ESTIMASI MODEL KEBUTUHAN TRANSPORTASI BERDASARKAN INFORMASI DATA ARUS LALU LINTAS PADA KONDISI PEMILIHAN RUTE KESEIMBANGAN DISERTASI
|
|
- Veronika Yuwono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 ESTIMASI MODEL KEBUTUHAN TRANSPORTASI BERDASARKAN INFORMASI DATA ARUS LALU LINTAS PADA KONDISI PEMILIHAN RUTE KESEIMBANGAN DISERTASI Karya tulis sebagai salah satu syarat untuk memperoleh gelar Doktor dari Institut Teknologi Bandung Oleh RUSMADI SUYUTI NIM : INSTITUT TEKNOLOGI BANDUNG 2006
2 ABSTRAK ESTIMASI MODEL KEBUTUHAN TRANSPORTASI BERDASARKAN INFORMASI DATA ARUS LALU LINTAS PADA KONDISI PEMILIHAN RUTE KESEIMBANGAN Oleh RUSMADI SUYUTI NIM : Masalah-masalah yang timbul di dalam manajemen dan perencanaan transportasi, seperti masalah kemacetan, tundaan, antrian, polusi suara, polusi udara, pemborosan bahan bakar dan waktu serta penurunan tingkat kenyamanan, memerlukan Matriks Asal-Tujuan (MAT) sebagai input utama yang merepresentasikan pola perjalanan pada suatu wilayah perencanaan. Metode untuk mendapatkan MAT dapat dikelompokkan menjadi dua bagian utama, yaitu Metode Konvensional dan Metode berdasarkan data arus lalu lintas (biasanya disebut Metode Tidak Konvensional). Metode konvensional untuk mendapatkan MAT membutuhkan survei yang sangat besar (wawancara rumah tangga dan wawancara tepi jalan), biaya yang sangat mahal, waktu proses yang sangat lama, membutuhkan banyak tenaga kerja serta sangat mengganggu arus lalu lintas yang ada. Sementara itu, metode estimasi MAT berdasarkan data arus lalu lintas yang termasuk kelompok Metode Tidak Konvensional merupakan suatu metode estimasi yang cukup efektif dan ekonomis serta memiliki tingkat kehandalan yang tinggi karena data utama yang dibutuhkannya adalah berupa informasi data arus lalu lintas yang umumnya untuk memperolehnya membutuhkan biaya yang cukup murah, banyak tersedia dan mudah didapat. Untuk itulah dapat dipahami bahwa metode estimasi MAT dengan menggunakan data arus lalu lintas menjadi sangat menguntungkan untuk dipakai. MAT yang dihasilkan dari informasi arus lalu lintas selanjutnya dapat dibedakan menjadi 2 (dua) kondisi yaitu MAT yang ada pada kondisi saat ini dan MAT yang diprediksi untuk menggambarkan kondisi pergerakan di masa mendatang. Estimasi MAT pada kondisi saat ini diperlukan untuk menyelesaikan banyak tugas-tugas di bidang manajemen transportasi. Disamping itu MAT tersebut juga digunakan sebagai input dalam memprakirakan MAT di masa mendatang untuk keperluan perencanaan transportasi. Salah satu cara yang dapat dilakukan untuk memprakirakan MAT masa mendatang adalah dengan memodelkan perilaku lalu lintas atau kebutuhan transportasi di dalam wilayah studi. i
3 Pada penelitian-penelitian sebelumnya telah dikembangkan metode estimasi model kebutuhan transportasi dengan menggunakan data arus lalu lintas. Penelitian tersebut menggunakan dua jenis model kebutuhan transportasi, yaitu model gravity (GR) dan gravity-opportunity (GO). Metode estimasi yang dikembangkan untuk mengkalibrasi model tersebut dengan data arus lalu lintas adalah: kuadrat-terkecil-tidak-linier (KT), kuadrat-terkecil-tidak-linier-berbobot (KTB), kemiripan-maksimum (KM), Entropi-Maksimum (EM) dan Inferensi- Bayes (IB). Sedangkan jenis model pemilihan rute yang digunakan adalah pemilihan rute all-or-nothing. Pada penelitian tersebut juga dilaporkan hasil sensitifitas akibat pengaruh karakteristik data arus lalu lintas, yang meliputi: penentuan lokasi traffic count terbaik, penentuan jumlah data arus lalu lintas optimum dan pengaruh kesalahan data arus lalu lintas. Tujuan penelitian ini adalah melanjutkan pengembangan metode estimasi model kebutuhan transportasi berdasarkan informasi data arus lalu lintas, dalam meninjau faktor-faktor yang berpengaruh terhadap keakurasian MAT yang dihasilkan dari data arus lalu lintas. Pada penelitian ini ditinjau pengaruh model keseimbangan (equilibrium assignment) sebagai metode dalam menentukan pemilihan rute. Model pemilihan rute tersebut selanjutnya digunakan untuk meninjau pengaruh dari faktor-faktor lain dalam estimasi model kebutuhan transportasi. Model yang dikembangkan selanjutnya di uji dengan menggunakan data buatan sederhana dan data pada kondisi sesungguhnya. Untuk data sesungguhnya digunakan data sistem jaringan jalan dan sistem zona serta parameter lainnya untuk wilayah Kota Bandung dan sekitarnya. Hasil yang diperoleh menunjukkan bahwa MAT hasil estimasi menunjukkan tingkat kesesuaian yang tinggi terhadap MAT hasil pengamatan. Metode uji statistik yang digunakan adalah: Root Mean Square Error (RMSE), Mean Absolute Error (MAE), Normalised Mean Absolute Error (NMAE) dan Koefisien Determinasi (R 2 dan SR 2 ). Hasil penelitian menyimpulkan bahwa model GO selalu menghasilkan arus lalu lintas hasil estimasi yang terbaik. Meskipun demikian hasil yang diperoleh dengan model GO hanya sedikit lebih baik jika dibandingkan dengan model GR. Jika dipertimbangkan beberapa kriteria tambahan, maka secara keseluruhan metode estimasi yang terbaik adalah kombinasi antara model GR dengan metode estimasi KTB. Disamping itu, dari hasil yang diperoleh, penggunaan metode pemilihan rute keseimbangan mempunyai pengaruh yang sangat signifikan jika dibandingkan dengan penggunaan metode all-or-nothing. Pada akhir disertasi disampaikan kesimpulan umum tentang hasil-hasil penelitian yang telah dilakukan. Beberapa kendala yang timbul dalam proses estimasi selama penelitian ini juga diidentifikasi dan beberapa rekomendasi tentang kemungkinan penelitian lanjutan juga diberikan. Kata kunci: model kebutuhan transportasi, arus lalu lintas, model estimasi, model gravity, model pemilihan rute ii
4 ABSTRACT THE ESTIMATION OF TRANSPORT DEMAND MODEL FROM TRAFFIC COUNT DATA UNDER THE CONDITION OF EQUILIBRIUM ASSIGNMENT By RUSMADI SUYUTI NIM : Many problems in transport planning and management tasks, such as: traffic congestion, delay, queue, air pollution and visual intrusion, require an origindestination (O-D) matrix as a fundamental input to represent the travel pattern. The methods of estimating O-D matrices can be divided into two main methods: conventional methods and methods based on traffic counts (usually called unconventional methods). The conventional methods of estimating O-D matrices usually requires large surveys such as home or roadside interviews which are expensive, labour intensive and time disruptive to trip makers. It has been suggested, therefore, that instead of relying on costly and lengthy surveys, more use should be made of low cost data i.e. traffic counts data which are often available, easy to collect and less disruptive to trip makers. O-D matrices can be distinguished between the O-D matrices which currently prevail on a system and those which are forecasted to materialize in the future. Estimates of currently prevailing O-D matrices are required for many transport management tasks and they are also used as an input in forecasting models for planning purposes. Previous researchers have developed the methods of estimating O-D matrices, using traffic counts data in such a way that they can be used also for forecasting trip patterns expected to prevail in the future. One possible way to represent the trip making behaviour within the study area is by employing a transport demand model, described as a function of one or more parameters, that estimates the number of trips during a certain period of time. In the previous researches, two model types of transport demand models were examined, namely: gravity (GR) and gravity-opportunity (GO) models. Five different estimation methods were developed to calibrate these models from traffic count data i.e: non-linear-least-squares (NLLS), weighted-non-linear-leastsquares (WNLLS), Maximum-likelihood (ML), maximum-entropy (ME) and iii
5 Bayes- Inference (BI). These five estimation methods can be used as basic methods to estimate the parameters of various forms of transport demand models. The type of trip assignment used in the researches is all-or-nothing assignment. A number of tests on the sensitivity of the models to the characteristics of traffic counts i.e: the best location of traffic counts, the optimum number of traffic counts and the impact of the traffic count errors are also reported in the researches. The main objective of this research is to continue the development of methods of estimating transport demand model using traffic counts data, in assessing the influence factors of the estimated O-D matrices accuracy from traffic counts data. In this research, in addition to all-or-nothing assignment, equilibrium assignment model is used as types of the trip assignment methods. The other influenced factors of transport demand model estimation from traffic counts were then tested under the equilibrium conditions. The model approach has been tested using simple artificial data and real data. Road network and zoning system in Kota Bandung is used as special case of the real data. In terms of matrices level, the calibrated models were found to provide good fit. The Goodness-of-fit statistics used to compare the estimated matrices with the observed matrices are Root Mean Square Error (RMSE), Mean Absolute Error (MAE), Normalized Mean Absolute Error (NMAE) and Coefficient of Determination (R 2 and SR 2 ). It was found that the GO model always produced the best estimated flows. However, there are only marginally better than those obtained by the GR model. Taking into account the results of using other criteria, it can be concluded that the best overall model estimation methods are the combination of GR model with WNLLS estimation methods. The use of equilibrium assignment in the trip assignment stage also gave significant impact compared to the use of all-ornothing assignment. Some problems encountered during the research are identified and discussed and a set of recommendations and suggestions for future work is given. General conclusions regarding the applicability of the approach to other environments and its potential for transport demand forecasting and planning are given at the end of the dissertation. Keywords: demand modeling, traffic counts, model estimation, gravity model, trip assignment iv
6 ESTIMASI MODEL KEBUTUHAN TRANSPORTASI BERDASARKAN INFORMASI DATA ARUS LALU LINTAS PADA KONDISI PEMILIHAN RUTE KESEIMBANGAN Oleh RUSMADI SUYUTI NIM : Institut Teknologi Bandung Menyetujui Tim Pembimbing Tanggal:... Pembimbing (Prof. Ir. Ofyar Z.Tamin, MSc(Eng), PhD) Ko Pembimbing I: Ko Pembimbing II: (Prof. Dr. Ir. Abdul Aziz Djajaputra, MSCE) (Dr.Ir. Bambang Sugeng S, DEA) v
7 PEDOMAN PENGGUNAAN DISERTASI Disertasi Doktor yang tidak dipublikasikan terdaftar dan tersedia di Perpustakaan Institut Teknologi Bandung, dan terbuka untuk umum dengan ketentuan bahwa hak cipta ada pada pengarang dengan mengikuti aturan HAKI yang berlaku di Institut Teknologi Bandung. Referensi kepustakaan diperkenankan dicatat, tetapi pengutipan atau peringkasan hanya dapat dilakukan seizin pengarang dan harus disertai dengan kebiasaan ilmiah untuk menyebutkan sumbernya. Memperbanyak atau menerbitkan sebagian atau seluruh disertasi haruslah seizin Dekan Sekolah Pascasarjana, Institut Teknologi Bandung. vi
