ASSESMEN AKTUAL KAPASITAS JALAN PADA SEGMEN BOTTLENECK SISTEMATIS DENGAN PENDEKATAN METODE SIMULASI

Jurnal Teknik Sipil Universitas Syiah Kuala

ISSN 2088-9321 pp. 215 - 224

ASSESMEN AKTUAL KAPASITAS JALAN PADA SEGMEN BOTTLENECK SISTEMATIS DENGAN PENDEKATAN METODE SIMULASI Sugiarto1 dan Zianul Furqan2 Jurusan Teknik Sipil, Fakultas Teknik, Universitas Syiah Kuala Jl. Tgk. Syeh Abdul Rauf No. 7, Darussalam Banda Aceh 23111, email: [email protected] 2 Mahasiswa (alumni) Jurusan Teknik Sipil, Fakultas Teknik, Universitas Syiah Kuala email: [email protected] 1

Abstract: Increasing the demand of travelers and limited of road supplies are the main crucial problem which is produced transportation related impact such as congestion and crashes. Congestion mainly occurs along urban corridors not only at junctions but also at potential bottlenecks which are temporal capacity of the road diminishing in most cases. The aims of this work is to assess the actual capacity and travel speed at the location of systematic bottleneck by governing simulation approach so called VISSIM 5.40. A selected area of study was at Jalan T. Nyak Arief in particular at the position of Lamnyong intersection, Banda Aceh (KM.6). It found that the assessment of the bottleneck capacity at the highest value of 1455 PCU/h (dropped 9-12 per cent) compared to normal condition. Equally patterns, travel speed reduced to 11 km/h or deteriorated to 4-9 per cent. As for the bound of accuracy, validation was conducted by comparing the MOEs value between observed and obtained from the simulator. The validation error was point out 9%, 9%, and 10% for hourly flow rate, travel speed, and travel time respectively, and the validation error denoted that less than 15%. It means that the MOEs value resulted from VISSIM 5.40 simulator is considerably acceptable in particular for practical purposes. Keywords : congestion, capacity reduction, bottleneck, VISSIM 5.40, MOEs, Validation. Abstrak: Tingginya permintaan perjalanan (demand) dan terbatasnya ketersediaan infrastruktur jalan menyebabkan permasalahan serius seperti kemacetan dan kecelakaan. Lokasi kemacetan pada jaringan jalan perkotaan tidak hanya terjadi di persimpangan (intersection) namun juga sering terjadi pada lokasi-lokasi yang memiliki potensi terjadinya penyempitan kapasitas (bottleneck). Tujuan dari penelitian ini adalah melakukan assesmen terhadap aktual kapasitas dan kecepatan aliran lalu lintas pada segmen bottleneck sistematis dengan pendekatan metode simulasi menggunakan VISSIM 5.40. Lokasi penelitian dilakukan di Jalan T. Nyak Arief tepatnya di ruas penyempitan jalan simpang Lamnyong, Banda Aceh (KM.6). Hasil assesmen menunjukkan bahwa pada segmen bottleneck kapasitas terprediksi adalah 1455 smp/jam (terjadi penurunan kapasitas sebasar 9-12%) dari kondisi normal, dan kecepatan pada bottleneck teramati menjadi 11 km/jam, atau terjadi penurunan kecepatan sebesar 4-9%. Hasil validasi menunjukkan deviasi antara teramati dan hasil simulasi untuk volume lalu lintas 9 %, kecepatan 9 % dan waktu perjalanan 10 %. Ketiga parameter tersebut memperlihatkan deviasi hasil validasi dibawah 15%. Maka Measurement Of Effectiveness (MOEs) dengan simulasi VISSIM 5.40 dapat diterima terutama untuk tujuan praktis. Kata kunci : Kemacetan, penurunan kapasitas, bottlenecks, VISSIM 5.40, MOEs, validasi.

Banda Aceh, demikian juga kota-kota yang

sedang

mengalami

percepatan

dan terbatasnya ketersediaan infrastruktur jalan

menyebabkan

permasalahan

serius

kepemilikan kendaraan menghadapi masalah

seperti kemacetan, kecelakaan dan isu-isu

serius dengan pengoperasian lalu lintas

lingkungan seperti kebsingan dan emisi.

terutama pada jaringan jalan perkotaan.

