ANTON WAHYUDI N I M . I 0 1 0 5 0 4 3 - digilib.uns.ac.id/Pengaruh... · Suatu kehidupan yang penuh...
Transcript of ANTON WAHYUDI N I M . I 0 1 0 5 0 4 3 - digilib.uns.ac.id/Pengaruh... · Suatu kehidupan yang penuh...
53
PENGARUH JUMLAH DATA TRAFFIC COUNT TERHADAP TINGKAT AKURASI MATRIKS ASAL TUJUAN (MAT) DAN
ARUS LALU LINTAS DENGAN MENGGUNAKAN SOFTWARE EMME/3
(Studi Kasus Kota Surakarta) The Influence of Traffic Count on Accuraty Level of Origin-Destination Matrices
(O-D Matrices) and Traffic Flow Using Software EMME/3 (A Case Study of Surakarta City)
SKRIPSI
Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Teknik
Disusun Oleh :
A N T O N W A H Y U D I N I M . I 0 1 0 5 0 4 3
JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK
UNIVERSITAS SEBELAS MARET
SURAKARTA
2010
54
LEMBAR PERSETUJUAN
PENGARUH JUMLAH DATA TRAFFIC COUNT TERHADAP TINGKAT AKURASI MATRIKS ASAL TUJUAN (MAT) DAN
ARUS LALU LINTAS DENGAN MENGGUNAKAN SOFTWARE EMME/3
(Studi Kasus Kota Surakarta) The Influence of Traffic Count on Accuraty Level of Origin-Destination Matrices
(O-D Matrices) and Traffic Flow Using Software EMME/3 (A Case Study of Surakarta City)
Disusun Oleh :
A N T O N W A H Y U D I N I M . I 0 1 0 5 0 4 3
Telah disetujui untuk dipertahankan dihadapan Tim Penguji Pendadaran
Jurusan Teknik Sipil Fakultas Teknik Universitas Sebelas Maret
Persetujuan Dosen Pembimbing
Dosen Pembimbing I
DR. Eng. Ir. Syafi’i , MT N I P . 19670602 199702 1001
Dosen Pembimbing II
Slamet Jauhari Legowo, ST,MT N I P . 19670413 199702 1001
55
PENGARUH JUMLAH DATA TRAFFIC COUNT TERHADAP TINGKAT AKURASI MATRIKS ASAL TUJUAN (MAT) DAN
ARUS LALU LINTAS DENGAN MENGGUNAKAN SOFTWARE EMME/3
(Studi Kasus Kota Surakarta) The Influence of Traffic Count on Accuraty Level of Origin-Destination Matrices
(O-D Matrices) and Traffic Flow Using Software EMME/3 (A Case Study of Surakarta City)
SKRIPSI
Disusun Oleh :
A N T O N W A H Y U D I N I M . I 0 1 0 5 0 4 3
Telah dipertahankan dihadapan Tim Penguji Pendadaran Jurusan Teknik Sipil Fakultas Teknik Universitas Sebelas Maret pada hari Senin tanggal 19 April 2010.
1. DR. Eng. Ir. Syafi’i, MT --------------------------------- NIP. 19670602 199702 1001
2. Slamet Jauhari Legowo, ST,MT --------------------------------- NIP. 19670413 199702 1001
3. Ir. Agus Sumarsono, MT --------------------------------- NIP. 19570814 198601 1001 4. Ir. Djumari, MT --------------------------------- NIP. 19571020 198702 1001
Mengetahui,
a.n. Dekan Fakultas Teknik UNS Pembantu Dekan I
Disahkan, Ketua Jurusan Teknik Sipil
Fakultas Teknik UNS
Ir.NOEGROHO DJARWANTI, MT
NIP. 19561112 198403 2007
Ir. BAMBANG SANTOSA, MT NIP. 19590823 198601 1001
56
Motto Suatu kehidupan yang penuh kesalahan tak hanya lebih
berharga namun juga lebih berguna dibandingkan hidup
tanpa melakukan apapun. - George Bernard Shaw
Pengetahuan ada dua macam : yang telah kita ketahui
dengan sendirinya atau yang hanya kita ketahui dimana
ia bisa didapatkan. - Samuel Johnson
SEMANGAT!SEMANGAT!SEMANGAT! Kata itulah yang
paling sering saya dengar ketika pembimbingku masuk ke
ruangan yang berada di sebelah ruangan beliau.
57
K u p e r s e m b a h k a n i n i s e m u a u n t u k k e l u a r g a k u ,
s a h a b a t k u , t e m a n - t e m a n k u .
T i d a k a d a y a n g b e g i t u b e r h a r g a s e l a i n d o a
y a n g t e l a h k a l i a n b e r i k a n .
T e r i m a k a s i h .
58
A B S T R A K Anton Wahyudi, 2010, Pengaruh Jumlah Data Arus Lalu Lintas Terhadap Matriks Asal Tujuan (MAT) dan Arus Lalu Lintas Dalam Estimasi Matriks Asal Tujuan (Studi Kasus Kota Surakarta). Skripsi. Jurusan Teknik Sipil Fakultas Teknik Universitas Sebelas Maret Surakarta. Dalam pemodelan transportasi, distribusi perjalanan antar zona biasa di representasikan dalam bentuk Matriks asal tujuan (MAT). Untuk mengestimasi MAT berdasarkan informasi arus lalu lintas (traffic count), traffic count sangat mempengaruhi tingkat akurasi MAT yang dihasilkan. Secara teoritis, semakin banyak data yang digunakan maka akan semakin tinggi tingkat akurasi MAT yang dihasilkan. Penelitian ini bertujuan untuk mengetahui pengaruh jumlah data traffic count terhadap tingkat akurasi MAT hasil estimasi dan arus lalu lintas hasil pembebanan. Pengolahan data arus lalu lintas (traffic count) dalam bentuk perhitungan matematis menggunakan standar MKJI. Metode yang digunakan untuk mendapatkan matriks baru adalah metode estimasi Steepest descent. Nilai arus lalu lintas diperoleh dengan cara membebankan Matriks baru dan arus hasil pengamatan (traffic count) ke dalam jaringan jalan. Uji parameter statistik RMSE dan R2 dilakukan untuk mengetahui tingkat akurasi MAT yang dihasilkan. Semakin banyak data traffic count yang digunakan dalam proses estimasi MAT dan pembebanan (assignment) menyebabkan semakin besar nilai RMSE yang dihasilkan dan memperkecil nilai R2. Pada penelitian ini, penggunaan data traffic count sebanyak 77 data belum dapat menunjukkan pengaruh terhadap tingkat akurasi MAT. Akan tetapi pada penggunaan data traffic count sebanyak 52 data terjadi titik optimasi yang menunjukkan peningkatan akurasi MAT dan arus lalu lintas hasil pembebanan yang dihasilkan dengan nilai RMSE sebesar 31.501 dan nilai R2 sebesar 0.73367. Hasil tersebut dapat dijadikan acuan untuk penelitian berikutnya sebagai data minimal dalam estimasi MAT kota Surakarta. Kata kunci : MAT, traffic count, Steepest descent, RMSE, R2, EMME/3
59
ABSTRACT
Anton Wahyudi, 2010, The Influence of Traffic Count on Accuraty Level of Origin-Destination Matrices (O-D Matrices) and Traffic Flow Using Software EMME/3 (A Case Study of Surakarta City). Thesis. Civil Engineering Department Faculty of Engineering, University of Sebelas Maret Surakarta. The purpose of transportation planning is predicting traffic conditions in the future, so it can be taken in planning policy to overcome the problems foreseen. In transportation modelling, the trip distribution between zones being represented in the form of matrix origin destination (O-D Matrix). To estimate the O-D Matrix based on traffic flow information (traffic count), the traffic flow is the major input which greatly affect the accuracy level of the estimated matrix. Theoretically, the more data used, the higher the accuracy level of the estimated matrix. The aims of this study to determine how far the impact of traffic count the number of observations with the O-D Matrix and the flow of traffic generated. The processing of the traffic count in a mathematical calculation using the standard of Indonesia Highway Manual Capacity. The method used to obtain a new matrix is a method of steepest descent. Traffic flow is obtained by imposing a new matrix and traffic count into the road network. Test parameters RMSE and R2 statistics performed to verify the accuracy of the estimated matrix. The more traffic count data used in the process of O-D Matrix estimation and assignment, the greater value of RMSE and minimize the value of R2. In this study, the use 77 traffic count data has not been able to show the effect on the accuracy of O-D Matrix. This shows the increase in accuracy of O-D Matrix and traffic loading results with RMSE values of 31,501 and R2 value of 0,73367. So that results can be used as a reference the next research as minimal data in the estimation of O-D Matrix city of Surakarta. Keywords: O-D Matrix, traffic count, the steepest descent, RMSE, R2, EMME/3
60
KATA PENGANTAR
Puji syukur kepada Allah SWT atas rahmat dan karunia-Nya, sehingga penulis dapat menyelesaikan penyusunan skripsi dengan judul PENGARUH JUMLAH DATA TRAFFIC COUNT TERHADAP TINGKAT AKURASI MATRIKS ASAL TUJUAN (MAT) DAN ARUS LALU LINTAS DENGAN MENGGUNAKAN SOFTWARE EMME/3 (Studi Kasus Kota Surakarta). Sholawat serta salam senantiasa tercurahkan kepada kudwah khasanah kita Nabi Besar Muhammad saw., keluarganya, para sahabat, serta generasi pelanjut estafet perjuangan beliau.
Penyusunan skripsi ini sangat memberi pengalaman berharga bagi penulis, di samping itu semoga dapat menambah wawasan dan pengetahuan bagi kalangan Teknik Sipil umumnya dan khususnya Jurusan Teknik Sipil Fakultas Teknik Universitas Sebelas Maret Surakarta.
Skripsi ini disusun sebagai salah satu syarat yang harus ditempuh guna meraih gelar Sarjana Teknik Sipil pada Fakultas Teknik Universitas Sebelas Maret Surakarta. Skripsi ini tidak dapat terselesaikan tanpa bantuan dari pihak-pihak yang ada di sekitar penulis, karena itu dalam kesempatan ini penulis harus menyampaikan terima kasih sebesar-besarnya kepada yang tertera di bawah ini :
1. Segenap Pimpinan Fakultas Teknik Universitas Sebelas Maret Surakarta. 2. Segenap Pimpinan Jurusan Teknik Sipil Fakultas Teknik Universitas Sebelas
Maret Surakarta. 3. DR. Eng. Ir. Syafi’i, MT, selaku Dosen Pembimbing I Skripsi. Telah banyak
sekali ilmu, hikmah, dan teladan yang telah bapak berikan kepada saya. 4. Slamet Jauhari Legowo, ST,MT, selaku Dosen Pembimbing II Skripsi. Terima
kasih atas semua waktu, bimbingan, motivasi serta bantuannya selama pembuatan skripsi ini sampai selesai.
5. Ir. Agus Wahyudi, MT selaku Dosen Pembimbing Akademis. Terima kasih atas semua waktu, bimbingan, motivasi, serta bantuannya dari awal masuk hingga selesainya pendidikan saya disini.
6. Tim penguji ujian pendadaran skripsi terimakasih atas kesediaannya untuk menguji dan membimbing saya sehingga saya lulus.
7. Semua Staf Pengajar pada Jurusan Teknik Sipil Fakultas Teknik Universitas Sebelas Maret.
8. The Ardan Team (Retno Dwi W, Alfian Najib A, Rr. Dian Indriani, Pamuko Aditya R). Kalau pun pernah ada sedikit masalah semoga kita menjadi lebih krab lagi.
61
9. Yosael Ariano, Akhyaarul Umam Azzaqi, Nugroho Raharjo yang selama ini banyak sekali membantu saya.
10. Nurmalia ST. selaku kakak yang tak bosan membimbing, menasehati dan menemani kami dalam proses penyelesaian tugas akhir.
11. Anak-anak ”Green House”. 12. Eta, Viska, Febri, Meira, Wahyu, Sony, Isti, dan semua ”Mafioso Civiliano
Rongewu Limo”. 13. Seluruh civitas akademika Teknik Sipil UNS
Akhirnya pengantar ini juga menjadi semacam ingatan bagi penulis selama menempuh tahap pembelajaran di Universitas Sebelas Maret Surakarta hingga skripsi ini harus disusun sebagai syarat mendapatkan gelar kesarjanaan. Terima kasih.
Surakarta, April 2010
Penulis
62
DAFTAR ISI
HALAMAN JUDUL..........................................................................................
HALAMAN PERSETUJUAN...........................................................................
HALAMAN PENGESAHAN............................................................................
MOTTO ............................................................................................................
PERSEMBAHAN..............................................................................................
ABSTRAK.........................................................................................................
ABSTRACT......................................................................................................
KATA PENGANTAR.......................................................................................
DAFTAR ISI......................................................................................................
DAFTAR TABEL..............................................................................................
DAFTAR GAMBAR.........................................................................................
DAFTAR NOTASI DAN SIMBOL..................................................................
DAFTAR LAMPIRAN......................................................................................
BAB 1 PENDAHULUAN
1.1. Latar Belakang Masalah..............................................................
1.2. Rumusan Masalah.......................................................................
1.3. Batasan Masalah..........................................................................
1.4. Tujuan Penelitian.........................................................................
1.5. Manfaat Penelitian.......................................................................
BAB 2 LANDASAN TEORI
2.1. Tinjauan Pustaka.........................................................................
2.2. Landasan Teori…....……………………………………………
2.2.1. Pemodelan……….…………………………………….
2.2.2. Daerah Kajian ………………………………………...
2.2.3. Sistem Zona………………………..………………….
2.2.4. Sistem Jaringan Transportasi………………………….
2.2.5. Klasifikasi Fungsi Jalan……………………………….
2.2.6. Karakteristik Jalan……………………………………..
i
ii
iii
iv
v
vi
vii
viii
x
xiii
xv
xvi
xvii
1
3
3
4
5
6
8
8
9
10
11
12
13
63
2.2.7. Satuan Mobil Penumpang……………………………..
2.2.8. Kapasitas…………..…………………………………..
2.2.9. Kecepatan…………..………………………………….
2.2.10. Volume dan Komposisi Lalu Lintas…………………..
2.2.11. Hubungan Kurva Kecepatan-Arus dan Biaya-Arus…...
2.2.12. Matriks Asal Tujuan..................................................
2.2.13. Konsep Model Gravity sebagai Model Sebaran
Pergerakan ………....................................................
2.2.14. Metode Steepest Descent……………………………...
2.2.15. Indikator Uji Statistik………………………………….
2.2.16. EMME/3 (Equilibre Multimodal, Multimodal
Equilibrium)…………………………………………..
2.3. Kelebihan EMME/3 dengan program lain (SATURN)……….
BAB 3 METODE PENELITIAN
3.1. Lokasi Penelitian…………………...………………………….
3.2. Data yang Dibutuhkan ………………………………………..
3.3. Lokasi Survei …………………………………………………
3.4. Tahapan Penelitian…..……………………………………….
3.5. Prosedur Survei Primer……………………………………….
3.5.1. Survei Pendahuluan……………………………………
3.5.2. Teknik Pengumpulan Data…………………………….
3.5.3. Desain Survei………………………………………….
3.6. Teknik Analisis Data………………………………………….
3.6.1. Pembuatan Basis Data….……………………………...
3.6.2. Analisis Data…………………………………………..
BAB 4 ANALISIS DATA DAN PEMBAHASAN
4.1. Umum………………………………………………………….
4.2. Pengolahan dan Penyajian Basis Data………………………...
4.2.1. Data primer dan Sekunder…………………………….
4.2.2. Pembagian Zona……………………………………….
14
16
20
26
26
29
30
32
33
34
38
40
40
44
45
48
48
48
49
50
50
50
53
53
53
54
64
4.2.3. Perhitungan Jumlah Kendaraan pada Jam Puncak……
4.2.4. Perhitungan Kapasitas………………………………...
4.2.5. Perhitungan Waktu Tempuh………………………….
4.3. Analisis dengan Program EMME/3…………………………..
4.3.1. Input Basis Data Jaringan Jalan………………………
4.3.2. Input Data Arus Lalu Lintas (Traffic Count)…………
4.3.3. Input Data Matriks Awal (Prior Matrix)……………..
4.3.4. Estimasi Matriks dengan EMME/3…………………..
4.3.5. Pembebanan Matriks ke jaringan jalan……………….
4.4. Uji Validitas.....................................................................
4.5. Pembahasan…………………………………………………..
BAB 5 KESIMPULAN DAN SARAN
5.1. Kesimpulan……………………………………………………
5.2. Saran…………………………………………………………...
DAFTAR PUSTAKA………………………………………………………...
LAMPIRAN…………………………………………………………………..
55
57
58
59
59
61
62
69
69
70
71
73
73
xviii
xix
65
DAFTAR TABEL
Tabel 2. 1 emp untuk jalan perkotaan tak terbagi...................................... 15
Tabel 2. 2 emp untuk jalan perkotaan terbagi dan satu arah...................... 15
Tabel 2. 3 Kapasitas dasar (Co) jalan perkotaan........................................ 16
Tabel 2. 4 Faktor penyesuaian kapasitas (FCw) untuk pengaruh lebar
jalur lalu lintas untuk jalan perkotaan.......................................
17
Tabel 2. 5 Faktor penyesuaian kapasitas untuk pemisahan Arah (FCsp).... 18
Tabel 2. 6 Faktor penyesuaian kapasitas (FCsf) untuk pengaruh
hambatan dan lebar bahu..........................................................
18
Tabel 2. 7 Faktor penyesuaian kapasitas (FCsf) untuk pengaruh
hambatan samping dan jarak Kerb-Penghalang (FCsf)............
19
Tabel 2. 8 Kelas Hambatan Samping untuk Jalan Perkotaan……………. 20
Tabel 2. 9
Tabel 2. 10
Tabel 2. 11
Tabel 2. 12
Tabel 2. 13
Tabel 2. 14
Faktor penyesuaian kapasitas untuk pengaruh ukuran kota
FCcs pada jalan perkotaan.........................................................
Kecepatan arus bebas dasar (FV0) untuk jalan perkotaan……..
Penyesuaian kecepatan arus bebas untuk lebar jalur lalu lintas
(FVw) pada jalan perkotaan……………………………………
Faktor penyesuaian (FFVsf) untuk pengaruh hambatan
samping dan lebar bahu pada kecepatan arus bebas untuk
jalan perkotaan dengan bahu…………………………………..
Faktor penyesuaian (FFVsf) untuk pengaruh hambatan
samping dan jarak kerb penghalang jalan perkotaan dengan
kerb…………………………………………………………….
Faktor penyesuaian untuk pengaruh ukuran kota pada
kecepatan arus bebas kendaraan ringan untuk jalan perkotaan..
20
21
22
23
24
25
Tabel 2. 15 Perangkat lunak perencanaan transportasi yang telah tersedia
di pasaran...................................................................................
39
Tabel 3. 1 Lokasi survei volume lalu lintas zona internal.......................... 44
Tabel 3. 2 Lokasi survei volume lalu lintas zona eksternal....................... 45
Tabel 4. 1 Pembagian zona ………………………………………………. 54
Tabel 4. 2 Koordinat centroid dan node ……..…………………………... 55
66
Tabel 4. 3 Perhitungan jumlah kendaraan pada jam puncak ………........ 56
Tabel 4. 4 Format masukan basis data jaringan jalan …………………… 59
Tabel 4. 5 Data Arus Lalu Lintas Tahun 2009…………………………… 61
Tabel 4. 6 Prior Matrix Tahun 2002…………………………………….. 63
Tabel 4. 7 Perbandingan traffic count dengan arus hasil pembebanan
pada tahap ke 13 proses running………………………………
69
Tabel 4. 8 Hasil Uji Validitas….…………………………………………. 70
67
DAFTAR GAMBAR
Gambar 2.1 Empat Tahap Pemodelan Transportasi..................................... 9
Gambar 2.2 Daerah kajian sederhana dengan definisinya......................... 10
Gambar 2.3 Hubungan Tipikal Kecepatan-Arus Dan Biaya-Arus ........... 27
Gambar 2.4 Matrik Asal [A] dan Tujuan [B] (Wells,1975)..................... 29
Gambar 2.5 Diagram garis keinginan (desire line)................................... 29
Gambar 2.6 Help Menu ……………………………...…………………. 35
Gambar 2.7 The EMME Prompt (Prompt Console).............................. 36
Gambar 2.8 Prosedur Perhitungan Program EMME/3........................... 37
Gambar 3.1
Gambar 3.2
Peta Administrasi Kota Surakarta ………………………….
Peta Pembagian Zona Kota Surakarta……………………..
41
42
Gambar 3.3 Peta Jaringan Jalan Kota Surakarta…………..…………….. 43
Gambar 3.3 Bagan Alir Tahap-Tahap Penelitian....................................... 47
Gambar 3.4 Bagan alir teknik analisis data.............................................. 52
Gambar 4.1 Network Editor ...................................................................... 60
Gambar 4.2 Editor toolbar……………………………………………… 60
Gambar 4.3 Grafik Pengaruh Jumlah Traffic Count MAT dan arus lalu
lintas…………….…………………………………………..
