TAPAK Vol. 1 No.

1 Nopember 2011

PENGARUH KESALAHAN DALAM DATA SURVEY
ARUS LALULINTAS TERHADAP ESTIMASI
MATRIK ASAL TUJUAN (MAT) MENGGUNAKAN
DATA ARUS LALULINTAS

Anita Mustika


Dosen Luar Biasa Teknik Sipil, Fakultas Teknik,
Universitas Sang Bumi Ruwa Jurai (USBRJ),
Email : anitamustika@yahoo.com

ABSTRACT

Estimation of Origin-Destination Matrix by using unconventional methods based on traffic volume
is used for describe travel pattern in Bandar Lampung. This method tried to minimize cost and
time constraints, which is very large in other method by Origin-Destination survey. In estimation
of Origin-Destination Matrix, more complete traffic count survey, more accurate the result. How-
ever, the method based on traffic count has several disadvantages that cause the accuracy much
deviation from the travel patterns in the real. Therefore, it is important to study how far the influ-
ences of errors in the traffic count to the accuracy of Origin-Destination Matrix and how many of
this, according to the sensitivity in the traffic counts. This scenario of this study is using random
methods in a level of traffic counts. The Gravity model and equilibrium assignment with EMME2
program used to estimate matrix. The result of analysis in comparing estimated matrix vs observed
matrix shown that Gravity method is not sensitive to errors. This is shown in 80% error using se-
lected error indicates the value of R
2
= 0,99145 and with normal random the value of R
2
=
0,99563. Besides comparing matrix, we checked in traffic volume level with comparing estimated
traffic volume estimated and traffic volume observed. The accuracy of the results shown that error
level of each scenario, can be tolerated at 60% error, where is R
2
= 0,292906 using normal ran-
dom and R
2
= 0,290464 using distribution of selected error.

Keywords : Gravity, Equilibrium Assignment, Traffic Count, Level of Error

ABSTRAK

Estimasi Matrik Asal Tujuan (MAT) menggunakan metode tidak konvensional berdasarkan data
arus lalulintas untuk mengestimasi pergerakan antar zona melalui beberapa tahapan merupakan
jawaban dari adanya kendala biaya dan waktu dengan cara konvensional. Semakin lengkap data
arus lalulintas yang digunakan maka akan semakin baik hasil yang diperoleh. Namun metode ber-
dasarkan data arus lalulintas memiliki beberapa kelemahan yang menyebabkan tingkat akurasi dari
MAT yang dihasilkan jauh berbeda dari pola pergerakan yang terjadi di lapangan. Oleh karena itu,
perlu dikaji sejauh mana pengaruh kesalahan dalam arus lalulintas tersebut terhadap akurasi MAT
dan seberapa besar kesalahan tersebut dapat ditolerir dalam mengestimasi MAT.Proses skenario
kesalahan dengan metode random dan dilakukan pada tingkat arus lalulintas. Estimasi matrik
menggunakan model Gravity dan pembebanan Equilibrium dengan menggunakan program
EMME2. Hasil analisis dengan membandingkan matrik skenario terhadap matrik model diperoleh
bahwa matrik yang dibentuk dengan model Gravity tidak sensitif terhadap error, ini ditunjukan pa-
da error 80%, untuk distribusi prosentase error terpilih nilai R
2
= 0,99145 untuk distribusi error
Normal R
2
= 0,99563. Sedangkan pada tingkat akurasi perbandingan arus lalulintas hasil pem-
bebanan setiap skenario dengan arus lalulintas hasil survey, dapat ditolerir pada tingkat kesalahan
sebesar 60%, dimana pada distribusi random normal R
2
= 0,292906 sedangkan dengan peran-
doman prosentase error terpilih R
2
= 0,290464.

