bangkitan perjalanan
TRANSCRIPT
MATA KULIAHTEKNIK ANALISIS PERENCANAAN
TRANSPORTASI
Sekolah Tinggi Transportasi DaratBekasi
TRIP GENERATION ANALYSIS(TAHAPAN AWAL PERENCANAAN TRANSPORTASI)
Dosen : PUTU SUMARJAYA, M.Sc
Kegiatan : perkuliahan, tutorial, survei data, pembuatan laporan, responsi, ujian.
PROLOQUE
• Sistem dan Teknik Transportasi :– Sistem Transportasi traffic flow (signalised
and unsignalised intersections, links, roundabout, etc), modelling transport (traffic network, land-use, chain trips, etc), traffic engineering (accidents,etc), traffic management, etc
– Teknik Transportasi pavement, materials, roadway
– Manajemen Transportasi regulasi, evaluasi proyek/feasibility
Pendahuluan
softwares
• Signalised Intersection : KAJI97, Oscady (UK), SIDRA (Aus)
• Unsignalised Int : Kaji97, Picady ( UK)• Roundabouts : Arcady (UK), SIDRA (Aus)• Coordination Int : Transyt (UK), SIDRA (Aus)• Modelling : EMME2 (Can), TFTP (Dutch),
Contram (UK), JICA Strada (Japan), SATURN, Tranplan,etc
Software Komputer di bidang Sistem Transportasi
Pemodelan
• Model : representasi sederhana dalam suatu bagian realitas, yang dikonsentrasikan pada elemen-elemen tertentu yang penting (Ortuzar & Willumsen, 1994) penyederhanaan dari suatu sistem dalam realita untuk tujuan tertentu
• Model : fisik dan abstrak
Transport Modelling
• Mengetahui karakteristik perjalanan dalam jaringan transportasi
• Mengetahui distribusi perjalanan• Mengetahui moda perjalanan• Analisis forecasting (peramalan lalulintas)• Evaluasi berbagai alternatif
Transport ModellingFour Steps Models Concept
Jaringan Zona Data Tahun Dasar Data Masa Depan
Data BaseTahun dasar/Masa depan
Trip Generation
Trip Distribution
Modal Split
Traffic Assignment
Evaluasi
iterasi
output
Rangkaian Kegiatan Pemodelan Permintaan Transportasi
Bangkitan Perjalanan
Distribusi Perjalanan
Pemilihan Moda Transportasi
Pembebanan Perjalanan
TRIP GENERATIONBangkitan Perjalanan
• Tujuan : memperkirakan jumlah perjalanan yang akan mulai atau berakhir pada masing-masing zona wilayah dalam suatu daerah untuk suatu hari pada suatu target tahun tertentu
• Hanya menghitung yang keluar/masuk saja
• Tidak perlu tahu asal/tujuan• Bentuk umum :
n
1
2
3
i
n
1
3…
i
2
…
n
j
Tij1
n
i
Tij1
• Faktor yang mempengaruhi :– Land use– Karakteristik rumah tangga (household
size, vehicle ownership, household income, working unit)
– Kapasitas sistem transportasi
TRIP GENERATIONBangkitan Perjalanan
• Growth Factor Method• Multiple Linear Regression• Cross Classification
Model-modelTRIP GENERATION
Model-model Trip Generation
Growth Factor Method : jumlah perjalanan di masa datang merupakan perkalian jumlah perjalanan saat ini dengan estimasi tingkat pertumbuhannya.
Bentuk umum : tiFiTi *
),,(
),,(ccc
ddd
CiIiPif
CiIiPifFi
i = zona,Ti = trip masa datang,ti = trip sekarang,F = faktor pertumbuhan,P = populasi,I = income,C = car ownership,d = masa datang,c = masa sekarang.
Model Regresi Linear Berganda : dengan asumsi bahwa jumlah perjalanan dianggap merupakan fungsi dari faktor- faktor penyebab.
Contoh persamaan :
Dengan :Y =jumlah perjalanan orang yang dibangkitkan
dari suatu zona per hari, x1=pendapatan keluarga rata-rata, x2=pemilikan kendaraan rata-rata dalam
keluarga, x3=jumlah anggota keluarga rata-rata,
a0=konstanta. b1, b2, b3 = Koofisien
3322110 xbxbxbaY
Model Cross Classification atau Category Analysis ; dengan cara membagi suatu zona dalam beberapa kategori sesuai sifat-sifat zona tersebut.
Misalnya jumlah perjalanan rata-rata per hari akan berbeda sesuai dengan pendapatan per keluarga atau jumlah kendaraan bermotor yang dimiliki.
