Ch 8. pp. 1267-1277, ISBN: 979-95721-2-19
1267
Forum Studi Transportasi antar Perguruan Tinggi
MODEL TARIKAN PERJALANAN PADA KAWASAN BANDAR UDARA
STUDI KASUS: BANDAR UDARA SUPADIO PONTIANAK DAN BANDAR UDARA DEPATI AMIR PANGKALPINANG
Rohmat Junianto
Magister Sistem dan Teknik Transportasi Departemen Teknik Sipil dan Lingkungan Fakultas Teknik Universitas Gadjah Mada,
Jl. Grafika 2, Yogyakarta, 55281 Telp : (0274) 545675 rohmatjunianto@gmail.com
Dewanti
Magister Sistem dan Teknik Transportasi Departemen Teknik Sipil dan Lingkungan Fakultas Teknik Universitas Gadjah Mada,
Jl. Grafika 2, Yogyakarta, 55281 Telp : (0274) 545675
Abstract
The development of airport area causes the increase of activity and passengers in Supadio Airport, Pontianak and Depati Amir Airport, Pangkalpinang, this it emerges the trip attraction. This research aimed to get the trip attraction and trip generation rate in airport. Analysis on trip attraction used correlation analysis, multiple linier regression and statistic test where as trip generation rate used simple linier regression analysis, average analysis and model appropriateness by MAPE (Mean Absolute Percentage Error). The result of trip attraction analysis in respective airport, i.e. Supadio airport and Depati Amir airport shows that entering trip, leaving trip and total (entering and leaving) is influenced by the entering passengers, leaving passengers and movement of large aircraft by average value R2 of 0,809. The result of trip generation rate analysis used for forecasting by smallest MAPE value is trip in peak hour (Ypeak hour) towards the passengers in peak hour by MAPE value of 1,98%, the movement of aircraft in peak hour by MAPE value of 1,98% and the width of passenger station by MAPE value of 1,98%, where as the equation of daily trip (Ydaily) towards passenger in peak day by MAPE value of 0,73%, the movement of daily aircraft by MAPE value of 0,73%, and the width of passenger station by MAPE value of 0,73%.
Keyword: Trip Attraction, Trip Generation Rate, MAPE (Mean Absolute Percentage Error)
Abstrak
Pengembangan kawasan bandara mengakibatkan peningkatan aktivitas dan penumpang di bandara Supadio, Pontianak dan bandara Depati Amir, Pangkalpinang, sehingga menimbulkan tarikan perjalanan. Penelitian ini bertujuan mendapatkan model tarikan perjalanan dan trip generation rate pada bandara. Analisa tarikan perjalanan menggunakan analisa korelasi, regresi linear berganda dan uji statistik sedangkan trip generation rate dengan analisa regresi linear sederhana, analisa rata-rata dan ketepatan model dengan MAPE (Mean Absolute Percentage Error). Hasil analisis tarikan perjalanan bandara Supadio dan bandara Depati Amir bahwa perjalanan masuk, keluar dan total (masuk dan keluar) dipengaruhi oleh penumpang masuk, keluar dan pergerakan pesawat besar dengan nilai rata-rata koefisien determinasi (R2) sebesar 0,809. Hasil analisa trip generation rate yang digunakan untuk peramalan dengan nilai MAPE terkecil yaitu perjalanan jam sibuk (Yjam
sibuk) terhadap penumpang jam sibuk nilai MAPE sebesar 1,98 %, pergerakan pesawat jam sibuk nilai MAPE
sebesar 1,98 % dan luas terminal penumpang nilai MAPE sebesar 1,98%, sedangkan persamaan perjalanan harian (Yharian) terhadap penumpang hari sibuk nilai MAPE sebesar 0,73%, pergerakan pesawat harian nilai MAPE sebesar 0,73%, dan luas terminal penumpang nilai MAPE sebesar 0,73 %.
Kata Kunci: Tarikan Perjalanan, Trip Generation Rate, MAPE (Mean Absolute Percentage Error)
PENDAHULUAN Latar Belakang
Bandar udara merupakan salah satu unsur yang memiliki peranan penting dalam penyelenggaraan transportasi udara. Rencana pengembangan bandara Supadio, Pontianak
1268
dan bandara Depati Amir, Pangkalpinang, menimbulkan peningkatan aktivitas, peningkatan penumpang pesawat dan peningkatan pergerakan pesawat, sehingga akan mengakibatkan tarikan pergerakan kendaraan. Tarikan perjalanan terjadi karena adanya pergerakan kendaraan yang menuju dan meninggalkan kawasan bandara. Pemodelan tarikan perjalanan adalah cara yang efektif untuk menjelaskan kondisi bangkitan dan tarikan perjalanan, karena adanya pemanfaatan tata guna lahan bandara. Penggunaan tingkat tarikan perjalanan (trip generation rate) digunakan dalam memperkirakan bangkitan dan tarikan perjalanan untuk pengembangan suatu tata guna lahan. Penelitian ini akan mengkaji model tarikan perjalanan dan penentuan nilai trip generation rate (tingkat tarikat perjalanan) pada kawasan bandar udara.
