4.1 Analisa Regresi
Analisa regresi adalah salah satu analisa yang paling populer dan luas dalam pemakaiannya. Analisa regresi dipakai untuk melakukan prediksi dan ramalan (Duwi Priyatno, 2010), sehingga menunjukkan hubungan sebab-akibat antara satu variabel bebas dengan variabel terikat.
Pada analisa ini mengunakan dua variabel yaitu variabel x adalah tahun dan variabel y adalah jumlah kendaraan. Metode analisa ini akan meramalkan pertumbuhan dari jumlah kendaraan di masa yang akan datang. Dengan bentuk umum dari persamaan analisa regresi linier (Pangestu Subagyo, 2005) adalah sebagai berikut :
Keterangan : a dan b = angka koefisien regresi n = jumlah data pengamatan x = variabel bebas/tahun
y = varibel terikat/jumlah kendaraan r = nilai koefisien korelasi (-1 < r < 1)
26
4.2 Data Sekunder Dari Tahun 2008-2012
Data sekunder adalah data jumlah kendaraan ringan (LV), kendaraan berat (HV) dan sepeda motor (MC) pada jalan Diponegoro dan jalan Pasar Kembang selama 5 tahun yaitu dari tahun 2008 sampai dengan tahun 2012 yang berasal dari Dinas Pekerjaan Umum Bina Marga Surabaya, seperti ditunjukkan pada tabel 4.1 dan tabel 4.2 sebagai berikut :
Tabel 4.1 Jumlah Kendaraan di Jalan Diponegoro Jenis Kendaraan
Jumlah Kendaraan (kend/jam)
2008 2009 2010 2011 2012 Sepeda Motor 100548 108795 116571 148706 124537 (MC) Kendaraan Ringan 31394 28988 30265 31802 33620 (LV) Kendaraan Berat 3154 3134 3045 3276 3317 (HV)
Sumber : Dinas Pekerjaan Umum Bina Marga Surabaya
Tabel 4.2 Jumlah Kendaraan di Jalan Pasar Kembang Jenis Kendaraan
Jumlah Kendaraan (kend/jam)
2008 2009 2010 2011 2012 Sepeda Motor 99561 110675 101838 104176 125736 (MC) Kendaraan Ringan 26863 24212 28826 28797 29494 (LV) Kendaraan Berat 2619 2534 2543 2655 2786 (HV)
4.3 Perhitungan Regr esi Linier
Dalam pengerjaan tugas akhir ini regresi linier dipergunakan untuk meramalkan pertumbuhan kendaraan bermotor pada tahun 2013 sampai tahun 2018, yang bertujuan untuk mengetahui volume lalu-lintas pada tahun 2013 dan tahun 2018.
4.3.1 Pertumbuhan Kendar aan pada J alan Diponegoro
4.3.1.1 Pertumbuhan Kendar aan Sepeda Motor (MC)
Dalam perhitungan ini, dipergunakan analisa regresi dengan progam
Microsoft Excel sehingga dapat diketahui jumlah pertumbuhan kendaraan sepeda motor (MC) di masa yang akan datang.
Tabel 4.3 Perhitungan Regresi Linier Kendaraan Sepeda Motor Jalan Diponegoro
No X Y X.Y X² Y²
(Tahun) (Kendar aan)
1 2008 100548 201900384 4032064 10109900304 2 2009 108795 218569155 4036081 11836352025 3 2010 116571 234307710 4040100 13588798041 4 2011 148706 299047766 4044121 22113474436 5 2012 124537 250568444 4048144 15509464369 Σ 10050 599157 1204393459 20200510 73157989175
Sumber :Hasil perhitungan regresi linier
Maka didapatkan persamaan y = - 17545858 + 8788 (x)
Persamaan telah memenuhi karena nilai r = 0.753 → ( -1< r < 1 )
Dengan mempergunakan progam Microsoft Excel diperoleh nilai r2 = 0,567 yang ditunjukkan pada gambar 4.1 sebagai berikut :
Gambar 4.1 Grafik nilai koefisien korelasi (r2) kendaraan sepeda motor (MC) pada jalan Diponegoro tahun 2008-2012
Dari hasil perhitungan, diperoleh persamaan y = - 17545858+ 8788 (x). Sehingga dapat dihitung pertumbuhan kendaraan sepeda motor (MC) Jalan Diponegoro. Sebagai contoh perhitungan pertumbuhan kendaraan sepeda motor (MC) pada tahun 2013 sebagai berikut :
y = - 17545858+ 8788 (x) y = - 17545858+ 8788 (2013) y = 144386
Untuk mempermudahkan dalam perhitungan, maka dipergunakan progam Microsoft Excel. Dengan hasil yang ditunjukkan pada tabel 4.4 sebagai berikut :
Tabel 4.4 Data prediksi kendaraan sepeda motor per tahun pada jalan Diponegoro
No. Tahun J umlah Kendar aan