Kata Kunci : Gravity, Pembebanan Equilibrium, Volume Lalulintas, Kesalahan



1. PENDAHULUAN

1.1 LATAR BELAKANG

Tamin (1997) menyatakan jika MAT ini dibebankan ke jaringan jalan, dihasilkan
pola arus lalulintas, Dengan mempelajari pola tersebut, dapat diindentifikasi
permasalahan yang terjadi pada jaringan jalan dan selanjutnya beberapa solusi
bisa diperoleh. Metode untuk mendapatkan MAT dapat dikelompokkan menjadi
dua bagian utama, yaitu Metode Konvensional dan Metode Tidak Konvesional.
Estimasi Matrik Asal Tujuan (MAT) menggunakan metode tidak konvensional
berdasarkan data arus lalulintas untuk mengestimasi pergerakan antar zona me-
lalui beberapa tahapan merupakan jawaban dari adanya kendala biaya dan waktu
dengan cara konvensional.

Metode Tidak Konvesional membutuhkan data utama berupa arus lalulintas yang
cukup murah, banyak tersedia , mudah didapat dan waktu yang dibutuhkan untuk
membuat Matrik Asal Tujuan (MAT) relatif lebih singkat. Akan tetapi dengan
menggunakan data survey arus lalulintas terdapat beberapa kelemahan antara lain
yaitu : kesalahan surveyor karena tidak semua kendaraan tercatat, waktu
dilakukannya survey belum bisa mewakili keseluruhan waktu karena setiap waktu
mengalami fluktuasi arus lalulintas, kesalahan pengumpulan dan pengolahan data,
kesalahan pengambilan sampel, kesalahan kalibrasi serta kesalahan-kesalahan
lainya yang mempengaruhi hasil survey data arus lalulintas.

Dan Fenomena yang terjadi di lapangan bahwa arus lalulintas yang ada tidak sela-
lu konstan, selain itu kesalahan survey arus lalulintas atau traffic count mungkin
saja terjadi di lapangan. Hal ini tentunya akan berpengaruh terhadap MAT hasil
estimasi, dimana MAT yang dihasilkan akan mengalami perubahan atau berevolu-
si. Oleh karena itu perlu dikaji pengaruh adanya kesalahan traffic count terhadap
estimasi MAT.

1.2 RUMUSAN MASALAH

Konsep estimasi Matrik Asal Tujuan (MAT) dengan menggunakan metode tidak
konvensional dengan memanfaatkan data arus lalulintas sebagai informasi perge-


rakan di jalan raya yang digunakan untuk mengestimasi pergerakan antar zona
dengan melalui beberapa tahapan merupakan jawaban dari adanya kendala biaya
dan waktu yang sangat besar dalam estimasi MAT dengan cara konvensional.
Namun metode dengan memanfaatkan data arus lalulintas atau traffic count ini
memiliki beberapa kelemahan antara lain yaitu : kesalahan surveyor karena tidak
semua kendaraan tercatat, waktu dilakukannya survey belum bisa mewakili
keseluruhan waktu karena setiap waktu mengalami fluktuasi arus lalulintas,
kesalahan pengumpulan dan pengolahan data, kesalahan pengambilan sampel,
kesalahan kalibrasi dan kesalahan-kesalahan lainnya. Dan data arus lalulintas
berupa data sekunder yang didapat dari instansi terkait.

Kesalahan di lapangan dalam survey arus lalulintas atau traffic count sangat
mungkin terjadi, Hal ini berpengaruh pada MAT hasil estimasi, dimana MAT
yang dihasilkan akan mengalami perubahan atau berevolusi. Oleh karena itu, per-
lu dikaji berapa besarnya pengaruh adanya kesalahan dalam survey arus lalulintas
atau traffic count dalam estimasi MAT berdasarkan data arus lalulintas. Dan ana-
lisis seberapa besarnya kesalahan yang dapat ditolerir untuk membentuk estmasi
Matrik Asal Tujuan (MAT).

1.3 TUJUAN PENELITIAN

Tujuan penelitian adalah untuk mengetahui besarnya pengaruh kesalahan dalam
survey arus lalulintas atau traffic count terhadap estimasi Matrik Asal Tujuan
(MAT) di Kota Bandar Lampung, sehingga nantinya dapat diketahui seberapa be-
sar kesalahan yang dapat ditolerir dalam pembuatan estimasi Matrik Asal Tujuan
(MAT) Kota Bandar Lampung berdasarkan data arus lalulintas atau traffic
count.

