Penerapan Model Greenberg Untuk Arus Lalu Lintas (Studi Kasus : Jalan Ir. Juanda Medan)

(1)

PENERAPAN MODEL GREENBERG

UNTUK ARUS LALU LINTAS

(Studi Kasus : Jalan Ir. Juanda Medan)

SKRIPSI

JUFRI PASARIBU

060803027

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2010

(2)

PENERAPAN MODEL GREENBERG UNTUK ARUS LALU LINTAS (Studi Kasus : Jalan Ir. Juanda Medan)

SKRIPSI

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Sains

JUFRI PASARIBU 060803027

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2010

(3)

PERSETUJUAN

Judul : PENERAPAN MODEL GREENBERG UNTUK

ARUS LALU LINTAS (Studi Kasus : Jalan Ir. Juanda Medan)

Kategori : SKRIPSI

Nama : JUFRI PASARIBU

Nomor Induk Mahasiswa : 060803027

Program Studi : SARJANA (S1) MATEMATIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA

Diluluskan di

Medan, Desember 2010

Komisi Pembimbing :

Pembimbing 2 Pembimbing 1

Drs. Djakaria Sebayang Drs. Faigiziduhu Bu’ul l , M.Si

NIP 19511227 198503 1 002 NIP 19531218 198003 1 003

Diketahui/ Disetujui oleh:

Departemen Matematika FMIPA USU Ketua,

Dr. Saib Suwilo, M.Sc NIP 19640109 198803 1 004

(4)

iii

PERNYATAAN

PENERAPAN MODEL GREENBERG UNTUK ARUS LALU LINTAS (Studi Kasus : Jalan Ir. Juanda Medan)

SKRIPSI

Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, Desember 2010

JUFRI PASARIBU 060803027

(5)

PENGHARGAAN

Puji syukur dan terima kasih penulis panjatkan kepada Tuhan Yang Maha Esa atas kasih karunia dan pertolonganNya, sehingga penulis dapat menyelesaikan penulisan skripsi ini.

Ucapan terima kasih juga penulis ucapkan kepada Drs. Faigiziduhu Bu’ulolo, M.Si dan Drs. Djakaria Sebayang selaku Dosen pembimbing penulis dalam penyelesaian skripsi ini, atas setiap bimbingan dan motivasi yang telah diberikan. Penulis juga mengucapkakan terima kasih kepada Drs. Henry Rani Sitepu, M.Si dan Drs. Suwarno Ariswoyo, M.Si selaku Dosen penguji, atas setiap saran dan masukannya selama pengerjaan skripsi ini. Ucapan terima kasih juga penulis tujukan kepada Ketua dan Sekretaris Departemen Dr. Saib Suwilo, M.Sc dan Drs. Henry Rani Sitepu, M.Si dan kepada Bapak Ibu dosen pada Departemen Matematika FMIPA USU beserta semua Staf Administrasi di FMIPA USU. Terima kasih yang sedalam-dalamnya juga penulis tujukan kepada kedua orang tua penulis Bapak P. Pasaribu dan Alm. Ibu Br. Sihombing atas semua dukungan dalam doa, motivasi, kasih sayang, baik secara materi maupun moral yang membantu penulis dalam menyelesaikan skripsi ini. Juga kepada saudara/i penulis, terima kasih atas dukungan dan doa kalian. Secara khusus, penulis mengucapkan terima kasih kepada Tina, Ria, Hotma, Ronal, Endang, Eva, serta teman-teman di Math’06 (tidak muat jika disebutkan namanya satu per satu) atas kebersamaan kita selama ini, atas doa dan saling mendukung diantara kita. Semangat dan doa dari teman-teman juga sangat membantu penulis dalam menyelesaikan skripsi ini. Terima kasih juga penulis ucapkan kepada semua teman dan sahabat yang lain yang membantu penyelesaian skripsi ini. Terima kasih atas semua doa dan dukungannya. Biarlah kasih karunia Tuhan Yang Maha Esa senantiasa memberikan yang terbaik untuk kita semua. Semoga tulisan ini bermanfaat bagi yang membacanya. Terima kasih.

Desember 2010

(6)

ABSTRAK

Salah satu kondisi yang mempengaruhi kenyamanan dan kelancaran proses transportasi adalah kondisi ruas jalannya yang cukup baik. Parameter-parameter yang diukur dalam melihat kondisi arus suatu ruas jalan adalah kecepatan, kepadatan,dan volume yang hubungannya dinyatakan dalam persamaan matematik. Dengan Model Greenberg, hasil penelitian ini menunjukkan bahwa hubungan yang baik terjadi pada hari Rabu dari arah Padang Bulan ke Bandara Polonia dan hari Senin untuk arah Bandara Polonia ke Padang Bulan dengan nilai koefisien masing-masing arah adalah 0,24 dan 0,08.

(7)

ABSTRACT

One of conditions that affect the comfort and smooth process of transportation is road with condition is good. The parameters measured to see the current condition of a road section is speed, density, and volume are expressed in mathematical equation. With

Greenberg’s model, the results of this study show that the relationship of the most perfect place on Wednesday, from Padang Bulan to Polonia Airport and Monday from Polonia Airport to Padang Bulan with the coefficient value of each direction is 0,24 and 0,08.

(8)

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Abstrak v

Abstract vi

Daftar Isi vii

Daftar Tabel viii

Bab 1 Pendahuluan

1.1 Latar Belakang 1

1.2 Identifikasi Masalah 2

1.3 Batasan Masalah 2

1.4 Tinjauan Pustaka 3

1.5 Tujuan Penelitian 4

1.6 Kontribusi Penelitian 4

1.7 Metode Penelitian 5

Bab 2 Landasan Teori

2.1 Peranan Politik Transportasi 7

2.2 Komponen-komponen Sistem Transportasi 8

2.3 Karakteristik arus Lalu Lintas 8

2.4 Transportasi Dalam Masyarakat 9

2.5 Satuan Mobil Penumpang 9

2.6 Model Greenberg 9

2.7 Analisis Regresi Dan Korelasi 12

Bab 3 Pembahasan

3.1Pengumpulan Data 14

3.1.1 Lokasi Penelitian 14

3.1.2 Waktu Pengambilan Data 14

3.1.3 Metode Pengambilan Data 15

3.1.4 Hasil Pengambilan Data 16

3.2Analisa Data 16

3.2.1 Perhitungan Untuk Arah Padang Bulan ke Bandara Polonia 17 3.2.2 Perhitungan Untuk Arah Bandara Polonia ke Padang Bulan 23

Bab 4 Kesimpulan Dan Saran 30

Daftar Pustaka 33

(9)

DAFTAR TABEL

Halaman Tabel 3.1 Prosedur Perhitungan Analisia Regresi-Linier

Hubungan Matematis Kecepatan-Kepadatan Pada Hari Senin 16 Tabel 3.2 Prosedur Perhitungan Analisia Regresi-Linier

Hubungan Matematis Kecepatan-Kepadatan Pada Hari Rabu 18 Tabel 3.3 Prosedur Perhitungan Analisia Regresi-Linier

Hubungan Matematis Kecepatan-Kepadatan Pada Hari Jumat 20 Tabel 3.4 Prosedur Perhitungan Analisia Regresi-Linier

Hubungan Matematis Kecepatan-Kepadatan Pada Hari Senin 22 Tabel 3.5 Prosedur Perhitungan Analisia Regresi-Linier

Hubungan Matematis Kecepatan-Kepadatan Pada Hari Rabu 24 Tabel 3.6 Prosedur Perhitungan Analisia Regresi-Linier

(10)

ABSTRAK

(11)

ABSTRACT

(12)

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Transportasi merupakan bagian tak terpisahkan dari kehidupan manusia, seperti halnya makanan, rumah, pakaian, dan lain sebagainya. Sebagai contoh, salah satu fungsi dasar transportasi adalah menghubungkan tempat kediaman dengan tempat bekerja, atau para pembuat barang dengan para pelanggannya. Dari sudut pandang yang lebih luas, fasilitas transportasi memberikan aneka pilihan untuk menuju ke tempat kerja, pasar, sarana, dan rekreasi serta menyediakan akses ke sarana-sarana kesehatan, pendidikan, dan, sarana lainnya.