8 Dipersembahkan kepada : Kepada Bapak dan Ibu yang dengan doa yang tiada putus untuk anakmu ini; Kepada istriku, Dik Atiek, dengan cinta & kasihmu yang tulus selalu mendampingiku; Kepada putriku Safira dan putraku Sandi, sengaja sekuat tenaga bapak selesaikan disertasi ini untuk bapak persembahkan agar menjadi manfaat bagi kalian di kemudian hari. vii
9 UCAPAN TERIMA KASIH/KATA PENGANTAR Terselesaikannya Disertasi ini berkat bimbingan beliau-beliau yang semoga penulis tidak salah menyebutkannya. Dengan rasa terima kasih yang sangat mendalam penulis menyampaikan kepada : Prof. Ir. Ofyar Z. Tamin, MSc(Eng), PhD, sebagai ketua Tim Pembimbing atas segala bimbingan, kritik, saran maupun nasehatnya selama penulis melakukan penelitian dan menyelesaikan disertasi ini. Disamping itu juga atas ijin penggunaan sub-rutin program MOTORS yang digunakan penulis dalam penelitian ini; Prof. DR. Ir. Abdul Aziz Djajaputra, MSCE dan DR.Ir. Bambang Sugeng S, DEA, sebagai anggota Tim Pembimbing dalam penulisan disertasi ini atas segala kesabarannya dalam membimbing, memberikan saran maupun memberikan nasehat selama penulis menyelesaikan disertasi. Terima kasih juga disampaikan kepada Badan Pengkajian dan Penerapan Teknologi (BPPT) atas bantuan beasiswa yang diterima penulis selama pendidikan program doktor ini. Disamping itu juga atas ijin penggunaan perangkat lunak EMME/2 yang digunakan oleh penulis dalam penelitian program doktor ini. Selanjutnya ucapan terima kasih juga ditujukan kepada semua pihak yang tidak memungkinkan penulis sebutkan satu demi satu namun memberikan banyak bantuan sehingga penulis mampu menyelesaikan disertasi ini. viii
10 DAFTAR ISI ABSTRAK... i ABSTRACT... iii HALAMAN PENGESAHAN... v PEDOMAN PENGGUNAAN DISERTASI... vi HALAMAN PERUNTUKAN... vii UCAPAN TERIMA KASIH / KATA PENGANTAR... viii DAFTAR ISI... ix DAFTAR LAMPIRAN... xiv DAFTAR GAMBAR DAN ILUSTRASI... xv DAFTAR TABEL... xvii DAFTAR SINGKATAN DAN LAMBANG... xxiii Bab I Pendahuluan... 1 I.1 Latar Belakang... 1 I.2 Masalah Penelitian... 5 I.3 Tujuan Penelitian I.4 Ruang Lingkup Disertasi I.5 Sistematika Penulisan Disertasi Bab II Tinjauan Pustaka II.1 Representasi Daerah Kajian II.2 Matriks Asal-Tujuan (MAT) II.3 Metode untuk Mendapatkan MAT II.3.1 Metode Konvensional II.3.2 Metode Tidak Konvensional II.4 Metode Estimasi MAT Berdasarkan Data Arus Lalu lintas II.5 Model Gravity (GR) II.5.1 Persamaan Model Gravity II.5.2 Fungsi Hambatan II.6 Model Gravity-Opportunity (GO) II.6.1 Latar Belakang II.6.2 Definisi ix
11 II.6.3 Spesifikasi Fungsi Kesempatan II.6.4 Struktur Faktor Proporsi II.6.5 Model GO II.7 Metode Estimasi II.7.1 Metode Estimasi Kuadrat-Terkecil (KT) II.7.2 Metode Estimasi Kemiripan-Maksimum (KM) II.7.3 Metode Estimasi Inferensi-Bayes (IB) II.7.4 Metode Estimasi Entropi-Maksimum (EM) II.8 Penyelesaian Metode Estimasi dengan Metode Newton-Raphson II.9 Indikator Uji Statistik II.9.1 Root Mean Square Error (RMSE) dan Deviasi Standar (σ).. 54 II.9.2 Mean Absolute Error (MAE) II.9.3 Koefisien Determinasi (R 2 dan SR 2 ) II.9.4 Normalised Mean Absolute Error (NMAE) II.10 Program Komputer dan Prosedur Kalibrasi II.11 Program Perangkat Lunak EMME/ II.12 Model Pemilihan Rute II.12.1 Model All-Or-Nothing II.12.2 Model Keseimbangan II.13 Penelitian Yang Telah Dilakukan Berkaitan Dengan Estimasi MAT Berdasarkan Data Arus Lalu Lintas II.13.1 Estimasi Matriks Asal-Tujuan (MAT) II.13.2 Estimasi Parameter Model Kebutuhan Transportasi Bab III Pengembangan Model III.1 Program Kerja III.2 Pendahuluan dan Studi Awal III.3 Input Data III.4 Pengaruh Karakteristik Data Arus Lalu lintas III.4.1 Analisis Penentuan Lokasi Traffic Count Terbaik III.4.2 Analisis Penentuan Jumlah Data Arus Lalu lintas Optimum. 90 III.4.3 Analisis Dampak Kesalahan Pada Data Arus Lalu lintas Terhadap Terhadap Akusari MAT x
12 III.5 Pengaruh Model Sebaran Pergerakan III.5.1 Model Gravity (GR) III.5.2 Model Gravity-Opportunity (GO) III.6 Pengaruh Metode Estimasi III.6.1 Metode Estimasi Kuadrat-Terkecil (KT) III.6.2 Metode Estimasi Kemiripan-Maksimum (KM) III.6.3 Metode Estimasi Inferensi-Bayes (IB) III.6.4 Metode Estimasi Entropi-Maksimum (EM) III.7 Pengaruh Metode Pemilihan Rute III.8 Proporsi Pergerakan Antar Zona Dalam Ruas l (p l id ) III.9 Uji Statistik Terhadap Data Arus Lalu Lintas dan MAT III.10 Pengembangan Program Bantu Untuk Paket Program EMME/ Bab IV Data Masukan Untuk Implementasi Model IV.1 Umum IV.2 Set Data Buatan IV.2.1 Data Sistem Zona dan Sistem Jaringan Buatan IV.2.2 Basis Data Program EMME/2 Untuk Data Buatan IV.3 Set Data Sesungguhnya Untuk Kota Bandung IV.3.1 Basis Data (Data Base) Program EMME/ IV.3.2 Sistem Zona IV.3.3 Sistem Jaringan Jalan IV.3.4 Karakteristik Ruas Jalan IV.3.5 Data Bangkitan dan Tarikan Pergerakan IV.3.6 Proporsi Pergerakan Antar Zona Dalam Ruas l (p l id ) IV.3.7 Arus Lalu lintas Hasil Pengamatan IV.3.8 Matriks Asal-Tujuan (MAT) Awal IV.3.9 Biaya Perjalanan (C id ) IV.3.10 Kurva Kecepatan-Arus Dan Biaya-Arus Bab V Analisis Uji Pemodelan Dengan Menggunakan Data Buatan V.1 Pendahuluan V.2 Input Data Buatan V.3 Pengaruh Karakteristik Data Arus Lalu lintas xi
13 V.3.1 Analisis Penentuan Lokasi Traffic Count Terbaik V.3.2 Analisis Penentuan Jumlah Data Arus Lalu lintas Optimum. 177 V.3.3 Analisis Pengaruh Kesalahan Data Arus Lalu lintas V.4 Pengaruh Model Sebaran Pergerakan Gravity (GR) V.4.1 Pengaruh Jenis Model Gravity (Batasan-Bangkitan, Batasan- Tarikan, Batasan-Bangkitan-Tarikan V.4.2 Pengaruh Fungsi Hambatan (Eksponensial, Pangkat, Tanner) 186 V.5 Pengaruh Model Sebaran Pergerakan Gravity-Opportunity (GO) V.6 Pengaruh Metode Estimasi V.7 Pengaruh Metode Pemilihan Rute V.8 Hasil Analisis Dengan Data Buatan V.8.1 Pengaruh Karakteristik Arus Lalu lintas V.8.2 Pengaruh Model Sebaran Pergerakan Gravity (GR) V.8.3 Pengaruh Model Sebaran Pergerakan Gravity-Opportunity (GO) V.8.4 Pengaruh Metode Estimasi Parameter Model Kebutuhan Transportasi V.8.5 Pengaruh Metode Pemilihan Rute Bab VI Analisis Uji Pemodelan Menggunakan Data Kota Bandung VI.1 Pendahuluan VI.2 Input Data Sesungguhnya VI.3 Pengaruh Karakteristik Data Arus Lalu lintas VI.3.1 Analisis Penentuan Lokasi Traffic Count Terbaik VI.3.2 Analisis Penentuan Jumlah Data Arus Lalu lintas Optimum. 217 VI.3.3 Analisis Pengaruh Kesalahan Data Arus Lalu lintas VI.4 Pengaruh Model Sebaran Pergerakan Gravity (GR) VI.4.1 Pengaruh Jenis Model Gravity (Batasan-Bangkitan, Batasan -Tarikan, Batasan-Bangkitan-Tarikan) VI.4.2 Pengaruh Fungsi Hambatan (Eksponensial, Pangkat, Tanner) 228 VI.5 Pengaruh Model Sebaran Pergerakan Gravity-Opportunity (GO) VI.6 Pengaruh Metode Estimasi VI.7 Pengaruh Model Pemilihan Rute xii
14 VI.8 Hasil Analisis Dengan Data Kota Bandung VI.8.1 Pengaruh Karakteristik Arus Lalu lintas VI.8.2 Pengaruh Model Sebaran Pergerakan Gravity (GR) VI.8.3 Pengaruh Model Sebaran Pergerakan Gravity-Opportunity (GO) VI.8.4 Pengaruh Metode Estimasi Parameter Model Kebutuhan Transportasi VI.8.5 Pengaruh Metode Pemilihan Rute Bab VII Kesimpulan dan Saran VII.1 Kesimpulan VII.1.1 Pengaruh Data Arus Lalu lintas VII.1.2 Pengaruh Model Sebaran Pergerakan Gravity (GR) VII.1.3 Pengaruh Model Sebaran Pergerakan Gravity-Opportunity (GO) VII.1.4 Pengaruh Metode Estimasi Parameter Model Kebutuhan Transportasi VII.1.5 Pengaruh Metode Pemilihan Rute VII.1.6 Kesimpulan Umum VII.2 Saran untuk Penelitian Lanjutan DAFTAR PUSTAKA LAMPIRAN DAFTAR RIWAYAT HIDUP xiii
15 DAFTAR LAMPIRAN Lampiran A Model Sebaran Pergerakan GR dan GO Dari Data Lalu lintas Lampiran B Metode Estimasi Parameter Model Kebutuhan Transportasi Lampiran C Metode Eliminasi Matriks Gauss-Jordan Lampiran D Kodefikasi Pembagian Zona Lampiran E Basis Data Jaringan Lampiran F Perhitungan Data Karakteristik Ruas Jalan Lampiran G Data Bangkitan Perjalanan xiv
16 DAFTAR GAMBAR Gambar I.1 Jaringan sederhana dengan arus lalu lintasnya... 8 Gambar I.2 Model Transportasi Berdasarkan Data Arus Lalu lintas Gambar I.3 Penelitian Estimasi Model Kebutuhan Transportasi Gambar I.4 Perbedaan Proses Estimasi Dengan Pemilihan Rute All-Or- Notthing Dan Keseimbangan Gambar II.1 Sebuah Daerah Kajian Sederhana Dengan Definisnya Gambar II.2 Metode untuk mendapatkan MAT Gambar II.3 Diagram Struktural Faktor Proporsi dan Kasus Khususnya Gambar II.4 Hubungan Antar Modul Di Dalam Program EMME/ Gambar II.5 Proses Pemilihan Rute Di Dalam Program EMME/ Gambar III.1 Metodologi Penelitian Secara Umum Gambar III.2 Metodologi Penentuan Lokasi Data Arus Lalu lintas Terbaik 81 Gambar III.3 Diagram Alir Analisis Penentuan Lokasi Traffic Count Terbaik Seleksi Tahap I Gambar III.4 Diagram Alir Analisis Penentuan Lokasi Traffic Count Terbaik Seleksi Tahap II Gambar III.5 Diagram Alir Analisis Penentuan Lokasi Traffic Count Terbaik Seleksi Tahap III Gambar III.6 Diagram Alir Analisis Penentuan Jumlah Data Arus Lalu Lintas Optimum Gambar III.7 Diagram Alir Analisis Dampak Kesalahan Data Arus Lalu Lintas Gambar III.8 Proses Kalibrasi Dengan Menggunakan Model Gravity (GR). 99 Gambar III.9 Proses Kalibrasi Dengan Menggunakan Model Gravity- Opportunity (GO) l Gambar III.10 Metode Penentuan Matriks p id Gambar III.11 Kaitan Antara Makro Dengan Modul-modul Di Dalam Program EMME/ Gambar III.12 Bagan Alir Makro Estimasi Model Kebutuhan Transportasi Gambar IV.1 Sistem Jaringan dan Zona Data Buatan xv
17 Gambar IV.2 Sistem Zona Wilayah Penelitian Gambar IV.3 Model Sistem Jaringan Jalan Gambar IV.4 Bangkitan Perjalanan Tiap Zona Di Dalam Wilayah Studi Gambar IV.5 Garis Keinginan MAT Awal Gambar V.1 Grafik Hubungan Jumlah Data Lalu lintas Keakurasian MAT (R 2 ) Untuk Data Buatan Gambar V.2 Hasil Uji Statistik Skenario Kesalahan Data Arus Lalu lintas Dengan Skenario Kesalahan 0% Gambar V.3 Hubungan Nilai ε dan µ Dengan Fungsi Tujuan (S) Gambar V.4 Hubungan MAT Hasil Pengamatan dan Hasil Estimasi Metode GO Metode Pemilihan Rute Keseimbangan Gambar V.5 Hubungan MAT Hasil Pengamatan dan Hasil Estimasi Metode GO Metode Pemilihan Rute All-Or-Nothing Gambar VI.1 Grafik Hubungan Jumlah Data Lalu lintas Keakurasian MAT Untuk Parameter R 2 Untuk Data Sesungguhnya Gambar VI.2 Hasil Uji Statistik Skenario Kesalahan Data Arus Lalu lintas Dengan Skenario Kesalahan 0% Gambar VI.3 Hubungan MAT Hasil Pengamatan dan Hasil Estimasi Metode GO Metode Pemilihan Rute Keseimbangan Gambar VI.4 Hubungan MAT Hasil Pengamatan dan Hasil Estimasi Metode GO Metode Pemilihan Rute All-Or-Nothing Gambar VI.5 Hasil Pemilihan Rute Dengan Metode Equilibrium Assignment 243 xvi
