PAMUKO ADITYA RAHMAN N I M . I 0 1 0 6 1 0 9/Estimasi-model-sebaran... · Distribusi perjalanan...

42

ESTIMASI MODEL SEBARAN PERGERAKAN DARI DATA ARUS LALU LINTAS DENGAN METODE STEEPEST

DESCENT MENGGUNAKAN APLIKASI SOFTWARE EMME/3 (Studi Kasus Kota Surakarta)

Model Estimation of Distribution Movement from Traffic Count Data with Steepest Descent Method by using Software Application EMME/3

(Surakarta Case Study)

SKRIPSI

Diajukan Sebagai Salah Satu Syarat

Untuk Memperoleh Gelar Sarjana Teknik

Disusun Oleh :

P A M U K O A D I T Y A R A H M A N N I M . I 0 1 0 6 1 0 9

JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK

UNIVERSITAS SEBELAS MARET

SURAKARTA

2010

43

LEMBAR PERSETUJUAN

ESTIMASI MODEL SEBARAN PERGERAKAN DARI DATA

ARUS LALU LINTAS DENGAN METODE STEEPEST DESCENT MENGGUNAKAN APLIKASI SOFTWARE EMME/3

(Studi Kasus Kota Surakarta)

Model Estimation of Distribution Movement from Traffic Count Data with

Steepest Descent Method by using Software Application EMME/3 (Surakarta Case Study)

Disusun Oleh :

P A M U K O A D I T Y A R A H M A N N I M I 0 1 0 6 1 0 9

Telah disetujui untuk dipertahankan dihadapan Tim Penguji Pendadaran

Jurusan Teknik Sipil Fakultas Teknik Universitas Sebelas Maret

Persetujuan Dosen Pembimbing

Dosen Pembimbing I

DR. Eng. Ir. Syafi’i , MT N I P . 19670602 199702 1001

Dosen Pembimbing II

Ir. Agus Sumarsono,MT N I P . 19570814 198601 1001

44

ESTIMASI MODEL SEBARAN PERGERAKAN DARI DATA ARUS LALU LINTAS DENGAN METODE STEEPEST

DESCENT MENGGUNAKAN APLIKASI SOFTWARE EMME/3 (Studi Kasus Kota Surakarta)

Model Estimation of Distribution Movement from Traffic Count Data with

Steepest Descent Method by using Software Application EMME/3 (Surakarta Case Study)

SKRIPSI

Disusun Oleh :

P A M U K O A D I T Y A R A H M A N N I M . I 0 1 0 6 1 0 9

Telah dipertahankan dihadapan Tim Penguji Pendadaran Jurusan Teknik Sipil Fakultas Teknik Universitas Sebelas Maret pada hari Rabu tanggal 14 April 2010

1. DR. Eng. Ir. Syafi’i, MT --------------------------------- NIP. 19670602 199702 1001

2. Ir. Agus Sumarsono, MT --------------------------------- NIP. 19570814 198601 1001 3. Ir. Djoko Sarwono, MT --------------------------------- NIP. 19600415 199201 1001

4 Slamet Jauhari Legowo, ST,MT --------------------------------- NIP. 19670413 199702 1001

Mengetahui,

a.n. Dekan Fakultas Teknik UNS Pembantu Dekan I

Disahkan, Ketua Jurusan Teknik Sipil

Fakultas Teknik UNS

Ir.NOEGROHO DJARWANTI, MT

NIP. 19561112 198403 2007

Ir. BAMBANG SANTOSA, MT NIP. 19590823 198601 1001

45

Motto

”Orang-orang yang berhasil di dunia ini adalah orang-orang yang bangkit dan mencari

keadaan yang mereka inginkan dan jika tak menemukannya, mereka akan membuatnya

sendiri.”

(George Bernard Shaw)

”Jembatan kehidupan tak akan pernah tersambung, sebelum kita fokus, mendedikasikan diri

dan berdisiplin.”

(Henry Emerson Fosdick)

”When you make mistake – it makes you smarter”

(Daniel Coyle)

46

Persembahan

D e d i c a t e d t o :

”My Great precious Lord Allah, My Life inspiration Phopet Muhammad.”

”My Beloved Mom and Dad, Lusdiyono and Cey Hetty”

”My younger sister and brother, Rizkia Prabandini R. And Mufid Abdur R.”

”My best friends ever, Dinar Rahmawati and Senja Megawati”

47

A B S T R A K

Pamuko Aditya Rahman, 2010, Estimasi Model Sebaran Pergerakan dari Data Arus Lalu Lintas dengan Metode Steepest Descent Menggunakan Aplikasi Software EMME/3 (Studi Kasus Kota Surakarta). Skripsi. Jurusan Teknik Sipil Fakultas Teknik Universitas Sebelas Maret Surakarta. Pola sebaran arus lalu lintas antara zona asal ke zona tujuan adalah hubungan hasil interaksi tata guna lahan, jaringan transportasi dan arus. Distribusi perjalanan atau pergerakan tersebut dapat dinyatakan dalam bentuk matriks asal tujuan (MAT) maupun dengan diagram garis keinginan (desire line). Penelitian ini bertujuan untuk mengetahui besarnya estimasi model sebaran pergerakan dengan menggunakan metode steepest descent. Selain itu untuk mengetahui tingkat validasi dari arus lalu lintas hasil pemodelan dengan arus lalu lintas hasil pengamatan di lapangan. Penelitian ini dilakukan di kota Surakarta sebagai daerah kajian dengan membagi Surakarta menjadi 65 zona dengan 51 zona internal dan 14 zona eksternal. Jaringan jalan yang dianalisis adalah ruas jalan arteri dan ruas jalan kolektor. Metode yang digunakan untuk mendapatkan matriks baru adalah metode steepest descent. Nilai volume lalu lintas diperoleh dengan cara membebankan Matriks baru dan memasukan arus hasil pengamatan (traffic count) ke dalam jaringan jalan dengan metode pembebanan User Equilibrium. Uji Validasi menggunakan koefisien Determinasi (R²). Dari hasil perhitungan dengan bantuan EMME/3, diperoleh total jumlah pergerakan kota Surakarta adalah 32361,41 smp/jam. Tingkat validasi (R2) yang didapatkan adalah sebesar 0.8463. Kata kunci : Arus Lalu lintas, Estimasi Pergerakan, EMME/3, Steepest Descent

48

ABSTRACT

Pamuko Aditya Rahman, 2010, Model Estimation of Distribution Movement from Traffic Count Data with Steepest Descent Method by using Software Application EMME/3 (Surakarta Case Study). Thesis. Civil Engineering Department Faculty of Engineering, Sebelas Maret University Surakarta. Trip distribution pattern between origin to destination zone is the relationship resulted from an interaction of land use, transportation networks and flows. Travel distribution or movement can be expressed in the form of Origin-Destination (O-D) matrix as well as a desire line diagram. This study aimed to know the amount of estimation trip distribution models using the steepest descent method. In addition, to know the validation level by comparing traffic flow resulted from the model and observation. This research was conducted in the city of Surakarta. The study area is divided into 65 zones with 51 internal and 14 external zones. The road network analyzed arterial and collector roads. The method used to obtain a new matrix is a method of steepest descent. The value of traffic volume is obtained by assigning a new matrix and inputing the current observations (traffic count) into the road network with User Equilibrium assignment. Validation tests used is the coefficient of determination (R2). From the calculation with EMME/3 software, show that the total number movements of the city of Surakarta is 32361.41 pcu/hour. The level of validation (R2) is 0.8463. Keywords : EMME/3, Estimated Movement, Steepest Descent, Traffic Flow

49

KATA PENGANTAR

Puji syukur kepada Tuhan Yang Maha Esa atas berkat-Nya, sehingga penulis dapat menyelesaikan penyusunan skripsi dengan judul ESTIMASI MODEL SEBARAN PERGERAKAN DARI DATA ARUS LALU LINTAS DENGAN METODE STEEPEST DESCENT MENGGUNAKAN APLIKASI SOFTWARE EMME/3 (Studi Kasus Kota Surakarta). Ucapan salam, penulis haturkan pada junjungan dan panutan, Nabi Muhammad SAW yang selalu menjadi suri teladan bagi semua umat islam di dunia ini.

Penulis menyadari bahwa penyusunan tugas akhir ini jauh dari sempurna, sehingga dapat digunakan sebagai bahan pembelajaran penulis dalam penelitian pada masa yang akan datang. Penulis juga mengharapkan laporan ini bisa menambah pengetahuan dan wawasan bagi semua kalangan teknik sipil khususnya Jurusan Teknik Sipil Fakultas Teknik UNS Solo.

Skripsi ini disusun sebagai salah satu syarat yang harus ditempuh guna meraih gelar Sarjana Teknik Sipil pada Fakultas Teknik Universitas Sebelas Maret Surakarta. Skripsi ini tidak dapat terselesaikan tanpa bantuan, bimbingan, dan saran dari berbagai pihak, karena itu pada kesempatan ini penulis ingin menyampaikan terima kasih kepada :

1. Segenap Pimpinan Fakultas Teknik Universitas Sebelas Maret Surakarta. 2. Segenap Pimpinan Jurusan Teknik Sipil Fakultas Teknik Universitas Sebelas

Maret Surakarta. 3. DR. Eng. Ir. Syafi’i, MT, selaku Pembimbing Akademis dan Dosen

Pembimbing I Skripsi serta motivator. Terima kasih atas semua waktu, bimbingan, motivasi, dan bantuan, serta kepercayaan bapak untuk bisa menyelesaikan tugas akhir ini, telah banyak ilmu, nasehat, dan saran demi kemajuan penulis.

4. Ir. Agus Sumarsono, MT, selaku Dosen Pembimbing II Skripsi. Terima kasih atas semua waktu, bimbingan, motivasi serta bantuannya selama pembuatan skripsi ini sampai selesai.

5. Tim penguji ujian pendadaran skripsi, Ir. Djoko Sarwono, M.T dan Slamet Jauhari Legowo, S.T, M.T, Terima kasih atas kesediaannya untuk menguji dan membimbing saya agar saya lulus.

6. Semua Staf Pengajar pada Jurusan Teknik Sipil Fakultas Teknik Universitas Sebelas Maret.

7. PT. Wijaya Karya (Persero), Tbk. yang memberikan dukungan keilmuan diluar bangku perkuliahan dan dukungan materiilnya. Terima kasih telah

50

diperkenankan untuk dipertemukan dengan orang-orang hebat dan teman-teman brilian yang kelak menjadi teman seperjuangan. Mohon bimbingannya.

8. Laboratorium Traffic yang menjadi saksi kerja keras, perdebatan, penat, dan semangatku.Semoga kau selalu jadi kenangan untukku.

9. Teman-teman angkatan 2006, sahabat-sahabatku Paramitha, Saptadhi, Samuri, Trisno, Wira, Anshori, Rizky, Dimitrij, Winny, Ratna, Rika, Setyo, Lily, Vivi, Dimas Agung. Terima kasih telah mendengar keluhku, menghiburku, dan teman main bareng.

10. Tim Lab. Traffic (Mas Anton, Mas Najib, Mbak Retno, Mbak Rodi) dan kakak tercinta Mbak Nurmalia yang selalu memberikan semangat disaat lelah dan penatnya pikiran. Terima kasih buat tawa, marah, sedih, ejekan, kebersamaan, dan kerjasamanya selama ini. Akhirnya kita dapat meraih sukses bersama.

11. Teman-teman MDL WIKA (Eko Aris, Eko Hin, Alve, Didin, Setyo, Syarif, Hasan) yang selalu sharing ilmu di hari Senin dan Kamis. You’re the best team.

12. Kakak-kakak seniorku (Mas Harbun, Mas Busur, Mbak Sri, Mbak Eva) yang memotivasi penulis untuk tetap berkarya dan mengejar cita-cita.

13. Teman-teman Wisma Mulia (Mas Joko, Mas Susilo, Rois, Tony), terima kasih atas doa dan semangat serta candaan yang selalu menghibur.

14. Seluruh civitas akademika Teknik Sipil UNS. Terima kasih atas bantuannya. 15. Semua orang yang telah mengisi memori suka dan duka dalam hidupku, tanpa

semua itu penulis tidak akan pernah belajar dari kesalahan dan kegagalan.

Akhirnya, penulis mengharapkan nantinya penelitian ini tetap berlanjut dan dapat disempurnakan oleh penulis lainnya. Dalam kehidupan proses belajar tidak akan pernah terhenti. Terima kasih.

Surakarta, 14 April 2010

Penulis

51

DAFTAR ISI

HALAMAN JUDUL..........................................................................................

HALAMAN PERSETUJUAN...........................................................................

HALAMAN PENGESAHAN............................................................................

MOTTO ............................................................................................................

PERSEMBAHAN..............................................................................................

ABSTRAK.........................................................................................................

ABSTRACT......................................................................................................

KATA PENGANTAR.......................................................................................

DAFTAR ISI......................................................................................................

DAFTAR TABEL..............................................................................................

DAFTAR GAMBAR.........................................................................................

DAFTAR NOTASI DAN SIMBOL..................................................................

DAFTAR LAMPIRAN......................................................................................

BAB 1 PENDAHULUAN

1.1. Latar Belakang.............................................................................

1.2. Rumusan Masalah.......................................................................

1.3. Batasan Masalah..........................................................................

1.4. Tujuan Penelitian.........................................................................

1.5. Manfaat Penelitian.......................................................................

1.5.1. Manfaat Teoritis................................................................

1.5.2. Manfaat Praktis...................................................................

BAB 2 LANDASAN TEORI

2.1. Tinjauan Pustaka.........................................................................

2.2. Dasar Teori…....………………………………………………..

2.2.1. Pemodelan Transportasi….……………………………

2.2.2. Matriks Asal Tujuan (MAT)…………………………..

Hal

i

ii

iii

iv

v

vi

vii

viii

x

xiii

xv

xvi

xviii

1

3

3

4

4

4

4

5

5

9

9

10

52

2.2.3. Daerah Kajian ………………………………………...

2.2.4. Zona………………………..………………………….

2.2.5. Sistem Jaringan………………………………………..

2.2.6. Klasifikasi Fungsi Jalan……………………………….

2.2.7. Satuan Mobil Penumpang……………………………..

2.2.8. Kapasitas…………..………………………………….

2.2.9. Kecepatan…………..…………………………………

2.2.10. Hubungan Kurva Kecepatan-Arus dan Biaya-Arus…..

2.2.11. Metode Steepest Descent……………………………...

a. Teori Dasar………………………………..………

b. Penerapan Metode Steepest Descent pada aplikasi

Software EMME/3.................……………………..

2.2.12. Pendekatan Pembebanan User Equilibrium…………..

2.2.13. Indikator Uji Statistik………………………………….

2.2.14. EMME/3 (Equilibre Multimodal, Multimodal

Equilibrium)…………………………………………..

2.2.15. Kelebihan EMME/3 dengan program lain…………….

BAB 3 METODE PENELITIAN

3.1. Lokasi Penelitian…………………...………………………….

3.2. Data yang dibutuhkan…………………………………………

3.3. Alur Penelitian………………………………………….…….

3.4. Prosedur Pelaksanaan Survey..………………………………...

3.4.1. Survey Pendahuluan……………………………………

3.4.2. Teknik Pengumpulan Data..……………………………

3.4.3. Desain Survey.………………………………………….

3.5. Teknik Analisis Data………...………………………………...

3.5.1. Pembuatan jaringan jalan………………………………

3.5.2. Estimasi Matriks ……………………………………….

3.5.3. Uji validasi…………………….……………………….

Hal

11

12

13

13

18

19

22

25

28

28

33

35

36

37

40

42

42

42

49

51

52

52

52

54

54

54

54

53

BAB 4 ANALISIS DATA DAN PEMBAHASAN

4.1. Umum………………………………………………………….

4.2. Pengolahan dan Penyajian Data………………………………

4.2.1. Sumber Data…………………………………………...

4.2.2. Pembagian Zona………………………………………

4.2.3. Satuan Mobil Penumpang…………………………….

4.2.4. Kapasitas……………………………………………...

4.2.5. Waktu Tempuh………………………………………..

4.3. Analisis dengan Program EMME/3…………………………..

4.3.1. Basis Data Jaringan Jalan……………………………...

4.3.2. Data Volume Lalu Lintas (Traffic Count)……………..

4.3.3. Data Matriks Awal (Prior Matrix)…………………….

4.3.4. Matrik baru hasil EMME/3……………………………

4.3.5. Pembebanan Matriks ke jaringan jalan………………..

4.4. Uji Validasi................................................................................

4.5. Pembahasan……………………………………………………

4.5.1. Besarnya Estimasi Matriks Metode Steepest Descent....

4.5.2. Tingkat Uji Validasi…………………………………..

BAB 5 KESIMPULAN DAN SARAN

5.1. Kesimpulan……………………………………………………

5.2. Saran…………………………………………………………...

DAFTAR PUSTAKA………………………………………………………...

LAMPIRAN…………………………………………………………………..

Hal

56

56

56

56

57

60

61

62

64

64

66

68

75

83

86

86

86

88

89

89

90

xix

xx

54

DAFTAR TABEL

Hal.

Tabel 2. 1 emp untuk jalan perkotaan tak terbagi...................................... 18

Tabel 2. 2 emp untuk jalan perkotaan terbagi dan satu arah...................... 18

Tabel 2. 3 Kapasitas dasar (Co) jalan perkotaan........................................ 19

Tabel 2. 4 Faktor penyesuaian kapasitas (FCw) untuk pengaruh lebar

jalur lalu lintas untuk jalan perkotaan........................................

19

Tabel 2. 5 Faktor penyesuaian kapasitas untuk pemisahan Arah (FCsp).... 20

Tabel 2. 6 Faktor penyesuaian kapasitas (FCsf) untuk pengaruh

hambatan dan lebar bahu..........................................................

20

Tabel 2. 7 Faktor penyesuaian kapasitas (FCsf) untuk pengaruh

hambatan samping dan jarak Kerb-Penghalang (FCsf)............

21

Tabel 2. 8 Kelas Hambatan Samping untuk Jalan Perkotaan…………… 22

Tabel 2. 9 Faktor penyesuaian kapasitas untuk pengaruh ukuran kota

FCcs pada jalan perkotaan.........................................................

22

Tabel 2. 10 Kecepatan arus bebas dasar (FV0) untuk jalan perkotaan......... 23

Tabel 2. 11 Penyesuaian kecepatan arus bebas untuk lebar jalur lalu lintas

(FVw) pada jalan perkotaan…………………………………...

23

Tabel 2. 12 Faktor penyesuaian (FFVsf) untuk pengaruh hambatan

samping dan lebar bahu pada kecepatan arus bebas untuk jalan

perkotaan dengan bahu…………………………………

24

Tabel 2. 13 Faktor penyesuaian (FFVsf) untuk pengaruh hambatan

samping dan jarak kerb penghalang jalan perkotaan dengan

kerb…………………………………………………….………

24

Tabel 2. 14 Faktor penyesuaian untuk pengaruh ukuran kota pada

kecepatan arus bebas kendaraan ringan untuk jalan perkotaan.

25

Tabel 2. 15 Perangkat lunak perencanaan transportasi yang telah tersedia

di pasaran...................................................................................

41

Tabel 3. 1 Lokasi survey volume lalu lintas zona internal.......................... 43

Tabel 3. 2 Lokasi survey volume lalu lintas zona eksternal........................ 44

Tabel 3. 3 Nomor zona internal................................................................... 46

55

Tabel 3. 4 Nomor zona eksternal................................................................. 46

Tabel 4. 1 Data Hasil Survey Tahun 2009………………………………... 57

Tabel 4. 2 Pembagian Zona Internal…………………………………….. 58

Tabel 4. 3 Pembagian Zona Eksternal…………………………………… 59

Tabel 4. 4 Perhitungan jumlah kendaraan pada jam puncak (dalam 1

jam).............................................................................................

60

Tabel 4. 5 Konversi Satuan kendaraan ke smp.......................................... 61

Tabel 4. 6 Format masukan basis data jaringan jalan................................ 64

Tabel 4. 7 Koordinat kota Surakarta……………………………………. 65

Tabel 4. 8 Data Arus Lalu Lintas Tahun 2009……..……………………. 66

Tabel 4. 9 Prior Matrix Tahun 2002………................................................ 69

Tabel 4. 10

Tabel 4.11

Matriks Asal Tujuan Tahun 2009……………………………..

Perbandingan arus hasil traffic count dengan arus hasil

pembebanan……………………………………………………

76

83

56

DAFTAR GAMBAR

Hal.

Gambar 2.1 Metode untuk mendapatkan Matrik Asal Tujuan (MAT)...... 5

Gambar 2.2 Empat Tahap Pemodelan Transportasi.................................... 10

Gambar 2.3 Daerah kajian sederhana dengan definisinya......................... 12

Gambar 2.4 Sistem Jaringan Jalan Primer………………………………. 15

Gambar 2.5 Sistem Jaringan Jalan Sekunder……………………………. 16

Gambar 2.6 Sketsa Hipotesis Hirarki Jalan Kota………………………... 17

Gambar 2.7 Hubungan Tipikal Kecepatan-Arus Dan Biaya-Arus ........... 26

Gambar 2.8 Help menu............................................................................. 38

Gambar 2.9 The EMME Prompt (prompt console)................................... 39

Gambar 2.10 Prosedur Perhitungan Program EMME/3……………….…. 40

Gambar 3.1 Peta Jaringan Jalan Kota Surakarta……...…………………. 45

Gambar 3.2 Peta Administrasi Kota Surakarta........ ……………………. 47

Gambar 3.3 Peta Pembagian Zona Kota Surakarta……………………… 48

Gambar 3.4 Bagan Alir Penelitian............................................................. 51

Gambar 3.5

Bagan alir teknik analisis data (Estimasi Matriks

EMME/3)…………………………………………............. 55

Gambar 4.1 Network Editor ...................................................................... 65

Gambar 4.2 Editor toolbar………………………………………...…..… 66

Gambar 4.3 Table Matrix (full matriks 1)………………………...……... 75

Gambar 4.4 Grafik Besar Pergerakan di Zona Internal……………….…. 82

Gambar 4.5 Grafik Besar Pergerakan di Zona Eksternal…………….….. 82

Gambar 4.6

Penyajian Arus pada Ruas dalam Bentuk Peta dengan

EMME/3 ……………………………………………...….. 85

Gambar 4.7 Grafik Uji Validasi Volume Lalu Lintas…………………… 86

57

DAFTAR NOTASI DAN SIMBOL

di BA , = faktor penyimbang untuk setiap zona asal i dan tujuan d

A = kumpulan dari semua link pada jaringan

C = Kapasitas (smp / jam)

idC = biaya perjalanan dari zona asal i ke zona tujuan d

Co = Kapasitas dasar untuk kondisi tertentu (ideal) (smp / jam)

kc = additional path attribute

dD = total pergerakan ke zona tujuan d

FCcs = Faktor penyesuaian ukuran kota

FCsf = Faktor penyesuaian hambatan samping

FCsp = Faktor penyesuaian pemisah arah

FCw = Faktor penyesuaian lebar jalur lalu lintas

FFVcs = Faktor penyesuaian ukuran kota.

FFVsf = Faktor penyesuaian kondisi hambatan samping

FV = Kecepatan arus bebas kendaraan ringan sesungguhnya (km/jam)

Fvo = Kecepatan arus bebas dasar kendaraan ringan (km/jam)

FVw = Penyesuaian lebar jalur lalu lintas efektif (km/jam)

FFV4sf = faktor penyesuaian kecepatan arus bebas untuk empat lajur (km/jam).

FFV6sf = faktor penyesuaian kecepatan arus bebas untuk enam lajur (km/jam).

g = matrik asal-tujuan dalam matrik estimasi

kh = vektor yang berhubungan dengan jalur aliran

iO = total pergerakan dari zona asal i

lidp = proporsi pergerakan dari zona asal i ke zona tujuan d pada ruas l

pk = perbandingan nilai vekor dengan nilai gradien

V = kecepatan sesungguhnya pada saat ada arus lalu lintas Q.

S = jarak (km)

idT = jumlah pergerakan dari zona asal i ke zona tujuan d

t0 = waktu tempuh pada saat V0 (detik)

lV = arus lalu lintas hasil pengamatan pada ruas l

58

lV = arus lalu lintas hasil pemodelan pada ruas l

V0 = kecepatan pada saat arus bebas (km/jam)

( )gZ = fungsi tujuan persamaan

akd = nilai konvergensi metode steepest descent

ll = panjang langkah pada tiap iterasi

59

DAFTAR LAMPIRAN

Lampiran A : Data Hasil Survey Lampiran B : Konversi Satuan Kendaraan ke smp Lampiran C : Kapasitas Lampiran D : Waktu Tempuh Lampiran E : Basis Data Jaringan Jalan Lampiran F : Koordinat kota Surakarta

Lampiran G : Desain Formulir Survey

Lampiran H : Listing Program Lampiran I : Kelengkapan Administrasi Tugas Akhir

60

BAB 1

PENDAHULUAN

1.1. Latar Belakang

Pergerakan manusia merupakan aktivitas yang selalu menjadi bagian dari

kehidupan sehari-hari. Pada dasarnya seseorang melakukan pergerakan untuk

memenuhi kebutuhan hidup yang tidak dapat dipenuhi di tempat tinggalnya. Hal

ini menyebabkan terjadinya suatu pergerakan dalam proses pemenuhan kebutuhan

tersebut.

Sebaran pergerakan yang terjadi menghubungkan interaksi antara tata guna lahan,

jaringan transportasi dan arus lalu lintas. Pola sebaran arus lalu lintas antara zona

asal i ke zona tujuan j adalah hasil dari dua hal yang terjadi secara bersamaan.

Distribusi perjalanan atau pergerakan tersebut dapat dinyatakan dalam bentuk

matriks asal tujuan (MAT) maupun dengan diagram garis keinginan (desire line).

Informasi terkait pola pergerakan itupun jadi amat penting guna mengidentifikasi

permasalahan yang terjadi. Informasi jarak, waktu, biaya, atau kombinasi

ketiganya digunakan sebagai ukuran aksesibilitas (kemudahan). Adapun

pengertian dari pola pergerakan dalam sistem transportasi dijelaskan dalam bentuk

arus pergerakan (baik kendaraan, penumpang atau barang) yang bergerak dari

zona asal ke zona tujuan di dalam daerah tertentu dan selama periode tertentu.

Pada hampir seluruh aplikasi perencanaan transportasi, input data yang paling

penting diperoleh adalah matriks asal tujuan (MAT). Metode yang telah

dikembangkan untuk mendapatkan MAT secara garis besar dikelompokkan

menjadi 2 (dua) yaitu metode konvensional dan metode tidak konvesional.

Metode konvensional untuk mendapatkan MAT dilakukan melalui survey

wawancara rumah tangga atau survey wawancara di tepi jalan. Survey tersebut

biasanya memerlukan biaya yang besar, tenaga surveyor yang banyak, ketelitian

yang tinggi dalam pengolahan data, waktu yang lama serta umumnya

61

mengganggu pengguna jalan. Oleh karena itu, para perencana transportasi telah

mengembangkan metode lain yaitu metode tidak konvensional. Metode tersebut

menggunakan informasi data arus lalu lintas diruas jalan untuk memperkirakan

MAT. Tujuan penggunaan metode tidak konvensional adalah menghasilkan

pendekatan yang lebih sederhana untuk menyelesaikan permasalahan serupa,

dalam hal ini, model perencanaan transportasi empat tahap dilakukan dalam hanya

satu proses saja. Agar ekonomis, persyaratan data untuk pendekatan baru ini

dibatasi hanya data perencanaan yang sederhana saja, data arus lalulintas pada

beberapa ruas jalan, atau data lain yang murah.

Permasalahan transportasi yang semakin luas membutuhkan banyak studi

penelitian untuk menyelesaian permasalahan-permasalahan yang ada. Seiring

dengan pesatnya kemajuan ilmu dan teknologi baik di Indonesia maupun di

negara-negara lainnya. Alur teknologi yang berkembang khususnya komputerisasi

membantu banyak peneliti khususnya peneliti dibidang transportasi dalam

pengolahan data lalu lintas yang diproses secara cepat, dan murah. Berbagai

program pun telah tersedia dan dimanfaatkan guna membantu proses perencanaan

dan pemodelan transportasi dalam menangani hampir semua permasalahan yang

terjadi. Seperti paket program MOTORS, SATURN, TRANSPLAN, STAN,

STRADA, EMME/2 dan EMME/3.

Pemanfaatan program yang telah tersedia sangat membantu peneliti untuk

mendapatkan gambaran pola pergerakan transportasi khususnya di kota Surakarta.

Suatu pola pergerakan dapat diperoleh dengan cara membebankan MAT ke suatu

sistem jaringan transportasi. Pada penelitian ini, proses pembebanan ke sistem

jaringan transportasi menggunakan perangkat lunak EMME/3 (equilibre

multimodal, multimodal equilibrium) yang merupakan pengembangan dari

program sebelumnya yaitu EMME/2 yang dibuat dan dikembangkan di Kanada,

dengan kemampuan yang sangat tinggi, dengan jumlah node dan link yang dapat

dikatakan tidak terbatas (mampu mencapai hampir 1 juta node). Adapun

62

keunggulan lainnya adalah formula yang dapat dibuat sendiri sesuai keadaan dan

kebutuhan (INRO Consultants Inc., 1998), misalnya hitungan kapasitas dan waktu

tempuh yang disesuaikan dengan Manual Kapasitas Jalan Indonesia (MKJI) 1997.

1.2. Rumusan Masalah

Berdasarkan uraian latar belakang masalah diatas, maka dapat dirumuskan suatu

masalah sebagai berikut :

1. Berapa besar estimasi Matriks Asal Tujuan (MAT) dan arus pergerakan yang

akan terjadi pada masa yang akan datang dari data lalu lintas dengan aplikasi

software EMME/3 di kota Surakarta apabila digunakan metode Steepest

Descent (SD)?

2. Berapa tingkat validasi estimasi Matriks Asal Tujuan (MAT) dari data lalu

lintas dengan metode Steepest Descent (SD) menggunakan aplikasi software

EMME/3?

