Simulasi Kemacetan Kota Bandung Dengan P
Simulasi Kemacetan Kota Bandung Dengan Pendekatan Activity-Based Pada Pekerja
Kantoran
Dini Turipanam Alamanda1, Osa Omar Sharif2
Abstract
This paper is motivated by the reality that one of the factors causing congestion Bandung is
high number of vehicles because of people activity variations. In this paper, a mechanisms
can describe the congestion in Bandung; the mechanisms is activity mechanism. Using
computer simulation, virtual experiments are conducted. In these experiments, the number of
transportation mode which contributes to the road density in Bandung is analyzed. Based on
the experiment results, macro economics issues can influences what kind of transportation
mode contributes to the road density in Bandung.
Keywords: Activity-Based, Congestion, Transportation Mode, Computer Simulation
Pendahuluan
Dalam kehidupan sehari-hari, normalnya orang yang bekerja sebagai pekerja kantoran
melakukan aktivitas bekerja dari pagi hingga sore hari (office hours) setiap hari kerja (seninjumat). Banyak cara yang dilakukan pekerja kantoran untuk bisa sampai ke tempat kerja, ada
yang menggunakan kendaraan pribadi dan ada juga yang menggunakan kendaraan umum
seperti ojek, taksi atau angkutan kota. Alasan mengenai bagaimana cara pekerja kantoran
sampai ke tempat kerja tentu beragam. Aktivitas dan Interaksi sosial yang dilakukan para
pekerja kantoran sedikit banyaknya bisa sangat berpengaruh terhadap keputusan memilih
kendaraan untuk sampai ke tempat kerjanya. Misalnya, Pekerja kantor A, sebelum ke kantor
A biasa berbelanja ke pasar tradisional lalu kembali ke rumah menyimpan barang belanjaan
setelah itu mengantar anaknya ke sekolah baru ke kantor. Berbeda dengan A, Pekerja
Kantoran B, setelah solat subuh dia biasa ikut pengajian di lingkungannya, setelah itu si B
baru mengantarkan anakanya ke sekolah, dan pergi ke kantor setelahnya. Kemudian pekerja
kantoran C, aktivitas pagi harinya hanya pergi ke kantor, namun rute menuju kantornya
melewati jalan memutar karena menghindari macet. Dari ilustrasi diatas, terdapat gambaran
bahwa bisa jadi cara pekerja kantoran sampai ke tempat kerjanya diakibatkan dari aktivitas
rutin sehari-hari yang dilakukannya.
Kota Bandung memiliki populasi 2.228.268 jiwa (terdiri dari 1.113.267 jiwa perempuan dan
1.115.001 jiwa laki-laki), dan dengan jumlah pekerja dari sektor usaha formal sebanyak
823.375 jiwa (PemkotBandung, 2011). Meningkatnya jumlah pekerja di kota Bandung berarti
juga meningkatnya mobilitas pekerja, oleh karena itu meningkat pula kebutuhan moda
transportasi. Ada lima jenis moda transportasi yang biasa digunakan para pekerja kantoran
untuk mobilitas mereka, mobil pribadi, sepeda motor, bus (Damri), transportasi kota (angkot),
dan kendaraan tidak bermotor (becak). SAMSAT kota Bandung (2004) dalam Bandung
(2010) menyebutkan jumlah sepeda motor di kota Bandung sebanyak 424.580 unit, 219.011
unit mobil, 8.821 unit angkot, 1.346 unit bus DAMRI, dan 555 unit kendaraan non motor
(becak).
1
Dini Turipanam Alamanda, dosen di Sekolah Manajemen Telekomunikasi dan Media (SMTM) Institut Manajemen Telkom (imt).
Karir sebagai dosen dimulai sejak 2009. Bidang keahliannya adalah Kuantitatif Modeling. Dari tahun 2009, jumlah risetnya yang
publish mencapai 30 buah baik di seminar nasional, seminar internasional, jurnal nasional dan jurnal internasional.
2
Osa Omar Sharif, dosen SMTM dari bidang keahlian yang sama. Memulai karir sebagai konsultan IT sejak tahun 2008. Selain
sebagai konsultan, pernah mengajar di Sekolah Bisnis dan Manajemen ITB (2009-2011).
Dengan mengetahui proses bagaimana pekerja tersebut membuat keputusan mengenai
kendaraan apa yang mereka akan gunakan untuk pergi ke tempat kerja dan kembali ke
rumahnya, dapat memberikan petunjuk bagaimana produsen produk atau jasa memperbaiki
strategi pemasarannya, dan mengembangkan kegiatan pemasaran lainnya. Maka diperlukan
suatu metode yang mampu mengakomodir kebutuhan untuk menjawab pertanyaan penelitian
mengenai bagaimana aktivitas mempengaruhi pengambilan keputusan pekerja kantoran
dalam memilih moda tranportasi dari dan ke tempat kerja?
Metode simulasi komputer dengan pendekatan berbasis aktivitas (activity-based) merupakan
metode yang sedang berkembang dan memiliki keunggulan serta mampu menjawab
pertanyaan penelitian yang diajukan yaitu karena activity-based berangkat dari sebuah sistem
kompleks.
Sebuah sistem yang kompleks dapat digambarkan sebagai sistem yang terdiri oleh besarnya
jumlah entitas yang menunjukkan tingginya tingkat interaktivitas (Richardson, Cilliers, &
Lissack, 2001). Fitur apa yang membedakan sistem kompleks dari sistem biasa? Pertama
adalah fitur dari yang elemen, dan fitur kedua dari interaksi antara elemen-elemennya.
Fitur yang membedakan dari yang lain tersebut dapat digambarkan sebagai berikut:
1.
2.
3.
4.
5.
Unsur-unsur dari sebuah sistem kompleks dibagi menjadi beberapa kelompok (Caldart
& Oliviera, 2007; Srbljinović & Škunca, 2003). Misalnya, dalam kasus pemilihan moda
transportasi, elemen sistem dapat dibagi menjadi dua kelompok. Kelompok pertama
terdiri dari pengguna moda dan kelompok kedua terdiri dari penyedia moda.
