BAB 4 ANALISIS DAN PEMBAHASAN 4.1. Umum - Estimasi Matriks Asal Tujuan Perjalanan Menggunakan Model Gravity Dengan Fungsi Hambatan Tanner Di Kota Surakarta

(1)

commit to user

BAB 4

ANALISIS DAN PEMBAHASAN

4.1. Umum

Penelitian ini bertujuan untuk menentukan Matriks Asal Tujuan yang dihasilkan dari

data arus lalu lintas pada kondisi keseimbangan di Kota Surakarta. Model sebaran

pergerakan yang digunakan adalah Model

Gravity

dengan batasan tarikan perjalanan.

Fungsi hambatan (kemudahan atau aksesibilitas) yang digunakan adalah fungsi

hambatan Tanner. P

erolehan nilai parameter β menggunakan metode kalibrasi

Newton-Raphson

dan dibantu

software

Matlab. Untuk memperoleh Matriks Asal

Tujuan baru hasil pembebanan dibantu dengan penggunaan aplikasi

software

EMME/3.

EMME/3 merupakan salah satu

software

yang digunakan sebagai alat bantu untuk

mengetahui distribusi arus lalu lintas. Data masukan yang digunakan dalam program

ini antara lain data arus lalu lintas (

traffic count

), prior matriks tahun 2009, dan basis

data jaringan jalan yang berupa koordinat node, kapasitas, dan waktu tempuh.

Prosedur perhitungan data ruas jalan mengacu pada Manual Kapasitas Jalan

Indonesia (MKJI) tahun 1997.

4.2. Pengolahan dan Penyajian Data

4.2.1. Pengumpulan Data

a.

Data Primer

Data primer diperoleh dari survey penelitian pada jam puncak pagi (06.00-08.00)

yang dilaksanakan pada tanggal 6 dan 7 November 2013 di beberapa ruas jalan

dengan pertimbangan bahwa banyak pengendara melewati ruas jalan tersebut dan

(2)

commit to user

sebanyak 22 titik, sedangkan untuk titik yang lain diperoleh dari hasil perkalian

factor pertumbuhan dengan hasil survey tahun terdahulu. Contoh data hasil

survey ditampilkan pada

Tabel 4.1

dan untuk data hasil survey secara lengkap

ditampilkan pada Lampiran B.

b.

Data Sekunder

Data sekunder lainnya yaitu data dari instansi terkait yang berada di wilayah Kota

Surakarta, meliputi peta jaringan jalan Kota Surakarta (Gambar 3.1), peta

administrasi Kota Surakarta (Gambar 3.2), dan peta pembagian zona Kota

Surakarta (Gambar 3.3). Serta basis data jaringan jalan Kota Surakarta dan data

MAT awal (

prior matrix

) hasil penelitian skripsi “Estimasi Model Sebaran dari

Data Lalu Lintas dengan Metode

Steepest Descent

Menggunakan Aplikasi

Software

EMME/3 (Studi Kasus Kota Surakarta)” oleh Rahman (2010).

Tabel 4.1

Tabel Data Hasil Survey tahun 2013

Nama

(3)

commit to user

terdapat 65 zona yang terdiri dari 51 zona internal (seluruh kelurahan di Kota

Surakarta) dan 14 zona eksternal (kelurahan sekitar di luar Kota Surakarta). Setiap

zona diwakili oleh satu pusat zona (

centroid

), yang kemudian dihubungkan ke salah

satu simpul jaringan jalan (

node

) dengan penghubung (

centroid connector

).

Kemudian ditentukan titik-titik koordinat seluruh simpul ruas jalan dan pusat zona

tersebut.

