BAB II TINJAUAN PUSTAKA
2.3 Simpang Bersinyal
2.3.10 Tingkat Pelayanan Simpang
Tingkat pelayanan adalah ukuran kualitas kondisi lalu lintas yang dapat diterima oleh pengemudi kendaraan. Tingkat pelayanan umumnya digunakan sebagai ukuran dari pengaruh yang membatasi akibat peningkatan volume setiap ruas jalan yang dapat digolongkan pada tingkat tertentu yaitu antara A sampai F. Apabila volume meningkat maka tingkat pelayanan menurun, suatu akibat dari arus lalu lintas yang lebih buruk dalam kaitannya dengan karakteristik pelayanan. Hubungan tundaan dengan tingkat pelayanan sebagai acuan penilaian simpang, seperti Tabel 2.2.
Tabel 2.2. Kriteria Tingkat Pelayanan untuk Simpang Bersinyal Tundaan per
Kendaraan (detik/kend)
Tingkat Pelayanan
≤ 5 A
5,1-15 B
15,1-25 C
25,1-40 D
40,1-60 E
≥ 60 F
(Sumber : MKJI, 1997)
28 2.4 Konsepsi Model Mikro - Simulasi
Konsep model simulasi sangat sering sekali digunakan dalam lalu lintas dalam merencanakan sebuah kegiatan transportasi khusunya yang bersifat dinamis dan sangat luas, konsep lalu lintas yang sangat luas yang mempunyai berbagai macam karakteristik serta parameter yang banyak sehingga perlunya pendekatan model simulasi sebagai bentuk penyederhanaan dari sebuah permasalahan kompleks tersebut.
Model sendiri dapat didefinisikan sebagai bentuk penyederhanaan dari kondisi di lapangan model tersebut mempunyai ukuran dan bentuk yang tergantung model yang dibangun dari suatu permasalahan, sedangkan simulasi merupakan pendekatan yang digunakan sebagai alat bantu dalam menginterpretasikan objek yang akan dianalisis yang memiliki tujuan untuk membantu kita menentukan parameter – parameter terbaik berdasarkan asumsi dasar kita dalam melakukan proses analisis.
Alasan utama untuk melakukan simulasi adalah adanya banyak model yang tidak bisa dianalisa hanya dengan menggunakan teknik matematika standar. Ini terjadi pada sistem-sistem yang dipengaruhi oleh input tidak tentu (stokastik). Untuk masukan-masukan yang bersifat stokastik, t-input yang acak atau terdistribusi kedatangan antrian harus bersifat acak. Salah satu jenis distribusi yang sering digunakan dalam melakukan simulasi adalah distribusi seragam Pada distribusi seragam, frekuensi kejadian setiap nilai adalah sama. (D.Djamaru & Yuliana.L, 2012)
29 Pada dasarnya model simulasi dikelompokkan dalam tiga dimensi yaitu (Lawand Kelton, 1991) :
a) Model Simulasi Deterministik dengan Model Simulasi Stokastik.
Model simulasi yang akan dibentuk tidak mengandung variabel yang bersifat random, maka model simulasi tersebut dikatakan sebagi simulasi deterministik. Sistem yang dimodelkan dalam simulasi mengandung beberapa input yang bersifat random, maka pada sistem seperti ini model simulasi yang dibangun disebut model simulasi stokastik.
b) Model Simulasi Kontinu dengan Model Simulasi Diskret.
Untuk mengelompokkan suatu model simulasi apakah diskret atau kontinyu, sangat ditentukan oleh sistem yang dikaji.
c) Model Simulasi Statis dengan Model Simulasi Dinamis. Model simulasi statis digunakan untuk mempresentasikan sistem pada saat tertentu atau sistem yang tidak terpengaruh oleh perubahan waktu.
Sedangkan model simulasi dinamis digunakan jika sistem yang dikaji dipengaruhi oleh perubahan waktu.
2.5 Konsep Mikro Simulasi Lalu Lintas Berbasis Vissim
Model mikro-simulasi sebuah konsep atau sistem analisis yang banyak digunakan saat ini karena dengan konsep ini membantu penggunanya menentukan dan mengevaluasi parameter terbaik yang akan digunakan dalam konteks permasalahan tertentu berbasis komputerisasi. Model
30 mikro- simulasi banyak sekali digunakan dalam penerapan kinerja lalu lintas dalam hal ini alat mikro – simulasi membantu mengambil keputusan penggunanya dalam menentukan perencanaan dan alternatif terbaik sebelum di terapkan pada lapangan.
