Contoh Perhitungan Trip Distribution [PDF]

Citation preview

BANGKITAN PERJALANAN (TRIP GENERATION)



BANGKITAN DAN TARIKAN PERGERAKAN Bangkitan pergerakan adalah tahapan pemodelan yang memperkirakan jumlah pergerakan



yang



berasal



dari



suatu



zona



atau



tata



guna



lahan



dan



jumlah pergerakan yang tertarik ke suatu tata guna lahan atau zona.



Pergerakan lalulintas merupakan fungsi tata guna lahan yang menghasilkanpergerakan lalulintas.



Bangkitan lalulintas ini mencakup:  Lalulintas yang meninggalkan suatu lokasi  Lalulintas yang menuju atau tiba ke suatu lokasi.



Bangkitan Pergerakan: Bangkitan pergerakan adalah banyaknya lalu lintas yang ditimbulkan oleh suatu zone atau daerah per satuan waktu. Dengan mengetahui bangkitan pergerakan, jumlah perjalanan tiap daerah atau zona pada masa sekarang dan masa yang akan datang.



Hasil keluaran dari perhitungan bangkitan dan tarikan lalulintas berupa: 1) Jumlah kendaraan 2) orang, atau angkutan barang per satuan waktu, misalnya kendaraan/jam.



Kita dapat dengan mudah menghitung jumlah orang atau kendaraan yang masuk atau keluar dari suatu luas tanah tertentu dalam satu hari (atau satu jam) untuk mendapatkan bangkitan dan tarikan pergerakan.



Bangkitan dan tarikan lalulintas tergantung pada dua aspek tata guna lahan: • Jenis tata guna lahan dan • Jumlah aktivitas (dan intensitas) pada tata guna lahan tersebut.



JENIS TATA GUNA LAHAN Jenis tata guna lahan yang berbeda (permukiman, pendidikan, dan komersial) mempunyai ciri bangkitan lalulintas yang berbeda: • Jumlah arus lalulintas; • Jenis lalulintas (pejalan kaki, truk, mobil); • Lalulintas pada waktu tertentu (kantor menghasilkan arus lalulintas pada pagi dan sore hari, sedangkan pertokoan menghasilkan arus lalulintas di sepanjang hari).



Jumlah dan jenis lalulintas yang dihasilkan oleh setiap tata guna lahan merupakan hasil dari fungsi parameter sosial dan ekonomi; seperti contoh di Amerika Serikat (Black, 1978 Page 40 Ofyar Z Tamin, Perencanaan dan Pemodelan Transportasi): • 1 ha perumahan menghasilkan 60 70 pergerakan kendaraan per minggu; • 1 ha perkantoran menghasilkan 700 pergerakan kendaraan per hari; dan • 1 ha tempat parkir umum menghasilkan 12 pergerakan kendaraan per hari



INTENSITAS AKTIVITAS TATA GUNA LAHAN Bangkitan pergerakan bukan saja beragam dalam jenis tata guna lahan, tetapi juga tingkat aktivitasnya. Semakin tinggi tingkat penggunaan sebidang tanah, semakin tinggi pergerakan arus lalulintas yang dihasilkannya. Salah satu ukuran intensitas aktivitas sebidang tanah adalah kepadatannya. Tabel di bawah ini memperlihatkan bangkitan lalulintas dari suatu daerah permukiman yang mempunyai tingkat kepadatan berbeda di Inggris (Black, 1978). Page 40 Ofyar Z Tamin, Perencanaan dan Pemodelan Transportasi



Walaupun



arus



lalulintas



terbesar



yang



dibangkitkan



berasal



dari



daerah



permukiman di luar kota, bangkitan lalulintasnya terkecil karena intensitas aktivitasnya (dihitung dari tingkat kepadatan permukiman) paling rendah. Karena bangkitan lalulintas berkaitan dengan jenis dan intensitas perumahan, hubungan antara bangkitan lalulintas dan kepadatan permukiman menjadi tidak linear.



4 Tipe Pergerakan



• Eksternal  Eksternal, zona asal dan tujuan berada diluar daerah kajian; • Internal  Internal, salah satu zona asal atau tujuan berada diluar daerah kajian; • Internal  Internal, zona asal dan tujuan berada didalam daerah kajian; • Intrazona, zona asal dan tujuan berada didalam satu zona tertentu.



