ANALISIS POTENSI PERMINTAAN FASILITAS PARK AND RIDE DI JALUR LAYANAN KRL JABODETABEK(STUDI KASUS : STASIUN BOGOR) Delvi F. Anisa1*, Heddy R. Agah2, Alvinsyah3 1.
Departemen Teknik Sipil, Fakultas Teknik, Universitas Indonesia, Kampus UI Depok, Indonesia, kode pos :10424
2.
Departemen Teknik Sipil, Fakultas Teknik, Universitas Indonesia, Kampus UI Depok, Indonesia, kode pos :10424
3.
Departemen Teknik Sipil, Fakultas Teknik, Universitas Indonesia, Kampus UI Depok, Indonesia, kode pos :10424
*
E-Mail:
[email protected]
Abstrak
Jumlah penumpang KRL Jabodetabek diprediksi akan meningkat hingga 1,2 juta penumpang per hari pada tahun 2019. Peningkatan tersebut perlu dilayani hingga tingkat kenyamanan dan akses menuju ke stasiun dapat dicapai secara optimal. Salah satu strategi untuk mencapai target tersebut adalah menyediakan akses kepada penumpang dengan melalui fasilitas. Park and Ride (P&R). Penelitian ini menganalisis tentang potensi penumpang KRL Jabodetabek kelompok non pengguna P&R yang akan menggunakan fasilitas P&R. Analisis dilakukan menggunakan pendekatan model logit. Komponen analisis dijabarkan dalam biaya, waktu dan fasilitas. Ketersediaan selisih biaya, selisih waktu dan fasilitas menghasilkan potensi permintaan P&R motor adalah meningkat dari sebesar 300 sampai dengan 2.248 kendaraan di tahun 2014, menjadi sebesar 717 sampai dengan 5.368 kendaraan di tahun 2019. Hasil analisis menunjukan peningkatan pengguna KRL juga meningkatkan potensi pengguna P&R mobil adalah sebesar 72 sampai dengan 171 kendaraan di tahun 2014, menjadi sebesar 535 sampai dengan 1.277 kendaraan di tahun 2019. Berdasarkan hasil tersebut, dapat dinyatakan bahwa peningkatan jumlah penumpang KRL mempengaruhi kapasitas P&R yang tersedia dengan adanya potensi pengguna P&R. Kata kunci :Park and Ride (P&R), KRL Jabodetabek, Model Logit
POTENTIAL DEMAND ANALYSIS OF PARK AND RIDE FACILITY USERS IN KRL JABODETABEK SERVICE LANES (Case study : Bogor Station) Abstract The ridership population of the Jabodetabek Commuter Line is predicted to rise to 1.2 million daily riderships in 2019. With this increase, the comfortability and the accesibility of the station needs to be optimized. One of the strategies in achieving this target is by providing a Park and Ride (P&R) facility. This
1 Analisis potensi permintaan..., Delvi Fitryana Anisa, FT UI, 2014
study analyzes the potential of the Jabodetabek commuter line ridership from the P&R non-user which may use the P&R facility in the future. Analysis is conducted by using a logit model approach. The component of analysis is elaborated into sections, which are cost, time, and amenities. The existence of cost difference, time difference and amenities is expected to increase the demand of the motorcycle P&R from a range of 300 to 2.248 in 2014 to a range of 717 to 5.368 in 2019. Results from the analysis shows an increase in commuter line ridership will in turn increase the potential of the car P&R user from a range of 72 to 171 in 2014, up to a range between 535 and 1.277 cars in 2019. Based on this results, it can be stated that an increase in the commuter line ridership will affect the availability of the P&R capacity which are caused by potential P&R users. Key words : Park and Ride (P&R), Jabodetabek Commuter Line, Logit Model
Pendahuluan Kereta commuter line (KRL) merupakan moda angkutan transportasi masal berbasis rel yang dapat menjadi tulang punggung dari angkutan umum perkotaan untuk memenuhi kebutuhan masyarakat saat ini, khususnya di wilayah Jabodetabek. Berdasarkan data yang diperoleh PT. Kereta Api Indonesia (KAI) Commuter Line Regional Daerah Operasional Ipada tahun 2013 total penumpang per hari yang diangkut oleh KRL untuk jalur Jabodetabek adalah sebanyak 413 ribu penumpang per hari. Jumlah penumpang tersebut diharapkan dapat meningkat dengan mencapai target 1,2 juta penumpang per hari pada tahun 2019. Salah satu strategi untuk mencapai permintaan penambahan penumpang tersebut adalah penyelenggaraan fasilitas penunjang seperti fasilitas perparkiran pada kawasan stasiun pemberangkatan KRL. Fasilitas tersebut bertujuan untuk mempermudah pengguna kendaraan pribadi menggunakan moda angkutan umum masal dan sekaligus menjadi daya tarik untuk menggunakan moda angkutan umum masal tersebut. Sistem perparkiran ini didefinisikan sebagai Park and Ride (P&R). Pengguna jasa transportasi atau pelaku perjalanan (trip maker) dibagi menjadi dua kelompokyaitu captive transit riders danchoice transit riders. Dari segi waktu, biaya maupun kenyamanan, P&R memiliki keunggulan yang berpotensi untuk mengubah pola perjalanan kelompok choice transit riders untuk menggunakan fasilitas tersebut. Penelitian ini dimaksudkan untuk menganalisis potensi penumpang KRL Jabodetabek non pengguna P&R yang mau menggunakan fasilitas P&R.