Tabel 4.2

Pembagian Zona Internal

1. Wilayah Kecamatan Laweyan

2. Wilayah Kecamatan Serengan

No. Zona

Nama Zona

No. Zona

Nama Zona

706 Laweyan

717 Danukusuman

707 Bumi

718 Joyotakan

708 Purwosari

709 Penump ing

710 Panularan

711 Sriwedari

3. Wilayah Kecamatan Pasar Kliwon

4. Wilayah Kecamatan Banjarsari

No. Zona

Nama Zona

No. Zona

Nama Zona

725 Gajahan

734 Mangkubumen

726 Pasar Kliwon

735 Punggawan

5. Wilayah Kecamatan Jebres

No Zona

Nama Zona

741 Mojosongo

742 Jebres

743 Tegalharjo

744 Kepatihan Kulon

745 Kepatihan Wetan

(4)

commit to user

Tabel 4.3

Pembagian Zona Eksternal

No. Zona

Nama Zona

No. Zona

Nama Zona

752 Colomadu

759 Palur Karanganyar

753 Pabelan Kartosuro

760 Plupuh Sragen

754 Makam Haji Kartosuro

761 Jl. Clolo Arah Karanganyar

755 Cemani

762 Arah Purwodadi

756 Solo Baru

763 Ngemplak Boyolali

757 Grogol Sukoharjo

764 Gentan Sukoharjo

758 Bekonang

765 Kebak Kramat Karanganyar

4.2.3. Satuan Mobil Penumpang

Data yang diperoleh dari hasil survey lalu lintas terdiri dari volume lalu lintas dalam

satuan kendaraan, maka diperlukan konversi untuk beberapa jenis kendaraan ke

dalam satuan mobil penumpang. Pelaksanaan survei

traffic count

digunakan interval

waktu 5 menitan selama 2 jam sehingga terdapat 24 buah data volume lalu lintas.

Data yang dipakai adalah data yang terdapat pada interval jam puncak dengan total

tertinggi. Contoh perhitungan disajikan pada Tabel 4.4.

Contoh

: Nama jalan : Jl. Yos Sudarso

Nomor ruas : 105 – C56

Tabel 4.4

Contoh Perhitungan Jumlah Kendaraan pada Jam Puncak

Nama Jalan

Selanjutnya dilakukan konversi untuk mendapatkan jumlah kendaraan pada jam

puncak dalam satuan mobil penumpang. Contoh perhitungan dapat dilihat pada Tabel

(5)

commit to user

Tabel 4.5

Contoh Konversi Satuan kendaraan/jam ke smp/jam

Nama

Data lengkap konversi dari satuan kendaraan/jam ke satuan mobil penumpang

(smp/jam) dapat dilihat pada lampiran C.

4.2.4. Kapasitas

Kapasitas dihitung untuk mengetahui volume maksimum kendaraan perjam yang

melalui suatu ruas jalan tertentu. Berikut contoh perhitungan kapasitas sesuai dengan

persamaan yang ada pada lampiran A.

Contoh perhitungan :

Nama jalan

: Yos Sudarso

Nomo ruas

: 103-102

Tipe operasi

: Empat lajur dua arah terbagi (4/2D)

Lebar jalan

: 14 meter (total dua arah)

Hambatan samping

: tinggi

Lebar bahu

: 1 meter

Jarak kerb-penghalang

: -

(6)

commit to user

Berdasarkan data di atas, maka pada nomor ruas 103-102. Dapat ditentukan :

a.

Kapasitas dasar

Co

= 1650

b.

Faktor penyesuaian lebar lajur

FCw = 0,92

c.

Faktor penyesuaian pemisah arah

FCsp = 1

d.

Faktor penyesuaian hambatan samping

FCsf = 0,85

e.

Faktor penyesuaian ukuran kota

FCcs = 0,94

Sehingga kapasitas (smp/jam)

C

= Co x FCw x FCsp x FCsf x FCcs

= 1650 x 0,92 x 1 x 0,85 x 0,94

= 1212,882

Karena ruas tersebut terdiri atas 4 lajur, maka kapasitas total ruas tersebut adalah

= 4 x 1212,882 = 4852

Data lengkap tentang perhitungan tentang kapasitas dapat dilihat pada Lampiran D.

4.2.5. Waktu Tempuh

Waktu tempuh merupakan waktu yang dibutuhkan untuk melintasi suatu ruas jalan

dalam satuan waktu (detik). Dibawah ini salah satu contoh perhitungan waktu tempuh

dengan menggunakan analisis kecepatan pada ruas jalan 103-102.

