor dan Badan Perencanaan Pembangunan Daerah Kota Bogor.
Data yang dikumpulkan adalah data sekunder seperti data populasi pendududuk
kota Bogor, data pekerja di kota Bogor dan data lapangan perkerjaan di kota Bogor.
Pada tahap pengolahan data, data yang telah dihimpun dari tahap pengumpulan data,
selanjutnya diolah menggunakan microsoft excel dan disimulasikan menggunakan
Fortran 90 untuk mengestimasi matriks origin-destination kota Bogor.

Pengumpulan Data

Pengumpulan data yang diperlukan untuk penelitian ini berupa data informasi
terkait dengan tata guna lahan seperti:
1. Populasi penduduk, jumlah tenaga kerja di kota Bogor tahun 2013 yang
dipublikasikan masing-masing oleh Badan Pusat Statistik Kota Bogor dan
Badan Perencanaan Pembangunan Daerah Kota Bogor.
9

Tabel 2 Populasi penduduk Kota Bogor per kecamatan


Jumlah Penduduk Luas Daerah
No. Kecamatan
(jiwa) (km2)
1 Bogor Tengah 103.719 8,13
2 Bogor Utara 185.084 17,72
3 Bogor Selatan 191.468 30,81
4 Bogor Barat 224.963 32,85
5 Bogor Timur 100.477 10,15
6 Tanah Sareal 209.737 18,84
Total 1.015.448 118,5

Pada Tabel 2, populasi kota Bogor per kecamatan terbesar terdapat di


kecamatan Bogor barat dan luas daerah terbesar terdapat di kecamatan
Bogor Barat. Sedangkan populasi terkecil terdapat di kecamatan Bogor
Timur dan luas daerah terkecil terdapat di kecamatan Bogor Tengah. Luas
daerah terbesar ada di kecamatan Bogor Barat, sedangkan luas daerah
terkecil ada di kecamatan Bogor Tengah.

Tabel 3 Jumlah orang yang bekerja pada setiap kecamatan di kota Bogor
Kecamatan Jumlah Pekerja
Bogor Tengah 43.647
Bogor Barat 90.108
Bogor Selatan 74.465
Bogor Timur 40.011
Bogor Utara 73.703
Tn. Sareal 81.694
Total 403.628

Tabel 3 menjelaskan bahwa jumlah pekerja terbanyak berasal dari


kecamatan Bogor Barat sebanyak 90.108 pekerja sedangkan jumlah pekerja
paling sedikit berasal dari kecamatan Bogor Timur sebanyak 40.011 pekerja.
Hal ini berbanding lurus dengan jumlah populasi pada kedua kecamatan
tersebut.

2. Data banyaknya lapangan kerja di Kota Bogor tahun 2013 tidak secara rinci
tersedia di publikasi yang dikeluarkan oleh Badan Pusat Statistik kota Bogor.
Oleh sebab itu, diperlukan asumsi-asumsi untuk memperoleh data lapangan
pekerjaan di setiap kecamatan di kota Bogor. Asumsi-asumsi tersebut
adalah jenis lapangan pekerjaan di kota Bogor terbagi ke dalam 4 jenis
lapangan pekerjaan seperti yang dipublikasikan oleh Badan Pusat Statistik
kota Bogor, yaitu pertanian, kehutanan, perburuan, dan perikanan, industri
pengolahan, perdagangan besar, eceran, rumah makan dan hotel, dan jasa
kemasyarakatan.

Setiap jenis lapangan pekerjaan dikerjakan oleh jenis pekerja yang


berbeda-beda. Penelitian ini menggunakan data banyaknya pekerja yang
10

bekerja dalam bidang tertentu yang dipublikasikan oleh BPS kota Bogor.
Untuk jenis lapangan pekerjaan di bidang pertanian, perburuan, kehutanan,
dan perikanan diasumsikan dikerjakan oleh wanita tani, tani dewasa, dan
taruna tani. Lapangan pekerjaan industri pengolahan dikerjakan oleh
pekerja industri yang terbagi ke dalam beberapa jenis industri, antara lain
industri kulit, kayu, perabot, anyaman, keramik, kain, makanan, dan lainnya.
Diasumsikan terdapat 25 pekerja di hotel berbintang, 10 pekerja di hotel
dengan banyak kamar kurang dari 10 kamar, 15 pekerja di hotel dengan
banyak kamar antara 10 sampai dengan 24 buah kamar, 20 pekerja di hotel
dengan banyak kamar antara 25 sampai dengan 40 kamar, dan 20 pekerja di
hotel dengan banyak kamar lebih dari 40 buah kamar untuk jenis lapangan
pekerjaan hotel. Untuk banyaknya pedagang kaki lima diasumsikan terdapat
100 orang yang bekerja dalam satu kawasan pedagang kaki lima, 500 orang
yang bekerja di pasar modern, 200 orang yang bekerja di pasar tradisional,
1 orang yang bekerja di warung, dan 5 orang yang bekerja di restoran.
Selanjutnya untuk jasa kemasyarakatan, diasumsikan dikerjakan oleh
pekerja profesional seperti dokter umum, dokter spesialis, dokter gigi,
pegawai apotik yang diasumsikan terdapat 1 pegawai per apotik, pegawai
kecamatan atau kelurahan, serta linmas. Semua asumsi tersebut digunakan
dalam penelitian.
Pekerja yang bekerja di luar kota Bogor, diasumsikan sebagai pekerja
yang bekerja selain dari pekerja yang memunyai lapangan pekerjaan di kota
Bogor. Para pekerja ini diasumsikan melakukan pergerakan dari masing-
masing zona asal ke luar kota Bogor menggunakan sejumlah moda
transportasi yang tersedia seperti kereta rel listrik (krl) commuterline, bus
antarkota, ataupun kendaraan pribadi. Diasumsikan pula zona tujuan
perkerja ini merupakan stasiun kereta api dan sebanyak 60% dari total
pekerja yang bekerja di luar kota Bogor menggunakan moda transportasi ini,
terminal bus Baranang Siang sebanyak 20%, terminal Bubulak sebanyak
10%, pintu masuk tol Jagorawi sebanyak 4% pintu masuk tol Bogor Outer
Ring Road sebanyak 4%, serta jalan raya Bogor sebanyak 2%.
Secara umum, data lapangan pekerjaan di kota bogor disajikan pada
Tabel 4. Industri pengolahan yang bernilai 0 berarti tidak tersedia datanya
di dalam publikasi BPS kota Bogor, sedangkan nilai 0 untuk pekerja yang
bekerja di luar kota Bogor, mengindikasikan bahwa tidak adanya fasilitas
yang dapat mengantarkan pekerja tersebut keluar kota Bogor seperti stasiun
kereta, terminal ataupun pintu masuk tol pada kecamatan tersebut. Dalam
Tabel 4 juga dilakukan asumsi bahwa orang yang bekerja di luar kota Bogor
merupakan pekerja yang tidak bekerja pada lapangan pekerjaan di dalam
kota Bogor. Total lapangan pekerjaan di kota Bogor sebanyak 41.982
lapangan pekerjaan yang berasal dari penjumlahan total lapangan pekerjaan
di bidang pertanian, kehutanan, perburuan, dan perikanan, industry
pengolahan, perdangan besar, eceran, rumah makan, hotel, serta jasa
kemasyarakatan, sedangkan pekerja yang bekerja di luar kota Bogor
sebanyak 361.647 pekerja.
11

Tabel 4 Banyaknya lapangan pekerjaan di kota Bogor per kecamatan (orang)


Perdagang-
Pertanian,
an Besar, Bekerja di
Kehutanan, Jasa
Industri Eceran, luar kota
Perburuan, Kema-
Pengolahan Rumah Bogor
dan syarakatan
makan,
Perikanan
dan Hotel
Bogor
354 0 9.925 959 303.783
Tengah
Bogor
970 0 4.588 1.611 36.165
Barat
Bogor
1.267 1.180 6.313 1.114 0
Selatan
Bogor
390 360 3.743 667 0
Timur
Bogor
399 760 2.450 1.113 21.699
Utara
Tn. Sareal 530 0 2.355 934 0
Total 3.910 2.300 29.374 6.398 361.647

3. Peta wilayah studi dengan batasan administrasi, jaringan jalan dan kereta
api yang dikeluarkan oleh Badan Perencanaan Pebangunan Daerah Kota
Bogor disajikan dalam Gambar 1. Gambar 1 menggambarkan wilayah
administratif di kota Bogor yang terbagi ke dalam enam kecamatan, yaitu
kecamatan Bogor Tengah, kecamatan Bogor Barat, kecamatan Bogor Timur,
kecamatan Bogor Utara, kecamatan Bogor Selatan, dan kecamatan Tanah
Sareal.
Gambar 1 juga menggambarkan batas wilayah studi, yaitu wilayah
administratif kota Bogor. Wilayah administratif kota Bogor dibatasi oleh
kabupaten Bogor di sekelilingnya. Dalam wilayah administratif yang
menjadi wilayah studi ini juga terdapat dua terminal bus, yaitu di Terminal
Bubulak yang terdapat di kecamatan Bogor Barat, dan Terminal Baranang
Siang yang terdapat di kecamatan Bogor Tengah, dan terdapat satu stasiun
kereta api yaitu Stasiun Bogor yang terdapat di kecamatan Bogor Tengah.
Ketiga tempat ini menjadi penting untuk diketahui karena akan diasumsikan
dalam penelitian ini menjadi zona tujuan pekerja yang akan bekerja di luar
kota Bogor.
12

Gambar 1 Peta Wilayah Administratif Kota Bogor

4. Melakukan studi literatur tentang model gravity. Studi literatur ini dilakukan
untuk mencari acuan model gravity terbaik berdasarkan dari penelitian-
penelitian lain yang sudah dilakukan. Dalam estimasi matriks origin-
destination yang mengacu kepada pergerakan pekerja yang bekerja di
wilayah studi, Tamin (2000) menjelaskan bahwa model gravity dengan
batasan bangkitan dan tarikan merupakan model yang sering digunakan
untuk memodelkan pergerakan berbasis rumah, baik untuk tujuan bekerja
maupun pendidikan karena bangkitan pergerakan berbasis rumah lebih
dapat diyakini kebenaran pergerakan tujuannya.
Model gravity yang digunakan dalam penelitian ini adalah model
gravity dengan batasan bangkitan dan tarikan. Model ini memunyai
persamaan:

𝑇𝑖𝑗 = 𝑂𝑖 𝐷𝑗 𝐴𝑖 𝐵𝑗 𝑓(𝑐𝑖𝑗 ), (3.1)


dimana 𝑇𝑖𝑗 adalah pergerakan dari zona i ke zona 𝑗 , 𝑂𝑖 adalah jumlah
pergerakan yang berasal dari zona i, 𝐷𝑗 adalah jumlah pergerakan yang
berakhir di zona 𝑗, 𝐴𝑖 dan 𝐵𝑗 adalah faktor penyeimbang, dan 𝑓(𝑐𝑖𝑗 ) adalah
fungsi hambatan.
Faktor penyeimbang dapat dikatakan sebagai syarat batas bangkitan
ataupun tarikan. Faktor penyeimbang ini memunyai persamaan sebagai
berikut:
1
𝐴𝑖 = ∀𝑖 (3.2)
∑𝑗 (𝐵𝑗 𝐷𝑗 𝑓(𝑐𝑖𝑗 ))
1
𝐵𝑗 = ∀𝑗. (3.3)
∑𝑖 (𝐴𝑖 𝑂𝑖 𝑓(𝑐𝑖𝑗 ))
13

Kedua faktor penyeimbang ini menjamin bahwa total setiap baris dan
kolom dalam matriks origin-destination hasil estimasi pemodelan akan
sama dengan total baris dan kolom pada matriks hasil observasi (Tamin
2000). Selain faktor penyeimbang, fungsi hambatan juga penting untuk
ditentukan, dalam penelitian ini dipilih fungsi hambatan berupa fungsi
eksponensial negatif (𝑓(𝑐𝑖𝑗 ) = 𝑒 −𝛽𝑐𝑖𝑗 ). Beberapa literatur menggunakan
fungsi eksponensal negatif sebagai fungsi hambatan, seperti Evans (1971),
Fathoni (2005), Hyman (1969) dan Williams (1976).

