P A M U K O A D I T Y A R A H M A N N I M. I

Transkripsi

1 ESTIMASI MODEL SEBARAN PERGERAKAN DARI DATA ARUS LALU LINTAS DENGAN METODE STEEPEST DESCENT MENGGUNAKAN APLIKASI SOFTWARE EMME/3 (Studi Kasus Kota Surakarta) Model Estimation of Distribution Movement from Traffic Count Data with Steepest Descent Method by using Software Application EMME/3 (Surakarta Case Study) SKRIPSI Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Teknik Disusun Oleh : P A M U K O A D I T Y A R A H M A N N I M. I JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS SEBELAS MARET SURAKARTA

2 43 LEMBAR PERSETUJUAN ESTIMASI MODEL SEBARAN PERGERAKAN DARI DATA ARUS LALU LINTAS DENGAN METODE STEEPEST DESCENT MENGGUNAKAN APLIKASI SOFTWARE EMME/3 (Studi Kasus Kota Surakarta) Model Estimation of Distribution Movement from Traffic Count Data with Steepest Descent Method by using Software Application EMME/3 (Surakarta Case Study) Disusun Oleh : P A M U K O A D I T Y A R A H M A N N I M I Telah disetujui untuk dipertahankan dihadapan Tim Penguji Pendadaran Jurusan Teknik Sipil Fakultas Teknik Universitas Sebelas Maret Persetujuan Dosen Pembimbing Dosen Pembimbing I Dosen Pembimbing II DR. Eng. Ir. Syafi i, MT N I P Ir. Agus Sumarsono,MT N I P

3 44 ESTIMASI MODEL SEBARAN PERGERAKAN DARI DATA ARUS LALU LINTAS DENGAN METODE STEEPEST DESCENT MENGGUNAKAN APLIKASI SOFTWARE EMME/3 (Studi Kasus Kota Surakarta) Model Estimation of Distribution Movement from Traffic Count Data with Steepest Descent Method by using Software Application EMME/3 (Surakarta Case Study) SKRIPSI Disusun Oleh : P A M U K O A D I T Y A R A H M A N N I M. I Telah dipertahankan dihadapan Tim Penguji Pendadaran Jurusan Teknik Sipil Fakultas Teknik Universitas Sebelas Maret pada hari Rabu tanggal 14 April DR. Eng. Ir. Syafi i, MT NIP Ir. Agus Sumarsono, MT NIP Ir. Djoko Sarwono, MT NIP Slamet Jauhari Legowo, ST,MT NIP Mengetahui, a.n. Dekan Fakultas Teknik UNS Pembantu Dekan I Disahkan, Ketua Jurusan Teknik Sipil Fakultas Teknik UNS Ir.NOEGROHO DJARWANTI, MT NIP Ir. BAMBANG SANTOSA, MT NIP

4 45 Motto Orang-orang yang berhasil di dunia ini adalah orang-orang yang bangkit dan mencari keadaan yang mereka inginkan dan jika tak menemukannya, mereka akan membuatnya sendiri. (George Bernard Shaw) Jembatan kehidupan tak akan pernah tersambung, sebelum kita fokus, mendedikasikan diri dan berdisiplin. (Henry Emerson Fosdick) When you make mistake it makes you smarter (Daniel Coyle)

5 46 Persembahan D e d i c a t e d t o : My Great precious Lord Allah, My Life inspiration Phopet Muhammad. My Beloved Mom and Dad, Lusdiyono and Cey Hetty My younger sister and brother, Rizkia Prabandini R. And Mufid Abdur R. My best friends ever, Dinar Rahmawati and Senja Megawati

6 47 A B S T R A K Pamuko Aditya Rahman, 2010, Estimasi Model Sebaran Pergerakan dari Data Arus Lalu Lintas dengan Metode Steepest Descent Menggunakan Aplikasi Software EMME/3 (Studi Kasus Kota Surakarta). Skripsi. Jurusan Teknik Sipil Fakultas Teknik Universitas Sebelas Maret Surakarta. Pola sebaran arus lalu lintas antara zona asal ke zona tujuan adalah hubungan hasil interaksi tata guna lahan, jaringan transportasi dan arus. Distribusi perjalanan atau pergerakan tersebut dapat dinyatakan dalam bentuk matriks asal tujuan (MAT) maupun dengan diagram garis keinginan (desire line). Penelitian ini bertujuan untuk mengetahui besarnya estimasi model sebaran pergerakan dengan menggunakan metode steepest descent. Selain itu untuk mengetahui tingkat validasi dari arus lalu lintas hasil pemodelan dengan arus lalu lintas hasil pengamatan di lapangan. Penelitian ini dilakukan di kota Surakarta sebagai daerah kajian dengan membagi Surakarta menjadi 65 zona dengan 51 zona internal dan 14 zona eksternal. Jaringan jalan yang dianalisis adalah ruas jalan arteri dan ruas jalan kolektor. Metode yang digunakan untuk mendapatkan matriks baru adalah metode steepest descent. Nilai volume lalu lintas diperoleh dengan cara membebankan Matriks baru dan memasukan arus hasil pengamatan (traffic count) ke dalam jaringan jalan dengan metode pembebanan User Equilibrium. Uji Validasi menggunakan koefisien Determinasi (R²). Dari hasil perhitungan dengan bantuan EMME/3, diperoleh total jumlah pergerakan kota Surakarta adalah 32361,41 smp/jam. Tingkat validasi (R 2 ) yang didapatkan adalah sebesar Kata kunci : Arus Lalu lintas, Estimasi Pergerakan, EMME/3, Steepest Descent

7 48 ABSTRACT Pamuko Aditya Rahman, 2010, Model Estimation of Distribution Movement from Traffic Count Data with Steepest Descent Method by using Software Application EMME/3 (Surakarta Case Study). Thesis. Civil Engineering Department Faculty of Engineering, Sebelas Maret University Surakarta. Trip distribution pattern between origin to destination zone is the relationship resulted from an interaction of land use, transportation networks and flows. Travel distribution or movement can be expressed in the form of Origin-Destination (O- D) matrix as well as a desire line diagram. This study aimed to know the amount of estimation trip distribution models using the steepest descent method. In addition, to know the validation level by comparing traffic flow resulted from the model and observation. This research was conducted in the city of Surakarta. The study area is divided into 65 zones with 51 internal and 14 external zones. The road network analyzed arterial and collector roads. The method used to obtain a new matrix is a method of steepest descent. The value of traffic volume is obtained by assigning a new matrix and inputing the current observations (traffic count) into the road network with User Equilibrium assignment. Validation tests used is the coefficient of determination (R 2 ). From the calculation with EMME/3 software, show that the total number movements of the city of Surakarta is pcu/hour. The level of validation (R 2 ) is Keywords : EMME/3, Estimated Movement, Steepest Descent, Traffic Flow

