Kajian Pemodelan Pergerakan Orang di BidangTransportasi Jalan Selama Covid-19

KERJASAMA BALITBANGHUB-ITBKAJIAN ISU STRATEGIS KEBIJAKAN SEKTOR TRANSPORTASI MERESPONS PANDEMI COVID-19

Prof.Ir. Ade Sjafruddin, M.Sc, Ph.D.

Kelompok Keahlian Rekayasa Transportasi, Fakultas Teknik Sipil dan Lingkungan,

National Center for Sustainable Transportation TechnologyInstitut Teknologi Bandung

Webinar – “Transportasi Sehat, Indonesia Maju”Selasa, 15 September 2020

Tujuan | Pemodelan Pergerakan Orang di Bidang TransportasiJalan Selama Covid-19

Tim peneliti:

Russ Bona Frazila, Dr. Eng.Prof. Ade Sjafruddin, PhD

Idwan Santoso, PhDFebri Zukhruf, Dr. Eng.

Taufiq Suryo, PhD (Asisten)Andrean Maulana, MT (Asisten)

Agung Ziaulhaq, MT (Asisten)Muhammad Farda, M.Sc(Eng) (Asisten)

Tujuan:

a. Mengidentifikasi pergerakan orang pada transportasi jalan setelah diterapkan PM 18, PM 25 Tahun 2020,

dan SE No. 4 tahun 2020;

b. Mengidentifikasi pola penyebaran Covid-19 setelah diterapkan PM 18, PM 25 Tahun 2020, dan SE No. 4

tahun 2020;

c. Mengidentinfikasi pengaruh pergerakan orang pada transportasi jalan terhadap penyebaran Covid-19;

d. Memberikan rekomendasi kebijakan pengendalian transportasi jalan berdasarkan hasil pemodelan

pengaruh pergerakan orang pada transportasi jalan terhadap penyebaran Covid-19.

Ruang Lingkup:

1. Koordinasi dengan instansi terkait;2. Inventarisasi peraturan terkait;3. Inventarisasi data laporan Posko dari aplikasi Siasati;4. Pengumpulan data sekunder;5. Pengolahan data dan analisis;

1. Identifikasi simulasi pergerakan bidangtransportasi jalan selama pandemi;

2. Identifikasi simulasi penyebaran Covid-19;3. Pemodelan pengaruh pergerakan orang di

bidang transportasi jalan terhadap penyebaranCovid-19.

6. Menyusun rekomendasi berupa dokumen kebijakan(policy brief) pengendalian transportasi jalanberdasarkan hasil pemodelan pengaruh pergerakanorang pada transportasi jalan terhadap penyebaranCovid-19.

7. Nasional – Kota (DKI Jakarta)

Lingkup| Pemodelan Pergerakan Orang di Bidang TransportasiJalan Selama Covid-19

Methodologi

Summary | Model/Strategi

Pembebanan

Model Jaringan Multimoda

Arus di Ruas Hasil Pembebanan

Hasil PerbandinganMendekati?

Update Pergerakan Sampel

Pergerakan Harian Seluruh Populasi

Ya

Tidak

Data pergerakan harian (dari data seluler mulai

bulan Maret 2020)

Data arus lalu lintas dari SIASATI, posko dan lain-

lain (PUPR)

Penyaringan data pergerakan dengan

Stationary Time (Dwell Time) > 2 jam (sampling)

Data harian jumlah Pasien Positif Covid 19

Identifikasi wilayah sumber penularan Covid 19 (dari luar atau dalam

negeri)

Clustering penyebaran penambahan pasien

positif COVID 19 Model Korelasi Penyebaran dan Penambahan Harian Positif COVID 19 dengan Pergerakan Antarwilayah

Formulasi Kebijakan Pengendalian Transportasi

Jalan untuk Mitigasi Penyebaran Covid 19

Faktor Kebijakan (PM dan SE) serta Faktor Pengaruh

Lain

Hubungan Transportasi dan Penyebaran COVID-19Transportasi sebagai Vektor Pandemi

Peran transportasi dalam penyebaran Covid-19:• Memindahkan orang (carrier) dengan virus dari satu

tempat ke tempat lain

• Stasiun/terminal dan moda merupakan tempat berkumpul banyak orang secara bersama-sama dalamruang yang sama dalam waktu tertentu

• Terjadinya interaksi fisik antara carrier dengan orang lain

• Stasiun/terminal dan moda yang dipakai oleh orang banyak boleh jadi tidak dibersihkan secara sempurna

Dalam kaitan dengan penyebaran Covid-19

• Imported case (pergerakan antar wilayah)

• Local case (pergerakan/aktivitas dalam wilayah)

Model Jaringan Multimoda Nasional:Model Jaringan Jalan, Rel, Penyeberangan, Laut dan Udara

