BAB IV HASIL DAN PEMBAHASAN
4.2 Mikro- Simulasi Lalu Lintas Di Persimpangan
4.2.1 Kalibrasi Model Mikro - Simulasi
Untuk mengimplementasikan model mikro – simulasi agar hasil analisis sesuai dengan realita di lapangan maka langkah awal akan dibentuk nilai – nilai parameter dalam model simulasi yaitu proses kalibrasi dengan metode trial and error dan hasil analisis Uji GEH (Geoffrey E. Havers).
Berdasarkan parameter yang ada pada vissim dipilih beberapa parameter yang sesuai dengan kondisi lalu lintas heterogen kemudian dilakukan proses kalibrasi terhadap volume kendaraan pada periode jam puncak (peak hour) yaitu jam puncak pagi, siang, dan sore. Adapun nilai kalibrasi dan hasil kalibrasi dalam Uji GEH diperlihatkan pada Tabel 4.2 sebagai berikut :
Tabel 4.2 Nilai Kalibrasi Pada Simpang
Parameter Periode Waktu
07.00 –08.00 12.00 –13.00 16.00 -17.00 Average
Standstill Distance
0.3 0.5 0.5
Add. Part of Desired Safety
Distance
0.5 0.5 0.5
No. of Observed
Vehicle 2 2 2
Minimum
Headway 0.50 0.50 0.50
Lane Change Rule
Free Lane Change
Free Lane Change
Free Lane Change Overtake at
Same Line yes yes Yes
Desired Lateral
Position any any Any
Lateral Distance Standing
0.2 0.2 0.2
103 Lateral
Distance Driving
0.4 0.6 0.5
Pada Tabel 4.2 menyajikan pilihan parameter beserta nilai kalibrasinya, pada hasil kalibrasi diatas memperlihatkan bahwa beberapa parameter memiliki nilai yang sama pada tiap – tiap periode sedangkan untuk parameter Average Standstill Distance dan Lateral Distance Driving memiliki nilai yang berbeda berdasarkan periode waktu simulasi.
Nilai parameter pada model simulasi selanjutnya hasil model mikro – simulasi harus divalidasi untuk mengukur ketepatan model dan parameter yang sudah dibentuk sebelumnnya. Acuan dalam hasil kalibrasi model mikro – simulasi kali ini yaitu volume kendaraan digunakan sebagai parameter untuk mengukur model dengan membandingkan volume kendaraan model dan hasil observasi dilapangan. Hasil kalibrasi model mikro – simulasi disajikan dalam bentuk Tabel 4.3 uji GEH dan secara visualisasi pada Gambar 4.37 sebagai berikut.
Tabel 4.3 Hasil Kalibrasi Uji Geoffrey E. Havers pada Volume Arus Lalu Lintas
Hasil Periode
07.00–08.00 12.00–13.00 16.00–17.00
Model
Bandara 5020 4484 4536
Dakota 253 499 673
Poros Maros 3580 3243 3653
Frontage Toll 263 479 654
Toll 4555 4103 5036
Perintis 4511 4019 4896
Observasi Bandara 5063 4548 4603
104
Dakota 268 564 735
Poros Maros 3483 3190 3557
Frontage Toll 282 589 753
Toll 4375 3807 4580
Perintis 4156 3729 4512
Uji GEH
Bandara 0.61 0.95 0.99
Dakota 0.93 2.82 2.34
Poros Maros 1.63 0.83 1.59
Frontage Toll 0.93 2.82 2.34
Toll 2.02 3.23 4.51
Perintis 2.04 3.39 4.59
Kesimpulan Diterima Diterima Diterima
a. Sebelum Kalibrasi b. Setelah Kalibrasi
Gambar 4.37 Visualisasi 3D Mikro – Simulasi Vissim Simpang Pettarani - Alauddin
Pada Tabel 4.3 hasil kalibrasi dengan Uji Geoffrey E. Havers menunjukkan bahwa pada simpang Jalan A.P.Pettarani – Jalan Sultan Alauddin telah terkalibrasi dengan baik untuk semua pendekat, Gambar 4.37 juga memperlihatkan perbedaan tampilan visual pada vissim sebelum dan sesudah kalibrasi kelihatan sebelum dikalibrasi antrian kendaraan teratur dan berada pada lajur masing – masing kendaran sedangkan setelah proses kalibrasi kendaraan kelihatan tidak teratur dan jarak antar kendaraan juga telah berdekatan itu menunjukkan perilaku lalu lintas pada lalu lintas heterogen itu artinya kondisi simulasi sesuai dengan kondisi lalu lintas dilapangan adapun proses kalibrasi dilakukan dengan mengubah nilai parameter perilaku pengendara (driving behavior).