Permasalah

Tingginya permintaan perjalanan (demand)

sekarang menjadi masalah yang paling krusial

kemacetan

dan

keselamatan

Volume 2, Nomor 3, Mei 2013 - 215


dan menjadi konsentrasi serius bagi para

sugiarto (2012) dan Sugiarto dkk (2012). Pada

praktisi dan peneliti yang membidangi disiplin

penelitian ini peneliti menggunakan metode

keilmuan

kapasitas dinamis. Dua metode digunakan

teknik

transportasi

terutama

rekayasa lalu lintas.

untuk mengidentifikasi pengurangan aktual

Kemacetan merupakan kondisi lalu lintas

dimana

permintaan

perjalanan

melampaui kapasitas aktual yang mampu dia-

kapasitas dan kecepatan pada aliran arus jalan arteri akibat gangguan aliran arus dari bukaan median.

komo-dasi oleh suatu infrastruktur jalan.

Sumber

lain

kemacetan

adalah

Lokasi kemacetan untuk jaringan jalan

penyempitan jalan, yang termasuk dalam kelas

perkotaan

persimpangan

bottleneck sistematis. Sejauh ini, tidak ada

(intersection) terutama simpang sebidang.

studi yang bertujuan menganalisa kondisi

Kemacetan juga sering terjadi pada lokasi-

aliran lalu lintas pada segmen bottleneck

lokasi yang memiliki potensi terjadinya

akibat penyempitan jalan, terutama dengan

penurunan kapasitas (bottleneck). Contohnya,

menggunakan metode simulasi. Sugiarto dkk

lokasi pada pembukaan u-turn, lokasi dimana

(2012) menyimpulkan bahwa metode analisa

on-street parking diizinkan, dan juga lokasi-

kapasitas oleh MKJI, 1997 tidak handal

lokasi dimana penyempitan geometrik eksis.

diaplikasikan untuk kondisi-kondisi aliran lalu

Brilon

tipe

lintas tidak lancar (unsteady flow). Hal ini

bottleneck menjadi dua, yaitu 1). bottleneck

dikarenakan kondisi aliran pada lokasi

sistematik, dimana kondisi ini benar-benar

kemacetan mengalami proses layaknya sebuah

terjadi penyempitan right of way (ROW) jalan.

gelombang (stop and go). Sehingga, pada

2). bottleneck virtual (hidden), pada kondisi ini

penelitian ini metode yang cocok digunakan

tidak terjadi penyempitan geometrik, namun

adalah metode kapasitas dinamis baik dengan

adanya pengurangan fungsi jalan, sehingga

menggunakan model-model eksisting ataupun

kapasitas jalan akan berkurang.

dengan perangkat simulasi. Untuk tujuan

dkk.

terjadi

(2007)

di

membedakan

Kemacetan yang sifatnya sementara

penelitian ini digunakan perangkat simulasi

(temporal congestion) umumnya bersumber

dengan menggunakan software VISSIM versi

dari kedua tipe bottleneck tersebut diatas. Oleh

5.40.

sebab itu, penelitian seperti mekanisasi dan

Lokasi penelitian dilakukan di Jalan T.

kwantifikasi pengurangan kapasitas jalan pada

Nyak Arief tepatnya di ruas penyempitan jalan

segmen-segmen bottleneck menjadi sangat

simpang Lamnyong, Banda Aceh (KM6).

penting dalam rangka mengoptimalkan pen-

Lokasi ini dipilih sebagai objek studi

goperasian lalu lintas. Sebelumnya, studi

dikarenakan kondisi kemacetan pada jam

mekanisasi penyempitan jalan dan effek

puncak terutama pagi sangat kritis. Secara

pengurangan kapasitas pada bukaan u-turn

geomtrik, pada bagian hulu (upstream) jalan

telah dilakukan di kota Banda Aceh oleh

terdiri dari 2 arah, 6 lajur (dengan median)

216 - Volume 2, Nomor 3, Mei 2013


kemudian menyempit di hilir (downstream)

konstan (single unit value). Kapasitas konstan

menjadi 2 lajur, 2 arah (permanen median).

