ESTIMASI PARAMETER MODEL GRAVITY DENGAN METODE INFERENSI-BAYES DAN FUNGSI HAMBATAN
EKSPONENSIAL NEGATIF
(STUDI KASUS KABUPATEN SUKOHARJO)
Estimation of Gravity Model Parameter using Bayesian-Inference Method and Negative Exponential Deterrence Function (A Case Study of Sukoharjo Regency)
Disusun untuk Memenuhi Persyaratan Memperoleh Gelar Sarjana Teknik pada Program Studi Teknik Sipil Fakultas Teknik
Universitas Sebelas Maret
Disusun Oleh :
SESILIA BINTANG BERLIANSA NIM. I 0117125
PROGRAM STUDI TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS SEBELAS MARET
SURAKARTA 2021
commit to user
i
ESTIMASI PARAMETER MODEL GRAVITY DENGAN METODE INFERENSI-BAYES DAN FUNGSI HAMBATAN
EKSPONENSIAL NEGATIF
(STUDI KASUS KABUPATEN SUKOHARJO)
Estimation of Gravity Model Parameter using Bayesian-Inference Method and Negative Exponential Deterrence Function (A Case Study of Sukoharjo Regency)
Disusun untuk Memenuhi Persyaratan Memperoleh Gelar Sarjana Teknik pada Program Studi Teknik Sipil Fakultas Teknik
Universitas Sebelas Maret
Disusun Oleh :
SESILIA BINTANG BERLIANSA NIM. I 0117125
PROGRAM STUDI TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS SEBELAS MARET
SURAKARTA 2021
commit to user
digilib.uns.ac.id
Estimasi Parameter Model Gravity dengan Metode Inferensi-Bayes dan Fungsi Hambatan Eksponensial Negatif (Studi Kasus Kabupaten Sukoharjo)
Estimation of Gravity Model Parameter using Bayesian-Inference Method and Negative Exponential Deterrence Function (A Case Study of Sukoharjo Regency)
Disusun oleh:
Sesilia Bintang Berliansa I0117125
Telah disetujui untuk dipertahankan dihadapan Tim Penguji Pendadaran Program Studi Teknik Sipil Fakultas Teknik
Universitas Sebelas Maret Surakarta
Persetujuan
Dosen Pembimbing 1
Dr.Eng. Ir. Syafi'i, M.T.
NIP 196706021997021001
Dosen Pembimbing 2
Slamet Jauhari Legowo, S.T., M.T.
NIP 196704131997021001
ii
commit to user
LEMBAR PENGESAHAN
Estimasi Parameter Model Gravity dengan Metode Inferensi-Bayes dan Fungsi Hambatan Eksponensial Negatif (Studi Kasus Kabupaten Sukoharjo)
Estimation of Gravity Model Parameter using Bayesian-Inference Method and Negative Exponential Deterrence Function (A Case Study of Sukoharjo Regency)
SKRIPSI Disusun oleh:
Sesilia Bintang Berliansa I0117125
Telah dipertahankan dihadapan Tim Penguji Pendadaran Program Studi Teknik Sipil Fakultas Teknik Universitas Sebelas Maret Surakarta pada hari Kamis tanggal
1. Dr.Eng. Ir. Syafi'i, M.T.
NIP 196706021997021001
2. Slamet Jauhari Legowo, S.T., M.T.
NIP 196704131997021001
3. Dr. Ir. Arif Budiarto, M.T.
NIP 196304161997021001
4. Amirotul Musthofiah HM, S.T, M.Sc.
NIP 197005041995122001
Disahkan, 12 Juli 2021
Kepala Program Studi Teknik Sipil Fakultas Teknik UNS
Dr. Niken Silmi S, ST, MT NIP. 19690903 199702 2001
iii
commit to user
digilib.uns.ac.id
iv
MOTTO
“Jangan berhenti melangkah hanya karena lelah, jalani pelan-pelan, lakukan satu- satu, berjalan selangkah demi selangkah”
PERSEMBAHAN
❖ Tuhan Yang Maha Esa atas segala berkat yang telah diberikan.