18 DAFTAR TABEL Tabel II.1 Spesifikasi Fungsi Kesempatan Tabel II.2 Spesifikasi Faktor Proporsi Tabel II.3 Perangkat Lunak Perencanaan Transportasi Yang Tersedia Di Pasaran Tabel II.4 Klasifikasi Model Pemilihan Rute Tabel III.1 Pembobotan Kriteria Pada Analisa Penentuan Peringkat Lokasi Traffic Count Tabel III.2 Skenario Analisis Penentuan Peringkat Tabel IV.1 Kondisi Karakteristik Ruas Jalan (Data Buatan) Tabel IV.2 Basis Data EMME/2 Untuk Data Buatan Tabel IV.3 Pembagian Zona Tabel IV.4 Kecepatan Arus Bebas Dasar (FV 0 ) Tabel IV.5 Faktor Penyesuaian Kecepatan Arus Bebas Untuk Lebar Jalur Lalu lintas Efektif (FV w ) Tabel IV.6 Kelas Hambatan Samping Untuk Jalan dalam Kota Tabel IV.7 Faktor Penyesuaian Kecepatan Arus Bebas Untuk Hambatan Samping (FFV SF ) dan Lebar Bahu Tabel IV.8 Faktor Penyesuaian Kecepatan Arus Bebas Untuk Hambatan Samping (FFV SF ) dan Jarak Kereb-Penghalang Tabel IV.9 Faktor Penyesuaian Kecepatan Arus Bebas Untuk Ukuran Kota (FFV CS ) Tabel IV.10 Contoh Perhitungan Kecepatan Arus Bebas Tabel IV.11 Kapasitas Dasar (C 0 ) Tabel IV.12 Faktor Penyesuaian Kapasitas untuk Lebar Jalur Lalu lintas (FC W ) Tabel IV.13 Faktor Penyesuaian Kapasitas untuk Pemisah Arah (FC SP ) Tabel IV.14 Faktor Penyesuaian Kecepatan Arus Bebas untuk Hambatan Samping (FFV SF ) dan Lebar Bahu Tabel IV.15 Faktor Penyesuaian Kecepatan Arus Bebas untuk Hambatan Samping (FFV SF ) dan Jarak Kereb-Penghalang xvii
19 Tabel IV.16 Faktor Penyesuaian Kecepatan Arus Bebas untuk Ukuran Kota (FFV CS ) Tabel IV.17 Contoh Perhitungan Kapasitas Tabel IV.18 Contoh Perhitungan Tingkat Perjalanan Tabel IV.19 Contoh Proyeksi Bangkitan Pergerakan Harian Tahun Tabel IV.20 Contoh Bangkitan Perjalanan Jam Sibuk Tabel IV.21 Faktor emp untuk Masing-masing Jenis Kendaraan Tabel V.1 Matriks Biaya Perjalanan Antar Zona (C id ) Pada Data Buatan 165 Tabel V.2 Bangkitan dan Tarikan Perjalanan Pada Masing-masing Zona 166 Tabel V.3 Matriks Asal Tujuan (MAT) Data Buatan Tabel V.4 Volume Lalu lintas Awal Pada Jam Sibuk (smp/jam) Tabel V.5 Volume Lalu lintas Hasil Pengamatan Pada Jam Sibuk (smp/jam) Tabel V.6 Peringkat Ruas/Lokasi Traffic Count Berdasarkan Seleksi Tahap I Untuk Data Buatan dengan Model Keseimbangan Tabel V.7 Peringkat Ruas/Lokasi Traffic Count Berdasarkan Seleksi Tahap I Untuk Data Buatan dengan Model All-Or-Nothing Tabel V.8 Perbadingan Peringkat Ruas/Lokasi Traffic Count Berdasarkan Seleksi Tahap I Untuk Data Buatan dengan Model Keseimbangan dan Model All-Or-Nothing Tabel V.9 Hasil Seleksi Tahap II (Parameter Hubungan Antar Ruas) Untuk Data Buatan Tabel V.10 Penentuan Bobot Kuantitatif Kriteria (Quantification of Criteria) Untuk Data Buatan Tabel V.11 Analisis Penentuan Peringkat Lokasi Traffic Count (seleksi Tahap III) Untuk Data Buatan Tabel V.12 Peringkat Lokasi Terbaik Terpilih Hasil Tahap III Untuk Data Buatan Buatan Tabel V.13 Hasil Uji Statistik MAT Model Terhadap MAT Pembanding Metode I Tabel V.14 Penentuan Lokasi Terbaik Secara Acak (Random) Untuk Data Buatan xviii
20 Tabel V.15 Hasil Uji Statistik MAT Model Terhadap MAT Pembanding Model II Tabel V.16 Hasil Uji Statistik MAT Skenario Kesalahan Terhadap Kesalahan 0% Tabel V.17 Hasil Estimasi Parameter Model Transportasi Menurut Jenis Model GR Tabel V.18 Indikator Uji Statistik Untuk Masing-masing Jenis Model GR Dengan Menggunakan Data Buatan Tingkat Arus Tabel V.19 Indikator Uji Statistik Untuk Masing-masing Jenis Model GR Dengan Menggunakan Data Buatan Tingkat MAT Tabel V.20 Hasil Estimasi Parameter Model Transportasi Menurut Jenis Fungsi Hambatan Tabel V.21 Indikator Uji Statistik Untuk Masing-masing Fungsi Hambatan Dengan Menggunakan Data Buatan Untuk Tingkat Arus Tabel V.22 Indikator Uji Statistik Untuk Masing-masing Fungsi Hambatan Dengan Menggunakan Data Buatan Untuk Tingkat MAT Tabel V.23 Hasil Estimasi Parameter Model Transportasi Menurut Jenis Model GO Tabel V.24 Indikator Uji Statistik Untuk Masing-masing Fungsi Kesempatan Dengan Model GO Untuk Tingkat Arus Tabel V.25 Indikator Uji Statistik Untuk Masing-masing Fungsi Kesempatan Dengan Model GO Untuk Tingkat MAT Tabel V.26 Hasil Estimasi Parameter Model Transportasi Menurut Jenis Metode Estimasi Pada Kondisi Pemilihan Rute Keseimbangan Tabel V.27 Indikator Uji Statistik Untuk Masing-masing Fungsi Metode Estimasi Dengan Menggunakan Data Buatan Model GR Untuk Tingkat Arus xix
21 Tabel V.28 Indikator Uji Statistik Untuk Masing-masing Fungsi Metode Estimasi Dengan Menggunakan Data Buatan Model GO Untuk Tingkat Arus Tabel V.29 Indikator Uji Statistik Untuk Masing-masing Fungsi Metode Estimasi Dengan Menggunakan Data Buatan Model GR Untuk Tingkat MAT Tabel V.30 Indikator Uji Statistik Untuk Masing-masing Fungsi Metode Estimasi Dengan Menggunakan Data Buatan Model GO Untuk Tingkat MAT Tabel V.31 l Matriks p id untuk l=1 dengan metode pemilihan rute keseimbangan Tabel V.32 l Matriks p id untuk l=1 dengan metode pemilihan rute all-ornothing Tabel V.33 Hasil Estimasi Parameter Model Transportasi Menurut Jenis Pemilihan Rute Tabel V.34 Indikator Uji Statistik Untuk Model GR Dengan Metode Estimasi Kuadrat - Terkecil Untuk Tingkat Arus Tabel V.35 Indikator Uji Statistik Untuk Model GO Dengan Metode Estimasi Kuadrat - Terkecil Untuk Tingkat Arus Tabel V.36 Indikator Uji Statistik Untuk Model GR Dengan Metode Estimasi Kuadrat - Terkecil Untuk Tingkat MAT Tabel V.37 Indikator Uji Statistik Untuk Model GO Dengan Metode Estimasi Kuadrat - Terkecil Untuk Tingkat MAT Tabel VI.1 Hasil Seleksi Tahap I Dengan Model Keseimbangan Tabel VI.2 Hasil Seleksi Tahap I Dengan Model All-Or-Nothing Tabel VI.3 Perbandingan Hasil Seleksi Tahap I Dengan Model Keseimbangan dan Model All-Or-Nothing Tabel VI.4 Nilai R 2 untuk Setiap Model Seleksi Tabel VI.5 Hasil Seleksi Tahap II (30 Lokasi Traffic Count Dengan Peringkat Tertinggi) xx
22 Tabel VI.6 Contoh Analisis Penentuan Quantification of Criteria (QC) Seleksi Tahap III (30 Lokasi Traffic Count Dengan Peringkat Tertinggi Pada Tahap II) Tabel VI.7 Contoh Analisis Penentuan Lokasi Traffic Count Terbaik Seleksi Tahap III (30 Lokasi Traffic Count Dengan Peringkat Tertinggi Pada Tahap II) Tabel VI.8 Hasil Analisis Seleksi Tahap III (30 Lokasi Traffic Count Dengan Peringkat Tertinggi) Tabel VI.9 Hasil Uji Statistik MAT Model Terhadap MAT Pembanding Metode I Tabel VI.10 Hasil Uji Statistik MAT Model Terhadap MAT Pembanding Metode II Tabel VI.11 Hasil Uji Statistik MAT Skenario Kesalahan Terhadap Skenario Kesalahan 0% Tabel VI.12 Hasil Estimasi Parameter Model Transportasi Menurut Jenis Model GR Tabel VI.13 Indikator Uji Statistik Untuk Masing-masing Model GR Dengan Menggunakan Metode Estimasi Kuadrat-Terkecil Untuk Tingkat Arus Tabel VI.14 Indikator Uji Statistik Untuk Masing-masing Model GR Dengan Menggunakan Metode Estimasi Kuadrat-Terkecil Untuk Tingkat MAT Tabel VI.15 Hasil Estimasi Parameter Model Transportasi Menurut Jenis Fungsi Hambatan Tabel VI.16 Indikator Uji Statistik Untuk Masing-masing Fungsi Hambatan Untuk Tingkat Arus Tabel VI.17 Indikator Uji Statistik Untuk Masing-masing Fungsi Hambatan Untuk Tingkat MAT Tabel VI.18 Hasil Estimasi Parameter Model Transportasi Menurut Jenis Model GO Tabel VI.19 Indikator Uji Statistik Dengan Menggunakan Model GO Untuk Tingat Arus xxi
23 Tabel VI.20 Tabel VI.21 Tabel VI.22 Tabel VI.23 Tabel VI.24 Tabel VI.25 Tabel VI.26 Tabel VI.27 Tabel VI.28 Tabel VI.29 Tabel VI.30 Tabel VI.31 Indikator Uji Statistik Dengan Menggunakan Model GO Untuk Tingat MAT Hasil Estimasi Parameter Model Transportasi Menurut Jenis Metode Estimasi Pada Kondisi Model GR Batasan- Bangkitan-Tarikan dan Pemilihan Rute Keseimbangan Indikator Uji Statistik Untuk Masing-masing Metode Estimasi Dengan Menggunakan Model GR Batasan-Bangkitan- Tarikan Untuk Tingkat Arus Indikator Uji Statistik Untuk Masing-masing Metode Estimasi Dengan Menggunakan Model GR Batasan-Bangkitan- Tarikan Untuk Tingkat MAT Hasil Estimasi Parameter Model Transportasi Menurut Jenis Model Kebutuhan Transportasi Pada Kondisi Metode Estimasi KTB dan Pemilihan Rute Keseimbangan Indikator Uji Statistik Menurut Jenis Model Kebutuhan Transportasi Pada Kondisi Metode Estimasi KTB dan Pemilihan Rute Keseimbangan Untuk Tingkat Arus Indikator Uji Statistik Menurut Jenis Model Kebutuhan Transportasi Pada Kondisi Metode Estimasi KTB dan Pemilihan Rute Keseimbangan Untuk Tingkat MAT Hasil Estimasi Parameter Model Transportasi Menurut Jenis Pemilihan Rute Indikator Uji Statistik Untuk Masing-masing Metode Estimasi Dengan Menggunakan Model GR Untuk Tingkat Arus Indikator Uji Statistik Untuk Masing-masing Metode Estimasi Dengan Menggunakan Model GO Untuk Tingkat Arus Indikator Uji Statistik Untuk Masing-masing Metode Estimasi Dengan Menggunakan Model GR Untuk Tingkat MAT Indikator Uji Statistik Untuk Masing-masing Metode Estimasi Dengan Menggunakan Model GO Untuk Tingkat MAT xxii
24 DAFTAR SINGKATAN DAN LAMBANG SINGKATAN Nama Pemakaian pertama kali pada halaman ACGR Model gravity jenis dengan-batasan-tarikan 29 BAPPEDA Badan Perencanaan dan Pembangunan Daerah 6 BO Model opportunity jenis gabungan 36 DCGR Model gravity jenis dengan-dua-batasan 29 DLLAJ Dinas Lalu Lintas Angkutan Jalan 6 DO Model opportunity jenis langsung 35 DS Degree of Saturation 80 EO Model opportunity jenis eksponensial 35 GR Model gravity 11 GO Model gravity-opportunity 11 GOF Goodness-Of-Fit 85 IO Model opportunity jenis invers 35 KM Metode estimasi kemiripan-maksimum 11 KM1 Metode estimasi kemiripan-maksimum jenis I 11 KM2 Metode estimasi kemiripan-maksimum jenis II 11 KT Metode estimasi kuadrat-terkecil 11 KTB Metode estimasi kuadrat-terkecil-berbobot 38 KTL Metode estimasi kuadrat-terkecil-linier 38 KTTL Metode estimasi kuadrat-terkecil-tidak-linier 38 KTTLB Metode estimasi kuadrat-terkecil-tidak-linier-berbobot 38 KTU Kuadrat-terkecil-umum 59 KTUTL Kuadrat-terkecil-umum-tidak-linier 63 LO Model opportunity jenis logaritma 35 MAE Mean Absolute Error 49 MAT Matriks-Asal-Tujuan (MAT) 2 MTK Metode Tidak Konvensional 2 MKJI Manual Kapasitas Jalan Indonesia 80 xxiii
25 NMAE Normalised Mean Absolute Error 49 OP Model opportunity 35 PACGR Model gravity jenis dengan-batasan-bangkitan-tarikan 29 PCGR Model gravity jenis dengan-batasan-bangkitan 29 PJP Pembangunan Jangka Panjang 2 RMSE Root Mean Square Error 49 SMP Satuan Mobil Penumpang 156 SCGR Model gravity jenis satu-batasan 29 UCGR Model gravity jenis tanpa-batasan 29 LAMBANG A B Tarikan pergerakan ke zona B 28 A, B Faktor penyeimbang untuk setiap tujuan perjalanan atau k i k d komoditas jenis k bagi setiap zona asal i dan zona tujuan d 28 b k, α k, β k Parameter model yang tidak diketahui yang harus dikalibrasi untuk setiap tujuan perjalanan atau komoditas k 33 C id Biaya perjalanan dari zona asal i ke zona tujuan d 28 k D d Total pergerakan untuk setiap tujuan perjalanan atau komoditas k yang tertarik ke zona tujuan d 28 i i 1 δ jd, δ jd Transformasi antara [T id ] dan [Z id ] 31 ε, µ Parameter transformasi Box-Cox 33 k f id Faktor proporsi (hasil pengamatan) dari zona asal i ke zona tujuan d, untuk setiap tujuan perjalanan atau komoditas k 28 f k C ) Fungsi hambatan 28 ( id k F ij Faktor proporsi (berurut) dari zona asal i ke zona tujuan ke-j, untuk setiap tujuan perjalanan atau komoditas k 34 k O i Total pergerakan untuk setiap tujuan perjalanan atau komoditas k yang dibangkitkan oleh zona asal i 27 P A Bangkitan pergerakan dari zona A 28 xxiv
