Studi Kinerja Simpang Tak Bersinyal Pasar Nangka Atas Dasar Observasi Ekuivalensi Mobil Penumpang

STUDI KINERJA SIMPANG TAK BERSINYAL PASAR
NANGKA ATAS DASAR OBSERVASI EKUIVALENSI MOBIL

PENUMPANG
studies of performance unsignalized intersection pasar nangka on the basis of
observation passenger car equivalent (pce)
SKRIPSI
Disusun oleh :
YASINTHA IKA PRAMESTI

I1106062
JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK

UNIVERSITAS SEBELAS MARET
SURAKARTA
20 1 1
comm i t to user
i
STUDI KINERJA SIMPANG TAK BERSINYAL PASAR
NANGKA ATAS DASAR OBSERVASI EKUIVALENSI MOBIL
PENUMPANG

Disusun oleh : YASINTHA IKA PRAMESTI

I1106062
Telah disetujui untuk dipertahankan dihadapan tim penguji pendadaran

Jurusan Teknik Sipil Fakultas Teknik Universitas Sebelas Maret
Persetujuan
Dosen Pembimbing
Pembimbing 1 Pembimbing 2
Ir. Agus Sumarsono, MT S.J Legowo, ST. MT

NIP 19570814 198601 1 001 commit to NIP 19670413 199702 1 001
user
SKRIPSI
STUDI KINERJA SIMPANG TAK BERSINYAL PASAR NANGKA ATAS
DASAR OBSERVASI EKUIVALENSI MOBIL PENUMPANG

Disusun oleh:
YASINTHA IKA PRAMESTI

NIM. I1106062
Telah dipertahankan dihadapan tim penguji pendadaran Jurusan Teknik Sipil
Fakultas Teknik Universitas Sebelas Maret Surakarta dan diterima guna
memenuhi sebagai persyaratan untuk mendapatkan gelar sarjana Teknik
Pada hari : Kamis

Tanggal : 21 Juli 2011
Ir. Agus Sumarsono, MT ( )

NIP. 19570814 198601 1 001
Slamet Jauhari Legowo, ST,MT ( )

NIP 19670413 199702 1 001
Ir. Djoko Sarwono, MT ( )

NIP. 19600415 199201 1 001
Dewi Handayani, ST, MT ( )

NIP. 19710919 199512 2 001
MOTTO
HidupMengetahui,
adalah pilihan. (NN) Disahkan, Disahkan,
a.n Dekan Fakultas Teknik Ketua Jurusan Ketua Program S1
Janganlah hendaknya
Universitas Sebelas Maret kamu kuatirTekniktentang
Sipil apapunNon-Reguler
juga, tetapi
Jurusan
Pembantu Dekan
nyatakanlah dalamI segala hal Fakultas Teknik UNS
keinginanmu Teknik Sipil
kepada Allah dalam doa
dan permohonan dalam ucapan syukur. (Filipi 4:6)
Tuhan membuat segala sesuatu indah pada waktunya (Pengkhotbah 3:11)
Kegagalan adalah rencana alam untuk mempersiapkan kita agar

Kusno A. Sambowo, ST,M.Sc, Ph.D Ir. Bambang Santosa, MT Edy Purwanto, ST, MT
lebih bertanggungjawab (Napoleon Hill)
NIP. 19691026 199503 1 002 NIPco. m1959mit0823to user198601 1 001 NIP. 19680912
199702 1 001
Cara paling bagus untuk keluar dari masalah adalah
menyelesaikannya. (Alan Saporta)
PERSEMBAHAN
Tuhan Yesus Kristus yang selalu memberikan terang dan pengharapan-Nya.
Almarhumah Nenekku (Antonia Katiyem)
Terimakasih atas cinta-Nya yang membuatku ingat untuk segera bangkit

saat terjatuh.
Ibu dan Bapakku
tercinta (Dyah Retno Wulandari dan Yasin Eko
Sisworo)
Tidak ada kehidupan tanpa beliau sekalian, tidak ada cinta seperti cinta
beliau sekalian.
Adikku tersayang (Yudha Baladhika)
Walaupun sering merepotkan, terimakasih telah menjadi saudaraku yang

setia dan selalu membuatku tertawa.
commit to user
ABSTRAK
Yasintha Ika Pramesti, 2011. Studi Kinerja Simpang Tak Bersinyal Pasar
Nangka Atas Dasar Ekuivalensi Mobil Penumpang.Skripsi, Jurusan Teknik
Sipil Fakultas Teknik, Universitas Sebelas Maret, Surakarta.
Salah satu jenis simpang adalah simpang tak bersinyal. Simpang tak bersinyal
Pasar Nangka merupakan simpang empat lengan yang terdapat di wilayah Pasar
Nangka. Simpang ini merupakan pertemuan antara jalan Sultan Hasanudin dan
jalan Raden Mas Said. Simpang ini berbatasan dengan perlintasan kereta api
secara langsung dan tidak ada pembatasan kendaraan yang melewatinya, hal ini
menyebabkan arus pada persimpangan sangat padat. Berdasarkan kondisi tersebut,
perlu dilakukan perhitungan emp dan analisis kinerja pada simpang tak bersinyal
tersebut. Penelitian ini bertujuan untuk mengetahui nilai emp dan kinerja simpang
tak bersinyal Pasar Nangka pada saat ini.
Metode penelitian ini adalah survei lapangan yaitu penelitian yang dilakukan
dengan meneliti lapangan secara langsung untuk mendapatkan data – data yang
dibutuhkan. Perhitungan data untuk mengetahui nilai emp yaitu dengan
menggunakan analisis regresi linier dan time headway, dan untuk perhitungan
data kinerja simpang menggunakan metode MKJI 1997.
Nilai emp dengan metode regresi linier untuk sepeda motor (MC) bernilai 0,12
dengan koefisien korelasi antara 0,159 – 0,896 dan 2,04 untuk kendaraan berat
(HV) dengan koefisien korelasi -0.065 – 0,291. Metode time headway
menghasilkan nilai emp 0,4 untuk sepeda motor (MC) dan 2,38 untuk kendaraan
berat (HV). Dari hasil analisis data diperoleh nilai Derajat Kejenuhan (DS)
dengan menggunakan emp dari MKJI 1997 sebesar 0,70, dengan menggunakan
emp dari metode regresi linier sebesar 0,41 dan dengan menggunakan emp dari
metode rasio headway sebesar 0,83. Tundaan yang didapat dengan menggunakan
emp MKJI 1997 yaitu 11,52 smp/dtk, tundaan menggunakan emp regresi linier
yaitu 13,23 smp/dtk, tundaan menggunakan emp time headway 13,70 smp/dtk.
Kata kunci : emp, metode regresi linier, metode time headway, simpang tak
bersinyal, derajat kejenuhan, tundaan.
commit to user
ABSTRACT
Yasintha Ika Pramesti, 2011. Studies of Performance Unsignalized

Intersection Pasar Nangka on the Basis of Observation Passenger Car
Equivalence. Script, Civil Engineering Faculty Of Engineering, Sebelas
Maret University, Surakarta.
One type of intersection is unsignalized intersection. Unsignalized intersection

Pasar Nangka is an intersection of four arm contained in Pasar Nangka. This
intersection area is the meeting between Sultan Hasanudin street and Raden Mas
Said street. Intersection is adjacent to the railway crossing directly and no
restrictions on passing vehicle, this led to the current in this junction is very solid.
Based on condition, necessary done calculation pce and performance analysis in
unsignalized intersection. This research aims to detect value pce and performance
unsignalized intersection Pasar Nangka at the moment.
This research method is field survey that is research which done with canvass
field directly to get a data. Data calculation for detect pce value that is by using
linear regression analysis and time headway, and for unsignalized intersection
performance data calculation uses MKJI 1997.
Value pce with linear regression method for motorcycle (MC) valuable 0,12 with
corelation coeficien 0,159 – 0,896 and 2,04 for heavy vehicle (HV) with
correlation coeficien -0,065 – 0,291. Time headway method produce value pce 0,4
for motorcycle (MC) and 2,38 for heavy vehicle (HV). From data analysis result
is got saturation degree value (DS) by using pce from MKJI 1997 is 0,70, by
using pce from linear regression method is 0,41 and by using pce from time
headway is 0,83. Delay that got by using pce MKJI 1997 that is 11,52 pcu/sec,
delay use pce linear regression that is 13,23 pcu/sec, delay use pce time headway
13,70 pcu/sec.
keyword: pce, linear regression method, time headway method, unsignalized
intersection, saturation degree, delay.
commit to user
KATA PENGANTAR
Segala puji syukur kepada Tuhan Yang Maha Esa atas curahan rahmat-Nya,
sehingga penulis dapat menyelesaikan penyusunan skripsi berjudul “Studi Kinerja
Simpang Tak Bersinyal Pasar Nangka Atas Dasar Ekuivalensi Mobil Penumpang”
dengan baik.
Penulisan skripsi ini merupakan salah satu syarat yang harus ditempuh guna
meraih gelar Sarjana Teknik pada Fakultas Teknik Universitas Sebelas Maret
Surakarta. Melalui penyusunan skripsi mahasiswa diharapkan mempunyai daya
analisis yang tajam serta dapat memperdalam ilmu yang telah diperoleh selama
kuliah.
Pada kesempatan ini, penulis mengucapkan terimakasih sebesar – besarnya

kepada :
1. Pimpinan Fakultas Teknik Universitas Sebelas Maret Surakarta beserta staf.

2. Pimpinan Jurusan Teknik Sipil Universitas Sebelas Maret Surakarta.
3. Pimpinan Program Non Reguler Jurusan Teknik Sipil Universitas Sebelas
Maret.
4. Ir. Slamet Prayitno, MT selaku Dosen Pembimbing Akademik.
5. Ir. Agus Sumarsono, MT dan S.J Legowo, ST, MT selaku Dosen
Pembimbing Skripsi.
6. Tim penguji pada ujian pendadaran skripsi.
7. Semua staf pengajar di Fakultas Teknik Universitas Sebelas Maret Surakarta.
8. Teman – teman Teknik Sipil angkatan 2006 Universitas Sebelas Maret
Surakarta.
9. Semua pihak yang telah membantu dalam penyusunan skripsi ini yang tidak
dapat penulis sebutkan satu persatu.
Akhir kata semoga skripsi ini dapat bermanfaat bagi semua pihak pada umumnya
dan bagi mahasiswa teknik sipil pada khususnya.
Surakarta, Juni 2011
commit to user Penulis

DAFTAR ISI
Halaman
HALAMAN JUDUL ...................................................................... i
HALAMAN PENGESAHAN........................................................ ii
HALAMAN PERSETUJUAN ...................................................... iii
MOTTO .......................................................................................... iv
PERSEMBAHAN........................................................................... v
ABSTRAK ...................................................................................... vi
ABSTRACT .................................................................................... vii
KATA PENGANTAR.................................................................... viii
DAFTAR ISI................................................................................... ix
DAFTAR TABEL .......................................................................... xii
DAFTAR GAMBAR ...................................................................... xv
DAFTAR LAMPIRAN .................................................................. xvi
DAFTAR NOTASI......................................................................... xvii
BAB I PENDAHULUAN
1.1 Latar Belakang Masalah .................................................. 1
1.2 Rumusan Masalah............................................................ 3
1.3 Batasan Masalah .............................................................. 3
1.4 Tujuan Penelitian ............................................................. 3
1.5 Manfaat Penelitian ........................................................... 4
BAB II LANDASAN TEORI
2.1 Tinjauan Pustaka ................................................................... 5
2.2 Dasar Teori ....................................................................... 7
2.2.1 Simpang .........c..o..m...m...i.t..t.o...u...s.e..r.................................... 7
2.2.2 Karakteristik Lalu Lintas .......................................... 9
2.2.3 Karakteristik Kendaraan ........................................... 11
2.3. Pengertian emp ................................................................ 12
2.4. Perhitungan emp .............................................................. 12
2.4.1. Perhitungan emp regresi linier ................................ 12
2.4.2. Perhitungan emp metode rasio headway ................ 15
2.5. Kinerja Simpang Tak Bersinyal ...................................... 21
2.6. Prosedur Analisis Kinerja Simpang Tak Bersinyal .........
Dengan MKJI 1997............................................................ 21
2.6.1 Data Masukan ........................................................... 21
2.6.2 Kapasitas ................................................................... 25
2.6.3 Waktu Tunda (Delay) ............................................... 34
2.6.4 Derajat Kejenuhan .................................................... 36
2.6.5 Peluang Antrian ........................................................ 37
BAB III METODOLOGI PENELITIAN
3.1 Umum .............................................................................. 38
3.2 Lokasi dan Waktu Penelitian............................................ 38
3.3 Metode Penelitian ............................................................. 38
3.4 Prosedur Survei ................................................................ 40
3.4.1 Survei Pendahuluan ................................................ 41
3.4.2 Teknik Pengumpulan Data ..................................... 41
3.4.3 Peralatan yang Digunakan ...................................... 41
3.4.4 Desain Survei ......................................................... 42
3.4.5 Rekapitulasi Data ................................................... 43
BAB IV PEMBAHASAN
4.1 Deskripsi Penelitian.......................................................... 45
4.2 Pengolahan Data ............................................................... 49
4.3 Perhitungan Nilai emp Kendaraan.................................... 50
4.3.1 Perhitungan Metode Regresi Linier ....................... 50
4.3.2 Perhitungan Time Headway.................................... 61
4.4 Penentuan Nilai EMP ....................................................... 68
4.5 Perhitungan KinerjacoSmimmpiat ntog uTsaekr Bersinyal ................... 75
BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan....................................................................... 89
5.2 Saran ................................................................................. 90
DAFTAR PUSTAKA ............................................................................ xxi
commit to user
DAFTAR TABEL
Halaman
Tabel 2.1 emp Untuk Simpang Tak Bersinyal .....................................
Tabel 2.2 Klasifikasi Kendaraan................................................................11
Tabel 2.3 Nilai Normal Faktor – k.............................................................13
Tabel 2.4 Nilai Normal Komposisi Lalulintas...........................................14
Tabel 2.5 Nilai Normal Lalulintas Umum.................................................14
Tabel 2.6 Kelas Ukuran Kota.....................................................................15
Tabel 2.7 Tipe Lingkungan Jalan...............................................................15
Tabel 2.8 Jumlah Lajur dan Lebar Rata – rata Pendekat Jalan
Minor dan Utama....................................................................18
Tabel 2.9 Kode Tipe Simpang...................................................................19
Tabel 2.10 Kapasitas Dasar Menurut Tipe Simpang.................................19
Tabel 2.11 Faktor Penyesuaian Median Jalan Utama (FM)........................21
Tabel 2.12 Faktor Penyesuaian Ukurean Jalan Kota (FCS).........................21
Tabel 2.13 Faktor Penyesuaian Tipe Lingkungan Jalan, Hambatan
Samping, dan Kendaraan Tak Bermotor (FRSU)......................22
Tabel 2.14 Faktor Rasio Jalan Minor.........................................................24
Tabel 4.1 Jumlah Kendaraan Pada Saat Jam Puncak Dari Total
Ketiga Lokasi..........................................................................45
Tabel 4.2 Jumlah Kendaraan dan Rasio Kendaraan Pada Saat
Waktu Puncak.........................................................................47
Tabel 4.3 Rasio Motorcycle (MC) terhadap Light Vehicle (LV)...........48
Tabel 4.4 Volume Lalulintas Pada Saat Jam Puncak Siang
Lokasi 1 (Jalan Hasanudin).....................................................50
Tabel 4.5 Perhitungan Regresi Lcionmiemr JitaltaonuSseurltan Hasanudin

Jam Puncak Siang ............................................................. 52
Tabel 4.6 Rekapitulasi Nilai emp Menggunakan Analisis Regresi
Linier ................................................................................. 55
Tabel 4.7 Nilai koefisien korelasi pada jam puncak pagi ................. 56
Tabel 4.8 Nilai koefisien korelasi pada jam puncak siang ................ 57
Tabel 4.9 Nilai koefisien korelasi pada jam puncak sore.................. 57
Tabel 4.10 Nilai uji keberartian koefisien korelasi pada jam
puncak pagi.............................................................................58
puncak siang............................................................................58
puncak sore........................................................................ 59
Tabel 4.13 Nilai Uji F pada jam puncak pagi ...................................... 60
Tabel 4.14 Nilai Uji F pada jam puncak siang..................................... 61
Tabel 4.15 Nilai Uji F pada jam puncak sore ...................................... 61
Tabel 4.16 Perhitungan rata-rata senjang time headway ..................... 62

Tabel 4.17 Nilai Time Headway terkoreksi ......................................... 64
Tabel 4.18 Perhitungan nilai emp Jl. RM Said jam puncak siang .......... 65
Tabel 4.19 Nilai emp motorcycle dan heavy vehicle dengan
time headway pada tiap jalan pendekat atau pada
masing-
masing jam puncak............................................................ 68
Tabel 4.20 Perhitungan nilai emp motorcycle dari semua pendekat.... 69
Tabel 4.21 Perhitungan nilai emp heavyvehicle dari semua pendekat. 70
Tabel 4.22 Perhitungan nilai emp motorcycle dari semua pendekat.... 69
Tabel 4.23 Perhitungan nilai emp heavyvehicle dari semua pendekat. 70
Tabel 4.24 Rekap nilai emp 74
.........c..o..m...m...i.t..t.o...u...s.e..r.................................
Tabel 4.25 Perhitungan Arus Lalu Lintas Berdasarkan Nilai emp
Dari MKJI 1997 ................................................................ 76
Dari Regresi Linier............................................................ 77
Dari Time Headway........................................................... 79
Tabel 4.28 Perhitungan Kapasitas Simpang Berdasarkan Nilai emp
MKJI 1997 ........................................................................ 82
Tabel 4.29 .. Perhitungan Kapasitas Simpang Berdasarkan Nilai emp
Regresi Linier .................................................................... 82
Time Headway................................................................... 83
Tabel 4.31 Perhitungan Kapasitas Simpang Berdasarkan Nilai emp
MKJI 1997 ....................................................................... 84
Regresi Linier .................................................................... 84
Time Headway................................................................... 85
Tabel 4.34 Perhitungan Tingkat Kinerja Simpang Berdasarkan Nilai
Emp MKJI 1997 ................................................................ 87
Emp Regresi Linier ........................................................... 87
Emp Time Headway .......................................................... 87
Tabel 4.37 Hasil Perhitungan Kapasitas dan Tingkat Kinerja
Simpang............................................................................. 88
commit to user
DAFTAR GAMBAR
Halaman
Gambar 1.1 Lokasi Pasar Nangka 2
....................................................
Gambar 2.1 Lebar Rata – rata pendekat 17
...........................................
Gambar 2.2 Jumlah Lajur dan Lebar Rata – rata Pendekat Jalan
Minor dan utama .......................................................... 18
Gambar 2.3 Faktor penyesuaian lebar pendekat (FW) ...................... 20
Gambar 2.4 Faktor penyesuaian belok kiri (FLT) ............................ 23
Gambar 2.5 Faktor Rasio Arus Minor.............................................. 24
Gambar 2.6 Tundaan Lalu lintas simpang vs Derajat Kejenuhan.... 25
Gambar 2.7 Tundaan Lalu lintas Jalan Utama vs Derajat
Kejenuhan.................................................................... 26
Gambar 2.8 Rentang peluang antrian (QP%) terhadap derajat
Kejenuhan (DS) 28
............................................................
Gambar 2.9 Time Headway antara pasangan – pasangan kendaraan 32
Gambar 3.1 Diagram Alir Penelitian................................................ 40
Gambar 3.2 Denah Perletakan Handycam 42
.......................................
Gambar 4.1 Penentuan jam puncak pagi 46
..........................................
Gambar 4.2 Penentuan jam puncak siang 46
........................................
Gambar 4.3 Penentuan jam puncak sore 46
..........................................
Gambar 4.4 Diagram pencar antara light vehicle dan motorcycle 54
...
Gambar 4.4 Diagram pencar antara light vehicle dan heavy 54
vehicle
commit to user
DAFTAR LAMPIRAN
LAMPIRAN A : Perhitungan Nilai emp dengan Metode Analisis Regresi
Linier
LAMPIRAN B : Perhitungan Nilai emp dengan Metode Rasio Headway
LAMPIRAN C : 1. Perhitungan Arus Lalu Lintas Simpang
2. Perhitungan Kapasitas Simpang
3. Perhitungan Tingkat Kinerja Simpang
LAMPIRAN D : Tabel Uji Statistik
LAMPIRAN E : Administrasi Skripsi
commit to user
DAFTAR NOTASI
A = Time headway antara kendaraan ringan dengan kendaraan ringan

yang berurutan
 = Kesalahan duga, dengan (1   ) merupaka tingkat kofidensi
B = Time headway antara kendaraan berat dengan kendaraan berat yang

berurutan
BKA = Batas kontrol atas
BKB = Batas kontrol bawah
b0 = Nilai emp untuk kendaraan ringan
b1 = Nilai emp untuk kendaraan berat
b2 = Nilai emp untuk sepeda motor
C = Time headway antara kendaraan berat dengan kendaraan ringan

yang berurutan
C = Kapasitas (Pada kinerja simpang)
CO = Kapasitas dasar
D = Time headway antara kendaraan ringan dengan kendaraan berat yang

berurutan
D = Tundaan simpang
DG = Tundaan geometrik simpang
DS = Derajat kejenuhan
DTI = Tundaan lalu lintas simpang
DTMA = Tundaan lalu lintas jalan utama
DTMI = Tundaan lalu lintas jacloamnmmitintooruser

e = Batas toleransi kesalahan
emp = Ekuivalensi Mobil Penumpang
E = Standar error
F = Faktor penyesuain kapasitas
FCS = Ukuran kota
FLT = faktor penyesuaian Belok kiri
FM = faktor penyesuaian tipe median jalan utama
FMI = faktor penyesuaian rasio arus jalan minor total
FRSU = faktor penyesuaian tipe hambatan samping
FRT = faktor penyesuaian Belok kanan
Fsmp = Faktor smp
FW = faktor penyesuaian lebar pendekat rata-rata (lebar masuk)
HV = Heavy vehicle
HVm = Jumlah kendaraan berat pada putaran m
K = Koefisien koreksi
LV = Light vehicle
LVm = Jumlah kendaraan ringan pada putaran m
MC = Motorcycle
MCm = Jumlah sepada motor pada putaran m
MKJI = Manual Kapasitas Jalan Indonesia
MV = Kendaraan tak bermotor total

commit to user
na = Jumlah data time headway kendaraan ringan diikuti kendaraan ringan
nb = Jumlah data time headway kendaraan berat diikuti kendaraan berat
nc = Jumlah data time headway kendaraan ringan diikuti kendaraan berat
nd = Jumlah data time headway kendaraan berat diikuti kendaraan ringan
n = Jumlah sampel
n-1 = Derajat kebebasan (degree of freedom)
n-2 = Derajat kebebasan (dk)
Qm = Besarnya arus (smp/jam) pada putaran m
r = Indeks korelasi
r = Nilai koefisien korelasi hasil perhitungan
R = Rentang
RJKres = Rata-rata jumlah kuadrat regresi b a

