Prosiding Simposium Forum Studi Transportasi antar Perguruan Tinggi ke-20

Universitas Hasanuddin, Makassar, 4 – 5 November 2017

MODEL SIMULASI LALU LINTAS SIMPANG TAK

BERSINYAL DENGAN PROGRAM VISSIM
(Studi Kasus: Persimpangan Jl. Siliwangi- Jl. Jaksanaranata-Jl.
Laswi, Kabupaten Bandung)

Awaludin Jamin Ahmad Munawar

Departemen Teknik Sipil dan Lingkungan Fakultas Departemen Teknik Sipil dan Lingkungan Fakultas
Teknik Universitas Gadjah Mada Jl. Grafika 2, Teknik Universitas Gadjah Mada Jl. Grafika 2,
Kampus UGM Yogyakarta, 55281 Kampus UGM Yogyakarta, 55281
Awaludin1191@gmail.com munawar@ugm.ac.id

Abstract
Increased mobility of community activities at Siliwangi Street Junction, Laswi Street and Jaksanaranata
Street can not be separated from the existence of Industrial activities, This leads to an increase in the number
of vehicles, Causing transportation problems such as high traffic congestion and traffic conflicts intersecting.
Such conditions lead to reduced traffic performance against intersections, So that proper traffic management
is required. This research is conducted by taking primary data based on peak hour condition with traffic
volume survey, Speed and length of queue. The data is analyzed using MKJI 1997 to know intersection
performance based on degree of saturation, Simulate of the model using VISSIM software. The result of
performance analysis is determined by Munjul intersection, Siliwangi and PLN to apply traffic management,
The best scenario is scenario 2 with Value of Munjul intersection queue between 4.54-58,52 meters,
meanwhile PLN intersection 6,61-28,55 meters and Siliwangi braid between 51,18-80,85 meters.

Kata Kunci: Traffic Volume, Simulation, Traffic Management, Calibration, VISSIM

Abstrak
Peningkatan mobilitas kegiatan masyarakat di Persimpangan Jl. Siliwangi Jl. Laswi dan Jl. Jaksanaranata
tidak lepas dari adanya kegiatan Industri, hal ini menimbulkan peningkatan terhadap jumlah kendaraan
menyebabkan masalah transportasi seperti kepadatan lalu-lintas yang tinggi dan konflik lalu-lintas
dipersimpangan. Kondisi tersebut menyebabkan berkurangnya kinerja lalu-lintas terhadap persimpangan,
sehingga diperlukan manajemen lalu-lintas yang tepat. Penelitian ini dilakukan dengan pengambilan data
primer berdasarkan kondisi jam puncak dengan survei volume lalu-lintas, Kecepatan dan panjang antrian.
Data tersebut selanjutnya dianalisis menggunakan MKJI 1997 untuk mengetahui kinerja simpang
berdasarkan derajat jenuh, mensimulasikan model dengan menggunakan perangkat lunak VISSIM. Hasil
analisis kinerja ditetapkan simpang Munjul, Siliwangi dan PLN untuk diaplikasikan manajemen lalu-lintas,
Skenario terbaik adalah skenario 2 dengan Nilai Panjang antrian Simpang Munjul antara 4,54-58,52 meter,
sementara simpang PLN 6,61-28,55 meter dan Jalinan Siliwangi antara 51,18-80,85 meter.

Kata Kunci: Volume lalu-lintas, Simulasi, Manajemen lalu-lintas, Kalibrasi, VISSIM

PENDAHULUAN
Latar Belakang
Kabupaten Bandung merupakan suatu daerah yang berada di Provinsi Jawa Barat dengan
fungsi sebagai penyangga atau hinterland Kota Bandung. Dalam Rencana Tata Ruang
Wilayah, Kabupaten Bandung termasuk kedalam kawasan andalan di Provinsi Jawa Barat

