UAS Sistem Transportasi
UAS Sistem Transportasi
TUESTA REFANINGATI
1506675522
1.1 Soal
Jumlah penduduk pada masing-masing kota, yaitu:
• Kota A = 5.000.000 jiwa
• Kota B = 1.000.000 jiwa
• Kota C = 1.000.000 jiwa
Pusat Pendidikan,
Perumahan Total Luas
Kota Penelitian, Industri
(40%) (km2)
Digital (60%)
C 71.1 47.4 118.5
Sumber: Olahan penulis (2019)
Moda transportasi dan infrastruktur yang dapat diterapkan pada masing-masing kota
berdasakan kondisi geografi regional yang diberikan, yaitu:
Berikut ini merupakan asumsi yang digunakan untuk harga tanah dan pekerjaan yang
digunakan pada perhitungan selanjutnya.
Tabel 4.1 Laju pertumbuhan penduduk, ekonomi, pekerjaan, dan harga tanah
Kota Penduduk Pendapatan Pekerjaan Harga Tanah
A 2.01% 5.71% 2.50% 10%
B 1.02% 6.41% 2.50% 10%
C 1.78% 5.29% 2.50% 10%
Sumber: Badan Pusat Statistika dan asumsi penulis
Berikut ini merupakan perhitungan populasi dan pendapatan rata-rata pada masing-
masing kota setelah 10 tahun agar diperoleh data untuk produksi perjalanan.
Berikut ini merupakan perhitungan pekerjaan dan harga tanah pada masing-masing kota
setelah 10 tahun agar diperoleh data untuk atraksi perjalanan.
Persamaan regresi linier yang diperoleh untuk perhitungan trip production dan trip
attraction, yaitu:
Total dari trip production/origin adalah 23.248.524, sedangkan total dari trip
attraction/destination adalah 190.233.034 dimana hasil tersebut jauh lebih besar daripada total trip
production/origin. Dalam perhitungannya, total trip attraction/destination harus sama dengan trip
production/origin. Sehingga diperlukan adanya perhitungan untuk penyesuaiannya. Berikut ini
merupakan perhitungan untuk penyesuaian nilai dari trip attraction/destination pada masing-
masing kota.
𝑇𝑜𝑡𝑎𝑙 𝑃𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑜𝑛
𝐴𝑑𝑗𝑢𝑠𝑡𝑚𝑒𝑛𝑡 𝐹𝑎𝑐𝑡𝑜𝑟 = = 0,12
𝑇𝑜𝑡𝑎𝑙 𝐴𝑡𝑡𝑟𝑎𝑐𝑡𝑖𝑜𝑛
𝐴𝑑𝑗𝑢𝑠𝑡𝑒𝑑 𝑇𝑟𝑖𝑝 𝐴𝑡𝑡𝑟𝑎𝑐𝑡𝑖𝑜𝑛 = 𝐴𝑑𝑗𝑢𝑠𝑡𝑚𝑒𝑛𝑡 𝐹𝑎𝑐𝑡𝑜𝑟 × 𝑇𝑟𝑖𝑝 𝐴𝑡𝑡𝑟𝑎𝑐𝑡𝑖𝑜𝑛 𝑜𝑓 𝑎𝑛𝑦 𝑧𝑜𝑛𝑒
Setelah dilakukan perhitungan, diperoleh tabel matriks asal-tujuan yang baru dan hasilnya
sebagai berikut.
Dengan menggunakan rumus impedance factor, maka akan diperoleh hasil seperti pada
tabel berikut.
