KALIBRASI DAN VALIDASI MIXED TRAFFIC VISSIM MODEL

KALIBRASI DAN VALIDASI MIXED TRAFFIC VISSIM MODEL Budi Yulianto Jurusan Teknik Sipil, Universitas Sebelas Maret, Jl Ir. Sutami 36A Surakarta, email: [email protected]

Setiono Jurusan Teknik Sipil, Universitas Sebelas Maret, Jl Ir. Sutami 36A Surakarta, email: [email protected]

Abstract Traffic simulation model is an effective approach to analyze traffic operations because it can produce output that is relatively close to real conditions. Most simulation models based on non-mixed traffic conditions, focusing on fourwheeled vehicles and control systems based on the use of the vehicle lane. These Conditions are not suitable for Indonesia where the traffic is heterogeneous (mixed). This research aims to adapt existing commercial models to simulate traffic conditions in Indonesia. In this case is a case study on an intersection in the road in the city of Solo, exactly Jalan Sudirman. This study uses VISSIM software Version 3.6 for mixed traffic model which is then validated with data observations in the field. In this study, Vissim used to simulate heterogeneous traffic, irregular and composition of the traffic consists of different types of vehicles (called mixed traffic). The calibration and validation of the model needs to be done so that there is confidence that the model is valid, ie close to the model output observations. From the statistical analysis it can be concluded that the model that is made is valid, where the parameters of the model Vissim output performance (travel time and long queues of vehicles) approaching the observation.

Keywords: mixed traffic,observation, signal control, validation. Abstrak Model simulasi lalu lintas merupakan sebuah pendekatan yang efektif untuk menganalisis operasi lalu lintas karena bisa menghasilkan output yang relatif mendekati kondisi nyata. Kebanyakan model simulasi berdasarkan pada kondisi nonmixed traffic, fokus pada lalu lintas dengan kendaraan roda empat dan sistim kontrol berdasarkan penggunaan lajur kendaraan. Kondisi tersebut tidak cocok untuk Indonesia di mana arus lalu lintas bersifat heterogen (campuran). Penelitian ini bertujuan untuk mengadaptasikan model komersial yang ada untuk mensimulasikan kondisi lalu lintas di Indonesia. Dalam hal ini adalah studi kasus pada sebuah simpang di jalan yang ada di kota Solo, tepatnya Jalan Jenderal Sudirman. Penelitian ini menggunakan perangkat lunak VISSIM Versi 3.6 untuk membuat model mixed traffic yang kemudian divalidasi dengan dengan data hasil pengamatan di lapangan. Di dalam penelitian ini, VISSIM digunakan untuk mensimulasi lalu lintas yang heterogen, tidak teratur dan komposisi lalu lintasnya terdiri dari berbagai tipe kendaraan (disebut mixed traffic). Proses kalibrasi dan validasi model perlu dilakukan agar adanya keyakinan bahwa model yang dibuat itu valid, yaitu hasil keluaran model mendekati hasil observasi. Dari analisa statistik dapat disimpulkan bahwa model yang di buat adalah valid, dimana parameter kinerja keluaran VISSIM model (waktu tempuh dan panjang antrian kendaraan) mendekati hasil observasi.

PENDAHULUAN Model simulasi lalu lintas merupakan sebuah pendekatan yang efektif untuk menganalisis operasi lalu lintas karena bisa menghasilkan output yang relatif mendekati kondisi nyata. Kebanyakan model simulasi berdasarkan pada kondisi non-mixed traffic, fokus pada lalu lintas dengan kendaraan roda empat dan sistim kontrol berdasarkan penggunaan lajur kendaraan. Kondisi tersebut tidak cocok untuk Indonesia di mana arus lalu lintas bersifat heterogen (campuran), dengan berbagai jenis kendaraan dan proporsi sepeda motor yang tinggi dan kedisiplinan penggunaan lajur yang rendah, terutama saat antrian di kaki simpang (lihat Gambar 1). Meskipun beberapa model simulasi telah dibangun berdasarkan pada kondisi mixed traffic (Oketch, 2001), akan tetapi

secara umum belum dipergunakan secara komersial dan aplikasinya di lapangan masih terbatas.

Gambar 1. Antrian kendaraan saat lampu lalu lintas merah pada kondisi mixed traffic

MEDIA TEKNIK SIPIL/Juli 2013/1

Penelitian ini bertujuan untuk mengadaptasikan model komersial yang ada untuk mensimulasikan kondisi lalu lintas di Indonesia. Dalam hal ini adalah studi kasus pada sebuah simpang di jalan yang ada di kota Solo, tepatnya Jalan Jenderal Sudirman. Penelitian ini menggunakan perangkat lunak VISSIM Versi 3.6 untuk membuat model mixed traffic yang kemudian divalidasi dengan dengan data hasil pengamatan di lapangan. PENGUMPULAN DATA LALU LINTAS Deskripsi Lokasi Lokasi dari penelitian ini adalah sebuah simpang empat bersinyal di Jalan Jenderal Sudirman kota Surakarta (lihat Gambar 2). Tempat ini dipilih karena dianggap cukup mewakili kondisi lalu lintas di kota Surakarta secara umum. Pengaturan Lalu lintas di simpang dimaksud pada saat ini menggunakan sistem Fixed Time Control (FTC).

