SKRIPSI

ANALISIS PEMILIHAN RUTE ALTERNATIF

AKIBAT KEBIJAKAN CAR FREE DAY
PADA JALAN SOEPRAPTO
(Studi Kasus Jaringan Jalan di Kawasan Jalan Soeprapto, Jalan Soekarno
Hatta dan Jalan Letkol Santosa Kota Bengkulu)

Diajukan untuk Memenuhi Persyaratan dalam Menyelesaikan Pendidikan

Tingkat Sarjana (S-1) pada Program Studi Teknik Sipil Fakultas Teknik
Universitas Bengkulu

Oleh :

ANANG WIJAYA
G1B018060

HALAMAN SAMPUL

PROGRAM STUDI TEKNIK SIPIL

FAKULTAS TEKNIK
UNIVERSITAS BENGKULU
2022
 BAB 1
.PENDAHULUAN.
1.1 Latar Belakang.
Transportsai adalah sebagai pemindahan barang dan manusia dari tempat asal
ketmepat tujuan. Masalah kemacetan lalu lintas seringkali terjadi pada kawasan
yang memiliki intensitas kegiatan, penggunan lahan, serta jumlah penduduk yang
tinggi. Adapun upaya yang dapat diIakukan untuk mencegah dan mengurangi
kemacetan lalu lintas seperti memperluas lebar jalan, membatasi jumlah dan
volume kendaraan, serta penerapan peraturan yang lebih ketat (Mustikarani dan
Suherdiyanto 2016)
Dampak pencemaran udara saat ini merupakan masalah serius yang dihadapi,
pencemaarn tersebut tidak hanya mempunyai akibat Iangsung terhadap kesehatan
manusia saja, akan tetapi juga dapat merusak Iingkungan (Hadihardaja, 1997).
Salah satu upaya pemerintah dalam rangka mengurangi pencemaarn udara adalah
mengadakan kegiatan car free day pada hari Minggu. Pengalihan rute merupakan
salah satu kajian strrategis dalam perencanaan transportasi dan pemodelan
lalulintas. Beberapa metode telah dikembangkan menjadi satu konsep yang dapat
digunakan dalam pengoptimalan evakuasi, termasuk mengenai pemiIihan rute
perjalanan, pemilihan moda, serta kesiapan infarstruktur jalan untuk memberikan
pelayanan pada pelaku evakuasi agar dapat selamat sampai tujuan (Hardiansyah
dkk., 2016).
Kegiatan dari Car Free Day bertujuan untuk mengurangi penggunaan
kendaraan bremotor sehingga pencemaran udara turut menurun (Damara dkk,
2017). Pada tanggal 27 Oktober 2019, Kota Bengkulu mengadakan car free day
pertamanya, yang akan berlanjut sepanjang tahun 2020. Hal ini akan dilakukan
secara rutin dua kali dalam sebulan, masing-masing pada minggu pertama dan
ketiga setiap bulan. Lalu lintas menjadi salah satu masalah di Kota Bengkulu saat
hari bebas mobil.
Berdasarkan yang telah diijelaskan diatas, maka akan dilakukan penelitian
pada kawasan Jalan Soeprapto, Jalan Soekarno Hatta dan Jalan Letkol Santosa
Kota Bengkulu. Analisis pemilihan rute aIternatif pada jalan dilatarbelakangi oleh
kemacetan jalan yang merupakan suatu masalah yang sering terjadi akibat

I-1
meningkatnya arus bangkitan tarikan lalu lintas dan tundan pada jalan yang
disebabkan oleh adanya kebijakan car free day.
Penelitian ini menggunaakan pendekatan Matrix yang nantinya akan didukung
dengan data survey lalu lintas dan data tersebut akan dikelolah mengguankan ZIN
Macrosiimulation Software. Penelitian ini akan mengggunakan beberapa skenario
penelitian guna mengetahui perbandingan optimasi dan efektifitas dari setiap
skenario yang direncanakan sehingga akan menjadi pedoman sebagai pemetaan
jalur alternativ saat adanya kegiatan car free day pada Ja1an sekitar Soepaepto
Kota Bengkulu.
Aplikasi Zin Macrosiimulation merupakan alat bantu untuk pemodelan makro
(wilayah atau daerah). Berbagai permasalahan yang timbul pada sistem
transportasi mendorong untuk diprelukannya upaya rekayasa – rekayasa sistem
yang dapat memecahkan masalah tersebut. Tujuan utama model adalah
mengestimasi perilaku sistem tertentu di alam terhadap perubahan – perubahan
yang mungkin terjadi. Guna pemodelan transportasi ini untuk membantu
menggambrakan kondisi di lapangan yang dikonfersi dalam bentuk data. Selain
itu, hasil pemodelan juga dapat menjadi kebutuhan dasar untuk pembuatan
reguIasi transportasi pada wilayah tersebut.
1.2 RumusaniMasalah
Pendekatan perumusan masalah berikut dapat diambil dengan
mempertimbangkan konteks berikut :
1. Bagaiimana cara membuat pemodelan pergerakan suatu arus lalulintas harian
dan pada ketika pengalihan rute.
2. Cara mensimulasikan lalu lintas harian di jalan dengan dan tanpa hari bebas
mobil?
3. Bagaiimana hasil kerja jaringan ja1an ketika penambahan kapasitas pada raus
ja1an Letkol Santosa pada saat adanya car free day dan tanpa car fre day.?
1.3 Tujuan Penelitian
Adapun tujuan penelitian ini antara lain sebagai berikut :
1. Membaut pemodelan pergerakan suatu arus lalu1intas harian tanpa car free day
dan dengan adanya car free day.

I-2
2. Menganalisis kinerja jaringan jalan akibat adanya car free day dan tanpa car
fre day.
3. Menganalisis kinerja jaringan jalan saat peningkatan kapasitas pada ruas jalan
Letkol Santosa pada saat adanya car free day dan tanpa car free day.
1.4 Manfaat Penelitian
Beberapa manfat dari penelitian ini berdasarkan tujuan pada penelitian bisa
dilihat sebagai berikut anatra lain :
1. Penulis dapat mempelajari dan menggunakan aplikasi ZIN Macrosimulation
untuk memodelkan transportasi selama kegiatan car free day yang memberikan
gambaran pergerakan rute alternatif dan pergerakan kinerja ruas jalan.
2. Diharapkan penelitian ini akan menjadi media bagi pembaca untuk
memberikan informasi dan saran tentang alternatif rute kegiatan selama hari
bebas mobil.
3. Penelitian ini memberikan informasi tentang bagaimana model transportasi
memindahkan rute alternatif selama kegiatan hari bebas mobil yang
menyebabkan kemacetan lalu lintas dalam rangka memberikan solusi jalan lalu
lintas, yang bermanfaat bagi pemerintah.
1.5 BatasaniMasalah
Adapun batasan masalah pada penelitian ini adalah sebagai berikut :
1. Lokasi pada peneliitian ini dilakukan dikawasan sekitar Ja1an Soepeapto, Jalan
Soekarno Hatta, dan Jalan Letkol Santosa Kota Bengkulu
2. Daerah penelitian ini dibagi menjadi beberapa zona sebagai asal pusat tujuan
perjalanan pada lokasi penelitian.
3. Penelitian ini menggunakan bantuan dari aplikasi ZIN Macrosimulation dengan
memodelkan jaringan jalan.
4. Skenario penelitian ini dilakukan dengan menganggap adanya kebijakan car
free day pada Jalan Soeprapto sehingga ruas jalan tidak bisa digunakan.
5. Pelaksanaan survei dilakukan pada hari kerja dan hari libur, dimana hari kerja
dilakukan pada hari senin dan hari libur pada hari minggu.

I-3
 BABlII
.TIINJAUANlPUSTAKA.

2.1 Kegiatan Car Fre Dayg(CFD)

Dampak pencemaran udara saat ini marupakan masalah serius yang harus
dihadapi, pencemaarn tersebut tidak hanya mempunyai akibat langsung terhadap
kesehatan manusia saja namun juga berdampak pada kerusakan 1ingkungan
(Hadihardaja, 1997). Menurut Nevers (2000), kendaraan bermotor adalah sumber
dari pencemaran udara yang menghasilkan emisi CO dan sekitar 40 – 50 persen
juga menghasiIkan emisi HC serta NOx. Kendaraan bermotor juga akan
menghasilkan partikullat dan SO2, namun kandungan yang dihasilkan tidak
sebanyak CO, HC, dan NOx. Kegiatan dari Car Free Day bertujuan untuk
mengurangi penggunaan dari kendaran bermotor sehingga prncemaran udara
dapat juga menurun (Damara dkk, 2017).
Menyusutnya ruang publik yang seharusnya mampu menampung aktivitas
masyarakat dan ruang sosial di sekitarnya menjadi akar penyebab hari bebas
berkendara. Ketika rutinitas keseharian masyarakat kota dipenuhi dengan mobil,
car fre day merupakan salah satu bentuk kebosanan masyarakat. Selain itu, hari
bebas kendaraan berfungsi sebagai sarana untuk memenuhi persyaratan kegiatan
di ruang 1uar bagi masyarakat kota, karena jalan tersebut berfungsi sebagai ruang
publik dan sosial bagi masyarakat kota. (Firdausidkk,i2019).
Kebijakan car free day di hari Minggu merupakan salah satu dari program
pemerintah dalam menurunkan pencemaran udara. Da1am rangka melakukan
pengendalian lingkungan jadi perlu untuk melaksanakan hari bebas kendaraan
bermotor (Car Free Day) sebagai wilayah untuk peja1an kaki dan aktifitas lainnya
sehingga pencemaran udara juga ikut menurun.

2.2 Putusnya Ruas Jalan

Transportasi merupakan sebagai suatu peegerakan orang dan atau barang.
Transportasi digunakan untuk memudahkan manusia dalam melakukan aktifitas
kesehariannya sehingga transportasi adalah kegiatan yang sangat penting bagi
kehidupan masyarakat, manusia bisa dengan lancar melakukan semua kegiatan
dan aktifitas, seperti bekerja, mendistribusiikan sandang pangan, brekunjung pada
ke1uarga dan banyak 1agi dengan adanya transportasi. Pentingnya transportasi
jika tidak diikuti dengan kemudahan dalam bertransportasi dimana banyak
terdapat permasa1ahan-permasalahan dalam transportasi, contohnya adalah
kemacetan yang se1alu menjadi permasalahan kebanyakan transportasi di
wi1ayah perkotaan (Permana, 2018).
Kemacetan la1ulintas terjadi jika pada kondisi lalulintas di ruas jalan mulai
tidak stabil, kecepatan operasi menurun relativ cepat akibat adanya hambatan
yang terjadi dan kebebasan bergerak relativ keci1. Lalulintas tergantung pada
kapasitas ruas jalan dimana banyaknya kendaraan yang ingin bergerak. Namun
apabila kapasitas ruas ja1an tersebut tidak bisa menampung kendaraan yang
bergerak maka lalulintas akan terjadinya kemacetan (Sumadi, 2006).
Jika sebuah bencana te1ah terjadi, misalnya bencana banjir bandang dan tanah
longsor maka yang harus diIakukan adalah pemulihan (recoveri) ke keadaan yang
baik atau semu1a. Faktor yang perlu diperhatiikan dalam kejadian ini adalah
permasa1ahan-permasalahan fisik seperti peralihan rute alternativ ketika jalan
tidak lagi berfungsi, sehingga dalam jangka waktu panjang idealnya recoveri
harus juga bermakna mitigasi (pengurangan resiko bencana) bukan manambahkan
ancaman resiko bencana baru yang bisa lebih besar (Soedarso, 2006).
Model tarnsportasi berperan sangat penting untuk mengoptimaIkan kinerja
rute yang dilewati pengungsi ketika evakuasi. Rute alternativ yang bagus untuk
menghadapi bencana yang akan datang ditatepkan dari jaringan jalan dengan
kinerja yang paling optimal, maka hal ini harus diikuti dengan regulasi dan aturan
yang jelas pada pengoperasiiannya. Biasanya, pemodelan kinerja jaringan jalan
dalam kondisi terdegradasi difokuskan pada pengaturan rute lalulintas dari pada
pergseeran moda dan pilihan tujuan atau pendekatan dengan pengaturan lalulintas
yang melibatkan pemilihan rute pengendara, sehingga perilaku pemiIihan rute dari
pengendara dalam situasi tertentu mengiikuti beberapa keseimbangan
(Hardiansyah, 2016).
2.3 Pemodelan Transportasi
Pemodelan transportasi adalah proses penyebaran matrik asal dan tujuan pada
suatu jaringan ruas jalan sehingga menghasilkan arus lalu lintas pada saat tahun
rencana. Masukan utama yang paling sering digunakan dalam berbagai macam
perencanan dan manajemen sistem transportasi adalah Matriks Asa1 dan Tujuan
(MAT). Nilai MAT yang sebenarnya terjadi di lapangan tidak akan pernah bisa
diiketahui siapapun sehingga penelitian mengembangkan berbagai macam metode
untuk bisa dapat memperkirakan MAT tersebut (Naufal, 2016).
Pemodelan pemilihan rute alternativ biasanya juga memiliki wilayah
pemeriksaan dengan tingkat yang luas dan akan mencakup banyak linl dan zona,
sehingga tingkat peningkatan model tersebut termasuk dalam klasifikasi yang
terlihat. Model pada tingkat makro juga dapat digunakan untuk meningkatkan
kinerja jaringan jalan selama peralihan rute alternatif dengan mencakup area
penelitian yang luas. (Hardiiansah.dkk., 2019).
Perencanan transportasi untuk peralihan rute yang akan bervokus di kinerja
jaringan ja1an mempunyai 2 mode1 (Hardiansyah dkk,.2016) ialah :
a. Mode1 dengan adanta pengguna User Equiilibrium
Model dengan penggunaan User.Equiilibrium (UE) ini mengembangkan model
peralihan rute dengan memanfaatkan algoritma cepat untuk mensiimulasikan
pergerakan lalulintas selama evakuasi dengan program yang ada pada
komputer. UE di dasarkan pada konsep bahwa untuk setiap pasangan OD (Asal
- Tujuan), dengan waktu perjalanan pada semua ja1ur yang digunakan sama
dan lebih singkat dari waktu perja1anan yang akan dialami oleh kendaraan
pada setiap jalur yang tidak digunakan. Hal ini juga mengasumsiikan bahwa
pengemudi juga akan mencoba untuk meminimalkan waktu perjalanan mereka
di setiap kemungkinan rute yang dipilih. Dan juga, diaasumsikan bahwa
pengendara secara konsisten membuat keputusan yang benar mengenai pilihan
rute dan semua indifidu identik dalam perilaku mereka.
b. Model dengan penjadwalan waktu evakuasi dan pengaturan lalulintas
Mengevakuasi populasi dalam skala besar adalah pekerjaan yang tidak mudah,
sangat bergantung pada pemanfatan sistem transportasi secara evisien, dan
skema rute alternatif yang efektif. Dalam rangka untuk mengambangkan
kemampuan pemodelan evakuasi darurat, yang memer1ukan integrasi dari
waktu evakuasi dan model pemilihan rute yang hati-hati dan optimal, serta
model simulasi lalu lintas. Meningkatkan uji coba evakuasi darurat yang ada
sekarang memerllukan terobosan yang paling mendasar dalam teknik
pemodelan. Ada dua tantangan teoritis yaitu yang pertama memerlukan
 pembuatan model optimasi. Model ini meminimalkan manusia, paparan atau
langkah - langkah lainnya yang relefan dengan menentukan jadwal evakuasi
yang optimal pada zona berbeda di wilayah tersebut dan menentukan rute
optimal dalam hubungannya dengan jadwal evakuasi. Kedua, membutuhkan
estimasi kondisi lalulintas yang tepat berdasarkan beban lalu lintas yang
dihasilkan dari berbagai wakku evakuasi dan skenario rute alternatif.
2.4 Model.Perencanan Teansportasi 4 Tahapan (Four.Steps.Model)
Konsep perencanaan transportasi yang te1ah beekembang hingga saat ini dan
yang paling sering digunakan adalah model preencanaan transportrasi tahap
empat, pemodelan transportasi untuk memperdiksi, menganalisis, dan
marencanakan suatu transportasi dikenal dengan istilah “four steps model”
(model 4 langkah) (Aziz .& Asrul,2018) adalah:
1. Model perjalanan yang di bangkitkan (trip generation models)
Model perjalanan yang di bangkitkan adalah proses pemodelan yang
memperkirakan jumlah pergerakan yang berasal dari suatu zona dan tata guna
lahan dan jum1ah pergearkan yang ikut tertrik pada suatu zona.
2. Model sebaran arus perjalanan (tryp diistribution models)
Model sebaran perja1anan adalah tahap kalibrasi persamaan yang akan
menghasilkan data observasional di bidang pola pergerakan asal dan tujuan
perjalanan harus dibaut seakurat mungkin sehingga akan dihasilkan matrix asal
dan tujuan (MAT). Informasi tentang besranya pergerakan dalam wilayah
tertentu dapat ditemukan di matrix asal dan tujuan.
3. Model pemilihan moda (modal.split models)
Tujuan dari model pemilihan moda adalah untuk memilih moda transportasi;
Proses distribusi gerakan dapat mengungkapkan berapa banyak gerakan yang
di1akukan oleh setiap mode. Jumlah pergerakan antar zona menggunakan
masing-masing moda tarnsportasi tertentu akan ditentukan selama tahap
pemilihan moda.
4. Model pemilihan rute (trip asignment models)
Tahap akhir dari proses pemilihan rute alternatif jaringan trnsportasi (juga
dikenal sebagai pats) adalah model pemilihan rute alternatif. Kami akan
mencari tahu apakah setiap rute dan ruas ja1an dalam jaringan sudah memiliki
 jumlah pelancong yang signifikan dengan melihat fasilitas, biaya, dan
manfaatnya.

