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 :
ANTON WAHYUDI NIM. I 0105043
JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS SEBELAS MARET SURAKARTA 2010
53
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 :
ANTON WAHYUDI NIM. I 0105043 Telah disetujui untuk dipertahankan dihadapan Tim Penguji Pendadaran Jurusan Teknik Sipil Fakultas Teknik Universitas Sebelas Maret
Persetujuan Dosen Pembimbing Dosen Pembimbing I
Dosen Pembimbing II
DR. Eng. Ir. Syafi’i , MT N I P . 19670602 199702 1001
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 :
ANTON WAHYUDI NIM. I 0105043 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
Ir.NOEGROHO DJARWANTI, MT NIP. 19561112 198403 2007
Disahkan, Ketua Jurusan Teknik Sipil Fakultas Teknik UNS
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
Kupersembahkan ini semua untuk keluargaku, sahabatku, teman-temanku.
Tidak ada yang begitu berharga selain doa yang telah kalian berikan.
Terima kasih.
58
ABSTRAK 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..........................................................................................
i
HALAMAN PERSETUJUAN...........................................................................
ii
HALAMAN PENGESAHAN............................................................................
iii
MOTTO ............................................................................................................
iv
PERSEMBAHAN..............................................................................................
v
ABSTRAK.........................................................................................................
vi
ABSTRACT......................................................................................................
vii
KATA PENGANTAR.......................................................................................
viii
DAFTAR ISI......................................................................................................
x
DAFTAR TABEL..............................................................................................
xiii
DAFTAR GAMBAR.........................................................................................
xv
DAFTAR NOTASI DAN SIMBOL..................................................................
xvi
DAFTAR LAMPIRAN......................................................................................
xvii
BAB 1
BAB 2
PENDAHULUAN 1.1. Latar Belakang Masalah..............................................................
1
1.2. Rumusan Masalah.......................................................................
3
1.3. Batasan Masalah..........................................................................
3
1.4. Tujuan Penelitian.........................................................................
4
1.5. Manfaat Penelitian.......................................................................
5
LANDASAN TEORI 2.1. Tinjauan Pustaka.........................................................................
6
2.2. Landasan Teori…....……………………………………………
8
2.2.1.
Pemodelan……….…………………………………….
8
2.2.2.
Daerah Kajian ………………………………………...
9
2.2.3.
Sistem Zona………………………..………………….
10
2.2.4.
Sistem Jaringan Transportasi………………………….
11
2.2.5.
Klasifikasi Fungsi Jalan……………………………….
12
2.2.6.
Karakteristik Jalan……………………………………..
13
63
2.2.7.
Satuan Mobil Penumpang……………………………..
14
2.2.8.
Kapasitas…………..…………………………………..
16
2.2.9.
Kecepatan…………..………………………………….
20
2.2.10. Volume dan Komposisi Lalu Lintas…………………..
26
2.2.11. Hubungan Kurva Kecepatan-Arus dan Biaya-Arus…...
26
2.2.12. Matriks Asal Tujuan..................................................
29
2.2.13. Konsep Model Gravity sebagai Model Sebaran Pergerakan ……….................................................... 2.2.14. Metode Steepest Descent……………………………...
32
2.2.15. Indikator Uji Statistik………………………………….
33
2.2.16. EMME/3
BAB 3
BAB 4
30
(Equilibre
Multimodal,
Multimodal
Equilibrium)…………………………………………..
34
2.3. Kelebihan EMME/3 dengan program lain (SATURN)……….
38
METODE PENELITIAN 3.1. Lokasi Penelitian…………………...………………………….
40
3.2. Data yang Dibutuhkan ………………………………………..
40
3.3. Lokasi Survei …………………………………………………
44
3.4. Tahapan Penelitian…..……………………………………….
45
3.5. Prosedur Survei Primer……………………………………….
48
3.5.1. Survei Pendahuluan……………………………………
48
3.5.2. Teknik Pengumpulan Data…………………………….
48
3.5.3. Desain Survei………………………………………….
49
3.6. Teknik Analisis Data………………………………………….
50
3.6.1. Pembuatan Basis Data….……………………………...
50
3.6.2. Analisis Data…………………………………………..
50
ANALISIS DATA DAN PEMBAHASAN 4.1. Umum………………………………………………………….
53
4.2. Pengolahan dan Penyajian Basis Data………………………...
53
4.2.1. Data primer dan Sekunder…………………………….
53
4.2.2. Pembagian Zona……………………………………….
54
64
BAB 5
4.2.3. Perhitungan Jumlah Kendaraan pada Jam Puncak……
55
4.2.4. Perhitungan Kapasitas………………………………...
57
4.2.5. Perhitungan Waktu Tempuh………………………….
58
4.3. Analisis dengan Program EMME/3…………………………..
59
4.3.1. Input Basis Data Jaringan Jalan………………………
59
4.3.2. Input Data Arus Lalu Lintas (Traffic Count)…………
61
4.3.3. Input Data Matriks Awal (Prior Matrix)……………..
62
4.3.4. Estimasi Matriks dengan EMME/3…………………..
69
4.3.5. Pembebanan Matriks ke jaringan jalan……………….
69
4.4. Uji Validitas.....................................................................
70
4.5. Pembahasan…………………………………………………..
71
KESIMPULAN DAN SARAN 5.1. Kesimpulan……………………………………………………
73
5.2. Saran…………………………………………………………...
73
DAFTAR PUSTAKA………………………………………………………...
xviii
LAMPIRAN…………………………………………………………………..
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..........................................................
Tabel 2. 7
18
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
Faktor penyesuaian kapasitas untuk pengaruh ukuran kota FCcs pada jalan perkotaan.........................................................
20
Tabel 2. 10
Kecepatan arus bebas dasar (FV0) untuk jalan perkotaan…….. 21
Tabel 2. 11
Penyesuaian kecepatan arus bebas untuk lebar jalur lalu lintas (FVw) pada jalan perkotaan…………………………………… 22
Tabel 2. 12
Faktor penyesuaian (FFVsf) untuk pengaruh hambatan samping dan lebar bahu pada kecepatan arus bebas untuk jalan perkotaan dengan bahu………………………………….. 23
Tabel 2. 13
Faktor penyesuaian (FFVsf) untuk pengaruh hambatan samping dan jarak kerb penghalang jalan perkotaan dengan kerb……………………………………………………………. 24
Tabel 2. 14
Faktor penyesuaian untuk pengaruh ukuran kota pada kecepatan arus bebas kendaraan ringan untuk jalan perkotaan.. 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……………………………………..
Tabel 4. 7
Perbandingan traffic count dengan arus hasil pembebanan pada tahap ke 13 proses running………………………………
Tabel 4. 8
63
69
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
Peta Administrasi Kota Surakarta …………………………. 41
Gambar 3.2
Peta Pembagian Zona Kota Surakarta……………………..
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..............................................
