ESTIMASI MODEL SEBARAN PERGERAKAN DARI DATA ARUS LALU LINTAS DENGAN METODE STEEPEST DESCENT MENGGUNAKAN APLIKASI SOFTWARE EMME/3 (Studi Kasus Kota Surakarta) Model Estimation of Distribution Movement from Traffic Count Data with Steepest Descent Method by using Software Application EMME/3 (Surakarta Case Study)
SKRIPSI Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Teknik
Disusun Oleh :
PAMUKO ADITYA RAHMAN NIM. I 0106109
JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS SEBELAS MARET SURAKARTA 2010
42
43
LEMBAR PERSETUJUAN
ESTIMASI MODEL SEBARAN PERGERAKAN DARI DATA ARUS LALU LINTAS DENGAN METODE STEEPEST DESCENT MENGGUNAKAN APLIKASI SOFTWARE EMME/3 (Studi Kasus Kota Surakarta) Model Estimation of Distribution Movement from Traffic Count Data with Steepest Descent Method by using Software Application EMME/3 (Surakarta Case Study)
Disusun Oleh :
PAMUKO ADITYA RAHMAN NIM I0106109 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
Ir. Agus Sumarsono,MT N I P . 19570814 198601 1001
44
ESTIMASI MODEL SEBARAN PERGERAKAN DARI DATA ARUS LALU LINTAS DENGAN METODE STEEPEST DESCENT MENGGUNAKAN APLIKASI SOFTWARE EMME/3 (Studi Kasus Kota Surakarta) Model Estimation of Distribution Movement from Traffic Count Data with Steepest Descent Method by using Software Application EMME/3 (Surakarta Case Study)
SKRIPSI Disusun Oleh :
PAMUKO ADITYA RAHMAN NIM. I 0106109 Telah dipertahankan dihadapan Tim Penguji Pendadaran Jurusan Teknik Sipil Fakultas Teknik Universitas Sebelas Maret pada hari Rabu tanggal 14 April 2010
1. DR. Eng. Ir. Syafi’i, MT NIP. 19670602 199702 1001
---------------------------------
2. Ir. Agus Sumarsono, MT NIP. 19570814 198601 1001
---------------------------------
3. Ir. Djoko Sarwono, MT NIP. 19600415 199201 1001
---------------------------------
4
---------------------------------
Slamet Jauhari Legowo, ST,MT NIP. 19670413 199702 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
45
Motto
”Orang-orang yang berhasil di dunia ini adalah orang-orang yang bangkit dan mencari keadaan yang mereka inginkan dan jika tak menemukannya, mereka akan membuatnya sendiri.” (George Bernard Shaw) ”Jembatan kehidupan tak akan pernah tersambung, sebelum kita fokus, mendedikasikan diri dan berdisiplin.” (Henry Emerson Fosdick) ”When you make mistake – it makes you smarter” (Daniel Coyle)
46
Persembahan Dedicated to :
”My Great precious Lord Allah, My Life inspiration Phopet Muhammad.” ”My Beloved Mom and Dad, Lusdiyono and Cey Hetty” ”My younger sister and brother, Rizkia Prabandini R. And Mufid Abdur R.” ”My best friends ever, Dinar Rahmawati and Senja Megawati”
47
ABSTRAK Pamuko Aditya Rahman, 2010, Estimasi Model Sebaran Pergerakan dari Data Arus Lalu Lintas dengan Metode Steepest Descent Menggunakan Aplikasi Software EMME/3 (Studi Kasus Kota Surakarta). Skripsi. Jurusan Teknik Sipil Fakultas Teknik Universitas Sebelas Maret Surakarta. Pola sebaran arus lalu lintas antara zona asal ke zona tujuan adalah hubungan hasil interaksi tata guna lahan, jaringan transportasi dan arus. Distribusi perjalanan atau pergerakan tersebut dapat dinyatakan dalam bentuk matriks asal tujuan (MAT) maupun dengan diagram garis keinginan (desire line). Penelitian ini bertujuan untuk mengetahui besarnya estimasi model sebaran pergerakan dengan menggunakan metode steepest descent. Selain itu untuk mengetahui tingkat validasi dari arus lalu lintas hasil pemodelan dengan arus lalu lintas hasil pengamatan di lapangan. Penelitian ini dilakukan di kota Surakarta sebagai daerah kajian dengan membagi Surakarta menjadi 65 zona dengan 51 zona internal dan 14 zona eksternal. Jaringan jalan yang dianalisis adalah ruas jalan arteri dan ruas jalan kolektor. Metode yang digunakan untuk mendapatkan matriks baru adalah metode steepest descent. Nilai volume lalu lintas diperoleh dengan cara membebankan Matriks baru dan memasukan arus hasil pengamatan (traffic count) ke dalam jaringan jalan dengan metode pembebanan User Equilibrium. Uji Validasi menggunakan koefisien Determinasi (R²). Dari hasil perhitungan dengan bantuan EMME/3, diperoleh total jumlah pergerakan kota Surakarta adalah 32361,41 smp/jam. Tingkat validasi (R2) yang didapatkan adalah sebesar 0.8463.
Kata kunci : Arus Lalu lintas, Estimasi Pergerakan, EMME/3, Steepest Descent
48
ABSTRACT Pamuko Aditya Rahman, 2010, Model Estimation of Distribution Movement from Traffic Count Data with Steepest Descent Method by using Software Application EMME/3 (Surakarta Case Study). Thesis. Civil Engineering Department Faculty of Engineering, Sebelas Maret University Surakarta. Trip distribution pattern between origin to destination zone is the relationship resulted from an interaction of land use, transportation networks and flows. Travel distribution or movement can be expressed in the form of Origin-Destination (OD) matrix as well as a desire line diagram. This study aimed to know the amount of estimation trip distribution models using the steepest descent method. In addition, to know the validation level by comparing traffic flow resulted from the model and observation. This research was conducted in the city of Surakarta. The study area is divided into 65 zones with 51 internal and 14 external zones. The road network analyzed arterial and collector roads. The method used to obtain a new matrix is a method of steepest descent. The value of traffic volume is obtained by assigning a new matrix and inputing the current observations (traffic count) into the road network with User Equilibrium assignment. Validation tests used is the coefficient of determination (R2). From the calculation with EMME/3 software, show that the total number movements of the city of Surakarta is 32361.41 pcu/hour. The level of validation (R2) is 0.8463. Keywords : EMME/3, Estimated Movement, Steepest Descent, Traffic Flow
49
KATA PENGANTAR
Puji syukur kepada Tuhan Yang Maha Esa atas berkat-Nya, sehingga penulis dapat menyelesaikan penyusunan skripsi dengan judul ESTIMASI MODEL SEBARAN PERGERAKAN DARI DATA ARUS LALU LINTAS DENGAN METODE STEEPEST DESCENT MENGGUNAKAN APLIKASI SOFTWARE EMME/3 (Studi Kasus Kota Surakarta). Ucapan salam, penulis haturkan pada junjungan dan panutan, Nabi Muhammad SAW yang selalu menjadi suri teladan bagi semua umat islam di dunia ini. Penulis menyadari bahwa penyusunan tugas akhir ini jauh dari sempurna, sehingga dapat digunakan sebagai bahan pembelajaran penulis dalam penelitian pada masa yang akan datang. Penulis juga mengharapkan laporan ini bisa menambah pengetahuan dan wawasan bagi semua kalangan teknik sipil khususnya Jurusan Teknik Sipil Fakultas Teknik UNS Solo. 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, bimbingan, dan saran dari berbagai pihak, karena itu pada kesempatan ini penulis ingin menyampaikan terima kasih kepada : 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 Pembimbing Akademis dan Dosen Pembimbing I Skripsi serta motivator. Terima kasih atas semua waktu, bimbingan, motivasi, dan bantuan, serta kepercayaan bapak untuk bisa menyelesaikan tugas akhir ini, telah banyak ilmu, nasehat, dan saran demi kemajuan penulis. 4. Ir. Agus Sumarsono, MT, selaku Dosen Pembimbing II Skripsi. Terima kasih atas semua waktu, bimbingan, motivasi serta bantuannya selama pembuatan skripsi ini sampai selesai. 5. Tim penguji ujian pendadaran skripsi, Ir. Djoko Sarwono, M.T dan Slamet Jauhari Legowo, S.T, M.T, Terima kasih atas kesediaannya untuk menguji dan membimbing saya agar saya lulus. 6. Semua Staf Pengajar pada Jurusan Teknik Sipil Fakultas Teknik Universitas Sebelas Maret. 7. PT. Wijaya Karya (Persero), Tbk. yang memberikan dukungan keilmuan diluar bangku perkuliahan dan dukungan materiilnya. Terima kasih telah
50
diperkenankan untuk dipertemukan dengan orang-orang hebat dan temanteman brilian yang kelak menjadi teman seperjuangan. Mohon bimbingannya. 8. Laboratorium Traffic yang menjadi saksi kerja keras, perdebatan, penat, dan semangatku.Semoga kau selalu jadi kenangan untukku. 9. Teman-teman angkatan 2006, sahabat-sahabatku Paramitha, Saptadhi, Samuri, Trisno, Wira, Anshori, Rizky, Dimitrij, Winny, Ratna, Rika, Setyo, Lily, Vivi, Dimas Agung. Terima kasih telah mendengar keluhku, menghiburku, dan teman main bareng. 10. Tim Lab. Traffic (Mas Anton, Mas Najib, Mbak Retno, Mbak Rodi) dan kakak tercinta Mbak Nurmalia yang selalu memberikan semangat disaat lelah dan penatnya pikiran. Terima kasih buat tawa, marah, sedih, ejekan, kebersamaan, dan kerjasamanya selama ini. Akhirnya kita dapat meraih sukses bersama. 11. Teman-teman MDL WIKA (Eko Aris, Eko Hin, Alve, Didin, Setyo, Syarif, Hasan) yang selalu sharing ilmu di hari Senin dan Kamis. You’re the best team. 12. Kakak-kakak seniorku (Mas Harbun, Mas Busur, Mbak Sri, Mbak Eva) yang memotivasi penulis untuk tetap berkarya dan mengejar cita-cita. 13. Teman-teman Wisma Mulia (Mas Joko, Mas Susilo, Rois, Tony), terima kasih atas doa dan semangat serta candaan yang selalu menghibur. 14. Seluruh civitas akademika Teknik Sipil UNS. Terima kasih atas bantuannya. 15. Semua orang yang telah mengisi memori suka dan duka dalam hidupku, tanpa semua itu penulis tidak akan pernah belajar dari kesalahan dan kegagalan. Akhirnya, penulis mengharapkan nantinya penelitian ini tetap berlanjut dan dapat disempurnakan oleh penulis lainnya. Dalam kehidupan proses belajar tidak akan pernah terhenti. Terima kasih.
Surakarta, 14 April 2010
Penulis
51
DAFTAR ISI
Hal 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......................................................................................
xviii
BAB 1
BAB 2
PENDAHULUAN 1.1. Latar Belakang.............................................................................
1
1.2. Rumusan Masalah.......................................................................
3
1.3. Batasan Masalah..........................................................................
3
1.4. Tujuan Penelitian.........................................................................
4
1.5. Manfaat Penelitian.......................................................................
4
1.5.1. Manfaat Teoritis................................................................
4
1.5.2. Manfaat Praktis...................................................................
4
LANDASAN TEORI
5
2.1. Tinjauan Pustaka.........................................................................
5
2.2. Dasar Teori…....………………………………………………..
9
2.2.1.
Pemodelan Transportasi….……………………………
9
2.2.2.
Matriks Asal Tujuan (MAT)…………………………..
10
52
Hal 2.2.3.
Daerah Kajian ………………………………………...
11
2.2.4.
Zona………………………..………………………….
12
2.2.5.
Sistem Jaringan………………………………………..
13
2.2.6.
Klasifikasi Fungsi Jalan……………………………….
13
2.2.7.
Satuan Mobil Penumpang……………………………..
18
2.2.8.
Kapasitas…………..………………………………….
19
2.2.9.
Kecepatan…………..…………………………………
22
2.2.10. Hubungan Kurva Kecepatan-Arus dan Biaya-Arus…..
25
2.2.11. Metode Steepest Descent……………………………...
28
a.
Teori Dasar………………………………..………
28
b. Penerapan Metode Steepest Descent pada aplikasi Software EMME/3.................……………………..
33
2.2.12. Pendekatan Pembebanan User Equilibrium…………..
35
2.2.13. Indikator Uji Statistik………………………………….
36
2.2.14. EMME/3
BAB 3
(Equilibre
Multimodal,
Multimodal
Equilibrium)…………………………………………..
37
2.2.15. Kelebihan EMME/3 dengan program lain…………….
40
METODE PENELITIAN
42
3.1. Lokasi Penelitian…………………...………………………….
42
3.2. Data yang dibutuhkan…………………………………………
42
3.3. Alur Penelitian………………………………………….…….
49
3.4. Prosedur Pelaksanaan Survey..………………………………...
51
3.4.1. Survey Pendahuluan……………………………………
52
3.4.2. Teknik Pengumpulan Data..……………………………
52
3.4.3. Desain Survey.………………………………………….
52
3.5. Teknik Analisis Data………...………………………………...
54
3.5.1. Pembuatan jaringan jalan………………………………
54
3.5.2. Estimasi Matriks ……………………………………….
54
3.5.3. Uji validasi…………………….……………………….
54
53
Hal BAB 4
ANALISIS DATA DAN PEMBAHASAN
56
4.1. Umum………………………………………………………….
56
4.2. Pengolahan dan Penyajian Data………………………………
56
4.2.1. Sumber Data…………………………………………...
56
4.2.2. Pembagian Zona………………………………………
57
4.2.3. Satuan Mobil Penumpang…………………………….
60
4.2.4. Kapasitas……………………………………………...
61
4.2.5. Waktu Tempuh………………………………………..
62
4.3. Analisis dengan Program EMME/3…………………………..
64
4.3.1. Basis Data Jaringan Jalan……………………………...
64
4.3.2. Data Volume Lalu Lintas (Traffic Count)……………..
66
4.3.3. Data Matriks Awal (Prior Matrix)…………………….
68
4.3.4. Matrik baru hasil EMME/3……………………………
75
4.3.5. Pembebanan Matriks ke jaringan jalan………………..
83
4.4. Uji Validasi................................................................................
86
4.5. Pembahasan……………………………………………………
86
4.5.1. Besarnya Estimasi Matriks Metode Steepest Descent....
86
4.5.2. Tingkat Uji Validasi…………………………………..
88
KESIMPULAN DAN SARAN
89
5.1. Kesimpulan……………………………………………………
89
5.2. Saran…………………………………………………………...
90
DAFTAR PUSTAKA………………………………………………………...
xix
LAMPIRAN…………………………………………………………………..
xx
BAB 5
54
DAFTAR TABEL Hal. Tabel 2. 1
emp untuk jalan perkotaan tak terbagi......................................
18
Tabel 2. 2
emp untuk jalan perkotaan terbagi dan satu arah......................
18
Tabel 2. 3
Kapasitas dasar (Co) jalan perkotaan........................................
19
Tabel 2. 4
Faktor penyesuaian kapasitas (FCw) untuk pengaruh lebar jalur lalu lintas untuk jalan perkotaan........................................
19
Tabel 2. 5
Faktor penyesuaian kapasitas untuk pemisahan Arah (FCsp)....
20
Tabel 2. 6
Faktor penyesuaian kapasitas (FCsf) untuk pengaruh hambatan dan lebar bahu..........................................................
Tabel 2. 7
20
Faktor penyesuaian kapasitas (FCsf) untuk pengaruh hambatan samping dan jarak Kerb-Penghalang (FCsf)............
21
Tabel 2. 8
Kelas Hambatan Samping untuk Jalan Perkotaan……………
22
Tabel 2. 9
Faktor penyesuaian kapasitas untuk pengaruh ukuran kota FCcs pada jalan perkotaan.........................................................
22
Tabel 2. 10
Kecepatan arus bebas dasar (FV0) untuk jalan perkotaan.........
23
Tabel 2. 11
Penyesuaian kecepatan arus bebas untuk lebar jalur lalu lintas (FVw) pada jalan perkotaan…………………………………...
Tabel 2. 12
23
Faktor penyesuaian (FFVsf) untuk pengaruh hambatan samping dan lebar bahu pada kecepatan arus bebas untuk jalan perkotaan dengan bahu…………………………………
Tabel 2. 13
24
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.
Tabel 2. 15
25
Perangkat lunak perencanaan transportasi yang telah tersedia di pasaran...................................................................................
41
Tabel 3. 1
Lokasi survey volume lalu lintas zona internal..........................
43
Tabel 3. 2
Lokasi survey volume lalu lintas zona eksternal........................ 44
Tabel 3. 3
Nomor zona internal................................................................... 46
55
Tabel 3. 4
Nomor zona eksternal................................................................. 46
Tabel 4. 1
Data Hasil Survey Tahun 2009………………………………... 57
Tabel 4. 2
Pembagian Zona Internal……………………………………..
58
Tabel 4. 3
Pembagian Zona Eksternal……………………………………
59
Tabel 4. 4
Perhitungan jumlah kendaraan pada jam puncak (dalam 1 jam)............................................................................................. 60
Tabel 4. 5
Konversi Satuan kendaraan ke smp..........................................
61
Tabel 4. 6
Format masukan basis data jaringan jalan................................
64
Tabel 4. 7
Koordinat kota Surakarta…………………………………….
65
Tabel 4. 8
Data Arus Lalu Lintas Tahun 2009……..…………………….
66
Tabel 4. 9
Prior Matrix Tahun 2002………................................................ 69
Tabel 4. 10
Matriks Asal Tujuan Tahun 2009……………………………..
Tabel 4.11
Perbandingan arus hasil traffic count dengan arus hasil
76
pembebanan…………………………………………………… 83
56
DAFTAR GAMBAR Hal.
Gambar 2.1
Metode untuk mendapatkan Matrik Asal Tujuan (MAT)......
5
Gambar 2.2
Empat Tahap Pemodelan Transportasi....................................
10
Gambar 2.3
Daerah kajian sederhana dengan definisinya.........................
12
Gambar 2.4
Sistem Jaringan Jalan Primer……………………………….
15
Gambar 2.5
Sistem Jaringan Jalan Sekunder……………………………. 16
Gambar 2.6
Sketsa Hipotesis Hirarki Jalan Kota………………………... 17
Gambar 2.7
Hubungan Tipikal Kecepatan-Arus Dan Biaya-Arus ...........
26
Gambar 2.8
Help menu.............................................................................
38
Gambar 2.9
The EMME Prompt (prompt console)...................................
39
Gambar 2.10
Prosedur Perhitungan Program EMME/3……………….….
40
Gambar 3.1
Peta Jaringan Jalan Kota Surakarta……...………………….
45
Gambar 3.2
Peta Administrasi Kota Surakarta........ …………………….
47
Gambar 3.3
Peta Pembagian Zona Kota Surakarta………………………
48
Gambar 3.4
Bagan Alir Penelitian.............................................................
51
Gambar 3.5
Bagan alir teknik analisis data (Estimasi Matriks EMME/3)………………………………………….............
55
Gambar 4.1
Network Editor ...................................................................... 65
Gambar 4.2
Editor toolbar………………………………………...…..… 66
Gambar 4.3
Table Matrix (full matriks 1)………………………...……...
Gambar 4.4
Grafik Besar Pergerakan di Zona Internal……………….…. 82
Gambar 4.5
Grafik Besar Pergerakan di Zona Eksternal…………….….. 82
Gambar 4.6
Penyajian Arus pada Ruas dalam Bentuk Peta dengan EMME/3 ……………………………………………...…..
Gambar 4.7
75
85
Grafik Uji Validasi Volume Lalu Lintas…………………… 86
57
DAFTAR NOTASI DAN SIMBOL Ai , Bd = faktor penyimbang untuk setiap zona asal i dan tujuan d
A
= kumpulan dari semua link pada jaringan
C
= Kapasitas (smp / jam)
Cid
= biaya perjalanan dari zona asal i ke zona tujuan d
Co
= Kapasitas dasar untuk kondisi tertentu (ideal) (smp / jam)
ck
= additional path attribute
Dd
= total pergerakan ke zona tujuan d
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). g
= matrik asal-tujuan dalam matrik estimasi
hk
= vektor yang berhubungan dengan jalur aliran
Oi
= total pergerakan dari zona asal i
pidl
= proporsi pergerakan dari zona asal i ke zona tujuan d pada ruas l
pk
= perbandingan nilai vekor dengan nilai gradien
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
58
Vl
= arus lalu lintas hasil pemodelan pada ruas l
V0
= kecepatan pada saat arus bebas (km/jam)
Z (g )
= fungsi tujuan persamaan
d ak
= nilai konvergensi metode steepest descent
ll
= panjang langkah pada tiap iterasi
59
DAFTAR LAMPIRAN
Lampiran A
: Data Hasil Survey
Lampiran B
: Konversi Satuan Kendaraan ke smp
Lampiran C
: Kapasitas
Lampiran D
: Waktu Tempuh
Lampiran E
: Basis Data Jaringan Jalan
Lampiran F
: Koordinat kota Surakarta
Lampiran G
: Desain Formulir Survey
Lampiran H
: Listing Program
Lampiran I
: Kelengkapan Administrasi Tugas Akhir
60
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pergerakan manusia merupakan aktivitas yang selalu menjadi bagian dari kehidupan sehari-hari. Pada dasarnya seseorang melakukan pergerakan untuk memenuhi kebutuhan hidup yang tidak dapat dipenuhi di tempat tinggalnya. Hal ini menyebabkan terjadinya suatu pergerakan dalam proses pemenuhan kebutuhan tersebut.
