PEMODELAN PERENCANAAN

TRANSPORTASI

Dosen: Dr. Ir. Nusa Sebayang, MT.

PEMODELAN PERENCANAAN
TRANSPORTASI

PEMODELAN
TRANSPORTASI 4-TAHAP
MODEL PERENCANAAN TRANSPORTASI 4 TAHAP

PEMODELAN
BANGKITAN
PERGERAKAN

Gambar 1. Model Perencanaan

Transportasi 4 tahap
SISTEM KEGIATAN TERBENTUK DARI
RENCANA TATA RUANG WILAYAH
(RTRW), YANG MERENCANAKAN TATA
GUNA LAHAN.

Bangkitan Pergerakan
MASING-MASING TATA GUNA LAHAN AKAN
MEMBANGKITKAN PERGERAKAN SESUAI
KARAKTERISTIK TATA GUNA LAHANNYA

RENCANA TATA GUNA LAHAN DIGAMBARKAN

PADA PETA PERUNTUKAN LAHAN (LIHAT PETA
PERUNTUKAN LAHAN BERIKUT)
Gambar 2. Peta Tata guna laha sebagai Sistem Kegiatan Dalam Pemodelan Perencanaan Transportasi
Masing-masing tata guna lahan
menggambarkan sistem kegiatan yang
menghasilkan BANGKITAN DAN TARIKAN
PERGERAKAN

Gambar 3. Pergerakan Bangkitan dan Tarikan pada Sistem Kegiatan (Tata

Guna Lahan(
Pemodelan Bangkitan Pergerakan
Bangkitan dan tarikan pergerakan dapat dinyatakan
sebagai fungsi dari beberapa atribut sosio-ekonomi yang
berbasis zona (X1, X2 ,…, XN):

P = f (X1, X2, …, Xn) P = bangkitan pergerakan

A = tarikan pergerakan
A = f (X1, X2, …, Xn)
Beberapa definisi dasar pada model bangkitan pergerakan
Perjalanan: Pergerakan satu arah dari zona asal ke zona
tujuan, termasuk pergerakan berjalan kaki.
Meskipun pergerakan sering diartikan dengan pergerakan
pulang dan pergi, dalam ilmu transportasi biasanya analisis
keduanya harus dipisahkan.
Pergerakan berbasis rumah:
Pergerakan yang salah satu atau kedua zona (asal
dan/atau tujuan) pergerakan tersebut adalah rumah

Pergerakan berbasis bukan rumah:

Pergerakan yang baik asal maupun tujuan pergerakan
adalah bukan rumah
Bangkitan pergerakan:
Digunakan untuk suatu pergerakan berbasis rumah
yang mempunyai tempat asal dan/atau tujuan adalah
rumah atau pergerakan yang dibangkitkan oleh
pergerakan berbasis bukan rumah
Tarikan pergerakan:
Digunakan untuk suatu pergerakan berbasis rumah yang
mempunyai tempat asal dan/atau tujuan bukan rumah atau
pergerakan yang tertarik oleh pergerakan berbasis bukan
rumah

Gambar 1. Ilustrasi bangkitan dan tarikan pergerakan

Tahapan bangkitan pergerakan
Digunakan untuk menetapkan besarnya
bangkitan pergerakan yang dihasilkan oleh
rumah tangga (baik untuk pergerakan berbasis
rumah maupun berbasis bukan rumah) pada
selang waktu tertentu (per jam atau per hari)

Tujuan akhir perencanaan tahapan bangkitan

pergerakan adalah menaksir setepat mungkin
bangkitan dan tarikan pergerakan pada masa
sekarang, yang akan digunakan untuk
meramalkan pergerakan pada masa mendatang.
Klasifikasi pergerakan
1. Berdasarkan tujuan pergerakan

Pada pergerakan berbasis rumah, ada lima

kategori tujuan pergerakan yaitu:
a) pergerakan ke tempat kerja
b) pergerakan ke sekolah atau universitas
(pergerakan dengan tujuan pendidikan)
c) pergerakan ke tempat belanja
d) pergerakan untuk kepentingan sosial dan
rekreasi, dan
e) lain-lain, diluar a,b,c,d
Dua tujuan pergerakan pertama (bekerja dan pendidikan)
disebut tujuan pergerakan utama yang merupakan keharusan
untuk dilakukan oleh setiap orang setiap hari, sedangkan tujuan
pergerakan lain sifatnya hanya pilihan dan tidak rutin dilakukan