Gambar 4.1
Network Editor ...................................................................... 60
Gambar 4.2
Editor toolbar………………………………………………
Gambar 4.3
Grafik Pengaruh Jumlah Traffic Count MAT dan arus lalu
42
52
60
lintas…………….………………………………………….. 71
68
DAFTAR NOTASI DAN SIMBOL
Ai , B d = faktor penyimbang untuk setiap zona asal i dan tujuan d
C
= Kapasitas (smp / jam)
Cid
= 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
f (Cid ) = 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). Oi
= total pergerakan dari zona asal i
pidl
= 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)
Tid
= jumlah pergerakan dari zona asal i ke zona tujuan d
t0
= waktu tempuh pada saat V0 (detik)
Vˆl
= arus lalu lintas hasil pengamatan pada ruas l
Vl
= 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), KemiripanMaksimum (KM), Inferensi-Bayes (IB), dan Entropi-Maksimum (EM). Sedangkan model pemilihan rute yang akan ditinjau pengaruhnya adalah model all-ornothing 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. Tahaptahap 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. Pusat zona
Gateway
zona Ruas
1
2 3
4 Simpul
5 6 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 diujungujungnya. 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
MC
(kend/jam) HV
Lebar lajur lalu lintas Cw (m) ≤6
≥6
Dua lajur tak terbagi
0
1,3
0,5
0,4
(2/2 UD)
≥1800
1,2
0,35
0,25
Empat lajur tak terbagi
0
1,3
0,4
(4/2 UD)
≥3700
1,2
0,25
Sumber: MKJI 1997 Tabel 2.2. emp untuk jalan perkotaan terbagi dan satu arah Tipe jalan: Jalan Satu Arah dan
Emp
Arus Lalu lintas Per Lajur (kend/jam)
HV
MC
0
1,3
0,4
Empat Lajur terbagi (4/2D)
1050
1,2
0,25
Tiga Lajur satu arah (3/1)
1
1,3
0,4
1100
1,2
0,25
Jalan Terbagi Dua Lajur satu arah (2/1) Dan
Dan Enam Lajur terbagi (6/2D) 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 Kapasitas Dasar
Tipe Jalan
Catatan
(smp/jam)
Empat lajur terbagi atau
1650
Perlajur
Empat lajur tak terbagi
1500
Perlajur
Dua lajur tak terbagi
2900
Total dua arah
jalan satu arah
Sumber: MKJI 1997
Tabel 2.4. Faktor penyesuaian kapasitas (FCw) untuk pengaruh lebar jalur lalu lintas untuk jalan perkotaan `
Empat lajur terbagi atau Jalan satu arah
Lebar Jalur Lalu Lintas Efektif (Wc) (m) Perlajur 3,00 3,25 3,50
FCw
0,92 0,96 1,00
85
Empat lajur tak terbagi
Dua lajur tak terbagi
Sumber: MKJI 1997
3,75 4,00 Perlajur 3,00 3,25 3,50 3,75 4,00 Total dua arah 5 6 7 8 9 10 11
1,04 1,08 0,91 0,95 1,00 1,05 1,09 0,56 0,87 1,00 1,14 1,25 1,29 1,34
86
Tabel 2.5. Faktor penyesuaian kapasitas untuk pemisahan Arah (FCsp) Pemisahan arah SP 50-50 55-45 60-40 65-35 70-30 %-% Dua lajur 2/2 1,00 0,97 0,94 0,91 0,88 Empat lajur FCsp 1,00 985 0,97 0,9555 0,94 4/2 Sumber: MKJI 1997 Tabel 2.6. Faktor penyesuaian kapasitas (FCsf) untuk pengaruh hambatan dan lebar bahu Faktor Penyesuaian hambatan samping dan Kelas Lebar bahu (FCsf) Tipe Hambatan Jalan Lebar bahu (m) Samping £ 0,5 1,0 1,5 ³ 2,0 VL 0,96 0,98 1,01 1,03 ML 0,94 0,97 1,00. 1,02 4/2D M 0,92 0,95 0,98 1,00 H 0,88 0,92 0,95 0,98 VH 0,84 0,88 0,92 0,96 VL 0,96 0,99 1,01 1,03 ML 0,94 0,97 1,00 1,02 4/2UD M 0,92 0,95 0,98 1,00 H 0,87 0,91 0,94 0,98 VH 0,80 0,86 0,90 0,95 2/2UD VL 0,94 0,96 0,99 1,01 Atau ML 0,92 0,94 0,97 1,00 jalan M 0,89 0,92 0,95 0,98 satu H 0,82 0,86 0,90 0,95 arah VH 0,73 0,79 0,85 0,91 Sumber: MKJI 1997
87
Tabel 2.7. Faktor penyesuaian kapasitas (FCsf) untuk pengaruh hambatan samping dan jarak Kerb-Penghalang (FCsf) Faktor Penyesuaian hambatan samping dan Kelas Lebar bahu (FCsf) Tipe Hambatan Jalan Lebar kerb-penghalang (m) Samping £ 0,5 1,0 1,5 ³ 2,0 VL 0,95 0,97 0,99 1,03 ML 0,94 0,96 0,98. 1,00 4/2D M 0,91 0,93 0,95 0,98 H 0,86 0,89 0,92 0,95 VH 0,81 0,85 0,88 0,92 VL 0,95 0,97 0,99 1,03 ML 0,93 0,95 0,97. 1,00 4/2UD M 0,90 0,92 0,95 0,97 H 0,84 0,87 0,90 0,93 VH 0,77 0,81 0,85 0,90 2/2UD VL 0,93 0,95 0,97 0,99 Atau ML 0,90 0,92 0,95 0,97 jalan M 0,86 0,88 0,91 0,94 satu H 0,78 0,81 0,84 0,88 arah VH 0,68 0,72 0,77 0,82 Sumber: MKJI 1997
Tabel 2.8. Kelas Hambatan Samping untuk Jalan Perkotaan Frekuensi Kelas Berbobot Kondisi Khusus Hambatan kejadian Samping < 100 Pemukiman, hampir tidak Sangat ada Rendah 100-299 Kegiatan Pemukiman, beberapa Rendah 300-499 angkutan Umum,dll Sedang 500-899 Daerah industri dengan tokotoko di sisi jalan Tinggi >900 Daerah niaga dengan aktifitas di Sangat Tinggi Sisi jalan yang tinggi Daerah niaga dengan aktifitas di sisi jalan yang sangat tinggi Sumber: MKJI 1997
Kode VL L M H VH
88
Tabel 2.9. Faktor penyesuaian kapasitas untuk pengaruh ukuran kota FCcs pada jalan perkotaan Ukuran Kota Faktor Penyesuaian untuk Ukuran Kota (Juta Penduduk) FCcs <0,1 0,86 0,1-0,5 0,90 0,5-1,0 0,94 1,0-3,0 1,00 >3,0 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 Enam Lajur Terbagi (6/2D) Atau tiga lajur satu arah
Kecepatan arus bebas dasar (FV0) (km/jam) Kendaraan Sepeda Rata-rata Kendaraan Ringan Motor Kendaraa Berat (HV) (LV) (MC) n 61
52
48
57
89
(3/1) Empat Lajur Terbagi (4/2D) Atau dua lajur satu arah (2/1) Empat lajur tak terbagi (4/2 UD) Dua lajur tak terbagi (2/2 UD)
57
50
47
55
53
46
43
51
44
40
40
42
Tabel 2.11. Penyesuaian kecepatan arus bebas untuk lebar jalur lalu lintas (FVw) pada jalan perkotaan. Tipe Jalan
Empat lajur terbagi Atau Jalan Satu Arah
Empat lajur tak terbagi
Dua Lajur tak terbagi
Lebar Jalur Lalu lintas Efektif (Wc) (m) Perlajur 3,00 3,25 3,50 3,75 4,00 Perlajur 3,00 3,25 3,50 3,75 4,00 Total dua arah 5 6 7 8 9 10 11
FVw
-4 -2 0 2 4 -4 -2 0 2 4 -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.
90
Tipe Jalan
4/2D
4/2UD
2/2UD Atau jalan satu arah
Kelas Hambatan Samping VL ML M H VH VL ML M H VH VL ML M H VH
Faktor Penyesuaian hambatan samping dan Lebar bahu (FFVsf) Lebar bahu (Ws) £ 0,5 1,0 1,5 ³ 2,0 1,02 1,03 1,03 1,04 0,98 1,00 1,02 1,03 0,94 0,97 1,00 1,02 0,89 0,93 0,96 0,99 0,84 0,88 0,92 0,96 1,02 1,03 1,03 1,04 0,98 1,00 1,02 1,03 0,93 0,96 0,99 1,02 0,87 0,91 0,94 0,98 0,80 0,86 0,90 0,95 1,00 1,01 1,01 1,01 0,96 0,98 0,99 1,00 0,90 0,93 0,96 0,99 0,82 0,86 0,90 0,95 0,73 0,79 0,85 0,91 Sumber: MKJI 1997
Tabel 2.13. Faktor penyesuaian (FFVsf) untuk pengaruh hambatan samping dan jarak kerb penghalang jalan perkotaan dengan kerb. Faktor Penyesuaian hambatan samping dan Kelas Lebar bahu (FFV4sf) Tipe Hambatan Jalan Jarak kerb Samping £ 0,5 1,0 1,5 ³ 2,0 VL 1,00 1,01 1,01 1,02 ML 0,97 0,98 0,99 1,00 4/2D M 0,93 0,95 0,97 0,99 H 0,87 0,90 0,93 0,96 VH 0,81 0,85 0,88 0,92 VL 1,01 1,01 1,01 1,00 ML 0,98 0,98 0,99 1,00 4/2UD M 0,91 0,93 0,95 0,98 H 0,84 0,87 0,90 0,94 VH 0,77 0,81 0,85 0,90 2/2UD VL 0,98 0,99 0,99 1,00 Atau ML 0,93 0,95 0,96 0,98 jalan M 0,87 0,89 0,92 0,95 satu H 0,78 0,81 0,84 0,88 arah VH 0,68 0,77 0,77 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 Faktor Penyesuaian Ukuran Kota (Juta penduduk) (FVcs) <0,1 0,90 0,1-0,5 0,93 0,5-1,0 0,95 1,0-3,0 1,00 >3,0 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 :
t = t 0a
æ V b çç è Q P
ö ÷ ÷ ø
(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 : b é ö ù t = t 0 ê1 + a æç V ÷ ú è QP ø û ë
(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.