692
 Awaludin Jamin, et al.

yaitu, KW Cekungan Bandung dengan salah satu sektor unggulan adalah Industri. Seiring
berkembangnya Industri dan berbagai macam kegiatan seperti perkantoran, pendidikan dan
lainnya. Oleh karena itu berkembangnya berbagai sektor kegiatan memicu meningkatnya
minat masyarakat dalam mobilitas pergerakan, serta tingginya mobilitas orang dari
Kabupaten ke Kota Bandung dan berpengaruh terhadap penggunaan moda angkutan umum
maupun pribadi. Peningkatan jumlah kendaraan di Kabupaten Bandung dapat memicu
kepadatan kendaraan seperti kemacetan. Kemacetan lalu lintas adalah fenomena yang tidak
asing bagi masyarakat diperkotaan, namun saat ini kemacetan tidak hanya terjadi di Kota
Besar, melainkan pada daerah-daerah penyangga perkotaan seperti Kabupaten Bandung.
Penelitian akan melakukan identifikasi dan penilaian kinerja terhadap simpang yang berada
di Jl. Siliwangi-Jl.Jaksaranata-Jl.Laswi, serta melakukan pemodelan dengan menggunakan
perangkat lunak VISSIM untuk mencari solusi manajemen lalu-lintas yang sesuai dengan
kondisi persimpangan

Batasan Masalah
Untuk memperjelas ruang lingkup penelitian, dan memudahkan dalam analisis maka
ditentukan batasam-batasadan sebagai berikut:
1. Dalam pemodelan ini akan menggunakan data dari survei volume lalu-lintas pagi
(06.00-08.00) dan sore hari (16.00-18.00) WIB, berdasarkan kondisi arus puncak
2. Kecepatan kendaraan didasarkan dengan kondisi lalu lintas hasil observasi dengan
klasifikasi UM, MC, LV, dan HV.
3. Penunjang analisis yang digunakan adalah Manual Kapasitas Jalan Indonesia (MKJI)
1997.
4. Pengaplikasian skenario dengan manajemen lalu-lintas APILL atau lampu bersinyal.
5. Dalam simulasi tidak memasukan unsur hambatan samping.
6. Pertambahan arus lalu-lintas disetiap jaringan diasumsikan bersumber dari bangkitan
jaringan jalan sekitar.

TINJAUAN PUSTAKA
Persimpangan tak Bersinyal
Jenis simpang paling banyak dijumpai di daerah perkotaan adalah simpang tak bersinyal.
Jenis ini cocok diterapkan apabila arus lalu lintas di Jalan Minor dan pergerakan membelok
relatif kecil. Namun demikian, apabila arus lalu lintas di Jalan utama sangat tinggi
sehingga resiko kecelakaan bagi pengendara di Jalan Minor meningkat, maka perlu
diperimbangkan adanya lampu lalu-lintas. (Munawar, 2004)

Model Simulasi
Munawar & Andriyanto (2009) meneliti tentang model simulasi dengan menggunakan
perangkat komputer di Cililitan Toll Plaza, Jakarta. Model yang disimulasikan adalah
dengan melakukan prediksi terhadap panjang antrian dan tundaan. Hasil dari simulasi
adalah perbandingan terhadap model simulasi dengan kondisi aktual.

Munawar &Priyanto (2010) meneliti tentang pemodelan dengan pengoptimalan bundaran

menggunakan simulasi komputer KREISIG (Kreisverkehrsplaetze mit Lichtsignalanlage=
signalized roundabout), di Bundaran Pelem Gurih, Yogyakarta. Tinjauan yang dikaji
adalah antrian dan tundaan dalam bundaran.

693
 Awaludin Jamin, et al.

LANDASAN TEORI
Kinerja Simpang
Tinjauan derajat jenuh dan peluang antrian sebagai aspek penilaian terhadap kinerja
simpang, dengan persamaan untuk derajat jenuh sebagai berikut:
DS = QTOT/C (1)
dimana:
QTOT = Arus total
C= Kapasitas

Penilaian terhadap peluang antrian simpang ditunjang dengan grafik pada gambar 1. Untuk
mengetahui persen antrian terendah sampai dengan tertinggi.

