20/06/2024

UNIVERSITAS TEKNOLOGI YOGYAKARTA U N I V E R S I T A S T E K N O L O G I U N I V E R S I T A S T E K N O L O G I

Y O G Y A K A R T A
Model Pemilihan Moda dalam Y O G Y A K A R T A

Kementrian Pendidikan dan Kebudayaan

Model 4 Langkah

MODE CHOICE
(PEMILIHAN MODA)

Abul Fida Ismaili, S.T., [Link].

Civil Engineering Department
UTY

1 UTY HEBAT [Link] 1 2 UTY HEBAT [Link]

U N I V E R S I T A S T E K N O L O G I U N I V E R S I T A S T E K N O L O G I
Y O G Y A K A R T A Y O G Y A K A R T A
PEMILIHAN MODA
Untuk mengetahui proporsi
Merupakan tahapan dimana pelaku perjalanan memilih moda pengalokasian perjalanan ke
perjalanannya berbagai moda transportasi.
Asumsi yang digunakan mengapa moda A dipilih dibandingkan
Tujuan
moda B, C, atau D adalah karena moda A memberikan nilai Model
manfaat yang paling tinggi dibandingkan moda yang lain
Pemilihan Moda yang dianalisis adalah moda
Contoh: dengan menggunakan moda A biaya perjalanan dan Moda yang diperkirakan mempunyai peran
waktu perjalanannya bisa lebih kecil dibandingkan moda-moda yang dominan dalam perangkutan di
yang lain
lokasi (kendaraan pribadi dan
angkutan umum).

3 UTY HEBAT [Link] 4 UTY HEBAT [Link]

 20/06/2024

U N I V E R S I T A S T E K N O L O G I U N I V E R S I T A S T E K N O L O G I
Y O G Y A K A R T A Y O G Y A K A R T A

Teknik Peramalan
Pemilihan Moda Skenario Peramalan untuk Perilaku
Dalam meramalkan model ini
terdapat beberapa
pertimbangan penting :
Pengguna Moda dan Pangsa Moda
1. Model bergantung pada ketersediaan
data dan kecenderungan pelaku
perjalanan dalam penggunaan moda.
• Moda yang ditinjau telah beroperasi (moda yang telah ada). Dalam tinjauan
2. Model yang teliti dapat ini, survei perilaku pasar dapat dipelajari atas dasar zona asal/tujuan dan
mengelompokkan pemilihan moda menghubungkannya dengan atribut nyata sebagai variabel penentu
berdasarkan maksud perjalanan,
pendapatan, atau efek keputusan.
kecenderungan pertumbuhan bisnis • Moda belum diperkenalkan atau moda akan dioperasikan (moda baru).
angkutan, dan berbagai aspek Atribut dalam skenario ini merupakan hipotesis atau andaian sebagai variabel
pertimbangan lainnya. penentu keputusan.
5 UTY HEBAT [Link] 6 UTY HEBAT [Link]

U N I V E R S I T A S T E K N O L O G I U N I V E R S I T A S T E K N O L O G I
Y O G Y A K A R T A Y O G Y A K A R T A

pemilihan moda
dapat diletakkan
Survei • Revealed Preference (RP) : Survei dengan
informasi pada pilihan-pilihan yang nyata
dimana saja antara
tahapan bangkitan
untuk (atribut-atribut yang telah ada). pergerakan dan
pemilihan rute
Pemilihan • Stated Preference (SP) : Survei dengan
pertanyaan andaian-andaian (hipotesis) yang
seperti terlihat
pada gambar 6.2
Moda menghubungkan atribut baru.

7 UTY HEBAT [Link] 8 UTY HEBAT [Link]

 20/06/2024

U N I V E R S I T A S T E K N O L O G I U N I V E R S I T A S T E K N O L O G I
Y O G Y A K A R T A Y O G Y A K A R T A

Struktur Model I
Struktur Model II

Dalam model jenis I, pergerakan yang menggunakan angkutan umum dan

pribadi dihitung secara terpisah dengan model bangkitan pergerakan, Model jenis II sering digunakan oleh banyak kajian belakangan ini untuk
biasanya dengan menggunakan model analisis regresi atau kategori. perencanaan angkutan jalan raya, bukan untuk angkutan umum. Oleh
Peubah dan parameter yang digunakan berbeda untuk (a) bangkitan dan karena itu, hal yang terbaik yang harus dilakukan adalah mengabaikan
tarikan, dan (b) untuk setiap moda transportasi pergerakan angkutan umum dalam pemodelan sehingga proses sebaran
pergerakan langsung terkonsentrasi dalam pergerakan angkutan pribadi