𝐼𝑚𝑝𝑒𝑑𝑎𝑛𝑐𝑒 𝐹𝑎𝑐𝑡𝑜𝑟 = 𝑒 −𝛽𝐶𝑖𝑗 ; 𝛽 = Asumsi 0,1 ; 𝐶𝑖𝑗 = General cost of travel O-D
Tabel 4.9 Impedance factor
O-D Kota A Kota B Kota C
Kota A 0.049787 0.0742736 0.082085
Kota B 0.082085 0.1108032 0.100259
Kota C 0.22313 0.0407622 0.049787
Sumber: Olahan penulis (2019)
Hasil perhitungan yang diperoleh adalah total dari impedance factor = 0.812972078
dengan total perjalanan = 23.248.524. Faktor lain perlu diperhitungkan untuk distribusi perjalanan
pada masing-masing kota. Adapun perhitungannya, yaitu:
𝑇𝑜𝑡𝑎𝑙 𝑇𝑟𝑖𝑝
𝐹𝑎𝑐𝑡𝑜𝑟 = = 28596952.48
𝑇𝑜𝑡𝑎𝑙 𝐼𝑚𝑝𝑒𝑑𝑎𝑛𝑐𝑒 𝐹𝑎𝑐𝑡𝑜𝑟
𝑇𝑟𝑖𝑝 𝑜𝑓 𝑎𝑛𝑦 𝑧𝑜𝑛𝑒 = 𝐹𝑎𝑐𝑡𝑜𝑟 × 𝐼𝑚𝑝𝑒𝑑𝑎𝑛𝑐𝑒 𝑓𝑎𝑐𝑡𝑜𝑟 𝑜𝑓 𝑡ℎ𝑖𝑠 𝑝𝑎𝑟𝑡𝑖𝑐𝑢𝑙𝑎𝑟 𝑧𝑜𝑛𝑒
Hasil jumlah origin dan destination yang diperoleh pada masing-masing kota pada tabel
4.10 tidak sama dengan tabel 4.7. Sehingga diperlukan adanya iterasi menggunakan metode
average growth factor dan hasil yang diperoleh setelah melakukan iterasi sampai 48 kali adalah
sebagai berikut.
• Kota A
- Pelabuhan:
Dibangun untuk memfasilitasi adanya perjalanan laut dengan mengggunakan kapal. Hal
ini dikarenakan lokasi kota A yang berdekatan langsung dengan laut selain itu juga
dikarenakan kota A sebagai pusat industri jasa dan perdagangan agar memudahkan dalam
proses transportasi logistic yang dibutuhkan
- Bandara:
Dibangun untuk memfasilitasi adanya perjalanan udara berupa pesawat. Pesawat dapat
digunakan selain untuk penumpang juga sebagai pengangkut logistic. Kebutuhan logistic
di kota ini cukup besar jika dilihat dari persentase tata guna lahan yang diberikan.
• Kota B
- Jalan raya, jalan tol, rel kereta:
Dibangun untuk memfasilitasi adanya perjalanan darat di dalam kota serta antar kota yang
menghubungkan kota B dengan kota yang lainnya.
- Bandara:
Dibangun untuk memfasilitasi adanya perjalanan udara berupa pesawat. Pesawat
diperlukan karena kota B merupakan pusat pemerintahan, dimana lokasi tersebut sering
dituju oleh masyarakat negara lain. Selain itu untuk memudahkan para pemegang sistem
di negara tersebut untuk melakukan kunjungan ke daerah lain dengan lebih cepat.
• Kota C
- Jalan raya, jalan tol, rel kereta:
Dibangun untuk memfasilitasi adanya perjalanan darat di dalam kota serta antar kota yang
menghubungkan kota C dengan kota yang lainnya.
Pada tahapan ini, matriks untuk waktu dan biaya perjalanan diberikan untuk melakukan
perhitungan utilitas untuk tiga kendaraan yang terdapat pada semua kota yaitu mobil, bus, dan
kereta. Pada perhitungan ini diperlukan persamaan utilitas dengan asumsi sebagai berikut.
Berikut ini merupakan tabel dari travel time dan travel cost dari masing-masing kota,
yaitu:
Travel Cost
Kota A Kota B Kota C
O-D
Mobil Bus Kereta Mobil Bus Kereta Mobil Bus Kereta
Kota A 24 8 10 32 12 15 35 13 19
Kota B 32 12 15 24 8 10 27 10 13
Kota C 35 13 19 27 10 13 24 8 10
Sumber: Olahan penulis (2019)
Berikut ini merupakan matriks utilitas yang diperoleh setelah dilakukan perhitungan
untuk masing-masing kendaraan.
