TUGAS INDIVIDU

MODEL DISTRIBUSI PERJALANAN

(TRIP DISTRIBUTION MODEL)

DISUSUN OLEH

SULKARNAEN

202079040

FAKULTAS TEKNIK PROGRAM STUDI TEKNIK SIPIL

UNIVERSITAS PAPUA

TAHUN AJARAN 2020

Distribusi Perjalanan (Trip Distribution)
Tujuan utama adalah mendistribusikan atau mengalokasikan jumlah perjalanan yang berasal dari setiap
zona dan diantara seluruh zona tujuan yang memungkinkan

Pemodelan distribusi atau sebaran perjalanan (Trip Distribution Mode) merupakan suatu tahapan
pemodelan yang memperkirakan distribusi jumlah pergerakan yang berasal dari suatu zona assal (origin,
i) menuju ke suatu zona tujuan (destination, j)

Model seberan perjalanan juga melibatkan proses kalibrasi persamaan-persamaan yang akan
menghasilkan seakurat mungkin hasil model terhadap hasil observasi lapangan dari pola pergerakan asal
dan tujuan lalu lintas.

Kebutuhan data untuk model distribusi perjalanan

1. Data pola pergerakan/perjalanan asal-tujuan antar zona sebagai jumlah arus lalu lintas, yang dapat
berupa kendaraan, penumpang atau barang.
2. Matriks interzonal transport impedance (jarak, waktu atau biaya).
3. Distribusi frekuensi menunjukkan jumlah pergerakan untuk setiap kategori transport impedance.
Data Distribusi Perjalanan

 Home interview survei dan survei lalu lintas lainnya (O-D survey dan traffic counting survey) akan
menghasilkan pola lalu lintas (base year) antar zona-zona dalam daerah studi dimana survei-survei
ini juga akan memberikan jumlah pergerakan inter-zona dan intra-zona.
 Jumlah pergerakan inter-zona tersebut dapat dijadikan data untuk menggambarkan pola sebaran
perjalanan yang terjadi.
 Jumlah arus pergerakan dinyatakan dalam matrik pergerakan atau matrik asal tujuan (MAT) atau O-
D matrix.

Matrik Asal –Tujuan (MAT)

MAT di susun sebagai matrik 2 dimensi dengan jumlah baris dan kolam disesuaikan dengan
jumlah zona yang diamati

Zona Asal (i) terlihat sebagai Baris dari matriks Yang menjelaskan sejumlah perjalanan
berasal dan Zona Tujuan (j) terlihat dari kolom dari matriks yang menyatakan kemana
sejumlah perjalanan didistribusikan.

Jumlah lalu lintas antara zona I dan zona j dinyatakan dengan Tji dan terlihat terlihat masing
–masing Kotak dalam MAT. Total trip production dan trip attraction dapat di hasilkan dari
informasi MAT. Untuk setiap zona asal , jumlah pergerakan dalam satu garis akan menghasilkan
total trip production pada suatu zona tertentu dan jumlah kolom akan menghasilkan trip
attraction untuk zona tersebut.
Sel Matrik Asal Tujuan

 Jumlah arus lalu lintas (kendaraan, penumpang dan barang) diperoleh dari hasil survei.
 Perkiraan jumlah perjalanan yang terjadi dihubungkan dengan data saat ini dengan faktor
pertumbuhan arus lalu lintas.
 Terdapat beberapa metode matematik-statistik untuk mendapatkan MAT yang akan datang.
Matrik Transport Impedance
Informasi lain yang perlu tersedia untuk pemodelan distribusi perjalanan adalah :

 Matriks yang menunjukkan informasi mengenai spatial separation untuk masing-masing

zona (dalam satuan jarak, waktu atau biaya). Nilai transport impedance biasanya
diasumsikan sebagai rute terpendek, tercepat atau termurah dari suatu zona asal ke zona
tujuan.
 Dari suatu zona asal ke zona tujuan dalam suatu sistem, terdapat beberapa kemungkinan
rute, yang disebut sebagai tree. Rute terpendek (dalam hal biaya, jarak atau waktu) dari
suatu zona i ke j disebut sebagai skim tree. Rute tersebut digunakan untuk mengestimasi
transport impedance.

