KULIAH PERTEMUAN KE-9

MODEL DISTRIBUSI PERJALANAN

(TRIP DISTRIBUTION MODEL)

Edi Yusuf Adiman, ST, MSc

Model distribusi perjalanan dalam Urutan Model 4
Langkah :

Trip Generation

Trip Distribution

Pengertian : Mode Choice

- Definisi
- Aspek Filosofi Route Assignment
Pengertian Distribusi Perjalanan

Pemodelan Distribusi atau Sebaran Perjalanan (Trip

Distribustion Model) merupakan suatu tahapan
pemodelan yang memperkirakan distribusi jumlah
pergerakan yang berasal dari suatu zona asal (origin, i)
menuju ke suatu zona tujuan (destination, j).

Model sebaran 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.
 Skematik Pengertian Distribusi
Perjalanan

Konsep Bangkitan dan Tij

i j
Tarikan Perjalanan

j1
Tij1
Konsep Distribusi Tij2 j2
i Tij
Perjalanan
Tij3
j3
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 disusun sebagai matrik dua dimensi dengan jumlah baris dan
kolom disesuaikan dengan jumlah zona yang diamati.

Zona Asal (i) terlihat sebagai baris dari matriks

yang menjelaskan darimana sejumlah berjalanan berasal, dan zona

tujuan (j) terlihat sebagai kolom dari matriks

yang menyatakan kemana sejumlah perjalanan didistribusikan.

Jumlah lalu lintas antara zona i dan zona j dinyatakan dengan Tij
dan terlihat masing-masing kotak dalam MAT.

Total trip production dan trip attraction dapat dihasilkan 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.
MATRIK ASAL–TUJUAN (MAT)

Tujuan (ke)
Zona
Zona
Zona

… Total Oi
1 2 j
Asal (dari)

Zona 1 T11 T12 … … O1

Zona 2 T21 T22 … … O2

Zona i … … Tij … Oi

… … … … …
.

Total Dj D1 D2 Dj … Total Perjalanan

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.
 Metode Memperkirakan
MAT • Road side interview

• Passenger interview

Metode Langsung
• Home interview

• Foto Udara
Metode
Konvensional
Metode Analog

• Seragam

• Average

Metode Tak • Fratar

Langsung • Detroit

Metode • Furness
Mendapatkan
MAT

Metode berdasarkan Arus Metode Sintetis

Lalu Lintas
• Model Opportunity

Metode Tidak • Estimasi entropi • Model Gravity

Konvensional maksimum
• Model Gravity
•Model estimasi kebutuhan Opportunity (GO)
transportasi

After Tamin, O.Z. (2000)

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)
Contoh pembentukan MAT : 200

200 700
2 300

1 300
300

240 4
300 400
450 400
200
300
500
300
460
3 600
5
300
350 6
100 400

200

: Zona Kajian

: Arus lalu lintas (jumlah perjalanan) dalam smp/jam

Matrik Asal Tujuan
Tujuan (ke)
Total

1 2 3 4 5 6 Oi
Asal (dari)

1 200 700 300 --- 240 --- 1440

2 300 200 --- 300 400 --- 1200

3 450 --- 350 --- 460 --- 1260

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

5 200 400 300 300 100 600 1900

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

Dj 1150 1300 950 1200 1600 1300

7500
 Model Distribusi Perjalanan
• Model Uniform
• Model Average
Model
• Model Fratar
Growth Factor
• Model Detroit
• Model Furness
Model Sebaran
Perjalanan • Model Gravity
(unconstrained,
production constrained,
Model attraction constrained,
Synthetic fully constrained)
• Model Opportunity
• dll
Model Distribusi Perjalanan Metode
Analogi berdasarkan Faktor
Pertumbuhan (Growth Factor)

1. Model seragam (uniform)

2. Model rata-rata (average)

3. Model fratar

4. Model detroit

5. Model furness
Persamaan Umum Faktor Pertumbuhan
(Growth Factor)
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
1 . MODEL SERAGAM (UNIFORM)

Tij = Qij × E

dimana :

Tij = perjalanan yang akan datang dari i ke j

Qij = perjalanan pada base year dari i ke j

T
E = growth factor =

Asumsi : Pertumbuhan lalu lintas dianggap sama untuk seluruh daerah.