= Rata-rata jumlah kuadrat residu
RJKRe g b a 
s = Simpangan baku
s = Standar deviasi
smp = Satuan mobil penumpang
ta = Nilai rata-rata time headway kendaraan ringan diikuti kendaraan

ringan
tak = Nilai rata rata time headway LV-LV terkoreksi
tb = Nilai rata-rata time headway kendaraan berat diikuti kendaraan berat
tbk = Nilai rata rata time headway HV-HV terkoreksi
tc = Nilai rata-rata time headway kendaraan ringan diikuti kendaraan

commit to user
berat
tck = Nilai rata rata time headway LV-HV terkoreksi
td = Nilai rata-rata time headway kendaraan berat diikuti kendaraan

ringan
tdk = Nilai rata rata time headway HV-LV terkoreksi
UM = Kendaraan tak bermotor
X1 = Jumlah kendaraan berat pada putaran m
X2 = Jumlah sepeda motor pada putaran m
xi = Nilai time headway ke-i
x = Nilai rata-rata sampel time headway
2 = Batas keyakinan bawah nilai rata-rata
Y = Jumlah kendaraan ringan pada putaran m
1,2 = Batas-batas interval keyakinan
Q = Arus lalu lintas total
Qm = Besarnya arus (smp/jam) pada putaran m
QP% = Peluang antrian
commit to user
DAFTAR PUSTAKA
Anonim. 2005. Buku Pedoman Penulisan Tugas Akhir. Surakarta: Jurusan

Teknik Sipil Fakultas Teknik UNS
.1997. Manual Kapasitas Jalan Indonesia (MKJI) 1997. Jakarta :

Direktorat Jenderal Bina Marga Departemen Pekerjaan Umum RI
Achyani Agustina Pratiwi. 2009 Penentuan Nilai Ekuivalensi Mobil

Penumpang di Simpang Tak Bersinyal. Surakarta : Skripsi Jurusan Teknik
Sipil Fakultas Teknik Universitas Sebelas Maret Surakarta.
Andrita Dwijayanti. 2007. Validasi Nilai Ekuivalensi Mobil Penumpang

(EMP) di Simpang Bersinyal Dengan Manual Kapasitas Jalan Indonesia
1997. Surakarta : Skripsi Jurusan Teknik Sipil Fakultas Teknik Universitas
Sebelas Maret Surakarta.
Morlok Edward K, 1991, Pengantar Teknik dan Perencanaan Transportasi,

Penerbit Erlangga, Jakarta.
Oglesby, C.H. and Hick, R.G., 1982, Teknik Jalan Raya, Penerbit Erlangga,
Jakarta.
Putri Khoiriyah Utami. 2010. Penentuan Nilai Ekuivalensi Mobil Penumpang

Pada Bundaran. Surakarta: Skripsi Jurusan Teknik Sipil Fakultas Teknik
Universitas Sebelas Maret Surakarta
Rismawan Andrianto. 2006. Studi Kinerja Simpang Tidak Bersinyal.

Surakarta : Skripsi Jurusan Teknik Sipil Fakultas Teknik Universitas Sebelas
Maret Surakarta
Sudjana. 2002. Metoda Statistik, Penerbit Tarsito, Bandung
Taylor , MA.P., Young, W ., and Bonsall, Peter W. 1996.

Understanding Traffic Systems, Data Analysis and Presentation.
Avebury technical.
commit to user
perpustakaan.uns.ac.id digilib.uns.a8c0.i
d
BAB I
PENDAHULUAN
1.1 Latar Belakang Masalah
Dewasa ini, sering terjadi permasalahan lalu lintas khususnya daerah simpang.
Permasalahan ini disebabkan oleh semakin meningkatnya mobilitas penduduk
yang tidak berimbang dengan perkembangan sarana dan prasarana lalulintas.
Untuk itu, diperlukan manajemen lalu lintas yang tepat untuk mengatasi
permasalahan lalu lintas tersebut.
Parameter yang digunakan untuk menentukan manajemen lalu lintas yang tepat
untuk mengatasi permasalahan transportasi saat ini adalah dengan perhitungan
kinerja simpang. Dalam perhitungan kinerja simpang, salah satu faktor yang
berpengaruh adalah nilai emp. Nilai emp merupakan faktor konversi kendaraan
menjadi satuan mobil kendaraan. Indonesia telah memiliki standar nilai emp yaitu
standar nilai emp berdasarkan MKJI 1997. MKJI dibuat pada tahun 1997 dengan
kondisi lalu lintas sesuai pada tahun tersebut. Namun, pada kenyataannya kondisi
tahun 1997 diduga tidak relevan dengan kondisi saat ini. Pada tahun 1997 jumlah
motorcycle pada simpang 4 lengan diketahui sebesar 33%. Jumlah tersebut jelas
tidak sesuai dengan jumlah motorcycle pada saat ini yang mencapai lebih dari
60% dari jumlah kendaraan yang melintas di jalan raya. Hal tersebut membuat
penulis tertarik untuk mengetahui apakah nilai emp berdasarkan MKJI 1997
masih sesuai bila digunakan untuk saat ini.
Sejauh ini telah banyak dilakukan penelitian untuk mendapatkan nilai emp.
Metode yang dapat digunakan untuk mendapatkan nilai emp yaitu metode semi
empiris, metode Walker’s, metode headway, regresi linier, koefisien homogenic,
dan metode simulasi. Metode yang akan digunakan dalam penelitian ini adalah
Metode Headway dan Analisis Regresi Linier. Pada metode regresi linier tidak
terpengaruh dan tidak terdeteksi adanya spacing, yaitu jarak antara kendaraan
yang berurutan di dalam arus lalucloinmtamsi.tMtoaukaseargar nilai emp lebih
logic didekati
perpustakaan.uns.ac.id digilib.uns.ac2.id
dengan metode rasio headway dimana pada metode ini terjadinya spacing dapat
terdeteksi. Metode perhitungan emp dengan regresi linier dan rasio time headway
juga pernah dilakukan sebelumnya yaitu oleh Achyani Agustina Pratiwi di lokasi
Jalan Kapt. Mulyadi-Jalan Mayor Kusmanto dan simpang Jalan dr. Radjiman-
Jalan dr. Wahidin dan Putri Khoiriyah Utami di lokasi bundaran Joglo.
Emp yang diperoleh dari perhitungan nanti akan dipergunakan untuk menghitung
kinerja simpang di lokasi Pasar Nangka. Dengan maksud untuk mengetahui
seberapa besar perbedaan kinerja simpang Pasar Nangka berdasarkan observasi
emp dari metode regresi linier dan rasio time headway dengan emp dari MKJI
1997. Perhitungan kinerja simpang akan dilakukan sesuai dengan standar
perhitungan MKJI 1997.
Lokasi penelitian untuk perhitungan emp ini adalah simpang Pasar Nangka.
Lokasi ini terletak di kota Surakarta yang merupakan simpang empat tak
bersinyal, dimana pada saat jam puncak dan saat pintu perlintasan di tutup, terjadi
antrian kendaraan yang cukup panjang di lengan utamanya. Lokasi simpang
tersebut dapat dilihat pada gambar 1.1.
Gambar 1.1 Lokasi Pasar Nangka

commit to user
1.2 Rumusan Masalah
Dari latar belakang masalah yang telah diuraikan di atas, maka dapat dibuat
perumusan masalah yaitu :
1. Bagaimana menghitung emp dengan menggunakan metode rasio headway,
analisis regresi linier ?
2. Bagaimana menghitung kinerja simpang tak bersinyal berdasarkan metode
MKJI 1997 dengan menggunakan observasi nilai emp metode rasio headway,
nilai emp analisis regresi linier dan nilai emp MKJI 1997?
1.3 Batasan Masalah
Masalah yang dibahas dalam penulisan skripsi ini dibatasi pada :

1. Lokasi studi adalah simpang perlintasan kereta api Pasar Nangka di Surakarta.
2. Kinerja simpang tak bersinyal dihitung berdasarkan MKJI 1997.
3. Penelitian dilakukan pada saat jam sibuk berdasarkan survei pendahuluan.
4. Jenis kendaraan yang ditinjau yaitu semua jenis kendaraan bermotor dan tidak
bermotor.
5. Data arus lalu lintas diambil pada hari Senin pukul 06.00 – 08.00 WIB, pukul
11.30 – 13.30 WIB, pukul 16.00 – 18.00 WIB.
6. Metode perhitungan nilai emp dengan rasio headway dan analisis regresi
linier.
1.4 Tujuan Penelitian

Tujuan dari penulisan skripsi ini adalah
1. Untuk mengetahui nilai emp pada simpang tak bersinyal di daerah Pasar
Nangka.
2. Untuk mengetahui dan membandingkan kinerja simpang tak bersinyal Pasar
Nangka dengan nilai emp yang berbeda.
1.5 Manfaat Penelitian
Manfaat dari hasil penelitian ini adalah :

1. Manfaat teoritis
a. Memperluas wawasan dan pengetahuan tentang cara menghitung
kinerja simpang berdasarkan data-data yang diperoleh di lapangan.
b. Menerapkan dan meningkatkan pemahaman ilmu yang diperoleh di
bangku kuliah.
2. Manfaat praktis
Memberikan informasi tentang bagaimana cara menghitung tingkat kinerja
simpang tak bersinyal menggunakan MKJI 1997 dengan nilai emp yang
bervariasi.
BAB II
LANDASAN TEORI
2.1 Tinjauan Pustaka
Simpang dibedakan menjadi dua jenis yaitu simpang jalan tak bersinyal dan
simpang jalan dengan sinyal. Sinyal disini adalah lampu lalu – lintas (traffic
lights). Pada simpang tak bersinyal, para pemakai jalan memutuskan sendiri
apakah mereka cukup aman untuk langsung melewati atau harus berhenti dahulu
sebelum melewati simpang tersebut. Sedangkan yang bersinyal, para pemakai
jalan harus mematuhi lampu lalu – lintas, yaitu bila menunjukan warna hijau
berarti boleh melewati, warna merah berarti harus berhenti, dan warna kuning
boleh melewati tetapi harus hati – hati dan siap untuk berhenti. (Morlock,
E.K.1995, 240)
Pengaruh dari kendaraan tidak bermotor itu berbeda pada simpang tak bersinyal
dan simpang bersinyal. Karena perbedaan inilah diperlukan adanya ekuivalensi
yang berbeda pula antara simpang tak bersinyal dan simpang bersinyal. Kecepatan
rata-rata mobil penumpang di arus dasar dan arus campuran dihitung dari data
pengamatan di lapangan. Kendaraan tak bermotor memberi dampak yang cukup
signifikan pada kecepatan rata-rata mobil penumpang pada arus campuran.
(Nakamura Fumihiko, 2006)
Simpang merupakan bagian yang tidak terpisahkan dari jaringan jalan. Di

daerah perkotaan biasanya banyak memiliki simpang, dimana pengemudi harus
memutuskan untuk berjalan lurus atau berbelok dan pindah jalan untuk
mencapai satu tujuan. Simpang dapat didefenisikan sebagai daerah umum
dimana dua jalan atau lebih bergabung atau bersimpangan, termasuk jalan dan
fasilitas tepi jalan untuk pergerakan lalulintas di dalamnya (Khisty, 2005).
Parameter paling penting dalam perencanaan, perancangan dan pengaturan

simpang adalah arus, kehilangancomwmakittutoduasnersatuan mobil
penumpang (smp).
Faktor tersebut merupakan patokan umum pada kebanyakan Negara dalam
mencari kinerja simpang dan pada jalan umum ketika keadaan lalulintas dipenuhi
dengan pergerakan kendaraan. (Hadiuzzaman, 2008)
Tundaan adalah tambahan waktu yang dibutuhkan kendaraan untuk nilai

membandingkan simpang dengan nilai jalan tanpa simpang. Simpang atau
pertemuan dua bagian jalur transportasi, dalam keadaan ini antara jalur jalan raya
dan rel kereta api sering menyebabkan terjadinya waktu tunda. Dalam keadaan ini,
beberapa simpang berdekatan dengan rel kereta api diatur dengan palang pintu
otomatis. Permasalahannya adalah ketika palang pintu ditutup volume kendaraan
melebihi batas, hal ini berpotensi untuk terjadinya waktu tunda dan antrian
kendaraan yang panjang. (Andy Saiful Amal, 2002)
Besar nilai emp untuk ruas jalan berbeda dengan nilai emp untuk simpang. Nilai
emp mempengaruhi kinerja dari sebuah ruas jalan atau suatu simpang. Oleh
karena itu, agar kebijakan yang diambil dalam rangka mengatasi sebuah masalah
sesuai dengan kondisi lapangan maka dibutuhkan suatu nilai emp yang sesuai
dengan keadaan jalan yang sebenarnya.(Rosma Indriyani, 2007)
Penelitian untuk menentukan nilai emp pernah dilakukan oleh beberapa peneliti.
Baik diruas jalan maupun simpang. Termasuk diantaranya untuk menentukan nilai
emp suatu ruas jalan ataupun simpang. Nilai emp dari beberapa peneliti terdahulu
dapat dilihat pada tabel 2.1.
Tabel 2.1 Nilai emp untuk simpang tak bersinyal
No Jenis Kendaraan Nilai emp
MKJI Achyani Agustina Putri Khoriyah
1997 Pratiwi Utami
Regresi Time Regresi Time
Linier Headway Linier Headway
1 Kendaraan ringan 1.0 1.0 1.0 1.0 1.0
2 Sepeda Motor 0.5 0.30-0.41 0.23-0.48 0.17 0.44
3 Kendaraan berat 1.5 1.10-1.35 1.10-1.20 1.47 1.58
Metode yang digunakan pada penelitian ini menggunakan metode yang sama
dengan penelitian yang dilakukan sebelumnya oleh Achyani Agustina Pratiwi
dan Putri Khoiriyah Utami, yaitu Metode Analisis Regresi Linier dan Metode
Rasio Headway, perbedaannya terletak pada pemilihan jenis dan lokasi simpang,
jenis kendaraan yang dicari nilai emp-nya dan kinerja simpang-nya.
2.2 Dasar Teori
2.2.1. Simpang
Simpang merupakan pertemuan dari ruas – ruas jalan yang berfungsi untuk
melakukan perubahan arus lalulintas. Pada dasarnya persimpangan adalah bagian
terpenting dari sistem jaringan jalan, yang secara umum kapasitas persimpangan
dapat dikontrol dengan mengendalikan volume lalulintas dalam sistem jaringan
tersebut. Pada prinsipnya persimpangan adalah pertemua dua atau lebih jaringan
jalan. Pada umumnya terdapat empat macam pola dasar pergerakan lalulintas
kendaraan berpotensi menimbulkan konflik, yaitu : merging (bergabung dengan
jalan utama), diverging (berpisah arah dari jalan utama), weaving (terjadi
perpindahan jalur/jalinan), crossing (terjadi perpotongan dengan kendaraan dari
jalan lain).
Secara umum terdapat 3 (tiga) jenis persimpangan, yaitu : simpang sebidang,
pemisah jalur jalan tanpa ramp, dan interchange (simpang susun). Simpang
sebidang (intersection at grade) adalah simpang dimana dua jalan atau lebih
bergabung, dengan tiap jalan mengarah keluar dari sebuah simpang dan
membentuk bagian darinya. Jalan-jalan ini disebut kaki simpang/lengan simpang
atau pendekat. Dalam perancangan persimpangan sebidang, perlu
mempertimbangkan elemen dasar yaitu :
1. Faktor manusia, seperti kebiasaan mengemudi, waktu pengambilan

keputusan,
dan waktu reaksi.
2. Pertimbangan lalu lintas, seperti kapasitas, pergerakan berbelok, kecepatan
kendaraan, ukuran kendaraan, dan penyebaran kendaraan.
3. Elemen fisik, seperti jarak pandang, dan fitur-fitur geometrik.
4. Faktor ekonomi, seperti konsumsi bahan bakar, nilai waktu.
Berdasarkan pengaturan lalu – lintas pada simpang, dibedakan menjadi 2 jenis,

yaitu :
1. Simpang bersinyal
Pada simpang jenis ini, arus kendaraan yang memasuki persimpangan diatur
secar bargantian untuk mendapatkan prioritas dengan berjalan terlabih dahulu
yang dikendalikan oleh lampu lalu – lintas (Traffic Light).
2. Simpang tak bersinyal
Pada simpang tak bersinyal berlaku aturan yang disebut “General Priority
Rute” yaitu kendaraan yang terlebih dahulu berada di persimpangan
mempunyai hak untuk berjalan terkebih dahulu daripada kendaraan yang akan
memasuki persimpangan.
Simpang tak bersinyal dikategorikan menjadi :

a. Simpang tanpa pengontrol.
Pada simpang ini tidak terdapat hak berjalan (right of way) terlebih dahulu
yang diberikan pada suatu jalan dari simpang tersebut. Bentuk simpang ini
cocok pada simpang yang mempunyai arus lalu – lintas rendah.
b. Simpang dengan prioritas