26 l p id Proporsi pergerakan dari zona asal i ke zona tujuan d yang menggunakan ruas jalan l 8 R 2 Koefisien determinasi 50 T id Total pergerakan yang bergerak dari zona asal i ke zona tujuan d di dalam daerah kajian 8 T id, Tˆ id MAT hasil estimasi dan MAT hasil pengamatan 8 k U ip Fungsi kesempatan antara zona i ke zona tujuan ke-p dari zona i untuk setiap tujuan perjalanan atau komoditas k 33 V l, Vˆ l Arus lalu lintas hasil estimasi dan hasil pengamatan pada ruas l 8 X ij,x ij-1 Kumulatif kesempatan dari zona asal i ke zona tujuan ke-j atau ke zona tujuan ke-(j-1) dari zona i 34 Zij MAT berurut dari zona asal i ke zona tujuan ke-j yang semakin menjauh dari zona i 32 [ ] Peubah di dalam kurung dianggap mewakili seluruh set data; contohnya [T id ] mewakili seluruh MAT 40 ^ Digunakan sebagai peubah yang mengidentifikasi hasil pengamatan; contohnyavˆ l 8 L l= 1 K k= 1 Digunakan untuk mengalikan semua peubah yang mempunyai tikalas l, dimulai dari l=1 sampai dengan l=l 40 Digunakan untuk menambahkan semua peubah yang mempunyai tikalas k, dimulai dari k=1 sampai k=k 28 xxv
27 Bab VII Kesimpulan dan Saran VII.1 Kesimpulan Sebagai kelanjutan dari penelitian-penelitian sebelumnya (Tamin, 1988 dan Tamin et al, 2000), pada penelitian ini telah ditinjau tiap-tiap faktor yang berpengaruh di dalam akurasi estimasi model kebutuhan transportasi dengan data arus lalu lintas. Faktor-faktor pengaruh yang ditinjau adalah sebagai berikut: Pengaruh data arus lalu lintas. Pengaruh data lalu lintas yang ditinjau adalah meliputi: pengaruh lokasi dan jumlah data arus lalu lintas yang digunakan serta pengaruh tingkat kesalahan pada data arus lalu lintas. Pengaruh model kebutuhan akan transportasi. Model kebutuhan akan transportasi yang ditinjau adalah model Gravity (GR) dan Gravity-Opportunity (GO) Pengaruh metode estimasi untuk mengkalibrasi parameter model kebutuhan transportasi. Metode estimasi yang ditinjau adalah meliputi: Kuadrat-Terkecil (KT), Kuadrat-Terkecil-Berbobot (KTB), Kemiripan-Maksimum (KM), Inferensi-Bayes (IB) dan Entropi-Maksimum (EM) Pengaruh metode pemilihan rute. Metode pemilihan rute yang ditinjau adalah metode all-or-nothing dan metode pemilihan rute keseimbangan (equilibrium asignment). Beberapa hal dapat disimpulkan dari penelitian disertasi ini yang terkait dengan masing-masing faktor yang berpengaruh terhadap akurasi MAT yang dihasilkan dari data arus lalu lintas VII.1.1 Pengaruh Data Arus Lalu Lintas Jika ditinjau dari pengaruh data arus lalu lintas yang digunakan, maka beberapa hal yang dapat disimpulkan adalah sebagai berikut: 248
28 Proses penentuan lokasi traffic count terbaik dilakukan dalam 3 (tiga) tahap seleksi. Seleksi tahap I dilakukan berdasarkan parameter proporsi pergerakan lalu lintas pada tiap ruas jalan ( l p id ). Untuk kondisi kota Bandung diperlukan proses analisis terhadap 125 zona dan 2279 ruas jalan, sehingga total l p id yang dianalisis sebesar buah. Proses seleksi tahap II dilakukan berdasarkan hubungan antar ruas sedemikian rupa sehingga ruas-ruas yang terpilih akan memenuhi persyaratan teknis serta ekonomis. Proses seleksi tahap III merupakan proses penentuan peringkat ruas/lokasi traffic count dengan memperhatikan berbagai kriteria yang terkait dengan kondisi ruas jalan atau lokasi traffic count yang ada. Berdasarkan hasil analisis untuk kondisi Kota Bandung dan sekitarnya, dari ruas jalan yang ada, pada seleksi tahap I terpilih sebanyak buah lokasi dengan model keseimbangan (84%). Selanjutnya, pada seleksi tahap II berhasil terpilih sebanyak ruas jalan (61% dari total ruas jalan). Hasil seleksi tahap II tersebut selanjutnya dievaluasi kembali peringkat lokasi terbaiknya pada seleksi tahap III (lihat Tabel VI.8). Hasil seleksi urutan/rangking lokasi terbaik traffic count tersebut selanjutnya digunakan untuk menentukan jumlah optimum data arus lalu lintas. Dari ruas jalan yang digunakan, sebanyak 500 ruas jalan dianggap sebagai jumlah optimum yang diperlukan untuk menghasilkan MAT berakurasi tinggi. Jumlah tersebut merupakan 36% dari jumlah ruas hasil seleksi lokasi terbaik serta 22% dari total ruas jalan yang ada di Kota Bandung dan sekitarnya (lihat Tabel VI.9). Hasil analisis untuk data Kota Bandung menunjukkan bahwa tingkat kesalahan dalam pengumpulan data arus lalu lintas sebesar ±20% merupakan kesalahan yang dapat ditolerir untuk menghasilkan MAT dengan tingkat akurasi yang cukup tinggi (lihat Tabel VI.11). VII.1.2 Pengaruh Model Sebaran Pergerakan Gravity (GR) Berdasarkan hasil analisis dengan data Kota Bandung dapat diambil beberapa kesimpulan yang terkait dengan pengaruh model sebaran pergerakan GR sebagai 249
29 berikut: Hasil perbandingan antara tiap jenis model GR menunjukkan bahwa model batasan-bangkitan-tarikan memberikan tingkat kinerja yang terbaik. Hal tersebut ditunjukkan berdasarkan nilai minimum dari fungsi tujuan dari metode estimasi KT. Setelah model batasan-bangkitan-tarikan, urutan selanjutnya adalah model batasan-bangkitan. Model ini kinerjanya lebih baik dibandingkan model batasan-tarikan. Hasil yang diperoleh juga menunjukkan bahwa penggunaan batasan-bangkitan-tarikan mempunyai pengaruh yang signifikan jika dibandingkan dengan batasan-bangkitan dan batasan-tarikan (lihat Tabel VI.14). Hasil perbandingan antara tiap jenis fungsi hambatan model GR menunjukkan bahwa fungsi hambatan Tanner memberikan tingkat kinerja yang terbaik. Hal tersebut ditunjukkan berdasarkan nilai minimum dari fungsi tujuan dari metode estimasi KT. Setelah fungsi Tanner, urutan terbaik selanjutnya adalah fungsi pangkat. Fungsi ini kinerjanya lebih baik dibandingkan dengan fungsi eksponensial-negatif. Kondisi tersebut dimungkinkan karena fungsi Tanner mempunyai parameter yang lebih banyak (α dan β) dibandingkan fungsi eksponensial-negatif dan fungsi pangkat (α) (lihat Tabel VI.17). Berdasarkan hasil-hasil tersebut, maka model GR dengan fungsi Tanner yang dikombinasikan dengan model batasan-bangkitan-tarikan memberikan tingkat kinerja yang terbaik. VII.1.3 Pengaruh Model Sebaran Pergerakan Gravity-Opportunity (GO) Berdasarkan hasil analisis dengan data Kota Bandung dapat diambil beberapa kesimpulan yang terkait dengan pengaruh model sebaran pergerakan GO sebagai berikut: Dalam proses dengan model GO, maka parameter yang harus dihitung nilainya adalah: α, β, ε, µ, Ω dan Φ. Parameter (Ω, Φ) dipilih terlebih 250
30 dahulu di luar proses kalibrasi, yang merupakan kombinasi antara nilai 0 dan 1. Sehingga terdapat 4 (empat) buah kombinasi parameter Ω dan Φ. Parameter transformasi (ε dan µ) dihitung terlebih dahulu sebelum menentukan parameter α dan β. Parameter ε dan µ berada pada rentang antara 0,0 sampai 1,0 dengan tingkat perbedaan sebesar 0,1. Sehingga akan diperoleh 11 x 11 kombinasi (121 kombinasi) parameter ε dan µ untuk masing-masing metode estimasi. Hasil perhitungan diperoleh kombinasi parameter ε dan µ, untuk suatu nilai α dan β tertentu, yang memberikan fungsi tujuan yang paling optimum. Kombinasi tersebut, yaitu ε=0,9 dan µ=0,1 selanjutnya digunakan sebagai dasar dalam melakukan estimasi parameter α dan β. Hasil perbandingan antara tiap jenis fungsi hambatan menunjukkan bahwa fungsi kesempatan Ω=0 dan Φ=0 memberikan tingkat kinerja yang terbaik. Hal tersebut ditunjukkan berdasarkan nilai minimum dari fungsi tujuan dari metode estimasi Kuadrat-Terkecil-Berbobot. Setelah fungsi kesempatan Ω=0 dan Φ=0, urutan terbaik selanjutnya adalah fungsi kesempatan Ω=1, Φ=1. Fungsi ini kinerjanya lebih baik dibandingkan dengan fungsi kesempatan Ω=1, Φ=0 dan Ω=0, Φ=1. Meskipun demikian perbedaan nilai fungsi tujuan untuk tiap kombinasi nilai Ω dan Φ tidaklah terlalu besar, sehingga setiap kombinasi dapat digunakan untuk proses estimasi (lihat Tabel VI.20). VII.1.4 Pengaruh Metode Estimasi Parameter Model Kebutuhan Transportasi Jika ditinjau dari jenis metode estimasi yang digunakan, maka kesimpulan yang dapat diambil adalah sebagai berikut: Masing-masing metode estimasi (KT, KTB, KM, IB dan EM) menghasilkan parameter β yang nilainya hampir sama antara satu metode dengan metode yang lainnya. Hal tersebut menunjukkan bahwa nilai parameter mempunyai kecenderungan perubahan ke arah yang sama, untuk masing-masing metode estimasi (lihat Tabel VI.23). 251
31 Pada penggunaan metode estimasi KTB, dapat dilihat bahwa penggunaan model GO menghasilkan tingkat keakurasian yang lebih baik jika dibandingkan dengan penggunaan model GR (lihat Tabel VI.26). Untuk melihat perbandingan tingkat keakurasian antara satu metode estimasi dengan metode estimasi lainnya, untuk metode sebaran pergerakan yang sama, hal tersebut tidak dapat diukur dengan nilai fungsi tujuannya karena masing-masing metode estimasi mempunyai fungsi tujuan yang berbeda. Cara mengukur perbandingan nilai tersebut adalah dengan melihat hasil uji statistik untuk masing-masing metode estimasi baik untuk model GR maupun model GO. Dari hasil uji statistik dapat disimpulkan bahwa untuk model GR, jika digunakan indikator R 2, metode estimasi yang terbaik adalah metode KTB. Sedangkan jika digunakan metode GO, metode estimasi yang mempunyai keakurasian yang paling tinggi adalah metode estimasi KTB. Meskipun demikian perbedaan tingkat akurasi MAT yang dihasilkan antara satu metode estimasi dengan metode estimasi lainnya sangat kecil. VII.1.5 Pengaruh Metode Pemilihan Rute Jika ditinjau dari jenis metode pemilihan rute yang digunakan, maka kesimpulan yang dapat diambil adalah sebagai berikut: Jika dibandingkan dari nilai fungsi tujuan, maka penggunaan metode pemilihan rute keseimbangan jauh lebih baik dari pada penggunaan metode pemilihan rute all-or-nothing. Hal tersebut berlaku untuk model GR maupun GO (lihat Tabel VI.24). Jika dilakukan perbandingan berdasarkan hasil uji statistik, pemilihan rute keseimbangan menghasilkan kinerja yang lebih baik dalam melakukan estimasi parameter model kebutuhan transportasi. Hal tersebut bisa dilihat dari indikator nilai koefisien determinasi (R 2 ). Dari sisi MAT, pada pemilihan rute keseimbangan nilai R 2 yang dihasilkan adalah 0,76 (untuk model GR) dan 0,79 (untuk model GO), sedangkan jika digunakan 252