105
4.2.2 Validasi Hasil Model Mikro – Simulasi
Setelah proses kalibrasi dilakukan, selanjutnya dilakukan proses validasi terhadap model simulasi tersebut untuk mengukur ketepatan model dan parameter yang sudah dibentuk sebelumnnya. Acuan dalam validasi kali ini yaitu panjang antrian kendaraan dimana kita membandingkan panjang antrian pada model simulasi dan hasil observasi dilapangan. Analisis yang digunakan adalah dengan uji Chi- square. Dimana akan terlihat nilai probability dari uji Chi- square tersebut. Hasil validasi disajikan dalam bentuk Tabel 4.4 dan model Visualisasi 3D pada Gambar 4.38.
Tabel 4.4. Hasil Validasi dengan Uji Chi- square pada Panjang Antrian Kendaraan
07.00–08.00 12.00–13.00 16.00–17.00
Bandara 124.48 95.84 128.27
Dakota 31.46 29.18 10.41
Poros Maros 250.82 503.49 602.69
Frontage Toll 342.45 301.61 275.17
Toll 276.41 310.12 256.59
Perintis 245.47 327.17 372.45
Bandara 124.48 105.45 64.56
Dakota 37.69 30.14 16.25
Poros Maros 250.82 536.23 582.36
Frontage Toll 342.45 301.61 275.17
Toll 276.41 310.12 256.59
Perintis 245.47 327.17 372.45
Bandara 0.928 2.071 2.780
Dakota 0.353 0.631 0.543
Poros Maros 1.236 1.589 2.254
Frontage Toll 0.353 0.631 1.533
Toll 0.256 0.543 1.286
Perintis 0.546 2.734 0.353
Diterima Diterima Diterima Model
Observasi
Uji Chi-Square
Kesimpulan
Hasil Periode
106
Tabel 4.4 menunjukkan bahwa berdasarkan hasil Uji Chi – Square dengan derajat keyakinanan Uji Chi- square sebesar 95 % atau α = 0.05, di mana nilai tabel x2 pada tabel Chi- square adalah 11.07 sedangkan untuk semua pendekat telah model memenuhi syarat x2 hasil hitung ≤ x2 hasil tabel Chi- square sehingga model dinyatakan valid.
Hasil analisis simpang akan disajikan dalam bentuk grafik histogram atau grafik batang seperti pada Gambar 4.38.
a. Kondisi Lapangan b. Visualisasi 3D Vissim Gambar 4.38. Perbandingan Visualisasi Model dengan Kondisi Lapangan
Visualisasi yang ditampilkan pada Gambar 4.38 memperlihatkan gambaran model simulasi tidak terlalu jauh berbeda dengan gambaran dilapangan menunjukkan posisi kendaraan dan jarak bamper serta headway mau pun lateral antar kendaraan menunjukkan posisi yang hampir serupa
107
dan menunjukkan secara visual bahwa yang dibentuk atau dibangun telah valid dan dapat digunakan untuk menganalisis kinerja lalu lintas.