2. Berdasarkan waktu
Pergerakan biasanya dikelompokkan menjadi
pergerakan pada jam sibuk dan pada jam tidak sibuk

3. Berdasarkan jenis orang

Hal ini merupakan salah satu jenis pengelompokan yang
penting karena perilaku pergerakan individu sangat
dipengaruhi oleh atribut sosio-ekonomi.
 Atribut yang dimaksud adalah:
a. tingkat pendapatan: biasanya terdapat tiga tingkat
pendapatan di Indonesia: tinggi, menengah, dan rendah;
b. tingkat pemilikan kendaraan: biasanya terdapat empat
tingkat: 0, 1, 2, atau lebih dari dua (2+) kendaraan per
rumah tangga;
c. ukuran dan struktur rumah tangga

Dalam pemodelan bangkitan pergerakan, hal yang

perlu diperhatikan bukan saja pergerakan manusia,
tetapi juga pergerakan barang
 FAKTOR YANG MEMPENGARUHI
BANGKITAN PERGERAKAN

• PERGERAKAN MANUSIA/ ORANG

• PERGERAKAN BARANG
Bangkitan Pergerakan Manusia
Faktor berpengaruh terhadap bangkitan orang sbb:
a. pendapatan
b. pemilikan kendaraan
c. struktur rumah tangga
d. ukuran rumah tangga
e. nilai lahan
f. kepadatan daerah permukiman
g. aksesibilitas

Empat faktor pertama (pendapatan, pemilikan kendaraan,

struktur, dan ukuran rumah tangga) telah digunakan pada
beberapa kajian bangkitan pergerakan, sedangkan nilai lahan dan
kepadatan daerah permukiman hanya sering dipakai untuk kajian
mengenai zona
Tarikan pergerakan untuk manusia

Faktor yang paling sering digunakan adalah

1. Luas lantai untuk kegiatan industri,
2. Komersial,
3. Perkantoran,
4. Pertokoan, dan
5. Pelayanan lainnya.

Faktor lain yang dapat digunakan adalah

lapangan kerja
 Bangkitan Dan Tarikan Pergerakan Barang

Pergerakan ini hanya merupakan bagian kecil dari

seluruh pergerakan (20%) yang biasanya terjadi di
negara industri.
Variabel penting yang mempengaruhi
bangkitan/tarikan pergerakan barang adalah sbb:
1. Jumlah lapangan kerja,
2. Jumlah tempat pemasaran,
3. Luas atap industri tersebut, dan
4. Luas Lahan Pertanian
5. Luas lahan Pertambangan dan lain-lain
 BAGAIMANA CARA MEMODELKAN
BANGKITAN PERGERAKAN ??

Bangkitan P = f (X1, X2, …, Xn)

Tarikan A = f (X1, X2, …, Xn)

Data tata guna lahan (peubah X), data bangkitan pergerakan (P)
dan data tarikan pergerakan (A) yang didapatkan dari hasil survei
terlihat pada tabel 1 (Black, 1978) berikut

Tabel-1 Informasi Model Bangkitan Pergerakan

Pemodelan Bangkitan Pergerakan Dengan Metode
Analisis regresi

1. Model analisis regresi-linear

Model analisis regresi-linear dapat memodelkan hubungan
antara dua peubah atau lebih. Pada model ini terdapat :
1. Peubah tidak bebas (y) yang mempunyai hubungan
fungsional dengan satu atau lebih peubah bebas (xi).
2. Peubah bebas (Xi) adalah variabel yang berpengaruh
terhadap besarnya bangkitan/ tarikan pergerakan (peubah
tidak bebas y)

Dalam kasus yang paling sederhana, hubungan secara

umum dapat dinyatakan dalam persamaan berikut.
Y=A+BX

Y = Bangkitan/ Tarikan Pergerakan (Peubah tidak bebas)

X = peubah/ variabel bebas
A = konstanta regresi (intersep)
B = koefisien regressi

Parameter A dan B dapat diperkirakan dengan

menggunakan metode kuadrat terkecil yang
meminimumkan total kuadratis residual antara hasil
model dengan hasil pengamatan. Nilai parameter A
dan B bisa didapatkan dari persamaan berikut:
Koefisien determinasi didefinisikan sebagai nisbah antara
variasi terdefinisi dengan variasi total

R = koefisien korelasi

R2 = Koefisien Determinasi
2. Model analisis regresi linier berganda
Analisis Regresi Linear Berganda digunakan untuk mengukur
pengaruh antara lebih dari satu variabel prediktor (variabel
bebas) terhadap variabel terikat.

