Prosiding Simposium Forum Studi Transportasi antar Perguruan Tinggi ke-21

Universitas Brawijaya, Malang, 19 – 20 Oktober 2018

PENGEMBANGAN MODEL DISTRIBUSI TRANSPORTASI

BARANG JALAN BERDASARKAN PRODUKSI BANGKITAN
BARANG KOMODITAS
INTERNAL – REGIONAL

Juang Akbardin Danang Parikesit

Kandidat Doktor, ST, MT
Program Studi Teknik Sipil
Universitas Pendidikan Indonesia
Jl. Setiabudi No.207 Bandung
E-mail : akbardien@upi.edu
Professor, Dr. Techn. Ir. MSc. (Eng)
Jurusan Teknik Sipil dan Lingkungan
Universitas Gadjah Mada
Jl. Grafika No. 2 Yogyakarta 55281
E-mail: dparikesit@ugm.ac.id

Bambang Riyanto Agus Taufik Mulyono

Dr. Ir. DEA Professor , Dr. Ir. MT
Jurusan Teknik Sipil Jurusan Teknik Sipil dan Lingkungan
Universitas Diponegoro Universitas Gadjah Mada
Jl. Jalan Hayam Wuruk No. 5 - 7 Semarang, Jl. Grafika No. 2 Yogyakarta 55281
E-mail : Bb_Riyanto@yahoo.com E-mail : atm8002@yahoo.com

Abstract
Sustainable freight transportation has an important role in determining the direction of development a
regionl. Modelling of Freight Road transportation is useful to know the needs of sustainable the road
infrastructure. Freight generation of paddy commodities are estimated by using modeling based on
demographic variables, the condition of road infrastructure and vehicles goods carriers. Production freight
generation zones of paddy commodities has characteristics that evolve as conditions of the road
infrastructure in that zone. Interaction between the production zones are formed by using gravity modeling
with the imposition of transport networks based on the traffic of freight in accordance with the predominant
characteristics used in transporting commodities. The development of a freight transportation distribution
model with the Breadth-First Search algorithm has the objective to consolidate the interaction of supply and
demand of goods transport within a zone to determine the efficiency of the traffic load on the road network
system.

Keywords: Freight Transportation, Trip Production, Freight Commodity Breadth-First Search algorithm
Abstrak
Transportasi barang yang berkelanjutan mempunyai peranan penting dalam menentukan arah perkembangan
pembangunan suatau wilayah. Pemodelan transportasi barang jalan berguna untuk mengetahui kebutuhan
infrastruktur jalan raya secara berkelanjutan. Bangkitan barang komoditas komoditas di estimasi
menggunakan pemodelan berdasarkan variabel demografi, kondisi infrastructure jalan raya dan kendaraan
barang pengangkutnya. Zona – zona produksi bangkitan barang komoditas padi mempunyai karakteristik
yang berkembang sesuai kondisi infrastruktur jalan raya pada zona tersebut. Interaksi antar zona produksi
dibentuk menggunakan pemodelan gravitasi dengan pembebanan jaringan transportasi berdasarkan lalu lintas
barang sesuai dengan karakteristik yang dominan digunakan dalam mengangkut barang komoditas padi
tersebut. Pembebanan jaringan yang dihasilkan akan menentukan arah pembangunan yang berkelanjutan
terkait kebutuhan kapasitas sistem jaringan jalan yang diperlukan dan tingkat pelayanan yang ditentukan.
Pengembangan model distribusi transportasi barang dengan algoritma Breadth-First Search mempunyai
tujuan untuk mengkonsolidasikan interaksi supply dan demand pengangkutan barang dalam suatu zona untuk
menentukan efisiensi beban lalu lintas pada sistem jaringan jalan.

Kata Kunci: Transportasi Barang, Produksi Perjalanan, Komoditas Barang, algoritma Breadth-First Search