2 Analisis potensi permintaan..., Delvi Fitryana Anisa, FT UI, 2014
Kajian Pustaka a. Park and Ride (P&R) Park and ride (P&R) didefinisikan sebagai fasilitas transportasi yang menyediakan tempat parkir dengan jumlah yang besar dan dengan biaya murah di stasiun pemberhentian berbasis rel di pinggiran atau perbatasan kota. Fasilitas ini memungkinkan sesorang yang melakukan perjalanan dengan menggunakan kendaraan pribadi dapat parkir di lokasi tersebut dan pindah menggunakan moda angkutan umum berbasis rel menuju lokasi yang dituju (Ying & Xiang, 2009). Tujuan utama dari P&R adalahmemindahkan kebutuhan parkir dari pusat kegiatan bisnis (Central Business District/CBD) ke lokasi pinggiran perkotaan. Tujuan lainnya adalah untuk mengurangi tingkat lalu lintas dengan kemacetan di rute dalam perkotaan dan pusat kegiatan bisnis tersebut, mengurangi kebutuhan atau tekanan peningkatan kapasitas jalan, mengurangi tingkat emisi penggunaan energi dan dampak lingkungan lainnya, mengurangi jumlah parkir yang diperlukan di dalam perkotaan yang umumnya memiliki biaya parkir yang tinggi (Vincent & Hamilton, 2007), serta menyediakan parkir untuk kendaraan pribadi dan memindahkan pelaku perjalanan ke moda transportasi yang diinginkan (Lam, Holyoak, & Lo, 2001). b. Pengguna P&R Penumpang atau pelaku perjalanan pada transportasi umum dapat dibagi menjadi tiga golongan penumpang, yaitu captive transit riders, golongan choice transit riders, dan captive automobile trips (Damanik, 2006). Golongan yang sangat berpotensi sebagai penguna fasilitas P&R adalah golongan choice transit riders adalah golongan masyarakat yang memiliki akses tambahan sehingga dapat memilih antara menggunakan kendaraan pribadi atau angkutan umum dengan alasan lebih menguntungkan dari segi waktu, biaya maupun kenyaman. c. Faktor Pengaruh Pemilihan P&R Terdapat empat faktor dominan yang mempengaruhi seseorang dalam pemilihan untuk menggunakan P&R (Ying & Xiang, 2009), diantaranya adalah kurangnya ruang parkir di pusat kota, kemacetan lalu lintas, biaya parkir yang terlalu mahal, dan kurangnya pemahaman tentang rute perjalanan. 3 Analisis potensi permintaan..., Delvi Fitryana Anisa, FT UI, 2014
Faktor lain yang dapat mempengaruhi seseorang dalam memilih menggunakan fasilitas P&R adalah karakteristik sosial ekonomi, karakteristik perjalanan pengguna P&R dan karakteristik parkir (Vincent & Hamilton, 2007; Hamid, Mohammad, & Karim, 2008).Menurut Bos (2004), faktor yang mempengaruhi pemilihan dalam menggunakan fasilitas P&R diantaranya adalah karakteristik pelaku perjalanan secara personal, faktor keadaan tertentu, kualitas fasilitas P&R, konektivitas menuju angkutan umum, aksesibilitas di tempat tujuan, dan aspek informasi di P&R. d. Model Logit Model Logistik Probability atau logit merupakan terapan dari model pemilihan diskrit yang paling umum digunakan untuk memprediksi suatu alternatif yang akan dipilih khususnya pemilihan diantara dua moda.Menurut fungsi distribusi logistik, persamaan probabilitas dapat ditulis sebagai berikut: ! ! =
!(!"! ) !(!"! )
=
!(!! ) !(!! )
(..1)
Probabilitas bahwa individu memilihmoda i adalah fungsi perbedaan utilitas antara kedua alternatif. Dengan menganggap bahwa fungsi utilitas adalah linear, maka perbedaan utilitas diekspresikan dalam bentuk perbedaan dalam sejumlah atribut n yang relevan diantara kedua moda, dirumuskan sebagai berikut,
!! − !! = !! + !! !! !! − !! !! + !! !! !! − !! !! + ⋯ + !! !! !! − !! !! (..2)
Metode Penelitian Pada penelitian ini dibutuhkan data primer dan data sekunder. Data primer didapatkan dengan melakukan survei yang terdiri dari survei pendahulan dan utama. Survei penelitian ini dilakukan di Stasiun Bogor, berikut merupakan sketsa lokasi penelitian.
