MODEL TRANSPORTASI

BERDASARKAN DATA ARUS

LALU LINTAS
Kelompok : 6

Anggota : Anisya (19.11.1001.7311.029)

Muhammad Zanuar (19.11.1001.7311.029)
M Taufik Hidayatulah (19.11.1001.7311.029)
Anna Karoline Kavung (19.11.1001.7311.029)
Wahyu Nur Sholikin (19.11.1001.7311.029)
Henry Prayoga (19.11.1001.7311.029)
Pendahuluan
Kemacetan, keterlambatan, polusi suara, polusi udara, dan pencemaran lingkungan merupakan sebagian permasalahan tersebut. Untuk

mengatasinya perlu dilakukan beberapa tindakan seperti menambah jaringan jalan, menerapkan manajemen lalulintas, menetapkan

kebijakan transportasi, termasuk angkutan umum. Untuk itu diperlukan informasi mengenai pola perjalanan atau pergerakan manusia

dan/atau barang yang biasanya diwakili dengan Origin−Destination Matrix (O−D Matrix) atau Matriks Asal−Tujuan (MAT).

MAT berperan sangat penting dalam usaha menanggulangi masalah kemacetan di kota besar. Contohnya, agar suatu ‘kebijakan

transportasi’ dapat dikatakan berhasil, perlu diketahui pola perjalanan sebelum dan sesudah kebijakan tersebut diterapkan. Metode

penaksiran digolongkan menjadi dua kelompok.

1. Metode konvensional, yang secara langsung menaksir sampel MAT dari lapangan. Beberapa jenis survei yang
tergolong dalam metode ini adalah survei wawancara di rumah dan di tepi jalan, metode menggunakan-bendera,
foto udara, atau kombinasinya yang penggunaannya sangat tergantung pada permasalahan yang dihadapi dan
sumber daya yang tersedia
2. Metode tidak konvensional, yang hanya membutuhkan biaya sangat murah berupa informasi data arus lalulintas
yang banyak tersedia dan mudah didapat. Metode penaksiran ini banyak mendapat perhatian para peneliti pada
beberapa tahun belakangan ini karena keuntungannya secara ekonomi
Pemikiran Dasar

Dasar pemikiran pendekatan ini adalah pengembangan metode penaksiran MAT yang bukan hanya digunakan untuk

mendapatkan MAT pada masa sekarang (termasuk arus lalulintasnya), tetapi juga untuk meramalkan MAT (dan arus

lalulintasnya) pada masa mendatang. Salah satu caranya adalah dengan memodelkan perilaku pengendara atau kebutuhan

akan pergerakan yang terjadi di dalam suatu daerah kajian yang kemudian dikalibrasi dengan data arus lalulintas.

Dasar pemikirannya adalah menerapkan sistem model kebutuhan akan transportasi untuk memperkirakan jumlah

pergerakan yang dilakukan oleh setiap tujuan pergerakan selama selang waktu tertentu. Spesifikasi dan hipotesis model

yang digunakan, tujuan utamanya tetap untuk menaksir parameter model tersebut dengan menggunakan informasi data arus

lalulintas.

Tentu hal ini membutuhkan perhitungan nilai peubah perencanaan pada masa mendatang. Kelemahan utama pendekatan ini

adalah dibutuhkannya informasi data perencanaan lain (yang berbasis zona), selain data arus lalulintas. Sebagai contoh,
 Penelitian Yang Telah Dilakukan
01
Nguyen (1982)
mengulas dengan sangat baik
kemutakhiran penelitian yang
berkaitan dengan penaksiran MAT
dengan menggunakan data arus
lalulintas.
02
(Tamin, 1988abcd)
pendekatan penaksiran model kebutuhan-akan-
transportasi, pendekatan penaksiran
keseimbangan-jaringan, dan pendekatan
03 penaksiran teori informasi

Willumsen (1978ab,1981a)
mengelompokkan prosedur penaksiran menjadi tiga
kelompok utama, yaitu :

a) pendekatan model gravity

b) pembebanan keseimbangan

c) entropi-maksimum.
Kesimpulan
Ide utama penelitian ini adalah pengembangan teknik, dengan data arus lalulintas, yang dapat digunakan bukan saja untuk
menaksir MAT yang terjadi sekarang tetapi juga untuk meramalkan MAT pada masa mendatang.

