Abstrak
Perhitungan Kapasitas suatu jalan diperlukan untuk mendapatkan hasil berupa kemampuan ruas jalan untuk
menampung arus atau volume lalu lintas yang ideal dalam satuan waktu tertentu, dinyatakan dalam jumlah
kendaraan yang melewati potongan jalan tertentu dalam satu jam (kend/jam), atau dengan
mempertimbangan berbagai jenis kendaraan yang melalui suatu jalan digunakan satuan mobil
penumpang sebagai satuan kendaraan dalam perhitungan kapasitas maka kapasitas menggunakan satuan
mobil penumpang per jam atau (smp)/jam.
Manual Kapasitas Jalan Indonesia 1997 dan model pendekatan lalu lintas melalui model Linier
Greenshields, Greenberg dan Underwood memberikan pedoman – pedoman untuk mendapatkan Kapasitas
dari suatu ruas jalan.
Dari hasil penelitian di Jalan Ahmad Yani Kuala Pembang Kabupaten Seruyan model Linier
Greenshields dengan R2 = 0.86899 mendapatkan kapasitas/volume maksimum = 91.07672 smp/jam, model
Greenberg dengan nilai R 2 = 0.74716 mendapatkan kapasitas/volume maksimum = 103.951816 smp/jam,
dan model Underwood dengan Nilai R 2 = 0.85919, mendapatkan kapasitas/volume maksimum = 85.703698
smp/jam, sedangkan dengan menggunakan metode Manual Kapasitas Jalan Indonesia MKJI – 1997
mendapatkan nilai Kapasitas sebesar = 2480.412 smp / jam. Terdapat perbedaan yang cukup signifikan
antara perhitungan Kapasitas Jalan dengan menggunakan Manual Kapasitas Jalan Indonesi (MKJI – 1997)
dengan Pemodelan Linier Greenshields, Model Greenberg dan Model Underwood. Ini disebabkan latar
belakang pemodel yang digunakan banyak yang berasal dari penelitian jalan – jalan di luar negeri
sedangkan untuk Manual Kapasitas Jalan Indonesia (MKJI – 1997) menggunakan penelitiannya
menggunakan karateristik jalan yang ada di Indonesia.
Dj
Dimana: V = Dj . S − . S²………………..………….. (2.9)
Sff
Vmaks = Kapasitas atau volume maksimum
Sm = Kecepatan pada kondisi volume lalu Persamaan (2.9) adalah persamaan yang menyatakan
lintas maksimum hubungan matematis antara Arus–Kecepatan.
Dm = Kepadatan pada kondisi volume lalu Kondisi arus maksimum/ Kapasitas (VM) didapat
lintas maksimum dengan persamaan:
Sff = Kecepatan pada kondisi volume lalu Dj x Sff
VM = ………….……………..……….(2.10)
lintas sangat rendah 4
Dj = Kepadatan kondisi volume lalu lintas
macet total. Kondisi kepadatan maksimum (DM) didapat dengan
persamaan:
Dj
Hubungan matematis antara kecepatan – DM = 2 ………………..…………..……….(2.11)
kepadatan monoton ke bawah yang menyatakan Kondisi kecepatan pada saat arus maksimum (SM)
bahwa apabila kepadatan lalu lintas meningkat, maka didapat dengan persamaan:
kecepatan akan menurun. Volume lalu lintas akan Sff
SM = 2 ……………………………………(2.12)
menjadi nol apabila kepadatan sangat tinggi
sedemikian rupa sehingga tidak memungkinkan
kendaraan untuk bergerak lagi. Kondisi seperti ini II.10. Model Greenberg
dikenal dengan kondisi macet total. Apabila Greenberg mengasumsikan bahwa
kepadatan meningkat dari nol, maka kecepatan akan hubungan matematis antara Kecepatan–Kepadatan
menurun sedangkan volume lalu lintas akan bukan merupakan fungsi linear melainkan fungsi
meningkat. Apabila kepadatan terus meningkat, logaritmik (Ofyar Tamin, 2000).
maka akan dicapai suatu kondisi dimana peningkatan D = C. ebS ……………………………….…(2.13)
kepadatan tidak akan meningkatkan volume lalu Dimana C dan b bukan merupakan konstanta.
lintas, malah sebaliknya akan menurunkan volume Jika persamaan (2.13) dinyatakan dalam
lalu lintas (lihat gambar 2.1). titik maksimum bentuk logaritma natural, maka persamaan (2.13)
volume lalu lintas tersebut dinyatakan dengan dapat dinyatakan kembali sebagai persamaan (2.14),
kapasitas arus. sehingga hubungan matematis antara Kecepatan –
Ada tiga jenis model yang dapat digunakan Kepadatan selanjutnya dinyatakan dalam persamaan
untuk mempresentasikan hubungan matematis antara (2.16).
