PEMODELAN TRANSPORTASI

(STUDI KASUS : KECAMATAN CEPU)

1. TRIP GENERATION
2. TRIP DISTRIBUTION
3. TRIP ASSIGNMENT
I. PENDAHULUAN
Permintaan transportasi merupakan cerminan kebutuhan akan jasa transportasi
manusia maupun barang. Karena itu, permintaan transportasi merupakan dasar yang
penting untuk perencanaan sarana dan prasarana transportasi. Permintaan transportasi
merupakan permintaan turunan (derived demand) dari permintaan ekonomi.
Peningkatan aktivitas ekonomi secara langsung maupun tidak langsung akan
meningkatkan volume lalulintas akibat dari peningkatan mobilitas/pergerakan barang,
penumpang, maupun jasa. Sehingga peningkatan aktivitas ekonomi akan meningkatkan
permintan jasa transportasi. Secara garis besar hubungan antara : aktivitas ekonomi,
jasa transportasi, dan sarana-prasarana transportasi seperti pada Gambar 1.

PENINGKATAN
JASA
TRANSPORTASI

PENINGKATAN PENINGKATAN
AKTIVITAS SARPRAS
EKONOMI TRANSPORTASI

Sumber : diolah dari berbagai sumber

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

Transportasi

Kecamatan Cepu adalah salah satu kecamatan di Kabupaten Blora yang memiliki
prospek menjadi pusat pengelolaan minyak dan gas : Blok Cepu, Blok Gundih, dan Blok
Randugunting. Diperkirakan, hanya untuk blok minyak dengan kapasitas produksi
sekitar 20 ribu barel/hari terlibat setidaknya ada 5–7 perusahaan yang beroperasi pada
beberapa obyek usaha. Nilai perputaran uang yang sangat besar tersebut akan menarik
investor maupun pelaku usaha untuk masuk ke wilayah Cepu, sehingga akan menjadi
kekuatan ekonomi yang mampu membangkitkan potensi ekonomi di sekitar wilayah
perbatasan Jawa Tengah dan Jawa Timur. Dengan populasi sebanyak 73.099 penduduk,

1
Kecamatan Cepu merupakan kecamatan dengan populasi terbesar kedua dan paling
padat di Kabupaten Blora. Apalagi dengan adanya eksplorasi migas di sekitarnya
mempengaruhi peningkatan jumlah penduduk pendatang.
Kecamatan Cepu berbatasan langsung dengan 3 kecamatan : Kecamatan
Kedungtuban dan Kecamatan Sambong (Kabupaten Blora) dan Kecamatan Padangan
(Kabupaten Bojonegoro) seperti terlihat pada Gambar 2. :

Sumber : Google Map (2015)

Gambar 2. Peta Batas Kecamatan

Berdasar hasil observasi, tingkat kepadatan lalulintas terbesar adalah dari Kecamatan
Cepu menuju arah timur (Kecamatan Padangan) dan menuju arah barat (Kecamatan
Kedungtuban), dan sebaliknya. Kepadatan terbesar terjadi pada jam puncak pagi yang
didominasi oleh sepeda motor dan kendaraan roda empat.

2
II. PEMODELAN TRANSPORTASI
Model merupakan salah satu komponen kunci dalam perencanaan transportasi
baik pada tingkat strategis, taktis, dan operasional. Sektor pemerintah memerlukannya
untuk peramalan kebutuhan transportasi dalam rangka menyediakan infrastruktur dan
sumber daya manusia yang memungkinkan terlaksananya transportasi yang ekonomis,
lancar, dan selamat. Sektor swasta memerlukannya untuk peramalan permintaan
transportasi dalam rangka mengantisipasi : kebutuhan finansial, akuisisi peralatan, dan
kebutuhan tenaga. Teknik perencanaan transportasi pada dasarnya berupa pemodelan.
Pemodelan yang konvensional / klasik dan paling populer digunakan mengikuti 4
tahapan yang disebut four steps model, yaitu mengikuti tahapan :
1. Bangkitan Perjalanan (Trip Generation)
2. Distribusi Perjalanan (Trip Distribution)
3. Pemilihan Moda (Mode Choice)
4. Pembebanan Lalulintas (Trip Assignment) atau Pemilihan Rute
Pemodelan dalam kasus ini akan dilakukan berbasiskan zona atau rata-rata
rumah tangga. Pemodelan dilakukan hanya untuk kendaraan : roda empat / mobil
pribadi dan sepeda motor. Parameter bangkitan perjalanan dan distribusi perjalanan
hanya didasarkan survei pada jam puncak pagi dengan metode household/home
interview.
2.1. Data Wilayah
Data wilayah meliputi : pusat zona, data zona, jarak antar zona. Zona dibagi
berdasarkan kecamatan. Data penting wilayah zona untuk keperluan pemodelan adalah
sebagai berikut :
Tabel 1. Data kepemilikan mobil dan sepeda motor
Jml Jml
No. Zona Kecamatan
Mobil Spd Mtr
1 1 CEPU 943 10867
2 2 PADANGAN 478 8040
3 3 SAMBONG 189 2675
4 4 KD TUBAN 207 7381
Sumber : BPS dan SAMSAT (2015)