umumnya

digunakan

untuk

keperluan

Tujuan dari penelitian ini adalah

perencanaan atau disain, secara praktis nilai

melakukan assesmen terhadap aktual kapasitas

kapasitas ini dapat dihitung atau ditentukan

yang teramati pada lokasi penelitian dengan

dengan menggunakan manual (guidelines)

menggunakan

Untuk

seperti Manual Kapasitas Jalan Indonesia

meminimalkan bias pada estimasi kapasitas,

(MKJI, 1997) ataupun US Highway Capacity

aliran pada hulu (upstream) diasumsikan

Manual (HCM, 2000). Kedua manual tersebut

karak-teristiknya mewakili kondisi aliran nor-

mendefinisikan kapasitas adalah maksimum

metode

simulasi.

mal (steadyflow). Untuk proses kalibrasi simulasi aliran lalu lintas, peneliti mengambil para-meter geometrik, headway dan mengadopsi konsep Monte Carlo Simulation (MCS) untuk menguji coba jumlah simulasi sehingga nilai Measurement Of Effectiveness (MOEs) yang diharapkan mendekati nilai teramati. Kapasitas, kecepatan dan waktu tempuh dipilih sebagai parameter MOEs dalam penelitian ini. KAJIAN PUSTAKA

volume per jam dimana kendaraan dapat terakomodir oleh suatu segmen jalan pada waktu dan kondisi jalan tertentu. HCM (2000) merekomendasikan waktu pengamatan 15 menitan dan kemudian diekivalenkan menjadi volume per jam atau lebih dikenal dengan sebutan hourly flow rate. Zunhwan H. dkk (2005) mengklaim bahwa kapasitas yang didefinisikan US Highway Capacity Manual (HCM, 2000) akan tidak tepat, bahkan menjauhi dari nilai aktual sesunggunya, terutama untuk kebutu-

Terminologi kapasitas adalah istilah

han operasional. Hal ini dikarenakan kondisi

dasar yang sangat berguna untuk mengukur

interaksi kendaraan, kondisi aliran lalu lintas,

kemampuan suatu infrastruktur jalan untuk

kondisi kontrol lalu lintas dan teknologi

mengakomodir permintaan perjalanan (de-

kendaraan sangat dinamis dari waktu kewaktu.

mand). Minderhoud dkk. (1997) menyebut-

Oleh karena itu Roess P Roger dkk (2004)

kan bahwa kapasitas suatu jalan merupakan

menyebutkan kapasitas jalan merupakan

parameter terpenting dalam perencanaan,

fungsi dari semua faktor dari aliran lalu lintas

disain dan pengoperasional suatu jalan. Secara

dan berkorelasi dengan fungsi ruang dan

umum, pengukuran kapasitas dapat dibedakan

waktu.

menjadi dua cara, yaitu metode kapasitas statis

Belakang ini, banyak peneliti memulai

(Conventional) dan metode kapasitas dinamis

menggunakan konsep kapasitas dinamis dalam

(Dynamic).

berbagai penelitian seperti Cassidy dkk (1995), Chung K. dkk (2007), Zunhwan dkk (2005),

Metode Kapasitas Statis dan Dinamis.

Elefteradou

dkk (2003), Minderhoud dkk

Dikatakan metode statis apabila nilai

(1997), Geistefeldt. J (2008). Mereka menye-

kapasitas yang digunakan adalah kapasitas

butkan kapasitas sebuah jalan sangat random Volume 2, Nomor 3, Mei 2013 - 217


dan variabelitas bukan merupakan sebuah nilai

lebih banyak digunakan, karena model ini

konstan. Hal ini memberikan kesimpulan

dapat menggambarkan karakteristik inte-

bahwa konsep kapasitas dinamis lebih mem-

raksi individual kendaraan pada suatu

berikan tingkat kehandalan (reliable) diban-

aliran lalu lintas. Boxill dan Yu (2000)

dingkan dengan metode statis.