2.5 Kinerja Jaringan Jalan

Jaringan sistemJa1an adalah abstraksi viabilitas transportasi yang juga
memegang posisi yang sama pentingnya. Yang terpenting, ketika dihubungkan
dengan penggunaan lahan, maka akan mampu menciptakan pola penggunaan
lahan yang dapat mempengaruhi rencana fisik ruang perencanaan kota dan
fungsinya sebagai sistem transportasi, yaitu untuk mengakomodasi pergerakan
kendaraan dan orang. Konvektifitas maksimal merupakan salah satu komponen
kualitas jaringan transportasi. Konektivitas maksimal terjadi apabila suatu titik
satu terhubung dengan titik yang 1ain atau semua titik di dalam jaringan sudah
terhubung dan jika tidak mungkin dapat dibuat hubungan baru. Infrastruktur
transportasi darat yang dikenal sebagai sistem jaringan jalan mencakup semua
komponen ruas jalan, termasuk bangunan pendukung dan peralatan berorientasi
lalu lintas. Serangkaian kinerja segmen jalan dan persimpangannya dapat
digunakan untuk menganalisis kinerja jaringan. Parameter yang digunakan untuk
menggambarkan kinerja jalan bervariasi dari satu bagian ke bagian lain dalam
kondisi saat ini. Kinerja jalan merupakan kinerja suatu sistem jaringan ruas jalan
dalam hal melayani pergerakan. Biasanya dalam menilai kinerja jalan dilakukan
dengan melihat fungi ruas ja1an tersebut, serta tingkat pelayanaan jalan (Yahya,
2007).
Menurut Magfirona dkk (2020), Mengalokasikan setiap pergerakan antar zona
ke berbagai rute yang paling sering digunakan oleh seseorang yang berpindah dari
zona asal ke zona tujuan adalah salah satu cara untuk meningkatkan kinerja
jaringan jalan. Akibatnya, arus lalu lintas di setiap bagian jaringan jalan dapat
diperkirakan.. Faktor utama yang menjadi pengaruh kapasitas dan kinerja ruas
jalan adalah geometri jalan, volume arus, pemisah arah, pengaturan lalulintas,
hambatan samping, dan perilaku pengendara (Pedoman Kapasitas Jalan Indonesia,
2014).

2.6 Kapasitas Jalan

Kapasitas didevinisikan sebagai arus maksimum mela1ui suatu titik di jalan
yang dapat dipertahankan persatuan jam pada kondisi tertentu. Kapasitas jalan dua
lajur dua arah ditentukan untuk arus dua arah (kombinasi dua arah), tetapi untuk
jalan dengan jumlah banyak lajur, arus dipisahkan perarah dan kapasitas
ditentukan per lajur (Syaputra dkk, 2015). Kapasitas didevinisikan menjadi suatu
arus lalulintas paling maksimal yang me1alui titik.tertentu. Presamaan dasar
ketika memilih kapasitas suatu jalan adalah sebagai dibawah ini :
C = CO × FCIJ × FCPA × FCHS × FCUK (2.1)
Keterangan:
C = kapastas ja1an (skr/jam)
CO = kapastas dasra (skr/jam)
FCJ = unsur penyseuaian kapastas sebagai 1ebar lajur atau ja1ur lalulintas
FCA = unsur penyseuaian kapastas sebagai pemisah.arah, hanya pada ja1an
yang tak trebagi
FCS = fator penyseuaian hambatan.samping.dan.bahu.ja1an
FCK = fator penyseuaian kapasitas.terkai.ukuran.kota

2.6.1. Kapastas.Dasar (OC)

Berdasarakan Pedoman Ja1an Indonesia atau PKJI tahun (2014) kapastas
dasra merupakan kemampuan suatu jaringan jalan yang menyalurkan kendaraan
yang dinyatakan dalam satuan skr/jam untuk kondisi jalan tertentu. Kapasitas ini
mencakup beberapa hal yaitu geometrik, volume arus lalulintas, dan faktor
terhadap wilayah. Kapasitas paling utama bredasarkan type ja1an pada ruas ja1an
yang akan dianaliisis diliihat di Tabel.2.1.
Tabel 2.1 Kapasitas Dasar Jalan Perkotaan (CO)
CO
Tipe Jalan Catatan
(skr/jam)
4/2
1650 Per lajur (satu arah)
Terbagi atau jalan satu arah
2/2
2900 Per lajur (dua arah)
Tak Terbagi
Sumber: PKJI, 2014

2.6.2. Faktor.Penyesuaian.Lebar Ja1ur LaluLintas (FCJ)

Faktor penyesuaian kapasitas akibat perbedaan lebar jalur lalu lintas jalan
adalah angka untuk memperbaiki kapasitas dasar akibat perbedaan ukuran kota,
sebagaimana tertuang dalam Panduan Ja1an Indonesia atau PKJI tahun (2014).
Akibat perbedaan lebar jalur lalulintas, maka nilai faktor penyseuaian kapasitas
dapat diilihat di Tabel 2.2.
Serangkaian pertunjukan dari berbagai bagian jalan dapat digunakan untuk
menganalisis kinerja jaringan. Parameter deklarasi kinerja untuk setiap komponen
berbeda dalam kondisi saat ini.
Tabel 2.2 Faktor Kapasitas Terkait Lebar Lajur/Jalur Lalu Lintas (FCIJ)

Lebar Jalur Lalu Lintas

Tipe Jalan Efektif (m) (FCIJ)

Lebar per lajur

.3.00. 0.92
8/4T
.3.25. 0.96
atau jalan satu arah
.3.50. 1.00
.3.75. 1.04
. 4.00. 1.08

Lebar jalur 2 arah

4.00 1.08
5.00 0.56
4/4 6.00 0.87
Tak .Terbagi 7.00 1.00
8.00 1.14
9.00 1.25
10.00 1.29
Sumber: PKJI, .2014.

2.6.3. Faktor.Penyseuaian Pembeda.Arah (FCP)

Faktor penyesuaian kapasitas akibat pemisah arah lalu lintas, sebagaimana
didefinisikan dalam Pedoman Ja1an Indonesia atau PKJI pada tahun (2014),
adalah angka yang digunakan untuk memperbaiki kapasitas dasar yang diihasilkan
dari pemisahan arus arah yang tidak sama. Faktor ini hanya berlaku untuk jalan
tanpa perpecahan. Tabe1 .2.3 menampilkan efek pembeda arah ja1an pada faktor
penyesuaian untuk jalan yang tidak terbagi.
Tabe1 2.3 Faktor.Penyseuaian Kapastas dengan Pembeda Arah LaluLintas
Pemisahan arah .% - %. .50-50 .55-45 .60-35 65-35 .70-30
FCPA 2/2TT 1.00 0.97 0.94 0.91 0.88
Sumbrr: PKJ, tahun 2014

2.6.4. Faktor.Penyseuaian Faktor Hambatan Sebelah (FCH)

Faktor perubahan obstruksi samping juga memiliki angka untuk benar-benar
melihat kecepatan arus bebas esensial karena adanya oposisi di samping ruas
ja1an. Angka untuk menentukan vaktor penyseuaian side resistance ditunjukkan
pada Tabe1 2.4..
Tabel 2.4 Vaktor Penyesuian Hambatan Samping.
Faktor penyesuaian Hambatan Samping
Kelas Hambatan
Tipe Jalan Lebar bahu efektif (Ws)
Samping (SFC)
≤ 0,5 1,0 m 1,5 m ≥2m
m
Sangat rendah 0.96 0.98 1.01 1.03
Rendah 0.94 0.97 1.00 1.02
Empat lajur
Sedang 0.92 0.95 0.98 1.00
terbagi (4/2 T).
Tinggi 0.88 0.92 0.95 0.98
Sangat Tinggi 0.84 0.88 0.92 0.96
Sangat rendah 0.94 0.96 0.99 1.01
Dua lajur tak
Rendah 0.92 0.94 0.97 1.00
terbagi (2/2TT)
Sedang 0.89 0.92 0.95 0.98
Atau jalan satu
Tinggi 0.82 0.86 0.90 0.95
arah.
Sangat Tinggi 0.73 0.79 0.85 0.91
Sumber: PKJI, 2014

2.6.5. Faktor Penyesuaian Kapasitas Terkait Ukuran Kota (FCUK)

Faktor penyesuaian kapasitas terkait ukuran kota adalah angka untuk
mengoreksi volume arus bebas sebagai akiibat dari ukuran kota yang tidak baik.
Angka Penyesuaian kapasitas mengenai ukuran kota terdapat dalam Tabel 2.5.
Tabel 2.5 Faktor Penyesuaian untuk Ukuran Kota (FCUK)
Faktor Penyesuaian untuk Ukuran
Ukuran Kota (Juta Penduduk)
Kota
(FCUK)
< 0,1 0,86
0,1-0,5 0,90
0,5-1,0 0,94
1,0-3,0 1,00
> 3,0 1,04
Sumber: PKJI, 2014
2.6.6. Volume Lalu Lintas (Q)
Kend/jam (Qkend), skr/jam (Qskr), dan LHRT atau Unit lalu lintas kendaraan
bermotor yang akan melewati suatu titik pada ruas jalan per satuan waktu adalah
contoh volume lalu lintas. Harian Normal Tahunan ke hari (QLHRT). Da1am
mengkaji estimasi suatu kinerja dari arus lalulintas terkait Aturan Batasnya Jalan
Indonesia 2014 memanfaatkan ekr, yang juga dikenal sebagai light vehicle
equiprudence.
Klasifikasi tipe kendaraan da1am analisis arus lalu lintas yang akan dite1iti di
lapangan secara langsung berdasarkan Pedoman.Kapasitas Jalan Indonesia 2014
adalah sebagai berikut:
a. Kendaraan ringan (KR) merupakan kendaraan bermotor ber as 2 dengan 4
roda dan juga dengan jarak as 2,0 – 3,0 m. KR adalah mobil penumpang, mini
bus, pick-up,.dan truk kecil.
b. Kendaraan berat (KB) merupakan kendaran bermotor dengan jarak as lebih
dari 3,50 m, biasanya dengan beroda lebih dari 4. KB terdiri dari bis,.trck 2
as,.truk 3as, dan.truk kombinasi.
c. Sepeda Motor (SM) merupakan kendaraan bermotor dengan adanya 2 atau 3
roda. Sepeda Motor terdiri dari sepeda motor,.dan.kendaraan roda 3.
Satuan skr/jam digunakan pada suatu dalam proses analisis volume lalulintas.
Qskr) dengan menggunakan faktor ekr untuk masing-masing jenis kendaraan
sebagai predikat 2.2 dan mengubah volume hasil survei lapangan dalam satuan
kend/jam (Qkend).
Q = [.(ekrKR × KR) + (ekrKB × KB).+ (ekr𝑆𝑀 × SM)] (2.2 )
Keterangan :
Q = Jum1ah arus atau volume kendaran.(skr/jam)
Ekr = Ekuivalensi kendaraan ringan.
KR = Kendaraan ringan.
KB = .Kendaraan berat .
SM =. Sepeda Motor

2.7 Derajat Kejenuhan (Dj)

Menurut Lalenoh. (2015) derajat kejenuhan meurpakan perbandingan dari
volume lalu1intas terhadap kapasitas, digunakan sebagai suatu faktor utama dalam
penentuan tingkat kinerja simpang dan juga segmen pada jalan tersebut
mempunyai masa1ah kapasitas ataupun tidak. Persaman untuk menentukan derajat
kejenuhan yaitu sebagai berikut:

Dj = . . (2 . 3 )

Keterangan:
Dj = .dreajat kejeenuhan
Q = .arus total lalulintas (skr//jam)
C = .kapastas (skr//jam)
Dreajat kejenuhan dapat diihitung dengan cara mengunakan suatu arus dan
kapastas diinyatakan da1am satuan skr//jam. Dreajat kejenuhan atau dengan
Volume Capaciti Ratio (VCR) ada enam tingkatan kelas berdasarkan KM.014
(2006) yang akan menjadi dasar acuan ana1isa ruas jalan yaitu sebagai berikut.
Tabel 2.6 Tingkat Pelayanan pada Derajat Kejenuhan
Tingkat
Keterangan
pelayanan
Arus bebas
Kecepatan perja1anan rata-rata > 80 Km/jam
A
V/C ratio < 0.6
Load factor pada simpang = 0
Arus stabi1
B Kecepatan perja1anan rata-rata turun s/d > 40 Km/jam
V/C ratio < 0.7
Load factor < 0.1
Arus stabil
Kecepatan perja1anaan rata-rata turun s/d > 30 Km/jam
C
V/C ratio. < 0.8
Load factor. < 0.
Mendekati arus tidak stabi1
Kecepatan perja1anan rata-rata turun s/d > 25 Km/jam
D
V/C ratio. < 0.9
Load factor. < 0.7
Arus tidak stabi1, terhambat, dengan tundan yang tidak dapat
ditolerir.
E Kecepatan perja1anan rata-rata sekitar 25 Km/jam.
Volume mendekati kapasiitas jalan.
Load factor pada simpang < 1.
Arus.tertahan, macet.
F Kecepatan perja1anan rata-rata < 15 Km/jam
V/C ratio permintan melebih 1
Sumber: KM.014, (2006).
2.8 Hambatan Samping
Aktifitas samping ja1an yang akan dapat menimbu1kan konf1ik dan
berpengaruh terhadap adanya pergerakan arus lalulintas juga menurunkan fungsi
dari kinerja ruas jalan yang akan diteliti, untuk dibuat menjadi sederhana dalam
prosedur perhitungan, tingkat hambatan samping dikelompokkan dalam lima kelas
terdiri dari yaitu sangat rendah, rendah, sedang, tinggi dan sangat tinggi (Syaputra
dkk 2015). Kelas hambatan di sebelah badan jalan (KHS) dihitung dengan
mengalikan setiap jenis side resistance dengan nilai bobotnya untuk mendapatkan
jumlah total instance yang harus diperhitungkan. Berdasarkan pengamatan yang
dilakukan di lapangan selama satu jam di sepanjang bagian yang akan diamati,
frekuensi peristiwa rintangan samping dihitung.Bobot jenis hambatan samping
akan ditetapkan dari Tabel 2.7 dan kriteria KHS bredasarkan frerkuensi kejadian
ini maka diitetapkan sesuai demgan Tabe1 2.8.
Tabel 2.7 Pembobotan Hambatan Samping.
No Jenis Hambatan Samping Utama Bobot
1. Peja1an kaki di badan ja1an dan yang menyeberang. 0,5
2. Kendaran umum dan kendaraan 1ainnya yang berhenti. 1,0
3. Kendaraan keluar atau masuk sisi/lahan samping jalan. 0,7
4. Arus kendaran lambat (kendaraan tak bermotor). 0,4
Sumber: PKJI, 201.

