MODEL SEBARAN

PERGERAKAN
(Trip Generation)
Nurrahman P.W (15408021)
Elmy Yasinta C (15408063)
Pendahuluan : Perencanaan
Transportasi
Pendahuluan : Perencanaan
Transportasi
MODEL SEBARAN PERGERAKAN
MODEL SEBARAN
PERGERAKAN
• Model sebaran pergerakan merupakan model lanjutan dari
model bangkitan pergerakan
• Model bangkitan hanya mampu memberikan informasi untuk
memperkirakan jumlah pergerakan antarzona
• Tetap diperlukan permodelan pola pergerakan antar zona yang
dipengaruhi oleh tingkat aksesibilitas sistem jaringan
antarzona dan tingkat bangkitan maupun tarikan antarzona
MATRIKS PERGERAKAN
1 2 3 … N Oi

1 T11 T12 T13 … T1N O1

2 T21 T22 T23 … T2N O2

3 T31 T32 T33 … T3N O3

… … … … … ... …

N TN1 TN2 TN3 … TNN ON

Sumber : Ofyar, 2000.
Dd D1 D2 D3 … DN T
MATRIKS PERGERAKAN
• Fungsi Matriks Pergerakan dapat digunakan untuk mendukung
analisis :
- Permodelan kebutuhan akan transportasi untuk daerah
pedalaman atau antarkota
- Permodelan kebutuhan akan transportasi untuk daerah
perkotaan
- Permodelan dan perancangan manajemen lalu lintas baik di
daerah perkotaan maupun antar kota
- Permodelan kebutuhan akan transportasi di daerah yang
ketersediaan datanya tidak begitu baik
- Permodelan kebutuhan akan transportasi antarkota untuk
angkutan barang multimoda
 -Wawanacara di tepi jalan
- Wawancara di rumah
Metode
-Metode menggunakan bendera
Konvensional
Metode - Metode foto udara
Langsung - Metode mengikuti-mobil

Metode Analogi
• Tanpa-batasan
Metode - Seragam
MAT • Dengan-satu-batasan
- Batasan-bangkitan
- Batasan-tarikan
Metode Metode • Dengan-dua-batasan
Tidak Tidak - Rata-rata
Konvensional Langsung - Fratar
- Detroit
- Furness

Metode Sintesis
- Model Opportunity
Model berdasarkan informasi - Model Gravity
arus lalu lintas - Model Gravity-Opportunity
- Estimasi Matriks Entropi
Maksimum
- Model Estimasi Kebutuhan
Transportasi
METODE TIDAK LANGSUNG
MODEL SEBARAN PERGERAKAN
TIDAK LANGSUNG
• Permodelan adalah penyederhanaan realita. Penyederhanaan
tersebut dilakukan dengan suatu faktor atau sistem yang dapat
dipertimbangkan mempunya kaitan dengan situasi yang ingin
digambarkan
• Terdiri dari :
- Metode Analogi : dalam hal ini suatu nilai tingkat pertumbuhan
digunakan pada pergerakan pada saat sekarang untuk
mendapatkan pergerakan pada masa mendatang
- Metode Sintesis : usaha untuk memodelkan hubungan atau
kaitan yang terjadi antarpola pergerakan. Untuk kemudian
diproyeksikan
METODE ANALOGI

• Terdiri atas tiga kelompok utama yaitu :

- Metode tanpa batasan
- Metode dengan satu batasan
- Metode dengan dua batasan
Metode Analogi

METODE TANPA BATASAN

Metode Tanpa-Batasan
• Metode tanpa-batasan atau metode seragam adalah metode
tertua dan paling sederhana.
• Asumsi hanya ada satu nilai tingkat pertumbuhan yang
digunakan untuk mengalikan semua pergerakan pada saat ini
dalam upaya mendapatkan pergerakan pada masa mendatang
Metode Tanpa-Batasan
• Secara matematis persamaan tersebut
dinyatakan dengan :
Tid = tid . E

T = total pergerakan pada masa mendatang di

dalam daerah kajian
t = total pergerakan pada masa sekarang di dalam
daerah kajian
Metode Tanpa-Batasan
Zona 1 2 3 4 5 oi Oi Ei
1 20 40 50 60 80 250 500 2,000
2 40 30 100 50 80 300 300 1,000
3 60 30 20 90 150 350 875 2,500
4 80 70 60 40 200 450 1350 3,000
5 100 80 90 80 50 400 475 1,188
dd 300 250 320 320 560 1750
Dd 300 750 640 480 1330 3500
Ed 1,000 3,000 2,000 1,500 2,375 2,000

Pergerakan dalam daerah kajian meningkat sebesar 100%

(yaitu 1750 menjadi 3500). Dengan metode seragam maka didapatkan secara
sederhana semua sel MAT (Tid) dikalikan dengan 2,0 untuk mendapatkan MAT
masa mendatang.
Metode Tanpa-Batasan
Berikut merupakan contoh MAT mendatang dengan E=2,0

