57
BAB 4
ANALISIS DAN PEMBAHASAN
4.1. Umum
Penelitian ini menggunakan software EMME/3 untuk mengestimasi Matriks Asal Tujuan dari data arus lalu lintas kota Surakarta saat ini dengan menggunakan pembebanan User Equilibrium. Prosedur perhitungan data ruas jalan mengacu pada Manual Kapasitas Jalan Indonesia (MKJI).
Penelitian ini dilakukan untuk mengetahui kinerja jaringan jalan di Kota Surakarta serta memperkirakan pula keadaan jaringan jalan di Kota Surakarta pada masa yang akan datang untuk mengetahui berapa besar dampak yang timbul dan bagaimana solusi penangannya. Untuk kinerja lalu lintas menggunakan parameter NVK (Nisbah Volume Kapasitas). Strategi penanganan menggunakan skenario do- something.
4.2. Pengolahan dan Penyajian Data
4.2.1. Pengumpulan Data a. Data Primer
Data primer dalam penelitian ini didapat dari survai penelitian pada jam puncak pagi (06.30 – 08.30) dengan interval 15 menit dibeberapa ruas jalan dengan pertimbangan bahwa banyak pengendara menggunakan ruas jalan tersebut dan dianggap mewakili jaringan jalan di kota Surakarta. Jumlah titik yang disurvai sebanyak 17 titik. Contoh data hasil survai ditampilkan pada Tabel 4.1. dan data hasil survai secara lengkap dapat dilihat pada Lampiran A.
commit to user
Tabel 4.1. Data Hasil Survei Tahun 2016
No Nama
Jalan
NODE
JENIS KEND.
WAKTU
Rata-rata kend/jam 1 2
06.30 - 06.45
06.45 - 07.00
07.00 - 07.15
07.15 - 07.30
…
08.15 - 08.30 1
Jl. Dr.
Radjiman
71 70
MC 675 736 632 660 … 643 2804
LV 141 160 160 170 … 187 751
HV 4 2 8 6 … 8 20
2 69 68
MC 653 766 659 657 … 617 2939
LV 134 180 156 157 … 186 721
HV 3 2 6 4 … 8 19
... .... .... ... ... ... ... ... … ... ...
13 Jl Dr.
Soeharso 2 24
MC 358 329 290 326 … 248 1370
LV 7 23 34 48 ... 35 174
HV 8 6 5 3 … 4 22
Sumber : Data hasil survai tahun 2016 b. Data Sekunder
Data sekunder lainnya yaitu data dari instansi terkait yang berada di wilayah kota Surakarta meliputi peta administrasi Kota Surakarta (Gambar 3.1), peta pembagian zona Kota Surakarta (Gambar 3.2), peta jaringan jalan Kota Surakarta dan lokasi survai (Gambar 3.3). Serta basis data jaringan jalan Kota Surakarta dan data MAT awal (prior matrix) hasil penelitian skripsi Doni Indra Pradana (2014).
4.2.2. Pembagian Zona
Zona merupakan bagian kecil dari suatu sistem tata guna lahan yang dianggap mempunyai keseragaman tata guna lahan atau berada di bawah suatu daerah administrasi tertentu seperti kelurahan, kecamatan atau wilayah. Pembagian zona dilakukan sebagai tahap awal persiapan data masukan. Namun dalam penelitian ini, karena data tersebut sulit didapat maka digunakan zona yang mengacu pada sistem pembagian wilayah secara administratif pemerintahan yaitu berupa kelurahan. Pada penelitian ini terdapat 65 zona dengan 51 zona internal (seluruh kelurahan di kota Surakarta) dan 14 zona eksternal. Setiap zona diwakili oleh satu pusat zona atau yang dapat disebut sebagai centroid, yang kemudian dihubungkan ke salah satu simpul jaringan jalan (node) dengan penghubung (centroid connector). Selanjutnya ditentukan titik-titik koordinat seluruh simpul ruas jalan dan pusat zona tersebut.
