ANALISIS DAN PEMBAHASAN

Transkripsi

1 BAB 4 ANALISIS DAN PEMBAHASAN 4.1. Umum Penelitian ini bertujuan untuk menentukan Matriks Asal Tujuan yang dihasilkan dari data arus lalu lintas pada kondisi keseimbangan di Kota Surakarta. Model sebaran pergerakan yang digunakan adalah Model Gravity dengan batasan tarikan perjalanan. Fungsi hambatan (kemudahan atau aksesibilitas) yang digunakan adalah fungsi hambatan Tanner. Perolehan nilai parameter β menggunakan metode kalibrasi Newton-Raphson dan dibantu software Matlab. Untuk memperoleh Matriks Asal Tujuan baru hasil pembebanan dibantu dengan penggunaan aplikasi software EMME/3. EMME/3 merupakan salah satu software yang digunakan sebagai alat bantu untuk mengetahui distribusi arus lalu lintas. Data masukan yang digunakan dalam program ini antara lain data arus lalu lintas (traffic count), prior matriks tahun 2009, dan basis data jaringan jalan yang berupa koordinat node, kapasitas, dan waktu tempuh. Prosedur perhitungan data ruas jalan mengacu pada Manual Kapasitas Jalan Indonesia (MKJI) tahun Pengolahan dan Penyajian Data Pengumpulan Data a. Data Primer Data primer diperoleh dari survey penelitian pada jam puncak pagi ( ) yang dilaksanakan pada tanggal 6 dan 7 November 2013 di beberapa ruas jalan dengan pertimbangan bahwa banyak pengendara melewati ruas jalan tersebut dan dianggap mewakili jaringan jalan Kota Surakarta. Jumlah titik yang disurvey

2 sebanyak 22 titik, sedangkan untuk titik yang lain diperoleh dari hasil perkalian factor pertumbuhan dengan hasil survey tahun terdahulu. Contoh data hasil survey ditampilkan pada Tabel 4.1 dan untuk data hasil survey secara lengkap ditampilkan pada Lampiran B. b. Data Sekunder Data sekunder lainnya yaitu data dari instansi terkait yang berada di wilayah Kota Surakarta, meliputi peta jaringan jalan Kota Surakarta (Gambar 3.1), peta administrasi Kota Surakarta (Gambar 3.2), dan peta pembagian zona Kota Surakarta (Gambar 3.3). Serta basis data jaringan jalan Kota Surakarta dan data MAT awal (prior matrix) hasil penelitian skripsi Estimasi Model Sebaran dari Data Lalu Lintas dengan Metode Steepest Descent Menggunakan Aplikasi Software EMME/3 (Studi Kasus Kota Surakarta) oleh Rahman (2010). Nama Jalan Jl.Yos Sudarso Jl. Dr. Radjiman Node C56 C C54 Tabel 4.1 Tabel Data Hasil Survey tahun 2013 Waktu MC LV HV Jenis Kendaraan Rata-rata kend/jam MC LV HV MC LV HV MC C54 61 LV HV Pembagian Zona Zona merupakan bagian kecil dari suatu sistem tata guna lahan yang dianggap mempunyai keseragaman tata guna lahan atau berada di bawah suatu daerah administrasi tertentu seperti kelurahan, kecamatan atau wilayah. Pada penelitian ini,

3 terdapat 65 zona yang terdiri dari 51 zona internal (seluruh kelurahan di Kota Surakarta) dan 14 zona eksternal (kelurahan sekitar di luar Kota Surakarta). Setiap zona diwakili oleh satu pusat zona (centroid), yang kemudian dihubungkan ke salah satu simpul jaringan jalan (node) dengan penghubung (centroid connector). Kemudian ditentukan titik-titik koordinat seluruh simpul ruas jalan dan pusat zona tersebut. Tabel 4.2 Pembagian Zona Internal 1. Wilayah Kecamatan Laweyan 2. Wilayah Kecamatan Serengan No. Zona Nama Zona No. Zona Nama Zona 701 Karangasem 712 Tipes 702 Jajar 713 Kemlayan 703 Kerten 714 Jayegan 704 Pajang 715 Kratonan 705 Sondakan 716 Serengan 706 Laweyan 717 Danukusuman 707 Bumi 718 Joyotakan 708 Purwosari 709 Penumping 710 Panularan 711 Sriwedari 3. Wilayah Kecamatan Pasar Kliwon 4. Wilayah Kecamatan Banjarsari No. Zona Nama Zona No. Zona Nama Zona 719 Kampung Baru 728 Kadipiro 720 Kauman 729 Banyuanyar 721 Sangkrah 730 Nusukan 722 Kedunglumbu 731 Sumber 723 Baluwarti 732 Gilingan 724 Semanggi 733 Manahan 725 Gajahan 734 Mangkubumen 726 Pasar Kliwon 735 Punggawan 727 Joyosuran 736 Kestalan 737 Ketelan 738 Setabelan 739 Timuran 740 Keprabon 5. Wilayah Kecamatan Jebres No Zona Nama Zona 741 Mojosongo 742 Jebres 743 Tegalharjo 744 Kepatihan Kulon 745 Kepatihan Wetan 746 Purwodingratan 747 Jagalan 748 Pucangsawit 749 Sudiroprajan 750 Gandekan 751 Kampungsewu

