Transport Demand

Modelling
4 Steps Model
Mode Choice
1. Trip Generation; Prediksi frekuensi bangkitan atau tarikan
pergerakan berdasarkan land use, demografi, dan factor sosial-
ekonomi lainnya
2. Trip Distribution : Membuat pasangan antara sumber dan tujuan
pergerakan, seringkali dengan menggunakan Gravity Model.
3. Modal Choice / Split : Menghitung proporsi pergerakan pada tiap
pasangan sumber dan tujuan pergerakan, dengan menggunakan
sarana transportasi tertentu.
4. Route / Traffic Assignment : Menentukan rute yang ditempuh oleh
tiap moda transportasi pada tiap-tiap pasangan sumber dan tujuan
pergerakan.
3. Mode Choice
1. Pengguna jasa transportasi/trip maker
1. Golongan paksawan(captive)
2. Golongan pilihanwan(choice)
2. Bentuk alat(moda)
1. Moda kendaraan pribadi(private transportation)
2. Moda umum(public transportation)
Untuk mendapatkan hasil perhitungan jumlah pelaku jalan yang menggunakan dua atau
lebih moda transportasi yang betul-betul proporsional, dilakukan beberapa tahap analisis
1. Tahap pertama, pengidentivikasian beberapa faktor (variabel) yang diasumsikan
berpengaruh secara berarti terhadap perilaku pelaku perjalanan (trip maker behavior)
dalam menjatuhkan pilihan alternatif alat angkutan yang dipakai untuk bepergian.
2. Memodelkan nilai kepuasan (utility) pelaku perjalanan untuk beberapa oilihan
alternatif alat angkutan yang dipakai melalui model analisis regresi linear buat
mendapatkan angka kepuasan (nilai utilitas) menggunakan masing-masing moda
angkutan.
3. Memodelkan peluang (probabilitas/oportunity) masing-masing alternatif pilihan moda
angkutan yang dipakai melalui beberapa model pilihan moda angkutan seperti “binary
model” di antaranya logit biner, probit, multinominal logit atau Gunarson (akiva dan
lerman, 1985) dengan cara mengeksponenkan nilai kepuasan masing-masing moda
angkutan yang sudah kita dapatkan pada tahapan kedua.
4. Yang terakhir barulah didapatkan angka proporsi (dalam %) peluang atau pangsa pasar
masing-masing moda angkutan untuk dipilih dari sejumlah calon pengguna moda
(user) tertentu sebagai perkiraan (estimation) serta angka mutlaknya.
Tahap I
identifikasi faktor yang berpengaruh