Pembagian zona dapat dilihat pada Lampiran B. commit to user
4.2.3. Satuan Mobil Penumpang
Data yang diperoleh dari hasil survei 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 15 menit selama 2 jam sehingga terdapat 8 buah data volume arus lalu lintas. Data yang dipakai adalah data yang terdapat pada interval jam puncak dengan total tertinggi. Contoh perhitungan disajikan pada Tabel 4.2.
Contoh : Nama jalan : Slamet Riyadi Nomor ruas : 3 - 2
Tabel 4.2. Perhitungan Jumlah Kendaraan Pada Jam Puncak
Nama Jalan
Node
Jenis Kendaraan
Arus (kend/jam)
i j 06.00-
07.00
06.15- 07.15
06.30- 07.30
06.45- 07.45
07.00- 08.00
Jl.Slamet Riyadi
3 2
MC 2010 2154 2272 2141 2021
LV 495 538 570 609 587
HV 144 132 127 120 120
Total 2649 2824 2969 2870 2728 2 3
MC 2993 3056 2989 2845 2638
LV 719 710 730 723 704
HV 8 11 11 18 18
Total 3720 3777 3730 3586 3360
Sumber: Lampiran C
Selanjutnya dilakukan konversi ke dalam satuan mobil penumpang. Contoh perhitungan dapat dilihat pada Tabel 4.3.
Contoh: Nama jalan : Slamet Riyadi Nomor ruas : 3 – 2
Tabel 4.3. Konversi Satuan Arus Kendaraan ke smp/jam
NODE
JENIS KEND.
Faktor Konversi
Arus (smp/jam) Total Arus
pada Jam Puncak
i j 06.30-
07.30
06.45- 07.45
07.00- 08.00
07.15- 08.15
07.30- 08.30 3 2
MC 0.25 503 539 568 535 505
1303
LV 1 495 538 570 609 587
HV 1.3 187 172 165 156 156
TOTAL 1185 1248 1303 1300 1248
2 3
MC 0.25 748 764 747 711 660
1492
LV 1 719 710 730 723 704
HV 1.3 10 14 14 23 23
TOTAL 1478 1488 1492 1458 1387
Sumber: Lampiran C commit to user
Data lengkap konversi dari satuan kendaraan ke satuan mobil penumpang dapat dilihat pada Lampiran C.
4.2.4. Kapasitas
Kapasitas pada suatu ruas jalan dapat dihitung dengan menggunakan Persamaan (2.1).
Contoh perhitungan:
Nama jalan : Ir. Sutami
Nomo ruas : 93-92
Tipe operasi : Empat lajur dua arah tak terbagi (4/2UD) Lebar jalan : 14 meter (total dua arah)
Hambatan samping : tinggi
Lebar bahu : -
Jarak kerb-penghalang : 1 meter
Berdasarkan data di atas, maka pada nomor ruas 241-92 dapat ditentukan :
a. Kapasitas dasar Co = 1500
b. Faktor penyesuaian lebar lajur FCw = 1,00 c. Faktor penyesuaian pemisah arah FCsp = 1,00 d. Faktor penyesuaian hambatan samping FCsf = 0,87 e. Faktor penyesuaian ukuran Kota FCcs = 0,94 Sehingga kapasitas (smp/jam)
C = Co x FCw x FCsp x FCsf x FCcs
= 1500 x 1,00 x 1,00 x 0,87 x 0,94
= 1226,7 ≈ 1227 smp/jam
Karena ruas tersebut terdiri atas 2 lajur per jalur, maka kapasitas total ruas per jalur
= 2 x 1226,7 = 2453,4 ≈ 2453 smp/jam
Data lengkap tentang perhitungan kapasitas dapat dilihat pada Lampiran D.
4.2.5. Waktu Tempuh dan Kecepatan
Waktu tempuh adalah waktu yang dibutuhkan untuk melintasi suatu ruas, dinyatakan dalam suatu waktu (detik). Waktu tempuh diperoleh dengan membagi jarak dengan commit to user
kecepatan. Waktu yang dibutuhkan kendaraan tunggal pada suatu ruas jalan merupakan waktu tempuh pada saat arus bebas. Waktu tempuh suatu ruas dapat diperoleh dengan mengetahui kecepatan arus bebas dan panjang ruas tersebut.