Mikro - simulasi merupakan teknik pemodelan yang beroperasi pada tingkat unit individu seperti orang, rumah tangga, kendaraan atau perusahaan. Dalam model setiap unit diwakili oleh catatan yang berisi pengenal unik dan satu set atribut yang terkait - misalnya daftar orang-orang dengan usia yang diketahui, jenis kelamin, status perkawinan dan pekerjaan;
atau daftar kendaraan dengan asal-usul dikenal, tujuan dan karakteristik operasional.
Mikro – simulasi mampu mensimulasikan perilaku kendaraan individu dalam jaringan jalan yang telah ditetapkan dan digunakan untuk memprediksi kemungkinan dampak dari perubahan pola trafik yang dihasilkan dari perubahan arus lalu lintas atau dari perubahan lingkungan fisik. Dalam konsep mikro – simulasi dikenal model yang digunakan pada alat mikro – simulasi yaitu car following model.
Car Following Model merupakan model yang digunakan untuk mengontrol perilaku pengendara atau pengemudi terhadap pengendara yang lainnya yang berada pada jalur yang sama model ini dikembangkan oleh Gipps (1981).
31 Model CFM itu sendiri membedakan kendaraan berdasarkan kecepatannya yaitu kecepatan kendaraan dibatasi oleh kendaraan sebelumnnya dan kecepatan kendaraan ditentukan oleh keinginanan pengemudi itu sendiri sehingga dapat menyebabkan kecelakaan, ketika kendaraan yang melaju tidak dibatasi oleh kendaraan sebelumnya dianggap kendaraan sedang melaju pada jalur bebas hambatan (freeway) (John Janson
& A. Tapani, 2004). Dalam model ini ada dua model yang digunakan pada alat mikro –simulasi vissim yaitu Car Following weidemann 74, Car Following weidemann 99 .
Gambar 2.8 Ilustrasi Car Following Model a) Car Following Weidemann 74
Pada model ini banyak digunakan jalan perkotaan karena pengemudi selalu memperhatikan kecepatan pengemudi sebelumnya sehingga terjadi interaksi antar tiap individu – individu pengendara sehingga model simulasi ini sangat cocok digunakan untuk jalan perkotaan atau jalan yang memiliki hambatan yang besar.
32 b) Car Following Weidemann 99
Pada model ini banyak digunakan jalan bebas hambatan karena pengemudi selalu dalam menentukan kecepatan tidak memperhatikan kendaraan yang sebelumnya sehingga pengemudi bebas menentukan kecepatannya masing – masing model ini sangat cocok untuk mensimulasinkan kondisi jalan bebas hambatan atau umumnya digunakan pada jalan tol.
2.6 PTV Vissim
PTV Vissim adalah perangkat lunak yang digunakan untuk simulasi arus lalu lintas secara mikroskopis terkemuka yang dikembangkan oleh PTV Planung Transportasi Verkehr AG di Karlsruhe, Jerman. Vissim pertama kali dikembangkan di Jerman pada tahun 1992 yang saat ini menjadi perangkat lunak transportasi yang paling sekarang sedang digunakan di seluruh dunia oleh 24ector public, perusahaan dan universitas. Vissim alat micro-simulasi lalu lintas yang digunakan untuk perencanaan dan pemodelan lalu lintas untuk perkotaan mau pun pada pedesaan baik untuk analisis arus kendaraan atau pun arus pejalan kaki serta memiliki kemampuan untuk mensimulasi berbagai jenis moda lalu lintas secara bersamaan.
33 (Sumber : PTV Vissim guide first steps) Gambar 2.9 Micro - simulasi bundaran (roundabout)
(Sumber : PTV Vissim guide first steps) Gambar 2.10 Micro-simulasi transportasi massal
Vissim dapat digunakan untuk beberapa kasus antara lain :
a. Membangun jaringan jalan dan persimpangan
Dapat membuat jaringan jalan yang fleksibel sesuai dengan kondisi geometri jalan yang sesungguhnya sehingga
34 memungkinkan kita untuk menduplikasi kondisi geometrik jalan yang sesungguhnya.
Membuat berbagai macam model persimpangan dan beberapa
variasi simpul baik jenis simpang sebidang, tak sebidang, simpang dengan kanalisasi maupun simpang tiga dan bundaran (roundabout).