Sama seperti sistem lainnya, sistem yang kompleks terdiri dari banyak unsur.
perbedaannya adalah bahwa unsur-unsur sistem yang kompleks sifatnya heterogen
(Wilson & Boyd, 2008; Gilbert, 2004). Sistem seleksi moda transportasi terdiri dari dua
jenis unsur, pengguna dan penyedia. Perbedaan sifat antara pengguna dan penyedia
yang jelas. Selain itu, kelompok pengguna sendiri, terdiri dari banyak tipe. Setiap
pengguna mungkin memiliki perbedaan kriteria dalam memilih moda tranportasi
(Kleitz, Weiher, Tedin, & Matland, 2000; Checchi & Jappelli, 2004; Hastings, Kane, &
Staiger, 2005) karena itu, heterogenitas juga ada di antara unsur-unsur dalam kelompok
pengguna moda.
Fitur ketiga yang membedakan sistem yang kompleks adalah bahwa hal itu terdiri dari
elemen yang yang memiliki kemampuan operasi yang berbeda (Richardson, Cilliers, &
Lissack, 2001). Dalam kasus seleksi moda, pengguna moda mengumpulkan informasi
mengenai jenis-jenis moda, kelebihan dan kelemahannya. Sementara penyedia moda
memilah skor pengguna yang mampu membeli manfaat moda yang ditawarkan, apakah
si pengguna mampu membeli manfaat DAMRI atau mobil pribadi.
Jika sistem yang kompleks terdiri dari makhluk hidup (manusia misalnya), elemennya
pasti bisa dikenali (Gilbert, 1995), karena manusia mampu beradaptasi, belajar dan
merespon kondisi (Gilbert, 1995; Dooley, 1996).
Elemen-elemen sistem yang kompleks memiliki informasi yang bias (tidak lengkap)
(Dooley, 1996).
Fitur yang paling penting yang membedakan sistem yang kompleks dari sistem lainnya ini,
interaksi antar elemen sebagian besar bersifat non-linear dan memiliki feed back loop
(Richardson, Cilliers, & Lissack, 2001; Wessels, 2006; Gilbert, 2004). Khusus untuk
manusia, interaksi non-linear melibatkan transmisi pengetahuan yang sering mempengaruhi
perilaku penerima (Gilbert, 2004).
Mengapa simulasi komputer (computer simulation) tepat untuk menangani sistem yang
kompleks? Ada beberapa penjelasan (Srbljinović & Škunca, 2003), yaitu:
1.
2.
3.
4.
5.
Dengan menggunakan simulasi komputer, kita dapat menangani proses paralel yang
tidak didefinisikan dengan baik menjadi mudah
Lebih mudah untuk membangun sebuah model yang melibatkan agen heterogen
Modularitas dari simulasi komputer memungkinkan untuk memodifikasi model
Memungkin untuk model agen dengan rasional terbatas
Lebih mudah untuk kondisi model turbulensi sosial terutama, ketika identitas dan
atribut agen belum fix
Pendekatan berbasis aktivitas muncul hampir berbarengan dengan model konvensional tripbased. Studi penting Mitchell dan Rapkin (1954) tidak hanya menghubungkan perjalanan
dengan aktivitas namun juga membuat framework yang komprehensif dan memunculkan isu
mengenai perilaku perjalanan.Sayangnya, perspektif kebijakan luar biasa yang disebut
“predict and provide” yang mendominasi ekonomi paska perang menyebabkan
perkembangan model transportasi berfokus pada perjalanannya saja (who, what, where, dan
berapa banyak perjalanan versus alasan aktivitasnya (why of activities) dan hubungan antara
perjalanan dan aktivitasnya disinggung hanya di generasi perjalanan (trip generation).
Banyak penulis seperti Kurani dan Lee-Gosselin (1997) yang akhir-akhir ini menulis
mengenai "the intellectual roots of activity analysis", yang isinya adalah kontribusi pemikiran
fundamental dari Hagerstrand (1970), Chapin (1974), and Fried et.al. (1977). Hagersrand
meneruskan pendekatan time-geographic yang memasukkan fungsi kendala pada aktivitas
dalam ruang dan waktu. Sedangkan Chapin mengidentifikasi pola-pola perilaku melintasi
ruang dan waktu. Fried, Havens, and Thall memperlihatkan bagaimana struktur sosial
mempunyai kaitan dengan bagaimana orang berperilaku. Studi tersebut menjadi landasan dan
dikembangkan secara komprehensif dalam studi transportasi di Oxford (Jones dkk, 1983)
sebagai langkah awal pembentukan model perilaku perjalanan yang kompleks dan pertama
selesai serta diuji secara empiris.
Pendekatan berbasis aktivitas dianggap sebagai evolusi dari penelitian tentang perilaku
manusia, pada umumnya, dan perilaku perjalanan, khususnya. Prinsip dasar dari pendekatan
berbasis aktivitas adalah bahwa keputusan perjalanan didorong oleh setumpuk kegiatan yang
membentuk agenda untuk berperilaku, proses pengambilan keputusan dan kemudian
membentuk pola aktivitas.
Untuk membuat analisis yang dapat diteliti, pertama kita harus mengklasifikasikan semua
aktivitas di luar rumah ke dalam sejumlah kecil kategori. Berdasarkan penelitian sebelumnya,
dipilih tiga jenis (Golob, 1995):
1.
Aktivitas subsisten, contohnya bekerja dan sekolah
2.
Aktifitas pelengkap, yang didefinisikan sebagai belanja mingguan, menjemput dan
menurunkan penumpang, melakukan bisnis pribadi dan kegiatan lainnya, dan
3.
Aktivitas diskresi, didefinisikan sebagai kegiatan lain-lain seperti belanja, kuliner,
piknik, berolahraga, melakukan aktivitas sosial
Ada beberapa faktor yang mempengaruhi transitnya penumpang (Golob, 1995), yaitu:
1.