Dibawah ini diberikan suatu contoh perhitungan waktu tempuh dengan menggunakan analisis kecepatan pada ruas jalan 92 – 241.
Contoh perhitungan :
Nama jalan : Ir. Sutami
Nomo ruas : 92-241
Tipe operasi : Empat lajur dua arah tak terbagi (4/2UD) Lebar jalan : 14 meter (total dua arah)
Hambatan samping : tinggi
Lebar bahu : -
Jarak kerb-penghalang : 1 meter Jumlah penduduk : 552.650 jiwa
Berdasarkan data di atas, maka pada nomor ruas 241-92 dapat ditentukan : a. Kecepatan arus bebas dasar Fvo = 53
b. Faktor penyesuaian lebar lajur FVw = 0 c. Faktor penyesuaian pemisah arah FFVsf = 0,87 d. Faktor penyesuaian ukuran Kota FFVCcs = 0,95 Sehingga kecepatan arus bebas (km/jam) sebesar :
FV = (Fvo + FVw) x FFVsf x FFVCcs
= (53 - 0) x 0,87 x 0,95
= 43,80
Sedangkan untuk menghitung kecepatan pada saat arus mencapai kapasitas, dihitung sebagai berikut:
Vc = 0,5 x Vo
= 0,5 x 43,80
= 21,90
commit to user
Dari contoh diatas, maka waktu tempuh pada saat arus bebas (to) dan waktu tempuh pada saat kapasitas (tc) adalah:
to = 3600 V
S tc = 3600
Vc S
to = 3,6 80 , 43
1290 tc = 3,6
90 , 21 1290
to = 106,02 detik tc = 212,03 detik
Data lengkap mengenai waktu tempuh pada saat arus bebas dapat dilihat pada Lampiran E.
4.3. Analisis dengan Program EMME/3
4.3.1. Basis Data Jaringan Jalan
Pada bagian ini berisi masukan data ruas jalan yang terdiri dari node awal dan akhir, waktu tempuh pada saat arus bebas maupun kecepatan pada saat arus bebas, kapasitas total di tiap ruas dan jarak dengan format seperti berikut.
Tabel 4.4. Format Masukan Basis Data Jaringan Jalan Node Waktu tempuh pada Total
Tipe Operasi
Jarak Awal Akhir Arus Bebas Kapasitas Kapasitas
A B (detik) (detik) smp/jam/ruas) (m)
C1 1 75 40 9000 2 330
C2 2 75 40 9000 2 220
C3 4 75 40 9000 2 240
C3 3 75 40 9000 2 360
C3 171 75 40 9000 2 250
… … … … … … …
47 270 41.67 41.38 2633 2 480
Sumber: Lampiran F
Tipe operasi yang dimaksud dalam tabel tersebut adalah jumlah jalur atau arah ruas jalan. Data lengkapnya dapat dilihat pada Lampiran F.
Selain itu, data masukan lain yang diperlukan adalah data koordinat. Koordinat diperlukan dalam basis data masukan dalam program EMME/3 untuk menggambarkan network yang akan dipakai. Data tersebut terdiri dari data commit to user
koordinat zona maupun koordinat simpul-simpul jaringan jalan seperti pada Tabel 4.5. berikut.
Tabel 4.5. Koordinat Kota Surakarta
Node koordinat X koordinat Y
C1 1394.716 4631.21
C2 2005.345 4315.733
C3 2919.327 4081.073
C4 1944.118 2994.703
C5 2886.463 3338.475
… … …
298 9880 4550
Sumber: Lampiran G
Data koordinat lebih detail dapat dilihat pada Lampiran G.