Gambar 1.Rentang peluang antrian (QP%) terhadap derajat kejenuhan (DS): MKJI 1997

VISSIM
VISSIM merupakan perangkat lunak simulasi lalu-lintas multi-modal mikroskopis.
VISSIM dikembangkan oleh PTV Planning Transport Verkehr AG di Karlsruhe, Jerman.
Nama perangkat lunak VISSIM berasal dari "Verkehr In Städten - SIMulationsmodell"
yaitu diambil dari bahasa jerman untuk model simulasi lalu-lintas di Kota (PTV-AG,2014).

Jaringan Lalu-Lintas VISSIM

Dalam memodelkan lalu-lintas, pembuatan jaringan jalan dari VISSIM yaitu Link, menu
Link berfungsi sebagai penyedia atau sarana model yang mempersentasikan kondisi
sebenarnya dengan pengaturan berbagai ukuran jaringan jalan seperti geometri jalan.
Penunjang dalam pembuatan Link adalah Connector yaitu berfungsi sebagai media
penghubung setiap jaringan jalan. serta penentuan konflik area dengan 1 waits for , 2 waits
for1, Undetermined dan Passive.

Kalibrasi dan Validasi

Irawan& Putri (2015) meneliti tentang arus lalu-lintas tercampur dengan mengkalibrasi
dalam VISSIM menggunakan beberapa perameter perubahan prilaku pengemudi yaitu,
Desire position at free flow, Overtake on same lane, Distance standing distance driving, ,
Average standstill distance (ax), Additive part of safety distance (bx_add), Multiplicative
part of safety distance (bx_mult). Berikut merupakan parameter yang diaplikasikan dalam
kalibrasi dengan merubah parameter prilaku pengemudi dalam simulasi antara lain.

694
 Awaludin Jamin, et al.

a. Desired Position at free flow, merupakan perubahan pada kebebasan pengemudi

untuk mengendarai kendaraan pada lintasan jaringan.
b. Overtake on same lane, Merupakan perubahan prilaku pengemudi untuk menyalip
kendaraan dalam jalur yang sama.
c. Distance Standing, merupakan penentuan jarak kendaraan saat tidak bergerak
d. Distance Driving, merupakan penentuan jarak masing-masing kendaraan saat melaju
dijaringan jalan
e. Average standstill distance (ax), dalam parameter ini menentukan jarak rata-rata antara
dua kendaraan berurutan atau saling mengikuti.
f. Additive part of safety distance (bx_add), merupakan nilai dari jarak aman yang
digunakan untuk kondisi tidak normal saat mengemudi sepeti mengerem mendadak
dan berhenti secara tiba-tiba d.
g. Multiplicative part of safety distance (bx_mult), merupakan nilai dari jarak aman
tambahan yang digunakan saat kondisi tidak normal saat mengemudi dengan
penyesuaian oleh Value of rang pada Vissim 0,1

Validasi merupakan pengujian yang dimaksudkan untuk mengetahui sesuai atau tidaknya
model tersebut dengan hasil observasi. Statistik GEH (Geoffrey E Harvers) merupakan
statistik modifikasi dari Chi-Squared yang digunakan untuk menguji volume lalu-lintas
dengan cara membandingkan hasil antara simulasi C dengan hasil observasi langsung
dilapangan M. Pengembangan rumus GEH merupakan solusi dalam koreksi yang lebih
rinci jika dibandingkan dengan persentase yang sederhana. (Gustavsson,2007)
( )
GEH=√ (2)
dimana:
M = Simulasi (Volume Lalulintas)
C= Observasi (Volume Lalulintas)
Keterangan:
Jika nilai GEH <5 maka hasilnya diterima atau dianggap simulasi mewakili observasi
dilapangan
Jika nilai GEH 5-10 perlu dilakukan kajian ulang atau data kemungkinan error
Jika nilai GEH >10 hasilnya ditolak atau kemungkinan penginputan data salah.

Validasi kedua yaitu, menggunakan Root Mean Squared Normalized Error (RMSNE)
mengukur persentase deviasi output simulasi dari data yang diamati. Statistik ini
mengukur persentase kesalahan relatif yang umum dan dapat digunakan untuk
menentukan lebar interval kepercayaan untuk prediksi selain itu (Djaha dkk, 2016)
=√ ∑ ( )2 (3)
dimana
Yi,Sim = Simulasi dan
Yi,Obs = Observasi
N = Jumlah Data
Jika nilai yang diamati dengan hasil data kurang dari 0,13, data tersebut dapat
diterima sebagai model simulasi yang valid atau sesuai.