4 Analisis potensi permintaan..., Delvi Fitryana Anisa, FT UI, 2014
Gambar 1. Sketsa Lokasi Penelitian
Tabel 1. Preferensi Responden No 1
Variabel Selisih Waktu
2
Selisih Biaya (Motor)
3
Selisih Biaya (Mobil)
4
Fasilitas
5
Pilihan Menggunakan P&R
Keterangan variabel 1 = 10 menit 2 = 20 menit 3 = 30 menit 0 = Rp 2.000 1 = Rp 4.000 2 = Rp 6.000 0 = Rp 9.000 1 = Rp1 4.000 2 = Rp 20.000 0 = Tidak ada fasilitas 1 = Terdapat fasilitas lengkap 0 = Tetap menggunakan angkutan sebelumnya 1 = Akan menggunakan P&R
Survei pendahuluan bertujuan untuk mempelajari kondisi lapangan di lokasi survei, mempelajari karakteristik responden yang berpartisipasi dengan melihat kecenderungan pada pemilihan jawaban survei, waktu untuk mengisi kuesioner, dan karakteristik responden pada 5 Analisis potensi permintaan..., Delvi Fitryana Anisa, FT UI, 2014
saat mengisi kuesioner, serta memperoleh atribut preferensi responden yang digunakan pada survei utama. Survei utama menggunakan metode stated preference berdasarkan atribut pada Tabel 1 diatas. Data sekunder yang diperlukan pada penelitian ini adalah kapasitas parkir yang tersedia di Satiun Bogor, tarif yang berlaku, serta volume P&R per hari berdasarkan PT. Pengelola P&R.
Pengembangan dan Analisis Model Berdasarkan hasil survei utama, dilakukan pembentukan fungsi utilitas yang merupakan besaran nilai keputusan dari alternatif pilihan yang ditawarkan. Fungsi utilitas yang dibangun pada penelitian ini merupakan fungsi dengan analisis regresi logistik. Analisis regresi digunakan untuk mempelajari dan mengukur hubungan statistik yang terjadi antara dua atau lebih variabel. Variabel yang akan diestimasi nilainya merupakan variabel terikat (Y). Sedangkan variabel bebas merupakan variabel yang mempengaruhi variabel terikat (X). Pada fungsi utilitas yang dibangun, dilakukan beberapa kombinasi dari data agar didapatkan populasi yang homogen sehingga model yang dihasilkan juga baik, kombinasi tersebut diantaranya adalah : 1. Kombinasi 1 yaitu berdasarkan semua pilihan stated preference (SP) yang dijawab. 2. Kombinasi 2 yaitu berdasarkan semua pilihan SP tanpa responden pelajar/mahasiswa. 3. Kombinasi 3 yaitu berdasarkan responden dengan pendapatan lebih dari Rp 2.500.000 Tabel 2. Variabel yang diikutsertakan dalam Uji Korelasi Variabel X1 X2 X3 X4 X5 X6 X7
Keterangan Kepemilikan Kendaraan Kendaraan Menuju Stasiun Jumlah Transfer Frekuensi Penggunaan Kereta Waktu Menuju Stasiun Jenis Kelamin Usia
X9 X10 X11 X12 X13 X16 X17 X18
Pekerjaan Pendapatan Maksud Perjalanan Jarak Menuju Stasiun Biaya Menuju Stasiun Selisih waktu Selisih Biaya Fasilitas
6 Analisis potensi permintaan..., Delvi Fitryana Anisa, FT UI, 2014
Fungsi Utilitas Pengguna P&R Motor Uji korelasi dilakukan untuk mengetahui korelasi yang baik antara variabel bebas dengan variabel terikat. Berdasarkan hasil uji korelasikombinasi data 1 memiliki korelasi cukup baik terhadap variabel terikat hanya variabel selisih biaya (X17) dengan koefisien korelasi -0,461. Berdasarkan survei yang telah dilakukan pada penelitian ini, variabel selisih waktu menuju stasiun jika menggunakan P&R (X16) dan ketersediaan fasilitas di P&R (X18) juga merupakan variabel yang mempengaruhi variabel terikat yaitu pilihan menggunakan P&R, maka pada permodelan regresi untuk utilitas tetap menggunakan kedua variabel tersebut.Berdasarkan uji korelasi, kombinasi dengan data 1 memiliki hasil uji korelasi yang terbesar, maka model yang dibangun adalah berdasarkan kombinasi data ke-1. Fungsi utilitas yang dihasilkan adalah U = 0.258 + 0.305 X16 - 1.328 X17 + 0.358 X18.Uji kelayakan pada model ini dilakukan berdasarkan uji Omnibus, uji Hosmer and Lemeshow, dan nilai Nagelkerke R Square pada Tabel 3 dibawah ini menunjukkan bahwa model layak untuk digunakan. Tabel 3. Model Utilitas P&R Motor Model Regresi Koefisien Regresi Wald df Konstanta 0.258 1.286 1 Selisih Waktu ke Stasiun (X16) 0.305 1.383 1 Selisih Biaya dengan P&R (X17) -1.328 62.876 1 Fasilitas P&R (X18) 0.358 2.813 1 Omnibus Test of Model Chi-square = 151.132 3 Coefficients Hosmer and Lemeshow Test Chi-square = 10.978 8 Overall Persentage 70.30% -2 Loglikelihood 680.554 Nagelkerke R Square 26.50% Persamaan : U = 0.305 X16 - 1.328 X17 + 0.358 X18 +0.258
