PEMODELAN TRANSPORTASI

Pengantar Pemodelan Transportasi (Modul I)

Dosen Pengampu :
Dr. Ir. Mukhlis N. Bastam, S.T., M.T., IPM., ASEAN Eng.

Program Studi Sarjana Teknik Sipil (Strata 1)

Fakultas Teknik Universitas Indo Global Mandiri
 DAFTAR ISI
1. Latar Belakang 5.2 Pemodelan Agregat dan Disagregat
2. Peran Model 5.3 Homo Sapiens dan Homo Economicus
3. Karakteristik Permasalahan Transportasi 5.4 Lintas Seksi dan Deret Waktu
3.1 Karakteristik Permintaan Transportasi 5.5 Preferensi Terungkap dan Dinyatakan
3.2 Karakteristik Penawaran Transportasi 6. Struktur Model Transportasi Klasik
3.3 Tinjauan Permasalahan Transportasi 6.1 Model 4/5 Tahap Klasik
3.4 Model Sederhana 6.2 Granularitas
3.5 Moda Transportasi Klasik dan Baru 6.3 Model Makro, Meso, dan Mikro
4. Pemodelan dan Pengambilan Keputusan 7. Perencanaan Transportasi dan Ketidakpastian
5. Isu dalam Pemodelan Transportasi 8. Landasan Teori Versus Kepraktisan
5.1 Isu Pemodelan Umum 9. Menjadi Pemodel yang Lebih Baik
5.1.1 Peran Teori dan Data
5.1.2 Asumsi Model
5.1.3 Spesifikasi Model
5.1.4 Kalibrasi, Validasi, dan Penggunaan Model
5.1.5 Pemodelan, Peramalan, dan Penilaian
1. LATAR BELAKANG
1. Ketidakpastian Masa Depan dan Perencanaan Adaptif (Adaptive Planning): Konsep ini mengakui bahwa
prediksi masa depan secara akurat sulit dicapai. Oleh karena itu, perencanaan transportasi modern menekankan
pada adaptive planning, yaitu proses yang fleksibel dan responsif terhadap perubahan. Ini melibatkan
pemantauan berkelanjutan, evaluasi, dan penyesuaian strategi berdasarkan data dan umpan balik. Ini berkaitan
dengan teori complex adaptive systems yang melihat sistem transportasi sebagai jaringan kompleks yang terus
berinteraksi dan beradaptasi.
2. Pendekatan Eksperimental dan Iteratif (Iterative Approach): Penggunaan eksperimen kecil dan terkontrol,
seperti perubahan alokasi jalur sementara, mencerminkan pendekatan iteratif. Pendekatan ini didasarkan pada
siklus Plan-Do-Check-Act (PDCA) atau Deming Cycle, yang menekankan pada pembelajaran dari pengalaman dan
perbaikan berkelanjutan. Dalam konteks ini, eksperimen berfungsi sebagai pilot project untuk menguji efektivitas
suatu intervensi sebelum diimplementasikan secara luas. Konsep A/B testing dari ilmu komputer juga relevan di
sini.
3. Keterbatasan Eksperimen untuk Proyek Skala Besar dan Konsep Path Dependency: Mengapa eksperimen sulit
diterapkan untuk proyek besar? Konsep path dependency menjelaskan bahwa keputusan masa lalu membatasi
pilihan di masa depan. Investasi infrastruktur besar menciptakan lock-in, di mana sulit dan mahal untuk
mengubah arah setelah proyek selesai. Selain itu, proyek besar memiliki high sunk cost (biaya yang telah
dikeluarkan dan tidak dapat dipulihkan), yang mempersulit pembatalan atau modifikasi.
4. Model Transportasi sebagai Alat Scenario Planning: Model transportasi digunakan untuk scenario planning,
yaitu proses mengembangkan skenario masa depan yang berbeda dan mengevaluasi dampaknya terhadap
sistem transportasi. Model ini berfungsi sebagai decision support system yang membantu para pembuat
kebijakan memahami konsekuensi dari berbagai pilihan kebijakan. Model yang baik harus memenuhi kriteria
validitas, reliabilitas, dan sensitivitas.
• Realistis Model: Tingkat realisme model bergantung pada tujuan penggunaannya. Model yang terlalu
kompleks mungkin sulit dikelola dan diinterpretasi, sementara model yang terlalu sederhana mungkin tidak
menangkap dinamika sistem secara akurat. Konsep Occam's Razor (prinsip parsimoni) relevan di sini: model
yang lebih sederhana lebih disukai jika memberikan penjelasan yang memadai.
• Indikator Kinerja: Pemilihan indikator kinerja harus didasarkan pada tujuan kebijakan transportasi, misalnya
pengurangan kemacetan, peningkatan aksesibilitas, pengurangan emisi, atau peningkatan keselamatan.
Indikator yang umum digunakan antara lain Vehicle Miles Traveled (VMT), waktu tempuh, tingkat layanan
(Level of Service/LOS), dan emisi gas rumah kaca.
5. Masalah Transportasi dan Tujuan yang Saling Terkait (Interconnectedness): Masalah transportasi tidak berdiri
sendiri, tetapi terkait erat dengan masalah sosial, ekonomi, dan lingkungan. Misalnya, kemacetan lalu lintas
berdampak pada produktivitas ekonomi, kualitas udara, dan kesehatan masyarakat. Oleh karena itu, solusi
transportasi harus mempertimbangkan interkoneksi ini dan mengadopsi pendekatan integrated transport
planning.
6. Dua Agen Perubahan Utama dan Konsep Disruptive Innovation:
• Kemajuan Teknologi: Perkembangan teknologi, terutama di bidang digital dan telekomunikasi, merupakan
contoh disruptive innovation yang mengubah lanskap transportasi. Konsep ini menjelaskan bagaimana
inovasi baru menciptakan pasar dan nilai baru, yang pada akhirnya mengganggu pasar dan jaringan nilai
yang ada, menggantikan perusahaan, produk, dan aliansi pemimpin pasar yang mapan.
• Keadilan dan Kesetaraan: Aspek keadilan dalam transportasi berkaitan dengan konsep social equity dan
environmental justice. Social equity menekankan pada distribusi manfaat dan beban transportasi yang adil di
antara berbagai kelompok masyarakat. Environmental justice menekankan pada perlindungan masyarakat
yang rentan dari dampak negatif lingkungan yang disebabkan oleh transportasi.
7. Ketidakpastian dan Risk Management: Ketidakpastian dalam perencanaan transportasi memerlukan
penerapan risk management. Ini melibatkan identifikasi, analisis, dan mitigasi risiko yang terkait dengan
proyek dan kebijakan transportasi. Teknik seperti sensitivity analysis dan Monte Carlo simulation dapat
digunakan untuk mengukur dampak ketidakpastian terhadap hasil model.
8. Faktor-faktor Penting Lainnya dan Konsep Sustainable Development: Faktor-faktor seperti daya saing
ekonomi, pengurangan emisi, dan aksesibilitas terkait erat dengan konsep sustainable development
(pembangunan berkelanjutan). Pembangunan transportasi yang berkelanjutan bertujuan untuk memenuhi
kebutuhan transportasi saat ini tanpa mengorbankan kemampuan generasi mendatang untuk memenuhi
kebutuhan mereka sendiri. Hal ini mencakup pertimbangan ekonomi, sosial, dan lingkungan secara holistik.
2. MODEL DAN PERAN MODEL
1. Definisi Model dan Konsep Abstraksi: Definisi model sebagai representasi sederhana dari sebagian dunia
nyata menekankan pada konsep abstraksi. Model tidak mencoba mereplikasi realitas secara persis, tetapi
menyederhanakannya dengan memfokuskan pada aspek-aspek yang relevan untuk tujuan tertentu. Abstraksi
ini penting untuk mengelola kompleksitas dan memungkinkan analisis yang lebih mudah. Dalam konteks
filsafat ilmu, ini berkaitan dengan model-based science, yang mengakui bahwa pemahaman ilmiah dibangun
melalui penggunaan dan evaluasi model.
2. Jenis Model dan Implikasinya:
• Model Fisik: Sering digunakan dalam rekayasa dan desain, model fisik memungkinkan pengujian dan
visualisasi prototipe sebelum implementasi skala penuh. Ini berkaitan dengan konsep prototyping dan design
thinking.
• Model Abstrak:
1) Model Mental: Model mental adalah representasi internal individu tentang bagaimana sesuatu bekerja.
Mereka dipengaruhi oleh pengalaman, keyakinan, dan pengetahuan. Dalam psikologi kognitif, model
mental berperan penting dalam pengambilan keputusan, pemecahan masalah, dan interaksi dengan
dunia. Namun, sifatnya yang subjektif dan implisit membuatnya sulit dikomunikasikan dan dievaluasi
secara objektif.
 2) Model Matematis: Menggunakan bahasa matematika untuk merepresentasikan hubungan antar variabel
dalam sistem. Model matematis memungkinkan analisis kuantitatif dan prediksi. Dalam konteks ini,
penting untuk membedakan antara:
• Model Deskriptif: Bertujuan untuk menggambarkan bagaimana sistem bekerja.
• Model Preskriptif (Normatif): Bertujuan untuk memberikan rekomendasi tentang bagaimana sistem
seharusnya bekerja untuk mencapai tujuan tertentu (misalnya, optimasi).
• Model Simulasi: Menggunakan komputer untuk mensimulasikan perilaku sistem dari waktu ke waktu.
3. Keterbatasan Model dan Konsep Validitas: Pernyataan bahwa model hanya realistis dari perspektif tertentu
menekankan pentingnya validitas model. Validitas merujuk pada sejauh mana model merepresentasikan
aspek-aspek relevan dari sistem yang dimodelkan. Berbagai jenis validitas perlu dipertimbangkan, termasuk:
• Validitas Internal: Sejauh mana model secara logis konsisten dan bebas dari kesalahan.
• Validitas Eksternal: Sejauh mana model dapat digeneralisasi ke konteks lain.
• Validitas Konstruk: Sejauh mana konsep-konsep dalam model didefinisikan dan diukur secara akurat.
• Validitas Prediktif: Sejauh mana model dapat memprediksi perilaku sistem di masa depan.
4. Peran Pemodelan Transportasi dan Evidence-Based Policy Making: Penggunaan model dalam pengambilan
keputusan transportasi mendukung evidence-based policy making, yaitu pendekatan yang menekankan pada
penggunaan bukti dan data untuk menginformasikan kebijakan. Model transportasi menyediakan platform
untuk mengevaluasi dampak potensial dari berbagai kebijakan sebelum diimplementasikan, sehingga
mengurangi risiko dan meningkatkan efektivitas kebijakan.
5. Pemodelan Transportasi dalam Konteks Perencanaan Transportasi yang Lebih Luas dan Stakeholder
Engagement: Pemodelan hanyalah salah satu alat dalam transport planning process. Faktor-faktor lain seperti
kerangka kelembagaan, kapasitas sumber daya manusia, dan stakeholder engagement juga penting.
Stakeholder engagement melibatkan interaksi dan konsultasi dengan berbagai pihak yang berkepentingan
(misalnya, masyarakat, bisnis, pemerintah) untuk memastikan bahwa kebijakan transportasi
mempertimbangkan berbagai perspektif dan kebutuhan.
6. Sejarah Pemodelan Transportasi dan Evolusi Paradigma: Sejarah pemodelan transportasi mencerminkan
evolusi paradigma dalam perencanaan transportasi. Dari pendekatan yang berfokus pada prediksi permintaan
perjalanan di masa lalu, kini berkembang ke pendekatan yang lebih holistik dan berkelanjutan, yang
mempertimbangkan dampak sosial, ekonomi, dan lingkungan.
7. Fokus Selanjutnya dan Isu-isu Pemodelan: Menguraikan karakteristik sistem transportasi dan isu-isu
pemodelan penting untuk memahami tantangan dan peluang dalam penggunaan model untuk perencanaan
transportasi. Isu-isu ini bisa mencakup:
• Pengumpulan dan Pengolahan Data: Kualitas data sangat penting untuk validitas model.
• Kalibrasi dan Validasi Model: Memastikan model merepresentasikan sistem secara akurat.
• Ketidakpastian dan Risiko: Mengakui dan mengelola ketidakpastian dalam model.
• Komunikasi Hasil Model: Menyampaikan hasil model secara efektif kepada pengambil keputusan dan
pemangku kepentingan.
3. KARATERISTIK PERMASALAHAN TRANSPORTASI
1. Evolusi Pemahaman Masalah Transportasi:
Permasalah transportasi tidak statis, melainkan telah berkembang seiring waktu. Ini penting karena
implikasinya terhadap cara kita memandang dan menangani masalah tersebut. Dulu, fokus utama mungkin
hanya pada peningkatan kapasitas infrastruktur untuk mengakomodasi peningkatan volume lalu lintas. Namun,
seiring waktu, kita menyadari bahwa masalahnya lebih kompleks dan multidimensional.
2. Masalah Transportasi Tradisional:
Permasalah transportasi tradisional yang terkait dengan peningkatan lalu lintas dan permintaan transportasi:
• Kemacetan (Congestion): Terjadi ketika volume lalu lintas melebihi kapasitas infrastruktur yang tersedia,
menyebabkan penurunan kecepatan dan peningkatan waktu tempuh. Kemacetan dapat dianalisis
menggunakan teori antrian (queueing theory) dan konsep Wardrop's principles (prinsip Wardrop tentang
keseimbangan pengguna dan keseimbangan sistem).
• Penundaan (Delays): Konsekuensi langsung dari kemacetan, menyebabkan kerugian ekonomi dan sosial.
• Kecelakaan (Accidents): Peningkatan volume lalu lintas juga berkorelasi dengan peningkatan risiko
kecelakaan. Analisis keselamatan jalan menggunakan konsep risk assessment dan crash analysis.
• Masalah Lingkungan (Environmental Problems): Emisi gas rumah kaca dari kendaraan bermotor
berkontribusi terhadap perubahan iklim dan polusi udara. Analisis dampak lingkungan menggunakan
environmental impact assessment (EIA).
3. Ketidaksesuaian Permintaan dan Pasokan (Demand-Supply Mismatch):
Permasalah transportasi sering dipandang sebagai ketidaksesuaian antara ekspektasi permintaan dan pasokan
layanan transportasi. Ini merupakan perspektif ekonomi yang mendasar.
• Permintaan (Demand): Mengacu pada kebutuhan dan keinginan masyarakat untuk melakukan perjalanan,
yang dipengaruhi oleh faktor-faktor seperti pertumbuhan ekonomi, populasi, tata guna lahan, dan preferensi
individu.
• Pasokan (Supply): Mengacu pada kapasitas dan kualitas infrastruktur dan layanan transportasi yang tersedia,
termasuk jalan, kereta api, transportasi publik, dan fasilitas pendukung lainnya.
4. Konsistensi dengan Pemikiran Ekonomi Konvensional:
Pemikiran ekonomi konvensional mengacu pada prinsip dasar ekonomi tentang penawaran dan permintaan
(supply and demand). Dalam konteks transportasi, jika permintaan melebihi pasokan, akan terjadi excess
demand yang menyebabkan masalah seperti kemacetan dan penundaan. Sebaliknya, jika pasokan melebihi
permintaan, akan terjadi excess supply yang menyebabkan inefisiensi dan pemborosan sumber daya.

