analisis tundaan kendaraan di simpang tiga tidak bersinyal...
TRANSCRIPT
Konferensi Nasional Teknik Sipil 12 Batam, 18-19 September 2018
ISBN: 978-602-60286-1-7 TR - 59
ANALISIS TUNDAAN KENDARAAN DI SIMPANG TIGA TIDAK BERSINYAL
BERBASIS MIKRO SIMULASI
Sumarni Hamid Aly1, Muralia Hustim2, dan Andi Auliya Wahab3
1Departemen Teknik Sipil, Universitas Hasanuddin, Jl. P. Kemerdekaan Km. 10 Makassar
Email: [email protected] 2Departemen Teknik Sipil, Universitas Hasanuddin, Jl. P. Kemerdekaan Km. 10 Makassar
Email: [email protected] 3Departemen Teknik Sipil, Universitas Hasanuddin, Jl. P. Kemerdekaan Km. 10 Makassar
Email: [email protected]
ABSTRAK
Simpang Jalan AP. Pettarani-Sultan Alauddin merupakan simpang tiga tidak bersinyal, terletak diujung
jalan AP. Pettarani dan sebagai salah satu akses dari kabupaten Gowa menuju Kota Makassar. Sebagai
simpang yang melayani pergerakan kendaraan baik yang berasal dari luar kota maupun dalam kota
Makassar, maka potensi kemacetan lalu lintas cukup tinggi khususnya tundaan kendaraan di simpang.
Penelitian ini bertujuan untuk menganalisis tundaan kendaraan berdasarkan analisis mikro-simulasi.
Tundaan kendaraan merupakan salah satu indikator kemacetan arus lalu lintas di simpang. Data primer
yang diperlukan adalah volume arus lalu lintas, kecepatan kendaraan, dan kondisi geometrik simpang.
Pengumpulan data volume lalu lintas dilakukan dengan menggunakan vidio, pengukuran kecepatan
kendaraan menggunakan speed gun, dan pengumpulan data geometrik simpang diukur menggunakan
rol meter. Waktu pengumpulan data dimulai dari pukul 06.00-18.00 WITA. Analisis tundaan kendaraan
di simpang menggunakan perangkat lunak mikro-simulasi PTV Vissim versi-8. Tundaan kendaraan
dianalisis pada kondisi eksisting dan simpang diberi fasilitas Alat Pengatur Isyarat Lampu Lalu Lintas
(APILL). Hasil model micro-simulasi menunjukkan bahwa tundaan kendaraan dengan fasilitas APILL
lebih lama dibandingkan simpang tanpa APILL pada pendekat Timur, dan lebih rendah 4% pada
pendekat Utara dengan APILL. Kedua nilai ini tidak berbeda signifikan.
Kata kunci: Makassar, Microsimulasi, Simpang tiga tidak bersinyal, Tundaan Kendaraan, Vissim,
1. PENDAHULUAN
Kinerja suatu simpang merupakan faktor utama dalam menentukan penanganan yang paling tepat untuk
mengoptimalkan fungsi simpang terutama pada simpang tidak bersinyal dimana pengguna dalam mengambil tindakan
kurang mempunyai petunjuk yang positif dan lebih agresif memutuskan untuk bermanuver memasuki simpang tidak
bersinyal. Kondisi lalu lintas simpang dengan kepadatan tinggi terutama pada simpang tidak bersinyal menyebabkan
tundaan kendaraan berpotensi lebih lama.
Kondisi lalu lintas simpang pada ruas Jalan A.P. Pettarani terkhusus pada simpang jalan AP. Pettrani-jalan Sultan
Alauddin sebagai salah satu akses dari kabupaten Gowa ke kota Makassar juga cenderung terjadi tundaan kendaraan
dimana menurut Nurhayati, dkk (2013) Level of Service simpang tidak bersinyal ini termasuk kategori D.