Gambar 2. Persimpangan Jl Jenderal Sudirman Data yang dikumpulkan pada simpangan ini antara lain: data geometri jalan, data sinyal, volume lalu lintas, komposisi lalu lintas, proporsi kendaraan membelok dan antrian kendaraan. Data lalu lintas bisa di lihat pada Lampiran A. Karakteristik Kendaraan Karakteristik dinamis dan statis dari kendaraan merupakan parameter input yang penting bagi model VISSIM. Parameter input ini perlu ditentukan dari data lapangan agar diperoleh hasil yang akurat. Parameter input dari model VISSIM dikumpulkan dari lokasi pengamatan berupa jenis kendaraan, panjang, berat dan tenaga, jarak henti, kecepatan rencana, maksimum percepatan dan perlambatan rencana. Pada penelitian ini, kendaraan dibagi menjadi empat kelas sebagai berikut: 1. Kendaraan bermotor roda dua (MC), 2. Mobil penumpang (CAR), 3. Kendaraan berat pengangkut barang (HGV), dan 4. Bis (BUS). 2/ MEDIA TEKNIK SIPIL/Juli 2013

Spesifikasi data kendaraan dari berbagai pabrik dikumpulkan untuk membangun distribusi kumulatif dari panjang kendaraan, berat dan tenaga sebagai model input VISSIM (lihat Lampiran B). Untuk mengumpulkan data kecepatan bebas, pengukuran kecepatan dilakukan dari arah hulu pada pendekatan yang dipilih sebelum titik dimana lalu lintas mulai melambat untuk kemungkinan berhenti di persimpangan atau di mana lalu lintas yang bergerak bebas bisa terbentuk. Menurut Hoque (1994), kecepatan bebas dari kendaraan, diukur dengan waktu perekaman ketika kendaraan melewati dua tanda yang telah ditetapkan di seberang jalan, 20 meter terpisah untuk kendaraan bermotor dan 5 meter terpisah untuk non-kendaraan bermotor. Contoh distribusi kecepatan bebas dari beberapa jenis kendaraan ditunjukkan pada Gambar 3 berikut ini. Dalam penelitian ini, percepatan maksimum dan perlambatan maksimum bebas jenis kendaraan diperoleh dari observasi lapangan, sedangkan deselerasi bebas beberapa jenis kendaraan menggunakan nilai yang diperoleh Hoque (Hoque, 1994). Perkiraan akurat dibuat untuk kondisi lalu lintas riil dengan menggunakan peralatan pengukuran kecepatan setiap detik. Peralatan yang digunakan untuk mengukur waktu kecepatan adalah Squirrel Meter, dikembangkan oleh TRL-UK. Dari data yang dikumpulkan, percepatan dan perlambatan maksimum bebas beberapa jenis kendaraan diperkirakan. Percepatan maksimum sepeda motor, misalnya, ditunjukkan pada Gambar 4.

Gambar 3. Distribusi kecepatan bebas kendaraan dlm km/jam

Kalibrasi Kalibrasi adalah proses menyesuaikan parameter untuk mendapatkan kesesuaian antara nilai simulasi dan data yang diamati. Data lalu lintas yang digunakan sebagai perbandingan dalam proses kalibrasi adalah jumlah arus lalu lintas di kaki-kaki simpang baik yang masuk ke simpang maupun keluar dari simpang. Gambar 5 memperlihatkan lokasi arus lalu lintas yang digunakan sebagai perbandingan antara arus lalu lintas hasil observasi dengan hasil pemodelan.

Gambar 5. Lokasi arus lalu lintas yang digunakan dalam proses kalibrasi Tabel 1 memperlihatkan bahwa perbedaan jumlah arus lalu lintas, yang masuk ataupun keluar ke dan dari kaki simpang, antara hasil observasi dengan hasil pemodelan tidak signifikan, dimana perbedaan persentasi yang paling besar adalah 5.1%. Gambar 4. Percepatan maksimum dari sepeda motor dalam m/s2

Tabel 1. Perbandingan arus lalu lintas hasil observasi dengan hasil pemodelan No

Nama Jalan 1 Jl Sudirman SB (Inbound) 2 Jl Kusmanto WB (Inbound) 3 Jl Sudirman NB (Inbound) 4 Jl Sudirman SB (Outbound) 5 Jl Kusmanto WB (Outbound) 6 Jl Sudirman NB (Outbound)

Observasi

Microsimulation RS 40 RS 42 RS 44 RS 46 RS 48 Rata-Rata 2044 2036 2032 2036 2029 2034 2033 1481 1477 1474 1475 1473 1473 1474 4109 4091 4097 4090 4100 4093 4094 2688 2814 2825 2770 2822 2900 2826 1183 1138 1144 1168 1156 1121 1145 1500 1455 1444 1436 1451 1458 1449

