TUGAS RANGKUMAN

PEMODELAN DAN PERENCANAAN TRANSPORTASI

“BANGKITAN PERGERAKAN, SEBARAN PERGERAKAN, MODEL GR,
GO, DAN MAT’

OLEH :
FUJI AZARY SAINUDDIN
031 2018 0297
C6

PROGRAM STUDI TEKNIK SIPIL

FAKULTAS TEKNIK
UNIVERSITAS MUSLIM INDONESIA
MAKASSAR
2021
Nama : Fuji Azary Sainuddin
Stb : 031 2018 0297
Kelas : C6
RANGKUMAN PERENCANAAN DAN PEMODELAN TRANSPORTASI
4. Model Bangkitan Pergerakan
 Tujuan dasar tahap bangkitan pergerakan adalah menghasilkan model
hubungan yang mengaitkan parameter tata guna lahan dengan jumlah
pergerakan yang menuju ke suatu zona atau jumlah pergerakan yang
meninggalkan suatu zona. Zona asal dan tujuan pergerakan biasanya
juga menggunakan istilah trip end.
 Model ini dibutuhkan bila efek tata guna lahan dan pemilikan pergerakan
terhadap besarnya bangkitan dan tarikan pergerakan berubah sebagai
fungsi waktu.
 Tahapan ini bertujuan mempelajari dan meramalkan besarnya tingkat
bangkitan pergerakan.
4.1.1 Definisi dasar
 Perjalanan; pergerakan satu arah dari zona asal ke zona tujuan termasuk
pejalan kaki dan singgah sebentar.
 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; suatu pergerakan berbasis rumah yang
mempunyai tempat asal dan/atau tujuan adalah rumah
 Tarikan pergerakan; suatu pergerakan berbasis rumah yang mempunyai
tempat asal dan/atau tujuan bukan rumah.
 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.

4.1.2 Klasifikasi Pergerakan

 Berdasarkan tujuan pergerakan, lima kategori tujuan yang sering
digunakan:
o Pergerakan ke tempat kerja (pergerakan utama, dilakukan tiap hari)
o Pergerakan ke sekolah atau universitas (pergerakan utama,
dilakukan tiap hari)
o Pergerakan ke tempat belanja (pilihan, tidak rutin dilakukan)
o Pergerakan kepentingan social atau rekreasi (pilihan, tidak rutin
dilakukan)
 o Dll
 Berdasarkan waktu, pergerakan biasanya dikelompokkan menjadi per-
gerakan pada jam sibuk dan pada jam tidak sibuk.
 Berdasarkan jenis orang, perilaku pergerakan individu sangat
dipengaruhi oleh atribut sosio-ekonomi. Yang dimaksud atribut adalah
tingkat pendapatan dan tingkat kepemilikan kendaraan.
 Faktor yang mempengaruhi,
o Bangkitan pergerakan untuk manusia; faktor yang mempengaruhi yaitu
pendapatan, pemilikan kendaraan, struktur rumah tangga, ukuran
rumah tangga, nilai lahan, kepadatan pemukiman, dan aksesbilitas.
o Tarikan pergerakan untuk manusia; faktor yang paling sering
digunakan adalah luas lantai untuk kegiatan industri, komersial,
perkantoran, pertokoan, dan pelayanan lainnya.
o Bangkitan dan tarikan pergerakan untuk barang; hanya terjadi
sebagian kecil dn biasanya terjadi pada negara industri. Peubah
penting yang mempengaruhi adalah jumlah lapangan kerja, jumlah
tempat pemasaran, luas atap industri tersebut, dan total seluruh
daerah yang ada.
4.1.3 Model Faktor Pertumbuhan
Ada aspek yang perlu diperhatikan, yaitu:
o jenis pergerakan yang akan dipertimbangkan (contoh: apakah hanya
pergerakan berkendaraan atau pergerakan berjalan kaki saja)
o usia minimum yang dapat digunakan dalam proses analisis
Persamaan dasarnya :

Dimana :
Ti = pergerakan di masa mendatang
ti = pergerakan di masa mendatang
Fi = faktor pertumbuhan
Namun, metode ini memiliki kesulitan, Fi sulit untuk di dapatkan. Faktor
ini terkait dengan peubah seperti populasi (P), pendapatan (I), dan
pemilikan kendaraan (C):

Dimana :
f = fungsi perkalian tanpa parameter
d = tahun sekarang
c = tahun rencana
4.2 Analisa Regresi
4.2.1 Model Analisis Regresi
Analisis regresi-linear adalah metode statistik yang dapat digunakan untuk
mempelajari hubungan antarsifat permasalahan yang sedang diselidiki.
Y = A + BX
Dimana:
Y = peubah tidak bebas
X = peubah bebas
A = intersep atau konstanta regresi
B = koefisien regresi
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:

Y dan X adalah nilai rata-rata dari Yi dan Xi.

 Koefisien determinasi (R2); Koefisien ini mempunyai batas limit sama
dengan satu (perfect explanation) dan nol (no explanation); nilai antara
kedua batas limit ini ditafsirkan sebagai persentase total variasi yang
dijelaskan oleh analisis regresi-linear.
 Regresi-linear-berganda; persamaan bentuk umum metode regresi-
linear-berganda

Dimana:
Y = peubah tidak bebas
X1 … XZ = peubah bebas
A = konstanta regresi
B1 … BZ = koefisien regresi
Metode ini merupakan metode statistik. Terdapat beberapa asumsi:
o nilai peubah, khususnya peubah bebas, mempunyai nilai tertentu atau
merupakan nilai yang didapat dari hasil survei tanpa kesalahan berarti;
o peubah tidak bebas (Y) harus mempunyai hubungan korelasi linear
dengan peubah bebas (X). Jika hubungan tersebut tidak linear,
transformasi linear harus dilakukan, meskipun batasan ini akan
mempunyai implikasi lain dalam analisis residual;
o efek peubah bebas pada peubah tidak bebas merupakan penjumlahan,
dan harus tidak ada korelasi yang kuat antara sesama peubah bebas;
Solusinya tetap sama, tetapi lebih kompleks sehingga beberapa hal baru harus
dipertimbangkan sebagai berikut.
 Multikolinear
 Jumlah parameter 'b' yang dibutuhkan; untuk memutuskan hal ini,
beberapa hal dipertimbangkan:
o Apakah ada alasan teori yang kuat sehingga harus melibatkan peubah
itu atau apakah peubah itu penting untuk proses uji dengan model
tersebut?
o Apakah peubah itu signifikan dan apakah tanda koefisien parameter
yang didapat sesuai dengan teori atau intuisi?
 Koefisian determinasi, bentuknya sama dengan persamaan sebelumnya,
tambahan peubah b biasanya meningkatkan nilai R2; untuk mengatasinya
digunakan nilai R2 yang telah dikoreksi:

N adalah ukuran sampel dan K adalah jumlah peubah b

 Koefisien korelasi, digunakan untuk menentukan korelasi antara
peubah tidak bebas dengan peubah bebas atau antara sesama
peubah bebas.
 Uji t-test, digunakan untuk dua tujuan: untuk menguji signifikansi nilai
koefisien korelasi (r) dan untuk menguji signifikansi nilai koefisien
regresi. Setiap peubah yang mempunyai koefisien regresi yang tidak
signifikan secara statistik harus dibuang dari model.
4.2.2 Model regresi berbasis zona
untuk mendapatkan hubungan linear antara jumlah pergerakan yang
dibangkitkan atau tertarik oleh zona dan ciri sosio-ekonomi rata- rata dari rumah
tangga pada setiap zona. Beberapa pertimbangan yang perlu diperhatikan.
 Model berbasis zona; model hanya akan berhasil baik jika variasi
antarzona cukup mencerminkan alasan utama terjadinya variasi
pergerakan.
 Peranan intersep; Intersep yang besar juga dapat diartikan bahwa masih
dibutuhkan peubah lain yang harus diperhitungkan dalam model tersebut
karena masih ada pergerakan yang cukup besar (intersep besar) yang
tidak dapat dimodel oleh peubah yang ada sehingga dapat disimpulkan
bahwa model yang ada belum terlalu mencerminkan realita.
 Zona kosong; Zona seperti ini harus dikeluarkan dari analisis; walaupun
jika tetap diperhitungkan tidak akan terlalu mempengaruhi penaksiran
koefisien (karena persamaan sebenarnya harus selalu melalui titik (0,0)).
 Tabel zona vs rata-rata zona; Dalam merumuskan model, analis harus
memilih antara peubah total atau peubah agregat. Misalnya, jumlah
pergerakan per zona atau jumlah mobil per zona (peubah total) dengan
 pergerakan per keluarga per zona atau jumlah kendaraan per rumah
tangga per zona (peubah agregat).
4.2.3 Tahapan uji statistik dalam model analisis regresi berbasis zona
 Uji kecakapan data; dilakukan untuk menentukan jumlah data minimum
yang harus tersedia, baik untuk peubah bebas maupun peubah tidak
bebas.

Dimana:
CV = koefisien variasi
E = tingkat akurasi
Zα = nilai variansi untuk tingkat kepercayaan α yang diinginkan
 Uji Korelasi; dilakukan untuk memenuhi persya- ratan model matematis:
sesama peubah bebas tidak boleh saling berkorelasi, sedangkan antara
peubah tidak bebas dengan peubah bebas harus ada korelasi yang kuat
(baik positif maupun negatif).
 Uji Linearitas; dilakukan untuk memastikan apakah model bangkitan
pergerakan dapat didekati dengan model analisis-regresi-linear atau
model analisis-regresi-tidak-linear.
 Uji kesesuaian; 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.
4.2.4 Proses model analisis-regresi bebasis zona
 Metode analisis langkah-demi-langkah tipe 1
o 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.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.
o Lakukan analisis regresi-linear-berganda dengan semua peubah
bebas terpilih untuk mendapatkan nilai koefisien determinasi serta nilai
konstanta dan koefisien regresinya.
o Tentukan parameter yang mempunyai korelasi terkecil terhadap
peubah tidak bebasnya dan hilangkan parameter tersebut.
 o Lakukan kembali tahap (3) satu demi satu sampai hanya tertinggal
satu parameter saja.
o 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-lagkah 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
o Tahap 1 sama seperti tahap 1 sebelumnya.
o 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.
o 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.
4.2.5 Kajian empiris yang menggunakan model analisis-regresi
 Kajian lalu lintas di kota Detroit; Pada tahun 1954, Urban Traffic: A
Function of Land Use ditulis oleh Mitchell and Rapkin. Sejak itu, banyak
penelitian dan kajian empiris yang dilakukan untuk mempelajari bangkitan
pergerakan untuk semua jenis tata guna lahan dan untuk semua jenis
pergerakan.
 Kajian pengembangan jaringan jalan di Pulau Jawa; Tamin (1997a)
mengkaji tahapan perhitungan bangkitan dan tarikan pergerakan yang
merupakan fungsi dari beberapa peubah bebas berupa parameter sosio-
ekonomi dan tata guna lahan. Pulau Jawa dibaginya menjadi beberapa
zona yang berbasis kabupaten sebagai unit terkecil.
 Kajian standarisasi bangkitan dan tarikan lalulintas di zona Bandung
Raya; Model bangkitan dan tarikan di sini mengambil bentuk persamaan
 matematis yang diturunkan melalui analisis regresi berdasarkan data dari
hasil survei lapangan (survei primer dan sekunder).