1.3. Batasan Masalah

Untuk membatasi permasalahan agar penelitian ini lebih terarah dan tidak meluas

maka perlu adanya pembatasan sebagai berikut:

1. Wilayah kajian adalah kota Surakarta dengan jaringan transportasi yang ada

pada saat penelitian ditambah dengan beberapa ruas jalan dari zona eksternal

yang dianggap mempengaruhi arus masuk dan arus keluar dari dalam kota.

2. Data matrik awal (prior matrix) yang digunakan adalah hasil perhitungan

skripsi “ Evaluasi Kinerja dan Penanganan Jaringan Jalan (Studi Kasus Kota

Surakarta)” oleh Astri Brillianti tahun 2002.

3. Data arus lalu lintas (traffic count) yang digunakan adalah data survey 2007

yang digunakan pada hasil penelitian skripsi “Estimasi Matriks Asal Tujuan

dari Data Lalu Lintas dengan Metode Estimasi Inferensi Bayesian (Studi

Kasus Kota Surakarta)” oleh Rahayu Mahanani Wijiastuti tahun 2008

dilengkapi dengan hasil survey terbaru di beberapa titik di lapangan.

4. Pembagian zona berdasarkan batas-batas administratif berupa kelurahan.

63

5. Ruas jalan yang dianalisis yaitu ruas jalan arteri dan kolektor sesuai

pembagian jalan menurut Dinas Pekerjaan Umum kota Surakarta.

6. Penelitian dilakukan pada distribusi perjalanan kendaraan yang terdiri dari

semua jenis kendaraan sesuai pembagian dalam Manual Kapasitas Jalan

Indonesia (MKJI) 1997.

7. Metode yang digunakan dalam mengestimasi MAT adalah metode Steepest

Descent (SD).

8. Analisis pembebanan dengan bantuan program software EMME/3.

9. Jaringan jalan yang dianalisis tidak memperhitungkan fenomena simpang.

1.4. Tujuan Penelitian

Tujuan yang diharapkan dari penelitian ini adalah :

a. Mengetahui distribusi pergerakan arus lalulintas di kota Surakarta yang

direpresentasikan dengan MAT menggunakan metode Steepest Descent

(SD) program software EMME/3.

b. Mengetahui tingkat validasi MAT yang dihasilkan EMME/3

menggunakan metode Steepest Descent (SD).

1.5. Manfaat Penelitian

1.5.1. Manfaat Teoritis

Meningkatkan pengetahuan dan pemahaman di bidang perencanaan dan

pemodelan transportasi terutama yang berkaitan dengan Trip Distribution

dan Trip Assignment pada suatu pemograman, seperti program software

EMME/3 yang digunakan dalam penelitian ini.

1.5.2. Manfaat Praktis

Hasil yang diperoleh dapat digunakan sebagai bahan pertimbangan dalam

perbaikan dan perencanaan transportasi untuk kota Surakarta pada waktu

yang akan datang.

64

BAB 2

LANDASAN TEORI

2.1. Tinjauan Pustaka

Pola pergerakan dalam transportasi sering dijelaskan dalam bentuk arus

pergerakan (kendaraan, penumpang, dan barang) yang bergerak dari zona asal ke

zona tujuan di dalam daerah tertentu dan selama periode waktu tertentu. Matriks

Pergerakan atau Matriks Asal Tujuan (MAT) sering digunakan oleh perencana

transportasi untuk menggambarkan pola pergerakan tersebut.

Gambar 2.1. Metode untuk mendapatkan Matriks Asal Tujuan (MAT) Sumber: Tamin (1988)

Penelitian yang dilakukan saat ini menitik-beratkan pada model yang berdasarkan

arus lalu lintas (metode Tidak Konvensional) mengenai trip distribution dengan

bantuan program equilibre multimodal, multimodal equilibrium (EMME/3).

Untuk memperjelas hal tersebut dapat dilihat pada Gambar 2.1.

Metode tidak Konvensional

Model berdasarkan informasi arus lalulintas

- Estimasi Matriks Entropi Maksimum (EMEM)

- Model Estimasi Kebutuhan Transportasi (MEKT)

- Kuadrat Terkecil - Kemiripan Maksimum - Inferensi Bayes

- Wawancara di tepi jalan - Wawancara di rumah - Metode menggunakan bendera - Metode foto udara - Metode mengikuti-mobil

Metode Konvensiona

l

Metode MAT

Metode Langsung

Metode Tidak Langsung

Metode Analogi

· Tanpa-batasan - Seragam

· Dengan-satu-batasan - Batasan-bangkitan - Batasan-tarikan

· Dengan-dua-batasan - Rata-rata - Fratar - Detroit - Furness

Metode Sintesis

· Model Opportunity · Model Gravity · Model Gravity-

Opportunity

65

MAT adalah matriks berdimensi dua yang berisi informasi mengenai besarnya

pergerakan antarlokasi (zona) di dalam daerah tertentu. Baris menyatakan zona

asal dan kolom menyatakan zona tujuan, sehingga sel matriks-nya menyatakan

besarnya arus dari zona asal ke zona tujuan. Dalam hal ini, notasi Tid menyatakan

besarnya arus pergerakan (kendaraan, penumpang, atau barang) yang bergerak

dari zona asal i ke zona tujuan d selama selang waktu tertentu.

(Ofyar Z. Tamin, 2000 : 155)

Drissi-Kaïtouni and Lundgren (1992). “Bilevel Origin-Destination matrix

estimation Using a Descent Approach” berisi pendekatan algoritma umum dengan

pembebanan equilibrium. Kesulitan terletak pada mengkomputasikan metode

gradien yang berhubungan dengan metode Jacobian kemudian diimplementasikan

dan diaplikasikan pada kota Hull di Kanada.

Chen (1994). “Bilevel Programming Problems : Analysis, Algorithms, and

Applications” merupakan thesis doktoral yang berisikan peninjauan dasar dan

teoritis serta hasil eksistensi dari solusi dan kompleksitas dari penyelesaian

algoritma dengan mengkhususkan pada estimasi matriks asal-tujuan (MAT).

Laporan ini menyarankan untuk menggunakan micro berupa dua metode yakni

metode Augmented Langranian dan metode tipe Gauss-Seidel. Penulis

berpendapat bahwa untuk masalah dengan skala besar akan bekerja secara

langsung pada jaringan jalan dan tidak perlu mengevaluasi untuk mengulangi

fungsi objektif.

Denault (1994). “Étude de deux méthods d'adjustement de matrices origine-

destination àpartir des flots des véhicules observés (in French)” berisi dua

pendekatan matriks asal-tujuan (MAT) yang diaplikasikan pada jaringan yang

dibebani kemudian dibandingkan. Pertama, menggunakan pendekatan Augmented

Lagranian yang disarankan oleh Chen (1994) dan kedua menggunakan metode

gradien. Dihasilkan pada metode yang pertama sangat baik pada jaringan yang

kecil maupun jaringan yang berhubungan dengan jumlah besar parameter, tapi

66

metode gradien menghasilkan yang lebih baik dan lebih dianjurkan karena mudah

untuk digunakan.

Torgil Abrahamsson (1998). “Estimation of Origin-Destination Matrices Using

Traffic Count” berisi matriks asal tujuan yang diestimasi menggunakan traffic

count pada ruas jaringan jalan dan ketersediaan informasi lain. Informasi

perjalanan selalu berisi matriks ‘target asal tujuan’. Matriks target asal tujuan ini

bisa berupa matriks terdahulu atau hasil dari survei sampel. Dari kedua sumber

data tersebut berbagai macam pendekatan untuk mengestimasi matriks asal tujuan

dikembangkan dan diuji.

Yolanda Noriega dan Michael Florian (2009). “Some Enhancements of the

Gradient Method for O-D Matrix Adjustment” berisi mengenai pendekatan dengan

menggunakan metode gradien atau steepest descent dalam pembentukan matriks

asal-tujuan (MAT) dengan menggunakan EMME/2 dimana program ini

terintegrasi secara makro dengan metode tersebut. Diambil beberapa sampel

parameter α sebagai pembanding dengan data arus lalu lintas puncak pada pagi

dan sore hari dan beberapa moda kendaraan. Matriks yang dihasilkan sangat

akurat termasuk didalamnya dari fungsi objektif model pendekatannya.

Penelitian yang pernah dilakukan sebelumnya kebanyakan menggunakan metode

konvensional, salah satunya menggunakan model Gravity. Seperti penelitian

terdahulu yang pernah dilakukan oleh Slamet Basuki (2001) dengan menggunakan

model tersebut untuk estimasi distribusi perjalanan. Kalibrasi model dengan

bantuan program SATURN (Simulation and Assignment of Traffic to Urban Road

Network).

Priyatno (2000) melakukan penelitian dengan menggunakan metode Tidak

Konvensional untuk estimasi Matrik Asal Tujuan. Priyatno menggunakan

pemodelan ME2 (Matrik Estimation Maximum Entropy), teknik pembebanan

Wardrop Equilibrium, dan dibantu program SATURN.

67

Wiwit Hernasari (2000) mengestimasi Matrik Asal Tujuan dengan metode

pembebanannya All Or Nothing. Metode pendekatan dengan ME2 dibantu

program SATURN, sedangkan uji validasi dengan koefisien Determinasi R2.

Penelitian dengan model Gravity-Opportunity (GO) dilakukan oleh M. Rusli

(2002). Metode pendekatan ME2 dibantu program SATURN, metode

pembebanannya All Or Nothing, metode estimasi dengan NLLS (Non Linear

Least Square), sedangkan uji validasi dengan RMSE (Root Mean Square Error).

Estimasi model Kombinsi Sebaran Pergerakan dan Pemilihan Moda (SPPM) oleh

Nuning Fitriani (2002) menggunakan model Gravity untuk sebaran pergerakan

dan multinomial logit untuk pemilihan moda. Metode estimasi yang digunakan

yaitu metode estimasi Kuadrat Terkecil Tidak Linear (KTTL), metode pendekatan

dengan ME2, metode pembebanan Wardrop Equilibrium dan uji validasi dengan

koefisien Determinasi R2. Penelitian yang dilakukan Astri Brillianti (2002) untuk

mengevaluasi kinerja jaringan jalan di Kota Surakarta dan memberikan alternatif

upaya penanganan masalah sistem jaringan jalan dengan periode kajian 5 tahunan

untuk umur rencana 10 tahun mendatang. Tingkat kinerja jalan dinilai berdasarkan

perbandingan antara volume lalu lintas dengan kapasitas jalan. Alternatif upaya

penanganan masalah sistem jaringan jalan yang ditempuh berupa pelebaran jalan

dan pembangunan jalan baru. Pemodelan yang dilakukan dengan model gravity

dua batasan, pembebanan keseimbangan Wardrop dengan program SATURN.

Dewi Nugroho (2007) penelitian yang dilakukan bertujuan untuk mengestimasi

Matriks Asal Tujuan dari data lalu lintas beserta nilai parameter β dengan

menggunakan metode estimasi Kuadrat Terkecil. Model pendekatan pembebanan

yang digunakan dalam penelitian ini adalah user equilibrium. Analisis datanya

dibantu dengan program SATURN. Uji validasi dengan koefisien Determinasi

(R2). Penelitian seperti inipun sama seperti yang telah dilakukan oleh Revi W.

(2007), Yenni D.L. (2007) dan Rahayu M.W.(2007), yang membedakan diantara

ke empatnya adalah metode estimasi yang digunakan. Revi W. (2007)

menggunakan metode entropi maksimum, Yenni D.L. (2007) menggunakan

metode kemiripan maksimum dan Rahayu M.W.(2007), menggunakan metode

68

estimasi inferensi Bayesin. Kesimpulan dari penelitian tersebut adalah total

pergerakan yang dihasilkan berbeda-beda sesuai dengan hasil dari parameter β

yang telah dihitung.

Nurmalia (2009) memperhitungkan MAT dengan menggunakan metode Enteropi

Maksimum. Penelitian ini menggunakan aplikasi Software EMME/3 yang

merupakan pengembangan dari program EMME/2 untuk menghitung MAT baru

hasil pembebanan.

Penelitian yang dilakukan saat ini bertujuan untuk mengestimasi Matriks Asal

Tujuan dari data arus lalu lintas dengan metode pembebanannya wardrop

equilibrium. Metode pendekatannya dengan steepest descent menggunakan alat

bantu program EMME/3, sedangkan uji validasi dengan koefisien Determinasi R2.

2.2. Dasar Teori

2.2.1. Pemodelan Transportasi

Konsep perencanaan transportasi yang berkembang dan sering digunakan dalam

perencanaan dan pemodelan suatu perkotaan adalah Model Perencanaan

Transportasi Empat Tahap. Model ini merupakan gabungan dari beberapa seri sub

model yang masing-masing harus dianalisis secara terpisah dan berurutan. Tahap-

tahap seperti yang terlihat dalam Gambar 2.2.

Bangkitan dan Tarikan

Pergerakan (Trip Generation).

Sebaran Pergerakan (Trip Distribution).

69

Gambar 2.2 Empat Tahap Pemodelan Transportasi

2.2.2. Matriks Asal Tujuan (MAT)

Pola pergerakan dalam transportasi sering dijelaskan dalam bentuk arus

pergerakan (kendaraan, penumpang, dan barang) yang bergerak dari zona asal ke

zona tujuan di dalam daerah tertentu dan selama periode waktu tertentu. Matriks

Pergerakan atau Matriks Asal Tujuan (MAT) sering digunakan oleh perencana

transportasi untuk menggambarkan pola pergerakan tersebut.

MAT adalah matriks berdimensi dua yang berisi informasi mengenai besarnya

pergerakan antarlokasi (zona) di dalam daerah tertentu. Baris menyatakan zona

asal dan kolom menyatakan zona tujuan, sehingga sel matriks-nya menyatakan

besarnya arus dari zona asal ke zona tujuan. Dalam hal ini, notasi Tid menyatakan

besarnya arus pergerakan (kendaraan, penumpang, atau barang) yang bergerak

dari zona asal i ke zona tujuan d selama selang waktu tertentu.

Pola pergerakan dapat dihasilkan jika suatu MAT dibebankan ke suatu sistem

jaringan transportasi. Dengan mempelajari pola pergerakan yang terjadi,

seseorang dapat mengidentifikasi permasalahan yang timbul sehingga beberapa

solusi segera dapat dihasilkan. MAT dapat memberikan indikasi rinci mengenai

kebutuhan akan pergerakan sehingga MAT memegang peran yang sangat penting

dalam berbagai kajian perencanaan dan manajemen transportasi.

70

Jumlah zona dan nilai setiap sel matriks adalah dua unsur penting dalam MAT

karena jumlah zona menunjukkan banyaknya sel MAT yang harus didapatkan dan

berisi informasi yang sangat dibutuhkan untuk perencanaan transportasi. Setiap

sel membutuhkan informasi jarak, waktu, biaya, atau kombinasi ketiga informasi

tersebut yang digunakan sebagai ukuran aksesibilitas (kemudahan).

2.2.3. Daerah Kajian

Hal pertama yang harus ditentukan dalam menentukan sistem zona dan sistem

jaringan adalah cara membedakan daerah kajian dengan atau wilayah lain di luar

kajian. Beberapa arahan untuk hal tersebut adalah sebagai berikut:

1. Untuk kajian yang bersifat strategis, daerah kajian harus didefinisikan

sedemikian rupa sehingga mayoritas pergerakan mempunyai zona asal dan

zona tujuan di dalam daerah kajian tersebut.

2. Daerah kajian sebaiknya sedikit lebih luas daripada daerah yang akan diamati

sehingga kemungkinan adanya perubahan zona tujuan atau pemilihan rute yang

lain dapat teramati.

Wilayah di luar daerah kajian sering dibagi menjadi beberapa zona eksternal yang

digunakan untuk mencerminkan dunia lainnya. Daerah kajian sendiri dibagi

menjadi beberapa zona internal yang jumlahnya sangat tergantung dari tingkat

ketepatan yang diinginkan. Daerah yang akan dikaji adalah daerah yang

mencakup suatu kota, akan tetapi harus dapat mencakup ruang atau daerah yang

cukup untuk pengetahuan kota di masa mendatang.

71

Gambar 2.3 Daerah kajian sederhana dengan definisinya

2.2.4. Zona

Batas administrasi sering digunakan sebagai batas zona sehingga memudahkan

pengumpulan data. Beberapa kriteria utama yang perlu dipertimbangakan dalam

menetapkan sistem zona di dalam suatu daerah kajian disarankan oleh IHT and

DTp (1987), meliputi hal berikut ini:

1. Ukuran zona sebaiknya dirancang sedemikian rupa sehingga galat

pengelompokkan yang timbul akibat asumsi pemusatan seluruh aktivitas pada

suatu pusat zona menjadi tidak terlalu besar.

2. Batas zona sebaiknya harus sesuai dengan batas sensus, batas administrasi

daerah, batas alami, atau batas zona yang digunakan oleh kajian terdahulu yang

sudah dipandang sebagai kriteria utama.

3. Ukuran zona harus disesuaikan dengan kepadatan jaringan yang akan

dimodelkan, biasanya ukuran zona semakin membesar jika semakin jauh dari

pusat kota.

4. Ukuran zona harus lebih besar dari yang seharusnya untuk memungkinkan arus

lalu lintas dibebankan ke atas jaringan jalan dengan ketepatan yang

disyaratkan.

Simpul

1 2

6

3

5

4

Gateway

Pusat zona zona

Ruas

Batas daerah kajian

Batas zona

72

5. Batas zona harus dibuat sedemikian rupa sehingga sesuai dengan jenis pola

pengembangan untuk setiap zona, misal pemukiman, industri, dan perkantoran.

Tipe tata guna lahan setiap zona sebaiknya homogeni untuk menghindari

tingginya jumlah pergerakan intrazonal dan untuk mengurangi tingkat

kerumitan model.

6. Batas zona harus sesuai dengan batas daerah yang digunakan dalam

pengumpulan data.

7. Ukuran zona ditentukan pula oleh tingkat kemacetan, ukuran zona pada daerah

macet sebaiknya lebih kecil dibansingkan dengan daerah tidak macet.

2.2.5. Sistem Jaringan

Sistem jaringan transportasi dicerminkan dalam bentuk ruas dan simpul, yang

semuanya dihubungkan ke pusat zona. Sitem jaringan transportasi juga dapat

ditetapkan sebagai urutan ruas jalan dan simpul. Ruas jalan bisa berupa potongan

jalan raya atau kereta api, sedangkan simpul bisa berupa persimpangan, stasiun.

Setiap simpul dan zona diberi nomor. Nomor ini digunakan untuk

mengidentifikasi data yang berkaitan dengan ruas dan zona.

Kunci utama dalam merencanakan sistem jaringan adalah penentuan klasifikasi

fungsi jalan yang akan dianalisis (arteri, kolektor, atau lokal). Hal ini tergantung

dari jenis dan tujuan kajian. Penelitian ini menggunakan sistem sekunder dengan

jalan yang dianalisis yaitu jalan arteri sekunder, pertemuan ujung ruas antara jalan

arteri sekunder dengan kolektor sekunder dan pertemuan ujung ruas antar jalan

kolektor sekunder. Ruas jalan mencerminkan ruas jalan antar persimpangan atas

ruas antar kota yang dinyatakan dengan dua buah nomor simpul diujung-

ujungnya. Ciri ruas jalan perlu diketahui seperti panjang, jumlah lajur, jenis

gangguan samping, kapasitas dan hubungan kecepatan arus.

2.2.6. Klasifikasi Fungsi Jalan

Menurut PP No. 26 Th. 1985 tentang jalan, sistem jaringan jalan dibagi dalam dua

kategori yakni sistem jaringan primer dan sistem jaringan sekunder.

73

1. Sistem Jaringan Primer

Sistem jaringan primer disusun mengikuti ketentuan pengaturan tata ruang dan

struktur pengembangan wilayah tingkat nasional yang menghubungkan secara

menerus kota jenjang ke satu, kota jenjang ke dua, kota jenjang ke tiga, dan kota

jenjang di bawahnya sampai ke persil. Menghubungkan kota jenjang ke satu

dengan kota jenjang ke satu antar satuan wilayah pengembangan.

a. Jalan Arteri Primer

Menghubungkan kota jenjang ke satu yang terletak berdampingan atau

menghubungkan kota jenjang ke satu dengan kota jenjang ke dua.

b. Jalan Kolektor Primer

Menguhubungkan kota jenjang ke satu dengan persil atau kota ke dua atau

menghubungkan kota jenjang ke dua dengan kota jenjang ke tiga.

c. Jalan Lokal Primer

Menghubungkan kota jenjang ke satu dengan persil atau kota ke dua dengan

persil atau menghubungkan kota jenjang ke tiga dengan kota jenjang ke tiga,

atau kota jenjang ke tiga dengan persil.

Perjenjangan Kota dimaksudkan untuk mengelompokkan kota ditinjau dari segi

pembinaan jaringan jalan, dengan kriteria sebagai berikut:

a. Kota jenjang ke satu: kota yang berperan melayani seluruh satuan wilayah

pengembangannya, dengan kemampuan pelayanan jasa yang paling tinggi

dalam satuan wilayah pengembangannya serta memiliki orientasi keluar

wilayahnya.

b. Kota jenjang ke dua: kota yang berperan melayani sebagaian dari satuan

wilayah pengembangannya, dengan kemampuan pelayanan jasa yang lebih

rendah dari kota jenjang ke satu dalam satuan wilayah pengembangannya dan

terikat jangkauan jasa ke kota jenjang ke satu serta memiliki orientasi ke kota

jenjang ke satu.

c. Kota jenjang ke tiga: kota yang berperan melayani sebagian dari satuan

wilayah pengembangannya, dengan kemampuan pelayanan jasa yang lebih

rendah dari kota jenjang ke dua dalam satuan wilayah pengembangannya dan

74

terikat jangkauan jasa ke kota jenjang kedua serta memiliki orientasi ke kota

jenjang ke satu dan kota jenjang ke dua.

Untuk lebih dapat menjelaskan dapat diperhatikan Gambar 2.4

KOTAJENJANG

2

KOTAJENJANG

1

KOTAJENJANG

3

KOTADIBAWAHJENJANG

3

PERSIL

KOTAJENJANG

1

KOTAJENJANG

2

KOTAJENJANG

3

JALAN LOKAL PRIMER

JALAN LOKAL PRIMER

JALAN KOLEKTOR PRIMER

JALAN LOKALPRIMER

JALAN KOLEKTORPRIMER

JALAN KOLEKTORPRIMER

JALAN ARTERIPRIMER

JALAN ARTERIPRIMER

JALANLOKAL

PRIMER

JALANLOKAL

PRIMER

JALANLOKAL

PRIMER

JALAN ARTERI PRIMER

Gambar 2.4. Sistem Jaringan Jalan Primer

Sumber : Dirjen Bina Marga 1990

2. Sistem Jaringan Sekunder

Sistem jaringan sekunder disusun mengikuti ketentuan pengaturan tata ruang kota

yeng menghubungkan kawasan-kawasan yang mempunyai fungsi primer, fungsi

sekunder satu, fungsi sekunder tiga sampain ke perumahan.

a. Jalan Arteri Sekunder

Menghubungkan kawasan primer dengan kawasan sekunder ke satu atau

menghubungkan kawasan ke satu dengan kawasan sekunder ke satu atau

menghubungkan kawasan sekunder ke satu dengan kawasan sekunder ke dua.

75

b. Jalan Kolektor Sekunder

Menghubungkan kawasan sekunder ke dua dengan kawasan sekunder ke dua

atau menghubungkan kawasan sekunder ke dua dengan kawasan sekunder ke

tiga.

c. Jalan Lokal Sekunder

Menghubungkan kawasan sekunder ke satu dengan perumahan,

menghubungkan kawasan sekunder ke dua dengan perumahan, kawasan

sekender ke tiga dengan perumahan.


KAWASANSEKUNDER

1

KAWASANPRIMER

KAWASANSKUNDER

2

KAWASANSEKUNDER

3

PERUMAH-AN

KAWASANSEKUNDER

1

KAWASANSEKUNDER

2

JALAN LOKALSEKUNDER

JALAN KOLEKTORSEKUNDER

JALAN ARTERI SEKUNDER

JALANKOLEKTORSEKUNDER

JALAN ARTERISEKUNDER



JALANLOKAL

SEKUNDER

JALANLOKAL

SEKUNDER

JALAN ARTERI SEKUNDER

Gambar 2.5. Sistem Jaringan Jalan Sekunder


76

Kawasan adalah wilayah yang dibatasi oleh lingkup pengamatan fungsi tertentu,

meliputi:

a. Kawasan Primer adalah kawasan kota yang mempunyai fungsi primer, yaitu

sebagai titik simpul jasa distribusi bagi daerah jangkauan peranannya.

b. Kawasan Sekunder adalah kawasan kota yang mempunyai fungsi sekunder,

dimana fungsi sekunder suatu kota dihubungkan dengan pelayanan terhadap

masyarakat kota tersebut yang lebih berorientasi ke dalam dan jangkauan lokal.


Gambar 2.6. Sketsa Hipotesis Hirarki Jalan Kota


77

2.2.7. Satuan Mobil Penumpang Manual Kapasitas Jalan Indonesia (MKJI) 1997 mendefinisikan satuan mobil

penumpang (smp) adalah satuan untuk arus lalu lintas dimana berbagai tipe

kendaraan diubah menjadi arus kendaraan ringan (termasuk mobil penumpang)

dengan menggunakan emp. Ekivalen mobil penumpang (emp) adalah faktor yang

menunjukkan pengaruh berbagai tipe kendaraan dibandingkan kendaraan ringan

terhadap kecepatan kendaraan ringan dalam arus lalu lintas (untuk mobil

penumpang dan kendaraan ringan yang mirip emp=1). Pembagian tipe kendaraan

bermotor untuk masing-masing kendaraan berdasarkan MKJI 1997 adalah sebagai

berikut:

· Sepeda Motor, Motor Cycle (MC), terdiri dari kendaraan bermotor beroda dua

atau tiga.

· Kendaraan Ringan, Light Vehicle (LV), yaitu kendaraan bermotor dua as

beroda empat dengan jarak as 2-3 meter, termasuk diantaranya mobil

penumpang, oplet, mikrobis, pick-up dan truk kecil.

· Kendaraan berat, Heavy Vehicle (HV), yaitu kendaraan bermotor lebih dari 4

roda, termasuk diantaranya bis, truk 2 as, truk 3 as, dan truk kombinasi.

Tabel 2.1. emp untuk jalan perkotaan tak terbagi

emp MC

Lebar lajur lalu lintas Cw (m)

Tipe Jalan tak terbagi

Arus lalu lintas Total dua arah

(kend/jam) HV

≤ 6 ≥ 6 Dua lajur tak terbagi

(2/2 UD) 0

≥1800 1,3 1,2

0,5 0,35

0,4 0,25

Empat lajur tak terbagi (4/2 UD)

0 ≥3700

1,3 1,2

0,4 0,25

Sumber: MKJI 1997 Tabel 2.2. emp untuk jalan perkotaan terbagi dan satu arah

emp Tipe jalan: Jalan Satu Arah dan

Jalan Terbagi

Arus Lalu lintas Per Lajur (kend/jam) HV MC

Dua Lajur satu arah (2/1) Dan

Empat Lajur terbagi (4/2D)

0

1050

1,3

1,2

0,4

0,25 Tiga Lajur satu arah (3/1)

Dan Enam Lajur terbagi (6/2D)

1

1100

1,3

1,2

0,4

0,25 Sumber: MKJI 1997

78

2.2.8. Kapasitas Kapasitas adalah arus lalu lintas (stabil) maksimum yang dapat dipertahankan

pada ruas jalan pada keadaan tertentu (geometri, komposisi, dan distribusi lalu

lintas, faktor lingkungan). Besarnya kapasitas suatu ruas jalan dapat dihitung dari

Persamaan (2.1).

C = Co x FCw x FCsp x FCsf x FCcs (2.1) Dimana:

C = Kapasitas (smp / jam)

Co = Kapasitas dasar untuk kondisi tertentu (ideal) (smp / jam)

FCw = Faktor penyesuaian lebar jalur lalu lintas

FCsp = Faktor penyesuaian pemisah arah

FCsf = Faktor penyesuaian hambatan samping

FCcs = Faktor penyesuaian ukuran kota

Besarnya nilai Co, FCw, FCsp, FCsf dan FCcs dapat dilihat pada Tabel 2.3 sampai

dengan Tabel 2.9.