Distribusi Frekuensi Transport Impedance

Informasi akhir yang penting (distribusi frekuensi dari transport impedance) didapat dua
matriks (survei O-D dan survei transport impedance).
 T
number
of trips

n (transport
impedance)
 200
700 2 300
1 300
300
4
240
450 300 400 400
200 300
300 500
3 460 5 600
300 6
400 200

Tujuan
1 2 3 4 5 6
(ke) Total
Asal (dari)
1440
1 200 700 300 --- 240 ---
1200
2 300 200 --- 300 400 ---
1260
3 450 --- 350 --- 460 ---

4 --- --- --- 300 --- 500 800

5 200 400 300 300 100 600 1900

6 --- --- --- 300 400 200 900

D 1150 1300 950 1200 1600 1300 7500

j

: Arus lalu lintas (jumlah

 smp/jam

Model faktor pertumbuhan adalah pendekatan pemodelan distribusi perjalanan yang paling
sederhana dengan persamaan umum sebagai berikut :

Tij = Qij ´ E

dimana : Tij = perjalanan yang akan datang dari i ke j

Qij = perjalanan pada base year dari i ke j

E = faktor pertumbuhan

Tij = Qij ´ (Ei + Ej)/2

dimana :

Tij = perjalanan yang akan datang dari i ke j

Qij = perjalanan pada base year dari i ke j

Ei = Ti / Qi, dan Ej = Tj / Qj

Jika model ini digunakan, total future trip akan dihasilkan tidak sama seperti yang dihasilkan
dari tahapan bangkitan perjalanan yaitu Ti = Ti(g)

Model ini mencoba mengatasi permasalahan sebelumnya. Dasarnya :

1. Distribusi perjalanan dari suatu zona pada waktu yang akan datang proporsional dengan
distribusi perjalanan pada waktu sekarang.
2. Distribusi perjalanan dimodifikasi dengan faktor pertumbuhan dari zona kemana perjalanan
tersebut berakhir.

Modifikasi tersebut memperhitungkan lokasi zona yang berkaitan dengan zona lainnya. Faktor
pertumbuhan akhir (final) yang akan digunakan didapat dengan cara coba-coba (iterasi).

- Model Uniform
- Semua daerah dianggap mempunyai tingkat bangkitan atau tarikan yang seragam
Total bangkitan sama dengan total tarikan.
Hanya dapat digunakan untuk daerah kajian yang tingkat pertumbuhannya merata
di seluruh wilayahnya.

Kelemahan model Uniform :

 Tidak dapat dipakai pada daerah yang tingkat pertumbuhannya tidak merata
 Tidak cocok dipakai di Indonesia karena tingkat pertumbuhannya tidak merata di
daerah- daerah Indonesia
 Tidak mempertimbangkan aksesibilitas tapi hanya dipengaruhi oleh faktor
pertumbuhan yang disebabkan oleh perubahan land use
 Model ini tidak cocok digunakan untuk perencanaan jangka panjang karena
dalam jangka panjang tidak dapat dijamin bahwa tidak ada perubahan
aksesibilitas
 Metode ini menggunakan tingkat pertumbuhan yang berbeda-beda untuk setiap zona yang dapat
dihasilkan dari peramalan tata guna lahan dan bangkitan lalu lintas

-
Model Average

Asumsi Dasar
 Menggunakan tingkat pertumbuhan yang berbeda untuk setiap zona yang dapat
dihasilkan dari peramalan tata guna lahan dan bangkitan lalu lintas
 Metode rata-rata menghasilkan sebaran perjalanan karena besarnya perbedaan
tidak tersebar secara acak tetapi tergantung nilai tingkat pertumbuhan.
 Zona dengan nilai pertumbuhan yang lebih rendah dari tingkat pertumbuhan
global akan menghasilkan nilai yang lebih besar dari perkiraan.