Dapat menganalisis berbagai varian perencanaan pada jaringan
jalan dan persimpangan seperti tingkat pelayanan, tundaan, panjang antrian, keterlambatan, waktu perjalanan dan jumlah emisi secara bersamaan artinya perangkat lunak ini berfungsi sebagai kalkulator.
b. Perencanaan pengembangan lalu lintas
Mampu menganalisis dampak lalu lintas yang terjadi akibat
adanya pembangunan fasilitas baru pada rona transportasi disekitar wilayah pembangunan fasilitas tersebut.
Mampu merencanakan sistem lalu lintas untuk jangka pendek maupun jangka panjang.
Mampu mensimulasikan manajemen lalu lintas dan transportasi cerdas.
Mampu mensimulasikan pejalan kaki baik di dalam mau pun pada kondisi di luar bangunan.
Dapat mensimulasikan perencanaan jumlah ruang parkir pada suatu perencanaan perparkiran.
35 c. Perencanaan transportasi massal
Mampu membuat model jenis-jenis moda transportasi massal
seperti bus, komuter kereta ringan komuter kereta api, komuter monorail.
Mampu menciptakan alternative untuk operasional angkutan umum.
Mampu melakukan perencanaan jaringan jalan yang dilalui oleh angkutan umum.
2.6.1 Parameter Mikro – Simulasi Lalu Lintas Berbasis Vissim
Parameter mikro – simulasi berbasis vissim merupakan nilai akan digunakan dalam melakukan proses kalibrasi dan validasi dalam permodelan simulasi lalu lintas yang akan disimulasi. Pada perangkat lunak Vissim terdapat 168 parameter yang tertanam dalam perangkat lunak vissim dalam berdasarkan parameter tersebut dipilih beberapa parameter yang sesuai dengan kondisi lalu lintas heterogen yang ada di Indonesia untuk menghasilkan model yang sesuai dengan kondisi yang dilapangan, parameter yang dipilih pada permodelan antara lain :
a. Standstill Distance in Front of Obstacle yaitu parameter jarak aman ketika kendaraan akan berhenti akibat kendaraan yang berhenti atau melakukan perlambatan akibat hambatan dengan satuan meter (m).
b. Observed Vehicle In Front yaitu parameter jumlah kendaraan yang diamati oleh pengemudi ketika ingin melakukan pergerakan atau
36 reaksi. Nilai default parameter ini adalah satu, dua, tiga, dan empat dengan satuan unit kendaraan.
c. Minimum Headway yaitu jarak minimum yang tersedia bagi kendaraan yang didepan untuk melakukan perpindahan lajur atau menyiap. Nilai default berkisar sampai 0.5 – 3 meter.
d. Lane Change Rule yaitu mode perilaku pengemudi pada saat melintas, untuk lalu lintas heterogen sangat cocok menggunakan mode Free Lane Change yang memungkinkan kendaraan menyiap dengan bebas.
e. Overtake at Same Line yaitu perilaku pengemudi kendaraan yang ingin menyiap pada lajur yang sama baik dari sisi sebelah kanan mau pun sisi sebelah kiri.
f. Desired Lateral Position yaitu posisi kendaraan pada saat berada di lajur artinya kendaraan dapat berada disamping kiri maupun samping kanan kendaraan yang lain.
g. Lateral Minimum Distance yaitu jarak aman pengemudi pada saat berada di samping kendaraan yang lain. Parameter ini dibagi menjadi dua bagian yaitu jarak kendaraan ketika berada di kecepatan 0 km/jam dan 50 km/jam artinya nilai parameter untuk parameter ini berbeda, nilai default untuk parameter ini berkisar antara 0.2 sampai 1 m .
37 h. Safety Distance Reduction yaitu jarak aman antar kendaraan didepan
dan dibelakang atau jarak gap dan clearing antar kendaraan, ini merupakan parameter yang sangat menentukan karena tiap kondisi lalu lintas mempunyai nilai jarak aman yang berbeda.
2.7 Konsep Kalibrasi dan Validitas Model Simulasi
Kalibrasi pada Vissim merupakan proses dalam membentuk nilai-nilai parameter yang sesuai sehingga model dapat mereplikasi lalu lintas hingga kondisi yang semirip mungkin. Proses kalibrasi dapat dilakukan berdasarkan perilaku pengemudi dengan mengacu pada penelitian-penelitian sebelumnya mengenai kalibrasi dan validasi menggunakan Vissim. Validasi pada Vissim merupakan proses pengujian kebenaran dari kalibrasi dengan membandingkan hasil observasi dan hasil simulasi. Proses kalibrasi dan validasi dilakukan berdasarkan jumlah volume arus lalu lintas dan panjang antrian (Putri, 2015).
