Trip Generation : MODEL REGRESI

Tujuan adalah untuk menghasilkan hubungan yang mengkaitkan

tata guna tanah dengan jumlah pergerakan yang memasuki dan
meninggalkan zona.
meninggalka

Definisi
Definisi pergerakan
pe tergantung studi. Definisi umum adalah : a
one-way journey
j from an origin to a destination for a particular
main porpuse,
porpus termasuk berjalan kaki.
Variabel utama adalah berapa jumlah trip yang dihasilkan pada
selang waktu tertentu (per jam, per hari). Trip production
dianalisa secara terpisah dengan trip attraction.
Tujuan perencanaan trip generation adalah untuk mengestimasi
seakurat mungkin bangkitan lalu lintas pada saat sekarang, yang
mana akan dapat digunakan untuk prediksi di masa mendatang.
 What is trip generation a
function of?
Land use
Intensity
Location/accessibility
Time
Type (person, transit, auto,
walking …)

Photo by en:User:Aude, taken on March 7, Graphic source: http://www4.uwm.edu/cuts/utp/routeloc.p

Data
Bangkitan lalu lintas, biasanya dianalisa berdasarkan zona. Data
tata guna tanah (variabel X), data trip production (P) dan data
trip attraction
attracti (A) terlihat pada tabel berikut ini (Black, 1978).

Estimasi trip generation (P) dan (A) didapat dari data yang ada
dalam tabel.
Faktor yang Mempengaruhi:

1. Bangkitan Pergerakan untuk Manusia

• Pendapatan, pemilikan kendaraan, ukuran &
struktur rumah tangga, nilai lahan, kepadatan
penduduk, aksesibilitas.
2. Tarikan Pergerakan untuk Manusia
• Luas lantai kegiatan, jumlah lapangan
pekerjaan, aksesibilitas.
3. Bangkitan dan Tarikan Pergerakan untuk
Barang
• Jumlah lapangan pekerjaan, jumlah tempat
pemasaran, luas lahan industri.
Model
Model teoritis tersebut adalah :
P = f(X1, X2, ....)
dan A = f(X1, X2, ....)
(dimana X1, X2, ........ adalah variabel tata guna tanah)
Tetapi statement yang lebih jelas diperlukan untuk mengindikasi
variabel tata guna tanah yang mana cocok dan variabel tata guna
tanah yang cocok untuk digunakan dalam model dengan fungsi-
fungsinya.
Alur Pemodelan Regresi:
- Analisa Linear Regresi
Teknik ini adalah suatu teknik yang dapat digunakan untuk
menghasilkan hubungan dalam bentuk numerik dan untuk melihat
bagaimana dua (simple regresi) atau lebih (multiple regresi) variabel
saling berkait.
berka
Teknik digunakan
digu secara sederhana dengan contoh dua variabel
regresi. Data
Dat yang digunakan adalah sebagai berikut (untuk 8 zona),
Black, 1978.

Metode least-squares digunakan dalam proses regresi dimana garis

linier didapat sehingga jumlah kuadrat terkecil dihasilkan.
- Analisa Multiple Linier Regression
Teknik tersebut
ters diatas dapat diperluas untuk bisa mendapatkan
lebih dari
dari satu
s variabel bebas. Hal ini penting karena realitanya
jumlah variabel
vari tata guna tanah mungkin akan mempengaruhi
bagkitan lalu lintas.
Model yang umum adalah :
Y = a + b1X1 + b2X2.....bmXm
dimana : Y = variabel tak bebas
X1,X2,Xm = m variabel bebas
b1,b2,bm = koefisien regresi
a = konstanta
- Asumsi Statistik : REGRESI
Beberapa asumsi
as statistik diperlukan dalam melakukan analisa
regresi :
- Variabel tidak bebas adalah fungsi linier dari variabel bebas.
Jika hubungan
hubu tersebut tidak linier, data kadang-kadang harus
ditransformasi agar menjadi linier. Batasan ini mempunyai
implikasi yang lain terhadap analisa residu.
- Variabel, terutama variabel bebas, adalah tetap atau telah
diukur tanpa kesalahan.
- Tidak ada korelasi (hubungan) antara variabel bebas.
- Variansi dari variabel tidak bebas tentang garis regresi adalah
sama untuk seluruh nilai variabel tidak bebas.
- Nilai variabel tidak bebas harus berdistribusi normal atau
mendekati.
Hal ini dapat diplot dengan menggunakan kertas grafik (Black, 1981)

Trip production adalh merupakan variabel tidak bebas (sumbu Y).