Dalam kurun waktu 100 tahun terakhir ini, kendaraan bermotor telah mendorong terjadinya revolusi transportasi di seluruh dunia. Sebelum hadirnya kendaraan bermotor, kecepatan kendaraan rata-rata hanya 10 mil/jam. Kehadiran mobil telah mengubah situasi tersebut, sehingga demi keselamatan dan efisiensi mulailah ditempatkan rambu lalulintas di persimpangan jalan (Lay, 1986).

Salah satu akar permasalahan transportasi adalah dikarenakan tidak terkendalinya pertumbuhan jumlah kendraraan bermotor di perkotaan, serta buruknya pelayanan sistem angkutan umum saat ini. Untuk merencanakan, merancang, dan menetapkan kebijaksanaan sistem transportasi dengan tingkat efisiensi dan keselamatan yang lebih baik, teori pergerakan arus lalulintas memegang peranan yang sangat penting dalam mencapai tujuan.

Karakteristik desain dari sarana fisik, cara bagaimana gerakan kendaraan diatur pada sarana tersebut, dan karakteristik kendaraan itu sendiri, semuanya

(13)

berinteraksi untuk menentukan kemampuan sarana tersebut dalam menampung beban lalulintas yang bekerja padanya.Variabel-variabel utama yang dipakai untuk menerangkan arus kendaraan pada suatu jalur gerak ialah volume, kecepatan, kepadatan. Selain itu, ada dua variabel tambahan yang juga berhubungan dengan arus lalulintas yakni jarak antara dan waktu antara.

Untuk menganalisa karakteristik arus lalulintas suatu ruas jalan, dapat diketahui dengan menganalisa hubungan matematis antara volume, kecepatan, kepadatan lalulintas yang terjadi pada ruas jalan tesebut. Untuk itu, model yang digunakan untuk mempresentasikan hubungan matematis ketiga parameter tersebut adalah Model Greenberg.

1.2 Identifikasi Masalah

Permasalahan dalam tulisan ini adalah bagaimana menunjukkan hubungan parameter volume, kecepatan, dan kepadatan, menentukan volume maksimum dengan Model Greenberg serta menunjukkan keeratan hubungan antar variabel untuk ruas jalan Ir. Juanda Medan.

1.3 Batasan Masalah

Dari segi luasnya cakupan masalah, dalam hal ini penulis memberi batasan-batasan masalah diantaranya data yang diambil adalah data volume dan data kecepatan lalulintas yang diselesaikan dengan Model Greenberg dengan objek penelitian yang diamati terdiri dari kendaraan ringan dan sepeda motor.

(14)

sepeda motor yang dimaksud adalah kendaraan bermotor dengan 2 atau 3 roda seperti sepeda motor dan kendaraan roda 3 sesuai sistim klasifikasi Bina Marga.

Dalam penelitian ini, kendaraan berat tidak dihitung ataupun dapat diabaikan karena kendaraan berat yang dimaksud tidak melintas di ruas jalan Ir. Juanda secara reguler.

1.4 Tinjauan Pustaka

Alamsyah, A.A (2008) menyatakan bahwa tidak ada arus lalu lintas yang sama bahkan pada keadaan yang serupa, sehingga arus pada suatu ruas jalan tertentu selalu bervariasi. Dengan demikian diperlukan parameter yang dapat menunjukkan kondisi arus suatu ruas jalan. Parameter-parameter tersebut adalah volume, kecepatan, dan kepadatan, tingkat pelayanan, dan derajat kejenuhan.

Jotin Khisty, B. Kent Lall (2003) menyatakan bahwa terdapat tiga parameter utama yang berhubungan dengan arus lalu lintas yang mana parameter-parameter tersebut saling berhubungan secara matematis satu dengan yang lainnya, yaitu :

Kecepatan, dinyatakan dengan notasi V, didefinisikan sebagai suatu laju pergerakan, seperti jarak per satuan waktu, umumnya dalam mil/jam (mph) atau kilometer/jam.

Kepadatan, dinyatakan dengan D, didefinisikan sebagai jumlah kendaraan yang menempati suatu panjang tertentu dari lajur atau jalan, dirata-ratakan dengan waktu, biasanya dinyatakan dengan jumlah kendaraan/mil atau jumlah kendaraan/kilometer.

Pada buku Manual Kapasitas Jalan Indonesia (MKJI) dinyatakan bahwa untuk melihat pengaruh dari satu jenis kendaraan terhadap arus lalu lintas keseluruhan, nilai

(15)

ekivalensi satuan mobil penumpang yang dipakai dalam penelitian ini yaitu untuk kendaraan berat = 1.20, kendaraan ringan = 1.00, dan sepeda motor = 0.25.

Nilai ekivalensi satuan mobil penumpang adalah faktor konversi berbagai jenis kendaraan dibandingkan dengan mobil penumpang atau kendaraan ringan lainnya sehubungan dengan dampaknya pada perilaku lalu-lintas.

Kendaraan ringan yang dimaksud adalah kendaraan bermotor ber as dua dengan 4 roda dan dengan jarak as 2.0 – 3.0 meter ; yang meliputi mobil penumpang, oplet, mikrobis, pick up dan truk kecil sesuai sistem klasifikasi Bina Marga, serta kendaraan berat yang dimaksud adalah kendaraan bermotor dengan lebih dari 4 roda yang meliputi bis, truk 2 as, truk 3 as, dan truk kombinasi sesuai sistem klasifikasi Bina Marga.

1.5 Tujuan Penelitian

Tujuan dari penelitian ini adalah menunjukkan hubungan matematis antara volume, kecepatan, dan kepadatan, menentukan volume maksimum, menentukan pada kondisi bagaimana tingkat volume maksimum dapat terjadi dengan Model Greenberg pada ruas jalan Ir. Juanda Medan .

1.6 Kontribusi Penelitian

Tulisan ini diharapkan dapat menjadi pedoman pengelolaan lalu lintas di ruas jalan Ir. Juanda, sehingga menghasilkan kenyamanan masyarakat dalam berlalulintas.

(16)

1.7 Metode Penelitian

Penelitian ini dilakukan dengan cara pengambilan data (survey lapangan) pada ruas jalan Ir. Juanda Medan. Metodologi penelitian yang digunakan mengikuti langkah-langkah sebagai berikut :

1. Pengumpulan data

Untuk mendapatkan hubungan antara volume, kecepatan, dan kepadatan pada ruas jalan yang diteliti, data yang dikumpulkan adalah:

a. Data volume setiap jenis kendaraan.

Berdasarkan buku Manual Kapasitas Jalan Indonesia (MKJI), untuk melihat pengaruh dari satu jenis kendaraan terhadap arus lalu lintas keseluruhan, nilai ekivalensi satuan mobil penumpang yang dipakai dalam penelitian adalah:

Kendaraan ringan : 1.00 Sepeda motor : 0.25

b. Data kecepatan, berupa pencatatan waktu tempuh kendaraan selama melewati panjang jalan yang diamati, yang dilakukan secara manual dengan bantuan stopwatch.

2. Pengolahan data

a. Dari data yang diperoleh akan dilakukan perhitungan volume, kecepatan, dan kepadatan dengan menggunakan analogi konsep arus-fluida (model Greenberg) yakni sebagai berikut :

b. Membuat tabel analisis perhitungan dengan Model Greenberg.

c. Menentukan hubungan matematis antara kecepatan-kepadatan, volume-kecepatan, dan volume-kepadatan.

(17)

d. Menentukan volume maksimum (kapasitas).

e. Menentukan pada kondisi bagaimana volume maksimum dapat terjadi. 3. Menarik kesimpulan.

(18)

BAB 2

LANDASAN TEORI

2.1 Peranan Politik Transportasi

Dunia terbagi atas berbagai satuan politis, di mana pada umumnya kecenderungan dibentuknya pemerintahan dan hukum hampir seragam yaitu untuk perlindungan bersama terhadap musuh, untuk keuntungan ekonomi, pengembangan kebudayaan, dan sebab-sebab lainnya.

Transportasi memainkan peranan penting dalam berfungsinya satuan politis itu. Juga oleh karena banyaknya bentuk sistem transportasi dapat disediakan dengan ruang gerak teknologi transportasi yang luas dan kemungkinan pengaruh jangka panjang sistem transportasi pada suatu masyarakat, maka pemilihan bentuk suatu sistem transportasi haruslah dibuat dengan mempertimbangkan konsekuensi politis yang mungkin muncul.