4 Tabel 4.3 Pembagian Zona Eksternal No. Zona Nama Zona No. Zona Nama Zona 752 Colomadu 759 Palur Karanganyar 753 Pabelan Kartosuro 760 Plupuh Sragen 754 Makam Haji Kartosuro 761 Jl. Clolo Arah Karanganyar 755 Cemani 762 Arah Purwodadi 756 Solo Baru 763 Ngemplak Boyolali 757 Grogol Sukoharjo 764 Gentan Sukoharjo 758 Bekonang 765 Kebak Kramat Karanganyar Satuan Mobil Penumpang Data yang diperoleh dari hasil survey lalu lintas terdiri dari volume lalu lintas dalam satuan kendaraan, maka diperlukan konversi untuk beberapa jenis kendaraan ke dalam satuan mobil penumpang. Pelaksanaan survei traffic count digunakan interval waktu 5 menitan selama 2 jam sehingga terdapat 24 buah data volume lalu lintas. Data yang dipakai adalah data yang terdapat pada interval jam puncak dengan total tertinggi. Contoh perhitungan disajikan pada Tabel 4.4. Contoh Nama Jalan Jl.Yos Sudarso : Nama jalan : Jl. Yos Sudarso Nomor ruas : 105 C56 Tabel 4.4 Contoh Perhitungan Jumlah Kendaraan pada Jam Puncak Node Waktu Jenis Kendaraan MC C56 LV HV Total MC C LV HV Total Selanjutnya dilakukan konversi untuk mendapatkan jumlah kendaraan pada jam puncak dalam satuan mobil penumpang. Contoh perhitungan dapat dilihat pada Tabel 4.5.

5 Nama Jalan Jl.Yos Sudarso Tabel 4.5 Contoh Konversi Satuan kendaraan/jam ke smp/jam Node Waktu Jenis Faktor Kendaraan Konversi MC 0, C56 LV HV 1, Total MC 0, C LV HV 1, Total Data lengkap konversi dari satuan kendaraan/jam ke satuan mobil penumpang (smp/jam) dapat dilihat pada lampiran C Kapasitas Kapasitas dihitung untuk mengetahui volume maksimum kendaraan perjam yang melalui suatu ruas jalan tertentu. Berikut contoh perhitungan kapasitas sesuai dengan persamaan yang ada pada lampiran A. Contoh perhitungan : Nama jalan : Yos Sudarso Nomo ruas : Tipe operasi : Empat lajur dua arah terbagi (4/2D) Lebar jalan : 14 meter (total dua arah) Hambatan samping : tinggi Lebar bahu : 1 meter Jarak kerb-penghalang : - Jumlah penduduk : jiwa

6 Berdasarkan data di atas, maka pada nomor ruas Dapat ditentukan : a. Kapasitas dasar Co = 1650 b. Faktor penyesuaian lebar lajur FCw = 0,92 c. Faktor penyesuaian pemisah arah FCsp = 1 d. Faktor penyesuaian hambatan samping FCsf = 0,85 e. Faktor penyesuaian ukuran kota FCcs = 0,94 Sehingga kapasitas (smp/jam) C = Co x FCw x FCsp x FCsf x FCcs = 1650 x 0,92 x 1 x 0,85 x 0,94 = 1212,882 Karena ruas tersebut terdiri atas 4 lajur, maka kapasitas total ruas tersebut adalah = 4 x 1212,882 = 4852 Data lengkap tentang perhitungan tentang kapasitas dapat dilihat pada Lampiran D Waktu Tempuh Waktu tempuh merupakan waktu yang dibutuhkan untuk melintasi suatu ruas jalan dalam satuan waktu (detik). Dibawah ini salah satu contoh perhitungan waktu tempuh dengan menggunakan analisis kecepatan pada ruas jalan Contoh perhitungan : Nama jalan : Yos Sudarso Nomo ruas : Tipe operasi : Empat lajur dua arah terbagi (4/2D) Lebar jalan : 14 meter (total dua arah) Hambatan samping : tinggi Lebar bahu : 1 meter

