BAB II

TINJAUAN PUSTAKA

2.1. Landasan Konsep Bangkitan dan Tarikan Lalu Lintas

Menurut Tamin, (2000) bangkitan perjalanan adalah tahapan permodelan yang

memperkirakan jumlah pergerakan yang berasal dari suatu zona atau tata guna lahan

dan jumlah pergerakan yang tertarik ke suatu tata guna lahan atau zona. Pergerakan

lalu lintas merupakan fungsi tata guna lahan yang menghasilkan aliran lalu lintas.

Bangkitan lalu lintas ini mencakup:

1. Lalu lintas yang meninggalkan suatu lokasi.

2. Lalu lintas yang menuju atau tiba ke suatu lokasi.

Bangkitan dan tarikan perjalanan terlihat secara diagram pada Gambar 2.1.

(Sumber : Tamin, 2000)

Gambar 2.1 Bangkitan dan Tarikan Perjalanan

Hasil keluaran dari perhitungan bangkitan dan tarikan lalu lintas berupa jumlah

kendaraan, orang atau angkutan barang per satuan waktu, misalnya kendaraan/jam.

Dapat dengan mudah dihitung jumlah orang atau kendaraan yang masuk atau keluar

dari suatu luas tanah tertentu dalam satu hari (atau satu jam) untuk mendapatkan

5
 6

bangkitan dan tarikan pergerakan. Bangkitan dan tarikan lalu lintas tersebut tergantung

pada dua aspek tata guna lahan:

a. Jenis tata guna lahan.

b. Jumlah aktifitas dan intensitas pada tata guna lahan tersebut.

Jenis tata guna lahan yang berbeda (pemukiman, pendidikan, dan komersial)

mempunyai ciri bangkitan lalu lintas yang berbeda:

1. Jumlah arus lalu lintas.

2. Jenis lalu lintas (pejalan kaki, truk atau mobil).

3. Lalu lintas pada waktu tertentu (sekolah menghasilkan arus lalu lintas pada

pagi dan siang hari, pertokoan menghasilkan arus lalu lintas di sepanjang

hari).

2.1.1. Definisi Dasar

Menurut Tamin, (2000) ada beberapa definisi dasar mengenai bangkitan

perjalanan yaitu sebagai berikut:

a. Perjalanan

Pergerakan satu arah dari zona asal ke zona tujuan, termasuk pergerakan

berjalan kaki. Berhenti secara kebetulan tidak dianggap sebagai tujuan perjalanan,

meskipun perubahan rute terpaksa dilakukan. Meskipun perjalanan sering diartikan

dengan perjalanan pulang dan pergi, dalam ilmu transportasi biasanya analisis

keduanya harus dipisahkan.

 7

b. Pergerakan berbasis rumah

Pergerakan yang salah satu atau kedua zona (asal dan/atau tujuan) perjalanan

tersebut adalah rumah.

c. Pergerakan berbasis bukan rumah

Pergerakan yang baik asal maupun tujuan pergerakan adalah bukan rumah.

d. Bangkitan perjalanan

Digunakan untuk suatu perjalanan berbasis rumah yang mempunyai tempat

asal dan/atau tujuan adalah rumah atau pergerakan yang dibangkitkan oleh pergerakan

berbasis bukan rumah. (lihat Gambar 2.2).

e. Tarikan perjalanan

Tarikan pergerakan adalah jumlah pergerakan yang tertarik ke suatu tata

guna lahan atau zona (Tamin, 2000). Tarikan pergerakan tersebut berupa tarikan lalu

lintas yang menuju atau tiba ke lokasi.

Model pergerakan didapatkan dengan memodelkan secara terpisah pergerakan

yang mempunyai tujuan yang berbeda. Untuk lebih jelasnya jenis pergerakan dapat

dibagi dua yaitu pergerakan berbasis rumah dan pergerakan berbasis bukan rumah

dapat dilihat pada Gambar 2.2 berikut ini:

 8

(Sumber : Tamin, 2000)

Gambar 2.2 Contoh Bangkitan dan Tarikan Perjalanan

Berdasarkan asal dan akhir pergerakan, terdapat dua macam pergerakan yaitu

home based dan non-home based, berdasar sebab pergerakan diklasifikasikan sebagai

produksi pergerakan dan tarikan pergerakan.

Bangkitan pergerakan adalah total pergerakan yang dibangkitkan rumah tangga

pada suatu zona baik home based maupun non-home based.

2.1.2. Karakteristik Perjalanan

Karakteristik perjalanan meliputi:

1. Berdasarkan tujuan perjalanan

Dalam kasus perjalanan berbasis rumah, lima kategori tujuan perjalananyang

sering digunakan adalah:

- Pergerakan menuju tempat kerja

- Pergerakan menuju tempat pendidikan (sekolah atau kampus)

- Pergerakan menuju tempat belanja

- Pergerakan untuk kepentingan sosial dan rekreasi

- dll.
 9

Tujuan pergerakan menuju tempat kerja dan pendidikan disebut tujuan

pergerakan utama yang merupakan keharusan untuk dilakukan oleh setiap

orang setiap hari, sedangkan tujuan lain sifatnya hanya sebagai pilihan dan tidak

rutin dilakukan.

2. Berdasarkan Waktu

Pergerakan berdasarkan waktu umumnya dikelompokkan menjadi

pergerakan pada jam sibuk dan jam tidak sibuk. Proporsi pergerakan yang

dilakukan oleh setiap tujuan pergerakan sangat bervariasi sepanjang hari.