A
B
Gambar 2.4. Matrik Asal [A] dan Tujuan [B] (Wells,1975)
B
A E
C D
Gambar 2.5. Diagram garis keinginan (desire line)
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:
T idl = O i . D d . f (C id
)
(2.11)
Persamaan (2.19) dapat digunakan dengan batasan sebagai berikut:
åT
id
d
= Oi
åT
id
dan
= Dd
(2.12)
i
Sehingga pengembangan persamaan (2.11) dengan menggunakan batasan persamaan (2.12) adalah sebagai berikut:
T idl = O i . D d . A i . B d f (C id
)
Tid
= jumlah pergerakan dari zona asal i ke zona tujuan d
Ai , B d
= faktor penyimbang untuk setiap zona asal i dan tujuan d
Oi
= total pergerakan dari zona asal i
(2.13)
97
Dd
= total pergerakan ke zona tujuan d
f (Cid )
= fungsi umum biaya perjalanan
Persamaan (2.13) dipenuhi jika digunakan konstanta Ai dan Bd (disebut sebagai konstanta penyeimbang) yang terkait dengan setiap zona bangkitan dan tarikan. Ai =
1 å (Bd D d f id )
Bd =
d
1 å ( Ai Oi f id )
(2.14)
i
Untuk mendapatkan kedua nilai tersebut perlu dilakukan proses iterasi sampai masing-masing nilai Ai dan Bd menghasilkan nilai tertentu (konvergen).
Hyman (1969) seperti yang dikutip Tamin (1997) menjelaskan 3 jenis fungsi hambatan yang dapat dipergunakan dalam model gravity sebagai berikut:
f (Cid ) = Cid-a
(2.15)
Fungsi eksponensial :
f (Cid ) = e -bCid
(2.16)
Fungsi Tanner
f (Cid ) = Cida .e - bCid
(2.17)
Fungsi pangkat
:
:
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: Ai =
1 å (Bd D d f id ) d
Bd =
untuk semua i;
1 å ( Ai Oi f id ) i
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 va i, a Î A . Dengan volume ini, atribut link tambahan ca dihitung dengan penghitung jaringan sebagai
99
va - vˆa
jika
0
yang lainnya
aÎ A
ca (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): 1 2
Ù
RMSE =
åå
(2.25)
(T ij - Tij ) 2
N ( N - 1)R² didefinisikan sebagai persamaan (2.26): i j Indikator statistik
R2 =1-
æÙ åi åd çèV id - Vid ö÷ø
2
2
untuk
i¹d
(2.26)
Ù åi åd æçèV id - V1 ö÷ø 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
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.
Gambar 2.6. 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
101
secara luas dari operasi garis perintah, termasuk merinci model kebutuhan, pembebanan, jaringan, dan kalkulator matriks (Gambar 2. 2.7). Sedangkan alat pemodelan transportasi yang lain mencakup the EMME macro language untuk melakukan otomatisasi.
Gambar 2.7. 7. The EMME Prompt (Prompt Console) Prosedur perhitungan program EMME/3 3 dalam membuat matriks baru dari estimasi matriks dan arus lalu lintas hasil proses pembebanan ke jaringan jalan, secara umum dapat dilihat pada Gambar 2. 2.8.
Data MAT awal /prior matrix
Penyusunan MAT (Prompt console)
102
Basis data jaringan jalan
Penyusunan Jaringan (Network Editor)
Data arus lalu lintas /traffic count
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 tersedia di pasaran. Paket Pemasok Kapasitas Sistem operasi Program MVA 300 Zona MicroTRIPS MS-DOS Systematica 4.000 ruas Steer, 400 Zona MOTORS Davies, and MS-DOS 6.000 ruas Gleave University of 500 Zona SATURN MS-DOS leeds 7.000 ruas Wooton 500 Zona MINITRAMP Jeffreys and MS-DOS 5.000 ruas Partners The Urban 3.000 Zona Abalysis TRANPLAN 60.000 Windows Group ruas California 3.000 Zona Caliper TRANSCAD 60.000 Windows Corporation ruas 1.200 Zona INRO 24.000 Consultant STAN ruas Windows University 100 de Montreal skenario 500 Zona STRADA JICA 10.000 Windows ruas INRO 2.800 Zona Consultant EMME/2 56.000 MS-DOS University ruas de Montreal Sumber : Ofyar (2008)
yang telah Keluaran Numerik Numerik Numerik dan grafik Numerik Numerik, grafik dan GIS Numerik, grafik dan GIS Numerik, grafik dan GIS Numerik, dan grafik Numerik, grafik dan GIS
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.
Gambar 3.1. Peta Administrasi Kota Surakarta
105
Gambar 3.2. Peta Pembagian Zona Kota Surakarta
106
Gambar 3.3. Peta Jaringan Kota Surakarta
107
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 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
Nama jalan 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 Nomor Nama jalan 29 Jl. Yos Sudarso 30 Jl. Dr. Radjiman 31 Jl. Kolonel Sugiyono 32 Jl. Brigjen Katamso 33 Jl. Joko Tingkir 34 Jl. Adi Sumarmo 35 Jl. Slamet Riyadi 36 Jl. Veteran 37 Jl. Kyai Mojo 38 Jl. Palur 39 Jl. Adi Sucipto 40 Jl. Ring Road 41 Jl. Tangkuban Perahu 42 Jl. Bridjen Sudarto 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
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
Mulai Pengumpulan Data Data Primer
Data Sekunder Data dari instansi-instansi terkait 1. BAPEDA (peta Wilayah Surakarta) 2. BPS (Jumlah penduduk) 3. DPU Surakarta (Jaringan jalan)
Survei arus lalu lintas di beberapa titik ruas jalan di Kota Surakarta
Pengolahan data dengan standar MKJI sehingga diperoleh basis data Input basis data, prior matriks 2002, traffic count Estimasi MAT dengan software EMME/3 Pembebanan MAT ke jaringan jalan (EMME-3) Uji validasi (parameter RMSE dan determinasi (R2)) Analisis dan pembahasan
Kesimpulan Selesai Gambar 3.3. Bagan Alir Tahap-Tahap Penelitian
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 pembebanan.
Basis Data
dengan arus lalu lintas hasil
116
data Traffic Count Matriks Awal (Prior Matrix)
NETWORK (EMME-3)
Penambahan data traffic count
Estimasi Matriks
MAT Baru
Assignment
Arus lalu lintas
tidak
Konvergen Va ≈ Va’ ya Uji Validitas
Uji determinasi (R2) terhadap arus lalu lintas
Uji parameter statistik RMSE terhadap MAT
Gambar 3.4. Bagan alir teknik analisis data
BAB 4 ANALISIS DAN PEMBAHASAN
4.1. Umum
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 5. Wilayah Kecamatan Banjarsari 39 Kadipiro 40 Banyuanyar 41 Nusukan 42 Sumber 43 Gilingan 44 Manahan 45 Mangkubumen 46 Punggawan 47 Kestalan 48 Ketelan 49 Setabelan 50 Timuran 51 Keprabon
52 53 54 55 56 57 58 59 60 61 62 63 64 65
Zona Eksternal Colomadu Pabelan Kartosuro Makam Haji Kartosuro Cemani Solo Baru Grogol Sukoharjo Bekonang Palur Karanganyar Plupuh Sragen Jl. Clolo arah Karanganyar Arah Purwodadi Ngemplak Boyolali Gentan Sukoharjo Kebak Kramat Karanganyar
Tabel 4.2. Koordinat centroid dan node Simpul 701 702 703 704 705 … 298
koordinat X 1394.716 2005.345 2919.327 1944.118 2886.463 … 9880
koordinat Y 4631.21 4315.733 4081.073 2994.703 3338.475 … 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.
55
Tabel 4.3. Perhitungan jumlah kendaraan pada jam puncak
56
Untuk perhitungan selengkapnya dapat dilihat pada lampiran E.