Tujuan dan Manfaat Penelitian
Penelitian ini bertujuan untuk mendapatkan model trip attraction (tarikan perjalanan), dan mendapatkan trip generation rate (tingkat tarikan perjalanan) untuk peramalan perjalanan pada kawasan bandara. Adapun manfaat penelitian yaitu hasil model tarikan perjalanan dan trip generation rate yang nantinya dapat dijadikan acuan dasar perencanaan dalam pengembangan kawasan bandar udara.
TIJAUAN PUSTAKA
Bangkitan dan Tarikan Perjalanan
Bangkitan perjalanan pada umumnya memperkirakan jumlah perjalanan untuk setiap maksud perjalanan berdasarkan karakteristik tata guna lahan dan karakteristik sosial ekonomi pada setiap zona (Morlok, 1995). Bangkitan perjalanan adalah jumlah perjalanan yang terjadi dalam satuan waktu pada suatu zona tata guna lahan (Hobbs, 1995 dalam Lubis, 2008). Tarikan perjalanan menurut Munawar, 2000 dalam Rulina, 2005 adalah jumlah pergerakan yang terjadi menuju ke lokasi tertentu setiap satuan waktu. Menurut Ortuzar dan Willumsen (1994), bangkitan perjalanan yang tidak diperhitungkan dengan baik dapat menimbulkan banyak dampak.
Model dan Peranannya dalam Perencanaan Transportasi
Model menurut (Ortuzar & Willumsen, 1994), dapat didefinisikan sebagai bentuk penyederhanaan dari suatu realita. Semua model merupakan penyederhanaan realita untuk mendapatkan tujuan tertentu yaitu penjelasan dan pengertian yang lebih mendalam serta untuk kepentingan peramalan.
Penelitian Bangkitan Dan Tarikan Perjalanan Pada Bandar Udara
Penelitian yang pernah dilakukan dalam analisis bangkitan dan tarikan perjalanan pada kawasan bandar udara meliputi:
a. Suyuti (1999) meneliti tentang model bangkitan kendaraan pada bandara di Auckland International Airport, New Zealand dengan hasil penelitiannya yaitu persamaan regresi tarikan perjalanan terhadap perkiraan tarikan arus penumpang berangkat dan penumpang datang per 15 menit, dengan R2 = 0,644 dan persamaan regresi bangkitan perjalanan terhadap perkiraan bangkitan arus penumpang berangkat dan penumpang datang per 15 menit, yaitu Y2 dengan R2 = 0,495.
b. Gunn dkk (2014) memperkirakan perjalanan kendaraan untuk fasilitas mobil sewa di bandar udara komersial dengan lokasi studi bandar udara Internasional Thurgood Marshall, Washington, DC. Hasil penelitiannya yaitu persamaan regresi bangkitan dan tarikan perjalanan terhadap penumpang harian pada rata – rata hari kerja dengan R2 =
1269
0,77 dan persamaan regresi bangkitan dan tarikan perjalanan terhadap penumpang harian pada jam sibuk sore dengan R2 = 0,83.
METODE PENELITIAN
Tahapan penelitian model tarikan perjalanan pada bandara, meliputi: Tahap perumusan masalah, tinjauan pustaka dan penentuan variable, adapun pengumpulan data terdiri dari: Data primer diperoleh melalui survey primer pada hari kerja dan libur berupa survey pencacahan lalulintas kendaraan yang masuk dan keluar bandara per satuan waktu serta data penumpang masuk dan keluar bandara per satuan waktu, survey dilakukan selama jam operasi bandara yaitu selama 16 jam. Sedangkan data sekunder diperoleh dari instansi terkait yaitu pihak penyedia jasa bandara dan sumber dari buku, jurnal, website dan publikasi lainnya, meliputi : data luas terminal penumpang, jumlah pergerakan pesawat per jam (selama jam operasi bandara) dan pergerakan pesawat tahunan, serta jumlah penumpang tahunan.
Tahap analisa data terdiri dari analisa tarikan perjalanan dan trip generation rate (tingkat tarikan perjalanan). Analisa tarikan perjalanan menggunakan analisa korelasi, regresi linear berganda dan pengujian asumsi klasik statistik, sedangkan trip generation rate menggunakan analisa regresi linear sederhana, analisa rata-rata dan ketepatan model dengan MAPE (Mean Absolute Percentage Error). Analisa model tarikan perjalanan pada kawasan bandara, meliputi :
Model Tarikan Perjalanan
Model tarikan pergerakan diperoleh melalui metode analisis berikut: Analisis Deskriptif
Penelitian deskriptif merupakan penelitian untuk mengumpulkan informasi mengenai status suatu gejala yang ada, yaitu keadaan gejala menurut apa adanya pada saat penelitian dilakukan.
