jurnal

Jurnal Transportasi & Simulasi VISSIM 5.40

Teknik Sipil 17/10/2012

SIMULASI ALIRAN LALU LINTAS PADA SEGMEN PENYEMPITAN

GEOMETRIK (BOTTLENECK) DENGAN MENGGUNAKAN

VISSIM 5.40

(Studi Kasus pada Jalan T.Nyak Arief Km 6 Lamnyong, Banda Aceh)

Zianul Furqan, ST

Jurusan Teknik Sipil

Fakultas Teknik

Universitas Syiah Kuala Banda Aceh

ABSTRAK

Pertumbuhan lalu lintas di masa yang akan datang tentu akan memerlukan perencanaan dan

pengendalian arus lalu lintas pada jaringan jalan sehingga diharapkan mampu melayani

arus lalu lintas. Hambatan lalu lintas yang terdapat pada ruas Jl. T. Nyak Arief Km 6 adalah

penyempitan jalan (bottleneck). Penyempitan jalan adalah suatu bagian jalan dengan kondisi

kapasitas jalan sesudahnya lebih kecil dari bagian masuk (sebelumnya). Penyempitan ruas

jalan akan menimbulkan hambatan dalam lalu lintas, yaitu terjadinya penurunan kecepatan,

menambah waktu perjalanan dan timbulnya antrian kenderaan. Akan tetapi pengaruh

penyempitan jalan tidak berarti sama sekali apabila arus lalu-lintas (demand) lebih kecil

dari pada daya tampung atau kapasitas jalan (supply) pada daerah penyempitan sehingga

arus lalu lintas dapat terlewatkan dengan mudah tanpa ada hambatan. Tujuan dari tugas

akhir ini adalah untuk memvisualisasikan aliran lalu lintas pada lokasi tinjauan dan

menentukan tolak ukur aliran lalu lintas Measurement Of Effectiveness (MOEs) dengan

menggunakan VISSIM 5.40. Penelitian ini dilakukan dengan pengambilan data yang diamati

pada hari Rabu 23 Mei 2012 dan Kamis 24 Mei 2012, data yang dikumpulkan adalah data

geometrik jalan, volume lalu lintas kemudian diolah untuk mendapatkan kecepatan, headway

dan waktu perjalanan. Hasil yang diperoleh dari penelitian ini adalah volume puncak terjadi

pada hari Kamis 24 Mei 2012 pukul 07.30-08.30 WIB. Pada kondisi normal (free flow)

didapat volume sebesar 1660 smp/jam, kecepatan 45,04 km/jam dan headway 1,157 detik,

pada kondisi penyempitan (bottleneck) didapat volume sebesar 1592 smp/jam, kecepatan

11,11 km/jam dan headway 2,573 detik dan waktu perjalanan 165 detik. Dari hasil di

lapangan maka akan disimulasikan ke dalam software VISSIM 5.40 yang menghasilkan

ouput volume lalu lintas 1455 smp/jam, kecepatan 9,59 km/jam dan waktu perjalanan 155,6

detik. Validasi dilakukan dengan membandingkan data observasi di lapangan dengan hasil

simulasi diperoleh volume lalu lintas 12 %, kecepatan 14 % dan waktu perjalanan 6 %.

Ketiga parameter tersebut memperlihatkan bahwa hasil validasi dibawah 15%. Maka

Measurement Of Effectiveness (MOEs) hasil simulasi VISSIM 5.40 dapat diterima dan

mewakili kondisi aliran lalu lintas di lapangan.

PENDAHULUAN

Penelitian ini untuk menyelidiki dan memvisualisasikan aliran lalu lintas pada penyempitan

geometrik (bottleneck) dan menentukan tolak ukur aliran lalu lintas Measurement Of



Effectiveness (MOEs) dengan menggunakan software simulasi lalu lintas VISSIM 5.40.

Simulasi dilakukan dengan mengkalibrasi parameter lapangan dan menggunakan random

seed simulasi agar membentuk aliran lalu lintas untuk dapat mewakili kondisi di lapangan.