Sebaran pergerakan yang terjadi menghubungkan interaksi antara tata guna lahan, jaringan transportasi dan arus lalu lintas. Pola sebaran arus lalu lintas antara zona asal i ke zona tujuan j adalah hasil dari dua hal yang terjadi secara bersamaan. Distribusi perjalanan atau pergerakan tersebut dapat dinyatakan dalam bentuk matriks asal tujuan (MAT) maupun dengan diagram garis keinginan (desire line).
Informasi terkait pola pergerakan itupun jadi amat penting guna mengidentifikasi permasalahan yang terjadi. Informasi jarak, waktu, biaya, atau kombinasi ketiganya digunakan sebagai ukuran aksesibilitas (kemudahan). Adapun pengertian dari pola pergerakan dalam sistem transportasi dijelaskan dalam bentuk arus pergerakan (baik kendaraan, penumpang atau barang) yang bergerak dari zona asal ke zona tujuan di dalam daerah tertentu dan selama periode tertentu.
Pada hampir seluruh aplikasi perencanaan transportasi, input data yang paling penting diperoleh adalah matriks asal tujuan (MAT). Metode yang telah dikembangkan untuk mendapatkan MAT secara garis besar dikelompokkan menjadi 2 (dua) yaitu metode konvensional dan metode tidak konvesional. Metode konvensional untuk mendapatkan MAT dilakukan melalui survey wawancara rumah tangga atau survey wawancara di tepi jalan. Survey tersebut biasanya memerlukan biaya yang besar, tenaga surveyor yang banyak, ketelitian yang tinggi dalam pengolahan data, waktu yang lama serta umumnya
61
mengganggu pengguna jalan. Oleh karena itu, para perencana transportasi telah mengembangkan metode lain yaitu metode tidak konvensional. Metode tersebut menggunakan informasi data arus lalu lintas 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 dalam hanya satu proses saja. Agar ekonomis, persyaratan data untuk pendekatan baru ini dibatasi hanya data perencanaan yang sederhana saja, data arus lalulintas pada beberapa ruas jalan, atau data lain yang murah.
Permasalahan transportasi yang semakin luas membutuhkan banyak studi penelitian untuk menyelesaian permasalahan-permasalahan yang ada. Seiring dengan pesatnya kemajuan ilmu dan teknologi baik di Indonesia maupun di negara-negara lainnya. Alur teknologi yang berkembang khususnya komputerisasi membantu banyak peneliti khususnya peneliti dibidang transportasi dalam pengolahan data lalu lintas yang diproses secara cepat, dan murah. Berbagai program pun telah tersedia dan dimanfaatkan guna membantu proses perencanaan dan pemodelan transportasi dalam menangani hampir semua permasalahan yang terjadi. Seperti paket program MOTORS, SATURN, TRANSPLAN, STAN, STRADA, EMME/2 dan EMME/3.
Pemanfaatan program yang telah tersedia sangat membantu peneliti untuk mendapatkan gambaran pola pergerakan transportasi khususnya di kota Surakarta. Suatu pola pergerakan dapat diperoleh dengan cara membebankan MAT ke suatu sistem jaringan transportasi. Pada penelitian ini, proses pembebanan ke sistem jaringan transportasi menggunakan perangkat lunak EMME/3 (equilibre multimodal, multimodal equilibrium) yang merupakan pengembangan dari program sebelumnya yaitu EMME/2 yang dibuat dan dikembangkan di Kanada, dengan kemampuan yang sangat tinggi, dengan jumlah node dan link yang dapat dikatakan tidak terbatas (mampu mencapai hampir 1 juta node). Adapun
62
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.
1.2. Rumusan Masalah Berdasarkan uraian latar belakang masalah diatas, maka dapat dirumuskan suatu masalah sebagai berikut : 1. Berapa besar estimasi Matriks Asal Tujuan (MAT) dan arus pergerakan yang akan terjadi pada masa yang akan datang dari data lalu lintas dengan aplikasi software
EMME/3 di kota Surakarta apabila digunakan metode Steepest
Descent (SD)? 2. Berapa tingkat validasi estimasi Matriks Asal Tujuan (MAT) dari data lalu lintas dengan metode Steepest Descent (SD) menggunakan aplikasi software EMME/3?
1.3. Batasan Masalah Untuk membatasi permasalahan agar penelitian ini lebih terarah dan tidak meluas maka perlu adanya pembatasan sebagai berikut: 1. Wilayah kajian adalah kota Surakarta dengan jaringan transportasi yang ada pada saat penelitian ditambah dengan beberapa ruas jalan dari zona eksternal yang dianggap mempengaruhi arus masuk dan arus keluar dari dalam kota. 2. Data matrik awal (prior matrix) yang digunakan adalah hasil perhitungan skripsi “ Evaluasi Kinerja dan Penanganan Jaringan Jalan (Studi Kasus Kota Surakarta)” oleh Astri Brillianti tahun 2002. 3. Data arus lalu lintas (traffic count) yang digunakan adalah data survey 2007 yang digunakan pada hasil penelitian skripsi “Estimasi Matriks Asal Tujuan dari Data Lalu Lintas dengan Metode Estimasi Inferensi Bayesian (Studi Kasus Kota Surakarta)” oleh Rahayu Mahanani Wijiastuti tahun 2008 dilengkapi dengan hasil survey terbaru di beberapa titik di lapangan. 4. Pembagian zona berdasarkan batas-batas administratif berupa kelurahan.
63
5. Ruas jalan yang dianalisis yaitu ruas jalan arteri dan kolektor sesuai pembagian jalan menurut Dinas Pekerjaan Umum kota Surakarta. 6. Penelitian dilakukan pada distribusi perjalanan kendaraan yang terdiri dari semua jenis kendaraan sesuai pembagian dalam Manual Kapasitas Jalan Indonesia (MKJI) 1997. 7. Metode yang digunakan dalam mengestimasi MAT adalah metode Steepest Descent (SD). 8. Analisis pembebanan dengan bantuan program software EMME/3. 9. Jaringan jalan yang dianalisis tidak memperhitungkan fenomena simpang.
1.4. Tujuan Penelitian Tujuan yang diharapkan dari penelitian ini adalah : a. Mengetahui distribusi pergerakan arus lalulintas di kota Surakarta yang direpresentasikan dengan MAT menggunakan metode Steepest Descent (SD) program software EMME/3. b. Mengetahui
tingkat
validasi
MAT
yang
dihasilkan
EMME/3
menggunakan metode Steepest Descent (SD).
1.5. Manfaat Penelitian 1.5.1. Manfaat Teoritis Meningkatkan pengetahuan dan pemahaman di bidang perencanaan dan pemodelan transportasi terutama yang berkaitan dengan Trip Distribution dan Trip Assignment pada suatu pemograman, seperti program software EMME/3 yang digunakan dalam penelitian ini.
1.5.2. Manfaat Praktis Hasil yang diperoleh dapat digunakan sebagai bahan pertimbangan dalam perbaikan dan perencanaan transportasi untuk kota Surakarta pada waktu yang akan datang.
64
BAB 2 LANDASAN TEORI 2.1. Tinjauan Pustaka Pola pergerakan dalam transportasi sering dijelaskan dalam bentuk arus pergerakan (kendaraan, penumpang, dan barang) yang bergerak dari zona asal ke zona tujuan di dalam daerah tertentu dan selama periode waktu tertentu. Matriks Pergerakan atau Matriks Asal Tujuan (MAT) sering digunakan oleh perencana transportasi untuk menggambarkan pola pergerakan tersebut. Metode Langsung
- Wawancara di tepi jalan - Wawancara di rumah - Metode menggunakan bendera - Metode foto udara - Metode mengikuti-mobil
Metode Konvensiona l
Metode Analogi Metode Tidak Langsung
Metode MAT
· Tanpa-batasan - Seragam · Dengan-satu-batasan - Batasan-bangkitan - Batasan-tarikan · Dengan-dua-batasan - Rata-rata - Fratar - Detroit - Furness
Model berdasarkan informasi arus lalulintas Metode tidak Konvensional
- Estimasi Matriks Entropi Maksimum (EMEM) - Model Estimasi Kebutuhan Transportasi (MEKT) - Kuadrat Terkecil - Kemiripan Maksimum - Inferensi Bayes
Metode Sintesis · Model Opportunity · Model Gravity · Model GravityOpportunity
Gambar 2.1. Metode untuk mendapatkan Matriks Asal Tujuan (MAT) Sumber: Tamin (1988) Penelitian yang dilakukan saat ini menitik-beratkan pada model yang berdasarkan arus lalu lintas (metode Tidak Konvensional) mengenai trip distribution dengan bantuan program equilibre multimodal, multimodal equilibrium (EMME/3). Untuk memperjelas hal tersebut dapat dilihat pada Gambar 2.1.
65
MAT adalah matriks berdimensi dua yang berisi informasi mengenai besarnya pergerakan antarlokasi (zona) di dalam daerah tertentu. Baris menyatakan zona asal dan kolom menyatakan zona tujuan, sehingga sel matriks-nya menyatakan besarnya arus dari zona asal ke zona tujuan. Dalam hal ini, notasi Tid menyatakan besarnya arus pergerakan (kendaraan, penumpang, atau barang) yang bergerak dari zona asal i ke zona tujuan d selama selang waktu tertentu. (Ofyar Z. Tamin, 2000 : 155)
Drissi-Kaïtouni and Lundgren (1992). “Bilevel Origin-Destination matrix estimation Using a Descent Approach” berisi pendekatan algoritma umum dengan pembebanan equilibrium. Kesulitan terletak pada mengkomputasikan metode gradien yang berhubungan dengan metode Jacobian kemudian diimplementasikan dan diaplikasikan pada kota Hull di Kanada.
Chen (1994). “Bilevel Programming Problems : Analysis, Algorithms, and Applications” merupakan thesis doktoral yang berisikan peninjauan dasar dan teoritis serta hasil eksistensi dari solusi dan kompleksitas dari penyelesaian algoritma dengan mengkhususkan pada estimasi matriks asal-tujuan (MAT). Laporan ini menyarankan untuk menggunakan micro berupa dua metode yakni metode Augmented Langranian dan metode tipe Gauss-Seidel. Penulis berpendapat bahwa untuk masalah dengan skala besar akan bekerja secara langsung pada jaringan jalan dan tidak perlu mengevaluasi untuk mengulangi fungsi objektif.
Denault (1994). “Étude de deux méthods d'adjustement de matrices originedestination àpartir des flots des véhicules observés (in French)” berisi dua pendekatan matriks asal-tujuan (MAT) yang diaplikasikan pada jaringan yang dibebani kemudian dibandingkan. Pertama, menggunakan pendekatan Augmented Lagranian yang disarankan oleh Chen (1994) dan kedua menggunakan metode gradien. Dihasilkan pada metode yang pertama sangat baik pada jaringan yang kecil maupun jaringan yang berhubungan dengan jumlah besar parameter, tapi
66
metode gradien menghasilkan yang lebih baik dan lebih dianjurkan karena mudah untuk digunakan.
Torgil Abrahamsson (1998). “Estimation of Origin-Destination Matrices Using Traffic Count” berisi matriks asal tujuan 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 matriks asal tujuan dikembangkan dan diuji.
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. Diambil beberapa sampel parameter α sebagai pembanding dengan data arus lalu lintas puncak pada pagi dan sore hari dan beberapa moda kendaraan. Matriks yang dihasilkan sangat akurat termasuk didalamnya dari fungsi objektif model pendekatannya.
Penelitian yang pernah dilakukan sebelumnya kebanyakan menggunakan metode konvensional, salah satunya menggunakan model Gravity. Seperti penelitian terdahulu yang pernah dilakukan oleh Slamet Basuki (2001) dengan menggunakan model tersebut untuk estimasi distribusi perjalanan. Kalibrasi model dengan bantuan program SATURN (Simulation and Assignment of Traffic to Urban Road Network). Priyatno (2000) melakukan penelitian dengan menggunakan metode Tidak Konvensional untuk estimasi Matrik Asal Tujuan. Priyatno menggunakan pemodelan ME2 (Matrik Estimation Maximum Entropy), teknik pembebanan Wardrop Equilibrium, dan dibantu program SATURN.
67
Wiwit Hernasari (2000) mengestimasi Matrik Asal Tujuan dengan metode pembebanannya All Or Nothing. Metode pendekatan dengan ME2 dibantu program SATURN, sedangkan uji validasi dengan koefisien Determinasi R2. Penelitian dengan model Gravity-Opportunity (GO) dilakukan oleh M. Rusli (2002).
Metode
pendekatan
ME2
dibantu
program
SATURN,
metode
pembebanannya All Or Nothing, metode estimasi dengan NLLS (Non Linear Least Square), sedangkan uji validasi dengan RMSE (Root Mean Square Error). Estimasi model Kombinsi Sebaran Pergerakan dan Pemilihan Moda (SPPM) oleh Nuning Fitriani (2002) menggunakan model Gravity untuk sebaran pergerakan dan multinomial logit untuk pemilihan moda. Metode estimasi yang digunakan yaitu metode estimasi Kuadrat Terkecil Tidak Linear (KTTL), metode pendekatan dengan ME2, metode pembebanan Wardrop Equilibrium dan uji validasi dengan koefisien Determinasi R2. Penelitian yang dilakukan Astri Brillianti (2002) untuk mengevaluasi kinerja jaringan jalan di Kota Surakarta dan memberikan alternatif upaya penanganan masalah sistem jaringan jalan dengan periode kajian 5 tahunan untuk umur rencana 10 tahun mendatang. Tingkat kinerja jalan dinilai berdasarkan perbandingan antara volume lalu lintas dengan kapasitas jalan. Alternatif upaya penanganan masalah sistem jaringan jalan yang ditempuh berupa pelebaran jalan dan pembangunan jalan baru. Pemodelan yang dilakukan dengan model gravity dua batasan, pembebanan keseimbangan Wardrop dengan program SATURN.
Dewi Nugroho (2007) penelitian yang dilakukan bertujuan untuk mengestimasi Matriks Asal Tujuan dari data lalu lintas beserta nilai parameter β dengan menggunakan metode estimasi Kuadrat Terkecil. Model pendekatan pembebanan yang digunakan dalam penelitian ini adalah user equilibrium. Analisis datanya dibantu dengan program SATURN. Uji validasi dengan koefisien Determinasi (R2). Penelitian seperti inipun sama seperti yang telah dilakukan oleh Revi W. (2007), Yenni D.L. (2007) dan Rahayu M.W.(2007), yang membedakan diantara ke empatnya adalah metode estimasi yang digunakan. Revi W. (2007) menggunakan metode entropi maksimum, Yenni D.L. (2007) menggunakan metode kemiripan maksimum dan Rahayu M.W.(2007), menggunakan metode
68
estimasi inferensi Bayesin. Kesimpulan dari penelitian tersebut adalah total pergerakan yang dihasilkan berbeda-beda sesuai dengan hasil dari parameter β yang telah dihitung.
Nurmalia (2009) memperhitungkan MAT dengan menggunakan metode Enteropi Maksimum. Penelitian ini menggunakan aplikasi Software EMME/3 yang merupakan pengembangan dari program EMME/2 untuk menghitung MAT baru hasil pembebanan.
Penelitian yang dilakukan saat ini bertujuan untuk mengestimasi Matriks Asal Tujuan dari data arus lalu lintas dengan metode pembebanannya wardrop equilibrium. Metode pendekatannya dengan steepest descent menggunakan alat bantu program EMME/3, sedangkan uji validasi dengan koefisien Determinasi R2.
2.2. Dasar Teori 2.2.1. Pemodelan Transportasi 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 seperti yang terlihat dalam Gambar 2.2.
Bangkitan dan Tarikan Pergerakan (Trip Generation). Sebaran Pergerakan (Trip Distribution).
69
Gambar 2.2 Empat Tahap Pemodelan Transportasi 2.2.2. Matriks Asal Tujuan (MAT) Pola pergerakan dalam transportasi sering dijelaskan dalam bentuk arus pergerakan (kendaraan, penumpang, dan barang) yang bergerak dari zona asal ke zona tujuan di dalam daerah tertentu dan selama periode waktu tertentu. Matriks Pergerakan atau Matriks Asal Tujuan (MAT) sering digunakan oleh perencana transportasi untuk menggambarkan pola pergerakan tersebut.
MAT adalah matriks berdimensi dua yang berisi informasi mengenai besarnya pergerakan antarlokasi (zona) di dalam daerah tertentu. Baris menyatakan zona asal dan kolom menyatakan zona tujuan, sehingga sel matriks-nya menyatakan besarnya arus dari zona asal ke zona tujuan. Dalam hal ini, notasi Tid menyatakan besarnya arus pergerakan (kendaraan, penumpang, atau barang) yang bergerak dari zona asal i ke zona tujuan d selama selang waktu tertentu.
Pola pergerakan dapat dihasilkan jika suatu MAT dibebankan ke suatu sistem jaringan transportasi. Dengan mempelajari pola pergerakan yang terjadi, seseorang dapat mengidentifikasi permasalahan yang timbul sehingga beberapa solusi segera dapat dihasilkan. MAT dapat memberikan indikasi rinci mengenai kebutuhan akan pergerakan sehingga MAT memegang peran yang sangat penting dalam berbagai kajian perencanaan dan manajemen transportasi.
70
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 untuk perencanaan transportasi. Setiap sel membutuhkan informasi jarak, waktu, biaya, atau kombinasi ketiga informasi tersebut yang digunakan sebagai ukuran aksesibilitas (kemudahan).
2.2.3. 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: 1. 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. 2. 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.
71
Pusat zona
Gateway
zona Ruas
1
2 3
4 Simpul
5 6 Batas daerah kajian
Batas zona
Gambar 2.3 Daerah kajian sederhana dengan definisinya
2.2.4. Zona Batas administrasi sering digunakan sebagai batas zona sehingga memudahkan pengumpulan data. 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:
1. Ukuran
zona
sebaiknya
dirancang
sedemikian
rupa
sehingga
galat
pengelompokkan yang timbul akibat asumsi pemusatan seluruh aktivitas pada suatu pusat zona menjadi tidak terlalu besar. 2. 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. 3. Ukuran zona harus disesuaikan dengan kepadatan jaringan yang akan dimodelkan, biasanya ukuran zona semakin membesar jika semakin jauh dari pusat kota. 4. Ukuran zona harus lebih besar dari yang seharusnya untuk memungkinkan arus lalu lintas dibebankan ke atas jaringan jalan dengan ketepatan yang disyaratkan.
72
5. Batas zona harus dibuat sedemikian rupa sehingga sesuai dengan jenis pola pengembangan untuk setiap zona, misal pemukiman, industri, dan perkantoran. Tipe tata guna lahan setiap zona sebaiknya homogeni untuk menghindari tingginya jumlah pergerakan intrazonal dan untuk mengurangi tingkat kerumitan model. 6. Batas zona harus sesuai dengan batas daerah yang digunakan dalam pengumpulan data. 7. Ukuran zona ditentukan pula oleh tingkat kemacetan, ukuran zona pada daerah macet sebaiknya lebih kecil dibansingkan dengan daerah tidak macet.
2.2.5. Sistem Jaringan Sistem jaringan transportasi dicerminkan dalam bentuk ruas dan simpul, yang semuanya dihubungkan ke pusat zona. Sitem jaringan transportasi juga dapat ditetapkan sebagai urutan ruas jalan dan simpul. Ruas jalan bisa berupa potongan jalan raya atau kereta api, sedangkan simpul bisa berupa persimpangan, stasiun. Setiap
simpul
dan
zona diberi
nomor.
Nomor ini
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 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 atas 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.
2.2.6.
Klasifikasi Fungsi Jalan
Menurut PP No. 26 Th. 1985 tentang jalan, sistem jaringan jalan dibagi dalam dua kategori yakni sistem jaringan primer dan sistem jaringan sekunder.
73
1. 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. a. Jalan Arteri Primer Menghubungkan kota jenjang ke satu yang terletak berdampingan atau menghubungkan kota jenjang ke satu dengan kota jenjang ke dua. b. Jalan Kolektor Primer Menguhubungkan kota jenjang ke satu dengan persil atau kota ke dua atau menghubungkan kota jenjang ke dua dengan kota jenjang ke tiga. c. 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.