mengungkapkan perkembangan disiplin

Metode kapasitas dinamis pada awal-

ilmu pada teori aliran lalu lintas dan juga

nya dikembangkan untuk menganalisa kondisi

perkembangan teknologi komputer mampu

aliran lalu lintas tidak stabil (unstable flow)

menghasilkan perangkat-perangkat lunak

pada segmen jalan bebas hambatan (uninter-

yang dapat membantu para praktisi dan

rupted flow). Namun dewasa ini metode ini

peneliti memodelkan dan mensimulasikan

mulai diaplikasikan pada jaringan jalan

interaksi antara kendaraan, manusia dan

perkotaan dan bahkan pada persimpangan

lingkungan dalam suatu aliran lalu lintas.

yang notabennya memiliki aliran terganggu

Untuk tujuan demonstrasi, evaluasi ek-

(interupted flow). Beberapa peneliti seperti

sisting dan juga evaluasi suatu improvisasi,

Rudjanakanoknad (2009) dan Sugiarto dkk

perangkat lunak sangat dibutuhkan. Dian-

(2012) merupakan peneliti yang mengawali

tara

penggunaan metode kapasitas dinamis pada

digunakan adalah CORSIM dari US dan

lokasi penyempitan kapasitas akibat bukaan u-

VISSIM dari German.

turn. Metode oblique cumulative plot (OCP)

perangkat

lunak

yang

sering

VISSIM adalah perangkat lunak

digunakan oleh Rudjanakanoknad (2009) di

berbasis

kota Bangkok, untuk mengidentifikasi param-

bangkan untuk menganalisa karakteristik

eter utama yang menyebabkan mekanisasi

lalu lintas perkotaan, pejalan kaki dan juga

penurunan kapasitas di bukaan u-turn di kota Bangkok. Sedangkan Sugiarto dkk (2012) lebih menitik beratkan pada mekanisasi pengurangan kapasitas dan kecepatan operasional aliran utama akibat gangguan aliran lalu lintas dari u-turn. Dua metode digunakan untuk memastikan hasil assesmen

handal, yaitu

mikrosimulasi

yang

dikem-

sistem angkutan umum. Lebih khusus, VISSIM

dapat

digunakan

untuk

menganalisa aliran lalu lintas, seperti konfigurasi jalur, komposisi lalu lintas, persinyalan

lalu

lintas,

pengoperasian

transportasi umum, dan lain-lain (PTV, 2012).

oblique cumulative plot (OCP) dan breakdown

METODE PENELITIAN

probability function (BPF).

Lokasi Penelitian Lokasi penelitian dilakukan di Jalan T.

Metode Simulasi Umumnya,

Nyak Arief tepatnya di ruas penyempitan jalan program

simulasi

dibedakan menjadi tiga kategori, yaitu makroskopik, mesoskopik dan microskopik. Dewasa ini model simulasi mikroskopik 218 - Volume 2, Nomor 3, Mei 2013

simpang Lamnyong, Banda Aceh (KM6). Lokasi ini dipilih sebagai objek studi dikarenakan kondisi kemacetan pada jam


puncak terutama pagi sangat kritis. Secara

kan pada pos-pos pengamatan yang telah

geomtrik, pada bagian hulu (upstream) jalan

ditentukan terlebih dahulu. Jumlah pos pen-

terdiri dari 2 arah, 6 lajur (dengan median)

gamatan terdiri dua pos, yaitu pada pada

kemudian menyempit di hilir (downstream)

bagian hulu (upstream) dan pada lokasi

menjadi 2 lajur, 2 arah (permanen median).

penyempitan di hilir (downstream).

Pengumpulan Data

Pengolahan Data dan Proses Simulasi

Data pada penelitian ini dibagi dua bagian,

yaitu data

primer

dan

Data yang direkam video diekstrak

data

secara manual dengan menggunakan Timer

sekunder. Data primer adalah data yang

Free Application Software (TFAS). Dalam

didapatkan dengan cara observasi atau

hal ini, peneliti menggunakan kode untuk

pengamatan langsung di lokasi penelitian

memudahkan dalam menghitung jumlah

yang meliputi data volume lalu-lintas dan

dan waktu kedatangan kendaraan. Sebagai

kondisi geometrik. Data volume lalu-lintas

contoh, kode 1 digunakan untuk kendaraan

yang dibutuhkan adalah data dari semua

yang berada pada lajur satu, kode 2 untuk

kendaraan (kendaraan bermotor dan ken-

kendaraan yang berada pada lajur dua, dan

daraan tidak bermotor) yang

kode 3 untuk lajur tiga.