Hasil yang dicapai berupa visualisasi aliran lalu lintas berupa video file ataupun VISSIM 5.40

file. Selain itu parameter tolak ukur aliran lalu lintas juga ditentukan berdasarkan kalibrasi

parameter dan skenario penggandaan random seed. Adapun rumusan masalah dalam

penelitian ini adalah parameter kecepatan, volume dan waktu perjalanan kenderaan yang

diakibatkan oleh penyempitan geometrik (bottleneck) pada lokasi tinjauan.

Pengambilan data dilakukan dengan menggunakan kamera perekam digital (handy

cam) yang secara otomatis dapat merekam aktifitas aliran lalu lintas pada ruas jalan tersebut.

Pengambilan data dilakukan pada hari Rabu dan Kamis, masing-masing pada waktu pagi

pukul 07.30-08.30 WIB dan sore pukul 17.30-18.30. Pada jam-jam tersebut diperkirakan

terjadinya peak hour (jam puncak). Pengambilan data geometrik pada segmen Jalan T.Nyak

Arief dilakukan dengan pengukuran langsung di lapangan. Data yang didapat dikumpulkan

kemudian disimulasikan dengan software VISSIM 5.40 guna mendapatkan hasil dari

penelitian ini.

TINJAUAN PUSTAKA

Karakteristik Lalu Lintas

Karakteristik dasar arus lalu lintas adalah arus, kecepatan, dan kerapatan.

Karakteristik ini dapat diamati dengan cara makroskopik atau mikroskopik. Pada tingkat

mikroskopik analisis dilakukan secara individu sedangkan pada tingkat makroskopik analisis

dilakukan secara kelompok (Soedirdjo, 2002: 24). Tabel 2.1 menggambarkan kerangka dasar

dari karakteristik lalu lintas.

Tabel 2.1 Kerangka Dasar Karakteristik Lalu Lintas

Karakteristik Lalu Lintas Mikroskopik Makroskopik

Arus Waktu Antara (Time Headway) Tingkat Arus

Kecepatan Kecepatan Individu Kecepatan Rata-rata

Kerapatan Jarak Antara(Distance Headway) Tingkat Kerapatan

Sumber : Direktorat Jenderal Bina Marga, 1990



Parameter karakteristik arus lalu lintas

Terdapat 8 (delapan) variabel atau ukuran dasar yang digunakan untuk menjelaskan

karakteristik arus lalu lintas. Tiga variabel utama (makroskopis) adalah kecepatan (v), volume

(q), dan kerapatan/density (k). Tiga variabel lain (mikroskopis) yang digunakan dalam

analisis arus lalu lintas adalah time headway (h), spacing (s), dan lane occupancy (R). Serta

dua parameter lain yang berhubungan dengan spacing dan headway yaitu, clearance (c) dan

gap (g) (Khisty, 2003).

Volume Lalu-lintas (Flow)

Volume lalu lintas diartikan sebagai jumlah kendaraan yang melintasi suatu titik di jalan per

lajur atau jalur dalam interval waktu tertentu (Roger dkk, 2004:106). Satuan volume

dinyatakan dalam kendaraan persatuan waktu (jam/hari).

Kecepatan dan Waktu tempuh

Menurut Rojer dkk (2004 : 106), kecepatan dan waktu pergerakan berbanding terbalik,

seperti diuraikan dalam persamaan berikut:

S = d

t ............................ (2.1)

Dimana :

S = Kecepatan, MPH atau Km/jam

d = jarak yang di tempuh, mil, ft atau m

t = Waktu tempuh, jam atau detik

Time Headway (waktu antara)

Time headway adalah selisih waktu antar kendaraan yang beriringan yang melewati suatu

titik tertentu dalam satu lajur (Salter, 1974). Karena time headway pada kenyataannya terdiri

dari dua jenis waktu yaitu waktu okupansi (occupancy time) dan waktu antara (time gap).