Contoh perhitungan :

Nama jalan

: Yos Sudarso

Nomo ruas

: 103-102

Tipe operasi

: Empat lajur dua arah terbagi (4/2D)

Lebar jalan

: 14 meter (total dua arah)

Hambatan samping

: tinggi

(7)

commit to user

Jarak kerb-penghalang

: -

Jumlah penduduk

: 566.768 jiwa

Berdasarkan data di atas, maka pada nomor ruas 103-102 dapat ditentukan :

a.

Kecepatan arus bebas dasar

Fvo

= 57

b.

Faktor penyesuaian lebar lajur

FVw

= -4

c.

Faktor penyesuaian pemisah arah

FFVsf

= 0,81

d.

Faktor penyesuaian ukuran kota

FFVCcs

= 0,95

Sehingga kecepatan arus bebas (km/jam) sebesar :

FV

= (Fvo + FVw) x FFVsf x FFVCcs

= (57 - 4) x 0,81 x 0,95

= 40,78

Sedangkan untuk menghitung kecepatan pada saat arus mencapai kapasitas, dihitung

sebagai berikut:

Vc

= 0,5 x Vo

= 0,5 x 40,78

= 20,39

Dari contoh di atas, maka waktu tempuh pada saat arus bebas (to) dan waktu tempuh

pada saat kapasitas (tc) adalah :

(8)

commit to user

4.3. Analisis dengan Program EMME/3

4.3.1. Basis Data Jaringan Jalan

Bagian ini berisi masukan data ruas jalan yang terdiri dari node awal dan akhir,

waktu tempuh baik pada saat arus bebas maupun pada saat arus mencapai kapasitas,

kapasitas dan jarak dengan format seperti berikut.

Tabel 4.6

Format Masukan Basis Data Jaringan Jalan

Simpul

Waktu tempuh pada

Total Kapasitas

Tipe operasi yang dimaksud dalam tabel tersebut adalah jumlah jalur atau arah ruas

jalan. Secara lengkap data tipe operasi dapat dilihat pada Lampiran F.

Selain itu, data masukan lain yang diperlukan adalah data kordinat. Koordinat

diperlukan dalam basis data masukan dalam EMME/3 untuk menggambarkan

jaringan yang akan dipakai. Data tersebut terdiri dari data koordinat zona maupun

koordinat simpul-simpul jaringan jalan seperti pada Tabel 4.7 berikut.

Tabel 4.7

Koordinat Node Kota Surakarta

Node

Koordinat

(9)

commit to user

Input data dalam EMME/3 dapat dilakukan melalui

Network Editor

, bagian ini

merupakan bagian terpenting dalam program ini, serta menyediakan ruang dalam

bentuk peta jaringan (Gambar 4.1). Untuk

Editor Toolbar

-nya dapat dilihat pada

Gambar 4.2.

Gambar 4.1

Network Editor

(10)

commit to user

4.3.2. Data Lalu Lintas

Data arus lalu lintas yang akan digunakan sebagai masukan EMME/3 terdiri dari data

primer dan data sekunder, data primer yang didapat dari hasil survey (

traffic count

)

pada tahun 2013 yang kemudian dikonversi ke dalam satuan mobil penumpang

(smp/jam). Data sekunder didapat dari hasil survey (

traffic count

) pada tahun 2009

yang dikalikan dengan factor pertumbuhan di Kota Surakarta.

Tabel 4.8

Data Arus Lalu Lintas (

traffic

) tahun 2013

(11)

commit to user

Sumber : data penelitian tahun 2013

Secara lengkap data arus lalu lintas (

traffic

) 2013 dapat dilihat pada Lampiran I

4.3.3. Data Matrik Awal (

prior matrix

)

Data matrik awal yang digunakan adalah MAT yang berasal dari penelitian

sebelumnya yang dilakukan oleh Rahman, (2010). MAT awal diperoleh dengan

menggunakan pembebanan

wardrop equilibrium

. Matrik awal dapat dilihat pada

Tabel 4.9.

