2008-2-00460-sp bab 2
DESCRIPTION
transportasiTRANSCRIPT
-
7
BAB 2
TINJAUAN KEPUSTAKAAN
2.1. Gambaran Umum Obyek Penelitian
Gambar 2.1 Lokasi Daerah Studi
(Sumber : Peta Digital Jabotabek ver 2.0)
Gambar 2.2 Detail Lokasi Daerah Studi
-
8
Kawasan perumahan yang dipilih sebagai daerah studi adalah kawasan
Perumahan Ciputat Baru dan Graha Permai yang berada di Kelurahan Sawah
Lama, Ciputat, Tangerang, Banten. Sebagian besar lahan yang ada dipergunakan
untuk pembangunan rumah, sedangkan sisanya dipakai untuk jaringan jalan dan
juga fasilitas umum seperti taman bermain dan tempat peribadatan.
Saat ini kawasan Perumahan Ciputat Baru dan Graha Permai telah dihuni
oleh sekitar 663 kepala keluarga.
2.2. Pemodelan Peramalan Kebutuhan Perjalanan
Pada dasarnya peramalan kebutuhan perjalanan bertujuan untuk
memperkirakan jumlah dan lokasi kebutuhan transportasi (untuk angkutan umum
dan kendaraan pribadi) untuk prediksi masa yang akan datang. Untuk daerah
perkotaan, telah diketahui bahwa sebagian besar perjalanan yang terjadi adalah
berbasiskan rumah (home based trips). Perjalanan yang berbasiskan rumah
adalah perjalanan yang dimulai atau diakhiri di rumah. Oleh karena itu, dengan
membuat suatu pemodelan bangkitan pergerakan dari zona perumahan akan
dapat diperkirakan jumlah pergerakan keluarga per hari dari lokasi tersebut.
(Gunawan, 1999)
Perencanaan transportasi dibutuhkan sebagai konsekuensi dari
pertumbuhan lalu lintas dan perluasan wilayah. Pertumbuhan wilayah kota perlu
direncanakan jika diketahui bahwa penduduk di suatu tempat akan bertambah
dan berkembang pesat sehingga memungkinkan terjadinya peningkatan jumlah
kendaraan. Kondisi lalu lintas pun harus ditinjau kembali apabila kepadatan dan
kemacetan di jalan meningkat, sehingga menyebabkan sistem pergerakan dalam
-
9
suatu wilayah sudah tidak efisien lagi. Pada waktunya, perluasan kota perlu
dikendalikan, apabila diperkirakan sistem transportasi sudah tidak mampu lagi
mendukung perluasan kota tersebut.
Secara umum proses perhitungan kebutuhan perjalanan dilakukan secara
bertahap dimana terdapat berbagai teknik yang berbeda untuk setiap tahapnya.
Metode yang paling luas digunakan adalah metode 4 (empat) tahap atau Four
Stage Method. Bangkitan Perjalanan (Trip Generation) merupakan salah satu
dari tahapan perhitungan yang ada selain Distribusi Perjalanan (Trip
Distribution), Pemilihan Moda (Modal Split), dan Model Pelimpahan Rute
Model merupakan alat bantu atau media yang dapat digunakan untuk
mencerminkan dan menyederhanakan suatu realita untuk mendapatkan tujuan
tertentu, yaitu penjelasan dan pengertian yang lebih mendalam serta untuk
kepentingan peramalan. (Tamin, 2000)
Dalam pemodelan transportasi terdapat beberapa definisi yang sering
digunakan yaitu :
a. Fungsi. Konsep matematis yang digunakan untuk menyatakan bagaimana
satu nilai peubah (tidak bebas) ditentukan oleh satu atau beberapa peubah
lainnnya (bebas).
b. Argumen. Nilai tertentu suatu fungsi dapat dihitung dengan memasukkan
nilali pada peubah (bebas) yang ada dalam fungsi tersebut; peubah bebas
itu disebut argumen.
c. Peubah. Kuantitas yang dapat digunakan untuk mengasumsikan nilai
numerik yang berbeda-beda. Jika suatu huruf digunakan untuk
-
10
menyatakan nilai suatu fungsi, huruf itu disebut peubah tidak bebas; jika
digunakan sebagai argumen suatu fungsi maka disebut peubah bebas.
d. Parameter. Kuantitas yang mempunyai suatu nilai konstan yang berlaku
pada kasus tertentu, yang mungkin mempunyai nilai konstan yang
berbeda-beda pada kasus yang lain.
e. Koefisien. Dalam aplikasi matematika, koefisien mempunyai definisi
yang sama dengan parameter.