Validasi Validasi berkaitan dengan penentuan apakah secara konseptual model simulasi dapat merepresentasikan pemodelan secara akurat (Hellinga et al, 1996). Model ini valid jika keluaran data yang dihasilkan dari model tersebut mendekati hasil dari kejadian aktual dalam sistem. Proses validasi melibatkan perbandingan hasil simulasi dan data observasi yang dikumpulkan dari studi lapangan. Adalah penting untuk secara jelas mengidentifikasi ukuran kinerja yang harus digunakan dalam perbandingan (Hellinga et al, 1996). Dalam studi ini, kinerja simpang

O-M 11 7 15 -138 38 51

% 0.5% 0.4% 0.4% -5.1% 3.2% 3.4%

yaitu waktu perjalanan (detik) dan antrian kendaraan (meter) digunakan sebagai pembading antara hasil pemodelan dengan hasil obervasi. Parameter Kinerja Persimpangan Parameter kinerja berikut diadopsi untuk membandingkan hasil keluaran model simulasi dengan data yang diperoleh dari studi lapangan. 1. Waktu Tempuh yaitu waktu perjalanan yang dicapai oleh kendaraan yang melaju dengan kecapatan bebas dari lokasi satu (asal) ke lokasi lainnya (tujuan). Satuan waktu tempuh adalah detik atau menit. MEDIA TEKNIK SIPIL/Juli 2013/3

2. Panjang Antrian Kendaraan. Untuk penelitian ini, panjang antrian kendaraan didefinisikan sebagai jarak dalam meter dari garis henti di mana kendaraan mengantri di kaki simpang lampu bersinyal (Sutomo, 1992 dan Hoque, 1994). Untuk setiap siklus, panjang antrian tercatat pada awal periode hijau. Dalam keadaan ini hanya maksimum panjang antrian yang menjadi perhatian, terlepas dari lajur di mana hal itu terjadi. Panjang antrian rata-rata yang dihitung selama enam interval untuk perbandingan statistik. Teknik Validasi -Data Model Simulasi Di dalam penelitian ini, pemodelan dilakukan pada jam sibuk sore hari yaitu pada jam 16:30 sampai dengan 17:30. Komposisi dan volume lalu lintas di persimpangan jalan Sudirman pada jam sibuk sore, dapat dilihat pada Tabel 2. Tabel 2. Komposisi dan volume lalu lintas selama satu jam sibuk sore hari Kaki Komposisi Lalu Lintas Volume Simpang MC CAR HGV BUS Lalu Lintas (kend/jam) Selatan 1673 358 9 4 2044 Utara 3163 916 13 17 4109 Timur 1148 331 2 0 1481

Untuk mendapatkan hasil parameter kinerja (waktu tempuh dan panjang antrian kendaraan) dari pemodelan, maka model simulasi dijalankan selama periode satu jam. Model dijalankan sebanyak enam kali dengan menggunakan random seed yang berbedabeda, hal ini untuk mengakomodasi variasi pergerakan kendaraan. Nilai rata-rata dari enam model (yang berbeda random seed-nya) tersebut digunakan sebagai perbandingan.

Analisa Kinerja Metode perbandingan yang digunakan dalam penelitian ini adalah sebagai berikut:
Perbandingan waktu tempuh antara hasil pemodelan dengan observasi Pengukuran waktu tempuh dilakukan di dua segmen yaitu: Segmen 1: antara persimpangan jalan Kapten Mulyadi/Mayor Kusmanto sampai dengan persimpangan Jalan Imam Bonjol/Ronggowarsito Segmen 2: antara Bundaran Gladak sampai Bundaran Balaikota. Kedua segmen waktu tempuh tersebut dapat dilihat pada Gambar 6.

Gambar 6. Segmen waktu tempuh Pengukuran waktu tempuh, dengan menggunakan sepeda motor, di dua segmen tersebut dilakukan sebanyak lima kali. Nilai rata-ratanya kemudain dibandingkan dengan nilai rata-rata waktu tempuh yang dihasilkan oleh VISSIM model. Tabel 3 memperlihatkan perbandingan waktu tempuh antara hasil observasi dengan hasil pemodelan. Perbedaan nilai rata-rata waktu tempuh antara hasil observasi dengan hasil pemodelan kecil, paling tinggi 6%.

Tabel 3. Perbandingan waktu tempuh antara hasil observasi dengan hasil pemodelan Modelled(M) Observed(O) Bagian TipeKendaraan RS40 RS42 RS44 RS46 RS48 Rata-Rata TT(Detik) O-M % TT(Detik) TT(Detik) TT(Detik) TT(Detik) TT(Detik) TT(Detik) 1 2 3 4 5 Rata-rata 1SepedaMotor 137 138 141 130 146 138 130 135 128 139 145 135 -3 -2% 2SepedaMotor 63 64 67 66 68 66 70 68 65 73 74 70 4 6%