1
PENDAHULUAN
Barang komoditas padi merupakan salah satu komoditas utama yang dihasilkan dalam
zona produksi di Provinsi Jawa Tengah. Kebutuhan padi meningkat sesuai dengan
perkembangan kebutuhan konsumsi penduduk di zona produksi dan disekitarnya terutama
dalam zona internal Provinsi Jawa Tengah. Bangkitan pergerakan komoditas padi
didistribusikan menurut kebutuhan supply dan demand komoditas berdasarkan konsumsi
dan produksinya. Jaringan jalan raya internal – regional di Provinsi Jawa Tengah
mempunyai peranan untuk mendistribusikan produksi bangkitan pergerakan komoditas
sesuai dengan permintaan pada zona yang membutuhkan. Capasitas dan tingkat pelayanan
jalan akan mempengaruhi waktu perjalanan dalam mendistribusikan dan mendukung
pergerakan lalu lintas sesuai dengan operasional jaringan jalan yang dibutuhkan. Jaringan
jalan yang mempunyai tingkat pelayanan yang baik akan mendorong peningkatan produksi
dan distribusi zona penghasil komoditas. Kapasitas jalan pada sistem jaringan jalan di
Provinsi Jawa Tengah memerlukan penyesuaian terhadap volume lalu lintas akibat
perkembangan pergerakan komoditas barang. Dengan mengetahui tingkat pelayanan
sistem jaringan jalan memerlukan estimasi model pembebanan sistem jaringan jalan akibat
produksi bangkitan pergerakan komoditas. Analisa pembebanan sistem jaringan akan
menentukan perubahan sistem pergerakan arus lalu lintas dan kecepatan distribusi sistem
jaringan tersebut dalam melayani pergerakan lalu lintas

PEMODELAN TRANSPORTASI BARANG

Model gravity memberikan rumusan jumlah volume total transportasi barang menurut jenis
komoditi yang diangkut dari suatu tempat ke tempat lainya, sebagai berikut (Persamaan 1)

Sik .Ddk f id (1)

Tidk =
 Ddk . f id
Dengan :
Tidk = Jumlah komoditi k yang diproduksi di daerah i dan dikirim ke daerah d
Sik = Jumlah total pengiriman komoditi k dari daerah i
Ddk = Jumlah total permintaan komoditi k di daerah d
fid = Faktor Friksi/hambatan (=1/dijλ )
did = jarak dari i ke d
λ = parameter
Model ini menggunakan konsep gravity yang diperkenalkan oleh Newton yang
dikembangkan dari analogi hukum gravitasi.

mi .md
Fid  G. (2)
d id2
dengan G adalah konstanta gravitasi

2
bangkitan dan tarikan pergerakan, serta jarak, waktu, atau biaya sebagai ukuran
aksesibilitas (kemudahan). Jadi, untuk keperluan transportasi, model GR dinyatakan
sebagai: (Persamaan 3)

Oi .Od
Tid  k . 2
(3)
d id
dengan k adalah konstanta
Jadi, dalam bentuk matematis, model GR dapat dinyatakan sebagai:

Tid = Oi .Dd .Ai .Bd . f (Cid )

(4)

Pemodelan Transportasi Berdasarkan Arus Lalu Lintas

Total arus V̂ pada ruas jalan tertentu merupakan penjumlahan pergerakan antar zona
didalam daerah kajian yang menggunakan ruas jalan tersebut, ditunjukkan pada persamaan
(5).
N N
V̂l   T
i 1 d 1
id
l
. pid
(5)
Komoditas yang bergerak antar zona didalam daerah kajian tersebut diwakili oleh suatu
model kebutuhan akan transportasi dengan Model Gravity Opportunity (GO). Dengan total
pergeraan Tid dengan zona asal i dan zona tujuan d untuk semua tujuan pergerakan
komoditas ditunjukkan ersamaan (6)
K
Tid  T
k 1
k
id
(6)
Dengan komoditas yang bergerak dari zona I ke zona d ditunjukkan pada persamaan (6)

Tidk  bk .Oik .Ddk .Aik .Bdk . f idk (7)

Dengan memasukan persamaan (7) ke persamaan (5) persamaan dasar untuk model
penaksiran kebutuhan akan transportasi dengan data arus lalu lintas ditunjukkan pada
persamaan (8)

  b .Oik .Ddk .Aik .Bdk . f idk pidl .