4.2.6. Model analisa regresi berbasis rumah tangga

Keragaman dalam suatu zona (intrazona) mungkin bisa dikurangi dengan
memperkecil luas zona, apalagi jika zona tersebut homogen. Akan tetapi, zona
yang lebih kecil juga akan mempunyai keragaman yang cukup besar dan
mempunyai dua konsekuensi:
• model menjadi lebih mahal dalam hal pengumpulan data, kalibrasi, dan operasi;
• galat sampel menjadi lebih tinggi.
4.2.7. Masalah ketidaklinearan
Telah kita lihat bahwa model regresi-linear mengasumsikan bahwa setiap
peubah bebas mempunyai pengaruh yang bersifat linear terhadap peubah tidak
bebas. Tidaklah mudah mendeteksi kasus ketidaklinearan karena sebenarnya
hubungan linear bisa berubah menjadi tidak-linear jika terdapat peubah
tambahan lain dalam model.
4.2.8. Mendapatkan nilai zona keseluruhan
Untuk model berbasis zona, nilai zona keseluruhan mudah didapat karena model
tersebut ditaksir dengan menggunakan data berbasis zona. Akan tetapi, pada
model berbasis data rumah tangga dibutuhkan tahap pengelompokan. Karena
model tersebut linear, masalah pengelompokan dapat dipecahkan dengan
menggunakan nilai rata-rata setiap zona untuk setiap peubah yang ada pada
model tersebut dan kemudian mengalikannya dengan jumlah rumah tangga yang
ada di setiap zona.
4.2.9. Mencocokkan hasil bangkitan pergerakan dan tarikan pergerakan
Model bangkitan dan tarikan pergerakan dibentuk secara terpisah. Pembaca
pasti mengetahui bahwa model tidak akan selalu dapat menghasilkan jumlah
pergerakan yang dibangkitkan (dari setiap zona asal Oi) yang selalu sama
dengan jumlah pergerakan yang tertarik (ke setiap zona tujuan Dd).
Solusinya bersifat pragmatik, yang mencoba melihat kecenderungan hasil kajian
yang menyatakan bahwa biasanya model bangkitan pergerakan jauh lebih baik
dibandingkan dengan model tarikan pergerakan. Misalnya model bangkitan
pergerakan menggunakan model yang didasarkan pada data rumah tangga atau
individu dengan peubah yang baik, sedangkan model tarikan pergerakan
didasarkan hanya pada data agregat berbasis zona.
4.3 Analisis klasifikasi silang atau klasifikasi kategori
4.3.1 Model klasik
Metode analisis kategori dikembangkan pertama sekali pada The Puget Sound
Transportation Study pada tahun 1964. Model ini telah diperbaiki dan sering
digunakan untuk mendapatkan bangkitan pergerakan untuk daerah permukiman,
juga untuk penerapan lainnya.
Metode analisis kategori ini didasarkan pada adanya keterkaitan antara
terjadinya pergerakan dengan atribut rumah tangga. Asumsi dasarnya adalah
tingkat bangkitan pergerakan dapat dikatakan stabil dalam waktu untuk setiap
stratifikasi rumah tangga tertentu. Metode ini menemukan secara empiris bahwa
besarnya tingkat bangkitan pergerakan sangat banyak membutuhkan data
(misalnya jumlah rumah tangga untuk setiap kelas). Walaupun pada awalnya
metode ini dirancang agar dapat menggunakan data sensus di Inggris,
permasalahan serius timbul pada saat harus meramalkan jumlah rumah tangga
untuk setiap strata pada masa mendatang.
 Definisi peubah dan spesifikasi model; Misalkan tp(h) adalah rata-rata
jumlah pergerakan dengan tujuan p (pada periode waktu tertentu), yang
dilakukan oleh setiap anggota rumah tangga dari jenis h. Jenis rumah
tangga ditentukan berdasarkan stratifikasi. Contohnya, klasifikasi silang
yang didasarkan pada m ukuran rumah tangga dengan n pemilikan
kendaraan akan menghasilkan mn rumah tangga berjenis h.
 Metode ini pada dasarnya memiliki beberapa keuntungan, yaitu:
o pengelompokan klasifikasi silang tidak tergantung pada sistem zona di
daerah kajian;
o tidak ada asumsi awal yang harus diambil mengenai bentuk hubungan;
o hubungan tersebut berbeda-beda untuk setiap kelompok (misalnya
efek perubahan ukuran rumah tangga bagi yang mempunyai satu
kendaraan dengan yang mempunyai dua kendaraan akan berbeda).
 Akan tetapi, metode klasifikasi silang ini juga mempunyai kelemahan,
yaitu:
o tidak memperbolehkan ekstrapolasi;
o tidak adanya uji statistik yang dapat mendukungnya sehingga yang
menjadi patokan adalah besarnya simpangan antara hasil taksiran
dengan hasil pengamatan. Semakin kecil simpangan tersebut,
semakin baik;
o data yang dibutuhkan sangat banyak agar nilai masing-masing tidak
terlalu bervariasi secara tidak logis karena adanya perbedaan jumlah
rumah tangga. Contohnya, pada kajian Monmouthshire Land
Use−Transportation (lihat Douglas and Lewis, 1971), sebaran dari 108
kategori (6 tingkat pendapatan, 3 tingkat dan 6 ukuran rumah tangga)
hanya membutuhkan sampel sebanyak 4.000 rumah tangga
o tidak ada cara yang efektif dalam memilih peubah tersebut. Proses
minimasi simpangan baku seperti yang terlihat pada gambar 4.11
hanya dapat dilakukan dengan cara coba-coba yang sudah jelas
sangat sulit dipraktekan.
 Penerapan model pada tingkat agregat;
Tetapkan n adalah jenis orang (dengan atau tanpa kendaraan), ai(h)
adalah jumlah rumah tangga dengan jenis h di zona i dan Hn(h) adalah
rumah tangga dengan jenis h yang berisikan orang berjenis n. Dengan ini,
kita dapat menuliskan besarnya bangkitan pergerakan
dengan tujuan p yang dilakukan oleh orang berjenis n di zona Oinp
 kelemahan metode ini yaitu jika disyaratkan untuk menambah jumlah
stratifikasi, dibutuhkan penambahan jumlah sampel yang sangat banyak.
 Tahapan perhitungan; konsep dasarnya sederhana, dan peubah yang
biasa digunakan dalam analisis kategori adalah ukuran rumah tangga
(jumlah orang), pemilikan kendaraan, dan pendapatan rumah tangga.
Kategori ditetapkan menjadi tiga dan kemudian rata-rata tingkat bangkitan
pergerakan (dari data empiris) dibebankan untuk setiap kategori. Data
untuk mengilustrasikan bagaimana keragaman tingkat bangkitan
pergerakan di antara ketiga peubah tersebut diperlihatkan pada tabel 4.18
(Marler, 1985). Hal ini menunjukkan pentingnya peubah tersebut dalam
menghitung bangkitan pergerakan
4.3.2 Perbaikan model dasar
 Analisis klasifikasi ganda (Multiple Classification Analysis/MCA)
MCA adalah metode yang dapat digunakan untuk menguji
pengelompokkan hasil klasifikasi silang menjadi prosedur statistik yang
baik untuk memilih peubah dan klasifikasi. Metode ini dapat mengatasi
kelemahan yang ada pada metode terdahulu. Para pembaca yang tertarik
untuk membahasnya secara lebih rinci dapat membaca Stopher and
McDonald (1983). Rangkumannya diberikan berikut ini.
Pertimbangkan model yang mempunyai satu peubah tidak bebas yang
menerus dan dua peubah bebas yang diskret, misalnya ukuran rumah
tangga dan pemilikan kendaraan. Nilai rata-rata total bisa didapat untuk
peubah tidak bebas dari sampel rumah tangga. Juga, rata-rata kelompok
bisa ditaksir untuk setiap baris dan kolom dari matriks klasifikasi silang
yang dapat dianggap sebagai simpangan dari rata-rata total. Dengan
melihat tanda simpangan (+ atau −), nilai sel dapat ditaksir dengan
menambahkan simpangan baris dan kolom pada rata-rata total sesuai
dengan selnya. Dalam hal ini, beberapa permasalahan yang timbul akibat
terbatasnya data dapat dipecahkan.
 Analisis-regresi untuk tingkat rumah tangga; Gabungan antara anali- sis
klasifikasi silang dengan analisis regresi dapat merupakan pendekatan
yang terbaik untuk kasus tertentu.
4.3.3 Pendekatan kategori orang
Pendekatan kategori-orang merupakan salah satu alter- natif yang menarik untuk
model berbasis rumah tangga, yang diusulkan pertama kali oleh Supernak
(1979). Metode ini mempunyai beberapa keuntungan:
 o model bangkitan pergerakan berbasis individu cocok dengan
komponen lainnya dalam sistem pemodelan kebutuhan transportasi
klasik yang berbasiskan individu, bukan rumah tangga;
o memungkinkan proses klasifikasi silang yang menggunakan semua
peubah penting yang menghasilkan jumlah kelas yang sesuai
sehingga dapat diramalkan dengan mudah;
o ukuran sampel yang dibutuhkan untuk model berbasis individu jauh
lebih kecil daripada untuk model berbasis rumah tangga;
o perubahan status demografi dapat dengan mudah diperkirakan pada
model berbasis individu, misalnya peubah umur sangat sulit ditentukan
pada model berbasis rumah tangga;
o model berbasis individu lebih mudah diramalkan dibandingkan dengan
model berbasis rumah tangga karena membutuhkan informasi rumah
tangga serta ukuran rumah tangga − keduanya tidak digunakan pada
model berbasis individu.
 Definisi peubah dan spesifikasi model