71
68
DAFTAR NOTASI DAN SIMBOL
di BA , = faktor penyimbang untuk setiap zona asal i dan tujuan d
C = Kapasitas (smp / jam)
idC = biaya perjalanan dari zona asal i ke zona tujuan d
Co = Kapasitas dasar untuk kondisi tertentu (ideal) (smp / jam)
dD = total pergerakan ke zona tujuan d
( )Cidf = fungsi umum biaya perjalanan
FCcs = Faktor penyesuaian ukuran kota
FCsf = Faktor penyesuaian hambatan samping
FCsp = Faktor penyesuaian pemisah arah
FCw = Faktor penyesuaian lebar jalur lalu lintas
FFVcs = Faktor penyesuaian ukuran kota.
FFVsf = Faktor penyesuaian kondisi hambatan samping
FV = Kecepatan arus bebas kendaraan ringan sesungguhnya (km/jam)
Fvo = Kecepatan arus bebas dasar kendaraan ringan (km/jam)
FVw = Penyesuaian lebar jalur lalu lintas efektif (km/jam)
FFV4sf = faktor penyesuaian kecepatan arus bebas untuk empat lajur (km/jam).
FFV6sf = faktor penyesuaian kecepatan arus bebas untuk enam lajur (km/jam).
iO = total pergerakan dari zona asal i
lidp = proporsi pergerakan dari zona asal i ke zona tujuan d pada ruas l
V = kecepatan sesungguhnya pada saat ada arus lalu lintas Q.
S = jarak (km)
idT = jumlah pergerakan dari zona asal i ke zona tujuan d
t0 = waktu tempuh pada saat V0 (detik)
lV̂ = arus lalu lintas hasil pengamatan pada ruas l
lV = arus lalu lintas hasil pemodelan pada ruas l
V0 = kecepatan pada saat arus bebas (km/jam)
69
DAFTAR LAMPIRAN
Lampiran A : Peta Lokasi Survei Lampiran B : Desain Form Survei Lampiran C : Data Survei Traffic Count Lampiran D : Koordinat centroid dan node
Lampiran E : Perhitungan Kendaraan pada Jam Puncak
Lampiran F : Perhitungan Kapasitas Lampiran G : Perhitungan Waktu Tempuh
Lampiran H : Basis Data Jaringan Jalan
Lampiran I : Peta pembagian traffic count yang akan diinput ke EMME/3
Lampiran J : MAT Hasil Estimasi
Lampiran K : Tabel Perbandingan Arus
Lampiran L : Listing Program
BAB 1
PENDAHULUAN
1.1. Latar Belakang Masalah
Permasalahan transportasi yang banyak dialami negara berkembang seperti
Indonesia pada saat sekarang ini bukan hanya masalah kemacetan lalu lintas saja.
Permasalahan lain yang juga diakibatkan karena peningkatan arus lalu lintas serta
kebutuhan akan transportasi antara lain meningkatnya kecelakaan, polusi udara
dan suara serta permasalahan lingkungan lainnya. Keterbatasan sarana dan
prasarana transportasi yang tidak berimbang dengan laju urbanisasi juga semakin
menambah masalah transportasi.
Untuk mengatasi berbagai permasalahan transportasi di atas, maka perlu adanya
perencanaan sistem transportasi yang baik. Tujuan perencanaan transportasi
adalah meramalkan kondisi lalu lintas di masa mendatang sehingga dapat diambil
70
kebijakan dalam perencanaan untuk mengatasi masalah-masalah yang diramalkan.
Asumsi dasar dari proses perencanaan transportasi suatu daerah adalah bahwa
seluruh sistem transportasi, tata guna lahan, dan kondisi yang berhubungan
dengan daerah itu bisa dibuat dalam suatu bentuk model. Dalam pemodelan
transportasi, distribusi perjalanan antar zona biasa di representasikan dalam
bentuk Matriks asal tujuan (MAT).
Metode yang telah dikembangkan untuk mendapatkan MAT dikelompokkan
menjadi 2 yaitu metode konvensional dan metode tidak konvensional. Metode
konvensional untuk mendapatkan MAT dilakukan melalui survei wawancara
rumah tangga (home interview) atau wawancara di tepi jalan (roadside interview).
Survei tersebut biasanya memerlukan biaya yang besar, tenaga surveyor yang
banyak, ketelitian yang tinggi dalam pengolahan data, waktu yang lama serta
umumnya mengganggu pengguna jalan.
Metode tidak konvensional menggunakan informasi data arus lalu lintas (traffic
count) diruas jalan untuk memperkirakan MAT. Tujuan penggunaan metode tidak
konvensional adalah menghasilkan pendekatan yang lebih sederhana untuk
menyelesaikan permasalahan serupa, dalam hal ini, model perencanaan
transportasi empat tahap dilakukan hanya dalam satu proses saja. Agar ekonomis,
persyaratan data untuk pendekatan baru ini dibatasi hanya data perencanaan yang
sederhana saja, data traffic count pada beberapa ruas jalan, atau data lain yang
murah.
Untuk mengestimasi MAT informasi traffic count merupakan masukan utama
yang sangat mempengaruhi tingkat akurasi MAT yang dihasilkan. Sehingga,
setiap proses yang berkaitan dengan traffic count seperti jumlah serta lokasinya
harus dipertimbangkan dengan baik agar hasil yang diperoleh optimal. Secara
teoritis, semakin banyak data yang digunakan maka akan semakin tinggi tingkat
akurasi MAT yang dihasilkan. Hal tersebut sudah tentu membutuhkan biaya
sangat besar dan waktu yang lama.
71
Untuk memdapatkan data traffic count yang mampu merepresentasikan keadaan
lalu lintas kota Surakarta maka survei pun harus dilakukan pada ruas jalan yang
dianggap bisa mewakili data arus lalu lintas pada kota Surakarta. Model seleksi
lokasi dilakukan dengan mempertimbangkan 3 faktor utama:
a. Proporsi pergerakan lalu lintas antar zona yang menggunakan setiap ruas
jalan,
b. Hubungan antar ruas seperti kondisi saling ketergantungan (independence)
dan ketidak-konsistenan (inconsistency) dari arus lalu lintas,
c. Kondisi ruas jalannya.
Pada penelitian kali ini akan difokuskan pada pengaruh banyaknya titik survei
arus lalu lintas (traffic count) yang diambil terhadap MAT hasil estimasi dan arus
lalu lintas hasil pembebanan. Penentuan jumlah data tersebut didasarkan pada
pertimbangan efisiensi yaitu penggunaan jumlah data seminimal mungkin namun
masih menghasilkan MAT berakurasi tinggi. Data traffic count yang diambil
berfungsi untuk mengupdate data traffic count yang sudah ada sebelumnya.
Analisis awal diambil beberapa data traffic count secara acak kemudian diinput ke
EMME/3 beserta prior matriks dan basis data jaringan jalan. Setelah semua data
masuk kemudian dilanjutkan proses pembuatan jaringan jalan (networking) dalam
EMME/3. Selanjutnya dilakukan estimasi MAT untuk memperoleh MAT baru.
Setelah didapat MAT baru dari hasil estimasi, pembebanan MAT baru ke jaringan
jalan dilakukan sehingga diperoleh arus lalu lintas hasil pembebanan. Selanjutnya
dilakukan uji validitas untuk mengetahui pengaruh jumlah data traffic count
terhadap tingkat akurasi MAT hasil estimasi dan arus lalu lintas hasil
pembebanan. Ada 2 parameter uji validitas yang digunakan pada penelitian ini
yaitu uji parameter RMSE dan uji determinasi (R2). Uji parameter RMSE
dilakukan untuk mengetahui pengaruh traffic count terhadap tingkat akurasi MAT
hasil estimasi. Uji determinasi (R2) dilakukan untuk mengetahui tingkat
konvergensi antara data traffic count dengan arus lalu lintas hasil pembebanan.
Hal tersebut dilakukan dengan bantuan EMME/3.
72
1.2. Rumusan Masalah
Berdasarkan uraian latar belakang masalah di atas, maka dapat dirumuskan
permasalahan bagaimana pengaruh jumlah data traffic count terhadap tingkat
akurasi MAT hasil estimasi dan arus lalu lintas hasil pembebanan.
1.3. Batasan Masalah
Untuk membatasi lingkup permasalahan dan mempermudah pembahasan dalam
penelitian ini maka diperlukan adanya pembatasan masalah sebagai berikut:
a. Wilayah kajian adalah kota Surakarta dengan cakupan 51 zona internal
ditambah dengan 14 zona eksternal. Pembagian zona berdasarkan batas-batas
administrasi berupa kelurahan.
b. Ruas jalan yang dianalisis adalah ruas jalan arteri dan kolektor sesuai
pembagian jalan menurut Dinas Pekerjaan Umum kota Surakarta.
c. Obyek penelitian adalah pergerakan kendaraan yang terdiri dari semua jenis
kendaraan sesuai pembagian dalam Manual Kapasitas Jalan Indonesia (MKJI)
1997.
d. Penelitian dilakukan pada jam puncak pagi yaitu pukul 06.00-08.00 WIB
yang didasarkan pada penelitian sebelumnya oleh Rahayu Mahanani
Wijiastuti tahun 2008.
e. Jaringan jalan yang dianalisis mengabaikan fenomena simpang dan
pergerakan pejalan kaki.
f. Dampak perubahan tata guna lahan terhadap jumlah pergerakan diabaikan.
g. Data matriks awal (prior matrix) yang digunakan adalah hasil perhitungan
skripsi “ Evaluasi Kinerja dan Penanganan Jaringan Jalan (Studi Kasus Kota
Surakarta)” oleh Astri Brillianti tahun 2002 dilengkapi dengan hasil survey
terbaru di beberapa ruas jalan kota Surakarta.
h. Kapasitas, waktu tempuh, dan kecepatan dihitung menggunakan metode
perhitungan pada MKJI.
i. Analisis pembebanan menggunakan program EMME/3.
73
j. Uji validasi arus lalu lintas hasil pengamatan dan arus lalu lintas hasil
pemodelan adalah dengan parameter RMSE dan uji determinasi (R2).
1.4. Tujuan Penelitian
Penelitian ini bertujuan untuk mengetahui pengaruh jumlah data traffic count
terhadap tingkat akurasi MAT hasil estimasi dan arus lalu lintas hasil
pembebanan.
1.5. Manfaat Penelitian
1.5.1. Manfaat Teoritis
Meningkatkan pengetahuan di bidang perencanaan dan pemodelan transportasi
pada suatu pemograman, seperti software EMME/3 yang digunakan dalam
penelitian ini.
1.5.2. Manfaat Praktis
Hasil yang diperoleh dapat digunakan sebagai acuan untuk penelitian berikutnya
yang membutuhkan data arus lalu lintas untuk mendapatkan MAT.
BAB 2
LANDASAN TEORI
2.1. Tinjauan Pustaka
74
Torgil Abrahamsson (1998). “Estimation of Origin-Destination Matrices Using
Traffic Count” berisi MAT yang diestimasi menggunakan traffic count pada ruas
jaringan jalan dan ketersediaan informasi lain. Informasi perjalanan selalu berisi
matriks ‘target asal tujuan’. Matriks target asal tujuan ini bisa berupa matriks
terdahulu atau hasil dari survei sampel. Dari kedua sumber data tersebut berbagai
macam pendekatan untuk mengestimasi MAT dikembangkan dan diuji.
Ofyar Z. Tamin (1988) memungkinkan MAT didapat dengan hanya menggunakan
data arus lalu lintas yang notabene sangat mudah dan murah mendapatkannya.
Akurasi MAT dapat mencapai 97% dan butuh waktu sekitar 2-3 menit setelah
arus lalu lintas didapatkan sehingga biaya dapat ditekan menjadi hanya sekitar 4%
biaya metoda konvensional.
Priyatno (2000) dan Wiwit Hernasari (2000) menghitung besarnya estimasi
Matrik Asal Tujuan dan volume lalu lintas hasil pembebanan matriks tersebut ke
jaringan jalan, dan untuk mengetahui tingkat validitas arus lalu lintas hasil
pemodelan dengan arus lalu lintas sebenarnya. Kedua skripsi ini menggunakan
model yang sama yaitu model gravity dengan program Simulation and Assignment
of Traffic to Urban Road Network (SATURN). Perbedaan skripsi ini adalah pada
teknik pembebanannya saja, Wiwit H. menggunakan cara pembebanan All Or
Nothing dan Priyatno menggunakan teknik pembebanan Wardrob Equilibrium.
Yolanda Noriega dan Michael Florian (2009). “Some Enhancements of the
Gradient Method for O-D Matrix Adjustment” berisi mengenai pendekatan dengan
menggunakan metode gradien atau steepest descent dalam pembentukan matriks
asal-tujuan (MAT) dengan menggunakan EMME/2 dimana program ini
terintegrasi secara makro dengan metode tersebut. Matriks yang dihasilkan sangat
akurat termasuk didalamnya dari fungsi objektif model pendekatannya.
Rudi Sugiono Suyono (2007) dalam penelitiannya menyebutkan bahwa untuk
mengestimasi Matriks Asal-Tujuan (MAT) berdasarkan informasi arus lalu lintas
(traffic count), arus lalu lintas merupakan masukan utama yang sangat
75
mempengaruhi tingkat akurasi MAT yang dihasilkan. Sehingga, setiap proses
yang berkaitan dengan arus lalu lintas seperti jumlah serta lokasinya harus
dipertimbangkan dengan baik agar hasil yang diperoleh optimal. Secara teoritis,
semakin banyak data yang digunakan maka akan semakin tinggi tingkat akurasi
MAT yang dihasilkannya. Hal tersebut sudah tentu membutuhkan biaya yang
sangat besar dan waktu yang cukup lama.
Seperti dituliskan oleh Tamin dan Ade Sjarifudin dalam simposium II FSTPT ,
menurut Tamin (1988) disimpulkan beberapa faktor utama yang sangat
mempengaruhi akurasi MAT yang dihasilkan dari data lalu lintas yaitu:
a. Pemilihan moda kebutuhan akan transportasi yang digunakan untuk
mencerminkan perilaku pergerakan didalam daerah studi,
b. Metoda estimasi yang digunakan untuk mengkalibrasi parameter model
transportasi dengan menggunakan data arus lalu lintas,
c. Teknik pembebanan rute untuk menentukan rute yang digunakan dalam
jaringan,
d. Tingkat kesalahan pada arus lalu lintas,
e. Tingkat kedalaman resolusi pendefinisian sistem zona dan sistem jaringan.
Rusmadi Suyuti (2007) meninjau beberapa faktor yang berpengaruh terhadap
peningkatan akurasi MAT yang dihasilkan dari data arus lalu lintas, dimana model
Gravity (GR) digunakan sebagai model sebaran pergerakan. Jenis metode estimasi
yang akan ditinjau pengaruhnya adalah: Kuadrat-Terkecil (KT), Kemiripan-
Maksimum (KM), Inferensi-Bayes (IB), dan Entropi-Maksimum (EM). Sedangkan
model pemilihan rute yang akan ditinjau pengaruhnya adalah model all-or-
nothing dan keseimbangan. Hasil penelitian menyimpulkan bahwa terdapat
tingkat keakurasian yang cukup tinggi dalam proses estimasi MAT. Hal tersebut
ditunjukkan berdasarkan nilai optimum dari fungsi tujuan serta hasil pengujian
statistik.
Pada penelitian kali ini lebih dititikberatkan pada pengaruh jumlah data lalu lintas
terhadap akurasi MAT dan arus lalu lintas yang dihasilkan. Jadi pada penelitian
76
kali ini akan dihasilkan jumlah data signifikan yang bisa dipakai untuk
menghasilkan MAT yang akurat. Jadi untuk menghasilkan MAT yang akurat
tidak perlu dilakukan survey pada semua ruas jalan di daerah kajian. Survey
cukup dilakukan di beberapa titik yang dianggap mampu merepresentasikan
kondisi lalu lintas daerah kajian. Proses analisis akan dilakukan dengan
bantuan software EMME/3. Uji validitas juga akan dilakukan untuk mengetahui
tingkat validitas MAT dan arus lalu lintas yang dihasilkan dengan koefisien
Determinasi R2 dan parameter RMSE.
2.2. Landasan Teori
2.2.1. Pemodelan
Konsep perencanaan transportasi yang berkembang dan sering digunakan dalam
perencanaan dan pemodelan suatu perkotaan adalah Model Perencanaan
Transportasi Empat Tahap. Model ini merupakan gabungan dari beberapa seri sub
model yang masing-masing harus dianalisis secara terpisah dan berurutan. Tahap-
tahap perencanaan dan pemodelan transportasi seperti yang terlihat dalam Gambar
2.1.
Bangkitan dan Tarikan Pergerakan (Trip Generation).
Sebaran Pergerakan (Trip Distribution).
Pemilihan Moda (Modal Split).
Pemilihan Rute (Trip Assigment).
77
Gambar 2.1. Empat Tahap Pemodelan Transportasi
2.2.2. Daerah Kajian
Hal pertama yang harus ditentukan dalam menentukan sistem zona dan sistem
jaringan adalah cara membedakan daerah kajian dengan atau wilayah lain di luar
kajian. Beberapa arahan untuk hal tersebut adalah sebagai berikut:
a. Untuk kajian yang bersifat strategis, daerah kajian harus didefinisikan
sedemikian rupa sehingga mayoritas pergerakan mempunyai zona asal dan
zona tujuan di dalam daerah kajian tersebut.
b. Daerah kajian sebaiknya sedikit lebih luas daripada daerah yang akan diamati
sehingga kemungkinan adanya perubahan zona tujuan atau pemilihan rute yang
lain dapat teramati.
Wilayah di luar daerah kajian sering dibagi menjadi beberapa zona eksternal yang
digunakan untuk mencerminkan dunia lainnya. Daerah kajian sendiri dibagi
menjadi beberapa zona internal yang jumlahnya sangat tergantung dari tingkat
ketepatan yang diinginkan. Daerah yang akan dikaji adalah daerah yang
mencakup suatu kota, akan tetapi harus dapat mencakup ruang atau daerah yang
cukup untuk pengetahuan kota di masa mendatang. Definisi dan gambaran
mengenai daerah kajian ditunjukkan pada gambar 2.2.
Simpul
1 2
6
3
5
4
Gateway Pusat zona
zona Ruas
Batas daerah Batas zona
78
Gambar 2.2. Daerah kajian sederhana dengan definisinya
2.2.3. Sistem Zona
Sistem zona adalah suatu sistem tata-guna lahan dimana satu satuan tata-guna
lahan didapat dengan membagi wilayah kajian menjadi bagian yang lebih kecil
(zona) yang dianggap mempunyai keseragaman tata-guna lahan atau berada di
bawah suatu daerah administrasi tertentu seperti kelurahan, kecamatan atau
wilayah. Setiap zona akan diwakili oleh satu pusat zona. Pusat zona dianggap
sebagai tempat atau lokasi awal pergerakan lalu lintas dari zona tersebut dan akhir
pergerakan lalu lintas yang menuju zona tersebut.
Beberapa kriteria utama yang perlu dipertimbangakan dalam menetapkan sistem
zona di dalam suatu daerah kajian disarankan oleh IHT and DTp (1987), meliputi
hal berikut ini:
a. Ukuran zona sebaiknya dirancang sedemikian rupa sehingga galat
pengelompokkan yang timbul akibat asumsi pemusatan seluruh aktivitas pada
suatu pusat zona menjadi tidak terlalu besar.
b. Batas zona sebaiknya harus sesuai dengan batas sensus, batas administrasi
daerah, batas alami, atau batas zona yang digunakan oleh kajian terdahulu yang
sudah dipandang sebagai kriteria utama.
c. Ukuran zona harus disesuaikan dengan kepadatan jaringan yang akan
dimodelkan, biasanya ukuran zona semakin membesar jika semakin jauh dari
pusat kota.
d. Ukuran zona harus lebih besar dari yang seharusnya untuk memungkinkan arus
lalu lintas dibebankan ke atas jaringan jalan dengan ketepatan yang
disyaratkan.
79
e. Batas zona harus dibuat sedemikian rupa sehingga sesuai dengan jenis pola
pengembangan untuk setiap zona, misal pemukiman, industri, dan perkantoran.
f. Tipe tata guna lahan setiap zona sebaiknya homogen untuk menghindari
tingginya jumlah pergerakan intrazonal dan untuk mengurangi tingkat
kerumitan model.
g. Batas zona harus sesuai dengan batas daerah yang digunakan dalam
pengumpulan data.
h. Ukuran zona ditentukan pula oleh tingkat kemacetan, ukuran zona pada daerah
macet sebaiknya lebih kecil dibandingkan dengan daerah tidak macet.
2.2.4. Sistem Jaringan Transportasi
Sistem jaringan transportasi dicerminkan dalam bentuk ruas dan simpul, yang
semuanya dihubungkan ke pusat zona. Sistem jaringan transportasi juga dapat
ditetapkan sebagai urutan ruas jalan dan simpul. Ruas jalan bisa berupa potongan
jalan raya atau rel kereta api, sedangkan simpul bisa berupa persimpangan atau
stasiun. Setiap simpul dan zona diberi nomor. Nomor ini yang digunakan untuk
mengidentifikasi data yang berkaitan dengan ruas dan zona.