K N N
Vl  k (8)
k 1 i 1 d 1

Uji Model
Uji Korelasi
Koefisien korelasi adalah suatu tolok ukur seberapa keeratan hubungan antar variabel
dalam Model.
Uji Korelasi N N N
N  ( X iYi )   ( X i ). (Yi ) (9)
r i 1 i 1 i 1

 N  N    N
2
 N  
2

  ( X i )    ( X i )   .  N  (Yi )    (Yi )  
2 2

 i 1  i 1    i 1  i 1  

3
UJi Determinasi
N N

  (Tˆ id  Tid ) 2
R2  1  i 1
N
d 1
N

  (Tˆ
(10)
id  T1 ) 2
i 1 d 1
Kalibrasi Model Gravity
i 
Kalibrasi d Gravity Metode Regresi Linier dengan fungsi hambatan eksponential
Model
negative Metode kalibrasi dengan analisa regresi linear untuk mencari parameter model
dilakukan melalui tahapan pada persamaan berikut,:

Tid
exp    Cid 
Ai .Bd .Oi .Dd
 
log e  exp    Cid    log e 
Tid (11)

 Ai .Bd .Oi .Dd 
  Cid  log e Tid  log e  Ai .Bd .Oi .Dd 
log e Tid  log e  Ai .Bd .Oi .Dd    Cid

Dengan Trasnformasi linier maka : loge Tid = Yi dan Cid = Xi

N N N
N  ( X i .Yi )   ( X i ). (Yi )
  B  i 1 i 1 i 1
2 (12)
N
  N
N (Xi )   (Xi )
2

i 1  i 1 
A  Y  BX
Pengembangan Algoritma Breadth-First Search.

d i k
Si Si
d k

Gambar. 1. Model Intervening Opportunities

Metode newton –raphson dengan algoritma powel mempunyai efisiensi dalam proses
iterasi untuk menentukan nilai konvergensi . Metode ini sering digunakan untuk
mengkalibrasi parameter model untuk daerah perkotaan.(Tamin, 2003).
Berdasarkan pengertian metode model gravity opportunity dan metode kalibrasi newton
raphson selanjutnya digunakan untuk menentukan model transportasi berdasarkan
kebutuhan aramada internal – regional dengan pengembangan metode newton –raphson
dengan algoritma Breadth-First Search. (BFS). Algoritma Breadth-First Search (BFS)

4
atau dikenal juga dengan nama algoritma pencarian melebar adalah algoritma yang
melakukan pencarian secara melebar yang mengunjungi simpul secara preorder yaitu
mengunjungi suatu simpul kemudian mengunjungi semua simpul yang bertetangga dengan
simpul tersebut terlebih dahulu. Selanjutnya, simpul yang belum dikunjungi dan
bertetangga dengan simpul -simpul yang tadi dikunjungi , demikian seterusnya. Jika graf
berbentuk pohon berakar, maka semua simpul pada aras d dikunjungi lebih dahulu sebelum
simpul-simpul pada arah d+1.

METODOLOGI PENELITIAN
Pendekatan pemodelan transportasi barang yang sangat komplek dan luas disederhakan dengan
merumuskan variabel – variabel dominan yang menentukan. Dengan metode model gravity analisa
pembebanan sistem jaringan jalan berdasarkan volume lalu lintas digunakan untuk mengestimasi
sistem pembebanan jaringan dengan mempertimbangkan variabel – variabel yang berpengaruh
yang dianalisa terlebih dahulu pada tahapan model bangkitan pergerakannya.

Gambar 2. Peta Jaringan Jalan Jawa Tengah

Variabel yang digunakan

Variabel Dependen
Y1 = Oi = Bangkitan Pergerakan Komoditas Barang Komoditas Padi
Variabel Independen
X1 = Vaiabel bebas penduduk
X2 = Vaiabel bebas PDRB
X3 = Variabel bebas barang berdasarkan IO Komoditas padi
X4 = Variabel bebas panjang jalan nasional di Kabupaten atau Kota di Jawa Tengah
X5 = Variabel bebas panjang jalan propinsi di Kabupaten dan Kota di Jawa Tengah
X6 = Variabel bebas panjang jalan kabupaten di Kabupaten dan Kota di Jawa Tengah
X7 = Variabel bebas kondisi jalan baik di Kabupaten dan Kota di Jawa Tengah
X8 = Variabel bebas kondisi jalan sedang di Kabupaten dan Kota di Jawa Tengah
X9 = Variabel bebas kondisi jalan rusak di Kabupaten dan Kota di Jawa Tengah

5
X10 = Variabel bebas kondisi jalan rusak berat di Kabupaten dan Kota di Jawa Tengah
X11 = Variabel bebas jumlah kendaraan barang di Kabupaten dan Kota di Jawa Tengah
X12 = Variabel bebas jumlah kendaraan barang dengan kepemilikan status perseorangan
X13 = Variabel bebas jumlah kendaraan barang dengan kepemilikan status perusahaan
b0 = konstatanta