Up stream

Cross section Bottleneck Down stream

Cross section

Ekivalen Mobil Penumpang

Tabel 2.2 Faktor Ekivalen Mobil Penumpang

Tipe Jalan

Arus Lalu lintas per

jalur

EMP

(kend/jam) HV MC

Dua Lajur satu arah (2/1) 0 1,3 0,4

Empat lajur terbagi (4/2 D) > 1050 1,2 0,25

Tiga lajur satu arah (3/1) 0 1,3 0,4

Enam lajur terbagi (6/2 D) >1100 1,2 0,25

Sumber: MKJI : Hal 5-38, Tabel A-3 : 1

Penyempitan Jalan (Bottleneck) Sistem Transportasi

Bottleneck merupakan suatu kondisi dimana jalan mengalami penyempitan sehingga

kapasitas jalan menjadi lebih kecil dari bagian sebelum (upstream) dan sesudahnya

(downstream) (Budiarto, 1998).

Menurut Brilion, dkk. yang dikutip kembali dari Sugiarto (2012:15) menyebutkan bahwa

bottleneck dibagi menjadi dua jenis, yaitu :

1. Systematic Bottleneck

Systematic Bottleneck merupakan kondisi dimana terjadinya penyempitan geometrik

jalan, yaitu dari keadaan dalam kondisi normal tiba-tiba terjadi penyempitan ruas

jalan.

Gambar 2.1 Systematic bottleneck

Sumber : Sugiarto (2012:15)



2. Unsystematic Bottleneck

Unsystematic Bottleneck disebut juga virtual bottleneck yaitu merupakan kondisi

dimana terjadinya pengurangan kapasitas jalan akibat adanya hambatan samping

seperti: adanya kecelakaan yang mengakibatkan sebagian lebar jalan ditutup, parkir di

badan jalan, pedagang kaki lima, dll.

Gambar 2.2 Unsystematic bottleneck (virtual bottleneck)

Sumber : Sugiarto (2012:15)

Software VISSIM 5.40

Definisi VISSIM 5.40

Menurut PTV-AG (2011), VISSIM adalah multi-moda lalu lintas perangkat lunak

aliran mikroskopis simulasi. Hal ini dikembangkan oleh PTV (Planung Transportasi Verkehr

AG) di Karlsruhe, Jerman. Nama ini berasal dari "Verkehr Stdten - SIMulationsmodell"

(bahasa Jerman untuk "Lalu lintas di kota - model simulasi"). VISSIM dimulai pada tahun

1992 dan saat ini pemimpin pasar global. VISSIM model simulasi telah dipilih untuk

mengkalibrasi kondisi lalu lintas.

Kemampuan VISSIM 5.40

Menurut PTV-AG (2011), VISSIM menyediakan kemampuan animasi dengan

perangkat tambahan besar dalam 3-D. Simulasi jenis kendaraan (yaitu dari mobil penumpang,

truk, kereta api ringan dan kereta api berat). Selain itu, klip video dapat direkam dalam

program, dengan kemampuan untuk secara dinamis mengubah pandangan dan perspektif.

Elemen visual lainnya, seperti pohon, bangunan, fasilitas transit dan rambu lalu lintas, dapat

dimasukkan ke dalam animasi 3-D.

Up stream

cross section Virtual

Bottleneck

Downstream

cross section



Input Data, Simulasi dan Kalibrasi VISSIM 5.40

Menurut PTV-AG (2011), tahap pengumpulan data adalah tugas yang paling penting dalam

penelitian ini. Mikroskopis simulasi model VISSIM memiliki persyaratan rumit input data

dan memiliki parameter model banyak. Untuk membangun model VISSIM simulasi untuk

jaringan ini dan untuk mengkalibrasi lalu lintas lokal, dua jenis data yang diperlukan yaitu :

tipe pertama adalah input data dasar yang digunakan untuk jaringan coding dari model

simulasi dan tipe kedua adalah data observasi digunakan untuk kalibrasi parameter model

simulasi. Input data dasar termasuk data geometri jaringan, data volume lalu lintas dan

karakteristik kendaraan, tuntutan perjalanan, komposisi kendaraan, tanda berhenti dan lalu

lintas sistem kontrol.