melewati

segmen jalan tersebut agar dapat mengidentifikasikan kapasitas bagian jalan kondisi sekarang di lapangan. Sedangkan data sekunder adalah data penunjang yang me-

Lokasi

liputi peta lokasi penelitian. Survei lapan-

Bottleneck

gan dilakukan selama 2 hari yaitu: Rabu tanggal 23 Mei 2012 dan Kamis 24 Mei 2012 dengan asumsi dua hari pada aktivitas sibuk dan terjadi volume puncak kendaraan yang mengakses ruas jalan tersebut. Survei dilakukan pada jam-jam sibuk pagi dimulai dari pukul 07.30-08.30 WIB dan sore pukul 17.30-18.30 WIB. Pengambilan data volume lalu lintas dilakukan

menggunakan

alat

Gambar 1. Proses ekstraksi data aliran lalu lintas dengan TFAS

Pengambilan data dilakukan selama dua hari pada saat jam puncak pagi dan

bantu

sore hari masing-masing satu jam penga-

handycam. Sebelum menentukan waktu

matan. Proses ekstraksi parameter aliran

survey untuk penelitian, dilakukan pilot

lalu lintas dalam dilihat pada gambar 1.

survey secara visual untuk menentukan

Data yang digunakan sebagai parameter

waktu pengamatan yang diambil.

input simulasi adalah kondisi dan property

Perekaman volume lalu lintas dilakuVolume 2, Nomor 3, Mei 2013 - 219


geometrik jalan, parameter aliran lalu

runs). Hasil pengkodean jaringan dan

lintas, seperti kecepatan, headway dan vol-

pembentukan asumsi pergerakan ken-

ume kendaraan yang teramati dilapang-an.

daraan (link-connectors) dapat dilihat pada gambar 2. Proses Kalibrasi Kalibrasi

adalah

proses

dimana

komponen simulasi model disesuaikan kembali sehingga model simulasi secara akurat mewakili atau mendekati dengan yang diamati. Kalibrasi pada VISSIM 5.40 ini, dilakukan dengan dua cara, pertama dengan menggandakan random seed sebanyak 5, dan juga dengan mengkalibrasi Gambar 2. Proses pengkodean jaringan dan pembentukan pergerakan kendaraan dengan VISSIM 5.40.

Pengolahan data dilakukan setelah

hasil ouput model dibandingkan dengan parameter yang teramati dilapangan (observed).

data hasil pengumpulan telah direkapitulasi

Kalibrasi yang telah dilakukan

sehingga data tersebut dapat dianalisa dan

dalam penelitian ini adalah kalibrasi pa-

mensimulasikan

rameter

dengan

menggunakan

dan

validasi

faktor

random

software VISSIM 5.40. Untuk menentukan

simulasi dengan penggandaan random

nilai

seed.

Maesurement

Of

Effectiveness

Sedangkan

validasi

pa-rameter

MOEs

adalah

(MOEs) volume, kecepatan dan waktu

perbandingan

yang

tempuh perjalanan digunakan sebagai para-

diperoleh dari lapan-gan terhadap hasil

meter input. Berikut ini adalah tahapan-

simulasi dengan meng-gunakan VISSIM

tahapan mendesain VISSIM 5.40 untuk

5.40 dapat diterima apa-bila hasil yang

menjalankan simulasi dan mendapat video

dicapai lebih kecil dari 15% seperti yang

visualisasi aliran lalu lintas, yaitu:

direkomendasikan oleh Collins (2009).

1). Pembentukan jaringan jalan (network HASIL PEMBAHASAN

coding). 2). Membangun ruas penghubung (link3). Imput parameter aliran lalu lintas jumlah

trial

simulasi

untuk

selama 3600 detik dengan jumlah runs 5

simulasi

benar-benar dapat dicapai oleh performa simulator. Parameter yang terpenting untuk

(rundom seeds). 5). Menjalankan

digunakan

kali agar duplikasi kondisi dilapangan

(default traffic). Pengaturan

5.40

menyimulasikan kondisi aliran lalu lintas

connectors).