Asumsi terjadinya distribusi perjalanan: Pola penggunaan lahan dan perkembangan di wilayah studi Karakteristik ekonomi sosial dari populasi Sifat dan kemampuan sistem Faktor-faktor yang mempengaruhi B angkitan Perjalanan: Faktor penggunaan lahan (80% -90% perjalanan berbasis rumah) Ukuran keluarga (0,8 perjalanan per hari untuk setiap orang tambahan) Kepemilikan kendaraan Pendudukan warga Penghasilan keluarga Struktur umur Lainnya



Regression Models:



Simple Y = a + bX



Linear Y = a + bX



REGRESSION



Multiple Y = a + b1X1 + … + bnXn



Non-Linear Y = a + bx + cx2 Y = aXb



ANALISIS REGRESI Analisis regresi adalah sutu metode statistika untuk mempelajari bagaimana suatu variabel



tidak



bebas



dihubungkan



dengan



satu



ataulebih



variabel



bebas.



Dalam analisis regresi, untuk kasus trip generation, diasumsikan bahwa besarnya bangkitan/tarikan mempunyai korelasi dengan beberapa faktor (sosio ekonomi, demografi,



dll)



sehingga



dengan



memperhitungkan



besarnya



sosio-ekonomi,



demografi, dll, dapat dihitungbesarnya bangkitan/tarikan.



DemografiPopulasi Populasi naik maka pergerakan bertambah



Sosio ekonomiPendapatan Pendapatan naik maka pergerakan bertambah



Regresi merupakan suatu alat ukur yang juga digunakan untuk mengukur ada atau tidaknya korelasi antarvariabelnya. Istilah regresi itu sendiri berarti ramalan atau taksiran. Persamaan yang digunakan untuk mendapatkan garis regresi pada data diagram pencar disebut persamaan regresi. Untuk menempatkan garis regresi pada data yang diperoleh maka digunakan metode kuadrat terkecil, sehingga bentuk persamaan regresi adalah sebagai berikut:



Y = a + bX



Dimana : Y : Variabel tidak bebas (dependent variable) X : Variabel bebas (Independent variable) a : Konstanta/intercept b : Koefisien/parameter



Kesamaan di antara garis regresi dan garis trend tidak dapat berakhir dengan persamaan garis lurus. Garis regresi (seperti garis trend dan nilai tengah aritmatika) memiliki dua sifat matematis berikut : (Y – Y’) = 0 dan (Y – Y’)2 = nilai terkecil atau terendah. Dengan perkataan lain, garis regresi akan ditempatkan pada data dalam diagram sedemikian rupa sehingga penyimpangan (perbedaan) positif titik-titik terhadap titik titik pencar di atas garis akan mengimbangi penyimpangan negatif titik-titik pencar yang terletak di bawah garis, sehingga hasil pinyimpangan keseluruhan titik-titik terhadap garis lurus adalah nol.



Untuk



tujuan



diatas,



perhitungan



menggunakan Rumus sebagai berikut:



analisis



regresi



dapat



dipermudah



dengan



Jika Variabel bebas lebih dari satu, diperlukan analisis Regresi Multilinier, yg persamaan umumnya adalah sbb : Y = a + b1x1+ b2x2+ b3x3+ ... + bnxn Beberapa asumsi statistik diperlukandalam analisis regresi multilinier : 1. Variabel tidak bebas adalah fungsi linier dari variabel bebas, Jika hubungan tsb tidak linier maka harus ditransformasikan menjadi linier 2. Variabel, terutama variabel bebas adalah tetap atau telah diukur tanpa kesalahan 3. Sesama variabel bebas tidak boleh ada korelasi dan jika terdapat korelasi antara 2 buah variabel bebas maka salah satu variabel harus dibuang (yg dibuang adalah variabel yg pengaruhnya kecil terhadap variabel tidak bebas. 4. Variansi dari variabel tidak bebas tentang garis regresi adalah sama untuk seluruh nilai variabel bebas 5. Nilai variabel tidak bebas harus berdistribusi normal atau mendekati



Zona 1 2 3 4 5 6 7 8



=



X (Kepemililikan Kendaraan) Y (Trip Production) 200 500 50 300 500 1300 100 200 100 400 400 1200 300 900 400 1000 2050 5800



8. 1975000 2050 . (5800) 8 722500 (2050)



(15800000) (11890000) = 5780000 (4202500) 3910000 = = 2,478 1577500



=



=



5800



XY 100000 15000 650000 20000 40000 480000 270000 400000 1975000



X2 40000 2500 250000 10000 10000 160000 90000 160000 722500



(2,478 × 2050) 8 (



, )



= 89,857



Sehingga Model Bangkitan Perjalanan adalah: Y= 89,857 + 2,478X



Y2 250000 90000 1690000 40000 160000 1440000 810000 1000000 5480000



Hubungan Kepemilikan Kendaraan dan Trip Production 1400 1300 1200 1200



1000 1000 900



800



y = 2.4786x + 89.857 600 500 400 400 300 200 200



0 0



100



200



300



400



500



600



Assignment 1:



Buat data hubungan Antara Kepemilikan kendaraan dan Trip Production yang terdiri dari 25 Zona, Tentukan nila X dan Y Dikerjakan dengan bantuan Microsoft office excel dan buktikan secara manual untuk mendapatkan Persamaan Linier Model Bangkitan Perjalanan Tugas Dikumpulkan minggu depan dalam bentuk Soft Copy



Koefisien Determinasi Koefesien diterminasi dengan simbol r2 merupakan proporsi variabilitas dalam suatu data yang dihitung didasarkan pada model statistik. Definisi berikutnya menyebutkan bahwa r2merupakan rasio variabilitas nilai-nilai yang dibuat model dengan variabilitas nilai data asli. Secara umum r2 digunakan sebagai informasi mengenai kecocokan suatu model. Dalam regresi r2 ini dijadikan sebagai pengukuran seberapa baik garis regresi mendekati nilai data asli yang dibuat model. Jika r2 sama dengan 1, maka angka tersebut menunjukkan garis regresi cocok dengan data secara sempurna.



Koefisien Korelasi ialah pengukuran statistik kovarian atau asosiasi antara dua variabel. Besarnya koefesien korelasi berkisar antara +1 s/d -1. Koefesien korelasi menunjukkan kekuatan (strength) hubungan linear dan arah hubungan dua variabel acak. Jika koefesien korelasi positif, maka kedua variabel mempunyai hubungan searah. Artinya jika nilai variabel X tinggi, maka nilai variabel Y akan tinggi pula. Sebaliknya, jika koefesien korelasi negatif, maka kedua variabel mempunyai hubungan terbalik. Artinya jika nilai variabel X tinggi, maka nilai variabel Y akan menjadi rendah (dan sebaliknya). Untuk memudahkan melakukan interpretasi mengenai kekuatan hubungan antara dua variabel penulis memberikan kriteria sebagai berikut (Sarwono:2006):



Interval Koefisien



Tingkat Hubungan



0.000 – 0.199



Korelasi Sangat rendah



0.200 – 0.399



Korelasi Rendah



0.400 – 0.599



Korelasi Sedang



0.600 – 0.799



Korelasi Kuat



0.800 – 1.000



Korelasi Sangat kuat



Nilai korelasi berkisar antara 1 sampai -1, nilai semakin mendekati 1 atau -1 berarti hubungan antara dua variabel semakin kuat. Sebaliknya, jika nilai mendekati 0 berarti hubungan antara dua variabel semakin lemah. Nilai positif menunjukkan hubungan searah (X naik, maka Y naik) sementara nilai negatif menunjukkan hubungan terbalik (X naik, maka Y turun).



Besarnya korelasi -1 adalah negatif sempurna yakni terdapat hubungan di antara dua variabel atau lebih namun arahnya terbalik. +1 adalah korelasi yang positif sempurna (sangat kuat) yakni adanya sebuah hubungan di antara dua variabel atau lebih tersebut. Koefisien korelasi 0 dianggap tidak terdapat hubungan antara dua variabel atau lebih yang diuji sehingga dapat dikatakan tidak ada hubungan sama sekali.



r



 ( x  x )( y  y ) [ ( x  x ) ][  ( y  y ) ] 2



2



dimana: r = koefisien korelasi n = ukuran sampel x = nilai var bebas y = nilai var terikat



atau:



r



n xy   x  y [n(  x 2 )  (  x )2 ][n(  y 2 )  (  y )2 ]



Cara menghitung Regresi Linier sederhana pada Calculator Langakah menghitung: Mengisi Data: 1). Pilih Mode 2). Pilih 3 STAT 3). Pilih 2 A+BX (regresi linier) 4). Masukan Variabel X dan Y dari data yang ada 5). Tekan ON 6). Tekan SHIFT 7). Tekan 1(STAT) 8). Tekan angka 5 (VEKTOR) 9). Tekan 1 (A konstanta) 10). Tekan (=) Diperoleh nilai A Menghitung B: 1). Ulangi langkah 5, 6, 7, 8 2). Tekan 2 (B) 3) Tekan (=) Diperoleh nilai B Sehingga di peroleh nilai dari persamaan Y= A+BX Menghitung R atau r: 1). Ulangi langkah 5, 6, 7, 8 2). Tekan 5 (R) 3). Tekan (=) Diperoleh nilai R



Skema Bangkitan Dan Pergerakan



Assignment 2:



Lanjutkan tugas 1 hubungan Antara Kepemilikan kendaraan dan Trip Production yang terdiri dari 25 Zona, Tentukan nila X dan Y Hitung Koefisien Determinasi dan Koefisien Korelasi, serta berikan penjelasan dari hasil koefisien Korelasi yang di peroleh Tugas Dikumpulkan minggu depan dalam bentuk Soft Copy