Input data dalam program EMME/3 dapat dilakukan dengan Network Editor yang merupakan salah satu bagian terpenting dalam program ini. Selain ketersediaan tabel input, Network Editor juga menyediakan ruang dalam bentuk peta jaringan jalan dapat lihihat pada Gambar 4.1. Untuk editor toolbar dapat dilihat pada Gambar 4.2.
Gambar 4.1. Network Editor Sumber: Software EMME/3 commit to user
Gambar 4.2. Toolbar Editor Sumber: Software EMME/3
4.3.2. Data Volume Lalu Lintas (Traffic Count)
Data arus lalu lintas yang digunakan adalah data yang diperoleh dari survai (traffic count) dan telah dikonversi ke satuan mobil penumpang per jam (smp/jam) seperti Tabel 4.6 dan Tabel 4.7 berikut.
Tabel 4.6. Data Arus Lalu Lintas Kota Surakarta Setelah Diberlakukan Sistem Satu Arah Tahun 2016
No
Node
Nama Jalan Arus pada Jam Puncak
i j
1 2 3 Jl. Slamet Riyadi 1492
2 2 24 Jl. Dr. Soeharso 526
3 3 2 Jl. Slamet Riyadi 1303
4 6 7 Jl. Slamet Riyadi 2042
5 7 109 Jl. P. Kemerdekaan 654
… … … … …
71 765 55 Jl. Ring Road 868
Sumber: Lampiran H commit to user
Masing-masing data arus lalu lintas Kota Surakarta lebih detail dapat dilihat pada Lampiran H.
4.3.3. Data Matrik Awal (Prior Matrix)
Data matrik awal menggunakan MAT hasil penelitian tahun sebelumnya oleh Doni Indra Pradana (2014). MAT awal diperoleh dengan menggunakan metode pembebanan User Equilibrium. Matriks awal dapat dilihat pada lampiran I.
4.3.4. Matriks Tahun 2016 Hasil Estimasi EMME/3
Matrik baru tahun 2016 yang akan digunakan dalam proses pembebanan dalam program 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 program EMME/3 penulis menyimpan matrik hasil estimasi dalam tabel matrik mf3 (full matrix 3). Setelah tersimpan dalam mf3 tersebut kemudian dipindah ke dalam software microsoft excel untuk mempermudah dalam menganalisis pergerakan di semua zona. Hasil MAT baru dari proses estimasi dapat dilihat pada Lampiran J.
Gambar 4.3. Hasil MAT Baru untuk Kondisi Jaringan Jalan Setelah Diberlakukan Sistem Satu Arah dari Proses Estimasi EMME/3
Sumber: software EMME/3 commit to user
4.3.5 Uji Validitas MAT 2016
Setelah didapat MAT baru tahun 2016 kemudian dilakukan uji validasi yang tersedia pada software EMME/3. Hasil koefisien determinasi (R2) dapat dilihat pada Gambar 4.4.
Gambar 4.4. Grafik Uji Validasi tahun 2016 Sumber: software EMME/3
Nilai koefisien determinasi (R2) dari perbandingan arus hasil traffic count dan arus hasil pembebanan sebesar 0,863657 sehingga terjadi galat sebesar 13,63% . Artinya nilai R2 dari penelitian ini menunjukkan hasil yang sangat tinggi. Hal ini dapat dilihat pada syarat rentang sebagai berikut:
1. 0,80 – 1,00 : sangat tinggi 2. 0,60 – 0,80 : tinggi 3. 0,40 – 0,60 : cukup tinggi 4. 0,20 – 0,40 : rendah
0,00 – 0,20 : sangat rendah ( tidak valid) commit to user
Nilai koefisien determinasi (R2) dari perbandingan arus hasil traffic count dan arus hasil pembebanan sebesar 0,863657 sehingga terjadi galat sebesar 13,63% . Artinya nilai R2 dari penelitian ini menunjukkan hasil yang sangat tinggi.
Selain itu peneliti menyajikan pula dalam bentuk grafik tarikan dan bangkitan pergerakan, baik zona Internal (Gambar 4.5) maupun zona eksternal (Gambar 4.6). Data dapat dilihat pada lampiran K.