Tabel 2.3. Kapasitas dasar (Co) jalan perkotaan

Tipe Jalan Kapasitas Dasar

(smp/jam) Catatan

Empat lajur terbagi atau Jalan satu arah 1650 Perlajur

Empat lajur tak terbagi 1500 Perlajur

Dua lajur tak terbagi 2900 Total dua arah

Sumber: MKJI 1997 Tabel 2.4. Faktor penyesuaian kapasitas (FCw) untuk pengaruh lebar jalur lalu lintas untuk jalan perkotaan

Tipe Jalan

Lebar Jalur Lalu lintas Efektif (Wc)

(m) FCw

Empat lajur terbagi Atau

Jalan Satu Arah

Perlajur 3,00 3,25 3,50 3,75 4,00

0,92 0,96 1,00 1,04 1,08

79

Tabel 2.4. Faktor penyesuaian kapasitas (FCw) untuk pengaruh lebar jalur lalu lintas untuk jalan perkotaan

Tipe Jalan

Lebar Jalur Lalu lintas Efektif (Wc)

(m) FCw

Empat lajur tak terbagi

Perlajur 3,00 3,25 3,50 3,75 4,00

0,91 0,95 1,00 1,05 1,09

Dua Lajur tak terbagi

Total dua arah 5 6 7 8 9

10 11

0,56 0,87 1,00 1,14 1,25 1,29 1,34

Sumber: MKJI 1997

Tabel 2.5. Faktor penyesuaian kapasitas untuk pemisahan Arah (FCsp)

Pemisahan arah SP %-%

50-50 55-45 60-40 65-35 70-30

Dua lajur 2/2 1,00 0,97 0,94 0,91 0,88

FCsp Empat lajur 4/2

1,00 985 0,97 0,9555 0,94

Sumber: MKJI 1997 Tabel 2.6. Faktor penyesuaian kapasitas (FCsf) untuk pengaruh hambatan dan lebar bahu

Faktor Penyesuaian hambatan samping dan Lebar bahu (FCsf) Lebar bahu (m)

Tipe Jalan

Kelas Hambatan Samping

£0,5 1,0 1,5 ³2,0

4/2D

VL ML M H

VH

0,96 0,94 0,92 0,88 0,84

0,98 0,97 0,95 0,92 0,88

1,01 1,00. 0,98 0,95 0,92

1,03 1,02 1,00 0,98 0,96

4/2UD

VL ML M H

VH

0,96 0,94 0,92 0,87 0,80

0,99 0,97 0,95 0,91 0,86

1,01 1,00 0,98 0,94 0,90

1,03 1,02 1,00 0,98 0,95

2/2UD Atau jalan

satu arah

VL ML M H

VH

0,94 0,92 0,89 0,82 0,73

0,96 0,94 0,92 0,86 0,79

0,99 0,97 0,95 0,90 0,85

1,01 1,00 0,98 0,95 0,91

Sumber: MKJI 1997

80

Tabel 2.7. Faktor penyesuaian kapasitas (FCsf) untuk pengaruh hambatan samping dan jarak Kerb-Penghalang (FCsf)

Faktor Penyesuaian hambatan samping dan Lebar bahu (FCsf)

Lebar kerb-penghalang (m)

Tipe Jalan

Kelas Hambatan Samping £0,5 1,0 1,5 ³2,0

4/2D

VL ML M H

VH

0,95 0,94 0,91 0,86 0,81

0,97 0,96 0,93 0,89 0,85

0,99 0,98. 0,95 0,92 0,88

1,03 1,00 0,98 0,95 0,92

4/2UD

VL ML M H

VH

0,95 0,93 0,90 0,84 0,77

0,97 0,95 0,92 0,87 0,81

0,99 0,97. 0,95 0,90 0,85

1,03 1,00 0,97 0,93 0,90

2/2UD Atau jalan

satu arah

VL ML M H

VH

0,93 0,90 0,86 0,78 0,68

0,95 0,92 0,88 0,81 0,72

0,97 0,95 0,91 0,84 0,77

0,99 0,97 0,94 0,88 0,82

Sumber: MKJI 1997 Untuk mengetahui tingkat hambatan samping pada kolom (2) Tabel 2.6 & 2.7

dengan melihat kolom (3) Tabel 2.8 dibawah ini, tetapi apabila data terinci

hambatan samping tersebut tersedia maka hambatan samping dapat ditentukan

dengan prosedur berikut:

1. Periksa mengenai kondisi khusus dari kolom (4) Tabel 2.8 dan pilih salah satu

yang paling tepat untuk keadaan segmen jalan yang dianalisa.

2. Amati foto pada gambar A-4:1-5 (MKJI 1997) yang menunjukkan kesan

visual rata-rata yang khusus dari masin-masing kelas hambatan samping. Dan

pilih salah satu yang paling sesuai dengan kondisi rata-rata sesungguhnya

pada kondisi lokasi untuk periode yang diamati.

3. Pilih kelas hambatan samping berdasarkan pertimbangan dari gabungan

langkah 1 dan 2 di atas.

81

Tabel 2.8. Kelas Hambatan Samping untuk Jalan Perkotaan

Frekuensi Berbobot kejadian

Kondisi Khusus Kelas

Hambatan Samping

Kode

< 100

100-299

300-499

500-899

>900

Pemukiman, hampir tidak ada

Kegiatan

Pemukiman, beberapa angkutan Umum,dll

Daerah industri dengan toko-toko di

sisi jalan

Daerah niaga dengan aktifitas di Sisi jalan yang tinggi

Daerah niaga dengan aktifitas di sisi

jalan yang sangat tinggi

Sangat Rendah

Rendah

Sedang

Tinggi

Sangat Tinggi

VL

L

M

H

VH

Sumber: MKJI 1997 Tabel 2.9. Faktor penyesuaian kapasitas untuk pengaruh ukuran kota FCcs pada jalan perkotaan

Ukuran Kota (Juta Penduduk)

Faktor Penyesuaian untuk Ukuran Kota FCcs

<0,1 0,1-0,5 0,5-1,0 1,0-3,0

>3,0

0,86 0,90 0,94 1,00 1,04

Sumber: MKJI 1997 2.2.9. Kecepatan Kecepatan tempuh adalah kecepatan rata-rata (km/jam) arus lalu lintas dihitung

dari panjang ruas jalan dibagi waktu tempuh rata-rata kendaran yang melewati

segmen jalan. Sedangkan kecepatan pada arus bebas adalah kecepatan dari

kendaraan yang tidak dipengaruhi oleh kendaraan lain (yaitu kecepatan dimana

pengendara merasakan perjalanan yang nyaman dalam kondisi geometrik

lingkungan dan pengaturan lalu lintas yang ada pada bagian segmen jalan dimana

tidak ada kendaraan lain). Kecepatan arus dapat ditentukan dari Persamaan (2.2).

FV = (Fvo + FVw) x FFVsf x FFVcs (2.2)

Dimana:

FV : Kecepatan arus bebas kendaraan ringan sesungguhnya (km/jam)

82

Fvo : Kecepatan arus bebas dasar kendaraan ringan (km/jam)

FVw : Penyesuaian lebar jalur lalu lintas efektif (km/jam)

FFVsf : Faktor penyesuaian kondisi hambatan samping

FFVcs : Faktor penyesuaian ukuran kota.

Besarnya nilai Fvo, FVw, FFVsf dan FFVcs dapat dilihat pada Tabel 2.10 sampai

dengan Tabel 2.14.

Tabel 2.10. Kecepatan arus bebas dasar (FV0) untuk jalan perkotaan

Kecepatan arus bebas dasar (FV0) (km/jam)

Tipe Jalan Kendaraan

Ringan (LV)

Kendaraan

Berat (HV)

Sepeda

Motor (MC)

Rata-rata

Kendaraan

Enam Lajur Terbagi (6/2D) Atau tiga lajur satu arah (3/1)

61 52 48 57

Empat Lajur Terbagi (4/2D) Atau dua lajur satu arah (2/1)

57 50 47 55

Empat lajur tak terbagi (4/2 UD)

53 46 43 51

Dua lajur tak terbagi (2/2 UD)

44 40 40 42

Sumber: MKJI 1997 Tabel 2.11. Penyesuaian kecepatan arus bebas untuk lebar jalur lalu lintas (FVw) pada jalan perkotaan.

Tipe Jalan Lebar Jalur Lalu lintas

Efektif (Wc) (m)

FVw

Empat lajur terbagi Atau

Jalan Satu Arah

Perlajur 3,00 3,25 3,50 3,75 4,00

-4 -2 0 2 4

Empat lajur tak terbagi

Perlajur 3,00 3,25 3,50 3,75 4,00

-4 -2 0 2 4

Dua Lajur tak terbagi

Total dua arah 5 6 7 8 9

10 11

-9,5 -3 0 3 4 6 7

Sumber: MKJI 1997

83

Tabel 2.12. Faktor penyesuaian (FFVsf) untuk pengaruh hambatan samping dan lebar bahu pada kecepatan arus bebas untuk jalan perkotaan dengan

bahu. Faktor Penyesuaian hambatan samping dan

Lebar bahu (FFVsf) Lebar bahu (Ws)

Tipe Jalan

Kelas Hambatan Samping

£0,5 1,0 1,5 ³2,0

4/2D

VL ML M H

VH

1,02 0,98 0,94 0,89 0,84

1,03 1,00 0,97 0,93 0,88

1,03 1,02 1,00 0,96 0,92

1,04 1,03 1,02 0,99 0,96

4/2UD

VL ML M H

VH

1,02 0,98 0,93 0,87 0,80

1,03 1,00 0,96 0,91 0,86

1,03 1,02 0,99 0,94 0,90

1,04 1,03 1,02 0,98 0,95

2/2UD Atau jalan

satu arah

VL ML M H

VH

1,00 0,96 0,90 0,82 0,73

1,01 0,98 0,93 0,86 0,79

1,01 0,99 0,96 0,90 0,85

1,01 1,00 0,99 0,95 0,91

Sumber: MKJI 1997 Tabel 2.13. Faktor penyesuaian (FFVsf) untuk pengaruh hambatan samping dan jarak kerb penghalang jalan perkotaan dengan kerb.

Faktor Penyesuaian hambatan samping dan Lebar bahu (FFV4sf)

Jarak kerb

Tipe Jalan

Kelas Hambatan Samping £0,5 1,0 1,5 ³2,0

4/2D

VL ML M H

VH

1,00 0,97 0,93 0,87 0,81

1,01 0,98 0,95 0,90 0,85

1,01 0,99 0,97 0,93 0,88

1,02 1,00 0,99 0,96 0,92

4/2UD

VL ML M H

VH

1,01 0,98 0,91 0,84 0,77

1,01 0,98 0,93 0,87 0,81

1,01 0,99 0,95 0,90 0,85

1,00 1,00 0,98 0,94 0,90

2/2UD Atau jalan

satu arah

VL ML M H

VH

0,98 0,93 0,87 0,78 0,68

0,99 0,95 0,89 0,81 0,77

0,99 0,96 0,92 0,84 0,77

1,00 0,98 0,95 0,88 0,82

Sumber: MKJI 1997

84

Faktor penyesuaian kecepatan arus bebas untuk jalan enam lajur dapat ditentukan

dengan menggunakan nilai FFVsf untuk jalan empat lajur yang diberikan pada

Tabel 2.12. atau 2.13. dan disesuaikan seperti Persamaan (2.3) dibawah ini:

FFV6sf = 1-0,8 x (1- FFV4sf) (2.3)

Dimana:

FFV6sf = faktor penyesuaian kecepatan arus bebas untuk enam lajur (km/jam).

FFV4sf = faktor penyesuaian kecepatan arus bebas untuk empat lajur (km/jam).

Untuk penentuan kelas hambatan samping sama dengan Tabel (2.8) di atas,

sedangkan faktor penyesuaian kecepatan untuk ukuran kota dapat dilihat pada

Tabel (2.14).

Tabel 2.14. Faktor penyesuaian untuk pengaruh ukuran kota pada kecepatan arus bebas kendaraan ringan untuk jalan perkotaan

Ukuran Kota (Juta penduduk)

Faktor Penyesuaian Ukuran Kota (FVcs)

<0,1 0,1-0,5 0,5-1,0 1,0-3,0

>3,0

0,90 0,93 0,95 1,00 1,03

Sumber: MKJI 1997 Kecepatan kendaraan pada arus lalu lintas dapat dihitung pada Persamaan (2.4)

dibawah ini :

V = Vo x 0,5 (1 + (1 – (Q/C))0,5 (2.4)

Dimana :

V = kecepatan sesungguhnya pada saat ada arus lalu lintas Q.

Vo = kecepatan arus bebas.

C = kapasitas.

Q = arus lalu lintas

Jika arus pada ruas jalan tersebut telah mencapai kapasitas (Q/C = 1), maka

Persamaan (2.4) menjadi :

V = 0,5Vo (2.5)

2.2.10. Hubungan Kurva Kecepatan-Arus dan Biaya-Arus

85

Dalam Rekayasa lalu lintas dikenal hubungan yang sangat sering digunakan yaitu

pengaruh arus pada kecepatan kendaraan yang bergerak pada ruas jalan tertentu.

Hubungan kecepatan-arus sering digambarkan seperti Gambar 2.2. Jika arus lalu

lintas meningkat, kecepatan cenderung menurun secara perlahan. Jika arus

mendekati kapasitas, penurunan kecepatan semakin besar.

Gambar 2.7. Hubungan Tipikal Kecepatan-Arus dan Biaya-Arus

Sumber : Ortuzar and Willumsen (1996)

Apabila kondisi tersebut dipaksakan untuk mendapatkan arus yang melebihi

kapasitas, maka akan terjadi kondisi yang tidak stabil dengan kecepatan yang

lebih rendah.

Untuk alasan praktis dalam teknik pembebanan rute jenis hubungan ini dilakukan

dalam bentuk hubungan waktu tempuh per unit jarak dengan arus lalu lintas.

Model pembebanan rute yang mempertimbangkan kemacetan memerlukan

beberapa persaman fungsi yang cocok untuk menghubungkan atribut suatu ruas

seperti kapasitas dan kecepatan arus bebas serta arus lalu lintasnya dengan

kecepatan atau biaya yang dihasilkan. Hal ini dapat dinyatakan dalam bentuk

umum :

Ca = Ca({Va}) (2.6)

Biaya pada suatu ruas jalan merupakan fungsi dari semua pergerakan V pada

jaringan tersebut (bukan hanya disebabkan oleh arus di ruas jalan itu saja).

Rumus umum ini cocok untuk daerah perkotaan yang memiliki interaksi yang erat

antara arus lalu lintas diruas jalan yang lain dengan tundaan, tetapi hal ini dapat

86

disederhanakan jika mempertimbangkan ruas jalan yang panjang, dimana hampir

semua waktu perjalanan digunakan pada ruas jalan tersebut. Dalam hal ini

persamaan yang digunakan harus terpisah, yang dapat ditulis sebagai berikut :

Ca = Ca(Va) (2.7)

Biaya pada ruas jalan tersebut hanya tergantung pada arus dan ciri ruas itu saja.

Asumsi ini dapat menyederhanakan proses penaksiran, pengembangan fungsi

serta penggunaan metode pembebanan yang sesuai.

(Ofyar Z. Tamin, 1997 : 219)

Di dalam Ofyar Z. Tamin (1997) yang dikutip dari Branston (1976) menulis

beberapa kurva biaya-arus yang diusulkan oleh beberapa penulis sebagai berikut:

1. Smock (1962) mengemukakan rumus berikut untuk kajian di Detroit

t = t0 exp(V/Qs) (2.8)

t adalah waktu tempuh per satuan jarak, t0 adalah waktu per satuan jarak pada

kondisi arus bebas, dan Qs adalah kapasitas ruas pada kondisi tunak.

2. Overgaard (1976) menuliskan persaman dalam bentuk lain, yaitu :

÷÷ø

öççè

æ

= PQ

V

ttb

a0 (2.9)

QP adalah kapasitas praktis dari ruas jalan, sedangkan a dan b adalah

parameter yang dikalibrasi.

3. Dinas Jalan Umum (1964) di Amerika Serikat menyarankan fungsi yang

sangat umum, yaitu :

úû

ùêë

é÷øöç

èæ+=

b

aPQ

Vtt 10 (2.10)

4. IHCM (Indonesian Highway Capacity Manual) 1994, melakukan beberapa

kajian mengenai hubungan antara kecepatan dan arus pada beberapa ruas

tetapi mengabaikan faktor persimpangan. Kondisi buffer network biasa

digunakan utnuk skala studi yang luas pada suatu jaringan perkotaan.

)1/(1)1( ))/(1( MLJV DDFV ---= (2.11)

87

)1/(1

0

)()1(

-

÷÷ø

öççè

æ--

=L

J MLM

DD

(2.12)

Dimana :

FV = Kecepatan arus bebas

D = Kepadatan

L,M = Konstanta

D0 = Kepadatan pada saat kapasitas tercapai

DJ = Kepadatan pada kondisi macet total

2.2.11. Metode Steepest Descent

a. Teori Dasar

Metode steepest descent adalah metode iteratif dalam rangka mencari titik

minimum dengan mengambil nilai awal sembarang. Metode ini merupakan salah

satu metode iteratif paling tua yang mengilhami berbagai metode iteratif

kontemporer seperti metode conjugate gradient (GD) dan generalized minimal

residual (GMRES).

Spiess (1990) telah mengembangkan penggunaan pendekatan steepest descent

dari model pendekatan gradien. Model pendekatan steepest descent ini

diformulasikan sebagai pendekatan masalah optimasi. Pendekatan ini

meminimalkan ukuran jarak antara yang volume diamati dengan volume yang

dibebankan. Fungsi yang paling sederhana dari tipe ini adalah jumlah kuadrat dari

semua pembeda yang mengarah pada minimalisasi cembung yaitu :

( ) ( )åÎ

-=Aa

avvgZˆ

2ˆ21

min (2.13)

tergantung atas

( )gpembebananv = (2.14)

Dimana :

88

g : matrik asal-tujuan dalam matrik estimasi

av : volume yang diperkirakan dari link a pada semua iterasi

av : volume yang diamati dari link a

A : kumpulan dari semua link pada jaringan

v : kumpulan dari volume link yang dibebankan

Dengan mengasumsikan bahwa kondisi pembebanan adalah pembebanan

equilibrium, dimana sekumpulan link yang tidak mengurangi fungsi biaya ( )aa vS

pada semua penghubung dari jaringan AaÎ menentukan kecembungan suatu

model.

Dikarenakan estimasi matrik yang dirumuskan pada persamaan (2.13) sangat sulit

untuk dipastikan, biasanya memuat solusi optimal yang jumlahnya tak terbatas

yaitu matrik permintaan yang mungkin menggambarkan semua matrik yang

diamati sama baiknya. Pada konteks perencanaan yang sebenarnya, diharapkan

matrik yang dihasilkan menyerupai sedekat mungkin dengan matrik awal, karena

matrik tersebut memberikan informasi penting pada pergerakan asal-tujuan.

Model “tradisional” mengeliminasi setidaknya sebagian dari masalah degenerasi

dengan menggunakan fungsi tujuan Z(g) yang sesuai dengan ukuran jarak ( )ggf ˆ,

dan mengambil kesetaraan antara nilai-nilai yang diamati dan yang diperkirakan

sebagai pembatas. Meskipun pendekatan ini menyediakan sarana untuk memilih

yang “terbaik” matrik yang diharapkan (berdasarkan beberapa kriteria) diantara

kondisi yang memadai pada volume yang diamati, pendekatan ini juga

meningkatkan kemajemukan yang menunjukkan masalah yang harus dipecahkan,

dan dengan demikian memberikan kontribusi yang besar dengan kenyataan bahwa

model ini sangat sulit untuk digunakan pada masalah dengan skala yang besar.

89

Jika ingin memperoleh solusi algoritma yang sifatnya mirip dengan matrik awal,

fungsi tujuan (2.13) sebaiknya tidak digunakan. Metode steepest descent

memberikan petunjuk yang berhubungan dengan meminimalkan fungsi tujuan dan

meyakinkan untuk tidak menyimpang dari solusi awal lebih dari yang diperlukan.

Pada kasus yang paling sederhana, ketika mengambil gradien secara langsung

terhadap variabel g, metode steepest descent atau gradien dapat dirumuskan

sebagai berikut :

ig untuk l = 0,

1+lig

( )

ligi

lli g

gZg ú

û

ùêë

é¶¶

- l untuk l = 1, 2, 3, … (2.15)

Dimana ll harus dipilih cukup kecil untuk memastikan bahwa jalur yang diikuti

oleh lg cukup dekat dengan jalur gradien yang sebenarnya. Perlu diperhatikan

bahwa penanda i melambangkan matriks asal-tujuan dan himpunan semua

matriks asal-tujuan aktif dilambangkan sebagai I.

Namun, jika gradien didasarkan pada variabel g seperti pada persamaan (2.15), ini

berarti bahwa perubahan pada matriks permintaan diukur dengan cara yang

mutlak, yaitu jumlah perjalanan, relatif terlepas dari perubahan akan berarti untuk

matrik awal. Secara khusus, hal ini berarti bahwa matrik asal-tujuan (MAT)

dengan 0ˆ =ig akan dipengaruhi oleh penyesuaian juga.

90

Untuk pendekatan yang lebih realistis gradien harus didasarkan pada perubahan

relatif permintaan, yang dapat ditulis sebagai :

ig untuk l = 0,

1+lig

( )

÷÷

ø

ö

çç

è

æúû

ùêë

é¶¶

-ligi

lli g

gZg l1 untuk l = 1, 2, 3, … (2.16)

Perlu diperhatikan bahwa ketika gradien relatif digunakan,algoritma menjadi

perkalian pada ghi. Oleh karena itu, perubahan permintaan sebanding dengan

permintaan dalam matriks awal, dan khususnya angka nol akan dipertahankan

oleh perhitungan tersebut.

Pada dekomposisi dari volume link av kedalam jalur aliran, dimana iKkÎ yang

menyatakan kumpulan dari jalur yang digunakan pada setiap matriks asal-tujuan i,

ieI, dan kh adalah vektor yang berhubungan dengan jalur aliran. Volume link

dapat dinyatakan sebagai :

ååÎ Î

=Ii Kk

kaka

i

hv d , AaÎ , (2.17)

Dimana,

0 jika kaÏ (link tidak terdapat pada jalur k)

akd

1 jika kaÎ (link terdapat pada jalur k) (2.18) 2

Dengan menggunakan kemungkinan selain jalur aliran

IiKkg

hp

i

kk ÎÎ= ,, (2.19)

91

Persamaan (2.17) dapat ditulis kembali menjadi

å åÎ Î

=Ii Kk

kakia

i

pgv d AaÎ . (2.20)

Kemudian dilanjutkan dengan menghitung gradien ( )ggZ

¶¶

, dengan mengambil

turunan dari persamaan (2.13) diperoleh

( ) ( )å

Î

-¶¶

=¶¶

Aaaa

i

a

i

vvg

v

ggZ

ˆ

ˆ IiÎ (2.21)

Mengasumsikan bahwa kemungkinan jalur adalah lokal konstan, diperoleh dari

persamaan (2.20)

,kKki

a pakg

v

i

åÎ

=¶¶

d ,, IiAa ÎÎ (2.22)

Dilanjutkan dengan dimasukkan persamaan (2.21) ke persamaan (2.22),

menghasilkan

( ) ( )å åååÎ ÎÎ Î

-=-=¶¶

ii Kk Aaaaakkaa

Aa Kkkak

i

a vvpvvpg

v

ˆˆ

ˆˆ dd IiÎ (2.23)

Dalam penerapan metode gradien atau steepest descent, diperlukan memberikan

nilai untuk panjang langkah ll . Memilih nilai-nilai yang sangat kecil bagi

panjang langkah memiliki keuntungan pada lebih tepatnya jalur gradien, namun

memiliki kelemahan yaitu membutuhkan langkah yang panjang dalam

penyelesaiannya. Sebaliknya, jika memilih nilai-nilai yang terlalu besar untuk

panjang langkah, fungsi tujuan ( )gZ dapat sangat meningkat dan konvergensi

dari algoritma ini akan hilang. Dengan demikian, panjang langkah optimal *l

pada suatu permintaan g dapat ditemukan dengan menyelesaikan satu dimensi

bagian masalah.

92

( )

÷÷ø

öççè

æ÷÷ø

öççè

æ÷÷ø

öççè

æ¶¶

-i

i ggZ

gZ ll

1min (2.24)

Tergantung pada

( )

,1£¶¶

iggZ

l untuk semua ,IiÎ dengan ig > 0 (2.25)

Karena fungsi tujuan Z dinyatakan dalam volume link av , perlu diketahui pula

bagaimana perubahan sepanjang arah gradien. Hal ini dapat diperoleh dengan

menerapkan aturan rantai pada persamaan (2.22)

( )å å åå åÎ Î ÎÎ Î

÷÷ø

öççè

æ÷÷ø

öççè

æ--=

¶¶

==Ii Ii Kk

kakKk Aa

aaakkii

aiaa

ii

pvvpgg

v

d

dg

d

dvv dd

ll ˆˆˆˆ

' ˆ (2.26)

Memecahkan masalah minimalisasi persamaan (2.23) dapat dilakukan dengan

menemukan turunan dari titik nol. Menerapkannya kemudian pada aturan rantai

dan menghasilkan turunan :

( ) ( )å å

Î Î

+-=¶¶

=Aa Aa

aaaaa

a vvvvvZ

d

dv

ddZ

ˆ ˆ

'' ˆ lll

l (2.27)

Hal ini mengarah langsung pada panjang langkah optimal

( )

å

å

Î

Î

-=

Aaa

Aaaaa

v

vvv

ˆ

2'

ˆ

'

*

ˆ

l (2.28)

Yang kelayakannya perlu diperiksa berlawanan dan nantinya dibatasi oleh

persamaan (2.25). Dengan persamaan (2.23), (2.26), (2.28), dimiliki semua hasil

untuk memecahkan masalah penyesuaian matrik (2.13) menggunakan metode

gradien relatif (2.16).

b. Penerapan Metode Steepest Descent pada aplikasi software EMME/3

Salah satu kesulitan dalam praktek untuk menerapkan model matrik estimasi

dalam penerapan ini disebabkan oleh kenyataan bahwa model hanya dapat

93

dijalankan dalam program-program komputer yang sangat khusus, yang sulit

untuk didapat dan dioperasikan , jika program tersebut ada.

Metode gradien atau steepest descent dapat dijalankan dengan menggunakan

versi standar EMME/3 software perencanaan transportasi (Spiess 1984; INRO

1989). Tujuan dari program fitur ini adalah untuk menyediakan kerangka umum

untuk perhitungan simultan dari berbagai jalur tergantung dari informasi yang

mungkin dibutuhkan disamping hasil pembebanan biasa.

Untuk setiap jalur yang dihasilkan selama pembebanan equilibrium normal,

additional path attribute kc dihitung dengan menggabungkan additional link

attribute ac dari link pada jalur dengan path operator Ä (yang bisa saja

penghubung seperti å Õ maxmin,,, )

ac cka

k ÄÎ

= IiKk ÎÎ , (2.29)

Memeriksa path attribute kc untuk diperinci interval jalur ambang ( )CC,

menentukan apakah jalur tersebut termasuk dalam pembebanan bawahan

berikutnya dari additional demand g . Dengan cara ini, himpunan jalur aktif K~

didefinisikan.

Hasil dari pembebanan pilihan tambahan adalah additional volume.

å åÎ Î

=Ii Kk

kakia

i

pgv~

ˆ~ d (2.30)

Dan atribut matrik tambahan, yang dapat dari salah satu berikut :

åÎ

=iKk

kki cpc (path attributes) (2.31)

åÎ

=iKk

kki cpc~

~ (active path attributes) (2.32)

åÎ

=iKk

iki gpg~

ˆ~ (active addl. Demand) (2.33)

åÎ

=iKk

kkii cpgt~

ˆ (active path attribute weighed by addl. Demand) (2.34)

94

Pernyataan fitur pilihan tambahan pada EMME/3 dalam istilah matematika,

terlihat jelas bahwa EMME/3 tidak hanya bisa menyelesaikan aplikasi ”biasa”,

seperti analisis pemilihan jalur, pembebanan sebagian, perhitungan biaya atau

jarak matriks, dapat juga digunakan untuk menyelesaikan metode gradien atau

steepest descent untuk masalah penyesuaian matrik, seperti yang dijelaskan

sebelumnya.

Berikut dijelaskan langkah bagaimana penyelesaian dapat tercapai. Pada awal

setiap iterasi metode steepest descent, pembebanan equilibrium sederhana (yaitu

tidak menggunakan fitur pilihan tambahan) dijalankan dengan matrik sekarang,

untuk menghitung volume link Aaiva Î, . Dengan volume ini, atribut link

tambahan ac dihitung dengan penghitung jaringan sebagai

aa vv ˆ- jika AaÎ

ac 0 yang lainnya (2.35)

Matrik gradien ( )

iggZ

¶¶

didefinisikan pada persamaan (2.23) yang kemudian

dihitung pada persamaan (2.34) sebagai matrik atribut tambahan. Matrik ini

kemudian digunakan sebagai matrik permintaan tambahan g dan variabel 'av dari

persamaan (2.26) dihitung berdasarkan persamaan (2.30). Panjang langkah

optimal diperoleh dari persamaan (2.28) dievaluasi kembali dengan penghitung

jaringan. Akhirnya, matrik permintaan diperbarui dengan menggunakan

penghitung matrik berdasarkan pada persamaan (2.16).

Dengan menggunakan fitur makro dari EMME/3 yang menyediakan ruang

berbeda dari EMME/3 untuk dikombinasikan menjadi prosedur yang majemuk,

semua algoritma dapat dikemas menjadi satu perintah makro, menyembunyikan

semua rincian pelaksanaan dari pengguna.

2.2.13. Pendekatan Pembebanan User Equilibrium

95

Pertimbangan utama pembebanan lalu lintas adalah asumsi bahwa dasar pemilihan

rute adalah biaya perjalanan. Ukuran yang digunakan tergantung pada

karakteristik jalan, kondisi lalu lintas dan persepsi pengendara tentang kondisi

tersebut.

Dalam hal ini efek stokastik tidak diperhitungkan. Ada dua perilaku pokok yang

diusulkan sebagai dasar dari kondisi equilibrium,yaitu:

1. Pengendara memilih rute secara bebas yang memenuhi kepentingan

terbaiknya menurut kondisi lalu lintas yang dihasilkan dari beberapa pilihan

rute lain.

2. Pengendara memilih rute yang menghasilkan arus lalu lintas yang

memberikan keuntungan maksimum bagi mereka.

Pendekatan Pembebanan User Equilibrium mengacu pada prinsip Wardrop I yang

menyatakan bahwa dalam kondisi macet, pengendara akan memilih suatu rute

sampai tercapai kondisi yang tidak memungkinkan seorangpun dapat mengurangi

biaya perjalanannya dengan menggunakan rute yang lain. Apabila semua

pengendara mempunyai persepsi yang sama tentang biaya maka akan dihasilkan

kondisi keseimbangan, artinya semua rute yang digunakan antar dua titik tertentu

akan mencapai biaya perjalanan yang sama dan minimum, sedangkan rute yang

tidak digunakan akan mencapai biaya perjalanan yang sama atau lebih mahal.

Kemajuan besar dalam teknik pembebanan dengan peminimuman fungsi obyektif

adalah dimungkinkannya analisa pengembangan algoritma yang sistematik untuk

pemecahannya. Algoritma yang sangat umum digunakan adalah Frank Wolfe

(1956). Langkah-langkah dalam proses pembebanan tersebut adalah sebagai

berikut:

1. Pilih satu set initial biaya ruas, yang biasa digunakan adalah waktu tempuh

pada kondisi arus bebas Ca (0). Inisialisasi semua arus V a

0 = 0, kemudian set

n = 0.