Simpang dengan prioritas member hak yang lebih kepada suatu jalan yang
spesifik. Bentuk operasi ini dilakukan pada simpang dengan arus yang
berbeda dan pada pendekat jalan yang mempunyai arus yang lebih rendah
sebaiknya dipasang rambu.
c. Persimpangan dengan pembagian ruang
Simpang jenis ini memberikan prioritas yang sama dan gerakan yang
berkesinambungan terhadap semua kendaraan yang berasal dari masing –
masing lengan. Arus kendaraan saling berjalan pada kecepatan relatif rendah
dan dapat melewati persimpangan tanpa harus berhenti. Pengendalian
simpang pada jenis ini umumnya diberlakukan dengan operasi bundaran.
2.2.2 Karakteristik Lalu Lintas
Menurut Manual Kapasitas Jalan Indonesia, 1997 arus lalu lintas yaitu jumlah
kendaraan bermotor yang melewati suatu titik pada jalan persatuan waktu,
dinyatakan dalam kendaraan/jam (Qkend), smp/jam (Qsmp) atau LHRT
(Lalulintas Harian Rata-rata Tahunan).
Arus lalu lintas yaitu jumlah kendaraan yang melintas pada suatu titik dan pada
suatu jalur gerak dalam satu satuan waktu. (Morlok Edward K, 1985).
Karakteristik dasar arus lalu intas digolongkan menjadi dua kategori, yaitu :
1. Makroskopis
Arus lalulintas secara makroskopis merupakan suatu karakteristik secara
keseluruhan dalam suatu lalu lintas yang dapat digambarkan dengan 4 parameter,
yaitu :
a. Karakteristik Volume Lalu Lintas (flow volume)
Volume lalu lintas adalah jumlah kendaraan (mobil penumpang) yang melalui
suatu titik tiap satuan waktu. Kebutuhan pemakaian jalan akan selalu berubah
berdasarkan waktu dan ruang.
b. Kecepatan
Kecepatan menentukan jarak yang dijalani pengemudi kendaraan dalam
waktu tertentu. Pemakai jalan dapat menaikan kecepatan untuk
it to user
memperpendek waktu
c o m m
perjala n a n .
d
c. Kerapatan
Kerapatan adalah jumlah kendaraan yang menempati panjang ruas jalan
tertentu atau lajur yang umumnya dinyatakan sebagai jumlah kendaraan tiap
kilometer.
d. Derajat Kejenuhan
Derajat kejenuhan adalah perbandingan dari volume (nilai arus) lalu lintas
terhadap kapasitasnya atau rasio dari arus lalulintas terhadap kapasitas untuk
suatu pendekat.
2. Mikroskopis
Arus lalu lintas secara mikroskopis merupakan suatu karakteristik secara
individual dari kendaraan yang meliputi headway dan spacing.
a. Time headway merupakan salah satu variable dasar yang digunakan untuk
menjelaskan pergerakan lalu lintas. Time headway adalah interval waktu
antara dua kendaraan yang melintasi suatu titik pengamatan pada jalan raya
secara berurutan dalam arus lalu lintas. Pengukuran dilakukan dari bumper
depan ke bumper depan kendaraan yang berurutan. Data headway diukur
dengan memakai stopwatch.
b. Spacing didefinisikan sebagai jarak antara kendaraan yang berurutan di dalam

arus lalu lintas, yang dihitung dari muka kendaraan yang satu dengan muka
kendaraan dibelakangnya (meter/kendaraan). Data Spacing diperoleh dengan
survei dari foto udara.
Volume lalu lintas tergantung pada time headway, demikian berlaku pula
sebaliknya. Jika arus lalu lintas mencapai maksimum, maka time headway akan
mencapai minimum dan jika volume mengecil, time headway akan mencapai
maksimum.
2.2.3 Karakteristik Kendaraan
Karakteristik kendaraan berdasarkan fisiknya dibedakan berdasarkan pada

dimensi, berat dan kinerja. Dimensi kendaraan mempengaruhi : lebar lajur lalu
lintas, lebar bahu jalan yang diperkeras, panjang dan lebar ruang parkir. Dimensi
commit to user
kendaraan adalah : lebar, panjang, tinggi, radius putaran dan daya angkut dapat
perpustakaan.uns.ac.id digilib.uns.a1c1.
id
dilihat pada tabel 2.2.

Tabel 2.2. Tabel Klasifikasi Kendaraan
Klasifikasi Definisi Jenis – jenis Kendaraan
Kendaraan
Kendaraan Kendaraan ringan (LV = Mobil pribadi, mikrobis,
Ringan Light Vahicle) oplet, pick-up, truk kecil,
Kendaraan bermotor dua as angkutan penumpang
beroda empat dengan jarak as 2 dengan jumlah penumpang
– 3 m. maksimum 10 orang
termasuk pengemudi.
Kendaraan Kendaraan umum (HV = Bus, truk 2 as, truk 3 as dan
Umum Heavy Vehicle) truk kombinasi sesuai
Kendaraan bermotor dengan system klasifikasi Bina
lebih dari empat roda. Marga, angkutan
penumpang dengan jumlah
tempat duduk 20 buah
termasuk pengemudi.
Sepeda Motor Sepeda motor (motorcycle) Sepeda motor dan
kendaraan bermotor dengan kendaraan beroda tiga
dua atau tiga roda. sesuai sistem klasifikasi
Bina Marga.
Sumber : MKJI 1997
2.3 Pengertian emp
Ekuivalensi mobil penumpang yaitu faktor yang menunjukkan pengaruh berbagai

tipe kendaraan dibandingkan kendaraan ringan lainnya sehubungan dengan
pengaruhnya terhadap kecepatan, kemudahan bermanufer, dan dimensi kendaraan
ringan dalam arus lalulintas. (untuk mobil penumpang dan kendaraan ringan yang
sasisnya mirip; emp = 1,0).
2.4 Perhitungan emp

commit to user
2.4.1 Analisis Regresi Linier
Terdapat hubungan linier antara kendaraan satu dengan kendaraan yang lain
sehingga terjadi interaksi peka antara kecepatan dan kerapatan dan kerapatan dan
keduanya berasal dari arus yang dapat dihitung.
Perhitungan arus dari kendaraan dilakukan secara manual pada periode waktu
yang ditetapkan.
Qm = pcuLV*LVm+pcuHV*HVm+pcuMC*MCm..............................................(2.1)
(MAP Taylor, 1996)
Dengan :
Qm = besarnya arus (smp/jam) pada putaran m
LVm = jumlah Light Vehicle pada putaran m
HVm = jumlah Heavy Vehicle pada putaran m
MCm = jumlah Motorcycle pada putaran m
Jika nilai emp untuk LV=1, maka persamaan 2.14 dapat dinyatakan sebagai
berikut :
LV = Qm - pcuHV*HVm - pcuMC*MCm....................................................... (2.2)
(MAP Taylor, 1996)
Dengan persamaan di atas didapatkan m persamaan yang dapat digunakan untuk
menentukan nilai pcuHV dan pcuMC.
Setiap jenis kendaraan memiliki pengaruh masing – masing terhadap jenis
kendaraan lainnya, maka perhitungan menggunakan analisis regresi linier
sederhana. Dengan bentuk umum sebagai berikut :
Y = b0 + b1X1...................................................................................(2.3)
Y = b0 +b2X2....................................................................................(2.4)
Dengan :
Y = Jumlah Light Vehicle pada putaran m
X1 = Jumlah Motorcycle pada putaran m
X2 = Jumlah Heavy Vehicle pada putaran m
bo = Nilai emp untuk Light
Vehicle b1 = Nilai emp untuk
Motorcycle
b2 = Nilai emp untuk Heavy Vehicle
id
Variabel – variabel dari persamaan 2.3 dan persamaan 2.4 terdiri dari satu variable
bebas yaitu Y, dan dua variabel terikat yaitu b1 dan b2.
Penelitian menggunakan regresi linier seringkali dipakai untuk mengetahui bentuk
hubungan antara variable dependen dan variable independen terutama untuk
menelusuri pola hubungan yang modelnya belum diketahui dengan sempurna,
atau untuk mengetahui bagaimana variasi dari beberapa variable independen
mempengaruhi variable dependen.
Estimasi kuadrat terkecil untuk parameter βo, β1, ,βp adalah harga-harga bo,
b1,......, bp dengan persamaan normal sebagai berikut :
nbo + b1∑X1i + b2∑ X2i+......+bp ∑Xpi = ∑Yi
bo∑X1i + b1∑X1i 2+ b2∑X1i ∑ X2i +.....+ bp ∑X1i ∑Xpi = ∑X1i Yi
bo∑Xpi + bp ∑X1i ∑Xpi + b2i ∑X2i ∑Xpi + ... + bp ∑X p 2 = ∑Xpi Yi................(2.5)
i
Persamaan regresi linier terdiri dari satu variabel terikat dan satu variabel bebas,
maka sesuai persamaan diatas diperoleh :
nbo + b1∑X1i = ∑Y.....................................................................................(2.6)
bo∑X1i + b1∑X1i 2= ∑X1i Yi.........................................................................(2.7)
Koefisien regresi linier bo dan b1 dapat diperoleh dengan menyelesaikan

persamaan 2.18 dan 2.19, yaitu dengan cara :
Y *  X 2   X *  XY
b0  .............................................................(2.8)
n *  X  ( X )
2 2
n *  XY   X  Y
b0  ........................................................................(2.9)
n *  X 2  ( X
)2
Hubungan antara variable independen terhadap variable dependen dapat dilihat

dengan menghitung nilai korelasi. Tinggi – rendah, kuat – lemah, atau besar –
kecilnya suatu korelasi dapat diketahui dengan melihat besar kecilnya suatu
koefisien yang disebut angka indeks korelasi yang disimbolkan dengan r.
Nilai koefisien korelasi di dapat dari :
n *  xy   x y
r
x 2
2
 (2.10)
n x y ...................................................
y
 
n
2 
id
Dengan :
r = indeks korelasi
Harga r berkisar antara -1<0<+1, jika harga r = -1 menyatakan korelasi antara

kedua variabel tersebut negatif dan arah korelasi berlawanan arah yang artinya
terdapat pengaruh negatif antara variable bebas yaitu jika variable x1 yang besar
berpasangan dengan y yang kecil, ataupun sebaliknya.
Harga r = +1, menyatakan korelasi antara kedua variable tersebut positif dan arah
korelasi satu arah yang artinya terdapat pengaruh positif antara variable bebas
yaitu jika variable x1 yang besar berpasangan dengan y yang besar juga.
Untuk melihat keberartian koefisien korelasi dilakukan dengan uji t (t student)
dengan langkah pengujian hipotesisnya :
n2
thitungan  ......................................................................................(2.11)
1 2
r r
t  1   / 2dk 
tabe
l
Dengan :
n = jumlah sampel
r = nilai koefisien korelasi hasil perhitungan
α = kesalahan duga, dengan (1-α) merupakan tingkat konfidensi
n–2 = derajat kebebasan (dk)
nilai uji t hitungan yang dapat dibandingkan terhadap nilai t tabel, jika nilai uji t hitungan
≥t tabel maka dapat disimpulkan bahwa terdapat hubungan anatara variable x dan
variabel y.
Uji Regresi Linier
Untuk memastikan apakah persamaan regresi linier yang terbentuk bisa diterima
atau tidak, maka persamaan tersebut diuji dengan menggunakan uji statistik F
yang ditentukan oleh :
RJKreg b / a ..........................................................................................................................
F (2.12)
RJKres
commit to user
id
  x y 
b  xy  n 
 ............................
F (2.13)
   x y    y 2  
 y2  b xy  / n  2

  
n  n  
   

Dengan :
RJK res = rata – rata jumlah kadrat residu b/a
RJK reg (b/a) = rata – rata jumlah kuadrat regresi b/a
n = jumlah data
Sifat dari pengujian ini adalah dapat diterima apabila harga F > Fα (n-p-1) atau F
< - Fα(n-p-1) diperoleh dari tabel distribusi F.
2.4.2 Metode Rasio Headway
Dalam bukunya yang berjudul “Highway traffic analysis and Desing”, R.J. Salter
menerangkan cara menentukan nilai ekuivalensi mobil penumpang (emp). Nilai
emp didapat dengan mencatat waktu antara (time headway) antara kendaraan yang
berurutan pada saat kendaraan – kendaraan tersebut melewati suatu titik yang
telah ditentukan.
Rasio headway yang diperlukan mencakup 4 macam kombinasi kendaraan, yaitu :
1. LV diikuti LV
2. LV diikuti HV
3. HV diikuti LV
4. HV diikuti HV
Untuk lebih jelasnya dapat dilihat pada Gambar 2.9. berikut :
L LH HH LL H
A B C D
Gambar 2.9. Time Headway antara pasangan-pasangan kendaraan

commit to user
Dengan :
LV = Light Vehicle/ kendaraan ringan.
HV = Heavy Vehicle/ kendaraan berat.
A = Time headway antara Light Vehicle dengan Light Vehicle yang
berurutan.
B = Time headway antara Heavy Vehicle dengan Heavy Vehicle yang
berurutan.
C = Time headway antara Light Vehicle dengan Heavy Vehicle yang
berurutan.
D = Time headway antara Heavy Vehicle dengan Light Vehicle yang
berurutan.
Nilai emp Heavy Vehicle dihitung dengan cara membagi nilai rata-rata time
headway Heavy Vehicle diikuti Heavy Vehicle dengan nilai rata-rata time
headway Light Vehicle diikuti Light Vehicle. Hasil ini benar apabila time headway
Heavy Vehicle tidak tergantung pada kendaraan yang mendahuluinya maupun
kendaraan yang mengikutinya. Kondisi ini didapat jika jumlah rata-rata time
headway Light Vehicle diikuti Light Vehicle ditambah dengan nilai rata-rata time
headway Heavy Vehicle diikuti Heavy Vehicle sama dengan jumlah dari nilai rata-
rata time headway Light Vehicle diikuti Heavy Vehicle ditambah dengan nilai rata-
rata time headway Heavy Vehicle diikuti Light Vehicle.
Hal tersebut dapat ditulis dengan sebuah persamaan sebagai berikut:

ta + tb = tc +td….........................................................................................(2.14)
(R.J. Salter, 1980)
Dengan:
ta : Nilai rata-rata time headway Light Vehicle diikuti Light Vehicle
tb : Nilai rata-rata time headway Heavy Vehicle diikuti Heavy
Vehicle tc : Nilai rata-rata time headway Light Vehicle diikuti Heavy
Vehicle td : Nilai rata-rata time headway Heavy Vehicle diikuti Light
Vehicle
Keadaan yang dapat memenuhi persamaan diatas sulit diperoleh, karena setiap
kendaraan mempunyai karakteristik yang berbeda-beda. Demikian juga
pengemudi memiliki kemampuan dan tingkat observasi yang berbeda-beda dalam
menjalankan kendaraannya. Oleh karena itu diperlukan suatu koreksi pada nilai
rata-rata time headway yang dapat dilakukan dengan persamaan sebagai berikut :
Nilai tersebut adalah :
 k   k   k   k 
 ta   tb   tc   td  ......................................(2.15)
 na   nb    nc    nd

(R.J Salter, 1980)
Dengan nilai koreksi k

na.nb.nc.nd.[ta  tb  tc  td ]
k..................................................................................................................
 (2.16)
nb.nc.nd  na.nc.nd  na.nb.nd  na.nb.nc
(R.J Salter, 1980)
Dengan :
na = jumlah data time headway Light Vehicle dikuti Light Vehicle
nb = jumlah data time headway Heavy Vehicle dikuti Heavy
Vehicle nc = jumlah data time headway Light Vehicle dikuti Heavy
Vehicle nd = jumlah data time headway Heavy Vehicle dikuti Light
Vehicle
Selanjutnya nilai rata – rata time headway pasangan kendaraan tersebut dikoreksi
sebagai berikut :
tak = ta k................................................................................. (2.17a)

na
tbk = k................................................................................. (2.17b)
ta nb
k..............................................................................
tck = ta - (2.17c)
nc
k...............................................................................
tdk = ta - (2.17d)
nd
Selanjutnya nilai rata – rata time headway yang sudah dikoreksi tersebut, maka :
tak + tbk = tck + tdk............................................................... (2.18)
(R.J Salter, 1980)
Dengan :
tak = Nilai rata-rata time headway LV-LV terkoreksi
tbk = Nilai rata-rata time headway HV-HV terkoreksi
tck = Nilai rata-rata time headway LV-HV terkoreksi
tdk = Nilai rata-rata time headway HV-LV terkoreksi
Apabila persyaratan tersebut memenuhi syarat, maka nilai ekivalensi mobil
penumpang Heavy Vehicle dapat dihitung dengan persamaan :
emp Heavy Vehicle (HV) tbk..........................................................................

(2.19)
tak
= (R.J Salter, 1980)
Tinjauan Statistik Rasio Headway
Interaksi elemen-elemen hasil pengamatan arus lalu lintas jalan raya seperti
perilaku pengemudi nilainya tetapi mempunyai kecendrungan tersebar dalam
suatu batas nilai, kinerja kendaraan, kondisi jalan dan cuaca tidak pernah tepat
tertentu. Untuk itu penggunaan teori-teori peluang diperlukan untuk dapat
menggambarkan dan memperoleh nilai dalam analitis arus lalu lintas. Sebaran
statistik berguna untuk menggambarkan segala kemungkinan fenomena yang
mempunyai nilai secara acak yang besar. Dalam penelitian ini digunakan
distribusi normal disebut distribusi t.
Distribusi normal (kurva normal) disebut juga Distribusi Gaussian. Distribusi

normal adalah salah satu distribusi teoritis dengan variable random kontinyu.
Untuk sejumlah sampel yang dianggap berdistribusi normal maka nilai rata-rata
(mean) dianggap sebagai x dan varians dinyatakan*. Distribusi normal ini
digunakan bila jumlah sampel lebih besar atau sama dengan 30 (n>30).
Karena sampel dipilih secara acak, maka dimungkinkan adanya suatu kesalahan
standar deviasi dari distribusi ini dapat dinyatakan sebagai standard error (E).
selanjutnya dapat dihitung :
Standard deviasi
 1 n 2

 (n  1) i1

s .........................................................................................................
(xi  x)  (2.20)

Standar error
..............................................................................................
E=s/n1/2 (2.21)
Dengan :
n = Jumlah sampel
xi = Nilai time headway ke-1
S = Standar deviasi
E = Standar error
Untuk perkiraan nilai rata-rata time headway seluruh pasangan kendaraan (µ)
dapat disesuaikan dengan tingkat konfidensi atau keyakinan yang diinginkan
(desired level of confidence). Perkiraan ini terletak dalam suatu interval yang
disebut interval keyakinan (confidence interval) yang mempunyai batas toleransi
kesalahan sebesar e, dengan.
e = K . E...........................................................................................(2.22)
Nilai rata-rata time headway :

µ 2 = x ± e.............................................................................................(2.23)
µ2 = Batas keyakinan bawah nilai rata-rata
e = Batas toleransi kesalahan
d
Jika sampel random lebih kecil dari 30 (n<30), maka perkiraan rata-rata time
headway pasangan kendaraan secara keseluruhan sebaiknya dilakukan dengan
distribusi t atau disebut juga distribusi student.
Perkiraan ini rata-rata time headway seluruh pasangan kendaraan dapat ditulis
sebagai berikut :
1/2
µ1,2 = x ±t (a/2-1)s/n ………………………………..............(2.24)
Dengan :
µ1,2 = Batas-batas interval keyakinan
x = Nilai rata-rata sampel
S = Standar deviasi
n = Jumlah sampel
α = Kesalahan duga, dengan (1-α) merupakan tingkat konfidensi
2.5 Kinerja Simpang Tak Bersinyal
Kinerja simpang adalah suatu kondisi pada simpang yang harus dicari untuk
mengetahui tingkat pencapaian simpang tersebut. Parameter yang harus dicari
untuk mengetahui kinerja simpang adalah rasio antara kapasitas (Capacity/C) dan
arus lalu-lintas yang ada (Q). Dari rasio kapasitas dan arus akan diperoleh angka
derajat kejenuhan (Degree of saturation/DS). Dengan nilai derajat kejenuhan (DS)
dan nilai kapasitas (C), dapat dihitung tingkat kinerja dari masing-masing
pendekat maupun tingkat kinerja simpang secara keseluruhan. Adapun tingkat
kinerja yang diukur pada Manual Kapasitas Jalan Indonesia 1997 adalah tundaan
(Delays/D) dan peluang antrian.
2.6 Analisis Kinerja Simpang Tidak Bersinyal dengan Metode MKJI 1997
2.6.1 Data Masukan
1. Data Geometri
Data geometri yang dibutuhkan untuk membantu menganalisis simpang tak
bersinyal sesuai dengan ketentuan MKJI 1997 diantaranya adalah :
c o m m it to u s e r
a. Denah dan posisi dari pen d e ka ta n – p e n dekatan, pulau – pulau lalu lintas,
id
marka lajur, marka panah

b. Sketsa simpang, yang memuat nama jalan
c. Kereb, lebar jalur, bahu dan median
2. Kondisi Arus Lalulintas