Permasalah transportasi harus mempertimbangkan baik sisi permintaan maupun sisi pasokan. Solusi yang hanya
berfokus pada peningkatan pasokan (misalnya, membangun jalan baru) mungkin tidak efektif jika permintaan terus
meningkat. Oleh karena itu, diperlukan pendekatan yang lebih komprehensif yang mencakup manajemen
permintaan (misalnya, congestion pricing, promosi transportasi publik) dan optimalisasi pasokan (misalnya,
peningkatan efisiensi operasional, penggunaan teknologi).
3.1. KARATERISTIK PERMINTAAN TRANSPORTASI

1. Permintaan Transportasi Bersifat Turunan (Derived Demand):

• Konsep ini fundamental dalam analisis transportasi. Permintaan untuk bepergian tidak muncul dengan
sendirinya, melainkan diturunkan dari kebutuhan untuk berpartisipasi dalam aktivitas di lokasi yang berbeda.
• Contoh: Seseorang tidak bepergian hanya untuk naik mobil, tetapi untuk bekerja di kantor, berbelanja di mal,
atau mengunjungi teman.
• Implikasi: Memahami pola aktivitas dan tata guna lahan sangat penting untuk memprediksi dan mengelola
permintaan transportasi. Ini terkait dengan teori land use-transport interaction yang menekankan hubungan
timbal balik antara tata guna lahan dan sistem transportasi.
2. Distribusi Aktivitas di Ruang Menciptakan Permintaan:
• Tata guna lahan yang terpisah-pisah (misalnya, area perumahan jauh dari area perkantoran) menghasilkan
kebutuhan perjalanan yang lebih besar dibandingkan tata guna lahan yang bercampur (mixed-use
development).
• Konsep accessibility (aksesibilitas) mengukur kemudahan untuk mencapai lokasi dan aktivitas tertentu.
Sistem transportasi yang baik meningkatkan aksesibilitas dengan mengurangi biaya perjalanan (waktu, uang,
dan upaya).
• Teori spatial interaction (interaksi spasial) menjelaskan bagaimana pergerakan antar lokasi dipengaruhi oleh
faktor-faktor seperti jarak, ukuran populasi, dan daya tarik lokasi. Model gravitasi adalah contoh model
interaksi spasial yang umum digunakan dalam perencanaan transportasi.
3. Kualitas dan Diferensiasi Permintaan:
• Permintaan transportasi sangat heterogen dan bervariasi berdasarkan berbagai faktor:
• Waktu: Jam sibuk vs. di luar jam sibuk, hari kerja vs. akhir pekan.
• Tujuan Perjalanan: Bekerja, sekolah, rekreasi, bisnis.
• Jenis Kargo: Barang curah, barang manufaktur, barang berbahaya.
• Preferensi: Kecepatan, frekuensi, kenyamanan, biaya.
• Implikasi: Pendekatan "satu ukuran untuk semua" tidak efektif dalam perencanaan transportasi. Layanan
transportasi harus dirancang untuk memenuhi kebutuhan spesifik dari berbagai segmen pasar.
• Contoh: Layanan bus ekspres mungkin cocok untuk perjalanan komuter jarak jauh, sementara layanan bus
lokal lebih cocok untuk perjalanan jarak pendek di dalam kota.
4. Dimensi Spasial Permintaan:
• Lokasi asal (origin) dan tujuan (destination) perjalanan sangat penting dalam analisis transportasi.
• Origin-Destination (OD) matrix digunakan untuk merepresentasikan pola pergerakan antar zona.
• Metode zoning digunakan untuk membagi area studi menjadi zona-zona yang lebih kecil untuk analisis.
Ukuran dan bentuk zona memengaruhi akurasi model transportasi.
• Konsep spatial analysis dan Geographic Information System (GIS) digunakan untuk menganalisis data spasial
dan memvisualisasikan pola pergerakan.
5. Elemen Dinamis Permintaan dan Pasokan:
• Permintaan transportasi tidak statis, tetapi berfluktuasi sepanjang waktu. Fluktuasi ini sangat signifikan pada
jam sibuk di perkotaan, yang menyebabkan kemacetan.
• Konsep peak hour dan peak spreading penting dalam manajemen lalu lintas. Peak spreading bertujuan untuk
mengurangi konsentrasi permintaan pada jam sibuk dengan mendorong perubahan waktu perjalanan
(misalnya, jam kerja fleksibel, staggered working hours).
• Congestion pricing (penetapan harga kemacetan) adalah contoh kebijakan yang bertujuan untuk mengurangi
permintaan pada jam sibuk dengan mengenakan biaya yang lebih tinggi untuk penggunaan jalan pada waktu
tersebut.
• Analisis dinamis membutuhkan model yang mampu merepresentasikan perubahan permintaan dan pasokan
dari waktu ke waktu. Dynamic traffic assignment (DTA) adalah contoh model yang digunakan untuk
menganalisis perilaku lalu lintas yang dinamis.
3.2. KARATERISTIK PASOKAN TRANSPORTASI

