Presentasi TESIS - PS 2399 - Digilib ITS

advertisement
Presentasi TESIS - PS 2399
1. Pendahuluan
2. Metodologi
3. Analisa dan Hasil Studi
4. Kesimpulan dan Saran





Demand transportasi udara di Indonesia terus menerus
mengalami peningkatan.
Ini disebabkan karena ekonomi, laju pertumbuhan
penduduk, perkembangan wilayah, dan semakin berartinya
waktu tempuh.
Angkutan udara sangat berperan di wilayah dengan
aksesibilitas transportasi darat yang lemah maupun baik.
Peningkatan pelayanan transportasi udara mampu memicu
dan mendukung pembangunan pada sektor lainnya.
Guna menyediakan sarana dan prasarana transportasi udara
yang sesuai dengan kebutuhan sekarang dan masa
mendatang maka perlu diadakan prediksi kebutuhan yang
terjadi serta perencanaan transportasi.
1. Bagaimana matriks asal dan tujuan penumpang domestik
dan internasional pengguna transportasi udara di
Bandara Internasional Juanda pada tahun 2009?
2. Bagaimana hasil pemodelan trip distribution penumpang
domestik dan internasional yang melalui Bandara
Internasional Juanda dengan menggunakan model
gravity tanpa-batasan (Unconstrained Gravity) dengan
menggunakan tiga jenis fungsi hambatan yaitu fungsi
pangkat, fungsi eksponensial negatif dan fungsi Tanner?
3. Bagaimana matriks asal dan tujuan penumpang
domestik dan internasional pengguna transportasi udara
di Bandara Internasional Juanda pada 10 tahun
mendatang (2019)?
1. Memperoleh matriks asal dan tujuan tujuan penumpang
domestik dan internasional pengguna transportasi udara
tahuun 2009.
2. Pemodelan trip distribution penumpang domestik dan
internasional yang melalui Bandara Internasional Juanda
dengan menggunakan model gravity-tanpa-batasan
(Unconstrained Gravity) dengan menggunakan tiga jenis
fungsi hambatan yaitu fungsi pangkat, fungsi
eksponensial negatif dan fungsi Tanner.
3. Memperoleh matriks asal dan tujuan penumpang
domestik dan internasional pengguna transportasi udara
di Bandara Internasional Juanda pada 10 tahun
mendatang (tahun 2019)
1.
2.
3.
4.
5.
Data yang digunakan dalam studi ini adalah data sekunder,
yang berasal dari hasil survai tahun 2009 dan PT. Angkasa Pura
I tahun 2008 dan 2009.
Survai wawancara penumpang (pada point 1) hanya dilakukan
di terminal keberangkatan domestik dan internasional di
Bandara Internasional Juanda.
Pemodelan distribusi yang digunakan adalah model gravitytanpa-batasan (Unconstrained Gravity) dengan menggunakan
tiga jenis fungsi hambatan yaitu fungsi pangkat, fungsi
eksponensial negatif dan fungsi Tanner.
Faktor pemisah antar zona hanya berdasarkan pada jarak.
Tahapan dalam studi ini hanya sampai dengan pemodelan trip
distribution serta peramalan untuk 10 tahun mendatang
(tahun 2019).
Rute Penerbangan di Bandara Internasional Juanda Untuk Asal/Tujuan
Domestik.
Sumber : http://gambar-peta.blogspot.com/2010/09/peta-indonesia-dunia-of-atlas.html
Rute Penerbangan di Bandara Internasional Juanda Untuk Asal/Tujuan
Internasional.
Sumber : http://greatpowerpolitics.com/?tag=military
menu
Tinjauan Pustaka
2. Pengumpulan Data Sekunder
3. Pengolahan Data
4. Matriks Expanded
5. Pemodelan Trip Distribution
6. Grafik Trip Length Distribution
7. Pengujian Model
8. Memilih Model Terbaik
9. Peramalan
10. Kesimpulan
1.
menu