Sig 0.257 0.240 0.000 0.094 0.000 0.204
Sumber : Hasil Olahan
Fungsi Utilitas Pengguna P&R Mobil Berdasarkan hasil uji korelasi dengan kombinasi data 1, diperoleh hasil bahwa variabel bebas yang memiliki korelasi cukup baik terhadap variabel terikat hanya variabel selisih biaya (X17) dengan koefisien korelasi -0,333. Serupa dengan fungsi utilitas P&R 7 Analisis potensi permintaan..., Delvi Fitryana Anisa, FT UI, 2014
motor, variabel selisih waktu menuju stasiun jika menggunakan P&R (X16) dan ketersediaan fasilitas di P&R (X18) juga diikutsertakan pada pembentukan funsi ini.Berdasarkan uji korelasi, kombinasi dengan data 1 memiliki hasil uji korelasi yang terbesar, maka model yang dibangun adalah berdasarkan kombinasi data ke-1. Fungsi utilitas yang dihasilkan adalah U = -0.622 + 0.287 X16 - 0.971 X17 + 0.578 X18.. Uji kelayakan pada model ini dilakukan berdasarkan uji Omnibus, uji Hosmer and Lemeshow, dan nilai Nagelkerke R Square pada Tabel 4 dibawah ini menunjukkan bahwa model layak untuk digunakan. Tabel 4. Model Utilits P&R Mobil Model Regresi Koefisien Regresi Wald df Konstanta -0.622 1.269 1 Selisih Waktu ke Stasiun (X16) 0.287 1.38 1 Selisih Biaya dengan P&R (X17) -0.971 19.431 1 Fasilitas P&R (X18) 0.578 1.684 1 Omnibus Test of Model Chi-square = 7.769 3 Coefficients Hosmer and Lemeshow Test Chi-square = 3.149 8 Overall Persentage 71.90% -2 Loglikelihood 208.201 Nagelkerke R Square 19.30% Persamaan : U = 0.287 X16 - 0.971 X17 + 0.578 X18 - 0.622
Sig 0.260 0.240 0.000 0.260 0.000 0.925
Sumber : Hasil Olahan
Pembentukan Model Logit Biner P&R Motor Berdasarkan model utilitas P&R pengguna motor, maka akan didapatkan probabilitas penumpang kereta yang berpotensi menggunakan P&R di Stasiun Bogor dengan model logit biner adalah :
P (i) = P P&R Motor =
!
(!!&! !"#"$ !!!"#$%&'" !"#"$%&'() )
!!!
(!!&! !"!"# !!!"#$%&'" !"#"$%&'() )
! (0.258 + 0.305 X16 − 1.328 X17 + 0.358 X18)
= !!! (0.258 + 0.305 X16 − 1.328 X17 + 0.358 X18)
8 Analisis potensi permintaan..., Delvi Fitryana Anisa, FT UI, 2014
(..3)
Sedangkan probabilitas pengguna KRL yang tidak berpotensi menggunakan P&R di Stasiun Bogor dan tetap menggunakan moda sebelumnya adalah sebagai berikut :
P (j) = PModa Sebelumnya = 1- P (i) = =
! !! !
(!!&! !"#"$ −!!"#$%&'" !"#"$%&'() )
(..4)
! !!! (0.258 + 0.305 X16 − 1.328 X17 + 0.358 X18)
Dengan model yang diperoleh berdasarkan model utilitas yang telah dibuat. Gambar 1 menggambarkan hubungan antara utilitas dan probabilitas pemilihan P&R motor, serta perbandingan antara grafik berdasarkan data yang digunakan untuk membangun model dan data lapangan (hasil survei).
Pemilihan P&R Motor
Probabilitas
1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0
-4
-3
-2
-1
Real Model
0
1
2
3
Utilitas
Gambar 2. Kurva Model Logit Pemilihan P&R Pengguna Motor Selanjutnya model yang dihasilkan dilakukan uji validasi dengan menggunakan data yang diperoleh dari hasil survei. Berdasarkan hasil pada Tabel 5.4 dapat dilihat bahwa standar deviasi antara hasil survei dan model memiliki selisih yang cukup kecil yaitu 0,029, maka dapat ditarik kesimpulan bahwa nilai perhitungan model dan nilai perhitungan hasil survei adalah sama.