f. Kalibrasi. Proses yang dilakukan untuk menaksir nilai parameter atau
koefisien sehingga hasil yang didapat mempunyai galat yang sekecil
mungkin debandingkan dengan hasil yang sebenarnya.
g. Algoritma. Suatu prosedur yang menunjukkan urutan operasi matematika
yang rumit. Biasanya algoritma sering digunakan dalam pembuatan
program komputer. (Primeswari, 2007)
2.3. Model Bangkitan Perjalanan
Tujuan dasar tahap bangkitan perjalanan adalah menghasilkan model
hubungan yang mengaitkan parameter tata guna lahan dengan jumlah pergerakan
yang menuju suatu zona atau pergerakan yang meninggalkan suatu zona. Zona
asal dan tujuan pergerakan biasanya juga menggunakan istilah trip end.
(Tamin,2000)
Tahapan ini biasanya menggunakan data berbasiskan zona untuk
memodelkan besarnya pergerakan yang terjadi (baik bangkitan maupun tarikan),
misalnya tata guna lahan, pemilikan kendaraan, populasi, jumlah pekerja,
-
11
kepadatan penduduk, pendapatan, juga moda transportasi yang digunakan.
(Tamin, 2000)
Bangkitan perjalanan dapat dibedakan menjadi 2 (dua) yaitu :
a. Bangkitan pergerakan (trip production) merupakan suatu pergerakan
berbasis rumah yang mempunyai tempat asal dan/atau tujuan rumah atau
pergerakan yang dibangkitkan oleh pergerakan berbasis bukan rumah.
b. Tarikan pergerakan (trip attraction) merupakan suatu pergerakan berbasis
rumah yang mempunyai tempat asal dan/atau tujuan bukan rumah atau
pergerakan yang dibangkitkan oleh pergerakan berbasis bukan rumah.
(Tamin, 2000)
Penggambaran dari dinamika bangkitan dan tarikan perjalanan dapat
dilihat pada gambar berikut ini :
Gambar 2.3 Bangkitan dan Tarikan Perjalanan (Tamin, 2000)
Tahapan bangkitan pergerakan (trip generation) sering digunakan untuk
menetapkan besarnya bangkitan pergerakan yang dihasilkan oleh rumah tangga
(baik untuk pergerakan berbasis rumah ataupun berbasis bukan rumah) pada
selang waktu tertentu (per jam atau per hari) (Tamin, 2000).
Berikut adalah beberapa faktor yang berpengaruh terhadap besarnya
tahapan bangkitan pergerakan :
Bangkitan
Tarikan
Tarikan
TarikanTarikan
Bangkitan
Bangkitan
Bangkitan
Rumah
Tempat Kerja
Tempat Kerja
Tempat Belanja
-
12
a. Bangkitan perjalanan untuk manusia
Perilaku individu dipengaruhi oleh atribut sosio ekonomi, dimana atribut
yang dimaksud adalah :
- Tingkat Pendapatan
- Tingkat pemilikan kendaraan
- Ukuran dan struktur rumah tangga
- Nilai lahan
- Kepadatan area pemukiman
- Aksesbilitas
Tiga faktor pertama (pendapatan, penilikan kendaraan, struktur dan
ukuran rumah tangga) telah digunakan pada beberapa kajian bangkitan
pergerakan, sedangkan nilai lahan dan kepadatan daerah pemukiman
hanya sering dipakai untuk kajian mengenai zona.
b. Tarikan pergerakan untuk manusia
Faktor yang paling sering digunakan adalah luas lantai untuk kegiatan
industri, komersial, perkantoran, pertokoan, dan pelayanan lainnya.
Faktor lain yang dapat digunakan adalah lapangan kerja, dan studi
tertentu telah memasukkan pengukuran aksesbilitas.
c. Bangkitan dan tarikan pergerakan untuk barang
Pergerakan ini hanya merupakan bagian kecil dari seluruh pergerakan
(20%) yang biasanya terjadi di negara industri. Peubah penting yang
mempengaruhi adalah jumlah lapangan kerja, jumlah tempat pemasaran,
luas atap industri tersebut, dan total daerah yang ada.
-
13
Untuk melakukan analisa bangkitan perjalanan, terdapat berbagai metode
yang dapat digunakan, diantaranya adalah :
a. Metode Faktor Pertumbuhan
Metode pertumbuhan hanya dapat digunakan untuk meramalkan besar
pergerakan eksternal yang masuk ke suatu daerah di masa mendatang.