Ada dua peran utama politik transportasi yaitu yang pertama, transportasi bersama-sama dengan komunikasi dapat memudahkan pemerintahan suatu wilayah yang luas oleh satu pusat kekuasaan tertentu, dan dapat menyeragamkan penggunaan hukum dan keadilan di sana. Yang kedua adalah, dengan beragamnya teknologi transportasi, maka pilihan yang harus diambil juga sangat banyak, masyarakat harus memilih transportasi yang paling sesuai bagi mereka karena dapat memberikan pengaruh yang penting terhadap struktur ekonomi dan sosial masyarakat mereka.

(19)

2.2 Komponen-Komponen Sistem Transportasi

Semua sistem transportasi terdiri dari komponen-komponen yang dapat diklasifikasikan dalam berbagai kelompok sebagai berikut : kendaraan, ruas jalan, persimpangan jalan, terminal, dan rencana operasi.

Komponen-komponen ini berhubungan dengan pengaturan ruang dari fasilitas tetap dan pola arus kendaraan. Karakteristik dari komponen sistem transportasi dikaitkan dengan ruas pada jaringan.

2.3 Karakteristik Arus Lalulintas

Dalam teori arus lalulintas, ada dua karakteristik yaitu karakteristik primer dan karakteristik sekunder. Tiga karakteristik primer dalam teori arus lalulintas yang sering saling terkait adalah volume, kecepatan, dan kepadatan.

Volume, dinyatakan dengan Q, didefinisikan sebagai jumlah sebenarnya dari kendaraan yang diamati atau diperkirakan melalui suatu titik selama rentang waktu tertentu, biasanya dinyatakan dengan jumlah kendaraan/jam. Kecepatan, dinyatakan dengan notasi V, didefinisikan sebagai suatu laju pergerakan, seperti jarak per satuan waktu, umumnya dalam mil/jam (mph) atau kilometer/jam. Kepadatan, dinyatakan dengan D, didefinisikan sebagai jumlah kendaraan yang menempati suatu panjang tertentu dari lajur atau jalan, dirata-ratakan dengan waktu, biasanya dinyatakan dengan jumlah kendaraan/ mil atau jumlah kendaraan/kilometer.

Sedangkan yang termasuk karakteristik sekunder yaitu waktu-antara kendaraan dan jarak-antara kendaraan. Waktu-antara kendaraan adalah waktu yang diperlukan antara satu kendaraan dengan kendaraan berikutnya untuk melalui satu titik tertentu yang tetap. Jarak-antara kendaraan adalah jarak antara bagian depan satu kendaraan dengan bagian depan kendaraan berikutnya. Besarnya jarak antara menentukan kapan seseorang pengemudi harus mengurangi kecepatan dan kapan dia harus menambah kecepatan kendaraannya.

(20)

2.4 Transportasi Dalam Masyarakat

Transportasi adalah bagian dari masyarakat yang mana dapat menunjukkan hubungan yang sangat erat dengan gaya hidup. Malahan kemajuan-kemajuan dalam bidang transportasi telah memungkinkan perubahan dalam cara hidup dan cara masyarakat diatur, dengan demikian mempengaruhi perkembangan peradaban manusia

2.5 Satuan Mobil Penumpang

Kendaraan yang melewati suatu ruas jalan terdiri dari berbagai jenis kendaraan ringan sampai kendaraan yang berat, maka kapasitas jalan perlu dikonversikan dalam keadaan standard, yaitu mobil penumpang. Satuan yang digunakan adalah satuan mobil penumpang(smp).Manual Kapasitas Jalan Indonesia (MKJI,1997) menyatakan bahwa untuk melihat pengaruh dari jenis kendaraan terhadap arus lalu lintas keseluruhan, nilai ekivalensi yang digunakan dalam penelitian ini adalah :

a. Kendaraan ringan = 1.00 b. Sepeda Motor = 0.25

Kendaraan ringan yang dimaksud adalah kendaraan bermotor ber as dua dengan 4 roda dan dengan jarak as 2.0 – 3.0 meter ; yang meliputi mobil penumpang, oplet, mikrobis, pick up dan truk kecil sesuai sistem klasifikasi Bina Marga, serta sepeda motor yang dimaksud adalah kendaraan bermotor dengan 2 atau 3 roda yang meliputi sepeda motor dan kendaraan roda 3 sesuai sistem klasifikasi Bina Marga.

2.6 Model Greenberg

Model Greenberg dibuat dengan mengasumsikan bahwa arus lalu lintas sama dengan arus fluida. Greenberg (1959), mengadakan studi di Terowongan Lincoin dan menganalisa hubungan antara kecepatan dengan kepadatan dengan mempergunakan asumsi persamaan kontinuitas dari gerak benda cair, yaitu

(21)

dimana :

adalah kecepatan ruang rata-rata (km/jam)

D adalah kepadatan ( kendaraan/km)

x adalah jarak (km)

t adalah waktu untuk menempuh x c adalah konstatnta

Dengan menggunakan asumsi di atas, Greenberg mendapatkan hubungan antara kecepatan dan kepadatan berbentuk logaritma dengan persamaan sebagai berikut :

dengan

adalah kecepatan saat volume maksimum adalah kepadatan saat volume maksimum

Konstanta Vm dan Dj, diperoleh dari persamaan (2.2) yang diubah menjadi

persamaan linier y = a + bx sebagai berikut

Variabel-variabel persamaan (2.3) di atas dimisalkan menjadi

Y= ;

;

Hubungan antara volume dan kepadatan, diperoleh dari yang disubstitusikan ke persamaan (2.3), diperoleh

(22)

Hubungan antara volume dan kecepatan , diperoleh dari yang disubstitusikan ke persamaan (2.2), diperoleh

(2.5) Model Greenberg sangat cocok untuk kondisi kepadatan lalu lintas yang tinggi karena dapat menghasilkan nilai pada saat terjadi macet total (Dj= D) dimana

kecepatan ruangnya sama dengan nol ( = 0).

Volume maksimum dihitung dengan menggunakan persamaan

dengan

adalah kepadatan saat volume maksimum adalah kecepatan saat volume maksimum

Konstanta dan diperoleh dari persamaan (2.4) dan (2.5) yang didiferensialkan terhadap kepadatan dan kecepatan. Selanjutnya hasil differesial disamakan dengan nol dan diperoleh

a. Kepadatan saat volume maksimum ( ) b. Kecepatan saat volume maksimum ( )

Kedua variabel di atas dimasukkan dalam persamaan (2.6), diperoleh

(23)

2.7 Analisis Regresi dan Korelasi

Secara umum, analisa yang dipakai untuk menentukan hubungan dua variabel adalah analisis regresi dan dalam analisis ini yang sering digunakan adalah metode kuadrat terkecil yakni dengan meminimalkan nilai total dari kuadrat perbedaan antara nilai observasi dan nilai perkiraan variabel tidak bebas.

Bila variabel tidak bebas Y dan variabel bebas X mempunyai hubungan linier, maka persamaan regresinya adalah

dengan konstanta a dan b diperoleh dari

dimana:

Kekuatan hubungan antara dua variabel dihitung dengan menggunakan nilai absolute koefisien korelasi tersebut. Nilai koefisien korelasi dihitung dengan menggunakan persamaan berikut:

Besarnya nilai r terletak antara . Apabila dua buah variabel mempunyai nilai maka antara dua variabel tersebut tidak ada hubungan.

(24)

Sedangkan apabila dua buah variabel mempunyai , maka dua buah variabel tersebut mempunyai hubungan yang sempurna.

Semakin tinggi nilai koefisien korelasi antara dua buah variabel, maka semakin tinggi kekuatan hubungan antara dua buah variabel tersebut. Begitu pula sebaliknya. Tanda (+) dan (-) pada koefisien korelasi menunjukkan arah hubungan antara dua variabel. Tanda minus (-) menunjukkan hubungan yang berlawanan arah, yang artinya bila nilai satu variabel naik maka yang lain turun. Tanda (+) menunjukkan hubungan yang searah antara dua variabel. Artinya, bila nilai variabel yang satu naik, maka nilai variabel yang lain juga naik.