Perbandingan panjang antrian kendaraan antara model dengan observasi. Panjang antrian kendaraan yang terjadi di kaki simpang Selatan Jalan Sudirman dipakai sebagai perbandingan. Rata-rata panjang antrian 4/ MEDIA TEKNIK SIPIL/Juli 2013

kendaraan selama 10 menit antara hasil observasi dengan hasil pemodelan dibandingkan. Untuk mengetahui apakah perbedaan tersebut signifikan atau tidak maka dilakukan uji statistik (lihat Lampiran C). dari hasil analisa didapatkan bahwa tidak ada

perbedaan yang signifikan antara model dan observasi

KESIMPULAN VISSIM merupakan salah satu program simulasi komersial yang digunakan untuk pemodelan lalu lintas. Di dalam penelitian ini, VISSIM digunakan untuk mensimulasi lalu lintas yang heterogen, tidak teratur dan komposisi lalu lintasnya terdiri dari berbagai tipe kendaraan (disebut mixed traffic). Proses kalibrasi dan validasi model perlu dilakukan agar adanya keyakinan bahwa model yang dibuat itu valid, yaitu hasil keluaran model mendekati hasil observasi. Dari analisa statistik dapat disimpulkan bahwa model yang di buat adalah valid, dimana parameter kinerja keluaran VISSIM model (waktu tempuh dan panjang antrian kendaraan) mendekati hasil observasi.

REFERENSI Hoque, MD (1994) The Modelling of Signalised Intersections in Developing Countries. PhD Thesis, Department of Civil and Environment Engineering, University of Southampton, UK. Hellinga, B, Hesham Rakha, et al (1996) systematic Verivication, Validation and Calibration of Traffic Simulation Models, Presented at the 1996 Transportation Research Board Annual Meeting, Washington DC. Oketch, T (2001) A Model for Heterogeneous Traffic Flows including Non-Motorised Vehicles, PhD Thesis, Institute Fur Verkehrswesen, Universitat (TH) Karlsruhe. Sutomo, H (1992): Appropriate Saturation Flow at Traffic Signals in Javanese Cities: A Modelling Approach. PhD Thesis, Institute of Transport Studies, University of Leeds, UK.

MEDIA TEKNIK SIPIL/Juli 2013/5

LAMPIRAN A:

Jl Sudirman NB (C)

Interval 16:30 - 16:45 16:45 - 17:00 17:00 - 17:15 17:15 - 17:30 TOTAL

MC LV HV BUS 77 34 0 0 54 24 0 0 83 40 0 0 77 53 0 0 291 151 0 0 442 0.66 0.34 0.00 0.00 442

Interval 16:30 - 16:45 16:45 - 17:00 17:00 - 17:15 17:15 - 17:30 TOTAL

MC LV HV BUS 542 161 3 5 444 134 2 4 548 150 4 4 510 154 2 4 2044 599 11 17 2654 0.77 0.23 0.00 0.01

2654

Interval 16:30 - 16:45 16:45 - 17:00 17:00 - 17:15 17:15 - 17:30 TOTAL

MC LV HV BUS 194 37 2 0 154 33 0 0 205 50 0 0 275 46 0 0 828 166 2 0 996 0.83 0.17 0.00 0.00

996

OK

OK

OK

Jl Kusmanto (B)

Interval 16:30 - 16:45 16:45 - 17:00 17:00 - 17:15 17:15 - 17:30 TOTAL

MC LV HV BUS 35 9 0 0 40 11 0 0 35 11 0 0 20 11 0 0 130 42 0 0 172 0.76 0.24 0.00 0.00 172

Interval 16:30 - 16:45 16:45 - 17:00 17:00 - 17:15 17:15 - 17:30 TOTAL

MC LV HV BUS 210 64 0 0 249 51 0 0 235 58 2 0 205 37 0 0 899 210 2 0 1111 0.81 0.19 0.00 0.00

1111

Interval 16:30 - 16:45 16:45 - 17:00 17:00 - 17:15 17:15 - 17:30 TOTAL

MC LV HV BUS 30 20 0 0 35 21 0 0 32 20 0 0 22 18 0 0 119 79 0 0 198 0.60 0.40 0.00 0.00

198

OK

OK Jl Sudirman SB (A)

Interval 16:30 - 16:45 16:45 - 17:00 17:00 - 17:15 17:15 - 17:30 TOTAL

MC LV HV BUS 40 8 0 0 38 10 0 0 42 9 0 0 32 8 0 0 152 35 0 0 187

6/ MEDIA TEKNIK SIPIL/Juli 2013

Interval 16:30 - 16:45 16:45 - 17:00 17:00 - 17:15 17:15 - 17:30 TOTAL

MC LV HV BUS 299 61 1 2 275 57 4 1 269 55 1 1 245 56 1 0 1088 229 7 4 1324

Interval 16:30 - 16:45 16:45 - 17:00 17:00 - 17:15 17:15 - 17:30 TOTAL

MC LV HV BUS 105 26 1 0 110 23 0 0 105 21 1 0 113 24 0 0 433 94 2 0 529

LAMPIRAN B: DATA SPESIFIKASI KENDARAAN (mm) 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 29 30 31 32 33 34 35 36 37 38 39 40 41 42