Tabel 2.8 Kriteria. Kelas Hambatan Samping

Nilai Frekuensi
Kelas Hambatan
Kejadian (dikedua Ciri-ciri Khusus
Samping
sisi) dikali Bobot
Sangat Rendah.(SR) Daerah Permukiman, tersedia
<100
jalan 1ingkungan (frontage.road)
Rendah.(R) Daerah ada Permukiman, dan ada
100 - 299 juga beberapa angkutan umum
(angkot).
Sedang.(S) Daerah Industri, ada beberapa toko
300 - 499
pada di sepanjang sisi ja1an
Tinggi.(T) Daerah Komersia1, ada aktivitas
500 - 899
pada sisi jalan yang tinggi.
Sangat.Tinggi (ST) Daerah Komersial, yaitu ada
>900
aktivitas pasar sisi jalan
Sumber: PKJI, 2014
2.9 Bangkitan dan Tarikan Perjalanan
Bangkitan dan tarikan pregerakan merupakan tahapan pemodelan yang dapat
memperkiraan jum1ah pergerakan yang berasal dari suatu zona atau tata guna
lahan dan jumlah pergerakan yang tertarik ke suatu tata guna lahan atau zona.
Bangkitan perjalanan adalah banyaknya perjalanan yang ditimbulkan oleh suatu
zona atau daerah persatuan waktu. Waktu perjalanan akan bergantung pada
kegiatan kota, karena penyebab perja1anan merupakan adanya kebutuhan manusia
untuk me1akukan kegiatan dan juga akan mengangkut barang kebutuhannya. Pada
setiap suatu kegiatan pergerakan yang mempunyai zona asal tujuan. Pengertian
asal merupakan zona yang menghasi1kan perilaku pregerakan, sedangkan tujuan
adalah zona yang menarik para pengendera untuk melakukan kegiatan (Yahya,
2007). Tarikan merupakan banyaknya jumlah kegiatan perjalanan atau pergerakan
yang akan tertarik ke zona tujuan (tujuan perjalanan). Menurut Kumaat (2017),
tarikan merupakan perjalanan atau pargerakan arus lalu1intas yang menuju atau
akan datang ke suatu 1okasi zona dan kawasan.

2.10 Matriks Asal – Tujuan (MAT)

Jumlah perjalanan yang berasal dari suatu zona asal yang menyebar pada
kebanyak zona tujuan dan sebaliknya jum1ah banyaknya jumlah perjanan yang
akan datang mengumpul ke suatu zona tujuan yang tadinya berasal dari sejumlah
zona asal disebut sebaran prejalanan. Pada hampir seluruh aplikasi perencanan
transportasi, input data yang paling sulit dan mahal dipero1eh adalah matriks asal
dan tujuan (MAT). Secara umum, metode yang sudah diikembangkan untuk
mendapatkan MAT dibagi menjadi 2 macam metode yaitu dengan metode
konfensional dan atau dengan metode tidak konvensional. Metode konvensional
yaitu dengan melakukan survei wawancara pada tepi jalan yang diteliti untuk
mendapatkan MAT. Survei tersebut biasanya memerlukan dana yang cukup besar,
tenaga yang banyak, kete1itian yang tinggi dalam pengo1ahan data, waktu yang
lama, serta pada umumnya mengganggu pengguna jalan. Metode tidek
konvesional merupakan so1usi untuk mengatasi kendala kendala yang ada
tersebut, Metode tersebut menggunakan informasi data arus lalu1intas di ruas
jalan untuk memperkirakan MAT (Suyuti, 2007).
Data yang akan digunakan pada matrik asaldan tujuan pergerakan (MAT) ini
perlu di1akukan ada survei asal tujuan (origin destiinantion). Menurut Kholid
(2009) analisis matriks asal dan tujuan pergerakan (MAT) merupakan analisis
yang digunakan untuk mencari besranya bangkitan dan atau tariikan pergerakan
lalu lintas antar zona permukiman yang ada. Bentuk umum matriks asal dan
tujuan (MAT) dapat kita lihat di suatu Tabe1 nomor 2.9 dan juga bentuk matrix
Asal dan Tujuan dariMetode Furneess iteerasi ke 1 dapat diilihat di.Tabel 2.10.
Tabe1 2.9 Bentuk Asli Matrix Asal dan Tujuan Pergerakan (MAT)
Zona...tujuan.
(ke).
Zon. asal Fo
1 2 3 Total Oi
(dari).

1 0. (Ei1) (Ei1) O1. T1N EiN

2 (Ei2) 0 (Ei2) O2. T2N EiN
3 (Ei3) (Ei3) .0 O3. T3N EiN
Total D1. D2. D3. - - .-
Dj TN1 TN2 TN3 - - -
Fd D1 D2 D3 - - -
Sumber: Kholid dkk., 2020
Keterangan tabel:
a. Baris pada Matrik (pada garis vretikal dari atas menuju ke arah bawah) yang
akan menytakan zona asal (dari mana sejum1ah perja1anan = Oi berasa1)
b. Ko1om pada Matrik (pada garis horiizontal dari arah kiri menuju ke arah
kanan) memyatakan zona tujuan (kearah sejum1ah perja1anan = Dj menuju)
c. Oi = jumlah tota1 t dari zona asa1 dan zona tujuan.

d. Fo = (Fo = vaktor .pretumbuhan pada zona asa1 ke i)

e. Fd = (Fd = vaktor pretumbuhan pada zona.tujuan ke j)

f. Sehinga sel matrik (pretemuan dan persiilangan antara baris atau ko1om)
menyaatakan besarmya perjalanan dan arus lalu1intas kendaran yang akan
bergerak dari satu zona asal i menuju ke zonatujuan j tretentu.
Tabe1 2.10 Bentuk.Umum Matrik Asa1 dan Tujuan Dengan Metoda Furneess
Zona..tujuan
(ke).
Zona. asal 1 2 3 Total Oi Fo
(dari).
1 0. (Ei1) (Ei1) O1 T1N EiN
2 (Ei2) 0. (Ei2) O2 T2N EiN
3 (Ei3) (Ei3) 0. O3 T3N EiN
Total D1 D2 D3 - - .-
Dj TN1 TN2 TN3 - - -

Fd D1 D2 D3 - - -
Sumber: Kholid dkk., 2020

2.11 Aplikasi Untuk Pemodelan Transportasi (Zin Macrosimulation).

Alat ana1isis pada saat pemodelan transportasi baik dilakukan secara grafis
maupun matematis dapat juga dilakukan melalui aplikasi. Ap1ikasi tersebut akan
digunakan sebagai a1at simulasi pada suatu skenario dari suatu kondisi dan
permasa1ahan yang nantinya memerlukan beberapa alternatif solusi. Ap1ikasi
yang akan digunakan dalam pembuatan pemodelan jaringan jalan pada penelitian
ini adalah software Zin Macrosimulation
Aplikasi ZIN Macrosimulation adalah alat bantu pada pemodelan makro,
model yang dimaksudkan juga bertujuan untuk mengestimasi perilaku sistem di
alam terhadap perubahaan perubahan yang mungkin terjadi (Irawan., 2019).
Kegunaan pemode1an trnsportasi ini juga dapat untuk membantu mengambarkan
kondisi pada saatketika di 1apangan yang dikonfersi da1am hal ini berbentuk data.
Pada aplikasi Zin Macrosimulation, pemodelan yang di1akukan untuk mencakup
yang makro (wilayah dan daerah). Hasil pemodelan juga dapat menjadi kebutuhan
dasar untuk pebuatan regu1asi transportasi pada wilayah tresebut.
Menggunakan model transportasi empat langkah, simulasi aplikasi ini juga
memudahkan dan menghemat waktu saat menentukan tingkat layanan jalan,
skenario yang diusulkan ini untuk merencanakan jalan baru, dan mengevaluasi
kondisi yang ada. Saat melakukan simulasi berdasarkan peta jaringan jalan yang
ada, peta jaringan jalan aplikasi ini juga dapat menggunakan peta dari Google
Maps yang terbaru yang tersedia. Perkiraan dari Matrix membantu dalam
pemuatan kendaraan di jaringan ja1an. Asa1 dan Tujuuan (MAT) demgan metoda
Furneess. Dengan memperhatikan tingkat pelayanan jalan, jarak antar zona (fast
lane), dan waktu tempuh antar zona, Matriks Asal dan Tujuan menggunakan
metode furneess akan memberikan data besarnya arus lalu lintas (Ramlii.dkk
2020). Karena data performa jaringan jalan dalam kondisi saat ini masih
memerlukan perhitungan manual, maka aplikasi ZIN Macrosiimulation juga
dikategorikan sebagai aplikasi sederhana. Kapastas Manual Indonesian Ja1an
(2014).

2.12 Validasi dengan Regresi Linier Sederhana

Model hubungan antara satu variabel dependen (Y) dan satu atau lebih
fariabel imdependen (X) akan dibuat menggunakan metode regresi liniar. Metoda
ini juga bisa dapat disebut sebagai regreesi liniar sederhana jika model hanya
mencakup satu fariabel imdependen (X) dan satu variabel depernden (Y). (Harlan,
2018). Persaman Regreesi Liniar Sederhana yaitu sebagaii berikut ialah :

Y = a + bx (2.4)

Nilai a dan juga b dicari ter1ebih dahulu dengan cara menggunakan persamaan
sebagai berikut:

a.= (ΣYi)(ΣXi²) – (ΣXi)(ΣXiYi)

n ΣXi² – (ΣX)² (2.5)

b. = nΣXiYi – (ΣXi)(ΣYi)
n (ΣXi²) – (ΣX)² (2.6)
Keterangan:
Y .= Varriabel.Depemden
X. = Varriabel.Indepemden
a.= Kontansta,. berpotong sumbu vertikal
b .= Koeifisien.Regersi (kemiringan)
n .= Jumlah.Data

2.13 Kuesioner
Pengumpulan data pada proses penelitian survey ini merupakan suatu
kegiatan yang juga sangat penting untuk mendapatkan informasi yang dibutuhkan
sesuai dengan tujuan pene1itian (Subandi, 2017). Pengumpu1an data
membutuhkan suatu instrument yang mereupakan suatu alat yang akan digunakan
untuk mengumpulkan data yang bersumber dari para responden. Salah satu
instrumen pengumpulan data juga ada kuesioner. Kuesioner merupakan suatu
instrumen pengumpu1an data yang juga digunakan untuk mengumpulkan data
dalam jumlah yang cukup besar. Cara kerja dari kuesioner ini adalah dengan cara
menyebarkan sejumlah pertanyaan yang tertulis secara terstruktur kepada para
respoden berkaitan dengan tanggapannya terhadap berbagai variabel yang diteliti
(Pranatawijaya dkk, 2019).

2.14 Skala Likert

Metode kuisioner merupakan metode yang akan dilakukan dengan cara
membuat daftar pertanyaan yang nantinya akan diajukan untuk dijawab oleh
orang atau responden yang diselediki baik secara langsung atau secara form
online. Skala Likert merupakan skala yang digunakan untuk mengukur persepsi,
sikap atau pendapat seseorang atau kelompok mengenai sebuah peristiwa atau
fenomena sosial. Terdapat juga dua bentuk pertanyaan dalam skala likert yaitu
bentuk pertanyaan positif untuk mengukur skala positif dan bentuk pertanyaan
negatif untuk mengukur skala negatif, dan khusus pertanyaan positif diberi skor
(Pranatawijaya dkk, 2019). Tabel Skala Likert dapat dilihat pada Tabel 2.11.
Tabel 2.11 Skala Likert
Tipe Skor Skala skor
Sangat Tidak Setuju 1 0,00 – 0,99
Tidak Setuju 2 1,00 – 1,99
Setuju 3 2,00 – 2,99
Sangat Setuju 4 3,00 – 4,00
Sumber: Pranatawijaya dkk, 2019

2.15 Populasi dan Sampel

Kese1uruhan dari kumpu1an elemen yang juga memiliki sejumlah
karakteristik umum, yang terdiiri dari bidang-bidang untuk diteliti disebut
populasi. Populasi dapat diartikan juga sebagai seluruh kumpulan elemen yang
dapat digunakan untuk membuat beberapa dari kesimpulan. Sedangkan suatu sub
kelompok dari suatu populasi yang akan dipilih untuk digunakan dalam penelitian
biasa disebut juga sebagai sampel (Amirullah, 2015). Sampel dalam peneliitian
dapat dicari nilainya menggunakan rumus Slovin sebagai berikut:
 n= (2.7)

Keterangan :
n = jum1ah responden
N = jum1ah populasi
e = persentase ke1onggaran karena adanya kesalahan pada saat
pengambilan sampel
 BAB III
METODE PENELITIAN
3.1 Lokasi Penelitian
Penelitian ini akan dilakukan di Kawaasan sekitar Ja1an Soeprpto, Kota
Bemgkulu, Provinsi Bengkulu. Lokasi yang nanti akan ditiinjau merupakan lokasi
yang sering digunakan para pengguna kendaraan motor dan mobil ketika melintas.
Penelitian ini juga nantinya akan ada skenario yang ditinjau dikawasan Jalan
Soeprapto, Jalan Soekarno Hatta dan Jalan Letkol Santosa dengan sketsa petanya
menggunakan Aplikasi ZIN Macrosiimulatiion. Peta lokasi penelitian ini dapat
dilihat di Ganbar 3.1 berikut.

Sumbrr: Goglee eatth (2022)

Ganbar 3.1 Peta Wilayah.Pene1itian
3.2 Data Penelitian
Penelitian ini akan menggunakan analisis data kuantitatif dan kualitatif
sebagai metodenya. Seperti dapat dilihat pada Tabel 3.1, data primer dan sekunder
akan digunakan dalam penelitian. Data survei lapangan berfungsi sebagai sumber
data primer. Literatur yang bersumber dari artikel atau jurnal, buku, dan literatur
yang berkaitan dengan judul penelitian yang akan dibahas sebagai acuan berfungsi
sebagai sumber data sekunder.
 Pengumpu1an data yang di1akukan untuk menggambrakan elemen dari
pada konsep yang nanti akan di skenariokan dengan menggunakan aplikasi ZIN
macrosiimulation. Data ruas jalan yang masuk kawasan yang diteliti di peneliitian
ini dapat juga di1ihat pada Tabe1 3.1.
Tabe1.3.1 Jeniis.Dats Pene1itian yang Digunakan
No Data.Penelitian Jenis Data
Arus kendaraan yang 1ewat pada saat jam puncak
1 Primer
disetiap zona yang akan diteliti.
2 Geometrik ruas tiap jalan pada kawasan yang diteliti. Primer
Data dari kuesioner dari pengguna jalan disekitar area
3 Primer
yang dite1iti.
Volume kendaraan yang masuk dan keluar Jalan
4 Sekunder
sekitar kawasan Soeprapto .
Peta pada jaringan ja1an di kawasan jalan Soeprapto
5 Sekunder
dan area disekitarnya.
6 Data penduduk Kota Bengkulu pada tahun 2022 Sekunder
Data jumlah penendaraa ja1an Soeprapto dan kawasan
7 Sekunder
sekitarnya.