Perjenjangan Kota dimaksudkan untuk mengelompokkan kota ditinjau dari segi pembinaan jaringan jalan, dengan kriteria sebagai berikut: a. Kota jenjang ke satu: kota yang berperan melayani seluruh satuan wilayah pengembangannya, dengan kemampuan pelayanan jasa yang paling tinggi dalam satuan wilayah pengembangannya serta memiliki orientasi keluar wilayahnya. b. Kota jenjang ke dua: kota yang berperan melayani sebagaian dari satuan wilayah pengembangannya, dengan kemampuan pelayanan jasa yang lebih rendah dari kota jenjang ke satu dalam satuan wilayah pengembangannya dan terikat jangkauan jasa ke kota jenjang ke satu serta memiliki orientasi ke kota jenjang ke satu. c. Kota jenjang ke tiga: kota yang berperan melayani sebagian dari satuan wilayah pengembangannya, dengan kemampuan pelayanan jasa yang lebih rendah dari kota jenjang ke dua dalam satuan wilayah pengembangannya dan
74
terikat jangkauan jasa ke kota jenjang kedua serta memiliki orientasi ke kota jenjang ke satu dan kota jenjang ke dua. Untuk lebih dapat menjelaskan dapat diperhatikan Gambar 2.4 KOTA JENJANG 1
JALAN ARTERI PRIMER
JALAN ARTERI PRIMER
JALAN ARTERI PRIMER
KOTA JENJANG 2
JALAN KOLEKTOR PRIMER
JALAN KOLEKTOR PRIMER
JALAN KOLEKTOR PRIMER
KOTA JENJANG 3
JALAN LOKAL PRIMER
JALAN LOKAL PRIMER
JALAN LOKAL PRIMER
KOTA JENJANG 1
KOTA JENJANG 2
KOTA JENJANG 3
JALAN LOKAL PRIMER
JALAN LOKAL PRIMER
KOTA DIBAWAH JENJANG 3
JALAN LOKAL PRIMER
PERSIL
Gambar 2.4. Sistem Jaringan Jalan Primer Sumber : Dirjen Bina Marga 1990 2. Sistem Jaringan Sekunder Sistem jaringan sekunder disusun mengikuti ketentuan pengaturan tata ruang kota yeng menghubungkan kawasan-kawasan yang mempunyai fungsi primer, fungsi sekunder satu, fungsi sekunder tiga sampain ke perumahan. a. Jalan Arteri Sekunder Menghubungkan kawasan primer dengan kawasan sekunder ke satu atau menghubungkan kawasan ke satu dengan kawasan sekunder ke satu atau menghubungkan kawasan sekunder ke satu dengan kawasan sekunder ke dua.
75
b. Jalan Kolektor Sekunder Menghubungkan kawasan sekunder ke dua dengan kawasan sekunder ke dua atau menghubungkan kawasan sekunder ke dua dengan kawasan sekunder ke tiga. c. Jalan Lokal Sekunder Menghubungkan
kawasan
sekunder
ke
satu
dengan
perumahan,
menghubungkan kawasan sekunder ke dua dengan perumahan, kawasan sekender ke tiga dengan perumahan. Untuk lebih dapat menjelaskan dapat diperhatikan Gambar 2.5
KAWASAN PRIMER
JALAN ARTERI SEKUNDER
JALAN ARTERI SEKUNDER
KAWASAN SEKUNDER 1
JALAN ARTERI SEKUNDER
JALAN ARTERI SEKUNDER
JALAN ARTERI SEKUNDER
KAWASAN SKUNDER 2
JALAN KOLEKTOR SEKUNDER
JALAN LOKAL SEKUNDER
KAWASAN SEKUNDER 1
KAWASAN SEKUNDER 2
JALAN KOLEKTOR SEKUNDER
JALAN LOKAL SEKUNDER
KAWASAN SEKUNDER 3
JALAN LOKAL SEKUNDER
PERUMAH -AN
Gambar 2.5. Sistem Jaringan Jalan Sekunder Sumber : Dirjen Bina Marga 1990
76
Kawasan adalah wilayah yang dibatasi oleh lingkup pengamatan fungsi tertentu, meliputi: a. Kawasan Primer adalah kawasan kota yang mempunyai fungsi primer, yaitu sebagai titik simpul jasa distribusi bagi daerah jangkauan peranannya. b. Kawasan Sekunder adalah kawasan kota yang mempunyai fungsi sekunder, dimana fungsi sekunder suatu kota dihubungkan dengan pelayanan terhadap masyarakat kota tersebut yang lebih berorientasi ke dalam dan jangkauan lokal. Untuk lebih dapat menjelaskan dapat diperhatikan Gambar 2.6
Gambar 2.6. Sketsa Hipotesis Hirarki Jalan Kota Sumber : Dirjen Bina Marga 1990
77
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 emp. Ekivalen mobil penumpang (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: ·
Sepeda Motor, Motor Cycle (MC), terdiri dari kendaraan bermotor beroda dua atau tiga.
·
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.
·
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 2.1. emp untuk jalan perkotaan tak terbagi emp Tipe Jalan tak terbagi
Arus lalu lintas Total dua arah (kend/jam)
Dua lajur tak terbagi (2/2 UD)
0 ≥1800
1,3 1,2
MC Lebar lajur lalu lintas Cw (m) ≤6 ≥6 0,5 0,4 0,35 0,25
Empat lajur tak terbagi (4/2 UD)
0 ≥3700
1,3 1,2
0,4 0,25
HV
Sumber: MKJI 1997
Tabel 2.2. emp untuk jalan perkotaan terbagi dan satu arah Tipe jalan: Jalan Satu Arah dan Jalan Terbagi Dua Lajur satu arah (2/1) Dan Empat Lajur terbagi (4/2D) Tiga Lajur satu arah (3/1) Dan Enam Lajur terbagi (6/2D)
Sumber: MKJI 1997
emp
Arus Lalu lintas Per Lajur (kend/jam)
HV
MC
0
1,3
0,4
1050 1
1,2 1,3
0,25 0,4
1100
1,2
0,25
78
2.2.8. Kapasitas Kapasitas adalah arus lalu lintas (stabil) maksimum yang dapat dipertahankan pada ruas jalan pada keadaan tertentu (geometri, komposisi, dan distribusi lalu lintas, faktor lingkungan). Besarnya kapasitas suatu ruas jalan dapat dihitung dari Persamaan (2.1).
C = Co x FCw x FCsp x FCsf x FCcs
(2.1)
Dimana: C
= Kapasitas (smp / jam)
Co
= Kapasitas dasar untuk kondisi tertentu (ideal) (smp / jam)
FCw
= Faktor penyesuaian lebar jalur lalu lintas
FCsp
= Faktor penyesuaian pemisah arah
FCsf
= Faktor penyesuaian hambatan samping
FCcs
= Faktor penyesuaian ukuran kota
Besarnya nilai Co, FCw, FCsp, FCsf dan FCcs dapat dilihat pada Tabel 2.3 sampai dengan Tabel 2.9. Tabel 2.3. Kapasitas dasar (Co) jalan perkotaan Tipe Jalan
Kapasitas Dasar (smp/jam)
Catatan
Empat lajur terbagi atau Jalan satu arah
1650
Perlajur
Empat lajur tak terbagi
1500
Perlajur
Dua lajur tak terbagi
2900
Total dua arah
Sumber: MKJI 1997
Tabel 2.4. Faktor penyesuaian kapasitas (FCw) untuk pengaruh lebar jalur lalu lintas untuk jalan perkotaan Tipe Jalan
Empat lajur terbagi Atau Jalan Satu Arah
Lebar Jalur Lalu lintas Efektif (Wc) (m) Perlajur 3,00 3,25 3,50 3,75 4,00
FCw
0,92 0,96 1,00 1,04 1,08
79
Tabel 2.4. Faktor penyesuaian kapasitas (FCw) untuk pengaruh lebar jalur lalu lintas untuk jalan perkotaan Tipe Jalan
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 Total dua arah 5 6 7 8 9 10 11
FCw
0,91 0,95 1,00 1,05 1,09 0,56 0,87 1,00 1,14 1,25 1,29 1,34
Sumber: MKJI 1997
Tabel 2.5. Faktor penyesuaian kapasitas untuk pemisahan Arah (FCsp) Pemisahan arah SP %-%
FCsp
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 4/2
1,00
985
0,97
0,9555
0,94
Sumber: MKJI 1997
Tabel 2.6. Faktor penyesuaian kapasitas (FCsf) untuk pengaruh hambatan dan lebar bahu Tipe Jalan
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
Sumber: MKJI 1997
Faktor Penyesuaian hambatan samping dan Lebar bahu (FCsf) Lebar bahu (m) 1,0 1,5 £ 0,5 0,96 0,98 1,01 0,94 0,97 1,00. 0,92 0,95 0,98 0,88 0,92 0,95 0,84 0,88 0,92 0,96 0,99 1,01 0,94 0,97 1,00 0,92 0,95 0,98 0,87 0,91 0,94 0,80 0,86 0,90 0,94 0,96 0,99 0,92 0,94 0,97 0,89 0,92 0,95 0,82 0,86 0,90 0,73 0,79 0,85
³ 2,0 1,03 1,02 1,00 0,98 0,96 1,03 1,02 1,00 0,98 0,95 1,01 1,00 0,98 0,95 0,91
80
Tabel 2.7. Faktor penyesuaian kapasitas (FCsf) untuk pengaruh hambatan samping dan jarak Kerb-Penghalang (FCsf) 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 (FCsf) Lebar kerb-penghalang (m) 1,0 1,5 £ 0,5 0,95 0,97 0,99 0,94 0,96 0,98. 0,91 0,93 0,95 0,86 0,89 0,92 0,81 0,85 0,88 0,95 0,97 0,99 0,93 0,95 0,97. 0,90 0,92 0,95 0,84 0,87 0,90 0,77 0,81 0,85 0,93 0,95 0,97 0,90 0,92 0,95 0,86 0,88 0,91 0,78 0,81 0,84 0,68 0,72 0,77
³ 2,0 1,03 1,00 0,98 0,95 0,92 1,03 1,00 0,97 0,93 0,90 0,99 0,97 0,94 0,88 0,82
Sumber: MKJI 1997
Untuk mengetahui tingkat hambatan samping pada kolom (2) Tabel 2.6 & 2.7 dengan melihat kolom (3) Tabel 2.8 dibawah ini, tetapi apabila data terinci hambatan samping tersebut tersedia maka hambatan samping dapat ditentukan dengan prosedur berikut: 1. Periksa mengenai kondisi khusus dari kolom (4) Tabel 2.8 dan pilih salah satu yang paling tepat untuk keadaan segmen jalan yang dianalisa. 2. Amati foto pada gambar A-4:1-5 (MKJI 1997) yang menunjukkan kesan visual rata-rata yang khusus dari masin-masing kelas hambatan samping. Dan pilih salah satu yang paling sesuai dengan kondisi rata-rata sesungguhnya pada kondisi lokasi untuk periode yang diamati. 3. Pilih kelas hambatan samping berdasarkan pertimbangan dari gabungan langkah 1 dan 2 di atas.
81
Tabel 2.8. Kelas Hambatan Samping untuk Jalan Perkotaan Frekuensi Berbobot kejadian
Kondisi Khusus
Kelas Hambatan Samping
Kode
< 100
Pemukiman, hampir tidak ada Kegiatan
Sangat Rendah
VL
100-299
Pemukiman, beberapa angkutan Umum,dll
Rendah
L
300-499
Daerah industri dengan toko-toko di sisi jalan
Sedang
M
500-899
Daerah niaga dengan aktifitas di Sisi jalan yang tinggi
Tinggi
H
>900
Daerah niaga dengan aktifitas di sisi jalan yang sangat tinggi
Sangat Tinggi
VH
Sumber: MKJI 1997
Tabel 2.9. Faktor penyesuaian kapasitas untuk pengaruh ukuran kota FCcs pada jalan perkotaan Ukuran Kota (Juta Penduduk) <0,1 0,1-0,5 0,5-1,0 1,0-3,0 >3,0 Sumber: MKJI 1997
Faktor Penyesuaian untuk Ukuran Kota FCcs 0,86 0,90 0,94 1,00 1,04
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)
82
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 2.14. Tabel 2.10. Kecepatan arus bebas dasar (FV0) untuk jalan perkotaan Kecepatan arus bebas dasar (FV0) (km/jam) Kendaraan
Kendaraan
Sepeda
Rata-rata
Ringan (LV)
Berat (HV)
Motor (MC)
Kendaraan
Enam Lajur Terbagi (6/2D) Atau tiga lajur satu arah (3/1)
61
52
48
57
Empat Lajur Terbagi (4/2D) Atau dua lajur satu arah (2/1)
57
50
47
55
Empat lajur tak terbagi (4/2 UD)
53
46
43
51
Dua lajur tak terbagi (2/2 UD)
44
40
40
42
Tipe Jalan
Sumber: MKJI 1997
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
Sumber: MKJI 1997
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
83
Tabel 2.12. Faktor penyesuaian (FFVsf) untuk pengaruh hambatan samping dan lebar bahu pada kecepatan arus bebas untuk jalan perkotaan dengan bahu. Faktor Penyesuaian hambatan samping dan Lebar bahu (FFVsf) Lebar bahu (Ws) 1,0 1,5 £ 0,5
³ 2,0
4/2D
VL ML M H VH
1,02 0,98 0,94 0,89 0,84
1,03 1,00 0,97 0,93 0,88
1,03 1,02 1,00 0,96 0,92
1,04 1,03 1,02 0,99 0,96
4/2UD
VL ML M H VH
1,02 0,98 0,93 0,87 0,80
1,03 1,00 0,96 0,91 0,86
1,03 1,02 0,99 0,94 0,90
1,04 1,03 1,02 0,98 0,95
2/2UD Atau jalan satu arah
VL ML M H VH
1,00 0,96 0,90 0,82 0,73
1,01 0,98 0,93 0,86 0,79
1,01 0,99 0,96 0,90 0,85
1,01 1,00 0,99 0,95 0,91
Tipe Jalan
Kelas Hambatan Samping
Sumber: MKJI 1997
Tabel 2.13. Faktor penyesuaian (FFVsf) untuk pengaruh hambatan samping dan jarak kerb penghalang jalan perkotaan dengan kerb. Tipe Jalan
4/2D
4/2UD
2/2UD Atau jalan satu arah
VL ML M H VH VL ML M H VH
Faktor Penyesuaian hambatan samping dan Lebar bahu (FFV4sf) Jarak kerb 1,0 1,5 £ 0,5 1,00 1,01 1,01 0,97 0,98 0,99 0,93 0,95 0,97 0,87 0,90 0,93 0,81 0,85 0,88 1,01 1,01 1,01 0,98 0,98 0,99 0,91 0,93 0,95 0,84 0,87 0,90 0,77 0,81 0,85
VL ML M H VH
0,98 0,93 0,87 0,78 0,68
Kelas Hambatan Samping
Sumber: MKJI 1997
0,99 0,95 0,89 0,81 0,77
0,99 0,96 0,92 0,84 0,77
³ 2,0 1,02 1,00 0,99 0,96 0,92 1,00 1,00 0,98 0,94 0,90 1,00 0,98 0,95 0,88 0,82
84
Faktor penyesuaian kecepatan arus bebas untuk jalan enam lajur dapat ditentukan dengan menggunakan nilai FFVsf untuk jalan empat lajur yang diberikan pada Tabel 2.12. atau 2.13. dan disesuaikan seperti Persamaan (2.3) dibawah ini: FFV6sf = 1-0,8 x (1- FFV4sf)
(2.3)
Dimana: FFV6sf = faktor penyesuaian kecepatan arus bebas untuk enam lajur (km/jam). FFV4sf = faktor penyesuaian kecepatan arus bebas untuk empat lajur (km/jam). Untuk penentuan kelas hambatan samping sama dengan Tabel (2.8) di atas, sedangkan faktor penyesuaian kecepatan untuk ukuran kota dapat dilihat pada Tabel (2.14). Tabel 2.14. Faktor penyesuaian untuk pengaruh ukuran kota pada kecepatan arus bebas kendaraan ringan untuk jalan perkotaan Ukuran Kota (Juta penduduk) <0,1 0,1-0,5 0,5-1,0 1,0-3,0 >3,0
Faktor Penyesuaian Ukuran Kota (FVcs) 0,90 0,93 0,95 1,00 1,03
Sumber: MKJI 1997
Kecepatan kendaraan pada arus lalu lintas 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.
Q
= arus lalu lintas
Jika arus pada ruas jalan tersebut telah mencapai kapasitas (Q/C = 1), maka Persamaan (2.4) menjadi : V = 0,5Vo
2.2.10. Hubungan Kurva Kecepatan-Arus dan Biaya-Arus
(2.5)
85
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 2.2. Jika arus lalu lintas meningkat, kecepatan cenderung menurun secara perlahan. Jika arus mendekati kapasitas, penurunan kecepatan semakin besar.
Gambar 2.7. 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({Va})
(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
86
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)
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: 1. 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. 2. 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. 3. Dinas Jalan Umum (1964) di Amerika Serikat menyarankan fungsi yang sangat umum, yaitu : b é ù æ ö V t = t 0 ê1 + a ç ÷ ú Q P ø è ë û
(2.10)
4. IHCM (Indonesian Highway Capacity Manual) 1994, melakukan beberapa kajian mengenai hubungan antara kecepatan dan arus pada beberapa ruas tetapi mengabaikan faktor persimpangan. Kondisi buffer network biasa digunakan utnuk skala studi yang luas pada suatu jaringan perkotaan. V = FV (1 - ( D / D J ) ( L -1) )1 /(1- M )
(2.11)
87
1 /( L -1)
D0 æ (1 - M ) ö ÷ =ç DJ çè ( L - M ) ÷ø
(2.12)
Dimana : FV
= Kecepatan arus bebas
D
= Kepadatan
L,M = Konstanta D0
= Kepadatan pada saat kapasitas tercapai
DJ
= Kepadatan pada kondisi macet total
2.2.11. Metode Steepest Descent a. Teori Dasar Metode steepest descent adalah metode iteratif dalam rangka mencari titik minimum dengan mengambil nilai awal sembarang. Metode ini merupakan salah satu metode iteratif paling tua yang mengilhami berbagai metode iteratif kontemporer seperti metode conjugate gradient (GD) dan generalized minimal residual (GMRES). Spiess (1990) telah mengembangkan penggunaan pendekatan steepest descent dari model pendekatan gradien. Model pendekatan steepest descent ini diformulasikan
sebagai
pendekatan
masalah
optimasi.
Pendekatan
ini
meminimalkan ukuran jarak antara yang volume diamati dengan volume yang dibebankan. Fungsi yang paling sederhana dari tipe ini adalah jumlah kuadrat dari semua pembeda yang mengarah pada minimalisasi cembung yaitu : min Z ( g ) =
1 (v - vˆa )2 å 2 aÎAˆ
(2.13)
tergantung atas v = pembebanan( g )
Dimana :
(2.14)
88
g
: matrik asal-tujuan dalam matrik estimasi
va
: volume yang diperkirakan dari link a pada semua iterasi
vˆ a
: volume yang diamati dari link a
A
: kumpulan dari semua link pada jaringan
v
: kumpulan dari volume link yang dibebankan
Dengan mengasumsikan bahwa kondisi pembebanan adalah pembebanan equilibrium, dimana sekumpulan link yang tidak mengurangi fungsi biaya S a (v a ) pada semua penghubung dari jaringan a Î A menentukan kecembungan suatu model.
Dikarenakan estimasi matrik yang dirumuskan pada persamaan (2.13) sangat sulit untuk dipastikan, biasanya memuat solusi optimal yang jumlahnya tak terbatas yaitu matrik permintaan yang mungkin menggambarkan semua matrik yang diamati sama baiknya. Pada konteks perencanaan yang sebenarnya, diharapkan matrik yang dihasilkan menyerupai sedekat mungkin dengan matrik awal, karena matrik tersebut memberikan informasi penting pada pergerakan asal-tujuan.
Model “tradisional” mengeliminasi setidaknya sebagian dari masalah degenerasi dengan menggunakan fungsi tujuan Z(g) yang sesuai dengan ukuran jarak f ( g , gˆ ) dan mengambil kesetaraan antara nilai-nilai yang diamati dan yang diperkirakan sebagai pembatas. Meskipun pendekatan ini menyediakan sarana untuk memilih yang “terbaik” matrik yang diharapkan (berdasarkan beberapa kriteria) diantara kondisi yang memadai pada volume yang diamati, pendekatan ini juga meningkatkan kemajemukan yang menunjukkan masalah yang harus dipecahkan, dan dengan demikian memberikan kontribusi yang besar dengan kenyataan bahwa model ini sangat sulit untuk digunakan pada masalah dengan skala yang besar.
89
Jika ingin memperoleh solusi algoritma yang sifatnya mirip dengan matrik awal, fungsi tujuan (2.13) sebaiknya tidak digunakan. Metode steepest descent memberikan petunjuk yang berhubungan dengan meminimalkan fungsi tujuan dan meyakinkan untuk tidak menyimpang dari solusi awal lebih dari yang diperlukan.
Pada kasus yang paling sederhana, ketika mengambil gradien secara langsung terhadap variabel g, metode steepest descent atau gradien dapat dirumuskan sebagai berikut :
gˆ i
untuk l = 0,
g il +1
é ¶Z ( g )ù g il - ll ê ú untuk l = 1, 2, 3, … ë ¶g i û gil
(2.15)
Dimana l l harus dipilih cukup kecil untuk memastikan bahwa jalur yang diikuti oleh g l cukup dekat dengan jalur gradien yang sebenarnya. Perlu diperhatikan bahwa penanda i
melambangkan matriks asal-tujuan dan himpunan semua
matriks asal-tujuan aktif dilambangkan sebagai I. Namun, jika gradien didasarkan pada variabel g seperti pada persamaan (2.15), ini berarti bahwa perubahan pada matriks permintaan diukur dengan cara yang mutlak, yaitu jumlah perjalanan, relatif terlepas dari perubahan akan berarti untuk matrik awal. Secara khusus, hal ini berarti bahwa matrik asal-tujuan (MAT) dengan gˆ i = 0 akan dipengaruhi oleh penyesuaian juga.