Simpang Jalan A.P. Pettarani-Jalan Sultan Alauddin sebelumnya merupakan simpang bersinyal, namun setelah
beberapa tahun terakhir terjadi perubahan menjadi simpang tak bersinyal. Oleh karena itu dalam penelitian ini telah
menganalisis simpang tidak bersinyal ini sesuai kondisi eksisting dan dengan mensimulasi menambahkan kembali
fasilitas APILL (Alat pengatur isyarat lampu lalu lintas). Sehingga penelitian ini bertujuan menganalisis tundaan
kendaraan dengan menggunakan perangkat lunak VISSIM berbasis model mikro-simulasi. Dengan perangkat lunak
VISSIM, berbagai parameter dapat ditinjau sehingga analisis tundaaan kendaraan lebih komprehensif.
2. TINJAUAN PUSTAKA
Simpang merupakan pertemuan dari dua atau lebih ruas jalan yang berfungsi untuk mengarahkan kendaraan
melakukan perubahan arah. Simpang adalah bagian dari suatu jaringan jalan yang kritis dalam memberi pelayan pada
arus lalu lintas (Soedirdjo, 2012).
TR - 60
ISBN: 978-602-60286-1-7
Tipe Simpang
Menurut Morlok (1988), tipe simpang berdasarkan metode pengaturannya dapat dikelompokkan menjadi 2 (dua) jenis,
yaitu: a. Simpang jalan tanpa sinyal, yaitu simpang yang tidak memakai sinyal lalu lintas, dan
b. Simpang jalan dengan sinyal, yaitu pemakai jalan dapat melewati simpang sesuai dengan pengoperasian sinyal
lalu lintas
Tundaan Kendaraan di simpang
Tundaan kendaraan yang terjadi disimpang adalah total waktu hambatan rata-rata yang dialami oleh kendaraan
sewaktu melewati suatu simpang (Tamin. O.Z, 2000).
Konsepsi Model Mikro-simulasi
Konsep model simulasi sangat sering sekali digunakan dalam merencanakan sebuah kegiatan transportasi khusunya
yang bersifat dinamis dan sangat luas seperti kondisi dan situasi lalu lintas. Kondisi lalu lintas yang sangat luas dan
mempunyai berbagai macam karakteristik serta parameter yang banyak sehingga diperlukan pendekatan model
simulasi sebagai bentuk penyederhanaan dari sebuah permasalahan kompleks tersebut.
Konsep Mikro Simulasi Lalu Lintas Berbasis Vissim
Mikro-simulasi mampu mensimulasikan perilaku kendaraan individu dalam jaringan jalan yang telah ditetapkan dan
digunakan untuk memprediksi kemungkinan dampak dari perubahan pola lalu lintas yang dihasilkan dari perubahan
arus lalu lintas atau dari perubahan lingkungan fisik disekitar jalan. Dalam konsep mikro-simulasi dikenal model yang
digunakan pada alat mikro-simulasi yaitu car following model.
Car Following Model (CFM) merupakan model yang digunakan untuk mengontrol perilaku pengendara atau
pengemudi terhadap pengendara yang lainnya yang berada pada jalur yang sama, model ini dikembangkan oleh Gipps
(1981).
Model CFM itu sendiri membedakan kendaraan berdasarkan kecepatannya yaitu kecepatan kendaraan dibatasi oleh
kendaraan sebelumnnya dan kecepatan kendaraan ditentukan oleh keinginanan pengemudi itu sendiri sehingga dapat
menyebabkan kecelakaan, ketika kendaraan yang melaju tidak dibatasi oleh kendaraan sebelumnya dianggap
kendaraan sedang melaju pada jalur bebas hambatan (freeway) (John Janson & A. Tapani, 2004). Dalam model ini
ada dua model yang digunakan pada alat mikro-simulasi vissim yaitu Car Following weidemann 74 dan Car
Following weidemann 99.
Gambar 1. Ilustrasi Car Following Model
a. Car Following Weidemann 74 (CFM W 74)
Model CFM W 74 ini banyak digunakan untuk analisis jalan perkotaan karena pengemudi selalu memperhatikan
kecepatan pengemudi sebelumnya sehingga terjadi interaksi antar tiap individu-individu pengendara.
b. Car Following Weidemann 99 (CFM W 99)
Model CFM W 99 banyak digunakan untuk analisis jalan bebas hambatan karena pengemudi selalu dalam menentukan
kecepatan tidak memperhatikan kendaraan sebelumnya, sehingga pengemudi bebas menentukan kecepatannya
masing-masing.