Sedangkan peta pusat zona seperti terlihat pada Gambar 3 :

3
 Gambar 3. Peta Pusat Zona

Sumber : Google Earth (2015)

4
Sedangkan matrik jarak langsung antar pusat zona adalah :
Tabel 2. Matrik jarak langsung antar pusat zona (Dij, dalam meter)
Zona CEPU PADANGAN SAMBONG KD TUBAN
CEPU 1,500.000 5,148.030 5,319.396 10,426.973
PADANGAN 5,148.030 1,500.000 10,443.144 12,456.433
SAMBONG 5,319.396 10,443.144 2,000.000 10,089.527
KD TUBAN 10,426.973 12,456.433 10,089.527 1,750.000
Sumber : Hasil analisis koordinat Google Earth (2015)

2.2. Data Jaringan Jalan

Gambar 4. Peta Jaringan Jalan dan Centroid (Pusat Zona)

Tabel 3. Data Jaringan Jalan

L C Vo
No Ruas Keterangan
km smp/jam km/jam
1 1-2 5.2 1600 50 Cepu-Padangan
2 2-3 10.4 1400 50 Padangan -Sambong
3 3-4 10 1400 70 Sambong -Kedungtuban
4 1-4 10.3 1600 70 Cepu-Kedungtuban

5
2.3. Trip Generation
Trip generation terbagi menjadi : trip production (TP) dan trip attraction (TAt).
Model yang digunakan untuk menganalisis TP adalah menggunakan regresi berbasis
zona. Berdasarkan survei rumah tangga didapatkan persamaan garis regresi sebagai
berikut :
1. Trip production mobil : TPM = 0,714*M – 2
2. Trip production sepeda motor : TPSM = 0,54*SM + 4,447
Sedangkan metode analisis TAt adalah metode proporsi, dengan nilai proporsi trip
attraction masing-masing zona :
1. Zona 1 : 0,67
2. Zona 2 : 0,41
3. Zona 3 : 0,86
4. Zona 4 : 0,35
Dengan menggunakan data wilayah (Tabel 1) dan persamaan regresi untuk masing-
masing moda serta proporsi trip attraction, maka didapat produksi total (Pi) dan atraksi
total (Aj) :
Tabel 4. Hasil analisis trip production dan trip attraction
Sepeda Trip Total Total
Mobil Poporsi Trip Attraction
Zona Motor Production Production Attraction
(M) (SM) TP(m) TP(sm) Pi Trip Attraction TAt(m) TAt(sm) Aj
1 943 10867 671 5873 6544 0.67 450 3935 4385
2 478 8040 339 4346 4685 0.41 139 1782 1921
3 189 2675 133 1449 1582 0.86 114 1246 1360
4 207 7381 146 3990 4136 0.35 51 1397 1448

Sehingga didapatkan matrik trip generation adalah sebagai berikut :

Tabel 5. Matrik Trip Generation
Zona 1 2 3 4 Pi
1 6544
2 4685
3 1582
4 4136
Aj 4385 1921 1360 1448