(25)

BAB 3

PEMBAHASAN

3.1Pengumpulan Data

3.1.1 Lokasi Penelitian

Penelitian ini dilakukan di Jalan Ir. Juanda Medan dengan mengambil beberapa petimbangan sebagai berikut :

a. Ruas jalan tersebut merupakan salah satu ruas jalan dengan kepadatan kendaraan yang tinggi

b. Ruas jalan tersebut merupakan salah satu ruas jalan yang tidak banyak memiliki gangguan samping seperti pedagang kaki lima, parkir sembarangan, pejalan kaki, ataupun gangguan karena kendaraan yang ingin memutar balik.

c. Kondisi geometrik jalan dalam keadaan baik

d. Sebagai salah satu ruas jalan yang banyak dilalui kendaraan bermotor

e. Salah satu penghubung antara tempat tinggal masyarakat dengan tempat bekerja Dalam penelitian ini, panjang jalan yang diamati adalah sepanjang 200 meter.

3.1.2 Waktu Pengambilan Data

Untuk menggambarkan bagaimana kondisi arus lalu lintas pada ruas jalan ini, maka diperlukan data kecepatan kendaraan dan volume kendaraan di ruas jalan tersebut. Pengambilan data dilakukan dengan melihat kondisi kecepatan dan volume kendaraan pada masing-masing arah.

(26)

Penelitian ini dilakukan pada hari Senin, 18 Oktober 2010; Rabu, 20 Oktober 2010; dan jumat 22 Oktober 2010 yang mana setiap harinya dimulai dari pukul 07.00 WIB sampai pukul 17.00 WIB karena dianggap sebagai waktu aktifitas masyarakat pada umumnya. Dalam penentuan waktu penelitian ini juga melihat frekuensi kepadatan kendaraan. Kecepatan dan volume kendaraan yang lewat dicatat dalam setiap interval 15 menit. Penentuan waktu penelitian adalah dalam kondisi cuaca yang cerah.

3.1.3 Metode Pengambilan Data

Metode pengambilan data ini dilakukan secara observasi yakni mengambil data dengan mengamati secara langsung terjadinya sesuatu peristiwa.

Alat-alat yang dipergunakan dalam penelitian ini antara lain: a. Stop watch

b. Jam tangan c. Alat tulis

Dalam pengambilan data ini, peneliti dibantu oleh 9 orang petugas pencatat untuk mencatat jumlah kendaraan dan waktu tempuh kendaraan yang lewat dari ruas jalan yng diamati. Dalam hal ini, petugas pencatat adalah orang-orang yang berada dalam keadaan sehat, disiplin, teliti, dan mengerti akan persoalan yang akan diteliti.

Dalam pengambilan data ini, peneliti beserta petugas pencatat ditempatkan pada 2 pos yang berbeda. Pos pengamatan berada di tepi ruas jalan sehingga mempermudah pengambilan data. Masing- masing pos mengamati arus lalu lintas dari arah jalan yang berbeda.

Proses pengambilan data dilakukan dengan cara sebagai berikut : a. Waktu tempuh kendaraan

Dalam mengamati waktu tempuh kendaraan yang lewat, ditempatkan 8 orang petugas pencatat dengan masing-masing tugas sebagai berikut :

(27)

1. Dua orang bertugas sebagai pencatat waktu tempuh kendaraan berat untuk masing-masing arah jalan.

2. Dua orang betugas sebagai pencatat waktu tempuh mobil angkutan untuk masing-masing arah jalan.

3. Dua orang bertugas sebagai pencatat waktu tempuh mobil pribadi, truk kecil, dan pick up untuk masing-masing arah jalan.

4. Dua orang bertugas sebagai pencatat waktu tempuh sepeda motor untuk masing-,masing arah jalan.

Proses penghitungan waktu tempuh kendaraan dihitung saat kendaraan melewati titik awal dan akhir yang telah ditetapkan sebelumnya. Penghitungan waktu tempuh kendaraan berikutnya dimulai setelah kendaraan sebelumnya melewati titik akhir. Demikian penghitungan dilakukan sampai waktu penelitian hari itu selesai.

b. Volume kendaraan

Dua orang yang lain ditugaskan untuk mencatat banyaknya kendaraan yang lewat di sepanjang ruas jalan yang diteliti untuk masing-masing arah jalan.

3.1.4 Hasil Pengambilan Data

Hasil pengambilan data dapat dilihat dalam lampiran.

3.2Analisa Data

Konstanta dan , diperoleh dari persamaan (2.2) yang diubah menjadi persamaan linier Y = a + bX sebagai berikut:

Dengan:

;

(28)

Dengan menggunakan analisis regresi linier, maka diperoleh nilai a dan b sebagai berikut:

3.2.1 Perhitungan Untuk Arah Padang Bulan ke Bandara Polonia

Tabel 3.1 Prosedur perhitungan analisa hubungan matematis kecepatan-kepadatan pada Hari Senin

No Waktu Q

(smp/jam)

V(km/jam) =Yi

D=Q/V Ln D= Xi

(Xi)2 (Yi)2 Xi*Yi

1 7.00-07.15 301.75 29.67 10.17 2.32 5.38 880.43 68.82 2 07.16-07.30 302.75 30.27 10.00 2.30 5.30 916.34 69.71 3 07.31-07.45 243.5 30.87 7.89 2.07 4.27 953.05 63.76 4 07.46-08.00 203.75 29.98 6.80 1.92 3.67 898.77 57.45 5 08.01-08.15 174 32.78 5.31 1.67 2.79 1074.60 54.72 6 08.16-08.30 275.25 30.15 9.13 2.21 4.89 909.08 66.68 7 08.31-08.45 208.5 31.00 6.73 1.91 3.63 961.07 59.09 8 08.46-09.00 197 32.02 6.15 1.82 3.30 1024.99 58.17 9 09.01-09.15 196.25 29.54 6.64 1.89 3.59 872.76 55.94 10 09.16-09.30 245.5 29.54 8.31 2.12 4.48 872.68 62.55 11 09.31-09.45 162.5 29.76 5.46 1.70 2.88 885.37 50.51 12 09.46-10.00 163.75 29.91 5.48 1.70 2.89 894.40 50.85 13 10.00-11.00

14 11.00-11.15 198.75 27.39 7.26 1.98 3.93 750.33 54.29 15 11.16-11.30 145.75 29.97 4.86 1.58 2.50 898.17 47.40 16 11.31-11.45 265.5 29.32 9.06 2.20 4.85 859.70 64.60 17 11.46-12.00 192.75 28.54 6.75 1.91 3.65 814.26 54.51 18 12.01-12.15 192 28.88 6.65 1.89 3.59 833.89 54.71 19 12.16-12.30 131.5 28.51 4.61 1.53 2.34 812.71 43.58 20 12.31-12.45 206 29.05 7.09 1.96 3.84 843.87 56.90 21 12.45-13.00 248.75 30.37 8.19 2.10 4.42 922.20 63.87 22 13.00-14.00

23 14.01-14.15 204.25 29.47 6.93 1.94 3.75 868.29 57.05 24 14.16-14.30 195.25 29.38 6.65 1.89 3.59 863.12 55.64 25 14.31-14.45 149 30.03 4.96 1.60 2.57 901.81 48.10 26 14.45-15.00 184.5 30.51 6.05 1.80 3.24 931.15 54.91

(29)

27 15.01-15.15 186.5 28.58 6.53 1.88 3.52 816.81 53.61 28 15.16-15.30 175 30.11 5.81 1.76 3.10 906.55 52.99 29 15.31-15.45 206.5 28.96 7.13 1.96 3.86 838.93 56.89 30 15.46-16.00 160.5 29.45 5.45 1.70 2.87 867.35 49.94 31 16.01-16.15 222.25 29.47 7.54 2.02 4.08 868.47 59.54 32 16.16-16.30 192.25 28.98 6.63 1.89 3.58 839.67 54.83 33 16.31-16.45 213.75 29.41 7.27 1.98 3.93 864.94 58.33 34 16.46.17.00 265.75 29.34 9.06 2.20 4.86 861.02 64.66

∑ 6611 951.20 222.54 61.41 119.13 28306.79 1824.61 Rata-rata 29.72508 6.95 1.92 3.72 884.59 57.02

a. Dari tabel 3.1, nilai adan bdapat dihitung dengan menggunakan persamaan

Sehingga dihasilkan nilai dan . b. Dengan menggunakan nilai dan maka diperoleh hubungan matematis antar

parameter, yakni:

Hubungan Kecepatan-Kepadatan :

Hubungan Volume-Kepadatan : Hubungan Volume-Kecepatan : c. Volume Maksimum dapat dihitung dengan menggunakan persamaan:

didapat

didapat Sehingga didapat:

Dengan demikian volume maksimum dapat terjadi pada kondisi kepadatan _{dan bergerak dengan kecepatan}

(30)

Nilai koefisien korelasi dari table 3.1 di atas dapat diperoleh dengan menggunakan persamaan (2.13) yakni :

Karena besarnya koefisien korelasi (r) antara dua variabel adalah -0,12, maka dua buah variabel tersebut memiliki hubungan yang sempurna dan tanda (-) pada nilai r

menunjukkan hubungan antara kedua variabel adalah berlawanan arah.