Dimana:
Ti = total pergerakan di zona i
Ni = jumlah penduduk di zona i
aji = persentase pendudk di zona i yang mempunyai kategori j
tj = tingkat bangkita pergerakan
tjp = tingkat bangkitan pergerakan dengan tujuan p

 Peramalan peubah dalam analisis bangkitan pergerakan

Hipotesis utamanya adalah atribut sosial; setiap individu berpengaruh
besar terhadap timbulnya pergerakan yang tentu saja berbeda-beda
perilakunya. Contohnya, rumah tangga dengan anak yang belum sekolah
jelas lebih rendah mobilitasnya daripada rumah tangga dengan anak yang
sudah besar.

Bangkitan pergerakan ini dapat diramalkan untuk masa mendatang

dengan menggunakan model yang dikalibrasi pada tahun dasar dan
menggunakannya untuk tahun rencana. Dalam hal ini, masukan data yang
harus dimasukkan ke dalam model adalah data taksiran dari pemilikan
kendaraan, pendapatan, dan ukuran rumah tangga untuk setiap zona.

5. Model sebaran pergerakan

Pergerakan adalah aktivitas yang kita lakukan sehari-hari. Kita bergerak setiap
hari untuk berbagai macam alasan dan tujuan seperti belajar, olahraga, belanja,
hiburan, dan rekreasi. Jarak perjalanan juga sangat beragam, misalnya
perjalanan antarbenua hingga perjalanan ke toko di seberang jalan. Hal ini
menunjukkan bahwa kapasitas jaringan transportasi harus dapat menampung
pergerakan.
Kebutuhan akan pergerakan selalu menimbulkan permasalahan seperti
kemacetan, keterlambatan, polusi suara dan udara. Salah satu usaha untuk
dapat mengatasinya adalah dengan memahami pola pergerakan yang akan
terjadi, misalnya dari mana dan hendak ke mana, besarnya, dan kapan
terjadinya. Oleh karena itu, agar kebijakan investasi transportasi dapat berhasil
dengan baik, sangatlah penting dipahami pola pergerakan yang terjadi sekarang
maupun yang akan datang.
5.2 Kegunaan matriks pergerakan
Matriks pergerakan atau Matriks Asal-Tujuan (MAT) sering digunakan oleh
perencana transportasi untuk menggambarkan pola pergerakan tersebut. MAT
adalah matriks berdimensi dua yang berisi informasi mengenai besarnya
pergerakan antarlokasi (zona) di dalam daerah tertentu. Baris menyatakan zona
asal dan kolom menyatakan zona tujuan, sehingga sel matriks-nya menyatakan
besarnya arus dari zona asal ke zona tujuan.
Ketelitian MAT meningkat dengan menambah jumlah zona, tetapi MAT
cenderung berisi oleh sel yang tidak mempunyai pergerakan. Permasalahan
yang sama timbul jika kita berbicara mengenai pergerakan antarzona dengan
selang waktu pendek (misalnya 15 menit).
Hadirnya beberapa metode yang tidak begitu mahal pelaksanaannya dirasakan
sangat berguna karena MAT sangat sering dipakai dalam berbagai kajian
transportasi. Contohnya, MAT dapat digunakan untuk (Willumsen, 1978ab):
 pemodelan kebutuhan akan transportasi untuk daerah pedalaman atau
antarkota;
 pemodelan kebutuhan akan transportasi untuk daerah perkotaan
 pemodelan dan perancangan manajemen lalulintas baik di daerah
perkotaan maupun antarkota
 pemodelan kebutuhan akan transportasi di daerah yang ketersediaan
datanya tidak begitu mendukung baik dari sisi kuantitas maupun kualitas
(misalnya di negara sedang berkembang)
 perbaikan data MAT pada masa lalu dan pemeriksaan MAT yang
dihasilkan oleh metode lainnya;
 pemodelan kebutuhan akan transportasi antarkota untuk angkutan barang
multi-moda.
MAT dikelompokkan menjadi 2 bagian utama, yaitu metode konvensional dan
metode tidak konvensional (Tamin, 1985; 0986; 1988abc).
5.3 Definisi dan notasi