MODEL FAKTOR PERTUMBUHAN (GROWTH FACTOR) a. Dengan faktor konstan: Melihat distribusi saat ini di zona pembangkit, kenaikan pertahunnya dianggap konstan b. Dengan faktor rata-rata: Melihat distribusi saat ini di zona pembangkit dan penarik, kenaikan pertahunnya merupakan rata-rata dari kedua zona tsb. c. Metoda Fratar: Jumlah distribusi perjalanan dari bangkitan suatu zone di masa mendatang harus sesuai dengan perkiraan bangkitan perjalanan d. Metoda Furness: Jumlah distribusi perjalanan dari zone asal maupun zone tujuan, harus sesuai dengan perkiraan bangkitan dan tarikan perjalanan



MODEL FAKTOR PERTUMBUHAN (GROWTH FACTOR) Model ini merupakan model yg digunakan untuk memperkirakan jumlah perjalanan pada masa yg akan datang Ti = Fi . ti Dimana : Ti : Jumlah perjalanan pada masa yg akan datang di zona i ti : Jumlah perjalanan pada saat ini di zona i Fi : Faktor pertumbuhan Dimana : p : Populasi I : Income C : Kepemilikan kendaraan d : design / future / mendatang c : current / saat ini



Contoh: Apabila dalam suatu zona terdapat 100 rumah tangga yg memiliki kendaraan dan 200 rumah tangga yang tidak memiliki kendaraan, dengan asumsi bahwa rata-rata tingkat perjalanan masing-masing adalah : 6 trip/hari dan 2,25 trip/hari maka total perjalanan dari zona tersebut adalah: Ti = 100 x 6 + 200 x 2,25 = 1050 trip/hari Jika di kemudian hari diasumsikan semua rumah tangga memiliki kendaraan, maka faktor pertumbuhannya adalah :



Berdasarkan pada persamaan sebelumnya : Ti = Fi . ti  Ti = 1.5 x 1050 = 1575 trip/hari Dari hasil Ti tersebut terlihat bahwa pendekatan metode Growth Factor ini sangat kasar, karena dari asumsi rata-rata tingkat perjalanan dapat diketahui : Ti = 300 x 6 = 1800 trip/hari Atau dgn kata lain bahwa hasil perhitungan dgn metode/model Growth Factor terjadi underestimate sebesar : (1800 – 1575) ------------------ x 100% = 12.5 % 1800



Berdasarkan kenyataan diatas, maka model Growth Factor hanya tepat digunakan untuk memperkirakan perjalanan di masa datang pada zona eksternal, karena pada zona ini sulit mendapatkan data secara akurat.



Saat ini, model yg sering digunakan adalah : - Model Analisis Regresi - Model Analisis Kategori



ANALISIS KATEGORI Membagi tiap jenis perjalanan yang dibangkitkan menjadi berbagai kategori, tergantung dari sifat perjalanan dan pelaku perjalanan



Mencari jumlah perjalanan rata-rata untuk masing-masing kategori, pembagian kategori, misalnya: Pemilikan mobil: a. 0 Pendapatan:



b. 1



c. >1



a. rendah b. sedang c. tinggi



Jumlah Keluarga: a. 1-2



b. 3-4



c. >4



Contoh soal Hasil analisis kategori memperlihatkan hubungan antara jumlah perjalanan ratarata perhari dengan berbagai variabel sebagai berikut ini:



Hitung



jumlah



perjalanan



yang



dibangkitkan



oleh



zone



yang



terdiri



dari:



100 rumah tangga tanpa mobil, penghasilan rendah, anggota r.t. 3 orang + 200 rumah tangga tanpa mobil, penghasilan rendah, anggota r.t. 4 orang + 300 r. tangga dengan 1 mobil, penghasilan menengah, anggota r.t. 3 orang + 50 rumah tangga dengan 2 mobil, penghasilan tinggi, anggota rumah tangga 3 orang. Penyelesaian: Jumlah perjalanan: 100 x 3,4 = 340 200 x 4,9 = 980 300 x 7,3 = 2190 50 x 10,0 = 500 ____________________ Total = 4010 perjalanan/hari



Apakah pernyataan-pernyataan ini benar? Suatu perjalanan dari tempat kerja menuju kerumah adalah “perjalanan yang dibangkitkan oleh tempat kerja”?



Suatu perjalanan dari rumah menuju ketempat kerja adalah “tarikan yang diakibatkan oleh tempat kerja”? Perjalanan dari rumah, berjalan kaki menuju ke halte bus, kemudian naik bus sampai ke stasiun kereta api, kemudian naik kereta api sampai ke tempat tujuan dianggap sebagai 3 kali perjalanan?