Pengolahan Data

1. Pengolahan data pada penelitian ini menggunakan alat bantu perangkat lunak
yaitu Microsoft Excel 2010 dan Fortran 90. Dalam pengolahan data yang
dimodelkan dalam model gravity, dengan teknik kalibrasi Hyman, dilakukan
prosedur sebagai berikut:
a. Mengolah data angkatan kerja yang bekerja dalam seminggu terakhir yang
didapat dari Badan Perencanaan Pembangunan Daerah Kota Bogor, serta
menentukan data banyaknya lapangan pekerjaan di kota Bogor yang
didasarkan pada beberapa asumsi. Asumsi tersebut adalah banyaknya orang
yang bekerja di luar kota Bogor memunyai zona tujuan di terminal, stasiun
kereta api, jalan raya ataupun jalan tol yang menghubungkan daerah di kota
Bogor dengan daerah di sekitarnya, sehingga pekerja di kota Bogor dapat
melakukan pergerakan untuk bekerja di kota lain dengan proporsi
pergerakan yang yang telah ditentukan. Hal ini dilakukan karena tidak
tersedianya data yang menyebutkan secara rinci banyaknya lapangan
pekerjaan di setiap wilayah di kota Bogor dan di luar kota Bogor. Pembuatan
data ini dilakukan dengan bantuan software Microsoft Excel 2010.
b. Membangun model gravity dengan batasan bangkitan dan tarikan dalam
bentuk pseudocode. Pseudocode yang digunakan dalam penelitian dapat
dilihat pada Lampiran 2. Pseudocode yang dihasilkan sekaligus
mengakomodasi teknik kalibrasi Hyman untuk menentukan nilai tingkat
aksesibilitas yang dilambangkan dengan  .
c. Membangun syntax program dengan menggunakan Fortran 90 untuk
menyimulasikan model gravity yang telah dibangun dalam pseudocode
sebelumnya. Syntax Fortran 90 yang digunakan dalam penelitian ini dapat
dilihat pada Lampiran 1.
2. Analisis model pergerakan kota Bogor menggunakan model gravity dan
kalibrasi parameter menggunakan metode Hyman. Dalam tahap analisis ini,
matriks origin-destination hasil simulasi yang diperoleh dengan bantuan
perangkat lunak tersebut selanjutnya dianalisis bersama dengan matriks origin-
destination hasil olahan. Matriks origin-destination hasil olahan adalah matriks
yang dibangun berdasarkan asumsi yang dilakukan pada penelitian ini, yaitu
bahwa sebaran pekerja yang bekerja di lapangan pekerjaan di setiap kecamatan
di kota Bogor menyebar sesuai dengan proporsi lapangan pekerjaan di setiap
kecamatan. Setelah dianalisis akan ditentukan nilai parameter 𝛽 yang
dihasilkan dari simulasi yang dapat digunakan untuk mengestimasi matriks
origin-destination untuk pergerakan di masa yang akan datang.
14

3. Tahapan terakhir dalam pengolahan data adalah melakukan estimasi matriks


origin-destination untuk tahun 2018 dengan menggunakan nilai parameter 𝛽
yang sudah diketahui dari hasil simulasi sebelumya.

4 HASIL DAN PEMBAHASAN

Pada bab ini akan dilakukan pengujian model untuk mengetahui akurasi dari
model gravity dan juga untuk mengetahui pola perilaku yang dihasilkan dari model
gravity tersebut. Selanjutnya model gravity tersebut akan diaplikasikan untuk
menduga matriks origin-destination di kota Bogor dan menduga nilai parameter 𝛽.
Setelah itu akan diduga matriks origin-destination untuk tahun 2018 dengan
menggunakan nilai parameter 𝛽 yang telah dihasilkan sebelumnya.

Pengujian Model

Model gravity ini akan diuji dengan beberapa skenario uji untuk mengetahui
hasil estimasi dari setiap input data pergerakan yang berbeda-beda. Sedangkan data
jarak antar kecamatan tidak berfluktuasi dalam penelitian ini, sehingga data jarak
antar kecamatan tetap.

Skenario Uji 1

Skenario uji 1 menguji model gravity dengan menggunakan pola data


pergerakan awal yang berfluktuasi. Pada skenario uji 1, terdapat satu pergerakan
yang mendominasi pergerakan lainnya. Pola pergerakan pada skenario uji 1 ini
menggunakan tiga kecamatan (Bogor Tengah, Bogor Selatan, dan Bogor Barat)
sebagai obyek observasi. Pada ketiga kecamatan tersebut akan diberikan inisialisasi
data awal pergerakan antar kecamatan Bogor Barat dengan kecamatan Bogor
Tengah, dan juga diberikan inisialisasi data awal pergerakan antar kecamatan Bogor
Tengah dan Bogor Selatan. Secara visual, pola pergerakan pada skenario uji 1 ini
digambarkan pada Gambar 2 dibawah ini.

Gambar 2 Skenario uji 1 dalam bentuk graf


15

Gambar 2 menyajikan skenario uji 1 dalam bentuk graf, dimana setiap


lingkaran menyatakan kecamatan-kecamatan di Kota Bogor dan tanda panah
menyatakan arah pergerakan dari setiap kecamatan yang terhubung. Tanda panah
pada uji skenario 1 ini menghubungkan kecamatan Bogor Barat dengan kecamatan
Bogor Tengah dan kecamatan Bogor Tengah dengan kecamatan Bogor Selatan.
Selanjutnya, setiap pergerakan dari setiap kecamatan yang terhubung
tersebut akan diberikan data awal pergerakan yang fluktuatif. Data awal pergerakan
yang fluktuatif tersebut selanjutnya akan diestimasi menggunakan model gravity.
Hasil estimasi tersebut ditampilkan pada Tabel 5. Tabel 5 menjelaskan hasil
estimasi untuk skenario uji 1.

Tabel 5 Hasil estimasi pergerakan skenario uji 1


Banyaknya Pergerakan Hasil Estimasi Pergerakan
Simulasi β
Barat- Tengah - Barat- Tengah- Tengah- Barat-
Deviasi
Tengah Selatan Tengah Selatan Tengah Selatan
1 10 9.308.514 10 9.308.514 0 0 0.0000001102 -2.284x10-2
2 10 9.308.515 3 9.308.509 14 6 0.0000036255 -1.378x10-2
3 100 93.085.150 27 93.085.086 137 64 0.0000036255 -1.378x10-2
4 1.000 930.851.500 267 930.850.864 1.369 636 0.0000036255 -1.378x10-2
5 10 100.000.000 1 99.999.992 18 8 0.0000004334 -1.424x10-2
6 10 200.000.000 0 199.999.989 21 8 0.0000002549 -1.260x10-2

Pada skenario uji 1 ini, setiap data awal yang akan diujikan ke dalam
skenario uji ini dibedakan ke dalam beberapa simulasi. Pada simulasi 1, data awal
yang digunakan yaitu banyaknya pergerakan dari kecamatan Bogor Barat ke
kecamatan Bogor Tengah sebanyak 10 pergerakan, begitu pula sebaliknya dari
kecamatan Bogor Tengah ke kecamatan Bogor Barat sebanyak 10 pergerakan.
Selanjutya banyaknya pergerakan dari kecamatan Bogor Tengah ke kecamatan
Bogor Selatan sebanyak 9.308.514 pergerakan, dan begitu pula sebaliknya. Pada
Tabel 5, banyaknya pergerakan yang disajikan hanya untuk satu arah saja,
sedangkan. Data awal tersebut akan diestimasi menggunakan model gravity untuk
didapatkan matriks origin-destinationnya. Data awal tersebut disimulasikan
menggunakan bahasa pemrograman Fortran 90. Hasil estimasi pergerakan pada
simulasi 1, yaitu banyaknya pergerakan dari kecamatan Bogor Barat ke kecamatan
Bogor Tengah sebanyak 10 pergerakan, begitu pula sebaliknya, dan banyaknya
pergerakan dari kecamatan Bogor Tengah ke kecamatan Bogor Selatan sebanyak
9.308.514 pergerakan, begitu pula sebaliknya. Hasil estimasi pegerakan ini
merupakan pembulatan, dikarenakan banyaknya pergerakan diasumsikan sebagai
banyaknya orang yang berpindah kecamatan yang berupa bilangan bulat positif.
Pada simulasi 1 ini, tidak ada perbedaan antara data awal dengan hasil
simulasi. Akan tetapi, saat data awal pergerakan antara kecamatan Bogor Tengah
dan kecamatan Bogor Selatan ditambahkan 1 pergerakan terjadi deviasi pergerakan,
seperti pada simulasi 2. Deviasi pergerakan ini tidak hanya mengakibatkan
perbedaan estimasi dari data awal dengan data hasil simulasi, tetapi juga deviasi ini
mengakibatkan terjadi pergerakan diluar pola pergerakan dari data awal. Deviasi ini
mengakibatkan terjadi loop (pergerakan dengan titik awal dan akhir yang sama
tanpa melewati titik lainnya) di kecamatan Bogor Tengah dan juga terjadi
16

pergerakan baru antara kecamatan Bogor Barat dengan kecamatan Bogor Selatan.
Deviasi ini mengakibatkan terjadi pergerakan yang berupa cycle antara 3 kecamatan
(Tengah-Barat-Selatan). Untuk lebih jelasnya dapat dilihat pola pergerakan tersebut
pada Gambar 3 berikut.