Parameter Kalibrasi VISSIM 5.40

Menurut PTV-AG (2011), model parameter yang berhubungan dengan atribut fisik dari

pengembangan model VISSIM. Mendefinisikan langkah kalibrasi dalam mikro-simulasi

pemodelan. Ini kalibrasi awal dilakukan untuk mengidentifikasi nilai-nilai untuk penyesuaian

Gambar 2.3 : Tingkat karakteristik lalu-lintas model

Sumber : PTV-Vision 2008

VISUM

VISSIM



kapasitas parameter yang menyebabkan model untuk mereproduksi terbaik kapasitas lalu

lintas diamati/kondisi lalu lintas di lapangan.

METODE PENELITIAN

Survey Pendahuluan

Survei pendahuluan ini untuk mengetahui gambaran umum dari lokasi penelitian dan untuk

menentukan perumusan dan identifikasi masalah.

Kegiatan ini meliputi :

Survei Pendahuluan dan Penentuan

Lokasi Penelitian

Studi Literatur

Data Primer

Geometrik

VolumeLalu lintas

Kecepatan

Headway

Waktu Perjalanan

Data Sekunder

Peta Jaringan Jalan Kota Banda Aceh

Peta Lokasi Penelitian

Input Data Simulasi

Geometrik

Data Traffic

Parameter Kalibrasi

Penggandaan Random Seed

Evaluasi dan Penentuan MOEs

Volume Lalu Lintas

Kecepatan

Waktu Perjalanan

Hasil

Video Visualisasi

Final Parameter MOEs

Kesimpulan dan Saran



1. Menentukan metode yang didasarkan pada kemampuan data yang digunakan

2. Mengamati kondisi di lapangan serta menaksir keadaan yang berkaitan dengan mutu

data yang diambil, meliputi :

a. Lebar lajur

b. Lebar bahu jalan

c. Jumlah lajur

d. Karakteristik lalu lintas

e. Volume lalu lintas

f. Kecepatan lalu lintas

g. Komposisi kendaraan yang lewat

h. Kondisi geometrik

Metode Pengumpulan Data

Data pada penelitian ini dibagi dua bagian, yaitu data primer dan data sekunder. Data primer

adalah data yang didapatkan dengan cara observasi atau pengamatan langsung di lokasi

penelitian yang meliputi data volume lalu-lintas dan kondisi geometrik.

Volume lalu lintas

Pengambilan data volume lalu lintas dilakukan menggunakan alat bantu handycam. Data

yang diperoleh dari rekaman video diekstrak secara manual dengan menggunakan Timer Free

Application Software (TFAS).

Gambar 3.1 Contoh Pengkodean Lajur Dengan Menggunakan TFAS.

L1

1

L2

2

L3

Segmen Bottleneck



Kecepatan

Kecepatan yang diamati pada studi kasus ini untuk jalan per satu arah adalah

kecepatan setempat.

Headway

Membuat satu pias sebagai tanda setiap kendaraan yang melintasi dapat dikodekan, untuk

mendapatkan selisih waktu antara kendaraan.

Waktu Perjalanan (Travel Time)

Survei waktu perjalanan untuk mengukur waktu perjalanan dan waktu bergerak rata-rata yang

diperlukan untuk melintasi rute atau segmen jalan. Untuk melaksanakan survei yaitu dengan

metode bergerak dimana pengamat ada didalam kendaraan yang berjalan didalam arus lalu

lintas.

Gambar 3.2 Contoh Pengkodean Pias Dengan Menggunakan TFAS.

Pias 1

Pias 2

Jarak > 50 m

Gambar 3.3 Contoh Pengkodean Pias Dengan Menggunakan TFAS.

Pias 1



Analisis Data

Pada saat data diekstrak, data tersebut diberi kode dan software secara otomatis mencatat ke

dalam file notepad sehingga diperoleh data kedatangan kendaraan dan waktu kedatangan

seperti yang terlihat pada gambar 3.4.