Pergerakan pada selang jam sibuk pagi hari terjadi antara pukul 07.00 sampai

dengan pukul 09.00. Untuk jam sibuk pada sore hari terjadi pada waktu antara

pukul 03.00 sampai dengan pukul 05.00. Untuk jam tidak sibuk berlangsung

antara pukul 10.00 pagi sampai dengan pukul 12.00 siang.

3. Pemilihan moda

Secara sederhana moda berkaitan dengan jenis transportasi yang digunakan.

Pilihan pertama biasanya berjalan kaki atau menggunakan kendaraan. Jika

menggunakan kendaraan, pilihannya adalah kendaraan pribadi (sepeda, sepeda

motor dan mobil) atau angkutan umum (bus, becak dan lain-lain). Dalam

beberapa kasus, mungkin terdapat sedikit pilihan atau tidak ada pilihan sama

sekali. Orang yang ekonominya lemah mungkin tidak mampu membeli sepeda

atau membayar transportasi sehingga mereka biasanya berjalan kaki. Sementara

itu, keluarga berpenghasilan kecil yang tidak mempunyai mobil atau sepeda

motor biasanya menggunakan angkutan umum. Selanjutnya, seandainya

 10

keluarga tersebut mempunyai sepeda, jika harus bepergian jauh tentu

menggunakan angkutan umum. Orang yang hanya mempunyai satu pilihan

moda saja disebut dengan captive terhadap moda tersebut. Sedangkan yang

mempunyai banyak pilihan moda disebut dengan choice. Faktor lain yang

mempengaruhi adalah ketidaknyamanan dan keselamatan.

2.2. Konsep Perencanaan Transportasi

Menurut Tamin (2000), model perencanaan transportasi yang populer saat ini

ada 4 (empat) tahap. Model ini memiliki beberapa seri sub-model yang masing-masing

harus dilakukan secara terpisah dan berurutan. Sub-model itu dapat dijelaskan sebagai

berikut:

2.2.1. Aksesibilitas

Aksesibilitas adalah alat untuk mengukur potensial dalam melakukan

perjalanan, selain juga menghitung jumlah perjalanan itu sendiri. Aksesibilitas dapat

digunakan untuk menyatakan tingkat kemudahan suatu tempat untuk dijangkau.

2.2.2. Bangkitan dan Tarikan Perjalanan ( Trip Generation )

Bangkitan dan tarikan pergerakan adalah tahapan permodelan yang

memperkirakan jumlah pergerakan yang berasal dari suatu zona atau tata guna lahan

dan jumlah pergerakan yang tertarik ke suatu tata guna lahan atau zona.

2.2.3. Sebaran Pergerakan ( Trip Distribution )

Sebaran pergerakan sangat berkaitan dengan bangkitan pergerakan. Bangkitan

pergerakan memperlihatkan banyaknya lalu lintas yang dibangkitkan oleh setiap tata
 11

guna lahan, sedangkan sebaran pergerakan menjelaskan ke mana dan dari mana lalu

lintas tersebut.

2.2.4. Pemilihan Moda (Moda Split, Moda Choice)

Jika terjadi interaksi antara 2 (dua) tata guna lahan dalam suatu kota, maka

seseorang akan memutuskan bagaimana interaksi tersebut akan dilakukan. Dalam

kebanyakan kasus, pilihan pertama adalah dengan menggunakan jaringan selular

(karena pilihan ini dapat menghindarkan dari terjadinya perjalanan). Keputusan harus

ditetapkan dalam hal pemilihan moda, secara sederhana moda berkaitan dengan jenis

transportasi yang digunakan. Salah satu pilihannya adalah dengan berjalan kaki atau

menggunakan kendaraan. Jika menggunakan kendaraan, pilihannya adalah kendaraan

pribadi atau kendaraan umum. Jika terdapat lebih dari satu jenis moda, maka yang

dipilih adalah yang memiliki rute terpendek, tercepat atau terekonomis.

2.2.5. Pemilihan Rute (Route Choice)

Dalam kasus ini, pemilihan moda dan rute dilakukan bersama-sama. Untuk

angkutan umum, rute ditentukan berdasarkan moda transportasi. Untuk kendaraan

pribadi, diasumsikan bahwa orang akan memilih moda transportasinya dulu kemudian

rutenya. Seperti pemilihan moda, pemilihan rute juga tergantung pada alternatif

terpendek, tercepat, termurah, dan diasumsikan bahwa pemakai jalan mempunyai

informasi yang cukup (misalnya tentang kemacetan jalan) sehingga mereka dapat

menentukan rute terbaik.

 12

2.2.6. Arus Lalu Lintas Dinamis (Arus Lalu Lintas pada Jaringan Jalan)

Arus lalu lintas berinteraksi dengan sistem jaringan transportasi. Jika arus lalu

lintas meningkat pada ruas jalan tertentu, waktu tempuh pasti bertambah (karena

kecepatan menurun). Arus maksimum yang dapat melewati suatu ruas jalan biasa

disebut kapasitas ruas jalan tersebut. Arus maksimum yang dapat melewati suatu titik

(biasanya pada persimpangan dengan lampu lalu lintas) biasa disebut arus jenuh.