Parameter Mikro-Simulasi Lalu Lintas Berbasis Vissim
Parameter mikro-simulasi berbasis vissim merupakan nilai yang digunakan dalam melakukan proses kalibrasi dan
validasi dalam permodelan simulasi lalu lintas (Tutorial Ptv Vissim 8). Parameter yang dipilih pada permodelan antara
lain:
TR - 61
ISBN: 978-602-60286-1-7
a. Standstill Distance in Front of Obstacle yaitu parameter jarak aman ketika kendaraa berhenti akibat kendaraan
yang berhenti atau melakukan perlambatan akibat ada hambatan (m).
b. Observed Vehicle In Front yaitu parameter jumlah kendaraan yang diamati oleh pengemudi ketika ingin
melakukan pergerakan atau reaksi. Nilai default parameter ini adalah satu, dua, tiga, dan empat (unit kendaraan).
c. Minimum Headway yaitu jarak minimum yang tersedia bagi kendaraan yang didepan untuk melakukan
perpindahan lajur atau menyiap. Nilai default berkisar sampai 0.5-3 meter.
d. Lane Change Rule yaitu model perilaku pengemudi pada saat melintas, untuk lalu lintas heterogen sangat cocok
menggunakan model Free Lane Change yang memungkinkan kendaraan menyiap dengan bebas.
e. Overtake at Same Line yaitu perilaku pengemudi kendaraan yang ingin menyiap pada lajur yang sama baik dari
sisi sebelah kanan mau pun sisi sebelah kiri.
f. Desired Lateral Position yaitu posisi kendaraan pada saat berada di lajur artinya kendaraan dapat berada disamping
kiri maupun samping kanan kendaraan yang lain.
g. Lateral Minimum Distance yaitu jarak aman pengemudi pada saat berada di samping kendaraan yang lain.
Parameter ini dibagi menjadi dua bagian yaitu jarak kendaraan ketika berada di kecepatan 0 km/jam dan 50 km/jam
artinya nilai parameter untuk parameter ini berbeda, nilai default untuk parameter ini berkisar antara 0.2 sampai 1
m .
h. Safety Distance Reduction yaitu jarak aman antar kendaraan didepan dan dibelakang atau jarak gap dan clearing
antar kendaraan, ini merupakan parameter yang sangat menentukan karena tiap kondisi lalu lintas mempunyai nilai
jarak aman yang berbeda.
Konsep Kalibrasi dan Validitas Model Simulasi
Validasi pada Vissim merupakan proses pengujian kebenaran dari kalibrasi dengan membandingkan hasil observasi
dan hasil simulasi. Proses kalibrasi dan validasi dilakukan berdasarkan jumlah volume arus lalu lintas dan panjang
antrian.
Metode yang digunakan adalah dengan menggunakan rumus dasar Chi-square dan rumus statistik Geoffrey E. Havers
(GEH). Uji Chi- square dilakukan dengan membandingkan antara mean hasil simulasi dengan mean hasil observasi.
Rumus umum Chi- square (x2) dapat dilihat pada persamaan 1 (Hidayat, 2012):
𝑥2 = ∑ |𝑜𝑖− 𝐸𝑖
𝐸𝑖|
𝑘
𝑖=1
2 (1)
dimana:
Oi = data observasi, Ei = data simulasi
Tingkat signifikan dengan derajat keyakinanan Uji Chi-square sebesar 95% atau α = 0.05 dan kriteria uji yaitu hasil
diterima apabila Chi- square hitung ≤ tabel Chi- square.
Sedangkan rumus GEH merupakan rumus statistik modifikasi dari Chi-square dengan menggabungkan perbedaan
antara nilai relatif dan mutlak. Rumus GEH sendiri dapat dilihat pada persamaan 2 (Gustavsson, dalam Putri, 2015)
dan memiliki ketentuan khusus dari nilai error yang dihasilkan seperti dalam Tabel 1.