 Kelemahan model Average :

 Apabila semakin banyak pengulangan/iterasi yang digunakan untuk menganalisis

sebaran perjalanan, maka nilai ketepatan menjadi berkurang
Model ini mencoba mengatasi permasalahan sebelumnya. Dasarnya :

1. Distribusi perjalanan dari suatu zona pada waktu yang akan datang proporsional dengan
distribusi perjalanan pada waktu sekarang.
2. Distribusi perjalanan dimodifikasi dengan faktor pertumbuhan dari zona kemana perjalanan
tersebut berakhir.

Modifikasi tersebut memperhitungkan lokasi zona yang berkaitan dengan zona lainnya. Faktor
pertumbuhan akhir (final) yang akan digunakan didapat dengan cara coba-coba (iterasi).

Ei ti1 E
i 1
d1
ti2
L  Ld  ti3 2 E
Tid  tid  Ei  Ed   i 
 2  d2
N
 tik
N
 tdk 3 E
k i k i
Li  N
, Ld  N d3
 Ek  tik  Ek  tdk
k i k i

CONTOH ANALISA
 TUJUAN
1 2 3 4 Total Total yad. Kenaikan
1 20 40 50 60 170 340 2
ASAL

2 40 30 100 50 220 220 1

3 60 30 20 90 200 500 2.5
4 80 70 60 40 250 750 3
Total 200 170 230 240 840
Total yad. 200 510 460 640 1810
Kenaikan 1 3 2 2.67 2.15

Perhitungan nilai Li dan Ld

Li untuk pengulangan pertama

L1 = (t12+t 13+t 14)/(E12*t 12+E13*t13+E14*t14) = (40+50+60)/(1*40+2.5*50+3*60) = 0,4348
L2 = (t21+t 23+t 24)/(E21*t 21+E23*t23+E24*t24) = (40+100+50)/(2*40+2.5*100+3*50) = 0,3958
L3 = (t31+t 32+t 34)/(E31*t 31+E32*t32+E34*t34) = (60+30+90)/(2*60+1*30+3*90) = 0,5238
…
Ld untuk pengulangan pertama
L1 = (t21+t 31+t 41)/(E21*t 21+E31*t31+E41*t41) = (40+60+80)/(3*40+2*60+2.67*80) = 0,3971
L2 = (t12+t 32+t 42)/(E12*t 12+E32*t32+E42*t42) = (40+30+70)/(1*40+2*30+2.67*70) = 0,4884
L3 = (t13+t 23+t 43)/(E13*t 13+E23*t23+E43*t43) = (50+100+60)/(1*50+3*100+2.67*60) = 0,4118
…

HASIL PENGULANGAN KE 1
 TUJUAN
1 2 3 4 Total Total yad. Ei Li
1 20 40 50 60 170 340 2 0.4348
ASAL

2 40 30 100 50 220 220 1 0.3958

3 60 30 20 90 200 500 2.5 0.5238
4 80 70 60 40 250 750 3 0.5526
Total 200 170 230 240 840
Total yad. 200 510 460 640 1810
Ed 1 3 2 2.67 2.15
Ld 0.3971 0.4884 0.4118 0.5128

Iterasi ke-1

TUJUAN
1 2 3 4 Total Total yad. Ei Li
1 16.64 110.78 84.65 151.62 363.6866 340 0.935 1.0010
ASAL

2 15.86 39.79 80.76 60.58 196.9838 220 1.117 1.0671

3 69.07 113.87 46.78 310.99 540.7033 500 0.925 0.9718
4 113.96 327.92 173.59 170.47 785.9427 750 0.954 0.9719
Total 215.5226 592.3544 385.7846 693.6548 1887.316
Total yad. 200 510 460 640 1810
Ed 0.928 0.861 1.192 0.923 0.9590
Ld 0.9887 1.0211 1.0998 0.9282