Pada model gravity jarak mempengaruhi besar kecilnya
jumlah perjalanan antar zona
Berdasarkan jenisnya model gravity dibagi menjadi
empat yaitu :
1.
2.
3.
4.
Dengan tanpa batasan (Unconstrained Gravity)
Dengan batasan bangkitan (Production Constrained Gravity)
Dengan batasan tarikan pergerakan (Attraction Constrained
Gravity)
Dengan dua batasan (Doubly Constrained Gravity)
Menurut Hyman (1969) tiga jenis fungsi hambatan yang
dapat digunakan dalam Model Gravity adalah sebagai
berikut:
Fungsi pangkat : besarnya jarak perjalanan (Cid)
dipangkatkan nilai negatif parameter fungsi hambatan
α
Fungsi eksponensial-negatif : besarnya bilangan
natural yaitu e = 2,71828 dipangkatkan nilai negatif
dari perkalian antara parameter fungsi hambatan β
dengan jarak perjalanan (Cid)
fungsi Tanner : jarak perjalanan (Cid) pangkat nilai
parameter fungsi hambatan α dikali dengan bilangan
natural e = 2,71828 pangkat nilai negatif dari
perkalian antara parameter fungsi hambatan β dengan
jarak perjalanan (Cid)


Salimatul Muntafiah (2000) “Pemodelan trip distribusi penumpang
angkutan udara kawasan Indonesia Timur”.
Hasil perumusan model simultan Salimatul Muntafiah adalah
sebagai berikut:
Dengan nilai
R²
= 0,387
SSE
= 80.795.788.372
MSE
= 2.376.346.717
RMSE
= 48,748


M Salmani (2003) “Pola distribusi pergerakan angkutan penumpang penerbangan
domestik melalui pelabuhan udara Juanda Surabaya“.
Hasil perumusan model simultan M Salmani adalah sebagai berikut:
Dimana :
P
= Jumlah penduduk
K
= Jumlah angkatan kerja
H
= Jumlah tamu hotel
E2 = PDRB atas dasar harga berlaku tanpa migas
E3 = PDRB atas dasar harga konstan tahun 1993
E4 = PDRB atas dasar harga konstan tahun 1993 tanpa migas
E5 = Perkapita atas dasar harga berlaku
Dij = Jarak antar bandara
Dengan nilai
R²
= 0,549
SSE
= 44.735.842.145
MSE
= 1.065.139.099
RMSE
= 32,636

Membandingkan hasil pemodelan simultan pada studi
Muntafiah (2000) dengan data dari PT. Angkasa Pura I
tahun 2009
Matriks Asal Tujuan Tahun 2010 dengan Cara Furness Hasil Studi Muntafiah:
Surabaya
Ujung Pandang
Balikpapan
Biak
Manado
Yogyakarta
Surakarta
Banjarmasin
Semarang
Mataram
Ambon
Denpasar
0
341484
101940
12
1045
0
190530
10
0
0
136869
0
Surabaya
300174
0
414989
606529
0
28493
73204
0
372307
55026
182759
36681
Ujung Pandang
77827
296124
0
71964
27228
94651
22017
42
1216
0
0
60997
0
629536
88402
0
0
40054
140937
60
56296
14
0
9
Biak
3479
0
32016
0
0
8
0
0
0
0
0
0
Manado
55661
39186
115800
51349
0
0
0
0
0
0
0
278
Yogyakarta
192784
85685
37993
137174
0
0
0
0
57247
118
5
8
Surakarta
99
0
442
0
0
0
279
0
0
341
0
0
Banjarmasin
0
413271
1299
51055
0
0
57308
0
0
3799
0
0
Semarang
478
60615
0
97
0
0
8
0
6635
0
0
0
Mataram
134976
222640
0
0
0
0
0
0
0
0
0
0
Ambon
0
52461
180078
0
0
69
0
0
0
0
0
0
Asal/Tujuan
Denpasar
Matriks Asal Tujuan Tahun 2009 berdasarkan Buku SLLAU 2009 oleh PT Angkasa Pura 1
Balikpapan
Dari kedua tabel tersebut dapat diketahui
bahwa jumlah pergerakan yang terjadi di
Bandara Internasional Juanda untuk sebagian
besar jumlah pergerakan sudah melebihi dari
hasil pemodelan simultan pada studi Muntafiah
(2000).
 Bahwa jumlah pergerakan penumpang di tahun
2009 menurut data SLLAU lebih besar daripada
hasil pemodelan Furness (Muntafiah, 2000),
yakni mencapai 51% dari seluruh rute asal
tujuan yang ada

