PERTEMUAN KE 5:MODEL BANGKITAN PERGERAKAN

6.1 PendahuluanTujuan dasar: Menghasilkan model hubungan yg mengaitkan parameter tata guna lahan dengan jumlah pergerakan yang menuju ke suatu zona atau juml pergerakan yg meninggalkan suatu zonaTrip endFungsi waktuTahapan bangkitan pergerakan: Meramalkan juml pergerakan yg akan dilakukan seseorang pd setiap zona asal dgn menggunakan data rinci bangkitan pergerakan, atribut sosial ekonomi, tata guna lahanTahapan ini menggunakan data berbasis zona, misal: tata guna lahan, pemilikan kend, populasi, juml pekerja, kepadatan penduduk, pendapatan, moda trans yg digunakan.

Tabel 7.1: Informasi tentang model bangkitan pergerakan (Black, 1979) tentang data tata guna lahan, bangkitan pergerakan, dan data tarikan pergerakan.

6.1.1 Definisi dasarPerjalananPergerakan berbasis rumahPergerakan berbasis bukan rumahBangkitan pergerakanTarikan pergerakan (lihat gbr 7.1 hal:103)Tahapan bangkitan pergerakan

6.1.2 Faktor yg mempengaruhiBangkitan pergerakan untuk manusia: pendapatan, pemilikan kendaraan, struktur rumah tangga, ukuran rumah tangga, nilai lahan, kepadatan daerah pemukiman dan aksesibilitasTarikan pergerakan utk manusia: luas lantai utk kegiatan industri, komersial, perkantoran, pertokoan, dan pelayanan lainnya + lap kerja + ukuran aksesibilitasBangkitan dan tarikan pergerakan utk barang (+/- 20%), peubah lainnya: juml lap kerja, juml tempat pemasaran, luas atap industri.

6.1.3 Model faktor peretumbuhanTi = Fi . tiTi = Pergerakan pada masa mendatangti = pergerakan pada masa sekarangFi = faktor pertumbuhanFaktor pertumbuhan terkait dengan populasi (P), pendapatan (I), dan pemilikan kendaraan (C), lihat persamaan 7.2 hal: 1057.1.4 Contoh Penerapan Model Faktor PertumbuhanZona = 250 rumah tangga bermobil, dan 250 rumah tangga tanpa mobilRumah tangga bermobil = 6 pergerakan/hariRumah tangga tanpa mobil = 2,5 pergerakan/hari, maka ti dapat dicari

Bila masa mendatang semua rumah tangga punya 1 mobil, pendapatan dan populasi tetap, maka faktor pertumbuhan perkalian akan didapat (Fi), jumlah pergerakan pd masa yad juga didapat (Ti)Hasil Ti dibandingkan dengan metode rerataMetode faktor pertumbuhan lebih tinggi 42%Pada subbab berikutnya akan mendiskusikan model yg lebih baik

6.2 Analisis Korelasi6.2.1 Model korelasi berbasis zonaMendapatkan hub linear antara jumlah pergerakan yg dibangkitkan atau tertarik oleh zona dan ciri sosio ekonomi rata-rata dari rumah tangga setiap zonaBeberapa pertimbangan yg perlu diperhatikan:6.2.1.1 model berbasis zona, menjelaskan perilaku pergerakan berbasis zona6.2.1.2 peranan intersep, model yg ada belum mencerminkan realita6.2.1.3 zona kosong, harus dikeluarkan dari analisis, karena datanya tidak tepat dan menjadikan keakuratan statistik rendah

Gambar 7.2: Proses kalibrasi dan pengabsahan model analisis korelasi

7.2.2 Contoh pemodelan bangkitan pergerakanTabel 7.2 bangkitan pergerakan dan total kepemilikan kendaraan per zonaAnalisis regresi linear untuk 8 zona ditampilkan dalam gambar 7.3Gambar 7.3: bangkitan pergerakan mrpk peubah tidak bebas. Grafik menunjukkan hubungan linear + antara bangkitan pergerakan dan pemilikan kendaraan Metode kuadrat terkecil juga digunakan krn harus mempunyai nilai total jumlah kuadrat residual (simpangan) yg plg minimum antara hasil pemodelan & hasil pengamatan