Mulai

Menentukan Oi dan Dd
Nilai awal parameter β

Menghitung Fungsi Hambatan

Fid  2 Fid
Fid : ;
  2
(eksponential negatif, pangkat, tanner)

Menghitung : Faktor Penyeimbang (BF)

Ai Bd  2 Ai  2 Ai
Ai ; Bd ; ; ; ;
   2  2
(sesuai dengan fungsi hambatan yang digunakan)

Menghitung
Tid  2Tid f
Tid ; ; ;f;
  2 
(sesuai dengan metode penaksiran)

 f   m1   m  h
h  f /  
  
Periksa h≈0
tidak

Ya
Digunakan nilai β
Konvergen

Selesai

Gambar 3. Diagram Alir Penelitian

6
HASIL DAN PEMBAHASAN
Pemodelan Bangkitan Pergerakan
Residual Plots for Oi
Normal Probability Plot Versus Fits
99
0.50
90
0.25

Residual
Percent

50 0.00

10 -0.25

1 -0.50
-0.50 -0.25 0.00 0.25 0.50 15.5 16.0 16.5 17.0 17.5
Residual Fitted Value

Histogram Versus Order

8
0.50
6
0.25
Frequency

Residual
4 0.00

2 -0.25

0 -0.50
-0.4 -0.2 0.0 0.2 0.4 0.6 1 5 10 15 20 25 30 35
Residual Observation Order

Gambar 4. Hasil Pemodelan Bangkitan Pergerakan Komoditas Padi (Oi)

Pemodelan bangkitan pergerakan barang komoditas padi diperoleh dengan ditunjukkan

persamaan (13)
Ln Yi = 13.3 + 0.023 Ln X 2 + 0.0716 Ln X 4 + 0.0964 Ln X 5 + 0.371 Ln X 6 + 0.051 Ln X7 - 0.048 Ln X 8 - 0.0095 Ln X 10 (13)
2
Dengan nilai determinasi model R = 0,563. Selanjutnya persamaan yang diperoleh
digunakan untuk mengestimasi besaran model dengan memasukkan data dari masing-
masing zona di provinsi Jawa Tengah. Dengan pemograman komputasi diperoleh hasil
bangkitan pergerakan barang komoditas padi dari model dengan berdasarkan zona .
Estimasi model bangkitan barang komoditas kemudian disimulasikan dengan ditunjukkan
pada gambar. 5

Gambar 5. Bangkitan Pergerakan (Oi) Barang Komoditas Padi

7
Pemodelan Distribusi Pergerakan
Distribusi pergerakan barang komoditas padi dimodelkan dengan metode gravity (GR)
dengan metode kalibrasi regresi linier dengan persamaan yang diperoleh
Tabel 1. Hasil Model Distribusi

Kalibrasi Parameter Model

Fungsi Hambatan
B A β
Pangkat 1.6152 2.4001 -1.6152
Eksponential Negatif 3.953 x 10-7 24.2872 -3.9528 x 10-7
Tanner 3.953 x 10-7 24.2872 -3.9528 x 10-7

Dengan distribusi pergerakan ditunjukkan pada pemrograman komputas iyang ditunjukkan

pada gambar (6). Bahwa zona yang mempunyai pergerakan dominan komoditas padi
ditunjukkan pada zona timur di Kabupaten Demak, Kabupaten Grobogan dan Kabupaten
Pati, Zona Barat dengan nilai dominan di Kabupaten Brebes, Kabupaten Tegal dan
Kanupaten Pemalang. Zona selatan didominasi Kabupaten Cilacap dan Kabupaten
Banyumas. Dengan jarak distribusi pergerakan barang komoditas padi pada jarak 100 –
300 km yang ditunjukkan pada gambar (7)