menu






Data hasil survai wawancara asal tujuan penumpang di
terminal keberangkatan domestik dan internasional Bandara
Internasional Juanda yang dilakukan oleh Laboratorium
Perhubungan dan Bahan Jalan Jurusan Teknik Sipil, FTSP –
ITS Surabaya.
Jumlah penduduk di wilayah – wilayah studi.
Pendapatan
Domestik
Regional
Bruto
(PDRB)
kota/kabupaten atau propinsi serta Gross National Income
(GNI) Negara/daerah asal dan tujuan penumpang wilayah
studi.
Rute perjalanan pesawat di Bandara Internasional Juanda.
Jarak antar bandara di kota maupun Negara asal dan tujuan
penerbangan.
Data asal tujuan perjalanan penumpang dan pesawat di
Bandara Internasional Juanda oleh PT Angkasa Pura I.
No.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
Bandara Asal
Bandara Tujuan
Bandara Internasional Juanda
Bandara Achmad Yani (Semarang)
Bandara Internasional Juanda
Bandara Adisutjipto (Yogyakarta)
Bandara Internasional Juanda
Bandara El Tari (Kupang)
Bandara Internasional Juanda
Bandara Frans Kaisiepo (Biak)
Bandara Internasional Juanda
Bandara H. Asan (Sampit)
Bandara Internasional Juanda
Bandara Hang Nadim (Batam)
Bandara Internasional Juanda
Bandara Hasanuddin (Makassar)
Bandara Internasional Juanda
Bandara Husein Sastranegara (Bandung)
Bandara Internasional Juanda
Bandara Internasional Soekarno-Hatta (Jkt)
Bandara Internasional Juanda
Bandara Juwata (Tarakan)
Bandara Internasional Juanda
Bandara Mutiara (Palu)
Bandara Internasional Juanda
Bandara Ngurah Rai (Bali)
Bandara Internasional Juanda
Bandara Pattimura (Ambon)
Bandara Internasional Juanda
Bandara Polonia (Medan)
Bandara Internasional Juanda
Bandara Sam Ratulangi (Manado)
Bandara Internasional Juanda
Bandara Selaparang (Mataram)
Bandara Internasional Juanda
Bandara Sentani (Jayapura)
Bandara Internasional Juanda
Bandara Sepinggan (Balikpapan)
Bandara Internasional Juanda
Bandara Supadio (Pontianak)
Bandara Internasional Juanda
Bandara Syamsudin Noor (Banjarmasin)
Bandara Internasional Juanda
Bandara Tjilik Riwut (Palangkaraya)
Bandara Internasional Juanda
Bandara Wolter Monginsidi (Kendari)
Jumlah Sampel
Sumber: Laboratorium Perhubungan dan Bahan Jalan Jurusan Teknik Sipil, FTSP – ITS Surabaya
Jumlah
Sampel
30
30
30
30
30
30
36
36
64
30
32
36
30
31
30
30
30
65
50
43
32
30
785
No.
1
2
3
4
5
6
Bandara Asal
Bandara Tujuan
Bandara Internasional Senai (Johor
Bandara Internasional Juanda
Bahru)
Bandara Internasional Kuala Lumpur
Bandara Internasional Juanda
(Kuala Lumpur)
Bandara Internasional Changi
Bandara Internasional Juanda
(Singapore)
Bandara Internasional Hongkong
Bandara Internasional Juanda
(Hongkong)
Bandara Internasional Brunei (Brunei
Bandara Internasional Juanda
Darussalam)
Bandara Internasional Taoyuan
Bandara Internasional Juanda
(Taiwan)
Jumlah Sampel
Jumlah Sampel
30
30
32
27
29
30
178
Sumber: Laboratorium Perhubungan dan Bahan Jalan Jurusan Teknik Sipil, FTSP – ITS Surabaya
menu
Data-data dari hasil survai wawancara kepada pelaku perjalanan
kemudian diolah menjadi Matrik Asal Tujuan perjalanan penumpang