9 Analisis potensi permintaan..., Delvi Fitryana Anisa, FT UI, 2014
Tabel 5. Hasil Uji Validasi Perhitungan Model dan Berdasarkan Survei Utilitas Real Model Selisih Mean -1.0708 -1.1455 0.07466 Standard Error 0.04718 0.03205 0.01512 Median -1.072 -1.377 0.305 Mode -1.737 -1.737 0 Standard Deviation 0.7607 0.7897 0.029 Sample Variance 0.57866 0.62363 0.045
Pembentukan Model Logit Biner P&R Mobil Berdasarkan model utilitas P&R pengguna mobil, maka akan didapatkan probabilitas penumpang KRL yang berpotensi menggunakan P&R di Stasiun Bogor dengan model logit biner adalah :
P (i) = P P&R Mobil =
!
(!!&! !"#$ !!!"!"#$%& !"#"$%&'() )
!!!
(!!&! !"#$%!!!"#$%&'" !"#"$%&'() )
=
(..5)
! (−0.622 + 0.287 X16 − 0.971 X17 + 0.578 X18) !!! (−0.622 + 0.287 X16 − 0.971 X17 + 0.578 X18)
Sedangkan probabilitas pengguna KRL yang tidak mau menggunakan P&R di Stasiun Bogor dan tetap menggunakan moda sebelumnya adalah sebagai berikut :
P (j) = PAngkutan Sebelumnya = 1- P (i) = =
! !! !
(!!&! !"#$% −!!"#$%&'" !"#"$%&'() )
! !! ! (−0.622 + 0.287 X16 − 0.971 X17 + 0.578 X18)
(..6)
Dengan model yang diperoleh berdasarkan model utilitas yang telah dibuat. Gambar 2 menggambarkan hubungan antara utilitas dan probabilitas pemilihan P&R mobil, serta perbandingan antara grafik berdasarkan data yang digunakan untuk membangun model dan data lapangan (hasil survei).
10 Analisis potensi permintaan..., Delvi Fitryana Anisa, FT UI, 2014
Pemilihan P&R Mobil
Probabilitas
1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0
-3
-2
-1
Real Model
0
1
2
3
Selisih Utilitas
Gambar 3. Grafik Pemilihan P&R Pengguna Mobil Berdasarkan hasil pada Tabel 6 dapat dilihat bahwa standar deviasi antara hasil survei dan model memiliki selisih yang cukup kecil yaitu 0,00409, maka dapat ditarik kesimpulan bahwa nilai perhitungan model dan nilai perhitungan hasil survei adalah sama. Tabel 6.Hasil Uji Validasi Perhitungan Model dan Berdasarkan Hasil Survei Utilitas Real Mean -0.8169 Standard Error 0.10196 Median -1.019 Mode -2.277 Standard Deviation 0.90627 Sample Variance 0.82133
Model Selisih -0.7967 0.0202 0.06633 0.03563 -0.732 0.287 -1.703 0.574 0.90218 0.00409 0.81393 0.00739
Sensitivitas Model Sensitifitas Model dimaksudkan untuk memahami perubahan nilai probabilitas pemilihan penggunaaan P&R jika dilakukan perubahan pada nilai atribut. Uji sensitifitas ini dilakukan terhadap perubahan atribut selisih biaya jika dikurangi atau ditambah, selisih waktu jika dipercepat atau diperlambat, dan keberadaan fasilitas. 11 Analisis potensi permintaan..., Delvi Fitryana Anisa, FT UI, 2014
Sensitivitas Model Pengguna P&R Motor Berdasarkan analisa sensitifitas model terhadap perubahan biaya, Gambar 3 menunjukkan grafik semakin menurun jika harga selalu berubah naik. Hal tersebut terjadi karena probabilitas penggunaan P&R semakin menurun jika selisih biaya yang dikeluarkan semakin besar. Sensitifitas model dapat diketahui dengan menghitung slope atau tingkat kemiringan dari grafik sensitifitas yang dihasilkan dimana merupakan besarnya peningkatan nilai Y jika nilai X terus meningkat. Tingkat kemiringan grafik sensitifitas biaya adalah sebesar – 0,17858 atau 17,85 %.
Sensitifitas Biaya 0.7
Probabilitas
0.6 0.5 0.4 0.3 0.2 0.1 0 2000 2500 3000 3500 4000 4500 5000 5500 6000 6500 7000 7500 8000
Perbedaan Biaya (Rupiah)
Gambar 4. Sensitifitas Model Utilitas P&R Motor Terhadap Biaya Probabilitas penggunaan P&R meningkat jika selisih waktu yang didapatkan semakin meningkat. Sama halnya dengan uji sensitifitas biaya, sensitifitas waktu juga dapat diketahui dengan menghitung nilai kemiringan grafik. Tingkat kemiringan grafik sensitifitas waktu adalah sebesar 0,0689 atau 6,89 %. Berdasarkan tingkat kemiringan grafik pada uji sensitifitasterhadap atribut biaya dan waktu, dapat dikatakan bahwa model ini lebih sensitif terhadap atribut biaya karena memiliki tingkat kemiringan yang lebih besar.