Korelasi
Menurut analisis korelasi adalah alat statistik yang digunakan untuk mengetahui derajat hubungan linear antara variabel yang satu dengan yang lain dengan product moment pearson (PPM) digunakan dalam statistik parametrik (Qudratullah, 2013), Persamaannya sebagai berikut:
𝑟 = ∑ 𝑥𝑦−
(∑ 𝑥)(∑ 𝑦) 𝑛
√(∑ 𝑥2−(∑ 𝑥)2
𝑛 )(∑ 𝑦2−(∑ 𝑦)2
𝑛 )
(1) Keterangan : r adalah koefisien korelasi; n adalah Jumlah data observasi; X adalahVariabel bebas.
Nilai koefisien korelasi (-1 ≤ r ≤ 1), nilai -1 atau + 1 hubungannya kuat, dan mendekati nilai 0, hubungannya lemah. Tanda (+) dan (-) menunjukan arah hubungan positif atau negatif, interprestasi koefisien korelasi : 0,00 (Tidak Ada), 0,00 s.d 0,25 (sangat lemah), 0,25 s.d 0,50 (lemah), 0,50 s.d 0,75 (kuat) dan 0,75 s.d 1,0 (sangat kuat).
Analisis Regresi Linear Berganda
Analisis regresi linear berganda (Tamalagi, 2013) merupakan teknik analisis regresi untuk menguji pengaruh beberapa variabel independen terhadap satu variabel dependen. dan
1270
memprediksi seberapa jauh perubahan nilai variabel dependen bila nilai variabel independen diketahui. Persamaanya dapat ditulis sebagai berikut:
𝑌 = 𝛼 + 𝛽1 𝑋1 + 𝛽2 𝑋2 + 𝛽𝑛𝑋𝑛 + 𝜀 (2) Keterangan : Y adalah Variabel tidak bebas; α adalah Konstanta atau Intercept; β adalah Koefisien variabel bebas; X adalah Variabel bebas dan ԑ adalah Error.
Metode yang digunakan metode backward elimination yaitu mengeliminasi mundur sampai mendapatkan model terbaik, dan metode stepwise yaitu memilih dan mengeluarkan variabel bebas yang mempunyai nilai signifikansi kuat, untuk mendapatkan lebih dari satu model sebelum pemilihan model terbaik sehingga dapat mengetahui kelemahan dan keunggulan masing-masing model. Analisis regresi harus memenuhi asumsi klasik supaya estimasi menjadi linear terbaik tanpa bias atau disebut BLUE (Best Linear Unbiased Estimates) (Temalagi, 2013). Ada tiga komponen yang perlu diperhatikan dalam analisis regresi, yaitu:
1) Koefisien Determinasi (R-squares) menunjukan seberapa besar kemampuan variabel independen dalam menerangkan variasi variabel dependen.
2) Uji Signifikansi F (Uji F) bertujuan untuk mengetahui apakah semua variabel independen dalam model regresi mempunyai pengaruh secara simultan (bersama-sama) terhadap variabel dependen ataukah tidak.
3) Uji Signifikansi t (Uji t) bertujuan untuk mengetahui secara individual pengaruh satu variabel independen terhadap variabel dependen.
Pengujian Model
Pengujian model bertujuan untuk menghindari munculnya bias dalam analisis data serta untuk menghindari kesalahan spesifikasi (missspecification) model regresi (Temalagi, 2013). Pengujian model atau pengujian asumsi klasik, meliputi :
1) Uji Asumsi Klasik Normalitas bertujuan untuk mengetahui apakah residual data dari model regresi linear memiliki distribusi normal ataukah tidak.
2) Uji Asumsi Klasik Multikolinearitas bertujuan untuk mengetahui apakah ada atau tidaknya korelasi antar variabel independen dalam model regresi.
3) Uji Asumsi Klasik Heteroskedastisitas bertujuan untuk mengetahui variance dari residual data satu observasi ke observasi lainnya berbeda atau tetap.
4) Uji asumsi klasik autokorelasi bertujuan untuk mengetahui apakah ada korelasi antara kesalahan pengganggu pada data observasi satu pengamatan ke pengamatan lainnya.
Penentuan Variabel Tarikan Perjalanan Penentuan Variabel Model Tarikan Perjalanan
Penentuan variabel untuk mendapatkan model dibutuhkan variabel terikat (Y) dan variabel bebas (X). Adapun variabel yang digunakan yaitu:
1) Variabel terikat Y berupa perjalanan masuk Bandara (YSupadio Masuk dan Ydepati amir masuk), perjalanan keluar bandara (YSupadio Keluar dan Ydepatiamir keluar) dan perjalanan total (masuk dan keluar) (YSupadio Total dan Ydepatiamir total), dalam satuan (smp/jam) selama 16 jam hari kerja dan 16 jam hari libur, sehingga jumlah data sebanyak 32 jam.
2) Variabel bebas X yaitu :
a) Variabel X1,1 : penumpang masuk bandara Supadio (penumpang/jam), b) Variabel X2,1 : penumpang keluar bandara Supadio (penumpang/jam), c) Variabel X3,1 : pergerakan pesawat besar di bandara Supadio (pesawat/jam).
d) Variabel X4,1 : pergerakan pesawat kecil di bandara Supadio (pesawat/jam).