3.3 A1at Peneiltian yamg akan dipakai.

Pada penelitian di wilayah sekitar Ja1an Soeprpto, Ja1an Soekarno Hatta dan
Jalan Letkol Santosa Kota Bengkulu ini juga menggunakan beberapa alat
pendukung yang digunakan pada penelitian yaitu antara lain :
1. Macbook dimanfaatkan untuk membuat penuliisan pada pene1itian ini dan
juga menja1ankan Miicrosoft World 2007, Miicrosoft Exel 2007, Auto.CAD
tahun 2007 dan ap1ikasi Goglee Eatth.
2. Konputer digunaakan pada saat mengaplikasijan ap1ikasi ZlN
Macrosiimulation 1.0.11.
3. Peralatan tulis menulis yang digunakan untuk mencatat data survei di
lapangan.
4. Kamera HandPhone yang nanti digunakan untuk mengambil dokumentasi
ketika survei di lapangan saat penelitian.
5. Meteran yang nanti digunakan untuk mengukur geometrik ruas tiap jalan
disetiap yang akan diteliti.

3.4 Bagan Alir Simulasi Model Jaringan Jalan

Pemodelan pada transportasi akibat kegiatan hari bebas berkendara dibuat
untuk pengendara pada jariingan ruas ja1an di wilayah Ja1an Suprapto, Ja1an
Soekarno Hatta dan Jalan Letkol Santosa yang akan menggunakan jalur alternatif.
Perkembangan pengemudi akan terlihat pada presentasi area jalan yang didapat
dari hasil demonstrasi. Ketika kebijakan hari bebas mobil diterapkan, padatnya
jumlah kendaraan di ruas jalan menunjukkan bahwa banyak pengemudi akan
memilih jalan alternatif. Gambar 3.2 menggambarkan simulasi diagarm a1ir.

Mu1ai

Pengambi1an Peta Jariingan Jalan

Pembuatan Mode1 Jariingan Ja1an

Pengiinputan Dota Yang

Didapat

Runing Apliikasi ZIN Macrosiimultion

Otput dari data apliikasi ZIN

Macrosiimultion

Selesai
Ganbar 3.2 Bagam simulasi Pemode1an Eksisting dan.Pemode1an Skenario
Keteangan dari Ganbar 3.2 tersebut, ialah:
1. Pengambilan peta jariingan jaIan
Pengambi1an peta ja1an pada penelitian ini juga diidapat dari Gogle Eatth.
2. Pembuaatan mode1 jariingan ruas ja1an
Dalam penelitian ini, membangun model jaringan ruas jalan menggunakan
kondisi jalan saat ini dan skenario peningkatan ruas jalan selama kebijakan car
free day.
3. Memasukan Data.
Memasukan Data.pada pene1itian tersebut menggukan mode1 dengan
 kondiisi eksiting dan.juga skenario penambahan ruas ja1an pemilihan rute
alternatif demgan bantuan ap1ikasi Z1N Macrosiimulation.
4. Runing Apliikasi Z1N Macrosiimultion
Prosess Runing Aplikasi ZIN Macrosiimultion demgan skenario sebagai
berikut:
a. Skeenario mode1 dengan kondiisi eksiting pad saat lapangan.
b. Skeenario mode1 kondisi eksisting dengan simullasi arus lalu1intas saat
adanya kegiatan hari bebas kendaraan.
c. Skeenario mode1 dengan modiifikasi geometrik jaringan ja1an mengunakan
simulasi arus lalu1intas saat adanya kegiatan hari bebas kendaraan.
d. Skeenario mode1 demgan pengaturan dan manajemen lalu lintas
menggunakan simu1asi arus lalulintas saat adanya kegiatan tersebut.
5. Ouutput dota ap1ikasi Z1N Macrosiimultion
Hasil keluaran berupa volume arus kendaraan, saturasi pada ruas jalan dalam
kondisi saat ini, dan adanya hari bebas kendaraan kemanan dari aplikasi ZIN
Macrosiimultion.

3.5 Alur Pemode1an Demgan Ap1ikasi ZIN Macrosimultion

Alur Pembuatan jariingan ja1an pada sotfware ZIN macrosiimulation, antara
lain yaitu:
1. Pembuatan ganbar peta 1okasi peneliitian dari Gogle Eatth.
Peta lokasi penelitian ini dibuat dengan memasukkan lokasi yang diinginkan ke
Gogle Eatrh.
2. Penbuatan ha1aman keerja baru
Di aplikasi ini, klik bilah menu File, lalu klik Baru untuk membuat halaman
kerja baru. Pada langkah berikutnya, pilih nama file dan lokasi di folder yang
dipilih, lalu klik Buat dan Buat Item Proyek Baru.
3. Memasukan gambar peta 1okasi penelitian
Masukan gambar peta pada aplikasi ZIN Macrosiimulation dari Google Earth
dengan cara mengklik menu bar File.
4. Mengaatur ska1a peta
Mengaatur ska1a peta dengan cara mengkllk scale pada tolbar kenudian
massukan besaran skala berdasarkan scala pada ganbar peta yang sudah dianbil
 dari Gogle Eatth.
5. Membaut titik..titik simpu1
Membatt titik..titik simpu1 pada aplikasi ini demgan menbuat NODE pada
setiap simpang demgan Fitur propertis node memiliki beberapa tools
penunjang perancangan titik-titik pada simpang dan data titik koordinat node
pada model s a a t kondisi eksisting dan koordinat titik-titik node pada
model kondisi peralihan rute .
6. Mengerjakan ruas pada jaringan ja1an
Demgan mengunakan fitur LINK, buat segmen jaringan ja1an pada penelitian
di ap1ikasi ZIN Macrosiimulation dan hubungkan node. Selain itu, ada tautan
data-juga dikenal sebagai ruas jalan dengan baik dalam model yang ada
maupun model skenario peningkatan ruas jalan.
7. Menemtukan asa1 dan tujuun perja1anan
Fitur CENTROYD digunakan untuk menentukan asa1 dan tujuan perjalanan,
dan fitur DUMMI Link dan data CENTROYD yang akan dihuibungkan node
pada model yang ada diggunakan untuk kemudian terhubung ke Node.
8. Memasukan dota data pada beberapa Liink
Dengan mengklik kanan pada baris Link yang akan diisi dengan data untuk
membuka fitur properties dan memasukkan nilai geometrik ja1an, besarnya
volume arus lalu lintas pada kolom Survey-Based Flow (pcu/h), pada setiap
Link yang telah dibuat sebelumnya, data dapat dimasukkan.lalu isi kolom
Capasit dengan nilai kapasitas path.pcu/h). Volume dan kapasitas data arus lalu
lintas yang akan dimasukkan ke dalam model, serta jenis data yang akan
dimasukkan ke dalam model.
9. Memasukan dota Matrix Asa1 dan Tujuuan
Dalam sotfware macrosiimulation ZIN, data asa1 dan tujuaun dimasukan
dengan memasukkan data DO atau dengan memasukan data asa1 dan tujuan
perja1anan. Data tersebut juga dapat diperoleh dari survey lapangan 1angsung
atau dari deta sekunder. Pada sotfware macrosiimulation ZIN, prosedur input
data DO dengan itreasi dan data yang akan dimasukan ke dalam mode1
berdasarkan jenis model yang akan dibuat nantinya.
10. Runing pemoda1an umtuk skemario yang akan dinput
 Langkah selanjutnya adalah melanjutkan mengklik Jalankan setelah mengkllik
Analisis pada bilah menu. Metoda All or Notthing digumakan pada eksekusi
pertama, demgan jum1ah iterasi yang ditetapkan o1eh penguna ap1ikasi.

3.6 Tahapan Penelitian

Tahapan yang akan di1akukan pada penelitian ini,yaitu antara lain :
1. Survei pendahu1uan
Pada awal penelitian, dilakukan survey pendahu1uan demgan tuujuan untuk
mendapatkan permasa1ahan – permasa1ahan yang dapat diggunakan sebagai
penelitian. Lokasii pene1itian merupakan langkah awal dalam survey
pendahu1uan penelitian ini.
2. Perumusan masalah
Menggambarkan permasa1ahan yang timbul akibat kebijakan car free day
yang akan terjadi untuk dipelajari ataupun dipahami dalam hal memberikan
solusi untuk menghadapi kebijakan car free day tersebut terutama pada
jaringan jalan di Jalan Soeprapto, Jalan Soekarno Hatta, dan Jalan Letkol
Santosa.
3. Studi literatur
Tahap studi literatur pada penelitian ini yaitu dengan mengumpulkan artikel
dari jurnal jurnal dan bukuu yang brehubungan demgan pene1itian tersebut.
Taahap berikut juga bertujuan umtuk memcari refreensi penelitian yang daapat
digunakan sebagai pendukung atau menjelaskan berbagai teorii dan
permasa1ahan dalam pelaksakan pene1itian tersebut nantinya.
4. Pengumpulan data
Pengumpulan data merupakan tahap pengumpulan berbagai jenis data yang
nantinya akan digunakan dalam penelitian. Data yang dikumpulkan yaitu data
yang menjadi dasar dalam membuat pemodelan serta data yang diperlukan
dalam proses pelaksanaan penelitian ini. Data yang dibutuhkan antara lain
sebagai berikut :
1. Data primer
Data primer adalah data yang kita dapatkan dengan cara melaksanakan
survei langsung di lapangan. Dota priimer yang diiperlukan dalam
pene1itian ini yaitu arus kemdaraan maksimal di jan pumcak pada raus
 ja1an yang akan diteliti, data geometris untuk setiap jalan dan tanggapan
terhadap kuisioner pengemudi di Jalan Soeprapto. Survey di1akukan pada
hari Mingu dan Seninn pada jan sibuk, dari puku1 06.30 hinga 08.30 WIB
pagi, dari puku1 12 hingga 14 WIB da1am sehari, dari puku1 16 hinga 18
WIB pada sore hari, dan dari puku1 19.30 hingga 21.30 WIB pada Sabtu
nalam.
2. Data sekunder
Data sekunder adalah sumber data penelitian yang kita peroleh melalui
media perantara. Data sekunder yang kita perlukan da1am penelitian ini
yaitu buku - buku dan jurnal yang berkaitan dengan penelitian tersebut, data
penduduk Kota Bengkulu pada tahun2022, data kepemilikan kendaraan dan
peta jaringan jalan yang diambil dari Google Earth.
5. Pengolahan data
Selain itu, pengolahan data ini dilakukan dalam rangka memperoleh informasi
mengenai volume arus kendaraan maksimum yang dihasilkan oleh unit
kendaraan ringan pada jam sibuk pada ruas jalan yang akan diteliti, kapasitas
jalan eksisting dari setiap ruas jalan yang akan diteliti, dan nilai tingkat
kejenuhan jalan ketika kondisi yang dihadapi sesuai dengan pedoman yang
dituangkan dalam Jaguar Capacity Guide.Indonesia membuat matriks asal dan
tujuan kenaikan atau tarikan di masing-masing menurtu PKJI (2014).
Kuisioner diggunakan untuk mengo1ah dota untuk melihat bagaimana peri1aku
penguna Ja1an Soeprpto ketika kebijakan car free day diterapkan.
6. Pembuatan mode1 saat kondisi eksisting pada aplikasi ZIN Macrosiimulation
Pemodelan jaringan jalan ini dilakukan untuk memudahkan proses dari
simulasi dan penginputan nilai arus lalulintas. Data yang akan diinput ke
aplikasi pemodelan adalah kapastas ja1an, volum kendaran dan Matrix Asa1
dan Tujuuan demgan metode Furneess yang didapat dari hasil pengo1ahan
dats. Pengenbangan model eksisting pada penelitian ini juga menggunakan
aplikasi ZIN macrosiimulation.
7. Validasi arus lalu1intas hasil pengolahan data pada 1apangan dengan arus
lalulintas hasil dari pemode1an saat kondisi eksitting.
Valiidasi yamg dipakai yaiitu valiidasi demgan metoda regrrsi liniar sedrehana
 Demgan membandingkan pemodelan dengan temuan survey 1apangan. Data
volum arus lalulintas kendaran di setiap ruas ja1an meruupakan data yang
divalidasi. Data ini akan diperiksa dengan survey 1apangan dan hasil
pemodelan ketika kondiisi ja1an memumgkinkan.
8. Pembuatan mode1 dengan skenario yang ditentukan
Simulasi pemodelan jaringan jalan dilakukan dengan merancang beberapa
skenario dalam pemodelan tersebut. Beberapa skenario yang akan dibuat pada
aplikasi ZIN macrosiimulation yaitu sebagai..berikut:
1. Skeenario mode1 kondiisi eksiting dengan arus lalulintas harian.
2. Skeenario mode1 kondiisi be1um adanya perubahan geometris pada raus
jalan demgan simulasii arus lalulintas saat adanya kegiatan hari bebas
kendaraan.
3. Skeenario mode1 demgan adanya perubahan geometri pada ruas jalan
dengan keadaan lalu lintas harian.
4. Skeenario model dengan adanya perubahan geometri pada ruas jalan
dengan siimulasi arus lalulintas pada saaat adanya kegiatan hari bebas
kendaraan.
9. Analisis dato dam penbahasan hasi1 penelitian
Hasil dari simu1asi pemodelan dengan adanya penambahan skenario yang
telah dirancang akan dianalisis untuk mengetahui kinerja ruas jaringan jalan
dari pengaruh pergerakan lalu1intas akibat adanya kebijakan car free day.
Data-data kinerja jaringan ja1an pada keadaan di lapangan akan dibandingkan
dengan data hasil kinerja jaringan jalan dari pemodelan aplikasi ZIN
macrosiimulation yang telah di1akukan skenario untuk melihat seberapa efektif
skenario yang kemudian dilakukan dalam mengatasi pergerakan kendaraan
pada saat pengalihan rute dilakukan. Data dari hasil kuesioner yang disebarkan
akan didapat arah pergerakan yang dipilih oleh para pengguna Jalan Soeprapto.
Hasil kuesioner ini akan digunakan sebagai data penyokong dari berbagai
kemungkinan dari hasi1 kiinerja ruas jariingan ja1an saat adanya kegiatan hari
bebas kendaraan.
10. Kesinpulan dam saram.
Kesinpulan dam saram ada1ah tindakan suatu tahaapan treakhir da1am
 mengambil kesinpulan dari analisis penelitian ini dan so1usi yamg te1ah
ditenukan dari permasalahan yang dihadapi dalam pene1itian tersebut. Saram
yamg diggunakan untuk pemelitian se1anjutnya agar bisa diiperoleh hasi1 yang
harapannya lebiih.baik.

3.7 Diagram Alir Penelitian

Skema alir metodologi penelitian yang diterapkan pada penelitian ini
ditampilkan dalam diagram alir yaitu dapat dilihat sebagai berikut:
 Mulai

Studi Literatur

Survei Pendahuluan

Pengumpulan Data

Data Primer Data Sekunder

1. Data Geometrik RuasJalan 1. Peta Jaringan Ruas Jalan
2. Data Arus Lalu Lintas 2. Data Jumlah Penduduk 2022
3. Kuisioner 3. Literatur dan Referensi

Pengolahan Data

Input data hasil survei ke ZIN Macrosiimulation

Tidak
Va1idasi Pengo1ahan Data
Lapangan
dan Hasil Pemodelan

Ya

Skenario pada model

Skeenario mode1 kondsi eksiting demgan arus lalulintas hariian.
Skeenario mode1 kondisi belum ada perubahan geometri pada ruas
jalan dengan kegiatan hari bebas kendaraan
Skeenario mode1 demgan adanya perubahan geometri pada ruas jalan
dengan keadaan lalu lintas harian.
Skeenario model adanya perubahan geometri pada ruas jalan dengan
simulasi arus lalu lintas pada saat adanya kebijakan car free day.