32 pemilihan rute all-or-nothing, R 2 yang dihasilkan adalah 0,52 (untuk model GR) dan 0,56 (untuk model GO) (lihat Tabel VI.30 - Tabel VI.31). Berdasarkan faktor-faktor pengaruh yang telah disebutkan sebelumnya, kombinasi yang terbaik dalam melakukan estimasi parameter model kebutuhan transportasi adalah dengan menggunakan model: GO, metode estimasi KTB dan pemilihan rute keseimbangan (equilibrium assignment). Jika digunakan model GR, kombinasi terbaik adalah: model batasanbangkitan-tarikan, fungsi hambatan Tanner, metode estimasi KTB serta pada kondisi pemilihan rute keseimbangan (equilibrium assignment). VII.1.6 Kesimpulan Umum Berdasarkan simulasi berbagai faktor-faktor pengaruh (model kebutuhan transportasi, metode estimasi parameter dan metode pemilihan rute) seperti telah diuraikan di atas, maka model yang menghasilkan tingkat keakurasian paling tinggi adalah metode GO yang dikombinasikan dengan metode estimasi KTB dan metode pemilihan rute keseimbangan (equilibrium assignment). Penggunaan model GO tersebut menghasilkan tingkat keakurasian yang hanya sedikit lebih baik jika dibandingkan menggunakan model GR. Jika digunakan model GR, maka kombinasi terbaik dihasilkan dengan metode estimasi KTB yang dikombinasikan dengan model batasan-bangkitan-tarikan (DCGR) dengan fungsi hambatan perjalanan Tanner. Jika dibandingkan antara tingkat keakurasian yang dihasilkan serta mempertimbangkan kriteria-kriteria lainnya seperti: kompleksitas perhitungan serta lamanya waktu proses menggunakan komputer, maka diusulkan untuk menggunakan model GR sebagai dasar untuk estimasi model kebutuhan transportasi. Dalam hal ini model GR yang diusulkan, dikombinasikan dengan metode estimasi KTB, dengan model batasan-bangkitan-tarikan (DCGR) dan dengan fungsi hambatan perjalanan Tanner. Disamping itu, jika dibandingkan antara penggunaan data buatan dengan data 253
33 Kota Bandung, dapat disimpulkan bahwa hasil yang diperoleh tidak berbeda terlalu jauh. Hal itu berarti bahwa algoritma yang digunakan dalam data buatan dapat diaplikasikan untuk data sesungguhnya. Model yang dikembangkan ini, secara teoritis, dapat diaplikasikan untuk tempattempat yang lain, baik pada kondisi daerah perkotaan dengan tingkat kemacetan tinggi maupun daerah yang tidak mempunyai masalah kemacetan. Hal tersebut l dilakukan dengan mengaplikasikan nilai p id sesuai dengan jenis pemilihan rute yang digunakan dalam proses pemodelan. VII.2 Saran Untuk Penelitian Lanjutan Beberapa saran untuk penelitian lanjutan adalah sebagai berikut: 1. Penentuan nilai awal parameter (α dan β) Telah dijelaskan pada bagian sebelumnya, bahwa salah satu kelemahan dalam penggunaan metode Newton-Raphson adalah nilai awal parameter yang tidak diketahui. Metode estimasi akan konvergen jika nilai awalnya cukup dekat dengan solusi akhir. Masalah ini bertambah rumit jika terdapat lebih dari satu parameter yang harus dikalibrasi, misalnya melakukan estimasi model GO dengan lebih dari satu tujuan pergerakan. Karena itu, dirasakan perlu pendekatan untuk mendapatkan nilai awal yang baik. Salah satu kemungkinannya adalah dengan mengkalibrasi parameter model dengan menggunakan metode estimasi kuadratterkecil-tidak-linier (KT) sejak awal. Hasilnya kemudian digunakan sebagai nilai awal untuk metode estimasi yang telah dijelaskan. Disamping itu, solusi metode estimasi dengan metode Newton-Raphson adalah mencapai kondisi lokal optimum, dimana nilai optimum fungsi tujuan akan tergantung pada nilai awal yang digunakan. Untuk itu dirasa perlu untuk mengkaji metode yang dapat digunakan untuk mencapai kondisi global optimum, dimana berapapun nilai awal suatu parameter, akan mencapai konvergensi pada suatu nilai yang sama. 254
34 2. Upaya untuk memasukkan parameter ε dan µ dalam proses kalibrasi Telah dijelaskan bahwa nilai parameter Box-Cox (ε dan µ) dari model GO ditentukan secara terpisah di luar proses kalibrasi. Hal ini cukup merepotkan karena membutuhkan proses kalibrasi yang berulang-ulang sehingga waktu proses komputer semakin lama untuk mendapatkan nilai parameter yang diinginkan. Karena itu diusulkan untuk memasukkan parameter tersebut ke dalam proses kalibrasi. Beberapa modifikasi dalam proses kalibrasi utama dibutuhkan dengan mengasumsikan bahwa parameter tersebut tidak diketahui dan dikalibrasi dengan proses yang sama dengan proses kalibrasi parameter lainnya. 3. Penelitian dengan model transportasi lain Telah dijelaskan bahwa tingkat ketepatan MAT tergantung pada pemilihan model transportasi yang digunakan untuk mencerminkan perilaku pergerakan di dalam daerah kajian. Dalam penelitian ini pekerjaan ditekankan pada penggunaan model jenis GR dan GO. Terlihat bahwa perilaku pergerakan di daerah tertentu mempunyai karakteristik tertentu dan perilaku ini dapat dinyatakan dengan baik dengan model transportasi tertentu. Karena itu, dirasakan perlu untuk mencoba penggunaan metode estimasi dengan bentuk model lain, misalnya model kebutuhan-langsung untuk mendapatkan alat untuk menyatakan perilaku pergerakan yang lebih baik. Tetapi, model yang lebih umum biasanya mempunyai jumlah parameter yang lebih banyak sehingga membutuhkan waktu komputer yang lebih lama dan mungkin membutuhkan informasi lebih banyak. Untuk model pemilihan rute, pada disertasi ini yang ditinjau pengaruhnya adalah metode all-or-nothing dan metode keseimbangan. Pengembangan lebih lanjut diperlukan untuk mengkaji metode pemilihan rute yang mempertimbangkan efek stokastik, yaitu model Keseimbangan Pengguna Stokastik (KPS). Disamping itu, kondisi keseimbangan yang digunakan dalam disertasi ini adalah kondisi keseimbangan pada sistem jaringan jalan. Untuk pengembangan lebih lanjut perlu ditinjau kondisi keseimbangan jaringan multimoda, dimana ditinjau pengaruh 255
ESTIMASI PEMODELAN DISTRIBUSI PERJALANAN DENGAN MODEL GRAVITY ( STUDI KASUS DI KOTA BANDUNG ) TESIS. oleh : Hendra Gunawan
ESTIMASI PEMODELAN DISTRIBUSI PERJALANAN DENGAN MODEL GRAVITY ( STUDI KASUS DI KOTA BANDUNG ) TESIS oleh : Hendra Gunawan 25092014 Pembimbing : Dr. Ir. Ofyar Z. Tamin, MSc., MINT, MITE Dr. Ir. Ade Sjafruddin,
Lebih terperinciDEVELOPMENT OF MAXIMUM ENTROPY ESTIMATOR FOR CALIBRATING TRIP DISTRIBUTION MODELS
DEVELOPMENT OF MAXIMUM ENTROPY ESTIMATOR FOR CALIBRATING TRIP DISTRIBUTION MODELS f T ( i T 3 8 8. 4 1 3 W I D SUMMARY DEVELOPMENT OF MAXIMUM ENTROPY (ME) ESTIMATOR FOR CALIBRATING TRIP DISTRIBUTION MODELS,
Lebih terperinciIMPACT OF SEVERAL ROUTE CHOICE MODELS ON THE ACCURACY OF ESTIMATED O-D MATRICES FROM TRAFFIC COUNTS
IMPACT OF SEVERAL ROUTE CHOICE MODELS ON THE ACCURACY OF ESTIMATED O-D MATRICES FROM TRAFFIC COUNTS S U M M A R Y IMPACT OF SEVERAL ROUTE CHOICE MODELS ON THE ACCURACY OF ESTIMATED O-D MATRICES FROM TRAFFIC
Lebih terperinciESTIMASI MODEL KOMBINASI SEBARAN PERGERAKAN DAN PEMILIHAN MODA BERDASARKAN INFORMASI ARUS LALU LINTAS TESIS MAGISTER
ESTIMASI MODEL KOMBINASI SEBARAN PERGERAKAN DAN PEMILIHAN MODA BERDASARKAN INFORMASI ARUS LALU LINTAS TESIS MAGISTER oteh: OKA PURWANTI NIM : 250 99 087 BIDANG KHUSUS REKAYASA TRANSPORTASI PROGRAM STUDI
Lebih terperinciSTUDI PENENTUAN LOKASI TRAFFIC COUNT TERBAIK DAN JUMLAH DATA ARUS LALULINTAS OPTIMUM DALAM ESTIMASI MATRIKS ASAL TUJUAN (MAT) TESIS MAGISTER
STUDI PENENTUAN LOKASI TRAFFIC COUNT TERBAIK DAN JUMLAH DATA ARUS LALULINTAS OPTIMUM DALAM ESTIMASI MATRIKS ASAL TUJUAN (MAT) TESIS MAGISTER Disusun Oleh : RUDI SUGIONO SUYONO NIM. 25098083 BIDANG KHUSUS
Lebih terperinciMETODOLOGI PENELITIAN. Suatu analisis dalam penelitian membutuhkan suatu tahapan perencanaan
III. METODOLOGI PENELITIAN A. Umum Suatu analisis dalam penelitian membutuhkan suatu tahapan perencanaan yang disusun dalam metodologi. Hal ini dilakukan agar penelitian berjalan sesuai dengan rencana
Lebih terperinciPENGARUH JUMLAH DAN KESALAHAN DATA ARUS LALU LINTAS TERHADAP AKURASI ESTIMASI MATRIKS ASAL TUJUAN (MAT) MENGGUNAKAN DATA ARUS LALU LINTAS
PENGARUH JUMLAH DAN KESALAHAN DATA ARUS LALU LINTAS TERHADAP AKURASI ESTIMASI MATRIKS ASAL TUJUAN (MAT) MENGGUNAKAN DATA ARUS LALU LINTAS Rusmadi Suyuti Mahasiswa Program S3 Pascasarjana Teknik Sipil ITB
Lebih terperinciAPPLICATION OF TRIP DISTRIBUTION MODELS TO ROAD BASED REGIONAL FREIGHT MOVEMENT IN WEST JAVA
APPLICATION OF TRIP DISTRIBUTION MODELS TO ROAD BASED REGIONAL FREIGHT MOVEMENT IN WEST JAVA T 388.044 MUL SUMMARY APPLICATION OF TRIP DISTRIBUTION MODELS TO ROAD BASED REGIONAL FREIGHT MOVEMENT IN WEST
Lebih terperinciESTIMASI MATRIK INFORMASI LALU LINTAS MODEL GRAVITY ASAL TUJUAN ANGKUTAN PRIBADI-UMUM
Volume 12, No. 1, Oktober 2012, 28-34 ESTIMASI MATRIK INFORMASI LALU LINTAS MODEL GRAVITY ASAL TUJUAN ANGKUTAN PRIBADI-UMUM Chairur Roziqin Teknik Sipil Universitas Lampung Jl. Prof. Sumantri Brojonegoro
Lebih terperinciSKRIPSI Disusun sebagai Syarat Memperoleh Gelar Sarjana Teknik Pada Program Studi Teknik Sipil Fakultas Teknik Universitas Sebelas Maret Surakarta
STUDI PERBANDINGAN ESTIMASI KESALAHAN LINEAR MODEL dan INSTANTANEOUS MODEL dalam MENGESTIMASI WAKTU PERJALANAN BERBASIS KECEPATAN SESAAT (Lokasi Studi: Ring Road Utara Surakarta) Comparative Study of Error
Lebih terperinciPENGEMBANGAN REAL TIME TRAFFIC INFORMATION SYSTEM BAGI PENGGUNA JALAN
PENGEMBANGAN REAL TIME TRAFFIC INFORMATION SYSTEM BAGI PENGGUNA JALAN Rusmadi Suyuti Pusat Teknologi Industri dan Sistem Transportasi BPPT Jl. M.H. Thamrin No. 8, Gd II BPPT Lt. 10, Jakarta Tel: (01) 316
Lebih terperinciESTIMASI MATRIK ASAL TUJUAN DARI DATA LALU LINTAS DENGAN METODE ESTIMASI INFERENSI BAYESIAN MENGGUNAKAN PIRANTI LUNAK EMME/3
ESTIMASI MATRIK ASAL TUJUAN DARI DATA LALU LINTAS DENGAN METODE ESTIMASI INFERENSI BAYESIAN MENGGUNAKAN PIRANTI LUNAK EMME/3 (Studi Kasus Kota Surakarta) Wulan Septiyani Mahasiswa Jurusan Teknik Sipil
Lebih terperinciSTUDI PEMODELAN TRANSPORTASI DI RUAS JALAN NGINDEN AKIBAT JALAN MERR II-C ( SEGMEN KEDUNG BARUK SEMOLOWARU ) SURABAYA TUGAS AKHIR
STUDI PEMODELAN TRANSPORTASI DI RUAS JALAN NGINDEN AKIBAT JALAN MERR II-C ( SEGMEN KEDUNG BARUK SEMOLOWARU ) SURABAYA TUGAS AKHIR Untuk memenuhi sebagian pesyaratan dalam memperoleh gelar sarjana ( S-1
Lebih terperinciBAB I PENDAHULUAN. I.1. Latar Belakang. Perjalanan merupakan suatu kegiatan rutin yang selalu dilakukan setiap
BAB I PENDAHULUAN I.1. Latar Belakang Perjalanan merupakan suatu kegiatan rutin yang selalu dilakukan setiap orang setiap harinya untuk memenuhi kebutuhan hidup. Suatu perjalanan tersebut tidak lepas dari
Lebih terperinciSTUDI KINERJA JALAN SATU ARAH DI JALAN KEBON KAWUNG, BANDUNG
STUDI KINERJA JALAN SATU ARAH DI JALAN KEBON KAWUNG, BANDUNG Hendra Saputera NRP : 9921020 Pembimbing : Prof. Ir. Bambang I. S., M.Sc., Ph.D FAKULTAS TEKNIK JURUSAN TEKNIK SIPIL UNIVERSITAS KRISTEN MARANATHA
Lebih terperinciSKRIPSI. Disusun Oleh : RISMA INDAH PURNAMA NIM. I PROGRAM STUDI TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS SEBELAS MARET SURAKARTA
STUDI AKURASI UNTUK MENGESTIMASI WAKTU PERJALANAN BERBASIS KECEPATAN SESAAT DENGAN LINEAR DAN TIME SLICE MODEL (LOKASI STUDI : RING ROAD UTARA SURAKARTA) Accuracy Study to Estimate Travel Time Based On
Lebih terperinciPENENTUAN LOKASI TERBAIK DAN JUMLAH OPTIMUM DATA ARUS LALULINTAS DALAM PROSES ESTIMASI MATRIKS ASAL-TUJUAN (MAT) DARI INFORMASI DATA ARUS LALULINTAS 1
PENENTUAN LOKASI TERBAIK DAN JUMLAH OPTIMUM DATA ARUS LALULINTAS DALAM PROSES ESTIMASI MATRIKS ASAL-TUJUAN (MAT) DARI INFORMASI DATA ARUS LALULINTAS 1 Ofyar Z. TAMIN 2, Titi L. SOEDIRDJO 3, dan Rudi S.
