TUGAS V

Tugas Matakuliah Perencanaan Transportasi

Oleh :

Putri Risha Nadha

163410436

Kelas B

PRODI PERENCANAAN WILAYAH DAN KOTA

FAKULTAS TEKNIK
UNIVERSITAS ISLAM RIAU
2018
 CONTOH MODEL PERHITUNGAH
BANGKITAN DAN PERGERAKAN

Model Faktor Pertumbuhan

Contoh Apabila dalam suatu zona terdapat 100 rumah tangga yg memiliki kendaraan dan 200
rumah tangga yang tidak memiliki kendaraan, dengan asumsi bahwa rata-rata tingkat
perjalanan masing-masing adalah : 6 trip/hari dan 2,25 trip/hari maka total perjalanan dari
zona tsb adalah:
Ti = 100 x 6 + 200 x 2,25 = 1050 trip/hari
Jika di kemudian hari diasumsikan semua rumahtangga memiliki kendaraan, maka faktor
pertumbuhannya adalah :

Berdasarkan pada persamaan sebelumnya :

Ti = Fi . ti → Ti = 1.5 x 1050 = 1575 trip/hari
Dari hasil Ti tsb terlihat bahwa pendekatan metode Growth Factor ini sangat kasar, karena
dari asumsi rata-rata tingkat perjalanan dapat diketahui :
Ti = 300 x 6 = 1800 trip/hari Atau dgn kata lain bahwa hasil perhitungan dgn metode/model
Growth Factor terjadi underestimate sebesar :
((1800 – 1575) / 1800 )x 100% = 12.5 %
Berdasarkan kenyataan diatas, maka model Growth Factor hanya tepat digunakan untuk
memperkirakan perjalanan di masa datang pada zona eksternal, karena pada zona ini sulit
mendapatkan data secara akurat. Saat ini, model yg sering digunakan adalah :
- Model Analisis Regresi
- Model Analisis Kategori
 CONTOH MODEL PERHITUNGAH
BANGKITAN DAN PERGERAKAN

Model Analisis Regresi

contoh :
Dari hasil survey di 8 zona, diketahui data sbb :
Nomor zona Kepemilikan kendaraan (X) Trip production (Y)
1 200 500
2 50 300
3 500 1300
4 100 200
5 100 400
6 400 1200
7 300 90
8 400 100
Tentukan model bangkitan perjalanan . . . .
Jawab :
Dari rumus a dan b di atas diperoleh :
b = 2,48 ; a = 89,9
sehingga model bangkitan perjalan adalah :
y = 89,9+2,48x
 CONTOH MODEL PERHITUNGAH
BANGKITAN DAN PERGERAKAN

Model Analisis Kategori

Data Hasil Survey Tingkat Pergerakan untuk 18 Kategori
Tingkat pemilikan Jumlah Tingkat pendapatan
kendaraan anggota Klg Rendah Menengah Tinggi
1-3 3,4 3,7 3,8
0
>4 3,9 5,0 5,1
1-3 5,2 7,3 8,0
1
>4 6,9 8,3 10,2
1-3 5,8 8,1 10,0
>1
>4 7,2 11,8 12,9
Data Hasil Survey Kategori Keluarga Dgn 3 buah Variabel
Pemilik pendapatan Ukuran keluarga Jumlah keluarga
kendaraan
0 Rendah 1-3 50
0 Menengah 1-3 20
0 Tinggi 4+ 10
1 Rendah 1-3 50
1 Menengah 4+ 50
1 Tinggi 4+ 100
2+ Rendah 1-3 40
2+ Menengah 4+ 100
2+ Tinggi 4+ 150
Dgn menggunakan tabel diatas, perkiraan total bangkitan lalulintas adalah :
= (50x3,4) + (20x3,7) + (10x3,9) + (50x5,2) + (50x6,9) + (100x8,3) + (40x10,0) + 100x11,8) + (150x12,9)
= 5243 pergerakan per zona
 CONTOH MODEL PERHITUNGAH
SEBARAN TRANSPORTASI