Bus
O-D Kota A Kota B Kota C
Kota A -0.2992 -1.6022 -1.305
Kota B -1.6022 -0.2992 -2.9337
Kota C -1.305 -2.9337 -0.2992
Kereta
O-D Kota A Kota B Kota C
Kota A -0.175 -1.9529 -1.6415
Kota B -1.9529 -0.175 -0.617
Kota C -1.6415 -0.617 -0.175
Sumber: Olahan penulis (2019)
Bus
O-D Kota A Kota B Kota C
Kota A 0.42662 0.53825 0.52347
Kota B 0.53825 0.42662 0.15403
Kota C 0.52347 0.08615 0.42662
Kereta
O-D Kota A Kota B Kota C
Kota A 0.48306 0.37904 0.37391
Kota B 0.37904 0.48306 0.87372
Kota C 0.37391 0.87372 0.48306
Sumber: Olahan penulis (2019)
Bus
O-D Kota A Kota B Kota C ∑ Origin
Kota A 378674 2429823 1458031 4266527
Kota B 667479 2578141 256579 3502199
Kota C 1027510 154066 447310 1628886
∑ Destination 2073662 5162030 2161919
Kereta
O-D Kota A Kota B Kota C ∑ Origin
Kota A 428765 1711089 1041446 3181300
Kota B 470041 2919180 2602218 5991439
Kota C 733932 1562539 506480 2802952
∑ Destination 1632738 6192809 4150144
Sumber: Olahan penulis (2019)
𝑎1
𝐺𝑇𝐶 = 𝑇𝐶 + × 𝑇𝑇
𝑎2
Dimana; TT = Travel time
TC = Travel Cost
a1 = Coeff of TT
a2 = Coeff of CT
Nilai dari a1 dan a2 diperoleh dari asumsi yang digunakan pada perhitungan fungsi utilitas
𝑎1 0,070194
pada tahapan pemilihan moda. Sehingga diperoleh = = 1,305741. Berikut ini
𝑎2 0,053758
merupakan hasil dari perhitungan GTC untuk masing-masing moda transportasi.
Setelah mendapatkan hasil dari GTC, selanjutnya mencari jarak terpendek dari kota asal
ke kota tujuan dengan menggunakan metode Djikstra. Pembebanan jaringan biasanya dilakukan
untuk mencari perjalanan pada waktu sibuk. Dalam kasus ini, perjalanan pada jam sibuk
diasumsikan sebesar 15% dari total perjalanan harian. Total perjalanan diperoleh berdasarkan hasil
jarak terpendek pada perjalanan dari kota asal ke kota tujuan.
Berikut ini merupakan tabel jumlah perjalanan pada jam sibuk dari kota asal ke kota
tujuan untuk masing-masing moda transportasi.
Bus
Link
Jumlah Perjalanan Okupansi Jumlah Kendaraan
A-B 100122 28.5 3513
A-C 154126 28.5 5408
B-C 23110 28.5 811
Kereta
Link
Jumlah Perjalanan Okupansi Jumlah Kendaraan
A-B 70506 60 1175
A-C 110090 60 1835
B-C 75972 60 1266
Sumber: Olahan penulis (2019)
A Medium Corporation. (2017). Finding the Shortest Path, with a Little Help From Djikstra.
Retrieved from Medium: https://medium.com/basecs/finding-the-shortest-path-with-a-
little-help-from-dijkstra-613149fbdc8e
Ahmed, B. (2012). The Traditional Four Steps Transportation Modeling Using Simplified
Transport Network: A Case Study of Dhaka City, Bangladesh.
Badan Pusat Statistika. (2016). PDRB Perkapita Provinsi Banten. Retrieved from BPS Provinsi
Banten: https://banten.bps.go.id/site/resultTab
Badan Pusat Statistika. (2016). PDRB Perkapita Provinsi Jawa Barat. Retrieved from BPS Jawa
Barat: https://jabar.bps.go.id/statictable/2016/10/10/112/produk-domestik-regional-bruto-
pdrb-per-kapita-atas-dasar-harga-berlaku-menurut-kabupaten-kota-di-jawa-barat-2010-
2015-juta-rupiah-.html
Badan Pusat Statistika. (2017). Laju Pertumbuhan PDRB Provinsi Banten. Retrieved from BPS
Provinsi Banten: https://banten.bps.go.id/linkTableDinamis/view/id/71
Badan Pusat Statistika. (2018). Jumlah Penduduk dan Laju Pertumbuhan Penduduk DKI
Jakarta. Retrieved from BPS DKI Jakarta:
https://jakarta.bps.go.id/statictable/2017/01/30/136/jumlah-penduduk-dan-laju-
pertumbuhan-penduduk-menurut-kabupaten-kota-di-provinsi-dki-jakarta-2010-2014-dan-
2015.html
Badan Pusat Statistika. (2018). Laju Pertumbuhan Ekonomi DKI Jakarta. Retrieved from BPS
DKI Jakarta: https://jakarta.bps.go.id/pressrelease/2018/11/05/314/ekonomi-dki-jakarta-
triwulan-iii--2018-tumbuh-sebesar-6-41-persen--y-on-y-.html
Badan Pusat Statistika. (2018). Laju Pertumbuhan PDRP Provinsi Jawa Barat. Retrieved from
BPS Provinsi Jawa Barat: https://jabar.bps.go.id/statictable/2018/04/13/558/-seri-2010-
laju-pertumbuhan-pdrb-provinsi-jawa-barat-atas-dasar-harga-konstan-2010-menurut-
pengeluaran-persen-2011-2017.html