Setiap sel matriks berisi informasi pergerakan antarzona. Sel dari tiap baris i
berisi informasi mengenai pergerakan yang berasal dari zona i tersebut ke setiap
zona tujuan d. Sel pada diagonal berisi informasi mengenai pergerakn intrazona
(i=d). Oleh karena itu:
Tid = pergerakan dari zona asal i ke zona tujuan d
Oi = jumlah pergerakan yang berasal dari zona asal i
Dd = jumlah pergerakan yang menuju ke zona tujuan d
{Tid} atau T = total matriks
Selain menggunakan bentuk matriks, pola pergerakan dapat juga dinyatakan
dengan bentuk lain secara grafis seperti dibawah ini yang biasa disebut Garis
Keinginan. Nama ini diberikan karena pola pergerakan selain mempunyai
dimensi jumlah pergerakan, juga mempunyai dimensi spasial (ruang) yang lebih
mudah digambarkan secara grafis.
Keuntungan bentuk matriks adalah dapat diketahuinya secara tepat arus
pergerakan antarzona yang terjadi, tetapi tidak diketahui gambaran arah atau
orientasi pergerakan tersebut. Elemen biaya pergerakan dapat dinyatakan dalam
satuan jarak, waktu, atau uang biasa dikenal dengan biaya gabungan.
Biaya gabungan pada dasarnya merupakan fungsi linear atribut yang ada
dengan pembobotan pada beberapa atribut sesuai dengan tingkat kepentingan
dan persepsi pengguna jalan. Biaya gabungan dapat dinyatakan dalam satuan
uang dan waktu, yang cukup mudah dikonversikan. Jika biaya gabungan
dinyatakan dalam satuan uang, maka a1 ditafsirkan sebagai nilai waktu (lebih
tepatnya, nilai waktu selama berada di kendaraan).
5.4 Metode Konvensional
Metode konvensional dikelompokkan menjadi 2 bagian utama (Tamin, 1988abc),
yaitu metode langsung dan metode tidak langsung.
5.4.1 Metode langsung
Pendekatan ini sudah digunakan sejak lama sehingga dapat diidentifikasi
beberapa permasalahan yang timbul yang berkaitan dengan penggunaannya.
Proses wawancara dapat mengganggu pengguna jalan dan menimbulkan
tundaan lalulintas. Selain itu, pemilihan metode survei pengumpulan data juga
sangat tergantung dari ketersediaan surveyor. Maka, permasalahan utama
pendekatan ini adalah dibutuhkannya sumber daya manusia yang besar.
Beberapa teknik yang tersedia:
 Wawancara di tepi jalan;
biasanya dilakukan pada lokasi inlet dan outlet dari daerah kajian yang
mempunyai batas wilayah tertentu. Lokasi wawancara harus diatur agar
semua lalulintas antarzona bisa didapatkan. Untuk mendapatkan
gambaran mengenai besarnya sampel, survei pendahuluan perlu
dilakukan untuk
mendapatkan informasi
lalulintas dan
komposisinya.
Wawancara seperti ini
dirasakan mahal jika
ditinjau dari sisi tenaga
kerja, adanya tundaan,
dan gangguan arus
lalulintas, serta
membutuhkan waktu
proses yang lama.
  Wawancara di rumah;
Ukuran sampel merupakan hal yang paling menentukan dan biasanya
jumlah responden yang dibutuhkan minimal 1.000 rumah. Untuk kota
kecil, jumlah sampel yang lebih besar dari 5% populasi masih dapat
dipertimbangkan karena alasan biaya. Tujuan wawancara di rumah tidak
hanya untuk mendapatkan informasi MAT, tetapi juga untuk mendapatkan
beberapa data statistik lain seperti pemilikan kendaraan, jumlah anggota
keluarga, dan mungkin juga penghasilan. Survei jenis ini masih dianggap
mahal dan membutuhkan waktu proses yang lama.
 Metode menggunakan bendera;
Metode ini membutuhkan beberapa pengamat yang mengambil posisi
pada beberapa lokasi inlet dan outlet daerah kajian. Untuk daerah kajian
yang kecil, hal lain yang dapat dilakukan adalah meminta pengendara,
pada saat masuk, menyalakan lampunya dalam selang waktu tertentu.
Pengamat pada beberapa lokasi mencatat jumlah kendaraan yang
lampunya menyala dalam selang waktu itu.
 Metode foto udara;
menggunakan beberapa foto udara di daerah kajian yang diambil dari
helikopter yang terbang pada koordinat dan ketinggian tertentu. Proses
pengumpulan data cukup cepat dan tidak mahal jika dibandingkan dengan
metode alternatif lainnya, tetapi proses selanjutnya membutuhkan dana
cukup besar. Keuntungan metode ini adalah terjaminnya kontrol kualitas
foto udara dan foto dapat digunakan untuk kebutuhan lain. Akan tetapi,
tentu ada batasan mengenai ukuran daerah kajian yang bisa diambil.
 Metode mengikuti-mobil;
Ini membutuhkan adanya pengamat yang bertugas mengikuti pergerakan
kendaraan (biasanya dengan menggunakan kendaraan lain) di dalam
daerah kajian dengan cara mencatat pergerakan kendaraan pada
beberapa lokasi tertentu dalam suatu jaringan jalan. Metode ini lebih
murah dibandingkan dengan metode lainnya, tetapi membutuhkan
manajemen yang baik dalam proses pengumpulan dan analisis data.
5.4.2 Metode tidak langsung
Beberapa prosedur matematis telah dikembangkan sampai saat kini yang secara
umum dapat dikelompokkan menjadi dua bagian utama (Davinroy et al, 1963 dan
Bruton, 1981), tergantung dari jenis data yang digunakan dan cara kita
menggunakannya:
 Metode analogi - dalam hal ini suatu nilai tingkat pertumbuhan digunakan
pada pergerakan pada saat sekarang untuk mendapatkan pergerakan
pada masa mendatang.
 Metode sintetis - hal ini harus dilakukan usaha untuk memodel hubungan
atau kaitan yang terjadi antarpola pergerakan. Setelah pemodelan
hubungan atau kaitan tersebut didapat, kemudian diproyeksikan untuk
mendapatkan pola pergerakan pada masa mendatang.
5.5 Metode analogi
Beberapa metode telah dikembangkan oleh para peneliti, dan setiap metode
berasumsi bahwa pola pergerakan pada saat sekarang dapat diproyeksikan ke
masa mendatang dengan menggunakan tingkat pertumbuhan zona yang
berbeda-beda. Metode analogi dapat dikelompokkan menjadi tiga kelompok
utama, yaitu metode tanpa-batasan, metode dengan-satu-batasan, dan metode
dengan-dua-batasan. Urutan pengembangannya secara kronologis adalah
metode seragam, metode batasan-bangkitan, metode batasan-tarikan, metode
rata-rata, metode Fratar, metode Detroit, dan metode Furness.
5.5.1 Metode tanpa-batasan
Atau metode seragam adalah metode tertua dan paling sederhana. diasumsikan
bahwa untuk keseluruhan daerah kajian hanya ada satu nilai tingkat
pertumbuhan yang digunakan untuk mengalikan semua pergerakan pada saat
sekarang untuk mendapatkan pergerakan pada masa mendatang. Metode ini
tidak menjamin bahwa total pergerakan yang dibangkitkan dari setiap zona asal
dan total pergerakan yang tertarik ke setiap zona tujuan akan sama dengan total
bangkitan dan tarikan yang diharapkan pada masa mendatang.