7 Jarak kerb-penghalang : - Jumlah penduduk : jiwa Berdasarkan data di atas, maka pada nomor ruas dapat ditentukan : a. Kecepatan arus bebas dasar Fvo = 57 b. Faktor penyesuaian lebar lajur FVw = -4 c. Faktor penyesuaian pemisah arah FFVsf = 0,81 d. Faktor penyesuaian ukuran kota FFVCcs = 0,95 Sehingga kecepatan arus bebas (km/jam) sebesar : FV = (Fvo + FVw) x FFVsf x FFVCcs = (57-4) x 0,81 x 0,95 = 40,78 Sedangkan untuk menghitung kecepatan pada saat arus mencapai kapasitas, dihitung sebagai berikut: Vc = 0,5 x Vo = 0,5 x 40,78 = 20,39 Dari contoh di atas, maka waktu tempuh pada saat arus bebas (to) dan waktu tempuh pada saat kapasitas (tc) adalah : Ȗªc 3600 Ȗªc , Ȗªc 28,25 ŖȖª Ϝڲ Ȗª 3600 Ȗªc , Ȗªc 56,49 ŖȖª Ϝڲ Data lengkap mengenai waktu tempuh pada saat arus bebas dapat dilihat pada lampiran E.

8 4.3. Analisis dengan Program EMME/ Basis Data Jaringan Jalan Bagian ini berisi masukan data ruas jalan yang terdiri dari node awal dan akhir, waktu tempuh baik pada saat arus bebas maupun pada saat arus mencapai kapasitas, kapasitas dan jarak dengan format seperti berikut. Tabel 4.6 Format Masukan Basis Data Jaringan Jalan Simpul Waktu tempuh pada Awal Akhir Arus Bebas Kapasitas A B (detik) (detik) Total Kapasitas (smp/jam/ruas) Tipe Operasi Jarak (m) ,75 107, ,54 65, ,31 80, ,88 167, ,45 36, ,08 170, Tipe operasi yang dimaksud dalam tabel tersebut adalah jumlah jalur atau arah ruas jalan. Secara lengkap data tipe operasi dapat dilihat pada Lampiran F. Selain itu, data masukan lain yang diperlukan adalah data kordinat. Koordinat diperlukan dalam basis data masukan dalam EMME/3 untuk menggambarkan jaringan yang akan dipakai. Data tersebut terdiri dari data koordinat zona maupun koordinat simpul-simpul jaringan jalan seperti pada Tabel 4.7 berikut. Tabel 4.7 Koordinat Node Kota Surakarta Node Koordinat x Y Data koordinat lebih lengkapnya dapat dilihat pada Lampiran G.

9 Input data dalam EMME/3 dapat dilakukan melalui Network Editor, bagian ini merupakan bagian terpenting dalam program ini, serta menyediakan ruang dalam bentuk peta jaringan (Gambar 4.1). Untuk Editor Toolbar-nya dapat dilihat pada Gambar 4.2. Gambar 4.1 Network Editor Gambar 4.2 Editor Toolbar

10 Data Lalu Lintas Data arus lalu lintas yang akan digunakan sebagai masukan EMME/3 terdiri dari data primer dan data sekunder, data primer yang didapat dari hasil survey (traffic count) pada tahun 2013 yang kemudian dikonversi ke dalam satuan mobil penumpang (smp/jam). Data sekunder didapat dari hasil survey (traffic count) pada tahun 2009 yang dikalikan dengan factor pertumbuhan di Kota Surakarta. Tabel 4.8 Data Arus Lalu Lintas (traffic) tahun 2013 No. Node Arus 1 2 (smp/jam) Berlanjut.

11 Lanjutan. No. Node Arus 1 2 (smp/jam) Sumber : data penelitian tahun 2013 Secara lengkap data arus lalu lintas (traffic) 2013 dapat dilihat pada Lampiran I Data Matrik Awal (prior matrix) Data matrik awal yang digunakan adalah MAT yang berasal dari penelitian sebelumnya yang dilakukan oleh Rahman, (2010). MAT awal diperoleh dengan menggunakan pembebanan wardrop equilibrium. Matrik awal dapat dilihat pada Tabel 4.9.