1.4 BATASAN MASALAH

Batasan-batasan kajian yang akan dilakukan dalam penelitian ini dibuat untuk
mempertegas cakupan penelitian. Ruang lingkup penelitian ini meliputi beberapa
hal sebagai berikut :
1. Studi kasus kota Bandar Lampung.


2. MAT prior yang menggunakan MAT 2006 (Dinas Perhubungan 2006)
dengan 25 zona.
3. MAT yang dibentuk menggunakan gravity model yang dikombinasikan
dengan multinomial logit dan metode estimasi yang digunakan adalah
kuadrat terkecil.
4. Model bangkitan dan tarikan diambil dari beberapa data sekunder
5. Pengumpulan data sekunder (kondisi sosio ekonomi, data populasi, data
sektoral, peta administrasi, LHR, data jaringan jalan, travel time dan ke-
cepatan, data angkutan umum) yang diperoleh dari instansi terkait
6. Estimasi MAT dengan menggunakan program EMME2.
7. Uji statistik yang dilakukan adalah membandingkan MAT estimasi hasil
survey dan MAT estimasi skenario yang diberi faktor kesalahan dan
membandingkan arus lalulintas dengan indikator R
2
.

2. ISI

2.1 TINJAUAN PUSTAKA

Model yang banyak digunakan dalam perencanaan transportasi adalah model
perencanaan transportasi 4 (empat) tahap, masing-masing sub model dilakukan
secara terpisah dan hasil keluaran dari sub model merupakan masukan bagi sub
model berikutnya. Model 4 (empat) tahap ini didasarkan pada pelaku perjalanan
akan melakukan beberapa rangkaian keputusan atau pertimbangan, antara lain
keputusan untuk melakukan perjalanan, keputusan untuk memilih tujuan,
keputusan untuk memilih moda, keputusan untuk memilih rute.

2.1.1 MATRIK ASAL TUJUAN (MAT)

Pemodelan ini bertujuan untuk menghitung besarnya perjalanan, baik orang, ken-
daraan, barang dan lain-lain diantara zona-zona asal-tujuan yang masih berada da-
lam wilayah studi. Dengan pemodelan ini akan didapat Matrik Asal Tujuan
(MAT) yang merupakan gambaran dari pola dan besarnya permintaan perjalanan
di wilayah studi, dengan baris menyatakan zona asal dan kolom menyatakan zona
tujuan. MAT dapat memberikan gambaran rinci mengenai kebutuhan akan


pergerakan, sehingga MAT memegang peranan penting dalam berbagai kajian
perencanaan transportasi dan manajemen transportasi.

Secara garis besar metode untuk mendapatkan MAT dikelompokkan atas 2 (dua)
bagian utama yaitu : metode konvensional dan metode tidak konvensional.
Metode tidak konvensional merupakan suatu metode untuk mengestimasi MAT
berdasarkan pada data arus lalulintas. Metode ini dikembangkan untuk menjawab
ketidakpuasan para perencana transportasi terhadap metode konvensional. Dimana
metode tidak konvensional memerlukan biaya yang tidak sedikit.

2.1.2 Model Sebaran Pergerakan-Pemilihan Moda (SPPM)

Tamin (1988), Tamin et al (2000), Purwanti, O. (2002) serta Sulistyorini,R (2010)
mengembangkan model kombinasi Sebaran Pergerakan Pemilihan Moda (SPPM)
dalam Sulistyorini, R (2010). Persamaan dasar estimasi model transportasi
kombinasi SPPM dengan menggunakan data arus lalulintas sebagai berikut:
( )
( )
( )