Faktor internal yang mempengaruhi penumpang transit yang:
a. Faktor harga
b. Faktor kuantitas layanan
c. Faktor kualitas layanan (informasi bus, pelayanan jalan raya, keamanan stasiun,
layanan pelanggan, keselamatan dalam perjalanan, potongan harga, kebersihan, sikap
umum terhadap angkutan)
2. Faktor eksternal yang mempengaruhi penumpang transit yang:
a. Faktor sosial ekonomi
b. Faktor tata ruang
c. Keuangan negara
Golob (1995) mengatakan bahwa efek ketergantungan moda yang paling penting terdiri dari
hal-hal sebagai berikut:
1. Gender
2. Efek pendapatan rumah tangga
3. Status Kehadiran Anak
4. Status Pernikahan
5. Efek Pekerjaan
Metode
Riset ini menggunakan pendekatan Activity-Based dengan mengadopsi pola aturan
lexicographic. Aturan lexicographic (Goodwin, 2004) merupakan kondisi pengambil
keputusan ketika dihadapkan untuk dapat memberi peringkat terhadap atribut berdasarkan
urutan kepentingan. Misalnya, dalam memilih mode transportasi, harga dianggap lebih
penting daripada layanan. Dalam hal ini pembuat keputusan dapat menerapkan heuristik
leksikografis. Yaitu dengan mengidentifikasi atribut yang paling penting dan memilih
alternatif yang dianggap terbaik dari atribut tersebut. Maka moda transportasi termurah yang
akan dipilih. Jika terjadi kebingungan dalam memilih atribut yang paling penting, pengambil
keputusan akan memilih opsi kedua terbaik pada atribut terpenting (yaitu layanan), dan
sebagainya. Sehingga kerangka penelitian ini adalah seperti yang disajikan Gambar 1.
Skenario Makroekonomi
Agen mempunyai status sudah
menikah
dan
mempunyai
sepeda motor dan juga mobil
pribadi
Agen melakukan aktivitas:
a. Kegiatan Penghidupan
b. Kegiatan Pelengkap
c. Kegiatan Bebas
Menentukan Preferensi Agen
Agen Memilih Kendaraan Untuk
Pergi Ke Suatu Tempat
Mobil, Angkot, Bus, Kendaraan
Tidak Bermotor, Sepeda Motor
Aturan Menggunakan Lexicografik
Jumlah kendaraan
Gambar 1 Kerangka Pemikiran Penelitian
1. Spesifikasi Agen
Agen dibedakan ke dalam dua berdasarkan gender:
a. Agen “Ujang”, untuk agen laki-laki
b. Agen “Eneng”, untuk agen perempuan
2. Atribut Moda Transportasi
a. Faktor harga
b. Faktor kuantitas jasa : jangkauan jasa dan frekuensi ketersediaan jasa
c. Faktor kualitas jasa (informasi moda, servis di jalan, keamanan di shelter, customer
service, keamanan selama perjalanan, merasa tidak takut, kebersihan, aturan-aturan
umum dalam perjalanan)
3. Spesifikasi Lokasi:
Lokasi dibedakan berdasarkan jenis aktivitasnya, yaitu:
a. Aktivitas subsisten, lokasinya berada di kantor
b. Aktivitas pelengkap, lokasinya di mall (belanja), Makan di restoran/ kuliner (untuk lakilaki) dan berbelanja di mall untuk perempuan, pergi ke pasar (perempuan);
c. Aktivitas diskresi, lokasinya di tempat pemancingan (memancing), clubbing (laki-laki)
dan berkuliner, belanja (untuk perempuan)
4. Isu Makroekonomi
Isu makroekonomi yang dipilih terkait moda transportasi antara lain:
a. Isu harga bahan bakar (bensin, solar, pertamax)
b. Isu green peace
c. Isu kejahatan di moda umum
d. Isu kemacetan
5.
Atribut dan Skor Moda Transportasi
Atribut dan Skor moda transportasi dalam penelitian ini disajikan dalam Tabel 2 dan Tabel 3.
Tabel 2. Atribut dan Skor Moda Transportasi
Atribut
Main
Faktor
Harga
Faktor
Kuantitas
jasa
Faktor
Kualitas
jasa
Sub
Informasi
Moda
Pelayanan
di jalan
Keamanan
di shuttle
customer
service
Kemanan
selama di
jalan
Rasa takut
di jalan
Kebersihan
Aturan
Umum
Mobil
Pribadi
5
Angkot
6
Skore
Bus
Moda Nonlane
Motor
7
10
Sepeda Motor
8
10
7
5
8
10
10
7
8
5
10
10
5
8
7
10
10
7
8
6
5
10
5
8
6
10
7
8
10
6
5
5
6
7
10
8
10
10
7
5
8
6
5
7
6
8
Tabel 3 Atribut dan Skor Rata-Rata Moda Transportasi
6
7
7
5
Skor
Moda NonMotor
10
8
6.25
7.875
6.5
Atribut
Mobil
Pribadi
Main
Faktor Harga
5
Faktor
Kuantitas 10
jasa
Faktor Kualitas Jasa 9.375
Bus
lane
Angkot
Sepeda Motor
8
10
7.75
Hasil dan Pembahasan
1. Isu harga bahan bakar
Kondisi umum: jumlah agen ujang (100 orang) dan agen eneng (100) yang jika
dikonversi ke jumlah penduduk kota Bandung, kira-kira menggunakan skala 1:400000.
Kemudian simulasi komputer dijalankan selaman seminggu, dan harga bahan bakar naik
sehingga skor moda transportasinya disajikan dalam Tabel4.
Tabel 4. Atribut dan Skor Rata-Rata Moda Transportasi (skenario 1)
Atribut
Mobil
Pribadi
Faktor Harga
2
Faktor kuantitas
10
layanan
Faktor kualitas
9
layanan
6
7
Bus
lane
7
5
6.25
8
Angkot
Skor
Moda non
motor
10
8
Sepeda Motor
6.5
10
10
10
Dan hasil keluaran simulasi komputer selama seminggu tersebut disajikan dalam Gambar
2.