(12)

commit to user

Tabel 4.9

Prior Matrix

tahun 2009 (

smp/jam

)

(13)

commit to user

Tabel 4.9

Prior Matrix

tahun 2009 (

smp/jam

) (lanjutan)

(14)

commit to user

Tabel 4.9

Prior Matrix

tahun 2009 (

smp/jam

)(lanjutan)

(15)

commit to user

Tabel 4.9

Prior Matrix

tahun 2009 (

smp/jam

) (lanjutan)

(16)

commit to user

Tabel 4.9

Prior Matrix

tahun 2009 (

smp/jam

) (lanjutan)

(17)

commit to user

Tabel 4.9

Prior Matrix

tahun 2009 (

smp/jam

) (lanjutan)

(18)

commit to user

Tabel 4.9

Prior Matrix

tahun 2009 (

smp/jam

)(lanjutan)

(19)

commit to user

4.3.4. Matrik Baru Hasil EMME/3

Matrik baru tahun 2013 yang akan digunakan dalam proses pemodelan dan

pembebanan mengunakan EMME/3 merupakan hasil estimasi matrik dari data matrik

awal (

prior matrix

). Dalam program EMME/3 ini proses estimasi dilakukan dengan

modul EMME/3 yang diberi nama

Prompt console

yang berupa garis perintah

(

command-line

).

Pada EMME/3 (Gambar 4.3) matrik hasil estimasi disimpan dalam table matrik

mf11 (

full matrix 11

). Setelah tersimpan dalam mf11 kemudian dipindah ke dalam

MS Excel untuk mempermudah dalam menganalisis pergerakan di semua zona. Hasil

MAT baru dari proses estimasi dapat dilihat pada Table 4.10.

(20)

commit to user

Tabel 4.10

Matrik Baru Hasil EMME/3 tahun 2013 (

smp/jam

)

(21)

commit to user

Tabel 4.10

Matrik Baru Hasil EMME/3 tahun 2013 (

smp/jam

) (lanjutan)

(22)

commit to user

Tabel 4.10

Matrik Baru Hasil EMME/3 tahun 2013 (

smp/jam

) (lanjutan)

(23)

commit to user

Tabel 4.10

Matrik Baru Hasil EMME/3 tahun 2013 (

smp/jam

) (lanjutan)

(24)

commit to user

Tabel 4.10

Matrik Baru Hasil EMME/3 tahun 2013 (

smp/jam

) (lanjutan)

(25)

commit to user

Tabel 4.10

Matrik Baru Hasil EMME/3 tahun 2013 (

smp/jam

) (lanjutan)

(26)

commit to user

Tabel 4.10

Matrik Baru Hasil EMME/3 tahun 2013 (

smp/jam

) (lanjutan)

(27)

commit to user

4.4. Kalibrasi Newton-Raphson

Kalibrasi Newton-Raphson dilakukan dengan mendapatkan Matrik Biaya (Cid) dan

Matrik Perjalanan (Tid) hasil dari

traffic count

. Kalibrasi Newton-Raphson bertujuan

untuk mencari nilai

parameter β yang merupakan parameter fungsi hambatan

(kemudahan atau aksesibilitas) antar zona. Proses kalibrasi dilakukan dengan bantuan

software

Matlab yang menghasilkan parameter β sebesar 0,0

006. Gambar 4.4

Hasil Parameter Beta Dengan Program Matlab

4.5. Estimasi Matrik dengan Model Gravity Batasan Tarikan Dan Bangkitan

Estimasi matrik asal-tujuan perjalanan dilakukan dengan memasukkan nilai

(28)

(29)

commit to user

Tabel 4.11

Matrik Hasil Pemodelan tahun 2013 (

smp/jam

)

(30)

commit to user

Tabel 4.11

Matrik Hasil Pemodelan tahun 2013 (

smp/jam

) (lanjutan)

(31)

commit to user

Tabel 4.11

Matrik Hasil Pemodelan tahun 2013 (

smp/jam

) (lanjutan)

(32)

commit to user

Tabel 4.11

Matrik Hasil Pemodelan tahun 2013 (

smp/jam

) (lanjutan)

(33)

commit to user

Tabel 4.11

Matrik Hasil Pemodelan tahun 2013 (

smp/jam

) (lanjutan)

(34)

commit to user

Tabel 4.11

Matrik Hasil Pemodelan tahun 2013 (

smp/jam

) (lanjutan)

(35)

commit to user

Tabel 4.11

Matrik Hasil Pemodelan tahun 2013 (

smp/jam

) (lanjutan)

(36)

commit to user

4.6. Pembebanan Matrik ke Jaringan Jalan

Matrik baru yang didapatkan dari hasil estimasi kemudian dibebankan ke jaringan

jalan Kota Surakarta. Proses pembebanan matrik baru hasil pemodelan tahun 2013

pada jaringan jalan menghasilkan volume lalu lintas di masing-masing ruas jalan di

Kota Surakarta. Kemudian beberapa sampel arus lalu lintas hasil pembebanan

dibandingkan dengan arus lalu lintas hasil survey untuk mengetahui tingkat

validasinya.