4).

VISSIM

(simulation


mewakili kapasitas operasional pada jam-


jam puncak pengamatan adalah volume per

dan hilir (downstream), ini menunjukkan

jam (hourly flow rate). Meskipun VISSIM

bahwa

5.40 dikembangkan dengan model aliran

signifikan pada lokasi tersebut.

pengurangan

kapasitas

sangat

lalu lintas berkonsep mikrosimulasi, na-

Parameter lain perlu dikaji adalah

mun VISSIM 5.40 juga mampu meng-

kecepatan dan waktu perjalanan. Kecepa-

hasilkan paramater makroskopik. Untuk

tan operasional sangat diperlukan guna

mengevaluasi kondisi aliran lalu lintas di

meninjau berapa persen kecepatan menga-

lokasi pengamatan, parameter makrosko-

lami deviasi dari kecepatan operasional.

pik, seperti volume lalu lintas, kecepatan

Meskipun kecepatan operasional sering

kendaraan dalam aliran dan waktu tempuh

diabaikan oleh pengguna jalan. Hasil rep-

perjalan (travel time) dipilih sebagai varia-

likasi kecepatan aktual dari 5 runs oleh

bel yang menjelaskan kwalitas aliran lalu

software VISSIM 5.40 dapat dilihat pada

lintas di lokasi tinjauan. Berdasarkan hasil

grafik 2. Grafik 2 menunjukkan bahwa

replikasi sejumlah 5 runs volume lalu

pada kondisi kemacetan, penurunan kece-

lintas (SMP/jam) pada hulu (upstream) dan

patan juga terjadi akibat kendaraan terjeb-

hilir (downstream) dapat dilihat pada

ak dalam antrian di segmen bottleneck. 40

grafik 1.

Kecepatan-upstream (bottleneck)

Kecepatan (Km/jam)

1,600

Volume (SMP/jam)

Volume-upstream (bottleneck)

1,550

Volume-downstream (bottleneck)

1,500

1,450

Kecepatan-downstream (bottleneck)

30

20

10

0

1

1,400

2

3

4

5

6

Number of Random Seed

0

1

2

3

4

5

6

Grafik 2. Replikasi Kecepatan (Km/jam)

Grafik 1. Replikasi volume lalu lintas (SMP/jam)

Gambar 1 memperlihatkan bahwa, aliran lalu lintas pada segmen bottleneck menunjukkan

mekanisasi

dinamika

kapasitas terhadap fungsi waktu. Idealnya,

Volume (SMP/jam)

Number of Random Seed

2,000 1,900 1,800 1,700 1,600 1,500 1,400 1,300 1,200 1,100 1,000

Teramati (observed)

Terprediksi (predicted)

Deviasi (%)

Upstream (bottleneck)

1,660

1,592

12

downstream (bottleneck)

1,455

1,447

9

kapasitas sangat dipengaruhi oleh fungsi waktu dan ruang, bukan sebuah nilai konstan. Plotting grafik menunjukkan adanya deviasi yang signifikan antar volume lalu lintas pada hulu (upstream)

Grafik 3. Validasi volume lalu lintas (SMP/jam)

Penurunan

kecepatan

sebanding

dengan penurunan kapasitas jalan, dalam Volume 2, Nomor 3, Mei 2013 - 221


hal ini diwakili oleh parameter volume per

teramati dan terprediksi lebih kecil dari

jam dalam smp/jam. Grafik 1 dan 2

15%. Asumsi ini berdasarkan rekomendasi

menunjukan bahwa fluktuasi volume lalu

dari Collins ( 2009). Berdasarkan kondisi eksisting saat

stabil. Sehingga, dalam proses kalibrasi

ini dari pusat Kota Banda Aceh menuju ke

hasil diperlukan penambahan replikasi

Darussalam, pada kondisi normal ruas

sebanyak 5 runs (total menjadi 10 runs)

jalan 6/2 D dengan lebar geometrik 9,60

dengan 10 random seed.

meter per jalur dan pada kondisi penyem-

Kecepatan (Km/jam)

lintas terhadap random seeds masih belum

60 55 50 45 40 35 30 25 20 15 10 5 -

pitan ruas jalan menjadi 2/2 UD dengan 45

43

lebar geometrik 3,65 meter per jalur. Maka dari kondisi tersebut menunjukkan terjadi