2.3. Faktor-Faktor yang Mempengaruhi Bangkitan dan Tarikan

Faktor-faktor yang mempengaruhi bangkitan dan tarikan pergerakan antara lain

yaitu, ( Tamin, 2000 ):

1. Bangkitan pergerakan untuk manusia; faktor berikut dipertimbangkan pada

beberapa kajian yang telah dilakukan:

a. Pendapatan

b. Pemilik kendaraan

c. Struktur rumah tangga

d. Kepadatan daerah pemukiman

e. Aksesibilitas

2. Tarikan pergerakan untuk manusia; faktor yang paling sering digunakan

untuk tarikan pergerakan adalah luas lantai untuk kegiatan industri,

komersial, pertokoan dan pelayanan lainnya.

 13

2.4. Hubungan Transportasi dan Tata Guna Lahan

2.4.1. Sistem Tata Guna Lahan–Transportasi

Transportasi perkotaan terdiri dari berbagai aktivitas seperti bekerja, sekolah,

olahraga, belanja dan bertamu yang terjadi di atas sebidang tanah (kantor, pabrik,

pertokoan, rumah dan lain-lain). Potongan lahan ini bisa disebut tata guna lahan, untuk

memenuhi kebutuhannya manusia melakukan perjalanan di antara tata guna lahan

tersebut dengan menggunakan sistem jaringan transportasi. Hal ini menimbulkan

pergerakan arus manusia, kendaraan dan barang (Tamin, 1997).

2.4.2. Intensitas Aktivitas Tata Guna Lahan

Bangkitan pergerakan bukan saja beragam dalam jenis tata guna lahan, tetapi

juga tingkat aktivitasnya. Semakin tinggi tingkat penggunaan sebidang tanah, semakin

tinggi pergerakan arus lalu lintas yang dihasilkannya (Tamin, 1997).

2.5. Analisis Regresi

Perubahan nilai satu variabel tidak selalu terjadi dengan sendirinya, namun

perubahan nilai variabel itu dapat pula disebabkan oleh berubahnya variabel lain yang

berhubungan dengan variabel tersebut. Untuk mengetahui pola perubahan nilai suatu

variabel yang disebabkan oleh variabel lain diperlukan alat analisis yang

memungkinkan kita untuk membuat perkiraan (prediction) nilai variabel tersebut pada

nilai tertentu variabel yang mempengaruhinya. Salah satu cara untuk menghasilkan

model tarikan perjalanan adalah dengan menggunakan teknik analisis regresi (Sudjana,

1996).
 14

Teknik analisis regresi adalah suatu teknik berdasarkan metode statistik, yang

dapat digunakan untuk menghasilkan hubungan dalam bentuk numerik untuk melihat

bagaimana dua variabel (simple regresi) atau lebih (multiple regresi) saling terkait,

(Tamin, 2000).

2.5.1. Analisis Regresi Linear

Analisis regresi linear adalah metode statistik yang dapat digunakan untuk

mempelajari hubungan antar sifat permasalahan yang sedang diselidiki. Model analisis

regresi linear dapat memodelkan hubungan antara dau peubah atau lebih. Pada model

ini terdapat peubah tidak bebas (Y) yang mempunyai hubungan fungsional dengan satu

atau lebih peubah bebas (X) (Iskahar dan Sulfah Anjarwati, 2005). Bentuk matematis

dari analisis regresi sederhana adalah:

Y = a + bX (2-1)

Keterangan :

Y : variabel dependen (tidak bebas)

X : variabel independen (bebas)

a : intercept (konstanta)

b : koefisien variabel independen (bebas)

 15

2.5.2. Analisis Regresi Linear Berganda

Dalam regresi linear berganda, persamaan regresi mempunyai lebih dari satu

variabel independen. Untuk memberi simbol variabel independen yang terdapat dalam

persamaan regresi linear berganda adalah dengan melanjutkan simbol yang digunakan

pada regresi sederhana, yaitu dengan menambah tanda bilangan pada setiap variabel

independen tersebut, dalam hal ini X1, X2,…., Xn. Bentuk umum dari persamaan

regresi linear berganda dapat dituis sebagai berikut (Tamin, 2000):

Y = a+ b1X1 + b2X2 + …+ bnXn (2-2)

Keterangan:

Y : variabel dependen (tidak bebas)

a : konstanta

b1,b2,…,bn : koefisien variabel independen (bebas)

X1,X2,…,Xn : variabel independen (bebas)

2.5.3 Analisis Regresi Non Linier

Analisis regresi merupakan metode dalam statistika yang digunakan untuk

mengetahui pola hubungan antara variabel bebas dan variabel terikat (Hosmer and

Lemeshow, 2000). Berdasarkan pola hubungannya, analisis regresi terbagi atas analisis

regresi linear dan analisis regresi non-linear. Menurut (Hasan, 1999) suatu model

disebut model regresi nonlinear apabila variabel-variabelnya ada yang berpangkat.

Contoh model regresi nonlinear dalam antara lain model parabola, kuadratik, hiperbola,

dan lain-lain. Menurut Montgomery dan Peck (1992) model regresi nonlinear dalam

parameter adalah suatu model apabila dideferensialkan hasilnya masih merupakan

 16

fungsi dalam parameter tersebut. Contoh model regresi nonlinear dalam parameter

adalah model regresi logistik. Model regresi nonlinear dalam parameter menurut

(Montgomery dan Peck, 1992) dapat dituliskan sebagai:

𝑦𝑖 = 𝑓(𝑥𝑖 , 𝜃) + 𝜀𝑖 , i = 1, 2, ..., n. (2-3)

Keterangan :

𝑦𝑖 = variabel terikat ke-i

𝑥𝑖 = variabel bebas ke-i

𝜃 = parameter yang tidak diketahui

𝜀𝑖 = error, dimana 𝜀~𝑁(0, 𝜎 2 )

2.6. Koefisien Korelasi

Salah satu tahapan terpenting di dalam analisis trip generation (bangkitan dan

tarikan perjalanan) terutama dengan metode analisis regresi adalah penentuan

hubungan antara variabelnya baik antara sesama variabel bebas (pada regresi berganda)

maupun antara variabel bebas dengan variabel tidak bebas (pada regresi berganda dan

sederhana).

