Muhammad Hilmi Alparisi

22-2020-064

Asistensi Perencanaan Transportasi

SUB CPMK 3

C1. Faktor-faktor yang mempengaruhi besarnya trip generation yaitu:

1. Jenis Penggunaan Lahan(Land Use), jenis aktivitas yang ada disuatu area, seperti
perumahan,komersial atau institusi pendidikan akan mempengaruhi besarnya trip generation
2. Intensitas Penggunaan Lahan(Land Use Intensity), Tingkat intensitas penggunaan lahan juga
berperan penting, contoh pusat perbelanjaan yang besar akan lebih banyak perjalanan
dibandingkan dengan pusat perbelanjaan yang lebih kecil
3. Lokasi Geografis, Lokasi suatu area dalam hubungan dengan pusat kota, jalan raya utama dan
fasilitas transportasi lainnya akan mempengaruhi besarnya trip generation. Area yang terletak
di dekat pusat kota biasanya memiliki trip generation yang lebih tinggi
4. Ukuran Populasi dan Penduduk, Jumlah penduduk atau populasi di suatu area akan
berdampak besar pada trip generation. Semakin banyak orang yang tinggal di suatu daerah,
semakin banyak perjalanan yang akan dihasilkan
5. Aksebilitas Transportasi, Ketersediaan dan jenis sarana transportasi seperti jalan raya,
angkutan umum, jalur sepeda dan jalan kaki dapat mempengaruhi trip generation.
6. Kebijakan Pengembagan dan Zonasi, Kebijakan pemerintah terkait penggunaan lahan, zonasi
dan perencanaan perkotaan dapat mempengaruhi besarnya trip generation.
7. Karekteristik Penduduk, Demografi penduduk seperti usia, jenis kelamin, dan tingkat
kepemilikan kendaraan, juga berpengaruh.
8. Jenis Kegiatan dan Waktu Operasi, Jenis kegiatan yang dilakukan di suatu area serta waktu
operasionalnya juga mempengaruhi trip generation.
9. Perubahan Musiman dan Acara Khusus, Faktor musiman seperti liburan atau acara khusus
seperti konser dapat meningkatkan trip generation secara signifikan dalam periode tertentu
10. Perubahan Teknologi, Seperti peningkatan e-commerce dan bekerja dari rumah, dapat
mempengaruhi besarnya trip generation dengan mengurangi perjalanan ke toko fisik atau
kantor

Setiap area atau proyek memiliki kombinasi unik dari faktor-faktor ini yang akan mempengaruhi
trip generation. Oleh karena itu, analisis trip generation yang cermat diperlukan dalam
perencanaan perkotaan dan transportasi untuk memahami dan mengantisipasi dampak
perjalanan yang dihasilkan oleh suatu aktivitas atau pengembangan
C2. Data pergerakan dan kepemilikan kendaraan tahun 2021

Zona Bangkitan Pergerakan (per hari) Kepemilikan Kendaraan

B C
1 270 1030
2 283 1494
3 287 1563
4 329 2096
5 488 2986
6 339 3069
7 310 2999
8 369 3597
(Data yang digunakan adalah data pada tabel B dan C pada Zona 1)

Dari data diatas tersebut diperoleh data bangkitan dan kepemilikan kendaraan untuk data regresi

kepemilikan ked
no bangkitan (y) (x) xy x2 y2
1 270 1030 278100 1060900 72900
2 283 1494 422802 2232036 80089
3 287 1563 448581 2442969 82369
4 329 2096 689584 4393216 108241
5 488 2986 1457168 8916196 238144
6 339 3069 1040391 9418761 114921
7 310 2999 929690 8994001 96100

8 369 3597 1327293 12938409 136161

total 2675 18834 6593609 50396488 928925

Contoh perhitungan xy x2 y2

xy x2 y2
278100 1060900 72900

Xy = 270 x 1030 = 278100

X2 = 10302 = 1060900

X3 = 2702 = 72900
 SUMMARY OUTPUT

Regression Statistics
Multiple R 0,64778745
R Square 0,41962858
Adjusted R
Square 0,32290002
Standard Error 57,744395
Observations 8

ANOVA
Significance
df SS MS F F
Regression 1 14465,38411 14465,38411 4,338207291 0,08241081
Residual 6 20006,49089 3334,415149
Total 7 34471,875