12 Analisis potensi permintaan..., Delvi Fitryana Anisa, FT UI, 2014
Sensitifitas Waktu 0.6
Probabilitas
0.5 0.4 0.3 0.2 0.1 0 0
2.5
5
7.5
10
12.5
15
17.5
20
22.5
25
27.5
30
Perbedaan Waktu (Menit)
Gambar 5.Sensitifitas Model Utilitas P&R Motor Terhadap Waktu
Sensitivitas Model Pengguna P&R Mobil Berdasarkan analisa sensitifitas model terhadap perubahan biaya pada Gabar 5 dibawah, grafik semakin menurun jika harga selalu berubah naik. Hal tersebut menunjukkan bahwa probabilitas penggunaan P&R semakin menurun jika selisih biaya yang harus dikeluarkan semakin besar. Probabilitas penggunaan P&R mobil yang terbesar adalah 0,35, nilai ini lebih kecil dibandingkan dengan probabilitas penggunaan P&R motor.
Probabilitas
Sensitifitas Biaya 0.5 0.45 0.4 0.35 0.3 0.25 0.2 0.15 0.1 0.05 0 9000 10000 11000 12000 13000 14000 15000 16000 17000 18000 19000 20000
Perbedaan Biaya (Rupiah)
Gambar 6. Sensitifitas Model Utilitas P&R Mobil Terhadap Biaya 13 Analisis potensi permintaan..., Delvi Fitryana Anisa, FT UI, 2014
Tingkat kemiringan grafik sensitifitas biaya pada P&R mobil adalah sebesar -0,104 atau 10,4 %.Sedangan pada uji sensitifitas model terhadap atribut waktu nilai tingkat kemiringan grafik adalah sebesar 0,539 atau 5,39 %. Nilai tingkat kemiringan uji sensitifitas pada atribut biaya yang lebih besar menunjukkan bahwa model ini lebih sensitif terhadap perubahan pada atribut biaya.
Sensitifitas Waktu 0.6
Probabilitas
0.5 0.4 0.3 0.2 0.1 0 0
2.5
5
7.5
10
15
20
Perbedaan Waktu (Menit)
Gambar 7. Sensitifitas Model Utilitas P&R Mobil Terhadap Waktu
Proporsi Penguna P&R Stasiun Bogor Berdasarkan data jumlah penumpang dan volume P&Rpengguna P&R motor dan mobil dapat diprediksi jumlahnya untuk tahun 2019. Diasumsikan bahwa tidak terjadi perubahan perilaku penumpang yaitu perubahan perilaku penumpang berdasarkan waktu keberangkatan dan jumlah proporsi penumpang dari Stasiun Bogor. Pada umumnya P&R digunakan di pagi hari, maka diasumsikan pengguna P&R berasal dari penumpang pada peak hour. Selain itu umumnya pengguna P&R merupakan penumpang yang menggunakan kendaraan pribadi menuju stasiun seorang diri, maka masing-masing kendaraan diasumsikan menyumbangkan satu penumpang.
14 Analisis potensi permintaan..., Delvi Fitryana Anisa, FT UI, 2014
Tabel 7. Ramalan Jumlah Pengguna P&R Jumlah Penumpang per hari Jumlah Penumpang Peak Hour % Penumpang Peak Hour Jumlah Penumpang P&R Motor % P&R Motor (Peak Hour) Jumlah Penumpang P&R Mobil % P&R Mobil (Peak Hour) Jumlah Penumpang Choice Peak Hour Jumlah Penumpang Choice Peak Hour Motor Jumlah Penumpang Choice Peak Hour Mobil
Eksisting (2014) Prediksi (2019) 39.178 93.549 6.065 14.482 15.48% 2.225 5.313 36.69% 334 798 5.51% 3.506
8.371
2.735
6.529
771
1842
Penumpang KRL Jabodetabek non pengguna P&R yang merupakan penumpang kelompok choice diasumsikan berasal dari selisih penumpang pada peak hour dengan pengguna P&R. Berdasarkan hasil survei diketahui bahwa 78% adalah pengguna motor, sehingga jumlah penumpang peak hour yang menggunakan motor adalah sebanyak 3.506 orang. Sedangkan pengguna mobil sebesar 22%, maka penumpang peak hour penggunamobil adalah sebanyak 771. Berdasarkan perhitungan pada prediksi di tahun 2019, jumlah penumpang golongan pilihan pengguna motor adalah sebanyaj 6.529 orang. Sedangkan pengguna mobil adalah sebanyak 1.842 orang. Penyedia jasa P&R dalam hal ini adalah PT. KAI dan PT. Reska Multi Usaha hendaknya menyediakan solusi terhadap kapasitas dan potensi permintaan yang membutuhkan penambahan kapasitas P&R baik motor maupun mobil. Pada Tabel 8 dapat dilihat persentase dan jumlah potensi pengguna P&R motor jika terdapat selisih waktu, selisih biaya dan fasilitas pada P&R. Persentase terkecil terjadi jika penumpang hanya mendapatkan selisih waktu selama 10 menit, selisih biaya Rp 6.000 dan tidak terdapat fasilitas yang lengkap yaitu sebesar 10,97% atau sebanyak 300 kendaraan di tahun 2014 dan sebanyak 717 kendaraan di tahun 2019. Persentase terbesar terjadi jika penumpang mendapatkan selisih waktu sebesar 30 menit, selisih biaya sebesar Rp 2.000 dan terdapat fasilitas yang lengkap yaitu sebanyak 2.248 kedaraan dan sebanyak 5.368 kendaraan di tahun 2019. 15 Analisis potensi permintaan..., Delvi Fitryana Anisa, FT UI, 2014