Data arus lalulintas dapat digunakan untuk menganalisis jam puncak pagi, jam
puncak siang, jam puncak sore, dan jam lewat puncak. Data pergerakan lalulintas
yang dibutuhkan yaitu volume dan arah gerakan lalulintas pada saat jam sibuk.
Arus lalulintas diberikan dalam kenda/jam, jika arus diberikan dalam LHRT
(Lalulintas Harian Rata – rata Tahunan) maka harus disertakan factor – k untuk
menjadi arus per jam.
Klasifikasi kendaraan untuk mengkonversikan kendaraan ke dalam bentuk satuan

mobil penumpang (smp) per jam. Smp merupakan satuan arus lalulintas dari
berbagai tipe kendaraan yang diubah menjadi kendaraan ringan (termasuk mobil
penumpang) dengan menggunakan faktor emp. Untuk mendapatkan nilai smp
diperlukan faktor konversi emp. Perhitungan arus lalulintas dalam satuan mobil
penumpang (smp) ditentukan sebagai berikut :
(1) Jika data arus lalulintas (kend/jam) klasifikasi per jam tersedia untuk
masing – masing kendaraan. Maka arus lalulintas dikonversikan ke
dalam satuan smp/jam dengan mengalikan emp untuk masing – masing
klasifikasi kendaraan.
(2) Jika data arus lalulintas per jam (bukan klasifikasi) tersedia untuk
masing – masing kendaraan, beserta informasi tentang komposisi
lalulintas keseluruhan ke dalam %. Untuk mendapatkan arus total
(smp/jam) masing – masing pergerakan dengan mengalikan arus
(kend/jam) dengan Fsmp.
Fsmp empLV * LV %  empHV * HV %  empMC * MC%

 100 ………(2.25)
(Sumber : MKJI,1997)
(3) Jika data arus lalulintas tersedia dalam LHRT (Lalulintas Harian Rata –
rata Tahunan), maka aru s la lu li n ta s y ang diberikan dalam

c om m it t o u se r
LHRT harus
id
dikonversikan ke dalam satuan kend/jam dengan mengalikan terhadap

factor-k :
QDH = k*LHRT...............................................................................(2.26)
(Sumber, MKJI 1997)
Arus dalam kend/jam dikonversikan dengan factor-smp (Fsmp) untuk
mendapatkan arus smp/jam.
(4) Nilai Normal Variabel Umum Lalulintas
Data lalulintas sering tidak ada atau kualitasnya kurang baik. Nilai
normal yang diberikan dalam MKJI 1997 dapat digunakan sampai data
yang lebih baik tersedia dapat dilihat pada tabel 2.3, tabel 2.4 dan tabel
2.5.
Tabel 2.3 Nilai Normal Faktor – k
Lingkungan Jalan Faktor – k Ukuran Kota
>1 juta ≤1 juta
Jalan di daerah komersial dan jalan arteri 0.07-0.08 0.08-0.10
Jalan di daerah permukiman 0.08-0.09 0.09-0.12
Sumber : MKJI, 1997
Tabel 2.4 Nilai Normal Komposisi Lalulintas

Ukuran kota Komposisi Lalu Lintas Kendaraan Bermotor % Rasio
juta penduduk Kend. Ringan Kend. Berat Sepeda Motor Kendaraan tak
LV HV MC Bemotor
(UM/MV)
>3 60 4.5 35.5 0.01
1–3 55.5 3.5 41 0.05
0.5 – 1 40 3.0 57 0.14
0.1 – 0.5 63 2.5 34.5 0.05
<0.1 63 2.5 34.5 0.05
Sumber : MKJI, 1997
commit to user
Tabel 2.5 Nilai Normal Lalulintas Umum
FAKTOR NORMAL
Rasio arus jalan minor 0.25
PMI 0.15
Rasio belok kiri PLT 0.15
Rasio belok kanan PRT 0.85
Faktor smp Fsmp
Sumber : MKJI, 1997
3. Kondisi Lingkungan
Data kondisi lingkungan yang diperlukan untuk perhitungan meliputi :
a. Kelas Ukuran Kota
Kelas ukuran suatu kota ditunjukan dalam tabel 2.6 dengan dasar perkiraan
jumlah penduduk.
Tabel 2.6 Kelas Ukuran Kota

Ukuran Kota Jumlah Penduduk (juta)
Sangat kecil <0.1
Kecil 0.1 – 0.5
Sedang 0.5 – 1.0
Besar 1.0 – 3.0
Sangat besar <3.0
(Sumber :MKJI, 1997)
b. Tipe Lingkungan Jalan

Lingkungan jalan diklasifikasikan dalam kelas menurut tata guna tanahdan
aksesbilitas jalan tersebut dari aktivitas di sekitarnya. Hal ini ditetapkan
dengan secara kualitatif dari pertimbangan teknik lalulintas dengan bantuan
id
tabel 2.7 :
Tabel 2.7 Tipe lingkungan jalan
Komersial Tata guna lahan komesial (misal : pertokoan,rumah
makan, perkantoran) dengan jalan masuk langsung
bagi pejalan kaki dan kendaraan
Pemukiman Tata guna lahan tempat tinggal dengan jalan masuk
langsung bagi pejalan kaki dan kendaran
Akses terbatas Tanpa jalan masuk atau jalan masuk langsung
terbatas (missal : karena adanya penghalang fisik,
jalan samping, dsb)
(Sumber : MKJI, 1997)
c. Kelas Hambatan Samping

Hambatan samping menunjukkan pengaruh aktivitas samping jalan di daerah
simpang pada arus berangkat lalulintas, misalnya : pejalan kaki berjalan atau
menyeberangi jalur, anguktan umum dan bis kota berhenti untuk menaikkan
atau menurunkan penumpang, kendaraan masuk dan keluar halaman dan
tempat parkir di luar jalur. Hambatan samping ditentukan secara kualitatif
dengan pertimbangan teknik lalulintas sebagai Tinggi, Sedang atau Rendah.
2.6.2 Kapasitas
Kapasitas ruas jalan adalah arus lalulintas maksimum yang dapat melintas dengan
stabil pada suatu potongan melintang jalan pada keadaan (geometric, pemisah,
arah, komposisi lalulintas, lingkungan) tertentu. Untuk jalan dua arah lajur dua
arah, kapasitas ditentukan untuk arus dua arah, tetapi untuk jalan dengan banyak
lajur. Arus dipisahkan masing – masing arahnya dan kapasitas ditentukan tiap
lajurnya.
Menurut Manual Kapasitas Jalan Indonesia (MKJI 1997), besarnya kapasitas jalan
dihitung dengan menggunakan rumus 2.27 setelah terlebih dahulu menentukan
lebar pendekat dan tipe samping :
C = CO*FW*FM*FCS*FRSU*FLT*FRT*FMI...................................................(2.27)
(Sumber : MKJI, 1997) commit to user
id
C = Kapasitas (smp/jam)
CO = Kapasitas Dasar
FW = Faktor penyelesaian lebar masuk
FM = Faktor penyelesaian median jalan utama
FCS = Faktor penyelesaian ukuran kota
FRSU = Faktor penyelesaian tipe lingkungan jalan, hambatan samping dan
kendaraan tak bermotor
FLT = Faktor penyesuaian -% belok kiri
FRT = Faktor penyesuaian -% belok kanan
FMI = Faktor penyesuaian rasio arus jalan minor
1. Lebar Pendekatan dan Tipe Simpang
Parameter geometrik yang di butuhkan untuk menganalisis kapasitas dengan
menggunakan metoda MKJI 1997 diantaranya :
(a) Lebar rata-rata pendekat minor (WAC) dan utama (WBD) dan Lebar rata-
rata pendekat (WI)
Masing – masing pendekat diukur lebarnya, yaitu di ukur pada jarak 10 m dari
garis imajiner yang menghubungkan tepi perkerasan dari jalan yang
berpotongan, yang dianggap mewakili lebar pendekat efektif untuk masing-
masing pendekat. Seperti ditunjukan pada Gambar 2.1.
Gambar 2.1 Lebar Rata – rata Pendekat

(Sumber : Manual Kapasitas Jalan Indonesia 1997)
commit to user
Untuk pendekatan yang sering digunakan untuk parkir pada jarak kurang dari 20
meter dari garis imajiner yang menghubungkan tepi perkerasan dari jalan
berpotongan, maka lebar pendekat harus dikurangin 2 m.
Lebar rata – rata pendekat pada jalan minor (WAC), dihitung dengan rumus
: WAC = (WA + Wc)/2 atau WAC = (a/2 + c/2)/2…....................(2.28)
Lebar rata – rata pendekat pada jalan utama (WBD), dihitung dengan rumus
: WBD = (WB + WD)/2 atau WBD = (b/2 + d/2)/2…......................(2.29)
Lebar rata – rata pendekat (W1), dihitung dengan menggunakan rumus :

W1 = (WA + Wc + WB + WD ) / jumlah lengan simpang.................(2.30)
Jika pada lengan B terdapat median :

WI= (a/2 + b + c/2 + d/2)/4...............................................................(2.31)
Jika pendekat A hanya untuk ke luar, maka a=0 :

WI = (b + c/2 + d/2)/3…....................................................................(2.32)
(b) Jumlah Lajur

Penentuan jumlah lajur yang digunakan untuk perhitungan ditentukan dari
lebar rata – rata pendekat jalan minor dan jalan utama. Lebih jelasnya dapat
dilihat pada Gambar 2.2 dan Tabel 2.10 :
Gambar 2.2 Jumlah Lajur dan Lebar Rata – rata Pendekat Jalan Minor dan Utama
(Sumber : Manual Kapasitas Jalan Indonesia 1997)
Tabel 2.8 Jumlah Lajur dan Lebar Rata – rata Pendekat Jalan Minor dan Utama
Lebar Rata – rata Pendekat Jalan Minor Jumlah Lajur
dan Utama WAC , WBD (m) (Total untuk kedua arah)
WBD = (b +d /2)/2 <5.5 2
≥5.5 4
WAC = (a/2 + c/2)/2 <5.5 2
≥5.5 4
(c) Tipe Simpang

Tipe simpang ditentukan oleh 3 hal yaitu, jumlah lengan simpang, jumlah lajur
jalan minor, dan jumlah lajur jalan utama. Jumlah lengan adalah jumlah lengan
dengan lalu – lintas masuk atau keluar dan atau keduanya. Tipe simpang diberi
kode IT dengan diikuti kode 3 angka yang dapat dilihat pada Tabel 2.9 :
Tabel 2.9 Kode Tipe Simpang
Kode Jumlah Jumlah Jumlah

IT lengan lajur jalan lajur jalan
322 3 2 2
324 3 2 4
342 3 4 2
422 4 2 2
1. Kapasitas Dasar (CO)
Penentuan nilai kapasitas dasar dengan menggunakan Tabel 2.10 dengan variabel
masukan adalah tipe IT.
Tabel 2.10 Kapasitas dasar menurut tipe simpang

Tipe Simpang IT Kapasitas Dasar (CO)
322 2700
342 2900
324 atau 344 3200
422 2900
424 atau 444 3400
(Sumber : MKJI 1997)
2. Faktor Penyesuaian Lebar Pendekat
Penyesuaian lebar pendekat, (Fw), diperoleh dari Gambar 2.3. Variabel masukan
adalah lebar rata-rata semua pendekat W, dan tipe simpang IT. Batas-nilai yang
diberikan dalam gambar adalah rentang dasar empiris dari manual.
Gambar 2.3 Faktor penyesuaian lebar pe
(Sumber : Manual Kapasitas Jalan Indone
3.Faktor Penyesuaian Median Jalan Utama
Pertimbangan teknik lalu-lintas diperlukan untuk menentukan faktor median.

Median disebut lebar jika kendaraan ringan standar dapat berlindung pada daerah median tanp
terjadi jika lebar median 3 m atau lebih. Pada beberapa keadaan, misalnya jika
pendekat jalan utama lebar, hal ini mungkin terjadi jika median lebih sempit.
Faktor penyesuaian median jalan utama diperoleh dengan menggunakan Tabel
2.11. Penyesuaian hanya digunakan untuk jalan utama dengan 4 lajur. Variabel
masukan adalah tipe median jalan utama.
d
Tabel 2.11. Faktor penyesuaian median jalan utama (FM)

Uraian Tipe M Faktor penyesuaian
median, (FM)
Tidak ada median jalan utama Tidak ada 1,00
Ada median jalan utama, lebar < 3 Sempit 1,05
m Lebar 1,20
Ada median jalan utama, lebar ≥ 3
m
4. Faktor Penyesuaian Ukuran Kota
Faktor penyesuaian ukuran kota diperoleh dari tabel 2.12 dengan variable
masukan adalah ukuran kota, CS.
Tabel 2.12 Faktor penyesuaian ukuran kota (Fcs)

Ukuran kota CS Penduduk (juta) Factor penyesuaian ukuran kota
(Fcs)
Sangat kecil <0.1 0.82
Kecil 0.1 – 0.5 0.88
Sedang 0.5 – 1.0 0.94
Besar 1.0 – 3.0 1.00
Sangat besat >3.0 1.05
5. Faktor Penyesuaian Tipe Lingkungan Jalan, Hambatan Samping, dan

Kendaraan Tak Bermotor
Faktor prnyesuaian tipe lingkungan jalan, hambatan samping, dan kendaraan tak
bermotor, FRSU ditentukan dengan menggunakan tabel 2.13. variabel masukan
adalah tipe lingkungan jalan (RE). Kelas hambatan samping (SF), dan rasio
kendaraan tak bermotor (UM/MV).
Tabel 2.13 Faktor penyesuaian tipe lingkungan jalan, hambatan samping, dan
commit to user
kendaraan tak bermotor FRSU
id
Kelas tipe Kelas Hambatan Rasio Kendaraan Tak Bermotor

lingkungan Samping (SF) 0.00 0.05 0.10 0.15 0.2 0.25
jalan (RE)
Komersial Tinggi 0.93 0.88 0.84 0.79 0.74 0.70
Sedang 0.94 0.89 0.85 0.80 0.75 0.70
Rendah 0.95 0.90 0.86 0.81 0.76 0.71
Pemukiman Tinggi 0.96 0.91 0.86 0.82 0.77 0.72
Sedang 0.97 0.92 0.87 0.82 0.77 0.73
Rendah 0.98 0.93 0.88 0.83 0.78 0.7
Akses Terbatas Tinggi/sedang / 1.00 0.95 0.90 0.85 0.80 0.75
rendah
Jika empUM ≠ 1,0, yang mungkin merupakan keadaan jika kendaraan tak
bermotor tersebut terutama berupa sepeda maka dipakai rumus sebagai berikut :
FRSU(PUM sesungguhnya) = FRSU(PUM= 0) × (1- PUM × empUM)…..(2.33)
6. Faktor Penyesuaian Belok-Kiri
Faktor penyesuaian belok-kiri ditentukan dari Gambar 2.4 di bawah. Variabel

masukan adalah belok-kiri Batas-nilai yang diberikan untuk PLT adalah rentang
dasar empiris dari manual.
commit to user
id
Gambar 2.4 Faktor penyesuaian belok kiri (FLT)
7.Faktor Penyesuaian Belok-Kanan
Untuk simpang 4-lengan FRT = 1,0.
8.Faktor Penyesuaian Rasio Arus Jalan Minor
Faktor penyesuaian rasio arus jalan minor ditentukan dari Gambar 2.5 dan tabel
2.16 di bawah. Variabel masukan adalah rasio arus jalan minor PMI dan tipe
simpang IT. Batas-nilai yang diberikan untuk PMI pada gambar adalah rentang
dasar empiris dari manual.
commit to user
id
Gambar 2.5. Faktor rasio arus minor

(Sumber : Manual Kapasitas Jalan Indonesia, 1997)
Tabel 2.14 Faktor rasio arus minor

IT FMI PMI
2
422 1,19 × PM I – 1,19 × PMI + 1,19 0,1 – 0,9
4 3 2
424 16,6 × PM I – 33,3 × PMI + 25,3 × PM I – 8,6 × PMI + 1,95 0,1 – 0,3
1,11 × PM I2 – 1,11 × PMI + 1,11 0,3 – 0,9

444
1,19 × PM I2 – 1,19 × PMI + 1,19 0,1 – 0,5
322 -0,595 × PM I2 – 0,595 × PM I3 + 0,74 0,5 – 0,9
2
1,19 × PM I – 1,19 × PMI + 1,19 0,1 – 0,5
342 2,38 × PM I2 – 2,38 × PMI + 1,49 0,5 – 0,9
4 3 2
324 16,6 × PM I – 33,3 × PM I + 25,3× PM I – 8,6 × PMI × 1,95 0,1 – 0,3
1,11 × PM 2 – 1,11 × PMI + 1,11 0,3 – 0,5
2
344 -0,555 × PM I + 0,555 × PMI + 0,69 0,5 – 0,9
2.6.3 Waktu tunda (Delay)
Tundaan terdiri dari tundaan lalu lintas dan tundaan geometrik dapat dilihat pada
gambar 2.6. Tundaan lalu lintas (vehicle interaction delay) adalah waktu yang
diperlukan untuk menunggu akibat adanya interaksi antara lalulintas dengan
lalulintas yang menimbulkan masalah kemacetan (konflik), dan tundaan
geometrik (geometrical delay) adalah waktu tambahan yang disebabkan adanya
perlambatan dan percepatan kendaraan yang membelok di persimpangan dan atau
yang terhenti oleh perlintasan kereta api.
Pada simpang tidak bersinyal , tundaan terdiri dari tundaan lalulintas simpang
(DTt), tundaaan lalulintas utama (DTMA), tundaan lalu lintas jalan minor (DTMI),
tundaan geometric simpang (DG), d a n tu n d aa n s impang (D).

c o m m i t to u se r
id
a. Tundaan Lalu-lintas Simpang (DTI)

Tundaan lalulintas simpang adalah tundaan lalu-lintas rata-rata untuk semua
kendaraan bermotor yang masuk persimpangan. Rumus yang digunakan
untuk mencari DTI adalah :
 Untuk DS ≤ 0,6
DTI = 2 + 8,2078 DS – (1 – DS) x 2.........................................(2.34)
 Untuk DS > 0,6
DTI = 1,0504/(0,2742 – 0,2042 DS) – (1 – DS) x 2…..........(2.35)
Gambar 2.6 Tundaan lalu-lintas simpang VS Derajat kejenuhan

(Sumber : Manual Kapasitas Jalan Indonesia, 1997)
b. Tundaan Lalu-lintas jalan utama (DTMA)
Tundaan lalu-lintas jalan-utama adalah tundaan lalu-lintas rata-rata semua

kendaraan bermotor yang masuk persimpangan dari jalan-utama. DTMA
ditentukan dari kurva empiris antara DTMA dan DS, lihat Gambar 2.7.
commit to user
id
Gambar 2.7 Tundaan lalu-lintas jalan utama VS derajat

kejenuhan (Sumber : Manual Kapasitas Jalan Indonesia, 1997)
Rumus yang digunakan untuk mencari DTMA adalah :

 Untuk DS ≤ 0,6
DTMA = 1,8 + 5,8234 DS – (1 – DS) x 1,8.............................(2.36)
 Untuk DS > 0,6
DTMA = 1,05034/(0,346 – 0,246 DS) – (1 – DS) x 1,8…....(2.37)
c. Tundaan Lalu-lintas Jalan Minor (DTMI)
Tundaan lalu-lintas jalan minor rata-rata, ditentukan berdasarkan tundaan

simpang rata-rata dan tundaan jalan utama rata-rata :
DT MI = ( QTOT × DTI - QMA × DTMA)/QMI...........................(2.38)
Dengan :
QTOT = Arus total (smp/jam)
DTt = Tundaan lalu-lintas simpang
QMA = Arus jalan utama
DTMA = Tundaan lalu-lintas jalan utama
QMT = Arus jalan minor
d. Tundaan Geometrik Simpang

Tundaan geometrik simpang adalah tundaan geometrik rata-rata seluruh
kendaraan bermotor yang masuk simpang. DG dihitung dari rumus berikut:
Untuk DS < 1,0
DG = (1- DS) × (PT × 6 + (1- PT) × 3) + DS × 4 (det/smp)................(2.39)
Untuk DS • 1,0: DG = 4
Dengan :
DS = Derajat kejenuhan
commit to user
PT = Rasio belok total.
id
e. Tundaan Simpang (D)

Tundaan simpang dihitung sebagai berikut :
D = DG + DTI
(det/smp)...........................................................................(2.40)
Dengan :
DTI = Tundaan lalu-lintas simpang
2.6.4 Derajat Kejenuhan
Derajat kejenuhan adalah perbandingan dari volume (nilai arus) lalu lintas
terhadap kapasitasnya atau rasio dari arus lalulintas terhadap kapasitas untuk suatu
pendekat.Dalam Manual Kapasitas Jalan Indonesia (MKJI), jika dianalisis tingkat
kinerja jalannya, maka volume lalu lintasnya dinyatakan dalam satuan mobil
penumpang (smp). Faktor yang mempengaruhi nilai emp antara lain :
1. Jenis jalan, seperti jalan luar kota atau jalan bebas hambatan.
2. Tipe alinemen, seperti medan datar, berbukit, atau pegunungan.
3. Volume lalu lintas
Derajat Kejenuhan dihitung dengan menggunakan rumus 2.41 :
DS = QTOT/C..........................................................................................(2.41)
Dengan :
QTOT = arus total (smp/jam)
C = kapasitas
2.6.5 Peluang Antrian
Rentang nilai peluang antrian ditentukan dari Gambar 2.8 yang menunjukkan
hubungan empiris antara peluang antrian dan derajat kejenuhan (DS). Variabel
masukan adalah derajat kejenuhan (DS).
commit to user
Gambar 2.8 Rentang peluang antrian (QP%) terhadap derajat kejenuhan (DS) (Sumber : Manual
id
BAB III
METODOLOGI PENELITIAN
3.1 Umum
Untuk menentukan nilai EMP semua jenis kendaraan parameter yang diperlukan
adalah sebagai berikut :
1. Jumlah kendaraan yang melintas dengan kondisi lalu lintas jenuh.

