Perencanaan dan Pemodelan Transportasi

Beberapa masalah transportasi di sejumlah kota besar telah berada pada tahap kri
tis, antara lain masalah kemacetan, tundaan, serta polusi suara dan udara. Selai
n itu, permasalahan transportasi regional juga sudah membutuhkan perhatian seriu
s. Untuk menanggulanginya, perlu dipelajari dan dipahami pola keterkaitan antara
berbagai faktor penyebabnya. Buku Perencanaan dan pemodelan transportasi ini me
njelaskan pola keterkaitan tersebut, masalah yang dihadapi, serta konsep perenca
naan dan pemodelan transportasi yang berkembang sampai saat ini. Pemodelan yang
dibahas dapat diterapkan pada moda transportasi darat, laut, dan udara dengan sk
ala permasalahan yang berbeda-beda. Juga dijelaskan proses pemilihan model, peng
embangan, adaptasi, dan penggunaannya untuk konteks yang berbeda.Setiap pokok ba
hasan diterangkan secara terinci, mulai dari teori dasar dan asumsi, pengumpulan
data spesifikasi model, proses pemikiran, pengabsahan, kalibrasi, aplikasi, dan
dilengkapi dengan contoh soal. Isinya yang cukup lengkap membuat buku ini sanga
t berguna bagi para konsultan, perencanaan dan pengelola transportasi, pengemban
g wilayah, mahasiswa dan dosen yang menangani mata kuliah perencanaan dan pemode
lan transportasi, serta masyarakat yang berkecimpung dalam bidang ini.
PENERBIT ITB
Jl. Ganesa 10 Bandung, Telp./Fax. (022) 2504257 e-mail: itbpress@bdg.centrin.net
.id
EDISI KEDUA
Perencanaan &Pemodelan Transportasi
ISBN 979-9299-10-1
EDISI KEDUA
Ofyar Z. Tamin
Perencanaan dan Pemodelan Transportasi
Ofyar Z. Tamin
Jurusan Teknik Sipil Institut Teknologi Bandung
Penerbit ITB

Isi
Prakata Edisi 2 Prakata Edisi 1 1 Pendahuluan 1.1 Perencanaan dan pemodelan tran
sportasi 1.1.1 Latar belakang 1.1.2 Model dan peranannya 1.2 Ciri permasalahan t
ransportasi 1.2.1 Ciri kebutuhan akan transportasi 1.2.2 Ciri sistem prasarana t
ransportasi 1.2.3 Keseimbangan antara sistem prasarana transportasi dan kebutuha
n akan transportasi 1.3 Pemilihan pendekatan model 1.4 Faktor dalam pemodelan tr
ansportasi 1.4.1 Spesifikasi model 1.4.1.1 Struktur model 1.4.1.2 Bentuk fungsio
nal 1.4.1.3 Spesifikasi peubah 1.4.2 Kalibrasi dan pengabsahan model 1.4.3 Beber
apa definisi dalam pemodelan 1.5 Ciri dasar perencanaan transportasi 1.5.1 Penda
huluan 1.5.1.1 Multimoda 1.5.1.2 Multidisiplin 1.5.1.3 Multisektoral 1.5.1.4 Mul
timasalah 1.5.2 Ciri pergerakan tidak-spasial 1.5.2.1 Sebab terjadinya pergeraka
n 1.5.2.2 Waktu terjadinya pergerakan 1.5.2.3 Jenis sarana angkutan yang digunak
an 1.5.3 Ciri pergerakan spasial 1.5.3.1 Pola perjalanan orang 1.5.3.2 Pola perj
alanan barang 1.6 Campur tangan manusia pada sistem transportasi 1.7 Perencanaan
transportasi sebagai bentuk campur tangan manusia 1.8 Pihak yang terlibat dalam
perencanaan transportasi
19a 21a 1 1 1 3 5 5 7 7 9 11 11 11 11 11 11 12 13 13 13 13 14 14 15 15 15 17 18
19 20 20 22 23
5a

2
Pendekatan perencanaan transportasi 2.1 Umum 2.2 Pendekatan sistem untuk perenca
naan transportasi 2.2.1 Pengertian sistem 2.2.2 Sistem transportasi makro 2.2.3
Sistem tata guna lahan−transportasi 2.3 Analisis interaksi sistem kegiatan dengan
sistem jaringan 2.4 Aksesibilitas dan mobilitas 2.4.1 Apakah aksesibilitas dan m
obilitas itu? 2.4.2 Hubungan transportasi 2.4.3 Aksesibilitas berdasarkan tujuan
dan kelompok sosial 2.4.4 Aksesibilitas dalam model perkotaan 2.4.5 Pengukuran
aksesibilitas di daerah perkotaan 2.4.5.1 Ukuran grafis aksesibilitas 2.4.5.2 Uk
uran fisik aksesibilitas 2.4.5.3 Aksesibilitas perumahan sebagai fungsi tersedia
nya fasilitas transportasi 2.4.6 Aksesibilitas dan perilaku perjalanan 2.4.7 Con
toh penggunaan aksesibilitas 2.4.8 Ringkasan 2.5 Konsep perencanaan transportasi
2.5.1 Bangkitan dan tarikan pergerakan 2.5.1.1 Umum 2.5.1.2 Jenis tata guna lah
an 2.5.1.3 Intensitas aktivitas tata guna lahan 2.5.2 Sebaran pergerakan 2.5.2.1
Umum 2.5.2.2 Pemisahan ruang 2.5.2.3 Intensitas tata guna lahan 2.5.2.4 Pemisah
an ruang dan intensitas tata guna lahan 2.5.3 Bangkitan dan sebaran pergerakan 2
.5.4 Pemilihan moda transportasi dan rute 2.5.4.1 Pemilihan moda transportasi 2.
5.4.2 Pemilihan rute 2.5.5 Arus lalulintas dinamis (arus pada jaringan jalan) 2.
5.6 Tingkat pelayanan 2.5.6.1 Tingkat pelayanan (tergantung arus) 2.5.6.2 Tingka
t pelayanan (tergantung fasilitas) 2.5.7 Hubungan arus lalulintas dengan waktu t
empuh 2.5.8 Penentuan indeks tingkat pelayanan (ITP) 2.5.8.1 Pendekatan linear 2
.5.8.2 Pendekatan tidak linear 2.5.8.3 Pendekatan rata rata 2.5.9 Penentuan nila
i T0 2.5.10 Ringkasan konsep dasar
25 25 26 26 27 30 31 32 32 33 35 36 36 36 36 37 37 37 39 40 40 40 41 42 42 42 43
43 43 44 44 44 45 45 46 46 47 48 50 50 51 53 53 57
6a
Ofyar Z Tamin, Perencanaan dan pemodelan transportasi

2.6
2.7
Perhitungan kapasitas ruas jalan dan persimpangan 2.6.1 Perhitungan kapasitas ru
as jalan 2.6.1.1 Kapasitas dasar C0 2.6.1.2 Faktor koreksi kapasitas akibat pemb
agian arah (FCSP) 2.6.1.3 Faktor koreksi kapasitas akibat lebar jalan (FCW) 2.6.
1.4 Faktor koreksi kapasitas akibat gangguan samping (FCSF) 2.6.1.5 Faktor korek
si kapasitas akibat ukuran kota (FCCS) 2.6.2 Pengaruh parkir pada kapasitas ruas
jalan 2.6.3 Perhitungan kapasitas persimpangan 2.6.3.1 Persimpangan tidak berla
mpu lalulintas 2.6.3.2 Persimpangan berlampu lalulintas Contoh sederhana model i
nteraksi 2.7.1 Pendahuluan 2.7.1.1 Bangkitan pergerakan 2.7.1.2 Sebaran pergerak
an 2.7.1.3 Pemilihan moda transportasi dan rute 2.7.2 Contoh penerapan sederhana
2.7.2.1 Cara analitis 2.7.2.2 Cara grafis
62 62 62 62 63 63 65 67 69 69 69 70 70 71 71 72 72 73 77 82 82 83 86 87 87 90 93
96 97 99 100 101 102 102 102 103 103 103 104 104 104
3
Konsep pemodelan 3.1 Pemodelan sistem 3.2 Model sistem kegiatan dan sistem jarin
gan 3.3 Penggunaan model sistem kegiatan−sistem jaringan 3.4 Pencerminan sistem ke
giatan dan sistem jaringan 3.4.1 Daerah kajian 3.4.2 Zona 3.4.3 Ruas jalan 3.4.4
Konsep biaya gabungan 3.4.4.1 Biaya operasi kendaraan (BOK) 3.4.4.2 Nilai waktu
3.5 Galat dalam pemodelan dan peramalan 3.5.1 Galat pengukuran 3.5.2 Galat samp
el 3.5.3 Galat perhitungan 3.5.4 Galat spesifikasi 3.5.5 Galat transfer 3.5.6 Ga
lat pengelompokan 3.5.6.1 Pengelompokan data 3.5.6.2 Pengelompokan alternatif 3.
5.6.3 Pengelompokan model 3.6 Kompleksitas model atau ketepatan data
Isi
7a

3.7
Pengumpulan data 3.7.1 Pertimbangan praktis 3.7.2 Jenis survei 3.7.2.1 Sistem pr
asarana transportasi 3.7.2.2 Sistem tata guna lahan
107 107 108 108 109 111 111 112 114 114 114 115 115 116 117 117 117 118 119 121
121 121 122 122 123 123 124 124 124 125 125 125 126 126 126 127 127 130 130 133
134
4
Model bangkitan pergerakan 4.1 Pendahuluan 4.1.1 Definisi dasar 4.1.2 Klasifikas
i pergerakan 4.1.2.1 Berdasarkan tujuan pergerakan 4.1.2.2 Berdasarkan waktu 4.1
.2.3 Berdasarkan jenis orang 4.1.3 Faktor yang mempengaruhi 4.1.4 Model faktor p
ertumbuhan 4.2 Analisis regresi 4.2.1 Model analisis regresi linear 4.2.1.1 Pend
ahuluan 4.2.1.2 Koefisien determinasi (R2) 4.2.1.3 Regresi linear berganda 4.2.2
Model regresi berbasis zona 4.2.2.1 Model berbasis zona 4.2.2.2 Peranan interse
p 4.2.2.3 Zona kosong 4.2.2.4 Total zona vs rata rata zona 4.2.3 Contoh pemodela
n 4.2.3.1 Bangkitan pergerakan 4.2.3.2 Tarikan pergerakan (untuk pergerakan berb
asis rumah) 4.2.4 Tahapan uji statistik dalam model analisis regresi berbasis zo
na 4.2.4.1 Uji kecukupan data 4.2.4.2 Uji korelasi 4.2.4.3 Uji linearitas 4.2.4.
4 Uji kesesuaian 4.2.5 Proses model analisis regresi berbasis zona 4.2.5.1 Metod
e analisis langkah demi langkah tipe 1 4.2.5.2 Metode analisis langkah demi lang
kah tipe 2 4.2.5.3 Metode coba coba 4.2.5.4 Penerapan di Propinsi Jawa Barat 4.2
.6 Kajian empiris yang menggunakan model analisisregresi 4.2.6.1 Kajian lalulint
as di kota Detroit 4.2.6.2 Kajian pengembangan jaringan jalan di Pulau Jawa 4.2.
6.3 Kajian standarisasi bangkitan dan tarikan lalulintas di zona Bandung Raya
8a
Ofyar Z Tamin, Perencanaan dan pemodelan transportasi

4.3
4.4 5
Model regresi berbasis rumah tangga Masalah ketidaklinearan Mendapatkan nilai zo
na keseluruhan Mencocokkan hasil bangkitan pergerakan dengan tarikan pergerakan
Analisis klasifikasi silang atau analisis kategori 4.3.1 Model klasik 4.3.1.1 Pe
ndahuluan 4.3.1.2 Definisi peubah dan spesifikasi model 4.3.1.3 Penerapan model
pada tingkat agregat 4.3.1.4 Tahapan perhitungan 4.3.1.5 Contoh sederhana 4.3.1.
6 Komentar tentang pendekatan analisis kategori 4.3.2 Perbaikan model dasar 4.3.
2.1 Analisis klasifikasi ganda (Multiple Classification Analysis/MCA) 4.3.2.2 An
alisis regresi untuk tingkat rumah tangga 4.3.3 Pendekatan kategori orang 4.3.3.
1 Pendahuluan 4.3.3.2 Definisi peubah dan spesifikasi model Peramalan peubah dal
am analisis bangkitan pergerakan
4.2.7 4.2.8 4.2.9 4.2.10
135 139 141 142 143 143 143 143 145 146 148 149 149 149 150 151 151 151 151 154
155 155 157 161 161 161 162 162 163 163 163 164 165 166 166 167 167 168 169 170
171 173
Model sebaran pergerakan 5.1 Pendahuluan 5.2 Kegunaan matriks pergerakan 5.3 Def
inisi dan notasi 5.4 Metode konvensional 5.4.1 Metode langsung 5.4.1.1 Wawancara
di tepi jalan 5.4.1.2 Wawancara di rumah 5.4.1.3 Metode menggunakan bendera 5.4
.1.4 Metode foto udara 5.4.1.5 Metode mengikuti mobil 5.4.2 Metode tidak langsun
g 5.5 Metode analogi 5.5.1 Metode tanpa batasan 5.5.2 Metode dengan satu batasan
5.5.2.1 Metode dengan batasan bangkitan 5.5.2.2 Metode dengan batasan tarikan 5
.5.3 Metode dengan dua batasan 5.5.3.1 Metode rata rata 5.5.3.2 Metode Fratar 5.
5.3.3 Metode Detroit 5.5.3.4 Metode Furness 5.5.4 Keuntungan dan kerugian
Isi
9a

5.6 5.7
5.8 5.9
5.10
5.11
Metode sintetis Model gravity (GR) 5.7.1 Analogi 5.7.2 Fungsi hambatan 5.7.3 Seb
aran panjang pergerakan 5.7.4 Jenis model gravity 5.7.4.1 Model UCGR 5.7.4.2 Mod
el PCGR 5.7.4.3 Model ACGR 5.7.4.4 Model DCGR 5.7.5 Saat penggunaan model gravit
y 5.7.6 Kalibrasi model gravity 5.7.6.1 Metode sederhana 5.7.6.2 Metode Hyman 5.
7.6.3 Metode analisis regresi linear 5.7.6.4 Metode penaksiran kuadrat terkecil
(KT) 5.7.6.5 Metode penaksiran kemiripan maksimum (KM) 5.7.6.6 Metode penaksiran
inferensi bayes (IB) 5.7.6.7 Metode penaksiran entropi maksimum (EM) 5.7.6.8 Me
tode lain 5.7.6.9 Penggunaan data MAT parsial 5.7.6.10 Metode kalibrasi Newton−Rap
hson 5.7.6.11 Program komputer dan prosedur kalibrasi 5.7.7 Penurunan model grav
ity dengan pendekatan entropimaksimum 5.7.8 Beberapa perilaku model gravity Mode
l intervening opportunity (IO) Model gravity opportunity (GO) 5.9.1 Latar belaka
ng 5.9.2 Definisi 5.9.2.1 MAT terurut 5.9.2.2 Normalisasi 5.9.2.3 Transformasi 5
.9.3 Spesifikasi fungsi kesempatan 5.9.4 Struktur faktor proporsi 5.9.5 Aksioma
IIA dan model GO 5.9.6 Model GO yang diusulkan Beberapa permasalahan praktis 5.1
0.1 Penanganan zona eksternal 5.10.2 Pergerakan intrazona internal 5.10.3 Tujuan
pergerakan 5.10.4 Matriks yang mempunyai banyak sel kosong 5.10.5 Bangkitan−tarik
an dan asal−tujuan 5.10.6 Faktor ‘K’ Ketelitian MAT yang dihasilkan oleh metode konven
sional
175 176 176 178 179 180 180 182 183 184 185 186 187 187 188 190 191 195 201 203
204 205 206 207 209 210 212 212 215 215 215 216 216 217 220 221 221 221 222 223
223 224 224 225
10a Ofyar Z Tamin, Perencanaan dan pemodelan transportasi

6
Model pemilihan moda 6.1 Pendahuluan 6.2 Faktor yang mempengaruhi pemilihan moda
6.3 Model pemilihan moda ujung perjalanan 6.4 Model pemilihan moda pertukaran p
erjalanan 6.5 Model pemilihan moda dan kaitannya dengan model lain 6.5.1 Model j
enis I 6.5.2 Model jenis II 6.5.3 Model jenis III 6.5.4 Model jenis IV 6.5.5 Beb
erapa komentar tentang model pemilihan moda 6.5.5.1 Biaya 6.5.5.2 Angkutan umum
captive 6.5.5.3 Lebih dari dua moda 6.6 Model sintetis 6.6.1 Model kombinasi seb
aran pergerakan−pemilihan moda 6.6.2 Model pemilihan multimoda 6.6.3 Model logit b
iner 6.6.3.1 Metode penaksiran kemiripan maksimum (KM) 6.6.3.2 Metode penaksiran
regresi linear 6.6.3.3 Model logit biner selisih 6.6.3.4 Model logit biner nisb
ah 6.6.4 Kalibrasi model pemilihan moda berhierarki 6.7 Model kebutuhan langsung
6.7.1 Pendahuluan 6.7.2 Model abstrak dan model kebutuhan langsung 6.7.3 Model
simultan 6.8 Model pemilihan diskret 6.8.1 Pertimbangan umum 6.8.2 Kerangka teor
i 6.9 Model logit multinomial (LM) 6.10 Contoh penggunaan model logit biner 6.10
.1 Model logit biner selisih 6.10.2 Model logit biner nisbah 6.10.3 Analisis uji
kepekaan Model pemilihan rute 7.1 Konsep dasar 7.1.1 Pendahuluan 7.1.2 Definisi
dan notasi 7.1.3 Kurva kecepatan−arus dan biaya−arus 7.2 Metode pemilihan rute 7.2.
1 Pendahuluan 7.2.2 Proses pemilihan rute
227 227 228 230 230 231 232 232 233 234 236 236 236 236 238 238 240 242 243 245
246 247 248 250 250 250 253 256 256 259 261 262 263 265 267 270 270 270 274 274
281 281 282
7
Isi
11a

7.3
7.4
7.5
7.6
7.7
Pembentukan pohon 7.2.3.1 Inisialisasi 7.2.3.2 Prosedur 7.2.4 Alasan pemilihan r
ute 7.2.4.1 Pembebanan all or nothing 7.2.4.2 Pembebanan banyak ruas 7.2.4.3 Pem
bebanan berpeluang 7.2.5 Faktor penentu utama 7.2.5.1 Waktu tempuh 7.2.5.2 Nilai
waktu 7.2.5.3 Biaya perjalanan 7.2.5.4 Biaya operasi kendaraan Model all or not
hing 7.3.1 Umum 7.3.2 Algoritma 7.3.2.1 Pendekatan pasangan demi pasangan 7.3.2.
2 Pendekatan sekaligus Model stokastik 7.4.1 Model Burrell 7.4.2 Model Sakarovit
ch 7.4.3 Model stokastik proporsional 7.4.4 Model perilaku kebutuhan akan transp
ortasi Model batasan kapasitas 7.5.1 Metode all or nothing berulang 7.5.2 Metode
pembebanan bertahap 7.5.3 Metode pembebanan stokastik dengan batasan kapasitas
7.5.4 Metode pembebanan berulang 7.5.5 Metode pembebanan kuantal 7.5.6 Metode pe
mbebanan banyak rute 7.5.7 Metode pembebanan berpeluang Model keseimbangan 7.6.1
Pendekatan pemrograman matematika 7.6.2 Algoritma Frank−Wolfe 7.6.2.1 Algoritma 7
.6.2.2 Kriteria konvergensi 7.6.3 Pembebanan keseimbangan sosial (KS) 7.6.4 Pemb
ebanan keseimbangan pengguna stokastik (KPS) Pembebanan keseimbangan lanjut 7.7.
1 Batasan metode klasik 7.7.2 Metode interaksi persimpangan 7.7.3 Pengaruh tingk
at resolusi sistem jaringan 7.7.3.1 Pendahuluan 7.7.3.2 Kebutuhan data 7.7.3.3 T
ingkat resolusi 7.7.3.4 Prosedur analisis 7.7.3.5 Analisis jaringan 7.7.3.6 Hasi
l analisis
7.2.3
286 286 286 287 288 288 288 288 288 288 288 289 290 290 291 291 291 294 294 296
296 300 302 304 305 310 310 312 313 313 314 315 320 320 322 323 324 326 326 329
330 330 331 332 333 334 335
12a Ofyar Z Tamin, Perencanaan dan pemodelan transportasi

7.8
7.9
7.10
7.7.3.7 Kesimpulan Keseimbangan sistem transportasi 7.8.1 Pendahuluan 7.8.2 Komb
inasi pemilihan moda dengan pembebanan 7.8.3 Moda, tujuan, dan metode pemilihan
rute pada kondisi keseimbangan 7.8.3.1 Kombinasi sebaran dan pembebanan 7.8.3.2
Kombinasi sebaran, pembebanan, dan pemilihan moda 7.8.3.3 Kombinasi bangkitan, s
ebaran, pembebanan, dan pemilihan moda Model kurva diversi 7.9.1 Model JICA 7.9.
1.1 Model I 7.9.1.2 Model II 7.9.2 Model logit binomial dan regresi pengali 7.9.
2.1 Model logit binomial 7.9.2.2 Model regresi pengali Masalah pembebanan berleb
ih 7.10.1 Metode pembebanan keseimbangan elastis 7.10.1.1 Prinsip dasar 7.10.1.2
Algoritma 7.10.1.3 Kriteria konvergensi 7.10.1.4 Fungsi permintaan pergerakan d
an fungsi biaya 7.10.1.5 Contoh penerapan 7.10.2 Metode pemangkasan matriks perg
erakan 7.10.2.1 Prosedur pemangkasan 7.10.2.2 Struktur metode pemangkasan matrik
s 7.10.2.3 Prosedur pemangkasan matriks pergerakan 7.10.2.4 Contoh penerapan
341 342 342 343 346 346 346 348 349 352 352 352 353 353 354 355 356 356 356 359
360 362 363 363 365 366 368 369 369 371 372 372 372 373 375 376 378 378 385 386
8
Model transportasi berdasarkan data arus lalulintas 8.1 Pendahuluan 8.2 Pemikira
n dasar 8.3 Penelitian yang telah dilakukan 8.3.1 Pendekatan penaksiran model ke
butuhan akantransportasi 8.3.1.1 Penaksiran model gravity 8.3.1.2 Penaksiran mod
el kebutuhan langsung 8.3.1.3 Penaksiran model gravity opportunity (GO) 8.3.2 Pe
ndekatan penaksiran keseimbangan jaringan 8.3.3 Pendekatan penaksiran teori info
rmasi 8.3.3.1 Model estimasi matriks entropi maksimum (EMEM) 8.3.3.2 Model minim
um informasi (MI) 8.3.3.3 Model Bayes
Isi
13a

8.4 8.5 8.6
8.7
8.8
8.9 8.10
8.11
8.12 8.13
8.3.3.4 Model kemiripan maksimum (KM) 8.3.3.5 Model MODCOST Kesimpulan Keuntunga
n penggunaan data arus lalulintas Permasalahan dalam penggunaan data arus laluli
ntas 8.6.1 Masalah perhitungan arus lalulintas 8.6.1.1 Ketergantungan 8.6.1.2 Ke
tidakkonsistenan 8.6.2 Masalah kurang terspesifikasi Model transportasi berdasar
kan data arus lalulintas 8.7.1 Prinsip dasar 8.7.2 Beberapa metode pembebanan ru
te 8.7.3 Konsep dasar Penaksiran model kombinasi SPPM dengan data arus penumpang
8.8.1 Prinsip dasar 8.8.2 Model kombinasi sebaran pergerakan−pemilihan moda (SPPM
) 8.8.2.1 Model gravity sebagai model transportasi 8.8.2.2 Model logit multinomi
al (LM) sebagai model pemilihan moda 8.8.2.3 Persamaan dasar Metode penaksiran M
etode penaksiran kuadrat terkecil (KT) 8.10.1 Metode penaksiran kuadrat terkecil
linear (KTL) 8.10.2 Metode penaksiran kuadrat terkecil tidak linear (KTTL) Meto
de penaksiran kemiripan maksimum (KM) 8.11.1 Pendahuluan 8.11.2 Definisi 8.11.2.
1 Kemiripan 8.11.2.2 Nisbah kemiripan 8.11.2.3 Dukungan 8.11.3 Aksioma kemungkin
an 8.11.3.1 Hukum kemiripan 8.11.3.2 Prinsip kemiripan 8.11.3.3 Aksioma kemiripa
n 8.11.4 Tafsiran kemiripan 8.11.5 Kemiripan sampel multinomial 8.11.6 Kerangka
metode penaksiran kemiripan maksimum jenis I (KM1) 8.11.7 Kerangka metode penaks
iran kemiripan maksimum jenis II (KM2) Metode penaksiran inferensi bayes (IB) 8.
12.1 Dasar pendekatan 8.12.2 Penerapan metode IB Metode penaksiran entropi maksi
mum (EM)
387 389 390 390 392 392 393 393 393 395 395 396 397 398 398 399 399 400 400 401
402 403 404 405 405 406 406 406 407 407 407 407 407 408 408 409 411 413 413 414
416
14a Ofyar Z Tamin, Perencanaan dan pemodelan transportasi

8.14 8.15
8.16
8.17
8.18
Penggunaan data MAT parsial 8.14.1 Pendahuluan 8.14.2 Solusi yang diusulkan Peme
cahan metode penaksiran 8.15.1 Pendahuluan 8.15.2 Beberapa metode kalibrasi 8.15
.2.1 Perbandingan beberapa metode kalibrasi 8.15.2.2 Metode kalibrasi hibrid 8.1
5.3 Metode Newton−Raphson 8.15.3.1 Kasus satu tujuan perjalanan 8.15.3.2 Kasus K t
ujuan perjalanan 8.15.4 Teknik eliminasi matriks Gauss−Jordan Program komputer dan
prosedur kalibrasi 8.16.1 Pendahuluan 8.16.2 Paket program MOTORS 8.16.2.1 Repr
esentasi jaringan 8.16.2.2 Simpul dan ruas 8.16.2.3 Ruas jalan berbasis satu ara
h 8.16.3 Program komputer Indikator uji statistik untuk membandingkan MAT 8.17.1
Pendahuluan 8.17.2 Root Mean Square Error (RMSE) dan Standard Deviasi (SD) 8.17
.3 Mean Absolute Error (MAE) 8.17.4 Koefisien Determinasi (R2) 8.17.5 Normalised
Mean Absolute Error (NMAE) Beberapa penerapan yang telah dilakukan 8.18.1 Pemod
elan pergerakan kendaraan perkotaan di kota Ripon (Inggris) 8.18.2 Pemodelan per
gerakan angkutan barang di pulau Bali 8.18.2.1 Beberapa uji kepekaan dan keabsah
an 8.18.2.2 Kesimpulan 8.18.3 Uji kedalaman tingkat resolusi sistem zona dan jar
ingan terhadap akurasi MAT 8.18.3.1 Penomoran titik simpul, kodefikasi zona dan
penghubung pusat zona 8.18.3.2 Pengolahan data 8.18.3.3 Hasil analisis 8.18.3.4
Kesimpulan 8.18.4 Pemodelan kebutuhan akan angkutan umum di Jakarta 8.18.5 Pemod
elan transportasi regional di propinsi Jawa Timur 8.18.5.1 Umum 8.18.5.2 Pendeka
tan model 8.18.5.3 Analisis kebutuhan akan pergerakan 8.18.5.4 Penerapan di Prop
insi Jawa Timur
418 418 419 420 420 421 421 421 422 422 423 425 426 426 428 428 428 429 429 432
432 432 433 433 433 434 434 439 439 441 442 442 444 450 459 460 463 463 464 467
468
Isi
15a

8.19
8.20
8.18.6 Aplikasi lain 8.18.7 Saran untuk penelitian lanjutan 8.18.7.1 Nilai awal
untuk metode Newton−Raphson 8.18.7.2 Pengembangan dengan metode pembebanan keseimb
angan 8.18.7.3 Memasukkan parameter ε dan µ dalam pross kalibrasi 8.18.7.4 Pnliti
an lanjutan dngan modl transportasi lain 8.18.7.5 Simplifikasi algoritma untuk
jaringan luas Pmanfaatan data arus lalulintas (ATCS) untuk mndapatkan informa
si MAT di darah prkotaan 8.19.1 Latar blakang 8.19.2 Pngmbangan sistm Pma
nfaatan data arus lalulintas (IRMS) untuk mndapatkan informasi MAT rgional 8.2
0.1 Latar blakang 8.20.2 Pngmbangan sistm informasi transportasi (SIT) 8.20.
2.1 Konfigurasi dasar 8.20.2.2 Sistm transfr data (STD) 8.20.2.3 Pusat pngola
han data (PPD) 8.20.2.4 Pusat pngolahan kluaran (PPK) 8.20.2.5 Uji kabsahan 8
.20.3 Potnsi pnggunaan dalam pngmbangan sistm jaringan jalan
473 474 474 474 475 475 476 476 476 477 480 480 482 482 485 486 487 488 488 490
490 495 495 496 497 498 499 500 500 503 504 504 504 505 506 508 510 511 513
9
Prmasalahan transportasi di ngara sdang brkmbang 9.1 Prmasalahan transport
asi prkotaan 9.2 Prmasalahan transportasi rgional 9.2.1 Pntingnya sistm tra
nsportasi rgional propinsi 9.2.2 Rncana tata ruang wilayah nasional (RTRWN) 9.
2.3 Rncana tata ruang wilayah propinsi (RTRWP) 9.2.4 Sistm transportasi nasion
al (Sistranas) 9.2.5 Sistm transportasi rgional propinsi 9.3 Pndkatan sistm
transportasi 9.3.1 Umum 9.3.2 Ktrkaitan tata ruang dngan transportasi 9.4 Si
stm intgrasi transportasi antarmoda trpadu 9.4.1 Umum 9.4.2 Waktu tmpuh dan
biaya transit sbagai kndala utama 9.4.3 Tmpat prtukaran moda 9.4.4 Pranan p 
ti kmas dalam usaha mnunjang prkonomian 9.5 Kbijaksanaan pngmbangan sist 
m transportasi prkotaan 9.6 Aspk prmasalahan 9.6.1 Kondisi sistm transporta
si di prkotaan 9.6.2 Kbutuhan akan transportasi di prkotaan
16a Ofyar Z Tamin, Prncanaan dan pmodlan transportasi

9.7
9.8
9.9
Organisasi dan klmbagaan Praturan plaksanaan Undang-undang dan praturan Ana
lisis prmasalahan 9.6.6.1 Aspk organisasi 9.6.6.2 Praturan plaksanaan 9.6.6.
3 Aspk transportasi 9.6.6.4 Undang-undang dan praturan Altrnatif pmcahan ma
salah 9.7.1 Umum 9.7.2 Kbutuhan akan transportasi 9.7.3 Prasarana transportasi
9.7.3.1 Pmbangunan jalan baru 9.7.3.2 Pningkatan kapasitas prasarana 9.7.4 Rk
ayasa dan manajmn lalulintas 9.7.4.1 Prbaikan sistm lampu lalulintas dan sis
tm jaringan jalan 9.7.4.2 Kbijakan prparkiran 9.7.4.3 Prioritas angkutan umum
9.7.5 Prmasalahan 9.7.6 Hal lain yang dapat dilakukan 9.7.6.1 Platihan transp
ortasi prkotaan bagi staf pmrintah darah 9.7.6.2 Analisis Dampak Lalulintas
(Andall) 9.7.6.3 Sosialisasi praturan dan pngakan hukum Konsp manajmn kbu
tuhan akan transportasi (MKT) 9.8.1 Pndahuluan 9.8.2 Pngmbangan konsp 9.8.2.
1 Prgsran waktu 9.8.2.2 Prgsran rut atau lokasi 9.8.2.3 Prgsran moda 9
.8.2.4 Prgsran lokasi tujuan Analisis dampak lalulintas (Andall) 9.9.1 Pndah
uluan 9.9.2 Mtod analisis dampak lalulintas 9.9.2.1 Tahap pnyajian informasi
awal 9.9.2.2 Tahapan andall 9.9.2.3 Tahapan pnyusunan rncana pnglolaan dan p 
mantauan 9.9.3 Analisis ruas jalan dan prsimpangan 9.9.3.1 Kinrja lalulintas
di ruas jalan dan prsimpangan 9.9.3.2 Kinrja ruas jalan 9.9.3.3 Kondisi prsim
pangan 9.9.3.4 Nilai bobot 9.9.3.5 Pmringkatan prmasalahan 9.9.4 Bangkitan la
lulintas
9.6.3 9.6.4 9.6.5 9.6.6
514 514 515 515 516 516 517 518 518 518 520 520 520 521 523 523 523 525 526 527
527 527 528 528 528 529 531 531 531 533 533 533 534 534 536 539 540 540 540 543
545 545 546
Isi
17a

5.9.9.12 9.11 9.4.2 R2: Pningkatan ruas jalan 9.9.4 Sbaran bangkitan lalulintas 9.3 Bangkitan lalulintas 9 .9.1 R1 : Manajmn lalulintas 9.2 Kasus Kotamadya Bandung Ksimpulan dan saran 9.3 R3: Pmbanguna n jalan baru Sistm angkutan umum massa (SAUM) 9.9.4.11.1 Kasus DKI-Jakarta 9.5 Analisis pnanganan masalah 9.9.1 Ksimpulan 9.9.10.1 1.1 Umum 9.9.1 Prmasalahan 9.10.9.2 Tingkat bangkitan lalulintas 9.2 Kndal a yang dihadapi Sistm angkutan umum transportasi prkotaan trpadu (SAUTPT) 9.12.5.4.4.10 9.2 Saran 546 547 548 548 548 549 549 549 550 550 553 554 554 555 555 556 558 559 559 562 567 576 585 615 Notasi dan singkatan Notasi Singkatan Padanan kata Inggris−Indonesia Padanan kata Indonesia−Inggris Pustaka Penjurus 18a Ofyar Z Tamin.12.5. Perencanaan dan pemodelan transportasi .

selama 2 tahun terakhir ini. Proses Model Analisis Regresi Berbasis Zona. Bab 5: Metode Penaksiran Entropi Maksimum (EM) dan Beberapa Permasalahan Praktis. yang secara keseluruhan membuat buku ini menjadi jauh lebih lengkap dan lebih sempurna diba ndingkan dengan edisi sebelumnya. Penentuan Indeks Tingkat Pelayanan (ITP). dan Contoh Sederhana Model Interaksi (Cara Analitis dan Cara Grafis). model Logit Biner Selisih dan Logit Biner Nisbah. Bab 8 dan 9 buku edisi ke 1 digabung menjadi bab 7 pada edisi ke 2. Buku ini juga berisikan koreksi atas kesalahan khususnya editorial yang ditemukan pada edisi ke 1 dan juga berisikan penyempur naan sebagai jawaban atas komentar. bab 3 pada edisi ke 1 menjadi bab 2 pada edisi ke 2. Model Simu ltan. dan seterusnya. Buku ini merupakan penyempurnaan dari buku edisi ke 1 yang telah diterbi tkan pada tahun 1997. terpaksa kami hilangkan pada edisi ke 2 ini dengan alasa n karena isi bab tersebut merupakan pengetahuan dasar matematika yang secara umu m harus sudah diketahui oleh setiap pembaca. saran. akhirnya buku Perencanaan dan Pemodelan Transportasi edisi ke 2 ini dapat disele saikan. ITB. Jurusan Teknik Sipil. serta Contoh Penggunaan Model Logit Biner termasuk analisis uji kepekaan. dan Penentuan Nilai T0. Pada buku edisi ke 2 ini. Banyak sekali hal yang ditambahkan pada edisi ini khususny a mengenai penurunan rumus secara lebih rinci. beberapa hal yang ditambahkan adalah sebagai berikut: • • Bab 2. Hubungan Ar us Lalulintas dengan Waktu Tempuh. pe ngembangan konsep dan teknik mutakhir. Bab 6: Metode Penaksiran Kemiripan Maksimum (KM) dan Regresi Linear. dan sekaligus juga untuk mengurangi halaman buku edisi ke 2 ini. dan kritik atas buku edisi ke 1 yang diterima dari teman sejawat dan para ahli.5: Tingkat Pelayanan. 19a • • • • . Pengaruh Parkir pada Kapasitas Ruas Jalan. contoh soal.Prakata edisi 2 Dengan mengucapkan puji syukur ke hadirat Allah SWT. Sehingga. Bab 2. Bab 2 pada buku edisi ke 1. contoh penerapan. sehingga jumlah bab pada edisi ke 1 yang semulanya sebanyak 11 bab menjadi hanya 9 bab pada edisi ke 2. dan Kajian Empiris Yang Menggun akan Model Analisis Regresi. Bab 3: Konsep Biaya Gabungan dan Metoda Pengum pulan Data Bab 4: Tahapan Uji Statistik Dalam Model Analisis Regresi Berbasis Zo na.6: Perhitungan Kapasitas Ruas Jalan dan Persimpangan. serta hasil hasil penelitian terbaru yang telah dilakukan oleh penulis dan rekan rekan peneliti di Sub Jurusan Rekayasa T ransportasi. atas rahmat dan berkahNya. mengenai Persyaratan Matematika.

ta bel. dan pemanfaatan data arus lalulintas (IRMS) u ntuk mendapatkan informasi MAT regional. Tulisan manusia tidak akan pernah luput dari kesalahan dan keku rangan. Bab 9: Permasalahan transportasi perkot aan dan transportasi regional. Metode Penaksiran EntropiMaksimum (EM). dan Suhendin. R icky Kusmawan. 20a Ofyar Z Tamin. uji kedalaman tingkat resolusi sistem zona dan jaringan terhadap akurasi MAT. Konsep Manajemen Kebut uhan akan Transportasi (MKT). dan Analisis Dampak Lalulintas (Andall). Ir.• Bab 7: Pengaruh tingkat resolusi sistem jaringan terhadap pembebanan. Perencanaan dan pemodelan transportasi . Secara khusus. Bab 8: Metod e Penaksiran Inferensi Bayes (IB). penulis sangat mengharapkan komentar. Indik ator Uji Statistik untuk membandingkan Matriks Asal−Tujuan (MAT). Sekali lagi. Sistem Integrasi Transportasi Antarmoda Terpadu. pen ulis mempersembahkan buku ini buat mereka. dan saran yang membangun dari teman sejawat dan para ahli untuk sekali lagi menyempurnakan buku edisi ke 2 ini. penulis juga mengucapk an terima kasih yang setulus tulusnya kepada Dra. Ekha dan Yozzi. metode pem bebanan kuantal dan masalah Pembebanan Berlebih yang terdiri dari Metode Pembeba nan Keseimbangan Elastis dan Metode Pemangkasan Matriks Pergerakan. Dadi Sumardi yang telah membantu membuat gambar. Sofia Niksolihin atas bantuann ya menyunting buku edisi ke 2 ini dan kepada saudara Ir. dan grafik. buku edisi ke 2 ini tidak akan pernah terwujud jika tidak ada doron gan penuh dari seluruh keluarga khususnya Mami. kritik. Wiradat Anindito. Kebijaksanaan pengembangan sistem transportasi perkotaan. • • Sekali lagi. pemanfaatan data arus lalulintas (ATCS) untuk mendapatkan informasi MAT di daerah perkotaan. Untuk itu. penerapan model di Propinsi Jawa Timur.

Secara keseluruhan. dan penggunaannya untuk setiap konteks yang berbeda. telah mendorong penulis untuk menyusun buku ini dengan harapan dapat m engisi kekurangan buku yang ada. tidak mengheran kan jika banyak bagian buku ini yang berisikan tulisan Batty. diterangkan cara pemilihan mode l. Pemodelan dan pendekatan yang dipakai dapat digunakan un tuk setiap moda transportasi (darat.Prakata edisi 1 Permasalahan transportasi berupa kemacetan. Spiess. Setiap subjek diterangkan secara terinci. termasuk hasil hasil penelitian dan modul pelatihan yang telah dilakukan penulis beserta beberapa peneliti lainnya di Sub Jurusan Re kayasa Transportasi. Bell. adanya mata kuliah Perencanaan dan Pemodelan Transpo rtasi sebagai mata kuliah wajib dalam kurikulum Program Sarjana (S1) di Jurusan Teknik Sipil dan Teknik Planologi dan juga di Program Magister (S2) yang berkait an dengan bidang transportasi di semua perguruan tinggi (negeri dan swasta) di I ndonesia. se rta konsep tentang perencanaan dan pemodelan transportasi yang telah berkembang sampai dengan saat ini. Ortuzar. kalibrasi. 21a . buku ini dapat juga digunakan sebag ai buku ajar bagi para mahasiswa atau sebagai bahan rujukan bagi para peneliti m uda. proses perkiraan. dan lain lain. Jurusan Teknik Sipil. Keberadaan buku yang membahas transportasi pada umumnya serta perencanaan dan pemodelan transportasi pada khususnya sangat jarang dijumpai di Indonesia. Ilmu pengetahuan tentang perencanaan dan pemodelan transportasi ma kin dirasakan pentingnya dalam menangani permasalahan transportasi. spesifikasi model. Edwards. Beberapa teknik juga dijelaskan untuk memilih tingkat kecermatan an alisis yang disyaratkan sesuai dengan kebutuhan serta keuntungan dan kerugian da ri setiap model yang dikembangkan. khususnya di daerah perkotaan. pengabsahan. pengembang wilayah. Van Vliet. Juga. pengembangan. hal pertama yang perlu dilakukan adalah mempelajari dan meng erti secara terinci pola keterkaitan antarfaktor yang menyebabkan timbulnya perm asalahan tersebut dalam bentuk kualitatif dan kuantitatif (terukur). serta polusi suara dan udar a yang sering kita temui setiap hari di beberapa kota besar di Indonesia ada yan g sudah berada pada tahap yang sangat kritis. kumpulan tulisan dan hasil pemikiran terdahulu. Buku ini menjela skan secara terinci pola keterkaitan antarfaktor. Oleh karena itu. mulai dari teori dasar dan asumsi. Perencanaan dan pemodelan transportasi adalah media yang paling efektif dan efisien yang da pat menggabungkan semua faktor tersebut dan keluarannya dapat digunakan untuk me mecahkan permasalahan transportasi baik pada masa sekarang maupun pada masa yang akan datang. Di samping itu. permasalahan yang dihadapi. tundaan. Selain itu. ITB. Rob illard. Sebelum dapat ditentukan cara peme cahan yang terbaik. buku ini mencakup sebagia n besar disertasi penulis sewaktu mengambil program doktor. perencana transportasi. laut. dan aplikasinya. maupun udara) dengan skala permasalah an yang berbeda (regional atau perkotaan). pen gumpulan data. adaptasi.

dan g rafik. Dadi Sumardi yang telah banyak membantu membuat gambar. penulis mengu capkan terima kasih kepada Dra. Ir. Sela in itu. Secara khusus. dan Teknik Industri yang mengambil mata kuliah Perencanaan dan Pemodelan Transportasi. penulis sangat mengharapkan kritik dan saran yang membangun dari teman sejawat dan para ahli untuk menyempurnakan buku ini. tulisan manusia tidak pernah luput dari kesalahan dan kekurangan. para mahasiswa tingkat Sarjana (S1) maupun Magister (S2) di Jurusan Teknik Sipil. sert a masyarakat yang berkecimpung dalam bidang transportasi. Wiradat Anindito. Sudah barang tentu. Ricky Kusmawan. Untuk itu. Wilson. Perencanaan dan pemodelan transportasi . Sofia Niksolihin atas bantuannya menyunting nask ah awal buku ini dan kepada saudara Ir. teman sejawat juga sangat berperan dalam proses penulisan buku ini. pengelola transportasi). para perencana transportasi dan pengembang wilayah (regional dan perkotaan). Wardrop. tabel. Oleh karena itu.Willumsen. 22a Ofyar Z Tamin. Kepa da mereka. Isinya yang cukup lengkap membuat buku ini sangat berguna bagi para praktisi (konsultan. penulis mempersembahkan buku ini untuk mereka semua. Teknik Planologi. Buku ini tidak akan pe rnah terwujud jika tidak ada dorongan dari seluruh keluarga khususnya Mami. da n Suhendin. penulis mengucapkan banyak terima kasih. Ekha dan Yozzi. serta penulis lain yang namanya tidak dapat disebutk an satu per satu.

polusi suara dan udara. Pada saat ini kita masih merasakan banyak permasalahan tr ansportasi yang sebenarnya sudah terjadi sejak tahun 1960 an dan 1970 an.1. kualitas dan kuantitas data yang b erkaitan dengan transportasi. dan Bandung. diperkirakan ham pir semua ibukota propinsi dan beberapa ibukota kabupaten akan berpenduduk di at as 1−2 juta 1 . Surabaya . Selain itu. urbanisasi yang sangat ce pat. Kota yang berpenduduk lebih dari 1−2 juta jiwa dapat dipasti kan mempunyai permasalahan transportasi. Medan. Pendapatan rendah. misaln ya kemacetan. tetapi sudah ditamba h lagi dengan permasalahan lainnya. khususnya dana. Tersedianya peral atan komputer yang murah dan berkecepatan tinggi telah mengakibatkan hilangnya a nggapan bahwa teknik komputasi selalu membatasi perkembangan teknik perencanaan dan pemodelan transportasi. Pada akhir tahun 1980 an. permasalahan transportasi sudah sed emikian parahnya. Permasalahan tran sportasi yang sudah ada sejak dulu bisa saja masih dijumpai pada masa sekarang. sistem pergerakan. dapat dikatakan di sini bahwa proses per encanaan merupakan bagian dari proses pengambilan keputusan atau kebijakan. dan peramalan kebutuhan a kan transportasi yang tidak pernah terpikirkan pada masa lalu. Di Indonesia. dan lemahnya sistem perencanaan dan kontrol membuat permasalahan trans portasi menjadi semakin parah. Permasalahan yang terjadi bukan saja disebabk an oleh terbatasnya sistem prasarana transportasi yang ada. tingkat disiplin yan g rendah. terbatasnya sumber daya. para pengambil keputusan atau kebijakan akan menggunakan hasil dar i perencanaan sebagai alat bantu dalam mengambil keputusan. kualitas sumber daya manusia. Hal ini dis ebabkan antara lain oleh pesatnya perkembangan pengetahuan mengenai elektronika dan peralatan komputer yang memungkinkan berkembangnya beberapa konsep baru meng enai sistem prasarana transportasi. dan tundaan.1 Pendahuluan 1. Banyak negara sedang berkembang menghadapi permasalahan transportasi dan beberapa di antaranya sudah berada dalam tahap sangat kritis.1 Perencanaan dan pemodelan transportasi 1. Pada akhir tahun 2000. mungkin saja mempunyai bentuk lain yang jauh lebih kompleks karena sem akin banyaknya pihak yang terkait sehingga lebih sukar diatasi. Deng an kata lain. khususnya di beberapa kota besar seperti DKI Jakarta. tetapi dengan tingkat kualitas yang jauh lebih parah dan kuantitas yang jauh leb ih besar. negara maju memasuki tahapan yang jauh lebih maju dibandingkan dengan 20 tahun yang lalu di sektor perencanaan dan pemodelan transportasi.1 Latar belakang Permasalahan transportasi dan teknik perencanaannya mengalami revolusi yang pesa t sejak tahun 1980 an. kecelakaan.

yang diperkirakan akan terus berkembang menjadi persoalan yang semakin rumit seiring dengan semakin tingginya laju urbanisasi. perkotaan menawarkan begitu banyak kesempatan. In donesia. pengembangan wilayah. akan terjadi dampak yang sangat merugikan. yai tu permasalahan transportasi perkotaan. antara daerah pedalaman dengan daerah perkotaan. Tambahan lagi. Deng an demikian. Dalam konteks kota di Indonesia. Hal ini mungkin karena. pertumbuhan wilayah di daerah pedalaman lebih lambat diband ingkan dengan di daerah perkotaan. dan lain lainnya menjadi semakin terlihat nyata. Namun. namun pada umumnya masih dala m skala kecil dan pemecahannya tidak memerlukan biaya besar dan waktu lama. khususnya DKI Jakarta. terutama oleh generasi muda. Di sisi lain. Semakin besar perbedaan tingkat pertumbuhan wilayah ter sebut. Industri terseb ut memberikan lapangan pekerjaan yang cukup tinggi dan dengan sistem penggajian yang jauh 2 Ofyar Z Tamin. baik di sektor formal maupun info rmal. proses urbanisasi dan industrialisasi selalu terjadi secara hampir bersama an. Kota kecil juga mempunyai permasalahan t ransportasi yang perlu pemecahan secara dini pula. sebesar apa pun kota tersebut dengan segala kel engkapannya. pada saat ini. lokasi industri yang sangat ef ektif dan efisien berada di dekat pasar. Hal ini mendukung pernyataan yang mengatakan bahwa proses urbanisasi yang sangat cepat telah terjadi beberapa tahun belakangan ini pada beberapa kota besar di Indonesi a. Pada beberapa negara sedang berkembang. Tingginya urbanisasi secara tidak langsung dapat dikatakan sebagai akibat dari tidak meratanya pertumbuhan wilayah di Indonesia. Di mana ada gula. berdasarkan Teori Lokasi. semakin tinggi pula tingkat urbanisasinya. pasti akan banyak semut yang datang menghampiri. Tambahan lagi. fenomena kota bermasalah sudah mulai terlihat.jiwa sehingga permasalahan transportasi tidak bisa dihindarkan. pasti mempunyai keterbatasan berupa batas daya dukung lahan. semakin tinggi pula tingkat urbanisasi yang pada gilirannya akan menimbul kan beberapa permasalahan perkotaan. terutama di negara yang beralih dari negara pertanian ke negara industri. Jika b atas tersebut sudah terlampaui. Hal ini sulit dihindari karena daerah perkotaan sudah terlanjur dianggap sebagai penyedia berbagai macam lapangan peke rjaan. khususn ya Indonesia. Beberapa data kota besar di dunia menyatakan bahwa semakin tinggi int ensitas industri di daerah tersebut. khususnya di sektor transportasi. Hal ini menyebabkan tersedia lebih banyak lap angan kerja serta upah dan gaji yang jauh lebih tinggi di daerah perkotaan diban dingkan dengan di daerah pedalaman. Semua hal ini merupakan daya tarik yang sang at kuat bagi para petani di daerah pedalaman untuk berurbanisasi ke daerah perko taan. Perencanaan dan pemodelan transportasi . tergolong negara yang sedang bergerak menuju negara semi industri. yaitu daerah perkotaan. peranan perencanaan dan pemodelan transportasi dalam merencanakan p embangunan sistem prasarana transportasi. sektor pertanian konvensional secara perlahan terlihat semakin kur ang menarik dan tidak lagi diminati. Hal ini merupaka n lampu merah bagi para pembina daerah perkotaan di Indonesia karena mereka akan dihadapkan pada permasalahan baru yang memerlukan pemecahan yang baru pula.

tempat biasanya pusat pendidikan tersebut berlokasi. Sudah barang tentu hal ini pun m enyebabkan semakin banyaknya pergerakan. banyak penemuan baru itu tidak mendapat perhatian y ang baik dari pihak luar. Akan tetapi. Laju urbanisasi yang semakin pesat ini tentu men imbulkan sejumlah permasalahan. yang berakibat sehingga menyeb abkan semakin banyaknya pergerakan yang dilakukan oleh keluarga. Kecenderungan ini menyebabkan terjadi pergerakan tambahan ke pusat kota. sedangkan tempat pekerjaan cenderung semakin terpusat di pusat perkotaan . termasuk di antaranya: Pendahuluan 3 .1. beberapa perkembangan penti ng dalam perencanaan dan pemodelan transportasi terjadi pada pertengahan tahun 1 970 an. khususnya pada beberapa pusat penelitian dan pengembangan. Hal ini yang menyebabkan tingka t urbanisasi yang cukup tinggi. yang akan sangat mempengaruhi transportasi perkotaan. adalah sebagai berikut: • semakin jauh rata rata pergerakan manusia setiap hari: semakin mahalnya harga ta nah di pusat perkotaan menyebabkan lahan permukiman semakin bergeser ke pinggira n kota. semakin banyak pelajar dan mahasiswa: kecenderungan persaingan yang semakin ketat di masa menda tang menyebabkan pendidikan berkelanjutan seperti kursus. Da pat dikatakan permasalahan transportasi perkotaan masa mendatang sudah berada di depan mata. beberapa kecenderungan lain yang perlu dicermati . Perlu ada tambahan la in.2 Model dan peranannya Model dapat didefinisikan sebagai bentuk penyederhanaan suatu realita (atau duni a yang sebenarnya). kebutuhan keluarga pada masa sekara ng tidak hanya bisa ditunjang oleh penghasilan suami saja. pendidikan bergelar paruh waktu menjadi suatu keharusan bagi seseorang yang telah bekerja. semakin tinggi pula kontribusinya terhadap kemacetan. semakin banyak wisatawan: tingginy a tekanan yang dirasakan oleh setiap orang yang tinggal di daerah perkotaan meny ebabkan rekreasi menjadi suatu kebutuhan utama. dan ini menyebabkan istri juga harus bekerja. semakin banyak wani ta yang bekerja: tidak dapat disangkal lagi. Semakin jauh dan semakin lama seseorang membebani jaringan jalan. 1. Hal ini menyebabkan seseorang akan bergerak lebih jauh dan lebih lama untuk me ncapai tempat kerja. • • • Untuk mengatasi semakin meningkatnya pergerakan ini. pelatihan.lebih baik dibandingkan dengan daerah pedalaman. Perkembangan penting tersebut lebih ditingkatkan serta diimplementasikan oleh para konsultan dan kontraktor. salah satu di antaranya masalah transportasi. padahal belakangan terbukti bahwa perencanaan dan pemo delan transportasi sangat berperan dalam memecahkan berbagai permasalahan transp ortasi. Selain urbanisasi.

Beberapa m odel dapat mencerminkan realita secara tepat. Begitu juga dalam bidang pariwisa ta. karena kita perlu mengilustr asikan terjadinya pergerakan (arah dan besarnya) yang terjadi yang beroperasi se cara spasial (ruang). dan lain lain). atau peta dapat dikategorikan sebagai model karena da pat merepresentasikan realita dengan cara yang lebih sederhana. wayang golek. pengertian.• • • model fisik (model arsitek. model statistika dan matematika (persamaan) yang menera ngkan beberapa aspek fisik. seperti memberikan penjelasan. kita akan sa ngat sering menggunakan beberapa model utama. Perencanaan dan pemodelan transportasi . dan bentuk sebag ai media penyampaian informasi mengenai keadaan sebenarnya (realita). tetapi dapat membay angkannya dengan hanya melihat model tersebut. D alam ilmu teknik sipil. dengan hanya mengguna kan media informasi garis dan angka dalam suatu peta kontur. Model graf is sangat diperlukan. Model grafis adalah model yang menggunakan gambar. Foto. Walaupun merupakan penyederha naan. Selain itu. model tersebut bisa saja sangat kompleks dan membutuhkan data yang sangat banyak dan waktu penyelesaian yang sangat lama. Model yang canggih belum tentu merupakan model yang baik. model maket (misalnya berskala 1:100) sering juga diguna kan untuk mempelajari perilaku bendungan atau jembatan sebelum bangunan sipil te rsebut dibangun dengan ukuran yang sebenarnya. khususnya untuk transportasi. seseorang (ahi geod esi) dapat langsung membayangkan perkiraan situasi dan kondisi lapangan sebenarn ya (realita) tanpa harus pergi ke lapangan. Beberapa keuntungan dalam pemaka ian model matematis dalam perencanaan 4 Ofyar Z Tamin. D engan melihat model miniatur itu. yaitu model grafis dan model matem atis. situasi. model teknik sipil. kadang kad ang model yang jauh lebih sederhana ternyata lebih cocok untuk tujuan. semakin sulit mod el tersebut dibuat (misalnya. pe ta dan diagram (grafis). Sebagai ilustrasi. wayang golek lebih mirip manusia dibandingkan deng an wayang kulit sehingga wayang golek lebih sulit dibuat dibandingkan dengan way ang kulit). sering kita temui penjualan model miniatur pariwisata (misalnya candi Borobu dur) yang sebenarnya merupakan replika candi tersebut dalam skala lebih kecil. seseorang tidak perlu mengeluarkan biaya besar pergi ke Yogyakarta untuk melihat candi tersebut (realita). Dalam perencanaan dan pemodelan transportasi. model maket (ba gian dari model fisik) sering digunakan dalam ilmu arsitektur untuk mempelajari dan menganalisis dampak pembangunan suatu kota baru ataupun pengembangan wilayah terhadap lingkungan sekitarnya dengan menggunakan model berskala lebih kecil. sketsa. warna. dan model transportasi. sosial ekonomi. dan kondisi tertentu. serta peramalan. Secara umum dapa t dikatakan bahwa semakin mirip suatu model dengan realitanya. Semua model tersebut merupakan cerminan dan penyederhanaan realita untuk tujuan tertentu. cukup dengan hanya melihat peta kont ur tersebut. Model matematis menggunakan persamaan atau fungsi matemati ka sebagai media dalam usaha mencerminkan realita.

Lembaga. masyarakat. tundaan. dan permasalahan lingku ngan yang sudah berada di atas ambang batas. Permasalahan tersebut semakin bertam bah parah melihat kenyataan bahwa meskipun sistem prasarana transportasi sudah s angat terbatas.2. pengambil keputusan. Terbatasnya bahan bakar secara temporer bukanlah permasalahan y ang parah. Akan tetapi. Perencanaan d an pemodelan transportasi serta pengambil keputusan dapat dikombinasikan dengan cara yang berbeda beda.2 Ciri permasalahan transportasi Ruang lingkup permasalahan transportasi telah bertambah luas dan permasalahannya itu sendiri bertambah parah. dan pengalama n. pemodela n transportasi hanya merupakan salah satu unsur dalam perencanaan transportasi. tradisi. akan tetapi banyak dari sistem prasarana tersebut yang berfungsi secara tidak efisien (beroperasi di bawah kapasitas). Hal yang perlu diperhatikan di sini adalah berapa besar keuntungan yang da pat diterima dari retribusi parkir dibandingkan dengan besarnya biaya yang harus dikeluarkan oleh setiap kendaraan yang melalui ruas jalan tersebut akibat menur unnya kecepatan. para perencana dapat belajar banyak. Permasalahan ini tidak hanya terbat as pada jalan raya saja. tergantung pada pengalaman lokal. 1. dan penegakan hukum adalah beberapa unsur lainnya yang harus direncanakan dengan baik untuk mendapatkan sistem perencanaan transportasi yang baik. baik di negara maju (industri) maupun di negara se dang berkembang. peraturan. misalnya: adanya warung t egal yang menempati jalur pejalan kaki yang menyebabkan pejalan kaki terpaksa ha rus menggunakan badan jalan yang tentunya akan mengurangi kapasitas jalan terseb ut. peningkatan arus lalulintas serta kebutuhan akan transpo rtasi telah menghasilkan kemacetan. Sebelum kita mendiskusikan cara memilih model yang baik. Kurangnya investasi pada suatu sistem jaringan dalam waktu yang cukup lama dapat mengakibatkan sistem prasarana transportasi te rsebut menjadi sangat rentan terhadap kemacetan yang terjadi apabila volume arus lalulintas meningkat lebih dari rata rata. melalui eksperimen. kecelakaan. Pertumbuhan ekonomi menyebabkan mobilitas seseorang men ingkat sehingga kebutuhan pergerakannya pun meningkat melebihi kapasitas sistem prasarana transportasi yang ada. administrator. dan lain lain. frekuensi. tentang perilaku dan mekanisme internal dari sistem yang sedang dianalisis. Pelayanan transportasi yang tidak sesua i dengan kebutuhan akan pergerakan menyebabkan sistem transportasi tersebut tida k berguna Pendahuluan 5 . j enis kargo yang diangkut. departemen.1 Ciri kebutuhan akan transportasi Kebutuhan akan pelayanan transportasi bersifat sangat kualitatif dan mempunyai c iri yang berbeda beda sebagai fungsi dari waktu. akan tetapi. 1. tujuan perjalanan. kalibrasi serta penggunaa nnya. sebaiknya diterangka n dahulu beberapa ciri utama permasalahan transportasi dan hal apa saja yang ter kait di dalamnya. Contoh lainnya: parkir di badan jalan sudah barang tentu akan mengurangi kap asitas jalan dan akan menyebabkan penurunan kecepatan bagi kendaraan yang melalu inya.transportasi adalah bahwa sewaktu pembuatan formulasi.

bandara harus berada jauh dari daer ah perkotaan karena alasan keselamatan dan kebisingan serta harus pula jauh dari daerah pegunungan karena alasan operasi penerbangan pesawat yang menggunakan ba ndara tersebut. Hal ini dapat dijelaskan sebagai berikut. Dalam me lakukan pergerakan untuk memenuhi kebutuhan tersebut. Perencanaan dan pemodelan transportasi . Daerah permukiman. dan kapal l aut. mungkin ia mampir dulu untuk berbelanja. yaitu bergerak dengan moda transportasi atau tanpa moda transportasi (berjalan kaki). A kibatnya. Semakin jauh kita bergerak. pegunungan). fasilitas sosial. industri. fasilitas h iburan. Seperti kita ketahui. 6 Ofyar Z Tamin. bandar udara. dalam ilmu perencanaan wilayah dan perkotaan. sedangkan pergerakan dengan moda transportasi berjarak sedang atau jauh. kesuburan tanah. taksi. pesawat terbang. Kebutuhan akan pergerakan bersifat sebagai kebutuhan turunan . dan fasilitas sosial. Jenis moda transportasi yang digunakan juga sangat beragam. Beberapa ciri teknis yang sering dipakai adal ah kondisi topografi (datar.(mubazir). Apa pun moda transportasinya. pusat perbelanjaan. Akan tetapi. seperti m obil pribadi. Pergerakan tanpa moda transportasi (misal berjalan kaki) biasanya berjar ak pendek (1−2 km). sepeda motor. dan p erkantoran yang merupakan tempat pemenuhan kebutuhan harian harus disebar secara merata dalam suatu daerah perkotaan sehingga jarak dari perumahan ke berbagai l okasi tersebut menjadi lebih pendek. pergerakan ter jadi karena adanya proses pemenuhan kebutuhan. kita mempunyai dua pilihan . lokasi kegiatan tersebar secara heterogen di dalam ruang yang ada yang akhirnya menyebabkan perlu adanya pergerakan yang digunakan untuk proses pemenu han kebutuhan. pertokoan. dan geologi. kereta api. jala n rel. Misalnya. Kemudian. dan berolahraga pada lokasi lain yang berbeda. perkantoran. moda tersebut tidak akan pernah dapat bergera k kalau kita tidak mempersiapkan tempat mereka bergerak seperti jalan raya. sebelum pulang ke rumah pada sore hari. Ciri ini membuat analisis dan peramalan kebutuhan akan pergerakan men jadi semakin sulit. semuanya mempunyai beberapa persyaratan teknis dan non teknis yang harus dipenuhi dalam menentukan lokasinya. kesehatan. semakin tinggi peluang kita memberikan kontribusi terhadap kemacetan di kota tersebut. Seseorang akan berangkat pada pagi hari dari lokasi perumahan ke lokasi tempat bekerja. Pemenuhan kebutuhan merupakan keg iatan yang biasanya harus dilakukan setiap hari. dan pelabuhan laut yang biasa disebut sistem prasarana tran sportasi dan akan dijelaskan berikut ini. fasilitas hiburan. setiap tata g una lahan mempunyai beberapa ciri dan persyaratan teknis yang harus dipenuhi dal am perencanaan dan perancangannya. bus. Dengan demikian. Kita sebenarnya tidak perlu b ergerak kalau semua kebutuhan tersebut tersedia di tempat kita berada (tempat ti nggal). dan olahraga. bukit. pendidikan. misalnya pemenuhan kebutuhan ak an pekerjaan. Setiap lahan atau ta ta guna lahan mempunyai ciri teknis tersendiri yang dapat menentukan jenis kegia tan yang cocok di lokasi tersebut.

prasarana tersebut tidak mungkin disimpa n dan digunakan hanya pada saat diperlukan. Peran pertama sering digunakan oleh para perencana pengembang wilayah untuk dapa t mengembangkan wilayahnya sesuai dengan rencana. sangatlah penting mengetah ui secara akurat besarnya kebutuhan akan transportasi pada masa mendatang sehing ga kita dapat menghemat sumber daya dengan mengatur atau mengelola sistem prasar ana transportasi yang dibutuhkan. meskipun fasilitas rumah dan sawah sudah siap pakai. barulah sistem prasarana transportasinya ditingkatkan sesuai dengan peramalan kebutuhan akan p ergerakan pada masa mendatang. Oleh sebab itu. Sistem prasarana transportasi harus selalu dapat digunakan di mana pun dan kapan pun. sistem prasarana transportasi mungkin belum diperlukan pada saat sekarang karena kebutuhan akan pergerakan masih sangat rendah atau belum ada sa ma sekali. bukan berupa barang atau komoditas. setelah kawasan tersebut berkembang yang men yebabkan terbentuknya kebutuhan akan pergerakan yang cukup besar. Hal yang sama juga terjadi di lahan permukim an transmigrasi. yaitu: • • sebagai alat bantu untuk mengarahkan pembanguna n di daerah perkotaan. kita akan k ehilangan manfaatnya (mubazir). hal ini akan mengakibatkan biaya transportasi menjadi sangat ting gi. secara umum dapat dikatakan bahwa peranan pere ncanaan transportasi sebenarnya adalah untuk dapat memastikan bahwa kebutuhan ak an pergerakan dalam bentuk pergerakan manusia. maka aksesibilitas permukiman tersebut menjadi sema kin tinggi (semakin mudah dicapai) yang akhirnya menyebabkan minat pembeli menja di bertambah untuk tinggal di situ. Pada dasarnya. Suatu kawasan permukiman tidak akan dapat berkembang. Oleh karena itu pula. karena jika tidak. jika tidak tersedia sistem prasarana transportasi. sebagai prasarana bagi pergerakan manusia dan/atau barang yang timbul akibat adanya kegiatan di daerah perkotaan tersebut. Katakanlah ada suatu daerah pe rmukiman baru yang hendak dipasarkan. atau Pendahuluan 7 . sistem prasarana transportasi m empunyai dua peran utama. Di sinilah mulai tampak peran kedua dari sistem p rasarana transportasi. barang. kebijakan yang har us dilakukan adalah menyediakan sistem prasarana transportasi dengan kualitas se minimal mungkin tetapi masih bisa dilalui.3 Keseimbangan antara sistem prasarana transportasi dan kebutuhan akan trans portasi Seperti terlihat pada gambar 1. Oleh karena itu. Seterusnya. Jika hal ini dibiarkan terus menerus maka kawasan permukiman tersebut tidak akan pernah bisa berkembang selamanya. tidak akan pernah ada peminatnya kalau di daerah itu tidak disediakan sistem prasarana transportasi. 1.2 Ciri sistem prasarana transportasi Ciri utama sistem prasarana transportasi adalah melayani pengguna. Begitu sistem prasara na transportasinya tersedia.1. Sebaliknya.2.2. Adanya keterhubungan atau konektivita s ini akan menyebabkan kawasan tersebut menjadi mudah dicapai dan orang akan mul ai mau tinggal di sana.1.

M} (1. sehingga: Q = f{I. Perencanaan dan pemodelan transportasi . d an kebijakan. sistem lampu lalulintas terk oordinasi. Sistem prasarana transportasinya sendiri terbentuk dari: • • • sistem prasarana (penunjang). dan waktu terjadi nya pergerakan.V. Dalam bentuk yang lebih umum. moda transportasi yang digunakan. dan lain lain. beberapa jenis moda transportasi dengan berbagai macam operatornya . Dalam bentuk umum. dan kapasitas operasional (Q) yang beroperasi di bawah sistem m anajemen transportasi tertentu (M).1 Kemacetan dan beberapa efek eksternalnya Sumber: Ortuzar and Willumse n (1994) Kebutuhan akan pergerakan itu sendiri mempunyai ciri yang berbeda beda. sistem manajemen transportasi. Kapasitas (Q) akan sangat tergantung pada sistem manajemen (M) dan tingkat penyediaan investasi (I) selama beberapa tahun . satu se t kecepatan (S). misalnya sistem jaringan jalan raya atau jalan rel termas uk terminal. Arus V Gambar 1. Pertimbangkan satu set volume pergerakan pada suatu sistem jaringan (V). batasan lalulintas.M} (1. biaya penggunaan jalan. seperti perbedaan tujuan perjalanan. dapat dikatakan bahwa kec epatan arus pergerakan dalam sistem jaringan tersebut dapat ditampilkan dalam pe rsamaaan berikut: S = f{Q. LOS tergantung dari kombinasi kecepa tan atau waktu tempuh.kendaraan dapat ditunjang oleh sistem prasarana transportasi yang ada dan harus beroperasi di bawah kapasitasnya. Sistem manajemen (M) meliputi manajemen lalulintas. atau peraturan yang diber lakukan bagi setiap moda transportasi. misalnya undang undang. waktu tunggu dan tarif (bus atau parkir).2) 8 Ofyar Z Tamin. peraturan.1) Kecepatan dapat dianggap sebagai indikator umum dalam menyatakan tingkat pelayanan (Level of Service=LOS) dari sistem jarin gan tersebut.

bukanlah hal yang mudah. dan program investa si (I).1) dan (1. Tami n (1988a) dan Ortuzar and Willumsen (1994) mengusulkan beberapa hal yang perlu d iperhatikan dalam menentukan pendekatan analitis yang akan dipakai. sudah barang tentu. Seperti dalam kasus ba rang dan pelayanannya. tetapi dapat membuat frustrasi para perencan a transportasi. strategi sistem manajemen transportasi (M). Oleh karena itu. seperti lingkungan. pengendara sepeda). apakah h anya Pendahuluan 9 . keamanan. atau operasional . dapat dikatakan bahwa hasil perencanaan dan pemodelan tran sportasi merupakan alat bantu bagi para pengambil keputusan dalam menentukan keb ijakan yang akan diambil. antara lain yang berikut ini. yang akan menghasilkan Q’.3 Pemilihan pendekatan model Kebijakan transportasi yang akan diambil atau diputuskan oleh para pengambil kep utusan biasanya menggunakan hasil perencanaan dan pemodelan transportasi sebagai alat bantu dalam mengambil keputusan. pertahanan. akan ditemukan satu set titik keseimbangan antara kebutuhan aka n pergerakan dengan sistem prasarana transportasi. bukan sebagai penentu kebijakan. taktis. lingkungan (kendaraan berbahan bakar gas atau listrik) atau. Oleh karena itu. dan sosial budaya yang mungkin tidak (pernah) terpikirkan oleh para peren cana transportasi. 1 Pengambilan keputusan Hal yang perlu diperhatikan di sini an tara lain apakah keputusan tersebut bersifat strategis.3) untuk suatu sistem aktivitas y ang sudah tetap. misalnya efisiensi (pengguna angkutan umum. Oleh sebab itu. Hal ini. Hal ini karena para pengambil keputusa n memperhitungkan faktor yang lain.Sistem manajemen juga bisa digunakan untuk mendistribusikan kembali kapasitas se tiap sistem prasarana transportasi. Jadi. dan/atau memberikan prioritas khusus pada pengguna tertentu.A} (1. sistem aktivitas tersebut mungkin akan berubah sejalan dengan perubahan tingkat pelayanan prasar ana dalam ruang dan waktu. Sifat keputusan tersebut dapat menentukan tingkat kedalaman analisis. para pengambil keputusan lebih mempunyai wewenang dalam menentukan kebijakan yang akan ditentukan dibandi ngkan dengan para perencana transportasi. ek onomi. seseorang akan memperkirakan bahwa tingkat kebutuhan akan pergerakan (D) akan tergantung pada tingkat pelayanan yang disediakan oleh sist em transportasi dan juga pengalokasian aktivitas (A) dalam ruang: D = f{S. akan ditemukan beberapa set titik ke seimbangan untuk jangka pendek dan jangka panjang. Tujuan perencanaan transporta si adalah meramalkan dan mengelola evolusi titik keseimbangan ini sejalan dengan waktu sehingga kesejahteraan sosial dapat dimaksimumkan. Model transportasi yang diabaikan oleh para pengambil keputus an bukan saja merupakan pemborosan. hak penggunaan prasarana yang adil (pejalan kaki). Akan tetapi. 3) Dengan menggabungkan persamaan (1. 1. pemodelan titik keseimbangan akan menolong kita memahami evolusi tersebut secara lebih baik sehingga dapat menyarankan berbagai macam kebijakan.

adanya komunikasi yang b aik dengan para pengambil keputusan serta masyarakat sebagai pengguna akan mengu rangi permasalahan. 2 Persyaratan ketepatan Ketepatan hasil kajian perencanaan dan pemodelan transpor tasi sangat diperlukan dan tergantung pada tujuan kajian tersebut. dan seterusnya. Persyaratan proses data Mungkin salah satu pertanyaan yang t imbul di sini adalah seberapa besar kemampuan perangkat komputer yang diperlukan ? Jawabannya. Selain itu. data. dapat dikatakan model tersebut menjadi semakin baik. kualitas peralatan yang digunakan u ntuk mendapatkan data tersebut serta kualitas surveyor yang menggunakan peralata n tersebut. kemam puan peneliti. Sumber daya yang tersedia Hal ini menyan gkut dana. maka melakukan pemodelan sesederhana mungkin akan leb ih baik daripada pemodelan yang menyeluruh. Jadi. Waktu merupakan hal terpenting − jika hanya sedikit waktu yang tersedia dalam penentuan kebijakan. perangkat komputer. kemampuan memilih model yang tepat sangat dibutuhkan yang harus sesu ai dengan situasi dan kondisi tertentu. fasilitas internet telah pula tersedia dan bis a didapat dengan biaya yang sangat murah yang memungkinkan data bisa langsung di dapatkan pada saat yang bersamaan dengan kegiatan pengumpulan data (waktu nyata) .faktor transportasi saja atau ada faktor lain yang ikut mempengaruhi atau ikut t erpengaruh. meskipun sudah tersedia. semakin kita dapat mencerminkan realita. Menatar surveyor sebelum melaksanakan survei dan penjelasan manual p eralatan merupakan suatu usaha yang tepat dalam meningkatkan ketepatan data. Fasilitas faksimili merupakan alat bantu utama dalam proses transform asi data. Dari sisi sistem transportasi. Pada saat sekarang ini. mungkin tidak perlu terlalu besar karena satu komputer jinjing sud ah mempunyai kemampuan yang sangat besar dan kecepatan proses yang sangat tinggi dengan harga yang cukup murah. Akan tetapi. sistem transformasi data yang tidak begitu baik menyebabkan data tersebut sangat susah didapat. Karena keterbatasan biaya dan waktu. Selain itu. Dua jenis sumber daya yang perlu digarisbawahi di sini adalah waktu dan tingkat komunikasi dengan para pengambil keputusan dan ma syarakat. apakah kita hanya tertarik pada kebut uhan akan pergerakan saja atau termasuk juga sistem prasarananya dan lain lain? Pertanyaan mengenai berapa banyak pilihan yang harus dipertimbangkan dalam menen tukan suatu kebijakan transportasi juga merupakan hal yang perlu diperhatikan. Ter sedianya data yang dibutuhkan Data merupakan permasalahan utama dalam pemodelan. sedangkan ketepatan data sangat t ergantung pada jumlah data yang dikumpulkan. Terbatasnya data dari sisi kualitas dan kuantitas menyebabkan hasil pemodelan t idak mempunyai ketepatan yang tinggi. untuk mencapai hal tersebut biasanya dibutuhk an dana yang sangat besar dan data yang sangat banyak. Kemutakhiran pemodelan Pemodelan adalah pencerminan dan penyederhanaan realita . Ketepatan dat a sangat menentukan ketepatan hasil pemodelan. Hambatan utama dalam 3 4 5 6 10 Ofyar Z Tamin. termasuk paket program yang tersedia. Perencanaan dan pemodelan transportasi .

1 Struktur model Apakah mungkin kita membuat model untuk suatu sistem dengan suatu struktur seder hana yang berupa fungsi dari beberapa alternatif yang saling tidak berhubungan? Atau. tetapi membutuhkan lebih banyak sumber daya dan teknik untuk proses pengkalibrasian model tersebut.4.4. menjalankan program.4 Faktor dalam pemodelan transportasi 1.4. memasukkan data.4) Pndahuluan 11 . Jum lah perencana atau peneliti yang banyak serta berkualitas baik sangat diperlukan . 7 Tingkat kemampuan perencana dan peneliti Biaya pelatihan biasanya c ukup tinggi sehingga langkah yang terbaik adalah menggunakan model yang ada seef isien mungkin sambil mempelajari dan memahami model lainnya yang lebih baik.3 Spesifikasi peubah 1. Peubah apa yang dapat diguna kan dan bagaimana peubah tersebut berhubungan satu sama lain dalam suatu model? Untuk menjelaskannya diperlukan proses tertentu dalam menentukan peubah yang dom inan. Peningkatan kemampuan para peneliti tidak perlu dilakukan melalui pendidikan f ormal karena membutuhkan waktu yang cukup lama dan biaya yang mahal.4. dan menafsirkan keluaran dari program tersebut.2 Kalibrasi dan pengabsahan model Suatu model dapat secara sederhana dinyatakan sebagai fungsi matematika dari beb erapa peubah X dan parameter θ.1. 1. Pelatihan a tau penyuluhan merupakan salah satu hal yang sangat efektif untuk mengatasi perm asalahan tersebut. dan dengan meto dologi yang sudah berkembang sekarang sangat dimungkinkan membentuk model yang s angat umum yang memiliki banyak peubah. 1. 1.1. 1.1 Spesifikasi model Tamin (1988a) dan Ortuzar and Willumsen (1994) menjelaskan beberapa hal penting yang harus dipertimbangkan yang dirasakan perlu dijabarkan lebih lanjut.memproses data tersebut adalah kemampuan manusia dalam mengumpulkan. θ) (1. sprti: Y = f(X. apakah perlu kita membuat model yang sangat kompleks yang digunakan untuk menghitung peluang dari suatu kejadian yang telah pernah terjadi? Pertanyaan ini sering timbul pada setiap peneliti.4. antara lain proses kalibrasi dan pengabsahan. mengkodefik asi.2 Bentuk fungsional Apakah mungkin menggunakan bentuk linear ataukah suatu permasalahan memerlukan p emecahan yang bersifat tidak linear? Pemecahan tidak linear akan dapat mencermin kan realita secara lebih tepat. Model kontemporer selalu mempunyai banyak p arameter untuk bisa menunjukkan aspek struktural model tersebut.1.

a Fungsi Konsp matmatis yang d igunakan untuk mnyatakan bagaimana satu nilai pubah (tidak bbas) ditntukan o lh satu atau bbrapa pubah lainnya (bbas). Akan ttapi. yan g mungkin mmpunyai nilai konstan yang brbda pada kasus yang lain.3 Bbrapa dfinisi dalam pmodlan Bbrapa dfinisi brikut ini prlu dijlaskan karna sring digunakan dalam pro ss pmodlan (Black. Jika suatu huruf digu nakan untuk mnyatakan nilai suatu fungsi. Kofisin D alam aplikasi matmatika. khususnya dalam pmakaian di bidang transportasi. Suatu modl yang sudah dikalibrasi dngan data trtntu blum tntu cocok dipakai untuk pnrapan yang lain. modl trsbut prlu diabsahkan trlbih dahulu dngan mnggunakan data asli darah t rsbut. Smntara itu. Dalam kasus ini. 1997c). Olh karna itu. Paramtr Ku antitas yang mmpunyai suatu nilai konstan yang brlaku pada kasus trtntu. huruf itu disbut pubah tidak bbas. b c d  12 Ofyar Z Tamin.Sangatlah mnarik mngkaji prbdaan antara kalibrasi modl dan taksiran modl. bisa saja satu atau lbih paramtr dianggap tidak signifikan dan olh karna itu prlu dikluarkan dari modl. Prosdur ini sring diguna kan olh fisikawan dan ahli tknik yang brtugas mmbuat modl prtama (awal) da n mrka tidak prlu mncmaskan prilaku statistika yang dihasilkan. pnaksiran modl mliputi usaha untuk mndapatkan nilai paramtr shingga hasil spsifikasi modl trsbut dapat mndkati data hasil pngamatan (ralita) . Prosdur i ni sring dilakukan olh para ahli tknik dan konomi yang brtanggung jawab dal am pngmbangan modl slanjutnya yang lbih mmntingkan prilaku statistika mo dl trsbut.4. Pngkalibrasian modl mnsyara tkan pmilihan paramtr yang mngoptimumkan satu atau lbih ukuran kssuaian y ang juga mrupakan fungsi dari data hasil pngamatan. pubah bbas itu disbut argumn. sblum ditrapkan di tmpat lain. Argumn Nilai trtntu suatu fung si dapat dihitung dngan mmasukkan nilai pada pubah (bbas) yang ada dalam fun gsi trsbut. kdua prosdur trsbut pada dasarnya sama karna car a untuk mnntukan paramtr mana yang lbih baik yang akan digunakan ditntukan olh ukuran kssuaian. disbut pubah bbas. 1981 dan LPM-ITB. 1. Pubah Kuantitas yang dapat digu nakan untuk mngasumsikan nilai numrik yang brbda-bda. jika digunakan sbagai argumn suatu fungsi. Hal ini disbabkan karna pada dasarnya ralita antara kdua trapan trsbut brbda. kofisin mmpunyai dfinisi yang sama dngan paramt r. trutama pubah yan g mungkin tidak sama. Taksiran juga mmprtimbangka n kmungkinan mmplajari bbrapa faktor spsifikasi scara mpiris. Prncanaan dan pmodlan transportasi .

5.f Kalibrasi Pross yang dilakukan untuk mnaksir nilai paramtr atau kofisin s hingga hasil yang didapatkan mmpunyai galat yang skcil mungkin dibandingkan d ngan hasil yang sbnarnya (ralita).1. 1. Kajian prncanaan transportasi biasanya mlibatkan bidang kilmuan Pndahuluan 13 . ciri kajian prncanaan transportasi ditandai dngan ada nya multimoda.1 Pndahuluan Prlu disadari bahwa kajian prncanaan transportasi mmpunyai ciri yang brbda dngan kajian bidang lain. bagaimana pun. 1997a). Artinya. Di samping itu. smua aspk kajian trsbut harus dapat di antisipasi. Tambahan lain.5.1 Multimoda Kalaupun kajian yang dimaksud difokuskan pada darah trtntu.1. Hal ini disbabkan karna objk pnlitian suatu kaj ian prncanaan transportasi cukup luas dan bragam. harus mmprhatikan adanya intraksi antara prgraka n intrnal di dalam darah kajian (misalnya trminal bus atau bandara) dngan p rgrakan kstrnalnya. kajian pr ncanaan transportasi juga biasanya mlibatkan aspk yang cukup banyak dan braga m pula. Tntu saja dalam plaksanaannya. dan/atau bar ang. Biasanya algoritma sring digunakan dalam pmbuatan program komputr. Indonsia di knal sbagai ngara yang trdiri dari ribuan pulau shingga prgrakan dari sua tu tmpat asal k tmpat tujuan sangat tidak mungkin hanya mnggunakan satu moda saja. Algoritma Suatu prosdur yang mnunjukkan urutan oprasi aritmatik yang rumit. Tidaklah mnghrankan bahwa Sistm Transportasi Nasional (Sistranas) yang kita miliki mmpunyai konsp utama. aspk multimoda akan slalu timbul k prmukaan. multidisiplin. pn gguna jasa. harus diprhatikan adanya moda transportasi lain slain bus (untuk trminal bus) atau psawat udara (untuk bandara). sampai dngan sistm prasarana atau pun sarana transportasi itu snd iri. Trminal da lam konsp sistm transportasi intgrasi antarmoda mmgang pranan yang sangat pnting karna pross prtukaran moda trjadi di trminal dan waktu pross trs but mrupakan hal trpnting yang sangat prlu diprhatikan para prncana trans portasi. yaitu konsp sistm transportasi intgrasi antarmoda. Hal ini mudah dimngrti mngingat obj k dasar kajian prncanaan transportasi adalah prgrakan manusia. multisktoral.2 Multidisiplin Kajian prncanaan transportasi mlibatkan banyak disiplin kilmuan karna aspk kajiannya sangat bragam.5. Prncana tr ansportasi. 1996. yang pasti mlibatkan banyak moda transportasi. 1. misalnya trminal bus atau bandara. dan multimasalah (lihat juga LPMITB . Kajian prncanaan transportasi slalu mlibatkan lbih dari sat u moda transportasi sbagai bahan kajian. Scara singkat. mulai dari ciri prgrakan. Ktidakfisinan dalam pross prtukaran moda akan mnybabkan sistm t ransportasi intgrasi antarmoda pun scara ksluruhan mnjadi tidak fisin.5 Ciri dasar prncanaan transportasi 1. g 1.

14 Ofyar Z Tamin.sprti rkayasa. BPN. Meskipun terdapat perbedaan antara kota k ota di berbagai negara.4 Multimasalah Karna kajian prncanaan transportas i mrupakan kajian multimoda. dan lainlain. ma salah lalulintas (gangguan lalulintas di pintu masuk dan keluar terminal atau pe rilaku pengemudi yang tidak disiplin). konomi. dan multisktoral. masalah yang mun gkin timbul meliputi masalah rekayasa (lapisan tanah yang jelek atau sistem drai nase yang buruk). op erasional. gografi. diprlukan sorang ahli prncana wilayah untuk mnntukan lokasi trminal bus yang baik. Kajian prncanaan transportasi biasanya mlibatkan bbrapa lmbaga pmrintah atau pun swasta yang masing-mas ing mmpunyai kpntingan yang brbda shingga diprlukan koordinasi dan pnang anan yang baik. Perencanaan dan pemodelan transportasi . dan psikologi. dalam kajian ini juga akan dibutuhkan sorang ahli transportasi un tuk mngkaji dan mmprkirakan potnsi jumlah pnumpang atau pun jumlah bus yang akan dilayani olh trminal bus itu pada tahun rncana. pnlitian oprasional. atau pihak trkait yang brkp ntingan dngan kajian prncanaan transportasi. masalah ekonomi (alokasi dana pemerintah yang terbatas. Ciri ini merupakan prinsip dasar yang merupakan titik tolak kajian transportas i.1. Untuk mlakukan kajian trsbut . mari kita tinjau kajian pnyusunan rncana induk trminal bus antarkota. masalah s osial (perilaku penumpang bus yang tidak disiplin atau timbulnya premanisme). Slain itu.5. sampai dengan aspek sosial. Dinas Tata kota.3 Multisktoral 1. Yang dimaksud dnga n multisktoral di sini adalah banyaknya lmbaga. pergerakan di dalam daerah perkotaan mempunyai beberapa ciri yang sama yang berlaku hampir pada semua kota kecil dan kota besar di dunia . sorang ahli konomi juga dibutuhkan untuk mngkaji sistm dan bsaran t arif di lingkungan trminal dan juga untuk mngkaji tingkat klayakan konomi da n kuangan dari rncana pngmbangan trminal antarkota itu. mulai dari yang berkaitan dengan aspek pengguna jasa. sosial politik. ekonomi. Di sampi ng itu. tntu saja mnim bulkan multimasalah − permasalahan yang dihadapi mempunyai dimensi yang cukup bera gam dan luas. multidisiplin. Untuk kasus prncanaan trminal bus antarkota sprti contoh di atas misalnya. ditinjau dari sudut pandang pnataan tata ruang dan darah. dan untuk mngkaji sist m sirkulasi intrnal dan kstrnal yang trbaik bagi trminal bus itu. rekayasa. masalah pertanahan (lahan yang terbatas).5. polantas. lmbaga pmrintah atau pun swasta yang trkait mliputi DLLAJ. oprator bus. Dinas Pndapatan Darah. Untuk contoh kasus pengembangan terminal bus antarkota di atas. Slanjut nya. juga dibutuhkan sorang ahli tknik untuk mngkaji tata ltak bangunan di a ral trminal dan juga untuk mngkaji jnis konstruksi stiap prasarana trminal . informatika. daya b eli masyarakat yang rendah).1. 1. Sbagai ilustrasi. mat matika. Ciri ini juga mendefinisikan konsep yang digunakan oleh para perencana angkut an dan perekayasa untuk memahami dan mempelajari pergerakan.

00 sampai jam 08. Dalam hal ini kita dapati bahwa pada pagi hari.Oleh sebab itu. artinya. baik di Eropa maupun di Amerika Serikat. waktu perjalanan sangat tergantung pa da maksud perjalanan. 1. Kemudian. Pada kenyataan ini biasanya ditambahkan kategori keenam tujuan perja lanan.00 dijumpai banyak perjal anan dari tempat kerja ke rumah masing masing. waktu terjadinya pergerakan.00 sampai jam 18. pendidikan. Biasanya maksud perjalanan dikelompokk an sesuai dengan ciri dasarnya. Dengan demikian. dan jenis moda yang digunakan. maka waktu perjalanan untuk maksud perjalanan kerja biasanya m engikuti pola kerjanya. 1996. kapan orang melakukan perjalanan. Jika ditinjau lebih jauh lagi akan dijumpai kenyataa n bahwa lebih dari 90% perjalanan berbasis tempat tinggal.2. perlu dikaji beberapa konsep dasar yang melatarbelakangi kajian angkutan dan bagaimana konsep ini saling berkaitan untuk membentuk apa yang dise but sistem transportasi.00. dan pola perjalanan angkutan barang.5.2. Perjalanan ke tempat kerja atau perjalanan dengan maksud b ekerja biasanya merupakan perjalanan yang dominan.5. sekitar jam 06. Konsep yang akan dikaji dibagi dalam dua bagian. sebelum data kota di Indonesia dikumpulkan secara rutin. maka kita dapatkan bahwa kedua waktu terjadinya perjalanan dengan tujuan bekerja ini menghasilkan waktu puncak pergerakan. b Sebagian besar konsep ini telah dikembangkan pada tahun 1960 an dan awal tahun 1 970 an. bud aya. termasuk pola tata guna lahan. pola perjalanan orang. Karena pola kerja biasanya dimulai jam 08. dan karena itu sangat penting diamati secara cermat. sosial. misalnya yang menyangkut pertanyaan mengap a orang melakukan perjalanan.2 Ciri pergerakan tidak spasial Seperti diuraikan sebelumnya. 15 Pendahuluan . konsep mengenai ciri pergerakan spasial (dengan b atas ruang) di dalam kota. yaitu yang berkaitan dengan ekonomi.00 dan berakhi r pada jam 16. yaitu (lihat juga LPM ITB. Sebab terja dinya pergerakan dapat dike1. ciri pergerakan tidak spasial adalah semua ciri pe rgerakan yang berkaitan dengan aspek tidak spasial. muncul permasalahan m engenai relevansinya dengan negara sedang berkembang seperti Indonesia. seperti sebab terjadinya per gerakan.1 Sebab terjadinya pergerakan lompokkan berdasa rkan maksud perjalanan (lihat tabel 1. yaitu maksud perjalanan pulang ke rumah. mereka memul ai perjalanannya dari tempat tinggal (rumah) dan mengakhiri perjalanannya kembal i ke rumah.5. Meskipun demikian. 1997c): a konsep mengenai ciri pergerakan tidak spasi al (tanpa batas ruang) di dalam kota.00. 1. dan jenis angkut an apa yang mereka pergunakan. dan pada sore hari sekitar jam 16.2 Waktu terjadinya pergerakan Waktu terjadinya pergerakan sangat tergantung pada kapan seseorang melakukan akt ivitasnya sehari harinya.1). kita tidak a kan dapat mengetahui secara pasti bagaimana konsep ini harus disesuaikan dengan keadaan kota di Indonesia. Karena jumlah perjalanan dengan m aksud bekerja ini merupakan jumlah yang dominan. dijumpai begitu banyak perjalanan untuk tujuan beker ja. dan agama.

Ke dan dari tempat rekreasi Yang berkaitan dengan perjalanan dan berkendaraan un tuk rekreasi Ke dan dari tempat ibadah Perjalanan bukan hiburan ke dan dari daer ah budaya serta pertemuan politik V. SOSIAL Menciptakan. PENDIDIKAN 1. tetapi pelayana n medis. Mengunjungi restoran. Butir 2 juga terkombinasi denga n perjalanan dengan maksud hiburan.00 sampai 14. kampus dan lain lain IV. REKREASI DAN HIBURAN 1. Mendapatkan barang dan pelayanan 1.00−18. Perjalanan kebudayaan dan hiburan sangat sulit dibedakan. Ke dan dari rumah teman Ke dan dari t empat pertemuan bukan di rumah Kebanyakan fasilitas terdapat dalam lingkungan ke luarga dan tidak menghasilkan banyak perjalanan.1 Klasifikasi pergerakan orang di perkotaan berdasarkan maksud pergeraka n Aktivitas I. kunjungan sosial.00−14. EKONOMI a. 2. hukum. Mengingat sekolah dari tingkat da sar sampai tingkat menengah pada umumnya terdiri dari dua giliran. pada saat itu para pekerja pergi untuk makan siang d an kembali lagi ke kantornya masing masing. pulang ke rumah mengangkut barang ke dan dari rapat Yang berkaitan dengan belanja atau bisnis pribadi Pelayanan hiburan dan rekreasi diklasifikasikan secara terpisah. Dalam hal ini dijumpai tiga puncak perjalanan sekolah. b. KEBUDAYAAN 1. di siang hari pada jam 13. II. Tentu saja jumlah perjalanan yang di lakukan pada siang hari ini tidak sebanyak pada pagi atau sore hari mengingat ma kan siang terkadang dapat dilakukan di kantor atau kantin di sekitar kantor. sekitar 40−50% penduduk.00. c. 16 . Sel anjutnya. Ke dan dari sekolah. perjalanan dengan maksud sekolah atau pun pendidikan cukup banyak juml ahnya dibandingkan dengan tujuan lainnya sehingga pola perjalanan sekolah ini pu n turut mewarnai pola waktu puncak perjalanan. dan kesejahteraan termasuk di sini. termasuk perjalanan pada hari libur. Sumber: LPM ITB (1996. menj aga hubungan pribadi III. Hal ini terjadi pada sebagian besar penduduk yang berusia 5−22 tahun.00. yaitu pada pagi ha ri jam 06. Mencari nafkah b.00. dan di sore hari pa da jam 17. 1997ac) Di samping kedua puncak tersebut. 3. 2.Tabel 1. 2. yaitu sekolah pagi dan sekolah sore. yaitu seki tar jam 12. Di negara sedang berkembang jumlahnya sekitar 85% pendud uk. Klasifikasi perjalanan Ke dan dari tempat kerja Yang berkaitan dengan bekerja Ke dan dari toko dan kelu ar untuk keperluan pribadi Keterangan Jumlah orang yang bekerja tidak tinggi.00.00 sampai 07. 2. dijumpai pula waktu puncak lainnya. maka pola perjalanan sekolah pun dipengaruhi oleh keadaa n ini. 1. Perjalanan yang b erkaitan dengan pekerja termasuk: a.

Perencanaan dan pemodelan transportasi .Ofyar Z Tamin.

yang menunjukkan tiga waktu puncak. yaitu waktu puncak pag i.3 Jenis sarana angkutan yang digunakan Dalam melakukan perjalanan.Perjalanan lainnya yang cukup berperan adalah perjalanan untuk maksud berbelanja . jarak tempuh. penangana n yang paling sesuai dapat diterapkan pada waktu yang tepat sehingga masalah kem acetan dapat dihindari sejak awal. dan pelakunya bis a melakukannya kapan pun selama toko atau pasar buka. Inf ormasi mengenai pola variasi harian ini sangat penting bagi perencana transporta si. Adany a pola variasi harian yang tidak seimbang antara waktu puncak dan waktu tidak pu ncak saat ini menjadi perhatian utama para ahli perencana transportasi karena ma salah yang dihadapi di kota besar biasanya masalah kemacetan yang terjadi pada j am puncak. berbelanja. orang mempertimbangkan berbagai faktor. waktu puncak siang. pada kenyataannya sangatlah sulit merumuskan mekanisme pemilihan moda ini. Tentu saja rin cian waktu terjadinya waktu puncak berbeda antara satu kota dengan kota lainnya. Selain itu. tergantung pada ciri pola waktu kerja yang ada dan ciri pola waktu sekolah. orang biasanya dihadapkan pada pilihan jenis angkuta n − mobil. pesawat terbang. prasarana dan sarana transportasi yang disediakan menjadi rendah tingkat pe makaiannya. Dengan diketahuinya pola variasi harian ini. Untuk itu perlu dipikirkan cara lain agar penyediaan prasarana dan s arana transportasi mampu mengantisipasi perjalanan yang ada dan sekaligus mempun yai tingkat pemakaian yang memadai. informasi pola variasi harian ini juga dapat digunakan sebagai acuan untuk menentukan strategi yang paling sesuai untuk pengaturan sistem angkutan umum mengingat bahwa pola beban yang berbeda m engakibatkan pola operasional yang berbeda dan juga pola pembiayaan yang berbeda . pendidikan. ahli transportasi dapat m engetahui pada jam jam berapa saja sebenarnya prasarana jaringan jalan atau pun jaringan angkutan umum akan menerima beban puncaknya. Jadi. Dengan mempelajari pola variasi harian perjalanan. Jika waktu puncak diantisipasi dengan baik.5. pola perjalanan setiap hari di su atu kota pada dasarnya merupakan gabungan dari pola perjalanan untuk maksud beke rja. Karena kegiatan berbelanja ini tidak mempunyai waktu khusus. dan tingkat kenyamanan. Dalam menentukan pilih an jenis angkutan. pada umumnya berupa pola menyebar. angkutan umum. sistem frekuensi dan sistem pentarifan yang paling sesuai. dan kegiatan sosial lainnya. misalnya. maka pada waktu tidak pun cak. 1. Dengan demikian. Meskipun terdapat juga puncak pada pagi dan sore hari. Pendahuluan 17 . Pola perjalanan yang d iperoleh dari penggabungan ketiga pola perjalanan di atas terkadang disebut juga pola variasi harian. puncak ini tidak terlalu nyata. Pola variasi harian seperti ini di jumpai di semua kota berukuran sedang dan besar di seluruh dunia. biaya. dan waktu puncak sore. maka tidak ada pola khusus untuk perjalanan dengan maksud belanja ini. jika ditinjau secara keseluruhan. Meskipun dapat diketahui faktor yang menyebabkan seseorang memilih jenis moda yang digunakan.2. yaitu maksud perjalan an. perencana transportasi dapat meng atur. atau kereta api.

Jika s uatu daerah sepenuhnya terdiri dari lahan tandus tanpa tumbuhan dan sumber daya alam. dan perj alanan dengan mobil meningkat. sebagian besar perjalanan dengan maksud bekerja dilakukan oleh orang dewasa yang memiliki kendaraan dan mengemudikannya sendiri ke tempat kerja. dan bus kota. Dari data tersebut jelas terlihat bahwa ditinjau dari maksud perjalanan. mereka berjalan kaki atau naik bus ke sekolah. 18 Ofyar Z Tamin. sepeda moto r dan bus.5. Perjalanan ke tempat kerja mencakup 20% dari jumlah seluruh perjalanan. keterk aitan antarwilayah ruang sangatlah berperan dalam menciptakan perjalanan. perjalanan terjadi karena manusia melakukan aktiv itas di tempat yang berbeda dengan daerah tempat mereka tinggal. Karena anakanak tidak memiliki kendaraan dan tidak dapa t mengemudi sendiri. Mobil tercatat digunakan k urang dari 10% untuk perjalanan berjarak dekat ini. dapat diduga bahwa pada daerah tersebut tidak akan timbul perjalanan mengi ngat di daerah tersebut tidak mungkin timbul aktivitas. dan 10% dengan mobil atau sepeda motor. kendaraan pribadi. teru tama untuk ke sekolah. Dari sem ua jenis moda angkutan umum tersebut terlihat bahwa yang paling dominan adalah p erjalanan dengan moda angkutan bus. Perjalanan untuk maksud belajar dilakukan oleh anak anak. dan hanya 20% dengan berjalan kaki. sepeda motor. Perencanaan dan pemodelan transportasi .3 Ciri pergerakan spasial Seperti yang telah dijelaskan. akan didapatkan pola yan g hampir sama. taksi. disusul oleh taksi dan paratransit. Dari hasil penelitian di Chicago diperoleh kenyataan bahwa perjal anan dengan maksud pendidikan merupakan 10% dari seluruh jumlah perjalanan. tidak akan pernah ada keterkaitan ruang antara daerah tersebut dengan daerah lainnya. Angkutan dengan bus juga meningkat untuk jarak pe rjalanan sampai sejauh 9 km. Dengan berjalan kaki. Dari faktor jarak terlihat bahwa jarak kurang dari 2 km didominasi oleh perjalanan dengan be rjalan kaki. Sebaliknya. proporsi perjalanan dengan berjalan kaki menurun. 80% dilakukan dengan mobil pribadi. yaitu sampai 90% dari jumlah perjalanan. Juga. pe rsentase tinggi cenderung untuk perjalanan jarak dekat. yang biasanya jarak perjalanannya masih dapat dijangkau d engan berjalan kaki dari rumah atau dapat dicapai dengan mudah dengan menggunaka n angkutan umum. Dari data di atas jelas tampak bahwa secara umum fa ktor jarak dan faktor maksud perjalanan merupakan faktor yang paling dominan dal am menentukan jenis atau moda kendaraan yang digunakan. dengan meningkat nya jarak perjalanan. 15% dengan bus. 1. Jika kit a bandingkan dengan salah satu kota di Amerika Serikat.Dari hasil survei yang pernah dilakukan di DKI Jakarta pada tahun 1987 terlihat bahwa moda yang paling umum digunakan dalam perjalanan di dalam kota adalah berj alan kaki. seki tar 70% dari perjalanan tersebut dilakukan dengan berjalan kaki. becak. sedangkan perjalanan den gan mobil dan sepeda motor dengan persentase tinggi cenderung untuk jarak tempuh yang lebih jauh. Artinya.

sedangkan jam sibuk sore hari dicirikan ol eh arus lalulintas perjalanan orang dari pusat kota ke sekitar daerah perumahan. dan permukiman. makin banyak daerah perumahan dan makin sedikit kesempatan kerja yang berakibat makin banyak perjalanan yang terjadi antara daerah tersebut yang menuju pusat kota. faktor tata guna lahan sangat be rperan. mengingat porsi keduanya tidak begitu signifikan.3. Sebagai c ontoh diambil pola penyebaran daerah perkantoran yang ada di DKIJakarta. p ola sebaran pertamalah yang sangat mempengaruhi pola perjalanan orang. Tetapi. terutama perjalanan d engan maksud bekerja. Arus lalulintas ini persentasenya sekitar 50−70% dari total jumlah perjalanan har ian yang dibangkitkan di dalam daerah perkotaan. Pusat p erkantoran atau pusat lapangan kerja yang tertinggi jelas terdapat di sekitar se gitiga emas dan di sepanjang koridor jalan utama yang mengarah keluar dari pusat perdagangan. konsep dasarnya adalah bahwa suatu perjalanan dilakukan untuk melakukan kegiatan tertentu di lokasi yang dituju. 1997c). Tentu saja sebaran spasial untuk pertokoan dan areal pendi dikan juga berperan. perka ntoran. Pola sebaran spasial dari ketiga jenis tata guna lahan i ni sangat berperan dalam menentukan pola perjalanan orang. Pada loka si yang kepadatan penduduknya lebih tinggi daripada kesempatan kerja yang tersed ia. perjalanan terbentuk karena adanya aktivitas yang dilakukan bukan di tempat tinggal sehingga pola sebaran tata guna lahan suatu ko ta akan sangat mempengaruhi pola perjalanan orang.Konsep paling mendasar yang menjelaskan terjadinya pergerakan atau perjalanan se lalu dikaitkan dengan pola hubungan antara distribusi spasial perjalanan dengan distribusi spasial tata guna lahan yang terdapat di dalam suatu wilayah. J ika ditinjau lebih jauh terlihat bahwa makin jauh dari pusat kota. 1. dan sebaliknya kepadatan perumahan makin tinggi. Tingkat perja lanan yang muncul dari setiap daerah ke arah pusat kota sebenarnya menunjukkan h ubungan antara kepadatan penduduk dengan kesempatan kerja. Dalam hal ini pola penyebaran spasial yang sangat berperan adalah sebaran spasial dari daerah industri. Di sini terlihat bahwa makin jauh jarak dari pusat kota. Di sekeliling daerah yang tinggi jumlah kesempatan kerjanya terseb ut terdapat daerah perumahan utama yang kesempatan kerjanya jauh lebih rendah. kesempatan ke rja makin rendah. dan karena itu merupakan faktor terpenting yang membentuk pola perjalanan orang di kota. Dalam h al ini.5. dan mereka harus melakukan perjalanan ke pusat kot a untuk bekerja. yang kondisinya sanga t tergantung pada jarak lokasi daerah yang bersangkutan ke pusat kota.1 Pola perjalanan orang Seperti dikatakan sebelumnya. Ke nyataan sederhana ini menentukan dasar ciri pola perjalanan orang di kota. terjadi surplus penduduk. yaitu pola perj alanan orang dan pola perjalanan barang (lihat juga LPM ITB. Berikut ini dijelaskan beberapa ciri perjalanan spasial. 1996. Pada jam sibuk pagi hari akan terjadi arus lalulintas perjalanan orang menuju ke pusa t kota dari sekitar daerah perumahan. dan lokasi kegiatan tersebut ditentukan oleh pola tata guna lahan kota tersebut. Pendahuluan 19 . Jadi.

dan kemudian dengan pasar. pola perjalanan barang sangat dipengar uhi oleh pola rantai distribusi yang menghubungkan pusat produksi ke daerah kons umsi. Beberapa kajian menunjukkan bahwa 80% dari perjalanan barang yang dilakukan di k ota menuju ke daerah perumahan. untuk memanfaatkan sumber daya alam yang ada di pula u Sumatera harus dapat dibuat hubungan antara berbagai sumber alam tersebut deng an tempat pengolahan. yaitu ke daerah pusat distribusi (pasar) atau ke daerah ind ustri. perkembangan struktur masy arakat.2 Pola perjalanan barang Berbeda dengan pola perjalanan orang. serta indus tri dan pertanian (produksi). pola perjal anan barang sangat dipengaruhi oleh aktivitas produksi dan konsumsi. seperti penemuan teknologi baru. Perencanaan dan pemodelan transportasi . Hasil penelitian menunjukkan bahwa ditinjau dari jumlah kilometer perjala nan. ketidakefisienan sistem transportasi atau permasalahan transport asi merupakan pemborosan besar. 20 Ofyar Z Tamin. Karena itulah pemanfaatan sumber daya alam bagi kesejahteraan masyarakat han yalah angan angan belaka selama transportasi untuk itu belum tersedia. Sel ain itu. yaitu menyejahter akan masyarakat. salah satu di antaranya dan yang paling tua umurny a adalah transportasi. untuk ini diperlukan transporta si. Kegiatan ma nusia yang berbagai macam menyebabkan mereka perlu saling berhubungan. perjalanan barang menuju daerah dan dari daerah industri merupakan yang ter besar. dan peningkatan produksi. ini menunjukkan bahwa perumahan merupakan daerah konsumsi yang dominan. Jadi. muncul berbagai macam at au bentuk alat transportasi untuk memenuhi berbagai keperluan. Sarana transporta si (alat angkut) terus berkembang mengikuti fenomena baru yang timbul akibat pen ggalian sumber daya. daerah pertanian. Dengan kemajuan teknologi. Selain itu. Meskipun demikian. yang sangat tergantung pada sebaran pola tata guna lahan permukiman (konsumsi). Keterlambatan perkembangan alat angkut akan me nyebabkan tidak tercapainya maksud utama pembangunan nasional. sangatlah jelas bahwa pola men yeluruh dari perjalanan barang sangat tergantung pada sebaran tata guna lahan ya ng berkaitan dengan daerah industri.1. dan daerah permukiman. ban dapat lebih cepat aus karena kendaraan terlalu sering direm.5. Hal ini menunjukkan bahwa pola perjalanan barang lebih didominasi oleh perjalanan me nuju daerah lainnya. transportasi bukanlah tujuan akhir. melainkan sekad ar alat untuk melawan jarak. yaitu perjalanan yang cukup panjang. Untuk itu diperlukan alat perhubungan. 1. Contohnya. Di sinila h diperlukan campur tangan manusia atau pemerintah pada sistem transportasi. Amat banyak bahan bakar terbuang percuma akibat kendaraan terpaksa berjalan di bawah kecepatan optimum atau sering berhenti. perlu dicatat bahwa jumlah perjalanan yang besar itu hanya merupakan 20% dari total jumlah kilometer perjalanan. Jadi. dan ma sih banyak persoalan lain yang dapat diungkapkan untuk membuktikan akibat negati f yang timbul oleh transportasi yang tidak direncanakan dengan baik.3.6 Campur tangan manusia pada sistem transportasi Secara ekonomi.

Karena itu. Persoalan dasar transportasi sebenarnya sederhana. pabrik kendaraan pun tak bisa diharapkan berhenti berproduksi . yaitu terlalu besarnya keb utuhan akan pergerakan dibandingkan dengan sistem prasarana transportasi yang te rsedia. Selanjutnya. Yang mungkin dilakukan adalah: 1 2 3 membangun sistem prasarana transp ortasi dengan dimensi yang lebih besar sehingga kapasitasnya sesuai dengan atau melebihi kebutuhan. Setiap orang berhak menikmati kesejahteraan dan t idak ada dasar hukum yang melarang orang memiliki kendaraan bermotor yang dipero lehnya secara sah. tidak ekonomis.Pemerintah memiliki sejarah panjang dalam hal campur tangan dan prakarsa di bida ng transportasi. 1997a): • • • • • • • • • mengubah teknologi transportasi mengubah teknologi informasi m ah ciri kendaraan mengubah ciri ruas jalan mengubah konfigurasi jaringan transpo rtasi mengubah kebijakan operasional dan organisasi mengubah kebijakan kelembaga an mengubah perilaku perjalanan mengubah pilihan kegiatan Pendahuluan 21 . 1 996. Cara pertama tentu saja tak mungkin dilakukan terus menerus tanpa batas. tingkat keterlibatan pemerintah tersebut tumbuh seiring dengan meningkatnya ker umitan sistem transportasi dan peranannya dalam perekonomian nasional secara kes eluruhan. Wells (1970) menyatakan bahwa usaha pemecahannya tidak terla lu sulit. Karena itu. dan sekaligus melakukan pengawasan dan pengendalian sejauh mungk in atas meningkatnya kebutuhan akan pergerakan. Akan tetapi. yaitu menggunakan sistem pr asarana transportasi yang ada secara optimum. bahkan pelebaran jalan saja pun hampir tidak mungkin karena biayanya terlalu mahal. mengurangi tuntutan akan pergerakan dengan mengurangi jumlah kendaraan pemakai jalan. kebijakan sosial suatu pemerintah yang modern mempunyai d ampak terhadap sistem transportasi nasional dan industri transportasi itu sendir i. penanggulangan dengan mencari jalan tengah di antara kedua cara te rsebut adalah cara yang pada umumnya ditempuh. menggabungkan (1) dan (2). Cara kedua. dan tidak jarang menimbulkan ber bagai masalah sosial. Penjelasan mengenai hal ini tidak sulit diperoleh. mengurangi atau membatasi jumlah kendaraan pun hampir tak mungkin dilakukan. membangun sistem prasarana transpo rtasi tambahan. Secara umum bentuk campur tangan manusia pada sistem transportasi dimungkinkan dengan cara (lihat juga LPM ITB. Pada da erah yang sudah berkembang.

1. Perlu dicatat bahwa proses perencanaan transportasi dipengaruhi seca ra langsung oleh ada tidaknya pengawasan atas pola dan sistem kegiatan manusia. transp ortasi juga harus cepat. keadaan ekonomi. Pada akhirnya. Bahkan untuk memindahkan manusia. menyediakan ruang untuk alat angkut tersebut. selain cepat. 1973).7 Perencanaan transportasi sebagai bentuk campur tangan manusia Seperti telah dikemukakan. Perencanaan transportasi ini me rupakan proses yang dinamis dan harus tanggap terhadap perubahan tata guna lahan . Misalnya. Dalam kaitan antara perencanaan transportasi dan perencanaan kota. Melawan jarak tidak lai n adalah menyediakan sistem sarana dan prasarana transportasi. yaitu alat yang b ergerak. sistem transportasi harus pula nyaman. dan tempat berhentinya (u ntuk bongkar muat). menentukan tempat perhentian . maka jaringan transportasi dengan sendirinya aka n menjadi penentu yang kuat bagi peruntukan tata guna lahan tersebut. yang biasanya dicerminkan dengan pola tata guna lahan. jadi. sebenarnya masih ada unsur ‘cepat’. Pengembangan mengenai perencanaan itu disebut perencana an transportasi. lokasi untuk berproduksi dan mengkonsumsi. pelanggaran lalulintas. Jadi. maka menetapkan suatu bagian kawasan kota menjadi tempat kegiatan tertent u (misalnya kawasan perumahan mewah Pondok Indah atau kawasan Industri Pulo Gadu ng di DKI Jakarta) bukanlah sekadar memilih lokasi. haru s direncanakan dengan memperhatikan dampaknya. sarana transportasi adalah salah satu dari sekian mac am alat penghubung yang dimaksudkan untuk melawan jarak. lalulintas di kawasan itu sendiri. Modal yang dikeluarkan untuk menera pkan sistem transportasi sangat besar sehingga mungkin saja terjadi perubahan ya ng radikal atas tata guna lahan tempat sistem prasarana transportasi dibangun ka rena pemakai lahan mengharapkan mendapatkan keuntungan atas pembangunan prasaran a tersebut. serta merencanakan semuanya untuk p erkembangan selanjutnya. pada keadaan ta npa pengawasan tata guna lahan. Perencanaan dan pemodelan transportasi . dan pola arus lalulintas. Keadaan ini akan membawa akibat berantai cukup panjang dengan meningkatn ya jumlah kecelakaan. aman. Selain itu. Perencanaan transportasi merupakan bagian yang tidak terpisahka n dari perencanaan kota atau perencanaan daerah. Rencana kota atau rencana daera h tanpa mempertimbangkan keadaan dan pola transportasi yang akan terjadi sebagai akibat rencana itu sendiri akan menghasilkan kesemrawutan lalulintas di kemudia n hari. mengatur kegiatan transportasi. Hal seperti ini akan terjadi di 22 Ofyar Z Tamin. d an murah. dalam perenca naan tata guna lahan untuk perkotaan harus diperhitungkan lalulintas yang bakal terjadi akibat penetapan lokasi itu sendiri. serta lalulintas antara kawasan itu dengan kawasan lain yang sudah ada lebih dah ulu. Perencanaan transportasi itu sendiri dapat didefinisikan sebagai suatu pros es yang tujuannya mengembangkan sistem transportasi yang memungkinkan manusia da n barang bergerak atau berpindah tempat dengan aman dan murah (Pignataro. menurunnya sopan santun berlalulin tas. dan lain lain. selain aman dan murah.

membebankan pajak yang lebih tinggi kepada pengusaha yang membangun daerah lain. menerapkan pengaturan yang baik untuk merancang akses. memungut ongkos parkir. bila tata guna lahan tidak bisa diawasi atau dikendalikan melalui tindakan hukum. Kebij akan yang mungkin bisa digunakan untuk mempengaruhi perkembangan tata guna lahan adalah (lihat juga LPM ITB. 1997a): Pendahuluan 23 . dalam kajian perencanaan transportasi biasanya ada tiga kelompok atau pihak yang terlibat. misalnya tarif. memberikan rangsangan berupa subsidi pembangun an dan penyewaan untuk bangunan industri. atau mengawasi masalah perparkiran kendaraan prib adi. Meskipun demik ian. dengan cara memberi hadiah atau pengurangan pajak kepada setiap pengusaha. Perencanaan transportasi tanpa pengendalian tata guna lahan adalah mubazir karena perencanaan transportasi pada dasarnya adalah usaha untuk mengantisipasi kebutuhan akan pergerakan di masa mendatang. dan menaikkan tarif tersebut untuk daerah yang tida k mendapat izin pembangunan lagi. 1996. 1996. jembatan. serta membuat kebijakan dan peraturan yang dip erlukan. menurunkan tarif umum untuk listrik. Ke kuatan hukum diperlukan bilamana suatu rencana diajukan. maka perencan aan transportasi harus dimulai dari posisi antara yang diinginkan dan yang bisa berjalan wajar tanpa perencanaan. pengendalian perparkiran. Jadi. Apa pun asumsi yang dibuat ten tang tata guna lahan. dan pembatasan lalulintas. air PAM. dan faktor aktivitas yang dicanangk an (dan juga tata guna lahan) merupakan dasar analisisnya. Di negara sedang berkem bang. memperbaiki jalan raya dan pelayanan transportasi yang lebih b aik untuk menunjang daerah yang dibangun. gas. selain yang ditunjuk. yaitu (lihat juga LPM ITB. para pejabatnya kurang memiliki wewenang untuk memperoleh tanah guna membu at jalan. 2 3 4 5 6 1. dan telepon untuk daerah yang sedang dibangun. Contohnya adalah proses timbulnya pasar. dan pertokoan di da erah pembangunan. dan tempat parkir. 1997a): 1 memberikan rangsangan berbentuk uan g untuk mereka yang dapat menciptakan lapangan kerja di daerah tertentu. pihak yang terlibat sangatlah beragam di berbagai negara. mengadakan larangan beberapa jenis kendaraan y ang datang dari jalan pribadi. ruang perkantoran. perencanaan transportasi akan mengusulkan untuk membuat ja lan. terutama kelembagaan yang menyelenggarakan atau bertan ggung jawab terhadap pelaksanaan kajian perencanaan transportasi.negara sedang berkembang yang pertumbuhannya berjalan cepat dan tidak terpengaru h oleh kurangnya sarana pelayanan umum yang lain. Semuanya sangat tergantung pada sistem kelembagaan yang ada di negara yang bersangkutan.8 Pihak yang terlibat dalam perencanaan transportasi Dalam kajian perencanaan transportasi.

Di Indon esia. Perencanaan dan pemodelan transportasi . yaitu mampu mengarahkan kajian secara substansif. komite pengarah teknis. yaitu orang atau lembaga yang bertanggung jawab dalam peng ambilan keputusan dari hasil kajian. misalnya pengembang kawa san industri atau pemodal sistem prasarana transportasi. 2 3 24 Ofyar Z Tamin. pihak penyelenggara dan masyarakat selanjutnya berfung si sebagai pihak yang mengawasi atau mengarahkan pelaksanaan kajian oleh pihak p rofesional. terdiri atas perwakilan dari kelompok kepentingan yang ada di masyarakat luas. t erdiri dari perwakilan penyelenggara kajian atau perwakilan dari lembaga terkait . Pihak itu biasa nya merupakan lembaga profesional (konsultan. yaitu pihak yang bertanggung jawab terhadap pelaksanaan kajian. Komite perwakilan masyarakat biasanya terisolasi dalam penyelenggaraan kajian yang dilakukan di negara Barat. pihak yang dimak sud dapat berupa wakil perusahaan penyelenggara kajian. ahli teknik. perencana. setia p komite menangani tugas dan kepentingan yang berbeda. Misalnya. Karena itu. dan mana jer operasi. Komite ini bersifat teknis.1 penyelenggara kajian. komite yang dimaksud meliputi: 1 komite eksekutif. masyarakat. pusat kajian. Biasanya tugas pengarahan ini dikelompokkan dalam tiga komite. seperti ahli ekonomi. partisipasi masyarakat luas belum begitu dikenal sehingga komite perwakila n masyarakat dalam pelaksanaan kajian perencanaan transportasi seperti ini jaran g sekali terlihat. direktur jenderal. komite perwakilan masyarakat. profesional atau pakar. anggota komite ini terdiri dari orang yang mempunyai latar belakang yang cukup secara teknis. Untuk proyek milik swasta. yaitu mencakup sekelompok anggota masyarakat yang dipilih untuk mewakili masyarakat umum dalam proses pengkajian. terdiri dari perwakilan dari pihak yang terlibat dalam pengambilan keputusan (mi salnya menteri. atau pusat penelitia n). untuk kajian de ngan skala yang cukup besar. kepala direktorat). 2 3 Dalam pelaksanaan kajian.

Kajian tersebut biasa dilakukan untuk merencanakan kota baru. Jangka waktu perencanaan bisa sangat lama (misalnya 25 tahun) yan g biasanya digunakan untuk perencanaan strategi pembangunan kota berjangka panja ng. Kajian ini biasanya berupa kajian manajemen transportasi yang le bih menekankan dampak kebijakan manajemen lalulintas terhadap perubahan rute sua tu moda transportasi. Kajian tersebut pada dasarnya bersifat sangat teknis karen a dampak tata guna lahan tidak begitu signifikan pada waktu yang sangat singkat. Buku ini menjelaskan hubungan dalam bentuk kuantitatif (mod el matematis) yang dapat digunakan untuk memperkirakan besarnya kebutuhan akan t ransportasi sebagai akibat adanya kegiatan yang dilakukan pada tata guna lahan. model. Terdapat beberapa skala atau periode wakt u dalam perencanaan sistem transportasi perkotaan. dengan tahun rencana ma ksimum 5 tahun. Hal ini sering dilakukan ol eh pemerintah untuk meramalkan arus lalulintas yang nantinya menjadi dasar peren canaan investasi untuk suatu fasilitas transportasi yang baru. yaitu antara tata guna lahan (kegiatan). dan Medan telah pula dilakukan kajian semacam itu pada waktu 10 tahun belakangan ini. Di antara kedua kajian tersebut terdapat kajian transportasi berskala menengah dengan umur perencanaan sekitar 10−20 tahun di masa mendatang. yaitu di DKI Jakarta. Surabaya. Model tersebut harus dengan mudah dap at dimodifikasi dan diperbaiki secara terus menerus. penjelasan berikut akan diarahkan pada perenca naan transportasi di daerah perkotaan. dan lalulintas (pergerakan). menenga h. d an metode yang digunakan dalam kajian transportasi berskala menengah merupakan t opik utama buku ini. dilakukan minimal sekali p ada hampir semua kota besar di Amerika Serikat dan di beberapa negara dunia keti ga. Kajian semacam ini telah dimulai sejak tahun 1950 an di Amerika Serikat.1 Umum Tujuan dasar para perencana transportasi adalah memperkirakan jumlah serta lokas i kebutuhan akan transportasi (misalnya menentukan total pergerakan. Hubungan dan model yang dikembangkan digunakan untuk lebih memahami hubungan yan g terjadi dalam suatu kota. Agar lebih terarah dan jelas. baik untuk angkutan umum maupun angkutan pribadi) pada masa mendatang atau pada tahun renca na yang akan digunakan untuk berbagai kebijakan investasi perencanaan transporta si. Bandung.2 Pendekatan perencanaan transportasi 2. 25 . yaitu: skala panjang. Di Indonesia. dan pendek. transportas i (jaringan). Ka jian lainnya adalah kajian transportasi berskala pendek. Teori. Strategi ini akan sangat dipengaruhi oleh perencanaan tata guna lahan dan pe rkiraan arus lalulintas dalam perencanaan ini biasanya dikategorikan berdasarkan moda dan rute.

komponen berhubungan secara ‘meka nis’. Untuk itu diperlukan suatu metode atau teknik penilaian yang cocok dalam pros es pemilihan alternatif terbaik tersebut. Proses selanjutnya adalah mengumpulka n data untuk melihat kondisi yang ada dan hal ini sangat diperlukan untuk mengem bangkan metode kuantitatif yang akan dipilih yang tentu harus sesuai dengan sist em yang ada. Dalam sistem mekanis. Dalam setiap organisasi sistem. Perubahan dalam suatu komponen pasti mengakibatkan perubahan pada komponen lainnya. komponen yang ada tidak dapat berhubungan secara mekanis. Tampak bahwa proses perencanaan sebenarnya merupaka n proses berdaur dan tidak pernah berhenti. misalnya komponen dalam mesin mobil. Con tohnya. tujuan. kemacetan lokal yang disebabkan oleh penyempitan lebar jalan dapat dipec ahkan dengan melakukan perbaikan secara lokal. Pendekatan sistem ak an dapat mengaitkan permasalahan yang ada. akan tetapi perubahan pada sala h satu komponen (sistem ‘kegiatan’) dapat menyebabkan perubahan pada komponen lainny a (sistem ‘jaringan’ dan sistem ‘pergerakan’). atau mungkin juga karena ruang gerak yang sangat sempit bagi pergerakan lalu lintas.2. 2. atau perencanaan tata guna lah an yang baru. misalnya apakah permasalahan tersebut disebabkan karena terlalu banyaknya lalulintas di daerah tersebut? Jika memang demikian. prinsip sistem ‘mekanis’ sama saja dengan sistem ‘tidak mekanis’. dan target. Perencanaan dan pemodelan transportasi . 26 Ofyar Z Tamin. Gambar 2. Pada dasarnya. Tahap awal proses perencanaan ad alah perumusan atau kristalisasi sasaran. Pendekatan sistem mencoba menghasilkan pemecahan yang ‘terbaik’ dari b eberapa alternatif pemecahan yang ada. Akan tetapi.2. pembangunan jalan baru. yang biasanya dikena l dengan proses perencanaan. tentunya dengan batasan tertentu (waktu d an biaya). Pemecahannya dapat berupa manajemen lalulintas secara lokal. termas uk standar perencanaan yang diteruskan dengan proses pemilihan alternatif terbai k. peningkatan pelayanan angkutan umum.1 memperlihatkan beberapa komponen pent ing yang saling berhubungan dalam perencanaan transportasi. pertanyaan berikutnya adalah mengapa lalulintas tersebut terlalu banya k? Jawabannya mungkin karena terlalu banyak kantor yang sangat berdekatan letakn ya. misalnya dalam interaksi sistem tata guna lahan dengan sistem jaringan transportasi. termasuk mengident ifikasi permasalahan dan kendala yang ada.2 Pendekatan sistem untuk perencanaan transportasi Pendekatan sistem adalah pendekatan umum untuk suatu perencanaan atau teknik den gan menganalisis semua faktor yang berhubungan dengan permasalahan yang ada. Dalam sistem ‘tidakmekanis’. Proses peramalan sangat dibutuhkan untuk melihat perkiraan situasi pada masa mendatang dan merumuskan beberapa alternatif pemecahan masalah. perubahan pada satu komponen dapat menyebabkan peruba han pada komponen lainnya. hal ini mungkin meny ebabkan permasalahan berikutnya yang timbul di tempat lain.1 Pengertian sistem Sistem adalah gabungan beberapa komponen atau objek yang saling berkaitan.

Setelah proses pelaksanaan. perlu dilakukan pendekatan secara sistem − sistem transportasi dijelaskan dalam be ntuk sistem transportasi makro yang terdiri dari beberapa sistem transportasi mi kro.1 Proses perencanaan Sumber: Tamin (1988a) Setelah alternatif terbaik didapatkan.2 Sistem transportasi makro Untuk lebih memahami dan mendapatkan alternatif pemecahan masalah yang terbaik. dan target Rumusan sasaran. 2.2. Jika tidak.Sasaran. Proses daur tersebut terus berlangsung dan tidak pernah berh enti.2. tujuan. tujuan. perlu dilakukan prose s pengawasan dan evaluasi untuk melihat apakah tujuan perencanaan yang telah dir umuskan pada tahap awal telah tercapai. Pendekatan perencanaan transportasi 27 . dilakukan proses perancangan yang diterus kan dengan proses pelaksanaan. dan target Pemantauan dan e valuasi Perencanaan Data Data Proses daur Alternatif rencana Data Pelaksanaan Penilaian Alternatif terbaik Data Perancangan Gambar 2. Sistem transportasi secara menyeluruh (makro) dapat dipecahkan menjadi bebe rapa sistem yang lebih kecil (mikro) yang masing masing saling terkait dan salin g mempengaruhi seperti terlihat pada gambar 2. mungkin perlu diubah rumusan tujuan dan sasaran yang ada yang secara otomatis pasti mempengaruhi proses pere ncanaan berikutnya.

dan pelab uhan laut. Besarnya pergerakan sangat berkaitan erat dengan jenis dan intensitas kegiatan yang dilak ukan. Prasarana transportasi yang diperlukan merupakan sistem mikro yang kedua yang biasa dikenal dengan sistem jaringan yang meliputi sistem jaringan jalan raya. kereta api. murah. pergerakan lalulintas timbul karena adanya proses pemenuha n kebutuhan.Sistem kegiatan Sistem jaringan Sistem pergerakan Sistem kelembagaan Gambar 2. ekonomi. 1994b. terminal bus dan kereta api. 1995hjk ) Sistem transportasi mikro tersebut terdiri dari: a b c d sistem kegiatan sistem jaringan prasarana transportasi sistem pergerakan lalulintas sistem kelembagaan Seperti kita ketahui. Setiap tata guna lahan atau sistem kegiatan (sistem mikro yang pertama) mempunyai jenis kegiatan tertentu yang akan membangkitkan pergerakan d an akan menarik pergerakan dalam proses pemenuhan kebutuhan. bandara. cepat. Sistem tersebut mer upakan sistem pola kegiatan tata guna lahan yang terdiri dari sistem pola kegiat an sosial. Perencanaan dan pemodelan transportasi .2 Sistem transportasi makro Sumber: Tamin (1992b. dan lain lain. 1993a. nyaman. Kegiatan yang timbul dalam sistem ini membutuhkan pergerakan sebagai alat pemenuhan kebutuhan yang perlu dilakuka n setiap hari yang tidak dapat dipenuhi oleh tata guna lahan tersebut. dan sesuai dengan lingkungannya dapat tercip ta jika pergerakan tersebut diatur oleh sistem rekayasa dan manajemen lalulintas yang 28 Ofyar Z Tamin. Interaksi antara sistem kegiatan dan sistem jaringan ini menghasilkan pergerakan manusia dan/atau barang dalam bentuk pergerakan kendaraan dan/atau o rang (pejalan kaki). Kita perlu bergerak karena kebutuhan kita tidak bisa dipenuhi di te mpat kita berada. Pergerakan yang berupa pergerakan manusia dan/atau barang tersebut jelas m embutuhkan moda transportasi (sarana) dan media (prasarana) tempat moda transpor tasi tersebut bergerak. Suatu sistem mikro yang ketiga atau sistem pergerakan yang aman. kebudayaan. handal.

dan sesuai dengan lingkungannya. dan masyarakat berperan dalam mengatasi masalah sistem transportasi ini. lembaga. dan sistem pergerakan akan salin g mempengaruhi seperti terlihat pada gambar 2. Selain itu. Perubahan pada sistem kegiatan jelas akan mempengaruhi sistem jaringan melalui perubahan pada tingkat pelayanan pada sistem pergerakan. Organda. Bangd a. Ketiga sistem mikro ini saling berinter aksi dalam sistem transportasi makro. Laut. swas ta. Bappeda. kelompok. maka dalam sistem transportasi makro terdapat sistem mikro tambahan lainnya yang disebut sistem kelembagaan yang meliputi ind ividu. Polantas dan masyarakat se bagai pemakai jalan. lancar. Kebi jakan sistem jaringan secara umum ditentukan oleh Departemen Perhubungan baik da rat. dan instansi pemerintah serta swasta yang terlibat sec ara langsung maupun tidak langsung dalam setiap sistem mikro tersebut.2. Udara). atau prasarana tersebut tidak dapat berfungsi sebagaim ana mestinya. Sistem kegiatan.baik. secara umum dapat dikatakan bahwa pemerintah. Organda. Di Indone sia. dan Pemda memegang peranan yang sangat penting dalam menentukan sistem kegiat an melalui kebijakan baik yang berskala wilayah. Bappeda Tingkat I dan II. Begitu juga perubahan pada sistem jaringan akan dapat m empengaruhi sistem kegiatan melalui peningkatan mobilitas dan aksesibilitas dari sistem pergerakan tersebut. Sesuai dengan GBHN 1993. Pendekatan perencanaan transportasi 29 . Kebijakan yang diambil tentunya dapat dilaksanakan dengan b aik melalui peraturan yang secara tidak langsung juga memerlukan sistem penegaka n hukum yang baik pula. sistem pergerakan memegang peranan pent ing dalam menampung pergerakan agar tercipta pergerakan yang lancar yang akhirny a juga pasti mempengaruhi kembali sistem kegiatan dan sistem jaringan yang ada d alam bentuk aksesibilitas dan mobilitas. Bina Marga Sistem pergerakan DLLAJ. Permasalahan kemacetan yang sering terjadi di kota besar di Indonesia bias anya timbul karena kebutuhan akan transportasi lebih besar daripada prasarana tr ansportasi yang tersedia. regional. nyaman. Jadi. laut. handal . Pemda Sistem jaringan Departemen Perhubungan (Darat. Polantas. maupun udara serta Departemen PU melalui Direktorat Jenderal Bina Mar ga. sistem kelembagaan yang berkaitan dengan masalah transportasi secara umum a dalah sebagai berikut. masyarakat Bappenas. Bangd a. • • • Sistem kegiatan Bappenas. maupun sektoral. sistem jaringan. Sistem pergerakan ditentukan oleh DLLAJ. murah. dalam usaha untuk menjamin terwujudnya sistem pergerakan yang aman. ter utama masalah kemacetan.

Hal ini menimbulkan pergerakan arus man usia. sekolah. Potongan lahan ini biasa diseb ut tata guna lahan. 30 Ofyar Z Tamin. Perencanaan tata guna lahan biasanya memerlukan waktu cukup lama dan tergantung pada badan penge lola yang berwewenang untuk melaksanakan rencana tata guna lahan tersebut. menambah jaringan jalan baru. hampir semua interaksi meme rlukan perjalanan. atau pembangunan jalan (jangka panjang). S asaran umum perencanaan transportasi adalah membuat interaksi tersebut menjadi s emudah dan seefisien mungkin. antara ibu rumah tangga dan pasar. pekerjaan. rumah. dan barang. Perencanaan dan pemodelan transportasi . dan bertamu yang berlangsung di atas sebidang tanah ( kantor. dan oleh sebab itu menghasilkan pergerakan arus lalulintas. pabrik. dan lain lain. fasilitas angkutan umum yang lebih baik (jangk a pendek dan menengah). Sistem pergerakan Hal yang dapat dilakukan antara lain mengatur teknik dan mana jemen lalulintas (jangka pendek). pertokoan. Akan tetapi. Pergerakan arus manusia. dan lain lain yang benar) dapat mengurangi kebutuhan akan perjalan an yang panjang sehingga membuat interaksi menjadi lebih mudah. antara pelajar dan sekolah. Untuk memenuhi kebutuhannya. Se baran geografis antara tata guna lahan (sistem kegiatan) serta kapasitas dan lok asi dari fasilitas transportasi (sistem jaringan) digabungkan untuk mendapatkan arus dan pola pergerakan lalulintas di daerah perkotaan (sistem pergerakan). olahraga. Siste m jaringan Hal yang dapat dilakukan misalnya meningkatkan kapasitas pelayanan pr asarana yang ada: melebarkan jalan.2.2. Bes arnya arus dan pola pergerakan lalulintas sebuah kota dapat memberikan umpan bal ik untuk menetapkan lokasi tata guna lahan yang tentu membutuhkan prasarana baru pula. perumaha n. kendaraan. belanja. s ekolah. a S istem kegiatan Rencana tata guna lahan yang baik (lokasi toko. manusia melakukan perjalanan di antara tata guna lahan tersebut dengan menggunakan sistem jaringan transportasi (misalnya berjalan kaki atau naik bus).3 Sistem tata guna lahan−transportasi Sistem transportasi perkotaan terdiri dari berbagai aktivitas seperti bekerja. Cara perencanaan transportasi untuk mencapai sasar an umum itu antara lain dengan menetapkan kebijakan tentang hal berikut ini. dan antara pabrik dan lokasi bahan mentah serta pasar. b c Para pembaca yang berminat dan ingin mengetahui lebih lanjut mengenai alternatif pemecahan masalah transportasi di daerah perkotaan disarankan membaca bab 9. Terdapat interaksi antara pekerja dan tempat mereka bekerja. dan barang meng akibatkan berbagai macam interaksi. kendaraan. dan lain lain). Beberapa interaksi dapat juga dilakukan dengan telepon atau surat (sangat menarik untuk diketahui bagaima na sistem telekomunikasi yang lebih murah dan lebih canggih dapat mempengaruhi k ebutuhan lalulintas di masa mendatang).

Pengelola angkutan umum harus Pendekatan perencanaan transportasi 31 . menggu nakan hubungan analisis antara komponen sistem untuk meramalkan dampak lalulinta s beberapa tata guna lahan atau kebijakan transportasi yang berbeda.1 Profesi dan peubah yang dipengaruhi Profesi Perencana kota Pengelola angkutan umum Ahli lalulintas Ahli jalan raya Tata guna lahan Transportasi (melayani bus dan kereta api) Transportasi (manajemen laluli ntas) Transportasi (perbaikan jalan dan pembuatan jalan baru) Peubah yang dipengaruhi Sumber: Black (1981) Perencana kota mengatur lokasi aktivitas suatu tata guna lahan agar dapat pula m engatur aksesibilitas kota tersebut. P ihak yang terlibat dalam sistem tersebut dapat dilihat pada tabel 2. Semua tindakan yang dilakuka n pada setiap tahapan akan mempengaruhi tahapan lainnya dalam sistem tersebut. sistem jaringan. Sebaran penduduk Bagaimana perjalan an tersebut disebarkan secara geografis di dalam daerah perkotaan (daerah kajian ). kapasitas. Hal ini pasti berdampak pada bangkitan dan tarikan lalulintas serta sebaran pergerakannya.2. dan arus lalulintas − waktu tempuh sangat dipengaruhi oleh kapasitas rute yang ada dan jum lah arus lalulintas yang menggunakan rute tersebut. Hubungan dasar antara sistem kegiatan. Tabel 2. digunakan untuk mengalokasikan masalah yang terdapat dalam sistem transportasi dan mengevaluasi pemecahan alternatif. a Aksesibilitas dan mobilitas Ukuran potensial atau kesem patan untuk melakukan perjalanan. b c d e Perlu diketahui bahwa terdapat hubungan antara waktu tempuh. Pemilihan rute Menentukan fakto r yang mempengaruhi pemilihan rute dari setiap zona asal dan ke setiap zona tuju an. dan sistem pergerakan da pat disatukan dalam beberapa urutan tahapan. Pemilihan moda transportasi Menentukan faktor yang mempengaruhi pemilihan mod a transportasi untuk tujuan perjalanan tertentu. Pemba ngkit lalulintas Bagaimana perjalanan dapat bangkit dari suatu tata guna lahan a tau dapat tertarik ke suatu tata guna lahan.1.3 Analisis interaksi sistem kegiatan dengan sistem jaringan Tujuan utama dilakukannya analisis interaksi sistem ini oleh para perencana tran sportasi adalah sebagai berikut: a b memahami cara kerja sistem tersebut. Tahapan ini bersifat lebih abstrak jika diband ingkan dengan empat tahapan berikut. yang biasanya dilakukan secara beru rutan sebagai berikut.