HASIL PENGULANGAN KE12

Iterasi ke-12

TUJUAN
1 2 3 4 Total Total yad. Ei Li
1 15 93 97 136 340 340 1.000 1.0001
ASAL

2 16 38 104 62 220 220 1.000 0.9997

3 63 97 55 284 500 500 1.001 1.0002
4 106 283 205 157 750 750 1.000 1.0000
Total 200 510 460 640 1810
Total yad. 200 510 460 640 1810
Ed 1.000 1.000 1.000 1.001 1.0000
Ld 0.9998 0.9997 0.9998 1.0003

Kondisi Saat Ini : Kondisi Yang Akan Datang :

TUJUAN TUJUAN
1 2 3 4 1 2 3 4
1 20 40 50 60 1 15 93 97 136
Hasil Hitungan
2 40 30 100 50 2 16 38 104 62
ASAL
ASAL

3 60 30 20 90 3 63 97 55 284
4 80 70 60 40 4 106 283 205 157
METODE DETROIT

 Metode ini dikembangkan bersamaan dengan pelaksanaan pekerjaan Detroit Metropolitan

Area Traffic Study dalam usahanya mempersingkat waktu operasi komputer dan
mengoreksi metode sebelumnya.

 Persamaan Umum :
Ei⋅Ed
Tid = tid
[ E ]
 Nilai perjalanan untuk setiap sel matriks diatur dengan coba-coba dan iterasi sehingga total
trip production dan trip attraction mendekati untuk faktor koreksi yang kecil (5 atau 10 %)

CONTOH PERHITUNGAN DISTRIBUSI PERJALANAN DENGAN METODE DETROIT

TUJUAN
1 2 3 4 Total Total yad. Kenaikan
1 20 40 50 60 170 340 2
ASAL

2 40 30 100 50 220 220 1

3 60 30 20 90 200 500 2.5
4 80 70 60 40 250 750 3
Total 200 170 230 240 840
Total yad. 200 510 460 640 1810
Kenaikan 1 3 2 2.67 2.15

CARA HITUNG

E1 E 1
T 11 =t 11 [ ] [ ]
E
=20
2×1
2, 15
=18 , 6

E1 E 2
T 12=t 12 [ ] [ ]
E
= 40
2×3
2 ,15
=111 ,63

.. .
.. .
.. .
HASIL PERHITUNGAN PENGULANGAN KE 1

Iterasi 1

TUJUAN
1 2 3 4 Total Total yad. Kenaikan
1 18.60 111.63 93.02 149.02 372.28 340 0.913293
2 18.60 41.86 93.02 62.09 215.58 220 1.020496
ASAL

3 69.77 104.65 46.51 279.42 500.35 500 0.999303

4 111.63 293.02 167.44 149.02 721.12 750 1.040054
Total 218.60 551.16 400.00 639.56 1809.33
Total yad. 200 510 460 640 1810
Kenaikan 0.914894 0.925316 1.15 1.000691 1.00037

HASIL PERHITUNGAN PENGULANGAN KE 10

Iterasi 10

TUJUAN
1 2 3 4 Total Total yad. Kenaikan
1 15 92 97 136 340.00 340 1.0
ASAL

2 16 38 105 61 220.00 220 1.0

3 63 97 54 285 500.00 500 1.0
4 105 283 204 158 750.00 750 1.0
Total 200.00 510.00 460.00 640.00 1810.00
Total yad. 200 510 460 640 1810
Kenaikan 1.0 1.0 1.0 1.0 1.000000

Kondisi Saat Ini : Kondisi Yang Akan Datang :

TUJUAN TUJUAN
1 2 3 4 1 2 3 4
1 20 40 50 60 1 15 92 97 136
Hasil Hitungan
2 40 30 100 50 2 16 38 105 61
ASAL

ASAL

3 60 30 20 90 3 63 97 54 285
4 80 70 60 40 4 105 283 204 158

METODE FURNESS

 Metode ini paling sering digunakan di Inggris yang juga termasuk metode iterasi.
Metode ini berdasarkan estimasi faktor pertumbuhan (growth factor) untuk produksi
perjalanan dan tarikan perjalanan, yaitu dua buah faktor pertumbuhan untuk setiap
zona.
  Faktor pertumbuhan (growth factor) tersebut diaplikasikan pada baris dan kolom MAT
untuk mendapatkan perjalanan masa depan.