𝐺𝐸𝐻 = √(𝑞𝑠𝑖𝑚𝑢𝑙𝑎𝑡𝑒𝑑 −𝑞𝑜𝑏𝑠𝑒𝑟𝑣𝑒𝑑)2
0,5 𝑥 (𝑞𝑠𝑖𝑚𝑢𝑙𝑎𝑡𝑒𝑑 + 𝑞𝑜𝑏𝑠𝑒𝑟𝑣𝑒𝑑) (2)
dimana:
q = volume arus lalu lintas (kendaraan/jam)
Tabel 1. Rumus statistik GEH (Geoffrey E. Havers)
Nilai GEH Keterangan
GEH < 5,0 Diterima
5,0 GEH 10,0 peringatan: kemungkinan model eror atau data buruk
GEH > 10,0 Ditolak
TR - 62
ISBN: 978-602-60286-1-7
3. METODE PENELITIAN
Skema penelitian yang dilakukan dapat dilihat pada bagan alir metode penelitian sebagaimana yang dijelaskan pada
Gambar 2.
Gambar 2. Diagram alir prosedur penelitian
Lokasi Penelitian
Penelitian berlokasi disalah satu simpang di kota Makassar, simpang Pettarani-Alauddin seperti yang terlihat pada
Gambar 3. Pada Gambar 3a dan Gambar 3b ditunjukkan denah dan situasi simpang jalan AP. Pettarani-jalan Sultan
Alauddin.
(Sumber: Open Street Map, 2016) (Sumber: Hasil Survei Lapangan, 2016)
(a) Lokasi Penelitian (b) Denah Simpang
Gambar 3. Lokasi Penelitian dan Denah Simpang Simpang Jalan A.P. Pettarani-Jalan Sultan Alauddin
Metode Survei dan Analasis Micro-simulasi
Beberapa survei yang dilakukan pada penelitian ini yang dirangkum dalam Tabel 2 berikut:
Tabel 2. Jenis survei, lokasi, waktu dan alat yang digunakan
Jenis Survei Lokasi Survei Waktu Survei Alat yang digunakan
Inventaris Pada Simpang di ke 4 pendekat
Simpang Jalan
A.P. Pettarani –
Jalan Sultan
Alauddin
05.30 Wita rol meter, formulir survei dan alat tulis
Volume Kendaraan 06.00 – 18.00 Wita Handycam dan tripot
Kecepatan Kendaraan 06.00 – 18.00 Wita speed gun
Panjang Antrian 06.00 – 18.00 Wita
Analisis micro-simulasi dilakukan dengan PTV Vissim 8 yang berfungsi untuk mensimulasikan model persimpangan.
Untuk mengimplementasikan model mikro-simulasi agar hasil analisis sesuai dengan realita di lapangan maka langkah
awal akan dibentuk nilai-nilai parameter dalam model simulasi yaitu proses kalibrasi dengan metode trial and error
dan hasil analisis Uji GEH (Geoffrey E. Havers).
Parameter yang ada pada vissim dan sesuai dengan kondisi lalu lintas heterogen yang terpilih dan dilakukan proses
kalibrasi terhadap volume kendaraan pada periode jam puncak (peak hour) yaitu jam puncak pagi, siang, dan sore.
Adapun langkah-langkah kerja program PTV Vissim dapat dilihat pada Gambar 4.
TR - 63
ISBN: 978-602-60286-1-7
Gambar 4. Diagram alir micro-simulasi PTV Vissim
4. HASIL DAN PEMBAHASAN
Komposisi Kendaraan Pada Simpang
Jenis kendaraan ringan dikategorikan dalam beberapa jenis yaitu City car small, City car big, Sedan, MVP (Multi
Purpose Vehicle), SUV (Sport Utility Vehicle), Angkutan, dan Pick Up. Jenis kendaraan berat dikategorikan dalam
beberapa jenis yaitu Bus Pariwisata, Bus Mamminasata, Truk 2AS, Truk 3AS, Truk 4AS, dan Trailer. Jenis sepeda
motor dikategorikan dalam beberapa jenis yaitu Motor Bebek, Motor Matic, dan Motor Sport.
