Sub-Model Manajemen STRUKTUR MODEL KEBIJAKAN DAN STRATEGI PENGELOLAAN

Kondisi jalan dipengaruhi oleh besarnya biaya OM jalan, kondisi jalan, kecepatan hambatan transaksi, hambatan karena kecelakaan, berpengaruh terhadap kecepatan kendaraan. Laju pertambahan LHR dipengaruhi oleh tingkat pelayanan, kebijakan transportasi nasional, perubahan penggunaan lahan di sekitar jalan tol, sedangkan tingkat pelayanan jalan tol dihitung dari tingginya kecepatan kendaraan di jalan tol, kenaikan volume kendaraan pada jam puncak dipengaruhi oleh besarnya LHR. Gambar 36. Causal Loops Sub-Model Manajemen Lalulintas Variabel dan parameter yang digunakan untuk sub-model manajemen lalulintas terdapat pada Tabel 25. Selanjutnya dari causal loops tersebut dapat digambarkan diagram alir sub-model manajemen lalulintas. Secara lengkap model kebijakan dan strategi pengelolaan tingkat pelayanan jalan tol, studi kasus jalan tol Jakarta-Cikampek, tersebut dapat dilihat pada Gambar 37. Tabel 25. Variabel dan Parameter Pada Sub-model Sistem Manajemen Lalulintas No. Variabel dan Parameter Dimensi Nilai Keterangan 1. LHR Kendaraan Tergantung Ruas Data Jasa Marga 2. Kecepatan Hambatan Transaksi detik Tergantung Ruas Data Jasa Marga 3. Kecepatan Hambatan Kecelakaan menit Tergantung Ruas Data Jasa Marga 4. Biaya OM Jalan Rupiah Tergantung Ruas Data Jasa Marga 5. Tingkat Pelayanan Tanpa Dimensi Tergantung Ruas Data Jasa Marga 6. Kecepatan kendaraan kmjam Tergantung Ruas Survei 7. Kebijakan Transportasi Nasional per tahun Tergantung Ruas Survei 8. Volume Kendaraan Pd Jam Puncak Kendaraan Tergantung Ruas Survei Dari identifikasi pola dasar perilaku dinamis, dapat disimpulkan bahwa model utama archetype “Eskalasi Escalation”, yakni peningkatan LHR akan meningkatkan pendapatan. Karena pendapatan meningkat, pengoperasian dan pemeliharaan jalan akan semakin baik, sehingga kondisi fisik jalan akan semakin baik pula. Kondisi jalan yang baik ini akan meningkatkan kecepatan kendaraan. Selain itu, kondisi fisik jalan yang baik akan memicu lebih banyak kendaraan memasuki jalan tol sehingga LHR meningkat. LHR meningkat akan meningkatkan dampak lingkungan, berupa polusi udara dan bising. Untuk menanggulangi dampak ini dibutuhkan biaya untuk mengurangi dampak, sehingga hal tersebut akan meningkatkan biaya OM lingkungan. Gambar 37. Model Kebijakan dan Strategi Pengelolaan Tingkat Pelayanan Jalan Tol, Studi Kasus Jalan Tol Jakarta-Cikampek

5.5. Validasi Model

Untuk dapat dinyatakan bahwa suatu model disebut valid, model tersebut harus mencerminkan dunia nyatanya. Demikian juga dengan model pengelolaan tingkat pelayanan jalan tol ini, yang harus diuji apakah sudah cocok dengan atau mendekati atau mirip dengan dunia nyata. Berdasarkan hasil simulasi dan dibandingkan dengan data LHR yang ada ruas yang dipakai contoh Kalihurip-Cikampek, dapat dicari AVE absolute variable error dan AME absolute mean error, sebagaimana terlihat pada Tabel 26. Tabel 26. Hasil Analisis Uji Validasi Kinerja Terhadap Komponen LHR No. Tahun Lalulintas Harian Rata-Rata Aktual Simulasi 1. 2006 943 943 2. 2007 1.084 1.005,55 3. 2008 1.106 1.082,84 4. 2009 1.129 1.164,43 5. 2010 1.201 1.252,53 6. 2011 1.365 1.346,95 Rata-rata 1.138 1.132.55 Deviasi Standar 127,5042483 152,2551683 AME Average Mean Error 0,0132 1,32 AVE Average Variance Error 0,0133 1,33 Dari hasil perbandingan data LHR hasil simulasi dengan data LHR historis tersebut diperoleh kesimpulan sebagai berikut: 1. Nilai AME sebesar 1,32 dan AVE sebesar 1,33, yang berarti nilai kedua parameter tersebut masih dibawah 10 lihat Tabel 26 dan Gambar 38. 2. Dengan AME dan AVE 10, model tersebut dapat dikatakan sudah menyerupai keadaan sebenarnya di alam nyata. Hasil validasi model terhadap data historis dari jumlah LHR AME = 0,0132 dan AVE = 0,0133 menunjukkan bahwa model yang dibangun tersebut dapat dikatakan valid dan dapat dipergunakan sebagai model kebijakan dan strategi pengelolaan tingkat pelayanan jalan tol studi kasus jalan tol Jakarta- Cikampek. Setelah dilakukan uji coba untuk menjalankan model tersebut dengan perangkat lunak powersim, model tersebut dapat berjalan dengan baik sehingga dapat dipergunakan untuk melakukan simulasi dengan memasukkan parameter- parameter sesuai dengan keadaan sebenarnya di alam nyata. Gambar 38. Validasi Model Dinamik Terhadap LHR