2. Panjang tundaan kendaraan pada lokasi penelitian.
3. Jenis pasangan kendaraan yang melewati lokasi penelitian.
3.2 Lokasi dan Waktu Penelitian
Simpang pasar Nangka dengan kondisi jalan sebagai berikut :
1. Mempunyai empat lengan.

2. Merupakan simpang tak bersinyal.
Pengumpulan data untuk analisis dilakukan pada jam sibuk, yaitu pagi hari Senin
pukul 06.00 – 08.00 WIB, pukul 11.30 – 13.30 WIB, pukul 16.00 – 18.00 WIB.
Hal ini disebabkan pada jam tersebut arus lalu lintas cukup padat karena banyak
orang yang melakukan aktivitas seperti : ke kantor, sekolah, dan pasar. Disamping
itu ditambah juga dengan adanya kereta api yang melintas pada jam – jam
tersebut.
3.3 Metode Penelitian
Agar setiap kegiatan dapat berjalan dengan lancar harus dilakukan secara teratur
dalam bentuk pentahapan yang sistematis, baik sebelum kegiatan tersebut
dilakukan yaitu ketika masih dalam bentuk perencanaan maupun dalam
pelaksanaan dan pengambilan keputusan. Kegiatan penyusunan skripsi ini adalah
kegiatan dalam bentuk penelitian yang menggunakan metode survei maupun
metode analisis. Metode survei dilakukan dalam menghitung arus kendaraan
sedangkan metode analisis diguncaokmamn ituntotuuksemr enentukan nilai
emp kendaraan.
id
Tahapan kegiatan secara ringkas dapat dilihat dalam bentuk flow chart gambar
3.1.
Mulai
Latar belakang, sasaran, batasan masalah
Studi literature :
Mengumpulkan data dari buku referensi dan teori – teori dasar
Survei pendahuluan
Penentuan jam puncak
Desain Survei : tidak

Penentuan alat, penentuan tugas operator handycam dan surveyor
ya
Apakah alat dan
surveyor sudah siap
Gambar 3.1. Diagram Alir Penelitian (berlanjut)
commit to user
d
Survei primer
Pengumpulan data :
Perekaman volume lalu lintas dan time headway
Analisa data
Emp dengan metode rasio
headway
Emp heavy veh
Menghitung kinerja simpang tak bersinyal berdasarkan metode MKJI 1997 dengan menggunakan
Kesimpu
Se
Gambar 3.1 . Diagram Alir Penelitian
3.4 Prosedur Survei
Prosedur survei adalah keseluruhan tahapan atau langkah dalam survei agar survei
berjalan lancar dan tidak terjadi kesukaran serta kesalahan dalam pengumpulan
data di lapangan.
3.4.1 Survei Pendahuluan
commit to user
Sebelum dilaksanakan pengambilan data di lapangan, dilakukan survei
id
pendahuluan dengan tujuan agar survei sesungguhnya dapat berjalan dengan

lancar, efektif dan efisien. Survei pendahuluan ini dilakukan untuk mengetahui
jam – jam puncak arus lalu lintas dalam satu hari, jenis kendaraan yang lewat dan
menentukan hari yang dapat mewakili gambaran lalu lintas pada simpang tersebut.
3.4.2 Teknik Pengumpulan Data
Untuk mempermudah dalam pengumpulan data, maka teknis pengumpulan data

dilakukan menurut prosedur sebagai berikut :
1. Pengambilan gambar dengan menggunakan handycam dilakukan di luar
ruas jalan yang diamati dan diletakkan pada suatu ketinggian agar tidak
mengganggu arus lalu lintas dan objek dapat terlihat dengan jelas.
2. Pencatatan waktu perlintasan kereta api. Hal tersebut dilakukan untuk
menanggulangi terjadinya penundaan waktu.
3. Penandaan pada ruas jalan yang diamati dengan menggunakan lakban
warna putih yang dipasang melintang ruas jalan selebar 5meter (memotong
satu lajur jalan) yang digunakan sebagai batas headway.
4. Pembagian kelompok pada setiap ruas jalan. Untuk menghitung jumlah
tundaan kendaraan saat kereta api melintas.
3.4.3 Peralatan yang Digunakan
Peralatan data yang digunakan pada saat pengambilan data di lapangan yaitu :
1. Stop watch untuk mengukur interval waktu
2. Lembar kerja untuk mencatat jumlah kendaraan yang melintas.
3. Camdic untuk mengambil foto dan handycam untuk merekam kendaraan
yang diperlukan sebagai alat pengambilan data.
3.4.4 Desain Survei
1. Survei Volume Lalu Lintas dan Perekaman Time Headway sebagai berikut :
Survei volume lalu lintas yaitu merekam arus lalu lintas yang masuk simpang
perlintasan kereta api Pasar Nangckoamamtaitutoseuksietarr jalan Hasanudin
dan RM. Said.
id
Pencatatan meliputi jumlah jenis kendaraan semua jenis kendaraan bermotor dan
tak bermotor yang masuk ke simpang dari masing – masing pendekat (lengan
simpang). Sedangkan iring – iringan kendaraan yang dicatat time headway-nya
merupakan iring – iringan yang keluar dari simpang yang melintasi batas
headway. Alat survei yang digunakan adalah handycam. Handycam digunakan
untuk merekam jumlah kendaraan yang melintas. Handycam ditempatkan pada
trotoar jalan diketinggian 1,5 meter agar kendaraan yang masuk simpang , batas
headway dan kendaraan yang melewati batas headway dapat terlihat dengan jelas.
Perletakan handycam dengan bantuan tripod dan untuk menjaga keamanan dan
kedudukan handycam agar tidak berubah diperlukan operator untuk setiap
handycam. Untuk lebih jelasnya dapat dilihat pada Gambar 3.2 :
U
RM
1 Said 3
Sultan
Sultan H asanudin
H asanudin
RM
Said
ket :
= lokasi penem patan
kam era
Gambar 3.2. Denah Perletakan Handycam

2. Survei Waktu Tundaan
Survei waktu tundaan yaitu merekam jumlah dan lamanya waktu tundaan
kendaraan yang masuk simpang dengan memilih Simpang Pasar Nangka, pada
jam puncak pagi, jam puncak siang, dan jam puncak sore. Alat yang digunakan
untuk merekan waktu tundaan menggunakan handycam. Kendaraan yang dihitung
waktu tundanya adalah kendaraancoymanmgitbteorhuesnerti di daerah simpang,
yaitu daerah
id
jangkauan selebar 10 meter dari garis imajiner yang menghubungkan tepi

perkerasan dari jalan yang berpotongan.
3. Survei Geometrik Simpang

Survei geometrik simpang dilakukan untuk mengukur lebar ruas jalan simpang,
membuat gambar simpang secara global. Alat yang digunakan untuk mengukur
adalah rollmeter.
3.4.5 Rekapitulasi Data
Data yang akan digunakan untuk analisis data di dapat melalui pembacaan hasil
rekaman handycam dan pengukuran langsung di lokasi survei. Pembacaan data di
lakukan di luar waktu survei dengan bantuan formulir arus lalulintas, stop watch,
dan handycam. Data yang akan di rekapitulasi terdiri dari :
1. Data Volume Lalu Lintas
Data volume lalu lintas yang akan di gunakan untuk analisis regresi linier di
dapat dari pembacaan hasil rekaman. Data berupa jumlah kendaraan yang
masuk simpang dari masing – masing pendekat, semua jenis kendaraan
bermotor dan tak bermotor.
2. Data Time-Headway
Data time headway digunakan untuk analisis rasio headway yang diperoleh
dari pembacaan hasil rekaman. Time headway adalah waktu antara ban
belakang mobil depan dengan ban belakang mobil yang berada di tepat di
belakangnya ketika melewati batas headway. Data berupa time headway
kendaraan yang keluar simpang saat melintasi batas headway.
3. Data Geometrik
Data geometrik simpang digunakan untuk menentukan lebar efektif pendekat
dan menentukan tipe simpang untuk analisis kapasitas.
4. Data Distribusi dan Arus Lalu Lintas
Data distribusi dan arus lalu lintas digunakan untuk melakukan validasi
terhadap nilai emp dengan mceonmggmuint atkoaunsemretode MKJI 1997.
Data diperoleh
id
dari pembacaan hasil rekaman. Dari formulir pencacah arus lalu lintas akan
diperoleh jumlah setiap kendaraan yang dicacah untuk masing – masing
pendekat lengkap dengan arah pergerakannya. Penjumlahan kendaraan
dibedakan untuk interval waktu 15 menit. Kendaraan yang di cacah meliputi
light vehicle, motorcycle dan heavy vehicle.
5. Pengolahan Data
Data time headway yang di dapat dari pengamatan diolah dengan bantuan
program excel. Pertama adalah mencari rata – rata headway dari keseluruhan
data yang telah diperoleh. Setelah itu time headway terkoreksi, kemudian
dicari nilai rata – rata time headway terkoreksi rata – rata untuk setiap
pasangan kendaraan. Kemudian nilai emp didapat dari nilai rata – rata time
headway terkoreksi dari sepeda motor dan di bagi nilai rata – rata time
headway terkoreksi kendaraan ringan.
commit to user
BAB IV
PEMBAHASAN MASALAH
4.1 Deskripsi Penelitian
Penelitian arus lalu lintas dilakukan di simpang Jalan RM. Said – Jalan Sultan
Hasanudin. Penelitian ini mengambil data arus lalu lintas yang terdiri dari Heavy
Vehicle (HV), Light Vehicle (LV) dan Motorcycle (MC) dan time headway dari
ketiga jenis kendaraan tersebut. Jenis kendaraan dibagi berdasarkan sistem
klasifikasi Bina Marga. Pengambilan data dilakukan secara serempak di tiap ruas
jalan pada masing – masing simpang selama jam puncak pagi, jam puncak siang
dan jam puncak sore dengan durasi masing – masing simpang selama dua jam,
mulai jam pukul 06.00 – 08.00 WIB, pukul 11.30 – 13.30 WIB dan pukul 16.00 –
18.00 WIB.
Jumlah kendaraan selama 2 jam ditampilkan dalam tabel 4.1 :
Tabel 4.1 Jumlah kendaraan pada saat jam puncak dari total ketiga lokasi
Jam Sibuk Jam Sibuk Jam Sibuk
Waktu Pagi Waktu Siang Waktu Sore
MC HV LV MC HV LV MC HV LV
06.00-06.15 578 112 11.30-11.45 309 88 16.00-16.15 520 171
1 3 1
06.15-06.30 1106 228 11.45-12.00 872 182 16.15-16.30 628 203
4 8 6
06.30-06.45 1157 211 12.00-12.15 905 200 16.30-16.45 908 256
6 10 10
06.45-07.00 1112 180 12.15-12.30 868 150 16.45-17.00 930 238
11 14 11
07.00-07.15 1126 154 12.30-12.45 873 165 17.00-17.15 929 242
10 12 4
07.15-07.30 1015 161 12.45-13.00 732 153 17.15-17.30 1033 247
5 10 5
07.30-07.45 747 147 13.00-13.15 847 198 17.30-17.45 978 222
5 9 4
07.45-08.00 779 166 13.15-13.30 884 187 17.45-18.00 835 168
7 8 6
(Sumber : Hasil Perhitungan)
id
Data tersebut disajikan dalam grafik :
Jam Puncak Pagi

1400
1200
1000
800
600
400
200
0
12345678
motorcycle 578 1106 1157 1112 1126 1015 747 779
light vehicle 112 228 211 180 154 161 147 166
Gambar 4.1 Penentuan jam puncak pagi
Jam Puncak Siang

1000
800
600
400
200
0
1 2 3 4 5 6 7 8
motorcycle 309 872 905 868 873 732 847 884
light vehicle 88191 200 154 165 149 189 187
Gambar 4.2 Penentuan jam puncak siang
Jam Puncak Sore

1200
1000
800
600
400
200
0
12345678
motorcycle 520 628 908 930 929 1033 978 835
light vehicle 171 203 256 238 242 247 222 168
Gambar 4.3 cPoemnemnittutaon ujasemr puncak sore

id
Berdasarkan tabel dan grafik diatas maka waktu puncak terjadi pada pukul 06.30-
06.45 pada pagi hari, pukul 13.00 - 13.45 pada siang hari dan pukul 17.30-17.45
pada sore hari.
Jumlah kendaraan selama 2 jam ditampilkan dalam tabel 4.2 :
Tabel 4.2 Jumlah kendaraan dan rasio kendaraan pada saat jam puncak
Titik Jam puncak pagi Jam puncak siang Jam puncak sore
Pengamatan MC LV HV MC LV HV MC LV HV
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)
Lokasi 1 1848 336 6 1078 261 22 977 323 8
Rasio 308 56 1 49 11.8636 1 122.125 40.375 1
Lokasi 2 2386 493 23 2944 702 47 3471 610 32
Rasio 103.739 21.4348 1 62.638 14.963 1 108.469 19.063 1
Lokasi 3 3386 530 20 2268 360 5 2313 534 7
Rasio 169.3 26.5 1 453.62 72 1 330.429 76.286 1
Berdasarkan tabel diatas maka jumlah kendaraan dan rasio kendaraan pada saat
jam puncak pagi, siang dan sore terjadi di lokasi 3 yaitu jalan RM Said 2.
Keterangan :
(Kolom 1) : Titik Pengamatan
Lokasi 1 (Jl Hasanudin)
Lokasi 2 (Jl. RM Said 1)
(Kolom 2) : Rasio motorcycle terhadap heavy vehicle jam puncak pagi
Tabel 4.2 kolom (2)
Tabel 4.2 kolom (2)
= Tabel 4.2 kolom (4)
= 3386/20 = 169.3
(Kolom 3) : Rasio light vehicle terhadap heavy vehicle jam puncak pagi
Tabel 4.2 kolom (3)
Tabel 4.2 kolom (3)
= 530/20 = 49.15
commit to user
(Kolom 4) : Rasio heavy vehicle terhadap heavy vehicle jam puncak pagi
Tabel 4.2 kolom (4)
Tabel 4.2 kolom (4)
= 20/20 =1
(Kolom 5) : Rasio motorcycle terhadap heavy vehicle jam puncak siang
Tabel 4.2 kolom (5)
Tabel 4.2 kolom (5)
= 2268/5 = 453.62
(Kolom 6) : Rasio light vehicle terhadap heavy vehicle jam puncak siang
Tabel 4.2 kolom (6)
Tabel 4.2 kolom (6)
= 360/5 = 72
(Kolom 7) : Rasio heavy vehicle terhadap heavy vehicle jam puncak siang
Tabel 4.2 kolom (7)
Tabel 4.2 kolom (7)
= 5/5 = 1
Tabel 4.3 Rasio Motorcycle (MC) terhadap light vehicle (LV)

Jam Puncak Pagi Jam Puncak Siang Jam Puncak Sore
Titik Pengamatan
MC LV MC LV MC LV
(1) (2) (3) (4) (5) (6) (7)
Lokasi 1 5.5 1 4.1 1 3 1
Lokasi 2 4.8 1 4.2 1 5.7 1
Lokasi 3 6.4 1 6.3 1 4.3 1

id
Keterangan :
(Kolom 1) : Titik Pengamatan
Lokasi 1 (Jl. Hasanudin)
(Kolom 2) : Rasio Motorcycle terhadap Light vehicle jam puncak pagi
Tabel 4.2 kolom (3)
Tabel 4.3 kolom (2)
= 3386/530 = 6.3887 = 6
(Kolom 3) : Rasio Light vehicle terhadap Light vehicle jam puncak pagi
Tabel 4.2 kolom (4)
Tabel 4.3 kolom (3)
= 530/530 =1
(Kolom 4) : Rasio Motorcycle terhadap Light vehicle jam puncak siang
Tabel 4.2 kolom (6)
Tabel 4.3 kolom (4)
= 2268/360 = 6.3 = 6
(Kolom 5) : Rasio Light vehicle terhadap Light vehicle jam puncak siang
Tabel 4.2 kolom (7)
Tabel 4.3 kolom (5)
= 360/360 =1
4.2 Pengolahan Data Dasar
Volume lalu lintas yang diamati dalam penelitian ini terdiri dari empat jenis
kendaraan, yaitu motorcycle (MC), light vehicle (LV) dan heavy vehicle (HV).
Pengamatan dilakukan untuk mengambil data yang dibutuhkan untuk proses
pengolahan dengan metode regresi linier dan rasio headway. Pengamatan
dilakukan selama 2 jam pada masing – masing jam puncak pagi, jam puncak siang
dan jam puncak sore.
4.3 Perhitungan Nilai emp Kend a r a an

c o m m it to user
d
4.3.1 Perhitungan Metode Regresi Linier
a. Menghitung Koefisien Regresi

Volume lalu lintas pada jam sibuk digunakan untuk menhitung nilai emp
kendaraan. Syarat dari data untuk perhitungan dengan metode regresi linier adalah
data jumlah kendaraan pada saat jam sibuk. Data pada simpang pasar Nangka ruas
jalan RM Said dan Sultan Hasanudin jam puncak pagi disajikan pada tabel 4.4.
Tabel 4.4 Volume Lalulintas Jam Puncak Siang Lokasi 1(Jalan Hasanudin)
Motorcycle Heavy Vehicle Light Vehicle
No (MC) (HV) (LV)
(x1) (x2) (y)
1 65 1 18
2 140 3 38
3 159 4 49
4 151 6 33
5 149 2 36
6 165 3 29
7 116 1 29
8 133 2 29
Jumlah 1078 22 261
Satuan jam sibuk yang digunakan untuk menghitung nilai emp pada metode
regresi linier adalah smp/15 menit.
Nilai emp dihitung sesuai dengan persamaan :
nbo + b1∑X1i = ∑Y
bo∑X1i + b1∑X1i 2= ∑X1i Yi
Data pada tabel kemudian diolah sesuai dengan rumus di atas, sehingga akan
diperoleh persamaan normal untuk mencari koefisien regresi linier yang
merupakan nilai emp kendaraan yang dicari. Persamaan untuk mendapatkan
persamaan normal disajikan pada tabel 4.5 :
commit to user
51
Tabel 4.5. Perhitungan Regresi Linier Jalan Sultan Hasanudin Jam Puncak Siang
No MC HV LV Waktu x1 x2 Y x1.x1 x1.x2 x2.x2 x1.y x2.y y.y
(x1) (x2) (y) (menit) (kend/15') (kend/15') (kend/15') (kend/15') (kend/15') (kend/15') (kend/15') (kend/15') (kend/15')
1 65 1 18 15 65 1 18 4225 65 1 1170 18 324
2 140 3 29 15 140 3 29 19600 420 9 4060 87 841
3 159 4 49 15 159 4 49 25281 636 16 7791 196 2401
4 151 6 29 15 151 6 29 22801 906 36 4379 174 841
5 149 2 36 15 149 2 36 22201 298 4 5364 72 1296
6 165 3 33 15 165 3 33 27225 495 9 5445 99 1089
7 116 1 38 15 116 1 38 13456 116 1 4408 38 1444
8 133 2 29 15 133 2 29 17689 266 4 3857 58 841
8 Jumlah 1078 22 261 152478 3202 80 36474 742 9077
id
Dari tabel didapat hasil perhitungan sebagai berikut :