Ahli j alan raya harus waspada pada pengaruh jalan terhadap seluruh bagian sistem trans portasi. Ahli jalan raya biasanya mempunyai uang untuk membangun jalan . Jika suat u tempat berdekatan dengan tempat lainnya. Jadi. Jalan baru akan menghasilkan perubahan besar terhadap sebaran pe rgerakan. Sebaliknya. Akan tetapi. Ahli jalan raya selalu dicap sebagai orang yang ‘berbahaya’ dalam sistem tran sportasi. meskipun letaknya jauh. Pernyataan ‘mudah’ atau ‘sus ah’ merupakan hal yang sangat ‘subjektif’ dan ‘kualitatif’. rambu. dikatakan aksesibilitas antara kedua tempat tersebut tinggi. 2. tata guna lahan yang berbeda pasti mempu nyai aksesibilitas yang berbeda pula karena aktivitas tata guna lahan tersebut t ersebar dalam ruang secara tidak merata (heterogen). pengembangan wilay ah. peruntukan lah an tertentu seperti bandara.memperhatikan kemampuannya untuk bisa mengatur pemilihan moda dengan mengatur op erasi bus atau kereta api yang lebih cepat dan mempunyai frekuensi lebih tinggi. serta tata guna lahan (aksesibilitas). apalagi jika dia tidak waspada terhadap dampak pembangunan dalam bagia n sistem tersebut. lokasinya tidak bisa sembarangan dan biasanya terle tak jauh di luar kota (karena ada batasan dari segi keamanan. dan lain lain). Perubahan sistem transportasi ini akan berdampak baik pad a tata guna lahan (dengan mengubah aksesibilitas dan mobilitas) serta arus lalul intas. Dikatakan aksesibilitas ke bandara tersebut pasti akan selal u rendah karena letaknya yang jauh di luar kota. dan pe ngaturan persimpangan. Oleh karena itu. dia berada pada posisi yang bisa membuat dampak besar dalam s istem tersebut. 1981). Ahli lalulintas mencoba meningkatkan kecepatan lalulintas ini dan membuat perja lanan lebih aman dengan menyediakan beberapa sarana seperti marka. Namun. Mudah bagi seseorang belum ten tu mudah bagi orang lain. aksesibilitas ke bandara dapat ditingkatkan dengan 32 Ofyar Z Tamin.4 Aksesibilitas dan mobilitas 2. diperlukan kinerja kuantitatif (terukur) yang dapat menyatakan aksesibilitas ata u kemudahan. Aks esibilitas adalah suatu ukuran kenyamanan atau kemudahan mengenai cara lokasi ta ta guna lahan berinteraksi satu sama lain dan ‘mudah’ atau ‘susah’nya lokasi tersebut di capai melalui sistem jaringan transportasi (Black. Ada yang menyatakan bahwa aksesibilitas dapat dinyatakan dengan jarak. Perencanaan dan pemodelan transportasi . pemilihan moda dan rute. Oleh karena itu.1 Apakah aksesibilitas dan mobilitas itu? Aksesibilitas adalah konsep yang menggabungkan sistem pengaturan tata guna lahan secara geografis dengan sistem jaringan transportasi yang menghubungkannya. Sedangkan mobilitas adalah suatu ukuran kemampuan seseorang untuk b ergerak yang biasanya dinyatakan dari kemampuannya membayar biaya transportasi. akse sibilitas antara keduanya rendah. jika kedua tempat itu sangat berjauhan.4. termasuk seluruh sistem perkotaan di masa mendatang. begitu juga dengan pernyataan susah.

Oleh sebab itu. Dapat disimpulkan bahwa suatu tempat yang berjarak jauh belum tentu dapat dikatakan mempunyai aksesibilitas rendah atau suatu tempat ya ng berjarak dekat mempunyai aksesibilitas tinggi karena terdapat faktor lain dal am menentukan aksesibilitas yaitu waktu tempuh. maka aksesibilitas rendah. Beberapa jenis tata guna lahan mungkin ada di satu atau dua l okasi saja dalam suatu kota seperti rumah sakit. dan ‘tidak aksesibel’ jika berjauhan. maka aksesibilitas tinggi.menyediakan sistem jaringan transportasi yang dapat dilalui dengan kecepatan tin ggi sehingga waktu tempuhnya menjadi pendek. Seperti tel ah dijelaskan. Ini adalah konsep yang paling sederhana. hub ungan transportasi (aksesibilitas) dinyatakan dalam bentuk ‘jarak’ (km). Beberapa jenis tata guna lahan m ungkin tersebar secara meluas (perumahan) dan jenis lainnya mungkin berkelompok (pusat pertokoan). 1981). pelayanan angkutan umum biasanya lebih baik di pusat perko taan dan pada beberapa jalan utama transportasi dibandingkan dengan di daerah pi nggiran kota. jika aktivitas tersebut saling terpisah jauh dan hubungan transportasinya jele k.2 Klasifikasi tingkat aksesibilitas Jarak Jauh Dekat Kondisi prasarana S umber: Black (1981) Aksesibilitas rendah Aksesibilitas menengah Aksesibilitas menengah Aksesibilitas tinggi Sangat jelek Sangat baik Apabila tata guna lahan saling berdekatan dan hubungan transportasi antar tata g una lahan tersebut mempunyai kondisi baik. Dari sisi jaringan transportasi. Sebaliknya .2 menggunakan faktor ‘hubungan transportasi’ yang dapat diartikan dalam bebe rapa hal. Contohnya. kualitas pelayanan transportasi pasti juga berbeda beda. Hal ini sudah jelas berkaitan d engan kecepatan sistem jaringan transportasi tersebut. sistem j aringan transportasi di suatu daerah mungkin lebih baik dibandingkan dengan daer ah lainnya baik dari segi kuantitas (kapasitas) maupun kualitas (frekuensi dan p elayanan). dan bandara. Skema sederhana yang memperlihatkan kaitan antara berbagai hal yan g diterangkan mengenai aksesibilitas dapat dilihat pada tabel 2. Beberapa kombinasi di antaranya mempunyai aksesibi litas menengah.2 (Black. Tabel 2. maka hubungan transportasi dapat dikatakan akan lebih baik karena waktu tempuhnya akan lebih singkat. 2.4. Jik a sistem transportasi antara kedua buah tempat diperbaiki (disediakan jalan baru atau pelayanan bus baru). Suatu tempat dikatakan ‘aksesibel’ jika sangat dekat dengan tempat lainnya . penggunaan ‘jarak’ seba gai ukuran aksesibilitas mulai diragukan orang dan mulai dirasakan bahwa penggun aan ‘waktu tempuh’ merupakan kinerja yang lebih baik dibandingkan dengan ‘jarak’ dalam m enyatakan aksesibilitas.2 Hubungan transportasi Tabel 2. Pendekatan perencanaan transportasi 33 . Oleh karena itu. jarak merupakan peubah yang tidak begitu cocok dan diragukan.

dan biaya operasi kendaraan lainnya) dan nilai waktu perjalanan. dinyatak an dalam bentuk hambatan perjalanan. Untuk meningkatkan aksesibilitas tata guna lahan yan g akan terhubungkan oleh sistem jaringan transportasi. Beberapa pe nulis (seperti Atkins.‘waktu tempuh’ menjadi ukuran yang lebih baik dan sering digunakan untuk aksesibilit as. Jadi. bagi orang miskin yang tidak mampu membe li karcis. parkir. bensin. moda dan jumlah transportasi yang tersedia dalam suatu kota m erupakan hal yang penting untuk menerangkan aksesibilitas. diperlukan cara tersendiri untuk menyatakan waktu dalam bentuk uang. Karena itu. waktu. Perencanaan dan pemodelan transportasi . dilakukanlah investasi pe mbangunan sistem jaringan transportasi. Selanjutnya. Secara umum diakui bahw a sangat sulit menentukan hal ini. terutama di negara Barat. Tetapi. Akhirnya. Ini mungkin berlaku dalam me ngukur aksesibilitas. Deng an alasan di atas. Mobil pribadi hanya akan dapat memperbaiki aksesibi litas dalam hal waktu bagi orang yang mampu membeli atau menggunakan mobil. khususnya di Indonesia. hubungan transportasi dapat dinyatakan sebaga i ukuran untuk memperlihatkan mudah atau sukarnya suatu tempat dicapai. Beberapa moda transpo rtasi lebih cepat (waktu tempuh berkurang) dibandingkan dengan moda lain. atau biaya. yang diatur berdasarkan setiap moda. 1984) berpendapat bahwa biaya gabungan adalah ukuran yang tidak cocok digunakan dalam beberapa hal karena tidak memperlihatkan perbedaan kepentingan antara waktu dan biaya secara terpisah. yang biasa disebut biaya gabungan. untuk menggabungkan waktu dan biaya sebagai ukuran untuk hubun gan transportasi. dan beberapa penelitian telah dikembangkan untuk tujuan ini. Sudah cukup umum dalam beberapa kasus. ‘biaya p erjalanan’ (Rp) menjadi ukuran yang lebih baik untuk aksesibilitas dibandingkan de ngan jarak dan waktu tempuh. aksesibilitas antara kedua lokasi tersebut tetap rendah. belum tentu dapat menjamin mobilita s yang tinggi pula. Semuanya selanjutnya dinyatakan dalam bentu k jarak. Biaya ini dinyatakan dalam bentuk nilai uang (Rp) yang terdiri dari jumlah biaya perjalanan (tiket. misalkan terdapat pelayanan bus yang baik antara dua tempat dal am suatu daerah perkotaan. Sudah tentu. dan mu ngkin juga ada yang lebih mahal. Kemampuan seseorang membayar biaya transportasi sa ngat bervariasi. Tidak akan ada artinya membangun sistem jaringan transportas i jika tidak dapat dinikmati karena orang tidak mampu membayar biaya transportas inya (tidak mempunyai mobilitas) sehingga investasi yang dibenamkan menjadi tida k akan ada artinya (mubazir). meskipun tata guna lahan itu sud ah mempunyai aksesibilitas yang tinggi (atau mudah dicapai) karena terhubungkan oleh sistem jaringan transportasi yang baik. Akan tetapi. khususnya di negara dunia ketiga. 34 Ofyar Z Tamin. pengembangan sistem jaringan transportasi harus diarahkan bukan saja pada peni ngkatan aksesibilitasnya tetapi harus pula dapat menjamin setiap orang mampu mem bayar biaya transportasinya dengan menyediakan banyak alternatif sistem jaringan transportasi. waktu biasanya merupakan ukuran yang terbaik. dalam pengambilan kebijakan .

pada waktu yang berbe da beda. dengan c ontoh khusus untuk suatu daerah permukiman: • • • • • berapa jarak ke tempat kerja. serta sarana sosia l lainnya. fasilitas kesehatan.3 Aksesibilitas berdasarkan tujuan dan kelompok sosial Kelompok populasi yang berbeda. produktivitas suatu da erah perkotaan dan pengembangan ekonominya dapat diperbaiki dengan tersedianya f asilitas transportasi yang baik (aksesibilitas yang baik) di dalam kota. misalnya orang tua dan anak mu da yang bergantung pada ketersediaan angkutan umum? apakah ada kelompok lain yan g mempunyai aksesibilitas rendah karena mereka tidak mempunyai sepeda motor? Dal am hal ini. tertarik akan aksesibilitas ke tempat pekerjaan. Aksesib ilitas yang baik lebih penting untuk kesejahteraan sosial dibandingkan dengan pe ngembangan ekonomi. 1977). terutama yang be rkaitan dengan pentingnya orang berpendapatan rendah mendapatkan aksesibilitas y ang cukup untuk mencapai tempat bekerja. dan bagaimana kondisi fasilitas sistem jaringan transportasiny a (jalan. Keluarga. Secara aksiomatis. aka n tertarik pada aksesibilitas yang berbeda beda. pendidikan. angkutan umum)? bagaimana keragaman aksesibilitas tersebut dilihat dar i ciri sosio ekonomi dari daerah yang berbeda beda? apakah aksesibilitas yang ba ik akan mengurangi jumlah perjalanan ke beberapa lokasi aktivitas? bagaimana ker agaman aksesibilitas dalam kelompok yang berbeda. Beberapa pertanyaan mengenai aksesibilita s untuk suatu daerah perkotaan dapat dilihat berikut ini (Black.2. Evaluasi seperti ini telah dilakukan sesuai dengan permintaan pemerinta h DKI Jakarta (Gakenheimer. belanja. bagaimana lokasi industri dan produktifitas daerah perkotaan? Aksesib ilitas penting artinya bagi lokasi industri pada skala daerah dan nasional. Pedagang akan lebih tertarik pada ak sesibilitas untuk pelanggan. • • • Pendekatan perencanaan transportasi 35 . p elayanan kesehatan. dan fasilitas rekreasi. sekola h.4. kenyataannya sangat sederhana. sedangkan industri lebih tertarik pada aksesibilita s untuk tenaga kerja dan bahan mentah. tapi kurang begitu penting (dari sudut efisiensi dan produktivitas) dalam daerah per kotaan. terutama di luar DKI Jakarta. dan lain lain. atau orang yang sama pada saat yang berbeda. terutama untuk daerah perkotaan. yang memegang peranan yang sangat penti ng? Gakenheimer (1982) mengatakan bahwa hanya sedikit informasi yang didapat ten tang aksesibilitas angkutan umum. 1982). bagaimana mengenai keseragaman daerah? (perta nyaan ini tidak begitu penting untuk daerah perkotaan). bagaimana kesejahteraan sosial. konsep aksesibilitas dapat digunakan untuk menganalisis struktur sua tu perkotaan dalam hal lokasi aktivitas yang mempunyai hubungan dengan lokasi pe rumahan.

Jumlah sektor pelayanan kemudian dapat diperkirakan dari jumlah keluarga dan model tersebut.4. Selain jumlah kesempatan.1 Ukuran grafis aksesibilitas Dapat dibuat sebaran frekuensi yang memperlihatkan jumlah kesempatan yang tersed ia dalam jarak. Model ini mengasumsikan bahwa lokasi industri utama di daerah perkotaan harus ditentukan terlebih dahulu . lokasi lainnya ( perumahan dan fasilitas pelayanan lainnya) dapat ditentukan oleh model dengan kr iteria dasar aksesibilitas.1) K i = aksesibilitas zona i ke zona lainnya (d) Ad = ukuran aktivitas pada setiap zona d (misalnya jumlah lapangan kerja) t id = ukuran waktu atau biaya dari zon a asal i ke zona tujuan d 36 Ofyar Z Tamin. Model yang terakh ir dan banyak dikenal adalah model Lowry (Lowry.5. Perencanaan dan pemodelan transportasi . 2. Juga.4. sebaran frekuensi kumulatif (ogive) dapat juga digunakan. Dengan kata lain.5.4. waktu. Black and Conroy (1977) membuat ringk asan tentang cara mengukur aksesibilitas di dalam daerah perkotaan.4 Aksesibilitas dalam model perkotaan Setiap orang menginginkan aksesibilitas yang baik dan ini digunakan dalam bebera pa model penentuan lokasi tata guna lahan di daerah perkotaan. yang selanjutnya dit entukan lokasinya berdasarkan aksesibilitasnya terhadap lokasi perumahan.5 Pengukuran aksesibilitas di daerah perkotaan Ukuran untuk menentukan besarnya hambatan pergerakan yang dapat digunakan untuk mengukur aksesibilitas telah didiskusikan. dan biaya tertentu dari zona i. Yang paling terkenal adalah ukuran dari Hansen (1959). Setelah itu. Dalam artikelnya How Acce ssibility Shapes Land Use. Aktivitas diberi notasi A.4. Yang paling mudah adalah mengasumsikan bahwa daerah perkotaan dipecah menjadi N zona. jumlah keluarga dapat diperkirakan dan lokasinya ditentukan berda sarkan aksesibilitas lokasi industri tersebut. proporsi kesem patan yang ada dari kota tersebut dapat juga digunakan. Hal ini menunjukkan akses ibilitas zona i untuk aktivitas tertentu (misalnya pekerjaan).2. dengan menentukan lokasi industri (lapangan kerja). dan se mua aktivitas terjadi di pusat zona. Sebaran ini dapat dibuat untuk setiap moda yang berbeda.2 Ukuran fisik aksesibilitas Ki = d =1 id ∑td N A (2. Aksesibilitas K untuk suatu zona adalah ukuran intensitas di lokasi tata guna lahan (misalnya ju mlah lapangan kerja) pada setiap zona di dalam kota tersebut dan kemudahan untuk mencapai zona tersebut melalui sistem jaringan transportasi. 1964). selain sebaran fre kuensi. Hansen mengembangkan ukuran fisik mengenai aksesibili tas: 2. 2.

Hubungan antara aksesibilitas dan jumlah perjalanan sebenarnya membentuk dasar model gravity yang dapat digunakan untuk meramalkan arus lalulintas antarzona d i dalam daerah perkotaan. seperti oleh Black and Conroy (1977). dan harga in i dijumlahkan untuk semua moda transportasi yang ada untuk mendapatkan aksesibil itas zona. aksesibilitas zona asa l i dipengaruhi oleh proporsi orang yang menggunakan moda tertentu.4. Tujuan utama penelitian ini adalah: • • • untuk men unjukkan variasi aksesibilitas keluarga akan kebutuhan angkutan umum. Teknik ini dijelaskan secara rinci oleh Black and Conroy (1977) . Beberapa contoh yang diberikan akan menjelask an ini. 2. Mobil mempunyai aksesibilitas y ang lebih baik daripada angkutan umum atau berjalan kaki. mencoba menggabung kan ukuran grafis dengan ukuran fisik aksesibilitas. Jadi. Zona tujuan d diuru t berdasarkan jarak. waktu. 2.4.7 Contoh penggunaan aksesibilitas Telah diterangkan bahwa aksesibilitas di daerah perkotaan digunakan sebagai ukur an struktur spasial suatu kota dan selanjutnya digunakan untuk mengevaluasi stru ktur tersebut dalam bentuk sosial. 2. atau biaya yang semakin menjauh yang dipilih berdasa rkan zona i. Hal ini dapat ditafsir untuk menunjukkan jumlah kesempatan yang seb enarnya didapat. misalnya mobil dan angkutan umum. Banyak orang di daerah permukiman mempunyai akses yang baik dengan mobil atau sepeda motor dan banyak yang juga tergantung pada angkutan umum atau jalan. untuk meng uji dampak perubahan pelayanan angkutan umum terhadap aksesibilitas. Hasil kerja di Inggris (Dallal. untuk meng identifikasi daerah yang perlu diperbaiki pelayanan angkutan umumnya. Beberapa variasi. Prosedur ini dijelaskan secara lengkap oleh Black and Conroy (1977).3 Aksesibilitas perumahan sebagai fungsi tersedianya fasilitas transportas i Ukuran fisik aksesibilitas menerangkan struktur perkotaan secara spasial tanpa melihat adanya perbedaan yang disebabkan oleh keragaman moda transportasi yang tersedia.Banyak ukuran fisik untuk aksesibilitas lainnya ditentukan berdasarkan rumus di atas. 1980) bertujuan untuk mengukur aksesibil itas angkutan umum di kota London. Ukuran ini dapat digunakan untuk menghitung jumlah perj alanan yang sebenarnya berhubungan dengan potensial tersebut.5. Apakah peru bahan tersebut berhasil memperbaiki aksesibilitas? Indeks aksesibilitas untuk angkutan umum didapatkan dengan mengkombinasikan jara k dari rumah ke tempat pemberhentian bus atau stasiun kereta api bawah tanah Pendekatan perencanaan transportasi 37 .4. Salah satu cara se derhana adalah dengan memperlihatkan secara grafis proporsi penghuni yang mencap ai tujuannya dibandingkan dengan jumlah kumulatif aktivitas.6 Aksesibilitas dan perilaku perjalanan Aksesibilitas adalah ukuran untuk menghitung potensial perjalanan dibandingkan d engan jumlah perjalanan.

4 ya ng menunjukkan bahwa keluarga dengan aksesibilitas rendah terhadap angkutan umum biasanya berpendapatan rendah dan akan tetap berjalan kaki.000 − 1.5 1. terutama perbedaan yang jelas antara daera h yang direncanakan dengan baik dan beberapa daerah kumuh.0 16.7 1.3 100.2 33.9 33. Sistem jaringan trans portasi juga berbeda antara berbagai kota tersebut dan antara berbagai daerah di kota yang sama.0 14.3 38.5 32.499 1.000+ Total Keluarga dengan aksesibilitas rendah (%) 6.7 28.0 Sumber: Dallal (1980) Black (1979) menekankan bahwa terdapat ketidaksamaan antara berbagai kota di Asi a dari segi struktur fisik perkotaan. termasuk perkiraan waktu menunggu bus dan kereta api (yang tergantung dari frekuensi pelayanan).3−2.0 Keluarga dengan aksesibilitas tinggi (%) 2.0 Total keluarga (%) 5.6 2.4 Pemilihan moda berdasarkan tujuan perjalanan (be kerja/belajar) dan persentase keluarga Moda Mobil (penumpang) Mobil (pengemudi) Bus Kereta api Sepeda motor Sepeda Jalan kak i Total Keluarga dengan aksesibilitas rendah (%) 4.999 2. Tabel 2. Perhatikan bahwa indeks aksesibilitas hanya memperhat ikan waktu sebenarnya dari rumah sampai pada waktu menaiki bus atau kereta api.500 − 1.2 100.6 1.0 100. Perencanaan dan pemodelan transportasi .0 36.terdekat.9 25.6 30.5 10. bukan sampai pada tujuan akhir.9 1.2 48.0 Total keluarga (%) 4.1 28.3 2.8 100.9 22.5 2.4 15.0 Sumber: Dallal (1980) Tabel 2.8 3.3 Hubungan antara aksesibilitas pendapatan keluarga dan persentase kelua rga Pendapatan per orang per tahun (1977) (£) 0 − 499 500 − 999 1. Black (1979) juga mempertimbangkan cara menganalisis aksesibili tas untuk mempertimbangkan ciri sistem jaringan transportasi yang 38 Ofyar Z Tamin.0 100.3 100.0 Keluarga dengan aksesibilitas tinggi (%) 2. bukan menggunakan b us atau kereta api bawah tanah.7 18.8 12.1 25. Beberapa hasil diperlihatkan pada tabel 2.2 0.6 14.1 23.7 43.

berbeda di dalam dan antara berbagai kota (lihat tabel 2.8 Ringkasan Aksesibilitas adalah alat untuk mengukur potensial dalam melakukan perjalanan.4. di Gunung Sahari Utama. Dalam hal ini. dan dengan bemo menjadi 6 menit. Di kota Bandung. aksesibilitas dapat digunakan untuk menyata kan kemudahan suatu tempat untuk dicapai. sepeda motor merupakan satusatunya moda transportasi yang bisa langsung masuk sampai ke depan pintu rumah melalui jalan jalan kampung yang semp it.5 mengenai aksesibilita s ke sekolah di DKI Jakarta pada tahun 1979). sedangkan mobilitas untuk menyatakan k emudahan seseorang bergerak. s elain juga menghitung jumlah perjalanan itu sendiri. Terdapat perubahan akses ibilitas untuk semua daerah jika angkutan umum digunakan. Pendekatan perencanaan transportasi 39 . Hal ini k arena sepeda motor lebih cepat dibandingkan dengan angkutan umum atau berjalan k aki. T erlihat adanya keragaman yang berbeda. dan pemilik sepeda motor mempunyai aksesibilitas tinggi. Terdapat perbedaan yang besar dalam hal aksesibilitas ke sekolah di be rbagai daerah antara orang yang mampu dan tidak mampu menggunakan angkutan umum.5 menunjukkan waktu tempuh dan persentase pelajar yang berjalan kaki ke sekolah terdekat di enam daerah. dengan rata rata waktu tempuh sekitar 4 m enit dari Cakung dan Tomang serta 20 menit dari Selong. analisis aksesibilitas dapat digunakan untuk mengidentifikasi masalah y ang perlu dipecahkan dan mengevaluasi rencana dan kebijakan pemecahan masalah se lanjutnya. Tabel 2. 2. Konsep aksesibilitas ini dapat juga digunakan untuk mendefinisikan s uatu daerah di dalam suatu wilayah perkotaan atau suatu kelompok manusia yang me mpunyai masalah aksesibilitas atau mobilitas terhadap aktivitas tertentu. Ukuran ini menggabungkan se baran geografis tata guna lahan dengan kualitas sistem jaringan transportasi yan g menghubungkannya. Marler (1985) menunjukkan beberapa masalah aksesibilitas di be berapa kampung. Ternyata akses akan angkutan umum hanya mungkin untuk beberapa k eluarga saja. Dengan demikian. rata rata waktu tempuh adalah berjalan kaki ( 13 menit). Tabel 2. yang dinyatakan dari kemampuannya membayar biaya tr ansportasi. Selain itu. dengan becak dapat dikurangi menjadi 7 menit.5 Persentase orang berjalan kaki dan waktu tempuhnya (aksesibilitas ke s ekolah) Daerah kajian Cakung Tomang Sunter Gunung Sahari Utara Menteng Selong 5 menit 58 55 0 0 17 0 10 menit 74 66 80 60 42 0 15 menit 92 84 100 87 65 38 20 menit 100 100 − 100 92 60 25 menit − − − − 100 100 Sumber: Black (1979) Contohnya.

5 Konsep perencanaan transportasi Terdapat beberapa konsep perencanaan transportasi yang telah berkembang sampai d engan saat ini − yang paling populer adalah ‘Model Perencanaan Transportasi Empat Ta hap’. 2. Bangkitan dan tarikan pergerakan terlihat secara diagram pada gambar 2. Tetapi. 1975). Submodel tersebut ada lah: • • • • • • aksesibilitas bangkitan dan tarikan pergerakan sebaran pergerakan pemilihan moda pemilihan rute arus lalulintas dinamis 2.3 Bangkitan dan tarikan pergerakan 40 Ofyar Z Tamin. i d pergerakan yang berasal dari zona i pergerakan yang menuju ke zona d Gambar 2.5.1. Perencanaan dan pemodelan transportasi . Baginya. Model perencanaan ini merupakan gabungan dari beberapa seri submodel yang ma sing masing harus dilakukan secara terpisah dan berurutan. aksesibilitas yang dihasilkan menjadi t idak ada artinya (mubazir) jika seseorang tidak mampu membayar biaya transportas inya.1 Umum Bangkitan pergerakan adalah tahapan pemodelan yang memperkirakan jumlah pergerak an yang berasal dari suatu zona atau tata guna lahan dan jumlah pergerakan yang tertarik ke suatu tata guna lahan atau zona.Investasi yang dibenamkan untuk pembangunan sistem jaringan transportasi pada da sarnya bertujuan meningkatkan aksesibilitas dari tata guna lahan yang terhubungk an oleh jaringan jalan tersebut.1 Bangkitan dan tarikan pergerakan 2.5.3 (Wells. Bangkitan lalulinta s ini mencakup: • • lalulintas yang meninggalkan suatu lokasi lalulintas yang menuju atau tiba ke suatu lokasi. investasi yang dibenamkan dalam pembangunan sistem jaringan terse but menjadi tidak ada artinya sama sekali. Pergerakan lalulintas merupakan fun gsi tata guna lahan yang menghasilkan pergerakan lalulintas.

truk. atau angkutan barang per satuan waktu. 1 ha perkantoran menghasilkan 700 pergerakan kendaraan per hari.Hasil keluaran dari perhitungan bangkitan dan tarikan lalulintas berupa jumlah k endaraan.2 Jenis tata guna lahan Jenis tata guna lahan yang berbeda (permukiman. misalnya kendaraan/jam. Jumlah dan jenis lalulintas yang dihasilkan oleh setiap tata guna lahan merupaka n hasil dari fungsi parameter sosial dan ekonomi.290 (m ) 2 Rata rata jumlah pergerakan 2 kendaraan per 100 m 136 85 38 595 60 13 18 45 5 2 Jumlah kajian 3 21 38 6 3 22 12 2 98 Sumber: Black (1978) **46.903 (m ) Pendekatan perencanaan transportasi 41 . orang. Kita dapat dengan mudah menghitung jumlah orang atau kendaraan yang masuk atau k eluar dari suatu luas tanah tertentu dalam satu hari (atau satu jam) untuk menda patkan bangkitan dan tarikan pergerakan. seperti contoh di Amerika Seri kat (Black.452−92. lalulintas pada waktu tertentu (kantor mengha silkan arus lalulintas pada pagi dan sore hari. sedangkan pertokoan menghasilkan arus lalulintas di sepanjang hari). dan komersial) mempu nyai ciri bangkitan lalulintas yang berbeda: • • • jumlah arus lalulintas. pendidikan. Tabel 2.645−9. 2.6.5. dan 1 ha te mpat parkir umum menghasilkan 12 pergerakan kendaraan per hari. jenis lalul intas (pejalan kaki.6 Bangkitan dan tarikan pergerakan dari beberapa aktivitas tata guna lah an Deskripsi aktivitas tata guna lahan Pasar swalayan Pertokoan lokal* Pusat pertokoan** Restoran siap santap Restoran Gedung perkantoran Rumah sakit Perpustakaan Daerah industri *4. 1978): • • • 1 ha perumahan menghasilkan 60−70 pergerakan kendaraan per ming gu.1. Beberapa contoh lain (juga di Amerika Serikat) diberikan dalam tabel 2. Bangkitan dan tarikan lalulintas terseb ut tergantung pada dua aspek tata guna lahan: • • jenis tata guna lahan dan jumlah a ktivitas (dan intensitas) pada tata guna lahan tersebut. mobil).

Tabel 2. jenis perumahan dan kepadatannya Jenis perumahan Permukiman di luar kota Permukiman di batas kota Unit rumah Flat tinggi Kepadatan permukiman (keluarga/ha) 15 45 80 100 Pergerakan per hari 10 7 5 5 Bangkitan pergerakan per ha 150 315 400 500 Sumber: Black (1978) Walaupun arus lalulintas terbesar yang dibangkitkan berasal dari daerah permukim an di luar kota.Bangkitan pergerakan bukan saja 2.3 Intensitas aktivitas tata guna lahan ber agam dalam jenis tata guna lahan. jaringan tranportasi.1. Perencanaan dan pemodelan transportasi .5. 1995a cde) 42 Ofyar Z Tamin.5. 2. Karena bangkitan la lulintas berkaitan dengan jenis dan intensitas perumahan.2 Sebaran pergerakan Tahap ini merupakan tahap ketiga dari lima tahap yang 2. Gambar 2. bangkitan lalulintasnya terkecil karena intensitas aktivitasnya (dihitung dari tingkat kepadatan permukiman) paling rendah. dan arus lalulintas. hubungan antara bangki tan lalulintas dan kepadatan permukiman menjadi tidak linear.2.7 Bangkitan lalulintas.1 Umum menghubungkan interaksi antara tata guna lahan. Salah satu ukuran intensitas aktivitas sebidang tanah adalah kepadatannya. Semakin ting gi tingkat penggunaan sebidang tanah. semakin tinggi pergerakan arus lalulintas yang dihasilkannya.5.4 Pola pergerakan kendaraan di kota Bandung Sumber: Tamin (1994d. 1978). Po la spasial arus lalulintas adalah fungsi dari tata guna lahan dan sistem jaringa n transportasi. tetapi juga tingkat aktivitasnya. Tabel 2.7 memperlihatkan bangkitan lalulintas dari suatu daerah p ermukiman yang mempunyai tingkat kepadatan berbeda di Inggris (Black.

Gambar 2. Interaksi antardaerah sebagai fungsi dari intensitas setiap daerah dan jarak ant ara kedua daerah tersebut dapat dilihat pada tabel 2. 2. Ketebalan garis menunjukkan jumlah arus kendaraan dan panjang garis menunjukkan jarak antarzona yang dihubungkan.Gambar 2.5. Contohnya. dan pemisahan ruang. 2.4 Pemisahan ruang dan intensitas tata guna lahan Daya tarik suatu tata gun a lahan akan berkurang dengan meningkatnya jarak (dampak pemisahan ruang). Pemisahan ruang tidak hanya ditentukan oleh jarak.8 Interaksi antardaerah Jauh Jarak Dekat Intensitas tata guna lahan anta ra dua zona Sumber: Black (1981) Interaksi rendah Interaksi menengah Interaksi sangat tinggi Interaksi dapat diab aikan Interaksi rendah Interaksi menengah Kecil−Kecil Kecil−Besar Besar−Besar Pendekatan perencanaan transportasi 43 . Pergerakan lalulintas yang diha silkan juga akan lebih banyak yang berjarak pendek daripada yang berjarak jauh. makin tinggi pula tingkat kemampuannya dalam menarik lalulintas. Tabel 2. pe rgerakan dari rumah (permukiman) ke tempat bekerja (kantor.4 memperlihatkan pola spasial pergerakan kendaraan di kota Bandung (Tam in.3 Intensitas tata guna lahan Makin tinggi tingkat aktivitas suatu tata guna lahan. industri) yang terja di setiap hari. Contohnya. interaksi antara dua buah tata gun a lahan yang akan menghasilkan pergerakan manusia dan/atau barang. yaitu lokasi dan intensitas tata guna lahan yang akan mengh asilkan arus lalulintas.2.4 ini dikenal dengan gamb ar garis keinginan karena menunjukkan arah pergerakan arus lalulintas.2.6) karena aktivitas di pasar swalayan lebih tinggi pe r satuan luas lahan dibandingkan dengan di rumah sakit. Jarak yang jau h atau biaya yang besar akan membuat pergerakan antara dua buah tata guna lahan menjadi lebih sulit (aksesibilitas rendah).2 Pemisahan ruang Jarak antara dua buah tata guna lahan merupakan batas pergerakan.8.5. Tata guna lahan cenderung menarik pergerakan lalulintas dari tempat yang lebih dekat dibandingkan dengan dari tempat yang lebih jauh. 1995c). misalnya hambatan perjalanan yang diukur dengan waktu dan bia ya yang diperlukan.5. pasar swalayan menarik arus pe rgerakan lalulintas lebih banyak dibandingkan dengan rumah sakit untuk luas laha n yang sama (lihat tabel 2. Oleh karena itu. tetapi ti dak menunjukkan rute pergerakan yang sebenarnya digunakan. 2. pergerakan arus lal ulintas cenderung meningkat jika jarak antara kedua zonanya semakin dekat.2. Hal i ni juga menunjukkan bahwa orang lebih menyukai perjalanan pendek daripada perjal anan panjang. tetapi oleh beb erapa ukuran lain. Pola sebaran arus lal ulintas antara zona asal i ke zona tujuan d adalah hasil dari dua hal yang terja di secara bersamaan.

3 Bangkitan dan sebaran pergerakan Telah dijelaskan bahwa jenis dan intensitas tata guna lahan berpengaruh pada jum lah bangkitan lalulintas sehingga jelaslah bahwa bangkitan pergerakan sangat ber kaitan dengan sebaran pergerakan.1 Pemilihan moda transportasi Jika interaksi terjadi antara dua tata guna lahan di suatu kota.4. j umlah pergerakan lalulintas antara dua buah tata guna lahan tergantung dari inte nsitas kedua tata guna lahan dan pemisahan ruang (jarak.5. Bangkitan pergerakan memperlihatkan banyaknya lalulintas yang dibangkitkan oleh setiap tata guna lahan. 2.5. Ilustrasinya terli hat pada gambar 2. waktu.Jaringan transportasi dapat menyediakan sarana untuk memecahkan masalah jarak te rsebut (misalnya perbaikan sistem jaringan transportasi akan mengurangi waktu te mpuh dan biaya sehingga membuat seakan akan jarak antara kedua tata guna lahan a tau aktivitas tersebut menjadi semakin dekat).5−2. arus lalulintas antara dua buah tata guna lahan mempu nyai korelasi positif dengan intensitas tata guna lahan dan korelasi negatif den gan jarak. dan biaya) antar a kedua zonanya.4 Pemilihan moda transportasi dan rute 2.5 Bangkitan pergerakan Sumber: Wells (1975) Sebaran pergerakan menghasilkan jumlah arus lalulintas yang bergerak dari suatu zona ke zona lainnya 75 pergerakan i antara zona i dan d d Gambar 2.5. Oleh karena itu. Perencanaan dan pemodelan transportasi . Sehingga. Jarak hanya bisa diatasi dengan memperbaiki sistem jaringan transportasi. sedangkan sebaran perg erakan menunjukkan ke mana dan dari mana lalulintas tersebut. seseorang akan memutuskan bagaimana interaksi tersebut harus dilakukan. Bangkitan pergerakan menghasilkan pergerakan lalulintas yang masuk dan keluar da ri suatu zona i 200 d 150 200 pergerakan berasal dari zona i 150 pergerakan menuju ke zona d Gambar 2. 1975).6 Sebaran pergerakan antar dua buah zona Sumber: Wells (1975) 2. tetapi tidak mengurangi jarak. Dalam kebanyakan kasus. Sistem transportasi dapat mengura ngi hambatan pergerakan dalam ruang.6 (Wells. pilihan pertama adalah dengan menggunakan 44 Ofyar Z Tamin.

sepeda motor. jika harus berpergian jauh tentu menggunakan angkutan umum. seandainya keluarga tersebut mempunyai sepeda. rute ditentukan berdasarkan moda transportasi (bus da n kereta api mempunyai rute yang tetap). Sementara itu. pemilihan rute tergantung pada alternatif terpendek. Jika arus lalu lintas meningkat pada ruas jalan tertentu. Orang miskin mungkin tidak mamp u membeli sepeda atau membayar biaya transportasi sehingga mereka biasanya berja lan kaki. jenisnya bermacam macam − opl et. sering interaksi mengharuskan terjadinya perjalanan..4. pemilihan moda dan rut e dilakukan bersama sama.2 Pemilihan rute Seperti pemilihan moda. Secara sederhana moda be rkaitan dengan jenis transportasi yang digunakan. diasumsikan bahwa orang akan memilih moda transportasinya dulu. Dalam kasus in i.5.. waktu tempuh pasti bertambah (karena kecepatan menurun). Kapasitas suatu jalan dapat didefinisikan dengan beberapa cara.telepon (atau pos) karena hal ini akan dapat menghindari terjadinya perjalanan. 1965]) adalah: ‘. Semua y ang telah diterangkan dalam pemilihan moda juga dapat digunakan untuk pemilihan rute. dan lain lain. Untuk kendaraan pribadi. the maximum number of vehicles that can pass in a given period of time…’ (‘. Arus maksimum yang dapat melewati suatu ruas jalan biasa dis ebut kapasitas ruas jalan tersebut. Hal seperti ini harus dipertimbangkan dalam pemilihan moda. 2. becak. Akan tetapi. Arus maksimum yang dapat melewati suatu titi k (biasanya pada persimpangan dengan lampu lalulintas biasa disebut arus jenuh. Pilihan pertama biasanya berja lan kaki atau menggunakan kendaraan. Salah satunya (H ighway Capacity Manual [HRB. atau termurah. dan juga diasumsikan bahwa pemakai jalan mempunyai informas i yang cukup (misalnya tentang kemacetan jalan) sehingga mereka dapat menentukan rute yang terbaik. tercepat. baru rutenya. Jika menggunakan kendaraan. kereta api. dan termurah. pilihannya adal ah kendaraan pribadi (sepeda. Selanjutnya.5 Arus lalulintas dinamis (arus pada jaringan jalan) Arus lalulintas berinteraksi dengan sistem jaringan transportasi. Dalam beberapa kasus. Untuk angkutan umum. Jika terdapat lebih dari satu moda. Dalam kasus ini. keluarga berpenghasilan kecil yang tidak mempunyai mobi l atau sepeda motor biasanya menggunakan angkutan umum.. moda yang d ipilih biasanya yang mempunyai rute terpendek. ter cepat.. mobil) atau angkutan umum (bus. 2. Jika angkutan umum yang digunakan. Orang yang hanya mempunyai satu pilihan moda saja disebut dengan captive terhadap moda tersebut. mungkin terdapat sed ikit pilihan atau tidak ada pilihan sama sekali. Faktor lain yang mempengaruhi adalah ketidaknyamanan dan keselamatan. juml ah kendaraan maksimum yang dapat bergerak dalam periode waktu tertentu …’) Pendekatan perencanaan transportasi 45 .5. beca k dan lain lain). atau kom binasi dari ketiganya. keputusan harus ditentukan dalam hal pemilihan moda.

Perencanaan dan pemodelan transportasi .7 (Black.6 Tingkat pelayanan Terdapat dua buah definisi tentang tingkat pelayanan suatu ruas jalan yang perlu dipahami. K emacetan semakin meningkat apabila arus begitu besarnya sehingga kendaraan sanga t berdekatan satu sama lain. kemacetan mulai terjadi.7 Hubungan antara nilai nisbah volume per kapasitas dengan waktu tempuh Terlihat bahwa kurva mempunyai asimtot pada saat arus mencapai kapasitas (atau n ilai Nisbah Volume per Kapasitas/NVK mendekati satu).8 yang mempunyai ena m buah tingkat pelayanan. Penambahan kendaraan tertentu pada saat arus ren dah akan menyebabkan penambahan waktu tempuh yang kecil jika dibandingkan dengan penambahan kendaraan pada saat arus tinggi. kapasita s tak akan pernah tercapai dan waktu tempuh akan meningkat pesat pada saat arus lalulintas mendekati kapasitas. Oleh karena itu. arus tidak akan beroperasi denga n kondisi sesederhana ini. Kemacetan total terjadi apabila kendaraan harus ber henti atau bergerak sangat lambat. 2. Hubungan antara arus dengan waktu tempuh (a tau kecepatan) tidaklah linear. Oleh sebab itu. Nisbah volume per kapasitas Gambar 2. 1981).6. yaitu: 46 Ofyar Z Tamin. yang tergantung pada perbandingan antara arus terhadap kapasitas. Hal ini menyebabkan fungsi arus mem punyai bentuk umum seperti gambar 2. 2. Definisi ini digunakan o leh Highway Capacity Manual.5. modifikasi terhadap teori dasar harus dilakukan. tingkat pela yanan pada suatu jalan tergantung pada arus lalulintas.5. Secara sederhana. Secara realita.1 Tingkat pelayanan (tergantung arus) Hal ini berkaitan dengan kecepatan operasi atau fasilitas jalan.Kapasitas ruas jalan perkotaan biasanya dinyatakan dengan kendaraan (atau dalam Satuan Mobil Penumpang/SMP) per jam. diilustrasikan dengan gambar 2. Jika arus lalulintas mendekati kapasitas.

9 Hubungan antara nisbah waktu perjalanan (kondisi aktual/arus bebas) d engan nisbah volume/kapasitas 1. antrian.6 0. Jalan bebas hambatan mempunyai tingkat pelayanan yang tinggi.5. Pendekatan perencanaan transportasi 47 . bukan arusnya.8 Tingkat pelayanan 2. macet) Konsep Amerika sudah sangat umum digunakan untuk menyatakan tingkat pelayanan.2 Tingkat pelayanan (tergantung fasilitas) Hal ini sangat tergantung pada jenis fasilitas. sedangkan jalan yang sempit mempunyai tingkat pelayanan yang renda h.2 0. sedangkan sumbu x menyatakan nisbah antara arus dengan kapasitas.8 Nisbah volume dengan kapasitas Catatan: sumbu y menunjukkan nisbah antara waktu tempuh dengan waktu pada kondis i arus bebas.9 (Black.• • • • • Tingkat pelayanan A Tingkat pelayanan B Tingkat pelayanan C Tingkat pelayanan D • − − − − − arus bebas arus stabil (untuk merancang jalan antarkota) arus stabil (untuk mera ncang jalan perkotaan) arus mulai tidak stabil − arus tidak stabil (tersendat sendat) Tingkat pelayanan E Tingkat pelayanan F arus terhambat (berhenti. 4 3 2 1 0 tingkat pelayanan buruk tingkat pelayanan baik Gambar 2. 1981). Hal ini diilustrasikan pada gambar 2.6. Gambar 2.0 0.4 0.

5)−(2.3) adaah sama dengan pesamaan (2.2) [λ(1 − ρ )] WQ = tundaan pe kendaaan λ ρ µ = tingkat kedatangan = λ/µ = tingkat peayanan Bedasakan teoi antian stokastik untuk satu tempat peayanan dengan sebaan p eayanan acak. Kurva meningkat secara monoton.2). tundaan antian dapa t dipetimbangkan sebagai petambahan waktu tempuh akibat adanya kendaaan ain yang dapat dinyatakan sebagai beikut.3) beikut. 2.7 Hubungan arus lalulintas dengan waktu tempuh Besarnya waktu tempuh pada suatu ruas jalan sangat tergantung dari besarnya arus dan kapasitas ruas jalan tersebut.3) Kaena µ=λ/ρ maka sebenanya pesamaan (2. Hubungan antara arus dengan waktu tempuh dap at dinyatakan sebagai suatu fungsi dimana jika arus bertambah maka waktu tempuh akan juga bertambah. Konse p antian daam waktu peayanan meujuk pada waktu minimum yang dibutuhkan kenda aan untuk meaui suatu uas jaan sesuai dengan tingkat peayanan jaan yang a da. ρ2 WQ = (2.4) Niai nisbah tundaan antian dengan waktu peayanan dapat dituunkan denga n uutan pesamaan (2. hal ini sebenarnya merupakan konse p dasar dalam teori antrian yang menyatakan bahwa tundaan yang terjadi pada ting kat kedatangan dan tingkat pelayanan yang tersebar secara acak dapat dinyatakan sebagai persamaan (2. besanya waktu tunggu yang diaami oeh setiap kendaaan dengan s ebaan kedatangan acak dapat dinyatakan dengan pesamaan (2. Ew = ρ [µ(1 − ρ )] (2.Konsep ini dikembangkan oleh Blunden (1971). Blunden (1971) menunjukkan bahwa hasil eksperimen menghasilkan karakteristik t ertentu sebagai berikut: • • • Pada saat arus mendekati nol (0). dan Davidson (1966) .5. Peencanaan dan pemodean tanspotasi . Kurva mempunyai asimtot pada saat arus mendekat i kapasitas.2) berikut. Sehingga. Menurut Davidson (1966). waktu tempuh = waktu peayanan + tundaan (2. Wardrop (1952).6) sebagai beikut: 48 Ofya Z Tamin. titik potong pada sum bu y terlihat dengan jelas (T0). Waktu peayanan adaah waktu tempuh yang dibutuhkan ketika tidak ada kendaa an ain pada jaan tesebut (kondisi aus bebas).

maka dihasik an uutan pesamaan (2.WQ 1/ µ WQ 1/ µ = = ρ 2µ [λ(1 − ρ )] (2. WQ ρ = (2.a. Secaa matematis.13) dapat dituis kembai sebagai pe samaan (2.9) ke pesamaan (2.12) ρ TQ = T0 .6) [(1 − ρ )] ρ Jika waktu peayanan adaah waktu tempuh pada kondisi aus bebas (T0) maka pesa maan (2. (1 − ρ ) 1 − (1 − a )ρ TQ = T0 1−ρ (2. ρ [(1 − ρ )] (2.10)−(2.13) beikut ini. W Q = T0 .8) haus dimodifikasi dengan memasukkan suatu fakto ‘a’ (indeks tingkat peayanan) ya ng besanya tegantung dai kaakteistik uas jaan dan tundaan akibat adanya k endaaan ain pada uas jaan tesebut sehingga dihasikan pesamaan (2.13) Dengan mengasumsikan ρ=Q/C maka pesamaan (2.9) beik ut. TQ = T0 + W Q TQ = T0 + T0 .7) [(1 − ρ )] T0 W Q = T0 . Oeh kaena itu.5) (2. ρ [(1 − ρ )] (2. dengan memasukkan pesamaan (2. ρ [(1 − ρ )] (2.14) beikut yang biasa disebut pesamaan Davidson.4).8) Tundaan yang tejadi disebabkan oeh satu angkaian antian sehingga vaiasi pad a waktu tempuh tegantung pada tundaan antian. 1 + a.11) (2.7)−(2. pesamaan (2.10) (2.14) Pendekatan peencanaan tanspotasi 49 1− Q .6) dapat dinyatakan dengan bentuk ain sepeti pesamaan (2.8) beik ut.9) Seanjutnya. c ii tesebut dapat dinyatakan sebagai beikut: Q 1 − (1 − a ) C TQ = T0 (2.a.

pesamaan (2.5.1 Pendekatan inea Pesamaan (2.19).15)−(2. TQ Q a (2.16) (2.15) (2. sepeti paki dan penyebeang jaan) T0 = Q C a = = = 2.dengan: TQ = waktu tempuh pada saat aus = Q waktu tempuh pada saat aus = 0 aus auintas kapasitas indeks tingkat peayanan/ITP (fungsi fakto yang menyebabkan keagaman daam aus.18 dan 2.∑ Y i i i i N ∑ (X i ) i 2 − ∑ Xi i 2 (2.17) TQ = T0 + aT0 Dengan meakukan tansfomasi inea. Peencanaan dan pemodean tanspotasi .19) 50 Ofya Z Tamin. paamete A dan B dapat dihi tung dan dihasikan bebeapa niai beikut: A = T0 dan B = aT0 sehingga niai in deks tingkat peayanan (ITP) adaah a=B/A.8.8 Penentuan indeks tingkat peayanan (ITP) Niai ‘a’ (indeks tingkat peayanan) untuk suatu uas jaan dapat dihitung dengan be beapa pendekatan beikut ini. Dengan mengetahui bebeapa set data TQ (C − Q i ) bisa didap at dai suvei waktu tempuh dan voume auintas. i = Y i dan TQ B= N ∑ (X i Y i ) − ∑ X i .18) A = Y − BX Y dan X adaah niai ata ata Yi dan Xi.5. maka dengan menggunakan anai sis egesi inea (ihat pesamaan 2.17) dapat disedehanakan dan dituis kembai sebagai pesamaan inea Y i = A + BX i dengan mengasumsikan Qi i dan Qi yang = X i .14) dapat disedehanakan dengan uutan penyedehanaan sepeti tetu C =1+ T0 Q 1− C TQ T0 =1+a Q C−Q Q (C is pada pesamaan (2. 2. (2.17).

24) 2 aX i ˆ 2 − 2Y − 2Y aX i aX i (2.Pesamaan (2.21) ke pesamaan (2.22) beikut.24)−(2.26).20) Qi = X i maka pesamaan (2.23) dapat disedehanakan dengan uutan penyedehanaan sepeti tetu S = ∑ Y i i 1 + 1− Xi i is pada pesamaan (2. fungsi objektif (2.20) dapat T0 C dituis kembai sebagai pesamaan (2. meminimumkan aX i ˆ 2 − 2Y 1 − X i 2 (2.2 Pendekatan tidak inea ditui s kembai sebagai pesamaan (2. Q a TQ C =1+ T0 Q 1− C Dengan mengasumsikan i TQ (2.21) i Dengan mengetahui bebeapa set data TQ dan Qi yang bisa didapat dai suvei waktu tempuh dan voume auintas.14) dapat disedehanakan dan 2. meminimumkan ˆ −Y S=∑ Y i i i ( ) 2 (2.22).26) Pendekatan peencanaan tanspotasi 51 1− X i Y i i i i 1− Xi aX i ˆ 2 − 2Y − 2 mem . meminim umkan aX i ˆ − S = ∑ Y 1+ i 1− Xi i 2 (2.23) dengan paamete tidak diketahui adaah ‘a’. akan didapat bebeapa set pasangan data Yi d an Xi.25) 2 + 1 + 2 + aX i meminimumkan S = ∑ 1− X i 1− Xi (1 − Y i ) + 1 + (2.22) b eubah menjadi pesamaan (2.20).8.2 1) yang meupakan pesamaan tidak inea.23) Pesamaan (2.5. = Yi dan aX i Yi = 1 + 1− X i (2. Niai ‘a’ dapat ditentukan dengan menggunakan metode penaksian kuadat teke ci yang mencoba meminimumkan jumah pebedaan kuadat antaa niai Yi hasi pen aksian dan hasi pengamatan sepeti pada pesamaan (2.22) Dengan memasukkan pesamaan (2.

.

30) dapat disedehanakan menjadi pesamaan (2.30).32) (Y − 1)(1 − X i ) gunakan niai Y i = i TQ a=∑ i T0 dengan menggunakan pesamaan (2.28) 2 X ∂S i = ∑ Xi ∂a i 1 − X i ( ) − + 1 2 a Y i 1− X i aX i 1 − Yi + 1 − X i =0 (2.30).34) beikut.30) Pesamaan (2. i ∑ 1 − X i aX i = ∑ (Y i − 1) i (2. pesamaan (2.31) tanpa mengubah se dikitpun pemasaahan pada pesamaan (2. pesamaan (2.28)−(2. Peencanaan dan pemodean tanspotasi Qi i C .27) be ikut dibutuhkan: ∂S (2. aX i ∂S = ∑ 1 − Y i + ∂a i 1− Xi =0 (2 Untuk mendapatkan niai ‘a’.26).33).Untuk mendapatkan niai ‘a’ yang meminimumkan pesamaan (2.27) =0 ∂a Pesamaan (2.33) dan X i = Qi maka niai ‘a’ bisa didapat C i TQ Q − 1 1 − i C T0 a = ∑ (2.34) 52 Ofya Z Tamin.27) dapat dituis kembai daam bentuk 2 X i ∂S = ∑ ∂a i ain dengan uutan sepeti pada pesamaan (2.32)−(2.29) 2 X i ∂S = ∑ ∂a i 1 − X i = 0 (2. Dengan Xi i (2.31) dapat disedehanakan dengan uutan pen yedehanaan sepeti tetuis pada pesamaan (2. ) + 2 1− X i X i 1 − X i 2 1 − = 0 (2.

9 teihat bahwa Bunden menggunakan istiah aus jen uh.0 − 3. T0 TQ = − Q 1− C (2. niai indeks tingkat peayanan (a) meupakan niai ata ata dai bebeapa niai a.14) dapat disedehanakan dengan uutan penyedehanaan sepeti tetu C TQ = Q T0 (1 − a ) is pada pesamaan (2.2 0.0 1.38) T0 Q Untuk setiap pasangan data TQ dan Q yang d idapatkan dai hasi suvei waktu tempuh dan voume aus auintas akan dihasi kan satu niai a.2. Pada tabe 2. kapasitas.8.35) T0 C T (1 − a )Q − 0 (C − Q ) (C − Q ) (2.5 Aus jenuh (kendaaan/hai) 2.36) (2.9 untuk bebeapa jenis jaan. hubun gan kecepatan dan aus didapat untuk bebeapa jenis jaan dan diteapkan untuk s etiap jaan.35)−(2.3 Pendekatan ata ata Pesamaan (2.9 Penentuan niai T0 Niai T0 (waktu tempuh pada kondisi aus bebas) untuk suatu uas jaan dapat dih itung dengan membagi panjang uas jaan tesebut dengan kecepatan aus Pendekatan peencanaan tanspotasi 53 Q 1 . niai indeks tingkat peayanan (a) bisa didapatkan dai pesamaan (2. Hubungan antaa waktu tempuh pada suatu uas jaan tegantung dai aus auintas.5 − 2. Tabe 2. (C − Q )(TQ − T0 ) a= (2.800 / tota eba Daam banyak kajian tanspotasi. Bunden (1971) menghasikan tabe 2.800 / aju 1.37) TQ (C − Q ) = T0 [C − (1 − a )Q ] Jadi. 2.6 1.0 a 0 − 0.5.37).4 − 0. waktu tempuh pada kondisi aus jenuh dan indeks tingkat peayanan (a). Waktu (T0) didefinisikan sebagai waktu yang dipeukan untuk meewati suatu uas jaan jika tedapat tidak ada hambatan pada uas jaan tesebut (atau kecep atan aus bebas).0 2. bebeapa pendekatan sedehana digunakan. Jadi.0 − 1.8 − 1.9 Paamete untuk bebeapa jenis jaan Kondisi Jaan bebas hambatan Jaan pekotaan (banyak aju) Jaan koekto dan pengumpan TQ (menit/mi) 0.38) b eikut.000 / aju 1.5.

39) beikut ini.10. FV = (FV0 + FVW ) x FFVSF x FFVCS (km/jam) FV : kecepatan aus bebas untuk kendaaan ingan (km/jam) : kecepatan aus bebas dasa untuk kendaaan ingan (km/jam) : fakto koeksi kecepatan aus bebas aki bat eba jaan (2.bebasnya (FV). Tabe 2. Menuut IHCM (1997).10 Kecepatan aus bebas dasa (FV0) Kecepatan aus e jaan Semua jenis kendaaan (ata ata) gangguan samping FFVC (jumah penduduk) jaan dan jenis kenda bebas dasa (FV0) Tip Kendaaan ingan Kendaaan beat Sepeda moto Jaan 6 aju bepembatas median (6/2D) atau jaan 3 aju satu aah (3/1) Jaan 4 aju bepembatas median (4/2D) atau jaan 2 aju satu aah (2/1) Jaan 4 a ju tanpa pembatas median (4/2UD) Jaan 2 aju tanpa pembatas median (2/2UD) 61 52 48 57 57 50 47 55 53 46 43 51 44 40 40 42 .39) FV0 FVW FFVSF : fakto koeksi kecepatan aus bebas akibat kondisi S : fakto koeksi kecepatan aus bebas akibat ukuan kota Kecepatan aus bebas dasa FV0 ditentukan bedasakan tipe aan sepeti teihat pada tabe 2. kecepatan aus bebas dapat dihitung dengan p esamaan (2.

Fakto koeksi kecepatan aus bebas akibat eba jaan (FVW) ditentukan bedasakan tipe jaan dan eba jaan efektif (We) (ihat tabe 2. kecepatan aus bebas dasanya sama dengan jaan be aju 6. Untuk j aan beaju ebih dai 8.Sumbe: IHCM (1997) Secaa umum kendaaan ingan memiiki kecepatan aus bebas dasa ebih tinggi da ipada kendaaan beat dan sepeda moto.11). Jaan bepembatas median memiiki kecep atan aus bebas dasa ebih tinggi daipada jaan tanpa pembatas median. 54 Ofya Z Tamin. Peencanaan dan pemodean tanspotasi .

00 0.98 0.02 1.11 Fakto koeksi kapasitas aus bebas akibat eba jaan (FVW) Tipe ja an Leba jaan efektif (We) (mete) Pe aju 3.00 0.97 0.93 0.73 1.01 0.99 0.98 0. Tabe 2.75 4.79 1.25 3.90 1.86 1.96 0.0 4 aju 2 aah bepembatas median (4/2D) Sangat endah Rendah Sedang Tinggi Sang at tinggi Sangat endah 4 aju 2 aah tanpa pembatas median (4/2UD) Rendah Seda ng Tinggi Sangat tinggi Sangat endah 2 aju 2 aah tanpa pembatas median (2/2U D) atau jaan satu aah Rendah Sedang Tinggi Sangat tinggi 1.5 ≥ 2.98 0.87 0. tingkat gangguan samping.25 3.02 0.86 0.99 0.12 untuk jaan yang mempunyai bahu jaan da n tabe 2.03 1 .01 1.98 0.03 1.03 1.91 0.03 1.02 0.95 0.02 0.99 0.96 0.92 1.03 1.50 3.01 0.00 3.88 1 .89 0 .03 1 .91 Sumbe: IHCM (1997) Pendekatan peencanaan tanspotasi 55 .00 3.00 dua aah 5 6 7 8 9 10 11 FVW −4 −2 0 2 4 −4 −2 0 2 4 −9.82 0.04 1.Tabe 2.02 0.95 1.85 1.90 0.94 0.13 untuk jaan yang mempunyai keeb).96 1.93 0.84 1.0 1.5 ≤ 0.04 1.96 0.96 0.5 −3 0 3 4 6 7 4 aju bepembatas median atau jaan satu aah 4 aju tanpa pembatas median 2 aju tanpa pembatas median Sumbe: IHCM (1997) Fakto koeksi kecepatan aus bebas akibat hambatan samping ditentukan bedasak an tipe jaan.99 0.02 0.75 4. eba bahu jaan efektif (WS) atau jaa k keeb ke penghaang (ihat tabe 2.93 0.80 1.00 0.00 0.90 0.12 Fakto koeksi kecepatan aus bebas akibat gangguan samping FVSF untu k jaan yang mempunyai bahu jaan Fakto koeksi akibat gangguan samping Keas d an eba bahu jaan efektif (WS) Tipe jaan gangguan Leba bahu jaan efektif (m ) samping 1.50 3.94 0.00 Pe aju 3.00 0.

01 1.97 0.13).97 0.91 0.89 0.82 Sumbe: IHCM (1997) Fakto koeksi kecepatan aus bebas untuk jaan 6 aju dapat dihitung dengan me nggunakan fakto koeksi kecepatan aus bebas untuk jaan 4 aju dengan menggun akan pesamaan (2.92 0.81 0.86 0.00 0.72 1.94 0. Tabe 2.99 0.0 1.SF : fa kto koeksi kecepatan aus bebas untuk jaan 6 aju FFV4.95 0.85 0.96 0.40) sebagai beikut: FFV6.84 0.5 0.92 0.Fakto koeksi kecepatan aus bebas akibat gangguan samping (FVSF) untuk uas ja an yang mempunyai keeb didasakan pada jaak antaa keeb dengan gangguan pada sisi jaan (WK) seta tingkat gangguan samping (ihat tabe 2.95 0.99 0.97 0.77 ≥ 2.86 0.92 1.81 0.90 0.13 Fakto koeksi kecepatan aus bebas akibat gangguan samping FVSF untu k jaan yang mempunyai keeb Fakto koeksi akibat gangguan samping dan jaak ke eb−gangguan (WK) Jaak keeb−gangguan (m) ≤ 0.93 0.91 0.95 0.98 0.88 0.00 0.92 0.SF ) FFV6.90 0.84 0.8 × (1 − FFV4.94 0.95 0.98 0.90 0.87 0.78 0.SF : fakto koeksi k ecepatan aus bebas untuk jaan 4 aju (2.93 0.97 0.01 1.93 0.99 0.88 0.95 0.97 0.88 0.85 0.5 Sangat endah Rendah 4 aju 2 aah bepembatas median (4/2 D) Sedang Tinggi San gat tinggi Sangat endah 4 aju 2 aah tanpa pembatas median (4/2 UD) Rendah Se dang Tinggi Sangat tinggi Sangat endah Rendah 2 aju 2 aah tanpa pembatas med ian (2/2UD) atau jaan satu aah Sedang Tinggi Sangat tinggi 0.95 0.90 0.93 0.81 0.40) 56 Ofya Z Tamin.0 0.95 0.77 0.95 0.68 Tipe jaan Keas gangguan samping 1.SF = 1 − 0. Peencanaan dan pemodean tanspotasi .97 0.

41) beikut. kecepatan a us bebas dapat dihitung dengan posedu beikut. s istem pasaana tanspotasi.14 Fakto koeksi kecepatan aus bebas akibat ukuan kota (FFVCS) untuk jaan pekotaan Ukuan kota (juta penduduk) < 0.03 Sumbe: IHCM (1997) Kecepatan aus bebas yang didapat dai pesamaan (2.93 0. yaitu: • • • aksesibiitas. FFV = FV0 − FV (km/jam) FFV : tota niai fakto koeksi kecepatan aus bebas (km/jam) : kecepatan aus bebas dasa untuk kendaaan ingan (km/jam) : kecepatan aus bebas untuk kendaa an ingan (km/jam) (2. bangkitan pege akan. dan auintas. Sistem tata gun a ahan dan tanspotasi mempunyai tiga komponen utama.1−0. sebaan pegeakan.42) beikut.41) FV0 FV • Hitung kecepatan aus bebas untuk jenis kendaaan beat dengan pesamaan (2. Untuk jenis kendaaan ain (misanya kendaaan beat).10 Ringkasan konsep dasa Sistem adaah sepeangkat objek yang behubungan satu sama ain.5−1. • Hitung tota niai fakto koe ksi kecepatan aus bebas untuk kendaaan ingan dengan pesamaan (2.00 1.0 : kecepatan aus bebas dasa untuk kendaaan beat (km/jam) 2.0 Fakto koeksi untuk ukuan kota 0.5. FVHV = FVHV. Tabe 2.14 dimana fakto koeksi tesebut meupakan fungsi dai jumah pendudu k kota. yaitu tata guna ahan.0−1.95 Ukuan kota (juta penduduk) 1.0 /FV0 (km/jam) (2. Pendekatan peencanaan tanspotasi 57 .42) FVHV : kecepatan aus bebas untuk kendaaan beat (km/jam) FVHV.Fakto koeksi kecepatan aus bebas akibat ukuan kota (FFVCS) dapat diihat pad a tabe 2.90 0.38) hanya beaku untuk kend aaan ingan.1 0.5 0.3 Fakto koeksi untuk ukuan kota 1.3 > 1. Hubungan antaa ketiga komponen ut ama ini teihat daam 6 konsep anaitis.0 − FFV x FVHV.

Bebeapa atenatif uutan p emodean dapat diihat pada gamba 2. dan ain ain. ketesediaan data (kuanti tas dan kuaitas). akan tetapi konsep ini dapat juga digunakan sebagai poses utama daam kajian tanspotasi. pemiihan ute. MS = Pemiihan moda dan A = Pemiihan ute. akan tetapi bebeapa tahun beakangan ini se ing digunakan jenis iii. Tabe 2.15 Konsep anaitis dan komponen yang saing tegantung Konsep anaitis 1 Aksesibiitas 2 Bangkitan pegeakan 3 Sebaan pegeakan 4 Pemiihan moda 5 P emiihan ute 6 Aus pada jaingan tanspotasi Tegantung dai komponen tata guna ahan & sistem pasaana tanspotasi tata guna ahan & sistem pasaa na tanspotasi tata guna ahan & sistem pasaana tanspotasi sistem pasaana tanspotasi & aus auintas sistem pasaana tanspotasi & aus auintas sistem pasaana tanspotasi & aus auintas Aksesibiitas (konsep 1) kadang kadang bukan meupakan bagian intega dai kese uuhan sistem. Konsep ini digunakan untuk mengidentifikasi masaah dan menoong mengevauasi atenatif peencanaan tanspotasi yang diusukan. Jika diihat.15 mempeihatkan hubungan antakomponen yang saing tegantung pada set iap konsep anaitis tesebut. Uutan tesebut beagam. Uutan yang paing seing digunakan adaah jenis iv. Konsep 2 sampai dengan konsep 5 (bangkitan pegeak an. aus auintas pada jaingan jaan (aus aui ntas dinamis). yang haus diakukan secaa beuutan. 1981) dengan G = Bangkitan pege akan. tujuan kajian.• • • pemiihan moda. tegantung pada etak tah apan pemiihan moda.10 (Back. yang pen ggunaannya sangat tegantung pada kondisi di apangan. sebaan pegeakan. waktu kajian. Tabe 2. Penggunaan dai setiap atenatif sangat tegantung pada da ta yang tesedia. dan ainain. pemiihan moda dan ute) meupakan bagian utama mode te sebut. D = Sebaan pegeakan. 58 Ofya Z Tamin. tenyata keempat atenatif ini bebeda beda. Peencanaan dan pemodean tanspotasi . waktu peencanaan. A us auintas pada jaingan jaan (konsep 6) adaah konsep yang temasuk pada be beapa tahapan yang bebeda.

G MS G JENIS I MS JENIS II G G JENIS III JENIS IV D D D MS D MS A A A A Gamba 2. tegantun g pada uutannya (Wes. beapa aus dai zona i ke zona d ? Pendekatan peencanaan tanspotasi 59 . 1975).11.10 Empat vaiasi uutan konsep utama Sumbe: (Back.d). 1 Aksesibiitas Aksesibiitas zona i tegantung pada intensitas tata guna ahan zona d i d 2 Bangkitan pegeakan Aus meninggakan zona i Aus memasuki zona d i d 3 Sebaan pegeakan i d Untuk setiap pasangan zona (i. 1981) Konsep tesebut bisa diiustasikan sepeti teihat pada gamba 2.

.

Peencanaan dan pemodean tanspotasi . Ha yang sam a beaku juga untuk angkutan umum. Rute tecepat akan beubah dai ABCD menjadi ABED. konsep tesebut bau dijeaskan di atas ketas. 60 Ofya Z Tamin. beapa yang menggunakan kendaaan pibadi da n beapa yang menggunakan angkutan umum? 5 Pemiihan ute a. Kendaaan pibadi B i D A C d Kendaaan pibadi akan mengikuti ute tesingkat ABCD b. ute tecepat untuk mobi dai zona i ke zona d ak an beubah juga. Gamba 2.11 Ringkasan uutan konsep peencanaan tanspotasi Sejauh ini. yaitu dengan menggunakan mode matematis. Angkutan umum i A C d B Angkutan umum akan memiih ute tependek atau tesingkat (ABC).4 Pemiihan moda i d angkutan pibadi angkutan umum Dai jumah auintas dai i ke d. 6 Aus auintas pada jaingan Jaan E B i A C d D Jika aus auintas beubah. Tahapan beikutnya d aam usaha untuk memahami caa keja sistem adaah menjeaskannya dengan caa ku antitatif.

Kaena mode ini meupakan poses pemodean yang beuu tan seing disebut Mode Peencanaan Tanspotasi Empat Tahap (MPTEP). 1987) Pendekatan peencanaan tanspotasi 61 . membutuhkan banyak data dan waktu yang ama daam poses pengembangan dan pengkaibasiannya. Akan tetapi.12 mempeihatkan gais besa semua poses yang tedapat daam konsep p eencanaan tanspotasi. Jenis pem odean sepeti ini sangat kompeks. mode ini dapat d isedehanakan aga dapat memenuhi kebutuhan peencanaan tanspotasi di daeah y ang mempunyai ketebatasan waktu dan biaya.Gamba 2.12 Mode peencanaan tanspotasi empat tahap (MPTEP) (Sumbe: IHT and DTp. Data peencanaan Pemodean zona MODEL BANGKITAN PERGERAKAN Asa dan tujuan Suvei inventaisasi jaingan MODEL SEBARAN PERGERAKAN Suvei pejaanan pada masa sekaang Jaingan tanspotasi Tota matiks asa tujuan MODEL PEMILIHAN MODA Biaya pejaanan MAT penumpang angkutan pibadi MAT penumpang angkutan umum MODEL PEMILIHAN RUTE Aus pada jaingan Gamba 2.

43) C : kapasitas (smp/jam) : kapasitas d asa (smp/jam) C0 FC W : fakto koeksi kapasitas untuk eba jaan FC SP : fakto koeksi kapasit as akibat pembagian aah (tidak beaku untuk jaan satu aah) FC SF : fakto ko eksi kapasitas akibat gangguan samping FC CS : fakto koeksi kapasitas akibat ukuan kota (jumah penduduk) Kapasitas dasa C0 ditentukan bedasakan tipe jaan sesuai dengan niai yang te tea pada tabe 2.650 1.6.0.6.1.2. 62 Ofya Z Tamin. Pesamaan umum unt uk menghitung kapasitas suatu uas jaan menuut metode Indonesian Highway Capac ity Manua (IHCM.900 Keteangan pe aju pe aju tota dua aah Sumbe: IHCM (1997) Kapasitas dasa untuk jaan yang ebih dai 4 aju dapat dipekiakan dengan me nggunakan kapasitas pe aju pada tabe 2.6. kapasitas dihitung tepisah untuk setiap aah. kapasitas dihitung untuk kedua aah. 2. Penentuan fakto koeksi untuk pembagian aah didasakan pada kondisi aus auintas dai kedua aah ata u untuk jaan tanpa pembatas median.500 2.1 Pehitungan kapasitas uas jaan Jaingan jaan ada yang memakai pembatas median dan ada pua yang tidak. C = C 0 x FC W xFC SP xFC SF xFC CS (smp/jam) (2. Untuk uas jaan bepembatas median. keduanya dibedakan.1 Kapasitas dasa C0 Kapasitas dasa (smp/jam) 1. Peencanaan dan pemodean tanspotasi . Untuk jaan satu aah dan/atau jaan dengan pembatas median.6 Pehitungan kapasitas uas jaan dan pesimpangan 2. sehingg a daam pehitungan kapasitas.2 Fakto koeksi kapasitas akibat pembagian aah (FCSP) Fakto koeksi FCSP ini dapat diihat pada tabe 2.16 meskipun mempunyai eba jaan yan g tidak baku. Tabe 2.16. fakto koeksi kapasitas akibat pembagian aah adaah 1.1. 1997) untuk daeah pekotaan adaah sebagai beikut. sedangkan untuk uas jaa n tanpa pembatas median.17.16 Kapasitas dasa (C0) Tipe jaan Jaan 4 aju bepembatas median atau jaan satu aah Jaan 4 aju tanpa pembat as median Jaan 2 aju tanpa pembatas median 2.

Tabe 2.09 0.25 3.94 50−50 1.1.18 Fakto koeksi kapasitas akibat eba jaan (FCW) Tipe jaan Leba ja an efektif (m) pe aju 3.87 1. 2.50 3. 91 0.17 Fakto koeksi kapasitas akibat pembagian aah FCSP Pembagian aah (%−% ) 2 aju 2 aah tanpa pembatas median (2/2 UD) FCsp 4 aju 2 aah tanpa pembatas median (4/2 UD) 1.29 1.96 1.94 65−35 0.4 Fakto koeksi kapasitas akibat gangguan samping (FCSF) Fakto koeksi untuk uas jaan yang mempunyai bahu jaan didasakan pada eba bahu jaan efektif (WS) dan tingkat gangguan samping yang penentuan kasifikasin ya dapat Pendekatan peencanaan tanspotasi 63 .25 1.00 4 aju tanpa pembatas median 3.6.91 70−30 0.00 1.00 0.34 0.00 dua aah 5 6 2 aju tanpa pembatas median 7 8 9 10 11 0.6.25 3.14 1.985 0. Tabe 2.955 0.00 1.97 0.92 0.97 60−40 0.18.08 FCW Sumbe: IHCM (1997) Fakto koeksi kapasitas untuk jaan yang mempunyai ebih dai 4 aju dapat dip ekiakan dengan menggunakan fakto koeksi kapasitas untuk keompok jaan 4 aj u.04 1.3 Fakto koeksi kapasitas akibat eba jaan (FCW) Fakto koeksi FCSP di tentukan bedasakan eba jaan efektif yang dapat diihat pada tabe 2.50 3.1.00 1.95 1.05 1.75 4.88 Sumbe: IHCM (1997) 2.00 55−45 0.00 4 aju bepembatas median atau jaan satu aah 3. 00 pe aju 3.56 0.75 4.

96 0.86 0.94 0.98 0.00 0.94 0.92 1.0 1. bebeapa tanspotasi umum Daeah industi dengan bebeap a toko di pinggi jaan Daeah komesia.01 1.95 0.92 0.01 1.85 ≥ 2.87 0.80 0.90 0.02 1.00 0.96 0.95 0.99 0.20.92 0.88 0.95 0.00 0.82 0.5 1. Peencanaan dan pemodean tanspotasi .73 Tipe jaan 1.0 0.95 0.00 0. 64 Ofya Z Tamin.96 0.diihat pada tabe 2.97 0. Tabe 2.88 0.00 0.02 1. Fakto koeksi kapasitas akibat gangguan samping (FCSF) untuk jaan yang mempunyai bahu jaan dapat diihat pada tabe 2.94 0.94 0.19.99 0.21 yang didasakan pada jaak antaa keeb dan gangguan pada sisi jaan (WK) dan tingkat gangguan samping.95 1.97 0.20 Fakto koeksi kapasitas akibat gangguan samping FCSF untuk jaan yang mempunyai bahu jaan Keas gangguan samping Sangat endah 4 aju 2 aah bepembatas median (4/2 D) Rendah Sedang Tinggi San gat tinggi Sangat endah 4 aju 2 aah tanpa pembatas median (4/2 UD) Rendah Se dang Tinggi Sangat tinggi Sangat endah 2 aju 2 aah tanpa pembatas median (2/ 2UD) atau jaan satu aah Rendah Sedang Tinggi Sangat tinggi Fakto koeksi akibat gangguan samping dan eba bahu jaan Leba bahu jaan efe ktif ≤ 0.19 Kasifikasi gangguan samping Keas gangguan samping Sangat endah Rendah Sedang Tinggi Sangat tinggi Jumah gangguan pe 200 mete pe jam (dua aah) < 100 100−299 300−499 500−899 > 900 Kondisi tipika Pemukiman Pemukiman.01 1.03 1.94 0.91 0.98 0.03 1.92 0.97 0.90 0.98 0.79 1.98 0.92 0.86 0.96 1.98 0.91 Sumbe: IHCM (1997) Fakto koeksi kapasitas untuk gangguan samping untuk uas jaan yang mempunyai keeb dapat diihat pada tabe 2.92 0.84 0.5 0.95 0.98 0. aktivitas pinggi jaan tinggi Daeah komesia dengan aktivitas pebeanjaan pinggi jaan Sumbe: IHCM (1997) Tabe 2.89 0.

85 0.94 0.90 0.1.0 1.03 Sumbe: IHCM (1997) Pendekatan peencanaan tanspotasi 65 .97 0.93 0.5 Sangat endah 4 aju 2 aah bepembatas median (4/2 D) Rendah Sedang Tinggi San gat tinggi Sangat endah 4 aju 2 aah tanpa pembatas median (4/2 UD) Rendah Se dang Tinggi Sangat tinggi Sangat endah 2 aju 2 aah tanpa pembatas median (2/ 2UD) atau jaan satu aah Rendah Sedang Tinggi Sangat tinggi 0.99 0.SF : fakto koeksi kapasitas untuk jaan 4 aju Fa kto koeksi 2.68 Tipe jaan 1.22 dan fakto koeksi tesebut meupakan fungsi dai jum ah penduduk kota.00 0.5 0.91 0.95 0.84 0.SF : fakto koeksi kapasi tas untuk jaan 6 aju FC4.86 0.00 0.3 (2.6.92 0.88 0.Tabe 2.21 Fakto koeksi kapasitas akibat gangguan samping FCSF untuk jaan yan g mempunyai keeb Keas gangguan samping Fakto koeksi akibat gangguan samping dan jaak gangguan pada keeb Jaak: keeb−gangguan ≤ 0.84 0.86 0.44) Fakto koeksi untuk ukuan kota 0.94 1.91 0.99 0.98 0.95 0.01 1.96 0.93 0.77 0.87 0.95 0.97 0.98 0.8 × (1 − FC 4.SF ) FC6. Tabe 2.78 0.92 0.0 − 1.5 − 1.81 0.95 0.5 0.92 0.90 0.22 Fakto koeksi kapasitas akibat ukuan kota (FCCS) Ukuan kota (juta penduduk) < 0.3 > 1.82 Sumbe: IHCM (1997) Fakto koeksi kapasitas untuk jaan 6 aju dapat dipekiakan dengan menggunak an fakto koeksi kapasitas untuk jaan 4 aju dengan menggunakan pesamaan (2.01 1.97 0.97 0.81 0.88 0.90 0.93 0.86 0.90 0.89 0.1 − 0.00 1.95 0.93 0.95 0.90 0.0 1.81 0.85 0.0 0.97 0.92 1.5 Fakto koeksi kapasitas akibat ukuan kota (FCCS) FCCS dap at diihat pada tabe 2.95 0.94 0.SF = 1 − 0.77 ≥ 2.99 0.72 1.97 0.1 0. 44) sebagai beikut: FC 6.88 0.95 0.

Ban dung) : 4 aju 2 aah dengan pembatas median (4/2D) : 6. bentuk pesamaan yang digunakan pesis sama dengan pesamaan (2. Penjeasan ebih inci dapa t diihat daam IHCM (1997).300 0.23 Pehitungan kapasitas uas pegeakan ke aah utaa Paamete Kapasitas dasa (smp/jam) Fakto koeksi eba jaan Fakto koeksi gangguan sam ping Fakto koeksi pembagian aah Fakto koeksi ukuan kota Kapasitas aktua ( smp/jam) Niai 3. H.80 mete (aah ke seatan).300 0.8 m ete : endah : daeah pemukiman yang diaui oeh angkutan umum : 2 juta oang Kondisi 4/2 D 3.9 m Gangguan samping endah dan jaak ke keeb 1 mete Jaan satu aah 2 juta penduduk Niai 3.20 mete (aah ke utaa ). Peencanaan dan pemodean tanspotasi . Beikut dibeikan contoh pehitungan kapasitas uas jaan di kota Bandung (ihat tabe 2.24 Pehitungan kapasitas uas pegeakan ke aah seatan No 1 2 3 4 5 Paamete Kapasitas dasa (smp/jam) Fakto koeksi eba jaan Fakto koeksi gangguan sam ping Fakto koeksi pembagian aah Fakto koeksi ukuan kota Kapasitas aktua ( smp/jam) Kondisi 4/2 D 2.00 2.1 m Gangguan samping endah dan jaak ke keeb 1 mete Jaan satu aah 2 juta penduduk Jaak keeb−gangguan samping : 1.92 0.9 mete pe aju : 0.915 Sumbe: Hasi anaisis Tabe 2. 3.915 Sumbe: Hasi anaisis 66 Ofya Z Tamin.Untuk pehitungan kapasitas uas jaan untuk jaan anta kota dan jaan bebas ha mbatan.00 2.23−2.00 1. tet api mempunyai fakto koeksi kapasitas yang bebeda. Juanda (pesimpangan petigaan Jaan Ganesha − Jaan Siiwangi.96 1.0 mete Tabe 2.24).21).92 0.00 1.1 mete pe aju 5. Lokasi uas Tipe jaan Leba jaan Leba median Gangguan samping Data tata guna ahan Data jumah penduduk No 1 2 3 4 5 : Jaan I. 2.96 1.

gangguan samping akan sangat me mpengauhi kapasitas uas jaan. dengan eba aju 3. teutama untuk jaan dengan jumah aju ebih dai tiga (atau sudut paki optima adaah 30°).2. ITB pada tahun 1998 (LP ITB. Tetapi. atau dengan pekataan ain. pada jaan dengan jumah aj u besa (ebih dai 6 aju). 4.6. pengauh opeasi p aki dengan sudut paki ebih besa dai 30° tehadap kapasitas jaan dapat dian ggap miip dengan pengauh opeasi paki dengan sudut paki 30°. pemakaian uang jaan untuk paki tidak akan te au mempengauhi kapasitas jaan secaa nyata. kapasitas sisa untuk sudut paki di atas 30° dapat dikatakan tidak teau bebeda dibandi ngkan dengan kapasitas pada sudut paki 30°. Leba jaan yang tesita oeh kegiatan pepakian (temasuk eba manuve) tentu menguangi kemampuan jaan tesebut daam menampu ng aus kendaaan yang ewat. Pada gamb a tesebut tampak bahwa untuk posisi dengan paki paae (sudut paki 0°) tej adi penguangan kapasitas yang cukup besa. Begitu juga antaa sudut paki 0° den gan sudut paki 30°. 5. dan 6 aju) dengan kapas itas uas jaan pada bebeapa posisi paki beikut ini (gamba 2. tidak semua posisi paki bisa diteapkan. Dai hasi peneitian tesebut teihat bahwa pada sudut pa ki 90°. Kondisi ini secaa jeas dapat t eihat pada gafik hubungan jumah aju (2. penguangan kapasitasnya tidak t eau besa. Pene itian diakukan oeh Lembaga Peneitian ITB. Beikut ini akan disampaikan hasi peneitian mengenai pengauh ke giatan pepakian di badan jaan tehadap penuunan kapasitas uas jaan. Penguangan kapasit as akibat adanya paki ini akan teasa nyata pada uas jaan dengan jumah aju  keci. Juusan Teknik Sipi. Dengan kata ain. semakin besa pua penguangan kapasitas jaannya. Pendekatan peencanaan tanspotasi 67 .2 Pengauh paki pada kapasitas uas jaan Sepeti teah dijeaskan pada subbab sebeumnya. dapat disimpukan bahwa: (1) kegiatan pepakian sangat menguangi kapasitas uas jaan dan (2) penuunan kapasitas yang nyata t ejadi pada sudut paki 30°. Kaena itu. Semakin besa sudut paki kendaaan. Saah satu bentuk gangguan samping yang paing banyak dijumpai di daeah pekotaan adaah kegiatan pepakian yang menggunakan badan jaan. eba jaan yang tesita untuk paki kia kia hampi dua kai eba ja an yang tesita untuk paki dengan sudut paki 0° (paae).13).5 mete. di ekomendasikan untuk mengambi sudut paki yang sama dengan atau ebih besa da i 30°. Peubahan kapasitas pada sudut paki yang ebih bes a dai 30° tidak sebesa peubahan kapasitas pada sudut paki 30°. Sampe yan g digunakan adaah bebeapa uas jaan di DKI Jakata dengan eba jaan dan jum ah aju yang bebeda beda. bekeja sama dengan KBK Rekayasa T anspotasi. Bahkan pada jaan yang mempunyai 2 aju. Jadi. 1998). kapasitas jaan teseb ut akan bekuang (penuunan kapasitas jaan bukan saja disebabkan oeh penguan gan eba jaan tetapi juga oeh poses kegiatan kendaaan masuk dan keua peta k paki). Dengan demikian. Untuk sudut paki ainnya. 3.

000 2.Kapasitas (smp pe jam) 10.000 1 2 6.000 0 2 3 4 5 6 Jumah aju Gamba 2.000 8.000 3 4 5 6 1 2 3 4 5 6 tanpa sudut paki besudut 0o paki besudut 30o paki be sudut 45o paki besudut 60o paki besudut 90o 4. Peencanaan dan pemodean tanspotasi .13 Hubungan kapasitas jumah aju dengan sudut paki be beda beda Sumbe: LP ITB (1998) 68 Ofya Z Tamin.

2. jika kineja pesimpangannya sangat endah mak a kineja seuuh sistem jaingan jaan tesebut akan menjadi endah pua.2.3.1 Pesimpangan tidak beampu auintas Bedasakan IHCM (1997). Beik ut ini dijeaskan pehitungan kapasitas pesimpangan beampu auintas dan pe simpangan yang tidak beampu auintas.45) beikut. waktu hijau efektif. C = S. dan kendaaan tidak bemoto FLT : fakto koeksi kapasitas akibat adanya pegeakan beok kii FRT : fakto koeksi kapasitas akibat adanya pegeakan b eok kanan FMI : fakto koeksi kapasitas akibat adanya aus auintas pada ja an mino Besa setiap fakto koeksi kapasitas sangat tegantung pada tipe pesimpangan.2 Pesimpangan beampu auintas Kapasitas engan pesimpangan beampu auintas dipengauhi oeh bebeapa fakt o.46) beikut. yang ditentukan oeh bebeapa ha: jumah engan. Penjeasan ebih inci mengenai niai setiap fakto koeksi kapasitas bisa didapatkan daam IHCM (1997). dan jumah aju pada jaan mino.46) C g : kapas itas (smp/jam) : waktu hijau efektif S : aus jenuh (smp/jam) c : waktu sikus Pendekatan peencanaan tanspotasi 69 . 2.45) C0 FW FM FCS : fakto koeksi kapasitas untuk eba engan pesimpangan : fakto koeksi kapa sitas jika ada pembatas median pada engan pesimpangan : fakto koeksi kapasit as akibat ukuan kota (jumah penduduk) FRSU : fakto koeksi kapasitas akibat adanya tipe ingkungan jaan. yaitu niai aus jenuh. C = C 0 xFW xFM xFCS xFRSU xFLT xFRT xFMI C : kapasitas (smp/jam) : kapasitas dasa (smp/jam) (smp/jam) (2. Bagaimana pun baiknya kineja uas jaan dai suatu sistem jaingan jaan. pehitun gan kapasitas pesimpangan tidak beampu auintas ditentukan dengan pesamaan (2. dan waktu sikus sepeti yang d inyatakan daam pesamaan (2. gangguan sa mping. jumah aju pada jaan utama.3.6.6.g/c (smp/jam) (2.3 Pehitungan kapasitas pesimpangan Kapasitas sistem jaingan jaan pekotaan tidak saja dipengauhi oeh kapasitas uas jaannya tetapi juga oeh kapasitas setiap pesimpangannya (baik yang diatu  oeh ampu auintas maupun tidak).6.

dan (c) sistem 70 Ofya Z Tamin. misany a mode Lowy. (b) sistem pasaana tanspotasi. Penjeasan ebih inci mengenai niai setiap fakto koeksi aus jenuh bisa dit emukan daam IHCM (1997). misanya jumah penduduk.Adapun niai aus jenuh suatu pesimpangan beampu auintas dapat dihitung de ngan pesamaan (2.7. Tujuan pembentukan mode adaah: a b untuk memahami caa keja sistem tanspotasi yang meupakan tujuan utama pembentukan mode.47) beikut. Daam mode tanspotasi ini. S = S 0 xFCS xFSF xFG xFP xFLT xFRT S : aus jenuh (smp/waktu hijau efektif) (smp/waktu hijau efektif) (2. dan sistem pegeakan auintas (pegeakan). misanya waktu tempuh dan biaya pejaanan. (Catatan: tedapat bebeapa mode yang dapat meamakan peubahan sistem tata guna ahan yang disebabkan oeh peubahan sistem pasaana tanspotasi. Mode akan dibuat secaa sangat sedehana dengan meibatkan hanya dua zona saja.7 Contoh sedehana mode inteaksi 2. apangan keja. 2.1 Pendahuuan Beikut ini diteangkan caa membuat mode sistem. Peencanaan dan pemodean tanspotasi . untuk meamakan peubahan aus auintas bia diaku kan peubahan pada sistem tata guna ahan dan/atau sistem pasaana tanspotasi . sistem pasaana tanspotasi (ja ingan). tetapi biasanya paa peencana tanspotasi ebih tetaik pada m asaah peubahan aus auintas sebagai akibat peubahan sistem tata guna ahan dan/atau sistem pasaana tanspotasi). dan kaakteistik pemiikan kendaaan. tiga peubah teuku utama yang akan digunakan ada ah: (a) sistem tata guna ahan.47) S 0 : aus jenuh dasa (smp/waktu hijau efektif) FCS : fakto koeksi aus jenuh akibat ukuan kota (jumah penduduk) FSF : fakto koeksi aus jenuh akibat ada nya gangguan samping yang meiputi fakto tipe ingkungan jaan dan kendaaan ti dak bemoto FG : fakto koeksi aus jenuh akibat keandaian jaan FP : fakto koeksi aus jenuh akibat adanya kegiatan pepakian dekat engan pesimpangan FLT : fakto koeksi kapasitas akibat adanya pegeakan beok kii FRT : fakto koeksi kapasitas akibat adanya pegeakan beok kanan Besa setiap fakto koeksi aus jenuh sangat tegantung pada tipe pesimpangan. pendap atan. Kita akan membuat mode yang mengaitkan sistem tata guna ahan (kegiatan).

adany a pembangunan jaan bau dan peningkatan peayanan angkutan umum.1.49) Besanya pegeakan dai zona A ke zona B meupakan fungsi dai tipe dan intensi tas tata guna ahan di zona A dan zona B Pendekatan peencanaan tanspotasi 71 .1 Bangkitan pegeakan Bangkitan pegeakan adaah fungsi tata guna ahan. Pemasaahan utama sekaa ng adaah bagaimana meneangkan sistem tata guna ahan (misanya geogafis daea h pekotaan) dan sistem jaingan tanspotasi secaa teuku. Q = sistem aus auintas. dan T = kineja sistem pasaana tanspotasi.2 Sebaan pegeakan (2.7. Bebeapa notasi ainnya yang dibutuhkan adaah: LA PA AB = tata guna ahan di zona A = bangkitan pegeakan dai zona A = taikan pegea kan ke zona B Q AB(1) = aus auintas dai zona A ke zona B yang menggunakan ute 1 TQAB(1) = waktu tempuh auintas dai zona A ke zona B yang menggunakan ute 1 pada kondisi aus = Q T0 C a = waktu tempuh pada kondisi aus bebas = 0 = kapasitas = indeks tingkat peayana n Tahapan yang haus diakukan daam peneapan konsep inteaksi sistem tata guna  ahan−sistem aus auintas−sistem pasaana tanspotasi adaah sebagai beikut. Jumah bangkitan pegeakan yang dihasikan oeh suatu zona bebanding uus dengan tipe dan intensitas tata guna ahan di zona tesebut: PA = f (LA ) Ha yang sama juga beaku bagi taikan pegeakan: (2.7. yang didapatkan sebagai hasi inteaksi sis tem tata guna ahan dan sistem pasaana tanspotasi.pegeakan auintas. Lauintas adaah peubah tidak bebas. misanya jumah penumpang dan kendaaan. kecuai pada saat pehitungan waktu tempuh auintas menjad i peubah bebas.1. Setiap peubah diidentifikasikan dengan notasi sebagai beikut: L = sistem tata guna ahan. Tata guna ahan adaah peubah bebas kaena intensitasnya bevai asi untuk setiap ahan yang bebeda dan juga beubah sebagai fungsi waktu. misanya. 2. Siste m pasaana tanspotasi adaah peubah bebas kaena kuaitas dan kuantitasnya be vaiasi secaa geogafis dan juga beubah sebagai fungsi waktu. au s auintas meupakan peubah tetap.48) AB = f (LB ) 2. Secaa umum.

Zona A dan zona B dihubungkan oeh dua buah  ute (ute 1 dan 2) yang kaakteistiknya adaah sebagai beikut: Rute 1 2 Panjang (km) 17 20 To (menit) 25 40 Indeks tingkat peayanan (a) 0.51) Beikut ini dikemukakan contoh pehitungan sedehana untuk mempeihatkan bagaim ana sistem tata guna ahan−sistem pegeakan auintas−sistem pasaana tanspotas i saing beinteaksi daam satu sistem kesatuan.3 Pemiihan moda tanspotasi dan ute antaa zona A ke zona B didasakan pada pe bandingan antaa bebagai kaakteistik opeasiona moda tanspotasi yang tes edia (misanya waktu tempuh. Jika tedapat dua atenatif ute (1 dan 2 ) antaa zona A dan B. Dengan kata ain.9).2 Contoh peneapan sedehana (2.000. Pesentase usia keja di zona A = 90% (hanya 90% dai tota popuasi yang bekeja).( PA dan AB ) dan besanya fakto kemudahan pencapaian (aksesibiitas) zona tuju an (B) dai zona asa A ( TQAB ) yang dapat dinyatakan daam pesamaan (2. maka kondisi keseimbangan tecapai jika: TQAB(1) = TQAB(2) 2. kondisi keseimbangan sepeti yang dinyatakan oeh Wadop (1952) beasumsi bahwa aus auintas akan mengatu diinya sendii seh ingga besanya waktu tempuh untuk semua atenatif ute yang tesedia adaah sam a.50): Q AB = PA .4 1.0 Kapasitas (kendaaan/jam) 3. Secaa konsep. Misakan tedapat dua buah zon a (zona A dan zona B) − zona A adaah zona pemukiman dan zona B adaah zona apan gan keja.50) k = konstanta penyeimbang sebaan pegeakan Pemiihan moda tanspotasi 2. taif.7.000 2. Besanya pe geakan yang menggunakan ute tetentu akan menentukan besanya waktu tempuh an tazona pada ute tesebut (ihat gamba 2. pada kondisi keseimbangan tidak ada seoang pun yang mampu memiih ute yang ebih baik kaena semua atenatif ute yang tesedia mempunya i waktu tempuh yang sama dan minima.7 dan 2.000 Sebaan pegeakan dianggap mengikuti hukum gavity sebagai beikut: 72 Ofya Z Tamin. Begitu juga ha nya ute − pemiihan ute didasakan pada pebandingan kaakteistik opeasiona setiap atenatif ute untuk setiap moda tanspotasi yang tesedia.7. Popuasi zona A adaah 35. AB .1.000 oang. Peencanaan dan pemodean tanspotasi . waktu tunggu. dan ain ain). jika teda pat bebeapa atenatif ute. sedangkan jumah apangan keja yang tesedia sebanyak 12.k TQAB (2.

1 Caa anaitis Q AB = 31.53)−(2 . pesamaan kebutuhan tanspotasi (2. Dengan memasukkan data popuasi. hubungan antaa waktu tempuh dengan voume aus auintas diasum sikan mengikuti umus Davidson (pesamaan 2.2. beapa aus auintas yan g begeak dai zona A ke zona B pada setiap ute? b 5 Andaikanah ute 3 sudah ada. Teangkan dampak pengauh peningkatan kebutuhan pegea kan ini dengan kineja sistem pasaana tanspotasi yang ada? Jawaban: Pehitungan dapat diakukan dengan dua caa. beikan komenta apakah peu membangun ute 1 dan/atau ute 2? Andaikanah tedapat peubahan sistem tata guna ahan daam bentuk peningkatan jumah popu asi menjadi 40.Q AB = PA .500x12. AB . Ha petama yang haus diakukan adaah membuat pesamaan kebutuhan tansp otasi dengan menggunakan pesamaan (2. yaitu caa anaitis dan g afis.000 x0.7. Petanyaan: 1 2 Jika hanya ute 1 yang beopeasi.001 TAB (2.000 Jika ute 1.000. pe sentase usia keja.52) Sementaa itu. dan ute 3 sama sama beopeasi.52).25 Kapasitas (kendaaan/jam) 4. beapa aus auintas yang b egeak dai zona A ke zona B pada setiap ute? b Teangkan ute mana yang ebih tinggi kemampuannya daam mengaikan aus auintas? 4a Andaikanah dibangun agi ute 3 dengan kaakteistik sebagai beikut: Rute 3 Panjang (km) 14 To (menit) 20 Indeks tingkat peayanan (a) 0.000 (dengan pesentase usia keja tetap 90%) dan apangan keja m eningkat menjadi 20. ute 2.0.14).54) bisa didapat sebagai beikut: 2.001 TQAB (2.53) Pendekatan peencanaan tanspotasi 73 . beapa aus auintas yang begeak dai zon a A ke zona B? 3a Jika ute 1 dan ute 2 besama sama beopeasi. dan apangan keja. beapa aus auintas yang begeak dai zona A ke zona B? Jika hanya ute 2 yang beopeasi.

512. TQAB ( 3 ) = 20 .000 − Q AB(1) 2.000Q AB + 1.000 − Q AB( 2 ) 4.57) pesamaan (2. • Bia ute 1 dan ute 2 sama sama beopeasi (1+2) Jika kedua ute tesebut sama sama beopeasi.55) ke pesamaan (2. Peencanaan dan pemodean tanspotasi .23 menit. TQAB ( 2 ) = 40.54) Pesamaan pasaana tanspotasi (2. didapat pesamaan (2. dibutuhkan 2 syaat batas yang haus dipenuhi: Sy aat batas (1): Q AB = Q AB(1) + Q AB( 2 ) Syaat batas (2): TQAB(1) = TQAB(2) ( 2. didapat jumah pegeakan auin tas yang akan menggunakan ute 1.6.55) (2.38 menit.651 kendaaan/jam dengan waktu tempuh 229 menit.000.000Q AB + 1.Q AB(1) 3.57) ke pesama an (2.000 − 0.58) Bia hanya ute 1 yang beopeasi Dengan memasukkan (2. didapat pesamaan (2.60): 2 − 458.000 2.57) untuk setiap ute didapatkan dengan menggunakan pesamaan (2. didapat jumah pegeakan auintas yang akan menggunakan ute 2.766 kendaaan/jam dengan waktu tempuh 100. • 3. yaitu sebesa 3.54).55)−(2.58).000.134.56) ke pesamaan (2.61) kondisi keseimbangan Wadop (2.59): pesamaan (2.000Q AB Dengan menyeesaikan pesamaan (2.58): 2 15Q AB − 453. • Bia hanya ute 2 yang beopeasi Dengan memasukkan (2.000 TAB (2. yaitu sebesa 1.56) untuk ute 3 (2.0 00 − Q AB( 3 ) untuk ute 1 untuk ute 2 (2.755 kendaaan/jam dengan waktu tempuh 137. didapat pesamaan (2. didapat jumah pegeakan auintas yang akan menggunakan ute 3.000Q AB = 80.75.59).000 − 378.60).000.Q AB = 378.60) Dengan menyeesaikan pesamaan (2.Q AB( 3 ) 4. yaitu sebesa 2.59) 756.000 = 0 15Q AB pesamaan (2.000 = 0 Dengan menyeesaikan pesamaan kuadat (2. TQAB ( 1 ) = 25.54).62) 74 Ofya Z Tamin.14).54).000 − 0. • Bia hanya ute 3 yang beopeasi Dengan memasukkan (2.

625.000 = 0 (2.65) Dengan memasukkan pesamaan (2.69) dan (2. ute 2.61) ke pesamaan (2.70).64) Dengan memasukkan pesamaan (2.675 menit. yaitu pesamaan (2. bisa did apatkan pesamaan (2.641 kendaaan/jam sehingga tota pegeakan antaa zona A dan zona B adaah 3.63) beikut. pesamaan (2.500Q AB(3) = 8.Dengan syaat batas (2) sepeti yang dinyatakan daam pesamaan (2. dan  ute 3 sama sama beopeasi (1+2+3) Jika ketiga ute sama sama beopeasi.29375Q AB( 2) (2.71) (2.75Q AB(1) Q AB(2) + 2. 50.67) (2.725Q AB(2) (2.66) Dengan menyeesaikan pesamaan kuadat (2. • Bia ute 1.189 kendaaan/jam dan ute 2 sebesa  2.000 Q AB(2) = 90.62).70) (2.500Q AB(1) + 11.875Q AB ( 2 ) + 219. dihas ikan pesamaan (2.54). dipeoeh pesamaan (2.6 6) beikut.000 Dai syaat TQAB = TQAB ( 3 ) dipe oeh: Q AB(3) = 9.56) untuk ute 2.000 4.000. dibutu hkan 2 syaat batas yang haus dipenuhi: Syaat batas (1): Q = Q AB(1) + Q AB(2) + Q AB(3) Syaat batas (2): TQAB = TQAB ( 1 ) = TQAB ( 2 ) = TQAB ( 3 ) Dai sy aat TQAB ( 1 ) = TQAB ( 2 ) dipeoeh: 50.225Q AB(2) = 15. didapat jumah pegeakan auin tas yang menggunakan ute 1.66).830 kendaaan/jam dengan waktu tempuh 99.725Q AB(2) − Q AB(1) (2.71) ke pesamaan (2.63) Dengan memasukkan syaat batas (1).000Q AB(1) + 75Q AB(1) Q AB(2) − 75.000.000 Q AB(1) + Q AB( 2 ) (2.450 − 5.450 − 5.72) Pendekatan peencanaan tanspotasi 75 . dipeoeh pesamaan (2.75Q AB(2) Q AB(3) − 2.64) ke daam pesamaan (2.000 Dai syaat TQAB ( 2 ) = TQAB ( 3 ) dipeoeh: 4. yaitu sebesa 1.000Q AB(2) − 0.000.54) dapat dituis kembai menjadi pesamaan (2.63). 2 85.000Q AB(2 ) = 90. TQAB = 378.64).500.65) beikut.7 2) beikut: 2 + 0.000Q AB(1) + 15Q AB(1) Q AB(2) − 75.500Q AB ( 2 ) − 382.65) ke pesamaan (2.000 (2.6 8) Dengan memasukkan pesamaan (2. Q AB(1) = 9.

57) tetap tidak beubah.308 kendaaan/jam sehingga tota jumah kendaaan untu k semua ute Q AB = 6.651 3.000 menjadi 20.23 229.37 menit. Te ihat bahwa peubahan jumah popuasi dan apangan keja sangat bepengauh pad a besa aus auintas yang akan meaui setiap atenatif ute dan juga pada w aktu tempuhnya.25.766 3.539 kendaaan/jam.476 TAB (menit) 137.308 0 1. 720. (kend. maka pesamaan kebutuhan tanspotasi akan beubah menjadi pesamaan (2.73) Dengan menyeesaikan pesamaan (2.766 0 3.642 2.37 Titik keseimbangan (ihat gamba 2. Tabe 2.2.73). dipeoeh Q AB(3) = 3.000 dengan pesentase usia keja yang tidak beubah (tetap 90%). Ha ini membuktikan adanya inteaksi antaa sistem tata guna ah an dengan sistem pegeakan auintas sebagai satu sistem kesatuan.651 0 1.539 2.755 0 0 2. 831 6. (kend.675 58.14) B A C D E 1* hanya ute 1 yang beopeasi 2* hanya ute 2 yang beopeasi 3* hanya ute 3 yang beopeasi 1+2* ute 1 dan 2 sama sama beopeasi 1+2+3* ute 1. pe jam) pe jam) pe jam) pe jam) 2.74) TAB Poses yang sama diakukan dengan pesamaan sistem pasaana tanspotasi (2. didapat jumah pegeakan auintas yang akan menggunakan ute 2.189 629 0 0 3. (kend.72) dipeoeh: 2 + 299. D engan memasukkan niai Q AB(2) = 629 dan Q AB(3) = 3. Dengan memasukkan ni ai Q AB(2) = 629 ke pesamaan (2.38 99.55)−(2. di peoeh niai Q AB(1) = 2.500Q AB(2) − 222.Dai pesamaan (2.00 100.875Q AB(2) (2.74) beikut.70).539 ke pesamaan (2.000 dan jumah apangan keja dai 12.000 = 0 85.69) dan (2. S euuh hasi pehitungan niai aus dan waktu tempuhnya untuk setiap ute dieka pituasi daam tabe 2. Peencanaan dan pemodean tanspotasi .71).476 kendaaan/jam dengan waktu tempuh TAB = 58.755 1.500.25 Rekapituasi besa aus pada setiap ute dan waktu tempuhnya Aus dan waktu tempuh Rute 1* 2* 3* 1+2* 1+2+3* Q AB(1) Q AB( 2 ) Q AB( 3 ) QAB (kend. yaitu sebesa 629 kendaaan/jam. dan 3 sa ma sama beopeasi Sumbe: Hasi anaisis • Bia tejadi peubahan paamete sistem tata guna ahan Bia tejadi peubahan j umah popuasi dai 35.000 menjadi 40. Hasi pehitungan besa aus au intas dan waktu tempuh untuk setiap kondisi diekapituasi daam tabe 2.000 (2. Q AB = 76 Ofya Z Tamin.26.

.

14.14.27. Tabe 2. Begitu juga. pegeakan meningkat dai 2.64 menit.48 Titik keseimbangan (ihat gamba 2.800 3.520 1. jika hanya ute 1 saja yang beopeasi. Ha ini tejadi kaena besanya aus auintas sudah mendekati kapasitas ute 1 (3. (kend.873 kendaaan/jam.800 0 1. (kend.883 4.34) sepeti teihat pada gamba 2.59 95.627 0 1.00 185.64 400.541 TAB (menit) 250.2.26 Rekapituasi besa aus pada setiap ute dan waktu tempuhnya dengan a danya peubahan paamete sistem tata guna ahan Aus dan waktu tempuh Rute 1* 2* 3* 1+2* 1+2+3* Q AB(1) Q AB( 2 ) Q AB( 3 ) Q AB (kend. pe jam) pe jam) pe jam) pe jam) 2. Ha ini membuktikan adanya inteaksi antaa s istem pasaana tanspotasi dengan sistem pegeakan auintas. Peubahan niai ‘a’ dan/atau ‘C’ ini menyebabkan peubahan besa aus auintas yang akan menggunakan setiap atena tif ute dan juga waktu tempuhnya. Peiaku yan g sama akan tejadi jika tejadi peubahan daam paamete sistem pasaana tan spotasinya.32−2. Ha ini tejadi kaena besanya aus auintas sudah mendekati kapasitas ute 2 (2.7.883 0 3.000 kendaaan/jam).44 166. tejadi peningkatan waktu tempuh yan g cukup tajam dai 137.162 0 0 3. secaa keseuuhan dapat disimpukan bahwa peubahan daam sistem tata guna  ahan dan sistem pasaana tanspotasi akan mempengauhi besanya aus auinta s yang akan menggunakan setiap atenatif ute.000 kendaaan/jam). Dengan demikia n.14) B’ A’ C’ D’ E’ 1* hanya ute 1 yang beopeasi 3* hanya ute 3 yang beopeasi 1+2+3* ute 1. temasuk waktu tempuhnya.23 menjadi 250. dan 3 sama sama beopeasi 2* hanya ute 2 yang beopeasi 1+2* ute 1 dan 2 sama sama beopeasi Sumbe: Hasi anaisis Begitu juga hanya jika hanya ute 2 saja yang beopeasi − teihat peningkatan a us auintas dai 1.75 5 menjadi 2. gafik hubungan antaa Q AB dan TQAB dibuat untuk pesamaan kebutuhan tanspotasi (2. Ha yan g sama tejadi pada ute ainnya sepeti teihat pada gamba 2.873 0 0 2.752 2. 2.800 kendaaan/jam dan peningkatan waktu temp uh yang sangat tajam dai 229 menjadi 400 menit.Misanya.2 Caa gafis Dengan caa gafis.31) dan pesamaan pasaana tanspotasi (2. Hubungan ant aa Q AB dan TQAB teihat pada tabe 2. misanya adanya peapisan uang atau pekeasan bau yang menyebabk an tedapat peubahan niai indeks tingkat peayanan (a) atau adanya peningkatan kapasitas jaan daam bentuk peebaan jaan (C).561 menjadi 1.802 2.2. (kend.322 7.873 1. Pendekatan peencanaan tanspotasi 77 .

.

00 378.00 25.00 ~ 20.500 6.000 2.00 28.000 5.73 63.50 84.00 50.00 189.00 160.00 151.00 35.000 Q AB 0 500 1.500 7.00 20.00 30.00 53.000 1.500 8.20 126.00 108.500 TQAB TQAB(1) TQAB(2) TQAB(3) 25.500 3.67 23.33 35.500 4.00 ~ TQAB 75.33 80.40 47.47 42.00 55.500 2.00 TQAB(1) TQAB(2) TQAB(3) (kend/jam) (menit) (menit) (menit) (menit) (kend/jam) (menit) (menit) (menit) (m enit) 756.71 21.25 44.000 7.Tabe 2.000 3.00 75.00 252.00 40.00 45.27 Hubungan antaa Q AB dan TQAB Q AB 5.00 94.00 ~ 500 R U TE 2 G A R IS K EB U TU H A N 1 T2 400 R U TE 1 R U TE 1+2 R U TE 1+2+3 R U TE 3 A’ T (Waktu tempuh menit 300 T1 T2 G A R IS K EB U TU H A N 2 B’ A C’ B C T123 200 T3 T12 T1 T3 100 T12 T123 D’ E’ E D 0 1000 500 Q 1 Q 2 Q3 Q 12 Q 12 .00 27.15 54.000 8.00 58.60 68.000 4.500 9.000 6.

peubahan paamete daam sistem pasaana 78 Ofya Z Tamin.Q 123 Q 123 1500 2000 2500 3000 3500 4000 4500 5000 5500 6000 6500 7000 7500 8000 8500 Q 3 Q (Kendaaan pe jam) Gamba 2.14 Hubungan antaa Q AB dan TQAB (pesamaan kebutuhan tanspotasi dan pesamaan pasaana tanspotasi setiap ute) Dengan menggunakan caa gafis dapat dengan mudah diihat dan dianaisis adanya inteaksi antaa sistem tata guna ahan−sistem pegeakan auintas−sistem pasaan a tanspotasi. Peencanaan dan pemodean tanspotasi 9000 Q1 Q2 . Contohnya.

Kesimpu an ini mendukung kesimpuan buti (a) yang menyatakan bahwa kineja ute 2 jauh ebih endah dibandingkan dengan ute 1. kita cukup mengubah pesamaa n baunya dan menggese gais kebutuhan tanspotasi sesuai dengan pesamaannya dan angsung anaisis pengauh dapat diakukan secaa visua dengan mudah. dengan waktu tempuh yang juga ebih pendek (60% d ai waktu tempuh ute 2). Tampak bahwa besa pegeakan dengan hanya Pendekatan peencanaan tanspotasi 79 . Dengan caa gafis.14. dan titik C jika ute 3 saja yang beopeasi. keemahan caa gafis ini adaah niai aus auintas dan waktu tempuh menjadi tidak seakuat caa anaitis kaena dihasikan secaa gafis dan dibaca secaa visua. Ha ini dengan mudah dapat diihat pada gamba 2. Dengan caa gafis. tenyata ute 2 membeikan kontibusi yang keci tehadap peningkatan tota aus kendaaan dai 2. titik D adaah titi k keseimbangan yang menunjukkan besanya aus auintas yang menggunakan ute 1 dan 2 seta waktu tempuhnya jika ute 1 dan 2 besama sama beopeasi.23 menjadi 100. te ihat bahwa kemampuan ute 1 daam menyaukan aus auintas ebih baik dibandi ngkan dengan ute 2.14. c Bandingkanah jika hanya ute 3 yang beopeasi dengan jika ute 1 dan 2 sama sama beopeasi (1+2). Dengan caa gafis da pat dengan mudah dikaji apa yang tejadi jika ute 2 haus ditutup kaena suatu aasan teknis. b Apabia ute 2 diopeasikan besama sama dengan ute 1 (1+2). Dengan caa gafis (ihat gamba 2.14). aus auintas yang menggunakan ute 1 ebih bes a dibandingkan dengan ute 2. diikuti oeh ute 1. Semakin tinggi tingkat akuasi gafik. dan bau ute 2.38 menit. Yang tejadi adaah peubahan titik keseimbangan dai titik D men jadi titik B. sedangk an waktu tempuh hanya sedikit menuun dai 137.831 kendaaan/jam. Secaa m udah juga dapat diihat pada gamba 2. Akan tetapi. a Jika ute 1 dan ute 2 diopeasikan sendii sendii. Buktinya. kita cukup menghitung pesamaa nnya dan mengubah gafik ute 1 tanpa haus meakukan pehitungan ajaba yang  umit.25−2 .14 bahwa kontibusi ute 2 daam menyauk an aus auintas ebih keci dibandingkan dengan ute 1.755 menjadi 3. Bebeapa kesim puan bisa didapatkan dengan menganaisis infomasi yang tesaji pada tabe 2. semakin tinggi pua tingka t akuasi niai aus auintas dan waktu tempuh yang dihasikan. Tei hat bahwa ute 3 mempunyai kemampuan tebaik daam menyaukan aus auintas. anaisis pengauh segea dapat diakukan secaa visua. titik B menunj ukkan besanya aus auintas dan waktu tempuh yang tejadi jika ute 1 saja ya ng beopeasi − titik A jika ute 2 saja yang beopeasi.26 dan gamba 2. Begitu juga hanya dengan peubahan paamete sistem tata guna ahan.tanspotasi ute 1 (misa adanya peapisan uang yang menyebabkan peubahan ni ai indeks tingkat peayanan).

Daam ha ini. Teihat dengan sangat mudah bahwa voume aus auintas yang mengguna kan ute 2 tenyata sangat keci dibandingkan dengan ute 1 dan ute 3. Seanjutnya. yang menyatakan bahwa besanya aus auintas yang tejadi set a waktu tempuhnya kia kia sama. dapat disimpukan bahwa kombinasi yang paing baik adaah membangu n ute 1 dan ute 3 atau cukup hanya ute 3 saja.675 menit). Begitu juga dengan waktu tempuhn ya. D’. Peubaha n daam paamete kebutuhan tanspotasi dapat dengan mudah diihat secaa gafi s. Peencanaan dan pemodean tanspotasi . kebij akan untuk membangun ute 3 saja meupakan kebijakan yang sangat tepat kaena ki neja ute 3 kiakia sama dengan kineja jika ute 1 dan 2 diopeasikan besama sama. ha tesebut juga dapat dengan mudah diihat − titik C dan titik D etaknya san gat bedekatan. waktu dengan hanya ute 3 saja yang beopeasi (100. misanya dia kukan peebaan jaan pada suatu ute sehingga kapasitas ute tesebut beubah. C’. titik E ad aah titik keseimbangan yang dapat menunjukkan besanya aus auintas yang be geak pada setiap ute dan waktu tempuhnya jika ute 1.38 menit) hanya sedikit ebih besa dibandingkan dengan waktu ute 1+2 (99. dan 3 besamasama be opeasi. B’. Peubahan tesebut teihat dai adanya pegesean gais kebutuhan 1 menjadi gais kebutuhan 2. d Jika ute 1. dan E’). Ha ini sangat penting daam kebijakan pengamb ian keputusan untuk memiih ute mana yang haus dibangun. Ketiga kondisi tesebut adaah: 1 2 Rute 2 ditutup Kondisi eksist i ng tetapi tejadi peubahan tata guna ahan e 80 Ofya Z Tamin. Sudah baang tentu membangun ute 3 saja akan jauh ebih muah dibandingk an dengan membangun ute 1 dan ute 2 sehingga akan sangat mubazi jika ute 1 d an 2 yang dibangun.766 kendaaan/jam) diba ndingkan dengan ute 1+2 (3.28 mempeiha tkan ekapituasi peubahan besanya aus dan waktu tempuh untuk 3 kondisi yang dapat tejadi dan dibandingkan dengan kondisi eksisting (ute 1 dan 2 sama sama beopeasi). Ha ini akan menciptakan titik k eseimbangan bau yang sekai agi membuktikan adanya inteaksi antaa sistem pa saana tanspotasi dengan sistem pegeakan. dapat teihat bahwa peanan ute 2 sangat keci daam menyaukan aus au intas. peubahan titik keseimbangan tesebut mempeihatkan adanya int eaksi antaa sistem tata guna ahan dengan sistem pasaana tanspotasi. Begit u juga jika tejadi peubahan daam sistem pasaana tanspotasi.ute 3 saja yang beopeasi hanya sedikit ebih keci (3.831 kendaaan/jam). Jadi. Dengan caa gafi s. 2. Pegesean gais kebutuhan akan tanspotasi tesebut menghasikan titik titik keseimbangan bau (A’. ute 2. Dengan adanya pegesean tesebut dapat dengan mudah diihat bahwa titik A begese menjadi titik A’ dan teihat peningkatan voume aus au intas yang sangat tajam jika hanya ute 1 saja yang beopeasi. tabe 2. dan ute 3 sama sama beopeasi (1+2+ 3). Dengan caa gafis. sementaa sistem tata guna ahan tidak beubah.

802 Q AB( 2 ) 0 1.675 menjadi 137.831 menjadi 4.675 E’ D Sumbe: Hasi anaisis Teihat dengan jeas pada kondisi 1 bahwa dengan ditutupnya ute 2.831 menjadi 2. tejadi peningkatan besa aus tota yang san .162 1.755 2. Seain itu.59 Kondisi Q AB(1) 1 Rute 2 ditutup 2 Peubahan tata guna ahan 3 Kondisi 2 dan ute 3 beopeasi 4 . jika hanya ute 1 yang beopeasi.48 99. Ha ini disebabkan kaena kapasitas ute 1 hanya sebesa 3.541 3.23 166. Sehingga.322 ke ndaaan/jam dengan peningkatan waktu tempuh yang sangat tajam dai 99. Teihat bahwa pada kondisi 3 ini.28 Rekapituasi besa aus pada setiap ute dan waktu tempuhnya untuk 3 kondisi Waktu tempuh (menit) 137.831 95. Teihat bahwa kondisi in i menyebabkan tedapatnya peubahan besa aus tota dai 3.3 Kondisi 2 tetapi ute 3 sudah beopeasi Aus auintas pada setiap ute (kendaaan/jam) Tabe 2.520 Q AB( 3 ) 0 0 Q AB(T) 2.000 kendaaan/jam.752 0 7. tejadi peubahan paamete tata guna ahan yaitu beupa peningkatan popuasi dan jumah apangan keja. Peningkatan waktu tempuh yang cukup tinggi ini tejadi kaena be sanya aus pada ute 1 dan 2 sudah hampi mencapai kapasitasnya.675 menjad i 166. Teihat bahwa ute 2 bepean cukup besa daam mengaikan aus auintas.59 menit. besanya pe geakan dai zona A ke zona B bekuang cukup besa dai 3.23 menit. contoh ini juga membuktikan te dapatnya inteaksi antaa sistem pasaana tanspotasi dengan sistem pegeakan (peubahan pada sistem pasaana tanspotasi menyebabkan peubahan pada sistem pegeakan). ute 3 beopeasi besama sama dengan ute 1 dan 2.755 ke ndaaan/jam dengan peningkatan waktu tempuh yang cukup tajam dai 99.627 2. Pada kondisi 3.322 Titik pada gamba 2. Pada kondisi 2.14 B D’ 2. Kondisi eksisting 2.000 kend aaan/jam. aus yang tejadi pasti beada di bawah 3.642 1. Contoh ini mem buktikan tedapatnya inteaksi antaa sistem tata guna ahan dengan sistem pege akan (peubahan pada sistem tata guna ahan menyebabkan peubahan pada sistem p egeakan).189 3.755 4.

Teihat bahwa besanya a us yang meaui ute 3 hampi sama dengan besanya tota aus pada ute 1 dan 2 . Ha ini menunjukkan pean ute 3 yang sangat besa daam sistem pasaana tan spotasi yang ada.322 menjadi 7.48 menit. Contoh ini sekai agi membuktikan tedapatnya inteaksi anta a sistem pasaana tanspotasi dengan sistem pegeakan (peubahan pada sistem pasaana tanspotasi menyebabkan peubahan pada sistem pegeakan).541 kendaaan/jam dengan penuunan waktu tempuh y ang juga sangat tajam dai 166. Pendekatan peencanaan tanspotasi 81 .59 menjadi 95.gat tajam dai 4.

3
Konsep pemodean
3.1 Pemodean sistem
Pada bab 2 teah dijeaskan kaitan antaa sistem tata guna ahan (kegiatan), sis
tem pasaana tanspotasi (jaingan), dan sistem aus auintas (pegeakan) d
engan panjang eba (kuaitatif). Seain itu, pendekatan kuantitatif juga dibutu
hkan untuk mendapatkan penjeasan atau gambaan yang ebih jeas seta teuku m
engenai kaitan tesebut. Daam pendekatan secaa ‘sistem’, caa tesebut dikena den
gan pemodean sistem. Mode adaah aat bantu atau media yang dapat digunakan un
tuk menceminkan dan menyedehanakan suatu eaita (dunia sebenanya) secaa te
uku; bebeapa di antaanya adaah: • • • mode fisik (mode asitek, mode teknik, wa
yang goek, dan ain ain); mode peta dan diagam; mode statistik dan matemati
k (fungsi atau pesamaan) yang dapat meneangkan secaa teuku bebeapa aspek f
isik, sosia ekonomi, atau mode tanspotasi.
Semua mode meupakan penyedehanaan eaita untuk mendapatkan tujuan tetentu,
yaitu penjeasan dan pengetian yang ebih mendaam seta untuk kepentingan pea
maan. Imu asitektu mengena mode maket (bentuk fisik encana pengembangan w
iayah, kota, kawasan, dan ain ainnya sebagai ceminan eaita daam skaa yan
g ebih keci). Kegunaan mode maket tesebut adaah untuk dapat mempeihatkan
dan menjeaskan pekembangan wiayah tesebut jika konsep pengembangan diakukan
. Dengan demikian, kita dapat mengetahui apa saja yang peu diengkapi oeh pa
a peencana atau pengembang dengan hanya meihat dan mempeajai mode maket te
sebut. Bebeapa simuasi skenaio dapat diakukan pada mode sehingga dapat dipi 
ih encana pengembangan yang optimum yang sesuai dengan tujuan awa pembangunan
. Dengan kata ain, eaita yang ada disedehanakan dan diceminkan dengan mengg
unakan mode maket. Imu teknik sipi juga mengena mode maket ini, misanya e
ncana pembangunan suatu bendungan besa yang dipeajai duu kaakteistiknya di 
aboatoium dengan membuat bendungan yang sama dengan skaa yang jauh ebih ke
ci. Dengan mode tesebut bisa didapatkan gambaan yang ebih jeas dan inci s
eta teuku mengenai peiaku bendungan jika dibangun dengan skaa sebenanya.
Bebeapa uji atau simuasi bebagai kondisi kitis dapat diakukan sehingga dapa
t dihasikan encana yang paing efisien, aman, atau memenuhi kiteia ain yang
disyaatkan. Ha ini dibutuhkan untuk mencegah ha yang tidak diinginkan jika b
endungan angsung dibangun. Tambahan ain, di negaa Beanda yang tekena denga
n bendungan besa dan keci, kita bahkan dapat menemukan mode maket bendungan d
engan skaa 1:1.
82

Di bidang paiwisata, penggunaan mode miniatu (bagian dai mode fisik) sangat
popue dan sangat seing kita dijumpai di bebeapa tempat penjuaan miniatu o
bjek paiwisata (misanya miniatu candi Boobudu). Miniatu tesebut sebenany
a meupakan mode (epika) candi boobudu daam skaa ebih keci dan bebentu
k 3 dimensi. Dengan demikian, seseoang di kota Banda Aceh tidak peu mengeua
kan biaya besa untuk jauh jauh pegi ke Yogyakata untuk meihat candi tesebut
(eaita), tetapi dapat membayangkannya dengan hanya mengamati mode miniatu t
esebut. Mode peta dan diagam menggunakan media gais (uus dan engkung), wa 
na, notasi, dan ain ainnya untuk menggambakan eaita. Misanya, daam mode
kontu ketinggian, dengan hanya menggunakan gais engkung, kita dapat membayan
gkan eaita dengan hanya meihat mode kontu ketinggian itu. Infomasi ain ya
ng tidak dipeukan tidak ditampikan (misanya tata guna ahan, okasi jembatan
, jaan, jenis tanah, kondisi geoogi). Bebeapa peencanaan tahap beikutnya da
pat diakukan tanpa peu meihat apangan atau okasi sebenanya, cukup dengan
hanya meihat mode kontu itu. Peta topogafi dapat mempeihatkan infomasi ke
miingan tanah, ketinggian, okasi sungai dan jembatan, gunung, batas administa
si pemeintahan, dan ain ain. Peta tata guna ahan dapat mempeihatkan jenis
peuntukan ahan suatu wiayah, misanya daeah industi, pemukiman, hutan ind
ung, pekantoan, dan fasiitas sosia. Akan tetapi, infomasi tentang ha ain
yang tidak dibutuhkan tidak dipeihatkan daam mode topogafi tesebut. Jadi,
mode itu meupakan penyedehanaan dan ceminan eaita. Seain itu, dengan hany
a menggunakan media infomasi gais dan angka daam suatu peta kontu, seseoang
(ahi geodesi) dapat angsung membayangkan pekiaan situasi dan kondisi apang
an sebenanya (eaita) tanpa haus pegi ke apangan; cukup dengan hanya meiha
t peta kontu tesebut. Foto, sketsa atau peta dapat dikategoikan sebagai mode
2 dimensi (sudah baang tentu beskaa ebih keci) kaena dapat meepesentasi
kan eaita dengan caa yang ebih sedehana. Bebeapa mode dapat menceminkan 
eaita secaa tepat. Secaa umum dapat dikatakan bahwa semakin miip suatu mode 
dengan eaitanya, semakin suit membuat mode tesebut (wayang goek ebih mi 
ip dengan manusia dibandingkan dengan wayang kuit, sehingga ebih suit meaks
anakan petunjukan wayang goek). Mode canggih beum tentu meupakan mode yang
baik − kadang kadang mode sedehana dapat menghasikan keuaan yang jauh ebih
baik dan sesuai untuk tujuan tetentu dengan situasi dan kondisi tetentu pua.
3.2 Mode sistem kegiatan dan sistem jaingan
Mode ini dapat digunakan untuk menceminkan hubungan antaa sistem tata guna a
han (kegiatan) dengan sistem pasaana tanspotasi (jaingan) dengan menggunaka
n bebeapa sei fungsi atau pesamaan (mode matematik). Mode tesebut dapat me
neangkan caa keja sistem dan hubungan ketekaitan antasistem
Konsep pemodean
83

secaa teuku. Menuut Back (1981), saah satu aasan penggunaan mode matemat
ik untuk menceminkan sistem tesebut adaah kaena matematik:
‘… is moe pecise anguage among othes. The pecision equied to tansate wods
into symbos can often evea inadequacies in the veba desciption …’ (‘... adaah b
ahasa yang jauh ebih tepat dibandingkan dengan bahasa veba. Ketepatan yang di
dapat dai penggantian kata dengan simbo seing menghasikan penjeasan yang ja
uh ebih baik daipada penjeasan dengan bahasa veba ...’)
Daam mode ini, hubungan antaa sistem tata guna ahan (kegiatan), sistem pasa 
ana tanspotasi (jaingan), dan sistem aus auintas (pegeakan) dinyatakan
secaa matematis. Sepeti yang teah diteangkan pada bab 2, enam konsep yang d
apat digunakan adaah aksesibiitas, bangkitan dan taikan pegeakan, sebaan p
egeakan, pemiihan moda, pemiihan ute, seta cii dinamis aus auintas da 
am sistem jaingan jaan. Wison (1974) menyusun bebeapa petanyaan yang wajib
dijawab oeh paa peencana tanspotasi sebeum meancang mode matematik: a b
c d e f g h i Apa tujuan akhi yang ingin dicapai sehingga mode tesebut peu
diancang? Peubah apa saja yang tepengauhi yang haus dipetimbangkan? Peubah
apa saja yang bisa diatu oeh paa peencana tanspotasi? Teoi apa saja yang
dapat diteapkan daam meancang pemodean tesebut? Sejauh manakah tingkat pen
geompokan mode tesebut? Bagaimana pean waktu daam mode tesebut? Teknik ap
a saja yang dapat dipakai? Data apa saja yang tesedia? Bagaimana caa mode te
sebut dikaibasi dan diabsahkan?
Untuk kasus pemodean sistem tata guna ahan (kegiatan)−sistem pasaana tanspot
asi (jaingan)−sistem aus auintas (pegeakan), jawaban petanyaan di atas dap
at dituis sebagai beikut ini. a Tujuan pemodean adaah untuk membantu menget
i caa keja sistem, dan meamakan peubahan pada sistem pegeakan aus aui
ntas sebagai akibat peubahan pada sistem tata guna ahan dan sistem pasaana t 
anspotasi. Peubah utama yang digunakan adaah tata guna ahan, sistem pasaan
a tanspotasi, dan aus auintas. Paa peencana dapat mengawasi angsung ok
asi tata guna ahan dan fasiitas pasaana tanspotasi dengan meaksanakan keb
ijakan yang tetea daam Rencana Tata Ruang Wiayah (RTRW), baik daam skaa na
siona, popinsi, kabupaten, ataupun kotamadya seta kebijakan yang tetea daa
m Sistanas (Sistem Tanspotasi Nasiona) atau sistem jaingan tanspotasi ai
nnya daam skaa yang ebih keci (popinsi, kabupaten, atau kotamadya).
b c
84
Ofya Z Tamin, Peencanaan dan pemodean tanspotasi

d
Teoi yang digunakan adaah: aksesibiitas, bangkitan dan taikan pegeakan, se
baan pegeakan, pemiihan moda, pemiihan ute, dan cii aus auintas dinam
is. Setiap teoi (konsep) meupakan submode. Tingkat pengeompokan dipehatikan
: • • mode memeukan dua fakto yang haus
e
Beapa uaskah zona tesebut? Hauskah aus auintas diambi secaa gabungan a
taukah peu dipisahkan bedasakan tujuan, waktu, atau aah pejaanan?
f
Waktu mempunyai dua ati daam pemodean. Mode dinamis menganggap ‘waktu’ haus dip
etimbangkan sebagai suatu peubah daam fungsi matematisnya; sedangkan mode sta
tis tidak memasukkan ‘waktu’ sebagai peubah, tetapi dapat digunakan untuk meamakan
sesuatu sebagai fungsi waktu tetentu. Mode statis jauh ebih sedehana diband
ingkan dengan mode dinamis; biasanya mode sistem tanspotasi dapat digoongka
n daam keompok mode statis untuk entang waktu yang pendek (misanya 1 minggu
atau 1 buan). Mode sistem tanspotasi biasanya digunakan untuk meamakan ap
a yang akan tejadi pada waktu tetentu di masa mendatang (tahun encana). Penen
tuan tahun encana juga tegantung pada jenis kajian.
g
Teknik yang dapat digunakan daam pemodean sistem tanspotasi ini teah bekem
bang dengan sangat baik sepeti imu matematika, statistika dan peneitian opea
siona, temasuk juga pemogaman. Data sangat dipeukan daam pemodean sistem
tanspotasi, dan haus mempunyai kuantitas dan kuaitas yang baik. Suvei (bai
k pime maupun sekunde) sangat dipeukan. Semakin kompeks suatu mode dan se
makin keci uas suatu zona, semakin banyak jumah data yang dipeukan dan sema
kin kompeks caa penanganannya. Poses kaibasi adaah poses menaksi niai p
aamete suatu mode dengan bebagai teknik yang sudah ada: anaisis numeik, a
jaba inea, optimasi, dan ain ain. Seteah dikaibasi, dihaapkan mode te
sebut dapat menghasikan keuaan yang sama dengan data apangan (eaita). Pos
es kaibasi diakukan dengan menggunakan bantuan agoitma kompute dan bebeap
a kineja statistik untuk menentukan tingkat ketepatannya. Seteah itu, mode da
pat digunakan untuk kepentingan peamaan pada masa mendatang. Sudah kita ketahu
i, suatu mode yang cocok untuk daeah tetentu beum tentu cocok untuk daeah 
ain. Bebeapa peubah bebas mode tesebut mungkin tidak sesuai untuk daeah ain
dan untuk itu peu dikuangi (dibuang) dan peu ditambahkan bebeapa peubah b
ebas bau yang ebih sesuai dengan daeah tesebut. Poses ini dikena dengan p
oses modifikasi. Seain itu, mode yang sama akan mempunyai niai paamete yang
bebeda jika digunakan pada daeah yang bebeda. Ha ini dapat diteima secaa 
ogika kaena situasi, kondisi, dan jenis peuntukan ahan seta peiaku peaku
h
i
Konsep pemodean
85

pegeakan pasti bebeda pada daeah yang bebeda beda. Poses untuk mendapatkan
paamete untuk suatu daeah tetentu dikena dengan poses pengabsahan. Tahapa
n beikutnya adaah caa membuat mode sistem. Kita akan membuat mode yang meng
aitkan sistem tata guna ahan (kegiatan), sistem pasaana tanspotasi (jainga
n), dan sistem aus auintas (pegeakan). Daam mode ini, tiga peubah utama
yang digunakan adaah sistem tata guna ahan, sistem pasaana tanspotasi, dan
aus auintas. Secaa umum, aus auintas meupakan peubah tetap, yang dida
patkan sebagai hasi inteaksi sistem tata guna ahan dan sistem pasaana tans
potasi. Pemasaahan utama sekaang adaah bagaimana meneangkan sistem tata gu
na ahan (misanya geogafis daeah pekotaan) dan sistem jaingan tanspotasi
secaa teuku. Untuk itu, bebeapa definisi peu dijeaskan daam poses pemod
ean sistem yang akan dijeaskan daam subbab beikut ini.
3.3 Penggunaan mode sistem kegiatan−sistem jaingan
Contoh yang ada daam (Back, 1981) membantu kita mempeihatkan caa keja sist
em tesebut − efek peubahan pada saah satu peubah akan menyebabkan peubahan pad
a peubah ainnya. Contoh mempeihatkan juga bahwa tedapat kemungkinan untuk me
ndapatkan mode eaita ainnya daam meamakan konsekuensi suatu kebijakan ta
nspotasi tehadap kondisi yang teah ada. Saah satu unsu daam pendekatan sec
aa sistem adaah meamakan apa yang akan tejadi pada aus auintas jika kot
a tesebut teus bekembang tanpa peubahan pada sistem pasaana tanspotasiny
a. Ha ini dikena dengan sistem do nothing. Kebijakan sistem tata guna ahan da
n sistem pasaana tanspotasi dapat diakukan dengan menggunakan sistem do som
ething, yaitu meakukan bebeapa peubahan pada sistem jaingan. Hasinya kemudi
an dibandingkan dengan hasi sistem donothing. Caa yang seing digunakan daam
meancang mode tanspotasi adaah sebagai beikut: a Mode dikaibasi dengan
menggunakan data pada saat sekaang (tahun dasa), untuk mendapatkan paamete (
koefisien) yang cocok untuk kota atau daeah tesebut (poses pengabsahan). Mea
makan tata guna ahan pada tahun encana dengan anggapan tidak ada peubahan pa
da sistem jaingan tanspotasi. Hasinya adaah aus auintas pada sistem ja
ingan tanspotasi dengan sistem do nothing yang dapat mempeihatkan pemasaah
an tanspotasi yang timbu pada masa mendatang jika tidak diakukan peubahan p
ada sistem jaingan tesebut. Dengan mempeajai ini, dapat ditentukan bebeapa
konsep peencanaan tanspotasi yang dibutuhkan. Tahap (b) diuang kembai, teta
pi dengan peubahan pada sistem pasaana tanspotasi, kadang kadang dengan beb
eapa atenatif peamaan tata guna ahan.
b
c
86
Ofya Z Tamin, Peencanaan dan pemodean tanspotasi

d
Hasi bebeapa peencanaan tanspotasi yang bebeda beda tesebut (misanya au
s auintas, waktu tempuh, nisbah voume pe kapasitas) dapat dipebandingkan d
engan sistem do nothing sehingga peencanaan yang tebaik dapat ditentukan.
Dengan kata ain, tujuan pendekatan secaa sistem dengan menggunakan mode adaa
h untuk meamakan apa yang akan tejadi pada suatu daeah kajian pada masa mend
atang, yang kemudian digunakan untuk mengevauasi bebeapa atenatif peencanaa
n tanspotasi dan memiih atenatif tebaik.
3.4 Penceminan sistem kegiatan dan sistem jaingan
Ha penting yang peu dipehatikan oeh paa pemode tanspotasi adaah menent
ukan tingkat esousi yang digunakan daam suatu daeah kajian. Pemasaahan ini
mempunyai banyak dimensi yang meiputi tujuan kajian yang akan dicapai, jenis p
eubah peiaku yang akan digunakan, dimensi waktu, dan ainainnya. Subbab ini a
kan ebih menekankan caa mendefinisikan daeah kajian, sistem zona (kegiatan),
dan sistem jaingan. Kita dapat meihat pemasaahan ini dai dua sisi dan tampa
knya pemiihan akan sangat tegantung dai kompomi antaa dua tujuan yang sain
g bekaitan, yaitu ketepatan dan biaya. Secaa pinsip, ketepatan atau akuasi y
ang semakin tinggi hanya bisa didapat dengan mode yang menggunakan definisi sis
tem zona yang mempunyai esousi tinggi (misanya jumah zona yang banyak dengan 
uas yang keci atau mempehatikan peiaku setiap pegeakan dengan basis indi
vidu) yang notabene membutuhkan data yang sangat banyak sehingga biayanya menjad
i sangat tinggi. Daam ha ini dapat disimpukan ketepatan/akuasi akan mempunya
i konsekuensi dengan biaya. Kita peu betu betu mengetahui maksud dan tujuan
suatu pemodean sehingga bisa diencanakan tingkat ketepatan pemodean yang sesu
ai dengan maksud tujuannya. Penggunaan data yang banyak yang dikumpukan dengan
sampe 100% akan menghasikan deskipsi sistem zona dan jaingan yang mempunyai
ketepatan tinggi. Akan tetapi, pemasaahan tentang adanya ketidakstabian pei
aku sebagai fungsi waktu akan meemahkan visi ketepatan ini, kaena daam peama 
an, dengan tingkat esousi yang sama, adanya peubahan pada tingkat individu j
eas akan mempengauhi kebutuhan akan pegeakan.
3.4.1 Daeah kajian
Sistem kota diatu dengan caa yang sangat kompeks − jaan, bangunan, dan aktivit
as saing behubungan. Untuk itu dibutuhkan suatu caa untuk menyedehanakan hub
ungan tesebut dengan menekankan pada yang ha yang penting saja; penyedehanaan
ini haus dapat menghubungkan unsu dunia nyata secaa masuk aka. Ha petama
yang haus ditentukan daam mendefinisikan sistem zona (kegiatan) dan sistem ja
ingan adaah caa membedakan daeah kajian dengan daeah atau
Konsep pemodean
87

wiayah ain di ua daeah kajian. Bebeapa aahan untuk ha tesebut adaah se
bagai beikut ini. • Daam menentukan daeah kajian sehausnya sudah dipetimbangk
an sasaan peaksanaan kajian, pemasaahan tanspotasi yang akan dimode dan t
ipe pegeakan yang akan dikaji, misanya pegeakan bejaak pendek atau panjan
g, angkutan baang atau penumpang, dan ain ain. Untuk kajian yang sifatnya san
gat stategis, daeah kajian haus didefinisikan sehingga mayoitas pegeakan m
empunyai zona asa dan zona tujuan di daam daeah kajian tesebut. Ini mungkin
saja tidak dapat diakukan; misanya, sewaktu menganaisis pemasaahan tanspo
tasi pada wiayah pekotaan yang keci peu dipehatikan pengauh auintas me
neus. Pemasaahan yang sama timbu daam kajian manajemen auintas di suatu
wiayah tebatas kaena mungkin kebanyakan pegeakan mempunyai zona asa dan tu
juan yang, atau kedua duanya, beada di ua batas daeah kajian. Daeah kajian
sebaiknya sedikit ebih uas daipada daeah yang akan diamati sehingga kemungki
nan adanya peubahan zona tujuan atau pemiihan ute yang ain dapat teamati.