Tabel 3.2 Prosedur perhitungan analisa hubungan matematis kecepatan-kepadatan pada Hari Rabu

No Waktu Q

(smp/jam)

V(km/jam) =Yi

D=Q/V Ln D= Xi

(Xi)2 (Yi)2 Xi*Yi

1 07.00-07.15 193.25 28.72 6.73 1.91 3.63 824.99 54.75 2 07.16-07.30 247.75 29.93 8.28 2.11 4.47 895.82 63.26 3 07.31-07.45 254.75 30.46 8.36 2.12 4.51 927.82 64.69 4 07.46-08.00 263 29.35 8.96 2.19 4.81 861.36 64.36 5 08.01-08.15 272.25 30.38 8.96 2.19 4.81 923.00 66.62 6 08.16-08.30 253.25 29.29 8.65 2.16 4.65 857.91 63.18 7 08.31-08.45 305 29.43 10.36 2.34 5.47 865.94 68.81 8 08.46-09.00 249 30.10 8.27 2.11 4.46 905.80 63.60 9 09.01-09.15 242 28.95 8.36 2.12 4.51 838.09 61.47 10 09.16-09.30 244.5 29.03 8.42 2.13 4.54 842.63 61.86 11 09.31-09.45 284.25 29.76 9.55 2.26 5.09 885.42 67.15 12 09.46-10.00 222 30.31 7.32 1.99 3.96 918.83 60.36 13 10.00-11.00

14 11.00-11.15 263 30.76 8.55 2.15 4.61 945.90 66.00 15 11.16-11.30 258.75 27.79 9.31 2.23 4.98 772.55 62.01 16 11.31-11.45 219.75 29.69 7.40 2.00 4.01 881.31 59.43 17 11.46-12.00 255.5 28.99 8.81 2.18 4.74 840.23 63.09 18 12.01-12.15 196.75 28.58 6.88 1.93 3.72 816.66 55.13 19 12.16-12.30 264.75 28.50 9.29 2.23 4.97 812.03 63.52 20 12.31-12.45 238 29.98 7.94 2.07 4.29 898.69 62.11 21 12.45-13.00 215.5 27.92 7.72 2.04 4.18 779.80 57.06 22 13.00-14.00

(31)

24 14.16-14.30 257.5 28.12 9.16 2.21 4.90 790.69 62.27 25 14.31-14.45 229 28.65 7.99 2.08 4.32 821.04 59.56 26 14.45-15.00 266.75 29.06 9.18 2.22 4.92 844.40 64.42 27 15.01-15.15 206.75 29.17 7.09 1.96 3.84 850.85 57.12 28 15.16-15.30 175.75 28.17 6.24 1.83 3.35 793.79 51.58 29 15.31-15.45 276.25 28.87 9.57 2.26 5.10 833.35 65.20 30 15.46-16.00 207.5 28.26 7.34 1.99 3.98 798.45 56.34 31 16.01-16.15 202.5 28.71 7.05 1.95 3.82 824.06 56.08 32 16.16-16.30 196.25 27.34 7.18 1.97 3.89 747.46 53.89 33 16.31-16.45 248 28.98 8.56 2.15 4.61 839.97 62.22 34 16.46.17.00 181.75 27.93 6.51 1.87 3.51 779.85 52.31 7601 930.61 261.14 66.93 140.49 27086.15 1947.31 Rata-rata 29.08155 8.16 2.09 4.39 846.44 60.85

a. Dari tabel 3.2, nilai b dan adapat dihitung dengan menggunakan persamaan

Sehingga dihasilkan nilai dan . b. Dengan menggunakan nilai dan maka diperoleh hubungan matematis antar

parameter, yakni:

Hubungan Kecepatan-Kepadatan :

Hubungan Volume-Kepadatan : Hubungan Volume-Kecepatan : c. Volume Maksimum dapat dihitung dengan menggunakan persamaan:

didapat

Sehingga didapat

Dengan demikian volume maksimum dapat terjadi pada kondisi kepadatan _{dan bergerak dengan kecepatan}_.

(32)

Nilai koefisien korelasi dari table 3.2 di atas dapat diperoleh dengan menggunakan persamaan (2.13) yakni :



 











 





61 , 930 15 , 27086 32 931 , 66 49 , 140 32 ) 61 , 930 )( 93 , 66 ( ) 31 , 1947 ( 32     r 26 , 0  r

Karena besarnya koefisien korelasi (r) antara dua variabel adalah 0,26, maka dua buah variabel tersebut memiliki hubungan yang sempurna dan tanda (+) pada nilai r menunjukkan hubungan antara kedua variabel adalah searah.

Tabel 3.3 Prosedur perhitungan analisa hubungan matematis kecepatan-kepadatan pada Hari Jumat

No Waktu Q

(smp/jam)

V(km/jam) =Yi

D=Q/V Ln D= Xi

(Xi)2 (Yi)2 Xi*Yi

1 07.00-07.15 267.25 28.70 9.31 2.23 4.98 823.79 64.04 2 07.16-07.30 282.5 29.39 9.61 2.26 5.12 863.91 66.51 3 07.31-07.45 249.5 28.32 8.81 2.18 4.73 802.10 61.62 4 07.46-08.00 172.25 28.67 6.01 1.79 3.21 822.10 51.41 5 08.01-08.15 160.25 28.39 5.64 1.73 3.00 806.03 49.14 6 08.16-08.30 187.25 28.59 6.55 1.88 3.53 817.11 53.73 7 08.31-08.45 234.5 29.23 8.02 2.08 4.34 854.55 60.87 8 08.46-09.00 258.25 28.64 9.02 2.20 4.84 820.22 62.98 9 09.01-09.15 312.25 29.47 10.60 2.36 5.57 868.35 69.56 10 09.16-09.30 216.5 27.62 7.84 2.06 4.24 762.63 56.87 11 09.31-09.45 243 28.74 8.45 2.13 4.56 826.20 61.36 12 09.46-10.00 201.75 28.67 7.04 1.95 3.81 821.96 55.94 13 10.00-11.00

14 11.00-11.15 228 27.49 8.29 2.12 4.48 755.52 58.15 15 11.16-11.30 266 28.18 9.44 2.25 5.04 793.85 63.25 16 11.31-11.45 210.75 27.22 7.74 2.05 4.19 741.20 55.72 17 11.46-12.00 164.75 28.86 5.71 1.74 3.03 833.15 50.28 18 12.01-12.15 221.25 27.54 8.03 2.08 4.34 758.60 57.39 19 12.16-12.30 148.5 26.54 5.60 1.72 2.97 704.22 45.70 20 12.31-12.45 276 28.14 9.81 2.28 5.21 791.96 64.25 21 12.45-13.00 217.25 27.06 8.03 2.08 4.34 732.45 56.37 22 13.00-14.00

23 14.01-14.15 230.25 28.80 8.00 2.08 4.32 829.38 59.87 24 14.16-14.30 250.25 29.07 8.61 2.15 4.63 845.28 62.58

(33)