1 2013 144386 2 2014 153174 3 2015 161962 4 2016 170750 5 2017 179538 6 2018 188326
Sumber : Hasil perhitungan dengan Microsoft Excel
Dari hasil perhitungan di atas, maka diperoleh grafik pertumbuhan kendaraan sepeda motor (MC) pada tahun 2013-2018 yang ditunjukkan pada gambar 4.2 sebagai berikut :
Gambar 4.2 Grafik jumlah kendaraan sepeda motor (MC) pada jalan Diponegoro tahun 2013-2018
Untuk mengetahui persentase pertumbuhan jumlah kendaraan sepeda motor dari hasil perhitungan di atas dapat dihitung dengan menggunakan rumus :
F = P ( 1 + i )n
F = Jumlah kendaraan tahun rencana P = Jumlah kendaraan tahun eksisting n = Jumlah tahun yang direncanakan i = Faktor pertumbuhan
Maka persentase pertumbuhan kendaraan sepeda motor untuk 5 tahun ke depan adalah :
188326 = 153174( 1 + i )5
4.3.1.2 Pertumbuhan Kendar aan Ringan (LV)
Dalam perhitungan ini, dipergunakan analisa regresi linier sehingga dapat diketahui jumlah pertumbuhan kendaraan ringan (LV) di masa yang akan datang. Maka didapatkan hasil pada tabel 4.5 sebagai berikut :
Tabel 4.5 Perhitungan Regresi Linier Kendaraan Ringan Jalan Diponegoro
No
X Y
X.Y X² Y²
(Tahun) (Kendar aan)
1 2008 31394 63039152 4032064 985583236 2 2009 28988 58236892 4036081 840304144 3 2010 30265 60832650 4040100 915970225 4 2011 31802 63953822 4044121 1011367204 5 2012 33620 67643440 4048144 1130304400 Σ 10050 156069 313705956 20200510 4883529209
Sumber : Hasil perhitungan regresi linier
Maka didapatkan persamaan y = (x)
Persamaan telah memenuhi karena nilai r = 0.662 → ( -1< r < 1 )
Dengan mempergunakan progam Microsoft Excel diperoleh nilai r2 = 0,439 yang ditunjukkan pada gambar 4.3 sebagai berikut :
Gambar 4.3 Grafik nilai koefisien korelasi (r2) kendaraan ringan (LV) pada jalan
Diponegoro tahun 2008-2012
Dari hasil perhitungan, maka diperoleh persamaan y = - 1429252 + 727 (x). Sehingga dapat dihitung pertumbuhan kendaraan ringan (LV) Jalan Diponegoro. Sebagai contoh perhitungan pertumbuhan kendaraan ringan (LV) pada tahun 2013 sebagai berikut :
y = - 1429252 + 727 (x)
y = - 1429252 + 727 (2013)
Untuk mempermudahkan dalam perhitungan, maka dipergunakan progam Microsoft Excel. Dengan hasil yang ditunjukkan pada tabel 4.6 sebagai berikut :
Tabel 4.6 Data prediksi kendaraan ringan per tahun pada jalan Diponegoro
No. Tahun J umlah Kendar aan
1 2013 34199 2 2014 34926 3 2015 35653 4 2016 36380 5 2017 37107 6 2018 37834
Sumber : Hasil perhitungan dengan Microsoft Excel
Dari hasil perhitungan di atas, maka diperoleh grafik pertumbuhan kendaraan ringan (LV pada tahun 2013-2018 yang ditunjukkan pada gambar 4.4 sebagai berikut :
Gambar 4.4 Grafik jumlah kendaraan ringan (LV) pada jalan Diponegoro tahun
2013-2018
Untuk mengetahui persentase pertumbuhan jumlah kendaraan ringan dari hasil perhitungan di atas dapat dihitung dengan menggunakan rumus :
F = P ( 1 + i )n
F = Jumlah kendaraan tahun rencana P = Jumlah kendaraan tahun eksisting n = Jumlah tahun yang direncanakan i = Faktor pertumbuhan
Maka persentase pertumbuhan kendaraan ringan untuk 5 tahun ke depan adalah :
37834 = 34926 ( 1 + i )5
4.3.1.3 Pertumbuhan Kendar aan Berat (HV)
Dalam perhitungan ini, dipergunakan analisa regresi linier sehingga dapat diketahui jumlah pertumbuhan kendaraan Berat (HV) di masa yang akan datang. Maka didapatkan hasil pada tabel 4.7 sebagai berikut :
Tabel 4.7 Perhitungan Regresi Linier Kendaraan Berat Jalan Diponegoro No
X Y
X.Y X² Y²
(Tahun) (Kendar aan)
1 2008 3154 6333232 4032064 9947716 2 2009 3134 6296206 4036081 9821956 3 2010 3045 6120450 4040100 9272025 4 2011 3276 6588036 4044121 10732176 5 2012 3317 6673804 4048144 11002489 Σ 10050 15926 32011728 20200510 50776362