90
Untuk pendekatan yang lebih realistis gradien harus didasarkan pada perubahan relatif permintaan, yang dapat ditulis sebagai : gˆ i
untuk l = 0,
g il +1
æ é ¶Z ( g ) ù g il ç1 - ll ê ú ç ë ¶g i û g il è
ö ÷ ÷ ø
untuk l = 1, 2, 3, …
(2.16)
Perlu diperhatikan bahwa ketika gradien relatif digunakan,algoritma menjadi perkalian pada ghi. Oleh karena itu, perubahan permintaan sebanding dengan permintaan dalam matriks awal, dan khususnya angka nol akan dipertahankan oleh perhitungan tersebut.
Pada dekomposisi dari volume link v a kedalam jalur aliran, dimana k Î K i yang menyatakan kumpulan dari jalur yang digunakan pada setiap matriks asal-tujuan i, ieI, dan hk adalah vektor yang berhubungan dengan jalur aliran. Volume link dapat dinyatakan sebagai :
v a = å å d ak hk ,
aÎ A,
(2.17)
iÎI k ÎK i
Dimana,
d ak
0
jika a Ï k (link tidak terdapat pada jalur k)
1 2
jika a Î k (link terdapat pada jalur k)
(2.18)
Dengan menggunakan kemungkinan selain jalur aliran
pk =
hk , k Î K,i Î I gi
(2.19)
91
Persamaan (2.17) dapat ditulis kembali menjadi
va = å g i iÎI
åd
k ÎK i
ak
pk
aÎ A.
(2.20)
Kemudian dilanjutkan dengan menghitung gradien
¶Z ( g ) , dengan mengambil ¶g
turunan dari persamaan (2.13) diperoleh
¶v ¶Z ( g ) = å a (v a - vˆa ) ¶g i aÎAˆ ¶g i
iÎI
(2.21)
Mengasumsikan bahwa kemungkinan jalur adalah lokal konstan, diperoleh dari persamaan (2.20) ¶v a = å dak p k , ¶g i kÎK i
a Î A, i Î I ,
(2.22)
Dilanjutkan dengan dimasukkan persamaan (2.21) ke persamaan (2.22), menghasilkan ¶v a = å å d ak p k (v a - vˆa ) = å p k å d ak (v a - vˆa ) ¶g i aÎAˆ kÎK i kÎK i aÎ Aˆ
iÎI
(2.23)
Dalam penerapan metode gradien atau steepest descent, diperlukan memberikan nilai untuk panjang langkah l l . Memilih nilai-nilai yang sangat kecil bagi panjang langkah memiliki keuntungan pada lebih tepatnya jalur gradien, namun memiliki kelemahan yaitu membutuhkan langkah yang panjang dalam penyelesaiannya. Sebaliknya, jika memilih nilai-nilai yang terlalu besar untuk panjang langkah, fungsi tujuan Z ( g ) dapat sangat meningkat dan konvergensi dari algoritma ini akan hilang. Dengan demikian, panjang langkah optimal l* pada suatu permintaan g dapat ditemukan dengan menyelesaikan satu dimensi bagian masalah.
92
ææ æ ¶Z ( g ) ö ö÷ ö÷ ÷ min Z ç çç g i çç1 - l ç l ¶g i ÷ø ÷ø ÷ø èè è
(2.24)
Tergantung pada
l
¶Z ( g ) £ 1, ¶g i
untuk semua i Î I , dengan g i > 0
(2.25)
Karena fungsi tujuan Z dinyatakan dalam volume link v a , perlu diketahui pula bagaimana perubahan sepanjang arah gradien. Hal ini dapat diperoleh dengan menerapkan aturan rantai pada persamaan (2.22) v a' =
æ öæ ö dv a dg ¶v = å i a = -å g i çç å p k å d ak (v aˆ - vˆaˆ )÷÷çç å d ak p k ÷÷ (2.26) dl iÎI dl ¶g i iÎI è kÎK i aˆÎAˆ øè kÎK i ø
Memecahkan masalah minimalisasi persamaan (2.23) dapat dilakukan dengan menemukan turunan dari titik nol. Menerapkannya kemudian pada aturan rantai dan menghasilkan turunan :
dv ¶Z dZ (l ) =å a = å v a' v a - vˆ a + lv a' dl aÎ Aˆ dl ¶v a aÎ Aˆ
(
)
(2.27)
Hal ini mengarah langsung pada panjang langkah optimal
å v (vˆ ' a
l = *
a
- va )
aÎ Aˆ
å v a'
2
(2.28)
aÎ Aˆ
Yang kelayakannya perlu diperiksa berlawanan dan nantinya dibatasi oleh persamaan (2.25). Dengan persamaan (2.23), (2.26), (2.28), dimiliki semua hasil untuk memecahkan masalah penyesuaian matrik (2.13) menggunakan metode gradien relatif (2.16).
b. Penerapan Metode Steepest Descent pada aplikasi software EMME/3 Salah satu kesulitan dalam praktek untuk menerapkan model matrik estimasi dalam penerapan ini disebabkan oleh kenyataan bahwa model hanya dapat
93
dijalankan dalam program-program komputer yang sangat khusus, yang sulit untuk didapat dan dioperasikan , jika program tersebut ada. 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 hasil pembebanan biasa.
Untuk setiap jalur yang dihasilkan selama pembebanan equilibrium normal, additional path attribute c k dihitung dengan menggabungkan additional link attribute c a dari link pada jalur dengan path operator Ä (yang bisa saja penghubung seperti c k = Äc aÎk
å , Õ , min, max ) k Î K,iÎ I
a
Memeriksa path attribute
(2.29)
(
c k untuk diperinci interval jalur ambang C, C
)
menentukan apakah jalur tersebut termasuk dalam pembebanan bawahan ~ berikutnya dari additional demand gˆ . Dengan cara ini, himpunan jalur aktif K didefinisikan.
Hasil dari pembebanan pilihan tambahan adalah additional volume.
v~a = å gˆ i
åd
~ k ÎK i
iÎI
ak
pk
(2.30)
Dan atribut matrik tambahan, yang dapat dari salah satu berikut :
ci = c~i = g~i =
åp c
k
(path attributes)
(2.31)
åp c
k
(active path attributes)
(2.32)
gˆ i
(active addl. Demand)
(2.33)
(active path attribute weighed by addl. Demand)
(2.34)
k ÎK i
~ k ÎK i
k
k
åp
~ kÎK i
t i = gˆ i
k
åp c
~ kÎK i
k
k
94
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.
Berikut dijelaskan langkah bagaimana penyelesaian dapat tercapai. Pada awal setiap iterasi metode steepest descent, pembebanan equilibrium sederhana (yaitu tidak menggunakan fitur pilihan tambahan) dijalankan dengan matrik sekarang, untuk menghitung volume link v a i, a Î A . Dengan volume ini, atribut link tambahan c a dihitung dengan penghitung jaringan sebagai
aÎ A
v a - vˆ a
jika
0
yang lainnya
ca
Matrik gradien
(2.35)
¶Z ( g ) didefinisikan pada persamaan (2.23) yang kemudian ¶g i
dihitung pada persamaan (2.34) sebagai matrik atribut tambahan. Matrik ini kemudian digunakan sebagai matrik permintaan tambahan gˆ dan variabel v a' dari persamaan (2.26) dihitung berdasarkan persamaan (2.30). Panjang langkah optimal diperoleh dari persamaan (2.28) dievaluasi kembali dengan penghitung jaringan. Akhirnya, matrik permintaan diperbarui dengan menggunakan penghitung matrik berdasarkan pada persamaan (2.16).
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. 2.2.13. Pendekatan Pembebanan User Equilibrium
95
Pertimbangan utama pembebanan lalu lintas adalah asumsi bahwa dasar pemilihan rute adalah biaya perjalanan. Ukuran yang digunakan tergantung pada karakteristik jalan, kondisi lalu lintas dan persepsi pengendara tentang kondisi tersebut. Dalam hal ini efek stokastik tidak diperhitungkan. Ada dua perilaku pokok yang diusulkan sebagai dasar dari kondisi equilibrium,yaitu: 1. Pengendara memilih rute secara bebas yang memenuhi kepentingan terbaiknya menurut kondisi lalu lintas yang dihasilkan dari beberapa pilihan rute lain. 2. Pengendara memilih rute yang menghasilkan arus lalu lintas yang memberikan keuntungan maksimum bagi mereka. Pendekatan Pembebanan User Equilibrium mengacu pada prinsip Wardrop I yang menyatakan bahwa dalam kondisi macet, pengendara akan memilih suatu rute sampai tercapai kondisi yang tidak memungkinkan seorangpun dapat mengurangi biaya perjalanannya dengan menggunakan rute yang lain. Apabila semua pengendara mempunyai persepsi yang sama tentang biaya maka akan dihasilkan kondisi keseimbangan, artinya semua rute yang digunakan antar dua titik tertentu akan mencapai biaya perjalanan yang sama dan minimum, sedangkan rute yang tidak digunakan akan mencapai biaya perjalanan yang sama atau lebih mahal. Kemajuan besar dalam teknik pembebanan dengan peminimuman fungsi obyektif adalah dimungkinkannya analisa pengembangan algoritma yang sistematik untuk pemecahannya. Algoritma yang sangat umum digunakan adalah Frank Wolfe (1956). Langkah-langkah dalam proses pembebanan tersebut adalah sebagai berikut: 1. Pilih satu set initial biaya ruas, yang biasa digunakan adalah waktu tempuh pada kondisi arus bebas Ca (0). Inisialisasi semua arus V
0 a
= 0, kemudian set
n = 0. 2. Bentuk suatu pohon biaya minimum, kemudian set n = n+1. 3. Bebankan semua matrik T dengan pembebanan All-or-Nothing untuk mendapatkan suatu set arus Fa. 4. Hitung arus pada saat sekarang dengan persamaan:
96
V an = (1- f )V na -1 + fFa
(2.41)
5. Hitung satu set baru biaya ruas berdasarkan besar arus Van . Jika arus (atau biaya ruas) tidak terlalu banyak mengalami perubahan dalam dua kali pengulangan yang berurutan maka proses dihentikan, dan jika tidak diteruskan ke tahap (2). Proses pembebanan pada penelitian ini menggunakan bantuan aplikasi program EMME/3 sehingga dapat menyederhanakan model. 2.2.14. 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. Indikator uji statistik yang digunakan disini adalah Koefisien Determinasi (R²). Indikator statistik R² dapat didefinisikan sebagai Persamaan (2. 42).
( V - Vˆ ) å = å V - å Vˆ
2
R
2
a
2 a
a
2 a
(2.42)
Indikator statistik R2 ini merupakan suatu uji statistik yang paling sering digunakan. Indikator ini akan memberikan bobot sangat tinggi untuk kesalahan absolut besar. Oleh karena itu, nilai R2 yang tinggi tidak dapat diperoleh dari matrik berjumlah sel besar dengan kesalahan kecil, akan tetapi sangat jelek pada matrik yang memiliki nilai sel yang kecil. Persamaan (2.42) memperlihatkan bahwa nilai R2 dapat menjadi menurun jika terdapat simpangan besar antara MAT hasil penaksiran dan MAT hasil observasi. Nilai R2 = 1 merupakan nilai tertinggi yang dapat dihasilkan jika dilakukan perbandingan antar MAT. Oleh karena itu, nilai R2 yang mendekati 1 (satu) menunjukkan tingkat kemiripan yang tinggi antar MAT yang diperbandingkan.
97
2.2.15. EMME/3 (Equilibre Multimodal, Multimodal Equilibrium) Emme merupakan software yang professional dalam meramalkan sebuah perjalanan. Emme menawarkan perangkat alat perencanaan yang kumplit dan komprehensive untuk kebutuhan suatu pemodelan. Selain itu Emme khususnya disini 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). Keluaran dari piranti lunak ini dapat berupa grafis, numerik dan SIG (Ofyar, 2008).
Para perencana transportasi menggunakan EMME untuk memodelkan system transportasi perkotaan, metropolitan dan regional. Selain itu EMME juga digunakan untuk mengevaluasi kebijakan transportasi yang mempunyai efek kesemua system transportasi yang ada.
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
98
informasi pada EMME help secara on-line dapat dicari pada help menu (Gambar 4.5).
Gambar 2.8. 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 secara luas dari operasi garis perintah, termasuk merinci model kebutuhan, pembebanan, jaringan, dan kalkulator matriks (Gambar 2.8). Sedangkan alat pemodelan transportasi yang lain mencakup the EMME macro language untuk melakukan otomatisasi.
99
Gambar 2.9. The EMME Prompt (Prompt Console)
Prosedur perhitungan program EMME/3 dalam membuat matriks baru dengan metode steepest descent dan arus lalu lintas hasil proses pembebanan ke jaringan jalan, secara umum dapat dilihat pada Gambar 2.9.
100
Data MAT awal /prior matrix
Penyusunan MAT (Prompt console)
Estimasi Matriks (Prompt console)
Basis data jaringan jalan
Penyusunan Jaringan (Network Editor)
Data arus lalu lintas /traffic count
MAT baru ME2 Assignment (Prompt console) User Equilibrium
Arus Lalu lintas pada Tiap Ruas Jalan Gambar 2.10. Prosedur Perhitungan Program EMME/3
2.3. Kelebihan EMME/3 dengan program lain
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
101
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.
Tabel 2.15. Perangkat lunak perencanaan transportasi yang telah tersedia di pasaran. Paket Program MicroTRIPS MOTORS SATURN MINITRAMP TRANPLAN TRANSCAD
STAN
Pemasok MVA Systematica Steer, Davies, and Gleave University of leeds Wooton Jeffreys and Partners The Urban Abalysis Group California Caliper Corporation INRO Consultant University de Montreal
Kapasitas 300 Zona 4.000 ruas 400 Zona 6.000 ruas 500 Zona 7.000 ruas 500 Zona 5.000 ruas
Sistem operasi
Keluaran
MS-DOS
Numerik
MS-DOS
Numerik
MS-DOS
Numerik dan grafik
MS-DOS
Numerik
3.000 Zona 60.000 ruas
Windows
Numerik, grafik dan GIS
3.000 Zona 60.000 ruas
Windows
Numerik, grafik dan GIS
1.200 Zona 24.000 ruas 100 skenario
Windows
Numerik, grafik dan GIS
STRADA
JICA
500 Zona 10.000 ruas
Windows
Numerik, dan grafik
EMME/2
INRO Consultant University de Montreal
2.800 Zona 56.000 ruas
MS-DOS
Numerik, grafik dan GIS
Sumber : Ofyar (2008)
102
BAB 3 METODOLOGI PENELITIAN
3.6. Lokasi Penelitian Penelitian ini mengambil wilayah studi di Kota Surakarta. Kota Surakarta yang terletak di Propinsi Jawa Tengah bagian selatan yang memiliki kepadatan lalu lintas yang cukup tinggi. Secara geografis Surakarta terletak pada 110’45’15’ – 110’45’35’ BT dan 70’36’00’ – 70’56’00’ LS berbatasan dengan daerah tingkat II yang lain, yaitu di 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 3.2., peta zona dapat dilihat pada Gambar 3.3. dan peta jaringan jalan kota Surakarta dan lokasi survey pada Gambar 3.1.
3.7. Data yang dibutuhkan Data yang dibutuhkan dalam penelitian ini adalah data sekunder diperoleh dari survei tahun 2007 dan instansi yang terkait yang berada di wilayah Surakarta. Data tersebut 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) yang digunakan adalah hasil perhitungan skripsi “ Evaluasi Kinerja dan Penanganan Jaringan Jalan (Studi Kasus Kota Surakarta)” oleh Astri Brillianti tahun 2002.
103
4. Data arus lalu lintas (traffic count) yang digunakan adalah hasil penelitian skripsi “Estimasi Matriks Asal Tujuan dari Data Lalu Lintas dengan Metode Estimasi Entropi Maksimum (Studi Kasus Kota Surakarta)” oleh Revi Widyastuti tahun 2007. Revi dkk (2007) melalukan survey volume lalu lintas pada jam puncak di Kota Surakarta pada 42 lokasi zona internal (Tabel 3.1) dan 14 lokasi zona eksternal (Tabel 3.2) berdasarkan batas administratif kelurahan kemudian dilakukan survey pembaruan pada beberapa titik di tahun 2009.
Tabel 3.1. Lokasi survey arus lalu lintas zona internal No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
Nama Jalan Jl. Tentara Pelajar Jl. Ir. Sutami Jl. Dr. Radjiman Jl. Kapten Mulyadi Jl. Veteran Jl. Gajah Mada Jl. Dr. Radjiman (Depan POM bensin Laweyan) Jl. Dr. Muwardi Jl. Bridjen Katamso Jl. Letjen Suprapto Jl. Sumpah Pemuda Jl. Letjen Sutoyo
NODE 1 2 94 91 91 94 241 92 128 127 133 167 167 133 138 139 139 138 193 208 208 193 67 66 66 67 189 188 188 189 89 51 51 89 40 41 41 40 46 47 47 46 266 37 37 266
No. 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42
Nama Jalan Jl. Jendral Sudirman Jl. Jendral Ahmad Yani Jl. Urip sumoharjo Jl. Monginsidi (Dekat Stasiun Balapan) Jl. Kapten Tendean Jl. Tagore Jl. Ahmad Yani (Dekat Terminal Tirtonadi) Jl. Slamet Riyadi Gendengan) Jl. Adi Sucipto Jl. Kolonel Sutarto (Depan Panggung) Jl. Slamet Riyadi (Kerten) Jl. Mongonsidi (Depan Hotel Asia)
NODE 1 2 22 78 78 22 26 3 3 26 85 86 257 256 256 257 264 35 35 264 260 35 36 35 35 36 8 9 26 25 25 26 86 91 3 2 2 3 39 86 86 39
104
Tabel 3.2. Lokasi survey volume lalu lintas zona eksternal No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Nama Jalan Jl. Yos Sudarso Jl. Dr. Radjiman Jl. Kolonel Sugiyono Jl. Joko Tingkir Jl. Adi Sumarmo Jl. Slamet Riyadi Jl. Veteran Jl. Kyai Mojo Jl. Palur Jl. Adi Sucipto Jl. Ring Road Jl. Tangkuban Perahu Jl. Bridjen Sudarto
NODE 1 2 105 756 756 105 61 754 754 61 271 762 117 764 764 117 56 763 763 56 1 701 701 1 136 755 755 136 145 758 758 145 95 759 23 752 55 765 765 55 287 760 760 287 288 757 757 288
45
46
Tabel 3.3. Data nomor zona dan nama zona internal No. Zona 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
Nama Zona Karangasem Jajar Kerten Pajang Sondakan Laweyan Bumi Purwosari Penumping Panularan Sriwedari Tipes Kemlayan Jayengan Kratonan Serengan Danukusuman Joyotakan Kampung Baru Kauman Sangkrah Kedunglumbu Baluwarti Semanggi Gajahan Pasar Kliwon Joyosuran Kadipiro Banyuanyar Nusukan
No. Zona 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51
Nama Zona Sumber Gilingan Manahan Mangkubumen Punggawan Kestalan Ketelan Setabelan Timuran Keprabon Mojosongo Jebres Tegalharjo Kepatihan Kulon Kepatihan Wetan Purwodiningratan Jagalan Pucangsawit Sudiroprajan Gandekan Kampungsewu
Tabel 3.4. Data nomor zona dan nama zona eksternal No. Zona 52 53 54 55 56 57 58 59 60 61 62 63 64 65
Nama Zona 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
Gambar 3.2. Peta Administrasi Kota Surakarta
47
48 Gambar 3.3. Peta Pembagian Zona Kota Surakarta
49
3.8. Alur Penelitian Alur penelitian ini perlu dibuat secara sistematis untuk memudahkan pelaksanaan kegiatan penelitian. Secara garis besar akan diuraikan 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 ini lebih update dan di harapkan lebih efektif dalam penelitian yang akan dilaksanakan. 2. Pembaruan Data
Pembaruan Data meliputi pembenahan gambar jaringan jalan pada program EMME/3 yang disesuaikan dengan peraturan yang terbaru dan sesuai acuan dan mengambil data arus lalu lintas terkini . Hal ini dilakukan karena pengambilan data yang sebelumnya telah mengalami perubahan, seperti data karakteristik jalan dan data arus lalu lintas terkini (traffic count). Pelaksanaan survey dilaksanakan pada jam puncak pagi hari yaitu antara jam 06.00-08.00 selama dua hari yaitu pada 29 Oktober 2009 dan 12 November 2009. Penentuan periode jam sibuk diambil dari perhitungan hasil survey baru yang dilakukan. Survey dilakukan pada beberapa ruas jalan di berbagai titik di wilayah Surakarta dan pada batas wilayah kota Surakarta. Setelah dilakukan pembaruan data kemudian diolah menjadi basis data yang dapat digunakan pada tahap selanjutnya. 3. Estimasi Matriks Tahap estimasi matriks ini dilakukan untuk memproses perhitungan data sekunder dengan menggunakan bantuan program EMME/3. Proses tersebut berupa pembuatan jaringan jalan, dan pembebanan matriks awal yang didukung dengan data arus lalu lintas.