1271
e) Variabel X1,2 : penumpang masuk bandara Depati Amir (penumpang/jam), f) Variabel X2,2 : penumpang keluar bandara Depati Amir (penumpang/jam), g) Variabel X3,2 : pergerakan pesawat besar di bandara Depati Amir (pesawat/jam).
h) Variabel X4,2 : pergerakan pesawat kecil di bandara Depati Amir (pesawat/jam).
Penentuan Variabel Trip Generatian Rate (Tingkat Tarikan Perjalanan)
Penentuan trip generatian rate menggunakan perjalanan total (masuk dan keluar) pada saat jam sibuk dan jumlah perjalanan per hari dalam satuan (smp/jam dan smp/hari) pada kawasan wilayah studi atau variabel terikat (Yjam sibuk dan Yharian). Sedangkan variabel bebas (X) yaitu:
a) Pergerakan pesawat harian (X5), diperoleh dengan persamaan (JICA dalam Hazanawati dan Sartono, 2008) :
𝑀𝑑 =365𝑀𝑦 (3) Keterangan: Md adalah pergerakan pesawat udara harian; dan My adalah pergerakan pesawat tahunan
b) Pergerakan pesawat jam sibuk (X6), diperoleh dengan persamaan (JICA dalam Hazanawati dan Sartono, 2008):
𝐶𝑝 = 1.38
√𝑀𝑑
Mp = Cp x Md (4)
Keterangan: Cp adalah faktor jam puncak; Md adalah pergerakan pesawat udara harian dan Mp adalah pergerakan pesawat jam puncak.
c) Jumlah penumpang hari sibuk (X7), diperoleh dengan persamaan berikut :
C’ = 𝐴′ 𝑥 𝑏′ (5) Keterangan: C’ adalah jumlah penumpang hari sibuk; A’ adalah jumlah penumpang tahunan dan b’ adalah concentration rate (tingkat kepadatan) hari sibuk berdasarkan ketentuan JICA (Japan International Cooperation Agency) yaitu:
atau menggunakan nilai 1
300
d) Jumlah penumpang jam sibuk (X8), diperoleh persamaan berikut :
E’ = 𝐶′ 𝑥 𝑑′ (6) Keterangan: E’ adalah jumlah penumpang jam sibuk; C’ adalah jumlah penumpang hari sibuk dan d’ adalah concentration rate jam sibuk berdasarkan ketentuan metode aktual:
e) Luas kawasan terminal penumpang (X9)
Trip Generation Rates (Tingkat Bangkitan dan Tarikan Perjalanan)
Metode analisis trip generation rates menggunakan panduan manual dari ITE (Institute Of Transportation Engineer) yaitu dengan model regresi linear sederhana dan avarage analysis (analisis rata-rata).
1) Analisis Regresi Linier Sederhana dengan persamaannya sebagai berikut:
𝑌 = 𝛼 + 𝛽𝑋 + 𝜀 (7)
1272
Keterangan: Y adalah variabel tidak bebas; α adalah konstanta atau Intercept; β adalah koefisien variabel bebas; X adalah variabel bebas dan ԑ adalah error.
2) Avarage Analysis (analisis rata-rata), menurut ITE dalam Texas A & M Transportation Institute (2015) dengan persamaan :
𝑇 = ∑𝑛𝑖=1𝑇𝑖
∑𝑛𝑖=1𝑋𝑖 (8) Keterangan: T adalah tingkat bangkitan dan tarikan perjalanan; Ti adalah bangkitan
pergerakan pada lokasi i; Xi adalah nilai variabel bebas pada lokasi i, dan n adalah jumlah lokasi.
MAPE (Mean Absolute Percentage Error (%)) adalah salah satu uji ketepatan model berupa nilai tengah kesalahan persentase absolute, suatu model dikatakan sangat baik jika nilai MAPE berada dibawah 10%, model dikatakan baik jika nilai MAPE berada diantara 10
% dan 20 %, dan model dikatakan tidak baik jika nilai MAPE diatas 20 % (Dewi, 2014).
Persamaan MAPE adalah sebagai berikut : 𝑀𝐴𝑃𝐸 = ∑ 𝑃𝐸𝑖
𝑛
𝑛𝑖−1 (9) Keterangan: MAPE adalah nilai tengah kesalahan persentase absolute; PE adalah kesalahan persentase dan n adalah jumlah sampel.