Gambar 3.3 Diagram Alir Pene1itian (Sambungan)

 A

Analisa data dan Penbahasan

Kesinpulan dam saram

Selesaii

Ganbar 3. 3 Diagram a1ir peneliitian (Lamjutan)

 BAB.IV
HASIL.DAN.PENBAHASAN
4.1 .Analisa Data Kuisioner
Kuisioner ini akan diberikan kepada para responden yang sebelumnya pernah
melewati Jalan Soeprapto Kota Bengkulu secara online. Jawaban dari para
responden pengendara yang melewati Jalan Soeprapto Kota Bengkulu ini nantinya
diggunakan sebaggai data pengdukung agar dapat menperkuat asunsi ketika
me1akukan permode1an. Pars responden dipero1eh dari Buku rangkuman Kota
Bengkulu Da1am Amgka 2022 yang telah diterbitkan oIeh Badan Pusat Statistik
(BPS) Kota Bengkulu pada Tahum 2022 ada sejumlah 378.600 jiwa manusia.
Angka 10% (0,1) merupakan Presentasi dari Kelonggaran karena pada saat
pengambilan sampel. Berdasarkan persaman Slovin, maka pada pene1itian kali ini
totaI jumlah responden yang dimiliki yaitu sebanyak berikut :

378 .600
n = = 99,974 = 100 orang
1  378 .600 x (0,12 )
Berdasarkan hasil perhitungan data di atas, maka untuk jumlah para responden
pada kuesioner penelitian kali ini dibutuhkan responden sebanyak 100 rseponden.
4.1.1 Metode Pengolahan Data Kuisioner Penelitian
Model kuisioner yang dapat digunakan sa1ah satunya adalah dengan metode
Likert berskala 1 - 4. Tanggapan para reponden breskala 1 meurpakan penyataan
Samgat Tidak.Setuju, berskala 2 Tidak.Setuju, berskala 3 Seetuju dam berskala 4
Sangat.Setuju. prrtanyaan yang telah diberikan sejumlah 9 pretanyaan mengenai
peralihan rute dan skenario yang nantinya akan dimasukan pada pemodelan. Hasil
skala Likert dari tanggapan responden kuesioner penelitian ini terdapat pada Tabel
4.1.
Hasil kuesioner pene1itian dibawah ini didapat dengan cara menyebarkan
kuisioner secara online dan kemudian di1akukan analisis data dengan cara
menggunakan metode skala likert. Kuisioner tersebut akan menunjukkan hasil
bahwa masyarakat yang melalui Jalan Soeprapto Kota Bengkulu sudah cukup
paham dengan kebijakan car free day dan mereka setuju dengan adanya rencana
skenario yang akan coba di1akukan pada jaringan ruas jalan di kawasan sekitar
Jalan Soeprapto untuk mengatasi atau mengurangi dampak dari jika car free day
diberlakukan. Data hasil kuesioner dapat di1ihat pada Lampiran 10.

Responden yang setuju dengan pernyataan pengetahuan mengenai adanya

kebijakan car free day dan rencana skenario yang akan dimasukkan dalam
pemodelan adalah hasil kategori. Berikut ini adalah hasil dari skala Likert
tanggapan terhadap kuesioner penelitian kali ini.
Keteranganj:
STS = Samgat.Tidak.Setuuju
TS = Tiidak.Setuuju
S = Setujuu
SS = Samgat.Setuuju
Comtoh dari prehitungan yang diambi1 merujuk pada pretanyaan nomor kedua
pada data kuisioner penelitian tersebut:
Tota1 Skorr = Σ (Jumlah dari Jawsban para Reponden.x.Skorr)
Tota1 Skorr = (2 × 1) + (18 × 2) + (62 × 3) + (18 × 4) = 296
Tota1 Skorr 296
Rata..rata = = = 2,96 (Setuju)
Jum1ah Reponden 100
Kategori ini nanti diperoleh berdasarkan Tabel 2.1.
4.1.2 Identitas Responden Data Kuesioner Penelitian
Peran para responden pada penelitian ini adalah untuk mengisi kuisioner yang
telah dibuat dan nantinya akan diisi oleh para responden. Metode kuesioner yang
diberlakukan adalah dengan menggunakan kuisioner online yang dibagikan
melalui link https://forms.gle/1b1kvmri21jcBydx8 kepada para responden yaitu
orang-orang yang pernah melewati atau melintasi Jalan Soeprapto Kota Bengkulu.
Kuisioner penelitian ini mulai dibagikan pada tanggal 18 Oktober 2022 sampai 22
Oktober 2022, penyebaran link kuesioner dihentikan jika sudah memenuhi
jumlah para responden yang diinginkan yaitu 100 orang responden. Persentase
pengendara yang akan melewati Jalan Soeprapto yang akan diklasifikasikan
berdasarkan jenis kelamin yang dapat di1ihat pada Ganbar 4.2, klaasifikasi
bredasarkan usia yang dapat di1ihat pada Ganbar 4.3, klasifikasi bredasarkan
pendiidikan yang sedang ditenpuh dapat di1ihat paada Ganbar 4.4, klasiifikasi
berdaaarkan jenis pekerejaan yang dapat di1ihat pada Ganbar 4.5, dan klasiifikasi
bredasarkan aktifitas apa yang nantinya akan dilakukan pengendara dapat dilihat
pada Gambar 4.6.
 41% Perempuan
Laki-laki
59%

Gambar 4.1 Klasifikasi Responden Berdasarkan Jenis Kelamin

Responden pada kuesioner penelitan ini sudah diklasifikasikan berdasarkan
jenis kelamin. Pada penelitan kali ini tidak ditentukan oleh jumlah responden laki-
laki dan perempuan. Para reponden demgan jenis kelamin perenpuan lebih banyak
demgan presentase seebanyak 59%, sedamgkan reponden demgan jenies ke1amin
lanang hamya sebamyak 51%.

4% 4%

13% 11% 19
20
21
22%
22

46% 23
24

Ganbar 4.2 Klasifikasi Reponden Bredasarkan Umur

Pada ganbar diatas menperlihatkan adamya presentase pada umur reponden
kuisioner pene1itian. Reponden berumur antara 19 dan 24 tahun. Hasil
klaasifikasi umur responden ada1ah sebagai berikut : l9 tahun menerima 4 persen,
20 tahun menerima 11 persen, 21 tahun menerima 22 persen, 22 tahun menerima
46 persen, 23 tahun menerima 13 persen, dan 24 tahun menerima 4 persen. Hasil
analisis menunjukan bahwa mayoritas reponden berumur 22 tahun, ter1ihat dari
data.
 1% 1%
4%

SMA
S1
S2
Lainnya

94%

Gambar 4.3 Klasifikasi Responden Berdasarkan Pendidikan

Responden pada kuisioner penelitan kali ini akan diklasifikasikan juga
berdasarkan jenjang pendidikan. Responden pada penelitian ini dari hasil yang
analisis kuisioner memi1iki nilai pendidikan mu1ai darii SMK, SI, SII, dan lainya.
Para reponden yamg memiliki jenjang pendidikan S1 lebih dominan dengan
persentase sebamyak 9 persen, sedangkan dengan sekolah pendiidikan SMK
sebamyak 1 persen, jenjang pendiidikan SII sebamyak 1 persen, dan jenjang
pendidiikan lainya sebamyak 4 persen.
Para responden pada kuisioner penelitan ini diklasifikasikan juga berdasarkan
jenis pekerjaan. Klasifikasi berdasarkan pekerjaan para responden ini didapat hasil
yaitu mahasiswa senilai 88%, sedangkan PNS sebanyak 2%, dan lainnya sebanyak
10%. Dari data hasi1 tresebut menumjukan bahhwa adnya pekrejaan demgan
reponden yang pa1ing domiman yaiitu sabagai mahassiswa.

2%
10%

Mahasiswa
PNS
Lainnya

88%
 Gambar 4.4 Klasifikasi Responden Berdasarkan Pekerjaan
Klasifikasi para responden ini berdasarkan dengan kegiatan yang akan
dilakukan didapatkan dan juga hasil untuk bekerja yaitu sebanyak 8%, belanja
senilai 70%, olahraga yaitu senilai 8%, dan untuk berkegiatan lainnya ada sebesar
14%. Dari data hasil ini dapat dilihat bahwa adapun kegiatan dari para responden
yang paling dominan adalah untuk kegiatan belanja.

Gambar 4.5 Klasiifikasi Reponden Bredasarkan Keegiatan Yamg Akan

Di1akukan

4.1.3 Rekapitulasi Data Kuesioner Penelitian

Hasil dari data kueiioner ini lebih lengkap karena dapat dilihat pada Lampiran
11. Jaringan ruas ja1an dengan peralihan adanya rute untuk kuesioner daapat
diliihat pada Ganbar 4.6. Raekapitulasi hasi1 dari dota kuisioner ialah sebaggai
beriikut.
 Ganbar 4.6 Jarimgan raus Ja1an Demgan Peralihan Route Untuk Kuisioner
1. Kendaraan yang akan digunakan responden jika melewati Jalan Soeprapto
dapat dilihat pada Gambar 4.7.

Gambar 4.7 Perentase Kendaran yamg Diggunakan Responden Kuesioner Ketika

Melewati Jalan Soeprapto
Presentase pengemudi yang akan melintasi Jalan Soeprapto berdasarkan
kendaraan yang mereka gunakan ditemukan 12 persen untuk pengemudi mobil, 86
persen untuk pengemudi sepeda motor, dan 2 persen yang akan berjalan kaki.
Karena banyaknya responden yang menggunakan kendaraan, persentase ini akan
menunjukkan bahwa pemodelan yang dilakukan berbasis kendaraan sesuai dengan
asumsi..
2. Pemi1ihan route perjalanan darii tiitik B menujuu ke tiitik E saaat Ja1an
Soprapto di tutup dapat dilihat pada Gambar 4.8.

Jalur yang akan dilihat langsung B menuju titik E saat Jalan Soeprapto
kemudian ditutup karena strategi hari bebas kendaraan, untuk lebih spesifik jalan
raya 1 nantinya akan melalui Jalan Basuki Rahmat dan di Jalan Bangka,
sedangkan di jalur kedua melalui Jalan Soekarno Hatta, Jalan Letkol Santosa, dan
melewati Jalan Jendral Sudirman. Berdasarkan hasil tersebut, 93% responden
memilih untuk melewati rute 1 dan 7% memilih rute 2 sebagai gantinya. Hasil ini
menunjukkan bahwa responden yang memilih rute 1 lebih mungkin daripada
responden yang memilih rute 2.

3. Pemiliihan rute prejalanan daari tiitik B menuuju ke tiitik F saaat Ja1an

Soprapto di tutup dapat di1ihat pada Gambar 4.9.
 Ketika Jalan Soeprapto ditutup karena kebijakan car free day, rute dari titik B
ke titik F akan menjadi rute 1, yang melewati Jalan Basuki Rahmat, Jalan Bangka,
dan Jalan M.T. Haryono. Rute 2, di sisi lain, akan melalui Jalan Soekarno Hatta,
Jalan Letkol Santosa, dan Jalan Jendral Sudirman. Berdasarkan temuan tersebut,
delapan puluh persen peserta memilih rute 1, sedangkan dua puluh persen lebih
memilih rute 2.Jika dibandingkan dengan responden yang memilih rute 2,
hasilnya menunjukkan bahwa ada lebih banyak responden yang memilih rute 1.

3. Pemiliihan route perjalanan darii titiik B menuuju ke tiitik G saaat Ja1an

Soprapto di tutup dapat dilihat pada Gambar 4.10.
 Ketika Jalan Soeprapto ditutup karena kebijakan car free day, rute dari titik B
ke titik G akan menjadi rute 1 melalui Jalan Basuki Rahmat, Jalan Bangka, dan
Jalan M.T. Haryono, dan rute 2 melalui Jalan Soekarno Hatta dan Jalan Letkol
Santosa. Analisis data mengungkapkan bahwa 82% responden lebih memilih rute
2 daripada rute 1, dengan 18% memilih rute 1.Menurut temuan, ada lebih banyak
responden yang mengindikasikan bahwa mereka akan memilih rute 2 daripada
rute 1.

4. Pemi1ihan route perjalanan darii tiitik C menuuju ke tiitik E saat Ja1an

Soprapto di tutuup dapat dilihat pada Gambar 4.11.

10%

Rute 1
Rute 2

90%

Gambar 4.8 Pemilihan Rute dari Titik C ke titik E saat Jalan Soeprapto Ditutup
Rute yang membentang dari titik C ke titik E saat Jalan Soeprapto dibuka
dikenal sebagai rute "car free day". Yang pertama membentang antara Jalan
Basuki Rahmat dan Jalan Bangka, sedangkan yang kedua membentang antara
Jalan Soekarno Hatta, Jalan Letkol Santosa, Jalan Jendral Sudirman, dan Jalan
M.T. Haryono.Ini menghasilkan tingkat presentasi 90% untuk rute pertama dan
10% untuk rute kedua. Menurut temuan tersebut, responden yang memilih rute 1
secara signifikan lebih mungkin daripada responden yang memilih rute 2.
5. Pemilihan rute perjalanan dari titik C menuju ke titik F saat Jalan Soeprapto di
tutup dapat dilihat pada Gambar 4.12.
 16%

Rute 1
Rute 2

84%

Gambar 4.9 Pemiliihan Rute dairi Titiik C ke Titik F saat Ja1an Soprapto
Ditutuup
Ketika Jalan Soeprapto ditutup karena kebijakan car free day, rute dari titik C
ke titik F akan menjadi rute 1 melalui Jalan Basuki Rahmat, Jalan Bangka, dan
Jalan M.T. Haryono, dan rute 2 melalui Jalan Soekarno Hatta, Jalan Letkol
Santosa, dan Jalan Jendral Sudirman.. Menurut temuan analisis, rute 1 dipilih oleh
84% dari nilai persentase, sedangkan rute 2 dipilih oleh 16% responden kuesioner
lainnya. Menurut temuan tersebut, responden yang memilih rute 1 memiliki
proporsi respons yang lebih tinggi daripada responden yang memilih rute 2.

6. Pemiliihan rute peralanan dari titik C enuju ke ttik G saat Jaan Soepapto di tutp
dapat dilihat pada Gambar 4.13.

18%

Rute 1
Rute 2

82%

Gabar 4.10 Pemilhan Rote dari Tiik C ke Titik G saat Ja1an Soprapto Ditutup
 When Jalan Soeprapto is closed due to the car-free day policy, respondents
will choose route 1 through Jalan Basuki Rahmat, Ja1an Bangka, and Jalan M.T.
Haryono, while route 2 will go through Jalan Soekarno Hatta and Jalan Letkol
Santosa. Menurut analisis, 18% memilih rute 1 dan 82% memilih rute 2.Menurut
temuan ini, ada lebih banyak responden yang memilih untuk menyelidiki rute 2
daripada ada yang memilih rute 1.

7. Pemilihan rute pejalanan dari titik F menuju ke tiik B saat Ja1an Soprapto di
tutup dapat dilihat pada Gambar 4.14

26%

Rute 1
Rute 2

74%

Ganbar 4.11 Pemiilihan Rote ari Titik F ke Tiitik B sat Ja1an Soprapto Ditutup
Ketika Jalan Soeprapto ditutup karena kebijakan car free day, rute dari titik F
ke titik B akan menjadi rute 1 melalui Jalan Basuki Rahmat, Jalan Bangka, dan
Ja1an M.T. Haryono, dan rute 2 melalui Jalan Soekarno Hatta, Jalan Letkol
Santosa, dan Jalan Jendral Sudirman. Menurut temuan analisis data, 26%
responden kuesioner lain memilih opsi kedua, sementara 74% memilih rute
1.Menurut temuan ini, ada lebih banyak responden yang memilih untuk
menyelidiki rute 1 daripada ada yang memilih rute 2..

8. Pemiilihan rute pejalanan daari titik F meenuju ke titiik C sat Ja1an Soprapto di
tutup dapat dilihat pada Gambar 4.15.
 27%
Rute 1
Rute 2

73%

Ganbar 4.12 Pemiliihan Rote daari Titiik F ke Tiitik C saat Ja1an Soprapto
Ditutup
Ketika Ja1an Soeprapto ditutup karena kebijakan car free day, rute yang lebih
disukai dari titik F ke titik B adalah rute 1, yang melalui Jalan Basuki Rahmat,
Jalan Bangka, dan Jalan M.T. Haryono. Rute kedua, di sisi lain, melewati Jalan
Soekarno Hatta, Jalan Letkol Santosa, dan Jalan Jendral Sudirman. 73%
responden kuesioner memilih rute 1 berdasarkan temuan ini, sedangkan 27%
memilih rute 2.Dari hasil ini, dapat dilihat bahwa responden yang memilih rute 1
lebih mungkin daripada responden yang memilih rute 2.
9. Pemi1ihan rote prejalanan daari titik E menuju ke titiik C atau titik B saat
Ja1an Soprapto di tutup dapat dilihat pada Gambar 4.16.