49
50 Berikut ini merupakan data-data yang menjadi variabel dalam penelitian ini, yaitu: 1. Basis data jaringan jalan diperoleh dari Dinas Pekerjaan Umum (DPU) Surakarta.
2. Matriks Awal (Prior matrix) Prior matrix yang digunakan adalah prior matrix peneliti sebelumnya (Astri Brilianti, 2002). 3. Data Arus Lalulintas (Traffic Count)
Data arus lalulintas tersebut menggunakan data survei sebelumnya (Rahayu Mahanani Wijiastuti, 2007). 4. Tes Validasi Validasi dilakukan untuk melihat seberapa besar perbedaan arus lalu lintas tiap ruas dari hasil pengamatan dengan arus lalu lintas hasil perhitungan. Dengan mencari besar nilai R2.
5. Pembahasan Pembahasan ini meliputi analisis hasil estimasi MAT dari arus lalu lintas dalam aplikasi program EMME/3 dan menganalisis tingkat validasi hasil model dengan pengamatan. 6. Kesimpulan Kesimpulan merupakan uraian secara singkat inti dari hasil akhir proses pembahasan yang kemudian ditambahkan dengan saran untuk penelitian selanjutnya agar bisa lebih dikembangkan lagi.
50
51
Alur penelitian ini dapat digambarkan seperti Gambar 3.4. Mulai
Studi Literatur
Pembaruan Data
Matriks Awal (Prior Matrix)
Estimasi Matriks (EMME/3)
Data Arus Lalu Lintas (Traffic Count)
Uji Validasi
Pembahasan
Kesimpulan dan Saran
Selesai
Gambar 3.4. Bagan Alir Penelitian
3.9. Prosedur Pelaksanaan Survey Prosedur pelaksanaan survey ini berupa tahap-tahap yang harus dilakukan sebelum dan selama pelaksanaan survey agar tidak terjadi kesalahan dalam pengumpulan data di lapangan.
51
52
3.9.1. Survey Pendahuluan
Survey dilakukan untuk menentukan waktu dan lokasi penelitian. Penentuan jam sibuk berdasarkan penelitian sebelumnya yang telah dilakukan pada beberapa ruas di Kota Surakarta. 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.
3.9.2. Teknik Pengumpulan Data
Pengumpulan data primer pada penelitian ini dilakukan secara langsung dilapangan dengan cara menghitung berapa banyaknya kendaraan yang melewati suatu titik survey. 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 suatu formulir
survey. 3.9.3. Desain Survey
Desain survey yang dilakukan untuk mendapatkan data di lapangan meliputi: 1.
Desain alat survey Dalam melakukan survey 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 survey, hand tally counter, penunjuk waktu (Hand Phone).
2.
Desain formulir survey Berdasarkan jenis kendaraan yang akan disurvey meliputi: Motor Cycle, Light Vehicle (mobil penumpang, oplet, mikrobis, pick-up dan truk kecil), dan 52
53 Heavy Vehicle (bis, truk 2 as, truk 3 as, dan truk kombinasi) dan desain alat yang digunakan, maka formulir survey yang digunakan memuat kriteria dan contoh gambar dari kendaraan yang disurvey. Formulir isian jumlah kendaraan diisi sesuai dengan jumlah kendaraan yang melalui ruas jalan yang diamati dan dihitung per 5 menit selama 2 jam dimulai pukul 06.00 hingga pukul 08.00. Karena ada sebagian yang menggunakan metode manual maka lebar dan panjang kolom untuk pengisian disesuaikan supaya dapat memuat turus hasil penghitungan. Contoh sket formulir Survey yang digunakan terlampir pada lampiran G. 4.
Surveyor a. Spesifikasi surveyor Surveyor yang dipilih adalah mereka yang dinilai telah dapat menggunakan peralatan yang akan digunakan dan juga mengerti tentang klasifikasi kendaraan yang disurvey. b. Jumlah Surveyor Jumlah surveyor yang digunakan sebanyak ±60 orang dengan penempatan pada titik-titik yang telah ditentukan. Banyak surveyor yang ditempatkan pada suatu titik di ruas jalan tertentu tergantung pada kelas jalan, lebar jalan, banyak lajur dan jalur, kepadatan, dan jenis kendaraan yang melalui jalan tersebut. c. Tugas Surveyor Tugas Surveyor adalah mencatat semua jenis kendaraan bermotor kedalam formulir survey yang telah ditentukan per lima menitan berturut-turut selama dua jam. d. 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.
53
54
3.10. Teknik Analisis Data Analisis data yang dilakukan dengan program EMME/3 adalah sebagai berikut: 3.5.1. 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.
EMME/3 (equilibre multimodal, multimodal equilibrium) merupakan software yang professional untuk meramalkan suatu perjalanan. Selain itu EMME/3 ini merupakan sebuah platform yang lengkap untuk meramalkan kebutuhan dan merencanakan transportasi. 3.5.2. Estimasi Matriks Setelah jaringan jalan selesai dibuat, langkah selanjutnya memasukkan matriks awal ke dalam program EMME/3 melalui Emme prompt console. Emme prompt console merupakan teks model yang digunakan untuk melakukan berbagai garis perintah. Bentuk dari teks model ini berupa ‘module’. Emme prompt console ini mencakup detail model kebutuhan, assignment network, perhitungan matriks dan the emme macro language untuk melalukan otomatisasi.
Dalam proses pembuatan matriks baru metode pendekatan yang digunakan adalah metode entropy maximum dengan bantuan program EMME/3 yaitu dengan melakukan proses running demadj menggunakan file perintah pada Emme prompt console. 3.5.3. Uji validasi
54
55 Hal ini dilakukan untuk mengetahui seberapa besar perbedaan yang ditimbulkan dari arus lalu lintas hasil pengamatan dengan arus lalu lintas hasil perhitungan. Uji validasi yang dilakukan dengan mencari nilai koefisien determinasi (R2).
Bagan alir teknik analisis data dapat dilihat pada Gambar 3.5. Matriks Awal (Prior Matrix)
NETWORK (EMME/3)
Traffic Count
Estimasi Matriks (SD)
MAT Baru
Assignment
Arus lalu lintas Tahun 2009 Tidak Konvergen Va ≈ Va’ Ya Uji Validasi Gambar 3.5. Bagan alir teknik analisis data (Estimasi Matriks EMME/3)
55
56
BAB 4 ANALISIS DAN PEMBAHASAN 4.1. Umum Penelitian ini dilakukan dengan menggunakan program EMME/3 untuk menentukan Matriks Asal Tujuan dari data arus lalu lintas kota Surakarta dengan metode Steepest Descent dengan pembebanan User Equilibrium.
Program EMME/3 ini merupakan salah satu alat bantu dalam mengetahui distribusi arus lalu lintas di kota Surakarta. Data masukan yang dipergunakan dalam program ini antara lain data arus lalu lintas (traffic count), data ruas jalan berupa kapasitas dan waktu tempuh pada saat arus bebas dan saat arus mencapai kapasitas, data koordinat zona dan data prior matriks tahun 2002 dari penelitian sebelumnya. Prosedur perhitungan data ruas jalan mengacu pada Manual Kapasitas Jalan Indonesia (MKJI).
4.2. Pengolahan dan Penyajian Data 4.2.1. Sumber Data a. Data Primer
Data primer dalam penelitian ini didapat dari survey penelitian pada jam 06.00 – 08.00 yang dilakukan pada tanggal 29 Oktober 2009 dan 12 November 2009 di
beberapa
titik
dengan
pertimbangan
bahwa
banyak
pengendara
menggunakan ruas jalan tersebut dan dianggap mewakili jaringan jalan di kota Surakarta.
56
57 b. Data Sekunder Data sekunder lainnya yaitu data dari instansi terkait yang berada di wilayah kota Surakarta meliputi peta administrasi kota Surakarta (Gambar 3.2), peta pembagian zona kota Surakarta (Gambar 3.3), peta jaringan jalan kota Surakarta dan lokasi survey (Gambar 3.1) dan juga data jaringan jalan (dapat dilihat pada lampiran).
Data hasil survey tahun 2009 dapat dilihat pada Tabel 4.1. Tabel 4.1 Data Hasil Survey tahun 2009 Nama Jalan
NODE 1
2
105
756
756
105
61
754
754
61
Jl. Yos Sudarso
Jl. Dr. Radjiman
JENIS KEND. MC LV HV MC LV HV MC LV HV MC LV HV
06.0006.05 75 16 6 108 18 5 193 5 1 111 7 2
06.0506.10 92 13 3 214 44 7 121 9 3 112 14 6
WAKTU 06.10- 06.1506.15 06.20 108 139 20 24 5 2 254 229 42 56 7 8 133 143 21 8 3 2 156 229 13 17 1 4
Rata-rata … … … … … … … … … … … … …
07.5508.00 310 43 2 336 65 9 198 22 4 206 29 4
kend/jam 2880 509 44.5 3811.5 667.5 93.5 2485 204.5 30.5 2550.5 227.5 46.5
Sumber : Data hasil survey tahun 2009
Data lengkapnya dapat dilihat pada lampiran A
4.2.2. Pembagian Zona
Zona merupakan representasi dari sistem tata guna lahan suatu wilayah. Pembagian zona dilakukan sebagai tahap awal persiapan data masukan. Namun dalam penelitian ini, karena data tersebut sulit didapat maka digunakan zona-isasi 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 ) (Tabel 4.2.) dan 14 zona eksternal (Tabel 4.3.). Setiap zona diwakili oleh satu pusat zona (centroid), yang kemudian dihubungkan ke salah satu simpul jaringan jalan (node) dengan penghubung
57
58 (centroid conector). Selanjutnya ditentukan titik-titik koordinat seluruh simpul ruas jalan dan pusat zona tersebut.
Tabel 4.2. Pembagian zona internal 1. Wilayah Kecamatan Laweyan No. Zona Nama Zona 701 Karangasem 702 Jajar 703 Kerten 704 Pajang 705 Sondakan 706 Laweyan 707 Bumi 708 Purwosari 709 Penumping 710 Panularan 711 Sriwedari 2. Wilayah Kecamatan Serengan No. Zona 712 713 714 715 716 717 718
Nama Zona Tipes Kemlayan Jayengan Kratonan Serengan Danukusuman Joyotakan
3. Wilayah Kecamatan Pasar Kliwon No. Zona Nama Zona 719 Kampung Baru 720 Kauman 721 Sangkrah 722 Kedunglumbu 723 Baluwarti 724 Semanggi 725 Gajahan 58
59 726 727
Pasar Kliwon Joyosuran
4. Wilayah Kecamatan Banjarsari No. Zona Nama Zona 728 Kadipiro 729 Banyuanyar 730 Nusukan 731 Sumber 732 Gilingan 733 Manahan 734 Mangkubumen 735 Punggawan 736 Kestalan 737 Ketelan 738 Setabelan 739 Timuran 740 Keprabon 5. Wilayah Kecamatan Jebres No. Zona Nama Zona 741 Mojosongo 742 Jebres 743 Tegalharjo 744 Kepatihan Kulon 745 Kepatihan Wetan 746 Purwodiningratan 747 Jagalan 748 Pucangsawit 749 Sudiroprajan 750 Gandekan 751 Kampungsewu Tabel 4.3. Pembagian zona eksternal No. Zona
Nama Zona 59
60 752 753 754 755 756 757 758 No. Zona 759 760 761 762 763 764 765 4.2.3.
Colomadu Pabelan Kartosuro Makam Haji Kartosuro Cemani Solo Baru Grogol Sukoharjo Bekonang Nama Zona Palur Karanganyar Plupuh Sragen Jl. Clolo arah Karanganyar Arah Purwodadi Ngemplak Boyolali Gentan Sukoharjo Kebak Kramat Karanganyar Satuan Mobil Penumpang
Data yang diperoleh dari hasil survei berupa volume arus lalu lintas. Agar diperoleh volume lalu lintas dalam satuan kendaraan, maka beberapa jenis kendaraan perlu dikonversi ke dalam satuan mobil penumpang. Pada pelaksanaan survei traffic count digunakan interval waktu 5 menitan selama 2 jam sehingga terdapat 24 buah data volume arus lalu lintas. Data yang dipakai adalah nilai tertinggi dari 13 buah data perjam yang didapat dari perhitungan 24 data tersebut. Perhitungan untuk mendaatkan data yang dipakai dapat dilihat pada Tabel 4.4. Contoh
: Nama jalan
: Urip Sumoharjo
Nomor ruas
: 85 – 86
Tabel 4.4. Perhitungan jumlah kendaraan pada jam puncak (dalam 1 jam) NODE 1
2
85
86
JENIS KEND. MC LV HV
06.4006.45 289 21 3
06.4506.50 269 23 2
06.5006.55 199 28 4
06.5507.00 174 18 1
07.0007.05 237 29 4
WAKTU 07.0507.1007.10 07.15 193 254 31 30 1 4
07.1507.20 227 31 1
07.2007.25 162 17 3
07.2507.30 187 31 4
∑MC=1258 ∑LV=150 ∑HV=17 ∑MC=1326 ∑LV=159 ∑HV=16
60
07.3007.35 133 15 1
07.35 07.40 295 26 4
61
∑MC=1284 ∑LV=167 ∑HV=15
maksimum ∑MC=2619 maksimum ∑LV=300 Selanjutnya dilakukan konversi ke dalam satuan∑HV=32 mobil penumpang sesuai Tabel maksimum
2.1. Contoh perhitungan dapat dilihat pada Tabel 4.5.
Contoh
: Nama jalan Nomor ruas
: Urip Sumoharjo : 85 - 86
Tabel 4.5. Konversi Satuan kendaraan ke smp Nama Jalan
NODE 1
2
105
756
JENIS KEND.
Faktor konversi
MC LV HV
0,25
06.0507.05 663
1
473
508
538
1,3
52
49
48
1146
1220
0,25
904
1
661
1,3
TOTAL
Jl. Yos Sudarso 756
105
MC LV HV
TOTAL 61
754
754
61
…
07.0008.00 819
554
…
545
44
…
64
1278
1308
…
1391
930
956
954
…
1002
702
727
730
…
674
108
109
113
114
…
135
1673
1741
1796
1799
…
1795
…
MC LV
0,25
641
647
683
686
…
601
1
167
188
202
201
…
242
HV
1,3
33
33
34
35
…
47
841
867
919
922
…
962
TOTAL
Jl. Dr. Radjiman
Arus (smp/jam) 06.1006.1507.10 07.15 692 710
06.0007.00 621
MC LV
0,25
613
635
667
685
…
663
1
212
219
226
236
…
243
HV
1,3
51
56
57
62
…
70
875
910
950
984
…
970
TOTAL
Data lengkap konversi dari satuan kendaraan ke satuan mobil penumpang dapat dilihat pada lampiran B. 4.2.4.
Kapasitas
Kapasitas pada suatu ruas jalan dapat dihitung dengan menggunakan Persamaan (2.1) 61
62
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 (lihat Tabel 2.3)
Co
Ø Faktor penyesuaian lebar lajur (lihat Tabel 2.4)
FCw = 1,00
Ø Faktor penyesuaian pemisah arah (lihat Tabel 2.5)
FCsp = 1,00
= 1500
Ø Faktor penyesuaian hambatan samping (lihat Tabel 2.6./2.7) Ø Faktor penyesuaian ukuran kota (lihat Tabel 2.9)
FCsf = 0,81 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 C.
4.2.5.
Waktu Tempuh
62
63 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 (lihat Tabel 2.10)
FVo
= 53
Ø Faktor penyesuaian lebar jalur lalu lintas
FVw
= 0
(lihat Tabel 2.11) Ø Faktor penyesuaian hambatan samping (lihat Tabel 2.12/2.13) Ø Faktor penyesuaian ukuran kota (lihat Tabel 2.14)
FFVsf
= 0,81
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 63
64
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 D.
4.3. Analisis dengan Program EMME/3
4.3.1. 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 4.6 dibawah ini :
Tabel 4.6. Format masukan basis data jaringan jalan Node
Waktu tempuh pada
Awal
Akhir
Arus Bebas
Kapasitas
A
B
(detik)
(detik)
Total Kapasitas
Tipe Operasi
Jarak (m)
64
65 (smp/jam/ruas) 701
1
120
120
0
2
330
702
2
120
120
0
2
220
703
4
120
120
0
2
240
703
3
120
120
0
2
360
703
171
120
120
0
2
250
…
…
…
…
…
…
…
298
93
101.67
203.34
4269
2
990
Tipe operasi yang dimaksud dalam tabel tersebut adalah jumlah jalur atau arah ruas jalan. Data lengkapnya dapat dilihat pada lampiran E. Selain itu, data masukan lain yang diperlukan adalah data koordinat. Koordinat diperlukan dalam basis data masukan dalam program EMME/3 untuk menggambarkan network yang akan dipakai. Data tersebut terdiri dari data koordinat zona maupun koordinat simpul-simpul jaringan jalan seperti pada Tabel 4.7. berikut : Tabel 4.7. Koordinat kota Surakarta Node
koordinat X
koordinat Y
701
1394.716
4631.21
702
2005.345
4315.733
703
2919.327
4081.073
704
1944.118
2994.703
705
2886.463
3338.475
…
…
…
298
9880
4550
Data koordinat lebih detail dapat dilihat pada lampiran F. Input data dalam program EMME/3 dapat dilakukan dengan Network Editor yang
65
66 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
4.3.2 Data volume lalu lintas (traffic count)
Data arus lalu lintas yang digunakan adalah data yang diperoleh dari survei traffic count dan telah dikonversi ke satuan mobil penumpang per jam (smp/jam) seperti Tabel 4.8. berikut ini: Tabel 4.8. Data Arus Lalu Lintas Tahun 2009
No. 1 2 3
Node 1 701 754 755
2 1 61 136
Traffic Count (smp/jam) 1287 984 627
66
67 4 5 6 7 8 9 10 11 12
756 757 758 760 763 764 765 1 2
105 288 145 287 56 117 55 701 3
1811 879 1161 28 679 671 588 1285 1057
Berlanjut… Tabel 4.8. Data Arus Lalu Lintas Tahun 2009 (lanjutan)
13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35
1 3 3 8 22 23 25 26 26 35 35 36 37 39 40 41 46 47 51 55 56 61 66 67
2 2 26 9 78 752 26 3 25 36 264 35 266 86 41 40 47 46 89 765 763 754 67 66
Traffic Count (smp/jam) 1154 708 989 1872 1012 2135 959 1381 1432 1311 1356 617 1109 898 1188 650 807 729 652 438 962 864 850
36 37 38 39 40 41 42 43 44 45 46 47
78 85 86 86 89 91 94 95 105 117 128 133
22 86 39 91 51 94 91 759 756 764 127 167
627 996 1339 923 450 318 952 1827 1443 571 530 807
No.
Node
67
68 48 49 50 51 52 53 54 55 56 57
136 138 139 145 167 188 189 193 208 241
755 139 138 758 133 189 188 208 193 92
387 578 589 406 794 936 1030 404 789 1183
Berlanjut…
Tabel 4.8. Data Arus Lalu Lintas Tahun 2009 (lanjutan)
No. 58 59 60 61 62 63 64 65
1
Node 2
Traffic Count (smp/jam)
256 257 260 264 266 271 287 288
257 256 35 35 37 762 760 757
394 448 174 1054 1136 531 30 827
Sumber : data penelitian tahun 2009
4.3.3. Data Matrik Awal (prior matrix) Data matrik awal menggunakan MAT hasil penelitian tahun sebelumnya oleh Astri Brilianti (2002). MAT awal diperoleh dengan menggunakan metode pembebanan wardrop equilibrium. Matrik awal dapat dilihat pada Tabel 4.9.