Untuk menentukan apakah suatu variabel mempunyai tingkat korelasi dengan

permasalahan ataupun dengan variabel yang lainnya dapat digunakan dengan suatu

teori korelasi. Apabila X dan Y menyatakan dua variabel yang sedang diamati maka

diagram pencar menggambarkan titik lokasi (X,Y) menurut sistem koordinat. Apabila

semua titik di dalam diagram pencar nampak berbentuk sebuah garis, maka korelasi

tersebut disebut linier. Apabila Y cenderung meningkat dan X meningkat, maka

korelasi tersebut disebut korelasi positif atau korelasi langsung. Sebaliknya apabila Y
 17

cenderung menurun sedangkan X meningkat, maka korelasi disebut korelasi negatif

atau korelasi terbalik. Apabila tidak terlihat adanya hubungan antara variabel, maka

dikatakan tidak terdapat korelasi antara kedua variabel.

Korelasi antara variabel tersebut dapat dinyatakan dengan suatu koefisien

korelasi (r). Nilai r berkisar antara –1 dan +1. Tanda (+) dan tanda (-) dipakai untuk

korelasi positif dan korelasi negatif. Dalam penelitian ini tahapan analisis korelasi

merupakan tahapan terpenting di dalam menentukan hubungan antar faktor yang

berpengaruh pada pergerakan/transportasi.

2.7 Derajat Kejenuhan (DJ)

Derajat Kejenuhan (DJ) adalah ukuran utama yang digunakan untuk

menentukan tingkat kinerja segmen jalan. Nilai DJ menunjukkan kualitas kinerja arus

lalu lintas dan bervariasi antara nol sampai dengan satu. Nilai yang mendekati nol

menunjukkan arus yang tidak jenuh yaitu kondisi arus yang lengang dimana kehadiran

kendaraan lain tidak mempengaruhi kendaraan yang lainnya. Nilai yang mendekati 1

menunjukkan kondisi arus pada kondisi kapasitas, kepadatan arus sedang dengan

kecepatan arus tertentu yang dapat dipertahankan selama paling tidak satu jam. DJ

dihitung menggunakan persamaan (2-4).

𝑄
𝐷𝐽 = 𝐶 (2-4)

Keterangan:

DJ : derajat kejenuhan

Q : arus lalu lintas, skr/jam

 18

C : kapasitas, skr/jam

2.8 Kapasitas Jalan (C)

Kapasitas (C) didefinisikan sebagai arus maksimum melalui suatu titik di jalan

yang dapat dipertahankan per satuan jam pada kondisi tertentu. Untuk jalan dua-lajur

dua arah, kapasitas ditentukan untuk arus dua arah (kombinasi dau arah), tetapi untuk

jalan dengan banak lajur, arus dipisahkan per arah dan kapasitas ditenukan per lajur.

Untuk tipe jalan 2/2TT, C ditentukan untuk total arus dua arah. Untuk jalan dengan tipe

4/2T, 6/2T, dan 8/2T, arus ditentukan secara terpisah per arah dan kapasitas ditentukan

per lajur. Kapasitas segmen dapat dihitung menggunakan persamaan (2-5).

𝐶 = 𝐶0 × 𝐹𝐶𝐿𝐽 × 𝐹𝐶𝑃𝐴 × 𝐹𝐶𝐻𝑆 × 𝐹𝐶𝑈𝐾 (2-5)

Keterangan:

C : kapasitas, skr/jam

C0 : kapasitas dasar, skr/jam

FCLJ : faktor penyesuaian kapasitas terkait lebar lajur atau jalur lalu lintas

FCPA : faktor penyesuaian kapasitas terkait pemisahan arah, hanya pada jalan tak

terbagi

FCHS : faktor penyesuaian kapasitas terkait KHS pada jalan berbahu atau berkereb

FCUK : faktor penyesuaian kapasitas terkait ukuran kota

2.8.1 Kapasitas Dasar (C0)

Kapasitas dasar (C0) ditetapkan secara empiris dari kondisi Segmen Jalan yang

ideal, yaitu Jalan dengan kondisi geometrik lurus, sepanjang 300m, dengan lebar lajur
 19

rata-rata 2,75m, memiliki kereb atau bahu berpenutup, ukuran kota 1-3Juta jiwa, dan

Hambatan Samping sedang. C0 Jalan Perkotaan ditunjukkan dalam Tabel 2.1.

Tabel 2.1 Kapasitas Dasar (C0)

Tipe Jalan C0 (skr/jam) Catatan

4/2T atau jalan satu-arah 1650 Per lajur (satu arah)

2/2 TT 2900 Per jalaur (dua arah)

Sumber : PKJI 2014

2.8.2 Faktor Penyesuaian (FC)

Nilai C0 disesuaikan dengan perbedaan lebar lajur atau jalur lalu lintas (FC LJ),

pemisahan arah (FCPA), Kelas hambatan samping pada jalan berbahu (FC HS), dan

ukuran kota (FCUK). Besar nilai masing-masing FC ditunjukkan dalam Tabel 2.2

sampai Tabel 2.6.