25 14.31-14.45 239.75 30.19 7.94 2.07 4.29 911.45 62.56 26 14.45-15.00 280 28.68 9.76 2.28 5.19 822.67 65.35 27 15.01-15.15 250.75 28.75 8.72 2.17 4.69 826.71 62.27 28 15.16-15.30 253.25 29.57 8.56 2.15 4.61 874.62 63.51 29 15.31-15.45 233 28.47 8.19 2.10 4.42 810.31 59.84 30 15.46-16.00 254.5 29.23 8.71 2.16 4.68 854.20 63.25 31 16.01-16.15 234.75 28.26 8.31 2.12 4.48 798.62 59.83 32 16.16-16.30 261.75 29.22 8.96 2.19 4.81 854.02 64.07 33 16.31-16.45 234 27.50 8.51 2.14 4.58 756.49 58.89 34 16.46.17.00 238 27.94 8.52 2.14 4.59 780.80 59.86 7478 911.16 262.32 66.94 140.83 25964.44 1907.01 Rata-rata 28.47389 8.20 2.09 4.40 811.39 59.59

a. Dari tabel 3.3, nilai b dan a dapat dihitung dengan menggunakan persamaan

Sehingga dihasilkan nilai dan b. Dengan menggunakan nilai dan maka diperoleh hubungan matematis antar

parameter, yakni:

Hubungan Kecepatan-Kepadatan :

Hubungan Volume-Kepadatan : Hubungan Volume-Kecepatan : c. Volume Maksimum dapat dihitung dengan menggunakan persamaan:

didapat

didapat Sehingga didapat

Dengan demikian volume maksimum dapat terjadi pada kondisi kepadatan _{dan bergerak dengan kecepatan}

(34)

Nilai koefisien korelasi dari table 3.3 di atas dapat diperoleh dengan menggunakan persamaan (2.13) yakni :



 











 





16 , 911 44 , 25964 32 94 , 66 83 , 140 32 ) 16 , 911 )( 94 , 66 ( ) 01 , 1907 ( 32     r 24 , 0  r

Karena besarnya koefisien korelasi (r) antara dua variabel adalah 0,24, maka dua buah variabel tersebut memiliki hubungan yang sempurna dan tanda (+) pada nilai r menunjukkan hubungan antara kedua variabel adalah searah.

3.2.2 Perhitungan Untuk Arah Bandara Polonia ke Padang Bulan

Tabel 3.4 Prosedur perhitungan analisa hubungan matematis kecepatan-kepadatan pada Hari Senin

No Waktu Q

(smp/jam)

V(km/jam) =Yi

D=Q/V Ln D= Xi

(Xi)2 (Yi)2 XiYi

1 07.00-07.15 180 27.37 6.58 1.88 3.55 749.39 51.56 2 07.16-07.30 239.75 28.55 8.40 2.13 4.53 815.13 60.75 3 07.31-07.45 177.5 27.73 6.40 1.86 3.45 769.06 51.48 4 07.46-08.00 191 28.36 6.74 1.91 3.64 804.03 54.09 5 08.01-08.15 144.75 27.24 5.31 1.67 2.79 742.24 45.50 6 08.16-08.30 192.75 29.02 6.64 1.89 3.59 842.12 54.95 7 08.31-08.45 217.5 27.05 8.04 2.08 4.35 731.75 56.39 8 08.46-09.00 184 27.20 6.77 1.91 3.65 739.76 52.00 9 09.01-09.15 226.5 28.46 7.96 2.07 4.30 809.95 59.03 10 09.16-09.30 238.25 28.09 8.48 2.14 4.57 789.17 60.06 11 09.31-09.45 208.5 28.35 7.35 2.00 3.98 803.87 56.57 12 09.46-10.00 212.5 27.59 7.70 2.04 4.17 761.01 56.32 13 10.00-11.00

14 11.00-11.15 198.25 27.66 7.17 1.97 3.88 765.06 54.48 15 11.16-11.30 218.5 29.48 7.41 2.00 4.01 869.04 59.05 16 11.31-11.45 226.25 29.21 7.75 2.05 4.19 853.24 59.80 17 11.46-12.00 182.75 28.69 6.37 1.85 3.43 823.10 53.12 18 12.01-12.15 239.5 28.68 8.35 2.12 4.50 822.60 60.87 19 12.16-12.30 206 28.81 7.15 1.97 3.87 830.15 56.68 20 12.31-12.45 184 28.91 6.36 1.85 3.43 835.83 53.51

(35)

21 12.45-13.00 169.25 28.79 5.88 1.77 3.14 828.97 51.00 22 13.00-14.00

23 14.01-14.15 173.25 28.45 6.09 1.81 3.26 809.26 51.40 24 14.16-14.30 222.25 28.74 7.73 2.05 4.18 825.99 58.79 25 14.31-14.45 178.25 28.41 6.27 1.84 3.37 807.32 52.18 26 14.45-15.00 176.75 28.44 6.22 1.83 3.34 808.56 51.95 27 15.01-15.15 183.75 27.92 6.58 1.88 3.55 779.49 52.61 28 15.16-15.30 217.75 28.72 7.58 2.03 4.10 824.62 58.18 29 15.31-15.45 221.75 28.32 7.83 2.06 4.23 802.25 58.29 30 15.46-16.00 212 28.07 7.55 2.02 4.09 788.06 56.76 31 16.01-16.15 212 28.47 7.45 2.01 4.03 810.39 57.16 32 16.16-16.30 173.75 28.77 6.04 1.80 3.23 827.59 51.73 33 16.31-16.45 223 28.00 7.97 2.08 4.31 783.83 58.10 34 16.46.17.00 194.75 28.60 6.81 1.92 3.68 818.16 54.87 6426.75 906.16 226.92 62.47 122.39 25670.99 1769.18 Rata-rata 28.31735 7.09 1.95 3.82 802.22 55.29

a. Dari tabel 3.4, nilai b dan a dapat dihitung dengan menggunakan persamaan:

Sehingga dihasilkan nilai dan . b. Dengan menggunakan nilai dan maka diperoleh hubungan matematis antar

parameter, yakni:

Hubungan Kecepatan-Kepadatan :

Hubungan Volume-Kepadatan : Hubungan Volume-Kecepatan : c. Volume Maksimum dapat dihitung dengan menggunakan persamaan:

didapat

(36)

Sehingga didapat

Dengan demikian volume maksimum dapat terjadi pada kondisi kepadatan _{dan bergerak dengan kecepatan}_.

Nilai koefisien korelasi dari table 3.4 di atas dapat diperoleh dengan menggunakan persamaan (2.13) yakni :



 











 





16 , 906 99 , 25670 32 47 , 62 39 , 123 32 ) 16 , 906 )( 47 , 62 ( ) 18 , 1769 ( 32     r 08 , 0  r

Karena besarnya koefisien korelasi (r) antara dua variabel adalah 0,08, maka dua buah variabel tersebut memiliki hubungan yang sempurna dan tanda (+) pada nilai r menunjukkan hubungan antara kedua variabel adalah searah.

Tabel 3.5 Prosedur perhitungan analisia hubungan matematis kecepatan-kepadatan pada Hari Rabu

No Waktu Q

(smp/jam)

V(km/jam) =Yi

D=Q/V Ln D= Xi

(Xi)2 (Yi)2 XiYi

1 07.00-07.15 181.75 28.83 6.30 1.84 3.39 831.30 53.08 2 07.16-07.30 2197.25 29.29 7.42 2.00 4.02 857.95 58.69 3 07.31-07.45 216.25 29.44 7.34 1.99 3.98 866.83 58.71 4 07.46-08.00 209.25 30.56 6.85 1.92 3.70 933.62 58.79 5 08.01-08.15 155.75 29.23 5.33 1.67 2.80 854.61 48.91 6 08.16-08.30 242.25 28.37 8.54 2.14 4.60 805.00 60.85 7 08.31-08.45 178 28.31 6.29 1.84 3.38 801.36 52.05 8 08.46-09.00 208.75 29.05 7.19 1.97 3.89 843.70 57.29 9 09.01-09.15 163.25 29.27 5.58 1.72 2.95 856.98 50.31 10 09.16-09.30 156.25 29.24 5.34 1.68 2.81 854.85 49.00 11 09.31-09.45 227 29.69 7.65 2.03 4.14 881.46 60.39 12 09.46-10.00 155.75 28.54 5.46 1.70 2.88 814.72 48.43 13 10.00-11.00