150
100
Number_of_car
Number_of_angkot
50
Number_of_motor
18/16:30
17/09:00
15/16:00
13/18:00
12/07:30
Number_of_bus
10/20:30
8/20:30
0/07:30
2/07:30
4/07:30
5/22:00
6/22:30
0
Number_of_non_motorize
Gambar 2. Hasil Simulasi Dengan Isu Kenaikan Harga Bahan Bakar
Dari gambar 2 dapat dilihat bahwa ketika isu kenaikan harga bahan bakar dimunculkan
maka pekerja memilih untuk menggunakan moda sepeda motor untuk pergi ke tempat
kerja. Dan jumlah pengguna mobil pribadi masih tetap banyak,sama banyaknya dengan
pengguna moda non motor. Dari segi waktu, jumlah kendaraan tinggi di kisaran jam
07.30 dipagi hari, jam 16.30 dan jam 20.30 sampai 22.30. Puncak pertama diakibatkan
karena pekerja kantor rata-rata masuk jam 8.30 pagi dan mulai berangkat rata-rata di jam
7.30. Sedangkan puncak kedua, adalah jam pulang kantor untuk yang office hoursnya 8
jam sehingga jam 16.30 tepat jam pulang kantor. Puncak ketiga jam 20.30 – 22.30
kegiatannya adalah makan malam diluar atau sekedar nongkrong.
2. Isu green peace
Kondisi umum: jumlah agen ujang (100 orang) dan agen eneng (100). Kemudian simulasi
komputer dijalankan selaman seminggu, dan isu green peace meningkat sehingga skor
moda transportasinya disajikan dalam Tabel 5.
Tabel 5. Atribut dan Skor Rata-Rata Moda Transportasi (skenario 2)
Skor
Atribut
Mobil
Pribadi
Main
Faktor Harga
5
Faktor
5
kuantitas
layanan
Faktor kualitas
9
layanan
10
8
Bus
lane
10
10
6
8
Angkot
Moda non motor
Sepeda Motor
10
10
7
6
7
8
100
Number_of_car
50
Number_of_angkot
Number_of_motor
7/20:30
7/07:30
6/12:30
Number_of_bus
6/07:30
5/18:00
4/20:30
4/07:30
3/16:00
2/16:30
1/20:00
0/20:30
0/07:30
0
Number_of_non_motorize
Gambar 3. Hasil Simulasi Dengan Isu Green Peace
Dari gambar 3 dapat dilihat bahwa ketika green peace dimunculkan maka pekerja
banyak yang memilih untuk menggunakan moda umum bus/damri untuk pergi ke tempat
kerja namun tidak signikan terhadap pengguna kendaraan pribadi karena jumlahnya
masih banyak namun cenderung menurun ketibang skenario 1. Jumlah pengguna angkot
justru turun, pertimbangan agen hanyalah ketika memilih moda mana yang lebih besar
membawa penumpang, dan yang dipilih bis daripada angkot. Jumlah pengguna moda non
motor pun sedikit sekali. Dari segi waktu, jumlah kendaraan terlihat tidak stabil terkadang
padat di periodejam 16.30-20.30, di lain hari padat di periode jam 07.20-20.30. Skenario
kedua ini cenderung tidak stabil karena isu green peace masih dianggap bukan hal penting
atau masyarakat pekerja bersifat ignorant terhadap lingkungan sehingga meski beberapa
sudah pindah kemoda umum namun insentif menggunakan kendaraan pribadi juga masih
tinggi.
3. Isu kejahatan di moda umum
Kondisi umum: jumlah agen ujang (100 orang) dan agen eneng (100). Kemudian simulasi
komputer dijalankan selaman seminggu, dan isu kejahatan di moda umum meningkat
sehingga skor moda transportasinya disajikan dalam Tabel 6.
Tabel 6. Atribut dan Skor Rata-Rata Moda Transportasi (skenario 3)
Skor
Atribut
Main
Faktor Harga
Faktor Kuantitas
Jasa
Faktor Kualitas
Jasa
Bus
lane
Mobil
Angkot
Pribadi
5
8
10
6
7
5
10
10
7
10
10
2
8
8
3
Moda non motor
Sepeda Motor
150
100
Number_of_car
Number_of_angkot
50
Number_of_motor
7/20:00
6/22:30
6/12:30
6/07:30
5/18:00
Number_of_bus
4/20:30
4/07:30
3/16:00
2/16:30
1/20:00
0/20:30
0/07:30
0
Number_of_non_motorize
Gambar 4. Hasil Simulasi Dengan Isu Kejahatan Moda Umum
Dari gambar 4 dapat dilihat bahwa ketika isu kejahatan moda umum dimunculkan
(seperti pencopetan, pemerkosaan, penculikan) maka pekerja banyak yang memilih untuk
menggunakan kendaraan pribadi, jumlah cukup signifikan mendominasi moda lain, dan
bisa dilihat penggunaan angkot menurun drastis karena kasus kejahatan di moda umum
identitik dengan angkot. Dari segi waktu, jumlah kendaraan terlihat tidak stabil mengikuti
pola hasil simulasi ketika isu green peace dimunculkan namun penggunaan mobil pribadi
hampir selalu tinggi di sepanjang minggu kecuali di hari sabtu dan minggu.
4. Isu kemacetan
Kondisi umum: jumlah agen ujang (100 orang) dan agen eneng (100). Kemudian simulasi
komputer dijalankan selaman seminggu, dan isu kemacetan meningkat sehingga skor
moda transportasinya disajikan dalam Tabel 7.