ANALISIS DAN PEMBAHASAN
Analisis dan pembahasan di bagi dalam 2 (dua) bagian yaitu : Analisis Deskripsi
Data Kendaraan Masuk dan Keluar Bandara
Gambar 1. Grafik Kendaraan (smp) Masuk dan Keluar Bandara Supadio Pada Hari Kerja dan Libur
Gambar 2. Grafik Kendaraan (smp) Masuk dan Keluar Bandara Depati Amir Pada Hari Kerja dan Libur
Prosentase Jenis Kendaraan Masuk dan Keluar Bandara
Gambar 3 Prosentase Jenis Kendaraan Masuk dan Keluar Bandara Supadio
Gambar 4 Prosentase Jenis Kendaraan Masuk dan Keluar Bandara Depati Amir Berdasarkan gambar 1, 2, 3 dan 4, bahwa kendaraan masuk bandara Supadio tertinggi sebesar 329,7 smp/jam dan kendaraan perhari sebesar 3654 smp/hari pada hari kerja dan tertinggi sebesar 334,6 smp/jam dan kendaraan perhari sebesar 3594 smp/hari pada hari libur, sedangkan kendaraan keluar tertinggi sebesar 330 smp/jam dan kendaraan perhari sebesar 3669 smp/hari pada hari kerja dan tertinggi sebesar 332,0 smp/jam dan kendaraan perhari sebesar 3591 smp/hari pada hari libur dengan prosentase jenis kendaraan yaitu kendaraan ringan sebesar 86%, sepeda motor sebesar 13% dan kendaraan berat sebesar 1%. Kendaraan
1273
masuk bandara Depati Amir tertinggi sebesar 292,8 smp/jam dan kendaraan perhari sebesar 2574 smp/hari pada hari kerja dan tertinggi pada sebesar 301,1 smp/jam dan kendaraan perhari sebesar 2556 smp/hari pada hari libur, sedangkan kendaraan keluar tertinggi sebesar 303,5 smp/jam dan kendaraan perhari sebesar 2516 smp/jam pada hari kerja dan tertinggi sebesar 296,4 smp/jam dan kendaraan perhari sebesar 2587 smp/jam pada hari libur dengan prosentase jenis kendaraan yaitu kendaraan ringan sebesar 88%, sepeda motor sebesar 11%
dan kendaraan berat sebesar 1%, yang selanjutnya data kendaraan masuk dan keluar bandara dijadikan variabel terikat (Y) selama 32 jam.
Data Penumpang Masuk dan Keluar Bandara
Gambar 5. Grafik Penumpang Masuk dan Keluar Bandara Supadio Pada Hari Kerja dan Libur
Gambar 6. Grafik Penumpang Masuk dan Keluar Bandara Depati Amir Pada Hari Kerja
dan Libur Data Pergerakan Pesawat di Bandara
Gambar 7. Grafik Pergerakan Pesawat Besar dan Kecil di Bandara Supadio Pada Hari Kerja
dan Libur
Gambar 8. Grafik Pergerakan Pesawat besar dan Kecil di Bandara Depati Amir Pada Hari
Kerja dan Libur
Berdasarkan gambar 5, 6, 7 dan 8, bahwa penumpang masuk bandara Supadio tertinggi sebesar 285 penumpang/jam pada hari kerja dan tertinggi sebesar 255 penumpang/jam pada hari libur, sedangkan penumpang keluar tertinggi sebesar 314 penumpang/jam pada hari kerja dan tertinggi sebesar 450 penumpang/jam pada hari libur dengan pergerakan pesawat besar tertinggi sebesar 7 pesawat/jam dan pergerakan pesawat kecil tertinggi sebesar 3 pesawat/jam. Penumpang masuk bandara Depati Amir tertinggi sebesar 309 penumpang/jam pada hari kerja dan tertinggi sebesar 287 penumpang/jam pada hari libur, sedangkan kendaraan keluar tertinggi sebesar 297 penumpang/jam pada hari kerja dan tertinggi sebesar 446 penumpang/jam pada hari libur dengan pergerakan pesawat besar tertinggi sebesar 7 pesawat/jam dan pergerakan pesawat kecil tertinggi sebesar 2 pesawat/jam, yang selanjutnya data penumpang masuk dan keluar bandara dijadikan variabel bebas (X1 untuk penumpang masuk dan X2 untuk penumpang keluar) selama 32 jam.
Sedangkan untuk pergerakan pesawat besar dan kecil dijadikan variabel bebas (X3 untuk pesawat besar dan X4 untuk pesawat kecil) selama 32 jam.
Data Jumlah Penumpang dan Pergerakan Pesawat per Tahun di Bandara Supadio
Berdasarkan gambar 9 dan 10, bahwa data jumlah penumpang pada tahun 2015 sebesar 2.713.259 penumpang/tahun dan pergerakan pesawat tahun 2015 sebesar 25.315 pesawat/tahun, selanjutnya digunakan dalam perhitungan trip generation rate untuk
1274
mendapatkan penumpang jam sibuk, penumpang hari sibuk dan pergerakan pesawat jam sibuk dan pergerakan pesawat harian.
Gambar 9 Grafik Jumlah Penumpang Tahun 2011-2015 Bandara Supadio
Gambar 10 Grafik Jumlah Pergerakan Pesawat Tahun 2011-2015 Bandara Supadio
Data Jumlah Penumpang dan Pergerakan Pesawat per Tahun di Bandara Depati Amir
Gambar 11 Grafik Jumlah Penumpang
Tahun 2011-2015 Bandara Depati Amir
Gambar 12 Grafik Jumlah Pergerakan Pesawat Tahun 2011-2015 Bandara Depati Amir Berdasarkan gambar 11 dan 12, bahwa data jumlah penumpang pada tahun 2015 sebesar 1.636.319 penumpang/tahun dan pergerakan pesawat tahun 2015 sebesar 13.985 pesawat/tahun, selanjutnya digunakan dalam perhitungan trip generation rate untuk mendapatkan penumpang jam sibuk, penumpang hari sibuk dan pergerakan pesawat jam sibuk dan pergerakan pesawat harian.