Komentar utk persamaan Y = 89,9 + 2,48.XY (bangkitan pergerakan) berhubungan secara linear dengan X (pemilikan kendaraan)Perub 1 satuan dari nilai X akan menyebabkan perubahan 2,48 satuan nilai YIntersep cukup tinggi dikarenakan galat juga cukup tinggi, dikarenakan faktor:mungkin Y tidak berhub scr linear dengan XMungkin tdp peubah X lain yg juga mempengaruhi besar pergerakan, misal populasi (galat spesifikasi). Tampak bahwa meski nilai x=0, masih tdp pergerakan sebesar 89,9; peubah sosio ekonomi yg lain ikut mempengaruhiTerdapat galat dalam pengumpulan data

TUGAS INDIVIDU PERTEMUAN KE 6:Kerjakan contoh penerapan 7.1.4 dan 7.2.2 Jawaban diupload ke adhi.muhtadi@narotama.ac.id atau ke a_muhtadi@yahoo.comJawaban akan dipresentasikan oleh mhs pd pertemuan ke 6Waktu upload sebelum pertemuan ke 6, apabila sesudahnya dianggap tidak mengumpulkanIngat nilai tugas anda dan presentasi sebesar 30%

PERTEMUAN KE 7 (LANJUTAN)Adhi Muhtadi, ST.,SE.,MSi.

7.2.3 Tahapan uji statistik dalam model analisis korelasi berbasis zona4 tahap uji stasitstik:Uji kecukupan data, jumlah data minimum yg tersediaN = CV2.Z2 / E2Uji korelasi, sesama peubah bebas tidak boleh saling berkorelasi, antara peubah bebas dgn peubah tidak bebas hrs ada korelasi yg kuat (+/-). Pers 7.4 mrpk pers uji korelasi. Uji linearitas, apakah model bangkitan pergerakan dpt didekati dgn model analisis regresi linear atau model analisis regresi tidak linear.Uji kesesuaian, menentukan model bangkitan pergerakan yg baik

Ada beberapa model yg dpt digunakan:Model analisis regresi, model terbaik asl model yg mempunyai total kuadratis residual yg plg minimumModel kemiripan maksimum, model terbaik adl: model yg punya total perkalian peluang yg plg maksimum (mendekati 1)Model entropi-maksimum

7.2.4 Proses model analisis korelasi berbasis zonaMetode analisis langkah demi langkah tahap 1 Metode analisis langkah demi langkah tahap 2Metode coba-coba

7.2.5 Contoh penerapan sederhanaDiketahuiJumlah zona 10 buahData bangkitan dan tarikan pada tabel 7.3 Tabel 7.3: Data bangkitan dan tarikan serta parameter sosio ekonomiTabel 7.4: Korelasi antar peubah bebas maupun peubah tidak bebas

7.2.5.1 Model bangkitan/tarikan dengan 3 peubah bebasa. Model bangkitan pergerakanTabel 7.5: proses perhitungan analisis regresi linear berganda untuk model bangkitan pergerakanb. Model tarikan pergerakan Tabel 7.6: proses perhitungan analisis regresi linier berganda untuk model tarikan pergerakanHasil perhitungan tabel 7.6 dimasukkan ke pers 7.8 7.11, maka pers 7.17 sd 7.20 dapat dihasilkan

7.2.5.2 Model bangkitan/tarikan dgn 2 peubah bebasTabel 7.4 peubah penduduk dan PDRB dipilh. Model bangkitan pergerakanTabel 7.7 Proses perhit analisis regresi linier berganda untuk model bangkitan pergerakanb. Model tarikan pergerakan Tabel 7.8 proses perhit analisis regresi linier berganda utk model tarikan pergerakan

TUGAS INDIVIDU PERTEMUAN KE 7:Kerjakan contoh penerapan 7.2.5 dan 7.2.2 Jawaban diupload ke adhi.muhtadi@narotama.ac.id atau ke a_muhtadi@yahoo.comJawaban akan dipresentasikan oleh mhs pd pertemuan ke 6Waktu upload sebelum pertemuan ke 6, apabila sesudahnya dianggap tidak mengumpulkanIngat nilai tugas anda dan presentasi sebesar 30%

PERTEMUAN KE-9 (LANJUTAN)Adhi Muhtadi, ST.,SE.,MSi.