Hal ini sebabkan karena jumlahnya yang tidak terlalu besar pada saat
awal sehingga galat yang dihasilkannya pun kecil. Selain itu juga tidak
ada cara lain yang sederhana untuk meramalkannya.
b. Metode Analisa Regresi
Analisis regresi linear adalah metode statistik yang dapat digunakan
untuk memperajari hubungan antar sifat permasalahan yang sedang
diselidiki. Model analisis regresi linear dapat memodelkan hubungan
antara dua peubah atau lebih.
c. Metode Klasifikasi Silang
Metode klasifikasi silang atau analisis kategori ini didasarkan pada
adanya keterkaitan antara terjadinya pergerakan dengan atribut rumah
tangga. Akan tetapi analisis kategori mempunyai lebih sedikit batasan
dibandingkan dengan analisis regresi linear, sehingga menimbulkan
sedikit kerugian antara lain data yang diperlukan sangat banyak pada
setiap kategori, dan juga tidak terdapatnya uji statistik untuk menguji
keabsahan model yang terbentuk.
-
14
2.4. Analisa Regresi
Model analisis regresi linear dapat memodelkan hubungan antara 2 (dua)
peubah atau lebih. Pada model ini terdapat peubah tidak bebas (Y) yang
mempunyai hubungan fungsional dengan satu atau lebih peubah bebas (Xi).
(Tamin, 2000)
2.4.1. Regresi Linear Sederhana
Persamaan umumnya adalah sebagai berikut (Tamin, 2000):
BXAY += (pers2.1) Y = peubah tidak bebas
X = peubah bebas
A = intersep atau konstanta regresi
B = koefisien regresi
Jika (pers2.1) akan digunakan untuk memperkirakan bangkitan
pergerakan berbasis zona, semua peubah diidentifikasikan dengan i,
dan jika (pers2.1) akan digunakan untuk memperkirakan tarikan
pergerakan berbasis zona diidentifikasikan dengan d. (Tamin, 2000)
Parameter A dan B dapat diperkirakan dengan menggunakan metode
kuadrat terkecil yang meminimumkan total kuadratis residual antara hasil
model dengan hasil pengamatan. Nilai parameter A dan B bisa
didapatkan dari persamaan berikut. (Tamin, 2000)
= =
= ==
=
N
1i
2N
1ii
2i
N
1i
N
1ii
N
1iiii
)(XN)(XN
)(Y)(X)Y(XNB (pers2.2)
-
15
BXYA = (pers2.3)
dimana Xdan Y adalah nilai rata-rata dari ii Xdan Y
2.4.2. Regresi Linear Berganda
Kadangkala pada beberapa kasus terdapat lebih banyak peubah
bebas dan parameter B. Misalnya, beberapa variabel tata guna lahan
secara simultan ternyata mempengaruhi bangkitan pergerakan. Analisis
regresi linear berganda yang mempunyai persamaan umum seperti
dibawah ini cocok untuk mengetahui hubungan antara sebuah variabel
tidak bebas dengan dua atau lebih variabel bebas.
Bentuk persamaan umum metode analisis regresi linear berganda
adalah sebagai berikut (Tamin, 2000):
zz332211 XB...XBXBXBAY +++++= (pers2.4)
Y = peubah tidak bebas
X1 ... X Z = peubah bebas
A = konstanta regresi
B1 ... BZ = koefisien regresi
Analisis regresi adalah suatu metode statistik. Untuk
menggunakannya, terdapat beberapa asumsi yang perlu diperhatikan :
1. Nilai peubah, khususnya peubah bebas, mempunyai nilai tertentu
atau merupakan nilai yang didapat dari hasil suvei tanpa
kesalahan berarti.
2. Peubah tidak bebas (Y) harus mempunyai hubungan korelasi
linear dengan peubah bebas (X). Jika hubungan tersebut tidak
-
16
linear, transformasi linear harus dilakukan, meskipun batasan ini
akan mempunyai implikasi lain dalam analisis residual.
3. Efek peubah bebas pada peubah tidak bebas merupakan
penjumlahan, dan harus tidak ada korelasi yang kuat antara
sesama peubah bebas.
4. Variansi peubah tidak bebas terhadap garis regresi harus sama
untuk semua nilai peubah bebas.
5. Nilai peubah tidak bebas harus tersebar normal atau minimal
mendekati normal.
6. Nilai peubah bebas sebaiknya merupakan besaran yang relatif
mudah diproyeksikan. (Tamin, 2000).