Data luasan terminal penumpang pada bandara Supadio yaitu 12.400 m2, sedangkan luas terminal penumpang bandara Depati Amir yaitu 3.900 m2.
Analisis Data dan Pembahasan.
Analisis pemodelan tarikan perjalanan di bandara dibagi menjadi 3 (tiga) model, diharapkan mendapatkan model yang lebih baik dikarenakan adanya pengaruh pengembangan tata guna lahan bandara terhadap tarikan perjalanan yang ditimbulkan yaitu trip production (bangkitan perjalanan) dan trip attraction (tarikan perjalanan).
Analisis Korelasi
Hubungan antar variabel merupakan analisa untuk melihat seberapa besar hubungan antara variabel bebas X terhadap variabel terikat Y.
Pemilihan Model Terbaik
Pemilihan model terbaik merupakan model persamaan hasil analisa regresi linear berganda dengan metode backward elimination dan stepwise, serta dilakukan pengujian asumsi klasik berupa uji normalitas, multicolinearitas, heteroskedastisitas dan autokorelasi, selanjutnya dapat direkomendasikan menjadi model persamaan yang terbaik.
1275
Tabel 1 Hasil Analisa Hubungan Variabel Terikat dan Variabel Bebas Pada Setiap Bandara
Tabel 2 Hasil Analisa Tarikan Perjalanan Masing - Masing Bandar Udara
Berdasarkan tabel 1 dan 2, tarikan perjalanan berupa perjalanan masuk (Ysupadio masuk
dan Ydepatiamir masuk), perjalanan keluar (Ysupadio keluar dan Ydepatiamir keluar) dan perjalanan total (Ysupadio total dan Ydepatiamir total) masing-masing bandara baik bandara Supadio dan bandara Depati Amir bahwa penumpang masuk (X1.1 X1.2), penumpang keluar (X2.1 dan X2.2) dan pergerakan pesawat besar (X3.1 dan X3.2) mempunyai hubungan kuat dan berpengaruh terhadap tarikan perjalanan pada kawasan bandara dengan nilai rata-rata koefisien determinasi (R2) sebesar 0,783 di bandara Supadio, Pontianak dan nilai rata-rata koefisien determinasi (R2) sebesar 0,783 di bandara Depati Amir, Pangkal pinang. Sedangkan pergerakan pesawat kecil (X4.1 dan X4.2) tidak berpengaruh terhadap tarikan perjalanan pada kawasan bandara dikarenakan jumlah pergerakan pesawat kecil prosentasenya kecil dibandingkan dengan pergerakan pesawat besar yaitu hanya 23 % di bandara Supadio dan 15% di bandara Depati Amir, serta jadwal pergerakan pesawat kecil tidak setiap jam sehingga beberapa jam nilainya nol.
Analisa Trip Generation Rate (Tingkat Tarikan Perjalanan)
Analisa trip generation rate menggunakan variabel terikat (Yjam sibuk dan Yharian) yaitu perjalanan total (masuk dan keluar) pada saat jam sibuk dan jumlah perjalanan perhari dengan satuan (smp/jam dan smp/hari), dengan variabel bebas berupa pergerakan pesawat harian (X5), variabel pergerakan pesawat jam sibuk (X6), variabel penumpang hari sibuk (X7), variabel penumpang jam
No Uraian Variabel Bebas X Nilai Koef.
Korelasi (r) Nilai Sig. (α) Keterangan
1 Bandara Supadio
a) Perjalanan Masuk (Ysupadio masuk) a) Penumpang masuk (X1.1) r = 0.707 (0,05 > 0,000) atau Sig. Hubungan kuat b) Penumpang keluar (X2.1) r = 0.518 (0,05 > 0,002) atau Sig. Hubungan kuat c) Pergerakan pesawat besar (X3.1) r = 0.676 (0,05 > 0,000) atau Sig. Hubungan kuat b) Perjalanan Keluar (Ysupadio keluar) a) Penumpang masuk (X1.1) r = 0.667 (0,05 > 0,000) atau Sig. Hubungan kuat b) Penumpang keluar (X2.1) r = 0.608 (0,05 > 0,000) atau Sig. Hubungan kuat c) Pergerakan pesawat besar (X3.1) r = 0.613 (0,05 > 0,000) atau Sig. Hubungan kuat c) Perjalanan Total (Ysupadio total) a) Penumpang masuk (X1.1) r = 0.710 (0,05 > 0,000) atau Sig. Hubungan kuat b) Penumpang keluar (X2.1) r = 0.584 (0,05 > 0,000) atau Sig. Hubungan kuat c) Pergerakan pesawat besar (X3.1) r = 0.666 (0,05 > 0,000) atau Sig. Hubungan kuat 2 Bandara Depati Amir