Zona 1 2 3 4 5 oi Oi Ei
1 40 80 100 120 160 500 500 1,000
2 80 60 200 100 160 600 300 0,500
3 120 60 40 180 300 700 875 1,250
4 160 140 120 80 400 900 1350 1,500
5 200 160 180 160 100 800 475 0,594
dd 600 500 640 640 1120 3500
Dd 300 750 640 480 1330 3500
Ed 0,500 1,500 1,000 0.750 1,188 1,000
Metode Tanpa-Batasan
Kekurangan :
- Tingkat pertumbuhan global yang terjadi dianggap merata
atau seragam untuk setiap zona
- Tidak dapat digunakan untuk kota yang tingkat pertumbuhan
tata guna lahannya tidak merata (terjadi di negara
berkembang) sehingga tidak cocok digunakan di Indonesia
Metode dengan satu-batasan
METODE DENGAN BATASAN
BANGKITAN
Metode dengan Batasan-
Bangkitan
• Asumsi : Informasi yang tersedia adalah perkiraan bangkitan
pergerakan pada masa mendatang, atau perkiraan tarikan
pergerakan tidak tersedia atau dapat juga tersedia tapi
akurasinya rendah. Secara matematis dijelaskan dengan
persamaan berikut :
Tid = tid . Ei
Metode dengan Batasan-
Bangkitan
Zona 1 2 3 4 5 oi Oi Ei

1 20 40 50 60 80 250 500 2,000

2 40 30 100 50 80 300 300 1,000
3 60 30 20 90 150 350 875 2,500
4 80 70 60 40 200 450 1350 3,000
5 100 80 90 80 50 400 475 1,188
dd 300 250 320 320 560 1750
Dd 300 750 640 480 1330 3500
Ed 1,000 3,000 2,000 1,500 2,375 2,000
Metode dengan Batasan-Bangkitan
Zona 1 2 3 4 5 oi Oi Ei

1 40 80 100 120 160 500 500 1,000

2 40 30 100 50 80 300 300 1,000

3 150 75 50 225 375 875 875 1,000

4 240 210 180 120 600 1350 1350 1,000

5 119 95 107 95 59 475 475 1,000

dd 589 490 537 610 1274 3500

Dd 300 750 640 480 1330 3500

Ed 0,510 1,531 1,192 0,787 1,044 1,000

Metode dengan satu-batasan
METODE DENGAN BATASAN TARIKAN
Metode dengan Batasan-Tarikan
Metode ini digunakan jika informasi yang
tersedia adalah perkiraan tarikan pergerakan pada
masa mendatang, sedangkan perkiraan bangkitan
pergerakan tidak tersedia atau dapat juga tersedia
tetapi akurasinya rendah. Secara matematis
metode ini dapat dinyatakan dengan persamaan
sebagai berikut :

Tid = tid . Ed
Metode dengan Batasan-Tarikan
Zona 1 2 3 4 5 oi Oi Ei

1 20 40 50 60 80 250 500 2,000

2 40 30 100 50 80 300 300 1,000
3 60 30 20 90 150 350 875 2,500
4 80 70 60 40 200 450 1350 3,000
5 100 80 90 80 50 400 475 1,188
dd 300 250 320 320 560 1750
Dd 300 750 640 480 1330 3500
Ed 1,000 3,000 2,000 1,500 2,375 2,000
Metode dengan Batasan-Tarikan

Berikut merupakan contoh metode dengan-batasan-

tarikan:
Zona 1 2 3 4 5 oi Oi Ei

1 20 120 100 90 190 520 500 0,962

2 40 90 200 75 190 595 300 0,504
3 60 90 40 135 356 681 875 1,284
4 80 210 120 60 475 945 1350 1,429
5 100 240 180 120 119 759 475 0,626
dd 300 750 640 480 1330 3500
Dd 300 750 640 480 1330 3500
Ed 1,000 1,000 1,000 1,000 1,000 1,000
METODE DUA BATASAN
 Metode Rata-Rata

Metode Fratar

Metode dengan
dua-batasan

Metode Detroit

Metode Furness
Metode Rata-Rata
-Metode rata-rata adalah usaha pertama untuk
mengatasi adanya tingkat pertumbuhan daerah yang
berbeda-beda
- Metode ini menggunakan tingkat pertumbuhan yang
berbeda-beda di tiap zona yang dihasilkan dengan
perubahan tata guna lahan dan bangkitan lalu lintas.
Secara matematis hal ini dapat dijelaskan sebagai
berikut :
Metode Rata-Rata

Keterangan :
Ei, Ed = tingkat pertumbuhan zona i dan d
Oi,Dd = total pergerakan masa mendatang yang berasal dari zona asal
i atau yang menuju ke zona tujuan d
oi,dd = total pergerakan masa sekarang yang berasal dari
zona asal i atau yang menuju ke zona tujuan d
Metode Rata-Rata
Asumsi :
oi = Oi
oi = total pergerakan masa sekarang dengan zona asal i.
Oi = total pergerakan masa mendatang (dari analisis
bangkitan
lalu lintas) dengan zona asal i.

Proses pengulangan dilakukan harus dilakukan untuk

meminimumkan besarnya perbedaan tersebut dengan
mengatur
Nilai Ei dan Ed sampai oi = Oi dan dd = Dd
Metode Rata-Rata
Zona 1 2 3 4 5 oi Oi Ei

1 20 40 50 60 80 250 500 2,000

2 40 30 100 50 80 300 300 1,000

3 60 30 20 90 150 350 875 2,500

4 80 70 60 40 200 450 1350 3,000

5 100 80 90 80 50 400 475 1,188

dd 300 250 320 320 560 1750

Dd 300 750 640 480 1330 3500

Ed 1,000 3,000 2,000 1,500 2,375 2,000

Metode Rata-Rata
• Untuk pengulangan ke-1 digunakan persamaan :

• Perhitungan nilai Tid untuk pengulangan ke-1 :