I. Kelompok faktor karakteristik perjalanan (travel characteristics factor)

1. Variabel tujuan perjalanan (trip purpose)
2. Variable waktu perjalanan ( time of trip made)
3. Variabel panjang perjalanan (trip length)
II. Kelompok faktor karakteristik pelaku perjalanan (traveler characteristics factor)
1. Variabel pendapatan (income)
2. Variabel kepemilikan kendaraan (car ownership)
3. Variabel kondisi kendaraan pribadi (tua, jelek, baru)
4. Variabel kepadatan pemukiman (densitu of resedential development)
5. Variabel sosial ekonomi lainnya(struktur dan ukuran keluarga, usia, jenis kelamin, lokasi pekerjaan, kepemilikan SIM,
serta variabel lainnya
III. Kelompok faktor karakteristik sistem transportasi (transportation system characteristics factor)
1. Variabel waktu relatif (lama) perjalanan (relative time travel)
2. Variabel biaya relatif perjalanan (relative travel cost)
3. Variabel tingkat pelayanan relatif (relative level of service)
4. Variabel tingkat akses/indeks daya hubung/kemudahan mencapai tempat tujuan
5. Variabel tingkat kehandalan angkutan umum di segi waktu (tepat waktu/reliability), ketersediaan ruang parkir dan tarif
IV. Kelompok faktor karakteristik kota dan zona (spacial characteristics factor)
1. Variabel jarak kediaman dengan tempat kegiatan (cbd)
2. Variabel kepadatan penduduk
 III. Kelompok faktor karakteristik sistem transportasi (transportation
system characteristics factor)
1. Variabel waktu relatif (lama) perjalanan (relative time travel)
𝑋1 +𝑋2 +𝑋3 +𝑋4 +𝑋5
RWP (rasio waktu perjalanan) = 𝑋6 +𝑋7 +𝑋8
Dimana
𝑋1 = 𝑤𝑎𝑘𝑡𝑢 𝑏𝑒𝑟𝑘𝑒𝑛𝑑𝑎𝑟𝑎𝑎𝑛 𝑎𝑛𝑔𝑘𝑢𝑡𝑎𝑛 𝑢𝑚𝑢𝑚.
𝑋2 = 𝑤𝑎𝑘𝑡𝑢 𝑔𝑎𝑛𝑡𝑖 𝑚𝑜𝑑𝑎 𝑎𝑛𝑡𝑎𝑟𝑎 𝑎𝑛𝑔𝑘𝑢𝑡𝑎𝑛 𝑢𝑚𝑢𝑚 1 𝑑𝑒𝑛𝑔𝑎𝑛 𝑎𝑛𝑔𝑘𝑢𝑡𝑎𝑛 𝑢𝑚𝑢𝑚 2 (𝑚𝑖𝑠𝑎𝑙𝑛𝑦𝑎 𝑎𝑛𝑡𝑎𝑟𝑎 𝑎𝑛𝑔𝑘𝑜𝑡 𝑑𝑎𝑛 𝑏𝑢𝑠 𝑢𝑚𝑢𝑚).
𝑋3 = 𝑤𝑎𝑘𝑡𝑢 𝑚𝑒𝑛𝑢𝑛𝑔𝑔𝑢 𝑎𝑛𝑔𝑘𝑢𝑡𝑎𝑛 𝑢𝑚𝑢𝑚.
𝑋4 = 𝑤𝑎𝑘𝑡𝑢 𝑏𝑒𝑟𝑗𝑎𝑙𝑎𝑛 𝑘𝑒 𝑝𝑒𝑚𝑏𝑒𝑟ℎ𝑒𝑛𝑡𝑖𝑎𝑛 𝑎𝑛𝑔𝑘𝑢𝑡𝑎𝑛 𝑢𝑚𝑢𝑚 𝑑𝑖 𝑡𝑒𝑚𝑝𝑎𝑡 𝑎𝑠𝑎𝑙.
𝑋5 = 𝑤𝑎𝑘𝑡𝑢 𝑏𝑒𝑟𝑗𝑎𝑙𝑎𝑛 𝑑𝑎𝑟𝑖 𝑎𝑛𝑔𝑘𝑢𝑡𝑎𝑛 𝑢𝑚𝑢𝑚 𝑘𝑒 𝑡𝑒𝑚𝑝𝑎𝑡 𝑡𝑢𝑗𝑢𝑎𝑛.
𝑋6 = 𝑤𝑎𝑘𝑡𝑢 𝑚𝑒𝑛𝑔𝑒𝑚𝑢𝑑𝑖 𝑚𝑜𝑏𝑖𝑙 𝑝𝑟𝑖𝑏𝑎𝑑𝑖.
𝑋7 = 𝑤𝑎𝑘𝑡𝑢 𝑚𝑒𝑚𝑎𝑟𝑘𝑖𝑟 𝑚𝑜𝑏𝑖𝑙 𝑝𝑟𝑖𝑏𝑎𝑑𝑖 𝑑𝑖 𝑡𝑒𝑚𝑝𝑎𝑡 𝑡𝑢𝑗𝑢𝑎𝑛.
𝑋8 = 𝑤𝑎𝑘𝑡𝑢 𝑏𝑒𝑟𝑗𝑎𝑙𝑎𝑛 𝑑𝑎𝑟𝑖 𝑡𝑒𝑚𝑝𝑎𝑡 𝑝𝑎𝑟𝑘𝑖𝑟 𝑚𝑜𝑏𝑖𝑙 𝑘𝑒 𝑡𝑒𝑚𝑝𝑎𝑡 𝑡𝑢𝑗𝑢𝑎𝑛.