Wiayah di ua daeah kajian seing dibagi menjadi bebeapa zona ekstena yang
digunakan untuk menceminkan dunia ainnya. Daeah kajian sendii dibagi menjad
i bebeapa zona intena yang jumahnya sangat tegantung dai tingkat ketepatan
yang diinginkan. Contohnya, suatu anaisis kebijakan manajemen auintas membu
tuhkan zona yang keci yang dapat menceminkan daeah keci pembangkit atau pena 
ik pegeakan, misanya ahan paki. Sebaiknya kajian stategis dapat diakuk
an pada zona yang ebih uas. Contohnya, kajian stategis untuk kota London (pop
uasi 7,2 juta) teah diakukan dengan menggunakan sistem zona yang bejumah 1.
000 zona (ihat tabe 3.1). Aktivitas tata guna ahan (dan zona asa) atau siste
m kegiatan diasumsikan beokasi pada titik tetentu daam zona yang disebut pus
at zona. Dua dimensi yang peu dipehatikan adaah jumah zona dan ukuan atau 
uas zona. Keduanya jeas saing tekait. Semakin banyak jumah zona, semakin ke
ci uas daeah yang dapat diiput oeh zona tesebut. Daam pakteknya, tingkat 
esousi sistem zona sangat tegantung dai maksud dan tujuan kajian, batasan k
ondisi waktu, seta biaya kajian. Penggunaan sistem zona yang bebeda beda untuk
suatu daeah kajian menimbukan kesuitan pada saat menggunakan data hasi kaji
an tedahuu dan sewaktu membuat pebandingan dai ha yang diakibatkannya. Ini
semua disebabkan oeh adanya pebedaan tingkat esousi sistem zona yang digunak
an. Unsu dasa daam penyedehanaan ini adaah zona dan pusat zonanya yang dias
umsikan menjadi tempat konsentasi semua cii pegeakan dai zona tesebut. Mod
e sistem pekotaan adaah mode uang. Oeh kaena itu, haus dicai caa yang
tepat untuk menjeaskan cii uang secaa numeik. Daeah kajian dibagi menjadi
zona yang ebih keci di mana cii daeah pekotaan haus dinyatakan secaa nume 
ik untuk setiap zona (misanya ukuan tata guna ahan).
88
Ofya Z Tamin, Peencanaan dan pemodean tanspotasi

Bebeapa contoh jumah zona yang digunakan oeh bebeapa kajian ditabekan pada
tabe 3.1.
Tabe 3.1 Tipika jumah zona untuk bebeapa kajian Lokasi
London (1972)
Popuasi (juta)
7,2
Jumah zona
2.252 1.000 230 52
Keteangan
Resousi tinggi Zona GLTS (Resousi noma) Distik GLTS Taffic booughs Resou
si tinggi Resousi noma Zona (Kajian stategis) Resousi noma Tingkat disti
k Resousi tinggi Resousi endah Resousi noma Resousi noma Resousi noma 
Resousi noma Resousi noma Resousi noma Resousi noma Resousi noma 
Resousi endah Resousi noma Resousi tinggi Resousi noma
Montea (1980) Ottawa (1978) Santiago (1986) Washington (1973)
2,0 0,5 4,5 2,5
1.260 120 260 1.075 134
West Yokshie (1977)
1,4
1.500 463
DKI Jakata (1995) Kotamadya Bandung (1995) Kotamadya Semaang (1995) Kotamadya
Soo (1995) Kotamadya Pau (1995) Puau Jawa (1995) Popinsi Jawa Timu (1995) N
ganjuk (1996) Sumatea Utaa (1996) Popinsi Jawa Baat (1996) Kotamadya Bandung
(1998) Kabupaten Bandung (1998)
7,5 2,4 1,3 0,5 0,17 115 34 0,95 10,2 35,4 2,3 4,2
106 58 33 19 22 79 30 23 11 25 100 40
Catatan: GLTS = Geate London Tanspotation Study
Daeah yang akan dikaji haus ditentukan teebih dahuu. Biasanya daeah teseb
ut mencakup wiayah suatu kota, akan tetapi haus dapat mencakup uang atau dae
ah yang cukup untuk pengembangan kota di masa mendatang pada tahun encana. Bias
anya suvei kendaaan yang meaui gais kodon (batas daeah kajian) peu dia
kukan aga batas dapat ditentukan sehingga tidak memotong jaan yang sama ebih
dai dua kai (untuk menghindai pehitungan ganda kendaaan yang sama). Batas t
esebut bisa juga beupa batas aami sepeti sungai, dan e keeta api. Sistem
jaingan tanspotasi diceminkan daam bentuk uas dan simpu, yang semuanya di
hubungkan ke pusat zona. Hambatan pada setiap uas jaan dinyatakan dengan jaak
, waktu tempuh, atau biaya gabungan. Niai tesebut kemudian dijumahkan untuk m
endapatkan tota hambatan untuk setiap zona asa dan tujuan. Semua ini dapat din
yatakan daam bentuk matiks.
Konsep pemodean
89

Sistem jaingan tanspotasi juga dapat ditetapkan sebagai uutan uas jaan dan
simpu. Ruas jaan bisa beupa potongan jaan aya atau keeta api, dan ain a
in; sedangkan simpu bisa beupa pesimpangan, stasiun, dan ain ain. Setiap u
as, simpu dan zona dibei nomo. Nomo ini (pasangan nomo) digunakan untuk men
gidentifikasi data yang bekaitan dengan uas dan zona. Dengan caa ini, cii si
stem tata guna ahan dan sistem pasaana tanspotasi dapat dinyatakan secaa g
eogafis atau uang. Gamba 3.1 meukiskan sistem jaingan jaan suatu daeah ka
jian yang tedii dai jaan satu aah, masing masing menceminkan satu uas ja
an atau pegeakan membeok di pesimpangan, dan beakhi pada titik ujung masin
g masing yang disebut simpu.
Gateway Pusat zona Zona 1 2 Ruas
4 3
5 Batas daeah kajian 6
Penghubung pusat zona Simpu
Batas zona
Gamba 3.1 Daeah kajian sedehana dengan definisinya
Penghubung pusat zona adaah jenis uas jaan yang besifat abstak (khaya) yan
g menghubungkan setiap pusat zona dengan sistem jaingan jaan. Setiap simpu da
n pusat zona dinyatakan dengan angka dan setiap uas dan penghubung pusat zona d
apat diidentifikasikan dengan angka simpu pada ujungnya masing masing. Jadi, da
pat disimpukan bahwa suatu jaingan jaan tedii dai bebeapa set jaan, uas
jaan satu aah, dan simpu.
3.4.2 Zona
Daeah kajian adaah suatu daeah geogafis yang di daamnya teetak semua zona
asa dan zona tujuan yang dipehitungkan daam mode kebutuhan akan tanspotas
i. Kiteia tepenting daeah kajian adaah bahwa daeah itu beisikan zona inte 
na dan uas jaan yang secaa nyata dipengauhi oeh pegeakan auintas. Da
eah kajian untuk suatu kajian tanspotasi dibatasi oeh batas daeah kajian di
90
Ofya Z Tamin, Peencanaan dan pemodean tanspotasi

sekeiingnya (gais kodon) − semua infomasi tanspotasi yang begeak di daam
nya haus diketahui. Dengan kata ain, daeah atau zona yang beada di ua bata
s daeah kajian (zona ekstena) dianggap kuang atau sedikit bepengauh tehad
ap pegeakan aus auintas di daam daeah kajian, sedangkan daeah atau zona
yang beada di daam daeah kajian (zona intena) bepengauh sangat besa te
hadap sistem pegeakan auintas di daam daeah kajian. Di daam batasnya, da
eah kajian dibagi menjadi N subdaeah yang disebut zona, yang masing masing diw
akii oeh pusat zona. Zona dapat juga dianggap sebagai satu kesatuan atau kese
agaman tata guna ahan. Pusat zona dianggap sebagai tempat atau okasi awa peg
eakan auintas dai zona tesebut dan akhi pegeakan auintas yang menuju
ke zona tesebut. Jika sistem jaingan jaan ditumpangkan (supeimpose) ke atas
daeah kajian, akan teihat gabungan antaa sistem kegiatan yang diwakii oeh
zona beseta pusatnya dengan sistem jaingan jaan yang diwakii oeh simpu da
n uas jaan. Secaa umum, batas administasi seing digunakan sebagai batas zon
a sehingga memudahkan pengumpuan data. Cek siang dan pebandingan statistik an
taa bebeapa kajian dapat diakukan jika batas zona yang digunakan sama. Bebea
pa kiteia utama yang peu dipetimbangkan daam menetapkan sistem zona di da
am suatu daeah kajian disaankan oeh IHT and DTp (1987), meiputi ha beikut
ini: • Ukuan zona sebaiknya diancang sedemikian upa sehingga gaat pengeompoka
n (ihat subbab 3.5.6) yang timbu akibat asumsi pemusatan seuuh aktivitas pad
a suatu pusat zona menjadi tidak teau besa. Sebaiknya diencanakan suatu sis
tem zona dengan banyak zona keci kaena nantinya zona tesebut akan bisa digabu
ngkan dengan bebagai caa, tegantung pada tujuan kajian yang akan diaksanakan
; batas zona sebaiknya haus sesuai dengan batas sensus, batas administasi dae
ah, batas aami, atau batas zona yang digunakan oeh kajian tedahuu yang sudah
dipandang sebagai kiteia utama; ukuan zona haus disesuaikan dengan kepadata
n jaingan yang akan dimode, biasanya ukuan zona semakin membesa jika semakin
jauh dai pusat kota; ukuan zona haus ebih besa dai yang sehausnya untuk
memungkinkan aus auintas dibebankan ke atas jaingan jaan dengan ketepatan
sepeti yang disyaatkan; batas zona haus dibuat sedemikian upa sehingga sesua
i dengan jenis poa pengembangan untuk setiap zona, misanya pemukiman, indust
i, dan pekantoan. Tipe tata guna ahan setiap zona sebaiknya homogen untuk men
ghindai tingginya jumah pegeakan intazona dan untuk menguangi tingkat keu
mitan mode; batas zona haus sesuai dengan batas daeah yang digunakan daam pe
ngumpuan data;

• •


Konsep pemodean
91


ukuan zona ditentukan pua oeh tingkat kemacetan; ukuan zona pada daeah mace
t sebaiknya ebih keci dibandingkan dengan daeah tidak macet.
Pegeakan yang meintasi batas daeah kajian haus mempunyai pusat zona eksten
a (atau tujuan) yang mewakii daeah ain di ua daeah kajian, atau ke zona y
ang menceminkan pintu inet atau outet (gateways) di tempat pegeakan tesebu
t meintasi batas daeah kajian. Keuntungan penggunaan zona ekstena tesebut a
daah jika suatu jaingan ekstena digunakan, dimungkinkan teidentifikasinya p
egeakan bejaak jauh yang meintasi daeah kajian dan ini tentu membebani sis
tem jaingan di daam daeah kajian. Kemungkinan tedapatnya auintas meneus
yang menggunakan jaingan di daam daeah kajian dapat diminimakan dengan memi
ih daeah kajian secaa hati hati, meskipun tidak dapat dihiangkan secaa tota
. Penetapan daeah kajian dan batas zona seing membutuhkan kompomi pesyaatan
yang saing betoak beakang. Di satu pihak ada keinginan untuk mempebaiki ke
tepatan mode dengan mempebesa ukuan daeah kajian dan kompeksitasnya. Di pi
hak ain ada petimbangan paktis untuk tetap menekan biaya seendah mungkin se
ta memenuhi skaa waktu dan ketepatan yang disyaatkan. Kadang kadang menguntung
kan jika dibuat sistem zona yang behieaki, sepeti London Tanspotation Stud
ies (ihat tabe 3.1), dengan subzona dikeompokkan menjadi zona. Seanjutnya, z
ona tesebut dikeompokkan kembai menjadi distik, seteusnya menjadi taffic b
ooughs, dan akhinya menjadi sekto. Sistem zona sepeti ini memungkinkan diak
ukannya anaisis bebagai tingkat kepentingan. Sehubungan dengan adanya definisi
zona intena dan zona ekstena sebagai zona asa dan zona tujuan, maka pege
akan aus auintas dapat dikeompokkan menjadi 4 tipe pegeakan sebagaimana t
ampak pada gamba 3.2.
Batas daeah kajian
Ekstena−Ekstena
Ekstena−Intena
Intazona
Intena−Intena
Gamba 3.2 Tipe pegeakan aus auintas
92
Ofya Z Tamin, Peencanaan dan pemodean tanspotasi


pegeakan ekstena−ekstena Pegeakan ini mempunyai zona asa dan zona tujuan
yang beada di ua daeah kajian (zona ekstena). Akan tetapi, daam poses pe
ncapaian zona tujuannya, pegeakan ini akan menggunakan sistem jaingan yang be 
ada di daam daeah kajian. Tipe pegeakan ini sangat penting untuk diketahui
kaena sebenanya peaku pegeakan ini tidak mempunyai tujuan atau kepentingan
sama sekai ke zona intena tetapi tepaksa haus menggunakan sistem jaingan d
aam daeah kajian daam poses pencapaian zona tujuannya (mungkin kaena tidak
ada atenatif ute ainnya). Konsekuensinya, pegeakan ini akan menjadi beban
tambahan bagi sistem jaingan daam daeah kajian tesebut, yang biasanya untuk
daeah pekotaan tebatasnya kapasitas jaingan menjadi pemasaahan utama. Meng
aihkan pegeakan ini meaui jaan ingka adaah saah satu caa untuk mengat
asinya. pegeakan intena−ekstena atau sebaiknya Pegeakan ini mempunyai sa
ah satu zona (asa atau tujuan) yang beada di ua daeah kajian (zona ekstena 
). Biasanya jumah pegeakan tipe ini tidak teau besa dibandingkan dengan
tipe pegeakan ainnya. pegeakan intena−intena Pegeakan ini mempunyai zon
a asa dan tujuan yang beada di daam daeah kajian (zona intena). Tipe pege 
akan iniah yang paing diutamakan daam poses peencanaan tanspotasi. Tujua
n utama dai bebagai peencanaan tanspotasi adaah untuk meamakan pegeaka
n tipe ini dan sekaigus menentukan kebijakan yang peu diambi daam menangani
nya. pegeakan intazona Pegeakan ini mempunyai zona asa dan tujuan yang be
ada di daam satu zona intena tetentu. Kaena definisi pusat zona adaah temp
at dimuai atau diakhiinya pegeakan dai dan ke zona tesebut, dapat dipastik
an bahwa pegeakan intazona tidak akan penah tebebankan ke sistem jaingan (
kaena pegeakan dimuai dan diakhii pada titik/okasi yang sama). Dengan meng
gunakan definisi pusat zona, dapat dikatakan bahwa voume auintas pada suatu 
uas jaan meupakan penjumahan dai voume auintas dai seuuh tipe pege
akan kecuai pegeakan intazona. Dapat disimpukan bahwa semakin uas suatu zo
na, semakin tinggi voume pegeakan aus auintas intazonanya. Pegeakan in
tazona memegang peanan cukup penting kaena pemasaahan tanspotasi di daea
h pekotaan banyak yang disebabkan oeh pegeakan intazona yang seau uput t
ebaca daam peamaan voume pada uas jaan.



3.4.3 Ruas jaan
Jaingan tanspotasi dapat diceminkan daam bebeapa tingkat pengeompokan yan
g bebeda daam suatu pemodean. Secaa paktis, yang haus diakukan adaah mem
buat mode jaingan sebagai gafik teaah (sistem simpu dengan uas jaan yang
menghubungkannya) sepeti teihat pada gamba 3.1 dan 3.3. Simpu dapat mence
minkan pesimpangan atau kota, sedangkan uas jaan menceminkan uas jaan anta 
a pesimpangan atau uas jaan antakota. Ruas jaan dinyatakan dengan dua buah
nomo simpu di ujung ujungnya. Bebeapa cii uas jaan peu diketahui,
Konsep pemodean
93

sepeti panjang, kecepatan, jumah aju, tipe gangguan samping, kapasitas, dan
hubungan Kecepatan−Aus di uas jaan tesebut. Ruas jaan seau mempunyai dua a
ah. Ruas jaan dua aah seau dinyatakan dengan dua uas jaan satu aah. Gamba 
3.3 mempeihatkan definisi sistem kegiatan (zona) dan sistem jaingan tanspo 
tasi jaan aya untuk popinsi Jawa Timu.
Gamba 3.3 Definisi sistem kegiatan (zona) dan sistem jaingan tanspotasi jaa
n di popinsi Jawa Timu Sumbe: Tamin et a (1997), Tamin dan Fazia (1997)
Pemasaahan yang dihadapi adaah ketesambungan (konektivitas) pada setiap titi
k simpu dianggap tidak mempunyai biaya apapun (dianggap no). Daam pakteknya,
bebeapa pegeakan membeok pada suatu pesimpangan meupakan saah satu kompo
nen tebesa daam tundaan dibandingkan dengan pegeakan di uas jaan. Oeh se
bab itu, aga kita dapat menceminkan sistem jaingan secaa ebih asiona, beb
eapa biaya tambahan peu ditambahkan pada kasus pegeakan di pesimpangan. Ha 
ini dapat diakukan secaa manua dengan membuat uas dummy (khaya) beseta b
iayanya yang dapat menceminkan pegeakan membeok di pesimpangan. Bebeapa pa
ket pogam yang ada sekaang sudah mampu meakukan ha ini. Tingkat esousi si
stem jaingan peu ditingkatkan jika akan digunakan untuk kajian yang ebih in
ci. Daam kasus ini, peu ada uas jaan tambahan yang digunakan pada pesimpan
gan yang kompeks yang dapat menceminkan kineja dai, misanya eseved ane d
an give way ane. Kadang kadang sistem jaingan yang ada meupakan bagian dai j
aingan yang ebih uas sehingga dipeukan titik inet dan outet pada batas da
eah kajian yang menghubungkan sistem jaingan tesebut dengan sistem yang ebih 
uas (zona ekstena). Kunci utama daam meencanakan sistem jaingan adaah pe
nentuan tingkat hieaki jaan yang akan dianaisis (atei, koekto, atau oka 
). Ha ini sangat tegantung dai jenis dan tujuan kajian. Jika ebih banyak ja 
an yang ditetapkan maka ceminan
94
Ofya Z Tamin, Peencanaan dan pemodean tanspotasi

kenyataan (eaita) akan semakin baik. Tetapi, ha ini haus dibaya dengan biay
a tambahan beupa pengumpuan data dan waktu. Ketebatasan dana dan waktuah yan
g menyebabkan pemode tanspotasi tepaksa haus membatasi tingkat esousi ses
uai dengan tujuan kajian yang dihaapkan. Seain itu, tidak ada gunanya kita men
etapkan uas jaan dengan esousi tinggi, tetapi dengan asumsi yang sangat sede 
hana mengenai tundaan di titik pesimpangan. Atau, tidak ada gunanya membuat si
stem jaingan dengan esousi tinggi, akan tetapi sistem zonanya (kegiatan) memp
unyai esousi endah. Jansen and Bovy (1982) menyeidiki pengauh esousi defi
nisi sistem jaingan dengan tingkat ketepatan daam pembebanan aus auintas p
ada uas jaan tesebut. Kesimpuannya, gaat tebesa didapatkan pada sistem de
ngan tingkat hieaki jaan yang paing endah. Oeh kaena itu, kita peu mema
sukkan pada sistem jaingan sekuang kuangnya jaan yang mempunyai hieaki sat
u tingkat ebih endah dai yang ingin dianaisis; misanya daam menganaisis s
istem jaan atei, kita haus membuat sistem jaingan jaan yang tedii dai j
aan atei dan koekto. Daam kasus jaingan angkutan umum, suatu tingkat hie
aki sistem jaingan disyaatkan. Pemode tanspotasi haus menspesifikasi stu
ktu jaingan sesuai dengan peayanan yang tesedia. Ha ini au dikodefikasi d
aam bentuk uutan simpu yang diaui oeh peayanan tesebut (bus, keeta api)
, biasanya setiap simpu menceminkan tempat pembehentian bus atau stasiun kee
ta api. Pesimpangan tanpa tempat pembehentian bus bisa saja dihiangkan daam
sistem jaingan yang akan dibuat. Ruas yang peu ditambahkan agi adaah uas p
ejaan kaki yang menceminkan bagian pejaanan yang diakukan dengan bejaan k
aki, temasuk uas yang digunakan untuk memode biaya tambahan yang tekait deng
an biaya tansfe dai satu sistem peayanan ke sistem peayanan ain (misanya
dai bus ke keeta api). Setiap uas jaan yang dikodefikasi haus diengkapi de
ngan bebeapa atibut uas yang menyatakan peiaku, cii, dan kemampuan uas ja 
an daam mengaikan aus auintas. Bebeapa atibut tesebut adaah panjang 
uas, kecepatan uas (kecepatan aus bebas atau kecepatan sesaat), dan kapasitas 
uas yang dinyatakan daam bentuk Satuan Mobi Penumpang (SMP) pe jam. Seain
itu, infomasi hubungan Biaya−Aus untuk setiap uas jaan haus diketahui, dan fa
kto yang mempengauhi hubungan tesebut adaah: • • • • • • tipe jaan (to, jaan utama, a
tau jaan oka); eba jaan atau jumah aju atau kedua duanya; infomasi men
genai aju khusus bus atau aangan pegeakan suatu jenis kendaaan pada uas
jaan tetentu; aangan pegeakan membeok, biasanya tejadi di pesimpangan;
jenis pesimpangan, geometik, temasuk infomasi pengatuan ampu auintasnya
(kaau ada); kapasitas antian.
Konsep pemodean
95

biaya gabuga utuk pergeraka agkuta pribai apat iyataka ega persamaa (3. jaan atei. 3.1) beikut.4. ampu au intas. Biaya gabungan untuk pegeakan angkutan umum dapat d inyatakan dengan pesamaan (3. Perecaaa da pemodela trasportasi . dan pemakaian bahan b aka (ihat Outam and Thomson. (3. yang biasa dikena dengan biaya gabungan. atau pun koekto). 1981). Dua kompoe utama ag sagat dibutuhka dalam me ghitug biaa gabuga adalah Biaa Operasi Kedaraa (BOK) da Nilai Waktu. dan waktu) menjadi satu niai tetentu yang mempunyai unit satuan bia ya atau unit satuan waktu. tesedianya ambu yang baik.Bebeapa hasi peneitian menunjukkan bahwa atibut uas jaan yang penting bagi pengendaa adaah taif to.2). Konsep bia ya gabungan menggabungkan ketiga komponen utama daam poses pemiihan ute (ja ak. 1978 dan Wootton et a.1) Gcu = biaya gabuga utuk pergeraka agkuta umum (alam satua rupiah) Ta = w aktu berjala kaki ari a ke agkuta umum (alam satua waktu) Tw = waktu me uggu agkuta umum (alam satua waktu) Tv = waktu selama beraa alam agkuta umum (alam satua waktu) φ ν δ = tari per satua jarak (alam satua rupiah) = ila i waktu per satua waktu (alam satua rupiah) = biaya tambaha atau biaya kompo e laiya yag tiak terukur (alam satua rupiah) Semetara itu.2) G cp = ψ D + νTv + C Gcp = biaa gabuga utuk perge raka agkuta pribadi (dalam satua rupiah) ψ C = biaa operasi kedaraa per sat ua jarak (dalam satua rupiah) = biaa parkir (atau tol) Pada umuma. ilai waktu berjala kaki da ilai waktu meuggu mempuai ilai ag lebih tiggi dibadigka dega ilai waktu selama berada dalam agkuta umum (biasaa dua kalia).4 Konsep biaya gabungan Peneitian di Beanda menunjukkan bahwa 70% uas jaan yang dipiih pengendaa m emiiki jaak dan waktu sebagai atibut utama. Atibut kategoi jaan (to. 96 Ofar Z Tami. Ber ikut ii dijelaska kedua kompoe tersebut. G cu = φD + νTa + νTw + νTv + δ D = jarak pergeraka (alam satua jarak) (3. biaya. dan kapasitas meupakan atibut yang mempengauhi pemiihan ute. pemandangan yang baik. Daam poses pemiihan ute diasu msikan bahwa setiap pengendaa akan memiih ute yang meminimumkan kombinasi in ea antaa jaak dan waktu.

185 0.0284 V2 − 3.035 −0.337 −0. ITB melalui proek kajia ‘Perhituga Besar Keutuga Biaa Op erasi Kedaraa’ ag didaai oleh PT Jasa Marga.6 Faktor koreksi akibat koisi arus lalulitas (kl) 0. biaa pemakaia ba.050 0. Juru sa Tekik Sipil. sedagka kompoe buga modal d ikembagka oleh Bia Marga melalui proek Road User Costs Model (1991).90805 x(KBB asar gologa I) kk = aktor k oreksi akibat kelaaia kl = aktor koreksi akibat koisi arus lalulitas kr = aktor koreksi akibat kekasara jala V = kecepata kearaa (km/jam) Tabel 3. • Kosumsi baha bakar (KBB) KBB = KBB dasar x (1 ± (kk + kl + kr)) KBB dasar kedaraa gologa I = 0. biaa pemeliharaa.4.1 Biaa operasi kedaraa (BOK) ii dikem bagka oleh LAPI-ITB (1997) bekerja sama dega KBK Rekaasa Trasportasi.253 0.158 0.Perhituga kompoe BOK berikut 3.820 0. da biaa asurasi.2 Faktor koreksi kosumsi baha bakar asar kearaa (kk) Faktor koreksi akibat kelaaia egati (kk) g<−5% −5%< g < 0% 0% < g < 5% Faktor k oreksi akibat kelaaia positi (kk) g > 5% 0 < NVK < 0. Meskipu masih baak kompoe lai ag perlu diperhit ugka.6 < NVK < 0. biaa peusuta.3) Sumber: LAPI ITB (1997) Kosep pemoela 97 .400 (3.68 KBB asar kearaa gologa IIA = 2.26533 x(KBB asar gologa I) KBB asar kearaa gologa IIB = 2. kompoe tersebut tidak terlalu domia.064 4 V + 141.8 NVK > 0.8 < 3 m/km Faktor koreksi akibat kekasara jala (kr) > 3 m/km g = kelaaia NVK = isbah volume per kapa sitas 0. biaa kosumsi mi ak pelumas.085 0. buga mo dal.4. Kompoe  BOK pada model ii terdiri dari biaa kosumsi baha bakar. Rumus kompoe BOK ag diguak a pada model tersebut ditampilka berikut ii.

0035 0.0059 Sumber: LAPI ITB (1997) Tabel 3.0000191 V + 0.0049 0.0020891 Gologa IIB : Y = 0. Kearaa gologa I Kearaa gologa IIA Ke IIB : : : Y = 0.3 Kosumsi asar miyak pelumas (liter/km) Kecepata (km/jam) 10−20 20−30 30−40 40−50 50−60 60−70 70−80 80−90 90−100 100−110 Jeis kearaa Gologa I 0.0055 0.0033 0.0057 0.0059333 Y = pemakaia ba per 1.00362 V + 0.0043 0.0045333 Y = 0.0070 Gologa IIB 0.0064667 Y 0.0008848 V – 0.0005567 Gologa I Gologa IIA : Y = 0.0031 0.50 Sumber: LAPI ITB (1997) • Biaya pemakaia  kearaa a araa gologa = 0. Tabel 3.0028 0.0046 0.000 km • Biaya pemeliharaa Kompoe biaya pemeliharaa ya g palig omia aalah biaya suku caag a upah motir.0012356 V – 0.0054 0.0044 0.0054 0.• Kosumsi miyak pelumas Besarya kosumsi asar miyak pelumas (liter/km) sagat tergatug paa kecepata kearaa a jeis kearaa.0060 0.0060 0. Kosumsi asar ii kem uia ikoreksi lagi meurut tigkat kekasara jala.0032 0.0029 0.00 15400 Y = biaya pemeliharaa suku caag 5per 1.00 1.4 Faktor koreksi kosumsi miyak pelumas terhaa p koisi kekasara permukaa Nilai kekasara < 3 m/km > 3 m/km Faktor koreksi 1.0055 0. Perecaaa a pemoela trasportasi .000 km b Motir : Y = 0.0027 0.0064 0.36267 Gologa I 98 Oyar Z Tami.0053 0.0057 0.0000064 V + 0. a Suku caag : Y = 0.0000332 V + 0.0049 0.0043 0.0038 Gologa IIA 0.0030 0.0027 0.0046 0.0044 0.0015553 V – ba Besarya biaya pemakaia ba sagat tergatug paa kecepata jeis kearaa.

28571 V) Y = biaya asurasi per 1.506 4.425 3.000 km itetuka oleh persamaa (3.21200 Y = jam kerja motir per 1. Tabel 3.980 Sumber: LAPI ITB (1997) Kosep pemoela 99 .4) Biaya asurasi Besarya biaya asurasi berba ig terbalik ega kecepata.067 8. Buga moal = 0 .2 Nilai waktu b erlaku utuk Ioesia.42857 V) Gologa IIB : Y = 61/(1714.97733 Gologa IIB : Y = 0.02311 V + 1.385−5. 1989) Surabaya−Mojokerto (JICA.287 3. Gologa I : Y = 38/(500 V) Gologa IIA : Y = 6/(2571. Tabel 3.000 km (sama ega 1/2 ilai peyusuta kearaa) Buga moal Meurut Roa User Costs Moel (1991).541 18. Semaki tiggi kecepata kearaa.0 V + 450) Gologa IIB : Y = 1/(6.344 14.716 1. Gologa I : Y = 1/(2.341 7.221 3.659 7.880 Gologa IIA 18.4) berikut.Gologa IIA : Y = 0.5 V + 125) Gologa IIA : Y = 1/(9.5 Nilai waktu setiap gologa kearaa Rujuka PT Jasa Marga (1990−1996) Paalarag−Cileuyi (1996) Semarag (1996) IHCM (1995) PCI (1979) JIUTR Norther Extesio (PCI.01511 V + 1. besarya biaya buga moal per kearaa per 1.4.000 km • Sampai saat ii.827 14.152 3.22% x (harga kearaa baru) (3.5 meampilka besara ilai waktu beberapa kajia  yag perah ilakuka.960 Gologa IIB 13. 1991) Nilai waktu (Rp/jam/kearaa) Gologa I 12.768 5. belum iapatka besara ilai waktu yag 3. besarya berbaig terba lik ega kecepata kearaa.000 km • Biaya peyusuta Biaya peyusuta haya berlaku utuk perhituga BOK paa jala tol a jala arteri.670 7.0 V + 300) Y= • biaya peyusuta per 1 .411−6.212 3.971 3.827−38.281 1.534 3. semaki kec il biaya asurasi.4.

653.369 9.120 29.323 4.097.48 1.723 Gol II A 17.000 2.32 3.638.352 33.800.217 60. Ta bel 3.022 12.356.7 ega as umsi bahwa ilai waktu asar tersebut haya berlaku utuk aerah DKI Jakarta a sekitarya.125.39 0.000 Gol II A 12.115.000 2.844. Nilai waktu = maksimum {(k x ilai waktu asar).940.80 2.478. seagka ilai waktu utuk aerah laiya apat ih itug ega megalika aktor koreksi ega ilai waktu yag berlaku utuk DKI Jakarta.00 0.047.246 3.000 39.  ilai waktu miimum} (3.23 0.113.000 1.69 4. Utuk aerah laiya harus ilakuka koreksi sesuai ega PDRB per kapitaya.Beberapa moiikasi ilakuka ega ‘memilih’ ilai waktu yag terbesar atara ila i waktu asar yag ikoreksi meurut lokasi ega ilai waktu miimum seperti t erlihat paa persamaa (3.5).200 6.65 1. DKI Jakarta a sekitarya iaggap mempuyai aktor koreksi 1.04 Nilai koreksi 1.7 meragkum beberapa aktor koreksi ilai waktu meurut aerah.96 3.694. 000 1.6 meragkum ilai waktu miimum yag iguaka.7 PDRB atas asar harga kosta tahu 1995 No 1 2 3 4 5 6 7 8 9 Lokasi DKI Jakarta Jawa Barat Koya Baug Jawa Tegah Koya Semarag Jawa Timur Koya Surabaya Sumatera Utara Koya Mea PDRB (juta rupiah) 60.380 39.188 6. .924 Jumlah peuuk 9. Tabel 3.52 0.287 per kearaa per jam. ilai waktu yag berlaku utuk DKI Jakarta aalah sebesar Rp 12 .812 13.25 0.231.002 57.346.6 Nilai waktu miimum (Rupiah/jam/kearaa) No 1 2 Kabupate/Koya DKI Jakarta selai DKI Jakarta Jasa Marga Gol I 8.29 0.000 JIUTR Gol I 8.20 0.74 0.0.5) k aalah ilai aktor koreksi paa tabel 3.46 Sumber: LAPI ITB (1997) Dega emikia.107 Sumber: LAPI ITB (1997) Tabel 3.986 21.114 6.207.554 11.051 Gol II B 9.55 2.455 Gol II B 4.200 6.682.508 5.000 PDRB per kapita (juta rupiah) 6.59 1.91 1. seagka tabel 3.

5 Galat alam pemoela a peramala Proseur statistik biasaya iguaka alam pemoela kebutuha aka trasportas i ega megasumsika bahwa buka saja ugsi spesiikasi alam pemoela terse but yag iaggap bear. Perecaaa a pemoela trasportasi . tetapi juga ata yag iguaka utuk 100 Oyar Z Tami.3.

tetapi keua hal ii membutuhka biaya cukup besar). ijelaska pula cara memilih. seperti galat paa saat mecatat hasil wawacara. a peramala moel. Beberapa hal yag apat ilakuka utuk meguragi galat pegukura aalah: • me igkatka kualitas sumber aya mausia pecacah. Keua. termasuk ampa kya. keluaraya juga selalu megaug galat karea ketiaktepata alam meetuka ilai yag iasumsika s ebagai peubah paa waktu tahu asar. Tujua akhir suatu pemoela aalah perama la. Di  egara berkembag memag kita selalu ihaapka paa keterbatasa waktu a biaya . galat alam proses koeikasi jariga. sagatlah petig membahas beberapa jeis galat . • Paa subbab berikut ii iberika pejelasa tetag jeis galat. tigkat kompleksitas moel atau ke tepata ata yag ikumpulka agar ihasilka keluara yag akurat. ata yag iguaka tiak perah luput ar i galat yag bisa terjai paa setiap tahapa proses pegumpulaya yag aka i teragka secara rici paa subbab berikut. Jeis galat ii ceerug lebih tiggi i egara berkembag karea reah ya kualitas sumber aya mausia. koisi seperti ii tiak mugki terjai. a pegukura. misalya galat alam meetuka peuba h. Sagatlah mu stahil kalau kita berharap meapatka keluara ega ketepata tiggi ari mo el yag kita yakii selalu megaug galat serta ata yag juga mempuyai jeis galatya seiri. pegkalibrasia. Kemuia. jeis galat yag apat meyeb abka suatu moel mejai tiak bear. Aka tetapi. misalya galat yag iakibatka oleh pros es pegambila sampel. hal tersebut apat ikuragi ega  meigkatka usaha utuk meapatka ata ega ketepata yag lebih tiggi ( misalya ega megguaka komputer atau meambah sumber aya mausia utuk me gotrol kualitas ata. igitasi. Pertama. 3. proses spesiikasi moel. galat akibat pegguaa alat yag tiak sesuai ega proseur maualya. hal petig yag harus iperhatika oleh para perecaa trasportasi aalah mecari kombiasi yag baik atara kompleksitas moel ega ketepata ata ya g aka meghasilka keluara peramala yag atiya iharapka sesuai ega ke yataa. Jeis galat berikut ii aka terjai paa saat kita melakuka proses pembetuka. keluaraya haya aka bisa meekati realita. Dalam prakteky a. galat ketika proses traser a pegelompoka.meaksir parameter moel iaggap tiak mempuyai galat apa pu.5. Selai itu. Utuk mecapai hal ii. yaitu: • jeis galat yag apat meyebabka suatu moel yag suah baik meghasi lka keluara peramala yag tiak akurat. a lai lai. Kosep pemoela 101 .1 Galat pegukura Galat ii terjai karea ketiaktepata alam proses meetuka ata paa tahu asar. tiak aka per ah persis sama ega realita. bagaimaapu baikya moe l yag kita buat. galat karea salah mea sirka jawaba respoe.

5.3 Galat perhituga Jeis galat ii timbul karea moel biasaya ikalibrasi ega proses pegulag a. khususya keterbatasa biaya a prakte k i lapaga. Apa arti besar sampel 20%? Artiya.4 Galat spesiikasi Jeis galat ii timbul karea eomea hal yag aka kita moelka tiak iketah ui a imegerti ega baik atau karea permasalaha tersebut terpaksa harus 102 Oyar Z Tami. selalu megguaka alat ukur yag sesuai ega maual atau buku petujuk peggu aaya. 3. Hal ii lebih iperparah lagi karea iormasi yag kita apatka ari sampel 20% populasi tersebut belum tet u bear karea mugki masih megaug beberapa jeis galat yag aka iteragk a berikut ii. ega perkembaga tekologi komputer belakag a ii yag sagat pesat (komputer berkecepata sagat tiggi ega kapasitas m emori sagat besar bisa iapat ega biaya terjagkau).2 Galat sampel Jeis galat ii timbul karea moel harus ikalibrasi ega seperagkat ata (t erukur).5. Dagazo (1980) mempelajari cara meetuka ukura sampel yag se suai ega tigkat ketepata yag iigika. Jeis galat ii l ebih kecil ari jeis galat lai. kecuali paa kasus seperti proseur pembebaa arus lalulitas i jariga yag macet atau paa peetua titik keseimbaga a tara kebutuha a seiaa ari suatu sistem yag sagat besar a kompleks (li hat Estraus. Tetapi. Setelah iormasi perilaku sampel sebayak 20% populasi ki ta apatka. • • 3. Galat sampel berbaig terbalik ega akar jumlah pegamata yag ib utuhka (utuk meguragi galat mejai separuhya ibutuhka ukura sampel 4 ka li lebih bayak). Sebaikya kita harus apat megumpulka seluruh ata yag aa (100% sampel). 1989).• • megaaka pelatiha sigkat bagi teaga pecacah megeai survei yag aka ila kuka. measirka a mecatat jawaba. utuk meguragi jeis galat ii pasti ibutuhka biaya yag c ukup besar. galat perhituga bisa iteka sereah mugki. Perecaaa a pemoela trasportasi . kita haya megumpulka ata sebayak 20% ari jumlah ata yag aa. 3. iaggap 80% populasi laiya mempuyai perilaku yag sama ega p erilaku 20% populasi (hal ii tetu tiak bear). karea berbagai aktor.5. solusi akhir yag bear tiak aka perah iapatka karea alasa biaya kom putasi (utuk itu jumlah pegulaga terpaksa harus ibatasi). kita terpaksa haya megumpulka sebagia ata saja (sampel). selal u melakuka kalibrasi ulag secara perioik bagi alat ukur yag aka iguaka. meyusu kuesioer yag baik. megajuka pertayaa. termasuk pejelasa sigkat megeai cara m egumpulka ata. Aka tetapi.

te tapi aka mejai masalah jika kita megguaka moel tiak liear (lihat Tari . uji korelasi selalu harus ilakuka atara peubah bebas  ega peubah tiak bebas. Kasus iilah yag palig serig terjai. misalya moel liear utuk meeragka sesua tu paa suatu koisi yag seharusya ijelaska ega moel tiak liear. ata yag iguaka utuk mejelaska perilaku setiap i iviu serig igabugka mejai ata kelompok iiviu. 3. Sebearya. Dalam kasus traser alam ruag. Kupa sa yag sagat baik yag meeragka jeis galat ii apat ilihat paa William a Ortuzar (1982a). aka tetapi.5. alam kasu s traser semetara (misalya utuk peramala) yag tiak mugki kita kalibras i ega ata paa masa meatag.iseerhaaka karea alasa tertetu. total biaya yag ibutuhka aka mejai sagat sulit  itetuka karea proses ii meyagkut proses kalibrasi a seterusya a mugk i saja meimbulka jeis galat lai yag sagat mahal peagaaya a mustahi l ihilagka. alam moel jariga selalu terjai Kosep pemoela 103 . walaupu beberapa pembeaha telah ilakuka alam proses traser tersebut. Jeis galat ii apat ipecahka mejai beberapa jeis galat laiya yaitu: • pegguaa peubah bebas yag tiak releva a tau yag tiak mempuyai korelasi ega keluara (peubah tiak bebas) yag iha rapka. Jeis galat ii mugki tiak mejai permasalaha paa moel liear. Cotohya. moel tersebut megaug satu kompoe ko stata yag apat megakomoasika atau meampug semua jeis galat yag aa. p egguaa moel yag kurag tepat. 1979). maka galat ii terpaksa harus kita terima saj a.5 Galat traser Jeis galat ii timbul jika suatu moel yag telah ikembagka paa aerah atau lokasi tertetu aka iterapka paa tempat lai yag jelas berbea permasalaha ya serta situasi a koisiya.6. Dalam hal ii. • • Jeis galat ii sebearya apat ikuragi ega meigkatka kompleksitas moe l tersebut. Aka tetapi.1 Pegelompoka ata Dalam beberapa kajia. 3.5. yag atiya aka itampug alam betuk kostata. 3. Jeis galat ii ap at ipecahka mejai beberapa jeis galat lai berikut ii. galat apat i kuragi ega melakuka kalibrasi kembali moel tersebut ega megguaka at a (bisa sebagia atau seluruhya) ari aerah yag baru. Hal ii sagat perlu iperhatika paa saat awal kit a membetuk moel − kita harus megerti ahulu peubah bebas apa saja yag palig  omia serta mempuyai korelasi yag tiggi ega keluara moel (peubah tiak bebas).6 Galat pegelompoka Jeis galat ii timbul paa saat kita igi memoel buka saja paa tigkat agre gat tetapi juga paa tigkat yag lebih reah utuk apat megerti perilaku set iap iiviu ibaigka ega perilaku kelompok iiviu. galat karea tiak memasukka peubah bebas yag releva.5.

yag membutuhka biaya a waktu tambaha. a zoa. Perecaaa a pemoela trasportasi . Pertama. Cotohya. Data agregat seperti ar us paa suatu ruas jala aalah keluara yag umum alam perecaaa trasportas i. karea pertimbaga praktis.2 Pegelompoka alterati Sekali lagi. buka  kelompok iiviu.pegelompoka.6) ihilagka. 3. moel utuk meapatkaya selalu megaug galat pegelompoka yag tiak mugki ihilagka begitu saja. atau yag biaya pegumpulaya yag palig reah. utuk meghiari kesulita. aka kita apatka: ∂e z ∂e xi ∂ = ∂x i e xi e z 2 (3. Ii berarti ilai yag kita guaka sebagai peubah bebas merupaka ilai rata rata perilaku beber apa iiviu. utuk meapatka keluara yag mempuyai ketepataya tiggi.5. kita harus me mahami bahwa galat paa peubah masuka aka mempegaruhi ketepata moel yag ki ta guaka. 3. misalya membuat zoa.5. 3. meetapka aa. Galat keluara yag ihasilka ari propagasi galat masuk a suatu ugsi seperti: z = (x1.6 Kompleksitas moel atau ketepata ata Sekarag. kompoe yag ke ua ari persamaa (3. mari kita pertimbagka cara megoptimasika pegembalia ivestasi e ga meigkatka ketepata ata. rute. persamaa ii cocok ipakai utu k ugsi liear.6. Aka tetapi. 1990). kategori sosio e koomi yag lebih bayak. baik paa rute. seagka yag kita harapka aalah perilaku setiap iiviu. Jeis galat ii ap at ikuragi ega meambah ata. x2. Hal ii membua t para perecaa mearik asumsi ega meetuka alterati ata yag palig o mia. Setiap moel yag megguaka ata agregat tiak aka pera h luput ari jeis galat ii (lihat Daly a Ortuzar.6.7) 104 Oyar Z Tami.3 Pegelompoka moel Hal ii serig membuat permasalaha bagi para perecaa. waktu pemberagkata. …. tiak imugkika meapatka ata yag legkap ari setiap peggua. a kompleksitas moel. Aloso (1968) megguakaya utuk meapatka beberapa cara se erhaa yag harus iikuti selama proses pembetuka moel utuk meghiari gal at keluara yag besar. Pertimbagka suatu peubah yag kita amati x ega galatya ex (mis alya simpaga baku). Jika kita hitug turua ez terhaap exi. palig muah iapat.6) rij aalah koeisie korelasi atara xi a xj. xN) bisa iapatka ega megguaka p ersamaa: 2 ez 2 ∂ = ∑ 2 ∂  ∂ i ∂x i ∑ ∂x ∂x e xi e xj rij e xi + ∑ i j≠i i j (3.

1).142 utuk y = 6/70. iapat: 2 2 2 +x2 e 2 = y2 e x ez y + e w = 502.00 utuk memperbaiki y (mejai 5 0 4) Dega megguaka persamaa (3. kita harus membagi biaya margial perbaika  setiap peubah ega tigkat margial perbaika. y = 50 5 . apat itetuka bahwa perbaika ketepata pegukura y terjai jika pegura ga margial ez sekurag kuragya sebesar 0. misalya peubah ∂ yag mempuyai ilai c ukup besar karea peubah tersebut aka ∂x i mempuyai eek palig besar terhaap p eubah tiak bebas. persamaa (3.08. a beberapa ukura megeai peubah bebas : x = 100 10.0705 = 0.02 sehigga ilai ez=708. A ka tetapi. Utuk meg hitug biaya perbaika margial (ez). ilai ez yag baru alam kasus perbaika x.0705 Tiga ilai ii aalah tigkat perbaika margial utuk setiap peubah.085 utuk z = 0. kompleksitas moel harus itigkatka. megutamaka u saha perbaika paa peubah yag releva.87 = 35. y.26 a 708.284 Oleh karea it u. atau w iapat sebesar 674.54.500 = 6. Cotoh 3.Dega megguaka tigkat perbaika margial ii a taksira biaya margial u tuk meapatka ketepata yag lebih baik. ∂e z ∂e y = 70.5. permasalaha ii tiak muah iata si karea selalu aka berakhir paa proseur pegulaga yag sagat kompleks.87. ∂e z ∂e w = 0. Secara praktis.7) paa asarya melakuka ua atura logika yaitu: • • me gutamaka paa usaha perbaika peubah yag mempuyai galat besar. Suah tetu bahwa alam usaha meguragi galat spesiikasi (es). 642.5 = 0. Dari persamaa (3. bisa iapat biaya marg ial perbaika (ez) yag ihasilka ari berapa perbaika peubah: utuk x = 5/35 .00 utuk memperbaiki z (mejai 200 49) = 0. w = 200 50 Asumsika juga biaya margial perbaika setiap pe gukura: utuk memperbaiki x (mejai 100 9) = 5.02/0. Jai.2 = 0. Kosep pemoela 105 . secara prisip imugkika ihasilka  aggara perbaika optimum. Deiisika kompleksitas sebag ai peambaha jumlah peubah suatu moel a/atau peigkata jumlah operasi alja bar peubah tersebut.1 Pertimbagka moel z=xy+w.2) iapat: ∂e z ∂e x = 10y2/708.085.2.

Utuk memutuska moel maa yag lebih baik.1xi). Gambar 3. kebayaka moel aka iguaka alam peramala jika ilai peubah pe recaaa xi tiak iamati.5 mejelaska bahwa jika kualitas ata sagat reah.05[ x1x2x3x4x5]2 = 0. suah jelas juga bahwa kalau terapat lebih bayak peubah yag haru s ihitug.01[ x 1 ez 2 = 0. Gambar 3. lebih bai k meramalkaya ega moel yag lebih seerhaa. Perecaaa a pemoela trasportasi . Aka tetapi. tetapi iramalka.1): 2 2 2 2 (x 2 x 3 x 4 x 5 )2 + [ x 2 (x 1 x 3 x 4 x 5 )2 ] + … + [ x 5 (x 1 x 2 x 3 x 4 )2 ] = 0.22z atau 22% galat. Gambar 3.4 memperlihatka bahwa jika galat pegukura mei gkat. moel yag lebih rici tetu saja iperluka.4 Variasi galat sesuai ega tigkat kompleksitas moel Sumber: Ortuzar a Willu mse (1994) Cotoh 3.5% sehigga kita sekarag memilih moel p ertama. 2 2 + em ). sehigga kita sebaikya memilih moel keua.05 z2 ez Diapat ez = 0. maka galat pegukura (em) aka meigkat pula. Tam baha lai. 106 Oyar Z Tami. maka total galat pa a moel yag keua tersebut mejai 44. Pembaca apat megecek kembali − jika kita asums ika bahwa peubah xi apat iukur ega galat sebesar 20%. Sagat mearik iketahui i sii bahwa galat pegukura yag lebih besar aka me ghasilka keluara yag berbea. iguaka persam aa (3. ilai optimum haya apat icapai paa tigkat kompleksitas yag reah.2 Pertimbagka kasus pemiliha moel atara moel pertama yag telah  iketahui aka meghasilka total galat sebesar 30% paa masa meatag ega mo el keua yag mempuyai spesiikasi yag sagat tepat (es = 0) ega persamaa sebagai berikut: z = x1x2x3x4x5 xi aalah peubah bebas yag iukur ega 10% g alat (em = 0. utuk apat bela jar a megerti eomea ii.Aka tetapi. apat ega Jika galat moel secara total ieiisika sebagai E=√( e s muah ilihat bahwa ilai miimum E tiak selalu harus terletak paa titik o ptimum kompleksitas.

a waktu pelaksaaa kajia Faktor ii merupaka hal terpetig karea apat m emberika perkiraa berapa lama waktu atau usaha yag sebaikya iberika utuk proses pegumpula ata.1 Pertimbaga praktis Batasa praktis sagat berpegaruh paa peetua jeis survei yag cocok utuk koisi tertetu. galat alam peramala haya apat iketah ui alam waktu 20 tahu meatag. Oleh karea itu. harus ipilih moel yag mempuyai peubah perecaaa yag apat iramalka ega tigkat kepercayaa tiggi.E* E * em e es Negara miski Negara kaya Kompleksitas Gambar 3. iperluka proses pemataua a evaluasi utuk melihat apakah sasara kajia tersebut tercapai. Walaupu secara prisip imugkika peggu aa alat batu aalisis jeis apa pu. alam memilih moel utuk tujua perama la. b • Kosep pemoela 107 . misalya yag membutuhka jeis ata tertetu. Dega emikia.5 Pegaruh galat pegukura Sumber: Ortuzar a Willumse (1994) Kita megetahui bahwa beberapa peubah perecaaa lebih muah iramalka ibai gka ega yag lai. Paa akhiry a iperluka alat batu aalisis tertetu.7 Pegumpula ata 3. yaitu: tahu recaa sagat ekat. 3.7. Beberapa batasa praktis yag serig ijumpai alam beberapa kajia trasportasi aalah sebagaimaa yag ijelaska berikut i i. horizo kajia • Terapat ua tipe situasi yag patut ip ertimbagka. misalya alam suatu kajia tak tis sehigga terseia cukup bayak waktu utuk melaksaaka kajia. Meracag survei bukalah hal yag muah. suatu kajia strategis yag horizo kajiaya (tahu recaa) bisa me capai 20 tahua i masa meatag. tetapi membutuhka k emampua a pegalama tertetu.

meliputi: • potoga melitag yag terperici. pembaca isaraka membaca moul pelatiha ‘Metoe Survei Lalulitas a Tra sportasi’ yag isusu oleh LPM ITB bekerja sama ega KBK Rekayasa Trasportasi . aliyeme horizotal. meia. meliputi lo kasi. a Ivetarisasi prasaraa jala Ricia ata iveta risasi yag harus ikumpulka utuk jala perkotaa meliputi: 1 esai geometrik .7. meliputi geom etrik a raius membelok. termasuk lebar jala a aerah milik jala.  3. a lai lai. • • • 2 pegealia lalulitas. bagia j ala yag lurus a legkug. a tigkat kemampua asilitas komputer yag terseia. 1997e). jari jari tikuga a superelevasi.2 Jeis survei Paa umumya survei yag aka ilakuka bertujua utuk meapatka iormasi me geai sistem prasaraa trasportasi a sistem tata gua laha. a cara pegealia parkir.2. raius membelok. misalya jumlah teaga ahli yag terseia. persimpaga. persimpaga. meliputi iormasi jeis bagua. meliputi: • • • • rambu lalulitas a marka jala. parkir a akses. meliputi imesi. peghalag terhaap jarak pa aga bebas serta objek yag meghalagi kelacara lalulitas 108 Oyar Z Tami. asilitas pejala kaki. Utuk lebih le gkap. tigkat keahliaya. meliputi lokasi  a jeis. Kebutuha aka ata juga sagat itetuka oleh sasara a tujua kajia. 3. parkir i baa jala a buka i baa jala. Perecaaa a pemoela trasportasi . kereb. Jurusa Tekik Sipil. lokasi a jeis peg ealia. 3 tata gua laha. a lampu peeraga. jumlah a lebar lajur. sumber aya kajia Beberapa hal berikut sagat perlu iketahui sebelum ki ta memulai suatu pegkajia. kelaaia aik a turu. jalur lambat. lampu lalulitas a lampu peeraga. ITB (LPM ITB.c batas aerah kajia Batas aerah kajia harus seikit lebih luas ari batas wila yah yag iperkiraka aka terpegaruh (atau berkembag) paa masa 20 tahu me atag. aliyeme ver tikal meliputi bagia jala yag meatar. meliputi pajag ruas. jeis a ukura.7. meliputi lokasi setiap akses. bahu jala yag iper keras.1 Sistem prasaraa trasportasi Survei seharusya irecaaka utuk apat megetahui seluruh iormasi asilita s sistem prasaraa trasportasi yag imiliki serta iormasi kierjaya alam b erbagai koisi arus lalulitas.

beberapa iormasi ru mah tagga berikut sagat ibutuhka. tari pa rkir (tetap atau progresi). usia a jeis kel ami. waktu pegealia. pertambaga. a kehutaa. meliputi lokasi a kapasitas tam pug parkir. a survei agkuta umum. biasaya terseia ega  baik a legkap utuk setiap propisi i Biro Pusat Statistik. a survei aik−turu peump ag alam betuk proil pembebaa alam satu rute. Karakteristik pergeraka bisa iapat melalui survei wawa cara rumah tagga. a lai lai. perikaa. peagag kaki lima. a jarak berjala kaki. haya sebagia saja ari keseluruha ata ivetarisasi jala yag ibutuhka. jumlah armaa. urasi parkir. alam su rvei wawacara rumah tagga juga bisa itayaka karakteristik pergeraka. pekerjaa. jeis kearaa (termasuk kapasitasya). meliputi rute bus. mel iputi jeis a itesitasya serta karakteristik pergeraka. volume parkir. a rambu jala. tempat laraga a pembatasa parkir. t ujua pergeraka. Survei kebutuha parkir. teaga kerja. a kecepata bergerak. yaitu aggota keluarga. salura air limbah. Ivetarisasi asilitas a kebutuha parkir.2. Baa Pereca aa Pembagua Daerah (Bappea) i tigkat I maupu II secara ruti megumpulka  ata yag berkaita ega tata gua laha setiap tahuya a iokumetasika  secara baik a legkap serta ipublikasika secara ruti. a itesitas pergeraka yag ilakuka setiap hariya oleh seluruh aggota keluarga.2 Sistem tata gua laha Survei yag ilakuka bertujua utuk meapatka iormasi tata gua laha. waktu berheti. Utuk keperlua perecaaa a pemoela trasportasi. prouksi berbagai sektor. rekuesi.a pejala kaki seperti warug. iustri. 1 Survei ivetarisasi ruag parkir. akumulasi parkir. peapata. meliputi iormasi waktu tempuh (apat ilakuka e ga survei metoe pegamat bergerak a survei pegamat statis). 4 asilitas jala laiya. 3. ieks parkir. meliputi raiase.7. misal ya jeis tata gua laha zoa asal a zoa tujua. meliputi survei ivetarisasi ruag parkir a survei kebutuha  parkir. Cotoh ata tata g ua laha aalah populasi. Tambaha lai. a moa trasportasi yag Kosep pemoela 109 . kabel. meliputi tujua parkir. laju pergatia parkir. misalya Propisi J awa Barat Dalam Agka. marka jala. a lailai. survei wawacara i tepi jala. tari. lokasi termia l a halte. b Ivetarisasi kierja a gkuta umum. waktu bergerak. pemilika kearaa. c 2  Ivetarisasi waktu tempuh. waktu beragkat a tiba. misalya pert aia. Dalam survei wawacara rumah tagga. pot buga. imesi celuka a suut kemiriga p arkir. survei agkuta barag.

Bruto (1985) meyaraka beberapa ilai sampel yag telah irekome asika utuk iguaka selama hampir 20 tahu (lihat tabel 3.000 500. Survei agkuta umum bertujua utuk meapatka iormasi jum lah aik−turuya peumpag utuk setiap rute. beberapa iormasi berikut sagat ibutuhka agar  apat meghasilka gambara karakteristik agkuta barag. zoa asal a tujua.000 i atas 1.000 150. serta tujua pergeraka.9 Rekomeasi ukura sampel survei wawacara i tepi jala Arus lalulit as (kearaa/jam) 900 atau lebih 700−899 500−699 300−499 200−299 1−199 Ukura sampel 1:10 1:8 1:6 1:4 1:3 1:2 Sumber: Ortuzar a Willumse (1994) 110 Oyar Z Tami. Tabel 3. Kelema ha berikutya aalah bahwa utuk suatu ruas jala yag cukup tiggi arus laluli tasya.8 Rekomeasi ukura sampel survei wawacara rumah tagga Populasi i bawah 50. teaga kerja yag sagat bayak. Perecaaa a pemoela trasportasi . tujua pergeraka. Pegambila sampel 100% sagatlah tiak mugki karea membutuhka bi aya yag sagat besar.000. a lai lai. a waktu proses yag sa gat lama. tigkat isia peumpag. pegambila sampel 100% hampir tiak mugki apat ilaksaaka.000−500.000.000 50.8).000−300. moa trasportasi ar i zoa asal ke agkuta umum. zoa asal a zoa tujua pergeraka.000−150. Tabel 3.9 memperlihatka ukura sampel yag irekomeasika utuk survei wawacara i tepi jala.iguaka. Tabel 3. serta moa trasportasi ari agkuta umum ke zoa tujua. Survei wawacara i tepi jala juga meayaka iormasi yag sama eg a survei laiya. zoa asal a tujua.000 300. yaitu jeis kearaa. misalya jeis keara a yag iguaka.000−1. proil pembebaa utuk setiap rute . Salah satu kelemaha survei ii aalah tergag guya arus lalulitas karea kearaa harus berheti utuk iwawacarai. jeis a volume barag yag iagkut.000 Ukura sampel (rumah tagga) Rekomeasi 1:5 1:8 1:10 1:15 1:20 1:25 Miimum 1:10 1:20 1:35 1:50 1:70 1:100 Sumber: Bruto (1985) Paa survei agkuta barag. karakteristik perusahaa (jika aa). iormasi pegguaa trasportasi multi mo a.

Moel ii sagat ibutu hka apabila eek tata gua laha a pemilika pergeraka terhaap besarya ba gkita a tarika pergeraka berubah sebagai ugsi waktu.4 Moel bagkita pergeraka Seperti telah iteragka paa bab sebelumya. seperti berapa besar perg eraka ega tujua berbelaja yag ilakuka oleh seseorag selama satu miggu ? Hal ii biasaya itagai oleh moel pemiliha iskret seperti yag aka ije laska paa bab 6. tahapa bagkita pergeraka bert ujua meapatka jumlah pergeraka yag ibagkitka oleh setiap zoa asal (Oi) a jumlah pergeraka yag tertarik ke setiap zoa tujua (D) yag aa i ala m aerah kajia. Pembaca yag bermiat paa peekata m oel pemiliha iskret apat membaca Be Akiva a Lerma (1985) serta bab 6 buk u ii. Dalam bab itu permasalaha iyataka ega cara lai. tetapi juga peekataya. Tahapa bagkita pe rgeraka ii meramalka jumlah pergeraka yag aka 111 . 1. aka iulas beberapa peekata utama alam tahap pemo ela ii. Bab ii iakhiri ega pejelasa tetag proseur peramala peubah yag igu aka utuk memoel bagkita pergeraka paa masa meatag. aka iperkealka seikit cara melakuka pemoela aalisis regresi liear. Dalam bab ii kita mempertimbagka peekata pertama (misalya meramalka total pergeraka Oi a D ari ata at ribut sosio ekoomi rumah tagga). Ke muia. aka iteruska ega metoe aalisis kategori silag − kita aka mempela jari tiak haya spesiikasi aalisis kategori orag. Kita aka mulai ega meeiisika beberapa kosep asar yag iguaka  a kemuia mempelajari beberapa aktor yag mempegaruhi bagkita a tarik a pergeraka. misal ya berapa besar peluag seseorag melakuka 0. 4.1 Peahulua Tujua asar tahap bagkita pergeraka aalah meghasilka moel hubuga yag megaitka parameter tata gua laha ega jumlah pergeraka yag meuju ke sua tu zoa atau jumlah pergeraka yag meiggalka suatu zoa. aka ipertimbagka moel bagkita a tarika pergeraka berbasis zoa a berbasis rumah tagga. Selai itu. permasalaha juga apat ilihat ari sisi lai seba gai permasalaha alam pemiliha rekuesi pergeraka. Kita aka mempertimbagka utuk pertama kaliya permasalaha pegelompoka ya g mempuyai solusi trivial yag isebabka oleh betuk liear moel tersebut. 2+ (ua atau lebih) pergeraka  ega tujua tertetu selama satu miggu. Zoa asal a tujua  pergeraka biasaya juga megguaka istilah trip e. imulai ari tekik yag palig seerhaa (metoe aktor pertumbuha). Sebelum megguaka peekata yag lebih kompleks. Kemuia. yag palig serig iguaka alam berbagai k ajia sampai ega akhir tahu 1980 a. Kemuia.

X3 . . . Data hasil survei XM . . . populasi. .1. . . . . . . . . . . . . . . . . . . . atribut sosio ekoomi. … . . . . Data hasil pemoela P * * * . . . . perlu aa pejelas a megeai beberapa eiisi asar yag selalu iguaka alam tahap pemoela bagkita pergeraka. . . Tahapa ii biasaya megguaka ata ber basis zoa utuk memoel besarya pergeraka yag terjai (baik bagkita maupu tarika). A . P . kepaata peuuk. . * * * Perkiraa besarya tigkat bagkita pergeraka. . Perecaaa a pemoela trasportasi . . . bagkita atau tarika pergeraka biasaya iaalisis berasarka zoa. . . bagkita a tarika pergeraka iramalka eg a megguaka atribut sektor iustri a sektor lai yag terkait. . . * * * X2 . i . N Data tata gua laha X1 .1 Deiisi asar Utuk apat mempermuah pembaca megikuti subbab berikutya. jumlah peker ja. . . . . . . a juga moa trasportasi yag iguaka. . 1978). . . . . serta tata gua laha .1. 4. pemilika kearaa. . . Beberapa kajia trasportasi berhasil megieti ikasi korelasi atara besarya pergeraka ega berbagai peubah. . . . peapata. . . Tabel 4. . Seperti tel ah ijelaska.1 (Black. 112 Oyar Z Tami. . . . Sebelum membicaraka permasalaha pemoela. misalya tata gua laha. . Data tata gua laha (peubah X). . . K husus megeai agkuta barag. . baik utuk bagkita (P) maupu tarika (A) bisa ilakuka ega pemoela yag megguaka ata yag terapat paa tabel 4.1 Iormasi tetag moel bagkita pergeraka Nomor zoa 1 2 3 4 . .ilakuka oleh seseorag paa setiap zoa asal ega megguaka ata rici me geai tigkat bagkita pergeraka. . . ata bagkita pergeraka (P) a ata t arika pergeraka (A) yag iapatka ari hasil survei terlihat paa tabel 4. . A * * * . . a setiap pe ubah tersebut juga salig berkorelasi. paa subbab ii ib erika beberapa eiisi asar megeai moel bagkita pergeraka. Tahapa ii bertujua mempelajari a meramalka besarya tigkat bagkita pe rgeraka ega mempelajari beberapa variasi hubuga atara ciri pergeraka e ga ligkuga tata gua laha.

1 Bagkita a tarika pergeraka  Tahapa bagkita pergeraka Serig iguaka utuk meetapka besarya bagkita  pergeraka yag ihasilka oleh rumah tagga (baik utuk pergeraka berbasis r umah maupu berbasis buka rumah) paa selag waktu tertetu (per jam atau per h ari). tujua akhir perecaaa tahap a bagkita pergeraka aalah meaksir Moel bagkita pergeraka 113 . beberapa eiisi lai seperti tour a trip chai seri g ipakai alam perecaaa a pemoela trasportasi.a Perjalaa Pergeraka satu arah ari zoa asal ke zoa tujua. eiisi tersebut haya serig iguaka paa moel p emiliha iskret. Aka tetapi. alam ilmu trasportasi biasaya aalisis keuaya harus ipisa hka. Hal ii sagat meuku g teori yag meyataka bahwa kebutuha aka pergeraka sebearya aalah kebutu ha turua (sesuatu yag sagat tergatug ari aaya keterkaita ega kegia ta laiya). Jai. Hal yag ikaji i sii tiak saja megeai pergeraka berkearaa. Tarika pergeraka Diguaka utuk suatu pergeraka berbasis rumah y ag mempuyai tempat asal a/atau tujua buka rumah atau pergeraka yag terta rik oleh pergeraka berbasis buka rumah (lihat gambar 4. Pergeraka berbasis rumah Pergera ka yag salah satu atau keua zoa (asal a/atau tujua) pergeraka tersebut a alah rumah. Bagkita pergeraka Diguaka utuk suatu p ergeraka berbasis rumah yag mempuyai tempat asal a/atau tujua aalah rumah atau pergeraka yag ibagkitka oleh pergeraka berbasis buka rumah (lihat g ambar 4. b c  e Gambar 4. Bagkita pergeraka harus iaalisis secara terpisah ega tarika pergeraka.1).1). lihat Daly et al (1983). meskipu perubaha r ute terpaksa ilakuka. Sepajag tahu 1980 a. Berheti secara kebetula (misalya berheti i perjalaa ut uk membeli rokok) tiak iaggap sebagai tujua perjalaa. tetap i juga kaag kaag pergeraka berjala kaki. termasuk pergerak a berjala kaki. Meskipu pergeraka serig iartika ega pergeraka p ulag a pergi. Pergeraka berbasis buka rumah Pergeraka yag baik asal maupu tu jua pergeraka aalah buka rumah.

ata ii harus ikoeikasi kembali utuk meapatka iormasi yag b ear. terapat galat alam proses pegkoeikasia. Proporsi pergeraka yag ilakuka oleh setiap tujua pergeraka s agat berluktuasi atau bervariasi sepajag hari. Keua.2 memperlihatka ata kota Satiago (Chile) yag ihasilka ari survei Asal−Tujua paa tahu 1977 (DI CTUC. Pergeraka berbasis buka rumah tiak selalu harus ipisahka karea jumlahya kecil. kebayaka pergeraka paa jam sibuk pagi merupaka pergeraka utam a yag harus ilakuka setiap hari (utuk bekerja a peiika). Beberapa kometar timbul berkaita ega tabel 4 . 114 Oyar Z Tami. Tabel 4.2 Berasarka waktu Pergeraka biasaya ikelompokka mejai pergeraka paa jam sibuk a paa jam tiak sibuk.2 Klasiikasi pergeraka 4. 1978). Jeis permasalaha seperti ii serig terjai sebelum kosep bagkita a tarika pergeraka meggatika kosep Asal a Tujua yag tiak secara ekspli sit meggambarka kemampua aktivitas pergeraka berbasis rumah a berbasis buk a rumah.2. s eagka tujua pergeraka lai siatya haya piliha a tiak ruti ilakuka . yag tiak te rjai paa jam tiak sibuk. Pertama.1. pergeraka utuk tujua birokrasi terjai bai k paa jam sibuk a tiak sibuk (ii merupaka ciri khas pergeraka i egara b erkembag). yag aka  iguaka utuk meramalka pergeraka paa masa meatag. Perecaaa a pemoela trasportasi .00 sampai ega jam 12. haya sekitar 15−20% ari total pergeraka yag terjai.1. a lai lai • • • Dua tujua pergeraka pertama (bekerja a peiika) isebut tujua pergeraka utama yag merupaka keharusa utuk ilakuka oleh setiap orag setiap hari.00 siag. yag terlihat ari besarya pergeraka yag meuju ke rumah (41.1.2. 4. Jai.00 sampai ega jam 9.setepat mugki bagkita a tarika pergeraka paa masa sekarag.1 Berasarka tujua pergeraka Paa praktekya. 4. Ketiga. serig ijumpai bahwa moel bagkita pergeraka yag lebih bai k bisa iapatka ega memoel secara terpisah pergeraka yag mempuyai tujua  berbea. pergeraka paa selag jam sibuk pagi hari (biasaya salig bertola k belakag ega pergeraka paa selag jam sibuk sore hari) terjai atara jam 7. lima kategori tujua pergeraka  yag serig iguaka aalah: • • pergeraka ke tempat kerja pergeraka ke sekolah atau uiversitas (pergeraka ega tujua peiika) pergeraka ke tempat bel aja pergeraka utuk kepetiga sosial a rekreasi. Dalam kasus pergeraka berbasis rumah.65%) paa jam tiak sibuk yag mugki isebabka karea i alamya termasuk juga pergeraka ega tujua la i.2.00 pagi a jam tiak sibuk berkisar atara jam 10.

Tabel 4.72 39.40 2.65 Sumber: Ortuzar a Willumse (1994) 4. 2.611 16.683 313.262 130.064 14.79 1.3 Faktor yag mempegaruhi Dalam pemoela bagkita pergeraka. a reah.19 2.392 Jam tiak sibuk Jumlah 52. 1.736 24.938 8.68 4. ukura a struktur rumah tagga. 4.592 676 2. a pegguaaya.12 35. tetapi juga pergeraka barag.354 34.1.738 7. tigkat pemilika kearaa: biasaya t erapat empat tigkat: 0.14 0.2.35 5.96 11.567 35.1. Hal petig yag harus iamati aalah bahwa jumlah tigkat apat meigkat pesat a ii berimplikasi cukup besar bagi kebutuha aka ata. hal yag perlu iperhatika buka saja per geraka mausia.74 18.3 Berasarka jeis orag Hal ii merupaka salah satu jeis pegelompoka yag petig karea perilaku pe rgeraka iiviu sagat ipegaruhi oleh atribut sosio ekoomi.09 0.689 % % 12. a Bagkita pergeraka utuk ma usia Faktor berikut ipertimbagka paa beberapa kajia yag telah ilakuka: • • • • • • • eapata pemilika kearaa struktur rumah tagga ukura rumah tagga ilai la ha kepaata aerah permukima aksesibilitas Moel bagkita pergeraka 115 .73 41.702 1. kalibrasi moel.596 57.89 2.35 2.06 1.2 Cotoh klasiikasi tujua pergeraka Tujua pergeraka Bekerja Peiika Belaja Sosial Kesehata Birokrasi Ikut ega orag Lai−lai Kembali ke rumah Jam sibuk pagi hari Jumlah 465.60 3.275 13. atau lebih ari ua (2+) kearaa per rumah ta gga.787 15. Atribut yag i maksu aalah: • • • tigkat peapata: biasaya terapat tiga tigkat peapata i Ioesia: tiggi. meegah.735 18.54 0.

pertokoa . I i . aktor ii terkait ega peubah seperti populasi (P).1. peapata (I). beberapa tekik telah iusulka utuk memoel bagkita per geraka. jumlah tempat pemasara. b Tarika pergeraka utuk mausia Faktor yag palig serig iguak a aalah luas latai utuk kegiata iustri. C i c (  (P ) ) (4. Biasaya. seagka  ilai laha a kepaata aerah permukima haya serig ipakai utuk kajia me geai zoa. Asumsik a kita megetahui rata rata tigkat bagkita pergeraka utuk setiap kelompok: 116 Oyar Z Tami. seagka tikatas  a c me aaka tahu sekarag () a tahu recaa (c).I i . Kesulita metoe ii aalah cara meapatka ilai Fi. luas atap iustri tersebut. perkatora. a ukura ruma h tagga) telah iguaka paa beberapa kajia bagkita pergeraka.4 Moel aktor pertumbuha Sejak tahu 1950 a. pemilika kearaa. 1) Ti a ti aalah pergeraka paa masa meatag a paa masa sekarag. Faktor lai yag apat iguaka aalah lapaga kerja. Persamaa asarya aalah: Ti=Fi.1 Pertimbagka suatu zoa ega 250 rumah tagga bermobil a 250 rumah tagga tapa mobil. a total seluruh aerah yag aa. Berikut ii ikemukaka tekik yag mugki bisa iterapka utuk meramalka jum lah perjalaa paa masa meatag yag ilakuka oleh salah satu ari empat kat egori yag telah iteragka sebelumya. sagatlah petig megerti beberapa aspek berikut ii: • • jeis pergeraka yag ak a ipertimbagka (cotoh: apakah haya pergeraka berkearaa atau pergeraka berjala kaki saja). struktur. Cotoh 4.Empat aktor pertama (peapata. a F i aalah aktor pertumbuha. Sebelum membaigka hasil yag iapat. Perecaaa a pemoela trasportasi .ti (4. usia miimum yag apat iguaka alam proses aalisis. Kebayaka metoe tersebut meramalka total pergeraka yag ihasilka (atau tertarik) oleh rumah tagga atau zoa sebagai ugsi ari hubuga liear yag ieiisika ari ata yag aa. c 4. a pemilika kearaa (C) yag terkait alam ugsi seperti: Fi =  Pi . a pelayaa laiya. C i c c i . Peubah petig yag mempegaruhi aalah jumlah lapaga kerja.2)  bisa merupaka ugsi perkalia tapa parameter. Bagkita a tarika pergeraka utuk barag Pergeraka ii haya merupaka ba gia kecil ari seluruh pergeraka (20%) yag biasaya terjai i egara iustr i. komersial. Akhir akhir ii beberapa kajia mulai berusaha memasukka ukura aksesibilitas.

galat i sii aka ibawa terus selama proses pemoela. Oleh karea itu.1.1) kita  apat meghitug jumlah pergeraka paa masa meatag: Ti = 2 x 2. yaitu: ti = 250 x 2. ega berasumsi bahwa peapata  a populasi tetap.5 pergeraka/hari Dega muah kita me apatka jumlah pergeraka ari zoa tersebut. Ii karea jumlahya yag ti ak terlalu besar paa saat awal (sehigga galatya pu kecil) a juga karea ti ak aa cara lai yag seerhaa utuk meramalkaya. metoe ii sagat kasar. Pembaca yag suah memahamiya apat lagsug beralih ke subbab 4.rumah tagga bermobil meghasilka : 6. Oleh karea it u. kita meapatka jumlah pergeraka paa masa meatag sebesar: Ti = 500 x 6 = 3. metoe aktor pertumbuha haya apat iguaka meramalka pergeraka ekster al yag masuk ke suatu aerah paa masa meatag.0 pergeraka/hari rumah tagga tapa mobil meghasilka : 2.2. hubuga se cara umum apat iyataka alam persamaa (4.2 Aalisis regresi Subbab berikut ii memberika pejelasa sigkat megeai aalisis regresi liea r. Moel bagkita pergeraka 117 .5 + 250 x 6.1 Moel aalisis regresi liear 4. Hal ii harus iliha t secara serius karea bagkita pergeraka aalah tahap pertama alam proses pe moela. Jika kita megguaka iorm asi rata rata tigkat bagkita pergeraka a berasumsi bahwa tigkat pergeraka  tersebut tetap kosta.125 = 4.3) berikut.2. Paa subbab berikut ii ki ta aka meiskusika moel yag lebih baik yag secara prisip apat iguaka utuk memoel bagkita a tarika pergeraka orag a/atau barag.000 Ii berarti metoe aktor pertumbuha mempuyai t aksira yag lebih tiggi ari yag sebelumya sebesar 42%. 4.1 Peahulua Aalisis regresi liear aalah metoe statistik yag apat iguaka utuk mempe lajari hubuga atarsiat permasalaha yag seag iseliiki.2. kita apat meaksir aktor pertumbuha perkalia yag seerha a seperti: Fi = C i C ic = 1 0.125 pergeraka/hari Asumsika bahwa paa masa meatag semua rumah tagga aka mempuyai satu mobil. Paa moel ii terapat peubah tiak bebas (y) yag mempuyai hubuga ugsioal ega s atu atau lebih peubah bebas (xi). Dalam kasus yag palig seerhaa. 0 = 2.5 = 2 Dega megguaka persamaa (4.2. 4.250 pe rgeraka/hari Aka tetapi. Moel aalisis r egresi liear apat memoelka hubuga atara ua peubah atau lebih.

Perecaaa a pemoela trasportasi . semua peubah iietiikasika ega tikalas i. iietiikasika ega  tikalas .∑ (Y i ) i i i N∑ i ( ) X i2 − ∑ (X i ) i 2 (4.3 ) aka iguaka utuk tarika pergeraka berbasis zoa. ramala terbaik Yi aalah Yi .2 Koeisie etermiasi (R2) (4. Jika tiak terapat ilai x. Nilai parameter A a B bisa iapatka ari persamaa (4. 4. Parameter A a B apat iperkiraka ega megguaka metoe kua rat terkecil yag memiimumka total kuaratis resiual atara hasil moel ega  hasil pegamata. terbaik Yi mejai Y i i Y Yi Y Yi Yi = simpaga tak tereiisi Yi Y = simpaga tereiisi Yi = a + bX X Gambar 4. kita apatka: 118 Oyar Z Tami.4) a (4.5) Gambar 4. galat metoe tersebut aka tiggi: (Yi− Yi ). Aka tetapi.4) A = Y − BX Y a X aalah ilai rata rata ari Yi a Xi.5) berikut. Jika xi iketahui. jika persamaa (4.1.3) Jika persamaa (4.2. B= N ∑ (X i Y i ) − ∑ (X i ).3) aka iguaka utuk memperkiraka bagkita pergeraka ber basis zoa.2 Beberapa jeis simpaga Dari gambar 4. gambar memperlihatka bahwa utuk xi.2 memperlihatka garis regresi a beberapa ata yag iguaka utuk m eapatkaya.2.Y = A + BX Y = peubah tiak bebas X = peubah bebas A = itersep atau kostata r egresi B = koeisie regresi (4. teryata ramala ˆ a hal ii memperkecil galat mej ai (Yi− Y ˆ ).

Proses peggabuga total variasi isebut aalisis variasi. khususya paa kasus yag mempu yai lebih bayak peubah ˆ .7) simpaga total simpaga tereiisi simpaga tiak tereiisi ˆ xi. ilai atara keua batas limit ii itasirka sebagai pers etase total variasi yag ijelaska oleh aalisis regresi liear. Kosep ii me rupaka pegembaga lajut ari uraia i atas. i apat: ∑ (Yi i − Yi ) 2 = ˆ ∑ (Y i i − Yi ) 2 + ∑ (Yi i ˆ )2 −Y i (4.(Yi − Yi ) simpaga total = ˆ −Y ) (Y i i simpaga tereiisi + ˆ) (Yi − Y i simpaga tiak tereiisi (4. Hal ii sagat iperluka alam realita yag meujuk ka bebas a parameter b bahwa beberapa peubah tata gua laha secara simulta teryata mempegaruhi bagkita pergeraka. muah ilihat bahwa variasi tereiisi merupaka ugsi ˆ − Y )= b Karea. ( Y i i ˆ .8) R2 = i ∑ (Y i − Yi ) 2 i Koeisie ii mempuyai batas limit sama ega satu (perect explaatio) a  ol (o explaatio).9) memperlihatka betu . koeisie reg resi b Koeisie etermiasi ieiisika sebagai isbah atara variasi terei isi ega variasi total: ˆ − Y )2 ∑ (Y i i (4.6) Jika kita kuaratka total simpaga tersebut a mejumlahka semua ilai i. Persamaa (4.

.1. trasormasi liear harus ilakuka. terapat beberapa asumsi yag perlu iperhatika: • • ilai peubah.9) Aalisis regresi liear bergaa aalah suatu metoe statistik. 4.k umum metoe aalisis regresi liear bergaa. Jika hubuga tersebut tiak liear . + B Z X Z Y A = peubah tiak bebas = kostata regresi X1 … XZ = peubah bebas B1 … BZ = koeis ie regresi (4.2.. peubah tiak bebas (Y) harus mempuyai hubu ga korelasi liear ega peubah bebas (X). Utuk megguaka ya. khususya peubah bebas. Moel bagkita pergeraka 119 .3 Regresi liear bergaa Y = A + B 1 X 1 + B 2 X 2 + . meskipu batasa ii aka mempuyai impli kasi lai alam aalisis resiual. mempuyai ilai tertetu atau merupaka ilai yag iapat ari ha sil survei tapa kesalaha berarti.

peekata ii masih mempuyai beberapa permasalaha yag aka iteragka ati. a harus tiak aa korelasi yag kuat atara sesama peubah bebas. ilai peubah beb as sebaikya merupaka besara yag relati muah iproyeksika. paa kasus ii. 1 Multikoliear Hal ii terjai karea aaya hubu ga liear atar peubah.• • • • eek peubah bebas paa peubah tiak bebas merupaka pejumlaha. Jumlah parameter ‘b’ yag ibutuhka berapa aktor harus ipertimbagka: • • Utuk memutuska hal ii.8).11) berikut. 3 Koeisie etermiasi Betukya sama ega persamaa (4. ilai peubah t iak bebas harus tersebar ormal atau miimal meekati ormal. 120 Oyar Z Tami. aka tetapi. tetapi lebih kompleks sehigga beberapa hal baru harus ip ertimbagka sebagai berikut. yaitu meghilagka peubah itu a mel akuka proses regresi lagi utuk melihat eek ibuagya peubah itu terhaap peu bah laiya yag masih iguaka oleh moel tersebut. Perecaaa a pemoela trasportasi . N aalah ukura sampel a K aalah jumlah peubah b 4 Koeisie korelasi Koeisie korelasi ii iguaka utuk meetuka korelasi atara peubah tiak bebas ega peubah bebas atau atara sesama peubah bebas. Jika teryata tiak terlal u terpegaruh.10) ˆ. tambaha peubah b 2 utuk megatasiya iguaka ilai R yag telah ikore ksi: R 2 = [R 2 − K /( N − 1)][(N − 1) /( N − K − 1)] (4. Beberapa paket program telah meyeiaka proseur otomatis utuk meagai masalah ii (peekata lagkah e mi lagkah atau stepwise). Aka ˆ biasaya meigkatka ilai R2. beberapa persamaa yag megaug b a tiak apat ipecahka secara uik. be 2 Apakah aa alasa teori yag kuat sehigga harus melibatka peubah itu atau apak ah peubah itu petig utuk proses uji ega moel tersebut? Apakah peubah itu sigiika a apakah taa koeisie parameter yag iapat sesuai ega teori atau ituisi? Jika iraguka. terapka salah satu cara. Solusiya tetap sama. variasi peubah tiak bebas terhaap garis regresi harus sama utuk semua ilai peubah bebas. K oeisie korelasi ii apat ihitug ega berbagai cara yag salah satuya aa lah persamaa (4. peubah itu ibuag saja sehigga kita meapatka moel yag lebi h seerhaa a apat itaksir secara lebih tepat. ˆ tiak salig bebas paa kasus ii. tetapi.

persamaa ter sebut harus itolak. tetapi juga mecer mika beberapa koisi.11) ( ) Nilai r = 1 berarti bahwa korelasi atara peubah y a x aalah positi (meigk atya ilai x aka megakibatka meigkatya ilai y). sebaikya zo a tiak haya mempuyai komposisi sosio ekoomi yag seragam. berarti korelasi atara peubah y a x aalah egati (meigkatya ilai x aka megakibatka meuruya ilai y).2.2. Itersep yag besa r juga apat iartika bahwa masih ibutuhka peubah lai yag harus iperhitug ka alam moel tersebut karea masih aa pergeraka yag cukup besar (itersep besar) yag tiak apat imoel oleh peubah yag aa sehigga apat isimpulka bahwa moel yag aa belum terlalu mecermika realita. tetapi ega memaksa itersep = 0. Jika hal ii terjai. jika ilai r = −1. Aka tetapi. 4. metoe aalisis regresi liear bergaa te lah iguaka. Jai. Sebalikya. moel haya aka berhasil baik jika variasi atarzoa cukup mecermika alasa utama terjaiya variasi pergeraka. Nilai r = 0 meyataka tiak aa korela si atarpeubah. Setiap peubah yag mempuyai koeisie regresi yag ti ak sigiika secara statistik harus ibuag ari moel.2. 5 Uji t test Uji t test apat iguaka utuk ua tujua: utuk meguji sigiikasi ilai koeisie korelasi (r) a utuk meguji sigiikasi ilai koeisie regresi. Dalam pemoela bagkita pergeraka. kita s elalu meapatka ilai itersep yag besar. baik ega ata zoa (agregat) a ata rumah tagga ataupu i iviu (tiak agregat).2. N ∑ Y i − ∑ (Y i ) i i (4. Seseorag pasti beraggapa bahwa garis regresi 4. Jika itersep tiak jauh berbea ari 0.2 Moel regresi berbasis zoa Paa kasus ii. sebaikya proses r egresi ilakuka kembali.0) atau itersep = 0.2 Peraa itersep yag i apatka harus selalu melalui titik (0.r= N ∑ (X i Y i ) − ∑ (X i )∑ (Yi ) i i i N ∑ X i2 − ∑ (X i ) i i ( ) 2 2 2 . Permasalaha utama aalah variasi ata pergeraka iiv iu yag beraa paa tigkat atarzoa.1 Moel berbasis zoa Moel jeis ii haya apat mejelaska variasi perilaku pergeraka atara zoa. 4. Agar hal ii tercapai. ilakuka usaha utuk meapatka hubuga liear atara jumlah pergeraka yag ibagkitka atau tertarik oleh zoa a ciri sosio ekoomi rata rata ari rumah tagga paa setiap zoa.2. Moel bagkita pergeraka 121 . Beberapa pertimbaga yag perlu iperh atika aalah yag berikut ii.

+ θ K X Ki + E 1 seagka utuk kasus peubah total yag iguaka aalah: y i = θ 0 + θ 1 x1i + θ 2 x 2 i +. Perbeaa asar yag utama aalah is tribusi galat yag ibuatya. xi = Xi/Hi. Data sosio ekoomi Kaiat peubah Data trip e Uji korelasi Alterati ugsi Uji statistik a uji kewajara Tiak Lolos Moel bagkita Gambar 4.2. moel regresi yag iguaka aalah: Yi = θ 0 + θ 1 X 1i + θ 2 X 2 i +..... ei = Ei/Hi a Hi aalah jumlah rumah tagga i z oa i.2.+ θ K x Ki + e1 ega yi = Yi/Hi. walaupu jika tetap iperhitu gka tiak aka terlalu mempegaruhi peaksira koeisie (karea persamaa sebe arya harus selalu melalui titik (0. Keua persamaa sebearya ietik.2. Paramet er utuk keua persamaa itu juga ietik.2. Zoa seperti ii harus ikeluarka ari aalisis. Misalya. 4.3.Sagat mugki itemuka bahwa utuk beberapa zoa 4. Perecaaa a pemoela trasportasi .3 Zoa kosog tertetu tiak terapat ata atau iormasi megeai satu atau beberapa peubah tertetu.4 Total zoa vs rata rata zoa Dalam merumuska moel.0)). Peambaha jumlah zoa yag tiak apa t memberika ata yag bergua serta tepat haya aka meghasilka statistik ya g ketepataya reah. Secara umum proses pemoela bagkita pergeraka ega megguaka metoe aalisis regresi liear apat ilihat paa gambar 4. artiya persamaa tersebut aka meca ri sesuatu yag apat mejelaska variasi perilaku pergeraka atarzoa. jumlah pergeraka per zoa atau jumlah mobil per zoa (peubah total) ega pergeraka per keluarga per zo a atau jumlah kearaa per rumah tagga per zoa (peubah agregat). aalis harus memili h atara peubah total atau peubah agregat.3 Proses kalibrasi a pegabsaha moel aalisis regresi 122 Oyar Z Tami. Utuk kasus peubah agregat.

XN): P =  (X1.2.4..000 Total pemilika kearaa 200 50 500 100 100 400 300 400 Sumber: (Black.3 (Black. X2.400 1..3 irajah e ga megguaka kertas graik (Black.3. Data paa tabel 4. .2.200 1.4 Graik bagkita pergeraka a pemilika kearaa Sumber: Black (19 81) Moel bagkita pergeraka 123 .. XN) A =  (X1.4.500 300 1. X2.000 800 600 400 200 0 0 100 200 300 400 500 Y X Gambar 4. XN) Tabel 4.3 Bagkita pergeraka a total pemilika kearaa per zoa Nomor zoa 1 2 3 4 5 6 7 8 a Bagkita pergeraka per hari 5. .….. Grai k meujukka hubuga liear positi atara bagkita pergeraka ega pemilik a kearaa ega hubuga Y = A+BX ega A aalah itersep a B aalah kemi riga. T erlihat bahwa bagkita pergeraka merupaka peubah tiak bebas (sumbu Y).200 900 1. 1981) sehigga meghasilka gambar 4..3 Cotoh pemoela Asumsika bahwa bagkita a tarika per4. Data yag iguaka (utu k 8 zoa) tercatum paa tabel 4.. X2.300 200 400 1. Berikut ii iperlihatka cotoh ua peu bah regresi (X1 a X2 aalah peubah tata gua laha). 1981). 1981) Metoe aalisis regresi liear aka iguaka utuk meghasilka hubuga alam betuk umerik a utuk melihat bagaimaa ua (regresi seerhaa) atau lebih (r egresi bergaa) peubah salig berkait.1 Bagkita pergeraka geraka a pat iyataka sebagai ugsi ari beberapa atribut sosio ekoomi yag berbasis zoa (X1. 1.

Perecaaa a pemoela trasportasi .4 ( Black.9.2 Tarika pergeraka (utuk pergeraka berbasis rumah) saja ya g mempegaruhi pergeraka berbasis rumah ke zoa tertetu alam suatu aerah kaj ia? Peubah yag cocok apat iseliiki ega aalisis regresi liear. Peubah yag iperluka ari beberapa kajia yag perah ilakuka i Amerika tercatum paa tabel 4. Aka tampak bahwa meskipu ilai x = 0. 1981). 4. Ke 4 uji statistik tersebut aka iteragka satu per satu sebagai berikut.1 Uji kecukupa ata Uji statistik ii harus ilakuka utuk meetuka jumlah ata miimum yag haru s terseia.2.4 Tahapa uji statistik alam moel aalisis regresi berbasis zoa Dalam melakuka aalisis bagkita pergeraka ega megguaka moel aalisis regresi berbasis zoa. masih terapat bagkita pergeraka sebesar 89. yaitu: • • • Y (bagkita pergeraka) berhubu ga secara liear ega X (pemilika kearaa). 3 Faktor apa 4.9 + 2. Perubaha 1 satua ari ilai X aka meyebabka perubaha paa ilai Y sebesar 2.Metoe kuarat terkecil kemuia iguaka alam proses regresi ii. mugki terapat peubah X lai yag juga mempegaruhi besarya perge raka. Dega  persyarata ii. tetapi p ersamaa yag ihasilka biasaya lebih tiak sesuai ibaigka ega persama a bagkita pergeraka. misalya populasi (galat spesiikasi). ter apat galat alam pegumpula ata (galat pegukura). semaki bayak ata 124 Oyar Z Tami. baik utuk peubah bebas maupu peubah tiak bebas. 4. bisa saja secara ti ak liear. Persamaa ii me mpuyai ilai itersep yag cukup tiggi yag apat megisyaratka terapatya t igkat galat yag cukup tiggi yag mugki isebabka oleh beberapa aktor beri kut: 1 2 mugki Y tiak berhubuga secara liear ega X.2. terapat empat tahap uji statistik yag mutlak harus ila kuka agar moel bagkita pergeraka yag ihasilka iyataka absah. karea gari s liear tersebut harus mempuyai ilai total jumlah kuarat resiual (atau simp aga) yag palig miimum atara hasil pemoela ega hasil pegamata.3.4. ata meghasilka garis: Y = 89. Jelas ii meaaka peu bah sosio ekoomi lai yag ikut mempegaruhi besarya bagkita pergeraka. Semaki tiggi ti gkat akurasi yag iigika.48 satua.2. Beberapa kajia yag perah ilakuka memperlihatka ba hwa peubah tata gua laha utuk tarika pergeraka aalah lapaga pekerjaa. l uas aerah. a luas tempat berjuala.48 X Beberapa kometar apat iberika utuk persamaa i atas. luas perkatora.

2. tid k terd p t korel si nt r kedu peub h tersebut. 4.4. Ni l i r y ng mendek ti –1 mempuny i rti b hw kedu peub h tersebut s ling berkorel si neg tif (peningk t n nil i s l h s tu peub h k n menyeb bk n penurun n nil i peub h l inny ).2. Deng n men g sumsik n nil i CV=1. Jik nil i r mendek ti 0.12) N= E2 CV = koefisien v ri si E = tingk t kur si Zα = nil i v ri nsi untuk tingk t keperc y n α y ng diingink n Contoh 4.2.4. Uji st tistik ini h rus dil kuk n untuk memenuhi persy r t n model m tem tis: ses m peub h beb s tid k boleh s ling berkorel si. Jumlah ata miimum apat itetuka ega megguaka persama a (4. 4. Seb likny .05)2= 1.0(1.0 did p tk n: N= 1. Terd p t beber p model y ng d p t digun k n y itu model n lisis re gresi.12) berikut.4 Uji kesesu i n Uji st tistik ini h rus dil kuk n untuk menentuk n model b ngkit n perger k n y ng terb ik.100 bu h untuk tingk t kur si 5% deng n tingk t keperc y n 95%.11) merup k n pers m n uji korel si y ng mempuny i nil i r (−1≤r≤+1). Untuk α=95%. sed ngk n nt r peub h tid k beb s deng n peub h beb s h rus d korel si y ng ku t (b ik positif m upun neg tif). meminimumk n ˆ S = ∑ Yi − Y i i ( ) 2 (4. Uji st tistik ini p erlu dil kuk n untuk mem stik n p k h 4.645)2/(0. S l h s tu uji kesesu i n y ng p ling mud h d n sering digun k n d l h model n lisis regresi.2 Uji korel si Pers m n (4. model terb ik d l h model y ng mempuny i tot l ku dr tis resid u l nt r h sil model deng n h sil observ si y ng p ling minimum. m k nil i Zα d l h 1. jik nil i r y ng mendek ti +1 mempuny i rti b h w kedu peub h tersebut s ling berkorel si positif (peningk t n nil i s l h s t u peub h k n menyeb bk n peningk t n nil i peub h l inny ).yag ibutuhka. model kemirip n m ksimum.13) Model b ngkit n perger k n 125 .2 Tentu k nl h ber p juml h d t minimum y ng dibutuhk n untuk tingk t kur si (E) 5% d eng n tingk t keperc y n (α) 95%. P d umumny .4. uji i ni did s rk n t s kedek t n t u kesesu i n h sil model deng n h sil observ si.084 J di.645. 2 CV 2 Z α (4. dibutuhk n juml h d t minimum seb ny k 1. d n model entropi m ksimum.3 Uji line rit s model b ngkit n pe rger k n d p t didek ti deng n model n lisis regresi line r t u model n lisis regresi tid k line r.

L luk n kemb li n lisis regresi line r berg nd d n d p tk n kemb li nil i koefisien determin si sert nil i konst nt d n koefisi en regresiny .2. pilihl h p r meter (peub h beb s) y ng be rd s rk n logik s j sud h mempuny i keterk it n (korel si) deng n peub h tid k beb s. perbed nny h ny p d t h p (3). Perenc n n d n pemodel n tr nsport si . T h p 4: L kuk n kemb li t h p (3) s tu demi s tu s mp i h ny tertingg l s tu p r meter s j . Jik terd p t du peub h beb s y ng s ling berkorel s i. nil i koefisien determin si (R2) bes r (sem kin mendek ti s tu. Metod e ini sec r bert 4. y itu: 4. T h p 5: K ji n il i koefisien determin si sert nil i konst nt d n koefisien regresi seti p t h p untuk menentuk n model terb ik deng n kriteri berikut: • • • • sem kin b ny k peub h beb s y ng digun k n. Du persy r t n st tisti k ut m y ng h rus dipenuhi d l m memilih peub h beb s d l h: • • peub h beb s h ru s mempuny i korel si tinggi deng n peub h tid k beb s. sem kin b ik). sem kin b ik model tersebut. T h p 1: Tentuk n p r meter sosio ekonomi y ng k n di gun k n seb g i peub h beb s. ses m peub h beb s tid k boleh s ling berkorel si.5. t nd koefisien regresi (+/−) sesu i deng n y ng dih r pk n. l kuk n uji korel si untuk meng bs hk n keterk it nny deng n peub h tid k beb s (b ngkit n t u t rik n perger k n).4.2. Pert m .5 Proses model n lisis regresi berb sis zon D l m mel kuk n n lisis b ngkit n perger k n deng n menggun k n model n lisis regresi berb sis zon . T h p 3: Tentuk n p r meter y ng mempuny i korel si terkecil terh d p peub h tid k beb sny d n hil ngk n p r meter tersebut. T h p 2: L kuk n n lisis regresi line r berg nd deng n semu peub h beb s terp ilih untuk mend p tk n nil i koefisien determin si sert nil i konst nt d n koe fisien regresiny . Kemudi n.2.5. nil i konst nt regresi kecil (sem kin mendek ti nol.1 Metode n lisis l ngk h demi l ngk h tipe 1 h p mengur ngi juml h peub h beb s sehingg did p tk n model terb ik y ng h ny terdiri d ri beber p peub h beb s. Metode ini p d prinsipny mirip deng n metode tipe 1. 126 Ofy r Z T min. sem kin b ik).2 Metode n lisis l ngk h demi l ngk h tipe 2 T h p 3: Tentuk n p r meter y ng mempuny i koefisien regresi y ng terkecil d n h il ngk n p r meter tersebut. terd p t tig metode n lisis y ng d p t digun k n. L kuk n kemb li n lisis regresiline r berg nd d n d p tk n kemb li nil i koefisien determin s i sert nil i konst nt d n koefisien regresiny . pilihl h s l h s tu y ng mempuny i korel si lebih tinggi terh d p peub h tid k beb sny .

990 6.578.338.504.924 57.917 6.144 1.509.320 19.014.916 66 5.4 Juml h b ngkit n d n peub h perger k n per k bup ten di Propinsi J w B r t No K bup ten Juml h P nj ng B ngkit n Juml h rum h j l n di sp l perger k n pend uduk s kit (km) Y1 12.706 2.211.757.045.383 .324 6.017 1.322 1.499 13.111.421 4.742.958 316 7.537 .103 − Juml h k m r hotel berbint ng X5 PDRB (jut rupi h) 1 P degl ng 2 Leb k 3 Bogor 4 Suk bumi 5 Ci njur 6 B ndung 7 G rut 8 T sikm l y 9 Ci mis 10 Kuning n 11 Cirebon 12 M j lengk 13 Sumed ng 14 Indr m yu 15 Sub n g 16 Purw k rt 17 K r w ng 18 Bek si 19 T nger ng 20 Ser ng 21 Kody Bogor 22 K ody Suk bumi 23 Kody B ndung 24 Kody Cirebon 25 Kody T nger ng X6 582 1.528 − 1.240 508 555 746 574 507 563 483 577 709 945 708 260 142 844 146 205 Juml h perus h n perd g ng n X4 5.534 20.067.952 1.771 13.413 85. T h p 1: S m deng n t h p (1) metode 1.592.928 10.285 7.964.882. T h p 2: Tentuk n beber p model deng n menggun k n beber p kombin si peub h beb s sec r cob c ob berd s rk n uji korel si y ng dih silk n p d t h p 1.090.239.2.769.292 871.053.044 7. sed ngk n beber p p r meter sosio ekonomi y ng dip k i seb g i peub h beb s did p tk n d ri Biro Pu s t St tistik (J w B r t D l m Angk T hun 1995).766.316 963.081 616.714 1.364 10.941.748 255.565.973. t h p n metode d l h seb g i berikut. 886 13.043.204 12. Sec r lengk p. 667.567 7.504 2.158 385 2.903 2. metode ini mel kuk n 4.143 40 2.798.876 203 6. lih t t bel 4.548 1.090 3.485.731 229. 4.349.301 16.036 6.680 854.992.040.677 1.418 10.980 166 1.852 11.514.718 2.464.707.253.265 Sumber: J w B r t D l m Angk t hun 1995 Model b ngkit n perger k n 127 .913 7.514 1.049.677.471.581 813 765 2. Ketig metode n lisis tersebut di t s diter pk n untuk memperkir k n b ngkit n perger k n di propinsi J w B r t deng n 25 k bup ten/kot m dy seb g i unit zon .687 − 4.366 3.679 1.080 41.171 6.747 3.121 601 5.852 1.4.769 − 1.167 X1 926.650.062 929 .897 87 2.307 X2 1 3 10 3 2 10 2 2 2 3 5 2 1 2 3 2 3 7 5 3 5 3 23 8 6 X3 470 387 1.862 1.729 131 980. T h p 3: K ji nil i koefisien determin si sert nil i konst nt d n koefisien regresi seti p model untuk menentuk n model terb ik deng n kriteri y ng s m deng n t h p (5) p d metode l ngk h demi l ngk h tipe 1.406 713 822 1.727 5.760 174 2.972.682.658.5.130 7.751 6.09 6.Sesu i deng n n m ny .097 13.618.924 − 971.317 60 2.892.463.3 Metode cob cob proses cob cob d l m menentuk n p r meter y ng dipilih.602 70 896.392 9.253 7.282 5. l kuk n n lisis regresi line r berg nd untuk kombin si model tersebut untuk mend p tk n n il i koefisien determin si sert nil i konst nt d n koefisien regresiny .4 Pener p n di Propinsi J w B r t T bel 4.150.077 1.352 19.163.091. D t b ngkit n perger k n d id p tk n d ri inform si m triks s l−tuju n p d t hun 1995.035.595 1.539.2.930.334 8.717 8.355 17.334 1.838 197 4.543 39.716 120 1.440 14.140 1.705 5.5.590.897 1.629 9.430.695 2. Kemudi n.564.753.289 115 1.419.777.610 8.0 38 5.767.886 1.952.217 11.796 18.732 20.647.309 28 503 512.646 18.437 449 6.822.

00 D p t dilih t p d t bel 4.00 0.49 X5 − − − − − 1.00 0. k m r hotel berbint ng. h ny s l h s tu s j di nt r kedu peub h beb s tersebut y ng boleh digun k n d l m mo del n ntiny .5 b hw peub h beb s X2 d n X4 mempuny i koefisien ko rel si = 0. d n PDRB. T h p 1 d ri seti p metode n lisis y ng d mensy r tk n dil kuk nny uji korel si nt r ses m peub h beb s d n nt r peub h b eb s deng n peub h tid k beb s.97). perus h n perd g ng n.75 X2 − − 1.5 berikut men mpilk n h sil uji korel si y ng disy r tk n. T nd koefisien regre siny bertol k bel k ng deng n y ng dih r pk n.80 0.P r meter sosio ekonomi y ng dipilih d l h juml h penduduk.29 0.19 0.6. buk n m l h se b likny .81 0.31 0.68 X1 − 1.80 0. rum h s kit. T bel 4. nil i konst nt regresi (intersep) term suk kecil jik dib ndingk n de ng n h sil t h p l inny . Tentu y ng d p t dip k i d l h peub h beb s y ng mempuny i korel si tinggi terh d p peub h tid k beb sny . y itu ses m peub h beb s tid k boleh mempuny i korel si.69 0. T h p ke 4 tid k dipilih meskipun mempuny i nil i R2 (=0.59 0. D l m h l ini. Ini d p t di ngg p b hw peub h beb s X2 mempuny i korel si cukup tinggi deng n peub h beb s X4. Berd s rk n kriteri y ng tel h ditentuk n. J di.43 X6 − − − − − − 1.5 M triks korel si nt r peub h beb s d n peub h tid k beb s No 1 2 3 4 5 6 7 Peub h Juml h b ngkit n (Oi) Juml h penduduk Juml h rum h S kit P nj ng j l n di sp l ( km) Juml h perus h n perd g ng n Juml h k m r hotel berbint ng PDRB (d l m jut rupi h) Y1 X1 X2 X3 X4 X5 X6 Y1 1.35 0.75 0. • .00 0.86 0. p nj ng j l n di sp l. Beber p l s n y ng menyeb bk n model t h p ke 5 y ng dipilih d l h seb g i berikut: • meskipun nil i R2 (=0.60 X3 − − − 1. Deng n berd s rk n h sil uji korel si p d t bel 4.00 0.5 d p t dil kuk n proses t h p demi t h p sesu i deng n prosedur.37 0. H sil pemodel n b ngkit n perger k n deng n model n lisis l ngk h d emi l ngk h tipe 1 d p t dilih t p d t bel 4.57 X4 − − − − 1. sed ngk n nt r peub h beb s deng n peub h tid k beb s h rus mempuny i kor el si.50 0. peub h beb s X2 y ng te rpilih k ren mempuny i nil i koefisien korel si y ng lebih tinggi terh d p peub h tid k beb s Y1 dib ndingk n deng n peub h beb s X4. H l ini dil kuk n sesu i deng n persy r t n st t istik y ng h rus dipenuhi.882) k ren p eub h beb s juml h penduduk mempuny i nil i neg tif (−1. y ng d p t dilih t p d t bel 4. Seh rusny .00 0.4.8.38 0. T bel 4. sem kin bes r juml h penduduk su tu zon . berd s rk n persy r t n y ng d .00 0.73 0. sem kin bes r pul b ngkit n perger k nny .665) y ng dih silk n buk n y ng tertingg i. t nd koefisien regresi peub h beb sny sesu i deng n y ng dih r pk n (nil i positif). model terpilih untuk tipe 1 ini d l h model y ng dih silk n p d t h p ke 5.

Perenc n n d n pemodel n tr nsport si .128 Ofy r Z T min.

621 −223 −3.15 1.92 2.53 0.7 memperlih tk n h sil pemodel n b ngkit n perger k n deng n menggun k n model n lisis l ngk h demi l ngk h tipe 2.292 − −1.97 1.029 7 F St t T bel 4.350 28. Berd s rk n kriteri y ng d .255 −4.695 − − 26.688.962 − 2.665 21.779 − − 0.44 0.170.208.864 27.960.726 −3.165.183.43 − − 45 − 6 + + X5 X6 R 2 −213 0.7 H sil pemodel n b ngkit n perger k n deng n metode n lisis l ngk h de mil ngk h tipe 2 di Propinsi J w B r t No 1 2 3 4 Peub h Intersep Juml h penduduk Juml h rum h s kit P nj ng j l n di sp l (km) Juml h pe rus h n perd g ng n Juml h k m r hotel berbint ng PDRB (jut rupi h) T nd y ng P r meter model dih r p k n c + + + X1 X2 X3 . H sil ini ku r ng begitu diterim sec r logik k ren p r meter juml h penduduk y ng seh rus ny lebih menentuk n b ngkit n perger k n m l h tid k term suk d l m peub h beb s terpilih.856 − − 0.794 −7.6 H sil pemodel n b ngkit n perger k n deng n model n lisis l ngk h dem il ngk h tipe 1 di Propinsi J w B r t No 1 2 3 4 5 Peub h Intersep Juml h penduduk Juml h rum h s kit P nj ng j l n di sp l (km) Juml h pe rus h n perd g ng n Juml h k m r hotel berbint ng PDRB (jut rupi h) T nd y ng P r meter dih r p model k n +/− + + + + c X1 X2 X3 X4 T h p 1 2 3 4 5 6 −6.015 28.046 −2.656 − 0.886 23.955. Peub h beb s y ng menentuk n b ngkit n p erger k n d l h juml h rum h s kit d n p nj ng j l n y ng di sp l.467 −6.417 − 0.662 45.396 28.45 0.082.196 − − 0.727.883 37. mode l y ng terb ik d l h model t h p ke 5.882 52.886 29. T bel 4.859.372 −6.546 −218 7 2.T bel 4.

277 7 0.T h p 1 2 3 4 5 6 5.662 − 0.099.143 − −6.532 −7.298.44 0.993 − 2284361 25.750 − − 0.466 27.894 23.231 24.183.481 21.707.947.417 − −475 − −809 −1.254 − 2.914.920 −2.881 51.427 − − 0.959.727.884 37.975 − 2.350 28.005 −8.116.880 80.546 −1.396 0.465 24.91 2.886 29.467 −6.966 F St t Model b ngkit n perger k n 129 .779 − 1.92 2.914 5 + X4 −218 −223 −214 − − − 6 + + X5 X6 R 2 −213 0.750.695 −7.983.

85 0.96 2. y ng tentu s ng t berbed deng n nil i peub h beb s y ng l in.357 − 0. J di d p t disimpulk n.277. T bel 4.28 2.546 −218 .749 14.727. Sej k itu.2.Penyeb bny d l h k ren p d tipe 2 ini penentu n peub h beb s terpilih terg n tung p d nil i koefisien regresiny .232 −4.909 −0.65 0. Penyeb b h l i ni d l h k ren nil i peub h beb s juml h penduduk bersk l jut n.843 F St t 4. tig di nt r ny mempuny i nil i koefisien regresi positif.28 −2.165.14 2.142 −8. Peub h beb s juml h penduduk dihil ngk n k ren p d t h p ke 2 mempuny i nil i koefisien regresi terkecil. Al s nny d l h: • terd p t lim peub h beb s y ng terlib t.354 − − 1 .083. model y ng terb ik d ri 6 kombin si y ng d d l h mod el kombin si 2.350 28.8 H sil pemodel n b ngkit n perger k n deng n metode n lisis cob cob di Propinsi J w B r t No Peub h T nd y ng P r meter Model dih r p k n C (+) (+) (+) (+) X1 X2 X3 X4 Kombin si 1 2 3 4 5 6 1 Intersep 2 Juml h penduduk 3 Juml h rum h s kit 4 P nj ng j l n di sp l (km) 5 Juml h perus h n perd g ng n 6 Juml h k m r hotel berbint ng 7 PDRB (jut rupi h) −6.6.8 memperlih tk n h sil pemodel n b ngkit n perger k n de ng n menggun k n model n lisis cob cob .183.372 −8.886 23.6 K ji n empiris y ng menggun k n model n lisis regresi P d t hun 1954.45 0.749) cukup tinggi dib ndingk n deng n model kombin si l in.621 −223 13.8.749 11.243 −6.1 K ji n l lulint s di kot Detroit Func tion of L nd Use ditulis oleh Mitchell nd R pkin.739 19.28 2. Urb n Tr ffic: A 4.417 −4.2.309 − − (+) (+) X5 X6 R 2 −213 0. b ny k 130 Ofy r Z T min.583 − −109 13. nil i R2 (=0.123 − 1.039.688.467 −9.611. Deng n model ini kit d p t membu t b ny k kombin si model − beber p di nt r ny d p t dilih t p d t bel 4.69 0.97 2. Berd s rk n kriteri y ng d . • T bel 4.886 29.913 −0.539 −2.85 0. b hw model n lisis l ngk h demi l ngk h tipe 2 h ny bis digun k n jik s tu n nil i seti p peub h beb s kir kir s m . mis lny juml h rum h s kit y ng h ny bersk l s tu n. Perenc n n d n pemodel n tr nsport si .656 − −0.44 0.740 14.612.189.92 2.015 28. • nil i konst nt regresi (inters ep) tid k begitu b ny k berbed deng n model kombin si l in.081.943 − −0. sed ngk n koefisien reg resi y ng mempuny i t nd neg tif nil iny cukup kecil.712 −9.402.

.

EO Tuju n perger k n sosi l d n rekre si SR. I. EW . K ji n terd hulu menggun k n emp t peub h beb s untuk menghitung b n gkit n perger k n (80−90% d ri perger k n di neg r B r t d l h berb sis rum h). Hubung n nt r seti p peub h beb s (sosioekonomi d n/ t u t t gun l h n) terh d p b ngkit n perger k n tersebut d p t diilustr sik n d l m g mb r 4. AC. P. S C. DU. I − P. peub h beb s kep d t n rum h t ngg (juml h rum h t ngg per s tu n lu s zon ) berkorel si neg tif. pend p t n. y itu pemilik n kend r n. peub h beb s juml h mobil per rum h t ngg . Seb likny . Worth Ch rleston N shville Ch tt no og W terbury Erie Greensboro Forgo Pekerj n: E = tot l l p ng n kerj = l p ng n kerj khusus EV = l p ng n kerj buruh EB Temp t toko ecer n: SR = toko ecer n = toko sw l y n SP D er h: = lu s d er h komersi l AC Ciri rum h t ngg : P = p opul si DU = juml h unit perum h n DRD = unit perum h n per kep d t n permukim n I = pend p t n Tuju n bekerj E NRD. ER ER EW EO SC Tuju n berbel nj SR NRD.5. j r k ke d er h pus t kot . DRD E E. SR − − P. sem kin r end h b ngkit n perger k nny . p eningk t n p d s l h s tu peub h beb s k n meningk tk n b ngkit n perger k n.C. DU DU. DRD EC E R.peneliti n d n k ji n empiris y ng dil kuk n untuk mempel j ri b ngkit n perger k n untuk semu jenis t t gun l h n d n untuk semu jenis perger k n. I P. d n pend p t n. ER. ER. DU. C SR. S P A C. EO − − = l p ng n kerj toko ecer n = l p ng n kerj k ntor = l p ng n kerj l inny = toko s nd ng PS = or ng (5 t hun) NRD = or ng per lu s d er h C = juml h kend r n Sumber: Bl ck (1981) Kit k n mengilustr sik n pemodel n bes rny b ngkit n perger k n untuk d er h permukim n. d n j r k d ri pus t kot berkorel si positif terh d p b ngkit n perger k n. New Orle ns K ns s City Ft.9 Peub h t rik n perger k n h sil k ji n di Amerik Serik t K ji n W shingston D. C PS. Model b ngkit n perger k n 131 . Terny t . kep d t n permukim n. D AC ER ER ER P. SR E. Artiny . T bel 4. EB E E E E E. rtiny sem kin p d t d er h tersebut. EV E.

9 untuk kot Detr oit.33 + 3. peril ku b ngkit n perger k n di kedu kot itu berbed k ren mem ng k ot Detroit d n W shington memiliki ciri y ng berbed .89 X 1 − 0. 132 Ofy r Z T min.12 8 4 12 8 4 0 0. d n begitu seterusny untuk peub h beb s l in.8 1. meskipun ber d di neg r y ng s m . khususny untuk peub h j r k zon ke pus t kot d n pend p t n rum h t ngg .5 B ngkit n perger k n deng n peub h y ng berbed bed di Detroit Ak n tet pi. k n meningk tk n b ngkit n perger k n sebes r 3.8 kelu rg / rc 1.2 j r k ke DPB (mil) 12 8 4 12 8 4 0 0.4 0.8 mobil/kelu rg 1.2 0 0.4 0.2 pend p t n (indeks) 0 0. k n dih silk n model y ng berbed : Y = 4. Perenc n n d n pemodel n tr nsport si .012 X 4 Y = juml h perger k n per rum h t ngg per zon X1 = r t r t juml h mobil per rum h t ngg di zon i X2 = j r k zon i d ri pus t kot W shington d l m mil X3 = or ng per s tu n lu s di zon i X4 = r t r t pend p t n rum h t ngg (ribu n dol r) di zon i D p t dit fsirk n b hw seti p unit t mb h n r t r t juml h kend r n per rum h t ngg .89 perger k n per h ri. S ng t men rik untuk dik ji b hw t nd p d koefisien regresi p d pers m n di t s mempu ny i t nd y ng berbed deng n y ng diperkir k n d ri g mb r 4.4 0.4 0. Ini membuktik n b hw meskipun peub h beb s sosio ekonomi d n t t gun l h nn y s m .005 X 3 − 0. Bis dib y ngk n p bil kit menggun k n pers m n kot W shington untuk kot B ndung t u DKI J k rt .2 G mb r 4.8 1.128 X 2 − 0. jik metode n lisis line r berg nd ini digun k n di kot W shingt on deng n peub h beb s sosio ekonomi d n t t gun l h n y ng s m deng n kot D etroit.

10 Korel si b ngkit n d n t rik n deng n peub hny untuk zon J w B r t d n DKI J k rt Peub h t k beb s T rik n penump ng T rik n kend r n T rik n b r ng B ngkit n penump ng B ngkit n kend r n B ngkit n b r ng Dd pnp Pers m n regresi = 12.9513 0.324 X1 0.9214 0.498.569.673.6. T bel 4. Beber p peub h beb s berup p r meter sosio ekonomi d n t t gun l h n tel h digun k n nt r l in popul si.031.3930 X1 + 973.2.2308 2. PDRB per k pit .382 0. d n kend r n. perkebun n.06 0. d n perik n n.285 X1 + 74.10−4. PDRB.927.830.2 K ji n pengemb ng n j ring n j l n di Pul u J w T min (1997 ) mengk ji t h p n perhitung n b ngkit n d n t rik n perger k n y ng merup k n fungsi d ri beber p peub h beb s berup p r meter sosio ekonomi d n t t gun l h n.358 X1 + 244.293.591.9050 0.014. Terd p t tig jenis b ngkit n d n t rik n perger k n y ng diingink n y itu untuk penump ng.874.12.2.866.8121 0.709 0.0871 18.4519 X2 − 2.658.0038 R 2 X2 − 11. Setel h mel lui proses l ngk h demi l ngk h (lih t subb b 4.0069 X1 + 2.9141 Dd kend = Dd kom OI pnp OI kend Oi kom = = 12.5779 X2 − 4.95 3.403.788.0930 R 2 0.953.11 Korel si b ngkit n d n t rik n deng n peub hny untuk zon J w Teng h d n DI Yogy k rt Peub h t k beb s T rik n penump ng T rik n kend r n T rik n b r ng B ngkit n penump ng B ngkit n kend r n B ngkit n b r ng Dd pnp = Pers m n regresi 17. lu s industri.4363 X1 = Juml h penduduk X2 = PDRB per k pit (ribu n rupi h) T bel 4.6026 Dd kend = Dd kom OI pnp OI kend Oi kom = = = = . produksi pert ni n.386 X1 = = 0.0053 X1 + 2.8 960 − 9.805.53 0.9873 − 1.4606 − 6.009 X1 2.7153 − 9. 4. Pul u J w dib giny menj di beber p zon y ng berb sis k bup ten seb g i unit terkecil.4300 0.3566 X1 + 969.1705 2.7255 X1 + 4.075.H l ini tentuny k n mengh silk n t ksir n b ngkit n perger k n y ng s ng t ber bed d ri keny t nny k ren mem ng ciri kedu kot tersebut p sti s ng t berbe d (W shington ber d di neg r m ju sed ngk n DKI J k rt di neg r sed ng berk emb ng).008 X1 2.6265 X2 − 1. b r ng.6904 X2 − 1. Uji korel si nt r ses m peub h beb s d n nt r peub h beb s deng n peub h tid k beb s h rus dil kuk n seb g i persy r t n st tistik ut m d l m proses pemodel n b ng kit n d n t rik n perger k n.7846 0.5003 X1 + 4.4) did p t h sil pemodel n b ngkit n/t rik n perger k n p d t bel 4 .

898.616.6012 X1 = Juml h penduduk X2 = PDRB per k pit (ribu n rupi h) Model b ngkit n perger k n 133 .475 0.594.4869 0.442.071.5764 X2 − 3.X2 − 12.62 0.4871 X2 − 1.

4125 0.100 .5851 Dd kend = Dd kom Oi pnp Oi kend Oi kom = = = = X2 − 6. + B N X N Y X1.37 0.5569 X2 − 6. BN = konst nt d n koefisien regresi Sel in model n lisis regresi. Model b ngkit n d n t rik n di sini meng mbil bentuk pers m n m tem tis y ng diturunk n mel lui n lisis regresi berd s rk n d t d ri h sil survei l p ng n (survei primer d n sekunder).740.1 0. Terlih t b hw seti p propinsi mempuny i model b ngkit n d n t rik n y ng berbed bed .8814 0.0115 X1 + 18..2.6121 X2 − 17.5417 X1 + 21. 134 Ofy r Z T min.018.6348 X2 − 18.614.401.4785 4. X2. B2. B1.T bel 4.438. 4. Perenc n n d n pemodel n tr nsport si .12 Korel si b ngkit n d n t rik n deng n peub hny untuk zon J w Timur Peub h t k beb s T rik n penump ng T rik n kend r n T rik n b r ng B ngkit n penump ng B ngkit n kend r n B ngkit n b r ng Dd pnp = Pers m n regresi 13..6368 X1 + 21.0526 X1 + 7. Bentuk umum pers m n regresi peub h tungg l d p t berup : Y = A + BX (line r) (line r log ritmik) (line r p ngk t) (line r eksponensi l) Y = A + B log e ( X ) Y = A (X ) B Y = Ae [BX ] • pers m n regresi berg nd (memiliki lebih d ri s tu peub h beb s).967. Bentuk umumn y d l h seb g i berikut: Y = A + B 1 X 1 + B 2 X 2 + .0110 X1 + 18.5 0.6. XN = peub h tid k beb s (b ngkit n t u t rik n) = peub h beb s (k r k teristik t t gun l h n) A.3 K ji n st nd ris si b ngkit n d n t rik n l lulint s di zon B ndung R y LPM ITB (1998 ) mel kuk n k ji n st nd ris si b ngkit n d n t rik n di zon B ndung r y . men nd k n peril ku d n ciri m sing m sing.746.820.7714 3. Bentuk pers m n regresi y ng k n dikemb ngk n seb g i model d l m k ji n ini dib gi menj di du kelompok ut m berikut ini.26 0.238.562.902.9548 X1 + 780.3 0. • pers m n regresi peub h tungg l (h ny memiliki s tu peub h beb s) .9 0.87 13.368.6343 X1 = Juml h penduduk X2 = PDRB per k pit (ribu n rupi h) D ri ketig t bel tersebut terlih t b hw p r meter juml h penduduk d n PDRB per k pit merup k n peub h beb s y ng domin n d l m mengh silk n b ngkit n d n t r ik n perger k n.21 R 2 X2 − 18. u ntuk penggun n model y ng lebih pr ktis d p t jug digun k n model trip r te (t ingk t b ngkit n perger k n r t r t per s tu n peub h beb s).6137 X2 − 16. H l y ng perlu d iperh tik n d l h ber p j uh bes r n y ng dih silk n deng n menggun k n nil i r t r t tersebut menyimp ng d ri kurv model y ng dih silk n.

.

2. d n juml h k ry w n (non guru). Ak n tet pi. unit n lisis y ng p ling cocok d l h r um h t ngg (buk n individu). P d w l t hun 1970 n. Sement r itu. Model b ngkit n perger k n 135 . d n k ntor pel y n n m sy r k t. Ag r diperoleh model y ng optimum. K ren itu. perlu dipilih peub h beb s (d ri k r kteristikny ) y ng p ling signifik n (p ling tinggi korel si st tistikny deng n b ngkit n d n t rik n perger k n).6−4. peub h be b s y ng p ling signifik n d l h juml h peg w i. sekol h mengeng h umum. Lok si perk ntor n dipilih d ri k ntor pemerint h. meskipun tid k sesignifik n juml h peg w i. d n perum h n. peub h rum h t ngg y ng p lin g signifik n d l h juml h penghuni. Proses k libr si menggun k n metode l ngk h demi l ngk h.13 d n p d g mb r 4. p endidik n. sed ngk n k r kteristik l inny seperti lu s t n h d n b ngun n. lu s t n h d n b ngun n memiliki korel si y ng s ng t rend h deng n b ngkit n d n t ri k n perger k n. seb likny . perumn s d n huni n mew h. Untuk perum h n. di nt r ny perum h n BTN.7. d n lu s b ngun n t u tipe rum h. j ug memiliki korel si y ng tid k terl lu kecil. P d pener p n pemodel n berb sis rum h t ngg . p l gi jik zon tersebut homogen. Untuk k w s n pendidik n. H sil khir model b ngkit n d n t r ik n perger k n untuk zon B ndung R y d p t dilih t p d t bel 4. d t seti p rum h dip k i seb g i m suk n d t vektor sehingg semu fluktu si men gen i ciri rum h t ngg d n peril kuny d p t semu ny dipertimb ngk n d l m mod el tersebut. juml h murid. g l t s mpel menj di lebih tinggi. menguji s eti p peub h sec r berg nti n s mp i did p tk n model terb ik.D t y ng digun k n untuk pengemb ng n model b ngkit n d n t rik n l lulint s di kumpulk n d ri k w s n y ng sesu i deng n k w s n tinj u n. Untuk k w s n perk ntor n. juml h guru. s ng tl h m suk k l jik kit merumusk n model y ng tid k berd s rk n b t s zon . Perum h n. H sil khir model untuk seti p k w s n mel ib tk n peub h beb s y ng p ling signifik n. k libr si. lok si sekol h dipilih nt r sekol h d s r. dipilih lok si berd s rk n p tok n k r kteristik d n lok si. Ag r d p t mew kili seluruh k w s n tinj u n di zon B ndung R y . d n perguru n tinggi. d n oper si. Model khir diperoleh mel lui proses k libr si d n dipilih y ng optimum d ri h sil uji st tistik. juml h pemilik n kend r n. sw st . sekol h meneng h pert m . 4. y itu perk ntor n. Semu lok si dipilih terseb r di zon B ndung R y .7 Model regresi berb sis rum h t ngg Ker g m n d l m su tu zon (intr zon ) mungkin bis dikur ngi deng n memperkecil lu s zon . peub h tid k beb s y ng d p t mengg mb rk n b ngkit n d n t rik n k w s n pendidik n d l h juml h kel s. zon y ng lebih kec il jug k n mempuny i ker g m n y ng cukup bes r d n mempuny i du konsekuensi: • • model menj di lebih m h l d l m h l pengumpul n d t .

437 (X 2) + 33.144 (X 3) Sekol h d s r (kend r n/ j m) 0.83 0.93 0.2104 Perum h n (or ng/j m) Y = 2.7332 (X ) 7 Sekol h l njut n (kend r /j m) Y = 4.14 Y = 47.2954 e 0.776 Y = 19.94 0.21 Y = 154.2178 (X 1 1) + 0.897 Y = 28.69 (X 4) + 10.0974 loge (X 11) + 0.0621 Y = 154.70 Y = 0.2892 (X 12) 0.41 0.67 0.41 0.53 loge (X 8) – 165.122 3 Y = 1.69 0.61 Y = 2.48 0.3912 (X 11) – 0.T bel 4.98 (X ) 7 Perguru n tinggi (kend r n/j m) Y = 172.72 Y = 0.2492 e Y = 5.487 e 0.91 0.0406 Y = 1.2243 e 0.7546 Koefisien determin si (R2) 0.7009 T rik n Koefisien 2 determin si (R ) 0.00 0.2552 Perum h n (kend r n/j m) Y = 0.639 (X1) + 8.95 0.82 loge (X 8) – 307.4359 (X 10) + 1.58 Y = 2.13 Model b ngkit n d n t rik n di zon B ndung R y B ngkit n K w s n/t t gun l h n Pers m n model Y = 2.65 0.2109 (X 10) + 3.42 Y = 21.52 0.2915 (X 10) + 0.785 (X 2) + 12.6108 (X ) 6 0.7891 (X ) 6 0.53 0.99 0.62 loge (X 5) – 152.2053 (X10) Keter ng n: lu s t n h k ntor X1 : lu s b ngun n k ntor X2 : X3 : juml h peg w i k ntor lu s l nt i sekol h d s r X4 : X5 : juml h b ngku sekol h d s r juml h k el s sekol h l njut n X6 : Sumber: LPM ITB (1998 ) (per 1000 m2) (per 1000 m2) (per 100 or ng) (per 100 m2) (per 100 b ngku) (per 1 0 kel s) X7 X8 X9 X 10 X 11 X 12 : : : : : : juml h k ry w n sekol h l njut n lu s b ngun n perguru n tinggi juml h k ry w n .455 (X 4) + 1.90 Perk ntor n (kend r n/j m) Y = 477.028 4 Y = 164.3383 (X 9) + 367.1413 loge (X 11) + 0.51 0.42 Y = 0.383 e Y = 28.96 1.6896 0.98 0.28 loge (X 5) – 141.85 Pers m n model Y = 1.881 (X 3) 0.85 0.3427 (X 9) + 260.327 Y = 1.60 0.98 0.51 0.123 (X1) + 4.0127 Y = 0.

Perenc n n d n pemodel n tr nsport si .perguru n tinggi juml h kepemilik n kend r n tot l juml h penghuni lu s b ngun n/tipe rum h (per 10 or ng) (per 1000 m2) (per 10 or ng) (mobil d n motor) (or ng) (m2) 136 Ofy r Z T min.

95 K w s n Pendidik n Sekol h L njut n (High School) B ngkit n B ngkit n Kend r n R t r t vs Juml h Kel s P d : J m Punc k H ri Kerj Juml h Peng m t n : 9 R t r t Juml h Kel s : 2.09 St nd r Devi si 38.73 99.5 Tingk t T rik n per 100 or ng Peg w i T rik n R t r t 30.9 Tingk t B ngkit n per 10 Kel s B ngkit n R t r t 34.K w s n Perk ntor n K ntor (Gener l Office) T rik n T rik n Kend r n R t r t vs Juml h Peg w i P d : J m Punc k H ri Kerj Juml h Peng m t n : 10 R t r t Juml h Peg w i : 1 9.881(X) 2 R = 0.14 St nd r Devi si 24.53 .88 (x100) or ng (x10) kel s Plot D t d n Pers m n Model 300 Plot D t d n Pers m n Model 600 250 500 Y = B ngkit n (kend r n/j m) Y = T rik n (kend r n/j m) 200 400 150 300 100 200 50 100 0 0 2 4 6 8 10 12 14 16 0 0 1 2 3 4 5 6 X = Juml h Peg w i (per 100 or ng) D t H sil Peng m t n Kurv Model Kurv d ri Nil i R t r t X = Juml h Kel s (per 10 kel s) D t H sil Peng m t n Kurv Model Kurv d ri Nil i R t r t Pers m n Model : Y = 28.02 Interv l 2.34 Interv l 6.74 77.

9 Tingk t T rik n per 10 Kel s T rik n R t r t 71.61 Interv l 11.05 56.0.21 166.52 Interv l 5.36 St nd r Devi si 56.98 St nd r Devi si 18.50 K w s n Pendidik n Sekol h L njut n (High School) T rik n T rik n Kend r n R t r t vs Juml h K el s P d : J m Punc k H ri Kerj Juml h Peng m t n : 9 R t r t Juml h Kel s : 2.2492 e 2 R = 0.70 (x100) or ng (x10) kel s Plot D t d n Pers m n Model 250 Plot D t d n Pers m n Model 800 700 200 Y = B ngkit n (kend r n/j m) Y = T rik n (kend r n/j m) 600 150 500 400 100 300 200 50 100 0 0 2 4 6 8 10 12 14 16 0 0 1 2 3 4 5 6 X = Juml h Peg w i (per 100 or ng) D t H sil Peng m t n Kurv Model Kurv d ri .7891(X) K w s n Perk ntor n K ntor (Gener l Office) B ngkit n B ngkit n Kend r n R t r t vs Juml h Peg w i P d : J m Punc k H ri Kerj Juml h Peng m t n : 10 R t r t Juml h Peg w i : 19.51 0.7546 Pers m n Model : Y = 4.5 Tingk t B ngkit n per 100 or ng Peg w i B ngkit n R t r t 19.

52 0.6108(X) G mb r 4.144 (X) 2 R = 0.7009 Pers m n Model : Y = 21.383 e 2 R = 0.6 Model b ngkit n d n t rik n zon B ndung R y untuk k w s n perk ntor n d n pendidik n Sumber: LPM ITB (1998 ) Model b ngkit n perger k n 137 .Nil i R t r t X = Juml h Kel s (per 10 kel s) D t H sil Peng m t n Kurv Model Kurv d ri Nil i R t r t Pers m n Model : Y = 19.51 0.

0 0.5 2.54 0.0 0.69 Interv l 0.0 6.5 Tingk t T rik n (or ng/j m) per Penghuni T rik n R t r t 0.0 0 1 2 3 4 5 6 7 8 9 10 X = Juml h Penghuni Per Rum h T ngg (or ng/rum h) D t H sil Peng m t n Kurv M odel Kurv d ri Nil i R t r t .0 3.5 Y = B ngkit n (or ng/j m) 5.90 St nd r Devi si 0.0 3.10 K w s n Perum h n Perum h n (Gener l Housing) T rik n T rik n Perger k n Or ng R t r t vs Juml h Penghuni P d : J m Punc k H ri Kerj Juml h Peng m t n : 452 Juml h Kelompok Peng m t n : 9 R t r t Juml h Penghuni : 4.0 1.5 4.31 0.K w s n Perum h n Perum h n (Gener l Housing) B ngkit n B ngkit n Perger k n Or ng R t r t vs Juml h Penghuni P d : J m Punc k H ri Kerj Juml h Peng m t n : 452 Juml h Kelo mpok Peng m t n : 9 R t r t Juml h Penghuni : 4.0 1.0 2.0 Y = T rik n (or ng/j m) 0 1 2 3 4 5 6 7 8 9 10 2.5 Tingk t B ngkit n (or ng/j m ) per Penghuni B ngkit n R t r t 0.39 Interv l 0.0 3.0 1.06 per rum h t ngg per rum h t ngg Plot D t d n Pers m n Model 7.50 St nd r Devi si 0.5 0.0 Plot D t d n Pers m n Model 4.

0974 Ln(X) + 0.0 8.0 5.0 2.0 0.0 Y = B ngkit n (or ng/j m) Y = T rik n (or ng/j m) 7.0 5.2 per rum h t ngg per rum h t ngg Tingk t B ngkit n (or ng/j m) per Kend r n y ng Dimiliki B ngkit n R t r t 1.52 St nd r Devi si 1.90 K w s n Perum h n Perum h n (Gener l Housing) B ngkit n B ngkit n Perger k n Or ng R t r t vs Juml h Kepemilik n Kend r n P d : J m Punc k H ri Kerj Juml h Peng m t n : 45 2 Juml h Kelompok Peng m t n : 6 R t r t Juml h Kend r n : 1.X = Juml h Penghuni Per Rum h T ngg (or ng/rum h) D t H sil Peng m t n Kurv M odel Kurv d ri Nil i R t r t Pers m n Model : Y = 2.0 6.0 4.49 Plot D t d n Pers m n Model 10.10 Tingk t T rik n (or ng/j m) per Kend r n y ng Dimiliki T rik n R t r t 1.0 1.2104 R2 = 0.0 2.2 K w s n Perum h n Perum h n (Gener l Housing) T rik n T rik n Perger k n Or ng R t r t vs Juml h Kepemilik n Kend r n P d : J m Punc k H ri Kerj Juml h Peng m t n : 452 Ju ml h Kelompok Peng m t n : 6 R t r t Juml h Kend r n : 1.0 1.1413 Ln(X) + 0.82 Interv l 0.327 R2 = 0.71 3.46 1.02 Interv l 0.0 3.0 Plot D t d n Pers m n Model 6.0 0.0 9.0 3.95 Pers m n Model : Y = 1.0 0 1 2 3 4 5 6 7 4.0 0 1 2 3 4 5 6 7 X = Juml h Kend r n Per Rum h T ngg (kend r n/rum h) D t H sil Peng m t n Ku rv Model Kurv d ri Nil i R t r t X = Juml h Kend r n Per Rum h T ngg (kend r n/rum h) D t H sil Peng m t n Ku rv Model Kurv d ri Nil i R t r t .70 St nd r Devi si 0.

435 (X) + 1.69 G mb r 4.67 Pers m n Model : Y = 0.2109 (X) + 3.0284 R2 = 0. Perenc n n d n pemodel n tr nsport si .1223 R2 = 0.Pers m n Model : Y = 0.7 Model b ngkit n d n t rik n zon B ndung R y untuk k w s n perum h n Sumber: LPM ITB (1998 ) 138 Ofy r Z T min.

