MODEL

PEMILIHAN
RUTE
DEFINISI DAN FUNGSI • Prosedur pemilihan rute bertujuan memodel perilaku pelaku pergerakan dalam
memilih rute yang menurut mereka merupakan rute terbaiknya.

• Dengan kata lain, dalam proses pemilihan rute, pergerakan antara dua zona (yang
didapat dari tahap sebaran pergerakan) untuk moda tertentu (yang didapat dari
tahap pemilihan moda) dibebankan ke rute tertentu yang terdiri dari ruas jaringan
jalan tertentu (atau angkutan umum).

• Jadi, dalam pemodelan pemilihan rute ini dapat diidentikasi rute yang akan
digunakan oleh setiap pengendara sehingga akhirnya didapat jumlah pergerakan
pada setiap ruas jalan.

• Tujuan tahapan ini adalah mengalokasikan setiap pergerakan antarzona kepada

berbagai rute yang paling sering digunakan oleh seseorang yang bergerak dari
zona asal ke zona tujuan.

• Keluaran tahapan ini adalah informasi arus lalulintas pada setiap ruas jalan,
termasuk biaya perjalanan antarzonanya.
FAKTOR PEMILIHAN RUTE
Terdapat beberapa faktor yang mempengaruhi
pemilihan rute pada saat melakukan perjalanan :
1. waktu tempuh
2. Jarak
3. biaya (bahan bakar dan lainnya)
4. kemacetan dan antrian
5. jenis jalan raya (jalan tol, arteri)
6. Pemandangan
7. kelengkapan rambu dan marka jalan
8. kebiasaan.
FAKTOR PEMILIHAN RUTE
Faktor penentu utama
1. Waktu tempuh
waktu total perjalanan yang
diperlukan, termasuk berhenti dan
tundaan, dari suatu tempat ke
tempat lain melalui rute tertentu
2. Nilai waktu
sejumlah uang yang
disediakan seseorang untuk
dikeluarkan (atau dihemat) untuk
menghemat satu unit waktu
perjalanan.
3. Biaya perjalanan
dinyatakan dalam bentuk uang, waktu tempuh, jarak,
atau kombinasi ketiganya yang biasa disebut biaya
gabungan. Dalam hal ini diasumsikan bahwa total biaya
perjalanan sepanjang rute tertentu adalah jumlah dari biaya
setiap ruas jalan yang dilalui.
4. Biaya operasi kendaraa
Biaya operasi kendaraan antara lain meliputi
penggunaan bahan bakar, pelumas, biaya penggantian
(misalnya ban), biaya perawatan kendaraan, dan upah atau
gaji supir.
METODE PEMILIHAN RUTE
METODE ALL OR NOTHING

- METODE BURREL
- METODE SAKAROVITCH
METODE STOKASTIK - METODE STOKASTIK-
PROFESIONAL/DIAL

METODE STOKASTIK

METODE STOKASTIK

METODE STOKASTIK
METODE ALL OR
NOTHING • Metode ini mengasumsikan bahwa semua pengendara
berusaha meminimumkan biaya perjalanannya yang
tergantung pada karakteristik jaringan jalan dan asumsi
pengendara. Jika semua pengendara memperkirakan biaya
ini dengan cara yang sama, pastilah mereka memilih rute
yang sama. Biaya ini dianggap tetap dan tidak dipengaruhi
oleh efek kemacetan.
• Metode ini menganggap bahwa semua perjalanan dari zona
asal i ke zona tujuan d akan mengikuti rute tercepat.
• Asumsi ini dianggap cukup realistis, untuk daerah pinggiran
kota yang jaringan jalannya tidak begitu rapat dan yang
tingkat kemacetannya tidak begitu berarti.
• Tetapi, asumsi ini menjadi tidak realistis jika digunakan
untuk daerah perkotaan yang sering mengalami kemacetan.
 • Black, 1982 mengilustrasikan metode pembebanan
METODE ALL OR all-or-nothing (angka pada setiap ruas adalah waktu
NOTHING tempuh dalam menit untuk ruas tersebut).
• Kekurangan metode ini adalah rute terpendek hanya
mungkin didapatkan dengan cara manual untuk
jaringan yang sederhana, bukan untuk jaringan jalan
yang luas.