Gambar 3 Pola pergerakan hasil simulasi 2 pada skenario uji 1

Gambar 3 menjelaskan tentang pola pergerakan yang terbentuk dari


simulasi 2 pada skenario uji 1. Pada Gambar 3, garis panah yang berwarna biru
menandakan bahwa terdapat pergerakan baru yang terbentuk dari hasil simulasi 2.
Pergerakan baru yang terbentuk yaitu loop pada kecamatan Bogor Tengah, dan
pergerakan antara kecamatan Bogor Barat dan kecamatan Bogor Selatan. Pola
pergerakan baru ini juga dihasilkan oleh simulasi 3, simulasi 4 dan simulasi 5.
Simulasi 4 dan simulasi 5 merupakan simulasi yang diujikan untuk melihat
pengembangan pola pergerakan yang terbentuk jika pada simulasi 2 dilakukan
penambahan data awal pergerakan sebanyak sepuluh dan seratus kali dari data awal
pada simulasi 2. Simulasi 4 dan 5 tersebut memiliki proporsi antara pergerakan yang
mendominasi dan pergerakan yang didominasi yang sama dengan proporsi pada
simulasi 2. Hasil dari simulasi 4 dan 5 ternyata juga menyerupai dengan hasil pada
simulasi 2.
Data awal pada simulasi 3 merupakan penambahan 10 kali dari data awal
pada simulasi 2. Akan tetapi hasil yang terjadi pada simulasi 3 tidak sama dengan
10 kali dari hasil pada simulasi 2. Hal ini diakibatkan karena adanya pembulatan
pada setiap hasil simulasi yang terjadi. Sebagai contoh pada hasil simulasi 2, hasil
simulasi pada pergerakan loop di kecamatan Bogor Tengah sebanyak 14 pergerakan,
sedangkan pada simulasi 3 terdapat 137 pergerakan. Ternyata hasil simulasi 3 pada
pergerakan loop di kecamatan Bogor Tengah tersebut tidak bertambah 10 kali dari
hasil pada simulasi 2 menjadi 140 pergerakan. Hal ini diakibatkan karena terdapat
pembulatan hasil simulasi 2. Hasil pergerakan loop di kecamatan Bogor Tengah
pada simulasi 2 sebanyak 13,694 pergerakan. Akan tetapi karena banyaknya
pergerakan penduduk merupakan bilangan bulat positif, maka angka 13,694
dibulatkan menjadi 14 pergerakan. Selanjutnya pada simulasi 3, hasil pada loop di
kecamatan Bogor Tengah sebesar 136,94 yang dibulatkan menjadi 137 pergerakan.
Hasil pergerakan tersebut ternyata sama dengan hasil pergerakan pada simulasi 2
dimana hasil pergerakan tersebut bertambah 10 kali dari hasil pada simulasi 2 sesuai
dengan data awal pergerakan pada simulasi 3 dimana data awal pergerakan pada
17

simulasi 3 merupakan 10 kali dari data awal pergerakan pada simulasi 2. Hal ini
juga berlaku untuk pergerakan lainnya pada simulasi 3 dan simulasi 4.
Simulasi 5 merupakan simulasi yang diujikan untuk melihat perubahan pola
pergerakan yang terjadi dengan hanya menambahkan banyaknya pergerakan
terhadap pergerakan yang mendominasi (antara kecamatan Bogor Tengah dengan
kecamatan Bogor Selatan) menjadi lebih besar (1×108) dari data awal pergerakan
yang mendominasi, sementara banyaknya pergerakan antara kecamatan Bogor
Barat dan kecamatan Bogor Tengah tetap. Simulasi 5 tersebut menghasilkan pola
pergerakan yang sama dengan simulasi 3 dan simulasi 4. Akan tetapi jumlah
pergerakan hasil estimasinya berbeda dengan pola jumlah pergerakan pada simulasi
3 dan simulasi 4, karena hanya pergerakan yang mendominasi saja yang
ditambahkan jumlah pergerakannya. Dapat dilihat pada Tabel 5 bahwa hasil
estimasi pergerakan antara kecamatan Bogor Barat dan kecamatan Bogor Tengah
mengalami penurunan jika jumlah pergerakan yang mendominasi ditambahkan
nilainya. Hal tersebut dapat dilihat dari pergerakan hasil simulasi 1, 2, 5, dan 6
antara kecamatan Bogor Barat dengan kecamatan Bogor Tengah yang mengalami
penurunan jumlah pergerakan.
Jika simulasi 5 menambahkan jumlah pergerakan yang mendominasi
menjadi 1×108, maka pada simulasi 6 data awal pergerakan ditambah menjadi
2×108 pergerakan. Hasil simulasi 6 ternyata memberikan perbedaan pola
pergerakan dari simulasi-simulasi sebelumnya. Perbedaan pola pergerakan tersebut
dapat dilihat pada Gambar 4 di bawah ini.

Gambar 4 Pola pergerakan hasil simulasi 6 pada skenario uji 1

Jika dibandingkan dengan pola pergerakan yang dihasilkan dari simulasi 3,


4 dan 5, pada pola pergerakan pada simulasi 6 ini terdapat perbedaan jumlah
pergerakan antara kecamatan Bogor Barat dengan kecamatan Bogor Tengah. Pada
hasil simulasi 6, tidak terdapat pergerakan antara 2 kecamatan ini. Hal ini
dikarenakan terjadi pembulatan pada hasil simulasi yang kurang dari 0,5 pergerakan
sehingga hasilnya akan dibulatkan menjadi 0.
18

Analisis Skenario Uji 1

Terdapat tiga hasil yang menarik untuk dikaji lebih jauh pada skenario uji 1.
Pertama, jika inisialisasi data awal pergerakan yang mendominasi ditetapkan
dengan nilai 9.308.514 pergerakan dan data awal pergerakan lainnya sebanyak 10
pergerakan, maka pola pergerakan yang dihasilkan sama dengan pola pergerakan
dari inisialisasi data awal yang ditetapkan. Pola pergerakan ini dapat dilihat pada
simulasi 2 di skenario uji 1 dan divisualisasikan pada Gambar 2. Jika inisialisasi
data awal pergerakan yang mendominasi ditambahkan 1 pergerakan menjadi
9.308.515 pergerakan, sedangkan inisialisasi data awal pergerakan lainnya tetap,
maka pola pergerakannya tersebut menjadi tidak sama dengan pola dari inisialisasi
data awal pergerakan. Hasil tersebut disajikan di simulasi 2 pada skenario uji 1.
Hal menarik selanjutnya adalah jika inisialisasi data awal sama dengan data
awal pada simulasi 2 dan selanjutnya dikalikan 10 kali lipat dengan perbandingan
rasio antara banyaknya pergerakan yang mendominasi dengan pergerakan lainnya
sama, maka pola yang dihasilkan juga sama dengan pola yang dihasilkan pada
simulasi 2. Hal tersebut juga berlaku jika inisialisasi data awal pergerakan pada
simulasi 2 dijadikan 100 kali lipat, maka pola pergerakan yang dihasilkan akan
sama dengan pola yang dihasilkan pada simulasi 2. Hal tersebut sangat menarik
untuk dikaji lebih jauh karena dengan rasio yang tetap, jika inisialisasi data awal
diubah menjadi beberapa kali lipat maka pola yang dihasilkan akan serupa.
Hal menarik terakhir yang didapatkan pada skenario uji 1 ini adalah jika
inisialisasi data awal pergerakan yang mendominasi ditambahkan sedangkan data
awal pergerakan yang lainnya dibuat tetap, maka hasil estimasi pada pergerakan
yang didominasi tersebut akan mengecil. Pada simulasi 5 dan 6, dapat dilihat bahwa
pada pergerakan yang didominasi, nilai estimasi pergerakan tersebut semakin kecil
menuju nol. Hal ini menarik untuk dikaji terkait hal yang menyebabkan perubahan
pola pergerakan tersebut.
Pada skenario uji 1 ini data awal pergerakan diinisialisasikan agar selalu ada
pergerakan yang mendominasi pergerakan lainnya. Jika data awal dibuat sama
(proporsinya sama, tidak ada pergerakan yang mendominasi pergerakan lainnya),
tidak diujikan dalam skenario uji 1, tetapi akan diujikan dalam skenario uji 2. Pada
skenario uji 2 ini juga menggunakan pola pergerakan yang sama dengan pola
pergerakan yang digunakan pada skenario uji 1, akan tetapi hanya inisialisasi data
awal pergerakannya saja yang berbeda.

Skenario Uji 2

Skenario uji 2 menggunakan data awal pergerakan dengan proporsi yang


sama. Pada skenario uji 2 ini juga menggunakan pola pergerakan dari data awal
yang sama dengan skenario uji 1, yaitu pergerakan antara kecamatan Bogor Barat
dengan kecamatan Bogor Tengah dan antara kecamatan Bogor Tengah dengan
kecamatan Bogor Selatan. Karena pola pergerakan awal yang sama dengan skenario
uji 1, maka secara visual pola pergerakan skenario uji 2 juga sama dengan skenario
uji 1 dan dapat dilihat pada Gambar 2.
Hasil estimasi matriks origin-destination untuk skenario uji 2 disajikan
dalam Tabel 6. Tabel 6 menjelaskan tentang data awal pergerakan dan hasil estimasi
pergerakan. Tabel 6 dibagi ke dalam enam simulasi, dimana setiap simulasi
19

menggunakan data awal pergerakan yang berbeda-beda tetapi memunyai proporsi


antar pergerakan yang sama.