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
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.
xviii
= 0,81
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 =
S ´ 3600 V
tc =
S ´ 3600 Vc
to =
0, 21 ´ 3600 40 ,78
tc =
0, 21 ´ 3600 20 ,39
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 Awal Akhir A B 701 1 702 2 703 4 … … 298 93
Waktu tempuh pada Total Arus Bebas Kapasitas Kapasitas (detik) (detik) (smp/jam/ruas) 120 120 9000 120 120 9000 120 120 9000 … … … 101.67 203.34 4269
Jarak Tipe Operasi 2 2 2 … 2
(m) 330 220 240 … 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 1 2 1 701 701 1 95 759 759 95 18 19 271 762 762 271 105 756 756 105 86 85 85 86 61 754 754 61 55 765 765 55 36 35 35 36 23 752 752 23 133 167 167 133 46 47 47 46 145 758 758 145 89 51 51 89 9 8 8 9 56 763 763 56 26 25 25 26 NODE 1 2 92 241 241 92 40 41
arus jam puncak (smp/jam) 1285 1287 1827 2666 1851 531 1026 1443 1811 1046 996 962 984 652 588 1356 1432 1012 1341 807 794 650 807 406 1161 450 729 591 989 438 679 1381 2135 arus jam puncak (smp/jam) 1345 1183 898
1
2
3
4
5
6
7
Tahapan 8 9 10
11
1
2
3
4
5
6
7
Tahapan 8 9 10
11
12
13
14
Berlanjut… 12 13 14
36
41 285 760 128 288 757 193 208 138 139 117 764 94 91 264 35 136 755 22 78 67 66 3 2 257 256 30 29 26 3 86 266 37 287 760 22 39 86 189 188 260
40 760 285 127 757 288 208 193 139 138 764 117 91 94 35 264 755 136 78 22 66 67 2 3 256 257 29 30 3 26 91 37 266 760 287 168 86 39 188 189 35
1188 203 485 530 827 879 404 789 578 589 571 671 952 318 1054 1311 397 627 1872 627 850 864 1154 1057 448 394 1637 1424 959 708 923 1136 617 30 28 1864 1109 1339 1030 936 174
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
701
702
703
704
705
706
707
708
709
710
711
712
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
702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765
1.00 0.30 0.30 0.30 0.30 0.30 0.30 0.40 0.40 0.40 0.40 0.40 0.20 0.20 0.40 0.20 0.40 0.40 1.60 0.40 0.50 0.30 0.30 1.70 0.30 0.30 1.10 1.30 1.20 1.30 0.80 0.30 0.40 0.30 0.30 0.90 0.40 0.40 0.40 8.50 12.10 0.30 0.40 0.40 0.30 0.40 1.20 0.40 0.30 0.40 1.00 3.90 1.00 0.40 1.60 1.70 1.10 1.60 8.50 2.10 2.50 3.40 0.30 3.90
0.00 1.00 0.30 0.30 0.30 0.30 0.30 0.40 0.40 5.30 0.40 2.60 0.20 0.20 0.40 0.20 0.40 2.60 9.50 2.60 3.20 4.30 5.50 1.70 4.60 0.30 1.60 2.00 1.80 2.00 2.40 4.00 4.20 4.00 4.00 10.60 0.40 5.10 2.60 9.60 14.90 0.50 5.10 5.10 0.10 0.20 23.80 2.60 1.70 2.30 1.00 3.90 1.00 0.40 1.60 1.70 17.80 12.70 9.60 2.40 3.20 3.40 0.30 4.50
1.00 0.00 1.00 1.00 1.00 1.00 1.00 1.30 1.30 1.30 1.30 1.30 0.70 0.70 1.30 0.70 1.30 1.30 4.80 1.30 1.60 0.80 1.00 5.20 0.90 1.00 1.60 2.00 1.80 2.00 2.40 1.80 13.50 21.00 21.00 2.20 1.70 1.30 1.30 9.60 14.90 0.50 1.70 1.30 0.90 1.20 3.50 1.30 0.90 1.20 1.00 2.00 3.00 1.30 4.80 5.30 3.40 17.10 9.60 2.40 3.20 1.00 1.00 4.50
0.50 1.00 0.00 1.00 1.00 1.00 1.00 7.20 1.80 7.20 1.80 1.80 1.80 1.80 7.20 1.80 7.20 1.30 6.50 4.00 6.50 9.80 2.80 28.20 14.30 2.80 1.60 2.00 1.10 2.00 1.70 1.00 1.10 1.00 2.70 2.70 1.30 1.30 1.30 2.80 1.70 1.00 1.30 1.30 0.90 1.20 3.50 1.30 0.90 1.20 1.00 2.00 3.00 7.20 26.30 28.70 9.10 7.80 2.80 2.40 3.20 1.00 1.00 1.30
0.50 1.00 1.00 0.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.30 1.80 1.70 1.30 1.30 0.80 3.90 0.80 0.80 1.60 2.00 1.10 2.00 1.50 1.00 1.10 1.00 2.70 2.70 1.30 1.30 1.30 1.90 1.70 1.00 1.30 1.30 0.90 1.20 3.50 1.30 0.90 1.20 1.00 2.00 3.00 1.00 3.60 4.00 2.50 7.80 1.90 2.40 3.20 1.00 1.00 0.90
0.50 1.00 1.00 1.00 0.00 1.00 1.00 1.00 7.20 1.80 7.20 1.80 1.80 1.80 7.20 1.80 7.20 1.80 6.50 4.40 6.50 9.70 2.80 28.00 4.20 2.80 1.00 2.00 1.20 2.00 1.30 1.00 1.10 1.00 4.90 4.90 1.90 2.10 1.10 1.20 6.10 1.90 1.90 1.80 3.00 1.60 10.50 1.80 1.20 1.60 1.00 2.00 3.00 7.20 26.20 28.50 9.10 23.10 1.20 2.10 2.00 1.00 1.00 0.50
0.50 1.00 1.00 1.00 1.00 0.00 1.00 1.00 0.90 0.50 0.90 0.50 0.50 0.50 0.90 0.50 0.90 0.90 1.60 1.10 1.60 1.60 0.70 3.50 0.70 0.70 2.00 5.40 2.00 5.40 2.00 1.60 1.00 1.00 2.00 2.00 0.90 0.90 0.90 0.90 1.20 1.00 0.90 0.90 0.60 0.80 2.40 0.90 0.60 0.80 1.00 2.00 3.00 0.90 3.30 3.60 2.30 5.40 1.00 3.90 3.90 2.70 1.00 0.40
26.50 1.00 1.00 1.00 1.00 1.00 0.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 3.60 1.10 1.20 0.60 0.80 3.90 0.70 0.80 85.80 252.90 92.40 252.90 92.40 74.60 47.00 1.00 2.20 2.20 1.00 1.00 1.00 54.40 1.40 0.80 1.00 1.00 0.70 0.90 2.70 1.00 0.70 0.90 0.50 2.00 3.00 1.00 3.60 4.80 2.50 6.00 54.40 151.50 177.00 138.70 1.00 25.30
0.90 1.70 1.00 1.00 1.00 1.00 1.00 0.00 0.90 0.90 0.90 0.90 1.80 0.50 0.90 2.70 0.90 1.00 3.20 1.00 0.70 0.70 1.40 1.80 1.20 1.40 1.60 6.90 1.60 6.80 1.60 1.00 1.00 1.00 2.20 2.20 1.00 1.00 1.00 1.00 1.40 0.80 1.00 1.00 0.70 0.90 2.70 1.00 0.70 0.90 4.70 3.40 3.00 0.90 9.80 2.10 4.50 6.00 0.80 3.20 3.10 3.40 1.00 0.50
0.90 1.70 4.80 1.00 4.80 1.00 1.00 1.00 0.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.80 1.20 1.80 1.80 0.80 3.90 0.80 0.80 1.10 6.90 1.10 6.80 1.10 1.00 1.00 1.00 1.10 1.10 1.00 1.00 1.00 2.00 1.40 0.60 1.00 1.00 0.70 0.40 1.80 1.00 0.30 0.40 4.70 3.40 13.20 1.00 3.60 4.00 2.50 3.00 0.40 2.20 1.10 3.40 4.80 0.90