• Termasuk data MAT-nya: A-C = 400, A-D = 200, B-C

= 300 dan B-D = 100. Bagian (I) memperlihatkan
biaya perjalanan (waktu) untuk setiap ruas jalan;
bagian (II) memperlihatkan pohon biaya yang sesuai
dengan biaya ditambah kontribusi total arus setelah
dilakukan pembebanan; yang hasilnya dapat terlihat
pada bagian (III).
METODE STOKASTIK
Asumsi :
• Mengabaikan efek kemacetan METODE BURREL
• Merupakan model menyebarkan arus yang
ada ke banyak rute yang tersedia dengan
memperhatikan kecenderungan setiap
pengendara dalam memilih rute
• Pengendara diasumsikan mengambil rute
tercepat meskipun mereka tidak yakin rute METODE SAKAROVITCH
mana yang tercepat
• Didasarkan pada seleksi sebaran acak yang
mempunyai rata-rata waktu tempuh
sebenarnya dari rute tersebut
• Waktu tempuh menunjukkan rute METODE STOKASTIK-PROPORSIONAL/DIAL
tercepat
PERSAMAAN DAN PERBEDAAN METODE
ALL OR NOTHING DENGAN METODE
STOKASTIK
ALL OR NOTHING STOKASTIK
Persamaan Mengabaikan efek kemacetan
Perbedaan 1. Rute terpendek 1. Memperhitungkan persepsi
merupakan satu- perseorangan terhadap
satunya rute yang waktu tempuh
akan dipilih untuk 2. Pengguna jalan disebarkan
pembebanan arus lalu kepada beberapa pilihan
lintas dari zona asal i rute (pembebanan arus
ke zona tujuan j disebar pada beberapa rute)
2. Biaya perjalanan 3. Biaya perjalanan dapat
dianggap tetap berubah  Pemilihan rute
didasarkan pada biaya yang
paling minimal
METODE STOKASTIK
(METODE BURREL)
Kegunaan : Menemukan dan membebankan rute
tercepat dengan meminimumkan biaya
Asumsi : Kelemahan : Tidak memperhitungkan adanya efek
kemacetan
• Membedakan biaya objektif (pengamat)
dan subjektif (pengendara)
• Biaya perjalanan untuk setiap ruas jalan
dan jaringan disebar sekitar nilai rerata
biaya perjalanan
• Sebaran biaya persepsi diasumsikan tidak
berkorelasi
• Dihasilkan n set rute utk setiap set biaya
rerata
1. Metode Burrell

Tentukan sebaran utk biaya persepsi

tiap ruas jalan
b
1000
Pisahkan populasi yg akan bergerak
O1 utk tiap pasangan asal-tujuan menjadi
1000
N segmen, tiap segmen diasumsikan
a punya biaya persepsi yg sama
D
1.Buat n=0
1500 2.Buat n=n+1
O2
1500
3.Utk tiap pasangan asal-tujuan (i-d):
c Hitung biaya persepsi utk tiap ruas
jalan dgn mengambil sampel dari
sebaran biaya persepsi
Buat rute dgn biaya persepsi minimum
dari i ke d dan bebankan Tid/N 
Fungsi biaya Empty Typical besar arus pd tiap ruas jalan
link link cost 4. Jika n=N, stop; jika tidak kerj akan
cost tahap 2
A 1 + arus/1000 1 2
C
B 8 + arus/1000 8 9
C 4 + arus/1000 4 8
1. Metode Burrell
Fungsi biaya Empty link cost Typical link cost Biaya O1  D
A 1 + arus/1000 1 2 1,98
Rute yang paling
B 8 + arus/1000 8 9 10,17 murah melalui rute
C 4 + arus/1000 4 8 7,04 a+c

Fungsi biaya Empty link cost Typical link cost Biaya O1  D

A 1 + arus/1000 1 2 2,08
Rute yang paling
B 8 + arus/1000 8 9 8,73 murah melalui rute
C 4 + arus/1000 4 8 8,48 b

Fungsi biaya Empty link cost Typical link cost Biaya O2  D

A 1 + arus/1000 1 2 1,92 Rute yang paling
B 8 + arus/1000 8 9 9,54 murah melalui rute
c
C 4 + arus/1000 4 8 9,12