…
Metode Rata-Rata
MAT pada masa mendatang dengan metode rata-rata (hasil
pengulangan ke-1)
Zona 1 2 3 4 5 oi Oi Ei
1 30 100 100 105 175 510 500 0,9804
2 40 60 150 62,5 135 447,5 300 0,6704
3 105 82,50 45 180 365,63 778,13 875 1,1245
4 160 210 150 90 537,5 1147,5 1350 1,1765
5 109,38 167,5 143,44 107,5 89,06 616,88 475 0,7700
dd 444,38 620 588,44 545 1302,19 3500
Dd 300 750 640 480 1330 3500
Ed 0,6751 1,2097 1,0876 0,8807 1,0214 1,000
Metode Rata-Rata
Perhitungan untuk Tid untuk pengulangan ke-2 :

.
.
Metode Rata-Rata
MAT pada masa mendatang dengan metode rata-rata (hasil
pengulangan ke-2)

Zona 1 2 3 4 5 oi Oi Ei
1 24,83 109,50 103,40 97,71 175,15 510,60 500 0,9792
2 26,91 56,40 131,85 48,47 114,19 377,83 300 0,7940
3 94,48 96,28 49,77 180,47 392,29 813,30 875 1,0759
4 148,13 250,55 169,81 92,57 590,67 1251,72 1350 1,0785
5 79,03 165,80 133,23 88,73 79,77 546,56 475 0,8691
dd 373,38 678,53 588,06 507,95 1352,07 3500
Dd 300 750 640 480 1330 3500
Ed 0,8035 1,1053 1,0883 0,9450 0,9837 1,000
Metode Rata-Rata
MAT pada masa mendatang dengan metode rata-rata (hasil
pengulangan ke-20)

Zona 1 2 3 4 5 oi Oi Ei
1 19 118 115 89 159 500 500 1,000
2 16 49 118 35 83 300 300 1,000
3 84 120 64 191 416 875 875 1,000
4 128 305 213 95 609 1350 1350 1,000
5 52 158 131 71 64 475 475 1,000
dd 300 750 640 480 1330 3500
Dd 300 750 640 480 1330 3500
Ed 1,000 1,000 1,000 1,000 1,000 1,000
Metode dengan dua-batasan
METODE FRATAR
Metode Fratar
Asumsi :
- Sebaran pergerakan dari zona asal pada masa mendatang
sebanding dengan sebaran pergerakan pada masa sekarang
- Sebaran pergerakan pada masa mendatang dimodifikasi
dengan nilai tingkat pertumbuhan zona tujuan pergerakan
tersebut
Metode Fratar
• Secara matematis, metode Fratar dapat dinyatakan dengan
cara :
Metode Fratar
MAT pada masa mendatang, (tingkat pertumbuhan setiap zona
serta nilai Li dan Ld (pengulangan ke-1)
Zona 1 2 3 4 5 oi Oi Ei Li

1 20 40 50 60 80 250 500 2,000 0,523

2 40 30 100 50 80 300 300 1,000 0,470
3 60 30 20 90 150 350 875 2,910 0,552
4 80 70 60 40 200 450 1350 3,000 0,664
5 100 80 90 80 50 400 475 1,188 0,470
dd 300 250 320 480 560 1750
Dd 300 750 640 1500 1330 3500
Ed 1,000 3,000 2,000 1,500 2,375 2,000
Ld 0,469 0,557 0,431 0,553 0,554
Metode Fratar

L1 = 0,523

L2 = 0,470
Metode Fratar
.
.

L5 = 0,470
Metode Fratar

L1 = 0,469

L2 = 0,557
Metode Fratar
.
.

L5 = 0,554
Metode Fratar
Perhitungan nilai Tid untuk pengulangan ke-2

…
Metode Fratar
MAT pada masa mendatang, (tingkat pertumbuhan setiap zona
serta nilai Li dan Ld (pengulangan ke-2)
Zona 1 2 3 4 5 oi Oi Ei Li

1 19.83 129.56 95.34 95.05 204.64 544.42 500 0.918 1.009

2 18.76 46.19 90.02 37.61 97.27 289.86 300 1.035 1.029

3 76.53 124.73 49.12 183.10 492.55 926.02 875 0.945 1.002

4 135.91 384.59 197.03 107.76 868.05 1693.34 1350 0.797 0.966

5 55.72 146.31 96.23 71.47 72.21 441.95 475 1.075 1.055

dd 306.75 831.39 527.74 494.99 1734.72 3896

Dd 300 750 640 480 1330 3500

Ed 0.978 0.902 1.213 0.970 0.767 0.898

Ld 1.009 1.029 1.074 0.934 0.963

Metode Fratar
MAT pada masa mendatang, (tingkat pertumbuhan setiap zona
serta nilai Li dan Ld (pengulangan ke-10)
Zona 1 2 3 4 5 oi Oi Ei Li