Tabel 2.2 Faktor Penyesuaian Kapasitas Akibat Perbedaan Lebar Jalur atau
Jalur Lalu Lintas, FCLJ

Lebar Jalur Lalu Lintas FCLJ

Tipe Jalan
Efektif (Wc) (m)
Lebar per lajur; 3,00 0,92
3,25 0,96
4/2T atau jalan satu-arah 3,50 1,00
3,75 1,04
4,00 1,08

Lebar jalur 2 arah; 5,00 0,56

6,00 0,87
7,00 1,00
2/2TT 8,00 1,14
9,00 1,25
10,00 1,29
11,00 1,34
Sumber : PKJI 2014
 20

Tabel 2.3 Faktor Penyesuaian Kapasitas Terkait Pemisahan Arah Lalu Lintas,
FCPA

Pemisah arah PA 70-30

50-50 55-45 60-40 65-35
%-%
FCPA 2/2TT 1,00 0,97 0,94 0,91 0,88

Sumber : PKJI 2014

Tabel 2.4 Faktor Penyesuaian Kapasitas Akibat KHS Pada Jalan Berbahu, FCHS

FCHS

Tipe Jalan KHS Lebar Bahu Efektif Lbe, m

≤ 0,5 1,0 1,5 ≥ 2,0

SR 0,96 0,98 1,01 1,03

R 0,94 0,97 1,00 1,02

4/2T S 0,92 0,95 0,98 1,00

T 0,88 0,92 0,95 0,98

ST 0,84 0,88 0,92 0,96

SR 0,94 0,96 0,99 1,01

R 0,92 0,94 0,97 1,00

2/2TT S 0,89 0,92 0,95 0,98

T 0,82 0,86 0,90 0,95

ST 0,73 0,79 0,85 0,91

Sumber : PKJI 2014

 21

Tabel 2.5 Faktor Penyesuaian Kapsitas Akibat KHS pada Jalan Berkereb
dengan Jarak dari Kereb ke Hambatan Samping Terdekat Sejauh
LKP, FCHS,

FCHS

FCHS Jarak kereb ke penghalang

Tipe Jalan KHS terdekat LKP, m

≤ 0,5 1,0 1,5 ≥ 2,0

SR 0,95 0,97 0,99 1,01

R 0,94 0,96 0,98 1,00
4/2T S 0,91 0,93 0,95 0,98
T 0,86 0,89 0,92 0,95
ST 0,81 0,81 0,88 0,92

SR 0,93 0,95 0,97 0,99

R 0,90 0,92 0,95 0,97
2/2TT S 0,86 0,88 0,91 0,94
T 0,78 0,81 0,84 0,88
ST 0,68 0,72 0,77 0,82

Sumber : PKJI 2014

Tabel 2.6 Faktor Penyesuaian Kapasitas Terkait Ukuran Kota, FCUK

Ukuran Kota (Jutaan Penduduk) Faktor Penyesuaian untuk Ukuran

Kota, (FCUK)

≤ 0,1 0,86
0,1 – 0,5 0,90
0,5 – 1,0 0,94
1,0 – 3,0 1,00
> 3,0 1,04

Sumber : PKJI 2014

Untuk segmen ruas jalan eksisting, jika kondisinya sama dengan kondisi dasar

(ideal), maka semua faktor penyesuaian menjadi 1,0 dan kapasitas menjadi sama
 22

dengan kapasitas dasar. FCHS untuk jalan 6-lajur dapat ditentukan dengan

menggunakan nilai FCHS untuk jalan 4/2T yang dihitung menggunakan persamaan (2-

6).

FC6HS = 1 – {0,8 × (1 – FC4HS)} (2-6)

Keterangan:

FC6HS : faktor penyesuaian kapasitas untuk jalur enam-lajur

FC4HS : faktor penyesuaian kapasitas untuk jalan empat-lajur

2.9 Ekivalen Kendaraan Ringan (ekr)

Ekr untuk kendaraan ringan adalah satu dan ekr untuk kendaraan berat dan

sepeda motor ditetapkan sesuai dengan yang ditunjukkan dalam Tabel 2.7 dan Tabel

2.8.

Tabel 2.7 Ekivalen Kendaraan Ringan untuk Tipe Jalan 2/2TT

Tipe Jalan Arus Lalu ekr

Lintas Total
Dua Arah KB SM
(kend/jam) Lebar jalur lalu lintas LJalur

< 3700 1,3 0,5 0,40

2/2TT
>1800 1,2 0,35 0,25

Sumber : PKJI 2014

 23

Tabel 2.8 Ekivalen Kendaraan Ringan untuk Jalan Terbagi dan Satu Arah

Arus Lalu Lintas ekr`

Tipe Jalan Per Lajur
KB SM
(kend/jam)
<1050 1,3 0,40
2/1, dan 4/2T
>1050 1,2 0,25

<1100 1,3 0,40

3/1, dan 6/2D
>1100 1,2 0,25

Sumber : PKJI 2014

2.10 Kecepatan Arus Bebas (VB)

Nilai VB jenis KR ditetapkan sebagai kriteria dasar untuk kinerja segmen jalan,

nilai VB untuk KB dan SM ditetapkan hanya sebagai referensi. VB untuk KR biasanya

10-15% lebih tinggi dari tipe kendaraan lainnya. VB dihitung menggunakan persamaan

(2-7).

