UJIAN AKHIR SEMESTER 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

Luas untuk masing-masing kota, yaitu:

Tabel 1.1 Luas wilayah dan tata guna lahan

Luas Wilayah
Kota Tata Guna Lahan
(km2)
70% pusat industri jasa dan
A 350.5
perdagangan dan 30% perumahan
60% pusat pemerintah dan 40%
B 167.5
perumahan
60% pusat pendidikan, penelitian,
C 118.5
industri digital dan 40% perumahan
Sumber: Soal UAS Sistrans (2019)

Buatlah perancangan sistem transportasi dengan pendekatan model klasik four-steps

model. Dimana moda-moda baik darat, laut, dan udara dapat ditempatkan untuk menghubungkan
kota-kota tersebut lengkap dengan infrastruktur yang diperlukan dengan mempertimbangkan
kondisi geografi regional seperti pada gambar berikut.

Gambar 1.1 Kondisi geografi regional

Sumber: Soal UAS Sistrans (2018)
1.2 Pengolahan dan Asumsi Data
Berdasarkan hasil perhitungan dapat diperoleh bahwa luas komposisi tata guna lahan
untuk masing-masing kota, yaitu:

Tabel 2.1 Luas komposisi tata guna lahan

Pusat Industri Jasa
Perumahan Total Luas
Kota dan Perdagangan
(30%) (km2)
(70%)
A 245.35 105.15 350.5

Pusat Pemerintah Perumahan Total Luas

Kota
(60%) (40%) (km2)
B 100.5 67 167.5

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:

Tabel 2.2 Asumsi moda transportasi dan infrastruktur

Kota Transportasi Moda Infrastruktur
Pelabuhan
Laut Kapal
Jalan raya, jalan tol,
A Darat Mobil, bus, kereta
rel kereta
Udara Pesawat
Bandar udara
Jalan raya, jalan tol,
Darat Mobil, bus, kereta
B rel kereta
Udara Pesawat
Bandar udara
Jalan raya, jalan tol,
C Darat Mobil, bus, kereta
rel kereta
Sumber: Asumsi penulis (2019)

Asumsi kota yang digunakan pada masing-masing zona, yaitu:

• Kota A = Banten
• Kota B = DKI Jakarta
• Kota C = Jawa Barat
 Berdasarkan asumsi kota yang digunakan dapat diperoleh PDRB perkapitas pada masing-
masing kota berdasarkan data Badan Pusat Statistika (BPS) masing-masing kota, yaitu:
• Kota A = Rp 42.310.959,47
• Kota B = Rp 106.435.679,85
• Kota C = Rp 32.650.000,00

Berikut ini merupakan asumsi yang digunakan untuk harga tanah dan pekerjaan yang
digunakan pada perhitungan selanjutnya.

Tabel 2.3 Pekerjaan dan harga tanah

Kota Pekerjaan Harga Tanah (Rp/m2)
A 207202 Rp 4,500,000.00
B 253789 Rp 7,500,000.00
C 195783 Rp 3,000,000.00
Sumber: Asumsi penulis (2019)

1.3 Teori Four Steps Model

Dalam sistem perencanaan transportasi menggunakan pendekatan four-steps model,
terdapat empat langkah yang saling berkaitan yaitu bangkitan pergerakan (trip distribution),
distribusi perjalanan (trip distribution), pemilihan moda (modal split), dan pembebanan jaringan
(trip assignment) (Tamin, 2000).

• Bangkitan pergerakan (trip generation)

Pemodelan permintaan suatu perjalanan dengan memperkirakan jumlah perjalanan yang
terjadi pada setiap zona pada suatu wilayah.

• Distribusi perjalanan (trip distribution)

Sebaran perjalanan dari zona asal ke zona tujuan.

• Pemilihan moda (modal split)

Memperkirakan jumlah perjalanan penumpang yang akan menggunakan moda yang tersedia
dari setiap pergerakan yang terjadi pada setiap zona.

• Pembebanan jaringan (trip assignment)

Melakukan perkiraan berapa bangkitan perjalanan yang akan menggunakan tiap rute yang
menghubungkan zona-zona.