Grafik menunjukkan hubungan linier positif antara bangkitan lalu
lintas dengan kepemilikan kendaraan (hubungan linier) :
Y = a + bX
dimana : a adalah intersept
b adalah kemiringan
Traffic Generation untuk Kendaraan Komersil

Semua studi transportasi akan mencakup pemodelan kendaraan

komersil, akan
ak tetapi kurang populer dibanding degan pemodelan
pergerakan orang. Analisa regresi menunjukkan bahwa variabel
penting untuk kendaraan komersil adalah :
yang paling p
pekerjaan.
- Lapangan p

- Luas kantor.
- Jumlah kendaraan komersil yang dipunyai oleh perusahaan.
- Trip Attraction (untuk Pergerakan Home-Based)
Faktor – faktor
fa apa saja yang akan mempengaruhi pergerakan
home-based ke suatu zona tertentu dalam suatu daerah studi ?
Variabel yang cocok dapat diinvestigasi dengan analisa regresi,
akan tetapi persamaan yang dihasilkan biasanya lebih tidak
reliable dibandingkan
dib dengan persamaan trip production.
Studi-studi tersebut memperlihatkan bahwa variabel tata guna
tanah untuk trip attraction adalah :
- Lapangan pekerjaan
- Luas daerah
- Luas perkantoran
- Luas tempat penjualan
Variabel yang diperlukan dari beberapa studi di Amerika dapat
terlihat di bawah ini (Black, 1978) :
Tabel Korelasi Bangkitan dan Tarikan dengan Peubahnya
Untuk Zona Jawa Tengah dan DI-Yogyakarta
 Tabel Korelasi Bangkitan dan Tarikan dengan Peubahnya
Untuk Zona Jawa Timur

Dari tabel di atas terlihat bahwa jumlah penduduk dan PDRB per kapita
merupakan peubah yang dominan dalam menghasilkan bangkitan dan
tarikan pergerakan. Terlihat pula bahwa setiap propinsi mempunyai
model bangkitan dan tarikan yang berbeda-beda, menandakan perilaku
dan ciri masing-masing.
Contoh Pengolahan Data
Proses mendapatkan y (bangkitan) lapangan
Setelah matriks tujuan dan moda masing-masing kelurahan
didapatkan. Hasil tersebut dimasukkan ke dalam matriks manipulator.
Matriks mani pulator adalah bagian dari program JICA STRADA yang dapat
menghitung jumlah matrik secara keseluruhan. . untuk mendapatkan niai
variabel terikat
teri (y) dari matrik OD, maka hasil dari setiap matriks harus
dijumlahkan
Data awal seluruh
se parameter terlampir
Uji korelasi d
dan t-test seluruh parameter (variabel bebas)
Setelah dilakukan uji korelasi atau uji keeratan hubungan antara variabel
terikat dan var iabel bebas yang ada, maka didapatkan hasil sebagai berikut :
Korelasi dengan jumlah penduduk : 0,412
Korelasi dengan jumlah rumah : 0,205
Korelasi dengan jumlah pekerja atau pegawai : 0,320
Korelasi dengan jumlah pelajar.mahasiswa : 0,401
Korelasi dengan jumlah mobil motor ; 0,442
Korelasi dengan jumlah pendapatan : 0,186
Korelasi dengan jumlah : 0,127
Penyusunan kombinasi parameter
Kombinasi 1 X1 X5

Kombinasi 2 X1 X6

Kombinasi 3 X1 X7

Kombinasi 4 X5 X6

Kombinasi 5 X5 X7

Kombinasi 6 X6 X7

Kombinasi 7 X1 X5 X6

Kombinasi 8 X1 X5 X7

Kombinasi 9 X1 X6 X7

Kombinasi 10 X5 X6 X7

Kombinasi 11 X1 X5 X6 X7
Perancangan Model bangkitan Perjalanan

Data awal yang belum di Cutting Data awal yang Telah di Cutting
noise noise
Anova
Menguji apakah rata-rata lebih dari dua sampel berbeda secara signifikan
ataukah tidak
Menguji apakah dua buah sampel mempunyai varians populasi sama atau kah
tidak.

Dari uji Anova atau F-test, diperoleh F hitung untuk model 1 adalah 11,829
dengan tingkat signifikasi 0,0000. Karena probabilitas 0,000 < 0,05, maka
model regresi bisa dipakai untuk memprediksi trip yang terjadi atau bisa
dikatakan jumlah penduduk, jumah mobil, jumlah motor, atau jumlah
pendapatan dapat berpengaruh pada bangkitan di kota Palembang
Collinearity Diagnostic
Eigenvalue
Multikolinearitas akan terjadi jika nilai eigenvalue mendekati atau sama dengan 0. Pada
tabel terlihat bahwa
bah nilai eigenvalue untuk jumlah penduduk, jumlah mobil, jumlah
rumah dan jumlah pendapatan mendekati 0.