1 19 118 115 89 159 500 500 1.000 1.000

2 20 45 116 38 81 300 300 1.000 1.000

3 81 124 65 187 418 875 875 1.000 1.000

4 119 316 215 91 609 1350 1350 1.000 1.000

5 60 148 129 75 63 475 475 1.000 1.000

dd 300 750 640 480 1330 3896

Dd 300 750 640 480 1330 3500

Ed 1.000 1.000 1.000 1.000 1.000 1.000

Ld 1.000 1.000 1.000 1.000 1.000

Metode Fratar
Kekurangan :
• Proses pengulangan cukup rumit dan membutuhkan proses
perhitungan yang panjang
• Menurut Davinroy et al (1963) bahwa metode seragam, rata-rata
dan fratar memiliki tingkat keakuratan yang relatif hampir sama
Kelebihan :
• Ada upaya peningkatan akurasi
• Upaya pengurangan jumlah pengulangan
Metode dengan dua-batasan
METODE DETROIT
Metode Detroit
• Metode ini dikembangkan bersamaan dengan
pelaksanaan pekerjaan Detroit Metropolitan Area Traffic
Study. Tujuannya menyempurnakan metode-metode
sebelumnya sekaligus dalam mengurangi waktu kerja
komputer.
• Asumsinya :
- Jumlah pergerakan di zona i meningkat sesuai dengan
tingkat pertumbuhan di Ei
- Pergerakan ini juga harus disebarkan ke zona d
sebanding
dengan Ed, dibagi dengan tingkat pertumbuhan global
(E)
Metode Detroit
Zona 1 2 3 4 5 oi Oi Ei
1 20 40 50 60 80 250 500 2,000
2 40 30 100 50 80 300 300 1,000
3 60 30 20 90 150 350 875 2,500
4 80 70 60 40 200 450 1350 3,000
5 100 80 90 80 50 400 475 1,188
dd 300 250 320 320 560 1750
Dd 300 750 640 480 1330 3500
Ed 1,000 3,000 2,000 1,500 2,375 2,000
Metode Detroit

…
Metode Detroit (pengulangan
ke-2)
Zona 1 2 3 4 5 oi Oi Ei
1 20 120 100 90 190 520 500 0,9615
2 20 45 100 37,5 95 297,50 300 1,0084
3 75 112,5 50 168,75 445,31 851,56 875 1,0275
4 120 315 180 90 712,50 1417,5 1350 0,9524
5 59.38 142.5 106,88 71,25 70,51 450,51 475 1,0544
Dd 294.38 735 536,88 457,50 1513,32 3537,07
Dd 300 750 640 480 1330 3500
Ed 1,0191 1.0204 1.1921 1,0492 0,8789 0,9895
Metode Detroit (pengulangan
ke-8)
Zona 1 2 3 4 5 oi Oi Ei
1 19 118 115 89 159 500 500 1,000
2 20 45 117 38 81 300 300 1,000
3 81 124 65 187 418 875 875 1,000
4 119 316 213 91 611 1350 1350 1,000
5 61 147 130 74 62 475 475 1,000
dd 300 750 640 480 1330 3500
Dd 300 750 640 480 1330 3500
Ed 1,000 1,000 1,000 1,000 1,000 1,000
Metode Detroit
• Keunggulan :
- Tingkat pertumbuhan yang digunakan lebih sederhana
dibandingkan dengan metode fratar.
- Waktu komputasi/ pengolahan data semakin sedikit
Metode dengan dua-batasan
METODE FURNESS
Metode Furness
• Mengembangkan metode yang pada saat sekarang sangat
sering digunakan dalam perencanaan transportasi
• Sebaran pergerakan pada masa mendatang didapatkan
dengan mengalikan sebaran pergerakan sekarang dengan
tingkat pertumbuhan zona asal atau zona tujuan yang
dilakukan secara bergantian
• Secara matematis dijelaskan dengan persamaan :
Tid = tid . Ei
Metode Furness
• Metode yang paling sering digunakan dalam perencanaan
transportasi
• Pada metode ini, sebaran pergerakan pada masa mendatang
didapatkan dengan mengalikan sebaran pergerakan pada saat
sekarang dengan tingkat pertumbuhan zona asal dan zona
tujuan yang dilakukan secara bergantian
Tid = tid.Ei
Metode Furness (matriks awal)
Zona 1 2 3 4 oi Oi Ei