2. d n juml h mobil (X2). Con toh p d g mb r 4.15). T bel 4.2) Pers m n R 2 0.5/3. juml h der j t kebeb s n (n−2) jug merup k n ngk y ng bes r sehingg nil i t d p t diperb ndingk n deng n nil i kritis 1.1/2. Seb g i petunjuk untuk melih t ber p b ik model ini bi s did p t.2/2. Nil i intersep sebes r 0.7 8.Kit h rus w sp d deng n p ket progr m y ng menyedi k n proses l ngk h demil ng k h sec r otom tis k ren proses tersebut d p t s j meng mbil tind k n y ng be rtol k bel k ng deng n tuju n. meskipun mempuny i nil i R2 y ng kecil.4 3. T bel 4.645 untuk tingk t keperc y n 95%.44 X1 + 1.325 0. Model b ngkit n perger k n 139 .7) (8. Contoh 4.9). T bel 4. Tid kl h mud h mendeteksi k sus ketid kline r n k ren seben rny hubung n line r bis berub h menj di tid k line r jik terd p t peub h t mb h n l in d l m model.91 + 1.7/4.384 Model ketig d l h pers m n y ng b ik. C r ini j uh lebih b ik d rip d memb ndingk n juml h k ren d l m h l ini g l t l in k n s ling menutupi sehingg bi s tid k terdeteksi.5/6.0 3 t u lebih 5. Terlih t b hw peril ku perger k n bersif t tid k line r terh d p ukur n rum h t ngg .14 memperlih tk n h sil l ngk h sec r berurut n d ri proses t ksir n l ngk h demi l ngk h.2) (4.8 − 4.0 1 2.14 Contoh proses l ngk h demi l ngk h T h p 1 2 3 Y = 2.44 d ri juml h pekerj ) sert peub hny tid k s m deng n nol (H0 k n di tol k p d semu k sus).9 4.5/7. deng n memb ndingk n perger k n h sil pemodel n deng n h sil peng m t n untuk beber p kelompok d t (lih t t bel 4.203 0.91 tid kl h terl lu bes r (jik dib ndingk n deng n f ktor 1.07 X2 (3.8 M s l h ketid kline r n Tel h kit lih t b hw model regresi line r meng sumsik n b hw seti p peub h be b s mempuny i peng ruh y ng bersif t line r terh d p peub h tid k beb s.6 2 3.7/6.4/3.9/0.31 X2 Y = 0. B ris ter khir p d t bel tersebut d l h nil i nisb h t (pers m n 4.3 Pertimb ngk n peub h perger k n per ru m h t ngg (Y).15 Perb nding n perger k n per rum h t ngg (h sil peng m t n per h sil pemodel n) Juml h mobil 0 1 2 t u lebih Juml h y ng bekerj d l m s tu rum h t ngg 0 0.80 X1 + 1.1/4.8 memperlih tk n d t seti p rum h t ngg y ng distr tifik sik n sesu i deng n pemilik n kend r n d n juml h pekerj .36 X1 Y = 1. D p t dilih t b hw keb ny k n sel mempuny i g l t di b w h 30%.6 8.4 4.8 3. juml h pekerj (X1).3/5.9 3. Deng n sumsi ukur n s mpel cukup bes r.

.

D l m bentuk ini. y ng mempuny i nil i 1 un untuk kondisi l inny . K ren seti p s mpel rum h t ngg h ny k n tergolong d l m s tu interv l s j . nil i Z1 d n Z2 d l h 0. G mb r 4.5) 140 Ofy r Z T min. Contohny .8 Contoh ketid kline r n 1 Tr nsform sik n peub h tersebut sehingg menj di line r (mis lny deng n fungs i log ritm t u pem ngk t n). Ak n tet pi. sumsik n b hw peub h X2 dig • • Z1. 1. jik pemilik n kend r n y ng diperm s l hk n. Z2. Model t h p ke 3 p d t bel 4. 2 Gu n k n peub h fiktif. y t u lebih kend r n d n nil Deng n mud h d p t dilih t b hw untuk rum h t ngg y ng tid k mempuny i kend r n. terd p t du metode y ng d p t digun k n d l m mengg bungk n peub hpeub h t id k line r d l m su tu model.41X1 + 0.2) (3.4 Pertimb ngk n model p d contoh 4. P d k sus ini.387 (3. d n 2+ (du t u lebih) kend r n per rum h t ngg . Perenc n n d n pemodel n tr nsport si . pekerj n). m k nil i peub h fiktifny d l h 1 untuk interv l tersebut d n 0 untuk interv l l inny .84 + 1. Contoh 4.1) (3. peub h beb s y ng dik ji dib gi menj di beb er p interv l diskret d n seti p interv l tersebut di n lisis terpis h di d l m model.Penting diket hui b hw terd p t kel s peub h y ng mempuny i sif t ku lit tif y ng mempuny i peril ku tid k line r (mis lny usi .3 sek r ng menj di: Y = 0.3 d n ntik n deng n beber p peub h fiktif berikut ini: tuk rum h t ngg deng n s tu kend r n d n nil i 0 ng mempuny i nil i 1 untuk rum h t ngg deng n du i 0 untuk kondisi l inny . seb g im n y ng dijel sk n berikut ini. tid k perlu di sumsik n peub h tersebut line r k ren seti p b gi n dipertimb ngk n sec r terpis h d l m peril kuny . kel min. memilih jenis tr nsform si y ng coco k tid kl h mud h k ren k l u s l h.6) (8. perm s l h n k n menj di lebih rumit. interv l y ng cocok d l h 0. Sec r u mum. Deng n mud h d p t d ilih t b hw h ny dibutuhk n (N−1) peub h fiktif d l m N interv l.75Z1 + 3.14Z2 R2 = 0.

4.2. Ak n tet pi. K ren model tersebut l ine r. perm s l h n pengelompok n ini d p t menj di s ng t rumit. untuk model tid k line r. terg ntung d ri p k h kit mempuny i d t y ng cukup untuk seti p kelompok.9. nil i zon keseluruh n mud h did p t k ren model ter sebut dit ksir deng n menggun k n d t berb sis zon .91 + 1. untuk model ketig d ri t bel 4. jik koefisien peub h fikti f (mis lny 1 d n 2). efekny k n menj di line r. J di. seperti terg mb r p d g mb r 4.9 Mend p tk n nil i zon keseluruh n Untuk model berb sis zon . H l y ng me n rik d l h penggun n peub h fiktif k n mengur ngi m s l h multikoline r p d d t (lih t Dougl s nd Lewis.Meskipun nil i R2 ny tid k lebih b ik. Buktiny . k n kit d p tk n: Ti= Hi (0. d n jik s mpel tid k mempuny i rum h t ngg y ng memiliki du t u lebih kend r n. Ak n tet pi. G mb r 4.3. p d model be rb sis d t rum h t ngg dibutuhk n t h p pengelompok n. model deng n peub h f iktif menggun k n semu d t y ng d .44 X1i + 1. d pert ny n y ng timbul: tid kk h lebih b ik jik dit ksir deng n regresi y ng berbed untuk seti p d t y ng d p d seti p kelompok sehingg kit bis mend p tk n g ris y ng kemiring nny berbed bed (koefisien X1)? J w b nny p d umumny d l h ‘tid k’. m s l h pengelompok n d p t dipec hk n deng n menggun k n nil i r t r t seti p zon untuk seti p peub h y ng d p d model tersebut d n kemudi n meng lik nny deng n juml h rum h t ngg y ng d di seti p zon .9. model ini lebih b ik dib ndingk n deng n model sebelumny k ren efek tid k line r X2 ( t u Z1 d n Z2) s ng t domin n se hingg tid k bis di b ik n begitu s j .07X2i) Model b ngkit n perger k n 141 . 1971). sed ngk n deng n regresi terpis h h ny m enggun k n seb gi n d t y ng d d n ini jel s tid k menguntungk n. Perh tik n.9 Model regresi deng n peub h fiktif Jik kit perh tik n g mb r 4.

Solusiny bersif t pr gm tik.84 + 1. H i d l h juml h rum h t ngg di zon tersebut. su tu sy r t b t s berup pers m n berikut diperluk n: ∑ O i = ∑ Dd i d (4. p d mod el contoh 4. y itu seb r n perger k n. d p t digun k n untuk memberi bobot ke seti p zon terg ntung deng n rel tif d y t rikny . juml h kedu ny h rus s m untuk seti p tuju n perger k n.deng n Ti d l h juml h perger k n y ng berb sis rum h di d l m zon tersebut.14 H2i d eng n Hji d l h juml h rum h t ngg y ng mempuny i kel s j di d l m zon i. Tid kl h mungkin kit mempuny i M triks As l−Tuju n (MAT ) y ng mempuny i nil i T y ng berbed bed p bil kit juml hk n semu b ris (O i) deng n menjuml hk n semu kolom (Dd) (lih t b b 5). Untu k mengelompokk n model model tersebut. Ini d p t diwujudk n deng n menggun k n t rik n perger k n untuk seti p zon seb g i ukur n rel tif d y t rik. untuk seti p tuju n perger k n. sec r pr ktis d p t kit lih t b hw juml h perger k n y ng dih silk n deng n menjuml hk n semu zon s l (Oi) merup k n nil i y ng ben r untuk T. y ng mencob melih t kecenderung n h sil k ji n y ng meny t k n b hw bi s ny model b ngkit n perger k n j uh lebih b ik dib ndingk n deng n model t rik n perger k n. tot l t rik n d p t dibu t s m deng n tot l b ngkit n. Deng n k t l in. semu Dd h rus dik lik n deng n f ktor modifik si seperti terlih t p d pers m n (4. jik digun k n peub h fiktif. sed ngk n model t rik n perger k n did s rk n h ny p d d t greg t berb sis zon . Mis lny model b ngkit n perger k n menggun k n model y ng did s rk n p d d t rum h t ngg t u individu deng n peub h y ng b ik. K ren itu .3 kit mensy r tk n: Ti= Hi (0. Deng n c r ini. perlu jug diket hui juml h rum h t ngg untuk seti p kel s di zon tersebut. Pemb c p sti m enget hui b hw model tid k k n sel lu d p t mengh silk n juml h perger k n y n g dib ngkitk n (d ri seti p zon s l Oi) y ng sel lu s m deng n juml h perger k n y ng tert rik (ke seti p zon tuju n Dd). P d keny t nny . contohny . Perenc n n d n pemodel n tr nsport si .10 Mencocokk n h sil b ngkit n perger k n deng n t rik n perger k n Model b ngkit n d n t rik n perger k n dibentuk sec r terpis h. Untuk itu.75H1i + 3. dibutuhk n t ksir n juml h r t r t peker j di d l m seti p rum h t ngg untuk seti p kelompok rum h t ngg y ng mempuny i kend r n di seti p zon . D l m k sus ini kit lih t d keuntung n l in d l m penggun n peub h fiktif. 4. d n Xji d l h r t r t nil i Xj d ri zon tersebut. Oleh k re n itu. Seb likny .2.12) Sy r t b t s ini h rus dipenuhi k ren s ng t dibutuhk n p d t h p berikutny .41 X1i) + 0.13) y ng k n menj min penjuml h n semu Dd p sti k n sel lu s m deng n T. 142 Ofy r Z T min. y ng perhitung nny t mp k menj di s ng t rumit.

W l upu n p d w lny metode ini dir nc ng g r d p t menggun k n d t sensus di Inggri s. kl sifik si si l ng y ng did s rk n p d m ukur n rum h t ngg deng n n pemilik n kend r n k n mengh silk n mn rum h t ngg berjenis h.1. jug untuk pener p n l inny . Di khir t hun 1960 n.13) 4. J di. y ng dil kuk n oleh seti p nggot rum h t ngg d ri jenis h. J enis rum h t ngg ditentuk n berd s rk n str tifik si. Asumsi d s rny d l h tingk t b ngkit n perger k n d p t dik t k n st bil d l m w ktu untuk seti p str tifik si rum h t ngg tertentu.3 An lisis kl sifik si sil ng t u n lisis k tegori 4.1. dimul i d ri n lisis p d tingk t zon d n dil njutk n p d ti ngk t individu t u rum h t ngg (lih t subb b 4. D l m bentuk m tem tis d p t diny t k n seb g i: Model b ngkit n perger k n 143 . Model regresi diusulk n oleh Feder l Highw y Administr tio n (FHA) seb g i model st nd r d l m meng n lisis b ngkit n perger k n. P d s t y ng s m . h mpir semu k ji n perenc n n tr nsport si di Amerik Serik t mengemb ngk n pers m n b ngkit n perger k n de ng n menggun k n n lisis regresi line r.3. perm s l h n serius timbul p d s t h rus mer m lk n juml h rum h t ngg unt uk seti p str t p d m s mend t ng. S mp i deng n khir t hun 1960 n. Metode tersebut disebut metode n lisis k te gori di Inggris (Wootton nd Pick. Metode in i menemuk n sec r empiris b hw bes rny tingk t b ngkit n perger k n s ng t b ny k membutuhk n d t (mis lny juml h rum h t ngg untuk seti p kel s).3.f = T / ∑ Dd d (4. Mis lk n tp(h) d l h r t r t juml h perger k n deng n tuju n p (p d periode w ktu tertentu). Metode n lisis k tegori in i did s rk n p d d ny keterk it n nt r terj diny perger k n deng n tribut rum h t ngg . Model ini tel h diperb iki d n sering digun k n untuk mend p tk n b ngkit n perger k n untuk d er h permukim n.3.1 Model kl sik 4. Contohny . khususny d l m pemodel n b ngkit n pe rger k n untuk or ng. metode ltern tif l in did p tk n d n s ng t cep t berkemb ng men j di model y ng populer di Inggris.1 Pend hulu n Metode n lisis k tegori dikemb ngk n pert m sek li p d The Puget Sound Tr nsp ort tion Study p d t hun 1964. untuk seti p tuju n perg er k n. 1967) t u metode kl sifik si sil ng di Ameri k Serik t. pengemb ng n model regresi line r jug berkemb ng deng n pes t.2). tingk t pertumbuh n tp(h) did p tk n deng n memb gi Tp(h) deng n j uml h rum h t ngg H(h).2 Definisi peub h d n spesifik si model Metode b ku untuk menghitung tingk t pertumbuh n untuk seti p sel did p tk n den g n meng lok sik n rum h t ngg ke seti p kelompok sel d n menjuml hk nny s tu per s tu sehingg mengh silk n juml h perger k n Tp(h). 4.

000 rum h t ngg (lih t t bel 4.16). y itu: 1 2 3 21 0 69 1−49 9 50−99 7 100−199 2 200+ Sekur ng kur ngny 50 peng m t n dibutuhk n untuk seti p sel g r h silny d p t dipert nggungj w bk n. sem kin b ik. seb r n d ri 108 k tegori (6 tingk t pend p t n. Perenc n n d n pemodel n tr nsport si . y itu: 1 2 3 pengelompok n kl sifik si sil ng tid k terg ntung p d sistem zon di d er h k ji n. p d k ji n Monmouthshire L nd Use−Tr nsport tion (lih t Dougl s nd Lewis. T bel 4. hubung n tersebut be rbed bed untuk seti p kelompok (mis lny efek perub h n ukur n rum h t ngg b gi y ng mempuny i s tu kend r n deng n y ng mempuny i du kend r n k n berbed ). tid k memperbolehk n ekstr pol si.tp(h) = Tp(h)/H(h) (4. 3 tingk t d n 6 ukur n rum h t ngg ) h ny membutuhk n s mpel seb ny k 4. metode kl sifik si sil ng ini jug mempuny i kelem h n. G mb r 4.14) Perm s l h n ut m d l m penggun n metode ini terlet k p d c r menentuk n k t egori g r seb r n frekuensi d ri simp ng n b ku d p t diminimumk n (lih t g mb r 4.10). d t y ng dibutuhk n s ng t b ny k g r nil i m sing m sing tid k terl lu berv ri si sec r tid k logis k ren d ny perbed n juml h rum h t ngg . Sem kin kecil simp ng n tersebut.10 Seb r n tingk t perger k n untuk seti p rum h t ngg Metode ini p d d s rny memiliki beber p keuntung n. Kriteri ini h ny k n dipenuhi oleh 18 k tegori d ri 1 08 k tegori y ng d y ng mempuny i juml h s mpel seb ny k 144 Ofy r Z T min. tid k d sumsi w l y ng h rus di mbil mengen i bentuk hubung n. tid k d ny uji st tistik y ng d p t men dukungny sehingg y ng menj di p tok n d l h bes rny simp ng n nt r h sil t ksir n deng n h sil peng m t n.16 Seb r n frekuensi rum h t ngg Juml h k tegori Juml h rum h t ngg y ng disurvei Ak n tet pi. 1971) . Contohny .

4. menet pk n d n mencocokk n seb r n pelu ng untuk pend p t n (I).10 d n jug mengh silk n g l t y ng lebih kecil .C. d n struktur rum h t ngg (S) deng n d t h sil k libr si. kit d p t menulisk n bes rny b ngkit n perger k n deng n tuju n p y ng dil kuk n oleh or ng berjenis n di zon i ( Oinp ) seb g i berikut: O inp = ∑ i ( h)t p ( h) (4. Tet pk n n d l h jenis 4. Untuk pert m k liny di Inggris. Proses minim si simp ng n b ku seperti y ng terlih t p d g mb r 4.15) h∈H n ( h ) Untuk melih t c r kerj model. d n 6 tingk t struktur r um h t ngg seperti p d t bel 4. Terd p t beber p c r menentuk n k tegori rum h t ngg .3 Pener p n model p d tingk t greg t or ng (deng n t u t np kend r n).S). 4 tid k d c r y ng efektif d l m memilih peub h tersebut.17 Contoh pengelompok n struktur rum h t ngg Kelompok 1 2 3 4 5 6 Juml h y ng bekerj 0 0 1 1 2 t u lebih 2 t u lebih Or ng dew s l inny 1 2 t u lebih 1 t u kur ng 2 t u lebih 1 t u kur ng 2 t u lebih Perm s l h nny d l h b g im n mer m lk n juml h rum h t ngg p d m s mend t ng untuk seti p k tegori.000 rum h t ngg . 3 tingk t pemilik n kend r n. Deng n ini. Diperkir k n str tifik si y ng b ik d p t meminimumk n simp ng n b ku seperti p d g mb r 4. Wootton nd Pick (1971) meny r nk n 108 k tegori y ng dih silk n d ri 6 tingk t pend p t n. T bel 4. J di. Metode y ng umum digun k n (lih t Wilson.11 h ny d p t dil kuk n deng n c r cob c ob y ng sud h jel s s ng t sulit dipr ktek n.17. diperluk n l gi d t t mb h n l in g r d p t dih silk n seb r n frekuensi y ng lebih mer t − bi y ny menj di lebih m h l. i(h) d l h juml h rum h t ngg deng n jenis h di zon i d n Hn(h) d l h rum h t ngg deng n jenis h y ng berisik n or ng berjenis n . Model b ngkit n perger k n 145 . 1977) d l h: pert m .3.1. kedu : menggun k n h sil tersebut untuk membu t seb r n pelu ng g bung n untuk rum h t ngg jenis h = (I. G l t y ng terj di d l h k ren penggun n r t r t nil i tp(h). d p t diperb ndingk n nil i h sil pemodel n deng n nil i h sil peng m t n s mpel. pem ilik n kend r n (C).

maka jumlah r umah tagga i zoa i yag tergolog alam kelompok h. kemuia apat icek ega hasil pegam ata. Jumlah pergeraka yag ihasilka oleh persamaa (4. Sumber: Marler (1985) Tahap 1 Tiga buah peubah harus istratiikasi.000/bula lebih besar ari Rp.24 Tiggi 1. Sebagai cotoh. jik seb r n pelu ng g bung n diny t k n deng n φ(h) = φ(I.3. Beberapa kajia i Iggris meggu aka 6 kategori peapata.16) Hi aalah jumlah rumah tagga  i zoa i. 4. ibutuhka peambaha ju mlah sampel yag sagat bayak. atau ai(h).000−150.18 Tigkat bagkita pergeraka kerja per rumah tagga Kategori Total peapata rumah tagga Kearaa per rumah tagga Ukura rumah tagga Ket eraga: * reah meegah tiggi ** reah meegah tiggi *** reah meegah tiggi : : : : : : : : : * ** *** Reah 1.1.27 1.J di. Kategori itetapka mejai tiga a kemuia rata rata tigkat bagkita pergeraka (ari ata empiris) ibebaka utuk setiap kategori.63 sampai ega Rp 75.63 1.C.16 1.000/bula Rp 76. Disaraka agar 108 kategori tersebut ikuragi sehigga kebutuha aka ata a biaya juga berkurag.18 (Marler. apat iyata ka secara seerhaa ega: ai(h) = Hiφ(h) (4. Perlu iperhatika bahwa pegguaa kategori peapata a pem ilika kearaa alam aalisis kategori serig ikritik karea keuaya salig berkorelasi. 1985). 6 kategori ukura rumah tagga. a 3 kategori pemi lika kearaa. Tabel 4. Data utuk megilustrasika bagaimaa keragama tigkat bagkita pergeraka i atar a ketiga peubah tersebut iperlihatka paa tabel 4.S). jika satu peubah lai itambahka  a kemuia ipecahka mejai 3 tigkat. Perecaaa a pemoela trasportasi . Dega emikia.000/ bula tiak mempuyai kearaa bermotor 1 kearaa lebih ari 2 1−3 orag 4−6 ora g lebih ari 6 orag. a peapata  rumah tagga.23 Meegah 1. pemilika kearaa. 5 Jika isyaratka utuk meambah jumlah stratiikasi.34 1. Hal ii m eujukka petigya peubah tersebut alam meghitug bagkita pergeraka. jumlah kategori aka meigkat ari 108 mejai 324.1 6).63 2.38 1. kelemaha metoe ii bertambah satu lagi sebagai berikut. Moel taksira rumah tagga apat iuji secara parsial ega meggua ka ata paa tahu asar.150. a peubah yag biasa iguaka alam aalisis katego ri aalah ukura rumah tagga (jumlah orag).4 Tahapa perhituga Kosep asarya seerhaa. Kategori tersebut 146 Oyar Z Tami. tetapi ega ilai simulasi ai(h).

Hal ii bisa iapat ega jala membagi jumlah pergeraka yag ihasilka utuk setiap kategori ega jumlah rumah tagga yag aa alam kate gori tersebut. tergatug ari ata yag terseia a tuju a kajia. 19 67).000. Ii ilakuka ega megalika jumlah rumah tagga paa zo a tersebut utuk setiap kategori. Tahap 4 Sejauh ii. a hasilya ijumlahka utuk semua 27 katego ri yag akhirya aka meghasilka total bagkita pergeraka utuk zoa tersebu t. a peapata).500. tetapi suah cukup utuk iguaka alam meaksir bagkita p ergeraka per zoa. Iggris (Wootto a Pick.500. = rata rata bagkita pergeraka per rumah tagga alam kategori c.000 – 2.000 + Rp 0 – 500. Utuk kasus paa tabel 4.000. ukura rumah tagga.000 + Rp 500.18.000 + Rp 1. Kosep ii iilustrasika ega gambar 4.000 + 0. Dega kata lai: ˆ = ∑ T H (i ) P i c c c =1 27 ˆ P i Tc = perkiraa jumlah pergeraka yag ihasilka oleh zoa i.iguaka utuk kajia i West Milas Trasport.500.11. 500.11 Struktur kategori alam metoe aalisis kategori Tahap 2 Setiap rumah tagga yag iapat ari survei wawacara i rumah harus i cocokka utuk setiap kategori. peapata.000 + Rp 2.000 – 2.000 – 1.000.000 + Rp 1. rata rata bagkita pergeraka ilakuka utu k setiap kategori. Rata rata tigkat bagkit a pergeraka ihitug utuk setiap kategori Tahap 3 ega megguaka ata ar i rumah tagga. tergatug ari ata rumah tagga tersebut (pemi lika kearaa. terapat 27 kategori yag meggabugka pemili ka kearaa.000 – 1. a ukura rumah tagga. Perhatika bahwa jumlah peub ah a cara stratiikasiya beragam. Hc(i) = jumlah rumah tagga ega kategori c yag berlokasi i zoa i Moel bagkita pergeraka 147 . 2 1 0 Peapata rumah tagga Rp 2.88 pergeraka Struktur rumah tagga Gambar 4.000.

20 Kategori rumah tagga ega 3 peubah Jumlah rumah tagga 50 20 10 50 50 100 40 100 150 Pemilika kearaa 0 0 0 1 1 1 2+ 2+ 2+ Peapata reah meegah reah reah reah meegah tiggi meegah tiggi Ukura rumah tagga 1−3 1−3 4+ 1−3 4+ 4+ 1−3 4+ 4+ Dega megguaka ata tabel 4.2a 6. Perecaaa a pemoela trasportasi . 1.5 Cotoh seerhaa peubah y ag iperkiraka mempegaruhi besarya pergeraka: • • • 3 kategori pemilika kearaa  (0. 9) + (100x8. 1981) iasumsika tiga 4.9b Dua atau lebih kearaa (2+) Catata: a Tigkat bagkita pergeraka utuk setiap rumah tagga ega 1−3 orag b Tigkat bagkita pergeraka utuk setiap rumah tagga ega 4 atau lebih or ag Tabel 4.000 rupiah/bula]) 2 kategori ukura rumah tagga (1−3 orag.2b 10.8b Tiggi 3.1b 8.9) + (50x5.20.3. Masalahya sekarag aalah bagaimaa meapatka total bagkita p ergeraka.8a 7.000 rupiah/bula].0b 7.1. Data utuk aalisis kategori iberika paa tabel 4.1a 1.4a 4.7a 5. 4+ orag) Secara keseluruha ketiga peubah ega stratiikasiya meghasilka 3 x 3 x 2 = 18 kategori.7) + (10x4. 3 kategori peapata (reah [0−100.9b Satu kearaa (1) 5.19. meegah [10 0.19 Aalisis kategori tigkat pergeraka utuk 18 kategori Tigkat pemili ka kearaa Reah Tiak aa kearaa (0) 3.2b Tigkat peapata Meegah 3.3b 8.4) + (20x3.8a 5.000 rupiah/bula]. 148 Oyar Z Tami.9) = 5.2) + (50x6.3a 8.9b 5.14.243 pergeraka.3) + (40x10.13 a 4.0a 10.0) + (100x11. 2+).8) + (150x12. tiggi [lebih ari 200.0a 12.Paa cotoh ii (Black. seagka jum lah rumah tagga ega kategoriya masig masig iberika paa tabel 4. Tabel 4.000−200. perkiraa total bagkita pergeraka  utuk zoa tersebut aalah: (50x3.

2 Perbaika moel asar 4. Metoe ii apat megatasi kelemaha yag aa paa metoe terahulu. Nilai rata rata tot al bisa iapat utuk peubah tiak bebas ari sampel rumah tagga.86 1.47 1.1. Ragkumaya iberika berikut ii.90 1. misalya. Cotoh 4 .Aalisis kategori 4.21 Jumlah rumah tagga per sel a rata rata tigkat pergeraka Ukura r umah tagga 1 orag 2 atau 3 orag 4 orag 5 orag Total Rata rata tigkat pergeraka 0 mobil 28 150 61 37 276 0. Cotohya. Proseur apat iseerhaaka ega megguaka 2 peubah saja. Par a pembaca yag tertarik utuk membahasya secara lebih rici apat membaca Stoph er a McDoal (1983). misalya ukura rumah tagga a pemilika kearaa. Masalah lai aalah tiak terapatya uji statistik utuk meguji keabsaha moe l. ilai sel apat itaksir ega meambahka simpaga  baris a kolom paa rata rata total sesuai ega selya. Juga. pe milika kearaa atau peapata apat ihilagka karea keua peubah itu sebe arya mugki berkorelasi.28 1. a ratarata ba gkita pergeraka utuk setiap kategori secara statistik harus apat iterima.3.3. Dalam hal ii. rata ra ta kelompok bisa itaksir utuk setiap baris a kolom ari matriks klasiikasi silag yag apat iaggap sebagai simpaga ari rata rata total.2. Pertimbagka moel yag mempuyai satu peubah tiak bebas yag meerus a ua peubah bebas yag i skret.6 Kometar tetag peekata aalisis kategori mempuya i lebih seikit batasa ibaigka ega aalisis regresi. bebe rapa permasalaha yag timbul akibat terbatasya ata apat ipecahka. Dega meliha t taa simpaga (+ atau −).54 Moel bagkita pergeraka 149 . Kerugiaya secara tekik aalah ata yag iperluka sagat bayak utuk setiap kategori.44 Total 49 444 226 269 988 Rata rata tigkat pergeraka 0.21 memperlihatka ata yag ikumpulka alam suatu aerah kajia ya g ikelompokka mejai 3 tigkat pemilika kearaa a 4 tigkat ukura rumah tagga. Tabel 4.5 Tabel 4.53 2+ mobil 0 93 75 90 258 2.1 Aalisis klasiikasi gaa (Multiple Classi icatio Aalysis/MCA) MCA aalah metoe yag apat iguaka utuk meguji pegelompokka hasil klasi ikasi silag mejai proseur statistik yag baik utuk memilih peubah a klasi ikasi. 4. aalisis kategori tiak megasumsika aaya hubuga liear.3.73 1 mobil 21 201 90 142 454 1.

klasiikasi silag haya ilakuka ega haya ua pe ubah saja.32 a 0.54 = −0.54 = −0.73−1.06−0.26.Tabel 4. kita megguaka rata rata ilai baris a kolom utuk meaksir ratarata tigkat bagkita pergeraka ari setiap sel. utuk 1 mobil sebesar 1.18 2.44−1.00 0. 4.21 juga memperlihatka jumlah rumah tagga paa setiap sel (kategori) a  rata rata jumlah pergeraka yag ihitug utuk setiap baris.3.34 (ilai egati).46 1. Kemuia.01 2+ mobil 1. K ita apat meghitug simpaga (ari rata rata total) utuk yag tiak memilik k earaa (0 mobil) sebesar 0.76 2. termasuk sel yag tiak mempuyai pegamata paa sampel ii.54 = 0. −0.2. Cotohya. tetapi juga paa rata rata total yag iapatka ari semua set ata. a juga ra ta rata totalya.07 −0.22 memper lihatka semua tigkat pergeraka beserta simpagaya.81.22 Tigkat pergeraka yag ihasilka oleh MCA Ukura rumah tagga 1 orag 2 atau 3 orag 4 orag 5 orag Simpaga Tigkat pemilika kearaa 0 mobil 0.81 1 mobil 0.80 0.46 pergerak a.53−1. a ua atau lebih rata rata kelas yag iapatk a ari semua ata utuk setiap kelas yag releva ega ilai selya.90.90 Simpaga −1. J ika peubah tiak mempuyai korelasi ega semua ilai tersebut.85 1. tigkat pergerakay a aalah 1. perlu iperhatika bahwa ilai sel tiak lagi ias arka paa haya ukura sampel ata saja.36 Selai keutuga statistik. yaitu sebesar: −51.89 −0. Walaupu.  a utuk 2+ kearaa sebesar 2.32 0.46 1. Perecaaa a pemoela trasportasi . kita meghitug semua tigkat bagkita pergeraka.07−0. suah terapat sekitar 4 sel yag mempuyai ilai ibawah 50 pegamat a yag isyaratka sebagai jumlah miimum pegamata utuk meapatka rata rat a a variasi yag bisa ipertaggugjawabka.26 0.09 −0.37 2. paa suatu aerah yag mempuyai sebara peap ata yag tiak seragam perlu ikaji aaya perbeaa pegaruh kebijaka paa ke lompok peapata yag berbea. 0. Tabel 4.36. irasaka perlu memoel kebutuh a aka trasportasi utuk setiap kelompok peapata secara terpisah.82 = −0.01.2 Aalisis regresi utuk tigkat rumah tagga Gabuga atara aalisis kla siikasi silag ega aalisis regresi apat merupaka peekata yag terbaik utuk kasus tertetu.54−1.07. Tabel 4.54−1. Terlihat bahwa ilaiya berkisar ari 0 (sagat sulit meapat ka rumah tagga yag teriri ari 1 orag a mempuyai mobil lebih ari 2) sam pai ega 269. Oleh karea itu. Utuk rumah tagga (1 orag) a tiak mempuyai mobil.01 = 0. Juga apat ihitug simpaga utu k setiap tigkat ukura rumah tagga.05 1. misalya: tigkat bagkita pergeraka utu k rumah tagga (1 orag) a mempuyai 1 mobil aalah 1. Nilai egati tiak mempuyai arti ap a apa sehigga tigkat pergerakaya apat ibuat mejai ol.27 1. sel. 150 Oyar Z Tami.

2 3 4 5 Batasa utamaya aalah moel berbasis iiviu berkaita ega alasa pemiliha  moel berbasis rumah tagga. Ti aalah total pergeraka y ag ilakuka oleh peuuk i zoa i (semua kategori).2 Deiisi peubah  a spesiikasi moel bagkita pergeraka. Hal ii aka sul it jika iperluka melihat aaya eek iteraksi atarrumah tagga. Oleh k ren itu. Peub h ini nt r l i n juml h d n ukur n rum h t ngg .3. perubaha status emogra i apat ega muah iperkiraka paa moel berbasis iiviu.3. moel berbasis i iviu lebih muah iramalka ibaigka ega moel berbasis rumah tagga k area membutuhka iormasi rumah tagga serta ukura rumah tagga − keuaya tia k iguaka paa moel berbasis iiviu.3.3. Metoe ii mempuyai beberapa ke utuga: 1 moel bagkita pergeraka berbasis iiviu cocok ega kompoe laiya alam sistem pemoela kebutuha trasportasi klasik yag berbasiska iiviu.3. memugkika proses klasiikasi silag yag megguaka semua peu bah petig yag meghasilka jumlah kelas yag sesuai sehigga apat iramalka ega muah. yaitu jumlah pergeraka yag ilakuka  selama perioe waktu tertetu oleh rata rata jumlah orag berkategori j.3 Peekata kategori orag 4. Ni aalah jumlah peuu k i zoa i a αji d l h persent se penduduk di zon i y ng mempuny i k tegori j . buka ega yag berbasis zoa.17) Seperti deng n model l in. hubung n d s r y ng terj di d l h: Ti = N i ∑ α ji t jp j (4. ukura sampel yag ibutuhka utuk moel berbasis iiviu jauh lebih kecil aripaa utuk moel berbasis rumah tagga. struktur rum h t ngg . pemilik n Model b ngkit n perger k n 151 . Tetuka tj aalah tigkat 4. keuaga al am moel berbasis iiviu.4 Per m l n peub h d l m n lisis b ngkit n perger k n Pemilih n peub h y ng d p t digun k n untuk mer m lk n tingk t perger k n (rum h t ngg ) menj di perm s l h n b gi perenc n tr nsport si. sert jug d p t dib gi berd s rk n tuju n (p) y ng dig un k n untuk kedu jenis perger k n tersebut. perger k n dib gi menj di perger k n berb sis rum h d n berb sis buk n rum h. tjp a alah tigkat bagkita pergeraka ega tujua p.4. ya g iusulka pertama kali oleh Superak (1979).1 Peahulua Peekata kategori orag me rupaka salah satu alterati yag mearik utuk moel berbasis rumah tagga. buka rumah tagga. 4. misalya peubah umur sagat sulit itetuka paa moel berbasis rumah tagga.

seti p individu berpeng ruh bes r terh d p timbulny perger k n y ng tentu s j berbed bed peril kuny . H l tersebut di t s merup k n kend l b gi per enc n n untuk m s y ng cukup p nj ng (20 t hun mend t ng). pe nd p t n. p d t hun 1980 n. rum h t ngg deng n n k y ng belum sekol h jel s lebih rend h mobilit sny d rip d rum h t ngg deng n n k y ng sud h bes r. Perenc n n d n pemodel n tr nsport si . p d m s 10−20 t hun l lu. pend p t n kelu rg sebes r Rp 75. Ak n tet pi. T bel 4.23 Contoh ekstr pol si untuk n lisis k tegori K tegori pemilik n kend r n 0 mobil 1 mobil 2+ mobil Tot l * contoh s ng t sedikit Juml h rum h t ngg d l m k tegori T hun d s r 200 280 20* T hun renc n 50 150 300** 500 500 ** mungkin memiliki 3. perlu diperh tik n b hw semu peub h mungkin k n mempuny i nil i y ng lebih bes r dib ndingk n deng n perkir n p d w ktu t hun d s r. Ak n tet pi. m suk n d t y ng h rus dim sukk n ke d l m model d l h d t t ksir n d ri pemilik n kend r n. Hip otesis ut m ny d l h tribut sosi l.000−150. d n 5+ kend r n D l m n lisis k tegori. h l ini ber rti rum h t ngg tersebut k n m suk ke k t egori y ng lebih tinggi. k ren mungkin diperluk n ekstr pol si d t y ng 152 Ofy r Z T min. D l m h l ini. H l ini menyeb bk n d t menj di terl lu sederh n sehi ngg k tegori p d s t t hun d s r tid k cocok l gi untuk s t t hun renc n y ng khirny mungkin mengh silk n perkir n y ng tid k cocok.kend r n. Jik n lisis k tegori d n regresi digun k n untuk mer m lk n b ngkit n l lulint s untu k 15 t u 20 t hun mend t ng. Mis lny . p d m s l lu kelu rg deng n juml h n k lebih d ri 6 s ng t sering dijump i. 4. juml h tersebut p d m s sek r ng t u mend t ng merup k n nil i y ng d p t dik tegorik n mempuny i pend p t n meneng h ke b w h. Koment r untuk proses per m l n berl ku b ik untuk model n lisis k tegori m upun n lisis regresi. Contohny . Deng n n lisis reg resi. Cont oh l in. p d m s sek r ng r t r t juml h n k per kelu rg h ny du or ng.000 p er bul n sud h merup k n g ji y ng cukup tinggi. Ak n tet pi. mul i terd p t k ji n y ng meneliti c r memperk y model b ngkit n t u t rik n deng n teori d n metode y ng ber s l d ri inform si peril ku. d n pend p t n. ukur n d n struktur rum h t ngg p d m s sek r ng s ng t berbed deng n p d m s 10−20 t hun y ng l lu. B ngkit n perger k n ini d p t dir m lk n untuk m s mend t ng deng n menggun k n model y ng dik libr si p d t hun d s r d n menggun k nny untuk t hun renc n . d n ukur n rum h t ngg untuk seti p zon .23). h l y ng s m terj di. beber p rum h t ngg k n mempuny i kend r n lebih d ri per kir n (lih t t bel 4. Mis lny . Contohny .

12. M s l h ini menunjukk n beber p kelem h n model seperti itu (di k libr si p d s t t hun d s r) p bil digun k n untuk per m l n. Model b ngkit n perger k n 153 . Kelem h n tersebut d p t ditunjukk n deng n conto h p d g mb r 4.12 Contoh ekstr pol si untuk n lisis regresi Deng n k t l in. G mb r 4. k tegori tersebut tid k bis dik libr si deng n d t seben rny . tet pi k ren be lum d p d s t t hun d s r.did p t p d s t t hun d s r. diperluk n k tegori l in untuk t hun renc n .

Beber p keuntung n d n kerugi n metode An logi jug di ter ngk n d l m subb b ini.10).7). diterusk n deng n penjel s n mengen i met ode Tid k L ngsung.3).5) menjel sk n metode An logi. 154 . Diperluk n inform si l in berup pemodel n pol perger k n nt rzon y ng sud h p sti s ng t dipe ng ruhi oleh tingk t ksesibilit s sistem j ring n nt rzon d n tingk t b ngkit n d n t rik n seti p zon . B gi n kedu (subb b 5. Metode Tid k L ngsung ini dijel sk n d l m du b gi n.5 Model seb r n perger k n Pemodel n b ngkit n perger k n tel h diter ngk n p d b b 4 sec r rinci. Penjel s n singk t mengen i metode L ngsung diberik n berikut keuntung n d n kerugi nny . dis mp ik n penjel s n umum mengen i pengelompok n metod e y ng tel h dikemb ngk n d n subb b y ng mener ngk n definisi d n not si y ng d igun k n d l m penjel s n t u pun penurun n rumus (subb b 5. Ak n tet pi. B b ini dimul i deng n penjel s n proses terj diny perger k n (subb b 5. Metode ini h ny cocok untuk perenc n n j ngk pendek t u perenc n n t np d ny perub h n ksesibilit s y ng ny t d l m sistem j ring nny .6) menjel sk n metode Sinteti s y ng mempertimb ngk n d ny perub h n ksesibilit s. Bes rny b ngkit n d n t rik n perger k n merup k n inform s i y ng s ng t berh rg y ng d p t digun k n untuk memperkir k n bes rny perger k n nt rzon . sel in jug f ktor pertu mbuh n. b gi n pert m (subb b 5. Subb b berikutn y (subb b 5. Penjel s n tent ng metode Tid k Konvension l diter ngk n sec r terpis h p d b b 9. sert kelebih n d n kekur ng nny . y itu metode y ng h ny mempertimb ngk n f ktor pertumbuh n t np memperhitungk n d ny perub h n kses ibilit s sistem j ring n tr nsport si. Berb g i m c m model diberik n y itu model gr vity (GR) (subb b 5.4) menjel sk n metode Konvension l y ng terdiri d ri metode L ngsun g d n metode Tid k L ngsung. Sel njutny . proses k libr si model.2). mo del interveningopportunity (IO) (subb b 5. dimul i d ri metode s ng t sederh n y ng h ny cocok untuk j ngk p endek s mp i deng n metode y ng d p t men mpung peng ruh perub h n ksesibilit s terh d p seb r n perger k n y ng mungkin terj di p d perenc n n j ngk p nj n g. B b ini di khiri den g n penjel s n tent ng keteliti n m triks y ng dih silk n oleh metode Konvension l (subb b 5. contoh penggun nny .1) d n pentingny inform si mengen i m triks perger k n d n beber p kegun nny (su bb b 5. d n model gr vity opportunity (GO) (subb b 5. Berb g i m c m metode y ng pern h dikemb ngk n k n dijel sk n.9) berikut penurun n seti p model sec r teori.8). inform si tersebut tid kl h cukup. Di sit u diperkir k n bes rny perger k n y ng dih silk n d ri zon s l d n y ng tert rik ke zon tuju n.

Kit berger k seti p h ri untuk berb g i m c m l s n d n tuju n seperti bel j r. Oleh k ren itu. J r k perj l n n jug s ng t ber g m. D l m h l ini. 5. Mud h dip h mi b hw jik terd p t kebutuh n k n perger k n y ng bes r.5. s ng tl h penting dip h mi pol perger k n y ng terj di p d s t sek r ng d n jug p d m s mend t ng p d s t kebij k n tersebut diberl kuk n. MAT d p t memberik n indik si rinci mengen i kebut uh n k n perger k n sehingg MAT memeg ng per n y ng s ng t penting d l m berb g i k ji n perenc n n d n m n jemen tr nsport si. hibur n. bel nj . Deng n mempel j ri pol perger k n y ng terj di . t u b r ng) y ng berger k d ri zon s l i ke zon tuju n d sel m sel ng w ktu tertentu. Pol perger k n d p t dih silk n jik su tu MAT dibeb nk n ke su tu sistem j ring n tr nsport si. S l h s tu us h untuk d p t meng t siny d l h deng n mem h mi pol perger k n y ng k n terj di. Seti p sel Model seb r n perger k n 155 . k p sit s j ring n tr nsport si h rus d p t men mp ung perger k n. mis lny d ri m n d n hend k ke m n . bes rny . M triks Perg er k n t u M triks As l−Tuju n (MAT) sering digun k n oleh perenc n tr nsport si untuk mengg mb rk n pol perger k n tersebut. se hingg sel m triks ny meny t k n bes rny rus d ri zon s l ke zon tuju n. Kem cet n.2 Kegun n m triks perger k n Pol perger k n d l m sistem tr nsport si sering dijel sk n d l m bentuk rus pe rger k n (kend r n. polusi su r d n ud r d l h beber p perm s l h n y ng timbul kib t d ny perger k n. Juml h zon d n nil i seti p sel m triks d l h du unsur penting d l m MAT k ren juml h zon menunjukk n b ny kny sel MAT y ng h rus did p tk n d n berisi inform si y ng s ng t dibutuhk n untuk perenc n n tr nsport si. seseor ng d p t mengidentifik si perm s l h n y ng timbul sehingg beber p so lusi seger d p t dih silk n. khusu sny p d s t or ng ingin berger k untuk tuju n y ng s m di d l m d er h terte ntu d n p d s t y ng bers m n pul . penump ng. d n b r ng) y ng berger k d ri zon s l ke zon tuju n di d l m d er h tertentu d n sel m periode w ktu tertentu. Kebutuh n k n perger k n sel lu menimbulk n perm s l h n. g r kebij k n invest si tr nsport si d p t berh sil deng n b ik. Deng n k t l in.1 Pend hulu n Perger k n d l h ktivit s y ng kit l kuk n seh ri h ri. keterl mb t n. d n k p n terj d iny . B ris meny t k n zon s l d n kolom meny t k n zon tuju n. d n rekre si. ol hr g . not si Tid meny t k n bes rny rus perger k n (kend r n. d ri perj l n n y n g s ng t p nj ng (mis lny perj l n n nt rbenu ) s mp i ke perj l n n y ng s ng t pendek (mis lny perj l n n ke toko di seber ng j l n). penump ng. MAT d l h m triks berdimensi du y ng berisi inform si mengen i bes rny perger k n nt rlok si (zon ) di d l m d er h tertentu. tentu dibutuhk n pul sistem j ring n tr nsport si y ng cukup untuk d p t men mpung kebutuh n k n perger k n tersebut.

H dirny beber p metode y ng tid k begitu m h l pel ks n nny dir s k n s ng t bergun k ren MAT s ng t sering dip k i d l m berb g i k ji n tr nsport si. bi y . 1986 . Perenc n n d n pemodel n tr nsport si .membutuhk n inform si j r k. 1978 b): • • • pemode l n kebutuh n k n tr nsport si untuk d er h ped l m n t u nt rkot . leng n persimp ng n di ngg p seb g i s l d n tuju n perger k n. Contohny . Keteliti n MAT meni ngk t deng n men mb h juml h zon . 1988 ) Berb g i us h dil kuk n untuk mend p tk n MAT d n terd p t beber p metode y ng d p t digun k n. Perm s l h n y ng s m timbul jik kit berbi c r mengen i perger k n nt rzon deng n sel ng w ktu pendek (mis lny 15 menit ). t u kombin si ketig inform si terse but y ng digun k n seb g i ukur n ksesibilit s (kemud h n). seperti pol perger k n kend r n di su tu persimp ng n t u pol perger k n di d l m su tu perkot n m upun di d l m su tu neg r . Oi Dd G mb r 5. w ktu. MAT d p t digun k n untuk (Willumsen. pemodel n kebutuh n k n tr nsport si untuk d er h perkot n. MAT d p t pul mengg mb rk n pol perger k n d ri su tu sistem t u d er h k ji n deng n ukur n y ng s ng t ber g m. lengk p deng n rus pe rger k n kend r n d ri seti p leng n persimp ng nny d n MATny .1 Persimp ng n deng n M triks As l−Tuju n (MAT) Sumber: T min (1985. tet pi MAT cenderung berisi oleh sel y ng tid k mempuny i perger k n (Tid = 0). pemodel n d n per nc ng n m n jemen l lulint s b ik di d er h perkot n m upun nt rkot . G mb r 5. Terlih t b hw MAT d p t digun k n untuk mengg mb rk n pol perger k n di persimp ng n. Di sini. 156 Ofy r Z T min.1 memperlih tk n persimp ng n j l n.

• W w nc r di tepi j l n • W w nc r di rum h • Metode menggun k nbender • Metode foto ud r • Metode mengikuti mobil Metode An logi • T np b t s n Ser g m • Deng n s tu b t s n B t s n b ngkit n B t s n t rik n • Deng n du b t s n R t r t Fr t r Detroit Furness Metode Sintetis • Model Opportunity • Model Gr vity • Model Gr vityOpportunity Metode L ngsung Metode Konvension l Metode MAT Metode Tid k L ngsung Metode Tid k Konvension l Model berd s rk n inform si rus l lulint s • Estim si M triks Entropi M ksimum (E MEM) • Model Estim si Kebutuh n Tr nsport si (MEKT) G mb r 5. • • Metode untuk mend p tk n MAT d p t dikelompokk n menj di du b gi n ut m .1986. Kedu metode tersebut dijel sk n lebih rinci p d subb b 5.2 Metode untuk mend p tk n M triks As l−Tuju n (MAT) Sumber: T min (1985.• pemodel n kebutuh n k n tr nsport si di d er h y ng ketersedi n d t ny tid k begitu mendukung b ik d ri sisi ku ntit s m upun ku lit s (mis lny di neg r se d ng berkemb ng).2 . 1988 bc). MAT d p t digun k n untuk mengg mb rk n pol perger k n di d l m d er h k ji n. Untuk lebih jel sny .1988 bc) 5. d n pemodel n kebutuh n k n tr nsport si nt rkot untuk ngkut n b r ng multi mod . 1985. y itu metode Konvension l d n metode Tid k Konvension l (T min.10. pengelompok n dig mb rk n berup di gr m seperti terlih t p d g mb r 5. perb ik n d t MAT p d m s l lu d n pemeriks n MAT y ng dih silk n oleh metode l inny . MAT d l h m triks berdimensi d u y ng seti p b ris d n kolomny mengg mb rk n zon s l d n tuju n di d l m d er h k ji n (term suk jug zon di lu r d er h k ji n).4−5. 1986. seperti Model seb r n perger k n 157 .3 Definisi d n not si Seperti tel h dijel sk n p d subb b sebelumny .

.. .. Oleh k ren itu: Tid Oi Dd = perge r k n d ri zon s l i ke zon tuju n d = juml h perger k n y ng ber s l d ri zo n s l i = juml h perger k n y ng menuju ke zon tuju n d {Tid} t u T = tot l m triks T bel 5. T2N O2 Dd = ∑ Tid i 3 .. TN1 D1 T32 .. T3N . N Dd T31 ... TN3 D3 . . . TN2 D2 T33 ... .. .1... . N T1N Oi O1 O i = ∑ Tid d 2 T21 T22 T23 .. Sel d ri seti p b ris i berisi inform si mengen i perger k n y ng be r s l d ri zon i tersebut ke seti p zon tuju n d. TNN DN . .1 Bentuk umum d ri M triks As l−Tuju n (MAT) Zon 1 1 T11 2 T12 3 T13 . .. .. . . . .. sehingg seti p sel m triks berisi inform si perger k n nt rzon . .terlih t p d t bel 5... Sel p d di gon l berisi inf orm si mengen i perger k n intr zon (i = d).. .

ON T T = ∑ Oi = ∑ Dd = ∑∑ Tid i d i d Sumber: T min (1985. jik tid k d y ng dipenuhi.1) berikut: (5. . Tot l perger k n y ng dib ngkitk n d ri su tu zon i h rus s m deng n tot l perger k n y ng ber s l d ri zon i tersebut y ng menuju ke seti p zon tuju n d.1986.1). model disebut model deng n s tu b t s n (model deng n b t s n b ngkit n t u model deng nb t s n t rik n). seperti tot l sel m triks untuk seti p b ris (i ) h rus s m deng n juml h perger k n y ng ber s l d ri zon s l i tersebut (Oi ). jik h ny s l h s tu dipenuhi. 158 Ofy r Z T min. Perenc n n d n pemodel n tr nsport si . model tersebut diken l seb g i model deng n du b t s n.1) d p t jug diny t k n deng n c r l in. tot l sel m triks untuk seti p kolom (d) h rus s m deng n juml h perger k n y ng menuju ke zon tuju n d (Dd).1) ∑ Tid = O i d n ∑ Tid = Dd d i B t s n (5.O3 . Kedu b t s n ini ditunjukk n p d pers m n (5.1988 bc) Beber p kondisi h rus dipenuhi. model disebut model t np b t s n. tot l perger k n y ng tert rik ke su tu zon d h rus s m deng n tot l perger k n y ng menuju k e zon d tersebut y ng ber s l d ri seti p zon s l i. Jik MAT y ng dih silk n memenuhi kedu b t s n (5. . Seb likny . Seb likny .

000 Penump ng / j m (2 Ar h p d j m punc k) 1<5. jug mempuny i dimensi sp si l (ru ng) y ng lebih mud h dig mb rk n sec r gr fis. meskipun d jug kelem h nny berup tid k tep tny inform si rus perger k n (bes r rus perger k n h ny diny t k n deng n teb l g ris keingin n).3 y ng bi s disebut G ris Keingin n. Sel njutny . tet pi tid k diket hui g mb r n r h t u orient si per ger k n tersebut. penting jug diket hui beber p not si berikut: Model seb r n perger k n 159 .000 Penump ng / j m tid k diperlih tk n G mb r 5. M triks d p t jug diny t k n d l m berb g i m c m k tegori. N m ini diberik n k ren pol perger k n sel in mempuny i dimens i juml h perger k n. seperti MAT b gi perger k n deng n mod tr nsport si (k) d n/ t u perger k n or ng jenis (n). pol perger k n d p t jug diny t k n deng n bentuk l in sec r gr fis seperti terlih t p d g mb r 5. kn T id = = = juml h perger k n d ri zon s l i ke zon tuju n d deng n mod tr nsport si k d n penump ng jenis n juml h perger k n y ng ber s l d ri zon s l i deng n mod tr nsport si k d n penump ng jenis n juml h perger k n y ng menuju ke zon tuju n d deng n mod tr nsport si k d n penump ng jenis n O ikn kn Dd D l m beber p k sus.000 25. J di.Sel in menggun k n bentuk m triks. H l ini d p t di t si deng n b ntu n g ris keingin n y ng menu njukk n g mb r n perger k n y ng terj di. kit gun k n huruf kecil tid.000 50.3 G ris keingin n perger k n di Kot m dy B ndung Sumber: T min (1995ce ) Keuntung n bentuk m triks d l h d p t diket huiny sec r tep t rus perger k n nt rzon y ng terj di. oi d n dd seb g i not si untuk nil i h sil peng m t n k ji n terd hulu t u m s sek r ng. sed ngk n huruf bes r untuk h sil pemodel n t u m s mend t ng. Keter ng n 100.000 75.

2) C id = a1 id + a 2 id + a 3 id + a 4 nid + a 5 Fid + a 6φ i + δ ν t i = waktu tempuh selama beraa i kearaa atara i a . ν ω τ (5. w ktu. Bi y g bung n p d d s rny merup k n fungsi li ne r tribut y ng d deng n pembobot n p d beber p tribut sesu i deng n ting k t kepenting n d n persepsi penggun j l n.2). S ering jug digun k n ukur n y ng mengg bungk n semu tribut y ng d y ng bi s diken l deng n Bi y G bung n. seperti p d pers m n (5. ω id = .k p id = = proporsi perger k n d ri zon s l i ke zon tuju n d y ng menggun k n mod tr n sport si k bi y perger k n d ri zon s l i ke zon tuju n d deng n menggun k n mod tr nsport si k k c id Elemen bi y perger k n d p t diny t k n d l m s tu n j r k. t u u ng.

τ id = .ak u berj alan kaki dari dan ke hal e bus.

ak u menunggu di hal e bus. nid = .

apa lagi berjala kaki. maka a1 itasirka sebagai ilai wa ktu (lebih tepatya. Biaya gabuga suatu perjalaa . a a5…6 merupaka aktor koversi uag mejai waktu. a a4 aalah ilai waktu utuk meuggu. Jika b iaya gabuga iyataka alam satua uag. = parameter yag mewakili atribut laiya yag belu m iperhitugka. ilai waktu selama beraa i kearaa). Nilai waktu sagat tergatug paa perseps iya megeai petigya waktu tersebut. F id = ari yang dikenakan un uk bergerak dari i ke d.ak u ransi di erminal un uk ber ukar moda ranspor asi (mul imoda). waktu berjala kaki. seperti yag iyataka paa persamaa (5. Biaya gabuga apa t iyataka alam satua uag a waktu. jika biaya gabuga iyataka alam sa tua waktu. Hal ii cukup masuk akal karea mausia biasaya malas meuggu. ilai a1 yag mejai 1.. maka ilai a5 a a6 ibuat mejai 1. a2. Perecaaa a pemoela trasportasi . ilai a2. a waktu berpiah m oa. merupaka kompromi atara peil aia objekti a subjekti peggua. misal uag. Biasaya ketiga ilai ii lebih besar aripaa ilai waktu selama beraa i kearaa. φi δ = tari trasit i termial. Jika biaya gabuga iyataka alam satua uag. a3. 160 Oyar Z Tami.2). Jai. yag cukup muah ikoversika.4 mugki berilai 2 atau 3.. Sebalikya. misalya keyamaa a keamaa merupa ka sesuatu yag sagat sulit ikuatiikasi sehigga sagat tergatug paa pe ilaia subjekti peggua jala. biasaya atribut yag sukar ikuatiikasi seperti keyamaa a keamaa. a1…6 = bobot setiap atribut yag mempuyai satua yag iguaka utuk megkovers ika satua atribut yag aa ke satua tertetu.

tigkat ketelitia setiap metoe iberika paa subbab 5 . je is barag yag iagkut. pemiliha metoe survei pegumpula ata juga sagat tergatug ari keterseiaa surveyor.1 Metoe lagsug Peekata ii suah iguaka sejak lama sehigga apat iietiikasi beberapa permasalaha yag timbul yag berkaita ega pegguaaya.1982).4. Selajutya. a lai lai. Utuk meapatka gambara megeai besa rya sampel. Utuk kasus trasportasi barag atarkota. Ii membutuhka peeiisia yag baik tetag sis tem zoa a jariga i aerah kajia. Lokasi wawacara harus iatur agar semua lalulita s atarzoa bisa iapatka.10. 1988abc) yaitu metoe Lagsug  a metoe Tiak Lagsug.1 Wawacara i tepi jala Survei ii biasaya ilakuka paa lokasi ilet a outlet ari aerah kajia ya g mempuyai batas wilayah tertetu. Jumlah wawacara paa setiap lokasi itetuka berasarka jumlah sampel yag iambil. Keuaya ijelaska secara rici. Selai itu.5. Moel sebara pergeraka 161 . Ber ikut ii ijelaska secara sigkat beberapa metoe kovesioal yag lebih itek aka paa masig masig kelebiha a kekuragaya.1.1981ab. galat tekis a galat yag timbul akibat aktor mausia serig terjai. Wawacara meliputi pertayaa megeai zoa asal a tujua pergeraka. Survei laiya kaag kaa g meayaka hal yag bersagkuta ega jeis kearaa. a akhirya utuk proses aalisis. Oleh sebab itu.4. misalya jeis kea raa a kapasitas agkutya. Metoe kovesioal apat ikelompokka mejai ua bagia utama. tetapi yag aka leb ih itekaka haya beberapa metoe yag secara khusus ikembagka utuk meap atka MAT. permasalaha utama peekata ii a alah ibutuhkaya sumber aya mausia yag besar. Data ikumpulka ega mewawacarai pegeara i ja la.4 Metoe kovesioal Bayak peagaa permasalaha trasportasi yag memerluka ietiikasi pola pe rgeraka yag apat iyataka alam betuk MAT. peyortira. Dega emikia. 5. misalya pewawacara utuk pe gumpula ata yag selajutya iguaka utuk proses koiikasi. survei peahulua perlu ilakuka utuk meapatka iormasi lalu litas a komposisiya. Oleh sebab itu. survei ii sagat bergua. Keala wa ktu a biaya juga membatasi jumlah wawacara sehigga galat timbul jika jumlah sampel tiak bisa mecapai 100%. Proses wawacar a apat meggaggu peggua jala a meimbulka tuaa lalulitas. tiaklah hera jika sampai saat ii telah berkembag beberapa metoe utuk meapatka MAT. beba muata. 5. Beberapa tekik yag terseia sampai saat i i iteragka sebagai berikut (Willumse. (Tami. 1978a. Peekata ii sa gat tergatug ari hasil pegumpula ata a survei lapaga. Lalulitas yag masuk a keluar ari a erah kajia juga harus isurvei. misalya gala t mecatat a measirka.

2 Wawacara i rumah Survei wawacara i tepi jala sagat eekti jika iguaka utuk meapatka i ormasi arus lalulitas meerus. aktor koreksi harus iguaka t erhaap ata hasil survei utuk meapatka MAT secara total. Biasaya stiker tersebut beromor a berwara yag itempelka paa kearaa i setiap lokasi masuk a kemuia  kearaa tersebut icatat paa beberapa lokasi tertetu a paa lokasi kelua r. a mugki juga peghasila. Utuk aerah kajia yag kecil . apalagi bila kuesioer harus iisi ol eh kepala keluarga.4. tujua wawacara i rumah tiak haya u tuk meapatka iormasi MAT. survei jeis ii masih iaggap m ahal a membutuhka waktu proses yag lama. Usaha tambaha harus ilakuka agar tigkat pegembalia kue sioer bisa i atas 90%. Wawacara i rumah aalah jeis survei asal−tujua yag terbaik utuk aer ah perkotaa a merupaka bagia yag terpetig alam kebayaka kajia trasp ortasi. hal lai yag apat ilakuka aalah memita pegeara.1. Perecaaa a pemoela trasportasi .Sesuai ega ukura sampel a perioe survei. 5.000 rumah. yaitu tiak meggaggu perjalaa. mey alaka lampuya alam selag waktu tertetu.1. Utuk survei jeis ii sagat isaraka aaya pemberitahua awal bagi respoe. Wawacara seperti ii irasaka mahal jika itij au ari sisi teaga kerja. Walaupu iormasi yag iapat lebih bayak jika iba igka ega survei wawacara i tepi jala. jumlah sampel ya g lebih besar ari 5% populasi masih apat ipertimbagka karea alasa biaya. metoe survei yag palig cocok utuk meapatka iormasi lalulitas iteral aalah ega wawacara i rumah. Proses ii i lakuka secara berulag paa 162 Oyar Z Tami. Persetase sampel sebesar 20% serig iguaka. tetapi tiak eekti utuk meapatka iorma si lalulitas yag terjai a bergerak haya i alam aerah kajia (iteral). semaki besar pu la persetase lalulitas iteralya.4. Oleh sebab itu. Ukura sampel merupaka hal yag palig meetuka a biasaya jumlah r espoe yag ibutuhka miimal 1.3 Metoe megguaka beera Metoe ii membutuhka beberapa pegamat yag megambil posisi paa beberapa lok asi ilet a outlet aerah kajia. Pegamat paa beberapa lokasi meca tat jumlah kearaa yag lampuya meyala alam selag waktu itu. semaki besar suatu kota. Survei wawacara i rumah yag bayak berkaita ega pergeraka iteral apat megatasi kekuraga survei wawacara i tepi jala. aaya tuaa. paa saat masuk. Nomor pelat mobil serig juga iguaka utuk meggatika stiker a mempuy ai keutuga. tetapi juga utuk meapatka beberapa ata stati stik lai seperti pemilika kearaa. Utuk kota kecil. tetapi ii sagat tergatug ari arus lalulitas a keterseiaa teaga kerja. jumlah aggota keluarga. a gaggua arus lalulitas. 5. Tiak seperti wawacara i tepi jala. Pergeraka iteral susah ieteksi. Beberapa jeis taa pegeal iguaka utu k megietiikasi kearaa. misalya stiker. Pemberita hua melalui surat a telepo isaraka. serta m embutuhka waktu proses yag lama.

Tambaha lai. tetap i membutuhka bayak pegamat a waktu proses yag cukup lama serta sagat ses iti terhaap galat pecatata. persetase sampel yag iapat hampir sama ega jika kita megguaka survei wawacara i jala. pertayaa berikutya aalah seberapa tiggi ketepata MAT ya g ihasilka ega MAT yag sebearya terjai alam aerah kajia tersebut. Metoe ii haya apat ilakuka paa siag hari a haya baik utuk aerah kajia yag kecil saja.1. 5. Keutuga metoe i i aalah terjamiya kotrol kualitas oto uara a oto apat iguaka utuk kebutuha lai.5 Metoe megikuti mobil Metoe ii membutuhka aaya pegamat yag bertugas megikuti pergeraka kear aa (biasaya ega megguaka kearaa lai) i alam aerah kajia ega c ara mecatat pergeraka kearaa paa beberapa lokasi tertetu alam suatu jari ga jala.4. waktu proses yag lama. 5. tetapi secara praktis.4 Metoe oto uara Metoe ii megguaka beberapa oto uara i aerah kajia yag iambil ari he likopter yag terbag paa kooriat a ketiggia tertetu. Semua metoe paa umumya meghasilka persetas e sampel lebih kecil ari 100% sehigga hasil akhirya haya merupaka perkiraa ari MAT yag iigika. 5.2 Metoe tiak lagsug Pemoela aalah peyeerhaaa realita. terutama alam hal kebutuha aka sumber aya mausia. Metoe ii membutu hka iormasi megeai setiap oto yag beruruta pegambilaya utuk meetuk a pergeraka setiap kearaa ega batua alat igitasi. tetapi proses selajutya membutuhka aa cukup besar. Metoe ii lebih murah ibaigka ega metoe laiya. serta hasil akhi rya haya berlaku utuk selag waktu yag peek saja. tetapi me mbutuhka maajeme yag baik alam proses pegumpula a aalisis ata. Peyeerhaaa tersebut ilakuka ega  megguaka suatu sistem alam betuk usur atau aktor yag apat ipertimba gka mempuyai kaita ega situasi yag heak igambarka. Ol eh sebab itu. Proses pegumpula ata cukup cepat a tiak mahal jika ibaigka ega metoe alterati lai ya.1. tetu aa batasa megeai ukura aerah kajia ya g bisa iambil. 100% sampel bisa iapat ega megg uaka metoe ii. metoe su rvei i tepi jala membutuhka kooriasi yag baik ega peggua jala a te tu hal ii meyebabka gaggua a tuaa bagi peggua jala tersebut. semua kekuraga itu meyebabka semaki bayakya keala a sem aki jaragya pegguaa peekata metoe lagsug ii.beberapa lokasi masuk alam beberapa hari.4. meskipu persetase sampel 1 00% bisa icapai. Secara teori. Surve i omor pelat mobil lebih mearik karea tiak meggaggu arus lalulitas. Dapat isimpulka bahwa peekata metoe lagsug paa umumya mahal. Metoe ii semaki baik jika proses ietiikasi kearaa apa t ilakuka secara otomatis.4. Utuk survei oto uara. Memperkiraka kebu tuha aka pergeraka merupaka bagia terpetig alam Moel sebara pergeraka 163 . Aka tetapi.

jumlah pergeraka yag ibagkitka ari suatu zoa asal atau yag tertarik ke suatu zoa tujua aka isebarka paa setiap zoa as al a zoa tujua yag aa. Sebara pergeraka merupaka salah satu tahapa alam Moel Perecaaa Trasportasi Emp at Tahap. Aka tetapi. tergatug ari jeis ata yag iguaka a cara kita megguakaya: 1 M etoe aalogi − alam hal ii suatu ilai tigkat pertumbuha iguaka paa perge raka paa saat sekarag utuk meapatka pergeraka paa masa meatag. Perecaaa a pemoela trasportasi . 164 Oyar Z Tami. secara praktis. tigkat pertumbuha (E) apat berupa satu aktor saja atau kombiasi ari berbagai aktor. ibutuhka berba gai macam jeis moel utuk berbagai tujua sehigga apat ipilih moel yag pa lig cocok utuk tujua tertetu atau utuk pemecaha masalah tertetu. pastilah merupaka moel yag s agat kompleks a mahal utuk iguaka. Jai.E Ti = pergeraka paa masa meatag ari zoa asal i ke zoa tujua  ti E = pergeraka paa masa sekara g ari zoa asal i ke zoa tujua  = tigkat pertumbuha (5. Setelah pemoela hubuga atau kaita ters ebut iapat. a setiap metoe berasum si bahwa pola pergeraka paa saat sekarag apat iproyeksika ke masa meata g ega megguaka tigkat pertumbuha zoa yag berbea bea. Faktor tersebut apat ihitug utu k semua aerah kajia atau utuk zoa tertetu saja yag kemuia iguaka utu k meapatka MAT.proses perecaaa trasportasi karea kebutuha aka pergeraka baik paa masa sekarag maupu paa masa meatag berpegaruh besar paa kebijaka trasportas i a kebutuha aka sistem jariga. Be berapa proseur matematis telah ikembagka sampai saat kii yag secara umum  apat ikelompokka mejai ua bagia utama (Daviroy et al.3) Tergatug paa metoe yag iguaka. 19 81). Hasil tahapa ii berbetuk MAT yag iigika.5 Metoe aalogi Beberapa metoe telah ikembagka oleh para peeliti. 1963 a Bruto. yag bisa iapat ari proyeks i tata gua laha atau bagkita lalulitas. kemuia iproyeksika utuk meapatka pola pergeraka paa masa meatag. kemampua pemoela ya g ibatasi waktu a biaya meyebabka tiak bisa ihasilkaya moel yag legk ap. Meskipu mugki iapat moel yag legkap. Paa tahapa ii. 2 5. Semua metoe me mpuyai persamaa umum seperti berikut: Ti = ti . Meto e sitetis − alam hal ii harus ilakuka usaha utuk memoel hubuga atau kaita  yag terjai atarpola pergeraka. Moel yag baik harus bisa meggambarka s emua aktor yag mewakili perilaku mausia.

50 1.00 2 60 20 130 80 290 435 1. a metoe Furess. metoe Fratar.76 Dapat ilihat paa tabel 5. Asumsi asar yag iguaka paa metoe ii aalah tigkat pert umbuha global i seluruh aerah kajia berpegaruh sama paa pertumbuha laluli tasya secara merata atau seragam utuk setiap zoa.2 MAT paa masa sekarag a tigkat pertumbuha setiap zoa Zoa 1 2 3 4  D E 1 10 80 20 100 210 420 2.620 pergerak a).1 Metoe tapa batasa Metoe tapa batasa atau metoe seragam aalah metoe tertua a palig seerha a. Asumsi ii serig tiak a pat iguaka karea paa keyataaya tigkat pertumbuha setiap zoa yag berb ea biasaya Moel sebara pergeraka 165 .5) T = total pergeraka paa masa meatag i alam aerah kajia t = total perger aka paa masa sekarag i alam aerah kajia Sebagai ilustrasi. Secara matematis apat ijelaska sebagai berikut: Ti = ti .50 1.03 oi 200 250 210 260 920 Oi 300 250 420 650 Ei 1.00 2.00 2. 5. Dalam metoe ii iasumsika bahwa utuk keseluruha aerah kajia haya aa satu ilai tigkat pertumbuha yag iguaka utuk megalika semua pergeraka paa saat sekarag utuk meapatka pergeraka paa masa meatag. metoe rata rata. Uruta pegembagaya secara kroologis aalah metoe seragam.Metoe aalogi apat ikelompokka mejai tiga kelompok utama.00 4 50 50 50 20 170 515 3. secara sagat seerhaa semua sel MAT (ti) ikalika  ega aktor 1.4) (5. seperti terlihat paa tabel 5.E E= T t (5.2 bahwa total pergeraka lalulitas i alam aerah k ajia meigkat sebesar 76% paa masa meatag (ari 920 mejai 1. metoe batasa tarika.2).50 3 80 100 10 60 250 250 1. berikut ii i berika cotoh perhituga metoe seragam ega megguaka MAT (4 x 4) seperti terlihat paa tabel 5. Metoe ii tiak mejami bahwa total pergeraka yag ibagkitka ari setiap zoa asal  a total pergeraka yag tertarik ke setiap zoa tujua aka sama ega total b agkita a tarika yag iharapka paa masa meatag. metoe ega satu batasa.3.2. yaitu metoe ta pa batasa. a metoe ega ua batasa (lihat gam bar 5. Dega metoe seragam. metoe batasa bagkita.620 1.5. met oe Detroit.76 utuk meapatka MAT paa masa meatag. Tabel 5.

pergeraka masa meatag apat ihi tug a terlihat paa tabel 5.6) berikut.620 Oi 300 250 420 650 1. 5.6).E i (5. 5.5. Ii meyebabka g alat yag besar utuk kota yag tigkat pertumbuha tata gua lahaya tiak mer ata (seperti keyataaya i kota besar i egara seag berkembag). aka meghasilka perkiraa lalulitas masa meatag yag lebih reah ari y ag iharapka. Jai.3 bahwa metoe seragam tiak apat mejami ipeuhiya ba tasa bagkita a tarika.meghasilka tigkat pertumbuha lalulitas yag berbea pula. Perecaaa a pemoela trasportasi .6) Dega megguaka persamaa (5.2 Metoe ega satu batasa Terapat ua jeis metoe.3 MAT paa masa meatag ega E=1. Karea itulah metoe ii haya apat iguaka utuk aerah kaji a yag tigkat pertumbuhaya merata i seluruh wilayahya. Tabel 5.4. Terlihat bahwa metoe ega batasa bagkita mejami total bagkita pergeraka setiap zoa paa masa meatag sama ega yag iharapka (terlihat ari ilai Ei = 1 utuk seluruh zoa). pegguaa tigkat pertumbuha glob al aka meghasilka perkiraa lalulitas masa meatag yag lebih tiggi ari yag iharapka.76 Zoa 1 2 3 4  D 1 18 141 35 176 370 420 2 106 35 229 141 511 435 3 141 176 18 106 441 250 4 88 88 88 35 299 515 oi 353 440 370 458 1. utuk zoa yag tigkat pertumbuhaya lebih tiggi . begitu juga to tal pergeraka paa masa meatag utuk seluruh aerah kajia sama ega yag iharapka. Ti = ti . metoe ii i pastika tiak bisa iguaka i Ioesia karea pertumbuha aerahya belum me rata. Secara ma tematis metoe ii apat iyataka ega persamaa (5. seagka perkiraa tarika pergeraka tiak terse ia atau apat juga terseia tetapi ega tigkat akurasi yag reah. yaitu metoe ega batasa bagkita a metoe eg a batasa tarika. Cotohya.5. Sebalikya.620 Terlihat paa tabel 5. utuk zoa yag tigkat pertumbuhaya l ebih reah ari tigkat pertumbuha global. 166 Oyar Z Tami.2.1 Metoe ega batasa bagkita Metoe ii iguaka jika iormasi yag terseia aalah perkiraa bagkita per geraka paa masa meatag.

88 0.47 1.620 Oi 300 250 420 650 Ei 0.4 MAT paa masa meatag ega metoe ega batasa bagkita Zoa 1 2 3 4  D E 1 15 80 40 250 385 420 1.00 Terlihat bahwa metoe ega batasa tarika mejami total tarika pergeraka s etiap zoa paa masa meatag sama ega yag iharapka (terlihat ari ilai .5 MAT paa masa meatag ega metoe ega batasa tarika Zoa 1 2 3 4  D E 1 20 160 40 200 420 420 1.7) berikut.00 2 90 30 195 120 435 435 1.00 1.00 Metoe ii iguaka jika iormasi 5. pergeraka masa meatag apat ihitug a terlihat paa tabel 5. (5.2 Metoe ega batasa tarika yag t erseia aalah perkiraa tarika pergeraka paa masa meatag.Tabel 5.E Dega megguaka persamaa (5.00 oi 341 441 396 442 1. Secara matematis metoe ii apat iyataka ega persamaa (5.87 oi 300 250 420 650 1.620 Oi 300 250 420 650 Ei 1.00 1.620 1.5. Tabel 5.7).09 2 90 20 260 200 570 435 0.00 3 80 100 10 60 250 250 1.57 1. seagka perki raa bagkita pergeraka tiak terseia atau apat juga terseia tetapi akurasi ya reah.620 1.00 1.76 3 120 100 20 150 390 250 0.2.64 4 75 50 100 50 275 515 1.06 1.7) Ti = ti .5.00 1.00 4 151 151 151 62 515 515 1.

E = 1 utuk seluruh zoa). begitu juga total pergeraka paa masa meatag ut uk seluruh aerah kajia sama ega yag iharapka.3 Metoe ega ua batasa Terapat empat buah metoe yag telah ikembagka sampai saat ii yag paa umu mya mecoba megatasi kekuraga yag aa paa metoe sebelumya. Keempat metoe berikut ii meja mi besarya bagkita a tarika pergeraka paa masa meatag sama ega ya g iharapka. 5. Moel sebara pergeraka 167 .5. yaitu permasa laha batasa bagkita a tarika pergeraka.

0 320.619.8) (5.0 227.5 435 0.304 oi 320.5.11) Ti T Utuk pegulaga pertama iguaka persamaa (5. Ei = Ti ti Ei + E 2 E = T t (5.6: 1 E 1 + E 1 = t i . i Ti (5.5 160. hal ii apat ijelaska sebagai berikut: Ti = t i .2.0 100.935 0.12) 2 Tabel 5.2 100.6 MAT paa masa meatag ega metoe rata rata (hasil pegulaga ke 1) Zoa 1 2 3 4  D E E i1 = Ti ( G ) a 1 = E T ( G ) 1 17. t = total pergeraka mas a meatag yag berasal ari zoa asal i atau yag meuju ke zoa tujua  = to tal pergeraka masa sekarag yag berasal ari zoa asal i atau yag meuju ke z oa tujua  Metoe ii ijelaska ega megguaka cotoh MAT (4 x 4).7 345.7 408.7 55.192 .0 105.0 15.2 545.5 420 1.0 402.0 250 0.781 4 113.0 502. T ti .5. Aka tetapi.866 3 100. Secara umum.9) a Ei.0 225.0 25. termasuk iormasi tigkat pertumbuha setiap zoa seperti terlihat paa tabel 5.3.620 EI 0.7 125.029 1.1 Metoe rata rata Metoe rata rata aalah usaha pertama utuk megatasi aaya tigkat pertumbuha aerah yag berbea bea. yag ihara pka aalah: Ti = Ti(G) (5.9 Oi 300 250 420 650 1. E = tigkat pertumbuha zoa i a  Ti . Metoe ii megguaka tigkat pertumbuha yag berbe a utuk setiap zoa yag apat ihasilka ari peramala tata gua laha a ba gkita lalulitas.3 1.5 120.12) seh igga ihasilka MAT baru seperti terlihat paa tabel 5. proses pegulaga harus ilakuka utuk memiimumk a besarya perbeaa tersebut ega megatur ilai Ei a E sampai Ti = Ti(G) sehigga: (5.9 515 1.3 394.10) Ti = total pergeraka masa meatag ega zoa asal i Ti(G) = total pergeraka masa meatag (ari aalisis bagkita lalulit as) ega zoa asal i Jai.0 40. to tal pergeraka masa meatag yag ihasilka tiak sama ega total pergeraka yag iapat ari hasil aalisis bagkita lalulitas.043 2 90.723 1. Secara matematis.

001 168 Oyar Z Tami. Perecaaa a pemoela trasportasi .1.

620 Oi 300 250 420 650 Ei 1. Ii meghasilka ua ilai utuk setiap pergeraka (i− a −i).620 1. tetapi tergatug paa ilai tigkat pertumbuha. Moel sebara pergeraka 169 .000 1.5. Oleh sebab itu.Proses pegulaga terus ilakuka sampai Ti = Ti(G) a T = T(G). metoe ii m emperhatika: • • perkiraa jumlah pergeraka yag ihasilka ari atau tertarik ke suatu zoa (hal ii iapatka ari tahapa bagkita pergeraka). tetapi jika jumlah pegulaga yag ibutuhka  sagat bayak.2 Metoe Fratar Fratar (1954) megembagka metoe yag mecoba megatasi kekuraga metoe seragam a metoe rata rata. hal yag sebalikya terjai paa zoa yag tigkat pertumbuhaya lebih tiggi ari tigkat pertumbuha global. Moiikasi ii mempertimbagka aaya pegaruh lokasi tempat tujua yag berba ig terbalik ari rata rata aya tarik tempat tujua. seterusya rata rata ari ilai ii ipakai sebagai peekata pertama bagi pergeraka ya g terjai.000 Terapat beberapa kelemaha paa metoe rata rata ii karea besarya perbeaa tiak tersebar secara acak. Co tohya. metoe ii sekarag suah jarag iguaka.7 MAT paa masa meatag ega metoe rata rata (hasil pegulaga ke 12) Zoa 1 2 3 4  D E 1 16 85 41 279 421 420 0. zoa yag tigkat pertumbuhaya lebih reah ari tigkat pertumbuha global aka meghasilka ilai yag lebih besar ari perkiraa. proses sebara  pergeraka masa meatag ari setiap zoa yag berbaig lurus ega perger aka paa masa sekarag imoiikasi ega tigkat pertumbuha zoa tujua perg eraka.000 1.000 4 144 98 178 95 515 515 1.000 1.7.000 3 74 54 13 110 250 250 1. Besarya perbeaa tersebut aka semaki berkurag sejala ega proses pegulaga. 5. tigkat ketepata pu semaki berkurag. Tabel 5.3.999 2 66 14 189 166 435 435 1. Secara umum. Asumsi asar metoe ii aalah: a b sebara pergeraka ari zoa asal paa masa meatag sebaig ega sebara p ergeraka paa masa sekarag.000 1. sebara pergeraka paa masa meatag imoiikas i ega ilai tigkat pertumbuha zoa tujua pergeraka tersebut.000 oI 300 250 420 650 1. Hal tersebu t tercapai paa pegulaga ke 12 yag meghasilka MAT akhir (setelah pembulata ) seperti terlihat paa tabel 5. Aka tetapi.

.

Perlu iketahui paa saat itu pegembaga peelitia iarahka selai  ari usaha peigkata akurasi tetapi juga paa usaha meghasilka proses perhitu ga yag eisie (jumlah pegulaga yag sekecil mugki a proses perhituga  yag seseerhaa mugki).3. tetapi per hitugaya yag cukup rumit paa akhirya secara keseluruha tiak megutugka  proses perhituga a meyebabka metoe Fratar ii mejai tiak populer ig uaka.3 Metoe Detroit Prosesya mirip ega metoe rata rata a Fratar. jumlah hasil peekata pertama ibagi ega total pergeraka  yag iperkiraka (ihasilka ari tahapa bagkita pergeraka). ( Li + L ) 2 k ≠ N • Secara matematis. (5. tetapi mempuyai asumsi bahw a: walaupu jumlah pergeraka ari zoa i meigkat sesuai ega tigkat pertum buha Ei. Keua ilai ii kemuia irata rataka a proses iulagi sampai tercapai kesesuaia atara pergeraka yag ihitug ega yag iigika.t k Proses pegulaga cukup rumit a membutuhka proses perhituga yag cukup pa jag.t k k ≠i N ∑ t ik N a L = ∑ t k N (5. pergeraka ii harus juga isebarka ke zoa  sebaig ega E ib . E  .14) k ≠ ∑ E k .13) Li = k≠i ∑ E k . 5.• utuk setiap zoa. utuk meap atka ilai tigkat pertumbuha yag baru yag selajutya iguaka sebagai pe ekata keua. Metoe ii ikembagka bersamaa ega pelaksaaa  pekerjaa Detroit Metropolita Area Traic Stuy alam usaha megatasi kekura ga metoe sebelumya a sekaligus meguragi waktu operasi komputer. E i . a Fr atar mempuyai ketepata yag kira kira sama.5. metoe Fratar apat iyataka sebagai: Ti = t i . Metoe Fratar membutuhka jumlah p egulaga yag lebih seikit ibaigka ega ua metoe laiya. pergeraka yag ihasilka paa peekata pertama yag kemuia isebarka. a ii sebaig ega pergeraka paa masa sekarag a ilai ti gkat pertumbuha yag baru (hasil peekata pertama). Daviroy et al (1963) meyimpulka bahwa metoe seragam. rata rata.

i (5.15) E Dega megguaka ata awal MAT yag sama s eperti tabel 5. maka ega metoe Detroit ihasilka MAT paa pegulaga ke 1 seperti paa tabel 5.2. 170 Oyar Z Tami. Perecaaa a pemoela trasportasi . E Ti = t i .agi ega tigkat pertumbuha global (E) yag secara umum apat iyataka seba gai: E .8.

Tabel 5.997 0.2 Oi 300 250 420 650 EI 1.999 1.4 485.000 0.5 250 1.0 86.620 1.5 170.7 17.000 oi 300 250 421 650 1.620 1. Waktu komputasi mejai lebih sigkat karea jumlah peg ulaga yag lebih seikit.5 1.3 625.0 172. Hal tersebut tercapai paa peg ulaga ke 8.999 3 75 61 12 101 249 250 1.0 90.9 45.9 MAT paa masa meatag ega metoe Detroit (hasil pegulaga ke 8) Zoa 1 2 3 4  D E 1 16 82 40 283 421 420 0.089 oI 290.8 250.4 284.2 221.031 0.0 86.1 515 1.129 4 129. proses iulagi sampai icapa i tigkat kesesuaia yag iigika (Ti=Ti(G)).9.960 2 76.896 3 68.039 1.001 4 141 92 180 102 515 515 1.0 221.000 1.617.8 MAT paa masa meatag ega metoe Detroit (hasil pegulaga ke 1) Zoa 1 2 3 4  D E 1 17.6 435 0.0 473.1 56. Tigkat pertumbuha yag iguaka lebih seerhaa ibaigka  ega metoe Fratar.7 450.0 437.620 Oi 300 250 420 650 Ei 1.000 1.000 .8 11.933 1.4 85.999 2 68 15 189 164 436 435 0.Tabel 5. sehigga ihasilka MAT akhir (setelah pembulata) seperti terliha t paa tabel 5.002 Seperti halya ega metoe rata rata a Fratar.3 420 0.

Metoeya sagat seerhaa a muah iguak a.3.5. maka ega metoe Furess ihasilka MAT paa pegulaga ke 1 yag iapat ega Moel sebara pergeraka 171 .16) Paa metoe ii.4 Metoe Furess Furess (1965) megembagka metoe yag paa saat sekarag sagat serig igua ka alam perecaaa trasportasi.2.5. Hasilya kemuia ikalika ega tigkat pertumbuha zoa tujua a zoa asal secara bergatia (moiikasi harus ilakuka setelah setiap perka lia) sampai total sel MAT utuk setiap arah (baris atau kolom) kira kira sama  ega total sel MAT yag iigika. pergeraka awal (masa sekarag) pertama kali ikalika ega tigkat pertumbuha  zoa asal. Paa metoe ii. sebara pergeraka paa masa meatag iapatka ega me galika sebara pergeraka paa saat sekarag ega tigkat pertumbuha zoa a sal atau zoa tujua yag ilakuka secara bergatia. metoe Furess apat iyataka sebagai berikut: Ti = ti . Dega megguaka ata awal MAT yag sama seperti tabel 5. Secara matematis.Ei (5.

000 1.0 200.620.0 650.2 250.0 20.0 385.0 40.11 MAT paa masa meatag ega metoe Furess (hasil pegulaga ke 2 ) Zoa 1 2 3 4  D E 1 16.0 20.7 420.0 390.4 152.641 4 75.000 oi 302.000 1.6 187.620 1.0 420 1.961 0.3 93.6 435. sel MAT yag ihasilka paa pegulaga ke 1 ikalika ega tigkat pertumbuha zoa tujua (E) utuk meghasilka MAT p egulaga ke 2.0 50.0 435 0.4 87. Tabel 5.2 615.0 515 1.000 Selajutya.0 80.620 1.0 250 1.0 100.0 150.000 1.0 420.0 435 1.7 15.0 250. Tabel 5.0 260.0 250 0.091 2 90.0 1.3 198.000 3 76.6 515.3 442.950 1.9 64.8 96.6 272.5 93. paa pegulaga ke 2.0 100.11.057 1.000 4 140.0 Oi 300 250 420 650 Ei 0.620.3 43.1 1.000 Hal tersebut ilakuka terus meerus secara bergatia sehigga total sel MAT ya .0 250.000 2 68.992 0. seperti terlihat paa tabel 5.4 260.10 MAT paa masa meatag ega metoe Furess (hasil pegulaga ke 1 ) Zoa 1 2 3 4  D E 1 15.10.0 420 1.0 275.0 515 1.0 50.763 3 120.0 Oi 300 250 420 650 Ei 1.1 12.0 570.000 1.megalika sel MAT paa saat sekarag ega tigkat pertumbuha zoa asal (Ei) seperti terlihat paa tabel 5.873 oi 300.

12 MAT paa masa meatag ega metoe Furess (hasil pegulaga ke 6 ) Zoa 1 2 3 4  D E 1 16 82 40 282 420 420 1.999 1.001 1.g ihasilka (baris ataupu kolom) sesuai ega total sel MAT yag iigika.000 2 68 15 188 164 435 435 1. Tabel 5. Perecaaa a pemoela trasportasi .000 4 141 92 180 102 515 515 1.000 Oi 300 250 421 649 1.620 1.000 0.000 3 75 61 12 102 250 250 1. Tabel 5.12 aalah MAT yag ihasilka metoe Furess (setelah pembulata) setel ah pegulaga ke 6.620 Oi 300 250 420 650 Ei 1.000 1.000 172 Oyar Z Tami.

misalya utuk moa trasportasi l ai.4 Keutuga a kerugia Beberapa keutuga metoe aalogi aalah sebagai berikut: • muah imegerti a iguaka. iperluka ‘maipulasi’ ega megaggap paa masa sekarag jumlah zoa yag iguaka aalah jumlah zoa paa masa meatag ega pergeraka yag cukup kecil. ata aksesibilitas (waktu. Lamo a Stewart (1981) memperlihatka bahwa proses keseimbaga meto e Furess sebearya merupaka kasus khusus yag apat ihasilka oleh metoe k eseimbaga Bregma. iormasi ii tetu sagat mahal. selai keutuga. 1983b). • • • • Aka tetapi. terapat juga beberapa permasalaha yag serig timbul alam pemakaiaya. 1983. Di ataraya aalah yg berikut ii. ega kata lai. Pejelasa rici megeai hal tersebut apat ilihat paa B regma (1967). pegguaaya leksibel. Kelemaha yag palig utama aalah jika itemuka bahwa atara ua buah zoa paa saat sekarag belum terjai pergeraka (ti = 0) atau mugki karea aa galat survei atau hal lai ya. a biaya) atarzo a tiak iperluka. Realitaya. tergatug paa batasa asal tujua. 1970). a juga apat iguaka utuk arah pergeraka yag berbea. Dibutuhka jumlah zoa yag selalu tet ap. Maher. haya membutuhka ata pergeraka atarzoa (MAT) paa masa sekarag a perkiraa tigkat pertumbuha zoa paa masa meatag yag seerhaa. Peurua te ori metoe Furess apat ihasilka ega memiimumka statistik iormasi yag iharapka (Morphet. suah serig iabsahka a meghasilka tigkat ketepata yag cukup tiggi jika iguaka paa aerah yag pola pegembaga wilayahya stabil.5.Evas (1970) meujukka bahwa metoe Furess selalu mempuyai satu solusi akhir a terbukti lebih eisie ibaigka ega metoe aalogi laiya. prose s pegulagaya seerhaa. utuk megatisipasi perubaha jumlah zoa tersebut. utuk tujua perjalaa yag berbea. Beberapa peeliti berusaha mempercepat proses pegulaga metoe Fur ess (lihat Robillar a Stewart. Oleh karea itu. tiak boleh itambah ega zoa baru sehigga agak susah iguaka karea biasaya paa masa meatag selalu aa pertambaha zoa baru. pergeraka tersebut memag belum aa paa masa sekarag. Solusi a khir pasti selalu sama. tiak tergatug ari maa pegulaga imulai (baris at au kolom). utuk selag waktu yag berbea. Dalam hal ii. Mekky. Dib uktika bahwa metoe Furess meghasilka sebara pergeraka yag memaksimumka etropi a memiimumka iormasi yag iharapka. tiak aka perah iapatka • Moel sebara pergeraka 173 . 1975) atau memaksimumka ukura etropi (Evas. 1974. • • Metoe ii membu tuhka masuka ata legkap ari seluruh pergeraka atarzoa paa saat sekarag (ti). 5. jarak.

selai perubaha tigkat pertumbuha setiap zoa (metoe sitetis ya g iteragka paa subbab 5. iperlu ka ‘maipulasi’ ata ega megaggap telah terjai pergeraka ega volume yag sagat kecil. Perecaaa a pemoela trasportasi . yag paa asarya berusaha meggambarka hubuga atara tata gua laha a trasportasi alam pemoela. Tigkat pertumbuha setiap zoa i apat ega proses peekata yag kasar sehigga metoe aalogi ii sagat terg atug paa ketepataya. 174 Oyar Z Tami. pembagua jala baru.6−5. Utuk itu iperluka metoe yag juga memperhitugka aaya perubaha aks esibilitas. Karea itu. Ka rea batasa i atas. misalya (ti = 1) utuk meghiari aaya batasa kelemaha mate matis tersebut. kare a aaya kemugkia galat statistik yag cukup tiggi. • Utuk selag waktu yag peek a i aerah yag stabil pegembaga wilayahya. Seb alikya. misalya pelebara jala. sebara pergeraka haya tergatug paa p ola perjalaa paa saat sekarag a perkiraa tigkat pertumbuhaya.ramala pergeraka tersebut paa masa meatag.9). sekali lagi. Metoe ii sagat tergatug paa tigkat akurasi iormasi p ergeraka atarzoa paa masa sekarag. Oleh kar ea itu. metoe ii tiak apat iguaka paa aerah yag pesat pegembaga wi layahya a tajam peigkata aksesibilitas sistem jariga trasportasiya. Setiap galat yag aa paa masa sekarag aka terus membesar setiap kali ilakuka proses pegulaga. pegguaa tigkat pertu mbuha utuk pergeraka yag reah paa masa sekarag aka meghasilka perkira a yag tiak realistis paa masa meatag. metoe ii tiak bisa iguaka utuk aerah yag paa masa meatag m egalami perubaha aksesibilitas yag yata paa sistem jariga trasportasiya . • Pergeraka itrazoa (i=) tiak iperhitugka paa metoe ii sehigga meigkatka galat a membutuhka jumlah pegulaga yag semaki bay ak yag selajutya memugkika terciptaya galat yag semaki besar. a secara rici ijela ska berikut ii. a pembagua jala bebas hambata. Selai itu. moel ii tiak cocok utuk peramala utuk waktu yag cukup pa jag. Jai. metoe ii apat iguaka ega baik. Asumsi megeai ‘tiak aa perubaha paa aksesibilitas’ j uga ikritik orag. metoe ii tiak a pat iguaka utuk melegkapi sel matriks yag kosog ega meambahkaya ar i matriks parsial. • • • Moel sitetis lebih serig iguaka. jika paa masa sekarag terapat sel matriks yag tiak iapatka iorm asi pergerakaya (ataya tiak aa). Moel ii ber usaha memperhitugka alasa orag melakuka perjalaa. Utuk itu. Kelemaha lai. metoe aalogi sagat jarag iguaka alam kajia trasp ortasi i masa sekarag. Dega kata lai. maka sel matriks tersebut tiak aka per ah bisa iapatka pergeraka masa meatagya.

Cotohya. (ii) alasa tersebut kemuia imoelka ega megguaka aalogi hukum alam yag serig terjai. beberapa hal yag berkaita ega usaha pemecaha masalah aka mejai lebih petig. Hal ii membutuhka tekik pemoela berskala regioal a perkotaa yag perlu iperhatika utuk megatas i permasalaha yag bersiat baik praktis maupu teori. Moel yag berskala regioal a perkotaa mempu yai ua hal utama yag perlu iperhatika.5. Keua. lokasi lapaga pekerjaa. Hal yag sam a. Metoe sitetis juga apat iguaka utuk megisi sel MAT yag tiak apat i hasilka oleh metoe lagsug. jumlah baha orgaik ya g megalir i permukaa taah bergatug paa jumlah au yag gugur a tigkat pembusuka serta traslokasiya. yag serig ikeal ega metoe sitetis. Dalam kaitaya ega hal tersebut. Pertama. Metoe i asarka paa asumsi: (i) sebelum pergeraka paa masa meatag iramalka. Megguaka moel semacam i i secara tiak lagsug suah membatasi pemoela pola pergeraka a ii tetu meyebabka iormasi yag ibutuhka semaki seikit serta survei semaki berk urag. kecuali utuk perkiraa kasar saja . a biaya perjalaa. moel megguaka pergeraka se bagai peubah tiak bebas yag iguaka utuk meramalka ilai peubah bebas yag meggambarka aspek struktural ari koisi isik laha. Jai. harus ilakuka pemoela hubuga atara arus a peyeba bya. terl ebih ahulu harus ipahami alasa terjaiya pergeraka paa masa sekarag. pegembaga moel merupaka akar semua aktivitas ilmiah. Kritik terhaap peekata ii aalah bah wa tiak perah aa ua tempat yag ciriya persis sama. pola pergeraka (utuk pergi be kerja) alam kota apat imoel ega megguaka beberapa peubah seperti sebar a lokasi pekerja. jika arus barag a orag yag bergerak paa suatu tata gua lah a heak ipelajari. Cotohya. Dalam hal ii. arus pergeraka utuk berbelaja Moel sebara pergeraka 175 . pemoela berskala regioal a perkotaa merupaka  bagia ari usaha utuk meapatka pegertia yag bersiat ilmiah megeai h al tersebut. pemijama parame ter ari suatu moel sagat jarag ilakuka. jika permasalaha timbul. Kebayaka moel berskal a regioal a perkotaa ibetuk ari akta yag meyataka bahwa arus barag  a eergi ibutuhka utuk meghasilka moel matematis yag apat iguaka ut uk mempelajari perkembaga tata gua laha.6 Metoe sitetis Beberapa kelemaha utama metoe aalogi telah meorog orag utuk megembagka  metoe alterati lai. Disaraka juga pemakaia parameter ari moel yag ‘ipijam’ ari kajia i aerah lai yag ciriya hampir sama. Arus pergeraka (iteraksi spasial) apat ipelajari ega membuat moel yag megaitka besar a arah arus (peubah tiak bebas) ega peubah bebas seb agai ukura struktur tata gua laha. Prisip yag meggarisbawahi metoe ii aalah pergeraka ari z oa asal ke zoa tujua berbaig lurus ega besarya bagkita lalulitas i zoa asal a juga tarika lalulitas i zoa tujua serta berbaig terbalik ega jarak (kemuaha) atara keua zoa tersebut.

Moel utuk perecaaa trasporta si biasaya ituruka ari prisip asar isika.1 Aalogi Metoe sitetis (iteraksi spasial) yag palig terkeal a serig iguaka a alah moel gravity (GR) karea sagat seerhaa sehigga muah imegerti a i guaka. Aka tetapi . atau pu biaya. s eagka massa apat igatika ega peubah seperti populasi atau bagkita a  tarika pergeraka. 1982. moel GR iyataka sebagai: Ti = k Oi O 2  i ega k aalah kostata (5. Pemikira bahwa iteraksi atara ua tata gua laha apat iartika  sama ega gaya tarik atau tolak paa moel gravity yag pertama kali iperke alka paa tahu 1850. Gu a Bates. Moel ii megguaka kosep gravity yag iperkealka oleh Newto pa a tahu 1686 yag ikembagka ari aalogi hukum gravitasi. moel gravity utuk trasportasi perkotaa pertama kali iguaka satu aba kemuia. Jai. mo el agregat lebih serig iguaka utuk peramala. paa buku ii. waktu. moel tiak agregat mejami hasil yag lebih tepat (lihat Daly. 5.apat iperkiraka ega mempelajari tigkat kemampua aya beli a luas pusat perbelajaa. yaitu paa tahu 1955 (Casey.7 Moel gravity (GR) 5.17) Dalam ilmu geograi. seperti hukum gravity a pri sip etropi. yag apat iy ataka ega: ega jarak atara keua massa tersebut. Meskipu. waktu.7. mi a m. Perecaaa a pemoela trasportasi . Daly et al.  i Fi = G mi m 2  i ega G aalah kostata gravitasi (5. Newto meyat aka bahwa (Fi) gaya tarik atau tolak atara ua kutub massa berbaig lurus  ega massaya. atau biaya sebagai ukura aksesibilita s (kemuaha). Carey et al (1981) a Carey a Revelli (1986) megguaka moel kebutuha lagsug yag meeragka bahwa parameter moel ikalibrasi ega megguaka ata arus lalulitas. kita haya membicaraka paa moel agregat karea jeis moel s eperti ii berpotesi baik a megutugka. gaya apat iaggap sebagai pergeraka atara ua aerah. Berbagai betuk moel isaraka utuk memperkiraka kebutuha tr asportasi.18) 176 Oyar Z Tami. utuk keperlua trasportasi. Aka tetapi. mulai ari moel agregat yag sagat seerhaa sampai ega peeka ta moel tiak agregat yag rumit. 1983). 1955). serta jarak. a berbaig terbalik kuaratis 2 . Metoe ii berasums i bahwa ciri bagkita a tarika pergeraka berkaita ega beberapa paramete r zoa asal. misalya populasi a ilai sel MAT yag berkaita juga ega akse sibilitas (kemuaha) sebagai ugsi jarak. Beberapa betuk moel sitetis iteragka secara lebih rici alam subbab berik ut ii. 1982.

yag terkait ega setiap zoa bagkita a tar ika.23) (5. meghasilka persamaa (5.  alam betuk matematis.18) meghasilka keyataa yag membigugka a merupaka kesalaha atal jika i guaka alam aspek trasportasi. pergeraka atara keua zoa meigkat empat kali sesuai e ga persamaa (5. tiak aa bukti yag meukug bahwa jarak memegag peraa yag sama alam sektor trasportasi [persamaa (5.24) ∑ ∑ Ti i  =T Ni a M aalah total pergeraka maksimum a T aalah total pergeraka yag i lakuka alam sistem tersebut.18). a batasa tersebut tiak apat ipeuhi oleh persamaa (5. seagka pejumlaha meurut ‘kolom’ me ghasilka total pergeraka yag meuju ke setiap zoa. Oleh karea itu. Sejauh ii. Jika salah satu ilai Oi a salah satu ilai D mejai ua kali. a biaya yag biasa isebut ugsi hambata atau hambata traspo rtasi. Utuk mejawab hal ii. 19) Walaupu kelihata realistis. moel GR apat iyataka sebagai: Ti ≈ Oi . persamaa (5.D .19).22) Ai = ∑ ( B D   i ) ∑ ( Ai O i  i )  i Selai itu.21) berikut: Ti  = Oi .20) ipeuhi jika iguaka kostata Ai a B. bila iteliti lebih mealam. persamaa yag membatasi Ti iperluka.(Ci) (5.20) Oi a D meyataka jumlah pergeraka yag berasal ari zoa i a yag berakhi r i zoa . ∑ Ti  = O i  a ∑ Ti i = D (5. Jai.B .D . waktu. Moel sebara pergeraka 177 . 1 1 a B  = (5. Jai.21) Keua persamaa pembatas (5.18). perlu iguaka betuk umum jarak.20). Dikataka bahwa perger aka atara zoa asal i a zoa tujua  berbaig lurus ega Oi a D a berbaig terbalik kuaratis terhaap jarak atara keua zoa tersebut.(Ci) (5.18)] se perti yag berlaku alam hukum isika Newto.Moel ii mempuyai beberapa hal yag perlu iperhatika.23): 0 ≤ ∑ Ti ≤ N i  a 0 ≤ ∑ Ti ≤ M  i (5. Pegembaga persamaa (5 . pejumlaha sel MAT meurut ‘baris’ meghasilka total pergeraka yag berasal ari setiap zoa.Ai . ega batasa persamaa (5. Kostata itu isebut aktor peyeimbag. sebearya pergeraka iperkiraka meigkat haya ua ka li. Dacey a Norclie (1977) megembagka moel sebara pergeraka e ga ua batasa ega batasa yag tiak terlalu megikat seperti yag ituju kka alam persamaa (5.

.

19) suah memeuhi batasa persamaa (5.6 c**( 2) 1.26) (5. Lamo a Stewart (1981) membuktika bahwa metoe Furess bisa ia pat sebagai kasus khusus ari metoe peyeimbag Bregma.4 Bentuk umum fungsi h m t n Sum er: Ortuz r nd Willumsen (1994) 178 Ofy r Z T min.25) (5.20). ya g ilaiya kemuia iguaka lagi utuk meghitug kembali ilai Ai. Robillar a Stewart (1974) a Erlaer (1978) membuktika bahwa proseur peyeimbag y ag iguaka oleh metoe Furess utuk meapatka ilai Ai a B paa keyata aya merupaka versi seerhaa ari metoe Newto.2 0 2 10 20 30 40 50 W ktu tempuh (menit) exp( 0.2 1 0. Perenc n n d n pemodel n tr nsport si .4.4 0. Hyma (1969) meyaraka tig a jeis ugsi hambata yag apat iguaka alam moel GR: • • • −α f (C id ) = C id (fungsi p ngk t) (fungsi eksponensi l neg tif) (fungsi T nner) (5.e −βC id f (C id ) = C id Bentuk umum ketig fungsi h m t n ini untuk nil i p r meter y ng er ed ed d p t dilih t p d g m r 5.01c) exp( 0.2 Fugsi hambata Hal yag terpetig utuk iketahui aalah i harus iaggap sebagai ukura aks esibilitas (kemuaha) atara zoa i ega zoa .Persamaa Ai a B iapatka secara berulag ulag a apat ega muah ice k bahwa Ti paa persamaa (5. Kita apat meghitug ilai B utuk setiap  ega megguaka persamaa (5.3c) c**(0.7.1c) 60 70 G m r 5.1c) exp( 0.20).5)exp( 0.4 1. 5.6 0.8 0. Selajutya. Proses i i iulagi sampai ilai Ai a B meghasilka ilai tertetu (koverge). Prose ur peyeimbag yag ilakuka mirip ega metoe Furess yag suah ibuktika oleh Evas (1970) aka selalu meghasilka ilai Ai a B ari setiap ilai aw al apa pu. f(Cij) 1.27) f (C id ) = e −β C id α .

y ng i s diken l deng n se r n p nj ng perger k n. Rute terpendek (d l m h l i y .5 Bentuk tipik l se r n p nj ng perger k n di d er h perkot n Deng n sem kin meningk tny j r k t u i y . Deng n meng cu p d g m r 5. Sec r pr ktis. Rute y ng memungkin k n d ri zon i dise ut pohon. d n w ktu) d ri zon i ke zon l inny dise ut ur i n pohon. y ng diikuti deng n sejuml h es r j r k meneng h. fungsi eksponensi l d n p ngk t cukup ik untu k mengg m rk n gi n k n n kurv se r n.7. Perkir n y ng s l h menye k n perkir n perger k n intr zon y ng s ng t k s r. Terlih t hw terd p t h ny sedikit perj l n n j r k pendek.18)] se perti y ng erl ku d l m hukum fisik Newton. Rute terse ut d l h rute y ng digun k n untuk menghitung h m t n tr nsport si. J di. y ng sel njutny mempeng ruhi perhitung n. tercep t. d ri zon s l ke zon tuju n. D ri zon s l ke zon t uju n d l m su tu sistem terd p t e er p kemungkin n rute. juml h perj l n n kem li menurun.Ni d n Md d l h tot l perger k n m ksimum d n T d l h tot l perger k n y ng di l kuk n d l m sistem terse ut.3 Se r n p nj ng perger k n Di s mping mengk li r si p r meter model ke utuh n k n tr nsport si. se r n ini mempuny i entuk umum seperti y ng d iperlih tk n p d g m r 5. d n i y y ng i s dise ut fungsi h m t n t u h m t n tr nspo rt si. Komputer di utuhk n untuk mem entuk pohon d ri zo n i k ren terd p t ny kny kom in si ru s y ng mengh silk n kemungkin n rute y ng s ng t ny k. tid k d ukti y ng mendukung hw j r k memeg ng per n n y ng s m d l m sektor tr nsport si [pers m n (5. Nil i h m t n tr nsport si i s ny di sumsik n se g i rute terpendek.4. 5. d n le ih khusus l gi d l m h l perj l n n deng n kend r n ermotor. t u termur h. Sej uh ini. h rus terd p t ny k sumsi untuk is mend p tk n j w n y ng en r. tet pi tid k untuk Model se r n perger k n 179 . j r k. seringk li diperluk n jug inform si se r n perj l n n y ng did s rk n p d p nj ng ( t u i y ) perj l n n. w ktu. 10 20 30 40 50 60 70 80 90 100120 W ktu perj l n n (menit) G m r 5.5. perlu digun k n entuk umum j r k. Khusus untuk perj l n n d l m d er h perkot n. H l y ng perlu mend p t perh ti n d l h h m t n tr nsport si intr zon . H l y ng p ling mungkin d l h deng n menghitung perger k n intr zon sec r terpis h d n kemudi n menghil ngk n perger k n terse ut d ri pemodel n u t m .

sed ngk n model PACGR dise ut model deng n du t s n (DCGR). Penjel s n di t s menunjukk n hw model ters e ut d p t diturunk n sec r heuristik deng n mengikuti n logi hukum gr vit si Newton. Se g i ilustr si. d eng n t s n ngkit n (PCGR). Model terse ut d p t ditulis k n se g i: Tid = Oi . erikut in i di erik n contoh perhitung n model UCGR.21)−(5. 5. Semu t s n ini tertu ng d l m pers m n (5. Kedu gi n ini d p t diw kili sec r ik deng n fungsi T nner . d l m rti hw model tid k dih rus k n mengh silk n tot l y ng s m deng n tot l perger k n d ri d n ke seti p zon y ng diperkir k n oleh t h p ngkit n perger k n.7.7. 5. Dd . Ter khir. Bd . Pers m n (5.28) Ai = 1 untuk seluruh i d n Bd = 1 untuk seluruh d. d n deng n t s n ngkit n t rik n (PACGR). Perenc n n d n pemodel n tr nsport si . Pertim ngk n d er h k ji n deng n 4 zon .13. Versi l in y ng diken l deng n model SCGR jug d p t dih silk n. y itu tot l perger k n y ng dih sil k n h rus s m deng n tot l perger k n y ng diperkir k n d ri t h p ngkit n pe rger k n. f(Cid) (5. Se r n p nj ng perger k n se ikny diket hui untuk d p t memperkir k n jenis fungsi h m t n y ng p ling cocok untuk digun k n.13 B ngkit n d n t rik n perger k n p d seti p zon Zon 1 2 3 4 Dd 300 200 150 350 1 2 3 4 Oi 200 300 350 150 1.22) y ng merup k n pers m n model GR y ng sering digun k n.22) diken l se g i model DCGR. T el 5. m k entuk model l in k n dih s ilk n y ng i s dise ut deng n model ACGR. deng n t s n t rik n (ACGR). Sel njutny .1 Model UCGR Model ini sedikitny mempuny i s tu t s n. Deng n menet pk n nil i Bd = 1 untuk semu d untuk menghil ngk n t s n ngkit n perger k n (Oi).21)−(5.4 Jenis model gr vity Seperti tel h dijel sk n terd p t 4 jenis model GR y itu t np t s n (UCGR). D ri h sil t h p ngkit n perger k n diperkir k n terj di ngkit n d n t rik n d ri seti p zon seperti terlih t p d t el 5. deng n menet pk n nil i Ai = 1 untuk semu i untuk menghil ngk n t s n t rik n perger k n (Dd). Model ini ersif t t np t s n.000 180 Ofy r Z T min. gi n kiriny . Ai .4. m k model PCGR is dih silk n. deng n meng ik n t s n ngkit n d n t rik n. dih silk n model UCGR. Model PCGR d n ACGR sering dise ut model deng n s t u t s n (SCGR).

..B4.005310 0.035674 0..14 M triks i y (Cid) Zon 1 2 3 4 1 5 15 55 25 2 20 10 25 15 3 35 50 10 45 4 50 25 30 5 Deng n meng ngg p fungsi h m t n mengikuti fungsi eksponensi l neg tif.008549 0.O4.exp(−βC11) T12 = A1.. T el 5.O1..000 3 6 2 114 2 124 150 1.B2.D4.000 2 33 130 36 40 240 200 0.239651 3 0. perk li n erikut dil kuk n untuk seti p se l m triks untuk mend p tk n m triks khir seperti terlih t p d t el 5...842 1..000 4 3 54 39 183 280 350 1.15 M triks exp(−βCid) 1 0.092462 0..14.exp(−βC12) .148858 0.. terd p t jug inform si mengen i ksesi ilit s nt rzon y ng d p t erup j r k. .095 . . T44 = A4.000 Oi 200 300 350 150 .exp(−βC44) T el 5..D2.B1..249 1.O1..621145 0. did p t m triks exp(−βCid) seperti terlih t p d t el 5..215 1...092462 0. T11 = A1..057433 0.. T el 5. .092462 Zon 1 2 3 4 2 0.239651 0.16 MAT khir h sil model UCGR Zon 1 2 3 4 dd Dd Ed Bd 1 209 121 3 23 356 300 0. d n i y perj l n n nt rzon seperti y ng terlih t p d t el 5.008549 0.385821 0.28).834 1.621145 Deng n menggun k n pers m n (5..D1.385821 0.... w ktu tempuh.013764 4 0.000 oi 252 307 192 248 1.16.15 deng n meng ngg p nil i β = 0.Sel in itu.

000 1.976 1. persy r t n y ng diperluk n d l h tot l perger k n y ng dih silk n model (t) Model se r n perger k n 181 .604 Ai 1.Ei 0.000 Sec r ringk s.000 1.000 1.794 0. Ak n tet pi.000 1. untuk model UCGR. juml h ngkit n d n t rik n y ng dih silk n t id k h rus s m deng n perkir n h sil ngkit n perger k n.818 0.

5.exp(−βC23)+B4..7. seti p sel m triks d p t dihitung deng n menggun k n pers m n (5..000 Ai 0... terlih t jug hw tot l perger k n y ng er s l d ri .. y itu tot l perger k n y ng dih silk n model (t) h rus s m deng n tot l perger k n y ng did p t d ri h sil ngkit n perger k n (T).00339 1....... A1=1/[B1. 22) untuk seti p zon tuju n i. .... tot l perger k n glo l h sil ngkit n perger k n h rus s m d eng n tot l perger k n y ng dih silk n deng n pemodel n... Sel in itu..h rus s m deng n tot l perger k n y ng did p t d ri h sil ngkit n perger k n (T)..........D2.000 4 3 53 72 110 238 350 1.000 Oi 200 300 350 150 Ei 1.. ....D4....exp(−βC11)+B2.000 3 5 2 207 1 214 150 0... Terlih t hw tot l perger k n y ng er s l seti p zon s l d n tot l per ger k n y ng tert rik ke seti p zon tuju n tid k s m deng n tot l perger k n ( ngkit n d n t rik n) y ng diperkir k n oleh t h p ngkit n perger k n.D3...000 1..exp(−βC14)] A2=1/[B1.. tet pi deng n sy r t t s y ng er ed .exp(−βC22)+B3.17 MAT khir h sil model PCGR Zon 1 2 3 4 dd Dd Ed Bd 1 166 118 6 14 304 300 0... ngkit n perger k n y ng dih silk n model h rus s m deng n h sil ngkit n perger k n y ng diingink n.821 1....17. A4=1/[B1.. y itu: Bd = 1 untuk seluruh d d n Ai = 1 untuk seluruh i ∑ ( Bd Dd f id ) d D l m model UCGR.. Ak n tet pi. Untuk jenis ini ....exp(−βC12)+B3.exp(−βC41)+B2...28)...000 Terlih t hw persy r t n w l dipenuhi.000 1.... egitu jug .D1... Ak n tet pi....470 1...exp(−βC43)+B4...28) sehingg mengh silk n m triks khir seperti p d t el 5.O4... t rik n perger k n tid k perlu s m .exp(−βC24)] .699 1....000 1......D2..D4.. T el 5.4..... konst nt Ai dihitung sesu i deng n pers m n (5.D3.. p d model PCGR....00547 0....01020 0.exp(−βC42)+B3....... model y ng digun k n persis s m deng n pers m n (5.... Konst nt ini mem erik n t s n hw tot l ‘ ri s’ d ri m triks h rus s m deng n tot l ‘ ris’ d ri m triks h sil t h p ngkit n per ger k n...987 1...exp(−βC44)] S l h menghitung nil i Ai untuk seti p i.D1..000 oi 200 300 350 150 1.. exp(−βC21)+B2.....2 Model PCGR D l m model ini..exp(−βC13)+B4.... nil i Ai = 1 untuk seluruh i d n nil i Bd = 1 untuk seluruh d.D3.........00446 0.D2....000 2 27 127 66 23 244 200 0..

182 Ofy r Z T min. Perenc n n d n pemodel n tr nsport si .

O3.......28)..O2.. terlih t jug tot l perger k n y ng menuju ke seti p zon s l sel lu s m deng n tot l perger k n (y ng tert rik) y ng dih silk n oleh t h p ngkit n perger k n.069 1....000 0..exp(−βC21)+A3..000 1. B4=1/[A1.. seti p sel m triks d p t dihitung deng n menggun k n pers m n (5...00468 3 7 3 138 2 150 150 1..O2. model y ng digun k n persis s m deng n pers m n (5...... B1=1/[A1 ....000 0.....18..000 1.exp(−βC34)+A4. T el 5........7...00681 4 4 68 49 228 350 350 1... tet pi deng n sy r t t s y ng er ed .. konst nt Bd dihitung sesu i deng n pers m n (5.O4.O1..22) untuk seti p zon tuju n d....O3.... 5... Se likny ....exp(−βC31)+A4... Untuk jenis ini..4........000 Terlih t hw sel in persy r t n w l dipenuhi.exp(−βC41)] B2=1/[A1..exp(−βC44)] Setel h menghitung l i Bd untuk seti p d.exp(−βC42)] .....000 0. Konst nt ini mem erik n t s n hw tot l ‘kolom’ d ri m triks h rus s m deng n tot l ‘kolom’ d ri m triks h sil t h p ngkit n perger k n.18 MAT khir h sil model ACGR Zon 1 2 3 4 dd Dd Ed Bd 1 176 102 3 20 300 300 1.. Deng n k t l in..........000 0.. ngkit n perger k n y ng did p t deng n pemodel n ti d k h rus s m .O1. y itu: 1 untuk seluruh d Ai = 1 untuk seluruh i d n B d = ( A ∑ i O i f id ) i P d model ACGR.528 Ai 1.3 Model ACGR D l m h l ini...exp(−βC14)+A2.590 0...000 1.exp(−βC11)+A2... tot l perger k n sec r glo l h rus s m d n jug t rik n perger k n y ng did p t deng n pemodel n h rus s m deng n h sil t rik n perger k n y ng diingink n.00472 2 28 108 30 34 200 200 1...seti p zon s l h rus sel lu s m deng n tot l perger k n (y ng di ngkitk n) y ng diperkir k n oleh t h p ngkit n perger k n....000 1.. ..O4.000 Oi 200 300 350 150 Ei 0.exp(−βC12)+A2....00701 oi 215 281 220 284 1..929 1...exp(−βC32)+A4... y itu tot l perger k n y ng dih silk n model (t) h rus s m deng n tot l perger k n y ng did p t d ri h sil n gkit n perger k n (T)...O3....28) sehingg mengh silk n m triks khir seperti p d t el 5....... tot l perger k n h sil pemodel n y ng menuju ke su tu zon h rus s m deng n tot l perger k n h sil ngkit n perger k n ke zon terse ut....O4... 2)+A3..O1. Model se r n perger k n 183 ..........exp(−βC24)+A3.

.

H l ini h ny k n erpeng ruh p d juml h pengul ng n untuk menc p i konvergensi . Sem kin es r per ed n nt r nil i w l deng n nil i khir.01020 0.97599 0. tet pi deng n sy r t t s: Bd = 1 untuk semu d d n Ai = ∑ ( Ai O i f id ) i 1 untuk semu i ∑ ( Bd Dd f id ) d Kedu f ktor penyeim ng (Ai d n Bd) menj min hw tot l ‘ ris’ d n ‘kolom’ d ri m tri ks h sil pemodel n h rus s m deng n tot l ‘ ris’ d n ‘kolom’ d ri m triks h sil ngki t n perger k n.82103 0.47032 1.01152 0. H sil khir jug tid k terg ntung p d nil i w l.69935 0. pengul ng n dimul i deng n m eng ngg p nil i w l B1 = B2 = B3 = B4 = 1.00240 0. Seperti y ng tel h diter ngk n.00446 0.59983 B4 1.80892 0. proses pengul ng n nil i Ai d n Bd dil kuk n sec r erg nti n.00547 0.80853 B3 1.60844 1.01186 0.00539 Seles i A3 0.000 0. ngkit n d n t rik n perger k n h rus 5.00243 0.97663 B2 1.000 0. nil i Ai untuk seti p i d n nil i Bd untu k seti p d tid k l gi meng l mi peru h n ( t u tel h menc p i konvergensi).01196 Seles i A4 0.80843 0. m k seti p sel m triks d p t dihitung deng n menggun k n pers m n (5. D l m ilustr si ini.60477 0.97663 .00462 0.000 0.28).00467 seles i A2 0.28) se hingg mengh silk n m triks khir seperti y ng terlih t p d t el 5.00339 0.D l m h l ini.00540 0.00547 0.00258 0.000 0.7.60088 0.20. Nil i w l d p t erup nil i er p s j s l le ih es r nol.98725 0.00240 seles i B1 1. T el 5. Set el h terc p i konvergensi deng n mend p tk n nil i Ai d n Bd untuk seti p i d n d.01194 0.62177 0.97645 0.000 1. T el 5.60876 Pengul ng n 0 2 4 6 8 10 Terlih t hw p d pengul ng n ke 10.19 memperl ih tk n nil i Ai d n Bd p d seti p pengul ng n.58355 1.20 MAT khir h sil model DCGR (setel h pengul ng n ke 10) Zon 1 2 3 4 dd Dd Ed Bd 1 170 114 7 10 300 300 1.4 Model DCGR sel lu s m deng n y ng dih silk n oleh t h p ngkit n perger k n.4.00467 0.19 Nil i Ai d n Bd y ng did p t p d seti p pengul ng n Pengul ng n 1 3 5 7 9 11 A1 0. sem kin ny k j uml h pengul ng n y ng di utuhk n untuk menc p i konvergensi. H sil khir k n sel lu s m .00542 0. d ri m n pun pengu l ng n dimul i (‘ ris’ t u ‘kolom’).80849 0.60505 1. Model y ng digun k n persis s m deng n pers m n (5.97532 0.00468 0. T el 5.

000 Ai 0.000 1.80853 3 3 1 145 0 150 150 1.00467 0.00539 0.000 1.000 0.000 1.59983 4 4 84 135 126 350 350 1.000 0.01196 0.000 184 Ofy r Z T min.60876 oi 200 300 350 150 1.000 1. Perenc n n d n pemodel n tr nsport si .000 Oi 200 300 350 150 Ei 1.2 22 101 63 14 200 200 1.00240 1.

sem kin sedikit ju ml h pengul ng n y ng di utuhk n. perger k n er sis rum h i s ny menggun k n model PCGR t u model DCGR. tid kl h mud h untuk mem s tik n er p perj l n n y ng k n menuju ke zon terse ut. Jik r m l n ngkit n d n t rik n perger k nny er ed . pers m n model ACGR i s ny le ih tep t k ren erd s rk n p d peu h y ng mud h dihitung (mis lny popul si). Ak n tet pi. Ak n tet pi. H l itu d p t eru h deng n dil kuk nny peru h n sistem tr nsport si. i y tid k l gi menj di h m t n. Sec r umum.000 m2 temp t per el nj n d l m su tu zon .Juml h pengul ng n s ng t terg ntung p d nil i w l f ktor penyeim ng.5 S t penggun n model gr vity Bi s ny . Oleh k ren itu. Untuk tuju n perj l n n se perti d ri rum h ke temp t kerj d n d ri rum h ke sekol h. d p t dip stik n h w t ksir n ngkit n d n t rik n perger k n k n le ih tep t di ndingk n deng n tuju n perj l n n l in. untuk jenis perger k n ini. K d ng k d ng i y komputer jug menentuk n pemilih n jenis mo del. jik ter d p t 10. Sem kin dek t nil i w l terse ut ke nil i khir f ktor penyeim ng. tid k mud h mer m lk n t rik n perger k n sec r tep t. H rus diperh tik n hw (Jones. 1977): • • • model UCGR tid k mempertim ngk n ‘s ing n’ d ri zon l in sel in z on i. ik untuk tuju n ekerj m upun pendidik n. jik l p ng n pekerj n p d su tu zon tertentu d p t diperkir k n deng n ik. terut m d l m h l kecep t n proses. jik inform si survei ik d n tersedi . Deng n k t l in.000 perger k n y ng tert rik ke zon terse ut. Deng n k t l in. y ng jel s k n mengu h ks esi ilit s d ri zon terse ut d n mengu h hu ung n nt r lu s l nt i deng n t rik n perger k n.7. tet pi tid k memperhitungk n permint n pem k i j l n l in di zon s l. Model DCGR serin g digun k n untuk memodel perger k n er sis rum h. n gkit n perger k n er sis rum h le ih d p t diy kini ke en r nny di ndingk n deng n t rik n perger k n. d p t dik t k n k n terd p t 1. m k perger k n ( ekerj ) ke d er h terse ut k n d p t dir m lk n jug deng n ik. Model se r n perger k n 185 . Contoh l s n y ng s ng t sederh n d l h: jik terd p t 1. model SCGR memungkink n pem k i j l n memilih ltern tif zon tuju n. Sec r umum. model jenis DCGR s ng t ik untuk digun k n. d ri m n pun merek er s l. deng n kem ju n teknologi komputer y ng pes t. tid k d l s n menggun k n model y ng h r us mend p tk n tot l ‘ ris’ d n ‘kolom’ y ng s m sehingg d p t dipilih model y ng le ih sederh n y ng mungkin le ih ik d n le ih mur h. 5. se ikny model DCGR y ng digun k n p d k sus y ng r m l n ngkit n d n t rik n perger k nny cukup ik di m s mend t ng. model DCGR mempertim ngk n kelem h n kedu jenis model terse ut di t s. w l upun lu s l nt i d p t dir m lk n deng n tep t.000 l p ng n pekerj n d l m su tu zon . d l m ke ny k n k ji n. mis lny d ri rum h ke temp t el nj . Ak n tet pi.

22). H l se likny . jik nil i β = 0. er p pun n il i Cid y ng digun k n. B ny k peneliti erpend p t hw p r meter β d p t mengg m rk n i y r t r t perj l n n di d er h k ji n terse ut. d n Dd diket hui. Ditunjukk n hw jik nil i β meningk t tid k terhingg . Untuk perger k n er sis uk n rum h. metode n logi merup k n k sus kh usus d ri metode sintetis. 5. m k untuk nil i β = 0. deng n k t l in. J di. Al s n l in pengg un n model UCGR t u SCGR d l h k ren d t y ng tid k cukup. pers m n (5. ik mo del PCGR m upun ACGR tid k i s ny d p t dir m lk n sec r p sti sehingg model UCGR ( t u model f ktor pertum uh n) y ng i s ny digun k n. k ren ketep t n d t tid k egitu ik. 1988 c): jik model GR erjenis DCGR mempuny i fungsi h m t n eksponensi l neg tif. B t s n pers m n (5.22) d p t digun k n untuk menget hui nil i Ai nd Bd. mis l ny untuk kot y ng tum uh d n eru h deng n cep t. y itu jik nil i β = 0. model GR terse ut k n erper il ku persis s m deng n metode Furness. 186 Ofy r Z T min. Ev ns (1971) mem uktik n hw intuisi p r peneliti terse ut en r k ren nil i i y r t r t perj l n n menurun de ng n mem es rny nil i p r m ter β. p ngk t d n T nner. Ad h l penting y ng perlu d ic t t di sini (T min.Model PCGR d p t digun k n untuk perger k n er sis rum h deng n er g i tuju n perger k n. d p t disimpulk n hw metode Furness (metode n logi) merup k n ke lu rg d ri metode sintetis. Perenc n n d n pemodel n tr nsport si . Proses pen ksir n nil i p r meter β i s diken l deng n proses k li r si model. mis lny kot di Indonesi . sem ki n kecil nil i i y r t r t perj l n n. D l m e er p d er h k ji n y ng i s ny erkem ng deng n cep t. jik nil i β menurun tid k terhingg . m k setel h nil i β diket hui. Jik kit sumsik n h ny menggun k n p r meter β (fungsi eksponensi l d n p ngk t). i y r t r t perj l n n k n mendek ti nil i minimum ( t s w h) y ng sesu i deng n pers m n (5.22) p d d s rny merup k n t s t s d n t s w h d ri i y r t r t perj l n n di d er h terse ut . sem kin es r nil i β. i y r t r t perj l n n k n mendek ti t s t s (m ksimum) y ng sesu i deng n t s n terse ut. Oi. mi s lny tuju n el nj d n isnis. tid kl h egitu penting menget hui jenis model GR y ng perlu digun k n. Perger k n untuk tuju n tertentu itu kem udi n dijuml hk n d n mengh silk n tot l perger k n untuk semu tuju n perger k n.6 K li r si model gr vity Jik Cid. p r meter model GR y ng tid k diket hui h ny l h p r meter α d n β jik dipertim ngk n fungsi eksponensi l. t u ketep t n h sil tid k egitu diperm s l hk n untuk k ji n perenc n n j ngk p nj ng. sed ngk n model ACGR le ih mud h dispesifik si d n dik li r si.7. D p t disimpulk n hw k j i n tr nsport si mungkin menggun k n model GR deng n jenis y ng er ed ed unt uk tuju n perger k n y ng er ed ed . m k nil i exp(−βCid) k n sel lu s m deng n s tu [exp(−βCid) = 1]. Ini k ren .

Bel k ng n ini cukup ny k peneliti n y ng dil kuk n untuk mempel j ri teori y ng terk it deng n proses k l i r si model tr nsport si perkot n sec r umum d n model GR sec r khusus. K ren prosedur d l m proses k li r si menggun k n j s komputer se g i l t ut m . se r n ini di ndingk n deng n se r n p nj ng perj l n n h sil peng m t n. kemudi n menghitung model GR d n mend p tk n se r n p nj ng perj l n n h sil pemodel n.Perm s l h n y ng tim ul d l m proses k li r si p r meter model GR mendorong p r peneliti untuk mengk jiny deng n le ih mend l m. Be er p teknik k li r si tel h dikem ngk n d n digun k n p d e er p p ket progr m. Metode ini d p t dijel sk n seperti erikut. Tot l m triks ini mengh silk n ∑ ∑ Tid (β ) = T(β ).6. d n tep t y ng tid k memerluk n memori komputer y ng es r. nil i β ru h rus digun k n d n prose s diul ngi l gi s mp i per ed n kedu se r n itu s ng t kecil. Jug . Berikut ini diter ngk n e er p metode y ng d p t digun k n untuk mengk li r si p r met er model GR.7. Angg p tel h tersedi m tr iks Tid(β) se g i fungsi d ri (β). Kemudi n. sederh n . 5.2 Metode Hym n Be er p teknik y ng ik diper ndingk n oleh Willi ms (1975) y ng menyimpulk n hw teknik y ng dikem ngk n oleh Hym n (1969) d l h teknik y ng p ling efis ien d n p ling mud h digun k n. pendek t n ini s ng t tid k pr ktis k ren menghitung model GR jeni s DCGR mem utuhk n w ktu y ng cukup l m d n tid k diket hui c r memilih nil i β y ng ru jik nil i β y ng l m tid k memenuhi sy r t. I erkesimpul n hw nil i f ktor penyeim ng h rus dipilih sehingg tot l ‘ ri s’ d n ‘kolom’ d ri sel MAT s m deng n proporsi h sil peng m t n p d seti p ‘ ris’ d n ‘k olom’. Jik m sih terd p t per ed n nt r kedu se r n terse ut. Ak n tet pi. Ini k ren m s l h ut m y ng dih d pi d l h ketep t n p r meter. 1 Mul il h pengul ng n pert m deng n meny t k n m = 0 d n me nentuk n nil i w l β0 = 1/c*. p r meter β h rus dipilih sehingg i y r t r t perj l n n y ng did p t d ri peng m t n s m deng n y ng dih silk n d l m proses pemodel n. m k s ng t di utuhk n proses k li r si y ng cep t.7. Hym n mengusulk n metode y ng did s rk n p d pe ndek t n B yes d l m penurun n kriteri pengk li r si n. Model se r n perger k n 187 .1 Metode sederh n Pendek t n y ng s ng t sederh n ‘meminj m’ nil i β.29) d l h i y r t r t d ri se r n p nj ng perger k n h sil peng m t n d n Ni c d d l h juml h perger k n d ri seti p p s ng n zon .6. 5. Met ode ini did s rk n p d persy r t n β erikut: i d c (β ) = ∑ ∑ [Tid (β )c id ]/ T(β) = c i d i d i d = ∑ ∑ (N id C id ) / ∑ ∑ N id (5. Berikut ini diter ngk n sec r singk t metode Hym n terse ut. tet pi proses pengumpul n d t ny mur h.

D p tk n i y r t r t cm d n ndingk n nil i terse ut deng n c*. hitung nil i β ru deng n pers m n er ikut: 3 β 1 = c1β / c * t u jik m ≥ 1.31) d p t disederh n k n deng n urut n penyederh n n seperti p d pers m n (5. Fungsi h m t n eksponensi l neg tif Pertim ng k n su tu model gr vity y ng mempuny i fungsi h m t n eksponensi l neg tif sepe rti terlih t p d pers m n (5. Tid exp(− β C id ) = (5.B d . Dd ) − β C id 188 Ofy r Z T min. exp(− β C id ) (5. Perenc n n d n pemodel n tr nsport si .32) Ai . proses tr nsfo rm si line r di utuhk n untuk mengu h fungsi tid k line r menj di fungsi line r . jik tid k.33) (5.O i . Hym n (1969) menyimpulk n hw nil i β is jug did p t sec r empiris deng n pe rs m n erikut: k (5. hitung m triks deng n menggun k n model GR. s mp i konvergensi terc p i. Dd (5. Sec r umum.35).29). 4 Ul ngi t h p 2 d n 3 seperti disy r tk n. proses dihentik n d n ny t k n βm−1 se g i nil i β ter ik.35) − β C id = log e Tid − log e (Ai .32)−(5.7. Bd . terusk n ke t h p 3. Dd .30) β= C id deng n: k = 2 ~ 3 Cid = r t r t nil i C id 5.2 Bu t m = m+1.O i . deng n menggun k n nil i βm−1.31) Pers m n (5. d p tk n nil i β ru deng n pers m n: β m +1 = (c * − c m −1 )β m −1 − (c m )β m c m − c m −1 Perhitung n t h p 3 dil kuk n untuk menj min dipenuhiny pers m n (5.31). Tid = Ai . metode n lisisregresi k n digun k n untuk mengk li r si p r met er model y ng tid k diket hui.34) (5. Dd Tid log e (exp(− β C id )) = log e Ai . Bd . Sel in itu.6. Bd .O i .3 Metode n lisis regresi line r Metode n lisis regresi line r d p t digun k n untuk mengk li r si p r meter mod el gr vity y ng merup k n su tu fungsi tid k line r. Sel njutny . Bd .O i .O i . Jik m = 1. jik p er ed n cukup kecil. Dd ) log e Tid = log e (Ai .

C id . pers m n (5. Dd . Nil i Ai d n Bd ditentuk n sesu i deng n jenis t s n model gr vity y ng digun k n (UCGR. Dd ) − β log e C id Deng n mel kuk n tr nsform si line r. exp(− β C id ) (5.C id Model se r n perger k n 189 . SCGR. Bd .O i .38) (5. Dd ) log e Tid = log e (Ai . −β Tid = Ai . Deng n menget hui inform si [Tid ] d n [C id ]. p r meter A d n B d p t dihitung d n dih silk n e er p nil i se g i erikut: Β = −β d n A = lo g e (Ai .40) − β log e C id = log e Tid − log e (Ai . Dd . m k deng n menggun k n n lisis regresi line r (lih t pers m n 2. Tid = Ai .C id −β (5.O i .37)−(5.7). m k deng n menggun k n n lisis regresi line r (lih t pers m n 2.B d .B d . −β .6 d n 2.O i .42)−(5. Nil i Ai d n Bd ditentuk n sesu i deng n jenis t s n model gr vity y ng diingink n (UCGR. exp(− β C id ) (5.40) d p t disederh n k n d n ditulis kem li se g i pers m n line r Y = A + BX deng n meng sumsik n log e T id = Y d n log e C id = X . pers m n (5.41) Pers m n (5.6 d n 2. Fungsi h m t n p ngk t D l m h l ini. pers m n (5.41) d p t disederh n k n deng n urut n penyederh n n seperti tertu lis p d pers m n (5. t u DCGR). model gr vity y ng mempuny i fungsi h m t n p ngk t d p t din y t k n se g i pers m n (5.Bd . Bd .39) (5. Dd . t u DCGR). SCGR.O i . Deng n menget hui inform si [Tid ] d n [C id ]. Tid −β (5.41).46). Dd ) . Dd (5.36) S m deng n model gr vity erfungsi h m t n eksponensi l neg tif. Dd log e C id −β Tid = log e Ai . Bd .36). 36) d p t disederh n k n deng n urut n penyederh n n seperti tertulis p d pers m n (5. model gr vity erfungsi h m t n T nner d p t diny t k n s e g i pers m n (5. p r m eter A d n B d p t dihitung d n dih silk n e er p nil i se g i erikut: Β = −β d n A = log e (Ai .35) d p t disederh n k n d n ditulis kem li se g i pers m n line r Y = A + BX deng n meng sumsik n log e T id = Y d n C id = X .40).O i .O i .O i . c Fungsi h m t n T nner D l m h l ini. Dd ) . Bd .O i . Bd .7).37) C id = Ai .Deng n mel kuk n tr nsform si line r.O i . Bd .42) Tid = Ai .