No. FUNGSI HAMBATAN f(Cid) Α Β SSE RMSE

1 (Cid-α)*(exp(-β*Cid)) 0.0856 -0.0004 2.5482 0.1881

2 1+(1+α*(exp(Cid*β))) -0.0855 -816,332.3102 2.5513 0.1882

3 1+(1+α*(Cidβ)) - - 363,008.8662 71.0056

4 1+(β*Cid) - 113,764.7975 -0.0179 39.7501

5 1+(Cidβ) - 313,569.7596 -0.4640 65.9935

6 1+exp(β*Cid) - 248,822.9151 -0.0621 58.7867

7 1/(1+(Cidβ)) - 23,896.7217 1.3567 18.2181

8 1/(1+exp(Cid*β)) - 1,177.6049 0.0991 4.0442

9 exp(Cid*-β) - 2.5500 0.0855 0.1882
10 Cidβ - 25,479.6994 -1.3225 18.8118
MINIM
0.1881
UM

Pada Tabel terlihat bahwa sesungguhnya fungsi hambatan yang paling optimum
adalah fungsi 1 yaitu f(Cid)= Cid-α x e-β*Cid dengan nilai α = -0,0004, β = 0,0856 dan
RMSE = 0,1881. Berdasarkan penggujian dapat diskeahui bahwa penggunaan fasilitas add-in solver
pada spreadsheet Microsoft Excel untuk mengkalibrasi model GR mempunyai
keunggulan yaitu kemudahan penggunaan dan kecepatan proses perhitungan berulang
(iterasi) dibanding metode kalibrasi secara konvensional (perhitungan secara manual).
Namun penggunaan spreadsheet solver juga mempunyai keterbatasan dalam hal
fleksibilitas terhadap perubahan dimensi Matriks Asal-Tujuan (MAT)
 CONTOH MODEL PERHITUNGAH
SEBARAN TRANSPORTASI

• permodelan perhitungan pada jaringan menggunakan aplikasi Saturn, analisis yang

dilakukan dengan metode keseimbangan mempunyai syarat batas umum, yaitu fungsi
biaya arus pada suatu jalan yang satu dengan yang lainnya besarnya sama (Ci = Cj) dan
volume lalu lintas pada jalan satu dengan yang lainnya merupakan jumlah pergerakan
dari zona (Vi + Vj = Tij). Rute yang dipilih merupakan 2 rute yang mempunyai biaya
terkecil pada perhitungan dari metode All or Nothing. Kondisi lalu lintas tidak melebihi
kapasitas jalan, maka persamaan biaya arus menggunakan fungsi volume < kapasitas.
Zona A ke Zona B
Tij = 625 smp/jam
Rute 1 = Rute 5
C1 + C4 = C2 + C5 + C6
19,8 + 0,016V1 + 18,04 + 0,013V1 = 11,528 + 0,01V5 + 11,528 + 0,007V5 +
11,528 + 0,006V5 37,84 + 0,029V1 = 34,584 + 0,023V5 ..........(i)
V1 + V5 = 625 V1 = 625 – V5 ................................................(ii)
Subtitusi persamaan (ii) ke persamaan (i)
37,84 + 0,029(625 – V5) = 34,584 + 0,023V5
0,052V5 = 21,381
V1 = 214 smp/jam ; V5 = 411 smp/jam
C1 = 44,046 menit ; C5 = 44,037 menit
Rute dengan biaya termurah adalah rute 5 = 44,037 menit.
 CONTOH MODEL PERHITUNGAH
PEMILIHAN MODA TRANSPORTASI

Di Kecamatan Lubuk Kilangan moda transportasi yang ada di antaranya

adalah angkutan umum dan kendaraan pribadi.Salah satu analisa mengenai
moda transportasi yang ada di Kecamatan Lubuk Kilangan yaitu, analisis
pemilihan moda transportasi antaraAngkutan umum dengan kendaraan
Pribadi, hal ini disebabkan karena adanya beberapa variable yang dapat
mempengaruhi dalam pemilihan moda transportasi tersebut.

Trip : Bandar Buat-Indarung

Jarak : 12 Km
JumlahTrip : 2500 Trip

Ongkos Transportasi (P)

Angkutan Umum = Rp.3000
Kendaraan Pribadi= Rp 8.000
Waktu tempuh perjalanan : (T)
Angkutan Umum = 20menit
Kendaraan Pribadi = 15 menit
 CONTOH MODEL PERHITUNGAH
PEMILIHAN MODA TRANSPORTASI

Penyelesaian :
Utp = a + b1P + b2T
= 2 + (0,20 x 3.000) + (0,26 x 20)
= 2 + 600 + 5,2
= 607,2
Jadi Nilai Kepuasan menggunakan moda transportasi
angkutan Umum Berdasarkan Tarif dan waktu tempuh yaitu
607,2