Kemudian, file notepad diintegrasikan kedalam Ms. Excel 2007 untuk menganalisis

data primer seperti arus, dan waktu kedatangan. Data primer tersebut dianalisis menggunakan

pivot table yang telah tersedia didalam Ms. Excel 2007. Selanjutnya total kendaraan dan

waktu kendaraan untuk semua pengamatan di lajur 1, 2 dan 3, direkap berdasarkan lamanya

pengamatan dilapangan selama setiap jam puncak.

Penggunaan Software VISSIM 5.40

Coding of network (Pengkodean pada jaringan)

Gambar 3.4 Contoh Output Parameter Dari TFAS

L1 L2 L3

Gambar 3.5 Pengkodean pada jaringan



Link and Connector (ruas-penghubung)

Traffic Compositions (Komposisi Lalu-lintas)

Vehicle Inputs (Data Kendaraan

Gambar 3.6 Ilustrasi link dan konektor

Gambar 3.7 Pengaturan komposisi lalu lintas

Gambar 3.8 Pengaturan data kendaraan



Menjalankan Model Simulasi

Sebagai tahap awal parameter kalibrasi dalam model VISSIM dipilih, termasuk mobil

dan perubahan jalur. Berikut ini parameter untuk menjalankan model simulasi :

1. Pengaturan Lalu lintas

2. Periode/lama waktu simulasi

3. Waktu memulai

4. Tanggal mulai

5. Revolusi simulasi

6. Random seed

7. Berhenti/selesai

Kalibrasi dan Validasi Parameter

Kalibrasi adalah proses dimana komponen simulasi model yang disempurnakan dan

disesuaikan sehingga model simulasi secara akurat mewakili bidang yang diamati pada

kondisi lalu lintas. Kalibrasi yang telah dilakukan dalam penelitian ini adalah kalibrasi

parameter dan validasi faktor random simulasi dengan penggandaan random seed. Sedangkan

validasi adalah perbandingan parameter MOEs yang diperoleh dari lapangan terhadap hasil

simulasi dengan menggunakan VISSIM 5.40. Hasil yang dicapai diharapkan lebih kecil dari

15% seperti yang direkomendasikan oleh (Collins, 2009 : 61).

Gambar 3.9 Pengaturan Simulasi



HASIL DAN PEMBAHASAN

Hasil

Geometrik

Dari dua bagian tersebut yang disurvei adalah arah yang menuju ke Darussalam, secara rinci

data ruas jalan tersebut adalah sebagai berikut :

A. Kondisi Normal:

1. Terdiri dari 6 lajur, 2 arah.

2. Lebar masing-masing lajur : 3,2 m

3. Pemisah arah dibatasi oleh Median

4. Pemisah lajur berupa marka garis lurus terputus-putus

5. Kondisi perkerasan dalam keadaan baik

B. Kondisi Menyempit:

1. Terdiri dari 2 lajur, 2 arah

2. Lebar lajur : 3,65 m

3. Pemisah arah berupa marka garis lurus

4. Kondisi perkerasan dalam keadaan baik.

A

A

B

B

C

C3,2 m

3,65 m

3,65 m

Median

3,2 m

3,2 m

3,2 m

3,2 m

3,2 m

Gambar 4.1 Geometrik eksisting

Keterangan :

A-A : Potongan melintang jalan normal

B-B : Potongan melintang Jalan Menyempit

C-C : Potongan melintang Pertemuan antara Jalan Normal dan Menyempit

Arah Ke

Pusat Kota

Banda Aceh

Arah Ke

Darussalam

(Unsyiah)



Volume Lalu lintas

Tabel 4.1 Rekap Volume Lalu Lintas (Pagi)

No Hari/Tanggal Waktu

Total Volume (smp/jam)

free flow bottleneck

1 Rabu/24 Mei 2012 07.30-08.30 WIB 1521 1512

2 Kamis/25 Mei 2012 07.30-08.30 WIB 1660 1592

Tabel 4.2 Rekap Volume Lalu Lintas (Sore)