Fungsi biaya Empty link cost Typical link cost Biaya O2 D

Rute yang paling
A 1 + arus/1000 1 2 1,6 murah melal ui rute c
B 8 + arus/1000 8 9 8,82
C 4 + arus/1000 4 8 7,52
Total Arus yang masuk ke masing rute
b
1000
1000
O1
1000

a 1000
D
1500
O2 1000 + 1500 +1500
1500
c

Total arus yang masuk ke a 1000

Total arus yang masuk ke b 1000
Total arus yang masuk ke c 4000
METODE STOKASTIK
(METODE SAKAVORITCH)
Menentukan rute terbaik
Menggunakan yang lebih dari satu rute
algoritma dalam setiap pasangan
zona di wilayah kajian

Membagi MAT menjadi N

bagian dengan proporsi
terbesar dibebankan ke
rute tercepat

Proporsi terkecil
dibebankan pada
rute terpanjang

Dilakukan pengulangan
sebnanyak N kali hingga
seluruh MATdibebankan
pada jaringan
METODE STOKASTIK
(METODE DIAL)
• Rute terpendek akan lebih dipilih
daripada yang lebih panjang
• Merupakan model rute berdasarkan
peluang dengan mengalokasikan
pergerakan pada beberapa alternatif rute
yang tergantung pada panjang (biaya)
rute.
• Membagi pergerakan yang tiba di suatu Prob (r) = peluang memilih rute r
simpul ke simpul lainnya yang tr = jumlah waktu pada rute r
memungkinkan. R = jumlah rute alternatif
• Model harus memiliki peluang yang lebih a = parameter yang dikalibrasi
besar dari nol bagi semua ruas jalan yang
pantas dan peluang sama dengan nol bagi
ruas jalan yang tidak sesuai
 1. Biaya dari zona asal O1 untuk
b menuju zona tujuan D melalui
1000 rute b harus mengeluarkan
O1 Biaya 9 dolar.
1000
2. Sementara itu, jika melalui a
a dan c akan mengeluarkan biaya
D
10 dolar.
1500
O2 3. Berapa Peluang yang akan
1500 melalui rute b, dan berapa yang
c akan melalui rute a + c?

Pb : exp (-0,5 x 9) = 0,011 = 0,61

exp (-0,5 x 9) + exp (-0,5 x 10) 0,011 + 0,007
Sehingga diketahui bahwa 1222 (61%) dari bangkitan yang ada akan memilih rute b
Dan 778 (39%) akan melalui rute a+c
METODE EQUILIBRIUM
Asumsi :
• Hambatan kapasitas tidak dipertimbangkan
 Ongkos secara implisit diketahui.
(Ongkos = Generalised Cost, misal:
waktu, jarak, ongkos parkir,
kenyamanan, kemudahan, dll)
 Masing-masing pengemudi mencoba untuk
meminimumkan ongkos perjalanannya
dengan memilih rute
MODEL EQUILIBRIUM OLEH WARDROP
1. Prinsip pertama (user’s Equilibrium) :
Dalam kondisi keseimbangan tidak ada lagi
pengguna jalan yang bisa mengubah
rutenya, karena tidak ada lagi rute lain yang
lebih murah yang bisa dipilih. Semua rute
yang lain yang tidak digunakan memiliki
biaya yang sama atau bahkan lebih besar
daripada rute-rute yang ada sekarang
2. Prinsip kedua (System Optimum) :
Dalam kondisi keseimbangan, lalu lintas akan
mengatur dirinya sendiri dalam (sebagai
kumpulan) jaringan yang macet sehingga
semua rute yang digunakan dari titik A ke B
memiliki biaya yang sama dan minimum.
Sementara rute yang tidak digunakan
berbiaya sama atau bahkan lebih mahal
Model Trip Assignments

Model Agregat Trip

Assignments

All-or- Model Stokastik

Nothing Equilibrium Murni

Heuristic Algoritma Frank-

(tidak dijamin Wolfe
konvergen) (konvergen)