12 Tabel 4.9 Prior Matrix tahun 2009 (smp/jam) Tujuan Asal SDd commit to user

13 Tujuan Asal Tabel 4.9 Prior Matrix tahun 2009 (smp/jam) (lanjutan) commit to user SDd

14 Tujuan Asal Tabel 4.9 Prior Matrix tahun 2009 (smp/jam)(lanjutan) commit to user SDd

15 Tujuan Asal Tabel 4.9 Prior Matrix tahun 2009 (smp/jam) (lanjutan) commit 0.59 to user SDd

16 Tujuan Asal Tabel 4.9 Prior Matrix tahun 2009 (smp/jam) (lanjutan) commit 8.33 to user SDd

17 Tujuan Asal Tabel 4.9 Prior Matrix tahun 2009 (smp/jam) (lanjutan) commit to user SDd

18 Tabel 4.9 Prior Matrix tahun 2009 (smp/jam)(lanjutan) Tujuan Asal SOi commit 3.96 to user SDd

19 Matrik Baru Hasil EMME/3 Matrik baru tahun 2013 yang akan digunakan dalam proses pemodelan dan pembebanan mengunakan EMME/3 merupakan hasil estimasi matrik dari data matrik awal (prior matrix). Dalam program EMME/3 ini proses estimasi dilakukan dengan modul EMME/3 yang diberi nama Prompt console yang berupa garis perintah (command-line). Pada EMME/3 (Gambar 4.3) matrik hasil estimasi disimpan dalam table matrik mf11 (full matrix 11). Setelah tersimpan dalam mf11 kemudian dipindah ke dalam MS Excel untuk mempermudah dalam menganalisis pergerakan di semua zona. Hasil MAT baru dari proses estimasi dapat dilihat pada Table Gambar 4.3 Matrik Hasil Emme/3

20 Tujuan Asal Tabel 4.10 Matrik Baru Hasil EMME/3 tahun 2013 (smp/jam) commit 2.56 to 2.27 user SDd

21 Tujuan Asal Tabel 4.10 Matrik Baru Hasil EMME/3 tahun 2013 (smp/jam) (lanjutan) commit to user SDd

23 Tujuan Asal Tabel 4.10 Matrik Baru Hasil EMME/3 tahun 2013 (smp/jam) (lanjutan) commit to 0.70 user SDd

24 Tujuan Asal Tabel 4.10 Matrik Baru Hasil EMME/3 tahun 2013 (smp/jam) (lanjutan) commit to 7.80 user SDd

26 Tabel 4.10 Matrik Baru Hasil EMME/3 tahun 2013 (smp/jam) (lanjutan) Tujuan Asal SOi commit to 4.14 user SDd

27 4.4. Kalibrasi Newton-Raphson Kalibrasi Newton-Raphson dilakukan dengan mendapatkan Matrik Biaya (Cid) dan Matrik Perjalanan (Tid) hasil dari traffic count. Kalibrasi Newton-Raphson bertujuan untuk mencari nilai parameter β yang merupakan parameter fungsi hambatan (kemudahan atau aksesibilitas) antar zona. Proses kalibrasi dilakukan dengan bantuan software Matlab yang menghasilkan parameter β sebesar 0,0006. Gambar 4.4 Hasil Parameter Beta Dengan Program Matlab 4.5. Estimasi Matrik dengan Model Gravity Batasan Tarikan Dan Bangkitan Estimasi matrik asal-tujuan perjalanan dilakukan dengan memasukkan nilai parameter β dari hasil kalibrasi pada matriks baru tahun Matrik hasil estimasi dengan Model Gravity Batasan Tarikan dan Bangkitan dapat dilihat pada Table 4.11.