❖ Kedua orang tua yang selalu memberi dukungan, doa, dan semangat selama penyusunan skripsi.
❖ Kakak dan saudara kembar yang selalu menemani dan memberi dukungan selama penyusunan skripsi.
❖ Bapak Syafi’i dan Bapak Legowo selaku dosen pembimbing yang selalu membimbing dan memberikan arahan dalam penyusunan skripsi.
❖ Teman-teman skripsi pemodelan transportasi yang telah berjuang bersama dan tidak pernah menyerah dalam menyusun skripsi.
❖ Teman-teman S1 Program Studi Teknik Sipil angkatan 2017 UNS yang telah berjuang bersama selama 4 tahun kuliah di Teknik Sipil UNS.
❖ Semua pihak yang membantu kelancaran dalam penyusunan skripsi ini.
commit to user
v
ABSTRAK
Sesilia Bintang Berliansa, 2021, Estimasi Parameter Model Gravity dengan Metode Inferensi-Bayes dan Fungsi Hambatan Eksponensial Negatif (Studi Kasus Kabupaten Sukoharjo). Skripsi. Program Studi Teknik Sipil Fakultas Teknik Universitas Sebelas Maret Surakarta.
Salah satu masalah yang cukup penting dalam bidang transportasi adalah terjadinya kemacetan lalu lintas. Kemacetan akan menimbulkan beberapa kerugian, seperti pemborosan bahan bakar, peningkatan waktu perjalanan, peningkatan polusi udara dan suara, pemborosan waktu, turunnya produktivitas, dan bahkan dapat pula menimbulkan stress. Begitu besar dampak yang terjadi dari suatu kemacetan, sehingga diperlukan suatu solusi untuk memecahkan atau paling tidak mengurangi terjadinya kemacetan.
Berbagai macam solusi terhadap kemacetan telah banyak diupayakan oleh pemerintah atau instansi terkait, seperti manajemen lalu lintas, pelebaran jalan, pembuatan jalan satu arah, dan lain-lainnya. Salah satu solusi lainnya yang tidak kalah penting adalah dengan melakukan perencanaan dan pemodelan transportasi, yang bertujuan untuk memperkirakan/meramalkan kebutuhan akan transportasi, pada masa yang akan datang, meliputi jumlah dan lokasi pergerakan orang dan barang, dari suatu wilayah kajian, untuk penyiapan investasi di bidang transportasi.
Dengan diketahuinya jumlah dan lokasi pergerakan pada masa yang akan datang tersebut, maka pemerintah akan dapat melakukan upaya penyiapan kebijakan untuk mengatasi dan mengantisipasi kemungkinan terjadinya kemacetan pada masa yang akan datang. Untuk itulah maka dilakukan penelitian ini, untuk memperkirakan pola pergerakan antar zona dari wilayah kajian yaitu Kabubaten Sukoharjo, Jawa Tengah, yang direpresentasikan dalam bentuk Matriks Asal Tujuan (MAT) dan desire line.
Sebagai daerah kajian, Kabupaten Sukoharjo, dimodelkan menjadi tiga puluh enam zona. Pembagian zona, didasarkan atas wilayah administrasi, yaitu kecamatan, terdiri dari dua belas zona internal dan dua puluh empat zona eksternal. Data yang diambil adalah berupa data primer yaitu volume lalu lintas dan hambatan samping, yang dilakukan pada situasi pandemi Covid-19, sebanyak tiga puluh satu titik yang terdiri dari sembilan belas titik dalam daerah kajian dan dua belas titik titik menuju zona eksternal.