Incremental Iterative Quantal

Tingkat Konvergensi (δ)
Tiga tipe dasar kriteria konvergensi:
1. Dengan melihat perbedaan antara arus atau biaya
ruas pada setiap pengulangan yang berurutan. Dengan
perbedaaan ini dapat dilihat apakah proses
pengulangan selanjutnya akan menghasilkan
perubahan yang berarti bagi arus atau biaya tersebut.
Jika tidak ditemui perubahan yang berarti maka
konvergensi dianggap sudah tercapai
2. Dengan mengukur perbedaan antara asumsihubungan
biaya- arus pada saat awal pembebanan dengan
hubungan biaya-arus pada saat akhir pembebanan
3. Melihat potensi perbaikan yang dihasilkan apabila
dilakukan proses pengulangan.
Cijr – Cij*= selisih biaya pada rute tertentu dan biaya
perjalanan minimum pada pasangan (i,j). Biaya ini dihitung
setelah pengulangan selesai dan total pergerakan
didapatkan untuk setiap ruas jalan. Sehingga nilai δ adalah
nilai yang dihasilkan oleh selisih antara biaya rute optimal
dan rute tidak optimal.
Semakin kecil nilai δ, kondisinya semakin mendekati kondisi
keseimbangan Wardrop
 Heuristic Model Equilibrium

 Penggunaan metode ini telah banyak digunakan

 Dapat digunakan pada jaringan yang kompleks yang
besarnya biaya tergantung sekali dengan interaksi arus
 Tetapi hasil pembebanan tidak dijamin konvergen
 Beberapa Model diantaranya:
1. Model Pembebanan Bertahap atau IncrementalModel
2. Model Pembebanan Berulang atau IterativeModel
3. Model Pembebanan Kuantal atau QuantalModel
Metode Pembebana Bertahap
(Incremental Assignment)

 Prinsip utama: membagi MAT total menjadi beberapa bagian

MAT (misal 10%)dgn menggunakan 1set faktor proporsional
Pn = 0,1 dengan ΣPn = 1
 Dalam setiap pembebanan, biaya dihitung kembali berdasarkan
hub biaya-arus
 Nilai tipikal utk Pn adalah 0,1
 Metode pembebanan bertahap punya keuntungan:
1. Sangat mudah diprogram
2. Hasilnya bisa digunakan utk melihat evolusi terjadinya
kemacetan pd jam sibuk
 Bentuk Algoritma :

1. Pilih 1set biaya ruas, misal waktu tempuh dlm kond arus bebas,
semua arus Va=0, pilih 1set fraksi Pn dari MAT sehingga ΣPn=1,
buat n=0
2. Bentuk 1 set pohon biaya minimum (1 utk tiap simpul asal)dgn
menggunakan biaya yg ada, buatn = n+1
3. Bebankan Tn=pn.T dgn menggunakan pembebanan all or
nothing pd tiap pohon tsb utk mendapatkan nilai arus Fl,
akumulasikan arus2 tsb utk tiap ruas jalan:
Vl n= Vln-1 + Fl
4. Hitung 1set biaya ruas yg baru berdasarkan arus sebesarVln,
jika bagian MAT belum selesai dibebankan, kerjakan tahap
2,jika sudah stop.
Batasan metode IncrementalAssignment  jika arus sudah
dibebankan pd suatu ruas, maka arus tsb tidak bisa
dipindahkan atau dibebankan ke tempat lain. akibatnya jika
arus pada permulaan pembenanan terlalu besar, maka hasil
algoritma menjadi tidak konvergen.

Keseimbangan Wardrop tercapai jika nilai δ≈0

Dikatakan konvergen jika jumlah biaya antar rute sama
besar
 Sepasang zona asal-tujuan dgn 3alternatif yg punya hubungan
biaya-arus yg berbeda. Pergerakan sebesar 2000kendaraan dari
zona asal A ke zona tujuan B
Terdapat 5kasus yg akan diteliti:
1. Fraksi pembebanan seragam sebesar 25%,10%dan 5%
2. Fraksi pembebanan tidak seragam sebesar 40%, 30%, 20% dan 10%
Contoh 3. Fraksi pembebanan tidak seragam sebesar 10%, 20%, 30% dan 40%

Soal
 Pembebanan seragam 25%(500kendaraan)

Kasus 1

Sumber : Tamin, 2000

500 20;20 :1000 20;20 :500(20;20)