Tabel 6 Hasil estimasi pergerakan pada skenario uji 2


Banyaknya
Hasil Estimasi Pergerakan
Pergerakan
Simulasi β
Barat- Tengah - Barat- Tengah- Tengah- Barat-
Deviasi
Tengah Selatan Tengah Selatan Tengah Selatan
1 5x106 5x106 5000000 5000000 0 0 0,0000001245 -3.615x102
2 6x106 6x106 6000000 6000000 1 0 0,0000001245 -3.615x102
3 15x106 15x106 14999999 14999999 1 1 0,0000001245 -3.615x102
4 5x107 5x107 49999997 49999998 5 2 0,0000001245 -3.615x102
5 1x108 1x108 99999995 99999995 10 5 0,0000001245 -3.615x102
9 9
6 1x10 1x10 999999950 999999950 100 50 0,0000001245 -3.615x102

Simulasi 1 pada Tabel 6 menggunakan data awal pergerakan sebanyak


6
5×10 pergerakan dari kecamatan Bogor Barat ke kecamatan Bogor Tengah begitu
pula sebaliknya. Jumlah data awal yang sama juga digunakan untuk pergerakan dari
kecamatan Bogor Tengah ke kecamatan Bogor Selatan begitu pula sebaliknya.
Simulasi 1 menghasilkan estimasi pergerakan yang sama dengan data awal
pergerakannya. Simulasi 1 juga menghasilkan pola pergerakan yang sama dengan
data awal pergerakannya.
Jika data awal pada simulasi 1 ditambahkan sebesar 106, hasil estimasi pola
pergerakannya tidak sama dengan pola pergerakan yang dihasilkan pada simulasi 1.
Hal ini dapat dilihat pada simulasi 2 dimana hasil estimasinya terdapat loop di
kecamatan Bogor Tengah. Akan tetapi deviasi yang terjadi hanya sebesar
0,0000001245. Deviasi ini juga terjadi pada simulasi 1, akan tetapi loop hanya
terjadi pada simulasi 2. Hal ini dikarenakan adanya pembulatan untuk jumlah
pergerakan hasil estimasi karena banyaknya pergerakan tersebut berupa bilangan
bulat positif. Pada simulasi 1, loop yang terjadi dari hasil estimasi 1 sebesar 0,49,
sedangkan pada simulasi 2 loop yang terjadi sebesar 0.59. Karena loop pada
simulasi 1 tersebut kurang dari 0,5, maka pembulatan yang dihasilkan bernilai 0
dan pada simulasi 2 dibulatkan menjadi 1. Pola pergerakan yang dihasilkan pada
simulasi 2 dapat dilihat pada Gambar 5.

Gambar 5 Pola pergerakan hasil simulasi 2 pada skenario uji 2


20

Pada simulasi ke 3 dari skenario uji 2, dilakukan simulasi dengan menaikkan


nilai data awal pergerakan menjadi 1,5×107, atau sebesar 3 kali lipat dari data awal
pada simulasi 1. Simulasi 3 menghasilkan pola pergerakan yang berbeda dengan
pola pergerakan yang dihasilkan pada skenario 2. Hasil simulasi 3 ini juga
menunjukkan nilai deviasi yang sama dengan simulasi 1 dan 2 akan tetapi pola
pergerakannya berbeda dengan simulasi 1 dan 2. Perbedaan pola pergerakan yang
dihasilkan pada simulasi 3 ini terjadi antara kecamatan Bogor Barat dengan
kecamatan Bogor Selatan. Perbedaan pola pergerakan ini disajikan pada Gambar 6.

Gambar 6 Pola pergerakan hasil simulasi 3 pada skenario uji 2

Pada Gambar 6, tanda panah menyatakan adanya pergerakan yang terjadi


antar kecamatan yang dihubungkan dengan tanda panah tersebut. Tanda panah yang
berwarna hitam menyatakan pergerakan dari data awal yang juga dihasilkan pada
hasil simulasi 3. Sedangkan tanda panah berwarna biru menyatakan pergerakan
yang terjadi dari hasil simulasi 3, dimana pergerakan tersebut adalah pergerakan
baru yang terbentuk.
Simulasi 4, 5 dan 6 hanya menunjukkan pengaruh naiknya jumlah
pergerakan dengan hasil simulasinya. Pada simulasi 4, dilakukan penambahan data
awal pergerakan menjadi 5×107 pergerakan, atau naik 10 kali lipat dibandingkan
data awal pergerakan pada simulasi 1. Hasil estimasi simulasi 4 menyerupai hasil
simulasi 1 dengan kenaikan sebesar 10 kali lipat. Deviasi yang terjadi antara
simulasi 1 dan simulasi 4 memunyai nilai yang sama. Pola pergerakan yang
dihasilkan pada simulasi 4 terdapat perbedaan dari simulasi 1, hal ini dikarenakan
adanya pembulatan pada simulasi 1 sehingga nilai pergerakan yang kurang dari 0,5
dibulatkan menjadi 0. Sebagai contoh, pergerakan loop di kecamatan Bogor Tengah
pada simulasi 1 senilai 0,498 dan simulasi 4 senilai 4,98. Ternyata hasil simulasi 4
merupakan 10 kali lipat dibandingkan dengan hasil simulasi 1. Akan tetapi pada
simulasi 1 dilakukan pembuatan bilangan, maka nilai yang dihasilkan bernilai 0.
Begitu pula dengan simulasi 5 dan 6 dimana data awal pergerakannya merupakan
kelipatan dari data awal pergerakan simulasi 1.
21

Analisis Skenario Uji 2

Pada skenario uji 2 ini terdapat hal yang menarik untuk dikaji secara
mendalam lebih jauh. Hal tersebut sama dengan yang terjadi pada skenario uji 1
dimana jika dilakukan penambahan inisialisasi data awal dengan rasio data awal
pergerakan yang sama, maka hasil estimasi yang dihasilkan juga bertambah sesuai
dengan penambahan inisialisasi data awalnya.
Skenario uji 2 menghasilkan nilai deviasi yang sama pada hasil estimasi
pergerakan baru yang terbentuk untuk setiap simulasi yang diujikan. Selain itu,
karena proporsi antara 2 pergerakan (antara Bogor Barat dengan Bogor Tengah dan
antara Bogor Tengah dengan Bogor Selatan) sama, maka pergerakan hasil
estimasinya saling menyerupai satu simulasi dengan simulasi lainnya. Perbedaan
pola pergerakan hanya diakibatkan dari pembulatan yang dilakukan.
Dua skenario uji ini menggambarkan secara umum perilaku model gravity
untuk mengestimasi matriks origin-destination. Deviasi yang terjadi pada skenario
uji 1 dan 2 sangat kecil, yaitu antara 10-8 sampai dengan 10-6 sehingga dapat
diabaikan. Hasil deviasi yang sangat kecil ini menandakan estimasi matriks origin-
destination ini sudah cukup baik sehingga dapat digunakan untuk mengestimasi
pola pergerakan masyarakat di kota Bogor.

Kondisi Kota Bogor

Badan Pusat Statistik (BPS) kota Bogor menyebutkan jumlah orang yang
bekerja di kota Bogor mencapai 90,2% dari penduduk usia kerja pada tahun 2013.
Penduduk usia kerja adalah penduduk dengan usia 15 tahun ke atas yang bekerja.
Tabel 7 berikut secara detail menggambarkan jumlah penduduk di kota Bogor
berdasarkan usia.

Tabel 7 Penduduk kota Bogor berdasarkan kelompok umur tahun 2013


Kelompok umur (tahun) Laki-laki Perempuan Jumlah
00-04 44.822 42.159 86.981
05-09 46.255 43.808 90.063
10-14 46.232 43.719 89.951
15-19 43.225 42.547 85.772
20-24 45.484 46.128 91.612
25-29 45.515 43.934 89.449
30-34 48.102 45.900 94.002
35-39 42.130 40.692 82.822
40-44 39.807 37.758 77.565
45-49 31.336 30.004 61.340
50-54 26.265 25.261 51.526
55-59 20.173 20.264 40.437
60-64 14.142 14.018 28.160
65-69 8.193 8.637 16.830
70-74 6.463 7.105 13.568
75+ 6.653 8.717 15.370
Total 514.797 500.651 1.015.448
22

Dari data yang dipublikasikan oleh Badan Pusat Statistik Kota Bogor,
jumlah penduduk usia kerja sebanyak 748.453 orang. Sebanyak 377.488 adalah
laki-laki, sedangkan 370.965 adalah perempuan. Dari 748.453 penduduk usia kerja
tersebut sebanyak 10,81% tinggal di kecamatan Bogor Tengah, 22,32% kecamatan
Bogor Barat, 18,45% kecamatan Bogor Selatan, 9,91% kecamatan Bogor Timur,
18,26% kecamatan Bogor Utara, dan 20,24% di kecamatan Tanah Sareal.
Penduduk kota Bogor yang termasuk angkatan kerja adalah penduduk usia
kerja yang bekerja atau punya pekerjaan namun sementara tidak bekerja dan
pengangguran. Tabel 8 menjelaskan penduduk kota Bogor yang bekerja selama
seminggu yang lalu menurut jenis kelamin dan usia tahun 2013. Jumlah penduduk
yang termasuk angkatan kerja di kota Bogor sebanyak 403.628 orang dengan
276.413 orang adalah laki-laki dan 127.215 orang adalah perempuan.

Tabel 8 Penduduk angkatan kerja kota Bogor 2013


Kelompok umur Laki-laki Perempuan Jumlah
15-19 7.848 9.086 16.934
20-24 29.430 22.715 52.145
25-29 28.152 15.980 44.132
30-34 48.852 14.382 63.234
35-39 34.282 19.845 54.127
40-44 41.588 12.348 53.936
45-49 35.145 11.376 46.521
50-54 18.810 12.640 31.450
55-59 13.104 3.688 16.792
60-64 11.700 1.844 13.544
65+ 7.502 3.311 10.813
Total 276.413 127.215 403.628

Penduduk kota Bogor bekerja pada beberapa lapangan pekerjaan. Lapangan


pekerjaan utama penduduk di kota Bogor adalah berdagang. Sebanyak 33,22%
penduduk usia kerja di kota Bogor bekerja menjadi pedagang besar, eceran, rumah
makan, dan hotel. Sebanyak 24,91% bekerja pada jasa kemasyarakatan. Sebanyak
15,4% bekerja pada bidang industri, baik industri skala kecil, menengah, ataupun
skala besar. Sebanyak 2,06% bekerja pada bidang pertanian, kehutanan, perburuan,
dan perikanan. Sisanya sebanyak 24,41% bekerja pada bidang lainnya seperti
pertambangan dan penggalian, listrik, gas dan air, angkutan, pergudangan dan
komunikasi, keuangan, asuransi, usaha persewaan bangunan, tanah dan jasa
perusahaan.

Estimasi Matriks Origin-Destination kota Bogor

Matriks origin-destination adalah matriks yang menggambarkan pergerakan


penduduk di suatu daerah. Matriks origin-destination berguna untuk merencanakan
sistem transportasi yang efektif dan efisien. Menurut Tamin (2000) jika matriks
origin-destination ini dibebankan ke suatu sistem jaringan transportasi, maka akan
diperoleh suatu pola pergerakan. Dengan memelajari pola pergerakan yang terjadi,
23

maka seseorang dapat mengidentifikasi permasalahan yang timbul sehingga


beberapa solusi dapat segera dihasilkan.
Salah satu metode untuk menduga matriks origin-destination adalah dengan
metode sintesis dengan menggunakan model gravity. Model gravity untuk
transportasi dijelaskan dalam persamaan
𝑇𝑖,𝑗 = 𝑂𝑖 𝐷𝑗 𝐴𝑖 𝐵𝑗 𝑓(𝑐𝑖,𝑗 ),
dimana 𝑇𝑖,𝑗 adalah banyaknya pergerakan dari 𝑖 ke 𝑗 . 𝑂𝑖 dan 𝐷𝑗 berturut-turut
menyatakan banyaknya pergerakan yang berasal (origin) dari 𝑖 dan banyaknya
pergerakan menuju (destination) ke 𝑗. 𝐴𝑖 dan 𝐵𝑗 merupakan faktor penyeimbang,
sedangkan 𝑓(𝑐𝑖,𝑗 ) adalah fungsi hambatan. Dalam karya ilmiah ini digunakan
fungsi hambatan berupa fungsi eksponensial negatif (𝑓(𝑐𝑖,𝑗 ) = 𝑒 −𝛽𝑐𝑖,𝑗 ). Dalam
fungsi eksponensial negatif tersebut, nilai parameter 𝛽 dikalibrasi menggunakan
metode Hyman. Parameter 𝛽 menggambarkan biaya rata-rata perjalanan di daerah
kajian, semakin besar nilai 𝛽, maka semakin kecil nilai biaya rata-rata perjalanan.
Biaya perjalanan (𝑐𝑖,𝑗 ) diasumsikan berbanding lurus dengan jarak. Penelitian ini
menggunakan data jarak antarkecamatan sebagai komponen biaya untuk
menentukan nilai fungsi hambatan.