68
69
Tabel 4.9. Prior Matrix Tahun 2002 Tujuan Asal 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748
701
702
703
704
705
706
707
708
709
710
711
712
0.00 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
1.00 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
0.50 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
0.50 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
0.50 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
0.50 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
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
0.50 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
0.90 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
0.90 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
1.70 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
0.90 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
69
70 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765
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
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
1.30 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
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
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
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
0.90 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
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
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
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
SDd
78.80
222.40
205.80
256.50
101.80
277.50
98.00
1598.90
118.70
123.00
Tabel 4.9. Prior Matrix Tahun 2002 Tujuan Asal 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747
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 0.50 150.70
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 3.70 161.20
Berlanjut…
713
714
715
716
717
718
719
720
721
722
723
724
2.20 2.20 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
1.70 1.70 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
1.70 1.70 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
1.70 1.70 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
1.70 1.70 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
1.70 1.70 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
2.20 1.10 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 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
2.20 2.20 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
2.20 2.20 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
1.50 1.50 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
1.50 1.50 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
1.50 1.50 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
70
71 Tujuan Asal 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
4.50 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
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
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
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 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
3.40 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
4.50 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
4.50 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
4.90 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
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
3.30 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
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 1.70 141.30
133.20
140.70
Tabel 4.9. Prior Matrix Tahun 2002 Tujuan Asal 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745
725
726
727
728
729
730
731
732
733
734
1.70 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
1.50 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
1.60 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
1.30 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
1.60 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
1.30 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
1.60 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
8.80 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
0.50 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
0.60 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
Berlanjut… 735 736 0.50 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
71
0.50 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
72 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765
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
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
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
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
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
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
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
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
0.70 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
SDd
272.20
119.40
143.20
283.90
217.50
227.10
321.50
319.80
195.40
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 0.20 343.40
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 0.20 299.10
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 0.20 210.00
Tabel 4.9. Prior Matrix Tahun 2002 Tujuan Asal 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744
737
738
739
740
741
742
743
744
745
746
1.60 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
1.70 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
1.70 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
2.20 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
11.10 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
7.00 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
1.00 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
1.70 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
1.70 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
0.80 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
Berlanjut… 747 748 2.10 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
72
15.60 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
73 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 SDd
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
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
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
1.00 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
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
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
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
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
0.00 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 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
285.70
212.90
139.40
209.40
465.20
578.60
535.40
161.00
176.20
112.50
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 1.90 157.50
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 2.50 347.50
Tabel 4.9. Prior Matrix Tahun 2002 Tujuan Asal 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743
749
750
751
752
753
754
755
756
757
758
2.20 1.10 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 0.90 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
1.70 0.80 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
2.10 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 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
0.40 0.40 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
10.40 10.40 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
1.10 1.10 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
0.90 0.90 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
4.70 4.70 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
5.80 6.30 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
2.10 2.10 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
Berlanjut… 759 760 9.10 66.40 108.60 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
73
11.10 14.30 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
74 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765
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
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
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
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
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
2.70 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
1.00 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
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
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
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
SDd
184.40
146.60
158.00
755.40
745.70
611.60
163.00
1087.50
511.20
185.40
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 1108.10
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 0.50 399.20
Tabel 4.9. Prior Matrix Tahun 2002 Tujuan Asal 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742
761
762
763
764
765
SOi
2.60 3.30 3.30 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
2.20 2.50 2.50 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
82.20 82.20 1.00 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
0.50 0.50 1.00 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
6.20 7.90 7.90 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
245.20 344.00 393.90 234.60 133.70 178.40 129.90 763.90 180.00 164.60 132.30 212.10 112.90 187.40 177.20 221.10 244.10 128.00 109.50 237.00 127.50 140.10 155.70 109.00 386.90 125.20 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
Berlanjut…
74
75 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765
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
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
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
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
2.20 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
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. Matrik baru hasil EMME/3 Matriks baru tahun 2009 yang akan digunakan dalam proses pembebanan dalam program EMME/3 merupakan hasil estimasi matriks dari data matriks awal (prior matrix) menggunakan metode Steepest descent . Dalam program EMME/3 ini proses estimasi dilakukan dengan modul EMME/3 yang diberi nama Prompt console (Gambar 2.6.) yang berupa garis perintah (command-line).
Pada program EMME/3 (Gambar 4.3.) penulis menyimpan matriks hasil estimasi dalam tabel matriks mf01 (full matriks 1). Setelah tersimpan dalam mf01 tersebut kemudian dipindah ke dalam excel untuk mempermudah dalam menganalisis pergerakan di semua zona. Hasil MAT baru dari proses estimasi dapat dilihat pada Tabel 4.10. Selain itu peneliti menyajikan pula dalam bentuk grafik, baik zona Internal (Gambar 4.4.) maupun zona eksternal (Gambar 4.5.)
75
76
Tabel 4.10. Matriks Asal Tujuan Tahun 2009 (Vehicle trip)
Gambar 4.3. Table Matrix (full matriks 01) Tabel 4.10. Matriks Asal Tujuan Tahun 2009 (Vehicle trip, dalam smp/jam) Tujuan Asal 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728
701
702
703
704
705
706
707
708
709
710
711
712
0.00 26.47 2.60 7.79 6.16 7.53 6.14 4.23 6.54 6.93 6.67 6.91 6.37 3.47 3.43 10.06 4.68 7.06 5.58 41.09 5.65 7.07 5.67 5.55 35.77 5.92 6.42 28.55
21.71 0.00 0.19 0.29 0.06 0.06 0.06 0.06 0.09 0.09 1.19 0.09 0.63 0.04 0.04 0.16 0.07 0.09 0.45 4.54 0.50 0.61 1.17 1.46 0.52 1.32 0.10 1.63
1.78 0.06 0.00 1.00 1.00 1.00 1.00 1.00 1.37 1.39 1.43 1.38 1.53 0.75 0.74 2.30 1.12 1.47 1.36 9.90 1.15 1.41 1.03 1.26 7.45 1.22 1.48 6.81
10.85 0.49 0.98 0.00 1.00 1.00 1.00 1.00 10.01 2.75 10.48 2.82 2.49 2.80 2.81 18.95 4.40 12.00 1.53 13.06 5.56 9.04 17.94 4.95 60.59 28.72 6.32 5.28
7.88 0.04 0.99 1.00 0.00 1.00 1.00 1.00 1.11 1.45 1.17 1.49 1.38 1.48 1.47 2.53 2.31 1.58 1.53 3.52 2.34 1.79 2.27 1.35 8.05 1.55 1.73 5.34
10.81 0.04 0.98 1.00 1.00 0.00 1.00 1.21 1.62 12.84 3.05 12.94 2.49 3.26 3.24 22.06 5.19 13.58 2.50 13.18 6.61 9.77 20.28 5.65 70.33 9.77 7.40 2.77
7.88 0.04 0.98 1.00 1.00 1.00 0.00 1.00 1.01 0.94 0.54 0.94 0.56 0.54 0.52 1.71 0.91 1.01 1.03 1.78 1.19 1.73 2.12 0.89 5.68 1.04 1.20 3.72
5.74 1.74 0.93 1.23 1.07 1.44 0.94 0.00 1.00 1.01 1.04 1.02 1.11 1.03 1.02 1.85 1.76 1.10 1.11 3.98 1.19 1.30 0.78 0.99 6.10 1.00 1.31 6.90
7.22 0.01 0.63 1.55 1.03 2.02 0.92 0.99 0.00 0.90 0.90 0.90 0.90 1.80 0.50 1.58 4.47 0.95 1.00 3.24 1.00 0.70 0.86 1.65 2.58 1.57 2.08 0.15
7.17 0.02 0.76 7.98 1.44 10.58 0.92 0.98 1.00 0.00 1.00 1.00 1.00 1.00 1.00 1.78 1.66 1.06 1.00 1.80 1.20 1.80 2.22 0.94 5.60 1.05 1.19 0.08
9.68 0.04 1.47 1.14 0.78 1.55 0.91 1.86 2.00 1.00 0.00 1.00 1.00 1.00 1.00 1.71 1.62 1.05 1.00 5.32 2.00 3.60 2.20 0.94 5.52 1.04 1.17 0.38
7.13 0.02 0.73 8.11 1.48 10.46 0.92 0.99 1.00 1.00 1.01 0.00 1.60 1.03 1.00 2.01 2.00 1.10 1.50 6.29 4.70 6.80 3.09 3.15 2.00 3.16 3.18 0.30
76
Berlanjut…
77 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 SDd
54.56 38.57 8.22 2.83 1.31 7.01 5.42 4.72 21.82 4.03 6.26 6.39 12.80 166.25 0.96 2.80 3.37 2.48 3.64 10.99 4.42 2.93 3.49 26.75 103.25 27.39 10.89 28.68 35.80 44.20 14.62 7.60 92.63 94.69 54.98 13.48 7.24
4.07 2.58 0.30 0.12 0.29 1.18 1.19 0.81 4.89 0.04 1.21 0.63 0.12 5.04 0.02 0.24 0.34 0.01 0.02 2.34 0.31 0.16 0.18 1.01 3.90 1.01 0.19 0.37 0.51 15.88 1.55 0.04 5.90 5.82 1.79 0.69 0.07
34.13 10.61 3.08 2.21 1.76 17.40 26.92 24.20 3.96 1.38 1.50 1.53 7.84 59.73 0.38 0.38 0.36 0.22 0.47 1.39 0.62 0.39 0.36 0.16 0.13 2.62 2.78 5.34 7.94 13.17 42.70 1.64 17.65 26.63 13.28 2.34 2.59
17.91 4.37 1.28 1.02 0.61 1.47 1.39 3.95 5.55 1.99 1.76 1.53 2.34 4.28 0.74 1.81 1.54 1.06 1.67 4.87 1.81 1.25 1.67 1.08 2.00 3.08 22.01 43.08 62.27 51.59 10.25 1.51 15.90 17.15 4.13 2.39 2.10
18.95 4.16 1.32 0.90 0.60 1.47 1.39 3.95 5.55 1.99 1.49 1.53 2.08 4.28 0.74 1.81 1.54 1.06 1.41 4.13 1.53 1.06 1.41 0.12 1.27 3.08 2.92 5.59 8.30 13.60 8.80 1.25 14.80 16.86 6.07 2.39 1.91
18.05 3.76 1.29 1.16 0.61 1.47 1.39 7.17 16.45 2.94 2.90 1.53 2.19 15.88 1.55 3.16 2.52 4.17 2.23 14.62 2.50 1.67 2.23 0.12 1.99 3.08 24.97 48.87 69.97 58.36 31.57 1.77 10.52 9.20 5.90 2.39 2.30
44.89 5.34 3.65 1.96 0.98 1.34 1.42 2.99 6.26 1.41 0.98 1.03 1.67 3.04 0.86 1.28 1.04 0.69 0.92 2.73 1.03 0.68 0.91 0.12 1.27 3.08 1.91 3.69 5.38 10.07 6.07 1.54 16.30 15.34 16.37 2.39 1.96
172.87 21.50 195.02 129.24 53.69 65.40 1.66 3.94 7.98 1.62 1.10 1.11 95.31 3.12 0.75 1.48 1.12 0.78 1.00 3.01 1.11 0.78 1.00 0.06 0.81 3.65 2.07 3.94 7.03 10.54 6.49 85.00 142.58 13.54 553.79 2.92 119.80
1.96 0.06 5.94 1.30 0.62 1.04 1.54 6.18 10.82 1.54 1.00 1.00 1.31 1.75 1.07 1.45 1.00 0.70 0.90 2.70 1.00 0.70 0.90 0.23 0.80 4.58 1.83 10.38 2.96 17.21 5.83 0.92 3.08 0.17 1.55 3.78 1.90
1207.75
102.00
393.18
543.24
209.71
627.05
214.54
1766.53
143.78
1.58 0.04 5.46 0.89 0.64 1.02 1.57 3.25 5.59 1.29 1.00 1.00 2.27 1.68 0.82 1.17 1.00 0.71 0.40 1.80 1.01 0.30 0.40 0.30 0.80 21.00 2.03 3.81 5.66 9.58 2.91 0.41 1.80 0.06 0.47 18.82 3.13 162.89
1.01 0.18 8.52 1.87 1.29 1.02 4.52 11.83 13.18 1.66 1.00 1.00 1.56 1.83 1.30 1.52 1.00 0.70 0.90 2.70 1.00 0.70 0.90 0.67 1.05 3.04 2.03 3.79 5.59 9.45 5.83 1.18 5.95 0.47 0.49 2.86 2.27
0.31 0.15 5.71 2.69 0.97 1.02 4.52 11.05 13.04 1.84 1.01 1.47 13.61 4.82 2.57 1.67 1.50 2.27 1.59 7.99 1.78 1.32 1.64 0.36 0.78 21.52 2.03 3.91 5.70 24.90 17.88 1.18 5.47 0.42 0.19 18.91 18.22
157.83
281.76
Tabel 4.10. Matriks Asal Tujuan Tahun 2009 (Vehicle trip, dalam smp/jam) Berlanjut… (lanjutan) Tujuan
713
714
715
716
717
718
719
720
721
722
723
724
701
11.23
9.68
13.00
13.30
12.66
12.80
10.10
10.53
10.48
7.15
9.44
9.47
702
0.04
0.03
0.03
0.02
0.02
0.02
0.01
0.03
0.02
0.02
0.02
0.02
703
1.72
1.27
1.41
1.32
1.32
1.29
1.42
1.75
1.64
1.14
1.16
1.24
704
3.22
1.13
7.78
8.39
8.36
7.95
3.77
3.22
3.23
3.05
5.14
6.39
705
1.88
0.78
1.37
1.48
1.47
1.43
2.29
1.94
1.95
1.30
1.18
1.07
706
1.27
1.55
10.46
11.14
11.11
10.61
1.61
1.38
1.38
7.33
13.53
8.46
707
1.10
0.91
0.92
1.02
1.02
0.93
1.39
1.19
1.19
0.82
0.82
0.83
708
2.05
1.86
1.97
2.11
2.10
1.97
2.35
2.05
2.05
1.56
1.60
1.70
709
2.50
2.00
2.00
2.15
2.14
2.02
2.64
2.50
2.50
1.90
1.70
1.80
710
1.20
1.00
1.00
1.09
1.09
1.01
1.38
1.31
1.34
0.94
0.90
0.90
711
1.20
1.00
1.00
1.03
1.02
1.01
1.39
1.30
1.30
0.90
0.90
0.90
712
3.22
1.00
1.00
1.14
1.14
1.03
3.68
3.31
3.48
2.66
1.01