5.5.2 Metode dengan satu-batasan

Ada 2 jenis metode, yaitu metode dengan batasan bangkitan dan metode dengan
batasan tarikan.
 Metode dengan batasan bangkitan; digunakan jika informasi yang tersedia
adalah perkiraan bangkitan pergerakan pada masa mendatang,
sedangkan perkiraan tarikan pergerakan tidak tersedia atau dapat juga
tersedia tetapi dengan tingkat akurasi yang rendah.
 Metode dengan batasan tarikan; digunakan jika informasi yang tersedia
adalah perkiraan tarikan pergerakan pada masa mendatang, sedangkan
perkiraan bangkitan pergerakan tidak tersedia atau dapat juga tersedia
tetapi akurasinya rendah.
5.5.3 Metode dengan dua batasan
terdapat empat buah metode:
 Metode rata-rata; usaha pertama untuk mengatasi adanya tingkat
pertumbuhan daerah yang berbeda-beda. Metode ini menggunakan tingkat
pertumbuhan yang berbeda untuk setiap zona yang dapat dihasilkan dari
peramalan tata guna lahan dan bangkitan lalulintas.
 Metode Fratar (1954); Asumsi dasar metode ini adalah:
o sebaran pergerakan dari zona asal pada masa mendatang sebanding
dengan sebaran pergerakan pada masa sekarang;
o sebaran pergerakan pada masa mendatang dimodifikasi dengan nilai
tingkat pertumbuhan zona tujuan pergerakan tersebut.
Secara umum, metode ini memperhatikan:
 o perkiraan jumlah pergerakan yang dihasilkan dari atau tertarik ke suatu
zona (hal ini didapatkan dari tahapan bangkitan pergerakan)
o proses sebaran pergerakan masa mendatang dari setiap zona yang
berbanding lurus dengan pergerakan pada masa sekarang dimodifikasi
dengan tingkat pertumbuhan zona tujuan pergerakan.
o untuk setiap zona, jumlah hasil pendekatan pertama dibagi dengan total
pergerakan yang diperkirakan (dihasilkan dari tahapan bangkitan
pergerakan), untuk mendapatkan nilai tingkat pertumbuhan yang baru
yang selanjutnya digunakan sebagai pendekatan kedua.
o pergerakan yang dihasilkan pada pendekatan pertama yang kemudian
disebarkan, dan ini sebanding dengan pergerakan pada masa sekarang
dan nilai tingkat pertumbuhan yang baru (hasil pendekatan pertama).
Kedua nilai ini kemudian dirata-ratakan dan proses diulangi sampai
tercapai kesesuaian antara pergerakan yang dihitung dengan yang
diinginkan.
 Metode Detroit; dikembangkan bersamaan dengan pelaksanaan pekerjaan
Detroit Metropolitan Area Traffic Study dalam usaha mengatasi kekurangan
metode sebelumnya dan sekaligus mengurangi waktu operasi computer.
 Metode Furness (1965); mengembangkan metode yang pada saat sekarang
sangat sering digunakan dalam perencanaan transportasi. Pada metode ini,
sebaran pergerakan pada masa mendatang didapatkan dengan mengalikan
sebaran pergerakan pada saat sekarang dengan tingkat pertumbuhan zona
asal atau zona tujuan yang dilakukan secara bergantian.
 Keuntungan dan kerugian; keuntungan metode analogi :
o mudah dimengerti dan digunakan, hanya membutuhkan data
pergerakan antarzona (MAT) pada masa sekarang dan perkiraan
tingkat pertumbuhan zona pada masa mendatang yang sederhana;
o proses pengulangannya sederhana;
o data aksesibilitas (waktu, jarak, dan biaya) antarzona tidak
diperlukan;
o penggunaannya fleksibel, misalnya untuk moda transportasi lain,
untuk tujuan perjalanan yang berbeda, untuk selang waktu yang
berbeda, dan juga dapat digunakan untuk arah pergerakan yang
berbeda;
o sudah sering diabsahkan dan menghasilkan tingkat ketepatan yang
cukup tinggi jika digunakan pada daerah yang pola pengembangan
wilayahnya stabil.
Permasalahan yang sering terjadi:
o Metode ini membutuhkan masukan data lengkap dari seluruh
pergerakan antarzona pada saat sekarang (tid); informasi ini tentu
sangat mahal.
o Dibutuhkan jumlah zona yang selalu tetap; dengan kata lain, tidak
boleh ditambah dengan zona baru sehingga agak susah digunakan
 karena biasanya pada masa mendatang selalu ada pertambahan
zona baru. Oleh karena itu, diperlukan ‘manipulasi’.
o Kelemahan yang paling utama adalah jika ditemukan bahwa antara
dua buah zona pada saat sekarang belum terjadi pergerakan (tid =
0) atau mungkin karena ada galat survei atau hal lainnya.
o Pergerakan intrazona (i=d) tidak diperhitungkan pada metode ini
sehingga meningkatkan galat dan membutuhkan jumlah
pengulangan yang semakin banyak yang selanjutnya
memungkinkan terciptanya galat yang semakin besar.
o pada masa sekarang terdapat sel matriks yang tidak didapatkan
informasi pergerakannya (datanya tidak ada), maka sel matriks
tersebut tidak akan pernah bisa didapatkan pergerakan masa
mendatangnya.
o sangat tergantung pada tingkat akurasi informasi pergerakan
antarzona pada masa sekarang. Setiap galat yang ada pada masa
sekarang akan terus membesar setiap kali dilakukan proses
pengulangan.
o Asumsi mengenai ‘tidak ada perubahan pada aksesibilitas’ juga
dikritik orang. Dengan kata lain, sebaran pergerakan hanya
tergantung pada pola perjalanan pada saat sekarang dan perkiraan
tingkat pertumbuhannya. Oleh karena itu, metode ini tidak bisa
digunakan untuk daerah yang pada masa mendatang mengalami
perubahan aksesibilitas pada sistem jaringan transportasinya misal
pelebaran jalan
o Untuk selang waktu yang pendek dan di daerah yang stabil
pengembangan wilayahnya, metode ini dapat digunakan dengan
baik. Sebaliknya, metode ini tidak dapat digunakan pada daerah
yang pesat pengembangan wilayahnya dan tajam peningkatan
aksesibilitas sistem jaringan transportasinya.
5.6 Metode sintetis