8 49 KATA PENGANTAR Puji syukur kepada Tuhan Yang Maha Esa atas berkat-nya, sehingga penulis dapat menyelesaikan penyusunan skripsi dengan judul ESTIMASI MODEL SEBARAN PERGERAKAN DARI DATA ARUS LALU LINTAS DENGAN METODE STEEPEST DESCENT MENGGUNAKAN APLIKASI SOFTWARE EMME/3 (Studi Kasus Kota Surakarta). Ucapan salam, penulis haturkan pada junjungan dan panutan, Nabi Muhammad SAW yang selalu menjadi suri teladan bagi semua umat islam di dunia ini. Penulis menyadari bahwa penyusunan tugas akhir ini jauh dari sempurna, sehingga dapat digunakan sebagai bahan pembelajaran penulis dalam penelitian pada masa yang akan datang. Penulis juga mengharapkan laporan ini bisa menambah pengetahuan dan wawasan bagi semua kalangan teknik sipil khususnya Jurusan Teknik Sipil Fakultas Teknik UNS Solo. Skripsi ini disusun sebagai salah satu syarat yang harus ditempuh guna meraih gelar Sarjana Teknik Sipil pada Fakultas Teknik Universitas Sebelas Maret Surakarta. Skripsi ini tidak dapat terselesaikan tanpa bantuan, bimbingan, dan saran dari berbagai pihak, karena itu pada kesempatan ini penulis ingin menyampaikan terima kasih kepada : 1. Segenap Pimpinan Fakultas Teknik Universitas Sebelas Maret Surakarta. 2. Segenap Pimpinan Jurusan Teknik Sipil Fakultas Teknik Universitas Sebelas Maret Surakarta. 3. DR. Eng. Ir. Syafi i, MT, selaku Pembimbing Akademis dan Dosen Pembimbing I Skripsi serta motivator. Terima kasih atas semua waktu, bimbingan, motivasi, dan bantuan, serta kepercayaan bapak untuk bisa menyelesaikan tugas akhir ini, telah banyak ilmu, nasehat, dan saran demi kemajuan penulis. 4. Ir. Agus Sumarsono, MT, selaku Dosen Pembimbing II Skripsi. Terima kasih atas semua waktu, bimbingan, motivasi serta bantuannya selama pembuatan skripsi ini sampai selesai. 5. Tim penguji ujian pendadaran skripsi, Ir. Djoko Sarwono, M.T dan Slamet Jauhari Legowo, S.T, M.T, Terima kasih atas kesediaannya untuk menguji dan membimbing saya agar saya lulus. 6. Semua Staf Pengajar pada Jurusan Teknik Sipil Fakultas Teknik Universitas Sebelas Maret. 7. PT. Wijaya Karya (Persero), Tbk. yang memberikan dukungan keilmuan diluar bangku perkuliahan dan dukungan materiilnya. Terima kasih telah

9 50 diperkenankan untuk dipertemukan dengan orang-orang hebat dan temanteman brilian yang kelak menjadi teman seperjuangan. Mohon bimbingannya. 8. Laboratorium Traffic yang menjadi saksi kerja keras, perdebatan, penat, dan semangatku.semoga kau selalu jadi kenangan untukku. 9. Teman-teman angkatan 2006, sahabat-sahabatku Paramitha, Saptadhi, Samuri, Trisno, Wira, Anshori, Rizky, Dimitrij, Winny, Ratna, Rika, Setyo, Lily, Vivi, Dimas Agung. Terima kasih telah mendengar keluhku, menghiburku, dan teman main bareng. 10. Tim Lab. Traffic (Mas Anton, Mas Najib, Mbak Retno, Mbak Rodi) dan kakak tercinta Mbak Nurmalia yang selalu memberikan semangat disaat lelah dan penatnya pikiran. Terima kasih buat tawa, marah, sedih, ejekan, kebersamaan, dan kerjasamanya selama ini. Akhirnya kita dapat meraih sukses bersama. 11. Teman-teman MDL WIKA (Eko Aris, Eko Hin, Alve, Didin, Setyo, Syarif, Hasan) yang selalu sharing ilmu di hari Senin dan Kamis. You re the best team. 12. Kakak-kakak seniorku (Mas Harbun, Mas Busur, Mbak Sri, Mbak Eva) yang memotivasi penulis untuk tetap berkarya dan mengejar cita-cita. 13. Teman-teman Wisma Mulia (Mas Joko, Mas Susilo, Rois, Tony), terima kasih atas doa dan semangat serta candaan yang selalu menghibur. 14. Seluruh civitas akademika Teknik Sipil UNS. Terima kasih atas bantuannya. 15. Semua orang yang telah mengisi memori suka dan duka dalam hidupku, tanpa semua itu penulis tidak akan pernah belajar dari kesalahan dan kegagalan. Akhirnya, penulis mengharapkan nantinya penelitian ini tetap berlanjut dan dapat disempurnakan oleh penulis lainnya. Dalam kehidupan proses belajar tidak akan pernah terhenti. Terima kasih. Surakarta, 14 April 2010 Penulis

10 51 DAFTAR ISI HALAMAN JUDUL... HALAMAN PERSETUJUAN... HALAMAN PENGESAHAN... MOTTO... PERSEMBAHAN... ABSTRAK... ABSTRACT... KATA PENGANTAR... DAFTAR ISI... DAFTAR TABEL... DAFTAR GAMBAR... DAFTAR NOTASI DAN SIMBOL... DAFTAR LAMPIRAN... Hal i ii iii iv v vi vii viii x xiii xv xvi xviii BAB 1 PENDAHULUAN 1.1. Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Penelitian Manfaat Penelitian Manfaat Teoritis Manfaat Praktis BAB 2 LANDASAN TEORI 2.1. Tinjauan Pustaka Dasar Teori Pemodelan Transportasi Matriks Asal Tujuan (MAT)

11 Daerah Kajian Zona Sistem Jaringan Klasifikasi Fungsi Jalan Satuan Mobil Penumpang Kapasitas Kecepatan Hubungan Kurva Kecepatan-Arus dan Biaya-Arus Metode Steepest Descent... a. Teori Dasar.. b. Penerapan Metode Steepest Descent pada aplikasi Software EMME/ Pendekatan Pembebanan User Equilibrium Indikator Uji Statistik EMME/3 (Equilibre Multimodal, Multimodal Equilibrium) Kelebihan EMME/3 dengan program lain. Hal BAB 3 METODE PENELITIAN 3.1. Lokasi Penelitian Data yang dibutuhkan 3.3. Alur Penelitian Prosedur Pelaksanaan Survey Survey Pendahuluan Teknik Pengumpulan Data Desain Survey Teknik Analisis Data Pembuatan jaringan jalan Estimasi Matriks Uji validasi

12 53 BAB 4 ANALISIS DATA DAN PEMBAHASAN 4.1. Umum Pengolahan dan Penyajian Data Sumber Data Pembagian Zona Satuan Mobil Penumpang Kapasitas Waktu Tempuh Analisis dengan Program EMME/ Basis Data Jaringan Jalan Data Volume Lalu Lintas (Traffic Count) Data Matriks Awal (Prior Matrix) Matrik baru hasil EMME/ Pembebanan Matriks ke jaringan jalan Uji Validasi Pembahasan Besarnya Estimasi Matriks Metode Steepest Descent Tingkat Uji Validasi.. Hal BAB 5 KESIMPULAN DAN SARAN 5.1. Kesimpulan 5.2. Saran DAFTAR PUSTAKA... LAMPIRAN.. xix xx

13 54 DAFTAR TABEL Hal. Tabel 2. 1 emp untuk jalan perkotaan tak terbagi Tabel 2. 2 emp untuk jalan perkotaan terbagi dan satu arah Tabel 2. 3 Kapasitas dasar (C o ) jalan perkotaan Tabel 2. 4 Faktor penyesuaian kapasitas (FC w ) untuk pengaruh lebar jalur lalu lintas untuk jalan perkotaan Tabel 2. 5 Faktor penyesuaian kapasitas untuk pemisahan Arah (FC sp ) Tabel 2. 6 Faktor penyesuaian kapasitas (FCsf) untuk pengaruh hambatan dan lebar bahu Tabel 2. 7 Faktor penyesuaian kapasitas (FCsf) untuk pengaruh hambatan samping dan jarak Kerb-Penghalang (FCsf) Tabel 2. 8 Kelas Hambatan Samping untuk Jalan Perkotaan 22 Tabel 2. 9 Faktor penyesuaian kapasitas untuk pengaruh ukuran kota FC cs pada jalan perkotaan Tabel Kecepatan arus bebas dasar (FV 0 ) untuk jalan perkotaan Tabel Penyesuaian kecepatan arus bebas untuk lebar jalur lalu lintas (FV w ) pada jalan perkotaan Tabel Faktor penyesuaian (FFV sf ) untuk pengaruh hambatan samping dan lebar bahu pada kecepatan arus bebas untuk jalan perkotaan dengan bahu 24 Tabel Faktor penyesuaian (FFV sf ) untuk pengaruh hambatan samping dan jarak kerb penghalang jalan perkotaan dengan kerb. 24 Tabel Faktor penyesuaian untuk pengaruh ukuran kota pada kecepatan arus bebas kendaraan ringan untuk jalan perkotaan. 25 Tabel Perangkat lunak perencanaan transportasi yang telah tersedia di pasaran Tabel 3. 1 Lokasi survey volume lalu lintas zona internal Tabel 3. 2 Lokasi survey volume lalu lintas zona eksternal Tabel 3. 3 Nomor zona internal... 46