No Hari/Tanggal Waktu

Total Volume (smp/jam)

free flow bottleneck

1 Rabu/24 Mei 2012 17.30-18.30 WIB 969 959

2 Kamis/25 Mei 2012 17.30-18.30 WIB 916 898

Kecepatan

Tabel 4.3 Rekap kecepatan kendaraan

No Hari/Tanggal

Kecepatan (km/jam)

Pagi Sore

Free flow Bottleneck Free flow Bottleneck

1 Rabu/23 Mei 2012 42,65 25,59 40,65 25,23

2 Kamis/24 Mei 2012 45,04 11,11 42,50 22,87

Headway

Tabel 4.4 Rekap headway kendaraan

No Hari/Tanggal Headway(s)

Pagi Sore

Free flow Bottleneck Free flow Bottleneck

1 Rabu/23 Mei 2012 1,050 2,301 1,193 2,568

2 Kamis/24 Mei 2012 1,157 2,573 1,707 2,709

Waktu Perjalanan

Tabel 4.5 Rekap waktu perjalanan

No Hari/Tanggal Jarak (m)

Waktu Perjalanan (travel time)

s Rata-rata

1 Rabu/24 Mei 2012 409,3

100 120 131 117

2 Kamis/25 Mei 2012 169 162 166 165



Simulasi VISSIM 5.40

Tabel 4.6 Rekap simulasi VISSIM 5.40 pada kondisi normal

No Simulasi

Jarak Random Seed Rata-

rata (m) 1 2 3 4 5

1 Volume (smp/jam)

409,3

1451 1438 1460 1471 1457 1455,40

2 Kecepatan (km/jam) 8,28 9,54 10,67 9,55 9,88 9,57

3 Waktu perjalanan (s) 177,9 155,9 138,1 154,3 149,1 155,06

Grafik 4.1 Fluktuasi antara volume lalu lintas terhadap modifikasi random seed

Grafik 4.2 Fluktuasi antara kecepatan terhadap modifikasi random seed

Grafik 4.3 Fluktuasi antara Waktu perjalanan terhadap modifikasi random seed

y = -5x3 + 44,07x2 - 107,9x + 1519,R = 0,975

1420

1440

1460

1480

0 1 2 3 4 5 6

Vo

lum

e

Random seed

y = 0,116x3 - 1,337x2 + 4,806x + 4,606R = 0,817

0

4

8

12

0 1 2 3 4 5 6

Ke

cep

aata

n

Random seed

y = -2,133x3 + 24,02x2 - 85,23x + 242,4R = 0,877

0

60

120

180

240

0 1 2 3 4 5 6

Wak

tu P

erj

alan

an

Random seed



Tabel 4.7 Rekap simulasi VISSIM 5.40 Kondisi Penyempitan (bottleneck)

No Simulasi

Jarak Random Seed Rata-

rata (m) 1 2 3 4 5

1 Volume (smp/jam)

400,1

1466 1427 1447 1453 1444 1447,40

2 Kecepatan (km/jam) 9,12 10,54 11,77 10,26 10,74 10,49

3 Waktu perjalanan (s) 157,9 136,6 122,3 140,3 134,1 138,24

Grafik 4.4 Fluktuasi antara volume lalu lintas terhadap modifikasi random seed

Grafik 4.5 Fluktuasi antara kecepatan terhadap modifikasi random seed

Grafik 4.6 Fluktuasi antara waktu perjalanan terhadap modifikasi random seed

y = -6,166x3 + 58,78x2 - 167,0x + 1579,R = 0,908

1420

1430

1440

1450

1460

1470

0 1 2 3 4 5

Vo

lum

e

Random Seed

y = 0,181x3 - 1,965x2 + 6,563x + 4,236R = 0,791

0

3

6

9

12

15

0 1 2 3 4 5

Ke

cep

atan

Random Seed

y = -2,6x3 + 27,86x2 - 92,53x + 226,3R = 0,856

0

40

80

120

160

200

0 1 2 3 4 5

Wak

tu p

erj

alan

an

Random Seed



Grafik 4.1 dan 4.4 menunjukan bahwa fluktuasi volume lalu lintas terhadap random

seed masih belum stabil maka perlukan melakukan random seed 5 kali lagi, maka total

random seed sebanyak 10 kali untuk mendapatkan hasil yang akurat. Grafik 4.2, 4.3, 4.5, dan