Uak = a + b1P + b2T

= 2 + (0,20 x 8.000) + (0,26 x 15)
= 2 + 1600 + 3,9
= 1605,9
 CONTOH MODEL PERHITUNGAH
PEMILIHAN MODA TRANSPORTASI

Jadi Nilai Kepuasan menggunakan moda transportasi Kendaraan Pribadi

Berdasarkan Tarif dan waktu tempuh yaitu 1605,9
Setelah didapati ditentukanlah peluang pelaku perjalanan untuk
menggunakan masing-masing moda transportasi dengan model logit
biner:
P (Angkutan umum) = e- 607,2 / e- 607,2+ e- 1605,9
= -607,2 / -1003,7
= 0,60 = 60 %
P (Pribadi) = e- 1003,7 / e- 607,2 + e- 1605,9
= -1003,7 / -2213,1
= 0,45 %
Qij (Angkutan Umum) = (0,60) x (2.500) = 1500 pelaku perjalanan

Qij (Kendaraan Pribadi) = (0,57) x (2.500) = 1425 pelaku perjalanan

 PEMILIHAN RUTE TRANSPORTASI

Contoh Perhitungan pembebanan perjalanan

Terdapat pergerakan sebesar 2000 kendaraan yang akan bergerak dari zona asal
A ke zona tujuan B, seperti gambar berikut :

A B

Rute 1 C= 10 +0,02 V
Rute 2 C= 15+0,005 V
Rute 3 C= 12,5 + 0,015 V
 PEMILIHAN RUTE TRANSPORTASI

Kasus 1
Bila pergerakan dibagi menjadi empat bagian fraksi dengan persentase seragam
25%(500 kendaraan ).
Pembebanan F Rute 1 Rute 2 Rute 3
Ke Arus Biaya Arus Biaya Arus Biaya
0 O 0 10 0 15 0 12,5
1 500 500 20 0 15 0 12,5
2 500 500 20 0 15 0 20
3 500 500 20 500 17,5 500 20
4 500 500 20 1000 20 500 20
Total 2000

Terlihat bahwa hasil pembebanan mencapai kondisi konvergen dengan solusi

keseimbangan wardrop. Nilai indikator konvergensi 𝛿 adalah :
𝛿 = σ𝑃𝑖𝑗 𝑇𝑝𝑗𝑖 (Cpij-Cij*) / σ𝑖 𝑇𝑖𝐶 ∗ 𝑖𝑗
= 500 x ( 20 -20) + 1000 X ( 20 -20 ) + 500 x (20-20 ) = 0
200 X 20
Jika dibandingkan dengan metode pembebanan all-or- nothing yang seluruh
pergerakannya (2000 kendaraan) akan menggunakan rute I, metode pembebanan
ini lebih baik .
 PEMILIHAN RUTE TRANSPORTASI

Kasus 2
Bila pergerakan dibagi menjadi sepuluh bagian fraksi dengan persentase seragam 10% (200
kendaraan).
Pembebanan F Rute 1 Rute 2 Rute 3
Ke 0 Arus Biaya Arus Biaya Arus Biaya
0 200 0 10 0 15 0 12,5
1 200 200 14 0 15 0 12,5
2 200 200 14 0 15 200 15,5
3 200 400 18 0 15 200 15,5
4 200 400 18 200 16 200 15,5
5 200 400 18 200 16 400 18,5
6 200 400 18 400 17 400 18,5
7 200 400 18 600 18 400 18,5
8 200 500 20 700 18,5 400 18,5
9 200 500 20 800 19 500 20
10 200 500 20 1000 20 500 20
Total 2000
Terlihat bahwa hasil pembebanan mencapai kondisi konvergen dengan solusi keseimbangan wardrop.
Nilai indikator konvergensi 𝛿 adalah :
𝛿 = σ𝑃𝑖𝑗 𝑇𝑝𝑗𝑖(Cpij-Cij*) / σ𝑖 𝑇𝑖𝐶 ∗ 𝑖𝑗
= 500 x ( 20 -20) + 1000 X ( 20 -20 ) + 500 x (20-20 ) = 0
2000 X 20
Jadi penggunaan fiksi pentahapan yang semakin kecil secara umum menghasilkan solusi yang
mendekati solusi kondisi keseimbangan wardop.Akan tetapi hal ini tidak selalu benar.Jika salah satu
ruas terlanjur mendapat beban yang terlalu besar akibat pembebanan all-or-nothing, maka metode ini
akan sangat sulit mengurangi besarnya arus tersebut.