14 55 Tabel 3. 4 Nomor zona eksternal Tabel 4. 1 Data Hasil Survey Tahun Tabel 4. 2 Pembagian Zona Internal.. 58 Tabel 4. 3 Pembagian Zona Eksternal 59 Tabel 4. 4 Perhitungan jumlah kendaraan pada jam puncak (dalam 1 jam) Tabel 4. 5 Konversi Satuan kendaraan ke smp Tabel 4. 6 Format masukan basis data jaringan jalan Tabel 4. 7 Koordinat kota Surakarta. 65 Tabel 4. 8 Data Arus Lalu Lintas Tahun Tabel 4. 9 Prior Matrix Tahun Tabel Tabel 4.11 Matriks Asal Tujuan Tahun Perbandingan arus hasil traffic count dengan arus hasil pembebanan 76 83

15 56 DAFTAR GAMBAR Hal. Gambar 2.1 Metode untuk mendapatkan Matrik Asal Tujuan (MAT)... 5 Gambar 2.2 Empat Tahap Pemodelan Transportasi Gambar 2.3 Daerah kajian sederhana dengan definisinya Gambar 2.4 Sistem Jaringan Jalan Primer. 15 Gambar 2.5 Sistem Jaringan Jalan Sekunder. 16 Gambar 2.6 Sketsa Hipotesis Hirarki Jalan Kota Gambar 2.7 Hubungan Tipikal Kecepatan-Arus Dan Biaya-Arus Gambar 2.8 Help menu Gambar 2.9 The EMME Prompt (prompt console) Gambar 2.10 Prosedur Perhitungan Program EMME/ Gambar 3.1 Peta Jaringan Jalan Kota Surakarta Gambar 3.2 Peta Administrasi Kota Surakarta Gambar 3.3 Peta Pembagian Zona Kota Surakarta 48 Gambar 3.4 Bagan Alir Penelitian Gambar 3.5 Bagan alir teknik analisis data (Estimasi Matriks EMME/3) Gambar 4.1 Network Editor Gambar 4.2 Editor toolbar Gambar 4.3 Table Matrix (full matriks 1) Gambar 4.4 Grafik Besar Pergerakan di Zona Internal.. 82 Gambar 4.5 Grafik Besar Pergerakan di Zona Eksternal Gambar 4.6 Penyajian Arus pada Ruas dalam Bentuk Peta dengan EMME/ Gambar 4.7 Grafik Uji Validasi Volume Lalu Lintas 86

16 57 DAFTAR NOTASI DAN SIMBOL A i, B d = faktor penyimbang untuk setiap zona asal i dan tujuan d A C C id C o c k D d = kumpulan dari semua link pada jaringan = Kapasitas (smp / jam) = biaya perjalanan dari zona asal i ke zona tujuan d = Kapasitas dasar untuk kondisi tertentu (ideal) (smp / jam) = additional path attribute = total pergerakan ke zona tujuan d FC cs FC sf FC sp FC w = Faktor penyesuaian ukuran kota = Faktor penyesuaian hambatan samping = Faktor penyesuaian pemisah arah = Faktor penyesuaian lebar jalur lalu lintas FFV cs = Faktor penyesuaian ukuran kota. FFV sf = Faktor penyesuaian kondisi hambatan samping FV F vo FV w = Kecepatan arus bebas kendaraan ringan sesungguhnya (km/jam) = Kecepatan arus bebas dasar kendaraan ringan (km/jam) = Penyesuaian lebar jalur lalu lintas efektif (km/jam) FFV 4sf = faktor penyesuaian kecepatan arus bebas untuk empat lajur (km/jam). FFV 6sf = faktor penyesuaian kecepatan arus bebas untuk enam lajur (km/jam). g h k = matrik asal-tujuan dalam matrik estimasi = vektor yang berhubungan dengan jalur aliran O i l p id = total pergerakan dari zona asal i = proporsi pergerakan dari zona asal i ke zona tujuan d pada ruas l p k = perbandingan nilai vekor dengan nilai gradien V = kecepatan sesungguhnya pada saat ada arus lalu lintas Q. S T id t 0 Vˆ l = jarak (km) = jumlah pergerakan dari zona asal i ke zona tujuan d = waktu tempuh pada saat V 0 (detik) = arus lalu lintas hasil pengamatan pada ruas l

17 58 V l = arus lalu lintas hasil pemodelan pada ruas l V 0 = kecepatan pada saat arus bebas (km/jam) Z ( g) = fungsi tujuan persamaan d ak l = nilai konvergensi metode steepest descent = panjang langkah pada tiap iterasi

18 59 DAFTAR LAMPIRAN Lampiran A Lampiran B Lampiran C Lampiran D Lampiran E Lampiran F Lampiran G Lampiran H Lampiran I : Data Hasil Survey : Konversi Satuan Kendaraan ke smp : Kapasitas : Waktu Tempuh : Basis Data Jaringan Jalan : Koordinat kota Surakarta : Desain Formulir Survey : Listing Program : Kelengkapan Administrasi Tugas Akhir

19 60 BAB 1 PENDAHULUAN 1.1. Latar Belakang Pergerakan manusia merupakan aktivitas yang selalu menjadi bagian dari kehidupan sehari-hari. Pada dasarnya seseorang melakukan pergerakan untuk memenuhi kebutuhan hidup yang tidak dapat dipenuhi di tempat tinggalnya. Hal ini menyebabkan terjadinya suatu pergerakan dalam proses pemenuhan kebutuhan tersebut. Sebaran pergerakan yang terjadi menghubungkan interaksi antara tata guna lahan, jaringan transportasi dan arus lalu lintas. Pola sebaran arus lalu lintas antara zona asal i ke zona tujuan j adalah hasil dari dua hal yang terjadi secara bersamaan. Distribusi perjalanan atau pergerakan tersebut dapat dinyatakan dalam bentuk matriks asal tujuan (MAT) maupun dengan diagram garis keinginan (desire line). Informasi terkait pola pergerakan itupun jadi amat penting guna mengidentifikasi permasalahan yang terjadi. Informasi jarak, waktu, biaya, atau kombinasi ketiganya digunakan sebagai ukuran aksesibilitas (kemudahan). Adapun pengertian dari pola pergerakan dalam sistem transportasi dijelaskan dalam bentuk arus pergerakan (baik kendaraan, penumpang atau barang) yang bergerak dari zona asal ke zona tujuan di dalam daerah tertentu dan selama periode tertentu. Pada hampir seluruh aplikasi perencanaan transportasi, input data yang paling penting diperoleh adalah matriks asal tujuan (MAT). Metode yang telah dikembangkan untuk mendapatkan MAT secara garis besar dikelompokkan menjadi 2 (dua) yaitu metode konvensional dan metode tidak konvesional. Metode konvensional untuk mendapatkan MAT dilakukan melalui survey wawancara rumah tangga atau survey wawancara di tepi jalan. Survey tersebut biasanya memerlukan biaya yang besar, tenaga surveyor yang banyak, ketelitian yang tinggi dalam pengolahan data, waktu yang lama serta umumnya