∑x1 = 1078
∑y =261
∑x2 = 22
∑x1.x2 = 3202
∑x12 = 152478
∑x1..y = 36474
∑x22 = 80
∑x2.y = 742
2
∑y = 9077
Persamaan untuk nilai b0 dan b1 :

8b0 + 1078b1 = 261...................................................................(4.1)
1078b0 + 152478b1 = 366474...................................................(4.2)
Persamaan untuk nilai b0 dan b2 :
8b0 + 22b2 = 261.......................................................................(4.3)
22b0 +80b2 = 742......................................................................(4.4)
Untuk mendapatkan nilai b0, b1 dan b2 dapat menggunakan persamaan :
Y *  X 2   X *  XY
b0 
n *  X  ( X )2
2
n *  XY   X  Y
b1 
n *  X 2  ( X ) 2
Dengan memasukkan nilai kedalaman rumus tersebut diperoleh hasil :
Dari persamaan 4.1 dan 4.2 didapat :
b0 = 8.27478
b1 = 0.18071
Dari persamaan 4.3 dan 4.4 didapat :
b0 = 29.2051
b2 = 1.2436
Kemudian dimasukkan ke dalam persamaan awal :
Y = 8.27478 + 0.18071X1
Y = 29.2051 + 1.2436Xc ommit to user
2
id
Sehingga diperoleh :
Emp sepeda motor (MC) = 0.18071
Emp kendaraan berat (HV) = 1.2436
Sebaran data antara kedua variabel tersebut :
60
50
Light vehicle
40 y = 0.1807x + 8.2748
(kend/15'0
R² = 0.4195
30
20
10
0
0 50 100 150 200
motorcycle
(kend/15')
Gambar 4.4 Diagram pencar antara light vehicle dan motorcycle
60
50
Light vehicle
40
(kend/15'0
30
y = 1.2436x + 29.205
20
R² = 0.0537
10
0
0 1 2 3 4 5 6 7
heavy vehicle
(kend/15')
Gambar 4.5 Diagram pencar antara light vehicle dan heavy vehicle
commit to user
Hasil perhitungan nilai emp seluruh lokasi pengamatan disajikan pada tabel 4.6.
Tabel 4.6 Rekapitulasi nilai emp menggunakan analisis regresi linier
Lokasi Ekuivalensi Mobil Penumpang
Metode Pengamatan Motorcycle Heavy Vehicle
Pagi Siang Sore Pagi Siang Sore
Regresi Lokasi 1 0.09 0.18 0.09 1.30 1.24 1.10

Linier
Lokasi 2 0.10 0.19 020 2.57 3.11 2.33
Lokasi 3 0.06 0.08 0.09 2.00 2.83 1.28
Dari hasil penelitian yang dilakukan, terlihat pada lokasi 1, 2 dan 3 jumlah arus
sepeda motor yang paling besar terjadi pada saat siang hari. Hal ini dapat dilihat
pada nilai emp sepeda motor pada siang hari lebih besar dari pada saat pagi dan
sore hari. Hal ini disebabkan karena pada saat siang hari banyak terjadi
pergerakan ke pusat kota Surakarta dari arah jalan R.M Said. Arus kendaraan
berat yang terjadi di simpang pasar Nangka yang paling besar terjadi pada siang
hari hal ini dikarenakan banyak bus kota, bus pariwisata, truk angkutan, dan
kendaraan proyek yang melewati simpang pasar Nangka.
Nilai emp untuk Heavy Vehicle lebih besar jika dibandingkan dengan Motor
Cycle. Hal ini dikarenakan semakin besar kendaraan maka ruang yang diperlukan
untuk bergerak per kendaraan semakin besar. Semakin besar ukuran kendaraan,
maka kecepatan untuk memulai gerakan lebih kecil bila dibandingkan dengan
sepeda motor. Keadaan seperti ini akan mengakibatkan gangguan terhadap arus
lalu lintas secara keseluruhan sehingga nilai emp untuk Heavy Vehicle lebih besar
dari pada emp Motorcycle.
b. Koefisien Korelasi
Nilai koefisien korelasi dihitung dengan persamaan :
n *  xy   x y
r
n x2   x 2 n y 2    y 2
Contoh perhitungan koefisien korelasi antara light vehicle dengan motorcycle

dengan menggunakan data dari arah dari timur jalan RM Said simpang pasar
Nangka.
n *  xy   x y
r
n x 2   x 2 n y 2    y 
2
8 * 277298  2944 * 702

r
8 *1183042  (2944) 2 8 * 66  92  (702)2
r = 0.896
Nilai r terletak diantara -1≤ r ≤ +1, ini berarti terdapat pengaruh negative antara
variabel bebas yaitu jika variable x1 yang besar berpasangan dengan y yang kecil,
ataupun sebaliknya. Untuk perhitungan koefisien korelasi pada lokasi lainnya
dapat dilihat pada lampiran A dan hasil perhitungan dicantumkan dalam tabel 4.7,
tabel 4.8 dan tabel 4.9.
Tabel 4.7 Nilai koefisien korelasi pada jam puncak pagi
Lokasi Pengamatan Koefisien Korelasi
MC HV
Lokasi 1 0.673 0.229
Lokasi 2 0.575 0.233
Lokasi 3 0.327 0.159
Analisis regresi linier memiliki dua variabel dependen dan variabel independen.
Untuk mengetahui hubungan antar variabel dependen dan variabel independen
maka dihitung nilai korelasi dari persamaan tersebut.
Dari hasil perhitungan diatas dapat dilihat bahwa ada hubungan antara light
vehicle (LV) dengan motorcycle (MC) pada lokasi 1 dan lokasi 2 tetapi tidak
terdapat hubungan antara light vehicle (LV) dengan motorcycle (MC) pada lokasi
3. Untuk light vehicle (LV) dan heavy vehicle (HV) tidak terdapat hubungan
antara keduanya.
Tabel 4.8 Nilai koefisien korelasi pada jam puncak siang

MC HV
Lokasi 1 0.648 0.232
Lokasi 2 0.896 0.275
Lokasi 3 0.757 0.284
vehicle (LV) dengan motorcycle (MC) tetapi tidak terdapat hubungan antara light
vehicle dengan heavy vehicle (HV).
Tabel 4.9 Nilai koefisien korelasi pada jam puncak sore

MC HV
Lokasi 1 0.261 0.102
Lokasi 2 0.803 0.291
Lokasi 3 0.751 -0.065
vehicle (LV) dengan motorcycle (MC) pada lokasi 2 dan lokasi 3 tetapi tidak
terdapat hubungan antara light vehicle (LV) dengan motorcycle (MC) pada lokasi
1. Untuk light vehicle (LV) dan heavy vehicle (HV) tidak terdapat hubungan
antara keduanya.
id
c. Uji Koefisien Korelasi

Untuk melihat keberartian koefisien korelasi dilakukan dengan uji t (tstudent)
dengan persamaan :
n2
thitungan  r
1r2
Contoh perhitungan dengan menggunakan data Jalan RM Said Simpang Pasar

Nangka jam puncak siang :
n2
thitungan 
1r
r 2
82
thitungan  0.896
1  0.8962
= 4.95
Nilai thitungan dibandingkan dengan nilai ttabel (1 - α / 2)(dk) dari tabel t student.
Diperoleh nilai :
t(0.025)(6) = ±2.447
Nilai uji thitungan lebih besar dibandingkan dengan nilai ttabel (1 - α / 2)(dk), maka
dapat disimpulkan terdapat hubungan antara light vehicle (LV) dengan motorcycle
(MC) di Lokasi 2 pada jam puncak siang.
Untuk perhitungan lokasi lainnya dapat dilihat pada lampiran A dan hasilnya
disajikan dalam tabel 4.10, tabel 4.11 dan tabel 4.12.
Tabel 4.10 Nilai uji keberartian koefisien korelasi pada jam puncak pagi
Jalan Pendekat t hitungan t tabel
MC HV ttabel (1 - α / 2)(dk) ttabel (1 - α / 2)(dk)
Lokasi 1 2.23 0.58 2.447 -2.447
Lokasi 2 1.72 0.59 2.447 -2.447
Lokasi 3 0.663 0.25 2.447 -2.447
Untuk pengujian keberartian nilai koefisien korelasi pada jam puncak pagi
tersebut dibuktikan dengan uji t. Nilai t hitungan untuk sepeda motor lebih kecil
dari pada t tabel. Sehingga disimpulkan bahwa hubungan antara kedua variabel
commit to user
tersebut (light vehicle dan motorcycle) tidak berarti.
id
Untuk hasil perhitungan nilai uji keberartian koefisien korelasi kendaraan berat
pada jam puncak pagi lebih kecil jika dibandingkan nilai tabel sehingga dapat
disimpulkan tidak terdapat pengaruh antara heavy vehicle HV dengan light vehicle
(LV).
Tabel 4.11 Nilai uji keberartian koefisien korelasi pada jam puncak siang
Lokasi 1 2.08 0.58 2.447 -2.447
Lokasi 2 4.95 0.70 2.447 -2.447
Lokasi 3 2.83 0.72 2.447 -2.447
Nilai t hitungan untuk sepeda motor pada jam puncak siang lebih besar dari pada t
tabel. Sehingga disimpulkan bahwa hubungan antara kedua variabel tersebut
(light vehicle dan motorcycle) berarti.
pada jam puncak siang lebih kecil jika dibandingkan nilai tabel sehingga dapat
(LV).
Tabel 4.12 Nilai uji keberartian koefisien korelasi pada jam puncak sore
Lokasi 1 0.66 0.25 2.447 -2.447
Lokasi 2 3.30 0.74 2.447 -2.447
Lokasi 3 0.92 -0.16 2.447 -2.447
pada jam puncak sore lebih kecil jika dibandingkan nilai tabel sehingga dapat
(LV).
commit to user
Sehingga disimpulkan bahwa hubungan antara kedua variabel tersebut (light
vehicle dan motorcycle) berarti. Sedangkan untuk Heavy Vehicle nilai t hitungan
lebih kecil dari t tabel sehingga memiliki arti bahwa tidak terdapat hubungan yang
berarti antara kedua variabel tersebut (Heavy Vehicle dan Light Vehicle).
d. Uji Regresi Linier

Persamaan regresi linier yang terbentuk diuji dengan uji F untuk memastikan
apakah persamaannya bias diterima atau tidak. Rumus yang digunakan sesuai
dengan persamaan 2.23 dan 2.24. Contoh perhitungan menggunakan data di lokasi
2 pada jam puncak siang :
  x y 
b  xy  n 
F  
 y2  b xy  x y    y 2 


    /n2
   
n   
3471* 610
0.26280507 - 
F= 8
3471*
610
53854  0.19 * 280507   53854
 82
8
8

= 8.04
Nilai F diatas dibandingkan dengan nilai F (1-α)(1,n-2) dari tabel distribusi F.

Diperoleh nilai :
F(95%)(1,6) = 5.99
Nilai F hitungan dibandingkan dengan nilai F tabel. Jika nilai F hitungan > nilai F
tabel, maka dapat disimpulkan persamaan regresi tersebut dapat diterima.
Perhitungan nilai F Untuk jalan lokasi lain dapat dilihat pada lampiran A. Hasil
perhitungan nilai F dan nilai F tabel untuk semua jalan pendekat dapat dilihat
dalam tabel 4.13, 4.14 dan 4.15 :
d
Tabel 4.13 Nilai Uji F pada jam puncak pagi

Jalan Pendekat Fperhitungan Ftabel
MC HV F (1-α)(1,n-2) -F (1-α)(1,n-2)
Lokasi 1 4.97 0.33 5.99 -5.99
Lokasi 2 2.96 0.34 5.99 -5.99
Lokasi 3 0.72 0.21 5.99 -5.99
Persamaan regresi linier yang mempunyai nilai Fhitung lebih besar dari nilai Ftabel
maka persamaan regresi linier tersebut memenuhi syarat, namun persamaan
regresi linier yang mempunyai nilai F hitung lebih kecil dari F tabel maka persamaan
regresi linier tersebut tidak memenuhi syarat.
Dari hasil perhitngan diatas dapat dilihat bahwa Fhitungan pada motorcycle dan
heavy vehicle nilainya lebih kecil dari Ftabel maka dapat disimpulkan bahwa
persamaan regresi linier tersebut tidak memenuhi syarat.
Tabel 4.14 Nilai Uji F pada jam puncak siang

MC HV F (1-α)(1,n-2) -F (1-α)(1,n-2)
Lokasi 1 4.34 0.34 5.99 -5.99
Lokasi 2 24.51 0.49 5.99 -5.99
Lokasi 3 8.04 0.53 5.99 -5.99
Dari hasil perhitngan diatas dapat dilihat bahwa F hitungan pada motorcycle lokasi 2
dan lokasi 3 lebih besar dari F tabel maka dapat disimpulkan bahwan persamaan
regresi linier tersebut memenuhi syarat sedangkan Fhitungan pada motorcycle lokasi
1 dan heavy vehicle pada ke 3 lokasi pengamatan nilainya lebih kecil dari Ftabel
maka dapat disimpulkan bahwa persamaan regresi linier tersebut tidak memenuhi
syarat.
commit to user
id
Tabel 4.15 Nilai Uji F pada jam puncak sore

MC HV F (1-α)(1,n-2) -F (1-α)(1,n-2)
Lokasi 1 0.44 0.06 5.99 -5.99
Lokasi 2 10.86 0.55 5.99 -5.99
Lokasi 3 0.84 0.03 5.99 -5.99
Dari hasil perhitngan diatas dapat dilihat bahwa F hitungan pada motorcycle lokasi 2
lebih besar dari F tabel maka dapat disimpulkan bahwan persamaan regresi linier
tersebut memenuhi syarat sedangkan Fhitungan pada motorcycle lokasi 1 dan lokasi
3 dan heavy vehicle pada ke 3 lokasi pengamatan nilainya lebih kecil dari Ftabel
maka dapat disimpulkan bahwa persamaan regresi linier tersebut tidak memenuhi
syarat.
Maka dari semua hasil perhitungan tersebut diatas dapat disimpulkan bahwa tidak
semua hasil persamaan regresi memenuhi syarat. Untuk itu, yang dipergunakan
sebagai hasil akhir penetuan emp berdasarkan analisis regresi linier adalah hasil
perhitungan yang memenuhi syarat dari ketiga uji persamaan yang telah dilakukan
yaitu koefisien korelasi, uji koefisien korelasi dan uji regresi linier.
4.3.2 Perhitungan Time Headway
a. Data Survei Simpang

Data yang digunakan untuk perhitungan rasio headway adalah hasil pengamatan
yang didapatkan dari rekaman kamera video kemudian di putar ulang untuk
menghitung data time headway. Data time headway diperoleh dari selisih waktu
antara dua kendaraan yang berurutan yang melewati lakban pembatas dilokasi
yang sudah ditentukan dan diamati pada arus lalu lintas jam puncak. Iringan
kendaraan yang dicatat adalah MC-LV, LV-MC, LV-LV, MC-MC, HV-HV, HV-
LV, LV-HV.
commit to user
id
b. Perhitungan Senjang Rata-rata

Berdasarkan persamaan-persamaan tinjauan statistik pada bab 2, maka dapat
dihitung senjang rata-rata time headway seluruh pasangan kendaraan. Persamaaan
yang digunakan adalah persamaan yang digunakan adalah persamaan 2.27, 2.28,
2.29, 2.30 dan 2.31.
Time headway seluruh pasangan iring-iringan kendaraan pada ruas Jalan dr. RM
Said jam puncak siang dapat dilihat pada lampiran B.
Perhitungan senjang rata-rata time headway seluruh pasangan iringan kendaraan
di ruas Jalan RM. Said jam puncak siang disajikan dalam Tabel 4.16 Perhitungan
untuk jalan pendekat lain dapat dilihat pada lampiran B.
Tabel 4.16 Perhitungan rata-rata senjang time headway

Rata-rata
N headway S E E head 1 head 2
LV-LV 105 3.6 3.6767991 0.3588189 0.7032849 4.3 2.9
MC-MC 338 1.2 1.0684432 0.0581157 0.1139067 1.3 1.1
LV-MC 114 1.4 0.8822021 0.0826258 0.1619466 1.6 1.2
MC-LV 86 1.9 1.6267199 0.1754137 0.3438109 2.3 1.6
Keterangan :
(Kolom 1) Jenis pasangan kendaraan
LV-LV = Light vehicle diikuti Light vehicle
MC-MC = Motorcycle diikuti Motorcycle
LV-MC = Light vehicle diikuti Motorcycle
MC-LV = Motorcycle diikuti Light vehicle
(Kolom 2) Jumlah sampel time headway (n)
LV-LV = 105
MC-MC = 338
LV-MC = 114
MC-LV com8m6it to user
=
id
(Kolom 3) Rata-rata time headway tiap pasangan kendaraan x 

x
x
n
375.3
x=  3.6
105
(Kolom 4) Deviasi Standar (S)
 x 
n
s 1 1 x 2
n  1 i1
1
x1  3.62
105
S
105 1  i 1
= 3.6767991
(Kolom 5) Standar Error
E s 1/2
n
E  3.6767991 1
105 2
= 0.3588189
Batas toleransi kesalahan
(Kolom 6) Dengan tingkat konfidensi 95% maka K=1.96
Sehingga :
e=K*E
=1.96*0.3588189
= 0.7032849
(Kolom 7) Batas keyakinan atas dan bawah nilai rata-rata time headway
( 1 = batas atas rata-rata time
 2 = batas bawah rata-
headway; rata time headway)
  xe
1,2
1,2  3.574286  0.7032849
1 = 4.277571
 2 = 2.871001 commit to user
id
Jadi senjang rata-rata time headway seluruh pasangan Light vehicle (LV) diikuti
Light vehicle (LV) terletak dalam interval 2.9 – 4.3.
c. Perhitungan Nilai EMP Motorcycle

Berdasarkan senjang rata-rata time headway maka nilai time headway koreksi
(time headway yang berada dalam interval) disajikan dalam Tabel 4.17 :
Tabel 4.17 Nilai Time Headway terkoreksi
LV-LV MC-MC LV-MC MC-LV
2.8 1 1.2 1.6

2.8 1 1.2 1.6
2.9 1 1.2 1.7
2.9 1 1.2 1.7
2.9 1 1.2 1.7
3 1 1.2 1.8
3 1 1.3 1.8
3 1 1.3 1.8
3 1 1.3 1.8
3 1 1.3 1.9
3 1 1.3 2
3 1 1.3 2
3.1 1 1.3 2
3.1 1 1.4 2.1
3.2 1 1.4 2.1
3.4 1 1.4 2.1
3.4 1 1.4 2.2
3.5 1 1.4 2.2
LV-LV MC-MC LV-MC MC-LV

3.5 1.1 1.4 2.3
3.6 1.1 1.4 2.3
3.7 1.1 1.4 2.3
3.8 1.1 1.5 2.3
3.8 1.1 1.5
3.9 1.1 1.5
4 1.1 1.5
4.1 1.1 1.6
4.1 1.1 1.6
4.1 1.1 1.6
4.1 1.1 1.6
4.2 1.1 1.6
1.1
com1. t to user (berlanjut)
m1 i
1.1
id
1.1
1.2
1.2
1.2
1.2
1.2
1.2
1.2
1.2
1.2
1.2
1.3
1.3
1.3
1.3
1.3
1.3
1.3
1.3
1.3
1.3
1.3
Contoh perhitungan nilai emp motorcycle di Jalan RM Said pada jam puncak
siang disajikan dalam Tabel 4.18. Perhitungan untuk pendekat lain dapat dilihat
pada lampiran B.
Tabel 4.18 Perhitungan nilai emp Jl. RM Said jam puncak siang
n x rata-rata K t koreksi Jumlah emp MC
LV-LV 30 3.4 3.0930442
4.0691683
MC-MC 59 1.1 0.9761242
9.108674891 0.3155869
LV-MC 30 1.4 1.6869558
4.0691683
MC-LV 22 2 2.3822125
Keterangan :
(Kolom 1) Jenis pasangan kendaraan
LV-LV = Light vehicle diikuti Light vehicle
MC-MC comMmoittotorcuyscelre diikuti Motorcycle
=
id
LV-MC = Light vehicle diikuti Motorcycle