Tabel 9 Data jarak antarkecamatan di kota Bogor


Tengah Barat Selatan Timur Utara Tn. Sareal
Tengah 0 1.047 2.852 3.442 1.833 2.486
Barat 1.047 0 2.988 4.005 2.914 3.138
Selatan 2.852 2.988 0 1.645 3.818 5.194
Timur 3.442 4.005 1.645 0 3.54 5.274
Utara 1.833 2.914 3.818 3.54 0 1.913
Tn. Sareal 2.486 3.138 5.194 5.274 1.913 0

Tabel 9 menjelaskan jarak antarkecamatan di kota Bogor. Diasumsikan


bahwa jarak antarkecamatan yang sama bernilai 0. Data jarak antarkecamatan ini
yang digunakan untuk menentukan nilai fungsi hambatan yang berupa fungsi
eksponensial negatif. Data jarak antarkecamatan juga digunakan untuk
mengalibrasi nilai parameter 𝛽 yang terdapat dalam fungsi hambatan.
Metode Hyman digunakan dalam mengalibrasi nilai parameter 𝛽. Metode
ini memerlukan nilai biaya rata-rata dari hasil pengamatan dan juga memerlukan
jumlah pergerakan antarkecamatan hasil pengamatan untuk mengalibrasi nilai
parameter 𝛽. Dalam praktiknya, menghitung pergerakan hasil pengamatan dengan
metode konvensional tidaklah mudah, butuh biaya yang mahal dan waktu yang
lama (Tamin 2000). Oleh sebab itu, diperlukan beberapa asumsi untuk menghitung
pergerakan hasil pengamatan tersebut. Pada penelitian ini, diasumsikan kota Bogor
adalah sebuah system tertutup dimana pergerakan yang diamati adalah pergerakan
orang yang bekerja dari kota Bogor dan juga banyaknya lapangan pekerjaan di kota
Bogor sehingga dapat ditentukan jumlah pergerakan di kota Bogor.
Dari data sosial ekonomi di kota Bogor diperoleh data orang yang bekerja
di kota Bogor dengan usia lebih dari 15 tahun yang bekerja seminggu terakhir
sebanyak 403.628 orang. Lapangan pekerjaan di kota Bogor paling banyak adalah
pedagang, baik itu pedagang besar, eceran, rumah makan, maupun hotel sebanyak
33,22%. Sebanyak 24,91% lapangan pekerjaan adalah jasa kemasyarakatan.
24

Sebanyak 15,4% lapangan pekerjaan di industri pengolahan. Sebanyak 2,06%


lapangan pekerjaan di kota Bogor di bidang pertanian, kehutanan, perburuan
ataupun perikanan, sisanya di bidang lainnya.
Jika diasumsikan sebaran pekerja untuk setiap lapangan pekerjaan di setiap
kecamatan mengikuti persentase lapangan kerja di setiap kecamatan, maka dapat
diperoleh total data orang yang bekerja untuk setiap kecamatan. Tabel 3
menggambarkan total orang yang bekerja di setiap kecamatan berdasarkan asumsi
tersebut. Kecamatan Bogor Barat masih mendominasi pekerja terbanyak,
sedangkan kecamatan Bogor Timur memiliki jumlah pekerja yang paling sedikit.
Data jenis pekerjaan pada setiap kecamatan yang diperoleh dari Badan Pusat
Statistik kota Bogor dan data sosial ekonomi kota Bogor tahun 2013 digunakan
untuk mengestimasi jumlah lapangan pekerjaan di kota Bogor. Dari data tersebut
diperoleh jumlah lapangan pekerjaan di setiap kecamatan. Akan tetapi jumlah
lapangan pekerjaan di kota Bogor hanya 41.982 lapangan pekerjaan (lihat Tabel 4
untuk jenis lapangan pekerjaan selain kolom Bekerja di luar kota Bogor). Oleh
sebab itu diasumsikan terdapat pekerja yang bekerja di luar kota Bogor
menggunakan jasa angkutan kereta, bus, ataupun kendaraan pribadi. Stasiun kereta
api kota Bogor terdapat di kecamatan Bogor Tengah, sehingga diasumsikan
banyaknya lapangan pekerjaan di kecamatan tersebut ditambahkan dengan
banyaknya pekerja yang menggunakan jasa kereta untuk bekerja di luar kota. Begitu
pula untuk kecamatan-kecamatan yang didalamnya terdapat terminal seperti
kecamatan Bogor Timur (Terminal Baranang Siang) dan kecamatan Bogor Barat
(Terminal Bubulak) dan juga untuk kecamatan yang di dalamnya terdapat akses
jalan menuju Jakarta.
Jika diasumsikan sebaran pergerakan orang yang bekerja untuk setiap
kecamatan mengikuti persentase lapangan pekerjaan dikalikan dengan banyaknya
pekerja dari setiap kecamatan tersebut, maka diperoleh matriks origin-destination
hasil olahan seperti dalam Tabel 10.

Tabel 10 Matriks origin-destination hasil olahan


Tengah Barat Selatan Timur Utara Tn. Sareal
Tengah 34066 4686 1068 558 2857 413
Barat 70327 9674 2204 1152 5898 853
Selatan 58118 7995 1822 952 4874 705
Timur 31228 4296 979 512 2619 379
Utara 57523 7913 1803 942 4824 697
Tn. Sareal 63760 8771 1998 1044 5348 773

Dengan menggunakan teknik kalibrasi Hyman, pada iterasi ke-7 diperoleh


nilai 𝛽 = 1,0167 × 10−7 dan proses iterasinya dapat dilihat di Lampiran 3. Nilai
parameter 𝛽 yang menuju nol menunjukkan bahwa jarak tidak secara signifikan
memengaruhi pergerakan orang untuk bekerja dari rumah ke tempat kerja. Matriks
origin-destination yang dihasilkan setelah 7 iterasi (lihat lampiran 2) dengan nilai
parameter 𝛽 tersebut, disajikan dalam Tabel 11. Matriks origin-destination dengan
nilai parameter 𝛽 tersebut menyerupai matriks origin-destination hasil olahan yang
dilakukan berdasarkan asumsi.
25

Tabel 11 Matriks origin-destination hasil estimasi


Tengah Barat Selatan Timur Utara Tn. Sareal
Tengah 34066 4686 1068 558 2857 413
Barat 70327 9675 2204 1152 5897 852
Selatan 58117 7995 1822 952 4874 704
Timur 31227 4295 979 512 2619 379
Utara 57523 7912 1803 942 4826 697
Tn. Sareal 63760 8770 1998 1044 5348 773

Asumsi yang digunakan dalam penelitian ini bertujuan untuk


menyederhanakan pergerakan orang yang bekerja di kota Bogor. Asumsi
pergerakan pekerja di pagi hari yang mendasari estimasi matriks origin-destination
ini digunakan untuk menyederhanakan pergerakan dengan berbagai motivasi,
karena pergerakan berdasarkan motivasi bekerja dapat lebih tepat ramalan
pergerakannya dan lebih mudah mengestimasi matriks origin-destination untuk
masa yang akan datang dibandingkan dengan motivasi pergerakan untuk berbelanja
ke pusat perbelanjaan, motivasi pergerakan untuk mengunjungi tempat wisata, dan
motivasi pergerakan untuk mengunjungi sanak saudara. Motivasi ini yang
memengaruhi pergerakan orang dari satu zona asal ke zona tujuan.
Pergerakan orang dari zona asal ke zona tujuan dapat diestimasi menggunakan
model gravity untuk transportasi. Dalam penelitian ini, telah dilakukan estimasi
pergerakan masyarakat kota Bogor untuk bekerja di pagi hari pada tahun 2013 dan
disajikan dalam bentuk matriks origin-destination pada Tabel 11. Setelah
memerhitungkan laju pertambahan penduduk di setiap kecamatan di kota Bogor,
diperoleh estimasi pergerakan masyarakat kota Bogor untuk bekerja di pagi hari
pada tahun 2018 pada Tabel 12.

Tabel 12 Prediksi matriks origin-destination tahun 2018


Tengah Barat Selatan Timur Utara Tn. Sareal
Tengah 34992 4771 1025 535 2906 396
Barat 73559 10029 2154 1126 6109 833
Selatan 59846 8160 1752 916 4970 678
Timur 32227 4394 944 493 2676 365
Utara 63699 8685 1865 975 5290 721
Tn. Sareal 72883 9937 2134 1115 6053 825

Tabel 12 menggambarkan prediksi pergerakan kota Bogor pada tahun 2018.