11

10

9

segmen Jalan T.Nyak Arief Km 6 Banda Teramati (observed)


Deviasi (%)


45

43

4


11

10

9

Waktu tempuh (s/400m)

Grafik 4. Validasi kecepatan (Km/jam) 180.0 160.0 140.0 120.0 100.0 80.0 60.0 40.0 20.0 -

penyempitan geometrik (bottleneck) pada

4

131.0

Aceh. Pada hulu (upstream) didapatkan volume lalu lintas 1660 smp/jam dan pada kondisi penyempitan geometrik (bottle-

144.0

neck) 1455 smp/jam. Pada penyempitan geometrik terjadi penurunan kapasitas

32.0

sebasar 9-12 %. Untuk kecepatan pada

34.0

hulu (upstream) didapat 45 km/jam pada Teramati (observed)


Deviasi (%)


32.0

34.0

(6)


131.0

144.0

(10)

Grafik 5. Validasi waktu tempuh (s/400m)

pada kondisi penyempitan (bottleneck) terjadi penurunan kecepatan menjadi 11 km/jam, atau terjadi penurunan kecepatan sebesar 4-9%.

Grafik 3, 4, 5, menunjukkan hasil

Data ouput yang dihasilkan VISSIM

validasi dari penambahan replikasi menjadi

5.40 setelah melakukan 10 kali random

10. Masing-masing grafik menunjukkan

seed adalah volume lalu lintas didapat

proses validasi dengan membandingkan

1447 smp/jam, kecepatan 10 km/jam dan

pada hulu (upstream) dan hilir (down-

waktu perjalanan 144 detik/400m segmen.

stream). Validasi dilakukan dengan mem-

Validasi

bandingkan nilai prediksi (predicted) yang

dingkan data observasi di lapangan dengan

dihasilkan dari VISSIM 5.40 dengan nilai

hasil simulasi diperoleh volume lalu lintas

pengamatan (observed). Masing-masing

9 %, kecepatan 9 % dan waktu perjalanan

parameter yang dipilih sebagai MOEs

10 %. Ketiga parameter tersebut memper-

dapat diterima dengan nilai deviasi antara

lihatkan bahwa hasil validasi dibawah 15%.


dilakukan

dengan

memban-


Maka Measurement

Of

Effectiveness

jalan. Siiring dengan meningkatkan jumlah

(MOEs) hasil simulasi VISSIM 5.40 dapat

permintaan

perjalanan,

maka

perlu

diterima dan mewakili kondisi aliran lalu

dilakukan

kebijakan-kebijakan

guna

lintas di lapangan.

mengurangi dampak kemacetan. Seperti, melakukan pengalihan arus (diverging

SIMPULAN DAN SARAN

flow), agar pertemuan tidak terkonsentrasi

Penelitian ini menunjukkan bahwa pendekatan metode simulasi dapat digunakan untuk mengevaluasi dan memprediksi mekanisasi aliran lalu lintas pada segmen

pada satu ruas jalan (contraflow). Sehingga diharapkan kondisi arus pada jam puncak dapat

seminimal

mungkin

terjadi

kejenuhan (oversaturated).

penyempitan jalan (bottleneck). Simulasi dengan VISSIM 5.40 menunjukkan bahwa

REFERENCES

kondisi kemacetan lalu lintas akibat bottle-

Anonim, (1997). Manual Kapasitas Jalan

neck sistematis di simpang Lamnyong

Indonesia, Direktorat Bina Marga,

perlu ditangani segera. Adapun parameter-

Bina Jalan Kota, Jakarta

parameter

yang

menunjukkan

adanya

Brilon, W., et al. (2007), Implementing the

penurunan mutu aliran lalu lintas, adalah:

concept of reliability for highway

1.

Pada segmen bottleneck kapasitas ter-

capacity

prediksi adalah 1455 smp/jam (terjadi

Research Record: Journal of the

penurunan kapasitas sebasar 9-12%).

Transportation Research Board, No.