6
2.4. Trip Distribution
Hasil penting tahap ini adalah terbentuknya matrik asal tujuan (MAT) dari
masing-masing zona. Tahap awal analisis trip distribution adalah analisis fungsi
hambatan untuk masing-masing zona.
2.4.1. Fungsi Hambatan
Bentuk fungsi hambatan yang digunakan dalam kasus ini adalah : negative
power : f(GC) = GCij-α. GC adalah generalized cost yang dalam kasus ini adalah jarak
perjalanan. Dengan menggunakan analisis regresi negative power data hasil survei
rumah tangga, maka didapatkan nilai koefisien α untuk masing-masing moda perjalanan
adalah :
1. Mobil : α = 0,17
2. Sepeda motor : 0,45.
Dengan menggunakan matrik jarak antar zona Tabel 2 dan nilai α untuk masing-masing
moda maka didapatkan matrik fungsi hambatan : f(Dij) = Dij-α
Tabel 6. Matrik fungsi hambatan mobil : f(Dij) = Dij-0,17
ZONA 1 2 3 4
1 0.288446 0.232597 0.20744984 0.23389505
2 0.232597 0.274679 0.20861329 0.20739519
3 0.20745 0.208613 0.28098526 0.20127187
4 0.233895 0.207395 0.20127187 0.28844598

Tabel 7. Matrik fungsi hambatan sepeda motor : f(Dij) = Dij-0,45

ZONA 1 2 3 4
1 0.037219 0.021055 0.01555352 0.02136788
2 0.021055 0.032699 0.01578549 0.01554268
3 0.015554 0.015785 0.03472425 0.0143573
4 0.021368 0.015543 0.0143573 0.03721851

2.4.2. Matrik Asal Tujuan (MAT)

Matrik asal tujuan diperoleh dengan beberapa metode. Beberapa metode yang
digunakan dalam kasus ini antara lain :
1. Sintetis : model gravitasi : PCGR (Production Constraint Gravity)
2. Analogi : Growth Factor Average dan Furness

7
Metode PCGR
Contoh perhitungan untuk jenis kendaraan mobil : diketahui matrik trip generation
untuk mobil adalah :
Zona 1 2 3 4 Pi
1 671
2 339
3 133
4 146
Aj 450 139 114 51

Sedangkan matrik fungsi hambatan kendaraan mobil f(Dij) (seperti Tabel 6) :

ZONA 1 2 3 4
1 0.288446 0.232597 0.20744984 0.23389505
2 0.232597 0.274679 0.20861329 0.20739519
3 0.20745 0.208613 0.28098526 0.20127187
4 0.233895 0.207395 0.20127187 0.28844598

Rumus jumlah perjalanan dari asal i ke tujuan j : Tij = Pi*Aj*f(Dij)*CPi*CAj. Untuk model
PCGR, maka CAj = 1 dan CPi = 1 / ∑ (CAj*Aj*f(Dij)). Contoh perhitungan untk jumlah
perjalanan (trip) dari zona 1 ke zona 2 : T 12 = P1*A2*f(D12)*CP1*CA2
P1 = 671,302
A2 = 139,11
f(D12) = 0,232597
CP1 = 1 / ∑j (CAj *Aj * f(D1j)) = 1 / (1*449,77*0,288446 + 1*139,11*0,232597 +
1*114,33*0,20744984 + 1*51,0293*0,23389505) = 0,00506.
Maka T12 = 671,302*139,11*0,232597*0,00506*1 = 109,84. Keseluruhan sel MAT
kemudian ditabelkan sebagai berikut :
Tabel 8. Hasil Perhitungan MAT Model PCGR untuk Mobil
Tij 1 2 3 4 Pi CPi Pi baru
1 440.42 109.84 80.52 40.52 671.302 0.00506 671.30
2 200.24 73.14 45.65 20.26 339.292 0.00564 339.29
3 75.31 23.42 25.93 8.29 132.946 0.00607 132.95
4 89.29 24.49 19.53 12.49 145.798 0.00582 145.80
Aj 449.7723 139.10972 114.33356 51.0293
CAj 1 1 1 1
Aj baru 805.26 230.89 171.63 81.56
Dengan cara yang sama didapatkan MAT untuk sepeda motor seperti pada Tabel 9. Di
bawah ini :