1 10 60 80 50 200 300 1,500

2 80 20 100 50 250 250 1,000

3 20 130 10 50 210 420 2,000

4 100 80 60 20 260 650 2,500

dd 210 290 250 170 920

Dd 420 435 250 515 1620

Ed 2,000 1,500 1,000 3,03 1,760

Metode Furness (pengulangan
ke-1)
Zona 1 2 3 4 oi Oi Ei

1 15 90 120 75 300 300 1,000

2 80 20 100 50 250 250 1,000

3 40 260 20 100 420 420 1,000

4 250 200 150 50 650 650 1,000

dd 385 570 390 275 1620

Dd 420 435 250 515 1620

Ed 1,091 0,763 0,641 1,873 1,000

Metode Furness (pengulangan
ke-2)
Zona 1 2 3 4 oi Oi Ei
1 16,4 68,7 76,9 302,4 302,4 300 0,992
2 87,3 15,3 64,1 260,3 260,3 250 0,961
3 43,6 198,4 12,8 442,2 442,2 420 0,950
4 272,7 152,6 96,2 615,1 615,1 650 1,057
dd 420 435 250 515 1620
Dd 420 435 250 515 1620
Ed 1,000 1,000 1,000 1,000 1,000
Metode Furness (pengulangan
ke-6)
Zona 1 2 3 4 oi Oi Ei
1 16 68 75 141 300 300 1,000
2 82 15 61 92 250 250 1,000
3 40 188 12 180 421 420 0,999
4 282 164 102 102 649 650 1,001
dd 420 435 250 515 1620
Dd 420 435 250 515 1620
Ed 1,000 1,000 1,000 1,000 1,000
KELEBIHAN MODEL ANALOGI
KELEBIHAN
- Mudah dimengerti dan mudah digunakan karena hanya
menggunakan data pergerakan antarzona (MAT) pada masa
sekarang dan perkiraan tingkat pertumbuhan zona pada masa
mendatang yang sederhana
- Proses pengulangannya sederhana
- Data aksesibilitas (waktu, jarak, dan biaya) antarzona tidak
diperlukan
- Penggunaannya fleksibel, misalnya untuk moda transportasi
lain, untuk tujuan perjalanan yang berbeda, untuk selang
waktu yang berbeda dan juga dapat digunakan untuk arah
pergerakan yang berbeda
- Sudah sering diabsahkan dan menghasilkan tingkat ketepatan
yang cukup tinggi jika digunakan pada daerah yang pola
pengembangan wilayahnya stabil
KEKURANGAN MODEL ANALOGI
KERUGIAN
- Metode ini membutuhkan masukan data lengkap dari seluruh
pergerakan antarzona pada saat sekarang (tid), informasi ini
tentunya sangat mahal
- Dibutuhkan jumlah zona yang selalu tetap, sehingga
menggunakan manipulasi dengan menganggap pada masa
sekarang jumlah zona yang digunakan adalah jumlah zona
pada masa mendatang dengan pergerakan yang cukup kecil.
Realitanya, pergerakan tersebut memang belum ada pada
masa sekarang
- Kelemahan yang paling utama adalah jika ditemukan bahwa
antara 2 buah zona pada saat sekarang belum terjadi
pergerakan (tid= 0) atau mungkin karena ada galat survey atau
hal lainnya
KERUGIAN
- Pergerakan intrazona (i=d) tidak diperhitungkan pada metode ini
sehingga meningkatkan galat dan membutuhkan jumlah
pengulangan yang semakin banyak yang selanjutnya memungkinkan
terciptanya galat yang semakin besar
- Metode ini tidak dapat digunakan untuk melengkapi sel matriks
yang kosong dengan menambahkannya dari matriks parsial
- Metode ini sangat tergantung pada tingkat akurasi informasi
pergerakan antarzona pada masa sekarang. Setiap galat yang ada
pada masa sekarang akan terus membesar setiap terjadi
pengulangan
- Metode ini tidak cocok untuk metode peramalan jangka panjang
- Metode ini tidak dapat digunakan untuk daerah yang berkembang
dengan pesat
Metode Sintesis
Model Gravitasi
Pengertian
• Merupakan metode hasil pengembangan
metode analogi.

Asumsi
• Diperhitungkannya alasan terjadi pergerakan di
masa sekarang sebelum pergerakan pada masa
mendatang.
• Menggunakan analogi hukum alam yang terjadi.
Model Gravitasi
• Asumsi : ciri bangkitan dan tarikan pergerakan berkaitan
dengan beberapa parameter zona asal.

𝑚𝑖 . 𝑚𝑑
𝐹𝑖𝑑 = 𝐺
𝑑2
Model Gravitasi
• Nilai sel MAT berkaitan dengan aksesibilitas sebagai fungsi
jarak, waktu, atau pun biaya.
• Dalam ilmu geografi, gaya dianggap sebagai pergerakan antara
dua daerah.
• Massa digantikan dengan peubah seperti populasi atau
bangkitan dan tarikan pergerakan.
• Jarak, waktu atau biaya sebagai ukuran aksesibilitas
Model Gravitasi
𝑂𝑖 . 𝑂𝑑
𝑇𝑖𝑑 = 𝐾
𝑑2
𝑇𝑖𝑑 ≈ 𝑂𝑖 . 𝐷𝑑 . 𝑓(𝐶𝑖𝑑 )
Batasan
𝑁
σ𝑁 𝑇
𝑑=1 𝑖𝑑 = 𝑂𝑖 dan σ 𝑖=1 𝑇𝑖𝑑 = 𝐷𝑖
Model Gravitasi (Rumus
Umum)
𝑻𝒊𝒅 = 𝑨𝒊 . 𝑶𝒊 . 𝑩𝒅 . 𝑫𝒅 . 𝒇(𝑪𝒊𝒅 )

Dengan faktor penyeimbang

1
𝐴𝑖 = 𝑁
σ𝑑=1(𝐵𝑑 . 𝐷𝑑 . 𝑓𝑖𝑑 )

1
𝐵𝑑 = 𝑁
σ𝑖=1(𝐴𝑖 . 𝑂𝑖 . 𝑓𝑖𝑑 )
Model Gravitasi (Fungsi
Hambatan)
Menurut Hyman (1969) menyarankan tiga fungsi hambatan
sebagai ukuran aksesibilitas (kemudahan) antara zona i dengan
zona d
• 𝑓 𝐶𝑖𝑑 = 𝐶𝑖𝑑 −𝛼 (fungsi pangkat)
−𝛽𝐶𝑖𝑑
• 𝑓 𝐶𝑖𝑑 = 𝑒 (fungsi eksponensial negatif)
−𝛽𝐶𝑖𝑑
• 𝑓 𝐶𝑖𝑑 = 𝐶𝑖𝑑 −𝛼 . 𝑒 (fungsi Tanner)
Model Gravitasi (Jenis)
1. Model Tanpa Batasan
2. Model Dengan Batasan Bangkitan (SCGR)
3. Model Dengan Batasan Tarikan (SCGR)
4. Model Dengan Batasan Bangkitan Tarikan (DCGR)
Model Tanpa Batasan (UCGR)
Asumsi :
Bersifat tanpa batasan. Dalam arti model tidak diharuskan
menghasilkan total yang sama dengan total pergerakan dari dan
ke setiap zona yang diperkirakan.