2. Bentuk suatu pohon biaya minimum, kemudian set n = n+1.

3. Bebankan semua matrik T dengan pembebanan All-or-Nothing untuk

mendapatkan suatu set arus Fa.

4. Hitung arus pada saat sekarang dengan persamaan:

96

V =an (1-f )V 1-n

a + aFf (2.41)

5. Hitung satu set baru biaya ruas berdasarkan besar arus naV . Jika arus (atau

biaya ruas) tidak terlalu banyak mengalami perubahan dalam dua kali

pengulangan yang berurutan maka proses dihentikan, dan jika tidak

diteruskan ke tahap (2).

Proses pembebanan pada penelitian ini menggunakan bantuan aplikasi program

EMME/3 sehingga dapat menyederhanakan model.

2.2.14. Indikator Uji Statistik

Tamin (2000) menulis penaksiran MAT dari data lalu lintas yang dihasilkan

dengan menggunakan penaksiran model kebutuhan akan transportasi akan

menghasilkan arus lalu lintas yang semirip mungkin dengan data arus lalu lintas

hasil pengamatan. Hal terpenting yang harus diperhatikan yaitu tingkat kemiripan

dari MAT hasil penaksiran dengan MAT hasil pengamatan. Tingkat akurasi MAT

yang dihasilkan dari data arus lalu lintas dapat ditentukan dengan beberapa

indikator uji statistik. Indikator uji statistik yang digunakan disini adalah

Koefisien Determinasi (R²). Indikator statistik R² dapat didefinisikan sebagai

Persamaan (2. 42).

( )

å åå

-

-=

22

2

2

ˆ

ˆ

aa

aa

VV

VVR (2.42)

Indikator statistik R2 ini merupakan suatu uji statistik yang paling sering

digunakan. Indikator ini akan memberikan bobot sangat tinggi untuk kesalahan

absolut besar. Oleh karena itu, nilai R2 yang tinggi tidak dapat diperoleh dari

matrik berjumlah sel besar dengan kesalahan kecil, akan tetapi sangat jelek pada

matrik yang memiliki nilai sel yang kecil.

Persamaan (2.42) memperlihatkan bahwa nilai R2 dapat menjadi menurun jika

terdapat simpangan besar antara MAT hasil penaksiran dan MAT hasil observasi.

Nilai R2 = 1 merupakan nilai tertinggi yang dapat dihasilkan jika dilakukan

perbandingan antar MAT. Oleh karena itu, nilai R2 yang mendekati 1 (satu)

menunjukkan tingkat kemiripan yang tinggi antar MAT yang diperbandingkan.

97

2.2.15. EMME/3 (Equilibre Multimodal, Multimodal Equilibrium)

Emme merupakan software yang professional dalam meramalkan sebuah

perjalanan. Emme menawarkan perangkat alat perencanaan yang kumplit dan

komprehensive untuk kebutuhan suatu pemodelan. Selain itu Emme khususnya

disini EMME/3 merupakan pengembangan dari program sebelumnya yaitu

EMME-2 yang dibuat dan dikembangkan di INRO Consultant University de

Montreal, Kanada, dengan kemampuan yang sudah sangat tinggi, dengan jumlah

node dan link yang dapat dikatakan tidak terbatas (mampu mencapai hampir 1 juta

node). Adapun keunggulan lainnya adalah formula yang dapat dibuat sendiri

sesuai keadaan dan kebutuhan (INRO Consultants Inc., 1998). Misalnya hitungan

kapasitas dan waktu tempuh yang disesuaikan dengan Manual Kapasitas Jalan

Indonesia (MKJI) 1997 (Munawar, 2005). Keluaran dari piranti lunak ini dapat

berupa grafis, numerik dan SIG (Ofyar, 2008).

Para perencana transportasi menggunakan EMME untuk memodelkan system

transportasi perkotaan, metropolitan dan regional. Selain itu EMME juga

digunakan untuk mengevaluasi kebijakan transportasi yang mempunyai efek

kesemua system transportasi yang ada.

EMME berbeda dengan program lainnya karena EMME memberikan kemudahan

dan kebebasan secara khusus bagi pengguna dalam melakukan pendekatan model

untuk menggunakan metode yang telah ditetapkan atau membuat metode baru

untuk memanggil kebutuhan setempat. EMME sendiri dikembangkan untuk

mengemudikan sistem transportasi yang komplek, dan melaporkan kepada para

perencana berbagai macam tantangan yang harus dihadapi terkait teknologi, sosial

dan ekonomi.

Pada manual EMME help dijelaskan bahwa EMME/3 mempunyai beberapa

komponen utama yaitu EMME GUI yang baru, the network editor, the network

calculator, worksheet dan mesin pemetaan, kegunaan yang terbaru untuk

penggabungan (integration) GIS dan komponen lainnya. Untuk mengakses

98

informasi pada EMME help secara on-line dapat dicari pada help menu (Gambar

4.5).

Gambar 2.8. Help Menu

EMME user’s Guide menyediakan struktur teks dasar. The EMME reference

manual menyediakan dokumen secara detail untuk kemampuan pemetaan EMME

dan GUI-tools untuk merinci visualisasi dan analisisnya. The EMME prompt

(Prompt Console) menyediakan gambaran ringkasan secara luas dari operasi garis

perintah, termasuk merinci model kebutuhan, pembebanan, jaringan, dan

kalkulator matriks (Gambar 2.8). Sedangkan alat pemodelan transportasi yang

lain mencakup the EMME macro language untuk melakukan otomatisasi.

99

Gambar 2.9. The EMME Prompt (Prompt Console)

Prosedur perhitungan program EMME/3 dalam membuat matriks baru dengan

metode steepest descent dan arus lalu lintas hasil proses pembebanan ke jaringan

jalan, secara umum dapat dilihat pada Gambar 2.9.

100

Gambar 2.10. Prosedur Perhitungan Program EMME/3

2.3. Kelebihan EMME/3 dengan program lain

Pada pembahasan ini program yang ingin dibandingkan dengan EMME/3 adalah

program SATURN. Dengan alasan penelitian-penelitian yang sebelumnya dalam

mengestimasi matriks dilakukan dengan program SATURN. Untuk dapat melihat

keunggulan beberapa program yang sudah tersedia di pasaran dapat dilihat pada

Tabel 2.15. Dari tabel tersebut akan diketahui bahwa EMME/2 memiliki

keunggulan yang lebih dibandingkan dengan SATURN. Sedangkan EMME/3

merupakan pengembangan dari program sebelumnya yaitu EMME/2 yang dibuat

dan dikembangkan di INRO Consultant University de Montreal, Kanada, dengan

kemampuan yang sudah sangat tinggi, dengan jumlah node dan link yang dapat

dikatakan tidak terbatas (mampu mencapai hampir 1 juta node). Adapun

Data MAT awal /prior matrix

Data arus lalu lintas /traffic count

Penyusunan Jaringan (Network Editor)

Penyusunan MAT (Prompt console) Basis data

jaringan jalan

Estimasi Matriks (Prompt console)

Assignment (Prompt console) User Equilibrium

MAT baru ME2

Arus Lalu lintas pada Tiap Ruas Jalan

101

keunggulan lainnya adalah formula yang dapat dibuat sendiri sesuai keadaan dan

kebutuhan (INRO Consultants Inc., 1998). Misalnya hitungan kapasitas dan

waktu tempuh yang disesuaikan dengan Manual Kapasitas Jalan Indonesia

(MKJI) 1997 (Munawar, 2005).Oleh karena itu sesuai paparan seorang guru

besar bidang transportasi dari UGM bapak Munawar (2005) tersebut di atas

dalam pelantikan pengukuhannya dapat diambil sebuah kesimpulan bahwa

EMME/3 memiliki kelebihan yang lebih dibandingkan SATURN.

Tabel 2.15. Perangkat lunak perencanaan transportasi yang telah tersedia di pasaran.

Paket Program Pemasok Kapasitas Sistem operasi Keluaran

MicroTRIPS MVA

Systematica 300 Zona 4.000 ruas

MS-DOS Numerik

MOTORS Steer, Davies,

and Gleave 400 Zona 6.000 ruas

MS-DOS Numerik

SATURN University of

leeds 500 Zona 7.000 ruas

MS-DOS Numerik dan

grafik

MINITRAMP Wooton Jeffreys

and Partners 500 Zona 5.000 ruas

MS-DOS Numerik

TRANPLAN The Urban

Abalysis Group California

3.000 Zona 60.000 ruas Windows

Numerik, grafik dan GIS

TRANSCAD Caliper

Corporation 3.000 Zona 60.000 ruas

Windows Numerik, grafik

dan GIS

STAN

INRO Consultant

University de Montreal

1.200 Zona 24.000 ruas 100 skenario

Windows Numerik, grafik

dan GIS

STRADA JICA 500 Zona

10.000 ruas Windows

Numerik, dan grafik

EMME/2

INRO Consultant

University de Montreal

2.800 Zona 56.000 ruas

MS-DOS Numerik, grafik

dan GIS

Sumber : Ofyar (2008)

102

BAB 3

METODOLOGI PENELITIAN

3.6. Lokasi Penelitian

Penelitian ini mengambil wilayah studi di Kota Surakarta. Kota Surakarta yang

terletak di Propinsi Jawa Tengah bagian selatan yang memiliki kepadatan lalu

lintas yang cukup tinggi. Secara geografis Surakarta terletak pada 110’45’15’ –

110’45’35’ BT dan 70’36’00’ – 70’56’00’ LS berbatasan dengan daerah tingkat II

yang lain, yaitu di sebelah Utara berbatasan dengan Kabupaten Karanganyar dan

Kabupaten Boyolali, sebelah Selatan dengan Kabupaten Sukoharjo, sebelah Barat

dan Timur dengan Kabupaten Sukoharjo dan Karanganyar.

Luas wilayah Surakarta kurang lebih 44.040 km 2 yang terbagi dalam lima

kecamatan dan terdiri dari 51 kelurahan. Jumlah penduduk kota tersebut mencapai

534.540 jiwa manusia (menurut statistik terakhir tahun 2005) dengan kepadatan

mencapai 12.716 jiwa / km 2 . Peta administratif batas kelurahan di wilayah Kota

Surakarta dapat dilihat pada Gambar 3.2., peta zona dapat dilihat pada Gambar

3.3. dan peta jaringan jalan kota Surakarta dan lokasi survey pada Gambar 3.1.

3.7. Data yang dibutuhkan

Data yang dibutuhkan dalam penelitian ini adalah data sekunder diperoleh dari

survei tahun 2007 dan instansi yang terkait yang berada di wilayah Surakarta.

Data tersebut meliputi:

1. Peta wilayah kota Surakarta yang diperoleh dari Badan Perencana

Pembangunan Daerah (Bappeda).

2. Data jaringan jalan dari Departemen Pekerjaan Umum (DPU).

3. Data matrik awal (prior matrix) yang digunakan adalah hasil perhitungan

skripsi “ Evaluasi Kinerja dan Penanganan Jaringan Jalan (Studi Kasus Kota

Surakarta)” oleh Astri Brillianti tahun 2002.

103

4. Data arus lalu lintas (traffic count) yang digunakan adalah hasil penelitian

skripsi “Estimasi Matriks Asal Tujuan dari Data Lalu Lintas dengan Metode

Estimasi Entropi Maksimum (Studi Kasus Kota Surakarta)” oleh Revi

Widyastuti tahun 2007.

Revi dkk (2007) melalukan survey volume lalu lintas pada jam puncak di Kota

Surakarta pada 42 lokasi zona internal (Tabel 3.1) dan 14 lokasi zona eksternal

(Tabel 3.2) berdasarkan batas administratif kelurahan kemudian dilakukan survey

pembaruan pada beberapa titik di tahun 2009.

Tabel 3.1. Lokasi survey arus lalu lintas zona internal

NODE NODE No. Nama Jalan

1 2 No. Nama Jalan

1 2

1 94 91 23 22 78

2 Jl. Tentara Pelajar

91 94 24 Jl. Jendral Sudirman

78 22 3 Jl. Ir. Sutami 241 92 25 26 3 4 Jl. Dr. Radjiman 128 127 26

Jl. Jendral Ahmad Yani 3 26

5 133 167 27 Jl. Urip sumoharjo 85 86 6

Jl. Kapten Mulyadi 167 133 28 257 256

7 138 139 29 Jl. Monginsidi (Dekat Stasiun Balapan)

256 257 8

Jl. Veteran 139 138 30 264 35

9 193 208 31 Jl. Kapten Tendean

35 264 10

Jl. Gajah Mada 208 193 32 Jl. Tagore 260 35

11 67 66 33 36 35 12

Jl. Dr. Radjiman (Depan POM bensin Laweyan) 66 67 34

Jl. Ahmad Yani (Dekat Terminal Tirtonadi) 35 36

13 189 188 35 Jl. Slamet Riyadi Gendengan) 8 9 14

Jl. Dr. Muwardi 188 189 36 26 25

15 89 51 37 Jl. Adi Sucipto

25 26 16

Jl. Bridjen Katamso 51 89 38 Jl. Kolonel Sutarto (Depan Panggung) 86 91

17 40 41 39 3 2 18

Jl. Letjen Suprapto 41 40 40

Jl. Slamet Riyadi (Kerten) 2 3

19 46 47 41 39 86

20 Jl. Sumpah Pemuda

47 46 42 Jl. Mongonsidi (Depan Hotel Asia)

86 39

21 266 37 22

Jl. Letjen Sutoyo 37 266

104

Tabel 3.2. Lokasi survey volume lalu lintas zona eksternal

NODE No. Nama Jalan

1 2

1 105 756

2 Jl. Yos Sudarso

756 105 3 61 754 4

Jl. Dr. Radjiman 754 61

5 Jl. Kolonel Sugiyono 271 762 6 117 764 7

Jl. Joko Tingkir 764 117

8 56 763 9

Jl. Adi Sumarmo 763 56

10 1 701 11

Jl. Slamet Riyadi 701 1

12 136 755 13

Jl. Veteran 755 136

14 145 758 15

Jl. Kyai Mojo 758 145

16 Jl. Palur 95 759 17 Jl. Adi Sucipto 23 752 18 55 765 19

Jl. Ring Road 765 55

20 287 760 21

Jl. Tangkuban Perahu 760 287

22 288 757

23 Jl. Bridjen Sudarto

757 288

45

46

Tabel 3.3. Data nomor zona dan nama zona internal

No. Zona Nama Zona No. Zona Nama Zona

1 Karangasem 31 Sumber

2 Jajar 32 Gilingan

3 Kerten 33 Manahan 4 Pajang 34 Mangkubumen

5 Sondakan 35 Punggawan

6 Laweyan 36 Kestalan 7 Bumi 37 Ketelan

8 Purwosari 38 Setabelan

9 Penumping 39 Timuran 10 Panularan 40 Keprabon

11 Sriwedari 41 Mojosongo

12 Tipes 42 Jebres 13 Kemlayan 43 Tegalharjo

14 Jayengan 44 Kepatihan Kulon

15 Kratonan 45 Kepatihan Wetan 16 Serengan 46 Purwodiningratan

17 Danukusuman 47 Jagalan

18 Joyotakan 48 Pucangsawit 19 Kampung Baru 49 Sudiroprajan

20 Kauman 50 Gandekan

21 Sangkrah 51 Kampungsewu

22 Kedunglumbu 23 Baluwarti 24 Semanggi 25 Gajahan 26 Pasar Kliwon 27 Joyosuran 28 Kadipiro 29 Banyuanyar 30 Nusukan

Tabel 3.4. Data nomor zona dan nama zona eksternal

No. Zona Nama Zona

52 Colomadu 53 Pabelan Kartosuro

54 Makam Haji Kartosuro

55 Cemani 56 Solo Baru

57 Grogol Sukoharjo

58 Bekonang 59 Palur Karanganyar

60 Plupuh Sragen

61 Jl. Clolo arah Karanganyar 62 Arah Purwodadi

63 Ngemplak Boyolali

64 Gentan Sukoharjo 65 Kebak Kramat Karanganyar

47

Gambar 3.2. Peta Administrasi Kota Surakarta

48

Gam

bar

3.3.

Pet

a P

emba

gian

Zon

a K

ota

Sura

kart

a

49

49

3.8. Alur Penelitian Alur penelitian ini perlu dibuat secara sistematis untuk memudahkan pelaksanaan

kegiatan penelitian. Secara garis besar akan diuraikan sebagai berikut:

1. Studi Literatur

Pada tahap studi literatur bertujuan untuk menemukan hal-hal yang berkaitan

dengan pencapaian tujuan penelitian, dan mempelajari berbagai kasus yang

telah diangkat oleh para peneliti sebelumnya sehingga penelitian ini lebih

update dan di harapkan lebih efektif dalam penelitian yang akan dilaksanakan.

2. Pembaruan Data

Pembaruan Data meliputi pembenahan gambar jaringan jalan pada program

EMME/3 yang disesuaikan dengan peraturan yang terbaru dan sesuai acuan

dan mengambil data arus lalu lintas terkini . Hal ini dilakukan karena

pengambilan data yang sebelumnya telah mengalami perubahan, seperti data

karakteristik jalan dan data arus lalu lintas terkini (traffic count). Pelaksanaan

survey dilaksanakan pada jam puncak pagi hari yaitu antara jam 06.00-08.00

selama dua hari yaitu pada 29 Oktober 2009 dan 12 November 2009.

Penentuan periode jam sibuk diambil dari perhitungan hasil survey baru yang

dilakukan. Survey dilakukan pada beberapa ruas jalan di berbagai titik di

wilayah Surakarta dan pada batas wilayah kota Surakarta. Setelah dilakukan

pembaruan data kemudian diolah menjadi basis data yang dapat digunakan

pada tahap selanjutnya.

3. Estimasi Matriks

Tahap estimasi matriks ini dilakukan untuk memproses perhitungan data

sekunder dengan menggunakan bantuan program EMME/3. Proses tersebut

berupa pembuatan jaringan jalan, dan pembebanan matriks awal yang didukung

dengan data arus lalu lintas.

50

50

Berikut ini merupakan data-data yang menjadi variabel dalam penelitian ini,

yaitu:

1. Basis data jaringan jalan diperoleh dari Dinas Pekerjaan Umum (DPU) Surakarta.

2. Matriks Awal (Prior matrix)

Prior matrix yang digunakan adalah prior matrix peneliti sebelumnya (Astri

Brilianti, 2002).

3. Data Arus Lalulintas (Traffic Count)

Data arus lalulintas tersebut menggunakan data survei sebelumnya (Rahayu

Mahanani Wijiastuti, 2007).

4. Tes Validasi

Validasi dilakukan untuk melihat seberapa besar perbedaan arus lalu lintas tiap ruas

dari hasil pengamatan dengan arus lalu lintas hasil perhitungan. Dengan mencari

besar nilai R2.

5. Pembahasan

Pembahasan ini meliputi analisis hasil estimasi MAT dari arus lalu lintas dalam

aplikasi program EMME/3 dan menganalisis tingkat validasi hasil model

dengan pengamatan.

6. Kesimpulan

Kesimpulan merupakan uraian secara singkat inti dari hasil akhir proses

pembahasan yang kemudian ditambahkan dengan saran untuk penelitian

selanjutnya agar bisa lebih dikembangkan lagi.

51

51

Alur penelitian ini dapat digambarkan seperti Gambar 3.4.

Gambar 3.4. Bagan Alir Penelitian

3.9. Prosedur Pelaksanaan Survey

Prosedur pelaksanaan survey ini berupa tahap-tahap yang harus dilakukan

sebelum dan selama pelaksanaan survey agar tidak terjadi kesalahan dalam

pengumpulan data di lapangan.

Mulai

Studi Literatur

Estimasi Matriks (EMME/3)

Data Arus Lalu Lintas (Traffic Count)

Matriks Awal (Prior Matrix)

Uji Validasi

Pembahasan

Kesimpulan dan Saran

Selesai

Pembaruan Data

52

52

3.9.1. Survey Pendahuluan

Survey dilakukan untuk menentukan waktu dan lokasi penelitian. Penentuan jam

sibuk berdasarkan penelitian sebelumnya yang telah dilakukan pada beberapa ruas

di Kota Surakarta. Penentuan lokasi penelitian berdasarkan pertimbangan

klasifikasi fungsi jalan, kondisi tata guna lahan disekitarnya, tingkat kepadatan

lalu lintas dan beberapa ruas jalan yang dianggap mewakili pada jaringan jalan

kota Surakarta.

3.9.2. Teknik Pengumpulan Data

Pengumpulan data primer pada penelitian ini dilakukan secara langsung

dilapangan dengan cara menghitung berapa banyaknya kendaraan yang melewati

suatu titik survey. Pengumpulan data tersebut dilakukan oleh surveyor secara

manual menggunakan bantuan hand tally counter untuk jenis kendaraan tertentu

yang memiliki arus besar sehingga sulit dilakukan perhitungan secara manual

(dengan turus). Hasil dari perhitungan tersebut dicatat dalam suatu formulir

survey.

3.9.3. Desain Survey

Desain survey yang dilakukan untuk mendapatkan data di lapangan meliputi:

1. Desain alat survey

Dalam melakukan survey ada dua metode yang digunakan yaitu: metode

manual (menggunakan turus atau angka yang nantinya dijumlahkan) dan tally

system (menggunakan bantuan alat). Peralatan yang digunakan disini

meliputi: alat tulis, formulir survey, hand tally counter, penunjuk waktu

(Hand Phone).

2. Desain formulir survey

Berdasarkan jenis kendaraan yang akan disurvey meliputi: Motor Cycle, Light

Vehicle (mobil penumpang, oplet, mikrobis, pick-up dan truk kecil), dan

53

53

Heavy Vehicle (bis, truk 2 as, truk 3 as, dan truk kombinasi) dan desain alat

yang digunakan, maka formulir survey yang digunakan memuat kriteria dan

contoh gambar dari kendaraan yang disurvey. Formulir isian jumlah

kendaraan diisi sesuai dengan jumlah kendaraan yang melalui ruas jalan yang

diamati dan dihitung per 5 menit selama 2 jam dimulai pukul 06.00 hingga

pukul 08.00. Karena ada sebagian yang menggunakan metode manual maka

lebar dan panjang kolom untuk pengisian disesuaikan supaya dapat memuat

turus hasil penghitungan. Contoh sket formulir Survey yang digunakan

terlampir pada lampiran G.

4. Surveyor

a. Spesifikasi surveyor

Surveyor yang dipilih adalah mereka yang dinilai telah dapat menggunakan

peralatan yang akan digunakan dan juga mengerti tentang klasifikasi

kendaraan yang disurvey.

b. Jumlah Surveyor

Jumlah surveyor yang digunakan sebanyak ±60 orang dengan penempatan

pada titik-titik yang telah ditentukan. Banyak surveyor yang ditempatkan

pada suatu titik di ruas jalan tertentu tergantung pada kelas jalan, lebar jalan,

banyak lajur dan jalur, kepadatan, dan jenis kendaraan yang melalui jalan

tersebut.

c. Tugas Surveyor

Tugas Surveyor adalah mencatat semua jenis kendaraan bermotor kedalam

formulir survey yang telah ditentukan per lima menitan berturut-turut selama

dua jam.

d. Penempatan Surveyor

Surveyor ditempatkan pada titik-titik yang telah ditentukan. Jumlah surveyor

yang ditempatkan disesuaikan dengan tingkat kepadatan, banyak sedikitnya

jenis kendaraan yang lewat ruas jalan tersebut dan juga berdasarkan

klasifikasi jalan.

54

54

3.10. Teknik Analisis Data Analisis data yang dilakukan dengan program EMME/3 adalah sebagai berikut:

3.5.1. Pembuatan jaringan jalan

Pembuatan jaringan jalan merupakan proses awal dalam penelitian ini. Dalam

program EMME/3 pembuatan jaringan jalan ini dilakukan melalui Network

Editor. Adapun data yang harus dimasukan antara lain moda, node, link,

koordinat, kapasitas arus, lebar jalan, tipe jalur.

EMME/3 (equilibre multimodal, multimodal equilibrium) merupakan software

yang professional untuk meramalkan suatu perjalanan. Selain itu EMME/3 ini

merupakan sebuah platform yang lengkap untuk meramalkan kebutuhan dan

merencanakan transportasi.

3.5.2. Estimasi Matriks

Setelah jaringan jalan selesai dibuat, langkah selanjutnya memasukkan matriks

awal ke dalam program EMME/3 melalui Emme prompt console. Emme prompt

console merupakan teks model yang digunakan untuk melakukan berbagai garis

perintah. Bentuk dari teks model ini berupa ‘module’. Emme prompt console ini

mencakup detail model kebutuhan, assignment network, perhitungan matriks dan

the emme macro language untuk melalukan otomatisasi.

Dalam proses pembuatan matriks baru metode pendekatan yang digunakan adalah

metode entropy maximum dengan bantuan program EMME/3 yaitu dengan

melakukan proses running demadj menggunakan file perintah pada Emme prompt

console.

3.5.3. Uji validasi

55

55

Hal ini dilakukan untuk mengetahui seberapa besar perbedaan yang ditimbulkan dari

arus lalu lintas hasil pengamatan dengan arus lalu lintas hasil perhitungan. Uji validasi

yang dilakukan dengan mencari nilai koefisien determinasi (R2).

Bagan alir teknik analisis data dapat dilihat pada Gambar 3.5.

Gambar 3.5. Bagan alir teknik analisis data (Estimasi Matriks EMME/3)

Traffic Count

MAT Baru

Assignment

Arus lalu lintas Tahun 2009

Konvergen Va ≈ Va’

Uji Validasi

Tidak

Ya

Estimasi Matriks (SD)

NETWORK (EMME/3)

Matriks Awal (Prior Matrix)

56

56

BAB 4

ANALISIS DAN PEMBAHASAN

4.1. Umum

Penelitian ini dilakukan dengan menggunakan program EMME/3 untuk

menentukan Matriks Asal Tujuan dari data arus lalu lintas kota Surakarta dengan

metode Steepest Descent dengan pembebanan User Equilibrium.

Program EMME/3 ini merupakan salah satu alat bantu dalam mengetahui

distribusi arus lalu lintas di kota Surakarta. Data masukan yang dipergunakan

dalam program ini antara lain data arus lalu lintas (traffic count), data ruas jalan

berupa kapasitas dan waktu tempuh pada saat arus bebas dan saat arus mencapai

kapasitas, data koordinat zona dan data prior matriks tahun 2002 dari penelitian

sebelumnya. Prosedur perhitungan data ruas jalan mengacu pada Manual

Kapasitas Jalan Indonesia (MKJI).

4.2. Pengolahan dan Penyajian Data

4.2.1. Sumber Data

a. Data Primer

Data primer dalam penelitian ini didapat dari survey penelitian pada jam 06.00

– 08.00 yang dilakukan pada tanggal 29 Oktober 2009 dan 12 November 2009

di beberapa titik dengan pertimbangan bahwa banyak pengendara

menggunakan ruas jalan tersebut dan dianggap mewakili jaringan jalan di kota

Surakarta.

57

57

b. Data Sekunder

Data sekunder lainnya yaitu data dari instansi terkait yang berada di wilayah kota

Surakarta meliputi peta administrasi kota Surakarta (Gambar 3.2), peta pembagian

zona kota Surakarta (Gambar 3.3), peta jaringan jalan kota Surakarta dan lokasi

survey (Gambar 3.1) dan juga data jaringan jalan (dapat dilihat pada lampiran).

Data hasil survey tahun 2009 dapat dilihat pada Tabel 4.1.

Tabel 4.1 Data Hasil Survey tahun 2009

NODE WAKTU Rata-rata Nama Jalan 1 2

JENIS KEND. 06.00-

06.05 06.05-06.10

06.10-06.15

06.15-06.20 … 07.55-

08.00 kend/jam

MC 75 92 108 139 … 310 2880 LV 16 13 20 24 … 43 509 105 756 HV 6 3 5 2 … 2 44.5 MC 108 214 254 229 … 336 3811.5 LV 18 44 42 56 … 65 667.5

Jl. Yos Sudarso

756 105 HV 5 7 7 8 … 9 93.5 MC 193 121 133 143 … 198 2485 LV 5 9 21 8 … 22 204.5 61 754 HV 1 3 3 2 … 4 30.5 MC 111 112 156 229 … 206 2550.5 LV 7 14 13 17 … 29 227.5

Jl. Dr. Radjiman

754 61 HV 2 6 1 4 … 4 46.5

Sumber : Data hasil survey tahun 2009

Data lengkapnya dapat dilihat pada lampiran A

4.2.2. Pembagian Zona

Zona merupakan representasi dari sistem tata guna lahan suatu wilayah.

Pembagian zona dilakukan sebagai tahap awal persiapan data masukan. Namun

dalam penelitian ini, karena data tersebut sulit didapat maka digunakan zona-isasi

yang mengacu pada sistem pembagian wilayah secara administratif pemerintahan

yaitu berupa kelurahan. Pada penelitian ini terdapat 65 zona dengan 51 zona

internal (seluruh kelurahan di kota Surakarta ) (Tabel 4.2.) dan 14 zona eksternal

(Tabel 4.3.). Setiap zona diwakili oleh satu pusat zona (centroid), yang kemudian

dihubungkan ke salah satu simpul jaringan jalan (node) dengan penghubung

58

58

(centroid conector). Selanjutnya ditentukan titik-titik koordinat seluruh simpul

ruas jalan dan pusat zona tersebut.