1.03
713
0.00
1.00
1.19
1.00
4.00
1.00
1.08
1.00
1.00
0.70
0.70
0.70
714
3.00
0.00
1.03
1.00
1.00
1.00
3.32
3.00
3.00
2.01
1.00
0.90
715
3.00
1.00
0.00
1.14
1.14
1.03
3.37
3.03
3.51
2.37
0.90
0.91
716
3.00
1.03
1.97
0.00
1.00
1.00
3.65
3.09
3.19
2.50
0.90
0.90
717
3.00
1.01
1.96
1.00
0.00
1.00
9.00
7.26
0.75
1.49
1.00
1.00
718
3.00
1.00
1.10
1.00
1.00
0.00
1.62
1.22
0.75
1.15
1.00
1.00
719
1.00
1.00
1.20
1.00
4.05
1.13
0.00
1.13
1.79
1.26
0.71
0.81
720
10.80
3.60
4.35
3.60
14.56
4.09
2.93
0.00
1.00
0.70
0.72
1.41
721
2.40
2.40
3.10
2.57
0.76
0.76
1.05
0.82
0.00
0.70
2.08
1.32
722
3.60
3.60
4.75
3.99
1.19
1.13
0.74
1.17
0.70
0.00
3.01
4.36
723
14.40
1.60
2.51
1.60
1.00
1.00
1.10
1.14
1.32
1.96
0.00
1.00
724
4.70
1.60
2.53
1.60
1.00
1.00
2.04
1.88
1.20
1.97
1.00
0.00
725
44.80
7.09
1.96
1.00
1.00
1.00
3.47
1.04
0.77
1.46
0.90
0.90
726
6.30
1.61
3.06
1.60
1.00
1.00
1.84
1.62
0.75
1.44
1.00
1.00
Asal
77
78 727
4.70
1.61
3.13
1.00
1.00
1.00
1.18
2.26
0.75
1.44
1.00
1.00
728
0.10
0.16
0.26
0.15
0.24
0.21
0.20
0.42
2.21
1.52
0.23
4.22
729
0.02
0.05
0.13
0.03
0.04
0.03
0.00
0.04
0.03
0.02
0.01
0.07
730
0.02
0.05
0.13
0.04
0.06
0.04
0.01
0.06
0.15
0.11
0.01
0.11
731
2.97
6.19
10.03
2.59
1.62
2.25
0.04
0.83
0.50
0.34
1.50
1.73
732
3.07
2.64
2.66
2.60
6.28
1.82
0.49
1.15
0.80
0.56
0.75
1.17
733
2.37
1.84
1.92
1.89
1.95
2.17
0.36
2.61
1.46
1.00
1.74
2.13
734
1.31
1.01
1.01
1.05
1.04
1.02
0.97
1.31
1.20
0.90
0.91
0.91
735
6.25
4.73
4.52
4.78
4.88
4.77
1.81
3.93
3.86
2.45
3.36
4.61
736
14.71
10.97
11.03
10.80
17.55
4.44
0.87
2.47
1.77
1.24
1.98
3.12
737
15.97
12.65
13.04
12.58
12.58
12.11
2.02
5.45
3.83
2.68
3.85
4.68
738
1.04
1.19
1.56
1.14
4.44
1.51
0.99
2.75
2.08
1.45
0.88
2.58
739
1.30
1.00
1.01
1.02
1.02
1.00
1.37
1.30
1.30
0.90
0.90
0.90
740
1.00
1.00
1.20
1.00
4.00
1.00
1.07
1.00
1.00
0.70
0.70
0.70
741
10.65
11.08
15.13
11.66
49.81
23.05
9.98
34.41
6.00
4.11
8.25
22.84
742
3.15
3.18
3.89
3.43
16.05
7.05
3.05
10.41
1.83
1.18
2.46
6.65
743
2.70
2.74
2.43
2.94
12.42
6.41
2.70
9.26
1.63
1.05
2.14
6.14
744
1.04
1.07
1.40
1.09
4.42
3.15
0.99
3.43
1.99
1.39
1.53
5.52
745
1.00
1.01
1.21
1.08
4.81
5.32
1.00
3.45
1.67
1.17
1.70
5.53
746
1.30
1.32
1.60
1.57
0.76
2.08
1.30
4.49
0.80
0.57
1.46
3.07
747
0.90
0.90
1.11
1.02
0.93
0.90
0.90
3.11
1.12
0.78
2.15
3.49
748
4.50
4.50
5.57
5.02
4.27
4.15
4.50
15.54
5.49
3.70
10.22
16.09
749
1.00
1.02
1.25
1.24
1.10
3.78
1.00
3.45
1.16
0.81
2.15
4.40
750
0.70
0.70
0.92
0.78
0.60
0.56
0.70
2.26
0.70
0.50
1.50
2.18
751
0.90
0.90
1.12
1.00
0.84
0.82
0.90
3.11
1.12
0.78
2.13
3.24
752
0.95
0.69
0.72
0.68
0.66
0.64
5.45
0.78
0.94
0.64
0.59
0.59
753
1.11
1.05
1.64
1.70
1.58
1.61
0.92
1.00
0.99
0.67
1.05
1.09
754
9.16
3.26
20.64
22.54
22.35
21.61
10.84
9.25
9.27
6.32
10.80
16.76
755
6.44
2.03
2.03
2.25
2.26
2.05
7.19
6.55
6.88
5.18
2.01
2.03
756
10.93
3.61
3.90
3.61
3.61
3.61
32.48
27.22
27.10
3.80
3.31
3.31
757
25.15
6.92
7.59
4.52
4.52
4.52
6.68
9.95
4.38
7.19
4.52
4.52
758
43.15
14.33
24.65
14.29
9.14
9.14
9.46
14.88
6.30
9.64
9.14
9.14
759
10.29
10.28
12.50
11.51
9.85
10.33
10.28
35.62
12.69
8.64
23.44
39.18
760
0.91
5.95
1.26
7.58
29.81
16.46
8.11
28.71
5.12
3.51
6.65
21.45
761
6.29
3.39
4.83
5.48
13.15
11.24
11.00
13.03
13.07
8.89
13.83
47.56
762
0.08
0.16
0.35
0.13
0.19
0.14
0.14
0.31
1.85
1.27
0.14
1.29
763
0.02
0.06
0.16
0.04
0.06
0.03
0.00
0.03
0.01
0.01
0.01
0.06
764
3.09
2.86
18.82
19.69
19.64
18.63
3.56
3.09
3.09
2.21
3.52
15.17
7.08 144.87
11.28
29.41
196.16
348.67
765
15.13
15.84
21.71
16.30
67.61
30.31
15.31
45.26
10.41
SDd
348.99
193.67
280.74
248.12
413.27
279.16
227.07
372.08
196.86
Tabel 4.10. Matriks Asal Tujuan Tahun 2009 (Vehicle trip, dalam smp/jam) Berlanjut… (lanjutan) Tujuan
725
726
727
728
729
730
731
732
733
734
735
736
701
11.58
9.96
11.44
4.28
5.41
4.54
1.44
14.56
1.40
6.21
5.07
4.14
702
0.02
0.02
0.02
0.09
0.11
0.10
0.01
0.23
0.02
0.06
0.04
0.02
703
1.28
1.18
1.20
6.26
7.47
6.54
2.04
16.68
3.50
3.67
3.70
2.96
704
33.41
1.38
7.22
4.33
4.97
4.42
1.27
1.06
0.96
1.51
1.49
1.49
705
1.38
1.27
1.30
4.35
4.93
5.79
1.27
1.17
0.96
1.49
1.49
1.49
706
45.16
1.89
10.00
5.80
4.76
3.07
1.27
1.19
0.96
1.58
1.58
1.56
707
0.97
0.85
0.91
7.95
11.18
4.16
2.99
2.01
1.25
1.70
3.23
5.11
708
1.99
1.62
1.85
139.35
11.44
246.17
2.99
131.55
1.25
66.11
120.35
9.61
709
2.02
1.71
1.88
2.01
7.63
4.00
3.49
0.94
1.00
1.00
0.70
2.77
710
4.12
0.91
0.97
0.96
1.99
1.92
4.66
0.92
1.32
41.00
1.73
1.42
711
1.01
0.90
0.91
0.99
2.05
1.98
3.75
0.84
0.94
1.00
1.73
1.42
712
1.14
1.02
1.02
1.43
2.48
2.14
5.50
0.96
1.29
43.68
2.03
0.79
713
1.00
0.70
0.90
1.17
2.23
2.26
2.11
0.93
1.05
1.00
1.90
0.74
714
1.00
0.90
0.90
4.16
6.87
6.00
12.05
2.75
2.62
2.00
3.80
2.22
715
1.15
1.03
1.03
4.04
6.82
6.01
2.48
2.72
0.67
2.00
3.80
2.23
716
1.00
0.90
1.00
4.19
7.12
6.19
12.45
2.99
2.88
2.12
4.00
2.35
717
1.00
1.00
1.00
9.66
15.98
13.85
20.20
7.18
3.10
3.13
5.88
5.37
718
1.00
1.00
1.00
1.77
2.40
2.09
2.82
1.28
1.02
1.02
1.93
0.77
719
1.00
0.81
0.81
1.02
2.07
1.73
3.65
0.88
0.84
1.00
1.90
0.97
720
1.00
1.41
1.44
2.20
3.03
2.66
4.47
2.01
1.93
2.15
4.14
2.59
721
0.94
0.77
0.77
0.26
0.65
0.31
1.13
0.40
0.58
1.02
1.89
0.82
722
1.36
1.80
1.80
0.18
0.45
0.22
0.75
0.28
0.41
0.71
1.29
0.57
723
1.60
1.00
1.00
1.30
1.76
1.50
2.16
0.89
0.72
0.71
1.31
0.54
724
1.60
1.00
1.00
1.02
2.19
1.91
3.47
1.16
0.91
0.87
1.61
0.72
Asal
78
79 725
0.00
0.90
0.90
3.87
6.31
5.47
6.87
2.81
2.88
2.90
5.36
2.13
726
1.60
0.00
1.00
0.87
1.95
1.70
2.08
1.07
0.75
0.73
1.35
0.70
727
1.60
1.00
0.00
0.79
1.61
1.41
4.02
0.87
1.49
1.46
2.77
0.55
728
0.05
3.34
2.46
0.00
0.80
1.00
0.80
0.09
3.94
0.02
0.01
0.01
729
0.01
0.05
0.02
0.80
0.00
0.80
1.00
0.09
116.02
0.21
0.01
0.00
730
0.01
0.07
0.02
1.00
0.90
0.00
0.90
0.07
6.29
0.00
0.00
0.00
731
1.39
3.28
2.72
0.80
1.00
0.80
0.00
2.17
11.46
1.83
0.93
0.08
732
1.40
1.08
0.86
2.97
3.18
3.17
1.84
0.00
1.30
1.09
0.80
0.75
733
1.81
1.87
1.96
4.53
178.94
5.07
48.86
1.20
0.00
0.80
0.76
0.64
734
1.01
0.91
0.92
1.18
5.14
2.31
2.20
0.95
1.11
0.00
0.97
0.97
735
4.80
3.36
4.32
1.27
2.41
2.42
2.24
1.00
1.01
1.00
0.00
1.00
736
3.04
3.11
2.08
1.14
2.24
2.25
3.72
0.96
0.93
1.00
1.00
0.00
737
12.37
3.80
10.99
1.24
2.40
2.37
2.24
1.00
1.02
1.23
1.08
1.03
738
1.03
2.07
1.12
0.85
1.63
1.33
2.55
0.86
0.82
1.02
0.97
1.00
739
1.00
0.90
0.90
0.96
1.89
1.91
3.34
0.84
0.98
1.00
1.73
1.42
740
1.00
0.70
0.90
1.23
2.19
2.22
2.03
0.93
1.05
1.00
1.90
0.74
741
10.36
21.05
18.89
21.90
13.56
21.80
13.56
1.00
1.10
0.52
0.53
0.50
742
3.18
5.97
5.37
35.79
8.80
8.84
13.74
1.36
1.72
0.86
0.98
0.92
743
2.78
5.64
5.10
0.23
0.18
0.11
0.26
0.25
0.33
0.22
0.19
0.17
744
1.01
5.21
4.29
0.37
0.44
0.40
0.64
0.16
0.23
0.96
0.83
0.64
745
1.03
5.22
4.50
0.25
0.55
0.29
0.85
0.26
0.25
1.00
0.89
0.69
746
1.26
2.57
2.54
0.13
0.06
0.06
0.10
0.12
0.16
0.70
0.51
0.34
747
0.93
1.50
1.50
0.31
0.13
0.13
0.25
0.15
0.41
0.71
0.57
0.37
748
4.63
6.56
6.56
7.98
6.93
7.15
10.71
5.58
1.93
5.16
4.28
1.92
749
0.96
4.12
4.08
0.32
0.62
0.63
1.09
0.28
0.27
1.00
0.84
0.77
750
0.63
0.90
0.90
0.13
0.29
0.14
0.43
0.18
0.18
0.70
0.57
0.48
751
0.94
1.32
1.32
0.13
0.14
0.14
0.25
0.17
0.26
0.70
0.59
0.41
752
0.66
0.57
0.60
16.37
16.19
17.03
7.65
451.41
130.21
79.79
91.67
78.29
753
1.39
1.14
1.33
0.33
0.40
0.37
0.04
0.61
0.09
0.81
0.68
0.50
754
87.62
3.72
19.48
6.89
7.50
6.97
1.72
2.40
2.58
4.54
4.58
4.58
755
2.25
2.03
2.03
2.28
3.88
3.74
9.27
1.85
2.54
83.13
3.60
2.97
756
3.61
3.31
3.61
34.59
57.99
50.40
70.22
25.68
11.04
11.17
20.87
19.04
757
6.92
4.52
4.52
12.50
16.90
14.79
24.74
9.39
4.57
4.62
8.63
5.72
758
14.29
9.14
9.14
2.54
5.80
3.01
10.82
4.76
5.96
6.23
12.16
4.60
759
10.38
17.22
17.22
23.04
4.41
4.50
6.93
68.99
216.84
95.89
155.72
145.07
760
6.58
19.87
17.53
12.45
8.39
12.84
8.39
0.28
0.21
0.39
0.37
0.34
761
3.38
44.17
36.95
5.62
4.45
5.62
4.45
0.58
14.18
0.74
0.52
0.47
762
0.04
0.88
0.37
2.00
1.60
2.00
1.60
0.16
15.51
0.02
0.01
0.01
763
0.01
0.04
0.01
0.58
0.72
0.58
0.71
0.21
44.79
0.27
0.01
0.00
764
78.74
3.30
17.51
8.64
10.08
11.93
2.90
2.45
2.26
3.44
3.41
3.41
765
15.28
27.72
24.83
14.05
9.36
14.21
9.36
0.45
0.33
0.59
0.56
SDd
408.69
259.16
292.71
441.67
507.98
551.46
383.80
789.19
640.59
0.63 506.24
509.84
336.50
Tabel 4.10. Matriks Asal Tujuan Tahun 2009 (Vehicle trip, dalam smp/jam) Berlanjut… (lanjutan) Tujuan
737
738
739
740
741
742
743
744
745
746
747
748
701
15.86
3.57
8.58
10.90
11.84
1.30
0.40
1.80
3.21
0.71
1.29
12.51
702
0.14
0.00
0.02
0.01
0.05
0.00
0.00
0.00
0.00
0.00
0.00
0.00
703
3.93
1.15
1.51
1.61
8.95
1.45
1.97
0.51
0.79
0.09
0.30
1.82
704
5.32
3.92
2.52
3.22
2.03
4.34
1.35
4.77
4.41
2.81
5.26
2.70
705
4.20
3.31
1.56
1.94
1.10
4.66
1.53
3.17
2.84
1.78
3.21
1.60
706
4.45
1.85
1.06
1.38
0.71
1.91
1.71
1.78
1.90
1.30
2.35
1.17
707
3.90
1.49
0.91
11.87
6.82
2.05
1.45
1.40
1.71
1.16
2.01
1.00
708
7.46
2.80
1.64
2.05
26.32
4.48
55.23
2.67
3.05
1.94
3.51
1.75
709
3.26
1.91
2.00
2.50
0.56
2.28
1.54
1.86
3.14
2.14
3.87
1.95
710
1.63
0.96
1.00
1.30
0.29
0.96
0.77
0.94
1.59
1.10
1.88
0.95
711
1.63
0.96
1.00
1.30
0.29
0.98
0.77
0.93
1.60
1.08
1.98
1.00
712
1.92
1.33
1.05
3.22
4.06
6.10
1.37
1.42
7.31
3.99
6.02
3.93
713
1.79
1.00
1.00
1.00
0.85
1.21
0.51
0.96
2.04
0.90
1.69
0.85
714
3.59
3.61
2.00
3.00
3.68
5.54
2.75
4.07
6.51
3.63
5.66
3.71
715
3.59
3.65
2.00
3.00
3.72
5.63
2.71
3.91
6.69
3.70
5.93
3.89
716
3.77
3.98
2.10
3.00
4.03
5.96
2.88
4.39
7.24
3.64
5.20
3.33
717
5.55
10.09
3.10
7.00
7.62
1.99
4.76
12.17
18.51
3.64
1.15
3.13
718
1.82
2.00
1.02
1.00
1.61
1.84
1.70
2.37
2.84
1.53
1.06
1.04
719
1.80
1.00
1.00
1.00
0.43
0.54
0.57
1.00
1.00
0.40
0.79
0.40
720
3.92
2.94
2.15
5.53
1.25
1.53
0.94
2.91
2.88
1.06
2.16
1.05
721
1.82
1.01
1.02
1.01
0.35
0.43
0.18
1.00
1.00
0.40
0.92
0.92
722
1.24
0.71
0.71
0.71
0.23
0.29
0.12
0.70
0.30
0.30
0.65
0.28
Asal
79
80 723
1.23
1.35
0.71
0.70
1.25
1.39
1.36
1.90
2.09
1.30
1.50
1.50
724
1.52
2.25
0.87
1.60
1.31
1.46
1.45
2.25
2.16
1.26
1.40
1.38
725
5.05
3.94
2.87
1.90
3.29
4.18
2.19
4.77
7.42
0.52
1.23
0.60
726
1.28
1.96
0.73
0.80
1.04
1.14
1.20
2.06
2.02
0.93
1.01
0.99
727
2.61
1.40
1.46
1.60
1.08
1.19
1.21
1.88
1.92
0.95
1.01
0.99
728
0.01
0.04
0.39
0.04
19.63
3.74
1.60
0.81
1.10
1.00
5.61
58.37
729
0.00
0.00
0.19
0.01
11.40
0.18
0.07
0.00
0.01
0.10
4.59
9.08
730
0.00
0.01
0.18
0.01
17.24
0.20
0.31
0.03
0.04
0.15
5.19
11.42
731
0.80
0.01
5.82
0.80
11.40
1.20
0.24
0.00
0.03
0.19
7.85
28.18
732
0.82
0.59
2.79
1.21
0.72
0.06
0.05
0.14
0.33
0.04
0.06
0.07
733
0.76
0.32
1.05
1.13
0.77
0.31
0.24
0.15
0.18
0.03
0.05
0.06
734
0.97
0.92
1.02
1.31
0.53
1.39
1.05
0.87
0.90
0.73
0.50
0.50
735
1.00
0.96
6.61
5.29
0.52
1.28
0.93
0.92
0.92
0.76
0.50
0.50
736
1.00
0.93
12.22
2.76
0.37
0.91
0.60
0.83
0.85
0.65
0.43
0.43
737
0.00
0.98
13.18
6.60
0.61
1.62
1.28
0.94
0.94
0.77
0.51
0.51
738
0.97
0.00
1.66
1.04
0.33
0.91
0.96
1.00
0.99
0.79
0.53
0.54
739
1.63
0.92
0.00
1.30
0.24
0.72
0.67
0.88
1.34
1.33
0.93
0.95
740
1.79
1.03
1.00
0.00
0.44
1.24
1.22
1.02
2.09
0.93
1.83
0.92
741
0.45
1.07
1.56
10.52
0.00
11.26
4.06
1.04
4.95
3.73
20.68
5.13
742
0.72
2.12
1.83
3.15
1.12
0.00
1.00
1.67
1.58
0.88
0.45
0.51
743
0.20
0.98
1.30
2.70
3.70
3.00
0.00
1.00
1.40
1.00
0.45
1.80
744
0.94
1.00
1.52
0.99
0.33
0.91
0.96
0.00
0.99
0.79
0.54
0.54
745
0.95
1.00
1.00
1.00
0.69
0.43
0.36
1.00
0.00
0.80
0.63
0.64
746
1.51
0.70
0.70
1.30
0.46
0.28
0.11
0.70
0.70
0.00
0.81
0.84
747
1.99
0.70
0.90
0.90
1.58
0.62
0.21
0.70
0.70
1.00
0.00
1.00
748
10.20
3.40
2.70
4.50
9.10
0.22
22.99
3.40
3.40
5.00
5.00
0.00
749
2.16
1.00
1.00
1.00
0.32
0.38
0.21
1.00
0.50
1.00
0.90
0.90
750
1.45
0.70
0.70
0.70
0.22
0.28
0.05
0.70
0.30
1.00
0.99
0.99
751
1.98
0.70
0.90
0.90
0.59
0.37
0.12
0.70
0.70
1.00
0.99
0.99
752
89.65
60.47
31.28
0.40
156.06
53.01
91.33
36.16
42.91
13.04
15.50
208.92
753
2.00
0.21
0.86
1.06
0.33
0.00
0.00
0.06
0.17
0.02
0.02
0.22
754
16.05
10.83
7.31
9.25
4.33
9.76
3.34
13.17
11.67
7.52
13.61
6.79
755
3.41
2.38
2.03
6.45
8.47
12.86
2.61
2.50
13.45
7.36
11.39
7.28
756
19.71
36.37
11.12
25.77
24.75
36.75
16.47
40.41
64.12
18.87
29.91
12.44
757
8.14
14.95
4.60
6.92
4.05
6.05
2.96
8.84
4.57
2.48
4.83
1.99
758
11.49
8.72
6.22
14.29
4.83
5.44
3.48
8.44
8.14
5.17
5.81
5.77
759
82.99
88.61
5.83
10.29
0.12
0.19
207.64
8.87
7.90
1.70
1.70
10.30
760
0.35
0.83
1.20
0.88
0.19
9.04
3.22
0.80
4.14
3.01
16.79
4.16
761
0.52
2.32
6.13
2.96
1.00
9.99
4.61
10.76
9.17
6.67
13.56
4.09
762
0.01
0.03
0.50
0.03
38.80
5.73
1.74
0.54
0.69
0.52
7.66
84.38
763
0.00
0.00
0.21
0.01
8.37
0.10
0.04
0.00
0.00
0.05
3.22
6.29
764
8.57
4.39
2.41
3.09
2.82
5.35
3.63
4.15
4.14
2.42
4.73
2.54
765
0.57
1.40
2.29
14.79
0.71
19.67
6.24
1.37
8.33
31.25
40.77
SDd
370.05
315.74
187.78
219.50
431.93
270.25
479.21
223.16
300.48
6.51 141.27
283.08
575.25
Tabel 4.10. Matriks Asal Tujuan Tahun 2009 (Vehicle trip, dalam smp/jam) Berlanjut… (lanjutan) Tujuan
749
750
751
752
753
754
755
756
757
758
759
701
13.34
8.35
3.06
3.86
225.74
20.48
11.07
35.24
41.32
23.78
10.94
702
0.01
0.00
0.00
0.12
10.40
0.87
0.03
0.05
0.06
0.07
0.09
703
1.50
0.31
0.33
0.02
0.68
1.24
1.22
3.40
4.07
3.33
6.81
704
8.01
4.14
6.11
0.03
3.42
1.67
12.96
21.64
26.54
17.42
55.69
705
5.05
2.58
3.94
0.00
2.47
1.67
2.40
3.99
4.17
2.59
36.82
706
3.42
1.78
2.67
0.00
3.29
1.67
16.15
28.99
35.73
8.12
22.59
707
3.01
1.56
2.30
0.00
2.47
1.67
1.48
2.48
2.85
10.61
26.69
708
4.97
2.55
3.88
0.00
1.47
1.67
1.59
5.54
6.54
2.09
54.67
709
5.93
2.88
4.32
0.10
2.38
2.26
1.61
5.59
6.70
4.64
61.24
710
3.13
1.56
2.20
0.02
2.59
21.92
1.61
2.81
3.31
4.72
27.49
711
3.09
1.53
2.19
3.96
2.45
6.62
1.62
2.79
3.00
2.26
26.92
712
8.04
4.19
6.06
0.02
2.57
22.34
1.61
2.85
3.05
2.52
100.01
713
2.43
1.26
1.88
6.76
1.40
6.43
2.14
10.97
2.98
2.25
22.68
714
7.42
3.70
5.70
0.01
0.50
7.07
1.65
2.77
2.98
1.68
94.83
715
7.66
3.98
5.99
0.01
0.50
7.09
1.61
2.85
3.05
2.54
97.89
716
7.59
3.72
5.25
0.06
4.48
38.13
3.10
2.77
3.28
2.25
95.82
717
1.71
0.78
1.22
0.24
0.79
11.08
3.07
2.77
3.28
2.25
24.39
718
1.82
0.96
1.15
0.29
2.65
23.66
1.71
2.77
3.28
2.43
26.79
719
1.00
0.82
1.00
15.29
1.14
1.22
2.22
11.55
3.69
2.78
12.11
720
2.56
1.30
1.99
22.67
9.70
32.71
9.38
42.42
5.20
2.19
27.17
Asal
80
81 721
1.00
0.80
1.00
9.49
1.18
13.26
7.07
5.50
2.36
1.74
22.49
722
0.70
0.50
0.70
6.26
1.48
22.98
10.28
8.47
3.71
1.80
14.85
723
1.81
0.99
1.64
6.88
1.41
34.68
4.70
2.77
3.28
2.43
28.54
724
1.76
0.99
1.52
8.55
0.87
12.50
4.85
2.77
3.28
2.43
28.06
725
1.57
0.92
1.26
7.68
13.49
120.40
3.09
2.77
2.98
2.43
17.02
726
1.41
0.74
1.09
6.89
1.64
16.52
4.84
2.77
3.28
2.25
24.37
727
1.42
0.74
1.09
0.81
1.08
16.00
4.89
2.77
3.28
2.43
24.62
728
1.02
1.13
0.74
10.62
13.68
7.61
0.45
0.69
1.64
1.40
87.01
729
0.01
0.01
0.05
10.78
31.31
17.92
3.21
0.10
0.06
0.34
20.79
730
0.01
0.05
0.08
11.76
20.36
6.29
0.23
0.15
0.08
0.31
24.39
731
0.03
0.02
0.20
1.18
2.01
1.65
7.85
5.72
6.46
1.54
64.60
732
0.31
0.20
0.09
7.87
0.37
0.95
2.91
19.09
5.36
1.59
0.15
733
0.21
0.10
0.05
72.86
0.23
0.62
1.06
5.37
7.13
4.97
1.16
734
0.95
0.71
0.71
32.32
2.14
2.35
1.68
2.83
3.04
2.30
17.44
735
0.97
0.80
0.74
38.14
2.12
2.35
4.52
13.30
14.38
7.30
2.21
736
0.82
0.64
0.63
59.04
1.77
6.60
13.03
52.24
12.66
4.58
0.89
737
1.01
0.87
0.76
53.03
8.59
9.30
18.10
35.03
37.80
9.98
20.56
738
0.99
0.79
0.79
6.41
1.18
3.05
2.70
13.25
4.50
3.20
14.46
739
2.34
1.19
1.40
11.84
2.20
2.93
1.63
2.77
2.98
2.25
9.84
740
2.43
1.29
1.93
6.76
1.36
1.22
2.16
10.97
2.98
1.68
26.02
741
4.66
3.95
3.86
53.37
1.00
2.16
19.84
159.43
49.66
11.95
2.06
742
1.20
0.84
0.84
183.36
49.34
8.97
7.11
53.65
15.65
3.21
0.79
743
1.30
0.93
0.93
0.59
0.08
0.94
3.72
39.91
14.37
2.92
2.93
744
0.89
0.79
0.79
25.40
0.69
2.63
2.49
12.81
14.66
4.31
5.23
745
0.90
0.80
0.80
22.99
0.56
1.23
2.22
13.79
11.68
3.75
8.26
746
1.00
1.00
1.00
0.27
0.60
2.54
3.37
29.51
6.27
1.45
3.13
747
1.00
1.00
1.00
0.60
0.55
1.34
2.33
12.00
2.83
1.98
12.29
748
5.00
5.00
5.00
146.15
2.59
9.37
11.67
63.59
14.51
9.91
3.81
749
0.00
1.00
1.00
9.79
0.83
1.45
2.63
24.75
11.96
2.27
19.63
750
1.00
0.00
1.00
6.54
0.46
1.00
2.00
8.25
1.69
1.20
28.09
751
1.00
1.00
0.00
10.23
0.52
1.34
2.45
11.44
2.59
1.96
29.15
752
40.34
18.14
15.28
0.00
0.20
0.83
0.49
1.56
1.51
1.65
401.28
753
1.43
0.79
0.12
0.48
0.00
4.05
1.53
4.18
4.29
3.57
0.33
754
21.94
11.08
16.27
0.12
9.74
0.00