Kota atau kabupaten asal serta kota atau kabupaten
tujuan diberi kode
menu
Langkah-langkah membuat Matriks Expanded:
1. Membuat MAT hasil survey wawancara
2. Menjumlahkan tiap kolom Zona tujuan
3. Mendapatkan MAT terkalibrasi dengan rumus :
Dimana :
› a = MAT hasil survey wawancara
› b = Jumlah pergerakan penumpang berdasarkan hasil survey dari tiap
zona (Dj)
› c = Data sekunder pergerakan penumpang disetiap zona tujuan
selama 1thn berdasarkan SLLAU 2008
› d = MAT terkalibrasi
4.
5.
Menjumlahkan MAT terkalibrasi (Tij).
Mendapatkan faktor pengali dengan rumus :
›
›
›
›
6.
Dimana :
e = Faktor pengali
f = ∑ MAT terkalibrasi
g = seluruh ∑ pergerakan penumpang selama satu tahun di Bandara
Internasional Juanda dengan tujuan domestik berdasarkan SLLAU
2008
Mendapatkan Matriks expanded dengan rumus :
›
›
›
›
Dimana
e = Faktor Pengali
d = Matriks Kalibrasi
h = Matriks Expanded
menu
Matriks Expanded Domestik
Matriks Expanded
Internasional
1.
2.
3.
4.
Data-data dari hasil survai wawancara diolah menjadi MAT
perjalanan penumpang dan MAT jarak.
MAT perjalanan penumpang dikali dengan faktor pengali
yang didapatkan dari frekuensi perjalanan penumpang di
Bandara Internasional Juanda untuk setiap tujuan
perjalanan selama satu tahun. Hasil perkalian tersebut
menghasilkan MAT expanded.
Sedangkan MAT jarak digunakan untuk mendapatkan nilai
dari variabel α dan β pada fungsi hambatan.
Metode yang digunakan dalam mendapatkan nilai α dan β
adalah metode sederhana nilai α dan β dicari dengan cara
trial and error dengan memberikan nilai awal sembarang.
Trial and error ini akan berhenti sampai didapatkan selisih
prosentase minimum antara nilai sebaran hasil
pengamatan dan model.
5.
Tahap berikutnya adalah mendapatkan model
empiris dengan memasukkan faktor ekonomi
/populasi setiap negara/kota/kabupaten asal
tujuan.
Tij = Ei . Ej. f(Cij)
Dimana :
Ei = variabel ekonomi negara/kota/kabupaten asal.
Ej = variabel ekonomi negara/kota/kabupaten
tujuan.
Variabel ekonomi dalam studi ini berupa PDRB
kota/kabupaten/propinsi dan GNI dari negara asal
dan tujuan penumpang.
6.
Untuk mendapatkan MAT hasil pemodelan maka yang
perlu
dilakukan
terlebih
dahulu
adalah
membandingkan jumlah pergerakan penumpang pada
MAT expanded dengan jumlah pergerakan penumpang
MAT model empiris. Dari hasil pembandingan tersebut
didapatkan nilai K,
K=
jumlah pergerakan penumpang pada MAT expanded
jumlah pergerakan penumpang pada MAT model empiris
7. Kemudian nilai K tersebut dikali dengan MAT model
empiris sehingga didapatkan MAT hasil pemodelan.
Tij = K . Ei . Ej. f(Cij)
menu
Grafik trip length distribution adalah grafik antara data jarak
untuk setiap asal tujuan perjalanan penumpang dengan
prosentase jumlah perjalanan penumpang pesawat.
Ada 2 TLD yaitu:
1) TLD data
2) TLD hasil pemodelan
menu
Meminimalkan selisih maksimum antara grafik(Trip
Length Distribution) TLD data dan TLD hasil
pemodelan.
 Jika selisih antara keduanya masih besar, maka perlu
dilakukan trial and error dalam memasukkan nilai
variabel α atau β