Kunci utama dalam merencanakan sistem jaringan adalah penentuan klasifikasi
fungsi jalan yang akan dianalisis (arteri, kolektor, atau lokal). Hal ini tergantung
dari jenis dan tujuan kajian. Penelitian ini menggunakan sistem sekunder dengan
jalan yang dianalisis yaitu jalan arteri dan kolektor, maka nomor diberikan pada
pertemuan ujung ruas antar jalan arteri sekunder, pertemuan ujung ruas antara
jalan arteri sekunder dengan kolektor sekunder dan pertemuan ujung ruas antar
jalan kolektor sekunder. Ruas jalan mencerminkan ruas jalan antar persimpangan
atau ruas antar kota yang dinyatakan dengan dua buah nomor simpul diujung-
ujungnya. Ciri ruas jalan perlu diketahui seperti panjang, jumlah lajur, jenis
gangguan samping, kapasitas dan hubungan kecepatan arus.
2.2.5. Klasifikasi Fungsi Jalan
80
Menurut PP No. 26 Th. 1985 tentang jalan, sistem jaringan jalan dibagi dalam dua
kategori yakni sistem jaringan primer dan sistem jaringan sekunder.
a. Sistem Jaringan Primer
Sistem jaringan primer disusun mengikuti ketentuan pengaturan tata ruang dan
struktur pengembangan wilayah tingkat nasional yang menghubungkan secara
menerus kota jenjang ke satu, kota jenjang ke dua, kota jenjang ke tiga, dan kota
jenjang di bawahnya sampai ke persil. Menghubungkan kota jenjang ke satu
dengan kota jenjang ke satu antar satuan wilayah pengembangan.
1. Jalan Arteri Primer
Menghubungkan kota jenjang ke satu yang terletak berdampingan atau
menghubungkan kota jenjang ke satu dengan kota jenjang ke dua.
2. Jalan Kolektor Primer
Menghubungkan kota jenjang ke dua dengan kota jenjang ke dua atau
menghubungkan kota jenjang ke dua dengan kota jenjang ke tiga.
3. Jalan Lokal Primer
Menghubungkan kota jenjang ke satu dengan persil atau kota ke dua dengan
persil atau menghubungkan kota jenjang ke tiga dengan kota jenjang ke tiga,
atau kota jenjang ke tiga dengan persil.
b. Sistem Jaringan Sekunder
Sistem jaringan sekunder disusun mengikuti ketentuan pengaturan tata ruang kota
yang menghubungkan kawasan-kawasan yang mempunyai fungsi primer, fungsi
sekunder satu, fungsi sekunder dua, fungsi sekunder tiga sampai ke perumahan.
1. Jalan Arteri Sekunder
Menghubungkan kawasan primer dengan kawasan sekunder ke satu atau
menghubungkan kawasan sekunder ke satu dengan kawasan sekunder ke satu
atau menghubungkan kawasan sekunder ke satu dengan kawasan sekunder ke
dua.
2. Jalan Kolektor Sekunder
81
Menghubungkan kawasan sekunder ke dua dengan kawasan sekunder ke dua
atau menghubungkan kawasan sekunder ke dua dengan kawasan sekunder ke
tiga.
3. Jalan Lokal Sekunder
Menghubungkan kawasan sekunder ke satu dengan perumahan,
menghubungkan kawasan sekunder ke dua dengan perumahan, kawasan
sekunder ke tiga dengan perumahan.
2.2.6. Karakteristik Jalan
a. Tipe jalan : berbagai tipe jalan akan menunjukkan kinerja berbeda pada
pembebanan lalu lintas tertentu, misalnya jalan terbagi dan tak terbagi (jalan
satu arah)
b. Lebar jalur lalu lintas : Kecepatan arus bebas dan kapasitas meningkat dengan
pertambahan lebar jalur lalu lintas
c. Kerb : kerb sebagai batas antara jalur lalu lintas dan trotoar berpengaruh
terhadap dampak hambatan samping pada kapasitas dan kecepatan. Kapasitas
jalan dengan kerb lebih kecil dari jalan dengan bahu. Selanjutnya kapasitas
berkurang jika terdapat penghalang tetap dekat tepi jalur lalu lintas, tergantung
apakah jalan mempunyai kerb atau bahu.
d. Bahu : jalan perkotaan tanpa kerb pada umumnya mempunyai bahu pada kedua
sisi jalur lalu lintasnya. Lebar dan kondisi permukaannya mempengaruhi
penggunaan bahu, berupa penambahan kapasitas, kecepatan pada arus tertentu,
akibat pertambahan lebar bahu, terutama karena pengurangan hambatan
samping yang disebabkan kejadian disisi jalan seperti kendaraan angkutan
umum berhenti, pejalan kaki dan sebagainya.
e. Median : Median yang direncanakan dengan baik meningkatkan kapasitas
f. Alinyemen jalan : Lengkung horizontal dengn jari – jari kecil mengurangi
kecepatan arus bebas. Tanjakan curam juga mengurangi kecepatan arus bebas.
Karena secara umum kecepatan arus bebas di daerah perkotaan adalah rendah
maka pengaruh ini di abaikan.
82
Pemisah arah lalu lintas didefinisikan sebagai kapasitas jalan dua arah paling
tinggi pada pemisahan arah 50 – 50, yaitu jika arus pada kedua arah adalah sama
pada periode waktu yang dianalisa (umumnya satu jam). Komposisi lalu lintas
mempengaruhi hubungan kecepatan arus jika arus dan kapasitas dinyatakan dalam
kend/jam, yaitu tergantung pada rasio sepeda motor atau kendaraan berat dalam
arus lalu lintas. Jika arus dan kapasitas dinyatakan dalam satuan mobil
penumpang (smp), maka kecepatan kendaraan ringan dan kapasitas (smp/jam)
tidak dipengaruhi komposisi lalu lintas.
2.2.7. Satuan Mobil Penumpang
Manual Kapasitas Jalan Indonesia (MKJI) 1997 mendefinisikan satuan mobil
penumpang (smp) adalah satuan untuk arus lalu lintas dimana berbagai tipe
kendaraan diubah menjadi arus kendaraan ringan (termasuk mobil penumpang)
dengan menggunakan ekivalen mobil penumpang (emp). Emp adalah faktor yang
menunjukkan pengaruh berbagai tipe kendaraan dibandingkan kendaraan ringan
terhadap kecepatan kendaraan ringan dalam arus lalu lintas (untuk mobil
penumpang dan kendaraan ringan yang mirip, emp = 1). Pembagian tipe
kendaraan bermotor untuk masing-masing kendaraan berdasarkan MKJI 1997
adalah sebagai berikut:
a. Sepeda Motor, Motor Cycle (MC), terdiri dari kendaraan bermotor beroda dua
atau tiga.
b. Kendaraan Ringan, Light Vehicle (LV), yaitu kendaraan bermotor dua as
beroda empat dengan jarak as 2-3 meter, termasuk diantaranya mobil
penumpang, oplet, mikrobis, pick-up dan truk kecil.
c. Kendaraan berat, Heavy Vehicle (HV), yaitu kendaraan bermotor lebih dari 4
roda, termasuk diantaranya bis, truk 2 as, truk 3 as, dan truk kombinasi.
Tabel dibawah ini akan menjelaskan pembagian tipe kendaraan bermotor untuk
masing-masing kendaraan berdasarkan MKJI 1997.
Tabel 2.1. emp untuk jalan perkotaan tak terbagi
Tipe Arus lalu lintas Emp
83
Jalan tak terbagi Total dua arah
(kend/jam) HV
MC
Lebar lajur lalu
lintas Cw (m)
≤ 6 ≥ 6
Dua lajur tak terbagi
(2/2 UD)
0
≥1800
1,3
1,2
0,5
0,35
0,4
0,25
Empat lajur tak terbagi
(4/2 UD)
0
≥3700
1,3
1,2
0,4
0,25
Sumber: MKJI 1997
Tabel 2.2. emp untuk jalan perkotaan terbagi dan satu arah
Tipe jalan:
Jalan Satu Arah dan
Jalan Terbagi
Arus Lalu lintas
Per Lajur (kend/jam)
Emp
HV MC
Dua Lajur satu arah (2/1)
Dan
Empat Lajur terbagi (4/2D)
0
1050
1,3
1,2
0,4
0,25
Tiga Lajur satu arah (3/1)
Dan
Enam Lajur terbagi (6/2D)
1
1100
1,3
1,2
0,4
0,25
Sumber: MKJI 1997
2.2.8. Kapasitas
Kapasitas adalah volume maksimum kendaraan perjam yang melalui suatu
potongan lajur jalan(untuk jalan multi lajur) atau suatu potongan jalan (untuk jalan
dua lajur) pada kondisi jalan dan arus lalu lintas ideal. (Dirjen Bina Marga,1999).
Faktor-faktor yang mempengaruhi kapasitas jalan adalah lebar jalur atau lajur, ada
tidaknya pemisah/median jalan, hambatan bahu/kerb jalan, gradien jalan, didaerah
84
perkotaan atau luar kota, ukuran kota. Besarnya kapasitas suatu ruas jalan dapat
dihitung dari Persamaan (2.1).
C = Co x FCw x FCsp x FCsf x FCcs (2.1)
Dimana:
C = Kapasitas (smp / jam)
Co = Kapasitas dasar untuk kondisi tertentu (ideal) (smp / jam)
FCw = Faktor penyesuaian lebar jalur lalu lintas
FCsp = Faktor penyesuaian pemisah arah
FCsf = Faktor penyesuaian hambatan samping
FCcs = Faktor penyesuaian ukuran kota
Besarnya nilai Co, FCw, FCsp, FCsf dan FCcs dapat dilihat pada Tabel 2.3 sampai
dengan Tabel 2.9.
Tabel 2.3. Kapasitas dasar (Co) jalan perkotaan
Tipe Jalan Kapasitas Dasar
(smp/jam) Catatan
Empat lajur terbagi atau
jalan satu arah 1650 Perlajur
Empat lajur tak terbagi 1500 Perlajur
Dua lajur tak terbagi 2900 Total dua arah
Sumber: MKJI 1997
Tabel 2.4. Faktor penyesuaian kapasitas (FCw) untuk pengaruh lebar jalur lalu
lintas untuk jalan perkotaan
` Lebar Jalur Lalu Lintas
FCw Efektif (Wc) (m)
Perlajur Empat lajur terbagi 3,00 0,92
atau 3,25 0,96 Jalan satu arah 3,50 1,00
85
3,75 1,04 4,00 1,08
Perlajur 3,00 0,91
Empat lajur tak 3,25 0,95 terbagi 3,50 1,00
3,75 1,05 4,00 1,09
Total dua arah 5 0,56 6 0,87
Dua lajur tak terbagi 7 1,00 8 1,14 9 1,25 10 1,29 11 1,34
Sumber: MKJI 1997
86
Tabel 2.5. Faktor penyesuaian kapasitas untuk pemisahan Arah (FCsp) Pemisahan arah SP %-%
50-50 55-45 60-40 65-35 70-30
FCsp
Dua lajur 2/2 1,00 0,97 0,94 0,91 0,88
Empat lajur 4/2 1,00 985 0,97 0,9555 0,94
Sumber: MKJI 1997 Tabel 2.6. Faktor penyesuaian kapasitas (FCsf) untuk pengaruh hambatan dan lebar bahu
Tipe Jalan
Kelas Hambatan Samping
Faktor Penyesuaian hambatan samping dan Lebar bahu (FCsf) Lebar bahu (m)
£0,5 1,0 1,5 ³2,0
4/2D
VL ML M H VH
0,96 0,94 0,92 0,88 0,84
0,98 0,97 0,95 0,92 0,88
1,01 1,00. 0,98 0,95 0,92
1,03 1,02 1,00 0,98 0,96
4/2UD
VL ML M H VH
0,96 0,94 0,92 0,87 0,80
0,99 0,97 0,95 0,91 0,86
1,01 1,00 0,98 0,94 0,90
1,03 1,02 1,00 0,98 0,95
2/2UD Atau jalan satu arah
VL ML M H VH
0,94 0,92 0,89 0,82 0,73
0,96 0,94 0,92 0,86 0,79
0,99 0,97 0,95 0,90 0,85
1,01 1,00 0,98 0,95 0,91
Sumber: MKJI 1997
87
Tabel 2.7. Faktor penyesuaian kapasitas (FCsf) untuk pengaruh hambatan samping dan jarak Kerb-Penghalang (FCsf)
Tipe Jalan
Kelas Hambatan Samping
Faktor Penyesuaian hambatan samping dan Lebar bahu (FCsf)
Lebar kerb-penghalang (m)
£0,5 1,0 1,5 ³2,0
4/2D
VL ML M H VH
0,95 0,94 0,91 0,86 0,81
0,97 0,96 0,93 0,89 0,85
0,99 0,98. 0,95 0,92 0,88
1,03 1,00 0,98 0,95 0,92
4/2UD
VL ML M H VH
0,95 0,93 0,90 0,84 0,77
0,97 0,95 0,92 0,87 0,81
0,99 0,97. 0,95 0,90 0,85
1,03 1,00 0,97 0,93 0,90
2/2UD Atau jalan satu arah
VL ML M H VH
0,93 0,90 0,86 0,78 0,68
0,95 0,92 0,88 0,81 0,72
0,97 0,95 0,91 0,84 0,77
0,99 0,97 0,94 0,88 0,82
Sumber: MKJI 1997 Tabel 2.8. Kelas Hambatan Samping untuk Jalan Perkotaan Frekuensi Berbobot kejadian
Kondisi Khusus Kelas Hambatan Samping
Kode
< 100 100-299 300-499 500-899 >900
Pemukiman, hampir tidak ada Kegiatan Pemukiman, beberapa angkutan Umum,dll Daerah industri dengan toko-toko di sisi jalan Daerah niaga dengan aktifitas di Sisi jalan yang tinggi Daerah niaga dengan aktifitas di sisi jalan yang sangat tinggi
Sangat Rendah Rendah Sedang Tinggi Sangat Tinggi
VL L M H VH
Sumber: MKJI 1997
88
Tabel 2.9. Faktor penyesuaian kapasitas untuk pengaruh ukuran kota FCcs pada jalan perkotaan Ukuran Kota (Juta Penduduk)
Faktor Penyesuaian untuk Ukuran Kota FCcs
<0,1 0,1-0,5 0,5-1,0 1,0-3,0 >3,0
0,86 0,90 0,94 1,00 1,04
Sumber: MKJI 1997 2.2.9. Kecepatan
Kecepatan tempuh adalah kecepatan rata-rata (km/jam) arus lalu lintas dihitung
dari panjang ruas jalan dibagi waktu tempuh rata-rata kendaran yang melewati
segmen jalan. Sedangkan kecepatan pada arus bebas adalah kecepatan dari
kendaraan yang tidak dipengaruhi oleh kendaraan lain (yaitu kecepatan dimana
pengendara merasakan perjalanan yang nyaman dalam kondisi geometrik
lingkungan dan pengaturan lalu lintas yang ada pada bagian segmen jalan dimana
tidak ada kendaraan lain). Kecepatan arus dapat ditentukan dari Persamaan (2.2).
FV = (Fvo + FVw) x FFVsf x FFVcs (2.2)
Dimana:
FV : Kecepatan arus bebas kendaraan ringan sesungguhnya (km/jam)
Fvo : Kecepatan arus bebas dasar kendaraan ringan (km/jam)
FVw : Penyesuaian lebar jalur lalu lintas efektif (km/jam)
FFVsf : Faktor penyesuaian kondisi hambatan samping
FFVcs : Faktor penyesuaian ukuran kota.
Besarnya nilai Fvo, FVw, FFVsf dan FFVcs dapat dilihat pada Tabel 2.10 sampai
dengan Tabel 2.13.
Tabel 2.10. Kecepatan arus bebas dasar (FV0) untuk jalan perkotaan
Tipe Jalan
Kecepatan arus bebas dasar (FV0) (km/jam) Kendaraan
Ringan (LV)
Kendaraan Berat (HV)
Sepeda Motor (MC)
Rata-rata Kendaraa
n
Enam Lajur Terbagi (6/2D) Atau tiga lajur satu arah 61 52 48 57
89
Tabel 2.11. Penyesuaian kecepatan arus bebas untuk lebar jalur lalu lintas (FVw)
pada jalan perkotaan.
Tipe Jalan Lebar Jalur Lalu lintas
Efektif (Wc) (m)
FVw
Empat lajur terbagi Atau Jalan Satu Arah
Perlajur 3,00 3,25 3,50 3,75 4,00
-4 -2 0 2 4
Empat lajur tak terbagi
Perlajur 3,00 3,25 3,50 3,75 4,00
-4 -2 0 2 4
Dua Lajur tak terbagi
Total dua arah 5 6 7 8 9
10 11
-9,5 -3 0 3 4 6 7
Sumber: MKJI 199
Tabel 2.12. Faktor penyesuaian (FFVsf) untuk pengaruh hambatan samping dan
lebar bahu pada kecepatan arus bebas untuk jalan perkotaan dengan
bahu.
(3/1)
Empat Lajur Terbagi (4/2D) Atau dua lajur satu arah
(2/1) 57 50 47 55
Empat lajur tak terbagi (4/2 UD) 53 46 43 51
Dua lajur tak terbagi (2/2 UD)
44 40 40 42
90
Tipe Jalan
Kelas Hambatan Samping
Faktor Penyesuaian hambatan samping dan Lebar bahu (FFVsf)
Lebar bahu (Ws)
£0,5 1,0 1,5 ³2,0
4/2D
VL ML M H
VH
1,02 0,98 0,94 0,89 0,84
1,03 1,00 0,97 0,93 0,88
1,03 1,02 1,00 0,96 0,92
1,04 1,03 1,02 0,99 0,96
4/2UD
VL ML M H
VH
1,02 0,98 0,93 0,87 0,80
1,03 1,00 0,96 0,91 0,86
1,03 1,02 0,99 0,94 0,90
1,04 1,03 1,02 0,98 0,95
2/2UD Atau jalan satu arah
VL ML M H
VH
1,00 0,96 0,90 0,82 0,73
1,01 0,98 0,93 0,86 0,79
1,01 0,99 0,96 0,90 0,85
1,01 1,00 0,99 0,95 0,91
Sumber: MKJI 1997
Tabel 2.13. Faktor penyesuaian (FFVsf) untuk pengaruh hambatan
samping dan jarak kerb penghalang jalan perkotaan dengan kerb.
Tipe Jalan
Kelas Hambatan Samping
Faktor Penyesuaian hambatan samping dan Lebar bahu (FFV4sf)
Jarak kerb
£0,5 1,0 1,5 ³2,0
4/2D
VL ML M H
VH
1,00 0,97 0,93 0,87 0,81
1,01 0,98 0,95 0,90 0,85
1,01 0,99 0,97 0,93 0,88
1,02 1,00 0,99 0,96 0,92
4/2UD
VL ML M H
VH
1,01 0,98 0,91 0,84 0,77
1,01 0,98 0,93 0,87 0,81
1,01 0,99 0,95 0,90 0,85
1,00 1,00 0,98 0,94 0,90
2/2UD Atau jalan satu arah
VL ML M H
VH
0,98 0,93 0,87 0,78 0,68
0,99 0,95 0,89 0,81 0,77
0,99 0,96 0,92 0,84 0,77
1,00 0,98 0,95 0,88 0,82
Sumber: MKJI 1997
Faktor penyesuaian kecepatan arus bebas untuk jalan enam lajur dapat ditentukan dengan menggunakan nilai FFVsf untuk jalan empat lajur yang
91
diberikan pada Tabel 2.12. atau 2.13. dan disesuaikan seperti Persamaan (2.3) dibawah ini:
FFV6sf = 1-0,8 x (1- FFV4sf) (2.3) Dimana:
FFV6sf = faktor penyesuaian kecepatan arus bebas untuk enam lajur (km/jam).
FFV4sf = faktor penyesuaian kecepatan arus bebas untuk empat lajur (km/jam).
Untuk penentuan kelas hambatan samping sama dengan Tabel (2.8) di atas, sedangkan faktor penyesuaian kecepatan untuk ukuran kota dapat
dilihat pada Tabel (2.14).
Tabel 2.14. Faktor penyesuaian untuk pengaruh ukuran kota pada kecepatan arus
bebas kendaraan ringan untuk jalan perkotaan Ukuran Kota
(Juta penduduk) Faktor Penyesuaian Ukuran Kota
(FVcs) <0,1
0,1-0,5 0,5-1,0 1,0-3,0
>3,0
0,90 0,93 0,95 1,00 1,03
Sumber: MKJI 1997
Kecepatan kendaraan pada arus bebas dapat dihitung pada Persamaan (2.4)
dibawah ini :
V = Vo x 0,5 (1 + (1 – (Q/C))0,5) (2.4)
Dimana :
V = kecepatan sesungguhnya pada saat ada arus lalu lintas Q.
Vo = kecepatan arus bebas.
C = kapasitas.
Jika arus pada ruas jalan tersebut telah mencapai kapasitas (Q/C = 1), maka
Persamaan (2.4) menjadi :
V = 0,5Vo (2.5)
92
2.2.10. Volume dan Komposisi Lalu Lintas
Berdasarkan tingkat analisisnya, ketersediaan data lalu lintas dapat di bagi
menjadi dua bagian :
a. Data yang tersedia LHRT, Pemisahan arah (SP) dan komposisi lalu lintas.
Volume jam perencanaan dihitung dengan Qdh = k x LHRT x SP/100.