Condition Index
Multikolonearitas akan terjadi jika nilai condition index melebihi 15 dan benar-benar
serius jika lebih dari 30 pada tabel nilai condition index untuk variabel jumlah
penduduk(x1), jumlah mobil (x5) , jumlah motor ( x6) dan jumlah pendapatan(x7)
adalah kurang dari 15

Dari kedua syarat diatas dapat ditarik kesimpulan bahwa sedikit sekali terjadinya
multikolinearitas dari parameter atau variabel bebas x1,x5,x6,x7.
Coefficients
dari nilai koefisien dibawah ini di dapat persamaan regresi sebagai berikut :

y = 682,377 + (0,037 * x1) + (0,103 * x5) – (0,046 * x6) – (53,834 * x7 )

dimana : x1 : jumlah penduduk

x5: jumlah mobil
x6 : jumlah motor
x7 : jumlah pendapatan

dari persamaan
per regresi diatas, dapat dihitung nilai y model, yang akan
digunakan untuk proses testing.
Testing data
data yang digunakan untuk proses testing adalah 20 % dari dataa wal setelah cutting
noise. Y model didapatkan dari persamaan regresi data training. Semua nilai variabel
bebas dimasukkan kedalam persamaan regresi.
Tabel hasil perhitungan seluruh kombinasi

No Kombinasi Persamaan Training Testing

1 X1 X5 R2 = 0,287 R2 = 0,543
Y = 241, 266 + (0,017. X1) + (0,091.x5)
r = 0,536 r = 0,736

2 X1 X6 R2 = 0,478 R2 = 0,381

Y = -57,838 + (0,058.x1) + (0,021.x6) r = 0,691 r = 0,617

3 X1 X7 R2 = 0,317 R2 = 0,528

Y = -511,290 + (0,048.x1) + (154, 319.x7) r = 0,563 r = 0,726

4 X5 X6 R2 = 0,36 R2 = 0,560

Y = 404,854 + (2,099.x5) + (0,020.x6) r = 0,600 r = 0,748

5 X5 X7 R2 = 0,302 R2 = 0,475

Y = 557,382 + (0,105.x5) + (-16,265.x7) r = 0,549 r = 0,689

6 X6 X7 R2 = 0,141 R2 = 0,278

y = 137,688 + (0.041.X6) + (75,780. x7) r = 0,375 r = 0,527

7 X1 X5 X6 y = 727,164 + (0,028.x1) + (0,100. x5) - (0,059.X6) R2 = 0,310 R2 = 0,314

r = 0,556 r = 0, 560

8 X1 X5 X7 y = 358,872 + (0,011.x1) + (0,092.x5) + (25,301.x7) R2 = 0,247 R2 = 0,438

r = 0,496 r = 0,661
Kesimpulan dan saran
Kesimpulan
Parameter yang mempengaruhi bangkitan perjalanan adalah jumlah
penduduk, jjumlah mobil, jumlah motor dan jumlah pendapatan
bangkitan perjalanan yang terbaik yang dihasilkan dari analisis
Model bangk
regresi linier berganda adalah :
yy == 682,377
682,377 ++ ((0,037.x1) + (0,103.x5) - (0,046.x6) - (53,834.x7) dengan nilai R2 = 0,449
yy =
= -- 57, 838 +
57, 838 + (0,058. X1) = (0,021.x6) dengan nilai R2 = 0,478

Dimana : nilai R2 berarti 44,9 % trip (bangkitan) variabel x1, x5, x6, x7
nilai R2 berarti 47,8 % trip (bangkitan) variabel x1, x6

Saran
Pengambilan sampel yang lebih banyak sehingga tingkat ketelitian model akan
semakin tinggi
Balancing Trip Production dan Trip Attraction

Model trip production dan trip attraction dibentuk secara

terpisah. Hal ini berarti bahwa total bangkitan lalu lintas pada
daerah studi tidak harus sama dengan total trip attraction.
Realitanya, jumlah keduanya harus sama untuk setiap kategori.
Problem dapat
d dipecahkan dengan menggunakan trip attraction
masing-masing zona sebagai ukuran relatif attractiveness.
untuk masi
Dengan kata lain, dapat digunakan untuk memberi bobot ke setiap
zona tergantung relatif attractiveness-nya. Dengan cara ini,
total attraction dapat dibuat sama dengan total production,
untuk setiap tujuan pergerakan.