695
 Awaludin Jamin, et al.

Manajemen Lalu-Lintas
Cycle Time Optimum pada penelitian ini akan menentukan seberapa besar waktu yang
diperlukan untuk penerapan lampu bersinyal. Dalam perhitungan ini waktu untuk lampu
bersinyal yang harus dicari memiliki nilai optimum:
C (4)
dengan:
copt = cycle time optimum
LTI = waktu hilang total pada satu cycle time
IFR = jumlah FR (∑FR) maksimum tiap fase

IFR =

Prosedur Penelitian

Mulai Studi
Studi Litelatur
Litelatur Identifikasi
Identifikasi Masalah
Masalah Survei Volume
Volume Lalu
Lalu Lintas
Lintas
Mulai Survei
Jenis
Jenis Kendaraan
Kendaraan
Kondisi
Kondisi Lingkungan
Lingkungan
Geometri
Geometri Jalan
Jalan
Running
Running VISSIM
VISSIM Kinerja
Kinerja Simpang
Simpang Pengolahan
Pengolahan Data
Data Panjang
Panjang Antrian
Antrian Kendaraan
Kendaraan
Foto
Foto Udara
Udara

Kalibrasi
Kalibrasi dan
dan
Validasi
Validasi
Membandingkan
Membandingkan Skenario
Skenario
No Pemodelan
Pemodelan
Pemodelan
Pemodelan dandan
Uji
Uji Statistik
Statistik Yes Analisis
Analisis Data
Data Pengaplikasian
Pengaplikasian Manajemen
Manajemen
Lalu-lintas
Lalu-lintas
Kesimpulan
Kesimpulan

Gambar 2. Prosedur Penelitian

HASIL DAN PEMBAHASAN

Identifikasi Masalah Simpang
Permasalahan lalu-lintas disetiap simpang hampir sama yaitu adanya konflik kendaraan
yang menimbulkan kemacetan, serta peningkatan volume kendaraan berdampak terhadap
panjang antrian di simpang, serta prilaku pengendara menimbulkan dampak yang sama dan
pemasalahan tersebut memiliki korelasi satu sama lain. Hasil identifikasi menunjukan
simpang yang perlu ditangani dengan manajemen lalu-lintas adalah Simpang Munjul,
Simpang PLN dan Simpang Siliwangi. Sementara Simpang Tugu belum terdapat
permasalahan simpang seperti persimpangan lainnya.

Kinerja Simpang
Berdasarkan hasil analisis menggunakan MKJI 1997, simpang dengan nilai derajat jenuh >
0,75 adalah Simpang Munjul, PLN dan mulai mendekati 0,75 adalah Simpang Siliwangi,
sehingga penanganan simpang dengan mengaplikasikan manajemen lalu lintas sebagai
langkah dalam mengatasi permasalahan, sementara analisis terhadap peluang antrian,

696
 Awaludin Jamin, et al.

potensi terbesar antrian berada di Simpang Munjul dengan nilai persentase mencapai 83 %,
berikut merupakan paparan nilai peluang antrian masing-masing simpang. Paparan terdapat
dalam Tabel 1dan Gambar 3 sebagai berikut:

Tabel 1.Derajat Jenuh Dan Peluang Antrian Simpang

No Nama Simpang Lengan Derajat Jenuh Peluang Antrian (%)
Lengan Timur-Selatan 0,71 21-42
1 Jalinan Siliwangi
Lengan Barat-Utara 0,23 3-10
2 Munjul Keseluruhan Simpang 1,41 83-100
TS (Jalinan Timur-Selatan) 0,45 5-11
SB (Jalinan Selatan-Barat) 0,63 10-22
3 Bundaran Tugu
BU ( Jalinan Barat-Utara) 0,62 9-21
UT (Jalinan Utara- Timur 0,23 2-4
4 PLN Keseluruhan Simpang 0,96 37-72

Gambar 3. Grafik Derajat Jenuh Setiap Simpang

Gambar 3 menunjukan bahwa terdapat nilai derajat jenuh terhadap simpang yang sudah
melewati ambang batas atau > dari 0,75 yaitu Simpang Munjul dan Simpang PLN.