Selanjutnya untuk mengetahui jumlah tiap jenis kendaraan Qdh dikalikan
dengan persentase tiap jenis kendaraan. MKJI 1997 menyarankan komposisi
lalu lintas yang berbeda-beda berdasarkan ukuran kota.
b. Data yang tersedia adalah arus lalu lintas per jenis per arah.
Volume jam perencanaan yang bersatuan kendaraan/jam harus dialihkan
menjadi smp/jam. Manual Kapasitas Jalan Indonesia (Bina Marga 1997)
menyarankan nilai emp berbeda –beda berdasarkan jenis kendaraan, jenis jalan
dan volume jam perencanaan (kendaraan /jam). Khusus untuk dua lajur dua
arah, lebar jalan lalu lintas juga mempengaruhi besarnya emp. Sebagai contoh
untuk jalan empat lajur dan dua arah terbagi, nilai emp pada volume jam
perencanaan 1050 kendaraan /jam untuk kendaraan berat 1,20 dan sepeda
motor 0,25.
2.2.11. Hubungan Kurva Kecepatan-Arus dan Biaya-Arus
Dalam Rekayasa lalu lintas dikenal hubungan yang sangat sering digunakan yaitu
pengaruh arus pada kecepatan kendaraan yang bergerak pada ruas jalan tertentu.
Hubungan kecepatan-arus sering digambarkan seperti Gambar 2.3. Jika arus lalu
lintas meningkat, kecepatan cenderung menurun secara perlahan. Jika arus
mendekati kapasitas, penurunan kecepatan semakin besar.
93
Gambar 2.3. Hubungan Tipikal Kecepatan-Arus Dan Biaya-Arus
Sumber : Ortuzar and Willumsen (1996)
Apabila kondisi tersebut dipaksakan untuk mendapatkan arus yang melebihi
kapasitas, maka akan terjadi kondisi yang tidak stabil dengan kecepatan yang
lebih rendah.
Untuk alasan praktis dalam teknik pembebanan rute jenis hubungan ini dilakukan
dalam bentuk hubungan waktu tempuh per unit jarak dengan arus lalu lintas.
Model pembebanan rute yang mempertimbangkan kemacetan memerlukan
beberapa persaman fungsi yang cocok untuk menghubungkan atribut suatu ruas
seperti kapasitas dan kecepatan arus bebas serta arus lalu lintasnya dengan
kecepatan atau biaya yang dihasilkan. Hal ini dapat dinyatakan dalam bentuk
umum :
Ca = Ca({V}) (2.6)
Biaya pada suatu ruas jalan merupakan fungsi dari semua pergerakan V pada
jaringan tersebut (bukan hanya disebabkan oleh arus di ruas jalan itu saja).
Rumus umum ini cocok untuk daerah perkotaan yang memiliki interaksi yang erat
antara arus lalu lintas diruas jalan yang lain dengan tundaan, tetapi hal ini dapat
disederhanakan jika mempertimbangkan ruas jalan yang panjang, dimana hampir
semua waktu perjalanan digunakan pada ruas jalan tersebut. Dalam hal ini
persamaan yang digunakan harus terpisah, yang dapat ditulis sebagai berikut :
Ca = Ca(Va) (2.7)
94
Biaya pada ruas jalan tersebut hanya tergantung pada arus dan ciri ruas itu saja.
Asumsi ini dapat menyederhanakan proses penaksiran, pengembangan fungsi
serta penggunaan metode pembebanan yang sesuai.
(Ofyar Z. Tamin, 1997 : 219)
Di dalam Ofyar Z. Tamin (1997) yang dikutip dari Branston (1976) menulis
beberapa kurva biaya-arus yang diusulkan oleh beberapa penulis sebagai berikut:
a. Smock (1962) mengemukakan rumus berikut untuk kajian di Detroit
t = t0 exp(V/Qs) (2.8)
t adalah waktu tempuh per satuan jarak, t0 adalah waktu per satuan jarak pada
kondisi arus bebas, dan Qs adalah kapasitas ruas pada kondisi tunak.
b. Overgaard (1976) menuliskan persaman dalam bentuk lain, yaitu :
÷÷ø
öççè
æ
= PQ
V
ttb
a0 (2.9)
QP adalah kapasitas praktis dari ruas jalan, sedangkan a dan b adalah
parameter yang dikalibrasi.
c. Dinas Jalan Umum (1964) di Amerika Serikat menyarankan fungsi yang
sangat umum, yaitu :
úû
ùêë
é÷øöç
èæ+=
b
aPQ
Vtt 10 (2.10)
d. IHCM (Indonesian Highway Capacity Manual)1994, melakukan beberapa
kajian mengenai hubungan antara kecepatan dan arus pada beberapa ruas
tetapi mengabaikan faktor persimpangan. Penelitian ini menggunakan kondisi
buffer network. Untuk buffer network n terdefinisi pada tiap ruas t0 dihitung
secara pasti sebagai waktu tempuh pada arus bebas dan A dipilih sedemikian
sehingga kurva dapat melewatkan waktu tempuh pada kapasitas ketika arus
sama dengan kapasitas.
95
2.2.12. Matrik Asal Tujuan
MAT merupakan matriks berdimensi dua yang berisi informasi mengenai
besarnya pergerakan antar lokasi (zona) di dalam daerah tertentu. Baris
menyatakan zona asal dan kolom menyatakan zona tujuan, sehingga sel matriknya
merupakan besar pergerakan dari zona asal ke zona tujuan. Pola pergerakan dapat
dihasilkan bila suatu MAT dibebankan ke suatu jaringan transportasi. Dengan
mengetahui pola pergerakan yang terjadi, kita dapat memperkirakan masalah yang
akan timbul sehingga solusi dapat segera dihasilkan. Kelebihan bentuk matriks
adalah dapat didapatkan secara tepat arus pergerakan antarzona yang terjadi,
namun tidak dapat menggambarkan arah pergerakan tersebut. Distribusi
pergerakan dapat direpresentasikan dalam bentuk Matriks Asal Tujuan, MAT
(origin-destination matrix/O-D matrix) atau dalam bentuk garis keinginan (desire
line). Bentuk MAT dan garis keinginan digambarkan dalam gambar 2.3. dan
gambar 2.5.
Gambar 2.4. Matrik Asal [A] dan Tujuan [B] (Wells,1975)
Gambar 2.5. Diagram garis keinginan (desire line)
B A
B
D E
A
C
96
Jumlah zona dan nilai setiap sel matriks adalah dua unsur penting dalam MAT
karena jumlah zona menunjukkan banyaknya sel MAT yang harus didapatkan dan
berisi informasi yang sangat dibutuhkan dalam perencanaan transportasi. Setiap
sel membutuhkan informasi jarak, waktu, biaya, atau kombinasi ketiga informasi
tersebut yang digunakan sebagai ukuran aksesibilitas (kemudahan). Pola
pergerakan dapat dihasilkan bila suatu MAT dibebankan ke suatu jaringan
transportasi. MAT dapat memberikan gambaran rinci mengenai kebutuhan akan
pergerakan, sehingga MAT memegang peranan penting dalam berbagai kajian
perencanaan transportasi dan manajemen transportasi.
2.2.13. Konsep Model Gravity sebagai Model Sebaran Pergerakan
Model Gravity menggunakan konsep gravity yang berasumsi bahwa ciri bangkitan
dan tarikan pergerakan berkaitan dengan beberapa parameter zona asal, misalnya
populasi dan nilai sel MAT yang berkaitan dengan aksesibilitas (kemudahan)
sebagai fungsi jarak, waktu, atau biaya. Model gravity untuk keperluan
transportasi menyatakan bahwa pergerakan antara zona asal i dan zona tujuan d
berbanding lurus dengan Oi dan Dd dan berbanding terbalik kuadratis terhadap
jarak antara kedua zona tersebut. Dalam bentuk matematis model gravity dapat
dinyatakan sebagai:
( )iddil
id CfDOT ..= (2.11)
Persamaan (2.19) dapat digunakan dengan batasan sebagai berikut:
OiTd
id =å dan
di
id DT =å (2.12)
Sehingga pengembangan persamaan (2.11) dengan menggunakan batasan
persamaan (2.12) adalah sebagai berikut:
( )iddidil
id CfBADOT ...= (2.13)
idT = jumlah pergerakan dari zona asal i ke zona tujuan d
di BA , = faktor penyimbang untuk setiap zona asal i dan tujuan d
iO = total pergerakan dari zona asal i
97
dD = total pergerakan ke zona tujuan d
( )Cidf = fungsi umum biaya perjalanan
Persamaan (2.13) dipenuhi jika digunakan konstanta iA dan dB (disebut sebagai
konstanta penyeimbang) yang terkait dengan setiap zona bangkitan dan tarikan.
( )å=
diddd
i fDBA
1
( )å
=
iidii
d fOAB
1
(2.14)
Untuk mendapatkan kedua nilai tersebut perlu dilakukan proses iterasi sampai
masing-masing nilai iA dan dB menghasilkan nilai tertentu (konvergen).
Hyman (1969) seperti yang dikutip Tamin (1997) menjelaskan 3 jenis fungsi
hambatan yang dapat dipergunakan dalam model gravity sebagai berikut:
Fungsi pangkat : ( ) a-= idid CCf (2.15)
Fungsi eksponensial : ( ) idC
id eCf b-= (2.16)
Fungsi Tanner : ( ) idCidid eCCf ba -= . (2.17)
Secara umum fungsi pangkat lebih cocok untuk pergerakan jarak jauh (antar
kota), fungsi eksponensial untuk pergerakan jarak pendek (pergerakan dalam
kota), sedangkan fungsi tanner mengkombinasikan kedua faktor tersebut.
Berdasarkan kondisi tersebut pada penelitian ini fungsi hambatan yang digunakan
adalah fungsi hambatan eksponensial.
Model yang digunakan pada penelitian ini adalah model gravity dengan dua
batasan (DCGR). Model ini mensyaratkan bangkitan dan tarikan pergerakan
harus selalu sama dengan yang dihasilkan oleh tahap bangkitan pergerakan. Syarat
batas model gravity jenis ini:
( )å=
diddd
i fDBA
1
untuk semua i; ( )å
=
iidii
d fOAB
1
untuk semua d
98
Alasan pemilihan model gravity menurut Tamin (2000) antara lain:
a. Model gravity dapat digunakan untuk meramalkan arus lalu lintas antar zona
didalam daerah perkotaan.
b. Model gravity sangat sederhana sehingga mudah dimengerti dan digunakan.
c. Model gravity mempunyai kinerja yang baik karena prosesnya yang cepat
dibanding dengan model gravity opportunity dan intervening opportunity.
2.2.14. Metode Steepest Descent
Metode steepest descent adalah metode iteratif dalam rangka mencari titik kritis
dengan nilai awal sembarang. Spiess (1990) telah mengembangkan pendekatan
steepest descent yang diformulasikan sebagai pendekatan masalah optimasi.
Pendekatan ini meminimalkan ukuran jarak antara volume yang diamati dengan
volume yang dibebankan.
Metode gradien atau steepest descent dapat dijalankan dengan menggunakan
versi standar EMME/3 software perencanaan transportasi (Spiess 1984; INRO
1989). Tujuan dari program fitur ini adalah untuk menyediakan kerangka umum
untuk perhitungan simultan dari berbagai jalur tergantung dari informasi yang
mungkin dibutuhkan disamping hail pembebanan biasa.
Pernyataan fitur pilihan tambahan pada EMME/3 dalam istilah matematika,
terlihat jelas bahwa EMME/3 tidak hanya bisa menyelesaikan aplikasi ”biasa”,
seperti analisis pemilihan jalur, pembebanan sebagian, perhitungan biaya atau
jarak matriks, dapat juga digunakan untuk menyelesaikan metode gradien atau
steepest descent untuk masalah penyesuaian matrik, seperti yang dijelaskan
sebelumnya.
Pada awal setiap iterasi metode steepest descent, pembebanan equilibrium
sederhana (yaitu tidak menggunakan fitur pilihan tambahan) dijalankan dengan
matrik sekarang, untuk menghitung volume link Aaiva Î, . Dengan volume ini,
atribut link tambahan ac dihitung dengan penghitung jaringan sebagai
99
21
2
)1(
)(åå -
-=
Ù
i
ijij
j NN
TTRMSE
åå
åå
÷øö
çèæ -
÷øö
çèæ -
-=Ù
Ù
i d
id
i didid
VV
VVR
2
1
2
2 1
aa vv ˆ- jika AaÎ
ac
0 yang lainnya (2.24)
Dengan menggunakan fitur makro dari EMME/3 yang menyediakan ruang
berbeda dari EMME/3 untuk dikombinasikan menjadi prosedur yang majemuk,
semua algoritma dapat dikemas menjadi satu perintah makro, menyembunyikan
semua rincian pelaksanaan dari pengguna.
2.2.15. Indikator Uji Statistik
Tamin (2000) menulis penaksiran MAT dari data lalu lintas yang dihasilkan dengan menggunakan penaksiran model kebutuhan akan transportasi akan menghasilkan arus lalu lintas yang semirip mungkin dengan data arus lalu lintas hasil pengamatan. Hal terpenting yang harus diperhatikan yaitu tingkat kemiripan dari MAT hasil penaksiran dengan MAT hasil pengamatan. Tingkat akurasi MAT yang dihasilkan dari data arus lalu lintas dapat ditentukan dengan beberapa indikator uji statistik. Tingkat akurasi MAT yang dihasilkan dari data arus lalu lintas dapat ditentukan dengan beberapa indikator uji statistik. Indikator uji statistik yang digunakan pada adalah parameter statistik Root Mean Square Error (RMSE) dan Koefisien Determinasi (R²). Parameter statistik Root Mean Square Error (RMSE) merupakan akar rata-rata total kuadrat error yang terjadi antara output proses dan output target. RMSE digunakan untuk mencari besarnya kesalahan yang terjadi pada MAT hasil estimasi. Semakin kecil nilainya maka semakin baik MAT yang dihasilkan. Parameter statistik RMSE didefinisikan sebagai persamaan (2.25):
Indikator statistik R² didefinisikan sebagai persamaan (2.26):
untuk di ¹ (2.26)
Persamaan (2.26) memperlihatkan bahwa nilai R2 akan turun jika terdapat simpangan besar antara arus hasil penaksiran dan arus hasil observasi. Nilai R2 = 1 merupakan nilai tertinggi yang dapat dihasilkan jika dilakukan
(2.25)
100
perbandingan antar arus. Oleh karena itu, nilai R2 yang mendekati 1 (satu) menunjukkan tingkat kemiripan yang tinggi antar arus yang diperbandingkan. 2.2.16. EMME-3 (Equilibre Multimodal, Multimodal Equilibrium)
EMME merupakan software yang professional dalam meramalkan sebuah perjalanan. EMME/3 merupakan pengembangan dari program sebelumnya yaitu EMME/2 yang dibuat dan dikembangkan di INRO Consultant University de Montreal, Kanada, dengan kemampuan yang tinggi, dengan jumlah node dan link yang dapat dikatakan tidak terbatas (mampu mencapai hampir 1 juta node). Adapun keunggulan lainnya adalah formula yang dapat dibuat sendiri sesuai keadaan dan kebutuhan (INRO Consultants Inc., 1998). Misalnya hitungan kapasitas dan waktu tempuh yang disesuaikan dengan Manual Kapasitas Jalan Indonesia (MKJI) 1997 (Munawar, 2005). Keluaran dari piranti lunak ini dapat berupa grafis, numerik dan SIG (Ofyar, 2008). EMME berbeda dengan program lainnya karena EMME memberikan kemudahan dan kebebasan secara khusus bagi pengguna dalam melakukan pendekatan model untuk menggunakan metode yang telah ditetapkan atau membuat metode baru untuk memanggil kebutuhan setempat. EMME sendiri dikembangkan untuk mengemudikan sistem transportasi yang komplek, dan melaporkan kepada para perencana berbagai macam tantangan yang harus dihadapi terkait teknologi, sosial dan ekonomi. Pada manual EMME help dijelaskan bahwa EMME-3 mempunyai beberapa komponen utama yaitu EMME GUI yang baru, the network editor, the network calculator, worksheet dan mesin pemetaan, kegunaan yang terbaru untuk penggabungan (integration) GIS dan komponen lainnya. Untuk mengakses informasi pada EMME help secara on-line dapat dicari pada help menu.
EMME user’s Guide menyediakan struktur teks dasar. The EMME reference manual menyediakan dokumen secara detail untuk kemampuan pemetaan EMME dan GUI-tools untuk merinci visualisasi dan analisisnya. The EMME prompt (Prompt Console) menyediakan gambaran ringkasan
Gambar 2.6. Help Menu
Data MAT awal /prior matrix
Penyusunan MAT (Prompt console)
secara luas dari operasi garis perintah, termasuk merinci model kebutuhan, pembebanan, jaringan, dan kalkulator matriks (Gambar 2.Sedangkan alat pemodelan transportasi yang lain mencakup the macro language untuk melakukan otomatisasi.
Gambar 2.7. Prosedur perhitungan program estimasi matriks dan arus lalu lintas hasil proses pembebanan ke jaringan jalan, secara umum dapat dilihat pada Gambar 2.
secara luas dari operasi garis perintah, termasuk merinci model kebutuhan, pembebanan, jaringan, dan kalkulator matriks (Gambar 2.Sedangkan alat pemodelan transportasi yang lain mencakup the macro language untuk melakukan otomatisasi.
7. The EMME Prompt (Prompt Console)
Prosedur perhitungan program EMME/3 dalam membuat matriks baru estimasi matriks dan arus lalu lintas hasil proses pembebanan ke jaringan jalan, secara umum dapat dilihat pada Gambar 2.8.
101
secara luas dari operasi garis perintah, termasuk merinci model kebutuhan, pembebanan, jaringan, dan kalkulator matriks (Gambar 2.7). Sedangkan alat pemodelan transportasi yang lain mencakup the EMME
3 dalam membuat matriks baru dari estimasi matriks dan arus lalu lintas hasil proses pembebanan ke jaringan
102
Data arus lalu lintas /traffic count
Penyusunan Jaringan (Network Editor)
Basis data jaringan jalan
Assignment (Prompt console)
Arus Lalu lintas
Gambar 2.8. Prosedur Perhitungan Program EMME/3 2.3. Kelebihan EMME-3 dengan program lain (SATURN) Pada pembahasan ini program yang ingin dibandingkan dengan EMME-3 adalah program SATURN. Dengan alasan penelitian-penelitian yang sebelumnya dalam mengestimasi matriks dilakukan dengan program SATURN. Untuk dapat melihat keunggulan beberapa program yang sudah tersedia di pasaran dapat dilihat pada Tabel 2.15. Dari tabel tersebut akan diketahui bahwa EMME-2 memiliki keunggulan yang lebih dibandingkan dengan SATURN. Sedangkan EMME/3 merupakan pengembangan dari program sebelumnya yaitu EMME-2 yang dibuat dan dikembangkan di INRO Consultant University de Montreal, Kanada, dengan kemampuan yang sudah sangat tinggi, dengan jumlah node dan link yang dapat dikatakan tidak terbatas (mampu mencapai hampir 1 juta node). Adapun keunggulan lainnya adalah formula yang dapat dibuat sendiri sesuai keadaan dan kebutuhan (INRO Consultants Inc., 1998). Misalnya hitungan kapasitas dan waktu tempuh yang disesuaikan dengan Manual Kapasitas Jalan Indonesia (MKJI) 1997 (Munawar, 2005).Oleh karena itu sesuai paparan seorang guru besar bidang transportasi dari UGM bapak Munawar (2005) tersebut di atas dalam pelantikan pengukuhannya dapat diambil sebuah kesimpulan bahwa EMME-3 memiliki kelebihan yang lebih dibandingkan SATURN.
103
Tabel 2.15. Perangkat lunak perencanaan transportasi yang telah tersedia di pasaran.
Paket Program Pemasok Kapasitas Sistem operasi Keluaran
MicroTRIPS MVA Systematica
300 Zona 4.000 ruas
MS-DOS Numerik
MOTORS Steer, Davies, and Gleave
400 Zona 6.000 ruas MS-DOS Numerik
SATURN University of leeds
500 Zona 7.000 ruas
MS-DOS Numerik dan grafik
MINITRAMP Wooton Jeffreys and Partners
500 Zona 5.000 ruas
MS-DOS Numerik
TRANPLAN
The Urban Abalysis Group California
3.000 Zona 60.000 ruas
Windows Numerik, grafik dan GIS
TRANSCAD Caliper Corporation
3.000 Zona 60.000 ruas
Windows Numerik, grafik dan GIS
STAN
INRO Consultant University de Montreal
1.200 Zona 24.000 ruas 100 skenario
Windows Numerik, grafik dan GIS
STRADA JICA 500 Zona 10.000 ruas
Windows Numerik, dan grafik
EMME/2
INRO Consultant University de Montreal
2.800 Zona 56.000 ruas
MS-DOS Numerik, grafik dan GIS
Sumber : Ofyar (2008)
BAB 3
METODE PENELITIAN
3.1. Lokasi Penelitian
Penelitian ini mengambil wilayah studi di Kota Surakarta yang terletak di Propinsi
Jawa Tengah bagian selatan. Secara geografis Surakarta terletak pada 110’45’15’
104
– 110’45’35’ BT dan 70’36’00’ – 70’56’00’ LS yang berbatasan langsung dengan
daerah tingkat II lain. Sebelah Utara berbatasan dengan Kabupaten Karanganyar
dan Kabupaten Boyolali, sebelah Selatan dengan Kabupaten Sukoharjo, sebelah
Barat dan Timur dengan Kabupaten Sukoharjo dan Karanganyar.