VB = (VBD + VBL) × FVBHS × FVBUK (2-7)

Keterangan:

VB : kecepatan arus bebas untuk KR pada kondisi lapangan (km/jam)

VBD : kecepatan arus bebas dasar untuk KR

VBL : nilai penyesuaian kecepatan akibat lebar jalan

FVBHS : faktor penyesuaian kecepatan bebas akibat hambatan samping pada

jalan yang memiliki bahu atau jalan yang dilengkapi kereb/trotoar

dengan jarak kereb ke penghalang terdekat

FVBUK : faktor penyesuaian kecepatan bebas untuk ukuran kota

 24

Jika kondisi eksisting sama dengan kondisi dasar (ideal), maka semua faktor

penyesuaian menjadi 1,0 dan VB menjadi sama dengan VBD.

1. Kecepatan arus bebas dasar (VBD)

Kecepatan arus bebas dasar ditetntukan berdasarkan jenis kendaraan menurut

tipe jalan dapat dilihat berdasarkan Tabel 2.9 berikut.

Tabel 2.9 Kecepatan Arus Bebas Dasar, VBD

VBD (km/jam)

Tipe Jalan Rata-rata Semua

KR KB SM Kendaraan

6/2T atau 3/1 61 52 48 57

4/2T atau 2/1 57 50 47 55

2/2TT 44 40 40 42

Sumber : PKJI 2014

2. Nilai penyesuaian akibat lebar jalur lalu lintas (VBL)

Nilai penyesuaian kecepatan arus bebas akibat lebar jalur lalau lintas efektif

menurut tipe jalan ditentukan berdasarkan Tabel 2.10.

Tabel 2.10 Nilai Penyesuaian Kecepatan Arus Bebas Dasar akibat Lebar
Jalur Lalu Lintas Efektif, VBL

Lebar jalur efektif, Le VBL (km/jam)

Tipe Jalan
(m)
Per lajur
3,00 -4
4/2T atau Jalan satu 3,25 -2
arah 3,50 0
3,75 2
4,00 4
 25

Per lajur
5 -9,5
6 -3
7 0
2/2TT 3
8
9 4
10 6
11 7
Sumber : PKJI 2014

3. Faktor penyesuaian hambatan samping (FVBHS)

Faktor penyesuaian kecepatan arus bebas akibat hambatan samping terbagi

menjandi dua bagian yaitu jalan dengan bahu jalan serta kereb, jalan dengan

bahu ditentukan berdasarkan Tabel 2.11 berikut.

Tabel 2.11 Faktor Penyesuaian Kecepatan Arus Bebas Akibat

Hambatan Samping, FVBHS untuk Jalan Berbahu dengan
Lebar Efektif, LBE
FVBHS

Tipe Jalan KHS LBE (m)

≤ 0,5 1,0 1,5 ≥ 2,0

SR 1,02 1,03 1,03 1,04

R 0,98 1,00 1,02 1,03
4/2T S 0,94 0,97 1,00 1,02
T 0,89 0,93 0,96 0,99
ST 0,84 0,88 0,92 0,96

SR 1,00 1,01 1,01 1,01

R 0,96 0,98 0,99 1,00
2/2TT atau S 0,90 0,93 0,96 0,99
jalan satu arah T 0,82 0,86 0,90 0,95
ST 0,73 0,79 0,85 0,91

Sumber : PKJI 2014

 26

Untuk jalan dengan kereb, faktor penyesuaian arus bebas akibat hambatan

samping untuk jalan berkereb dengan jarak kereb ke penghalang terdekat. Nilai

faktor tersebut dapat dilihat pada Tabel 2.12 berikut.

Tabel 2.12 Faktor Penyesuaian Kecepatan Arus Bebas Akibat Hambatan

Samping untuk Jalan Berkereb dengan Jarak Kereb ke Penghalang
Terdekat, LK-P

FVBHS

Tipe Jalan KHS LK-P (m)

≤ 0,5 1,0 1,5 ≥ 2,0

SR 1,00 1,01 1,01 1,02

R 0,97 0,98 0,99 1,00
4/2T S 0,93 0,95 0,97 0,99
T 0,87 0,90 0,93 0,96
ST 0,81 0,85 0,88 0,92

SR 0,98 0,99 0,99 1,00

R 0,93 0,95 0,96 0,98
2/2TT atau S 0,87 0,89 0,92 0,95
jalan satu arah T 0,78 0,81 0,84 0,88
ST 0,68 0,72 0,77 0,82

Sumber : PKJI 2014

4. Faktor ukuran kota (FVUK)

Ukuran kota adalah besarnya jumlah penduduk sautu kota yang dinyatakan

dalam juta jiwa. Menentukan nilai faktor ukuran kota dapt ditentukan

berdasarkan Tabel 2.13 berikut.

 27

Tabel 2.13 Faktor Penyesuaian untuk Pengaruh Ukuran Kota pada

Kecepatan Arus Bebas Kendaraan Ringan, FVUK

Faktor Penyesuaian untuk

Ukuran Kota (Juta Penduduk) Ukuran Kota, FVUK

< 0,1 0,90

0,93
0,1-0,5
0,95
0,5-1,0
1,00
1,0-3,0
1,03
> 3,0
Sumber : PKJI 2014

2.11 Tingkat Pelayanan

Tingkat pelayanan merupakan besarnya arus lalu lintas yang dapat dilewatkan

oleh segmen tertentu dengan mempertahankan tingkat kecepatan atau derajat

kejenuhan seperti pada Tabel 2.14 berikut.