Komposisi kendaraan di simpang 3 ini didominasi oleh sepeda motor sebesar 76,10%, kendaraan ringan 33,40% dan
kendaraan berat 1,50%. Komposisi kendaraan pada pendekat timur untuk arah pergerakan lurus, belok kanan, dan
memutar diperlihatkan pada Gambar 5a, 5b, dan 5c.
a. Arah lurus b. Arah belok kanan c. Arah memutar
Gambar 5. Komposisi kendaraan pada pendekat timur
Untuk rincian komposisi kendaraan terbanyak perkategori sebagaimana pada Gambar 5 diperoleh sepeda motor matic
berkisar antara 21%-39%, motor bebek antara 23%-46%, kendaraan ringan SUV berkisar antara 2%-9%, angkutan
umum tipe mikrolet 2%-4%, dan kendaraan berat truck 2 as berkisar 5%-13%, truck 3 as 4%-11%.
Komposisi kendaraan pada pendekat Barat per jam untuk arah pergerakan belok kiri dan memutar diperlihatkan pada
Gambar 6a dan 6b, sebagai berikut:
a. Arah belok kiri b. Arah memutar
Gambar 6. Komposisi kendaraan pada pendekat barat
TR - 64
ISBN: 978-602-60286-1-7
Untuk rincian komposisi kendaraan terbanyak perkategori sebagaimana pada Gambar 6 diperoleh sepeda motor matic
berkisar antara 23%-39%, motor bebek antara 24%-43%, kendaraan ringan SUV berkisar antara 3%-4%, angkutan
umum tipe mikrolet 2%-3%, dan kendaraan berat truck 2 as berkisar 3%-14%, truck 3 as 3%-10%.
Komposisi kendaraan pada pendekat Utara per jam untuk arah pergerakan belok kanan, belok kiri dan memutar
diperlihatkan pada Gambar 7a dan 7b.
a. Arah belok kanan b. Arah belok kiri c. Arah memutar
Gambar 7. Komposisi kendaraan pada pendekat utara
Rincian komposisi kendaraan terbanyak perkategori sebagaimana pada Gambar 7 diperoleh sepeda motor matic
berkisar antara 3%-36%, motor bebek antara 8%-37%, kendaraan ringan SUV berkisar antara 3%-5%, angkutan
umum tipe mikrolet 28%-64%, dan kendaraan berat truck 2 as berkisar 7%-16%, truck 3 as 6%-13% serta bus berkisar
antara 3%-7%.
Volume Kendaraan Pada Simpang
Volume arus lalu lintas pada masing-masing pendekat simpang menunjukkan arus kendaraan yang melintasi simpang,
untuk lengkapnya diperlihatkan volume kendaraan secara visualisasi pada Gambar 8a, Gambar 8b, dan Gambar 8c.
a. Pendekat Timur b. Pendekat Barat c. Pendekat Utara
Gambar 8. Volume kendaraan di simpang Jalan A.P. Pettarani-Sultan Alauddin
Mikro-Simulasi Lalu Lintas di Simpang
Nilai kalibrasi dan hasil kalibrasi terhadap 9 parameter vissim yang terpilih diperlihatkan dalam Tabel 3 berikut:
Tabel 3. Nilai kalibrasi 9 parameter vissim pada simpang
No. Parameter Periode Waktu Pengamatan
07.00 –08.00 08.00 –09.00 12.00 –13.00 13.00 –14.00 16.00 -17.00 17.00 -18.00
1. Average Standstill Distance (m)
0.3 0.5 0.5 0.6 0.5 0.5
2. Add. Part of Desired
Safety Distance (m) 0.5 0.5 0.5 0.5 0.5 0.5
3. No.of Observed Vehicle
2 2 2 2 2 2
4. Minimum Headway (s) 0.50 0.50 0.50 0.50 0.50 0.50
5. Lane Change Rule Free Lane
Change
Free Lane
Change
Free Lane
Change
Free Lane
Change
Free Lane
Change
Free Lane
Change
6. Overtake at Same Line Yes yes yes yes Yes yes
7. Desired Lateral Position
Any any any any Any any
8. Lateral Distance
Standing (m) 0.2 0.2 0.2 0.2 0.2 0.2
9. Lateral Distance
Driving (m) 0.4 0.4 0.6 0.5 0.5 0.5
TR - 65
ISBN: 978-602-60286-1-7
Dalam Tabel 3 menyajikan 9 parameter vissim terpilih beserta nilai kalibrasi dan hasil kalibrasi tersebut
memperlihatkan beberapa parameter memiliki nilai yang sama untuk setiap periode jam seperti parameter 2 sampai
dengan 9, sedangkan parameter 1 dan 9, yaitu Average Standstill Distance dan Lateral Distance Driving memiliki
nilai parameter yang berbeda-beda.