Luas wilayah Surakarta kurang lebih 44.040 km 2 yang terbagi dalam lima
kecamatan dan terdiri dari 51 kelurahan. Jumlah penduduk kota tersebut mencapai
534.540 jiwa manusia (menurut statistik terakhir tahun 2005) dengan kepadatan
mencapai 12.716 jiwa / km 2 . Peta administratif batas kelurahan di wilayah Kota
Surakarta dapat dilihat pada Gambar 3.1., peta zona dapat dilihat pada Gambar
3.2. dan peta jaringan jalan kota Surakarta pada Gambar 3.3. Lokasi pengambilan
data arus lalu lintas ditentukan pada daerah-daerah dengan arus yang ramai. Jalan
yang disurvei hanya pada jalan arteri dan kolektor saja.
3.2. Data yang Dibutuhkan
Data yang dibutuhkan dalam penelitian ini meliputi:
1. Peta wilayah kota Surakarta yang diperoleh dari Badan Perencana
Pembangunan Daerah (Bappeda).
2. Data jaringan jalan dari Departemen Pekerjaan Umum (DPU).
3. Data matrik awal (prior matrix).
4. Data arus lalu lintas (traffic count) hasil survei lalu lintas.
108
3.3. Lokasi Survei
Penentuan lokasi survei didasarkan pada jumlah pergerakan yang ada pada daerah
kajian dan daerah tersebut dianggap dapat mewakili seluruh pergerakan pada
daerah kajian. Lokasi pengambilan data dilakukan di wilayah-wilayah strategis
yang diperkirakan terdapat jumlah bangkitan maupun tarikan yang cukup besar.
Untuk lokasi survei dapat dilihat pada tabel di bawah ini dan disajikan dalam peta
yang terlampir pada lampiran A.
Tabel 3.1. Lokasi survei volume lalu lintas zona internal
Nomor Nama jalan 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28
Jl. Tentara Pelajar (Depan Smp Muhammadiyah) Jl. Ir. Sutami (Depan Kampus UNS) Jl. Dr. Radjiman ( Depan POM Bensin Laweyan) Jl. Kapten Mulyadi (Depan Rumah Sakit Kustati) Jl. Veteran (Depan SD Al Islam) Jl. Gajah Mada (Depan Hotel Sahid Raya) Jl. Dr. Radjiman (Samping Matahari Singosari) Jl. Dr. Muwardi (Depan Lapangan Kota Barat) Jl. Bridjen Katamso (Depan Stasiun TATV) Jl. Letjen Suprapto (Depan Warung Makan Bu Bibit) Jl. Sumpah Pemuda (Depan UNISRI) Jl. Letjen Sutoyo (Dekat Jembatan Ngemplak) Jl. Adi Sucipto (Depan GOR Manahan) Jl. Jendral Sudirman Jl. Jendral Ahmad Yani Jl. Bridjend Slamet Riyadi (Kleco Barat) Jl. Urip Sumoharjo Jl. Monginsidi (Dekat Stasiun Balapan) Jl. Kapten Tendean Jl. Tagore Jl. Ahmad Yani (Dekat Terminal Tirtonadi) Jl. Mayor Sunaryo Jl. Slamet Riyadi (Gendengan) Jl. Adi Sucipto Jl. Kolonel Sutarto (Depan Panggung) Jl. Slamet Riyadi (Nonongan) Jl. Slamet Riyadi (Kerten) Jl. Monginsidi (Depan Hotel Asia)
109
Tabel 3.2. Lokasi survei volume lalu lintas zona eksternal
Sumber : data survei tahun 2009
3.4. Tahapan Penelitian
Untuk kelancaran serta kemudahan dalam kegiatan penelitian yang dilakukan
maka dibuat dalam sistem yang sistematis. Secara garis besar dapat dilakukan
dalam tahapan-tahapan sebagai berikut:
1) Studi Literatur
Pada tahap studi literatur bertujuan untuk menemukan hal-hal yang berkaitan
dengan pencapaian tujuan penelitian, dan mempelajari berbagai kasus yang
telah diangkat oleh para peneliti sebelumnya sehingga penelitian diharapkan
lebih efektif dalam pelaksanaannya.
2) Survei data lalu lintas terbaru
Pelaksanaan survei akan dilaksanakan pada jam puncak pagi yaitu antara jam
06.00-08.00 WIB. Survei dilakukan pada beberapa ruas jalan di wilayah
Surakarta (zona internal) dan pada batas wilayah kota Surakarta (zona
eksternal).
3) Pengolahan Data
Data yang didapatkan berupa data arus lalu lintas (traffic count) yang
selanjutnya diolah dalam bentuk perhitungan matematis menggunakan standar
MKJI sehingga didapatkan ekivalensi mobil penumpang, kapasitas dan waktu
Nomor Nama jalan 29 30 31 32 33 34 35 36 37 38 39 40 41 42
Jl. Yos Sudarso Jl. Dr. Radjiman Jl. Kolonel Sugiyono Jl. Brigjen Katamso Jl. Joko Tingkir Jl. Adi Sumarmo Jl. Slamet Riyadi Jl. Veteran Jl. Kyai Mojo Jl. Palur Jl. Adi Sucipto Jl. Ring Road Jl. Tangkuban Perahu Jl. Bridjen Sudarto
110
tempuh untuk masing-masing ruas yang kemudian akan digunakan sebagai
basis data untuk dimasukkan dalam program komputer Equilibre
Multimodal,Multimodal Equilibrium (EMME/3).
4) Input basis data jaringan jalan, prior matriks 2002 dan data traffic count ke
program EMME/3.
5) Estimasi matriks 2009 dengan menggunakan bantuan program EMME/3.
6) Matriks hasil estimasi tadi kemudian dibebankan ke jaringan secara auto
assignment oleh EMME/3 untuk mendapatkan arus lalu lintas hasil
pembebanan.
7) Tes Validasi dilakukan untuk melihat seberapa besar pengaruh traffic count dengan
arus lalu lintas hasil pembebanan.
8) Pembahasan meliputi analisis hasil estimasi MAT dari arus lalu lintas dalam aplikasi
program EMME/3 dan menganalisis tingkat validasi hasil model dengan
pengamatan.
9) Kesimpulan merupakan uraian secara singkat inti dari hasil akhir proses
pembahasan yang kemudian ditambahkan dengan saran untuk penelitian
selanjutnya agar bisa lebih dikembangkan lagi.
111
Gambar 3.3. Bagan Alir Tahap-Tahap Penelitian
Pembebanan MAT ke jaringan jalan (EMME-3)
Estimasi MAT dengan software EMME/3
Input basis data, prior matriks 2002, traffic count
Pengolahan data dengan standar MKJI sehingga diperoleh basis data
Data Sekunder Data Primer
Survei arus lalu lintas di beberapa titik ruas jalan di Kota Surakarta
Data dari instansi-instansi terkait 1. BAPEDA (peta Wilayah Surakarta) 2. BPS (Jumlah penduduk) 3. DPU Surakarta (Jaringan jalan)
Pengumpulan Data
Mulai
Uji validasi (parameter RMSE dan determinasi (R2))
Analisis dan pembahasan
Selesai
Kesimpulan
112
3.5. Prosedur Survei Primer
Prosedur survei primer ini berupa tahap-tahap yang harus dilakukan sebelum dan
selama pelaksanaan survei agar tidak terjadi kesalahan dalam pengumpulan data
di lapangan.
3.5.1. Survei Pendahuluan
Survei dilakukan untuk menentukan waktu dan lokasi penelitian. Penentuan jam
sibuk berdasarkan penelitian sebelumnya oleh Rahayu Mahanani Wijiastuti tahun
2008. Penentuan lokasi penelitian berdasarkan pertimbangan klasifikasi fungsi
jalan, kondisi tata guna lahan disekitarnya, tingkat kepadatan lalu lintas dan
beberapa ruas jalan yang dianggap mewakili pada jaringan jalan kota Surakarta.
3.5.2. Teknik Pengumpulan Data
a. Pengumpulan Data Primer
Pengumpulan data primer pada penelitian ini dilakukan secara langsung
dilapangan dengan cara menghitung berapa banyaknya kendaraan yang
melewati suatu titik survei. Pengumpulan data tersebut dilakukan oleh
surveyor secara manual menggunakan bantuan hand tally counter untuk jenis
kendaraan tertentu yang memiliki arus besar sehingga sulit dilakukan
perhitungan secara manual (dengan turus). Hasil dari perhitungan tersebut
dicatat dalam formulir survei.
b. Pengumpulan Data Sekunder
Data Sekunder didapatkan dengan cara mengambil data dari instansi-instansi
yang terkait seperti BAPEDA dan DPU Surakarta.
113
3.5.3. Desain Survei
Desain survei yang dilakukan untuk mendapatkan data di lapangan meliputi:
a. Desain alat survei
Dalam melakukan survei ada dua metode yang digunakan yaitu: metode
manual (menggunakan turus atau angka yang nantinya dijumlahkan) dan tally
system (menggunakan bantuan alat). Peralatan yang digunakan disini
meliputi: alat tulis, formulir survei, hand tally counter, penunjuk waktu
(Hand Phone).
b. Desain formulir survei
Berdasarkan jenis kendaraan yang akan disurvei meliputi: Motor Cycle, Light
Vehicle (mobil penumpang, angkutan umum, pick-up), dan Heavy Vehicle
(bis, truk 2 as, truk 3 as, dan truk kombinasi) dan desain alat yang digunakan,
maka formulir survei yang digunakan memuat kriteria dan contoh gambar
dari kendaraan yang disurvei. Formulir isian jumlah kendaraan diisi sesuai
dengan jumlah kendaraan yang melalui ruas jalan yang diamati dan dihitung
per 5 menit selama 2 jam. Karena ada sebagian yang menggunakan metode
manual maka lebar dan panjang kolom untuk pengisian disesuaikan supaya
dapat memuat turus hasil penghitungan. Contoh formulir Survei yang
digunakan terlampir pada lampiran B.
c. Surveyor
1. Spesifikasi surveyor
Surveyor yang dipilih adalah mahasiswa teknik sipil UNS angkatan 2005,
2006 dan 2007 yang dinilai telah dapat menggunakan peralatan yang akan
digunakan dan juga mengerti tentang klasifikasi kendaraan yang disurvei.
2. Jumlah Surveyor
Jumlah surveyor yang digunakan sebanyak ±120 orang dengan
penempatan pada titik-titik yang telah ditentukan.
3. Tugas Surveyor
Tugas Surveyor adalah mencatat semua jenis kendaraan bermotor kedalam
formulir survei yang telah ditentukan per lima menit berturut-turut selama
dua jam.
114
4. Penempatan Surveyor
Surveyor ditempatkan pada titik-titik yang telah ditentukan. Jumlah
surveyor yang ditempatkan disesuaikan dengan tingkat kepadatan, banyak
sedikitnya jenis kendaraan yang lewat ruas jalan tersebut dan juga
berdasarkan klasifikasi jalan.
3.6. Teknik Analisis Data
3.6.1. Pembuatan Basis Data
a. Peta wilayah Surakarta digunakan untuk pembagian zona pada daerah kajian.
Pembagian zona disini dilakukan berdasarkan batas administratif dalam suatu
kelurahan. Selain itu juga sebagai acuan penentuan koordinat.
b. Data jaringan jalan digunakan untuk menghitung waktu tempuh dan kapasitas
masing-masing ruas jalan.
c. Traffic count disesuaikan dalam satuan mobil penumpang (smp/jam).
Dalam tahapan ini survei data lalu lintas yang telah didapatkan diolah dalam
bentuk perhitungan matematis dan didapatkan arus pada jam puncak yang
selanjutnya digunakan sebagai basis data untuk dimasukkan dalam software
EMME/3.
3.6.2. Analisis Data
Analisis data yang dilakukan antara lain sebagai berikut:
a. Pembuatan jaringan jalan
Pembuatan jaringan jalan merupakan proses awal dalam penelitian ini. Dalam
program EMME/3 pembuatan jaringan jalan ini dilakukan melalui Network Editor.
Adapun data yang harus dimasukan antara lain moda, node, link, koordinat,
kapasitas arus, lebar jalan, tipe jalur. Perhitungan kinerja ruas jalan penelitian ini
menggunakan standar Manual Kapasitas Jalan Indonesia (MKJI 1997).
b. Input basis data, traffic count dan matriks prior 2002 ke program EMME/3
115
Setelah jaringan jalan selesai dibuat, langkah selanjutnya memasukkan basis data
jaringan jalan dan data traffic count kedalam program EMME/3 melalui Network
Editor pada program. Matriks prior diinput melalui Emme prompt console. Untuk
input data traffic count dilakukan secara bertahap. Input pertama dimasukkan 5
data traffic count. Kemudian dilakukan estimasi MAT 2009 dengan menggunakan
software EMME/3. Tahap kedua dimasukkan 11 data traffic count dilanjutkan
estimasi matriks 2009 oleh program. Begitu seterusnya sampai semua data traffic
count dimasukkan semua.
c. Estimasi matriks 2009
Dalam proses pembuatan matriks baru metode pendekatan yang digunakan adalah
metode Steepest descent dengan bantuan program EMME-3 yaitu dengan
melakukan proses running demadj menggunakan file perintah pada Emme prompt
console. Setalah didapat MAT 2009 kemudian dicari besarnya kesalahan yang
terjadi dengan uji parameter RMSE.
d. Pembebanan (assignment)
Matriks hasil estimasi tiap tahapan tadi kemudian dibebankan ke jaringan secara
auto assignment oleh EMME/3 untuk mendapatkan arus lalu lintas hasil
pembebanan.
e. Uji konvergensi (Va ≈ Va’)
Pada tahap ini akan dibandingkan antara arus hasil pembebanan (Va’) dengan arus
hasil traffic count (Va).
f. Uji Validitas
Ada 2 parameter uji validitas yang digunakan pada penelitian ini yaitu uji
parameter RMSE dan uji determinasi (R2). Uji parameter RMSE dilakukan
untuk mengetahui pengaruh traffic count terhadap tingkat akurasi MAT hasil
estimasi. Uji determinasi (R2) dilakukan untuk mengetahui tingkat
konvergensi antara data traffic count dengan arus lalu lintas hasil
pembebanan.
Basis Data
116
Gambar 3.4. Bagan alir teknik analisis data
BAB 4
ANALISIS DAN PEMBAHASAN
4.1. Umum
tidak
data Traffic Count
MAT Baru
Assignment
Arus lalu lintas
Estimasi Matriks
NETWORK (EMME-3)
Matriks Awal (Prior Matrix)
Penambahan data traffic count
ya
Uji parameter statistik RMSE terhadap MAT
Konvergen Va ≈ Va’
Uji Validitas
Uji determinasi (R2) terhadap arus lalu lintas
117
Penelitian ini dilakukan dengan tujuan untuk mencari pengaruh traffic count
terhadap tingkat akurasi MAT dan arus lalu lintas yang dihasilkan. Data yang
diperlukan antara lain data kapasitas, kecepatan dan waktu tempuh yang akan
dijadikan sebagai basis data jaringan jalan kota Surakarta. Basis data tersebut akan
dimasukkan ke dalam program EMME/3 bersamaan dengan koordinat node untuk
membuat network. Setelah network jadi, data traffic count hasil survei juga ikut
dimasukkan secara bertahap. Pada mulanya diambil 5 data secara acak tetapi
merata pada daerah kajian. Kemudian running program dapat dilakukan. Proses
running tersebut menghasilkan MAT tahun 2009 dengan input 5 data traffic count
yang kemudian akan dibebankan ke jaringan jalan untuk mendapatkan arus lalu
lintas. Proses tersebut diulang kembali dengan memasukkan 11 data traffic count
dan seterusnya sampai semua data traffic count diproses. Setelah itu dibandingkan
antara arus hasil running dengan arus hasil survei. Langkah terakhir melakukan
uji validitas terhadap MAT dan arus lalu lintas dengan parameter RMSE dan uji
determinasi R2.
4.2. Pengolahan dan Penyajian Basis Data
4.2.1. Data Primer dan Sekunder
Data primer pada penelitian ini didapat dari survei traffic count dibeberapa titik
tahun 2009 (dapat dilihat pada lampiran C). Data sekunder yaitu peta administrasi
kota Surakarta (Gambar 3.1) dan peta jaringan jalan kota Surakarta (Gambar 3.3).
118
4.2.2. Pembagian Zona
Pembagian zona dilakukan sebagai tahap awal persiapan data masukan. Namun
dalam penelitian ini, karena data tersebut sulit didapat maka digunakan
zonangisasi yang mengacu pada sistem pembagian wilayah secara administratif
pemerintahan yaitu berupa kelurahan. Pada penelitian ini terdapat 65 zona dengan
51 zona internal (seluruh kelurahan di kota Surakarta ) dan 14 zona eksternal
(Tabel 4.1.) seperti yang terlihat pada peta pembagian zona (gambar 3.2.). Setiap
zona diwakili oleh satu pusat zona (centroid), yang kemudian dihubungkan ke
salah satu simpul jaringan jalan (node) dengan penghubung (centroid conector).
Selanjutnya ditentukan titik-titik koordinat seluruh simpul ruas jalan dan pusat
zona tersebut (tabel 4.2.).
Tabel 4.1. Pembagian zona
Zona Internal 1. Wilayah Kecamatan Laweyan 3. Wilayah Kecamatan Jebres
No. Zona Nama Zona No. Zona Nama Zona 1 Karangasem 19 Mojosongo 2 Jajar 20 Jebres 3 Kerten 21 Tegalharjo 4 Pajang 22 Kepatihan Kulon 5 Sondakan 23 Kepatihan Wetan 6 Laweyan 24 Purwodiningratan 7 Bumi 25 Jagalan 8 Purwosari 26 Pucangsawit 9 Penumping 27 Sudiroprajan 10 Panularan 28 Gandekan 11 Sriwedari 29 Kampungsewu
2. Wilayah Kecamatan Serengan 4. Wilayah Kecamatan Pasar Kliwon 12 Tipes 30 Kampung Baru
13 Kemlayan 31 Kauman
14 Jayengan 32 Sangkrah
15 Kratonan 33 Kedunglumbu
16 Serengan 34 Baluwarti
17 Danukusuman 35 Semanggi
18 Joyotakan 36 Gajahan
37 Pasar Kliwon 38 Joyosuran
119
Zona Internal Zona Eksternal 5. Wilayah Kecamatan Banjarsari 52 Colomadu 39 Kadipiro 53 Pabelan Kartosuro 40 Banyuanyar 54 Makam Haji Kartosuro 41 Nusukan 55 Cemani 42 Sumber 56 Solo Baru 43 Gilingan 57 Grogol Sukoharjo 44 Manahan 58 Bekonang 45 Mangkubumen 59 Palur Karanganyar 46 Punggawan 60 Plupuh Sragen 47 Kestalan 61 Jl. Clolo arah Karanganyar 48 Ketelan 62 Arah Purwodadi 49 Setabelan 63 Ngemplak Boyolali 50 Timuran 64 Gentan Sukoharjo 51 Keprabon 65 Kebak Kramat Karanganyar
Tabel 4.2. Koordinat centroid dan node
Simpul koordinat X koordinat Y 701 1394.716 4631.21
702 2005.345 4315.733 703 2919.327 4081.073 704 1944.118 2994.703 705 2886.463 3338.475 … … …
298 9880 4550 Data koordinat selengkapnya dapat dilihat pada lampiran D.
4.2.3. Perhitungan Jumlah Kendaraan pada Jam Puncak
Data yang diperoleh dari hasil survei berupa arus lalu lintas dengan satuan
kendaraan /jam. Untuk mempermudah dalam proses perhitungan, maka kendaraan
perlu dikonversi ke dalam satuan mobil penumpang. Pada pelaksanaan survei
traffic count digunakan interval waktu 5 menitan dengan lama survei 2 jam
sehingga terdapat 24 buah data arus lalu lintas. Data dijumlah untuk rentang
waktu 1 jam untuk menentukan arus pada jam puncak. Data arus lalu lintas yang
akan digunakan sebagai data observ dalam smp/jam dapat dilihat pada tabel 4.3.
Tabel 4.3. Perhitungan jumlah kendaraan pada jam puncak
Untuk perhitungan selengkapnya dapat dilihat pada lampiran
Perhitungan jumlah kendaraan pada jam puncak
Untuk perhitungan selengkapnya dapat dilihat pada lampiran E.