=
i d
lk
id
m
m
id m
k
id k
id d d i i
k
l
p
C
C
C f D B A O V

exp
exp
) (
(1)
Persamaan (1) adalah sistem persamaan dengan L persamaan simultan yang
mempunyai beberapa parameter yang belum diketahui. Untuk mengestimasi nilai
parameter tersebut, dibutuhkan suatu metoda estimasi tertentu. (Sulistyorini,
2010).
Beberapa penelitian sebelumnya adalah sebagai berikut, Tamin (1988) dalam Su-
listyorini (2010) mengembangkan rumusan model Gravity pada kondisi pem-
bebanan all or nothing dimana nilai
l
id
p bernilai 0 atau 1. Purwanti (2002) dalam
Sulistyorini (2010) mengembangkan model kebutuhan perjalanan yang
mengkombinasikan sebaran pergerakan dan pemilihan moda berupa gabungan
Gravity dan Multinomial Logit, pada kondisi pembebanan all or nothing. Suyuti
(2006) dalam Sulistyorini (2010) mengembangkan model yang sudah
dikembangkan oleh Tamin (1988) yaitu Gravity, namun sudah pada kondisi
pembebanan keseimbangan dimana nilai
l
id
p bernilai antara 0 sampai dengan 1.
Sulistyorini (2010) mengembangkan model kombinasi sebaran pergerakan dan


pemilihan moda berupa gabungan Gravity dan Multinomial Logit pada kondisi
pembebanan keseimbangan, dimana nilai
l
id
p bernilai 0 atau 1.


Gambar 1. Rumusan matematis beberapa penelitian sebelumnya
Sumber: Sulistyorini, 2010
Penelitian ini menerapkan model yang sudah dikembangkan Sulistyorini, 2010 di
jaringan jalan Kota Bandar Lampung dengan menggunakan beberapa asumsi un-
tuk bangkitan, tarikan serta biaya perjalanan.

2.1.3 Metode Estimasi Kuadrat Terkecil (KT)

Tamin (2000) menjelaskan bahwa ide dari metode ini adalah mengkalibrasi
parameter yang tidak diketahui dengan meminimumkan jumlah perbedaan atau
deviasi kuadrat antara arus lalulintas hasil estimasi dengan arus lalulintas hasil
pengamatan. Fungsi obyektif dari metode estimasi kuadrat terkecil untuk data arus
lalulintas adalah sebagai berikut :

Minimumkan S = ( )
(

l
l l
l
V V
V
2

(2)

dengan
l
V

= 1 untuk Kuadrat-Terkecil-Tidak-Linier (KTTL),

l
V

=
l
V

untuk
Kuadrat-Terkecil-Tidak-Linier-Berbobot (KTTLB),
l
V

= jumlah arus lalulintas

pada ruas hasil pengamatan, V
l
= jumlah arus lalulintas pada ruas hasil
pemodelan
Purwanti, 2001 Tamin, 1988
Suyuti, 2006
Sulistyorini, 2010
-
( )

=
i d
l
id id d d i i l
p C f D B A O V ) (

-
} 1 , 0 { =
l
id
p

-
( )

=
i d
l
id id d d i i l
p C f D B A O V ) (

-
] 1 ; 0 [ =
l
id
p

-
( )
( )
( )

=
i d
lk
id
m
m
id
k
id
id d d i i
k
l
p
C
C
C f D B A O V

exp
exp
) (

-
} 1 , 0 { (bus) =
l
id
p
dan
} 1 , 0 { (mobil) =
l
id
p

-
( )
( )
( )

=
i d
lk
id
m
m
id
k
id
id d d i i
k
l
p
C
C
C f D B A O V

exp
exp
) (

-
} 1 , 0 { (bus) =
l
id
p
dan
] 1 ; 0 [ (mobil) =
l
id
p



Persamaan (2) dapat ditulis sebagai :

Minimumkan S =

(
(

|
|
.
|

\
|
|
.
|

\
|
l
2
l
i d
l
id id
l
V

p . T
V
1

(3)

Pada model Gravity, parameter yang akan diestimasi adalah dan . Nilai tersebut
akan diperoleh bila turunan pertama S terhadap parameter-parameter tersebut sama
dengan nol. Adapun turunan pertama persamaan (3) terhadap dan adalah :