menu
Model yang TLD data dan TLD hasil pemodelan
memiliki selisih terkecil.
Model yang terbaik tersebut dijadikan model
sebaran perjalanan penumpang pesawat di
Bandara Internasional Juanda.
MULAI
Tinjauan Pustaka
Pengumpulan data
Data Sekunder:
Wawancara asal tujuan
penumpang
Pengolahan data primer:
MAT hasil wawancara asal tujuan penumpang
2009
Data sekunder:
•Jumlah penduduk asal tujuan penumpang
•Pendapatan Domestik Regional Bruto (PDRB) kota/kabupaten asal tujuan penumpang
•Gross National Product (GNI) negara asal tujuan penumpang
•Rute perjalanan pesawat
•Jarak antar bandara
•Data asal tujuan perjalanan penumpang di Bandara Internasional Juanda oleh PT Angkasa Pura I
•Data asal tujuan perjalanan pesawat di Bandara Internasional Juanda oleh PT Angkasa Pura I
•MAT Expanded untuk Penerbangan Domestik
•MAT Expanded untuk Penerbangan Internasional
•Pemodelan Trip Distribution model gravity tanpa batasan dengan variabel α dan β untuk Penerbangan Domestik
•Pemodelan Trip Distribution model gravity tanpa batasan dengan variabel α dan β untuk Penerbangan Domestik
•MAT hasil pemodelan untuk Penerbangan Domestik
•MAT hasil pemodelan untuk Penerbangan Internasional
•Trip Length Distribution (TLD) data dan Trip Length Distribution
(TLD) hasil pemodelan untuk Penerbangan Domestik
•Trip Length Distribution (TLD) data dan Trip Length Distribution
(TLD) hasil pemodelan untuk Penerbangan Internasional
•Sum Square Error (SSE) untuk Penerbangan Domestik
•Sum Square Error (SSE) untuk Penerbangan
Internasional
B
A
B
A
Masukkan
nilai α dan β
baru
tidak
Pengujian kemiripan hasil model
dengan data menggunakan cara TLD
atau SSE untuk Penerbangan Domestik
dan Internasional
Ya
•Memilih model yang terbaik untuk Penerbangan Domestik
•Memilih model yang terbaik untuk Penerbangan Internasional
Meramalkan trip distribution untuk 10 tahun mendatang
(tahun 2019)
KESIMPULAN dan SARAN
menu
Trip Length Distribution Wawancara
 Pemodelan Trip Distribution Penerbangan
Domestik
 Pemodelan Trip Distribution Penerbangan
Internasional
 Peramalan