1.70 3.30 1.00 1.00 1.00 1.00 2.00 2.00 1.00 0.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 3.60 2.00 3.60 1.80 0.80 3.90 0.80 0.80 2.20 11.60 2.20 12.90 2.20 2.00 1.00 1.00 2.20 2.20 1.00 1.00 1.00 1.00 1.40 0.80 1.00 1.00 0.70 0.90 2.70 1.00 0.70 0.90 9.40 7.50 2.80 1.00 3.60 4.00 2.50 6.00 0.80 4.50 4.40 7.10 1.00 0.50
0.90 1.70 4.80 1.00 4.80 1.00 1.00 1.00 1.00 1.00 0.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 3.60 2.40 3.60 1.60 1.60 1.00 1.60 1.60 2.20 4.50 2.20 6.60 2.20 1.00 1.00 1.00 2.20 2.20 1.00 1.00 1.00 8.10 2.70 1.20 1.00 1.00 1.30 0.90 4.50 1.00 0.70 0.90 4.70 3.40 13.20 1.00 3.60 3.90 5.00 10.60 0.80 4.50 4.40 3.10 4.80 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 701 702
Berlanjut…
713
714
715
716
717
718
719
720
721
722
723
724
2.20 2.20
1.70 1.70
1.70 1.70
1.70 1.70
1.70 1.70
1.70 1.70
2.20 1.10
2.20 2.20
2.20 2.20
1.50 1.50
1.50 1.50
1.50 1.50
38
Tujuan Asal 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 SDd
713
714
715
716
717
718
719
720
721
722
723
724
4.20 3.70 2.90 1.20 1.20 2.50 2.50 1.20 1.20 3.00 0.00 3.00 3.00 3.00 3.00 3.00 1.00 10.80 2.40 3.60 14.40 4.70 44.80 6.30 4.70 2.80 2.80 2.80 14.90 2.80 2.50 1.30 1.30 2.80 2.80 1.00 1.30 1.00 10.90 2.70 2.70 1.00 1.00 1.30 0.90 4.50 1.00 0.70 0.90 11.90 9.50 10.90 3.00 10.90 18.90 15.10 10.60 1.10 5.70 5.60 4.00 1.40 5.10
3.30 1.00 1.00 1.00 1.00 2.00 2.00 1.00 1.00 1.00 1.00 0.00 1.00 1.00 1.00 1.00 1.00 3.60 2.40 3.60 1.60 1.60 7.00 1.60 1.60 2.20 2.20 2.20 11.80 2.20 2.00 1.00 1.00 2.20 2.20 1.00 1.00 1.00 10.40 2.70 2.70 1.00 1.00 1.30 0.90 4.50 1.00 0.70 0.90 9.40 7.50 3.00 1.00 3.60 5.20 5.00 10.60 6.60 4.50 4.40 3.10 1.00 4.90
3.30 4.80 1.00 4.80 1.00 2.00 2.00 1.00 1.00 1.00 1.00 1.00 0.00 1.00 1.00 1.00 1.00 3.60 2.40 3.60 1.60 1.60 1.00 1.60 1.60 2.20 2.20 2.20 11.80 2.20 2.00 1.00 1.00 2.20 2.20 1.00 1.00 1.00 10.90 2.70 1.40 1.00 1.00 1.30 0.90 4.50 1.00 0.70 0.90 9.40 7.50 13.20 1.00 3.60 5.20 5.00 10.60 1.00 4.50 4.40 3.10 4.80 5.10
3.30 4.80 1.00 4.80 1.00 2.00 2.00 1.00 1.00 1.00 1.00 1.00 1.00 0.00 1.00 1.00 1.00 3.60 2.40 3.60 1.60 1.60 1.00 1.60 1.00 2.20 2.20 2.20 11.80 2.20 2.00 1.00 1.00 2.20 2.20 1.00 1.00 1.00 10.90 2.70 2.70 1.00 1.00 1.30 0.90 4.50 1.00 0.70 0.90 9.40 7.50 13.20 1.00 3.60 3.40 5.00 10.60 8.50 4.50 4.40 3.10 4.80 5.10
3.30 4.80 1.00 4.80 1.00 2.00 2.00 1.00 1.00 1.00 4.00 1.00 1.00 1.00 0.00 1.00 4.00 14.40 0.70 1.00 1.00 1.00 1.00 1.00 1.00 6.60 5.90 5.90 11.80 5.90 2.00 1.00 1.00 4.00 2.20 4.00 1.00 4.00 43.60 10.90 10.90 4.00 4.00 0.50 0.70 3.30 0.70 0.50 0.70 9.40 7.50 13.20 1.00 3.60 3.40 3.20 7.90 34.10 11.50 13.80 11.30 4.80 20.30
3.30 4.80 1.00 4.80 1.00 2.00 2.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 0.00 1.00 3.60 0.70 1.00 1.00 1.00 1.00 1.00 1.00 1.60 1.50 1.50 11.80 1.50 2.00 1.00 1.00 1.00 2.20 1.00 1.00 1.00 5.40 1.40 1.40 1.00 1.00 0.50 0.70 3.40 0.70 0.50 0.70 9.40 7.50 13.20 1.00 3.60 3.40 3.20 8.00 4.30 3.30 3.20 2.80 4.80 2.50
4.20 3.70 3.00 1.30 1.30 2.50 2.50 1.30 1.30 3.00 1.00 3.00 3.00 3.00 7.00 1.00 0.00 1.00 1.00 0.70 0.70 0.70 2.80 0.70 0.70 4.80 1.00 1.00 4.70 1.00 1.20 1.00 1.00 1.00 1.00 1.00 1.30 1.00 10.90 2.70 2.70 1.00 1.00 1.30 0.90 4.50 1.00 0.70 0.90 8.60 9.50 11.00 3.00 25.40 3.10 2.10 10.60 10.70 9.70 9.50 1.00 1.40 5.10
4.20 3.70 3.00 1.30 1.30 2.50 2.50 1.30 1.30 3.00 1.00 3.00 3.00 3.00 7.00 1.00 1.00 0.00 0.70 1.00 1.00 1.10 1.00 1.00 1.60 1.70 1.00 1.00 14.40 1.00 2.50 1.30 1.10 1.00 1.00 1.00 1.30 1.00 10.90 2.70 2.70 1.00 1.00 1.30 0.90 4.50 1.00 0.70 0.90 11.90 9.50 11.00 3.00 25.40 5.20 3.40 10.60 10.70 3.40 3.40 1.00 1.40 5.10
4.20 3.70 3.00 1.30 1.30 2.50 2.50 1.30 1.30 3.00 1.00 3.00 3.00 3.00 0.70 0.70 1.00 1.00 0.00 0.70 0.70 0.70 0.60 0.70 0.70 4.80 1.00 1.00 14.40 1.00 2.50 1.20 1.10 1.00 1.00 1.00 1.30 1.00 5.40 1.40 1.40 1.00 1.00 0.70 1.00 4.90 1.00 0.70 1.00 11.90 9.50 11.00 3.00 25.40 3.10 2.10 11.60 5.40 9.70 9.50 1.00 1.40 2.50
2.90 3.50 2.00 6.90 0.90 1.90 1.90 0.90 0.90 2.00 0.70 2.00 2.00 2.00 1.00 1.00 0.70 0.70 0.70 0.00 1.00 1.00 0.90 1.00 1.00 3.30 0.70 0.70 9.80 0.70 1.70 0.90 0.70 0.70 0.70 0.70 0.90 0.70 3.70 0.90 0.90 0.70 0.70 0.50 0.70 3.30 0.70 0.50 0.70 8.10 6.40 7.50 2.00 3.30 4.70 3.20 7.90 3.70 6.60 6.50 0.70 1.00 1.70
2.90 3.50 1.00 6.90 0.90 1.70 1.70 0.90 0.90 0.90 0.70 1.00 0.90 0.90 1.00 1.00 0.70 0.70 0.70 1.00 0.00 1.00 0.90 1.00 1.00 3.30 0.70 0.70 9.80 0.70 1.70 0.90 0.70 0.70 0.70 0.70 0.90 0.70 3.70 0.90 0.90 0.70 0.70 0.50 0.70 3.30 0.70 0.50 0.70 8.10 6.40 7.50 0.90 3.30 3.40 3.20 7.90 3.70 6.60 6.50 0.70 1.00 1.70
3.00 4.30 0.90 4.30 0.90 1.80 1.80 0.90 0.90 0.90 0.70 0.90 0.90 0.90 1.00 1.00 0.70 0.70 0.70 1.00 1.00 0.00 0.90 1.00 1.00 3.30 0.70 0.70 10.50 0.70 1.80 0.90 0.90 0.70 0.80 0.70 0.90 0.70 3.70 0.90 0.90 0.70 0.70 0.50 0.70 3.30 0.70 0.50 0.70 8.30 6.60 11.90 0.90 3.30 3.40 3.20 7.90 3.70 6.60 6.50 0.70 4.30 1.70
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 701
725
726
727
728
729
730
731
732
733
734
1.70
1.50
1.60
1.30
1.60
1.30
1.60
8.80
0.50
0.60
Berlanjut… 735 736 0.50
0.50
39
702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765