4.6 menunjukkan masing-masing fluktuasi kecepatan dan waktu perjalanan terhadap random

seed mendekati hasil stabil maka random seed cukup dengan 5 kali.

Perbandingan survei lapangan dan simulasi

Tabel 4.8 Rekap Perbandingan data lapangan dan simulasi < 15%

No Parameter Kondisi Arus Bebas Kondisi Bottleneck Deviasi

(%) Lapangan Simulasi Lapangan Simulasi

1 Volume (smp/jam) 1660 1455 1592 1447 12 9

2 Kecepatan (km/jam) 45,04 44,7 11,11 9,56 1 14

3 Waktu perjalanan (s) 165 155,06 165 155,06 6 6

Dari hasil survei lalu lintas yang dilakukan dilapangan dan kemudian disimulasikan

dengan software VISSIM 5.40 maka didapatkan persamaan hasil yang berupa parameter-

parameter volume lalu lintas, kecepatan, dan waktu perjalanan dengan asumsi tingkat error

sebesar < 15%.

Pembahasan

Berdasarkan kondisi eksisting saat ini dari pusat Kota Banda Aceh menuju ke Darussalam,

pada kondisi normal ruas jalan 6/2 D dengan lebar geometrik 9,60 meter per jalur dan pada

kondisi penyempitan ruas jalan menjadi 2/2 UD dengan lebar geometrik 3,65 meter per jalur.

Gambar 4.2 Visualisasi Aliran Lalu lintas 3D pada bottleneck



Data ouput yang dihasilkan VISSIM 5.40 setelah melakukan 5 kali random seed adalah

volume lalu lintas didapat 1455,40 smp/jam, kecepatan 9,57 km/jam dan waktu perjalanan

155,06 detik. Dari garik 4.1 fuktuasi antara volume lalu lintas terhadap penggandaan random

seed menggambarkan grafik tersebut belum menunjukkan konsistensi terhadap 5 kali random

seed, sedangkan pada grafik 4.2 dan 4.3 menggambarkan konsistensi terhadap kecepatan dan

waktu perjalanan terhadap penggandaan random seed. Validasi dilakukan dengan

membandingkan data observasi di lapangan dengan hasil simulasi diperoleh volume lalu

lintas 12 %, kecepatan 14 % dan waktu perjalanan 6 %. Ketiga parameter tersebut

memperlihatkan bahwa hasil validasi dibawah 15%. Maka Measurement Of Effectiveness

(MOEs) hasil simulasi VISSIM 5.40 dapat diterima dan mewakili kondisi aliran lalu lintas di

lapangan.

KESIMPULAN DAN SARAN

Berdasarkan hasil pengolahan data dan pembahasan, dapat diambil beberapa kesimpulan dan

saran sesuai dengan keadaan pada segmen penyempitan geometrik (bottleneck) Jl. T. Nyak

Arief km 6 lamyong, Banda Aceh.

Kesimpulan

1. Dari dua hari pengamatan, diantaranya hari Rabu tanggal 23 Mei 2012 dan Kamis tanggal

24 Mei 2012, volume puncak terjadi pada hari Kamis tanggal 24 Mei 2012 dengan

volume lalu lintas tertinggi 1660 smp/jam pada arus normal dan 1592 smp/jam pada

kondisi penyempitan (bottleneck) pada pukul 07.30-08.30 WIB. Terjadi penurunan

volume lalu lintas sebesar 4 % karena terjadinya penurunan kapasitas jalan pada Jalan

T.Nyak Arief.