Dari Tabel 12, dapat dilihat bahwa pergerakan masyarakat kota Bogor akan
semakin banyak menuju ke zona tujuan di kecamatan Bogor Tengah. Pada tahun
2013, terdapat 315.021 orang yang bergerak menuju kecamatan Bogor Tengah, dan
pada tahun 2018, diprediksi terdapat 337.206 orang yang bergerak ke kecamatan
Bogor Tengah. Sehingga terdapat 22.185 orang yang bertambah dalam kurun waktu
5 tahun yang bergerak menuju kecamatan Bogor Tengah. Hal ini tentu harus
diantisipasi oleh pemerintah kota Bogor dengan menambah dan memperluas akses
masyarakat untuk dapat menuju zona tujuan di kecamatan Bogor Tengah.
Pada penelitian ini, validasi data pergerakan masyarakat tidak dilakukan
karena keterbatasan sumberdaya dan waktu. Oleh karena itu dibuat beberapa asumsi
26

sehingga matriks origin-destination hasil olahan mendekati dengan pergerakan


yang terjadi dilapangan. Hal ini mengakibatkan pergerakan hasil olahan tersebut
hanya berdasarkan data sekunder yang disediakan oleh Badan Pusat Statistik kota
Bogor, yaitu data populasi penduduk dan lapangan pekerjaan di kota Bogor dan
data Sosial Ekonomi kota Bogor yang dipublikasikan oleh Badan Perencanaan
Daerah Kota Bogor. Dari hasil observasi tersebut, dilakukan perhitungan
pergerakan masyarakat kota Bogor menggunakan model gravity untuk transportasi,
sehingga diperoleh pola pergerakan masyarakat kota Bogor yang disajikan dalam
bentuk matriks origin-destination pada Tabel 11. Secara keseluruhan, pergerakan
masyarakat kota Bogor dapat dibuat pola pergerakannya pada Gambar 7.
Gambar 7 menggambarkan pola pergerakan masyarakat di kota Bogor.
Ketebalan garis memengaruhi intensitas banyaknya pergerakan yang terjadi. Dari
Gambar 7, dapat disimpulkan bahwa msayarakat kota Bogor lebih banyak yang
melakukan pergerakan dengan zona tujuan di kecamatan Bogor Tengah. Hal ini
disebabkan karena di kecamatan Bogor tengah banyak terdapat pusat pemerintahan
dan pusat ekonomi yang banyak terdapat lapangan pekerjaan.

Gambar 7 Pola pergerakan masyarakat di kota Bogor


27

5 SIMPULAN DAN SARAN

Simpulan

Pergerakan manusia dan barang dapat disajikan dalam bentuk matriks.


Matriks origin-destination adalah matriks yang menyajikan pergerakan manusia
dari suatu zona asal ke zona tujuan. Dalam penelitian ini zona asal dan tujuannya
dibagi ke dalam 6 kecamatan di kota Bogor, yaitu kecamatan Bogor Tengah, Bogor
Barat, Bogor Timur, Bogor Selatan, Bogor Utara, dan Tanah Sareal. Keenam
kecamatan tersebut menjadi daerah observasi dalam penelitian ini. Penelitian ini
bertujuan untuk mengestimasi pergerakan masyarakat kota Bogor saat sedang
beraktivitas untuk pergi bekerja di pagi hari.
Salah satu cara untuk mengestimasi matriks origin-destination dengan
menggunakan model gravity. Dalam model gravity diperlukan kalibrasi parameter
untuk fungsi hambatan yang digunakan. Dalam penelitian ini, fungsi hambatan
yang digunakan berupa fungsi eksponensial negatif (𝑒 −𝛽𝑐𝑖,𝑗 ).
Nilai parameter 𝛽 yang dihasilkan adalah 1,0167 × 10−7 . Matriks origin-
destination dengan nilai 𝛽 yang dihasilkan dapat dilihat di Tabel 11. Nilai
parameter 𝛽 dapat dipergunakan untuk mengestimasi matriks origin-destination
untuk keperluan lainnya. Dengan menggunakan parameter 𝛽 tersebut, pemerintah
daerah kota Bogor dapat mengestimasi matriks origin-destination untuk tahun-
tahun berikutnya, sehingga dengan menggunakan matriks origin-destination dari
estimasi untuk tahun-tahun mendatang tersebut dapat merancang sistem
transportasi dengan mengacu kepada kebutuhan akan transportasi yang ada di kota
Bogor.
Nilai parameter 𝛽 yang dihasilkan kemudian digunakan kembali untuk
mengestimasi matriks origin-destination untuk masa yang akan datang. Estimasi
matriks origin-destination pada masa yang akan datang dapat menggunakan model
gravity dengan metode Hyman sebagai teknik kalibrasinya. Hasil estimasi tersebut
disajikan pada Tabel 12, yaitu hasil estimasi matriks origin-destination pada tahun
2018. Hasil kalibrasi nilai 𝛽 juga dapat digunakan untuk mengestimasi matriks
origin-destination untuk tahun-tahun berikutnya.

Saran

Untuk penelitian berikutnya, direkomendasikan beberapa saran antara lain:


 Perlu dilakukan penelitian dengan memperhitungkan semua motivasi pergerakan
masyarakat kota Bogor, seperti motivasi untuk pergi ke pusat perbelanjaan,
sekolah, mengunjungi sanak saudara, ataupun liburan.
 Untuk penelitian menggunakan motivasi pergerakan masyarakat yang bekerja,
diperlukan survey lapangan pekerjaan di seluruh kota Bogor dan banyaknya
pekerja yang bekerja di luar kota Bogor serta moda transportasi yang digunakan.
 Diperlukan pertimbangan pergerakan dari luar kota Bogor, dan pergerakan yang
berasal dari luar kota bogor menuju kota lain yang melalui kota Bogor.
 Diperlukan penelitian yang lebih menyeluruh dan dilakukan dalam jangka waktu
yang berkelanjutan agar mendapatkan nilai estimasi matriks origin-destination
yang lebih akurat di masa mendatang.
28

DAFTAR PUSTAKA

[Bappeda] Badan Perencanaan Pembangunan Daerah Kota Bogor. 2011. Peta


Rencana Pola Ruang Kota Bogor [Internet]. [diunduh 2015 Mar 25]. Tersedia
pada: http://bappeda.kotabogor.go.id/images/produk/cc13c1d1637403b37d08
00324943822f.pdf.
[Bappeda] Badan Perencanaan Pembangunan Daerah Kota Bogor, [BPS] Badan
Pusat Statistik Kota Bogor. 2014. Data Sosial Ekonomi Daerah Kota Bogor
[Internet]. [diunduh 2015 Mar 25]; 4715.3271(3271.04.). Tersedia pada:
http://bappeda.kotabogor.go.id/images/slidertabs/03337ae57bd98f8f91dd275
4d22aa3a9.pdf.
[BPS] Badan Pusat Statistik Kota Bogor. 2014. Bogor Barat dalam Angka [Internet].
[diakses 2015 Mar 24]; 1102001.3271050(32710.14.003):16-19. Tersedia
pada: http://bogorkota.bps.go.id/publikasi/bogor-barat-dalam-angka-2014.
[BPS] Badan Pusat Statistik Kota Bogor. 2014. Bogor Selatan dalam Angka
[Internet]. [diakses 2015 Mar 24]; 1102001.3271010(32710.14.003):16-19.
Tersedia pada: http://bogorkota.bps.go.id/publikasi/bogor-selatan-dalam-
angka-2014.
[BPS] Badan Pusat Statistik Kota Bogor. 2014. Bogor Tengah dalam Angka
[Internet]. [diakses 2015 Mar 24]; 1102001.3271040(32710.14.006):16-19.
Tersedia pada: http://bogorkota.bps.go.id/publikasi/bogor-tengah-dalam-
angka-2014.
[BPS] Badan Pusat Statistik Kota Bogor. 2014. Bogor Timur dalam Angka
[Internet]. [diakses 2015 Mar 24]; 1102001.3271020(32710.14.004):16-19.
Tersedia pada: http://bogorkota.bps.go.id/publikasi/bogor-timur-dalam-angka-
2014.
[BPS] Badan Pusat Statistik Kota Bogor. 2014. Bogor Utara dalam Angka
[Internet]. [diakses 2015 Mar 24]; 1102001.3271030(32710.14.005)16-19.
Tersedia pada: http://bogorkota.bps.go.id/publikasi/bogor-utara-dalam-angka-
2014.
[BPS] Badan Pusat Statistik Kota Bogor. 2014. Tanah Sareal dalam Angka
[Internet]. [diakses 2015 Mar 24]; 1102001.3271060(32710.14.009):16-19.
Tersedia pada: http://bogorkota.bps.go.id/publikasi/tanah-sareal-dalam-angka-
2014.
Evans AW. 1971. The Calibration of Trip Distribution Models With Exponential
Function or Similar Cost Functions. Transpn Res. 5:15-38.
Fan W, Machemehl RB. 2004. Optimal Transit Route Network Design Problem:
Algorithms, Implementations, and Numerical Results. Research Report
SWUTC/04/167244-1 Center for Transportation Research. University of Texas:
Austin.
Fathoni M. 2005. Estimasi Matriks Asal dan Tujuan Perjalanan Penumpang
Angkutan Umum Trans Jawa-Sumatera Melalui Lintasan Penyebrangan Merak-
Bakauheni [tesis]. Yogyakarta (ID): Universitas Gadjah Mada.
29

Hyman GM. 1969. The Calibration of Trip Distribution Models. Environment and
Planning. 1:105-112.
Ortúzar J de D, Willumsen LG. 2011. Modelling Transport 4th Edition. New Delhi
(IN): John Wiley & Sons.
Roziqin C. 2012. Estimasi Matriks informasi lalu lintas model Gravity origin-
destination angkutan pribadi-umum. J Tek Sip. 12(1):28-34. Bandar Lampung
(ID): Universitas Lampung.
Tamin OZ. 2008. Perencanaan dan Pemodelan Transportasi. Bandung (ID):
Penerbit ITB.
Williams I. 1976. A Comparison of Some Calibration Techniques For Doubly
Constrained Models With An Exponential Cost Function.Transpn Res. 10:91-
104.
Willumsen LG. 1978. Estimation of an O-D Matrix From Traffic Counts – A Review.
Working paper no. 99. Institute of Transport Studies (UK): University of Leeds.
30

LAMPIRAN
31

Lampiran 1 Syntax model gravity menggunakan Fortan


1 program main
2 implicit none
3 integer :: i,j,ni,nj, n_iter
4 integer, parameter :: max_it = 1001
5 real(8), allocatable :: cid(:,:),nob(:,:),tzon(:,:)
6 real(8), allocatable :: ai(:),bj(:),old_ai(:)
7 real(8), parameter :: eps = 1.0d-25
8 real(8) cob_ave,c_calc_ave,c_calc_ave_old,error
9 real(8) sigma_nob,sigma_cidnob,beta,old_beta,new_beta
10 ! baca matrix biaya cid
11 open (91,file='biaya.dat')
12 read(91,*) ni
13 read(91,*) nj
14 allocate(cid(ni,nj))
15 !
16 do j = 1,nj
17 do i = 1,ni
18 read(91,*)cid(i,j)
19 enddo
20 enddo
21 close(91)
22 !
23 ! baca matrix observasi nob
24 open (92,file='observasi.dat')
25 allocate(nob(ni,nj))
26 !
27 do j = 1,nj
28 do i = 1,ni
29 read(92,*)nob(i,j)
30 enddo
31 enddo
32 close(92)
33 ! Hitung biaya observasi rata-rata
34 ! Hitung sigma nob
35 do i = 1,ni
36 sigma_nob = 0.0d0
37 do j = 1, nj
38 sigma_nob = sigma_nob+nob(i,j)
39 enddo
40 enddo
41 ! Hitung sigma cid*nob
42 do i = 1,ni
43 sigma_cidnob = 0.0d0
44 do j = 1, nj
45 sigma_cidnob = sigma_cidnob+(nob(i,j)*cid(i,j))
46 enddo
47 enddo
48 cob_ave = sigma_cidnob/sigma_nob
49 !
50 n_iter = 0
51 ! hitung beta 0
52 beta = 1.0d0/cob_ave
53 ! hitung c_calc_ave 0
54 call gravity_model(beta,c_calc_ave)
55 ! hitung beta baru
56 new_beta = beta*c_calc_ave/cob_ave
57 !
58 open(93,file='beta.dat',status='unknown')
59 do
60 write(93,*)beta
61 n_iter = n_iter+1
62 write(*,*)'beta =',beta
63 write(*,*)'n_iter =',n_iter
64 ! simpan nilai lama
65 old_beta = beta
66 beta = new_beta
67 c_calc_ave_old = c_calc_ave
68 if(n_iter >= max_it) stop 'Stopped at iteration calculation'
69 ! hitung biaya estimasi rata-rata c_calc_ave
70 call gravity_model(beta,c_calc_ave)
71 ! Hitung error biaya estimasi rata-rata c_calc_ave
72 error = abs((c_calc_ave-cob_ave)/c_calc_ave)
32

