1.

PENDAHULUAN

Permintaan transportasi merupakan cerminan kebutuhan akan jasa transportasi

manusia maupun barang. Karena itu, permintaan transportasi merupakan dasar yang

penting untuk perencanaan sarana dan prasarana transportasi. Permintaan transportasi

merupakan permintaan turunan (derived demand) dari permintaan ekonomi. Peningkatan

aktivitas ekonomi secara langsung maupun tidak langsung akan meningkatkan volume

lalulintas akibat dari peningkatan mobilitas/pergerakan barang, penumpang, maupun jasa.

Sehingga peningkatan aktivitas ekonomi akan meningkatkan permintan jasa transportasi.

Secara garis besar hubungan antara : aktivitas ekonomi, jasa transportasi, dan sarana-

prasarana transportasi seperti pada Gambar 1.

Gambar1.
1 Diagram Hubungan :
Aktivitas Ekonomi-Jasa Transportasi-Sarana Prasarana Transportasi.

1
 Pada kesempatan kali ini, kami menganalisa dan membuat permodelan transportasi

mobil yang mencakup 4 kabupaten sekaligus, yaitu Blora, Grobogan, Sragen dan Ngawi

Berdasar hasil observasi, tingkat kepadatan lalulintas terbesar adalah dari Kabupaten Blora

menuju arah selatan dan dari Kabupaten Ngawi menuju arah barat dan sebaliknya.

Kepadatan terbesar terjadi pada jam puncak pagi yang didominasi oleh sepeda motor dan

kendaraan roda empat.

Gambar 1. 2 Peta batas Kabupaten

2. PEMODELAN TRANSPORTASI

Model merupakan salah satu komponen kunci dalam perencanaan transportasi baik

pada tingkat strategis, taktis, dan operasional. Sektor pemerintah memerlukannya untuk

peramalan kebutuhan transportasi dalam rangka menyediakan infrastruktur dan sumber

daya manusia yang memungkinkan terlaksananya transportasi yang ekonomis, lancar, dan

2
selamat. Sektor swasta memerlukannya untuk peramalan permintaan transportasi dalam

rangka mengantisipasi : kebutuhan finansial, akuisisi peralatan, dan kebutuhan tenaga.

Teknik perencanaan transportasi pada dasarnya berupa pemodelan. Pemodelan yang

konvensional / klasik dan paling populer digunakan mengikuti 4 tahapan yang disebut four

steps model, yaitu mengikuti tahapan :

1. Bangkitan Perjalanan (Trip Generation)

2. Distribusi Perjalanan (Trip Distribution)

3. Pemilihan Moda (Mode Choice)

4. Pembebanan Lalulintas (Trip Assignment) atau Pemilihan Rute.

Pemodelan dalam kasus ini akan dilakukan berbasiskan zona atau rata-rata rumah

tangga. Pemodelan dilakukan hanya untuk kendaraan : roda empat / mobil pribadi dan

sepeda motor. Parameter bangkitan perjalanan dan distribusi perjalanan hanya didasarkan

survei pada jam puncak pagi dengan metode household/home interview.

I.1. Data Wilayah

Data wilayah meliputi : pusat zona, data zona, jarak antar zona. Zona dibagi

berdasarkan kecamatan. Data penting wilayah zona untuk keperluan pemodelan adalah

sebagai berikut :

3
 Gambar 1. 3 Peta jaringan jalan dan Centroid (pusat zona)

Tabel 2. 1 Data jumlah mobil per wilayah

Zona Kabupaten Jumlah Mobil
1 Blora 20.249
2 Grobogan 28.239
3 Sragen 43.934
4 Ngawi 23.083

I.2. Matrik Trip Production dan Trip Attraction

Tabel 2. 2 Matrik Trip Production dan Trip Attraction

Trip
Total Trip Total
Mobil Productio Poporsi
Zon Kecamata Production Attraction Attraction
n
a n
Trip
(M) TP(m) Pi Tat(m) Aj
Attraction
1 Blora 20249 24667,8 24667,8 0,67 16527 16527
2 Grobogan 28239 34255,8 34255,8 0,41 14045 14045
3 Sragen 43934 53089,8 53089,8 0,86 45657 45657

4
 4 Ngawi 23803 28932,6 28932,6 0,59 17070 17070
Sehingga didapatkan matrik trip generation adalah sebagai berikut :

Tabel 2. 3 Matrik Trip Generation

Zona 1 2 3 4 Pi
1         24667,8
2         34255,8
3         53089,8
4         28932,6
Aj 16527 14045 45657 17070  

I.3. TRIP DISTRIBUTION

Hasil penting tahap ini adalah terbentuknya matrik asal tujuan (MAT) dari masing-masing

zona. Tahap awal analisis trip distribution adalah analisis fungsi hambatan untuk masing-

masing zona.