2. Hasil simulasi dengan menggunakan VISSIM 5.40 maka didapat volume lalu lintas

(Flow) 1455 smp/jam, kecepatan (Speed) 9,56 km/jam dan waktu perjalanan (travel time)

155,06 s. Maka hasil yang didapat dengan menggunakan VISSIM 5.40 kemudian

melakukan validasi dengan membandingkan data observasi di lapangan dengan hasil

simulasi diperoleh volume lalu lintas 12 %, kecepatan 14 % dan waktu perjalanan 6 %.

Ketiga parameter tersebut memperlihatkan bahwa hasil validasi dibawah 15%. Maka

Measurement Of Effectiveness (MOEs) hasil simulasi VISSIM 5.40 dapat diterima.

3. Berdasarkan hasil yang didapat maka visualisasi aliran lalu lintas dengan menggunakan

VISSIM 5.40 dapat mewakili kondisi aliran lalu lintas di lapangan.



Saran

1. Simulasi lalu lintas dengan menggunakan software VISSIM 5.40 sebaiknya melakukan

random seed sebanyak 10 kali, karena terjadi fluktuasi yang belum stabil pada volume

lalu lintas terhadap random seed dan untuk mendapatkan Measurement Of Effectiveness

(MOEs) dan kemudian melakukan hasil validasi yang akurat.

2. Dari hasil simulasi pada penyempitan geometrik (bottleneck) maka menjadi acuan untuk

melakukan simulasi di gangguan lalu lintas lainnya seperti U-turn dan pada simpang.

DAFTAR PUSTAKA

1. Alamsyah, A. 2008. Rekayasa Lalu lintas, Penerbit Universitas Muhammadiyah

Malang.

2. Anonim, Manual Kapasitas Jalan Indonesia (MKJI). 1997. Jakarta: Direktorat

Jenderal Bina Marga, Departemen Pekerjaan Umum.

3. Budiarto Arief., 1998, Pengaruh Bottleneck Terhadap Karakteristik Lalu-lintas,

Tesis Magister, Rekayasa Transportasi, Program Studi Teknik Sipil, Institut

Teknologi Bandung, Bandung.

4. Collins, P, 2009. Paramics Microsimulation Modelling-RTA Manual, New South

Wales Government. USA

5. Khisty, C.Jotin., Lall, B.Kent., 2003. Transportation Engineering, Third Edition,

Pearson Education Inc., Upper Saddle River, New Jersey. USA

6. KIM, H, 2010. A Part of Traffic Engineering Lecture Notes, Asian Institute Of

Technology. Bangkok

7. Law, Averiil M. And Kelton, W. David, Simulation Modeling And Analysis, 2nd

edition McGraw-Hill International Editions, 1991.

8. May, A.D., 1990, Traffic Flow Fundamentals, Prentice Hall International Inc, New

Jersey, USA.

9. Munawar, A., 2004, Manajemen Lalulintas Perkotaan, Penerbit Beta Offset,

Jogjakarta.

9. VISSIM User Manualversion 5.40. PTV Planung Transport Verkehr AG,

Karlsruhe, Germany, 2011.

10. Roess, Roger P., Prassas, Elena S., and McShane, William R., 2004, Traffic

Engineering, Third Edition, Pearson Education Inc., Upper Saddle River, New

Jersey. USA



11. Salter, R.J. 1974, Highway Traffic Analysis and Design. The Macmillan Press LTD.

London

12. Sugiarto, 2012, Traffic Breakdown Mechanism of Hidden Bottleneck on An Arterial

Road, Case Studies of U-Turn And on Street Parking In Aceh Province of Indonesia,

Thesis. Asian Institute Of Technology. Bangkok

13. Soedirdjo, T. L. 2002, Rekayasa Lalu lintas. Proyek Peningkatan Penelitian

Pendidikan Tinggi. Direktorat Jenderal Pendidikan Tinggi. Departemen Pendidikan

Nasional.

jurnal

Documents