Contoh persamaan :
Dengan : Pi = jumlah perjalanan yang dibangkitkan dari zona i,
hi(c) = jumlah keluarga di zona i untuk kategori c,
tp(c) = tingkat bangkitan perjalanan untuk kegiatan c.
)()( ctpchiPi
PENGUMPULAN DATA DASARHome Interview Survey
• Peta administratif, peta jaringan jalan, peta land-use
• Zoning (batas kordon, jaringan jalan, dsb)• Metode wawancara dengan penentuan
sampling statistik (distribusi geografis, teknik sampling)• Seluruh zona di dalam wilayah studi
harus mempunyai ukuran sampel yang sama
SAMPEL
Alasan memakai sampel: • Tidak mampu mengumpulkan informasi
untuk seluruh populasi -> kendala waktu, biaya, tenaga, dll
• Data menyebar, peristiwa jarang terjadi -> tidak mungkin mengumpulkan data seluruh populasi
• ….
BESARAN SAMPEL
No Jlh Pddk Besar Sampel(Yg dianjurkan)
Besar Sampel(Minimum)
1 < 50.000 1 dalam 5 1 dalam 10
2 50.000 – 150.000 1 dalam 8 1 dalam 20
3 150.000 – 300.000 1 dalam 10 1 dalam 35
4 300.000 – 500.000 1 dalam 15 1 dalam 50
5 500.000 – 1 juta 1 dalam 20 1 dalam 70
6 > 1 juta 1 dalam 25 1 dalam 100
Sumber: Transport Planning, 1991
Analisis Bangkitan Perjalanan
• Mampu melakukan prediksi variabel yang mempengaruhi bangkitan perjalanan
• Mampu melakukan analisis bangkitan perjalanan dengan metode analisis regresi
• Mampu melakukan taksiran perjalanan untuk masa yang akan datang
TUJUAN INSTRUKSIONAL
PENGOLAHAN DATA
Prediksi jlh perjalanan perlu diketahui terlebih dahulu kondisi variabelnya.
Compounding Factor Pt = Po (1+i)^nPt = jlh var pd thn prediksiPo = jlh var pd thn dasari = tk. Pertumbuhann = periode ramalan
Penentuan i didasarkan pada data time series, shg ketersediaan data yang baik sangat diharapkan.
KORELASI
• Asosiasi (hubungan fungsional) antara variabel 2 yang diamati
• 2 aspek : - hubungan ? - seberapa kuat ?• Jenis korelasi (bivariate/product moment
Pearson, Spearman dan Kendall, partial)
• Nilai koefisien ini mempunyai nilai antara +1 0 –1• r adalah simbol mewakili koefisien sampel• Koefisien korelasi mempunyai dua ukuran
• Kekuatan (Nilai Mutlak)• Arah (Tanda)
kuat negatiftidak berkorelasikuat positif
r2 = .81 r = .9 r2 = .81 r = -.9 r2 = 0.0 r = 0.0
negatif sempurna
r2 = 1.00 r = - 1.00r2 = 1.00 r = 1.00
positif sempurna
Gambar Sebaran dan Berbagai Nilai r
Formula koefisien Korelasi (r)
2222 )()(
)()( - Y
iiii
iii
YYnXXn
YXXnr
Syarat :
- Antar variabel bebas tidak boleh berkorelasi kuat
- Variabel bebas dan tidak bebas semakin baik apabila berkorelasi secara kuat
- Pilihlah variabel bebas yang berkorelasi paling tinggi dengan variabel tidak bebasnya
Latihan ….Jumlah Perjalanan Jumlah keluarga Jmlh kendaraan
(trip) (orang) (unit)
8 4 1
14 5 1
8 3 1
6 3 1
14 6 24 2 1
a. Tentukan nilai korelasi antara Jml perjalanan vs Jml keluargab. Tentukan nilai korelasi antara Jml perjalanan vs Jml kendaraanc. Tentukan nilai korelasi antara Jml keluarga vs Jml kendaraan
ANALISIS REGRESI
Terdapat 3 tujuan analisis regresi:
1. Untuk memodelkan hubungan antara variabel terikat Y dengan satu atau lebih variabel bebas X
2. Untuk mengukur ralat dalam menggunakan hubungan ini untuk membuat ramalan variabel terikat
3. Untuk mengukur kekuatan hubungan (mis. korelasi) antara variabel terikat dan variabel bebas
Contoh penentuan variabel ??????????????