15%

Rute 1
Rute 2

85%

Ganbar 4.13 Pemilihan Ruite dari Titiik E ke Tuitik C/B Saat

Jalan Soprapto Ditutup
Rute yang akan dipilih dari titik E menuju ke titik C atau titik B ketika Jalan
Soeparpto ditutup karena adanya kebijakan car free day, yaitu deagan rute 1 di
rute 2, melalui Jalan Soekarno Hatta, Letkol Santosa, Jendral Sudirman, dan M.T.
Haryono, serta melalui Jalans Basuki Rahmat dan Bangka.Persentase 85 persen
memilih rute 1 dan 15 persen lainnya memilih rute 2. Hasil ini menunjukkan
bahwaDari hasil tersebut, dapat dilihat bahwa responden yang memilih rute 1
lebih mungkin daripada responden yang memilih rute 2.
11.Pemiliihan ruti perja1anan dari titik G menuuju ke titik C ataau titik B saat
Ja1an Soprapto di tutup dapat dilihat pada Gambar 4.17.

23%
Rute 1
Rute 2
77%

Gabar 4.14 Pemiilihan Ruti daari Titik G ke Titiik C/B saaat Ja1an Soprapto
Ditutup
Ketika ruas Jalan Soeprapto ditutup karena kebijakan car free day, rute yang
diutamakan dari titik G ke titik B atau titik C adalah rute 1 melalui Jalan Basuki
Rahmat, Jalan Bangka, Jalan Jendral Sudirman, dan Jalan M.T. Haryono, dan rute
2 melalui Jalan Soekarno Hatta dan Jalan Letko1 Santosa.. Menurut temuan
analisis data, 23% responden memilih rute 1 dan 77% memilih rute 2.Menurut
temuan ini, ada lebih banyak responden yang berencana untuk mengambil rute 2
daripada yang berencana untuk mengambil rute 1.
4.2 Identifikasi Jaringan Jalan Pada Lokasi Penelitian (Kawasan Sekitar
Jalan Soeprapto)
Ideentifikasi rurs jariingan jalan pada kawasan sekitar Jalan Soeprapto Koota
Bemgkulu dalam skripsi ini yaitu analisis volum lalulintas pada jam puncak,
analisis geometrik raus jalan yang ditelitit, kapasitas ruas jalan, derajat kejenuhan,
pada wilayah penelitian tresebut.
4.2.1 Jaringan Jalan pada Kawasan Sekitar Jalan Soeprapto Kota Bengkulu
Ja1an Soprapto aadlah saIah satu ja1an utama dan pusat lalulintas di Kota
Bemgkulu. Sehinga jariingan jalan pada wilayah Soprapto juga memiliiki peran
penting dalam kegiatan kesharian warga Kota.Bemgkulu. Tujuan dari penelitian
ini adalah untuk mempelajari tentang rute alternatif penerapan kebijakan car free
day di Jalan Soeprapto.Gambar 4.1 menggambarkan jaringan jalan di sekitar Jalan
Soeprapto.Asal dan tujuan ruas jalan penelitian tercantum pada angka 1 sampai
12.

Ganbar 4.15 Skeetsa Jariingan Jalan Kawasaa Sekitar Jalan Soeprapto Kota
Bengkulu
4.2.2 Analisis Geometrik Ruas Jalan Lokasi Penelitian
Berdasarkan penelitian yang dilakukan di lapangan, data jalan geometris dapat
diperoleh di Iangsung.Karakteristik dan keadaan geometris ruas jalan akan diteliti
lebih detail dari data ini. Menurut Tabel 4.2, hasil survei yang didasarkan pada
hasil pengukuran yang dilakukan tepat di lokasi penelitian diperoleh secara
geometris di jalan.
Tabel 4.1 Data Hasil Analisis Geometrik Ruas Jalan

Kelas Hambatan Lebar 1 Lebar

Nama Jalan Tipe..Jalan
Samping Jalur (M) Total (M)

Jalan Basuki Rahmat Sangat.Tinggi 2/2TT 5.5 11

Jalan Bangka Sangat.Tinggi 2/2TT 5 10
Jalan M.T Haryono Sangat.Tinggi 2/2TT 5.5 11
Jalan Soeprapto Sangat.Tinggi 4/2T 7 14
Jalan Jend. Sudirman Sedang 6/2T 6 18
 Jalan Letkol Santosa Sedang 2/2TT 2.5 5
Jalan Soekarno Hatta Sedang 2/2TT 5.5 11
8 8
Jalan A. Yani Rendah 6/2T
6 12
Jalan Letkol Iskandar Tinggi 2/2TT 3 6
Jalan Moh. Hasan Sedang 2/2TT 4.5 9
Jalan S. Parman Sangat.Tinggi 4/2T 7 14
Jalan Cendana Sangat.Tinggi 2/2TT 5.5 11
Jalan Bali Sedang 2/2TT 5 10

Dari data pada tabel diatas merupakan hasil survei yang diperoleh dari data
lapangan secara langsungdengan penelitian ke lokasi. Untuk perhitungan pada
hambatan samping dapat dilihat pada Lampiran ke 6. Dari data tabel diatas
kemudian akan dibuat gambar ilustrasisetiap potongan melintang dari masing –
masing ruas jalan yang akan diteliti tersebut.

Ganbar 4.16 Ilustrasi Basuki Rahmat

 Ganbar 4.17 Ilustrasi Bangka

Ganbar 4.18 M.T Haryono

Ganbar 4.19 Ilustrasi Soeprapto

Ganbar 4.20 Ilustrasi Jendral Sudirman

Gabar 4.21 Ilustrasi Letkol Santosa

Gabar 4.22 Ilustrasi Soekarno – Hatta

 Gabar 4.23 Ilustrasi Ahmad Yani

Gabar 4.24 Ilustrasi Letkol Iskandar

Gabar 4.25 Ilustrasi Moh. Hasan

 Gabar 4.26 Ilustrasi S. Parman

Gabar 4.27 Cendana

Gabar 4.28 Ilustrasi Jalan Bali

4.2.3 Analiss Volum LaluLintas pada Lokasi Penelitian

Tingkat pelayanan yang akan diberikan di jalan sangat dipengaruhi oleh
volume lalu lintas yang akan diperiksa. Lokasi penelitian dijadikan sebagai lokasi
langsung pengambilan data volume lalu lintas. Pada hari Sabtu, 24 Agustus 2022,
Minggu, 28 Agustus 2022 dan Senin 29 Agustus 2022 dilakukan pengamatan
langsung. Pengambilan data arus lalu lintas dilakukan setiap 15 menit selama dua
jam. Pengamatan lalu lintas dilakukan pada tiga waktu yang berbeda: pagi, siang,
sore, dan malam. Pengamatan lalu lintas dilakukan pada pagi hari antara pukul
06.30 hingga 08.30 WIB, dan pada siang hari antara pukul 12 hingga 14 WIB,
pengamatan sore hari dilaksanakan pukul 16.00 WIB hingga l8.00 WIB, dan
Pengamatan malam hari dilakukan antara pukul 19.30 dan 21.30 WIB. Jenis
kendaraan yang diamati adalah sepeda. Kendaraan Ringan (KR) dan Sepeda
Motor (SM). Lampiran 5 berisi data survei arus lalu lintas secara keseluruhan.
Selain itu, Lampiran 5 memberikan gambaran tentang bagaimana menghitung
volume lalu lintas pada jam sibuk. Tabel 4.3 menampilkan volume lalu lintas
puncak untuk setiap segmen jalan yang diteliti.

Arus Puncak Jalan Basuki Rahmat

500 459
450

400
Nilai Arus

350

300

250

200
06.30-06.45
06.45-07.00
07.00-07.15
07.15-07.30
07.30-07.45
07.45-08.00
08.00-08.15
08.15-08.30
12.00-12.15
12.15-12.30
12.30-12.45
12.45-13.00
13.00-13.15
13.15-13.30
13.30-13.45
13.45-14.00
16.00-16.15
16.15-16.30
16.30-16.45
16.45-17.00
17.00-17.15
17.15-17.30
17.30-17.45
17.45-18.00
Waktu Survei

Gambar 4.29 Arus Puncak Jalan Basuki Rahmat

Dari data hasil survei di lapangan, arus puncak pada Jalan Basuki Rahmat
didapat pada hari kerja yaitu hari senin jam 12.15 – 12.30 dengan volume
kendaraan 459 skr/jam.
 Nilai Arus Nilai Arus

skr/jam.
skr/jam.

220
240
260
280
300
320
340
360
380
150
200
250
300
350
400
450

06.30-06.45 06.30-06.45
06.45-07.00 06.45-07.00
07.00-07.15 07.00-07.15

363
394,5

07.15-07.30 07.15-07.30
07.30-07.45 07.30-07.45
07.45-08.00 07.45-08.00
08.00-08.15 08.00-08.15
08.15-08.30 08.15-08.30
12.00-12.15 12.00-12.15
12.15-12.30 12.15-12.30
12.30-12.45 12.30-12.45
12.45-13.00 12.45-13.00
13.00-13.15 13.00-13.15
13.15-13.30 13.15-13.30

Waktu Survei
Waktu Survei

13.30-13.45 13.30-13.45
Arus Puncak Jalan Bangka

13.45-14.00 13.45-14.00
16.00-16.15 16.00-16.15
16.15-16.30
Arus Puncak Jalan M.T. Haryono 16.15-16.30
Gambar 4.30 Arus Puncak Jalan Bangka

16.30-16.45 16.30-16.45

Gambar 4.31 Arus Puncak Jalan M.T. Haryono

16.45-17.00 16.45-17.00
17.00-17.15 17.00-17.15
17.15-17.30 17.15-17.30
17.30-17.45 17.30-17.45
17.45-18.00 17.45-18.00

Dari data hasil survei di lapangan arus puncak pada Jalan M.T.Haryono didapat
Dari data hasil survei di lapangan arus puncak pada Jalan Bangka didapat pada

pada hari kerja yaitu hari senin jam 07.00 – 07.15 dengan volume kendaraan 363
hari kerja yaitu hari senin jam 07.00 – 07.15 dengan volume kendaraan 394,5
 NilaiArus Nilai Arus

250
300
350
400
450
500
550
350
400
450
500
550
600

06.30-06.45 06.30-06.45

557,6 skr/jam.
06.45-07.00 06.45-07.00
07.00-07.15 07.00-07.15
557,6

520,2
07.15-07.30 07.15-07.30
07.30-07.45 07.30-07.45

kendaraan 520,2 skr/jam.

07.45-08.00 07.45-08.00
08.00-08.15 08.00-08.15
08.15-08.30 08.15-08.30
12.00-12.15 12.00-12.15
12.15-12.30 12.15-12.30
12.30-12.45 12.30-12.45
12.45-13.00 12.45-13.00
13.00-13.15 13.00-13.15
13.15-13.30 13.15-13.30

Waktu Survei
Waktu Survei

13.30-13.45 13.30-13.45
13.45-14.00 13.45-14.00
Arus Puncak Jalan Soeprapto

16.00-16.15 16.00-16.15
16.15-16.30 Arus Puncak Jalan Jend. Sudirman 16.15-16.30
Gambar 4.32 Arus Puncak Jalan Soeprapto

16.30-16.45 16.30-16.45

Gambar 4.33 Arus Puncak Jalan Jend. Sudirman

16.45-17.00 16.45-17.00
17.00-17.15 17.00-17.15
17.15-17.30 17.15-17.30
17.30-17.45 17.30-17.45
17.45-18.00 17.45-18.00
pada hari kerja yaitu hari senin jam 07.00 – 07.15 dengan volume kendaraan

Dari data hasil survei di lapangan arus puncak pada Jalan Jend. Sudirman
Dari data hasil survei di lapangan arus puncak pada Jalan soeprapto didapat

didapat pada hari kerja yaitu hari senin jam 07.00 – 07.15 dengan volume
 Arus Puncak Jalan Letkol Santosa
240
211
220
200
Nilai Arus

180
160
140
120
100
80
06.30-06.45
06.45-07.00
07.00-07.15
07.15-07.30
07.30-07.45
07.45-08.00
08.00-08.15
08.15-08.30
12.00-12.15
12.15-12.30
12.30-12.45
12.45-13.00
13.00-13.15
13.15-13.30
13.30-13.45
13.45-14.00
16.00-16.15
16.15-16.30
16.30-16.45
16.45-17.00
17.00-17.15
17.15-17.30
17.30-17.45
17.45-18.00
Waktu Survei

Gambar 4.34 Arus Puncak Jalan Letkol Santosa

Dari data hasil survei di lapangan arus puncak pada Jalan Letkol Santosa
didapat pada hari kerja yaitu hari senin jam 07.00 – 07.15 dengan volume
kendaraan 520,2 skr/jam.

Arus Puncak Soekarno Hatta

315,2
320
280
Nilai Arus

240
200
160
120
80
06.30-06.45
06.45-07.00
07.00-07.15
07.15-07.30
07.30-07.45
07.45-08.00
08.00-08.15
08.15-08.30
12.00-12.15
12.15-12.30
12.30-12.45
12.45-13.00
13.00-13.15
13.15-13.30
13.30-13.45
13.45-14.00
16.00-16.15
16.15-16.30
16.30-16.45
16.45-17.00
17.00-17.15
17.15-17.30
17.30-17.45
17.45-18.00

Waktu Survei

Gambar 4.35 Arus Puncak Jalan Soekarno Hatta

Dari data hasil survei di lapangan arus puncak pada Jalan Soekarno Hatta
didapat pada hari kerja yaitu hari senin jam 07.00 – 07.15 dengan volume
kendaraan 315,2 skr/jam.
 Arus Puncak Jalan A. Yani
371
380
360
340
320
Nilai Arus

300
280
260
240
220
200
180
06.30-06.45
06.45-07.00
07.00-07.15
07.15-07.30
07.30-07.45
07.45-08.00
08.00-08.15
08.15-08.30
12.00-12.15
12.15-12.30
12.30-12.45
12.45-13.00
13.00-13.15
13.15-13.30
13.30-13.45
13.45-14.00
16.00-16.15
16.15-16.30
16.30-16.45
16.45-17.00
17.00-17.15
17.15-17.30
17.30-17.45
17.45-18.00
Waktu Survei

Gambar 4.36 Arus Puncak Jalan A. Yani

Dari data hasil survei di lapangan arus puncak pada Jalan A. Yani didapat pada
hari kerja yaitu hari senin pada jam 07.00 – 07.15 dengan nilai volume kendaraan
371 skr/jam.

Arus Puncak Jalan Letkol Iskandar

180 167,5

160

140
Nilai Arus

120

100

80

60
06.30-06.45
06.45-07.00
07.00-07.15
07.15-07.30
07.30-07.45
07.45-08.00
08.00-08.15
08.15-08.30
12.00-12.15
12.15-12.30
12.30-12.45
12.45-13.00
13.00-13.15
13.15-13.30
13.30-13.45
13.45-14.00
16.00-16.15
16.15-16.30
16.30-16.45
16.45-17.00
17.00-17.15
17.15-17.30
17.30-17.45
17.45-18.00

Waktu Survei

Gambar 4.37 Arus Puncak Jalan Letkol Iskandar

Dari data hasil survei di lapangan arus puncak pada Jalan Letkol Iskandar
didapat pada hari kerja yaitu hari senin jam 07.15 – 07.30 dengan volume
kendaraan 167,5 skr/jam.
 Nilai Arus Nilai Arus

250
350
450
550
650
750
850
130
180
230
280
330

80
06.30-06.45 06.30-06.45

803,45 skr/jam.
06.45-07.00 06.45-07.00
301

07.00-07.15 07.00-07.15

803,45
07.15-07.30 07.15-07.30

kendaraan 301 skr/jam.