9 UTY HEBAT [Link] 10 UTY HEBAT [Link]

U N I V E R S I T A S T E K N O L O G I U N I V E R S I T A S T E K N O L O G I
Y O G Y A K A R T A Y O G Y A K A R T A

Struktur Model jenis III mengkombinasikan model pemilihan

moda dengan model sintetis (gravity); disini proses
Struktur Model IV
Model III sebaran pergerakan dan pemilihan moda dilakukan
secara bersamaan
Model ini dapat dibandingkan dengan model gravity
yang menggunakan fungsi hambatan eksponensial. Model jenis IV sangat sering
digunakan (walaupun model jenis III
Catatan: persamaan sebaran pergerakan−pemilihan lebih populer di negara Barat).
moda mengasumsikan hanya dua buah moda Model tersebut menggunakan
(umum dan pribadi) dan memakai ‘selisih’ antara kurva diversi, persamaan regresi
atau variasi model III. Model ini
hambatan dibandingkan dengan ‘nisbah’-nya selalu menggunakan nisbah atau
selisih hambatan antara dua moda
yang bersaing

11 UTY HEBAT [Link] 12 UTY HEBAT [Link]

 20/06/2024

U N I V E R S I T A S T E K N O L O G I U N I V E R S I T A S T E K N O L O G I
Y O G Y A K A R T A Y O G Y A K A R T A
Karakteristik pengendara dan/atau karakteristik zona pembangkit, misalnya :
•

Faktor yang pemilikan kendaraan, pemilikan SIM, struktur rumah tangga, pendapatan,
kerapatan pemukiman dan jarak ke pusat kota.

Skenario Penyederhanaan Model

• Karakteristik Perjalanan, misal : panjang perjalanan, tujuan perjalanan dan
Mempengaruhi waktu saat dilakukannya perjalanan.
• Karakteristik sistem transportasi,

Pemilihan Moda • Kuantitatif : waktu tempuh, biaya perjalanan, tempat parkir dan tarif parkir,
• Kualitatif : kenyamanan, keamanan dan reliability, dll.

Dalam pemilihan moda, informasi yang dimodelkan

berdasarkan atas :
1. Model Aggregate : Informasi dari Zona. Model ini tidak
dapat menggambarkan secara teliti misal trip- interchange
model (Struktur IV) karena dilakukan dalam post-
distribution.
2. Model Disaggregate : Informasi dari data rumah tangga
dan/atau individu. Model mendekati sumber pengambil
keputusan (individu), namun lebih rumit dan sukar untuk
dikalibrasi.

13 UTY HEBAT [Link] 14 UTY HEBAT [Link]

U N I V E R S I T A S T E K N O L O G I U N I V E R S I T A S T E K N O L O G I

Trip End Modal Split Contoh Perhitungan

Y O G Y A K A R T A Y O G Y A K A R T A

• Banyak menggunakan variabel

zona atau rumah tangga (misal • Hipotesis: ada 8000 perjalanan per
kepemilikan kendaraan, hari, kepemilikan kendaraan per
kerapatan pemukiman, dll.) orang 2.2, kepadatan popyulasi
12000/orang/m2. berapa banyak
• Model ini dikerjakan setalah
orang yang akan menggunakan
trip generation (Model 2)
angkutan
• Jawab:

Maka berdasarkan grafik di samping

akan ada 47% yang menggunakan
angkutan
15 UTY HEBAT [Link] 16 UTY HEBAT [Link]
 20/06/2024

U N I V E R S I T A S T E K N O L O G I U N I V E R S I T A S T E K N O L O G I

TRIP INTERCHANGE MODAL SPLIT

Y O G Y A K A R T A Y O G Y A K A R T A

TRIP END MODAL SPLIT (2) • Estimasi pemilihan moda setelah

distribusi perjalanan
• Dipengaruhi oleh level of service
dari system termasuk waktu atau
Contoh : biaya perjalanan
• Ln X = 3.3 – 0.91 Ln Y (Pittsburg)
(X = school trip using public transport per 1000 trips)
(Y = housing density)
• London Traffic Survey, dengan 4 kategori kepemilikan
• Mst= pergerakan antar 2 zona
kendaraan, 3 kategori pendapatan, 4 kategori jumlah • Msa= pergerakan antar 2 zona menggunakan kendaraan pribadi
pekerja, 3 kategori daya hubung kereta api dan 3 daya • b= exponent
hubung bus. • m= waktu untuk angkutan; a= waktu untuk kendaraan pribadi