Kesalahan akan terjadi pada kota-kota yang mempunyai tingkat
pertumbuhan rata-rata yang tidak merata.
 Filosofi Metode Seragam
2,0
2,0 Tij
j
i Tik
k

Tij = 500 perjalanan

Distribusi Bangkitan Perjalanan :
Tingkat pertumbuhan:

Base Year 840 perjalanan 2,0 pada tahun ke-n Tik = 340 perjalanan

Tij = 1000 perjalanan

Distribusi Bangkitan Perjalanan :

1680 perjalanan
Tahun ke-n Tik = 680 perjalanan
2. MODEL RATA-RATA (AVERAGE)

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)
 Filosofi Metode Rata-Rata
2,0 Tij
j 3,0

i Tik
k 1,8

Tingkat Pertumbuhan utk tahun Tij = 500 perjalanan

ke-n
Distribusi Bangkitan Perjalanan :

Base Year 840 perjalanan Tujuan

Asal
Tik = 340 perjalanan
Zona j : 3,0

Zona i : 2,0
Zona k : 1,8

Tij = 1250 perjalanan

Distribusi Bangkitan Perjalanan :
E ij :
Eik :

Tahun ke-n 1680 perjalanan [2+3]/2 [2+1,8]/2

Tik = 646 perjalanan
Simpulan Hasil

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.

Karena alasan di atas maka apabila semakin banyak

pengulangan/iterasi yang digunakan untuk
menganalisis sebaran perjalanan, maka nilai
ketepatan menjadi berkurang.
3. MODEL FRATAR

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).
Filosofi Perhitungan
Ei
ti1
i 1 Ed1

ti2

ti3 2 Ed2

⎛ Li + Ld ⎞
Tid = tid ⋅ Ei ⋅ Ed ⋅ ⎜ ⎟
⎝ 2 ⎠
3
N N Ed3

∑ tik ∑ tdk
k ≠i k ≠i
Li = N
, Ld = N
∑ Ek ⋅ tik ∑ Ek ⋅ tdk
k ≠i k ≠i
Contoh Analisis :
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+t13+t14)/(E12*t12+E13*t13+E14*t14) = (40+50+60)/(1*40+2.5*50+3*60) = 0,4348
L2 = (t21+t23+t24)/(E21*t21+E23*t23+E24*t24) = (40+100+50)/(2*40+2.5*100+3*50) = 0,3958
L3 = (t31+t32+t34)/(E31*t31+E32*t32+E34*t34) = (60+30+90)/(2*60+1*30+3*90) = 0,5238
…
Ld untuk pengulangan pertama
L1 = (t21+t31+t41)/(E21*t21+E31*t31+E41*t41) = (40+60+80)/(3*40+2*60+2.67*80) = 0,3971
L2 = (t12+t32+t42)/(E12*t12+E32*t32+E42*t42) = (40+30+70)/(1*40+2*30+2.67*70) = 0,4884
L3 = (t13+t23+t43)/(E13*t13+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 ke-12
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
4. MODEL 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 :

⎡ E1E1 ⎤ ⎡ 2 × 1⎤
T11 = t11 ⎢ ⎥ = 20 ⎢ ⎥ = 18 ,6
⎣ E ⎦ ⎣ 2 ,15 ⎦
⎡ E1E2 ⎤ ⎡2 × 3⎤
T12 = t12 ⎢ ⎥ = 40 ⎢ ⎥ = 111,63
⎣ E ⎦ ⎣ 2 ,15 ⎦
...
...
...
 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
ASAL

2 18.60 41.86 93.02 62.09 215.58 220 1.020496

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 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
5. MODEL 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 %)
MODEL FURNESS …

Metode Furness selalu mempunyai satu solusi akhir

dan terbukti efisien dibandingkan dengan metode
analogi lainnya.

Solusi akhir selalu sama, tidak bergantung dari

perhitungan pengulangan dimulai dari baris atau
kolom.
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:

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 !
 Langkah 1 : Distribusi Perjalanan

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
Langkah 2 : Iterasi 1
Prediksi distribusi perjalanan 5 tahun yad., (Iterasi 1 : Kenaikan Bangkitan)

TUJUAN
A B C D Total
A - 600 1500 450 2550
ASAL

B 250 - 750 125 1125

C 400 400 - 600 1400
D 160 128 640 - 928
Total 810 1128 2890 1175
Seharusnya 480 720 3600 1200
F.Koreksi 0.59 0.64 1.25 1.02

F.Koreksi = Perjalanan seharusnya/Total Perjalanan = 480 / 810 = 0,59

Langkah 3 : Iterasi 2
Prediksi distribusi perjalanan 5 tahun yad., (Iterasi 2 : F.Koreksi Tarikan)

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
Langkah 4 : Iterasi 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 ➔ 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.
Kesimpulan

Model distribusi perjalanan pada intinya adalah membangun

matriks asal tujuan (MAT) untuk memprediksi sebaran
perjalanan di masa yang akan datang.

Model yang digunakan berupa model analogi dan model

sintetik.

Model faktor pertumbuhan hanya memperhitungkan faktor

pertambahana arus lalu lintasnya tanpa memperhitungkan
faktor penghambat misalnya biaya maupun waktu perjalanan.

Model Furness terbukti yang terbaik (lebih mudah dan efisien)

dibandingkan model analog lainnya. Meskipun demikian, dari
perbandingan hasil antara model Fratar, Detroit dan Furness
menghasilkan distribusi yang hampir sama.
SEE YOU NEXT CLASS