3.

1 Pendahuluan

Sistem transportasi barang merupakan kontributor utama bagi semangat lokal dan ekonomi
daerah. Namun, terlepas dari pentingnya, fungsi sistem masih kurang dipahami. Untuk sebagian besar,
ini adalah hasil dari kerumitan dan tantangan mengumpulkan data untuk mengkarakterisasinya.

Beberapa elemen yang membuat pengiriman sistem yang kompleks seperti itu adalah
banyaknya agen yang berpartisipasi, berbagai moda transportasi dan wilayah geografis, dan berbagai
tindakan yang digunakan untuk menentukan dan mengukur pengiriman. Beberapa faktor ini merupakan
akar dari perbedaan antara sistem angkutan barang dan sistem transportasi penumpang.

Perbedaan tersebut antara lain, pengiriman sepenuhnya pasif dan memerlukan intervensi agen
untuk melakukan pemuatan dan kegiatan bongkar muat; ada berbagai macam komoditas yang diangkut;
keputusan tentang mode, rute, dan waktu pengiriman dibuat oleh yang berbeda agen dan, ada
perbedaan besar antara permintaan pengiriman dan pengiriman lalu lintas yang mengangkutnya.

Bab ini memberikan gambaran tentang aspek kritis dari pemodelan permintaan angkutan, yang terkait
dengan estimasi pembangkitan angkutan (FG) (jumlah kargo yang dihasilkan) dan generasi perjalanan
barang (FTG) (jumlah kendaraan barang perjalanan yang dihasilkan) yang diperlukan untuk mengangkut
barang yang dihasilkan.

3.2.1 Model FTG

 Table 3.1 Advantages and Disadvantages of FG/FTG Models
Type of
Model Kelebihan
Memerlukan beberapa titik data, dari waktu
ke waktu, untuk fasilitas yang sama.
Time series
Persyaratan data terbatas untuk variabel
independen
Trip rates
Sederhana untuk menghitung
Persyaratan data terbatas (data zona)
Terkait dengan ekonomi
Input-output
Efek kebijakan dapat dipertimbangkan jika
koefisiennya elastis
Mampu mengidentifikasi hubungan yang
berkaitan dengan pembangkitan
permintaan; dapat digunakan tidak hanya
untuk meramalkan permintaan di masa
Ordinary mendatang, tetapi juga untuk menetapkan
least hubungan antar variabel. Pelanggaran
squares asumsi kuadrat terkecil biasa (OLS) dapat
(regression) menyebabkan parameter yang tidak akurat;
terutama menggunakan data agregat
Meningkatkan kecocokan model;
menghilangkan masalah yang terkait
dengan autokorelasi spasial Pilihan model
Spatiat
spasial tergantung pada data aktual dan
regression
sulit untuk menentukan struktur mana yang
lebih sesuai
Perkiraan regional yang baik Dapat
menghasilkan kesalahan untuk analisis
Cross dampak lalu lintas
classification Tidak perlu asumsi linearitas antar variabel
method Variabel independen yang digunakan
mungkin tidak independen
Dapat mengatasi kelemahan analisis
MCA
klasifikasi silang Membutuhkan database
Ada sejumlah publikasi yang membahas model FTG, sebagian besar menggunakan tingkat perjalanan
konstan dan model kuadrat terkecil. Brogan (1980) mengidentifikasi kebijakan penggunaan lahan
sebagai strategi stratifikasi yang paling efektif untuk meningkatkan FTG model. Bartlett & Newton (1982)
memperkirakan model regresi untuk FTG menggunakan total pekerjaan, area situs, luas lantai kotor dan
Kekurangan
Sedikit wawasan tentang
kausalitas dan, kemungkinan
terbatas untuk mempelajari efek
kebijakan
Tidak dapat menghubungkan
efek ukuran bisnis pada FTG
yang dapat menyebabkan
kesalahan signifikan significant
Sedikit wawasan tentang
kausalitas dan, cakupan terbatas
untuk efek kebijakan
Perlu tabel inputoutput, lebih
disukai multi-regional
Perlu mengidentifikasi arus
perdagangan impor dan ekspor
Asumsi terbatas jika koefisien
tetap Perlu konversi dari nilai ke
ton
Mampu mengidentifikasi
hubungan yang berkaitan dengan
pembangkitan permintaan; dapat
digunakan tidak hanya untuk
meramalkan permintaan di masa
mendatang, tetapi juga untuk
menetapkan hubungan antar
variabel. Pelanggaran asumsi
kuadrat terkecil biasa (OLS)
dapat menyebabkan parameter
yang tidak akurat; terutama
menggunakan data agregat
Meningkatkan kecocokan model;
menghilangkan masalah yang
terkait dengan autokorelasi
spasial Pilihan model spasial
tergantung pada data aktual dan
sulit untuk menentukan struktur
mana yang lebih sesuai
Perkiraan regional yang baik
Dapat menghasilkan kesalahan
untuk analisis dampak lalu lintas
Tidak perlu asumsi linearitas
antar variabel Variabel
independen yang digunakan
mungkin tidak independen
Dapat mengatasi kelemahan
analisis klasifikasi silang
pekerjaan non-kantor sebagai pekerjaan mandiri variabel. Dan masih banyak pembahasan-pembahasan
para ahli mengenai FTG.

3.2.2 Model FG

Teknik yang berbeda telah digunakan untuk pemodelan FG. Novak, Hogdon, Guo, & Aultman-
Hall (2007) menggunakan OLS untuk mengembangkan model FP untuk Amerika Serikat. Mereka
menganalisis teknik transformasi variabel yang berbeda dan implikasi dari regresi spasial untuk FP.
Waliszewski, Ahanotu, & Fischer (2004) menggunakan tingkat pertumbuhan spesifik jenis komoditas
untuk memperkirakan FP dan FA di tingkat zona. Output input dan model keseimbangan umum yang
dapat dihitung spasial (SCGE) adalah berulang digunakan untuk memperkirakan FP dan FA di tingkat
zona

Untuk model tertentu yang digunakan di negara-negara Eropa, lihat SMILE dan Model RAEM
(Belanda) yang memperkirakan FP dan FA dengan menghubungkan produksi dan konsumsi dalam rantai
produk; model masukan keluaran, model SCGE CGEurope, model SCGE PINGO (Norwegia) dan model
angkutan ekonomi regional terpadu dari Amerika Serikat Kingdom (Kebijakan & Penelitian WSP, 2005).
Holguı´n-Veras dkk. (2012a) dikompilasi model FG/FTG dilaporkan dalam literatur dalam database
relasional yang tersedia di Holguı´n-Veras et al. (2012b).