Grafik TLD Penerbangan Domestik Hasil Wawancara

Trip Length Distribution (TLD) Penerbangan
Internasional Hasil Wawancara
Pemodelan dilakukan untuk 2 parameter zona
asal dan tujuan, yakni: parameter Populasi
(jumlah penduduk) dan Pendapatan Domestik
Regional Bruto (PDRB)
 Setiap pemodelan dengan masing-masing fungsi
hambatan akan dikalibrasi dengan 2 cara,
yakni membandingkan selisih Trip Length
Distribution (TLD) dan Sum Square Error (SSE)
 Model terbaik dipilih dari perbandingan antara
model hasil kalibrasi TLD dengan selisih TLD
wawancara dan pemodelan yang paling kecil vs
hasil kalibrasi SSE dengan nilai SSE terkecil.

Domestik
Hambatan
Eksponensial-TLD
Beta
PDRB
TLD (%)
Rumus
0,00281 3,92393 Tij=2.68E-13*Ei*Ej*exp (-0.00281*Cij)
Populasi 0,011 9,87078
Tij=1.54E-9*Pi*Pj*exp (-0.011*Cij)
Grafik
Dipilih
Fungsi
Hambatan
Domestik
Hambatan
Power-TLD
PDRB
Alpha TLD (%)
Rumus
0,838 1,60519 Tij=3.6368E-12*Ei*Ej*Cij^-0.838
Populasi 1,5563 1,98994 Tij=3.53194E-7* Pi*Pj*Cij^-1.5563
Grafik
Dipilih
Fungsi
Hambatan
Domestik
Hambatan
Tanner-TLD
PDRB
Populasi
Alpha Beta TLD (%)
Rumus
7,1 0,01 0,17938 Tij=5.44047E-30*Ei*Ej*Cij^7.1*exp (-0.01*Cij)
1
0,1 9,87415
Tij=3.87118E-9* Pi*Pj*Cij^1*exp (-0.1*Cij)
Grafik
Dipilih
Fungsi
Hambatan
Grafik Fungsi Hambatan Eksponensial
dengan Kalibrasi TLD dan Parameter PDRB
untuk Nilai β=0,00281 pada Penerbangan
Domestik
Grafik Fungsi Hambatan Power dengan
Kalibrasi TLD dan Parameter PDRB untuk
Nilai α=0,838 pada Penerbangan Domestik
Grafik Fungsi Hambatan Tanner dengan
Kalibrasi TLD dan Parameter PDRB untuk
Nilai α=7,1 dan β=0,01 pada Penerbangan
Domestik
Domestik
Hambatan
PDRB
EksponensialSSE
Beta
Populasi
Hambatan
Power -SSE
SSE
Rumus
0,001174 878,507,611,942 Tij=1,68 x 10-13 x Ei x Ej x e(-0,001174 x Cij)
0,00154
929,510,356,538 Tij=2,17 x 10-10 x Pi x Pj x e(-0,00154 x Cij)
Domestik
SSE
Alpha
Rumus
PDRB
0
Populasi
0,38261
959,452,314,377 Tij=6,11587 x 10-10 x Pi x Pj x Cij0,38261
Alpha
Domestik
Beta
SSE
Hambatan
871,680,592,694 Tij=1,64041 x
10-13
x Ei x Ej x Cij
0
Rumus
PDRB
8,22
0,01
636,004,162,917
Tij=3,37761 x 10-33 x Ei x Ej x
Cij8,22 x e(-0,01 x Cij)
Populasi
0,9
0,073
950,111,089,545
Tij=1,80973 x 10-9 x Pi x Pj x
Cij0,9 x e(-0,73 x Cij)
TannerSSE
Grafik
Dipilih
Fungsi
Hambatan
Grafik
Dipilih
Fungsi
Hambatan
Grafik
Dipilih
Fungsi
Hambatan
Grafik Fungsi Hambatan Eksponensial
dengan Kalibrasi SSE dan Parameter
PDRB untuk Nilai β=0,001174 pada
Penerbangan Domestik
Grafik Fungsi Hambatan Power dengan
Kalibrasi SSE dan Parameter PDRB untuk
Nilai α=0 pada Penerbangan Domestik
Grafik Fungsi Hambatan Tanner dengan
Kalibrasi SSE dan Parameter PDRB
untuk Nilai α=8,22 dan β=0,01 pada
Penerbangan Domestik
Trip Distribution Model Gravity fungsi Tanner dengan Kalibrasi TLD
Terkecil
Jarak
min
(Km)
0
1.000
2.000
3.000
Jarak
Midrange
maks
(Km)
(Km)
1.000
500
2.000
1.500
3.000
2.500
4.000
3.500
Selisih maksimum data
Data
(%)
90,13
9,69
0,00
0,18
dan model
Model
(%)
Selisih % data
dan model
90,26
9,72
0,02
0,00
0,134544
0,025201
0,019636
0,179381
0,179380766
Trip Distribution Model Gravity fungsi Tanner dengan Kalibrasi SSE
Terkecil
Jarak min
(Km)
0
1.000
2.000
3.000
Jarak
Midrange
Data
maks
(Km)
(%)
(Km)
1.000
500
90,13
2.000
1.500
9,69
3.000
2.500
0,00
4.000
3.500
0,18
Selisih maksimum data dan model
Model
(%)
Selisih % data
dan model
82,90
17,04
0,06
0,00
7,227736
7,344072
0,063042
0,179379
7,344072
Dipilih yang
minimum
0,179380766
Model
dengan
kalibrasi TLD
Trip Length Distribution (TLD) Penerbangan Domestik Hasil Wawancara dan
Pemodelan Gravity Fungsi Tanner dengan Kalibrasi TLD dan Parameter PDRB
Domestik - PDRB
Hambatan
Tanner kalibrasi TLD
α = 7,1
β 0,01
Dengan:
Tij
Ei
Ei
Cij
e
Rumus
Tij=5,44047 x 10-30 x Ei x Ej x Cij7,1 x e(-0,01 x Cij)
= Jumlah pergerakan antar zona
= Parameter ekonomi (PDRB) zona asal
= Parameter ekonomi (PDRB) zona tujuan
= Jarak antar zona asal dan tujuan
= bilangan “natural” = 2,71828
Pada penerbangan domestik perhitungan
peramalan
pergerakan
menggunakan
pemodelan gravity fungsi tanner.
 Peramalan dimulai dari jarak 500 Km
dikarenakan jika peramalan dimulai pada
jarak dibawah 500 Km jumlah pergerakan
kurang dari 90%, karena pada jarak dekat
tersebut sangat dimungkinkan penumpang
lebih memilih moda lain