55
56
xviii
4.2.4. Perhitungan Kapasitas
Kapasitas pada suatu ruas jalan dapat dihitung dengan menggunakan Persamaan
(2.1)
Contoh:
Nama jalan : Urip Sumoharjo
Nomor ruas : 85 - 86
Tipe operasi : Empat lajur dua arah tak terbagi (4/2 UD)
Lebar jalan : 14 meter ( total 2 arah)
Hambatan samping : tinggi
Lebar bahu : -
Jarak kerb-penghalang : 1 meter
Jumlah penduduk : 566.768 jiwa
Berdasarkan data di atas, maka pada nomor ruas 85 – 86 dapat ditentukan :
Ø Kapasitas dasar (Tabel 2.3) Co = 1500
Ø Faktor penyesuaian lebar lajur (Tabel 2.4) FCw = 1,00
Ø Faktor penyesuaian pemisah arah (Tabel 2.5) FCsp = 1,00
Ø Faktor penyesuaian hambatan samping (Tabel 2.6./2.7) FCsf = 0,81
Ø Faktor penyesuaian ukuran kota (Tabel 2.9) FCcs = 0,94
Sehingga kapasitas (smp/jam)
C = Co x FCw x FCsp x FCsf x FCcs
= 1500 x 1,00 x 1,00 x 0,81 x 0,94
= 1142 smp/jam
Karena ruas tersebut terdiri atas 4 lajur maka kapasitas total ruas tersebut
= 4 x 1142 = 4568 smp/jam
Data lengkap tentang perhitungan kapasitas dapat dilihat pada lampiran F.
32
4.2.5. Perhitungan Waktu Tempuh
Waktu tempuh adalah waktu yang dibutuhkan untuk melintasi suatu ruas,
dinyatakan dalam suatu waktu (detik). Waktu tempuh diperoleh dengan membagi
jarak dengan kecepatan. Waktu yang dibutuhkan kendaraan tunggal pada suatu
ruas jalan merupakan waktu tempuh pada saat arus bebas. Waktu tempuh suatu
ruas dapat diperoleh dengan mengetahui kecepatan arus bebas dan panjang ruas
tersebut.
Dibawah ini diberikan suatu contoh perhitungan waktu tempuh dengan
menggunakan analisis kecepatan pada ruas jalan 85 - 86.
Contoh:
Nama jalan : Urip Sumoharjo
Nomor ruas : 85 - 86
Tipe operasi : Empat lajur dua arah tak terbagi (4/2 UD)
Lebar jalan : 14 meter ( total 2 arah)
Hambatan samping : tinggi
Lebar bahu : -
Jarak kerb-penghalang : 1 meter
Jumlah penduduk : 566.768 jiwa
Berdasarkan data di atas, maka pada nomor ruas 211 – 511 dapat ditentukan :
Ø Kecepatan arus bebas dasar (Tabel 2.10) Fvo = 53
Ø Faktor penyesuaian lebar jalur lalu lintas (Tabel 2.11) FVw = 0
Ø Faktor penyesuaian hambatan samping (Tabel 2.12/2.13) FFVsf = 0,81
Ø Faktor penyesuaian ukuran kota (Tabel 2.14) FFVCcs= 0,95
Sehingga kecepatan arus bebas (km/jam), sesuai Persamaan (2.4)
F = ((Fvo + Fvw) x FFVsf x FFVcs
= (53+0) x 0,81 x 0,95
= 40,78 km/jam
33
Sedangkan untuk menghitung kecepatan pada saat arus mencapat kapasitas, dapat
digunakan Persamaan (2.5) Vc = 0,5 x Vo
= 0,5 x 40,78
= 20,39 km/jam
Dari contoh diatas, maka waktu tempuh pada saat arus bebas (to) dan waktu
tempuh pada saat kapasitas (tc) adalah:
to = 3600´VS
tc = 3600´VcS
to = 360078,4021,0
´ tc = 360039,2021,0
´
to = 18,54 detik tc = 37,07 detik
Data lengkap mengenai waktu tempuh pada saat arus bebas dapat dilihat pada
lampiran G.
4.3. Analisis dengan Program EMME/3
4.3.1. Input Basis Data Jaringan Jalan
Pada bagian ini berisi input data ruas jalan yang meliputi : node awal dan akhir,
waktu tempuh, baik pada saat arus bebas maupun pada saat arus mencapai
kapasitas, kapasitas, dan jarak dengan format seperti Tabel 4.3 dibawah ini:
Tabel 4.4. Format masukan basis data jaringan jalan
Simpul Waktu tempuh pada Total Tipe
Operasi
Jarak
Awal Akhir Arus Bebas Kapasitas Kapasitas
A B (detik) (detik) (smp/jam/ruas) (m)
701 1 120 120 9000 2 330
702 2 120 120 9000 2 220
703 4 120 120 9000 2 240
… … … … … … …
298 93 101.67 203.34 4269 2 990
34
Tipe operasi yang dimaksud dalam tabel tersebut adalah jumlah jalur atau arah
ruas jalan. Data selengkapnya dapat dilihat pada lampiran H.
Input data dalam program EMME/3 dapat dilakukan dengan Network Editor yang
merupakan salah satu bagian terpenting dalam program ini. Selain ketersediaan
tabel input, Network Editor juga menyediakan ruang dalam bentuk peta jaringan
jalan (Gambar 4.1). Untuk editor toolbarnya dapat dilihat pada Gambar 4.2.
Gambar 4.1. Network Editor
Gambar 4.2. Editor toolbar
35
4.3.2. Input Data Arus Lalu Lintas (traffic count)
Data arus lalu lintas yang digunakan adalah data pada jam puncak yang diperoleh dari
survei traffic count dan telah dikonversi ke satuan mobil penumpang per jam (smp/jam).
Data traffic count akan diinput secara bertahap ke dalam program EMME/3.
Input pertama dimasukkan 5 data traffic count yang diambil secara acak berdasarkan
bobot traffic count dari yang paling besar pada zona eksternal dan internal. Tahap kedua
dimasukkan 11 data traffic count. Begitu seterusnya data proses input data dilakukan
dengan penambahan 5 sampai 6 data traffic count untuk tiap tahapnya sampai semua
data traffic count dimasukkan semua. Berikut pembagian traffic count yang akan diinput
ke EMME/3 sesuai dengan tahapan pemasukan yang disajikan dalam bentuk tabel:
Tabel 4.5. Data Arus Lalu Lintas Tahun 2009
NODE arus jam puncak (smp/jam)
Tahapan 1 2 1 2 3 4 5 6 7 8 9 10 11 12 13 14 1 701 1285
701 1 1287 95 759 1827 759 95 2666 18 19 1851 271 762 531 762 271 1026 105 756 1443 756 105 1811 86 85 1046 85 86 996 61 754 962 754 61 984 55 765 652 765 55 588 36 35 1356 35 36 1432 23 752 1012 752 23 1341
133 167 807
167 133 794 46 47 650 47 46 807 145 758 406 758 145 1161
89 51 450 51 89 729 9 8 591 8 9 989
56 763 438
763 56 679
26 25 1381 25 26 2135
NODE arus jam puncak (smp/jam)
Tahapan 1 2 1 2 3 4 5 6 7 8 9 10 11 12 13 14
92 241 1345
241 92 1183
40 41 898
Berlanjut…
36
41 40 1188 285 760 203 760 285 485 128 127 530
288 757 827
757 288 879 193 208 404 208 193 789 138 139 578 139 138 589
117 764 571
764 117 671 94 91 952 91 94 318 264 35 1054
35 264 1311
136 755 397 755 136 627 22 78 1872 78 22 627 67 66 850
66 67 864
3 2 1154 2 3 1057
257 256 448 256 257 394 30 29 1637
29 30 1424
26 3 959 3 26 708
86 91 923 266 37 1136 37 266 617
287 760 30
760 287 28 22 168 1864 39 86 1109 86 39 1339 189 188 1030
188 189 936 260 35 174
Pembagian traffic count yang akan diinput ke EMME/3 sesuai dengan tahapan
pemasukan yang disajikan dalam bentuk peta dilampirkan pada lampiran L.
4.3.3. Input Data Matriks Awal (prior matrix)
Data matrik awal menggunakan MAT hasil penelitian Astri Brilianti (2002). MAT
awal diperoleh dengan menggunakan metode pembebanan wardrop equilibrium.
Matrik awal dapat dilihat pada Tabel 4.6.
Tabel 4.6. Prior Matrix Tahun 2002 Tujuan
Asal 701 702 703 704 705 706 707 708 709 710 711 712
701 0.00 1.00 0.50 0.50 0.50 0.50 0.50 0.50 0.90 0.90 1.70 0.90
37
702 1.00 0.00 1.00 0.50 0.50 0.50 0.50 26.50 0.90 0.90 1.70 0.90
703 0.30 1.00 0.00 1.00 1.00 1.00 1.00 1.00 1.70 1.70 3.30 1.70
704 0.30 0.30 1.00 0.00 1.00 1.00 1.00 1.00 1.00 4.80 1.00 4.80
705 0.30 0.30 1.00 1.00 0.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00
706 0.30 0.30 1.00 1.00 1.00 0.00 1.00 1.00 1.00 4.80 1.00 4.80
707 0.30 0.30 1.00 1.00 1.00 1.00 0.00 1.00 1.00 1.00 1.00 1.00
708 0.30 0.30 1.00 1.00 1.00 1.00 1.00 0.00 1.00 1.00 2.00 1.00
709 0.40 0.40 1.30 7.20 1.00 1.00 1.00 1.00 0.00 1.00 2.00 1.00
710 0.40 0.40 1.30 1.80 1.00 7.20 0.90 1.00 0.90 0.00 1.00 1.00
711 0.40 5.30 1.30 7.20 1.00 1.80 0.50 1.00 0.90 1.00 0.00 1.00
712 0.40 0.40 1.30 1.80 1.00 7.20 0.90 1.00 0.90 1.00 1.00 0.00
713 0.40 2.60 1.30 1.80 1.00 1.80 0.50 1.00 0.90 1.00 1.00 1.00
714 0.20 0.20 0.70 1.80 1.00 1.80 0.50 1.00 1.80 1.00 1.00 1.00
715 0.20 0.20 0.70 1.80 1.00 1.80 0.50 1.00 0.50 1.00 1.00 1.00
716 0.40 0.40 1.30 7.20 1.00 7.20 0.90 1.00 0.90 1.00 1.00 1.00
717 0.20 0.20 0.70 1.80 1.00 1.80 0.50 1.00 2.70 1.00 1.00 1.00
718 0.40 0.40 1.30 7.20 1.00 7.20 0.90 1.00 0.90 1.00 1.00 1.00
719 0.40 2.60 1.30 1.30 1.30 1.80 0.90 1.00 1.00 1.00 1.00 1.00
720 1.60 9.50 4.80 6.50 1.80 6.50 1.60 3.60 3.20 1.80 3.60 3.60
721 0.40 2.60 1.30 4.00 1.70 4.40 1.10 1.10 1.00 1.20 2.00 2.40
722 0.50 3.20 1.60 6.50 1.30 6.50 1.60 1.20 0.70 1.80 3.60 3.60
723 0.30 4.30 0.80 9.80 1.30 9.70 1.60 0.60 0.70 1.80 1.80 1.60
724 0.30 5.50 1.00 2.80 0.80 2.80 0.70 0.80 1.40 0.80 0.80 1.60
725 1.70 1.70 5.20 28.20 3.90 28.00 3.50 3.90 1.80 3.90 3.90 1.00
726 0.30 4.60 0.90 14.30 0.80 4.20 0.70 0.70 1.20 0.80 0.80 1.60
727 0.30 0.30 1.00 2.80 0.80 2.80 0.70 0.80 1.40 0.80 0.80 1.60
728 1.10 1.60 1.60 1.60 1.60 1.00 2.00 85.80 1.60 1.10 2.20 2.20
729 1.30 2.00 2.00 2.00 2.00 2.00 5.40 252.90 6.90 6.90 11.60 4.50
730 1.20 1.80 1.80 1.10 1.10 1.20 2.00 92.40 1.60 1.10 2.20 2.20
731 1.30 2.00 2.00 2.00 2.00 2.00 5.40 252.90 6.80 6.80 12.90 6.60
732 0.80 2.40 2.40 1.70 1.50 1.30 2.00 92.40 1.60 1.10 2.20 2.20
733 0.30 4.00 1.80 1.00 1.00 1.00 1.60 74.60 1.00 1.00 2.00 1.00
734 0.40 4.20 13.50 1.10 1.10 1.10 1.00 47.00 1.00 1.00 1.00 1.00
735 0.30 4.00 21.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00
736 0.30 4.00 21.00 2.70 2.70 4.90 2.00 2.20 2.20 1.10 2.20 2.20
737 0.90 10.60 2.20 2.70 2.70 4.90 2.00 2.20 2.20 1.10 2.20 2.20
738 0.40 0.40 1.70 1.30 1.30 1.90 0.90 1.00 1.00 1.00 1.00 1.00
739 0.40 5.10 1.30 1.30 1.30 2.10 0.90 1.00 1.00 1.00 1.00 1.00
740 0.40 2.60 1.30 1.30 1.30 1.10 0.90 1.00 1.00 1.00 1.00 1.00
741 8.50 9.60 9.60 2.80 1.90 1.20 0.90 54.40 1.00 2.00 1.00 8.10
742 12.10 14.90 14.90 1.70 1.70 6.10 1.20 1.40 1.40 1.40 1.40 2.70
743 0.30 0.50 0.50 1.00 1.00 1.90 1.00 0.80 0.80 0.60 0.80 1.20
744 0.40 5.10 1.70 1.30 1.30 1.90 0.90 1.00 1.00 1.00 1.00 1.00
745 0.40 5.10 1.30 1.30 1.30 1.80 0.90 1.00 1.00 1.00 1.00 1.00
746 0.30 0.10 0.90 0.90 0.90 3.00 0.60 0.70 0.70 0.70 0.70 1.30
747 0.40 0.20 1.20 1.20 1.20 1.60 0.80 0.90 0.90 0.40 0.90 0.90
748 1.20 23.80 3.50 3.50 3.50 10.50 2.40 2.70 2.70 1.80 2.70 4.50
749 0.40 2.60 1.30 1.30 1.30 1.80 0.90 1.00 1.00 1.00 1.00 1.00
750 0.30 1.70 0.90 0.90 0.90 1.20 0.60 0.70 0.70 0.30 0.70 0.70
751 0.40 2.30 1.20 1.20 1.20 1.60 0.80 0.90 0.90 0.40 0.90 0.90
752 1.00 1.00 1.00 1.00 1.00 1.00 1.00 0.50 4.70 4.70 9.40 4.70
753 3.90 3.90 2.00 2.00 2.00 2.00 2.00 2.00 3.40 3.40 7.50 3.40
754 1.00 1.00 3.00 3.00 3.00 3.00 3.00 3.00 3.00 13.20 2.80 13.20
755 0.40 0.40 1.30 7.20 1.00 7.20 0.90 1.00 0.90 1.00 1.00 1.00
756 1.60 1.60 4.80 26.30 3.60 26.20 3.30 3.60 9.80 3.60 3.60 3.60
757 1.70 1.70 5.30 28.70 4.00 28.50 3.60 4.80 2.10 4.00 4.00 3.90
758 1.10 17.80 3.40 9.10 2.50 9.10 2.30 2.50 4.50 2.50 2.50 5.00
759 1.60 12.70 17.10 7.80 7.80 23.10 5.40 6.00 6.00 3.00 6.00 10.60
760 8.50 9.60 9.60 2.80 1.90 1.20 1.00 54.40 0.80 0.40 0.80 0.80
761 2.10 2.40 2.40 2.40 2.40 2.10 3.90 151.50 3.20 2.20 4.50 4.50
762 2.50 3.20 3.20 3.20 3.20 2.00 3.90 177.00 3.10 1.10 4.40 4.40
763 3.40 3.40 1.00 1.00 1.00 1.00 2.70 138.70 3.40 3.40 7.10 3.10
764 0.30 0.30 1.00 1.00 1.00 1.00 1.00 1.00 1.00 4.80 1.00 4.80
765 3.90 4.50 4.50 1.30 0.90 0.50 0.40 25.30 0.50 0.90 0.50 3.70
SDd 78.80 222.40 205.80 256.50 101.80 277.50 98.00 1598.90 118.70 123.00 150.70 161.20
Tabel 4.7. Prior Matrix Tahun 2002(lanjutan) Tujuan
Asal 713 714 715 716 717 718 719 720 721 722 723 724
701 2.20 1.70 1.70 1.70 1.70 1.70 2.20 2.20 2.20 1.50 1.50 1.50
702 2.20 1.70 1.70 1.70 1.70 1.70 1.10 2.20 2.20 1.50 1.50 1.50
Berlanjut…
38
Tujuan Asal 713 714 715 716 717 718 719 720 721 722 723 724
703 4.20 3.30 3.30 3.30 3.30 3.30 4.20 4.20 4.20 2.90 2.90 3.00
704 3.70 1.00 4.80 4.80 4.80 4.80 3.70 3.70 3.70 3.50 3.50 4.30
705 2.90 1.00 1.00 1.00 1.00 1.00 3.00 3.00 3.00 2.00 1.00 0.90
706 1.20 1.00 4.80 4.80 4.80 4.80 1.30 1.30 1.30 6.90 6.90 4.30
707 1.20 1.00 1.00 1.00 1.00 1.00 1.30 1.30 1.30 0.90 0.90 0.90
708 2.50 2.00 2.00 2.00 2.00 2.00 2.50 2.50 2.50 1.90 1.70 1.80
709 2.50 2.00 2.00 2.00 2.00 2.00 2.50 2.50 2.50 1.90 1.70 1.80
710 1.20 1.00 1.00 1.00 1.00 1.00 1.30 1.30 1.30 0.90 0.90 0.90
711 1.20 1.00 1.00 1.00 1.00 1.00 1.30 1.30 1.30 0.90 0.90 0.90
712 3.00 1.00 1.00 1.00 1.00 1.00 3.00 3.00 3.00 2.00 0.90 0.90
713 0.00 1.00 1.00 1.00 4.00 1.00 1.00 1.00 1.00 0.70 0.70 0.70
714 3.00 0.00 1.00 1.00 1.00 1.00 3.00 3.00 3.00 2.00 1.00 0.90
715 3.00 1.00 0.00 1.00 1.00 1.00 3.00 3.00 3.00 2.00 0.90 0.90
716 3.00 1.00 1.00 0.00 1.00 1.00 3.00 3.00 3.00 2.00 0.90 0.90
717 3.00 1.00 1.00 1.00 0.00 1.00 7.00 7.00 0.70 1.00 1.00 1.00
718 3.00 1.00 1.00 1.00 1.00 0.00 1.00 1.00 0.70 1.00 1.00 1.00
719 1.00 1.00 1.00 1.00 4.00 1.00 0.00 1.00 1.00 0.70 0.70 0.70
720 10.80 3.60 3.60 3.60 14.40 3.60 1.00 0.00 1.00 0.70 0.70 0.70
721 2.40 2.40 2.40 2.40 0.70 0.70 1.00 0.70 0.00 0.70 0.70 0.70
722 3.60 3.60 3.60 3.60 1.00 1.00 0.70 1.00 0.70 0.00 1.00 1.00
723 14.40 1.60 1.60 1.60 1.00 1.00 0.70 1.00 0.70 1.00 0.00 1.00
724 4.70 1.60 1.60 1.60 1.00 1.00 0.70 1.10 0.70 1.00 1.00 0.00
725 44.80 7.00 1.00 1.00 1.00 1.00 2.80 1.00 0.60 0.90 0.90 0.90
726 6.30 1.60 1.60 1.60 1.00 1.00 0.70 1.00 0.70 1.00 1.00 1.00
727 4.70 1.60 1.60 1.00 1.00 1.00 0.70 1.60 0.70 1.00 1.00 1.00
728 2.80 2.20 2.20 2.20 6.60 1.60 4.80 1.70 4.80 3.30 3.30 3.30
729 2.80 2.20 2.20 2.20 5.90 1.50 1.00 1.00 1.00 0.70 0.70 0.70
730 2.80 2.20 2.20 2.20 5.90 1.50 1.00 1.00 1.00 0.70 0.70 0.70
731 14.90 11.80 11.80 11.80 11.80 11.80 4.70 14.40 14.40 9.80 9.80 10.50
732 2.80 2.20 2.20 2.20 5.90 1.50 1.00 1.00 1.00 0.70 0.70 0.70
733 2.50 2.00 2.00 2.00 2.00 2.00 1.20 2.50 2.50 1.70 1.70 1.80
734 1.30 1.00 1.00 1.00 1.00 1.00 1.00 1.30 1.20 0.90 0.90 0.90
735 1.30 1.00 1.00 1.00 1.00 1.00 1.00 1.10 1.10 0.70 0.70 0.90
736 2.80 2.20 2.20 2.20 4.00 1.00 1.00 1.00 1.00 0.70 0.70 0.70
737 2.80 2.20 2.20 2.20 2.20 2.20 1.00 1.00 1.00 0.70 0.70 0.80
738 1.00 1.00 1.00 1.00 4.00 1.00 1.00 1.00 1.00 0.70 0.70 0.70
739 1.30 1.00 1.00 1.00 1.00 1.00 1.30 1.30 1.30 0.90 0.90 0.90