8
Tabel 9. Hasil Perhitungan MAT Model PCGR untuk Sepeda Motor
Tij 1 2 3 4 Pi CPi Pi baru
1 3688.09 944.88 488.11 751.55 5872.627 0.00429 5872.63
2 1973.01 1387.63 468.46 516.95 4346.047 0.00548 4346.05
3 580.90 266.99 410.72 190.33 1448.947 0.00655 1448.95
4 1846.94 608.40 393.01 1141.84 3990.187 0.00551 3990.19
Aj 3934.66 1781.87927 1246.09442 1396.565
CAj 1 1 1 1
Aj baru 8088.94 3207.90 1760.30 2600.66

Metode GF Average dan Furness

Contoh perhitungan GF Average dan Furness dengan cara iterasi :
Tabel 10. MAT asli untuk kendaraan mobil
Tij 1 2 3 4 tpi TPi Ei
1 440.4217 109.843 80.51898 40.51838 671.302 700 1.04275
2 200.243 73.13807 45.65378 20.2572 339.292 400 1.178926
3 75.30592 23.42193 25.92869 8.289455 132.946 150 1.128278
4 89.28713 24.48676 19.53133 12.49278 145.798 200 1.371761
taj 805.2577 230.8897 171.6328 81.55782 1289.338 1450
TAj 850 300 200 100 1450 1.124608
Ej 1.055563 1.299322 1.165279 1.226124

GF Average : Iterasi 1
Tij 1 2 3 4 tpi TPi Ei
1 462.0711 128.63 88.89409 45.96555 725.5608 700 0.964771
2 223.7203 90.6271 53.51089 24.35978 392.218 400 1.019841
3 82.22806 28.42953 29.73445 9.758353 150.1504 150 0.998998
4 108.3644 32.70307 24.77588 16.22741 182.0707 200 1.098474
taj 876.3838 280.3897 196.9153 96.31109 1450 1450
TAj 850 300 200 100 1450
Ej 0.969895 1.069939 1.015665 1.038302

GF Average : Iterasi 22 (terakhir konvergen)

Tij 1 2 3 4 tpi TPi Ei
1 433.8153 133.0246 87.19902 45.96114 700 700 1
2 220.8752 98.38744 55.15375 25.58363 400 400 1
3 79.60283 30.28325 30.06022 10.05371 150 150 1
4 115.7068 38.30471 27.58701 18.40152 200 200 1
taj 850 300 200 100 1450 1450
TAj 850 300 200 100 1450
Ej 1 1 1 1

9
Dengan data MAT yang sama seperti Tabel 10, maka didapatkan untuk metode Furness:

Furness : Iterasi 1
Tij 1 2 3 4 tpi TPi Ei
1 459.2496 114.5387 83.96115 42.25053 700 700 1
2 236.0715 86.22433 53.82241 23.88173 400 400 1
3 84.96599 26.42644 29.25476 9.352807 150 150 1
4 122.4806 33.58997 26.79232 17.13711 200 200 1
taj 902.7677 260.7795 193.8306 92.62218 1450 1450
TAj 850 300 200 100 1450
Ej 0.941549 1.150397 1.031829 1.079655

Furness : Iterasi 7 (terakhir konvergen)

Tij 1 2 3 4 tpi TPi Ei
1 434.507 132.5204 87.12104 45.8516 700 700 1
2 220.6614 98.55867 55.17504 25.60489 400 400 1
3 79.60858 30.27859 30.06132 10.05151 150 150 1
4 115.223 38.64238 27.6426 18.492 200 200 1
taj 850 300 200 100 1450 1450
TAj 850 300 200 100 1450
Ej 1 1 1 1

Hasil akhir iterasi kedua metode tersebut tidak jauh berbeda. Namun metode Furness
lebih praktis, karena dengan data yang sama mencapai konvergen lebih cepat (iterasi
ke-7) dibanding GF Average (iterasi ke-22). Namun metode GF Average realisitis dalam
hal untuk peramalan berdasar pertumbuhan jumlah kendaraan
Hal yang sama dilakukan untuk distribusi perjalanan sepeda motor. Untuk
keperluan analisis jaringan maka semua kendaraan dijadikan dalam bentuk satuan
mobil penumpang. Untuk sepeda motor nilai ekuivalensinya adalah : 0,5. Sehingga MAT
sepeda motor menjadi smp/jam. Hasil akhir MAT dalam smp/jam (menggunakan
metode GF Average)
Tabel 11. Matrik Asal Tujuan hasil GF Average (smp/jam)
Tij 1 2 3 4 tpi
1 2565.854 750.4345 382.5699 501.1413 4199.999
2 1298.65 956.5877 323.1518 321.6106 2900.001
3 367.2286 180.5503 243.2449 108.9765 900.0003
4 1118.268 412.4269 251.0331 668.2717 2450
taj 5350.001 2299.999 1200 1600 10450
Hasil Tabel 11 selanjutnya akan digunakan untuk model pembebanan perjalanan (trip
assignment)

