MODEL KEBUTUHAN TRANSPORTASI MENGGUNAKAN DATA VOLUME LALU LINTAS

Abstract

Masalah-masalah yang timbul di dalam sistem transportasi memerlukan Matriks AsalTujuan (MAT) sebagai input utama yang merepresentasikan pola perjalanan pada suatu wilayah perencanaan. Metode untuk mendapatkan MAT dapat dikelompokkan menjadi Metode Konvensional dan Metode berdasarkan data arus lalu lintas (biasanya disebut Metode Tidak Konvensional). Metode Tidak Konvensional merupakan suatu metode estimasi yang cukup efektif dan ekonomis karena data utama yang dibutuhkannya adalah data arus lalu lintas yang untuk memperolehnya membutuhkan biaya yang murah, banyak tersedia dan mudah didapat. MAT yang dihasilkan dari data arus lalu lintas selanjutnya dapat dibedakan menjadi dua kondisi yaitu MAT pada kondisi saat ini dan MAT yang diprediksi untuk masa mendatang. Estimasi MAT pada kondisi saat ini digunakan sebagai input dalam memprakirakan MAT di masa mendatang. Salah satu cara yang dapat dilakukan adalah dengan memodelkan perilaku kebutuhan transportasi di dalam wilayah studi. Tujuan penelitian ini adalah melanjutkan pengembangan metode estimasi model kebutuhan transportasi berdasarkan informasi data arus lalu lintas, dalam meninjau faktor-faktor yang berpengaruh terhadap keakurasian MAT. Model yang dikembangkan selanjutnya di uji menggunakan data Kota Bandung dan sekitarnya. Hasil yang diperoleh menunjukkan bahwa MAT hasil estimasi menunjukkan tingkat kesesuaian yang tinggi terhadap MAT hasil pengamatan. Metode uji statistik yang digunakan adalah: Root Mean Square Error (RMSE), Mean Absolute Error (MAE), Normalised Mean Absolute Error (NMAE) dan Koefisien Determinasi (R2 dan SR2). Hasil penelitian menyimpulkan bahwa model GO selalu menghasilkan arus lalu lintas hasil estimasi yang terbaik. Jika dipertimbangkan beberapa kriteria tambahan, maka secara keseluruhan metode estimasi yang terbaik adalah kombinasi antara model GR dengan metode estimasi KTB. Disamping itu, dari hasil yang diperoleh, penggunaan metode pemilihan rute keseimbangan mempunyai pengaruh yang sangat signifikan jika dibandingkan dengan penggunaan metode all-ornothing