Motorcycle Motorcycle Motorcycle Motorcycle Motorcycle Motorcycle Motorcycle Motorcycle Motorcycle Motorcycle Motorcycle Motorcycle Motorcycle Motorcycle Motorcycle Motorcycle Motorcycle Motorcycle Motorcycle Motorcycle Motorcycle Motorcycle Motorcycle Motorcycle Motorcycle Motorcycle Motorcycle Motorcycle Motorcycle Motorcycle Motorcycle Motorcycle Motorcycle Motorcycle Motorcycle Motorcycle Motorcycle Motorcycle Motorcycle Motorcycle Scooter Jetmatic

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 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50

Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car

Millenium - ML100 Super Millenium - ML100 Super S Honda - Tiger 2000 Honda - Astrea Supra Honda - Astrea Supra X Honda - Impressa Honda - Astrea Grand Honda - GL pro Honda - Mega pro Honda - 70 cc Honda - Neotech Kawasaki - Ninja R Kawasaki - Kaze E Kawasaki - Kaze R Kawasaki - Kaze VR Suzuki - Shogun 110 Suzuki - Shogun 110 R Suzuki - Thunder GSX 250 Suzuki - Thunder GSX 250 P Suzuki - Tornado GS 110 Suzuki - Tornado GX 100 Suzuki - Shogun FD 110 Suzuki - Shogun R FD Suzuki - TS 125 Suzuki - Econos Super 100 Suzuki - Econos Super 100 VR Suzuki - Satria 120 S Suzuki - Satria 120 R Suzuki - Black Bravo Yamaha - RX King Yamaha - Sigma Yamaha - Crypton Yamaha - F1Z R Yamaha - Jupiter Yamaha - RX King Yamaha - RX Special Yamaha - YT 115 Yamaha - Vega Zongshen - ZS 100 - 9 Kanzen - Megastar KM 100 Vespa Kymco Average Volvo - 460 GLE Injection Volvo - 960 Volvo - 940 GL Turbo diesel BMW 318i BMW 320i BMW 325i BMW 5 Series BMW 3 Series BMW M5 Ford - Fiesta 1.4i CLX Ford - Escort 1.6i Ford - Sierra 2.0i GL Peugeot - 205 XL Peugeot - 205 GRD Peugeot - 309 GR Peugeot - 309 GTI Mitsubishi - Galant 2000 GLXi Mitsubishi - Galant V6 2.5L M/T Mitsubishi - Galant V6 2.5L A/T Mitshubishi - Lancer GLX Diesel Mitsubishi - New LancerGLXi/Sei 1.6 Mitsubishi - Kijang Kuda GLS Mitsubishi - Kijang Kuda GLX Mitsubishi - Kijang Kuda Super Exceed Toyota - Kijang Kencana Toyota - Kijang Rangga Toyota - Kijang Grand Extra Toyota - Kijang Krista Toyota - Kijang Rover Toyota - Land Rover Toyota - Land Cruiser VX-Turbo Toyota - Land Cruiser Standard Toyota - Great Corolla Toyota - Corolla 1.6 Gli Liftback Toyota - Corolla 1.6 Xli Toyota - Corolla 1.6 SE.G (M/T) Toyota - Corolla 1.6 SE.G (A/T) Toyota - New Corolla 1.6 Xli Toyota - New Corolla 1.6 SE.G (M/T) Toyota - New Corolla 1.6 SE.G (A/T) Toyota - Corona 2,0 EX Saloon M/T Toyota - Corona 1,6 GX Saloon M/T Toyota - Crown Royal Saloon Toyota - Crown Super Saloon Toyota - Soluna Xli - M/T Toyota - Soluna Gli - M/T Toyota - MR2 Toyota - Starlet 1.3 Xli Toyota - Starlet 1.3 SE-G Isuzu - Panther Total Assy

(mm) 1,980 1,980 1,990 1,910 1,910 1,854 1,910 1,950 2,033 1,900 1,900 1,955 1,925 1,925 1,925 1,930 1,930 1,975 1,975 1,889 1,889 1,930 1,930 2,085 1,930 1,930 1,915 1,915 1,860 1,970 1,860 1,870 1,870 1,890 1,970 1,950 2,010 1,870 1,900 1,880 1,850 1,790 1,924 4,405 4,870 4,870 4,433 4,433 4,433 4,775 4,471 4,784 3,743 4,036 4,467 3,705 3,705 4,051 4,051 4,540 4,630 4,630 4,235 4,290 4,120 4,120 4,120 4,200 4,450 4,100 4,500 4,000 4,700 4,820 4,950 4,200 4,215 4,285 4,285 4,285 4,395 4,395 4,395 4,620 4,620 4,860 4,860 4,175 4,175 4,180 3,720 3,720 4,300

680 680 742 715 721 667 650 690 737 700 730 740 690 710 710 710 710 765 765 665 665 710 710 820 780 780 725 725 650 735 635 655 670 670 735 745 800 655 700 695 650 685 709 1,678 1,750 1,750 1,698 1,698 1,698 1,800 1,739 1,800 1,606 1,692 1,698 1,572 1,572 1,628 1,628 1,965 1,740 1,740 1,670 1,690 1,650 1,650 1,690 1,600 1,720 1,600 1,650 1,600 1,800 1,930 1,830 1,650 1,655 1,690 1,690 1,690 1,690 1,690 1,690 1,695 1,695 1,720 1,720 1,660 1,660 1,700 1,600 1,600 1,600