Tabel 4.2. Pembagian zona internal

1. Wilayah Kecamatan Laweyan No. Zona Nama Zona

701 Karangasem 702 Jajar 703 Kerten 704 Pajang 705 Sondakan 706 Laweyan 707 Bumi 708 Purwosari 709 Penumping 710 Panularan 711 Sriwedari

2. Wilayah Kecamatan Serengan

No. Zona Nama Zona 712 Tipes 713 Kemlayan 714 Jayengan 715 Kratonan 716 Serengan 717 Danukusuman 718 Joyotakan

3. Wilayah Kecamatan Pasar Kliwon No. Zona Nama Zona

719 Kampung Baru 720 Kauman 721 Sangkrah 722 Kedunglumbu 723 Baluwarti 724 Semanggi 725 Gajahan

59

59

726 Pasar Kliwon 727 Joyosuran

4. Wilayah Kecamatan Banjarsari No. Zona Nama Zona

728 Kadipiro 729 Banyuanyar 730 Nusukan 731 Sumber 732 Gilingan 733 Manahan 734 Mangkubumen 735 Punggawan 736 Kestalan 737 Ketelan 738 Setabelan 739 Timuran 740 Keprabon

5. Wilayah Kecamatan Jebres No. Zona Nama Zona

741 Mojosongo 742 Jebres 743 Tegalharjo 744 Kepatihan Kulon 745 Kepatihan Wetan 746 Purwodiningratan 747 Jagalan 748 Pucangsawit 749 Sudiroprajan 750 Gandekan 751 Kampungsewu

Tabel 4.3. Pembagian zona eksternal

No. Zona Nama Zona

60

60

752 Colomadu 753 Pabelan Kartosuro 754 Makam Haji Kartosuro 755 Cemani 756 Solo Baru 757 Grogol Sukoharjo 758 Bekonang No.

Zona Nama Zona 759 Palur Karanganyar 760 Plupuh Sragen 761 Jl. Clolo arah Karanganyar 762 Arah Purwodadi 763 Ngemplak Boyolali 764 Gentan Sukoharjo 765 Kebak Kramat Karanganyar

4.2.3. Satuan Mobil Penumpang

Data yang diperoleh dari hasil survei berupa volume arus lalu lintas. Agar

diperoleh volume lalu lintas dalam satuan kendaraan, maka beberapa jenis

kendaraan perlu dikonversi ke dalam satuan mobil penumpang. Pada pelaksanaan

survei traffic count digunakan interval waktu 5 menitan selama 2 jam sehingga

terdapat 24 buah data volume arus lalu lintas. Data yang dipakai adalah nilai

tertinggi dari 13 buah data perjam yang didapat dari perhitungan 24 data tersebut.

Perhitungan untuk mendaatkan data yang dipakai dapat dilihat pada Tabel 4.4.

Contoh : Nama jalan : Urip Sumoharjo

Nomor ruas : 85 – 86

Tabel 4.4. Perhitungan jumlah kendaraan pada jam puncak (dalam 1 jam)

NODE WAKTU

1 2 JENIS KEND. 06.40-

06.45 06.45-06.50

06.50-06.55

06.55-07.00

07.00-07.05

07.05-07.10

07.10-07.15

07.15-07.20

07.20-07.25

07.25-07.30

07.30-07.35

07.3507.40

85 86 MC 289 269 199 174 237 193 254 227 162 187 133 295 LV 21 23 28 18 29 31 30 31 17 31 15 26 HV 3 2 4 1 4 1 4 1 3 4 1 4

∑MC=1258 ∑LV=150 ∑HV=17

∑MC=1326 ∑LV=159 ∑HV=16

61

61

Selanjutnya dilakukan konversi ke dalam satuan mobil penumpang sesuai Tabel

2.1. Contoh perhitungan dapat dilihat pada Tabel 4.5.

Contoh : Nama jalan : Urip Sumoharjo

Nomor ruas : 85 - 86

Tabel 4.5. Konversi Satuan kendaraan ke smp

NODE Arus (smp/jam) Nama Jalan

1 2

JENIS KEND.

Faktor konversi 06.00-

07.00 06.05-07.05

06.10-07.10

06.15-07.15

… 07.00-08.00

MC 0,25 621 663 692 710 … 819

LV 1 473 508 538 554 … 545 105 756

HV 1,3 52 49 48 44 … 64

TOTAL 1146 1220 1278 1308 … 1391

MC 0,25 904 930 956 954 … 1002

LV 1 661 702 727 730 … 674 756 105

HV 1,3 108 109 113 114 … 135

Jl. Yos Sudarso

TOTAL 1673 1741 1796 1799 … 1795

MC 0,25 641 647 683 686 … 601

LV 1 167 188 202 201 … 242 61 754

HV 1,3 33 33 34 35 … 47

TOTAL 841 867 919 922 … 962

MC 0,25 613 635 667 685 … 663

LV 1 212 219 226 236 … 243 754 61

HV 1,3 51 56 57 62 … 70

Jl. Dr. Radjiman

TOTAL 875 910 950 984 … 970

Data lengkap konversi dari satuan kendaraan ke satuan mobil penumpang dapat

dilihat pada lampiran B.

4.2.4. Kapasitas

Kapasitas pada suatu ruas jalan dapat dihitung dengan menggunakan Persamaan

(2.1)

maksimum ∑MC=2619 maksimum ∑LV=300 maksimum ∑HV=32

∑MC=1284 ∑LV=167 ∑HV=15

62

62

Contoh:

Nama jalan : Urip Sumoharjo


Tipe operasi : Empat lajur dua arah tak terbagi (4/2 UD)

Lebar jalan : 14 meter ( total 2 arah)

Hambatan samping : tinggi

Lebar bahu : -

Jarak kerb-penghalang : 1 meter

Jumlah penduduk : 566.768 jiwa

Berdasarkan data di atas, maka pada nomor ruas 85 – 86 dapat ditentukan :

Ø Kapasitas dasar (lihat Tabel 2.3) Co = 1500

Ø Faktor penyesuaian lebar lajur (lihat Tabel 2.4) FCw = 1,00

Ø Faktor penyesuaian pemisah arah (lihat Tabel 2.5) FCsp = 1,00

Ø Faktor penyesuaian hambatan samping (lihat Tabel

2.6./2.7) FCsf = 0,81

Ø Faktor penyesuaian ukuran kota (lihat Tabel 2.9) FCcs = 0,94

Sehingga kapasitas (smp/jam)

C = Co x FCw x FCsp x FCsf x FCcs

= 1500 x 1,00 x 1,00 x 0,81 x 0,94

= 1142 smp/jam

Karena ruas tersebut terdiri atas 4 lajur maka kapasitas total ruas tersebut

= 4 x 1142 = 4568 smp/jam

Data lengkap tentang perhitungan kapasitas dapat dilihat pada lampiran C.

4.2.5. Waktu Tempuh

63

63

Waktu tempuh adalah waktu yang dibutuhkan untuk melintasi suatu ruas,

dinyatakan dalam suatu waktu (detik). Waktu tempuh diperoleh dengan membagi

jarak dengan kecepatan. Waktu yang dibutuhkan kendaraan tunggal pada suatu

ruas jalan merupakan waktu tempuh pada saat arus bebas. Waktu tempuh suatu

ruas dapat diperoleh dengan mengetahui kecepatan arus bebas dan panjang ruas

tersebut.

Dibawah ini diberikan suatu contoh perhitungan waktu tempuh dengan

menggunakan analisis kecepatan pada ruas jalan 85 - 86.

Contoh:

Nama jalan : Urip Sumoharjo


Tipe operasi : Empat lajur dua arah tak terbagi (4/2 UD)

Lebar jalan : 14 meter ( total 2 arah)

Hambatan samping : tinggi

Lebar bahu : -

Jarak kerb-penghalang : 1 meter

Jumlah penduduk : 566.768 jiwa

Berdasarkan data di atas, maka pada nomor ruas 211 – 511 dapat ditentukan :

Ø Kecepatan arus bebas dasar (lihat Tabel 2.10) FVo = 53

Ø Faktor penyesuaian lebar jalur lalu lintas FVw = 0

(lihat Tabel 2.11)

Ø Faktor penyesuaian hambatan samping (lihat Tabel

2.12/2.13) FFVsf = 0,81

Ø Faktor penyesuaian ukuran kota (lihat Tabel 2.14) FFVCcs = 0,95

Sehingga kecepatan arus bebas (km/jam), sesuai Persamaan (2.4)

F = ((Fvo + Fvw) x FFVsf x FFVcs

= (53+0) x 0,81 x 0,95

= 40,78 km/jam

64

64

Sedangkan untuk menghitung kecepatan pada saat arus mencapat kapasitas, dapat

digunakan Persamaan (2.5)

Vc = 0,5 x Vo

= 0,5 x 40,78

= 20,39 km/jam

Dari contoh diatas, maka waktu tempuh pada saat arus bebas (to) dan waktu

tempuh pada saat kapasitas (tc) adalah:

to = 3600´VS

tc = 3600´VcS

to = 360078,4021,0

´ tc = 360039,2021,0

´

to = 18,54 detik tc = 37,07 detik

Data lengkap mengenai waktu tempuh pada saat arus bebas dapat dilihat pada

lampiran D.

4.3. Analisis dengan Program EMME/3

4.3.1. Basis Data Jaringan Jalan

Pada bagian ini berisi input data ruas jalan yang meliputi : node awal dan akhir,

waktu tempuh, baik pada saat arus bebas maupun pada saat arus mencapai

kapasitas, kapasitas, dan jarak dengan format seperti Tabel 4.6 dibawah ini :

Tabel 4.6. Format masukan basis data jaringan jalan

Node Waktu tempuh pada Total

Awal Akhir Arus Bebas Kapasitas Kapasitas Jarak

A B (detik) (detik)

Tipe Operasi

(m)

65

65

(smp/jam/ruas)

701 1 120 120 0 2 330

702 2 120 120 0 2 220

703 4 120 120 0 2 240

703 3 120 120 0 2 360

703 171 120 120 0 2 250

… … … … … … …

298 93 101.67 203.34 4269 2 990

Tipe operasi yang dimaksud dalam tabel tersebut adalah jumlah jalur atau arah

ruas jalan. Data lengkapnya dapat dilihat pada lampiran E.

Selain itu, data masukan lain yang diperlukan adalah data koordinat. Koordinat

diperlukan dalam basis data masukan dalam program EMME/3 untuk

menggambarkan network yang akan dipakai. Data tersebut terdiri dari data

koordinat zona maupun koordinat simpul-simpul jaringan jalan seperti pada Tabel

4.7. berikut :

Tabel 4.7. Koordinat kota Surakarta

Node koordinat X koordinat Y 701 1394.716 4631.21

702 2005.345 4315.733

703 2919.327 4081.073

704 1944.118 2994.703

705 2886.463 3338.475

… … …

298 9880 4550 Data koordinat lebih detail dapat dilihat pada lampiran F.

Input data dalam program EMME/3 dapat dilakukan dengan Network Editor yang

66

66

merupakan salah satu bagian terpenting dalam program ini. Selain ketersediaan

tabel input, Network Editor juga menyediakan ruang dalam bentuk peta jaringan

jalan (Gambar 4.1). Untuk editor toolbarnya dapat dilihat pada Gambar 4.2.

Gambar 4.1. Network Editor

Gambar 4.2. Editor toolbar

4.3.2 Data volume lalu lintas (traffic count)

Data arus lalu lintas yang digunakan adalah data yang diperoleh dari survei traffic

count dan telah dikonversi ke satuan mobil penumpang per jam (smp/jam) seperti

Tabel 4.8. berikut ini:

Tabel 4.8. Data Arus Lalu Lintas Tahun 2009

Node Traffic Count No.

1 2 (smp/jam)

1 701 1 1287

2 754 61 984

3 755 136 627

67

67

4 756 105 1811

5 757 288 879

6 758 145 1161

7 760 287 28

8 763 56 679

9 764 117 671

10 765 55 588

11 1 701 1285

12 2 3 1057

Berlanjut…

Tabel 4.8. Data Arus Lalu Lintas Tahun 2009 (lanjutan)


1 2 (smp/jam)

13 3 2 1154

14 3 26 708

15 8 9 989

16 22 78 1872

17 23 752 1012

18 25 26 2135

19 26 3 959

20 26 25 1381

21 35 36 1432

22 35 264 1311

23 36 35 1356

24 37 266 617

25 39 86 1109

26 40 41 898

27 41 40 1188

28 46 47 650

29 47 46 807

30 51 89 729

31 55 765 652

32 56 763 438

33 61 754 962

34 66 67 864

35 67 66 850

36 78 22 627

37 85 86 996

38 86 39 1339

39 86 91 923

40 89 51 450

41 91 94 318

42 94 91 952

43 95 759 1827

44 105 756 1443

45 117 764 571

46 128 127 530

47 133 167 807

68

68

48 136 755 387

49 138 139 578

50 139 138 589

51 145 758 406

52 167 133 794

53 188 189 936

54 189 188 1030

55 193 208 404

56 208 193 789

57 241 92 1183

Berlanjut…

Tabel 4.8. Data Arus Lalu Lintas Tahun 2009 (lanjutan)


1 2 (smp/jam)

58 256 257 394

59 257 256 448

60 260 35 174

61 264 35 1054

62 266 37 1136

63 271 762 531

64 287 760 30

65 288 757 827

Sumber : data penelitian tahun 2009

4.3.3. Data Matrik Awal (prior matrix)

Data matrik awal menggunakan MAT hasil penelitian tahun sebelumnya oleh

Astri Brilianti (2002). MAT awal diperoleh dengan menggunakan metode

pembebanan wardrop equilibrium. Matrik awal dapat dilihat pada Tabel 4.9.

69

69

Tabel 4.9. Prior Matrix Tahun 2002

Tujuan Asal 701 702 703 704 705 706 707 708 709 710 711 712

701 0.00 1.00 0.50 0.50 0.50 0.50 0.50 0.50 0.90 0.90 1.70 0.90

702 1.00 0.00 1.00 0.50 0.50 0.50 0.50 26.50 0.90 0.90 1.70 0.90

703 0.30 1.00 0.00 1.00 1.00 1.00 1.00 1.00 1.70 1.70 3.30 1.70

704 0.30 0.30 1.00 0.00 1.00 1.00 1.00 1.00 1.00 4.80 1.00 4.80

705 0.30 0.30 1.00 1.00 0.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00

706 0.30 0.30 1.00 1.00 1.00 0.00 1.00 1.00 1.00 4.80 1.00 4.80

707 0.30 0.30 1.00 1.00 1.00 1.00 0.00 1.00 1.00 1.00 1.00 1.00

708 0.30 0.30 1.00 1.00 1.00 1.00 1.00 0.00 1.00 1.00 2.00 1.00

709 0.40 0.40 1.30 7.20 1.00 1.00 1.00 1.00 0.00 1.00 2.00 1.00

710 0.40 0.40 1.30 1.80 1.00 7.20 0.90 1.00 0.90 0.00 1.00 1.00

711 0.40 5.30 1.30 7.20 1.00 1.80 0.50 1.00 0.90 1.00 0.00 1.00

712 0.40 0.40 1.30 1.80 1.00 7.20 0.90 1.00 0.90 1.00 1.00 0.00

713 0.40 2.60 1.30 1.80 1.00 1.80 0.50 1.00 0.90 1.00 1.00 1.00

714 0.20 0.20 0.70 1.80 1.00 1.80 0.50 1.00 1.80 1.00 1.00 1.00

715 0.20 0.20 0.70 1.80 1.00 1.80 0.50 1.00 0.50 1.00 1.00 1.00

716 0.40 0.40 1.30 7.20 1.00 7.20 0.90 1.00 0.90 1.00 1.00 1.00

717 0.20 0.20 0.70 1.80 1.00 1.80 0.50 1.00 2.70 1.00 1.00 1.00

718 0.40 0.40 1.30 7.20 1.00 7.20 0.90 1.00 0.90 1.00 1.00 1.00

719 0.40 2.60 1.30 1.30 1.30 1.80 0.90 1.00 1.00 1.00 1.00 1.00

720 1.60 9.50 4.80 6.50 1.80 6.50 1.60 3.60 3.20 1.80 3.60 3.60

721 0.40 2.60 1.30 4.00 1.70 4.40 1.10 1.10 1.00 1.20 2.00 2.40

722 0.50 3.20 1.60 6.50 1.30 6.50 1.60 1.20 0.70 1.80 3.60 3.60

723 0.30 4.30 0.80 9.80 1.30 9.70 1.60 0.60 0.70 1.80 1.80 1.60

724 0.30 5.50 1.00 2.80 0.80 2.80 0.70 0.80 1.40 0.80 0.80 1.60

725 1.70 1.70 5.20 28.20 3.90 28.00 3.50 3.90 1.80 3.90 3.90 1.00

726 0.30 4.60 0.90 14.30 0.80 4.20 0.70 0.70 1.20 0.80 0.80 1.60

727 0.30 0.30 1.00 2.80 0.80 2.80 0.70 0.80 1.40 0.80 0.80 1.60

728 1.10 1.60 1.60 1.60 1.60 1.00 2.00 85.80 1.60 1.10 2.20 2.20

729 1.30 2.00 2.00 2.00 2.00 2.00 5.40 252.90 6.90 6.90 11.60 4.50

730 1.20 1.80 1.80 1.10 1.10 1.20 2.00 92.40 1.60 1.10 2.20 2.20

731 1.30 2.00 2.00 2.00 2.00 2.00 5.40 252.90 6.80 6.80 12.90 6.60

732 0.80 2.40 2.40 1.70 1.50 1.30 2.00 92.40 1.60 1.10 2.20 2.20

733 0.30 4.00 1.80 1.00 1.00 1.00 1.60 74.60 1.00 1.00 2.00 1.00

734 0.40 4.20 13.50 1.10 1.10 1.10 1.00 47.00 1.00 1.00 1.00 1.00

735 0.30 4.00 21.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00

736 0.30 4.00 21.00 2.70 2.70 4.90 2.00 2.20 2.20 1.10 2.20 2.20

737 0.90 10.60 2.20 2.70 2.70 4.90 2.00 2.20 2.20 1.10 2.20 2.20

738 0.40 0.40 1.70 1.30 1.30 1.90 0.90 1.00 1.00 1.00 1.00 1.00

739 0.40 5.10 1.30 1.30 1.30 2.10 0.90 1.00 1.00 1.00 1.00 1.00

740 0.40 2.60 1.30 1.30 1.30 1.10 0.90 1.00 1.00 1.00 1.00 1.00

741 8.50 9.60 9.60 2.80 1.90 1.20 0.90 54.40 1.00 2.00 1.00 8.10

742 12.10 14.90 14.90 1.70 1.70 6.10 1.20 1.40 1.40 1.40 1.40 2.70

743 0.30 0.50 0.50 1.00 1.00 1.90 1.00 0.80 0.80 0.60 0.80 1.20

744 0.40 5.10 1.70 1.30 1.30 1.90 0.90 1.00 1.00 1.00 1.00 1.00

745 0.40 5.10 1.30 1.30 1.30 1.80 0.90 1.00 1.00 1.00 1.00 1.00

746 0.30 0.10 0.90 0.90 0.90 3.00 0.60 0.70 0.70 0.70 0.70 1.30

747 0.40 0.20 1.20 1.20 1.20 1.60 0.80 0.90 0.90 0.40 0.90 0.90

748 1.20 23.80 3.50 3.50 3.50 10.50 2.40 2.70 2.70 1.80 2.70 4.50

70

70

749 0.40 2.60 1.30 1.30 1.30 1.80 0.90 1.00 1.00 1.00 1.00 1.00

750 0.30 1.70 0.90 0.90 0.90 1.20 0.60 0.70 0.70 0.30 0.70 0.70

751 0.40 2.30 1.20 1.20 1.20 1.60 0.80 0.90 0.90 0.40 0.90 0.90

752 1.00 1.00 1.00 1.00 1.00 1.00 1.00 0.50 4.70 4.70 9.40 4.70

753 3.90 3.90 2.00 2.00 2.00 2.00 2.00 2.00 3.40 3.40 7.50 3.40

754 1.00 1.00 3.00 3.00 3.00 3.00 3.00 3.00 3.00 13.20 2.80 13.20

755 0.40 0.40 1.30 7.20 1.00 7.20 0.90 1.00 0.90 1.00 1.00 1.00

756 1.60 1.60 4.80 26.30 3.60 26.20 3.30 3.60 9.80 3.60 3.60 3.60

757 1.70 1.70 5.30 28.70 4.00 28.50 3.60 4.80 2.10 4.00 4.00 3.90

758 1.10 17.80 3.40 9.10 2.50 9.10 2.30 2.50 4.50 2.50 2.50 5.00

759 1.60 12.70 17.10 7.80 7.80 23.10 5.40 6.00 6.00 3.00 6.00 10.60

760 8.50 9.60 9.60 2.80 1.90 1.20 1.00 54.40 0.80 0.40 0.80 0.80

761 2.10 2.40 2.40 2.40 2.40 2.10 3.90 151.50 3.20 2.20 4.50 4.50

762 2.50 3.20 3.20 3.20 3.20 2.00 3.90 177.00 3.10 1.10 4.40 4.40

763 3.40 3.40 1.00 1.00 1.00 1.00 2.70 138.70 3.40 3.40 7.10 3.10

764 0.30 0.30 1.00 1.00 1.00 1.00 1.00 1.00 1.00 4.80 1.00 4.80

765 3.90 4.50 4.50 1.30 0.90 0.50 0.40 25.30 0.50 0.90 0.50 3.70

SDd 78.80 222.40 205.80 256.50 101.80 277.50 98.00 1598.90 118.70 123.00 150.70 161.20

Tabel 4.9. Prior Matrix Tahun 2002 Tujuan

Asal 713 714 715 716 717 718 719 720 721 722 723 724

701 2.20 1.70 1.70 1.70 1.70 1.70 2.20 2.20 2.20 1.50 1.50 1.50

702 2.20 1.70 1.70 1.70 1.70 1.70 1.10 2.20 2.20 1.50 1.50 1.50

703 4.20 3.30 3.30 3.30 3.30 3.30 4.20 4.20 4.20 2.90 2.90 3.00

704 3.70 1.00 4.80 4.80 4.80 4.80 3.70 3.70 3.70 3.50 3.50 4.30

705 2.90 1.00 1.00 1.00 1.00 1.00 3.00 3.00 3.00 2.00 1.00 0.90

706 1.20 1.00 4.80 4.80 4.80 4.80 1.30 1.30 1.30 6.90 6.90 4.30

707 1.20 1.00 1.00 1.00 1.00 1.00 1.30 1.30 1.30 0.90 0.90 0.90

708 2.50 2.00 2.00 2.00 2.00 2.00 2.50 2.50 2.50 1.90 1.70 1.80

709 2.50 2.00 2.00 2.00 2.00 2.00 2.50 2.50 2.50 1.90 1.70 1.80

710 1.20 1.00 1.00 1.00 1.00 1.00 1.30 1.30 1.30 0.90 0.90 0.90

711 1.20 1.00 1.00 1.00 1.00 1.00 1.30 1.30 1.30 0.90 0.90 0.90

712 3.00 1.00 1.00 1.00 1.00 1.00 3.00 3.00 3.00 2.00 0.90 0.90

713 0.00 1.00 1.00 1.00 4.00 1.00 1.00 1.00 1.00 0.70 0.70 0.70

714 3.00 0.00 1.00 1.00 1.00 1.00 3.00 3.00 3.00 2.00 1.00 0.90

715 3.00 1.00 0.00 1.00 1.00 1.00 3.00 3.00 3.00 2.00 0.90 0.90

716 3.00 1.00 1.00 0.00 1.00 1.00 3.00 3.00 3.00 2.00 0.90 0.90

717 3.00 1.00 1.00 1.00 0.00 1.00 7.00 7.00 0.70 1.00 1.00 1.00

718 3.00 1.00 1.00 1.00 1.00 0.00 1.00 1.00 0.70 1.00 1.00 1.00

719 1.00 1.00 1.00 1.00 4.00 1.00 0.00 1.00 1.00 0.70 0.70 0.70

720 10.80 3.60 3.60 3.60 14.40 3.60 1.00 0.00 1.00 0.70 0.70 0.70

721 2.40 2.40 2.40 2.40 0.70 0.70 1.00 0.70 0.00 0.70 0.70 0.70

722 3.60 3.60 3.60 3.60 1.00 1.00 0.70 1.00 0.70 0.00 1.00 1.00

723 14.40 1.60 1.60 1.60 1.00 1.00 0.70 1.00 0.70 1.00 0.00 1.00

724 4.70 1.60 1.60 1.60 1.00 1.00 0.70 1.10 0.70 1.00 1.00 0.00

725 44.80 7.00 1.00 1.00 1.00 1.00 2.80 1.00 0.60 0.90 0.90 0.90

726 6.30 1.60 1.60 1.60 1.00 1.00 0.70 1.00 0.70 1.00 1.00 1.00

727 4.70 1.60 1.60 1.00 1.00 1.00 0.70 1.60 0.70 1.00 1.00 1.00

728 2.80 2.20 2.20 2.20 6.60 1.60 4.80 1.70 4.80 3.30 3.30 3.30

729 2.80 2.20 2.20 2.20 5.90 1.50 1.00 1.00 1.00 0.70 0.70 0.70

730 2.80 2.20 2.20 2.20 5.90 1.50 1.00 1.00 1.00 0.70 0.70 0.70

731 14.90 11.80 11.80 11.80 11.80 11.80 4.70 14.40 14.40 9.80 9.80 10.50

732 2.80 2.20 2.20 2.20 5.90 1.50 1.00 1.00 1.00 0.70 0.70 0.70

733 2.50 2.00 2.00 2.00 2.00 2.00 1.20 2.50 2.50 1.70 1.70 1.80

734 1.30 1.00 1.00 1.00 1.00 1.00 1.00 1.30 1.20 0.90 0.90 0.90

735 1.30 1.00 1.00 1.00 1.00 1.00 1.00 1.10 1.10 0.70 0.70 0.90

736 2.80 2.20 2.20 2.20 4.00 1.00 1.00 1.00 1.00 0.70 0.70 0.70

737 2.80 2.20 2.20 2.20 2.20 2.20 1.00 1.00 1.00 0.70 0.70 0.80

738 1.00 1.00 1.00 1.00 4.00 1.00 1.00 1.00 1.00 0.70 0.70 0.70

739 1.30 1.00 1.00 1.00 1.00 1.00 1.30 1.30 1.30 0.90 0.90 0.90

740 1.00 1.00 1.00 1.00 4.00 1.00 1.00 1.00 1.00 0.70 0.70 0.70

741 10.90 10.40 10.90 10.90 43.60 5.40 10.90 10.90 5.40 3.70 3.70 3.70

742 2.70 2.70 2.70 2.70 10.90 1.40 2.70 2.70 1.40 0.90 0.90 0.90

743 2.70 2.70 1.40 2.70 10.90 1.40 2.70 2.70 1.40 0.90 0.90 0.90

744 1.00 1.00 1.00 1.00 4.00 1.00 1.00 1.00 1.00 0.70 0.70 0.70

745 1.00 1.00 1.00 1.00 4.00 1.00 1.00 1.00 1.00 0.70 0.70 0.70

746 1.30 1.30 1.30 1.30 0.50 0.50 1.30 1.30 0.70 0.50 0.50 0.50

747 0.90 0.90 0.90 0.90 0.70 0.70 0.90 0.90 1.00 0.70 0.70 0.70

Berlanjut…

71

71

Tujuan Asal 713 714 715 716 717 718 719 720 721 722 723 724

748 4.50 4.50 4.50 4.50 3.30 3.40 4.50 4.50 4.90 3.30 3.30 3.30

749 1.00 1.00 1.00 1.00 0.70 0.70 1.00 1.00 1.00 0.70 0.70 0.70

750 0.70 0.70 0.70 0.70 0.50 0.50 0.70 0.70 0.70 0.50 0.50 0.50

751 0.90 0.90 0.90 0.90 0.70 0.70 0.90 0.90 1.00 0.70 0.70 0.70

752 11.90 9.40 9.40 9.40 9.40 9.40 8.60 11.90 11.90 8.10 8.10 8.30

753 9.50 7.50 7.50 7.50 7.50 7.50 9.50 9.50 9.50 6.40 6.40 6.60

754 10.90 3.00 13.20 13.20 13.20 13.20 11.00 11.00 11.00 7.50 7.50 11.90

755 3.00 1.00 1.00 1.00 1.00 1.00 3.00 3.00 3.00 2.00 0.90 0.90

756 10.90 3.60 3.60 3.60 3.60 3.60 25.40 25.40 25.40 3.30 3.30 3.30

757 18.90 5.20 5.20 3.40 3.40 3.40 3.10 5.20 3.10 4.70 3.40 3.40

758 15.10 5.00 5.00 5.00 3.20 3.20 2.10 3.40 2.10 3.20 3.20 3.20

759 10.60 10.60 10.60 10.60 7.90 8.00 10.60 10.60 11.60 7.90 7.90 7.90

760 1.10 6.60 1.00 8.50 34.10 4.30 10.70 10.70 5.40 3.70 3.70 3.70

761 5.70 4.50 4.50 4.50 11.50 3.30 9.70 3.40 9.70 6.60 6.60 6.60

762 5.60 4.40 4.40 4.40 13.80 3.20 9.50 3.40 9.50 6.50 6.50 6.50

763 4.00 3.10 3.10 3.10 11.30 2.80 1.00 1.00 1.00 0.70 0.70 0.70

764 1.40 1.00 4.80 4.80 4.80 4.80 1.40 1.40 1.40 1.00 1.00 4.30

765 5.10 4.90 5.10 5.10 20.30 2.50 5.10 5.10 2.50 1.70 1.70 1.70

SDd 317.10 175.60 185.00 191.40 338.50 156.60 213.00 216.80 204.90 141.30 133.20 140.70