O i .4 Metode pen ksir n ku dr t terkecil (KT) T min (1985. Dd (5. t u DCGR). Bd .46) d p t disederh n k n d n ditulis kem li se g i pers m n line r Y = A + BX deng n meng sumsik n log e T id = Y d n log e C id + C id = X . D ri pers m n (5.43) Tid −β log e C id . T min (1985 .27) d p t dilih t hw p r meter y ng dik li r si (α d n β) tid k erhu ung n line r deng n juml h perj l n n (Tid).45) (5.25)−(5. Dd ) − β(log e C id + C id ) Deng n mel kuk n tr nsform si line r. exp(− β C id ) = C id Tid Ai . y itu metode Ku dr t Terkeci l Tid k Line r (KTTL) d n metode Ku dr t Terkecil Tid k Line r Ber o ot (KTTLB). Bd .7. d n ny k digun k n untuk mengk li r si p r meter y ng tid k diket hui. Ide seperti ini tel h diken l lu s di k l ng n hli st tistik.O i .O i .1986) menggun k n metode seperti ini untuk men ksir MAT d r i d t rus l lulint s untuk ngkut n r ng di Bio Bio (Chile). exp(− β C id ) = log e Ai . 190 Ofy r Z T min. m k deng n menggun k n n lisis regresi line r (lih t pers m n 2. 5. Bd . Dd ) log e Tid = log e (Ai .46) − β log e C id − β C id = log e Tid − log e (Ai . Deng n menget hui inform si [Tid ] d n [C id ]. p r meter A d n B d p t dihitung d n dih silk n e er p nil i se g i erikut : Β = −β d n A = log e (Ai .44) (5. Perenc n n d n pemodel n tr nsport si .Bd . sehingg sec r le ih spesifik meto de y ng digun k n ini d p t dise ut deng n metode Ku dr tTerkecil Tid k Line r ( KTTL). Nil i Ai d n Bd ditentuk n sesu i deng n jenis t s n model gr vity y ng digun k n (UCGR. deng n h sil y ng s ng t memu sk n.6. pers m n (5.6 d n 2.Bd .O i . T min (1988 ) jug mel kuk n h l y ng s m untuk k sus perg er k n kend r n di d er h perkot n di kot Ripon (Inggris) d n T min nd Willu msen (1988 ) d n T min nd Soegondo (1989) untuk k sus perj l n n ngkut n r n g nt rkot di pul u B li. h sil peng m t n (T id Ide ut m metode pen ksir n ini d l h mengk li r si p r meter y ng tid k diket hui deng n meminimumk n ku dr t d ri selisih nt r h sil pemodel n deng n d t peng m t n.7) .1988 ) mener ngk n metode k li r si p r meter model GR deng n d s r pemikir n menggun k n pendek t n ku dr t terkecil sehingg simp ng n t u selis ih nt r se r n perger k n y ng dihitung d ri pemodel n (Tid ) deng n y ng did p t d ri ˆ ) mem erik n h rg y ng minimum. Deng n mel kuk n sedikit modifik si. Dd ) .O i . Dd ( ) (5. SCGR. metode KTTL ini sel njutny d p t di gi l gi menj di du kelompok.−β .

. xN ini? Deng n k t l in... metode pen ksir n KTTL ini d p t ditulisk n se g i erikut: 1 ˆ 2 meminimumk n S = ∑ ∑ Tid − T (5. D ri sekumpul n d t x1. .6. .. x2. Metode Newton−R phson y ng dikom in sik n deng n teknik elimin si m t riks sederh n is digun k n untuk menyeles ik n pers m n terse ut. 5.θ) deng n θ d l h p r meterny . Metode pen ksir n kemirip n m ksimum ini d l h s l h s tu metode y ng ny k digun k n oleh p r hli st tistik untuk menentuk n p r meter fungsi. t u α d n β jik fungsi T nner) d p t dil kuk n deng n mem u t turun n pert m S terh d p p r meter terse ut s m deng n nol.. er p k h nil i θ y ng mem ksimumk n kemirip n untuk mend p tk n sekumpul n d t t di? Kemungkin n untuk mend p tk n nil i d t xi tertentu d p t di sumsik n er ndin g lurus deng n nil i fungsi kep d t n pelu ng p d nil i xi terse ut. Jik fungsi h m t n y ng digu n k n d l h fungsi T nner.47) id & i d T ( ) ˆ untuk KTTLB & =T & = 1 untuk KTTL d n T T id Mend p tk n nil i p r meter y ng ti d k diket hui (β jik fungsi h m t nny d l h fungsi eksponensi l t u fungsi p ngk t.Bil digun k n metode KTTLB. kemungkin n untuk mend p tk n d t x1. x2... Sec r m tem tis.5 Metode pen ksir n kemirip n m ksimum (KM) T min (1988 ) jug mener ngk n penggun n pendek t n kemirip n m ksimum d l m m engk li r si p r meter model GR. nil i p r meterny is did p t d ri: 1 ∂S ˆ ∂Tid = f α = d − T =0 id & ∂α ∂α i d T (5.. . Deng n teo ri fungsi kep d t n pelu ng g ung n.48) d l h sistem pers m n simult n deng n du p r meter y ng tid k diket hui.7. o ot y ng digun k n d l h ke lik n d ri juml h d t perj l n n y ng di m ti.x2. is di juk n pert ny n: er p k h nil i θ y ng p ling mungkin y ng d p t mengh silk n sekumpul n d t x1. d ri semu nil i θ y ng mungkin.48) ∂S 1 ˆ ∂Tid = f β = ∑ ∑ 2 Tid − T = 0 ( ) ( ) Pers m n (5. Pem c y ng ingin mend p t penjel s n le ih rinci mengen i metode pen ksir n kemirip n m ksimum dis r nk n mem c Edw rds (1972). xN y ng merup k n nggot peu h c k x deng n fungsi kep d t n pelu ng f(x.. xN d l h: Model se r n perger k n 191 .

.θ) = ∏ f (x i . persy r t n untuk mend p tk n nil i pen ksir n deng n kemirip n m ksimum d l h: nil i pen ksir n deng n kemirip n m ksimum (pen ksir kemirip n m ksimum) d ri θ d l h nil i θ y ng mem ksimumk n fungsi kemirip n L x 1 .. θ ) = ∑ log e f (x i . 2 s mpel er d p d kel s ke 2.. M etode pen ksir n kemirip n m ksimum jenis I (KM 1) D l m pener p n deng n juml h frekuensi d t y ng cukup ny k seperti p d d t se r n perger k n nt rzon d l m s tu wil y h k ji n. x N ... x N ..f(xN. θ ( ) Se g im n p d metode pen ksir n KTTL se elumny . S ! (5.θ). terd p t S kel s d t .. K ren fungsi L er ent uk perk li n.[ pS ( θ)] S [ ] [ ] (5. Oleh k ren itu. x N .. d n pelu ng d t er d p d kel s ke i d l h pi. p2 . .. . se r n y ng cocok d l h se r n multinomi l... p 1 (θ ) 1 . Pelu ng untuk mend p tk n 1 d ri sejuml h N s mpel er d p d kel s ke 1. uk n se r n inomi l. θ ) i =1 N (5.51) (5..53) Nil i pi d p t diny t k n se g i fungsi s tu t u le ih p r meter y ng d p t di l m ngk n deng n θ sehingg fungsi kemirip n d ri θ untuk sejuml h s mpel tertentu y ng mengikuti se r n multinomi l d p t ditulis se g i: L(θ ) = k . J di. θ ) =0 ∂θ ∂ log e L(x 1 . θ ) s m deng n nol. θ ) i =1 N (5....f(x2. θ ) =0 ∂θ t u (5.54) .. xN .52) Dijel sk n jug d l m T min (1988 ) hw tel h dikem ngk n du versi metode p en ksir n kemirip n m ksimum y ng k n diter ngk n sec r rinci erikut ini. θ ) = f(x1.L(x1 . . . d n sec r umum se ny k i s mpel er d p d kel s ke i... ∂L(x 1 . untuk jenis d t ini.. x N . pS 1 ! 2 ! 3 !. Angg pl h juml h perj l n n nt rzon m engikuti se r n multinomi l. .. p3 .. x N ..49) y ng dise ut fungsi kemirip n d ri d t x1.. nil i p r meter θ d p t dic ri deng n mem u t turun n d ri L(x 1 . p 2 (θ ) 2 .50) Sec r form l. d p t didug hw juml h kel s d t le ih es r d r ip d du .θ).. Penurun n se r n multinomi l d p t diny t k n se g i: N! 3 S 1 2 p1 ..... menj di le ih mud h jik meny t k nny d l m entuk log ritm ny : loge L(x 1 . . x2. . xN..

Perenc n n d n pemodel n tr nsport si .192 Ofy r Z T min.

tuju n y ng diny t k n d l m pers m n (5.58) d n meng m il fungsi log ritm n tur lny .57) Akhirny . Oleh k ren itu. metode i ni k n menc ri nil i p r meter θ y ng mem ksimumk n fungsi kemirip n y ng diny t k n oleh pers m n (5. fungs i tuju n metode pen ksir n ini sek r ng menj di: mem ksimumk n ˆ log T L2 = ∑ ∑ T id e id i d ( ) (5.59) L1 = ∑ ∑ T mem ksimumk n id e id e e i d ( ) Sel njutny . y itu: Model se r n perger k n 193 .. erd s rk n definisiny .56) sehingg mengh silk n ˆ ). untuk mem ksimumk n nil i L2 diperluk n du set pers m n. 55) (5. dimis lk n pid d l h pelu ng untuk mend p tk n d t tertentu d ri se r n perj l n n nt rzon y ng er s l d ri zon i d n erger k menuju ke zon d. m k gi n se el h k n n pers m n (5.59). Sel njutny . Perlu diperh tik n 1 ! 2 ! 3 !.53)]: L = c∏ ∏ p id i d ˆ T id (5..60) d p t dic p i p il turun n pert m terh d p p r meterny s m deng n nol.60) Berd s rk n pener p n m tem tik. sesu i deng n ide d s r metode pen ksir n kemirip n m ksimum.Nil i N! diny t k n se g i konst nt k.56) ˆ = ∑ ∑T ˆ T id i d Sek r ng dimis lk n pelu ng untuk mend p tk n d t juml h perj l n n y ng er s l d ri zon i d n menuju ke zon d d ri survei mengikuti se r n multinomin l.54) sud h merup k n fungsi kep d t n pelu ng g ung n.55) ke pers m n (5. D l m h l ini. S ! hw erd s rk n penurun n pelu ng su tu kej di n y ng mengikuti se r n multin omin l. fungsi kemirip n untuk ˆ p d seti p p s ng n zon i d n zon d d l h [d ri mend p tk n se es r T id pers m n (5. pelu ng pid ini diny t k n se g i: p id = Tid ˆ T dim n : (5. sek r ng fungsi tuju n metode pen ksir n ini d p t dituli sk n se g i: ˆ log T − T ˆ log T ˆ + log c (5.58) Deng n mensu situsik n pers m n (5. M k . deng n menghil ngk n es r n konst nt d ri pers m n (5. J di. fungsi se r n Tid y ng p ling sesu i deng n d t peng m t n ( T id tuju n d ri metode ini d l h: mem ksimumk n L = c∏ ∏ p id i d ˆ T id (5.

Penyeles i n deng n metode Newton−R phson d n teknik elimin si m triks sederh n kem li d p t digun k n.61) Pers m n (5.ˆ T ∂L 2 = f α = ∑ ∑ ∂Tid =0 ∂α ∂Tid id ∂α i d Tid ˆ T ∂L 2 = f β = ∑ ∑ id ∂β i d ∂β =0 (5.61) d l h sistem pers m n simult n deng n p r meter y ng tid k di ket hui erup α d n β. Metode pen ksir n kemirip n m ksim um jenis II (KM2) Untuk metode pen ksir n kemirip n m ksimum jenis kedu ini dim is lk n d t juml h ˆ ) d l h s mpel perj l n n y ng er s l d ri zon i d n menu ju ke zon d ( T id c k y ng mengikuti se r n poisson deng n nil i r t n y ng elum diket hui d l h τidTid. Koeisien τid me.

akili ak or proporsi sampel un uk se iap pasangan asal− ujuan − dengan ka a lain. Asumsi en ang MAT ˆ ] berdasarkan pada banyak keadaan prak is yang di emui hasil pengama an [ T id sehari hari. bagian dari populasi yang diama i. Kebanyakan ˆ ] survei pergerakan un uk beker ja ermasuk dalam ka egori ini. Se bagian besar eknik survei MAT yang ada sekarang didasarkan pada perhi ungan ind ividu dan kemudian menghasilkan MAT hasil pengama an dengan nilai berupa bilanga n bula (yang biasanya sanga kecil). ˆ ] adalah pengama an sejumlah peubah acak yang ersebar mengiku i Jadi [ T id seb aran poisson dengan ra aan masing masing τidTid. Ma rik [ T id yang ersebar poisson juga didapa kan dalam pengama an beberapa kejadian yang saling bebas dalam sua u periode .

Oleh karena i u. Penggunaan parame er τid memungkinkan penerapan ak or proporsi sampel yang berbed a beda un uk se iap pasangan asal− ujuan. en uk ya ng paling sederhana dan yang paling banyak digunakan adalah pengambilan sampel s ecara acak dengan menggunakan sa u nilai unggal τ yang di erapkan pada semua pasa ngan asal− ujuan.ak u yang erba as. ˆ Dengan hipo esis bah. yang dapa disebu dengan pengambilan sampel seragam. dalam model ini juga di mungkinkan penggunaan beberapa eknik pengambilan sampel yang berbeda.

a un uk se iap pasangan asal− ujuan. maka ungsi kemiripan dari me ode penaksiran adalah: 194 Oyar Z Tamin. maka peluang gabungan un uk mendapa kan ma riks [ T id adalah: −τ id Tid id ˆ = ∏ ∏ (τ id Tid ) . Perencanaan dan pemodelan ranspor asi Tid .62) Selanju nya.e Prob T id ˆ ! T i d id [ ] ˆ T (5. dengan menerapkan eknik me ode penaksiran kemiripanmaksimum yang elah dijelaskan. nilai T id didapa kan da ri pengama an sua u kejadian yang mengiku i proses poisson ˆ ] dengan ra aan τidTid.

a au dengan ka a lain τid = τ dapa diliha bah.63) digan i dengan nilai logari ma na uralnya.64) Dengan mengembangkan lebih lanju persamaan di a as dan menghilangkan bagian kon s an a.63) Jika persamaan (5.e −τ id Tid ˆ ! T id (5. didapa : ˆ log T − τ T (5. maka ungsi uj uan me ode penaksiran kemiripan maksimum jenis II ini adalah: ˆ log (τ T ) − τ T − log T ˆ m emaksimumkan L 4 = ∑ ∑ T id e id id id id e id ! i d ( ) (5.L3 = ∏ ∏ i d (τ id Tid )T ˆ id .65) memaksimumkan L5 = ∑ ∑ T id e id id id i d ( ) Dalam kasus sampel seragam.

Akhirnya.65) mempunyai nilai yang kons an sehingga dapa dihilangkan. ungsi ujuan me ode penaksiran kemiripan maksimum ini dapa di uliskan sebagai: memaksimumkan L6 = ˆ log T ) ∑ ∑ (T id e id i d (5.a bagian kedua dari ungsi ujuan persamaan (5.66) Terliha bah.

60).66) sama dengan yang didapa dari persamaan (5.a hasil yang didapa dari persamaan (5. Hal ini sesuai dengan pernya aan Spiess (1987) bah.

a un uk nilai persen ase sampel yang sanga kecil (τ<<). sebaran mul inominal dapa did eka i dengan sebaran poisson. Karena kedua me ode penaksiran kemiripan maksimum ini memberikan hasil yang sama. un uk selanju nya kedua me ode penaksiran ini di nya akan dalam sa u me ode saja. yai u me ode penaksiran kemiripan maksimum (KM) . Guna.

Saa i u .an (1995) menggunakan me ode kuadra erkecil (KTTL dan KTTL) dan kemiri pan maksimum (KM) un uk mengkalibrasi model GR dengan menggunakan da a MAT ko a andung pada ahun 1993.

Me ode KTTL mempunyai ke epa an er inggi dibandingkan den . K edua me ode ersebu digunakan un uk mengkalibrasi parame er model GR. Kesimpu lan yang didapa dari kajian ersebu adalah: me ode kuadra erkecil (KTTL dan KTTL) dan kemiripan maksimum (KM) berhasil mengkalibrasi parame er model GR den gan sanga memuaskan. Parame er model GR yang didapa kemudian digunakan un uk menghi ung kembali MAT hasil pem odelan yang se erusnya MAT ersebu diperbandingkan dengan MAT yang ada.ilayah ko a andung dibagi menjadi 97 zona.

m e ode yang erbaik adalah me ode kemiripan maksimum (KM). agi ungsi pemangka an.6 Me ode penaksiran inerensi bayes (I) Armijaya dan Wisaksono (1996) dan Tamin (1998c) elah mengembangkan me ode penak siran Inerensiayes (I) dengan dasar pemikiran mengkalibrasi parame er sehingg a simpangan Model sebaran pergerakan 195 . yai u ungsi eksponensial nega i dan ungsi Tanner.gan dua me ode lainnya un uk pengkalibrasian model GR dengan ungsi hamba annya. 5.6.7.

Dengan demikian. Pendeka an ini mengasumsikan parame er model sebagai peubah acak. didapa dari da a pengama an ( T id a Dasar p endeka an Me ode I menggunakan sua u peluang subjek i un uk mengukur ingka k epercayaan sua u keadaan. a aupun inormasi idak langsung secara sis ema is digabungkan dengan da a hasil pengama an un uk mendapa kan aksiran yang seimba ng en ang keadaan sebenarnya (sebaran pos erior). per imbangan subjek i yang ber dasarkan in uisi.a au selisih an ara sebaran pergerakan yang dihi ung dari model (Tid) dengan yan g ˆ ) memberikan harga yang minimum. harus di e apkan sua u un gsi sebaran yang menggambarkan ingka kepercayaan parame er yang idak dike ahu i. pengalaman. misalkan di e apkan (θ) sebagai ungsi sebaran peluang parame er a au sebaran a. Dengan pendeka an ini.

al θ.x2... Jika dike ahui sua u himpunan da a pengama an x1.xN yang me...

akili s ampel acak sua u populasi X dengan ungsi sebaran (x). dengan mengasumsikan bah .

x2. x 2 ... (x N|θ) = ∏  (x i | θ ) i =1 N (5.(x2|θ) ..67) Menuru eorema ayes.67).x2....  (θ ) dengan kons an a normalisasi ‘k’ adalah: ∞ N k = ∫ −1 ∏  (x i | θ )  (θ )∂θ (5. maka peluang akan diama inya sua u himpunan da a ha sil pengama an ini adalah sebagai beriku : (x1. ‘sebaran θ yang baru’ menjadi:  (θ | x 1 .68) (5. x 2 .xN|θ) = (x1|θ).. L(θ )..... Dapa diliha bah...69) sedangkan ungsi kemiripan L(θ) merupakan produk dari ungsi kerapa an X yang dihi ung pada x1. x N ) = N x i | θ )  (θ ) i =1 N ∏  (x i | θ )  (θ ) ∂θ i =1 ∏ ∞ −∞ a au ∫ I (θ ) =  (θ | x 1 .a parame er sebaran adalah θ...... a au sama dengan persamaan (5. x N ) = k .xN.

a eorema ayes elah digunakan un uk mengubah a au memperbaiki sebaran a.

70) 196 Oyar Z Tamin. Perencanaan dan pemodelan ranspor asi − ...al (prior ) ke sebaran baru (pos erior).. maka menjadi lebih mudah jika dinya akan dalam ben uk logari ma: log e I (θ ) = ∑ log e  ( θ | x 1 . Karena ungsi I berben uk perk alian. x 2 .. Sebaran yang baru mereleksikan ingka kepercaya an en ang θ yang memberikan ke erangan sampelnya. x N ) i =1 N (5.

me ode pendeka an ini men ggabungkan secara sis ema is per imbangan subjek i (prior) dengan da a pengama an (ungsi kemiripan) un uk mendapa kan aksiran baru (pos erior). Un uk ungsi kemiripannya. Nilai aksiran parame er ini dapa diperoleh dengan membua urunan I(θ ) sama dengan nol.71) (5. Jadi. dicari nilai θ ya ng memaksimumkan ungsi sebaran gabungan pos erior. diasumsikan bah.Un uk mendapa kan nilai aksiran dengan kemiripan maksimum dari θ.72) Penerapan me ode I erdasarkan pembahasan sebelumnya. dalam hal in i: ∂I (θ ) =0 ∂θ a au b ∂ log e I (θ ) =0 ∂θ (5.

a da a ˆ ) adalah jumlah pergerakan yang berasal dar i zona i dan menuju ke zona d ( T id sampel acak yang mengiku i sebaran Poisson dengan nilai ra a ra a yang belum dike ahui sebesar τ id Tid . Koeisien τ id me.

Asumsi MAT hasil pengama an [ T id id id didasarkan pada keadaan prak is yang di emui sehari hari. Sebagian besar eknik survei MAT yang ada sekarang didasarkan pada penghi ungan individu yang kemudian menghasilkan MAT hasil pengama an dengan nilai berupa ˆ ] yang ersebar secara Po isson juga didapa kan bilangan bula . Ma riks [ T id dalam pengama an kejadian y ang saling idak bergan ungan dalam selang . ˆ ] adalah pengama an sejumlah peubah acak yang ersebar secar a Jadi [ T id ˆ ] Poisson dengan ra a ra a τ T .aki li ak or sampel un uk se iap pasangan asal− ujuan a au sa u bagian kecil dari pop ulasi yang diama i.

dalam model ini juga dimungkinkan penggunaan beberapa ek nik pengambilan sampel yang berbeda. ˆ Dengan hipo esis bah.ak u er en u. Karena i u. en uk yang paling sederhana dan paling ban yak digunakan adalah pengambilan sampel secara acak sederhana dengan menggunakan sa u nilai unggal τ yang di erapkan un uk semua pasangan asal− ujuan a au sampel s eragam. Penggunaan parame er τ id memungkinkan penerapan ak or sampel yang berbeda beda un uk se iap pasangan asal− ujuan.

nilai T id didap a kan dari pengama an sua u kejadian yang mengiku i sebaran Poisson dengan ra a ra a τ id Tid .a un uk se iap pasangan asal− ujuan.73) Model sebaran pergerakan 197 .e −τ id Tid ˆ ! T id (5. maka peluang gabungan un uk mendapa kan ma riks ˆ ] yang merupakan  ungsi kemiripan adalah: [T id ˆ = Prob T ˆ = LT id id [ ] [ ] ∏∏ i d (τ id Tid )T ˆ id .

un uk selanju nya hanya di ulis dengan ‘k’ saja.74) Karena persamaan (5. agian sebaran a. d(τ id Tid ) −1 (5.Kons an a normalisasinya menjadi: ∞ k= ∫ −∞ ∏∏ i d (τ id Tid )T ˆ id .74) berupa kons an a.  (τ id Tid ) .e −τ id Tid ˆ ! T id .

al (prior) a au sebaran peluang parame er dinya akan den gan ( τ id Tid ) yang akan dibahas beriku ini. c Probabili as gabungan pos erior anpa inormasi a.

al Inormasi a.

al yang dimaksud di sini adalah sua u ungsi s ebaran parame er un uk menggambarkan ingka kepercayaan parame er yang idak di ke ahui. Jika idak ada inormasi a.

al parame er ersebu . diasumsikan sua u seb aran a.

me ode ini mencari ni lai parame er yang memaksimumkan ungsi peluang gabungan pos erior yang dinya ak an oleh persamaan (5.0 (5. sehingga dihasilkan sebaran ˆ ).al seragam. yai u: ( τ id Tid ) = 1.68) ‘sebaran τ id Tid yang baru’ adalah: I (τ id Tid ) = k .77) .e −τ id Tid ˆ ! T id .75) Dengan ungsi kemiripan sama dengan persamaan (5. ∏ ∏ i d (τ idTid )T ˆ id . ungsi ujuan me ode ini menjadi sebagai beriku ini. memaksimumkan I  ( τ id Tid )= i d ˆ log (τ T ) − τ T ∑ ∑ (log e k + T id e id id id id ˆ − log e T id ) (5. maka menuru persamaa n (5. Tid yang pali ng sesuai dengan MAT hasil pengama an ( T id dengan mengambil ben uk logari ma n a uralnya.73) dan ‘k’ sebagai kons an a normalisasi.1 (5.76).76) Sesuai dengan ide dasar me ode penaksiran inerensi bayes. Kemudian.

78) memaksimumkan I ( τ id Tid ) = ∑ ∑ T id e id id id i d ( ) Un uk nilai persen ase sampel yang sanga kecil (τ<<1). didapa : ˆ log T − τ T (5. dapa diliha bah.Dengan mengembangkan lebih lanju persamaan di a as dan menghilangkan bagian kon s an a.

a nilai suku kedua dari ungsi ujuan persamaan (5. ungsi ujuan me ode penaksiran I anpa inormasi a. Akhirnya.62) sanga kecil sehingga dapa diaba ikan.

79) 198 Oyar Z Tamin.al dapa di uliskan sebagai: memaksimumkan ˆ log T I ( τ id Tid ) = ∑ ∑ T id e id i d ( ) (5. Perencanaan dan pemodelan ranspor asi .

Terliha bah.

a ungsi ujuan yang diperoleh dari me ode penaksiran I anpa ino rmasi a.

al memberikan hasil yang sama dengan me ode penaksiran kemiripan maksimu m (liha subbab 5.5).7. d Peluang gabungan pos erior dengan inormasi a.6.

al Den gan adanya inormasi a.

al parame er. erlebih dulu harus diasumsikan sua u sebar an a.

al yang menggambarkan ingka kepercayaan mengenai parame er ersebu . Misa lkan da a prior merupakan da a jumlah perjalanan dari zona i menuju ke zona d pa da sua u .

sehingga diperoleh sebara n prior sebagai beriku :  (τ id Tid ) = (Tid )τ .ilayah kajian yang mengiku i sebaran Poisson dengan jumlah perjalanan ra a ra a yang sudah dike ahui dinya akan dengan Tid .73) dan ‘k’ sebagai kons an a n ormalisasi ser a sebaran a.80) Dengan ungsi kecenderungan sama dengan persamaan (5.e −Tid (τ id Tid )! id Tid (5.

diperoleh ungsi ujuan me ode penaksiran I dengan inormasi a.80).e Tid id id I (τ id Tid ) = k . ∏ ∏ .e −τ id Tid (Tid ) id id . ungsi ujuan me ode ini menjadi: memaksimumkan i I( τ id Tid ) = d ˆ log (τ T ) − τ T − log T ˆ log e k + ∑ ∑ T id e id id id id e id ! + τ id Tid log e Tid − T e (τ id Tid )! (5. dengan menerapkan me ode I dan mengambil ben uk logari ma na uraln ya.al sama dengan persamaan (5.68) ‘sebaran τ id Tid yang baru’ adalah: ˆ τ T id (τ T )T .81) Selanju nya. maka menuru persama an (5.82) Dengan mengembangkan lebih lanju persamaan di a as dan menghilangkan bagian kon s an a. ˆ ! (τ T i d id (5.

al. dapa diduga bah.83) Karena da a perjalanan hasil penaksiran (Tid) merupakan hasil perhi ungan model gravi y. yai u: memaksimumkan I ( τ id Tid ) = ˆ log T ∑∑ T id e id i d − log e (τ id Tid )! (5.

dilakukan pendeka an dengan ungsi Gamma.a ben uk ak orial pada persamaan (5.84) dapa dideka i dengan rumus S irling menjadi: Model sebaran pergerakan 199 .84) Un uk nilai τ id Tid yang posi i besar. sehing ga ben uk ak orial pada persamaan ersebu menjadi: ( τ id Tid )! = Γ (τ id Tid + 1) (5. Selanju nya.83) merupakan sua u bilangan nya a. ungsi Gamma pada persamaan (5.

.

89) Persamaan (5.88) memaksimumkan P( τ id Tid ) = ∑ ∑ T id e id e id i d ( ) e Penggunaan da a MAT arsial Pada bagian ini dicoba memben uk sua u kerangka kerj a un uk menaksir MAT dengan menggunakan da a MAT arsial.89) berlaku hanya un uk sa u subkelomok i dan d yang dike ahui da anya dan erliha bahwa ersamaan (5. Dalam eneraan enaksiran dengan menggunakan da a MAT arsial. urunan er ama IB ( τ id Tid ) erhada arame er α d n β h rus s m deng n nol. misalnya survei yang dilakukan memang direnc anakan seer i demikian menginga ke erba asan wak u dan biaya yang ersedia. dieroleh fungsi ujuan me ode enaksiran IB dengan informasi awal: ˆ lo g T − 0.Tid log e (τ id Tid ) − τ id Tid (5. dengan mengambil : log e Γ (τ id Tid + 1) ≈ engan menghilangkan bagian a kecil (τ<<1).(τ id Tid ) + τ id . Un uk memaksimumkan ersamaan (5.85) menjadi log e 2π . e τ id Tid (5. f Me ode enaksiran IB un uk MAT arsial Menaksir MAT dari sua u ma rik engama an arsial daa dilakukan dengan memodifikasi fungsi ujuan IB ( τ id Tid ).86) daa disederhanakan menjadi: log e Γ (τ id Tid + 1) ≈ 0.89). ersamaan ben uk logari ma na uralnya. t u menj di: 200 Ofy r Z T min.89) akan sama dengan ersamaan (5.5 log e Tid ) (5. ersamaan (5. Pe naksiran MAT seer i ini akan digunakan un uk melakukan uji keekaan erhada mo del enaksiran yang dikembangkan. Fungsi ujuan yang dimodifikasi ersebu adalah: memaksimumkan IB ( τ id Tid ) = ˆ log T ∑ ∑ ( T id e id i . MAT arsial adalah MAT hasil engama an yang da anya idak lengka a au sua u MAT hasil engama an yan g sa u a au lebih sel ma riksnya idak memunyai da a.d ε R − 0.τ id Tid Γ (τ id Tid + 1) ≈ 2π (τ id Tid ) . Ke idaklengkaan da a ini bisa disebabkan oleh berbagai hal.78) un uk sua u da a yang lengka. Perenc n n d n pemodel n tr nsport si . sel ma riks yang idak ada da anya akan memunyai nilai 0 (nol ).5 log e Tid (5.87) Akhirnya.5 log T (5. kons an a dan un uk nilai ersen ase samel yang sang (5.85) Kemudian.

∂Tid ∂α 0. Keny t nny . ∂β ∂β id (5. id = 0 − T . kit k n mengidentifik si st tus meso y ng p ling memungkink n sesu i deng n t s n st tus m krony . Begitu jug . h mpir seluruh inform si tent ng su tu sistem le ih ku r t p d tingk t m kro.d ε R ˆ T id Tid ˆ T id Tid .d ε R ∂IB (τ id Tid ) = fβ = ∑ ∑ ∂β i . y itu st tus p d tingk t m kro. 5. tot l perger k n p d su tu ru s j l n tertentu t u tot l ngkit n d n t rik n perger k n su tu zon . Tid ∂α = 0 ∂T 0. Sec r umum. le ih mud h mer m lk n popu l si su tu zon d rip d juml h kelu rg su tu zon untuk k tegori tertentu. mis lny Amir d n B du d p t s ling ertuk r zon tuju n y ng k n mengh silk n st tus mikro y ng er ed tet pi de ng n st tus meso y ng tid k eru h. H l ini se en rny meng sumsik n hw kit meng ik n st tus mikro d n mesony . K ren kit le ih mementingk n deskrip si st tus meso su tu sistem. mis lny .6. T min (1997 e) tel h mengem ngk n penggun n pendek t n entropi m ksimum untuk mengk li r s i p r meter model gr vity.90) Pers m n (5. Sec r teoritis. st tus meso menjel sk n juml h perger k n nt rzon . Tet pi. Model se r n perger k n 201 .5 ∂Tid . Penjel s n s ng t rinci mengen i sistem terse ut mem utuhk n spes ifik si y ng lengk p mengen i st tus p d tingk t ‘mikro’. perkir n mengen i m s mend t ng i s ny mempuny i t s n p d tingk t st tus m kro k ren ketid kp sti n d l m per m l n terse ut jug er d p d tingk t m kro. Seterusny .7 Metode pen ksir n entropi m ksimum (EM) P d contoh model se r n perger k n.∂IB (τ id Tid ) = fα = ∑ ∑ ∂α i . Untuk mend p tk n ukur n y ng l y k tent ng su tu ktivit s perger k n sering le ih mud h dil kuk n p d tingk t pengelompok n y ng le ih tinggi (st t us m kro). S l h s tu c r untuk mem ks g r tet p konsis ten deng n inform si st tus mesony d l h deng n c r mengekspresik nny d l m entuk t s n su tu pers m n m tem tis. terd p t pul st tus pengelompo k n y ng le ih tinggi.90) d l h sistem pers m n simult n deng n du p r meter α d n β y ng tid k diket hui. Mis lny .5 ∂Tid − . untuk tuju n pr k tis.7. kit le ih ik ekerj p d tingk t y ng le ih tinggi ( greg t) t u p d tingk t deng n spesifik si st tus p d tingk t ‘meso’. Pertim ngk n su tu sistem y ng terdiri d ri sejuml h es r elemen. terd p t sejuml h es r kom in si st tus mikro y ng er ed y ng mengh silk n st tus meso y ng s m . Wilson (1970) memperlih tk n hw juml h st tus mikro W{Tid} y ng terk it deng n st tus meso Tid d l h se g i erikut. Metode Newton R phson y ng dikom in sik n deng n teknik elimin si m triks sederh n digun k n untuk menyeles ik n pers m n terse ut. metode entropi m ksimum ini d l h untuk mend p tk n inform si sel uruh st tus mikro y ng k n terj di deng n pelu ng y ng s m sert konsisten den g n inform si st tus m krony .

J di. meso. K ren itu. sem kin kecil pu l 202 Ofy r Z T min. jik W[Tid] d l h juml h c r y ng di nut seti p individu untuk meng tur diriny sehingg dih silk n se r n [Tid]. D l m e er p k sus.91). pers m n (5.93) K ren merup k n konst nt . d n m kro y ng cocok esert t s n m kro y ng h rus dipenuhi oleh solusi perm s l h n op tim si terse ut. dih silk n model y ng d p t memperkir k n st tus meso y ng p ling mungkin (d l m k sus ini erup m triks se r n perger k n [T]). fungsi tuju n eru h menj di: ˆ )−T +T ˆ (5. K ren di sumsik n hw seluruh st tus mikro erpelu ng s m . Sem kin es r per ed nny . m k pelu ng [Tid] y n g terj di se nding deng n W[Tid]. Den g n menghil ngk n f ktor logeTid!.93) eru h menj di pers m n (5 . Kunci ut m ny d l h g im n mengidentifik si deskripsi st tus mikro. Perenc n n d n pemodel n tr nsport si .W [Tid ] = T! ∏ ∏ Tid ! i d (5. K ren itu. y ng di utuhk n d l h su tu teknik y ng d p t mengidentifik si nil i [Tid] y ng mem ksimumk n W[Tid] y ng diny t k n deng n pers m n (5. loge W’ = − ∑ ∑ (Tid log e Tid − Tid ) i d (5. Untuk le ih mud hny . m k st tus meso y ng p ling memungkink n d l h st tus y ng d p t dih silk n deng n se ny k mungkin c r . pers m n (5. mis lny d t m triks h sil o serv si.92) d p t dis ederh n k n menj di: loge W = loge T! − ∑ ∑ (Tid log e Tid − Tid ) i d (5. logeTid! d p t dihil ngk n d ri proses optim si.94) Deng n mem ksimumk n pers m n (5.95) loge W’’ = − ∑ ∑ Tid log e (Tid / T i d id i d ( ) Pers m n (5.94) y ng i s dise ut fungsi entropi.92) loge W = loge i d ∏ ∏ Tid ! i d Deng n menggun k n pendek t n Stirling logeX! ≈ XlogeX−X. kit k n mem ksi mumk n fungsi monoton loge W k ren kedu ny mempuny i nil i m ksimum y ng s m .95) merup k n fungsi tuju n y ng cukup men rik k ren jik seluruh ˆ m k loge W’’ k n ernil i nol d n sel lu k n ernil i neg tif jik nil i Tid = T id terd p t per ed n di nt r ny . Untu k itu. terd p t e er p inform si t m h n d l m entuk inform si w l st tus meso. T! = loge T! − ∑ ∑ log e Tid ! (5.91) Asumsi d s r pendek t n ini d l h pelu ng se r n [Tid] y ng terj di se nding deng n juml h st tus y ng d d l m sistem terse ut y ng mendukung ter entukny se r n [Tid].94) deng n t s n y ng ditentuk n d ri penget hu n st tus m kro.

loge W’’ merup k n fungsi tuju n y ng ik untuk ˆ . seperti minim si ekiv len oleh Ev ns (1973). disy r tk n hw turun n pert m E1 terh d p p r meterny h rus s m deng n nol: ∂T ∂E 1 id = f α = − ∑ ∑ ∂α ∂α i d d log e Tid = 0 . terg nt ung p d situ si. Metode Newton−R phson y ng dikom in sik n deng n teknik elimin si m triks sederh n is digun k n untuk menyeles ik n pers m n terse ut. Sec r m tem tis. Kir y (1974) meneliti m s l h i ni se g i gi n khusus d ri pendek t n model y ng le ih umum.7. Metode Hym n men ggun k n c r interpol si line r d l m proses pendek t n terh d p nil i p r mete r β. prosedur Furness tig dimensi oleh Ev ns nd Kir y (1974).8 Metode l in H th w y (1973) y ng menggun k n pendek t n kemirip n m ksimum. Willi ms (1975) mempel j ri keuntung n d n kerugi n er g i m c m teknik pen gk li r si n model DCGR.97) Pers m n (5. ketep t n kedu metode terse ut er g m. pendek t n pen ksir ku dr t terkecil oleh W ns eek (1977).96) Untuk mem ksimumk n pers m n (5. terg ntung p d ketep t n p r meter β. ˆ T id (5. Sec r umum. sed ngk n metode Hym n d p t digun k n untuk seti p tingk t ke tep t n y ng diingink n. Model se r n perger k n 203 ∂ . fu ngsi tuju n metode pen ksir n entropi m ksimum (EM) d p t ditulisk n se g i er ikut: mem ksimumk n ˆ )−T +T ˆ E1 = loge W’’ = − ∑ ∑ Tid log e (Tid / T id id id i d ( ) (5. melih t es rny per ed n nt r Tid deng n T id Ide ut m metode pen ksir n entropi m k simum d l h mengk li r si p r meter model y ng tid k diket hui deng n memperkec il per ed n nt r h sil pemodel n deng n d t peng m t n. Pem c y ng ermi n t d p t melih t e er p h sil peneliti n l in. d n pendek t n simplified o dds r tio oleh Gr y nd Sen (1983). Semu metode ini sec r umum mempuny i sumsi y ng s m hw p ngk l n d t y n g tersedi mempuny i d t s mpel MAT d n p ling tid k d t se r n j r k perj l n n sert d t Oi d n Dd. K ren itu.97) d l h sistem pers m n simult n deng n du p r meter α d n β y ng tid k diket hui.96).nil i loge W’’. metode y ng s ng t efisien d l h model modifik si Hym n deng n c r interpol si ku dr tis se g i pengg nti c r interp ol si line r. H sil y ng s m jug did p t oleh Ev ns (1971) d n 5. Sel in itu. Kesimpul nny .6. metode Hym n le ih ik d ri metode y ng diusulk n Ev ns (1971) d n H th w y (1973). Wong (1980) jug mengusulk n pen dek t n ltern tif l inny deng n menggun k n pendek t n pemrogr m n geometrik.

Metode pen ksir n KTTL untuk MAT p rsi l D l m uku ini.d ε R T Prsamaan (5 an dngan dua paramtr α d n β y ng tid k diket hui. Metode Newton−R phson y ng dikom in sik n deng n teknik elimin si m triks sederh n is digun k n untuk menyele s ik n pers m n terse ut. D l m pener p n deng n menggun k n d t MAT p rsi l.d ε R T Tid − T i ( ) 2 (5. modifik si seperti p d m etode pen ksir n KTTL di t s jug d p t dil kuk n. di d l m perhitung n.7. Sek r ng. W l upun su tu sel m triks y ng di m ti d n ke etul n tid k d d t ny ju g dil m ngk n deng n nil i nol. At u deng n k t l in.d ε R ( ) ( ) (5. Metode pen ksir n KM untuk MAT p rsi l P d pener p n metode pen ksir n KM untuk d t erup MAT p rsi l. kcuali bahwa skarang prhitungan dilakukan trhadap subkl ompok i dan d yang diktahui datanya. kedu jenis d t ini h r us er ed .47) yang digunakan dalam mtod pnaksiran KTTL untuk data yang lngkap.98) ˆ untuk KTTLB & =T & = 1 untuk KTTL dan T T id Dapat dilihat bahwa prsamaan (5. fungsi tuju n y ng tel h dimodifik si terse ut d l h: mem ksimumk n ˆ log T L7 = ∑ ∑ T id e id i .100) . Fungsi tuju n y ng tel h dimodifik si terse ut d l h: meminimumk n 1 ˆ S = ∑ ∑ d & i . Untuk mminimumkan prsamaan (5. Y ng dim ksud deng n MAT p rsi l d l h su tu MAT peng m t n y ng d t ny tid k lengk p. seperti y ng dijel sk n erikut ini. sel m triks y ng tid k d d t ny ini k n diny t k n mempuny i d t 0 ( nol).99) 1 ∂S ˆ ∂Tid = f β = ∑ ∑ 2 Tid − T = 0 id & ∂β ∂β i . turun an prtama S trhadap paramtrnya harus sama dngan nol: 1 ∂S ˆ ∂Tid = f α = ∑ ∑ ∂α ∂α i .d ε R T 2 Tid ( ) = 0 (5. MAT peng m t n y ng s tu t u le ih sel m triksny tid k d d t ny . nt r l in k ren survei y ng dil kuk n mem ng direnc n k n seperti demiki n menging t keter t s n w ktu d n i y y ng tersedi .9 Penggun n d t MAT p rsi l r ngk ker j d l m men ksir MAT deng n menggun k n d t MAT p rsi l.98 ) sama dngan prsamaan (5.6.98). Ketid klengk p n d t ini is dise k n oleh er g i h l. men ksir MAT d ri su tu m triks peng m t n p rsi l d il kuk n deng n memodifik si fungsi tuju n S d n S1 d ri metode KTTL d n KTTLB.P d gi n ini dico di entuk ke5.

Prncanaan dan pmodlan transportasi .204 Ofyar Z Tamin.

y0+k) = f(x0.102) Model se r n perger k n 205 . d n B tty (1976)). y0+k) = 0 Pend ek t n deret T ylor s mp i tingk t pert m untuk kedu pers m n simult n ini me ngh silk n: ∂f ∂f . y0+ k) = g(x0.y) = 0 Jik x0 d n y0 d l h nil i untuk pen dek t n solusi (x0+h) d n (y0+k). Sek li l gi.28) h rus dik li r si. 5.103) ke d l m pers m n (5.Untuk mncapai tujuan sprti yang dinyatakan haruslah: ˆ ∂T ∂α ˆ T ∂L 7 = f β = ∑ ∑ id ∂β i . Nil i f(x) didek ti deng n menggun k n g ris singgung f(x) p d nil i xi. Sec r ringk s.y0) + ∂x ∂y Deng n mem sukk n pers m n (5.101) d l h sistem pers m n simult n deng n p r meter y ng tid k d iket hui erup α d n β. T min nd Willumsen (1988 ). d ε R Tid p d pers m n (5. penyeles i n deng n metode Newton−R phson d n te knik elimin si m triks sederh n kem li d p t digun k n.k g(x0+h.100).y) = 0 d n g(x. metode terse ut dijel sk n se g i erikut ini. D l m uku ini.k f(x0+h. metode k li r si y ng digun k n d l h metode Newton−R phson. Titik potong g ris singgung ini deng n sum u x digun k n se g i pendek t n sel njutny . K li r si ini dil k uk n deng n proses pengul ng n s mp i nil i p r meter menc p i t s konvergensi ny . m k : f(x0+h.103) (5.10 Metode k li r si Newton−R phson Se g im n tel h dise utk n. did p t: (5. Metode ini did s rk n p d pendek t n nil i f(x) deng n menggun k n deret T ylo r (lih t T min (1988d).h + . Mis lny dike t hui du u h pers m n f d n g y ng m sing m sing d l h fungsi d ri du peu h e s x d n y: f(x.6.101) T ∂L 7 = f α = ∑ ∑ ∂Tid ∂β id =0 Pers m n (5.104) .h + . y0+k) = 0 g(x0+h.7.104) ∂g ∂g . =0 (5.y0) + ∂x ∂y (5. p r meter y ng elum diket hui d ri pers m n (5.

y0) + h . Perhitung n model perenc n n tr nsport si s ng t memerluk n ntu n komputer k ren i s ny erhu ung n deng n d t d l m juml h y ng es r sehingg tid k mungkin dil kuk n sec r m nu l. nd Gle ve (1984) d n Willums en (1984c.105) d p t ditulisk n se g i: Nil i f(x0. Begitu jug nil i ∂f ∂x ∂g ∂x ∂f f (x 0 . Perhitung n dihentik n il nil i h d n k sud h menc p i h rg y ng diing ink n. . menj di s ng t men rik. t s nil i h d n k y ng dipilih sek ligus jug menunjukk n tingk t keteliti n perhitung n. ∂y ∂x ∂g ∂f ∂f ∂g . y 0 ) ∂y h = − ∂g (5.y0) d p t dihitun g.y0) + h. Progr m ini dir nc ng oleh p r hli profesion l di id ng perenc n n tr nsport si d n mikrokomputer (Steer. Perkem ng n ilmu d n 5. J di.f(x0. Perenc n n d n pemodel n tr nsport si . H l ini mem u t penggun n kompute r untuk er g i keperlu n teknik.6. D vies. term suk teknik tr nsport si d n teknik l lul int s. terg ntung p d k p sit s d n kem mpu n komputer y ng digun k n. Kedu ny d p t dihitung den g n metode elimin si G uss−Jord n. Y ng elum diket hui h ny l h nil i h d n k.106) Pers m n (5.106) d l h du pers m n line r simult n de ng n du u h il ng n h d n k y ng elum diket hui.7. ∂f ∂f +k. Konvergensi d p t dilih t d ri nil i h d n k y ng sem kin men gecil.7. =0 ∂x ∂y (5. nil i h d n nil i k ini digun k n untuk mend p tk n nil i pendek t n erikutny : x1 = x0+h d n y1 = y0+k (5. ∂ g + k.1986 )). . Sel njutny . d n ∂x ∂y ∂ x ∂y Emp t nil i y ng ter m sing er rti turun n pert m d ri f ( t u g) terh d p x t u y p d nil i x0 d n y0.11 Progr m komputer d n pro sedur k li r si teknologi di id ng elektronik d n inform si tel h meng ki tk n kem mpu n komputer pri di meningk t pes t.105) ∂g =0 g(x0. D l m entuk m triks.y0) d n g(x0.000 ru s. .7 Penurun n model gr vity deng n pendek t n entropi m ksimum 206 Ofy r Z T min.106) d n pers m n (5.105) t u pers m n (5.107) P erhitung n deng n pers m n (5. S l h s tu p ket pr ogr m perenc n n tr nsport si y ng ny k digun k n di Inggris d l h p ket pro gr m MOTORS. d n merup k n p ket progr m y ng d p t erinter ksi sec r mu d h d n inter ktif deng n penggun . 5. P ket progr m ini d p t men ng ni wil y h k ji n y ng meliputi le ih d ri 600 zon d n 10.107) diul ngi s mp i nil i x d n y konvergen. pers m n (5.

22) d n (5.109) d n y ng mempuny i t s n pers m n (5. ∑ ∑ Tid .C id i d =C (5. J di. m k pelu ng [Tid] y ng terj di se nding deng n w(Tid). jik su tu sistem di entuk d ri er g i individu. erd s rk n sumsi d s r. B t s n terse ut erup t s tot l i y y ng dil kuk n oleh sem u perger k n di d l m d er h terse ut (C). st tus sistem terse ut (contohny .1970. Ak n tet pi. nil i m ksimum w[Tid] mendomin si nil i penjuml h n sehingg [Tid]. Deng n melih t w[Tid] d l h ju ml h st tus y ng mendukung terj diny se r n [Tid].108). D l m id ng mek nik st ti stik diken l konsep tent ng metode penyusun n mikro tent ng sistem tertentu sep erti molekul g s.110) Tid y ng memenuhi t s n pers m n (5. J di. t u [T id] mew kili se r n perger k n.22) d n (5.109) y ng terg ntung p d t s n (5. menj di se r n y ng p ling memungkink n. S tu set Tid. pers m n L gr nge (£) h rus dim ksimumk n: ( 2) ( Dd − ∑ Tid ) + φ(C − ∑ ∑ Tid . Untuk mend p tk n nil i Tid y ng mem ksimumk n w[Tid] seperti d l m pers m n (5.108). D l m h l ini dir s k n perlu diperken lk n t s n [Tid] l in se g i t m h n t s n (5. H l y ng penting untuk dig ris w hi di sini d l h hw tuju n ut m ny se r n perger k n d l m ting k t ‘meso’. uk n st tus y ng d d l m sistem. perj l n n untuk ekerj ) d l h c r individu memutusk n perj l n nny sec r konsisten.108).1974) d n Wilson nd Bennett (1985).111) Model sebaran pergerakan 207 .22) d n (5.Setel h penurun n heuristik model GR deng n n logi hukum gr vit si Newton dis m p ik n. jik w[Tid] d l h juml h c r y ng di nut seti p individu untuk meng tur diriny sehingg dih silk n se r n [Tid]. Di utuhk n pendefinisi n st tus sistem y ng mew kili individu d l m entuk mikro.C id ) £ = log e W + ∑ Θi(1) (O i − ∑ Tid ) + ∑ Θ d i d (5. y ng meng r h ke nil i m ks imum.108) J di. Kunci pendek t nny d l h pendefinisi n s tu set peu h y ng mem entuk su tu ‘sistem’ d n melih t t s n y ng meng turny . m k tot l juml h st tus y ng mungkin d l h: W = ∑ w[Tid ] (5. sek r ng ditunjukk n pul hw model terse ut d p t diturunk n deng n n logi fisik y ng er ed y ng diken l deng n entropi m ksimum (lih t contoh Wi lson (1967. se r n y ng p ling memungkink n d l h m triks [Tid] y ng mem ksimumk n entropi erikut ini: w[Tid ] = T! ∏ ∏ Tid ! i d (5.22). Asumsi d s r pendek t n ini d l h p elu ng se r n [Tid] y ng terj di se nding deng n juml h st tus y ng d d l m sistem terse ut y ng mendukung ter entukny se r n [Tid].

dengan Θ i(1) . Perha ikan bah.Θ i( 2 ) dan φ adalah pengali Lagrange.

Nilai Tid yang me maksimumkan £ dan yang menghasilkan sebaran [Tid] yang paling memungkinkan didapa sebagai hasil solusi dari: ∂£ (5.114) disubs i usikan ke dalam persamaan (5. id −1 .113) =0 ∂Tid beser a ba asan persamaan (5. ∑ exp − Θ d − φ.115) Persamaan (5.113) dap a di ulis sebagai: ∂£ ( 2) = − log e Tid − Θ i(1) − Θ d − φ.22) un uk mendapa kan Θ i( 1) dan Θ i( 2 ) : ( 2) exp − Θ i(1) = O i .22) dan (5 .C id Tid = exp − Θ i(1) − Θ d ( ) ) −1 (5.116) ( 2) exp − Θ d = Dd .112) maka persamaan (5. d . Dd . d = Oi Dd i ( ) ( ) −1 (5.114) ( 2) − φ.C id ∂Tid yang selanju nya mengh : (5.a dirasakan lebi h mudah memaksimumkan logeW sehingga memungkinkan digunakannya pendeka an S irli ng: (5.118) (5.108). nya akan: Ai = ( ) ( ) (5.C id d ( ) ( (5.119) −1 Tid = Oi .112) LogeN! ≈ NlogeN − N un uk menghi ung ungsi ak orial. Ai .117) Un uk mendapa kan hasil akhir dalam ben uk yang lebih dikenal. Dengan menggunakan pendeka an S irling (5.C id ( 2) exp − Θ i(1) exp − Θ d . ∑ exp − Θ i(1) − φ.

dan dengan menggunakan persamaan (5.117) dapa dinya akan bah.116)−(5.

22). Dd .  d = ∑ (Ai . Dapa diliha bah.a: . sebaran pergerakan yang paling memungkinkan adalah sama dengan model GR se per i dengan persamaan (5.  id ) d .  id ) i (5. penurunan rumus secara s a is ik ini merupak an dasar eori baru un uk model GR.21)−(5.120) Ai = Jadi.O i .

208 Oyar Z Tamin.a C sebagai ba asan biaya (5.108) dapa dipecahkan secara numerik u n uk mendapa kan φ. persamaan (5. Perencanaan dan pemodelan ranspor asi ∑ ( d . Ak an e api.108) pada dasarnya idak perlu dike ahui karena secara prak is persamaan ini idak menghi ung φ. jika C dike ahui. Parame er ini bisa didapa dengan me ode perhi ungan biasa.

Teori s a is ik ini menyebu kan bah.

a jika o al pergerakan bangki an dan arika n un uk se iap zona un uk sua u ka egori pergerakan orang yang homogen ser a bia ya perjalanan an arzona dike ahui. model GR juga bisa di urunkan den gan menggunakan me ode nilai ra a ra a (Dar. ermasuk o al biaya perjalanan yang dilakuka n un uk seluruh daerah kajian ersebu . dan sebaran pergerakan ersebu sama dengan ya ng dihasilkan oleh model GR. Sebagai ambahan. maka akan erdapa sebaran pergerakan an arzona yang paling memungkinkan.

in−Fohler). Permasalahan ini di ekankan karena dimungkinkannya penggunaan analog i me ode ‘Mekanika−S a is ik Dar.1974). Penurunan model GR dengan menggunakan me ode nilai ra a ra a ini dibahas dalam Maclean (1976) dan Wilson ( 1970.

yai u cara peluang yang paling memungk inkan. Di ekankan juga bah. selain cara yang elah dikembangkan sebelumnya.in−Fohler’ un uk menghi ung nilai ra a ra a Tid.

Akan e api.8 eberapa perilaku model gravi y Terliha pada subbab sebelumnya bah.a dalam menghasilkan me ode GR. secara prak is me ode en ropi maksimum e ap sering digunakan dalam pen urunan berbagai macam pemodelan pada umumnya dan pemodelan ranspor asi pada khu susnya. 5.7. me ode ini idak erg an ung pada pendeka an seper i yang dilakukan dalam me ode en ropimaksimum.

Seper i ki a ke ahui. a au apakah permasalahan op imasi ersebu akan mempunyai solusi er en u. dengan mudah dapa erliha apakah ungsi ma ema is ersebu cekung a au ce mbung. Peng gunaan kerangka pemrograman ma ema is juga dapa digunakan sebagai ala ban u un uk menen ukan me ode penyelesaian yang erbaik ser a analisis eisiensi dari be berapa algori ma yang ersedia. Walaupun ben uk ungsionalnya sama. Ke iganya menghasilkan ben uk ma ema is model gravi y yang sama. Con oh nya. model gravi y dapa di urunkan dari s ua u analogi isika a au dari adanya per imbangan memaksimumkan en ropi. dengan adanya beberapa ba asan er en u. Kerangka eori yang digunakan un uk menghasilkan model dapa juga memberikan in erpre asi dan penjelasan ambahan en ang solusi yang dihasilkannya. Hampir seluruh keluarga model sebaran pergerak an dapa di urunkan dengan merumuskan permasalahan yang ada dalam kerangka pemro graman ma ema is. a au dapa juga erliha dengan mudah. misalnya memaksimumkan ungsi en ropi dengan ba asan linear da pa menjelaskan bagaimana sua u sis em ranspor asi berperilaku.a pendeka an en ropi maksimum dapa digunaka n un uk menurunkan model gravi y. Pemakaian ormu lasi pemrograman ma ema is ini mempunyai beberapa keun ungan: • Tersedianya cara y ang baik un uk menjelaskan perilaku ma ema is dari model yang dihasilkan. apakah persamaan ersebu masih mempunyai ruang solusi yang memungkinkan. eori ukuran gala . Hal yan g erakhir ini sanga berkai an dengan eori inormasi. a au eori kemiripan maksimum yang ada dalam ilmu s a is ik. se iap kerangka eori akan memberikan in erpre asi yang • • Model sebaran pergerakan 209 .

si uasi. • Kenya aan bah. a au alasan er en u.berbeda pada permasalahan dan juga pada solusi yang dihasilkan − se iap in erpres asi mungkin cocok un uk sua u kondisi.

a model gravi y dapa di urunkan dengan berbagai cara bukan berar i bah.

asumsi. inormasi yang ada. pendeka an. Cocok idaknya sua u model ergan ung pada coc ok idaknya asumsi yang disyara kan dalam proses penurunan dan in erpre asinya. dan lain lain yang diambil sesuai dengan maksud dan ujuan permasalahan. ser a .a mo del ersebu adalah yang erbaik. model hanya mencoba mendeka i reali a dengan berbagai proses penyederhanaan. kajian yang aka n diuji. pengabaian. Tidak ada sa u model pun yang pas i benar. analisis yang akan dilakukan. ba asan biaya.

meskipun jarang digunakan. Akan e api. dij elaskan pendeka an lain. elah ersedia pula beberapa pake program yang dapa digunakan un uk mengkalibrasinya.8 Model in ervening oppor uni y (IO) Sampai saa ini. Ide dasar yang menggarisba. yang merupakan al erna i mo del GR. Un uk i u. Model ini mempunyai beberapa keun ungan secara eori dan prak is .ak u dan sumber daya yang ersedia. yai u model in ervening oppor uni y (IO). Model ini dapa dikembangkan un uk menampung lebih dari sa u jenis pergerakan dan juga dapa digunakan un uk pemodelan pergerakan barang. model GR idak dapa digunakan un uk se iap kondisi. Selain i u. 5. model GR sanga umum dan sering digunakan sebagai model penyeba ran pergerakan.

ahi model ini adalah bah.

zona uru an ke (m−1) secara ma ema is lebih deka (lebih mudah dicapai) dari zona i. Pendeka an ini per ama kali diperkenalkan oleh S ouer (1940) yang menco ba menerapkan ide ersebu pada pemodelan proses migrasi dan perpindahan lokasi pelayanan dan perumahan.a se iap pergerakan pada dasarnya idak selalu berkai an d engan jarak an ara asal dan ujuan. e api ergan ung pada ingka kepuasan a au kesempa an yang dapa di erima a au dihasilkan oleh empa ujuan pergerakan e rsebu . injau sa u pasangan asal− ujuan (i. Kemudian. Jadi. Misal ada zona asal i dan uru kan semua zona ujuan yan g ada sesuai dengan uru an yang semakin jauh dari zona i. Pengguna jalan memper imbangkan semua zona ujuan dan memi lih sa u yang paling memenuhi kebu uhannya sehingga dapa dinya akan bah. Schneider (1959) mengembangkan eori ersebu seper i y ang ki a liha sekarang.d) dengan d adalah zona ujuan ke m sesuai dengan uru an j arak dari i.

kedu . Perenc n n d n pemodel n tr nsport si .121): 210 Ofy r Z T min. m k pelu ng or ng terse ut tert rik ke su tu zon y ng mempuny i D kesemp t n d l h se es r αD. Mis lk n terd p t pelu ng se es r  im seor ng penggun j l n tid k terpenuhi ke utuh nny oleh kesemp t n y ng disedi k n oleh zon ke m d ri zon i. d n seterusn y s mp i zon ke m seperti terlih t p d pers m n (5. Jika α d l h pelu ng penggun j l n terpenuhi ke utuh nny oleh s tu kesemp t n. Ini er rti s m deng n t ot l pelu ng tid k terpenuhiny ke utuh n oleh zon pert m .a kesem pa anan ara mempengaruhi pemilihan zona ujuan.

122) Sek r ng. Hu ung n ini meny t k n hw es rny pelu ng s eti p perger k n y ng tid k terpenuhi ke utuh nny oleh zon ke m d ri i diny t k n se g i fungsi eksponensi l neg tif d ri tot l kumul si m kesemp t n nt r p d j r k terse ut d ri zon s l i. pers m n (5. Perger k n Tid d ri zon s l i ke zon t uju n d (y ng se en rny d l h zon ke m d ri i) er nding lurus deng n pelu n g tid k terpenuhiny ke utuh n terse ut s mp i ke zon ke (m−1) dikur ngi deng n p elu ng tid k terpenuhiny ke utuh n s mp i ke zon ke m: m = O i [ i ( x m −1 ) −  i ( x m )] Tid m = O i Ai [exp( α x m −1 ) − exp( α x m )] Tid (5. did p t: = −αD m (5.125). deng n peningk t n s ng t kecil. J di.121) Oleh k ren itu. di d p t: log e  m (x ) = −α x + konst nt t u m(x) = Ai .121) d p t diny t k n se g i:  m −  m −1 m = − α[x m −1 − x m ] (5.124).129) Tid = Oi [1 − exp( −α x m )] Model se r n perger k n 211 . d p t diny t k n deng n: d m ( x ) = − α dx (5. im =  im −1 (1−α Dim )  im −  im −1  im (5.12 4) Limit pers m n (5.126) Ai d l h p r meter h sil proses k li r si.127) Jel sk n konst nt Ai h rus s m deng n: Ai = 1 [1 − exp( −α x m )] (5. jik xm diny t k n se g i kumul si t rik n d ri kesemp t n nt r di zon ke m: (5.125)  m ( x) Deng n mengintegr lk n pers m n (5.128) g r t s n ujung perj l n n terpenuhi. deng n menghil ngk n tik l s i untuk penyederh n n.123) xm = ∑ D m m M k . model terse ut sec r utuh d p t ditulisk n se g i: [exp( −α x m −1 ) − exp( −α x m )] m (5. exp(−αx) (5.

sed ngk n model GR menggun k n j r k se g i p eu h k rdin l menerus. Model IO s ng t men rik untuk dipel j ri k ren dikem ngk n d ri prinsip d s r penurun n y ng er ed deng n menggun k n j r k se g i peu h ordin l. h m t n nt rzon tid k terlih t sec r eksplisit. tet pi. sec r pr ktis. 1986). D l m model ini. Ak n tet pi.1981) memperlih tk n hw pers m n (5.9. Untuk menget hui eroper siny sum si d s r terse ut. keuntung n pr ktis d n teori jik di ndingk n deng n model l inny tid k egitu ny t . ter t sny p ket progr m y ng d p t mengk li r si model ini.9 mener ngk n model y ng le ih umum y ng mengg ungk n model GR deng n model IO.1 L t r el k ng Ruiter (1967) d n Wilson (1967. Sec r eksplisit. Model ini diken l deng n model gr vity opportunity (GO) y ng dikem ng k n oleh Wills p d t hun 1986 (Wills. pertim ngk n situ si y ng zon tuju nny diurut sesu i i den g n j r k d ri su tu zon s l. 5. model ini mempertim ngk n kesemp t n y ng tersedi untuk memenuhi ke utuh n seti p perger k n p d seti p zon tuju n y ng sem kin j uh d ri zon s l. model ini tid k sering digun k n k ren : • d s r teori tid k egitu diken l d n le ih sulit dimeng erti oleh pr ktisi. ide hw m triks deng n zon tuju n y ng h rus diurut sesu i deng n j r k y ng sem kin j uh d ri zon s l (sel ke n d ri zon s l i uk n l h tuju n n. tet pi tuju n ke n d ri zon s l i) le ih sulit digun k n sec r pr ktis. Su tu not si di utuhk n untuk menjel sk n h l ini.121) jug d p t ditur unk n deng n pendek t n entropi m ksimum.1981) menjel sk n hw Stouffer mengem ngk n untuk pert m k liny model IO p d t hun 1940. seti p zon tuju n d ri z on s l i k n diurut sesu i deng n j r k y ng sem kin menj uh d ri zon i.9 Model gr vity opportunity (GO) 5.Wilson et l (1977. Asumsi y ng mend s ri model ini d l h hw seti p perger k n k n mempertim ngk n seti p kesemp t n y ng d sec r erurut n d n mempuny i p elu ng tertentu y ng ke utuh nny terpenuhi. Ny t k n d (i) j d l h zon tuj u n ke j d l m urut n j r k d ri zon s l i deng n d (i) kemudi n j disederh n k n menj di dj. Perenc n n d n pemodel n tr nsport si .1970. deng n sumsi hw juml h perger k n d ri zon s l ke zon tuju n er nding lurus deng n juml h kesemp t n p d zon tuju n. d n er nding ter lik deng n juml h kesemp t n nt r . Mis lk n U id d l h pelu ng seti p perger k n y ng k n mempertim ngk n zon tuju n y ng le ih j uh d ri zon ke j d ri zon 212 Ofy r Z T min. Stouffer mengem ngk nny d l m entuk y ng s ng t sederh n . • • Su 5.

( Adj − Adj −1 ) (5.134) Pers m n ini d p t ditulis. ari total Oi per geraka yag berasal ari zoa i. D l m entuk umum: j j 1 U id = U id . Aj ) − exp (−L . deng n sumsi v ri si menerus. m k : Dd j = Adj − Adj −1 d n pers m n (5. Utuk meapatka pembahasa yag lebih mealam. Ddj ) (5.136) ke persamaa (5.137) Aggaplah j 1 j Tij = Oi .δA U j U i = ki .1 37) meghasilka: Tij = ki .Oi . Dd (5.138) yaitu betuk moel IO. diperoleh: 2 1 2 U id = U id .129) d p t ditulis se g i: j j −1 (U id − U id ) j −1 U id (5. Dd ) d n seterusny . Dd ) (5.135) (5. J di.(1 − L . deng n meng lik n pelu ng sec r erurut n.132) Jik Adj d l h juml h kesemp t n s mp i deng n d n term suk zon d j . ( U i − U i ) ega Tij aalah jumlah pergeraka ari zoa i ke zoa ke j.(1 − L .131) 3 2 3 U id = U id . y ng le ih dek t ke zon i.(1 − L . exp (−L . Aj ) yag aka meghasilka ki aalah kostata (5. M k .i d n terd p t pelu ng se es r L untuk seti p kesemp t n untuk memu sk n seti p perger k n.130) 1 Dd d l h juml h kesemp t n y ng tersedi di zon d1. Salah satu kekuraga moel ii jika iguaka utuk peramala sebara per geraka aalah parameter asar yag iguaka beragam sebagai ugsi waktu.[exp (−L . untuk orde y ng pert m d l m L: i 1 U id = 1 − L . Para meter tersebut berupa peluag peggua jala utuk megakhiri pergerakaya paa zoa tujua secara acak utuk memeuhi tujua pergerakaya.136) (5. pembaca isaraka membaca tulisa Ruiter (1967) yag mejelaska pegguaa pertama mo el tersebut paa proyek CATS (Chicago Area Trasportatio Stuy) paa tahu 195 0 a. Aj −1 )] (5. seagka Moel sebara pergeraka 213 . Memasukka persamaa (5.133) = − L . se g i: δU = − L .

zoa tujua tersebut ipertimbagka secara terpisah a tiak tergatug paa z oa tujua lai yag aa. yag paa moel GR tiak ipertimbagka. Sagat logis jika moel yag ieal aala h moel yag mempertimbagka keua eek tersebut. Tetuka salah satu zoa t ujua a lakuka perubaha paa salah satu atributya. aalisis reg resi iguaka utuk meapatka parameter yag ioptimasika ega megatur i lai pagkat parameterya. moel GR kurag memperhatika eek iterveig. Moel yag serupa juga iusulka oleh Ashtakala (1987). permasalaha o tasi juga meghambat pegguaa moel ii karea hal tersebut mesyaratka zoa tujua yag harus iurut sesuai ega jarak yag semaki mejauh. Perecaaa a pemoela trasportasi .1986) megembagk a moel gravity−opportuity (GO). jika ibaigka ega  zoa tujua yag mempuyai jarak yag lebih jauh. Aaya perbeaa ii isebab ka oleh aaya eek kesempata atara paa zoa tujua. m oel sebara pergeraka itu iamaka moel Geeralise Power. yag memugkika setiap kemugkia terjai atara zoa tujua terse but. pertayaa megeai pemiliha atara peekata moel GR atau IO iputuska secara empirik a statistik ega megguaka batasa paa parameter yag megotrol betuk ugsi mekaisme peyebara pergeraka. Wills (1978. Betuk asar moel GR a IO bisa iapat sebag ai kasus khusus. 214 Oyar Z Tami. yag terurut sesuai ega jarak ari zoa asal. Betuk ugsioal moel tersebut mempuyai keguaa um um. Selajutya. moel I O tiak mempertimbagka eek hambata. Perubaha tersebut aka meyebabka eek yag berbea a lebih kecil paa pergeraka ari suatu zoa as al ke zoa tujua yag mempuyai jarak yag lebih ekat. a biaya) ega sesuatu yag iasarka haya paa karakteristik zoa tujua yag salig mempegaruhi. Pertimbagka zo a asal tertetu a beberapa kemugkia zoa tujua alam suatu permukaa beri mesi ua. Jai. Deiisi parameter peluag asar seikit imoiikasi eg a meambahka koisi bahwa zoa tujua yag ipertimbagka oleh setiap peggu a jala sebagai tujua akhir pergeraka harus iguaka jika hal tersebut iper timbagka. Salah satu kesulit a yag meghambat pegembaga moel IO aalah persyarata peggatia hambata pergeraka (jarak. Parameter tersebut mecermika kepetiga peggua j ala a kemampua suatu zoa tujua alam memeuhi kebutuhaya. semetara i sisi lai. Di satu sisi. Oleh karea itu. a ii merupaka eom ea ituiti logis. waktu. Moel khusus bisa iapat ari moel umum tersebut ega megguaka peubah tiak bebas yag cocok a sesuai ega ata yag terseia. Saleius (1972 ) megembagka suatu moel ega asumsi bahwa terapat jumlah ujug perjalaa tertetu i setiap zoa a setiap ujug perjalaa haya apat iguaka oleh satu pergeraka saja.

persamaa berikut ii iperluka: • • Zij seperti yag ieiisika paa persamaa (5. Perhatika bahwa j selalu ieiisika sebagai  ugsi ari i.  i (5. matriks biaya.142) −1 .Ti )  (5. Z ij D ij = ∑ δ ij . Z ij aalah pergeraka ari zoa asal i ke zoa tujua ke j yag iurut se suai ega jarak ari zoa i.9.142)−(5.9. D . maka ua persamaa berikut ii ibutuhka: Oi = ∑ Z ij j (5. D ...9. Jika trasormasi δ ij meghasilka MAT t erurut.141) Perlu icatat bahwa bagia trasormasi haya berlaku bagi peubah yag berkaita ega MAT.143)..140) Jai.. J sebagai zoa tujua.B . Ai . MAT terurut bisa iapat ega megguaka trasormasi: Z ij = ∑ (δ ij . .139) Kemuia. aktor proporsioal. I sebagai zoa asal a  = 1. seperti i = 1. Deiisika trasormasi δ ij utuk setiap zoa asal i seperti: 1 δ ij = 0 jika ti ak jika zoa tujua  beraa paa posisi ke j alam uruta jarak yag semaki j auh ari i (5.2 Normalisasi perger aka ke zoa tujua ari setiap zoa asal i harus sama ega total pergeraka  ari zoa asal tersebut a total pergeraka yag berasal ari zoa tertetu ke s etiap zoa tujua j harus sama ega total pergeraka yag meuju ke zoa terse but. . U tuk meapatka kosistesi yag logis. 2.1 MAT terurut Beri peomora paa zoa asal a tujua eg a cara yag biasa. a aggap Ti aalah pergeraka ari zoa asal i ke zo a tujua . D = ∑ ∑ δ ij i j  ( ) ( ) (5.. a aktor peyeimbag saja.2. Z i ) ∑ (δ ij  (5.2. sehigga lebih tepat jika isebut sebagai j(i). utuk meyeerhaaka otasi. i ihilagka.140) Ti = O i . .144) Moel sebara pergeraka 215 . 2. seperti total 5.5. Aka tetapi. sebalikya −1 iguaka utuk meghasilka MAT sebearya ega cara: δ ij Ti = −1 .143) Utuk memeuhi persamaa batas (5.2 Deiisi 5.

.

Dasar teori trasormasi ii bisa ilihat paa Box a Cox (1964) a pustaka lai. Trasormasi Box−Cox utuk suatu peubah y bisa ieiisika sebagai : ( y ε − 1) ε≠0 ε y (ε) = (5.3 Spsifikasi fungsi ksmpatan dngan 0 ≤ µ ≤ 1 (5.147) ε=0 = xp y Transformasi ini bisa dikombinasikan mnjadi fungsi baru yang diknal sbagai ko mbinasi cmbung dalam µ. dihasilkan modl R sdangkan fk ksmpata n-antara dihilangkan. y (1 / ε ) 5.2. Fungsi ksmpatan Uip mngaitkan i dngan tujuan k -p dari zona i dan didfinisikan sbagai: U ip = xp (1 − ε ). Keua jeis moel ii s agat bergua apabila salah satu iormasi ujug perjalaa tiak terseia. D p . B  = ∑ (Ai .146) ε=0 logy Invrs transformasi Box−Cox adalah: ( yε + 1) 1 / ε y 1/ ε ε≠0 (5. 5.• Ai = ∑ (B  . y ( ε . y ( ε ) + (1 − µ ) .O i . yag ikeal ega versi ega batasa tarika. D  . Faktor hambatan mmbri bobot ksmpatan-antara dngan mm prhitungkan lokasi antara asal dan tujuan.145) Betuk ormalisasi yag lai iguaka utuk versi ega satu batasa ega me etapka B = 1 utuk setiap .α . i ( Ω ) − β.µ ) = µ .C ip ( (Φ ) ) (5. Hal yag sama.9.3 Trasormasi Utuk meapatka skala peubah yag meerus utuk meghasil ka keluarga moel alam betuk ugsi yag spesiik. yag ikeal ega versi ega batasabagkita . dan biaya atau pubah hambatan yang mngaitkan asal dan tujuan.148) Tahapan utama dalam mngintgrasikan kdua modl trsbut adalah mndapatkan sp sifikasi fungsi ksmpatan yang mmpunyai pubah atribut-tujuan sprti populasi . tetapi jeisya lai aalah ega meetapka Ai = 1 utuk set iap i. Nilai (1−ε) mnjamin bahwa. Prncanaan dan pmodlan transportasi .149) Uip didefiisika sebagai vektor kombiasi atara faktor hambata da kesempata .  i ) i −1 (5. maka trasormasi Box−Cox i butuhka. smakin bsar pula pngaruhnya pada 216 Ofyar Z Tamin.9. yang biasanya smakin dkat suatu zo na tujuan k zona asal. pndapatan atau ukuran ksmpatan lainnya.  i )  −1 . jika ε = 1. Vers i tapa batasa apat ihitug tapa perlu melakuka ormalisasi ega meetapk a Ai = B = 1 utuk setiap i a .

.

C ip Uip exp (1 − ε ) . Tabl 5. α .21 mmprlihatkan bbrapa spsif ikasi fungsi ksmpatan yang trgantung pada nilai paramtr Ω nd Φ.C ip −β C ip −β C ip ) exp (1 ε ) . D ip − β . Tabel 5. C ip pi ] ] ] 0 0 1 .prgrakan antara i dan j. α . Ini mnghasilkan konsp umum yang mncrminkan adanya sbaran spasial aktivitas konomi yang mnghasilkan uji statistik tntang pnga ruh lokasi trhadap ksmpatan-antara.C ip [ [ [ [ ] 1 1 [ [ ] ] exp − β .α . D ip ( 1− ε ) Dα pi [ ] ( ( ) (Φ ) exp (1 − ε ) . α .21 Spesifikasi fugsi kesempata Ω Ω Φ Φ Kesempata-atara Hambata (Φ ) exp − β . C ip ( 1− ε ) -β Dα . D ip( Ω ) exp (1 − ε ) . D ip( Ω ) − β .

µ ) (5.µ ) dan j −1 U ∑ i X ij −1 =  ( ε .151) ke ersamaan (5.152) Faktor proporsi umum trgantung pada kombinasi cmbung dari transformasi Box−Cox ( langsung dan invers). α .µ) didfinisikan sbagai prsamaan (5.151) Transformasi (ε. D ip − β .150) menghasilkan ben uk fak or roorsi yang umum se er i: j Fij = U i  ∑ ( ε . dan model o or uni y jenis inversi (IO) dengan nilai µ = 0. yai u model oor uni y jenis langsung (DO) dengan nilai µ = 1.152) menghasilkan dua cabang kasus khu sus.0 exp (1 − ε ) .µ ) j −1 U i − ∑  ( ε .C ip ( ) exp (1 ε ) . Model DO sanga Model sebaran ergerakan 217 . Ben uk ersamaan (5. D ip ( 1− ε ) Dα pi exp (1 ε ) . α . y ng d p t didefinisik n se g i: Fi j = X ij − X ij −1 (5. C ip Sum er: Wills (1986) 5.148). α .146)−(5.9. log e C ip 0 1 exp − β .4 Struktur f ktor proporsi Fungsi kesemp t n dig ung ke d l m entuk f ktor proporsi y ng umum Fij y ng di definisik n se g i per ed n d l m fungsi kesemp t n kumul tif d ri zon i ke z on ke j deng n d ri zon i ke zon ke (j−1).150) Bentuk kesemp t n kumul tif y ng p ling umum meny t k n hw Xij d n Xij−1 d l h : j X ij = U ∑ ip p ( ε . log e D ip − β .µ ) (5. Memasukkan ersama an (5.

ermukaan reson.jelas karena erdiri dari kasus khusus dan en ing. seer i model E O. dihasilkan modl R: j j −1 Fij = P (5. yai u rosedur norma lisasi. yaitu: j j −1 Fij = ex U ex − ∑ i Ki a daa juga memer imbangkan gabungan an ara model LO dan EO. 218 Ofyar Z Tamin. untuk 0 ≤ µ ≤ 1 .22 dan hubungan secara s ruk ural dierliha kan secara diagram dalam gam bar 5. Beberaa kasus k husus model O ersebu dan nilai arame er yang menga urnya dirangkumkan dalam abel 5. yai u model oor uni y jeni s logari ma (LO) dengan ε = 0. Perencanaan dan emodelan ransor asi ∑ ∑ U j −1   U ∑ i . Tiga unsur dasar yang di erangkan di a as.156) Hal ini menunjukkan bahwa model R daa dihasilkan sebagai kasus khusus model  O. Seer i elah dijelaskan sebelumnya. disebu model oor uni y jenis gabungan (BO) model. fungsi kesema an dan fak or roorsi menghasilkan model sebaran ergera kan yang sanga luas emakaiannya yang dikenal dengan model O. adalah: j j g e ∑ U i + (1 − µ ) ex ∑ U i − ex ∑ U i Fij = µ log e U ∑ i ha bahwa jika ε = 1. 153) dan (5. model LO.6. nilai arame er berbeda yang menga ur r ansformasi akan menghasilkan keluarga model yang sanga berbeda. dan model R. yaitu: j j −1 − Fij = log e U log ∑ i e Model IO cuku en ing karena di dalamnya erdaa model oor uni y jenis ekso nensial (EO) dengan nilai ε = 0. ana harus me nggunakan model O. Semua model ini daa dierliha kan dalam daerah segi iga dengan kon ur fungsi kemungkinan. dan in erval keercayaa n daa dirajah. dengan cara mengambil kombinasi cembung an ara ersamaan (5.154) dengan engkombinasian yang ergan ung ada nilai µ. Ben uk camu ran ini.

µ ) LO 1 0 j (ε ) j (ε ) log  U ip j−  ∑ p − log e j ∑ U ip p ∑ U i log e U ∑ i j ∑ U ip p DO 1 0≤ε≤1 j−  Ui − U i ∑  (ε ) R 0≤µ≤1 1 j ∑ U ip (1 / ε ) p IO 0 0≤ε≤1 j ∑ U ip p   j ∑ U i  .Tabel 5.µ ) j ( ε .22 Sesifikasi fak or roorsi Ben uk µ ε Ksmpatan-kumulatif (Xij) Faktor Proporsi (Fij) O 0≤µ≤1 0≤ε≤1 j ∑ U ip p ∑ U ip p ( ε .µ ) j−  − U i  ∑ ( ε .

(1 / ε ) j−  U i −  ∑ (1 / ε ) EO 0 0 j xp U ip j j−   ∑ − ex p ex U i U i ∑ ∑   j −  j BO 0≤µ≤1 0 j j U i µlog e Sumber: Wills (1986) Model sebaran ergerakan 219 + (1 − µ ) ex ∑ U i ∑   − log e .

220 Ofyar Z Tamin.00 0.159) * * dan Tih Tif dan Tih adalah ergerakan sebelum adanya erubahan ada Uig. Perencanaan dan emodelan ransor asi .10 ambar 5. Dengan mengguna kan uru an biaya a au jarak yang sudah ada. Kemudian.00 5.25 0.9.5 Aksioma IIA dan model O Bagian ini membuk ikan bahwa model O idak berkai an dengan aksioma Indeendenc e From Irrelevan Al erna ives (IIA) yang dalam hal ini irrelevan al erna ives n ya adalah zona ujuan. ser a Tif * adalah ergerakan jika Uig elah berubah menjadi U ig .158) Cif adalah biaya a au jarak dari i ke f.50 IO O DO 0. e ai bukan bagi f. Dengan ka a lain: Tif Tih = * Tif * Tih (5.1.157) f adalah zona ujuan ke f dari zona i.75 R 0.25 BO 0. Misalkan zona ujuan diuru sesuai dengan jarak yang semakin jauh dari zona i sehingga: f<g<h< j (5.75 LO 1.50 0. sehingga: Cif < Cig < Cih < Cij (5. daa dika akan bahwa sua u model mengiku i aksioma IIA jika erub ahan ada a ribu zona ujuan g idak menyebabkan erubahan ada ergerakan yang er arik ke zona ujuan f dan h.6 Diagram s ruk ural fak or roorsi dan kasus khususnya Sumber: Wills (1986) EO 0 0. dalam kon eks sebara n ergerakan. g sebenarnya meruakan kesema an an ara bagi h . Sa u sa unya model yang memunyai aksioma IIA adalah mode l R yang idak ergan ung ada jenis normalisasi yang digunakan.90 0.

µ) dinyatakan dngan prsamaan (5.20) k −1 .164) ( ) Parameter (Ω.146)−(5. Aik . Hal ini daa berasal dari ba asan ya ng ada dalam kerangka emodelan a au dari ke idakmamuan ki a dalam membua mode l yang seharusnya memiliki deskrisi rinci dari reali a yang akan dimodel. di luar proses kalibrasi (lihat tabel 5. yang idak ergan ung ada g. D ipk − β k . hal ini idak akan mem engaruhi nisbah an ara f dan g un uk semua jenis model O. Dd .9. Tamin . f id (5.10 Beberaa ermasalahan rak is Ki a elah mendiskusikan beberaa model yang berkai an dengan erhi ungan bangki an dan arikan ergerakan se ia zona ser a ergerakan an arzonanya. Dalam ela ksanaannya.O ik . maka model O yang diusulkan adala h: k k k Tid = ∑ bk . Model R hanya erdi ri dari nisbah kesema an fungsi f dan h.α k .Fijk = ∑ δ ij  i j ( ) (ε . 5.160) k ( ) k Aik dan Bd didefinisikan dengan ersamaan (5. Bd . beberaa ermasalahan rak is erlu dierha ikan karena sanga meme ngaruhi akurasi enggunaan model ersebu .163) (5. idak ergan ung ada jenis normalisasi yang digunakan. Trasformasi (ε.161) Fijk j k U ip = ∑ p (ε . daa disimulkan bahwa model R meruakan sa u sa unya model O yang m engabaikan aksioma IIA.µ ) (Ω ) (Φ ) k U ip = exp (1 − ε ).Φ) dipilih terlebih dahulu.Perubahan ada g hanya berengaruh ada kumula if kesema an di h dan zona ujua n lainnya yang lebih jauh. 5.21) .2 2).C ip k D ijk = ∑ δ ij − D  ( j −1 k U ip − ∑ p (5.µ ) (5. Oleh kar ena i u.162) ) (5. Jika ada h erjadi erubahan.148) (liha juga abel 5.6 Model O yang diusulkan Jika diasumsikan erdaa K ujuan ergerakan a au jenis barang yang bergerak di an ara beberaa zona di dalam daerah kajian.

5.(1988a) dan Or uzar and Willumsen (1994) mendiskusikan beberaa ermasalahan r ak is yang erlu dierha ikan.10.1 Penanganan zona esk ernal Dalam enen uan ba as daerah kajian elah disarankan agar ba as ersebu di en u kan sedemikian rua sehingga daerah di dalam ba as (zona in ernal) Model sebaran ergerakan 221 .

yang menyebabkan ergerakan in razona i n ernal idak akan ernah erbebankan ke sis em jaringan. Usaha enanganan lalulin as menerus ini sanga banyak membu uhkan biaya. ergerakan jenis inilah yang aling ba nyak menyebabkan ermasalahan ransor asi.10.memunyai kon ribusi besar erhada erjadinya ergerakan. misalnya emb angunan jalan lingkar. karena usa zona didefinisikan sebagai lokasi ergerakan dari zona awal dan lokasi ergerak an ke zona akhir. Secara rak ek yang harus dilakukan un uk kasus seer i i ni adalah: emodelan ergerakan yang ada kai annya dengan zona eks ernal harus d iisahkan dengan emodelan an arzona in ernal a au in razonal. Perencanaan dan emodelan ransor asi . ermasalahan ransor asi yang erjadi bukan disebabkan oleh erger akan an arzona in ernal.2 Pergerakan in razona in ernal Permasalahan yang sama juga berlaku un uk ergerakan in razona in ernal. e ai oleh ergerakan in razonal in ernal yang membeba ni 222 Ofyar Z Tamin. se dangkan ergerakan yang berkai an dengan zona in ernal daa menggunakan bebera a model sin e is yang elah di erangkan. hal ini daa dilakukan dengan melakukan wawancara di ei jalan ada i ik inle dan ou le dari dan ke daerah kajian un uk mendaa kan informasi ergerakan yang berka i an dengan zona eks ernal. sedangkan daerah di l uar ba as ersebu (zona eks ernal) memunyai kon ribusi kecil. Masalah lalulin as menerus meruakan mas alah yang sanga serius yang erlu dierha ikan embina daerah erko aan. 5. Permasa lahan imbul karena definisi usa zona. khususnya di daerah erko aan. sehingga ergerakan je nis ini selalu diabaikan dalam emodelan ransor asi. Hal inilah ya ng menyebabkan bahwa dalam emodelan ransor asi. Akan e ai. Penyebabnya. Per ama. Pera malan ma riks ergerakan yang berkai an dengan zona eks ernal un uk masa menda a ng daa dilakukan dengan me ode fak or er umbuhan. Denga n ka a lain. Keema . misalnya model gravi y. emo delan un uk kedua jenis ergerakan ersebu lalu dilakukan secara erisah. seluruh ergerakan yang berkai an dengan zona eks ernal harus dihilangkan dari ma riks o al sehingga dihasilkan ma riks baru yang hanya berisikan informasi ergerakan an arzona in ernal saja. Ke iga. ergerakan jenis ini idak ak an ernah erbebankan ke sis em jaringan dan menyebabkan gala emodelan yang cu ku besar. dalam reali anya. Jadi. ergerakan in razona in ernal meruakan ergerakan yang (berdasarkan definisi) berasal dan berakhir ada lokasi yang sama. e a idak bisa dihindari adanya ergerakan dari zona eks ernal ke in ernal dan se baliknya a au mungkin saja ergerakan zona eks ernal ke eks ernal yang dalam ro ses ergerakannya menggunakan jaringan jalan di dalam daerah kajian (ergerakan ini sering disebu lalulin as menerus). Hal yang aling sering dier anyakan yang berkai an denga n zona eks ernal adalah cara menghi ung biaya gabungan sis em jaringan dari usa zona eks ernal ke usa zona in ernal dalam daerah kajian (hal ini sanga suli di en ukan karena zona eks ernal didefinisikan mewakili seluruh daerah di luar ba as daerah kajian). hasil eramalan kedua jenis ergerakan ersebu kemudian daa digabung un uk menghasi lkan ma riks o al ergerakan masa menda ang yang dibu uhkan un uk berbagai kee rluan erencanaan ransor asi. misalnya me ode Furness. Kedua. Akan e ai.

Model fak or er u mbuhan mengasumsikan sebaran ergerakan hanya ergan ung ada besarnya bangki an dan arikan se ia zona dan idak ergan ung ada aksesibili as an arzonanya. ini berar i se ia sel berisi ra a ra a 10 ergerakan. Beberaa model sebaran erge rakan yang elah di erangkan memunyai erilaku yang berbeda. Cara enanganan masal ah ergerakan jenis ini adalah dengan mengubahnya menjadi ergerakan an arzona i n ernal.10. 5. model sin e is mengasumsikan bahwa aksesibili as an arzona daa juga memengaruhi sebaran ergerakan selain besarnya bangki an dan arikan. Hal ini akan menyebabkan banyak sel ma riks yang kosong. Hal ini disebabkan sanga sukarnya memerkirakan besarnya arikan er gerakan secara akura un uk daerah erbelanjaan a au rekreasi.3 Tujuan ergerakan Pergerakan dengan ujuan dan/a au jenis orang yang berbeda beda biasanya menggun akan model yang berbeda beda ula. Pergerakan belanja dan rekreasi lebih baik menggunakan model o or uni y dariada model gravi y karena ujuan ergerakan jenis ini lebih memen i ngkan kemamuan zona ujuan dalam memenuhi kebu uhan ana meliha beraa besar biaya yang harus dikeluarkan un uk mencaai zona ersebu . Dalam mo del sin e is un erdaa beberaa erilaku.sis em jaringan jalan (dalam emodelan ransor asi. Salah sa u cara adalah membagi zona ersebu menjadi beberaa subzona y ang lebih kecil. semakin besar u la ersen ase volume ergerakan in razona in ernal yang sudah barang en u akan semakin besar eluang kemace an yang daa di imbulkannya. Model ini cocok un uk daera h erko aan karena ada kenya aannya beberaa ujuan ergerakan yang erjadi da a dienuhi oleh kedua erilaku ini. sedangkan ergerakan dengan ujuan lain (misalnya belanja a au rekreasi) menggunakan model gravi y dengan sa u ba asan. sehingga ergerakan in razona in ernal menjadi ergerakan an ar zona in ernal.600. Semakin besar luas sua u zona.000 sel) dengan 3. sed angkan model oor uni y lebih menekankan ada sejauh mana zona ujuan ersebu daa memenuhi kebu uhan seseorang ana memerha ikan beraa un biaya yang har us dikeluarkannya (seer i ki a ke ahui. misalnya dari daerah erumahan ke daerah erkan oran. ergerakan menuju ema kerja bias anya menggunakan model gravi y dengan dua ba asan. Model sebaran ergerakan 223 . S ebaliknya. Misalnya. 5. Daa dias ikan ergera kan ersebu idak akan mera a un uk seluruh sel. Selain i u.10. Kadang kadang beb eraa ujuan ergerakan cuku sensi if erhada erubahan biaya sehingga membu u hkan enggunaaan fungsi hamba an yang berbeda ula.000 ergerakan. model gravi y lebih meng u amakan eranan aksesibili as an arzona dalam roses enyebaran ergerakan. as i ada daerah yang inggi ingka ergerakannya. Misalnya. ujuan ki a bergerak adalah un uk memen uhi kebu uhan). Con ohnya. sua u daerah kajian mencaku 600 zona (360. ergerakan jenis ini diabai kan karena definisi usa zona). Model gravi y oor u ni y mencoba menggabungkan kedua erilaku u ama ini.4 Ma riks yang memunyai banyak sel kosong Kebanyakan ma riks asal− ujuan memunyai banyak sel kosong (sel ma riks yang idak memunyai informasi ergerakan a au memunyai nilai ergerakan nol).

sedangkan zona arikannya adalah kan or. Dalam kasus seer i ini. misalnya ergerakan ergi menuju ema ker ja (a au endidikan.6 Fak or ‘K’ Model gravi y daa digunakan un uk memerkirakan sebaran ergerakan jika sebara n ersebu diengaruhi oleh fak or bangki an dan arikan se ia zona ser a akses ibili as an arzona. zona bangki annya adalah rumah. beberaa ergerakan dilakukan dengan arah dari zona bangki an ke arikan sedangkan yang lain mungki n bergerak dengan arah yang berbeda. a au oko. a au adanya ergerakan dengan ujuan  ergerakan lain yang dilakukan ada agi hari. misalnya MAT jam sibuk agi daa erdiri dari 65% erg erakan bangki an− arikan dan 35% ergerakan arikan−bangki an un uk se ia ujuan e rgerakan. Dalam erencanaan dan emodelan ransor asi dikenal MAT yang memunyai skala wa k u yang berbeda beda sesuai dengan kebu uhan. ya ng daa dilakukan adalah (1) mencoba menggabungkan beberaa zona yang ada sehin gga menjadi zona baru yang bukan meruakan sel kosong. Pendeka an kedua adalah melaksanak an survei un uk ber ujuan menge ahui secara langsung beraa ersen ase MAT un uk se ia arah ergerakan. Model ersebu ada dasarny a menghubungkan zona bangki an dengan zona arikan. Un uk ergerakan ulang. Dengan cara ersebu juml ah sel kosong akan menjadi berkurang. misalnya ergera kan dari zona bangki an ke arikan ada jam sibuk agi. un uk MAT dengan skala wak u endek. dalam beberaa kasus. misalnya MAT 24 jam. MAT 6 jam. Adanya sel kosong mengakiba kan sel ersebu idak akan ernah didaa kan nilai eramalan masa menda angnya. kemudian mengasumsikan bahwa ergerakan ersebu hanya bergerak un uk sa u arah saja. 5. misalnya kebijakan jam ker ja yang fleksibel. Terdaa beberaa endeka an yang daa dilakukan un u k menga asi ermasalahan ini. s ekolah. Un uk MAT 24 jam. sedangkan zona arikan adalah rumah. dan lain lain. Akan e ai. sekolah. erjadi hal yang sebaliknya.10.5 Bangki an− arikan dan asal− ujuan Beberaa model sin e is yang elah dikembangkan mengasumsikan bahwa se ia erge rakan yang erjadi selalu memunyai asal dan ujuan. Perencanaan dan emodelan ransor asi . zona ba ngki an adalah kan or.adanya roses engambilan samel (misalnya 20%) akan menambah eluang ber ambahn ya sel kosong ersebu . kedua ergerakan yang elah di erangkan sebelumnya idak akan menimbulkan masalah karena keduanya dilakukan sekali un uk se ia arah dan erjadi dalam sa u hari i u meskiun ada wak u yan g berbeda. misalnya un uk ujuan bekerja. kebijakan kerja shif . Beberaa da a survei kem udian harus dikumulkan un uk menamung beberaa hal. M AT jam sibuk agi.10. a au oko. Pendeka an er ama adalah menghasilkan MAT un uk ujuan ergerakan er en u. Un uk ergerakan berbasis ru mah. Akan e ai. a au ergerakan ersebu belum dilaksanakan karena wak unya berbeda. 5. (2) memasukkan nilai yang sanga kecil (mi salnya nilai 1) ke se ia sel kosong yang ada. ema belanja). erdaa beberaa 224 Ofyar Z Tamin.

sudah barang en u besar ergerakan idak daa dierkirakan dengan model g ravi y.O i . ex(− β C id ) (5. 1981 ) menjel sk n hw ketep t n MAT y ng dih silk n deng n pendek t n metode l ngsung d n tid k l ngsung terg ntung p d e er p sum er g l t seperti eriku t ini. Willumsen (1978 . Jenis g l t ini dise k n oleh d ny peng ruh ke r g m n h ri n/musim n p d MAT. G l t d l m pengumpul n d t Jenis g l t ini te rj di sel m proses survei y ng se gi n es r ki t g l t m nusi . K sus ini d p t jug erup peru h n y ng dil kuk n d ri survei deng n sel ng w ktu tertentu untuk mend p tk n MAT deng n sel ng w ktu y ng le ih p nj ng. G l t d l m pengol h n d t J enis g l t ini terj di d l m proses pemind h n d t ment h d n i s ny terj di k ren g l t m nusi . Ap pun metodologi y ng digun k n. Ker g m n h ri n/musim n d n g l t perlu s n d t survei Jenis g l t in i terj di jik su tu f ktor di utuhk n untuk mengkonversi d t sli l p ng n unt uk mengh silk n MAT p d sel ng w ktu tertentu (mis lny : d t survei 16 j m n hend k diu h menj di 24 j m n). dirasakan erlu memerkenalkan arame er Kid sebagai ambahan dalam model gravi y seer i er era ada ersamaan (5. Sum er ut m kes l h n d l h kekeliru n mem eri kode. Un uk menangani kasus seer i ini.11 Keteliti n MAT y ng dih silk n oleh metode konvension l Us h untuk mend p tk n MAT tid kl h sederh n d n mud h. Dd . perhitung n c Model se r n perger k n 225 . Ketep t n MAT y ng dih silk n s ng t erk it n deng n g l t y ng d d l m proses pen ksir nny . s ng t pentin g diket hui ku lit s per m l n terse ut.asangan zona asal− ujuan yang besar ergerakannya idak diengaruhi oleh fak or ersebu . Jenis g l t ini i s ny sec r pr ktis tid k d p t dihind rk n. tet pi tid k is menghil ngk nny s m sek li. Ai . Kontrol ku lit s y ng ik d p t mengur ngi jenis g l t in i. Dalam kasus ini. g l t pengetik n. kuesioner y ng tid k lengk p. h rus d iket hui hw MAT y ng dih silk n tid k pern h luput d ri g l t. seperti: g l t mengidentifik si kend r n. Ap il per m l n l lulint s diperluk n untuk peng m il n keputus n. t u g l t d l m penulis n inform si. Tid = K id .165) Be er p k ji n y ng tel h dil kuk n menyimpulk n hw penggun n f ktor Kid d p t meningk tk n kur si MAT y ng dih silk n. pem c dis r nk n mem c 8). menghitung rus. Us h terse ut er g m d ri metode konvension l y ng mem utuhk n w ktu l m d n i y y ng s ng t m h l s mp i ke metode y ng ru. ik metode konvension l m upun metode tid k konvension l. Su tu ke ij k n d p t terlih t le ih ik d ri y ng l in.B d . y itu y ng menggun k n d t rus l lulint s y ng s ng t mud h did p t (untuk le ih jel sny .1 65). Sebagai con oh adalah ergerakan an ara zona indus ri dengan zona erum ahan yang khusus dibangun oleh indus ri ersebu un uk karyawannya. tet pi ketid kp sti n y ng erk it n deng n per m l n is me nj dik n h l y ng se likny terj di. 5.

mungkin terj di ketid kcocok n d l m proses pe nyederh n n terse ut. Jenis g l t ini ter j di k ren . Se g i t m h n in form si. ketep t n MAT y ng dih silk n deng n pendek t n metode tid k l ngsung t erg ntung p d e er p sum er g l t se g i erikut: e G l t k li r si Be er p d t y ng di utuhk n seperti p nj ng j l n d p t diukur sec r tep t. J di. h l ini tid k menguntungk n k ren tingk t ketid kp sti n h ny k n erkur ng sec r ny t deng n peng m il n s mpel y ng s ng t ny k d n jug k ren g l t y ng terj di ki t f ktor l in k n menj di le ih pe nting. tingk t peng m il n y ng le ih kecil d ri 100% di utuhk n k ren pertim ng n pr ktis.g nd . d G l t peng m il n s mpel Model rus l lulint s p d d s rny mem utuhk n proses peng m il n d t y ng k ren s tu d n l in h l merup k n gi n t u cermin n popul si y ng d . kontrol ku lit s y ng ik d p t menolong mengur ngi jenis g l t ini. G l t spesifik si Model pe r m l n ny k did s rk n p d penyederh n n cermin n peril ku m nusi y ng p d d s rny s ng t kompleks. kecu li p d k sus y ng s ng t sederh n . d t l in seperti l p ng n kerj h ny d p t erup perkir n s j . Sek li l gi. Dimungkink n d ny penurun n f ktor s mpel deng n meng m il d t y ng le ih ny k. g l t mem u t t el t u g l t mem u t progr m. d t y ng hil ng t u tid k ter c . g l t mengedit d n mem u t file. C r y ng ter ik untuk mengh silk n model y ng ik d l h d eng n mempel j ri es rny per ed n seperti nt r h sil pemodel n deng n re li t . Per ed n terse ut h rus terse r norm l d n tid k d penyimp ng n y ng cuk up es r. Ak n tet pi. H l ini k ren lo k si w w nc r di j l n t u metode survei menggun k n ender y ng tid k memung kink n ter m ilny seluruh d t y ng d . D l m k sus ini. tingk t keperc y n is seger dihitung. Jenis g l t terj di jik ketid ktep t n d t y ng di utuhk n d l m proses k li r si meng h silk n nil i p r meter y ng s l h. Begitu f ktor s mpel diket hui. f 226 Ofy r Z T min. Tid kl h mungkin dih silk n model y ng sec r t ep t d p t mencermink n re lit k ren seti p pendek t n d l m proses penyederh n n su tu model jug tid k luput d ri f ktor g l t. di t s t s tertentu. G l t d l m pers m n (fung si) t u d ny peng i n d ri er g i peu h penting d p t mengh silk n tingk t g l t tertentu. survei tid k d p t menc k up seluruh perger k n y ng terj di sel m sel ng w ktu survei. S tu s tuny g l t y ng mempuny i st nd r pemec h n teori d l h g l t y ng dise k n oleh f ktor konversi t u g l t f ktor s mpel. Perenc n n d n pemodel n tr nsport si . H l ini is jug dise k n oleh penggun n proses k li r si y ng tid k cocok t u tid k tep t. Ak n tet pi. Model terse ut jug h rus mempuny i d s r teori y ng mendukung. Jenis g l t ini terj di jik h sil model y ng digun k n t id k sesu i deng n keny t nny .

Jurus n Teknik Sipil. S l h s tuny d l h model simult n y ng dikem ngk n oleh L or torium Rek y s L lulint s. D l m ini kit mendiskusik n pemilih n mod se g i m s l h greg t.7). Di situ diperk ir k n es rny perger k n d ri seti p zon s l ke seti p zon tuju n. d n mul i mend p t perh ti n kem li s mp i khir t hun 1980 n. model logit iner. Su 6. keret pi w h t n h d n e er p mod tr nsport si keret pi l inny tid k memerluk n ru ng j l n r y untuk erger k sehingg tid k ikut mem c etk n l lulint s j l n.6 menjel sk n sec r rinci e er p model sintetis meliputi model kom in si s e r n perger k n−pemilih n mod . model pemilih n multimod . jik d pengend r y ng erg nti ke mod tr nsport si ngkut n umum. Bes rny perger k n terse ut ditentuk n oleh es rny ngkit n seti p zon s l d n t r ik n seti p zon tuju n sert tingk t ksesi ilit s sistem j ring n nt rzon y ng i s ny diny t k n deng n j r k.3) d n model pemilih n mod pertuk r n perj l n n (su 6. se r n d n pemilih n mod sec r simult n. Model jenis ini dih silk n pert m sek li p d t hun 1960 n. es rny perger k n y ng menggun k n mod tr nsport si tertentu elum d p t teridentifik si p d t h p n se r n perger k n.2). Pemilih n mod mungkin merup k n model terpenting d l m perenc n n tr n sport si.4). B ini dimul i deng n penjel s n tent ng f ktor y ng d p t mempeng ruhi pemilih n mod (su 6. S ng tl h men rik hw pendek t n y ng s m d p t jug digun k n untuk menurunk n model se r n perger k n. Tid k seor ng pun d p t meny ngk l hw mod ngkut n umum menggun k n ru ng j l n j uh le ih efisien d rip d mod ngkut n pri di. m k ngkut n pri di mend p tk n keuntung n d ri per ik n tingk t pel y n n ki t perg nti n mod terse ut. H l ini dise k n k ren per n kunci d ri ngkut n umum d l m er g i ke ij k n tr nsport si.6 Model pemilih n mod 6. kemudi n terlup k n sel m t hun 1970 n. kit mengk ji model pen ksir n ngkit n. Ak n te t pi. t u i y ( i y g ung n). Su erikutny menjel sk n e er p model pemilih n mod y ng tel h dikem n gk n. ITB p d t hun 1997 untuk memodel ke utuh n k n perger k n ngkut n r ng di pul u J w . Untuk itu. Seterusny . y itu model pemilih n mod ujungperj l n n (su 6. d n model pemilih n mod erhier rki. d l m t h p n pemi lih n mod ini k n diidentifik si es rny perger k n nt rzon y ng menggun k n seti p mod tr nsport si tertentu. Su 6.1 Pend hulu n Pemodel n se r n perger k n diter ngk n p d 5 sec r rinci. y ng i s dise ut model ke utuh n l ngsung (su 6. Sel in itu. w ktu. Setel h itu. S ng tl h tid k mungkin men mpung 227 .5 menjel sk n keterk it n mo del pemilih n mod deng n t h p n model perenc n n tr nsport si l inny .

m s l h pemilih n mod d p t dik t k n se g i t h p terpenting d l m er g i perenc n n d n ke ij k n tr nspor t si. H l ini memerluk n penjel s n t ent ng terminologi d s r. seped motor. Ini dise k n k r en ny k f ktor y ng sulit diku ntifik si mis l keny m n n.9 model pemilih n disk ret y ng populer digun k n. Ak n kit lih t g im n h l ini is d id p tk n deng n pendek t n greg t. pemilih n i s ny nt r keret pi t u truk. ru ng y ng h rus disedi k n kot untuk dij dik n pr s r n tr nsport si. M s l h y ng s m jug terj di untuk perger k n nt rkot k ren mod tr nsport si keret pi le ih efisien d l m memind hk n m nusi d n r ng di ndingk n deng n mod tr nsport si j l n r y . Diter ngk n pul d l m su 6. w l upun h ny du u h mod y ng k n digun k n (umum t u pri di). 6. model d p t digun k n untuk mer m lk n pemilih n mod deng n menggun k n nil i peu h e s ( tri ut) untuk m s mend t ng. Oleh k ren itu. Deng n le ih d ri du mod (mis lny us. y it u mo ilit sny tinggi d n d p t erger k k p n s j . model ters e ut s ng t diperluk n untuk memodel perger k n y ng pek terh d p tri ut perge r k n y ng mempeng ruhi pemilih n mod . Proses ini dil kuk n deng n m ksud untuk mengk li r si model p emilih n mod p d t hun d s r deng n menget hui peu h e s ( tri ut) y ng mem peng ruhi pemilih n mod terse ut. term suk temp t p rkir. oplet.2 F ktor y ng mempeng ruhi pemilih n mod Model pemilih n mod ertuju n untuk menget hui proporsi or ng y ng k n menggun k n seti p mod . F ktor 228 Ofy r Z T min. Pemilih n mod s ng t sulit dimodel. Pemi lih n mod jug mempertim ngk n perger k n y ng menggun k n le ih d ri s tu mod d l m perj l n n (multimod ). D l m su 6. J di. mod tr nsport si j l n r y mempuny i e er p kele ih n. proses pemodel n menj di sem kin su lit. d p t dik t k n hw pemod el n pemilih n mod merup k n gi n y ng terlem h d n tersulit dimodelk n d ri keemp t t h p n model perenc n n tr nsport si.10 k n di erik n contoh plik si model logit iner d l m memodel pemilih n mod nt r keret pi deng n j l n r y .8 sec r le ih menyeluruh di s mp ik n pend hulu n tent ng metode pemodel n pemilih n diskret (mis lny p i l seti p individu memilih d ri s tu set ltern tif y ng tersedi ). Kit mul i d eng n e er p pertim ng n umum d n kemudi n diterusk n deng n penjel s n ker n gk teori sec r umum y itu teori utilit s c k. ke m n n. P d su 6. d n ny kny pilih n mod tr nsport si y ng d p t dipilih penduduk. keret pi).semu kend r n pri di di su tu kot k ren di utuhk n ru ng j l n y ng s ng t lu s. t u ketersedi n mo il p d s t diperluk n. model logit multinomi l (LM) y ng merup k n kelompok model y ng d p t digun k n oleh p r pr ktisi se g i l t ntu pemodel n y ng s ng t ik. Untuk ngkut n r ng. H l ini meny ngkut efisiensi perger k n di d er h perkot n. Perenc n n d n pemodel n tr nsport si . ke nd l n. Ak n tet pi. Jenis perger k n inil h y ng s ng t umum dijump i di Indonesi k ren geogr fi Indonesi y ng terdiri d ri ny k pul u sehingg persent se perger k n multimod cukup tinggi. Setel h dil kuk n proses k li r si. Oleh k ren itu.

ketersedi n ru ng d n t rif p rkir. struktur rum h t ngg (p s ng n mud . j r k perj l n n Sem kin j uh per j l n n. • • Model pemilih n mod 229 . Pert m . pensiun. d n l in l in). keny m n n. pend p t n. w ktu erj l n k ki ke temp t pem erhenti n us. • • 3 Ciri f silit s mod tr nsport si H l ini d p t dikelompokk n menj di du k tegor i. sem kin tinggi pend p t n k n sem kin es r pelu ng menggun k n kend r n pri di. i y tr nsport si (t rif. meskipun le ih m h l. i y h n k r. uj ng n. Contohny . or ng m sih tet p menggun k n mo il pri di ke temp t kerj . f ktor l in mis lny keh rus n menggun k n mo il ke temp t ekerj d n keperlu n meng nt r n k sekol h. Pemilih n mod jug k n s ng t dipeng ruhi oleh: • • • • 2 Ciri perger k n • tuju n perger k n Contohny . kit sem kin cenderung memilih ngkut n umum di ndingk n deng n ngkut n pri di. pemilik n Sur t Izin Mengemudi (SIM). d n l in l in). perger k n ke temp t kerj di neg r m ju i s ny le ih mud h deng n mem k i ngkut n umum k ren ketep t n w ktu d n tingk t pel y n nny s ng t ik d n ongkosny rel tif le ih mur h di ndingk n deng n ngku t n pri di (mo il). d n l in l inny tid k d p t d ipenuhi oleh ngkut n umum. d n l in l in.y ng d p t mempeng ruhi pemilih n mod ini d p t dikelompokk n menj di tig . se g im n dijel sk n erikut ini. k ren ketep t n w ktu. untuk epergi n d ri J k rt ke Sur y . keret pi . meskipun mempun y i mo il pri di. 1 Ciri penggun j l n Be er p f ktor erikut i ni diy kini k n s ng t mempeng ruhi pemilih n mod : • ketersedi n t u pemilik n kend r n pri di. w ktu sel m erger k. kit cenderung menggun k n ngkut n umum (pes w t. f ktor ku ntit tif seperti: • w ktu perj l n n. Ak n tet pi. w ktu terj diny perger k n K l u kit ingin erger k p d teng h m l m. kelu rg deng n n k. kit p sti mem utuhk n kend r n pri di k ren p d s t i tu ngkut n umum tid k t u j r ng eroper si. h l y ng se likny terj di di neg r sed ng erkem ng. t u us) k ren j r kny y ng s ng t j uh. w ktu menunggu di temp t pem erhenti n us. sem kin tinggi pemilik n kend r n pri di k n sem kin keci l pul keterg ntung n p d ngkut n umum.

Mud h dilih t g im n konsep i y g ung n d p t jug digun k n untuk meny t k n e er p f ktor ku ntit tif. H l terse ut sesu i deng n r h perenc n n umum. 6. d n l in l in. ciri pri di y ng er ed ed digun k n untuk memperkir k n pemilih n mod . 6. d n mem ngun j l n tol tid k erp eng ruh p d jenis model pemilih n mod seperti ini. kep d t n permukim n. ciri pri di di ngg p se g i h l terpenting d l m pemilih n mod sehingg penggun n model pemilih n mod dil kuk n seger setel h t h p n ngkit n perger k n. khususny jik ngkut n umum tersedi di seluruh d er h k ji n y ng tingk t kem cet nny rend h. jik pend p t n me ningk t. K ren p d t h p ini tid k terd p t indik si tuju n perger k n merek . d n (c) jenis model y ng digun k n. ny k or ng menggun k n mo il pri di. Model pemilih n mod jenis seperti ini h ny erk it n deng n e er p h l se perti pend p t n. D l m h l ini. pemilih n peu h e s y ng digun k n s ng t terg ntung p d : ( ) or ng y ng memilih model terse ut. D l m j ngk pendek. khususny di Amerik Serik t. Model pemilih n mod y ng ik h rus mempertim ngk n semu f ktor terse ut. ke nd l n d n keter tur n. Memper iki f s ilit s ngkut n umum. 4 Ciri kot t u zo n Be er p ciri y ng d p t mempeng ruhi pemilih n mod d l h j r k d ri pus t kot d n kep d t n penduduk. Model pemilih n m od d p t di ngg p se g i model greg t jik menggun k n inform si y ng er si s zon sert d p t di ngg p se g i model tid k greg t jik mem k i d t er s is rum h t ngg d n/ t u d t individu (lih t su 6. model ini s ng t tid k pek terh d p keputus n ke ij k n − peng m il keputus n tid k d p t er u t ny k d l m mempeng ruhi pemilih n mod . d n pemilik n kend r n. meliputi keny m n n d n ke m n n. kelom pok y ng er ed d l m model n lisis k tegori. ketersedi n ngkut n umum dipertim ngk n d l m entuk indeks ksesi ili t s. P d w ktu l lu.4 Model pemilih n mod pertuk r n perj l n n Bentuk model pemilih n mod di neg r Erop didomin si oleh model se r n perger k n sehingg model pemilih n mod h rus digun k n setel h dil kuk nny 230 Ofy r Z T min. model ini d p t s ng t tep t. ( ) tuju n perger k n. Perenc n n d n pemodel n tr nsport si . Ak n te t pi.F ktor kedu ersif t ku lit tif y ng cukup suk r menghitungny .8).3 Model pemilih n mod ujung perj l n n Penggun n model pemilih n mod k n mengh silk n es rny perger k n seti p mod . mem t si ru ng p rkir. D l m e er p k sus. D ri semu model pemilih n mod . S l h s tu tuju n perenc n n t r nsport si d l h memperkir k n pertum uh n ke utuh n k n perger k n mo il pri di sehingg invest si di id ng j l n r y d p t direnc n k n deng n le ih i k. ciri perger k n d n mod di ik n d l m model ini. contohny .

t
h
p
n pemodel
n se
r
n perger
k
n. Model jenis ini mempuny
i keuntung
n k
ren

mempertim
ngk
n ciri perger
k
n d
n ketersedi

n mod
. Ak
n tet
pi,
k
n le i
h sulit mempertim
ngk
n ciri penggun
j
l
n k
ren
perger
k
n terse ut tel
h di

greg
sik
n d
l
m entuk m
triks
s
l−tuju
n. Model y
ng pert
m
dikem
ngk
n h
ny

mempertim
ngk
n s
tu
t
u du
ciri perger
k
n, i
s
ny
w
ktu tempuh perj
l
n

n. D
p
t dilih
t
hw
kurv
S dir
s
k
n p
ling cocok untuk mencermink
n peril

ku perger
k
n ini sec
r
le ih
ik. G
m
r 6.1 memperlih
tk
n proporsi perger
k

n y
ng
k
n menggun
k
n 1 / Tid ) se
g
i fungsi d
ri selisih w
ktu
t
u selisi
h i
y
perj
l
n
n mod
1 (Tid
nt
r
mod
1 deng
n mod
l
inny
.
G
m
r 6.1 Kurv
pemilih
n mod

Kurv
itu
d
l
h kurv
empiris y
ng did
p
tk
n l
ngsung d
ri d
t
d
n d
p
t digu
n
k
n untuk menghitung proporsi penggun
j
l
n y
ng
k
n erpind
h menggun
k
n m
od
tr
nsport
si l
in y
ng le ih cep
t − din
m
k
n kurv
diversi. S
l
h s
tu kend

l
model terse ut
d
l
h h
ny
is
digun
k
n untuk m
triks perger
k
n y
ng sud

h mempuny
i
ltern
tif mod
y
ng
k
n digun
k
n. Model ini mempuny
i d
s
r teori
y
ng lem
h sehingg
kem
mpu
n per
m
l
nny
dir
guk
n. Model ini jug
meng

ik

n e er
p
peu
h kepek

n ke ij
k
n mis
lny
t
rif d
n i
y
p
rkir. Jug
, k
re
n
ersif
t
greg
t, model ini tid
k d
p
t digun
k
n untuk memodel sec
r
tep
t

t
s
n d
n ciri mod
y
ng tersedi

gi seti
p individu
t
u rum
h t
ngg
.
6.5 Model pemilih
n mod
d
n k
it
nny
deng
n model l
in
An
lisis pemilih
n mod
d
p
t dil
kuk
n p
d
t
h
p y
ng er ed
ed
d
l
m prose
s perenc
n

n d
n pemodel
n tr
nsport
si. H
l ini diilustr
sik
n d
l
m g
m
r 6.
2. Pendek
t
n model pemilih
n mod
s
ng
t erv
ri
si, terg
ntung p
d
tuju
n per
enc
n

n tr
nsport
si. S
l
h s
tu pendek
t
n meng
t
k
n
hw
proses pemilih
n m
od
dil
kuk
n p
d
t
h
p
n menghitung
ngkit
n perger
k
n; di sini perger
k
n

ngkut
n umum l
ngsung dipis
hk
n deng
n
ngkut
n pri
di. Kemudi
n, seti
p mod

di
n
lisis sec
r
terpis
h sel
m
t
h
p
n proses pemodel
n.
Model pemilih
n mod

231

Pendek
t
n ini meng
sumsik
n
hw
peu
h sosio ekonomi s
ng
t mempeng
ruhi pros
es pemilih
n mod
.
G MS G G G
JENIS I MS
JENIS II
JENIS III
JENIS IV
D
D
D MS
D
MS
A
A
A
A
G A
= B
ngkit
n perger
k
n = Pemilih
n rute
MS D
= Pemilih
n mod
= Se
r
n perger
k
n
G
m
r 6.2 Altern
tif posisi untuk
n
lisis pemilih
n mod

Pendek
t
n kedu
mempertim
ngk
n proses pemilih
n mod
y
ng terj
di se elum pro
ses pemilih
n rute dil
kuk
n. D
l
m h
l ini, seti
p mod
di
ngg
p ers
ing d
l
m
mere ut p
ngs
penump
ng sehingg

tri ut penentu d
ri jenis perger
k
n menj
di
f
ktor ut
m
y
ng mempeng
ruhi pemilih
n mod
. Pendek
t
n ketig
mempertim
ngk

n
hw
t
h
p
n
ngkit
n perger
k
n d
n pemilih
n rute ikut menentuk
n d
l
m p
emilih
n mod
. Ini er
rti pemilih
n mod
d
p
t dilet
kk
n di m
n
s
j

nt
r
t

h
p
n
ngkit
n perger
k
n d
n pemilih
n rute seperti terlih
t p
d
g
m
r 6.2.
6.5.1 Model jenis I
D
l
m model jenis I, perger
k
n y
ng menggun
k
n
ngkut
n umum d
n pri
di dihit
ung sec
r
terpis
h deng
n model
ngkit
n perger
k
n, i
s
ny
deng
n menggun
k

n model
n
lisis regresi
t
u k
tegori. Peu
h d
n p
r
meter y
ng digun
k
n er
ed
untuk (
)
ngkit
n d
n t
rik
n, d
n ( ) untuk seti
p mod
tr
nsport
si.
6.5.2 Model jenis II
Model jenis II sering digun
k
n oleh
ny
k k
ji
n el
k
ng
n ini untuk perenc
n

n
ngkut
n j
l
n r
y
, uk
n untuk
ngkut
n umum. Oleh k
ren
itu, h
l y
ng te
r
ik y
ng h
rus dil
kuk
n
d
l
h meng

ik
n perger
k
n
ngkut
n umum d
l
m pem
odel
n sehingg
proses se
r
n perger
k
n l
ngsung terkonsentr
si

232 Ofy
r Z T
min, Perenc
n

n d
n pemodel
n tr
nsport
si

d
l
m perger
k
n
ngkut
n pri
di. Koment
r ini d
p
t jug
ditujuk
n untuk model
jenis I. Teknik ut
m
y
ng digun
k
n p
d
model jenis II
d
l
h penggun

n deng

n kurv
diversi (lih
t su
6.4). Contohny
, persent
se perger
k
n y
ng mengg
un
k
n
ngkut
n pri
di se
g
i fungsi d
ri peu
h pemilik
n kend
r

n. Contoh p
em
k
i
n pemilik
n kend
r

n terlih
t p
d
g
m
r 6.3 (Hutchinson, 1974).
G
m
r 6.3 R
t
r
t
juml
h mo il Sum er: Hutchinson (1974)
Contoh erikutny
(lih
t g
m
r 6.4)
d
l
h p
ngs
perger
k
n untuk tuju
n ke te
mp
t kerj
p
d
j
m si uk se
g
i fungsi d
ri pend
p
t
n (Bruton, 1975):
G
m
r 6.4 Kurv
diversi p
d
j
m si uk (tuju
n ekerj
) Sum er: Bruton (1975)
6.5.3 Model jenis III
Model jenis III mengkom in
sik
n model pemilih
n mod
deng
n model gr
vity; di s
ini proses se
r
n perger
k
n d
n pemilih
n mod
dil
kuk
n sec
r
ers
m

n. Bl

ck (1981) menjel
sk
nny
se
g
i erikut: ˆ (1) / Q id
m =1
ˆ (m ) = ∑Q id 1 + exp(− { t
2
1
id
( 2) − t id (1)})
(6.1)
Model pemilih
n mod

233

ˆ (1) = perger
k
n d
ri i ke d deng
n mod
1 Q id ˆ ( m ) = perger
k
n d
ri i ke d d
eng
n mod
m Q id
tid(1) tid(2) = h
m
t
n perger
k
n d
ri i ke d deng
n mod
1 = h
m
t
n perge
r
k
n d
ri i ke d deng
n mod
2 = p
r
meter model gr
vity
Model ini d
p
t di
ndingk
n deng
n model gr
vity y
ng menggun
k
n fungsi h
m
t

n eksponensi
l. C
t
t
n: pers
m

n se
r
n perger
k
n−pemilih
n mod
meng
sumsik

n h
ny
du
u
h mod
(umum d
n pri
di) d
n mem
k
i ‘selisih’
nt
r
h
m
t
n di
n
dingk
n deng
n ‘nis
h’ ny
.
6.5.4 Model jenis IV
Model jenis IV s
ng
t sering digun
k
n (w
l
upun model jenis III le ih populer d
i neg
r
B
r
t). Model terse ut menggun
k
n kurv
diversi, pers
m

n regresi
t

u v
ri
si model III. Model ini sel
lu menggun
k
n nis
h
t
u selisih h
m
t
n

nt
r
du
mod
y
ng ers
ing. Bruton (1975) mendiskusik
n h
l ini sec
r
le ih m
end
l
m (lih
t g
m
r 6.5). Ap
y
ng dim
ksud deng
n pemilih
n did
s
rk
n
t
s s
elisih
t
u nis
h d
ri h
m
t
n kedu
mod
? Su
tu mod
erger
k du
k
li le ih
cep
t di
ndingk
n deng
n mod
l
inny
,
t
u su
tu mod
ti
le ih cep
t 10 meni
t di
ndingk
n deng
n mod
l
inny
. Kedu
pendek
t
n ini
k
n digun
k
n se
g
i
f
ktor penentu d
l
m proses pemilih
n mod
. Bl
ck (1981) mem erik
n contoh kurv

diversi model y
ng digun
k
n oleh Tr
ffic Rese
rch Corpor
tion of C
n
d
(Lem

g
Peneliti
n L
lulint
s K
n
d
) p
d
t
hun 1960
n (lih
t g
m
r 6.1).
G
m
r 6.5 Nis
h w
ktu tempuh
ngkut
n umum/mo il Sum er: Bruton (1975)
Kurv
ini erd
s
rk
n nis
h w
ktu tempuh
nt
r

ngkut
n umum deng
n
ngkut
n p
ri
di (mo il). Kurv
ini erl
ku untuk or
ng deng
n ekonomi meneng
h ke
w
h (
st
tus ekonomi 3) deng
n nis
h
nt
r
i
y

ngkut
n umum deng
n i
y

ngkut
n
pri
di (
h
n
k
r, oli, d
n p
rkir) sekit
r 0,25.
234 Ofy
r Z T
min, Perenc
n

n d
n pemodel
n tr
nsport
si

Nis
h tingk
t pel
y
n
n
d
l
h nis
h
nt
r
w
ktu ( erj
l
n, menunggu, d
n pin
d
h) untuk
ngkut
n umum di
ndingk
n deng
n ( erj
l
n d
n p
rkir) untuk
ngkut

n pri
di. Pendek
t
n ini menghil
ngk
n perluny
perkir

n i
y
untuk erj
l
n,
menunggu, d
n w
ktu tr
nsfer (w
ktu
kses) k
ren
d
l
m model ini f
ktor terse
ut dil
kuk
n sec
r
empiris. Kurv
ini menggun
k
n 4 peu
h: w
ktu, i
y
, pend

p
t
n, d
n w
ktu
kses. Contoh l
in model jenis IV
d
l
h penggun

n nis
h h
m

t
n
nt
r
du
u
h mod
deng
n formul
si logit. D
l
m h
l ini, h
m
t
n ini i
s
erup
i
y
g
ung
n; su
tu pem o ot
n h
rus di erik
n untuk w
ktu
kses (pe
njel
s
n le ih rinci mengen
i model ini d
p
t dilih
t p
d
su
6.8). Model te
rse ut
d
l
h: MS t = 1
It 1+ I

(6.2)
MSt = persent
se y
ng menggun
k
n
ngkut
n umum It I
= h
m
t
n tr
nsport
si
i ke d deng
n
ngkut
n umum = h
m
t
n tr
nsport
si i ke d deng
n mo il = f
ktor
y
ng dik
li r
si d
ri d
t
survei
Hu ung
n terse ut d
p
t terlih
t p
d
g
m
r 6.6 (Sossl
u et
l, 1978). Model in
i menj
min jik
nis
h h
m
t
n tr
nsport
si
nt
r

ngkut
n umum deng
n
ngkut

n pri
di s
m
deng
n 1 m
k
pelu
ng memilih m
sing m
sing mod
menj
di s
m
(50
%:50%). H
l ini sec
r
re
lit
mungkin j
r
ng terj
di k
ren

d
f
ktor l
inny

y
ng d
p
t mempeng
ruhi pemilih
n mod
. Mis
l, meskipun w
ktu tempuh keret

pi
d
n mo il s
m
untuk su
tu perj
l
n
n tertentu tet
pi seseor
ng
k
n memilih mod

tertentu k
ren

d
f
ktor l
inny
y
ng menye
k
n or
ng terse ut
k
n memili
h mod
terse ut mis
lny
tingk
t keny
m
n
n.
G
m
r 6.6 P
ngs
perger
k
n mod
se
g
i fungsi nis
h h
m
t
n
Model pemilih
n mod

235

6.5.5 Be er
p
koment
r tent
ng model pemilih
n mod
6.5.5.1 Bi
y
D
l
m pemodel

n pemilih
n mod
, s
ng
t penting di ed
k
n
nt
r
i
y
perkir

n deng
n i
y

ktu
l. Bi
y
perkir

n
d
l
h i
y
y
ng dipikirk
n oleh pem
k
i j
l
n d
n d
s

r peng
m il
n keputus
n, sed
ngk
n i
y

ktu
l
d
l
h i
y
se en
rny
y
ng dik
elu
rk
n setel
h proses pemilih
n mod
dil
kuk
n. 6.5.5.2 Angkut
n umum c
ptive
D
l
m pemodel
n pemilih
n mod
, t
h
p erikutny

d
l
h mengidentifik
si pem
k
i

ngkut
n umum c
ptive. Or
ng seperti ini didefinisik
n se
g
i or
ng y
ng er
n
gk
t d
ri rum
h d
n tid
k mempuny
i
t
u menggun
k
n mo il (tid
k
d
pilih
n l

in kecu
li
ngkut
n umum). Di
sumsik
n
hw
or
ng terse ut p
sti
k
n menggun
k

n
ngkut
n umum sehingg
juml
hny
d
p
t diperkir
k
n sec
r
terpis
h d
ri pros
es pemodel
n d
n di e
nk
n l
ngsung ke sistem pr
s
r
n

ngkut
n umum. Sis
ny
,
mungkin mempuny
i minim
l s
tu kend
r

n, mempuny
i pilih
n
nt
r

ngkut
n umu
m d
n pri
di. Model pemilih
n mod
h
ny
di
plik
sik
n untuk or
ng ini s
j
. Re

lit
ny
tentu tid
k sesederh
n
itu. Se
g
i contoh, or
ng y
ng tid
k mempuny
i
kend
r

n pri
di mungkin menump
ng kend
r

n pri
di milik tem
nny
. Mungkin j
ug
, or
ng y
ng mempuny
i mo il menggun
k
n
ngkut
n umum k
ren
mo ilny
tid
k
tersedi
p
d
s

t di
memerluk
n. M
s
l
h seperti ini menunjukk
n nil
i potensi

l pendek
t
n tid
k
greg
t d
l
m perenc
n

n tr
nsport
si.
6.5.5.3 Le ih d
ri du
mod

Be er
p
prosedur pemilih
n mod
memodel perger
k
n deng
n h
ny
du
u
h mod
t
r
nsport
si:
ngkut
n umum d
n
ngkut
n pri
di. Di e er
p
neg
r
B
r
t terd
p

t pilih
n le ih d
ri du
mod
; mis
lny
, London mempuny
i keret

pi
w
h t
n

h, keret

pi, us, d
n mo il).
Di Indonesi
terd
p
t e er
p
jenis mod
kend
r

n ermotor (term
suk ojeg) dit

m
h ec
k d
n erj
l
n k
ki. Pej
l
n k
ki term
suk penting di Indonesi
. Jones
(1977) menek
nk
n du
pendek
t
n umum tent
ng
n
lisis sistem deng
n du
u
h m
od
, seperti terlih
t p
d
g
m
r 6.7.
Tot
l perger
k
n Tot
l perger
k
n
Berger
k
Tid
k erger
k
Berger
k
Tid
k erger
k
Mo il
Angkut
n umum
Mo il Angkut
n umum 1
Angkut
n umum 2
Angkut
n umum 1
Angkut
n umum 2
G
m
r 6.7 Proses pemilih
n du
mod
(
ngkut
n umum d
n mo il)
G
m
r kiri meng
sumsik
n pem
k
i j
l
n mempuny
i pilih
n
nt
r
erger
k d
n ti
d
k erger
k. Jik
diputusk
n untuk mem u
t perger
k
n, pert
ny

nny

d
l
h
236 Ofy
r Z T
min, Perenc
n

n d
n pemodel
n tr
nsport
si

deng
n
ngkut
n umum
t
u pri
di? Jik

ngkut
n umum y
ng dipilih, pert
ny

n s
el
njutny

p
k
h us
t
u keret

pi. G
m
r se el
h k
n
n meng
sumsik
n
hw

egitu keputus
n menggun
k
n kend
r

n di
m il, pem
k
i j
l
n l
ngsung memilih m
od
y
ng tersedi
(mo il, us,
t
u keret

pi). Model pemilih
n mod
y
ng er e
d
terg
ntung p
d
jenis keputus
n y
ng di
m il. G
m
r se el
h kiri le ih seder
h
n
d
n mungkin le ih cocok untuk kondisi di Indonesi
. Ak
n tet
pi, khusus unt
uk Indonesi
, pendek
t
n y
ng le ih cocok
d
l
h seperti y
ng diperlih
tk
n p
d

g
m
r 6.8.
Tot
l perger
k
n
Berger
k
Tid
k erger
k Berkend
r

n
Berj
l
n k
ki
Umum
Pri
di
Bermotor
Tid
k ermotor (Bec
k) J
l
n R
y

Tid
k ermotor (Seped
) Mo il
Bermotor Seped
motor
J
l
n Rel Bus
P
r
tr
nsit Pemilih
n mod
p
r
tr
nsit G
m
r 6.8 Proses pemilih
n mod
untuk In
donesi

G
m
r 6.8 mengilustr
sik
n et
p
rumitny
memodelk
n seluruh mod
tr
nsport
si
y
ng
d
d
l
m su
tu sistem di Indonesi
. H
l m
n
mendukung pend
p
t sel
m
in
i y
ng meny
t
k
n
hw
t
h
p pemilih
n mod
merup
k
n t
h
p tersulit d
l
m pere
nc
n

n tr
nsport
si. M
s
l
h l
in y
ng perlu diperh
tik
n d
l
m h
l
ngkut
n pr
i
di
d
l
h pengend
r
d
n penump
ng. Kedu
ny
mempuny
i
tri ut y
ng er ed
y

ng s
ng
t erpeng
ruh d
l
m proses pemilih
n mod
. Di Indonesi
, kend
r

n pri

di is
jug
erup
seped
motor. S
l
h s
tu us
h

d
l
h deng
n memperl
kuk
n
mo il d
n seped
motor sec
r
terpis
h. H
l ini dise
k
n k
ren
seped
motor m
empuny
i nil
i SMP y
ng j
uh le ih kecil di
ndingk
n deng
n mo il d
n ini s
ng

t mempeng
ruhi k
p
sit
s j
l
n y
ng diperluk
n.
Model pemilih
n mod

237

Pohon keputus
n dipilih se
g
i d
s
r model pemilih
n mod
y
ng mempeng
ruhi per
kir

n y
ng di u
t oleh model. Pendek
t
n pohon keputus
n deng
n mem
k
i pemilih

n iner mem erik
n perkir

n penggun

n
ngkut
n pri
di y
ng le ih tinggi d
ri
p
d
pendek
t
n pemilih
n simult
n.
6.6 Model sintetis
6.6.1 Model kom in
si se
r
n perger
k
n−pemilih
n mod

Pendek
t
n entropi m
ksimum d
p
t digun
k
n untuk mend
p
tk
n model kom in
si

r
n perger
k
n d
n pemilih
n mod
sec
r
simult
n. Untuk itu h
rus di entuk
ndek
t
n m
s
l
h entropi m
ksimum d
l
m entuk du
u
h mod
seperti erikut:
m
ksimumk
n deng
n
t
s
n:
k k k k log W Tid log e Tid = − ∑ ∑ ∑ Tid − Tid i d k k ∑ ∑ Tid d k k ∑ ∑ Tid

se
pe
me
i k

{ }
(
)
(6.3) (6.4) (6.5) (6.6)
− Oi = 0 − Dd = 0 −C=0
k k C id ∑ ∑ ∑ Tid i d k
Deng
n mud
h d
p
t dilih
t
hw
perm
s
l
h
n terse ut mempuny
i solusi:
k k Tid ) = Ai O i Bd Dd exp ( −β C id 1 Pid = 1 1 Tid exp(−β C id ) = 1 2 Tid exp ( −β C id
) + exp ( −β C id )
(6.7) (6.8)
1 Pid
d
l
h proporsi perger
k
n d
ri zon

s
l i ke zon
tuju
n d deng
n menggu
n
k
n mod
1. Bentuk fungsi seperti pers
m

n (6.8) diken
l deng
n entuk logit
y
ng
k
n didiskusik
n le ih rinci p
d
su
6.8. Be er
p
peril
ku model ters
e ut
d
l
h:
• • • •
mengh
silk
n kurv
er entuk S, mirip deng
n kurv
diversi empiris p
d
g
m
r 6
.1; jik
C1 = C2, m
k
P1 = P2 = 0,5; jik
C2 >> C1, m
k
P1 menj
di 1,0; d
p
t
dikem
ngk
n untuk er
g
i mod
deng
n:
1 Pid = k exp(−β C id ) k ) ∑ exp ( −β C id k
(6.9)
238 Ofy
r Z T
min, Perenc
n

n d
n pemodel
n tr
nsport
si

Sud
h jel
s, rumus β erper
n g
nd
− se
g
i p
r
meter y
ng mengontrol dispersi pem
ilih
n mod
, d
n pemilih
n zon
tuju
n d
ri e er
p
zon
y
ng mempuny
i j
r
k y

ng er ed
ed
d
ri zon

s
l. Oleh k
ren
itu, model y
ng le ih pr
ktis y
ng
mengkom in
sik
n se
r
n perger
k
n deng
n pemilih
n mod
tel
h digun
k
n d
l
m
e er
p
k
ji
n deng
n entuk: k exp ( − λ k C id ) kn n n n Tid Dd = Ain O in Bd ex
p ( −β n K id ) (6.10) m ∑ exp ( −λ m C id )
m n K id adaah biaya pegeakan gabungan dai zona asa i ke zona tujuan d yang
dipekiakan oeh individu bejenis n. Secaa pinsip, biaya gabungan bisa dida
pat dengan bebeapa caa; contohnya, dai niai minima dai kedua biaya tesebu
t, atau ata atanya: K = ∑ Pk C k (i, d, n dihiangkan untuk penyedehanaan) k
Akan tetapi, penting diketahui bahwa hampi semua pesamaan yang digunakan oeh
bebeapa kajian sampai dengan akhi tahun 1970 an pada dasanya tidak sesuai. Co
ntoh 6.1 Petimbangkan bentuk ata ata di atas dan peajai apa yang tejadi ji
ka moda tanspotasi bau (C2 > C1) ditambahkan pada sistem yang teah ada. Pada
tahap awa, kita mempunyai: K = ∑ Pk C k = C 1
k
dan pada tahap akhi (seteah ada moda 2): K * = P1 C 1 + P2 C 2 Akan tetapi, de
ngan menganggap P1 + P2 = 1, maka: K * = (1 − P2 )C 1 + P2 C 2 = C 1 + P2 (C 2 − C 1
) K * = K + P2 (C 2 − C 1 ) Sekaang, kaena niai P2 dan (C2 − C1) ebih besa da
i no, dapat disimpukan bahwa K* > K yang tidak masuk aka kaena adanya piiha
n bau, meskipun ebih maha, tidak akan meningkatkan biaya gabungan; paing pa
ing hanya akan mempunyai niai yang sama. Wiiam (1977) menunjukkan bahwa satu
satunya spesifikasi yang bena yaitu yang konsisten dengan teoi yang mendasai
peiaku pemiihan, adaah:
n K id =
−1 k og e ∑ exp( − λ k C id ) λn k
(6.11)
dan batasan beikut ini haus dipenuhi:
Mode pemiihan moda
239

βn ≤ λ n
(6.12)
Kita akan kembai ke masaah ini pada subbab 6.8. Ukuan biaya gabungan [pesama
an (6.11)] mempunyai peiaku sebagai beikut: • • •
K ≤ min k {C k } 
im K = min k {C k }
λ →∞
dK = Pk dC k
Pesamaan (6.10)−(6.12) mewakii suatu kondisi paktis daam pemodean agegat kom
binasi sebaan pegeakan dan pemiihan moda, khususnya di daeah pekotaan. Wa
aupun banyak mode bejenis sama yang teah digunakan secaa paktis, mode tes
ebut teah muai digantikan dengan mode tidak agegat yang ebih baik menanggap
i unsu kunci daam pemiihan moda dan efisien daam pengumpuan data (ha ini d
ibahas pada subbab 6.8).
6.6.2 Mode pemiihan mutimoda
Masaah mutimoda meupakan ha penting yang haus sangat dipehatikan di Indone
sia di masa mendatang kaena Indonesia meupakan negaa kepuauan. Waktu dan po
ses petukaan moda di temina meupakan fakto paing kitis yang peu mendap
at pehatian dan penanganan daam pengembangan kebijakan tanspotasi mutimoda.
Suvei Asa−Tujuan Nasiona yang diakukan pada tahun 1996 menunjukkan pesentase
pegeakan egiona mutimoda cukup tinggi baik untuk angkutan penumpang maupun
angkutan baang. Ha ini beati pentingnya pengetahuan pemodean pegeakan mu 
timoda untuk masa mendatang di Indonesia. Gamba 6.9 mempeihatkan stuktu mo
de pemiihan moda yang ebih dai dua (mutimoda). Stuktu N way yang sangat p
opue daam pemodean tidak agegat, sepeti yang akan kita ihat pada subbab 6
.8, adaah stuktu yang paing sedehana. Tetapi, kaena diasumsikan bahwa semu
a atenatif mempunyai bobot yang sama, maka muncu masaah − bebeapa piihan mi
ip dengan piihan ain, sepeti ditunjukkan oeh Maybey (1983) dengan contoh b
us biu−bus meah. Contoh 6.2 Petimbangkan suatu kota yang 50% pegeakannya memi 
ih mobi (C) dan 50% memiih bus (B). Dengan pesamaan (6.7) yang menggunakan s
tuktu Nway dihasikan CC = CB. Sekaang asumsikan seoang manaje peusahaan b
us mengubah wana bus menjadi 50% wana meah (BM) dan 50% wana biu (BB) dan m
empetahankan tingkat peayanan yang sama dengan sebeumnya. Ini beati CBM = C
BB, sedangkan biaya moda mobi tidak beubah, tetap sama dengan CC. Sangat mena
ik kaena sekaang pesamaan (6.7) menghasikan: PC = exp ( −β C C ) = 0,33 exp ( −β C C
) + exp ( −β C RB ) + exp ( −β C BB )
240 Ofy
r Z T
min, Perenc
n

n d
n pemodel
n tr
nsport
si

Seseor
ng memperkir
k
n PC tet
p ernil
i 0,5 sed
ngk
n us mempuny
i proporsi y

ng s
m
deng
n sis
y
ng
d
(m
sing m
sing 0,25). Contoh ini memperlih
tk
n ke
lem
h
n struktur N w
y d
l
m mencermink
n pilih
n y
ng erkorel
si s
tu s
m
l
i
n. Kit

k
n kem
li l
gi p
d
m
s
l
h ini p
d
su
6.8.
G
m
r 6.9 Struktur multimod
: (
) Struktur N w
y, ( ) Struktur pert
m
h
n mod

, (c) Struktur erhier
rki
Struktur mod
t
m
h
n, seperti terlih
t p
d
g
m
r 6.9 ,
ny
k digun
k
n or
n
g p
d

khir t
hun 1960
n d
n p
d

w
l 1970
n. Ak
n tet
pi, terny
t
h
silny

er ed
ed
terg
ntung p
d
mod
y
ng di
m il se
g
i mod
t
m
h
n (L
ngdon,
1976). Jug
, uji deng
n simul
si Monte C
rlo memperlih
tk
n
hw
struktur mod

t
m
h
n y
ng mempuny
i kinerj
ter
ik p
d
s

t sek
r
ng elum
Model pemilih
n mod

241

tentu menj
min mempuny
i unjuk kerj
ter
ik p
d
m
s
mend
t
ng jik
terd
p
t p
eru
h
n ke ij
k
n (Ortuz
r, 1980
). Kemungkin
n ketig
, seperti terlih
t p
d
g

m
r 6.9c,
d
l
h model struktur erhier
rki. D
l
m h
l ini, pilih
n y
ng mempu
ny
i unsur umum y
ng kir
kir
s
m
dig
ung d
l
m proses pemilih
n ut
m
(mis
l
ny

ngkut
n umum). Setel
h terpis
h, merek
dipec
h kem
li p
d
proses pemilih

n sekunder. Contoh 6.3 Model struktur erhier
rki p
d
contoh 6.2 mempuny
i h
s
il se
g
i erikut: 1 PC = 1 + exp {− λ 1 (C B − C C )} PB = 1 − PC PRB = dengan CB = 1
1 + exp {− λ 2 (C BB − C RB )}
PBB = 1 − PRB −1 og[exp( − λ 2 C RB ) + exp( − λ 2 C BB ) λ2
PC adaah peuang memiih mobi, (1−PC)PRB adaah peuang memiih bus meah, dan (
1−PC)PBB adaah peuang memiih bus biu; λ adaah paamete pemiihan pime dan se
kunde. Dengan mudah dapat diihat, jika CB = CC, mode ini secaa tepat membei
peuang sebesa 0,5 untuk mobi dan 0,25 untuk masing masing bus meah dan bus
biu.
6.6.3 Mode ogit bine
Pada dasanya peiaku agegat individu daam memiih jasa tanspotasi sepenuhn
ya meupakan hasi keputusan setiap individu. Peaku pejaanan dihadapkan pada
bebagai atenatif baik beupa atenatif tujuan pejaanan, moda angkutan, mau
pun ute pejaanan. Sehubungan dengan poses pemiihan pejaanan ini, daam di 
i individu peaku pejaanan tedapat hieaki pemiihan, sepeti teihat pada
gamba 6.10.
Aspiasi gaya hidup
Poa aktivitas yang diinginkan
Pemiihan okasi
Penentuan pegeakan
Gamba 6.10 Hieaki keputusan pejaanan individu Sumbe: Manheim (1979)
242 Ofya Z Tamin, Peencanaan dan pemodean tanspotasi

keputusan diambi bekenaan dengan dimana. Pn (i ) = 1 1 + e −Z (6. penggunaan infomasi pefeensi u ntuk memiih atenatif. Seanjutnya untuk meakukan aktivitas tetentu. − ∞〈 ε n 〈∞ 1 +  −µε n ( ) Pada kasus dua altrnatif moda. setia p individu haus beada pada tempat tetentu dan pada suatu waktu tetentu.3. Pn (i ) = [ xp{− β(V in )} exp{− β(V in )}+ exp − β V jn { ( )}] (6. ha ini akan mengaahkan individu untuk beada pada okasi tetentu. pluang trpilihnya moda i dapat didkati dngan prsamaan (6.Hieaki pemiihan tetinggi adaah aspiasi gaya hidup yang tecemin pada poa kegiatan yang diinginkan..15).15) Z = β 0 + β 1 X 1 + β 2 X 2 + . Sea njutnya.13). Menuut Manheim (1979). 1 F (ε n ) = (6.15) erikut. kapan.14) Deng n meng sumsik n Vin d n Vjn line r d l m p r meterny . Sedangkan untuk suatu piihan dapat dipandang sebagai hasi dai poses pengambi an keputusan yang meibatkan tahap beikut ini: • • • • • pendefinisian masaah piihan p enentuan atenatif evauasi atibut atenatif pengambian keputusan impementa si keputusan yang diambi Mode ogit bine dibangun atas dasa asumsi ε n = ε jn − ε in akan brsifat bbas dan t rsbar scara idntik (IID) mnurut fungsi sbaran logistik umbl sprti pada prsamaan (6. Pa da tingkat teendah. erikut ini k n diter ngk n penggun n metod e pen ksir n Model pemilih n mod 243 .13) . kaak teistik semua atenatif bedasakan atibut. + β K X K 6.14) brikut. identifikasi semua atenatif yang mungkin tejadi. µ 〉 0 .6..1 Metode pen ksir n kemirip n m ksimum (KM) Untuk memec hk n pers m n (6.14 ) d p t ditulis kem li d l m entuk pers m n (6. tahapan poses yang dia kukan seseoang daam menentukan pejaanannya adaah: • • • • fomuasi pefeensi kons umen secaa ekspisit. m k pers m n (6. dan bagai mana pejaanan akan diakukan.

log e (1 − Pn (i ))] (6. log e Pn (i ) + (1 − Y in ). Ketergan tungan pada θ untuk χ yang diberikan dinamakan fungsi kemiripan. m k diperluk n turun n pert m pers m n (6. keadaan diman a sampel yang diamati paling mungkin munul.17) Dengan asumsi sampel berjumlah N diambil seara aak dari populasi.. m k : 244 Ofy r Z T min. f (X N θ ) (6. f (X 2 θ ). m k fungsi kemirip n (6. Mis lk n d t X memiliki fungsi se r n pelu ng f(χ. XN yang identik... log e Pn (i ) + Y jn . L 1 = log e L(θ ) = ∑ log e f (X 1 θ ) N i (6.. m k Yin = 1−Yjn d n Pn(j) = 1−Pn(i) sehingg : L 1 = log e L(β 1 ..16) kemudian dipeahkan untuk menari parameter yang memaksimumkan fungsi kemiripan. Dengan kata lain... L(β 1 .21) s m deng n nol. β K ) = ∏ Pn (i ) in . β 2 . Perenc n n d n pemodel n tr nsport si . bebas..19) Untuk k sus line r.. maka semakin besar j umlahnya semakin besar pula nilai logaritmanya. β 2 . Fungsi kemiripan adalah fungsi perkalian.18) d p t diu h menj di: log e L(β 1 . β 2 .20).. β K ) = ∑ [Y in .. maka fungsi ke miripan dapat dituliskan sebagai fungsi parameternya. L(θ ) = f (X 1 θ ). Apabila sampel diambil seara aak. lo g e Pn ( j ) n =1 N [ ] (6.θ). ∂L 1 (6. βK) Yin K N = peu h indik tor il responden ke n memilih ltern t if mod i = juml h p r meter = juml h responden Deng n menggun k n tr nsform si log ritm n tur l.16) Persamaan (6. maka fungsi kemiripan sampel adalah perkalian dari seluruh hasil pengamatan. Dengan menggunakan fungsi logari tma natural.. β2. ….16)..21) =0 ∂β k Untuk k sus model logit iner. Prinsip metode pena ksiran KM adalah bahwa keadaan dimana parameter θ meminimumkan nilai fungsi kemiri pan yang dapat dianggap sebagai keadaan terbaik. β K ) = ∑ Y in .18) Pn(i) = f(β1.20) n =1 N Untuk d p t memec hk n pers m n (6. seperti terlihat pada pers amaan (6. maka fungsi perkalian dapat diubah menjadi fungsi penjumlahan.kemirip n m ksimum. X2. …. dan memiliki sebaran pengamatan X1. Pn ( j ) Y n =1 N Y jn (6..

pers m n (6. Pn ( j ). s tu erj r k j uh d n s tu erj r k dek t. W ktu tempuh kedu perger k n terse ut d p t dilih t p d t el 6.03 Model pemilih n mod 245 .Pn (i ) = 1 1 + e −β X in d n Pn ( j ) = e −β X in 1 + e −β X in Untuk memud hk n m nipul si m tem tisny .23) (6. y itu Xn= Xin −Xjn. Deng n demiki n.24). ….24) Pers m n (6. Pem c y ng ingin mempel j ri sec r le ih rinci mengen i metode Newton−R phson dis r nk n mem c su 8. Terd p t du jenis model y ng sering digun k n.3.1. y itu model selisih d n model nis h y ng d p t diseles ik n deng n menggun k n metode pen sir n regresi line r.2 Metode pen ksir n regresi line r Model logit iner digun k n untuk memodel pemilih n mod y ng terdiri d ri du ltern tif mod s j . 2. N ∂L 1 = ∑ Y in .6.21) d p t d itulis kem li d n disederh n k n deng n urut n penyederh n n se g i pers m n (6. P r meter ku ntit tif y ng sering digun k n se g i penent u ut m d l m pemilih n mod d l h i y perj l n n t u w ktu tempuh. Terd p t du kej di n perger k n y ng dil y ni oleh du jenis mod . K. X nk = 0 ∂β k n = 1 N ∂L 1 = ∑ [Yin . K. Pn (i ).22) (6.15. 2.(1 − n (i )) − (1 − Y in ). J di. Xnk= Xink −Xjnk untuk k = 1. untuk seti p elemen k didefinisik n h l se g i eri kut. m k perlu didefinisik n h l erikut i ni.22)−(6.1 W ktu tempuh kej di n du perger k n W ktu tempuh perger k n j r k dek t (menit) Mod A Mod B Selisih (A−B) Nis h (A−B) 60 40 20 1.3.24) d l h sistem K pers m n simult n deng n K u h p r meter βk y n g tid k diket hui y ng d p t diseles ik n deng n metode Newton−R phson. X nk + Y jn . 6. T el 6. untuk k = 1. X nk = 0 ∂β k n = 1 N ∂L 1 = ∑ [Y in − Pn (i )].5 W ktu tempuh perger k n j r k j uh (menit) 660 640 20 1. …. Pn (i )]. Pemilih n nt r model logit inerselisih d n model logit iner nis h d l m pemilih n m od s ng t ditentuk n oleh persepsi seseor ng mem ndingk n i y perj l n n t u w ktu tempuh d l m memilih mod y ng k n digun k nny . Berikut ini k n di er ik n contoh kej di n y ng d p t menjel sk n per ed n kedu model logit iner te rse ut. X nk = 0 ∂β = 1 [ ] (6.