𝑻𝒊𝒅 = 𝑨𝒊 . 𝑶𝒊 . 𝑩𝒅 . 𝑫𝒅 . 𝒇(𝑪𝒊𝒅 )

Dimana 𝑨𝒊 = 1 untuk seluruh i dan 𝑩𝒅 =1 untuk seluruh d

Model Tanpa Batasan
Asumsi :
Fungsi hambatan : fungsi eksponensial negatif
Maka ,

−𝜷𝑪𝒊𝒅
𝑻𝒊𝒅 = 𝑨𝒊 . 𝑶𝒊 . 𝑩𝒅 . 𝑫𝒅 . 𝒆𝒙𝒑
Dengan :
A,B = 1
β = 0,08562
Cid = fungsi aksesibilitas
Model Tanpa Batasan
Contoh :
Terdapat hasil tahap bangkitan pergerakan sebagai berikut

Zona 1 2 3 4 5 𝑶𝒊
1 500
2 300
3 875
4 1350
5 475
𝑫𝒅 300 750 640 480 1330 3500
Hitung distribusi pergerakan dengan menggunakan Model
Gravitasi tanpa batasan
Model Tanpa Batasan
• Didapat Matriks Aksesibilitas

Zona 1 2 3 4 5
1 5 10 20 50 35
2 25 5 40 45 25
3 50 35 10 35 40
4 25 40 35 5 50
5 45 50 25 15 10
Model Tanpa Batasan
• Dihitung Matriks Fungsi Aksesibilitas
−𝜷𝑪𝒊𝒅
(𝒆𝒙𝒑 )
Zona 1 2 3 4 5
1 0,65175 0,42478 0,18044 0,01383 0,04995
2 0,11760 0,65175 0,03256 0,02122 0,11760
3 0,01383 0,04995 0,42478 0,04995 0,03256
4 0,11760 0,03256 0,04995 0,65175 0,01383
5 0,02122 0,01383 0,11760 0,27685 0,42478
 Model Tanpa Batasan
• Hitung 𝑇11 hingga 𝑇55
−𝜷𝑪𝟏𝟏
• 𝑻𝟏𝟏 = 𝑨𝟏 . 𝑶𝟏 . 𝑩𝟏 . 𝑫𝟏 . 𝒆𝒙𝒑 = 𝟏𝐱𝟓𝟎𝟎𝐱𝟏𝐱𝟑𝟎𝟎𝐱𝟎, 𝟔𝟓𝟏𝟕𝟓 = 𝟗𝟕𝟕𝟔𝟑, 𝟑
−𝜷𝑪𝟏𝟐
• 𝑻𝟏𝟐 = 𝑨𝟏 . 𝑶𝟏 . 𝑩𝟐 . 𝑫𝟐 . 𝒆𝒙𝒑 = 𝟏𝐱𝟓𝟎𝟎𝐱𝟏𝐱𝟕𝟓𝟎𝐱𝟎, 𝟒𝟐𝟒𝟕𝟖 = 𝟏𝟓𝟗𝟐𝟗𝟓, 𝟔
−𝜷𝑪𝟏𝟑
• 𝑻𝟏𝟑 = 𝑨𝟏 . 𝑶𝟏 . 𝑩𝟑 . 𝑫𝟑 . 𝒆𝒙𝒑 = 𝟏𝐱𝟓𝟎𝟎𝐱𝟏𝐱𝟔𝟒𝟎𝐱𝟎, 𝟏𝟖𝟎𝟒𝟒 = 𝟓𝟕𝟕𝟒𝟐, 𝟐
•
•
−𝜷𝑪𝟓𝟓
• 𝑻𝟓𝟓 = 𝑨𝟓 . 𝑶𝟓 . 𝑩𝟓 . 𝑫𝟓 . 𝒆𝒙𝒑 = 𝟏𝐱𝟒𝟕𝟓𝐱𝟏𝐱𝟏𝟑𝟑𝟎𝐱𝟎, 𝟒𝟐𝟒𝟕𝟖 = 𝟐𝟔𝟖𝟑𝟔𝟎
 Model Tanpa Batasan
Matriks MAT
Zona 1 2 3 4 5 𝒐𝒊 𝑶𝒊 𝑬𝒊 A

1 97763,7 159295,6 57742,4 3319,5 33222 351343,2 500 0,0014 1

2 10584,6 146645,5 6251,6 3055,9 46925 213462,6 300 0,0014 1

3 3630,7 32784,9 237881,4 20982,3 37892,2 333171,5 875 0,0026 1

4 47630,6 32967,4 43163,6 422339,0 24834,1 570934,8 1350 0,0024 1

5 3024,1 4927,4 35752,4 63123,9 268360 375187,7 475 0,0013 1

𝒅𝒅 162633,6 376620,8 380791,4 512820,6 411233,2 18844100

𝑫𝒅 300 750 640 480 1330 3500

𝑬𝒅 0,0018 0,002 0,0017 0,0009 0,0032 0,0019

B 1 1 1 1 1
 Model Tanpa Batasan
Matriks MAT Baru
Zona 1 2 3 4 5 𝒐𝒊 𝑶𝒊 𝑬𝒊 A

1 186 302 110 6 63 667 500 0,7498 1

2 20 278 12 6 89 405 300 0,7405 1

3 7 62 451 40 72 632 875 1,3837 1

4 90 63 82 802 47 1084 1350 1,2458 1

5 6 9 68 120 509 712 475 0,6671 1

𝒅𝒅 309 715 723 973 780 3500

𝑫𝒅 300 750 640 480 1330 3500

𝑬𝒅 0,9719 1,0492 0,8822 0,4932 1,7040 1

B 1 1 1 1 1
Model Batasan Bangkitan (PCGR)
Asumsi :
• Total pergerakan global hasil bangkitan pergerakan harus
sama dengan total pergerakan yang dihasilkan dengan
pemodelan.
• Tarikan pergerakan tidak perlu sama
Model Batasan Bangkitan
Syarat :
• Bd = 1
1
• 𝐴𝑖 = σ𝑁
𝑑=1(𝐵𝑑 .𝐷𝑑 .𝑓𝑖𝑑 )