Internasional
Hambatan
Eksponensial-TLD
Beta
PDRB
TLD (%)
Rumus
0,005629 16,152879 Tij=3.9016E-16*Ei*Ej*exp (-0.005629*Cij)
Populasi 0,00199 14,923499 Tij =1.5254E-9* Pi*Pj*exp (-0.00199*Cij)
Grafik
Dipilih
Fungsi
Hambatan
Internasional
Hambatan
Power-TLD
PDRB
Alpha
TLD (%)
Rumus
9,855 16,140382 Tij=1.6E+12*Ei*Ej*Cij^-9.855
Populasi 3,8737 13,806763 Tij=325.848* Pi*Pj*Cij^-3.8737
Grafik
Dipilih
Fungsi
Hambatan
Internasional
Hambatan
Tanner-TLD
PDRB
Populasi
Alpha Beta TLD (%)
Rumus
7,6661 0,01 16,154018 Tij=1.3E-37*Ei*Ej*Cij^7.6661*exp (-0.01*Cij)
15
0,01 16,034586
Tij=5E-52* Pi*Pj*Cij^15*exp (-0.01*Cij)
Grafik
Dipilih
Fungsi
Hambatan
Grafik Fungsi Hambatan Ekponensial
dengan Kalibrasi TLD dan Parameter
Populasi untuk Nilai β=0,00199 pada
Penerbangan Internasional
Grafik Fungsi Hambatan Power
dengan Kalibrasi TLD dan Parameter
Populasi untuk Nilai α=3,8737 pada
Penerbangan Internasional
Grafik Fungsi Hambatan Tanner
dengan Kalibrasi TLD dan Parameter
Populasi untuk Nilai α=15 dan β=0,01
pada Penerbangan Internasional
Hambatan
Beta
PDRB
EkponensialSSE
0,0081393
Populasi
0,03389
Hambatan
Power-SSE
14,241,393,853
15,858,466,025
Rumus
Tij=1,7877 x 10-14 x Ei x Ej x
e (-0,0081393 x Cij)
Tij=6,3518 x 1013 x Pi x Pj x
e(-0,03389 x Cij)
Internasional
SSE
Alpha
Rumus
PDRB
13,078
14,355,567,866
Tij=2,8 x
Populasi
32,612
15,403,767,642
Tij=7,5 x 1093 x Pi x Pj x Cij32,612
Hambatan
TannerSSE
Internasional
SSE
Alpha
Internasional
Beta
SSE
PDRB
3
0,02
5,888,254,143
Populasi
1,092
0,05
6,162,525,246
1022 x
Ei x E j x
Cij13,078
Rumus
Tij=1,4 x 10-16 x Ei x Ej x
Cij3 x e (-0,02 x Cij)
Tij=1,6 x 1018 x Pi x Pj x
Cij1,092 x e (-0,05 x Cij)
Grafik
Dipilih
Fungsi
Hambatan
Grafik
Dipilih
Fungsi
Hambatan
Grafik
Dipilih
Fungsi
Hambatan
Grafik Fungsi Hambatan Ekponensial
dengan Kalibrasi SSE dan Parameter
PDRB untuk Nilai β=0,008139 pada
Penerbangan Internasional
Grafik Fungsi Hambatan Power dengan
Kalibrasi SSE dan Parameter PDRB
untuk Nilai α = 13,078 pada
Penerbangan Internasional
Grafik Fungsi Hambatan Tanner dengan
Kalibrasi SSE dan Parameter PDRB
untuk Nilai α=3 dan β=0,02 pada
Penerbangan Internasional
Trip Distribution Model Gravity fungsi Power dengan Kalibrasi TLD
Terkecil
Jarak
min
(Km)
0
2000
2500
3000
3500
4000
Jarak
Midrange
maks
(Km)
(Km)
2000
1000
2500
2250
3000
2750
3500
3250
4000
3750
10000
7000
Selisih maksimum data
Data
(%)
79,40
0,00
0,00
16,15
4,44
0,00
dan model
Model
(%)
Selisih % data
dan model
78,19
13,81
2,50
2,35
1,73
1,41
1,211382
13,80655
2,504967
13,80676
2,707962
1,414588
13,80676
Trip Distribution Model Gravity fungsi Tanner dengan Kalibrasi SSE
Terkecil
Jarak
min
(Km)
0
2.000
2.500
3.000
3.500
4.000
Jarak
Midrange
Data
maks
(Km)
(%)
(Km)
2.000
1.000
79,40
2.500
2.250
0,00
3.000
2.750
0,00
3.500
3.250
16,15
4.000
3.750
4,44
10,000
7.000
0,00
Selisih maksimum data dan model
Model
(%)
Selisih % data dan
model
99,99
0,01
0,00
0,00
0,00
0,00
20,59107
0,005545
2,29 x 10-9
16,15427
4,442348
3,4 x 10-20
20,59107
Dipilih yang
minimum
13,80676
Model
dengan
kalibrasi TLD
Trip Length Distribution (TLD) Penerbangan Internasional Hasil Wawancara dan
Pemodelan Gravity Fungsi Power dengan Kalibrasi TLD dan Parameter Populasi
Hambatan
Power kalibrasi TLD
α = 3,8737
Dengan:
Tij
Pi
Pi
Cij
Internasional - Populasi
Rumus
Tij= 325,848 x Pi x Pj x Cij3,8737
= Jumlah pergerakan antar zona
= Parameter jumlah penduduk (populasi) zona asal
= Parameter jumlah penduduk (populasi) zona tujuan
= Jarak antar zona asal dan tujuan
menu
Untuk menemukan pola pergerakan asal dan
tujuan
penumpang
domestik
dan
internasional pengguna transportasi udara
di Bandara Internasional Juanda di tahun
2019, maka perlu dilakukan peramalan
dengan menggunakan model yang terbaik.
 Jumlah penduduk, PDRB/GNI yang menjadi
variabel pada model tersebut terlebih
dahulu harus diramalkan