7

Sistem jaringan yang ditinjaupada studi ini: - Jaringan jalan arteri dan

kolektor primer- Jaringan kereta api dan

stasiun- Jaringan pelayaran dan

Pelabuhan, termasuk penyeberangan

- Jaringan penerbangan dan Bandara

Dengan zona kabupaten/kota

8

Sistem jaringan jalan yang ditinjau pada studi ini: Jaringan jalan arteri, kolektorprimer, atau dari sisi status jalan, darijalan nasional sampai pada jalankabupaten/kota, yang merupakan ruasjalan antar kota (inter-urban road) sertasebagian besar jalan local

Termasuk jaringan angkutan umum, baik yang berbasis jalan maupun yang berbasis rel

Dengan zona kelurahan, gabungan dan kecamatan

Model Jaringan Jabodetabek:Model Jaringan Transportasi Jalan dan Angkutan Umum

Basis Data

Data Lalu Lintas

Pola Penumpang Angkutan Umum Antarkota di IndonesiaData Sistem Informasi Angkutan dan Sarana Transportasi Indonesia (SIASATI), mulai 1 April 2020

23 April 2020

6 Mei 2020

12

Data Hasil Pengamatan : Jalan Tol

Sumber : PT. Jasa Marga

050000

100000150000200000250000300000350000400000

01

-Mar

-20

03

-Mar

-20

05

-Mar

-20

07

-Mar

-20

09

-Mar

-20

11

-Mar

-20

13

-Mar

-20

15

-Mar

-20

17

-Mar

-20

19

-Mar

-20

21

-Mar

-20

23

-Mar

-20

25

-Mar

-20

27

-Mar

-20

29

-Mar

-20

31

-Mar

-20

02

-Ap

r-2

0

04

-Ap

r-2

0

06

-Ap

r-2

0

08

-Ap

r-2

0

10

-Ap

r-2

0

12

-Ap

r-2

0

14

-Ap

r-2

0

16

-Ap

r-2

0

18

-Ap

r-2

0

20

-Ap

r-2

0

22

-Ap

r-2

0

24

-Ap

r-2

0

26

-Ap

r-2

0

28

-Ap

r-2

0

30

-Ap

r-2

0

02

-May

-20

04

-May

-20

06

-May

-20

08

-May

-20

10

-May

-20

12

-May

-20

14

-May

-20

16

-May

-20

18

-May

-20

20

-May

-20

22

-May

-20

24

-May

-20

26

-May

-20

28

-May

-20

30

-May

-20

01

-Ju

n-2

0

03

-Ju

n-2

0

05

-Ju

n-2

0

07

-Ju

n-2

0

09

-Ju

n-2

0

11

-Ju

n-2

0

13

-Ju

n-2

0

15

-Ju

n-2

0

17

-Ju

n-2

0

19

-Ju

n-2

0

21

-Ju

n-2

0

23

-Ju

n-2

0

Vo

lum

e K

end

araa

n

Tanggal

Lingkar Dalam Kota

PSBB AWAL DKI PSBB T-1

Data Mei Tidak Ada

0

50000

100000

150000

200000

250000

300000

350000

400000

01

-Mar

-20

03

-Mar

-20

05

-Mar

-20

07

-Mar

-20

09

-Mar

-20

11

-Mar

-20

13

-Mar

-20

15

-Mar

-20

17

-Mar

-20

19

-Mar

-20

21

-Mar

-20

23

-Mar

-20

25

-Mar

-20

27

-Mar

-20

29

-Mar

-20

31

-Mar

-20

02

-Ap

r-2

0

04

-Ap

r-2

0

06

-Ap

r-2

0

08

-Ap

r-2

0

10

-Ap

r-2

0

12

-Ap

r-2

0

14

-Ap

r-2

0

16

-Ap

r-2

0

18

-Ap

r-2

0

20

-Ap

r-2

0

22

-Ap

r-2

0

24

-Ap

r-2

0

26

-Ap

r-2

0

28

-Ap

r-2

0

30

-Ap

r-2

0

02

-May

-20

04

-May

-20

06

-May

-20

08

-May

-20

10

-May

-20

12

-May

-20

14

-May

-20

16

-May

-20

18

-May

-20

20

-May

-20

22

-May

-20

24

-May

-20

26

-May

-20

28

-May

-20

30

-May

-20

01

-Ju

n-2

0

03

-Ju

n-2

0

05

-Ju

n-2

0

07

-Ju

n-2

0

09

-Ju

n-2

0

11

-Ju

n-2

0

13

-Ju

n-2

0

15

-Ju

n-2

0

17

-Ju

n-2

0

19

-Ju

n-2

0

21

-Ju

n-2

0

23

-Ju

n-2

0

Vo

lum

e K

end

araa

n

Tanggal

Lingkar Dalam Kota

WFH PM25 SE4

Data Mei Tidak Ada

13

Data Hasil Pengamatan : Jalan Non Tol

Sumber : IDN Counter (data diambil dengan menggunakan sensor pada 3 lokasi di DKI Jakarta)Website : https://idncounter.co.id/