Tabel 7. Atribut dan Skor Rata-Rata Moda Transportasi (skenario 4)
Atribut
Main
Faktor Harga
Faktor Kuantitas
Jasa
Faktor Kualitas
Jasa
Skor
Bus
lane
Mobil
Angkot
Pribadi
5
8
10
6
7
5
10
10
10
10
5
7
8
10
6
Moda non motor
Sepeda Motor
Gambar 5. Hasil Simulasi Dengan Isu Kemacetan
Dari gambar 5 dapat dilihat bahwa ketika isu kemacetan maka pekerja kantoran paling
banyak akan memilih menggunakan sepeda motor dibandingkan dengan moda lainnya
diikuti dengan penggunakan mobil pribadi. Sepeda motor dianggap lebih hemat bahan
bakar dibandingkan dengan mobil pribadi. Jam sibuk di skenario 4 tidak tentu namun
tinggi jumlahnya hampir disemua hari kecuali hari sabtu minggu. Hal tersebut bisa
terjadi karena kondisi macet sepanjang waktu kerja membuat orang memilih istirahat di
hari sabtu dan minggu.
Kesimpulan dan Saran
Hasil penelitian ini, mekanisme berbasis aktivitas mampu menggambarkan bagaimana
aktivitas pekerja kantoran di Bandung. Eksperimen yang dilakukan dapat memberikan
masukan pada pengambil keputusan bagaimana pola kemacetan dikaitkan dengan jumlah
moda transportasi terhadap waktunya. Isu makroekonomi tidak memberikan hasil yang
cukup signifikan pada pola bepergian dalam setiap harinya. Namun setiap isu
memberikan hasil yang cukup signifikan. Di isu meningkatnya bahan bakar jumlah bis
dan mobil pribadi adalah yang terbesar, di isu green peace jumlah bis, mobil pribadi dan
angkot memberikan kontribusi yang tinggi dalam kemacetan kota Bandung. Isu kejahatan
di moda umum membuat mobil pribadi dan moda non-motorize adalah moda dengan
jumlah yang tinggi dan di isu kemacetan, mobil pribadi dan motor jumlahnya meningkat
drastis. Tetapi dari keseluruhan skenario, mobil pribadi adalah yang tertinggi yang
berkontribusi terhadap kemacetan di kota Bandung.
Penelitian ini memiliki banyak keputusan yang bisa dikembangkan di masa depan.
Batasan pertama adalah penelitian belum di validasi dengan data rill di lapangan. Jadi
untuk penelitian selanjutnya, perlu dilakukan validasi ke lembaga-lembaga yang eligible
untuk ditanyai. Batasan kedua, agen masih dianggap tidak berkomunikasi satu sama lain,
faktor komunikasi masih dihilangkan. Batasan ketiga adalah di tujuan penelitian, di
penelitian berikutnya bukan hanya menunjukkan jumlah moda yang berkontribusi dalam
kemacetan tapi juga bagaimana aktivitas-aktivitas tersebut mempengaruhi kemacetan
kota Bandung. Batasan keempat adalah area dan jarak dalam mencapai lokasi kerja dari
rumah, penelitian selanjutnya bisa dikembangkan ke tempat lain. Batasan kelima, agen
yang dipilih hanya pekerja kantoran, yang tidak memiliki anak, penelitian selanjutnya
bisa dikembangkan untuk agen segmen lain. Terakhir, penelitian ini dilakukan dengan
iterasi 1 minggu, dalam penelitian selanjutnya iterasi akan lebih panjang waktunya.
Daftar Rujukan
Caldart, A. A., & Oliviera, F. S. (2007). The Impact of Organisational Complexity in the
Strategy Development Process. In F. A. O'Brien, & R. G. Dyson (Eds.), Supporting
Strategy: Frameworks, Methods and Models (pp. 191-210). John Wiley & Sons, Inc.
Checchi, D., & Jappelli, T. (2004). School Choice and Quality. Center for Economic Policy
Research Discussion Paper Series , 4748. Center for Economic Policy Research.
Gilbert, N. (2008). Agent-based models. SAGE Publications
Golob, T., F, Mark A. Bradley and John W. Polak (1995). Influenced by Car Ability and
Use. UCI-ITS-AS-WP-95-3. Institute of Transportation Studies. University of California,
Irvine. USA. http://www.its.uci.edu
Goodwin, Paul., Wright, George (2004) Decision Analysis for Management Judgment.3rd
edition. John Wiley & Sons Ltd, England
Hägerstrand, T. (1970) “What about people in regional science?” Papers of the Regional
Science Association, 24:7-21.
Jones,P, Koppelman,F, and Orfeuil,J .(1990). Activity analysis: State-of-the-art and future
directions, Jones,P (ed) Developments in Dynamic and Activity-based Approaches to
Travel Analysis, Avebury, Aldershot.
Kleitz, B., Weiher, G. R., Tedin, K., & Matland, R. (2000). Choice, Charter Schools, and
Household Preferences. Social Science Quarterly , 81 (3), 846-854.
Kurani, K. S. and M. Lee-Gosselin (1997) “Synthesis of Past Activity Analysis
Applications”, in Activity-based travel forecasting conference, Washington, DC: U.S.
Department of Transportation, Report DOT-97-17
Mitchell, R. and C. Rapkin (1954) Urban Traffic: A Function of Land Use, New York:
Columbia University Press.
PemkotBandung (2011). www.bandung.go.id
Richardson, K. A., Cilliers, P., & Lissack, M. (2001). Complexity Science: A “Gray” Science
for the “Stuff in Between”. Emergence , 3 (2), 6-18.
Srbljinović, A., & Škunca, O. (2003). An Introduction to Agent Based Modelling and
Simulation of Social Process. Interdisciplinary Description of Complex Systems , 1, 1-8.
Wessels, T. (2006). The Myth of Progress : Toward a Sustainable Future.Hanover:
University Press of New England.
Wilson, S., & Boyd, C. (2008). Structured Assessment of Complex systems.Canberra:
Aerospace Concepts Pty Ltd.
Kantoran
Dini Turipanam Alamanda1, Osa Omar Sharif2
Abstract
This paper is motivated by the reality that one of the factors causing congestion Bandung is
high number of vehicles because of people activity variations. In this paper, a mechanisms
can describe the congestion in Bandung; the mechanisms is activity mechanism. Using
computer simulation, virtual experiments are conducted. In these experiments, the number of
transportation mode which contributes to the road density in Bandung is analyzed. Based on
the experiment results, macro economics issues can influences what kind of transportation
mode contributes to the road density in Bandung.