2. Variabel biaya relatif perjalanan (relative travel cost)

𝑋9
RBP (rasio biaya perjalanan) =
(𝑋10 +𝑋11 +0,5𝑋12 )/𝑋13
𝑋9 = 𝑏𝑖𝑎𝑦𝑎 𝑎𝑛𝑔𝑘𝑢𝑡𝑎𝑛 𝑢𝑚𝑢𝑚.
𝑋10 = 𝑏𝑖𝑎𝑦𝑎 𝑏𝑎ℎ𝑎𝑛 𝑏𝑎𝑘𝑎𝑟.
𝑋11 = 𝑏𝑖𝑎𝑦𝑎 𝑚𝑖𝑛𝑦𝑎𝑘 𝑝𝑒𝑙𝑢𝑚𝑎𝑠.
𝑋12 = 𝑏𝑖𝑎𝑦𝑎 𝑝𝑎𝑟𝑘𝑖𝑟.
𝑋13 = 𝑏𝑖𝑎𝑦𝑎 𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑚𝑒𝑚𝑖𝑙𝑖𝑘𝑖 𝑘𝑒𝑛𝑑𝑎𝑟𝑎𝑎𝑛 𝑝𝑟𝑖𝑏𝑎𝑑𝑖 𝑚𝑒𝑛𝑢𝑗𝑢 𝑘𝑒 𝑡𝑢𝑗𝑢𝑎𝑛.
𝑋8 = 𝑤𝑎𝑘𝑡𝑢 𝑏𝑒𝑟𝑗𝑎𝑙𝑎𝑛 𝑑𝑎𝑟𝑖 𝑡𝑒𝑚𝑝𝑎𝑡 𝑝𝑎𝑟𝑘𝑖𝑟 𝑚𝑜𝑏𝑖𝑙 𝑘𝑒 𝑡𝑒𝑚𝑝𝑎𝑡 𝑡𝑢𝑗𝑢𝑎𝑛.