108
BAB V PENUTUP 5.1 Kesimpulan
Setelah dilakukan analisis pada Bab IV dan berdasarkan hasil - hasil kajian dari hasil analisis tersebut, maka penulis dapat merumuskan beberapa kesimpulan yang merujuk dan terkait langsung dari penulisan skripsi sebagai berikut :
a. Hasil model mikro - simulasi kondisi lalu lintas pada Simpang Mandai dengan menggunakan software Vissim melalui proses kalibrasi dan validasi model simulasi dengan menggunakan volume dan panjang antrian kendaraan di lapangan. Proses kalibrasi yaitu dengan mengubah nilai parameter perilaku pengemudi (driving behavior) yaitu Average Standstill Distance dan nilai Lateral Distance Driving.
b. Hasil kinerja lalu lintas kondisi eksisting pada Simpang Mandai berdasarkan hasil mikro – simulasi pada Jalan Frontage Toll DR. Ir. Sutami panjang antrian dan tundaan paling besar dengan nilai 342.45 meter dan 672 detik, untuk Jalan Poros Makassar-Maros dengan nilai 582.36 meter untuk antrian kendaraan dan 1354 detik untuk tundaan, dan pada Jalan Perintis Kemerdekaan untuk panjang antrian dan tundaan masing – masing dengan nilai 31.46 meter dan 4.97 detik. Level of Service pendekat timur Jalan Poros Maros-Makassar yaitu C, pendekat Jalan Frontage Toll DR. Ir. Sutami Level of Service Jalan pada tingkatan C, dan pendekat utara Jalan Perintis Kemerdekaan Level of Service Jalan pada tingkatan C.
109
5.2 Saran
Berdasarkan kesimpulan diatas dapat ditarik berbagai saran yang terkait pada penelitian skripsi ini adalah sebagai berikut :
a. Dalam melakukan kalibrasi dan validasi model mikro – simulasi sebaiknya dilakukan untuk semua waktu sepanjang periode survei, karena parameter pada masing – masing waktu pasti berbeda tergantung arus lalu lintasnya.
b. Perlunya dilakukan kalibrasi dengan menggunakan panjang antrian dan tundaan kendaraan sebagai pembanding model simulasi.
Dilakukan analisis kinerja lalu lintas pada semua simpang yang ada sepanjang ruas Jalan Poros Makassar-Maros baik secara individu mau pun terkoordinasi dengan menggunakan model mikro-simulasi berbasis Vissim.
DAFTAR PUSTAKA
Alamsyah, Ansyori (2003). Rekayasa Jalan Raya, Universitas Muhammadiyah Malang
Kurniawan, Tri Yari (2017) Pertumbuhan Kendaraan di Makassar Rata-rata 7 Persen Tiap Tahun Wartaekonomi.co.id/berita127322.html (diakses tanggal 12 Mei 2017)
Direktorat Jendral Bina Marga (1997). Manual Kapasitas Jalan Indonesia. Jakarta : Direkotrat Bina Jalan Kota
Khisty, 2005. Dasar - Dasar Rekayasa Transportasi JILID I
Lampung, B. (2015). Mikrosimulasi Mixed Traffic Pada Simpang Bersinyal Dengan Perangkat Lunak Vissim.
Nurhayati (2013). Analisis Kinerja Lalu Lintas Akibat Pengaturan Sistem Pergerakan Kendaraan Pada Jl. A.P.Pettarani di Makassar
Menendez, M. (n.d.). Using VISSIM to model traffic in the city of Zürich What does the Strassenverkehrstechnik.
Morlok, E.K (1998). Pengantar Teknik dan Perencanaan Transportasi (terjemahan John K Naimin). Jakarta : Erlangga
Oglesby, C.H. & Hicks.R.G. (1998). Teknik Jalan Raya, Penerjemah : Ir. Purwo Setianto, Erlangga, Jakarta
Park, B., & Schneeberger, J. (2003). Microscopic Simulation Model Calibration and Validation: Case Study of VISSIM Simulation Model for a Coordinated Actuated Signal System. Transportation Research Record, 1856(1), 185–
192. http://doi.org/10.3141/1856-20
Sulaksono, (2001). Catatan Kuliah Rekayasa Jalan : Institut Teknologi Bandung T.Yulianto, B. (2013). Kalibrasi dan validasi mixed traffic vissim model, 1–10.
Tamin, O.Z., (2000). Perencanaan dan Pemodelan Transportasi. Penerbit ITB.
Bandung
Prasetya, S. W. (n.d.). Rekayasa Lalu Lintas dalam Mengelola Mobilitas Perkotaan.
Peraturan Menteri Perhubungan Nomor KM 14 tahun 2006, Manajemen dan Rekayasa Lalu Lintas