17 UTY HEBAT [Link] 18 UTY HEBAT [Link]

U N I V E R S I T A S T E K N O L O G I U N I V E R S I T A S T E K N O L O G I

Contoh LOGIT MODEL

Y O G Y A K A R T A Y O G Y A K A R T A

• Perhitungan berdasarkan fungsi utilitas nagkutan

• Model yang paling popular dan umum digunakan terutama untuk
forecasting
• Bisa untuk aggregate dan dis aggregate model
• Fungsi utilitas bisa dari psikologis pengguna maupun faktor ekonomi

• Berdasarkan perhitungan, Pengguna angkutan 27,3% dan Pengguna

Kendaraan pribadi 72,6%
19 UTY HEBAT [Link] 20 UTY HEBAT [Link]
 20/06/2024

U N I V E R S I T A S T E K N O L O G I U N I V E R S I T A S T E K N O L O G I

FUNGSI LOGIT
Y O G Y A K A R T A Y O G Y A K A R T A

LOGIT MODEL
Model pendekatan dengan model gravitasi dan maksimum-
entropi. Salah satu contoh model dikembangkan maksimum
entropi dalam fungsi logit : Fungsi ini digunakan karena bentuk kurva pembagian pada
umumnya dapat didekati dengan mengasumsikan bahwa

Pij1 
T1

 
exp  Cij1 persepsi pemakai jalan/jasa angkutan tentang ongkos
  exp  C 
ij
perjalanan tersebar sesuai dengan distribusi Gumbell.
Tij exp  Cij1 2
ij Distribusi Gumbell agak menyimpang jika dibandingkan
dengan distribusi normal biasa.

21 UTY HEBAT [Link] 22 UTY HEBAT [Link]

U N I V E R S I T A S T E K N O L O G I U N I V E R S I T A S T E K N O L O G I
Y O G Y A K A R T A Y O G Y A K A R T A

23 UTY HEBAT [Link] 24 UTY HEBAT [Link]

 20/06/2024

U N I V E R S I T A S T E K N O L O G I U N I V E R S I T A S T E K N O L O G I
Y O G Y A K A R T A Y O G Y A K A R T A

Dalam fungsi logit, pembagian moda tidak

FUNGSI
terkait dengan persamaan asal distribusinya,
jika menggunakan fungsi probit, pembagiannya
harus didasari pada fungsi distribusi normalnya.

PROBIT • Fungsi ini digunakan dengan dasar Keutamaan Fungsi logit dapat digunakan dengan mudah
distribusi normal biasa dalam untuk menganalisis pilihan lebih dari dua moda,
mengasumsikan persepsi pemakai FUNGSI LOGIT namun sukar jika menggunakan fungsi probit.
jalan/jasa angkutan tentang ongkos
perjalanan.
Fungsi logit menyediakan kalibrasi model yang
lebih mudah.

25 UTY HEBAT [Link] 26 UTY HEBAT [Link]

U N I V E R S I T A S T E K N O L O G I U N I V E R S I T A S T E K N O L O G I
Y O G Y A K A R T A Y O G Y A K A R T A

Contoh Contoh … (1)

1
Perbandingan dua mobil (pribadi dan P1 
angkutan umum) dengan ongkos perjalanan 1  expC2    C1 
mobil pribadi = C1 dan angkutan umum = C2
+  ( = modal penalty). exp C 2    C1 
P2  1 P1 
1  exp C 2    C1 

27 UTY HEBAT [Link] 28 UTY HEBAT [Link]

 20/06/2024

U N I V E R S I T A S T E K N O L O G I U N I V E R S I T A S T E K N O L O G I
Y O G Y A K A R T A Y O G Y A K A R T A

Contoh … (3)

logP1 1 P1   C2  C1  
Y  a  bX
b   ,dan a  

Contoh … (2)
29 UTY HEBAT [Link] 30 UTY HEBAT [Link]