2. Variabel tingkat pelayanan relatif (relative level of service)

3. Variabel tingkat akses/indeks daya hubung/kemudahan mencapai tempat tujuan
4. Variabel tingkat kehandalan angkutan umum di segi waktu (tepat waktu/reliability), ketersediaan ruang parkir dan tarif
Ketiga variabel terakhir (3,4, dan 5) merupakan kelompok variabel yang sulit diukur (dikuantifikasikan) dan masuk kelompok variabel kualitatif (difficult to
quantify). NCTA mencoba merasiokan tingkat pelayanan relatif melalui model berikut
𝑋 +𝑋 +𝑋 +𝑋
RPP (rasio pelayanan perjalanan) = 2 𝑋3 +𝑋4 5
7 8
Tahap II
Nilai kepuasan pelaku perjalanan (user) dalam menggunakan moda
transportasi alternatif, dipengaruhi dan berhubungan dengan varibel-
variabel yang sudah dianggap memiliki hubungan yang kuat dengan
perilaku pelaku perjalanan dan bentuk hubungannya dapat dilihat
melalui fungsi utility berikut (Akiva dan Lerman, 1985)
𝑈 = 𝑓 𝑉1 , 𝑉2 , 𝑉3 , … , 𝑉𝑛
Dimana
𝑈 = nilai kepuasan pelaku perjalanan menggunakan moda transportasi
𝑉1 = variabel-variabel yang dianggap berpengaruh terhadap nilai
kepuasan menggunakan moda trasnportasi tertentu
f = hubungan fungsional
Tahap II
1. Pendekatan agregat
Menganalisis perilaku perjalanan secara menyeluruh yang menurut Manheim (1979) dapat dilakukan dengan 2 cara, yaitu
membagi objek pengamatan menjadi beberapa kelompok yang mempunyai karakteristik elemen yang relatif homogen (sama)
dan melakukan agregasi dari datadata disagregat.
2. Pendekatan disagregat
Menganalisis perilaku perjalanan secara individu. Hal ini mencakup bagaimanan merumuskan tingkah laku individu ke dalam
model kebutuhan transportasi, pendekatannya dibagi menjadi 2
1. Disagregat deterministik
Dilakukan jika pelaku perjalanan mampu mengudentifikasikan semua alternatif moda yang ada, semua variabel yang ada,
persepsi/preferensi variabel secara eksplisit, dan menggunakan seluruh informasi untuk mengambil keputusan.
𝑈𝑖 = 𝑎 + 𝑏1 𝑇 + 𝑏2 𝑋 + 𝑏3 𝐶
Dimana
𝑈𝑖 = nilai kepuasan menggunakan moda i.
T= variabel waktu diatas kendaraan.
X= variabel waktu diluar kendaraan
C= variabel ongkos transportasi
a= konstanta
2. Disagregat stokastik
𝑈𝑚 = 𝛽0 + 𝛽1 𝑡𝑚 + 𝛽2 𝑥𝑚 + 𝛽3 𝑐𝑚 + 𝑒𝑛
Dimana
𝑈𝑚 = nilai kepuasan menggunakan moda m.
tm s/d cm = variabel waktu diatas kendaraan, diluar kendaraan, ongkos transportasi
ß = parameter fungsi kepuasan untuk masing-masing variabel tersebut (koef regresi)
en = konstanta
Tahap III
Memodelkan peluang (probabilitas/kemungkinan) masing-masing alternatif pilihan
moda angkutan yang akan dipakai melalui beberapa bentuk model pilihan moda
transportasi dengan pendekatan disagregat skolastik (random utility). Beberapa
metode menurut Bruton
a. Model ujung perjalanan (trip end model)
b. Model pertukaran perjalanan
c. Model I
d. Model II
e. Model III
f. Mode IV
g. Model 2 moda yang dipilih (angkutan umum dan angkutan pribadi)
h. Model lebih dari 2 moda yang dipilih (apa saja modanya)
i. Model sintesis/logit biner model
j. Model pilihan multi moda
k. Model pemilihan diskrit
a. Model ujung perjalanan (trip end model)
Proses ini menghitung persentase perjalanan dari total pelaku perjalanan untuk suatu moda
tertentu dan dari zona tertentu serta tujuan perjalanan tertentu.
Misalnya, 30% pelaku perjalanan asal rumah-tujuan tempat kerja (zona rumah ke zona
kegiatan) menggunakan bus kota, 20% perjalanan rekreasi dengan kereta api dan seterusnya.

𝑌 = 𝑎 + 𝑏1 log 𝑋1 + 𝑏2 log 𝑋2 + 𝑏3 𝑋3 + 𝑏4 𝑋4 + 𝑏5 𝑋5 + 𝑏6 𝑋6 + 𝑏7 𝑋7
Dimana
Y = % perjalanan bekerja dengan moda
𝑋1 = Rasio waktu perjalanan(RWP)
𝑋2 = Rasio biaya perjalanan(RBP)
𝑋3 = Pemilik kendaraan
𝑋4 = Indeks ukuran keluarga
𝑋5 = Indeks tingkat ekonomi
𝑋6 = Panjang perjalanan
𝑋7 = % pekerja wanita dari penduduk
b. Model pertukaran perjalanan
Model ini mengalokasikan sejumlah perjalanan ke berbagai moda
transportasi pilihan setelah total pelaku perjalanan bergerak diantara
zona yang ada (angka sebaran perjalanan dialokasikan ke berbagai
moda transportasi alternatif)
Dalam analisis, model ini menggunakan variabel-variabel yang sudah
kita identifikasikan ke depan dan dilakukan setelah tahap sebaran
perjalanan (M.A.T)
C. Model I
Analisis pilihan moda dilakukan bersamaan dengan bangkitan
perjalanan, tapi perhitungannya dilakukan secara terpisah seperti pada
gambar berikut