Lebih terperinciWAKTU PERJALANAN DAN TUNDAAN PADA JALAN GUNUNG BATU, BANDUNG
WAKTU PERJALANAN DAN TUNDAAN PADA JALAN GUNUNG BATU, BANDUNG Bagus Danandaru NRP: 0421007 Pembimbing: Dr. Budi Hartanto Susilo, Ir., M.Sc. FAKULTAS TEKNIK JURUSAN TEKNIK SIPIL UNIVERSITAS KRISTEN MARANATHA
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Umum Metodologi penelitian ini intinya adalah menguraikan bagaimana cara penelitian dilakukan. Data yang dikumpulkan harus sesuai dengan judul tesis dan memenuhi tujuan penelitian.
Lebih terperinciKuliah Pertemuan Ke-6 MODEL SINTETIS DISTRIBUSI PERJALANAN. Sub Topik : Model Gravitasi (Kalibrasi Model) Model Sintetik Lainnya
Kuliah Pertemuan Ke-6 MODEL SINTETIS DISTRIBUSI PERJALANAN Sub Topik : Model Gravitasi (Kalibrasi Model) Model Sintetik Lainnya Outline Kuliah : Kalibrasi Model Gravitasi Contoh Aplikasi Kalibrasi Model
Lebih terperinciPENGARUH HAMBATAN SAMPING TERHADAP KINERJA JALAN R.E. MARTADINATA BANDUNG
PENGARUH HAMBATAN SAMPING TERHADAP KINERJA JALAN R.E. MARTADINATA BANDUNG Windi Ria Sari NRP: 0121115 Pembimbing: Tan Lie Ing, S.T., M.T. ABSTRAK Hambatan samping merupakan faktor penyebab kemacetan di
Lebih terperinciSimulasi Pemodelan Transportasi pada Jaringan Jalan Menggunakan Aplikasi Saturn
Rekaracana Jurnal Online Institut Teknologi Nasional Teknik Sipil Itenas Vol. 2 No. 1 Maret 2016 Simulasi Pemodelan Transportasi pada Jaringan Menggunakan Aplikasi Saturn FAKHRI NAUFAL 1, SOFYAN TRIANA
Lebih terperinciRUTE TERBAIK DAN WAKTU TEMPUH TERCEPAT DARI SALON ANATA JALAN PASIRKALIKI-KAMPUS UNIVERSITAS KRISTEN MARANATHA JALAN PROF. DRG. SURYA SUMANTRI BANDUNG
RUTE TERBAIK DAN WAKTU TEMPUH TERCEPAT DARI SALON ANATA JALAN PASIRKALIKI-KAMPUS UNIVERSITAS KRISTEN MARANATHA JALAN PROF. DRG. SURYA SUMANTRI BANDUNG Nama : Fahrul Rully Awan NRP : 0721052 Pembimbing
Lebih terperinciMODEL PERAMALAN HARGA SAHAM DENGAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK TRIANA ENDANG
MODEL PERAMALAN HARGA SAHAM DENGAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK TRIANA ENDANG SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini
Lebih terperinciSTUDY EFFECT OF THE PROPORTION OF MOTORCYCLES ON THE ROAD WITH A MEDIAN PERFORMANCE
STUDY EFFECT OF THE PROPORTION OF MOTORCYCLES ON THE ROAD WITH A MEDIAN PERFORMANCE Name : Saut Tua NRP: 0621006 Counselor : Silvia Sukirman, Ir. ABSTRACT One of moda transportation which is a lot of used
Lebih terperinciTINJAUAN PUSTAKA. Sistem transportasi dapat diartikan sebagai bentuk keterkaitan dan keterikatan
II. TINJAUAN PUSTAKA A. Sistem Perencanaan Tranportasi Sistem transportasi dapat diartikan sebagai bentuk keterkaitan dan keterikatan yang integral antara berbagai variabel dalam suatu kegiatan pemindahan
Lebih terperinciMODEL PERAMALAN HARGA SAHAM DENGAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK TRIANA ENDANG
MODEL PERAMALAN HARGA SAHAM DENGAN JARINGAN SYARAF TIRUAN PROPAGASI BALIK TRIANA ENDANG SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini
Lebih terperinciPENGARUH JALAN TOL SOLO-KERTOSONO DAN SOLO- SEMARANG TERHADAP KINERJA JARINGAN JALAN KOTA SURAKARTA
PENGARUH JALAN TOL SOLO-KERTOSONO DAN SOLO- SEMARANG TERHADAP KINERJA JARINGAN JALAN KOTA SURAKARTA The Impact of Solo-Kertosono and Solo-Semarang Toll Road on Road Network s Performance of Surakarta City
Lebih terperinciDAFTAR ISI. Halaman Judul Pengesahan Persetujuan Motto dan Persembahan ABSTRAK ABSTRACT KATA PENGANTAR
DAFTAR ISI Halaman Judul i Pengesahan ii Persetujuan iii Motto dan Persembahan iv ABSTRAK v ABSTRACT vi KATA PENGANTAR vii DAFTAR ISI ix DAFTAR TABEL xiii DAFTAR GAMBAR xv DAFTAR LAMPIRAN xvi DAFTAR NOTASI
Lebih terperinciSTUDI KAPASITAS, KECEPATAN DAN DERAJAT KEJENUHAN PADA JALAN LEMBONG, BANDUNG MENGGUNAKAN METODE MKJI 1997
STUDI KAPASITAS, KECEPATAN DAN DERAJAT KEJENUHAN PADA JALAN LEMBONG, BANDUNG MENGGUNAKAN METODE MKJI 1997 Julius Harpariadi NRP : 9821059 Pembimbing : Ir. Silvia Sukirman FAKULTAS TEKNIK JURUSAN TEKNIK
Lebih terperinciEFFECT OF INCORPORATING INTERSECTION DELAYS ON ROUTE ASSIGNMENTS IN AN URBAN ROAD NETWORK
EFFECT OF INCORPORATING INTERSECTION DELAYS ON ROUTE ASSIGNMENTS IN AN URBAN ROAD NETWORK T 388.13 ARD S U M M A R Y EFFECT OF INCORPORATING INTERSECTION DELAYS ON ROUTE ASSIGNMENTS IN AN URBAN ROAD NETWORK,
Lebih terperinciPANJANG ANTRIAN KENDARAAN PADA SIMPANG IR. H. JUANDA- DIPATIUKUR BERDASARKAN MKJI 1997 ABSTRAK
PANJANG ANTRIAN KENDARAAN PADA SIMPANG IR. H. JUANDA- DIPATIUKUR BERDASARKAN MKJI 1997 Disusun Oleh: ALIF ALFIANSYAH NRP: 0721034 Pembimbing: SILVIA SUKIRMAN, Ir. ABSTRAK Masalah yang dihadapi di kota-kota
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Studi Terdahulu Kajian Pengembangan Jaringan Jalan di Pulau Jawa berbasis zona dimana dibagi menjadi beberapa zona dengan basis terkecil kabupaten. Kajian bangkitan dan tarikan
Lebih terperinciPENERAPAN MODEL KEBUTUHAN TRANSPORTASI PADA PENYUSUNAN PROGRAM PENANGANAN JALAN BERBASIS IRMS (STUDI KASUS PROVINSI JAWA BARAT)
PENERAPAN MODEL KEBUTUHAN TRANSPORTASI PADA PENYUSUNAN PROGRAM PENANGANAN JALAN BERBASIS IRMS (STUDI KASUS PROVINSI JAWA BARAT) ABSTRAK PENERAPAN MODEL KEBUTUHAN TRANSPORTASI PADA PENYUSUNAN PROGRAM PENANGANAN
Lebih terperinciESTIMASI MATRIKS ASAL TUJUAN PERJALANAN MENGGUNAKAN MODEL GRAVITY DENGAN FUNGSI HAMBATAN TANNER DI KOTA SURAKARTA
ISSN 2354-8630 ESTIMASI MATRIKS ASAL TUJUAN PERJALANAN MENGGUNAKAN MODEL GRAVITY DENGAN FUNGSI HAMBATAN TANNER DI KOTA SURAKARTA Niken Puspitasari 1), Syafi i 2), Setiono 3) 1) Mahasiswa Jurusan Teknik
Lebih terperinciANALISIS KEBUTUHAN ANGKUTAN KOTA MANADO (STUDI KASUS: TRAYEK PUSAT KOTA MALALAYANG DAN TRAYEK PUSAT KOTA KAROMBASAN)
ANALISIS KEBUTUHAN ANGKUTAN KOTA MANADO (STUDI KASUS: TRAYEK PUSAT KOTA MALALAYANG DAN TRAYEK PUSAT KOTA KAROMBASAN) Diah Anggraeni Damiyanti Masalle M. J. Paransa, Theo K. Sendow Fakultas Teknik Jurusan
Lebih terperinciNon Linear Estimation and Maximum Likelihood Estimation
Non Linear Estimation and Maximum Likelihood Estimation Non Linear Estimation and Maximum Likelihood Estimation Non Linear Estimation We have studied linear models in the sense that the parameters are
Lebih terperinciESTIMASI MATRIKS ASAL TUJUAN PERJALANAN MENGGUNAKAN MODEL GRAVITY DENGAN FUNGSI HAMBATAN EKSPONENSIAL-NEGATIF DI KOTA SURAKARTA
Abstract ESTIMASI MATRIKS ASAL TUJUAN PERJALANAN MENGGUNAKAN MODEL GRAVITY DENGAN FUNGSI HAMBATAN EKSPONENSIAL-NEGATIF DI KOTA SURAKARTA Hendarwati Pamungkas 1), Syafi i 2), Setiono 3) 1) Mahasiswa Jurusan
Lebih terperinciSTUDI TINGKAT KINERJA JALAN BRIGADIR JENDERAL KATAMSO BANDUNG
STUDI TINGKAT KINERJA JALAN BRIGADIR JENDERAL KATAMSO BANDUNG SUDY ANTON NRP : 9721075 NIRM : 41077011970310 Pembimbing : Silvia Sukirman, Ir. FAKULTAS TEKNIK JURUSAN TEKNIK SIPIL UNIVERSITAS KRISTEN MARANATHA
Lebih terperinciSTUDI KAPASITAS, KECEPATAN, DAN DERAJAT KEJENUHAN JALAN PURNAWARMAN, BANDUNG
STUDI KAPASITAS, KECEPATAN, DAN DERAJAT KEJENUHAN JALAN PURNAWARMAN, BANDUNG Sopian Toni NRP : 9821018 Pembimbing : Silvia Sukirman, Ir FAKULTAS TEKNIK JURUSAN TEKNIK SIPIL UNIVERSITAS KRISTEN MARANATHA
Lebih terperinciABSTRACT. vii. Universitas Kristen Maranatha
ABSTRACT The study was conducted at PT. Semangat Sejahtera Bersama located in Tangerang. The purpose of this study was to determine the adequacy and application of Management Control Systems to determine
Lebih terperinciANALISIS HUBUNGAN VOLUME, KECEPATAN DAN KERAPATAN LALU LINTAS PADA JALAN ASIA AFRIKA BANDUNG
ANALISIS HUBUNGAN VOLUME, KECEPATAN DAN KERAPATAN LALU LINTAS PADA JALAN ASIA AFRIKA BANDUNG Alexander Vincent NRP:0121007 Pembimbing: V.Hartanto,Ir.,M.Sc FAKULTAS TEKNIK JURUSAN TEKNIK SIPIL UNIVERSITAS
Lebih terperinciI. PENDAHULUAN. Perkotaan yang mengalami perkembangan selalu menghadapi permasalahan
I. PENDAHULUAN A. Latar Belakang Perkotaan yang mengalami perkembangan selalu menghadapi permasalahan pertumbuhan penduduk yang lebih tinggi dibandingkan dengan wilayah pedesaan. Pertumbuhan penduduk meningkatkan
Lebih terperinciSyafi i Pengajar Jurusan Teknik Sipil Universitas Sebelas Maret Jl. Ir. Sutami No. 36 A Surakarta Telp. (0271)
ESTIMASI MATRIK ASAL TUJUAN (MAT) DARI DATA ARUS LALU LINTAS DENGAN METODE ESTIMASI KUADRAT TERKECIL MENGGUNAKAN PIRANTI LUNAK EMME/3 (STUDI KASUS KOTA SURAKARTA) Elfa Monica Zada Mahasiswa Jurusan Teknik
Lebih terperinciKajian Peningkatan Akurasi Matriks Asal-Tujuan yang Dihasilkan dari Data Arus Lalulintas pada Kondisi Keseimbangan
PROC. ITB Sains & Tek. Vo. 39 A, No. 1&2, 2007, 23-39 23 Kajian Peningkatan Akurasi Matriks Asa-Tujuan yang Dihasikan dari Data Arus Lauintas pada Kondisi Keseimbangan Ofyar Z. Tamin 1 & Rusmadi Suyuti
Lebih terperinciPERBANDINGAN METODE PENDUGAAN PARAMETER DALAM PEMODELAN PERSAMAAN STRUKTURAL LA MBAU
v PERBANDINGAN METODE PENDUGAAN PARAMETER DALAM PEMODELAN PERSAMAAN STRUKTURAL LA MBAU Tesis Sebagai salah satu syarat untuk memperoleh gelar Magister Sains pada Departemen Matematika SEKOLAH PASCASARJANA
Lebih terperinciSyafi i Dosen Teknik Sipil Universitas Sebelas Maret Jl. Ir. Sutami No. 36 A Surakarta Telp. (0271)
ESTIMASI MATRIK ASAL TUJUAN DARI DATA ARUS LALU LINTAS DENGAN METODE ESTIMASI ENTROPI MAKSIMUM MENGGUNAKAN PIRANTI LUNAK EMME/3 (STUDI KASUS KOTA SURAKARTA) Zuli Astria Mahasiswa Teknik Sipil Universitas
Lebih terperinciLangkah Perhitungan PERHITUNGAN KINERJA RUAS JALAN PERKOTAAN BERDASARKAN MKJI Analisa Kondisi Ruas Jalan. Materi Kuliah Teknik Lalu Lintas
Materi Kuliah Teknik Lalu Lintas Langkah Perhitungan PERHITUNGAN KINERJA RUAS JALAN PERKOTAAN BERDASARKAN MKJI 1997 Dr.Eng. M. Zudhy Irawan, S.T., M.T. 1. Masukkan data ruas jalan a. Kondisi ruas jalan
Lebih terperinciPEMILIHAN RUTE PERJALANAN
Jurusan Teknik Sipil dan Lingkungan, Universitas Gadjah Mada Pertemuan Ke 9 dan 10 PEMILIHAN RUTE PERJALANAN Mata Kuliah: Pengantar Perencanaan Transportasi Dr.Eng. Muhammad Zudhy Irawan, S.T., M.T. PENDAHULUAN
Lebih terperinciPenentuan Koefisien Hambatan β Asal Tujuan Transportasi di Provinsi Jawa Tengah dan D.I Yogyakarta
Rekaracana Jurnal Online Institute Teknologi Nasional Jurusan Teknik Sipil Itenas.x Vol xx Agustus 2014 Penentuan Koefisien Hambatan β Asal Tujuan Transportasi di Provinsi Jawa Tengah dan D.I Yogyakarta
Lebih terperinciPENGARUH PENUTUPAN CELAH MEDIAN JALAN TERHADAP KARAKTERISTIK LALU LINTAS DI JALAN IR.H.JUANDA BANDUNG
PENGARUH PENUTUPAN CELAH MEDIAN JALAN TERHADAP KARAKTERISTIK LALU LINTAS DI JALAN IR.H.JUANDA BANDUNG Perry M Sihotang NRP : 9521089 NIRM : 41077011950350 Pembimbing : Wimpy Santosa, Ph.D FAKULTAS TEKNIK
Lebih terperinciBAB IX ANALISIS REGRESI
BAB IX ANALISIS REGRESI 1. Model Analisis Regresi-Linear Analisis regresi-linear adalah metode statistic yang dapat digunakan untuk mempelajari hubungan antarsifat permasalahan yang sedang diselidiki.