10
2.5. Trip Assignment
Model pembebanan perjalanan menggunakan metode All or Nothing (A-o-N)
Incremental Loading, yaitu pembebanan A-o-N secara bertahap, dengan menggunakan
tahapan beban : 50% - 30% - 20%. Sedangkan data karakteristik jaringan jalan
menggunakan data Tabel 3. Matrik Asal Tujuan yang digunakan sesuai pada Tabel 11 :
Pembebanan 1 : 50% MAT
Beban 1 : MAT 50%
Tij 1 2 3 4 tpi
1 1282.927 375.2173 191.2849 250.5706 2100
2 649.3252 478.2939 161.5759 160.8053 1450
3 183.6143 90.27514 121.6225 54.48824 450
4 559.1341 206.2135 125.5165 334.1359 1225
taj 2675 1150 600 800 5225

Waktu Tempuh Ruas Beban 1 : TT0

L C Vo Q DS V TT0
No Ruas smp/ja smp/ja
km km/jam (Q/C) km/jam mnt
m m
1 1-2 5.2 1600 50 0 0 50 6.2
2 2-1 5.2 1600 50 0 0 50 6.2
3 2-3 10.4 1400 50 0 0 50 12.5
4 3-2 10.4 1400 50 0 0 50 12.5
5 3-4 10 1400 70 0 0 70 8.6
6 4-3 10 1400 70 0 0 70 8.6
7 1-4 10.3 1600 70 0 0 70 8.8
8 4-1 10.3 1600 70 0 0 70 8.8

Gambar 5. Waktu Tempuh Ruas Awal TT0

11
Trip Assignment Beban 1 : 50%
Tij 1 2 3 4 tpi
1 1282.927 375.2173 191.2849 250.5706 2100
2 649.3252 478.2939 161.5759 160.8053 1450
3 183.6143 90.27514 121.6225 54.48824 450
4 559.1341 206.2135 125.5165 334.1359 1225
taj 2675 1150 600 800 5225

Berdasar waktu tempuh TT0 pada Gambar 5, maka pembebanan jaringan beban 1
adalah sebagai berikut :
1-2 1-3 1-4 2-1 2-3 2-4 3-1 3-2 3-4 4-1 4-2 4-3
Ruas Q1
375.2 191.3 250.6 649.3 161.6 160.8 183.6 90.3 54.5 559.1 206.2 125.5
1-2 375.2 206.2 581.4
2-1 649.3 160.8 810.1
2-3 161.6 161.6
3-2 90.3 90.3
3-4 183.6 54.5 238.1
4-3 191.3 125.5 316.8
1-4 191.3 250.6 160.8 602.7
4-1 183.6 559.1 206.2 948.9

Pembebanan 2 : 30% MAT

Beban 2 : 30% MAT
Tij 1 2 3 4 tpi
1 769.7561 225.1304 114.771 150.3424 1260
2 389.5951 286.9763 96.94554 96.48317 870
3 110.1686 54.16508 72.97348 32.69295 270
4 335.4805 123.7281 75.30992 200.4815 735
taj 1605 690 360 480 3135

Waktu Tempuh Ruas Beban 2

L C Vo Q DS V TT
No Ruas
km smp/jam km/jam smp/jam (Q/C) km/jam mnt
1 1-2 5.2 1600 50 581.4 0.36 31.8 9.8
2 2-1 5.2 1600 50 810.1 0.51 24.7 12.6
3 2-3 10.4 1400 50 161.6 0.12 44.2 14.1
4 3-2 10.4 1400 50 90.3 0.06 46.8 13.3
5 3-4 10 1400 70 238.1 0.17 58.1 10.3
6 4-3 10 1400 70 316.8 0.23 54.2 11.1
7 1-4 10.3 1600 70 602.7 0.38 43.6 14.2
8 4-1 10.3 1600 70 949.0 0.59 28.5 21.7