U N I V E R S I T A S T E K N O L O G I U N I V E R S I T A S T E K N O L O G I
Y O G Y A K A R T A Y O G Y A K A R T A

Flow Chart Logit Selisih

Latihan Soal

P1 P2=1-P1

Zona Asal Zona Tuj. % Pengguna % Pengguna

CBUS CTRANSIT REL BUS TRANSIT REL
1 2 100 80 82 18
1 3 95 70 80 20
2 1 70 90 95 5
2 3 80 98 89 11
3 1 90 100 92 8
3 2 80 75 88 12

31 UTY HEBAT [Link] 32 UTY HEBAT [Link]

 20/06/2024

U N I V E R S I T A S T E K N O L O G I U N I V E R S I T A S T E K N O L O G I
Y O G Y A K A R T A Y O G Y A K A R T A
PERHITUNGAN ANALISIS REGRESI LINIER UNTUK MODEL
BINOMIAL-LOGIT-SELISIH

CTRANSIT CJKA - C JR Loge{(P1/1-P1}

XiYi Xi2 exp-(A+Bxi) P = 1/(1+exp-[B+Axi]) 1
CBUS REL (Xi) (Yi)
100 80 -20 1.516347489 -30.32694979 400 0.215263 0.822867052 0.9
95 70 -25 1.386294361 -34.65735903 625 0.246076 0.802518968
C TRANSIT - C BUS P BUS
70 90 20 2.944438979 58.88877958 400 0.073819 0.931255895 0.8
80 98 18 2.090741097 37.63333974 324 0.077877 0.927750046
200 0.999407756
90 100 10 2.442347035 24.42347035 100 0.096464 0.912022283 0.7
160 0.998271895
80 75 -5 1.992430165 -9.962150823 25 0.144101 0.874048336 120 0.994968535
 -2 12.37259913 45.99913004 1874 0.6 80 0.985442723
Nilai A :  : 2.071018596 40 0.958632015

PJ
Nilai B : : 0.026756226 0.5 0 0.888052415

R
-40 0.730861921
0.4
-80 0.4817581
0.3 -120 0.241403538
-160 0.098234237
0.2 -200 0.035950488

0.1

0
-200 -180 -160 -140 -120 -100 -80 -60 -40 -20 0 20 40 60 80 100 120 140 160 180 200

Ctransit rel - Cbus

33 UTY HEBAT [Link] 34 UTY HEBAT [Link]

U N I V E R S I T A S T E K N O L O G I U N I V E R S I T A S T E K N O L O G I
Y O G Y A K A R T A Y O G Y A K A R T A

Contoh Logit Nisbah

35 UTY HEBAT [Link] 36 UTY HEBAT [Link]

 20/06/2024

U N I V E R S I T A S T E K N O L O G I U N I V E R S I T A S T E K N O L O G I
Y O G Y A K A R T A Y O G Y A K A R T A

• Model ini mampu menjelaskan interaksi moda satu kepada lainnya. Oleh karena
itu, dapat dikaji kemungkinan pangsa pasar terhadap peralihannya pada moda
baru.
• Model pertama dengan struktur sederhana dapat diselesaikan dengan fungsi
logit standar dengan memberlakukan moda dalam tingkatan yang sama.
• Model kedua dengan struktur moda-tambahan yang mengasumsikan dua pilihan
moda. Moda baru akan memperoleh pasar dari sumbangan moda lainnya.
• Kemungkinan struktur lain adalah mengelompokkan moda sesuai dengan
karakteristiknya atau sistem hirarki, yang biasa disebut struktur bersarang.

MODEL MULTI MODA

37 UTY HEBAT [Link] 38 UTY HEBAT [Link]

U N I V E R S I T A S T E K N O L O G I U N I V E R S I T A S T E K N O L O G I
Y O G Y A K A R T A Y O G Y A K A R T A

MODEL MULTI MODA : Model Struktur Biasa

MODEL MULTI MODA :

Model Struktur Moda Tambahan
39 UTY HEBAT [Link] 40 UTY HEBAT [Link]
 20/06/2024

U N I V E R S I T A S T E K N O L O G I U N I V E R S I T A S T E K N O L O G I
Y O G Y A K A R T A Y O G Y A K A R T A

Contoh Struktur Pilihan Moda di Indonesia

Semua Permintaan Perjalanan

Bergerak Tidak Bergerak

Berjalan Kaki Berkendaraan

Umum Pribadi

Bermotor Tidak Bermotor Tidak Bermotor Bermotor

MODEL MULTI MODA : Jalan Rel Jalan Raya Mobil Sepeda Motor

Model Struktur Hirarki Bus Paratransit

Pemilihan Moda Paratransit

41 UTY HEBAT [Link] 42 UTY HEBAT [Link]

U N I V E R S I T A S T E K N O L O G I U N I V E R S I T A S T E K N O L O G I
Y O G Y A K A R T A Y O G Y A K A R T A

CONTOH 1

 Waktu tempuh dan biaya perjalanan dari Zona A ke Zona B adalah

sebagai berikut.