Salah satu cara adalah dengan melakukan pemodelan perilaku pergerakan atau kebutuhan akan pergerakan yang terjadi di
dalam daerah kajian. Cara ini termasuk dalam golongan pendekatan penaksiran model kebutuhan akan transportasi. Untuk
peramalan, pendekatan ini merupakan metode yang terbaik dan, karena itu, kita akan lebih mengutamakan metode ini,
Keuntungan Penggunaan Data Arus Lalu Lintas
Dalam beberapa kasus, khususnya di kota kecil dan negara sedang berkembang, para perencana dihadapkan pada permasalahan kajian yang terbatas waktu dan

biayanya, yang menyebabkan penggunaan model konvensional hampir tidak mungkin dilakukan. Penggunaan teknik yang tidak membutuhkan biaya besar untuk

menaksir MAT dapat memecahkan masalah tersebut.

Beberapa teknik penaksiran MAT yang didasari data arus lalulintas berkembang pesat belakangan ini, yang biasa dikenal dengan metode tidak konvensional.

Tujuan penggunaan metode tidak konvensional adalah menghasilkan pendekatan yang lebih sederhana untuk menyelesaikan permasalahan serupa. Agar ekonomis,

persyaratan data untuk pendekatan baru ini harus dibatasi hanya data perencanaan yang sederhana saja, data arus lalulintas pada beberapa ruas jalan, atau data lain yang

murah. Beberapa keuntungan penggunaan data arus lalulintas sebagai data utama dalam menaksir MAT.

Model pertama yang dikembangkan dengan berdasarkan data arus lalulintas adalah model yang dikembangkan oleh Low (1972). Tujuan model ini adalah

‘secara efektif menyatukan ke dalam satu proses semua hal yang biasa dilakukan dalam model perencanaan transportasi empat tahap, lengkap dengan galatnya

masingmasing’. Salah satu keuntungannya adalah semua galat pemodelan diberikan pada keluaran akhir dalam bentuk arus lalulintas yang dapat dijelaskan secara

statistik. Jadi, pemakai dapat mempunyai gambaran yang lebih jelas tentang model tersebut (sesuatu yang tidak pernah diketahuinya dari pendekatan biasa).

Dalam laporan yang dipublikasikan oleh OECD (1974), dua alasan utama dibutuhkannya penyederhanaan dalam proses pemodelan transportasi adalah:

a. Biaya pengumpulan data dan analisis data

b. Kompleksitas dan biaya komputer

Berikut ini dikemukakan beberapa alasan utama mengapa data arus lalulintas sangat menarik digunakan sebagai data utama dalam proses penaksiran MAT :
Permasalahan Dalam Penggunaan Data Arus Lalu Lintas
Arus lalulintas sangat berguna sebagai data utama dalam proses penaksiran MAT, tetapi masih terdapat beberapa masalah yang terkait
dengan penggunaannya. Permasalahan tersebut timbul karena arus lalulintas tidak pernah luput dari galat.

Masalah perhitungan arus lalulintas, Volume arus lalulintas untuk ruas jalan tertentu menyediakan informasi mengenai semua pergerakan
antarzona yang menggunakan ruas tersebut.

Ketergantungan , Menghilangkan data arus lalulintas pada ruas jalan yang saling terkait dapat mengurangi jumlah persamaan untuk
menaksir MAT, tanpa harus kehilangan informasi sedikit pun.

Ketidakkonsistenan, Permasalahan ketidakkonsistenan bisa timbul karena galat manusia atau mungkin juga karena perhitungan dilakukan
pada saat yang tidak bersamaan. Akibatnya, tidak ada solusi MAT yang menghasilkan kembali arus lalulintas yang tidak konsisten.