Keywords: Activity-Based, Congestion, Transportation Mode, Computer Simulation
Pendahuluan
Dalam kehidupan sehari-hari, normalnya orang yang bekerja sebagai pekerja kantoran
melakukan aktivitas bekerja dari pagi hingga sore hari (office hours) setiap hari kerja (seninjumat). Banyak cara yang dilakukan pekerja kantoran untuk bisa sampai ke tempat kerja, ada
yang menggunakan kendaraan pribadi dan ada juga yang menggunakan kendaraan umum
seperti ojek, taksi atau angkutan kota. Alasan mengenai bagaimana cara pekerja kantoran
sampai ke tempat kerja tentu beragam. Aktivitas dan Interaksi sosial yang dilakukan para
pekerja kantoran sedikit banyaknya bisa sangat berpengaruh terhadap keputusan memilih
kendaraan untuk sampai ke tempat kerjanya. Misalnya, Pekerja kantor A, sebelum ke kantor
A biasa berbelanja ke pasar tradisional lalu kembali ke rumah menyimpan barang belanjaan
setelah itu mengantar anaknya ke sekolah baru ke kantor. Berbeda dengan A, Pekerja
Kantoran B, setelah solat subuh dia biasa ikut pengajian di lingkungannya, setelah itu si B
baru mengantarkan anakanya ke sekolah, dan pergi ke kantor setelahnya. Kemudian pekerja
kantoran C, aktivitas pagi harinya hanya pergi ke kantor, namun rute menuju kantornya
melewati jalan memutar karena menghindari macet. Dari ilustrasi diatas, terdapat gambaran
bahwa bisa jadi cara pekerja kantoran sampai ke tempat kerjanya diakibatkan dari aktivitas
rutin sehari-hari yang dilakukannya.
Kota Bandung memiliki populasi 2.228.268 jiwa (terdiri dari 1.113.267 jiwa perempuan dan
1.115.001 jiwa laki-laki), dan dengan jumlah pekerja dari sektor usaha formal sebanyak
823.375 jiwa (PemkotBandung, 2011). Meningkatnya jumlah pekerja di kota Bandung berarti
juga meningkatnya mobilitas pekerja, oleh karena itu meningkat pula kebutuhan moda
transportasi. Ada lima jenis moda transportasi yang biasa digunakan para pekerja kantoran
untuk mobilitas mereka, mobil pribadi, sepeda motor, bus (Damri), transportasi kota (angkot),
dan kendaraan tidak bermotor (becak). SAMSAT kota Bandung (2004) dalam Bandung
(2010) menyebutkan jumlah sepeda motor di kota Bandung sebanyak 424.580 unit, 219.011
unit mobil, 8.821 unit angkot, 1.346 unit bus DAMRI, dan 555 unit kendaraan non motor
(becak).
1
Dini Turipanam Alamanda, dosen di Sekolah Manajemen Telekomunikasi dan Media (SMTM) Institut Manajemen Telkom (imt).
Karir sebagai dosen dimulai sejak 2009. Bidang keahliannya adalah Kuantitatif Modeling. Dari tahun 2009, jumlah risetnya yang
publish mencapai 30 buah baik di seminar nasional, seminar internasional, jurnal nasional dan jurnal internasional.
2
Osa Omar Sharif, dosen SMTM dari bidang keahlian yang sama. Memulai karir sebagai konsultan IT sejak tahun 2008. Selain
sebagai konsultan, pernah mengajar di Sekolah Bisnis dan Manajemen ITB (2009-2011).
Dengan mengetahui proses bagaimana pekerja tersebut membuat keputusan mengenai
kendaraan apa yang mereka akan gunakan untuk pergi ke tempat kerja dan kembali ke
rumahnya, dapat memberikan petunjuk bagaimana produsen produk atau jasa memperbaiki
strategi pemasarannya, dan mengembangkan kegiatan pemasaran lainnya. Maka diperlukan
suatu metode yang mampu mengakomodir kebutuhan untuk menjawab pertanyaan penelitian
mengenai bagaimana aktivitas mempengaruhi pengambilan keputusan pekerja kantoran
dalam memilih moda tranportasi dari dan ke tempat kerja?
Metode simulasi komputer dengan pendekatan berbasis aktivitas (activity-based) merupakan
metode yang sedang berkembang dan memiliki keunggulan serta mampu menjawab
pertanyaan penelitian yang diajukan yaitu karena activity-based berangkat dari sebuah sistem
kompleks.
Sebuah sistem yang kompleks dapat digambarkan sebagai sistem yang terdiri oleh besarnya
jumlah entitas yang menunjukkan tingginya tingkat interaktivitas (Richardson, Cilliers, &
Lissack, 2001). Fitur apa yang membedakan sistem kompleks dari sistem biasa? Pertama
adalah fitur dari yang elemen, dan fitur kedua dari interaksi antara elemen-elemennya.
Fitur yang membedakan dari yang lain tersebut dapat digambarkan sebagai berikut:
1.
2.
3.
4.
5.
Unsur-unsur dari sebuah sistem kompleks dibagi menjadi beberapa kelompok (Caldart
& Oliviera, 2007; Srbljinović & Škunca, 2003). Misalnya, dalam kasus pemilihan moda
transportasi, elemen sistem dapat dibagi menjadi dua kelompok. Kelompok pertama
terdiri dari pengguna moda dan kelompok kedua terdiri dari penyedia moda.