Sumber : Hasil perhitungan regresi linier
Maka didapatkan persamaan y = - 90883 + 47 (x)
Dengan mempergunakan progam Microsoft Excel diperoleh nilai r2 = 0,448 yang ditunjukkan pada gambar 4.5 sebagai berikut :
Gambar 4.5 Grafik nilai koefisien korelasi (r2) kendaraan berat (HV) pada jalan
Diponegoro tahun 2008-2012
Dari hasil perhitungan, maka diperoleh persamaan y = - 90883 + 47 (x). Sehingga dapat dihitung pertumbuhan kendaraan berat (HV) Jalan Diponegoro. Sebagai contoh perhitungan pertumbuhan kendaraan berat (HV) pada tahun 2013 sebagai berikut :
y = - 90883 + 47 (x)
y = - 90883 + 47 (2013)
y = 3728
Untuk mempermudahkan dalam perhitungan, maka dipergunakan progam Microsoft Excel. Dengan hasil yang ditunjukkan pada tabel 4.8 sebagai berikut :
Tabel 4.8 Data prediksi kendaraan beratper tahun pada jalan Diponegoro
No. Tahun J umlah Kendar aan
1 2013 3728 2 2014 3775 3 2015 3822 4 2016 3869 5 2017 3916 6 2018 3963
Sumber : Hasil perhitungan dengan Microsoft Excel
Dari hasil perhitungan di atas, maka diperoleh grafik pertumbuhan kendaraan berat (HV) pada tahun 2013-2018 yang ditunjukkan pada gambar 4.6 sebagai berikut :
Gambar 4.6 Grafik jumlah kendaraan berat (HV) pada jalan Diponegoro tahun
Untuk mengetahui persentase pertumbuhan jumlah kendaraan berat (HV) dari hasil perhitungan di atas dapat dihitung dengan menggunakan rumus :
F = P ( 1 + i )n
F = Jumlah kendaraan tahun rencana P = Jumlah kendaraan tahun eksisting n = Jumlah tahun yang direncanakan i = Faktor pertumbuhan
Maka persentase pertumbuhan kendaraan berat (HV) untuk 5 tahun ke depan adalah :
3963 = 3775 ( 1 + i )5
i = 1%
4.3.2 Pertumbuhan Kendar aanPada J alan Pasar Kembang 4.3.2.1 Pertumbuhan Kendar aan Sepeda Motor (MC)
Dalam perhitungan ini, dipergunakan analisa regresi linier sehingga dapat diketahui jumlah pertumbuhan kendaraan sepeda motor (MC) di masa yang akan datang. Maka didapatkan hasil pada tabel 4.9 sebagai berikut :
Tabel 4.9 Perhitungan Regresi Linier Kendaraan Sepeda Motor (MC) Jalan Pasar
Kembang
No
X Y
X.Y X² Y²
(Tahun) (Kendar aan)
1 2008 99561 199918488 4032064 9912392721 2 2009 110675 222346075 4036081 12248955625 3 2010 101838 204694380 4040100 10370978244 4 2011 104176 209497936 4044121 10852638976 5 2012 125736 252980832 4048144 15809541696 Σ 10050 541986 1089437711 20200510 59194507262
Sumber : Hasil perhitungan regresi linier
Maka didapatkan persamaan y = - 9107654 + 4585 (x)
Dengan mempergunakan progam Microsoft Excel diperoleh nilai r2 = 0,472 yang ditunjukkan pada gambar 4.7 sebagai berikut :
Gambar 4.7 Grafik nilai koefisien korelasi r2 kendaraan sepeda motor (MC)
pada jalan Pasar Kembang tahun 2008-2012
Dari hasil perhitungan, maka diperoleh persamaan y = - 9107654+ 4585 (x). Sehingga dapat dihitung pertumbuhan kendaraan sepeda motor (MC) Jalan Pasar Kembang. Sebagai contoh perhitungan pertumbuhan kendaraan sepeda motor (MC) pada tahun 2013 sebagai berikut :
y = - 9107654+ 4585 (x)
y = - 9107654+ 4585(2013)
y = 121951
Untuk mempermudahkan dalam perhitungan, maka dipergunakan progam Microsoft Excel. Dengan hasil yang ditunjukkan pada tabel 4.10 sebagai berikut :
Tabel 4.10 Data prediksi kendaraan Sepeda Motor per tahun pada jalan Pasar Kembang
No. Tahun J umlah Kendar aan
1 2013 121951 2 2014 126536 3 2015 131121 4 2016 135706 5 2017 140291 6 2018 144876
Sumber : Hasil perhitungan dengan Microsoft Excel
Dari hasil perhitungan di atas, maka diperoleh grafik pertumbuhan kendaraan sepeda motor (MC) pada tahun 2013-2018 yang ditunjukkan pada gambar 4.8 sebagai berikut :
Gambar 4.8 Grafik jumlah kendaraan sepeda motor (MC) pada jalan Pasar Kembang tahun 2013-2018