Tabel 4.12

Perbandingan Arus Lalu Lintas Hasil Survey dengan Arus Hasil

Pembebanan

No.

Node

Arus

(smp/jam)

(37)

commit to user

Secara lengkap data arus lalu lintas (

traffic count

) 2013 dan arus hasil pembebanan

dapat dilihat pada Lampiran I.

4.7. Uji Validasi

Dari tabel perbandingan arus hasil

traffic count

dengan arus hasil pembebanan yang

ditampilkan pada Lampiran I, kemudian dilakukan uji validasi dengan menggunakan

analisis regresi linier. Nilai koefisien determinasi (R

2

_{) dari perbandingan arus hasil}

traffic count

dan arus hasil pembebanan sebesar 0,77 terjadi galat sebesar 0,23. Nilai

validasi tergolong dalam kategori tinggi, bila dilihat pada pembagian tingkat validitas

berdasarkan besar nilai R² yaitu sebagai berikut:

§

0,80 – 1,00

: sangat tinggi

§

0,60 – 0,80

: tinggi

§

0,40 – 0,80

: cukup tinggi

§

0,20 – 0,40

: rendah

§

0,00 – 0,20

: sangat rendah (tidak valid)

Galat yang terjadi dapat dipengaruhi oleh keterbatasan jumlah data, dimana jumlah

data yang dibutuhkan cukup banyak dan membutuhkan biaya yang cukup besar untuk

mendapatkan data tersebut.

(38)

commit to user

4.8. Pembahasan

4.8.1. Fungsi Hambatan

Proses kalibrasi Newton-Raphson dengan menggunakan

software

MATLAB

memberikan hasil nilai parameter β yang merupakan fungsi hambatan sebesar 0,0

006.

4.8.2. Estimasi Matrik Asal-Tujuan Perjalanan

Tertulis dalam dasar teori, Model Gravity dengan batasan tarikan pergerakan yang

digunakan untuk mengestimasi Matrik Asal-Tujuan Perjalanan harus menghasilkan

total pergerakan yang sama dengan hasil estimasi menggunakan program EMME/3.

Total tarikan pergerakan (

Dd

) dan bangkitan pergerakan (

Oi

) yang dihasilkan dengan

pemodelan juga harus sama dengan hasil tarikan dan bangkitan pergerakan yang

diinginkan. Berdasarkan teori ini, jika dilihat pada

Tabel 4.10 dan

Tabel 4.11 total

pergerakan yang terjadi antara MAT tahun 2013 hasil EMME/3 dengan MAT tahun

2013 setelah dimodelkan memiliki nilai yang sama yakni sebesar 37298,98 smp/jam.

Dari estimasi matriks juga dapat dilakukan pengamatan terhadap pergerakan dari

setiap zona. Besarnya pergerakan dapat dapat dilihat dalam bentuk

desire line

/garis

keinginan seperti pada

Gambar 4.6. Pada gambar tersebut pergerakan internalnya

digambarkan antar kecamatan sehingga terdapat 5 titik pada zona internal. Sedangkan

pergerakan eksternal dibagi berdasarkan letak zona yang saling berdekatan, yaitu 4

titik di luar Kota Surakarta. Pergerakan yang tinggi digambarkan dalam garis yang

tebal, sedangkan garis tipis digunakan untuk menggambarkan pergerakan yang tidak

(39)

(40)

commit to user

Untuk lebih mempermudah dalam mengamati pergerakan arus lalu lintas Kota

Surakarta, dapat dilakukan dengan melihat grafik jumlah tarikan dan bangkitan serta

grafik pergerakan antar zona pada

Gambar 4.7, 4.8 dan 4.9 yang menggambarkan

pergerakan yang terjadi.