Kecepatan pada bottleneck teramati

2027. Transportation Research Board,

menjadi 11 km/jam, atau terjadi

pp. 1-8.

2.

penurunan kecepatan sebesar 4-9%.

analysis.

Transportation

Boxil., S., A and Yu., L. (2000). An Evaluation of Traffic Simulation Model for

Hasil validasi menunjukkan deviasi

Supporting ITS Development. Center

antara teramati dan hasil simulasi untuk

of

volume lalu lintas 9 %, kecepatan 9 % dan

Research. Texas Southern University,

waktu perjalanan 10 %. Ketiga parameter

USA.

tersebut

memperlihatkan

bahwa

hasil

Transportation

Training

and

Cassidy, M. J., and Windover, J. R. (1995),

validasi dibawah 15%. Maka Measurement

Methodology for assessing dynamics of

Of

Effectiveness (MOEs) hasil simulasi

freeway traffic flow, Transportation

VISSIM 5.40 dapat diterima dan mewakili

Research Record 1484, TRB, pp. 73-79.

kondisi aliran lalu lintas di lapangan. Kesimpulan yang dapat diambil adalah,

kondisi

bottleneck

dilokasi

penelitian telah menunjukkan indikasi terjadi penurunan kwalitas operasional

Cassidy, M. J. and Bertini, R. L. (1999), Some traffic

features

at

freeway

bottlenecks.Transportation

Research

Part B, Volume 33, pp. 25-42. Chung, K., Rudjanakanoknad, J., and Cassidy, Volume 2, Nomor 3, Mei 2013 - 223


M. J. (2007), Relationship between

Sugiarto, Thirayoot, L., and T., Nakatsuji.

traffic density and capacity drops at

(2012). Dropped in capacity and traffic

three

speed of urban Arterial: a case study at

freeway

Transportation

bottlenecks.

Research

Part

B,

Volume 41, pp. 82-95.

Indonesia. Aceh International Journal

Elefteradou, L., Lertworawanich, P. (2003). Defining, measuring and estimating freeway

capacity.

u-turn section in Aceh Province, of Science and Technology, 1 (3): 86-92. Sugiarto,

(2012).

Traffic

Breakdown

Transportation

Mechanism of Hidden Bottleneck: a

Research Board 2003 Annual Meeting

Case Study of U-turn Section on an

CD-ROM

Arterial Road. Jurnal Teknik Sipil, 2

Lertworawanich

P.,

Elefteriadou

(2001).

Capacity estimations for type weaving

areas

based

on

B gap

(1): 67-76. TRB. (2000). Highway Capacity Manual 2000, Transportation

Research

acceptance, Transportation Research

National

Record 1776, National Academy Press,

Washington D.C., 2000

pp. 24-34

Zhang, H.M.

Research

Board, Council,

(2001). A note on highway

Lorenz, M. R., L. Elefteriadou. (2001),

capacity. Transportation Research Part

Defining freeway capacity as function

B 35 pp. 929-937 Transportation

of

probability.

Research Record 1883, Transportation

Record:

Research Board, Washington D.C. pp

breakdown

Transportation

Research

Journal of the Transportation Research Board,

No.

1776.

122-131

Transportation

Zunhwan HWANG., Jumsan KIM, and

Research Board, National Research

Sungmo RHEE. (2005), development

Council, Washington D.C., pp. 43-51.

of a new highway capacity estimation

Minderhoud, M. M., H. Botma, and P. H. L.

method. Proceedings of the Eastern

Bovy. (1997), Assessment of roadway

Asia Society for Transportation Studies,

capacity

Vol. 5, pp. 984 - 995

estimation

Transportation

methods.

Research

Record:

Journal of the Transportation Research Board,

No.

1572.

Transportation

Research Board, National Research Council, Washington D.C., pp. 59-67. Rudjanakanoknad, J. (2009). Analysis of effecting street bottleneck capacity through oblique cummulative plots. Proceeding of the Eastern Asia Society for Transportation Study, Vol 7. 224 - Volume 2, Nomor 3, Mei 2013

ASSESMEN AKTUAL KAPASITAS JALAN PADA SEGMEN BOTTLENECK SISTEMATIS DENGAN PENDEKATAN METODE SIMULASI

Recommend Documents