G - MS

A
d. Model II
Model ini mengabaikan pergerakan angkutan umum G
sehingga sebaran perjalanan lansung menyatu dengan
pergerakan angkutan pribadi. Estimasi besarnya pilihan
moda diperoleh dari kurva diversi seperti gambar berikut MS
dan analisis pilihan moda dilakukan setelah tahap
bangkitan perjalanan D

A
e. Model III
Model ini menyatukan model pilihan moda dengan model sebaran
perjalanan khususnya model gravity
Estimasi besarnya pilihan moda dihitung dengan memakai model
gravitasi yang fungsi eksponensialnya merupakan kendala G
transportasi (transport impedance) seperti ongkos, waktu, jarak.
Bentuk umumnya adalah
Ǭ𝑖𝑗 (1) 1
2 =
σ𝑚1 Ǭ𝑖𝑗 (𝑚) 1 + 𝑒 [−𝛽 𝑡𝑖𝑗 2 −𝑡𝑖𝑗 1 ] D - MS
Dimana
Ǭ𝑖𝑗 (1) = estimasi jumlah perjalanan dari i ke j dengan moda 1.
Ǭ𝑖𝑗 (𝑚) = estimasi jumlah perjalanan dari i ke j dengan moda m. A
𝑡𝑖𝑗 1 = kendala perjalanan dari i ke j dengan moda 1.
𝑡𝑖𝑗 2 = kendala perjalanan dari i ke j dengan moda 2.
𝛽= parameter model gravitasi
e. Model IV
Analisis pilihan moda dilakukan setelah tahap sebaran perjalanan.
estimasi besarnya pilhan moda dihitung dengan menggunakan
- Kurva diversi
- Analisis regresi linaer berganda G
- Atau, seperti pada model III, melalui perbandingan dengan kendala
perjalanan pada 2 moda
Pada model IV ini, kendala perjalanan terdiri dari 4 unsur yaitu; waktu,
biaya, pendapatan waktu ganti moda
1
D
𝑀𝑆𝑡 =
𝑙𝑡 𝑏
1+
𝑙𝑎
Dimana MS
MSt = % perjalanan menggunakan angkutan umum (pangsa pasarnya)
lt = kendala perjalanan dari i ke j dengan angutan umum
la = kendala perjalanan dari i ke j dengan angkutan pribadi A
b = faktor (parameter) yang dikalibrasi dari data survey
 g. Model 2 moda yang dipilih (angkutan umum dan angkutan
pribadi)
Proses pilihan moda pada model ini adalah sebagai berikut
Total perjalanan Total perjalanan
(potensial) (potensial)

Melakukan Tidak melakukan Melakukan Tidak melakukan

perjalanan perjalanan perjalanan perjalanan

Mobil pribadi Angkutan umum Mobil pribadi Angkutan Angkutan

umum 1 umum 2
Angkutan Angkutan
umum 1 umum 2
g. Model lebih dari 2 moda yang dipilih (apa saja modanya)
Proses pemlihan sangat bergantung pada kondisi geografis wilayah
dan ketersediaan moda transportasi yang ada, seperti hirarki
pilihan berikut
i. Model sintesis/logit biner model
Merupakan kombinasi sebaran perjalanan dengan pilihan moda.
1
Bentuk model ini adalah seperti
−𝛽𝑐𝑖𝑗
𝑇𝑖𝑗1 𝑒 𝑈1
𝑃𝑖𝑗1 = = 1 2
𝑇𝑖𝑗 −𝛽𝑐𝑖𝑗 −𝛽𝑐𝑖𝑗
𝑒 𝑈1 + 𝑒 𝑈2
Dimana
𝑃𝑖𝑗1 = proporsi (%) perjalanan dari zona asal i ke zona tujuan j menggunakan moda 1.
1
𝐶𝑖𝑗 = kendala perjalanan dari i ke j, dengan menggunakan moda 1.
−𝛽= parameter yang dikalibrasi berdasarkan data survey.