20 61 mengganggu pengguna jalan. Oleh karena itu, para perencana transportasi telah mengembangkan metode lain yaitu metode tidak konvensional. Metode tersebut menggunakan informasi data arus lalu lintas diruas jalan untuk memperkirakan MAT. Tujuan penggunaan metode tidak konvensional adalah menghasilkan pendekatan yang lebih sederhana untuk menyelesaikan permasalahan serupa, dalam hal ini, model perencanaan transportasi empat tahap dilakukan dalam hanya satu proses saja. Agar ekonomis, persyaratan data untuk pendekatan baru ini dibatasi hanya data perencanaan yang sederhana saja, data arus lalulintas pada beberapa ruas jalan, atau data lain yang murah. Permasalahan transportasi yang semakin luas membutuhkan banyak studi penelitian untuk menyelesaian permasalahan-permasalahan yang ada. Seiring dengan pesatnya kemajuan ilmu dan teknologi baik di Indonesia maupun di negara-negara lainnya. Alur teknologi yang berkembang khususnya komputerisasi membantu banyak peneliti khususnya peneliti dibidang transportasi dalam pengolahan data lalu lintas yang diproses secara cepat, dan murah. Berbagai program pun telah tersedia dan dimanfaatkan guna membantu proses perencanaan dan pemodelan transportasi dalam menangani hampir semua permasalahan yang terjadi. Seperti paket program MOTORS, SATURN, TRANSPLAN, STAN, STRADA, EMME/2 dan EMME/3. Pemanfaatan program yang telah tersedia sangat membantu peneliti untuk mendapatkan gambaran pola pergerakan transportasi khususnya di kota Surakarta. Suatu pola pergerakan dapat diperoleh dengan cara membebankan MAT ke suatu sistem jaringan transportasi. Pada penelitian ini, proses pembebanan ke sistem jaringan transportasi menggunakan perangkat lunak EMME/3 (equilibre multimodal, multimodal equilibrium) yang merupakan pengembangan dari program sebelumnya yaitu EMME/2 yang dibuat dan dikembangkan di Kanada, dengan kemampuan yang sangat tinggi, dengan jumlah node dan link yang dapat dikatakan tidak terbatas (mampu mencapai hampir 1 juta node). Adapun

21 62 keunggulan lainnya adalah formula yang dapat dibuat sendiri sesuai keadaan dan kebutuhan (INRO Consultants Inc., 1998), misalnya hitungan kapasitas dan waktu tempuh yang disesuaikan dengan Manual Kapasitas Jalan Indonesia (MKJI) Rumusan Masalah Berdasarkan uraian latar belakang masalah diatas, maka dapat dirumuskan suatu masalah sebagai berikut : 1. Berapa besar estimasi Matriks Asal Tujuan (MAT) dan arus pergerakan yang akan terjadi pada masa yang akan datang dari data lalu lintas dengan aplikasi software EMME/3 di kota Surakarta apabila digunakan metode Steepest Descent (SD)? 2. Berapa tingkat validasi estimasi Matriks Asal Tujuan (MAT) dari data lalu lintas dengan metode Steepest Descent (SD) menggunakan aplikasi software EMME/3? 1.3. Batasan Masalah Untuk membatasi permasalahan agar penelitian ini lebih terarah dan tidak meluas maka perlu adanya pembatasan sebagai berikut: 1. Wilayah kajian adalah kota Surakarta dengan jaringan transportasi yang ada pada saat penelitian ditambah dengan beberapa ruas jalan dari zona eksternal yang dianggap mempengaruhi arus masuk dan arus keluar dari dalam kota. 2. Data matrik awal (prior matrix) yang digunakan adalah hasil perhitungan skripsi Evaluasi Kinerja dan Penanganan Jaringan Jalan (Studi Kasus Kota Surakarta) oleh Astri Brillianti tahun Data arus lalu lintas (traffic count) yang digunakan adalah data survey 2007 yang digunakan pada hasil penelitian skripsi Estimasi Matriks Asal Tujuan dari Data Lalu Lintas dengan Metode Estimasi Inferensi Bayesian (Studi Kasus Kota Surakarta) oleh Rahayu Mahanani Wijiastuti tahun 2008 dilengkapi dengan hasil survey terbaru di beberapa titik di lapangan. 4. Pembagian zona berdasarkan batas-batas administratif berupa kelurahan.

22 63 5. Ruas jalan yang dianalisis yaitu ruas jalan arteri dan kolektor sesuai pembagian jalan menurut Dinas Pekerjaan Umum kota Surakarta. 6. Penelitian dilakukan pada distribusi perjalanan kendaraan yang terdiri dari semua jenis kendaraan sesuai pembagian dalam Manual Kapasitas Jalan Indonesia (MKJI) Metode yang digunakan dalam mengestimasi MAT adalah metode Steepest Descent (SD). 8. Analisis pembebanan dengan bantuan program software EMME/3. 9. Jaringan jalan yang dianalisis tidak memperhitungkan fenomena simpang Tujuan Penelitian Tujuan yang diharapkan dari penelitian ini adalah : a. Mengetahui distribusi pergerakan arus lalulintas di kota Surakarta yang direpresentasikan dengan MAT menggunakan metode Steepest Descent (SD) program software EMME/3. b. Mengetahui tingkat validasi MAT yang dihasilkan EMME/3 menggunakan metode Steepest Descent (SD) Manfaat Penelitian Manfaat Teoritis Meningkatkan pengetahuan dan pemahaman di bidang perencanaan dan pemodelan transportasi terutama yang berkaitan dengan Trip Distribution dan Trip Assignment pada suatu pemograman, seperti program software EMME/3 yang digunakan dalam penelitian ini Manfaat Praktis Hasil yang diperoleh dapat digunakan sebagai bahan pertimbangan dalam perbaikan dan perencanaan transportasi untuk kota Surakarta pada waktu yang akan datang.

23 64 BAB 2 LANDASAN TEORI 2.1. Tinjauan Pustaka Pola pergerakan dalam transportasi sering dijelaskan dalam bentuk arus pergerakan (kendaraan, penumpang, dan barang) yang bergerak dari zona asal ke zona tujuan di dalam daerah tertentu dan selama periode waktu tertentu. Matriks Pergerakan atau Matriks Asal Tujuan (MAT) sering digunakan oleh perencana transportasi untuk menggambarkan pola pergerakan tersebut. Metode Konvensiona l Metode Langsung - Wawancara di tepi jalan - Wawancara di rumah - Metode menggunakan bendera - Metode foto udara - Metode mengikuti-mobil Metode Analogi Metode MAT Metode tidak Konvensional Metode Tidak Langsung Model berdasarkan informasi arus lalulintas - Estimasi Matriks Entropi Maksimum (EMEM) - Model Estimasi Kebutuhan Transportasi (MEKT) - Kuadrat Terkecil - Kemiripan Maksimum - Inferensi Bayes Tanpa-batasan - Seragam Dengan-satu-batasan - Batasan-bangkitan - Batasan-tarikan Dengan-dua-batasan - Rata-rata - Fratar - Detroit - Furness Metode Sintesis Model Opportunity Model Gravity Model Gravity- Opportunity Gambar 2.1. Metode untuk mendapatkan Matriks Asal Tujuan (MAT) Sumber: Tamin (1988) Penelitian yang dilakukan saat ini menitik-beratkan pada model yang berdasarkan arus lalu lintas (metode Tidak Konvensional) mengenai trip distribution dengan bantuan program equilibre multimodal, multimodal equilibrium (EMME/3). Untuk memperjelas hal tersebut dapat dilihat pada Gambar 2.1.