Y = a + b1X1+b2X2+…+bn Xn
Y = variabel terikat
a = konstanta
b1,b2 = koefisien regresi
X1, X2 = variabel bebas
n = jumlah variabel bebas
Persamaan diatas adalah 3 persamaan dengan tiga
variabel yang akan dihitung yaitu a, b1 dan b2

Koefisien Korelasi Berganda (R)

Koefisien Determinasi (R2) dihitung dengan mengkwadratkan nilai koefsien

korelasi
PENGUJIAN HIPOTESIS
Pengujian hipotesis Pada Analisa Regressi Berganda
dilakukan sebagai berikut:

a. Hitung besar nilai F Hitung dengan rumus sbb:

Ket:
k = jumlah variable bebas
n = jumlah variabel bebas
b. Menghitung F Tabel sebagai berikut

Derajat kebebasan (Dk) Pembilang = k Berdasarkan nilai Dk

pembilang dan Dk
Derajat kebebasan (Dk) Penyebut = n-k-1 Penyebut lihat nilai F
Tabel

Kriteria:

F hitung ≤ F tabel = Ho diterima

F hitung > F tabel = Ho ditolak, Ha diterima

Contoh pemodelan
Bangkitan pergerakan
Asumsikan bahwa bangkitan dan tarikan pergerakan dapat
dinyatakan sebagai fungsi dari beberapa atribut sosio-
ekonomi yang berbasis zona (X1, X2,…, XN):
Hasil survey bangkitan pergerakan pada suatu
wilayah studi dengan jumlah zona sebanayak 8
zona sbb

Dapatkan model bangkitan pergerakan berdasarkan hasil survey tersebut

Hasil Pemodelan sebagai berikut

Terlihat bahwa bangkitan pergerakan

merupakan peubah tidak bebas sumbu Y.

Grafik menunjukkan hubungan linear

positif antara bangkitan pergerakan
dengan pemilikan kendaraan dengan
hubungan
Y = A+BX dengan A adalah intersep dan
B adalah kemiringan.

Y = 89,9 + 2,48 X

Gambar 4.4 Grafik bangkitan pergerakan dan

pemilikan kendaraan Sumber: Black (1981)
Y = 89,9 + 2,48 X
Beberapa komentar dapat diberikan untuk persamaan di atas, yaitu:
Y (bangkitan pergerakan) berhubungan secara linear dengan X (pemilikan
kendaraan)
Perubahan 1 satuan dari nilai X akan menyebabkan perubahan pada nilai Y
sebesar 2,48 satuan;

Persamaan ini mempunyai nilai intersep yang cukup tinggi yang dapat
mengisyaratkan terdapatnya tingkat galat yang cukup tinggi yang mungkin
disebabkan oleh beberapa faktor berikut:
mungkin Y tidak berhubungan secara linear dengan X; bisa saja secara
tidak-linear;
mungkin terdapat peubah X lain yang juga mempengaruhi besarnya
pergerakan, misalnya populasi. Akan tampak bahwa meskipun nilai x = 0,
masih terdapat bangkitan pergerakan sebesar 89,9. Jelas ini menandakan
peubah sosio-ekonomi lain yang ikut mempengaruhi besarnya bangkitan
pergerakan;
terdapat galat dalam pengumpulan data (galat pengukuran)
Tarikan pergerakan (untuk pergerakan berbasis rumah)

Faktor apa saja yang mempengaruhi pergerakan

berbasis rumah ke zona tertentu dalam suatu daerah
kajian?
Peubah yang cocok dapat diselidiki dengan analisis
regresi-linear, tetapi persamaan yang dihasilkan
biasanya lebih tidak sesuai dibandingkan dengan
persamaan bangkitan pergerakan
Beberapa kajian yang pernah dilakukan memperlihatkan
bahwa peubah tata guna lahan untuk tarikan pergerakan
adalah lapangan pekerjaan, luas daerah, luas
perkantoran, dan luas tempat berjualan.
Tahapan uji statistik dalam model analisis-regresi
berbasis zona