δ=
2000 (20)
δ=0

Pembebanan bertahap seragam sebesar 25%memiliki hasil

yang konvergen dan mencapai kesimbangan wardrop
 Pembebanan seragam 10%(200 kendaraan)
Pembebanan Rute 1 Rute 2 Rute 3
F Min Jumlah
ke- Arus Biaya Arus Biaya Arus Biaya
0 0 0 10.0 0 15.0 0 12.50 10.0 0
1 200 200 14.0 0 15.0 0 12.50 12.5 200
2 200 200 14.0 0 15.0 200 15.50 14.0 400
3 200 400 18.0 0 15.0 200 15.50 15.0 600
4 200 400 18.0 0 15.0 400 18.50 15.0 800
5 200 400 18.0 200 16.0 400 18.50 16.0 1,000
6 200 400 18.0 400 17.0 400 18.50 17.0 1,200
7 200 400 18.0 600 18.0 400 18.50 18.0 1,400
8 200 500 20.0 700 18.5 400 18.50 18.5 1,600
9 200 500 20.0 800 19.0 500 20.00 19.0 1,800
10 200 500 20.0 1,000 20.0 500 20.00 20.0 2,000
Total 2,000 Sumber : Tamin, 2000

 = 0.0000 500 20;20 :1000 20;20 :500(20;20)

δ= =0
2000 (20)

Pembebanan bertahap seragam sebesar 10%memiliki hasil

yang konvergen dan mencapai kesimbangan wardrop
Pembebanan seragam 5%(100kendaraan)
 Sumber : Tamin, 2000

550 21;19.75 :950 (19.75 ;19.75):500(20;19.75)

δ= = 0.0206
2000 (19.75)

Pembebanan bertahap seragam sebesar 5%memiliki hasil

yang konvergen dan mencapai kesimbangan wardrop
 Pembebanan tidak seragam 40%,30%,20%,10%
Kasus 2

Sumber : Tamin, 2000

800 2 6 ; 1 8 :600 1 8 ; 1 8 :600(21.5;18)

δ=
2000 (18)
= 0.2361
Terlihat bahwa hasil pembebanan tidak mencapai konvergen dengan solusi
keseimbangan wardrop. Hal ini karena arus (800) terlalu besar dibebankan pada rute 1
Metode Pembebanan Berulang
(Iterative Assignment)
 Bertujuan untuk mengatasi masalah pembebanan arus lalu
lintas yang terlalu tinggi pada jalan berkapasitasrendah
 Arus pada suatu ruas dihitung sebagai kombinasi linear
antara arus yg dihasilkan oleh pengulangan terakhir dan arus
yang dihasilkan dari hasil pembebanan all or nothing pada
pengulangan sekarang
Bentuk Algoritma :
1. Pilih 1set data biaya, misal: waktu tempuh pd kondisi arus
bebas; Inisiasikan semua arus Vl(n) = 0, set n=0
2. Bentuk 1set pohon biaya minimum, set n=n+1
3. Bebankan semua MAT Tdgn menggunakan all or nothing
untuk menghasilkan arus Fl;
4. Hitung arus pd saat sekarang:
V l = (1-φ).V
(n)
l
(n-1) + φ.F l
Ket:
Φ : parameter dengan nilai 0-1
Vl(n) : arus lalu lintas yang dihasilkan oleh pengulangan ke n
Fl : arus lalu lintas yang dihasilkan oleh model all or nothing
dengan biaya perjalanan yang dihasilkan oleh pengulangan ke
(n-1)
Vl(n-1) : arus lalu lintas yang dihasilkan oleh pengulangan ke (n-1)
5. Hitung 1set baru biaya bdsk arus Vl(n); jika arus tsb tidak
berubah scr nyata pd 2pengulangan yg berurutan, stop, jika
tidak teruskan ke tahap 2.
 Indikator δ dapat digunakan kapan stop dan harus
dihitung utk menentukan apakah solusinya mendekati
kondisi keseimbangan?
 Smock (1962)  nilai φ harus = kebalikan nilai jumlah
pengulangan (φ =1/n)
 Pembobotan seimbang diberikan pada setiap arus Fl
 Oleh karena itu dikenal dengan Metode rata-rata
berurutan (Method of SuccessiveAverages-MSA)
 Nilai φ =1/n menghasilkan solusi yang konvergen dengan
kondisi keseimbangan
 Algoritma Frank Wolfe dapat menghitung nilai
optimal φ untuk menjamin dan mempercepat konvergen
ContohSoal
Sepasang zona asal-tujuan dgn 3alternatif yg punya hubungan
biaya-arus yg berbeda. Pergerakan sebesar 2000kendaraan dari
zona asal A ke zona tujuan B. Pertimbangkan permasalahan
tersebut dengan nilai φ = 0,5 dan φ =1/n
dengan menggunakan nilai φ = 0,5
Sumber : Tamin, 2000