Tabel 2. 4 Matrik jarak langsung antar pusat zona

1 2 3 4
ZONA
BLORA GROBOGAN SRAGEN NGAWI
1 BLORA 0 66000 81000 74000
2 GROBOGAN 66000 0 56000 102000
3 SRAGEN 81000 57000 0 52000
4 NGAWI 74000 102000 52000 0

A. Fungsi Hambatan

Fungsi hambatan : f(Dij) = f (Dij)−a

mobil : α = 0,17

5
 Tabel 2. 5 Matrik fungsi hambatan mobil : Dij = D^-0.17
ZONA 1 2 3 4
1 0,000000 0,151592 0,146406 0,148672
2 0,151592 0,000000 0,155886 0,140779
3 0,146406 0,155418 0,000000 0,157863
4 0,148672 0,140779 0,157863 0,000000

B. Matrik Asal Tujuan (MAT)

Diperoleh dengan beberapa metode yang digunakan adalah :
a. Metode PCGR
b. Metode Growth Factor Average dan Furness
a. Metode PCGR
Tabel 2. 6 . Hasil Perhitungan MAT Model PCGR untuk Mobil
Tij 1 2 3 4 Pi CPi Pi baru
1 0,00 4626,80 14526,00 5515,00 24667,8 8,8095E-05 24667,80
2 7136,62 0,00 20273,87 6845,30 34255,8 8,3155E-05 34255,80
17603,7
0,00013704
3 9 15880,99 0,00 19605,03 53089,8 53089,80
4 6106,45 4913,87 17912,28 0,00 28932,6 8,5897E-05 28932,60
Aj 16527 14045 45657 17070    
CAj 1 1 1 1  
30846,8
Aj baru 6 25421,66 52712,16 31965,33

b. Metode GFA (Growth Factor Average)

Tabel 2. 7 MAT asli untuk mobil
Tij 1 2 3 4 tpi TPi Ei
14526,0
1 0,00 4626,80 0 5515,00 24667,8 30000 1,21616
20273,8
2 7136,62 0,00 7 6845,30 34255,8 35000 1,021725
17603,7
3 9 15880,99 0,00 19605,03 53089,8 55000 1,035981
17912,2
4 6106,45 4913,87 8 0,00 28932,6 30000 1,036893
30846,8 52712,1
taj 6 25421,66 6 31965,33 140946 150000

6
TAj 30000 30000 55000 35000 150000 1,064237
0,97254 1,04340
Ej 6 1,180096 3 1,094936

7
 Tabel 2. 8 GF Average Iterasi 1
Tij 1 2 3 4 tpi TPi Ei
5543,49 6372,84
1 0 7 16411,21 7 28327,55 30000 1,05904
7244,59
2 7116,182 0 20934,06 5 35294,84 35000 0,991646
17596,7 20888,3
3 17678,84 4 0 4 56163,92 55000 0,979276
5446,99
4 6135,268 9 18631,42 0 30213,68 30000 0,992928
28587,2 34505,7
taj 30930,29 4 55976,69 8 150000 150000
TAj 30000 30000 55000 35000 150000
1,04941 1,01432
Ej 0,969923 9 0,982552 3

Tabel 2. 9 GF Average Iterasi 48 (Konvergen)

Tij 1 2 3 4 tpi TPi Ei
1 0 6288,396 16725,61 6986,213 30000,22 30000 0,999993
2 7158,125 0 20285,6 7556,584 35000,31 35000 0,999991
3 16692,57 17849,48 0 20457,13 54999,18 55000 1
4 6149,264 5862,066 17988,96 0 30000,29 30000 0,99999
taj 30000 30000 55000 35000 150000 150000
TAj 30000 30000 55000 35000 150000
Ej 1 1 1 1

c. Metode Furness

Tabel 2. 10 Furness Iterasi 1

Tij 1 2 3 4 tpi TPi Ei
5626,92
1 0 8 17665,95 6707,122 30000 30000 1
2 7291,666 0 20714,317 6994,017 35000 35000 1
16452,3
3 18237,18 9 0 20310,43 55000 55000 1
5095,15
4 6331,732 7 18573,111 0 30000 30000 1
27174,4
taj 31860,58 8 56953,378 34011,57 150000 150000  
TAj 30000 30000 55000 35000 150000    
Ej 0,941603 1,10397 0,9657022 1,029062      

8
7

9
 Tabel 2. 11 Furness Iterasi 2 (Konvergen)
Tij 1 2 3 4 tpi TPi Ei
6211,99 30174,0
1 0 9 17060,046 6902,042 9 30000 0,994231
34066,9
2 6865,851 0 20003,86 7197,275 9 35000 1,027388
18163,0 56235,9
3 17172,17 6 0 20900,68 2 55000 0,978023
5624,93
4 5961,975 6 17936,094 0 29523 30000 1,016157
taj 30000 30000 55000 35000 150000 150000  
TAj 30000 30000 55000 35000 150000    
Ej 1 1 1 1      

Hasil akhir iterasi kedua metode tersebut tidak jauh berbeda. Namun metode Furness
lebih praktis, karena dengan data yang sama mencapai konvergen lebih cepat (iterasi ke-1)
dibanding GF Average (iterasi ke – 48). Namun metode GF Average realistis dalam hal
untuk peramalan berdasar pertumbuhan jumlah kendaraan.

10