Terdapat empat tahap uji statistik yang mutlak harus

dilakukan agar model bangkitan pergerakan yang
dihasilkan dinyatakan absah
Uji kecukupan data
Uji korelasi
Uji linearitas

Uji kesesuaian
Uji kecukupan data

Uji statistik ini harus dilakukan untuk menentukan jumlah data minimum
yang harus tersedia, baik untuk peubah bebas maupun peubah tidak
bebas.
Semakin tinggi tingkat akurasi yang diinginkan, semakin banyak data
yang dibutuhkan. Jumlah data minimum dapat ditentukan dengan
menggunakan persamaan (4.12) berikut.

CV = koefisien variasi
E = tingkat akurasi
Zα = nilai variansi untuk tingkat kepercayaan
α yang diinginkan
Contoh 4.2
Tentukanlah berapa jumlah data minimum yang
dibutuhkan untuk tingkat akurasi (E) 5% dengan tingkat
kepercayaan (α ) 95%. Untuk a =95%, maka nilai Zα
adalah 1,645. Dengan mengasumsikan nilai CV=1,0
didapatkan

Jadi, dibutuhkan jumlah data minimum sebanyak 1.100

buah untuk tingkat akurasi 5% dengan tingkat
kepercayaan 95%.
Hasil Uji korelasi (R )

Uji statistik ini harus dilakukan untuk memenuhi persyaratan model

Matematis sbb:
1. Sesama peubah bebas tidak boleh saling berkorelasi,
2. Sedangkan antara peubah tidak bebas dengan peubah bebas
harus ada korelasi yang kuat (baik positif maupun negatif)
3. Rentang Nilai korelasi (R) adalah (-1 ≤ r ≤ +1). Nilai r yang
mendekati –1 mempunyai arti bahwa kedua peubah tersebut
saling berkorelasi negatif (peningkatan nilai salah satu peubah
akan menyebabkan penurunan nilai peubah lainnya).
4. Sebaliknya, jika nilai r yang mendekati +1 mempunyai arti bahwa
kedua peubah tersebut saling berkorelasi positif (peningkatan
nilai salah satu peubah akan menyebabkan peningkatan nilai
peubah lainnya).
5. Jika nilai r mendekati 0, tidak terdapat korelasi antara kedua
peubah tersebut
Uji Linearitas
Uji statistik ini perlu dilakukan untuk memastikan apakah model
bangkitan pergerakan dapat didekati dengan model analisis-regresi-
linear atau model analisis-regresi-tidak-linear.

Uji kesesuaian
Uji statistik ini harus dilakukan untuk menentukan model bangkitan
pergerakan yang terbaik. Terdapat beberapa model yang dapat
digunakan yaitu model analisis-regresi, model kemiripan-maksimum,
dan model entropi-maksimum. Pada umumnya, uji ini didasarkan atas
kedekatan atau kesesuaian hasil model dengan hasil observasi.

Salah satu uji kesesuaian yang paling mudah dan sering digunakan
adalah model analisis-regresi; model terbaik adalah model yang
mempunyai total kuadratis residual antara hasil model dengan hasil
observasi yang paling minimum.
Proses model analisis-regresi berbasis zona

Dalam melakukan analisis bangkitan pergerakan

dengan menggunakan model analisis-regresi
berbasis zona, terdapat tiga metode analisis yang
dapat digunakan.
1. Metode analisis langkah-demi-langkah tipe 1
2. Metode analisis langkah-demi-langkah tipe 2
3. Metode coba-coba
Metode analisis langkah-demi-langkah tipe 1
Metode ini secara bertahap mengurangi jumlah peubah bebas sehingga
didapatkan model terbaik yang hanya terdiri dari beberapa peubah bebas