07.30-07.45 07.30-07.45
07.45-08.00 07.45-08.00
08.00-08.15 08.00-08.15
08.15-08.30 08.15-08.30
12.00-12.15 12.00-12.15
12.15-12.30 12.15-12.30
12.30-12.45 12.30-12.45
12.45-13.00 12.45-13.00
13.00-13.15 13.00-13.15
13.15-13.30 13.15-13.30

Waktu Survei
Waktu Survei

13.30-13.45 13.30-13.45
13.45-14.00 13.45-14.00

Arus Puncak Jalan S. Parman

Arus Puncak Jalan Moh. Hasan

16.00-16.15 16.00-16.15
16.15-16.30 16.15-16.30

Gambar 4.39 Arus Puncak Jalan S. Parman

Gambar 4.38 Arus Puncak Jalan Moh. Hasan

16.30-16.45 16.30-16.45
16.45-17.00 16.45-17.00
17.00-17.15 17.00-17.15
17.15-17.30 17.15-17.30
17.30-17.45 17.30-17.45
17.45-18.00 17.45-18.00

pada hari kerja yaitu hari senin jam 07.00 – 07.15 dengan volume kendaraan
Dari data hasil survei di lapangan arus puncak pada Jalan S. Parman didapat
Dari data hasil survei di lapangan arus puncak pada Jalan Jend. Sudirman
didapat pada hari kerja yaitu hari senin jam 06.45 - 07.00 dengan volume
 Nilai Arus Nilai Arus

100
150
200
250
300
350
400
450
500
250
300
350
400
450
500
550
600
650
700

06.30-06.45 06.30-06.45

653,75 skr/jam.
06.45-07.00 06.45-07.00
07.00-07.15 07.00-07.15
653,75

07.15-07.30 07.15-07.30

450,5
07.30-07.45 07.30-07.45
07.45-08.00 07.45-08.00
08.00-08.15 08.00-08.15
08.15-08.30 08.15-08.30
12.00-12.15 12.00-12.15
12.15-12.30 12.15-12.30
12.30-12.45 12.30-12.45
12.45-13.00 12.45-13.00
13.00-13.15 13.00-13.15
13.15-13.30 13.15-13.30

Waktu Survei
Waktu Survei

13.30-13.45 13.30-13.45

Arus Puncak Jalan Bali

13.45-14.00 13.45-14.00
Arus Puncak Jalan Cendana

16.00-16.15 16.00-16.15

Gambar 4.41 Arus Puncak Jalan Bali

16.15-16.30 16.15-16.30
Gambar 4.40 Arus Puncak Jalan Cendana

16.30-16.45 16.30-16.45

pada jam 07.15 – 07.30 dengan volume kendaraan 450,5 skr/jam.

16.45-17.00 16.45-17.00
17.00-17.15 17.00-17.15
17.15-17.30 17.15-17.30
17.30-17.45 17.30-17.45
17.45-18.00 17.45-18.00
pada hari kerja yaitu hari senin jam 07.00 – 07.15 dengan volume kendaraan
Dari data hasil survei di lapangan arus puncak pada Jalan Cendana didapat

Dari hasil survei di lapangan arus puncak pada Jalan Jend. Sudirman didapat
Tabel 4.2 Tabel Volume Arus Puncak Lalu Lintas

4.3 Pemodelan Jaringan Jalan pada Kondisi Eksisting

Pada penelitian ini digunakan software ZIN Macrosimulation untuk
memodelkan jaringan jalan pada kondisi saat ini yang sesuai dengan kondisi
sebenarnya di lokasi penelitian. Dengan menggunakan analisis regresi linier
sederhana, digunakan pemodelan kondisi eksisting untuk validasi model yang
merupakan tahapan menentukan apakah hasil pemodelan secara akurat
mencerminkan kondisi sebenarnya di lokasi hana.
4.3.1 Kapassitas Raus Jariingan Ja1an Kondisi Ekisting
Nilai arus lalu lintas pada jam puncak yang dapat diterapkan pada lalu lintas
jalan pada keadaan tertentu dikenal dengan kapasitas kepadatan jalan. Untuk
menghitung nilai kapasitas ruas jalan, PKJI.2014 dijadikan sebagai acuan. Tabel
4.4 menampilkan hasil perhitungan kapasitas jalan investigasi. Lampiran 7 berisi
perhitungan kapasitas jalan yang komprehensif.
4.3.2 Derajat Kejenuhan Kondisi Eksisting di Lapangan
Besarnya lalu lintas yang akan melewati suatu jalan dengan tetap menjaga
kejenuhan dinyatakan dalam tingkat pelayanan pada ruas jalan tersebut. Untuk
data derajat kejenuhan (Dj), hasil perhitungan jumlah volume kendaraan dan
kapasitas jalan kemudian akan dihitung.Tabel 4.5 menampilkan hasil perhitungan
derajat kejenuhan untuk setiap ruas jalan yang diteliti, dan Lampiran 8
memberikan contoh perhitungan secara rinci..
4.3.3 Pemodelan Jaringan Jalan Kondisi Eksisting Dengan Lalu Lintas
Harian (Skenario 1)
Dengan menggunakan analisis regresi linier sederhana, jaringan jalan
dimodelkan pada kondisi saat ini dengan tujuan validasi model untuk mengetahui
seberapa jauh perbedaan hasil pemodelan dengan kondisi lapangan yang
sebenarnya. Jaringan bantuan pada kondisi saat ini dapat dilihat pada Gambar
4.1.Lampiran 1 merinci cara menggunakan perangkat lunak ZIN Macrosimulation
untuk membuat mode 1 pada jaringan jalan yang ada. Gambar 4.45
menggambarkan gambar model aliran kode warna yang berasal dari hasil analisis
data dan data arus lalu lintas yang berasal dari hasil pemodelan pada kondisi saat
ini..
Tabel 4.3 Tabel Data Arus Lalu Lintas Hasil.Pemodelan pada Kondisi Eksisting

Arus.Lalu.Lintas.Hasil.Model
No Nama.Jalan
Eksisting (skr/jam)

1 Jalan Basuki Rahmat 525.63

2 Jalan Bangka 292.75
3 Jalan M.T Haryono 277.84
4 Jalan Soeprapto 472.1
5 Jalan Jend. Sudirman 301.33
6 Jalan Letkol Santosa 163.73
7 Jalan Soekarno Hatta 263.8
8 Jalan A. Yani 353.1
9 Jalan Letkol Iskandar 158.58
10 Jalan Moh. Hasan 287.1
11 Jalan S.Parman 764.68
12 Jalan Cendana 618.7
13 Jalan Bali 424.57
 Gabar 4.42 Floow Model Daari Hasil Analiisa Pemode1an Kondiisi Ekisting

4.3.4 Analisa Matric Asa1 Tuujuan

Data pembangkitan dan penarikan untuk zona 1, 2, 3, 4, 5, dan 6 akan
diturunkan dari data survei saat ini di zona yang diteliti. Pada Lampiran 9, Anda
dapat melihat gambar di mana setiap zona berada dan contoh bagaimana
menggunakan metode Furneess untuk menghitung iterasi dari matriks asal dan
tujuan. Tabel 4.7 menampilkan matriks asal dan tujuan Furneess yang digunakan
dalam pemodelan.
4.3.5 Validasi Model
Dengan membandingkan hasil data volume yang dikumpulkan di lapangan
dengan pemodelan, validasi dilakukan dengan menggunakan pendekatan regresi
linier langsung. Volume arus kendaraan pada setiap ruas jalan yang telah
diperiksa dengan hasil survei di lapangan dan hasil pemodelan di bawah kondisi
saat ini merupakan data yang divalidasi. Tabel 4.8 dan Gambar 4.46 menampilkan
hasil uji validasi model berbasis volume kendaraan..
Tabel 4.4 Valiidasi Mode1 Bredasarkan Volum Kendaran
Volume.Lalu.Lintas Volume.Lalu.Lintas
Nama.Jalan Survei Lapangan Hasil Pemodelan
(skr/jam) (skr/jam)
Jalan Basuki Rahmat 459,2 525,63
Jalan Bangka 394,5 292,75
Jalan M.T Haryono 363 277,84
Jalan Soeprapto 557,6 472,1
Jalan Jend. Sudirman 520,2 301,33
Jalan Letkol Santosa 211 163,73
Jalan Soekarno Hatta 315,2 263,8
Jalan A. Yani 371 353,1
Jalan Letkol Iskandar 167,5 158,58
Jalan Moh. Hasan 301 287,1
Jalan S. Parman 803,5 764,68
Jalan Cendana 653,8 618,7
Jalan Bali 450,5 424,57

Koefisien determinasi (R2) yang dihitung dengan menggunakan persamaan r

egresi adalah 0,8657. Hasil ini menunjukkan bahwa model yang ada valid
karena telah mencapai 1 lebih dari R2 = 0,75 dan bahwa 86,6 persen dari total
volume kendaraan yang lewat. ruas jalan yang diteliti didasarkan pada kondisi
yangadadilapangan.
4.4 Pemodelan Jaringan Jalan Dengan Adanya Skenario
Pemodelan jaringan jalan menggunakan skenario pada kondisi lalu1intas
harian normal dan kondisi ketika akan dilaksanakannya kebijakan car free day di
kawasan sekitar Jalan Soeprapto. Pemodelan lalu lintas ketika adanya kebijakan
car free day diasumsikan bahwa Jalan Soeprapto tidak bisa dilalui atau ditutup.
Skenario putusnya Jalan Soeprapto akan menyebabkan tidak adanya distribusi
arus kendaraan pada jalan tersebut. Skenario pada penelitian ini antara lain:
1. Skeenario mode1 koondisi ekssting demgan arus lalulintas hariaan.
2. Skeenario mode1 kondisi belum adanya perubahan geometris pada ruas jalan
dengan simulasi aruss lalulintas saat adanya kegiatan bebas bermotor.
3. Skeenario mode1 dengam adamya perubahan geometri pada ruas jalan dengan
keadaan lalulintas harian.
4. Skeenario mode1 demgan adanya perubahan geometri pada ruas jalan dengan
simulasi arus lalu intas pada saaat adamya kegiatan car fre day.
4.4.1 Skeenario Mode1 Kondisi Belun Adamya Perubahan Geometri Pada
Ruas Jalan Dengan Simulasi Arus Lalu Lintas Saat Adanya
Kebijakan Car Free Day (Skenario 2)
Penbuatan mode1 jalan saat adamya kegiatan bebas kendaraan dimaksudkan
untuk melihat penyebaran arus lalulintas pada jaringan ja1an dari pergerakan
kendaraan dan pentingnya kinerja jaringan jalan pada saat acara car free day.
Model ini mengasumsikan bahwa kendaraan yang mengubah rute akan melintasi
jalan di sekitar lingkungan Jalan Soeprapto Kota Bengkulu (Jalan Soekarno Hatta,
Jalan Basuki Rahmat, Jalan Bangka, M.T. Jalan Haryono, Jalan Jendral Sudirman,
Jalan A. Yani, Jalan Letkol Iskandar, Jl.Lt.Col.Jalan Moh, Jalan Santosa Hasan,
Bali, S. Parman, dan Jalan Cendana). Dalam skenario memasukkan nilai aliran
atau volume kendaraan yang melewati Jalan Soeprapto, tidak ada arus di jalan
tersebut karena tidak ada kendaraan yang melewati jalan ini selama hari bebas
kendaraan. Langkah-langkah pembuatan model Skenario 2 dapat dilihat pada
Lampiran 2. Tabel 4.9 menampilkan hasil pemodelan skenario 2, dan Gambar
4.47 menggambarkan bagaimana citra model aliran analisis dapat dibedakan
berdasarkan warna segmennya.
Tabel 4.5 Data Hasil Output Pemodelan Skenario 2
Volume.Lalu.Lintas.Hasil
No Nama.Jalan Pemodelan
(skr/jam)
1 Jalan Basuki Rahmat 696,8
2 Jalan Bangka 593,1
3 Jalan M.T Haryono 402,45
4 Jalan Jend. Sudirman 406,1
5 Jalan Letkol Santosa 233,1
6 Jalan Soekarno Hatta 411,47
7 Jalan A. Yani 353,1
8 Jalan Letkol Iskandar 158,58
9 Jalan Moh. Hasan 287,1
10 Jalan S. Parman 764,68
11 Jalan Cendana 618,7
12 Jalan Bali 424,57

Tabel 4.6 Data Hasil Pemodelan Skenario 2

Volume Arus
.Kapasitas. .Derajat. .Tingkat.
.Model.
Nama.Jalan (skr/jam) Kejenuhan Pelayanan
(skr/jam)
Jalan
.(a). .(b). .(a/b).
Jalan Basuki Rahmat 696,8 3182,6 0,22 A
Jalan Bangka 593,1 3030,2 0,20 A
Jalan M.T Haryono 402,45 2972,8 0,14 A
Jalan Jend. Sudirman 406,1 7541,4 0,05 A
Jalan Letkol Santosa 233,1 1344,7 0,18 A
Jalan Soekarno Hatta 411,47 3427,5 0,13 A
Jalan A. Yani 353,1 8152,4 0,05 A
Jalan Letkol Iskandar 158,58 2043,6 0,08 A
Jalan Moh. Hasan 287,1 3001,5 0,10 A
Jalan S.Parman 764,68 5702,4 0,14 A
Jalan Cendana 618,7 3182,6 0,21 A
Jalan Bali 424,57 3198,6 0,14 A

Semua ruas jalan yang sudah diteliti pada pemodelan skenario model kondisi
belum adanya skenario perubahan geometri pada ruas jalan dengan simulasi arus
lalu lintas saat adanya kebijakan car free day (skenario 2) ini memiliki tingkat
pelayanan jalan yang masih A yaitu kondisi arus lalu1intas bebas dengan
kecepatan tinggi dan volume lalu lintas masih rendah.

Gambar 4.43 Distribusi Arus Lalu Lintas pada Skenario 2

4.4.2 Skenario Model Dengan Adanya Perubahan Geometri Pada Ruas
Jalan Dengan Keadaan Lalu Lintas Harian (Skenario 3)
Dengan penambahan skenario modifikasi di Jalan Letkol Santosa dan
penerapan jalan satu arah di Jalan Soekarno Hatta saat lalu lintas harian atau tidak
adanya kebijakan car free day, maka skenario model jaringan jalan dengan
modifikasi jalan saat harian atau normal kondisi lalu lintas (skenario 3) akan
dibuat untuk mengevaluasi nilai kinerja jaringan jalan di sekitar Jalan
Soeprapto.Lampiran 3 menguraikan prosedur pembuatan model Skenario 3. Hasil
pemodelan dengan skenario 3 dapat dilihat pada Tabel 4.11 dan gambar
floow mode1 hasil dari analisis dibdakan berdasarkan warna ruus dapat di1ihat
pada Ganbar 4.48.
Tabel 4.7 Data Hasil Output Pemodelan Skenario 3
Volume Lalu Lintas Hasil
No Nama.Jalan .Pemodelan.
(skr/jam)
1 Jalan Basuki Rahmat 553,86
2 Jalan Bangka 320,97
3 Jalan M.T Haryono 249,61
4 Jalan Soeprapto 357,05
5 Jalan Jend. Sudirman 359,99
6 Jalan Letkol Santosa 219,44
7 Jalan Soekarno Hatta 208,07
8 Jalan A. Yani 353,1
Volume Lalu Lintas Hasil
No Nama.Jalan .Pemodelan.
(skr/jam)
9 Jalan Letkol Iskandar 158,58
10 Jalan Moh. Hasan 287,1
11 Jalan S. Parman 764,68
12 Jalan Cendana 618,7
13 Jalan Bali 424,57

Tabel 4.8 Tabel Data Hasil Pemodelan Skenario 3

Volume Arus
Kapasitas .Derajat. Tingkat
.Model.
Nama.Jalan (skr/jam) Kejenuhan Pelayanan
(skr/jam)
.Jalan.
(a) (b) (a/b)
Jalan Basuki Rahmat 553,86 3182,6 0,17 A
Jalan Bangka 320,97 3030,2 0,11 A
Jalan M.T Haryono 249,61 2972,8 0,08 A
Jalan Jend. Sudirman 357,05 7541,4 0,05 A
Jalan Soeprapto 359,99 5702,4 0,06 A
Tabel 4.12 Tabel Data Hasi1 Pemodelan Skenario 3 (lanjutan)
Volume Arus Tingkat
Kapasitas Derajat
Nama Jalan Model Pelayanan
(skr/jam) Kejenuhan
(skr/jam) Jalan
Jalan Letkol Santosa 219,44 2796,6 0,08 A
Jalan Soekarno Hatta 208,07 3427,5 0,06 A
Jalan A. Yani 353,1 8152,4 0,04 A
Jalan Letkol Iskandar 158,58 2043,6 0,08 A
Jalan Moh. Hasan 287,1 3001,5 0,10 A
Jalan S.Parman 764,68 5702,4 0,13 A
 Jalan Cendana 618,7 3182,6 0,19 A
Jalan Bali 424,57 3198,6 0,13 A

Semua ruas jalan yang sudah diteliti pada pemodelan skenario model dengan
adanya perubahan geometri pada ruas jalan serta diberlakukannya jalan satu arah
dengan keadaan lalu lintas harian atau normal (skenario 3) ini memiliki tingkat
pelayanan jalan yang masih semua A yaitu kondisi arus lal1intas bebas dengan
kecepatan tinggi dan volume lalu lintas masih rendah ataupun stabil.