12
 Gambar 6. Waktu Tempuh Ruas Beban 2
Trip Assignment Beban 2 : 30%
Tij 1 2 3 4 tpi
1 769.7561 225.1304 114.771 150.3424 1260
2 389.5951 286.9763 96.94554 96.48317 870
3 110.1686 54.16508 72.97348 32.69295 270
4 335.4805 123.7281 75.30992 200.4815 735
taj 1605 690 360 480 3135

Berdasar waktu tempuh pada Gambar 6, maka pembebanan jaringan beban 2 :

1-2 1-3 1-4 2-1 2-3 2-4 3-1 3-2 3-4 4-1 4-2 4-3
Ruas Q2
225.1 114.8 150.3 389.6 96.9 96.5 110.2 54.2 32.7 335.5 123.7 75.3
1-2 225.1 114.8 339.9
2-1 389.6 110.2 499.8
2-3 114.8 96.9 96.5 308.2
3-2 54.2 123.7 177.9
3-4 96.5 32.7 129.2
4-3 123.7 75.3 199.0
1-4 150.3 150.3
4-1 335.5 335.5

Arus Total Beban 2

Ruas Q1 Q2 Total
1-2 581.4 339.9 921.3
2-1 810.1 499.8 1309.9
2-3 161.6 308.2 469.8
3-2 90.3 177.9 268.2
3-4 238.1 129.2 367.3
4-3 316.8 199.0 515.8
1-4 602.7 150.3 753.0
4-1 949.0 335.5 1284.4

13
Pembebanan 3 : 20% MAT
Beban 3 : 20% MAT
Tij 1 2 3 4 tpi
1 513.1707 150.0869 76.51397 100.2283 840
2 259.7301 191.3175 64.63036 64.32212 580
3 73.44572 36.11006 48.64899 21.7953 180
4 223.6536 82.48539 50.20661 133.6543 490
taj 1070 460 240 320 2090

Waktu Tempuh Ruas Beban 3

L C Vo Q DS V TT
No Ruas
km smp/jam km/jam smp/jam (Q/C) km/jam mnt
1 1-2 5.2 1600 50 921.3 0.58 21.2 14.7
2 2-1 5.2 1600 50 1309.9 0.82 9.1 34.4
3 2-3 10.4 1400 50 469.8 0.34 33.2 18.8
4 3-2 10.4 1400 50 268.2 0.19 40.4 15.4
5 3-4 10 1400 70 367.3 0.26 51.6 11.6
6 4-3 10 1400 70 515.8 0.37 44.2 13.6
7 1-4 10.3 1600 70 753.0 0.47 37.1 16.7
8 4-1 10.3 1600 70 1284.4 0.80 13.8 44.8

Gambar 7. Waktu Tempuh Ruas Beban 3

Trip Assignment Beban 3 : 20%
Tij 1 2 3 4 tpi
1 513.1707 150.0869 76.51397 100.2283 840
2 259.7301 191.3175 64.63036 64.32212 580
3 73.44572 36.11006 48.64899 21.7953 180
4 223.6536 82.48539 50.20661 133.6543 490
taj 1070 460 240 320 2090

14
Berdasar waktu tempuh pada Gambar 7, maka pembebanan jaringan beban 3 :
1-2 1-3 1-4 2-1 2-3 2-4 3-1 3-2 3-4 4-1 4-2 4-3
Ruas Q3
150.1 76.5 100.2 259.7 191.3 64.3 73.4 36.1 21.8 223.7 82.5 50.2
1-2 150.1 150.1
2-1 259.7 73.4 333.2
2-3 76.5 191.3 64.3 332.2
3-2 73.4 36.1 82.5 192.0
3-4 64.3 21.8 86.1
4-3 82.5 50.2 132.7
1-4 76.5 100.2 176.7
4-1 223.7 223.7

Hasil perhitungan akhir adalah :