1.70 3.30 20.70 1.00 20.20 1.00 2.00 2.00 4.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 0.90 1.30 1.60 1.60 0.00 1.60 1.60 1.60 1.40 1.40 11.80 1.40 2.00 1.00 1.00 1.00 2.20 1.00 1.00 1.00 10.90 2.70 2.70 1.00 1.00 1.20 0.90 4.50 0.90 0.60 0.90 9.40 7.50 55.60 1.00 3.60 5.20 5.00 10.60 8.50 3.20 3.20 2.80 20.20 5.10
1.50 2.90 0.90 1.00 0.90 0.90 1.70 1.70 0.90 0.90 0.90 0.70 0.90 0.90 0.90 1.00 1.00 0.70 0.70 0.70 1.00 1.00 1.00 0.90 0.00 1.00 3.30 0.70 0.70 9.80 0.70 1.70 0.90 0.70 0.70 0.70 0.70 0.90 0.70 3.70 0.90 0.90 0.70 0.70 0.50 0.70 3.30 0.70 0.50 0.70 8.10 6.40 2.50 0.90 3.30 3.40 3.20 7.90 3.70 6.60 6.50 0.70 0.90 1.70
1.60 3.00 4.30 0.90 4.30 0.90 1.80 1.80 0.90 0.90 0.90 0.90 0.90 0.90 1.00 1.00 1.00 0.70 0.80 0.70 1.00 1.00 1.00 0.90 1.00 0.00 3.30 0.70 0.70 10.50 0.70 1.80 0.90 0.90 0.70 2.00 0.70 0.90 0.90 3.70 0.90 0.90 0.70 0.70 0.50 0.70 3.30 0.70 0.50 0.70 8.40 6.70 11.90 0.90 3.60 3.40 3.20 7.90 3.70 6.60 6.50 0.70 4.30 1.70
1.70 1.70 1.70 1.70 2.30 3.10 64.20 2.00 1.00 1.00 1.00 1.00 3.00 3.00 3.00 7.00 1.00 1.00 1.00 1.00 0.70 0.70 0.70 2.80 0.70 0.70 0.00 0.80 1.00 0.80 1.00 1.20 1.00 1.00 1.00 1.00 1.00 1.00 1.00 7.90 26.20 0.40 1.00 1.00 0.70 0.70 18.30 1.00 0.70 0.70 3.00 5.80 4.90 1.00 25.40 5.60 2.10 37.60 7.90 2.00 2.00 0.80 1.70 3.70
2.00 2.00 2.00 2.00 2.00 4.70 4.70 3.50 1.00 1.00 1.00 1.00 3.00 3.00 3.00 7.00 1.00 1.00 1.00 1.00 0.70 0.70 0.70 2.80 0.70 0.70 0.80 0.00 0.90 1.00 1.00 43.80 2.00 1.00 1.00 1.00 1.00 1.00 1.00 6.40 6.10 0.20 1.00 1.00 0.30 0.30 16.30 1.00 0.70 0.70 3.60 6.90 5.90 1.00 25.40 5.60 2.10 7.10 6.40 1.60 1.60 1.00 2.00 3.00
1.70 1.70 1.70 2.30 1.20 1.60 62.20 2.00 1.00 1.00 1.00 1.00 3.00 3.00 3.00 7.00 1.00 1.00 1.00 1.00 0.70 0.70 0.70 2.80 0.70 0.70 1.00 0.80 0.00 0.80 1.00 1.20 1.00 1.00 1.00 1.00 1.00 1.00 1.00 7.90 6.10 0.20 1.00 1.00 0.30 0.30 16.30 1.00 0.70 0.70 3.00 5.80 5.10 1.00 25.40 5.60 2.10 7.10 7.90 2.00 2.00 0.80 2.30 3.70
2.00 2.00 2.00 2.00 2.00 4.70 4.70 3.50 4.70 3.50 4.70 1.80 9.40 2.30 9.40 14.00 1.80 1.80 1.80 1.80 1.20 1.20 1.20 4.80 1.20 2.50 0.80 1.00 0.90 0.00 1.60 43.80 2.00 2.00 2.00 2.00 1.60 3.50 1.80 6.40 9.70 0.30 1.60 1.60 0.50 0.60 25.70 1.80 1.10 1.30 3.60 6.90 5.90 4.70 50.90 11.80 3.70 11.20 6.40 1.60 1.60 1.00 2.00 3.00
16.80 16.80 1.20 1.20 1.20 1.60 64.20 1.00 1.00 1.00 1.00 1.00 3.00 3.00 3.00 7.00 1.00 1.00 1.00 1.00 0.70 0.70 0.70 2.80 0.70 0.70 1.00 1.00 1.00 3.10 0.00 1.20 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 0.40 0.40 1.00 1.00 0.70 0.70 16.30 1.00 0.70 0.70 25.60 34.20 3.50 1.00 25.40 5.60 2.10 33.40 1.00 2.00 2.00 1.00 1.20 0.50
0.50 3.50 1.00 1.00 1.00 1.30 1.30 1.00 1.30 1.00 1.30 1.00 2.70 0.70 2.70 3.00 1.00 1.00 1.00 1.00 0.70 0.70 0.70 2.80 0.70 1.40 1.30 7.10 1.30 7.10 1.30 0.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.30 0.40 0.40 1.00 1.00 0.70 0.90 4.50 1.00 0.70 0.90 7.20 2.00 3.00 1.30 10.90 3.40 2.10 80.30 1.30 2.60 2.50 3.50 1.00 0.60
0.60 3.50 1.10 1.10 1.10 1.00 41.00 1.00 41.00 1.00 41.00 1.00 2.00 2.00 2.00 3.00 1.00 1.00 1.00 1.00 0.70 0.70 0.70 2.80 0.70 1.40 1.30 2.00 1.30 2.60 1.30 1.00 0.00 1.00 1.00 1.00 1.00 1.00 1.00 0.40 0.40 0.40 1.00 1.00 0.70 0.70 5.10 1.00 0.70 0.70 7.20 2.30 3.30 41.00 10.90 3.40 2.10 80.30 0.40 2.60 2.50 3.50 1.10 0.20
0.50 3.50 1.00 1.00 1.00 1.30 54.90 1.00 2.50 2.50 2.50 2.50 5.00 5.00 5.00 7.50 2.50 2.50 2.50 2.50 1.70 1.70 1.70 6.90 1.70 3.50 1.00 2.00 1.00 2.60 1.00 1.00 1.00 0.00 1.00 1.00 1.00 2.50 2.50 0.40 0.40 0.40 1.00 1.00 0.70 0.70 5.10 1.00 0.70 0.70 7.20 2.00 3.00 2.50 27.20 8.40 5.30 80.30 0.40 2.00 2.00 3.50 1.00 0.20
0.50 3.50 1.00 1.00 1.00 2.10 4.40 4.10 2.10 2.10 1.00 1.00 3.00 3.00 3.00 7.00 1.00 1.00 1.00 1.00 0.70 0.70 0.70 2.80 0.70 0.70 1.00 1.00 1.00 2.60 1.00 1.00 1.00 1.00 0.00 1.00 1.00 2.10 1.00 0.40 0.40 0.40 1.00 1.00 0.70 0.70 3.40 1.00 0.70 0.70 7.20 2.00 3.00 2.10 25.40 5.60 2.10 80.30 0.40 2.00 2.00 1.00 1.00 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 701
Berlanjut…
737
738
739
740
741
742
743
744
745
746
747
748
1.60
1.70
1.70
2.20
11.10
7.00
1.00
1.70
1.70
0.80
2.10
15.60
40
702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765
1.60 3.80 3.70 2.90 2.50 2.50 5.00 5.00 2.50 2.50 2.50 2.50 5.00 5.00 5.00 7.50 2.50 2.50 2.50 2.50 1.70 1.70 1.70 6.90 1.70 3.50 1.00 1.00 1.00 2.60 1.00 1.00 1.00 1.00 1.00 0.00 1.00 2.50 2.50 0.40 0.40 0.40 1.00 1.00 1.70 2.20 11.20 2.50 1.70 2.20 7.20 6.10 10.90 2.50 27.20 8.40 5.30 80.30 0.40 2.00 2.00 1.00 2.60 0.20
0.90 3.30 2.90 2.40 1.00 1.00 2.00 2.00 1.00 1.00 1.00 1.00 3.00 3.00 3.00 7.00 1.00 1.00 1.00 1.00 0.70 0.70 0.70 2.80 0.70 0.70 1.10 1.00 1.00 1.50 1.00 1.00 1.00 1.00 1.00 1.00 0.00 1.00 1.00 1.10 1.40 1.00 1.00 1.00 0.70 0.70 3.40 1.00 0.70 0.70 7.20 7.50 8.70 1.00 25.40 5.60 2.10 74.60 1.00 2.20 2.20 1.00 1.10 0.50
0.90 3.30 2.90 2.40 1.00 1.00 2.00 2.00 1.00 1.00 1.00 1.00 2.00 2.00 2.00 3.00 1.00 1.00 1.00 1.00 0.70 0.70 0.70 2.80 0.70 1.40 2.20 2.20 2.20 6.50 2.20 1.00 1.00 1.30 2.20 2.20 1.00 0.00 1.00 1.00 1.40 0.80 1.00 1.00 0.70 0.90 2.70 1.00 0.70 0.90 7.50 7.50 8.70 1.00 10.90 3.40 2.10 6.00 0.80 4.50 4.40 2.70 1.10 0.50
1.10 4.20 3.70 3.00 1.30 13.00 2.50 2.50 1.30 1.30 3.00 1.00 3.00 3.00 3.00 7.00 1.00 1.00 3.60 1.00 0.70 0.70 1.60 1.90 0.80 1.60 1.40 1.20 1.20 7.20 1.20 1.30 1.30 1.10 1.00 1.20 1.00 1.30 0.00 10.90 2.70 2.70 1.00 1.00 1.30 0.90 4.50 1.00 0.70 0.90 5.90 9.50 11.00 3.00 25.70 5.20 5.00 10.60 1.10 2.80 2.70 2.40 1.40 5.10