Lebih terperinciDAMPAK EKONOMI DAN LINGKUNGAN PERENCANAAN TATA RUANG DAN SISTEM TRANSPORTASI KOTA TESIS MAGISTER. Oleh: MUHAMAD ISNAENI N I M :
DAMPAK EKONOMI DAN LINGKUNGAN PERENCANAAN TATA RUANG DAN SISTEM TRANSPORTASI KOTA TESIS MAGISTER Oleh: MUHAMAD ISNAENI N I M : 250 98 068 BIDANG KHUSUS REKAYASA TRANSPORTAS I PROGRAM STUDI TEKIK SIPIL
Lebih terperinciESTIMASI OUTSTANDING CLAIMS LIABILITY DAN ANALISIS SENSITIFITAS : MODEL PROBABILISTIC TREND FAMILY (PTF) TESIS ARIF HERLAMBANG NIM :
ESTIMASI OUTSTANDING CLAIMS LIABILITY DAN ANALISIS SENSITIFITAS : MODEL PROBABILISTIC TREND FAMILY (PTF) TESIS Karya tulis sebagai salah satu syarat untuk memperoleh gelar Magister dari Institut Teknologi
Lebih terperinciSTUDI PEMBEBANAN SISTEM JARINGAN JALAN TRANSPORTASI BARANG JALAN RAYA BERDASARKAN DISTRIBUSI PERGERAKAN BARANG KOMODITAS INTERNAL REGIONAL
Konferensi Nasional Teknik Sipil 11 Universitas Tarumanagara, 6-7 Oktober 017 STUDI PEMBEBANAN SISTEM JARINGAN JALAN TRANSPORTASI BARANG JALAN RAYA BERDASARKAN DISTRIBUSI PERGERAKAN BARANG KOMODITAS INTERNAL
Lebih terperinciIrvan Banuya NRP : Pembimbing : Ir. Silvia Sukirman FAKULTAS TEKNIK JURUSAN TEKNIK SIPIL UNIVERSITAS KRISTEN MARANATHA BANDUNG ABSTRAK
STUDI PERBANDINGAN TINGKAT KINERJA JALAN LEMBONG, BANDUNG MENGGUNAKAN METODE MKJI 1997 SEBELUM DAN SETELAH REKAYASA LALU LINTAS DI PERSIMPANGAN JALAN BRAGA JALAN SUNIARAJA Irvan Banuya NRP : 9421035 Pembimbing
Lebih terperinciKAJIAN KINERJA LALU LINTAS SIMPANG CILEUNYI TANPA DAN DENGAN FLYOVER
KAJIAN KINERJA LALU LINTAS SIMPANG CILEUNYI TANPA DAN DENGAN FLYOVER TUGAS AKHIR SEBAGAI SALAH SATU SYARAT UNTUK MENYELESAIKAN PENDIDIKAN SARJANA TEKNIK DI PROGRAM STUDI TEKNIK SIPIL oleh DUTO NUSWANTOKO
Lebih terperinciPADA. Oleh Ferryanto Chandra Program Studi Magister dan Doktor Teknik Penerbangan Fakultas Teknologi Industri Institut Teknologi Bandung
APLIKASI ALGORITMA FILTERING PADA SISTEM MULTI RADAR TRACKING Oleh Ferryanto Chandra 23604004 Program Studi Magister dan Doktor Teknik Penerbangan Fakultas Teknologi Industri Institut Teknologi Bandung
Lebih terperinciESTIMASI DISTRIBUSI PERJALANAN KOTA SURAKARTA TAHUN 2025 MENGGUNAKAN MODEL GRAVITY
ESTIMASI DISTRIBUSI PERJALANAN KOTA SURAKARTA TAHUN 2025 MENGGUNAKAN MODEL GRAVITY Trip Distribution Estimation of Surakarta City in 2025 Using Gravity Model SKRIPSI Disusun Sebagai Salah Satu Syarat Menempuh
Lebih terperinciANALISIS REGRESI TERPOTONG BEBERAPA NILAI AMATAN NURHAFNI
ANALISIS REGRESI TERPOTONG DENGAN BEBERAPA NILAI AMATAN NOL NURHAFNI SEKOLAH PASCASARJANAA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan
Lebih terperinciDEPARTEMEN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO SEMARANG
ANALISIS FAKTOR-FAKTOR PRODUKSI PERIKANAN TANGKAP PERAIRAN UMUM DARATAN DI JAWA TENGAH MENGGUNAKAN REGRESI BERGANDA DAN MODEL DURBIN SPASIAL SKRIPSI Disusun Oleh : PUJI RETNOWATI 24010212130049 DEPARTEMEN
Lebih terperinciPENGARUH RESOLUSI SISTEM ZONA DAN SISTEM JARINGAN TERHADAP TINGKAT AKURASI MATRIKS ASAL-TUJUAN (MAT) YANG DIPEROLEH DARI INFORMAS1 ARUS LALULINTAS
PENGARUH RESOLUSI SISTEM ZONA DAN SISTEM JARINGAN TERHADAP TINGKAT AKURASI MATRIKS ASAL-TUJUAN (MAT) YANG DIPEROLEH DARI INFORMAS1 ARUS LALULINTAS RINGKASAN Jurair Patunrangi, 1999, Pengaruh Reso;usi
Lebih terperinciINTERAKSI ANTARA PEMBEBANAN LALU LINTAS DAN PENGENDALIAN SINYAL LALU LINTAS TESIS MAGISTER. oleh VICI HARTAWAN TJAJA NIM :
INTERAKSI ANTARA PEMBEBANAN LALU LINTAS DAN PENGENDALIAN SINYAL LALU LINTAS TESIS MAGISTER oleh VICI HARTAWAN TJAJA NIM : 25095011 BIDANG KHUSUS REKAYASA TRANSPORTASI PROGRAM STUDI TEKNIK SIPIL PROGRAM
Lebih terperinciDAFTAR ISI HALAMAN SAMPUL HALAMAN PENGESAHAN. ABSTRAK... i. ABSTRACT... iii. KATA PENGANTAR...v. DAFTAR ISI... vii. DAFTAR TABEL...
DAFTAR ISI HALAMAN SAMPUL HALAMAN PENGESAHAN ABSTRAK... i ABSTRACT... iii KATA PENGANTAR...v DAFTAR ISI... vii DAFTAR TABEL... xiii DAFTAR GRAFIK... xxi DAFTAR GAMBAR...xxv BAB I PENDAHULUAN 1.1. Umum...1
Lebih terperinciPEMILIHAN RUTE PADA KORIDOR BANDUNG-BOGOR MENGGUNAKAN MODEL ALL-OR-NOTHING
PEMILIHAN RUTE PADA KORIDOR BANDUNG-BOGOR MENGGUNAKAN MODEL ALL-OR-NOTHING Angga Nugraha Fatharany NRP : 0421059 Pembimbing : Tan Lie Ing, ST.,MT. FAKULTAS TEKNIK JURUSAN TEKNIK SIPIL UNIVERSITAS KRISTEN
Lebih terperinciEVALUASI KINERJA JALAN JENDRAL AHMAD YANI DEPAN PASAR KOSAMBI BANDUNG
EVALUASI KINERJA JALAN JENDRAL AHMAD YANI DEPAN PASAR KOSAMBI BANDUNG Indra Rachman Efendi NRP : 0421076 Pembimbing : Tan Lie Ing, ST., MT. FAKULTAS TEKNIK JURUSAN TEKNIK SIPIL UNIVERSITAS KRISTEN MARANATHA
Lebih terperinciSTUDI VOLUME, KECEPATAN DAN DERAJAT KEJENUHAN PADA RUAS JALAN DR. JUNJUNAN, BANDUNG
STUDI VOLUME, KECEPATAN DAN DERAJAT KEJENUHAN PADA RUAS JALAN DR. JUNJUNAN, BANDUNG Ronald Simatupang NRP : 9821024 Pembimbing : Ir. Silvia Sukirman Ko Pembimbing : Tan Lie Ing, ST, MT. FAKULTAS TEKNIK
Lebih terperinciKAJIAN DAMPAK SKENARIO PARKIR DI BADAN JALAN TERHADAP KINERJA JARINGAN JALAN KOTA BANDUNG
KAJIAN DAMPAK SKENARIO PARKIR DI BADAN JALAN TERHADAP KINERJA JARINGAN JALAN KOTA BANDUNG TUGAS AKHIR Sebagai Salah Satu Syarat Untuk Menyelesaikan Pendidikan Sarjana Teknik S1 Program Studi Teknik Sipil
Lebih terperinciANALISIS KINERJA RUAS JALAN AKIBAT BANGKITAN PERGERAKAN SEKOLAH DASAR NEGERI 2 SANUR
ANALISIS KINERJA RUAS JALAN AKIBAT BANGKITAN PERGERAKAN SEKOLAH DASAR NEGERI 2 SANUR TUGAS AKHIR Oleh : I Made Rastiyana Yudha 1104105111 JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS UDAYANA 2016 ABSTRAK
Lebih terperinciSTUDI VOLUME, KECEPATAN, KERAPATAN, DAN DERAJAT KEJENUHAN PADA RUAS JALAN TERUSAN PASIRKOJA, BANDUNG
STUDI VOLUME, KECEPATAN, KERAPATAN, DAN DERAJAT KEJENUHAN PADA RUAS JALAN TERUSAN PASIRKOJA, BANDUNG Deri Virsandi NRP : 0121106 Pembimbing : Tan Lie Ing, ST., MT. FAKULTAS TEKNIK JURUSAN TEKNIK SIPIL
Lebih terperinciPENGARUH HAMBATAN SAMPING TERHADAP KINERJA JALAN
PENGARUH HAMBATAN SAMPING TERHADAP KINERJA JALAN (Studi kasus : Jalan Ngasem Yogyakarta) Laporan Tugas Akhir Sebagai salah satu syarat untuk memperoleh gelar Sarjana dari Universitas Atma Jaya Yogyakarta
Lebih terperincioleh WAHYUNI PUTRANTO NIM. M SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
PERBANDINGAN METODE GRADIENT DESCENT DAN GRADIENT DESCENT DENGAN MOMENTUM PADA JARINGAN SYARAF TIRUAN BACKPROPAGATION DALAM PERAMALAN KURS TENGAH RUPIAH TERHADAP DOLAR AMERIKA oleh WAHYUNI PUTRANTO NIM.