Kalibrasi dan Validasi

Dalam kalibrasi beberapa parameter prilaku yang dirubah dengan melakukan Trial and
Error, simulasi dihentikan pada trial ke 6 yaitu, ketika hasil sudah mencapai kriteria yang
ditentukan berdasarkan nilai kesesuaian validasi, lebih jelasnya dipaparkan dalam tabel

Tabel 2. Perubahan Parameter Perilaku Pengemudi, Kalibrasi dan Validasi

Nilai (Value)
Jenis Parameter
Sebelum Kalibrasi Setelah Kalibrasi (trial 6)
average standstill distance, 1 0.5
additive part of safety, distance, 1 0.5
multiplic part of safety distance 3 1
Desired Position at free flow Middle of lane Any
overtake on same lane : on left and on right Off On
Distance standing (at 0 km/h) 1 0.2
Distance driving (at 50 km/h) 1 0.4
Chi-Square 0,7 0,88
GEH 3,1 87
RMSNE 0,64 0,13

697
 Awaludin Jamin, et al.

Setelah melakukan validasi didapat hasil dari volume lalu-lintas simulasi, hasil ini didapat
dengan menentukan proporsi kendaraan dari kondisi eksisting, lebih jelasnya terkait
volume lalu-lintas hasil simulasi sebagai berikut:

Tabel 3. Perbandingan Jumlah Volume Lalu lintas Eksisting dan Model

Nama Eksisting Simulasi Jumlah Jumlah
Asal Selisih
Simpang MU MC LV HV MU MC LV HV Eksisting Simulasi
Timur 2 786 29 8 2 943 32 6 1012 982 -30
Barat 7 786 162 18 1 778 26 5 973 810 -163
Munjul
Utara 2 1033 83 43 2 1216 41 8 1161 1267 106
Selatan 17 4755 211 47 6 3266 110 20 5030 3402 -1628
Timur 11 5985 202 37 7 3669 124 23 6235 3822 -2413
Barat 0 1073 75 20 2 1226 41 8 1168 1277 109
Siliwangi
Utara 0 983 277 88 3 1474 50 9 1348 1536 188
Selatan 0 1186 165 31 2 1212 41 7 1382 1263 -119
Timur 19 2638 235 30 4 2429 82 15 2922 2530 -392
Barat 0 316 131 0 1 498 17 3 447 519 72
Tugu
Utara 1 932 215 25 2 1050 35 6 1173 1094 -79
Selatan 4 1018 80 5 2 1098 37 7 1107 1144 37
Timur 2 927 240 44 2 1238 42 8 1213 1290 77
Barat 3 808 147 32 2 850 29 5 990 886 -104
PLN
Utara 6 1042 96 10 2 1169 39 7 1154 1218 64
Selatan 4 1717 120 17 4 1993 67 12 1858 2076 218

Simulasi Skenario
Waktu siklus dalam skenario ditentukan berdasarkan hasil dari perhitungan dan
disesuaikan dengan standar MKJI. Dalam simulasi VISSIM diaplikasikan tiga simulasi
skenario, skenario 1 yaitu, 4 fase siklus, skenario 2 yaitu, 3 Fase (late start) dan skenario 3
yaitu gabungan dari skenario 2 dengan jalan satu arah untuk Simpang Munjul, sementara
Simpang Siliwangi dan PLN masih menggunakan waktu bersinyal seperti yang
diaplikasikan skenario 2, pola arus skenario 3 dipaparkan dalam gambar 5.