Gambar 6. Pola Distribusi Pergerakan Gambar 7. Jarak Distribusi Pergerakan

Barang Komoditas Padi Barang Komoditas Padi

8
Pembebanan Sistem Jaringan Jalan
Distribusi pergerakan barang komoditas padi yang menggunakan kendaraan barang
didominasi dengan kendaraan kapasitas 8 ton sampai dengan 10 ton. Dominasi kendaraan
tersebut mempunyai kecenderungan dengan keberadaan armada di zona dengan bangkitan
pergerakan komoditas padi yang lebih dominan. Kendaraan yang berada di zona tersebut
mempunyai kontribusi pergerakan lalu lintas yang ditunjukkan pada gambar (8) dari hasil
pemodelan transportasi berdasarkan volume lalu lintas pada jaringan jalan yang
dilayaninya. Menunjukkan bahwa jaringan jalan dizona dominan mempunyai derajat
kejenuhan yang lebih tinggi, sehingga menentuksn pemilihan rute kendaran dalam
mendistribusikan barang komoditasnya. Berdasarkan model pembebanan jaringan pada
sistem jaringan jalan diprovinsi jawa tengah menenujukkan bahwa koridor dan rute
jaringan jalan yang berada pada zona – zona dengan produksi bangkitan barang yang tinggi
mempunyai tingkat kemacetan yang lebih besar dibandingakan dengan rute jalan dengan
produksi bangkitan yang lebih kecil.

Gambar. 8. Pemodelan Trasnportasi Berdasarkan Volume Kendaraan Barang yang

Mengangkut Barang Komoditas Padi

Pengembangan Distribusi Dengan Algoritma Breadth-First Search.

Dengan menggunakan metode model gravity, kalibrasi metode newton-raphson dan
algoritma Breadth-First Search pengembangan model transportasi barang jalan
berdasarkan kebutuhan armada internal regional yang berada di zona bangkitan produksi
komoditas dapat diartikan kondisi seimbang apabila kebutuhan armada pada zona satu
dengan zona yang yang yang lebih berdekatan (tetangga) telah dikunjungi oleh dalam
proses iterasi dengan algoritma BFS tersebut..Metode kalibrasi newton-raphson dengan
algoritma Breadth-First Search dapat diperoleh tingkat konvergensi > 10-4
Hasil metode kalibrasi newton-raphson dengan algoritma Breadth-First Search dengan
selanjutnya disimulasikan dengan pemrograman soft komputasi yang ditunjukkan pada
gambar. 9

9
 Gambar. 10. Simulasi Pemodelan Gambar. 9. Proses Iterasi Parameter Model
Transportasi dengan Metode dengan Metode Kalibrasi Newton-Raphson
Kalibrasi Newton-Raphson – – Algoritma Breadth-First Search
Algoritma Breadth-First Search
KESIMPULAN
Pengembangan dengan menggunakan algoritma Breadth-First Search menghasilkan proses
kalibrasi dengan ketelitian lebih tinggi dengan ketelitian 4 desimal pada kalibrasi newton
rahpson. Pemenuhan kebutuhan transportasi barang yang penyediaannya berasal dari zona
lain dengan metode algoritma Breadth-First Search akan mengurangi beban lalu lintas
pada sistem jaringan secara ditinjau dari volume pergerakan menerus. Perjalanan Jarak
jauh akan terkonsolidasi pada zona - zona yang mempunyai sistem distribusi dengan
panjang perjalanan yang lebih jauh. Dengan terkonsolidasikannya sistem pengangkutan
komoditas pada zona dengan produksi bangkitan pergerakan dengan ketersediaan armada
yang cukup sesuai dengan coverage area akan meminimalkan volume pergerakan lalu
lintas di sistem jaringan.

DAFTAR PUSTAKA
Davydenko, IY, Tavasszy, LA, Meijeren, JJ & Ivanova, O. 2011. Estimation of Freight
Flow and Trip Generation According to Transport Purpose in Urban and Regional
Logistics Networks METRANS Urban Freight Conference Proceedings (pp. 1-17).
Davydenko, Igor Y.; Tavasszy, Lóránt A.; Smeets, Peter S.G.M. 2012. Commodity Freight
and Trip Generation by Logistics Distribution Centers Based on Sectorial
Employment Data,91st Annual TRB Meeting, Washington DC.
Edward, K. Morlok (1991). Pengantar Teknik dan Perencanaan Transportasi, cetakan ke
empat, Jakarta – Indonesia : Erlangga.
Jin, Y., Williams, I., Shahkarami, M. 2005. Integrated Regional Economic and Freight
Logistics Modelling: Results from a Model for the Trans-Pennine Corridor, UK,ETC
E
T. Z. Ofyar. 2000. Perencanaan dan Permodelan Transportasi, Edisi kedua, Bandung : ITB.
Winston, C. (1983). The demand for Freight Transportation : Models and Applications,
Transportation Research Part A, 17.pp.419-427.

10