Masalah kurang-terspesifikasi , Pendekatan untuk mengatasi masalah kurang-terspesifikasi telah dikembangkan oleh beberapa peneliti.
Salah satu cara mengatasinya adalah dengan membatasi solusi yang mungkin dengan melakukan asumsi mengenai perilaku pergerakan.
Model Transportasi Berdasarkan Data Arus Lalu Lintas

Penentuan rute jalan yang dilalui oleh setiap perjalanan dari setiap zona asal i

ke setiap zona tujuan d merupakan tahapan terpenting dalam proses penaksiran MAT dengan data arus lalu lintas. Peubah l

pid digunakan untuk mendefinisikan proporsi jumlah perjalanan dari zona asal i ke zona tujuan d yang menggunakan ruas

jalan l. Jadi, arus lalulintas pada setiap ruas jalan dalam suatu jaringan jalan merupakan hasil dari:

• jumlah perjalanan dari zona asal i ke zona tujuan d (Tid), dan

• proporsi jumlah perjalanan dari zona asal i ke zona tujuan d yang menggunakan ruas jalan l yang dapat didefinisikan

sebagai l pid (0 ≤ l pid ≤ 1).

Beberapa metode pembebanan rute

Salah satu tujuan utama pembebanan rute adalah mengidentifikasi rute yang

ditempuh pengendara dari zona asal i ke zona tujuan d dan juga jumlah perjalanan yang melalui setiap ruas jalan pada suatu

jaringan jalan. Robillard (1975) mengklasifikasikan metode pembebanan rute menjadi dua kelompok utama, yaitu metode
Penaksiran Model Kombinasi Sppm Dengan Data Arus
Penumpang

Misalkan suatu daerah kajian dibagi atas N zona yang masing-masing diwakili oleh satu pusat zona.

Semua zona ini kemudian dihubungkan ke jaringan jalan yang terdiri dari ruas jalan dan simpul. MAT

dari satu daerah kajian terdiri dari N² sel; jadi terdapat [N²−N] sel jika perjalanan intrazona dapat

diabaikan. Penentuan rute jalan yang akan dilalui oleh setiap perjalanan dari setiap zona asal i ke setiap

zona tujuan d merupakan tahapan terpenting dalam proses penaksiran MAT dengan data arus lalulintas.
Metode Penaksiran

Tujuan utama kajian seperti ini adalah mencoba menghasilkan teknik yang baik

untuk mengkalibrasi model dari data arus lalulintas; jumlah ruas jalan yang

dibutuhkan sekurang-kurangnya sama dengan jumlah parameter model yang tidak diketahui
Metode Penaksiran Kuadrat-Terkecil (KT)

Ide utama dibalik metode penaksiran ini adalah mencoba mengkalibrasi parameter model transportasi

yang tidak diketahui sehingga meminimumkan jumlah perbedaan kuadrat antara arus lalulintas hasil

penaksiran dan hasil pengamatan. Ide ini sudah sering digunakan oleh banyak peneliti untuk menaksir

parameter model transportasi dari data arus lalulintas; contohnya lihat Low (1972), Robillard (1975),

Högberg (1976), Carey et al (1981), dan Carey and Revelli (1986).

Metode penaksiran kemiripan-maksimum (KM)

Kemiripan L(H|R) suatu hipotesis H dengan data R serta model tertentu sebanding

dengan peluang P(R|H) dan konstanta c. Dalam hal peluang, R adalah peubah dan H

adalah konstanta, tetapi dalam hal kemiripan, H adalah peubah, sedangkan R adalah

konstanta. Perbedaan ini sangat mendasar.