1.4 Penyelesaian Masalah

Berikut ini merupakan tahapan pada perencanaan transportasi untuk mencari solusi pada
soal yang telah diberikan.
1.4.1 Bangkitan Pergerakan (Trip Generation)
Trip generation adalah tahapan awal yang dilakukan dalam suatu perencanaan
transportasi. Pada tahapan ini, trip production dan trip attraction direncanakan untuk 10 tahun ke
depan yaitu pada tahun 2028 dengan menggunakan data pada tahun 2018. Untuk melakukan
perhitungan, diperlukan data laju pertumbuhan penduduk, ekonomi, pekerjaan, dan harga tanah
pada masing-masing kota. Adapun untuk nilai laju pertumbuhan penduduk dan ekonomi diperoleh
dari data Badan Pusat Statistika (BPS) pada masing-masing kota. Sedangkan untuk nilai
pertumbuhan laju pekerjaan dan harga tanah dilakukan asums. Berikut ini merupakan nilai laju
pertumbuhan yang digunakan untuk masing-masing variable.

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.

Tabel 4.2 Proyeksi penduduk dan pendapatan rata-rata tahun 2028

2018 2028
Zona Penduduk Pendapatan Rata-rata Pendapatan Rata-rata
Penduduk (jiwa)
(jiwa) (Rp) (Rp)
A 5000000 Rp42,310,959.47 6100950 Rp 73,724,799.83
B 1000000 Rp106,435,679.85 1106811 Rp 198,112,405.13
C 1000000 Rp32,650,000.00 1192956 Rp 54,670,675.81
Sumber: Olahan penulis (2019)

Berikut ini merupakan perhitungan pekerjaan dan harga tanah pada masing-masing kota
setelah 10 tahun agar diperoleh data untuk atraksi perjalanan.

Tabel 4.3 Proyeksi penduduk dan pendapatan rata-rata tahun 2028

2018 2028
Kota
Pekerjaan Harga Tanah (Rp/m2) Pekerjaan Harga Tanah (Rp/m2)
A 207202 Rp 4,500,000.00 265236 Rp 19,453,068.45
B 253789 Rp 7,500,000.00 324871 Rp 10,374,969.84
C 195783 Rp 3,000,000.00 250619 Rp 7,781,227.38
 Sumber: Olahan penulis (2019)

Setelah diperoleh data-data yang diperlukan, selanjutnya dilakukan perhitungan untuk

trip production dan trip attraction dengan menggunakan persamaan regresi linier berganda.
Adapun yang diperoleh adalah sebagai berikut.

Tabel 4.4 Data regresi linier

Penduduk (jiwa) Pendapatan Rata-rata (Rp) Jumlah Perjalanan (Asumsi)
Kota X1.X2 X1.Y X2.Y X12 X22
X1 X2 Y

A 6100950 73724799.83 4000000 4.49791E+14 2.44038E+13 2.94899E+14 37221593339705.5 5435346109285950.0

B 1106811 198112405.1 5000000 2.19273E+14 5.53406E+12 9.90562E+14 1225031577280.5 39248525066170200.0
C 1192956 54670675.81 3000000 6.52197E+13 3.57887E+12 1.64012E+14 1423144277235.4 2988882793960950.0
Total 8400718 326507881 12000000 734284126515380 33516726355639 1449473252390570 39869769194221 47672753969417100
Pekerjaan Harga Tanah (Rp/m2) Jumlah Perjalanan (Asumsi)
Kota X1.X2 X1.Y X2.Y X12 X22
X1 X2 Y
A 265236 11671841 4500000 3.09579E+12 1.19356E+12 5.25233E+13 70350176927.8 136231873973844.0
B 324871 19453068 55000000 6.31975E+12 1.78679E+13 1.06992E+15 105541411195.6 378421872149566.0
C 250619 7781227 35000000 1.95012E+12 8.77166E+12 2.72343E+14 62809779062.1 60547499543930.5
Total 840726 38906137 94500000 11365660276711 27833145782131 1394785007918780 238701367186 575201245667340

Sumber: Olahan penulis (2019)