1-57 60 Fase 1 Selatan 1-55 Selatan

4 58 Fase 1
62-73 84 Fase 2 Barat 4-56 Utara
86-95 98 Fase 3 Utara 59-71 74 Fase 2 Barat
99-107 110 Fase 4 Timur 75-87
90 Fase 3 Timur
a) Waktu Siklus Simpang Munjul Skenario 1 d) Waktu Siklus Simpang Munjul Skenario 2
1-52 55 # 4 Fase 1 Timur 1-58 61 Fase 2 Timur
57-74 77 Fase 2 Selatan 63-81 Selatan
84 Fase 1
79-89 92 Fase 3 Barat 66-81 Utara
94-107 110 Fase 4 Utara 86-97 100 Fase 3 Barat
b) Waktu Siklus Simpang Siliwangi Skenario 1 e) Waktu Siklus Simpang Siliwangi Skenario 2

1-13 16 Fase 1 Selatan 1-18 21 Fase 1 Selatan

18-32 35 Fase 2 Barat 23-54 Barat
57 Fase 2
26-54 Timur
37-59 62 Fase 3 Utara
58-87 90 Fase 3 Utara
64-87 90 Fase 4 Timur f) Waktu Siklus Simpang PLN Skenario 2
c) Waktu Siklus Simpang PLN Skenario 1

Gambar 4. Waktu Siklus Skenario 1 dan 2

698
 Awaludin Jamin, et al.

Gambar 5. Simulasi Jalan Satu Arah Skenario 3

Perbandingan Skenario
Pengaplikasian ketiga skenario menghasilkan data panjang antrian, untuk skenario 1 jika
mengacu terhadap data panjang antrian merupakan tetinggi. Sementara skenario 2
menghasilan panjang antrian < skenario 1, untuk skenario 3 nilai panjang antrian hampir
sama dengan skenario 2, namun adanya pertambahan antrian di lokasi baru membuat
kinerja skenario 3 tidak akan maksimal untuk diaplikasikan dilapangan

Tabel 4. Perbandingan Panjang Antrian

Nama Panjang Antrian (meter)
Lengan
Simpang Observasi Skenario 1 Skenario 2 Skenario 3
Timur 26,50 58,65 45,10 34,75
Barat 105,26 71,76 58,52 0,00
Munjul
Selatan 49,67 32,35 15,69 0,00
Utara 293,63 23,41 4,54 31,84
Timur 199,84 53,31 51,18 51,90
Barat 27,96 91,23 80,85 83,83
Siliwangi
Selatan 38,86 62,32 53,91 55,59
Utara 75,68 95,11 74,83 75,14
Timur 22,11 21,51 19,44 19,45
Barat 7,11 13,31 6,61 8,12
PLN
Selatan 12,66 39,52 28,55 31,42
Utara 2,63 18,69 11,49 11,20
Jalu Barat Jl. Laswi - - - 38,21
Lingkar Selatan. Jl. Laswi - - - 75,20

Gambar 6. Perbandingan Panjang Antrian

699
 Awaludin Jamin, et al.

Gambar 6 menunjukan adanya perbedaan secara signifikan panjang antrian skenario

dengan kondisi eksisting, panjang antrian eksisting melibatkan hambatan samping sebagai
unsur dalam antrian, sementara untuk model simulasi tidak menentukan hambatan samping
Perbandingan skenario menunjukan kapasitas jaringan jalan di lengan simpang yang besar
terdapat di skenario 2 dan 3, namun kapasitas yang lebih besar di skenario 3 dihasilkan dari
perubahan terhadap jaringan jalan 2 arah menjadi satu arah, sehingga dalam kondisi
eksisting berlaku untuk 2 arah, dapat diaplikasikan menjadi satu arah,

Tabel 5. Perbandingan Kapasitas Simpang Skenario

Kapasitas Jalan smp/jam
No Nama Simpang Arah Lengan
Skenario 1 Skenario 2 Skenario 3
Timur 126 143 683
Barat 171 203 2121
1 Munjul
Selatan 652 772 1061
Utara 175 855 2121
Timur 766 936 936
Barat 160 196 196
2 Siliwangi
Selatan 218 266 266
Utara 274 378 378
Timur 413 572 572
Barat 306 593 593
3 PLN
Selatan 450 623 623
Utara 294 407 407

Perbandingan kapasitas akan memberikan gambaran terkait dengan skenario yang

diaplikasikan, peningkatan kapasitas terbesar terletak di skenario 3, hal ini disebabkan oleh
adanya rekayasa jalan satu arah sebagai bagian dari skenario 3. Lebih jelasnya dipaparkan
dalam gambar 7.dibawah ini.