Untuk mengetahui persentase pertumbuhan jumlah kendaraan sepeda motor (MC) dari hasil perhitungan di atas dapat dihitung dengan menggunakan rumus :
F = P ( 1 + i )n
F = Jumlah kendaraan tahun rencana P = Jumlah kendaraan tahun eksisting n = Jumlah tahun yang direncanakan i = Faktor pertumbuhan
Maka persentase pertumbuhan kendaraan sepeda motor (MC) untuk 5 tahun ke depan adalah :
144876=126536( 1 + i )5
i = 3%
4.3.2.2 Pertumbuhan Kendar aan Ringan (LV)
Dalam perhitungan ini, dipergunakan analisa regresi linier sehingga dapat diketahui jumlah pertumbuhan kendaraan ringan (LV) di masa yang akan datang. Maka didapatkan hasil pada tabel 4.11 sebagai berikut :
Tabel 4.11 Perhitungan Regresi Linier Kendaraan Ringan Jalan Pasar Kembang
No
X Y
X.Y X² Y²
(Tahun) (Kendar aan)
1 2008 26863 53940904 4032064 721620769 2 2009 24212 48641908 4036081 586220944 3 2010 28826 57940260 4040100 830938276 4 2011 28797 57910767 4044121 829267209 5 2012 29494 59341928 4048144 869896036 Σ 10050 138192 277775767 20200510 3837943234
Sumber : Hasil perhitungan regresi linier
Maka didapatkan persamaan y = - 1951609 + 985 (x)
Dengan mempergunakan progam Microsoft Excel diperoleh nilai r2 = 0,523 yang ditunjukan pada gambar 4.9 sebagai berikut :
Gambar 4.9 Grafik nilai koefisien korelasi r2 kendaraan ringan (LV) pada jalan
Pasar Kembang tahun 2008-2012
Dari hasil perhitungan, maka diperoleh persamaan y = - 1951609 + 985 (x). Sehingga dapat dihitung pertumbuhan kendaraan ringan (LV) Jalan Pasar Kembang. Sebagai contoh perhitungan pertumbuhan kendaraan ringan (LV) pada tahun 2013 sebagai berikut :
y = - 1951609 + 985 (x)
y = - 1951609 + 985 (2013)
y = 31196
Untuk mempermudahkan dalam perhitungan, maka dipergunakan progam Microsoft Excel. Dengan hasil yang ditunjukan pada tabel 4.12 sebagai berikut :
Tabel 4.12 Data prediksi kendaraan ringan per tahun pada jalan Pasar Kembang
No. Tahun J umlah Kendar aan
1 2013 31196 2 2014 32181 3 2015 33166 4 2016 34151 5 2017 35136 6 2018 36121
Sumber :Hasil perhitungan dengan Microsoft Excel
Dari hasil perhitungan di atas, maka diperoleh grafik pertumbuhan kendaraan ringan (LV) pada tahun 2013-2018 yang ditunjukkan pada gambar 4.10 sebagai berikut :
Gambar 4.5 Grafik jumlah kendaraan ringan (LV) pada jalan Pasar Kembang tahun 2013-2018
Untuk mengetahui persentase pertumbuhan jumlah kendaraan kendaraan ringan (LV) dari hasil perhitungan di atas dapat dihitung dengan menggunakan rumus :
F = P ( 1 + i )n
F = Jumlah kendaraan tahun rencana P = Jumlah kendaraan tahun eksisting n = Jumlah tahun yang direncanakan i = Faktor pertumbuhan
Maka persentase pertumbuhan kendaraan ringan untuk 5 tahun ke depan adalah :
36121 = 32181 ( 1 + i )5
i = 2%
4.3.2.3 Pertumbuhan Kendar aan Berat (HV)
Dalam perhitungan ini, dipergunakan analisa regresi linier sehingga dapat diketahui jumlah pertumbuhan kendaraan berat (HV) di masa yang akan datang. Maka didapatkan hasil pada tabel 4.13 sebagai berikut :
Tabel 4.13 Perhitungan Regresi Linier Kendaraan Berat (HV) Jalan Pasar Kembang
No
X Y
X.Y X² Y²
(Tahun) (Kendar aan)
1 2008 2619 5258952 4032064 6859161 2 2009 2534 5090806 4036081 6421156 3 2010 2543 5111430 4040100 6466849 4 2011 2655 5339205 4044121 7049025 5 2012 2786 5605432 4048144 7761796 Σ 10050 13137 26405825 20200510 34557987
Sumber : Hasil perhitungan regresi linier
Persamaan telah memenuhi karena nilai r = 0.703 → ( -1< r < 1 )
Dengan mempergunakan progam Microsoft Excel diperoleh nilai r2 = 0,494
yang ditunjukkan pada gambar 4.11 sebagai berikut :
Gambar 4.11 Grafik nilai koefisien korelasi (r2) kendaraan berat (HV) pada jalan
Pasar Kembang tahun 2008-2012
Dari hasil perhitungan, maka diperoleh persamaan y = + 46 (x).