Gambar 4.44 Distribusi Arus Lalu Lintas pada Skenario ke 3

4.4.3 Skenario Model Dengan Adanya Perubahan Geometri Pada Ruas
Jalan Demgan Siimulasi Arus LaluLintas Pada Saat Adamya Kegiatan
Car Fre Day (Skeenario 4)
Pembuatan model jaringan jalan dengan skenario model yang meliputi
perubahan geometri pada Jalan Letkol Santosa dan pemasangan jalan satu arah di
Jalan Soekarno-Hatta dengan simulasi arus lalu lintas pada saat kebijakan car free
day dimaksudkan untuk melihat persebaran kendaraan yang melewati jalan di
sekitar Jalan Soeprapto berdasarkan pergerakan kendaraan. Apabila terjadi
perubahan rute akibat kebijakan car free day, pemodelan ini juga akan dilakukan
untuk mengevaluasi kinerja jaringan jalan dengan menentukan nilai derajat
kejenuhan setiap ruas jalan. Lampiran 4 menguraikan langkah-langkah yang perlu
dilakukan untuk membuat model skenario keempat. Terdapat perbedaan saat
memasukkan nilai kapasitas ruas jalan dan arus volume lalu lintas karena pada
saat peralihan rute tidak ada kendaraan yang melalui atau melewati Jalan
Soeprapto. Hasil pemoodelan dengan skenario ke 4 ini dapat dilihat pada Tabel
4.13 dan ganbar floow model hasil dari analisa dibedakan berdaasarkan waarna
raus dapat di1ihat pada Gambar 4.49.
Tabel 4.9Tabel Data Hasil Output Pemodelan Skenario 4
Volume Lalu Lintas Hasil
No Nama.Jalan .Pemodelan.
(skr/jam)
1 Jalan Basuki Rahmat 658,48
2 Jalan Bangka 572,11
3 Jalan M.T Haryono 373,27
4 Jalan Jend. Sudirman 365,91
5 Jalan Letkol Santosa 218,3
6 Jalan Soekarno Hatta 259,21
7 Jalan A. Yani 353,1
8 Jalan Letkol Iskandar 158,58
9 Jalan Moh. Hasan 287,1
10 Jalan S. Parman 764,68
11 Jalan Cendana 618,7
12 Jalan Bali 424,57

Tabel 4.10 Tabel Data Hasi1 Pemodelan Skenario 4

Volume Arus
Kapasitas .Derajat. Tingkat
.Model.
Nama.Jalan (skr/jam) Kejenuhan Pelayanan
(skr/jam)
.Jalan.
(a) (b) (a/b)
Jalan Basuki Rahmat 658,48 3182,6 0,21 A
Jalan Bangka 572,11 3030,2 0,19 A
Jalan M.T Haryono 373,27 2972,8 0,13 A
Jalan Jend. Sudirman 365,91 7541,4 0,05 A
Jalan Letkol Santosa 218,3 2796,6 0,08 A
Tabel 4.14 Data Hasil Pemodelan Skenario 4 (lanjutan)
Volume Arus Tingkat
Kapasitas Derajat
Nama.Jalan .Model. Pelayanan
(skr/jam) Kejenuhan
(skr/jam) Jalan
Jalan Soekarno Hatta 259,21 3427,5 0,08 A
Jalan A. Yani 353,1 8152,4 0,04 A
Jalan Letkol Iskandar 158,58 2043,6 0,08 A
Jalan Moh. Hasan 287,1 3001,5 0,10 A
Jalan S. Parman 764,68 5702,4 0,13 A
Jalan Cendana 618,7 3182,6 0,19 A
 Jalan Bali 424,57 3198,6 0,13 A

Semua ruas jalan yang sudah diteliti pada pemodelan skenario model dengan
adanya perubahan geometri pada ruas jalan serta pemberlakuan jalan satu arah
dengan simulasi arus lalu lintas pada saat kegiatan bebas kendaraaan (skeenario
4) ini memiliki tingkat pelayanan jalan A yaitu deangan kondisi arus lalu lintas
bebas dengan kecepatan tinggi dan volume lalu1intas rendah.

Gambar 4.45 Gambar Distribusi Arus Lalu Lintas Skenario ke 4

4.5 Hasi1 Analisa Pemode1an

Tujuan dari pemodelan jaringan jalan adalah untuk membandingkan tingkat
pelayanan yang diberikan oleh jalan yang diteliti pada masing-masing hasil
pemodelan. Perbandingan tersebut akan membandingkan keadaan saat ini dari
hasil survei di lapangan dengan hasil pemodelan dari berbagai skenario. Derajat
administrasi jalan diperoleh dari nilai tingkat perendaman yang terjadi karena
perhitungan volume lalu lintas dan batas jalan setiap ruas jalan yang
dipertimbangkan. Berdasarkan temuan analisis pemodelan, Tabel 4.15
memberikan ringkasan derajat kejenuhan dan tingkat pelayanan jalan.
 Perbandingan Derajat Kejenuhan Skenario 1 Hingga
Skenario 4

0,25
Derajat Kejenuhan

0,2

0,15
Skenario 1
0,1 Skenario 2

0,05 Skenario 3
Skenario 4
0
Jalan Jalan Jalan M.T Jalan Jalan Jalan
Basuki Bangka Haryono Jend. Soeprapto Letkol
Rahmat Sudirman Santosa
Nama Ruas Jalan

Ganbar 4.46 Perbandingan Derajat Kejenuhan Skenario ke 1 Hingga Skenario 4

 Berdasarkan data di atas, dapat ditarik kesimpulan bahwa hasil skenario
model dengan modifikasi jalan pada arus lalu lintas harian (Skenario 3) memiliki
tingkat pelayanan jalan yang lebih tinggi dari kondisi saat ini. derajat kejenuhan di
Jalan Letkol Santosa, yaitu 0,16 pada kondisi sekarang dan 0,08 pada skenario
model dengan modifikasi lalu lintas harian,

Ketika kebijakan car free day (Skenario 2) memiliki kinerja jaringan jalan
yang lebih buruk daripada kinerja jaringan jalan pada kondisi eksisting, model
geometrik tingkat pelayanan jalan tidak berubah dengan simulasi arus lalu lintas.
Hal ini menunjukkan adanya peningkatan arus lalu lintas pada masing-masing
ruas jalan yang diteliti pada saat terjadi perubahan trayek akibat kebijakan car free
day. Khususnya di Jalan Letkol Santosa dan Soekarno Hatta, dimana nilai
kejenuhan awal jalan antara 0,09 dan 0,13 .Ketika suatu rute diubah karena hari
bebas kendaraan, ini menunjukkan perlunya solusi untuk mengurangi kepadatan
kendaraan di jaringan jalan.

Di Jalan Basuki Rahmat, Jalan Bangka, Jalan S. Parman, Jalan Cendana, Jalan
Bali, M.T. Jalan Haryono, Jalan Letkol Iskandar, Jalan Jendral Sudirman, Jalan A.
Yani, Jalan Letkol, terlihat bahwa nilai derajat kejenuhan pemodelan adalah.
Santosa, Jalan Moh Hasan, dan Jalan Soekarno Hatta yang memiliki tingkat lebih
tinggi pelayanan jalan, termasuk dalam model dengan skenario modifikasi
geometrik jalan pada saat perubahan rute akibat kebijakan hari bebas kendaraan
atau pada saat arus lalu lintas harian melewati kawasan tersebut. Hal ini
menunjukkan bahwa pada saat kebijakan hari bebas kendaraan
diimplementasikan, Modifikasi geometrik ruas atau skenario jalan yang
direncanakan sejak awal penelitian ini adalah penerapan jalan satu arah dan
penambahan kapasitas jalan. Ini adalah solusi yang sangat efektif dan sangat baik
untuk mengatasi kemacetan lalu lintas. Skenario ini juga dapat digunakan setiap
hari, dan bahkan jika ada kebijakan yang melarang mobil pada hari-hari tertentu,
jaringan jalan masih dapat menampung jumlah kendaraan yang akan mengubah
rute.
 BAB V
KESIMPULAN DAN SARAN

5.1 Kesimpulan
Penelitian mengenai pemodelan transportasi yang menggunakan software ZIN
Macrosimulation tentang peralihan rute akibat adanya kebijakan car free day
dengan penerapan skenario yang telah digunakan sehingga dapat disimpulkan
dalam beberapa hal berikut yaitu :
1. Hasi1 dari penerapan model pada saat kondisi eksisting dan saat adanya
kebijakan car free day adalah sebagai berikut :
a. sebuah. Validasi dengan membandingkan arus lalu lintas dari pemodelan
yang ada dengan arus lalu lintas dari survei di lokasi penelitian, yang
memiliki nilai R2 sebesar 0,8657. Berdasarkan temuan tersebut, dapat
ditarik kesimpulan bahwa pemodelan kondisi eksisting valid atau tepat sama
sebesar 86,6 persen dari total arus lalu lintas pada ruas jalan yang diteliti..
b. Berdasarkan hasil pemodelan, jaringan jalan ketika adamya kegiatan hari
bebas kendaran menggalami peningkatan arus 1alu lintas pada setiap raus
jalan yang diteliiti sehinga akan menybabkan arus lalu lintas menjadi lebih
padat dibaandingkan demgan pemode1an kondisi saat ja1an masih eksiting.
2. Hasil analisis kinerja jaringan jalan di kawasan sekitar Jalan Soeprapto dengan
penerapan beberapa skenario adalah sebagai berikut yaitu :
a. Hasil pemode1an penerapan skenario ke 1 (eksisting) menunjukan bahwa
jalan yang diteliti memiliki tingkat pelayanan jalan yang masih A dan
memiliki nilai arus yang valid dengan hasil penelitian secara langsung di
loksi penelitian dilakukan.
b. Hasil pemodelan penerapan skenario 2 (dimana geometri jalan tidak
berubah saat diberlakukan kebijakan car free day) menunjukkan bahwa nilai
derajat kejenuhan pada ruas jalan yang diteliti naik. di Jalan Soekarno Hatta;
tingkat kejenuhan 0,22 di Jalan Basuki Rahmat; tingkat kejenuhan 0,20 di
Jalan Bangka; tingkat kejenuhan 0,14 di Jalan M.T. Haryono; tingkat
kejenuhan 0,06 di Jalan Letkol; dan tingkat kejenuhan 0,13 di Jalan
Soekarno Hatta. Santosa memiliki nilai derajat kejenuhan 0,18, pada Jalan
A. Yani memiliki nilai derajat kejenuhan 0,05, pada Jalan Letkol Iskandar
 memiliki tingkat kejenuhan 0,08, tingkat kejenuhan 0,10 di Jalan Moh
Hasan, tingkat kejenuhan 0,14 di Jalan S. Parman, tingkat kejenuhan 0,21 di
Jalan Cendana, dan tingkat kejenuhan 0,14 di Jalan Bali. tingkat pelayanan
untuk setiap jalan yang diperiksa.
c. Hasil pemodelan penerapan skenario 3 (Skenario model dengan adanya
perubahan geometri pada ruas jalan dengan keadaan lalu lintas harian)
menunjukan bahwa jalan yang diteliti mengalami perubahan nilai derajat
kejenuhan menjadi lebih kecil atau lebih baik. Pada Jalan Soekarno Hatta
memiliki nilai derajat kejenuhan 0,06, pada Jalan Basuki Rahmat memiliki
nilai derajat kejenuhan 0,14, pada Jalan Bangka memiliki nilai derajat
kejenuhan 0,11, Memiliki tingkat kejenuhan 0,08 di Jalan M.T. Haryono,
0,05 di Jalan Jendral Sudirman, 0,08 di Jalan Letkol Santosa, 0,04 di Jalan
A. Yani, 0,08 di Jalan Letkol Iskandar, 0,10 di Jalan Moh Hasan, 0,13 di
Jalan S. Parman, 0,19 di Jalan Cendana, dan 0,13 di Jalan Bali .A adalah
tingkat pelayanan untuk setiap jalan yang diperiksa.
d. Hasil pemodelan implementasi skenario 4 (Model skenario yang
menggabungkan simulasi arus lalu lintas selama kebijakan car-free day)
menunjukkan bahwa ruas jalan yang dinilai telah mengalami perubahan
nilai tingkat perendaman menjadi lebih sederhana atau lebih baik. 0,08 di
Jalan Soekarno Hatta, 0,21 di Jalan Basuki Rahmat, 0,19 di Jalan Bangka,
0,13 di Jalan M.T. Haryono, 0,05 di Jalan Jendral Sudirman, 0,08 di Jalan
Letkol Santosa, 0,04 di Jalan A. Yani, 0,13 di Jalan Letkol Iskandar, 0,10 di
Jalan Moh Hasan, 0,13 di Semua ruas jalan yang diperiksa memiliki tingkat
pelayanan A.
e. Pemodelan Skenario 4 model dengan adanya perubahan geometri pada ruas
jalan dan pemberlakuan jalan satu arah dengan keadaan lalu lintas adanya
kebijakan car free day memiliki kinerja jaringan jalan yang lebih baik dari
pada skenario 2 dimana pemodelan belum ada perubahan geometrik jalan
dengan keadaan lalu lintas adanya kebijakan car free day. Pada kondisi ini
dapat disimpulkan bahwa penerapan skenario peningkatan kapasitas dan
pemberlakuan jalan satu arah bisa diterapkan untuk mengatasi kepadatan
ruas jalan yang diteliti.
 f. Skenario 3, model dengan adanya perubahan geometri pada ruas jalan
dengan lalu lintas harian merupakan skenario dengan derajat kejenuhan
jalan paling rendah, sehingga memiliki tingkat pelayanan dan kinerja
jaringan jalan yang paling optimal diantara skenario yang ada.
5.2 Saran
Saran penelitian mengenai pemodelan transportasi menggunakan software ZIN
Macrosimulation tentang peralihan rute akibat adanya kebijakan car free day
adalah sebagai berikut :
1. Karena ketidakmampuan perangkat lunak untuk memodelkan kinerja jaringan
jalan tanpa menyertakan faktor terkait perilaku saat rute diubah, perangkat
lunak ZIN Macrosimulation membutuhkan lebih banyak fitur..
2. Lingkup wilayah yang digunakan dapat lebih dikembangkan dan menggunakan
jaringan jalan yang lebih kompleks.
3. Perlu direncanakan untuk peningkatan kapasitas pada Jalan Letkol Santosa dan
pemberlakuan jalan satu arah pada Jalan Soekarno Hatta agar ketika adanya
kebijakan car free day lalu lintas tetap berjalan dengan baik.
L-1