1. Transportasi sebagai Jasa, Bukan Barang:

• Konsep perishability (mudah rusak/hilang) berlaku untuk jasa transportasi. Jasa yang tidak digunakan pada
saat diproduksi akan hilang nilainya.
• Implikasi: Perencanaan kapasitas dan manajemen permintaan sangat penting untuk menghindari inefisiensi.
Ini berbeda dengan barang yang dapat diproduksi dan disimpan untuk memenuhi permintaan di masa
mendatang.
2. Komponen Sistem Transportasi:
• Infrastruktur: Meliputi jalan, rel, bandara, pelabuhan, dan fasilitas pendukung lainnya. Merupakan aset tetap
yang membutuhkan investasi besar.
• Kendaraan: Unit bergerak yang menggunakan infrastruktur untuk mengangkut orang dan barang.
• Aturan Operasional: Meliputi peraturan lalu lintas, jadwal, tarif, dan standar keselamatan.
• Interaksi ketiga komponen ini membentuk sistem transportasi yang kompleks.
3. Pemisahan Kepemilikan dan Operasi:
• Pemisahan ini menciptakan principal-agent problem, di mana kepentingan pemilik infrastruktur (misalnya,
pemerintah) dan operator layanan (misalnya, perusahaan transportasi) mungkin tidak selaras.
• Membutuhkan koordinasi dan regulasi yang efektif untuk memastikan efisiensi dan kepentingan publik.
• Melibatkan berbagai stakeholder dengan kepentingan yang berbeda, membutuhkan proses pengambilan
keputusan yang partisipatif.
4. Infrastruktur yang "Menggumpal" (Lumpy):
• Investasi infrastruktur sering bersifat indivisible (tidak dapat dibagi-bagi), membutuhkan investasi modal yang
besar di awal.
• Konsep economies of scale dapat berlaku, di mana biaya per unit menurun seiring dengan peningkatan skala
proyek.
• Sulit untuk menyesuaikan pasokan infrastruktur dengan fluktuasi permintaan jangka pendek.
5. Waktu Pembangunan yang Lama:
• Proyek infrastruktur memiliki long lead times, yang berarti perencanaan dan implementasi membutuhkan
waktu bertahun-tahun.
• Memperkenalkan ketidakpastian dalam perencanaan karena kondisi ekonomi, sosial, dan teknologi dapat
berubah selama periode tersebut.
• Dampak disruption selama konstruksi perlu diminimalkan melalui manajemen lalu lintas dan komunikasi
publik yang efektif.
6. Peran Politik Investasi Transportasi:
• Proyek infrastruktur sering digunakan sebagai alat politik untuk menunjukkan kinerja pemerintah dan
mendapatkan dukungan publik.
• Keputusan investasi harus didasarkan pada analisis ekonomi dan sosial yang solid, bukan hanya pertimbangan
politik.
7. Kompleksitas Ekonomi Akibat Pemisahan Penyedia Infrastruktur dan Layanan:
• Konsep user cost seringkali tidak mencerminkan social cost (biaya sosial) yang sebenarnya.
• Externalities (eksternalitas) tidak diperhitungkan dalam harga yang dibayar pengguna.
8. Biaya Eksternal:
• Negative externalities (eksternalitas negatif) seperti polusi, kebisingan, kecelakaan, dan kemacetan tidak
ditanggung oleh pengguna transportasi, tetapi oleh masyarakat secara umum.
• Internalizing externalities (menginternalisasi eksternalitas) melalui mekanisme seperti pajak, retribusi, atau
congestion pricing dapat mendorong perilaku yang lebih efisien dan berkelanjutan.
9. Kemacetan:
• Kemacetan adalah contoh klasik tragedy of the commons, di mana penggunaan sumber daya yang terbatas
oleh individu menyebabkan kerugian bagi semua pengguna.
• Marginal social cost (biaya sosial marjinal) dari penggunaan jalan lebih tinggi daripada marginal private cost
(biaya pribadi marjinal) karena adanya biaya eksternal kemacetan.
• Kebijakan seperti congestion charging bertujuan untuk menyelaraskan biaya pribadi dan biaya sosial,
mendorong penggunaan transportasi yang lebih efisien.
Gambar 1. Kemacetan dan Dampak Eksternal
Berikut penjelasan detailnya:
• Sumbu Horizontal (x): Arus Kendaraan (Vehicular flow (q)) - Sumbu ini menunjukkan jumlah atau volume kendaraan
yang bergerak di suatu ruas jalan atau jaringan jalan. Semakin ke kanan, semakin tinggi arus kendaraannya, berarti
semakin banyak kendaraan yang melintas.
• Sumbu Vertikal (y): Biaya Perjalanan (Trip Cost) - Sumbu ini merepresentasikan biaya yang dikeluarkan untuk
melakukan perjalanan. Biaya ini bisa berupa waktu tempuh, biaya bahan bakar, biaya operasional kendaraan, dan
lain-lain. Semakin ke atas, semakin tinggi biaya perjalanannya.
• Biaya Pribadi (Private Cost) - Garis padat (solid line) yang meningkat secara bertahap menunjukkan biaya yang
ditanggung langsung oleh pengguna jalan. Pada awalnya, dengan peningkatan arus kendaraan yang sedikit, biaya
perjalanan meningkat relatif lambat. Namun, setelah melewati titik tertentu, peningkatan arus kendaraan
menyebabkan biaya perjalanan meningkat secara signifikan. Hal ini mencerminkan efek kemacetan yang mulai
terasa.
• Biaya Sosial (Social Cost) - Garis putus-putus (dashed line) menunjukkan biaya total yang ditanggung oleh
masyarakat sebagai akibat dari perjalanan tersebut. Biaya ini mencakup biaya pribadi ditambah dengan biaya
eksternalitas, seperti polusi udara, kebisingan, dan hilangnya produktivitas akibat waktu yang terbuang karena
kemacetan. Biaya sosial mulai meningkat lebih curam daripada biaya pribadi pada titik tertentu, menunjukkan
bahwa dampak negatif kemacetan bagi masyarakat lebih besar daripada yang dirasakan oleh individu pengguna
jalan.
• Kemacetan (Congestion) - Area di antara kedua garis tersebut dan di sepanjang sumbu x yang menunjukkan
peningkatan arus kendaraan, menggambarkan tingkat kemacetan. Semakin lebar area tersebut, semakin parah
kemacetan yang terjadi. Terdapat dua area yang ditandai sebagai "Congestion" dan "Evident Congestion". "Evident
Congestion" menunjukkan tingkat kemacetan yang sudah sangat terlihat dan berdampak signifikan pada perbedaan
biaya pribadi dan biaya sosial.

Kesimpulan:
Gambar ini mengilustrasikan bahwa ketika arus kendaraan meningkat, biaya perjalanan juga meningkat. Namun, biaya
yang ditanggung oleh masyarakat (biaya sosial) meningkat lebih cepat daripada biaya yang ditanggung oleh individu
(biaya pribadi), terutama saat kemacetan mulai parah. Hal ini menekankan perlunya intervensi, seperti kebijakan
transportasi publik yang lebih baik atau penerapan biaya kemacetan (congestion pricing), untuk mengurangi dampak
negatif kemacetan bagi masyarakat.
3.3. PERSPEKTIF PERMASALAHAN TRANSPORTASI