Tabel 2.14 Tingkat Pelayanan Jalan

Tingkat Batas
Karakteristik Lalu Lintas Lingkup Q/C
Pelayanan
Kondisi arus lalu lintas bebas dengan kecepatan 0,00-0,20
A
tinggi dan volume lalu lintas rendah
Arus stabil, tetapi kecepatan operasi mulai 0,21-0,44
B
dibatasi oleh kondisi lalu lintas
Arus stabil, tetapi kecepatan, gerak kendaraan 0,45-0,74
C
dikendalikan
Arus mendekati tidak stabil, keceptan masih 0,75-0,84
D
dapat dikendalikan, Q/C masih dapat ditolerir
Arus tidak stabil, kecepatan terkadang berhenti, 0,85-1,00
E
permintaan sudah mendekati kapasitas
Arus dipaksakan, kecepatana rendah, volume >1,00
F
diatas kapasitas,antrian panjang (macet)
Sumber : PKJI 2014
 28

2.12 Penelitian Sejenis Terdahulu

Pemilihan lokasi kajian seharusnya dilakukan dengan mempertimbangkan

perkiraan bangkitan dan tarikan pergerakan lalu lintas yang akan terjadi. Tujuan dari

penelitian ini adalah untuk mengetahui tarikan perjalanan dari kendaraan yang ada di

sekolah.

Kawasan pendidikan merupakan salah satu lokasi yang bisa mengalami

masalah kemacetan lalu lintas yang disebabkan oleh beberapa faktor yaitu terjadinya

peningkatan jumlah kendaraan, buruknya pelayanan angkutan umum serta kondisi

sistem jaringan jalan yang tidak memadai.

Andri Asto Rumanga (2014) dalam penelitian yang berjudul “Analisis Model

Bangkitan Tarikan pada Sekolah Swasta di Zona Pinggiran Kota di Kota Makassar”

melakukan penelitian pada lima sekolah swasta yang berada di pinggiran kota

Makassar dengan metode survei. Data hasil survey dianalisis dengan regresi untuk

mendapatkan model yang terbaik berdasarkan nilai determinasi R Square (R2). Hasil

analisis menunjukan model terbaik untuk meramalkan tarikan pergerakan moda

pengantar siswa pada sekolah swasta di kota Makassar adalah Y = -71,7699 +

(0,00063) X3 + (1,50945) X6 + (-0,8167) X13 dengan nilai R2 (R Square) sebesar

0,978, dimana Y adalah moda pengantar siswa, X3 adalah luas sekolah, X6 adalah luas

kelas dan X13 adalah perbandingan jumlah guru dengan jumlah kelas. Sedangkan

model terbaik untuk meramalkan bangkitan pergerakan moda penjemput siswa pada

sekolah swasta di kota Makassar Y = -25,993 + (0,00019) X3 + (0,76698) X6 + (-

1,4369) X13 dengan nilai R2 (R Square) sebesar 0,789, dimana Y adalah moda
 29

pengantar siswa, X3 adalah luas sekolah, X6 adalah luas kelas dan X13 adalah

perbandingan jumlah guru dengan jumlah kelas.

Yeldy Septomiko (2014) dalam jurnal yang berjudul “Permodelan Bangkitan

Tarikan Pada Tata Guna Lahan Sekolah Menengah Atas Swasta di Palembang”

melakukan penelitian pada sepuluh SMA swasta yang ada di Palembang dengan

metode survei kemudian data dianalisis dengan model regesi agar mendapatkan model

yang terbaik. Dari hasil penelitian didapatkan faktor–faktor yang mempengaruhi Trip

Generation pergerakan pada SMA di kota Palembang untuk kendaraan pengantar siswa

memiliki kesamaan dengan Trip Generation kendaraan penjemput siswa yaitu pada

mobil pribadi, motor dan angkutan umum adalah jumlah siswa dan kapasitas kelas.

Moda mobil pribadi adalah kapasitas kelas. Moda motor adalah luas kelas. Dan moda

angkutan umum adalah jumlah siswa, jumlah kelas, dan kapasitas kelas. Sedangkan

model terbaik untuk meramalkan trip attraction didapat modelnya adalah Y = 327,8 +

0,160 X1 + 5,150 X2 + 8,236 X4 + 4,555 X9 dengan nilai R2 adalah 0,825 sedangkan

trip production adalah Y = 169,081 + 0,282 X1 + 4,867 X2 + 6,162 X9 dengan nilai

R2 adalah 0,752. Dimana Y adalah kendaraan pengantar, X1 adalah jumlah siswa, X2

adalah jumlah guru, X4 adalah jumlah kelas dan X9 adalah jumlah kendaraan guru.

Haggie Septo Tobing (2013) dalam penelitian yang berjudul “Bangkitan dan

Tarikan Perjalanan di Kecamatan Medan Labuhan” menyatakan bahwa penelitian ini

bertujuan untuk mengetahui bangkitan dan tarikan perjalanan di Kecamatan Medan

Labuhan. Waktu perjalanan bergantung pada kondisi kegiatan kecamatan yang di

tinjau, karena penyebab dari perjalanan adalah adanya kebutuhan manusia untuk
 30

melakukan kegiatan. Setiap kegiatan mempunyai pergerakan dari zona asal dan zona

tujuan, dimana zona asal adalah hasil perilaku dari pergerakan, sedangkan zona tujuan

adalah zona yang menarik pergerakan pelaku yang melakukan kegiatan. Metode

bangkitan dan tarikan di gunakan untuk memprediksi pergerakan masa yang akan

dating sedangkan sasaran yang ingin dicapai yaitu mengidentifikasi pola pergerakan

yang terdapat di area Kecamatan Medan Labuhan, dengan cara menganalisis jumlah

tujuan bekerja, tujuan sekolah yang didapatkan dengan cara survey dan wawancara.