Persamaan regresi linier yang diperoleh untuk perhitungan trip production dan trip
attraction, yaitu:

𝑇𝑟𝑖𝑝 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑜𝑛 = 𝐸𝑥𝑖𝑠𝑡𝑖𝑛𝑔 𝑇𝑟𝑖𝑝 + 0,391845959 𝑋1 + 0.024369202 𝑋2

𝑇𝑟𝑖𝑝 𝑎𝑡𝑡𝑟𝑎𝑐𝑡𝑖𝑜𝑛 = 𝐸𝑥𝑖𝑠𝑡𝑖𝑛𝑔 𝑇𝑟𝑖𝑝 + 19,32855125 𝑋1 + 2,04294283 𝑋2

Setelah diperoleh persamaan pada masing-masing perjalanan, selanjutnya dapat diperoleh

perencanaan jumlah perjalanan pada tahun 2028. Adapun hasil yang diperoleh adalah sebagai
berikut.
Tabel 4.5 Trip production dan trip attraction
Kota Trip Production Trip Attraction
A 8187247 33471533
B 10261541 101020800
C 4799736 55740701
Sumber: Olahan penulis (2019)

1.4.2 Distribusi Perjalanan (Trip Distribution)

Tahapan kedua yang dilakukan adalah melakukan distribusi perjalanan pada perencanaan
transportasi yang akan dilakukan. Pada tahapan ini akan ditampilkan persebaran perjalanan dari
titik asal ke titik tujuan dengan menggunakan matriks. Berikut ini merupakan matriks asal – tujuan
pada perencanaan sistem transportasi ini.

Tabel 4.6 Matriks asal - tujuan

O-D Kota A Kota B Kota C ∑ Origin
Kota A 8187247
 Kota B 10261541
Kota C 4799736
∑ Destination 33471533 101020800 55740701
Sumber: Olahan penulis (2019)

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.

Tabel 4.7 Matriks asal – tujuan hasil pemfaktoran

O-D Kota A Kota B Kota C ∑ Origin
Kota A 8187247
Kota B 10261541
Kota C 4799736
∑ Destination 4090582 12345829 6812113
Sumber: Olahan penulis (2019)

1.4.2.1 Transport Network Link Impedance or Resistance to Flow

Pada tahapan perencanaan ini dilakukan asumsi untuk matriks biaya dengan
memprediksikan biaya yang dikeluarkan dalam melakukan suatu perjalanan dari kota asal ke kota
tujuan.
Tabel 4.8 Biaya perjalanan
O-D Kota A Kota B Kota C
Kota A 30 26 25
Kota B 25 22 23
Kota C 15 32 30
Sumber: Olahan penulis (2019)

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

Berdasarkan perhitungan dengan menggunakan rumus tersebut diperoleh persebaran

perjalanan dari masing-masing kota. Hasil yang diperoleh sebagai berikut.

Tabel 4.10 Total perjalanan yang dipengaruhi oleh impedance factor

O-D Kota A Kota B Kota C ∑ Origin
Kota A 1423758 2123998 2347381 5895137
Kota B 2347381 3168632.7 2867097 8383111
Kota C 6380843 1165674.8 1423758 8970276
∑ Destination 10151982 6458305 6638237
Sumber: Olahan penulis (2019)

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.

Tabel 4.11 Total perjalanan setelah dilakukan iterasi

O-D Kota A Kota B Kota C ∑ Origin Target G
Kota A 887606 4514329 2785312 8187247 8187247 1
Kota B 1240099 6043129 2978313 10261541 10261541 1
Kota C 1962877 1788371 1048488 4799736 4799736 1
∑ Destination 4090582 12345829 6812113
Target 4090582 12345829 6812113
G 1 1 1
Sumber: Olahan penulis (2019)
1.4.3 Pemilihan Moda (Modal Split)
Tahapan ketiga yang dilakukan pada perencanaan sistem transportasi adalah pemilihan
moda (modal split) yang digunakan untuk memeuhi kebutuhan perjalanan pada masing-masing
kota. Dalam sebuah analisis distribusi perjalanan akan menghasilkan sebuah matriks asal-tujuan
yang menggambarkan dimana perjalanan akan dilakukan. Analisis pemilihan moda
memungkinkan untuk menentukan moda transportasi yang akan digunakan. Seperti yang sudah
dijelaskan pada tabel 2.2, berdasarkan kondisi geografi pada masing-masing kota maka moda dan
infrastruktur transportasi yang memungkinkan untuk diterapkan, yaitu:

Tabel 4.12 Asumsi moda transportasi dan infrastruktur

Kota Transportasi Moda Infrastruktur
Pelabuhan
Laut Kapal
Jalan raya, jalan tol,
A Darat Mobil, bus, kereta
rel kereta
Udara Pesawat
Bandar udara
Jalan raya, jalan tol,
Darat Mobil, bus, kereta
B rel kereta
Udara Pesawat
Bandar udara
Jalan raya, jalan tol,
C Darat Mobil, bus, kereta
rel kereta
Sumber: Asumsi penulis (2019)

Adapun pertimbangan dalam menentukan moda dan infrastruktur transportasi tersebut

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

- Jalan raya, jalan tol, rel kereta:

Dibangun untuk memfasilitasi adanya perjalanan darat di dalam kota serta antar kota yang
menghubungkan kota A dengan kota yang lainnya.

- 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.

𝑈𝑐𝑎𝑟 = −0,070194 𝑇𝑇 − 0,053758 𝑇𝐶

𝑈𝑏𝑢𝑠 = 0,973204 − 0,070194 𝑇𝑇 − 0,053758 𝑇𝐶
𝑈𝑡𝑟𝑎𝑖𝑛 = 1,48573 − 0,070194 𝑇𝑇 − 0,053758 𝑇𝐶
Dimana; TT = Travel time
TC = Travel Cost

Berikut ini merupakan tabel dari travel time dan travel cost dari masing-masing kota,
yaitu:

Tabel 4.13 Travel time dan travel cost

Travel Time
Kota A Kota B Kota C
O-D
Mobil Bus Kereta Mobil Bus Kereta Mobil Bus Kereta
Kota A 8 12 16 25 27.5 37.5 15 22.5 30
Kota B 25 27.5 37.5 8 12 16 32 48 20
Kota C 15 22.5 30 32 48 20 8 12 16

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.

Tabel 4.14 Matriks utilitas pada masing-masing moda transportasi

Mobil
O-D Kota A Kota B Kota C
Kota A -1.8517 -3.4751 -2.9344
Kota B -3.4751 -1.8517 -3.6977
Kota C -2.9344 -3.6977 -1.8517

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)

Dengan menggunakan tabel diatas, selanjutnya dilakukan perhitngan untuk probabilitas

pada masing-masing mode dengan menggunakan rumus sebagai berikut dan hasil yang diperoleh
terdapat pada tabel 4.15.
𝑒 𝑈𝑐𝑎𝑟
𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑦𝑐𝑎𝑟 = 𝑈
𝑒 𝑐𝑎𝑟 + 𝑒 𝑈𝑏𝑢𝑠 + 𝑒 𝑈𝑡𝑟𝑎𝑖𝑛
𝑒 𝑈𝑏𝑢𝑠
𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑦𝑏𝑢𝑠 = 𝑈
𝑒 𝑐𝑎𝑟 + 𝑒 𝑈𝑏𝑢𝑠 + 𝑒 𝑈𝑡𝑟𝑎𝑖𝑛
𝑒 𝑈𝑡𝑟𝑎𝑖𝑛
𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑦𝑡𝑟𝑎𝑖𝑛 = 𝑈
𝑒 𝑐𝑎𝑟 + 𝑒 𝑈𝑏𝑢𝑠 + 𝑒 𝑈𝑡𝑟𝑎𝑖𝑛
 Tabel 4.15 Probabilitas pada masing-masing moda transportasi
Mobil
O-D Kota A Kota B Kota C
Kota A 0.09032 0.08272 0.10262
Kota B 0.08272 0.09032 0.04013
Kota C 0.10262 0.04013 0.09032

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)

Setelah mendapatkan probabilitas untuk masing-masing moda pada masing-masing kota,

selanjutnya dapat dilakukan perhitungan untuk memperoleh modal share matrix pada masing-
masing kota. Dengan menggunakan rumus 𝑚𝑜𝑑𝑒 = 𝑇𝑟𝑖𝑝𝑖−𝑗 × 𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑦𝑖−𝑗 , maka diperoleh
hasil akhir pada tahapan pemilihan moda dalam bentuk matriks sebagai berikut.