14 11.00-11.15 206 28.08 7.34 1.99 3.97 788.74 55.96 15 11.16-11.30 166.5 28.06 5.93 1.78 3.17 787.32 49.96

(37)

16 11.31-11.45 263.25 27.63 9.53 2.25 5.08 763.20 62.28 17 11.46-12.00 182.75 27.14 6.73 1.91 3.64 736.42 51.76 18 12.01-12.15 172.25 27.73 6.21 1.83 3.34 769.12 50.65 19 12.16-12.30 266 27.49 9.68 2.27 5.15 755.73 62.39 20 12.31-12.45 242.75 27.43 8.85 2.18 4.75 752.24 59.80 21 12.45-13.00 150.5 27.32 5.51 1.71 2.91 746.28 46.62 22 13.00-14.00

23 14.01-14.15 221.75 29.53 7.51 2.02 4.06 872.30 59.54 24 14.16-14.30 257.75 27.76 9.29 2.23 4.97 770.54 61.86 25 14.31-14.45 257 29.68 8.66 2.16 4.66 880.73 64.06 26 14.45-15.00 200.75 28.56 7.03 1.95 3.80 815.65 55.69 27 15.01-15.15 160 28.92 5.53 1.71 2.93 836.46 49.47 28 15.16-15.30 261 28.35 9.21 2.22 4.93 803.49 62.93 29 15.31-15.45 202 29.99 6.74 1.91 3.64 899.34 57.20 30 15.46-16.00 256.25 29.37 8.73 2.17 4.69 862.31 63.62 31 16.01-16.15 192 28.78 6.67 1.90 3.60 828.55 54.62 32 16.16-16.30 165.5 29.08 5.69 1.74 3.02 845.72 50.57 33 16.31-16.45 193 28.69 6.73 1.91 3.63 823.30 54.69 34 16.46.17.00 245.5 28.35 8.66 2.16 4.66 803.48 61.19 6574 917.76 229.49 62.49 123.14 26343.31 1791.38 Rata-rata 28.67994 7.17 1.95 3.85 823.23 55.98

a. Dari tabel 3.5, nilai b dan a dapat dihitung dengan menggunakan persamaan

Sehingga dihasilkan nilai dan

b. Dengan menggunakan nilai dan maka diperoleh hubungan matematis antar parameter, yakni:

Hubungan Kecepatan-Kepadatan :

Hubungan Volume-Kepadatan : Hubungan Volume-Kecepatan : c. Volume Maksimum dapat dihitung dengan menggunakan persamaan:

didapat

(38)

Sehingga didapat

Dengan demikian volume maksimum dapat terjadi pada kondisi kepadatan _{dan bergerak dengan kecepatan}_.

Nilai koefisien korelasi dari tabel 3.5 di atas dapat diperoleh dengan menggunakan persamaan (2.13) yakni :



 















76 , 917 31 , 26343 32 49 , 62 14 , 123 32 ) 76 , 917 )( 49 , 62 ( ) 38 , 1791 ( 32     r 16 , 0   r

Karena besarnya koefisien korelasi (r) antara dua variabel adalah -0,16, maka dua buah variabel tersebut memiliki hubungan yang sempurna dan tanda (-) pada nilai r menunjukkan hubungan antara kedua variabel adalah berlawanan arah.

Tabel 3.6 Prosedur perhitungan analisa hubungan matematis kecepatan-kepadatan pada Hari Jumat

No Waktu Q

(smp/jam)

V(km/jam) =Yi

D=Q/V Ln D= Xi

(Xi) 2

(Yi) 2

XiYi

1 07.00-07.15 163.25 30.99 5.27 1.66 2.76 960.19 51.49 2 07.16-07.30 158.25 29.29 5.40 1.69 2.85 857.78 49.41 3 07.31-07.45 256 28.86 8.87 2.18 4.76 832.83 62.99 4 07.46-08.00 215.75 29.29 7.37 2.00 3.99 858.08 58.49 5 08.01-08.15 210.25 28.55 7.36 2.00 3.99 815.09 57.00 6 08.16-08.30 204.25 29.97 6.81 1.92 3.68 898.48 57.52 7 08.31-08.45 245.5 30.50 8.05 2.09 4.35 930.46 63.61 8 08.46-09.00 155 29.38 5.28 1.66 2.77 863.20 48.86 9 09.01-09.15 192 30.69 6.26 1.83 3.36 942.02 56.27 10 09.16-09.30 224 28.78 7.78 2.05 4.21 828.30 59.06 11 09.31-09.45 165 29.31 5.63 1.73 2.99 859.03 50.65 12 09.46-10.00 182 29.67 6.13 1.81 3.29 880.34 53.82 13 10.00-11.00

14 11.00-11.15 233.5 28.64 8.15 2.10 4.40 820.08 60.09 15 11.16-11.30 195.25 27.11 7.20 1.97 3.90 734.86 53.52 16 11.31-11.45 176.75 27.42 6.45 1.86 3.47 751.86 51.10 17 11.46-12.00 172.75 28.63 6.03 1.80 3.23 819.48 51.46

(39)

18 12.01-12.15 195.75 28.77 6.80 1.92 3.68 827.95 55.17 19 12.16-12.30 190.25 28.00 6.79 1.92 3.67 783.98 53.65 20 12.31-12.45 198.75 27.49 7.23 1.98 3.91 755.45 54.38 21 12.45-13.00 175.75 27.68 6.35 1.85 3.42 766.24 51.16 22 13.00-14.00

23 14.01-14.15 234 28.04 8.35 2.12 4.50 786.05 59.49 24 14.16-14.30 228.75 27.47 8.33 2.12 4.49 754.35 58.22 25 14.31-14.45 235 27.81 8.45 2.13 4.55 773.40 59.35 26 14.45-15.00 203 27.67 7.34 1.99 3.97 765.38 55.14 27 15.01-15.15 224.25 28.39 7.90 2.07 4.27 805.95 58.67 28 15.16-15.30 235 30.80 7.63 2.03 4.13 948.40 62.58 29 15.31-15.45 200.5 28.52 7.03 1.95 3.80 813.58 55.62 30 15.46-16.00 176.25 29.58 5.96 1.78 3.19 874.72 52.79 31 16.01-16.15 257.5 29.30 8.79 2.17 4.72 858.67 63.69 32 16.16-16.30 215 28.13 7.64 2.03 4.14 791.44 57.21 33 16.31-16.45 220.5 28.49 7.74 2.05 4.19 811.44 58.30 34 16.46.17.00 166.25 28.57 5.82 1.76 3.10 816.51 50.32 6506 921.78 226.20 62.23 121.74 26585.57 1791.09 Rata-rata 28.80553 7.07 1.94 3.78 830.80 55.97

a. Dari tabel 3.6, nilai b dan a dapat dihitung dengan menggunakan persamaan

Sehingga dihasilkan nilai dan b. Dengan menggunakan nilai dan maka diperoleh hubungan matematis antar

parameter, yakni:

Hubungan Kecepatan-Kepadatan :

Hubungan Volume-Kepadatan : Hubungan Volume-Kecepatan : c. Volume Maksimum dapat dihitung dengan menggunakan persamaan:

(40)

29 didapat didapat Sehingga didapat

Dengan demikian volume maksimum dapat terjadi pada kondisi kepadatan dan bergerak dengan kecepatan .

Nilai koefisien korelasi dari tabel 3.6 di atas dapat diperoleh dengan menggunakan persamaan (2.13) yakni :



 











 





78 , 921 57 , 26585 32 23 , 62 74 , 121 32 ) 78 , 921 )( 23 , 62 ( ) 09 , 1791 ( 32     r 3 , 0   r

Karena besarnya koefisien korelasi (r) antara dua variabel adalah -0,3, maka dua buah variabel tersebut memiliki hubungan yang sempurna dan tanda (-) pada nilai r menunjukkan hubungan antara kedua variabel adalah berlawanan arah.

(41)

BAB 4

KESIMPULAN DAN SARAN

4.1 KESIMPULAN

Model Greenberg adalah menyatakan bahwa hubungan antara kecepatan dan kepadatan berbentuk logaritma. Analisa hubungan kecepatan dan kepadatan kendaraan dilakukan dengan mempergunakan asumsi persamaan kontinuitas dari gerak benda cair atau bias juga dikatakan gerak arus fluida.