1. Tujuan Utama Transportasi:

1. Pergeseran paradigma dari fokus pada mobilitas (kemudahan bergerak) ke aksesibilitas (kemudahan
mencapai tujuan).
2. Aksesibilitas lebih relevan dalam konteks perencanaan transportasi modern karena mempertimbangkan
interaksi antara transportasi dan tata guna lahan.
3. Konsep equity (kesetaraan) menekankan bahwa semua orang, terlepas dari latar belakang sosial ekonomi
atau lokasi geografis, harus memiliki akses yang adil ke peluang.
2. Tiga Pendekatan untuk Mencapai Tujuan:
1) Penyediaan Infrastruktur dan Layanan Transportasi yang Lebih Baik ("Predict and Provide"):
1. Pendekatan tradisional dalam perencanaan transportasi, yang berfokus pada prediksi permintaan
perjalanan di masa depan dan penyediaan infrastruktur untuk memenuhi permintaan tersebut.
2. Kritik: Pendekatan ini sering memicu induced demand (permintaan yang diinduksi), di mana penyediaan
infrastruktur baru justru menghasilkan peningkatan permintaan perjalanan, sehingga masalah
kemacetan tidak terselesaikan secara permanen. Ini terkait dengan Braess's paradox.
3. Meskipun demikian, penyediaan infrastruktur yang tepat tetap penting, terutama di daerah yang kurang
terlayani.
 2) Alternatif untuk Perjalanan Fisik (Kerja Jarak Jauh, dll.):
1. Perkembangan teknologi informasi dan komunikasi memungkinkan alternatif untuk perjalanan fisik,
seperti teleworking, tele-education, dan e-commerce.
2. Mengurangi permintaan perjalanan dan potensi dampak negatifnya (kemacetan, polusi).
3. Dapat meningkatkan aksesibilitas bagi orang-orang yang sulit bepergian secara fisik (misalnya,
penyandang disabilitas, lansia).
4. Namun, perlu dipertimbangkan dampak sosial dan ekonomi dari perubahan pola kerja dan konsumsi ini.
3) Tata Guna Lahan Campuran yang Padat untuk Akses yang Lebih Mudah:
1. Pendekatan jangka panjang yang berfokus pada perencanaan tata guna lahan untuk mengurangi
kebutuhan perjalanan.
2. Mixed-use development (pengembangan tata guna lahan campuran) menempatkan perumahan, tempat
kerja, toko, dan fasilitas lainnya dalam jarak yang berdekatan, sehingga memungkinkan orang untuk
berjalan kaki, bersepeda, atau menggunakan transportasi umum untuk memenuhi kebutuhan sehari-
hari.
3. Berkaitan dengan konsep compact city (kota padat) dan transit-oriented development (TOD).
4. Meningkatkan efisiensi penggunaan lahan, mengurangi ketergantungan pada mobil pribadi, dan
menciptakan lingkungan yang lebih berkelanjutan.
1..
3. Fokus pada Aksesibilitas, Bukan Hanya Mobilitas:
1. Pergeseran ini mencerminkan pemahaman yang lebih holistik tentang peran transportasi dalam masyarakat.
2. Mobilitas hanya merupakan sarana untuk mencapai tujuan, sedangkan aksesibilitas adalah tujuan akhirnya.
3. Contoh: Seseorang mungkin memiliki mobilitas yang tinggi (misalnya, memiliki mobil pribadi), tetapi jika ia
tinggal di daerah yang terpencil dengan akses terbatas ke pekerjaan dan layanan, maka aksesibilitasnya rendah.
4. Hierarki Kebutuhan Maslow dalam Konteks Transportasi:
1. Teori Maslow mengklasifikasikan kebutuhan manusia ke dalam hierarki, dari kebutuhan dasar (fisiologis,
keamanan) hingga kebutuhan yang lebih tinggi (sosial, penghargaan diri, aktualisasi diri).
2. Dalam konteks transportasi, kebutuhan dasar dapat diterjemahkan sebagai akses ke pekerjaan dan pendidikan
untuk memenuhi kebutuhan ekonomi dan keamanan.
3. Kebutuhan yang lebih tinggi dapat dikaitkan dengan akses ke kegiatan sosial, rekreasi, dan budaya.
4. Contoh aplikasi dalam transportasi publik:
1. Basic (Functional): Keandalan, frekuensi, keterjangkauan.
2. Safety (Security, Protection): Keamanan dari kejahatan dan kecelakaan.
3. Hedonic (Customer Services, Comfort): Kenyamanan, kebersihan, informasi.
5. Evolusi Kebutuhan:
1. Cara kebutuhan dipenuhi dapat berubah seiring waktu karena perkembangan teknologi, perubahan sosial, dan
faktor lainnya.
2. Contoh: Dulu, orang mungkin harus bepergian ke toko fisik untuk berbelanja, tetapi sekarang mereka dapat
berbelanja secara online.
3. Perencanaan transportasi harus adaptif dan responsif terhadap perubahan kebutuhan dan preferensi
masyarakat.
Gambar 2. Hierarki Kebutuhan Maslow
Hierarki kebutuhan Maslow digambarkan sebagai piramida dengan lima tingkatan, di mana setiap tingkatan harus
terpenuhi sebelum individu dapat melanjutkan ke tingkatan berikutnya.
1. Kebutuhan Fisiologis (Basic Needs): Ini adalah kebutuhan paling dasar yang diperlukan untuk
mempertahankan hidup secara fisik. Contohnya:
• Akses ke pekerjaan dan pelatihan: Untuk mendapatkan penghasilan yang digunakan memenuhi
kebutuhan lainnya.
• Kesempatan yang layak untuk mendapatkan makanan dan tempat tinggal: Makanan, air, udara, tempat
tinggal, pakaian, dan tidur.
2. Kebutuhan Keamanan dan Perlindungan (Security and Protection Needs): Setelah kebutuhan fisiologis
terpenuhi, individu mencari rasa aman dan terlindungi. Contohnya:
• Keamanan fisik: Terhindar dari bahaya, kekerasan, dan kriminalitas.
• Kesehatan: Kondisi fisik yang baik dan akses ke perawatan kesehatan.
• Perlindungan tempat tinggal: Memiliki tempat tinggal yang aman dan stabil.
3. Kebutuhan Sosial (Affiliation/Social Needs): Setelah merasa aman, individu mencari hubungan sosial dan rasa
memiliki. Contohnya:
• Fungsi hubungan sosial: Persahabatan, keluarga, dan penerimaan sosial.
• Cinta dan kasih sayang: Merasa dicintai dan memiliki hubungan yang bermakna.
• Keanggotaan dalam kelompok: Merasa menjadi bagian dari komunitas atau kelompok sosial.
4. Kebutuhan Penghargaan (Esteem Needs/Recognition): Setelah kebutuhan sosial terpenuhi, individu mencari
pengakuan dan penghargaan dari diri sendiri dan orang lain. Contohnya:
• Harga diri (Self-esteem): Rasa percaya diri, kompetensi, dan kemandirian.
• Rasa hormat dari orang lain: Pengakuan, status, dan penghargaan dari lingkungan sosial.
5. Kebutuhan Aktualisasi Diri (Self-fulfillment Needs/Self-realization): Ini adalah tingkatan tertinggi dalam
hierarki, di mana individu berusaha untuk mencapai potensi penuh mereka dan menjadi diri mereka yang
sebenarnya. Contohnya:
• Mencapai peran yang memuaskan dalam hidup: Mengembangkan bakat dan minat, mencapai tujuan
pribadi, dan memberikan kontribusi yang bermakna.
• Pemenuhan diri: Merasa puas dengan diri sendiri dan hidup yang dijalani.

Penjelasan Tambahan:
• Kebutuhan Dasar (Basic Needs): Mencakup kebutuhan fisiologis dan kebutuhan keamanan dan perlindungan.
Keduanya merupakan fondasi bagi kebutuhan-kebutuhan di atasnya.
• Kebutuhan Psikologis (Psychological Needs): Mencakup kebutuhan sosial dan kebutuhan penghargaan.
Keduanya berkaitan dengan aspek mental dan emosional individu.
• Kebutuhan Pemenuhan Diri (Self-fulfillment Needs): Merupakan puncak dari hierarki dan berfokus pada
pengembangan diri dan pencapaian potensi.

Meskipun terdapat kritik, teori Maslow tetap menjadi kerangka kerja yang berguna untuk memahami motivasi dan
kebutuhan manusia.
3.4. MODEL SEDERHANA

Terkadang hubungan sebab-akibat yang sangat sederhana dapat digambarkan secara grafis untuk membantu
memahami sifat beberapa masalah transportasi. Contoh tipikal adalah lingkaran setan mobil/transportasi publik
yang digambarkan pada Gambar 3.
• Pertumbuhan ekonomi memberikan dorongan pertama untuk meningkatkan kepemilikan mobil.
• Lebih banyak pemilik mobil berarti lebih banyak orang yang ingin beralih dari transportasi publik ke mobil; hal ini
pada gilirannya berarti lebih sedikit penumpang transportasi publik, yang dapat direspon oleh operator dengan
menaikkan tarif, mengurangi frekuensi (tingkat layanan), atau keduanya.
• Tindakan ini membuat penggunaan mobil bahkan lebih menarik dari sebelumnya dan mendorong lebih banyak
orang untuk membeli mobil, sehingga mempercepat lingkaran setan.
• Setelah beberapa siklus (tahun), pengemudi mobil menghadapi tingkat kemacetan yang meningkat; bus
tertunda, menjadi semakin mahal, dan berjalan lebih jarang; akumulasi keputusan individu yang masuk akal
menghasilkan keadaan akhir di mana hampir semua orang lebih buruk dari sebelumnya.

Selain itu, ada efek yang lebih berbahaya dalam jangka panjang, yang tidak digambarkan pada Gambar 3, karena
pemilik mobil memilih tempat kerja dan tempat tinggal mereka tanpa mempertimbangkan ketersediaan (atau
tidaknya) transportasi publik. Hal ini menghasilkan urban sprawl (perluasan kota) dan pembangunan dengan
kepadatan rendah yang lebih sulit dan mahal untuk dilayani oleh moda transportasi publik yang lebih efisien. Inilah
'perangkap pembangunan' yang menyebabkan kemacetan lebih lanjut dan proporsi waktu kita yang lebih tinggi
dihabiskan di mobil yang bergerak lambat.
Gambar 3. Model Lingkaran Setan Mobil dan Transportasi Publik
Representasi sederhana ini juga dapat membantu mengidentifikasi apa yang dapat dilakukan untuk memperlambat
atau membalikkan lingkaran setan ini. Gagasan ini diringkas dalam Gambar 4.
• Tindakan fisik seperti jalur bus atau skema prioritas bus lainnya sangat menarik karena juga menghasilkan alokasi
ruang jalan yang lebih efisien.
• Subsidi transportasi publik memiliki pendukung dan penentang yang kuat; mereka dapat mengurangi kebutuhan
untuk kenaikan tarif, setidaknya dalam jangka pendek, tetapi cenderung menghasilkan defisit besar dan
melindungi manajemen yang buruk dari konsekuensi ketidakefisienan mereka sendiri.
• Pembatasan mobil, dan khususnya congestion charging (penetapan harga kemacetan), dapat membantu
menginternalisasi eksternalitas dan menghasilkan aliran pendapatan yang dapat didistribusikan ke area
kebutuhan lain dalam transportasi.

Jenis model di balik Gambar 3 dan 4 disebut model struktural. Ini adalah konstruksi sederhana tetapi kuat, yang
memungkinkan diskusi tentang isu-isu utama dalam bentuk yang cukup hemat.
Gambar 4. Model Pemutus Lingkaran Setan Mobil dan Transportasi Publik
Model struktural tidak terlepas dari resiko ketika diterapkan pada konteks yang berbeda. Misalnya, model
lingkaran setan dalam konteks negara berkembang.
• Pertumbuhan populasi di negara berkembang akan mempertahankan permintaan transportasi publik jauh lebih
lama daripada di negara-negara industri.
• Arus bus yang dialami di negara-negara berkembang sangat tinggi, mencapai 400 hingga 600 bus per jam satu
arah di sepanjang beberapa koridor.
• Konteks juga relevan ketika mencari solusi; telah dikemukakan bahwa salah satu tujuan utama pengenalan
skema prioritas bus di negara-negara berkembang bukanlah untuk melindungi bus dari kemacetan yang
disebabkan mobil tetapi untuk mengatur pergerakan bus (Gibson et al. 1989).
• Volume bus yang tinggi sering menerapkan prioritas de facto, dan gangguan antar bus bahkan dapat menjadi
sumber keterlambatan yang lebih besar daripada kemacetan yang disebabkan mobil. Agar bernilai, model
lingkaran setan harus direvisi dalam konteks baru ini.