740 1.00 1.00 1.00 1.00 4.00 1.00 1.00 1.00 1.00 0.70 0.70 0.70
741 10.90 10.40 10.90 10.90 43.60 5.40 10.90 10.90 5.40 3.70 3.70 3.70
742 2.70 2.70 2.70 2.70 10.90 1.40 2.70 2.70 1.40 0.90 0.90 0.90
743 2.70 2.70 1.40 2.70 10.90 1.40 2.70 2.70 1.40 0.90 0.90 0.90
744 1.00 1.00 1.00 1.00 4.00 1.00 1.00 1.00 1.00 0.70 0.70 0.70
745 1.00 1.00 1.00 1.00 4.00 1.00 1.00 1.00 1.00 0.70 0.70 0.70
746 1.30 1.30 1.30 1.30 0.50 0.50 1.30 1.30 0.70 0.50 0.50 0.50
747 0.90 0.90 0.90 0.90 0.70 0.70 0.90 0.90 1.00 0.70 0.70 0.70
748 4.50 4.50 4.50 4.50 3.30 3.40 4.50 4.50 4.90 3.30 3.30 3.30
749 1.00 1.00 1.00 1.00 0.70 0.70 1.00 1.00 1.00 0.70 0.70 0.70
750 0.70 0.70 0.70 0.70 0.50 0.50 0.70 0.70 0.70 0.50 0.50 0.50
751 0.90 0.90 0.90 0.90 0.70 0.70 0.90 0.90 1.00 0.70 0.70 0.70
752 11.90 9.40 9.40 9.40 9.40 9.40 8.60 11.90 11.90 8.10 8.10 8.30
753 9.50 7.50 7.50 7.50 7.50 7.50 9.50 9.50 9.50 6.40 6.40 6.60
754 10.90 3.00 13.20 13.20 13.20 13.20 11.00 11.00 11.00 7.50 7.50 11.90
755 3.00 1.00 1.00 1.00 1.00 1.00 3.00 3.00 3.00 2.00 0.90 0.90
756 10.90 3.60 3.60 3.60 3.60 3.60 25.40 25.40 25.40 3.30 3.30 3.30
757 18.90 5.20 5.20 3.40 3.40 3.40 3.10 5.20 3.10 4.70 3.40 3.40
758 15.10 5.00 5.00 5.00 3.20 3.20 2.10 3.40 2.10 3.20 3.20 3.20
759 10.60 10.60 10.60 10.60 7.90 8.00 10.60 10.60 11.60 7.90 7.90 7.90
760 1.10 6.60 1.00 8.50 34.10 4.30 10.70 10.70 5.40 3.70 3.70 3.70
761 5.70 4.50 4.50 4.50 11.50 3.30 9.70 3.40 9.70 6.60 6.60 6.60
762 5.60 4.40 4.40 4.40 13.80 3.20 9.50 3.40 9.50 6.50 6.50 6.50
763 4.00 3.10 3.10 3.10 11.30 2.80 1.00 1.00 1.00 0.70 0.70 0.70
764 1.40 1.00 4.80 4.80 4.80 4.80 1.40 1.40 1.40 1.00 1.00 4.30
765 5.10 4.90 5.10 5.10 20.30 2.50 5.10 5.10 2.50 1.70 1.70 1.70
SDd 317.10 175.60 185.00 191.40 338.50 156.60 213.00 216.80 204.90 141.30 133.20 140.70
Tabel 4.7. Prior Matrix Tahun 2002(lanjutan) Tujuan
Asal 725 726 727 728 729 730 731 732 733 734 735 736
701 1.70 1.50 1.60 1.30 1.60 1.30 1.60 8.80 0.50 0.60 0.50 0.50
Berlanjut…
39
702 1.70 1.50 1.60 1.70 2.00 1.70 2.00 16.80 0.50 0.60 0.50 0.50
703 3.30 2.90 3.00 1.70 2.00 1.70 2.00 16.80 3.50 3.50 3.50 3.50
704 20.70 0.90 4.30 1.70 2.00 1.70 2.00 1.20 1.00 1.10 1.00 1.00
705 1.00 1.00 0.90 1.70 2.00 2.30 2.00 1.20 1.00 1.10 1.00 1.00
706 20.20 0.90 4.30 2.30 2.00 1.20 2.00 1.20 1.00 1.10 1.00 1.00
707 1.00 0.90 0.90 3.10 4.70 1.60 4.70 1.60 1.30 1.00 1.30 2.10
708 2.00 1.70 1.80 64.20 4.70 62.20 4.70 64.20 1.30 41.00 54.90 4.40
709 2.00 1.70 1.80 2.00 3.50 2.00 3.50 1.00 1.00 1.00 1.00 4.10
710 4.00 0.90 0.90 1.00 1.00 1.00 4.70 1.00 1.30 41.00 2.50 2.10
711 1.00 0.90 0.90 1.00 1.00 1.00 3.50 1.00 1.00 1.00 2.50 2.10
712 1.00 0.90 0.90 1.00 1.00 1.00 4.70 1.00 1.30 41.00 2.50 1.00
713 1.00 0.70 0.90 1.00 1.00 1.00 1.80 1.00 1.00 1.00 2.50 1.00
714 1.00 0.90 0.90 3.00 3.00 3.00 9.40 3.00 2.70 2.00 5.00 3.00
715 1.00 0.90 0.90 3.00 3.00 3.00 2.30 3.00 0.70 2.00 5.00 3.00
716 1.00 0.90 1.00 3.00 3.00 3.00 9.40 3.00 2.70 2.00 5.00 3.00
717 1.00 1.00 1.00 7.00 7.00 7.00 14.00 7.00 3.00 3.00 7.50 7.00
718 1.00 1.00 1.00 1.00 1.00 1.00 1.80 1.00 1.00 1.00 2.50 1.00
719 1.00 0.70 0.70 1.00 1.00 1.00 1.80 1.00 1.00 1.00 2.50 1.00
720 1.00 0.70 0.80 1.00 1.00 1.00 1.80 1.00 1.00 1.00 2.50 1.00
721 0.90 0.70 0.70 1.00 1.00 1.00 1.80 1.00 1.00 1.00 2.50 1.00
722 1.30 1.00 1.00 0.70 0.70 0.70 1.20 0.70 0.70 0.70 1.70 0.70
723 1.60 1.00 1.00 0.70 0.70 0.70 1.20 0.70 0.70 0.70 1.70 0.70
724 1.60 1.00 1.00 0.70 0.70 0.70 1.20 0.70 0.70 0.70 1.70 0.70
725 0.00 0.90 0.90 2.80 2.80 2.80 4.80 2.80 2.80 2.80 6.90 2.80
726 1.60 0.00 1.00 0.70 0.70 0.70 1.20 0.70 0.70 0.70 1.70 0.70
727 1.60 1.00 0.00 0.70 0.70 0.70 2.50 0.70 1.40 1.40 3.50 0.70
728 1.60 3.30 3.30 0.00 0.80 1.00 0.80 1.00 1.30 1.30 1.00 1.00
729 1.40 0.70 0.70 0.80 0.00 0.80 1.00 1.00 7.10 2.00 2.00 1.00
730 1.40 0.70 0.70 1.00 0.90 0.00 0.90 1.00 1.30 1.30 1.00 1.00
731 11.80 9.80 10.50 0.80 1.00 0.80 0.00 3.10 7.10 2.60 2.60 2.60
732 1.40 0.70 0.70 1.00 1.00 1.00 1.60 0.00 1.30 1.30 1.00 1.00
733 2.00 1.70 1.80 1.20 43.80 1.20 43.80 1.20 0.00 1.00 1.00 1.00
734 1.00 0.90 0.90 1.00 2.00 1.00 2.00 1.00 1.00 0.00 1.00 1.00
735 1.00 0.70 0.90 1.00 1.00 1.00 2.00 1.00 1.00 1.00 0.00 1.00
736 1.00 0.70 0.70 1.00 1.00 1.00 2.00 1.00 1.00 1.00 1.00 0.00
737 2.20 0.70 2.00 1.00 1.00 1.00 2.00 1.00 1.00 1.00 1.00 1.00
738 1.00 0.70 0.70 1.00 1.00 1.00 1.60 1.00 1.00 1.00 1.00 1.00
739 1.00 0.90 0.90 1.00 1.00 1.00 3.50 1.00 1.00 1.00 2.50 2.10
740 1.00 0.70 0.90 1.00 1.00 1.00 1.80 1.00 1.00 1.00 2.50 1.00
741 10.90 3.70 3.70 7.90 6.40 7.90 6.40 1.00 1.30 0.40 0.40 0.40
742 2.70 0.90 0.90 26.20 6.10 6.10 9.70 0.40 0.40 0.40 0.40 0.40
743 2.70 0.90 0.90 0.40 0.20 0.20 0.30 0.40 0.40 0.40 0.40 0.40
744 1.00 0.70 0.70 1.00 1.00 1.00 1.60 1.00 1.00 1.00 1.00 1.00
745 1.00 0.70 0.70 1.00 1.00 1.00 1.60 1.00 1.00 1.00 1.00 1.00
746 1.20 0.50 0.50 0.70 0.30 0.30 0.50 0.70 0.70 0.70 0.70 0.70
747 0.90 0.70 0.70 0.70 0.30 0.30 0.60 0.70 0.90 0.70 0.70 0.70
748 4.50 3.30 3.30 18.30 16.30 16.30 25.70 16.30 4.50 5.10 5.10 3.40
749 0.90 0.70 0.70 1.00 1.00 1.00 1.80 1.00 1.00 1.00 1.00 1.00
750 0.60 0.50 0.50 0.70 0.70 0.70 1.10 0.70 0.70 0.70 0.70 0.70
751 0.90 0.70 0.70 0.70 0.70 0.70 1.30 0.70 0.90 0.70 0.70 0.70
752 9.40 8.10 8.40 3.00 3.60 3.00 3.60 25.60 7.20 7.20 7.20 7.20
753 7.50 6.40 6.70 5.80 6.90 5.80 6.90 34.20 2.00 2.30 2.00 2.00
754 55.60 2.50 11.90 4.90 5.90 5.10 5.90 3.50 3.00 3.30 3.00 3.00
755 1.00 0.90 0.90 1.00 1.00 1.00 4.70 1.00 1.30 41.00 2.50 2.10
756 3.60 3.30 3.60 25.40 25.40 25.40 50.90 25.40 10.90 10.90 27.20 25.40
757 5.20 3.40 3.40 5.60 5.60 5.60 11.80 5.60 3.40 3.40 8.40 5.60
758 5.00 3.20 3.20 2.10 2.10 2.10 3.70 2.10 2.10 2.10 5.30 2.10
759 10.60 7.90 7.90 37.60 7.10 7.10 11.20 33.40 80.30 80.30 80.30 80.30
760 8.50 3.70 3.70 7.90 6.40 7.90 6.40 1.00 1.30 0.40 0.40 0.40
761 3.20 6.60 6.60 2.00 1.60 2.00 1.60 2.00 2.60 2.60 2.00 2.00
762 3.20 6.50 6.50 2.00 1.60 2.00 1.60 2.00 2.50 2.50 2.00 2.00
763 2.80 0.70 0.70 0.80 1.00 0.80 1.00 1.00 3.50 3.50 3.50 1.00
764 20.20 0.90 4.30 1.70 2.00 2.30 2.00 1.20 1.00 1.10 1.00 1.00
765 5.10 1.70 1.70 3.70 3.00 3.70 3.00 0.50 0.60 0.20 0.20 0.20
SDd 272.20 119.40 143.20 283.90 217.50 227.10 321.50 319.80 195.40 343.40 299.10 210.00
Tabel 4.7. Prior Matrix Tahun 2002(lanjutan) Tujuan
Asal 737 738 739 740 741 742 743 744 745 746 747 748
701 1.60 1.70 1.70 2.20 11.10 7.00 1.00 1.70 1.70 0.80 2.10 15.60
Berlanjut…
40
702 1.60 0.90 0.90 1.10 14.30 9.30 9.30 0.90 0.90 0.80 1.00 10.40
703 3.80 3.30 3.30 4.20 14.30 31.10 17.80 3.30 3.30 1.60 4.00 20.00
704 3.70 2.90 2.90 3.70 3.60 13.10 1.90 2.90 2.90 1.40 3.50 1.80
705 2.90 2.40 2.40 3.00 2.50 13.10 1.90 2.40 2.40 1.10 2.80 1.40
706 2.50 1.00 1.00 1.30 1.70 4.80 1.90 1.00 1.00 0.50 1.20 0.60
707 2.50 1.00 1.00 13.00 12.00 4.30 1.20 1.00 1.00 0.50 1.20 0.60
708 5.00 2.00 2.00 2.50 47.70 10.10 50.10 2.00 2.00 1.00 2.40 1.20
709 5.00 2.00 2.00 2.50 2.30 10.10 2.40 2.00 2.00 1.00 2.40 1.20
710 2.50 1.00 1.00 1.30 1.20 4.30 1.20 1.00 1.00 0.50 1.20 0.60
711 2.50 1.00 1.00 1.30 1.20 4.30 1.20 1.00 1.00 0.50 1.20 0.60
712 2.50 1.00 1.00 3.00 8.00 13.80 1.10 1.00 3.00 1.50 2.90 1.90
713 2.50 1.00 1.00 1.00 2.30 3.40 0.60 1.00 1.00 0.40 1.00 0.50
714 5.00 3.00 2.00 3.00 8.00 13.80 2.30 3.00 3.00 1.50 2.90 1.90
715 5.00 3.00 2.00 3.00 8.00 13.80 2.30 3.00 3.00 1.50 2.90 1.90
716 5.00 3.00 2.00 3.00 8.00 13.80 2.30 3.00 3.00 1.50 2.90 1.90
717 7.50 7.00 3.00 7.00 14.90 4.60 3.40 7.00 7.00 1.50 0.70 2.00
718 2.50 1.00 1.00 1.00 3.40 4.60 1.10 1.00 1.00 0.80 0.90 0.90
719 2.50 1.00 1.00 1.00 2.30 3.40 0.60 1.00 1.00 0.40 1.00 0.50
720 2.50 1.00 1.00 3.60 2.30 3.40 0.60 1.00 1.00 0.40 1.00 0.50
721 2.50 1.00 1.00 1.00 2.30 3.40 0.60 1.00 1.00 0.40 1.00 1.00
722 1.70 0.70 0.70 0.70 1.50 2.30 0.40 0.70 0.30 0.30 0.70 0.30
723 1.70 0.70 0.70 0.70 2.30 3.00 0.80 0.70 0.70 0.50 0.70 0.70
724 1.70 0.70 0.70 1.60 2.30 3.00 0.80 0.70 0.70 0.50 0.70 0.70
725 6.90 2.80 2.80 1.90 6.30 9.50 1.60 2.80 2.80 0.20 0.60 0.30
726 1.70 0.70 0.70 0.80 2.30 3.00 0.80 0.70 0.70 0.50 0.70 0.70
727 3.50 0.70 1.40 1.60 2.30 3.00 0.80 0.70 0.70 0.50 0.70 0.70
728 1.00 1.10 2.20 1.40 8.50 5.80 1.90 4.80 4.80 3.70 1.70 18.40
729 1.00 1.00 2.20 1.20 7.10 0.80 1.10 1.00 1.00 3.10 3.10 6.80
730 1.00 1.00 2.20 1.20 8.50 0.80 1.10 1.00 1.00 3.10 3.10 6.80
731 2.60 1.50 6.50 7.20 7.10 5.80 3.30 1.20 3.50 5.30 5.30 21.10
732 1.00 1.00 2.20 1.20 1.00 0.80 0.30 1.00 1.00 0.80 0.80 0.70
733 1.00 1.00 1.00 1.30 1.20 5.60 1.90 1.00 1.00 0.80 0.80 0.80
734 1.00 1.00 1.00 1.30 1.90 5.60 1.90 1.00 1.00 0.80 0.80 0.80
735 1.00 1.00 1.30 1.10 1.90 5.60 1.90 1.00 1.00 0.80 0.80 0.80
736 1.00 1.00 2.20 1.00 1.90 5.60 1.90 1.00 1.00 0.80 0.80 0.80
737 0.00 1.00 2.20 1.20 1.90 5.60 1.90 1.00 1.00 0.80 0.80 0.80
738 1.00 0.00 1.00 1.00 1.00 3.40 1.00 1.00 1.00 0.80 0.80 0.80
739 2.50 1.00 0.00 1.30 1.20 3.80 1.20 1.00 1.00 0.80 0.80 0.80
740 2.50 1.00 1.00 0.00 1.10 3.40 1.20 1.00 1.00 0.40 1.00 0.50
741 0.40 1.10 1.00 10.90 0.00 13.00 4.00 1.10 5.40 4.20 4.00 1.00
742 0.40 1.40 1.40 2.70 1.00 0.00 1.00 1.10 1.40 1.00 1.00 1.00
743 0.40 1.00 0.80 2.70 4.00 3.00 0.00 1.00 1.40 1.00 1.00 3.50
744 1.00 1.00 1.00 1.00 1.00 3.40 1.00 0.00 1.00 0.80 0.80 0.80
745 1.00 1.00 1.00 1.00 4.60 3.40 1.10 1.00 0.00 0.80 0.80 0.80
746 1.70 0.70 0.70 1.30 3.10 2.30 0.80 0.70 0.70 0.00 1.00 1.00
747 2.20 0.70 0.90 0.90 4.00 3.00 1.00 0.70 0.70 1.00 0.00 1.00
748 11.20 3.40 2.70 4.50 23.00 1.00 106.00 3.40 3.40 5.00 5.00 0.00
749 2.50 1.00 1.00 1.00 2.10 3.10 0.50 1.00 0.50 1.00 1.00 1.00
750 1.70 0.70 0.70 0.70 1.50 2.30 0.40 0.70 0.30 1.00 1.00 1.00
751 2.20 0.70 0.90 0.90 4.00 3.00 1.00 0.70 0.70 1.00 1.00 1.00
752 7.20 7.20 7.50 5.90 23.50 27.10 27.10 7.20 7.20 5.50 5.50 63.80
753 6.10 7.50 7.50 9.50 44.90 28.80 3.90 7.50 7.50 3.30 8.90 61.80
754 10.90 8.70 8.70 11.00 10.50 36.70 5.50 8.70 8.70 4.20 10.40 5.20
755 2.50 1.00 1.00 3.00 8.00 13.80 1.10 1.00 3.00 1.50 2.90 1.90
756 27.20 25.40 10.90 25.70 54.30 96.00 12.50 25.40 25.40 8.40 24.40 10.40
757 8.40 5.60 3.40 5.20 6.60 11.70 1.50 2.50 1.30 1.00 3.10 1.30
758 5.30 2.10 2.10 5.00 7.30 9.80 2.40 2.10 2.10 1.60 2.10 2.10
759 80.30 74.60 6.00 10.60 0.20 0.20 217.50 7.90 7.90 1.70 1.70 10.30
760 0.40 1.00 0.80 1.10 1.00 13.00 4.00 1.00 5.40 4.20 4.00 1.00
761 2.00 2.20 4.50 2.80 1.00 11.50 3.80 9.70 9.70 7.40 3.40 1.00
762 2.00 2.20 4.40 2.70 16.80 14.20 3.80 9.50 9.50 7.30 3.30 36.30
763 1.00 1.00 2.70 2.40 7.10 0.80 1.10 1.00 1.00 3.10 3.10 6.80
764 2.60 1.10 1.10 1.40 2.50 5.60 1.90 1.10 1.10 0.50 1.30 0.70
765 0.20 0.50 0.50 5.10 0.50 6.00 1.90 0.50 2.50 1.90 1.90 2.50
SDd 285.70 212.90 139.40 209.40 465.20 578.60 535.40 161.00 176.20 112.50 157.50 347.50
Tabel 4.7. Prior Matrix Tahun 2002(lanjutan) Tujuan
Asal 749 750 751 752 753 754 755 756 757 758 759 760
701 2.20 1.70 2.10 0.40 10.40 1.10 0.90 4.70 5.80 2.10 9.10 11.10
702 1.10 0.80 1.00 0.40 10.40 1.10 0.90 4.70 6.30 2.10 66.40 14.30
Berlanjut…
41
703 4.20 1.20 4.00 0.40 3.50 2.10 1.70 8.90 11.10 4.00 108.60 14.30
704 3.70 2.80 3.50 0.10 3.50 2.10 4.80 12.80 16.20 5.80 19.50 3.60
705 3.00 2.30 2.80 0.10 3.50 2.10 1.00 2.70 3.00 1.00 15.60 2.50
706 1.30 1.00 1.20 0.10 3.50 2.10 4.80 12.80 16.20 2.00 6.30 1.70
707 1.30 1.00 1.20 0.10 3.50 2.10 1.00 2.60 3.10 5.70 6.30 1.20
708 2.50 1.90 2.40 0.10 3.50 2.10 1.00 5.40 6.70 1.10 13.90 16.80
709 2.50 1.90 2.40 2.20 4.60 2.10 1.00 5.40 6.70 2.40 13.90 2.40
710 1.30 1.00 1.20 0.30 4.60 18.30 1.00 2.70 3.30 2.40 6.30 1.20
711 1.30 1.00 1.20 28.70 4.60 5.80 1.00 2.70 3.00 1.20 6.30 1.20
712 3.00 2.30 2.90 0.30 4.60 18.30 1.00 2.70 3.00 1.20 19.20 1.00
713 1.00 0.80 1.00 14.40 2.80 5.80 1.00 10.70 3.00 1.20 5.00 2.10
714 3.00 2.30 2.90 0.10 0.90 5.80 1.00 2.70 3.00 0.90 19.20 7.20
715 3.00 2.30 2.90 0.10 0.90 5.80 1.00 2.70 3.00 1.20 19.20 7.20
716 3.00 2.30 2.90 0.30 4.60 18.30 1.00 2.70 3.30 1.20 19.20 7.20
717 0.70 0.50 0.70 1.10 0.90 5.80 1.00 2.70 3.30 1.20 4.90 13.40
718 0.90 0.80 0.90 2.20 4.60 18.30 1.00 2.70 3.30 1.30 6.30 3.10
719 1.00 0.80 1.00 14.40 2.70 1.30 1.00 10.70 3.30 1.30 5.00 2.30
720 1.00 0.80 1.00 14.40 9.90 20.80 3.60 38.60 3.00 0.90 5.00 2.30
721 1.00 0.80 1.00 14.40 2.70 12.00 2.40 5.00 2.20 0.90 5.30 2.30
722 0.70 0.50 0.70 9.50 3.40 20.80 3.60 7.40 3.30 0.90 3.50 1.50
723 0.70 0.50 0.70 12.40 2.20 24.20 1.60 2.70 3.30 1.30 4.90 2.30
724 0.70 0.50 0.70 12.40 1.40 9.00 1.60 2.70 3.30 1.30 4.90 2.30
725 0.60 0.50 0.60 15.20 18.00 71.20 1.00 2.70 3.00 1.30 3.10 5.70
726 0.70 0.50 0.70 12.40 2.40 10.50 1.60 2.70 3.30 1.20 4.90 2.30
727 0.70 0.50 0.70 1.60 1.40 9.00 1.60 2.70 3.30 1.30 4.90 2.30
728 4.50 3.70 1.70 2.00 12.30 3.40 2.20 17.60 14.10 1.30 16.00 8.50
729 0.90 0.80 0.80 2.50 15.20 4.10 6.30 15.80 4.50 4.40 6.50 7.10
730 0.90 0.80 0.80 2.30 13.90 2.30 2.20 15.80 4.50 0.90 6.50 8.50
731 3.60 2.70 2.70 2.50 15.20 4.40 6.80 31.50 37.40 14.00 20.20 7.10
732 0.90 0.80 0.80 3.10 8.40 3.40 2.20 15.80 4.50 0.90 1.80 1.00
733 1.10 0.80 0.80 28.70 3.50 2.10 1.00 5.40 6.70 2.40 16.80 1.20
734 1.00 0.80 0.80 28.70 3.70 2.20 1.00 2.70 3.00 1.20 16.80 1.90
735 1.00 0.80 0.80 28.70 3.50 2.10 1.00 2.70 3.00 1.20 16.80 1.90
736 1.00 0.80 0.80 28.70 3.50 5.60 2.20 10.70 3.00 0.90 16.80 1.90