Model Greenberg dapat digunakan untuk menunjukkan hubungan matematis antara volume, kecepatan, dan kepadatan kendaraan serta dapat mengetahui karakteristik arus lalu lintas di ruas Jalan Ir. Juanda Medan. Dengan demikian, model ini dapat dijadikan sebagai dasar pengelolaan lalu lintas di ruas jalan Ir. Juanda Medan sehingga memberikan kenyamanan bagi masyarakat dalam berlalu lintas.

Hubungan matematis yang diperoleh dalam penelitian ini adalah a. Arah Padang Bulan ke Bandara Polonia

1. Senin / 18 Oktober 2010

Hubungan kecepatan-kepadatan : Hubungan volume-kepadatan : Hubungan volume-kecepatan : 2. Rabu / 20 Oktober 2010

Hubungan kecepatan-kepadatan : Hubungan volume-kepadatan : Hubungan volume-kecepatan : 3. Jumat / 22 Oktober 2010

(42)

Hubungan volume-kepadatan : Hubungan volume-kecepatan : b. Arah Bandara Polonia ke Padang bulan

1. Senin / 18 Oktober 2010

Hubungan kecepatan-kepadatan :

Hubungan volume-kepadatan : Hubungan volume-kecepatan : 2. Rabu / 20 Oktober 2010

Hubungan kecepatan-kepadatan : Hubungan volume-kepadatan : Hubungan volume-kecepatan : 3. Jumat / 22 Oktober 2010

Hubungan kecepatan-kepadatan : Hubungan volume-kepadatan : Hubungan volume-kecepatan :

Besarnya koefisien korelasi yang diperoleh diantaranya: 1. Untuk Arah Padang Bulan ke Bandara Polonia

a. Senin/ 18 Oktober 2010 adalah -0,12 b. Rabu/ 20 Oktober 2010 adalah 0,26 c. Jumat/ 22 Oktober 2010 adalah 0,24 2. Untuk Arah Bandara Polonia ke Padang bulan

a. Senin/ 18 Oktober 2010 adalah 0,08 b. Rabu/ 20 Oktober 2010 adalah -0,16 c. Jumat/ 22 Oktober 2010 adalah -0,3

(43)

4.2 SARAN

Pada dasarnya, untuk mengukur kecepatan kendaraan dengan menggunakan

stopwatch harus benar-benar teliti. Oleh karena itu, perlu dipikirkan kembali metode pengukuran kecepatan kendaraan yang lebih baik.

Untuk penelitian selanjutnya, perlu mengadakan survey pada beberapa ruas jalan lain di Kota Medan, sehingga lebih mengetahui kondisi arus lalu lintas di Kota Medan yang sebenarnya.

(44)

DAFTAR PUSTAKA

Alamsyah, A. A. 2005. Rekayasa Lalu Lintas. Malang : Universitas Muhammadiyah Malang.

Gunawan, H dan Purnawan. 1998. Hubungan Parameter Kecepatan, Volume, dan Kepadatan Lalu Lintas di Kotamadya Padang . Dalam Forum Studi

Transportasi antar Perguruan Tinggi Institut Teknologi Bandung. Prosiding Simposium I : hal 449-458

Hendarto, Sri dkk. 2001. Dasar-dasar Transportasi. Bandung : ITB.

Hobbs, F. D. 1995. Perencanaan dan Teknik Lalu Lintas. Edisi kedua. Alih Bahasa Ir. Suprapto TM, MSc. Dan Ir. Waldijono. Gajahmada University Press Khisty, C. Jotin, B. Kent Lall. 2005. Dasar-dasar Rekayasa Transportasi. Jilid 1.

Edisi ke-3. Alih bahasa Fidel Miro. Jakarta : Erlangga

Manual Kapasitas Jalan Indonesia (MKJI). 1997. Departemen Pekerjaan umum : Bina Marga

Morlok, Edward K. 1991. Pengantar Teknik dan Perencanaan Transportasi. Alih Bahasa Ir. Johan Kelanaputra Hainim. Erlangga

(1)

a. Dari tabel 3.6, nilai b dan a dapat dihitung dengan menggunakan persamaan

Sehingga dihasilkan nilai dan b. Dengan menggunakan nilai dan maka diperoleh hubungan matematis antar

parameter, yakni:

Hubungan Kecepatan-Kepadatan :

Hubungan Volume-Kepadatan : Hubungan Volume-Kecepatan :

(2)

didapat didapat Sehingga didapat

Dengan demikian volume maksimum dapat terjadi pada kondisi kepadatan dan bergerak dengan kecepatan .

Nilai koefisien korelasi dari tabel 3.6 di atas dapat diperoleh dengan menggunakan persamaan (2.13) yakni :



 











 





78 , 921 57 , 26585 32 23 , 62 74 , 121 32 ) 78 , 921 )( 23 , 62 ( ) 09 , 1791 ( 32     r 3 , 0   r

(3)

BAB 4

KESIMPULAN DAN SARAN

4.1 KESIMPULAN

Hubungan matematis yang diperoleh dalam penelitian ini adalah a. Arah Padang Bulan ke Bandara Polonia

1. Senin / 18 Oktober 2010

Hubungan kecepatan-kepadatan : Hubungan volume-kepadatan : Hubungan volume-kecepatan : 2. Rabu / 20 Oktober 2010

Hubungan kecepatan-kepadatan : Hubungan volume-kepadatan : Hubungan volume-kecepatan : 3. Jumat / 22 Oktober 2010

(4)

Hubungan volume-kepadatan : Hubungan volume-kecepatan : b. Arah Bandara Polonia ke Padang bulan

1. Senin / 18 Oktober 2010

Hubungan kecepatan-kepadatan :

Hubungan volume-kepadatan : Hubungan volume-kecepatan : 2. Rabu / 20 Oktober 2010

Hubungan kecepatan-kepadatan : Hubungan volume-kepadatan : Hubungan volume-kecepatan : 3. Jumat / 22 Oktober 2010

Hubungan kecepatan-kepadatan : Hubungan volume-kepadatan : Hubungan volume-kecepatan :

Besarnya koefisien korelasi yang diperoleh diantaranya: 1. Untuk Arah Padang Bulan ke Bandara Polonia

a. Senin/ 18 Oktober 2010 adalah -0,12 b. Rabu/ 20 Oktober 2010 adalah 0,26 c. Jumat/ 22 Oktober 2010 adalah 0,24 2. Untuk Arah Bandara Polonia ke Padang bulan

a. Senin/ 18 Oktober 2010 adalah 0,08 b. Rabu/ 20 Oktober 2010 adalah -0,16 c. Jumat/ 22 Oktober 2010 adalah -0,3

(5)

4.2 SARAN

Pada dasarnya, untuk mengukur kecepatan kendaraan dengan menggunakan stopwatch harus benar-benar teliti. Oleh karena itu, perlu dipikirkan kembali metode pengukuran kecepatan kendaraan yang lebih baik.

Untuk penelitian selanjutnya, perlu mengadakan survey pada beberapa ruas jalan lain di Kota Medan, sehingga lebih mengetahui kondisi arus lalu lintas di Kota Medan yang sebenarnya.

(6)

DAFTAR PUSTAKA

Alamsyah, A. A. 2005. Rekayasa Lalu Lintas. Malang : Universitas Muhammadiyah Malang.

Gunawan, H dan Purnawan. 1998. Hubungan Parameter Kecepatan, Volume, dan Kepadatan Lalu Lintas di Kotamadya Padang . Dalam Forum Studi

Transportasi antar Perguruan Tinggi Institut Teknologi Bandung. Prosiding Simposium I : hal 449-458

Hendarto, Sri dkk. 2001. Dasar-dasar Transportasi. Bandung : ITB.

Edisi ke-3. Alih bahasa Fidel Miro. Jakarta : Erlangga

Manual Kapasitas Jalan Indonesia (MKJI). 1997. Departemen Pekerjaan umum : Bina Marga

Morlok, Edward K. 1991. Pengantar Teknik dan Perencanaan Transportasi. Alih Bahasa Ir. Johan Kelanaputra Hainim. Erlangga

Penerapan Model Greenberg Untuk Arus Lalu Lintas (Studi Kasus : Jalan Ir. Juanda Medan)