Curb / Chassis 93 93 123 94 95 91 92 109 109 90 110 115 96 98 102 105 105 132 132 92 90 105 105 95 93 93 95 95 95 100 92 92 95 99 100 94 93 95 90 95 100 111 1,039 1,550 1,430 1,145 1,270 1,295 1,565 1,360 1,795 820 1,015 1,140 790 880 910 930 1,271 1,805 1,805 1,040 1,030 1,305 1,280 1,305 1,250 1,390 1,250 1,390 1,250 1,800 2,105 1,950 990 1,045 990 1,005 1,030 1,040 1,055 1,080 1,150 1,100 1,590 1,540 880 900 1,190 720 725 1,350

GVW

(kW) 223 223 253 224 225 221 222 239 239 220 240 245 226 228 232 235 235 262 262 222 220 235 235 225 223 223 225 225 225 230 222 222 225 229 230 224 223 225 220 225 230 241 230 1,580 2,010 1,945 1,605 1,730 1,755 2,000 1,785 2,290 1,250 1,425 1,675 1,220 1,300 1,330 1,350 1,720 2,205 2,205 1,500 1,430 1,705 1,680 1,705 1,650 1,790 1,650 1,790 1,650 2,800 2,960 2,960 1,390 1,490 1,390 1,405 1,430 1,440 1,455 1,480 1,550 1,500 1,990 1,940 1,305 1,325 1,515 1,225 1,225 1,750

5.20 5.20 13.04 5.27 5.27 5.35 5.35 10.70 10.70 4.76 10.70 20.87 6.59 6.59 6.59 7.31 7.31 14.65 14.65 9.52 6.96 7.18 7.18 9.52 6.88 6.88 9.52 9.89 6.96 13.55 5.79 6.08 7.84 6.08 13.55 11.72 11.72 6.08 5.50 5.30 7.03 7.03 8.42 75.00 150.00 80.00 83.00 110.00 141.00 100.00 77.00 294.00 52.00 77.00 88.00 44.00 47.00 55.00 88.00 106.00 122.31 122.31 44.00 84.23 65.92 65.92 65.92 58.59 58.59 58.59 58.59 58.59 95.21 117.18 95.21 84.23 77.00 84.23 84.23 84.23 87.89 87.89 87.89 93.75 84.23 162.30 162.30 69.58 69.58 115.00 55.00 52.73 58.59

Table B1. Vehicle Specification Data

MEDIA TEKNIK SIPIL/Juli 2013/7

No.

Type of Vehicle 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86

Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car Car

1 2 3 4 5 6 7 8 9 10 11 12 13

Light Good Vehicle Light Good Vehicle Light Good Vehicle Light Good Vehicle Light Good Vehicle Light Good Vehicle Light Good Vehicle Light Good Vehicle Light Good Vehicle Light Good Vehicle Light Good Vehicle Light Good Vehicle Light Good Vehicle

1 2 3 4 5 6 7 8 9

Medium Good Vehicle Medium Good Vehicle Medium Good Vehicle Medium Good Vehicle Medium Good Vehicle Medium Good Vehicle Medium Good Vehicle Medium Good Vehicle Medium Good Vehicle

1 2 3 4 5 6 7 8 9 10 11 12 13

Heavy Good Vehicle Heavy Good Vehicle Heavy Good Vehicle Heavy Good Vehicle Heavy Good Vehicle Heavy Good Vehicle Heavy Good Vehicle Heavy Good Vehicle Heavy Good Vehicle Heavy Good Vehicle Heavy Good Vehicle Heavy Good Vehicle Heavy Good Vehicle

1 2 3 4 5 6

Busses Busses and Coaches Busses and Coaches Busses and Coaches Busses and Coaches Busses and Coaches

1 2 3 4 5 6 7 8 9

Pedal Cycle Pedal Cycle Pedal Cycle Pedal Cycle Pedal Cycle Pedal Cycle Pedal Cycle Pedal Cycle Pedal Cycle