Terlihat setelah pengulangan ke 10, kondisi keseimbangan

wardrop belum tercapai. Hasil logaritma ini sudah mendekati
kondisi keseimbangan pada pengulangan ke 3, 6 dan 9 . Hal ini
disebabkan oleh kakunya penentuan φ = 0.5
dengan menggunakan nilai φ = 1/n
Sumber : Tamin, 2000

Terlihat bahwa hasil pembebanan setelah pengulangan ke 8

hampir mencapai kondisi solusi keseimbangan wardrop
Metode Pembebanan
Quantal
 Pada metode-metode sebelumnya pembebanan matriks
O-D pada jaringan jalan adalah dengan menetapkan
biaya ruas, menghitung biaya minimum pada lintasan
untuk seluruh perjalanan dari asal ke tujuan dan
pembebanan perjalananan pada lintasan tersebut. Setiap
perubahan biaya di ruas hanya dilakukan pada saat
akhir proses ini.
 Sebaliknya pada pembebanan quantal kita bisa
melakukan perubahan biaya setiap ruas selama prosedur
pembebanan.
 Bentuk Algoritma :
Algoritma pembebanan ini diuraikan sebagai berikut:
1. Buat biaya di ruas pada saatfree flow dan
inisialisasi seluruh Fl = 0.
2. Hitung biaya minimum lintasan untuk ‘n’ asal
perjalanan (origin) setiap rute dan bebani
perjalanan Tij pada rute tersebut, perbaharui
volume terakhir Fl .
3. Apabila seluruh asal perjalanan telah dibebani,
stop; jika tidak buat biaya di ruas berdasarkan
C(Fl) dan kembali ke langkah (2).
Keuntungan Metode Quantal:

 bila suatu ruas tertentu dibebani terlalu berlebih pada saat

awal pembebanan, biayanya akan bertambah sehingga pada
iterasi berikutnya ruas tersebut menerima arus lalu lintas
lebih sedikit.
 menghasilkan penyebaran distribusi perjalanan lebih baik.
Oleh Karena itu pada prosedur pembebanan equilibrium,
cenderung menghasilkan nilai awal yang lebih baik
dibandingkan dengan pembebanan All-or-nothing.
 mencegah terjadinya rute yang ‘aneh’ yang dihasilkan dari
pembebanan all or-nothing yang terjadi bila suatu ruas-ruas
tertentu dibebani sangat besar pada saat awal pembebanan
sehingga menghasilkan biaya sangat tinggi. Kondisi ini
mengakibatkan rute tersebut dikeluarkan dari jaringan.
Model Equilibrium
(Algoritma Frank-Wolfe-1956)

• Metoda heuristic mungkin menghasilkan penyelesaian

equilibrium yang tidak konvergen.
• Perbaikan utama algoritma Frank-Wolfe dibandingkan dengan
metodeheuristic adalah nilai α n (dalam metode heuristic
dilambangkan dengan φ) dihitung dengan menggunakan
formulasi program matematis sebagai pengganti dari nilai yang
tetap. Karena itu algoritma ini menjamin dapat mencapai tingkat
konvergensi dengan lebih effisien.
 Bentuk Algoritma :
• Pilih 1set data biaya, misal: waktu tempuh pd
kondisi arus bebas; Inisiasikan semua arus Vl(n) = 0,
set n=0
• Bentuk 1set pohon biaya minimum, set n=n+1
• Bebankan semua MAT dgn menggunakan all or
nothing
• untuk menghasilkan arus Fl;
V l (n)= (1-φ).Vl (n-1) + φ.F l

• Hitung arus pd saat sekarang:

• Hitung 1set baru biaya bdsk arus Vl(n); jika arus tsb tidak
berubah scr nyata pd 2pengulangan yg berurutan, stop, jika
tidak teruskan ke tahap 2.