24 65 MAT adalah matriks berdimensi dua yang berisi informasi mengenai besarnya pergerakan antarlokasi (zona) di dalam daerah tertentu. Baris menyatakan zona asal dan kolom menyatakan zona tujuan, sehingga sel matriks-nya menyatakan besarnya arus dari zona asal ke zona tujuan. Dalam hal ini, notasi T id menyatakan besarnya arus pergerakan (kendaraan, penumpang, atau barang) yang bergerak dari zona asal i ke zona tujuan d selama selang waktu tertentu. (Ofyar Z. Tamin, 2000 : 155) Drissi-Kaïtouni and Lundgren (1992). Bilevel Origin-Destination matrix estimation Using a Descent Approach berisi pendekatan algoritma umum dengan pembebanan equilibrium. Kesulitan terletak pada mengkomputasikan metode gradien yang berhubungan dengan metode Jacobian kemudian diimplementasikan dan diaplikasikan pada kota Hull di Kanada. Chen (1994). Bilevel Programming Problems : Analysis, Algorithms, and Applications merupakan thesis doktoral yang berisikan peninjauan dasar dan teoritis serta hasil eksistensi dari solusi dan kompleksitas dari penyelesaian algoritma dengan mengkhususkan pada estimasi matriks asal-tujuan (MAT). Laporan ini menyarankan untuk menggunakan micro berupa dua metode yakni metode Augmented Langranian dan metode tipe Gauss-Seidel. Penulis berpendapat bahwa untuk masalah dengan skala besar akan bekerja secara langsung pada jaringan jalan dan tidak perlu mengevaluasi untuk mengulangi fungsi objektif. Denault (1994). Étude de deux méthods d'adjustement de matrices originedestination àpartir des flots des véhicules observés (in French) berisi dua pendekatan matriks asal-tujuan (MAT) yang diaplikasikan pada jaringan yang dibebani kemudian dibandingkan. Pertama, menggunakan pendekatan Augmented Lagranian yang disarankan oleh Chen (1994) dan kedua menggunakan metode gradien. Dihasilkan pada metode yang pertama sangat baik pada jaringan yang kecil maupun jaringan yang berhubungan dengan jumlah besar parameter, tapi

25 66 metode gradien menghasilkan yang lebih baik dan lebih dianjurkan karena mudah untuk digunakan. Torgil Abrahamsson (1998). Estimation of Origin-Destination Matrices Using Traffic Count berisi matriks asal tujuan yang diestimasi menggunakan traffic count pada ruas jaringan jalan dan ketersediaan informasi lain. Informasi perjalanan selalu berisi matriks target asal tujuan. Matriks target asal tujuan ini bisa berupa matriks terdahulu atau hasil dari survei sampel. Dari kedua sumber data tersebut berbagai macam pendekatan untuk mengestimasi matriks asal tujuan dikembangkan dan diuji. Yolanda Noriega dan Michael Florian (2009). Some Enhancements of the Gradient Method for O-D Matrix Adjustment berisi mengenai pendekatan dengan menggunakan metode gradien atau steepest descent dalam pembentukan matriks asal-tujuan (MAT) dengan menggunakan EMME/2 dimana program ini terintegrasi secara makro dengan metode tersebut. Diambil beberapa sampel parameter α sebagai pembanding dengan data arus lalu lintas puncak pada pagi dan sore hari dan beberapa moda kendaraan. Matriks yang dihasilkan sangat akurat termasuk didalamnya dari fungsi objektif model pendekatannya. Penelitian yang pernah dilakukan sebelumnya kebanyakan menggunakan metode konvensional, salah satunya menggunakan model Gravity. Seperti penelitian terdahulu yang pernah dilakukan oleh Slamet Basuki (2001) dengan menggunakan model tersebut untuk estimasi distribusi perjalanan. Kalibrasi model dengan bantuan program SATURN (Simulation and Assignment of Traffic to Urban Road Network). Priyatno (2000) melakukan penelitian dengan menggunakan metode Tidak Konvensional untuk estimasi Matrik Asal Tujuan. Priyatno menggunakan pemodelan ME2 (Matrik Estimation Maximum Entropy), teknik pembebanan Wardrop Equilibrium, dan dibantu program SATURN.

26 67 Wiwit Hernasari (2000) mengestimasi Matrik Asal Tujuan dengan metode pembebanannya All Or Nothing. Metode pendekatan dengan ME2 dibantu program SATURN, sedangkan uji validasi dengan koefisien Determinasi R 2. Penelitian dengan model Gravity-Opportunity (GO) dilakukan oleh M. Rusli (2002). Metode pendekatan ME2 dibantu program SATURN, metode pembebanannya All Or Nothing, metode estimasi dengan NLLS (Non Linear Least Square), sedangkan uji validasi dengan RMSE (Root Mean Square Error). Estimasi model Kombinsi Sebaran Pergerakan dan Pemilihan Moda (SPPM) oleh Nuning Fitriani (2002) menggunakan model Gravity untuk sebaran pergerakan dan multinomial logit untuk pemilihan moda. Metode estimasi yang digunakan yaitu metode estimasi Kuadrat Terkecil Tidak Linear (KTTL), metode pendekatan dengan ME2, metode pembebanan Wardrop Equilibrium dan uji validasi dengan koefisien Determinasi R 2. Penelitian yang dilakukan Astri Brillianti (2002) untuk mengevaluasi kinerja jaringan jalan di Kota Surakarta dan memberikan alternatif upaya penanganan masalah sistem jaringan jalan dengan periode kajian 5 tahunan untuk umur rencana 10 tahun mendatang. Tingkat kinerja jalan dinilai berdasarkan perbandingan antara volume lalu lintas dengan kapasitas jalan. Alternatif upaya penanganan masalah sistem jaringan jalan yang ditempuh berupa pelebaran jalan dan pembangunan jalan baru. Pemodelan yang dilakukan dengan model gravity dua batasan, pembebanan keseimbangan Wardrop dengan program SATURN. Dewi Nugroho (2007) penelitian yang dilakukan bertujuan untuk mengestimasi Matriks Asal Tujuan dari data lalu lintas beserta nilai parameter β dengan menggunakan metode estimasi Kuadrat Terkecil. Model pendekatan pembebanan yang digunakan dalam penelitian ini adalah user equilibrium. Analisis datanya dibantu dengan program SATURN. Uji validasi dengan koefisien Determinasi (R 2 ). Penelitian seperti inipun sama seperti yang telah dilakukan oleh Revi W. (2007), Yenni D.L. (2007) dan Rahayu M.W.(2007), yang membedakan diantara ke empatnya adalah metode estimasi yang digunakan. Revi W. (2007) menggunakan metode entropi maksimum, Yenni D.L. (2007) menggunakan metode kemiripan maksimum dan Rahayu M.W.(2007), menggunakan metode

27 68 estimasi inferensi Bayesin. Kesimpulan dari penelitian tersebut adalah total pergerakan yang dihasilkan berbeda-beda sesuai dengan hasil dari parameter β yang telah dihitung. Nurmalia (2009) memperhitungkan MAT dengan menggunakan metode Enteropi Maksimum. Penelitian ini menggunakan aplikasi Software EMME/3 yang merupakan pengembangan dari program EMME/2 untuk menghitung MAT baru hasil pembebanan. Penelitian yang dilakukan saat ini bertujuan untuk mengestimasi Matriks Asal Tujuan dari data arus lalu lintas dengan metode pembebanannya wardrop equilibrium. Metode pendekatannya dengan steepest descent menggunakan alat bantu program EMME/3, sedangkan uji validasi dengan koefisien Determinasi R Dasar Teori Pemodelan Transportasi Konsep perencanaan transportasi yang berkembang dan sering digunakan dalam perencanaan dan pemodelan suatu perkotaan adalah Model Perencanaan Transportasi Empat Tahap. Model ini merupakan gabungan dari beberapa seri sub model yang masing-masing harus dianalisis secara terpisah dan berurutan. Tahaptahap seperti yang terlihat dalam Gambar 2.2. Bangkitan dan Tarikan Pergerakan (Trip Generation). Sebaran Pergerakan (Trip Distribution).