Estimasi MAT ini menggunakan Model Gravity dengan batasan bangkitan dan tarikan yang dibantu oleh program EMME/3. Pada Model Gravity terdapat parameter β yang merupakan faktor penentu besarnya nilai sebaran pergerakan yang terjadi di setiap zona. Metode yang digunakan dalam memperoleh nilai parameter β adalah metode kalibrasi Newton-Raphson menggunakan program Microsoft Excel. Selanjutnya MAT akan dibebankan terhadap jaringan jalan dengan metode pembebanan User Equilibrium untuk menghasilkan arus lalu lintas hasil pemodelan. Arus lalu lintas hasil pemodelan kemudian akan dibandingkan dengan arus lalu lintas hasil pengamatan di lapangan untuk melihat tingkat validitas model menggunakan koefisien determinasi (Rcommit to user 2).
digilib.uns.ac.id
vi
Hasil dari penelitian ini adalah diperoleh nilai parameter β sebesar 0,0800, yang hal ini menunjukkan bahwa sebesar 8% dari sebaran pergerakan, yang direpresentasikan dalam bentuk MAT akan sangat bergantung pada parameter β ini.
Sementara total pergerakan yang terjadi di wilayah kaijan ini pada tahun 2021 adalah sebesar 16.361 smp/jam, dengan tingkat validitas (R2) sebesar 0,8150, yang mengindikasikan bahwa 81,50 % model dapat mewakili realita.
Kata kunci: EMME/3, MAT, Model Gravity, Parameter β
commit to user
vii
ABSTRACT
Sesilia Bintang Berliansa, 2021, Estimation of Gravity Model Parameters using Bayesian-Inference Method and Negative Exponential Function (A Case Study of Sukoharjo Regency). Thesis. Civil Engineering Department Faculty of Engineering, Sebelas Maret University Surakarta.
One of the problems that are quite important in the field of transportation is the occurrence of traffic jams. Congestion will cause several losses, such as wasted fuel, increased travel time, increased air and noise pollution, wasted time, decreased productivity, and can even cause stress. So great is the impact that occurs from congestion, so that a solution is needed to solve or at least reduce the occurrence of congestion.
Various kinds of solutions to congestion have been sought by the government or related agencies, such as traffic management, road widening, one-way road construction, and others. One other solution that is no less important is to carry out transportation planning and modeling, which aims to estimate/forecast the need for transportation, in the future, including the number and location of movement of people and goods, from a study area, to prepare investment in the transportation sector. By knowing the number and location of future movements, the government will be able to make efforts to prepare policies to overcome and anticipate the possibility of congestion in the future. For this reason, this study was carried out to estimate the pattern of movement between zones from the study area, namely Sukoharjo Regency, Central Java, which was represented in the form of Origin- Destination Matrix and desire line.
As a study area, Sukoharjo Regency is modeled into thirty-six zones. The division of zones, based on administrative areas, namely sub-districts, consists of twelve internal zones and twenty-four external zones. The data taken is in the form of primary data, namely traffic volume and side barriers, which were carried out in the Covid-19 pandemic situation, as many as thirty-one points consisting of nineteen points in the study area and twelve points leading to the external zone.
This OD-Matrix estimation uses the Gravity Model with the generation and pulls constraints assisted by the EMME/3 program. In the Gravity Model, there is a parameter that is a determining factor for the magnitude of the value of the distribution of movements that occur in each zone. The method used in obtaining the parameter value is the Newton-Raphson calibration method using the Microsoft Excel program. Furthermore, OD-Matrix will be charged to the road network using the User Equilibrium loading method to generate traffic flow from the modeling results. The traffic flow from the modeling will then be compared with the traffic flow observed in the field to see the level of model validity using the coefficient of determination (𝑅2).
The result of this research is that the value of the parameter is 0.0800, which shows that 8% of the movement distribution, which is represented in the form of OD- Matrix, will depend on this parameter. Meanwhile, the total movement that occurs commit to user
digilib.uns.ac.id
viii
in the Kaijan area in 2021 is 16,361 pcu/hour, with a validity level (𝑅2) of 0.8150, which indicates that 81.50% of the model can represent reality.