MC-LV = Motorcycle diikuti Light vehicle
(Kolom 2) Jumlah sampel time headway terkoreksi
LV-LV = 30
MC-MC = 59
LV-MC = 30
MC-LV = 22
(Kolom 3) Rata-rata time headway tiap pasangan kendaraan x 

x
x
n
101.9
x LV LV 
30
x MC MC  50.7
59
x LV  MC  41.5
30
x MC  LV  43.3
22
(Kolom 4) Koefisien Koreksi (k)
Untuk memenuhi tak 
 tck  , maka terlebih dahulu
tbk
tdk
mencari koefisien k
na * nb * nc * nd * ta  tb  tc  td 
k 
nb * nc * nd  na * nc * nd  na * nb * nd  na * nb * nc
30 * 59 * 30 * 22 * 3.3967  1.1305  1.3833  1.968
k 
59 * 30 * 22  30 * 30 * 22  30 * 59 * 22  30 * 59 * 30
k = 9.10867
(Kolom 5) Rata-rata time headway terkoreksi
tak  ta  k na
= 3.3967 – [9.10867/30]
= 3.093
tbk  tb  k nb
= 1.1305– [9.10 8 67 /5 9]
= 0.976 c om m it to user
id
tck  tc  k nc
= 1.3833 + [9.10867/30]
= 1.687
tdk  td  k nd
= 1.968+ [9.10867/22]
= 2.382
Dengan :
tak
= Nilai rata-rata time headway LV-LV terkoreksi
tbk
= Nilai rata-rata time headway MC-MC terkoreksi
tck
= Nilai rata-rata time headway LV-MC terkoreksi
tdk = Nilai rata-rata time headway MC-LV terkoreksi
(Kolom 6) Persamaan terkoreksi
Dengan menggunakan nilai rata-rata yang telah dikoreksi, maka
persamaannya menjadi :
tak  tbk  tck  tdk
3.03930442+0.97612422 = 1.6869558+2.3822125
4.60916832 = 4.60916832
(Kolom 7) Nilai emp motorcycle
Nilai emp motorcycle = tbk

tak
= 0.97612422
3.03930442
= 0.3155689
Dari hasil perhitungan nilai emp motorcycle tersebut, maka nilai emp untuk
masing-masing jalan pendekat di kedua simpang tersebut disajikan dalam Tabel
4.19 :
Tabel 4.19 Nilai emp motorcycle dan heavy vehicle dengan rasio headway pada
tiap jalan pendekat atau pada masicnogm- puncak
mmaitsitnogujsaemr
id
Lokasi Emp MC emp HV

Pengamatan Jam Jam Jam Jam Jam Jam
Puncak Puncak Puncak Puncak Puncak Puncak
Pagi Siang Sore Pagi Siang Sore
Lokasi 1 0.29 0.20 0.43 1.16 1.14 1.47
Lokasi 2 0.40 0.32 0.38 2.38 2.37 3.48
Lokasi 3 0.38 0.37 0.47 2.46 2.90 1.74
4.4 Penentuan Nilai emp
Untuk menentukan rata-rata nilai emp berdasarkan metode regresi linier dan time
headway dilakukan perhitungan simpangan baku. Perhitungan simpangan baku
untuk nilai emp MC berdasarkan time headway terdapat pada tabel 4.20 dibawah
ini.
Tabel 4.20 Perhitungan nilai emp motorcycle dari semua pendekat

No Lokasi Jam Sibuk Rata-rata Rentang Simpangan
Pengamatan Pagi Siang Sore (x) (R) Baku (s)
(1) (2) (3) (4) (5) (6) (7)
1 Lokasi 1 0.29 0.20 0.43 0.31 0.23 0.12
2 Lokasi 2 0.40 0.32 0.38 0.40 0.08 0.04
3 Lokasi 3 0.38 0.37 0.47 0.41 0.1 0.06
Jumlah 1.12 0.41 0.22
1.12
x= = 0.37
3
0,41
R= = 0.14
3
Dari Tabel di Lampiran D dengan n = 3 didapat A2 = 1,023
Kontrol rata-rata x dapat digunakan :
Sentral = x = 0.37
co m m i t to u se r
BKA = x + A2 R = 0.37 + (1.02 3 ) . ( 0 ,1 4) = 0 .51
id
BKB = x - A2 R = 0.37 - (1.023) . (0,14) = 0.23
s =  Si 0,22
= 0.07
3
=
k
x = 0.37
Dari Tabel di Lampiran D dengan n = 3 didapat A1 = 2.394
Sentral = x = 0.37
BKA = x + A1 s = 0.37 + (2.394) . (0.07) = 0.54
BKB = x - A1 s = 0.37 - (2.394) . (0.07) = 0.20
0.8
0.7
0.6
Rata-rata
0.5
0.4
0.3
0.2
0.1
0 1 2 3
Lokasi Survei
0
Gambar 4.6 Diagram kontrol untuk rata-rata x emp motorcycle

Dari gambar diatas maka didapat nilai emp untuk motorcycle sebesar 0.40.
Tabel 4.21 Perhitungan nilai emp heavy vehicle dari semua pendekat
(1) (2) (3) (4) (5) (6) (7)
1 Lokasi 1 1.16 1.14 1.47 1.26 0.33 0.19
2 Lokasi 2 2.38 2.37 3.48 2.74 1.11 0.64
3 Lokasi 3 2.46 2.90 1.74 2.37 1.16 0.59
Jumlah 6.37 2.6 1.42
commit to user
d
6.37
x= = 2.12
3
2.6
R= = 0.87
3
Dari Tabel di Lampiran dengan n = 3 didapat A2 = 1,023
Sentral = x = 2.12
BKA= x + A2 R = 2.12+ (1,023) . (0.87) = 3.01

BKB= x - A2 R = 2.12 - (1,023) . (0.87) = 1.23
 Si 1.42
s = = = 0.47
k 3
x = 2.12
Dari Tabel di Lampiran dengan n = 3 didapat A1 = 2.394 Kontrol rata-rata x dapat digunakan :
Sentral = x = 2.12
BKA= x + A2 R = 2.12 + (2.394) . (0.47) = 3.25 BKB= x - A2 R = 2.12 - (2.394) . (0.47) = 0.99
3.5
2.5
Rata-rata
1.5
0.5
0
0 1 2 3
Lokasi Survei
Gambar 4.7 Diagram kontrol untuk rata-rata x emp heavyvehicle

Dari gambar diatas maka didapat ncoilmaimeimt tpouunsteurk heavyvehicle sebesar 2.37.
id
Perhitungan simpangan baku untuk nilai emp MC berdasarkan analisis regresi

linier terdapat pada tabel 4.22 dibawah ini.
Tabel 4.22 Perhitungan nilai emp motorcycle dari semua pendekat
(1) (2) (3) (4) (5) (6) (7)
1 Lokasi 1 0.09 0.18 0.09 0.12 0.09 0.05
2 Lokasi 2 0.10 0.19 0.20 0.16 0.10 0.06
3 Lokasi 3 0.06 0.08 0.09 0.08 0.03 0.22
Jumlah 0.36 0.22 0.13
0.36
x= = 0.12
3
0.22
R= = 0.07
3
Dari Tabel di Lampiran D dengan n = 3 didapat A2 = 1,023
Sentral = x = 0.12
BKA = x + A2 R = 0.12 + (1.023) . (0.07) = 0.19
BKB = x - A2 R = 0.12 - (1.023) . (0.07) = 0.05
s =  Si 0.13
= 0.04
3
=
k
x = 0.12
Sentral = x = 0.12
BKA = x + A1 s = 0.12 + (2.394) . (0.04) = 0.22
BKB = x - A1 s = 0.12 - (2.394) . (0.04 ) = 0.02
commit to user
id
0.3
0.25
0.2
Rata-rata
0.15
0.1
0.05
0
0 1 2 3
Lokasi Survei
a x emp heavyvehicle Dari gambar diatas maka didapat nilai emp untuk motorcycle sebesar 0.12. Tabel 4.23 Perhitungan n

(1) (2) (3) (4) (5) (6) (7)
1 Lokasi 1 1.30 1.24 1.10 1.21 0.09 0.10
2 Lokasi 2 2.57 3.11 2.33 2.67 0.78 0.40
3 Lokasi 3 2.00 2.83 1.28 2.04 1.55 0.78
Jumlah 5.92 2.42 1.28
5.92
x= = 1.97
3
2.42
R= = 0.81
3
Dari tabel di Lampiran D dengan n = 3 didapat A2 = 1.023
Sentral = x = 1.97
BKA = x + A2 R = 1.97 + (1.023) . (0.81) = 2.80
BKB = x - A2 R = 1.97 -
(1.02 3 ) . (0 .8 1 ) = 1 .14
c o m m it t o u se r
id
s =  Si 1.28
= 0.43
3
=
k
x = 1.97
Sentral = x = 1.97
BKA = x + A1 s = 1.97 + (2.394) . (0.43) = 3.00
BKB = x - A1 s = 1.97 - (2.394) . (0.43) = 0.94
3.5
2.5
Rata-rata
1.5
0.5
0
0 1 2 3
Lokasi Survei
Gambar 4.9 Diagram kontrol untuk rata-rata x emp heavyvehicle

Dari gambar diatas maka didapat nilai emp untuk heavyvehicle sebesar 2.04.
Hasil nilai emp yang paling baik berdasarkan analisis time headway dan analisis
regresi linier dengan standar statistik dapat dilihat pada tabel 4.24 :
Tabel 4.24 Rekapan Nilai emp
No Jenis Analisis Nilai emp
Motorcycle Heavy vehicle
1 Time headway 0.4 2.38
2 Regresi linier 0.12 2.04
commit to user
id
4.5 Perhitungan Kinerja Simpang Tak Bersinyal
a. Perhitungan Arus Lalu Lintas Simpang

Perhitungan arus lalu lintas simpang menggunakan data volume lalu lintas yang
kemudian dikonversikan ke satuan mobil penumpang (smp), untuk perhitungan
arus jalan utama, arus jalan minor, arus total dan rasio kendaraan tak bermotor
tersaji pada tabel 4.23 dengan mengambil beberapa contoh saja. Adapun cara
pengisian tabel adalah sebagai berikut :
Kolom (1) : arus pendekat
Kolom (2) : keterangan arah belokan
Kolom (3) : banyaknya kendaraan
ringan
Kolom (4) : banyaknya kendaraan ringan dalam smp dengan emp = 1,0.
Kolom (5) : banyaknya kendaraan berat.
Kolom (6) : banyaknya kendaraan berat dalam smp dengan emp = 1,3.
Kolom (7) : banyaknya sepeda motor.
Kolom (8) : banyaknya sepeda motor dalam smp dengan emp = 0,5.
Kolom (9) : jumlah kendaraan bermotor , yaitu dari jumlah kolom (3), kolom
(5), dan kolom (7).
Kolom (10) : jumlah kendaraan bermotor dalam smp, yaitu dari kolom (4) ,
kolom (6) dan kolom (8).
Kolom (11) : rasio belokan dari kendaraan bermotor.
Kolom (12) : jumlah kendaraan tak bermotor.
commit to user
75
Tabel 4.25 Perhitungan Arus Lalu Lintas Simpang Berdasarkan Nilai emp dari MKJI 1997
KOMPOSISI LALU Faktor
1 LINTAS LV% : HV% : MC% : smp Faktor-k
Arus lalu lintas arah Kendaraan ringan LV Kendaraan berat HV Sepeda motor MC Kendaraan bermotor total MV kend tak
bermotor
UM kend/jam
2 12
2 Pendekat emp : 1,0 emp : 1,3 emp : 0,5
Rasio
3 kend/jam smp/jam kend/jam smp/jam kend/jam smp/jam kend/jam smp/jam belok
4 1 3 4 5 6 7 8 9 10 11,00
5 Jl. minor A LT 9 9 0 0 9 4,5 18 13,5 0,01 2
6 RT 9 9 3 3,9 35 17,5 47 30,4 0,03 13
7 ST 274 274 7 9,1 1401 700,5 1682 983,6 0,00 240
8 Total 292 292 10 13 1445 722,5 1747 1027,5 0,00 255
9 Jl. minor B LT 309 309 11 14,3 2028 1014 2348 1337,3 0,99 363
10 RT 0 0 0 0 32 16 32 16 0,01 12
11 ST 0 0 0 0 0 0 0 0 0,00 0
12 Total 309 309 11 14,3 2060 1030 2380 1353,3 0,00 375
13 Jl.minor A+B 601 601 21 27,3 3505 1752,5 4127 2380,8 0,00 630
14 Jalan Utama C LT 16 16 0 0 134 67 150 83 0,11 29
15 RT 0 0 0 0 0 0 0 0 0,00 0
16 ST 153 153 6 7,8 961 480,5 1120 641,3 0,00 81
17 Total 169 169 6 7,8 1095 547,5 1270 724,3 0,00 110
18 Jl Utama+Minor LT 334 334 11 14,3 2171 1085,5 2516 1433,8 0,46 394
RT 9 9 3 3,9 67 33,5 79 46,4 0,04 25
ST 427 427 13 16,9 2362 1181 2802 1624,9 0,00 321
Jl. Utama+minor total 770 770 27 35,1 4600 2300 5397 3105,1 0,48 740
19 Rasio jl minor/(jalan utama+minor)total 0,77 UM/MV : 0,14
76
Tabel 4.26 Perhitungan Arus Lalu Lintas Simpang Berdasarkan Nilai emp dari Regresi Linier
Bermotor
UM kend/jam
2 12
emp :
2
Pendekat emp : 1,0 emp : 2.04 0.12
3 Rasio
1 3 4 5 6 7 8 9 10 11,00
5
Jl. minor A LT 9 9 0 0 9 1,08 18 10,08 0,02 2
RT 9 9 3 6,12 35 4,2 47 19,32 0,04 13
ST 274 274 7 14,28 1401 168,12 1682 456,4 0,00 240
Total 292 292 10 20,4 1445 173,4 1747 485,8 0,00 255
LINTAS LV% : HV% : MC% : smp Faktor-k
6 Bermotor
7
UM kend/jam
8
2 12
9 emp :
Pendekat emp : 1,0 emp : 2.04 0.12
10
Rasio
kend/jam smp/jam kend/jam smp/jam kend/jam smp/jam kend/jam smp/jam belok
1 3 4 5 6 7 8 9 10 11,00
Jl. minor B LT 309 309 11 22,44 2028 243,36 2348 574,8 0,99 363
RT 0 0 0 0 32 3,84 32 3,84 0,01 12
ST 0 0 0 0 0 0 0 0 0,00 0
Total 309 309 11 22,44 2060 247,2 2380 578,64 0,00 375
77
Jl.minor A+C 601 601 21 42,84 3505 420,6 4127 1064,44 0,00 630
78

Bermotor
UM kend/jam
2 12
11 emp :
Pendekat emp : 1,0 emp :2.04 0.19
12 Rasio
14 1 3 4 5 6 7 8 9 10 11,00
20 Jalan Utama C LT 16 16 0 0 134 16,08 150 32,08 0,10 29
21 RT 0 0 0 0 0 0 0 0 0,00 0
22 ST 153 153 6 12,24 961 115,32 1120 280,56 0,00 81
23 Total 169 169 6 12,24 1095 131,4 1270 312,64 0,00 110
24 Jl Utama+Minor LT 334 334 11 22,44 2171 260,52 2516 616,96 0,45 394
RT 9 9 3 6,12 67 8,04 79 23,16 0,02 25
ST 427 427 13 26,52 2362 283,44 2802 736,96 0,00 321
Rasio jl minor/(jalan utama+minor)total 0,77 UM/MV : 0,14
79
Tabel 4.27 Perhitungan Arus Lalu Lintas Simpang Berdasarkan Nilai emp dari Time Headway

Bermotor
UM kend/jam
2 12
2 Pendekat emp : 1,0 emp : 2.38 emp : 0.4
Rasio
4 1 3 4 5 6 7 8 9 10 11,00
5 Jl. minor A LT 9 9 0 0 9 3,96 18 12,96 0,01 2
RT 9 9 3 7,2 35 15,4 47 31,6 0,03 13
ST 274 274 7 16,8 1401 616,44 1682 907,24 0,00 240
Total 292 292 10 24 1445 635,8 1747 951,8 0,00 255
Bermotor
6
7 UM kend/jam
8 2 12
9 Pendekat emp : 1,0 emp : 2.38 0,4
10 Rasio
1 3 4 5 6 7 8 9 10 11,00
Jl. minor B LT 309 309 11 26,4 2028 892,32 2348 1227,72 0,99 363
RT 0 0 0 0 32 14,08 32 14,08 0,01 12
ST 0 0 0 0 0 0 0 0 0,00 0
Total 309 309 11 26,4 2060 906,4 2380 1241,8 0,00 375
Jl.minor A+B 601 601 21 50,4 3505 1542,2 4127 2193,6 0,00 630
80

Bermotor
UM kend/jam
2 12
11 Pendekat emp : 1,0 emp :2.38 emp : 0.4
Rasio
12
13
1 3 4 5 6 7 8 9 10 11,00
14 LT 16 16 0 0 134 58,96 150 74,96 0,12 29
Jalan Utama C
20 RT 0 0 0 0 0 0 0 0 0,00 0
21 ST 136 136 6 14,4 961 422,84 1103 573,24 0,00 81
22 Total 152 152 6 14,4 1095 481,8 1253 648,2 0,00 110
23 Jl Utama+Minor LT 334 334 11 26,4 2171 955,24 2516 1315,64 0,46 394
24 RT 9 9 3 7,2 67 29,48 79 45,68 0,02 25
ST 410 410 13 31,2 2362 1039,28 2785 1480,48 0,00 321
Rasio jl minor/(jalan utama+minor)total 0,77 UM/MV : 0,14
d
b. Perhitungan Kapasitas Simpang