28 69 Gambar 2.2 Empat Tahap Pemodelan Transportasi Matriks Asal Tujuan (MAT) Pola pergerakan dalam transportasi sering dijelaskan dalam bentuk arus pergerakan (kendaraan, penumpang, dan barang) yang bergerak dari zona asal ke zona tujuan di dalam daerah tertentu dan selama periode waktu tertentu. Matriks Pergerakan atau Matriks Asal Tujuan (MAT) sering digunakan oleh perencana transportasi untuk menggambarkan pola pergerakan tersebut. MAT adalah matriks berdimensi dua yang berisi informasi mengenai besarnya pergerakan antarlokasi (zona) di dalam daerah tertentu. Baris menyatakan zona asal dan kolom menyatakan zona tujuan, sehingga sel matriks-nya menyatakan besarnya arus dari zona asal ke zona tujuan. Dalam hal ini, notasi T id menyatakan besarnya arus pergerakan (kendaraan, penumpang, atau barang) yang bergerak dari zona asal i ke zona tujuan d selama selang waktu tertentu. Pola pergerakan dapat dihasilkan jika suatu MAT dibebankan ke suatu sistem jaringan transportasi. Dengan mempelajari pola pergerakan yang terjadi, seseorang dapat mengidentifikasi permasalahan yang timbul sehingga beberapa solusi segera dapat dihasilkan. MAT dapat memberikan indikasi rinci mengenai kebutuhan akan pergerakan sehingga MAT memegang peran yang sangat penting dalam berbagai kajian perencanaan dan manajemen transportasi.

29 70 Jumlah zona dan nilai setiap sel matriks adalah dua unsur penting dalam MAT karena jumlah zona menunjukkan banyaknya sel MAT yang harus didapatkan dan berisi informasi yang sangat dibutuhkan untuk perencanaan transportasi. Setiap sel membutuhkan informasi jarak, waktu, biaya, atau kombinasi ketiga informasi tersebut yang digunakan sebagai ukuran aksesibilitas (kemudahan) Daerah Kajian Hal pertama yang harus ditentukan dalam menentukan sistem zona dan sistem jaringan adalah cara membedakan daerah kajian dengan atau wilayah lain di luar kajian. Beberapa arahan untuk hal tersebut adalah sebagai berikut: 1. Untuk kajian yang bersifat strategis, daerah kajian harus didefinisikan sedemikian rupa sehingga mayoritas pergerakan mempunyai zona asal dan zona tujuan di dalam daerah kajian tersebut. 2. Daerah kajian sebaiknya sedikit lebih luas daripada daerah yang akan diamati sehingga kemungkinan adanya perubahan zona tujuan atau pemilihan rute yang lain dapat teramati. Wilayah di luar daerah kajian sering dibagi menjadi beberapa zona eksternal yang digunakan untuk mencerminkan dunia lainnya. Daerah kajian sendiri dibagi menjadi beberapa zona internal yang jumlahnya sangat tergantung dari tingkat ketepatan yang diinginkan. Daerah yang akan dikaji adalah daerah yang mencakup suatu kota, akan tetapi harus dapat mencakup ruang atau daerah yang cukup untuk pengetahuan kota di masa mendatang.

30 71 Gateway 1 Pusat zona 2 zona Ruas 4 3 Simpul 5 Batas daerah kajian Batas zona 6 Gambar 2.3 Daerah kajian sederhana dengan definisinya Zona Batas administrasi sering digunakan sebagai batas zona sehingga memudahkan pengumpulan data. Beberapa kriteria utama yang perlu dipertimbangakan dalam menetapkan sistem zona di dalam suatu daerah kajian disarankan oleh IHT and DTp (1987), meliputi hal berikut ini: 1. Ukuran zona sebaiknya dirancang sedemikian rupa sehingga galat pengelompokkan yang timbul akibat asumsi pemusatan seluruh aktivitas pada suatu pusat zona menjadi tidak terlalu besar. 2. Batas zona sebaiknya harus sesuai dengan batas sensus, batas administrasi daerah, batas alami, atau batas zona yang digunakan oleh kajian terdahulu yang sudah dipandang sebagai kriteria utama. 3. Ukuran zona harus disesuaikan dengan kepadatan jaringan yang akan dimodelkan, biasanya ukuran zona semakin membesar jika semakin jauh dari pusat kota. 4. Ukuran zona harus lebih besar dari yang seharusnya untuk memungkinkan arus lalu lintas dibebankan ke atas jaringan jalan dengan ketepatan yang disyaratkan.

31 72 5. Batas zona harus dibuat sedemikian rupa sehingga sesuai dengan jenis pola pengembangan untuk setiap zona, misal pemukiman, industri, dan perkantoran. Tipe tata guna lahan setiap zona sebaiknya homogeni untuk menghindari tingginya jumlah pergerakan intrazonal dan untuk mengurangi tingkat kerumitan model. 6. Batas zona harus sesuai dengan batas daerah yang digunakan dalam pengumpulan data. 7. Ukuran zona ditentukan pula oleh tingkat kemacetan, ukuran zona pada daerah macet sebaiknya lebih kecil dibansingkan dengan daerah tidak macet Sistem Jaringan Sistem jaringan transportasi dicerminkan dalam bentuk ruas dan simpul, yang semuanya dihubungkan ke pusat zona. Sitem jaringan transportasi juga dapat ditetapkan sebagai urutan ruas jalan dan simpul. Ruas jalan bisa berupa potongan jalan raya atau kereta api, sedangkan simpul bisa berupa persimpangan, stasiun. Setiap simpul dan zona diberi nomor. Nomor ini digunakan untuk mengidentifikasi data yang berkaitan dengan ruas dan zona. Kunci utama dalam merencanakan sistem jaringan adalah penentuan klasifikasi fungsi jalan yang akan dianalisis (arteri, kolektor, atau lokal). Hal ini tergantung dari jenis dan tujuan kajian. Penelitian ini menggunakan sistem sekunder dengan jalan yang dianalisis yaitu jalan arteri sekunder, pertemuan ujung ruas antara jalan arteri sekunder dengan kolektor sekunder dan pertemuan ujung ruas antar jalan kolektor sekunder. Ruas jalan mencerminkan ruas jalan antar persimpangan atas ruas antar kota yang dinyatakan dengan dua buah nomor simpul diujungujungnya. Ciri ruas jalan perlu diketahui seperti panjang, jumlah lajur, jenis gangguan samping, kapasitas dan hubungan kecepatan arus Klasifikasi Fungsi Jalan Menurut PP No. 26 Th tentang jalan, sistem jaringan jalan dibagi dalam dua kategori yakni sistem jaringan primer dan sistem jaringan sekunder.