28

29 Tabel 4.11 Matrik Hasil Pemodelan tahun 2013 (smp/jam) Tujuan Asal SDd

30 Tujuan Asal Tabel 4.11 Matrik Hasil Pemodelan tahun 2013 (smp/jam) (lanjutan) commit 7.12 to user SDd

31 Tujuan Asal Tabel 4.11 Matrik Hasil Pemodelan tahun 2013 (smp/jam) (lanjutan) commit to user SDd

33 Tujuan Asal Tabel 4.11 Matrik Hasil Pemodelan tahun 2013 (smp/jam) (lanjutan) commit 7.15 to 9.96 user SDd

35 Tabel 4.11 Matrik Hasil Pemodelan tahun 2013 (smp/jam) (lanjutan) Tujuan Asal SOi commit to user SDd

36 4.6. Pembebanan Matrik ke Jaringan Jalan Matrik baru yang didapatkan dari hasil estimasi kemudian dibebankan ke jaringan jalan Kota Surakarta. Proses pembebanan matrik baru hasil pemodelan tahun 2013 pada jaringan jalan menghasilkan volume lalu lintas di masing-masing ruas jalan di Kota Surakarta. Kemudian beberapa sampel arus lalu lintas hasil pembebanan dibandingkan dengan arus lalu lintas hasil survey untuk mengetahui tingkat validasinya. Tabel 4.12 Perbandingan Arus Lalu Lintas Hasil Survey dengan Arus Hasil Pembebanan No. Node Arus Arus hasil pembebanan 1 2 (smp/jam) (smp/jam) , , , ,185, , , ,649, , ,301, ,785, , ,574, ,710, , ,736, , , ,024, ,592, , Sumber: data penelitian 2013

37 Secara lengkap data arus lalu lintas (traffic count) 2013 dan arus hasil pembebanan dapat dilihat pada Lampiran I Uji Validasi Dari tabel perbandingan arus hasil traffic count dengan arus hasil pembebanan yang ditampilkan pada Lampiran I, kemudian dilakukan uji validasi dengan menggunakan analisis regresi linier. Nilai koefisien determinasi (R 2 ) dari perbandingan arus hasil traffic count dan arus hasil pembebanan sebesar 0,77 terjadi galat sebesar 0,23. Nilai validasi tergolong dalam kategori tinggi, bila dilihat pada pembagian tingkat validitas berdasarkan besar nilai R² yaitu sebagai berikut: 0,80 1,00 : sangat tinggi 0,60 0,80 : tinggi 0,40 0,80 : cukup tinggi 0,20 0,40 : rendah 0,00 0,20 : sangat rendah (tidak valid) Galat yang terjadi dapat dipengaruhi oleh keterbatasan jumlah data, dimana jumlah data yang dibutuhkan cukup banyak dan membutuhkan biaya yang cukup besar untuk mendapatkan data tersebut. Gambar 4.5 Grafik Uji Validasi Volume Lalu Lintas

38 4.8. Pembahasan Fungsi Hambatan Proses kalibrasi Newton-Raphson dengan menggunakan software MATLAB memberikan hasil nilai parameter β yang merupakan fungsi hambatan sebesar 0, Estimasi Matrik Asal-Tujuan Perjalanan Tertulis dalam dasar teori, Model Gravity dengan batasan tarikan pergerakan yang digunakan untuk mengestimasi Matrik Asal-Tujuan Perjalanan harus menghasilkan total pergerakan yang sama dengan hasil estimasi menggunakan program EMME/3. Total tarikan pergerakan (Dd) dan bangkitan pergerakan (Oi) yang dihasilkan dengan pemodelan juga harus sama dengan hasil tarikan dan bangkitan pergerakan yang diinginkan. Berdasarkan teori ini, jika dilihat pada Tabel 4.10 dan Tabel 4.11 total pergerakan yang terjadi antara MAT tahun 2013 hasil EMME/3 dengan MAT tahun 2013 setelah dimodelkan memiliki nilai yang sama yakni sebesar 37298,98 smp/jam. Dari estimasi matriks juga dapat dilakukan pengamatan terhadap pergerakan dari setiap zona. Besarnya pergerakan dapat dapat dilihat dalam bentuk desire line/garis keinginan seperti pada Gambar 4.6. Pada gambar tersebut pergerakan internalnya digambarkan antar kecamatan sehingga terdapat 5 titik pada zona internal. Sedangkan pergerakan eksternal dibagi berdasarkan letak zona yang saling berdekatan, yaitu 4 titik di luar Kota Surakarta. Pergerakan yang tinggi digambarkan dalam garis yang tebal, sedangkan garis tipis digunakan untuk menggambarkan pergerakan yang tidak begitu tinggi.