Lebih terperinciAPLIKASI TEORI GELOMBANG KEJUT DALAM PENENTUAN PANJANG ANTRIAN KENDARAAN PADA LENGAN PERSIMPANGAN BERSINYAL
APLIKASI TEORI GELOMBANG KEJUT DALAM PENENTUAN PANJANG ANTRIAN KENDARAAN PADA LENGAN PERSIMPANGAN BERSINYAL Studi Kasus pada Persimpangan Jl. Ir. H. Juanda - JI. Ganesa Kodya Bandung TESIS MAGISTER Oleh
Lebih terperinciAnalisis Data Panel Tidak Lengkap Model Komponen Error Dua Arah dengan Metode Minimum Variance Quadratic Unbiased Estimation (MIVQUE) SKRIPSI
Analisis Data Panel Tidak Lengkap Model Komponen Error Dua Arah dengan Metode Minimum Variance Quadratic Unbiased Estimation (MIVQUE) (Studi Kasus Model Return Saham Di BEJ) SKRIPSI Oleh: RATIH DWI ASTUTI
Lebih terperinciSTUDI VOLUME, KECEPATAN DAN DERAJAT KEJENUHAN PADA RUAS JALAN ABDULRACHMAN SALEH, BANDUNG
STUDI VOLUME, KECEPATAN DAN DERAJAT KEJENUHAN PADA RUAS JALAN ABDULRACHMAN SALEH, BANDUNG Edianto NRP : 0021118 Pembimbing : Tan Lie Ing, ST, MT. FAKULTAS TEKNIK JURUSAN TEKNIK SIPIL UNIVERSITAS KRISTEN
Lebih terperinciPEMBUATAN PROGRAM BANTU KOMPUTER UNTUK PERHITUNGAN TRAFFIC ASSIGNMENT DENGAN RUMUS COST FUNCTION DAVIDSON (MENGGUNAKAN MICROSOFT VISUAL BASIC 6.
TUGAS AKHIR PS 1380 PEMBUATAN PROGRAM BANTU KOMPUTER UNTUK PERHITUNGAN TRAFFIC ASSIGNMENT DENGAN RUMUS COST FUNCTION DAVIDSON (MENGGUNAKAN MICROSOFT VISUAL BASIC 6.0) KURNIAWAN ADI PUTRANTO 3105.100.027
Lebih terperinciSTUDI HUBUNGAN KECEPATAN, VOLUME DAN KERAPATAN LALU LINTAS DENGAN PENDEKATAN EMPAT MODEL
STUDI HUBUNGAN KECEPATAN, VOLUME DAN KERAPATAN LALU LINTAS DENGAN PENDEKATAN EMPAT MODEL Studi Kasus : Ruas Jl. Gatot Subroto dan Jl. By Pass Ngurah Rai Denpasar Bali TESIS MAGISTER Oleh I WAYAN SUTEJA
Lebih terperinciMODEL REGRESI ROBUST MENGGUNAKAN ESTIMASI S DAN ESTIMASI GS
MODEL REGRESI ROBUST MENGGUNAKAN ESTIMASI S DAN ESTIMASI GS (Studi Kasus Produksi Jagung di Indonesia) Oleh VICTOR SATRIA SAPUTERA M0112089 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciLEMBAR PENGESAHAN TUGAS AKHIR ANALISA KELAYAKAN TEKNIS PEMBANGUNAN JALAN LAYANG (FLY OVER) JATINGALEH
LEMBAR PENGESAHAN TUGAS AKHIR ANALISA KELAYAKAN TEKNIS PEMBANGUNAN JALAN LAYANG (FLY OVER) JATINGALEH Diajukan untuk memenuhi persyaratan dalam menyelesaikan Pendidikan Tingkat Sarjana (S-1) pada Jurusan
Lebih terperinciKAJIAN MODEL PERKIRAAN AWAL BIAYA PADA-PROYEK PENINGKATAN JALAN KABUPATEN DI KABUPATEN SUMEDANG TESIS MAGISTER. Oleh: AGUS SUTOPO NIM :
KAJIAN MODEL PERKIRAAN AWAL BIAYA PADA-PROYEK PENINGKATAN JALAN KABUPATEN DI KABUPATEN SUMEDANG TESIS MAGISTER Oleh: AGUS SUTOPO NIM : 250 92 043 MANAJEMEN REKAYASA KONSTRUKSI JURUSAN TEKNIK SIPIL PROGRAM
Lebih terperinciEVALUASI KINERJA RUAS JALAN COKROAMINOTO AKIBAT BANGKITAN PERGERAKAN DI LOKASI SEMENTARA PASAR BADUNG
152 EVALUASI KINERJA RUAS JALAN COKROAMINOTO AKIBAT BANGKITAN PERGERAKAN DI LOKASI SEMENTARA PASAR BADUNG Muh. Rizky Prabowo Tri Subiran 1), I Wayan Muliawan 1), A.A Rai Asmani K. 1) 1) Jurusan Teknik
Lebih terperinciKINERJA SIMPANG BERSINYAL JALAN KOPO-SOEKARNO HATTA BANDUNG
KINERJA SIMPANG BERSINYAL JALAN KOPO-SOEKARNO HATTA BANDUNG Wida Widiyati NRP: 0721005 Pembimbing: Dr. Budi Hartanto Susilo, Ir., M.Sc. ABSTRAK Salah satu simpang di Kota Bandung yang mengalami kemacetan
Lebih terperinciTUGAS AKHIR EVALUASI KINERJA JALAN CILEDUG RAYA-BLOK M UNTUK PENGEMBANGAN JALUR ANGKUTAN UMUM MASSAL
TUGAS AKHIR EVALUASI KINERJA JALAN CILEDUG RAYA-BLOK M UNTUK PENGEMBANGAN JALUR ANGKUTAN UMUM MASSAL Diajukan sebagai syarat untuk meraih gelar Sarjana Teknik Strata 1 (S-1) Disusun oleh : NAMA : AHMAD
Lebih terperinciKALIBRASI MODEL SEBARAN PERGERAKAN (GRAVITY MODEL) MENGGUNAKAN ADD-IN MICROSOFT EXCEL (SOLVER) Rudy Setiawan 1
KALIBRASI MODEL SEBARAN PERGERAKAN (GRAVITY MODEL) MENGGUNAKAN ADD-IN MICROSOFT EXCEL (SOLVER) Rudy Setiawan 1 1 Dosen Jurusan Teknik Sipil, Universitas Kristen Petra, Jl. Siwalankerto 121-131 Surabaya,
Lebih terperinciZ U L I A S T R I A N I M. I
ESTIMASI MATRIK ASAL TUJUAN (MAT) DARI DATA ARUS LALU LINTAS DENGAN METODE ESTIMASI ENTROPI MAKSIMUM MENGGUNAKAN PIRANTI LUNAK EMME/3 (Studi Kasus Kota Surakarta) Origin-Destination Matrix Estimation From
Lebih terperinci1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Transportasi merupakan kebutuhan turunan dari kegiatan ekonomi, sehingga pertumbuhan ekonomi suatu negara atau wilayah tercermin pada peningkatan intensitas
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Transportasi Pemindahan atau pergerakan adalah hasil dari kebutuhan manusia untuk bergerak dari satu tempat ke tempat lain untuk berbagai aktivitas yang dilakukan oleh manusia.
Lebih terperinciBAB I PENDAHULUAN. Gambar 1.1. Lokasi rumah sakit Royal. Rencana Royal. PT. Katrolin. Bank Central Asia. Jl. Rungkut. Industri I
BAB I PENDAHULUAN 1.1 Latar Belakang Surabaya merupakan kota terbesar kedua di Indonesia setelah Jakarta. Surabaya dengan jumlah penduduk mencapai 3 juta jiwa mengalami pertumbuhan yang sangat pesat di
Lebih terperinciABSTRAK. Kata kunci: keselamatan pengguna jalan, kecepatan pengemudi kendaraan, ZoSS
ABSTRAK Kawasan pendidikan merupakan suatu kawasan yang rentan terjadi kecelakaan lalu lintas dan yang menjadi korban adalah para siswa. Untuk mengantisipasi hal tersebut maka dibuatkanlah Zona Selamat
Lebih terperinciANALISIS KINERJA RUAS JALAN SULTAN SALEH PONTIANAK
ANALISIS KINERJA RUAS JALAN SULTAN SALEH PONTIANAK Laporan Tugas Akhir sebagai salah satu syarat untuk memperoleh gelar sarjana dari Universitas Atma Jaya Yogyakarta Oleh : STEFANUS NANANG RIYADI NPM :
Lebih terperinciPERKEMBANGAN FORMULA ARUS JENUH DI DELAPAN SIMPANG BERSINYAL KOTA BANDUNG
PERKEMBANGAN FORMULA ARUS JENUH DI DELAPAN SIMPANG BERSINYAL KOTA BANDUNG Florian Yohanes NRP: 0721023 Pembimbing: Dr. Budi Hartanto Susilo, Ir., M.Sc. ABSTRAK Pesatnya pertumbuhan jumlah kendaraan bermotor
Lebih terperinciKAJIAN PEMODELAN TARIKAN PERGERAKAN KE GEDUNG PERKANTORAN ( Studi Kasus Kota Surakarta )
KAJIAN PEMODELAN TARIKAN PERGERAKAN KE GEDUNG PERKANTORAN ( Studi Kasus Kota Surakarta ) Modelling Study of Trip Attraction to Office Building ( Case Study Surakarta City ) SKRIPSI Disusun untuk memenuhi
Lebih terperinciPERNYATAAN. Denpasar, Oktober Anak Agung Arie Setiawan NIM
PERNYATAAN Yang bertanda tangan di bawah ini, saya: N a m a : Anak Agung Arie Setiawan NIM : 1204105024 Judul TA : Dampak Bangkitan Lalu Lintas Pasar Kertha Bhoga Terhadap Kinerja Ruas Jalan Pulau Bungin
Lebih terperinciPENGEMBANGAN APLIKASI ESTIMASI UKURAN PERANGKAT LUNAK DENGAN PENDEKATAN FUNCTION POINT ANALYSIS
PENGEMBANGAN APLIKASI ESTIMASI UKURAN PERANGKAT LUNAK DENGAN PENDEKATAN FUNCTION POINT ANALYSIS (FPA) MENGGUNAKAN METODE RAPID APPLICATION DEVELOPMENT (RAD) Diajukan untuk Memenuhi Salah satu Syarat Mencapai
Lebih terperinciKata Kunci: AHP, Algoritma, ANP, Profile Matching, Perbandingan, Rekrutmen. Universitas Kristen Maranatha
ABSTRAK Sistem rekrutmen kepanitiaan ini sebelumnya dikembangkan hanya dengan menggunakan metode profile matching. Guna memberikan perbandingan hasil akhir yang terbaik, maka diberikan tambahan metode
Lebih terperinciANALISIS JARINGAN JALAN DENGAN MENGGUNAKAN PROGRAM EMME/2 DAN ENIF (Studi Kasus : Simpang Jalan Tol Jalan Setia Budi, Jatingaleh Semarang)
HALAMAN PENGESAHAN LAPORAN TUGAS AKHIR ANALISIS JARINGAN JALAN DENGAN MENGGUNAKAN PROGRAM EMME/2 DAN ENIF (Studi Kasus : Simpang Jalan Tol Jalan Setia Budi, Jatingaleh Semarang) ROAD NETWORK ANALYSIS USING
Lebih terperinciPENENTUAN ARUS JENUH DAN WAKTU HILANG DENGAN METODE IRISAN PADA SIMPANG BERSINYAL IR.H.JUANDA-DIPATIUKUR ABSTRAK
PENENTUAN ARUS JENUH DAN WAKTU HILANG DENGAN METODE IRISAN PADA SIMPANG BERSINYAL IR.H.JUANDA-DIPATIUKUR Wretifa Rekanada Syifa NRP : 0821025 Pembimbing : Silvia Sukirman, Ir. ABSTRAK Arus jenuh didefinisikan
Lebih terperinciPERSOALAN OPTIMASI FAKTOR KEAMANAN MINIMUM DALAM ANALISIS KESTABILAN LERENG DAN PENYELESAIANNYA MENGGUNAKAN MATLAB
PERSOALAN OPTIMASI FAKTOR KEAMANAN MINIMUM DALAM ANALISIS KESTABILAN LERENG DAN PENYELESAIANNYA MENGGUNAKAN MATLAB TUGAS AKHIR Sebagai Salah Satu Syarat Memperoleh Gelar Sarjana Teknik Pertambangan Oleh:
Lebih terperinciKAJIAN KUALITATIF UNTUK MEMPERBAIKI PENGARUH PEMBANGUNAN BUSWAY TERHADAP LALU LINTAS EKSISTING (STUDI KASUS RUAS JALAN PANJANG)
Fakultas Teknik Jurusan Sipil Skripsi Sarjana Semester Genap Tahun 2007/2008 KAJIAN KUALITATIF UNTUK MEMPERBAIKI PENGARUH PEMBANGUNAN BUSWAY TERHADAP LALU LINTAS EKSISTING (STUDI KASUS RUAS JALAN PANJANG)
Lebih terperinciPERENCANAAN DAN PEMODELAN TRANSPORTSI
Materi Kuliah PERENCANAAN DAN PEMODELAN TRANSPORTSI --- PEMILIHAN RUTE PERJALANAN --- PENDAHULUAN Setiap pelaku perjalanan mencoba mencari rute terbaik yang meminimumkan biaya perjalanannya. Dari beberapa
Lebih terperinci