Model ini memiliki beberpa kecendrungan

• Akan menghasilkan kurva diversi berbentuk S.
• Jika 𝐶1 = 𝐶2 atau kendala perjalanan moda 1 dan 2 sama, maka 𝑃1 = 𝑃2 (0,5) atau peluang pangsanya akan
sama.
• Jika 𝐶2 > 𝐶1 atau kendala perjalanan moda 2 lebih besar daripada moda 1 , maka 𝑃1 akan menjadi 1 atau
probabilitas moda 2 akan cendrung mengarah ke 0 (pangsa pasar menurun)
• Model ini dapat dikembangkan untuk berbagai moda
i. Model sintesis/logit biner model (lanjutan)
Model persamaan dapat dimodifikasi menjadi 2
2 −𝛽𝑐𝑖𝑗
2
𝑇𝑖−𝑗 𝑒
𝑃𝑖𝑗 = = 2 1
𝑇𝑖𝑗 𝑒 −𝛽𝑐𝑖𝑗
+𝑒 −𝛽𝑐𝑖𝑗

Dimana
𝑃𝑖𝑗2 = proporsi (%) perjalanan dari zona asal i ke zona tujuan j menggunakan moda .
𝐶𝑖𝑗2 = kendala perjalanan dari i ke j, dengan menggunakan moda 2.
−𝛽= parameter yang dikalibrasi berdasarkan data survey.
Persamaan diatas masih mengandung unsur utilitas (u) kedua moda, dimana u ini dapat kita
tentukan nilainya melalui persamaan garis regresi linier berganda menjadi
𝑘
−𝛽𝑐𝑖𝑗 = 𝑈1(2) = 𝑎 + 𝑏1 𝑉1 + ⋯ + 𝑏𝑛 𝑉𝑛
Dimana
𝑘
−𝛽𝑐𝑖𝑗 = 𝑈1(2) = nilai-nilai manfaat (utilitas) kedua moda (k buah moda)
𝑎= parameter konstanta
𝑏1 − 𝑏𝑛 = parameter regresi
𝑉1 − 𝑉𝑛 = variabel-variabel yang berpengaruh terhadap perilaku pelaku perjalanan
 j. Model pilihan multi moda
Model ini terdiri dari 3 sub model yaitu (Tamin, O.Z, 1997)
a. Struktur N-way: b. Struktur Pertambahan Moda:

Total perjalanan
Total perjalanan

Pemilihan I
Pemilihan moda

Moda A Moda B
Moda A Moda B Moda C

Pemilihan II Pemilihan II

c. Struktur Berjenjang:
Moda A Moda B Moda C
j. Model pilihan multi moda (lanjutan)
Model ini terdiri dari 3 sub model yaitu (Tamin, O.Z, 1997)
c. Struktur Berjenjang: Total perjalanan

Pemisah primer

Moda Gabungan

Pemisah sekunder

Moda A Moda B Moda C

j. Model pilihan multi moda (lanjutan)
Model ini terdiri dari 3 sub model yaitu (Tamin, O.Z, 1997)