Faktor
pengali
yang
digunakan
untuk
mendapatkan
jumlah
populasi
maupun
Pendapatan Domestik Regional Bruto atau
Gross National Product (GNI) di tahun rencana,
didapatkan dari perhitungan berikut ini:
Faktor pengali = (1+P)n
Dimana:
P = Pertumbuhan rata-rata
N = jumlah tahun peramalan


Peramalan Jumlah Populasi untuk Tahun 2019
Peramalan Jumlah PDRB/GNI untuk Tahun 2019
menu
1. Jumlah
pergerakan
penumpang
pesawat dengan tujuan domestik di
Bandara Internasional Juanda pada
tahun 2009 adalah sebesar 3.599.819
penumpang/tahun, sedangkan untuk
penumpang pesawat dengan tujuan
internasional di Bandara Internasional
Juanda pada tahun 2009 adalah
sebesar 500.148 penumpang/tahun.
Rumus model gravity sebaran pergerakan
penumpang penerbangan domestik adalah
sebagai berikut:
Domestik - PDRB
Hambatan
Tanner kalibrasi TLD
α = 7,1
β 0,01
Dengan:
Tij
Ei
Ei
Cij
e
Rumus
Tij=5,44047 x 10-30 x Ei x Ej x Cij7,1 x e(-0,01 x Cij)
= Jumlah pergerakan antar zona
= Parameter ekonomi (PDRB) zona asal
= Parameter ekonomi (PDRB) zona tujuan
= Jarak antar zona asal dan tujuan
= bilangan “natural” = 2,71828
Rumus model gravity sebaran pergerakan
penumpang penerbangan internasional adalah
sebagai berikut:
Hambatan
Power kalibrasi TLD
α = 3,8737
Dengan:
Tij
Pi
Pi
Cij
Internasional - Populasi
Rumus
Tij= 325,848 x Pi x Pj x Cij3,8737
= Jumlah pergerakan antar zona
= Parameter jumlah penduduk (populasi) zona asal
= Parameter jumlah penduduk (populasi) zona tujuan
= Jarak antar zona asal dan tujuan
3. Jumlah pergerakan penumpang pesawat
dengan tujuan domestik di Bandara
Internasional Juanda hasil peramalan
pada tahun 2019 adalah sebesar
15.198.529 penumpang/tahun. Sedangkan
untuk penumpang pesawat dengan tujuan
internasional di Bandara Internasional
Juanda hasil peramalan pada tahun 2019
adalah
sebesar
1.117.063
penumpang/tahun.

Pengembangan studi ini untuk masa yang akan
datang dapat digunakan model gravity dengan
jenis yang lain yaitu dengan-batasan-bangkitan
(Production Constrained Gravity), denganbatasan-tarikan
(Attraction
Constrained
Gravity) dan dengan-dua-batasan (Doubly
Constrained Gravity). Dengan menggunakan
model lain diharapkan hasil pemodelan yang
dihasilkan lebih tepat atau mendekati keadaan
yang sebenarnya









Biro Perencanaan dan Sim, Statistik Lalu lintas Angkutan Udara 2009, PT. Angkasa
Pura I.
Internet (2009), Produk Domestik Bruto Atas Dasar Harga Berlaku untuk Negara
Indonesia, www.bps.go.id.
ITS, LPPM. 2009. Penyusunan Rencana Kebijakan Angkutan Barang dan Penumpang
pada Transportasi Udara – Badan Perencanaan Pembangunan Daerah Provinsi Jawa
Timur. Institut Teknologi Sepuluh Nopember, Surabaya
Morlock, E. K. (1985), Pengantar Teknik dan Perencanaan Transportasi, Edisi 2,
Penerbit Erlangga, Bandung.
Muntafiah, S (2000), Pemodelan Trip Distribusi Penumpang Angkutan Udara Kawasan
Indonesia Timur, Tugas Akhir, Institut Teknologi Sepuluh Nopember, Surabaya.
Pignataro, L. J. (1973), Traffic Engineering Theory And Practice, Prentice Hall, inc.
Salmani, M. (2003), Pola Distribusi Pergerakan Angkutan Penumpang Penerbangan
Domestik Melalui Pelabuhan Udara Juanda Surabaya, Tesis Master, Institut Teknologi
Sepuluh Nopember, Surabaya.
Sugiyono (2006). Statistik untuk Penelitian, Penerbit Alfabeta, Bandung.
Tamin, O. Z. (2000). Perencanaan dan Pemodelan Transportasi, Penerbit ITB,
Bandung.
Download