Hasil observasi, hasil kalibrasi model mikro-simulasi dan uji Geoffrey E. Havers (GEH) untuk setiap periode jam di
masing-masing pendekat Timur, Barat, Utara dan U-Turn di pendekat Barat disajikan dalam Tabel 4 serta secara
visualisasi ditunjukkan pada Gambar 9 sebagai berikut.
Tabel 4. Volume arus lalu lintas hasil obervasi, kalibrasi model dan Uji GEH
Periode
Volume Arus Lalu Lintas (smp/jam)
Hasil Model Observasi Uji GEH
Timur Barat Barat
U-Turn Utara Timur Barat
Barat
U-Turn Utara Timur Barat
Barat
U-Turn Utara
07.00–08.00 5.020 3.580 253 4.511 5.063 3.483 268 4.375 0,61 1,63 0,93 2,04 Diterima
08.00–09.00 4.860 4.234 291 4.688 4.833 4.135 354 4.375 0,39 1,53 3,51 4,65 Diterima
12.00–13.00 4.484 3.243 499 4.019 4.548 3.190 564 3.807 0,95 0,83 2,82 3,39 Diterima
13.00–14.00 3.663 3.533 683 4.498 3.722 3.449 721 4.212 0,97 2,42 1,43 4,33 Diterima
16.00–17.00 4.536 3.653 673 4.896 4.603 3.557 735 4.580 0,99 1,59 2,34 4,59 Diterima 17.00–18.00 4.267 3.293 894 4.422 4.322 3.241 967 4.173 0,84 0,91 2,39 3,79 Diterima
Dalam Tabel 4 terlihat bahwa volume arus lalu lintas hasil obeservasi dan model mikro-simulasi dengan Uji Geoffrey
E. Havers pada simpang Jalan A.P.Pettarani-Sultan Alauddin telah terkalibrasi dengan baik untuk semua pendekat
dan hasilnya diterima. Volume arus lalu lintas terbesar 5.063 smp/jam (hasil observasi) atau 5.020 smp/jam (hasil
model mkro-simulasi) terjadi di simpang Timur pada periode waktu 07.00–08.00 dengan nilai uji GEH 1,63. Volume
arus lalu lintas terendah 268 smp/jam (hasil observasi) atau 253 smp/jam (hasil model mkro-simulasi) terjadi di
simpang Barat U-Turn pada periode waktu 07.00–08.00 dengan nilai uji GEH 2,04.
a. Sebelum kalibrasi model-simulasi b. Setelah kalibrasi model-simulasi
Gambar 9. Visualisasi 3D mikro-simulasi di simpang
Perubahan volume arus lalu lintas dan situasi kendaraan yang terjadi pada Gambar 9 adalah hasil kalibrasi model-
simulasi dengan mengubah nilai parameter perilaku pengendara (driving behavior) sesuai dengan nilai 9 parameter
dalam Tabel 4. Volume arus lalu lintas sebelum dikalibrasi terjadi antrian kendaraan yang sangat teratur dan berada
pada lajur masing-masing, sedangkan setelah dilakukan kalibrasi model-simulasi maka volume arus lalu lintas dan
kondisi kendaraan mulai tidak teratur dan jarak antar kendaraan telah sesuai dengan kondisi eksisting yakni berdekatan
dan beberapa kendaraan tidak pada lajurnya. Indikasi ini menunjukkan perilaku lalu lintas sebenarnya pada arus lalu
lintas heterogen di simpang Jalan AP. Pettarani-Sultan Alauddin.