Gambar 4.5. Grafik Jumlah Tarikan dan Bangkitan Pergerakan pada Tahun 2016 di Zona Internal
Sumber: Lampiran K
0 500 1000 1500 2000 2500 3000
701 704 707 710 713 716 719 722 725 728 731 734 737 740 743 746 749
Jumlah Pergerakan (smp/jam)
Zona
Tarikan Bangkitan
commit to user
Gambar 4.6. Grafik Jumlah Tarikan dan Bangkitan Pergerakan pada Tahun 2016 di Zona Eksternal
Sumber: Lampiran K
4.3.6 Estimasi Matrik Asal Tujuan Tahun 2025
Untuk mendapatkan arus lalu lintas hasil pembebanan tahun 2025 maka MAT yang dibebankan ke dalam jaringan kota Surakarta adalah MAT tahun 2025. Untuk mendapatkan MAT tahun 2025 dilakukan dengan cara menghitung jumlah pergerakan Oi dan Dd dengan menggunakan faktor pertumbuhan lalu lintas (r) per tahun sebesar 3,3 %, kemudian menghitung nilai kontanta penyeimbang Ai dan Bd.
Estimasi MAT tahun 2025 menggunakan parameter β=-0.00084 dari perhitungan Fika Zusanti (2016), menggunakan metode gravity dua batasan.
Hasil perhitungan Tid akan menghasilkan MAT Kota Surakarta tahun 2025 yang dapat dilihat pada Lampiran L. Selain itu peneliti menyajikan pula dalam bentuk grafik, baik zona Internal (Gambar 4.7) maupun zona eksternal (Gambar 4.8)
0 1000 2000 3000 4000 5000
752 753 754 755 756 757 758 759 760 761 762 763 764 765
Jumlah Pergerakan (smp/jam)
Zona
Tarikan Bangkitan
commit to user
Gambar 4.7. Grafik Jumlah Tarikan dan Bangkitan Pergerakan Tahun 2025 di Zona Internal
Sumber: Lampiran L
Gambar 4.8. Grafik Jumlah Tarikan dan Bangkitan Pergerakan Tahun 2025 di Zona Eksternal
Sumber: Lampiran L
0 500 1000 1500 2000 2500 3000 3500
701 704 707 710 713 716 719 722 725 728 731 734 737 740 743 746 749
Jumlah Pergerakan (smp/jam)
Zona
Tarikan Bangkitan
0 1000 2000 3000 4000 5000 6000 7000
752 753 754 755 756 757 758 759 760 761 762 763 764 765
Jumlah Pergerakan (smp/jam)
Zona
Tarikan
commit to user
4.3.7 Pembebanan Matriks ke Jaringan Jalan
Proses pembebanan matriks baru pada jaringan menghasilkan volume lalu lintas pada masing-masing ruas jalan di kota Surakarta (Tabel 4.7 dan Tabel 4.8). Data Lengkap dapat dilihat pada Lampiran M untuk volume lalu lintas do-nothing dan Lampiran N untuk volume lalu lintas do-something.
4.3.8 Perhitungan Nilai NVK dengan Skenario Do-Nothing
Nilai NVK menunjukan tingkat kinerja jaringan jalan. Besar volume lalu lintas pada masa yang akan datang dihitung berdasarkan analisa peramalan lalu lintas.
Berdasarkan hasil peramalan tersebut volume kemudian dibandingkan dengan kapasitas jalan yang ada sehingga akan didapatkan nilai NVK pada masa mendatang.
Volume lalu lintas tahun 2025 didapatkan dari pembebanan MAT ke jaringan jalan menggunakan bantuan program EMME/3. Kapasitas jaringan jalan sesuai dengan keadaan jalan saat dilakukannya penelitian. Nilai NVK pada bagian ini menunjukkan kinerja jaringan jalan di Kota Surakarta jika terus berkembang tanpa perubahan pada system transportasinya. Kondisi tanpa tindakan penanganan disebut analisis skenario do-nothing. Nilai NVK tahun 2025 skenario do-nothing dapat dilihat pada Tabel 4.7. Data lengkap dapat dilihat pada Lampiran M.
