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: marni_hamidaly@yahoo.com 2Departemen Teknik Sipil, Universitas Hasanuddin, Jl. P. Kemerdekaan Km. 10 Makassar

Email: muraliahustim@yahoo.com 3Departemen Teknik Sipil, Universitas Hasanuddin, Jl. P. Kemerdekaan Km. 10 Makassar

Email: aauliyahwahab@yahoo.com

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