Gambar 4.7

Jumlah Tarikan dan Bangkitan Pergerakan Pada Zona Internal

Gambar 4.7

menggambarkan tentang pergerakan yang terjadi pada zona internal

dengan jumlah tarikan dan bangkitan pergerakan arus lalu lintas tertinggi terjadi pada

zona 708 yakni Kelurahan Purwosari dengan jumlah tarikan sebesar 2173,814

smp/jam dan jumlah bangkitan sebesar 1663,153 smp/jam. Hal tersebut dikarenakan

Kelurahan Purwosari adalah daerah pemukiman padat penduduk serta banyak

terdapat pertokoan. Sedangkan jumlah tarikan dan bangkitan pergerakan arus lalu

lintas terendah terjadi pada zona 702 yakni Kelurahan Jajar dengan jumlah tarikan

sebesar 118,416 smp/jam dan jumlah bangkitan sebesar 47,259 smp/jam

0 Jumlah Tarikan dan Bangkitan Pergerakan

Pada Zona Internal

tarikan

(41)

commit to user

Gambar 4.8

Jumlah Tarikan dan Bangkitan Pergerakan Pada Zona Eksternal

Gambar 4.8

menggambarkan tentang pergerakan yang terjadi pada zona eksternal

dengan jumlah tarikan pergerakan arus lalu lintas tertinggi terjadi pada zona 759

yakni Daerah Palur Karanganyar dengan jumlah tarikan pergerakan sebesar 3796,578

smp/jam. Jumlah bangkitan pergerakan arus lalu lintas tertinggi terjadi pada zona 752

yakni Daerah Colomadu dengan jumlah bangkitan pergerakan sebesar 3186,978

smp/jam. Sedangkan jumlah tarikan pergerakan arus lalu lintas terendah terjadi pada

zona 760 yakni Daerah Plupuh Sragen dengan jumlah tarikan pergerakan sebesar

306,358 smp/jam. Jumlah bangkitan pergerakan arus lalu lintas terendah terjadi pada

zona 753 yakni Daerah Pabelan Kartosuro dengan jumlah bangkitan pergerakan

sebesar 193,727 smp/jam.

0 752 753 754 755 756 757 758 759 760 761 762 763 764 765

J

Jumlah Tarikan dan Bangkitan Pergerakan

Pada Zona Eksternal

(42)

commit to user

Gambar 4.9

Grafik Pergerakan Antar Zona

Gambar 4.9 menggambarkan tentang pola pergerakan yang terjadi pada daerah antar

zona. Dalam bentuk persentase, besarnya pola pergerakan antar zona diperoleh

sebagai berikut :

a.

Internal-Internal

: 24,67 %

b.

Internal-Eksternal

: 23,54 %

c.

Eksternal-Internal

: 27,26 %

d.

Eksternal-Eksternal

: 17,25 %

e.

Intrazona

: 7,28 %

Persentase besarnya nilai pergerakan arus lalu lintas tertinggi terjadi pada pergerakan

eksternal ke internal yakni sebesar 27,26% dengan total pergerakan sebesar 10162,96

smp/jam. Sedangkan persentase besarnya nilai pergerakan arus lalu lintas terendah

terjadi pada pergerakan intrazona sebesar 7,28% dengan total pergerakan sebesar

2715,03 smp/jam.

0 2000

4000

6000

8000

10000

12000

Internal - internal

Grafik Pergerakan Antar Zona

(43)

commit to user

Hal ini terjadi dapat dikarenakan banyak masyarakat dari daerah yang bekerja dan

bersekolah di Kota Surakarta. Selain itu, banyak pusat perbelanjaan dan pariwisata

yang mengundang minat masyarakat dari luar kota untuk singgah dan berkunjung ke

Kota Surakarta. Hal ini memberi gambaran bahwa Kota Surakarta merupakan daerah

tarikan yang disebabkan oleh kemajuan sektor ekonomi, pariwisata, dan pendidikan.

Dari grafik-grafik di atas, pergerakan zona internal-eksternal dan internal-internal

juga sangat berpengaruh di dalam Kota Surakarta. Oleh karena itu, penambahan jalur

luar kota berupa tol serta pengurangan hambatan samping di dalam kota sangat