29) sel njutny d p t ditulis kem li d l m entuk log ritm n tur l seperti p d pers m n (6. p d perger k n erj r k dek t persent se or ng memilih mod B p sti k n le ih es r d rip d mod A. persent s e or ng memilih mod A k n kir kir s m deng n mod B. m k le ih ik digun k n model logi t iner nis h.Terlih t p d t el 6. D ri kej di n ini terlih t hw model logit iner selisih tid k d p t menunjukk n per ed n d ny per ed n k r kteristik d ri kedu kej di n perger k n ini (p d kedu kej di n perger k n. mod e rger k A h ny 1. pers m n (6.26) P1 + P1 exp(α + β ∆C ) = 1 P1 exp(α + β ∆C ) = 1 − P1 1 − P1 = exp(α + β ∆C ) P1 (6. Ak n tet pi. d l m pemodel n pemilih n d t d p t disimpulk n hw jik d t w ktu te mpuh nt r p s ng n zon s ng t erv ri si.d) dihil ngk n.3 Model logit iner selisih Deng n meng sumsik n ∆ C = C 2 − C 1 d n mel kuk n e er p penyederh n n (pers m n 6. propor si P1 seti p p s ng n (i.28).27) (6. untuk l s n penyederh n n.30). kit d p t menghitung nil i α d n β deng n untuk seti p p s ng n (i. Inil h kelem h n model logit iner selisih d n sek ligus merup k n kele ih n model logit iner nis h.26−6.1 hw p d kedu kej di n perger k n terse ut terny t m od A erger k 20 menit le ih l m d rip d mod B ( ik perger k n j r k dek t m upun j r k j uh). 5 k li le ih l m d rip d mod B. mod A erger k 1. d p t digun k n model logit iner selisih. sed ngk n p d perger k n j r k j uh. P1 ( 1 + exp(α + β ∆C )) = 1 (6.29) Pers m n (6. 1 − P1 (6. 1 2 Asumsik n hw C id d n C id merup k n gi n y ng diket hui d ri i y g ung n seti p mod d n p s ng n s l−tuju n. Jik kit jug mempuny i inform si me ngen i proporsi pemilih n seti p mod * . mod A erger k 20 menit le ih l m d rip d mod B).03 k li le ih l m d rip d mod B. p d perger k n j r k dek t.30) log e = α + β ∆C P 1 246 Ofy r Z T min.6. p d keny t nny . P d h l.d).3. Setel h indik tor (i. Pidk menggun k n n lisis regresi line r se g i erikut.29).d) untuk mod 1 d l h: 1 P1 = (6. J di. sed ngk n p d perger k n erj r k j uh.25) 1 + exp(α + β(C 2 − C 1 ) ) 6. Perenc n n d n pemodel n tr nsport si . sed ngk n jik w ktu tempuh tid k egitu erv ri si.28) (6.25) d p t ditulis kem li menj di pers m n (6.

0 α = 1. 6. h l ini tid k sel lu h rus terj di k ren d f ktor l in y ng jug ikut mempeng ruhi pemilih n mod .2.11).Kit mempuny i d t P1.32) e rikut (lih t g m r 6.0. Nil i ini d p t dik li r si deng n n lisis regresi line r deng n s isi kiri pers m n (6. pers m n tid k line 6.0. β = 2. Model pemilih n mod 247 .0 α = 0.31).11 Model logit iner nis h untuk e er p nil i α d n β Terlih t hw nil i α=1 sel lu menj min nil i P1=0.30) erper n se g i peu h tid k e s d n ∆ C = C 2 − C 1 se g i peu h e s sehingg β d l h kemiring n g ris regresi d n α d l h intersepn y . β = 3.33 0.0 α = 4. C1. β = 4. is did p tk n nil i A d n B sehing g nil i α d n β is did p t se g i erikut: α = A d n β = B .5).5 jik nil i C1/C2 =1.0 α = 1. P1 = 1 ß C1 1 + C 2 (6. Untuk le ih jel s.0 P 80 60 P1 40 20 C1/C2 0 0 0. 1 − P1i i Deng n sumsi Y i = log e P i d n X i = ∆ C .5 1 2 3 4 5 6 C 1 /C 2 G m r 6.6.3)−(4.25 0.30) 1 d p t ditulis kem li d l m entuk pers m n line r (6.31) Deng n menggun k n n lisis regresi line r. d n C2 sehingg p r meter y ng tid k diket hui d l h nil i α d n β.32) 100 α = 1. Y i = A + BX i (6.0. pem c d p t meng cu p d pers m n (4. proporsi P1 untuk mod 1 diny t k n deng n pers m n (6.2 0.4 Model logit iner nis h Deng n model ini. β = 3. β = 3. P d ke ny t nny .3.0.

pers m n (6.37).10 k n diperlih tk n contoh penggun n mod el logit iner selisih d n model logit iner nis h d l m memodel pemilih n mod nt r keret pi deng n mo il.32) d C1 P1 1 + α C 2 p t ditulis kem li menj di pers m n (6.35). P d su 6. 1 − P1i Ci n X i = log 1 . Untuk le ih jel s. 1975) metode pen ksir n kemirip n m ksimum menguntungk n un tuk perkir n ku dr t terkecil.4 K li r si model pemilih n mod erhier rki H l ini i s ny dil kuk n deng n pendek t n heuristik. terut m u ntuk d t y ng s ng t es r. is did p tk n nil i A d n B sehingg nil i α d n β is did p t se g i erikut: α = 10 A d n β = B .36) sel njutny d p t ditulis kem li d l m entuk log ritm sepert i p d pers m n (6.36) Pers m n (6.35) C1 1 − P1 = α C P1 2 (6.37) erper n se g i peu h tid k e s d n log(C1/C2) se g i peu h e s sehingg β d l h kemiring n g ris regresi d n log α d l h intersepny .34) = 1 − P1 β (6. Perenc n n d n pemodel n tr nsport si .5). C1.6. Nil i ini d p t dik li r si deng n n lisis regresi line r deng n sisi kiri pers m n (6.37) = log α + β log C P 2 1 Kit mem t P1. Terlih t hw (lih t Dom encich nd McF dden. pers m n tid k line r Deng n sumsi Y i = log Pi Ci 1 2 (6 t ditulis kem li d l m entuk pers m n line r (6. β =1 β (6. Deng n pendek t n umum ini terd p t e er p kemungkin n prosedur k li r si. dimul i d ri pemilih n s u mod (sekunder) d n diterusk n deng n pemilih n primer. 6.Deng n mel kuk n e er p penyederh n n (pers m n 6. 1 − P1 C1 log (6. 248 Ofy r Z T min.31).36). Deng n menggun k n n li sis regresi line r.33) C1 P1 + P1 α C 2 C1 P1 α C 2 β =1 (6.33−6. d n C2 sehingg p r meter y ng tid k diket hui d l h nil i α d n β. pem c d p t meng cu p d pers m n (4. ik untuk m s l h pr ktis d n teori.3)−(4.

nk d l h juml h perger k n h sil peng m t n untuk seti p sel ng per ed n i y k. Akhirny . Pert m . d n kelompok terse ut dig ungk n menj di kelompok y ng le ih es r s mp i seti p k elompok mempuny i perger k n.H rtley nd Ortuz r (1980) mem ndingk n e er p prosedur d n menemuk n hw m etode pen ksir n kemirip n m ksimum tid k s j mengh silk n k li r si ter ik.38) t erh d p p r meter y ng d erup : ∂L = ∑ ( rk − n k Pk ) x k ∂ k ∂L = ∑ ( rk − n k Pk ) ∂ L ∂ 2 = − ∑ nk Pk (1 −Pk ) x 2 k k ∂ 2L ∂ 2 2 = − ∑ n k Pk (1 − Pk ) k ∂ L = − ∑ n k Pk (1 −Pk ) x k ∂ ∂ k Deng n menget hui nil i turun n terse ut. l kuk n proses sekunder pemodel n pemili h n mod ( nt r us d n keret pi). sert d n d l h p r meter y ng h rus dit ksir. Jik N d l h juml h kelompok y ng d . Untuk p s ng n zon y ng memungkink n d ny pemilih n mod . nil i y ng did p t sel njutny digun k n u ntuk menghitung i y g ung n ngkut n umum y ng di utuhk n untuk proses primer (seperti p d contoh 6. Asumsik n hw us d n keret pi d iperkir k n mempuny i korel si k ren kedu ny mod ngkut n umum. m k log ritm d ri fungsi kemirip n d p t ditulis s e g i: L = konst nt + ∑ [( nk − rk )log(1 − Pk ) + rk logPk ] k (6. Di nt r kelompok terse ut p sti terd p t kelompok y ng tid k mempuny i perger k n. rk d l h juml h perg er k n mod pert m h sil peng m t n d l m sel ng terse ut. d n keret pi.3). Perger k n t np proses pemilih n mod di ik n d l m k li r si. d n Pk = 1/[1 + exp(−Y k)] d l h pelu ng memilih mod pert m d l m sel ng k. t et pi jug p ling efisien d ri sisi w ktu komputer. Proses k li r siny d l h se g i erikut. Proses penc ri n titi k m ksimum mem utuhk n nil i w l y ng ik gi seti p p r meter deng n indik s i se er p Model pemilih n mod 249 . mo il.38) Prosedur m ksim si menggun k n turun n pert m d n kedu d ri pers m n (6. perger k n dipis hk n menj di kelompok y ng did s rk n p d per ed n i y . Pertim ngk n m s l h pemili h n mod nt r us. pem o ot n i y d p t dihitung untuk se ti p kelompok. lgoritm n lisis numerik k n menemuk n titik m ksimum deng n mud h.

Model ASRC (Kr ft. k ren ketig su modelny terse ut diestim si sec r simult n. 6. Model ke utuh n l ngsung s ng t er t k it nny deng n model umum ekonometrik d n peneliti tel h ny k meneliti h l ini.39) P adalah populasi.7. y itu ernil i 0.5. Contohny . se r n perger k n.1 Pend hulu n Metodologi pemodel n y ng erurut n mensy r tk n d ny pen ksir n su model deng n ik. H l ini s ng t men rik k ren d p t menghind ri proses y ng h rus erurut n.2 Model str k d n model ke utuh n l ngsung Bentuk pert m model ini mempuny i fungsi perk li n. Jenis l ngsung ku si menggun k n entuk pemis h nt r pemilih n mod d n tot l ke utuh n k n perger k n. S l h s tu pendek t n d l h deng n mengem ngk n model y ng mengg ung k n model ngkit n perger k n. d n individu. Jenis l ngsung mempuny i s tu pers m n y ng meng itk n nt r ke utuh n k n perger k n l ngsung deng n mod . model gr vity sel lu mempuny i m s l h d l m tot l nil i Oi d n Dd y ng tid k co cok d n m s l h y ng dih silk n oleh perger k n intr zon l. k n tid k mempuny i m s l h terse ut. Efisiensi proses k li r si s ng t ter g ntung p d ketep t n nil i w l terse ut.j uh nil i terse ut d ri nil i optimumny .7. I adalah pendapa an. S l h s tu c r menentuk n nil i w l d l h nil i p d kondisi pelu ng untuk seti p mod . 6.7 Model ke utuh n l ngsung 6. 1968) me n ksir ke utuh n se g i fungsi perk li n d ri peu h ktivit s d n sosioekonomi untuk seti p p s ng n zon d n tri ut tingk t pel y n n d ri seti p mod tr ns port si y ng mel y niny : m α km m α km Tidk = φ k ( Pi Pd ) θ k 1 ( I i I d ) θ k 2 ∏ ( id ) ( c id ) m ( 1 2 ) (6. dan c adalah . Model ke utuh n l ng sung. Model ke utuh n l ngsung terdiri d ri du jenis: l n gsung d n l ngsung ku si. d n pemilih n mod . tri ut perger k n.

Sebagai con oh. θk1 dan 250 Oyar Z Tamin. d n φ adalah parame er model. en uk yan g kompleks i u dapa di ulis kembali dalam ben uk sederhana yang menggunakan beb erapa peubah gabungan beriku ini (Manheim. φk adalah parame er skala yang ergan ung pada ujuan pergerakan. α. Perencanaan dan pemodelan ranspor asi . ser a θ.ak u a au biaya empuh dar i zona i ke zona d dengan moda k. 1979): m α km m α km Lidm = ( t id ) (c id ) 1 2 Y ik = Piθ k 1 I iθ k 2 θk 2 Z dk = Pdθ k 1 I d Deng n peru h n ini pers m n (6.39) menj di: Tidk = φ k Y ik Z dk ∏ Lidm m (6.40) dan ransormasi ini memudahkan memperkirakan parame er model.

12 memperlih tk n ker g m n proporsi seti p mod deng n nis h nt r tingk t pel y n nny . sed ngk n el stisit s sil ng h rus ert nd po sitif. Bentuk l in diusulk n untuk pem k i n p d North E st Corridor Study di Amerik Serik t y ng diken l deng n model McLynn (l ih t M nheim 1979) mempuny i entuk seperti: Tidk = φ k ( Pi Pd ) ( I i I d ) θ1 θ2 k αk k αk ( t id ) (C id ) m α ) ∑ ( t id m 1 2 [ 1 m m αm (C id ) 2 ] [ m α1 m α2 ∑ ( t id ) m (C id ) m m ] ψ (6. d n pemilih n mod sec r simult n term suk tri ut m od y ng s ling ers ing. tingk t pel y n n y ng erv ri si. se r n perger k n. y ng er rti hw jik kit tingk tk n t rif mod 2 t np mengur ngi p ngs penump ngny . juml h perger k n T = T1+T2 = Y sehingg p ngs gi seti p mod d l h: P1 = T1 / T = L1 /( L1 + L2 ) = 1 /(1 + L2 / L1 ) P2 = 1 − P1 = 1 /(1 + L1 / L2 ) d n d p t dig m rk n se g i g m r 6. Ki a perkirakan 2 kedua peubah ini mempunyai anda posi i (+). Dome ncich et l (1968) men w rk n entuk l in y ng terdiri d ri fungsi line r d n ek sponensi l. Dalam hal ii. betuk sebeluma dalam model tersebut megotrol pro ses pemiliha moda di atara moda ag ada. kit d p t menulisk n pers m n untuk mod 1 d n 2 se g i erikut: 1 2 T1 = YL1 /( L1 + L2 ) d n T2 = YL2 /( L1 + L2 ) Sek r ng. G m r 6. deng n mud h terlih t hw p r meterny sec r umum mempuny i m kn y ng s m . α 1 km d n α km d l h el stisit s ke utuh n terh d p w ktu d n i y perj l n n. Kem li p d m s l h entuk umum (6. d l m h l ini el stisit s l ngsun g (k = m) h rus ert nd neg tif.41). sel in fungsi perk li n. d n peu h ktivit s l inny . Hilagka tikalas i da d da defi isika beberapa peubah gabuga berikut ii: Y id = Y = ( Pi Pd ) θ1 ( I i I d ) θ 2 Lk = φ k ( k ) α k ( C k ) α k J di. k it h rus mel kuk n sesu tu g r tingk t pel y n n L2 tet p konst n.12 memperlih tk n hw g r h l terse ut terj di. Model ini s ng t men rik sec r prinsip k ren d p t mengol h proses ng kit n. Model pemiliha moda 251 .θk2 adalah elas isi as kebu uhan erhadap populasi dan pendapa an. tet pi juml hny j uh sedikit jik di ndingk n deng n model SARC. pertimbagka peederhaaa berikut ii: misalk a haa terdapat dua moda (1 da 2) da ψ = 0. M s l h ut m d l h s ng t ny kny p r meter y ng diperluk n.41) Utuk memahami fugsi tersebut. G m r 6.12. ag dipakai utuk mewakili total potesi pergeraka dari s etiap moda. kit h rus mengu h t2 (tentu t np mel kuk n p p deng n mod 1). H ny terd p t s tu p r meter (ψ).

8.8 (perh tik n h w t nd ny sesu i deng n intuisi). frekuensi pel y n n.000t 12 c12 12 deng n w ktu t d l m j m.67%.8. d n frekuensi) d l h −2.T2 T1+T2 T1 T1+T2 Gambar 6. Oper tor ingin meningk tk n t rif se es r 20 %.  )L∆  /  ≈ 0. Sek r ng. D l m h l ini. Cotoh 6. oper t or h rus meng tur peru h n p d w ktu tempuh. Jika ψ = 0. Jika ψ = 1.833 y ng er rti penurun n L se es r 16. Perenc n n d n pemodel n tr nsport si .12 Model McL: (a) Kurva pemiliha moda da (b) Kurva isocost Pada beberapa kasus khusus. −1 d n 0. β = −1 d n µ = 0. bagia akhir da bagia pemba gi pada (6.8L∆  /  252 Ofy r Z T min. t rif c d l m dol r d n pel y n n  d l m perger k n p er h ri. Nil i p r meter y ng dih silk n d l h α = −2.77 (Mcl ad Woro ka.4 Pertimbagka fugsi: α β µ T12 = 10. c )L∆ c / c ≈ −L∆ c / c ∆ L( t ) ≈ E (L. bagia akhir aka hilag. Sek r ng. kit d p tk n L = k/c deng n k ko nst n sehingg peningk t n c se es r 20% er rti tingk t pel y n n ru L’ = k/1. volume T12 tid k k n eru h. 1969). Kit jug t hu hw el stisit s E(L.41) hilag sehigga persamaa tersebut mejadi: k θk k αk Tidk = φ k ( Pi Pd ) θ1 ( I i I d ) θ 2 ( id ) (C id ) 1 2 yang secara eek i menya akan apa yang erjadi jika sua u moda idak mempengaru hi moda lain. kit d p tk n: ∆ L( c ) ≈ E (L. d ri definisi el stisit s. i y . Nya anya. hanya jika 0<ψ<1 sajala model tersebut berfugsi baik (co toh: ilai kalibrasi ψ terbaik pada kajia tersebut adalah 0. Kit ket hui hw jik L tet p konst n. t u kedu ny . jik h ny c y ng eru h. t )L∆ t / t ≈ −2L∆ t / t ∆ L(  ) ≈ E (L.x) d ri tin gk t pel y n n terh d p seti p tri ut x (w ktu. model ii mugki tidak mempuai dasar teori ag k uat. peru h n p y ng h rus dil kuk n p d tingk t pel y n n g r p ngs penump ng tet p? Definisik n L12 = L = t−2c−10.2 c t u L/L’ = 0.

α. Model pemilih n mod 253 . tet pi tid k mem erik n i ndik si mengen i rute y ng dipilih. sert Cidh d l h tri ut h ter ik nt r du zon terse ut (mis lny tingk t termur h).42) dengan φ.7. Model simult n mengh silk n perkir n juml h perj l n n nt rp s ng n zon s l−tuju n y ng menggun k n mod tertentu d n mel lui rute tertentu.8∆/−0.13. m od . indeks h digun k n untuk mengindik sik n tri ut i y (mis lny w ktu tempuh.4 S l h s tu k ji n seperti ini (Qu ndt nd B umol. d n β d l h p r meter y ng hend k dik li r si. d n model pemilih n mod . kit mem utuhk n: y itu ∆L(c) = −(∆L()+∆L t)) 2∆t/t = 0. Tid k seperti pendek t n erurut n. jik kit ingink n ∆L(c) s m deng n −∆L(). sert rute y ng tersedi d l m j ring n tr nsport si.20 Ini d l h pers m n g ris lurus d ri solusi y ng d seperti terlih t p d g m r 6. P d d s rny model simult n sec r ek splisit mem sukk n tig su model y itu model ngkit n perger k n. model se r n perger k n. G m r 6.13 Solusi d ri contoh 6. 6. p d mo del simult n keemp t su model terse ut dig ungk n menj di s tu model. C idhm d l h nil i tri ut i y h untuk mod m nt r zon i d n d. 1966) mengusulk n pen m h n m od fiktif y ng entuk fungsiny d p t ditulis: αh β Tidm = φ 0 ∏ ( Aik Adk ) φ k ∏ C idh ∏ (C idm / C idhb ) h k h h (6. t rif. Model terse ut memperhitungk n juml h per j l n n nt rp s ng n zon menurut mod mod y ng d .J di. t u j r k nt rken d r n). Model sim ult n sec r tid k l ngsung men mpilk n keseim ng n nt r tuju n perj l n n. Pendek t n ini sec r implisit er sumsi h w p d seti p p s ng n zon s l−tuju n h ny tersedi s tu rute untuk seti p mod .3 Model simult n Model simult n d l h s l h s tu ltern tif pendek t n d ri pemodel n 4 t h p y ng h rus dil kuk n sec r erurut n. Aik d l h tri ut seti p zon i (mis lny popul si t u pend p t n).

H l ini mem ng d p t terj di. Be er p kesimpul nny dikemuk k n erikut ini. f(. tri ut pel y n n tr nsport si y ng signifik n d l h w ktu perj l n n r t r t d n ongkos. Model s imult n tel h digun k n untuk memodel ke utuh n k n perger k n ngkut n r ng region l di Pul u J w . Model ini tel h diter pk n di Indonesi . d n tid k dinil i mel lui ‘n m ’ mod . seperti w ktu tempuh. indeks kontri usi sektor industri. g(. mis lny kur ng seh tny pem erl ku n t rif. model ‘mod spesifik’ mengh silk n s tu set p r meter untuk seti p mod . g(.) d l h fungsi k r kteristik sosio ekonomi. f(. Ditinj u d ri perl ku n terh d p mod .43) Tidm d l h juml h pe rj l n n nt r zon i d n d y ng menggun k n mod m. 1992) m upun untuk r ng (Sj fruddin et l. Kemungkin n l in d l h (3) t rif ngkut n r ng el um r sion l. ik untuk penump ng (Sj fruddin. k su tu konst nt . d n se g iny . ITB.) d l h fungsi h m t n perj l n n. Jurus n Teknik Sipil.Asumsi ini cukup re listis untuk diter pk n untuk tr nsport si nt rkot k ren nt r kot kot y ng let kny rel tif erj uh n j r ng tersedi le ih d ri s tu rute untuk seti p mod y ng eroper si. H l ini meng ki tk n mod tr nsport si ud r d n l ut menj di kur ng el stis terh d p permint n. khu susny untuk mod tr nsport si ud r d n l ut. k li r si model terse ut h ny me ngh silk n s tu set p r meter y ng erl ku untuk semu mod y ng ditinj u. n mun is muncul d l m e er p v ri si model. ongkos. Di l in pih k. Model simult n p d d s rny merup k n pengem ng n d ri model gr vity. 1998).) . S j fruddin et l (1998) mel pork n h sil peneliti n Hi h Bers ing V y ng tel h d il kuk n di L or torium Rek y s L lulint s. mod el di t s is dikem ngk n sec r ‘mod str k’ t u ‘mod spesifik’. Peu h w ktu perger k n d n i y ngkut r ng h mpir s el lu mem erik n h sil y ng erl w n n deng n t nd lj r y ng dih silk n. J di. Y ng dim ksud d eng n pengerti n model ‘mod str k’ di sini d l h mod tr nsport si y ng di n lisi s dinil i mel lui tri ut pel y n nny . d ny t rif negosi si .) d l h fungsi se r n mod . PDRB. d n pel ks n n pem erl ku n t rif y ng tid k sesu i deng n ketentu n y ng • 254 Ofy r Z T min. Peu h terse ut tid k sel lu muncul sec r ers m n d l m s tu pers m n. deng n mem sukk n model se r n mod d l m pers m nny .) (6. Sement r itu.) . (2) k ren lingkup k ji n d l h pul u J w sehingg kl sifik si perger k n tergolong perger k n j r k pendek d n j r k me neng h. d n h(. y ng sec r umum dirumu sk n se g i erikut: Tidm = k . d ny t rif k ren fungsi sosi l seperti keret pi untuk komodit s tertentu (p sir d n tu r ). • F ktor s osio ekonomi y ng teridentifik si cukup signifik n se g i peu h e s pem ngk it d n pen rik perger k n r ng d l h popul si. mun gkin (1) k ren peu h terse ut merup k n fungsi j r k y ng erkorel si neg tif terh d p ke utuh n k n tr nsport si. Perenc n n d n pemodel n tr nsport si . sert juml h surplus (produksi tr nsport si r ng) d n juml h defisi t (t rik n tr nsport si r ng). h(.

(Dd)0.21 . (Ni)0.201 .83 .85 2 Mod ud r Tid = 10−9.menim ulk n kompetisi y ng tid k seh t. terut m jik is diperoleh d t y ng le ih lengk p d n le ih sesu i d l m mengg m rk n k r kteristik tr nsport si r ng.(Hid)−1. (PiPd)0. d n ketersedi n d t y ng is digun k n untuk k li r si model. (Pi. Cire on d n M l ng (g ung n kot es r d n kot meneng h): Tid = 102.18 untuk perger k n d ri d n ke DKI J k rt .41 4 Mod str k Tid = 100.05.03.14 . (Nd)0. • K li r si ngkut n j l n mem erik n e e r p h sil y ng cukup signifik n d n memenuhi kriteri y ng m suk k l.089. strukt ur model. Nd Ii. Pener p n model untuk memperkir k n ke utuh n k n tr ns port si r ng p d m s mend t ng perlu memperh tik n keter t s n y ng merup k n konsekuensi d ri sumsi d s r y ng digun k n d l m pengem ng n model. (SiDd)1. (Pi. n mun h sil k li r si ngkut n uk nj l n m sih di ngg p elum cukup signifik n d n e e r p model m sih menunjukk n t nd lj r p r meter tertentu y ng tid k sesu i deng n y ng dih r pk n. Td Pi . (Si) 0.Md’)0.51 .14. (Pi. (Mi’.I d)0.42 .Pd)1.80 . (Pi)1.95 . (Cid)−0. (Ii. (Mi. H sil k li r si model y ng ter ik d l h: 1 Mod J l n c untuk perger k n d ri d n ke DKI J k rt d n Sur y (kot es r): Tid = 102.75.420. (Cid)0. K li r si model tel h dil kuk n d n h silny perlu dikem ngk n le ih l njut. Sur y .94 3 Mod l ut Tid = 10−11.85 . (Ii. Id = Volume perger k n r ng d ri zon i ke zon d (ton/t hun) = Juml h penduduk (d l m ri u n jiw ) = PDRB (d l m mili r rupi h) = PDRB per k pit (d l m ri u n rupi h) • • • Model pemilih n mod 255 .45.56 .62 untuk perger k n d ri d n ke Cire on d n M l ng (kot meneng h): Tid = 101.682.20.18 . sehingg mempeng ruhi pol se r n d n p ol ke utuh n k n tr nsport si r ng.Id)0 . (Cid’)0. (Hid)−1.2 99 Ti .32 . Pd Ni.Pd)0. (Hid)−2.Md)0. (Cid)−2. (Pd)1.33 .Pd)1.

2 IVT − 2.25 d l m pers m n (6. p d s t kit memperkir k n k n di m il su tu ltern tif.44) i s ny di rtik n se g i y ng mew kili peng ruh d ri k r k teristik pilih n t upun individu y ng tid k dipertim ngk n d l m fungsi utilit sny . Contohny . Altern tif tid k mengh silk n utilit s. J di. Md Si. unsur keny m n n d n ke m n n y ng s ng t sulit diukur sec r ku ntit tif. Md’ = Indeks industri (nis h PDRB industri/PRDB tot l) (%) 6. Peng ruh y ng mengg m rk n kontri usi y ng dih silk n oleh su tu ltern tif diny t k n d l m entuk koefisien.31C/I + 1.1 NCAR (6. mis lny peru h n s tu unit w ktu tunggu (ACC) d l m pers m n (6.5 ACC − 0.44) Seti p peu h meny t k n tri ut seti p pilih n mod t u seti p individu.44) mempuny i peng ruh y ng es rny kir kir du k li di ndingk n deng n peru h n s tu unit w ktu sel m perj l n n (IVT) d n tujuh k li le ih es r peru h n s tu unit i y /pend p t n (C/I). Dd Hid Cid = PDRB sektor industri (d l m mili r rupi h) = Surplus/ ngkit n perger k n d ri zon i. individu d ri rum h t ngg y ng mempuny i ny k kend r n erkemungkin n le ih es r memilih mo il pri di d rip d in dividu d ri kelu rg y ng h ny mempuny i s tu mo il.8. mis lny . Untuk itu.1 Pertim ng n umum Sec r umum. Se g i contoh: utilit s i s ny didefinisik n se g i kom in si line r d ri e er p peu h erikut: Vc r = 0. tet pi did p tk n d ri k r kteristikny (L nc ster. Perenc n n d n pemodel n tr nsport si . digun k n en tuk tr nsform si m tem tis y ng mengikuti pol gr fik er entuk S. Peu h terse ut jug d p t me w kili k r kteristik individu. digun k n konsep utilit s (didefin isik n se g i sesu tu y ng dim ksimumk n oleh seti p individu).25 − 1. n il i utilit sny h rus s ng t er ed deng n ltern tif pilih n l in y ng diny t k n d l m entuk pelu ng y ng ernil i nt r 0 d n 1. model pemilih n diskret diny t k n se g i: the pro ility of individu ls choosing given option is function of their so cioeconomic ch r cteristics nd the rel tive ttr ctiveness of the option (pelu ng seti p individu memilih su tu pilih n merup k n fungsi ciri sosio ekonomi d n d y t rik pilih n terse ut) Untuk meny t k n d y t rik su tu ltern tif. d n defisit/t rik n perger k n d ri zon d (ton/t hun) = W ktu perger k n r ng (menit) = Bi y perger k n r ng (rupi h/ton) Mi’. Konst nt se es r 0. seperti: 256 Ofy r Z T min.8 Model pemilih n diskret 6.Mi . 196 6) d n d ri seti p individu.

Moel DM lebih eikit menganun g bia kaena teaatnya koelai antaunit engelomokan. Maalah eiu aa aat mengelomokkan 2 • • • Moel emilihan moa 257 2 . maka aa keuntungannya ibaningkan engan me toe konvenional lain. Moel DM itaki engan menggunakan ata iniviu an memunyai banyak imlikai: • Mo el DM menjai lebih efiien ibaningkan engan metoa konvenional alam hal  enggunaan infomai. Satu atunya engecualian aa moel ini aalah j ika teaat kelomok iniviu yang homogen atau jika eilaku etia iniviu  iamati aa bebeaa kejaian kaena fekueni ilah juga meuakan eubah yang benilai antaa 0 an 1. yaitu moel DM lebih tabil alam uang an waktu. mekiun hal ini telihat be na. moel DM aat i teakan aa etia tingkat engelomokan. kaena aa uaha untuk menje lakan eilaku iniviu teebut. ibutuhkan ata engamatan yang lebih eikit untuk etia ilihan iniviu.Logit P1 = exp − V2 −V1 + x1 exp(V1 ) exp(V1 + exp(V 2 ) 2 2 Pro it P1 = ∫− ∞ ∫− ∞ ∞ 2ρx 1 x 2 x x 1 1 − + 2 2 σ σ 1σ 2 2(1 − ρ ) σ 1 2πσ 1 σ 2 (1 − ρ 2 ) δx 2 δx 1 Matik kovaian ai ebaan nomal yang bekaitan engan eamaan teakhi me munyai bentuk: ∑ 2 σ1 ρσ 1 σ 2 2 σ ρσ σ 2 1 2 Moel emilihan iket ecaa umum tiak aat ikalibai engan analii eg ei atau ejeninya kaena eubah tiak beba (Pi) meuakan eluang yang tiak iamati (benilai antaa 0 an 1). Secaa ini. Jai. eangkan engamatannya beua ilihan etia iniviu (benilai 0 atau 1). Dalam moel agegat. oe engelomokan tiaklah emuah itu. Kaena ata iniviu yang i gunakan. Bebeaa eilaku enting moel ini iimulkan oleh S ea (1977): 1 Moel iagegat (DM) iaai teoi eilaku iniviu an tiak m enganung analogi fiik alam bentuk aa un. atu engamatan aat meuakan ata ata ai uluhan atau un atuan engamatan iniviu. maka emua infomai aat igunakan. tetai.

Hal ini memunyai bebeaa imlikai ee ti: 258 Ofya Z Tamin.14 memelihatkan bahwa jika uatu moel bangkitan egeakan menggunakan a ta bebai zona. m = moa an  = ute bahwa yang  ( f . Contoh aa gamba  6. Feno mena ini tejai mialnya jika cii tata guna tanah i zona B menukung ihailk annya egeakan bejalan kaki.  ) = P ( f ) P ( / f ) P ( m /  ) P (  / m . hal ebaliknya itemukan bila igunakan ata bebai iniviu. Peencanaan an emoelan tanotai . elu igunaka n kone aa eluang: • Jumlah oang yang iekiakan menggunakan ilihan moa tetentu meuakan enjumlahan etia eluang iniviu yang memilih altenatif t eebut: N i = ∑ Pin n • Suatu et keutuan hau imoel ecaa teiah engan memetimbangkan etia keutuan aalah ilihan yang bekonii tetentu ehingga eluang ihailkan aat ikalikan untuk menaatkan eluang untuk et teebut: P  . = fek 4 Peubah yang igunakan alam moel teebut memunyai koefiien.14 Contoh engauh ekologi 3 Moel DM aalah moel eluang. m . fungi utilita memebolehkan aanya eubahan eifikai eubah.  . tetai tiak aat mengientifikai mana yang teilih.  = tujuan. akan iaatkan bahwa jumlah egeakan menuun euai engan enaatan. Gamba 6. yang bebea engan kau biaya gabungan aa moel konvenional yang angat tebata an me munyai bebeaa aamete yang teta.infomai aalah eilaku iniviu mungkin teembunyi alam bentuk cii zona ya ng tiak aat teientifikai. Secaa ini. yang iebut koelai ekologi. f ) engan f ueni. Kaena moel aat menghailkan eluang etia al tenatif.

45) yang dapat mnjlaskan dua hal yang tidak rasional. keangka.2 Keangka teoi Daa teoi. yaitu: • • Vjg yang teuku ebagai fungi ai atibut teuk u x.45) bnar. Agar prsamaan (6. tr masuk ksalahan yang dilakukan olh pmodl. Jadi. 2 3 Modl pmilihan moda 259 . eifikai. an uang. AN) altenatif yang teeia an uatu et vekto at ibut iniviu X an altenatifnya. Pembaca yang beminat aat membaca ua buku y ang angat baik. fiik. Contohn ya. Setia ilihan Aj∈A memunyai utilita Ujq untuk etia iniv iu q. etimai. 6. Pemoel yang juga meuakan engamat item teebut tiak memunyai info mai yang lengka tentang emua unu yang ietimbangkan oleh etia iniviu yang menentukan ilihan ehingga emoel mengaumikan bahwa Ujq aat inyatak an alam ua komonen. …. an engelomokan. Dalam ubbab beikut ini ijelakan ecaa inci bebeaa aek menaik ai mo el emilihan iket (mialnya aa teoi. Koefiien eubah memunyai ati utilita maginal (aat mencemi nkan keentingan etia atibut). waktu. bentuk fungi nya. dan bbrapa individu tidak slalu mmilih a ltrnatif yang trbaik. tuktu. Scara prinsip.8. …. atau aaigma alam menghailkan moel emilihan iket aalah teoi utilita acak.• • Moel DM memungkinkan enggunaan eubah kebijakan yang ietimbangkan ecaa le bih flekibel. Domencich an McFaen (1975) an William (1977) m engemukakan hal beikut. pmodl dapat mnuliskan: U j g = V jg + ε j (6. smua individu mmpunyai st altrnatif yang sama dan mm punyai batasan yang sama shingga untuk mndapatkan kondisi ini harus dilakukan sgmntasi pasar. 1 Iniviu yang beaa alam uatu oulai (Q) yang ho mogen akan betinak ecaa aional an memiliki infomai yang teat ehingga biaanya aat menentukan ilihan yang aat memakimumkan utilita iniviunya maingmaing euai engan bataan hukum. dua individu dngan atribut yang sama dan mmpunyai st pilihan yang sama mu ngkin mmilih pilihan yang brbda. Aj. oial. dibutuhkan populasi yang ho mogn. Setia iniviu q akan memunyai atibut x∈X  an et ilihan A(q)∈A. an bagian acak εjg yang mncrminkan hal trtntu dari stiap individu. yaitu: Ben Akiva an Leman (1985) an Henhe an Johnon (198 1). Tea at uatu et A = {A1.

∀Ai ∈A( ) (6. εN). Dalam kasus ini. pmodl yang hanya mngamati sbagian unsur yang ada mmbutuhkan rsidu ε yang mwakili prilaku yang tidak rasional. V j = ∑ θ kj x jk (6. tidaklah mungkin mndapatkan prsamaan analitis dari modl trsbut. prsamaan (6. Jadi. 4 Individu  mmilih altrnat if yang mmaksimumkan utilitas. . kdua. trgantung pada sbaran rsidu ε. Yang kita ktahui rsidu mrupakan pubah acak yan g mmpunyai sbaran trtntu yang bisa dinyatakan sbagai f(ε)= f(ε1.47) harus dipnuhi. tidaklah mungkin dapat dittapkan jika prsamaan (6. ttapi brvariasi dalam alt rnatif.48) dapat ditulis kmbali sbagai: P j = ∫ f (ε )dε (6.47) dngan V j − V iq ≥ ε i − ε j Karna para analis mngabaikan nilai ( ).49) RN dngan: ε i ≤ ε j +(V j − V iq ). individu mmilih Aj jika dan hanya jika: U j ≥ U i . pluang mmilih Aj adalah: P j = Prob {ε i ≤ ε j + (V j − V iq ). ε N ) = ∏ g (ε n ) n g(εn) adalah sbaran utilitas ssuai dngan pilihan An shingga bntuk umum prsam aan (6. adalah sama dngan rata-rata yang brbda.. . Jadi.∀Ai ∈ A( ) RN = V j + ε j ≥ 0 dan bntuk modl yan akan dihasilkan. Trdapat dua hal yang prlu diprhatikan: prtama. Bntuk modl utilitas acak yan g pnting dihasilkan dngan mnggunakan fungsi utilitas yang mmpunyai rsidu ya ng trdistribusi bbas dan idntik (IID).49) dapat disdrhanakan mnjadi: 260 Ofyar Z Tamin. individu mmbri bobo t pada smua unsur yang ada (tanpa mngacaknya) dan mmilih pilihan trbaik mnu rutnya.48) da n karna sbaran rsidu ε tidak diktahui. ….46) k Paramtr θ diasumsikan konstan untuk smua individu. Jadi. Prncanaan dan pmodlan transportasi . ttapi ttap mngandung tikalas  karna mrupakan fungsi atr ibut x dan hal ini brvariasi untuk stiap individu.∀Ai ∈ A( )} (6. f(ε) ditulis dalam bnt uk: f (ε 1 .Kita mnntukan V. Prhatikan f(U) yang mrupakan sbaran U. . dapat diasumsikan bah wa rsidu ε adalah pubah acak dngan rata-rata 0 dan sbaran pluang trtntu.

51) −∞ ∫ g( x )x x Menaik untuk iketahui bahwa telah iuahakan mencai bentuk yang euai bagi g yang membuat eamaan (6. ehingga: ex(β V i ) Pi = (6. Pilihan multimoa. 6.3) d n p r meter β ( d l m pr ktek nil iny sel lu ditentuk n s m deng n s tu k ren p r meter terse ut tid k d p t dit ksir sec r terpis h d ri θ’) y ng d k it nny deng n simp ng n ku Gum el. mialnya kombinai mobil keeta ai. nibah Pj Pi = ex{β(V j − V i )} Model pemilih n mod .9 Moel logit multinomial (LM) Moel ini aalah moel emilihan iket yang aling muah an eing igunakan.Pj = ∞ −∞ ∫ g(ε j )d(ε j )∏ i≠ j V j −Vi + ε j −∞ ∫ g(ε i )dε i (6. the ati o of one obability ove the othe i unaffecte by the eence o abence of any aitional altenative in the choice et (jika ua altenatif beeluang unt uk iilih.50) dapat juga ditulis sbagai: Pj = dngan  ( x ) = ∞ −∞ ∫ g(ε j )dε j ∏  (ε j + V j − Vi ) i≠ j (6. biaanya tiak coco k engan konii teebut.50) Kita mmprluas rntang intgral mnjadi tidak trhingga (∞) agar dapat dipcahkan .52) ∑ exp(β V ) A j ∈ A(  ) j Fungsi utilit s i s ny mempuny i entuk p r meter line r (6.53) Moel LM hau memenuhi akioma ineen ence of ielevant altenative (IIA) yang aat ituli ebagai: whee any two altenative have a non zeo obability of being choen.49) iebakan engan eiu Gumbel yang teeba beba an ientik (Ineenen t an Ientically Ditibute/IID). alam moel LM. Moel ini bia iaat engan mengaumikan bahwa eiu acak aa eamaan (6 . Prsamaan (6. nibah atu eluang tehaa eluang lain tiak teengauh oleh aa nya altenatif lain alam atu et ilihan) Seeti telihat. y itu: β 2 = π 2 / 6σ 2 (6. Peyaatan eiu yang teeba  beba an ientik memunyai ati aga altenatif yang aa aling tiak begant ung.51) aat iecahkan.

261 .

Terd p t 4 zon s l (A. Model t np peril ku ini mensy r tk n w ktu proses komputer y ng s ng t l m untuk juml h pilih n le ih d ri 50 (w l upun proses estim siny tid k e gitu kompleks). H l ini d p t diper tim ngk n se g i keuntung n model k ren d p t mengontrol m s l h ru deng n cukup ik. se hingg 262 Ofy r Z T min. el stisit s sil ng d ri seti p pilih n Ai terh d p tri ut Xjk d ri ltern tif Aj d l h s m . terlih t hw (McF dden.W). Penjel s n rinci mengen i model logit iner selisih d n model logit iner nis h terd p t p d su 6.3. k ren nil i ini tid k terg ntung p d ltern tif Ai. Co ntohny . Perh ti k n. Perlu dih silk n pers m n sederh n untuk model el stisit sl ngsung d n el stisit s sil ng. su tu model tid k i s d p t dih silk n deng n c r mengoreksi ko nst nt erikut: K i′ = K i − log( i / Q i ) (6.10 Contoh penggun n model logit iner Berikut ini di erik n contoh penggun n model logit iner d l m memodel pemilih n mod nt r j l n r y ( us) deng n j l n j (keret pi). deng n el stisit s l ngsung.55) E Pi . y itu erup persent se peru h n d l m pe lu ng memilih Ai jik terj di peru h n m rgin l untuk su tu tri ut tertentu Xi k y ng sec r sederh n ditulis se g i erikut: (6. D) d n 3 zon tuju n (U. peril ku ini di ngg p se g i kekur ng n mem u t model menj di tid k ik deng n d ny ltern tif y ng s ling erkorel si.6. 1981) jik semu indi vidu mempuny i semu ltern tif y ng tersedi d n jik model mempuny i konst nt y ng lengk p. B.54) i d l h p ngs p s r ltern t if Ai d l m s mpel d n Qi d l h p ngs p s rny d l m popul si.56) y itu peru h n persent se d l m pelu ng memilih Ai jik terj di peru h n m rgi n l d l m nil i tri ut ke k d ri ltern tif Ai untuk seti p individu . Jik model terse ut dit ksir deng n inform si su d er h t u den g n d t d ri s mpel y ng er i s. t mp k hw (Cosslett. mis lny k sus pilih n tuju n. Jik terl l u ny k ltern tif. X jk = −θ jk X jk P j (6. Perenc n n d n pemodel n tr nsport si . d l h konst nt y ng tid k terg ntung p d pilih n l inny . 19 78) p r meter t np i s did p tk n jik model dit ksir deng n s mpel c k d ri set pilih n y ng tersedi untuk seti p individu (mis l tujuh pilih n tuju n per individu). X ik = θ ik X ik  (1 − Pi ) Model el stisit s sil ng sec r sederh n d p t ditulis se g i: E Pi . k n tet pi. 6. H sil neh y ng did p tk n is jug dise k n oleh peril ku IIA t u le ih tep tny jik dik t k n hw perlu IID fungsi utilit s d l m model ngkit n perger k n . Su tu survei pemilih n mod dil kuk n p d e er p koridor deng n er g i zon s l d n tuju n y ng dil y ni oleh du u h mod tr nsport si ( us d n keret pi). C.V.

sehingg nil i α d n β is did p t se g i erikut: α = A d n β = B .15. Be er p d t y ng dikumpulk n d l m survei kori dor terse ut d l h: X1 X2 X3 X4 = w ktu tempuh sel m er d di kend r n (d l m s tu n menit) = w ktu menunggu (d l m s tu n menit) = i y oper si kend r n (d l m s tu n u ng) = i y termin l (d l m s tu n u ng) Nil i w ktu X1 = 2 s tu n u ng/menit Nil i w ktu X2 = 4 s tu n u ng/menit C t t n: nil i w ktu menunggu di sumsik n du k li nil i w ktu sel m er d di kend r n.1 Model logit iner selisih 1 − P1i Deng n menggun k n pers m n (6. d n i y oper si.2 Inform si oper si mod j l n r y d n j l n j d n persent se pemili h n mod Kot s l A B C D A B C D A B C D Kot tuju n U U U U V V V V W W W W J l n r y ( us) X1 25 21 19 16 25 20 15 13 29 19 16 11 J l n j (keret pi) X1 20 18 15 15 25 20 10 15 25 15 12 10 X2 3 3 3 3 5 5 5 5 4 4 4 4 X3 30 25 21 18 40 25 15 15 42 23 20 15 X4 10 10 10 10 20 20 20 20 15 15 15 15 X2 10 8 10 15 10 8 8 12 10 9 10 10 X3 19 18 8 7 27 20 10 10 30 25 10 5 (%) deng n (%) deng n mod j l n mod j l n CJR CJB r y j 82 80 84 95 75 80 55 89 75 80 70 85 18 102 20 16 5 89 81 72 99 86 78 97 92 62 88 91 74 65 25 130 117 20 105 45 11 20 30 15 85 81 92 83 68 25 131 120 Keter ng n: CJR = (2.30) d n meng sumsik n Y i = log e Pi 1 i i sert X i = ∆ C i = C JB − C JR . d t persent se pemili h n mod .2 memperlih tk n d t h sil survei koridor. X2) + X3 6.terd p t 12 p s ng n nt rzon .3)−(4. is did p tk n nil i A d n B. Deng n menggun k n n lisis regresi line r (lih t pers m n (4.10.30) d p t ditulis ke m li d l m entuk pers m n line r Y i = A + BX i . seperti terlih t p d g m r 6. X1) + (4. T el 6.3 memperlih tk n perhitung n n lisis regresi line r untuk model l ogit iner selisih. X1) + (4. H l ini cukup m suk k l k ren mem ng m nusi p d umumny tid k suk menu nggu. T el 6. X2) + X3 + X4 = i y j l n r y = i y j l n j CJB = (2.5)). . T el 6. pers m n tid k line r (6.

Model pemilih n mod 263 .

ΣXi −(ΣXi) ) A=(rata rata Y) – B (rata rata X) 0.3863 −0.1300 0.30 47 0.7469 0.3389 0.00 3.2214 0.50 1.15 Analisis regresi linear model logit biner selisih Dengan mendapatkan nilai α d n β.6257 5.ΣXiYI − (ΣXi.57) 264 Ofy r Z T min.2214 0.3769 0.8849 0.2038 −11.00 Log e {(1−P)/P} R 2 = 0 .9444 −1.7262 0.8473 −1. PJR = 1 1 + exp(− 1.8187 0.7262 0.1589 4.9525 0.3769 0.73 2 XiYi 4.16.0499 0.50 2.3 Perhitung n metode n lisis regresi line r untuk model logit iner sel isih CJR CJB 102 89 81 72 105 85 81 92 83 68 Σ 99 86 78 97 92 62 88 91 74 65 CJB−CJR Loge{(1−P)/P} (Xi) −3 −3 −3 25 −13 −13 −23 7 −11 −1 −9 −3 −50 (Yi) −1.0907 −1.50 10 20 30 20 10 LN{(1 P) / P} Gambar 6.0218 4.0532(C JB − C JR ) ) (6.9747 −73.6110 14.2820 18.6674 − 0. ΣYi))/(N.6154 −14. Perenc n n d n pemodel n tr nsport si 30 0 .8187 0.3863 −0.0986 −1.6352 12.6417 0.3863 −1.57) d n gr fikny d p t dilih t p d g m r 6.3438 2 Xi 2 exp(A+BXi) 9 9 9 0.2214 0.8187 0.8340 0.50 3.1990 0.7665 0.8 187 −0.2007 −2.6674 625 169 169 529 49 121 1 81 9 1780 130 117 131 120 B=(N.2214 β α P=1/(1+exp(A+BXi)) 0.0532 −1.00 1.3863 7.6582 −2.89 8 C2 C1 CJB − CJR 0.00 2. pers m n model logit iner selisih d p t diny t k n d l m pers m n (6.T el 6.0847 1.5490 4.5163 −1.0986 −1.6091 0.

10 0.16 Model logit iner selisih Terlih t p d g m r 6. Jik i y j l n j le ih m h l se ny k 20 s tu n u ng d rip d i y j l n r y . juml h penggun j l n r y h ny 50%. meskipun i y j l n r y s m deng n i y j l n j .1.16 hw 84% or ng memilih j l n r y ( us).60 0.17.37) d p t ditulis kem li d l m C P 1 2 Deng n menggun k n n lisis regresi line r (lih t pers m n (4.40 0. T el 6.00 P 0.10. H l ini mem uktik n hw us le ih dimin ti d rip d keret pi.4 memperlih tk n perhitung n metod n lisis regresiline r untuk model logit iner nis h. persent se or ng menggun k n j l n r y d l h se es r 94%.5)). Model pemilih n mod 100 265 C1 .70 0. pers m n tid k line r (6.50 0.37) d n meng sumsik n Y = log . 1 − P1 = log Deng n menggun k n pers m n (6.90 0.3)−(4.16 d p t d igun k n oleh p r peng m il ke ij k n oper si us d n keret pi untuk menentuk n ke ij k n y ng h rus di m il untuk mere ut p ngs p s r pes ingny .30 0. sehingg nil i α d n β is did p t se g i erikut: α = 10 A d n β = B. 6.20 0.00 0 10 20 30 40 50 60 70 80 90 80 70 60 50 40 30 20 10 90 100 C J B C J R G m r 6. is did p tk n nil i A d n B. G m r 6.2 Model logit iner nis h entuk pers m n line r Y = A + BX seperti terlih t p d g m r 6. Jik i y j l n r y le ih m h l se es r 31 s tu n u ng di ndin gk n i y j l n j .80 0.

0360 0.7559 0.0003 1.1294 0.6585 −0.90 1.0110 1.2788 0.2629 0.8314 0.1216 1.1655 −0.9095 .20 1.4771 −0.6021 −0.0188 4.80 0.0502 0.0327 −0.1843 0.0149 0.0472 0.60 R2 = 0.0090 −0.2241 0.0303 1.6897 0.5574 0.0085 −0.0033 1.8162 0.(rata rata X) β α 0.0381 0.0464 B=(N.80 0.4819 −0.7142 B −0.0130 0.0164 0.0349 1.0004 1.9517 0.ΣXiYi − (ΣXi.9205 −0.0168 0.0462 Log(W) log{(1−P)/P} (Xi) 0.40 1.00 0.0917 1.60 0.6727 0.00 0.1128 0.7412 0.1931 1.5343 2 2 0.7423 −0.7776 0.8825 0.8 083 0.0015 1.9080 0.6021 −0.6035 0.7202 −0.4815 0.0182 −0.1370 0.3680 −0.0183 −0.3710 1.0000 1.7636 0.T el 6.4 Perhitung n metode n lisis regresi line r untuk model logit iner nis h CJR 102 89 81 72 130 105 85 81 131 92 83 68 CJB 99 86 78 97 117 92 62 88 120 91 74 65 Σ CJR/CJB (W i ) 1.ΣXi −(ΣXi) ) Log A=(rata rata Y) – B.1413 1.8139 0.0498 0.0218 −0.8 088 4.0385 1.0013 0.0118 −1.0148 −7.1432 0.0002 1.2313 (Yi) XiYi Xi 2 Wi B P=1/(1+(AWi )) 0.4771 −0.0196 0.40 0.0047 0.6021 −0.1111 1.00 LOG((1 P)/P) 0.0002 1.0029 −0.0025 1.7533 −0. ΣYi))/(N.0574 0.20 0.034 0119 −0.0021 1.0458 0.1661 0.8192 0.70 0.

58). pers m n model logit iner nis h d p t diny t k n d l m pers m n (6. 266 Ofy r Z T min. Perenc n n d n pemodel n tr nsport si .30 1.17 An lisis regresi line r model logit iner nis h Deng n mend p tk n nil i α d n β.20 1.40 CJR /CJB 1.10 1.1.50 C1/C2 G m r 6.

40 0. Peningk t n pel y n n j l n r y se c r tid k l ngsung k n mempeng ruhi X1 (w ktu tempuh kend r n) menj di 60% d ri kondisi w l (khusus untuk kend r n di j l n r y ).20 0.18 d p t digun k n oleh p r peng m i l ke ij k n oper tor us d n keret pi untuk menentuk n ke ij k n y ng h rus di m il untuk mere ut p ngs p s r pes ingny .1931. Sek li l gi. 4. t u d p t jug erup peru h n ke ij k n glo l pemerint h di sektor tr nsport si.PJR = 1 C JR 1 + 0.50 0. K sus 2 Terj di penurun n w ktu tempuh menj di 40% d ri kondisi w l. K sus 1 Terj di peningk t n h rg BBM se ny k 50% y ng sec r l ngsung erpeng ruh p d nil i X3 (1.60 0.00 0. Be er p k sus diuji kepek nny d l m k it nny terh d p p ngs p s r penump ng kedu jenis mod tr nsport si terse u t.20 JR /C JB G m r 6. mis lny h rg h n k r miny k (BBM).80 1.00 P JR P 0. Model pemilih n mod 267 .30 0.10.40 0. penggun j l n r y h ny 50%.70 0.58) 1. g m r 6.40 2.00 2.5 k li d ri kondisi w l).80 0. Jik i y j l n r y le ih m h l 1.80 C 3.18 Model logit iner nis h Terlih t p d g m r 6.00 0. H l ini mem uktik n hw us le ih dimin ti d rip d kere t pi.90 0. meskipun i y j l n r y s m deng n i y j l n j (h l y ng s m jug dih silk n model logit iner selisih).60 2.18 hw 84% or ng memilih j l n r y ( us).3 An lisis uji kepek n Berikut ini dil kuk n n lisis e er p uji kepek n y ng d p t dil kuk n d l m entuk peru h n ke ij k n m n jemen ngkut n j l n r y m upun j l n j . 6.4819 C JB (6.44 k li i y j l n j .10 0.20 1.

5−6.c K sus 3 Terj di peningk t n pel y n n keret pi sehingg w ktu tempuh d n w ktu menunggu erkur ng menj di 60% d ri kondisi w l. K sus 4 Bi y termin l untuk j l n r y (X4) dihil ngk n.5 Uji kepek n seti p k sus deng n model logit iner selisih Y ng d Ko t K sus 1 K sus 2 K sus 3 sek r ng As l A B C D A B C D A B C D K sus 4 JR (%) 88 88 88 97 88 88 82 96 87 92 88 91 Tuju n U U U U V V V V W W W W JR (%) 82 80 84 95 75 80 55 89 75 80 70 85 JB (%) 18 20 16 5 25 20 45 11 25 20 30 15 JR (%) 77 79 76 94 65 70 58 87 68 84 72 78 JB (%) 23 21 24 6 35 30 42 13 32 16 28 22 JR (%) 93 92 91 98 88 86 75 93 91 92 87 88 JB (%) 7 8 9 2 12 14 25 7 9 8 13 12 JR (%) 45 52 50 75 28 36 34 59 30 55 46 56 JB (%) 55 48 50 25 72 64 66 41 70 45 54 44 JB (%) 12 12 12 3 12 12 18 4 13 8 12 9 T el 6.6 Uji kepek n seti p k sus deng n model logit iner nis h Y ng d Kot K sus 1 K sus 2 K sus 3 sek r ng As l A B C D A B C D A B C D K sus 4 JR (%) 88 88 89 97 87 88 81 96 86 92 88 93 Tuju n U U U U V V V V W W W W JR (%) 82 80 84 95 75 80 55 89 75 80 70 85 . H l ini k n meng ki tk n w ktu tempuh (X1) d n w ktu menunggu (X2) j l n j menurun se es r 40% d ri kond isi w l. T el 6.6 memperlih tk n h sil uji kepek n seti p k sus deng n menggun k n m odel logit iner selisih d n model logit iner nis h. d T el 6.

h silny cenderung 268 Ofy r Z T min.JB (%) 18 20 16 5 25 20 45 11 25 20 30 15 JR (%) 79 79 76 93 74 73 55 87 75 84 71 76 JB (%) 21 21 24 7 26 27 45 13 25 16 29 24 JR (%) 92 92 92 98 87 86 71 93 89 92 87 89 JB (%) 8 8 8 2 13 14 29 7 11 8 13 11 JR (%) 44 45 37 71 38 35 17 51 41 52 32 35 JB (%) 56 55 63 29 62 65 83 49 59 48 68 65 JB (%) 12 12 11 3 13 12 19 4 14 8 12 7 Terlih t d ri t el 6. Perenc n n d n pemodel n tr nsport si .6 hw model logit iner selisih d n model logit inern is h tid k memperlih tk n per ed n h sil y ng signifik n.5−6.

P d k sus 4. Peningk t n ini terj di untuk seluruh p s ng n nt rzon y ng ditinj u. P d k sus 3. P d k sus 1. p ngs p s r j l n r y m sih le ih es r d rip d j l n j . m l h p d e er p p s ng n nt rzon . Ak n tet pi . p d k sus 2. penghil ng n i y termin l terny t s ng t menguntungk n gi j l n r y . peningk t n pel y n n keret pi ( erk ur ngny w ktu tempuh d n w ktu menunggu) erpeng ruh cukup ny k terh d p peni ngk t n p ngs p s r keret pi. peningk t n h rg BBM terny t tid k mempeng ruhi p ngs p s r sec r umum d n m sih menguntungk n oper tor j l n r y . pengur ng n w ktu tempuh terny t menye k n p ngs p s r er l ih ke j l n r y sec r signifik n. Terlih t jug hw seti p k sus s ng t mempeng ruhi es rny persent se p emilih n mod .s m . meskipun persent seny tid k egitu ny k er ed deng n penggun j l n r y . Model pemilih n mod 269 . terlih t d ri se m kin meningk tny p ngs p s r j l n r y untuk seluruh p s ng n nt rzon .

*) did p t jik i y m rgin l produksi d n penju l n r ng s m de ng n keuntung n m rgin l y ng did p t d ri h sil penju l n terse ut.1 Konsep d s r 7. y n g untuk k sus ngkut n umum d p t erup frekuensi d n k p sit s. Ak n dijel sk n pul gi n sisi penyedi n d ri pemodel n tr nsport si sert kondisi keseim ng n nt r ke utuh n d n penyedi n tr nspor t si. d n model pemilih n mod y ng s ng t sering digun k n untuk mencermink n ke utuh n k n tr nsport si di d l m su tu d er h k ji n. B 7 ini k n menjel sk n proses pemilih n rute d ri seti p perger k n y ng terj di d l m proses penc p i n zon tuju nny . meliputi model ngkit n d n t rik n. proses pertuk r n r ng d n j s d p t terj di se g i ki t d ri k om in si nt r ke utuh n d n penyedi n.1 Keseim ng n nt r ke utuh n d n penyedi n 270 . Titik keseim ng n kom in si ini menje l sk n h rg r ng y ng diperju l elik n sert juml hny di p s r.1. model se r n perger k n. H l ini d p t diter ngk n deng n g m r 7.1 Pend hulu n Be er p terd hulu mener ngk n sec r rinci e er p model ut m d l m peren c n n tr nsport si. Sistem j ring n.7 Model pemilih n rute 7. Juml h r ng (Q) Fungsi ke utuh n Fungsi penyedi n * p* H rg (P) G m r 7. merup k n unsu r ut m sisi penyedi n d l m tr nsport si.1. D l m pemikir n sec r ekonomi y ng sederh n . Titik keseim ng n (p*. Sisi penyedi n su tu sistem tr nsport si tel h dijel sk n p d 3 y ng mener ngk n pendefinisi n sistem zon d n sistem j ring n.

Kon disi ini diken l deng n kondisi keseim ng n j ring n j l n. Tet pi. w ktu tunggu d n erj l n k ki. d n keter tur n. merek menco menc ri e er p rute ltern tif y ng khirny er khir p d su tu pol rute y ng st il (kondisi keseim ng n) setel h e er p k li menco c o . H silny . Proses peng lok si n perger k n terse ut mengh silk n su tu pol rute y ng rus perger k nny d p t dik t k n er d d l m ke d n keseim ng n jik seti p pel ku perj l n n tid k d p t l gi menc ri rute y ng le ih ik untuk menc p i zon tuju nny k ren merek tel h erger k p d rute ter ik y ng tersedi . Sisi ke utuh n k n tr nsport si terdiri d ri indik tor sejuml h perger k n ( is d l m entuk MAT) mod tr nsport si tertentu y ng dil kuk n untuk tingk t pel y n n tertentu. Hu ung n kecep t n− rus merup k n h l y ng penting k ren meng itk n sistem j ring n tr nsport si deng n tingk t pel y n n y ng h rus dimilikiny . terd p t e er p spesifik si khusus untuk meny t k n kondisi oper si d n pel y n n erup rute . mod tr nsport si. Sisi penyedi nny . frekuensi t u sec r ide l dit m h deng n ku lit s. konsep keseim ng n s ng tl h erh rg d l m us h mem h mi perm s l h n kegi t n ekonomi d n per m l nny p d m s mend t ng. Tet pi. keh nd l n. Fenomen l in terj di p d sistem j ring n tr nsport si ngkut n umum. d p t diny t k n d l m entuk ru s j l n L (term suk simpulny ) sert i y tr nsport si C.Teori ekonomi meny ngk l hw kondisi keseim ng n ini sec r pr ktis tid k per n h terc p i k ren sistem h rg d n tingk t produksi tid k sel lu d p t l ngsun g eru h sesu i deng n peru h n d y eli. S l h s tu unsur ut m y ng meny t k n tingk t pel y n n d l h w ktu tempuh. i y perj l n n (t rif d n h n k r). teknologi. sert w ktu er d di t s kend r n ( ngkut n umum). d n hu ung n kecep t n− rus. h l tertentu d p t terj di. k p sit s. Jik kem cet n Model pemilih n rute 271 . y itu erup sistem j ring n tr nsport si S(L. seler . seti p pel ku perj l n n menco menc ri rute ter ik m singm sing y ng meminimumk n i y perj l n nny (mis lny w ktu). Tet pi.C). s n g tl h penting mempel j ri penggun nny d l m konteks sektor tr nsport si. k p sit s. Ke utuh n k n tr nsport si merup k n ke utuh n turun n ki t d ny proses us h pemenuh n ke utuh n. Bi y terse ut merup k n fungsi d ri sejuml h tri ut y ng terk it p d ru s j l n seperti j r k. penump ng erus h menc ri r ute y ng meminimumk n i y perj l n n y ng terdiri d ri i y kem cet n. Y ng p ling sederh n d l h keseim ng n p d sistem j ring n j l n. Oleh se itu. d n teknik produ ksi. d n jug h l l in seperti keny m n n d n ke m n n penump ng. P d sistem tr nsport si d p t dilih t hw kondisi keseim ng n d p t terj di p d e er p tingk t. d p t dip stik n k n terj di penu run n k n permint n perger k n t u mungkin jug terj di peru h n p d tuju n khir. sert w ktu terj diny permint n k n perger k n ter se ut. Jik terj di penurun n tingk t pel y n n p d sistem j ring n j l n. kecep t n rus e s. Sistem j ring n tr nsport si ngkut n umum jug d p t didefinisik n d l m entuk y ng s m deng n sistem j ring n tr nsport si ngkut n pri di.

D l m konteks pemodel n. P d tingk t y ng le ih tinggi l gi.6−7. zon tuju n. Perm s l h n pem e n n dipec hk n menj di perm s l h n pemodel n pemilih n rute d n perm s l h n pem e n n MAT y ng d p d rute terpilih.1. d l m model ini di ngg p hw seti p pengend r mempuny i persepsi rute ter ik y ng s m . Kondisi y ng er ed ed mem utuhk n metode pem e n n y ng er ed ed pul . Ini erinter ksi deng n pengemud i kend r n pri di y ng jug mempuny i pemikir n y ng s m sehingg mengh silk n volume perger k n y ng er ed p d e er p ru s j l n d n tercipt l h kondis i keseim ng n y ng ru. zon tuju n. Kon disi ini diken l deng n kondisi keseim ng n sistem y ng er ed deng n kondisi keseim ng n j ring n. D l m h l ini. us y ng erop er si p d ru s j l n y ng s m k n meningk t pul w ktu perj l n nny . d n w ktu terj diny perger k n. Deng n sumsi ini d p t dip stik n hw seti p pengend r k n sel lu memilih rute y ng s m . Su 7. su 7 . Sel njutny .3 k n me njel sk n model ll or nothing. Kondisi ini diken l deng n kondisi keseim ng n j ring n multimod k n didiskusik n sec r rinci p d su 7.8. p d su 7. pol perger k n y ng dih silk n jug d p t mempeng ruhi pemi lih n mod . Mul mul k n dijel sk n perm s l h n pem e n n MAT p d su tu sistem j ring n j l n. Be er p l s n ut m y ng mel t r e l k ngi proses pemilih n rute sert f ktor penentu ut m y ng menj di d s r peng em ng n model pemilih n rute k n di erik n p d su 7. Terlih t du l s n ut m y ng meng tur lok si perger k n: d ny per ed n persepsi 272 Ofy r Z T min.2. Perenc n n d n pemodel n tr nsport si . J di. d n jenis mod ny ) deng n nil i i y pe rj l n n y ng konsisten deng n rus y ng terj di p d semu sistem j ring n. H l ini mempeng ruhi penggun j s ngkut n umum (d n jug sopir us) untuk meng lihk n rute d l m us h menghind ri tund n terse ut. Model ll or nothing d n model stok sti k meng ngg p hw proses pemilih n rute tid k dipeng ruhi oleh efek kem cet n. B 7 disusun se g i erikut. Seti p per lih n ke ut uh n ini meng ki tk n terj diny kondisi keseim ng n y ng ru. P roses ini perlu dil kuk n erul ng ul ng deng n c r y ng sistem tik s mp i dih silk n MAT ( erikut w ktu.4 k n menjel sk n model stok stik y ng menco mempertim ngk n per ed n pers epsi pengemudi terh d p rute ter ikny .p d ru s j l n y ng di ki tk n oleh ngkut n pri di meningk t. Ini menye k n perluny men ksir kem li MAT − tingk t pe l y n n y ng ru digun k n untuk mend p tk n pol perger k n (MAT) y ng ru. model pem e n n y ng le ih men rik untuk dipel j ri sel njutny d l h mo del y ng menco mengikutsert k n sec r konsisten efek kem cet n d l m proses p emilih n rute. h l ini d p t erup pol perger k n ru y ng k n mempeng ruhi ting k t pel y n n gi seti p rute d n mod tr nsport si y ng mungkin tid k konsiste n l gi deng n kondisi keseim ng n p d s t w l (deng n meng ngg p permint n k n perger k n tet p).3 k n dipertim ngk n e er p ciri kh s hu ung n kecep t n− rus t u i y − rus y ng s ng t di utuhk n d l m proses pemilih n rute.

Terl ih t hw metode heuristik sering g g l menc p i kondisi keseim ng n. Ak n tet pi. k n dih silk n kondisi keseim ng n. Kit k n menggun k n prinsip keseim ng n W rdrop se g i k er ngk kerj umum d l m pem h s n itu. Su 7. Tuju n ut m ny d l h untuk mey kink n p k h w ktu tempuh (y ng merup k n gi n d ri i y ) y ng digun k n untuk menj l nk n model konsisten deng n w ktu tempuh y n g dih silk n sel m proses pem e n n.3−7 .6. mis lny terd p t h ny du ltern tif rute.5−7. su ini jug k n mener ngk n peng ruh tingk t resolusi sistem j ring n terh d p perm s l h n pem e n n. k d ngk d ng rute ltern tif y ng tersedi juml hny tid k terl lu ny k.6. Su 7. d n l inl in.5 menjel sk n e er p metode pem e n n y ng d p t digun k n y ng tel h mengikutsert k n efek kem cet n d l m proses pemilih n rute mel lui konsep t s n k p sit s. pem e n n ku nt l. B gi n ini dikhususk n untuk mem h s perm s l h n tund n p d su tu ru s j l n y ng h ny terg ntung p d es rny rus.6. k ren i tu. Prinsip I W rdrop meny t k n hw d l m kondisi m cet.8 memperlu s penggun n kondisi kesei m ng n d l m mel kuk n pemodel n pemilih n mod d n se r n perger k n. m s l h ini h rus mend p t perh ti n serius d ri p r peneliti. nt rpengend r tent ng i y perj l n n. semu rute y ng digun k n n t r du titik tertentu k n mempuny i i y perj l n n y ng s m d n minimum. D l m e er p k sus tertentu. Su 7.6.7 mem perlu s perm s l h n pem e n n keseim ng n − sering dijump i d l m proses pem e n n. Su 7. tund n y ng sel lu dipertim ngk n d l h tund n p d ru s j l n y ng h ny terg ntung d ri es rny rus l lulint s y ng mel luiny . d n d ny efek kem cet n terh d p pro ses pemilih n rute. tund n di persimp ng n jug merup k n m s l h penting y ng h rus diperh tik n. Teknik pem e n n l lulint s p d kondisi m cet y ng diter ngk n p d su 7.8 menco mendek ti kondisi keseim ng n ini. Be er p metode y ng dijel sk n meliputi metode pem e n n ert h p. s ed ngk n rute y ng tid k digun k n k n mempuny i i y perj l n n y ng s m t u le ih m h l. rtiny . Model pemilih n rute 273 . Su 7. Jik semu pengend r mempuny i persepsi y ng s m tent ng i y . D l m h l ini model pemilih n rute y ng sering dig un k n d l h model kurv diversi y ng k n dijel sk n sec r rinci p d su 7. Fenomen fenomen y ng dise utk n di t s ser ing dijump i di d er h perkot n. pengend r k n memilih su tu rute s mp i terc p i kondisi y ng tid k memungkink n seor ng pun d p t mengur ngi i y perj l n nny deng n meng gun k n rute l in. D l m su 7.2 k n mem h s e er p metode solusi pemec h n m s l h keseim ng n.1 k n diter ngk n pe rm s l h n pem e n n keseim ng n d l m entuk ker ngk kerj pemrogr m n m tem tik y ng le ih komprehensif. Sel i n itu. pem e n n e rul ng.4 mener ngk n jug pengem ng n le ih l njut y ng di r hk n kep d konsep Kes eim ng nSosi l (KS) sert Keseim ng n Penggun Stok stik (KPS).9.

274 Ofya Z Tamin. rus p d ru s j l n l. rus p d ru s j l n l p d pengul ng n ke n hu ung n i y − rus p d ru s j l n l. Tingk t pertum uh n l lulint s y ng tinggi k n meng ki tk n kem cet n p d sistem j ring n j l n di d er h per kot n. C i tujuan  . Terd p t du metode y ng sering dig un k n d l m h l ini. y itu perm s l h n ki t d ny pem e n n erle ih. 7. y itu metode pem e n n deng n m triks permint n perger k n el stis d n metode pem ngk s n m triks. y itu: Tidr Vl V ln = = = = = = juml h perger k n nt r zon s l i ke zon tuju n d y ng menggun k n rute r.1. Kone ini aa awalnya ikembangkan untuk ua yang anjang aa jalan beba hambatan atau teowongan. 1 jik ru s j l n l merup k n gi n d ri rute r d ri zon s l i ke zon tuju n d 0 jik tid k C (V l ) c (Vl ) c idr δli = Tikata n igunakan untuk meneangkan engulangan tetentu aa oe engulang an yang eang ilakukan.3 Kuva keceatan−au an biaya−au Dalam ekayaa lalulinta ikenal hubungan yang angat eing igunakan. i y perj l n n d ri z on s l i ke zon tuju n d y ng menggun k n rute r. mialnya.2. Peencanaan an emoelan tanotai .1. Tikata * igunakan untuk menyatakan nilai * aalah bi aya ejalanan minimum ai zona aal i ke zona otimum. i y se en rny untuk tingk t rus tertentu ( Vl ). Asumsi m triks permint n perj l n n tet p (tid k el stis) y ng sel m ini sering digu n k n cenderung meng ik n peng ruh t ngg p n penggun j l n terse ut sehingg mem erik n risiko kes l h n d l m per m l n. 7.2 Definisi d n not si Be er p not si t m h n di utuhk n untuk mener ngk n model pemilih n rute d n m odel pem e n n y ng d . T ngg p n penggun j l n terh d p t s n terse u t k n menurunk n e n perj l n n p d j ring n j l n y ng ers ngkut n. Tet pi.10 menjel sk n perm s l h n y ng sering tim ul di d er h perkot n. i y deng n Vl = 0 dise ut i y p d kondisi rus e s. pertum uh n terse ut k n dih l ngi oleh ter t sny penyedi n k p sit s p d j ring n j l n.B 7. Hubungan keceatan−au eing igambakan eeti gamba 7. yaitu  engauh au aa keceatan kenaaan begeak aa ua jalan tetentu.

Jik a au menekati kaaita. 2. bahwa hal ini menjai tiak ealiti jika igunakan untuk aeah ekotaan yang lebih a at an lebih macet. Tetai. elu icatat. alam teknik embebanan ute. Au makimum i aat aa aat kaaita tecaai. Hal ini aat inyatakan alam bentuk umum: C l = C l ({ V }) (7. maka akan tejai konii yang tia k tabil an malah tecita au yang lebih kecil engan keceatan yang lebih e nah.2 Hubungan tiikal keceatan−au an biaya−au Sumbe: Otuza an Willum en (1994) Jika au lalulinta meningkat. yang aat ituli ebagai: C l = C l (V l ) (7. a tau ecaa umum ebagai hubungan biaya−au yang juga aat ilihat aa gamba 7.Keceatan S (km/jam) Waktu ejalanan (menit/km) Au V (kenaaan/jam) Au V (kenaaan/jam) Vmak Vmak Gamba 7. hami  emua waktu ejalanan igunakan aa ua jalan teebut. eta enggunaan metoe embebanan ute yang cocok. keceatan ceneung menuun ecaa elahan. Untuk alaan akti. Aabila konii teebut teu iakakan unt uk menaatkan au yang melebihi kaaita. Rumu umum ini cocok untuk aeah ekotaan yang memiliki inteaki yang eat antaa au i ua jalan yang lain engan tunaan. Tetai. engembangan fungi. eama an yang igunakan hau teiah. Moel emilihan ute 275 . enuunan keceatan emakin bea.1) Biaya aa uatu ua jalan meuakan fungi ai emua egeak an V aa jaingan jalan teebut (bukan hanya iebabkan oleh au i ua jala n itu aja). Aumi ini aat menyeehanakan oe enakian. Dalam hal ini. Moel embebanan ute yang memetimbangkan kemacetan memelukan bebeaa e amaan (fungi) yang cocok untuk menghubungkan atibut uatu ua jalan eeti kaaita an keceatan au beba eta au lalulintanya engan keceatan ata u biaya yang ihailkannya. jeni hubungan ini il akukan alam bentuk hubungan ‘waktu temuh e unit jaak engan au lalulinta’. hal ini  aat ieehanakan jika kita memetimbangkan ua jalan yang anjang.2) Biaya aa ua jalan teebut hanya tegantung aa au an cii ua itu aja .

Konii ini inyatakan engan gai utu utu aa gamba 7. Hal ini biaanya tegantung aa aumi aakah kita akan memoel konii tunak atau 276 Ofya Z Tamin. Peencanaan an emoelan tanotai . eamaan hau elalu meningkat an monoton. yaitu teaat ua yang embebanan aunya m elebihi kaaita ehingga menghailkan waktu temuh yang tiak tehingga yang m engakibatkan konii yang menghailkan bea au tiak tehingga alam ogam komute (konii yang tentu tiak aat itangani oleh bahaa komute mana un ). Kita mengangga bahwa alam hubungan biaya−au. kaaita. elu ietimbangkan kone biaya magin al. eamaan hau aat igunakan untuk konii nilai tiak teh ingga. au yang meningkat tiak bole h menguangi waktu temuh. hanya bebeaa fungi aja. hau igunakan hubungan biaya−au kaena tenyata lebih muah. an komonen keua aalah kontibui tunaan aa au lalulinta yang lain yang iebabkan oleh kenaaan maginal. Peilaku matemati yang ielukan untuk memenuh i kebutuhan teknik embebanan ute aalah: • • • • waktu temuh yang hau cuku ealit i. Hal ini meu akan amak ektenal yang tekait engan biaya tambahan yang iaakan oleh en gguna lainnya aa ua jalan teebut yang iebabkan oleh tambahan atu kena aan bau. Konii ini aat te jai aa aat oe engulangan. Biaya ata ata an maginal hanya memunyai nilai yang a ma aa bagian ata ai kuva biaya−au. ini yaat mutlak. khuunya yang memunyai eilaku matem ati yang baik. mialnya fungi tiak boleh menghailkan waktu temuh yang tiak tehingg a jika au beaa aa kaaita atau melebihi kaaita. Kaena kuva biaya−au meuakan fungi meningkat. Tetai. • untuk alaan akti. konii embebanan belebih yang tejai aa elang waktu yang  angat enek. yaitu kontibui aa total biaya yang iebabkan oleh enambahan maginal  atu kenaaan aa au lalulinta: C ml = V l .2). eeti yang eing tejai i laangan. malah tiak akan mengakib atkan kemacetan. Selain itu. Total biaya oeai aa uatu ua jalan aat inyata kan engan Cl = Cl(Vl).3) memunyai ua komonen.Bebeaa bentuk fungi yang umum telah iuulkan euai engan eamaan umum (7 . biaya akan meningkat euai enga n au lalulintanya. kontibui teebut ati elalu oitif.(V l )] ∂C l (V l ) ∂[ = C l (V l ) + V l ∂V l ∂V l (7. e eti keceatan au beba. yaitu gamba hubungan biaya−au.2 . Bebeaa enuli menyaankan bebeaa bentuk fungi hubungan biaya−au. Paamete ekayaa angat ibutuhkan. yang igunakan.C l . Komonen etama aalah bia ya ata ata aa ua jalan. an jumlah eimangan e kilomete.3) Bagian kanan eamaan (7. Dalam hal ini. eamaan hau kontinu an aat iifeenialkan. kecuali aa tingkat au yang angat enah yang biayanya aat iangga kontan.

y itu: 4 Model pemilih n rute 277 Dep rte . Banton (1976) menulikan ulaan yang angat baik mengenai maalah akti yang eing tejai jika kita beuaha mengkalibai fungi biaya−au. lokai yang teat aa aeah engukuan au an tunaan angat menentukan kualita keluaan.moel lain. yaitu: t = t0α V β Qp (7. d n nt rkot . • Banton (1976) juga mengula bebeaa kuva biaya−au yang iuulkan oleh beaa enuli beikut.6) Qp gris mengh silk n e er p kurv i y − rus untuk e er p jenis ru s j l n di d e r h perkot n.5) Qp d l h k p sit s pr ktis d ri ru s j l n. sed ngk n α d n β d l h p r meter y ng h rus dik li r si.4) alam bentuk lain. 3 Din s J l n umum (1964) di Amerik Serik t meny r nk n fun gsi y ng s ng t umum. 1 Smock (1962) mengemukakan umu beikut untuk kajian i Det oit: V t = t 0 ex Q S (7. 2 Ove gaa (1967) menulikan eamaan (7. Ia mengemukakan: • teaat bebeaa emaalahan mengenai waktu elang engamatan  aa aeah kemacetan tetentu eta lokai eimangan beikutnya yang akan men gakibatkan kemacetan. y itu: β V t = t 0 1 + α (7. pinggir n kot . t0 aalah waktu temuh e atuan jaak aa konii au beba. an Q aalah kaaita ua aa konii tunak. aumi bahwa tunaan hanya tegantung aa au lalulinta aa ua jalan teebut tiaklah begitu ealiti untuk aeah ekotaan yang memunyai jaingan yang cuku aat an hal ini akan angat menen tukan alam oe enakian fungi biaya−au.4) t aalah waktu temuh e atuan jaak. Be er p di nt r ny mempuny i e ntuk umum y ng mempertim ngk n hu ung n kurv i y − rus y ng pert m .

400 2.9) Bebeaa nilai tiikal untuk koefiien (Deatment of Tanot. lua kota ua laju ua aah . bebeaa engecualian juga aat iaumikan. Perenc n n d n pemodel n tr nsport si .000 Sumbe: Deatment of Tanot (1985) Dalam bebeaa kau. Caa akti yang eing igunakan aalah kone biaya gabungan. S1 = kecep t n p d rus k p sit s F2. y ang biaa ikenal engan fungi kombinai antaa waktu an jaak engan embobot an yang bebea bea: C a = α (w ktu tempuh ) + β(p nj ng ru s ) (7. Semua kuva i ata menghailkan infomai mengena i waktu temuh aa ua jalan teebut. lua kota emat laju ua aah. hubungan waktu−au menjai: /S 0 V < F1  T (V ) = /S (V ) = F1 ≤ /S + (V / F − 1) / 8 V > F2 2 1 engan SS01 inyatakan V ≤ F2 S 0 + SS 01 F1 − SS 01V ebagai: SS 01 = S 0 − S1 F1 − F2 (7.600 500 F2 m/jam/laju 1. 1985) ibeikan aa tabel 7.10) 278 Ofy r Z T min. an  = jaak atau a njang ua Jai.8) (7.400 1.1 Koefiien kuva keceatan−au i Inggi Jeni ua laju ua aah. inggian kota S0 km/jam 63 79 45 S1 km/jam 55 70 25 F1 m/jam/laju 400 1.7) F1 = au makimum aa konii au beba maih betahan. elu iketahui bahwa emua en gguna jalan ingin meminimumkan kombinai bebeaa atibut ua jalan eeti wak tu an jaak. Tetai.1 beikut: Tabel 7. V < F1 F1 ≤ V ≤ F2 V > F2 (7. mialnya kec eatan teta F2 untuk V > F2.S 0 S − S1 (V − F1 ) S (V ) = S 0 − 0 F2 − F1 S 1 / (1 + (S 1 / 8d )(V / F2 − 1)) t n rus e s.

11) D 0 (1 − M ) = D J (L − M ) 1 ( L −1 ) (7.4. sert sumsi persepsi seti p pengend r d l m menentuk n rute ter ikny .12) FV D DJ Do = kecep t n rus e s = kep d t n (smp/km) (dihitung se g i Q/V) = kep d t n p d kondisi m cet tot l = kep d t n p d s t k p sit s j l n terc p i L.4.Bi y ini d p t dihitung d l m s tu n w ktu t u i y . Kurv i y − rus y ng dit ksi r deng n optim si du tingk t mengg ungk n semu g l t sehingg sulit digun k n p d pener p n t u tuju n y ng l in.5−7. Dil pork n hw h sil khirny s ng t dipeng ruhi oleh g l t y ng dise k n o leh proses pem e n n. M = konst nt Be er p h sil k mi t mpilk n di sini mengen i hu ung n kecep t n− rus untuk j l n nt rkot di Indonesi seperti terlih t p d g m r 7. Jug dimungkink n untuk memperhitungk n i y t m h n l inny . ny k neg r mengem ngk n fungsi y ng cocok deng n kondisi m sing m sing (lih t jug su 7. 6 IHCM (Indonesi n Highw y C p city M nu l) (1994) mel kuk n e er p k ji n mengen i hu ung n nt r kecep t n− rus p d e er p ru s j l n nt rkot di Indonesi (4 l jur d n 2 l jur). y ng p d d s rny menco mend p tk n p r meter kurv i y − rus deng n meminimu mk n per ed n nt r d t rus l lulint s h sil pemodel n d n h sil peng m t n. K ren l s n ini.6 mengen i t s n p d fungsi i y − rus untuk d er h perkot n ). Untuk le ih jel sny mengen i konsep i y g ung n.4.3−7. pendefinisi n sistem j ring n. pem c s ng t dis r nk n untuk mem c su 3. mis lny peng m t n w ktu tempuh p d su tu ru s j l n p d tingk t rus y ng er ed ed . mis lny i y tol p d su tu ru s j l n . Proses k li r si hu ung n i y − rus mem utuhk n w kt u y ng l m d n mensy r tk n d t y ng erku lit s tinggi. 5 Suh et l (1990) mengh silk n pendek t n untuk men ksir kurv i y − rus d ri d t rus l lulint s deng n menggun k n metode optim si du tingk t. Model pemilih n rute 279 . Hu ung n m tem tis y ng cukup ik tel h dih silk n oleh k ji n ini: D V = FV × 1 − D J ( L −1 ) 1 ( 1− M ) (7. MAT.

4 Hu ung n kecep t n− rus untuk j l n 2 l jur (t np pemis h) Sum er: IHC M (1994) 280 Ofy r Z T min.3 Hu ung n kecep t n− rus untuk j l n 4 l jur (deng n pemis h) Sum er: IH CM (1994) Kecep t n r t r t kend r n ring n (smp) (km/j m) Arus e s Arus (smp/j m) G m r 7.Kecep t n r t r t kend r n ring n (smp) (km/j m) Arus e s Arus (smp/j m) G m r 7. Perenc n n d n pemodel n tr nsport si .

khususny d l m h l kem cet n k ren MAT 24 j m n i s ny simetris.2 Metode pemilih n rute 7. Model pemilih n rute 281 . t ksir n rute y ng digun k n oleh nt r p s ng n zon . Seti p pem k i j l n d ih rusk n memilih rute y ng tep t d l m perj l n n ke temp t tuju nny sehingg w ktu tempuhny minimum d n i y ny termur h. Inform si ut m y ng di utuhk n oleh mo del pem e n n rute d l h: • MAT y ng meny t k n ke utuh n k n perger k n. j l n tol. di nt r ny mem ngun j l n e s h m t n. pertum uh n ekonomi d n pemilik n kend r n. sed ngk n MAT per j m si uk h mpir dip stik n tid k simetris. h l ini uk nl h s tu s tuny inform si. d n j l n lingk r. tund n. kem cet n. sert er urny per n n fungsi j l n rteri. n lisis p s ng n zon y ng menggun k n ru s j l n tertentu. P d t h p pem e n n rute. d n lok l sehingg j ring n j l n tid k d p t erfungsi sec r efisien. d n ert m hny polusi ud r d n su r . MAT i s ny tersedi d l m s tu n penump ng sehingg h rus dikonversik n ke d l m s tu n kend r n k ren hu ung n kecep t n− rus i s ny diny t k n d l m s tu n kend r n. e er p prinsip digun k n untuk mem e nk n MAT p d j ring n j l n y ng khirny me ngh silk n inform si rus l lulint s p d seti p ru s j l n. inform si mengen i ru s l lulint s d n ru s j l n y ng m cet. Sekunder Sec r umum dih r pk n hw inform si primer is did p tk n sec r le ih tep t di ndingk n deng n inform si sekunder. pol perger k n p d persimp ng n.1 Pend hulu n Dew s ini j ring n j l n di kot es r di Indonesi mengh d pi perm s l h n tr nsport si y ng s ng t kritis seperti kem cet n l lulint s y ng dise k n oleh t ingginy tingk t ur nis si. t ksir n i y (w ktu) perj l n n nt rzon untuk tingk t ke utuh n perger k n tertentu. Tet pi. Ketid kl nc r n rus l lulint s ini me nim ulk n i y t m h n. Terd p t e er p inform si t m h n l inny y ng is dih silk n se g im n diur ik n erikut ini. D t ini i s ny erup MAT p d j m si uk p d su tu d er h kem cet n d n mungkin e er p MAT p d j m si uk l inny d n p d j m tid k si uk.7. Pemerint h tel h ny k mel kuk n us h pen nggul ng n. Konversi MAT 24 j m n menj di MAT per j m k d ng k d ng tid k cocok. kolektor. MAT 24 j m n di ut uhk n untuk j ring n y ng tid k m cet. 1 Primer • • • 2 • • • ukur n kinerj j r ing n seperti rus d n keuntung n pel y n n us.2.

Deng n meng sumsik n hw seti p pengend r mem ilih rute y ng meminimumk n i y perj l n nny (rute tercep t jik di le ih me mentingk n w ktu di ndingk n deng n j r k t u i y ). Sel in itu. m k d ny penggun n r u s y ng l in mungkin dise k n oleh per ed n persepsi pri di tent ng i y t u mungkin jug dise k n oleh keingin n menghind ri kem cet n. S l h s tu pendek t n y ng p ling sering digun k n d l h mempertim ngk n du f ktor ut m d l m pemilih n rute. d n pemodel n pemilih n rute. term suk i y perj l n n nt rzon ny . rteri). jenis j l n r y (j l n tol. H l ut m d l m proses pem e n n rute d l h memperkir k n sumsi penggun j l n mengen i pil ih nny y ng ter ik. J di. Deng n k t l in.• • ciri j ring n y ng kecep t n− rus. perger k n nt r du zon (y n g did p t d ri t h p se r n perger k n) untuk mod tertentu (y ng did p t d ri t h p pemilih n mod ) di e nk n ke rute tertentu y ng terdiri d ri ru s j ring n j l n tertentu ( t u ngkut n umum). j r k. Be er p di nt r ny d l h w ktu tempuh. S ng tl h suk r mengh silk n pers m n i y g ung n y ng mengg ungk n semu f ktor terse ut. Perenc n n d n pemodel n tr nsport si . Terny t proporsi pengend r y ng persepsiny sesu i deng n temu n di 282 Ofy r Z T min. Terd p t ukti ku t y ng menunjukk n hw w ktu tempuh mempuny i o ot le ih domin n d rip d j r k tempuh gi perger k n di d l m kot . jenis m nuver y n g di utuhk n. sert ke i s n. d l m proses pemilih n rute. Outr m nd Thomson (1978) mem ndingk n h sil persepsi deng n temu n di l p ng n. Prosedur pemilih n rute ertuju n memodel peril ku pe l ku perger k n d l m memilih rute y ng menurut merek merup k n rute ter ikny . Tuju n t h p n ini d l h meng lok sik n seti p perger k n nt rzon kep d er g i rute y ng p ling ser ing digun k n oleh seseor ng y ng erger k d ri zon s l ke zon tuju n. i y ( h n k r d n l inny ). D l m e er p model pemil ih n rute dimungkink n penggun n o ot y ng er ed gi f ktor w ktu tempuh d n f ktor j r k tempuh untuk mengg m rk n persepsi pengend r d l m kedu f ktor terse ut. tid kl h pr kti s memodel semu f ktor sehingg h rus digun k n e er p sumsi t u pendek t n. 7. deskripsi sistem j ring n. pem nd ng n. kelengk p n r m u d n m rk j l n. kem cet n d n ntri n. Kelu r n t h p n ini d l h inform si rus l lulint s p d seti p ru s j l n. erup ru s sert peril kuny .2 Proses pemilih n rute Arus l lulint s p d su tu ru s j l n d l m su tu j ring n d p t diperkir k n se g i h sil proses pengkom in si n inform si MAT. term suk kurv prinsip t u pol pemilih n rute y ng sesu i t u relev n deng n perm s l h n.2. Terd p t e er p f ktor y ng mempeng ruhi pemilih n rute p d s t kit mel kuk n perj l n n. d l m pemodel n pemilih n rute ini d p t diidentik si rute y ng k n digun k n oleh seti p pengend r sehingg khi rny did p t juml h perger k n p d seti p ru s j l n. y itu i y perger k n d n nil i w ktu − i y perger k n di ngg p proporsion l deng n j r k tempuh.

kemungkin n pengend r er ed persepsiny mengen i ‘rute y ng ter ik’.000 kend r n/j m) Rute 1 (k p sit s 1. khususny di d er h perkot n. • Contoh 7. rute deng n w ktu tempuh tersingk t. kom in si terse ut h ny d p t mew kili sekit r 60%−80% proses pemili h n rute. • J di. Be er p pengend r mungkin meng sumsik nny se g i rute den g n j r k tempuh terpendek. An lisis pemilih n rute terse ut terdiri d ri e er p gi n ut m . tuju n penggun n model d l h untuk mend p tk n setep t mungkin rus y ng did p t p d s t survei dil kuk n untuk seti p ru s j l n d l m j ring n j l n terse ut. Tet pi. Terd p t f ktor l in y ng mempeng ruhi pemilih n rute. inform si rute y ng s l h. Model pemilih n rute d p t dikl sifik sik n erd s rk n e er p f ktor pertim ng n y ng did s ri pen g m t n hw tid k seti p pengend r d ri zon s l y ng menuju ke zon tuju n k n memilih rute y ng persis s m .500 kend r n/j m) sert rute 2 mempuny i j r k y ng le ih p nj ng. d n peningk t n i y k ren d ny kem cet n p d su tu ru s j l n y ng menye k n kinerj e er p rute l in menj di le ih tinggi sehingg meningk tk n pelu ng untuk memilih rute terse ut. Rute 2 (k p sit s 4.000 kend r n/j m). t u g l t l in. H l ini dise k n oleh d ny : • per ed n persepsi pri di tent ng p y ng di rtik n deng n i y perj l n n k ren d ny per ed n kepenting n t u inform si y ng tid k j el s d n tid k tep t mengen i kondisi l lulint s p d s t itu. kem cet n d n ciri fisik ru s j l n mem t si juml h rus l lulint s di j l n terse ut.1 Pertim ngk n sep s ng zon s l−tuju n A d n B y ng mempuny i du u h rute ltern tif. t u mungkin ju g kom in si kedu ny .5 P s ng n zon s l−tuju n y ng mempuny i du rute ltern tif Model pemilih n rute 283 . mis lny per ed n persepsi. seperti terlih t p d g m r 7.500 kend r n/j m) A B G m r 7. pengem ng n model y ng mengg ungk n sistem tr nsport si deng n l s n pem k i j l n memilih rute tertentu.l p ng n s ng tl h rend h. tet pi erk p sit s le i h tinggi (4. Rute 1 erj r k pendek d n erk p sit s rend h (1. Disimpulk n hw kom in si nt r j r k d n w ktu te mpuh d p t dij dik n f ktor y ng p ling d p t mengg m rk n persepsi pemilih n r ute. y itu: • • • l s n pem k i j l n memilih su tu rute di ndingk n deng n rute l inny .5.

jik seti p sel MAT dik lik n du .6−7. 1975).Asumsik n p d j m si uk p gi terd p t 4. Se g i contoh. meskipun k p sit sny elum terc p i. metode ll or nothing d n metode stok stik dikelompokk n d l m metode proporsion l. T el 7. m k rus h sil pem e n npun k n meningk t du k li lip t. Rinc i n d n ciri seti p model dijel sk n.500) kend r n memilih rute 1. Akhirny . Be er p model pemilih n rute sud h dikem ngk n d n t el 7.8. Burrell) Keseim ng n penggun stok stik (KPS) Sum er: Ortuz r nd Willumsen (1994) Sel in pengelompok n di t s. Per ed n d l m tuju n d n persepsi mengh silk n proses penye r n kend r n p d seti p rute y ng d l m h l ini dise ut proses stok stik d l m proses pemilih n rute. d n semu rus (h sil pem e n n) p d seti p ru s j l n eru h sesu i deng n f ktor y ng s m . Su tu s t k n terj di kondisi st il (keseim ng n) . Be er p kend r n mul i k n memilih pilih n kedu y ng mempuny i j r k le ih j uh untuk menghind ri kem cet n d n tund n. d n semu unsur MAT dik lik n deng n f ktor tertentu. J di. diken l pengelompok n l in seperti y ng diusulk n oleh (Ro ill rd. Perenc n n d n pemodel n tr nsport si . se gi n k n memilih rute 2 deng n l s n pem nd ng nny le ih men rik t u k ren j min n tid k k n terj di kem cet n. tid k semu (4. Proses pemilih n rute l inny y ng tid k mengikuti t u cocok deng n kedu kondi si terse ut dikelompokk n se g i metode tid k proporsion l. y itu tid k dimungkink n l gi seseor ng memilih rute l in y ng le ih ik k re n kedu rute mempuny i i y y ng s m d n minimum. sed ngk n metode t s n k p sit s d n metode keseim ng n d l h metode tid k proporsion l. Su tu metode term suk d l m kelompok proporsion l jik : • • tot l rus p d su tu ru s j l n (h sil pem e n n) d l h penjuml h n d ri semu rus jik seti p p s n g n zon di e nk n sec r terpis h. S ng tl h kecil kem ungkin n hw semu kend r n k n d p t mel kuk n h l terse ut k ren rute 1 p sti k n s ng t m cet. Kondisi ini diken l deng n kondisi keseim ng n y ng ditemuk n oleh W rdrop (1952).500 kend r n erger k d ri zon A ke B d n seti p pengend r k n memilih rute terpendek (rute 1). y itu metode proporsion l d n metode tid kproporsion l.2 memperlih tk n kl sifik si model terse ut sesu i deng n sumsi y ng mel t r el k nginy . Be er p jenis model tertentu k n le ih sesu i d l m mew kili h l terse ut. 284 Ofy r Z T min. y ng dijel sk n sec r le ih rinci d l m su 7.2 Kl sifik si model pemilih n rute Efek stok stik dipertim ngk n? Krite ri Tid k Tid k Efek t s n k p sit s dipertim ngk n? Y Keseim ng n W rdrop All or not hing Y Stok stik murni (Di l. meskipun j r kny le ih j uh.

d n inform si mengen i tersedi ny j l n ltern tif esert i y perj l n nny . di sumsik n hw or ng memilih mod dulu. D p t di sumsik n hw i y perj l n n sep nj ng rute tertentu d ri zon s l i ke zon tuju n d merup k n penjuml h n i y d ri seti p ru s j l n y ng d d l m rute terse ut. pemilih n rute dipeng ruhi oleh ltern tif terpendek. d l m proses keseim ng n W rdrop. su tu model k n d p t m enggun k n lgoritm pem entuk n pohon untuk menentuk n rute ter ik gi seti p p s ng n nt rzon . proses konvergensi h rus sel lu di m ti untuk menentuk n s t penghenti n proses pengul ng n. pemilih n mod d n rute dil kuk n ers m s m . e er p teknik mengikuti pol pengul ng n d ri pendek t n menuju ke solusi. Model pemilih n rute 285 . Untuk kend r n pri di. Seti p model mempuny i t h p n y ng h rus dil kuk n sec r eru rut n. kedu efek terse ut terj di ers m s m . y itu c r pengend r meng ntisip si i y perj l n n. deng n mengidentifik si semu i y p d seti p ru s. ru ruteny . Deng n k t l in. sehingg model pemilih n rute y ng ter ik h rus mengikutsert k n kedu ef ek terse ut. J di . t h p n ini dise ut t h p pem entuk n pohon. D l m k sus ini. • • Seperti pemilih n mod . w ktu tempuh. Untuk ngkut n umum. seti p or ng mempuny i persepsi y ng er ed mengen i i y perj l n n sehingg sulit meny tuk n per ed n persepsi ini ke d l m s tu model pemilih n rute y ng sederh n d n efisien. khususny di d er h perko t n. Tet pi. Bi y perj l n n d p t diny t k n d l m entuk i y . j r k. tin gk t kem cet n.Be er p ciri d er h k ji n d p t digun k n untuk mengidentifik si model pemilih n rute y ng ter ik. sed ngk n efek t s n k p sit s domin n p d tingk t rus l lulint s y ng tinggi. rute tel h ditentuk n erd s rk n mod tr nspor t si ( us d n keret pi mempuny i rute y ng tet p). d n jug di sumsik n hw pem k i j l n mempuny i inform si y ng cukup (tent ng kem cet n j l n) sehingg merek d p t menentuk n rute y ng ter ik. rute ini disimp n d l m struktur d t y ng ser ing dise ut pohon. Efek stok stik tim ul k ren d ny per ed n persepsi seti p pengend r tent ng i y perj l n n. oleh se itu. sed ngk n efek t s nk p sit s tim ul k ren i y perj l n n (d l m h l ini komponen w ktu tempuh) terg ntung p d rus l lulint s. d n termur h. menc ri konvergensi. mem e nk n MAT ke j ring n j l n deng n proporsi y ng sesu i y ng mengh silk n volume perger k n p d seti p ru s di j ring n j l n. t u i y g ung n. Se g i contoh. Per ed n persepsi inil h y ng mengh silk n pol pemilih n rute y ng diken l deng n pemilih n rute stok stik . Efek stok stik merup k n f ktor y ng domin n p d tingk t rus l lu lint s y ng rend h. Fungsi d s rny d l h: • mengidentifik si e er p set rute y ng k n dipe rkir k n men rik gi pengend r . te rcep t.

d l m t h p 1. 1 2 3 Periks seti p ru s (A. Rute didef inisik n d l m entuk urut n simpul y ng s ling erhu ung n.2. Kedu . Tet pk n semu dA = ∞ (deng n juml h simpul y ng disesu ik n deng n k p sit s kem mpu n memori komputer) kecu li dS y ng h rus s m deng n nol. Pert m . B tid k oleh dig ungk n ke d l m L jik B d l h pus t zon .B d n PB = A d n t m h B ke L. Perenc n n d n pemodel n tr nsport si . i y perj l n n p d su tu ru s j l n tid k h ny terg ntung p d ciri ru s. Terd p t tig koment r y ng h rus di erik n. per ed n ut m nt r 286 Ofy r Z T min. terg ntung p d h s komputer y ng digun k n. k n sel lu d s tu rute ter ik (h ny s t u) gi seti p zon s l d n tuju n. A−C−D−H d n seterusny . Pert m . m k p d kondisi tid k m cet. Tet pi. 7. k ren itu. Sec r umum terd p t du lgoritm d s r y n g sering digun k n untuk menc ri rute tercep t ( t u termur h) d l m su tu j rin g n j l n.Jik di sumsik n hw semu pengend r mempuny i persepsi y ng s m mengen i i y . Ini si lk n semu m suk n Li d l m L ke nol d n semu PA ke su tu nil i tertentu y n g ditentuk n. l lu stop. Kedu . minim l sek li per pengul ng n.B.2.1 Inisi lis si 7. PA d l h simpul se elum A sehingg ru s (PA. s ed ngk n j r k rute d l h penjuml h n seti p ru s y ng d d l m rute terse ut. kemudi n tet pk n dB = dA+dA. Tet pk n jug t el tid k erujung khir L y ng n ntiny k n e risi d t simpul y ng sud h dic p i oleh lgoritm . Jik t el elum ko song.3.3 Pem entuk n pohon Pem entuk n pohon d l h t h p n penting d l m seti p model pemilih n rute k ren du l s n ut m .A) d l h gi n d ri rute terpendek d r i S ke A. p d kondisi m cet. Pind hk n A d r i L jik t el tid k erujung khir tel h kosong. pilih simpul l inny d ri t el tid k erujung khir d n kem li ke t h p 1 deng n simpul s l erikutny . Prosedur untuk mengh silk n rute tercep t d ri S ke seti p simpul y ng l in dijel sk n se g i erikut.B) d ri simpul w l A sec r erg nti n jik dA + dA. tet pi h rus ditulis d l m entuk progr m komputer. V n Vliet (1978) mem h s deng n s ng t ik lgo ritm y ng p ling sering digun k n. tet pi jug p d juml h kend r n y ng menggun k n ru s j l n terse ut. Kedu ny diter ngk n deng n menggun k n not si erorient si simpul: j r k ( i y ) ru s nt r du titik A d n B d l m su tu j ring n dinot sik n deng n dA.B < dB.2. lgoritm pem entuk n pohon y ng ik d p t menghem t w ktu d n i y komputer. tet pi elum semu ny di n l isis p k h simpul terse ut merup k n simpul se elum gi simpul seterusny . Kedu lgoritm itu d l h Moore (1957) d n Dijkstr (1959). h l ini s ng t sering dil kuk n d l m lgoritm pem ec h nny .2 Prosedur Mul il h deng n simpul s l S se g i simpul w l = A. Algoritm y ng ik uk n h ny efisien.3. sec r umum rute tid k dip er olehk n menggun k n pus t zon . 7. Angg p dA d l h j r k minimum nt r zon s l d ri pohon S ke simpul A.

Po hon diperluk n. Pohon mempun y i du kegun n t m h n penting d l m perenc n n d n pemodel n tr nsport si. memungkink n me ngen li pengend r y ng terpeng ruh oleh peru h n j ring n. pohon i s ny disimp n di komputer d l m entuk set simpul se elum y ng erurut n deng n A merup k n si mpul se elum d ri B jik ru s (A. Akhirny . Moore memilih urut n pert m . 7. sering dise ut n lisis ru s terpilih.B) mem entuk gi n d ri pohon. lgoritm Moore d n Dijkstr er d p d prosedur pemilih n simpul d ri L. h rus dim sukk n p d d s r L. Dijkstr memilih simpul y ng terdek t deng n s l. rel tif terh d p lgorit m Moore. tet pi menj min hw seti p ru s h ny diperiks sek li s j . terg ntung p d st tu s simpul y ng ditinj u. jik sud h dim sukk n ke d l m L. tot l w ktu tempu h nt r du zon is did p t deng n mengikuti urut n ru s d l m pohon d n menj uml hk n w ktu tempuhny . kemudi n m sukk n p ling t s. Sel in itu. Model pemilih n rute 287 . mis lny simpul Li sehingg dLi mini mum. dise ut lgoritm D’Esopo y ng tel h diuji oleh P pe (1974). Jik B elum dic p i oleh pohon. terg ntung p d ‘st tus’ ny . lgoritm D’Eso po d p t mengur ngi w ktu proses komputer se ny k 50%. 0. H l ini mem utuhk n e er p perhitung n t m h n (term suk penyortir n sim pul). t u −1). Su tu deret sederh n d p t digun k n untuk me nyimp n st tus deng n tig nil i potensi l (+1. terut m untuk penggun n p d j ring n y ng lu s . Sel in itu. jik w ktu tempuh d p t diur ik n d l m entuk tri ut l inny . y ng sering digun k n untuk menjel sk n i y . Oper si ini sering dise ut proses pengur i n pohon. Algoritm D ijkstr le ih ik d ri Moore. le ih sulit mem u t progr mny . Pohon d p t jug digun k n un tuk mengh silk n inform si p d s t p s ng n As l−Tuju n sud h p sti memilih rute tertentu. d t terse ut tid k oleh dim s ukk n. periks d n pind hk n d ri t e l. Se g i contoh. j r k. V n Vliet (1977) erh sil mengidentifi k si lgoritm y ng s ng t ik untuk digun k n p d j ring n y ng lu s. y ng merup k n input d t y ng pert m d l m L. t u su tu set ru s se elum deng n definisi y ng serup . Seperti diter ngk n oleh V n Vliet (1977). tet pi. D’Esopo menggun k n du u h t el tid k erujung khir sehingg simpul B d p t dim sukk n p d s l h s tu sim pul ujung.4 Al s n pemilih n rute Model h rus mew kili ciri sistem tr nsport si d n s l h s tu hipotesis tent ng p emilih n rute pem k i j l n. Terd p t tig hipotesis y ng d p t digun k n y ng m engh silk n jenis model y ng er ed ed . jik sud h d d l m t el.2. Algoritm D’Esopo mempuny i nil i t m h y ng e s r di ndingk n deng n kedu lgoritm y ng dijel sk n se elumny . d n juml h simpul. mis lny i y g ung n. F silit s ini. d p t j ug digun k n untuk mengidentifik si titik m suk d n kelu r ke su tu d er h k ji n y ng kecil d n pohon y ng mengg ungk n zon w l ke zon ekstern l d ri k w s n ru. k ren itu. unjuk kerj ny s ng t mirip d n i s ny le ih ik di nd ingk n deng n lgoritm Dijkstr .

Deng n k t l in. Tet pi. w ktu. Ini did s ri sumsi hw w ktu perj l n n tet p konst n sep n j ng w ktu. Pert m deng n metode Peng m t Berger k. Contohny . f ktor y ng tid k d p t diku ntifik si seperti rute y ng m n d n rute y ng p nor m ny ind h. d n i y minimum).4.4. Perenc n n d n pemodel n tr nsport si . D l m h l ini di sumsik n hw tot l i y perj l n n sep nj ng rute tertentu d l h juml h d ri i y seti p r u s j l n y ng dil lui.2.5 F ktor penentu ut m W ktu tempuh d l h w ktu tot l perj l n n y ng di7. Semu l lulint s nt r zon s l d n tuju n menggun k n rute y ng s m deng n ngg p n hw pem k i j l n menget hui rute y ng tercep t terse ut.4.2.2. Di sumsik n pem k i j l n tid k menge7. mis lny rute y ng tel h diken l t u y ng di ngg p m n. d ri su tu temp t ke temp t l in mel lui rute te rtentu. t u kom in si ketig ny y ng i s dise ut i y g ung n. Di m emilih rute y ng di ngg pny ter ik (j r k tempuh pendek.2.3 Bi y perj l n n J di. Ini merup k n sumsi y ng g k er ni k ren sedikit t u tid k d ny d t empiris y ng menyokongny . Bi y perj l n n d p t diny t k n d l m entuk u ng. pem k i j l n menget hui rute terpendek y ng meminimumk n w ktu tempuh d n semu ny menggun k n rute terse ut.5. w ktu tempuh. j r k. w ktu tempuh singk t.3 Pem e n n erpelu ng Pem k i j l n menggun k n e er p f ktor rute d l m pemilih n ruteny deng n me minimumk n h m t n tr nsport si. 7. persepsi seti p pengend r terh d p i y perj l n n jel s er ed 288 Ofy r Z T min. penge nd r memperh tik n f ktor l in sel in j r k. rel tif terh d p pengelu r n konsumen. term suk erhenti d n tund n.2. d n i y y ng minim um. 7.2. merup k n per nding n y ng tet p deng n ti ngk t pend p t n. Nil i w ktu i s ny se nding deng n pend p t n per k pit .2 Nil i w ktu Nil i w ktu d l h sejuml h u ng y ng disedi k n seseor ng untuk dikelu rk n ( t u dihem t) untuk menghem t s tu unit w ktu perj l n n. D l m h l ini.2 Pem e n n ny k ru s t hui inform si y ng te p t mengen i rute tercep t. tid k d y ng menggun k n rute l in.5.1 Pem e n n ll or nothing rute ter pendek y ng meminimumk n h m t n tr nsport si (j r k. 7. W ktu tempuh d p t di m ti deng n du c r . y itu peng m t mengemudik n kend r n survei di d l m rus l lulint s d n menc t t w ktu tempuhny . d n i y ).Pem k i j l n sec r r sion l memilih 7.1 W ktu tempuh perluk n.2. 7.5. deng n menget hui semu i y d ri seti p ru s j l n. Di sumsik n hw pem k i j l n elum mend p tk n inform si tent ng ltern tif rute y ng l y k. tet pi persepsi y ng er ed untuk seti p pem k i j l n meng ki tk n erm c m m c m rute k n dipilih nt r du zon tertentu. Pengend r memilih rute y ng dipikirny d l h rute tercep t. w ktu tempuh. d p t ditentuk n (de ng n lgoritm tertentu) rute ter ik y ng d p t dil lui p d j ring n j l n ter se ut.

meng ki tk n i y oper si meningk t di s tu sisi.2. Untuk e er p kel s kend r n. kecep t n d p t meningk t. h n k r merup k n le ih d ri 50% i y y ng dikelu rk n per unit kelu r n. i y per w t n kend r n. n kend r n dikonsumsi sec r terus menerus sej l n deng n erger kny kend r n.13) Bi y sur nsi tid k term suk i y oper si kend r n k ren dihitung se g i i y kecel k n. d n up h t u g ji supir. d n kondisi j l n. Bi y n ini d l h i y untuk mem eli n ru t u i y vulk nisir jik n m sih d l m kondisi l y k (m sih er d d l m umur l y n). Emp t f ktor i y pert m y ng dise utk n di t s i s ny merup k n fungsi kecep t n. Bi y oper si kend r n nt r l in meliputi penggun n h n k r. i y pengg nti n (mis lny n). Bi y pelum s i s ny kecil (kur ng d ri 3% d ri tot l i y oper si kend r n) d n g k suk r di n lisis. d n ke us n kend r n. Seperti h lny h n k r d n oli. J di . Model pemilih n rute 289 . Per ik n t u peningk t n mutu pr s r n d n s r n tr nsport si ke ny k n ertuju n mengur ngi i y ini.4 Bi y oper si kend r n (7. percep t n. diperluk n us h untuk mend p tk n r t r t i y perj l n n y ng sesu i untu k semu pengend r . B h n k r mer up k n komponen penting d ri i y oper si kend r n. il kecep t n dit m h. 7. ed sehingg suk r menj rk n per ed n ini ke d l m entuk model pemilih n ru te y ng sederh n . pelum s. Jik rus l nc r. i y ini k n turun s mp i menc p i minimum (p d kecep t n rend h rel tif) d n kemudi n n ik terus menerus setel h melew ti t s kecep t n rend h rel tif terse ut. J di. Efek t s n k p sit s d n stok stik d p t jug di n lisis d l m entuk i y perj l n n. P d k sus ini. posisi p d kend r n. Metode y ng p ling sering digun k n d l h deng n mendefinis ik n i y se g i kom in si line r nt r j r k d n w ktu: Bi y = 1 x w ktu + 2 x j r k + 3 1 = nil i w ktu (Rp/j m) 2 = i y oper si kend r n (Rp/km) 3 = i y t m h n l in (h rg k rcis tol) Bi y oper si kend r n merup k n i y y ng penting.5. Kit d p t meng sumsik n hw seti p pem k i j l n memilih rute y ng meminimumk n i y perj l n nny d n ini s ng t er g m. sif t pengemudi. K sus pengur ng n kecep t n y ng dise k n oleh kem cet n l lulint s merup k n pengecu li n. kecep t n rend h menunjukk n i y oper si y ng tinggi k ren ert m hny pengerem n. kecep t n kend r n. Umur l y n n nt r l in dipeng ruhi oleh e n y ng di w . per ik n sistem tr nsport si deng n men m h kecep t n r t r t d p t meni ngk tk n i y oper si. tet pi di sisi l in menghind ri i y oper si t m h n seperti y ng dise k n p d k sus kem cet n l lulint s. P d kecep t n rend h.

h l ini tid k mungkin terj di k ren k p sit s rute 1 h ny 1. terj dil h kem cet n y ng menye k n rute 2 menj di le ih men rik d n mul i digun k n 290 Ofy r Z T min. y ng meng sumsik n hw semu pengend r erus h meminimumk n i y perj l n nny y ng terg ntung p d k r kteristik j ring n j l n d n sumsi pengend r . d p t dip stik n h w rute 1 k n dil lui oleh 4. terut m kondisi permuk n j l n. H l ini dise k n k ren model ini meng ik n efek kem cet n sehingg seti p pengend r k n mempuny i persepsi y ng s m terh d p rute ter ikny . mo del ll or nothing m sih merup k n model y ng p ling sederh n d n efisien sehin gg s ng t sering digun k n.Bi y per w t n dipeng ruhi oleh ciri j l n. Model ini merup k n model pemili h n rute y ng p ling sederh n . sumsi ini di ngg p cukup re listis.4. Deng n menget hui rute ter ik nt rzon y ng seti p perger k nny di e nk n ke j ring n j l n mel lui rute ter ik terse ut.3 Model ll or nothing 7.5.500 kend r n. P d keny t nny . Meskipun demiki n. d n tid k terg ntung p d tingk t kem cet n. sumsi ini menj di tid k re listis jik digun k n untuk d er h perkot n y ng sering meng l mi kem cet n. y itu rute 1. p stil h merek memilih rute y ng s m . P r pem c y ng ingin menget hui tent ng i y oper si kend r n sec r le ih rinci dis r nk n mem c su 3.4. Jik model ll o r nothing diter pk n p d j ring n seperti p d g m r 7. m k tot l rus untuk seti p ru s j l n is dihitung.500 kend r n per j m. efisiensi mesin erkur ng d n di utuhk n peme riks n deng n teliti d n menyeluruh y ng mem utuhk n i y y ng tid k mur h. mis lny untuk d er h ping gir n kot y ng j ring n j l nny tid k egitu r p t d n y ng tingk t kem cet nn y tid k egitu er rti. Perenc n n d n pemodel n tr nsport si . Sel in itu. D eng n ert m hny usi kend r n. Contoh y ng p ling u mum d ri jenis ini d l h model ll or nothing. D l m k sus tertentu. Tet pi. ciri fisik seti p ru s j l n y ng k n dil luiny .3.1 Umum Metode ini meng sumsik n hw proporsi pengend r d l m memilih rute y ng diing ink n h ny terg ntung p d sumsi pri di. Metode ini meng ngg p hw semu perj l n n d ri zon s l i ke zon tuju n d k n mengikuti rute tercep t. Jik semu pengend r memperkir k n i y ini deng n c r y ng s m . Model ini merup k n model ter cep t d n termud h d n s ng t ergun untuk j ring n j l n y ng tid k egitu r p t y ng h ny mempuny i e er p rute ltern tif s j . j di. H l terse ut k n men m h i y oper si y ng dikelu rk n. 7. penggun n me tode ll or nothing menyedi k n inform si y ng erh rg gi p r perenc n tr n sport si untuk menentuk n r h pem ngun n j ring n j l n ru. j ik rus tel h mele ihi k p sit sny . Bi y ini di ngg p tet p d n tid k dipeng ruhi oleh efek kem cet n.

P d t h p ini semu VA. tet pk n semu VA.B + VB).oleh kend r n l inny .B p d ru s n t r simpul A d n B. Deng n memilih simpul d l m entuk tersusun sesu i de ng n j r k.2.B se es r Tid. simpul s l tel h terc p i. t u u t VA.3.2. seti p simpul diproses sek li s j . l lu 1 2 3 4 5 set semu VA = 0. kem li ke t h p 2.1 Pendek t n p s ng n demi p s ng n 1 2 3 4 set B menj di zon tuju n d jik (A. Algoritm ini mem utuhk n pohon untuk disimp n d l m entuk urut n simpul se elum erd s rk n j r k d ri simpul s l. kecu li untuk simpul tuju n d deng n Vd=Tid set B s m deng n simpul terj uh d ri i tingk tk n nil i VA se es r VB deng n A d l h simpul se elum d ri B ( t u deng n k t l in. VB menunjukk n tot l perger k n d ri i y ng mel lui simpul B d n simpul sel njutny d ri i. jik B = i. Kit mul i d ri zon s l d n menggun k n zon tuju n sec r erurut n.B = VA.3. D l m h l ini. t u jik tid k. Algoritm d ri pem e n n terse ut d l h prosedur pe m e n n d ri MAT [T] p d rute ter ik y ng mengh silk n rus VA. stop ( l kuk n proses sel njutny untuk p s ng n (i. terusk n ke t h p 3. Model pemilih n rute 291 . unt uk seti p p s ng n (i. Metode ini sering diken l se g i metode 7. 7. Kemudi n.3.B = 0 d n kemudi n digun k n s l h s tu pendek t n.B + Tid set B menj di A jik A = i. H l ini merup k n kelem h n model ll or nothing sehingg h ny d p t digun k n p d kondisi j ring n j l n y ng tid k m cet. p l gi untuk j ring n y ng l u s deng n kep d t n mod y ng tinggi. set VA = V A + VB. tingk tk n nil i VA. H l ini merup k n t nt ng n gi p r pen eliti untuk memec hk nny .d) erikutny .B) merup k n ru s se elum d ri B. Pendek t n ini d l h pendek t n y ng p ling se derh n y ng elum tentu p ling efisien. jik tid k. y itu pendek t n p s ng n demip s ng n t u pendek t n sek ligus.B se es r VB ( t u deng n k t l in.2 Algoritm Semu lgoritm dimul i deng n t h p inisi lis si. set B s m deng n simpul y ng p ling j uh erikutny . t m hk n VA.d): 7.2 Pendek t n sek ligus C sc de k ren proses pem e n n rus dil kuk n d ri simpul ke seti p ru s y ng sesu i den g n rute ter ikny d ri su tu zon s l i. Tet pk n VA se g i es r rus kumul tif p d simpul A.B = 0. mul i l gi deng n proses simpul s l erikutny . Pert m .B = VA. Menentuk n rute terpendek deng n c r m nu l tid kl h mud h. set VA.

di uk nl h or ng pert m y ng memec hk nny sec r tunt s. Metode y ng p ling terken l d l h Moore (1957) y ng tel h meneku ni m s l h ini untuk e er p t hun. uk n untuk j ring n j l n y ng lu s. d n kumpul n r ute itu dise ut pohon d ri zon i. Hillier menggun k n metod j ring nd w i y ng ditemuk n oleh Minty (1957) y ng ditr nsl sik n me nj di lgoritm m tem tis. Solusi y ng le ih lengk p did p tk n oleh Whiting nd Hillier (1958) sert Ford nd Fulkerson (1958). G m r 7. Mud h d ilih t hw rute tercep t d ri zon i ke zon d d l h 1−4−3. mis lny rute y ng dipilih pen gend r jik tid k d kem cet n. d p t digun k n se g i d s r d l m mel kuk n model pemilih n rute y ng l in. Hutchinson (1974) mendiskusik n e er p pendek t n p rosedur pemilih n rute. B ny k or ng menco menc ri metode t u lgoritm untuk memec hk n m s l h ini. P d khir t hun 1950 n d n w l t hun 1960 n e er p solusi kh irny did p t. w l upun Moore d l h or ng pert m y ng memec hk n m s l h ini.6 J ring n sederh n d n w ktu tempuh ru s Sum er: Bl ck (1982) Rute terpendek h ny mungkin did p tk n deng n c r m nu l untuk j ring n y ng s ederh n . Metode ll or nothing kur ng disuk i oleh p r perenc n . 1982) mengilustr sik n metode pem e n n ll or nothing ( ngk p d seti p ru s d l h w ktu tempuh d l m menit untuk ru s terse ut). Rute tercep t d ri zo n i ke seti p zon l inny d l m d er h k ji n d p t ditentuk n. sed ngk n metode Ford d n Fulkerson dise ut se g i metode ter ik. Perenc n n d n pemodel n tr nsport si .G m r 7.6 (Bl ck. Jug . 292 Ofy r Z T min. Metode Whiting d n Hillier y ng dise ut d l m B lunden (1971) d l h c r y ng p ling ekonomis deng n menggun k n komputer. mis lny metode pem e n n keseim ng n d n stok stik. i s ny digun k n untuk memperlih tk n g ris keingin n. Ini merup k n perm s l h n y ng tid k terpec hk n sel m e er p t hun d l m perenc n n tr nsport si d n tekni k l lulint s. Tet pi.

gi n (II) memperlih tk n pohon i y y ng sesu i deng n i y dit m h kontri usi tot l rus setel h dil kuk n pem e n n. B−C = 300 d n B−D = 100. A−D = 200. pohon d n rus h sil pem e n n MAT Sum er: Ortuz r nd Willumsen (1994) D Model pemilih n rute 293 . B gi n (I) memperlih tk n i y perj l n n (w ktu) untuk seti p ru s j l n. 6 2 4 6 8 4 A 10 3 4 C 3 10 2 4 5 2 3 8 B A D 600 200 400 200 400 400 C (I) 200 200 200 D 300 300 300 C 300 100 100 100 ( II ) B 600 400 200 500 0 100 400 300 400 D A 0 300 C 300 100 300 200 0 300 0 0 ( III ) B G m r 7.Contoh 7.7 J ring n sederh n . term suk d t MAT n y : A−C = 400.7.2 Pertim ngk n j ring n sederh n p d g m r 7. y ng h silny d p t terlih t p d gi n (III).

kit h rus d p t mem ed k n i y o jektif se g im n dipersepsik n oleh peng m t d n i y su jektif seper ti y ng diingink n oleh pengend r . Bi y perj l n n untuk seti p ru s j l n kemudi n d p t dih silk n deng n meng m il s mpel c k d ri se r n i y itu. tet pi tel h me mperhitungk n v ri si nt r persepsi perseor ng n terh d p w ktu tempuh. Se u h con toh d l m Bl ck (1981) mengilustr sik n prinsip y ng mel t r el k ngi metode ini . Model terse ut kemudi n menemuk n d n 294 Ofy r Z T min. 7.4.8. • Untuk seti p ru s j l n. Model y ng le ih re listis y ng dise ut model ny k rute menye rk n rus y ng d ke rute te rse ut deng n memperh tik n kecenderung n seti p pengend r d l m memilih rute. P d su tu sistem j l n r y . model S k rovitch (1968). P d model ini di sumsik n hw i y perj l n n untuk seti p ru s j l n d l m j ring n dise r sekit r nil i r t r t i y perj l n n. d n model Di l (1971). H ny s tu rute y ng k n digun k n nt r seti p p s ng n zon i d n d.7. khususny p d s t volume rus l lulint s mendek ti k p sit s. seperti ter lih t p d g m r 7. Model terse ut mendefinisik n nil i r t n i y terse ut disert i entuk se r n i y untuk seti p ru s j l n di sekit r nil i r t n t erse ut. Be er p sumsi y ng mend s ri pengem ng n metode i ni d l h se g i erikut. Cermin n w ktu tempuh untuk seti p rute y ng di ngg p pengend r se g i rute tercep t dih silk n deng n seleksi sec r c k se r n y ng mempun y i r t r t w ktu tempuh se en rny d ri rute terse ut. ny k terd p t rute ltern tif l in y ng erv ri si. Pengend r di sumsik n k n meng m il rute tercep t. Be er p model y ng term suk d l m model stok stik d l h model Burrell (1968). Model stok stik ini er ed deng n model ll or nothing k ren d l m model ini pem k i j l n dise rk n kep d e er p pemilih n rute. terg ntung p d j r k. Sel njutny . penjuml h n rus l lulint s nt r zon i d n d mengh silk n tingk t ke c k n pem e n n terse ut.4 Model stok stik B ny k hli tr nsport si erpend p t hw model pemilih n rute s ng t ergun j ik d p t mencermink n peril ku seti p pem k i j l n sehingg ku lit s keputus n p r hli d p t diper iki d n i y d p t erkur ng. Model ini m sih meng ik n hu ung n nt r rus deng n i y .1 Model Burrell Burrell (1968) mengusulk n su tu model untuk k sus ny k rute. tet pi tid k y kin m n rut e tercep t itu. tet pi le ih re l istis jik di ndingk n deng n model ll or nothing k ren mem erik n se r n y ng le ih ik y ng memungkink n per ed n persepsi nt r pengend r d p t diper hitungk n. mis lny deng n se r n mer t digun k n untuk mend p tk n i y untuk seti p ru s sec r erul ng ul ng. di sumsik n terd p t se r n i y persepsi untuk seti p ru s deng n i y o jektif se g i r t n. mungkin merup k n model y ng p ling sering digun k n di Inggris. Perenc n n d n pemodel n tr nsport si . Ketig ny m sih meng ik n efek kem cet n. Bil ng n c k.

mem e
nk
n rute tercep
t y
ng meminimumk
n i
y
perj
l
n
n. Oleh k
ren
itu, d

p
t dih
silk
n N set rute untuk seti
p set i
y
r
t
r
t
.
G
m
r 7.8 Se
r
n i
y
persepsi p
d
su
tu ru
s j
l
n
• •
Se
r
n i
y
persepsi di
sumsik
n tid
k s
ling erkorel
si. Pengend
r
di
sumsi
k
n memilih rute y
ng meminimumk
n i
y
menurut persepsiny
, y
ng is
did
p
t
se
g
i penjuml
h
n i
y
seti
p ru
sny
.
Penjel
s
n umum tent
ng
lgoritm
y
ng digun
k
n
k
n diter
ngk
n erikut ini. T
entuk
n se
r
n (term
suk p
r
meter dispersi σ) untuk biaya eei etia ua j
alan. Piahkan oulai yang akan begeak untuk etia aangan aal−tujuan menja 
i N egmen; etia egmen iaumikan memunyai biaya eei yang ama. 1 2 3
buat n = 0; buat n = n + 1; untuk etia aangan aal−tujuan (i−): • • hitung biaya 
eei untuk etia ua jalan engan mengambil amel ai ebaan biaya ee 
i engan menggunakan bilangan acak; buat ute engan biaya eei minimum a 
i i ke  an bebankan Ti/N ke ute teebut yang akhinya menghailkan bea a 
u aa etia ua jalan.
4
Jika n = N, to; jika tiak, kejakan taha (2).
Banyak hal yang aat ilakukan untuk menguangi waktu komutai, mialnya: • • • bent
uk uatu et bau biaya ecaa acak e imul aal, bukan untuk etia aangan
i−; gunakan N ama engan 3 atau 5 an bentuk atu et biaya ecaa acak untuk 
etia matik, bukan untuk etia aangan i− atau imul aal; gunakan nilai N y
ang kecil (mialnya 1).
Selanjutnya, MAT ibagi menjai N bagian, an etia bagian ibebankan mengikuti 
etia ute yang ijelakan ebelumnya. Ini ilakukan ebanyak N kali amai e
luuh MAT telah ibebankan ke jaingan. Caa ini tenyata meuakan
Moel emilihan ute 295

metoe yang lebih baik alam menaatkan ute yang ealiti anta aangan zona
. Poeu aat igunakan aa konii tiak macet atau juga aa konii macet
. Penekatan eeti ini memelukan imulai untuk menguangi jumlah ute tebai
k lainnya. Jika kita membutuhkan jumlah ute yang banyak, nilai N an/atau aam
ete iei (σ) ai ebaan biaya elu iebea. Penekatan Buell memunya
i keuntungan alam menghailkan ute yang muah, bukan ute yang mahal: jika ua
tu ute mahal, ute teebut ceneung tiak akan muah ebagai hail vaiai t
okatik biaya. Walauun enggunaan ebaan eagam angat efiien alam hal wakt
u komute, tetai tiak begitu ealiti. Fungi yang lebih baik, tetai membut
uhkan waktu yang lebih lama alam hal waktu komutai, aalah ebaan nomal en
gan vaiani yang ooional engan ata ata biaya objektif. Dalam metoe Mon
te Calo, hail akhi tegantung aa bilangan acak yang igunakan alam imula
i. Memebea nilai N akan memekecil maalah. Tetai, teaat bebeaa keuk
aan yang itemui alam enekatan ini. • Biaya eei tiak aling tegantung k
aena etia engenaa memunyai eei yang bebea. Aumi biaya eei y
ang aling tiak tegantung menghailkan einahan antaa ute ejaja yang i
hubungkan engan jalan aming. Tiak aa hal yang ati mengenai efek kemacetan
.