Harus jelas bahwa tidak mungkin untuk mengkarakterisasi semua masalah transportasi dalam bentuk yang unik
dan universal. Masalah transportasi bergantung pada konteks, begitu pula cara menanganinya. Model dapat
menawarkan kontribusi dalam hal membuat identifikasi masalah dan pemilihan cara menanganinya lebih berbasis
solid.
3.5. MODA TRANSPORTASI KLASIK DAN BARU

1. Definisi Transportasi Publik yang Lebih Luas:

• Definisi tradisional transportasi publik yang berfokus pada moda massal dengan rute dan jadwal tetap.
• Definisi yang lebih luas mencakup semua bentuk transportasi yang tersedia untuk umum tanpa kepemilikan
pribadi.
• Ini mencerminkan perkembangan teknologi dan munculnya model bisnis baru dalam sektor transportasi.
• Konsep Mobility as a Service (MaaS) mencakup integrasi berbagai layanan transportasi, termasuk transportasi
publik tradisional dan moda on-demand, ke dalam satu platform.
2. Perbedaan Moda Klasik dan On-Demand:
• Moda Klasik: Efisien untuk pergerakan massal di koridor dengan permintaan tinggi dan pola perjalanan yang
dapat diprediksi. Contoh: layanan komuter kereta api, bus kota dengan rute tetap.
• Moda On-Demand: Lebih fleksibel dan dapat menyesuaikan dengan kebutuhan individu, cocok untuk
perjalanan first/last mile (dari/ke titik awal/akhir perjalanan utama) atau area dengan permintaan yang lebih
rendah. Contoh: taksi, ride-hailing, car-sharing, bike-sharing.
• Perbedaan ini memengaruhi cara pemodelan dan perencanaan layanan transportasi.
3. Tantangan Pemodelan Transportasi On-Demand:
• Pemodelan moda on-demand lebih kompleks karena faktor-faktor berikut:
• Variabilitas Rute: Rute tidak tetap, bergantung pada permintaan.
• Distribusi Spasial dan Temporal Permintaan: Permintaan bervariasi berdasarkan lokasi dan waktu.
• Algoritma Dispatching: Cara mengalokasikan unit ke permintaan secara efisien.
• Optimisasi Armada: Ukuran dan komposisi armada yang optimal.
• Membutuhkan penggunaan teknik pemodelan yang lebih canggih, seperti agent-based modeling dan
optimisasi dinamis.
4. Pengabaian Moda Baru dalam Model Sederhana Sebelumnya:
• Model pada Gambar 3 dan 4 (lingkaran setan mobil/transportasi publik) menyederhanakan realitas dengan
hanya mempertimbangkan mobil pribadi dan transportasi publik klasik.
• Pengabaian moda baru seperti taksi, ride-sharing, dan kendaraan otonom dapat diterima jika kontribusi
mereka terhadap total permintaan masih kecil.
• Namun, seiring dengan pertumbuhan popularitas moda-moda ini, penting untuk memasukkannya ke dalam
model untuk mendapatkan representasi yang lebih akurat.
• Penambahan moda on-demand dapat memengaruhi dinamika lingkaran setan, misalnya dengan mengurangi
kebutuhan kepemilikan mobil pribadi.
5. Efisiensi Moda Transportasi dalam Menangani Kemacetan dan Emisi:
• Passenger car unit (pcu) atau passenger car equivalent (pce) digunakan untuk mengukur kapasitas jalan dalam
satuan mobil penumpang.
• Moda dengan pcu/pce yang lebih tinggi (misalnya, bus, kereta api) lebih efisien dalam mengangkut banyak
orang dengan penggunaan ruang jalan yang relatif kecil.
• Ini penting dalam konteks pengurangan kemacetan dan emisi.
6. Potensi Dampak Negatif Layanan Taksi dan Berbagi Mobil terhadap Kemacetan:
• Meskipun layanan taksi dan berbagi mobil menawarkan fleksibilitas, mereka juga dapat berkontribusi pada
kemacetan jika tidak dikelola dengan baik.
• Empty vehicle kilometers (kilometer kendaraan kosong) yang ditempuh untuk mencari atau mengantar
penumpang meningkatkan volume lalu lintas.
• Perlu dipertimbangkan strategi untuk meminimalkan empty vehicle kilometers, misalnya melalui dynamic
routing dan pooling.
Gambar 5. Bagan Struktur Moda Transportasi
4. PEMODELAN DAN PENGAMBILAN KEPUTUSAN
1. Peran Utama Model Transportasi:
1) Model transportasi berfungsi sebagai decision support system (DSS), menyediakan informasi dan analisis
yang relevan untuk membantu pengambil keputusan dalam memilih kebijakan dan strategi transportasi
yang optimal.
2) Fokus pada access (akses) dan mobility (mobilitas) menekankan bahwa tujuan transportasi bukan hanya
pergerakan fisik, tetapi juga kemudahan mencapai tujuan dan peluang.
3) Model dapat digunakan untuk:
a) Memprediksi dampak kebijakan dan proyek transportasi.
b) Mengevaluasi berbagai alternatif solusi.
c) Mengidentifikasi trade-off antara berbagai tujuan (misalnya, efisiensi ekonomi, dampak lingkungan,
keadilan sosial).
d) Meningkatkan pemahaman tentang sistem transportasi yang kompleks.
2. Asumsi Mata Kuliah:
1) Dalam mata kuliah ini diasumsikan bahwa model akan digunakan dalam proses pengambilan keputusan,
yang mencerminkan pendekatan evidence-based policy making (pembuatan kebijakan berbasis bukti).
2) Tidak mempromosikan satu pendekatan pengambilan keputusan yang normatif (yaitu, pendekatan yang
dianggap "benar" atau "terbaik").
3) Ada berbagai decision-making styles (gaya pengambilan keputusan) yang dapat diadopsi, tergantung pada
konteks, budaya organisasi, dan preferensi pengambil keputusan. Contohnya termasuk rational decision-
making, incremental decision-making, dan political decision-making.
3. Penerimaan Model oleh Pengambil Keputusan:
1) Penerimaan model oleh pengambil keputusan sangat penting untuk memastikan bahwa model tersebut
benar-benar digunakan dan berdampak pada kebijakan.
2) Faktor-faktor yang memengaruhi penerimaan model:
• Kepercayaan pada Model: Pengambil keputusan perlu percaya pada validitas dan reliabilitas model.
• Komunikasi yang Efektif: Hasil model harus dikomunikasikan dengan jelas dan mudah dipahami oleh
pengambil keputusan.
• Relevansi Model: Model harus relevan dengan masalah dan pertanyaan kebijakan yang dihadapi
pengambil keputusan.
• Keterlibatan Pengambil Keputusan dalam Proses Pemodelan: Melibatkan pengambil keputusan dalam
proses pengembangan dan validasi model dapat meningkatkan pemahaman dan penerimaan mereka.
3) Jika model diabaikan, hal ini menunjukkan adanya masalah dalam proses pemodelan, komunikasi, atau
relevansi model dengan kebutuhan pengambil keputusan. Ini juga menimbulkan masalah usability
(kemudahan penggunaan) dari model.
Faktor-faktor yang perlu dipertimbangkan dalam menentukan pendekatan analitis
untuk masalah dan model transportasi:

1. Ketelitian dan Keakuratan yang Dibutuhkan:

• Keakuratan (Accuracy):
 Secara akademis, keakuratan berkaitan dengan validitas sebuah pengukuran atau model. Seberapa dekat
hasil yang diperoleh dengan nilai sebenarnya atau nilai yang dianggap benar. Dalam konteks pemodelan
transportasi, ini bisa berarti seberapa dekat prediksi model dengan kondisi lalu lintas yang sebenarnya
terjadi.
 Dalam praktiknya, keakuratan yang "sempurna" hampir tidak mungkin dicapai dalam pemodelan
transportasi karena kompleksitas sistem dan faktor-faktor eksternal yang sulit diprediksi. Oleh karena itu,
penting untuk menentukan tingkat keakuratan yang dapat diterima atau memadai untuk tujuan tertentu.
 Contoh: Jika tujuannya adalah membandingkan dampak dua alternatif desain jalan, keakuratan yang
dibutuhkan mungkin tidak setinggi jika tujuannya adalah memprediksi pendapatan tol secara tepat. Cukup
untuk menunjukkan bahwa alternatif A secara konsisten memberikan kinerja yang lebih baik daripada
alternatif B, meskipun angka persisnya mungkin sedikit berbeda dari kenyataan.
 • Ketelitian (Precision):
 Secara akademis, ketelitian berkaitan dengan resolusi atau tingkat detail pengukuran. Seberapa rinci data
dicatat atau hasil model disajikan.
 Ketelitian yang tinggi tidak menjamin keakuratan yang tinggi. Data yang dikumpulkan dengan sangat presisi
bisa saja salah atau bias.
 Contoh: Melaporkan volume lalu lintas sebagai 2347 kendaraan memberikan kesan presisi yang tinggi,
tetapi jika metode pengumpulannya salah, angka tersebut bisa saja jauh dari kebenaran. Demikian pula,
memprediksi lalu lintas lima tahun ke depan dengan angka 3148 kendaraan memberikan kesan palsu
tentang kepastian.
 Penting untuk membedakan antara significant figures (angka signifikan) dan spurious precision (ketelitian
palsu). Angka signifikan mencerminkan tingkat akurasi pengukuran, sedangkan ketelitian palsu memberikan
kesan akurasi yang lebih tinggi daripada yang sebenarnya ada.
2. Konteks Pengambilan Keputusan:
• Perspektif:
 Strategis: Keputusan jangka panjang yang memengaruhi arah dan tujuan sistem transportasi secara
keseluruhan. Contoh: pembangunan jaringan jalan tol baru, pengembangan sistem transportasi massal.
 Taktis: Keputusan jangka menengah yang berfokus pada pengelolaan dan pengoperasian sistem
transportasi yang ada. Contoh: pengaturan lampu lalu lintas, penetapan tarif parkir.
 Operasional: Keputusan jangka pendek yang berkaitan dengan operasional sehari-hari. Contoh: pengaturan
jadwal bus, penanganan insiden lalu lintas.
 • Ruang Lingkup:
 Transportasi saja: Model hanya berfokus pada aspek transportasi, seperti lalu lintas, jaringan jalan, dan
moda transportasi.
 Terintegrasi dengan tata guna lahan: Model mempertimbangkan interaksi antara sistem transportasi dan
tata guna lahan, seperti lokasi perumahan, perkantoran, dan pusat perbelanjaan.
• Pemilihan perspektif dan ruang lingkup akan memengaruhi jenis model yang digunakan, variabel yang
dipertimbangkan, dan tingkat detail yang dibutuhkan.
3. Tingkat Detail atau Granularitas yang Dibutuhkan:
• Geografi:
 Agregat: Representasi wilayah yang disederhanakan, misalnya dengan membagi kota menjadi beberapa
zona besar. Cocok untuk perencanaan strategis.
 Disagregat: Representasi wilayah yang lebih rinci, misalnya dengan mempertimbangkan setiap
persimpangan atau ruas jalan. Cocok untuk desain detail dan analisis operasional.
• Unit Analisis:
 Zona: Menggunakan zona sebagai unit dasar analisis, dengan mengasumsikan bahwa semua perjalanan di
dalam zona memiliki karakteristik yang sama.
 Individu/Rumah Tangga: Memodelkan perilaku individu atau rumah tangga secara terpisah, memungkinkan
representasi yang lebih realistis dari variasi perilaku.
 • Respons Perilaku:
 Sederhana: Hanya mempertimbangkan beberapa respons perilaku, misalnya pemilihan rute.
 Kompleks: Mempertimbangkan berbagai respons perilaku, seperti pemilihan moda, tujuan, waktu
perjalanan, dan bahkan perubahan lokasi tempat tinggal atau kerja.
• Waktu:
 Diskret: Membagi waktu menjadi beberapa periode (misalnya, jam sibuk pagi, siang, dan sore). Lebih
sederhana, tetapi kurang akurat dalam merepresentasikan dinamika lalu lintas.
 Kontinu: Memodelkan perubahan lalu lintas secara terus menerus sepanjang waktu. Lebih akurat, tetapi
membutuhkan komputasi yang lebih intensif.
4. Ketersediaan Data:
• Kualitas dan ketersediaan data merupakan faktor penting dalam pemodelan transportasi. Data yang buruk
atau tidak lengkap dapat menghasilkan model yang tidak akurat.
• Penting untuk mempertimbangkan:
 Akurasi dan reliabilitas data.
 Ketersediaan data historis dan data saat ini.
 Kesulitan dalam memprediksi data di masa depan.
5. Kondisi Terkini dalam Pemodelan:
• Perkembangan teknologi dan metode pemodelan terus berlanjut. Penting untuk mempertimbangkan:
 Kekayaan perilaku yang dapat dimodelkan.
 Kemudahan implementasi model secara matematis dan komputasi.
 Ketersediaan algoritma solusi yang efisien.
6. Sumber Daya yang Tersedia:
• Keterbatasan sumber daya, seperti waktu, anggaran, dan keahlian, dapat membatasi kompleksitas dan tingkat
detail model yang dapat dikembangkan.
• Komunikasi yang efektif dengan pengambil keputusan dan pemangku kepentingan sangat penting untuk
memastikan bahwa model dipahami dan digunakan dengan tepat.
7. Tingkat Pelatihan dan Keterampilan Analis:
• Keahlian analis dalam pemodelan transportasi sangat penting untuk pengembangan dan penerapan model
yang efektif.
• Investasi dalam pelatihan dan pengembangan keahlian merupakan hal yang penting.

Dengan memahami detail-detail ini, keputusan yang lebih tepat tentang pendekatan pemodelan yang paling sesuai
untuk masalah transportasi tertentu dapat dibuat. Ingatlah bahwa tidak ada pendekatan "satu ukuran untuk
semua". Pilihan pendekatan harus didasarkan pada pertimbangan yang cermat terhadap semua faktor yang
relevan.
5. ISU DALAM PEMODELAN TRANSPORTASI
5.1. Isu Model Secara Umum
5.1.1. Peran Teori dan Data
1. Asosiasi Teori dengan Formula: Pemodelan transportasi perkotaan memang sering melibatkan matematika
kompleks untuk merepresentasikan interaksi manusia yang rumit. Namun, penting untuk diingat bahwa teori
tidak hanya sekadar rumus, tetapi juga kerangka konseptual untuk memahami fenomena.
2. Kesenjangan Teori dan Praktik: Kesenjangan ini muncul ketika teori terlalu abstrak dan sulit diimplementasikan
dengan data dan perangkat lunak yang tersedia. Sebaliknya, praktik tanpa landasan teori yang kuat dapat
menghasilkan model yang salah atau tidak valid. Buku ini berusaha menjembatani kesenjangan ini dengan
menyajikan teori yang relevan dan dapat diterapkan.
3. Kontribusi Teori: Teori yang baik memberikan batasan yang logis dan konsisten pada model. Contohnya, teori
ekonomi dapat memberikan batasan pada bentuk fungsi permintaan, memastikan bahwa elastisitas
permintaan memiliki tanda yang benar (misalnya, jika harga naik, permintaan turun). Tanpa landasan teori,
model dapat menghasilkan prediksi yang absurd. Kasus yang disebutkan (Williams dan Senior 1977)
menunjukkan bahaya penggunaan model "pragmatis" tanpa dasar teori yang kuat.
4. Equifinality: Konsep ini menjelaskan bahwa hasil yang sama dapat dicapai melalui jalur yang berbeda. Dalam
konteks pemodelan, ini berarti bentuk fungsi yang sama dapat diturunkan dari teori yang berbeda. Contohnya
adalah Model Gravitasi, yang dapat diturunkan dari analogi fisika, maksimisasi entropi, atau teori utilitas.
5. Peran Kerangka Teoretis: Meskipun bentuk fungsi bisa sama, interpretasi output model sangat dipengaruhi
oleh teori yang mendasarinya.
1) Interpretasi Solusi: Teori memberikan makna pada hasil model. Misalnya, dalam Model Gravitasi,
interpretasi "tarikan gravitasi" memberikan pemahaman intuitif tentang bagaimana tujuan yang lebih
besar menarik lebih banyak perjalanan.
2) Kredibilitas Prediksi: Teori yang kuat memberikan dasar yang lebih kokoh untuk mempercayai prediksi
model di masa depan.
3) Rasionalisasi Praktik: Teori sering digunakan untuk merasionalisasi praktik pemodelan yang sudah ada,
memberikan landasan teoretis yang lebih kuat. Contohnya adalah rasionalisasi post hoc pada model
Gravity-Logit.
6. Pendekatan Pengembangan Teori:
1) Deduktif: Dimulai dengan teori, lalu diuji dengan data. Cocok untuk ilmu murni yang memiliki hukum yang
mapan.
2) Induktif: Dimulai dengan data, lalu mencoba menyimpulkan teori. Lebih umum dalam ilmu sosial yang
fenomena lebih kompleks dan sulit diprediksi dengan tepat.
7. Peran Sentral Data: Data sangat penting dalam kedua pendekatan. Kualitas, ketersediaan, dan format data
seringkali membatasi pilihan model yang dapat digunakan. Trade-off antara relevansi dan kompleksitas model
seringkali dipengaruhi oleh data yang tersedia.
8. Variabel dalam Model: Model transportasi memprediksi variabel dependen (misalnya, volume lalu lintas)
berdasarkan variabel independen (misalnya, populasi, pendapatan, infrastruktur). Variabel kebijakan adalah
variabel independen yang dapat dimanipulasi oleh pengambil keputusan untuk mengevaluasi dampak
kebijakan yang berbeda.
9. Agregasi: Agregasi berkaitan dengan tingkat detail representasi dalam model.
1) Agregasi Populasi: Berapa banyak kelompok atau jenis orang yang perlu dipertimbangkan?
2) Agregasi Variabel: Seberapa detail variabel perlu diukur?
3) Agregasi Spasial: Seberapa detail asal dan tujuan perjalanan perlu dikodekan?

Keputusan tentang tingkat agregasi memengaruhi kompleksitas model dan kebutuhan data. Agregasi yang
berlebihan dapat menyederhanakan realitas secara berlebihan, sementara agregasi yang terlalu sedikit dapat
membuat model terlalu kompleks dan sulit dipecahkan.
5.1.2. Asumsi Model
Pentingnya asumsi dalam pembuatan model, dan bagaimana asumsi tersebut mempengaruhi keakuratan prediksi
model. Setiap model, baik sederhana maupun rumit, pasti memiliki asumsi atau anggapan dasar. Asumsi ini ada
yang dinyatakan secara langsung (eksplisit) dan ada yang tersirat (implisit).
• Asumsi eksplisit: Asumsi yang dinyatakan dengan jelas dan terbuka. Misalnya, dalam model prediksi jumlah
penumpang kereta api, asumsi eksplisitnya bisa berupa "jumlah penduduk akan meningkat 2% per tahun" atau
"harga tiket kereta api tidak akan berubah".
• Asumsi implisit: Asumsi yang tidak dinyatakan secara langsung, tetapi mendasari cara kerja model. Misalnya,
dalam model yang sama, asumsi implisitnya bisa berupa "tidak ada bencana alam yang signifikan yang
mengganggu transportasi kereta api" atau "tidak ada perubahan besar dalam kebijakan transportasi
pemerintah".