=
(
(

)
`

|
|
.
|

\
|
c
c
|
.
|

\
|
=
c
c
l i d
l
id
id
i d
l
l
id id
l
.p

T
V .p T
V
0

2
1 S

(4)


=
(
(
(

|
|
.
|

\
|
c
c
|
|
.
|

\
|
=
c
c
.
-
l k i d
lk
id
k
id
i d
k
l
lk
id
k
id
k
l
p
T
V p T
V
S
0
2

(5)

Persamaan (4) dan Persamaan (5) merupakan persamaan simultan dengan dua
parameter yang tidak diketahui yaitu dan . Untuk menyelesaikan persamaan
tersebut perlu digunakan metode Newton-Raphson yang dikombinasikan dengan
teknik eliminasi matriks dari Gauss-Jordan.

2.2 DATA

Penelitian yang dilakukan terutama adalah untuk mengetahui besarnya pengaruh
adanya kesalahan traffic count terhadap estimasi MAT. Analisis terutama
ditekankan kepada Matrik Asal Tujuan (MAT) kota Bandar Lampung berdasarkan
data arus lalulintas. Adapun tahapan pelaksanaan penelitian yaitu :
1. Tahapan Persiapan
Tahapan persiapan merupakan tahapan awal dari suatu penelitian dian-
taranya dengan mengindentifikasi masalah, mengumpulkan studi literatur
serta bahan-bahan pustaka lainnya yang mendukung proses penelitian.
2. Tahapan Pengumpulan Data
Data yang digunakan dalam penelitian ini yaitu data sekunder. Data
sekunder yang digunakan yaitu MAT Kota Bandar Lampung yang
diestimasi berdasarkan data arus lalulintas. Kemudian data dikelompokan
dan diinvatirisasi berdasarkan jenis data. Kebutuhan akan data yang


diperlukan untuk pemodelan dan prediksi bangkitan pergerakan
teridentifikasi melalui tinjauan pustaka. Pengumpulan data dilakukan
terhadap wilayah studi berdasarkan kebutuhan yang telah diidentifikasi
tersebut.

Keseluruhan jenis data yang dibutuhkan untuk penelitian ini bersifat
sekunder, karena diperoleh dari instansi teknis terkait. Data tersebut anta-
ra lain adalah:
1. Studi kasus kota Bandar Lampung.
2. MAT prior yang menggunakan MAT 2006 dengan 25 zona.
3. MAT estimasi yang dibentuk menggunakan model kombinasi gravity
dengan multinomial logit.
4. Model bangkitan dan tarikan diambil dan diolah dari beberapa data
sekunder.
5. Pengumpulan data sekunder (kondisi sosio ekonomi, data populasi, data
sektoral, peta administrasi, LHR, data jaringan jalan, travel time dan
kecepatan, data angkutan umum) yang diperoleh dari instansi terkait
serta data studi terdahulu.
3. Tahapan Pembentukan Data Base Sistem Jaringan dan Zona
Pada tahapan ini dibentuk data base sistem jaringan yang terdiri dari kapa-
sitas jalan, arus lalulintas, dan travel time untuk tiap ruas jalan. Dan pem-
bagian zona menjadi 25 zona.
4. Tahapan Estimasi MAT dan Pembebanan Pergerakan
5. Pada tahapan ini berdasarkan data base sistem jaringan dan zona dibentuk
MAT dengan menggunakan Gravity Model yang dikombinasi dengan mul-
tinommial logit. Kemudian MAT yang terbentuk dibebankan kembali ke
jaringan jalan maka akan didapatkan kembali data arus lalulintas.
6. Tahapan Memberikan Faktor Kesalahan Pada Data Arus Lalulintas
Pada tahapan ini data arus lalulintas survey yang didapat yang menjadi da-
sar pembentukan Matrik Asal Tujuan (MAT), diberi faktor kesalahan
0% s.d. 100%.
7. Tahapan Estimasi MAT Skenario dan Pembebanan Pergerakan Kembali