Metode yang digunakan adalah dengan menggunakan rumus dasar Chi-squared dan rumus statistik Geoffrey E. Havers (GEH). Uji Chi- square dilakukan dengan membandingkan antara mean hasil simulasi dengan mean hasil observasi. Rumus umum Chi- square (𝑥2) dapat dilihat pada persamaan 2.15 sebagai berikut. (Sudjama dalam Saputra, 2016)
𝑥2 = ∑ |𝑜𝑖−𝐸𝑖
𝐸𝑖 |2
𝑘𝑖=1 ………..………(2.15)
38 dimana :
𝑂𝑖 = Tundaan Geometri (det/smp);
𝐸𝑖 = Tundaan lalu lintas (det/smp);
Tingkat signifikan dengan derajat keyakinanan Uji Chi- square sebesar 95 % atau α = 0.05 dan kriteria uji yaitu hasil diterima apabila hasil hitung ≤ hasil tabel Chi- square.
Sedangkan rumus GEH merupakan rumus statistik modifikasi dari Chi- squared dengan menggabungkan perbedaan antara nilai relatif dan mutlak. Rumus GEH sendiri dapat dilihat pada persamaan 2.15dan memiliki ketentuan khusus dari nilai error yang dihasilkan seperti pada Tabel 2.3.
𝐺𝐸𝐻 = √ (𝑞𝑠𝑖𝑚𝑢𝑙𝑎𝑡𝑒𝑑−𝑞𝑜𝑏𝑠𝑒𝑟𝑣𝑒𝑑)2
0,5×(𝑞𝑠𝑖𝑚𝑢𝑙𝑎𝑡𝑒𝑑+𝑞𝑜𝑏𝑠𝑒𝑟𝑣𝑒𝑑)……….………(2.15) dimana :
𝑞 = Data volune arus lalu lintas (kendaraan/jam)
Tabel 2.3 Rumus Statistik GEH (Geoffrey E. Havers)
Nilai Keterangan
GEH < 5,0 Diterima
5,0 ≤ GEH ≤ 10,0 Peringatan : kemungkinan model error atau data buruk
GEH > 10,0 Ditolak
39 2.8 Kajian Studi Terdahulu
Berdasarkan kajian pustaka yang dibahas pada sub-bab sebelumnya mengacu pada beberapa studi terdahulu yang berkaitan dengan penelitian ini.
Beberapa studi terdahulu yang terkait dengan penelitian ini antara lain:
Fahmi Pratama dkk, Analisis Kinerja Simpang Bersinyal Terkoordinasi Jl. Gunung Bawakaraeng Berbasis Mikro-Simulasi. Pada penelitian ini bertujuan untuk : a) Menganalisis kinerja eksisting simpang bersinyal yang terdapat di ruas Jalan Gunung Bawakaraeng dengan pendekatan mikro-simulasi lalu lintas menggunakan Software Vissim, b) Mengoptimasi fase lalu lintas dan waktu siklus APILL pada simpang bersinyal yang terdapat di ruas Jalan Gunung Bawakaraeng dengan pendekatan mikro-simulasi lalu lintas menggunakan Software Vissim, c) Mengoptimasi fase lalu lintas dan waktu siklus APILL pada simpang bersinyal yang terdapat di ruas Jalan Gunung Bawakaraeng secara terkoordinasi dengan pendekatan mikro-simulasi lalu lintas menggunakan Software Vissim. Hasil penelitian yaitu hasil mikro-simulasi Vissim menunjukkan peningkatan kinerja simpang tidak terlalu meningkat secara signifikan seperti antrian pada pendekat timur kondisi eksisting adalah 113 m dan kondisi setelah koordinasi adalah 98.34 m pada periode jam puncak pagi sedangkan untuk antrian juga tidak memperlihatkan peningkatan yang signifikan dari kondisi eksisting nilainya adalah 42.27 detik dan setelah koordinasi adalah 38.39 detik ini menunjukkan masih perlunya peningkatan kinerja pada simpang ini.
40 Nurhayati dkk, Analisis Kinerja Lalu Lintas Akibat Pengaturan Sistem Pergerakan Kendaraan Pada Jl. A.P. Pettarani di Makassar.
Penelitian ini bertujuan untuk menganalisis kinerja lalu lintas pada Jl. A.P.
Pettarani yang meliputi : a) volume rata kendaraan, b) kecepatan rata-rata, c) kapasitas ruas jalan, d) derajat kejenuhan ruas jalan dan persimpangan Jl. A.P. Pettarani.