Sebagai komenai, metoe ini eing menghailkan enyebaan egeakan yang a
nta, biaanya muah iogam, an tiak memelukan enakian hubungan Au−Kece 
atan.
7.4.2 Moel Sakaovitch
Penekatan yang bebea alam menentukan banyak ute anta aangan zona ikemba
ngkan oleh Sakaovitch (1968). Beliau mengembangkan algoitma alam menentukan 
ute tebaik yang lebih ai atu ute (katakan teaat N ute tebaik) alam e
tia aangan zona i alam uatu aeah kajian. MAT kemuian ibagi menjai N b
agian engan ooi tebea ibebankan ke ute teceat an eteunya, ama
i ooi yang tekecil ibebankan aa ute yang teanjang. Poeu ini iul
angi ebanyak N kali amai akhinya emua MAT ibebankan aa jaingan.
7.4.3 Moel tokatik ooional
Dial (1971) menguulkan moel banyak ute yang beaakan eluang; egeakan 
aa etia titik imul iebakan ke emua ua yang mungkin alam bentuk elua
ng yang lebih iaahkan aa ute temuah. Moel Dial menghailkan iklim yang b
aik bagi aa eneliti an aktii eencanaan tanotai kaena algoitma ya
ng ikembangkan Dial memunyai keuntungan ibaningkan engan moel allo nothin
g kaena mengalokaikan egeakan aa bebeaa altenatif ute eemikian ua
, tegantung aa anjang (biaya) ute.
296 Ofya Z Tamin, Peencanaan an emoelan tanotai

Konii ini igunakan jika etia altenatif ute ai zona i ke zona  ialoka
ikan keaa eluang yang akan igunakan oleh engenaa antaa ua zona. Bila i
gabung, eluang etia altenatif ute akan menjai atu. Metoe embebanan Dial 
iaakan aa kenyataan bahwa ute yang lebih anjang memunyai eluang lebih
kecil ibaningkan engan ute yang lebih enek. Rute yang lebih enek memun
yai kemungkinan lebih bea untuk igunakan. Kemungkinan emilihan ute  iel
ihatkan engan moel beikut ini: ob(  ) = ex( −1.t  ) 
=1
∑ ex( −a.t  )
N
(7.14) 

ob() = eluang memilih ute  t N a = waktu temuh aa ute  = jumlah ute
altenatif = aamete yang akan ikalibai
Jika a = 0, emua ute altenatif akan memunyai eluang yang ama untuk iilih
. Jika nilai a makin bea, ute yang lebih enek akan mulai iilih. Tetai, j
ika nilai a angat bea, hanya ute teceat aja yang teilih (mialnya: nila
i a yang bea akan menghailkan olui yang mii engan olui hail embebana
n all onothing). Secaa ekliit, emua metoe ini beaakan aa algoitma 
embebanan yang membagi egeakan yang tiba aa uatu imul ke imul lainnya
yang memungkinkan. Paa kau embebanan all o nothing, emua egeakan hanya
menggunakan atu imul aja. Seing imlementai metoe ini memutabalikkan ma 
alah; oe embagian egeakan aa uatu imul ebenanya iaai ai ma
na egeakan teebut atang, bukan ke mana egeakan teebut akan egi. Pe
timbangkan imul B aa gamba 7.9; teaat bebeaa titik mauk yang mungkin
yang inyatakan engan A1, A2, A3, A4, an A5 untuk egeakan ai i ke .
i 

Gamba 7.9 Simul B an ua jalan mauk
Fakto fungi embagi (fi) iefiniikan ebagai:
Moel emilihan ute 297

fi = 0 0 ≤ fi ≤ 1
jika jika 

Ai ≥  B  Ai <  Bi
(7.15) 

A i menyatakan biaya minimum ai imul aal i ke imul Ai. Konii etama
menyaatkan bahwa fi ama engan nol jika imul Ai beaa aa oii lebih ja
uh ai aal ibaningkan engan oii B. Pegeakan TB yang melalui imul B 
ibagi melalui eamaan: T f F (A i , B ) = B i (7.16) ∑ fi
i
Poeu embebanan ekaang ekivalen engan metoe Cacae (all o nothing). Im 
lementai ie teebut bebea kaena aanya fakto fungi embagi fi. Metoe 
atu ute yang iuulkan oleh Dial (1971) menyaatkan:
f i = ex(− Ωδ i )
(7.17)
δi aalah biaya tambahan akibat ebeaan elama ejalanan ai imul aal ke 
imul B via imul Ai ibaningkan engan via ute biaya minimum. Dalam hal ini,
jika Ai beaa i antaa ute biaya minimum, δi ama engan nol an fi = 1. Sim
ul lainnya yang teletak aa ute yang lebih mahal memunyai nilai δi > 0 an ni
lai fi < 1. Dalam kau ini, ute yang lebih enek lebih menguntungkan ibanin
gkan engan ute yang lebih mahal. Dial menjelakan algoitma ua kali lewat yan
g ecaa efektif menggunakan fomulai logit alam membagi egeakan ai i ke 
i antaa ute yang memungkinkan: T ex(− ΩC idr ) Tidr = id (7.18) ∑ exp(− ΩC idr )
r
P
r
meter Ω d
p
t digun
k
n untuk mengontrol penye
r
n perger
k
n di
nt
r
rute
y
ng
d
. Algoritm
y
ng digun
k
n meliputi prosedur lew
t m
ju d
n lew
tmundur.
1 Lew
t m
ju P
d
prosedur ini, tet
pk
n seti
p simpul A d
l
m urut
n y
ng sem

kin mem es
r d
ri dA d
n tet
pk
n o ot untuk seti
p ru
s kelu
r (A,B) sehingg

w(A,B) = WA exp(−Ωδ(A,B)) jika A < B atau nol; jika tiak, WA aalah bobot akumulat
if aa imul A yang ecaa efinii aalah: WA = ∑ w(A, A ) an WI = 1 (A’ aalah 
enahulu A).
A
2
Lewat munu Poeu ini ientik engan algoitma lewat ekali, tetai engan m
enggunakan bobot w(A,B) untuk mengejakan oe emiahan egeakan, bukan men
ggunakan fakto fungi embagi fi.
298 Ofya Z Tamin, Peencanaan an emoelan tanotai

Contoh 7.3 Petimbangkan maalah ebuah kota yang ilayani oleh emat buah ute 
eeti telihat aa gamba 7.10. Aumikan teaat 4.000 kenaaan yang bege 
ak ai A ke B an emua ute kia kia memunyai biaya yang ama. Dalam kau
ini, algoitma Dial membagi 4.000 kenaaan teebut ebagai beikut: 1.000 ken
aaan melalui ute 2 an 1.000 kenaaan menggunakan tiga ute lainnya (ute 1,
3, an 4). Banyak engenaa mengangga maalah ini atu engan ua buah altena
tif aja yaitu: jalan ute 2 atau ute 1. Algoitma Dial menaat keulitan aa 
aat memetimbangkan etia ute yang memungkinkan, mekiun emutai an kom
binai ai ua yang aa mungkin bebea engan eentae yang kecil. Dalam ha
l ini, Dial mengabaikan koelai antaute yang ama.
Rute 2
Rute 4 Rute 1 Rute 3
Gamba 7.10 Kota yang ilayani oleh jalan inta an jalan tembu
Secaa akti, Dial ceneung mengalokaikan egeakan lebih aa jaingan jal
an yang bekeaatan tinggi an ua jalan yang bejaak enek, bukan aa jai
ngan jalan yang bekeaatan enah an ua jalan yang bejaak jauh. Hal lain, 
tategi koifikai jaingan juga memengauhi alokai egeakan. Poeu ini
membutuhkan oe komutai yang lebih umit ibaningkan engan metoe allo
nothing. Bebeaa eifikai ibutuhkan alam moel ini, yaitu: • moel hau mem 
unyai eluang yang lebih bea ai nol bagi emua ua jalan yang anta an 
eluang ama engan nol bagi ua jalan yang tiak euai. emua ute yang mungki
n, yang memunyai anjang yang ama, memunyai eluang yang ama. jika teaat 
ua atau lebih ute yang mungkin, yang memunyai anjang yang bebea bea, maka 
ute yang lebih enek memunyai eluang yang lebih bea. engguna aat menen
tukan eluang engalihan ute.
• •

Penggunaan kata ‘eluang’ alam moel Dial ikecam oleh Floian an Fox (1976) yang
ceneung menggunakan kata ‘ooi’, mialnya: ooi egeakan yang menggunaka
n ua tetentu. Selain itu, telah ibuktikan juga bahwa anomali alam emilihan 
ute yang ihailkan oleh algoitma Dial bekaitan engan akioma Ineenence
fom Ielevant Altenative (IIA).
Moel emilihan ute 299

Hal yang angat menaik ai moel Dial aalah aangan zona; jika ute betamba
h anjang, ute teebut akan menjai kuang iminati eta engguna moel memu
nyai failita untuk mengkalibai algoitma euai engan keeluannya. Robilla 
(1974b) mengembangkan uatu oeu engan menggunakan ini kemiian mak 
imum untuk mengkalibai aamete moel Dial engan menggunakan ata au lalu
linta. Tetai, oeu yang iuulkan memunyai bebeaa keugian. Petama, al
goitma hau iteakan untuk etia engulangan alam oeu encaian yang 
ibutuhkan untuk memecahkan eamaan kemiian makimum tiak linea. Hal ini m
enyebabkan biaya oeai angat mahal untuk jaingan bekala meium. Keua, at
a hau banyak, eeti ibutuhkannya ata au lalulinta untuk etia ua jal
an. Fik (1977) bekeimulan bahwa mungkin aat ihailkan aamete moel Dia
l engan menggunakan metoe enakian kemiian makimum tana oe yang beu
lang ulang eeti yang telah ilakukan oleh Robilla (1974b). Juga, algoitma
yang iuulkan oleh Fik teebut menguangi kebutuhan akan ata an waktu komu
tai. Salah atu enyeehanaan yang ilakukan oleh hami emua moel emilihan 
ute yang igunakan alam eencanaan tanotai aalah aanya aumi au la
lulinta konii tunak, yaitu au lalulinta elalu kontan eanjang waktu. Bi
aanya inut au yang kontan teebut aalah au aa jam ibuk atau ata at
a jam ibuk. Robilla (1974a) menguulkan moifikai moel Dial yang memehitu
ngkan aek inami ai ola au lalulinta. Algoitma ai moel moifikai i
ni menggunakan ecaa beulang ulang algoitma aa konii tunak eta oeu
tanfomai Fouie. Semua moel emilihan ute yang telah ijelakan alam u
bbab 7.3 maih mengabaikan efek kemacetan. Tetai, moel ini jauh lebih ealiti 
jika ibaningkan engan moel all o nothing kaena aat menyebakan egea
kan aa item jaingan an memehitungkan ebeaan eei antaengenaa.
7.4.4 Moel eilaku kebutuhan akan tanotai
Awal ekembangan metoe eilaku kebutuhan akan tanotai timbul ai alil 
eilaku yang eehana. Petama, alil ini menyatakan bahwa eeoang memilih 
ute ai bebeaa ute altenatif beaakan ebaningan tingkat elayanan yan
g ibeikan item tanotai an item aktivita yang tegantung aa ifat 
eeoang. Keua, alil teebut menyatakan bahwa keutuan yang iambil eeoa
ng aat imoelkan engan menggunakan eluang emilihan, an eluang ini hau 
euai engan teoi aa eluang eeti yang itunjukkan aa eamaan beiku
t. 0 < ik < 1 untuk emua i an k (7.19) ik = 1  k = eluang oang i memilih
altenatif k ni = emua et altenatif yang teeia untuk ute i
i
untuk emua i
(7.20)
300 Ofya Z Tamin, Peencanaan an emoelan tanotai

Keutuan yang iambil manuia meuakan eluang alamiah, tetai engambilan ke
utuan ini iaai oleh etimbangan manfaat. Manfaat etia altenatif membei
kan aa untuk memekiakan eluang emilihan etia altenatif. Dalam eneka
tan ikologi untuk teoi eilaku ejalanan, iaumikan altenatif j memunya
i kegunaan Uij, yang meuakan fungi ai ifat altenatif Xj, an ifat eoa
ngan Si, eeti yang itunjukkan aa eamaan beikut:
U ij = U ( X j , S i )
(7.21)
Semakin tinggi manfaat uatu ute ibaningkan engan ute lain, emakin tinggi 
ula eluang oang yang memilih ute teebut. Kaena eluang emilihan ute be
baning luu engan manfaatnya, maka ebaningan eluang ebagai ebaningan
manfaat aat inyatakan ebagai beikut:
Pai Pbi
=
U ( X a , Si ) U (X b , Si )
(7.22) 

engan: Pia an Pib = eluang oang i memilih altenatif a an b Tana kehilanga
n ifat ifatnya, bentuk fungi aat iaumikan ebagai bentuk ekonenial, 
eeti yang ielihatkan aa eamaan beikut: U ( X j , S i ) = ex V ( X j
, S i )
ex{ V ( X a , S i )} ex{ V ( X b , S i )}
{
}
(7.23)
Tetai, eamaan aat juga inyatakan engan eamaan beikut:
Pai Pbi =
(7.24)
Jika hanya teaat ua altenatif alam kumulan altenatif yang aa, beaak
an teoi eluang, maka eluang oang i memilih altenatif a an b betuut tuut
aalah ebagai beikut: V ( X a , S i )} ex{ Pai = (7.25a) V ( X a , S i )}+ e
x{ V ( X b , S i )} ex{
Pbi =
atau:
ex{ V ( X b , S i )} ex{ V ( X a , S i )}+ ex{ V ( X b , S i )}
Pai =
Pbi =
(7.25b)
ex{ V ( X a − X b , S i )} 1 + ex{ V ( X a − X b , S i )}
1 V ( X a − X b , S i )} 1 + ex{
(7.26a) (7.26b)

Peamaan i ata iebut ebagai moel logit bine tana. HSU (1983) memakai 
eamaan ini engan mengaumikan fungi manfaat ebagai beikut: F(Xa − Xb,Si) =
F(X) (7.27)
Moel emilihan ute 301

an memilih F(X) ebagai: F(X) = Q0 + Q1X1 + Q2X2 + Q3X3 + ... + QKXK Qi = koefi 
ien yang iekiakan (ieoleh melalui analii egei linea) Xi = eubah k
eteangan yang ihitung ai kombinai eubah ute an engenaa (7.28)
7.5 Moel bataan kaaita
Moel emilihan ute yang iteangkan aa ubbab 7.3−7.4 hanya tegantung aa a
umi engenaa an cii jaingan, bukan aa au lalulinta. Dalam konii mac
et, biaya yang ielukan etia ua jalan tegantung aa aunya melalui hubu
ngan matemati antaa ata ata biaya engan au lalulinta. Moel yang aling 
euai untuk uatu kau akan angat tegantung aa cii aeah kajian. Tingkat
kemacetan, ute altenatif engan biayanya, an ie engenaa angat membantu
menentukan moel emilihan ute yang tebaik untuk kau tetentu. Bebeaa moe
l telah ikembangkan oleh aa eneliti yang biaa ikenal engan moel bataan
kaaita yang ijelakan beikut ini (lihat juga Van Vliet, 1976; Van Vliet an
Dow, 1979). Contoh 7.4 Petimbangkan kembali uatu aangan antazona engan u
a buah ute altenatif eeti yang telah iikuikan aa ubbab 7.2.2 (gamba
7.5). Aumikan bahwa bataan kaaita mutlak untuk etia ute iganti engan 
ua hubungan waktu−au eeti telihat aa gamba 7.11.
Au V ute 1 ute 2
Au V
Gamba 7.11 Hubungan waktu−au untuk gamba 7.4
Au aa keua ute 
ute kia kia ama.
waktu−au an caa
gan: C2 = 15 + 0,005

akan beaa aa konii keeimbangan jika biaya tia tia
Paa kau ini, ecaa eehana aat itulikan eamaan
menghitungnya untuk menaatkan olui aa konii keeimban
V2 (7.29a) C1 = 10 + 0,02 V1 (7.29b)

302 Ofya Z Tamin, Peencanaan an emoelan tanotai

C2 an C1 aalah biaya ejalanan melalui ute 2 an via ute 1 engan V2 an V1
aalah bea aunya. Secaa eehana aat ihailkan olui konii keeimba
ngan ebagai fungi ai V2 + V1 = VT: Dihailkan: 15 + 0,005 V2 = 10 + 0,02 (VT−V
2) V2 = 0,8VT − 200 (7.30)
Peamaan (7.30) hanya belaku untuk bilangan oitif (untuk nilai VT yang lebih
bea atau ama engan 200/0,8 = 250). Untuk VT < 250, C1 <C2, V2 = 0 an V1 =
VT (emua egeakan memilih jalan tembu). Tetai aa ituai VT > 250, keua 
ute uah mulai igunakan. Contohnya, untuk VT = 2.000, konii keeimbangan te 
caai aa nilai V2 = 1.400 an V1 = 600, eangkan biaya untuk etia ute aa
lah 22 menit. Hal yang ama juga belaku aa au egeakan alam uatu jaing
an jalan yang biaya ejalanannya untuk etia ute antaa ua titik aalah ama 
aa konii keeimbangan. Pemaalahan ini tentu ulit iecahkan engan aljab
a linea; untuk itu ibutuhkan uatu metoe olui algoitma yang cocok. Bebea 
a teknik telah iuulkan untuk menaatkan olui yang cocok untuk konii kee
imbangan Wao; bebeaa i antaanya meuakan enekatan heuitik eehana
, an aa juga yang beua uatu keangka emogaman matematik. Untuk membanin
gkan algoitma algoitma teebut, bebeaa unjuk keja yang aat igunakan aa
lah ebagai beikut: • • • aakah oluinya tabil (tiak beubah ubah)? aakah olui
nya akan elalu konvegen engan olui konii keeimbangan Wao? aakah alg
oitma teebut efiien alam hal waktu komutai?
Inikato δ (lihat eamaan 7.31) eing igunakan untuk menguku konvegeni ua
tu olui ibaningkan engan olui aa konii keeimbangan Wao. δ= 
 (C i ∑ ∑ ∑ Τ id i d r * − C id
)
* ∑ ∑ id C id i d
(7.31)
r * C id − C id adalah kelebihan biaya perjalanan pada suatu rute, relatif terhada
p biaya perjalanan minimum pada pasangan (i,d). Biaya ini dihitung setelah setia
p pengulangan dilakukan dan total arus dihasilkan untuk setiap ruas jalan. Karen
a itu, nilai δ aalah uatu ukuan total kelebihan biaya ejalanan ibaningkan 
engan biaya ute otimal. Semakin kecil nilai δ, koniinya emakin menekati kon
ii keeimbangan Wao.
Teoi mengenai au lalulinta inami meneangkan bahwa waktu temuh akan beag
am aa uatu ute, tegantung aa au lalulinta yang menggunakannya. Jai, j
elalah bahwa waktu temuh yang igunakan alam bebeaa moel akan beubah eu
ai engan au lalulinta, an waktu teebut tiak teta eeti aa
Moel emilihan ute 303

aat tiak aa au. Moel embebanan yang memehitungkan fakto ini iebut mo 
el bataan kaaita. Moel ini memunyai bataan kaaita; teaat hubungan
antaa biaya an au lalulinta melalui hubungan matemati. Bebeaa metoe heu 
itik maih menggunakan ie bahwa emua egeakan ibebankan aa ute tetent
u aja (allo nothing), tetai mulai memehitungkan fakta yang menyatakan kaita
n antaa au egeakan an keceatan eta biaya tanotai. Bebeaa moel 
ijelakan ecaa ingkat beikut ini.
7.5.1 Metoe all o nothing beulang
Paa engulangan ke 1, MAT ibebankan ke jaingan jalan engan menggunakan moel
all o nothing. Biaya etia ua jalan kemuian ihitung kembali euai engan
hubungan matemati antaa Biaya−Au, an aa engulangan beikutnya MAT ibeban
kan kembali ke jaingan jalan euai engan biaya yang bau. Hal ini ilakukan b
eulang kali amai eubahan biaya i etia ua jalan menjai angat kecil. S
angat muah iahami bahwa ecaa umum oluinya beokilai an eing tiak bi 
a konvegen. Paa contoh 7.4, untuk VT>250, au akan beokilai antaa emua
yang menggunakan jalan tembu aa atu engulangan an emua yang melalui jalan 
inta aa engulangan beikutnya. Fenomena ini akan beulang aa jaingan ya
ng lebih lua, yang alam bebeaa kau, oluinya angat ulit iaatkan. Seb
agai alah atu uaha untuk membatai okilai teebut, iuulkan enggunaan ke
ceatan ata ata antaa ua atau lebih embebanan all o nothing untuk igunaka
n aa oe beikutnya. Caa ini eing ikenal engan eubahankeceatan eca 
a elahan yang belawanan engan caa eubahan keceatanecaa ceat (metoe 
ebelumnya). Tetai, caa ini hanya menginikaikan ebaikan kelemahan keua me
toe ini, yang maih membebankan egeakan aa jaingan jalan hanya aa atu 
ute aja; uah tentu ini tiak euai engan moel keeimbangan Wao. Paa
contoh 7.4, engan muah aat ilihat bahwa metoe eubahan keceatanecaa e 
lahan maih membebankan emua egeakan aa atu ute aa engulangan 1 an 
ute lainnya aa engulangan beikutnya. Keua metoe teebut menghailkan ol
ui yang tiak tabil an tiak konvegen; enggunaan metoe eubahan keceatan 
ecaa elahan hanya akan mengabaikan efek ini, khuunya untuk jaingan yang
lua. Dalam bentuk algoitma, keua metoe teebut aat ijelakan ebagai be
ikut: 1 2 Pilih uatu et iniial biaya, biaanya waktu temuh alam konii au 
beba; et n = 0; Bentuk uatu et ohon biaya minimum an bebankan MAT (all o 
nothing) untuk menaatkan uatu et biaya yang bau; tingkatkan nilai n ebe
a 1 (et n = n+1); (a) Peubahan keceatan ecaa ceat: hitung kembali biaya 
ua euai engan au yang bau;
3
304 Ofya Z Tamin, Peencanaan an emoelan tanotai

(b) Peubahan keceatan ecaa elahan: hitung biaya ua engan nilai ebea 
ata ata biaya yang ihailkan oleh engulangan ebelumnya engan biaya yang i
hitung oleh taha (a); 4 Jika au atau biaya tiak beubah ecaa angat nyata 
aa ua engulangan yang beuutan, maka to; jika tiak, teukan ke taha (2
).
Seeti telah iaankan i ata, algoitma ini mungkin tiak akan enah behen
ti aa taha (4), kecuali itentukan bata jumlah engulangan makimum.
7.5.2 Metoe embebanan betaha
Ini aalah metoe enekatan yang angat menaik an ealiti. Dalam kau ini, 
ini utama moel ini aalah membagi MAT total menjai bebeaa bagian MAT (m
ialnya 10%) engan menggunakan uatu et fakto ooional n = 0,1 engan ∑ 
n = 1 . Setia bagian ai MAT teebut ibebankan ke jaingan jalan, ecaa
n
betaha, maing maing ihitung engan menggunakan biaya yang ihailkan oleh a 
u yang ihailkan ebelumnya. Jai, alam etia embebanan, biaya ihitung ke
mbali beaakan hubungan matemati Biaya−Au. Poe ini iulang kembali amai 
emua MAT ibebankan. Keteatan moel ini tegantung aa ukuan ooi MAT y
ang ibebankan. Nilai tiikal untuk n aalah 0,1. Algoitma yang igunakan aa
t ituli ebagai beikut: 1 Pilih uatu et biaya ua, biaanya waktu temuh 
alam konii au beba. Iniialiaikan emua au Va = 0; ilih uatu et fak 
i n ai MAT T ehingga ∑  n = 1 ; buat n = 0;
n
2 3
Bentuk uatu et ohon biaya minimum (atu untuk etia imul aal) engan meng
gunakan biaya yang aa; buat n = n+1; Bebankan Tn = n.T engan menggunakan emb
ebanan all o nothing aa etia ohon teebut untuk menaatkan nilai au Fl
; akumulaikan au au teebut untuk etia ua jalan: V l n = V l n −1 + F l
(7.32)
4
Hitung uatu et biaya ua yang bau beaakan au ebea Vln ; jika bagian
MAT belum eleai ibebankan, kejakan taha (2); jika uah, to.
Algoitma ini tiak elalu hau euai engan olui aa konii keeimbangan
mekiun jumlah faki  angat bea an ukuan nT angat kecil. Pembebanan e
ngan jeni eeti ini memunyai bataan: jika au uah ibebankan aa uatu 
ua, maka au teebut tiak bia iinahkan atau ibebankan ke temat lain.
Oleh kaena itu, jika eeoang aa engulangan etama membebankan au cuku
bea yang tiak euai engan hail konii keeimbangan, maka algoitma teeb
ut tiak akan enah konvegen ke olui yang bena. Tetai, metoe embebanan b
etaha memunyai ua keuntungan: • angat muah iogam;
Moel emilihan ute 305


hailnya bia igunakan untuk melihat evolui tejainya kemacetan aa jam ibu
k.
Contoh 7.5 Petimbangkan kembali eaang zona aal−tujuan engan tiga buah ute a
ltenatif yang memunyai hubungan biaya−au yang bebea bea eeti telihat a 
a gamba 7.12. Teaat egeakan ebea 2.000 kenaaan yang akan begeak 
ai zona aal A ke zona tujuan B. Beikut ini ibeikan bebeaa contoh embeban
an betaha engan bebagai kombinai faki embebanan.
Rute 2 C = 15 + 0,005 Rute 1 C = 10 + 0 02 V Rute 3 C = 12 5 + 0 015 Gamba 7.12
Paangan zona aal−tujuan yang memunyai tiga ute altenatif B
A
Teaat 5 contoh kau yang akan ibaha, yaitu: • • • • • Kau 1: faki embebanan e
agam ebea 25% Kau 2: faki embebanan eagam ebea 10% Kau 3: faki 
embebanan eagam ebea 5% Kau 4: faki embebanan tiak eagam: 40%, 30%
, 20%, an 10%. Kau 5: faki embebanan tiak eagam: 10%, 20%, 30%, an 40%
.
Kau 1 Kita bagi egeakan (2.000 kenaaan) menjai emat bagian faki eag
am engan eentae ebea 25%, yaitu ebea 500 egeakan. Paa etia ent
ahaan, kita hitung biaya ejalanan yang bau euai engan eamaan biaya−au 
aa gamba 7.12. Hailnya iajikan aa tabel 7.3 beikut.
Tabel 7.3 Au an biaya etia ute engan metoe embebanan betaha (faki 
eagam 25%) Pembebanan ke0 1 2 3 4 Total F 0 500 500 500 500 2.000
Rute 1 Au
0 500 500 500 500
Rute 2 Au
0 0 0 500 1.000
Rute 3 Au
0 0 500 500 500
Biaya
10 20 20 20 20
Biaya
15 15 15 17,5 20
Biaya
12,5 12,5 20 20 20
306 Ofya Z Tamin, Peencanaan an emoelan tanotai

Paa embebanan ke 0 (F=0) telihat bahwa ute 1 memunyai biaya tekecil ebea 
10 ehingga menjai ute tebaik bagi embebanan beikutnya. Paa embebanan k
e 1, au ebea 500 akan ibebankan ke ute 1 ehingga biayanya beubah menja
i 20, eangkan biaya ute lainnya tiak beubah. Setelah embebanan ke 1, teli
hat bahwa ute 3 memunyai biaya tekecil ebea 12,5 an menjai ute tebaik
bagi embebanan ke 2. Setelah embebanan ke 2, telihat bahwa ute 2 memunyai b
iaya tekecil ebea 15 an menjai ute tebaik bagi embebanan ke 3. Setelah 
embebanan ke 3, telihat bahwa ute 2 maih memunyai biaya tekecil ebea 17
,5 an menjai ute tebaik bagi embebanan ke 4. Akhinya, etelah embebanan t
eakhi (ke 4), ihailkan bea au an biaya etia ute. Telihat bahwa biay
a etia ute aalah ama, yaitu ebea 20. Telihat bahwa algoitma mencaai k
onvegen engan olui konii keeimbangan Wao. Nilai inikato δ untuk olu
i yang ihailkan aalah: δ = [500(20 − 20) + 1.000(20 − 20) + 500(20 − 20)]/(2.000 x 20
) = 0 Jika ibaningkan engan moel all o nothing yang eluuh egeakannya (
2.000) akan menggunakan ute 1, eangkan ute 2 an 3 tiak igunakan ama eka
li, aat iimulkan bahwa metoe embebanan betaha ini lebih euai engan k
enyataan i laangan. Telihat ula bahwa jika igunakan metoe embebananbetah
a engan faki eagam 50%, hailnya maih lebih baik ibaningkan engan moe
l all o nothing, mekiun belum konvegen engan konii keeimbangan Wao.
Kau 2 Kita bagi egeakan (2.000 kenaaan) menjai euluh bagian faki e
agam engan eentae ebea 10%, yaitu ebea 200 egeakan. Paa etia e
ntahaan, kita hitung biaya ejalanan yang bau euai engan eamaan biaya−au 
aa gamba 7.12. Hailnya iajikan aa tabel 7.4 beikut.
Tabel 7.4 Au an biaya etia ute engan metoe embebanan betaha (faki 
eagam 10%) Pembebanan ke0 1 2 3 4 5 6 7 8 9 10 Total F 0 200 200 200 200 500 50
0 500 500 500 500 2.000
Rute 1 Au
0 200 200 400 400 400 400 400 500 500 500
Rute 2 Au
0 0 0 0 200 200 400 600 700 800 1.000
Rute 3 Au
0 0 200 200 200 400 400 400 400 500 500
Biaya
10 14 14 18 18 18 18 18 20 20 20
Biaya
15 15 15 15 16 16 17 18 18,5 19 20
Biaya
12,5 12,5 15,5 15,5 15,5 18,5 18,5 18,5 18,5 20 20
Moel emilihan ute 307

75 16. Telihat bahwa e telah eluuh egeakan ibebankan.000 x 20) = 0 K au 3 Kita bagi egeakan (2.75 )]/(2. Hailnya iajikan aa tabel 7.75 19.5 14 14.25 19.2.5 18.3.25 19. Hal ini kaena au aa ute 1 eikit bea a i ata ekiaan an metoe ini tiak aat menguanginya.000 kenaaan) menjai emat bagian faki tiak eagam engan eentae (0.5 17 17.25 15.75) + 500(20−19. a n 200 egeakan.25 1 6.000 0 100 200 200 250 250 300 300 300 400 400 400 400 400 400 450 450 450 450 550 550 10 12 14 14 15 15 16 16 16 18 18 18 18 18 18 19 19 19 19 21 21 0 0 0 0 0 0 50 150 250 250 3 00 400 450 550 600 650 750 750 850 850 950 15 15 15 15 15 15 15. 400.5 Au an biaya etia ute engan metoe embebanan betaha (faki  eagam 5%) Rute 1 Rute 2 Rute 3 F Pembebanan keAu Biaya Au Biaya Au Biaya 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Total 0 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 2.000(20 − 20) + 500(20 − 20)]/(2.4. yaitu ebea 100 egeakan.75) = 0.25 18.12.25 17. 0.0206 Tabel 7.75 −19. kita hitung biaya ejalanan yang bau euai engan eamaan biaya−au  aa gamba 7. Hailnya iajikan aa tabel 7.5 beikut.25 16.75) + 950(19.25 16.25 16.25 16. 308 Ofya Z Tamin.75 18.25 17 17 17. 0.75 0 0 0 100 150 25 0 250 250 250 250 300 300 350 350 400 400 400 500 500 500 500 12.75 18 18.5 12.6 beikut.75 18. 600. Peencanaan an emoelan tanotai .000 kenaaan) menjai ua uluh bagian faki e agam engan eentae ebea 5%.5 18.5 20 20 20 20 Kau 4 Kita bagi egeakan (2.1). Nilai inikato δ untuk olui yang ihailkan aalah: δ = [500(20 − 20) + 1. algoitma tiak mencaai konvegen engan  olui konii keeimbangan Wao. yaitu ebea 800. Paa etia e ntahaan.75 17.25 16.5 12.000 x 19. Nilai inikato δ u ntuk olui yang ihailkan aalah: δ= [550(21−19. 0.Telihat bahwa algoitma mencaai konvegen engan olui konii keeimbangan W ao etelah eluuh egeakan ibebankan.75 16.

2361 Kau 5 Kita bagi egeakan (2.5 Telihat bahwa etelah eluuh egeakan ibebankan.5 21.5 18.000(30 −18) + 600(18 −18) + 400(21. 600. Hal ini iebabkan kaena  aa engulangan ke 4.7 Au an biaya etia ute engan metoe embebanan betaha (faki t iak eagam 10%. Nilai inikato δ untuk olui yang ihailkan aalah: δ = [1.1. an 40%) Pembebanan ke0 1 2 3 4 Total F 0 200 400 60 0 800 2. embaca aat memveifikai bahwa engg .5 Telihat bahwa etelah eluuh egeakan ibebankan.37 22 Dengan mengkaji hail contoh kau 1−5.3. 0.2. 0. 30%.6 Au an biaya etia ute engan metoe embebanan betaha (faki t iak eagam 40%. 0. au an biaya yang melalui ute 1 beaa i ata ekiaan. Tabel 7. au ebea 800 yang telalu bea ibebankan ke ute 1  an etelah itu metoe ini tiak aat menguanginya.5 21. Hal ini kaena ekali au (800) yang telalu bea ibebankan ke ute 1.5 21. 30%. an 10%) Pembebanan ke0 1 2 3 4 Total F 0 800 600 40 0 200 2.000 Rute 2 Au 0 0 0 600 600 Rute 3 Au 0 0 400 400 400 Biaya 10 14 14 14 30 Biaya 15 15 15 18 18 Biaya 12.5 21. Ni lai inikato δ untuk olui yang ihailkan aalah: δ = [800(26 −18) + 600(18 −18) + 60 0(21.4) .000 Rute 1 Au 0 200 200 200 1. yaitu ebea 200.5 12.5 12.5 18.000 kenaaan) menjai emat bagian faki tiak eagam engan eentae (0. algoitma tiak mencaai k onvegen engan olui konii keeimbangan Wao.000 x 18) = 0. metoe ini tiak aat menguangi nya. 20%. Kaena itu.7 beikut. 400.5 −18)]/(2. Kaena itu. algoitma tiak mencaai k onvegen engan olui konii keeimbangan Wao. Hailnya iajikan aa tabel 7. au an biaya yang melalui ute 1 beaa i ata ekiaan.000 x 18) = 0.000 Rute 1 Au 0 800 800 800 800 Rute 2 Biaya 10 26 26 26 26 Rute 3 Biaya 15 15 15 17 18 Au 0 0 0 400 600 Au 0 0 600 600 600 Biaya 12.Tabel 7.5 −18)]/(2. an 800 egeakan. 20%.

unaan faki entahaan yang emakin kecil ecaa umum akan menghailkan olui yang emakin menekati olui konii keeimbangan Wao. Akan tetai. hal ini un tiak elalu bena (lihat contoh kau 3). Mekiun faki entahaan Moel emilihan ute 309 .

Dalam algo itma beulang ini. Hitung au aa aat  ekaang: V l( n ) = (1−φ). Perencanaan dan pemodelan ranspor asi . et n = 0. 310 Oyar Z Tamin. au lalulinta ihitung kembali ebagai kombinai linea antaa au yang iaat aa engulangan ke n an ke (n−1). tenyata keuanya a at menghailkan olui konii keeimbangan. ini moel in i aalah membebani emua MAT ke jaingan jalan ecaa beulang.4 Metoe embebanan beulang Algoitma beulang ini ikembangkan untuk mengatai maalah engalokaian au l alulinta yang telalu tinggi ke ua jalan yang bekaaita enah.Fl φ : parame er dengan nilai 0−1. (7. hail akhinya belum mencaai konii keeimbangan. Fl : arus lalu lin as yang dihasilkan oleh model all or no hing dengan biaya perjalanan yang di hasilkan oleh pengulangan ke (n−1). V l( n −1) + φ. Beliau mengembangkan lanjutan algoitma Dial engan memehitungkan efek au lalulinta tehaa bia ya melalui hubungan biaya−au. Salah atu kelemahan yang itemukan aa metoe embebanan betaha aalah bahwa jika alah atu ua telanju men aat beban yang telalu bea akibat embebanan moel all o nothing. Algoitma metoe ini aalah eba gai beikut: 1 2 3 4 Pilih atu et ata biaya.3 Metoe embebanan tokatik engan bataan kaaita Contoh ai jeni moel ini iuulkan oleh Floian (1974). Bebankan emua MAT T enga n menggunakan all o nothing untuk menghailkan au Fl.5.  ementaa itu engan faki entahaan ebea 25% an 10%. Pemaalahan ini aat itanggulangi engan menggunaka n metoe embebanankuantal yang akan iteangkan aa ubbab 7.5. Iniialiai emua au V l( n ) = 0. et n = n+1. biaanya igunakan ata waktu te muh aa konii au beba. 7.5. 7. etelah etia  embebanan. B entuk atu et ohon ai biaya minimum. V l( n −1) : arus lalulin as yang dihasilkan oleh pengulangan ke (n−1). maka meto e embebanan betaha akan ulit menguangi beanya au teebut eeti tel ihat aa contoh kau 1−5. au aa uatu ua ihitung ebagai kombinai linea anta a au yang ihailkan oleh engulangan teakhi an au yang ihailkan ai h ail embebanan all o nothing aa engulangan ekaang. Jai.yang igunakan ebea 5%.5.33) V l( n ) : arus lalulin as yang dihasilkan oleh pengulangan ke n.

Yang paling populer adalah yang diusulkan oleh Smo ck (1962) yang menyarankan nilai φ harus sama dengan kebalikan dari nilai jumlah p engulangan (φ = 1/n). jika idak. Caa lain aal ah engan menetakan jumlah engulangan makimum. Teaat bebeaa caa memi lih φ un uk se iap pengulangan. Biaya ejalanan ihit ung kembali etelah etia kombinai au Vl( n ) ibebankan. erus kan ke ahap (2). δ hau ihitung untuk menentuka n aakah oluinya menekati olui konii keeimbangan. s op. Poe ini ilakuk an beulang ulang amai bata konvegeni tecaai. Pembaca mungkin dapa memveriikasi bah. Jika arus ersebu idak b erubah secara nya a pada dua pengulangan yang beruru an.5 Hi ung sa u se baru biaya berdasarkan arus Vl( n ) . Indika or δ aat igunakan untuk menentukan kaan to atau tiak.

me ode ini dikenal dengan me ode ra a ra a beruru an. Tampak bah.a pembobo an yang se imbang diberikan pada se iap arus Fl. oleh karena i u.

6 dapa diliha bah. Pada subbab 7.a dengan membua nilai φ = 1/n dihasilkan solusi yang konvergen dengan solusi kondisi keseimbangan. meskipun me odenya id ak begi u eisien.

41 20.000 1.5 0 281.5 0.94 16.5 0.5 0.25 15 .25 2.41 15.8 Arus dan biaya se iap ru e dengan me ode pembebanan berulang (φ=0.000 1.9 menjelaskan ahap ahap dalam algori ma me ode ra a ra a beruru an yang masi ng masing menggunakan nilai φ = 0.63 17.3 0 285.5 0 2.38 20. 5 0.05 16.81 16.125 0 562.81 21. Con oh 7.5 dan nilai φ = 1/n.125 0 562.5 0 281. 8−7.5 dan penggunaan nilai φ = 1/n.000 1.000 1.140. Tabel 7.5 16.6 0 570.000 1.000 1.142.7 32.63 32.5 27.5 0.6 10 30 20 15 32.000 1.5 12.7 1 7.6 Per imbangkan permasalahan pada con oh 7.72 29.25 2.5 0 281.000 0 500 0 250 2.000 0 500 0 250 2.25 2.000 1.5 0.31 0 285.000 0 500 0 250 2.000 1.16 12.140.6 0 570.16 2.5 0.125 0 562.000 1.31 15 15 15 20 17.5 0.5) Ru e 1 Ru e 2 Ru e 3 Pembebanan keφ Arus iaya Arus iaya Arus iaya 1 2 3 4 5 6 7 8 9 10 V0 F V0 F V0 F V0 F V0 F V0 F V0 F V0 F V0 F V0 F V0 0.5 0.25 20.78 Model pemilihan ru e 311 .85 0 0 0 0 0 2.25 29.a algori ma Frank−Wole dapa menghi ung nilai op imal φ un uk menjamin dan mempercepa konvergensi.5 21.140.61 21.5 20 16. Tabel 7.6 0 570.85 0 0 0 2.

Terliha bah.

kondisi keseimbangan Wardrop belum jug a ercapai.a se elah pengulangan ke 10. Para pembaca dapa pula memperha ikan bah.

Hitung atu et ohon ai biaya minimum un tuk etia ute an bebani Ti aa ute teebut. 6. an hitung kembali nilai au Fl.5 Metoe embebanan kuantal Tahaan alam metoe embebanan matik emintaan egeakan yang telah itean gkan ebelumnya ecaa umum aalah menetakan biaya au.9 Arus dan biaya se iap ru e dengan me ode pembebanan berulang (φ=1/n) Pem bebanan ke1 V0 F V0 F V0 F V0 F V0 0. to. menghitung biaya minim um etia ute untuk eluuh egeakan ai etia zona aal i ke etia zona t ujuan . jika tiak. Keuntungan metoe embebanan kuantal ini aalah bahwa bila uatu ua jalan tet entu ibebani telalu belebihan aa aat awal embebanan. Rua an total biaya aat angat beagam aa etia engulangan. Sebaliknya.000 20 18. Hal lain yang aat ielajai aalah bahwa menetakan jumlah engulangan m akimum bukanlah enekatan yang baik jika ilihat ai ii evaluai.67 0 500 20 22.a hasil algori ma ini suda h mendeka i solusi kondisi keseimbangan pada pengulangan ke 3.5 iaya 10 iaya 15 iaya 12.000 30 30 Ru e 2 Arus 0 0 0 0 0 2. 7. etia eubahan biaya i ua jalan hanya ilakukan a a aat akhi oe.000 1.000 0 666.5 12.000 1.5 1 φ Ru e 1 Arus 0 2. ementaa itu. Untuk jaingan yang lebih eal itik aat iekiakan bahwa jumlah engulangan yang ibutuhkan akan angat be a.33 15 15 Ru e 3 Arus 0 0 0 2. Peencanaan an emoelan tanotai .000 666.33 0. hitung bi aya ua beaakan Cl(Fl) an kembali ke taha (2). nilai δ aa engulangan ke 4 aalah nol. Tabel 7.5. dan 9.000 0 1. Hal ini disebabkan karena kakunya penen uan nilai φ. metoe embebanan kuantal memungkinkan eubaha n biaya etia ua ilakukan elama oeu embebanan ilakukan engan algoi tma ebagai beikut: 1 2 3 Hitung biaya etia ua aa aat konii au beba an iniialiai emua au Fl = 0. biayanya akan 312 Ofya Z Tamin. Sud ah en u. eriku ini diberikan con oh penggun aan nilai φ = 1/n seper i yang disarankan oleh Smock (1962).5 2 3 4 Tampak dibu uhkan beberapa pengulangan un uk menghasilkan solusi yang benar. Aabila eluuh aal ejalanan telah ibebani.5 27.67 0 500 20 23.67 2.000 1.25 0.33 666.

5. metoe embebanan kuantal ceneung menghailkan nilai awal yang lebih baik ibaningkan engan moel all o nothing. Dengan em bebanan banyak ute. yang aat ikalibai untuk aeah kajian tetentu. Dal am menggunakan bataan kaaita engan metoe all o nothing. Hanya at u ute aja yang akan igunakan antaa etia zona i an . 7. Salah atu ma alah an bataan kaaita aalah mengetahui kaan oe inteaki teebut el eai. Aa ajakah yang ielukan oleh uatu moel untuk mengalokaikan lalulinta aa bebeaa altenatif ute ehingga emua waktu temuh akan ama untuk etia ute (ini I Wao). aa oeu embebanan keeimban gan. Bila eluang e tia altenatif ute igabung. Kaena itu. Ceminan waktu temuh untuk etia ute yang iangga oleh engenaa ebagai ute teceat ihailkan engan emilihan ecaa acak ai uatu ebaa n yang memunyai ata ata waktu temuh ebenanya ai ute teebut. enjumlahan au lal ulinta antaa zona i an  menghailkan tingkat keacakan ai embebanan teeb ut. Rute enek memunyai kemungkinan lebih bea untuk igunakan. mekiun hubungan hubungan lainnya yang lebih eehana juga e ing igunakan. D engan embebanan beeluang. Keuntungan lain enekatan ini aalah bahwa metoe ini ceneung mencegah tejainya ute yang ‘tiak mauk akal’ yang i hailkan oleh moel all o nothing. Davion (1966) meneangkan hubungan au−waktu temuh yang angat beguna  ai egi teoi. Rute yang tiak mauk akal ini tejai bila ua ua tetentu menaat beban au lalulinta telalu bea yang melebihi ka aitanya aa aat awal embebanan ehingga menghailkan biaya yang angat tin ggi. Penekatan ini memungkinkan metoe ini menghailkan enyeba an egeakan ecaa lebih baik.7 Metoe embebanan beeluang Ini igunakan jika etia altenatif ute ai zona i ke zona  ialokaikan ke aa eluang yang akan igunakan oleh engenaa antaa ua zona. tetai tiak yakin mana ute te ceat itu. Untu k menggunakan bataan kaaita ielukan hubungan antaa waktu temuh an au lalulinta. waktu temuh ebenanya beubah engan beubahnya au lalu linta an kaena itu waktu temuh yang iilih ecaa acak juga akan beubah.6 Metoe embebanan banyak ute Pengenaa iaumikan mengambil ute teceat.betambah ehingga aa engulangan beikutnya ua teebut akan meneima lalul inta lebih eikit. Ini memelukan waktu oe yang angat l ama untuk Moel emilihan ute 313 . eluang untuk memilih ute tetentu akan beubah ji ka au lalulinta aa ute teebut (an ute ute lainnya) juga beubah. 7. Konii ini akan mengakibatkan ute teebut menjai ute yang tiak enah ietimbangkan lagi oleh aa engenaa alam menentukan ute tebaiknya. Metoe embebanan Dial (19 71) iaai kenyataan bahwa ute anjang memunyai eluang lebih kecil aiaa ute enek. hailnya menjai atu. ute teenek ak an beubah jika au lalulinta beubah aa jaingan jalan teebut.5.

mekiun menggunakan komute canggih ekaliun. Jika tiak atu un engenaa aat memeke cil biaya teebut. Peencanaan an emoelan tanotai . Moel ini menggunakan ini keeimbangan Wao (1952). ebelum oe engulangan imulai. P ini ini aat iefiniikan ebagai beikut: Une equilibium conition. Au beba Au Gamba 7. Dengan bata an kaaita.6 Moel keeimbangan Jika eeoang mengabaikan efek tokatik an mengangga bataan kaaita ebag ai alah atu mekanime oe enyebaan egeakan alam uatu jaingan. Sebagai contoh: moel bataankaaita hau menggunakan fungi yang mengaitkan egeakan engan waktu temuh. biaya ai emua altenatif ute yang aa iaumikan iketahu i ecaa imliit alam emoelan.jaingan yang lua.13 Gafik hubungan antaa au lalulinta an keceatan 7. taffic aange itelf in congete netwok in  uch a way that no iniviual ti make o ive can euce hi oute cot by witching oute (Dalam konii keeimbangan. ia h au memetimbangkan bebeaa et moel. Bagi en genaa teebut. aa konii tiak macet. kenaaan begeak aa konii au lalulinta (hubung an antaa au an keceatan). Aumi aa emoelan kee imbangan aalah. maka item ikatakan telah mencaai konii keeimbangan. atau egeakan teebut ibebankan eikit emi e ikit (embebanan betaha) engan jumlah yang emakin bea untuk etia engula ngan. emua egeakan ibebankan ke jaingan jalan ekaligu. hubungan teebut inyatakan alam g amba 7. Teknik embebanan bataan kaaita tegantung aa hubungan antaa au l alulinta an keceatan. lalulinta akan mengatu iinya  enii alam jaingan yang macet ehingga tiak aa atu un engenaa aat me nguangi biaya ejalanannya engan mengubah ute) 314 Ofya Z Tamin.13. Secaa umum. etia engenaa akan beuaha memin imumkan biaya ejalanannya engan bealih menggunakan ute altenatif.

Dalam embahaan ini igunakan kombinai anta a agumen analitik an intuitif. Moel emilihan ute 315 . Setelah itu. kita tiak akan membaha lebih ja uh teknik embebanan keeimbangan. Oleh kaena itu. Hal ini aat ituli eba gai beikut: * = c i c i * ≥ c i * Ti >0 * Ti =0 * {Ti } aalah et ute yang memenuhi ini I Wao an emua biaya ejal anan ihitung etelah Ti ibebankan. eta ute yang tiak igunakan yang memun yai biaya ejalanan yang lebih mahal (minimal ama). 1985).Jika emua engenaa memunyai aumi yang ama tehaa biaya (tiak aa efek tokatik).6. Akan tetai. maka: Une equilibium conition. konii ini iebut konii keeimbanganengg una. Beikut ini akan bagian ini iula lebih alam me toe yang iancang khuu untuk menaatkan emecahan embebanan au lalulinta  yang memenuhi ini I Wao. ba u 4 tahun kemuian aa tanggaan ai Beckman et al (1956) yang menguulkan kea ngka keja yang bebai emogaman matematika. Pembaca yang tetaik menalami aek teoi  embebanan keeimbangan ini iaankan membaca buku (Sheffi.34) an biaya eanjang ute aat ihitung ebagai: C i = ∑ δ li c l (V l* ) l (7.35) Walauun Wao telah mengeluakan ini keeimbangannya aa tahun 1952. Moel keeimbangan ini iangga ebagai alah atu moel emilihan ute yan g tebaik untuk konii macet. 7. Dalam kau ini. lalulinta akan me ngatu iinya enii alam jaingan yang macet ehingga emua ute yang iguna kan antaaangan aal−tujuan memunyai biaya yang ama an minimum.1 Penekatan emogaman matematika Petimbangkan bebeaa eilaku konii keeimbangan Wao. khuunya tentang emua ute yang igunakan (untuk aangan Aal−Tujuan tetentu) yang memunyai bia ya ejalanan yang ama an minimum. au lalulinta ihailk an oleh: V l = ∑ ∑ ∑ Ti δ li i   (7. eangkan em ua ute yang tiak igunakan memunyai biaya ama atau lebih mahal) Daat iimulkan bahwa item teebut mencaai konii keeimbangan menuut a nangan engguna. taffic aange itelf in congete netwok uch that all ue oute between an O−D ai have equal an minimum cot while all u nue have geate o equal cot (Paa konii keeimbangan.

Nguyen (1974) menguulkan uatu algo itma yang efiien untuk memecahkan emaalahan matemati tiaklinea.37) telah iekenalkan untuk me yakinkan bahwa kita akan bekeja aa uang olui yang iinginkan. Mekiun begitu. Mengaa fungi tujuan yang elu imini mumkan aga iaat keeimbangan Wao aalah alah atu hal utama yang akan k ita bicaakan. Fungi tujuan i ata bekait an engan total lua aeah yang beaa i bawah kuva hubungan biaya−au untuk  emua ua jalan alam jaingan teebut. Sejak tahun 1980. Bataan (7. mialnya nil ai au Ti yang hau elalu oitif.δ li i  ( ) 1 jika ua l igunakan oleh ute  antaa i an  δ li = 0 jika ebaliknya Ti = egeakan ai zona i ke zona  yang menggunakan ute . Peencanaan an emoelan tanotai . Van Vlie t an Dow (1979) juga menguulkan algoitma yang iaai moel embebanan beul ang engan nilai t itentukan untuk meminimumkan fungi tujuan Z untuk etia e ngulangan. tetai tiak begitu elu aa aat ekaang ini. δ li = ooi e geakan ai zona i ke zona  yang menggunakan ute  an ua jalan l Cl(V)= hu bungan matemati antaa au lalulinta an biaya.36) (7.V l 0 Vl (7. Va n Vliet (1979) menunjukkan bahwa fungi tujuan Z elalu cembung jika fungi biay a Cl(V) meningkat engan meningkatnya au.37) V l = ∑ ∑ Ti . Beckman et al (1956) menggunakan ene katan emogaman matematika an menyebutkan bahwa menaatkan biaya ejalanan an volume lalulinta yang euai engan Pini Keeimbangan I ai Wao aa lah ekivalen engan emaalahan matemati yang meminimumkan uatu fungi tujuan engan bataan eilaku au lalulinta. enelitian ecaa aktif uah ilakukan untuk meme baiki moel emilihan ute khuunya alam engembangan moel keeimbangan (eb agai 316 Ofya Z Tamin. mula mula kita hau memetimbangkan eilaku u mum emogaman matematika teebut.maih ibutuhkan bebeaa tahun lagi untuk aat mengembangkan an menguji algo itma yang cocok untuk enggunaan akti. Peanan bataan keua (beanya egeak an oitif) memang enting. Pemaalahan teebut aat ituli: m eminimumkan engan bataan: Ti = ∑ Ti an Ti > 0  Z{ Ti }= ∑ ∫ C l (V ).

i alam kuva biaya−au tiak boleh aa bagian yang menyebabkan biaya be kuang bila au meningkat.39) V l ∂Ti l C (V ) = ∑ l l δ li δ li Peamaan ini akan ama atau lebih bea ai nol jika tuunan hubungan biaya−au juga oitif atau nol. Ini meuakan eyaatan umum yang menjamin oe konv egeni untuk menaatkan olui yang unik ai konii keeimbangan Wao.40) Model pemilihan ru e 317 V . A tinya.38 V l )δ li = C i ∂Ti l Vl ∑ ∫ C l (V ).V = C l (V l ) V l ut.34) ∂V l = δ li Ti Sek aang. Kaena emaalahan yang inyatakan oleh eamaan ( 7. ai eamaan (7. kaena Vl hanya tegantung aa Ti jika utenya menggunakan ua teeb  Vl ∑ ∫ C l (V ).37) aalah emaalahan otimai yang memunyai bataan.contoh lihat Fik (1980). Metoe Lagange ituli ebagai: Ti . ∂Z (7. maka: l 0 Oleh kaena itu. maka oluinya b ia iaat engan menggunakan metoe Lagange. Sheffi an Powell (1981)).V  ∑ V l l [ ] an tuunan keua ai Z tehaa au lalulinta: ∂ 2Z 2 ∂Ti = C l (V l )δ li ∂ C (V ) ∂V l l =∑ ∑ ∂Ti l l δ i l (7.V l 0 ∂V l Vl ∫ C l (V ). φ id }) = Z ({ Tidr }) + ∑ ∑ φ id [Tid − Tidr ] L({ i d (7.36)−(7. Pembaca yang beminat ia ankan membaca buku Sheffi (1985) atau bebeaa tulian mengenai toik ini eet i Fenanez an Fiez (1983) an Floian an Sie (1982). Daat ielihatkan bahwa fungi tujuan Z aalah cembung kaena tuunan etama an keuanya memun yai nilai oitif: ∂Z ∂ = ∂Ti ∂Ti = Tetai.

∂Tidr ∂L * Jika Tidr =0. solusinya menghasilkan kondisi yang sesuai dengan prinsip kesei mbangan I Wardrop.15. ≥ 0 .00 0 kendaraan). ki a en u akan mendapa kan ba asan ersebu . maka: ∂Tidr Hal ini dapa di ranslasikan menjadi kondisi beriku pada kondisi op imum: * * φ id ≤ c i untuk emua i engan Ti =0 * * φ id = c idr un uk semua idr denga n Tidr >0 * harus sama dengan biaya perjalanan sepanjang ru e dengan Dengan ka a lain.37).14 memperliha kan hubu ngan biaya−arus. dihasilkan persamaan: ∂L ∂Z = − φ id = C idr − φ id ∂Tidr ∂Tidr * Di sini ki a mempunyai dua kemungkinan mengenai nilai Tidr pada kondisi ∂L * op imum. e api solusi ini idak begi u menen ukan. φ id nilai Tidr posi i dan harus kurang dari (a au sama dengan) biaya sepa njang ru e * lainnya (misalnya Tidr = 0). Yang ki a inginkan adalah solusi yang sesuai un uk o al pergerakan (2. dan hal ini dapa di unjukkan pada gambar 7. sa u se Tidr yang meminimumkan persamaan (7.7 Per imbangkan lagi kasus sua u pasangan an arzona dengan dua buah ru e al erna i pada con oh 7.39) mempunyai perilaku beriku : * c idr ≥ un uk semua Tidr =0 * c idr = un uk semua Tidr >0 Oleh karena i u. Con oh 7. Jika Tidr = 0 . Dengan me mbua urunan per ama dari persamaan (7. Sudah en u. Dengan membua urunan erhadap Tidr dan menyamakannya den gan nol (un uk op imasi). Gambar 7. φ id = c id . φ id harus sama dengan biaya minimum * * * perjalanan pergerakan dari i ke d. Dalam hal ini . kedua ungsi biaya−a rus disajikan dalam ben uk yang saling berla.dengan φid adalah pengali Lagrange yang berkai an dengan ba asan (7. Daerah yang diarsir adalah ungsi ujuan yang ki a ingin minimumk an.40) erhadap φid. Oleh karena i u. salah sa u cara un uk meminimumkan luas daerah ersebu adalah dengan menjamin idak ada arus V1 = V2 = 0. maka ≥ 0 karena ungsi ersebu adalah cembung.4.

15a bah.anan pada sumbu x dan dipisahkan ol eh o al pergerakan yang harus dibagi an ara kedua ruas jalan ersebu . Dengan m udah dapa diliha pada gambar 7.

a jumlah daerah yang berada di ba.

15b. Perencanaan dan pemodelan ranspor asi . 318 Oyar Z Tamin.ah ku rva biaya−arus akan minimum pada kondisi C1=C2. se iap keberangka an dari i ik in i akan menambahkan luas daerah arsiran baru seper i erliha pada gambar 7.

15 Keseimbangan pada sua u jaringan yang sederhana Sumber: Or uzar and Willumsen (1994) Terliha bah.14 Dua hubungan biaya−arus jalan pin as dan jalan embus Sumber: Or uzar and Willumsen (1994) (a) V1 V2 V1 (b) V2 Gambar 7.ru e 1 C2 C1 C2 ru e 2 C1 Gambar 7.

400 kendaraan yang menggunakan ru e 2. Tidak ada salah nya mengama i bah.a solusi keseimbangan menghasilkan arus sebesar 600 kendaraan yang akan melalui ru e 1 dan 1.

a biaya se iap ru e adalah 22 meni dan o al penggunaan jalan adalah 44. masalah solusi yang unik. * biaya perjalanan an arzona c id dan arus pada ruas V l* yang unik pada kondisi * op imum. liha gambar 7. Akan e api. con ohnya. maka o al biaya an arzonanya pun akan sama. Karena semua ruas yang digunakan (un uk se iap pasangan Asal−Tujuan) mempunyai biaya yang sama ser a minimum. Dalam kasus pembebanan keseimbangan. ki a mengab aikan beberapa isu pen ing. ampak hanya bi aya se iap ruas jalan c l* . Ini berar i masih erdapa beberapa kombinasi ru e dan arus pergerakan lain ya ng akan menghasilkan arus dan biaya yang sama. Hal ini dapa dengan mudah diliha jika erdapa beberapa zona eks ernal dari zo na asal yang menghasilkan pergerakan ke persimpangan A dan keluar ke zona ujuan yang berbeda dengan persimpangan .000 kendaraan meni . besar arus pada ru e Tidr secara umum idak selalu unik .5. Sebenarnya pergerakan ini Model pemilihan ru e 319 .

Algori ma dapa diliha sebagai usaha perbaikan dari me ode pengulangan baku yang elah didisku sikan pada subbab 7. penerapan ak ual prinsip ini dan algori ma solusinya idak erlalu diinginkan. 1 Pilih sa u se inisial biaya ruas.6.5. Program ma ema ik bersia idak linear dan dapa dipecahkan dengan berbagai ma cam me ode.2.2 Algori ma Frank−Wole Ki a elah membahas permasalahan program ma ema ik dan memperliha kan relevansin ya dalam pemecahan permasalahan pembebanan lalulin as pada kondisi keseimbangan. 7. Walaupun un uk menger i eori konsep pembebanan keseimbangan ini dib u uhkan dasar ma ema ik yang cukup kua .dapa disebarkan dengan berbagai macam komposisi an ara ru e 1 dan ru e 2 dan e ap menghasilkan kondisi keseimbangan (arus dan biayanya e ap sama).6. yang biasa digunak an adalah .4. 7.1 Algori ma Algori ma yang sanga umum digunakan adalah algori ma Frank−Wole.

eruskan ke ahap (2). Sua u se ahapan dalam kasus perumpamaan lembah ersebu adalah: 1 2 3 Pilih daerah yan g mempunyai mempunyai kemiringan yang paling curam dari i ik er en u. ebankan semua ma riks T dengan pembebanan all or no hing. un uk mendap a kan sua u se arus Fl. en uk sua u pohon biaya minimum. jika arus (a au biaya ruas) idak erlalu banyak perubahannya dalam dua pengulan gan yang beruru an. Inisialisasikan semua arus V l0 = 0. Perencanaan dan pemodelan ranspor asi . Algori ma Frank−Wole dapa dicerminkan sebagai proses pendeka an menurun erha dap masalah minimasi ungsi ujuan er en u. di sini φ dihi ung dengan menggunakan rumusan program ma ema ik. Permasalahan ini mirip dengan usaha mencari i ik dasar erendah dalam lembah yang mempunyai banyak dasar. Ini sud ah cukup un uk menjamin proses konvergensi ke solusi kondisi keseimbangan Wardro p. Di i ik ersebu lakukan kembali usaha un uk mencari kemiringan yang paling curam d an eruskan dengan ahap (2). kemudian se n = 0.ak u empuh pada kondisi arus bebas Cl(0). jika idak. Lakukan perjalanan ke arah ersebu dan berhen i di empa ki a harus mendaki lagi. Hi ung arus pada saa sekarang dengan persamaan: V ln = (1 − φ ) V ln −1 + φFl 5 Hi ung sa u se baru biaya ruas berdasarkan besar arus V ln . s op. kemudian se n = n + 1. sampai ki a menemukan i ik yang 320 Oyar Z Tamin. 2 3 4 Perbaikan yang u ama jika dibandingkan dengan me ode pengulangan erle ak pada ahap (4).

Hal ini persis dengan yang dilakukan oleh algori m a Frank−Wole. erlepas dari ruang yang mungkin mempunyai banyak ma ra. ki a sudah berada di i ik das ar lembah yang paling dalam).padanya idak lagi di emukan kemiringan (ar inya. didapa kan solusi yang mungkin (sua u i ik di dalam lembah) dan algori ma se erusnya menggunakan me ode pembebanan all or no hing un uk mencari arah yang mempunyai kemiringan ke ba. Pada se ia p ahap dalam pengulangan.

Frank−Wole mencari arah beriku nya yang memungkinkan {Widr} dengan menggunakan pendeka an linear erhadap Z (dalam hal ini digunakan dere Taylor): ∂Z W idr }) = Z({ Tidr }) + ∑ ∑ ∑ (W idr − Tidr ) Z ′({ i d r ∂Tidr idr ) − ∑ ∑ ∑ (C idr Tidr ) = Z({ i d r i d r (7. Ini permasalahan yang paling erkenal sehingga beberapa perbaikan elah disarankan un uk memperce pa proses konvergensi. Cara un uk melakukan hal in i adalah dengan memilih ru e yang pada saa sekarang mempunyai biaya lokal minim um (misalnya biaya yang dihasilkan oleh pembebanan all or no hing).41) Di sini. Penggunaan me ode pembebana n all or no hing dapa diliha sebagai pendeka an lokal dalam usaha meminimumkan ungsi ujuan Z. jika ki a meminimumkan pendeka an lokal Z. Model pemilihan ru e in i merupakan model yang erbaik sampai saa ini. hal yang belum di en ukan oleh solusi yang mungkin {Tidr} adalah CidrWi dr. ki a harus memilih ru e Wid r sehingga ak or perkalian Cidr dapa diminimumkan.ah. con ohnya ulisan Arezki (1986). Dalam ben uk yang umum. algori ma Frank−Wole akan konvergen dengan cepa se elah beberapa pen gulangan dan kemudian melamba begi u mendeka i i ik op imum. Kekurangan model ini adalah . Dengan menge ahui solusi yang paling memungkinkan yang dihasil kan oleh arus {Tidr}. Jadi. yang sanga cocok un uk daerah p erko aan yang diperkirakan eek kemace annya cukup berar i.

beberapa hal pen ing beriku perlu diperha ikan. an ara lain pendeka an heuris ik sederhana. • • • Apakah s olusinya e ap? Apakah hasilnya konvergen ke solusi yang sesuai dengan kondisi k eseimbangan Wardrop? Apakah eisien .ak u proses kompu er yang cukup lama dibandingkan dengan model all or n o hing. Salah sa u yang erbaik ada lah penggunaan kerangka kerja pemrograman ma ema ika. eberapa eknik elah diusulkan sebagai pendeka an kondisi keseimbangan Wardrop. Un uk membandingkan berbag ai algori ma ersebu .

ak u kompu asinya? Model pemilihan ru e 321 Tidr .

Jika idak. Dengan perbedaan i ni dapa diliha apakah proses pengulangan selanju nya akan menghasilkan perubah an yang berar i bagi arus a au biaya ersebu .Terdapa iga ipe dasar kri eria konvergensi pada 7. yai u: a dengan meliha perbedaan an ara arus a au biaya ruas pada se iap pengulangan yang ber uru an.2 Kri eria konvergensi prosedur pembebanan ba asan kapasi as.2. konvergensi dianggap sudah ercapai.6. dengan mengukur perbedaan an ara asumsi hubungan biaya−arus pada s aa a.

43) Z *( n ) tiak elu betambah aa etia engulangan. δ aalah nilai yang iha ilkan oleh eliih antaa biaya ute otimal an biaya ute tiak otimal. Biaya ini ihitung etelah engulangan eleai an total e geakan iaatkan untuk etia ua jalan. Kaena itu. Kaena itu.45) F (n) = ε ( n) 322 Ofyar Z Tamin. takian *( n ) tebaik ai nilai ini aalah Z * amai mak yaitu nilai makimum Z engula ngan teakhi.al pembebanan dengan hubungan biaya−arus pada saa akhir pembebanan. a Van V lie (1976) mengusulkan sua u indika or δ yang eing igunakan untuk melihat ebe aa ekat olui tehaa konii keeimbangan: δ= ∑ ∑ ∑ Ti (C i i   i  * − C i ) * ∑ ∑ Ti . meliha po ensi perbaikan pengulangan beriku nya. beberapa penulis mengusulkan kri eria konv ergensi pada pembebanan keseimbangan seper i yang diuraikan beriku ini.44) Van Vliet (1985) menguulkan uatu ukuan efektivita ai engulangan ke n.C i (7. yang dihasilkan apabila dilakukan pro ses b c erdasarkan iga ipe dasar ersebu . Prncanaan dan pmodlan transportasi . yai tu ebeaa bea enguangan Z elatif tehaa ε dngan rumus sbagai brikut: Z ( n ) − Z ( n −1 ) (7.). Ukuan ketiakatian fungi tujuan ini aalah: ε ( n) = Z ( n) − Z * mak c (7. b Evan (1976) menunjukkan bahwa aa engulangan ke n. bata bawah fungi tujuan Z * aat ihitung engan umu ebagai beikut: Z *( n ) = Z ( n ) − ∑ c l V l( n ) V l( n ) − Fl( n +1) l ( ( )( )) (7.42) * engan C i − C i aalah eliih biaya aa ute tetentu an biaya minimum u ntuk aangan (i.

Tampak bah.6. lalulintas akan brupaya mngatur dirinya dalam jaring an yang mact shingga dicapai rata-rata (atau total) biaya prjalanan yang mini mum) Prinsip ini digunakan untuk mmodl prilaku individu untuk mminimumkan biaya p rjalanannya.47). traffic should arrangd in congstd ntwor ks in such a way that th avrag (or total) travl costs is minimisd (Pada kon disi ksimbangan sosial. sharusnya ssorang mnganggap bahwa prgrakan akan mnga tur dirinya sndiri shingga mmnuhi prinsip ksimbangan I.3 Pmbbanan ksimbangan-sosial (KS) Wardrop (1952) mngusulkan altrnatif lain yang mnjlaskan pmbbanan prgraka n pada suatu jaringan. Fungsi tujuan trsbut juga dapat dinyatakan da lam bntuk yang lain sbagai brikut: Vl S{ Tidr }= ∑ ∫ [C ml (V )dV ] mminimumk an ( 7. Scara umum.37). I ni disbut solusi optimum sosial dan lbih mnkankan pada cara mrancang prila ku pngndara.7. Undr social uilibrium conditions. Prmasalah an ini dapat dipcahkan dngan mlakukan adaptasi sdrhana trhadap algoritma F rank−Wolfe beua enggantian fungi tujuan yang igunakan alam menaki aamete  φ dalam ahap (4) dari persamaan (7. Hampir smua yang tlah didiskusikan cocok dngan prinsip I Wardrop atau Ksimbangan-Pngguna (KP ). sring disbut Prinsip Ksimbangan II. Prinsip ini mnc rminkan kondisi sbagai brikut. bukan mmodl prilaku mrka.46) a au (7. arus prgrakan yang dihasilkan olh kdua prinsip trsbu t tidak slalu sama. Prinsip II Wardrop mnyatakan bahwa pngndara harus diarahkan dalam mmilih rut sdmikian rupa shingga total (atau rata-rata) biaya dapat diminimumkan.47) l 0 Cml adalah biaya marginal prjalanan spanjang ruas jalan l. Juga. Dngan mudah trlihat bahwa prinsi p II Wardrop dapat dinyatakan dalam bntuk pmrograman-matmatik brikut: mmini mumk an S{ Tidr }= ∑ [ V l c l (V )] l (7. digunakan olh prncana transportasi untuk mngatur prgra kan agar biaya prjalanan mnjadi minimum dan mncapai ksimbangan sosial yang optimum.46) dngan batasan prsamaan (7.

Solusi erhadap dua permasalahan ini idak selalu coc ok.a solusi permasa lahan ini membua semua biaya marginal dari semua ru e yang ada an ara dua i ik menjadi sama dan minimum. Perbedaannya erle ak pada ak or eks ernal akiba kemace an. dengan ka a lain. solusi keseimbangan pengguna menghasilkan o al biaya yang lebih besar daripada pemecahan keseimbangan sosial. Pengendara hanya menggunakan persepsi biaya s ecara pribadi ser a Model pemilihan ru e 323 .

04 V1 Dengan meng hi ung kedua persamaan di a as dan dengan menge ahui bah. Con oh 7.5).01 V2 ∂E1/∂V1 = 10 + 0. Ki a dapa menggunakan kebija kan biaya penggunaan jalan sebagai me ode yang sesuai yang membua pengendara me nggunakan biaya marginal selain biaya ra a ra a.8 Sekali lagi ki a men ggunakan permasalahan sua u pasangan an arzona yang mempunyai ru e 1 dan ru e 2 (liha gambar 7.02V1) bagi arus yang menggunakan ru e 1 J adi. biaya marginalnya adalah: ∂E2/∂V2 = 15 + 0.mengabaikan biaya undaan ambahan yang disebabkan oleh pengendara lainnya akiba semakin banyaknya kendaraan di sua u ruas jalan.005V2) bagi arus y ang menggunakan ru e 2 E1 = V1 (10 + 0. Hal yang perlu dilakukan adalah mencari pola arus pergerakan yang meminimumkan o al biaya yang mencakup: E2 = V2 (15 + 0.

5 33.000 Ru e 2 1.750 To al 2.500 30 22.a V1+V2 = 2. Ru e 1 Arus iaya marginal iaya ra a ra a Pengeluaran 500 30 20 10. ki a d apa memecahkannya dan mendapa kan kondisi keseimbangan sosial.750 Perha ikan bah.000 43.000.

Jelaslah . mungkin dengan menerapkan ari ol yang se ara. Un uk bisa mendapa kan kondisi op imum sosial. ki a harus dapa meningka kan biayanya sebesar 2. ki a idak bisa memilih ru e melalui ru e 1.1.5 meni melalui r u e 1.a o al pengeluaran sekarang adalah 250 kendaraan meni lebih ren dah dari pemecahan keseimbangan pengguna yang didapa dalam con oh 7. Cara seper i ini bisa me ngakiba kan perpindahan dari konsumsi pribadi ke konsumsi sosial yang akhirnya d apa menghema penggunaan sumber daya (.

penyebaran ru e an ara d ua i ik dihasilkan oleh perbedaan persepsi en ang biaya perjalanan.6. sedangkan pada model kedua disebabkan oleh eek ba asan kapasi as.ak u a au bahan bakar). 7.4 Pembebanan keseimbangan pengguna s okas ik (KPS) Ki a elah mendiskusikan model pembebanan arus lalulin as s okas ik murni dan ke seimbangan op imum pengguna murni. Dalam model per ama. Ki a mungkin memperkira kan bah.

Perencanaan dan pemodelan ranspor asi . Model yang mencoba menggabung kedua jenis eek ini disebu model Keseimbangan Pengguna S okas ik (KPS) yang mencari kondisi keseimbangan d engan cara: 324 Oyar Z Tamin.a di dalam reali a. kedua jenis eek ini pas i berperan pen ing dalam a hapan pemilihan ru e.

Each user chooses he rou e .

in o her .i h he minimum ‘perceived’ ravel cos s.

ord s. under SUE no user has a rou e .

i h lo.

er ‘perceived’ cos s and hereore all s ay

i h heir curren rou es (Se iap pengguna jalan memilih ru e yang meminimumkan
biaya persepsi perjalanan; dengan ka a lain, di ba

ah kondisi KPS idak ada sa
u pun pengguna jalan yang memiliki biaya persepsi perjalanan yang lebih rendah d
an oleh karena i u semuanya akan e ap menggunakan ru e yang sedang digunakan) 

erbeda dengan keseimbangan pengguna Wardrop, pada model KPS se iap pengendara d
ianggap dapa mendeinisikan biaya perjalanan secara individu, idak menggunakan
hanya sa u deinisi biaya perjalanan un uk semua pengendara. Secara eori, mode
l yang dapa menggabungkan perilaku s okas ik dengan keseimbangan erliha sanga
menarik; namun masih sukar dioperasikan dan idak prak is penggunaannya. Dari
sisi keprak isan, hal erpen ing dari kesukaran ersebu erle ak pada perilaku
konvergensi algori manya. Un uk mempelajari permasalahan ini, deinisi konvergen
perlu dievaluasi; algori ma pembebanan dika akan konvergen jika: • ki a dapa mem
ulainya dengan menggunakan sua u se biaya Cl, misalnya digunakan biaya arus beb
as pada pengulangan ke 1, sedangkan biaya hasil perhi ungan bisa didapa sebagai 
ungsi arus; ma riks kemudian dibebankan dengan menggunakan cara er en u, misa
lnya dengan model Dial, dan menghasilkan arus yang baru {Vl}, dan kemudian bisa
didapa : C l = C l (V l )

Dengan ka a lain, biaya akiba arus yang baru secara prak is sama dengan biaya y
ang digunakan un uk mencari ru e erbaik dan membebankan lalulin as. Jika sua u
algori ma idak bisa konvergen, solusinya (arus dan biaya) ergan ung pada saa
proses pengulangan dihen ikan. Con ohnya, perencana beriku nya yang melakukan ha
l yang sama, e api dengan jumlah pengulangan yang berbeda, akan menemukan adany
a perbedaan biaya; ini jelas bukan merupakan perilaku model yang diinginkan un u
k digunakan dalam proyek ranspor asi. Dapa di unjukkan bah

a dalam kasus spesi 
ik, dapa saja dirumuskan algori ma KPS agar bisa konvergen (Shei, 1985). Seb
enarnya, algori ma prak is un uk melakukan pembebanan KPS hanyalah kelanju an me
ode pembebanan berulang yang elah di erangkan pada subbab 7.5.4. Algori ma er
sebu dapa dijelaskan sebagai beriku : • • Se biaya Cl = Cl(0), misalnya dengan me
nggunakan biaya perjalanan pada kondisi arus bebas, inisialisasi Vl = 0 un uk se
mua l, se n = 0; Se n = n+1; ben uk sa u se pohon biaya perjalanan minimum de
ngan menggunakan da a arus yang ada;
Model pemilihan ru e 325

• 

ebankan MAT ke jaringan jalan dengan menggunakan pohon yang ada dan salah sa u
me ode s okas ik, misalnya urrell; dapa kan sa u se da a arus yang baru Fl; Hi
ung besarnya arus yang baru dengan persamaan: C l = (1 − φ ) V ln −1 + φFl dengan φ = 1/n


Hi ung sa u se biaya perjalanan baru berdasarkan arus Vln ; jika arus (a au bia
ya ruas) idak mengalami banyak perbedaaan di an ara dua pengulangan yang beruru
an, s op; jika idak, eruskan ke ahap (2).
Algori ma ini cenderung menghasilkan perubahan arus dan biaya yang kecil karena
nilai φ menjadi sanga kecil karena nilai n yang besar. Shei (1985) memperliha k
an bah

a algori ma ersebu dapa konvergen ke solusi KPS dalam

ak u yang cukup
lama, misalnya sampai dengan 50 pengulangan. Proses konvergensi algori ma erse
bu idak mono on karena proses pencariannya hanya menggunakan ra a ra a arah me
nurun. Kecepa an proses konvergensi sanga ergan ung pada ingka kemace an jar
ingan dan parame er dispersi. Proses konvergensi algori ma pembebanan berulang u
n uk masalah KPS dirasakan agak lamba un uk jaringan yang mace . Shei (1985)
juga memperliha kan bah

a pada jaringan yang sanga mace , KP dapa memberikan p
endeka an yang baik ke me ode KPS dan lebih cepa konvergen. Oleh sebab i u, dap
a disimpulkan bah

a me ode KPS hanya mengun ungkan pada masalah pembebanan yang
ingka kemace annya rendah dan sedang.
7.7 Pembebanan keseimbangan lanju
7.7.1 a asan me ode klasik
Dalam subbab sebelumnya elah di erangkan beberapa me ode pembebanan klasik erp
en ing yang dapa digunakan un uk proses pembebanan lalulin as. Sebelum membicar
akan me ode lebih lanju secara lebih rinci, ki a ulas dulu kelemahan u ama pend
eka an ersebu . Permasalahan bisa berasal dari sumber yang berbedabeda. a a as
an dalam pemodelan ruas simpul dalam jaringan jalan Hal ini melipu i ak a yang
menya akan bah

a idak semua ruas jalan erdeinisi dalam kodiikasi jaringan. I
ni menyebabkan adanya pengelompokan rip end yang menuju zona yang di

akili oleh
sua u pusa zona; pergerakan pada persimpangan idak bisa dianalisis dan perger
akan in razonal idak bisa dilacak. Permasalahan u ama pada jaringan yang idak
lengkap ini imbul pada daerah yang kemace annya cukup inggi; di sini beberapa
pergerakan yang berjarak sedang dan jauh akan menggunakan jalan kecil a au jalan
ikus. Rencana jalan baru mungkin dapa mengurangi kemace an dan menarik kembal
i beberapa kendaraan dari jalan ikus ersebu .
326 Oyar Z Tamin, Perencanaan dan pemodelan ranspor asi

Meskipun sudah dilakukan usaha yang baik dalam menghubungkan jaringan dengan pus
a zona, eek akhir e ap idak bisa dihilangkan. Ini menyebabkan perkiraan volu
me arus lalulin as yang diperhi ungkan akan lebih besar daripada yang ada, khusu
snya di daerah seki ar pusa zona. Terdapa beberapa cara un uk melengkapi sua u
simpul yang sederhana sehingga dapa mencerminkan dengan baik persimpangan; dap
a juga dengan menghilangkan beberapa ruas un uk menya akan larangan pergerakan.
Con oh persimpangan yang elah dilengkapi ampak pada gambar 7.16.
(a)
(b)
Gambar 7.16 (a) Cerminan sua u persimpangan sederhana dan (b) Persimpangan yang
elah dilengkapi Sumber: Or uzar and Willumsen (1994)
Se iap manuver pergerakan yang susah dapa digan ikan dengan ruas yang undaanny
a inggi. eberapa pake program yang lengkap menyediakan cara eisien yang seca
ra o oma is dapa melengkapi kodiikasi persimpangan, ermasuk pergerakannya. In
i bisa juga dilakukan secara manual sehingga dapa dipas ikan bah

a pergerakan p
ada persimpangan idak dapa erdeinisi dengan baik. Pergerakan in razonal juga
merupakan sumber permasalahan; beberapa pergerakan bisa saja menggunakan sua u
ruas jalan, e api pergerakan ersebu idak erliha di dalam pemodelannya. San
ga lah suli menanggulangi permasalahan ini. Yang paling bisa dilakukan adalah m
embagi zona ersebu menjadi beberapa zona yang lebih kecil sehingga pergerakan
yang adinya merupakan pergerakan in razonal di dalam sua u zona yang besar menj
adi pergerakan an arzonal an ara beberapa zona yang lebih kecil. Seluruh permasa
lahan ini lebih sukar di angani apabila luas zonanya cukup besar dan idak lengk
apnya kodiikasi sis em jaringan. Akiba nya, pencerminan jaringan yang resolusin
ya inggi akan memberikan hasil yang lebih baik sejalan dengan ber ambahnya

ak
u dan biaya un uk mendapa kannya. b Kesalahan dalam mendeinisikan biaya perseps
i ra a ra a Tidak jelas bagaimana permasalahan ini berubah menjadi ungsi

penyederhanaa n asumsi dapa mengakiba kan gala ambahan. dan lingkungan. jika ki a ingin meramalkan komponen biaya.ak u. jarak perjalanan. Model pemilihan ru e 327 . ujuan perjalanan. misalnya pemakaian bahan bakar. Juga. pendapa an.

Cara lain un uk menga asinya adalah dengan membagi pengendara menjadi beberapa kelas yang mas ing masing dilengkapi dengan biaya persepsinya. Seme n ara i u. d e Fluk uasi kebu uhan akan pergerakan Fluk uasi dapa menghamba ercapainya kondi si keseimbangan. Penyebarluasan inormasi jaringan ke se iap pengendara dapa mengungka pkan hal yang sebenarnya erjadi di lapangan. ampak sanga op imis ik. sej alan dengan semakin baiknya eknologi penyampaian inormasi lalulin as langsung pada pengendara. Selain i u.c Tidak semua pengendara mempunyai persepsi biaya yang sama Usaha pengembangan me ode s okas ik adalah usaha un uk menga asi enomena yang dimaksud. Diperkirakan pada masa menda ang. erbuk i banya k pengendara yang sanga dipengaruhi oleh rambu jalan dalam memilih ru e dan bia sanya sanga lah mahal melengkapi jalan dengan rambu lalulin as (Woo on e al. inormasi yang dike ahuinya en ang bagian jaringan lain ergan ung p ada pengalamannya dan pelayanan inormasi lalulin as. Arus kendaraan berluk uasi dalam sa u hari berdasarkan . akan erjadi perubahan dras is dalam konsep pembebanan lalulin as (bisa saja modelnya lebih komprehensi dan en u mahal dan suli di erapkan). 19 81). Dalam hal ini. prinsip keseimbangan Wardrop mencerminkan perila ku pengendara ra a ra a jika semuanya dianggap berpikiran sama dan mempunyai in ormasi yang lengkap. Me ode yang ada mengabaikan eek ini. Pengendara hanya mempunyai inorma si yang lengkap mengenai kondisi lalulin as pada ru e yang biasa dia lalui. Asumsi inormasi lengkap en ang biaya jaringan Walaupun hal ini sanga umum un uk semua model.

ak u. Ini dapa menyebabkan model yang dihi ung un uk 24 jam menghasilkan arus yan g idak benar. ermasuk juga .

Ki a menge ahui bah. Penggunaan periode punca k dan bukan puncak un uk pemodelan dan pembebanan diperlukan un uk daerah perko aan yang mace .ak u empuh dan biayanya.

a proses pemben ukan kemace an menghasilkan perubahan .

ak u empuh yang sanga berbeda dalam selang .

khususnya ke epa an MAT yang akan dibebankan. Juga. sedangkan yang lain idak menge ahuinya.ak u singka .  Gala masukan Ke epa an model pembebanan ergan ung juga pada ke epa an unsur la innya dalam model ranspor asi. iaya pada se iap ruas berubah secara dinamis akiba lalulin as. beberapa pengendara menge ahui benar hal ini dan. merencan akan perjalanannya. Ke salahan se. oleh karena i u. un daan selama 10 meni pada saa pemberangka an akan menyebabkan undaan yang jauh lebih lama pada saa keda angan di empa ujuan yang disebabkan oleh kemace an di jaringan jalan.

328 Oyar Z Tamin.ak u pengkonversian dari penumpang menjadi kendaraan juga mengurangi ke epa an pembebanan lalulin as. Perencanaan dan pemodelan ranspor asi .

Jika model pembebanan er en u menghasilkan lalulin as yang lebih besar dari kapasi as sua u persimpangan. Se iap selang . lalulin as erben uk dari kendaraan yang si a nya diskre yang menyebabkan an rian di persimpangan dan di daerah penyempi a n. Pada kenya aannya.7. Juga. beberapa asumsi penyederhanaan yang dilakukan dalam model pembebanan lalulin as membua model ersebu idak begi u realis ik un uk daerah perko aan yang mace .7. Pemben ukan an rian yang dinamis dan eeknya pada pem ilihan ru e Ini merupakan permasalahan yang suli yang dicoba dipecahkan dengan model seper i SATURN (Hall e al. a Model undaan yang lebih baik S ejauh ini. ada baiknya ki a per imbangkan in erak si an ara lampu lalulin as dan pemilihan ru e. ki a menganggap lalulin as sebagai peubah kon inu yang beroperasi dal am kondisi unak. ki a dapa kan model undaan yang lebih baik ser a pe mecahan masalah yang lebih dinamis. 1980) dengan memecah periode pengama an menjad i selang yang lebih pendek.2 Me ode in eraksi persimpangan Seper i elah didiskusikan. misal 10−15 meni an. Jika ki a ama i permasalahan pemilihan ru e dan pem bebanan secara lebih rinci. sudah pas i arus lalulin as yang dihasilkan akan l ebih kecil dari perkiraan.

Hal ini dapa menga asi beberapa penyebab kemace an.ak u dianggap seba gai permasalahan pembebanan yang sia nya berkondisi unak. e api masih menganggap bah.

a semua kendaraan p ada selang .

Model lain membebanka n kendaraan secara individu a au kelompok kecil dan membebankannya secara beruru an sepanjang selang .ak u yang sama mempunyai biaya yang sama pula.

Pendeka an ini digunakan oleh CONTRAM (Leonard and G o.ak u.

1982) yang mencerminkan undaan dengan lebih baik.er. e api merupakan bagian dari pla oon dengan selang . SATURN idak menganggap kendaraan secara individu.

kedua model ersebu diklasiikasikan sebagai m odel simulasi mikro. c In eraksi an ara lampu lalulin as dan undaan Hal ini san ga sukar dikaji. mencoba memben uk gelombang hijau (seseorang akan selalu mendapa kan lampu hijau se iap memasuki persimpangan yan g di emuinya). ak u (1−5 de ik). Sis em ersebu dirancang un uk menga ur pola pergerakan dan diha rapkan 10%−20% penghema an . Hampir semua ko a besar di negara maju mempunyai sis em ATCS ( Area Traic Con rol Sys em) yang lampu lalulin asnya dia ur oleh kompu er un uk mengurangi undaan. Dengan demikian. dan dalam beberapa kasus.

pola pergerakan lalulin as idak saja ergan u ng pada ru e erbaik yang digunakan. e api juga ergan ung pada . Masalahnya.ak u empuh bisa dicapai jika dibandingkan dengan sis em yang idak dia ur.

Te api. se iap model yang dikembangkan un uk m engkombinasikan pembebanan dengan lampu lalulin as selalu menemui b Model pemilihan ru e 329 .ak u lampu lal ulin as pada se iap persimpangan.

masalah. seper i con oh dalam Allsop and Charles.

or h (1977) dan Smi h (1979. 19 81). Salah sa u solusinya adalah melakukan pembebanan arus lalulin as dengan .

ak u lampu lalulin as yang e ap. menghasilkan perkiraan arus pada masa menda ang dan kemudian menjalankan program TRANSYT (Rober son. 1969) un uk mengop imumkan penga uran .

ak u lampu lalulin as yang baru. Proses ini harus dilakukan berulang kali dengan penga uran .

Permasalahan ini sanga ergan ung pada i ik a.ak u lampu lalulin as yang baru. dengan harapan pengulangan akan konvergen pada pemecahan yang s abil . un uk mendapa kan arus yang baru.

analisis sis em ranspor asi ersebu se lalu membu uhkan proses penyederhanaan karena erba asnya .al. misalnya.3 Pengaruh ingka resolusi sis em jaringan pada pembebanan lalulin as Sis em ranspor asi yang erdiri dari sis em zona dan 7.7. 7.7. TRANSYT menghasilkan penga uran lampu yang dapa menurunkan undaan sehingga merangsang pergerakan yang lebih besar pada pengulangan beriku nya.3. Secara umum.1 Pendahuluan sis em jaringan sanga kompleks. jika sua u korid or sudah sanga dibebani oleh lalulin as pada saa pengulangan per ama.

ak u dan biaya. Dapa diasumsikan bah. Sis e m ranspor asi yang elah disederhanakan ersebu disebu model jaringan. ebera pa model jaringan dapa dibua dari sua u sis em ranspor asi er en u ergan un g dari ingka kerincian a au ingka resolusinya.

a ingk a resolusi sua u model jaringan akan sanga mempengaruhi besarnya biaya dan .

ak u yang dibu uhkan dalam proses analisis. diperkirakan bah. Tambahan lagi.

Dapa dik a akan bah.a ing ka resolusi akan mempunyai eek pada se iap keluaran yang dihasilkan.

a semakin inggi ingka resolusi sua u model jaringan. maka akan sem akin besar biaya dan .

semakin inggi ingka akurasi keluaran yang dihasilkannya. Se iap peningka an ingka resolusi sua u model jaringan akan menghasilkan peningka an akurasi dar i keluaran yang dihasilkan dengan konsekuensi adanya ambahan biaya dan . akan e api .ak u yang dibu uhkan dalam proses analisisnya.

ak u. perlu dike ahui ingka resolusi yang op imal dengan membandingk an ingka keluaran yang diinginkan dengan besarnya biaya dan . O leh karena i u.

Salah sa u peneli ian yang dilakukan oleh Jansen and ovy (1982 ) di ko a Eindhoven (elanda) menemukan bah. ingka resolusi op imal ersebu suli di en ukan karena pen eli ian yang berkai an dengan masalah ini sanga jarang dilakukan khususnya di n egara Indonesia. Secara prak is.ak u yang dimilik i.

a ingka kerincian sua u sis em jar ingan mempunyai pengaruh yang cukup nya a erhadap kuali as keluaran pembebanan arus lalulin as. Disimpulkan juga bah.

a pada keadaan er en u. erdapa sua u si s em jaringan op imal rela i erhadap upaya penambahan (da a dan .

Mele.ak u).

330 Oyar Z Tamin. Perencanaan dan pemodelan ranspor asi . sis em jaringan yang lebih rinci hanya akan menghasilkan pe rbaikan yang marjinal.a i ingka ersebu .

Lubis.Tamin. Dalimun he dan Ira.

an (1999) mencoba mengkaji pengaruh ingka res olusi sis em jaringan erhadap kinerja hasil pembebanan di Ko amadya/Kabupa en  andung dengan menganalisis berbagai variasi sis em jaringan. Proses perbandingan dilakukan pada besaran nilai volume arus lalulin as dan . mulai dari yang pal ing halus (resolusi inggi) sampai dengan sis em jaringan dengan resolusi rendah .

Selanju nya. Proses penyederhanaan mode l jaringan dilakukan dengan cara menurunkan ingka resolusi sis em jaringan. dari hasil perbandingan ersebu .a k u empuh yang dihasilkan. ingk a resolusi sis em jaringan op imal dapa di en ukan. Ru ang lingkup kajian melipu i beberapa hal sebagai beriku : a Penyusunan berbagai variasi sis em jaringan di .

Mengukur kinerja se iap ingka resolusi yang di sajikan dalam ben uk besar arus ra a ra a dan kecepa an ra a ra a pada se iap ru as yang di injau (ruas ar eri pimer yang ada pada se iap ingka resolusi). b c d Da a yang digunakan dalam kajian ini diambil dari s udi ‘Sis em Transpor asi Terpa du di Ko amadya Daerah Tingka II andung’ (LP−IT. 75%. Meng ukur ingka akurasi se iap ingka resolusi dan menen ukan ingka resolusi op imal. dan 100% MAT. 1998b) dan s udi ‘Penyusunan Renca na Pengembangan Transpor asi Kabupa en andung’ (LPM−IT. Pembebanan dilakukan dengan beberapa variasi besarnya MAT. Pembebanan Ma ri ks Asal−Tujuan (MAT) menggunakan model Keseimbangan Wardrop dengan ban uan program kompu er SATURN. 50%. yai u 25%. 1998b).ilayah Ko amadya/Kabupa en andung dengan kri eria u n uk se iap ingka resolusi adalah berdasarkan hierarki jalan. a as .

ilayah s ud i melipu i Ko amadya andung dan Kabupa en andung. Hal ini didasarkan pada per imbangan bah.

7.a Kabupa en andung dengan 41 kecama annya mempunyai in eraksi kegi a an sosial ekonomi yang rela i inggi dengan Ko amadya andung.7. Kabupa en andung erle ak mengelilin gi .3.2 Kebu uhan da a Jika diliha dari sudu pandang geograis.

Un uk memperhi ungkan pergerakan yang berasal dari luar . Kabupa en andung erdiri a as 41 kecama an dengan sis em zona yang berbasiskan pada kecama an. Sedangkan.ilayah Ko amadya andung sehingga akan didapa kan sua u analisis sis em ran spor asi yang erpadu. Ko amadya andung berbasiskan kelurahan dengan jumlah zona sebesar 139.

maka dibua zona eks ernal yang erdiri dari k abupa en di seki ar andung Raya. yai u: Kabupa en Sumedang. Sub ang. Garu .ilayah kajian. dan Pur. Cianjur.

akar a. Sehingga jumlah keselu ruhan zona adalah 146 di mana 100 zona berada di . yang semuanya memben uk 6 buah zona.

dan 6 buah zona eks ernal. MAT yang digunakan diperole h dari hasil survei lalulin as pada ahun 1998 yang dilakukan di . 40 z ona di Kabupa en andung.ilayah Ko amadya andung.

Perubahan Model pemilihan ru e 331 .ilayah Ko amad ya andung dan Kabupa en andung.

ingka resolusi sis em jaringan hanya dilakukan pada .

ilayah Ko amadya andung dengan menganggap e ap sis em jaringan pada .

ilayah Kabupa en andung. Ruas pad a se iap ingka resolusi yang di injau juga berada pada .

Jadi ke epa an yang semakin inggi hanya bisa diperoleh deng an model yang menggunakan deinisi sis em zona yang mempunyai resolusi inggi. semakin mirip sua u model dengan reali anya.ilayah s udi Ko amadya andung. semakin baik pula ingka akurasinya. Namun ke erba asan sumber daya yang ersedia. Permasalahan ini mempunyai banyak dimensi yang melipu i ujuan s udi ya ng akan dicapai. menyebabkan model ersebu harus diagregasi sampai pada ingka er en u. dimensi .3.7. jenis peubah perilaku yang akan digunakan.3 Tingka resolusi Secara eori is. 7. d emikian pula dengan resolusi sis em jaringannya.

Semakin banyak jalan yang di e apkan. Memasukkan seluruh inormasi jaringan yang ada ke dalam model idaklah disarankan. Dalam hal ini ingka hierarki jalan akan sanga menen ukan yang juga ergan ung pada jenis se r a ujuan s udi. Tapi ini juga mempunyai konsekuensi be rupa ambahan biaya pengumpulan da a dan . semakin baik pula pencer minan model ersebu erhadap reali anya. e api resolusi jaringan ersebu haruslah cukup un uk mencerminkan kelayakan dari ru e yang dilalui oleh sebagian besar pergerakan.ak u. dan l ain lain.

ak u. dan lokal.11 bah.11.10−7 .10−7. ko lek or sekunder. Terliha pada abel 7. kolek or primer. ar eri sekunder. Perubahan ingka resolusi sis em jaringan didasarkan pada hierarki jalan secara ber ahap yai u: ar eri primer. Kedua biaya inilah yang menyebab kan model ersebu harus diba asi ingka resolusinya sesuai dengan ujuan yang diharapkan. Lima ingka resolusi sis em jaringan beser a karak eris ik kuan i a inya dijabarkan dengan uru an seper i erliha pada abel 7.

Sedangkan jalan ar eri primer yang mempunyai panjang se ki ar 104. Tabel 7.4 km (29.a jalan lokal yang mempunyai panjang seki a r 184.3 km (52.7%) menyumbang hanya seki ar 17% (nilai panjang x kapasi as) dalam sis em jaringan jalan di Ko amadya/Kabupa en andung.10 Tingka resolusi sis em jaringan Tingka resolusi 1 2 3 4 5 Ar eri primer √ √ √ √ √ Kolek or primer √ √ √ √ X Ar eri sekunder √ √ √ x x Kolek or sekunder √ √ x x x Lokal √ x x x x Ke erangan: √ = ada x = dihilangkan Sumber: Tamin. Lubis. Dalimun he dan Ira.4%) menyumbang hampir seki ar 52% (nilai panjang x kapasi as) dal am kon ribusinya mengalirkan arus lalulin as dalam sis em jaringan jalan di Ko a madya/Kabupa en andung.

an (1 999) 332 Oyar Z Tamin. Perencanaan dan pemodelan ranspor asi .

3 157.km/jam) (%) 2.275 1. Dalimun he dan Ira.Tabel 7.100 856.9 104.6 167.7 133.700 100 48 35 25 17 Sumber: Tamin.434. Lubis.170.4 PanjangxKapasi as (smp.11 Karak eris ik se iap ingka resolusi sis em jaringan Tingka resolus i 1 2 3 4 5 Jumlah simpul 404 203 130 106 59 Jumlah ruas 1205 468 309 223 113 Jumlah ruas sa u arah 136 47 23 20 9 To al panjang ruas (km) 351.700 617.600 417.

50%.4 Prosedur analisis Kinerja se iap ingka resolusi jaringan akan dianalis a melalui pembebanan MAT pada beberapa ingka sis em jaringan yang elah diben uk. y ai u: 25%. Pembebanan dilakukan dengan beberapa variasi MAT. Volume arus lalulin as hasil pembebanan pada se iap ingka resolusi kemudian dibandingkan dengan hasil pembebanan pada ingka resolusi 1 un uk meliha ingka penyimpangannya. Dalam hal ini. dan 100% MAT. 75%. Tujuannya adalah un uk meliha pengaruh besarnya pengaruh variasi pembebanan er hadap hasil pembebanan pada se iap ingka resolusi.an (1999) 7. Tingk a penyimpangan volume rela i erhadap ingka resolusi 1 (sis em jaringan pali ng halus) adalah besarnya perbedaan volume arus lalulin as yang dinya akan dalam persen (%). Ruas yang di injau adalah r uas ar eri primer yang ada pada se iap ingka resolusi.3. ingka penyimpangan 0% diar ikan bah. Model pembebanan yang digunakan adalah model KeseimbanganWardrop dengan ban uan program kompu er SATURN.7.

Tingka penyimpangan 200% memberik an hasil perbandingan 3 kali lipa . dan penyimpangan 100% berar i akurasi 0%. yang berar i bah. Penyimpangan 0% berar i akurasi sebes ar 100% yang merupakan akurasi erbaik. Tingka penyimpangan di a as 100 % akan memberikan akurasi yang nega i. Tingka akurasi diar ikan se bagai kebalikan dari ingka penyimpangan. penyimpangan 30% berar i akurasi sebesar 70%. dan se erusnya.a hasilnya per sis sama dengan ingka yang dibandingkan. sedangkan penyimpangan 100% berar i b esarnya penyimpangan mencapai dua kali lipa .

Hal ini disebabkan karena MAT yang dibebankan diben uk berdasarkan inormasi arus lalulin as pada jaringa n ingka 1.a hasil ersebu sanga idak akura . dan dibandingkan ingka akurasinya dengan ingka akurasi pada pembebanan K eseimbangan Wardrop. Volume arus lalulin as di pakai sebagai parame er un uk meliha ingka akurasi karena parame er lainnya y ai u kecepa an merupakan ungsi dari arus lalulin as. Hasil pembebanan pada se i ap ingka resolusi dibandingkan dengan ingka resolusi 1 karena es imasi arus pada ingka resolusi ersebu dianggap paling akura . Model pemilihan ru e 333 . dilakukan pembebanan me ode all orno hing pada pembebanan 100% M AT. Kemudian un uk memperliha kan pengaruh model pembebanan erhadap ha sil pembebanan. dengan perbandingan yang erlalu besar.

ser a diperiksa ingka akurasinya. erliha sis em grid lebih dominan.Sedangkan un uk menge ahui pengaruh dari ruas ruas sa u arah. Di pusa ko a khususnya di lok asi yang baru dibangun. dilakukan pembeban an Keseimbangan Wardrop pada se iap ingka resolusi jaringan yang semua ruas sa u arahnya dibua menjadi dua arah.5 Analisis jaringan Pola sis em jaringan jalan yang ada di Ko amadya andu ng adalah gabungan an ara sis em grid dan radial. Se elah dibobo kan erhadap jarak ruas.7. Tingka akurasi erhadap volume arus lalulin as pad a se iap ingka resolusi rela i erhadap. Dengan hadirnya jala n lingkar andung. hasil pemeriksaan disajikan dalam ben uk: • • • Arus l alulin as ra a ra a pada se iap ingka resolusi jaringan. 7. Soekarno−Ha a dan jalan ol Padaleunyi erliha bah. dimana dari hubungan ersebu dapa di en ukan sua u ingka resolusi op imum.3. Kecepa an ra a ra a p ada se iap ingka resolusi.

10−7. Lub is. Jadi erben uk lima buah ing ka resolusi sis em jaringan jalan seper i elah di erangkan pada abel 7.18 memperliha kan sis em jaringan jalan dengan ingka resolusi 1 d an 5. dan lokal. dilakukan perubahan resolusi pada sis em jaringan jal an ersebu berdasarkan ingka hierarkinya. Gambar 7. kolek or sekunder. Pola jaringan jalan radial dan jalan lingkar memben uk si s em jaringan jalan primer yang melayani lalulin as an ar ko a.17−7.11.17 Sis em jaringan ranspor asi ( ingka resolusi 1) Sumber: Tamin. Gambar 7. yai u: ar eri primer. ar eri sekunder. Dalimun he dan Ira. Un uk keperluan pengujian. kolek or prim er.a sis em r adial mulai erben uk.

an (1999) 334 Oyar Z Tamin. Perencanaan dan pemodelan ranspor asi .

Dalimun he dan Ira. Lub is.18 Sis em jaringan ranspor asi ( ingka resolusi 5) Sumber: Tamin.Gambar 7.

a.19. 7 5%. 50%. Sumbu ‘ ingka resolusi’ didasarkan pada nilai karak eri s ik ‘panjang x kapasi as’ un uk se iap ingka resolusi (liha abel 7.11) yang men unjukkan adanya proses penyederhanaan.7. Perbandingan arus lalulin as ra a ra a esar arus lalulin as ra a r a a un uk se iap ingka resolusi didapa kan dengan mengalikan besarnya arus lal ulin as di se iap ruas injauan yang diperoleh dari hasil pembebanan dengan panj ang ruasnya seper i erliha pada persamaan (7.48) Vola = volume arus lalulin as pada ruas a (smp/jam) La = panjang ruas a (km) es arnya arus lalulin as ra a ra a un uk se iap resolusi dan variasi pembebanan er masuk sensi ii asnya dapa diliha pada abel 7. ∑ (Vola xLa ) Volra a ra a = a ∑ La a (7.12 dan gambar 7.48) beriku .6 Hasil analisis Pembebanan MAT dengan menggunakan model Keseimbangan Wardrop dilakukan pada se i ap ingka resolusi jaringan dengan beberapa variasi pembebanan MAT (25%.an (1999) 7. Model pemilihan ru e 335 . dan 100%). Semakin ke kanan.3. Un uk se iap pembebanan dihi ung besarnya arus lalulin as ra a ra a dan kecepa an ra a ra a. ingka resolusi semaki n rendah.

26 3. Dalimun he dan Ira.02 3 1343 2252 3055 3935 Ca a an: Sensi ii as adalah gradien garis yang diben uk oleh ingka resolusi 3 dan 5 Sumber: Tamin.Tabel 7.49 7. Lubis.58 5.12 Arus lalulin as ra a ra a (smp/jam) Tingka pembebanan (%) 25 50 75 100 Tingka resolusi 1 534 1078 1613 2076 Sensi ii as 4 5 1760 3064 4424 5883 (*) 2 662 1373 1929 2423 3 770 1492 2012 2800 (10 /km) 2.

5 7.000 Res. 3 Res.19 Perbandingan arus lalulin as ra a ra a pada se iap variasi pembebana n dan ingka resolusi Sumber: Tamin.000 1.000 2.000 500.000 2. 1 Res.500.000 0 panjang x kapasi as (sm p. 4 Res.000 1.000. 2 50% 6. Lubis.000 1.000 0 2.000 25% 4. Dalimun he dan Ira.km /jam ) Gambar 7.an (1999) 100% 10.000 Res.000 3.500.000.000 5.

an (1999) .

Dari abel 7.19 erliha bah.12 dan gambar 7.

Kenaikan arus ra a ra a un uk se iap ingka pembebanan mempunyai pola yang sama dan cenderung mena jam se elah mele.a erjadi peningka an nilai arus ra a ra a seiring dengan semakin sederhananya sis em jaringan.

Hal ini menunjukkan bah.a i ingka resolusi 3.

sedangkan penyederhanaan lebih lanju akan menyeba bkan perubahan nilai arus ra a ra a yang cukup signiikan. Terliha pula bah.a besar arus ra a ra a idak begi u erpengaruh oleh adanya penyederhanaan sis em jaringan samp ai dengan ingka resolusi 3.

a s emakin besar MAT yang dibebankan maka arus ra a ra a yang erjadi un uk se iap r esolusi juga semakin besar. Terliha bah. esarnya ingka sensi ii as (gradien perubahan aru s ra a ra a an ara ingka resolusi 3 dan 5) un uk se iap variasi pembebanan dap a diliha pada abel 7.12.

000 75% 8.000 .a semakin besar pembebanannya. Perencanaan dan pemodelan ranspor asi Arus ra a ra a (sm p/jam ) 25% 50% 75% 100% 9. sensi i i as perubahan nilai arus ra a ra a juga 336 Oyar Z Tamin.

13 memperliha kan besarnya peningka an arus ra a ra a pa da se iap proses penyederhanaan.20 1.24 1.36 1.16 1.52 1.50 Sumber: Tamin.17 2−3 1.16 3–4 1.09 1. Lubis. Tabel 7.75 1.04 1.semakin inggi.27 1.13 Peningka an arus lalulin as ra a ra a Tingka pembebanan (%) 25 50 75 100 Kenaikan arus (smp/jam) 1−2 1. Tabel 7. Dalimun he dan Ira.45 1.31 1.51 1.41 4–5 1.

an (1999) Terliha bah.

peningka an arus ra a ra a erbes ar selalu erjadi pada penyederhanaan dari resolusi 3 ke 4.19 dan abel 7.12−7.a pada se iap variasi pembebanan.13. Dari hasil analisis perbandingan nilai arus ra a ra a yang dapa diliha dari gambar 7. maka un uk semen ara dapa disimpulkan bah.

49) = kecepa an pada ruas a (smp/jam) La = panjang ruas a (km) esarnya kecepa an ra a ra a un uk se iap resolusi dan se iap variasi pembebanan ermasuk sensi ii asnya dapa diliha pada abel 7. b.a ingka resolusi op imal b erada pada ingka resolusi 3.49) beriku . ∑ (va xLa ) vra a ra a = v a ∑ La a (7.14 Kecepa an ra a ra a (km/jam) Tingka pembebanan (%) 25 50 75 100 Tingka resolusi 1 56 51 46 41 Sensi ii as 5 41 19 9 5 5 (*) 2 55 48 42 32 3 53 47 40 29 .20.14 dan gambar 7. Perbandingan kecepa an ra a ra a esar kecepa an ra a ra a un uk se iap ingka resolusi didapa kan dengan mengalikan besarnya kecepa an pada se iap ruas injauan yang diperoleh dari hasil pembebanan dengan panjang ruasnya seper i erliha pada persamaan (7. Tabel 7.

70 6. Dalimun he dan Ira. Lubis.28 6.95 5.38 Ca a an: Sensi ii as adalah gradien garis yang diben uk an ara resolusi 3 dan 5 Sumber: Tamin.4 48 34 21 13 (10 /smp) 2.

an (1999) Model pemilihan ru e 337 .

000. 4 Res. 3 Ra a (km/jam) Kecepa an Ra a Res.km/jam) Gambar 7.500. 2 60 Res.000 1.20 Perbandingan kecepa an ra a ra a pada se iap variasi pembebanan dan ingka resolusi Sumber: Tamin.000.Res. Lubis.000 1.000 500. 5 40 25% 30 20 10 0 50 25 % 50 % 75 % 100% 50% 75% 100% 2. 1 Res.000 2.500. Dalimun he dan Ira.000 0 panjang x kapasi as (smp.

14 erliha bah.20 dan abel 7.an (1999) Dari gambar 7.

a erjadi penurunan nilai kecepa an ra a ra a seiring dengan semakin sederhananya sis em jaringan. Penurunan kecepa an ra a ra a un uk se iap ingka pembebanan mempunyai pola yang sama dan cende rung menajam se elah mele.

a i ingka resolusi 3. Hal ini menunjukkan bah.

Te rliha pula bah. sedangkan penyederhanaan lebih lanju akan menyebabkan perubahan nilai kecepa an ra a ra a yang cukup signiikan.a nila i kecepa an ra a ra a idak begi u erpengaruh oleh adanya penyederhanaan sis em jaringan sampai dengan ingka resolusi 3.

14. esarnya ingka sens i ii as (gradien perubahan kecepa an ra a ra a an ara ingka resolusi 3 dan 5) un uk se iap variasi pembebanan dapa diliha pada abel 7. Terliha bah.a semakin besar MAT yang dibebankan maka nilai kecepa an ra a ra a yang erjadi un uk se iap resolusi juga semakin rendah.

e api mele.a s emakin besar pembebanannya. sensi ii as perubahan nilai kecepa an ra a ra a jug a semakin inggi.

sensii as kem bali menurun.20 dan abel 7. maka un uk semen ara dapa disimpulkan bah.14. karena nilai kecepa annya mendeka i nol.a i ba as er en u (yai u 75% MAT). Dari hasil analisis perba ndingan nilai kecepa an ra a ra a yang dapa diliha dari gambar 7.

Tingka penyimpangan nilai arus ra a ra a rela i erhadap ingka resolusi 1 esarnya ingka penyimpangan nilai arus ra a ra a rela i erhadap ingka resolusi 1 dapa dirumuskan dalam persamaan (7. Perencanaan dan pemodelan ranspor asi . c.50) beri ku : 338 Oyar Z Tamin.a ingka resolusi op imal bera da pada ingka resolusi 3.

Model pemilih n rute 339 Tingk t penyim p ng n (% ) .000 1.29 206.02 169 125 103 104 C t t n: Sensitifit s d l h gr dien g ris y ng di entuk nt r resolusi 3 d n 5 Sum er: T min.000. J di is dik t k n hw optim si sistem j ring n er d di sekit r tingk t resolusi 3 deng n penyimp ng n se es r 37%.21 d p t dilih t hw penyederh n n s mp i tingk t resolusi 3 m sih mem erik n tingk t penyimp ng n y ng tid k j uh er ed deng n se elumny .50) Xi = nil i rus r t r t p d resolusi i (smp/j m) X1 = nil i rus r t r t p d resolusi 1 (smp/j m) Bes r tingk t penyimp ng n nil i rus r t r t rel tif terh d p tingk t resolusi 1 dis jik n d l m t el 7. S etel h melew ti tingk t resolusi 3 terj di peningk t n penyimp ng n y ng t j m.15 Tingk t penyimp ng n nil i rus r t (%) Tingk t pem e n n (%) 25 50 75 100 Tingk t resolusi 1 0 0 0 0 Sensitifit s(*) 4 5 283 226 203 206 2 37 42 37 30 3 57 52 43 37 (%/smp.15 d n g m r 7. 4 100 % 200 175 150 125 100 75 50 25 0 Res.000 p nj ng x k p sit s (sm p.000.000 2. 2 Res.66 225.km/j m) 282. D limunthe d n Ir w n (1999) D ri g m r 7.000 0 G m r 7. hk n p d tingk t resolusi 5 mem erik n penyimp ng n y ng mele ihi 100%.km /j m ) 500.21 Tingk t penyimp ng n nil i rus r t r t rel tif terh d p tingk t 1 Sum er: T min.500.500.91 203.∆ = ∆ = tingk t penyimp ng n (%) Xi − X1 X1 x 100% (7. 3 Res. 5 50 % 75 % 300 275 250 225 25 % 50 % 75 % 100% Res . T el 7. Lu is.21. D limunthe d n Ir w n (1999) 25 % Res.000 1. Lu is. 1 2.

.

000 1. D limunthe d n Ir w n (1999) Res. d p t disimpulk n hw tingk t resolusi optimum untuk wil y h kot m dy /K up ten B ndung er d p d tingk t resolusi 3 y ng meliputi j l n rteri primer .19−7.16 d n g m r 7.02 All or Nothing 0 33 72 173 315 315. T el 7. T el 7. Lu is. Perenc n n d n pemodel n tr nsport si . Terlih t pul hw sem kin rend hny es r pem e n n men ikk n sens itifit s (sensitifit s pem e n n 25% MAT le ih es r d rip d sensitifit s pem e n n 100% MAT).km/j m) Keseim ng n W rdrop 0 30 37 104 206 206. 5 325 300 250 225 Tingk t Penyimp ng n (%) 275 keseim ng n All Or Nothing Res. j l n kolektor primer.000 1.500. d n j l n rteri sekunder.500.Sehingg . 21). tingk t resolusi j ring n y ng m sih mem erik n kur si optim l d l h p d tingk t resolusi 3 deng n tingk t kur si se es r 63%.22 m emperlih tk n tingk t penyimp ng n nil i r t r t rel tif (terh d p tingk t res olusi 1) jik 100% MAT di e nk n deng n model ll or nothing d n model Keseim ng n W rdrop. 1 2.km/j m) G m r 7.000. D limunt he d n Ir w n (1999) 340 Ofy r Z T min.12 Sum er: T min.22 Tingk t penyimp ng n nil i rus r t r t rel tif (%) deng n model p em e n n Keseim ng n W rdrop d n All or Nothing Sum er: T min. sesu i deng n h sil terse ut. 3 Res.000 2. Deng n melih t kinerj nil i rus r t r t d n nil i kecep t n r t r t esert tingk t penyimp ng nny (lih t g m r 7. 2 Res. Lu is.16 Tingk t penyimp ng n nil i rus r t r t rel tif (%) deng n model pe m e n n Keseim ng n W rdrop d n All or Nothing Tingk t resolusi 1 2 3 4 5 Sensitifit s (%/smp.000 500.000 0 p nj ng x k p sit s (smp.000. 4 200 175 150 125 100 75 50 25 0 Res. H l ini terj di k ren d ny kondisi keseim ng n d n peng ru h t s n k p sit s p d j ring n.

Asumsi pelet k n penghu ung pus t zon p d su tu simpul se g i j lur kelu r d ri pus t zon k n mempeng ruhi es rny estim si rus p d seti p ru s j l n. penyederh n n le ih l njut k n mengh silk n penurun n tingk t kur si y ng t j m. Perger k n p d d er h di sekit r ru s terse ut k n mengh silk n kes l h n estim si y ng cukup serius.16 d n g m r 7. metode pem e n n Keseim ng n W rdrop mem erik n h sil y ng le ih ik di ndingk n deng n metode ll or nothing. sem kin rend h pul tingk t kur siny . d l m j ring n j l n y ng p d t. untuk wil y h Kot m dy /K up ten B n dung p d kondisi j ring n j l n p d t (j m si uk) d p t disimpulk n hw model pem e n n Keseim ng n W rdrop mem erik n h sil pem e n n y ng le ih ik di ndingk n model ll or nothing. r h perger k n p d seti p ru s perlu diperh tik n se ik ikny .T el 7. t u m l h se likny . kolektor prime r. deng n k t l in. 7. Sehingg . Keduduk n penghu u ng pus t zon jug h rus diperh tik n le ih seks m . terut m j l n j l n sekunder ( t u lok l) di sekit r ru s s tu r h terse ut g r rus kend r n mempuny i rute perger k n y ng no rm l sesu i kondisi keny t nny . N mun. Sec r hipotes . tingk t resolusi optimum er d p d tingk t resolusi 3 y ng meliputi j l n rteri primer. sem kin rend h tingk t kep d t n j l n m k per ed n h sil pem e n n nt r model keseim ng n W rdrop deng n model ll o rnothing sem kin tid k terlih t.22 memperlih tk n hw h sil pem e n n deng n model l l or nothing mem erik n sensitifit s y ng le ih tinggi d n penyimp ng n y ng le ih es r di ndingk n deng n model Keseim ng nW rdrop. terd p t su tu tingk t resolusi optimum d ri sistem j ring n terse ut. Sem kin sederh n su tu sistem j ring n model. sem kin ren d h tingk t kep d t n j l n. Kes l h n ini is er rti pem e n n y ng terl lu erle ih n. m k d p t dit rik e er p kesimpul n: Penyederh n n sistem j ring n meng ki tk n erkur ngny tingk t kur si h sil pem e n n p d seti p ru s j l n. Sec r hipotes . d n rteri sekunder. sehingg p d umumny rus l l ulint s d n w ktu tempuh perger k n p d seti p ru s j l n k n meng l mi pening k t n. mem er ik n tingk t kur si y ng le ih kecil.3.7. H l ini dise k n k ren perger k n p d ru s y ng di greg si er lih ke ru s y ng m sih d .7 Kesimpul n Setel h melih t h sil penguji n y ng tel h dil kuk n. per ed n h sil pem e n n nt r model Keseim ng n W rdrop deng n model ll or nothing sem kin tid k terlih t. c d e Model pemilih n rute 341 . Oleh k ren itu. Untuk wil y h Kot m dy /K up ten B ndung. D l m menyederh n k n sistem j ring n h rus diperh tik n d ny ru s ru s j l n s tu r h. Melew ti tingk t resolusi optimum. P d seti p tingk t resolusi. H l ini dise k n k ren kondisi j ring n j l n y ng p d t.

d n k ren itu terj di peru h n str tegi pem e n n untuk penggun ngkut n umum. H l y ng perlu diperh tik n d l h: • kem cet n ki t mo il y ng erpeng ruh terh d p w ktu tempuh us p d rute tertentu. jik ingin meng n lisis j l n rteri primer. Perenc n n d n pemodel n tr nsport si . Untuk peneliti n le ih l njut tent ng m s l h ini. Seperti tel h dijel sk n. Keunggul n oper si multimod ini s ng t terg ntung p d kem cet n. Tet pi. H l ini mengh rusk n kit mempertim ngk n peng ruh kem cet n d n t und n p d pemilih n mod d n tuju n perj l n n. P d semu k sus di t s. m s l h menj di le ih rumit k ren merek h rus memutusk n untuk mengg nti st siun p rk nd ride ny ki t kem cet n p d j rin g n j l n d n ini tentu mengu h tingk t kem cet n.1 Pend hulu n Jenis pem e n n keseim ng n y ng tel h kit diskusik n sej uh ini h ny meng t ur s tu mod s j di d l m j ring n. kem cet n ki t us (d n sistem LRT) sert oper si pem erhenti n us erpeng ruh p d k p sit s d n kecep t n mo il. dis r nk n mem sukk n p d sistem j ring n j l n sekur ng ku r ngny du tingk t hier rki j l n y ng le ih rend h d ri y ng di n lisis. d n t rif (mod tr nsport si d n p rkir). kunci ut m d l h penentu n tingk t hier rk i j l n. p rinsip y ng s m erl ku untuk kem cet n t u perm s l h n k p sit s d l m j rin g n ngkut n umum.8 Keseim ng n sistem tr nsport si 7. term suk pemilih n ruteny . kolektor primer. Diperk ir k n sem kin tinggi tingk t resolusi sistem zon (sem kin ny k zon ) m k se m kin tinggi tingk t kur si h sil pem e n nny .8. Prinsip I W rdrop memodelk n jenis peril ku ini d n lgoritm y ng sesu i y ng memungkink n identifik si rute d n rus y ng mengh silk n i y y ng konsisten semu pengend r . kit sel njutny h rus meng sumsik n MAT y ng tid k tet p y ng dise k n oleh peru h n y ng c ep t p d j ring n j l n t u sel ng w ktu y ng p nj ng. mis lny : peng ruh tingk t resolusi sistem zon d n sumsi penemp t n penghu ung pus t zon . g 7. e er p spek l in y ng mempeng ruhi perlu dim sukk n d l m ru ng lingkup k ji n. frekuensi pel y n n. khususny y ng meny ngkut i y perj l n n. Mis l ny . Kit h rus meng ngg p hw ke utuh n k n perger k n ersif t el stis. d n rteri sek under. ki t m sih meng sumsik n MAT y ng tet p untuk seti p mod . d n semu ini i s ny s ling mempeng ruhi. Perm s l h n menj di le ih kompleks p il kit mul i memper tim ngk n inter ksi nt r du t u le ih mod . 342 Ofy r Z T min. • D l m k sus penggun multimod . Untuk itu. inter ksi y ng dise k n oleh penggun n p rk nd ride nd kiss nd ride nt r us d n keret pi.f D l m merenc n k n sistem j ring n. m k perlu di u t sistem j rin g n j l n y ng terdiri d ri j l n rteri primer.

G m r 7.7.54a) Moel emilihan ute 343 . Pertim ngk n su tu perm s l h n d l m entuk umum − su tu kurv ke utuh n k n perger k n diinversi untuk mend p tk n i y perj l n n se g i fungsi juml h perger k n Cid = gid(Tid). pertim ngk n fungsi tuju n erikut ini: meminimumk n deng n t s n erikut: Tid Vl Z = ∑ ∫ c l (V )dV − ∑ ∑ ∫ g id ( t ) dt l 0 0 i d (7.8. i y perj l n n nt r i d n d tid k k n pern h nol.23.51) Tidr ≥ 0 Tidr = ∑ Tidr r (7.2 Kom in si pemilih n mod deng n pem e n n C r y ng cocok untuk meng t si perm s l h n ini d l h deng n mengg ungk n e er p model menj di su tu kom in si model. seperti terli h t p d g m r 7. S ng tl h men rik jik kit d p t mem u t model y ng mengkom in sik n pem e n n d n ke utuh n k n perger k n.53) V l = ∑ ∑ ∑ Tidr δ li i   Tuunan etama Z tehaa Ti aalah: ∂Z = C i − g i ∂Ti Kita ekaang aat me metimbangkan eilaku Z tehaa Ti ecaa langung: * Jika Ti =0 maka ∂Z ≥ 0 an c i ≥ g i ∂Ti (7. Oleh min k ren itu. Pert m . d p t di sumsik n terd p t nil i minimum C id p d kondisi y ng m ks ke utuh n k n perger k n m ksimumny Tid .52) (7. mis lny mengg ungk n proses pem e n n ers m n deng n proses pemilih n mod .23 Contoh kurv ke utuh n d n inversiny Sum er: Ortuz r nd Willumsen (1994) Sud h r ng tentu.

M M Gamba 7. Jika Ti ekaang aalah total egeakan untuk emua moa (angkutan umum an M mobil ibai) antaa i an . alam bebeaa kau. Petimbangkan ekaang emaalahan yang lebih eeha na yang mengkombinaikan hanya emilihan moa an oe embebanan. jika ute tetentu igunakan. Dalam kau ini. Hal ini iilutaikan aa gamba 7. kita aat meumukan emaalahan embebanan engan kebutuhan elati eb agai engembangan lebih lanjut ai oe embebanan engan kebutuhan tiak ela ti. kita hau memunyai hal yang beikut: * g i (Ti ) = c i Fungi kebutuhan invei aat beua bentuk fung i yang umum. Tetai. maka Ti aalah egeakan yang menggunakan B M mobil ibai.55) an kita ekaang aat menuli kembali emaalahan otimai teebut ebagai: meminimumk an Ti Vl Ti Z = ∑ ∫ c l (V )V − ∑ ∑ ∫ g i ( t ) t  Ti engan bataan yang ama. Kita aat menyeehanakan ua jalan ini an hanya memunyai atu ua gabungan antaa etia aangan Aa l−Tujuan yang aat menceminkan egeakan. kemuian biaya ute teebut hau  membeikan nilai tetentu untuk kuva kebutuhan. 24. Kita aat membuat ua jalan bau alam jaingan jalan yang akan igunakan o leh egeakan yang tiak menggunakan mobil ibai. mungkin aja tiak bia iaatkan f ungi analiti yang baik.24 Contoh jaingan yang ilengkai Sumbe: Otuza an Willumen (1994) Beanya egeakan yang menggunakan angkutan umum aat juga ituli engan e amaan beikut: B Ti = Ti − ∑ Ti  (7. eangkan ianya Ti = Ti − Ti menggunakan moa angkutan umu m. 344 Ofya Z Tamin.* Jika Ti ≥0 maka ∂Z = 0 an c i = g i ∂Ti (7.54b) Oleh kaena itu. Peencanaan an emoelan tanotai + ∑ ∑ ∫ .

mialnya moel logit binomial. beua kuva biaya−au fiktif.Integal etama aalah fungi tujuan untuk emaalahan embebanan keeimbangan yang konvenional. Oleh kaena itu. Wid(n) Vl (n + 1) = (1 − φ). 1 2 Siakan kuva biaya−au fiktif untuk etia aangan (i. Fl(n) Model pemilihan ru e 345 .) ya ng iteukan engan moel emilihan moa. fungi tujuan ekaang aat ituli kembali ebagai: meminimumk an (7 . Iniia liaikan n = 0. bebankan emua Ti ke ute tebaik (biaya minimum) an egeak an yang ihailkannya inyatakan ebagai Va aa ua aa jaingan ebenanya  an ebagai Ti(n) aa ua aa jaingan yang ilengkai.   (n)= g i [Ti(n)]. Tetai. kita tiak elu membuat ecaa ekliit j aingan yang ilengkai. mialnya kuva biaya−au fiktif yang iimlikaikan Buat g i engan total egeakan ikuangi jumlah egeakan mobil ibai ai i ke . 3 4 Definiikan matik Wi(n) yang ibebankan ke jaingan ebenanya ehingga: i ( n) = 0 jika g ′ ( n)≥c * i i jika tiak Ti W 5 6 Hitung ute tebaik yang bau (biaya minimum). Gabungkan emua egeakan i an  (Ti) an au ebenanya (Vl) teebut engan caa be ikut: Ti ( n + 1) = (1 − φ). m ialnya algoitma Fank−Wolfe. yang ielukan hanya kuva biaya−au yang membutuhkan h al beikut ini. an aatkan bea au yang bau beua Fl(n) ebenanya. yaitu 0 an total egeakan. Yang keua. bebankan Wi(n) aa ute tebaik teebut.56) Sekaang telah tebentuk fungi tujuan gabungan yang keua bagiannya aat iint eetaikan ebagai aeah yang beaa i bawah kuva biaya−au. emaalahan ekaang uah b ia iecahkan engan menggunakan algoitma embebanan keeimbangan yang baku. engan mengganti  elang Ti ke Ti menjai 0 B ke Ti ehingga: g′ i ( t ) = g i (Ti − t ) B Ti Vl  Z = ∑ ∫ c l (V )V − ∑ ∑ ∫ g i ( t ) t l 0 i  0 Akhinya. Vl(n)+ φ. alam kontek ini. hal teebut aat iaba ikan alam oe otimai. alam kau ke ua. Tid(n) + φ. oleh ebab itu. Kita ekaang aat membuat kuva biaya−au fiktif un tuk egeakan mobil M ibai melalui egantian titik aal. integal ilakukan antaa ua bataan.

dimungkink n penggun n lgoritm Fr nk−Wolfe untuk memec hk n perm s l h n ini.57) hw fungsi terse ut d l h fungsi cem ung d n deng n menggun k n teknik L gr nge.1 Kombinasi sebaran dan pembebanan Model seper i ini dihasilkan dari pemrograman ma ema ik beriku : meminimumk an Vl Tid − 1)] l 0 β i d (7.3. dan me ode pemilihan ru e pada kondisi keseimbangan 7. solusi fungsi terse ut d p t dih silk n : * * ) T id = i d exp ( β c id * .8.56). ki a bebankan o al pergerakan ke jaringan sebenarnya. 7. pem e n n.φ dipilih agar dapa meminimumkan ungsi ujuan (7. Dalam ahap (3) dan (4). menggunakan algori ma Frank−Wole dengan mem bebankannya menggunakan model pembebanan all orno hing ke jaringan yang dilengka pi.57) 1 Z = ∑ ∫ c l (V ) dV deng n t s n se g i erikut: Tidr ≥ 0 ∑ Tid d − Oi = 0 − Dd = 0 (7.8. Tet pi. 7 ua n = n+1 dan kembali ke ahap (2) jika kri eria konvergensi belum dicapai. ki a menghi ung biaya ruas ik i dan membandingkannya dengan biaya minimum pada jaringan sebenarnya. jika idak. Ev ns (1976) erh sil menemuk n lgoritm y ng le ih efisien y n g menc kup solusi d ri model gr vity d n perm s l h n pem e n n keseim ng n de ng n ke utuh n tid k el stis. d n pemilih n mod T h p n erikutny d l h mengkom in sik n se r n. Sekali lagi. s l h s tu di nt r ny d l h Flori n nd Nguyen (1978). 7.8. Pendek t n ini tel h dikerj k n oleh e er p peneliti. Merek menco menerusk n pengem ng n model kom in s i se r n d n pemilih n mod y ng tel h diter ngk n p d 6 menj di entuk pe rm s l h n ru se g i erikut: 346 Ofy r Z T min. ujuan. Model pem e n n keseim ng n digun k n untuk mend p tk n t ksir n c id Sek li l gi. Implemen asi algori ma ini membu uhkan hanya sediki modiikasi dalam kodii kasi me ode pembebanan keseimbangan Frank−Wole. Ki a kemudian membebankan Tid  * ( o al pergerakan) ke ru as yang dilengkapi jika g id < C id .3 Moda.3.59) ∑ Tid i D p t terlih t p d pers m n (7.2 Kom in si se r n.58) (7. Perenc n n d n pemodel n tr nsport si − ∑ ∑ [Tid . pem e n n. d n pemilih n mod d l m h ny s tu ke r ngk kerj optim si y ng d p t memec hk n tig perm s l h n sek ligus.

63) M ∑ Tidr r M + V lB V l = ∑ ∑ ∑ δ li Ti i   M B M itambah engan atu bataan bau yang menjaikan nilai Ti . memunyai atu emecahan yang unik alam be ntuk: M Ti = a i b ex ( β ) B Tid = i d exp ( β uc B id ) (7. Ti .62) (7. • • B ui aalah waktu temuh engan menggunakan angkutan umum. Semu lgoritm terse ut is dir ngkum se g i erikut: 1 M B D p tk n solusi inisi l untuk Tid . VlB aalah kontibui angkutan umum aa au aa ua jalan l: au ini bia m emunyai nilai nol untuk angkutan umum yang memunyai lintaan teiah. ecaa umum.64 ) (7.61b) (7. P r peneliti ini jug mengem ngk n d pt si lgoritm Fr nk−Wolfe untuk memec hk n perm s l h n ini. Algoritm ini mem utuhk n persy r t n komput si y ng ring n di nding k n deng n ukur n perm s l h n y ng dih d pi.M M B B B meminimumk n Z = τ∑ ∑ Tid log Tid + ∑ ∑ Tid τlog Tid + u id i d i d ( ) ( ) (7. iaumikan tiak te gantung aa volume au lalulinta. Tid d n V lM . Tero os n ru y ng p ling ut m d l h metode untuk mend p tk n r h penc ri n d l m penggun n pendek t n pemrogr m n line r y ng disini ditr nsl sik n ke d l m lgoritm Hitchcock untuk men nggul ngi perm s l h n tr nsport si.64 ) *M Pemilih n mod menj di model logit inomi l deng n p r meter β. Floian an Nguyen (1978) menunjukkan bahwa engan aumi yang biaa igunakan u ntuk Cl(Vl). fungi tujuan ini meuakan enjumlahan ai bebeaa fungi cembun g an emaalahan ini.60) + ∑ ∫ c l (V ) dV l 0 Vl dengan ba asan beriku : M ∑ (Tid d M ∑ (Tid i B + Tid ) = Oi B ) = Dd + Tid M = Tid (7.61a) (7. Bi y c id d l h i y pem e n n keseim ng n penggun mo il pri di d ri i ke d. Ti t iak boleh negatif. tikata M an B menyatakan mobil ibai an angkutan umum. Model pemilih n rute 347 .

d) se wl = wl+ y i d un uk l dalam ru e Γid. M Inisialisasi wl = 0 un uk semua o ongan l. s op. Daa kan selang o imal φ yang meminimumkan ungsi ujuan (a au sua u versi linear ) dan digunakan un uk memperbaiki nilai: M M M M ) Tid = Tid + φ( y id − Tid     Tid = Tid + φ( y id − Tid ) V l = V l + φ(W l − V l ) 9 Jika ingka konvergensi sudah ercapai. Dalam kasus ini. en ukan y id =0. hitung i y Cl = Cl(Vl). sa u sa unya parame er yang digunakan un uk kalibrasi adalah τ. jika ida k. Juga di erangkan bah. jika idak. Hi ung: M *M M C id = C id + τ + τlog Tid B *B B C id = C id + τ + τlog Tid 5 6 7 8 M B M B Jika c id > c id maka se y id = 0 . tentuk n rute ter ik (Γid) dan e akan *M c id menjadi biaya erjalanan sea njang ru e ersebu . Selesaikan ermasalahan Hi chcock un uk mendaa kan kebu uhan akan ergerakan ya ng baru yM dan yB. Florian and Nguyen (1978) menyarankan penggunaan ra a r a a biaya perjalanan yang diberi bobo sebagai ala un uk mengkalibrasi parame e r ersebu . eruskan ke ahap (2). un uk semua (i.2 3 4 Untuk seti p potong n l. Untuk seti p p s ng n As l−Tuju n.

sa u un uk angku an umum d an sa u lagi un uk mobil pribadi.a dalam beberapa kasus akan mengun ungkan jika digunakan dua parame er yang berbeda un uk kalibrasi.3.3 Kombinasi bangki an. sebaran. dan pemilihan moda Sa. algori ma yang digunakan un uk mendapa kannya persis sama.8. pembebanan. 7.