Tabel 4.7. Nilai NVK Jaringan Jalan Kota Surakarta Tahun 2025 (do-nothing)
No Node
Lajur Kapasitas
Arus NVK Kinerja Ruas
Skenario Penanganan
i j Ctot
1 1 2 2 2594 1940 0.75 Stabil Pelarangan Parkir 2 1 295 1 1115 958 0.86 Tidak Stabil Pelarangan Parkir 3 2 1 2 2594 1059 0.41 Stabil Pelarangan Parkir
… … … … … … … … …
860 298 93 1 1055 619 0.59 Stabil Pelarangan Parkir Sumber: Lampiran M
Kondisi jaringan jalan dengan nilai NVK ≤ 0,8 adalah kondisi jalan yang stabil dan belum memerlukan penanganan, namun untuk nilai NVK melebihi 0,8 maka kondisi jalan dianggap tidak stabil dan memerlukan penanganan. Kondisi tidak
commit to user
stabil ini mengakibatkan turunnya kualitas pelayanaan jalan seperti tundaan, penurunan kecepatan dan meningkatnya waktu tempuh.
Untuk mengatasi permasalahan tersebut, maka diberikan rekomendasi penanganan jaringan jalan berkaitan dengan peningkatan ruas jalan maupun manajemennya.
Dari hasil penelitian didapatkan bahwa:
a. Ruas dengan nilai 0 ≤ NVK < 0,4 = 286 ruas (33,45%) b. Ruas dengan nilai 0,4 ≤ NVK < 0,6 = 272 ruas (31,81%) c. Ruas dengan nilai 0,6 ≤ NVK < 0,8 = 155 ruas (18,13%) d. Ruas dengan nilai NVK > 0,8 = 142 ruas (16,61%)
Gambar 4.9. Nilai NVK Tahun 2025 dengan Skenario Do- Nothing Sumber: Lampiran M
Penyajian arus hasil pengolahan data pada tahun 2025 dengan aplikasi software EMME/3 disajikan pada Gambar 4.10 untuk skenario do-nothing.
0 50 100 150 200 250 300
NVK≤0,4 0,4≤NVK≤0, 6
0,6≤NVK≤0, 8
NVK≥0,8
Do-Nothing 286 272 155 142
Jumlah Ruas
NVK
commit to user
Gambar 4.10. Penyajian Arus Lalu Lintas Skenario Do-Nothing Sumber: software EMME/3
4.3.9 Perhitungan Nilai NVK dengan Skenario Do-Something
Berdasarkan alternatif penanganan yang dapat diterapkan menggunakan skenario do-something yaitu dilakukan peningkatan beberapa kapasitas jalan dengan menghilangkan hambatan samping berupa parkir di kedua sisi jalan serta pelebaran jalan. Dilakukan updating basis data jaringan jalan sesuai dengan perubahan yang dilakukan. Dengan data jaringan jalan baru dan MAT tahun 2025, dilakukan pembebanan ke jaringan jalan baru menggunakan bantuan program EMME/3.Volume lalu lintas yang dihasilkan dari pembebanan ini, digunakan untuk mengukur ulang kinerja jaringan jalan (NVK) menggunakan kapasitas jaringan jalan yang baru. Kondisi dengan tindakan penanganan disebut analisis skenario do- something. Nilai NVK tahun 2025 skenario do-something dapat dilihat pada Tabel 4.8 dan selengkapnya dapat dilihat pada Lampiran N.