Asal 725 726 727 728 729 730 731 732 733 734 735 736

701 1.70 1.50 1.60 1.30 1.60 1.30 1.60 8.80 0.50 0.60 0.50 0.50

702 1.70 1.50 1.60 1.70 2.00 1.70 2.00 16.80 0.50 0.60 0.50 0.50

703 3.30 2.90 3.00 1.70 2.00 1.70 2.00 16.80 3.50 3.50 3.50 3.50

704 20.70 0.90 4.30 1.70 2.00 1.70 2.00 1.20 1.00 1.10 1.00 1.00

705 1.00 1.00 0.90 1.70 2.00 2.30 2.00 1.20 1.00 1.10 1.00 1.00

706 20.20 0.90 4.30 2.30 2.00 1.20 2.00 1.20 1.00 1.10 1.00 1.00

707 1.00 0.90 0.90 3.10 4.70 1.60 4.70 1.60 1.30 1.00 1.30 2.10

708 2.00 1.70 1.80 64.20 4.70 62.20 4.70 64.20 1.30 41.00 54.90 4.40

709 2.00 1.70 1.80 2.00 3.50 2.00 3.50 1.00 1.00 1.00 1.00 4.10

710 4.00 0.90 0.90 1.00 1.00 1.00 4.70 1.00 1.30 41.00 2.50 2.10

711 1.00 0.90 0.90 1.00 1.00 1.00 3.50 1.00 1.00 1.00 2.50 2.10

712 1.00 0.90 0.90 1.00 1.00 1.00 4.70 1.00 1.30 41.00 2.50 1.00

713 1.00 0.70 0.90 1.00 1.00 1.00 1.80 1.00 1.00 1.00 2.50 1.00

714 1.00 0.90 0.90 3.00 3.00 3.00 9.40 3.00 2.70 2.00 5.00 3.00

715 1.00 0.90 0.90 3.00 3.00 3.00 2.30 3.00 0.70 2.00 5.00 3.00

716 1.00 0.90 1.00 3.00 3.00 3.00 9.40 3.00 2.70 2.00 5.00 3.00

717 1.00 1.00 1.00 7.00 7.00 7.00 14.00 7.00 3.00 3.00 7.50 7.00

718 1.00 1.00 1.00 1.00 1.00 1.00 1.80 1.00 1.00 1.00 2.50 1.00

719 1.00 0.70 0.70 1.00 1.00 1.00 1.80 1.00 1.00 1.00 2.50 1.00

720 1.00 0.70 0.80 1.00 1.00 1.00 1.80 1.00 1.00 1.00 2.50 1.00

721 0.90 0.70 0.70 1.00 1.00 1.00 1.80 1.00 1.00 1.00 2.50 1.00

722 1.30 1.00 1.00 0.70 0.70 0.70 1.20 0.70 0.70 0.70 1.70 0.70

723 1.60 1.00 1.00 0.70 0.70 0.70 1.20 0.70 0.70 0.70 1.70 0.70

724 1.60 1.00 1.00 0.70 0.70 0.70 1.20 0.70 0.70 0.70 1.70 0.70

725 0.00 0.90 0.90 2.80 2.80 2.80 4.80 2.80 2.80 2.80 6.90 2.80

726 1.60 0.00 1.00 0.70 0.70 0.70 1.20 0.70 0.70 0.70 1.70 0.70

727 1.60 1.00 0.00 0.70 0.70 0.70 2.50 0.70 1.40 1.40 3.50 0.70

728 1.60 3.30 3.30 0.00 0.80 1.00 0.80 1.00 1.30 1.30 1.00 1.00

729 1.40 0.70 0.70 0.80 0.00 0.80 1.00 1.00 7.10 2.00 2.00 1.00

730 1.40 0.70 0.70 1.00 0.90 0.00 0.90 1.00 1.30 1.30 1.00 1.00

731 11.80 9.80 10.50 0.80 1.00 0.80 0.00 3.10 7.10 2.60 2.60 2.60

732 1.40 0.70 0.70 1.00 1.00 1.00 1.60 0.00 1.30 1.30 1.00 1.00

733 2.00 1.70 1.80 1.20 43.80 1.20 43.80 1.20 0.00 1.00 1.00 1.00

734 1.00 0.90 0.90 1.00 2.00 1.00 2.00 1.00 1.00 0.00 1.00 1.00

735 1.00 0.70 0.90 1.00 1.00 1.00 2.00 1.00 1.00 1.00 0.00 1.00

736 1.00 0.70 0.70 1.00 1.00 1.00 2.00 1.00 1.00 1.00 1.00 0.00

737 2.20 0.70 2.00 1.00 1.00 1.00 2.00 1.00 1.00 1.00 1.00 1.00

738 1.00 0.70 0.70 1.00 1.00 1.00 1.60 1.00 1.00 1.00 1.00 1.00

739 1.00 0.90 0.90 1.00 1.00 1.00 3.50 1.00 1.00 1.00 2.50 2.10

740 1.00 0.70 0.90 1.00 1.00 1.00 1.80 1.00 1.00 1.00 2.50 1.00

741 10.90 3.70 3.70 7.90 6.40 7.90 6.40 1.00 1.30 0.40 0.40 0.40

742 2.70 0.90 0.90 26.20 6.10 6.10 9.70 0.40 0.40 0.40 0.40 0.40

743 2.70 0.90 0.90 0.40 0.20 0.20 0.30 0.40 0.40 0.40 0.40 0.40

744 1.00 0.70 0.70 1.00 1.00 1.00 1.60 1.00 1.00 1.00 1.00 1.00

745 1.00 0.70 0.70 1.00 1.00 1.00 1.60 1.00 1.00 1.00 1.00 1.00

Berlanjut…

72

72

746 1.20 0.50 0.50 0.70 0.30 0.30 0.50 0.70 0.70 0.70 0.70 0.70

747 0.90 0.70 0.70 0.70 0.30 0.30 0.60 0.70 0.90 0.70 0.70 0.70

748 4.50 3.30 3.30 18.30 16.30 16.30 25.70 16.30 4.50 5.10 5.10 3.40

749 0.90 0.70 0.70 1.00 1.00 1.00 1.80 1.00 1.00 1.00 1.00 1.00

750 0.60 0.50 0.50 0.70 0.70 0.70 1.10 0.70 0.70 0.70 0.70 0.70

751 0.90 0.70 0.70 0.70 0.70 0.70 1.30 0.70 0.90 0.70 0.70 0.70

752 9.40 8.10 8.40 3.00 3.60 3.00 3.60 25.60 7.20 7.20 7.20 7.20

753 7.50 6.40 6.70 5.80 6.90 5.80 6.90 34.20 2.00 2.30 2.00 2.00

754 55.60 2.50 11.90 4.90 5.90 5.10 5.90 3.50 3.00 3.30 3.00 3.00

755 1.00 0.90 0.90 1.00 1.00 1.00 4.70 1.00 1.30 41.00 2.50 2.10

756 3.60 3.30 3.60 25.40 25.40 25.40 50.90 25.40 10.90 10.90 27.20 25.40

757 5.20 3.40 3.40 5.60 5.60 5.60 11.80 5.60 3.40 3.40 8.40 5.60

758 5.00 3.20 3.20 2.10 2.10 2.10 3.70 2.10 2.10 2.10 5.30 2.10

759 10.60 7.90 7.90 37.60 7.10 7.10 11.20 33.40 80.30 80.30 80.30 80.30

760 8.50 3.70 3.70 7.90 6.40 7.90 6.40 1.00 1.30 0.40 0.40 0.40

761 3.20 6.60 6.60 2.00 1.60 2.00 1.60 2.00 2.60 2.60 2.00 2.00

762 3.20 6.50 6.50 2.00 1.60 2.00 1.60 2.00 2.50 2.50 2.00 2.00

763 2.80 0.70 0.70 0.80 1.00 0.80 1.00 1.00 3.50 3.50 3.50 1.00

764 20.20 0.90 4.30 1.70 2.00 2.30 2.00 1.20 1.00 1.10 1.00 1.00

765 5.10 1.70 1.70 3.70 3.00 3.70 3.00 0.50 0.60 0.20 0.20 0.20

SDd 272.20 119.40 143.20 283.90 217.50 227.10 321.50 319.80 195.40 343.40 299.10 210.00


Asal 737 738 739 740 741 742 743 744 745 746 747 748

701 1.60 1.70 1.70 2.20 11.10 7.00 1.00 1.70 1.70 0.80 2.10 15.60

702 1.60 0.90 0.90 1.10 14.30 9.30 9.30 0.90 0.90 0.80 1.00 10.40

703 3.80 3.30 3.30 4.20 14.30 31.10 17.80 3.30 3.30 1.60 4.00 20.00

704 3.70 2.90 2.90 3.70 3.60 13.10 1.90 2.90 2.90 1.40 3.50 1.80

705 2.90 2.40 2.40 3.00 2.50 13.10 1.90 2.40 2.40 1.10 2.80 1.40

706 2.50 1.00 1.00 1.30 1.70 4.80 1.90 1.00 1.00 0.50 1.20 0.60

707 2.50 1.00 1.00 13.00 12.00 4.30 1.20 1.00 1.00 0.50 1.20 0.60

708 5.00 2.00 2.00 2.50 47.70 10.10 50.10 2.00 2.00 1.00 2.40 1.20

709 5.00 2.00 2.00 2.50 2.30 10.10 2.40 2.00 2.00 1.00 2.40 1.20

710 2.50 1.00 1.00 1.30 1.20 4.30 1.20 1.00 1.00 0.50 1.20 0.60

711 2.50 1.00 1.00 1.30 1.20 4.30 1.20 1.00 1.00 0.50 1.20 0.60

712 2.50 1.00 1.00 3.00 8.00 13.80 1.10 1.00 3.00 1.50 2.90 1.90

713 2.50 1.00 1.00 1.00 2.30 3.40 0.60 1.00 1.00 0.40 1.00 0.50

714 5.00 3.00 2.00 3.00 8.00 13.80 2.30 3.00 3.00 1.50 2.90 1.90

715 5.00 3.00 2.00 3.00 8.00 13.80 2.30 3.00 3.00 1.50 2.90 1.90

716 5.00 3.00 2.00 3.00 8.00 13.80 2.30 3.00 3.00 1.50 2.90 1.90

717 7.50 7.00 3.00 7.00 14.90 4.60 3.40 7.00 7.00 1.50 0.70 2.00

718 2.50 1.00 1.00 1.00 3.40 4.60 1.10 1.00 1.00 0.80 0.90 0.90

719 2.50 1.00 1.00 1.00 2.30 3.40 0.60 1.00 1.00 0.40 1.00 0.50

720 2.50 1.00 1.00 3.60 2.30 3.40 0.60 1.00 1.00 0.40 1.00 0.50

721 2.50 1.00 1.00 1.00 2.30 3.40 0.60 1.00 1.00 0.40 1.00 1.00

722 1.70 0.70 0.70 0.70 1.50 2.30 0.40 0.70 0.30 0.30 0.70 0.30

723 1.70 0.70 0.70 0.70 2.30 3.00 0.80 0.70 0.70 0.50 0.70 0.70

724 1.70 0.70 0.70 1.60 2.30 3.00 0.80 0.70 0.70 0.50 0.70 0.70

725 6.90 2.80 2.80 1.90 6.30 9.50 1.60 2.80 2.80 0.20 0.60 0.30

726 1.70 0.70 0.70 0.80 2.30 3.00 0.80 0.70 0.70 0.50 0.70 0.70

727 3.50 0.70 1.40 1.60 2.30 3.00 0.80 0.70 0.70 0.50 0.70 0.70

728 1.00 1.10 2.20 1.40 8.50 5.80 1.90 4.80 4.80 3.70 1.70 18.40

729 1.00 1.00 2.20 1.20 7.10 0.80 1.10 1.00 1.00 3.10 3.10 6.80

730 1.00 1.00 2.20 1.20 8.50 0.80 1.10 1.00 1.00 3.10 3.10 6.80

731 2.60 1.50 6.50 7.20 7.10 5.80 3.30 1.20 3.50 5.30 5.30 21.10

732 1.00 1.00 2.20 1.20 1.00 0.80 0.30 1.00 1.00 0.80 0.80 0.70

733 1.00 1.00 1.00 1.30 1.20 5.60 1.90 1.00 1.00 0.80 0.80 0.80

734 1.00 1.00 1.00 1.30 1.90 5.60 1.90 1.00 1.00 0.80 0.80 0.80

735 1.00 1.00 1.30 1.10 1.90 5.60 1.90 1.00 1.00 0.80 0.80 0.80

736 1.00 1.00 2.20 1.00 1.90 5.60 1.90 1.00 1.00 0.80 0.80 0.80

737 0.00 1.00 2.20 1.20 1.90 5.60 1.90 1.00 1.00 0.80 0.80 0.80

738 1.00 0.00 1.00 1.00 1.00 3.40 1.00 1.00 1.00 0.80 0.80 0.80

739 2.50 1.00 0.00 1.30 1.20 3.80 1.20 1.00 1.00 0.80 0.80 0.80

740 2.50 1.00 1.00 0.00 1.10 3.40 1.20 1.00 1.00 0.40 1.00 0.50

741 0.40 1.10 1.00 10.90 0.00 13.00 4.00 1.10 5.40 4.20 4.00 1.00

742 0.40 1.40 1.40 2.70 1.00 0.00 1.00 1.10 1.40 1.00 1.00 1.00

743 0.40 1.00 0.80 2.70 4.00 3.00 0.00 1.00 1.40 1.00 1.00 3.50

744 1.00 1.00 1.00 1.00 1.00 3.40 1.00 0.00 1.00 0.80 0.80 0.80

Berlanjut…

73

73

745 1.00 1.00 1.00 1.00 4.60 3.40 1.10 1.00 0.00 0.80 0.80 0.80

746 1.70 0.70 0.70 1.30 3.10 2.30 0.80 0.70 0.70 0.00 1.00 1.00

747 2.20 0.70 0.90 0.90 4.00 3.00 1.00 0.70 0.70 1.00 0.00 1.00

748 11.20 3.40 2.70 4.50 23.00 1.00 106.00 3.40 3.40 5.00 5.00 0.00

749 2.50 1.00 1.00 1.00 2.10 3.10 0.50 1.00 0.50 1.00 1.00 1.00

750 1.70 0.70 0.70 0.70 1.50 2.30 0.40 0.70 0.30 1.00 1.00 1.00

751 2.20 0.70 0.90 0.90 4.00 3.00 1.00 0.70 0.70 1.00 1.00 1.00

752 7.20 7.20 7.50 5.90 23.50 27.10 27.10 7.20 7.20 5.50 5.50 63.80

753 6.10 7.50 7.50 9.50 44.90 28.80 3.90 7.50 7.50 3.30 8.90 61.80

754 10.90 8.70 8.70 11.00 10.50 36.70 5.50 8.70 8.70 4.20 10.40 5.20

755 2.50 1.00 1.00 3.00 8.00 13.80 1.10 1.00 3.00 1.50 2.90 1.90

756 27.20 25.40 10.90 25.70 54.30 96.00 12.50 25.40 25.40 8.40 24.40 10.40

757 8.40 5.60 3.40 5.20 6.60 11.70 1.50 2.50 1.30 1.00 3.10 1.30

758 5.30 2.10 2.10 5.00 7.30 9.80 2.40 2.10 2.10 1.60 2.10 2.10

759 80.30 74.60 6.00 10.60 0.20 0.20 217.50 7.90 7.90 1.70 1.70 10.30

760 0.40 1.00 0.80 1.10 1.00 13.00 4.00 1.00 5.40 4.20 4.00 1.00

761 2.00 2.20 4.50 2.80 1.00 11.50 3.80 9.70 9.70 7.40 3.40 1.00

762 2.00 2.20 4.40 2.70 16.80 14.20 3.80 9.50 9.50 7.30 3.30 36.30

763 1.00 1.00 2.70 2.40 7.10 0.80 1.10 1.00 1.00 3.10 3.10 6.80

764 2.60 1.10 1.10 1.40 2.50 5.60 1.90 1.10 1.10 0.50 1.30 0.70

765 0.20 0.50 0.50 5.10 0.50 6.00 1.90 0.50 2.50 1.90 1.90 2.50

SDd 285.70 212.90 139.40 209.40 465.20 578.60 535.40 161.00 176.20 112.50 157.50 347.50


Asal 749 750 751 752 753 754 755 756 757 758 759 760

701 2.20 1.70 2.10 0.40 10.40 1.10 0.90 4.70 5.80 2.10 9.10 11.10

702 1.10 0.80 1.00 0.40 10.40 1.10 0.90 4.70 6.30 2.10 66.40 14.30

703 4.20 1.20 4.00 0.40 3.50 2.10 1.70 8.90 11.10 4.00 108.60 14.30

704 3.70 2.80 3.50 0.10 3.50 2.10 4.80 12.80 16.20 5.80 19.50 3.60

705 3.00 2.30 2.80 0.10 3.50 2.10 1.00 2.70 3.00 1.00 15.60 2.50

706 1.30 1.00 1.20 0.10 3.50 2.10 4.80 12.80 16.20 2.00 6.30 1.70

707 1.30 1.00 1.20 0.10 3.50 2.10 1.00 2.60 3.10 5.70 6.30 1.20

708 2.50 1.90 2.40 0.10 3.50 2.10 1.00 5.40 6.70 1.10 13.90 16.80

709 2.50 1.90 2.40 2.20 4.60 2.10 1.00 5.40 6.70 2.40 13.90 2.40

710 1.30 1.00 1.20 0.30 4.60 18.30 1.00 2.70 3.30 2.40 6.30 1.20

711 1.30 1.00 1.20 28.70 4.60 5.80 1.00 2.70 3.00 1.20 6.30 1.20

712 3.00 2.30 2.90 0.30 4.60 18.30 1.00 2.70 3.00 1.20 19.20 1.00

713 1.00 0.80 1.00 14.40 2.80 5.80 1.00 10.70 3.00 1.20 5.00 2.10

714 3.00 2.30 2.90 0.10 0.90 5.80 1.00 2.70 3.00 0.90 19.20 7.20

715 3.00 2.30 2.90 0.10 0.90 5.80 1.00 2.70 3.00 1.20 19.20 7.20

716 3.00 2.30 2.90 0.30 4.60 18.30 1.00 2.70 3.30 1.20 19.20 7.20

717 0.70 0.50 0.70 1.10 0.90 5.80 1.00 2.70 3.30 1.20 4.90 13.40

718 0.90 0.80 0.90 2.20 4.60 18.30 1.00 2.70 3.30 1.30 6.30 3.10

719 1.00 0.80 1.00 14.40 2.70 1.30 1.00 10.70 3.30 1.30 5.00 2.30

720 1.00 0.80 1.00 14.40 9.90 20.80 3.60 38.60 3.00 0.90 5.00 2.30

721 1.00 0.80 1.00 14.40 2.70 12.00 2.40 5.00 2.20 0.90 5.30 2.30

722 0.70 0.50 0.70 9.50 3.40 20.80 3.60 7.40 3.30 0.90 3.50 1.50

723 0.70 0.50 0.70 12.40 2.20 24.20 1.60 2.70 3.30 1.30 4.90 2.30

724 0.70 0.50 0.70 12.40 1.40 9.00 1.60 2.70 3.30 1.30 4.90 2.30

725 0.60 0.50 0.60 15.20 18.00 71.20 1.00 2.70 3.00 1.30 3.10 5.70

726 0.70 0.50 0.70 12.40 2.40 10.50 1.60 2.70 3.30 1.20 4.90 2.30

727 0.70 0.50 0.70 1.60 1.40 9.00 1.60 2.70 3.30 1.30 4.90 2.30

728 4.50 3.70 1.70 2.00 12.30 3.40 2.20 17.60 14.10 1.30 16.00 8.50

729 0.90 0.80 0.80 2.50 15.20 4.10 6.30 15.80 4.50 4.40 6.50 7.10

730 0.90 0.80 0.80 2.30 13.90 2.30 2.20 15.80 4.50 0.90 6.50 8.50

731 3.60 2.70 2.70 2.50 15.20 4.40 6.80 31.50 37.40 14.00 20.20 7.10

732 0.90 0.80 0.80 3.10 8.40 3.40 2.20 15.80 4.50 0.90 1.80 1.00

733 1.10 0.80 0.80 28.70 3.50 2.10 1.00 5.40 6.70 2.40 16.80 1.20

734 1.00 0.80 0.80 28.70 3.70 2.20 1.00 2.70 3.00 1.20 16.80 1.90

735 1.00 0.80 0.80 28.70 3.50 2.10 1.00 2.70 3.00 1.20 16.80 1.90

736 1.00 0.80 0.80 28.70 3.50 5.60 2.20 10.70 3.00 0.90 16.80 1.90

737 1.00 0.80 0.80 30.00 9.30 5.60 2.20 6.00 6.80 1.10 16.80 1.90

738 1.00 0.80 0.80 3.10 4.50 2.70 1.00 10.70 3.00 0.90 12.10 1.00

739 1.00 0.80 0.80 28.70 4.50 2.70 1.00 2.70 3.00 1.20 4.00 1.20

740 1.00 0.80 1.00 14.40 2.70 1.30 1.00 10.70 3.00 0.90 5.00 1.20

741 5.10 4.20 4.00 14.20 86.40 5.80 8.10 116.80 11.60 5.00 0.30 1.00

742 1.30 1.00 1.00 20.70 125.50 5.40 2.70 29.20 3.10 1.20 2.60 1.00

743 1.30 1.00 1.00 0.30 2.10 2.10 1.20 29.20 3.10 1.20 9.00 4.00

Berlanjut…

74

74

744 0.90 0.80 0.80 39.70 4.50 2.70 1.00 10.70 3.10 0.90 4.00 1.00

745 0.90 0.80 0.80 32.80 2.70 1.30 1.00 10.70 2.20 0.90 4.00 4.60

746 1.00 1.00 1.00 0.40 3.00 2.70 1.30 14.40 1.50 0.60 2.10 3.10

747 1.00 1.00 1.00 0.50 2.40 1.20 0.90 9.60 2.20 0.90 2.10 4.00

748 5.00 5.00 5.00 129.90 11.20 8.40 4.50 52.80 11.90 4.50 0.30 23.00

749 0.00 1.00 1.00 14.40 2.70 1.30 1.00 10.70 2.20 0.90 5.30 2.10

750 1.00 0.00 1.00 9.60 1.80 0.90 0.70 7.20 1.50 0.60 5.30 1.50

751 1.00 1.00 0.00 12.90 2.40 1.20 0.90 9.60 2.20 0.90 5.30 4.00

752 7.60 5.50 5.50 0.00 0.20 1.00 4.70 25.10 27.00 11.20 179.30 23.50

753 9.50 7.20 8.90 1.60 0.00 5.10 3.40 20.00 22.20 8.90 37.60 44.90

754 11.00 8.30 10.40 0.40 9.50 0.00 13.20 35.50 43.70 15.90 55.90 10.50

755 3.00 2.30 2.90 0.30 4.60 18.30 0.00 2.70 3.30 1.20 19.20 1.20

756 25.40 19.50 24.40 8.00 16.70 66.40 3.60 0.00 12.00 4.40 132.00 48.60

757 3.10 2.40 3.10 14.90 18.30 73.90 3.40 9.00 0.00 4.50 16.80 6.60

758 2.10 1.60 2.10 40.00 4.60 29.10 5.00 8.60 10.60 0.00 15.70 7.30

759 11.80 11.80 11.80 23.20 14.60 18.20 10.60 113.30 26.70 10.50 0.00 0.20

760 5.10 4.20 4.00 14.20 86.40 5.80 0.80 91.50 11.70 5.00 0.30 0.00

761 9.00 7.40 3.30 3.60 21.80 6.70 4.50 30.90 25.30 8.80 0.30 1.00

762 8.90 7.30 3.30 4.30 25.60 7.40 4.40 36.90 29.10 8.70 34.10 16.80

763 0.90 0.80 0.80 1.30 35.80 2.10 3.40 30.40 5.60 0.90 6.50 7.10

764 1.40 1.10 1.30 0.10 3.50 2.10 4.80 12.80 16.20 5.80 7.10 2.50

765 2.10 1.90 1.90 6.60 40.20 2.70 3.70 54.30 5.40 2.30 0.20 0.50

SDd 184.40 146.60 158.00 755.40 745.70 611.60 163.00 1087.50 511.20 185.40 1108.10 399.20


Asal 761 762 763 764 765 SOi

701 2.60 2.20 82.20 0.50 6.20 245.20 702 3.30 2.50 82.20 0.50 7.90 344.00 703 3.30 2.50 1.00 1.00 7.90 393.90 704 3.30 2.50 1.00 1.00 2.00 234.60 705 3.30 2.50 1.00 1.00 1.40 133.70 706 1.70 3.50 1.00 1.00 0.90 178.40 707 6.30 4.70 2.30 1.00 0.60 129.90 708 114.30 91.40 2.30 1.00 26.40 763.90 709 4.00 3.00 21.00 1.00 1.30 180.00 710 2.00 1.00 2.30 7.20 0.60 164.60 711 2.00 1.00 1.00 1.80 0.60 132.30 712 2.00 1.00 2.30 7.20 4.40 212.10 713 2.00 1.00 1.00 1.80 1.30 112.90 714 6.00 5.00 3.00 1.80 4.40 187.40 715 6.00 5.00 3.00 1.80 4.40 177.20 716 6.00 5.00 3.00 7.20 4.40 221.10 717 12.00 10.10 7.00 1.80 8.30 244.10 718 2.00 1.00 1.00 7.20 1.90 128.00 719 2.00 1.00 1.00 2.30 1.30 109.50 720 2.00 1.00 1.00 6.50 1.30 237.00 721 2.00 1.00 1.00 4.40 1.30 127.50 722 1.30 0.70 0.70 6.50 0.80 140.10 723 1.30 1.30 0.70 9.80 1.30 155.70 724 1.30 1.30 0.70 2.80 1.30 109.00 725 5.50 2.80 2.80 28.20 3.50 386.90 726 1.30 1.30 0.70 4.30 1.30 125.20 727 1.30 1.30 0.70 2.80 1.30 99.90 728 2.00 1.00 0.80 1.60 4.70 311.30 729 1.70 0.80 1.00 2.00 3.90 447.60 730 2.00 1.00 0.90 1.10 4.70 242.70 731 1.70 0.80 1.00 2.00 3.90 720.80 732 2.00 1.00 1.00 1.50 0.60 207.00 733 2.30 1.20 21.00 1.00 0.60 327.90 734 2.00 1.00 21.00 1.10 1.00 206.70 735 2.00 1.00 1.70 1.00 1.00 146.10 736 2.00 1.00 1.00 5.40 1.00 183.70 737 2.00 1.00 1.00 5.40 1.00 180.70 738 2.00 1.00 1.00 2.60 0.60 100.60 739 2.00 1.00 1.00 2.60 0.70 121.50 740 2.00 1.00 1.00 1.30 0.60 104.90 741 1.00 12.00 6.40 1.90 0.60 612.30 742 0.70 37.70 6.10 8.20 0.60 409.50

Berlanjut…

75

75

743 0.80 0.40 0.20 2.00 2.20 130.20 744 2.00 1.00 1.00 2.60 0.60 133.80 745 2.00 1.00 1.00 2.30 2.50 131.20 746 1.30 0.70 0.30 3.90 1.70 83.30 747 1.30 0.70 0.30 2.10 2.20 77.90 748 10.00 29.50 16.30 13.60 12.70 745.60 749 2.00 1.00 1.00 2.30 1.10 102.90 750 1.30 0.70 0.70 1.60 0.90 73.60 751 1.60 0.70 0.70 2.10 2.20 97.80 752 5.50 4.30 1.50 1.00 13.00 750.90 753 10.50 8.60 321.20 2.00 24.90 954.60 754 9.10 7.50 3.00 3.00 5.80 658.30 755 2.00 1.00 2.30 7.20 4.40 219.10 756 43.60 36.60 25.40 26.30 30.00 1312.90 757 10.10 7.90 5.60 28.70 3.70 485.30 758 4.30 4.30 2.10 9.10 4.10 345.70 759 0.20 54.00 7.10 29.90 0.10 1428.80 760 1.00 12.00 6.40 1.90 0.60 521.10 761 0.00 3.00 1.60 2.40 0.60 484.20 762 3.90 0.00 1.60 3.20 9.30 640.10 763 1.70 0.80 0.00 1.00 3.90 356.10 764 3.30 2.50 1.00 0.00 1.40 176.80 765 0.50 5.60 3.00 0.90 0.00 287.10 SDd 345.50 402.90 696.10 301.20 251.70 20194.70

4.3.4. Matrik baru hasil EMME/3

Matriks baru tahun 2009 yang akan digunakan dalam proses pembebanan dalam

program EMME/3 merupakan hasil estimasi matriks dari data matriks awal (prior matrix)

menggunakan metode Steepest descent . Dalam program EMME/3 ini proses estimasi

dilakukan dengan modul EMME/3 yang diberi nama Prompt console (Gambar 2.6.) yang

berupa garis perintah (command-line).

Pada program EMME/3 (Gambar 4.3.) penulis menyimpan matriks hasil estimasi dalam

tabel matriks mf01 (full matriks 1). Setelah tersimpan dalam mf01 tersebut kemudian

dipindah ke dalam excel untuk mempermudah dalam menganalisis pergerakan di semua

zona. Hasil MAT baru dari proses estimasi dapat dilihat pada Tabel 4.10. Selain itu

peneliti menyajikan pula dalam bentuk grafik, baik zona Internal (Gambar 4.4.) maupun

zona eksternal (Gambar 4.5.)