Dalam melakukan analisis dengan menggunakan model analisis
regresi, terdapat 4 (empat) tahap uji statistik yang mutlak harus dilakukan
agar model yang dihasilkan dinyatakan absah. Keempat uji statistik
tersebut antara lain adalah (Tamin, 2000) :
1. Uji kecukupan data
Uji statistik ini harus dilakukan untuk menentukan jumlah data
minimum yang harus tersedia, baik untuk peubah bebas maupun
peubah tidak bebas. Semakin tinggi tingkat akurasi yang
diinginkan, semakin banyak data yang dibutuhkan. Jumlah data
minimum dapat ditentukan dengan menggunakan persamaan
berikut :
2
2
EZCVN = (pers2.5)
-
17
dengan :
CV = koefisien variasi
E = tingkat akurasi
Z = variansi untuk tingkat kepercayaan yang diinginkan
2. Uji Korelasi
Uji statistik ini dilakukan untuk memenuhi persyaratan model
matematis, yaitu sesama peubah bebas tidak boleh saling
berkorelasi, sedangkan antara peubah tidak bebas dengan peubah
bebas harus ada korelasi yang kuat (baik positif maupun negatif).
Koefisien korelasi dapat dihitung dengan berbagai cara yang salah
satunya adalah sebagai berikut :
=
= == =
= = =N
1i
2N
1ii
2i
N
1i
2N
1ii
2i
N
1i
N
1i
N
1iiiii
)(Y)(YN)(X)(XN
)(Y)(X)Y(XNr (pers2.6)
Persamaan uji korelasi di atas memiliki nilai r (-1 r +1). Nilai r
yang mendekati -1 berarti bahwa kedua peubah tersebut saling
berkorelasi negatif (peningkatan nilai salah satu peubah akan
menyebabkan penurunan nilai peubah lainnya).
Nilai r yang mendekati +1 bebarti bahwa kedua peubah tersebut
saling berkorelasi positif negatif (peningkatan nilai salah satu
peubah akan menyebabkan peningkatan nilai peubah lainnya).
Nilai r yang mendekati 0 berarti bahwa tidak terdapat korelasi
antara kedua peubah tersebut.
-
18
3. Uji Linearitas
Uji statistik ini perlu dilakukan untuk memastikan apakah model
bangkitan pergerakan dapat didekati dengan model analisis regresi
linear atau model analisis tidak linear.
4. Uji Kesesuaian
Uji statistik ini dilakukan untuk menetukan model bangkitan
pergerakan yang terbaik. Pada umumnya, uji ini didasarkan atas
kedekatan atau kesesuaian hasil model dengan hasil observasi.
Dua uji kesesuaian yang paling sering digunakan adalah model
analisis regresi dan model kemiripan maksimum.
Model analisis regresi mengasumsikan bahwa model terbaik
adalah model yang mempunyai total kuadratis residual antara
hasil model dengan hasil pengamatan (observasi) yang paling
minimum.
Meminimumkan =
=N
1i
2ii )Y(YS (pers2.7)
Model kemiripian maksimum mengasumsikan bahwa model
terbaik adalah model yang mempunyai total perkalian peluang
antara hasil model dengan hasil pengamatan (observasi) paling
maksimum (mendekati 1).
Memaksimumkan =
=
N
ii
i
Y
Y1
L (pers2.8)
-
19
Selain itu perlu dilakukan pengujian koefisien deteminasi (R2)
sebagai berikut : Gambar 2.4 memperlihatkan garis regresi dan beberapa
data yang digunakan untuk mendapatkannya. Jika tidak terdapat nilai x,
ramalan terbaikYi adalah Yi . Akan tetapi, gambar memperlihatkan
bahwa untuk xi, galat model tersebut akan tinggi : ( YYi
). Jika
diketahui, ternyata ramalan terbaik Yi menjadi iY
dan hal ini
memperkecil galat menjadi ( ii YY ).
Gambar 2.4 Beberapa Jenis Simpangan
Dari gambar 2.2, didapatkan :
( YYi ) = ( YYi
) + ( ii YY ) (pers2.9)
simpangan total simpangan terdefinisi simpangan tak terdefinisi
-
20
Jika kita kuadratkan total simpangan dan menjumlahkan semua
nilai i di dapat :
( ) i
YY2
i =
i
YY2
i +
i
YY2
ii (pers2.10)
simpangan total simpangan terdefinisi simpangan tak terdefinisi
Karena ( YYi ) = ixb
mudah dilihat bahwa variasi terdefinisi
merupakan fungsi koefisien regresi b . Proses penggabungan total variasi
disebut analisis variansi. Koefisien determinasi didefinisikan sebagai
nisbah antara variasi terdefinisi dengan variasi total :
=
i
2ii
i
2ii
2
)Y(Y
)YY(R (pers2.11)
Koefisien ini mempunyai batas limit sama dengan satu (perfect
explanation) dan nol (non explanation); nilai antara batas limit ini
ditafsirkan sebagai persentase total variasi yang dijelaskan oleh analisis
regresi linear.