Tabel 4.16 Hasil akhir pemilihan moda transportasi

Mobil
O-D Kota A Kota B Kota C ∑ Origin
Kota A 80168 373417 285836 739420
Kota B 102579 545808 119516 767903
Kota C 201435 71765 94698 367899
∑ Destination 384181 990990 500050

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)

1.4.4 Pembebanan Jaringan (Trip Assignment)

Pembebanan jaringan adalah tahapan terakhir pada perencanaan sistem transportasi
dengan metode klasik ini. Pembebanan jaringan berfokus pada alternative rute antara asal dan
tujuan pada suatu jaringan transportasi. Pada tahapan pemilihan mode, diperoleh jumlah perjalanan
yang digunakan untuk masing-masing moda transportasi. Untuk menentukan kebutuhan fasilitas
dan biaya, diperlukan jumlah perjalanan untuk masing-masing rute pada suatu jaringan.
Pada awalnya, suatu jaringan diasumsikan dan kemudian menghitung faktor biaya
perjalanan yang dikeluarkan dan disamaratakan pada masing-masing moda transportasi. Adapun
perhitungan GTC (General Travel Cost) sebagai berikut.

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.

Tabel 4.17 Perhitungan general travel cost (GTC)

Kota A Kota B Kota C
O-D
Mobil Bus Kereta Mobil Bus Kereta Mobil Bus Kereta
Kota A 34 24 31 65 48 64 55 42 58
Kota B 65 48 64 34 24 31 69 73 39
Kota C 55 42 58 69 73 39 34 24 31
Sumber: Olahan penulis (2019)
 Gambar 4.1 General travel cost (GTC) pada masing-masing moda transportasi
Sumber: Olahan penulis (2019)

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.

Tabel 4.18 Jumlah perjalanan pada jam sibuk

Link Mobil Bus Kereta Total
A-B 15387 100122 70506 186015
A-C 30215 154126 110090 294432
B-C 10765 23110 75972 109847
Sumber: Olahan penulis (2019)

Selanjutnya, dilakukan perhitungan jumlah kendaraan yang diperlukan untuk masing-

masing moda transportasi. Dalam perhitungan jumlah kendaraan, diperlukan data berupa jumlah
perjalanan serta okupansi dari kendaraan tersebut. Okupansi kendaraan menggambarkan rata-rata
jumlah penumpang yang dapat ditampung oleh suatu kendaraan. Okupansi untuk mobil, bus, dan
kereta dapat diasumsikan menurut DUTP report adalah untuk mobil 1,85, bis adalah 28,5, dan
kereta adalah 60.
Berikut ini merupakan tabel hasil perhitungan jumlah kendaraan yan diperlukan pada
masing-masing link dengan menggunakan rumus sebagai berikut.
 𝐽𝑢𝑚𝑙𝑎ℎ 𝑝𝑒𝑟𝑗𝑎𝑙𝑎𝑛𝑎𝑛
𝐽𝑢𝑚𝑙𝑎ℎ 𝑘𝑒𝑛𝑑𝑎𝑟𝑎𝑎𝑛 =
𝑂𝑘𝑢𝑝𝑎𝑛𝑠𝑖

Tabel 4.19 Jumlah kendaraan yang dibutuhkan pada masing-masing link

Mobil
Link
Jumlah Perjalanan Okupansi Jumlah Kendaraan
A-B 15387 1.85 8317
A-C 30215 1.85 16333
B-C 10765 1.85 5819

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)

Gambar 4.2 Jumlah kendaraan yang dibutuhkan pada masing-masing link

Sumber: Olahan penulis (2019)
 REFERENSI

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

Tamin, O. Z. (2000). Perencanaan dan Pemodelan Transportasi. Bandung: Institut Teknologi

Bandung.