Sama seperti sistem lainnya, sistem yang kompleks terdiri dari banyak unsur.
perbedaannya adalah bahwa unsur-unsur sistem yang kompleks sifatnya heterogen
(Wilson & Boyd, 2008; Gilbert, 2004). Sistem seleksi moda transportasi terdiri dari dua
jenis unsur, pengguna dan penyedia. Perbedaan sifat antara pengguna dan penyedia
yang jelas. Selain itu, kelompok pengguna sendiri, terdiri dari banyak tipe. Setiap
pengguna mungkin memiliki perbedaan kriteria dalam memilih moda tranportasi
(Kleitz, Weiher, Tedin, & Matland, 2000; Checchi & Jappelli, 2004; Hastings, Kane, &
Staiger, 2005) karena itu, heterogenitas juga ada di antara unsur-unsur dalam kelompok
pengguna moda.
Fitur ketiga yang membedakan sistem yang kompleks adalah bahwa hal itu terdiri dari
elemen yang yang memiliki kemampuan operasi yang berbeda (Richardson, Cilliers, &
Lissack, 2001). Dalam kasus seleksi moda, pengguna moda mengumpulkan informasi
mengenai jenis-jenis moda, kelebihan dan kelemahannya. Sementara penyedia moda
memilah skor pengguna yang mampu membeli manfaat moda yang ditawarkan, apakah
si pengguna mampu membeli manfaat DAMRI atau mobil pribadi.
Jika sistem yang kompleks terdiri dari makhluk hidup (manusia misalnya), elemennya
pasti bisa dikenali (Gilbert, 1995), karena manusia mampu beradaptasi, belajar dan
merespon kondisi (Gilbert, 1995; Dooley, 1996).
Elemen-elemen sistem yang kompleks memiliki informasi yang bias (tidak lengkap)
(Dooley, 1996).
Fitur yang paling penting yang membedakan sistem yang kompleks dari sistem lainnya ini,
interaksi antar elemen sebagian besar bersifat non-linear dan memiliki feed back loop
(Richardson, Cilliers, & Lissack, 2001; Wessels, 2006; Gilbert, 2004). Khusus untuk
manusia, interaksi non-linear melibatkan transmisi pengetahuan yang sering mempengaruhi
perilaku penerima (Gilbert, 2004).
Mengapa simulasi komputer (computer simulation) tepat untuk menangani sistem yang
kompleks? Ada beberapa penjelasan (Srbljinović & Škunca, 2003), yaitu:
1.
2.
3.
4.
5.
Dengan menggunakan simulasi komputer, kita dapat menangani proses paralel yang
tidak didefinisikan dengan baik menjadi mudah
Lebih mudah untuk membangun sebuah model yang melibatkan agen heterogen
Modularitas dari simulasi komputer memungkinkan untuk memodifikasi model
Memungkin untuk model agen dengan rasional terbatas
Lebih mudah untuk kondisi model turbulensi sosial terutama, ketika identitas dan
atribut agen belum fix
Pendekatan berbasis aktivitas muncul hampir berbarengan dengan model konvensional tripbased. Studi penting Mitchell dan Rapkin (1954) tidak hanya menghubungkan perjalanan
dengan aktivitas namun juga membuat framework yang komprehensif dan memunculkan isu
mengenai perilaku perjalanan.Sayangnya, perspektif kebijakan luar biasa yang disebut
“predict and provide” yang mendominasi ekonomi paska perang menyebabkan
perkembangan model transportasi berfokus pada perjalanannya saja (who, what, where, dan
berapa banyak perjalanan versus alasan aktivitasnya (why of activities) dan hubungan antara
perjalanan dan aktivitasnya disinggung hanya di generasi perjalanan (trip generation).
Banyak penulis seperti Kurani dan Lee-Gosselin (1997) yang akhir-akhir ini menulis
mengenai "the intellectual roots of activity analysis", yang isinya adalah kontribusi pemikiran
fundamental dari Hagerstrand (1970), Chapin (1974), and Fried et.al. (1977). Hagersrand
meneruskan pendekatan time-geographic yang memasukkan fungsi kendala pada aktivitas
dalam ruang dan waktu. Sedangkan Chapin mengidentifikasi pola-pola perilaku melintasi
ruang dan waktu. Fried, Havens, and Thall memperlihatkan bagaimana struktur sosial
mempunyai kaitan dengan bagaimana orang berperilaku. Studi tersebut menjadi landasan dan
dikembangkan secara komprehensif dalam studi transportasi di Oxford (Jones dkk, 1983)
sebagai langkah awal pembentukan model perilaku perjalanan yang kompleks dan pertama
selesai serta diuji secara empiris.
Pendekatan berbasis aktivitas dianggap sebagai evolusi dari penelitian tentang perilaku
manusia, pada umumnya, dan perilaku perjalanan, khususnya. Prinsip dasar dari pendekatan
berbasis aktivitas adalah bahwa keputusan perjalanan didorong oleh setumpuk kegiatan yang
membentuk agenda untuk berperilaku, proses pengambilan keputusan dan kemudian
membentuk pola aktivitas.
Untuk membuat analisis yang dapat diteliti, pertama kita harus mengklasifikasikan semua
aktivitas di luar rumah ke dalam sejumlah kecil kategori. Berdasarkan penelitian sebelumnya,
dipilih tiga jenis (Golob, 1995):
1.
Aktivitas subsisten, contohnya bekerja dan sekolah
2.
Aktifitas pelengkap, yang didefinisikan sebagai belanja mingguan, menjemput dan
menurunkan penumpang, melakukan bisnis pribadi dan kegiatan lainnya, dan
3.
Aktivitas diskresi, didefinisikan sebagai kegiatan lain-lain seperti belanja, kuliner,
piknik, berolahraga, melakukan aktivitas sosial
Ada beberapa faktor yang mempengaruhi transitnya penumpang (Golob, 1995), yaitu:
1.