Sehingga dapat dihitung pertumbuhan kendaraan berat (HV) Jalan Pasar Kembang. Sebagai contoh perhitungan pertumbuhan kendaraan berat (HV) pada tahun 2013 sebagai berikut :
y = + 46 (x)
y = + 46(2013)
y = 3770
Untuk mempermudahkan dalam perhitungan, maka dipergunakan progam Microsoft Excel. Dengan hasil yang ditunjukkan pada tabel 4.14 sebagai berikut :
Tabel 4.14 Data prediksi kendaraan berat per tahun pada jalan Pasar Kembang
No. Tahun J umlah Kendar aan
1 2013 3770 2 2014 3816 3 2015 3862 4 2016 3908 5 2017 3954 6 2018 4000
Sumber : Hasil perhitungan dengan Microsoft Excel
Dari hasil perhitungan di atas, maka diperoleh grafik pertumbuhan kendaraan berat (HV) pada tahun 2013-2018 yang ditunjukkan pada gambar 4.12 sebagai berikut :
Gambar 4.12 Grafik jumlah kendaraan berat (HV) pada jalan Pasar Kembang tahun 2013-2018
Untuk mengetahui persentase pertumbuhan jumlah kendaraan berat (HV) dari hasil perhitungan di atas dapat dihitung dengan menggunakan rumus :
F = P ( 1 + i )n
F = Jumlah kendaraan tahun rencana P = Jumlah kendaraan tahun eksisting n = Jumlah tahun yang direncanakan i = Faktor pertumbuhan
Maka persentase pertumbuhan kendaraan berat untuk 5 tahun ke depan adalah :
4000 =3816( 1 + i )5
i = 1%
Tabel 4.15 Persentase pertumbuhan kendaraan bermotor sampai tahun rencana (tahun 2018)
Jenis Kendaraan
Persentase Pertumbuhan Kendaraan tahun 2018
Jalan Diponegoro Jalan Pasar Kembang
Sepeda Motor (MC) 4% 3%
Kendaraan Ringan (LV) 2% 2%
Kendaraan Berat (HV) 1% 1 %
Sumber : Hasil Perhitungan
4.4 Perhitungan Volume Lalu Lintas
Perhitungan volume lalu lintas dilakukan untuk mengetahui kinerja lalu lintas dari suatu segmen jalan dengan memperhitungan kapasitas dan derajat kejenuhan (DS). Dalam perhitungan ini mempergunakan data yang sudah dikonversikan kedalam satuan mobil penumpang/jam (smp/jam). Agar jumlah kendaraan dalam satuan smp/jam, maka data jumlah kendaraan harus dikalikan faktor ekuivalen pada tiap jenis kendaraan.
Adapun untuk menentukan koefisien ekuivalen mobil penumpang (EMP) untuk jalan tak terbagi dan terbagi, yang sesuai dengan tabel 2.7 dan tabel 2.8, maka diperoleh tipe jalan pada wilayah studi sebagai berikut:
1. Jalan Diponegoro dengan tipe jalan Enam-lajur terbagi (6/2 D), lebar jalur 3.5 m
2. Jalan Pasar Kembang dengan tipe jalan Enam-lajur terbagi (6/2 D), lebar jalur
4.4.1 Hambatan Samping
Perhitungan hambatan samping dilakukan untuk mengetahui kelas hambatan samping.Adapun faktor-faktor yang mempengaruhi nilai kelas hambatan samping dengan frekwensi bobot kejadian per jam per 200 meter dari segmen jalan yang diamati, pada kedua sisi jalan. Dengan hasil survei pada tabel 4.16 sebagai berikut :
Tabel 4.16 Tingkat hambatan samping di wilayah studi
Ruas jalan
Jenis hambatan samping
Pejalan kaki Kendaraan
berhenti Kendaraan keluar samping lahan Kendaraan lambat Jalan Diponegoro 75 85 103 269 Jalan Pasar Kembang 155 201 106 369
Sumber : hasil survei lapangan
4.4.2 Analisa Kinerja Lalu Lintas Pada Segmen J alan Diponegor o Sebelum
Adanya Fly Over Kondisi Eksisting
Analisa kinerja pada segmen jalan Diponegoro ini mempergunakan data sekunder. Data jumlah kendaraan yang diperoleh kemudian diolah dan dianalisa dengan menggunakan rumus dan dasar teori rekayasa lalu lintas. Untuk hitungnnya dijelaskan sebagai berikut :
Jumlah kejadian untuk menentukan tingkat hambatan samping pada ruas Jalan Diponegoro pada segmen yang ditinjau.