Tabel 8. Potensi Pengguna P&R Motor No
Selisih Waktu (Menit)
Selisih Biaya (Waktu)
Fasilitas
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
10 10 10 20 20 20 30 30 30 10 10 10 20 20 20 30 30 30
2000 4000 6000 2000 4000 6000 2000 4000 6000 2000 4000 6000 2000 4000 6000 2000 4000 6000
Tidak Ada Tidak Ada Tidak Ada Tidak Ada Tidak Ada Tidak Ada Tidak Ada Tidak Ada Tidak Ada Lengkap Lengkap Lengkap Lengkap Lengkap Lengkap Lengkap Lengkap Lengkap
Jumlah Kendaraan Probabilitas 2014 2019 1.742 4.160 0.63715 868 2.073 0.31756 300 717 0.10978 1.926 4.599 0.70433 1.058 2.527 0.38699 392 936 0.14332 2.088 4.986 0.76369 1.262 3.012 0.46133 506 1.208 0.18497 1.956 4.670 0.71525 1.093 2.609 0.39963 410 979 0.14995 2.114 5.048 0.77312 1.298 3.098 0.47452 528 1.261 0.1931 2.248 5.368 0.82215 1.506 3.595 0.55058 670 1.600 0.24509
Pada Tabel 9 dapat dilihat persentase dan jumlah potensi pengguna P&R mobil jika terdapat selisih waktu, selisih biaya dan fasilitas pada P&R. Persentase terkecil terjadi jika penumpang hanya mendapatkan selisih waktu selama 10 menit, selisih biaya Rp 20.000 dan tidak terdapat fasilitas yang lengkap yaitu sebanyak 72 kendaraan di tahun 2014 dan sebanyak 171 kendaraan di tahun 2019. Persentase terbesar terjadi jika penumpang mendapatkan selisih waktu sebesar 20 menit, selisih biaya sebesar Rp 9.000 dan terdapat fasilitas yang lengkap yaitu sebanyak 535 kedaraan dan sebanyak 1.277 kendaraan di tahun 2019.
16 Analisis potensi permintaan..., Delvi Fitryana Anisa, FT UI, 2014
Tabel 9. Potensi Pengguna P&R Mobil No
Selisih Waktu (Menit)
Selisih Biaya (Waktu)
Fasilitas
Probabilitas
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
10 10 10 15 15 15 20 20 20 10 10 10 15 15 15 20 20 20
9000 14000 20000 9000 14000 20000 9000 14000 20000 9000 14000 20000 9000 14000 20000 9000 14000 20000
Tidak Ada Tidak Ada Tidak Ada Tidak Ada Tidak Ada Tidak Ada Tidak Ada Tidak Ada Tidak Ada Lengkap Lengkap Lengkap Lengkap Lengkap Lengkap Lengkap Lengkap Lengkap
0.41702 0.21316 0.09305 0.488 0.26522 0.12026 0.55947 0.32476 0.15407 0.56045 0.32563 0.1546 0.62948 0.3915 0.19592 0.6936 0.46158 0.24509
Jumlah Kendaraan 2014 2019 322 768 164 393 72 171 376 899 205 488 93 221 432 1030 250 598 119 284 432 1032 251 600 119 285 486 1159 302 721 151 361 535 1277 356 850 189 451
Kesimpulan Berdasarkan hasil yang telah diperoleh maka dapat ditarik kesimpulan sebagai berikut : 1. Potensi penumpang KRL Jabodetabekgolongan pilihan non pengguna P&R menggunakan P&R motor sebanyak 300 kendaraan di tahun 2014 jika penumpang hanya mendapatkan selisih waktu selama 10 menit, selisih biaya Rp 6.000dan tidak terdapat fasilitas yang lengkap. Sedangkan jumlah pengguna P&R motor yang berpotensi di tahun 2019 adalah 717 kendaraan. Potensi terbesar terjadi jika penumpang mendapatkan selisih waktu selama 30 menit, selisih biaya sebesar Rp 2.000 dan terdapat fasilitas yang lengkap yaitu sebanyak 2.248 kedaraan. Pada tahun 2019 jumlah penumpang yang berpotensi menggunakan P&R adalah sebanyak 5.368 kendaraan. 2. Potensi penumpang KRL Jabodetabekgolongan pilihan non pengguna P&R untuk menggunakan P&R mobil sebanyak 85 kendaraan di tahun 2014jika penumpang hanya 17 Analisis potensi permintaan..., Delvi Fitryana Anisa, FT UI, 2014
mendapatkan selisih waktu selama 10 menit, selisih biaya Rp 20.000 dan tidak terdapat fasilitas yang lengkap. Sedangkan jumlah pengguna P&R mobil yang berpotensi di tahun 2019 adalah sebanyak 202 kendaraan. Potensi terbesar terjadi jika penumpang mendapatkan selisih waktu selama 20 menit, selisih biaya sebesar Rp 9.000 dan terdapat fasilitas yang lengkap yaitu atau sebanyak 535 kedaraan. Pada tahun 2019 jumlah penumpang yang berpotensi menggunakan P&R adalah sebanyak 1.277 kendaraan.