Moda Biaya Waktu tempuh

(dalam Rp.1000) (dalam 10 minutes)
Bus 2 2.5
S. Motor 1.5 3.25

 Jika diketahui fungsi manfaat menggunakan moda adalah

Y = - 0,5*Biaya - 0,4*Waktutempuh

 Dengan menggunakan logit model, moda apakah yang akan dipilih

oleh pelaku perjalanan untuk bepergian dari Zona A ke Zona B?

43 UTY HEBAT [Link] 44 UTY HEBAT [Link]

 20/06/2024

U N I V E R S I T A S T E K N O L O G I U N I V E R S I T A S T E K N O L O G I
Contoh 2 Y O G Y A K A R T A Contoh 3 Y O G Y A K A R T A

The calibrated utility functions for car and A calibrated utility function for travel in medium-sized city
public transit are
Uc = - 0.3 –0.04 X –0.1 Y –
by automobile, bus, and light rail is
Car:
Public 0.03 C Up = - 0.04 X –0.1 Y U = a –0.02 X1 –0.05 X2
transit: –0.03 C
Where X1 is the cost of travel (cents), and X2 is the
where
Ui = utility function of mode i travel time (min). Calculate the modal split for the
X = in-vehicle travel time given values.
Y = out-of-vehicle travel time
Mode a X1 X2
C = cost of travel / income
automobile - 0.30 130 25
A traffic zone has the following
characteristics: bus - 0.35 75 35

Car Public transit light rail - 0.40 90 40

in vehicle time (min) 15 20

out-of-vehicle-time (min) 5 10 If parking fee of $ 1.00 per trip is imposed, what would be
travel cost (cents) 300 75 the split to other two modes?
What is the probability that a person with an income of $10,000 will
travel by public transit?
45 UTY HEBAT [Link] 46 UTY HEBAT [Link]

U N I V E R S I T A S T E K N O L O G I U N I V E R S I T A S T E K N O L O G I
Y O G Y A K A R T A Y O G Y A K A R T A

• Setelah modal share dapat diperkirakan, modal

split model kemudian digunakan untuk • Dari hasil survei 1000 mahasiswa UGM yang bertempat
MANFAAT menentukan kebijakan transportasi dengan suatu
tujuan tertentu.
tinggal di Kota Yogyakarta, hanya 6 % saja yang
menggunakan angkutan umum Trans Jogja. Setelah
MODAL SPLIT dianalisis, terdapat 2 faktor yang mempengaruhi
mengapa mahasiswa lebih memilih menggunakan
MODEL • Contoh:
sepeda motor: (1) biaya perjalanan (OPC) dan waktu
perjalanan (TTT). Hasil analisis dengan logit model
• Hasil lapangan menunjukkan prosentase pengguna
kendaraanpribadi dan angkutan umum = 70% :
CONTOH 2 menghasilkan persamaan fungsi utilitas sebagai berikut:
Vm = a0 – (0.47*OPCm) – (0.22*TTTm), dimana a0,[Link] =
0,73, OPCbus = $0,75, [Link] = 10,5 menit, dan TTTbus =
30%. 18 menit, selain itu = 0.
• Dari kondisi tersebut, usaha apa yang harus Pertanyaan:
dilakukan supaya 20% dari pengguna kendaraan • Jika angkutan umum TransJogja digratiskan, berapa %
pribadi mau berpindah ke angkutan umum ? Misal mahasiswa UGM yang bertempat tinggal di Kota
jika dengan cara penurunan tarif, berapa rupiah- Yogyakarta mau berpindah ke angkutan umum?
kah penurunannya agar tercapai 20% ?

47 UTY HEBAT [Link] 48 UTY HEBAT [Link]

 20/06/2024

U N I V E R S I T A S T E K N O L O G I
Y O G Y A K A R T A

TERIMA KASIH
Mari Bersama Membangun Negeri untuk Indonesia yang Unggul dan Inovatif

?
49 UTY HEBAT [Link]