ILLUSTRASI
Past FutureNow
Garis Regresi
Variabel Bebas dan Variabel Terikat
• Variabel bebas (independent variabel)
Adalah : Variabel yang nilai-nilainya tidak bergantung pada variabel lainnya
• Variabel Terikat (dependent variabel)
Adalah : Variabel yang nilai-nilainya tergantung pada variabel lainnya
Contoh Variabel Bebas (X) dan Variabel Terikat (Y)
Banyaknya jumlah perjalanan yang dilakukan sebuah keluarga tergantung pada :• Jumlah anggota keluarga• Pendapatan keluarga• Jumlah kendaraan yang dimiliki
Jumlah perjalanan = Var. Terikat (Y)Jumlah anggota keluarga = Var. Bebas (X1)Pendapatan keluarga = Var. Bebas (X2)Jumlah kendaraan = Var. Bebas (X3)
Persamaan Regresi Linear Sederhana
Y = a + bX
Keterangan :Y = variabel terikatX = variabel bebasa = intersep / konstantab = koefisien
Tahapan Uji Statistik Model Regressi Linier
1. Uji Kecukupan Data
2. Uji Korelasi Korelasi antara : Var bebas (X) dan Var. terikat
(Y) Var terikat (X1) dan Var. terikat
(X2)
3. Uji Linearitas Untuk mengetahui apakah model bangkitan
dapat didekati dengan model regressi linier atau tidak
Persyaratan Uji Korelasi
1. Korelasi ( r ) antara variabel bebas (X) dengan variable terikat (Y) harus kuat
2. Korelasi antara variable bebas (X1) dengan varibel bebas yang lain (X2) harus lemah
3. Jika terdapat 2 atau lebih variabel bebas yang berkorelasi kuat dengan variabel bebas yang lain, maka salah satu dari variabel bebas tersebut harus dibuang, yaitu yang korelasinya dengan variabel terikat lebih lemah
Contoh :
Jumlah perjalanan (Y) dipengaruhi oleh jumlah penduduk (X1) dan jumlah kendaraan yang dimiliki (X2). Hasil korelasi dari beberapa varibel tersebut adalah sebagai berikut :
Y dgn X1 = 0,8Y dgn X2 = 0,75X1 dan X2 = 0,7
Maka persamaan regressinya adalah :
Y = a + bX1
Metode Regressi Linier
a. Metode Stepwise (langkah demi langkah) Metode ini untuk menentukan persamaan terbaik
melalui suatu tahapan-tahapan tertentu
b. Metode Enter Metode ini dengan memasukkan seluruh variable
bebas ke dalam persamaan regressi
LEAST SQUARE METHOD
• Tujuan analisis regresi ialah untuk mendapatkan persamaan garis regresi yang terbaik di mana selisih kuadrat adalah yang terkecil
• Error adalah beda antara nilai sebesar (Y ) dan nilai model (Y )ˆ
Least Square Estimation
0
20
40
60
80
100
15 20 25 30 35 40 45 50
Jumlah Iklan ($)
Jua
lan
($
)
Model lemah, galat besar
galat kecil Y =
Sebenarnya
Y = Model
Garis Model Lemah
X = 31
= 47.67
Garis Model Terbaik
ˆ
FoRmULa
Error minimum
Garis regresi = Y = a + bX
a = Y - bX
minimum nilai ) - ( 2^2 iii YYe
)X( - )(.
)().(X - )(.
2i
2i
i
Xn
YYXnb iii
ˆ
--
LatihAN….Jumlah Perjalanan Jumlah keluarga
(trip) (orang)
8 4
14 5
8 3
6 3
14 64 28 3
10 514 518 7
Tentukan persamaan regressinya!
Question 1 (Compounding Factor)• Taksir jumlah penduduk masing2 zona untuk 5
dan 10 thn mendatang, dgn asumsi bahwa pertumbuhan seragam disemua zona dengan laju pertumbuhan 3% pertahun
Zona Jlh Pddk2006
Taksiran Jlh Pddk2011
Taksiran Jlh Pddk2016
1 12000
2 1500
3 11000
4 7000
5 5000
6 4000
Zona Jlh Pddk2006
Taksiran Jlh Pddk2011
Taksiran Jlh Pddk2016
1 12000 13911 16127
2 1500 1739 2016
3 11000 12752 14783
4 7000 8115 9407
5 5000 5796 6720
6 4000 4637 5376
Answer 1
Question 2 (Metode Growth Factor)
Jumlah perjalanan tahun 2008 yang dibangkitkan oleh 200 rumah tangga adalah sebesar 2000 perjalanan. Jika pada tahun 2013 jumlah rumah tangga meningkat menjadi 700 keluarga, berapakah jumlah perjalanan pada tahun 2013?