Saran Saran yang diberikan untuk dapat mengembangkan penelitian yang telah dilakukan ini adalah: 1. Sampel pada penelitian ini terdapat kekurangan pada potensi pengguna P&R mobil, maka disarankan untuk mengambil jumlah sampel yang lebih banyak sehingga kecenderungan dan keinginan potensi pengguna dapat terwakili dengan baik. 2. Penelitian ini dapat dilanjutkan dengan menggunakan responden yang tidak menggunakan kereta dalam perjalanannya dan ditawarkan untuk beralih menggunakan P&R.
Daftar Referensi Bos, I. (2004). Changing Seats: A Behaviourial Analysis of P&R Use. Delft: Trail Researcg School. Damanik, R. (2006). Analisis Manfaat Bagi Pengguna Sistem Park and Ride Sepeda Motor di Indonesia. Depok: Program Pasca Sarjana Universitas Indonesia. Duncan, M., & Christensen, R. K. (2013). An analysis of park and ride provision at light rail stations across the US. Elsevier, 148-157. Duncan, M., & Christensen, R. K. (2013). An Analysis Of Park and Ride Provision At Light Rail Stations Across The US. ELSEVIER, 148-157. Hamid, N. A., Mohammad, J., & Karim, M. R. (2008). Travel Behaviour of The Park and Ride Users and The Factors Influencing The Demand For The Use of The Park and Ride Facility. EASTS MUTRFC08, 1-13. He, B., He, W., & He, M. (2012). The Attitude anf Preference of Traveler to the Park &Ride Facilities : a Case Study in Nanjing, China. Elsevier, 294-301. Ihsan, A. N. (2013). Analisis Permodelan Empiris Cakupan Pelayanan Fasilitas Park and Ride Studi Kasus Kereta Komuter Pondok Cina, Depok. Depok: Program Pasca Sarjana Universitas Indonesia. Lam, W. H., Holyoak, N. M., & Lo, H. P. (2001). How Park and Ride Scemes Can Be Successfull In Eastern Asia. Journal of Urban Planning and Development ASCE, 6378. 18 Analisis potensi permintaan..., Delvi Fitryana Anisa, FT UI, 2014
Morlok, E. K. (1988). Pengantar Teknik dan Perencanaan Transportasi. Jakarta: Erlangga. Noel, E. C. (1988). Park-and-Ride: Alive, Wel, and Expanding in the United States. ASCE, 213. Ortuzar, J. d., & Willumsen, L. G. (2011). Modelling Transport Fourth Edition. West Susex: Wiley. Rahardjo, E. (2001). Perbandingan Mdel Probit dan Model Logit Dalam Menghitung Probabilitas Pilihan Menggunakan Kendaraan Pribadi dan Angkutan Umum. Depok: Universitas Indonesia. Rosli, N. S., Adnan, S. A., Ismail, F. D., & Hamsa, A. A. A Theoritical Review on Sustainable Transportation Strategies : The Role of Park and Ride Facility as a Generator of Public Transport Mode Shift. Kuala Lumpur: University Malaysia. Seik, F. T. (1997). Experiences from Singapore's Park-and-Ride Scheme (1975-1996). Elsevier, 427-443. Spillar. (1997). Park and Ride Planning and Design Guidelines. New York: Parsons Brinckerhoff Inc. Tamin, O. Z. (1997). Perencanaan dan Permodelan Transportasi. Bandung: ITB. Tsang, F. W., Shalaby, A. S., & Miller, E. J. (2004). Improved Modeling of Park and Ride Transfer Time : Capturing the Within day Dynamics. TRB. Vincent, M., & Hamilton, B. A. (2007). Park and Ride: Characteristic and demand forecasting. Wellington: Land Transport New Zealand. Ying, H., & Xiang, H. (2009). Study on Influence Factors and Demand Willingness of Park and Ride. Second International Conference on Intelegent Computation Technology and Automation, 664-667.
19 Analisis potensi permintaan..., Delvi Fitryana Anisa, FT UI, 2014