L(H|R ) = c.P(R|H )

Konstanta c memungkinkan kita menggunakan definisi kemiripan yang sama bagi

setiap peubah diskret atau kontinu. Walaupun merupakan konstanta untuk setiap

penerapan yang menggunakan hipotesis yang berbeda dengan data dan model

peluang yang sama, tentu bukan merupakan konstanta yang selalu sama dalam
Metode penaksiran inferensi-bayes (IB)

Metode penaksiran IB menggunakan konsep peluang subjektif untuk mengukur

tingkat kepercayaan suatu keadaan. Dengan pendekatan ini, pertimbangan subjektif

yang berdasarkan intuisi, pengalaman, ataupun informasi tidak langsung, secara

sistematis digabungkan dengan data hasil pengamatan untuk mendapatkan

penaksiran tentang keadaan sebenarnya (sebaran posterior). Pendekatan ini

mengasumsikan parameter model sebagai peubah acak. Dengan demikian harus

ditetapkan suatu fungsi sebaran yang menggambarkan tingkat kepercayaan

parameter yang tidak diketahui. Para pembaca yang ingin mendapatkan penjelasan

lebih rinci mengenai teori dasar metode IB dapat dilihat pada subbab 5.7.6.6 buku

ini.
Metode penaksiran entropi-maksimum (EM)
Tamin (1998e) telah mengembangkan penggunaan pendekatan entropi-maksimum
untuk mengkalibrasi parameter model gravity. Pendekatan ini akan dikembangkan
lebih jauh untuk dapat digunakan dalam mengkalibrasi parameter model kebutuhan
akan transportasi dari data arus lalulintas. Pembaca yang ingin mengetahui secara
rinci teori dasar metode penaksiran entropi-maksimum sangat disarankan untuk
membaca subbab 5.7.6.7 buku ini. Wilson (1970) memperlihatkan bahwa jumlah
status mikro W{Vl} yang terkait dengan status meso Vl adalah sebagai berikut.

Asumsi dasar pendekatan ini adalah peluang sebaran [Vl] yang terjadi sebanding
dengan jumlah status yang ada dalam sistem tersebut yang mendukung terbentuknya
sebaran [Vl]. Jadi, jika W[Vl] adalah jumlah cara yang dianut setiap individu untuk
mengatur dirinya sehingga dihasilkan sebaran [Vl], maka peluang [Vl] yang terjadi
sebanding dengan W[Vl].
Penggunaan data MAT parsial

Data untuk perencanaan, analisis kebijakan, perancangan, pemantauan, serta

pengoperasian fasilitas dan pelayanan transportasi tersedia dari beberapa sumber.

Data tersebut didapatkan dari survei rumah tangga, survei pelaku perjalanan, survei

arus lalulintas dan kendaraan, data statistik, sensus penduduk dan perumahan,

lapangan pekerjaan, statistik tata guna tanah, dan lain-lain. Akan tetapi,

permasalahan yang sering ditemui di negara sedang berkembang adalah tidak

seluruh data tersebut dikumpulkan secara lengkap karena keterbatasan waktu dan

biaya. Di satu sisi, hal tersebut dapat dikatakan suatu pemborosan, akan tetapi di

lain sisi, data tersebut masih dapat dimanfaatkan secara optimal dengan cara

mengkombinasikannya dengan data-data yang lengkap dari sumber yang lain.

Pemecahan metode penaksiran

Karena proses kalibrasi adalah dasar paling utama dalam perancangan model,
pembuat model harus mengerti dasar penurunan model, terutama struktur dan
kepekaan setiap peubahnya. Selain itu, pengalaman yang didapatkan dalam
penelitian dapat digunakan untuk mengevaluasi penyebab dan batasannya yang
mungkin dapat menjadi bahan penelitian selanjutnya atau bahan yang harus
diperhatikan oleh pengguna model tersebut. Biasanya, metode analitis dapat
digunakan untuk mengkalibrasi model yang mempunyai hubungan linear dalam
parameternya.
Program komputer dan prosedur kalibrasi

Komputer portabel yang dapat juga disebut mainframe berskala kecil menyediakan
kapasitas yang cukup, kecepatan dan kehandalan yang baik, dan biaya yang cukup murah.
Karakteristik ini membuat komputer portabel sangat menarik dan menjadi alat yang
sangat penting untuk menangani hampir semua permasalahan transportasi, rekayasa,
maupun perencanaan transportasi, khususnya bagi negara sedang berkembang yang
menghadapi kendala biaya dan waktu
Indikator uji statistik untuk membandingkan MAT