14

Data Hasil Pengamatan : Bus

Sumber : Kementerian Perhubungan

0

500

1000

1500

2000

2500

3000

3500

01

-04

-20

20

02

-04

-20

20

03

-04

-20

20

04

-04

-20

20

05

-04

-20

20

06

-04

-20

20

07

-04

-20

20

08

-04

-20

20

09

-04

-20

20

10

-04

-20

20

11

-04

-20

20

12

-04

-20

20

13

-04

-20

20

14

-04

-20

20

15

-04

-20

20

16

-04

-20

20

17

-04

-20

20

18

-04

-20

20

19

-04

-20

20

20

-04

-20

20

21

-04

-20

20

22

-04

-20

20

23

-04

-20

20

24

-04

-20

20

25

-04

-20

20

26

-04

-20

20

27

-04

-20

20

28

-04

-20

20

29

-04

-20

20

30

-04

-20

20

01

-05

-20

20

02

-05

-20

20

03

-05

-20

20

04

-05

-20

20

05

-05

-20

20

06

-05

-20

20

07

-05

-20

20

08

-05

-20

20

09

-05

-20

20

10

-05

-20

20

11

-05

-20

20

12

-05

-20

20

13

-05

-20

20

14

-05

-20

20

15

-05

-20

20

16

-05

-20

20

17

-05

-20

20

18

-05

-20

20

19

-05

-20

20

20

-05

-20

20

21

-05

-20

20

22

-05

-20

20

23

-05

-20

20

24

-05

-20

20

25

-05

-20

20

26

-05

-20

20

27

-05

-20

20

28

-05

-20

20

29

-05

-20

20

30

-05

-20

20

31

-05

-20

20

01

-06

-20

20

02

-06

-20

20

03

-06

-20

20

04

-06

-20

20

05

-06

-20

20

06

-06

-20

20

07

-06

-20

20

08

-06

-20

20

09

-06

-20

20

10

-06

-20

20

11

-06

-20

20

12

-06

-20

20

13

-06

-20

20

Jum

lah

Pe

nu

mp

ang

(Ora

ng)

Tanggal

Fluktuasi Penumpang Bus Nasional

WFH PM 25 SE4

Data Aktivitas dalam Wilayah

-120

-100

-80

-60

-40

-20

0

20

40

60

19/02/2020 10/03/2020 30/03/2020 19/04/2020 09/05/2020 29/05/2020 18/06/2020 08/07/2020 28/07/2020 17/08/2020 06/09/2020

GMR DKI Jakarta

retail&recreation grocery&pharmacy parks transit_stations workplaces residential

WFH

SFH

PSB

B

PM

25

SE 4

PSB

B

Tran

sisi

Data Aktivitas|Google Community Mobility Report

• Data yang ditampilkan oleh google mobilityreport merupakan data “perubahan jumlahkunjungan” pada suatu tipe pusat kegiatan atau“perubahan length of stay” khusus untuk pusatkegiatan residential

• Oleh karena itu, perlu dicatat bahwa variableresidential dan variabel jenis pusat kegiatanlainnya memiliki satuan yang berbeda.

• Baseline dari data ini adalah nilai median padaperiode 3 Januari s.d 6 Februari 2020

Data KasusCOVID

Penambahan Kasus Positif Covid-19 Menurut Provinsi di Indonesia

PM

25

SE 4

WFH

, SFH

Penambahan Kasus Positif Covid-19 Menurut Kecamatan di DKI Jakarta

PSB

B

PSB

B T

ran

sisi

Fase

1 T

ahap

1

PM

25

WFH

, SFH

Temuan

Temuan#1

Korelasi Interkasi Pergerakan dengan Episentrum dan Penyebaran Covid19

Finding| Hubungan Pergerakkan dengan Pusat Episentrum

Dari hasil ratusan kali percobaan regresi untuk 1, 2, 3 dst hari lag antara data jumlah kasus dan besarnya pergerakan, ditemukan bahwa jumlah kasus pada setiap provinsi berkaitan erat dengan pergerakandari/ke episentrum dengan time lag 7-14 hari

No Periode EstimasiTime Lag

R2

Maksimum

1 Sebelum Pandemi 14 hari 0.84

2 Sebelum PSBB-April (6 April)

14 hari 0.83

3 Saat PSBB-April (13 April)

7 hari 0.83

4 Saat PSBB-Mei ( 8 Juni) 9 hari 0.85

Antarprovinsi (Nasional)

Finding| Hubungan Pergerakkan dengan Pusat Episentrum

Hubungan pergerakkan dengan pusatpenyebaran juga terlihat pada level antar kota

Hubungan kasus positif dan biayatransportasi dari Kab./Kota di Jawa Barat kePusat Pandemi