73 write(*,*) error
74 if (error < eps) exit
75 ! hitung beta baru
76 ! metode hyman
77 ! new_beta = (cob_ave-c_calc_ave_old) &
78 ! *beta-(cob_ave-c_calc_ave)*old_beta &
79 ! /(c_calc_ave-c_calc_ave_old)
80 ! metode williams
81 new_beta = beta+(cob_ave-c_calc_ave) &
82 *(beta-old_beta) &
83 /(c_calc_ave-c_calc_ave_old)
84 enddo
85 close(93)
86 write(*,*)'hasil kalibrasi beta =',new_beta
87 end program main
88
89 !!*************************************************************
90 !!** gravity model **
91 !!*************************************************************
92
93 subroutine gravity_model(beta,c_calc_ave)
94 implicit none
95 real(8), intent(in) :: beta
96 real(8), intent(out) :: c_calc_ave
97 !
98 integer :: i,j,ni,nj, num_iter
99 integer, parameter :: max_it = 1001
100 real(8), allocatable :: cid(:,:),tzon(:,:),ori(:),des(:)
101 real(8), allocatable :: ai(:),bj(:),old_ai(:),error(:)
102 real(8), parameter :: epsilon = 1.0d-5
103 real(8) sigma_ai,sigma_bj,sigma_tzon,sigma_cidtzon
104 ! baca matrix biaya cid
105 open (121,file='biaya.dat')
106 read(121,*) ni
107 read(121,*) nj
108 allocate(cid(ni,nj))
109 !
110 do j = 1,nj
111 do i = 1,ni
112 read(121,*)cid(i,j)
113 enddo
114 enddo
115 close(121)
116 ! baca origin
117 open (122,file='origin.dat')
118 allocate(ori(ni))
119 !
120 do i = 1,ni
121 read(122,*)ori(i)
122 enddo
123 close(122)
124 !
125 ! baca destinasi
126 open (125,file='destination.dat')
127 allocate(des(nj))
128 !
129 do j = 1,nj
130 read(125,*)des(j)
131 enddo
132 close(125)
133 !
134 ! Hitung faktor penyeimbang ai dan bj
135 allocate(ai(ni),bj(nj),old_ai(ni),error(ni))
136 ! initial assumption
137 bj(:)=1.0d0
138 ! Hitung penyebut ai dan ai
139 do i = 1,ni
140 sigma_ai = 0.0d0
141 do j = 1, nj
142 sigma_ai = sigma_ai+(bj(j)*des(j)*exp(-beta*cid(i,j)))
143 enddo
144 ai(i) = 1.0d0/sigma_ai
145 enddo
146 ! iteration calculation
33

147 num_iter = 0
148 do
149 num_iter = num_iter+1
150 if(num_iter >= max_it) stop 'Stopped at iteration calculation
subroutine'
151 ! Simpan nilai lama ai
152 do i = 1, ni
153 old_ai(i)=ai(i)
154 enddo
155 ! Hitung penyebut bj dan bj
156 do j = 1,nj
157 sigma_bj = 0.0d0
158 do i = 1, ni
159 sigma_bj = sigma_bj+(ai(i)*ori(i)*exp(-beta*cid(i,j)))
160 enddo
161 bj(j) = 1.0d0/sigma_bj
162 enddo
163 ! Hitung penyebut ai dan ai
164 do i = 1, ni
165 sigma_ai = 0.0d0
166 do j = 1, nj
167 sigma_ai = sigma_ai+(bj(j)*des(j)*exp(-beta*cid(i,j)))
168 enddo
169 ai(i) = 1.0d0/sigma_ai
170 enddo
171 ! Hitung error
172 do i = 1, ni
173 error(i) = abs((ai(i)-old_ai(i))/ai(i))
174 enddo
175 if (maxval(error)<epsilon) exit
176 ! write(*,*)maxval(error)
177 enddo
178 ! Hitung pergerakan antar zona tzon
179 allocate(tzon(ni,nj))
180 do j = 1,nj
181 do i = 1,ni
182 tzon(i,j) = ori(i)*des(j)*ai(i)*bj(j)*exp(-beta*cid(i,j))
183 enddo
184 enddo
185 ! output
186 open (94,file='movement.dat')
187 do, i=1,ni
188 write(94,*) ( tzon(i,j), j=1,nj )
189 write(*,*) ( tzon(i,j), j=1,nj )
190 enddo
191 ! Hitung biaya estimasi rata-rata c
192 ! Hitung sigma tzon
193 do i = 1,ni
194 sigma_tzon = 0.0d0
195 do j = 1, nj
196 sigma_tzon = sigma_tzon+tzon(i,j)
197 enddo
198 enddo
199 ! Hitung sigma cid*tzon
200 do i = 1,ni
201 sigma_cidtzon = 0.0d0
202 do j = 1, nj
203 sigma_cidtzon = sigma_cidtzon+(cid(i,j)*tzon(i,j))
204 enddo
205 enddo
206 c_calc_ave = sigma_cidtzon/sigma_tzon
207 end subroutine gravity_model
34

Lampiran 2 Matriks origin-destination hasil estimasi menggunakan Fortran

Iterasi 1
37650.794860199851 3695.3650138990756 383.10252356504657 180.28242033836193 1557.1164777551883 180.33870424247027

34
70044.209941540350 15397.739470170151 1012.2066068520702 404.10651909481555 2859.1241680213998 390.61329432122415
56310.346752187033 7849.2372884600163 5153.1012314277896 1615.3563803733609 3251.8659579102714 285.09238964151524
29995.858761332602 3547.2261580765362 1828.5341788292258 2034.8101141598709 2419.7497690062373 184.82101859552591
56598.614362348613 5482.8052101325720 804.16310760597185 528.62443683187837 9604.0915837358280 684.70129934513977
64420.395470704323 7361.5041900031920 692.86221365300355 396.80568083115179 6729.0056855560861 2093.4267592522251
Iterasi 2
37487.495985418500 3748.4991143599159 410.60559806852581 194.71029206793685 1614.9830620359871 190.70594804913392
70108.936813444292 15097.008405284050 1072.1315058199880 434.78865974997336 2982.9478766258248 412.18673907587856
56362.040546732896 7868.5359207509073 4988.9298212841277 1607.4053264646836 3335.8328202756165 302.25556449176065
30038.035289945390 3586.2854527220388 1806.5341518271618 1942.6262670150429 2443.3417606834819 194.17707780688869
56655.026103725926 5595.0009967377800 852.53635438279559 555.61258606318245 9348.9979389159053 695.82602017438819
64368.688649938849 7438.5531366110054 743.22940864946884 424.84036071565987 6694.8463724267049 2023.8420716583232
Iterasi 3
33718.478920771304 4773.6664526288932 1133.6425679361967 596.81899881752781 2990.2777448184511 434.11531502762756
70292.318669361382 9179.5421201184072 2281.6989141315235 1221.1706438885221 6241.9583325805534 891.31131991962673
58310.868982020067 7970.3227018376920 1573.3500741295711 862.70302121145642 5001.1777322564840 746.57748854472163
31353.390545346370 4356.7478877050808 881.10937657637066 425.56299911400964 2600.5772596809807 393.61193157719691
57600.478222107537 8165.4406609003299 1872.8952186349884 953.54775663802081 4434.7624839135951 675.87565780554667
63744.684165691651 8888.1728077596817 2131.2794054460510 1100.1838071532227 5152.1809911439459 677.49882280543989
Iterasi 4
34035.736906429869 4693.4383840547434 1073.4053480682971 561.29703041567609 2868.3310610261433 414.79127000527694
70323.944504473766 9631.7640512127637 2211.2963897418490 1157.9190044571108 5927.1414765080135 855.93457360649256
58134.385752595015 7992.8964833874115 1799.7692934108356 944.35174221483078 4885.4480617542395 708.14866663765713
31238.232947094417 4300.9044546780424 970.41648868435982 503.77306340804932 2617.7824741248792 379.89057201025366
57529.722843560041 7934.0731048131875 1809.2478829631382 943.41515197382603 4790.8869308907761 695.65408579901521
63758.196501407001 8780.8161450271455 2009.8401834507672 1049.2312510518686 5331.3445525729112 764.57136649031293
Iterasi 5
34066.913451474844 4685.5632265189597 1067.4188637712464 557.79686643049376 2856.4373347834112 412.87025702105171
70326.898417566670 9676.4731140507884 2203.9210696652517 1151.6042477256151 5896.7222617763910 852.38088921528208
35

58116.886978887524 7994.7308017340074 1822.8808517841276 952.39155513541164 4873.7499312739237 704.35988118501302