a) Perjalanan Masuk (Ydepatiamir masuk) a) Penumpang masuk (X1.2) r = 0.544 (0,05 > 0,001) atau Sig. Hubungan kuat b) Penumpang keluar (X2.2) r = 0.666 (0,05 > 0,000) atau Sig. Hubungan kuat c) Pergerakan pesawat besar (X3.2) r = 0.738 (0,05 > 0,000) atau Sig. Hubungan kuat b) Perjalanan Keluar (Ydepatiamir keluar) a) Penumpang masuk (X1.2) r = 0.608 (0,05 > 0,000) atau Sig. Hubungan kuat b) Penumpang keluar (X2.2) r = 0.681 (0,05 > 0,000) atau Sig. Hubungan kuat c) Pergerakan pesawat besar (X3.2) r = 0.643 (0,05 > 0,000) atau Sig. Hubungan kuat c) Perjalanan Total (Ydepatiamir total) a) Penumpang masuk (X1.2) r = 0.588 (0,05 > 0,001) atau Sig. Hubungan kuat b) Penumpang keluar (X2.2) r = 0.687 (0,05 > 0,000) atau Sig. Hubungan kuat c) Pergerakan pesawat besar (X3.2) r = 0.703 (0,05 > 0,000) atau Sig. Hubungan kuat
No Uraian Persamaan Uji F dan
Uji t
Pengujian Model (Asumsi Klasik)
Normalitas Multico linearitas
Hetero
skedastisitas Autokorelasi Scatterplot Glejser Durbin-
Watson Runs Test 1 Bandara Supadio
a) Perjalanan Masuk (Ysupadio masuk)
Ysupadio masuk = 45.465+
0.524X1.1 + 0.140X2.1+ 16.61X3.1, Adj. R2 = 0.787
(Uji F dan t = Sig.)
Normal Terpenuhi Terpenuhi Terpenuhi Terpenuhi Terpenuhi
b) Perjalanan Keluar (Ysupadio keluar)
Ysupadio keluar = 44.459+
0.483X1.1 + 0.231X2.1+ 14.05X3.1 , Adj. R2 = 0.742
(Uji F dan t = Sig.)
Normal Terpenuhi Terpenuhi Terpenuhi Terpenuhi Terpenuhi
c) Perjalanan Total (Ysupadio total)
Ysupadio total = 89.924+
1.007X1.1 + 0.371X2.1 + 30.66X3.1, Adj. R2 = 0.819
(Uji F dan t = Sig)
Normal Terpenuhi Terpenuhi Terpenuhi Terpenuhi Terpenuhi
2 Bandara Depati Amir a) Perjalanan Masuk
(Ydepatiamir masuk)
Ydepatiamir masuk = 44.732+
0.333X1.2 + 0.273X2.2+ 16.28X3.2 , Adj. R2 = 0.827
(Uji F dan t = Sig)
Normal Terpenuhi Terpenuhi Terpenuhi Terpenuhi Terpenuhi
b) Perjalanan Keluar (Ydepatiamir keluar)
Ydepatiamir keluar = 27.225+
0.405X1.2 + 0.355X2.2+ 11.49X3.2 , Adj. R2 = 0.824
(Uji F dan t = Sig)
Normal Terpenuhi Terpenuhi Terpenuhi Terpenuhi Terpenuhi
c) Perjalanan Total (Ydepatiamir total)
Ydepatiamir total = 61.957+
0.739X1.2 + 0.628X2.2+ 27.77X3.2 , Adj. R2 = 0.856
(Uji F dan t = Sig)
Normal Terpenuhi Terpenuhi Terpenuhi Terpenuhi Terpenuhi
1276
sibuk (X8) dan variabel luas terminal penumpang (m2) (X9). Metode analisis trip generation rate dengan analisa regresi linear sederhana dan avarage analysis. Setelah mendapatkan variabel terikat Y dan variabel bebas X selanjutnya menentukan nilai trip generation rate dengan menggabungkan data dengan jumlah data sebanyak 4 (empat) data yaitu data hari kerja dan hari libur dimasing-masing bandara (Supadio dan Depati Amir). Berikut nilai MAPE berdasarkan hasil analisa regresi linear sederhana dan analisa rata-rata :
Tabel 3 Hasil Uji Ketepatan Model Dengan MAPE (Mean Absolute Percentage Error (%))
Berdasarkan tabel 3, bahwa hasil analisa trip generation rate (tingkat tarikan perjalanan) yang mempunyai nilai MAPE terkecil dan selanjutnya dapat dijadikan peramalan adalah hasil analisa regresi linear sederhana dengan nilai MAPE lebih kecil dari hasil analisa rata-rata yaitu di bawah 10 % atau sangat baik.
KESIMPULAN
Hasil analisis tarikan perjalanan pada masing-masing bandara yaitu bandara Supadio bahwa perjalanan masuk, keluar dan total (masuk dan keluar) dipengaruhi oleh penumpang masuk, keluar dan pergerakan pesawat besar dengan nilai rata-rata koefisien determinasi (R2) sebesar 0,783. Tarikan perjalanan di bandara Depati Amir bahwa perjalanan masuk, keluar dan total (masuk dan keluar) dipengaruhi oleh penumpang masuk, keluar dan pergerakan pesawat besar dengan nilai rata-rata koefisien determinasi (R2) sebesar 0,836.