Jumlah pejalan kaki = 75x bobot 0.5 = 37.5
Jumlah kendaraan berhenti = 85x bobot 1.0 = 85
Jumlah kendaraan keluar samping jalan = 103x bobot 0.7 = 72.1
Jumlah kendaraan lambat = 269x bobot 0.4 = 107.6
Total jumlah kejadian = 302.2
Total jumlah kejadian hambatan samping adalah 302.2 termasuk dalam jumlah berbobot kejadian per 200m/jam 300 – 499 dengan kelas medium/sedang, sehingga
diperoleh nilai (FC6SF) = 1 – 0.8 ( 1 – FC4SF ) = 1 – 0.8 ( 1 – 0.92 ) = 0.94
Contoh perhitungan angka pertumbuhan kendaraan sepeda motor (MC), kendaraan berat (LV), dan kendaraan berat (HV) pada tahun 2013 kondisi eksisthing. Jumlah pertumbuhan kendaraan sepeda motor (MC) pada tahun 2013, pada ruas Jalan Diponegoro.
Jumlah pertumbuhan kendaraan ringan (LV) pada tahun2013, pada ruas Jalan Diponegoro.
Jumlah pertumbuhan kendaraan berat (HV) pada tahun 2013, pada ruas Jalan Diponegoro.
Analisa data pada segmen jalan Diponegor o.
a. Diketahui tipe jalan tersebut 6/2 D, maka dari tabel 2.1 diperoleh :
CO = 1650 smp/jam per lajur, untuk 3 lajur = 4950 smp/jam
b. Faktor lebar jalur lalu lintas 3.5 meter, dari tabel 2.2 diperoleh: FCW = 1,00
c. Faktor pemisah arah 50% - 50%, dari tabel 2.3 diperoleh: FCsp = 1,00
d. Faktor hambatan samping sedang, maka diperoleh : FCSF = 0.94
e. Faktor penyesuaian kapasitas untuk ukuran kota dengan jumlah penduduk > 3.0
juta penduduk, maka dari tabel 2.5 diperoleh : FCCS = 1,04
Dari data – data yang diperoleh, sehingga dapat mengetahui kapasitas jalan dengan menggunakan rumus :
Kapasitas (C) = CO x FCW x FCSP x FCSF x FCCS
= 4950 x 1.00 x 1.00 x 0.94 x 1.04
= 4839 smp/jam
Total jumlah kendaraan (Q) = MC (EMP) + LV (EMP) + HV (EMP) = 6257 (0.25) + 1453 (1) + 157 (1.2) = 3206 smp/jam
Derajat kejenuhan (DS) = Q/C = 3206/4839 = 0.66
4.4.3 Analisa Kinerja Lalu Lintas Pada Segmen J alan Pasar Kembang
Sebelum Adanya Fly Over Kondisi Eksisting
Analisa kinerja pada segmen jalan Pasar Kembang ini mempergunakan data sekunder. Data jumlah kendaraan yang diperoleh kemudian diolah dan dianalisa dengan menggunakan rumus dan dasar teori rekayasa lalu lintas. Untuk hitungnnya dijelaskan sebagai berikut :
Jumlah kejadian untuk menentukan tingkat hambatan samping pada ruas Jalan Pasar Kembang pada segmen yang ditinjau.
Jumlah pejalan kaki = 155 x bobot 0.5 = 77.5
Jumlah kendaraan berhenti = 201 x bobot 1.0 = 201
Jumlah kendaraan keluar samping jalan = 106 x bobot 0.7 = 74.2
Jumlah kendaraan lambat = 369 x bobot 0.4 = 147.6
Total jumlah kejadian = 500.3
Total jumlah kejadian hambatan samping adalah 500.3 termasuk dalam jumlah berbobot kejadian per 200m/jam 500-899 dengan kelas tinggi, sehingga diperoleh
nilai (FC6SF) = 1 – 0.8 ( 1 – FC4SF ) = 1 – 0.8 ( 1 – 0.88 ) = 0.904
Contoh perhitungan angka pertumbuhan kendaraan sepeda motor (MC), kendaraan berat (LV), dan kendaraan berat (HV) pada tahun 2013 kondisi eksisting. Jumlah pertumbuhan kendaraan sepeda motor (MC) pada tahun 2013, pada ruas Jalan Pasar Kembang.
Jumlah pertumbuhan kendaraan ringan (LV) pada tahun2013, pada ruas Jalan Pasar Kembang.
Jumlah pertumbuhan kendaraan berat (HV) pada tahun 2013, pada ruas Jalan Pasar Kembang.