Pada tahapan ini dari data arus lalulintas yang diberi faktor kesalahan ter-
sebut dibentuk MAT skenario untuk dibandingkan dengan MAT pemband-
ing. Dan volume arus lalulintas hasil pembebanan dibandingkan dengan
volume arus lalulintas hasil survey.
8. Tahapan Analisa
Dari hasil pengolahan data dengan memasukkan faktor kesalahan pada da-
ta arus lalulintas, tahapan selanjutnya adalah membuat analisa dan per-
bandingan tentang sejauh mana data arus lalulintas tersebut dapat dipakai
untuk membuat estimasi Matrik Asal Tujuan (MAT). Indikator yang
digunakan yaitu Koefisien Determinasi (R
2
).

Dalam tahapan ini penelitian ditujukan untuk menganalisa pengaruh
adanya kesalahan dalam arus lalulintas terhadap akurasi MAT dan sebera-
pa besar pengaruh adanya kesalahan tersebut memberikan pengaruh ter-
hadap tingkat akurasi Matrik Asal Tujuan (MAT).
9. Kesimpulan dan Saran
Dalam tahapan ini akan diperoleh hasil akhir dari penelitian. Hasil yang
diperoleh diharapkan dapat memberikan gambaran yang mencerminkan
tujuan dari penelitian ini. Dari hasil penelitian ini selanjutnya dapat ditarik
kesimpulan dan saran.

Secara sistematis pelaksanaan penelitian seperti Gambar 2.







Gambar 2. Diagram Alir Kegiatan Penelitian


MULAI
Identifikasi Masalah
Studi Literatur
Pengumpulan Data
A





























Gambar 2. Diagram Alir Kegiatan Penelitian (lanjutan)

2.3 PEMBAHASAN

2.3.1 Hubungan Faktor Kesalahan Volume Arus Lalulintas Hasil Estimasi
VS Volume Arus Lalulintas Survey (R
2
)


Data Sekunder
Peta Kota B. Lampung
Data Sosio-Ekonomi
Data LHR/TC
Peta Jaringan Jalan
MAT 2006, Dishub
B.Lampung



Pembentukan data base sis-
tem jaringan dan zona
Data LHR/TC
Data penumpang Survey
on Bus (DAMRI)
Data LHR/TC Angkutan
Umum dan Pribadi

Skenario Kesalahan
(Data LHR/TC Diberi Faktor
Kesalahan 10% s.d. 100%)
Secara Random
Data LHR/TC
Data penumpang Survey
on Bus (DAMRI)
Data LHR/TC Angkutan
Umum dan Pribadi


Estimasi MAT dengan : MODEL
GRAVITY YANG DIKOMBINASI
DENGAN MULTINOMMIAL LOGIT
(Program EMME2)

SELESAI
Arus Lalulintas
(Pada Ruas)
Analisis Statistik R
2
Kesimpulan dan Saran
Assignment (Pembebanan Pergerakan)
Membandingkan Arus Lalulintas
(setiap skenario) dengan Arus Lalulintas Survey
Estimasi MAT dengan : MODEL
GRAVITY YANG DIKOMBINASI
DENGAN MULTINOMMIAL LOGIT
(Program EMME2)

Arus Lalulintas
(Pada Ruas)
Assignment (Pembebanan Pergerakan)
Membandingkan
MAT
(setiap skenario)
A













Gambar 3. Grafik Hubungan Faktor Kesalahan - Volume Arus Lalulintas Hasil Estimasi
VS Volume Arus Lalulintas Survey (R
2
)
1) Data Dengan Prosentase Kesalahan Dengan Metode Random Normal
2) Data Dengan Perandoman Prosentase Error Terpilih

Grafik Hubungan Faktor Kesalahan - Volume Arus Lalulintas Hasil Estimasi VS Vol-
ume Arus Lalulintas Survey (R
2
) di atas menunjukan bahwa setiap data masukan (Vol-
ume Arus Lalulintas Survey) yang diberi faktor kesalahan mempengaruhi besarnya data
keluaran (Volume Arus Lalulintas Hasil Estimasi). Sehingga setiap skenario kesalahan
memberikan R
2
yang berbeda-beda.