Tahap 1 Tentukan parameter sosio-ekonomi yang akan digunakan sebagai

peubah bebas. Pertama, pilihlah parameter (peubah bebas) yang
berdasarkan logika saja sudah mempunyai keterkaitan (korelasi)
dengan peubah tidak bebas. Kemudian, lakukan uji korelasi untuk
mengabsahkan keterkaitannya dengan peubah tidak bebas
(bangkitan atau tarikan pergerakan). Dua persyaratan statistik utama
yang harus dipenuhi dalam memilih peubah bebas adalah:

peubah bebas harus mempunyai korelasi tinggi dengan peubah

tidak bebas
sesama peubah bebas tidak boleh saling berkorelasi. Jika
terdapat dua peubah bebas yang saling berkorelasi, pilihlah
salah satu yang mempunyai korelasi lebih tinggi terhadap
peubah tidak bebasnya
Tahap 2 Lakukan analisis regresi-linear-berganda dengan semua peubah
bebas terpilih untuk mendapatkan nilai koefisien determinasi
serta nilai konstanta dan koefisien regresinya

Tahap 3 Tentukan parameter yang mempunyai korelasi terkecil

terhadap peubah tidak bebasnya dan hilangkan parameter
tersebut. Lakukan kembali analisis regresilinear-berganda
dan dapatkan kembali
Nilai koefisien determinasi serta nilai konstanta dan
koefisien regresinya.
Tahap 4 Lakukan kembali tahap (3) satu demi satu sampai hanya
tertinggal satu parameter saja.

Tahap 5 : Kaji nilai koefisien determinasi serta nilai konstanta dan

koefisien regresi setiap tahap untuk menentukan model
terbaik dengan kriteria berikut:
semakin banyak peubah bebas yang digunakan, semakin baik
model tersebut
tanda koefisien regresi (+/-) sesuai dengan yang diharapkan

nilai konstanta regresi kecil (semakin mendekati nol, semakin

baik)
nilai koefisien determinasi (R2 ) besar (semakin mendekati satu,
semakin baik)
Metode analisis langkah-demi-langkah tipe 2
Metode ini pada prinsipnya mirip dengan metode tipe 1;
perbedaannya Hanya pada tahap (3), yaitu:

Tahap 3: Tentukan parameter yang mempunyai koefisien regresi

yang terkecil dan hilangkan parameter tersebut. Lalukan kembali
analisis regresi-linear-berganda dan dapatkan kembali nilai
koefisien determinasi serta nilai konstanta dan koefisien regresinya.
Metode coba-coba
Sesuai dengan namanya, metode ini melakukan
proses coba-coba dalam menentukan parameter
yang dipilih. Secara lengkap, tahapan metode adalah
sebagai berikut:
Tahap 1 : Sama dengan tahap (1) metode 1.
Tahap 2 : Tentukan beberapa model dengan
menggunakan beberapa kombinasi
peubah bebas secara coba-coba berdasarkan uji korelasi
yang dihasilkan pada tahap 1. Kemudian, lakukan
analisis regresi-linear-berganda untuk kombinasi
model tersebut untuk mendapatkan nilai koefisien
determinasi serta nilai konstanta dan koefisien
regresinya
Tahap 3:
Kaji nilai koefisien determinasi serta nilai konstanta
dan koefisien regresi setiap model untuk
menentukan model terbaik dengan kriteria yang
sama dengan tahap (5) pada metode langkah-
demi-langkah tipe 1.