Ruas Q1 Q2 Q3 Total
1-2 581.4 339.9 150.1 1071.4
2-1 810.1 499.8 333.2 1643.1
2-3 161.6 308.2 332.2 801.9
3-2 90.3 177.9 192.0 460.2
3-4 238.1 129.2 86.1 453.4
4-3 316.8 199.0 132.7 648.5
1-4 602.7 150.3 176.7 929.7
4-1 949.0 335.5 223.7 1508.1

Ringkasan perubahan pengambilan rute akibat pembebanan laulintas pada tiap tahap
ditabelkan pada tabel di bawah ini :
Tabel 12. Pengambilan rute pada tiap tahap
Ruas Pembebanan 50% Pembebanan 30% Pembebanan 20%
1-2 1-2, 4-2 1-2, 1-3 1-2
2-1 2-1, 2-4 2-1, 3-1 2-1, 3-1
2-3 2-3 1-3, 2-3, 2-4 1-3, 2-3, 2-4
3-2 3-2 3-2, 4-2 3-1, 3-2, 4-2
3-4 3-1, 3-4 2-4, 3-4 2-4, 3-4
4-3 1-3, 4-3 4-2, 4-3 4-2, 4-3
1-4 1-3, 1-4, 2-4 1-4 1-3, 1-4
4-1 3-1, 4-1, 4-2 4-1 4-1

15
 1000
900
800
700
smp/jam 600
500
400
300 50%
200
100 30%
0 20%

Ruas

Gambar 8. Grafik Perkembangan Trip Tiap Ruas

0.9
0.8
0.7
0.6
0.5
DS

0.4
0.3
50%
0.2
30%
0.1
0 20%

Ruas

Gambar 9. Grafik Perkembangan DS Tiap Ruas

16
 TUGAS DASAR-DASAR REKAYASA TRANSPORTASI
Pemodelan Transportasi

Buatlah model transportasi berupa :

A. Model Bangkitan Perjalanan (Trip Generation) : Produksi/Production dan Tarikan/Attraction
B. Model Distribusi Perjalanan (Trip Distribution)
C. Model Pembebanan Rute (Trip Assignment)
Dengan ketentuan-ketentuan sebagai berikut :
1. Jaringan transportasi direncanakan melalui 3 zona wilayah berupa kecamatan, yaitu :
NIM Ganjil : KEDUNGTUBAN-KRADENAN-RANDUBLATUNG
NIM Genap : CEPU-PADANGAN-KASIMAN
2. Trip generation terbagi menjadi : trip production (TP) dan trip attraction (TAt). Model yang
digunakan untuk menganalisis TP adalah menggunakan regresi berbasis zona. Berdasarkan
survei rumah tangga didapatkan persamaan garis regresi sebagai berikut :
a) Trip production mobil : TPM = 0,714*M – 2
b) Trip production sepeda motor : TPSM = 0,54*SM + 4,447
Sedangkan metode analisis TAt adalah metode proporsi, dengan nilai proporsi trip attraction
masing-masing zona kecamatan sesuai urutan kecamatan : zona kec 1 : 0,67, zona kec 2 : 0,41,
zona kec 3 : 0,86
3. Ketentuan trip distribution
a) Fungsi hambatan perjalanan
Tahap awal analisis trip distribution adalah analisis fungsi hambatan untuk masing-masing
zona Bentuk fungsi hambatan yang digunakan dalam kasus ini adalah : negative power :
f(GC) = GCij-α. GC adalah generalized cost yang dalam kasus ini adalah jarak perjalanan.
Dengan menggunakan analisis regresi negative power data hasil survei rumah tangga, maka
didapatkan nilai koefisien α untuk masing-masing moda perjalanan adalah : mobil : α = 0,17 ;
sepeda motor : α = 0,45
b) Matrik asal-tujuan perjalanan
Carilah matrik asal tujuan dengan metode :
1. Sintetis : model gravitasi : PCGR (Production Constraint Gravity)
2. Analogi : Growth Factor Average dan Furness
4. Ketentuan trip assignment : hitunglah pembebanan perjalanan menggunakan metode All or
Nothing (A-o-N) Incremental Loading, yaitu pembebanan A-o-N secara bertahap, dengan
menggunakan tahapan beban : 50% - 30% - 20%.