TRIP DISTRIBUTION

Bagus Hario Setiadji

Program Magister Teknik Sipil
Fakultas Teknik Universitas Diponegoro
 Pendahuluan
• Analisis distribusi perjalanan (trip distribution) adalah
prosedur untuk mendistribusikan perjalanan dari tiap zona
asal (origin zones) ke zona tujuan (destination zones).
• Untuk keperluan distribusi perjalanan, sudah harus dketahui
terlebih dahulu berapa jumlah perjalanan yang dibangkitkan
di tiap zona asal dan berapa jumlah perjalanan yang akan
tertarik ke zona tujuan (kedua hal ini diperoleh dari hasil
analisis bangkitan perjalanan/trip generation)  dari hasil
survei atau berdasarkan pedoman trip rate yang berlaku.
• Untuk keperluan peramalan distribusi perjalanan, diperlukan
peramalan jumlah perjalanan yang akan dibangkitkan dan
jumlah perjalanan yang akan tertarik  berdasarkan metode
analisis kategori/klasifikasi silang atau metode regresi.
 Ilustrasi Distribusi Perjalanan

 Distribusi perjalanan C

oap  d ac
p
 d ab
p

p
d ac
abp  d ab
p
 dcb
p
d cbp

A B

oap abp
p
d ab
 Ilustrasi Distribusi Perjalanan
 Dinyatakan dalam matriks distribusi perjalanan
Ke zona tujuan
1 2 3 …. N 
1 t11 t12 t13 T1… t1N P1
Dari zona asal

2 t21 t22 t23 T2… t2N P2

3 t31 t32 t33 T3… t3N P3
: t…1 t…2 t…3 t… … t…N P…
N tN1 tN2 TN3 TN… tNN PN
 A1 A2 A3 A… AN
 tij = trip dari asal zona i ke tujuan zona j
 Penjumlahan perjalanan dalam satu baris = jumlah perjalanan dari
zona asal dari baris tersebut (Pi) =  tij
j
 Penjumlahan perjalanan dalam satu kolom = jumlah perjalanan
menuju ke zona tujuan dari kolom tersebut (Aj) =  tij
i
 Ilustrasi Distribusi Perjalanan
 Dalam matriks distribusi perjalanan, perjalanan dari zona asal
ke zona tujuan dikembangkan tanpa informasi yang jelas
mengenai moda (jenis kendaraan) yang akan digunakan (
akan dijelaskan di tahap pemilihan moda/mode choice) dan
rute yang akan digunakan ( akan dijelaskan di tahap
pembebanan perjalanan/trip assignment)
 Peramalan dalam Trip Distribution
• Metode faktor pertumbuhan (growth factor)
– Metode faktor seragam (uniform factor)
– Metode faktor rata-rata (average factor)
– Metode Detroit
– Metode Fratar
– Metode Furness
• Model perjalanan antar wilayah (inter area travel models)
– Model Gravity
– Model Opportunity (silakan dipelajari sendiri)
– Pendekatan pemrograman linier (silakan dipelajari sendiri)
 Peramalan dalam Trip Distribution:
Metode faktor seragam
• Di dalam metode ini, satu faktor pertumbuhan digunakan
untuk seluruh zona. Setiap perjalanan antar zona eksisting (tij)
akan dikalikan dengan faktor pertumbuhan ini untuk
mendapatkan perjalanan antar zona di masa mendatang (tijf) .
• Faktor pertumbuhan seragam (F) diperoleh dengan membagi
jumlah perjalanan di masa mendatang dengan jumlah
perjalanan eksisting.

tijf = tij x F
 Peramalan dalam Trip Distribution:
Metode faktor seragam
• Metode ini sangat sederhana dalam penggunaannya, namun
metode ini akan memberikan hasil yang tidak akurat apabila
perubahan yang signifikan terjadi dalam tata guna lahan di
zona asal dan/atau di zona tujuan.
• Begitu juga pada zona yang sedang berkembang, dimana
diprediksi akan membangkitkan perjalanan yang meningkat di
masa mendatang, maka metode ini juga tidak dapat
digunakan.
 Peramalan dalam Trip Distribution:
Metode faktor rata-rata
• Metode ini berdasarkan fakta bahwa tingkat pertumbuhan pada
umumnya berbeda antar zona. Oleh karena itu, metode ini
menggunakan nilai faktor pertumbuhan yang berbeda dengan
cara mencari nilai rata-rata dari faktor pertumbuhan di zona asal
dan faktor pertumbuhan di zona tujuan.

Fi = faktor pertumbuhan di zona asal i = Pif / Pi = Pif / j tij

Pif = jumlah perjalanan dari zona asal i pada masa mendatang
Pi = jumlah perjalanan dari zona asal i eksisting

Fj = faktor pertumbuhan di zona tujuan j = Ajf / Aj = Ajf / i tij

Ajf = jumlah perjalanan dari zona tujuan j pada masa mendatang
Aj = jumlah perjalanan dari zona tujuan j eksisting
 Peramalan dalam Trip Distribution:
Metode faktor rata-rata
• Kemudian:

tijf = tij x 0,5 (Fi + Fj)