Rumus
−𝜷𝑪𝒊𝒅
𝑻𝒊𝒅 = 𝑨𝒊 . 𝑶𝒊 . 𝑩𝒅 . 𝑫𝒅 . 𝒆𝒙𝒑

Tahapan :
1. Buat matriks dari (𝐵𝑑 . 𝐷𝑑 . 𝑓𝑖𝑑 )
2. Hitung nilai A untuk masing-masing zona
3. Hitung nilai untuk masing-masing T
4. Buat Matriks MAT
Model Batasan Tarikan (ACGR)
Asumsi :
• Total pergerakan secara global harus sama dan juga tarikan
pergerakan yang didapat dengan pemodelan harus sama
dengan hasil tarikan pergerakan yang diinginkan.
• Bangkitan pergerakan tidak harus sama.
Model Bangkitan Tarikan
Syarat :
• Ai = 1
1
• 𝐵𝑑 = σ𝑁
𝑖=1(𝐴𝑖 .𝑂𝑖 .𝑓𝑖𝑑 )

Rumus :
−𝜷𝑪𝒊𝒅
𝑻𝒊𝒅 = 𝑨𝒊 . 𝑶𝒊 . 𝑩𝒅 . 𝑫𝒅 . 𝒆𝒙𝒑

Tahapan :
1. Buat matriks dari(𝐴𝑖 . 𝑂𝑖 . 𝑓𝑖𝑑 )
2. Hitung nilai B untuk masing-masing zona
3. Hitung nilai untuk masing-masing T
4. Buat Matriks MAT
Model Batasan Bangkitan
Tarikan
• Dalam model ini, bangkitan dan tarikan pergerakan harus
selalu sama dengan yang dihasilkan oleh tahap bangkitan
pergerakan.

Syarat batas :
1
𝐴𝑖 = σ𝑁
untuk semua zona i
𝑑=1(𝐵𝑑 .𝐷𝑑 .𝑓𝑖𝑑 )

1
𝐵𝑑 = σ𝑁
untuk semua zona d
𝑖=1(𝐴𝑖 .𝑂𝑖 .𝑓𝑖𝑑 )
Model Batasan Bangkitan
Tarikan
Rumus :
−𝜷𝑪𝒊𝒅
𝑻𝒊𝒅 = 𝑨𝒊 . 𝑶𝒊 . 𝑩𝒅 . 𝑫𝒅 . 𝒆𝒙𝒑

Faktor penyeimbang menjamin bahwa total baris dan kolom dari

matriks pemodelan harus sama dengan hasil perhitungan.
Model Batasan Bangkitan
Tarikan
• Prosedur penggunaan model mirip dengan metode
Furness.
• Tentukan terlebih dahulu apakah akan mengiterasi
dengan A atau B terlebih dahulu. (Hasil tidak
terpengaruh)
• Iterasi dilakukan dengan bergantian.
• Iterasi dihentikan ketika nilai A dan B sudah tidak
mengalami perubahan (kondisi konvergen)
• Lakukan perhitungan T untuk masing-masing zona sesuai
dengan faktor penyeimbang yang didapat.
• Buat tabel MAT
Kapan Menggunakan
• Model tanpa batasan atau model batasan tarikan atau
model batasan bangkitan digunakan karena data yang
tidak cukup.
• Model batasan bangkitan tarikan digunakan pada kasus
yang ramalan bangkitan dan tarikan pergerakannya
cukup baik di masa mendatang.
• Model batasan bangkitan digunakan untuk pergerakan
berbasis rumah untuk berbagai tujuan pergerakan.
• Model batasan tarikan digunakan untuk tujuan bisnis dan
belanja serta mudah dispesifikasi dan dikalibrasi.
Metode Sintesis
Kalibrasi Model Gravitasi
Definisi
• Metode penentuan nilai parameter β dalam fungsi hambatan
pada model gravitasi.
• Parameter β dapat menggambarkan biaya rata-rata perjalan di
daerah penelitian.
• Jika nilai β meningkat tidak terhingga, maka biaya rata-rata
perjalanan akan mendekati nilai minimum.
• Jika nilai β menurun tidak terhingga, maka biaya rata-rata
perjalanan akan mendekati batas atas (maksimum).
Jenis Kalibrasi
• Metode Sederhana
• Metode Hyman
• Metode Analisis Regresi Linear
• Metode Penaksiran Kuadrat Terkecil
• Metode Penaksiran Kemiripan maksimum
• Metode Penaksiran Inferensi Bayes
• Metode Penaksiran Entropi Maksimum
• Penggunaan Data MAT Parsial
• Metode Kalibrasi Newton-Raphson
Metode Sederhana
• Menggunakan prediksi awal nilai β kemudian menghitung
model gravitasi dengan nilai β tersebut.
• Melakukan pengamatan panjang perjalanan.
• Hasil model dan hasil pengamatan dibandingkan dan didapat
selisih nilai β.
• Proses dilakukan berulang kali hingga selisih nilai β sangat
kecil.
Metode Hyman
• Asumsi yang digunakan : hasil pengamatan dan hasil
perhitungan harus sama.
• Parameter β harus dipilih agar biaya rata-rata perjalanan hasil
pengamatan sama dengan hasil perhitungan.