Validasi Hasil Model Mikro-Simulasi
Hasil validasi model mikro-simulasi disajikan dalam Tabel 5 dan model Visualisasi 3D pada Gambar 10
Tabel 5. Hasil validasi dengan Uji Chi- square untuk panjang antrian kendaraan
Periode
Model Observasi Uji Chi-Square
Timu
r
Bara
t
Barat
U-turn
Utar
a Timur
Bara
t
Barat
U-turn
Utar
a Timur Barat
Barat Utara
U-turn 07.00–08.00 124.48 31.46 8.38 77.71 135.7 28.30 6.32 84.50 0.928 0.353 0.671 0.546
08.00–09.00 86.27 22.04 12.20 43.68 73.40 32.50 15.73 52.80 2.257 3.368 0.793 1.576
12.00–13.00 95.84 29.18 25.19 41.42 82.75 33.80 28.50 53.52 2.071 0.631 0.384 2.734
13.00–14.00 39.75 15.99 17.20 41.88 49.31 24.95 19.60 37.50 1.854 3.219 0.294 0.511
16.00–17.00 64.56 12.96 38.84 48.57 79.42 18.25 45.20 44.60 2.780 1.533 0.895 0.353
17.00–18.00 38.32 10.59 37.17 59.32 41.50 14.38 42.80 50.83 0.244 1.000 0.740 1.418
Jumlah 10.133 10.104 3.776 7.138
Kesimpulan terima terima terima terima
TR - 66
ISBN: 978-602-60286-1-7
Tabel 5 menunjukkan bahwa hasil Uji Chi-Square untuk semua pendekat memenuhi syarat x2 hasil hitung ≤ x2 tabel
dengan derajat keyakinanan Uji Chi- square 95 % atau α = 0.05, di mana nilai tabel Chi-square adalah 11.07, sehingga
model dinyatakan valid.
a. Kondisi Eksisting b. Visualisasi 3D Vissim
Gambar 10. Visualisasi model dengan kondisi eksisting
Visualisasi yang ditampilkan pada Gambar 10 memperlihatkan gambaran model simulasi yang tidak terlalu jauh
berbeda dengan kondisi eksisting. Hal ini menunjukkan bahwa jarak bamper serta headway mau pun gap lateral antar
kendaraan menunjukkan posisi yang hampir serupa dan secara visual kondisi yang terbentuk atau dibangun valid dan
dapat digunakan untuk menganalisis kinerja lalu lintas di simpang tersebut.
Tundaan Kendaraan Mikro-Simulasi Kondisi Eksisting
Analisis mikro-simulasi sesuai dengan nilai-nilai parameter dalam Tabel 3 untuk menganalisis tundaan kendaraan di
simpang Jalan A.P.Pettarani-Sultan Alauddin ditujukkan pada Gambar 11. Tundaan kendaraan terbesar terjadi pada
pendekat Timur pada pukul 07;00-08;00 pagi 18 detik, sedangkan pada sore hari tundaan kendaraan terbesar terjadi
pada pukul 16;00-17;00 di pendekat utara sebesar 17 detik.
Gambar 11. Tundaan kendaraan pada kondisi eksisting
Tundaan Kendaraan Dan Level Of Service (LOS) Mikro-Simulasi Dengan APILL
Dengan simulasi penambahan Alat Pemberi Isyarat Lalu Lintas (APILL), mengubah simpang tak bersinyal Jalan
A.P.Pettarani-Jalan Sultan Alauddin menjadi simpang bersinyal diperoleh panjang antrian sebagaimana pada Gmabar
12. Nilai tundaan kendaraan seperti yang ditunjukkan secara berturut-turut dalam Tabel 6, Tabel 7, dan Tabel 8 berikut.
Simulasi tundaan kendaraan dengan asumsi pengaturan APILL 3 fase, total waktu siklus 50 detik, waktu amber time
3 detik, serta 4 skenario waktu hijau dan merah.