76

76

Tabel 4.10. Matriks Asal Tujuan Tahun 2009 (Vehicle trip, dalam smp/jam) Tujuan Asal

701 702 703 704 705 706 707 708 709 710 711 712

701 0.00 21.71 1.78 10.85 7.88 10.81 7.88 5.74 7.22 7.17 9.68 7.13

702 26.47 0.00 0.06 0.49 0.04 0.04 0.04 1.74 0.01 0.02 0.04 0.02

703 2.60 0.19 0.00 0.98 0.99 0.98 0.98 0.93 0.63 0.76 1.47 0.73

704 7.79 0.29 1.00 0.00 1.00 1.00 1.00 1.23 1.55 7.98 1.14 8.11

705 6.16 0.06 1.00 1.00 0.00 1.00 1.00 1.07 1.03 1.44 0.78 1.48

706 7.53 0.06 1.00 1.00 1.00 0.00 1.00 1.44 2.02 10.58 1.55 10.46

707 6.14 0.06 1.00 1.00 1.00 1.00 0.00 0.94 0.92 0.92 0.91 0.92

708 4.23 0.06 1.00 1.00 1.00 1.21 1.00 0.00 0.99 0.98 1.86 0.99

709 6.54 0.09 1.37 10.01 1.11 1.62 1.01 1.00 0.00 1.00 2.00 1.00

710 6.93 0.09 1.39 2.75 1.45 12.84 0.94 1.01 0.90 0.00 1.00 1.00

711 6.67 1.19 1.43 10.48 1.17 3.05 0.54 1.04 0.90 1.00 0.00 1.01

712 6.91 0.09 1.38 2.82 1.49 12.94 0.94 1.02 0.90 1.00 1.00 0.00

713 6.37 0.63 1.53 2.49 1.38 2.49 0.56 1.11 0.90 1.00 1.00 1.60

714 3.47 0.04 0.75 2.80 1.48 3.26 0.54 1.03 1.80 1.00 1.00 1.03

715 3.43 0.04 0.74 2.81 1.47 3.24 0.52 1.02 0.50 1.00 1.00 1.00

716 10.06 0.16 2.30 18.95 2.53 22.06 1.71 1.85 1.58 1.78 1.71 2.01

717 4.68 0.07 1.12 4.40 2.31 5.19 0.91 1.76 4.47 1.66 1.62 2.00

718 7.06 0.09 1.47 12.00 1.58 13.58 1.01 1.10 0.95 1.06 1.05 1.10

719 5.58 0.45 1.36 1.53 1.53 2.50 1.03 1.11 1.00 1.00 1.00 1.50

720 41.09 4.54 9.90 13.06 3.52 13.18 1.78 3.98 3.24 1.80 5.32 6.29

721 5.65 0.50 1.15 5.56 2.34 6.61 1.19 1.19 1.00 1.20 2.00 4.70

722 7.07 0.61 1.41 9.04 1.79 9.77 1.73 1.30 0.70 1.80 3.60 6.80

723 5.67 1.17 1.03 17.94 2.27 20.28 2.12 0.78 0.86 2.22 2.20 3.09

724 5.55 1.46 1.26 4.95 1.35 5.65 0.89 0.99 1.65 0.94 0.94 3.15

725 35.77 0.52 7.45 60.59 8.05 70.33 5.68 6.10 2.58 5.60 5.52 2.00

726 5.92 1.32 1.22 28.72 1.55 9.77 1.04 1.00 1.57 1.05 1.04 3.16

727 6.42 0.10 1.48 6.32 1.73 7.40 1.20 1.31 2.08 1.19 1.17 3.18

728 28.55 1.63 6.81 5.28 5.34 2.77 3.72 6.90 0.15 0.08 0.38 0.30

Tabel 4.10. Matriks Asal Tujuan Tahun 2009 (Vehicle trip)

Berlanjut…

Gambar 4.3. Table Matrix (full matriks 01)

77

77

729 54.56 4.07 34.13 17.91 18.95 18.05 44.89 172.87 1.96 1.58 1.01 0.31

730 38.57 2.58 10.61 4.37 4.16 3.76 5.34 21.50 0.06 0.04 0.18 0.15

731 8.22 0.30 3.08 1.28 1.32 1.29 3.65 195.02 5.94 5.46 8.52 5.71

732 2.83 0.12 2.21 1.02 0.90 1.16 1.96 129.24 1.30 0.89 1.87 2.69

733 1.31 0.29 1.76 0.61 0.60 0.61 0.98 53.69 0.62 0.64 1.29 0.97

734 7.01 1.18 17.40 1.47 1.47 1.47 1.34 65.40 1.04 1.02 1.02 1.02

735 5.42 1.19 26.92 1.39 1.39 1.39 1.42 1.66 1.54 1.57 4.52 4.52

736 4.72 0.81 24.20 3.95 3.95 7.17 2.99 3.94 6.18 3.25 11.83 11.05

737 21.82 4.89 3.96 5.55 5.55 16.45 6.26 7.98 10.82 5.59 13.18 13.04

738 4.03 0.04 1.38 1.99 1.99 2.94 1.41 1.62 1.54 1.29 1.66 1.84

739 6.26 1.21 1.50 1.76 1.49 2.90 0.98 1.10 1.00 1.00 1.00 1.01

740 6.39 0.63 1.53 1.53 1.53 1.53 1.03 1.11 1.00 1.00 1.00 1.47

741 12.80 0.12 7.84 2.34 2.08 2.19 1.67 95.31 1.31 2.27 1.56 13.61

742 166.25 5.04 59.73 4.28 4.28 15.88 3.04 3.12 1.75 1.68 1.83 4.82

743 0.96 0.02 0.38 0.74 0.74 1.55 0.86 0.75 1.07 0.82 1.30 2.57

744 2.80 0.24 0.38 1.81 1.81 3.16 1.28 1.48 1.45 1.17 1.52 1.67

745 3.37 0.34 0.36 1.54 1.54 2.52 1.04 1.12 1.00 1.00 1.00 1.50

746 2.48 0.01 0.22 1.06 1.06 4.17 0.69 0.78 0.70 0.71 0.70 2.27

747 3.64 0.02 0.47 1.67 1.41 2.23 0.92 1.00 0.90 0.40 0.90 1.59

748 10.99 2.34 1.39 4.87 4.13 14.62 2.73 3.01 2.70 1.80 2.70 7.99

749 4.42 0.31 0.62 1.81 1.53 2.50 1.03 1.11 1.00 1.01 1.00 1.78

750 2.93 0.16 0.39 1.25 1.06 1.67 0.68 0.78 0.70 0.30 0.70 1.32

751 3.49 0.18 0.36 1.67 1.41 2.23 0.91 1.00 0.90 0.40 0.90 1.64

752 26.75 1.01 0.16 1.08 0.12 0.12 0.12 0.06 0.23 0.30 0.67 0.36

753 103.25 3.90 0.13 2.00 1.27 1.99 1.27 0.81 0.80 0.80 1.05 0.78

754 27.39 1.01 2.62 3.08 3.08 3.08 3.08 3.65 4.58 21.00 3.04 21.52

755 10.89 0.19 2.78 22.01 2.92 24.97 1.91 2.07 1.83 2.03 2.03 2.03

756 28.68 0.37 5.34 43.08 5.59 48.87 3.69 3.94 10.38 3.81 3.79 3.91

757 35.80 0.51 7.94 62.27 8.30 69.97 5.38 7.03 2.96 5.66 5.59 5.70

758 44.20 15.88 13.17 51.59 13.60 58.36 10.07 10.54 17.21 9.58 9.45 24.90

759 14.62 1.55 42.70 10.25 8.80 31.57 6.07 6.49 5.83 2.91 5.83 17.88

760 7.60 0.04 1.64 1.51 1.25 1.77 1.54 85.00 0.92 0.41 1.18 1.18

761 92.63 5.90 17.65 15.90 14.80 10.52 16.30 142.58 3.08 1.80 5.95 5.47

762 94.69 5.82 26.63 17.15 16.86 9.20 15.34 13.54 0.17 0.06 0.47 0.42

763 54.98 1.79 13.28 4.13 6.07 5.90 16.37 553.79 1.55 0.47 0.49 0.19

764 13.48 0.69 2.34 2.39 2.39 2.39 2.39 2.92 3.78 18.82 2.86 18.91

765 7.24 0.07 2.59 2.10 1.91 2.30 1.96 119.80 1.90 3.13 2.27 18.22

SDd 1207.75 102.00 393.18 543.24 209.71 627.05 214.54 1766.53 143.78 162.89 157.83 281.76

Tabel 4.10. Matriks Asal Tujuan Tahun 2009 (Vehicle trip, dalam smp/jam) (lanjutan)

Tujuan Asal

713 714 715 716 717 718 719 720 721 722 723 724

701 11.23 9.68 13.00 13.30 12.66 12.80 10.10 10.53 10.48 7.15 9.44 9.47

702 0.04 0.03 0.03 0.02 0.02 0.02 0.01 0.03 0.02 0.02 0.02 0.02

703 1.72 1.27 1.41 1.32 1.32 1.29 1.42 1.75 1.64 1.14 1.16 1.24

704 3.22 1.13 7.78 8.39 8.36 7.95 3.77 3.22 3.23 3.05 5.14 6.39

705 1.88 0.78 1.37 1.48 1.47 1.43 2.29 1.94 1.95 1.30 1.18 1.07

706 1.27 1.55 10.46 11.14 11.11 10.61 1.61 1.38 1.38 7.33 13.53 8.46

707 1.10 0.91 0.92 1.02 1.02 0.93 1.39 1.19 1.19 0.82 0.82 0.83

708 2.05 1.86 1.97 2.11 2.10 1.97 2.35 2.05 2.05 1.56 1.60 1.70

709 2.50 2.00 2.00 2.15 2.14 2.02 2.64 2.50 2.50 1.90 1.70 1.80

710 1.20 1.00 1.00 1.09 1.09 1.01 1.38 1.31 1.34 0.94 0.90 0.90

711 1.20 1.00 1.00 1.03 1.02 1.01 1.39 1.30 1.30 0.90 0.90 0.90

712 3.22 1.00 1.00 1.14 1.14 1.03 3.68 3.31 3.48 2.66 1.01 1.03

713 0.00 1.00 1.19 1.00 4.00 1.00 1.08 1.00 1.00 0.70 0.70 0.70

714 3.00 0.00 1.03 1.00 1.00 1.00 3.32 3.00 3.00 2.01 1.00 0.90

715 3.00 1.00 0.00 1.14 1.14 1.03 3.37 3.03 3.51 2.37 0.90 0.91

716 3.00 1.03 1.97 0.00 1.00 1.00 3.65 3.09 3.19 2.50 0.90 0.90

717 3.00 1.01 1.96 1.00 0.00 1.00 9.00 7.26 0.75 1.49 1.00 1.00

718 3.00 1.00 1.10 1.00 1.00 0.00 1.62 1.22 0.75 1.15 1.00 1.00

719 1.00 1.00 1.20 1.00 4.05 1.13 0.00 1.13 1.79 1.26 0.71 0.81

720 10.80 3.60 4.35 3.60 14.56 4.09 2.93 0.00 1.00 0.70 0.72 1.41

721 2.40 2.40 3.10 2.57 0.76 0.76 1.05 0.82 0.00 0.70 2.08 1.32

722 3.60 3.60 4.75 3.99 1.19 1.13 0.74 1.17 0.70 0.00 3.01 4.36

723 14.40 1.60 2.51 1.60 1.00 1.00 1.10 1.14 1.32 1.96 0.00 1.00

724 4.70 1.60 2.53 1.60 1.00 1.00 2.04 1.88 1.20 1.97 1.00 0.00

725 44.80 7.09 1.96 1.00 1.00 1.00 3.47 1.04 0.77 1.46 0.90 0.90

726 6.30 1.61 3.06 1.60 1.00 1.00 1.84 1.62 0.75 1.44 1.00 1.00

Berlanjut…

78

78

727 4.70 1.61 3.13 1.00 1.00 1.00 1.18 2.26 0.75 1.44 1.00 1.00

728 0.10 0.16 0.26 0.15 0.24 0.21 0.20 0.42 2.21 1.52 0.23 4.22

729 0.02 0.05 0.13 0.03 0.04 0.03 0.00 0.04 0.03 0.02 0.01 0.07

730 0.02 0.05 0.13 0.04 0.06 0.04 0.01 0.06 0.15 0.11 0.01 0.11

731 2.97 6.19 10.03 2.59 1.62 2.25 0.04 0.83 0.50 0.34 1.50 1.73

732 3.07 2.64 2.66 2.60 6.28 1.82 0.49 1.15 0.80 0.56 0.75 1.17

733 2.37 1.84 1.92 1.89 1.95 2.17 0.36 2.61 1.46 1.00 1.74 2.13

734 1.31 1.01 1.01 1.05 1.04 1.02 0.97 1.31 1.20 0.90 0.91 0.91

735 6.25 4.73 4.52 4.78 4.88 4.77 1.81 3.93 3.86 2.45 3.36 4.61

736 14.71 10.97 11.03 10.80 17.55 4.44 0.87 2.47 1.77 1.24 1.98 3.12

737 15.97 12.65 13.04 12.58 12.58 12.11 2.02 5.45 3.83 2.68 3.85 4.68

738 1.04 1.19 1.56 1.14 4.44 1.51 0.99 2.75 2.08 1.45 0.88 2.58

739 1.30 1.00 1.01 1.02 1.02 1.00 1.37 1.30 1.30 0.90 0.90 0.90

740 1.00 1.00 1.20 1.00 4.00 1.00 1.07 1.00 1.00 0.70 0.70 0.70

741 10.65 11.08 15.13 11.66 49.81 23.05 9.98 34.41 6.00 4.11 8.25 22.84

742 3.15 3.18 3.89 3.43 16.05 7.05 3.05 10.41 1.83 1.18 2.46 6.65

743 2.70 2.74 2.43 2.94 12.42 6.41 2.70 9.26 1.63 1.05 2.14 6.14

744 1.04 1.07 1.40 1.09 4.42 3.15 0.99 3.43 1.99 1.39 1.53 5.52

745 1.00 1.01 1.21 1.08 4.81 5.32 1.00 3.45 1.67 1.17 1.70 5.53

746 1.30 1.32 1.60 1.57 0.76 2.08 1.30 4.49 0.80 0.57 1.46 3.07

747 0.90 0.90 1.11 1.02 0.93 0.90 0.90 3.11 1.12 0.78 2.15 3.49

748 4.50 4.50 5.57 5.02 4.27 4.15 4.50 15.54 5.49 3.70 10.22 16.09

749 1.00 1.02 1.25 1.24 1.10 3.78 1.00 3.45 1.16 0.81 2.15 4.40

750 0.70 0.70 0.92 0.78 0.60 0.56 0.70 2.26 0.70 0.50 1.50 2.18

751 0.90 0.90 1.12 1.00 0.84 0.82 0.90 3.11 1.12 0.78 2.13 3.24

752 0.95 0.69 0.72 0.68 0.66 0.64 5.45 0.78 0.94 0.64 0.59 0.59

753 1.11 1.05 1.64 1.70 1.58 1.61 0.92 1.00 0.99 0.67 1.05 1.09

754 9.16 3.26 20.64 22.54 22.35 21.61 10.84 9.25 9.27 6.32 10.80 16.76

755 6.44 2.03 2.03 2.25 2.26 2.05 7.19 6.55 6.88 5.18 2.01 2.03

756 10.93 3.61 3.90 3.61 3.61 3.61 32.48 27.22 27.10 3.80 3.31 3.31

757 25.15 6.92 7.59 4.52 4.52 4.52 6.68 9.95 4.38 7.19 4.52 4.52

758 43.15 14.33 24.65 14.29 9.14 9.14 9.46 14.88 6.30 9.64 9.14 9.14

759 10.29 10.28 12.50 11.51 9.85 10.33 10.28 35.62 12.69 8.64 23.44 39.18

760 0.91 5.95 1.26 7.58 29.81 16.46 8.11 28.71 5.12 3.51 6.65 21.45

761 6.29 3.39 4.83 5.48 13.15 11.24 11.00 13.03 13.07 8.89 13.83 47.56

762 0.08 0.16 0.35 0.13 0.19 0.14 0.14 0.31 1.85 1.27 0.14 1.29

763 0.02 0.06 0.16 0.04 0.06 0.03 0.00 0.03 0.01 0.01 0.01 0.06

764 3.09 2.86 18.82 19.69 19.64 18.63 3.56 3.09 3.09 2.21 3.52 15.17

765 15.13 15.84 21.71 16.30 67.61 30.31 15.31 45.26 10.41 7.08 11.28 29.41

SDd 348.99 193.67 280.74 248.12 413.27 279.16 227.07 372.08 196.86 144.87 196.16 348.67


Tujuan Asal 725 726 727 728 729 730 731 732 733 734 735 736

701 11.58 9.96 11.44 4.28 5.41 4.54 1.44 14.56 1.40 6.21 5.07 4.14

702 0.02 0.02 0.02 0.09 0.11 0.10 0.01 0.23 0.02 0.06 0.04 0.02

703 1.28 1.18 1.20 6.26 7.47 6.54 2.04 16.68 3.50 3.67 3.70 2.96

704 33.41 1.38 7.22 4.33 4.97 4.42 1.27 1.06 0.96 1.51 1.49 1.49

705 1.38 1.27 1.30 4.35 4.93 5.79 1.27 1.17 0.96 1.49 1.49 1.49

706 45.16 1.89 10.00 5.80 4.76 3.07 1.27 1.19 0.96 1.58 1.58 1.56

707 0.97 0.85 0.91 7.95 11.18 4.16 2.99 2.01 1.25 1.70 3.23 5.11

708 1.99 1.62 1.85 139.35 11.44 246.17 2.99 131.55 1.25 66.11 120.35 9.61

709 2.02 1.71 1.88 2.01 7.63 4.00 3.49 0.94 1.00 1.00 0.70 2.77

710 4.12 0.91 0.97 0.96 1.99 1.92 4.66 0.92 1.32 41.00 1.73 1.42

711 1.01 0.90 0.91 0.99 2.05 1.98 3.75 0.84 0.94 1.00 1.73 1.42

712 1.14 1.02 1.02 1.43 2.48 2.14 5.50 0.96 1.29 43.68 2.03 0.79

713 1.00 0.70 0.90 1.17 2.23 2.26 2.11 0.93 1.05 1.00 1.90 0.74

714 1.00 0.90 0.90 4.16 6.87 6.00 12.05 2.75 2.62 2.00 3.80 2.22

715 1.15 1.03 1.03 4.04 6.82 6.01 2.48 2.72 0.67 2.00 3.80 2.23

716 1.00 0.90 1.00 4.19 7.12 6.19 12.45 2.99 2.88 2.12 4.00 2.35

717 1.00 1.00 1.00 9.66 15.98 13.85 20.20 7.18 3.10 3.13 5.88 5.37

718 1.00 1.00 1.00 1.77 2.40 2.09 2.82 1.28 1.02 1.02 1.93 0.77

719 1.00 0.81 0.81 1.02 2.07 1.73 3.65 0.88 0.84 1.00 1.90 0.97

720 1.00 1.41 1.44 2.20 3.03 2.66 4.47 2.01 1.93 2.15 4.14 2.59

721 0.94 0.77 0.77 0.26 0.65 0.31 1.13 0.40 0.58 1.02 1.89 0.82

722 1.36 1.80 1.80 0.18 0.45 0.22 0.75 0.28 0.41 0.71 1.29 0.57

723 1.60 1.00 1.00 1.30 1.76 1.50 2.16 0.89 0.72 0.71 1.31 0.54

724 1.60 1.00 1.00 1.02 2.19 1.91 3.47 1.16 0.91 0.87 1.61 0.72

Berlanjut…

79

79

725 0.00 0.90 0.90 3.87 6.31 5.47 6.87 2.81 2.88 2.90 5.36 2.13

726 1.60 0.00 1.00 0.87 1.95 1.70 2.08 1.07 0.75 0.73 1.35 0.70

727 1.60 1.00 0.00 0.79 1.61 1.41 4.02 0.87 1.49 1.46 2.77 0.55

728 0.05 3.34 2.46 0.00 0.80 1.00 0.80 0.09 3.94 0.02 0.01 0.01

729 0.01 0.05 0.02 0.80 0.00 0.80 1.00 0.09 116.02 0.21 0.01 0.00

730 0.01 0.07 0.02 1.00 0.90 0.00 0.90 0.07 6.29 0.00 0.00 0.00

731 1.39 3.28 2.72 0.80 1.00 0.80 0.00 2.17 11.46 1.83 0.93 0.08

732 1.40 1.08 0.86 2.97 3.18 3.17 1.84 0.00 1.30 1.09 0.80 0.75

733 1.81 1.87 1.96 4.53 178.94 5.07 48.86 1.20 0.00 0.80 0.76 0.64

734 1.01 0.91 0.92 1.18 5.14 2.31 2.20 0.95 1.11 0.00 0.97 0.97

735 4.80 3.36 4.32 1.27 2.41 2.42 2.24 1.00 1.01 1.00 0.00 1.00

736 3.04 3.11 2.08 1.14 2.24 2.25 3.72 0.96 0.93 1.00 1.00 0.00

737 12.37 3.80 10.99 1.24 2.40 2.37 2.24 1.00 1.02 1.23 1.08 1.03

738 1.03 2.07 1.12 0.85 1.63 1.33 2.55 0.86 0.82 1.02 0.97 1.00

739 1.00 0.90 0.90 0.96 1.89 1.91 3.34 0.84 0.98 1.00 1.73 1.42

740 1.00 0.70 0.90 1.23 2.19 2.22 2.03 0.93 1.05 1.00 1.90 0.74

741 10.36 21.05 18.89 21.90 13.56 21.80 13.56 1.00 1.10 0.52 0.53 0.50

742 3.18 5.97 5.37 35.79 8.80 8.84 13.74 1.36 1.72 0.86 0.98 0.92

743 2.78 5.64 5.10 0.23 0.18 0.11 0.26 0.25 0.33 0.22 0.19 0.17

744 1.01 5.21 4.29 0.37 0.44 0.40 0.64 0.16 0.23 0.96 0.83 0.64

745 1.03 5.22 4.50 0.25 0.55 0.29 0.85 0.26 0.25 1.00 0.89 0.69

746 1.26 2.57 2.54 0.13 0.06 0.06 0.10 0.12 0.16 0.70 0.51 0.34

747 0.93 1.50 1.50 0.31 0.13 0.13 0.25 0.15 0.41 0.71 0.57 0.37

748 4.63 6.56 6.56 7.98 6.93 7.15 10.71 5.58 1.93 5.16 4.28 1.92

749 0.96 4.12 4.08 0.32 0.62 0.63 1.09 0.28 0.27 1.00 0.84 0.77

750 0.63 0.90 0.90 0.13 0.29 0.14 0.43 0.18 0.18 0.70 0.57 0.48

751 0.94 1.32 1.32 0.13 0.14 0.14 0.25 0.17 0.26 0.70 0.59 0.41

752 0.66 0.57 0.60 16.37 16.19 17.03 7.65 451.41 130.21 79.79 91.67 78.29

753 1.39 1.14 1.33 0.33 0.40 0.37 0.04 0.61 0.09 0.81 0.68 0.50

754 87.62 3.72 19.48 6.89 7.50 6.97 1.72 2.40 2.58 4.54 4.58 4.58

755 2.25 2.03 2.03 2.28 3.88 3.74 9.27 1.85 2.54 83.13 3.60 2.97

756 3.61 3.31 3.61 34.59 57.99 50.40 70.22 25.68 11.04 11.17 20.87 19.04

757 6.92 4.52 4.52 12.50 16.90 14.79 24.74 9.39 4.57 4.62 8.63 5.72

758 14.29 9.14 9.14 2.54 5.80 3.01 10.82 4.76 5.96 6.23 12.16 4.60

759 10.38 17.22 17.22 23.04 4.41 4.50 6.93 68.99 216.84 95.89 155.72 145.07

760 6.58 19.87 17.53 12.45 8.39 12.84 8.39 0.28 0.21 0.39 0.37 0.34

761 3.38 44.17 36.95 5.62 4.45 5.62 4.45 0.58 14.18 0.74 0.52 0.47

762 0.04 0.88 0.37 2.00 1.60 2.00 1.60 0.16 15.51 0.02 0.01 0.01

763 0.01 0.04 0.01 0.58 0.72 0.58 0.71 0.21 44.79 0.27 0.01 0.00

764 78.74 3.30 17.51 8.64 10.08 11.93 2.90 2.45 2.26 3.44 3.41 3.41

765 15.28 27.72 24.83 14.05 9.36 14.21 9.36 0.45 0.33 0.63 0.59 0.56

SDd 408.69 259.16 292.71 441.67 507.98 551.46 383.80 789.19 640.59 506.24 509.84 336.50


Tujuan Asal

737 738 739 740 741 742 743 744 745 746 747 748

701 15.86 3.57 8.58 10.90 11.84 1.30 0.40 1.80 3.21 0.71 1.29 12.51

702 0.14 0.00 0.02 0.01 0.05 0.00 0.00 0.00 0.00 0.00 0.00 0.00

703 3.93 1.15 1.51 1.61 8.95 1.45 1.97 0.51 0.79 0.09 0.30 1.82

704 5.32 3.92 2.52 3.22 2.03 4.34 1.35 4.77 4.41 2.81 5.26 2.70

705 4.20 3.31 1.56 1.94 1.10 4.66 1.53 3.17 2.84 1.78 3.21 1.60

706 4.45 1.85 1.06 1.38 0.71 1.91 1.71 1.78 1.90 1.30 2.35 1.17

707 3.90 1.49 0.91 11.87 6.82 2.05 1.45 1.40 1.71 1.16 2.01 1.00

708 7.46 2.80 1.64 2.05 26.32 4.48 55.23 2.67 3.05 1.94 3.51 1.75

709 3.26 1.91 2.00 2.50 0.56 2.28 1.54 1.86 3.14 2.14 3.87 1.95

710 1.63 0.96 1.00 1.30 0.29 0.96 0.77 0.94 1.59 1.10 1.88 0.95

711 1.63 0.96 1.00 1.30 0.29 0.98 0.77 0.93 1.60 1.08 1.98 1.00

712 1.92 1.33 1.05 3.22 4.06 6.10 1.37 1.42 7.31 3.99 6.02 3.93

713 1.79 1.00 1.00 1.00 0.85 1.21 0.51 0.96 2.04 0.90 1.69 0.85

714 3.59 3.61 2.00 3.00 3.68 5.54 2.75 4.07 6.51 3.63 5.66 3.71

715 3.59 3.65 2.00 3.00 3.72 5.63 2.71 3.91 6.69 3.70 5.93 3.89

716 3.77 3.98 2.10 3.00 4.03 5.96 2.88 4.39 7.24 3.64 5.20 3.33

717 5.55 10.09 3.10 7.00 7.62 1.99 4.76 12.17 18.51 3.64 1.15 3.13

718 1.82 2.00 1.02 1.00 1.61 1.84 1.70 2.37 2.84 1.53 1.06 1.04

719 1.80 1.00 1.00 1.00 0.43 0.54 0.57 1.00 1.00 0.40 0.79 0.40

720 3.92 2.94 2.15 5.53 1.25 1.53 0.94 2.91 2.88 1.06 2.16 1.05

721 1.82 1.01 1.02 1.01 0.35 0.43 0.18 1.00 1.00 0.40 0.92 0.92

722 1.24 0.71 0.71 0.71 0.23 0.29 0.12 0.70 0.30 0.30 0.65 0.28

Berlanjut…

80

80

723 1.23 1.35 0.71 0.70 1.25 1.39 1.36 1.90 2.09 1.30 1.50 1.50

724 1.52 2.25 0.87 1.60 1.31 1.46 1.45 2.25 2.16 1.26 1.40 1.38

725 5.05 3.94 2.87 1.90 3.29 4.18 2.19 4.77 7.42 0.52 1.23 0.60

726 1.28 1.96 0.73 0.80 1.04 1.14 1.20 2.06 2.02 0.93 1.01 0.99

727 2.61 1.40 1.46 1.60 1.08 1.19 1.21 1.88 1.92 0.95 1.01 0.99

728 0.01 0.04 0.39 0.04 19.63 3.74 1.60 0.81 1.10 1.00 5.61 58.37

729 0.00 0.00 0.19 0.01 11.40 0.18 0.07 0.00 0.01 0.10 4.59 9.08

730 0.00 0.01 0.18 0.01 17.24 0.20 0.31 0.03 0.04 0.15 5.19 11.42

731 0.80 0.01 5.82 0.80 11.40 1.20 0.24 0.00 0.03 0.19 7.85 28.18

732 0.82 0.59 2.79 1.21 0.72 0.06 0.05 0.14 0.33 0.04 0.06 0.07

733 0.76 0.32 1.05 1.13 0.77 0.31 0.24 0.15 0.18 0.03 0.05 0.06

734 0.97 0.92 1.02 1.31 0.53 1.39 1.05 0.87 0.90 0.73 0.50 0.50

735 1.00 0.96 6.61 5.29 0.52 1.28 0.93 0.92 0.92 0.76 0.50 0.50

736 1.00 0.93 12.22 2.76 0.37 0.91 0.60 0.83 0.85 0.65 0.43 0.43

737 0.00 0.98 13.18 6.60 0.61 1.62 1.28 0.94 0.94 0.77 0.51 0.51

738 0.97 0.00 1.66 1.04 0.33 0.91 0.96 1.00 0.99 0.79 0.53 0.54

739 1.63 0.92 0.00 1.30 0.24 0.72 0.67 0.88 1.34 1.33 0.93 0.95

740 1.79 1.03 1.00 0.00 0.44 1.24 1.22 1.02 2.09 0.93 1.83 0.92

741 0.45 1.07 1.56 10.52 0.00 11.26 4.06 1.04 4.95 3.73 20.68 5.13

742 0.72 2.12 1.83 3.15 1.12 0.00 1.00 1.67 1.58 0.88 0.45 0.51

743 0.20 0.98 1.30 2.70 3.70 3.00 0.00 1.00 1.40 1.00 0.45 1.80

744 0.94 1.00 1.52 0.99 0.33 0.91 0.96 0.00 0.99 0.79 0.54 0.54

745 0.95 1.00 1.00 1.00 0.69 0.43 0.36 1.00 0.00 0.80 0.63 0.64

746 1.51 0.70 0.70 1.30 0.46 0.28 0.11 0.70 0.70 0.00 0.81 0.84

747 1.99 0.70 0.90 0.90 1.58 0.62 0.21 0.70 0.70 1.00 0.00 1.00

748 10.20 3.40 2.70 4.50 9.10 0.22 22.99 3.40 3.40 5.00 5.00 0.00

749 2.16 1.00 1.00 1.00 0.32 0.38 0.21 1.00 0.50 1.00 0.90 0.90

750 1.45 0.70 0.70 0.70 0.22 0.28 0.05 0.70 0.30 1.00 0.99 0.99

751 1.98 0.70 0.90 0.90 0.59 0.37 0.12 0.70 0.70 1.00 0.99 0.99

752 89.65 60.47 31.28 0.40 156.06 53.01 91.33 36.16 42.91 13.04 15.50 208.92

753 2.00 0.21 0.86 1.06 0.33 0.00 0.00 0.06 0.17 0.02 0.02 0.22

754 16.05 10.83 7.31 9.25 4.33 9.76 3.34 13.17 11.67 7.52 13.61 6.79

755 3.41 2.38 2.03 6.45 8.47 12.86 2.61 2.50 13.45 7.36 11.39 7.28

756 19.71 36.37 11.12 25.77 24.75 36.75 16.47 40.41 64.12 18.87 29.91 12.44

757 8.14 14.95 4.60 6.92 4.05 6.05 2.96 8.84 4.57 2.48 4.83 1.99

758 11.49 8.72 6.22 14.29 4.83 5.44 3.48 8.44 8.14 5.17 5.81 5.77

759 82.99 88.61 5.83 10.29 0.12 0.19 207.64 8.87 7.90 1.70 1.70 10.30

760 0.35 0.83 1.20 0.88 0.19 9.04 3.22 0.80 4.14 3.01 16.79 4.16

761 0.52 2.32 6.13 2.96 1.00 9.99 4.61 10.76 9.17 6.67 13.56 4.09

762 0.01 0.03 0.50 0.03 38.80 5.73 1.74 0.54 0.69 0.52 7.66 84.38

763 0.00 0.00 0.21 0.01 8.37 0.10 0.04 0.00 0.00 0.05 3.22 6.29

764 8.57 4.39 2.41 3.09 2.82 5.35 3.63 4.15 4.14 2.42 4.73 2.54

765 0.57 1.40 2.29 14.79 0.71 19.67 6.24 1.37 8.33 6.51 31.25 40.77

SDd 370.05 315.74 187.78 219.50 431.93 270.25 479.21 223.16 300.48 141.27 283.08 575.25