32 73 1. Sistem Jaringan Primer Sistem jaringan primer disusun mengikuti ketentuan pengaturan tata ruang dan struktur pengembangan wilayah tingkat nasional yang menghubungkan secara menerus kota jenjang ke satu, kota jenjang ke dua, kota jenjang ke tiga, dan kota jenjang di bawahnya sampai ke persil. Menghubungkan kota jenjang ke satu dengan kota jenjang ke satu antar satuan wilayah pengembangan. a. Jalan Arteri Primer Menghubungkan kota jenjang ke satu yang terletak berdampingan atau menghubungkan kota jenjang ke satu dengan kota jenjang ke dua. b. Jalan Kolektor Primer Menguhubungkan kota jenjang ke satu dengan persil atau kota ke dua atau menghubungkan kota jenjang ke dua dengan kota jenjang ke tiga. c. Jalan Lokal Primer Menghubungkan kota jenjang ke satu dengan persil atau kota ke dua dengan persil atau menghubungkan kota jenjang ke tiga dengan kota jenjang ke tiga, atau kota jenjang ke tiga dengan persil. Perjenjangan Kota dimaksudkan untuk mengelompokkan kota ditinjau dari segi pembinaan jaringan jalan, dengan kriteria sebagai berikut: a. Kota jenjang ke satu: kota yang berperan melayani seluruh satuan wilayah pengembangannya, dengan kemampuan pelayanan jasa yang paling tinggi dalam satuan wilayah pengembangannya serta memiliki orientasi keluar wilayahnya. b. Kota jenjang ke dua: kota yang berperan melayani sebagaian dari satuan wilayah pengembangannya, dengan kemampuan pelayanan jasa yang lebih rendah dari kota jenjang ke satu dalam satuan wilayah pengembangannya dan terikat jangkauan jasa ke kota jenjang ke satu serta memiliki orientasi ke kota jenjang ke satu. c. Kota jenjang ke tiga: kota yang berperan melayani sebagian dari satuan wilayah pengembangannya, dengan kemampuan pelayanan jasa yang lebih rendah dari kota jenjang ke dua dalam satuan wilayah pengembangannya dan

33 74 terikat jangkauan jasa ke kota jenjang kedua serta memiliki orientasi ke kota jenjang ke satu dan kota jenjang ke dua. Untuk lebih dapat menjelaskan dapat diperhatikan Gambar 2.4 KOTA JENJANG 1 JALAN ARTERI PRIMER KOTA JENJANG 1 JALAN ARTERI PRIMER JALAN ARTERI PRIMER KOTA JENJANG 2 JALAN KOLEKTOR PRIMER KOTA JENJANG 2 JALAN KOLEKTOR JALAN KOLEKTOR PRIMER PRIMER JALAN LOKAL PRIMER KOTA JENJANG 3 JALAN LOKAL PRIMER KOTA JENJANG 3 JALAN LOKAL PRIMER JALAN LOKAL PRIMER JALAN LOKAL PRIMER KOTA DIBAWAH JENJANG 3 JALAN LOKAL PRIMER PERSIL Gambar 2.4. Sistem Jaringan Jalan Primer Sumber : Dirjen Bina Marga Sistem Jaringan Sekunder Sistem jaringan sekunder disusun mengikuti ketentuan pengaturan tata ruang kota yeng menghubungkan kawasan-kawasan yang mempunyai fungsi primer, fungsi sekunder satu, fungsi sekunder tiga sampain ke perumahan. a. Jalan Arteri Sekunder Menghubungkan kawasan primer dengan kawasan sekunder ke satu atau menghubungkan kawasan ke satu dengan kawasan sekunder ke satu atau menghubungkan kawasan sekunder ke satu dengan kawasan sekunder ke dua.

34 75 b. Jalan Kolektor Sekunder Menghubungkan kawasan sekunder ke dua dengan kawasan sekunder ke dua atau menghubungkan kawasan sekunder ke dua dengan kawasan sekunder ke tiga. c. Jalan Lokal Sekunder Menghubungkan kawasan sekunder ke satu dengan perumahan, menghubungkan kawasan sekunder ke dua dengan perumahan, kawasan sekender ke tiga dengan perumahan. Untuk lebih dapat menjelaskan dapat diperhatikan Gambar 2.5 KAWASAN PRIMER JALAN ARTERI SEKUNDER JALAN ARTERI SEKUNDER KAWASAN SEKUNDER 1 JALAN ARTERI SEKUNDER KAWASAN SEKUNDER 1 JALAN ARTERI SEKUNDER JALAN ARTERI SEKUNDER KAWASAN SKUNDER 2 JALAN KOLEKTOR SEKUNDER KAWASAN SEKUNDER 2 JALAN LOKAL SEKUNDER JALAN KOLEKTOR SEKUNDER JALAN LOKAL SEKUNDER KAWASAN SEKUNDER 3 JALAN LOKAL SEKUNDER PERUMAH -AN Gambar 2.5. Sistem Jaringan Jalan Sekunder Sumber : Dirjen Bina Marga 1990

35 76 Kawasan adalah wilayah yang dibatasi oleh lingkup pengamatan fungsi tertentu, meliputi: a. Kawasan Primer adalah kawasan kota yang mempunyai fungsi primer, yaitu sebagai titik simpul jasa distribusi bagi daerah jangkauan peranannya. b. Kawasan Sekunder adalah kawasan kota yang mempunyai fungsi sekunder, dimana fungsi sekunder suatu kota dihubungkan dengan pelayanan terhadap masyarakat kota tersebut yang lebih berorientasi ke dalam dan jangkauan lokal. Untuk lebih dapat menjelaskan dapat diperhatikan Gambar 2.6 Gambar 2.6. Sketsa Hipotesis Hirarki Jalan Kota Sumber : Dirjen Bina Marga 1990

36 Satuan Mobil Penumpang Manual Kapasitas Jalan Indonesia (MKJI) 1997 mendefinisikan satuan mobil penumpang (smp) adalah satuan untuk arus lalu lintas dimana berbagai tipe kendaraan diubah menjadi arus kendaraan ringan (termasuk mobil penumpang) dengan menggunakan emp. Ekivalen mobil penumpang (emp) adalah faktor yang menunjukkan pengaruh berbagai tipe kendaraan dibandingkan kendaraan ringan terhadap kecepatan kendaraan ringan dalam arus lalu lintas (untuk mobil penumpang dan kendaraan ringan yang mirip emp=1). Pembagian tipe kendaraan bermotor untuk masing-masing kendaraan berdasarkan MKJI 1997 adalah sebagai berikut: Sepeda Motor, Motor Cycle (MC), terdiri dari kendaraan bermotor beroda dua atau tiga. Kendaraan Ringan, Light Vehicle (LV), yaitu kendaraan bermotor dua as beroda empat dengan jarak as 2-3 meter, termasuk diantaranya mobil penumpang, oplet, mikrobis, pick-up dan truk kecil. Kendaraan berat, Heavy Vehicle (HV), yaitu kendaraan bermotor lebih dari 4 roda, termasuk diantaranya bis, truk 2 as, truk 3 as, dan truk kombinasi. Tabel 2.1. emp untuk jalan perkotaan tak terbagi Tipe Jalan tak terbagi Dua lajur tak terbagi (2/2 UD) Empat lajur tak terbagi (4/2 UD) Sumber: MKJI 1997 Arus lalu lintas Total dua arah (kend/jam) HV 1,3 1,2 1,3 1,2 emp MC Lebar lajur lalu lintas Cw (m) 6 6 0,5 0,4 0,35 0,25 0,4 0,25 Tabel 2.2. emp untuk jalan perkotaan terbagi dan satu arah Tipe jalan: Jalan Satu Arah dan Jalan Terbagi Dua Lajur satu arah (2/1) Dan Empat Lajur terbagi (4/2D) Tiga Lajur satu arah (3/1) Dan Enam Lajur terbagi (6/2D) Sumber: MKJI 1997 emp Arus Lalu lintas Per Lajur (kend/jam) HV MC ,3 1,2 1,3 1,2 0,4 0,25 0,4 0,25

