Professional Documents
Culture Documents
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.
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.
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.
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).
694
Awaludin Jamin, et al.
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
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:
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.
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:
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.
698
Awaludin Jamin, et al.
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
699
Awaludin Jamin, et al.
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