Model yang baik dan kompleks biasanya memiliki daftar asumsi yang panjang dan detail. Hal ini karena model
tersebut mencoba memprediksi situasi yang kompleks pula. Namun, pembuat model juga menyadari bahwa jika
salah satu asumsi tersebut tidak terpenuhi di dunia nyata, maka hasil prediksi model juga bisa meleset.

Contohnya, jika model memprediksi pertumbuhan ekonomi akan berjalan lancar terus menerus (ini adalah sebuah
asumsi), padahal kenyataannya terjadi krisis ekonomi, maka prediksi model tersebut bisa jadi salah.
Sebagian besar asumsi eksplisit berkaitan dengan masa depan, terutama faktor-faktor eksternal yang mempengaruhi
model. Faktor eksternal ini disebut juga input model. Contohnya:
• Perkiraan populasi: Berapa jumlah penduduk di masa depan.
• Perkiraan ekonomi: Bagaimana pertumbuhan ekonomi, inflasi, dan faktor ekonomi lainnya di masa depan.
• Teknologi masa depan: Bagaimana perkembangan teknologi yang mungkin mempengaruhi transportasi, misalnya
munculnya kendaraan otonom.
• Evolusi harga bahan bakar: Bagaimana perubahan harga bahan bakar di masa depan.

Selain asumsi tentang input eksternal, model juga mungkin memiliki asumsi tentang parameter internal yang belum
dihitung atau diukur secara akurat. Parameter ini bisa saja diambil atau "dipinjam" dari penelitian atau model lain
yang serupa. Misalnya, dalam model transportasi, parameter tentang perilaku pengguna jalan dalam memilih rute
mungkin diambil dari penelitian di kota lain.

Semua model bergantung pada asumsi, baik yang dinyatakan maupun tidak. Semakin kompleks model, semakin
banyak asumsinya. Jika asumsi-asumsi ini tidak sesuai dengan kenyataan di masa depan, maka prediksi model juga
bisa salah. Asumsi-asumsi ini sering berkaitan dengan faktor-faktor eksternal seperti pertumbuhan ekonomi, populasi,
teknologi, dan harga bahan bakar, serta parameter internal model yang belum diukur dengan tepat.
Beberapa asumsi dasar yang jarang dieksplisitkan, dan ini lebih berkaitan dengan sifat model :

1. Perilaku Perjalanan Diasumsikan Berulang (Recurrent):

• Implikasi Model: Model transportasi sering mengandalkan data perjalanan yang dikumpulkan dalam
periode waktu singkat (misalnya, survei perjalanan harian) dan mengekstrapolasikannya untuk
memprediksi perilaku di masa depan. Asumsi ini menyederhanakan pemodelan, tetapi mengabaikan
variabilitas perilaku perjalanan individu dari hari ke hari.
• Kritik: Perilaku perjalanan dipengaruhi oleh berbagai faktor situasional dan kontekstual, seperti cuaca,
acara khusus, dan perubahan jadwal. Asumsi pengulangan yang ketat dapat menghasilkan prediksi yang
tidak akurat, terutama dalam jangka panjang. Konsep travel diary (diari perjalanan) dan longitudinal studies
(studi longitudinal) mencoba menangkap variabilitas ini, tetapi sulit diimplementasikan dalam skala besar.
2. Aktivitas Diasumsikan Stabil:
• Implikasi Model: Model sering mengasumsikan bahwa kebutuhan dan preferensi aktivitas individu dan
rumah tangga relatif stabil dari waktu ke waktu. Ini menyederhanakan pemodelan interaksi antara aktivitas
dan transportasi.
• Kritik: Perkembangan teknologi dan perubahan sosial dapat mengubah cara orang melakukan aktivitas
mereka. Contohnya, e-commerce telah mengubah cara orang berbelanja, dan teleworking telah mengubah
kebutuhan perjalanan ke tempat kerja. Asumsi stabilitas aktivitas semakin dipertanyakan dengan
munculnya teknologi baru seperti AI generatif dan Virtual Reality.
3. Perilaku Perjalanan Dimodelkan sebagai Pilihan:
• Implikasi Model: Model pilihan diskrit (misalnya, model logit) mengasumsikan bahwa individu membuat pilihan
rasional di antara alternatif perjalanan yang tersedia, berdasarkan preferensi dan atribut alternatif tersebut.
• Kritik: Dalam kenyataannya, banyak keputusan perjalanan didorong oleh kebiasaan, inersia, atau heuristik
sederhana, bukan oleh perhitungan rasional yang eksplisit. Konsep bounded rationality mengakui bahwa
kapasitas kognitif manusia terbatas, sehingga mereka sering membuat keputusan yang "cukup baik" daripada
"optimal".
4. Maksimisasi Utilitas dan Rasionalitas:
• Implikasi Model: Teori utilitas mendasari banyak model pilihan perjalanan. Ia mengasumsikan bahwa individu
berusaha memaksimalkan utilitas (kepuasan atau manfaat) mereka saat membuat pilihan perjalanan.
• Kritik: Asumsi rasionalitas penuh seringkali tidak realistis. Individu dipengaruhi oleh emosi, bias kognitif, dan
faktor sosial saat membuat keputusan. Konsep prospect theory dan behavioral economics menawarkan
alternatif untuk teori utilitas tradisional, dengan mempertimbangkan faktor-faktor psikologis dalam pengambilan
keputusan.
5. Konvergensi ke Ekuilibrium:
• Implikasi Model: Banyak model transportasi, terutama model penugasan lalu lintas, mencari solusi ekuilibrium,
di mana kondisi lalu lintas stabil dan tidak ada individu yang dapat meningkatkan waktu perjalanannya dengan
mengubah rute.
• Kritik: Sistem transportasi sebenarnya bersifat dinamis dan terus berubah. Mencapai ekuilibrium yang stabil
jarang terjadi dalam kenyataan. Namun, asumsi ekuilibrium sering digunakan untuk menyederhanakan
pemodelan dan membandingkan alternatif kebijakan. Konsep dynamic user equilibrium (DUE) mencoba
mengatasi keterbatasan ini dengan mempertimbangkan dinamika lalu lintas dari waktu ke waktu.
5.1.3. Spesifikasi Model

1. Struktur Model (Model Structure):

• Berkaitan dengan bagaimana variabel-variabel dalam model saling berhubungan dan bagaimana pilihan
dimodelkan.
• Independensi Alternatif: Asumsi sederhana bahwa pilihan antar alternatif tidak saling memengaruhi.
Contohnya, dalam model pemilihan moda, asumsi bahwa pilihan antara bus dan kereta api tidak
memengaruhi pilihan antara mobil dan sepeda. Asumsi ini menyederhanakan pemodelan, tetapi seringkali
tidak realistis.
• Model Bersyarat (Conditional Models): Mempertimbangkan ketergantungan antar pilihan. Contohnya,
model nested logit memungkinkan korelasi antar alternatif dalam kelompok yang sama (misalnya, pilihan
antara berbagai jenis transportasi umum).
• Model Disagregat: Memodelkan perilaku individu atau rumah tangga secara terpisah, memungkinkan
representasi heterogenitas yang lebih baik. Parameter dalam model ini seringkali merepresentasikan aspek
struktur model, seperti preferensi individu terhadap atribut alternatif.
• Meskipun pengujian empiris penting, tidak semua aspek struktur model dapat ditentukan hanya dengan
data. Pertimbangan teoretis dan pemahaman tentang proses pengambilan keputusan juga penting.
2. Bentuk Fungsional (Functional Form):
• Berkaitan dengan bentuk matematis hubungan antara variabel dalam model.
• Bentuk Linear: Hubungan proporsional antara variabel. Lebih sederhana untuk diestimasi dan diinterpretasi,
tetapi mungkin tidak akurat untuk merepresentasikan hubungan non-linear yang kompleks.
• Bentuk Non-Linear: Hubungan yang tidak proporsional antara variabel. Lebih akurat untuk
merepresentasikan realitas, tetapi lebih sulit untuk diestimasi dan diinterpretasi. Contohnya termasuk fungsi
eksponensial, logaritmik, dan kuadratik.
• Simulasi Laboratorium (Laboratory Simulations): Eksperimen stated preference digunakan untuk
mengumpulkan data tentang preferensi individu terhadap alternatif hipotetis. Data ini dapat digunakan
untuk menguji berbagai bentuk fungsional dan memilih yang paling sesuai.
3. Spesifikasi Variabel (Variable Specification):
• Berkaitan dengan pemilihan variabel yang akan dimasukkan ke dalam model dan bagaimana variabel
tersebut direpresentasikan.
• Pemilihan Variabel: Berdasarkan teori dan pemahaman tentang fenomena yang dimodelkan. Contohnya,
dalam model pemilihan moda, variabel seperti waktu tempuh, biaya, dan kenyamanan biasanya
dipertimbangkan.
• Bentuk Variabel: Bagaimana variabel diukur dan direpresentasikan dalam model. Contohnya, pendapatan
dapat direpresentasikan sebagai variabel kontinu, kategori (misalnya, pendapatan rendah, menengah, tinggi),
atau dalam bentuk logaritmik.
• Transformasi Variabel: Mengubah bentuk variabel untuk meningkatkan kinerja model. Contohnya,
mendeflasi variabel biaya dengan pendapatan untuk mempertimbangkan daya beli.
• Pendekatan Deduktif (Konstruktif): Menggunakan teori untuk membimbing pemilihan dan spesifikasi
variabel.
• Pendekatan Induktif (Statistik): Menganalisis data secara statistik untuk mengidentifikasi variabel yang
signifikan dan bentuk fungsional yang sesuai.
5.1.4. Kalibrasi, Validasi, dan Penggunaan Model

•Model disederhanakan sebagai fungsi matematika: Y = f(X, θ)