ke tiga parameter tersebut, yaitu: Ln D = Ln C + bS…………………..………(2.14)
bS = Ln D − Ln C0 …………………..…….(2.15)
Ln D Ln C
II.9. Model Greenshields S = b − b ………………..……………(2.16)
Greenshields merumuskan bahwa hubungan Hubungan matematis antara Arus –
matematis antara Kecepatan–Kepadatan diasumsikan Kepadatan dapat diturunkan dengan menggunakan
linear (Ofyar Tamin, 2000), seperti yang dinyatakan persamaan dasar (2.1), dan dengan memasukan
dalam persamaan (2.2). persamaan (2.16) ke persamaan (2.20), maka bisa
Sff
S = Sff − Dj . D…………………….………...(2.2) diturunkan persamaan (2.17) – (2.18).
V Ln D Ln C
Dimana: = b − b ……………………….………(2.17)
D
S = Kecepatan (km/jam) D Ln D 𝐋𝐧 𝐂
V = . 𝐛 ………………………..……..(2.18)
Sff = Kecepatan pada saat kondisi lalu lintas b
sangat rendah atau pada kondisi kepadatan Persamaan (2.18) adalah persamanan yang
mendekati nol atau kecepatan mendekati nol menyatakan hubungan matematis antara Arus –
atau kecepatan arus bebas (km/jam) Kepadatan.
Dj = Kepadatan pada kondisi arus lalu lintas Hubungan matematis antara Arus –
macet total (kend/km) Kecepatan dapat diturunkan dengan menggunakan
Hubungan matematis antara Arus– persamaan dasar (2.1), dan selanjutnya dengan
Kepadatan dapat diturunkan dengan menggunakan memasukkan persamaan (2.6) ke persamaan (2.16),
persamaan dasar (2.1), dan selanjutnya dengan maka bisa diturunkan persamaan (2.19) - (2.20).
V
memasukan persamaan (2.2) ke persamaan (2.1), S
= C. ebS ……………………………………(2.19)
maka bisa diturunkan persamaan (2.3) – (2.4). V = S. C. ebS
V
S = ……………………………..……(2.3) ……………………………..………...(2.20)
D
V Sff Persamaan (2.20) adalah persamaan yang
= Sff − . D……………………….…(2.4)
D Dj menyatakan hubungan matematis antara Arus –
Sff
V = D . Sff − . D² ………….………(2.5) Kecepatan (Kapasitas).
Dj
III.5 Metode Analisa Data Ternyata dapat dikembalikan kepada model linier
1. Analisa Regresi Linier apabila diambil logaritmanya. Sehingga dalam
Analisis regresi Linier adalah metode statistik logaritma persamaannya menjadi :
yang dapat digunakan untuk mempelajari hubungan Log Y = Log a + (log b)X
antarsifat permasalahan yang sedang diselidiki. ……….…..…..(3.8)
Model analisis regresi linier dapat memodelkan Dan apabila diambil Y = Log Y ; a = Log a ; dan b
hubungan antara dua peubah atau lebih. Pada model = Log b, maka diperoleh model liniernya :
ini terdapat peubah tidak bebas (y) yang mempunyai Y = a + bX …………………………………..(3.9)
hubungan fungsional dengan satu atau lebih peubah
bebas (xi). Dalam kasus yang paling sederhana,
hubungan secara umum dapat dinyatakan dalam
persamaan berikut berikut: b. Metode Logaritmic
Y = A + BX …………………….…..…….. (3.1) Taksiran untuk model ini dapat diperoleh dengan
Dimana: Y = Peubah tidak b persamaan sebagai berikut :
X = Peubah bebas Y = a + b Ln X …………………….…….. (3.10)
A = Konstanta regresi
B = Koefisien Regresi
Konstanta A dan koefisien regresi B dapat IV. HASIL PENELITIAN DAN
dihitung dari persamaan normal sederhana: PEMBAHASAN
∑ 𝑦 = 𝑛. 𝐴 + 𝐵. ∑ 𝑥 ………………(3.2) IV. 1. Data Volume Lalu Lintas ….…. (3.2)
∑ 𝑥𝑦 = 𝐴. ∑ 𝑥 + 𝐵. ∑ 𝑥 2 …………..(3.3) ……...(3.3) Pengambilan data volume lalu lintas dibagi
Dimana: n = banyaknya sampel dalam 4 kelompok lalu lintas yang memberikan