1 2 3 4 5

Tricycle Tricycle Tricycle Tricycle Tricycle

Make / Class Suzuki - Escudo Nomade Suzuki - Escudo 2.0 Suzuki - Karimun Suzuki - Baleno 1.5 MT Suzuki - Baleno 1.5 AT Suzuki - Sidekick DRAG-1 Suzuki - Jeep Katana GX Suzuki - Vitara Suzuki - Forsa GL Suzuki - Minibus Carry 1.5 Grand Van Suzuki - Minibus Carry 1.0 Carreta Suzuki - Esteem 1.6 GT Honda - Civic1.5i Honda - Accord 2.2i Honda - Civic Cielo Honda - Civic Grand Nova Honda - Civic Genio VW - Kodok Sephia Daihatsu - Jeep Taft Daihatsu - Taruna Daihatsu - Jeep Ferosa Daihatsu - Espass 16 Valve Opel - Blazer Montera / LS Opel - Blazer LT Opel - Astra 1.6i GL Opel - Astra 2.0i Gsi Opel - Vectra 1.8i GL Opel - Corsa 1.2i Fiat Bimantara - Nenggala Bimantara - Cakra Timor - S 515i Jimny - Jeep Nissan - Terrano Masda - Interplay Average Mitsubishi - Pick-up Colt T120 SS Mitsubishi - Colt L300 Mitsubishi - Colt L300 Dekra Mitsubishi - Colt FE 101B Chevrolet KBD 26 Daihatsu -S88 Toyota - Kijang Toyota - Hi lux RN25 (Box) Toyota - Dyna Rino BY34 (Light Duty) Suzuki - Pick-up Carry ST 100 Suzuki - Pick-up Carry 1.5 Super Cargo Suzuki - Pick-up Carry 1.0 Extra Isuzu - Pick-up Panther Average Mitsubishi - Coltdiesel FE 304 (4ban) Mitsubishi - Coltdiesel FE 334 (6ban) Mitsubishi - Coltdiesel FE 349 (6ban) Mitsubishi - Colt FE 119 Mitsubishi - Hino Isuzu - TLD 56 Toyota - Dyna Rino BY34 (Medium Duty) Toyota - Dyna Rino BY43 (Heavy Duty) Mitsubishi - FE 119 - Bus 3/4 Average Mitsubishi - Fuso FN 517 Mitsubishi - Fuso FN 557/ FM557DR Mercedes Bens - L911 Container - Tempelan Nissan - CD 450 UL - Tronton Nissan - CKA 12 H Mitsubishi - Truck Tangki Gandengan Isuzu - Truck Tangki Gandengan Isuzu - Truck Tangki Gandengan Mitsubishi - Fuso FM 517F Mitsubishi - Fuso FM 517H Mitsubishi - Hino FL Mitsubishi - Fuso Gandeng Average Mercedes-Benz - MBO 700-38 Mercedes-Bensz OH 1113/60 Mitshubishi - Colt Diesel FE 447F Mitsubishi - Hino Volvo Aleyland Average Balap Jengky-Phoenix China Jengky-Keranjang Mountain Bike-Poligon Mountain Bike-Stalion Mountain Bike-Puma BMX Kebo Gaselle Average Becak Dhuwur Becak Cendhek-Muncul Becak Cendhek-Trimurti Becak Pruthul Becak Suroboyoan Average

Length (mm) 4,030 4,195 3,410 4,225 4,225 4,030 3,430 4,000 3,800 3,875 3,665 4,000 4,230 4,685 4,600 4,200 4,300 4,000 4,250 4,250 4,050 3,700 3,900 4,625 4,685 4,051 4,086 4,430 3,652 4,100 4,338 4,117 4,300 3,250 4,400 4,200 4,240 3,720 4,150 4,170 4,800 4,800 3,900 4,500 5,000 4,685 3,455 3,780 3,530 4,400 4,222 4,660 5,880 5,880 6,400 5,250 6,300 5,765 5,765 6,950 5,872 8,260 5,365 7,700 9,250 10,500 8,450 10,365 13,800 12,600 6,705 7,535 8,520 11,335 9,260 9,730 11,450 10,025 9,150 10,750 10,500 10,268 165 170 155 165 168 170 150 180 180 167 220 235 225 230 230 228

Width (mm) 1,655 1,780 1,575 1,690 1,690 1,635 1,460 1,600 1,500 1,570 1,490 1,500 1,690 1,695 1,690 1,690 1,690 1,500 1,600 1,600 1,600 1,650 1,550 2,090 2,012 1,688 1,688 1,700 1,535 1,500 1,680 1,620 1,600 1,400 1,650 1,500 1,667 1,560 1,700 1,700 1,830 1,600 1,550 1,600 1,750 1,690 1,500 1,560 1,465 1,600 1,623 1,695 1,870 1,870 2,000 1,800 1,950 1,875 1,875 2,150 1,898 2,385 2,455 2,450 2,500 2,500 2,480 2,500 2,450 2,250 2,385 2,385 2,390 2,385 2,424 2,458 2,500 2,460 2,500 2,500 2,600 2,503 50 57 58 58 60 62 58 60 60 58 115 100 100 80 80 95