2.3.2 Hubungan Faktor Kesalahan Keakurasian MAT (R
2
)











Gambar 4. Grafik Hubungan Faktor Kesalahan Keakurasian MAT (R
2
)
1) Data Dengan Prosentase Kesalahan Dengan Metode Random Normal
2) Data Dengan Perandoman Prosentase Error Terpilih

Berdasarkan uji statistik yang dilakukan dengan membandingkan MAT model
dengan MAT hasil estimasi dengan skenario error maka pengaruh kesalahan yang
terjadi pada level arus lalulintas hampir tidak berpengaruh terhadap matrik yang
dibentuk. MAT model dan MAT hasil estimasi relatif tidak banyak berbeda se-
bagaimana ditunjukkan oleh hasil uji statistik diatas. Untuk pemberian faktor
kesalahan hingga 80% matrik estimasi yang dibentuk dengan distribusi prosen-
tase error terpilih menunjukkan nilai R
2
= 0,99145 , untuk distribusi error Normal
R
2
= 0,99563.



2.3.3 Hubungan Faktor Kesalahan Tingkat Akurasi Arus Lalulintas (Vsurvey VS
Vskenario) (R
2
)












Gambar 5. Grafik Hubungan Faktor Kesalahan Tingkat Akurasi Arus Lalulintas
(Vsurvey VS Vskenario) (R
2
)
1) Data Dengan Prosentase Kesalahan Dengan Metode Random Normal
2) Data Dengan Perandoman Prosentase Error Terpilih

Dari Gambar 5. Menunjukkan bahwa setiap penambahan faktor kesalahan pada
arus lalulintas menghasilkan arus lalulintas dari pembebanan yang dibentuk akan
terjadi perubahan secara bertahap. Dari gambar tersebut, dapat dilihat bahwa
kesalahan pengumpulan data arus lalulintas dapat ditolerir pada tingkat kesalahan
sebesar 60%, dimana pada distribusi random normal R
2
sebesar 0,292906 se-
dangkan dengan perandoman prosentase error terpilih sebesar 0,290464.

3. KESIMPULAN

1. Dari model gravity, memperlihatkan bahwa dampak kesalahan yang ada
relatif mempunyai pengaruh yang sangat kecil, dimana pada proses pem-
berian faktor kesalahan hingga 80% MAT yang dihasilkan tidak jauh
berbeda terhadap MAT awal. Hal ini ditunjukkan dengan nilai R
2
=
0,99145 untuk distribusi prosentase error terpilih dan untuk distribusi er-
ror Normal R
2
= 0,99563.
2. Pada tingkat akurasi perbandingan arus lalulintas hasil pembebanan se-
tiap skenario dengan arus lalulintas hasil survey, setiap penambahan
faktor kesalahan pada arus lalulintas menghasilkan arus lalulintas dari
pembebanan yang dibentuk akan terjadi perubahan secara bertahap/linier.
Berdasarkan uji statistik yang dilakukan besarnya nilai yang dapat
ditolerir pada tingkat kesalahan sebesar 60%, dimana pada distribusi


random normal R
2
sebesar 0,292906 sedangkan dengan perandoman
prosentase error terpilih sebesar 0,290464.
3. MAT yang dibentuk dengan menggunakan model Gravity dengan kom-
binasi multinomial logit relatif kurang sensitif terhadap pengaruh error,
hal ini dimungkinkan karena untuk model ini, pengisian sel matrik diatur
sedemikian rupa sehingga nilai asal (Oi) dan an (Dd) adalah tetap.
4. Pengaruh kesalahan sebesar 10% yang terjadi dalam arus lalulintas mem-
berikan pengaruh yang sangat kecil sekali terhadap perbedaan matrik
(matrik pembanding dan matrik skenario) yang ditunjukkan oleh distri-
busi error normal R
2
= 0,998627, sedangkan dengan perandoman error
terpilih R
2
= 0,999999. Jadi dari hasil penelitian ini menunjukkan bahwa
kesalahan yang terjadi dalam arus lalulintas bukanlah hal yang signif-
ikan dalam memberikan pengaruh terhadap akurasi MAT yang didapat
dari arus lalulintas.

