Tabel.IV.45. Rangkuman Hubungan Jarak Nilai Fungsi Hambatan Contoh 1
Tabel.IV.46. Rangkuman Hubungan Jarak Nilai Fungsi Hambatan Contoh 2
Dengan melihat hasil prediksi sebaran perjalanan diatas, nilai jarak rata- rata yang paling mendekati 3,4km adalah nilai fungsi hambatan
= 0,68 untuk contoh 1 dan nilai jarak rata-rata yang paling mendekati 6,95km adalah nilai
fungsi hambatan = 0,55. Maka untuk model gravity yang kita gunakan dalam
prediksi jumlah sebaran simulasi data diatas adalah sebagai berikut: untuk contoh 1
untuk contoh 2 Dalam model gravity ini total pergerakan yang dihasilkan model harus
sama dengan total yang diharapkan.
IV.2.2. Model Tanpa Batasan UnConstrained GravityUCGR
Dalam model ini hanya ada satu persyaratan yaitu total pergerakan yang dihasilkan harus sama dengan total pergerakan yang diperkirakan dari tahap
bangkitan pergerakan. Berikut proses pengolahan contoh data 1 dan 2 dengan menggunakan model tanpa batasan:
Jarak rata-rata nilai
3,436 0,5
3,4 0,6
3,32 1
3,137 2
Jarak rata-rata nilai
7,036 0,5
6,95 0,55
6,157 1
5,136 2
Universitas Sumatera Utara
Seperti yang dijelaskan sebelumnya pada kalibrasi model gravity, fungsi hambatan yang digunakan mengikuti fungsi hambatan tanner, didapat matriks
seperti terlihat pada tabel dibawah ini, dengan nilai untuk contoh 1 dan untuk contoh 2 yang
diperoleh dari kalibrasi model gravity dengan metode analisis regresi-linear fungsi hambatan tanner.
Tabel.IV.47. Matriks Tanner Contoh 1
Tabel.IV.48. Matriks Tanner Contoh 2
Dengan menggunakan persamaan 4.22 berikut:
dimana nilai Perkalian berikut dilakukan untuk setiap sel matriks untuk mendapatkan matriks
akhir seperti terlihat pada tabel dibawah. Tabel.IV.49. MAT akhir hasil model UCGR Contoh 1
from \ to 3
4 5
1 0,4608707 0,6010935 0,2867387
2 0,4608707 0,2867387 0,3613134
from \ to 4
5 6
1 0,935272
0,98095 0,935272 2
0,977581 0,964833 0,984448 3
0,98095 0,984448 0,964833
from\to 3
4 5
oi Oi
Ei Ai
1 76043,67 36065,609 21505,406 133614,68
300 0,002245
1 2
177435,2 40143,425 63229,84 280808,49
700 0,002493
1 dd
253478,9 76209,033 84735,246 414423,17 Dd
550 200
250 1000
Ed 0,00217 0,0026244 0,0029504
0,002413 Bd
1 1
1
Universitas Sumatera Utara
Tabel.IV.50. MAT akhir hasil model UCGR Contoh 2
Pada tabel diatas terlihat bahwa total pergerakan yang berasal dari setiap zona asal dan total pergerakan yang tertarik kesetiap zona tujuan tidak sama
dengan total pergerakan bangkitan dan tarikan yang diperkirakan oleh tahap pergerakan pada contoh 1 dan 2.
Untuk itu untuk memenuhi persyaratan model UCGR, maka setiap sel harus dimodifikasi kembali dengan factor sebesar
untuk contoh 1 dan
untuk contoh 2, sehingga didapatkan matriks akhir seperti pada tabel berikut.
Tabel.IV.51. MAT akhir hasil model UCGR setelah modifikasi Contoh 1
from \ to 4
5 6
oi Oi
Ei Ai
1 231479,9 353142,1 273567,1 858189,1
450 0,000524
1 2
403252,2 578899,6 479918,4 1462070 750
0,000513 1
3 431618,1 630046,8
501713 1563378
800 0,000512
1 dd
1066350 1562089
1255199 3883637
Dd 550
800 650
2000 Ed
0,000516 0,000512 0,000518 0,000515
Bd 1
1 1
from\to 3
4 5
oi Oi
Ei Ai
1 183,4928 87,026043 51,892383 322,41123
300 0,930489
1 2
428,1499 96,865782 152,57313 677,58877 700
1,033075 1
dd 611,6427 183,89182 204,46551
1000 Dd
550 200
250 1000
Ed 0,899218 1,0875959 1,2227001
1 Bd
1 1
1
Universitas Sumatera Utara
Tabel.IV.52. MAT akhir hasil model UCGR setelah modifikasi Contoh 2
Total pergerakan yang terjadi telah sama dengan total pergerakan yang diperkirakan oleh tahap bangkitan pergerakan. Akan tetapi, jumlah bangkitan dan
tarikan yang dihasilkan dari setiap zona tidak harus sama dengan hasil yang diharapkan dari tahap bangkitan pergerakan.
Maka, model sebaran pergerakan untuk model UCGR ini adalah: untuk contoh 1
untuk contoh 2 Dimana nilai
IV.2.3. Model Dengan Batasan Di Zona Asal Production Constrain GravityPCGR