Kemudian dilakukan analisis dengan metode Furness. Dari hasil analisis data dengan

menggunakan metode Furness maka pertumbuhan atau model bangkitan dan tarikan

perjalanan didapatkan pada iterasi ke-5, sehingga diketahui nila kenaikan (E) sebesar

1,18 berdasarkan tujuan ke sekolah dan 1,20 berdasarkan tujuan bekerja. Sedangkan

dari hasil penelitian langsung di lapangan, bangkitan dan tarikan perjalanan di kawasan

Medan Labuhan masaih layak kaena dipengaruhi oleh pergerakan aktifitas tujuan

bekerja dan sekolah.

W.Y. SZETO, Jonathan Yeung, Ryan C.P. WONG, [Link] (2015) dalam

jurnal yang berjudul “Trip Attraction, Trip Distribution, and Modal Split for

Columbarium Trips” melakukan penelitian pada pengunjung acara grave-sweeping

dalam Ching Ming Festival di China yang mana tiap tahunnya jumlah pengunjung

sering melebihi kapasitas pada fasilitas dan pelayanan transportasi, sehingga

menyebabkan kemacetan lalu lintas. Dalam penelitian ini digunakan model regresi

non-linear untuk memprediksi jumlah pengunjung dari zona asal dan zona tujuan dari

pergerakan di Columbarium dan mengkalibrasinya dengan model Logit untuk

 31

mengetahui faktor-faktor yang mempengaruhi pengunjung untuk memilih lokasi

tersebut dan moda transportasi yang digunakan. Dari model regresi, deviasi jumlah hari

dari tanggal festival adalah faktor penting yang mempengaruhi jumlah pengunjung

pada tanggal tersebut. Hal tersebut dapat membantu untuk mengidentifikasi tanggal

yang akan menarik terlalu banyak pengunjung, sehingga melebihi kapasitas fasilitas

transportasi yang ada. Untuk mendapatkan data, metode yang digunakan adalah survei

pengunjung dan kuisioner yang dilakukan pada sepuluh pintu masuk Columbarium.

Berdasarkan hasil analisis dengan model regresi non – linear didapatkan nilai puncak

pada festival sebesar 0,59. Dari model logit, pengunjung memilih lokasi yang dekat

dengan Columbarium dan memiliki akses langsung ke Columbarium. Hal ini dapat

membantu untuk merencanakan lokasi baru yang dapat menyediakan transportasi yang

mengakses langsung ke Columbarium yang mana dapat membuat pengunjung

berpindah dari lokasi utama yang semula padat menjadi tidak padat.

Joni Arliansyah dan Yusuf Hartono (2015) dalam jurnal “Trip Attraction Model

Using Radial Basis Function Neural Networks”, penelitian ini bertujuan untuk

mengetahui tarikan pada tempat wisata yang ada di Palembang dengan menggunakan

metode matriks asal tujuan dan untuk pengembangan fasilitas perkotaan dan

infrastruktur, kemudian penelitian ini dikembangkan dengan metode Radial Basic

Function Neural Networks (RBFNN). Data yang digunakan pada penelitian ini berasal

dari survei asal tujuan dan tata guna lahan dan menggunakan 85 set data tata guna

lahan-tarikan perjalanan. RBFNN adalah jaringan saraf tiruan yang terdiri dari tiga

lapisan, yaitu input, hidden dan output. Pada penelitin juga menggunakan model
 32

analisis regresi yang mana nantinya akan dibandingkan dengan model RBFNN, hasil

perbandingan antara RBFNN dan analisis regresi menunjukan bahwa model RBFNN

melakukan lebih baik dari model analisis regresi dalam memprediksi tarikan

perjalanan. Namun hasil dari kedua model ini menunjukan bahwa jumlah siswa, jumlah

guru, luas gedung sekolah dan jumlah kantor merupakan variabel penting.

Andri Asto Rumanga (2014) dalam penelitian yang berjudul “Analisis Moedel

Tarikan Perjalanan Kawasan Perkantoran Balai Kota Samarinda” melakukan penelitian

pada lima sekolah swasta yang berada di pinggiran kota Makassar dengan metode

survei. Data hasil survey dianalisis dengan regresi untuk mendapatkan model yang

terbaik berdasarkan nilai determinasi R Square (R2). Hasil analisis menunjukan model

terbaik untuk meramalkan tarikan pergerakan moda pengantar siswa pada sekolah

swasta di kota Makassar adalah Y = -71,7699 + (0,00063) X3 + (1,50945) X6 + (-

0,8167) X13 dengan nilai R2 (R Square) sebesar 0,978, dimana Y adalah moda

pengantar siswa, X3 adalah luas sekolah, X6 adalah luas kelas dan X13 adalah

perbandingan jumlah guru dengan jumlah kelas. Sedangkan model terbaik untuk

meramalkan bangkitan pergerakan moda penjemput siswa pada sekolah swasta di kota

Makassar Y = -25,993 + (0,00019) X3 + (0,76698) X6 + (-1,4369) X13 dengan nilai

R2 (R Square) sebesar 0,789, dimana Y adalah moda pengantar siswa, X3 adalah luas

sekolah, X6 adalah luas kelas dan X13 adalah perbandingan jumlah guru dengan

jumlah kelas.