σ𝑖 σ𝑑[𝑇 𝛽 𝑐𝑖𝑑 ]
𝑐 β =
𝑇(𝛽)

σ𝑖 σ𝑑[𝑁𝑖𝑑 𝐶𝑖𝑑 ]
𝑐 ∗=
σ𝑖 σ𝑑 𝑁𝑖𝑑

𝑐 𝛽 =𝑐∗
Metode Analisis Regresi Linear
• Digunakan untuk mengkalibrasi parameter model gravitasi
yang merupakan suatu fungsi non-linear.
• Transformasi linear dibutuhkan untuk mengubah fungsi non-
linear menjadi linear.
• Hal ini dimaksudkan agar perhitungan dan pengamatan
bernilai sama.
Metode Analisis Regresi Linear
Fungsi Hambatan Eksponensial Negatif

Asumsi : suatu model gravitasi memiliki fungsi hambatan

eksponensial negatif.

−𝜷𝑪𝒊𝒅
𝑻𝒊𝒅 = 𝑨𝒊 . 𝑶𝒊 . 𝑩𝒅 . 𝑫𝒅 . 𝒆𝒙𝒑

log 𝑒 𝑇𝑖𝑑 = log 𝑒 𝐴𝑖 . 𝐵𝑑 . 𝑂𝑖 . 𝐷𝑑 − 𝛽𝐶𝑖𝑑

Metode Analisis Regresi Linear
Fungsi Hambatan Pangkat

Asumsi : suatu model gravitasi memiliki fungsi hambatan

pangkat.

−𝜷
𝑻𝒊𝒅 = 𝑨𝒊 . 𝑶𝒊 . 𝑩𝒅 . 𝑫𝒅 . 𝑪𝒊𝒅

log 𝑒 𝑇𝑖𝑑 = log 𝑒 𝐴𝑖 . 𝐵𝑑 . 𝑂𝑖 . 𝐷𝑑 − 𝛽 log 𝑒 𝐶𝑖𝑑

Metode Analisis Regresi Linear
Fungsi Hambatan Tanner

Asumsi : suatu model gravitasi memiliki fungsi hambatan secara

eksponensial dan pangkat.

−𝜷 −𝜷𝑪𝒊𝒅
𝑻𝒊𝒅 = 𝑨𝒊 . 𝑶𝒊 . 𝑩𝒅 . 𝑫𝒅 . 𝑪𝒊𝒅 . 𝒆𝒙𝒑

log 𝑒 𝑇𝑖𝑑 = log 𝑒 𝐴𝑖 . 𝐵𝑑 . 𝑂𝑖 . 𝐷𝑑 − 𝛽(log 𝑒 𝐶𝑖𝑑 + 𝐶𝑖𝑑 )

Metode Sintesis
Model Entropi Maksimum
Pendekatan Entropi Maksimum
• Satu set peubah yang membentuk suatu sistem dan melihat
batasan yang mengaturnya.
• Jika suatu sistem dibentuk dari berbagai individu, status sistem
tersebut adalah cara individu memutuskan perjalanannya
secara konsisten
• Sebaran pergerakan dalam tingkat agregat
Asumsi
• Peluang sebaran Tid yang terjadi sebanding jumlah stats yang
ada dalam sistem yang mendukung terbentuknya sebaran Tid.
• Batasan yang digunakan adalah batas total biaya yang
dilakukan oleh semua pergerakan di dalam daerah tersebut.
• Jumlah cara setiap individu untuk menghasilkan sebaran Tid
(Wid ) sebanding dengan peluang Tid
෍ ෍ 𝑇𝑖𝑑 . 𝐶𝑖𝑑 = 𝐶
𝑖 𝑑
• Maksimum entropi
𝑇!
𝑤 𝑇𝑖𝑑 =
ς𝑖 ς𝑑 𝑇𝑖𝑑 !
Model Entropi Maksimum
• Total jumlah status yang mungkin adalah
𝑊 = ෍ 𝑤 [𝑇𝑖𝑑 ]
𝑇𝑖𝑑

• Sebaran pergerakan
𝑻𝒊𝒅 = 𝑨𝒊 . 𝑶𝒊 . 𝑩𝒅 . 𝑫𝒅 . 𝒇𝒊𝒅

Dengan faktor penyeimbang

1
𝐴𝑖 = 𝑁
σ𝑑=1(𝐵𝑑 . 𝐷𝑑 . 𝑓𝑖𝑑 )

1
𝐵𝑑 = 𝑁
σ𝑖=1(𝐴𝑖 . 𝑂𝑖 . 𝑓𝑖𝑑 )
Model Entropi Maksimum
Pendekatan Entropi Maksimum mampu menjelaskan :
• Total pergerakan dan biaya perjalanan antarzona diketahui
• Total biaya perjalanan yang dilakukan
• Jumlah peluang pergerakan individu yang mungkin terjadi
Daftar Pustaka
• Tamin, Ofyar. 2003.Perencanaan dan Pemodelan
Transportasi.Penerbit ITB
• Meyer, D. Michael. 2001. Urban Transportation Planning.
McGrawHill.
• Institute of Transportation Engineers. 1992. Transportation
Planning Handbook. Prentice Hall
Terima Kasih