Tujuan Asal

749 750 751 752 753 754 755 756 757 758 759

701 13.34 8.35 3.06 3.86 225.74 20.48 11.07 35.24 41.32 23.78 10.94

702 0.01 0.00 0.00 0.12 10.40 0.87 0.03 0.05 0.06 0.07 0.09

703 1.50 0.31 0.33 0.02 0.68 1.24 1.22 3.40 4.07 3.33 6.81

704 8.01 4.14 6.11 0.03 3.42 1.67 12.96 21.64 26.54 17.42 55.69

705 5.05 2.58 3.94 0.00 2.47 1.67 2.40 3.99 4.17 2.59 36.82

706 3.42 1.78 2.67 0.00 3.29 1.67 16.15 28.99 35.73 8.12 22.59

707 3.01 1.56 2.30 0.00 2.47 1.67 1.48 2.48 2.85 10.61 26.69

708 4.97 2.55 3.88 0.00 1.47 1.67 1.59 5.54 6.54 2.09 54.67

709 5.93 2.88 4.32 0.10 2.38 2.26 1.61 5.59 6.70 4.64 61.24

710 3.13 1.56 2.20 0.02 2.59 21.92 1.61 2.81 3.31 4.72 27.49

711 3.09 1.53 2.19 3.96 2.45 6.62 1.62 2.79 3.00 2.26 26.92

712 8.04 4.19 6.06 0.02 2.57 22.34 1.61 2.85 3.05 2.52 100.01

713 2.43 1.26 1.88 6.76 1.40 6.43 2.14 10.97 2.98 2.25 22.68

714 7.42 3.70 5.70 0.01 0.50 7.07 1.65 2.77 2.98 1.68 94.83

715 7.66 3.98 5.99 0.01 0.50 7.09 1.61 2.85 3.05 2.54 97.89

716 7.59 3.72 5.25 0.06 4.48 38.13 3.10 2.77 3.28 2.25 95.82

717 1.71 0.78 1.22 0.24 0.79 11.08 3.07 2.77 3.28 2.25 24.39

718 1.82 0.96 1.15 0.29 2.65 23.66 1.71 2.77 3.28 2.43 26.79

719 1.00 0.82 1.00 15.29 1.14 1.22 2.22 11.55 3.69 2.78 12.11

720 2.56 1.30 1.99 22.67 9.70 32.71 9.38 42.42 5.20 2.19 27.17

Berlanjut…

81

81

721 1.00 0.80 1.00 9.49 1.18 13.26 7.07 5.50 2.36 1.74 22.49

722 0.70 0.50 0.70 6.26 1.48 22.98 10.28 8.47 3.71 1.80 14.85

723 1.81 0.99 1.64 6.88 1.41 34.68 4.70 2.77 3.28 2.43 28.54

724 1.76 0.99 1.52 8.55 0.87 12.50 4.85 2.77 3.28 2.43 28.06

725 1.57 0.92 1.26 7.68 13.49 120.40 3.09 2.77 2.98 2.43 17.02

726 1.41 0.74 1.09 6.89 1.64 16.52 4.84 2.77 3.28 2.25 24.37

727 1.42 0.74 1.09 0.81 1.08 16.00 4.89 2.77 3.28 2.43 24.62

728 1.02 1.13 0.74 10.62 13.68 7.61 0.45 0.69 1.64 1.40 87.01

729 0.01 0.01 0.05 10.78 31.31 17.92 3.21 0.10 0.06 0.34 20.79

730 0.01 0.05 0.08 11.76 20.36 6.29 0.23 0.15 0.08 0.31 24.39

731 0.03 0.02 0.20 1.18 2.01 1.65 7.85 5.72 6.46 1.54 64.60

732 0.31 0.20 0.09 7.87 0.37 0.95 2.91 19.09 5.36 1.59 0.15

733 0.21 0.10 0.05 72.86 0.23 0.62 1.06 5.37 7.13 4.97 1.16

734 0.95 0.71 0.71 32.32 2.14 2.35 1.68 2.83 3.04 2.30 17.44

735 0.97 0.80 0.74 38.14 2.12 2.35 4.52 13.30 14.38 7.30 2.21

736 0.82 0.64 0.63 59.04 1.77 6.60 13.03 52.24 12.66 4.58 0.89

737 1.01 0.87 0.76 53.03 8.59 9.30 18.10 35.03 37.80 9.98 20.56

738 0.99 0.79 0.79 6.41 1.18 3.05 2.70 13.25 4.50 3.20 14.46

739 2.34 1.19 1.40 11.84 2.20 2.93 1.63 2.77 2.98 2.25 9.84

740 2.43 1.29 1.93 6.76 1.36 1.22 2.16 10.97 2.98 1.68 26.02

741 4.66 3.95 3.86 53.37 1.00 2.16 19.84 159.43 49.66 11.95 2.06

742 1.20 0.84 0.84 183.36 49.34 8.97 7.11 53.65 15.65 3.21 0.79

743 1.30 0.93 0.93 0.59 0.08 0.94 3.72 39.91 14.37 2.92 2.93

744 0.89 0.79 0.79 25.40 0.69 2.63 2.49 12.81 14.66 4.31 5.23

745 0.90 0.80 0.80 22.99 0.56 1.23 2.22 13.79 11.68 3.75 8.26

746 1.00 1.00 1.00 0.27 0.60 2.54 3.37 29.51 6.27 1.45 3.13

747 1.00 1.00 1.00 0.60 0.55 1.34 2.33 12.00 2.83 1.98 12.29

748 5.00 5.00 5.00 146.15 2.59 9.37 11.67 63.59 14.51 9.91 3.81

749 0.00 1.00 1.00 9.79 0.83 1.45 2.63 24.75 11.96 2.27 19.63

750 1.00 0.00 1.00 6.54 0.46 1.00 2.00 8.25 1.69 1.20 28.09

751 1.00 1.00 0.00 10.23 0.52 1.34 2.45 11.44 2.59 1.96 29.15

752 40.34 18.14 15.28 0.00 0.20 0.83 0.49 1.56 1.51 1.65 401.28

753 1.43 0.79 0.12 0.48 0.00 4.05 1.53 4.18 4.29 3.57 0.33

754 21.94 11.08 16.27 0.12 9.74 0.00 34.00 58.73 70.08 46.83 140.74

755 15.01 8.03 11.61 0.04 5.31 43.74 0.00 5.61 6.54 4.73 169.09

756 59.70 23.41 32.57 0.79 9.61 82.87 6.16 0.00 11.93 8.26 483.58

757 8.12 3.80 5.25 2.82 13.85 121.70 7.52 12.05 0.00 10.95 88.03

758 7.06 4.82 6.51 59.32 9.34 127.89 34.48 24.31 28.49 0.00 173.43

759 11.80 11.80 11.80 132.12 3.34 17.47 26.71 134.09 34.32 22.79 0.00

760 3.96 3.25 3.08 33.61 0.30 1.45 1.71 100.09 45.00 11.07 1.66

761 9.11 7.24 3.10 48.18 52.39 33.93 7.74 41.30 111.54 28.04 1.72

762 0.18 0.65 0.54 23.09 46.14 24.67 0.62 0.52 1.04 4.22 151.68

763 0.00 0.00 0.03 0.27 19.22 3.35 1.00 0.15 0.05 0.05 14.79

764 7.09 3.91 5.56 0.08 8.31 4.01 28.92 50.46 59.98 39.04 44.81

765 6.86 6.84 6.96 35.80 0.59 1.99 24.48 210.90 64.68 18.58 4.12

SDd 323.03 181.55 212.62 1218.63 625.13 1011.53 412.70 1456.67 871.59 402.19 3071.72

Tabel 4.10. Matriks Asal Tujuan Tahun 2009 (Vehicle trip, dalam smp/jam)

Tujuan Asal 760 761 762 763 764 765 SOi

701 7.04 16.89 7.38 246.54 10.87 22.72 1088.31

702 0.01 0.44 0.14 3.73 0.51 0.30 47.05

703 8.29 20.15 9.74 1.70 0.97 25.42 197.67

704 1.43 15.00 5.97 1.11 1.02 4.63 386.70

705 0.82 14.50 5.98 1.11 1.02 2.78 183.85

706 0.40 6.16 8.49 1.11 1.02 1.75 361.18

707 0.39 16.20 11.88 2.55 1.02 1.60 193.81

708 5.05 93.93 416.03 2.60 1.02 67.38 1555.86

709 0.26 1.41 6.45 23.89 1.46 1.65 241.58

710 0.13 0.70 2.10 2.47 11.63 0.77 207.93

711 0.13 0.71 2.16 0.85 2.73 0.76 136.22

712 0.36 3.52 2.81 2.33 11.79 13.74 347.19

713 0.33 0.90 2.51 0.88 2.53 2.57 135.13

714 2.44 9.92 13.49 2.72 2.96 12.76 304.08

715 2.45 9.37 13.06 2.77 2.92 12.82 297.14

716 2.59 10.91 14.20 2.83 19.79 13.63 416.02

717 4.84 13.87 29.64 6.38 4.64 25.98 361.61

718 1.00 2.71 3.61 0.95 12.46 5.56 187.64

Berlanjut…

82

82

719 0.39 1.17 2.33 0.80 2.76 1.86 123.43

720 0.97 3.63 4.48 1.23 13.28 4.29 397.97

721 0.19 0.46 0.68 0.22 6.24 1.53 145.84

722 0.13 0.30 0.47 0.15 9.22 0.94 172.85

723 0.88 2.07 4.75 0.70 18.93 4.27 239.78

724 0.92 2.25 6.14 0.90 5.23 4.40 173.10

725 2.25 6.38 8.11 2.51 64.29 11.29 622.37

726 0.71 1.90 5.40 0.80 9.09 3.71 195.91

727 0.75 1.79 4.40 0.64 6.66 3.82 165.71

728 13.70 4.91 3.02 0.28 5.13 35.04 364.75

729 7.97 3.74 0.80 0.35 15.76 21.29 649.89

730 11.98 4.66 1.28 0.32 4.54 31.12 253.78

731 7.97 3.74 0.80 0.35 1.28 21.29 480.04

732 0.41 7.20 3.50 1.44 0.91 1.53 249.35

733 0.71 13.47 5.11 32.56 0.58 1.97 484.48

734 0.28 0.84 2.56 13.98 1.50 1.39 228.91

735 0.27 0.85 2.68 1.58 1.42 1.33 242.87

736 0.21 0.71 2.42 0.86 8.06 1.04 374.63

737 0.32 0.91 2.64 0.93 11.28 1.60 497.93

738 0.27 1.02 1.97 0.61 4.03 1.26 128.79

739 0.12 0.68 2.10 0.74 3.60 0.79 111.42

740 0.23 1.20 2.45 0.85 1.56 1.42 130.08

741 0.36 1.00 87.16 5.33 1.78 2.13 948.99

742 0.70 0.84 120.96 3.26 20.72 3.50 911.52

743 2.19 0.70 0.53 0.06 1.46 10.68 181.55

744 0.29 1.09 0.83 0.14 3.67 1.27 148.49

745 0.37 0.40 0.64 0.18 2.77 2.90 143.78

746 0.25 0.21 0.38 0.02 5.52 1.98 110.32

747 0.91 0.53 0.83 0.04 2.97 5.54 97.47

748 5.26 4.11 34.62 2.19 19.25 31.99 656.14

749 0.17 0.58 1.30 0.21 3.26 1.28 147.92

750 0.12 0.21 0.38 0.09 2.25 1.05 92.94

751 0.31 0.25 0.37 0.04 2.97 2.56 116.44

752 118.24 56.32 24.51 0.50 1.13 253.75 2669.23

753 0.10 1.77 0.50 16.30 2.03 1.63 188.23

754 2.94 24.18 9.26 1.76 3.10 10.33 987.19

755 0.78 3.77 4.41 5.01 22.30 24.38 652.62

756 15.52 46.74 104.31 22.65 45.19 84.98 1974.41

757 2.77 18.00 35.35 6.87 63.37 13.50 909.78

758 2.92 4.69 11.23 2.43 51.33 16.05 1192.36

759 0.07 0.12 86.23 1.48 40.48 0.35 2076.40

760 0.00 0.52 53.57 3.10 1.11 2.13 637.44

761 0.67 0.00 22.51 1.81 15.26 2.14 1063.88

762 27.08 9.57 0.00 0.56 17.19 69.28 748.25

763 5.78 2.80 0.58 0.00 3.10 16.35 793.29

764 1.95 29.13 12.02 2.59 0.00 5.66 686.54

765 0.71 0.71 54.23 3.96 1.53 0.00 1143.34

SDd 280.06 509.36 1290.44 449.90 619.40 939.43 32361.41

83

83

Gambar 4.4. Grafik Besar Pergerakan di Zona Internal

84

84

4.3.5. Pembebanan Matriks ke jaringan jalan

Proses pembebanan matriks baru pada jaringan menghasilkan arus lalu lintas pada

masing-masing ruas jalan di kota Surakarta. Beberapa sampel arus lalu lintas hasil

pembebanan tersebut kemudian dibandingkan dengan arus lalu lintas hasil survei

pengamatan untuk diketahui tingkat validasinya. Besarnya nilai hasil pembebanan dapat

dilihat pada Tabel 4.11.

Tabel 4.11. Perbandingan arus hasil traffic count dengan arus hasil pembebanan.

Node Traffic Count Arus hasil pembebanan No.

1 2 (smp/jam) (smp/jam)

1 701 1 1287 1088 2 754 61 984 987 3 755 136 627 653 4 756 105 1811 1974 5 757 288 879 910 6 758 145 1161 1192 7 760 287 28 207 8 763 56 679 793 9 764 117 671 687

10 765 55 588 708 11 1 701 1285 1208 12 2 3 1057 1406 13 3 2 1154 1369 14 3 26 708 946 15 8 9 989 1204 16 22 78 1872 1908 17 23 752 1012 1219 18 25 26 2135 1827 19 26 3 959 1171 20 26 25 1381 1123 21 35 36 1432 1552 22 35 264 1311 1231 23 36 35 1356 1398 24 37 266 617 782 25 39 86 1109 1156 26 40 41 898 849 27 41 40 1188 834 28 46 47 650 566 29 47 46 807 768

Gambar 4.5. Grafik Besar Pergerakan di Zona Eksternal

85

85

30 51 89 729 606 31 55 765 652 582 32 56 763 438 450 33 61 754 962 1012 34 66 67 864 702 35 67 66 850 835

Berlanjut …

Node Traffic Count Arus hasil pembebanan No.

1 2 (smp/jam) (smp/jam)

36 78 22 627 584 37 85 86 996 1197 38 86 39 1339 1212 39 86 91 923 1340 40 89 51 450 443 41 91 94 318 392 42 94 91 952 681 43 95 759 1827 1474 44 105 756 1443 1457 45 117 764 571 619 46 128 127 530 528 47 133 167 807 781 48 136 755 387 413 49 138 139 578 627 50 139 138 589 558 51 145 758 406 402 52 167 133 794 584 53 188 189 936 850 54 189 188 1030 1052 55 193 208 404 493 56 208 193 789 628 57 241 92 1183 1566 58 256 257 394 747 59 257 256 448 680 60 260 35 174 253 61 264 35 1054 1370 62 266 37 1136 1072 63 271 762 531 486

64 287 760 30 82

65 288 757 827 872

Sumber: data penelitian

Program EMME/3 pun menyajikan dalam bentuk peta untuk menggambarkan

kondisi arus lalu lintas hasil pembebanan pada setiap ruas (Gambar 4.6).

Semakin tebal warna merah pada ruas berarti nilai arusnya semakin besar.

86

86

Gam

bar

4.6.

Pen

yajia

n A

rus

pada

Rua

s d

alam

Ben

tuk

Peta

den

gan

EM

ME

/3

87

87

4.4. Uji Validasi

Dari tabel perbandingan arus hasil traffic count dan arus hasil pembebanan pada Tabel

4.11. kemudian dilakukan uji validasi dengan menggunakan analisis regresi yang

tersedia pada software EMME/3, dihasilkan koefisien determinasi (R2) dari

perbandingan arus hasil traffic count dan arus hasil pembebanan = 0,8463 . Hasil lain

yang dapat dilihat antara lain : nilai gradien maksimum yang dihasilkan pada iterasi ke-

10 adalah 0,6094, langkah optimal yang dihasilkan (λ) adalah 1,2375, sdan fungsi

objektif yang dihasilkan adalah 1864.61157. Hasil perhitungan analisi regresi dapat

dilihat pada Gambar 4.8.

Gambar 4.7. Grafik Uji Validasi Volume Lalu Lintas

88

88

4.5. Pembahasan

4.5.1. Besarnya Estimasi Matriks Metode Steepest Descent

Analisis data dengan metode steepest descent menghasilkan MAT kota Surakarta

tahun 2009 dengan jumlah bangkitan pergerakan terbesar di zona internal berasal

dari zona 8 yaitu wilayah kelurahan Purwosari dengan jumlah pergerakan

1555,86 smp/jam. Hal ini dikarenakan zona 8 merupakan daerah pemukiman

dengan kepadatan penduduk yamg cukup besar. Tarikan pergerakan terbesar di

zona internal juga berasal dari zona 8 yaitu kelurahan Purwosari dengan jumlah

pergerakan 1766,53 smp/jam. Untuk bangkitan pergerakan terkecil kurang dari

100 smp/jam di zona internal berasal dari beberapa zona diantaranya zona 2

(kelurahan Jajar) dan zona 47 (Kelurahan Jagalan) dengan jumlah pergerakannya

47,05 smp/jam dan 92,94 smp/jam.

Sedangkan bangkitan pergerakan terbesar di zona eksternal berasal dari zona 52

(Colomadu) dengan jumlah pergerakan 2669,23 smp/jam dikarenakan zona 52

merupakan daerah pemukiman dengan kepadatan penduduk yang cukup besar,

dan zona tersebut sebagai pintu masuk dan pintu keluar kota Surakarta,

sedangkan tarikan pergerakan terbesar di zona eksternal berasal dari zona 59

(Palur) dengan jumlah pergerakan sebesar 3071,72 smp/jam. Hal ini disebabkan

karena zona 59 merupakan kawasan perindustrian. Untuk bangkitan pergerakan

terkecil di zona eksternal berasal dari zona 53 (Pabelan) sebesar 188,23 smp/jam.

Sedangkan tarikan pergerakan terkecil di zona eksternal berasal dari zona 60

(Jl.Brigjend Katamso-Mojosongo) sebesar 280,06 smp/jam.

Dari analisis data dengan metode steepest descent yang menghasilkan MAT kota

Surakarta tahun 2009 tersebut dapat diketahui bahwa pola pergerakan di kota

Surakarta dengan jumlah total pergerakan sebesar 32361,41 smp/jam banyak

dipengaruhi oleh pergerakan-pergerakan yang berasal dari zona eksternal. Hal ini

89

89

disebabkan karena adanya pergerakan eksternal yang cukup tinggi yang melintasi

kota Surakarta yang kemudian melanjutkan pergerakannya menuju zona eksternal

lainnya (misalkan pergerakan dari zona eksternal 52 dari Colomadu menuju ke

zona eksternal 59 di daerah Palur). Kondisi ini mengindikasikan bahwa Surakarta

bukan merupakan tempat tujuan akhir suatu perjalanan, sehingga diperlukan suatu

rute luar kota yang tidak melalui ruas jalan di pusat kota.

4.5.2. Tingkat Uji Validasi

Perhitungan uji validasi dengan koefisien determinasi (R2) pada gambar Grafik

4.8 didapatkan besar tingkat validasi 84,63% pada hasil perbandingan arus hasil

traffic count dan arus hasil pembebanan. Hal ini menunjukkan bahwa besarnya

arus lalu lintas hasil pembebanan mendekati besarnya arus lalu lintas hasil

pengamatan (traffic count tahun 2009). Dengan mengetahui nilai R2 maka akan

diketahui pula galat yang terjadi yaitu sebesar 15,37%. Besarnya galat tersebut

dapat dipengaruhi oleh model yang harus dikalibrasi dengan seperangkat data

kuantitatif (terukur). Dimana data terukur ini dibutuhkan dalam jumlah yang

banyak dan membutuhkan biaya yang cukup besar. Tetapi karena berbagai faktor,

khususnya keterbatasan biaya dan praktek di lapangan, penulis hanya

mengumpulkan sebagian data saja untuk mewakili ruas jalan kota Surakarta yang

banyak dilalui oleh kendaraan.

90

90

BAB 5

KESIMPULAN DAN SARAN

5.1. Kesimpulan

Penelitian tentang matriks asal tujuan di kota Surakarta diperlukan untuk

mengetahui besarnya jumlah pergerakan dan distribusinya pada masing-masing

wilayah di kota Surakarta. Matriks hasil perhitungan tersebut kemudian

dibebankan ke jaringan jalan untuk mendapatkan arus lalu lintas pada tiap ruas.

Berdasarkan analisis dan pembahasan yang telah dilaksanakan untuk

mengestimasi sebaran pergerakan di kota Surakarta dari data lalu lintas dengan

metode steepest descent, dapat diambil kesimpulan sebagai berikut:

1.

· Analisis data dengan menggunakan metode steepest descent menghasilkan

Matriks Asal Tujuan (MAT) tahun 2009 dengan jumlah total pergerakan

sebesar 32361,41 smp/jam

· Jumlah bangkitan dan jumlah tarikan terbesar pada zona internal terjadi

pada zona 8 yaitu Kelurahan Purwosari sebesar 1555,86 smp/jam dan

1766,53 smp/jam. Hal ini dikarenakan daerah tersebut banyak terdapat

daerah pemukiman dan juga daerah perkantoran dan perdagangan.

· Jumlah bangkitan terbesar di zona eksternal terdapat pada zona 52 yakni

daerah Colomadu sebesar 2669,23 smp/jam dikarenakan daerah tersebut

merupakan daerah pemukiman padat penduduk. Jumlah tarikan terbesar

terdapat pada zona 59 yakni daerah Palur sebesar 3071,72 smp/jam

dikarenakan daerah tersebut merupakan kawasan industri.

· Pergerakan Kota Surakarta banyak dipengaruhi oleh pergerakan yang

berasal dari zona eksternal, sehingga disimpulkan Kota Surakarta bukan

tujuan akhir dari perjalanan.

2. Perhitungan uji validasi dengan koefisien determinasi (R2) didapatkan besar

tingkat validasi 0,8463 pada hasil perbandingan arus hasil traffic count dan

91

91

arus hasil pembebanan. Hal ini menunjukkan bahwa besarnya arus lalu lintas

hasil pembebanan mendekati besarnya arus lalu lintas hasil pengamatan

(traffic count tahun 2009). Dengan mengetahui nilai R2 maka akan diketahui

pula galat yang terjadi yaitu sebesar 0,1537.

5.2. Saran

Beberapa saran yang dapat dikemukakan agar penelitian mengenai estimasi model

sebaran pergerakan dari data lalu lintas yang akan datang dapat memberikan hasil

yang lebih baik adalah sebagai berikut:

1. Perlu dipertimbangkan menggunakan uji kepantasan atau uji kebaikan dalam

membandingkan matriks yang dihasilkan.

2. Adanya pengaruh parameter α pada metode Steepest Descent dapat dijadikan

bahan kajian selanjutnya.

3. Perlu adanya pelarangan melintas bagi kendaraan beroda dua pada ruas jalan

tertentu pada jam puncak seperti Jalan Slamet Riyadi, Jalan Ahmad Yani,

Jalan Adi Sucipto, dan Jalan Jendral Sudirman dengan didukung perbaikan

fasilitas angkutan umum sebagai penunjangnya.

4. Perlu adanya suatu rute luar kota yang tidak melalui ruas jalan di pusat kota

Surakarta.

92

92

DAFTAR PUSTAKA

Ahmad Munawar dan Muhammad Zudhy Irawan. 2007. Estimasi Matriks Asal Tujuan Berdasarkan Informasi Arus Lalulintas untuk Pemodelan Transportasi. Symposium X FSTPT. Universitas Tarumanagara. Jakarta.

Anonim. 1990. Panduan Penentuan Klasifikasi Fungsi Jalan di wilayah Perkotaan. Jakarta: Direktorat Jenderal Bina Marga Departemen Pekerjaan Umum RI.

Anonim. 1997. Manual Kapasitas Jalan Indonesia (MKJI) 1997. Jakarta: Direktorat Jenderal Bina Marga Departemen Pekerjaan Umum RI.

Anonim. 2005. Buku Pedoman Penulisan Tugas Akhir. Fakultas Teknik Jurusan Teknik Sipil Universitas Sebelas Maret. Surakarta.

Astri Briliianti. 2002. Evaluasi Kerja Dan Penanganan Jaringan Jalan (Studi Kasus Kota Surakarta). Skripsi. Fakultas Teknik Jurursan Teknik Sipil Universitas Sebelas Maret. Surakarta.

E.K. Morlok. 1984. Pengantar Teknik dan Perencanaan Transportasi. Penerbit Erlangga. Jakarta.

Freund, Robert M. 2004. The Steepest Descent Algorithm for Unconstrained Optimization and a Bisection Line-search Method. Journal of Massachusetts Institute of Technology. United States of america

INRO Consultants Inc.. 1998. EMME/2 User’s Manual Software Realeas 9. Montreal (Quebec). Canada.

INRO Consultan Inc. 2007. EMME/3 Release Notes: Emme 3.0. Canada. Juarna, Asep. 2000. Penyelesaian Sistem Persamaan Linier Symetric Positive

Definite dengan Metode Steepest Descent. Jurnal. Universitas Gunadarma. Jakarta

Noriega, Yolanda dan Michael Florian. 2009. Some Enhancements of The Gradient Method for O-D Matrix Adjustment. Jurnal. university Research Centre. Canada. 21 Oktober 2009. www.cirrelt.ca

Nurmalia. 2009. Estimasi Matrik Asal Tujuan dari Data Lalu Lintas dengan Metode Entropi Maksimum (Studi Kasus Kota Surakarta). Skripsi. Fakultas Teknik Jurusan Sipil Universitas Sebelas Maret. Surakarta.

Ortuzar, J.D. and Willumsen, L.G., 1994, Modelling Transport, Second Edition, John wiley & Sons, Great Britain.

O.Z. Tamin. 1997. Perencanaan dan Pemodelan Transportasi. ITB. Bandung. O.Z. Tamin. 2000. Perencanaan dan Pemodelan Transportasi. ITB. Bandung. Priyatno. 2000. Estimasi Matrik Asal Tujuan Dari Data Lalulintas dengan Metode

Pembebanan Wardrop Equilibrium (Studi Kasus Kota Surakarta). Skripsi. Fakultas Teknik Jurursan Teknik Sipil Universitas Sebelas Maret. Surakarta.

Rahayu Mahanani W.. 2008. Estimasi Matrik Asal Tujuan dari Data Arus Lalulintas dengan Metode Estimasi Inferensi Bayesian. Skripsi. Fakultas Teknik Jurursan Teknik Sipil Universitas Sebelas Maret. Surakarta.

93

93

Revi Widyastuti. 2007. Estimasi Matriks Asal Tujuan Dari Data Arus Lalu Lintas Dengan Metode Estimasi Entropi Maksimum. Skripsi. Fakultas Teknik Jurusan Sipil Universitas Sebelas Maret. Surakarta.

R. Suyuti dan O.Z. Tamin. 2007. Penggunaan Model Gravity (GR) dalam Estimasi Matrik Asal-Tujuan (MAT) Menggunakan Data Arus Lalulintas. Symposium X FSTPT. Universitas Tarumanagara. Jakarta.

Shin, Dong Ho. Do Hyun Kim, and Man Suk Song. 1994. The Steepest Descent Method and The Conjugate Gradient method for Slightly Non-Symmetric, Positive Definite Matrices. Journal Community Korean Math.Soc.9, No.2, p. 439-448. South Korea

Slamet Basuki. 2001. Estimasi Distribusi Perjalanan dengan Menggunakan Model Gravity (Study Kasus Kota Surakarta). Skripsi. Fakultas Teknik Jurusan Teknik Sipil Universitas Sebelas Maret. Surakarta.

Spiess, Heinz. 1990. A Gradient Approach for The O-D Matrix Adjustment Problem. Jurnal. EMME/2 Support Center. Switzerland

Yuan, Ya-Xiang. 2006. A New Stepsize for The Steepest Descent Method. Journal of Computational Mathematics, vol.24, No.2, p. 149-156. Beijing, China.

Zhou Xiang dan Bingquan Fan. 2005. Application of EMME/2 on OD Estimation and TIA of Traffic Facility (A case Study of Oujiang Tunnel in Wenzhou). Jurnal. CRTS in University of Shanghai for Science and Technology. People Republic of China

Date post:	02-May-2019
Category:	Documents
Upload:	hoangtu
View:	214 times
Download:	0 times

PAMUKO ADITYA RAHMAN N I M . I 0 1 0 6 1 0 9/Estimasi-model-sebaran... · Distribusi perjalanan...

Documents