37 Kapasitas Kapasitas adalah arus lalu lintas (stabil) maksimum yang dapat dipertahankan pada ruas jalan pada keadaan tertentu (geometri, komposisi, dan distribusi lalu lintas, faktor lingkungan). Besarnya kapasitas suatu ruas jalan dapat dihitung dari Persamaan (2.1). Dimana: C C o FC w FC sp FC sf FC cs C = Co x FC w x FC sp x FC sf x FC cs (2.1) = Kapasitas (smp / jam) = Kapasitas dasar untuk kondisi tertentu (ideal) (smp / jam) = Faktor penyesuaian lebar jalur lalu lintas = Faktor penyesuaian pemisah arah = Faktor penyesuaian hambatan samping = Faktor penyesuaian ukuran kota Besarnya nilai Co, FC w, FC sp, FC sf dan FC cs dapat dilihat pada Tabel 2.3 sampai dengan Tabel 2.9. Tabel 2.3. Kapasitas dasar (C o ) jalan perkotaan Tipe Jalan Empat lajur terbagi atau Jalan satu arah Kapasitas Dasar (smp/jam) Catatan 1650 Perlajur Empat lajur tak terbagi 1500 Perlajur Dua lajur tak terbagi 2900 Total dua arah Sumber: MKJI 1997 Tabel 2.4. Faktor penyesuaian kapasitas (FC w ) untuk pengaruh lebar jalur lalu lintas untuk jalan perkotaan Tipe Jalan Empat lajur terbagi Atau Jalan Satu Arah Lebar Jalur Lalu lintas Efektif (W c ) (m) Perlajur 3,00 3,25 3,50 3,75 4,00 FC w 0,92 0,96 1,00 1,04 1,08

38 79 Tabel 2.4. Faktor penyesuaian kapasitas (FC w ) untuk pengaruh lebar jalur lalu lintas untuk jalan perkotaan Tipe Jalan Empat lajur tak terbagi Dua Lajur tak terbagi Sumber: MKJI 1997 Lebar Jalur Lalu lintas Efektif (W c ) (m) Perlajur 3,00 3,25 3,50 3,75 4,00 Total dua arah FC w 0,91 0,95 1,00 1,05 1,09 0,56 0,87 1,00 1,14 1,25 1,29 1,34 Tabel 2.5. Faktor penyesuaian kapasitas untuk pemisahan Arah (FC sp ) Pemisahan arah SP %-% Dua lajur 2/2 1,00 0,97 0,94 0,91 0,88 FC sp Empat lajur 4/2 Sumber: MKJI , ,97 0,9555 0,94 Tabel 2.6. Faktor penyesuaian kapasitas (FCsf) untuk pengaruh hambatan dan lebar bahu Tipe Jalan 4/2D 4/2UD 2/2UD Atau jalan satu arah Sumber: MKJI 1997 Kelas Hambatan Samping VL ML M H VH VL ML M H VH VL ML M H VH Faktor Penyesuaian hambatan samping dan Lebar bahu (FC sf ) Lebar bahu (m) 0,5 1,0 1,5 ³2,0 0,96 0,98 1,01 1,03 0,94 0,97 1,00. 1,02 0,92 0,95 0,98 1,00 0,88 0,92 0,95 0,98 0,84 0,88 0,92 0,96 0,96 0,94 0,92 0,87 0,80 0,94 0,92 0,89 0,82 0,73 0,99 0,97 0,95 0,91 0,86 0,96 0,94 0,92 0,86 0,79 1,01 1,00 0,98 0,94 0,90 0,99 0,97 0,95 0,90 0,85 1,03 1,02 1,00 0,98 0,95 1,01 1,00 0,98 0,95 0,91

39 80 Tabel 2.7. Faktor penyesuaian kapasitas (FCsf) untuk pengaruh hambatan samping dan jarak Kerb-Penghalang (FCsf) Tipe Jalan 4/2D 4/2UD 2/2UD Atau jalan satu arah Sumber: MKJI 1997 Kelas Hambatan Samping VL ML M H VH VL ML M H VH VL ML M H VH Faktor Penyesuaian hambatan samping dan Lebar bahu (FC sf ) Lebar kerb-penghalang (m) 0,5 1,0 1,5 ³2,0 0,95 0,97 0,99 1,03 0,94 0,96 0,98. 1,00 0,91 0,93 0,95 0,98 0,86 0,89 0,92 0,95 0,81 0,85 0,88 0,92 0,95 0,93 0,90 0,84 0,77 0,93 0,90 0,86 0,78 0,68 0,97 0,95 0,92 0,87 0,81 0,95 0,92 0,88 0,81 0,72 0,99 0,97. 0,95 0,90 0,85 0,97 0,95 0,91 0,84 0,77 1,03 1,00 0,97 0,93 0,90 Untuk mengetahui tingkat hambatan samping pada kolom (2) Tabel 2.6 & 2.7 dengan melihat kolom (3) Tabel 2.8 dibawah ini, tetapi apabila data terinci hambatan samping tersebut tersedia maka hambatan samping dapat ditentukan dengan prosedur berikut: 1. Periksa mengenai kondisi khusus dari kolom (4) Tabel 2.8 dan pilih salah satu yang paling tepat untuk keadaan segmen jalan yang dianalisa. 2. Amati foto pada gambar A-4:1-5 (MKJI 1997) yang menunjukkan kesan 0,99 0,97 0,94 0,88 0,82 visual rata-rata yang khusus dari masin-masing kelas hambatan samping. Dan pilih salah satu yang paling sesuai dengan kondisi rata-rata sesungguhnya pada kondisi lokasi untuk periode yang diamati. 3. Pilih kelas hambatan samping berdasarkan pertimbangan dari gabungan langkah 1 dan 2 di atas.

40 81 Tabel 2.8. Kelas Hambatan Samping untuk Jalan Perkotaan Frekuensi Berbobot kejadian Kondisi Khusus Kelas Hambatan Samping Kode < 100 Pemukiman, hampir tidak ada Kegiatan Sangat Rendah VL Pemukiman, beberapa angkutan Umum,dll Rendah L Daerah industri dengan toko-toko di sisi jalan Sedang M Daerah niaga dengan aktifitas di Sisi jalan yang tinggi Tinggi H >900 Daerah niaga dengan aktifitas di sisi jalan yang sangat tinggi Sangat Tinggi VH Sumber: MKJI 1997 Tabel 2.9. Faktor penyesuaian kapasitas untuk pengaruh ukuran kota FC cs pada jalan perkotaan Ukuran Kota Faktor Penyesuaian untuk Ukuran Kota FCcs (Juta Penduduk) <0,1 0,1-0,5 0,5-1,0 1,0-3,0 >3,0 Sumber: MKJI Kecepatan 0,86 0,90 0,94 1,00 1,04 Kecepatan tempuh adalah kecepatan rata-rata (km/jam) arus lalu lintas dihitung dari panjang ruas jalan dibagi waktu tempuh rata-rata kendaran yang melewati segmen jalan. Sedangkan kecepatan pada arus bebas adalah kecepatan dari kendaraan yang tidak dipengaruhi oleh kendaraan lain (yaitu kecepatan dimana pengendara merasakan perjalanan yang nyaman dalam kondisi geometrik lingkungan dan pengaturan lalu lintas yang ada pada bagian segmen jalan dimana tidak ada kendaraan lain). Kecepatan arus dapat ditentukan dari Persamaan (2.2). Dimana: FV FV = (F vo + FV w ) x FFV sf x FFV cs (2.2) : Kecepatan arus bebas kendaraan ringan sesungguhnya (km/jam)