737 1.00 0.80 0.80 30.00 9.30 5.60 2.20 6.00 6.80 1.10 16.80 1.90
738 1.00 0.80 0.80 3.10 4.50 2.70 1.00 10.70 3.00 0.90 12.10 1.00
739 1.00 0.80 0.80 28.70 4.50 2.70 1.00 2.70 3.00 1.20 4.00 1.20
740 1.00 0.80 1.00 14.40 2.70 1.30 1.00 10.70 3.00 0.90 5.00 1.20
741 5.10 4.20 4.00 14.20 86.40 5.80 8.10 116.80 11.60 5.00 0.30 1.00
742 1.30 1.00 1.00 20.70 125.50 5.40 2.70 29.20 3.10 1.20 2.60 1.00
743 1.30 1.00 1.00 0.30 2.10 2.10 1.20 29.20 3.10 1.20 9.00 4.00
744 0.90 0.80 0.80 39.70 4.50 2.70 1.00 10.70 3.10 0.90 4.00 1.00
745 0.90 0.80 0.80 32.80 2.70 1.30 1.00 10.70 2.20 0.90 4.00 4.60
746 1.00 1.00 1.00 0.40 3.00 2.70 1.30 14.40 1.50 0.60 2.10 3.10
747 1.00 1.00 1.00 0.50 2.40 1.20 0.90 9.60 2.20 0.90 2.10 4.00
748 5.00 5.00 5.00 129.90 11.20 8.40 4.50 52.80 11.90 4.50 0.30 23.00
749 0.00 1.00 1.00 14.40 2.70 1.30 1.00 10.70 2.20 0.90 5.30 2.10
750 1.00 0.00 1.00 9.60 1.80 0.90 0.70 7.20 1.50 0.60 5.30 1.50
751 1.00 1.00 0.00 12.90 2.40 1.20 0.90 9.60 2.20 0.90 5.30 4.00
752 7.60 5.50 5.50 0.00 0.20 1.00 4.70 25.10 27.00 11.20 179.30 23.50
753 9.50 7.20 8.90 1.60 0.00 5.10 3.40 20.00 22.20 8.90 37.60 44.90
754 11.00 8.30 10.40 0.40 9.50 0.00 13.20 35.50 43.70 15.90 55.90 10.50
755 3.00 2.30 2.90 0.30 4.60 18.30 0.00 2.70 3.30 1.20 19.20 1.20
756 25.40 19.50 24.40 8.00 16.70 66.40 3.60 0.00 12.00 4.40 132.00 48.60
757 3.10 2.40 3.10 14.90 18.30 73.90 3.40 9.00 0.00 4.50 16.80 6.60
758 2.10 1.60 2.10 40.00 4.60 29.10 5.00 8.60 10.60 0.00 15.70 7.30
759 11.80 11.80 11.80 23.20 14.60 18.20 10.60 113.30 26.70 10.50 0.00 0.20
760 5.10 4.20 4.00 14.20 86.40 5.80 0.80 91.50 11.70 5.00 0.30 0.00
761 9.00 7.40 3.30 3.60 21.80 6.70 4.50 30.90 25.30 8.80 0.30 1.00
762 8.90 7.30 3.30 4.30 25.60 7.40 4.40 36.90 29.10 8.70 34.10 16.80
763 0.90 0.80 0.80 1.30 35.80 2.10 3.40 30.40 5.60 0.90 6.50 7.10
764 1.40 1.10 1.30 0.10 3.50 2.10 4.80 12.80 16.20 5.80 7.10 2.50
765 2.10 1.90 1.90 6.60 40.20 2.70 3.70 54.30 5.40 2.30 0.20 0.50
SDd 184.40 146.60 158.00 755.40 745.70 611.60 163.00 1087.50 511.20 185.40 1108.10 399.20
Tabel 4.7. Prior Matrix Tahun 2002(lanjutan) Tujuan
Asal 761 762 763 764 765 SOi
701 2.60 2.20 82.20 0.50 6.20 245.20 702 3.30 2.50 82.20 0.50 7.90 344.00 703 3.30 2.50 1.00 1.00 7.90 393.90
Berlanjut…
42
704 3.30 2.50 1.00 1.00 2.00 234.60 705 3.30 2.50 1.00 1.00 1.40 133.70 706 1.70 3.50 1.00 1.00 0.90 178.40 707 6.30 4.70 2.30 1.00 0.60 129.90 708 114.30 91.40 2.30 1.00 26.40 763.90 709 4.00 3.00 21.00 1.00 1.30 180.00 710 2.00 1.00 2.30 7.20 0.60 164.60 711 2.00 1.00 1.00 1.80 0.60 132.30 712 2.00 1.00 2.30 7.20 4.40 212.10 713 2.00 1.00 1.00 1.80 1.30 112.90 714 6.00 5.00 3.00 1.80 4.40 187.40 715 6.00 5.00 3.00 1.80 4.40 177.20 716 6.00 5.00 3.00 7.20 4.40 221.10 717 12.00 10.10 7.00 1.80 8.30 244.10 718 2.00 1.00 1.00 7.20 1.90 128.00 719 2.00 1.00 1.00 2.30 1.30 109.50 720 2.00 1.00 1.00 6.50 1.30 237.00 721 2.00 1.00 1.00 4.40 1.30 127.50 722 1.30 0.70 0.70 6.50 0.80 140.10 723 1.30 1.30 0.70 9.80 1.30 155.70 724 1.30 1.30 0.70 2.80 1.30 109.00 725 5.50 2.80 2.80 28.20 3.50 386.90 726 1.30 1.30 0.70 4.30 1.30 125.20 727 1.30 1.30 0.70 2.80 1.30 99.90 728 2.00 1.00 0.80 1.60 4.70 311.30 729 1.70 0.80 1.00 2.00 3.90 447.60 730 2.00 1.00 0.90 1.10 4.70 242.70 731 1.70 0.80 1.00 2.00 3.90 720.80 732 2.00 1.00 1.00 1.50 0.60 207.00 733 2.30 1.20 21.00 1.00 0.60 327.90 734 2.00 1.00 21.00 1.10 1.00 206.70 735 2.00 1.00 1.70 1.00 1.00 146.10 736 2.00 1.00 1.00 5.40 1.00 183.70 737 2.00 1.00 1.00 5.40 1.00 180.70 738 2.00 1.00 1.00 2.60 0.60 100.60 739 2.00 1.00 1.00 2.60 0.70 121.50 740 2.00 1.00 1.00 1.30 0.60 104.90 741 1.00 12.00 6.40 1.90 0.60 612.30 742 0.70 37.70 6.10 8.20 0.60 409.50 743 0.80 0.40 0.20 2.00 2.20 130.20 744 2.00 1.00 1.00 2.60 0.60 133.80 745 2.00 1.00 1.00 2.30 2.50 131.20 746 1.30 0.70 0.30 3.90 1.70 83.30 747 1.30 0.70 0.30 2.10 2.20 77.90 748 10.00 29.50 16.30 13.60 12.70 745.60 749 2.00 1.00 1.00 2.30 1.10 102.90 750 1.30 0.70 0.70 1.60 0.90 73.60 751 1.60 0.70 0.70 2.10 2.20 97.80 752 5.50 4.30 1.50 1.00 13.00 750.90 753 10.50 8.60 321.20 2.00 24.90 954.60 754 9.10 7.50 3.00 3.00 5.80 658.30 755 2.00 1.00 2.30 7.20 4.40 219.10 756 43.60 36.60 25.40 26.30 30.00 1312.90 757 10.10 7.90 5.60 28.70 3.70 485.30 758 4.30 4.30 2.10 9.10 4.10 345.70 759 0.20 54.00 7.10 29.90 0.10 1428.80 760 1.00 12.00 6.40 1.90 0.60 521.10 761 0.00 3.00 1.60 2.40 0.60 484.20 762 3.90 0.00 1.60 3.20 9.30 640.10 763 1.70 0.80 0.00 1.00 3.90 356.10 764 3.30 2.50 1.00 0.00 1.40 176.80 765 0.50 5.60 3.00 0.90 0.00 287.10
SDd 345.50 402.90 696.10 301.20 251.70 20194.70
4.3.4. Estimasi Matriks dengan EMME/3
Estimasi Matriks baru tahun 2009 yang akan digunakan dalam proses pembebanan
merupakan hasil estimasi matriks dari data matriks awal (prior matrix) menggunakan
43
metode estimasi Steepest descent. Dalam program EMME/3 ini proses estimasi
dilakukan 14 kali sesuai dengan tahapan input data traffic count dan dilakukan dengan
modul EMME/3 yang diberi nama Prompt console (Gambar 2.6.) yang berupa garis
perintah (command-line). Dalam Prompt console kita tinggal memasukkan command-line
berupa macro DEMADJ (~<demadj @obsv mf05 mf06 20 0.5 0.5
15) kemudian tekan enter. Selanjutnya program akan secara otomatis mengestimasi
MAT 2009. Pada program EMME/3 (Gambar 4.2.) penulis menyimpan matriks hasil
estimasi dalam tabel matriks mf05 (full matriks 5). Hasil MAT baru dari proses estimasi
dapat dilihat pada lampiran I.
4.3.5. Pembebanan MAT 2009 ke jaringan jalan
Proses pembebanan matriks baru pada jaringan menghasilkan arus lalu lintas pada
masing-masing ruas jalan di kota Surakarta. Beberapa sampel arus lalu lintas hasil
pembebanan tersebut kemudian dibandingkan dengan arus lalu lintas hasil survei
pengamatan untuk diketahui tingkat validitasnya. Contoh perbandingan traffic count
dengan arus hasil pembebanan tahap pertama dengan input traffic count sebanyak 5
data dapat dilihat pada Tabel 4.8. Sedangkan untuk hasil yang lain dapat dilihat pada
lampiran J.
Tabel 4.7. Perbandingan traffic count dengan arus hasil pembebanan pada tahap
pertama proses running.
Node Traffic count arus hasil pembebanan
asal tujuan 701 1 1287 1283 759 95 2666 2659
1 701 1285 1283 18 19 1851 1859
95 759 1827 1835
4.4. Uji Validitas
Ada 2 parameter uji validitas yang digunakan pada penelitian ini yaitu uji
parameter RMSE dan uji determinasi (R2). Uji parameter RMSE dilakukan untuk
44
mengetahui pengaruh traffic count terhadap tingkat akurasi MAT hasil estimasi.
Uji parameter RMSE dilakukan dengan cara membandingkan antara matriks prior
2002 dengan matriks hasil estimasi. Proses perhitungan dilakukan secara manual
dengan menggunakan rumus 2.25. Perhitungan dilakukan dengan bantuan
software Microsoft excel. Hasil perhitungan ditunjukkan pada tabel 4.8.
Sedangkan uji determinasi (R2) dilakukan untuk mengetahui tingkat konvergensi
antara data traffic count dengan arus lalu lintas hasil pembebanan. Dari tabel
perbandingan data traffic count dan arus hasil pembebanan pada Tabel 4.7.
kemudian dilakukan uji validitas dengan menggunakan parameter R2 yang
tersedia pada software EMME/3. Hasil uji determinasi tiap tahap disajikan dalam
tabel 4.8. dibawah ini, untuk selanjutnya dibuat grafik hubungan penambahan data
traffic count dengan nilai Koefisien Determinasi. Dari grafik tersebut akan dapat
dilihat tingkat signifikan pengaruh jumlah traffic count terhadap tingkat akurasi
matriks yang dihasilkan.
Tabel 4.8. Hasil Uji Validitas
tahap input traffic count
jumlah data traffic count
RMSE Koefisien Determinasi (R2)
1 5 18.2053 0.991188 2 11 21.2899 0.871125 3 17 23.3547 0.896546 4 23 23.793 0.898911 5 29 23.9475 0.894402 6 35 32.2315 0.681322 7 40 32.3733 0.745805 8 46 35.652 0.745145 9 52 31.501 0.73367 10 58 31.4052 0.749412
tahap input traffic count
jumlah data traffic count RMSE
Koefisien Determinasi (R2)
12 69 37.2513 0.584513 13 74 38.9729 0.584521 14 77 39.3304 0.59105
45
4.5. Pembahasan
Dari tabel 4.8. diatas kemudian dibuat juga grafik untuk mengetahui pengaruh
penambahan traffic count terhadap MAT dan arus lalu lintas yang dihasilkan
setelah dilakukan pembebanan. Pengaruh Jumlah Traffic Count Terhadap MAT
dan arus lalu lintas dapat dilihat pada grafik dibawah ini:
Pada grafik pengaruh jumlah traffic count terhadap MAT menunjukkan bahwa semakin
banyak traffic count yang digunakan dalam estimasi MAT akan menurunkan tingkat
akurasi MAT yang dihasilkan. Hal tersebut ditunjukkan dengan grafik yang cenderung
naik yang berarti bahwa semakin besar nilai RMSE yang dihasilkan. Sedangkan terhadap
01020304050
0 20 40 60 80 100
RMSE
traffic count
Grafik Pengaruh Traffic Count Terhadap MAT
0
0,5
1
1,5
0 20 40 60 80 100
R2
Traffic Count
Grafik Pengaruh Traffic Count Terhadap Arus Lalu Lintas
Gambar 4.3. Grafik Pengaruh Jumlah Traffic Count MAT dan arus lalu lintas
46
arus lalu lintas hasil pembebanan grafik cenderung turun yang menunjukkan bahwa
semakin banyak data traffic count yang digunakan dalam proses pembebanan akan
menurunkan tingkat konvergensinya. Hal ini dikarenakan semakin banyak data traffic
count yang digunakan akan memperkecil nilai R2. Hal tersebut dikarenakan semakin
banyaknya data yang menyebar dari trend line.
Secara teori semakin banyak data traffic count yang digunakan untuk estimasi MAT,
maka akan didapat hasil yang semakin akurat. Tetapi pada penelitian ini hasilnya
berkebalikan. Hal ini dikarenakan semakin banyak data yang digunakan menyebabkan
semakin besar nilai RMSE yang dihasilkan dan memperkecil nilai R2. Jadi pada penelitian
ini penggunaan data traffic count sebanyak 77 data belum dapat menunjukkan pengaruh
terhadap tingkat akurasi MAT dalam proses estimasi matriks.
Tetapi jika diperhatikan ada saat dimana grafik turun pada pengujian RMSE dan naik
pada pengujian R2 yaitu pada tahap ke 9 dengan penggunaan data traffic count sebanyak
52 data (sebagai nilai optimum). Hal tersebut menunjukkan peningkatan akurasi MAT
dan arus lalu lintas hasil pembebanan yang dihasilkan dengan nilai RMSE sebesar 31.501
dan nilai R2 sebesar 0.73367. Hasil tersebut dapat digunakan sebagai acuan penelitian
berikutnya sebagai data minimal yang dapat dipakai dalam estimasi MAT kota Surakarta.
BAB 5
KESIMPULAN DAN SARAN
5.1. Kesimpulan
Berdasarkan analisis dan pembahasan yang telah dilakukan untuk mengestimasi MAT di
kota Surakarta dari data traffic count dengan metode estimasi Steepest descent, dapat
diambil kesimpulan bahwa semakin banyak data traffic count yang digunakan dalam
proses estimasi MAT dan pembebanan (assignment) menyebabkan semakin besar nilai
RMSE yang dihasilkan dan memperkecil nilai R2. Jadi pada penelitian ini penggunaan
data traffic count sebanyak 77 data belum dapat menunjukkan pengaruh terhadap
47
tingkat akurasi MAT dalam proses estimasi matriks. Akan tetapi pada tahap ke 9 dengan
penggunaan data traffic count sebanyak 52 data terjadi titik optimasi dari grafik. Hal
tersebut menunjukkan peningkatan akurasi MAT dan arus lalu lintas hasil pembebanan
yang dihasilkan dengan nilai RMSE sebesar 31.501 dan nilai R2 sebesar 0.73367.
Sehingga hasil tersebut dapat digunakan sebagai acuan penelitian berikutnya sebagai
data minimal yang dapat dipakai dalam estimasi MAT kota Surakarta.
5.2. Saran
Beberapa saran yang dapat dikemukakan untuk penelitian selanjutnya adalah:
1. Perlu adanya kajian lanjut yang mengacu pada sistem pengambilan titik survei
berdasarkan pada penentuan kordon line.
2. Perlu adanya penelitian lanjut untuk mencari pengaruh jumlah ruas jalan pada
suatu daerah kajian terhadap tingkat akurasi MAT dan arus lalu lintas hasil
pembebanan.
3. Perlu adanya kajian lanjut dengan membandingkan metode yang dipakai
dalam proses estimasi Matriks Asal Tujuan.
4. Mungkin juga kajian lanjut dengan menggunakan program lainnya.
5. DAFTAR REFERENSI
6.
7. Anonim.1997. Buku Pedoman Skripsi dan Laporan Kerja Praktek. Fakultas Teknik
Jurusan sipil Universitas Sebelas Maret. Surakarta.
8. Hobbs, F.D. 1995. Perencanaan dan Teknik Lalu Lintas. Gadjah Mada
Universitas Press. Yogyakarta
9. Nugroho, Dewi. 2007. Estimasi Matrik Asal Tujuan dari Data Lalu Lintas dengan
Metode Estimasi Kuadrat Terkecil (Aplikasi Software EMME/3). Skripsi. Fakultas
Teknik Jurusan Sipil Universitas Sebelas Maret. Surakarta.
10. Tamin, Ofyar Z. 2000. Perencanaan dan Pemodelan Transportasi Edisi kedua.
ITB. Bandung.
48
11. Wijiastuti, Rahayu Mahanani. 2008. Estimasi Matrik Asal Tujuan dari Data Lalu
Lintas dengan Metode Estimasi Inferensi Bayesian (Studi Kasus Kota Surakarta).
Skripsi. Fakultas Teknik Jurusan Sipil Universitas Sebelas Maret. Surakarta.
12. ______,Nurmalia. 2009. Estimasi Matrik Asal Tujuan dari Data Lalu Lintas
dengan Metode Entropi Maksimum (Studi Kasus Kota Surakarta). Skripsi.
Fakultas Teknik Jurusan Sipil Universitas Sebelas Maret. Surakarta.
13. ______. 1997. Manual Kapasitas Jalan Indonesia (MKJI) 1997. Direktorat
Jenderal Bina Marga Departemen Pekerjaan Umum RI. Jakarta.
14. ______. 2009. Evaluasi Kapasitas Ruas Jalan di Pasnjaitan Kota Gorontalo
(Analisa Menggunakan Metode MKJI 1997). http://jafarmadina.blogspot.com.
15. Suyono, Rudi Sugiyono. 2000. Studi Penentuan Lokasi Traffic Count Terbaik dan
Jumlah Data Arus Lalu Lintas Optimum Dalam Estimasi Matriks Asal Tujuan
(MAT). http://ITB Central Library.com