Standard Lower
Coefficients Error t Stat P-value Lower 95% Upper 95% 95,0%
Intercept 219,320094 58,89149205 3,72413885 0,009804299 75,2178037 363,4223833 75,21780367 3
kepemilikan ked -
(x) 0,04887115 0,02346375 2,082836357 0,082410805 -0,0085426 0,106284878 0,008542576 0

Chart Title
600

500

400 y = 0,0489x + 219,32

R² = 0,4196
300

200

100

0
0 500 1000 1500 2000 2500 3000 3500 4000

Maka diperoleh persamaan

y = 0,0489x + 219,32

R2 = 0,4196
diperoleh data kepemilikan kendaraan pada tahun 2017 sampai 2021 sebagai berikut:
Zona 2017 2018 2019 2020 2021
1 1632 1894 2108 2235 2376
2 1435 2956 1899 2298 2215
3 1857 1836 1987 2387 2344
4 2110 2323 2974 2699 2812
5 3157 3268 3425 3579 3714
6 3875 3984 3511 3712 3829
7 3180 3498 3775 3824 3965
8 3867 3989 4102 4301 4529

C3. Hitunglah perkiraan bangkitan pergerakan zona 1 pada tahun 2044

zona 1
kepemilikan ked
no
Tahun (x) (y) xy x2 y2
1 2017 1632 3291744 4068289 2663424
2 2018 1894 3822092 4072324 3587236
3 2019 2108 4256052 4076361 4443664
4 2020 2235 4514700 4080400 4995225
5 2021 2376 4801896 4084441 5645376
Total 10095 10245 20686484 20381815 21334925

xy x2 y2
3291744 4068289 3291744

Contoh Perhitungan :

Xy = 2017 x 1632 = 3291744

X2 = 20142 = 4068289

Y2 = 16322 = 2663424
SUMMARY OUTPUT

Regression Statistics
Multiple R 0,987682
R Square 0,975516
Adjusted R Square 0,967355
Standard Error 52,90211
Observations 5

ANOVA
df SS MS F Significance F
Regression 1 334524,1 334524,1 119,5312 0,001638
Residual 3 8395,9 2798,633
Total 4 342920

Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95,0% Upper 95,0%
Intercept -367226 33776,09 -10,8724 0,001665 -474717 -259735 -474717 -259735
Tahun (x) 182,9 16,72912 10,93303 0,001638 129,6605 236,1395 129,6605 236,1395
 Chart Title
3000

2500

2000 y = 182,9x - 367226

R² = 0,9755
1500

1000

500

0
2016,5 2017 2017,5 2018 2018,5 2019 2019,5 2020 2020,5 2021 2021,5

Maka diperoleh persamaan

y = 182,9x – 367226

R2 = 0,9755
 C4. Data tambahan besarnya tarikan pergerakan dan jumlah sarana hiburan pada tahun 2020

Terikan jumlah
Pergerakan sarana
hiburan
no per hari (y) (x) xy x2 y2
1 1894 205 388270 42025 3587236
2 1789 299 534911 89401 3200521
3 1836 297 545292 88209 3370896
4 2145 310 664950 96100 4601025
5 2350 299 702650 89401 5522500
6 2467 327 806709 106929 6086089
7 2756 387 1066572 149769 7595536
8 3989 478 1906742 228484 15912121

total 19226 2602 6616096 890318 49875924 46000000

xy x2 x3
388270 42025 3587236

Contoh Perhitungan

Xy = 1894 x 205 = 388270

X2 = 2052 = 42025

Y2 = 18942 = 3587236

SUMMARY OUTPUT

Regression Statistics
Multiple R 0,902625
R Square 0,814732
Adjusted R Square 0,783854
Standard Error 336,6815
Observations 8

ANOVA
df SS MS F Significance F
Regression 1 2990913 2990913 26,38549 0,002143
Residual 6 680126,7 113354,5
Total 7 3671040

Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95,0% Upper 95,0%
Intercept -277,81 535,3455 -0,51894 0,622383 -1587,75 1032,134 -1587,75 1032,134
hiburan (x) 8,243074 1,604747 5,136681 0,002143 4,316399 12,16975 4,316399 12,16975
 Chart Title
5000

4000
y = 8,2431x - 277,81
R² = 0,8147
3000

2000

1000

0
0 100 200 300 400 500

Maka diperoleh persamaan

y = 8,2431x – 277,81

R2 = 0,8147