4. SARAN

Saran-saran untuk penelitian selanjutnya mengenai pemodelan jaringan
transportasi adalah sebagai berikut :
1. Dalam proses estimasi MAT, faktor kesalahan dalam arus lalulintas yang
mungkin terjadi harus dibuat seminimal mungkin terutama pada waktu
survey lapangan.
2. Proses dalam pengumpulan data, pengolahan data serta pengambilan
sampel, harus didukung oleh sumber daya manusia dan peralatan yang
memadai. Metoda apapun yang digunakan akan memberikan hasil esti-
masi MAT yang kurang baik dan berbeda dari yang diharapkan apabila
faktor kesalahan yang terjadi cukup besar.
3. Pemodelan transportasi dengan menggunakan data arus lalulintas ini, data
yang dihasilkan sesuai dengan data yang dimasukkan, oleh karena itu se-
makin baik data masukan menghasilkan data yang lebih baik. Sehingga
hasi model yang diestimasi tidak menyimpang jauh dari yang terjadi di
lapangan.


4. Untuk mengetahui seberapa besar dampak kesalahan dalam arus lalu-
lintas, perlu adanya penelitian lebih lanjut dengan menggunakan metoda
pembebanan yang lain seperti All-or-Nothing dan Stochastic, Selain itu
dapat dilakukan dengan kondisi data arus lalulintas yang berbeda seperti
kondisi data survey dengan lama survey yang berbeda (24 jam atau 36
jam), kondisi data survey pada waktu sibuk (macet) serta tidak sibuk (tid-
ak macet), kondisi data survey dengan titik yang berbeda, kondisi data
arus lalulintas yang ada tidak memperhitungkan tundaan di persimpangan
dan kondisi data survey lainnya. Selain itu bagaimana hasilnya apabila
metoda pengumpulan data yang digunakan adalah secara otomatis atau
dinamis, hal ini bertujuan guna memperoleh hasil penelitian yang lebih
menyeluruh.

DAFTAR PUSTAKA

Junaedi, T., 2008, Analisis Perubahan Arus Lalulintas dan Pengaruhnya Terha-
dap Matriks Asal Tujuan (Studi Kasus Kota Bandar Lampung, Media Teknik
Sipil, Lampung.

Munawar, A., 2005, Dasar-Dasar Teknik Transportasi, Penerbit Beta Offset,
Yogyakarta.

Ortuzar, J.D. and Willumsen, L.G., (1994), Modelling Transport, Third Edition,
John Wiley and Sons Ltd.

Sulistyorini, R., (2000), Dampak Adanya Informasi MAT Parsial Terhadap
Akurasi MAT Yang Didapat Dari Arus LaluLintas, Thesis Magister, Magister
Transportasi, Institut Teknologi Bandung.

Sulistyorini, R., (2010), Estimasi Parameter Model Kombinasi Sebaran
Pergerakan Dan Pemilihan Moda Dalam Kondisi Pembebanan
Keseimbangan, Disertasi Doktor, Institut Teknologi Bandung.

Suyono, R. S., Tamin, O.Z., Liliani, Titi. 2000. Studi Penentuan Lokasi Traffic
Count Terbaik Dan Jumlah Data Arus Lalulintas Optimum Dalam Estimasi


Matriks Asal-Tujuan (MAT), Makalah. Insititut Teknologi Bandung (ITB),
Bandung.

Tamin, O.Z., (1997), Perencanaan dan Pemodelan Transportasi, Edisi I, Penerbit
ITB, Bandung.

Tamin, O.Z., 2000, Perencanaan dan Pemodelan Transportasi, Edisi 2, Penerbit
ITB, Bandung.