Analisa data pada segmen jalan Pasar Kembang.
a. Diketahui tipe jalan tersebut 6 lajur 2 arah, maka dari tabel 2.1 diperoleh :
CO = 1650 smp/jam per lajur, untuk 3 lajur = 4950 smp/jam
f. Faktor lebar jalur lalu lintas 3.5 meter, dari tabel 2.2 diperoleh: FCW = 1,00
g. Faktor pemisah arah 50% - 50%, dari tabel 2.3 diperoleh: FCsp = 1,00
h. Faktor hambatan samping tinggi, maka diperoleh : FCSF = 0.904
i. Faktor penyesuaian kapasitas untuk ukuran kota dengan jumlah penduduk > 3.0
juta penduduk, maka dari tabel 2.5 diperoleh : FCCS = 1,04
Dari data – data yang diperoleh, sehingga dapat mengetahui kapasitas jalan dengan menggunakan rumus :
kapasitas (C) = CO x FCW x FCSP x FCSF x FCCS
= 4950 x 1.00 x 1.00 x 0.904 x 1.04 = 4654 smp/jam
Total jumlah kendaraan (Q) = MC (EMP) + LV (EMP) + HV (EMP) = 5234 (0.25) + 1326 (1) + 159 (1.2) = 2825 smp/jam Derajat kejenuhan (DS) = Q/C =2825/4654 = 0.61
4.4.4 Analisa Kinerja Lalu Lintas Pada Segmen J alan Diponegor o Kondisi
Setelah Adanya Fly Over dan Umur Rencana Tahun 2018
Analisa kinerja pada segmen jalan Diponegoro ini untuk mengetahui kondisi
lalu lintas setelah adanya fly over dan kondisi lalu lintas diumur rencana pada tahun
2018. Analisa ini mempergunakan data-data kendaran sepeda motor (MC), kendaraan ringan (LV) dan kendaraan berat (HV) pada tahun 2014 dan tahun 2018. Data-data kendaraan tersebut yang didapat pada jalan Diponegoro ditunjukkan pada tabel 4.17 sebagai berikut :
Tabel 4.17 Jumlah kendaraan tahun 2014 dan tahun 2018 pada jalan Diponegoro
TAHUN
Segmen Jalan Diponegoro
Kendaraan Sepeda Motor (MC) Kendaraan ringan (LV) Kendaraan Berat (HV) 2014 153174 34926 3775 2018 188326 37834 3963
Dari data-data di atas diketahui jumlah kendaraan pada tahun 2014 dan tahun 2018, sehingga data-data tersebut dapat diperhitungkan jumlah pertumbuhan kendaraan.
Contoh perhitungan angka pertumbuhan kendaraan sepeda motor (MC), kendaraan berat (LV), dan kendaraan berat (HV) pada tahun 2014 dan 2018 adalah sebagai berikut :
Jumlah pertumbuhan kendaraan sepeda motor (MC) pada tahun 2014, pada ruas Jalan Diponegoro.
Jumlah pertumbuhan kendaraan ringan (LV) pada tahun 2014, pada ruas Jalan Diponegoro.
Jumlah pertumbuhan kendaraan berat (HV) pada tahun 2014, pada ruas Jalan Diponegoro.
Jumlah pertumbuhan kendaraan sepeda motor (MC) pada tahun 2018, pada ruas Jalan Diponegoro.
Jumlah pertumbuhan kendaraan ringan (LV) pada tahun 2018, pada ruas Jalan Diponegoro.
Jumlah pertumbuhan kendaraan berat (HV) pada tahun 2018, pada ruas Jalan Diponegoro.
Dari hasil perhitungan, maka diperoleh hasil pertumbuhan jumlah kendaraan bermotor pada tahun 2014 dan tahun 2018 yang ditunjukkan pada tabel 4.18 berikut :
Tabel 4.18 Jumlah total kendaraan tahun 2014 dan tahun 2018 jalan Diponegoro
Tahun Jenis kendaraan Total kend/jam EMP Total smp/jam MC LV HV MC LV HV 0.25 1 1.2 2014 6237 1484 159 7880 1559 1484 191 3234 2018 8161 1608 167 9936 2040 1608 200 3848
Diketahui tipe jalan tersebut 8/2 D, maka dari tabel 2.1 diperoleh :
CO = 1650 smp/jam per lajur, untuk 4 lajur = 6600 smp/jam
Faktor lebar jalur lalu lintas 3.5 meter, dari tabel 2.2 diperoleh: FCW = 1,00
Faktor pemisah arah 50% - 50%, dari tabel 2.3 diperoleh: FCsp = 1,00
Faktor hambatan samping sedang, maka diperoleh : FCSF = 0.94
Faktor penyesuaian kapasitas untuk ukuran kota dengan jumlah penduduk > 3.0 juta
penduduk, maka dari tabel 2.5 diperoleh : FCCS = 1,04
Analisa data pada segmen jalan Diponegor o setelah adanya fly over.