14.30 14.30 3.60 2.50 1.70 12.00 47.70 2.30 1.20 1.20 8.00 2.30 8.00 8.00 8.00 14.90 3.40 2.30 2.30 2.30 1.50 2.30 2.30 6.30 2.30 2.30 8.50 7.10 8.50 7.10 1.00 1.20 1.90 1.90 1.90 1.90 1.00 1.20 1.10 0.00 1.00 4.00 1.00 4.60 3.10 4.00 23.00 2.10 1.50 4.00 23.50 44.90 10.50 8.00 54.30 6.60 7.30 0.20 1.00 1.00 16.80 7.10 2.50 0.50
9.30 31.10 13.10 13.10 4.80 4.30 10.10 10.10 4.30 4.30 13.80 3.40 13.80 13.80 13.80 4.60 4.60 3.40 3.40 3.40 2.30 3.00 3.00 9.50 3.00 3.00 5.80 0.80 0.80 5.80 0.80 5.60 5.60 5.60 5.60 5.60 3.40 3.80 3.40 13.00 0.00 3.00 3.40 3.40 2.30 3.00 1.00 3.10 2.30 3.00 27.10 28.80 36.70 13.80 96.00 11.70 9.80 0.20 13.00 11.50 14.20 0.80 5.60 6.00
9.30 17.80 1.90 1.90 1.90 1.20 50.10 2.40 1.20 1.20 1.10 0.60 2.30 2.30 2.30 3.40 1.10 0.60 0.60 0.60 0.40 0.80 0.80 1.60 0.80 0.80 1.90 1.10 1.10 3.30 0.30 1.90 1.90 1.90 1.90 1.90 1.00 1.20 1.20 4.00 1.00 0.00 1.00 1.10 0.80 1.00 106.00 0.50 0.40 1.00 27.10 3.90 5.50 1.10 12.50 1.50 2.40 217.50 4.00 3.80 3.80 1.10 1.90 1.90
0.90 3.30 2.90 2.40 1.00 1.00 2.00 2.00 1.00 1.00 1.00 1.00 3.00 3.00 3.00 7.00 1.00 1.00 1.00 1.00 0.70 0.70 0.70 2.80 0.70 0.70 4.80 1.00 1.00 1.20 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.10 1.10 1.00 0.00 1.00 0.70 0.70 3.40 1.00 0.70 0.70 7.20 7.50 8.70 1.00 25.40 2.50 2.10 7.90 1.00 9.70 9.50 1.00 1.10 0.50
0.90 3.30 2.90 2.40 1.00 1.00 2.00 2.00 1.00 1.00 3.00 1.00 3.00 3.00 3.00 7.00 1.00 1.00 1.00 1.00 0.30 0.70 0.70 2.80 0.70 0.70 4.80 1.00 1.00 3.50 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 5.40 1.40 1.40 1.00 0.00 0.70 0.70 3.40 0.50 0.30 0.70 7.20 7.50 8.70 3.00 25.40 1.30 2.10 7.90 5.40 9.70 9.50 1.00 1.10 2.50
0.80 1.60 1.40 1.10 0.50 0.50 1.00 1.00 0.50 0.50 1.50 0.40 1.50 1.50 1.50 1.50 0.80 0.40 0.40 0.40 0.30 0.50 0.50 0.20 0.50 0.50 3.70 3.10 3.10 5.30 0.80 0.80 0.80 0.80 0.80 0.80 0.80 0.80 0.40 4.20 1.00 1.00 0.80 0.80 0.00 1.00 5.00 1.00 1.00 1.00 5.50 3.30 4.20 1.50 8.40 1.00 1.60 1.70 4.20 7.40 7.30 3.10 0.50 1.90
1.00 4.00 3.50 2.80 1.20 1.20 2.40 2.40 1.20 1.20 2.90 1.00 2.90 2.90 2.90 0.70 0.90 1.00 1.00 1.00 0.70 0.70 0.70 0.60 0.70 0.70 1.70 3.10 3.10 5.30 0.80 0.80 0.80 0.80 0.80 0.80 0.80 0.80 1.00 4.00 1.00 1.00 0.80 0.80 1.00 0.00 5.00 1.00 1.00 1.00 5.50 8.90 10.40 2.90 24.40 3.10 2.10 1.70 4.00 3.40 3.30 3.10 1.30 1.90
10.40 20.00 1.80 1.40 0.60 0.60 1.20 1.20 0.60 0.60 1.90 0.50 1.90 1.90 1.90 2.00 0.90 0.50 0.50 1.00 0.30 0.70 0.70 0.30 0.70 0.70 18.40 6.80 6.80 21.10 0.70 0.80 0.80 0.80 0.80 0.80 0.80 0.80 0.50 1.00 1.00 3.50 0.80 0.80 1.00 1.00 0.00 1.00 1.00 1.00 63.80 61.80 5.20 1.90 10.40 1.30 2.10 10.30 1.00 1.00 36.30 6.80 0.70 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 701 702
749
750
751
752
753
754
755
756
757
758
2.20 1.10
1.70 0.80
2.10 1.00
0.40 0.40
10.40 10.40
1.10 1.10
0.90 0.90
4.70 4.70
5.80 6.30
2.10 2.10
Berlanjut… 759 760 9.10 66.40
11.10 14.30
41
703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765
4.20 3.70 3.00 1.30 1.30 2.50 2.50 1.30 1.30 3.00 1.00 3.00 3.00 3.00 0.70 0.90 1.00 1.00 1.00 0.70 0.70 0.70 0.60 0.70 0.70 4.50 0.90 0.90 3.60 0.90 1.10 1.00 1.00 1.00 1.00 1.00 1.00 1.00 5.10 1.30 1.30 0.90 0.90 1.00 1.00 5.00 0.00 1.00 1.00 7.60 9.50 11.00 3.00 25.40 3.10 2.10 11.80 5.10 9.00 8.90 0.90 1.40 2.10
1.20 2.80 2.30 1.00 1.00 1.90 1.90 1.00 1.00 2.30 0.80 2.30 2.30 2.30 0.50 0.80 0.80 0.80 0.80 0.50 0.50 0.50 0.50 0.50 0.50 3.70 0.80 0.80 2.70 0.80 0.80 0.80 0.80 0.80 0.80 0.80 0.80 0.80 4.20 1.00 1.00 0.80 0.80 1.00 1.00 5.00 1.00 0.00 1.00 5.50 7.20 8.30 2.30 19.50 2.40 1.60 11.80 4.20 7.40 7.30 0.80 1.10 1.90
4.00 3.50 2.80 1.20 1.20 2.40 2.40 1.20 1.20 2.90 1.00 2.90 2.90 2.90 0.70 0.90 1.00 1.00 1.00 0.70 0.70 0.70 0.60 0.70 0.70 1.70 0.80 0.80 2.70 0.80 0.80 0.80 0.80 0.80 0.80 0.80 0.80 1.00 4.00 1.00 1.00 0.80 0.80 1.00 1.00 5.00 1.00 1.00 0.00 5.50 8.90 10.40 2.90 24.40 3.10 2.10 11.80 4.00 3.30 3.30 0.80 1.30 1.90
0.40 0.10 0.10 0.10 0.10 0.10 2.20 0.30 28.70 0.30 14.40 0.10 0.10 0.30 1.10 2.20 14.40 14.40 14.40 9.50 12.40 12.40 15.20 12.40 1.60 2.00 2.50 2.30 2.50 3.10 28.70 28.70 28.70 28.70 30.00 3.10 28.70 14.40 14.20 20.70 0.30 39.70 32.80 0.40 0.50 129.90 14.40 9.60 12.90 0.00 1.60 0.40 0.30 8.00 14.90 40.00 23.20 14.20 3.60 4.30 1.30 0.10 6.60
3.50 3.50 3.50 3.50 3.50 3.50 4.60 4.60 4.60 4.60 2.80 0.90 0.90 4.60 0.90 4.60 2.70 9.90 2.70 3.40 2.20 1.40 18.00 2.40 1.40 12.30 15.20 13.90 15.20 8.40 3.50 3.70 3.50 3.50 9.30 4.50 4.50 2.70 86.40 125.50 2.10 4.50 2.70 3.00 2.40 11.20 2.70 1.80 2.40 0.20 0.00 9.50 4.60 16.70 18.30 4.60 14.60 86.40 21.80 25.60 35.80 3.50 40.20
2.10 2.10 2.10 2.10 2.10 2.10 2.10 18.30 5.80 18.30 5.80 5.80 5.80 18.30 5.80 18.30 1.30 20.80 12.00 20.80 24.20 9.00 71.20 10.50 9.00 3.40 4.10 2.30 4.40 3.40 2.10 2.20 2.10 5.60 5.60 2.70 2.70 1.30 5.80 5.40 2.10 2.70 1.30 2.70 1.20 8.40 1.30 0.90 1.20 1.00 5.10 0.00 18.30 66.40 73.90 29.10 18.20 5.80 6.70 7.40 2.10 2.10 2.70
1.70 4.80 1.00 4.80 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 3.60 2.40 3.60 1.60 1.60 1.00 1.60 1.60 2.20 6.30 2.20 6.80 2.20 1.00 1.00 1.00 2.20 2.20 1.00 1.00 1.00 8.10 2.70 1.20 1.00 1.00 1.30 0.90 4.50 1.00 0.70 0.90 4.70 3.40 13.20 0.00 3.60 3.40 5.00 10.60 0.80 4.50 4.40 3.40 4.80 3.70