8.2.6 Contoh penerapan di Propinsi JabarDiketahui:25 kab/kotamadya sbg unit zonaData bangkitan dari matriks asal tujuan thn 1995Beberapa parameter peubah bebas dari BPS Tabel 7.9: Jumlah bangkitan dan peubah pergerakan per kabupaten di Prop. Jabar.Parameter sosio ekonomi: juml penduduk, rumash sakit, perusahaan dagang, kamar hotel berbintang, panjang jalan diaspal, PDRBTabel 7.10: Matriks korelasi antara peubah bebas dan peubah tidak bebasTabel 7.11: Hasil pemodelan bangkitan pergerakan dengan model analisis langkah demi langkap tipe 1 di Prop Jabar

Model tahap ke 5 yang dipilih, krn: tanda koefisien peubah bebasnya + dan nilai intersepnya terkecil dibandingkan tahap 1 sd 4.Tabel 7.12: Hasil pemodelan bangkitan pergerakan dengan model analisis langkah demi langkap tipe 2 di Prop Jabar kurang diterima secara logika, krn jumlah penduduk tidak termasuk dalam peubah bebas terpilihTabel 7.13: Hasil pemodelan bangkitan pergerakan dengan model analisis coba-coba di Prop Jabar model terbaik adalah kombinasi 2, 5 peubah bebas terlibat, 3 koef regresi +, koef regresi nilainya cukup kecil, nilai R2 0,749 (cukup tinggi), nilai intersep tidak begitu banyak

8.2.7 Kajian empiris yg menggunakan model analisis regresi8.2.7.1 Kajian pengembangan di P. Jawa3 jenis bangkitan dan tarikan: penumpang, barang & kendaraanPeubah bebas: sosio ekonomi & tata guna lahan ; populasi, PDRB, PDRB per kapita, luas industri, produksi pertanian, perkebunan dan perikananDilakukan uji korelasi antar peubah bebas dan antara peubah bebas dgn peubah tidak bebasMelalui proses langkah demi langkah (Subbab 7.2.4) didapat hasil pemodelan yaitu Tabel 7.14 sd 7.16Dari tabel2 tsb, juml penduduk dan PDRB per kapita adl peubah bebas yg dominanSetiap propinsi punya model bangkitan & tarikan yg berbeda

8.2.7.2 Kajian Standarisasi bangkitan & tarikan lalin di zona Bandung RayaModel bangkitan & tarikan ditunkan melalui analisis regresi. Pers regresi dibagi menjadi 2: a. pers regresi peubah tunggalb. pers regresi bergandaBisa juga digunakan model trip rate (tingkat bangkitan pergerakan rata-rata per satuan peubah bebas)Data dikumpulkan dari kawasan perkantoran, pendidikan dan perumahanPerkantoran: pemerintah, swasta & pelayanan masyarakatSekolah: sd, smp, smu dan perguruan tinggi Perumahan: perum btn, perumnas dan hunian mewah

Peubah bebas kawasan perkantoran: jumlah pegawai, luas tanah dan bangunanPeubah tidak bebas kawasan pendidikan: juml kelas, juml murid, juml guru, dan juml karyawan (non guru)Peubah bebas perumahan: juml penghuni, juml pemilikan kendaraan, luas bangunan/tipe rumah, Model akhir dipilih melalui proses kalibrasi, dan dipilih yg optimum dr hasil uji statistik.Hasil akhir model bangkitan & tarikan pergerakan utk zona Bandung Raya pd Tabel 7.17 dan gambar 7.4 sd 7.5

8.2.8 Model regresi berbasis rumah tangga8.2.8.1 PendahuluanZona yg lebih kecil punya 2 konsekwensi: a. model menjadi mahal dalam pengumpulan data, kalibrasi & operasib. galat sample menjadi lebih tinggiPada awal 1970 an, unit analisis yg paling cocok adl: rumah tangga8.2.8.2 Contoh penerapanPeubah pergerakan per rumah tangga (Y), juml pekerja (X1), dan juml mobil (X2)Tabel 7.18 hasil langkah secara berurutan dari proses taksiran langkah demi langkah, baris terakhir adl nilai nisbah t (pers 7.9), juml derajat kebebasan (n-2), nilai dibandingkan dgn t kritis 1,645 dgn tingk keperc 95%

Tabel 7.18: model ke 3 adl pers terbaik, nilai R2 kecil, nilai intersep 0,91 tidak tll besar jika dibandingkan 1,44 faktor pekerja & peubah tidak sama dengan 0.Tabel 7.19: perbandingan pergerakan per rumah tangga (hasil pengamatan per hasil pemodelan); cara ini jauh leboh baik drpd membandingkan jumlah, galat lain akan saling menutupi, bias tdk terdeteksi, kebanyakan sel punya galat di bawah 30%