34.00
58.73
70.08
46.83
140.74
755
15.01
8.03
11.61
0.04
5.31
43.74
0.00
5.61
6.54
4.73
169.09
756
59.70
23.41
32.57
0.79
9.61
82.87
6.16
0.00
11.93
8.26
483.58
757
8.12
3.80
5.25
2.82
13.85
121.70
7.52
12.05
0.00
10.95
88.03
758
7.06
4.82
6.51
59.32
9.34
127.89
34.48
24.31
28.49
0.00
173.43
759
11.80
11.80
11.80
132.12
3.34
17.47
26.71
134.09
34.32
22.79
0.00
760
3.96
3.25
3.08
33.61
0.30
1.45
1.71
100.09
45.00
11.07
1.66
761
9.11
7.24
3.10
48.18
52.39
33.93
7.74
41.30
111.54
28.04
1.72
762
0.18
0.65
0.54
23.09
46.14
24.67
0.62
0.52
1.04
4.22
151.68
763
0.00
0.00
0.03
0.27
19.22
3.35
1.00
0.15
0.05
0.05
14.79
764
7.09
3.91
5.56
0.08
8.31
4.01
28.92
50.46
59.98
39.04
44.81
765
6.86
6.84
6.96
35.80
0.59
1.99
24.48
210.90
18.58
4.12
SDd
323.03
181.55
212.62
1218.63
625.13
1011.53
412.70
1456.67
64.68 871.59
402.19
3071.72
Tabel 4.10. Matriks Asal Tujuan Tahun 2009 (Vehicle trip, dalam smp/jam)
Berlanjut…
Tujuan
760
761
762
763
764
765
SOi
701
7.04
16.89
7.38
246.54
10.87
22.72
1088.31
702
0.01
0.44
0.14
3.73
0.51
0.30
47.05
703
8.29
20.15
9.74
1.70
0.97
25.42
197.67
704
1.43
15.00
5.97
1.11
1.02
4.63
386.70
705
0.82
14.50
5.98
1.11
1.02
2.78
183.85
706
0.40
6.16
8.49
1.11
1.02
1.75
361.18
707
0.39
16.20
11.88
2.55
1.02
1.60
193.81
708
5.05
93.93
416.03
2.60
1.02
67.38
1555.86
709
0.26
1.41
6.45
23.89
1.46
1.65
241.58
710
0.13
0.70
2.10
2.47
11.63
0.77
207.93
711
0.13
0.71
2.16
0.85
2.73
0.76
136.22
712
0.36
3.52
2.81
2.33
11.79
13.74
347.19
713
0.33
0.90
2.51
0.88
2.53
2.57
135.13
714
2.44
9.92
13.49
2.72
2.96
12.76
304.08
715
2.45
9.37
13.06
2.77
2.92
12.82
297.14
716
2.59
10.91
14.20
2.83
19.79
13.63
416.02
717
4.84
13.87
29.64
6.38
4.64
25.98
361.61
718
1.00
2.71
3.61
0.95
12.46
5.56
187.64
Asal
81
82 719
0.39
1.17
2.33
0.80
2.76
1.86
123.43
720
0.97
3.63
4.48
1.23
13.28
4.29
397.97
721
0.19
0.46
0.68
0.22
6.24
1.53
145.84
722
0.13
0.30
0.47
0.15
9.22
0.94
172.85
723
0.88
2.07
4.75
0.70
18.93
4.27
239.78
724
0.92
2.25
6.14
0.90
5.23
4.40
173.10
725
2.25
6.38
8.11
2.51
64.29
11.29
622.37
726
0.71
1.90
5.40
0.80
9.09
3.71
195.91
727
0.75
1.79
4.40
0.64
6.66
3.82
165.71
728
13.70
4.91
3.02
0.28
5.13
35.04
364.75
729
7.97
3.74
0.80
0.35
15.76
21.29
649.89
730
11.98
4.66
1.28
0.32
4.54
31.12
253.78
731
7.97
3.74
0.80
0.35
1.28
21.29
480.04
732
0.41
7.20
3.50
1.44
0.91
1.53
249.35
733
0.71
13.47
5.11
32.56
0.58
1.97
484.48
734
0.28
0.84
2.56
13.98
1.50
1.39
228.91
735
0.27
0.85
2.68
1.58
1.42
1.33
242.87
736
0.21
0.71
2.42
0.86
8.06
1.04
374.63
737
0.32
0.91
2.64
0.93
11.28
1.60
497.93
738
0.27
1.02
1.97
0.61
4.03
1.26
128.79
739
0.12
0.68
2.10
0.74
3.60
0.79
111.42
740
0.23
1.20
2.45
0.85
1.56
1.42
130.08
741
0.36
1.00
87.16
5.33
1.78
2.13
948.99
742
0.70
0.84
120.96
3.26
20.72
3.50
911.52
743
2.19
0.70
0.53
0.06
1.46
10.68
181.55
744
0.29
1.09
0.83
0.14
3.67
1.27
148.49
745
0.37
0.40
0.64
0.18
2.77
2.90
143.78
746
0.25
0.21
0.38
0.02
5.52
1.98
110.32
747
0.91
0.53
0.83
0.04
2.97
5.54
97.47
748
5.26
4.11
34.62
2.19
19.25
31.99
656.14
749
0.17
0.58
1.30
0.21
3.26
1.28
147.92
750
0.12
0.21
0.38
0.09
2.25
1.05
92.94
751
0.31
0.25
0.37
0.04
2.97
2.56
116.44
752
118.24
56.32
24.51
0.50
1.13
253.75
2669.23
753
0.10
1.77
0.50
16.30
2.03
1.63
188.23
754
2.94
24.18
9.26
1.76
3.10
10.33
987.19
755
0.78
3.77
4.41
5.01
22.30
24.38
652.62
756
15.52
46.74
104.31
22.65
45.19
84.98
1974.41
757
2.77
18.00
35.35
6.87
63.37
13.50
909.78
758
2.92
4.69
11.23
2.43
51.33
16.05
1192.36
759
0.07
0.12
86.23
1.48
40.48
0.35
2076.40
760
0.00
0.52
53.57
3.10
1.11
2.13
637.44
761
0.67
0.00
22.51
1.81
15.26
2.14
1063.88
762
27.08
9.57
0.00
0.56
17.19
69.28
748.25
763
5.78
2.80
0.58
0.00
3.10
16.35
793.29
764
1.95
29.13
12.02
2.59
0.00
5.66
686.54
765
0.71
0.71
54.23
3.96
1.53
0.00
1143.34
SDd
280.06
509.36
1290.44
449.90
619.40
939.43
32361.41
82
83
Gambar 4.4. Grafik Besar Pergerakan di Zona Internal
83
84 Gambar 4.5. Grafik Besar Pergerakan di Zona Eksternal 4.3.5. Pembebanan Matriks 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 validasinya. Besarnya nilai hasil pembebanan dapat dilihat pada Tabel 4.11.
Tabel 4.11. Perbandingan arus hasil traffic count dengan arus hasil pembebanan.
No. 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
Node
Traffic Count
Arus hasil pembebanan
1
2
(smp/jam)
(smp/jam)
701 754 755 756 757 758 760 763 764 765 1 2 3 3 8 22 23 25 26 26 35 35 36 37 39 40 41 46 47
1 61 136 105 288 145 287 56 117 55 701 3 2 26 9 78 752 26 3 25 36 264 35 266 86 41 40 47 46
1287 984 627 1811 879 1161 28 679 671 588 1285 1057 1154 708 989 1872 1012 2135 959 1381 1432 1311 1356 617 1109 898 1188 650 807
1088 987 653 1974 910 1192 207 793 687 708 1208 1406 1369 946 1204 1908 1219 1827 1171 1123 1552 1231 1398 782 1156 849 834 566 768
84
85 30 31 32 33 34 35
51 55 56 61 66 67
89 765 763 754 67 66
729 652 438 962 864 850
606 582 450 1012 702 835
Berlanjut …
No.
Node
Traffic Count
Arus hasil pembebanan
1
2
(smp/jam)
(smp/jam)
36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63
78 85 86 86 89 91 94 95 105 117 128 133 136 138 139 145 167 188 189 193 208 241 256 257 260 264 266 271
22 86 39 91 51 94 91 759 756 764 127 167 755 139 138 758 133 189 188 208 193 92 257 256 35 35 37 762
627 996 1339 923 450 318 952 1827 1443 571 530 807 387 578 589 406 794 936 1030 404 789 1183 394 448 174 1054 1136 531
584 1197 1212 1340 443 392 681 1474 1457 619 528 781 413 627 558 402 584 850 1052 493 628 1566 747 680 253 1370 1072 486
64
287
760
30
82
65
288
757
827
872
Sumber: data penelitian
Program EMME/3 pun menyajikan dalam bentuk peta untuk menggambarkan kondisi arus lalu lintas hasil pembebanan pada setiap ruas (Gambar 4.6). Semakin tebal warna merah pada ruas berarti nilai arusnya semakin besar.
85
Gambar 4.6. Penyajian Arus pada Ruas dalam Bentuk Peta dengan EMME/3
86
86
87
4.4. Uji Validasi Dari tabel perbandingan arus hasil traffic count dan arus hasil pembebanan pada Tabel 4.11. kemudian dilakukan uji validasi dengan menggunakan analisis regresi yang tersedia pada software EMME/3, dihasilkan koefisien determinasi (R2)
dari
perbandingan arus hasil traffic count dan arus hasil pembebanan = 0,8463 . Hasil lain yang dapat dilihat antara lain : nilai gradien maksimum yang dihasilkan pada iterasi ke10 adalah 0,6094, langkah optimal yang dihasilkan (λ) adalah 1,2375, sdan fungsi objektif yang dihasilkan adalah 1864.61157. Hasil perhitungan analisi regresi dapat dilihat pada Gambar 4.8.
Gambar 4.7. Grafik Uji Validasi Volume Lalu Lintas
87
88
4.5. Pembahasan 4.5.1. Besarnya Estimasi Matriks Metode Steepest Descent Analisis data dengan metode steepest descent menghasilkan MAT kota Surakarta tahun 2009 dengan jumlah bangkitan pergerakan terbesar di zona internal berasal dari zona 8 yaitu wilayah kelurahan
Purwosari dengan jumlah pergerakan
1555,86 smp/jam. Hal ini dikarenakan zona 8 merupakan daerah pemukiman dengan kepadatan penduduk yamg cukup besar. Tarikan pergerakan terbesar di zona internal juga berasal dari zona 8 yaitu kelurahan Purwosari dengan jumlah pergerakan 1766,53 smp/jam. Untuk bangkitan pergerakan terkecil kurang dari 100 smp/jam di zona internal berasal dari beberapa zona diantaranya zona 2 (kelurahan Jajar) dan zona 47 (Kelurahan Jagalan) dengan jumlah pergerakannya 47,05 smp/jam dan 92,94 smp/jam.
Sedangkan bangkitan pergerakan terbesar di zona eksternal berasal dari zona 52 (Colomadu) dengan jumlah pergerakan 2669,23 smp/jam dikarenakan zona 52 merupakan daerah pemukiman dengan kepadatan penduduk yang cukup besar, dan
zona tersebut sebagai pintu masuk dan pintu keluar kota Surakarta,
sedangkan tarikan pergerakan terbesar di zona eksternal berasal dari zona 59 (Palur) dengan jumlah pergerakan sebesar 3071,72 smp/jam. Hal ini disebabkan karena zona 59 merupakan kawasan perindustrian. Untuk bangkitan pergerakan terkecil di zona eksternal berasal dari zona 53 (Pabelan) sebesar 188,23 smp/jam. Sedangkan tarikan pergerakan terkecil di zona eksternal berasal dari zona 60 (Jl.Brigjend Katamso-Mojosongo) sebesar 280,06 smp/jam.
Dari analisis data dengan metode steepest descent yang menghasilkan MAT kota Surakarta tahun 2009 tersebut dapat diketahui bahwa pola pergerakan di kota Surakarta dengan jumlah total pergerakan sebesar 32361,41 smp/jam banyak dipengaruhi oleh pergerakan-pergerakan yang berasal dari zona eksternal. Hal ini 88
89 disebabkan karena adanya pergerakan eksternal yang cukup tinggi yang melintasi kota Surakarta yang kemudian melanjutkan pergerakannya menuju zona eksternal lainnya (misalkan pergerakan dari zona eksternal 52 dari Colomadu menuju ke zona eksternal 59 di daerah Palur). Kondisi ini mengindikasikan bahwa Surakarta bukan merupakan tempat tujuan akhir suatu perjalanan, sehingga diperlukan suatu rute luar kota yang tidak melalui ruas jalan di pusat kota.
4.5.2. Tingkat Uji Validasi Perhitungan uji validasi dengan koefisien determinasi (R2) pada gambar Grafik 4.8 didapatkan besar tingkat validasi 84,63% pada hasil perbandingan arus hasil traffic count dan arus hasil pembebanan. Hal ini menunjukkan bahwa besarnya arus lalu lintas hasil pembebanan mendekati besarnya arus lalu lintas hasil pengamatan (traffic count tahun 2009). Dengan mengetahui nilai R2 maka akan diketahui pula galat yang terjadi yaitu sebesar 15,37%. Besarnya galat tersebut dapat dipengaruhi oleh model yang harus dikalibrasi dengan seperangkat data kuantitatif (terukur). Dimana data terukur ini dibutuhkan dalam jumlah yang banyak dan membutuhkan biaya yang cukup besar. Tetapi karena berbagai faktor, khususnya keterbatasan biaya dan praktek di lapangan, penulis hanya mengumpulkan sebagian data saja untuk mewakili ruas jalan kota Surakarta yang banyak dilalui oleh kendaraan.
89
90
BAB 5 KESIMPULAN DAN SARAN
5.1. Kesimpulan Penelitian tentang matriks asal tujuan di kota Surakarta diperlukan untuk mengetahui besarnya jumlah pergerakan dan distribusinya pada masing-masing wilayah di kota Surakarta. Matriks hasil perhitungan tersebut kemudian dibebankan ke jaringan jalan untuk mendapatkan arus lalu lintas pada tiap ruas. Berdasarkan
analisis
dan
pembahasan
yang
telah
dilaksanakan
untuk
mengestimasi sebaran pergerakan di kota Surakarta dari data lalu lintas dengan metode steepest descent, dapat diambil kesimpulan sebagai berikut: 1. ·
Analisis data dengan menggunakan metode steepest descent menghasilkan Matriks Asal Tujuan (MAT) tahun 2009 dengan jumlah total pergerakan sebesar 32361,41 smp/jam
·
Jumlah bangkitan dan jumlah tarikan terbesar pada zona internal terjadi pada zona 8 yaitu Kelurahan Purwosari sebesar 1555,86 smp/jam dan 1766,53 smp/jam. Hal ini dikarenakan daerah tersebut banyak terdapat daerah pemukiman dan juga daerah perkantoran dan perdagangan.
·
Jumlah bangkitan terbesar di zona eksternal terdapat pada zona 52 yakni daerah Colomadu sebesar 2669,23 smp/jam dikarenakan daerah tersebut merupakan daerah pemukiman padat penduduk. Jumlah tarikan terbesar terdapat pada zona 59 yakni daerah Palur sebesar 3071,72 smp/jam dikarenakan daerah tersebut merupakan kawasan industri.
·
Pergerakan Kota Surakarta banyak dipengaruhi oleh pergerakan yang berasal dari zona eksternal, sehingga disimpulkan Kota Surakarta bukan tujuan akhir dari perjalanan.
2. Perhitungan uji validasi dengan koefisien determinasi (R2) didapatkan besar tingkat validasi 0,8463 pada hasil perbandingan arus hasil traffic count dan 90
91 arus hasil pembebanan. Hal ini menunjukkan bahwa besarnya arus lalu lintas hasil pembebanan mendekati besarnya arus lalu lintas hasil pengamatan (traffic count tahun 2009). Dengan mengetahui nilai R2 maka akan diketahui pula galat yang terjadi yaitu sebesar 0,1537.
5.2. Saran Beberapa saran yang dapat dikemukakan agar penelitian mengenai estimasi model sebaran pergerakan dari data lalu lintas yang akan datang dapat memberikan hasil yang lebih baik adalah sebagai berikut: 1. Perlu dipertimbangkan menggunakan uji kepantasan atau uji kebaikan dalam membandingkan matriks yang dihasilkan. 2. Adanya pengaruh parameter α pada metode Steepest Descent dapat dijadikan bahan kajian selanjutnya. 3. Perlu adanya pelarangan melintas bagi kendaraan beroda dua pada ruas jalan tertentu pada jam puncak seperti Jalan Slamet Riyadi, Jalan Ahmad Yani, Jalan Adi Sucipto, dan Jalan Jendral Sudirman dengan didukung perbaikan fasilitas angkutan umum sebagai penunjangnya. 4. Perlu adanya suatu rute luar kota yang tidak melalui ruas jalan di pusat kota Surakarta.
91
92
DAFTAR PUSTAKA
Ahmad Munawar dan Muhammad Zudhy Irawan. 2007. Estimasi Matriks Asal Tujuan Berdasarkan Informasi Arus Lalulintas untuk Pemodelan Transportasi. Symposium X FSTPT. Universitas Tarumanagara. Jakarta. Anonim. 1990. Panduan Penentuan Klasifikasi Fungsi Jalan di wilayah Perkotaan. Jakarta: Direktorat Jenderal Bina Marga Departemen Pekerjaan Umum RI. Anonim. 1997. Manual Kapasitas Jalan Indonesia (MKJI) 1997. Jakarta: Direktorat Jenderal Bina Marga Departemen Pekerjaan Umum RI. Anonim. 2005. Buku Pedoman Penulisan Tugas Akhir. Fakultas Teknik Jurusan Teknik Sipil Universitas Sebelas Maret. Surakarta. Astri Briliianti. 2002. Evaluasi Kerja Dan Penanganan Jaringan Jalan (Studi Kasus Kota Surakarta). Skripsi. Fakultas Teknik Jurursan Teknik Sipil Universitas Sebelas Maret. Surakarta. E.K. Morlok. 1984. Pengantar Teknik dan Perencanaan Transportasi. Penerbit Erlangga. Jakarta. Freund, Robert M. 2004. The Steepest Descent Algorithm for Unconstrained Optimization and a Bisection Line-search Method. Journal of Massachusetts Institute of Technology. United States of america INRO Consultants Inc.. 1998. EMME/2 User’s Manual Software Realeas 9. Montreal (Quebec). Canada. INRO Consultan Inc. 2007. EMME/3 Release Notes: Emme 3.0. Canada. Juarna, Asep. 2000. Penyelesaian Sistem Persamaan Linier Symetric Positive Definite dengan Metode Steepest Descent. Jurnal. Universitas Gunadarma. Jakarta Noriega, Yolanda dan Michael Florian. 2009. Some Enhancements of The Gradient Method for O-D Matrix Adjustment. Jurnal. university Research Centre. Canada. 21 Oktober 2009. www.cirrelt.ca 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. Ortuzar, J.D. and Willumsen, L.G., 1994, Modelling Transport, Second Edition, John wiley & Sons, Great Britain. O.Z. Tamin. 1997. Perencanaan dan Pemodelan Transportasi. ITB. Bandung. O.Z. Tamin. 2000. Perencanaan dan Pemodelan Transportasi. ITB. Bandung. Priyatno. 2000. Estimasi Matrik Asal Tujuan Dari Data Lalulintas dengan Metode Pembebanan Wardrop Equilibrium (Studi Kasus Kota Surakarta). Skripsi. Fakultas Teknik Jurursan Teknik Sipil Universitas Sebelas Maret. Surakarta. Rahayu Mahanani W.. 2008. Estimasi Matrik Asal Tujuan dari Data Arus Lalulintas dengan Metode Estimasi Inferensi Bayesian. Skripsi. Fakultas Teknik Jurursan Teknik Sipil Universitas Sebelas Maret. Surakarta.
92
93 Revi Widyastuti. 2007. Estimasi Matriks Asal Tujuan Dari Data Arus Lalu Lintas Dengan Metode Estimasi Entropi Maksimum. Skripsi. Fakultas Teknik Jurusan Sipil Universitas Sebelas Maret. Surakarta. R. Suyuti dan O.Z. Tamin. 2007. Penggunaan Model Gravity (GR) dalam Estimasi Matrik Asal-Tujuan (MAT) Menggunakan Data Arus Lalulintas. Symposium X FSTPT. Universitas Tarumanagara. Jakarta. Shin, Dong Ho. Do Hyun Kim, and Man Suk Song. 1994. The Steepest Descent Method and The Conjugate Gradient method for Slightly Non-Symmetric, Positive Definite Matrices. Journal Community Korean Math.Soc.9, No.2, p. 439-448. South Korea Slamet Basuki. 2001. Estimasi Distribusi Perjalanan dengan Menggunakan Model Gravity (Study Kasus Kota Surakarta). Skripsi. Fakultas Teknik Jurusan Teknik Sipil Universitas Sebelas Maret. Surakarta. Spiess, Heinz. 1990. A Gradient Approach for The O-D Matrix Adjustment Problem. Jurnal. EMME/2 Support Center. Switzerland Yuan, Ya-Xiang. 2006. A New Stepsize for The Steepest Descent Method. Journal of Computational Mathematics, vol.24, No.2, p. 149-156. Beijing, China. Zhou Xiang dan Bingquan Fan. 2005. Application of EMME/2 on OD Estimation and TIA of Traffic Facility (A case Study of Oujiang Tunnel in Wenzhou). Jurnal. CRTS in University of Shanghai for Science and Technology. People Republic of China
93