Penaksiran MAT dari data arus lalulintas yang dihasilkan dengan menggunakan
pendekatan penaksiran model kebutuhan akan transportasi akan menghasilkan arus
lalulintas yang semirip mungkin dengan data arus lalulintas hasil pengamatan. Akan
tetapi, hal yang terpenting di sini selain dari tingkat kemiripan dari arus lalulintas yang
dihasilkannya, juga tingkat kemiripan dari MAT hasil penaksiran jika dibandingkan
dengan MAT hasil pengamatan. Tingkat akurasi MAT hasil penaksiran sangatlah
tergantung dari beberapa faktor seperti model kebutuhan akan transportasi yang
digunakan, metoda penaksiran, teknik pembebanan lalulintas, data arus lalulintas, dan
beberapa faktor lainnya.
Beberapa penerapan yang telah dilakukan

Kajian yang dilakukan bertujuan untuk melihat dampak perubahan resolusi sistem zona
dan jaringan terhadap akurasi MAT hasil penaksiran seperti dinyatakan dalam skenario
(I−III) dengan menggunakan 74 buah data arus lalulintas di Kotamadya dan Kabupaten
Bandung. Metoda penaksiran model transportasi menggunakan model gravity-opportunity
(GO) sebagai usaha memodel perilaku pergerakan yang terjadi pada daerah kajian,
sedangkan untuk mengkalibrasi parameter model digunakan metoda Kuadrat-Terkecil-
Tidak-Linear (KTTL).
Pemanfaatan data arus lalulintas (ATCS) untuk
mendapatkan informasi MAT di daerah perkotaan Hampir semua teknik dan metode pemecahan masalah
transportasi (baik perkotaan maupun regional) membutuhkan informasi Matriks Asal−Tujuan (MAT)
sebagai
informasi dasar dan paling utama dalam merepresentasikan kebutuhan akan pergerakan. Metode
konvensional membutuhkan survei yang sangat besar (misalnya wawancara di rumah dan di tepi jalan),
biaya yang sangat mahal, waktu proses yang sangat lama, membutuhkan banyak tenaga kerja, serta sangat
mengganggu pergerakan arus lalulintas.

Sebagai ilustrasi, untuk mendapatkan informasi MAT berskala nasional, selama PJP I Indonesia hanya
dapat melakukannya sebanyak tiga kali saja (tahun 1982, 1992, dan 1995). Akibatnya, di Indonesia sangat
sering digunakan informasi yang sudah kadaluwarsa. Dalam pemecahan masalah transportasi pada tahun
1997, misalnya, banyak konsultan yang masih menggunakan informasi MAT tahun 1992. Hal ini
disebabkan karena informasi MAT terkini tidak tersedia; sebagai contoh: meskipun sudah dilakukan survei
pada tahun 1995, informasi MAT tahun 1995 tersebut belum juga tersedia sampai sekarang (1998).
Tambahan lagi, krisis moneter yang berkepanjangan yang melanda negara kita mengakibatkan metode ini
tidak akan
mungkin dilaksanakan dalam waktu 5−10 tahun mendatang.
Pemanfaatan data arus lalulintas (IRMS) untuk mendapatkan informasi MAT
regional

Salah satu amanat GBHN 1993 di sektor transportasi adalah mewujudkan sistem
pergerakan arus lalulintas (manusia dan barang) secara cepat, aman, nyaman, murah,dan
sesuai dengan lingkungan sehingga tercipta Sistem Transportasi
Nasional (Sistranas) yang efisien. Tingkat pertumbuhan wilayah, populasi,
pendapatan, jumlah kendaraan, dan lain-lain yang sangat pesat menyebabkan
metode konvensional tidak cocok lagi digunakan di Indonesia. Hal itu disebabkan
karena selain membutuhkan biaya yang sangat mahal dan waktu proses yang sangat lama
( 1−2 tahun), juga menyebabkan informasi MAT yang dihasilkannya tidak lagi
mencerminkan keadaan atau kondisi yang sebenarnya.
Sekian Terima
Kasih