31226.842889396899 4295.3207925549113 979.26464250862978 511.94004724613410 2619.1359493003183 378.49567899310551
57522.729600553357 7911.6268624494951 1802.6464501351466 942.15166278769414 4826.3975798653946 697.44784420892131
63759.948190462936 8770.1778417270434 1997.8436590678584 1044.1028366527153 5348.4914843712286 773.43598771821041
Iterasi 6
34066.170270248243 4685.7509473165564 1067.5616975776293 557.88031851931032 2856.7206722367582 412.91609410149641
70326.828363089720 9675.4067624011896 2204.0978096297849 1151.7549721265807 5897.4463357355789 852.46575701713425
58117.304408991280 7994.6878571558527 1822.3281654711298 952.19990924313709 4874.0294400440143 704.45021909458615
31227.114547304343 4295.4540913424580 979.05360932439930 511.74435030456107 2619.1043777607078 378.52902396352232
57522.896373091091 7912.1613553483994 1802.8045141170460 942.18233675926012 4825.5500158385721 697.40540484561961
63759.905565606721 8770.4316254683999 1998.1297408196074 1044.2253290293058 5348.0836997572969 773.22403931865904
Iterasi 7
34066.171745322332 4685.7505747260666 1067.5614140857554 557.88015288345650 2856.7201098566925 412.91600312570120
70326.828502152202 9675.4088788790323 2204.0974588792219 1151.7546729765236 5897.4448985349100 852.46558857811544
58117.303580485757 7994.6879424304416 1822.3292623640634 952.20028962442473 4874.0288853033708 704.45003 979195064
31227.114008121702 4295.4538267790758 979.05402818006553 511.74473867687658 2619.1044404576924 378.52895778458736
57522.896042082437 7912.1602944533533 1802.8042004237386 942.18227590407946 4825.5516980411639 697.40548909523318
63759.905650167049 8770.4311217648992 1998.1291730067471 1044.2250859167918 5348.0845091790979 773.22445996543149
Iterasi 8
34066.171745393403 4685.7505747081132 1067.5614140720961 557.88015287547591 2856.7201098295964 412.91600312131783
70326.828502158911 9675.4088789810066 2204.0974588623221 1151.7546729621101 5897.4448984656638 852.46558856999991
58117.303580445820 7994.6879424345479 1822.3292624169128 952.20028964275207 4874.0288852766407 704.45003978331135
31227.114008095719 4295.4538267663265 979.05402820024619 511.74473869558892 2619.1044404607128 378.52895778139867
57522.896042066481 7912.1602944022361 1802.8042004086240 942.18227590114736 4825.5516981222154 697.40548909929248

35
63759.905650171102 8770.4311217406266 1998.1291729793879 1044.2250859050782 5348.0845092180962 773.22445998569867
36

Lampiran 3. Nilai estimasi parameter 𝛽.

Iterasi 1
3.8508540025543835E-004
Iterasi 2
3.6633154062608113E-004
Iterasi 3
-3.8564392268907547E-005
Iterasi 4
-3.2475359116740436E-006
Iterasi 5
1.8321104213009262E-007
Iterasi 6
1.0150673385211577E-007
Iterasi 7
1.0166890515565613E-007
37

Lampiran 4 Pseudocode model gravity dengan teknik kalibrasi Hyman


Program main
Integer i, j, ni, nj, n_iter
Integer max_iter ← 1001
Real cid, nob, tzon, ai, bj, old_ai, cob_ave, c_calc_ave, c_calc_ave_old,
eps, error
Real sigma_nob, sigma_cidnob, beta, old_beta, new_beta
Read cid(i,j) ← biaya, nob(i,j) ← observasi,
for i = 1 to ni,
for j = 1 to nj, do
sigma_nob ← sigma_nob + nob(i,j)
sigma_cidnob ← sigma_cidnob + (nob(i,j)*cid(i,j))
end for
end for
cob_ave ← sigma_cidnob/sigma_nob
n_iter ← 0
beta ← 1/cob_ave
call gravity_model(beta,c_calc_ave)
new_beta ← beta*c_calc_ave/cob_ave
if error > eps, do
n_iter ← n_iter+1
old_beta ← beta
beta ← new_beta
c_calc_ave_old ← c_calc_ave
error ← abs((c_calc_ave-cob_ave)/c_calc_ave)
if n_iter >= max_it, do
stop
call gravity_model(beta,c_calc_ave)
else if error < eps, do
stop
end if
new_beta ← beta+(cob_ave-c_calc_ave)*(beta-old_beta)/(c_calc_ave-
c_calc_ave_old)
end program main

subprogram gravity_model(beta,c_calc_ave)
Integer i, j, ni, nj, num_iter
Integer max_iter ← 1001
Real cid, tzon,ori, des, eps, ai, bj, old_ai, c_calc_ave, error
Real sigma_ai, sigma_bj, sigma_tzon, sigma_cidtzon, beta
Read cid(i,j) ← biaya, ori(i,j) ←origin, des(i,j) ←destination
bj←1
for i = 1 to ni
for j = 1 to nj
sigma_ai = sigma_ai+(bj(j)*des(j)*exp(-beta*cid(i,j)))
end for
ai(i) ← 1/sigma_ai
end for

38


num_iter ← 0
if maxval(error) > epsilon do
num_iter ← num_iter+1
if num_iter >= max_it, do
stop
for i = 1 to ni
old_ai(i) ← ai(i)
end for
for j = 1 to nj
sigma_bj ← 0
for i = 1 to ni
sigma_bj ← sigma_bj+(ai(i)*ori(i)*exp(-beta*cid(i,j)))
end for
bj(j) ← 1./sigma_bj
end for
for i = 1 to ni
sigma_ai ← 0
for j = 1 to nj
sigma_ai ← sigma_ai+(bj(j)*des(j)*exp(-beta*cid(i,j)))
end for
ai(i) ← 1/sigma_ai
end for
for i = 1 to ni
error(i) ← abs((ai(i)-old_ai(i))/ai(i))
end for
end if
for j = 1 to nj
for i = 1 to ni
tzon(i,j) ← ori(i)*des(j)*ai(i)*bj(j)*exp(-beta*cid(i,j))
end for
end for
for i = 1 to nj
sigma_tzon ← 0
for j = 1 to nj
sigma_tzon ← sigma_tzon+tzon(i,j)
end for
end for
for i = 1 to nj
sigma_cidtzon ← 0
for j = 1 to nj
sigma_cidtzon ← sigma_cidtzon+(cid(i,j)*tzon(i,j))
end for
end for
c_calc_ave ← sigma_cidtzon/sigma_tzon
end subprogram gravity_model
39

Lampiran 5 Pembuktian Persamaan model gravity untuk transportasi.

Dari adaptasi model gravitasi Newton, maka diperoleh persamaan (2.5):

𝑇𝑖𝑗 ≈ 𝑂𝑖 𝐷𝑗 𝑓(𝑐𝑖𝑗 )

dimana 𝑂𝑖 = ∑𝑗 𝑇𝑖𝑗 , ∀𝑖 dan 𝐷𝑗 = ∑𝑖 𝑇𝑖𝑗 , ∀𝑗. Persamaan tersebut diperlukan


1 1
faktor penyeimbang 𝐴𝑖 = dan 𝐵𝑗 = , sehingga persamaan
∑𝑗(𝐵𝑗 𝐷𝑗 𝑓(𝑐𝑖𝑗 )) ∑𝑖(𝐴𝑖 𝑂𝑖 𝑓(𝑐𝑖𝑗 ))
(2.5) dapat dibentuk menjadi persamaan (2.10):
𝑇𝑖𝑗 = 𝑂𝑖 𝐷𝑗 𝐴𝑖 𝐵𝑗 𝑓(𝑐𝑖𝑗 ).
Pembuktian untuk persamaan (2.10) adalah sebagai berikut:
𝑇𝑖𝑗 = 𝑂𝑖 𝐷𝑗 𝐴𝑖 𝐵𝑗 𝑓(𝑐𝑖𝑗 )
= ∑𝑗 𝑇𝑖𝑗 ∑𝑖 𝑇𝑖𝑗 𝐴𝑖 𝐵𝑗 𝑓(𝑐𝑖𝑗 ) (karena 𝑂𝑖 = ∑𝑗 𝑇𝑖𝑗 , ∀𝑖 dan 𝐷𝑗 = ∑𝑖 𝑇𝑖𝑗 , ∀𝑗)
= ∑𝑗(𝑂𝑖 𝐷𝑗 𝐴𝑖 𝐵𝑗 𝑓(𝑐𝑖𝑗 )) ∑𝑖(𝑂𝑖 𝐷𝑗 𝐴𝑖 𝐵𝑗 𝑓(𝑐𝑖𝑗 )) 𝐴𝑖 𝐵𝑗 𝑓(𝑐𝑖𝑗 )
1 1
= ∑𝑗(𝑂𝑖 𝐷𝑗 𝐴𝑖 𝐵𝑗 𝑓(𝑐𝑖𝑗 )) ∑𝑖(𝑂𝑖 𝐷𝑗 𝐴𝑖 𝐵𝑗 𝑓(𝑐𝑖𝑗 )) 𝑓(𝑐𝑖𝑗 )
∑𝑗(𝐵𝑗 𝐷𝑗 𝑓(𝑐𝑖𝑗 )) ∑𝑖(𝐴𝑖 𝑂𝑖 𝑓(𝑐𝑖𝑗 ))
1 1
= 𝑂𝑖 𝐴𝑖 ∑𝑗(𝐷𝑗 𝐵𝑗 𝑓(𝑐𝑖𝑗 )) 𝐷𝑗 𝐵𝑗 ∑𝑖(𝑂𝑖 𝐴𝑖 𝑓(𝑐𝑖𝑗 )) 𝑓(𝑐𝑖𝑗 )
∑𝑗(𝐵𝑗 𝐷𝑗 𝑓(𝑐𝑖𝑗 )) ∑𝑖(𝐴𝑖 𝑂𝑖 𝑓(𝑐𝑖𝑗 ))
∑𝑗(𝐷𝑗 𝐵𝑗 𝑓(𝑐𝑖𝑗 )) ∑𝑖(𝑂𝑖 𝐴𝑖 𝑓(𝑐𝑖𝑗 ))
= 𝑂𝑖 𝐴𝑖 𝐷𝑗 𝐵𝑗 𝑓(𝑐𝑖𝑗 )
∑𝑗(𝐵𝑗 𝐷𝑗 𝑓(𝑐𝑖𝑗 )) ∑𝑖(𝐴𝑖 𝑂𝑖 𝑓(𝑐𝑖𝑗 ))

= 𝑂𝑖 𝐴𝑖 𝐷𝑗 𝐵𝑗 𝑓(𝑐𝑖𝑗 )
= 𝑇𝑖𝑗
40

RIWAYAT HIDUP
Penulis dilahirkan di Jakarta pada tanggal 17 Mei 1989 sebagai anak pertama
dari pasangan Purwanto Wakidi (alm) dan Muhayanah. Pendidikan sarjana
ditempuh di Program Studi Matematika, Fakultas Matematika dan Ilmu
Pengetahuan Alam IPB, lulus pada tahun 2012. Kesempatan melanjutkan ke
program magister pada Program Studi Matematika Terapan pada Program
Pascasarjana IPB diperoleh tahun 2013.
Selama mengikuti program S-2, penulis mengikuti workshop dan seminar
sains internasional untuk sistem kompleks natural di Bogor pada bulan Oktober
2015. Karya ilmiah yang berjudul Estimating Origin-Destination Matrix of Bogor
City Using Gravity Model juga disajikan penulis pada seminar tersebut. Karya
ilmiah tersebut juga telah diterbitkan pada jurnal IOP Conf. Series: Earth and
Environmental Science. Karya ilmiah tersebut merupakan bagian dari program S-2
penulis.

Anda mungkin juga menyukai