Parameter A dan B dapat diperkirakan pengaruh yang berbeda yaitu : kendaraan ringan
dengan menggunakan metode kuadrat terkecil yang (LV), kendaraan berat (HV), sepeda motor (MC)
meminimumkan total kuadratis residual antara hasil dan kendaraan tak bermotor. Data pengamatan
model dengan hasil pengamatan. Nilai Parameter A dicatat dan dikelompokkan pada setiap arah
dan B bisa didapatkan dari persamaan (3.4) dan (3.5) pergerakan di lembar pengisian data jumlah
berikut (Tamin, 2000). kendaraan yang sudah disiapkan. Data volume lalu
𝑁 ∑𝑖(𝑋𝑖 𝑌𝑖)−∑𝑖(𝑋𝑖 ).∑𝑖(𝑌𝑖 ) lintas dalam satuan kend / jam dan kemudian
𝐵= 2 …….(3.4)
𝑁 ∑𝑖(𝑋𝑖2 )−(∑𝑖(𝑋𝑖)) dikalikan dengan faktor ekivalen mobil
(∑ 𝑦−𝑏.∑ 𝑥)
𝐴= …………..…….(3.5) penumpang (emp) sebagai berikut :
𝑛
1. Kendaraan ringan = 1,0
Cara di atas disebut metode kwadrat terkecil (least 2. Kendaraan berat = 1.3
square method). 3. Sepeda motor = 0,4
4. Kendaraan tak bermotor = 1,0
2. Analisa Korelasi Dari hasil perkalian tersebut didapatkan data
Derajat atau tingkat hubungan antara dua volume lalu lintas di jalan Ahmad Yani Kuala
variabel diukur dengan Indeks Korelasi, yang disebut Pembuang .
sebagai koefisien korelasi dan ditulis dengan symbol
R. apabila nilai koefisien korelasi tersebut IV.2. Data Waktu Tempuh Kendaraan
dikuadratkan (R2), maka disebut sebagai koefisien Data waktu tempuh kendaraan didapatkan
determinasi yang berfungsi untuk melihat sejauh dengan cara manual. Perhitungan kecepatan
mana ketepatan fungsi regresi. kendaraan didapat dengan menggunakan rumus :
Nilai koefisien korelasi dapat dihitung d
dengan memakai rumus :
S=
t ……………….…..……(4.1)
n ( XiYi ) − ( ( Xi) (Yi )) Dimana :
R=
(n…………………………….……….(3.6)
(Xi ) − ( Xi) )(n (Yi ) − (Yi ) )
2 2 2 2
S = Kecepatan (Km/jam)
d = Jarak Tempuh (m)
t = Waktu tempuh kendaraan (det)
Dimana :
IV.3. Kepadatan
R = koefisien korelasi
Kepadatan kendaraan dihitung dengan
R2 = koefisien determinasi
membagi volume lalu lintas dengan variabel
kecepatan rata-rata dengan menggunakan persamaan
3. Analisa Regresi Non Linier/Kurva Estimasi
di bawah ini:
Di samping peramalan dengan analisa regresi
V
linier juga dalam penelitian ini dipakai metode D=
regresi non linier atau disebut juga kurva estimasi. S
Regresi non linier merupakan suatu cara ………………….……………..(4.2)
membuktikan suatu hipotesis jika regresi liniernya
tidak didapat yaitu dilihat letak titik-titik liniernya Dimana:
dalam diagram sangat menyimpang dari letak titik-
D = Kepadatan lalu lintas (kendaraan/km)
titik yang sebenarnya. V = Volume lalu lintas (kendaraan/jam)
Oleh karena itu perlu memperbaikinya dengan S = Kecepatan kendaraan (km/jam)
regresi non linier. Berikut ini adalah beberapa bentuk
metode regresi non linier:
a. Metode Exponensial
V.2. Saran
1. Analisa perbandingan perhitungan kapasitas
dengan menggunakan Manual Kapasitas Jalan
Indonesia (MKJI – 1997) dan Pemodelan Linier
Greenshields, Model Greenberg dan Model
Underwood perlu di teliti lagi dengan kondisi lalu
lintas yang padat dan hambatan samping yang
tinggi
2. Belum diperlukan pembenahan manajemen lalu
lintas di Jalan Ahmad Yani Kota Kuala
Pembuang Kab Seruyan karena volume lalu
lintas masih sangat rendah.