didasarkan pada asumsi: (i) sebelum pergerakan pada masa mendatang
diramalkan, terlebih dahulu harus dipahami alasan terjadinya pergerakan pada
masa sekarang; (ii) alasan tersebut kemudian dimodelkan dengan menggunakan
analogi hukum alam yang sering terjadi.
Prinsip yang menggarisbawahi metode ini adalah pergerakan dari zona asal ke
zona tujuan berbanding lurus dengan besarnya bangkitan lalulintas di zona asal
dan juga tarikan lalulintas di zona tujuan serta berbanding terbalik dengan jarak
(kemudahan) antara kedua zona tersebut.
Menggunakan model semacam ini secara tidak langsung sudah membatasi
pemodelan pola pergerakan dan ini tentu menyebabkan informasi yang
dibutuhkan semakin sedikit serta survei semakin berkurang.
5.7 Metode gravity (GR)
5.7.1 Analogi
sangat sederhana sehingga mudah dimengerti dan digunakan. Model ini
menggunakan konsep gravity yang diperkenalkan oleh Newton pada tahun 1686
yang dikembangkan dari analogi hukum gravitasi. Metode ini berasumsi bahwa
ciri bangkitan dan tarikan pergerakan berkaitan dengan beberapa parameter
zona asal, misalnya populasi dan nilai sel MAT yang berkaitan juga dengan
aksesibilitas (kemudahan) sebagai fungsi jarak, waktu, atau pun biaya.
Dalam ilmu geografi, gaya dapat dianggap sebagai pergerakan antara dua
daerah; sedangkan massa dapat digantikan dengan peubah seperti populasi
atau bangkitan dan tarikan pergerakan; serta jarak, waktu, atau biaya sebagai
ukuran aksesibilitas (kemudahan).
5.7.2 Fungsi Hambatan
Hal yang perlu mendapat perhatian adalah hambatan transportasi intrazona.
Perkiraan yang salah menyebabkan perkiraan pergerakan intrazona yang sangat
kasar, yang selanjutnya mempengaruhi perhitungan. Secara praktis, harus
terdapat banyak asumsi untuk bisa mendapatkan jawaban yang benar. Hal yang
paling mungkin adalah dengan menghitung pergerakan intrazona secara terpisah
dan kemudian menghilangkan pergerakan tersebut dari pemodelan utama.
5.7.3 Sebaran panjang pergerakan
Terdapat hanya sedikit perjalanan jarak pendek, yang diikuti dengan sejumlah
besar jarak menengah. Dengan semakin meningkatnya jarak atau biaya, jumlah
perjalanan kembali menurun.
5.7.4 Jenis model gravity
 Model UCGR; sedikitnya mempunyai satu batasan, yaitu total pergerakan
yang dihasilkan harus sama dengan total pergerakan yang diperkirakan dari
tahap bangkitan pergerakan.
 Model PCGR; total pergerakan global hasil bangkitan pergerakan harus
sama dengan total pergerakan yang dihasilkan dengan pemodelan; begitu
juga, bangkitan pergerakan yang dihasilkan model harus sama dengan hasil
bangkitan pergerakan yang diinginkan. Akan tetapi, tarikan pergerakan tidak
perlu sama.
 Model ACGR; total pergerakan secara global harus sama dan juga tarikan
pergerakan yang didapat dengan pemodelan harus sama dengan hasil
tarikan pergerakan yang diinginkan. Sebaliknya, bangkitan pergerakan yang
didapat dengan pemodelan tidak harus sama.
 Model DCGR; bangkitan dan tarikan pergerakan harus selalu sama dengan
yang dihasilkan oleh tahap bangkitan pergerakan.
5.7.5 Beberapa perilaku model gravity
Pemakaian formulasi pemrograman matematis ini mempunyai beberapa
keuntungan:
 Tersedianya cara yang baik untuk menjelaskan perilaku matematis dari
model yang dihasilkan.
 Penggunaan kerangka pemrograman matematis juga dapat digunakan
sebagai alat bantu untuk menentukan metode penyelesaian yang terbaik
serta analisis efisiensi dari beberapa algoritma yang tersedia.
 Kerangka teori yang digunakan untuk menghasilkan model dapat juga
memberikan interpretasi dan penjelasan tambahan tentang solusi yang
dihasilkannya.
 Kenyataan bahwa model gravity dapat diturunkan dengan berbagai cara
bukan berarti bahwa model tersebut adalah yang terbaik.
5.8 Model interventing-opportunity (IO)
Ide dasar yang menggarisbawahi model ini adalah bahwa setiap pergerakan
pada dasarnya tidak selalu berkaitan dengan jarak antara asal dan tujuan, tetapi
tergantung pada tingkat kepuasan atau kesempatan yang dapat diterima atau
dihasilkan oleh tempat tujuan pergerakan tersebut. Pendekatan ini pertama kali
diperkenalkan oleh Stoufer (1940) yang mencoba menerapkan ide tersebut pada
pemodelan proses migrasi dan perpindahan lokasi pelayanan dan perumahan.
Schneider (1959) mengembangkan teori tersebut seperti yang kita lihat
sekarang.
Secara eksplisit, model ini mempertimbangkan kesempatan yang tersedia untuk
memenuhi kebutuhan setiap pergerakan pada setiap zona tujuan yang semakin
jauh dari zona asal. Akan tetapi, secara praktis, model ini tidak sering digunakan
karena:
 dasar teori tidak begitu dikenal dan lebih sulit dimengerti oleh praktisi; ide
bahwa matriks dengan zona tujuan yang harus diurut sesuai dengan jarak
yang semakin jauh dari zona asal (sel ke-n dari zona asal i bukanlah tujuan
n, tetapi tujuan ke-n dari zona asal i) lebih sulit digunakan secara praktis;
 keuntungan praktis dan teori jika dibandingkan dengan model lainnya tidak
begitu nyata;
 terbatasnya paket program yang dapat mengkalibrasi model ini.
5.9 Model gravity-opportunity (GO)
Ruiter (1967) dan Wilson (1967,1970,1981) menjelaskan bahwa Stouffer
mengembangkan untuk pertama kalinya model IO pada tahun 1940. Stouffer
mengembangkannya dalam bentuk yang sangat sederhana, dengan asumsi
bahwa jumlah pergerakan dari zona asal ke zona tujuan berbanding lurus dengan
jumlah kesempatan pada zona tujuan, dan berbanding terbalik dengan jumlah