Answer 2
Ti = Fi x ti
Fi = 700 / 200 = 3,5
Ti = 3,5 x 2000 = 7000 perjalanan
Jadi jumlah perjalanan pada tahun 2013 adalah 7000 perjalanan
Question 3 (Regressi Linier)• Dari data jlh penduduk dan jlh perjalanan pada
setiap zona dalam daerah studi kota “X” pada tabel di bawah, tentukan persamaan regresi jika diasumsikan hubungan antara variabel bebas dan variabel terikatnya adalah linear.
Zona Jumlah Penduduk (X) Jlh Perjalanan (Y)
1 12000 18750
2 1500 2090
3 11000 11600
4 10000 8950
5 8000 5700
6 7000 4700
Answer 3Model Summary
,853a ,727 ,659 3488,001Model1
R R SquareAdjustedR Square
Std. Error ofthe Estimate
Predictors: (Constant), PDDKa.
Variables Entered/Removedb
PDDKa , EnterModel1
VariablesEntered
VariablesRemoved Method
All requested variables entered.a.
Dependent Variable: PERJLNANb.
ANOVAb
1,29E+08 1 129474484,3 10,642 ,031a
48664599 4 12166149,77
1,78E+08 5
Regression
Residual
Total
Model1
Sum ofSquares df Mean Square F Sig.
Predictors: (Constant), PDDKa.
Dependent Variable: PERJLNANb.
Coefficientsa
-2441,125 3680,830 -,663 ,543
1,342 ,411 ,853 3,262 ,031
(Constant)
PDDK
Model1
B Std. Error
UnstandardizedCoefficients
Beta
StandardizedCoefficients
t Sig.
Dependent Variable: PERJLNANa.
Berdasarkan hasil analisis dengan SPSS versi 11 :
Y = -2441,125 + 1,342 X
Question 3 (Bangkitan Perjalanan)• Dari prediksi jlh penduduk pada tugas 1 dan dgn
menggunakan persamaan regresi pada tugas 2, lakukan prediksi jlh bangkitan perjalanan yg dibangkitkan untuk setiap zona untuk tahun 2006 dan tahun 2011 pada daerah studi kota “X”
Zona Jlh Pddk(X)
Taksiran Jlh Pddk
2006
Taksiran Jlh Bangkitan Prjln 2006
Taksiran Jlh Pddk2011
Taksiran Jlh Bangkitan Prjln
2011
1 12000 13911 16127
2 1500 1739 2016
3 11000 12752 14783
4 7000 8115 9407
5 5000 5796 6720
6 4000 4637 5376
Jlh 40500 46951 54429
Metode Kategori Silang (Cross Classification)
• Dikembangkan oleh The Puget Transportation Study th. 1964;
• Model ini didasarkan adanya keterkaitan antar terjadinya pergerakan dan atribut rumah tangga;
• Asumsi model ini adalah tingkat bangkitan perjalanan (trip rate) stabil;
• Membutuhkan banyak sekali data;
Kelebihan dan Kelemahan
Kelebihan Kelemahan
• Pengelompokan data tidak tergantung sistem zona
• Tidak ada asumsi awal tentang bentuk hubungan
• Hubungan bisa berbeda-beda
• Data yang diperlukan sangat banyak
• Tidak ada uji statistik
Struktur Kategori
Jml Keluarga
Jml K
end
araan
Pengh
asila
n
Jumlah katagori :1. Jml keluarga = 32. Jml kendaraan = 33. Jml penghasilan = 3
Jumlah katagori : 3 x 3 x 3 = 27
Contoh Pembagian Katagori :
1. Jml keluarga :a. Kurang dari 3 orangb. 3 – 5 orangc. Lebih dari 5 orang
2. Jml kendaraan :a. Tidak punyab. 1 - 2 unitc. Lebih dari 2 unit
3. Jml Income :a. Kurang dari 500 rbb. 500 rb – 2 jtc. Lebih dari 2 jt
Formulasi
P = T . H
Dimana :P = perkiraan jumlah perjalanan (trip)T = Tingkat bangkitan (trip rate)H = jumlah rumah tangga dengan katagori tertentu
Contoh Soal :
Diketahui bahwa 50 rumah tangga dengan katagori jumlah keluarga 4 orang, kendaraan 1 unit dan penghasilan di atas 2 juta menghasilkan 120 perjalanan/hari. Perkirakan bangkitan perjalanan 5 tahun mendatang, jika pertumbuhan rumah tangga dengan katagori tersebut adalah 3 %/tahun!
Terima Kasih Atas PerhatiannyaThank you for your attention