8.90 12.80 2.70 12.80 2.60 5.40 5.40 2.70 2.70 2.70 10.70 2.70 2.70 2.70 2.70 2.70 10.70 38.60 5.00 7.40 2.70 2.70 2.70 2.70 2.70 17.60 15.80 15.80 31.50 15.80 5.40 2.70 2.70 10.70 6.00 10.70 2.70 10.70 116.80 29.20 29.20 10.70 10.70 14.40 9.60 52.80 10.70 7.20 9.60 25.10 20.00 35.50 2.70 0.00 9.00 8.60 113.30 91.50 30.90 36.90 30.40 12.80 54.30
11.10 16.20 3.00 16.20 3.10 6.70 6.70 3.30 3.00 3.00 3.00 3.00 3.00 3.30 3.30 3.30 3.30 3.00 2.20 3.30 3.30 3.30 3.00 3.30 3.30 14.10 4.50 4.50 37.40 4.50 6.70 3.00 3.00 3.00 6.80 3.00 3.00 3.00 11.60 3.10 3.10 3.10 2.20 1.50 2.20 11.90 2.20 1.50 2.20 27.00 22.20 43.70 3.30 12.00 0.00 10.60 26.70 11.70 25.30 29.10 5.60 16.20 5.40
4.00 5.80 1.00 2.00 5.70 1.10 2.40 2.40 1.20 1.20 1.20 0.90 1.20 1.20 1.20 1.30 1.30 0.90 0.90 0.90 1.30 1.30 1.30 1.20 1.30 1.30 4.40 0.90 14.00 0.90 2.40 1.20 1.20 0.90 1.10 0.90 1.20 0.90 5.00 1.20 1.20 0.90 0.90 0.60 0.90 4.50 0.90 0.60 0.90 11.20 8.90 15.90 1.20 4.40 4.50 0.00 10.50 5.00 8.80 8.70 0.90 5.80 2.30
108.60 19.50 15.60 6.30 6.30 13.90 13.90 6.30 6.30 19.20 5.00 19.20 19.20 19.20 4.90 6.30 5.00 5.00 5.30 3.50 4.90 4.90 3.10 4.90 4.90 16.00 6.50 6.50 20.20 1.80 16.80 16.80 16.80 16.80 16.80 12.10 4.00 5.00 0.30 2.60 9.00 4.00 4.00 2.10 2.10 0.30 5.30 5.30 5.30 179.30 37.60 55.90 19.20 132.00 16.80 15.70 0.00 0.30 0.30 34.10 6.50 7.10 0.20
14.30 3.60 2.50 1.70 1.20 16.80 2.40 1.20 1.20 1.00 2.10 7.20 7.20 7.20 13.40 3.10 2.30 2.30 2.30 1.50 2.30 2.30 5.70 2.30 2.30 8.50 7.10 8.50 7.10 1.00 1.20 1.90 1.90 1.90 1.90 1.00 1.20 1.20 1.00 1.00 4.00 1.00 4.60 3.10 4.00 23.00 2.10 1.50 4.00 23.50 44.90 10.50 1.20 48.60 6.60 7.30 0.20 0.00 1.00 16.80 7.10 2.50 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 701 702 703
761
762
763
764
765
SOi
2.60 3.30 3.30
2.20 2.50 2.50
82.20 82.20 1.00
0.50 0.50 1.00
6.20 7.90 7.90
245.20 344.00 393.90
Berlanjut…
42
704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765
3.30 3.30 1.70 6.30 114.30 4.00 2.00 2.00 2.00 2.00 6.00 6.00 6.00 12.00 2.00 2.00 2.00 2.00 1.30 1.30 1.30 5.50 1.30 1.30 2.00 1.70 2.00 1.70 2.00 2.30 2.00 2.00 2.00 2.00 2.00 2.00 2.00 1.00 0.70 0.80 2.00 2.00 1.30 1.30 10.00 2.00 1.30 1.60 5.50 10.50 9.10 2.00 43.60 10.10 4.30 0.20 1.00 0.00 3.90 1.70 3.30 0.50
2.50 2.50 3.50 4.70 91.40 3.00 1.00 1.00 1.00 1.00 5.00 5.00 5.00 10.10 1.00 1.00 1.00 1.00 0.70 1.30 1.30 2.80 1.30 1.30 1.00 0.80 1.00 0.80 1.00 1.20 1.00 1.00 1.00 1.00 1.00 1.00 1.00 12.00 37.70 0.40 1.00 1.00 0.70 0.70 29.50 1.00 0.70 0.70 4.30 8.60 7.50 1.00 36.60 7.90 4.30 54.00 12.00 3.00 0.00 0.80 2.50 5.60
1.00 1.00 1.00 2.30 2.30 21.00 2.30 1.00 2.30 1.00 3.00 3.00 3.00 7.00 1.00 1.00 1.00 1.00 0.70 0.70 0.70 2.80 0.70 0.70 0.80 1.00 0.90 1.00 1.00 21.00 21.00 1.70 1.00 1.00 1.00 1.00 1.00 6.40 6.10 0.20 1.00 1.00 0.30 0.30 16.30 1.00 0.70 0.70 1.50 321.20 3.00 2.30 25.40 5.60 2.10 7.10 6.40 1.60 1.60 0.00 1.00 3.00
1.00 1.00 1.00 1.00 1.00 1.00 7.20 1.80 7.20 1.80 1.80 1.80 7.20 1.80 7.20 2.30 6.50 4.40 6.50 9.80 2.80 28.20 4.30 2.80 1.60 2.00 1.10 2.00 1.50 1.00 1.10 1.00 5.40 5.40 2.60 2.60 1.30 1.90 8.20 2.00 2.60 2.30 3.90 2.10 13.60 2.30 1.60 2.10 1.00 2.00 3.00 7.20 26.30 28.70 9.10 29.90 1.90 2.40 3.20 1.00 0.00 0.90
2.00 1.40 0.90 0.60 26.40 1.30 0.60 0.60 4.40 1.30 4.40 4.40 4.40 8.30 1.90 1.30 1.30 1.30 0.80 1.30 1.30 3.50 1.30 1.30 4.70 3.90 4.70 3.90 0.60 0.60 1.00 1.00 1.00 1.00 0.60 0.70 0.60 0.60 0.60 2.20 0.60 2.50 1.70 2.20 12.70 1.10 0.90 2.20 13.00 24.90 5.80 4.40 30.00 3.70 4.10 0.10 0.60 0.60 9.30 3.90 1.40 0.00
234.60 133.70 178.40 129.90 763.90 180.00 164.60 132.30 212.10 112.90 187.40 177.20 221.10 244.10 128.00 109.50 237.00 127.50 140.10 155.70 109.00 386.90 125.20 99.90 311.30 447.60 242.70 720.80 207.00 327.90 206.70 146.10 183.70 180.70 100.60 121.50 104.90 612.30 409.50 130.20 133.80 131.20 83.30 77.90 745.60 102.90 73.60 97.80 750.90 954.60 658.30 219.10 1312.90 485.30 345.70 1428.80 521.10 484.20 640.10 356.10 176.80 287.10
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
4.4.
Traffic count
arus hasil pembebanan
1 95
1287 2666
1283 2659
1 18
701 19
1285 1851
1283 1859
95
759
1827
1835
asal
tujuan
701 759
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
1 2 3 4 5 6 7 8 9 10 tahap input traffic count 12 13 14
5 11 17 23 29 35 40 46 52 58 jumlah data traffic count 69 74 77
RMSE 18.2053 21.2899 23.3547 23.793 23.9475 32.2315 32.3733 35.652 31.501 31.4052 RMSE 37.2513 38.9729 39.3304
Koefisien Determinasi (R2) 0.991188 0.871125 0.896546 0.898911 0.894402 0.681322 0.745805 0.745145 0.73367 0.749412 Koefisien Determinasi (R2) 0.584513 0.584521 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:
RMSE
Grafik Pengaruh Traffic Count Terhadap MAT 50 40 30 20 10 0 0
20
40
60
80
100
traffic count
Grafik Pengaruh Traffic Count Terhadap Arus Lalu Lintas 1,5
R2
1 0,5 0 0
20
40
60
80
100
Traffic Count
Gambar 4.3. Grafik Pengaruh Jumlah Traffic Count MAT dan arus lalu lintas 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
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
16.
xviii