 Nilai perjalanan untuk setiap sel matriks diatur dengan coba-coba dan iterasi sehingga
total produksi perjalanan dan tarikan perjalanan mendekati untuk faktor koreksi yang
kecil (5 atau 10 %)

Contoh Analisis Distribusi Perjalanan menggunakan Model FURNESS

Suatu daerah studi terdiri dari 4 zone : A, B, C dan D. Distribusi bangkitan perjalanan
dan tarikan perjalanan dijelaskan sebagai berikut:

A 2 1 B
1 50 05 3
1D 8 2 C 2
5 004 3 00 0
0 0 0 0
0 00 0 0
0 0 0
0 0
Untuk 5 tahun yang akan datang, diperkirakan bangkitan perjalanan naik menjadi : zone
A = 3 x, zone B = 2,5 x, zone C = 2 x dan zone D = 1,6 x; sedangkan tarikan perjalanan dari
masing-masing zona naik menjadi : zone A = 1,2 x, zone B = 1,5 x, zone C = 3 x dan zone
D = 2,4 x. Tentukan distrbusinya 5 tahun y.a.d !

HASIL PERHITUNGAN PENGULANGAN KE 1

Distribusi perjalanan saat ini

TUJUAN
A B C D Total Kenaikan Prediksi
A - 200 500 150 850 3 2550
ASAL

B 100 - 300 50 450 2.5 1125

C 200 200 - 300 700 2 1400
D 100 80 400 - 580 1.6 928
Total 400 480 1200 500
Kenaikan 1.2 1.5 3 2.4
Prediksi 480 720 3600 1200
Prediksi distribusi perjalanan 5 tahun yad., (Iterasi 2 : F.Koreksi Tarikan)
HASIL PERHITUNGAN PENGULANGAN KE 2
TUJUAN
A B C D Total Seharusnya F.Koreksi
A - 384 1875 459 2718 2550 0.94
ASAL

B 147.5 - 937.5 127.5 1212.5 1125 0.93

C 236 256 - 612 1104 1400 1.27
D 94.4 81.92 800 - 976.32 928 0.95
Total 477.9 721.92 3612.5 1198.5
HASIL PERHITUNGAN PENGULANGAN KE 3

Prediksi distribusi perjalanan 5 tahun yad., (Iterasi 3 : F.Koreksi Bangkitan)

TUJUAN
A B C D Total
A - 360.96 1762.5 431.46 2554.92
ASAL

B 137.175 - 871.875 118.575 1127.625

C 299.72 325.12 - 777.24 1402.08
D 89.68 77.824 760 - 927.504
Total 526.575 763.904 3394.375 1327.275
Seharusnya 480 720 3600 1200
F.Koreksi 0.91 0.94 1.06 0.90

Ketelitian

 Ketelitian 5 % : iterasi dihentikan apabila = 0,95 < faktor koreksi < 1,05

 Ketelitian 10 % : iterasi dihentikan apabila = 0,90 < faktor koreksi < 1,10

Catatan

1. Metode analog mudah dimengerti dan hanya memerlukan data MAT sekarang dan angka
faktor pertumbuhan zona di masa yang akan datang.

2. Proses iterasi yang sederhana.

3. Jika digunakan pada wilayah studi yang stabil memungkinkan untuk mendapatkan hasil
dengan tingkat ketepatan tinggi.

4. Metode analog memerlukan data MAT yang lengkap è mahal.

5. Diperlukan jumlah zona yang konsisten, sehingga perlu adanya manipulasi guna
mengantisipasi adanya pertumbuhan zona baru di masa yang akan datang.

6. Jika ditemukan pergerakan antar zona adalah 0, maka tidak dimungkinkan untuk
meramalkan pergerakan yang akan datang.

7. Pergerakan intrazona tidak dapat detail karena dapat meningkatkan galat dan
membutuhkan jumlah pengulangan yang semakin banyak.