commit to user
Tabel 4.8. Nilai NVK Jaringan Jalan Kota Surakarta Tahun 2025 (do-something)
No Node
Lajur Kapasitas
Arus NVK Kinerja Ruas
Skenario Penanganan
i j Ctot
1 1 2 2 2594 1941 0.75 Stabil Pelarangan Parkir 2 1 295 1 1115 955 0.86 Tidak Stabil Pelarangan Parkir 3 2 1 2 2594 1060 0.41 Stabil Pelarangan Parkir
… … … … … … … … …
860 298 93 1 1055 638 0.60 Stabil Pelarangan Parkir
Sumber: Lampiran N
Dari hasil penelitian didapatkan bahwa:
a. Ruas dengan nilai 0 ≤ NVK < 0,4 = 40,77% (347 ruas) b. Ruas dengan nilai 0,4 ≤ NVK < 0,6 = 26,09% (222 ruas) c. Ruas dengan nilai 0,6 ≤ NVK < 0,8 = 17,98% (153 ruas) d. Ruas dengan nilai NVK > 0,8 = 15,16% (259 ruas)
Gambar 4.12. Nilai NVK Tahun 2025 dengan Skenario Do- Something Sumber: Lampiran N
Berikut adalah tabel dan grafik perbandingan NVK tahun 2025 serta arus hasil pengolahan data pada tahun 2025 dengan aplikasi software EMME/3 yang disajikan pada Gambar 4.13 untuk skenario do-something.
0 50 100 150 200 250 300 350
NVK≤0,4 0,4≤NVK≤
0,6
0,6≤NVK≤
0,8
NVK≥0,8
Do-Something 347 222 153 129
Jumlah Ruas
NVK
commit to user
Gambar 4.13. Perbandingan Nilai NVK Skenario Do-Nothing dan Do-Something Sumber: Lampiran M dan N
Gambar 4.14. Penyajian Arus Lalu Lintas Skenario Do-Something Sumber: software EMME/3
0 50 100 150 200 250 300 350
NVK≤0,4 0,4≤NVK≤0, 6
0,6≤NVK≤0, 8
NVK≥0,8
Do-Nothing 286 272 155 142
Do-Something 347 222 153 129
Jumlah Ruas
NVK
commit to user
4.4. Pembahasan
Hasil analisis data diperoleh volume lalu lintas tahun 2025 didapatkan dari pembebanan MAT ke jaringan jalan menggunakan bantuan program EMME/3.
Kapasitas jaringan jalan sesuai dengan keadaan jalan saat dilakukannya penelitian.
Nilai NVK pada bagian ini menunjukkan kinerja jaringan jalan di Kota Surakarta jika terus berkembang tanpa perubahan pada skenario transportasinya. Kondisi tanpa tindakan penanganan disebut analisis skenario do-nothing.
Kajian skenario/ alternatif penanganan yaitu skenario do-something dengan menghilangkan hambatan samping berupa parkir di kedua sisi jalan serta dilakukan pelebaran di tiga ruas jalan disesuaikan dengan kondisi nyata serta pelebaran ruas jalan sebagai penanganan dari segi peningkatan ruas jalan.
Dari hasil perhitungan NVK tahun 2016 oleh Emilia Aizka (2016), diperoleh total ruas jalan yang tidak stabil berjumlah 138 ruas serta tidak terdapat ruas yang kritis.
Pada tahun 2025, dari hasil perhitungan diperoleh ruas jalan yang tidak stabil berjumlah 142 ruas, dan 64 di antaranya merupakan ruas jalan yang kritis. Hal ini menunjukkan bahwa terjadi peningkatan yang cukup signifikan dari tahun 2016 menuju 2025.
Dari hasil yang didapat terlihat pada Tabel 4.8 bahwa pada tahun 2025 untuk skenario do-nothing didapat 142 ruas tidak stabil (termasuk di dalamnya ruas jalan yang kritis) dengan persentase nilai NVK>0,8 sebesar 16,61 %. Oleh karena itu dilakukan perhitungan penanganan ruas jalan yang tidak stabil dengan metode pemberlakuan larangan parkir di kedua sisi jalan serta pelebaran ruas jalan. Hasil dari perhitungan skenario do-something didapat penurunan jumlah ruas jalan yang tidak stabil menjadi 129, 29 diantaranya adalah ruas kritis. Ruas jalan yang tidak stabil memiliki persentase nilai NVK>0,8 sebesar 15,16%.
commit to user