Keywords: EMME/3, Gravity Model, OD-Matrix, Parameter β
commit to user
ix
KATA PENGANTAR
Puji serta syukur penulis panjatkan kepada Tuhan Yang Maha Esa, karena dengan rahmat, karunia, dan anugerah-Nya, penulis dapat menyelesaikan skripsi dengan judul “Estimasi Parameter Model Gravity dengan Metode Inferensi-Bayes dan Fungsi Hambatan Eksponensial Negatif (Studi Kasus Kabupaten Sukoharjo)”
guna memenuhi salah satu syarat untuk memperoleh gelar Sarjana Teknik di Program Studi Teknik Sipil Fakultas Teknik Universitas Sebelas Maret Surakarta.
Dalam menyelesaikan skripsi ini, penulis mendapat banyak bantuan dalam hal bimbingan, arahan, dan saran dari berbagai pihak. Dengan penuh rasa hormat, penulis mengucapkan terima kasih yang sebesar-besarnya kepada:
1. Tuhan Yang Maha Kuasa atas rahmat, karunia, dan anugerah-Nya yang telah diberikan,
2. Pimpinan Program Studi Teknik Sipil Fakultas Teknik Universitas Sebelas Maret beserta jajarannya,
3. Bapak Dr. Eng. Ir. Syafi’i, M.T. dan Bapak Slamet Jauhari Legowo, S.T., M.T.
selaku dosen pembimbing skripsi,
4. Seluruh civitas akademik Program Studi Teknik Sipil Fakultas Teknik Universitas Sebelas Maret,
5. Orang tua yang telah mendukung penulis dalam penyusunan proposal skripsi, 6. Teman-teman S1 Teknik Sipil Universitas Sebelas Maret angkatan 2017, 7. Semua pihak yang tidak dapat disebutkan satu per satu.
Sebagaimana mahasiswa yang masih dalam taraf belajar, penulis menyadari bahwa skripsi ini masih jauh dari sempurna. Oleh karena itu, kritik dan saran yang bersifat membangun sangat diharapkan. Akhir kata, semoga skripsi ini bermanfaat bagi penulis pada khususnya dan pembaca pada umumnya.
Surakarta, Mei 2021
Penulis commit to user
digilib.uns.ac.id
x
DAFTAR ISI
HALAMAN JUDUL ... i
LEMBAR PERSETUJUAN ... ii
PENGESAHAN SKRIPSI ... iii
MOTTO ... iv
ABSTRAK ... v
ABSTRACT ... vii
KATA PENGANTAR ... ix
DAFTAR ISI ... x
DAFTAR NOTASI ... xiii
DAFTAR TABEL ... xiv
DAFTAR GAMBAR ... xiv
DAFTAR LAMPIRAN ... xvi
BAB 1 PENDAHULUAN ... 1
1.1 Latar Belakang ... 1
1.2 Rumusan Masalah ... 5
1.3 Batasan Masalah ... 6
1.4 Tujuan Penelitian ... 7
1.5 Manfaat Penelitian ... 7
BAB 2 LANDASAN TEORI ... 8
2.1 Kajian Literatur ... 8
2.2 Dasar Teori ... 16
2.2.1 Pengertian Transportasi ... 16
2.2.2 Permasalahan Transportasi ... 17
2.2.3 Pemodelan Transportasi ... 18
2.2.4 Matriks Asal Tujuan (MAT) ... 20
2.2.5 Daerah Kajian ... 20
2.2.6 Sistem Zona ... 22
2.2.7 Sistem Jaringan Transportasi ... 23
2.2.8 Klasifikasi Jalan ... 24
2.2.9 Satuan Mobil Penumpang ... 28
2.2.10 Kapasitas Jalan ... 29
2.2.11 Kecepatan ... 30 2.2.12 Konsep Model Gravity ... 34 commit to user