kesempatan-antara. Dalam model ini, hambatan antarzona tidak terlihat secara
eksplisit; tetapi, setiap zona tujuan dari zona asal i akan diurut sesuai dengan
jarak yang semakin menjauh dari zona i. Suatu notasi dibutuhkan untuk
menjelaskan hal ini.
Asumsi yang mendasari model ini adalah bahwa setiap pergerakan akan
mempertimbangkan setiap kesempatan yang ada secara berurutan dan
mempunyai peluang tertentu yang kebutuhannya terpenuhi. Untuk mengetahui
beroperasinya asumsi dasar tersebut, pertimbangkan situasi yang zona
tujuannya diurut sesuai dengan jarak dari suatu zona asal.
Salah satu kekurangan model ini jika digunakan untuk peramalan sebaran
pergerakan adalah parameter dasar yang digunakan beragam sebagai fungsi
waktu. Parameter tersebut berupa peluang pengguna jalan untuk mengakhiri
pergerakannya pada zona tujuan secara acak untuk memenuhi tujuan
pergerakannya, sedangkan zona tujuan tersebut dipertimbangkan secara
terpisah dan tidak tergantung pada zona tujuan lain yang ada.
Salah satu kesulitan yang menghambat pengembangan model IO adalah
persyaratan penggantian hambatan pergerakan (jarak, waktu, dan biaya) dengan
sesuatu yang didasarkan hanya pada karakteristik zona tujuan yang saling
mempengaruhi.
 Normalisasi; Untuk mendapatkan konsistensi yang logis, seperti total
pergerakan ke zona tujuan dari setiap zona asal i harus sama dengan total
pergerakan dari zona asal tersebut dan total pergerakan yang berasal dari
zona tertentu ke setiap zona tujuan j harus sama dengan total pergerakan
yang menuju ke zona tersebut.
 Transformasi; Untuk mendapatkan skala peubah yang menerus untuk
menghasilkan keluarga model dalam bentuk fungsi yang spesifik, maka
transformasi Box−Cox dibutuhkan.
 Spesifikasi fungsi kesempatan; tahapan utama dalam mengintegrasikan
kedua model tersebut adalah mendapatkan spesifikasi fungsi kesempatan
yang mempunyai peubah atribut-tujuan seperti populasi, pendapatan atau
ukuran kesempatan lainnya, dan biaya atau peubah hambatan yang
mengaitkan asal dan tujuan.
 Struktur factor proporsi; seperti telah dijelaskan sebelumnya, nilai parameter
berbeda yang mengatur transformasi akan menghasilkan keluarga model
yang sangat berbeda, seperti model EO, model LO, dan model GR. Semua
model ini dapat diperlihatkan dalam daerah segitiga dengan kontur fungsi
kemungkinan, permukaan respon, dan interval kepercayaan dapat dirajah.
Tiga unsur dasar yang diterangkan di atas, yaitu prosedur normalisasi, fungsi
kesempatan dan faktor proporsi menghasilkan model sebaran pergerakan
yang sangat luas pemakaiannya yang dikenal dengan model GO.
5. 10 Beberapa permasalahn praktis
 Penanganan zona eksternal; Hal yang paling sering dipertanyakan yang
berkaitan dengan zona eksternal adalah cara menghitung biaya gabungan
sistem jaringan dari pusat zona eksternal ke pusat zona internal dalam
daerah kajian (hal ini sangat sulit ditentukan karena zona eksternal
didefinisikan mewakili seluruh daerah di luar batas daerah kajian).
 Pergerakan intrazona internal; Permasalahan timbul karena definisi pusat
zona, yang menyebabkan pergerakan intrazona internal tidak akan pernah
terbebankan ke sistem jaringan, sehingga pergerakan jenis ini selalu
diabaikan dalam pemodelan transportasi. Penyebabnya, karena pusat zona
 didefinisikan sebagai lokasi pergerakan dari zona awal dan lokasi
pergerakan ke zona akhir.
 Tujuan pergerakan; pergerakan dengan tujuan dan/atau jenis orang yang
berbeda-beda biasanya menggunakan model yang berbeda-beda pula. Hal
ini disebabkan sangat sukarnya memperkirakan besarnya tarikan
pergerakan secara akurat untuk daerah perbelanjaan atau rekreasi.
 Matriks mempunyai sel kosong; adanya sel kosong mengakibatkan sel
tersebut tidak akan pernah didapatkan nilai peramalan masa mendatangnya.
Dalam kasus seperti ini, yang dapat dilakukan adalah (1) mencoba
menggabungkan beberapa zona yang ada sehingga menjadi zona baru yang
bukan merupakan sel kosong.
5.11 Ketelitian MAT yang dihasilkan oleh metode konvensional
Usaha untuk mendapatkan MAT tidaklah sederhana dan mudah. Apa pun
metodologi yang digunakan, harus diketahui bahwa MAT yang dihasilkan tidak
pernah luput dari galat. Willumsen (1978ab,1981b) menjelaskan bahwa
ketepatan MAT yang dihasilkan dengan pendekatan metode langsung dan tidak
langsung tergantung pada beberapa sumber galat seperti berikut ini.
 Keragaman harian/musiman dan galat perluasan data suvei; jenis galat ini
terjadi jika suatu faktor dibutuhkan untuk mengkonversi data asli lapangan
untuk menghasilkan MAT pada selang waktu tertentu (misalnya: data survei
16 jam-an hendak diubah menjadi 24 jam-an).
 Galat dalam pengumpulan data; Jenis galat ini terjadi selama proses survei
yang sebagian besar akibat galat manusia, seperti: galat mengidentifikasi
kendaraan, menghitung arus, kuesioner yang tidak lengkap, atau galat dalam
penulisan dll.
 Galat dalam pengolahan data; Jenis galat ini terjadi dalam proses
pemindahan data mentah dan biasanya terjadi karena galat manusia.
Sumber utama kesalahan adalah kekeliruan memberi kode, galat
pengetikan, perhitungan.
 Galat pengambilan sampel; Hal ini karena lokasi wawancara di jalan atau
metode survei menggunakan bendera tidak memungkinkan terambilnya
seluruh. Dalam kasus ini, tingkat pengambilan yang lebih kecil dari 100%
dibutuhkan karena pertimbangan praktis. Dimungkinkan adanya penurunan
faktor sampel dengan mengambil data yang lebih banyak.