Contoh kasus pada model ini

Si sebuah kota, 50% pelaku perjalanan menggunakan mobil pribadi (C/car), dan 50%nya
menggunakan bus umum (B/bus). Kendala perjalanan berupa ongkos mobil pribadi (Cc) =
onkos bus umum (Cb).
Asumsi pengusaha bus ada 2 armada, bus merah (BM/bus merah) dan bus biru (BB/bus biru)
dengan kendala perjalanan sama (𝐶𝐵𝑀 = 𝐶𝐵𝐵 ). Biaya mobil pribadi juga tetap (tidak
berubah).
Pc, dapat dicari dengan persamaan berikut

−𝛽𝐶𝑐
𝑒 𝑈𝑐
𝑃𝑐 = −𝛽𝐶𝑐 −𝛽𝐶𝐵𝑀 −𝛽𝐶𝐵𝐵
𝑒 𝑈𝑐 +𝑒 𝐵𝑀 +𝑒 𝑈𝐵𝐵
𝑈

Dimana
𝑃𝑐 = proporsi % pelaku perjalanan akan naik mobil pribadi
U = nilai utilitas
 k. Model pemilihan diskret
Model ini menganalisis pilihan konsumen (pelaku perjalanan) dari sekumpulan alternatif pilihan moda yang saling bersaing dan tidak bisa dipilih (digunakan)
secara bersama-sama lebih dari satu moda (mutually exclusive), seperti kalau kita sudah memakai bus kota, secara bersamaan/pada waktu yang sama tidak
mungkin kita menggunakan kereta api.

Pelaku perjalanan secara logis akan menyeleksi berbagai alternatif dan memutuskan memilih moda transportasi yang memiliki nilai kepuasan tertinggi (highes
utility)

Fungsi umum

𝑉𝑖𝑛 = 𝑓 𝑥𝑖𝑛

Sehingga persamaan regresi fungsi kepuasan dimaksud dapat kita bentuk menjadi

𝑉𝑖𝑛
= 𝛽1 𝑥𝑖𝑛1 + ⋯ + 𝛽𝑘 𝑥𝑖𝑛 𝑘
𝑈

dimana

𝑉𝑖𝑛
= nilai kepuasan konsumen pemakai moda i
𝑈

𝑥𝑖𝑛 = kelompok variabel bebas yang mempengaruhi kepuasan maksimum

𝛽1 = koefisien regresi/parameter variabel bebas

k. Model pemilihan diskret (lanjutan)
a. Model logit biner
Bentuk model ini sebagai berikut
𝑒 𝛽𝑥𝑖𝑛 1
𝑃 𝑖 = 𝛽𝑥𝑖𝑛 𝛽𝑥𝑗𝑛
=
𝑒 +𝑒 1 + 𝑒 −𝛽 𝑥𝑖𝑛−𝑥𝑗𝑛
Model ini hanya untuk 2 pilihan moda transportasi alternatif
b. Model probit
Model ini juga untuk 2 moda alternatif, tetapi model ini menekankan untuk menyamakan
peluang (kemungkinan) individu untuk memilih moda 1, bukan moda 2 dan berusaha
menghubungkan antara jumlah perjalanan dengan variabel bebas yang mempengaruhi,
misalnya biaya (cost) dan variabel ini harus terdistribusi normal. Bentuknya adalah:
𝑃1 = ∅ 𝐺𝑘
∅ 𝑥 = komulatif standar normal (dari tabel)
𝐺𝑘 = nilai manfaat moda
c. Model multi nominal logit (NML)
Model ini merupakan mode; pilihan diskret yang terkenal dan paling populer
𝑒 𝑈𝑖
𝑃 𝑖 = 𝑈𝑗𝑛
𝑒 𝑈𝑖 + σ 𝑒
k. Model pemilihan diskret (lanjutan)
Contoh kasus pilihan moda
Dua moda yang akan dipilih pelaku perjalanan
1. Moda angkutan pribadi (A)
Asumsi koefisien regresi
2. Moda angkutan umum (T) Moda A
Karakteristik moda angkutan a.A = -0,13
Moda A: b1A = -0,03
Lama perjalanan (di dalam kendaraan) = 𝑡𝐴 = 11,3 menit b2A = -0,34
Lama perjalanan (di luar kendaraan) = 𝑥𝐴 = 5 menit b3A = -50
Biaya moda A = 𝑐𝐴 = $ 122,5
Moda T Moda T
𝑡𝑇 = 14 menit a.T = 0
𝑥 𝑇 = 8 menit b1T = -0,03
𝑐𝑇 = $ 50 b2T = -0,34
Karakteristik perjalanan b3T = -50
Jarak perjalanan asal ke tujuan (i-j) = 𝑑1−𝑗 = 7,25 mil
Karakteristik pelaku perjalanan
Pendapatan rata-rata per orang = I = $ 5.000/bulan