xi
2.2.13 Metode Penaksiran Inferensi-Bayes ... 36
2.2.14 Metode Kalibrasi Newton-Raphson ... 39
2.2.15 Pendekatan Pembebanan User Equilibrium ... 40
2.2.16 Indikator Uji Statistik ... 41
2.2.17 EMME/3 (Equilibre Multimodal, Multimodal Equilibrium) ... 42
2.3 Kerangka Pemikiran ... 43
BAB 3 METODE PENELITIAN ... 44
3.1 Lokasi Penelitian ... 44
3.2 Jenis dan Sumber Data ... 47
3.2.1 Data Primer ... 47
3.2.2 Data Sekunder ... 47
3.3 Teknik Pengumpulan Data ... 48
3.3.1 Pengumpulan Data Primer ... 48
3.3.2 Pengumpulan Data Sekunder ... 48
3.3.3 Desain Survei ... 48
3.4 Metode Analisis Data ... 49
3.4.1 Pengolahan Data Basis Jaringan Jalan ... 50
3.4.2 Matriks Asal Tujuan Hasil Estimasi ... 50
3.4.3 Kalibrasi Parameter Beta (β) ... 50
3.4.4 Estimasi Matriks Asal Tujuan Hasil Pemodelan ... 52
3.4.5 Pembebanan MAT ke Jaringan Jalan ... 52
3.4.6 Uji Validitas ... 52
3.5 Tahapan Penelitian ... 52
3.5.1 Kajian Literatur ... 52
3.5.2 Pengumpulan Data ... 53
3.5.3 Estimasi Matriks Asal Tujuan ... 53
3.5.4 Pembebanan ... 53
3.5.5 Uji Validitas ... 53
3.5.6 Pembahasan ... 53
3.5.7 Kesimpulan ... 53
BAB 4 ANALISIS DAN PEMBAHASAN ... 56
4.1 Umum ... 56
4.2 Pengolahan dan Penyajian Data ... 56
4.2.1 Pengumpulan Data ... 56
4.2.2 Pembagian Zona ... 58
4.2.3 Kapasitas ... 59 commit to user
digilib.uns.ac.id
xii
4.2.4 Waktu Tempuh dan Kecepatan ... 60
4.3 Analisis dengan Program EMME/3 ... 62
4.3.1 Basis Data Jaringan Jalan ... 62
4.3.2 Data Matriks Awal (Prior Matrix) ... 64
4.3.3 Matriks Asal Tujuan Tahun 2021 Hasil EMME/3 ... 64
4.4 Kalibrasi Newton-Raphson ... 71
4.5 Matriks Tahun 2021 Hasil Estimasi Model Gravity ... 71
4.6 Pembebanan Matriks Asal Tujuan ke Jaringan Jalan... 78
4.7 Nilai Hasil Uji Validitas ... 78
4.8 Pembahasan ... 79
4.8.1 Fungsi Hambatan ... 79
4.8.2 Estimasi Matriks Asal Tujuan Perjalanan ... 79
4.8.3 Uji Validitas ... 83
BAB 5 KESIMPULAN DAN SARAN ... 85
5.1 Kesimpulan ... 85
5.2 Saran ... 86
DAFTAR PUSTAKA ... xvii
commit to user
xiii
DAFTAR NOTASI
𝐴𝑖,𝐵𝑑 = faktor penyeimbang untuk setiap zona asal i dan tujuan d A = kumpulan dari semua link pada jaringan
C = Kapasitas (smp / jam)
𝐶𝑖𝑑 = biaya perjalanan dari zona asal i ke zona tujuan d
Co = Kapasitas dasar untuk kondisi tertentu (ideal) (smp / jam) 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) 𝑂𝑖 = total pergerakan dari zona asal i
V = kecepatan sesungguhnya pada saat ada arus lalu lintas Q S = jarak (km)
𝑇𝑖𝑑 = jumlah pergerakan dari zona asal i ke zona tujuan d t0 = waktu tempuh pada saatV0 (detik)
𝑉̂𝑖 = arus lalu lintas hasil pengamatan pada ruas l 𝑉𝑖 = arus lalu lintas hasil pemodelan pada ruas l V0 = kecepatan pada saat arus bebas (km/jam)