65) β d l h p r meter k li r si. uid d l h persepsi i y perj l n n d ri i ke d. d n Ad d l h efek komposit d ri e er p peu h sosio ekonomi y ng mempeng ruhi 348 Ofy r Z T min.a and Magnan i (1988) maju sa u langkah dalam pengembangan sua u pemrograma n ma ema ikan yang disebu STEM (model keseimbangan ranspor asi simul an). Mereka menggunakan ukuran nonu ili as perjalanan yang leksibel (Uid) yang dideinisikan sebagai beriku : U id = −β u id + Ad (7. Te api. un gsi kebu uhan masih lebih umum dibandingkan dengan ungsi yang digunakan dalam m odel ranspor asi konvensional. Mere ka memberikan ben uk ungsi yang mempunyai leksibili as jauh lebih baik dibandi ngkan dengan ungsi yang dihasilkan oleh pendeka an en ropimaksimum. Perenc n n d n pemodel n tr nsport si .

S fw t nd M gn nti (1988) menghu ungk n perm s l h n ngkit n perger k n de ng n ukur n sistem tik tent ng ksesi ilit s y ng d p t ditulis se g i erikut: S i = m ksimum 0. Contohny d l h juml h l p ng n kerj d n d er h pertoko n. j r k Model pemilih n rute 349 . Kurv diversi memperlih tk n se er p es r proporsi pengend r y ng mungkin sek li pind h men ggun k n rute t u j l n l in. log ∑ exp ( −β u id + Ad ) d Se r n perger k n jug di erik n su tu model logit: Tid = exp ( −β u id + Ad ) Gi ∑ exp ( − β uik + Ak ) k (7. Seti p penggun individu k n memilih mod y ng le ih men rik. Jik terj di k sus seper ti ini.67) Menurut merek . H l ini h ny terj di jik j l n ru itu mempuny i ku lit s y ng tinggi d n rus l lulint s y ng melew tiny tid k mele ihi k p sit sny . Jel sl h hw jik seseor ng meng ngg p Ad = log Dd. Jik di d er h y ng sud h memiliki j ring n j l n di u t j l n ru y ng p r lel deng n w ktu tempuh d n/ t u i y perj l n n y ng le ih rend h. se ikny digun k n Kurv Diversi. m k pengend r cenderung menggun k n j l n ru terse ut.66) (7. Metode pemec h n y ng diusulk n oleh S fw t nd M gn nti (1988) ini s ek li l gi merup k n d pt si d ri lgoritm Fr nk−Wolfe. H sil ter p n menunjukk n hw persy r t n f silit s komputer t m h n tid k terl lu ny k d i ndingk n deng n model l in. 7. Mode l pemilih n rute d n mod kemudi n dis tuk n d l m ker ngk kerj pem e n n kes eim ng n. Model gr vity jenis DCGR d p t didek ti deng n nil i β positif y ng s ng t kecil. entuk ini ersif t le ih umum di ndingk n model konvension l g r vity k ren tel h mem sukk n peu h sosio ekonomi d l m entuk fungsi utilit s y ng fleksi el. Pemilih n mod tr nsport si d l m pemodel n ini n log deng n pem ilih n rute. model ter se ut k n menj di model gr vity jenis SCGR deng n fungsi h m t n erup fungsi eksponensi l. Pem c y ng ingin menge t hui le ih l njut perm s l h n ini dis r nk n mem c tulis n merek . Be er p model kurv diversi tel h dikem ngk n d eng n menggun k n e er p ukur n h m t n perj l n n mis lny w ktu tempuh y ng d p t dihem t. Model STE M tel h diter pk n p d e er p k ji n kecil di Mesir d n Tex s. Kurv diversi is did p t deng n mel kuk n k ji n empiris pengukur n ku ntit tif h m t n perj l n n. ngkit n l lulint s.9 Model kurv diversi Model pemilih n rute i s ny mem erik n g m r n ide l pemilih n rute d ri e e r p rute y ng s ling ers ing.

j r k t u i y . 350 Ofy r Z T min. Oleh k ren itu. nis h w kt u tempuh/j r k y ng dihem t d n nis h j r k/kecep t n (Bruton. (1985) Kurv diversi w ktu tempuh d n j r k y ng d p t dihem t tel h dikem ngk n oleh Divisi J l n R y C liforni seperti terlih t p d g m r 7. Perenc n n d n pemodel n tr nsport si .y ng d p t dihem t.25 memperlih tk n contoh kurv diversi nis h w ktu tempuh. jik penghem t n w ktu d n j r k kecil. Bruton meny t k n tig kurv diversi y ng sering digun k n dew s ini. t u kom in siny . perlu di nd ingk n i y perj l n n deng n t u t np f silit s tr nsport si y ng ru.25 Kurv diversi nis h w ktu tempuh Sum er: Bruton. w ktu tempuh d n j r k y ng d p t dihe m t. h ny sedikit or ng y ng k n menggun k n j l n e s h m t n. nis h w ktu tempuh. Kurv diversi i s ny di entuk erd s rk n w ktu. Kurv diversi y ng dih silk n er entuk hiper ol . 1985). nis h i y . Kurv Div ersi d l h kurv y ng digun k n untuk memperkir k n rus l lulint s y ng tert r ik ke j l n ru t u j l n deng n f silit s ru. Kepu tus n seseor ng untuk menggun k n f silit s y ng ru terse ut did s ri per ndi ng n t u per ed n i y jik di menggun k n t u tid k menggun k n f silit s ru itu. Kurv nis h w ktu tempuh meny t k n per nding n nt r w ktu tempuh y ng menggun k n j l n tol di ndingk n deng n rute ltern tif l inny . Asumsi d s r penurun n kurv terse ut d l h: • • • f ktor sel in w ktu d n j r k tid k d p t diukur sec r eksplisit. y itu kurv deng n nis h w ktu. m kin tinggi proporsi penggun n. sehingg di ik n. p l gi dir m lk n.26. G m r 7. nis h j r k. 50% penggun n G m r 7. d n nis h kecep t n. m kin es r w ktu tempuh d n j r k y ng d p t dihem t . sed ngk n y ng l in tet p menggun k n rute ltern tif.

m k kecep t n d p t digun k n untuk memperkir k n proporsi pengend r y ng er lih ke j l n ru.Selisih j r k vi j l n tol (mil) Penghem t n w ktu vi j l n tol (menit) G m r 7. per ed n w ktu perj l n n nt r rute e s h m t n t u tol ter ik y ng tersedi d n rute ltern tif ter ik y ng tersedi . kurv diversi di entuk erd s rk n per nd ing n nt r i y tol d n w ktu y ng dihem t jik pengend r menggun k n j l n tol. Berd s rk n du h l terse ut. d n X d l h i y tol t u w ktu y ng dihem t. Kurv di entuk d ri pers m n: P= K (1 + X ) (7. Ku rv diversi untuk hu ung n ini erd s rk n peng m t n ktu l p d Meishin (N goy −Ko e) Expressw y di Jep ng. (1985) Di Indonesi .26 Kurv diversi penghem t n w ktu tempuh d n selisih j r k vi j l n t ol Sum er: Bruton. Untu k mener pk n model ini diperluk n d t : per ed n i y tol nt r rute e s h m t n t u tol ter ik y ng tersedi d n rute ltern tif ter ik y ng terse di . Koefisien . Sem kin es r w ktu perj l n n y ng dihem t mel lui f silit s y ng le ih ik. Pengend r mer s k n i y perj l n n. d l m k ji n j l n tol. m kin meningk t pem k i n f silit s terse ut. . Peng l m n di Jep ng menunjukk n hw kurv diversi untuk j l n tol terut m erg ntung p d per nding n i y tol d n selisih w ktu perj l n n nt r j l n tol d n j l n ltern tif. persent se l lulint s y ng k n erpind h ke j l n e s h m t n t u tol d p t diperoleh d ri kurv . tet pi k ren merek d p t mengukur kecep t n d n memperkir k n kecep t n perj l n n.6 8) deng n P d l h persent se d ri kend r n y ng k n erpind h ke j l n tol e s h m t n t u tol terh d p volume l lulint s tot l. H sil perk li n persent se ini Model pemilih n rute 351 . d n K did p t d ri n lisis st tistik. seperti j l n tol.

2 Model II Model ini memperhitungk n f ktor y ng did p t d ri nil i t rif tol di gi deng n per ed n w ktu tempuh. log P = log + l og ∆T (7.70). Model terse ut dise ut mod el regresi perk li n: P = ∆T (7. D l m model ini.deng n tot l volume l lulint s menunjukk n juml h kend r n y ng erpind h ke j l n e s h m t n t u tol. Peu h l inny y ng jug di n lisis d l h t rif tol d n nil i w ktu tempuh.1.70). Perenc n n d n pemodel n tr nsport si .69) d p t disederh n k n deng n mel k uk n tr nsform si line r y ng mengh silk n pers m n (7. 7.9.1 Model JICA P d t hun 1990. elanjutnya.9. p r meter d n d p t dik li r si den g n menggun k n n lisis regresi line r terh d p pers m n (7.9.1 Model I Model ini dik li r si deng n menggun k n peu h tid k e s erup selisih w ktu tempuh jik menggun k n j l n tol d n j l n ltern tif. Model ini dik li r si deng n menggun k n contoh d t y ng s m deng n model I.1. du u h model diversi tel h dikem ngk n oleh JICA p d proyek ru s j l n tol Cik mpek−Cire on untuk d p t memodel diversi l lulint s p d j l n tol terse ut. dengan mengetahui beberapa nilai P dan ∆T y ng is did p t d ri survei l p ng n.71) P T = tingk t diversi j l n tol (%) = nis h t rif tol/selisih w ktu tempuh (rupi h/ menit) 352 Ofy r Z T min.70) dapat dianggap persamaan linear. f ktor pergeser n dig un k n untuk mencermink n peningk t n keingin n untuk mem y r tol y ng sej l n deng n peningk t n tingk t pend p t n. 7.69) = tingk t diversi j l n tol (%) = w ktu tem puh jik menggun k n j l n ltern tif (menit) = w ktu tempuh jik menggun k n j l n tol (menit) P A T ∆T = A − (T + TR/TV) TR = t rif tol (rupi h/kend r n) TV = nil i w ktu tempuh (rupi h/menit) . = p r meter y ng h rus dit ksir Pers m n (7.70) Deng n meng sumsik n Y = log P d n X = log ∆Τ maka persamaan (7. P= C T 1 + S (7. 7.

Peu h tid k e s y ng digun k n d l m model pert m d l h selisih i y perj l n n d n selisih w ktu tempuh.75) menj di entuk penjuml h n. c = p r meter y ng h rus dik li r si Seperti h lny deng n model I.73) (7. Model y ng digun k n d l h m odel logit inomi l d n model regresi peng li. y itu: exp[ + ( BPH )] P= (7. Du u h model pemilih n rute tel h dikem ngk n y ng digun k n untuk memodel pemilih n rute y ng dil kuk n oleh penump ng y ng k n epergi n d n ten g kerj y ng ekerj di nd r . 7. Sel njutny .2 Model logit inomi l d n regresi peng li Giri n (1990) mempel j ri peril ku pengend r d l m memilih rute menuju nd r Soek rno−H tt di J k rt . pers m n (7. deng n menget hui e er p nil i P d n BPH y ng is did p t d ri survei l p ng n.9.S = f ktor pergeser n (nis h PDRB per k pit /pend p t n t hun n) .2. Urut n p enyederh n nny d l h se g i erikut. p r meter d n d p t dik li r si deng n men ggun k n n lisis regresi line r terh d p pers m n (7.74) − P T Deng n meng sumsik n Y = log pers m n line r.72 ).74). B entuk d s r model ini terlih t p d pers m n 7.75) 1 + exp[ + ( BPH )] P BPH = tingk t div ersi = i y perj l n n y ng dihem t d l m rupi h d n = p r meter y ng h rus dik li r si Untuk mengu h entuk perk li n d l m pers m n (7. tr nsform si log ritm perlu dil k uk n: Model pemilih n rute 353 P S d .74) d n X = log m k pers m n (7.1 Model logit inomi l (7. Deng n mengg nti fungsi utilit s deng n i y perj l n n y ng dihem t (BPH) d l m rupi h.71) d p t disederh n k n deng n menggun k n tr nsform si line r. m k model logit inomi l terse ut d p t diny t k n d l m entuk l in. T C (7.9. s ed ngk n model kedu menggun k n nis h nt r t rif tol/selisih w ktu tempuh. .72) P + P = S − P − P T log T C = S P = log + c log P S (7.

pers m n (7.83) (7. koefisien regresi 354 Ofy r Z T min.2 Model regresi peng li d p t di Model ini menunjukk n hu ung n nt r tingk t diversi d n nis h nt r i y pe rj l n n (NBP) menggun k n j l n tol deng n j l n ltern tif.81). Sel njutny .78) (7.2. p r meter d n d p t dik li r si deng n menggun k n n lisis regresi line r terh d p pers m n (7.[exp [ + (BPH)]] P = exp ( + (BPH )) (1 − P ) Akhirny P log e = + (BPH ) (1 − P ) (7.84) (7.76) (7. 7.87) =1 P (NBP) = 1−P (1 − P ) = (NBP ) P (1 − P ) log = log + log (NBP ) P P Deng n meng sumsik n Y = log d n X = log(NBP) m k pers m n (1 − P ) t di ngg p se g i pers m n line r.85) (7. Perenc n n d n pemodel n tr nsport si (7. Sel njutny . Formul model ters e ut d l h: P= 1 + (NBP ) 1 (7.82) d p t dimodifik si g r le ih mud h menghitungny : P.81) P Deng n meng sumsik n Y = log e d n X = (BPH).86) (7.79) (7. deng n menget hui e er p nil i P d n NBP y ng is did p t d ri survei l p ng n.[1 + (NBP) ] = 1 P + P (NBP) (7.77) (7.P [1 + exp [ + (BPH)]] = exp [ + (BPH)] P + P exp [ + (BPH)] = exp [ + ( BPH)] P = exp [ + (BPH)] − P exp [ + (BPH)] P = (1−P). deng n menget hui e er p nil i P d n BPH y ng is did p t d ri survei l p ng n.81) (1 − P ) ngg p se g i pers m n line r.82) P NBP = tingk t diversi = nis h i y perj l n n d n = p r meter y ng h rus dik li r si Pers m n (7.80) (7.9.87) d p .

Fungsi ini jug m mpu merepresent sik n fenomen l lu lint s t m h n ki t d ny pen m h n k p sit s j ring n j l n. Model pemilih n rute 355 . Bil sumsi ini diter pk n p d d er h y ng tingk t kep d t n rus l lulint sny tin ggi. Kemungkin n es r. N mun. seseo r ng k n menund t u m l h k n mempercep t w ktu ke er ngk t nny untuk mengh ind ri kem cet n p d j m punc k. Kondisi ini mengh silk n su tu entuk pem e n n tid k tet p (el stis). w ktu. H l ini k n mengh silk n pemodel n y ng ti d k konsisten. Pem e n n el stis merup k n perlu s n d ri konsep keseim ng n W rdrop (1952) mengen i pem e n n l lulint s di j ring n j l n. P r pem c y ng ingin mend p tk n penjel s n le ih rinci mengen i kedu model ini esert pener p nny d p t mem c su 6. tet pi se gi n k n terj di se elum d n se gi n l gi k n terj di sesud h sel ng w ktu terse ut.10 uku ini. p l gi il dil kuk n proses pem e n n l lulint s untuk t hun renc n y ng cukup l m di m s mend t ng (mi s lny 20 t hun). Deng n perk t n l in. mis lny di ngunny j l n ru. d n d p t dihitung deng n menggun k n n lisis regresi line r terh d p pers m n (7. kecep t n p d ru s j l n ki t d ny pem e n n l lulint s mungkin k n s ng t er ed deng n sumsi w l kecep t n y ng digun k n. Kedu .10 M s l h pem e n n erle ih Konsep pem e n n l lulint s ku y ng tel h dijel sk n se elumny memiliki sum si d s r hw er p pun es rny m triks permint n perger k n ( ik MAT eksis ting m upun MAT h sil per m l n p d m s mend t ng). Pert m . 7. deng n men m hk n g g s n l mi meng en i el stist s peril ku permint n perj l n n terh d p t s n k p sit s j ring n j l n y ng men mpungny . d l m keny t nny h l ini tid k mungkin terj di.87). permint n m triks perger k n terse ut t id k k n ter e nk n seluruhny p d sel ng w ktu tertentu. d n frekuensi perj l n n) ki t meningk tny p ermint n k n perger k n. El stisit s peril ku penggun j l n terse ut dicermi nk n mel lui su tu fungsi permint n y ng meny t k n er g i peru h n peril ku (peru h n mod . kemungkin n es r k n tim ul du perm s l h n. semu ny k n dit mpung ol eh sistem j ring n j l n y ng d . tuju n. S l h s tu c r untuk mengur ngi kes l h n terse ut d l h deng n mener pk n konsep pem e n n el stis y ng sec r teori pern h diperken lk n oleh Sheffi (1985). Perm s l h n ini sering dise ut m s l h pem e n n erle ih. Asumsi ini cukup tinggi risiko kes l h nny jik diter pk n p d sistem j ring n j l n y ng m cet k ren k n terd p t ser ngk i n peril ku penggun j l n y ng di ik n y ng k n meni m ulk n kes l h n d l m perkir n juml h rus l lulint s di m s mend t ng. J di. di sumsik n hw perm int n m triks perger k n d l h tet p (tid k el stis). rus l lulint s ki t pem e n n d p t j uh mele ihi k p sit s ru s j l n y ng ers ngkut n (nil i NVK>>1).

1. Perenc n n d n pemodel n tr nsport si . Jik i y perger k n nt r su tu p s ng n s l−tuju n meningk t k ren ert m hny kend r n y ng er d p d rute t ertentu. m triks perger k n terse ut tid k tet p (d p t eru h u h).10.1.10. 7. m k permint n perger k n p d p s ng n s l−tuju n y ng ers ngkut n k n meng l mi penurun n se g i cermin n d ri el stisit s kurv permint n.88) * d l h i y Tid d l h m triks permint n perger k n d ri zon i ke zon d. m triks perger k n y ng k n di e nk n di ngg p tet p. sed ngk n fid d l h fungsi y ng mengontrol peru h n permint n perger k n ki t d ny peru h n i y perger k n. 7. Metode pem e n n keseim ng n el stis meng sumsik n permint n perger k n nt r zon s l i ke zon tuju n d se g i fungsi i y minimum perger k n nt r kedu zon terse ut.1 Prinsip d s r Prinsip d s r pem e n n el stis did s rk n p d penjel s n y ng dikemuk k n ole h Sheffi (1985) hw untuk su tu permint n perger k n p d seti p p s ng n s l−tuju n di sumsik n hw l lulint s k n meng tur diriny sendiri d l m sistem j ring n mengikuti prinsip keseim ng n sehingg semu rute y ng digun k n k n m empuny i i y perger k n y ng s m d n i y terse ut s m t u le ih kecil di ndingk n deng n seti p rute y ng tid k digun k n. D l m pem e n n keseim ng n tid k el stis. Sec r umum. ru mus fid untuk seti p p s ng n s l−tuju n d l h s m .Ber g i metode tel h dikem ngk n untuk men mpung perm s l h n ini. y itu metode pem e n n keseim ng n el stis d n metode pem ngk s n m triks perger k n. 356 Ofy r Z T min. * C id (7.6) den g n e er p per ed n erikut ini. sed ngk n p d pem e n n keseim ng n el stis. C id minimum perger k nny . seperti di ny t k n p d pers m n (7.89) Tid = f θ id θid merup k n vektor p r meter seti p p s ng n i−d.2 Algoritm Algoritm y ng dip k i untuk memec hk n m s l h pem e n n keseim ng n el stis s m deng n m s l h pem e n n keseim ng n tid k el stis (lih t su 7. sed ngk n fid didefinisik n se g i hu ung n fungsi permint n perger k n.10. 89) erikut.88) erikut. * Tid = f id C id ( ) (7.1 Metode pem e n n keseim ng n el stis Metode pem e n n keseim ng n el stis er ed deng n pem e n n keseim ng n ti d k el stis (tet p). Lu is et l (1998) mel lui peneliti n Riset Unggul n Terp du tel h mempel j ri sec r mend l m e er p metode. 7. Kedu metode terse ut k n dijel sk n sec r singk t erikut ini. tet pi d p t meng ndung p r meter y ng er ed y ng sec r m tem tis d p t diny t k n mel lui pers m n (7.

Sec r umum fungsi tuju n p d metode pem e n n keseim ng n el stis d p t din y t k n p d pers m n (7.91) Model pemilih n rute 357 − . terd p t su tu ru s j l n t m h n di lu r j ring n (ru s p lsu) y ng k n mem w kele ih n rus terse ut kelu r d ri j ring n se g i g m r n terh d p d ny peru h n keputus n y ng dil kuk n penggun j l n. Fungsi tuju n d l m lgoritm ini di entuk o leh su tu fungsi integr l y ng meny t k n tot l i y perger k n y ng terj di di d l m sistem deng n mengikutsert k n i y perger k n p d ru s p lsu terse ut.92) erikut.90) Hu ung n n t r i y perger k n p d ru s p lsu (d) deng n es rny rus p d ru s p lsu t erse ut (E) sec r umum didefinisik n se g i: d(E) = f −1 (Tm ks−E) f −1 merup k n in versi fungsi permint n perger k n. meminimumk n Vl E id Z = ∑ ∫ c l (V )dV (V ) dV l 0 i d 0 (7.92) (7. 2 Algoritm terse ut merup k n lgoritm y ng digun k n d l m p ket progr m SATURN modul SATEASY y ng diperken lk n oleh V n Vliet nd W tling (1991).1 terd p t su tu fungsi permint n perger k n y ng d p t mengg m rk n peru h n p ermint n perger k n se g i t ngg p n penggun j l n terh d p d ny peru h n ksesi ilit s p d sistem j ring n j l n ki t rus l lulint s p d sistem j ri ng n j l n terse ut. Sec r m t em tis. Ru s p lsu i s l J ring n j l n d tuju n G m r 7.27 P s ng n nt rzon deng n ru s p lsu Sum er: Sheffi (1985) Kele ih n rus y ng melew ti ru s p lsu terse ut didefinisik n se g i E y ng me rup k n selisih nt r juml h perger k n m ksimum y ng mungkin terj di (Tm ks) d eng n juml h perger k n y ng mel lui j ring n j l n sesungguhny (T). nil i E d p t diny t k n se g i erikut: E = Tm ks – T (7. modifik si terh d p lgoritm ku d p t dilih t p d g m r 7. Untuk le ih jel sny .27 er ikut.

j l n: T id (1) ke j ring n j l n.93) (7. Lu is et l (1998) meny r nk n prosedur lgoritm Fr nk−Wolfe y ng tel h dim odifik si untuk digun k n d l m metode pem e n n keseim ng n el stis se g i erikut ini: 1 hitung i y semu ru s j l n y ng d p d kondisi rus e s d n set n = 1. kumul sik n juml h rus untuk e nk n Tid menentuk n himpun n pert m d ri rus ru s: Vl(1) . e nk n kele ih n rus E id hitung i y ru s j l n y ng sesungguhny d n i y ru s p lsu.95) E id ≥ 0 r Tid = ∑ Tid r Z mew kili tot l perger k n se g i fungsi d ri rus V di d l m sistem. sed ngk n Vl d l h rus y ng mel lui ru s j l n l deng n i y ru s se es r Cl. 358 Ofy r Z T min.94) (7. e 2 (1) (1) m ks = Tid − Tid ke ru s p lsu. C l( n ) = C l V l( n ) ( n) ( n) (n) m ks = g id − E id d id Tid ( ( ) ) 3 untuk seti p zon s l i: entuk pohon i y minimum ke seti p zon tuju n d d n tet pk n nil i (n) terse ut se g i C id .deng n t s n: r Tid ≥0 (7. Perenc n n d n pemodel n tr nsport si . sed ngk n r Tid mew kili seluruh perger k n d ri zon i ke zon d y ng mel lui rute r. tentuk n juml h perger k n m ksimum y ng mungkin ter j di untuk seti p p s ng n zon i−d deng n memec hk n: m ks FF Tid = f id C id ( ) (7. untuk seti p zon tuju n d. Untuk seti p zon s l i: FF entuk pohon i y minimum untuk seti p zon tuju n d deng n C id meny t k n i y minimum p d kondisi rus e s.96) c d tentuk n juml h perger k n y ng k n di e nk n ke d l m j ring n (1) . E id mew kili juml h rus p d ru s p lsu deng n i y y ng didefinisik n se g i did.

c 4 (1) ( n +1) m ks ke ru s p lsu e nk n rus kele ih n Fid = Tid − Tid kom in sik n solusi terd hulu deng n solusi pengul ng n y ng diperoleh d ri t h p (3) deng n mem sukk n solusi terse ut ke pers m n erikut.3 Kiteia konvegeni Konvegeni algoitma metoe embebanan keeimbangan elati ilakukan engan ca a yang ei ama engan konvegeni algoitma Fank−Wolfe aa embebanan tiak elati. to. 4 Total arus pada jaringan dan pada ruas palsu T = ∑ ∑ Tid i d (7. jika belum. ( n +1) hitung d n e nk n perger k n untuk pengul ng n ini. 5 cek konvegeni. kembali ke taha (2). V l( n +1) = (1 − φ ) V ln + φW l( n +1) ( n +1) ( n +1) n E id = (1 − φ )E id + φFid φ dipilih dengan meminimumkan ungsi ujuan Z(φ). 7.97) 2 Fungi emiah yang inomaliai (δ) δ= ∑∑( i  G min( C i . i ) (7.10.100) Modl pmilihan rut 359 i  . i ) mak Ti ) (7. bila telah te caai. engan catatan: hau elalu memaukkan ua alu ke alam enilaian konvegeni yang ilakukan. Bebeaa umu enilaian konvegeni yang aat igu nakan yang ecaa khuu menghubungkan konvegeni engan ua alu eeti yan g iaankan oleh Lubi et al (1998) aalah ebagai beikut: 1 Fungi Pemiah (G ) mak G = ∑ C l (V l )V l + ∑ ∑  i ( E i ) E i ) − ∑ ∑ Ti min( C i .99) Notai ε mnyatakan bsarnya rduksi yang trjadi pada suatu pngulangan yang brh asil. Tid untuk menentuk n es r rus seti p ru s: W l( n +1) .98) 3 Ketiakatian alam fungi tujuan (ε) ε= (Z − G ) Z (7. 0≤φ≤1.1.

baik ecaa iniviual mauun kolektif. matik biaya untuk etia aangan zona aal−tuju an yang ecaa eifik ihubungkan engan engguna jalan aa bebeaa efeen i yang igunakan. beanya aamete (5). maka keekaan fungi emintaan egeakan. Kiteia untuk to aat iaakan aa ketiga ukuan teebut. matik emintaan egeakan untuk etia aangan aal−tujuan yang ecaa eifik ihubungkan engan engguna jalan yang akan membeikan au aal−tujuan yang akan naik jika biaya egeakan aa ua yang beangkutan 360 Ofya Z Tamin. Sbnarnya hal ini blum cukup apabila prubahan pada ni lai stiap pasangan i− aat iamakan oleh tabilita nilai ecaa keeluuhan (total ai emua aangan i− ).E = ∑ ∑ E id i d (7.104) Dalam enentuan konvegeni.1.101) Kondisi yang pnting untuk trcapainya konvrgnsi adalah pada saat T dan E mnc apai nilai yang stabil. an (7) hau ama en gan nol. 5 Peubahan au aa ua alu (n) ( n) −  i ∑ ∑ E i i  E 6 Peubahan biaya aa ua alu ( n +1) (n) −  i ∑ ∑  i i  ( n) ∑ ∑  i i  (7. aamete eifik engguna jalan yang menentuk an ketajaman fungi emintaan. elain igambakan melalui embebanan kembali.10. ju ga iaumikan alam bentuk keekaan emintaan tunggal yang itanai oleh aam ete keekaan emintaan tunggal.102) (7. 7. Peencanaan an emoelan tanotai .103) 7 Pebeaan biaya antaa ua ali an ua alu (n) (n) − C i ∑ ∑  i i  ( n) ∑ ∑  i i  (7.4 Fungi emintaan egeakan an fungi biaya Dalam menyatakan eubaha n tingkat kenaikan au lalulinta aa jaingan jalan yang macet. Keekaan fungi emintaan ini behubungan en gan: 1 2 3 4 aamete elati eifik engguna jalan yang mengontol keekaan ata ata e mintaan tehaa biaya gabungan. (6).

106) 2 Bentuk p ngk t 0 Tid = Tid C .110) e = −β C id 4 Bentuk eksponensi l el stis 0 C id C 0 .108) e=α 3 Bentuk eksponensi l 0 0 Tid = Tid . sed ngk n Tid d n Cid d l h nil i p d t hun renc n . Lu is et l (1998) meny r nk n e er p fungsi i y untuk seti p fungsi permint n se g i erikut: Model pemilih n rute 361 id e = . exp(− β(C − C )) e= [1 + exp(− β(C − C ))] 0 1 + exp − β C id − C id id id 0 id id 0 id Tid = 0 2Tid (7.111) (7.C . Seperti tel h dikemuk k n se elumny .109) (7. exp − β C id − C id ( ( )) (7.112) 0 0 d n C id meny t k n es rny permint n perger k n D l m seti p k sus. El stisit s diny t k n oleh p r meter β deng n nil i posi tif untuk fungsi logit d n eksponensi l t u p r meter α deng n nil i neg tif untu k fungsi p ngk t d n eksponensi l el stis.107) (7. exp α id 1 − Tid = Tid C0 (7. id C0 id α (7. Lubi et al (1998) menyaankan emat fungi emintaan egeakan yang aat igunakan alam metoe embebanan keeimbangan elati. yaitu: 1 Bentuk ekone nial tetutu ( ( )) − β. Tid esert i y perger k nny p d t hun d s r.beaa aa tingkatan tetentu yang akan ihitung engan menggunakan matik bia ya. hw fungsi i y ru s p lsu merup k n in versi d ri fungsi permint n perger k n. Nil i e meny t k n es rny el stisit s seti p fungsi permin t n perger k n di t s.105) (7.

.

H sil per n ding n pem e n n el stis deng n pem e n n tid k el stis s mp i deng n t hun 20 15 dis jik n p d g m r 7. Perenc n n d n pemodel n tr nsport si T id . J ring n j l n y ng ditinj u meliputi j l n rteri d n kolektor.114) 3 entuk eksponensi l 0 log e Tid T id + β − 1 0 C id = C id (7. 0 Tid α (7.9% per t hun.1.113) 2 entuk p ngk t C id 1 0 Tid = C id .10. Untuk keperlu n sken rio terse ut direkomend sik n pem ngun n j ring n j l n tol di d l m kot B ndung y ng pengem ng n koridor j l n tolny meng c u p d prinsip ut m hw koridor terse ut mem entuk su tu j ring n. 362 Ofy r Z T min. Pem gi n zon terse ut did s rk n p d t s wil y h dministr tif.172 perger k n p d j m punc k p gi h ri. Kemudi n. juml h terse ut di n gg p se g i 100% tot l permint n k n perger k n. MAT d s r y ng digun k n d l h MAT t hun 1995 deng n tot l permint n k n perger k n se es r 67. di utuhk n renc n j ring n j l n p d m s mend t ng untuk sken rio pem e n n deng n d ny ke ij k n p d j rin g n j l n.5 Contoh pener p n Isn eni (1997) mener pk n metode pem e n ntid k el st is p d sistem j ring n di Kot m dy B ndung. An lisis dil kuk n deng n s umsi pertum uh n permint n k n perger k n se es r 4. Sel in d t j ring n j l n y ng d sek r ng.28.1 entuk eksponensi l tertutup 0 log e 2Tid T id + β − 1 0 C id = C id (7. y ng di gi menj di 58 zon intern l d n 5 zon ekstern l.115) 4 entuk eksponensi l el stis C0 0 + id C id = C id α T0 log e id 7.

29 . fenomen l lulint s y ng ter ngk itk n oleh pem e n n el stis divisu lis sik n deng n ik mel lui ken ik n kurv pem e n n el stis (deng n j l n tol d l m kot ) terh d p kurv pem e n n el stisny deng n sken rio t np j l n tol. Asumsi d s r y ng digun k n d l m metode ini d l h terd p tny sejuml h or ng y ng k n menund t u mempercep t j m ke er ngk t nny jik rus l lulint s p d ru s j ring n j l n terse ut me le ihi k p sit sny .2. Di gr m lir y ng mengg m rk n prosedur metode pem ngk s n m triks d p t dilih t p d g m r 7. d ny perger k n y ng k n menggun k n mod tr nsport si l in t u d ny peru h n w ktu perger k n d p t diw kili oleh turun ny posisi kurv persent se perger k n y ng ter e nk n untuk pem e n n el stis (t np j l n tol d l m kot ) terh d p kurv y ng s m untuk pem e n n tid k el stis p d e er p t hun renc n . 7.260 % se perger k n ter e nk n 240 220 200 180 160 140 120 100 1995 Pem e n n tid k el stis deng n d n t np j l n tol d l m kot Pem e n n el sti s t np j l n tol d l m kot Pem e n n el stis deng n j l n tol d l m kot 2000 2005 2010 2015 T hun G m r 7.28 memperlih tk n hw deng n sumsi pem e n n el stis fenomen penur un n permint n k n perger k n. Model pemilih n rute 363 .2 Metode pem ngk s n m triks perger k n Metode pem ngk s n m triks perger k n ertuju n untuk mem t si m triks perger k n Tid sedemiki n rup sehingg rus l lulint s y ng dih silk n d ri pem e n n terse ut mencermink n k p sit s j ring n j l n. 7.1 Prosedur pem ngk s n Pendek t n pem ngk s n m triks perger k n ini menggun k n model Estim si M triks Entropi M ksimum (EMEM) − t rget es r rus l lulint s dig nti deng n k p sit s r u s j l n y ng meng l mi pem e n n erle ih.10.28 Per nding n h sil pem e n n el stis deng n pem e n n tid k el stis p d sistem j ring n j l n di Kot m dy B ndung Sum er: Isn eni (1997) G m r 7.10. Se likny . Deng n pendek t n ini dih r pk n h sil per m l n permint n perj l n n menj di le ih re listis.

identifik si seti p ru s j l n y ng mempuny i rus y ng mele ihi k p sit s ru sny (NVK > 1). 364 Ofy r Z T min. Perenc n n d n pemodel n tr nsport si .Bu t m triks permint n w l L kuk n pem e n n Cek nil i NVK untuk seti p ru s j l n tid k Vi/Ci >1? y Tulis Vi= Ci untuk pengul ng n sel njutny Ap k h ru s ter khir? tid k y Pem ngk s n m triks perger k n y Akhir pem ngk s n m triks tid k y Stop G m r 7.29 Prosedur metode pem ngk s n m triks perger k n Sum er: Mekky (1993) d n Sy fi’i (1998) Sy fi’i (1998) menjel sk n sec r singk t prosedur metode pem ngk s n m triks perg er k n seperti diur ik n erikut ini. 1 2 e nk n m triks permint n perger k n w l p d sistem j ring n j l n.

ul ngi t h p (2)−(5) sesu i deng n . modifik si m triks n perger k n sesu i deng n t h p (3). Pendek t n metode ini dil kuk n d l m us h memper iki model pende k t n m triks permint n tet p (tid k el stis).30 mengg m rk n g im n proses pengul ng n dil kuk n p d struktur metode pem ngk s n m triks. l kuk n proses pem e n n deng n k n m triks y ng tel h dimodifik si. J ring n p d t hun d s r M triks t hun d s r J ring n t hun renc n M triks t hun renc n D t Pem e n n M triks h sil pem ngk s n J ring n y ng tel h menc p i konvergensi Arus mele ihi y k p sit s tid k EMEM Proses perhitung n Terusk n deng n ev lu si sel njutny Ev lu si G m r 7. sehingg permint menggun ke utuh n Metode pem ngk s n m 7.2 Struktur metode pem ngk s n m triks triks perger k n merup k n metode pendek t n pengul ng n untuk mend p tk n m triks permint n perger k n sedemiki n rup sehingg jik m triks terse ut di e ni p d j ring n j l n k n mengh silk n rus y ng merefleksik n k p sit s j ring n j l n y ng ers ngkut n.2.30 Struktur metode pem ngk s n m triks Sum er: Sy fi’i (1998) Model pemilih n rute 365 .3 4 5 6 t si l lulint s p d ru s j l n terse ut deng n menggun k n model EMEM s m deng n k p sit s ru s j l n y ng ers ngkut n.10. G m r 7.

3 Prosedur pem ngk s n m triks perger k n Perm s l h n d l m metode pem ngk s n m triks d l h merumusk n m s l h optim si cem ung y ng fungsi tuju nny diny t k n se g i ukur n ‘j r k’ nt r m triks perm int n w l deng n m triks permint n h sil estim si y ng tel h disesu ik n deng n t s n tertentu. m s l h memper h r ui m triks perger k n deng n menggun k n d t rus l lulint s d n mem t si juml h rus l lulint s h sil pem e n n p d su tu ru s j l n tertentu merup k n m s l h pokok. model EMEM k n digun k n p d ru s j l n y ng pem e n nny erle ih. Deng n demiki n. K ren itu. khususny jik diter pk n p d j ring n j l n perkot n deng n tingk t kem cet n tinggi. er p es r pun nil i Tid terse ut. Sec r ringk s lgoritm terse ut ter gi menj di tig gi n ut m (Sy fi’i. pende k t n metode pem e n n tid k el stis di ngg p kur ng re listis.Metode pem e n n deng n pendek t n permint n perger k n tet p (tid k el stis) memiliki sumsi d s r hw juml h tot l perger k n d ri zon s l i ke zon tuj u n d per s tu s tu n w ktu (Tid) k n seluruhny ters lurk n p d seluruh ru s p d j ring n j l n.10. Proses i ni dil kuk n sec r erul ng s mp i memenuhi tingk t konvergensi tertentu. B t s n y ng sering digun k n d l h meminimumk n per ed n ‘j r k’ nt r rus l lulint s y ng diperoleh d ri h sil peng m t n deng n rus l l ulint s h sil pem e n n. pendek t n metode pem ngk s n m triks ini menggun k n mo del EMEM. 1998): 1 2 P ngk l n d t D t y ng h rus dipersi pk n meliputi d t j ring n j l n d n d t m triks perj l n n. Sec r ringk s d p t dik t k n hw mod el EMEM mengidentifik si. Untuk menjem t ni pendek t n ini. ev lu si m nf t invest s i d ri plik si metode pem ngk s n m triks d n mem ndingk n h sil di t s deng n metode pem e n n l inny (keseim ng n penggun d n pem e n n el stis). kemungkin n perger k n seti p p s ng n nt rzon y ng menggun k n ru s j l n terse ut. 1982). untuk seti p ru s j l n tertentu. 366 Ofy r Z T min. Ev lu si Dil kuk n ev lu si kinerj j ring n j l n ki t pem ngk s n m triks perger k n deng n t u t np dil kuk n peru h n terh d p j ring n j l n.2. d n dil kuk n deng n menggun k n progr m SATURN (V n Vliet. d n meng tur perger k n untuk seti p p s ng n nt rzon sedemiki n rup sehingg rus p d ru s j l n k n mendek ti t rget (d t rus l lulint s h sil peng m t n). y ng t rget volume l lulint sny d l h k p sit s r u s j l n y ng ers ngkut n. D l m prosedur metode pem ngk s n m triks. Proses ini dil kuk n sec r erul ng. Proses perhitung n P d t h p ini dil kuk n proses pem e n n deng n metode pem e n n keseim ng n penggun d n pem ngk s n m triks perg er k n deng n menggun k n model EMEM. Model EMEM meng tur su tu m triks perger k n sedemiki n rup sehingg rus l lulint s y ng di e nk n p d ru s j l n tertentu k n mendek ti t rget ( d t rus l lulint s h sil peng m t n). 3 7. Perenc n n d n pemodel n tr nsport si .

Xl = 1. Mul i Inisi lis si: seluruh Xl = 1 l Vl = ∑ ∑ Tid .31 se g i erikut.D ri penjel s n di t s d p t disimpulk n hw plik si model EMEM d l m metode pem ngk s n m triks perger k n d l h untuk mengh silk n su tu m triks perger k n Tid sedemiki n rup sehingg rus l lulint s d ri h sil pem e n n k n mende k ti t rget volume (k p sit s ru s j l n). Wl Vl Tid = t id ∏ X l l l pid Cek konvergensi? y tid k Stop G m r 7. Di gr m lir metode pem ngk s n m tri ks d p t dilih t p d g m r 7. pid i d Xl = Xl .31 Aplik si model EMEM d l m metode pem ngk s n m triks Sum er: Sy fi’i (1998) Berd s rk n perny t n di t s d p t di u t su tu lgoritm d s r penyeles i n p em ngk s n m triks se g i erikut: 1 2 Tet pk n semu f ktor penyeim ng. Untuk seti p ru s y ng memiliki nil i NVK>1: • hitung rus d ri h sil model Vl. Model pemilih n rute 367 .

Begitu jug h lny deng n w ktu tempu h. deng n Wl = t rget rus l lulint s (p d Vl proses pem ngk s n m triks perj l n n Wl d l h rus h sil pem e n n se elumny . Sy fi’i (1998) menco mener pk n metode pe7. Indeks 160 140 120 100 80 60 Tund n 40 20 0 0 1 2 Juml h ru s deng n nil i NVK > 1 3 4 5 W ktu tempuh Kecep t n r t r t Juml h pem ngk s n G m r 7.• per h rui nil i: X l = X l . h l ini mem uktik n hw penggun n metode pem ngk s n m triks terny t mengh silk n kondisi ru s l lulint s di d l m sistem j ring n y ng le ih ik jik di ndingk n deng n m etode pem e n n tid k el stis. • 3 hitung kem li semu Tid.10. Be er p h sil y ng did p tk n t mp k p d g m r 7 .32. Wl . 368 Ofy r Z T min.4 Contoh pener p n m ngk s n m t riks p d sistem j ring n di Kot m dy B ndung deng n sistem j ring n p d conto h metode pem e n n el stis. tund n. Jik peru h n nil i Xl sec r keseluruh n kur ng d ri nil i kritis y ng ditentuk n. jik tid k. Penurun n terse ut terj di k ren se gi n perger k n erger k le ih w l t u m l h menund perger k nny . tet pi jik mele ihi k p sit s ru s y ng ers ngkut n.32 H sil metode pem ngk s n m triks p d sistem j ring n j l n di Kot m dy B ndung Sum er: Sy fi’i. sert juml h ru s deng n nil i NVK>1. Perenc n n d n pemodel n tr nsport si .2. H l ini mem uktik n terj diny penurun n permint n k n perger k n se g i t ngg p n p r penggun terh d p kem cet n (pem e n n erle ih). Sek li l gi. kem l i ke t h p (2). stop. rus terse ut dig nti d eng n k p sit s ru s). kecep t n r t r t di d l m j ring n pun sem kin meningk t. 1998 Terlih t hw deng n ert m hny juml h pem ngk s n m triks.

m s l h kem cet n ini tim ul di e er p kot es r sepert i J k rt . metode menggun k n ender . d n pertum uh n l lulint s y ng tinggi. Kem cet n. y ng sec r l ngsung men ksir s mpel MAT d ri l p n g n. foto ud r . M triks As l−Tuju n (MAT) merup k n m suk n ut m y n g p ling sering digun k n d l m er g i m c m perenc n n d n m n jemen sistem tr nsport si. Kelompok pert m dise ut metode konvension l. Oleh k ren itu.1 Pend hulu n Kem cet n d n tund n di d er h perkot n merup k n m s l h y ng s ng t kritis y ng dih d pi ny k kot es r di neg r sed ng erkem ng. di h silk n pol rus l lulint s. g r su tu ‘ke ij k n tr nsport si’ d p t dik t k n erh sil. mener pk n m n jemen l lulint s. Seperti tel h dijel sk n se elumny p d 5. Tet pi. Med n. Sur y . Deng n mempel j ri pol terse ut. Contohny . polusi su r . d n pencem r n lingkung n merup k n se gi n perm s l h n terse ut. inform si tent ng MAT erper n s ng t penting d l m us h men nggul ngi m s l h kem cet n di kot es r. B ndung. Di Indonesi . D p t dik t k n hw MAT ‘y ng se en rny terj di’ di l p ng n tid k k n pern h is diket hui oleh si p pun sehingg p r peneliti mengem ngk n er g i m c m metode e er p t hun el k ng n ini untuk d p t memperkir k n MAT terse ut.8 Model tr nsport si erd s rk n d t rus l lulint s 8. pertum uh n penduduk y ng pes t. mis lny Indonesi . Be er p jenis survei y ng tergolong d l m metode ini d l h survei w w nc r di rum h d n di tepi j l n. perlu diket hui pol p erj l n n se elum d n sesud h ke ij k n terse ut diter pk n. t u kom in siny y ng penggun nny s ng t terg ntung p d perm s l h n y ng dih d pi d n sum er d y y ng tersedi . metode konvension l ini cenderung mem utuhk n i y y ng s ng t m h l d n ten g kerj y ng s ng t ny k. term suk ngkut n um um. d n y ng 369 . Jik MAT ini di e nk n ke j ring n j l n. polusi ud r . s ng t mengg ngg u perger k n rus l lulint s. d n k n diikuti oleh e er p kot l inny p d khir t hun 2000. Perm s l h n ini dise k n oleh e er p f ktor seperti ur nis si. Untuk itu diperluk n inform si mengen i pol perj l n n t u perger k n m nu si d n/ t u r ng y ng i s ny diw kili deng n Origin−Destin tion M trix (O−D M t rix) t u M triks As l−Tuju n (MAT). Metode pen ksir n digolongk n menj di du kelompok. l ju pertum uh n ekonomi. Untuk meng t s iny perlu dil kuk n e er p tind k n seperti men m h j ring n j l n. keterl m t n. menet pk n ke ij k n tr nsport si. kit d p t meng identifik si perm s l h n y ng terj di p d j ring n j l n d n sel njutny e er p solusi is diperoleh.

Kelompok y ng kedu dise ut metode tid k konvension l.5 d n diterusk n deng n su 8. Metode pen ksir n terse ut meliputi metode 370 Ofy r Z T min. Konsep d s r pengem ng n e er p metode pen ksir n y ng tel h dikem ngk n ik oleh peneliti terd hulu m upun oleh penulis k n di erik n sec r rinci p d su 8. Pemikir n d s r d n e er p peneliti n y ng tel h dil kuk n y ng erk it n deng n penggun n d t rus l lulint s d l m pemodel n ke utuh n k n tr nspor t si k n di erik n sec r singk t p d su 8. term suk inform si MAT ny .8 menjel sk n pener p n konsep terse ut le ih l njut p d mode l kom in si SPPM (Se r n Perger k n−Pemilih n Mod ). B 8 ini disusun se g i er ikut. h sil khirny h ny erl ku untuk sel ng w ktu y ng singk t (penjel s n mengen i metode ini did p t p d 6). Be er p keuntung n peng gun n d t rus l lulint s d l m pemodel n ke utuh n k n tr nsport si k n di erik n p d su 8.7 menjel sk n konsep sec r mend s r t ent ng pemodel n ke utuh n k n tr nsport si y ng erd s rk n p d d t rus l l ulint s. Bel k ng n ini. terut m gi kot y ng mem utuhk n pemec h n m s l h tr nsport si y ng ersif t cep t t ngg p. y itu d l m h l w ktu d n i y . Ini diperku t deng n keter t s n y ng i s ny d di ne g r sed ng erkem ng. Metode tid k konvension l ini ter s sek li s ng t diperluk n untuk neg r sed ng erke m ng. teknik pengumpul n d t sec r otom tis jug erkem ng s ng t pes t d n ik. y ng h ny mem utuhk n i y s ng t mur h erup inform si d t rus l lulint s y ng ny k tersedi d n mud h did p t.terpenting. Semu l s n di t s menye k n d t rus l lulint s s ng t menguntungk n untuk dip k i.6 y ng mem h s e er p p erm s l h n y ng ditim ulk nny . s ng tl h diperluk n metode tid k konvension l y ng h ny memerluk n d t y ng d p t di peroleh deng n i y mur h d n w ktu y ng singk t. Su 8. Sel in itu. ny k inst nsi terk it y ng mengumpulk n d t sec r r utin sehingg ny k tersedi d n mud h did p t. Pendek t n y ng digun k n oleh e er p peneliti n terd hulu d p t dikelompokk n menj di 3. Perenc n n d n pemodel n tr nsport si . y itu pendek t n pen ksir n model ke utuh n k ntr nsport si. Su 8. pendek t n pen ksir n keseim ng n j ring n. Ini memungkink n peru h n t u tingk t pertum uh n rus l lulint s d p t deng n mud h dideteksi d n di n lisis . sert pekerj n survei y ng intensif y ng tentu le ih m h l. Metode pen ksir n i ni ny k mend p t perh ti n p r peneliti p d e er p t hun el k ng n ini k ren keuntung nny sec r ekonomi. Oleh se itu.3.2−8. 1987) sert metode l in y ng ketep t nny s ng t tinggi. Keuntung n terse ut is did p t k ren metod e ini h ny mem utuhk n d t rus l lulint s y ng s ng t mur h d n mud h mend p tk nny jik di ndingk n deng n survei l in y ng mem utuhk n w ktu y ng s ng t l m .9. Semu h l ini menye k n teknik terse ut d p t jug digun k n untuk meng n lisis fluktu si l lulint s untuk seti p j m. h ri. mis lny deng n menggun k n proses citr (Hoose nd Willumsen. d n pendek t n pen ksir n teori inform si. d n musim. ten g kerj y ng ny k.

12. in form si terse ut kemudi n digun k n untuk men ksir rus l lulint s p d m s men d t ng. J di.10. D l m k sus pert m .11.15 menjel sk n e er p metode k li r si y ng di utuhk n d n su 8. mis lny d t MAT p rsi l d l m pemodel n ke utuh n k n tr nsport si.13. m k mode l d p t digun k n uk n s j untuk men ksir MAT p d m s sek r ng. Y ng perlu dig ris w hi d l h hw model ke utuh n k n tr nsport si terse ut sel lu diny t k n deng n fungsi er g i peu h perenc n n seperti pop ul si d n/ t u l p ng n kerj sert e er p p r meter sosio ekonomi l inny . Su 8. tet pi jug untuk mer m lk n m s mend t ng.19 menjel sk n pem nf t n d t rus l lu lint s (IRMS) y ng sec r rutin dikumpulk n oleh Direktor t Jender l Bin M rg untuk mend p tk n inform si MAT region l d n n sion l. Model tr nsport si erd s rk n d t rus l lulint s 371 .2 Pemikir n d s r S ng tl h ergun p il d p t di ed k n nt r MAT y ng terj di sek r ng d n M AT y ng diperkir k n k n terj di p d m s mend t ng di su tu d er h k ji n. Ap pun spesifik si d n hipotesis y ng mengg ris w hi model y ng digun k n. su 8. 8. mis lny d t ATCS (Are Tr ffic Control System) di DKI J k rt d n Kot m dy B ndung untuk mend p tk n inform si MAT erw ktu ny t untuk d er h perkot n. Be er p pener p n y ng tel h dil kuk n oleh penulis y ng erk it n deng n p enggun n d t rus l lulint s di erik n p d su 8.16 menjel sk n progr m komputer d n prosedur k li r si y ng tel h dikem ngk n. d n metode pen ksir n entropim ksimum (EM) p d su 8.14 menjel sk n per n n penggun n d t l inny sel in d t ru s l lulint s. tet pi jug untuk mer m lk n MAT (d n rus l lulint sny ) p d m s mend t ng. sement r .pen ksir n ku dr t terkecil (KT) y ng k n di erik n p d su 8. d s r pemikir nny d l h mener pk n sistem model ke utuh n k n tr nsport si untuk memperkir k n juml h perger k n y ng dil kuk n oleh seti p tuju n perger k n sel m sel ng w ktu te rtentu. Su 8. metode pen ksir n inferensi B yes (IB) p d su 8. P d k sus y ng kedu . metode pe n ksir n kemirip n m ksimum (KM) p d su 8. Setel h p r meter model d p t dik li r si.17. MAT menjel sk n pol perger k n p d m s sek r ng t u m s y ng ru l mp u. tuju n ut m ny tet p untuk men ksir p r meter model terse ut deng n menggun k n info rm si d t rus l lulint s. e er p d t proyeksi sosioekonomi d n / t u t t gun t n h di utuhk n untuk memperkir k n MAT p d m s mend t ng. S l h s tu c r ny d l h deng n memodelk n peril ku pengend r t u ke utuh n k n perger k n y ng terj di di d l m su tu d er h k ji n y ng kemudi n dik li r si deng n d t rus l lulint s. D s r pemikir n pendek t n ini d l h pengem ng n metode pen ksir n MAT y ng uk n h ny digun k n untuk mend p tk n MAT p d m s sek r ng (term suk rus l lulint sny ).18 menjel sk n perkem ng n ter khir dew s ini tent ng ter uk ny kemungkin n penggun n d t rus l lulint s y ng ersif t w ktu ny t y ng sud h tersedi di e er p kot es r di Indonesi . Su 8.

Stiap modl dijlaskan lbih rinci pada bagian brikut ini. Klompok ini da pat juga diklompokkan lagi. mnjadi tiga subklompok. B ny k model y ng erk it n deng n pen ksir n MAT [Tid] d ri d t rus l lulint s y ng d p t ditulisk n d l m entuk erikut: meminimumk n t u mem ksimumk n deng n t s n: f(T . dirasaka n lbih baik jika mnglompokkannya mnjadi tiga klompok baru (Tamin. d t t m h n ini m sih le ih mud h d n le ih mur h mend p tk nny di ndingk n deng n mengumpulk n d t MAT y ng lengk p. Prncanaan dan pmodlan transportasi . pndkatan pna ksiran ksimbangan-jaringan. p l i d id ˆ =V l Tid ≥ 0 l mnyatakan nilai proporsi prgrakan yang brgrak dari stiap zona Kofisin p id ˆ mnyatakan asal i k stiap zona tujuan d yang mnggunakan ruas l dngan V l volum lalulintas pada ruas jalan trsbut. yaitu modl gravity (R).1) (8. dan ntropi-maksimum.Tentu h l ini mem utuhk n perhitung n nil i peu h perenc n n p d m s mend t ng. Tet pi. Ulasan sblumnya olh Willumsn (19 78ab. Kelem h n ut m pendek t n ini d l h di utuhk nny inform si d t perenc n n l in (y ng er sis zon ). Ul s n terse ut dis mp ik n d l m entuk umum seperti erikut ini. dan gravityopportunit y (O). t ) untuk lεL (8. sel in d t rus l lulint s. Jik P meny t k n su tu set z on s l d n Q d l h zon tuju n. kbutuhan-langsung.3 Peneliti n y ng tel h dil kuk n Nguyen (1982) mengul s deng n s ng t ik kemut khir n peneliti n y ng erk it n deng n pen ksir n MAT deng n menggun k n d t rus l lulint s. yaitu pndkatan pnaksiran modl kbutuhan-akan-transportasi.1. yait u pndkatan modl gravity. m k I=PxQ meny t k n su tu set p s ng n zon s l d n tuju n.3. mungk in s j model terse ut mem utuhk n inform si juml h ujung perj l n n t u sekur ng kur ngny d t popul si t u l p ng n kerj . 8. 8. misalnya modl gravity (R).1 Pnaksiran modl gravity Prosdur pnaksiran modl gravity mngasumsikan bahwa prgrakan dari stiap zon a asal i k stiap zona tujuan d 372 Ofyar Z Tamin. trgantung pada modl yang digunakan. pmbbanan ksimbangan.2) (8. dan pndkatan pnaksiran tori informasi yang mas ing-masing dijlaskan pada subbab brikut ini. 1988abcd) . 8. Dnga n mmprhitungkan pnlitian yang baru sjak ulasan trsbut dilakukan.1 Pndkatan pnaksiran modl kbutuhan-akan-transportasi Pndkatan ini mngasumsikan bahwa prilaku pngndara atau kbutuhan akan prg rakan di dalam suatu darah kajian dapat dinyatakan scara baik dngan modl kb utuhan akan transportasi yang umum.3) ∑ ∑ Tid .3.1981a) mnglompokkan prosdur pnaksiran mnjadi tiga klompok utama. Se g i contoh.

2 Pen ksir n model ke utuh n l ngsung r nk n metode pen ksir n MAT deng n menggun k n model ke utuh n l ngsung deng n d t y ng tid k lengk p. tarikan.3. di sumsik n hw perger k n nt rzon h rus konsisten deng n d t peng m t n rus Model tr nsport si erd s rk n d t rus l lulint s 373 . Pert m . K ren penggun n m tem tik y ng le ih rumit. Kbanyakan mtod pn aksiran yang dikmbangkan dalam subklompok ini trgantung pada trsdianya info rmasi lain yang mmang sangat trbatas (slain data informasi arus lalulintas) u ntuk mnaksir ktiga faktor trsbut. misalnya ksponn β p d model gr vity. Metode pen ksir n l in y ng relev n diusulk n oleh Holm et l (1976) y ng menggun k n n lisis kemirip n m ksimum. dan akssibilitas atau biaya prjalanan antara kdua zona. Tet pi.2 ) dinyatakan dalam bntuk fungsi modl kbutuhan akan transportasi bsrta param trnya. C rey et l (1981) meny 8. Dalam bntuk yang sdr hana. Terd p t e er p jenis model gr vit y. Kedu . Pen ksir n rus l lulint s did p tk n d ri h sil pemec h n pers m n m tem tik deng n pendek t n pemrogr m n ku dr t (model ku dr tterkecil line r er t s). ik line r m upun tid k line r y ng dikem ngk n p d e er p t hun el k n g n ini oleh p r peneliti.brbanding lurus dngan kapasitas bangkitan dan tarikan dari zona trsbut dan b rbanding trbalik dngan akssibilitas antara kduanya. deng n tuju n me minimumk n juml h simp ng n ku dr tis deng n t s n y ng did p tk n d ri e er p d t peng m t n rus l lulint s. Dalam prosdurnya. m sih s ng t sedikit peng s h n y ng dil kuk n untuk metode pen ksir n terse ut sehingg terd p t e er p pelu ng peneliti n l njut n y ng d p t dil kuk n untuk mempel j ri entuk mode l l in y ng le ih fleksi el d n menyeluruh. Tid pada prsamaan (8. yaitu faktor bangkitan. Model gr vity d p t diny t k n d l m e er p tingk t perm s l h n. Perm s l h nny le ih ditek nk n p d penggun n model ke utu h n l ngsung y ng mempuny i hu ung n line r nt r p r meterny . 1974). hu ung n ini dise ut model ke utuh n l n gsung. metode pen ksir n ku dr t terkecil tid k line r mem utuhk n w ktu komputer y ng le ih l m di ndi ngk n deng n metode line r d l m pemec h n m s l h deng n juml h p r meter y ng s m . P r meter model gr vity terse ut kemudi n dit ksir sehingg g l t t u per ed n nt r rus l lulint s h sil peng m t n d n h sil pen ksir n menj di sekecil mungkin. Per ed n ut m di nt r kedu model terse ut terl et k p d peu h tid k e s. pndkatan ini mngasumsikan bahwa prilaku prgrakan di dalam darah kaj ian dapat dijlaskan dngan tiga faktor utama. di sumsik n hw volume perj l n n nt rzon h rus dimodelk n se g i fungsi d t sosio ekonomi y ng sesu i deng n s eti p zon d n ksesi ilit s nt rzon .1. fungsi h m t n. Terd p t tig kunci ut m y ng di utuhk n d l m pengem ng n model jenis ini. d n jenis teknik pemilih n rute y ng digun k n. Ro ill rd (1975) d n Hög erg (1976) menggun k n metode n lisis ku dr t terkecil tid k line r. Metode pen ksir n untuk jenis ini jug diusulk n oleh Low (1972) y ng menggun k n model gr vity sederh n y ng kemudi n dik li r si deng n n lisis ku dr tterkecil line r (lih t jug OECD.

d )∉S 0 ∑ [ id − f (x id . d )∉S ∑  id 0 i ( i .d )∉S ∑  id 0 + + + d ( i . d. x α i . Rumus n khir model terse ut s ng t terg ntung p d jenis inform si y ng tersedi p d seti p penggun n. sed ngk n peng m t n (c.C id (8.d )∈S 0 .7) d ( i .e) tid k diperluk n untuk seti p zon . y ng erger k d ri zon s l i ke zon tuju n d se g i fungsi ciri sosio ekonomi (xi. Ter khir. (e) peng m t n tot l perger k n M i y ng er s l d ri zon s l i d n tot l perger k n Ad y ng menuju zon tuju n d. y ng diny t k n deng n vektor xi d n xd. α )] + 2 ( i . 0 (c) peng m t n d t perger k n nt rzon  id .d )∈S 0 0 ∑ [ id − f (x id . x d . id.l lulint s y ng did p t.5) (8. ( ) d t ciri sosio ekonomi d ri seti p zon s l d n tuju n. α ) ] 2 (8.xd) kedu zon d n d t ksesi ilit s nt rzon Cid.6) (8. Inform si d t ksesi ilit s ( ) di utuhk n untuk seti p p s ng n zon d n d t ciri sosio ekonomi ( ) di utuhk n untuk seti p zon . Inform si y ng di utuhk n untuk metode ini d l h: ( ) d t ksesi i lit s Cid nt r zon s l i d n zon tuju n d. perm s l h n pen ksir n terse ut d p t diny t k n se g i: mem inimumk n deng n t s n: Z= ( i .4) Sec r m tem tis. volume nt rzon y ng dih silk n h rus memini mumk n juml h ku dr tis simp ng n deng n volume h sil peng m t n. (d) peng m t n rus di e er p ru s j l n Vk. Model ke utuh n l ngsung mengg m rk n perger k n. α3 α2 1  id = α 0 .d )∈S 0 0 ∑  id = Mi = Ad = Vk untuk semu k i ( i .

C(k) = su tu potong n. m k : C(k) = CU(k)∪C0(k) d n CU(k)∩C0(k) = 0. Perenc n n d n pemodel n tr nsport si . Jug .  id0. Vk = rus h sil peng m t n p d ru s j l n d l m potong n C(k).0 ∑  id ( i . id = volume nt rzon deng n ( i . 374 Ofy r Z T min.8) S0 = set d ri semu p s ng n (i.d) y ng mempuny i d t peng m t n rus nt rzon .d). mis lny s tu set rute (i. jik CU(k) merup k n potong n rute d ri C(k) y ng tid k di m ti rusny .d )∉Cu (k) ∑  id ( i . C0(k) d l h su tu potong n d ri C(k) deng n rus ru s peng m t n id0. d ) ∉ S 0 .d )∈C 0 (k) 0 ∑  id (8.

seti p kemungkin n y ng terj di nt r zon tuju n t erse ut diurut sesu i deng n j r k d ri zon s l. Model tr nsport si erd s rk n d t rus l lulint s 375 . Su tu pendek t n y ng mirip. S ng tl h logis jik model y ng ide l d l h model y ng mempertim n gk n kedu efek terse ut. Ker ngk kerj y ng er ed d l m pemodel n peril k u perger k n d p t di u t deng n menggun k n model Intervening Opportunity (IO). d n i y ) deng n sesu tu y ng h ny did s ri ciri e er p zon tu ju n y ng s ling mempeng ruhi. y ng memungkink n penggun n per m l n d ri ketid kp s ti n sert pem k i n semu inform si y ng d d l m entuk t s n. Sel njutny . model gr vity kur ng memperh ti k n efek intervening. Di s tu sisi. sert dimungkink n did p tk nny pen ksir n v ri nsi m triks. not si jug mengh m t penggun n mo del ini k ren mensy r tk n zon tuju n y ng h rus diurut sesu i deng n j r k y ng sem kin menj uh d ri zon s l.1. w ktu.Tet pi. Jik di ndingk n deng n metode y ng tersedi . C rey nd Rev elli (1986) mengem ngk n model terse ut ke r h pemec h n t s n y ng ersif t pertid ks m n d n mengh silk n peril ku st tistik y ng le ih ik. di ndingk n deng n zon tuju n y ng j r kny le ih j uh. d n ini merup k n fenomen intuitif y ng logis y ng p d m odel gr vity s m sek li tid k dipertim ngk n.3. t s n ut m metode ini d l h tid k tersedi ny penjel s n rinci menge n i model ke utuh n l ngsung. y ng dise ut pen ksir n ku dr t terkecilumum (KTU) dikem ngk n oleh C scett (1984). mis lny juml h pertoko n. sert peril ku st tistikny . Peneliti n jug diterusk n p d penggun n model ke utuh n l ngsung y ng le ih umum y ng me mpuny i hu ung n tid k line r nt r p r meterny d n jug mempuny i t s n per tid ks m n. sed ngk n di sisi l in model IO tid k mempertim ngk n efe k h m t n. Per ed n ini dise k n oleh efek IO p d zon tuju n. Hendrickson nd McNeil (1984 ) d n McNeil nd Hendrickson (1985 ) jug mengem ngk n model y ng le ih umum di ndingk n deng n model y ng dikem ngk n oleh C rey et l (1981). S l h s tu kesulit n y ng mengh m t pengem ng n model IO d l h persy r t n pengg nti n h m t n perj l n n (j r k. Rumus n pemrogr m n ku dr t sec r ekiv len dirum usk n kem li se g i perm s l h n pen ksir n y ng ersif t ku dr t terkecil umu m deng n t s n (KTUDB). Metode i ni d p t dihitung deng n menggun k n m triks m nipul si t u p ket progr m pemro gr m n ku dr t. 8.3 Pen ksir n model gr vity opportunity (GO) Tentuk n s l h s tu zon tuju n d n u hl h s l h s tu tri utny . t s n komput si d l m penyeles i n m s l h pemro gr m n ku dr t deng n t s n line r. Perm s l h n KTUDB memungkink n digun k nny pem k i n m triks v ri nsi kov ri nsi. Peru h n k n menim ulk n efek y ng er ed d n le ih kecil p d perger k n d ri zon s l ke zon tuju n y ng j r kny le ih dek t. perumus n sec r ku dr tis terny t le ih fleksi el k ren seti p inform si d p t digun k n se g i t s n. Pertim ngk n su tu zon s l d n e er p kemungkin n zon tuju n di d l m per muk n y ng erdimensi du .

kontur fungsi k emungkin n. P d kondisi pem e n n keseim ng n.2 Pendek t n pen ksir n keseim ng n j ring n S ng t diperluk n metode y ng mempertim ngk n efek kem cet n y ng sering ditemu k n di d er h perkot n t u p d j ring n y ng pem e n n l lulint sny sud h m endek ti k p sit s j ring n. Wills (1978) mel kuk n perco n gi model GO terse ut d eng n menggun k n d t rus l lulint s sert metode pen ksir n kemirip n m ksimu m. 1952) y ng d p t diny t k n d l m entuk progr m m tem tis. 1988 cd). Perenc n n d n pemodel n tr nsport si . Pem c y ng ermin t menget hui le ih j uh mode l GO dis r nk n mem c 5. seluruh i y perj l n n untuk semu rute nt rzon d l h s m . di sini teknik pem e n n keseim ng n di ngg p se g i teknik y ng p ling cocok d ri segi teori d n pr ktis. h silny j uh le ih ik d rip d model gr vity (lih t jug T min.Wills (1978.3.3): mem ksimumk n L=− 1 ˆ A. Be er p pendek t n tel h dikem ngk n. mis lny model IO jenis eksponensi l d n jenis log ritm sert model GR. entuk d s r model GR d n IO is dih silk n se g i k sus khusus.9) 8. B t s n in i merup k n gi n d ri prosedur norm lis si d n. uk n merup k n gi n d ri model. Fungsi tuju n y ng i s digun k n untuk pemodel n se r n perger k n d l h meminimumk n residu l nt r MAT h sil pemodel n d n MAT h sil peng m t n. Pengem ng n le ih l njut prinsip ini mengh silk n sistem n lisis d n pengem ng n lgoritm y ng efisien untuk mend p tk n solusi (lih t V n Vliet nd Dow. Model terse ut d p t diny t k n se g i pers m n (8. versi du t s n.1986) mengem ngk n model GO.2)−(8. y ng memper hitungk n efek kem cet n d l m pemilih n rute. J di. Tet pi. Dikotomi not si nt r du pendek t n ini d p t dipec hk n deng n menggun k n MAT ‘ erurut’ d n p roses ‘norm lis si’ y ng mensy r tk n t s n ‘ ris’ d n ‘kolom’ h rus dipenuhi. Sel njutny . Progr m itu d p t diny t k n erikut ini: 376 Ofy r Z T min. s tu t s n. progr m terse ut mem utuhk n d t rus l lulint s untu k semu ru s j l n y ng d d l m j ring n d n ini s ng t m h l d ri sisi pengum pul n d t . pemilih n nt r pendek t n model GR t u IO diputusk n sec r empirik d n st tistik deng n menggun k n t s n p d p r mete r y ng mengontrol entuk fungsi mek nisme penye r n perger k n. k ren itu. Jen is pem e n n ini konsisten deng n prinsip keseim ng n W rdrop (W rdrop. Nguyen (1977) menggun k n keny t n ini untuk mengem ngk n du progr m m tem tik y ng solusi khirny mengh silk n MAT y ng konsisten deng n rus perger k n s t peng m t n. Semu mode l ini d p t diperlih tk n d l m su tu d er h er entuk segitig . 1979). permuk n respon d n sel ng keperc y n d p t dir j h. d n t np t s n d ri model GO d p t diturunk n.9) deng n t s n pers m n (8. Penggun n nil i p r meter y ng er ed k n mengh silk n kelu rg model y ng er ed pul .log e ∑ V l − V l 2 l ( ) 2 (8.

Ditekankan ula bahwa emaalahan akan memunyai olui yang unik aa tingkat au lalulinta. Untuk menguangi waktu komute.δ li V l = ∑ ∑ ∑ Ti  i   untuk emua nilai i. an m etoe enakian mulai beean hanya jika kemacetan meuakan hal utama alam  oe emilihan ute. Algoitma ini kemuian memoif ikai MAT taget teebut yang nantinya menghailkan au lalulinta yang euai engan au lalulinta hail engamatan. Diatikan elalu aa olui otimal ai be beaa MAT yang bebea yang jika ibebankan kembali ke jaingan jalan akan meng hailkan au lalulinta yang ama.dV − ∑ ∑ [C id . mekiun jika ibeba nkan kembali ke jaingan jalan akan menghailkan au lalulinta yang ama. Dengan kata lain.11) (8. imulai ai uat u nilai awal MAT. olui ak hi meuakan MAT yang jika ibebankan kembali ke jaingan jalan aa konii ke eimbangan akan menghailkan au yang euai engan au hail engamatan. Bebeaa moifikai enekatan Nguyen (1977. nilai awal MAT yang bebea akan menghailkan olui MAT yang bebea.12) (8. Pebaikan yang aling enting aa algoitma ini aalah ehitungannya ceneung konvegen aa olui yang mii engan nil ai awalnya. memekenalkan fakto koeki tetentu amai kiteia konveg en teenuhi.10) (8.1982) juga imoifikai ehingga icaai oe konvegen yang lebih ceat. olui teebut angat iengauhi oleh beubah ubahnya au lalulinta.1982) ikemban gkan oleh Tunquit an Gu (1979).Tid ] l 0 i d r . algo itma Nguyen (1977. Nguyen (1977 ) menyaankan uatu algoitma untuk menaatkan olui engan.10). .  1 jika ua l igunakan oleh ute  antaa zona aal i ke zona tujuan  δ li = 0 jika tiak Aabila biaya ejalanan anta aangan zona an hubungan antaa bia ya−au untuk etia ua jalan iketahui.meminimumk n terg ntung p d t s n: Vl F = ∑ ∫ C l (V ). (8. emaalahan otimai yang beifat ti ak linea aat ihailkan. bukan aa tingkat MAT. Juga . yang meminimumkan fungi tujuan (8. Konekueninya.14) Moel tanotai beaakan ata au lalulinta 377 .  Ti = ∑ Ti   Ti ≥0 (8. Kele mahan utama enekatan ini aalah tiak teaatnya olui yang unik yang memung kinkan ihailkannya lebih ai atu MAT yang aabila ibebankan kembali ke jai ngan jalan menghailkan au lalulinta yang ama. Ini membeikan motivai untuk menentukan nilai awal yang baik (atau uatu MAT taget) engan atibut yang iinginkan.13) untuk emua nilai i.

3. Bebeaa moel telah ikembangkan yang ijelakan ecaa inci beikut ini. yang euai engan item bataan yang teeia. 8. khuunya kaena tiak aanya k eatian bahwa enekatan entoi akan elalu menghailkan olui yang unik. aat iecahkan ecaa efiien engan oeu engali Lagange. 8. unu yang aa ceneung memunyai atu an yang memunyai ketiakteatuan yang aling bea yang aat ilakukan enga n bebagai macam caa. moel kombinai ebaan egeakan an emilihan ute aat juga igunakan. yang teoi aanya beaal ai hukum fiika . engan menggunakan ata au lalulinta. Pini ini biaanya menggunakan kone entoi. Petimbangkan uatu item yang teii ai ejumlah bea elemen. Penelitian Fik an Boyce (1983) menu njukkan bahwa aa konii keeimbangan. Kone ini.3.LeBlanc an Fahangian (1982) mengembangkan oeu yang ecaa beuutan mene akan teknik Fank−Wolfe aa maalah yang ama engan maalah Nguyen (1977). Po eu ini jauh lebih efiien aiaa metoe Fank−Wolfe yang biaa igunakan. un tuk menaki MAT.1981). Tetai. Wilon (1967. Penjelaan angat inci mengenai item teebut membutuhkan ei fikai yang lengka mengenai tatu aa tingkat ‘miko’.1 Moel etimai matik entoi makimum (EMEM) Metoe enakian ini men ggunakan kone entoi makimum untuk menaki MAT engan menggunakan infomai ata au lalulinta. infomai tambahan yang ibutuhkan untuk menak i MAT iaatkan engan menggunakan ini umum yang menyatakan eluang enga tuan tetentu beaakan hail engamatan konii MAT yang ehaunya ihailk an. kita lebih baik bekeja aa tingkat yang lebih agegat atau aa tingkat e ngan eifikai tatu tingkat ‘meo’. Tam ak bahwa oeu emilihan MAT yang menghailkan au lalulinta yang ama eng an au hail engamatan.3. untuk tujuan akt i.1970.1981ab) menghailkan moel enakian MAT ai ata au lalulinta engan menggunakan enekatan ent oi makimum. Penekatan ini angat menaik. Moel teebut ecaa lua ikenal ebagai moel Etimai Matik Entoi Makimum (EMEM). menyatakan bahwa alam item tetutu. 378 Ofya Z Tamin. Wilon et al (1981) an Wilon an Bennett (1985) mengg unakan teknik entoi makimum untuk membentuk moel kebutuhan akan tanotai . Peencanaan an emoelan tanotai . infomai atau kemungkinan untuk menefiniikan ola egeakan yang aling mungkin an engetahuan mengena i MAT yang hau iaatkan. yang iumukan alam bentuk bataan alam ogam otimai.3 Penekatan enakian teoi infomai Paa jeni metoe enakian ini. khuunya alam eencanaan ekotaan an wilayah eeti untuk menuunkan kel uaga moel gavity (GR) ai etimbangan enekatan entoimakimum (enuunan aat ilihat ecaa inci aa bab 5). Willumen (1978ab. eta mii engan MAT taget.

lebih muah me amalkan oulai uatu zona aiaa jumlah keluaga uatu zona untuk kategoi t etentu.Paa contoh moel ebaan egeakan. x2. . eing lebih muah ilakukan aa tingkat engelomokan yang lebih tinggi (ta tu mako). Hal yang ama. Secaa umum. Bahkan. tatu meo menjelakan jumlah egeakan antazona.. Hal ini ebenanya mengaumikan bahwa kita mengabaikan tatu miko a n meonya. Mialnya. Seteunya. Sebagai contoh. xN) (8. ekiaan mengenai maa menatang. Untuk menaatkan ukuan yang layak tentang uatu aktivita egeakan . yaitu tatu aa tingkat mako. Salah atu caa untuk memaka aga teta koniten engan infomai  tatu meonya aalah engan caa mengekeikannya alam bentuk bataan uatu  eamaan matemati.15) Penuunan fungi y tehaa alah atu eubah bia ihitung engan mengangga eubah lainnya elalu kontan aa aat enuunan teebut. hami eluuh infomai tentang uatu item lebih akuat  aa tingkat mako. eb aiknya ijelakan ahulu enggunaan eamaan Lagange alam memecahkan emaal ahan otimai engan bebagai eamaan bataan. euai  engan bataan tatu makonya. biaanya me munyai bataan aa tingkat tatu mako kaena ketiakatian yang teaat a lam eamalan teebut juga beaa aa tingkat mako. Kaena kita lebih mementingkan ekii tatu meo uatu  item. teaat ejumlah bea kombinai tatu miko yang beb ea yang menghailkan tatu meo yang ama. teaat ula tatu engelomo kan yang lebih tinggi. kita akan mengientifikai tatu meo yang aling memungkinkan. Ha l ini ikenal engan enuunan aial an ituli ebagai ∂y/∂xi. total egeak an aa uatu ua jalan tetentu atau total bangkitan an taikan egeakan u atu zona. Daa metoe ini aalah menaatkan infomai eluuh tatu miko yang akan tejai engan eluang yang ama eta koniten engan infomai tatu m akonya. Sebelum kita mengula maalah ini lebih jauh. Anggalah iketahui: y = f(x1. j ika: 3 y = 2 x1 + x 2 x3 maka ∂y =2 ∂x 1 ∂y 2 x3 = 3x2 ∂x 2 ∂y 3 = x2 ∂x 3 Moel tanotai beaakan ata au lalulinta 379 . mialnya Ami an Bau aat aling betuka zona tujuan yang akan menghailkan tatu miko yang bebea tetai e ngan tatu meo yang tiak beubah. mialnya...

18) sebagai fungsi dai x1..xN) = b2 .17) daam bentuk yang ain.... x 2 ... ..... Anggalah. i = 1.15) engan bataan  ebagai beikut: 1(x1. Kau yang angat menaik alam hal ini aalah makimum a n minimum.. x2.xN dan λ1..... Kita kembai agi ke pemasaaha n semua.17)... 2 . Kaena itu... x N ) + ∑ λ k [k (x 1 . Jadi.17) Hal ini aat ilakukan engan menentukan atu et engali Lagange (λ1. maka status meso yang paing memungkinkan adaah status yang dap at dihasikan dengan sebanyak mungkin caa. xN) = bK (8. ∂λ k i = 1.Telihat bahwa nilai makimum an minimum ai fungi eeti aa eamaan (8.. kita ingin memakimumkan eamaan (8.... Wison (1970) mempeihatkan bahwa jumah status miko W[Tid] yang te kait dengan status meso Tid adaah sebagai beikut.λK) un tuk setiap pesamaan (8. Kaena diasumsikan bahwa semua status miko b epeuang sama.21) W [Tid ] = ∏ ∏ Tid ! i d Asumsi dasa pendekatan ini adaah peuang sebaan [Tid] yang tejadi sebanding dengan jumah status yang ada daam sistem tesebut yang mendukung tebentuknya sebaan [Tid]. .2.N ∂x i yang akan menghailkan atu et eamaan imul tan untuk iecahkan. Jadi.. x2.. x2.. 2. K(x1.. ∂x i dan ∂L = 0. .N (8... kita haus memecahkan: ∂L = 0.16) = 0. 15) bia iaatkan engan menetakan emua tuunan aialnya ama engan nol: ∂y (8.. λ2. yang dibutuhkan adaah s uatu teknik yang dapat 380 Ofya Z Tamin. . jika W[Tid] adaah jumah caa yang dianut setiap individu untuk mengatu diinya sehingga dihasikan sebaan [Tid]. λ2.. .. dan memaksimumkan: L = f ( x 1 .20) Pesamaan (8.. x2. x N ) − bk ] k (8.19) k = 1.. .xN) = b1 2(x1. . T! (8. Peencanaan dan pemodean tanspotasi . Tes edianya caa dengan mempekenakan satu set pengai Lagange sebagai peubah tamb ahan memungkinkan didapatkannya niai maksimum..K (8..20) sebenanya adaah pesamaan (8. maka peuang [Tid] yan g tejadi sebanding dengan W[Tid].λK....

p  ) memaksimumkan EM 1 = − ∑ ∑ (Tid . Penuunan mode EMEM sama pesis dengan penuunan mode gavity.27) dapat dituis kembai daam bentuk pesamaan tungga (8 . Kaena itu.22) oge W = og e e ∑ ∑ og e Tid ! ∏ ∏ T ! i d id i d Dengan menggunakan pend Stiing ogeX!≈XogeX−X. p = 0 V  id id i d Tid ≥ 0 Dengan menggunakan metode pengai Lagange. dihasikan mode yang dapat mempekiakan status meso yang p aing mungkin (daam kasus ini beupa matiks sebaan pegeakan [T]).23) Kaena ogeTid! meupakan suatu konstanta. T! = og T! − (8. tetapi dengan mengganti batasan uju ng pejaanan dan biaya dengan batasan yang bekaitan dengan aus auintas.21). kita akan memaksimumkan fungsi monoton og e W kaena keduanya mempunyai niai maksimum yang sama.og e Tid − Tid ) + ∑ λ  (V  i d (8.26) (8.24) dengan batasan yang ditentukan dai penget ahuan status mako.28).24) yang biasa disebut fungsi entopi. EM = oge W’ = − ∑ ∑ (Tid o g e Tid − Tid ) i d (8. ˆ − ∑ ∑ T .23) beubah menjadi pesamaan (8.27) ˆ − ∑ ∑T . pesamaan (8. Kunci uta ma daam ha ini adaah bagaimana mengidentifikasi deskipsi status miko. Dengan menghiangkan fakto ogeTid! maka pesamaan (8. meso dan mako yang cocok beseta batasan mako yang haus dipenuhi oeh sousi dai pemasaahan optimasi tesebut. Untuk ebih mudahnya. niai itu dapat dihiangkan dai pos es optimasi. Ma saah penaksiannya dapat dinyatakan dengan: memaksimumkan dengan batasan: dan E M = − ∑ ∑ (Tid og e Tid − Tid ) i d (8.28) Mode tanspotasi bedasakan data aus auintas 381 .25) (8.25) dengan batas an pesamaan (8.24) Dengan memaksimumkan pesamaan (8.mengidentifikasi niai [Tid] yang memaksimumkan W[Tid] yang dinyatakan dengan pe samaan (8. Mode ini mencoba menaksi MAT yang paing mu ngkin setiap uas jaan ( V  sehingga aus auintas hasi pemodean sama deng an aus auintas hasi obsevasi untuk setiap uas jaan. masaah optimasi (8. Daam kasus ini batasan status mako yang diguna kan adaah aus auintas pada ˆ ).26)−(8.22) dapat disedehanakan menjadi: oge W = o ge T! − ∑ ∑ (Tid og e Tid − Tid ) i d (8.

• Daam bebeapa kasus. p id  (8. sousi foma pemasaahan ini bisa didapatkan dengan: Tid = ∏ X pid   (8. semakin baik ketepatan MAT yang dihasikan. Sebagai batasan.dengan λ = fakto pengai Lagange Untuk memaksimumkan pesamaan (8.29) beikut.32) dengan: X  = e − λ dan λ adaah fakto pengai Lagange bagi setiap data aus auintas pada setiap uas .29) (8. voume uas jaan mempu nyai hubungan inea dengan voume uas jaan ainnya daam satu set uas yang s ama. T ˆ (8.30) Jadi.28) dibutuhka n pesamaan (8.25) beubah menjadi pesamaan (8. misanya data matiks hasi obsevasi. ∂EM 1  = − og e Tid − ∑ λ  . yang sesuai dengan infomasi daa m aus auintas. Kiteia konvegensi yang digunakan adaah pebandingan anta a aus uas yang dihasikan dengan aus hasi pengamatan.33) dengan batasan .27) id − Tid + T id T ˆ i d .26)−(8. Data aus  auintas biasanya tesedia untuk setiap set uas jaan. so usi akhi seau menghasikan aus auintas yang sesuai dengan aus auintas hasi pengamatan. Masaah ketidakkonsistenan dapat dipecahkan dengan mengubah pengamatan deng an menggunakan kiteia kemiipan maksimum sehingga secaa tidak angsung didapa tkan infomasi tambahan. Peencanaan dan pemodean tanspotasi daam bentuk infomas Untuk itu. • Mo de EMEM menghasikan MAT yang paing mungkin. tetapi mencoba mengoptimakan infomasi y ang tesedia pada uas jaan tetentu saja. Mode ini tidak membutuhkan data aus auintas untuk semua uas jaan yang ada di daam jaingan. ihat contohnya pada Van Zuyen and Wiumsen (1980) da n Van Zuyen and Banston (1982). fungsi tuj pesamaan (8. Mode ini dapat juga ditafsikan sebagai masaah muti poposiona yan g dapat dipecahkan dengan bantuan agoitma sedehana sepeti yang dijeaskan da am Van Zuyen and Wiumsen (1980). tedapat bebeapa infomasi tambahan i awa status meso.31) (8. Semakin engkap data aus auintas yang dimiiki. p id =0 ∂Tid   og e Tid = − ∑ λ  . Diskusi inci mengenai pemasaahan muti p oposiona dan sousinya yang unik tedapat daam Muchand (1977). uan (8. Peiaku mode EMEM dijeaskan beikut ini.33) memaksimumkan EM2 = − ∑ ∑ Tid og 382 Ofya Z Tamin.

Pesamaan (8.26)−(8. masaah optimasi (8. Semakin besa pebedaannya. Untuk m engatasinya dapat digunakan fakto pengai yang mempehitungkan peubahan aus  auintas secaa umum yang tejadi sebeum penggunaan mode 383 Mode tanspotasi bedasakan data aus auintas .36) (8. MAT daeah yang e bih uas. ∂EM 3 T  = − og e id − ∑ λ  . dibutu hkan pesamaan (8. Jika tesedia infomasi awa MAT.33) dengan batasan pesa maan (8. Daam kasus ini. Wiumsen (1982. p id ˆ T  id (8. mode EMEM bisa dikembangkan untuk d apat mempetimbangkan infomasi awa MAT tesebut. semakin besa pua niai E M2. Daam bebeapa kasus. Dengan m enggunakan metode pengai Lagange. jika infomasi awa MAT tesedia.1986b) menunjukkan bahwa ketepatan MA T yang dihasikan oeh mode EMEM sangat tegantung pada ketepatan infomasi awa  MAT. dan digunakan untuk m enghasikan MAT yang bau. p  ) (8.38) Akan muncu masaah jika umu infomasi awa MAT [tid] sudah cukup ama.34). mode akan m enaksi MAT yang miip dengan infomasi awa MAT dan sekaigus akan sesuai denga n aus auintas hasi pengamatan (jika dibebankan ke jaingan jaan).37)  Penyeesaian ini sangat jaang dipeoeh jika tidak tedapat satu pun infomasi mengenai MAT pada daeah tesebut. p id =0 ˆ ∂Tid Tid  og e Pe yeesaiannya adaah:  ˆ ∏ X pid Tid = T id  (8. infomasi dapat beupa infomasi dasa mengenai MAT.34) memaksimumkan EM 3 = − ∑ ∑ Tid .34). taksian niai t ata ata dai infoma si awa MAT untuk setiap pasangan zona bisa didapat dai: ˆ V ∑   L t= ∑∑ i d  p id L (8. Infomasi awa MAT ini sangat behaga.35) Tid  = − ∑ λ  . T ˆ − ∑ ∑ T .og e id + ∑ λ  (V  id id ˆ  i d d dengan λ = fakto pengai Lagange Untuk memaksimumkan pesamaan (8. atau mungkin hasi mode kebutuhan akan tanspota si yang sedehana.35) beikut. contohnya MAT pada masa ampau.33) meupakan fungsi tujuan yang cukup menaik kaena jika semua ˆ ma ka EM2 akan beniai no dan akan beniai positif jika tedapat niai Tid = T i d pebedaan di antaanya. MAT beskaa keci. Jadi.27) dapat dituis kembai daam bentuk pesamaan tungga (8.

39) φ di aksir dengan model yang baru ersebu dengan mengalikan se iap unsur inormas i a. yang dapat dituiskan sebagai: Tid = φ id ∏ X lpi d l l (8.EMEM. Be (1983ab.1985) mengembangkan vesi EMEM ain yang dikena sebag ai mode og inea. Mode bau ini mempunyai poses penaksian yang tepisah da i setiap poses fakto pengai.1984ab.

al MAT dengan ak or er en u agar dihasilkan arus lalulin as yang sesuai de ngan yang diharapkan. model dasar EMEM biasanya dipecahkan dengan algori ma mul i proporsional yang cukup eisien dalam pemakaian memori kompu er. Selang kepercayaan yang idak sime ris dari MAT dihasilkan dari hasil penaksiran dengan nilai variansi dan kovariansi yang didapa dari hasil arus lal ulin as. Selain i u. e api belum be gi u cepa . model ini dapa digunakan un uk menghasilkan. Dengan da a arus lalulin as. e api juga nilai selang keperc ayaannya. idak hanya aksiran nilai MAT. Sua u prosedur penyesuaian jenis Ne.

e api membu uhkan memo ri lebih banyak. baik un uk model EMEM dasar maupun EMEM yang baru. Dilaporkan bah. on elah dikembangkan. Prosedur ini mencapai konvergen lebih cepa dibandingkan dengan algori ma mul i proporsional. Kepekaan model EMEM erhadap pemilihan ru e juga dilaporkan dal am Van Vlie and Willumsen (1981).

a model EMEM idak begi u peka erhadap pemilihan ru e. Sua u se da a dari ko a Reading (Inggris) elah digun akan un uk menunjukkan bah.

a penggunaan pemilihan ru e yang elah dike ahui hany a menghasilkan MAT yang hanya sediki lebih baik daripada MAT yang didapa kan de ngan eknik pembebanan all or no hing. Te api. sejauh ini. model EMEM mempunyai asumsi bah.

Jika sebaliknya. Asumsi ini dapa di er ima apabila kemace an belum berperan dalam pemilihan ru e. Willumsen (1984b) melaporkan bah. mode l membu uhkan modiikasi. Lebih lanju lagi. Pengembangan model EMEM lebih lanju yang elah memper imbangkan kondisi keseimbangan pada jaringan yang sudah mace di eli i oleh Wil lumsen (1982).a dimungkinkan mendapa kan MAT dari inormasi da a arus lalulin as ya ng didapa kan secara erpisah dari proses penaksiran MAT.

a model EMEM dapa juga dikembangkan un uk memper imbangkan analisis kemace an secara dinamis . Permasalahan ini membu uhkan penggunaan MAT yang didapa pada .

ak u yang ber u ru an. Perencanaan dan pemodelan ranspor asi . eberapa kelemahan erseb u . Di samping kelebihannya. 384 Oyar Z Tamin. model ini idak dapa memperhi ungkan pengembangan pada a a guna lahan a au perubahan po la sebaran pergerakan akiba adanya perubahan aksesibili as. dilaporkan dalam A kins (1987). • Model EMEM idak me mpunyai asili as apa pun un uk memperkirakan MAT pada masa menda ang. misalnya 15−20 meni an. adalah yang beriku ini. model EMEM juga mempunyai banyak kelemahan yang sudah diduga oleh para prak isi.

• Ke epa an MAT yang dikalibrasi dari da a arus lalulin as dengan menggunakan mode l EMEM sanga ergan ung pada ersedianya inormasi a.

jika k e epa an da a inormasi a. Karena i u.al MAT.

Dalam kasus ini.3.al MAT idak begi u baik. hasil penaksiran MAT nya pun idak erlalu epa . Van Zuylen (1978) meng embangkan model penaksiran MAT yang paling memungkinkan dari da a arus lalulin a s dengan menggunakan pendeka an yang meminimumkan inormasi. ujuan u ama adalah menggunakan semua inormasi yang ersedia dalam da a arus lalulin as un uk mendapa kan MAT.2 Model inormasi minimum (IM) Ukuran en ropi dapa juga digunakan sebagai ukuran inormasi a au ukuran ke idak pas ian.3. 8. Ti ik a.

Pendeka an ini diiku i dengan menggunakan ukuran inormasi rillouin yang akhirnya menghasi lkan model yang didasari pendeka an inormasiminimum: ˆ .2).40) Xl dapa dihi ung dengan persamaan (8.∏ X id Tid = T id l l l pid (8.2) dan id menya akan peluang a. Kar ena inormasi yang ersedia dalam ben uk da a arus lalulin as idak cukup un uk menen ukan MAT secara lengkap. dipilihlah MAT yang hanya menambah inormasi seke cil mungkin erhadap inormasi yang erkandung pada persamaan (8.al model in i adalah dimungkinkannya menghi ung inormasi yang erdapa dalam MAT [Tid].

Permasalahan ini juga mempunyai ben uk mul i proporsional. Perbedaan u ama an ara model pada persamaan (8. l l Perbedaannya pada b agian er en u saja.al dari pe ngama an pergerakan an arzona (i.d) pada ruas l.40) dibahas dalam Van Zuylen and Willumsen (1980).31) d an (8. Pada makalah ersebu juga dijelaskan bah. yai u ( p id / ∑ p id ) un uk model Van l Zuylen dan ( ) un uk model Willumsen yang hanya merupakan perbedaan pembobo an p engama an pada ruas l.

Secara umum dika akan bah.a erdapa hubu ngan yang sanga era an ara pendeka an en ropi maksimum (EM) dan inormasi mini mum (IM).

a kejadian yang mempunyai ke idak era uran m aksimum sama dengan kejadian yang mempunyai inormasi minimum. Juga dijelaskan b ah.

e api menggunakan da a dari penghi ung lalulin as o oma is. yang juga dilakukan oleh Haue r e al (1981). Pene li ian yang erakhir ini membuk ikan bah. Van Zuylen (1979) menjelaskan penggunaan model ersebu un uk menghi ung pergerakan kendaraan pada sua u persimpangan. Hau er and Tom−Shin (1981) menggunakannya un uk mendapa kan MAT. dan Landau e al (198 2) menggunakannya un uk menghi ung pergerakan kendaraan pada lokasi kordon.a model Van Zuylen juga dapa di urunkan dengan menggunakan pendeka an en rop i maksimum.

a mungkin saja didapa kan pergerakan as al− ujuan jika da a arus lalulin as pada lokasi kordon dilengkapi l p id Model ranspor asi berdasarkan da a arus lalulin as 385 .

dengan da a asal dan ujuan dari beberapa pergerakan yang mele.

Un uk mendapa kan solusi yang unik (solusi yang paling mirip). dibu uhkan beberapa inormasi ambahan. m isalnya dalam ben uk inormasi a.a i kordon erseb u . Dua me ode erdahulu mengenai penaksiran MAT dengan da a arus lalulin as men ggunakan prinsip en ropi maksimum dan inormasiminimum.

al MAT. kombinasi an ara inormasi a. Kemudian.

3. al MAT dan da a pengama an arus lalulin as menghasilkan perkiraan MAT beriku nya yang unik.3 Model ayes MAT hasil pengolahan merupakan gabungan inormasi a. 8.3.

pembobo an yang kecil diberikan kepada in ormasi a.al MAT dan da a arus lalulin as. Te api. dalam gabungan ersebu .

MAT hasil penaksiran mirip dengan inormasi a .al MAT. Dengan ka a lain.

inormasi a. Selain i u.al MAT dan ergan ung pada ba asan lainnya.

idak erdapa ukuran ingka kepercayaan da a ino rmasi a.al MAT hany a menyediakan da a er en u.

al MAT ersebu . Masalah pengkombinasian nilai kepercayaan a.

al dengan d a a pengama an yang menghasilkan nilai kepercayaan hasil pengolahan merupakan pe ndeka an baku dari eori inerensi s a is ik ayes. Jika ki a mempunyai ingka kepercayaan 100% pada sua u nilai kepercayaan a.

karena bagaimanapun baik ke epa annya idak akan merubah opini ses eorang dan nilai kepercayaan hasil pengolahan akan persis sama dengan nilai kepe rcayaan a.al. idak diperlukan pengama an acak lainnya.

ki a mempunyai ingka kepercayaan yang rendah p ada nilai kepercayaan a.al. sebaliknya. Jika.

nilai kepercayaan a. Dengan ka a lain.al. pengama an akan berperan sanga pen ing dalam menen ukan nilai kepercayaan hasil pengolahan.

a l harus dimodiikasi dengan da a pengama an un uk menghasilkan nilai kepercayaan hasil pengolahan. semakin baik sua u nilai kepercayaan a.

(y θ) adalah kemungkinan dari pengama an y.41) p(θ y ) = ∫  (y θ ). Model ini memperbolehkan perbedaan ingka kepercayaan pada bagian yang berbeda beda dari inormasi a. semakin kecil peng aruh dari da a pengama an un uk mendapa kan nilai kepercayaan hasil pengolahan.p(θ ). Maher (1983c) mengembangkan model penaksiran MAT dari da a arus lalulin as denga n menggunakan pendeka an s a is ik ayes.p(θ ) (8.d(θ ) p(θ) adalah kepada an peluang l dari parame er θ. Model ersebu berdasarkan pada eori ayes:  ( y θ ).al. dan p(θ y) adalah kepada an peluang hasil pengolahan dari parame er θ.

al MAT. Maher menunjukkan bah.

a. pada kondisi ingka kepercayaan inormasi a.

al MAT sanga re ndah. Maher (1984) melakukan uj i coba model ayes () ini un uk menaksir pergerakan kendaraan di persimpangan d an dibandingkan dengan hasil yang didapa kan dengan dua buah model sebelumnya − mo del inormasi minimum (IM) (Van Zuylen. Di emukan bah. 1978) dan model kemiripan maksimum (KM). hasil pendeka an s a is ik ini akan sama dengan hasil yang didapa kan deng an pendeka an inormasi minimum a au en ropi maksimum.

a model  dan KM 386 Oyar Z Tamin. Perencanaan dan pemodelan ranspor asi .

dapa menghasilkan perkiraan gala baku. Secara umum dapa disimpulkan bah. sedangkan model MI idak dapa .

Pergerakan asal− ujuan dianggap sebagai parame er sua u sebaran.a model ayes merupakan model yang erbaik dalam mena ksir pergerakan kendaraan pada persimpangan. Tiga su mber inormasi mengenai pola perilaku pergerakan diper imbangkan dalam proses pe naksiran. yai u inormasi a. dikembangkan oleh Geva (1984). permasalahan penaksiran MAT di erangkan dalam ben uk peluang. Pada model e rsebu . yang didasari eori ayes. Model yang hampir mirip dengan mode l Maher. Pendeka an ayes kemudian d igunakan dan aksiran baru akan didapa kan jika inormasi baru ersedia.

3.1). da a arus lalulin a s.3. ma riks [ id] berisi inormasi mengenai inormasi a.4 Model kemiripan maksimum (KM) Pada persamaan (8.al dalam ben uk MAT masa lampau. dan inormasi yang ersedia dalam ben uk da a sampel MAT yang erba as. 8.

Ke erangan meng enai ma riks a.al yang dimiliki oleh MAT [Tid].

Ma riks a.al [ id] idak dijelaskan secara rinci dalam se iap me ode yang elah di erangkan.

al [ id] dapa berupa sua u penaksiran a.

perkiraan a.al. MAT pad a masa lampau.

meskipun idak erdapa ma riks sasaran ( id = 1 un uk semua i∈I) . mungkin didapa perkiraan MAT. Te api. Pada model yang elah di erangka n sebelumnya.al a au MAT sasaran. Telah dike ahui bah. ma riks [ id] idak dibu uhkan dalam rumusan model. idak begi u meyakink an. anpa adanya ma riks sasaran hasil model ersebu .

a ke epa an keluaran sanga peka erhadap inormasi a.

Spiess (1987) mengusulk an model seper i yang elah di erangkan di a as. Oleh karena i u. ma riks sasaran bukan hanya pil ihan. e api harus merupakan bagian yang erpen ing dalam perumusan model erseb u .al yang ersedia dalam MAT sasaran [ id]. Dijelaskan bah.

a permasalahan di a as dapa dipecahkan dengan memberikan in ormasi yang epa dalam ma riks a.

Pada kasus i u.al [ id]. ma riks a. Spiess memper imbangkan sebuah kasus .

Koeisien τid menjelaskan ak or sampel un uk se iap pasangan zona. pengambilan sampel peubah acak yang ersebar sesuai dengan sebaran poisson dengan ra a ra a yang idak dike ahui τidTid. un uk se iap p asangan zona. misalnya persen ase populasi yang sudah d iama i. Diasumsikan bah. [ id] merupakan pengama an sa u se peubah acak yang ersebar sesu ai dengan sebaran poisson dengan ra a ra a τidTid.al [ id] didapa kan dengan melakukan. Jadi.

a ma riks a.

anyak eknik survei un uk mendapa kan da a MAT didasari proses penca a an sehingga menghasilk an MAT pengama an dengan bilangan bula (yang biasanya mempunyai nilai yang sang a kecil). Ma riks yang ersebar menuru sebaran poisson bisa j uga dihasilkan dengan Model ranspor asi berdasarkan da a arus lalulin as 387 .al [ id] sesuai dengan kebanyakan si uasi yang dijumpai di lapangan. Jika ak or sampel sanga kecil (τ<<1). maka MAT hasil pengama an [ id] akan mengi ku i sebaran mul inomial. en ulah sebaran mul inomial bisa dideka i dengan sebaran poisson. Jika survei ersebu mengandung ak or sampel acak τ dari sua u populas i dengan pola lalulin as yang s abil. anyak survei perjalanan beke rja ergolong ka egori ini.

mengama i kejadian yang idak saling mempengaruhi dalam ren ang .

dim ungkinkan. Jenis model penaksiran MAT ini berbeda dengan model penaksiran lain. da a ersebu lebih mudah ersedia (dibandingkan dengan da a MAT) dan ka rena i u dapa diasumsikan bah. Jadi. Karena volume arus lalulin as dikumpulkan se ia p hari. Tujuan model Spiess ad alah mendapa kan parame er [Tid] dalam proses poisson dengan menggunakan da a MA T sampel [ id] ser a da a pengama an arus lalulin as. Kasus yang paling sederhana dan paling se ring erjadi adalah penggunaan nilai ak or sampel τ yang sama un uk se iap pasang an zona yang kadang kadang disebu ak or sampel seragam. Model ini memungkinkan pe nggunaan ak or sampel τid yang berbeda beda un uk se iap pasangan zona.ak u er en u. baik secara langsung maupun dengan pendeka an. Pergerakan pada jam idak sibuk ermasuk ka egori ini. dapa digunakan eknik pengambilan sampel yang berbeda beda. di sini MAT di aksir dari peubah ing ka pelayanan dan sosio ekonomi.

a nilai ra a ra anya dike ahui a au paling kurang bisa diperkirakan dengan epa . Dengan hipo esis bah.

Jadi.log e Tid − τ id . model kemirip an maksimum dapa dirumuskan sebagai persamaan (8.3): memaksimumkan P = ∑ ∑ [ id .Tid − log e id !] i d (8. Dengan menggan i ben uk peluang (8.e −τ id . Anggap Op merupakan o al bangki an (baris) dari se iap zo na asal p dan D merupakan o al arikan (kolom) dari se iap zona ujuan . dengan mengasumsikan bah.3): memaksimumkan P1 = ∑ ∑ ( id .43) dengan ba asan persamaan ( 8.2)−(8.Tid Peluang [ id ] = ∏ ∏ id id id ! i d (8.log e (τ id . Solusi al gori ma yang mensyara kan akses un uk semua da a pada saa yang sama sanga suli dilakukan di lapangan.a se iap pasangan zona id didapa kan dengan menggunakan proses poisson dengan ra a ra a τidTid.T ) id .42) Dengan menggunakan eknik penaksiran kemiripan maksimum didapa kan MAT [Tid*] ya ng memenuhi ba asan yang ada ser a memaksimumkan peluang pengama an [ id] (8. masalah lain yang ergolong da lam keluarga persamaan (8.44) Masalah penaksiran MAT yang sering erjadi di lapangan adalah da a yang ukuranny a sanga besar (misalnya ribuan ruas jalan a au ribuan pasangan zona).2)−(8.42) .1) imbul jika ba as marginal ‘baris’ dan ‘kolom’ dari sua u MAT dike ahui. maka peluan g MAT pengama an [ id] adalah: (τ .43) dengan ba asan persamaan (8. Kasus yang sanga pen ing d alam permasalahan aksiran MAT (8.43) Dengan mengubah dan mengabaikan ak or kons an a.Tid ) − τ id . solusi yang didasari me ode penurunankoordina si klus dikembangkan un uk memecahkan permasalahan ini. Kemu dian.1) dapa dirumuskan sebagai persamaan (8.42) menjadi ben uk logari ma.Tid ) i d (8.

a MAT sampel hasil pengama an [ p] erdiri dari nilai in eger yang ersebar 388 Oyar Z Tamin. Perencanaan dan pemodelan ranspor asi .

45) (8.lo g e T p − τ p . ampak bah.44 ) dapa di uliskan kembali sebagai: memaksimumkan dengan ba asan : P2 = ∑ ∑ p . misalnya τp = τ. Dalam kasus ini.46) (8. persamaan (8.poisson ser a nilai bangki an dan arikan dike ahui.T p p  ( ) (8.47) (8. maka me ode kemiripanmaksim um dapa digunakan un uk menaksirkan MAT [Tp].48) ∑ T p  = Op = D ∑ T p p T p ≥ 0 Dalam kasus sampel seragam.

45) adalah kons an a dan karena i u dapa diabaikan.48 ): memaksimumkan P2 = ∑ ∑ p .a komponen per ama dalam u ngsi ujuan (8.49) Pen ing dica a bah.46)−(8. Akhirnya.log e T p p  (8. pe rmasalahan ersebu menjadi persamaan (8.49) dengan ba asan persamaan (8.

Me ode ini men aksir MAT dengan menggunakan da a arus lalulin as un uk mengkalibrasi simulasi pilihan in dividu yang dianggap mempunyai asumsi meminimumkan biaya perjalanannya. Te api.a. dike nal sebagai MODCOST (Modiying Origin and Des ina ion COs s o Simula e Trips). dibu uhkan in erpre asi yang epa mengenai ma riks sasaran [ id]. MODCOST masih mempunyai ke kurangan dalam ben uk dasar eori yang baku. api berguna karena dapa dihindarkan peng gunaan prinsip abs rak en ang konsep gravi y a au en ropi maksimum yang sering digunakan pada me ode penaksiran MAT lainnya. dalam penggunaan me ode kemiripan maksimum. baik yang sebenarnya maupun hipo esis.3. Jika keberadaan [ id] dapa diabaikan dan dihasilkan model kemiripan maksimum yang berbeda. Te api. e api dalam k asus pendeka an sebaran poisson. yang didasari simulasi pilihan yang dilakukan ribuan individu yang perbedaan per sepsinya mengenai biaya di en ukan dalam prosedur acak. Asumsi perilaku ini sanga sederhana.5 Model MODCOST Rober son (1984) mengembangkan me ode penaksiran MAT. prosedur yang digunakan keliha ann ya lebih eek i digunakan pada kasus jaringan. Dalam me ode ini diasumsikan bah.3. idak seper i me ode lain yang suda h mempunyai dasar eori penurunannya. keberadaan MAT perlu dike ahui. 8.

Pada ruas jalan sebenarnya. sedangkan ruas jalan jenis hyper menya akan zona asal dan zona ujuan. biaya dinya akan dalam ben uk . dicerminkan dalam ben uk jarin gan yang erdiri dari ruas jalan. e rmasuk pemilihan ru e an ara kedua zona ersebu . Ruas jalan jenis sebenarnya menya akan ruas ja lan sebenarnya. Pemilihan asal dan ujuan.a semua pergerakan erjadi an ara sa u h ipo esis zona asal dan sa u hipo esis zona ujuan.

ak u perjalana n. sedangkan pada ruas jalan jenis hyper biaya dinya akan dalam banyak ak or ya ng berkai an dengan perumahan dan lapangan kerja. Model ranspor asi berdasarkan da a arus lalulin as 389 .

.

8. Ide u am a peneli ian ini adalah pengembangan eknik. Cara ini ermasuk dalam golongan pendeka an penaksiran model kebu uhan akan ranspor asi. Salah sa u cara adalah dengan melakukan pemodelan perilaku pergerakan a au kebu uhan akan pergerakan yang erjadi di da lam daerah kajian. Proses simulasi ini elah diimplemen asikan dalam ben uk pake program yang elah mempunyai prosedur un uk menga ur nilai ra a ra a dari biaya hyper a n ara zona asal dan ujuan un uk mengurangi gala an ara besarnya arus peramalan dengan arus hasil pengama an. karena i u.5 Keun ungan penggunaan da a arus lalulin as Telah di erangkan bah. 8. ki a akan lebih mengu amakan me ode ini. dengan da a arus lalulin as. pendeka an ini merupakan me ode ya ng erbaik dan. yang d apa digunakan bukan saja un uk menaksir MAT yang erjadi sekarang e api juga u n uk meramalkan MAT pada masa menda ang. mencakup iga kelompok u ama. perbedaan an arindividu dinya akan dalam proses biaya yan g acak dalam ren ang yang elah di en ukan un uk se iap ruas jalan.4 Kesimpulan Telah diulas semua eknik penaksiran MAT dengan menggunakan da a arus lalulin as yang elah dikembangkan sampai saa ini.Dalam proses simulasi. Ru e erbaik un uk se iap individu di emukan dengan menggunakan algori ma ‘biaya ermurah’ anpa adanya perbedaan an ara ruas sebenarnya a aupun jenis hyper. Proses ini dilakuk an secara berulang ulang un uk se iap individu sampai didapa kan kondisi perilak u s abil. Un uk peramalan. yang dijela skan secara lebih rinci pada subbab beriku .

a me ode konvensional sanga membu uhkan survei in ensi y ang en u sanga mahal dari sisi enaga kerja dan .

khususnya di ko a kecil dan negara sedang berkembang.ak u. Fak or pen ing lain nya adalah komplikasi yang imbul pada se iap ahapan proses pemodelan. mengganggu arus lalulin as. dalam beberapa kasus. hasil akhirnya idak berlaku lama. Selain i u. para perencana dihadapkan pada permasalahan kajian yang erba as . dan yang erpen ing.

Tujuan penggunaan me ode idak konvensional adalah menghasilkan pendeka an yang lebih sederhana un uk menyelesaikan permasalahan serupa. yang biasa dikenal dengan me ode id ak konvensional. dalam hal ini. Karena para perencana ranspor asi idak puas den gan me ode konvensional. eberapa keun ungan penggunaan da a a rus lalulin as sebagai da a u ama dalam menaksir MAT didiskusikan beriku ini. beberapa eknik penaksiran MAT yang didasari da a arus lalulin as berkembang pesa belakangan ini. persyara an da a un uk pendeka an baru ini harus diba asi hanya da a perencanaan yang sederhana saja.ak u dan biaya nya. Penggunaan eknik yang idak membu uhkan biaya besar un uk menaksir MAT dapa memecahkan masalah ersebu . 390 Oyar Z Tamin. Perencanaan dan pemodelan ranspor asi . model perencanaan ranspor asi empa ahap dilakukan dalam hanya sa u p roses saja. da a arus lalulin as pada beber apa ruas jalan. Agar ekonomis. a au da a lain yang murah. yang menyebabkan penggunaan model konvensional hampir idak mungkin dilakuk an.

Model per ama yang dikembangkan dengan berdasarkan da a arus lalulin as adalah m odel yang dikembangkan oleh Lo.

lengkap dengan gala nya masingmasing’. Dalam laporan yang dipublikasikan ol eh OECD (1974). Salah sa u k eun ungannya adalah semua gala pemodelan diberikan pada keluaran akhir dalam be n uk arus lalulin as yang dapa dijelaskan secara s a is ik. Jadi. Da a bisa did apa dengan melakukan survei asal− ujuan (. Tujuan model ini adalah ‘secara eek i me nya ukan ke dalam sa u proses semua hal yang biasa dilakukan dalam model perenca naan ranspor asi empa ahap. pemakai dapa mempunyai gambaran yang lebih jelas en ang model ersebu (sesua u yang idak pernah dike ahuinya dari pendeka an biasa). dua alasan u ama dibu uhkannya penyederhanaan dalam proses pemod elan ranspor asi adalah: 1 iaya pengumpulan da a dan analisis da a Model rans por asi konvensional biasanya membu uhkan da a yang sanga banyak. (1972).

a.

ancara di epi jalan). Dalam kasus kajia n angku an barang. survei kecepa an). survei ersebu harus dikai kan dengan kajian mengenai ka. survei ambaha n lain (arus lalulin as ser a komposisinya.

asa n indus ri a au kajian sek oral un uk menaksir produksi kebu uhan dan penyediaan . Jumlah ersebu erg an ung juga pada ciri lalulin as dan ujuan kajian. idak disyara kan semua s asiun melakukan surveinya s ecara seren ak. dalam beberapa kasus. Permasalahan lain yang berkai an dengan survei . Jumlah s asiun survei yang dibu uhkan un uk se iap survei asal− ujuan ergan ung dari ciri jaringan. Meskipun begi u. jumlah s asiun survei yang dibu uhkan akan sanga banyak un uk mendapa kan MAT y ang baik. iasanya. survei jenis ini m ahal dan membu uhkan proses panjang un uk mendapa kannya. dan ukuran daerah kajian. sis em zona.

a.

Dalam kondisi ini. Sekarang ini penggunaan kompu er bukan mas alah lagi. ingka k emajuan yang sanga cepa menyebabkan banyak da a kuali asnya idak baik dan men gandung banyak gala . Di negara sedang berkembang. Laporan ersebu selanju nya menyarankan dilakukannya leb ih banyak peneli ian un uk mengembangkan model yang lebih cepa dan membu uhkan da a dan enaga kerja yang lebih sediki . da a yang bisa didapa Model ranspor asi berdasarkan da a arus lalulin as 391 . 2 Kompleksi as dan biaya kompu er Model konvensional memb u uhkan penggunaan kompu er yang in ensi karena jumlah dan ingka kompleksi as perhi ungan yang harus dilakukan. da a biaya dan ari sanga suli didapa karena biasanya perusahaan dan pengguna berusaha merah asiakan da a ersebu . Pengembangan eknik perencanaan ranspor asi selama dua puluh ahun erakhir sanga erkai dengan perkembangan eknologi kom pu er (perangka keras dan lunaknya).ancara di epi jalan adalah masalah organisasi dan pengelolaan. Te api. penggunaan kompu er membu uhkan kemampuan eknik khusus dan b iaya yang cukup mahal. Dalam kasus angku an barang. Kerja sama yang baik dengan semua i ns ansi erkai sanga diperlukan. Dibu uhkan polisi yang ber uga s menghen ikan kendaraan yang akan disurvei.

Da a ini secara luas digunakan un uk u juan yang berbeda beda. Permasa lahan tersebut timbul karena arus lalulintas tidak pernah luput dari galat. Jadi.dengan murah. memoni or ingka luk uasi arus lalulin as. misalnya Hoo se and Willumsen (1987) mengembangkan paket program yang menggunakan teknik pros es itra. volume arus lalulintas untuk ruas jalan tertentu menyediak an informasi mengenai semua pergerakan antarzona yang menggunakan ruas tersebut. 392 Ofyar Z amin. da a s eper i ini juga hanya membu uhkan analisis dan keluaran yang sederhana. Selain i u. menen ukan ak or ekspansi un uk survei Asal−Τujuan dan juga untuk memutakhirkan MA yang sudah ada. eriku ini dikemukakan beberapa alasan u ama m engapa da a arus lalulin as sanga menarik digunakan sebagai da a u ama dalam pr oses penaksiran MAT: 1 Murah Jenis da a seper i ini murah mendapa kannya karena hanya membu uhkan enaga kerja sediki ser a dapa menggunakan penghi ung laluli n as o oma is. Data arus lalulintas sebenarnya erminan pergerakan arus antarzona dan rut e yang dipilih. Ke ersed iaan Arus lalulin as biasanya sudah ersedia karena sering digunakan un uk kajia n ranspor asi perko aan a au an arko a.1 Masalah perhitungan arus lalulintas Yang dibutuhkan untuk menghitung arus lalulintas adalah data perenanaan yang se derhana untuk setiap zona dan data arus lalulintas pada beberapa ruas jalan tert entu. Dua masalah penting diterangkan berikut ini. Memperoleh da a seper i ini idak membu uhkan kuesioner a au poli si sehingga lebih mudah dari sisi organisasi dan pengelolaan. elain itu. diperkirakan lebih baik ke epa anny a dibandingkan dengan da a lain. Pengembangan teknik tersebut sangat berguna dalam pengumpulan data arus lalulintas.6. 2 3 8. 8. yang mampu seara otomatis menghitung dan menentukan pergerakan kendar aan dari hasil rekaman video. misalnya da a arus lalulin as. t etapi masih terdapat beberapa masalah yang terkait dengan penggunaannya. elain itu. banyak instansi lokal d an badan perenanaan mengumpulkan data ini seara teratur sehingga biaya tambaha n untuk menggunakan metode tidak konvensional menjadi sangat rendah. khususnya teknik yang tidak mengganggu pergera kan arus lalulintas. Perenanaan dan pemodelan transportasi . ketepatann ya sangat menggembirakan serta tersedia beberapa paket program yang menyediakan proses yang efisien. misalnya un uk menganalisis kemace an. pengumpulan data seara otomatis sudah sangat berkembang.6 Permasalahan dalam penggunaan data arus lalulintas Arus lalulintas sangat berguna sebagai data utama dalam proses penaksiran MA. idak mengg anggu Data arus lalulintas bisa didapat tanpa mengganggu arus lalulintas sehingg a kemaetan atau pun tundaan serta gangguan bagi pengguna jalan bisa dihindari. eknik otomatisasi terbaru sudah dikembangkan.

Karena itu. Menghilangkan data arus lalulint as pada ruas jalan yang saling terkait dapat mengurangi jumlah persamaan untuk m enaksir MA.2 Masalah kurang terspesifikasi (8.1. perlu ditentukan ruas jalan yang tepat untuk menghitung arus l alulintasnya. emua zona ini dihubungkan dengan jaringan jalan yang terdiri da ri beberapa ruas jalan. 8. Metode lainnya dengan melakukan perbaikan untuk mengatasi j enis galat seperti ini.1. perlu diperhatikan ara memilih ruas jalan yang  ook untuk mendapatkan data arus lalulintasnya.50) Pertimbangkan daerah kajian yang dibagi menjadi beberapa daerah yang disebut zon a.6.1.1 Ketergantungan Gambar 8.1.6. eara pada r uas 5−6 karena berdasarkan kondisi kontinuitas.51) Permasalahan ketidakkonsistenan bisa timb ul karena galat manusia atau mungkin juga karena perhitungan dilakukan pada saat yang tidak bersamaan.8. dari sisi ekonomi. tidak ada solusi MA yang menghasilkan kembali arus lalulintas yang tidak konsisten. Masalah ketidakkonsistenan dalam perhitungan 8. tanpa harus kehilangan informasi sedikit pun. alah satu ara untuk menghindari masalah ini adalah dengan memilih ruas jalan yang saling tidak berkaitan untuk dihitung arus lalulintasnya. dari segi efisiensi biaya. Karena itu. tidak ada gunanya menghitung arus ˆ =V ˆ +V ˆ .6. V 56 15 25 prinsip dibutuhkan data arus lalulintas pada hanya 3 ruas saja untuk mendapatkan arus untuk semua ruas jalan pada gambar 8. Anggaplah terdapat N buah zona di dalam daerah kajian. Gambar 8. etiap ruas jalan diirikan pada kedua ujungnya Model transportasi berdasarkan data arus lalulintas 393 . dengan mengetahui data arus pada ruas 1−5 dan 2−5. Pada gambar 8.1 Jaringan sederhana dengan arus lalulintasnya umber: amin (1988abd) Karena itu.1 memperlihatkan bahwa arus lalulintas pada ruas 5−6 adalah penjumlahan arus pada ruas 1−5 dan 2−5.2 Ketidakkonsis tenan arus lalulintas timbul jika kontinuitas arus tidak dipenuhi oleh data hasi l pengamatan. setiap zona diwakili oleh pusat zona. pengamatan bisa menghasilkan persamaan: ˆ ≠V ˆ +V ˆ V 56 15 25 atau ˆ +V ˆ ≠V ˆ +V ˆ V 15 25 63 64 (8. Akibatnya.

Bagi pembaa yang berminat. Dalam kasus ini. dan proporsi pergerakan dari zona asal i ke zona tujuan d yang mengg unakan ruas l l jalan l yang didefinisikan sebagai p id (0 ≤ p id ≤ 1). Beberapa teknik pembebanan rute tersedia mulai dari teknik sederhana all or nothing sampai ke teknik yang lebih kompleks. p id i d (8. dengan kata lain. terdapat N² jumlah id Jika semua nilai p id dan data arus lalulintas V l yang tidak diketahui yang harus dihitung dari satu set persamaan linear simulta n (persamaan 8. hanya sebagian keil ruas jalan saja yan g bisa didapat data arusnya. propors i pergerakan antarzona asal i dan zona tujuan d harus diidentifikasi untuk setia p ruas jalan l yang l dianalisis. baik dari segi matematis maupun dari segi praktis. beb erapa teknik pembebanan rute telah dijelaskan seara terperini pada bab 7. elain itu. Perenanaan dan pemodelan transportasi . yaitu teknik pembebanan keseimbangan. Peubah p id dapat diperkirakan dengan menggunakan teknik pembebanan rute yang sesuai. arus pada setiap ruas jaringan j alan adalah produk dari: • • pergerakan dari zona asal i ke zona tujuan d atau kombi nasi berbagai jenis pergerakan yang bergerak antarzona di dalam suatu daerah kaj ian (=id). eara umum dapat dikatakan bahwa terdapat leb ih dari satu buah MA yang jika dibebankan kembali ke jaringan jalan • 394 Ofyar Z amin. jaringan jalan di dalam daerah kajian terdiri dari ruas jal an dan simpul (setiap pusat zona juga merupakan simpul). jumlahnya masih lebih sedikit dibandingkan dengan jumlah yang tidak diketahui sehingga ti dak mungkin didapat solusi akhir. l ˆ di ketahui.5 2).52) yang jumlahnya tergantung pada jumlah data arus lalulintas ya ng tersedia. erdapat beberapa masalah utama yang terkait dengan penggunaan mode l yang diusulkan. Meskipun semua ruas jalan dapat dihitung. Jadi. Dengan kata lain.52) l Jelaslah bahwa nilai p id ditentukan oleh pemilihan rute yang dilakukan oleh s etiap l pengendara di dalam daerah kajian. Jadi. hal tersebut dapat dinyatakan sebagai: l V l = ∑ ∑ id .dengan simpul. [N²−N] sel jika pergerakan intrazona diabai kan. peubah p id digunakan untuk m endefinisikan proporsi pergerakan dari zona asal i ke zona tujuan d yang bergera k melalui ruas jalan l. Jumlah persamaan yang tersedia tergantung pada jumlah ruas yang didapatkan d ata arus lalulintasnya. eara ma tematis. eara praktis. MA untuk d aerah kajian tersebut terdiri dari N² sel. • Dari segi matematis dibutuhkan sejumlah N² data arus lalulintas yang tidak saling terkait untuk mendapatkan MA [id] dari satu set persamaan linear simultan (8. ˆ pada ruas jalan tertentu merupakan penjumlahan setiap pergerakan otal arus V l antarzona di dalam daerah kajian yang menggunakan ruas jalan tersebut. ahap terpenting dari proses penaksiran model kebutuhan akan transportasi d ari data arus lalulintas adalah identifikasi rute yang dilalui oleh setiap perge rakan dari setiap zona asal i ke setiap zona tujuan d.

l dengan nilai p id tertentu akan menghasilkan arus lalulintas yang sama dengan hasil pengamatan. alah satu ara mengatasinya adalah dengan membatasi solusi yang mungkin dengan melakukan asumsi mengenai perilaku pergerakan.7 Model transportasi berdasarkan data arus lalulintas 8. N² data arus lalulintas dibutuhkan untuk dapat menaksir matriks [id].34) dengan jumlah dat a arus lalulintas.7. eara matematis. ˆ ) pada suatu ruas jalan l adalah jumlah perjalanan antarzona yang Arus lalulinta s ( V l menggunakan ruas jalan tersebut. Dengan mengetal ˆ ). imbul pertanyaan mengenai ara membatasi jumlah solusi. metode pembebanan rute yang dapat dipakai Model transportasi berdasarkan data arus lalulintas 395 . Pendekatan untuk mengatasi masalah kurang terspesifikasi telah dikembangkan oleh beberapa peneliti. Hal ini didis kusikan lebih rini pada subbab berikut ini. − [N²−N] jika perjalanan intrazona dapat diabaikan. etiap zona diwakili oleh satu pusat zona sehingga terdapat N jumlah bangkitan dan tarikan. etiap zona in i kemudian dihubungkan ke jaringan jalan yang terdiri dari ruas jalan dan simpul dengan penghubung pusat zona. eara prinsip. ter dapat [N²−N] sel jika perjalanan intrazona dapat diabaikan. arus lalulintas ini d apat l dinyatakan sebagai persamaan (8. arus lalu lintas pada setiap ruas jalan dalam suatu jaringan jalan merupakan hasil dari: • • j umlah perjalanan dari zona asal i ke zona tujuan d (id). eara pra ktis.52).1 Prinsip dasar Pertimbangkan daerah kajian yang terdiri dari N zona. Penentuan rute jalan yan g dilalui oleh setiap perjalanan dari setiap zona asal i ke setiap zona tujuan d merupakan tahapan terpenting dalam proses penaksiran MA l dengan data arus lal u lintas. Peubah p id digunakan untuk mendefinisikan proporsi jumlah perjalanan dari zona asal i ke zona tujuan d yang menggunakan ruas jalan l. ebelum melangkah lebih jauh. jumlah data arus lalulintas yang diperoleh jauh lebih sedikit dari jumlah id yang ditaksir sehingga tidak mungkin diperoleh solusi. eara umum dapat dik atakan terdapat lebih dari satu MA yang bisa menghasilkan data arus lalulintas tersebut. MA dari daerah kajian ini terdiri dari N² sel. Peubah p id dapat ditaksir dengan me nggunakan beberapa metode pembebanan rute mulai dari metode all or nothing sampa i dengan metode keseimbangan dengan batasan kapasitas. 8. alah satu ke mungkinannya adalah dengan memodel perilaku pemakai jalan di dalam daerah kajian . dan proporsi jumlah pe rjalanan dari zona asal i ke zona tujuan d yang l l menggunakan ruas jalan l yan g dapat didefinisikan sebagai p id (0 ≤ p id ≤ 1). didapa tkan N² buah id yang hui taksiran p id dan satu set data arus lalulintas ( V l ha rus ditaksir dari L persamaan linear simultan (persamaan 8. Jadi.

Bebera pa diantaranya adalah all or nothing berulang. da pat digunakan metode proporsional. dan ide pengendara. yaitu metode propors ional dan metode tidak proporsional. Perenanaan dan pemodelan transportasi . dan rute alternatif lain. tin gkat kemaetan. Nilai peubah pid untuk metode ini adalah sebagai berikut: 1 jika pergerakan dari zona asal i ke zona tujuan d menggunakan ruas l l = pid (8. sangat menolong menentukan metode pembebanan rute yang terbaik. Contoh yang umum adalah metode all or nothing. 8.2 Beberapa metode pembebanan rute alah satu tujuan utama pembebanan rute adalah mengidentifikasi rute yang ditemp uh pengendara dari zona asal i ke zona tujuan d dan juga jumlah perjalanan yang melalui setiap ruas jalan pada suatu jaringan jalan.l untuk menaksir peubah p id akan dijelaskan seara singkat berikut ini. erdapat beberapa iri daerah kajian yang dap at digunakan untuk membantu menentukan teknik pembebanan rute yang terbaik. Pembaa yang berminat mengetahui lebih lanjut metode atau teknik pembebanan rute disara nkan membaa bab 7. Jika proporsi jumlah perjalanan yang melewa ti suatu ruas jalan tidak tergantung pada jumlah arus di ruas jalan tersebut. pembebananberulang dan pembebanan bertahap. biaya untuk melalui ruas jalan tertentu sangat tergantung p ada jumlah arus lalulintas di ruas jalan tersebut dan hubungan matematis antara arus lalulintas dan keepatan. ingkat kemaetan. termasuk biaya perjalanannya. Dengan m etode proporsional. serta tidak tergantung pada tingkat arus lalulintasnya. diasumsikan proporsi pengendara yang memilih rute perjalanan nya tergantung pada asumsi mereka dan iri rutenya. 396 Ofyar Z amin. Robillard (1975) mengklasif ikasikan metode pembebanan rute menjadi dua kelompok utama. Metode ini diperkirakan tidak begitu real istis untuk beberapa jaringan jalan di daerah perkotaan karena tidak mempertimba ngkan keragaman dalam penentuan biaya dan efek kemaetan. dalam hal ini diasumsikan semua pengendara berusaha memperkeil biaya perjalanannya d an mereka melakukannya dengan ara yang sama sehingga biaya perjalanan tidak ter gantung pada jumlah arus lalulintas. etapi. Beberapa metode telah dikembangkan untuk memperti mbangkan efek tersebut yang biasa dikenal dengan metode batasankapasitas. adanya rute alternatif dengan biayanya masi ng masing. pengendara dari satu zona ke zo na lain selalu memakai rute yang sama. Karena itu.7. metode ini mer upakan metode terepat dan termudah dan sangat berguna untuk jaringan jalan yang tidak begitu rapat yang l hanya mempunyai beberapa rute alternatif saja. Metode yang paling sesuai untuk suatu kasus sangat tergantung pada i ri daerah kajian. Hal ini termasuk informasi ara pengendara mempertimbangkan biaya perjalanannya.53) 0 jika sebaliknya atau i = d Dalam kondisi maet.

Dd (8. 1983. Bd . Dd k i d k id ( ) (8. perilaku pemakai jalan dianggap dapat diwa kili dengan suatu model kebutuhan akan transportasi tertentu seperti model gravi ty opportunity (GO).7.1981ab. 1978ab.55) ke persamaan (8.1986.52). Hal ini didiskusikan lebih rini oleh Willums en (1978ab. f id .Masalah yang timbul dalam menaksir MA dengan data arus lalu lintas menjadi lebi h mudah dipeahkan jika metode proporsional dapat dipakai. nilai asumsi peubah l p id yang d igunakan untuk menaksir MA selanjutnya digunakan kembali untuk l memperbaiki nilai p id tersebut. 1988ab.1984b).1981ab) yang lebih mengutamakan penggunaan metode proporsional. Penggunaan metode tid ak proporsional memerlukan proses pengulangan. Bd . 1985. 1988abd.O ik . total pergerakan id dengan zona asal i dan zona tujuan d untuk semua tujuan pergerakan atau komoditas dapat dinyatakan seb agai: k (8. katakanlah model GO. Aik . 1982.54) id = ∑ id k adalah pergerakan dari setiap tujuan pergerakan atau komoditas k yang bergerak d ari zona asal i ke zona tujuan d seperti yang didefinisikan dengan persamaan (8. f id id = bk .55) Dengan memasuk kan persamaan (8.56) Persamaan dasar ini sangat sering digunakan dalam banyak pustaka baik untuk mena ksir MA maupun mengkalibrasi model kebutuhan akan transportasi dari data arus l alulintas.3 Konsep dasar Dengan metode tidak konvensional ini. l Dalam beberapa penelitian yang telah banyak dilakukan. ˆ ) tidak tersedia untuk setiap Yang harus diketahui adalah data arus lalulintas ( V l tujuan pergerakan k. 8. ami n and Willumsen. amin. persamaan dasar untuk model penaksiran kebutuhan akan transportasi dengan data arus lalulintas dan beberapa data peren anaan adalah: k k k l . ontohnya (Chan. tetapi tersedia untuk semua jenis pergerakan.38) merupakan sis tem L persamaan linear simultan dengan 3K+2 parameter yang tidak Model transportasi berdasarkan data arus lalulintas 397 . p id V l = ∑ ∑ ∑ bk . 55) berikut: k k k k . Aik . Anggap bahwa pergerakan antarzona di dalam daerah kajian tersebut dapat diwakili oleh suatu model kebutuhan akan tran sportasi. Jadi.O ik . Pierro. Willumsen. Diasumsikan bahwa model GO digunaka n untuk menerminkan perilaku pergerakan sehingga persamaan (8. peubah p id diasumsikan mengikuti teknik pembebanan proporsional yang dapat ditaksir seara terpisah da ri l penaksiran MA [id] dengan (0 ≤ p id ≤ 1). Arus lalulintas dinyatakan sebagai fungsi MA yang dinyatak an sebagai fungsi suatu model kebutuhan akan transportasi dengan parameternya. P ertimbangkan sekarang terdapat sejumlah K tujuan pergerakan atau komoditas yang bergerak antarzona di dalam daerah kajian.

Haa sedikit sekali pegguaa tekik ii sehigga terdap at kesempata utuk megembagkaa. Jai. engan [N²−N] jika ejalanan intazona aat iabaikan. 398 Ofya Z Tamin. a u lalulinta i etia ua jalan alam uatu jaingan jalan aalah hail ai : • • jumlah ejalanan ai zona aal i ke zona tujuan  (Ti).diketahui (bk.8.20). yang harus dikalibrasi (lihat pnjlasan rinci pada sub bab 8. Permasalahaa sekarag adalah bagaimaa megkalibrasi parameter model GO ag tidak diketahui agar model ag telah dik alibrasi meghasilka arus lalulitas ag sekecil mugki perbedaaa dega a rus hasil pegamata. αk.10−8. MAT ai atu aeah kajian teii ai N² el.8 Penakian moel kombinai SPPM engan ata au enumang 8. Secaa  ini.1 Pini aa Mialkan uatu aeah kajian ibagi ata N zona yang maing maing iwakili oleh atu uat zona.Φ) sudah diketahui karea t elah diberi ilai. N² ata au lalulinta ibutuhkan untuk aat menaki matik m [ Ti ]. Penentuan ute j alan yang akan ilalui oleh etia ejalanan ai etia zona aal i ke etia zona tujuan  meuakan tahaan teenting alam oe enakian MAT engan a ta au lalulinta. Secaa akti. 8. teaat N² buah T yang hau itaki ai L eamaan linea lalulinta ( V l i imultan (eamaan 8. lm Peubah  i igunakan untuk aat menefiniikan ooi jumlah ejalanan ( moa m) ai zona aal i ke zona tujuan  yang menggunakan ua jalan l. Secaa matemati. an ooi jumlah  ejalanan (moa m) ai zona aal i ke zona tujuan  yang lm lm menggunakan ua jalan l yang aat iefiniikan ebagai  i (0 ≤  i ≤ 1).57) V lm = ∑ ∑ Ti  i i  lm Peubah  i aat itaki engan menggunakan bebeaa metoe embebanan ute mulai ai metoe all o nothing amai engan metoe keeimbangan enganlm an atu et ata au bataan kaaita. Semua zona ini kemuian ihubungkan ke jaingan jalan yang te ii ai ua jalan an imul. Tami (1985. Peencanaan an emoelan tanotai . lihat tabel (5. ε dan µ). βk. Penting untuk iketahui bahwa aamete (Ω.10−8.57) engan L aalah jumlah ata au lalulinta. ˆ m aa ua jalan l aalah jumlah ejalanan antazona (moa m) Au lalulinta V l yang menggunakan ua jalan teebut.11). Dengan mengetahui enakian  i m m ˆ ). au lalulinta ini aat inyatakan ebagai: m lm (8.1988abcd) megembagka 4 buah jeis metode peaksira ag dijelaska secara rici dalam subbab (8. jai teaat [N²−N] el jika ejalanan intazona aat iabaikan.11).

moel GR untuk item tanotai tetentu aa lah: 2 Ti = k . eamaan (8. moel ini mamu ekaligu menak i MAT bagi moa tanotai yang bebea.1995b) an Tamin et al (1992e) mengembangkan moel kombinai Sebaan Pegeakan−Pemilihan Moa (SPPM). an M AT ini juga aat iceminkan ebagai fungi moel kombinai SPPM engan aamet e tetentu. Moel ini aa mu lanya ikembangkan beaakan hukum gavitai Newton. bagaimana membatai jumlah olu i. ejalanan antaa keua zona teebut akan menjai emat kali liat. kemuian aametenya ikalibai e ngan ata au lalulinta atau enumang. aahal Moel tanotai beaakan ata au lalulinta 399 . k kontanta (8. Salah atu kemungkinannya aalah engan memoel eilaku engenaa i alam aeah kajian teebut. Maalahnya. Paamete ini kemuian ikalibai ehingga galat antaa au lalul inta atau enumang yang iaat i laangan engan yang ihailkan alam oe  enakian teebut aat iekecil. Jai. mialnya MAT enumang angkutan ib ai an MAT enumang angkutan umum.2 Moel kombinai ebaan egeakan−emilihan moa (SPPM) Tamin (1990. µ kontanta (8.8.m  /  i . Teknik ini bau eikit e kali igunakan ehingga maih aat ikembangkan lebih lanjut. Jika nil ai Oi an D maing maing menjai ua kali liat. Dalam metoe ini. eilaku emakai jalan i angga aat iceminkan engan moel tanotai tetentu eeti moel gavit y (GR) an emilihan moanya iceminkan engan moel logit multinomial (LM). Moel kombinai betujuan menggabungkan tahaan ebaan egeakan. Metoe enakian yang telah ikembangka n amai aat ini meliuti metoe kuaat tekecil (KT) an kemiian makimum ( KM) yang ijelakan ecaa inci aa ubbab 8. an bebaning tebalik engan kua at jaak antaanya.58) Analog engan eamaan i ata.O i . emilihan moa.2. Tetai. aamete moel teebut ikalibai e ngan ata au lalulinta atau enumang an bebeaa ata eencanaan eehana .59) memunyai atu kelemahan.m i . D /  i .11. an emilihan ute alam atu oe.59) Jumlah ejalanan ai zona aal i ke zona tujuan  (Ti) bebaning luu engan etia ejalanan yang be aal ai i (Oi) an yang menuju ke  (D). 8. Da lam hal ini.10−8. Secaa umum aat ikatakan bahwa teaat lebih ai atu MAT yang bia mengha ilkan ata au lalulinta teebut. au lalulinta atau enumang inyatakan ebagai fungi MAT.m jumla