Timeline Kasus pertama di Jabar

Antarkabupaten (Jabar)

Finding| Hubungan Pergerakkan dengan Pusat Episentrum(Model Jaringan Transportasi DKI Jakarta)

Secara umum terdapat hubungan antara episentrum dengan pergerakkan untukwilayah dalam kota tidak terlalu signifikan (artinya terdapat faktor lain yang mempengaruhi pergerakan)

y : covid (kumulatif covid)x : pergerakan dari kecamatan dengan kasus tertinggi(Tj. Priok, Tanah Abang, Duren Sawit)

Temuan #2

Korelasi Aktivitas dan Penyebaran Covid 19

Finding| Aktivitas di pusat keramaian terhadap PenyebaranCovid (Data Nasional & DKI Jakarta)

Secara umum terdapat hubungan yang signifikanantara aktivitas di pusat keramaian terhadapPenyebaran Covid diantaranya pada pusat retail, taman, dan rekreasi

y : covid (pertambahan positif covid)x : data gmrParks : local parks, national parks, public beaches, marinas, dog parks, plazas, and public gardens.Retail & recreation : restaurants, cafes, shopping centers, theme parks, museums, libraries, and movie theaters.

(Data Nasional) (Data DKI Jakarta)

Temuan #3

Waktu Jeda (Time Lag) Korelasi Pergerakan dan Penyebaran Covid-19

Finding| Hubungan Waktu Pergerakan dan Waktu PerkembanganKasus Covid

Grafik ini membandingkan korelasi (R2)antara data Pergerakan dan Kasus PositifNasional dengan selisih waktu kedua datatsb

Grafik ini dapat digunakan untukmenentukan time lag yang diartikan sebagaiselisih “hari terjadinya penularan aktual”dan “hari ketika penularan tersebuttercatat”

Hasil pemodelan dengan model pergerakantime lag berada pada rentang 7 hari hingga14 hari

Temuan #4

Skenario Manajemen Permintaan Perjalanan (Demand Management)

Hasil Pembebanan Lalu Lintas: Traffic (satuan mobil penumpang/jam)

Analisis Dilakukan Untuk Jam 6-7 Pagi

Persentase PerubahanVolume Capacity Ratio (VCR) dan total travel

tim (smp.jam) dibandingkan scenario

Business as Usual

Hasil Pembebanan Lalu Lintas: Transit (penumpang/jam)

Persentase PerubahanVolume Capacity Ratio (VCR) dan total travel

tim (smp.jam) dibandingkan scenario

Business as Usual

Analisis Dilakukan Untuk Jam 6-7 Pagi

KerangkaKebijakkan

Kerangka Kebijakkan|

• Kontrol konektivitas dengan episentrum➢ Korelasi sebaran Covid19 dengan tingkat pergerakan

dari/ke episentrum terbukti tinggi, dari sisipenyebarannya maupun tingkat penambahan pasienpositif

➢ Trayek-trayek dari pusat episentrum penting untukdievaluasi secara berkala untuk menekan laju covidakibat imported case

• Penerapan kebijakan pembatasan pergerakan besertaevaluasi, sebaiknya mengikuti perioda waktu (time lag)➢ Durasi PSBB, misal 9-14 hari➢ Durasi waktu untuk evaluasi status buka/tutup trayek,

misal antara 7-9 hari

Kerangka Kebijakkan|

• Kontrol yang ketat terkait aktivitas, penting dilakukan➢ Data menunjukkan bahwa korelasi tertinggi antara

besarnya kegiatan dan penambahan kasus Covid-19 adalah pada kegiatan pusat retail dan rekreasi

• Protokol kesehatan perlu diperketat di stasiun/terminal➢ Kecenderungan data juga menunjukkan korelasi yang

tinggi antara besarnya pengguna angkutan umumdengan peningkatan kasus Covid-19

• Penerapan protokol Kesehatan pada masing-masingmoda angkutan umum secara signifikan mempengaruhiperan transportasi sebagai vektor dalam penyebaranCovid-19

Kerangka Kebijakkan|

• Penerapan kebijakan (khususnya physical distancing dan protokol kesehatan) pada sarana/prasarana angkutan umumtidak dapat berdiri sendiri. Diperlukan kebijakan yang menyangkut demand management➢ Physical distancing di angkutan umum akan memicu

kerumunan di terminal/stasiun serta peningkatan penggunakendaraan pribadi

➢ Penerapan manajemen lalu lintas perlu diarahkan untukmengurangi kerumunan di stasiun/terminal dan dalamangkutan umum

➢ Penerapan manajemen kebutuhan perjalanan perludiarahkan lebih komprehensif untuk mengurangi tingkat lalulintas puncak pada jam-jam tertentu