Contoh Penerapan di Propinsi Jawa Barat

Ketiga metode analisis tersebut di atas diterapkan
untuk memperkirakan bangkitan pergerakan di
propinsi Jawa Barat dengan 25 kabupaten/
kotamadya sebagai unit zona.
Data bangkitan pergerakan didapatkan dari
informasi matriks asal-tujuan pada tahun 1995,
sedangkan beberapa parameter sosio-ekonomi
yang dipakai sebagai peubah bebas didapatkan
dari Biro Pusat Statistik (Jawa Barat Dalam
Angka Tahun 1995); lihat tabel 4.4.
Parameter sosio-ekonomi yang dipilih adalah
jumlah penduduk, rumah sakit, perusahaan
perdagangan, kamar hotel berbintang,
panjang jalan diaspal, dan PDRB, yang dapat
dilihat pada tabel 4.4
Tahap 1, uji korelasi antara sesama peubah
bebas dan antara peubah bebas dengan
peubah tidak bebas.
Persyaratan statistik yang harus dipenuhi,
yaitu sesama peubah bebas tidak boleh
mempunyai korelasi, sedangkan antara
peubah bebas dengan peubah tidak bebas
harus mempunyai korelasi.
Pada Tabel 4.5 berikut menampilkan hasil uji
korelasi yang disyaratkan.
Hasil yang didapat sebagai berikut:
Peubah bebas X2 dan X4 mempunyai koefisien korelasi
= 0,8. Ini dapat dianggap bahwa peubah bebas X2
mempunyai korelasi cukup tinggi dengan peubah bebas
X 4.
Berdasarkan persyaratan, hanya salah satu saja
di antara kedua peubah bebas tersebut yang
boleh digunakan dalam model nantinya. Dalam
hal ini, peubah bebas X2 yang terpilih karena
mempunyai nilai koefisien korelasi yang lebih
tinggi terhadap peubah tidak bebas Y1
dibandingkan dengan peubah bebas X4.
Berdasarkan hasil uji korelasi pada tabel
4.5, dilakukan proses tahap demi tahap
sesuai dengan prosedur yang dapat dilihat
pada tabel 4.6.
Berdasarkan kriteria yang telah ditentukan,
model terpilih adalah model yang
dihasilkan pada tahap ke-5.
Beberapa alasan memilih model tahap ke-5
sebagai berikut:
Meskipun nilai R2 (=0,665) yang dihasilkan bukan yang
tertinggi, namun tanda koefisien regresi peubah bebasnya
sesuai dengan yang diharapkan (nilai positif).
Tahap ke 4 tidak dipilih meskipun mempunyai nilai R
(=0,882) karena peubah bebas jumlah penduduk
mempunyai nilai negatif (-1,97). Tanda koefisien regresinya
bertolak belakang dengan yang diharapkan. Seharusnya,
semakin besar jumlah penduduk suatu zona, semakin besar
pula bangkitan pergerakannya; bukan malah sebaliknya.

Nilai konstanta regresi (intersep) termasuk kecil

jika dibandingkan dengan hasil tahap lainnya
Tabel 4.7 memperlihatkan hasil pemodelan bangkitan pergerakan dengan
menggunakan model analisis langkah-demi-langkah tipe 2. Berdasarkan
kriteria yang ada, model yang terbaik adalah model tahap ke-5. Peubah
bebas yang menentukan bangkitan pergerakan adalah jumlah rumah sakit
dan panjang jalan yang diaspal. Hasil ini kurang begitu diterima secara
logika karena parameter jumlah penduduk yang seharusnya lebih
menentukan bangkitan pergerakan malah tidak termasuk dalam peubah
bebas terpilih.

Penyebabnya adalah karena pada tipe 2 ini penentuan peubah bebas

terpilih tergantung pada nilai koefisien regresinya. Peubah bebas
jumlah penduduk dihilangkan karena pada tahap ke-2 mempunyai nilai
koefisien regresi terkecil. Penyebab hal ini adalah karena nilai peubah
bebas jumlah penduduk berskala jutaan, yang tentu sangat berbeda
dengan nilai peubah bebas yang lain, misalnya jumlah rumah sakit yang
hanya berskala satuan. Jadi dapat disimpulkan, bahwa model analisis
langkah-demi-langkah tipe 2 hanya bisa digunakan jika satuan nilai
setiap peubah bebas kira-kira sama.
Tabel 4.8 memperlihatkan hasil pemodelan bangkitan pergerakan
dengan menggunakan model analisis coba-coba. Dengan model ini kita
dapat membuat banyak kombinasi model - beberapa di antaranya dapat
dilihat pada tabel 4.8.
Berdasarkan kriteria yang ada, model yang terbaik dari 6 kombinasi
yang ada adalah model kombinasi 2. Alasannya adalah:
Terdapat lima peubah bebas yang terlibat; tiga di antaranya
mempunyai nilai koefisien regresi positif, sedangkan koefisien regresi
yang mempunyai tanda negatif nilainya cukup kecil.
Nilai R2 (=0,749) cukup tinggi dibandingkan dengan model
kombinasi lain;
Nilai konstanta regresi (intersep) tidak begitu banyak berbeda
dengan model kombinasi lain.
SEKIAN DAN TERIMA KASIH