Gambar 7. Perbandingan Kapasitas Masing-Masing Skenario

Hasil dari Gambar 7 bahwa perbandingan panjang antrian dan kapasitas simpang
menunjukan skenario 3 memiliki nilai kapasitas yang besar, namun dari nilai panjang
antrian pengaplikasian skenario 3 menghasilkan nilai antrian baru di simpang jalan lingkar,
sehingga skenario 2 merupakan skenario terbaik yang dapat diaplikasikan dilapangan
dengan panjang antrian < dari skenario 1 dan skenario 3.

700
 Awaludin Jamin, et al.

KESIMPULAN
Dari hasil penelitian dapat disimpulakan bahwa:
 Hasil kinerja simpang berdasarkan MKJI 1997 yang ditinjau dari derajat jenuh
menunjukan bahwa Simpang Munjul dan Simpang PLN, serta Simpang Siliwangi
hampir mendekati batas derajat jenuh yang ditetapkan yatu 0,75.
 Peningkatan peluang panjang antrian Simpang Munjul mencapai persentase 83-100%,
sementara simpang PLN 37-72% dan untuk simpang lainnya memiliki peluang antrian
yang relatif kecil.
 Simulasi dihentikan setelah nilai GEH mencapai 87% dan nilai RMSNE adalah 13,
sementara determinan adalah 0,88 mendekati satu. Angka ini merupakan nilai yang
paling mendekati realitas atau kenyataan dilapangan dengan volume lalu-lintas
simulasi hampir mendekati observasi.
 Berdasarkan hasil simulasi dari pengaplikasian manajemen lalu-lintas ketiga skenario,
penentuan pemasangan lampu bersinyal melalui sistem 3 fase, merupakan skenario
terbaik yang dapat diaplikasikan dilapangan dengan jumlah panjang antrian di
Simpang Munjul antara 4,54-58,52 meter, sementara simpang PLN 6,61-28,55 meter
dan Jalinan Siliwangi antara 51,18-80,85 meter.

DAFTAR PUSTAKA
Direktorat Jendral Bina Marga. 1997. Manual Kapasitas Jalan Indonesia (MKJI).
Djaha, S.I., Dewanti., Joon, C.I. 2016. Analysis of Converting Signalized Intersection to
Modern Roundabout using VISSIM Micro Simulation, (Case Study : Pelem Gurih
Intersection, Yogyakarta, Indonesia), Simposium XIX FSTPT, Universitas Islam
Indonesia , Yogyakarta.
Gustavsson, F.N. 2007. New Transportation Research Progress, New York: Nova Science
Publishers, Inc.
Irawan, M. Z., Putri, N, H. 2015. Kalibrasi Vissim Untuk Mikrosimulasi Arus Lalu Lintas
Tercampur Pada Simpang Bersinyal (Studi Kasus: Simpang Tugu, Yogyakarta),
Jurnal Penelitian Transportasi Multimoda, Vol.13(03), pp: 97-106
Munawar, A. 2004. Manajemen Lalu Lintas Perkotaan. Yogyakarta : Beta Offset. Hal:51
Munawar, A., Andriyanto, A. 2013. Predicting Queues and Delays at Toll Plazas by
Computer Simulation (Case Study: Cililitan Toll Plaza, Jakarta), Proceedings of the
World Congress on Engineering, Vol I.
Munawar, A., Priyanto, S. 2010. Optimizing Signalized Roundabout by Computer
Simulation (Case Study: Pelem Gurih Roundabout, Yogyakarta), Proceedings of the
Conference on Traffic and Transportation Studies, ICTTS, Volume: 383 / Issue: Hal:
357 - 364
PTV VISION. 2014. PTV VISSIM 8 User Manual, PTV AG, Karlsruhe, Germany.

701