β = Parameter fungsi Hambatan (Ukuran Aksesibilitas antara zona asal dan zona tujuan
commit to user
digilib.uns.ac.id
xiv
DAFTAR TABEL
Tabel 2.1 Resume Kajian Literatur ………. 13
Tabel 2.2 Matriks Asal Tujuan ………. 21
Tabel 2.3 Emp untuk Jalan Perkotaan Tidak Terbagi ………... 28
Tabel 2.4 Emp untuk Jalan Perkotaan Terbagi Satu Arah ……… 29
Tabel 2.5 Kecepatan Arus Bebas Dasar (FV0) untuk Jalan Perkotaan…... 31
Tabel 2.6 Faktor Penyesuaian Lebar Jalur Lalu Lintas Efektif (FVW)….. 32
Tabel 2.7 Faktor Penyesuaian Kondisi Hambatan Samping (FFVSF) dan Lebar Bahu ……… 32
Tabel 2.8 Faktor Penyesuaian Ukuran Kota (FFVCS) dan Kerb ………... 33
Tabel 4.1 Data Hasil Survei Lalu Lintas Tahun 2021 ………...56
Tabel 4.2 Konversi Satuan Arus Kendaraan ke dalam smp/jam ………..56
Tabel 4.3 Pembagian Zona Internal ...………...57
Tabel 4.4 Pembagian Zona Eksternal ...………...58
Tabel 4.5 Format Masukan Basis Data Jaringan Jalan ………...61
Tabel 4.6 Koordinat Kabupaten Sukoharjo ...………...61
Tabel 4.7 MAT Hasil Estimasi EMME/3 ...………...64
Tabel 4.8 MAT Tahun 2021 Hasil Model Gravity ...72
Tabel 4.9 Perbandingan Traffic Count Hasil Pengamatan dengan Traffic Count Hasil Pemodelan ....………...78
commit to user
xv
DAFTAR GAMBAR
Gambar 2.1 Four Steps Model ……….20
Gambar 2.2 Daerah Kajian ………...22
Gambar 2.3 Sistem Jaringan Primer………..27
Gambar 3.1 Peta Administrasi Kabupaten Sukoharjo ………..45
Gambar 3.2 Peta Jaringan Jalan Kabupaten Sukoharjo ………46
Gambar 3.3 Bagan Alir Prosedur Kalibrasi Newton-Raphson ……….51
Gambar 3.4 Bagan Alir Tahapan Penelitian ……….54
Gambar 4.1 Network Editor ...……….62
Gambar 4.2 Editor Toolbar...……….62
Gambar 4.3 MAT Hasil Estimasi EMME/3 ...………..63
Gambar 4.4 Perhitungan Parameter β ...79
Gambar 4.5 Garis Keinginan (Desire Line) Distribusi Pergerakan Lalu Lintas Kabupaten Sukoharjo Tahun 2021 ...……...80
Gambar 4.6 Grafik Pergerakan Antar Zona ...……….81
Gambar 4.7 Grafik Uji Validitas Arus Lalu Lintas ...……….84
commit to user
digilib.uns.ac.id
xvi
DAFTAR LAMPIRAN
Lampiran A Data Arus Hasil Survei Pendahuluan Lampiran B Konversi Arus Hasil Survei Pendahuluan
Lampiran C Formulir Survei Volume Lalu Lintas Tahun 2021 Lampiran D Data Administrasi Jaringan Jalan Kabupaten Sukoharjo Lampiran E Data Hasil Survei Lalu Lintas Tahun 2021
Lampiran F Konversi Satuan Arus Kendaraan ke dalam Smp/jam Lampiran G Perhitungan Kapasitas Jalan
Lampiran H Perhitungan Vo, to, Vc, dan tc
Lampiran I Format Masukan Basis Data Jaringan Jalan Lampiran J Koordinat Kabupaten Sukoharjo
Lampiran K Listing Program EMME/3
Lampiran L Perbandingan TC Pengamatan dengan TC Pemodelan
commit to user