Andi Auliyah Wahab dkk, Studi Manajemen Dan Rekayasa Simpang Tiga Pettarani – Alauddin di Kota Makassar. Penelitian ini bertujuan untuk : a) Mensimulasikan kondisi arus lalu lintas pada simpang Jalan A.P.
Pettarani – Jalan Sultan Alauddin dengan menggunakan Software Vissim. b) Menganalisis kinerja lalu lintas kondisi eksistinf simulasi simpang Jalan A.P.
Pettarani – Jalan Sultan Alauddin dengan menggunakan Software Vissim. c) Menganalisis kinerja pergerakan lalu lintas pada simpang Jalan A.P.
Pettarani – Jalan Sultan Alauddin untuk berbagai upaya rekayasa lalu lintas dengan menggunakan program Software Vissim. Hasil penelitian yaitu Kinerja simpang untuk upaya rekayasa lalu lintas dilakukan dengan 4 alternatif. Nilai panjang antrian kendaraan pada pendekat Timur Jalan Sultan Alauddin sebesar 208.42 m; 169.47 m; 185.39 m; dan 119.65 m, pada pendekat Barat Jalan Sultan Alauddin 139.56 m; 203.26 m; 144.14 m; dan 141.35 m, pada Barat U-Turn sebesar 5.67 m; 9.35 m; 2.08 m; dan 1.77 m, pada pendekat Utara Jalan A.P.Pettarani sebesar 208.63 m; 205.15 m; 155.61 m; dan 146.62 m. Sehingga pada kasus ini tetap memakai alternatif kondisi
41 eksisting karena menghasilkan kinerja lalu lintas yang lebih baik daripada fase pergerakan yang lainnya.
Nurjannah Haryanti P dkk, Mikrosimulasi Mixed Traffic Pada Simpang Bersinyal Dengan Perangkat Lunak Vissim (Studi Kasus : Simpang Tugu, Yogyakarta). Pada penelitian ini bertujuan untuk : a) Melihat hasil model simulasi kinerja simpang Tugu Yogyakarta, b) Mengoptimalisasi sinyal lampu lalu lintas pada Tugu Yogyakarta, c) Menganalisa perbedaan kondisi antara sebelum dan sesudah dikoordinasi. Hasil penelitian yaitu VISSIM mampu mengidentifikasi berbagai kelas kendaraan dengan berbagai tipe dan jenis kendaraan. Selain itu proses kalibrasi pada pemodelan simulasi menggunakan VISSIM merupakan hal yang sangat penting dan sensitif.
Khususnya untuk parameter yang tersedia pada Car Following Model dengan tipe Wiedemann 74 yaitu average standstill distance, additive part of safety distance dan multiplicative part of safety distance karena parameter tersebut memberikan perubahan besar dalam proses kalibrasi hingga rerata selisih error antara data observasi dengan data sebelum dikalibrasi mencapai 65% untuk volume arus lalu lintas dan 496% untuk panjang antrian.
Kemudian setelah dilakukan pengoptimalan lampu lalu lintas, didapatkan bahwa terjadi pengurangan panjang antrian hingga 39% per jam.
Rama Dwi Aryandi (2014) melakukan penelitian dengan judul “ Penggunaan Software Vissim Untuk Analisis Simpang Bersinyal (Studi Kasus Simpang Mirota Kampus Terban Yogyakarta)” . Penelitian ini bertujuan untuk (a) mengetahui proporsi pengguna jalan meliputi kendaraan
42 tak bermotor, kendaraan bermotor, dan kendaraan umum di simpang Mirota Kampus saat ini. (b) mengetahui panjang antrian maksimum, minimum, rata-rata, serta tundaan pada kondisi eksisting. (c) membandingkan hasil analisis panjang antrian maksimum, minimum, rata-rata serta tundaan dengan menggunakan Software Vissim dan pengamatan langsung di lapangan. Hasil yang diperoleh dari analisis tersebut yaitu bahwa panjang antrian rata-rata di lapangan dan pemodelan atau simulasi dengan Software Vissim hampir sama, yaitu 60 m dan 61 m. Diketahui juga bahwa terdapat perbedaan yang cukup jauh pada antrian terpanjang dan terpendek yang terjadi berdasarkan pengamatan langsung dan simulasi menggunakan Software Vissim, yaitu 76 m dan 64 m untuk antrian terpanjang dan 39 m dan 51 m untuk antrian terpendek. Perbedaan ini terjadi karena adanya perbedaan penyebaran antrian antara realita di lapangan dengan simulasi Software Vissim.