Weight of Vehicle (kg) Curb / Chassis GVW 1,100 1,580 1,468 1,950 865 1,325 980 1,360 1,010 1,500 1,100 1,580 880 1,170 1,100 1,500 725 1,225 1,050 1,745 720 1,700 750 1,150 945 1,400 1,305 1,840 1,300 1,800 1,300 1,850 1,300 1,800 950 1,350 980 1,360 900 1,300 1,390 1,790 900 1,300 1,050 1,745 1,620 2,200 1,670 2,200 930 1,455 1,050 1,545 1,075 1,610 775 1,250 925 1,325 1,153 1,553 934 1,334 925 1,325 900 1,300 1,075 1,475 1,025 1,425 1,625 815 1,760 1,310 2,610 1,165 2,540 2,210 4,200 1,200 1,999 1,090 1,640 1,500 2,800 1,640 2,220 1,690 5,200 670 1,420 800 1,945 720 1,700 1,500 2,800 2,526 1,665 5,150 1,970 7,000 1,970 7,500 3,300 7,500 1,800 6,500 2,550 7,000 1,940 7,500 1,940 8,000 4,110 5,660 6,868 5,070 21,000 4,425 14,400 5,220 11,330 15,640 25,000 9,960 22,250 7,610 20,960 9,425 17,450 7,410 14,165 5,550 19,000 3,900 14,030 3,970 14,030 5,655 23,900 6,400 25,254 18,675 6,190 11,150 9,540 12,230 6,135 11,250 6,000 11,250 8,500 11,750 8,500 11,925 11,593 25 90 25 90 20 85 15 80 15 80 15 80 12 77 25 90 25 90 85 75 205 70 200 70 200 65 195 65 195 199

Source: Dinas Lalu Lintas Angkutan dan Jalan Raya Dati II Surakarta Jawa Tengah Indonesia Specification of vehicles from vehicles manufacturer

Table B1. Vehicle Specification Data (continued)

8/ MEDIA TEKNIK SIPIL/Juli 2013

Power (kW) 55.66 93.75 40.28 76.90 76.90 55.66 36.62 55.66 55.00 56.39 40.28 76.90 66.00 110.00 120.00 120.00 120.00 36.62 76.90 40.28 54.93 40.28 56.39 83.49 101.07 55.00 85.00 66.00 33.00 36.62 83.49 62.25 62.25 40.28 87.89 62.25 79.75 57.13 54.93 52.81 73.24 52.81 52.81 61.00 61.00 84.23 56.39 56.39 40.65 60.00 58.72 73.24 73.24 87.89 87.89 72.00 76.90 84.23 84.23 74.15 79.31 139.15 161.13 135.49 157.46 153.80 153.80 153.80 139.15 139.15 139.15 139.15 139.15 153.80 146.48 90.00 98.87 98.87 98.87 102.54 94.00 97.19 0.66 0.66 0.66 0.66 0.66 0.66 0.66 0.59 0.59 0.64 0.51 0.51 0.51 0.51 0.51 0.51

LAMPIRAN C: UJI STATISTIK ANTRIAN KENDARAAN

Data Panjang Antrian Kendaraan (m): Model

Observasi

34.0

37.0

43.0

42.0

60.0

63.0

53.0

55.0

45.0

43.0

45.0

46.0

Case Processing Summary Cases Valid N

Missing Percent

N

Total

Percent

N

Percent

observasi

6

100.0%

0

.0%

6

100.0%

Model

6

100.0%

0

.0%

6

100.0%

Tests of Normality Kolmogorov-Smirnova Statistic

Df

Shapiro-Wilk Sig.

Statistic

df

Sig.

observasi

.236

6

.200*

.927

6

.555

Model

.241

6

.200*

.959

6

.815

a. Lilliefors Significance Correction *. This is a lower bound of the true significance. While sig>0.05 the data have normal distribution

Paired Samples Correlations N Pair 1

model & observasi

Correlation 6

.977

Sig. .001

Paired Samples Test

MEDIA TEKNIK SIPIL/Juli 2013/9

Paired Differences 95% Confidence Interval of the Difference

Std. Devia- Std. Error Mean

tion

Mean

Lower

Upper

t

df

Sig. (2-tailed)

Pair 1 model -1.000

observasi

2.098

.856

-3.201

1.201

-1.168

5

1. Tentukan Hipotesis Ho Diterima: Tidak ada perbedaan yang signifikan antara model dan observasi Ho Ditolak: Ada perbedaan yang signifikan antara model dan observasi. 2. Dasar Pengambilan Keputusan Berdasarkan Sig Jika Sig < 0,05, maka Ho Ditolak ; Jika Sig > 0,05, maka Ho Diterima Untuk uji dua sisi, setiap sisi dibagi 2 hingga menjadi: Jika Sig < 0,025, maka Ho Ditolak ; Jika Sig > 0,025, maka Ho Diterima Pada data di atas ternyata Sig-nya mendapat 0,296 (dibagi 2) berarti: 0,148 > 0,025, maka Ho Diterima. Uji dilakukan dua sisi karena akan diketahui apakah nilai model sama dengan observasi ataukah tidak. Jadi, bisa lebih besar atau lebih kecil, karenanya dipakai dua sisi. 3. Berdasarkan t hitung t hitung > t table, maka Ho Ditolak | t hitung < t table, maka Ho Diterima t hitung = -1,168 ( dalam t hitung tanda minus tidak dianggap) Jika dibandingkan dengan t table = df, α/2 (5, 0.025) t table (2,571) > t hitung(1,168) , maka Ho Diterima 4. Kesimpulan Dari hasil analisa diatas maka dapat diambil kesimpulan bahwa tidak ada perbedaan yang signifikan antara model dengan observasi.

10/ MEDIA TEKNIK SIPIL/Juli 2013

.296