Tentukan
1. Berapa probabilitas orang akan menggunakan moda angkutan pribadi dan angkutan umum?
2. Hitung pangsa mutlaknya, jika ada 10.000 pelaku perjalanan perhari .
Tahap IV
Sebagai hasil dari pemodelan pada tahap III didapatlah proporsi peluang masing-masing moda transportasi alternatif untuk pilihan
user
Sebagai catatan, fungsi kepuasan pelaku perjalanan dalam menggunakan moda pilihannya seperti model dalam dunia nyata banyak
mengandung unsur relatif atau random sehingga fungsi kepuasan bersifat acak (random utility). Manski, orang yang pertama kali
mencetuskan konsep utilitas acak, menyebutkan 4 sumber penyebab keacakan fungsi utilitas tersebut, yaitu
1. Terdapat karakteristik sistem transportasi (variabel) yang tidak teramati (unobserved attributes) atau ada faktor X yang
bermain dalam pengamatan.
2. Adanya variasi selera pelaku perjalanan yang tak teramati (unobserved variations).
3. Adanya kesalahan pengukuran (measurement errors) dan data yang kurang (imperfect information).
4. Adanya variabel acak yang bersifat instrumental (instrmental variabel) atau proxy.

𝑉𝑖𝑛
= 𝑎 + 𝛽1 𝑥𝑖𝑛1 + ⋯ + 𝛽𝑘 𝑥𝑖𝑛 𝑘 + 𝑒𝑖𝑛
𝑈
dimana

𝑉𝑖𝑛
= nilai kepuasan konsumen pemakai moda i
𝑈

𝑥𝑖𝑛 = kelompok variabel bebas yang mempengaruhi kepuasan maksimum

𝛽1 = koefisien regresi/parameter variabel bebas

 Tahap IV (lanjutan)
Contoh kasus lain 8. Rata-rata jumlah anggora per keluarga = 3,6

Disebuah kota besar, tersedia pelayanan moda transportasi dalam 3 alternatif pilihan, untuk dipilih 9. Lokasi bekerja
para pekerja yang berdomisili di kawasan permukiman sebagai pelaku perjalanan untuk pergi ke
tempat masing-masing, yaitu 10. Status para pekerja

• Mobil pribadi Tentukan pangsa masing-masing moda

• Mikrolet

• Bus umum

Jika jumlah pekerja adalah 1.136 pekerja untuk survey dan variabel yang memengaruhi para pekerja
untuk memilih moda perjalanan

1. Variabel waktu perjalanan pp

• Mobil pribadi = 26,7
• Mikrolet = 36,7
• Bus umum = 56,5

2. Variabel waktu di luar kendaraan pp

• Mobil pribadi = 5,4
• Mikrolet = 10,4
• Bus umum = 47,1

3. Variabel ongkos perjalanan pp

• Mobil pribadi = 88,5
• Mikrolet = 35,4
• Bus umum = 18,6

4. Variabel jarak 1 arah (mil) = 8,1

5. Rata-rata pendapatan keluarga = $ 12.900

6. Rata-rata jumlah kendaraan yang dimiliki keluarga = 1,5

7. Rata-rata jumlah pekerja perkeluarga = 1,8

Penggunaan
kendaraan di US