Gambar 12. Panjang antrian kendaraan pada kondisi existing dan APILL
TR - 67
ISBN: 978-602-60286-1-7
Merujuk hasil simulasi berdasarkan pada Gambar 12 memperlihatkan bahwa dengan skenario pengatuan waktu hijau
dan merah dengan fasilitas APILL untuk pendekat Timur, Barat dan Utara membuat panjang antrian semakin panjang,
dibandingkan panjang antrian kondisi eksisting sehingga tundaan kendaraan juga semakin lama.
Tabel 6. Tundaan kendaraan Tabel 7. Tundaan kendaraan Tabel 8. Tundaaan kendaraan
pendekat timur pendekat barat pendekat utara
Berdasarkan Tabel 6, Tabel 7 dan Tabel 8 diatas memperlihatkan tundaan kendaraan pada masing-masing pendekat
yaitu tundaan kendaraan maksium 18,26 detik, minimum 7,50 detik di pendekat timur Jalan Sultan Alauddin dengan
Level of Service C, tundaan kendaraan maksium 8,13 detik, minimum 4,97 detik di pendekat barat Jalan Sultan
Alauddin dengan Level of Service B, dan tundaan kendaraan maksium 16,37 detik, minimum 8,48 detik di pendekat
utara Jalan A.P.Pettarani Level of Service Jalan pada tingkatan C.
5. KESIMPULAN
Perangkat lunak mikrosimulasi VISSIM dapat dengan baik memodelkan dan menyimulasikan suatu simpang jalan
dalam kondisi mixed traffic karena VISSIM mampu mengidentifikasi berbagai kelas kendaraan dengan berbagai tipe
dan jenis kendaraan. Proses kalibrasi dilakukan dengan mengubah nilai parameter perilaku pengemudi yaitu Average
Standstill Distance dan nilai Lateral Distance Driving. Kedua parameter ini disesuaikan dengan kondisi eksisting.
Simulasi mikro untuk APILL diasumsikan 3 fase dengan amber time 3 detik dan total waktu siklus 50 detik dengan
4 skenario waktu hijau dan merah. Tundaan kendaraan eksisting maksimum pada pendekat Timur adalah 18 detik dan
tundaan hasil simulasi dengan APILL lebih lama 1,5%. Sedangkan tundaan maksium pada pendekat Utara 17 detik
dan tundaan hasil simulasi dengan APILL turun 4%. Perbedaaan tundaan dengan simulasi APILL tidak signifikan
berbeda dengan tundaan tanpa APILL.
DAFTAR PUSTAKA
----------------- (1997). Manual Kapasitas Jalan Indonesia. Direkotrat Bina Jalan Kota, Jakarta
Hidayat, A. (2014). “Tutorial Rumus Chi Square Dan Metode Hitung”. Statistikian.
Asri, A., Hustim, M. Nurhayati (2013). “Analisis Kinerja Lalu Lintas Akibat Pengaturan Sistem Pergerakan
Kendaraan Pada Jl. A.P.Pettarani di Makassar”. Jurnal TA Universitas Hasanuddin, 1-10
Morlok, E.K (1998). “Pengantar Teknik dan Perencanaan Transportasi” (terjemahan John K Naimin). Jakarta :
Erlangga
----------------- (2016). PTV VISSIM 8 User Manual. PTV AG, Karlsruhe, Germany
Putri, H. H., dkk (2015). “Mikrosimulasi Mixed Traffic Pada Simpang Bersinyal Dengan Perangkat Lunak Vissim
(Studi Kasus: Simpang Tugu, Yogyakarta)”. The 18th FSTPT International Symposium, Unila, Bandar
Lampung, 28 (August 2015).
Yulianto, B dan Setiono (2013). “Kalibrasi dan validasi mixed traffic vissim model”. Media Teknik Sipil, 1-10
Tamin, O.Z., (2000). Perencanaan dan Pemodelan Transportasi. ITB, Bandung.
TR - 68
ISBN: 978-602-60286-1-7
KONFERENSI NASIONAL TEKNIK SIPIL 12
(KoNTekS 12) Batam, 18 – 19 September 2018