Tingkat tarikan perjalanan (trip generation rate) menggunakan 2 metode yaitu analisa regresi linear sederhana dan analisa rata-rata, hasil dari analisa trip generation rate didapat persamaan yang mempunyai nilai MAPE (Mean Absolute Percentage Error) terkecil yang nantinya digunakan peramalan yaitu: perjalanan jam sibuk (Yjam sibuk) terhadap penumpang jam sibuk nilai MAPE sebesar 1,98 %, pergerakan pesawat jam sibuk nilai MAPE sebesar 1,98 % dan luas terminal penumpang nilai MAPE sebesar 1,98%, sedangkan persamaan perjalanan harian (Yharian) terhadap penumpang hari sibuk nilai MAPE sebesar 0,73%, pergerakan pesawat harian nilai MAPE sebesar 0,73%, dan luas terminal penumpang nilai MAPE sebesar 0,73 %. Selanjutnya hasil analisis tarikan perjalanan yaitu perjalanan masuk, keluar dan total yang dipengaruh oleh penumpang pesawat dan pergerakan pesawat besar, serta nilai trip generation rate yang mempunyai nilai MAPE terkecil dapat dijadikan pertimbangan dan acuan dasar dalam rencana pengembangan kawasan bandar udara.
Ucapan Terima Kasih
Ucapan terima kasih kepada Kementerian Perhubungan yang telah memberikan beasiswa, Pusat Studi Transportasi dan Logistik UGM (Pustral UGM), serta pihak-pihak terkait yang telah membantu, sehingga terlaksananya penelitian ini.
No Hasil Analisis Regresi Linear Sederhana
Nilai MAPE Analisis Regresi Linear Sederhana (%)
Hasil Analisis Rata-rata
Nilai MAPE Analisis Rata-
rata (%) 1 Perjalanan Jam Sibuk
a) Yjam sibuk = 447, 202+ 0,457 X8, R2 = 0,894 1,98 % 1,72 18,75 % b) Yjam sibuk = 192, 600 +42,700 X6, R2 = 0,894 1,98 % 62,15 3,34 % c) Yjam sibuk = 537,716 + 0,010 X9, R2 = 0,894 1,98 % 0,10 60,16 % 2 Perjalanan Harian
a) Yharian = 1868, 378+ 0,596 X7, R2 = 0,998 0,73 % 0,87 7,86 % b) Yharian = 2495,769 + 68,976 X5, R2 = 0,998 0,73 % 119,90 12,49 % c) Yharian = 4135,771 + 0,252 X9, R2 = 0,998 0,73 % 0,95 44,91 %
1277 DAFTAR PUSTAKA
Derek L. Gunn, dkk, 2014, Estimating Vehicle Trips for Consolidated Rental Car Facilities at Commercial Airports, ITE Journal, No. 41.
Dewi Setya, dkk, 2014, Simulasi Pengukuran Ketepatan Model Variogram Pada Metode Ordinary Kriging Dengan Teknik Jackknife, Undip, Jurnal Gaussian, Volume 3, No.3.
Edward K. Morlok, 1995, Pengantar Teknik dan Perencanaan Transportasi, Jakarta, Penerbit Erlangga.
Hazanawati dan Sartono. W, 2008, Kajian Pengembangan Sisi Udara Bandar Udara Japura Kabupaten Indragiri Hulu, Forum Teknik Sipil No. XVIII/1.
Hengky Latan dan Selva Temalagi, 2013, Analisis Multivariate (Teknik dan Aplikasi menggunakan Program IBM SPSS 20), Alfabeta, Bandung.
Institute of Transport Engineers (ITE), 2012, Trip Generation Manual. Washington D.C Irawan Setia Budi, 2007, Pengaruh Penggunaan Lahan Terhadap Bangkitan Dan Tarikan
Pergerakan Di Sepanjang Jalan Gadjah Mada Kota Batam, Tesis, Semarang, Undip.
Muhammad Efrizal Lubis, 2008, Penetapan Model Bangkitan Pergerakan Untuk Beberapa Tipe Perumahan Di Kota Pematangsiantar (Studi Kasus: Perumahan Pinggiran Kota Pematangsiantar), Tesis, Medan, USU.
Ortuzar, J.D. dan Willumsen, 2001. Modeling Transport. New York: John Wiley and Sons.
Rulina Rita dkk, 2005, Model Tarikan Perjalanan Pada Pasar Tradisional Studi Kasus: Pasar Padang Bulan Medan, Jurnal Arsitektur “ATRIUM” vol. 02 no. 03.
Rusmadi Suyuti, 1999, Vehicle Generation Model At An Airport, Journal of The Eastern Asia Society for Transportation Studies vol. 3, No. 2.
Tamin, O.Z., 2008, Perencanaan, Pemodelan dan Rekayasa Transportasi. Bandung Penerbit ITB.
Texas A & M Transportation Institute, 2015, Improved Trip Generation Data For Texas Using Work Place And Special Generators Date, Texas.