39 Gambar 4.6 Garis Keinginan (Desire Line) Pembebanan Lalu Lintas Kota Surakarta tahun 2013

40 Untuk lebih mempermudah dalam mengamati pergerakan arus lalu lintas Kota Surakarta, dapat dilakukan dengan melihat grafik jumlah tarikan dan bangkitan serta grafik pergerakan antar zona pada Gambar 4.7, 4.8 dan 4.9 yang menggambarkan pergerakan yang terjadi Jumlah Tarikan dan Bangkitan Pergerakan Pada Zona Internal tarikan Jumlah Pergerakan (smp/jam) Zona bangkitan Gambar 4.7 Jumlah Tarikan dan Bangkitan Pergerakan Pada Zona Internal Gambar 4.7 menggambarkan tentang pergerakan yang terjadi pada zona internal dengan jumlah tarikan dan bangkitan pergerakan arus lalu lintas tertinggi terjadi pada zona 708 yakni Kelurahan Purwosari dengan jumlah tarikan sebesar 2173,814 smp/jam dan jumlah bangkitan sebesar 1663,153 smp/jam. Hal tersebut dikarenakan Kelurahan Purwosari adalah daerah pemukiman padat penduduk serta banyak terdapat pertokoan. Sedangkan jumlah tarikan dan bangkitan pergerakan arus lalu lintas terendah terjadi pada zona 702 yakni Kelurahan Jajar dengan jumlah tarikan sebesar 118,416 smp/jam dan jumlah bangkitan sebesar 47,259 smp/jam

41 Jumlah Tarikan dan Bangkitan Pergerakan Pada Zona Eksternal Jumlah Pergerakan (smp/jam) tarikan bangkitan Zona Gambar 4.8 Jumlah Tarikan dan Bangkitan Pergerakan Pada Zona Eksternal Gambar 4.8 menggambarkan tentang pergerakan yang terjadi pada zona eksternal dengan jumlah tarikan pergerakan arus lalu lintas tertinggi terjadi pada zona 759 yakni Daerah Palur Karanganyar dengan jumlah tarikan pergerakan sebesar 3796,578 smp/jam. Jumlah bangkitan pergerakan arus lalu lintas tertinggi terjadi pada zona 752 yakni Daerah Colomadu dengan jumlah bangkitan pergerakan sebesar 3186,978 smp/jam. Sedangkan jumlah tarikan pergerakan arus lalu lintas terendah terjadi pada zona 760 yakni Daerah Plupuh Sragen dengan jumlah tarikan pergerakan sebesar 306,358 smp/jam. Jumlah bangkitan pergerakan arus lalu lintas terendah terjadi pada zona 753 yakni Daerah Pabelan Kartosuro dengan jumlah bangkitan pergerakan sebesar 193,727 smp/jam.

42 Grafik Pergerakan Antar Zona Intrazona 2013 Jenis Pergerakan external - external external - internal internal - external Internal - internal Jumlah Pergerakan (smp/jam) Gambar 4.9 Grafik Pergerakan Antar Zona Gambar 4.9 menggambarkan tentang pola pergerakan yang terjadi pada daerah antar zona. Dalam bentuk persentase, besarnya pola pergerakan antar zona diperoleh sebagai berikut : a. Internal-Internal : 24,67 % b. Internal-Eksternal : 23,54 % c. Eksternal-Internal : 27,26 % d. Eksternal-Eksternal : 17,25 % e. Intrazona : 7,28 % Persentase besarnya nilai pergerakan arus lalu lintas tertinggi terjadi pada pergerakan eksternal ke internal yakni sebesar 27,26% dengan total pergerakan sebesar 10162,96 smp/jam. Sedangkan persentase besarnya nilai pergerakan arus lalu lintas terendah terjadi pada pergerakan intrazona sebesar 7,28% dengan total pergerakan sebesar 2715,03 smp/jam.

43 Hal ini terjadi dapat dikarenakan banyak masyarakat dari daerah yang bekerja dan bersekolah di Kota Surakarta. Selain itu, banyak pusat perbelanjaan dan pariwisata yang mengundang minat masyarakat dari luar kota untuk singgah dan berkunjung ke Kota Surakarta. Hal ini memberi gambaran bahwa Kota Surakarta merupakan daerah tarikan yang disebabkan oleh kemajuan sektor ekonomi, pariwisata, dan pendidikan. Dari grafik-grafik di atas, pergerakan zona internal-eksternal dan internal-internal juga sangat berpengaruh di dalam Kota Surakarta. Oleh karena itu, penambahan jalur luar kota berupa tol serta pengurangan hambatan samping di dalam kota sangat diperlukan untuk mengurangi kemacetan di Kota Surakarta.

Menunjukkan lagi