Perhitungan kapasitas simpang dapat dilihat pada tabel 4.26, adapun cara
pengisian adalah sebagai berikut :
Kolom (0) : pilihan
Kolom (1) : jumlah lengan simpang = 4
Kolom (2) : lebar masukan pendekan A/ RM Said (WA)
6.35
Cara perhitungan = WA = lebar pendekat A = = 3.175
2 2
Kolom (3) : lebar masukan pendekat B/ RM Said (WB)

lebar pendekat 6.95
Cara perhitungan = WB = =
B = 3.475
2
2
Kolom (4) : lebar rata – rata masukan pendekat A, dan B (WAB), didapat dari
hasil penjumlahan kolom (2) dan kolom (3) kemudian dibagi 2.
W A  WB (3.175 
Cara perhitungan = WAB = = 3.325
3.475)
=
2 2
Kolom (5) : lebar masukan pendekat C/ Sultan Hasanudin (WC)

lebar pendekat 9
Cara perhitungan = WB = = 4.5
C 2
=
2
Kolom (6) : lebar masukan pendekat D/ Sultan Hasanudin (WD)

lebar pendekat 6.7
Cara perhitungan = WB = = 3.35
D 2
=
2
Kolom (7) : lebar rata – rata masukan pendekat C, dan D (WCD), didapat dari
hasil penjumlahan kolom (5) dan kolom (6) kemudian dibagi 2.
W C  WD (4.5 
Cara perhitungan = WCD = = 3.925
3.35)
=
2 2
Kolom (8) : lebar rata – rata masukan pendekat A, B, C, dan D (WI), didapat
dari hasil penjumlahan kolom (4) dan kolom (7) kemudian dibagi 2.
W AB  (3.325 
Cara perhitungan = WI = = 3.625
WCD 3.925)
=
2
2
Kolom (9) : jumlah lajur jalan minor, dimana rata – rata pendekat minor =
d
3.325 m < 5.5m maka jumlah lajucrnomyam=it2to user

id
Kolom (10) : jumlah lajur jalan utama, dimana rata – rata pendekat utama
=3.925 m < 5.5 m maka jumlah lajurnya = 2
Kolom (11) : tipe simpang pada simpang Pasar Nangka ini jumlah lengan
simpang adalah 4, jumlah lajurnya adalah 2, maka simpang Pasar Nangka
mempunyai tipe IT-422.
Tabel 4.28 Perhitungan Kapasitas Simpang Berdasar Nilai emp MKJI 1997
Lebar pendekat dan tipe simpang
Jumlah Lebar
Pilihan lengan pendekat (m) Jumlah lajur Tipe
Simpang Jalan minor Jalan utama Lebar simpang
pendekat
rata-rata
WI
1 8 11
WA WB WAB WC WD WBD Jalan Jalan
minor Utama
2 3 4 5 6 7 9 10
1 4 3,175 3,475 3,325 4,5 3,35 3,925 3,625 2 2 422
(berlanjut)
Tabel 4.29 Perhitungan Kapasitas Simpang Berdasarkan nilai emp Regresi Linier
Jumlah Lebar
Pendekat
rata-rata
WI
1 8 11
WA WC WAC WB WD WBD Jalan Jalan
minor Utama
2 3 4 5 6 7 9 10
1 4 3,175 3,475 3,325 4,5 3,35 3,925 3,625 2 2 422
(berlanjut)
commit to user
Tabel 4.30 Perhitungan Kapasitas Simpang Berdasarkan nilai emp Time Headway
Jumlah Lebar
Pendekat
rata-rata
WI
1 8 11
WA WC WAC WB WD WBD Jalan Jalan
minor Utama
2 3 4 5 6 7 9 10
1 4 3,175 3,475 3,325 4,5 3,35 3,925 3,625 2 2 422
(berlanjut)
Kolom (12) : kapasitas dasar (Co), didapat dari tabel 2.12 yaitu sebesar 2900
smp/jam
Kolom (13) : faktor penyesuaian lebar pendekat (FW), dihitung dengan rumus
pada gambar 2.3. Untuk tipe simpang 422, rumus untuk perhitungan F W = 0.70 +
0.0866 WI
FW = 0.70 + 0.0866*3.625
FW = 1.01
Kolom (14) : faktor penyesuaian median jalan (F M), didapat dari tabel 2.13,
yaitu untuk jalan yang tidak memiliki median jalan nilai FM = 1
Kolom (15) : faktor penyesuaian ukuran kota (FCS), didapat dar tabel 2.14.
Untuk wilayah kota Surakarta yang memiliki jumlah penduduk 0.5 – 1.0 (juta)
termasuk dalam ukuran kota sedang dengan faktor (FCS) = 0.94
Kolom (16) : faktor penyesuaian hambatan samping (FRSU), didapat dari tabel
2.15 dengan variabel masukan rasio kendaraan tak bermotor UM/MV yang
didapat dari tabel 4.21 baris 19 kolom 12
Kolom (17) : faktor penyesuaian belok kiri (FLT), dihitung dengan rumus pada
gambar 2.4 dengan variabel masukan rasio belok kiri PLT yang didapat dari tabel
4.22 baris 15 kolom 11.
FLT = 0.84+1.61*PLT
FLT = 0.084+1.61*0.39
FLT = 1.47
Kolom (18) : faktor penyesuaian belok kanan (FRT), untuk simpang 4 lengan
FRT = 1
Kolom (19) : faktor penyesuaian rasio arus jalan minor (FMI), dihitung
menggunakan rumus pada tabel 2.16 dengan variabel masukan tipe simpang tabel
4.22 kolom 11 dan rasio arus jalan minor PMI dari tabel 4.21 kolom 11 baris 18.
Cara perhitungan sebagai berikut :
FMI = 1.19* PMI2-1.19* PMI+1.19
FMI = 1.19*0.772-1.19*0.81+1.19
FMI = 1.01
Kolom (20) : kapasitas simpang sesungguhnya (C), dihitung dengan rumus
(2.3) cara perhitungan sebagai berikut :
C = CO*FW*FM*FCS*FRSU*FLT*FRT*FMI
C = 2900*1.01*1*0.94*0.80**1.47*0,98
C = 3524.99 smp/jam
Tabel 4.31 Perhitungan Kapasitas Simpang Berdasarkan Nilai emp MKJI 1997
Kapasitas Faktor penyesuain kapasitas (F)
Dasar Kapasitas
Co
smp/jam
C
smp/jam
12 20
Lebar Median Ukuran Hambatan Belok Belok Rasio
pendekat jalan kota samping Kiri Kanan minor/
rata-rata utama total
FW FM F CS F RSU F LT F RT FMI
13 14 15 16 17 18 19
2900 1,01 1 0,94 0,86 1,47 1 1,01 3524,99
Tabel 4.32 Perhitungan Kapasitas Simpang Berdasarkan Nilai emp Regresi Linier
Dasar Kapasitas
Co
smp/jam
C
smp/jam
20
12 Lebar Median Ukuran Hambatan Belok Belok Rasio
13 14 15 16 17 18 19
2900 1,01 1 0,94 0,80 1,56 1 0,98 3387,31
Tabel 4.33 Perhitungan Kapasitas Simpang Berdasarkan Nilai emp Time Headway
Dasar Kapasitas
Co
smp/jam
C
smp/jam
12 20
Lebar Median Ukuran Hambatan Belok Belok Rasio
13 14 15 16 17 18 19
2900 1,01 1 0,94 0,80 1,59 1 0,98 3437,08
c. Perhitungan Tingkat Kinerja Simpang

Perhitungan tingkat kinerja simpang dapat dilihat pada tabel 4.32, cara
pengisiannya adalah sebagai berikut :
Kolom (1) : arus lalu lintas total (Q), didapat dari tabel 4.21 baris 18 kolom
10 yaitu sebesar 3105.1 smp/jam
Kolom (2) : derajat kejenuhan (DS), dihitung dengan rumus 2.13. Cara
perhitungan sebagai berikut :
DS = Qtot/C
DS = 2478.60/3524.99
DS = 0.70
Kolom (3) : tundaan lalu lintas simpang (DTt), dihitung dengan rumus yang
terdapat pada gambar 2.8 tergantung nilai DS. Cara perhitungan sebagai berikut :
Karena DS<0.6, maka rumus yang digunakan adalah :
DT = 2+8.2078*DS-(1-DS)*2
DT = 2+8.2078*(0.70)-(1-0.70)*2
DT = 7.45
Kolom (4) : tundaan lalu lintas jalan utama (DT MA), dihitung dengan rumus
yang terdapat pada gambar 2.7 tergantung nilai DS. Cara perhitungan sebagai
berikut :
Karena DS<0.6, maka rumus yang digunakan adalah :
DTMA = 1.8+5.8234*DS-(1-DS)*1.8
DTMA = 1.8+5.8234*0.70-(1-0.70)*1.8
DTMA = 5.54
Kolom (5) : tundaan lalu lintas jalan minor (DTMI), dihitung dengan rumus
2.11 dengan variabel masukan adalah arus total (Q) yang didapat dari tabel 4.21
baris 18 kolom 10, tundaan lalu lintas simpang (DT t) yang didapat dari tabel 4.24
kolom 3, arus jalan utama (QMA) yang didapat dari tabel 4.21 baris 14 kolom 10,
tundaan lalu lintas jalan utama (DTMA) yang didapat tabel 4.24 kolom 4, dan arus
jalan minor (QMI) yang didapat dari tabel 4.22 baris 10 kolom 10.
Kolom (6) : tundaan geometrik simpang (DG), dihitung dengan rumus 2.12
dengan variabel masukan derajat kejenuhan (DS) yang didapat dari tabel 4.23
kolom 2 dan rasio belok total (PT) yang didapat dari tabel 4.22 baris 18 kolom 11.
Kolom (7) : tundaan simpang (D), dihitung dengan menggunakan rumus :
D = DTI + DG
D = 7.45+ 4.07
D = 11.52
Kolom (8) : peluang antrian (QP%), dihitung dengan menggunakan rumus
yang terdapat pada gambar 2.8 sesuai dengan variabel masukan derajat kejenuhan.
Cara perhitungan sebagai berikut :
QP(%) = 47.71*DS-24.68*DS^2+56.47*DS^3
QP(%)=47.71*0.70-24.68*0.70^2+56.47*0.70^3
QP(%) = 40.98
dan,
QP(%) = 9.02*DS+20.66*DS^2+10.49*DS^3
QP(%) = 9.02*0.70+20.66*0.70^2+10.49*0.70^3
QP(%) = 20.20
Tabel 4.34 Perhitungan Tingkat Kinerja Simpang Berdasarkan Nilai emp MKJI
1997
Arus
lalu- Tundaan Tundaan Tundaan Peluang
lintas Derajat lalu- lalu- lalu- Tundaan Tundaan antrian Sasaran
lintas
Qtot kejenuhan simpang lintas lintas geometrik simpang Batas Batas
smp/jam Jl.Utama Jl.Minor simpang (D) atas bawah
(DS) (DTI) (DTMA) DMI (DG) (23)+(26) (QP)
(21)/(20) dtk/smp dtk/smp dtk/smp dtk/smp dtk/smp % %
21 22 23 24 25 26 27 28 29,00
2478,60 0,70 7,45 5,54 7,90 4,07 11,52 40,98 20,20 DS>0.6
Tabel 4.35 Perhitungan Tingkat Kinerja Simpang Berdasarkan Nilai emp Regresi
Linier
Arus
lalu- Tundaan Tundaan Tundaan Peluang
lintas Derajat lalu- lalu- lalu- Tundaan Tundaan antrian Sasaran
lintas
(DS) (DTI) (DTMA) DMI (DG) (23)+(26) (QP %)
21 22 23 24 25 26 27 28 29,00
1377,08 0,41 9,02 3,10 10,76 4,20 13,23 19,11 7,79 DS>0.6
Tabel 4.36 Perhitungan Tingkat Kinerja Simpang Berdasarkan Nilai emp Time
Headway
Arus
lalu- Tundaan Tundaan Tundaan
lintas Derajat lalu- lalu- lalu- Tundaan Tundaan Peluang antrian Sasara
lintas

(DS) (DTI) (DTMA) DMI (DG) (23)+(26) (QP %)
21 22 23 24 25 26 27 28 29,00
2841,80 0,83 9,62 7,05 10,38 4,08 13,70 54,49 27,51 DS>0.
id
d. Pembahasan
Hasil analisis kapasitas dan tingkat kinerja berdasarkan nilai emp MKJI 1997,
analisis regresi linier dan time headway menunjukan bahwa kondisi simpang
Pasar Nangka sudah jenuh. Hal ini dapat dilihat dari nilai derajat kejenuhan (DS),
banyaknya arus lalu lintas, tundaan simpang dan peluang antrian yang
mempengaruhi kelancaran pergerakan disimpang Pasar Nangka.
Hasil perhitungan kapasitas dan tingkat kinerja berdasarkan nilai emp MKJI 1997,
analisis regresi linier dan time headway berbeda. Hasil perhitungan dapat dilihat
pada tabel 4.37 :
Tabel 4.37 Hasil Perhitungan Kapasitas dan Tingkat Kinerja Simpang
No Kategori Kapasitas dan Tingkat Kinerja Simpang
Arus Derajat Tundaan Peluang Antrian
Lalulintas Kejenuhan Simpang Batas Batas
(smp/jam) (dtk/smp) Atas Bawah
(%) (%)
1 MKJI 1997 2478,60 0,70 11,52 40,98 20,20
2 Regresi Linier 1377,08 0,41 13,23 19,11 7,79
3 Time Headway 2841,80 0,83 13,70 54,49 27,51
Hasil perhitungan kapasitas dan tingkat kinerja simpang dari ketiga nilai emp
yang berbeda menunjukan bahwa hasil perhitungan nilai emp metode time
headway memiliki nilai derajat kejenuhan, tundaan simpang dan peluang antrian
yang paling besar daripada yang lainnya. Hal tersebut disebabkan oleh nilai emp,
nilai emp hasil perhitungan metode time headway lebih layak digunakan daripada
nilai emp hasil perhitungan analisis regresi linier. Kenyataan tersebut dapat
diketahui dari besarnya derajat kejenuhan (DS) pada perhitungan kinerja
simpang. Derajat kejenuhan berdasarkan emp time headway yang lebih besar dari
derajat kejenuhan perhitungan kinerja simpang berdasarkan emp MKJI 1997.
Arus dan volume kendaraan yang digunakan untuk menghitung kinerja simpang
berdasarkan emp MKJI 1997 acdoamlamhitatroususdearn volume kendaraan
pada tahun
id
tersebut sedangkan perhitungan kinerja simpang berdasarkan emp time headway

menggunakaan volume dan arus kendaraan pada saat ini. Hal tersebut sesuai bila
diterapkan karena arus lalu lintas mengalami perkembangan pada tiap tahunnya.
Terutaman pada dominasi sepeda motor saat ini yang sangat berpengaruh terhadap
kapasitas dan kinerja simpang.
commit to user
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil perhitungan yang telah dilakukan, maka diperoleh :
1. a. Analisis perhitungan nilai emp berdasarkan analisis regresi linier pada jam
puncak siang diperoleh nilai emp untuk motorcycle sebesar 0.12 dengan
nilai koefisien korelasi sebesar 0.261 – 0.896, nilai emp untuk heavy
vehicle sebesar 2.04 dengan nilai koefisien korelasi sebesar -0.065 – 0.284.
b.Analisis perhitungan nilai emp berdasarkan analisis time headway pada jam
puncak diperoleh nilai emp untuk motorcycle sebesar 0.40 , nilai emp untuk
heavy vehicle sebesar 2.38 .
c.Dari kedua metode tersebut diatas sangat berbeda bila di bandingkan
dengan emp dari MKJI 1997 yaitu untuk motorcycle sebesar 0.5, heavy
vehicle sebesar 1.3 dan untuk light vehicle sebesar 1.0. Maka emp dari
MKJI 1997 perlu penyesuaian untuk diterapkan di simpang Pasar Nangka.
2. a. Analisis kinerja simpang tak bersinyal pasar Nangka berdasarkan nilai emp
dari MKJI 1997 diperoleh arus lalu lintas sebesar 2478.60 smp/jam, nilai
derajat kejenuhan simpang sebesar 0.70, tundaan simpang 11.52 det/smp,
peluang antrian simpang sebesar 20.20% - 40.98%.
b. Analisis kinerja simpang tak bersinyal pasar Nangka berdasarkan nilai emp
dari analisis regresi linier diperoleh arus lalu lintas sebesar 1377.08
smp/jam, nilai derajat kejenuhan simpang sebesar 0.41, tundaan simpang
13.34 det/smp, peluang antrian simpang sebesar 7.79% - 19.11%.
c. Analisis kinerja simpang tak bersinyal pasar Nangka berdasarkan nilai emp
dari anilisis rasio headway diperoleh arus lalu lintas simpang sebesar
2841.80 smp/jam, nilai derajat kejenuhan simpang sebesar 0.83, tundaan
simpang 13.70 det/smp, peluang antrian simpang sebesar 27.51% -
54.49%.
d
5.2 Saran
Berdasarkan hasil penelitian analisis nilai emp dan kinerja simpang tak bersinyal
Pasar Nangka ini, penulis dapat memberikan saran antara lain :
1. Perubahan geometrik pada simpang Pasar Nangka perlu dilakukan untuk

memperbaiki kinerja simpang tak bersinyal Pasar Nangka, seperti pelebaran
jalan dan penambahan area parkir.
2. Pada perhitungan emp regresi linier, hasil uji statistic nya banyak yang tidak
memenuhi syarat. Untuk itu, dalam perhitungan emp pada penelitian
selanjutnya disarankan untuk tidak menggunakan perhitungan emp
menggunakan metode regresi linier.
commit to user

Studi Kinerja Simpang Tak Bersinyal Pasar Nangka Atas Dasar Observasi Ekuivalensi Mobil Penumpang

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Studi Kinerja Simpang Tak Bersinyal Pasar Nangka Atas Dasar Observasi Ekuivalensi Mobil Penumpang

Diunggah oleh

Hak Cipta:

Format Tersedia

STUDI KINERJA SIMPANG TAK BERSINYAL PASAR

NANGKA ATAS DASAR OBSERVASI EKUIVALENSI MOBIL

YASINTHA IKA PRAMESTI

JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK

studies of performance unsignalized intersection pasar nangka on the basis of

Disusun oleh : YASINTHA IKA PRAMESTI

Telah disetujui untuk dipertahankan dihadapan tim penguji pendadaran

Ir. Agus Sumarsono, MT S.J Legowo, ST. MT

studies of performance unsignalized intersection pasar nangka on the basis of

YASINTHA IKA PRAMESTI

Pada hari : Kamis

Ir. Agus Sumarsono, MT ( )

Slamet Jauhari Legowo, ST,MT ( )

Ir. Djoko Sarwono, MT ( )

Dewi Handayani, ST, MT ( )

Tuhan membuat segala sesuatu indah pada waktunya (Pengkhotbah 3:11)

Kegagalan adalah rencana alam untuk mempersiapkan kita agar

Almarhumah Nenekku (Antonia Katiyem)

Terimakasih atas cinta-Nya yang membuatku ingat untuk segera bangkit

Ibu dan Bapakku

tercinta (Dyah Retno Wulandari dan Yasin Eko

Adikku tersayang (Yudha Baladhika)

Walaupun sering merepotkan, terimakasih telah menjadi saudaraku yang

Yasintha Ika Pramesti, 2011. Studies of Performance Unsignalized

One type of intersection is unsignalized intersection. Unsignalized intersection

Pada kesempatan ini, penulis mengucapkan terimakasih sebesar – besarnya

1. Pimpinan Fakultas Teknik Universitas Sebelas Maret Surakarta beserta staf.

Surakarta, Juni 2011

commit to user Penulis

HALAMAN JUDUL ...................................................................... i

HALAMAN PERSETUJUAN ...................................................... iii

ABSTRACT .................................................................................... vii

KATA PENGANTAR.................................................................... viii

DAFTAR TABEL .......................................................................... xii

DAFTAR GAMBAR ...................................................................... xv

DAFTAR LAMPIRAN .................................................................. xvi

DAFTAR NOTASI......................................................................... xvii

Tabel 2.1 emp Untuk Simpang Tak Bersinyal .....................................

Tabel 2.2 Klasifikasi Kendaraan................................................................11

Tabel 2.3 Nilai Normal Faktor – k.............................................................13

Tabel 2.4 Nilai Normal Komposisi Lalulintas...........................................14

Tabel 2.5 Nilai Normal Lalulintas Umum.................................................14

Tabel 2.6 Kelas Ukuran Kota.....................................................................15

Tabel 2.7 Tipe Lingkungan Jalan...............................................................15

Minor dan Utama....................................................................18

Tabel 2.9 Kode Tipe Simpang...................................................................19

Tabel 2.10 Kapasitas Dasar Menurut Tipe Simpang.................................19

Tabel 2.11 Faktor Penyesuaian Median Jalan Utama (FM)........................21

Tabel 2.12 Faktor Penyesuaian Ukurean Jalan Kota (FCS).........................21

Tabel 2.13 Faktor Penyesuaian Tipe Lingkungan Jalan, Hambatan

Samping, dan Kendaraan Tak Bermotor (FRSU)......................22

Tabel 2.14 Faktor Rasio Jalan Minor.........................................................24

Tabel 4.2 Jumlah Kendaraan dan Rasio Kendaraan Pada Saat

Tabel 4.3 Rasio Motorcycle (MC) terhadap Light Vehicle (LV)...........48

Tabel 4.4 Volume Lalulintas Pada Saat Jam Puncak Siang

Lokasi 1 (Jalan Hasanudin).....................................................50

Tabel 4.5 Perhitungan Regresi Lcionmiemr JitaltaonuSseurltan Hasanudin

Tabel 4.6 Rekapitulasi Nilai emp Menggunakan Analisis Regresi

Tabel 4.9 Nilai koefisien korelasi pada jam puncak sore.................. 57

Tabel 4.10 Nilai uji keberartian koefisien korelasi pada jam

Tabel 4.11 Nilai uji keberartian koefisien korelasi pada jam

Tabel 4.12 Nilai uji keberartian koefisien korelasi pada jam

Tabel 4.13 Nilai Uji F pada jam puncak pagi ...................................... 60