• Setelah setiap trip di dalam matriks dihitung, maka jumlah trip

setiap baris (Pi) dan setiap kolom (Aj) akan berbeda (tidak sama
dengan jumlah trip di masa mendatang, baik untuk Pif dan Ajf)
• Oleh karena itu, perlu dilakukan iterasi sedemikian rupa sehingga
setelah beberapa kali iterasi, akan diperoleh jumlah trip setiap
baris akan sama dengan Pi dan jumlah trip untuk setiap kolom
akan sama dengan Aj.
 Peramalan dalam Trip Distribution:
Metode Detroit
• Metode ini mengasumsikan bahwa perjalanan di masa
mendatang proporsional dengan tingkat pertumbuhan di zona i
(Fi), zona j (Fj) dan tingkat pertumbuhan di seluruh zona (F)

tijf = tij x Fi x Fj / F

Fi = faktor pertumbuhan di zona asal i = Pif / Pi = Pif / j tij

Fj = faktor pertumbuhan di zona tujuan j = Ajf / Aj = Ajf / i tij
F = faktor pertumbuhan di seluruh zona (jumlah total perjalanan
di masa mendatang dibagi jumlah total perjalanan eksisting)
• Metode ini menggabungkan kedua metode sebelumnya, sehingga
dianggap metode ini lebih rasional.
 Peramalan dalam Trip Distribution:
Metode Fratar
• Persamaan umum dari metode Fratar adalah sebagai berikut.

tijf = tij x Fi x Fj x 0,5 x (Li + Lj)

Fi = faktor pertumbuhan di zona asal i = Pif / Pi = Pif / j tij

Fj = faktor pertumbuhan di zona tujuan j = Ajf / Aj = Ajf / i tij
Li dan Lj = faktor lokasi, diberikan oleh persamaan berikut.
N
Li = Pi / 
j 1
tij F j

N
Lj = Aj / 
i 1
tij Fi
 Peramalan dalam Trip Distribution:
Metode Fratar
• Distribusi perjalanan di masa mendatang yang berasal dari suatu
zona tergantung pada pola distribusi perjalanan pada kondisi
eksisting (dan tergantung juga oleh faktor pertumbuhan di zona-
zona).
• Faktor lokasi (Li dan Lj) merupakan komponen daya tarik dari zona
tujuan terhadap perjalanan yang berasal dari zona asal.
• Metode ini akan di-iterasi sampai tercapainya target berikut.

Pi = j tij

Aj =  tij
i
 Peramalan dalam Trip Distribution:
Metode Furness
• Metode ini menggunakan perhitungan secara bergantian
komponen baris dan komponen kolom dari matriks distribusi
perjalanan.
• Persamaan umum dari metode ini:

tijf = tij x Fi atau tijf = tij x Fj

• Metode ini memberikan hasil yang paling akurat dibandingkan

dengan keempat metode sebelumnya.
 Peramalan dalam Trip Distribution:
Kesimpulan Metode Pertumbuhan
• Metode ini hanya bisa digunakan apabila periode
perencanaannya relatif pendek
• Akurasi prediksi dari metode ini tidak mudah untuk diperoleh
• Metode ini mudah digunakan
• Metode ini tidak mempertimbangkan karakteristik transportasi
dan atribut perjalanan
 Peramalan dalam Trip Distribution:
Metode Gravity
• Metode ini berdasarkan hukum gravitasi Newton, yaitu
perjalanan antar zona adalah proporsional dengan data tarik dari
masing-masing zona, dan berbanding terbalik dengan jarak atau
fungsi halangan perjalanan lainnya (bisa biaya, waktu, dan lain
sebagainya).
mi m j
Fij   2 hukum gravitasi Newton
sij

oip a jp
d ijp   model gravitasi oleh Alan M. Voorhees (1955)
cij b
Cij = biaya perjalanan/jarak dari i ke j;  = konstanta pembanding
oip = pip = jumlah perjalanan dari zona asal
 Peramalan dalam Trip Distribution:
Metode Gravity
• Dengan melakukan derivasi terhadap konstanta , maka akan
diperoleh persamaan berikut.

a jp dimana:

cij  b k = jumlah zona

d ijp  oip b = biaya/eksponen dari jarak

n a kp apj = ukuran daya tarik untuk melakukan
 perjalanan
k 1 cik  b
 Peramalan dalam Trip Distribution:
Metode Gravity
• Distribusi perjalanan
– Variasi dari eksponen jarak (b)
Maksud perjalanan Ukuran daya tarik Eksponen dari jarak
Bekerja jumlah orang yang bekerja 0.5
Sosial satuan-satuan kelompok 3
Berbelanja
- kebutuhan harian luas lantai komersial 2
- barang mewah luas lantai komersial 3
Bisnis luas lantai 2
Rekreasi luas lantai 2
Lain-lain luas lantai 2
 Peramalan dalam Trip Distribution:
Metode Gravity
• Contoh dari distribusi perjalanan
– Maksud perjalanan: berbelanja kebutuhan harian (b = 2)
 Peramalan dalam Trip Distribution:
Metode Gravity
• Contoh dari distribusi perjalanan
a jp
cij b
d ijp  oip
n a kp

k 1 cik b
aj
c1 j 2
d ij  o1
a1 a2 a3 a4
  
c11  2
c12  2
c13  2
c14 2
MODEL PERAMALAN PERMINTAAN
PERJALANAN
• Contoh dari distribusi perjalanan
10000
1 10000
d11  1500  1500
10000 10000 15000 5000 10000  100  1667  200
  
1 100 9 25
10000
 1500  1253.5 perjalanan /hari 1
11967
10000
d12  1500 100  12.5 perjalanan /hari 4
11967
15000
d13  1500 9  208.9 perjalanan /hari 2
11967
5000
d14  1500 25  25.1 perjalanan /hari
3
11967
 End of Class.

Thank You.