Jumlah total kendaraan (Q) = MC + LV + HV = 1559 + 1484 + 191 = 3234 smp/jam Kapasitas (C) = CO x FCW x FCSP x FCSF x FCCS = 6600 x 1.00 x 1.00 x 0.94 x 1.04 = 6452 smp/jam Derajat kejenuhan (DS) = Q/C = 3234/6452 = 0.50
Analisa data pada segmen jalan Diponegor o saat umur r encana tahun 2018. Jumlah total kendaraan (Q) = MC + LV + HV
= 2040 + 1608 + 200 = 3848 smp/jam Kapasitas (C) = CO x FCW x FCSP x FCSF x FCCS = 6600 x 1.00 x 1.00 x 0.94 x 1.04 = 6452 smp/jam Derajat kejenuhan (DS) = Q/C = 3848/6452 = 0.59
4.4.5 Analisa Kinerja Lalu Lintas Pada Segmen J alan Pasar Kembang
Kondisi Setelah Adanya Fly Over dan Umur Rencana Tahun 2018
Analisa kinerja pada segmen jalan Pasar Kembang ini untuk mengetahui
kondisi lalu lintas setelah adanya fly over dan kondisi lalu lintas diumur rencana
tahun 2018. Analisa ini mempergunakan data-data kendaran sepeda motor (MC), kendaraan ringan (LV) dan kendaraan berat (HV) pada tahun 2014 dan tahun 2018. Data-data kendaraan tersebut yang didapat pada segmen jalan Pasar Kembang ditunjukkan pada tabel 4.19 sebagai berikut :
Tabel 4.19 Jumlah kendaraan tahun 2014 dan tahun 2018 jalan Pasar Kembang
TAHUN
Segmen Jalan Pasar Kembang
Kendaraan Sepeda Motor (MC) Kendaraan ringan (LV) Kendaraan Berat (HV) 2014 126536 32181 3816 2018 144876 36121 4000
Sumber : Hasil Perhitungan
Dari data-data di atas diketahui jumlah kendaraan pada tahun 2014 dan tahun 2018, sehingga data-data tersebut dapat diperhitungkan jumlah pertumbuhan kendaraan.
Contoh perhitungan angka pertumbuhan kendaraan sepeda motor (MC), kendaraan berat (LV), dan kendaraan berat (HV) pada tahun 2014 dan 2018 adalah sebagai berikut :
Jumlah pertumbuhan kendaraan sepeda motor (MC) pada tahun 2014, pada ruas Jalan Pasar Kembang.
Jumlah pertumbuhan kendaraan ringan (LV) pada tahun 2014, pada ruas Jalan Pasar Kembang.
Jumlah pertumbuhan kendaraan berat (HV) pada tahun 2014, pada ruas Jalan Pasar Kembang.
Jumlah pertumbuhan kendaraan sepeda motor (MC) pada tahun 2018, pada ruas Jalan Pasar Kembang.
Jumlah pertumbuhan kendaraan ringan (LV) pada tahun 2018, pada ruas Jalan Pasar Kembang.
Jumlah pertumbuhan kendaraan berat (HV) pada tahun 2018, pada ruas Jalan Pasar Kembang.
Dari hasil perhitungan, maka diperoleh hasil pertumbuhan jumlah kendaraan bermotor pada tahun 2014 dan tahun 2018 yang ditunjukkan pada tabel 4.20 berikut :
Tabel 4.20 Jumlah total kendaraan tahun 2014 dan tahun 2018 di Jalan Pasar Kembang Tahun Jenis kendaraan Total kend/jam EMP Total smp/jam MC LV HV MC LV HV 0.25 1 1.2 2014 5431 1368 161 6960 1358 1368 193 2919 2018 6218 1535 168 7921 1555 1535 202 3292
Sumber : Hasil Perhitungan
Diketahui tipe jalan tersebut 8/2 D, maka dari tabel 2.1diperoleh :
CO = 1650 smp/jam per lajur, untuk 4 lajur = 6600 smp/jam
Faktor lebar jalur lalu lintas 3.5 meter, dari tabel 2.2 diperoleh: FCW = 1,00
Faktor hambatan samping tinggi, maka diperoleh : FCSF = 0.904
Faktor penyesuaian kapasitas untuk ukuran kota dengan jumlah penduduk > 3.0 juta
penduduk, maka dari tabel 2.5 diperoleh : FCCS = 1,04
Analisa data pada segmen J alan Pasar Kembang setelah adanya setelah fly over.
Total jumlah kendaraan (Q) = MC (EMP) + LV (EMP) + HV (EMP) = 1358 + 1368 + 193 = 2919smp/jam kapasitas (C) = CO x FCW x FCSP x FCSF x FCCS