•Y: Variabel dependen (yang diprediksi).
•X: Variabel independen (input model).
•θ: Parameter model (nilai yang menentukan bentuk fungsi).
Bagian Atas (Dunia Nyata):
• Populasi (Population): Ini adalah kelompok individu yang menjadi fokus studi atau pemodelan.
• Perilaku Individu (Individual behaviour): Ini merujuk pada tindakan dan keputusan yang diambil oleh individu
dalam populasi. Perilaku ini dipengaruhi oleh berbagai faktor.
• Faktor Penentu Pilihan (Choice-determining factors): Ini adalah faktor-faktor yang memengaruhi keputusan
individu, misalnya:
• Karakteristik individu (usia, pendapatan, pekerjaan, dll.)
• Preferensi dan nilai-nilai individu
• Informasi yang tersedia
• Pengaruh sosial
• Lingkungan (Environment): Ini merujuk pada konteks di mana individu membuat keputusan, termasuk:
• Infrastruktur (jalan, transportasi publik, dll.)
• Kondisi ekonomi
• Kondisi sosial dan budaya
• Kebijakan yang berlaku
• Pilihan (Choice): Ini adalah hasil dari proses pengambilan keputusan individu, dipengaruhi oleh faktor-faktor
penentu pilihan dan lingkungan.
• Respon (Response): Ini adalah konsekuensi atau dampak dari pilihan yang diambil, baik bagi individu maupun
lingkungan.
Bagian Bawah (Ranah Pemodelan):
Bagian ini merepresentasikan bagaimana para pemodel mencoba merepresentasikan dan menganalisis dunia nyata.
• Teori Perilaku (Behavioural theory): Ini adalah kerangka konseptual yang menjelaskan bagaimana dan mengapa
individu membuat keputusan tertentu. Teori ini menjadi dasar bagi pengembangan model.
• Sampel (Sample): Ini adalah sebagian kecil dari populasi yang dipilih untuk dikumpulkan datanya dan dianalisis.
Data dari sampel digunakan untuk mengkalibrasi dan memvalidasi model.
• Atribut (Attributes): Ini adalah karakteristik atau variabel yang digunakan untuk merepresentasikan faktor penentu
pilihan dan lingkungan dalam model. Contohnya:
• Waktu tempuh ● Ketersediaan transportasi publik
• Biaya perjalanan ● Pendapatan
• Model: Ini adalah representasi matematis atau komputasi dari perilaku individu dan interaksinya dengan
lingkungan. Model dibangun berdasarkan teori perilaku dan data dari sampel.
• Perubahan Kebijakan (Policy change): Ini merujuk pada intervensi atau perubahan yang diusulkan dalam kebijakan,
misalnya:
• Pembangunan infrastruktur baru
• Perubahan tarif transportasi
• Simulasi (Simulation): Ini adalah proses menjalankan model untuk melihat bagaimana perubahan kebijakan atau
faktor lainnya akan memengaruhi perilaku individu dan dampaknya.
• Perkiraan (Forecast): Ini adalah prediksi atau proyeksi tentang apa yang mungkin terjadi di masa depan
berdasarkan hasil simulasi.
Hubungan Antar Bagian:
• Panah dari "Populasi" ke "Perilaku Individu" menunjukkan bahwa perilaku individu merupakan agregasi dari perilaku
anggota populasi.
• Panah dari "Faktor Penentu Pilihan" dan "Lingkungan" ke "Pilihan" menunjukkan bahwa kedua faktor tersebut
memengaruhi proses pengambilan keputusan.
• Panah dari "Pilihan" ke "Respon" menunjukkan bahwa pilihan menghasilkan konsekuensi atau dampak.
• Bagian "Ranah Pemodel" terhubung ke bagian "Dunia Nyata" melalui:
• "Sampel" yang diambil dari "Populasi".
• "Atribut" yang merepresentasikan "Faktor Penentu Pilihan" dan "Lingkungan".
• "Simulasi" yang digunakan untuk menguji dampak "Perubahan Kebijakan" terhadap "Perilaku Individu" dan
"Respon".

Kesimpulan:
Gambar ini mengilustrasikan proses pemodelan perilaku yang kompleks, mulai dari pengamatan dunia nyata,
pengembangan teori dan model, hingga simulasi dan perkiraan dampak kebijakan. Intinya adalah bagaimana
pemodelan dapat digunakan untuk memahami perilaku individu dan memprediksi dampak perubahan kebijakan
terhadap sistem yang lebih besar.
Tabel menggambarkan perbedaan tingkat granularitas (tingkat detail) dalam berbagai dimensi pemodelan transportasi.
Granularitas tinggi berarti model memiliki detail yang sangat rinci, sedangkan granularitas rendah berarti model lebih
sederhana dan agregat. Berikut penjelasan detail setiap dimensinya:
1. Infrastruktur:
• Granularitas Tinggi: Memodelkan setiap persimpangan, stasiun, atau halte secara individual. Bahkan, detail
seperti jari-jari tikungan dan panjang jalur merge diperhitungkan. Contohnya, memodelkan setiap lampu lalu
lintas dan detail geometris persimpangan.
• Granularitas Sedang: Memodelkan jaringan area lokal dengan detail, termasuk panjang ruas jalan, kapasitas, dan
fungsi penundaan aliran (flow delay functions). Contohnya, memodelkan jaringan jalan di suatu kota dengan
informasi kapasitas dan kecepatan rata-rata di setiap ruas jalan.
• Granularitas Rendah: Memodelkan jaringan multimodal kota secara keseluruhan atau bahkan hanya jaringan
kerangka (skeleton network). Atribut infrastruktur direduksi menjadi total panjang berdasarkan moda
transportasi. Contohnya, hanya memodelkan total panjang jalan tol, jalan arteri, dan jalur kereta api di suatu
wilayah.
2. Atribut Infrastruktur:
• Granularitas Tinggi: Memasukkan detail seperti lebar jalur, pengaturan waktu sinyal, panjang merge, dan jari-jari
tikungan. Detail ini penting untuk simulasi lalu lintas mikro.
• Granularitas Sedang: Memasukkan informasi panjang ruas jalan, kapasitas, dan fungsi penundaan aliran.
Informasi ini cukup untuk pemodelan transportasi meso.
• Granularitas Rendah: Hanya menggunakan total panjang berdasarkan moda transportasi. Ini cocok untuk
pemodelan makro yang berfokus pada gambaran besar.
3. Ruang/Lokasi:
• Granularitas Tinggi: Menggunakan koordinat alamat yang presisi untuk setiap lokasi.
• Granularitas Sedang: Menggunakan zona-zona yang lebih besar sebagai unit analisis.
• Granularitas Rendah: Menggunakan wilayah atau bahkan representasi tanpa spasial (a-spatial representation).
4. Unit Analisis:
• Granularitas Tinggi: Menganalisis setiap individu secara terpisah.
• Granularitas Sedang: Menganalisis individu representatif atau jumlah individu dalam zona.
• Granularitas Rendah: Menganalisis populasi secara keseluruhan.
5. Karakteristik Individu:
• Granularitas Tinggi: Memasukkan detail seperti usia, pendapatan, pekerjaan, ketersediaan kendaraan, sikap, dan
keanggotaan.
• Granularitas Sedang: Memasukkan informasi seperti kepemilikan mobil dan kelompok sosial ekonomi.
• Granularitas Rendah: Hanya menggunakan data populasi agregat.
6. Alasan Perjalanan:
• Granularitas Tinggi: Mempertimbangkan aktivitas yang disepakati dalam rumah tangga.
• Granularitas Sedang: Mempertimbangkan aktivitas tetap atau berbagai tujuan perjalanan.
• Granularitas Rendah: Hanya mempertimbangkan beberapa tujuan perjalanan atau bahkan ekstrapolasi tren.
7. Pergerakan yang Dianalisis:
• Granularitas Tinggi: Menganalisis banyak perjalanan multi-tujuan (multiple tours).
• Granularitas Sedang: Menganalisis beberapa perjalanan standar atau perjalanan tunggal (trips).
• Granularitas Rendah: Menganalisis arus pada ruas jalan atau total kendaraan-km yang ditempuh.
8. Moda yang Dipertimbangkan:
• Granularitas Tinggi: Mempertimbangkan semua moda, termasuk mobil, bus, metro, kereta api, taksi, sepeda
motor, sepeda, berjalan kaki, paratransit, dan kombinasi moda (misalnya Park and Ride/P&R).
• Granularitas Sedang: Mempertimbangkan moda utama seperti mobil, bus, metro, kereta api, dan moda aktif.
• Granularitas Rendah: Hanya mempertimbangkan mobil atau transportasi publik.
9. Waktu:
• Granularitas Tinggi: Menggunakan interval waktu yang sangat detail, seperti tahun, bulan, hari, periode, jam,
atau bahkan interval 15 menit.
• Granularitas Sedang: Menggunakan periode puncak musim panas dan musim dingin.
• Granularitas Rendah: Menggunakan periode puncak rata-rata harian atau bahkan rata-rata harian secara
keseluruhan.
10. Respon Perilaku:
• Granularitas Tinggi: Mempertimbangkan semua pilihan perilaku, seperti frekuensi perjalanan, waktu perjalanan,
tujuan, moda, rute, dan orang yang bepergian bersama.
• Granularitas Sedang: Mempertimbangkan beberapa respon, misalnya pilihan moda dan rute.
• Granularitas Rendah: Hanya mempertimbangkan satu respon, misalnya hanya pilihan rute.

Kesimpulan:
Tabel ini menunjukkan trade-off antara detail dan kompleksitas dalam pemodelan transportasi. Model dengan
granularitas tinggi membutuhkan data dan sumber daya komputasi yang lebih besar, tetapi memberikan hasil yang
lebih akurat dan detail. Sebaliknya, model dengan granularitas rendah lebih sederhana dan mudah diimplementasikan,
tetapi memberikan hasil yang lebih agregat dan kurang detail. Pemilihan tingkat granularitas yang tepat tergantung
pada tujuan pemodelan dan sumber daya yang tersedia.