Faktor internal yang mempengaruhi penumpang transit yang:
a. Faktor harga
b. Faktor kuantitas layanan
c. Faktor kualitas layanan (informasi bus, pelayanan jalan raya, keamanan stasiun,
layanan pelanggan, keselamatan dalam perjalanan, potongan harga, kebersihan, sikap
umum terhadap angkutan)
2. Faktor eksternal yang mempengaruhi penumpang transit yang:
a. Faktor sosial ekonomi
b. Faktor tata ruang
c. Keuangan negara
Golob (1995) mengatakan bahwa efek ketergantungan moda yang paling penting terdiri dari
hal-hal sebagai berikut:
1. Gender
2. Efek pendapatan rumah tangga
3. Status Kehadiran Anak
4. Status Pernikahan
5. Efek Pekerjaan
Metode
Riset ini menggunakan pendekatan Activity-Based dengan mengadopsi pola aturan
lexicographic. Aturan lexicographic (Goodwin, 2004) merupakan kondisi pengambil
keputusan ketika dihadapkan untuk dapat memberi peringkat terhadap atribut berdasarkan
urutan kepentingan. Misalnya, dalam memilih mode transportasi, harga dianggap lebih
penting daripada layanan. Dalam hal ini pembuat keputusan dapat menerapkan heuristik
leksikografis. Yaitu dengan mengidentifikasi atribut yang paling penting dan memilih
alternatif yang dianggap terbaik dari atribut tersebut. Maka moda transportasi termurah yang
akan dipilih. Jika terjadi kebingungan dalam memilih atribut yang paling penting, pengambil
keputusan akan memilih opsi kedua terbaik pada atribut terpenting (yaitu layanan), dan
sebagainya. Sehingga kerangka penelitian ini adalah seperti yang disajikan Gambar 1.
Skenario Makroekonomi
Agen mempunyai status sudah
menikah
dan
mempunyai
sepeda motor dan juga mobil
pribadi
Agen melakukan aktivitas:
a. Kegiatan Penghidupan
b. Kegiatan Pelengkap
c. Kegiatan Bebas
Menentukan Preferensi Agen
Agen Memilih Kendaraan Untuk
Pergi Ke Suatu Tempat
Mobil, Angkot, Bus, Kendaraan
Tidak Bermotor, Sepeda Motor
Aturan Menggunakan Lexicografik
Jumlah kendaraan
Gambar 1 Kerangka Pemikiran Penelitian
1. Spesifikasi Agen
Agen dibedakan ke dalam dua berdasarkan gender:
a. Agen “Ujang”, untuk agen laki-laki
b. Agen “Eneng”, untuk agen perempuan
2. Atribut Moda Transportasi
a. Faktor harga
b. Faktor kuantitas jasa : jangkauan jasa dan frekuensi ketersediaan jasa
c. Faktor kualitas jasa (informasi moda, servis di jalan, keamanan di shelter, customer
service, keamanan selama perjalanan, merasa tidak takut, kebersihan, aturan-aturan
umum dalam perjalanan)
3. Spesifikasi Lokasi:
Lokasi dibedakan berdasarkan jenis aktivitasnya, yaitu:
a. Aktivitas subsisten, lokasinya berada di kantor
b. Aktivitas pelengkap, lokasinya di mall (belanja), Makan di restoran/ kuliner (untuk lakilaki) dan berbelanja di mall untuk perempuan, pergi ke pasar (perempuan);
c. Aktivitas diskresi, lokasinya di tempat pemancingan (memancing), clubbing (laki-laki)
dan berkuliner, belanja (untuk perempuan)
4. Isu Makroekonomi
Isu makroekonomi yang dipilih terkait moda transportasi antara lain:
a. Isu harga bahan bakar (bensin, solar, pertamax)
b. Isu green peace
c. Isu kejahatan di moda umum
d. Isu kemacetan
5.
Atribut dan Skor Moda Transportasi
Atribut dan Skor moda transportasi dalam penelitian ini disajikan dalam Tabel 2 dan Tabel 3.
Tabel 2. Atribut dan Skor Moda Transportasi
Atribut
Main
Faktor
Harga
Faktor
Kuantitas
jasa
Faktor
Kualitas
jasa
Sub
Informasi
Moda
Pelayanan
di jalan
Keamanan
di shuttle
customer
service
Kemanan
selama di
jalan
Rasa takut
di jalan
Kebersihan
Aturan
Umum
Mobil
Pribadi
5
Angkot
6
Skore
Bus
Moda Nonlane
Motor
7
10
Sepeda Motor
8
10
7
5
8
10
10
7
8
5
10
10
5
8
7
10
10
7
8
6
5
10
5
8
6
10
7
8
10
6
5
5
6
7
10
8
10
10
7
5
8
6
5
7
6
8
Tabel 3 Atribut dan Skor Rata-Rata Moda Transportasi
6
7
7
5
Skor
Moda NonMotor
10
8
6.25
7.875
6.5
Atribut
Mobil
Pribadi
Main
Faktor Harga
5
Faktor
Kuantitas 10
jasa
Faktor Kualitas Jasa 9.375
Bus
lane
Angkot
Sepeda Motor
8
10
7.75
Hasil dan Pembahasan
1. Isu harga bahan bakar
Kondisi umum: jumlah agen ujang (100 orang) dan agen eneng (100) yang jika
dikonversi ke jumlah penduduk kota Bandung, kira-kira menggunakan skala 1:400000.
Kemudian simulasi komputer dijalankan selaman seminggu, dan harga bahan bakar naik
sehingga skor moda transportasinya disajikan dalam Tabel4.
Tabel 4. Atribut dan Skor Rata-Rata Moda Transportasi (skenario 1)
Atribut
Mobil
Pribadi
Faktor Harga
2
Faktor kuantitas
10
layanan
Faktor kualitas
9
layanan
6
7
Bus
lane
7
5
6.25
8
Angkot
Skor
Moda non
motor
10
8
Sepeda Motor
6.5
10
10
10
Dan hasil keluaran simulasi komputer selama seminggu tersebut disajikan dalam Gambar
2.
150
100
Number_of_car
Number_of_angkot
50
Number_of_motor
18/16:30
17/09:00
15/16:00
13/18:00
12/07:30
Number_of_bus
10/20:30
8/20:30
0/07:30
2/07:30
4/07:30
5/22:00
6/22:30
0
Number_of_non_motorize
Gambar 2. Hasil Simulasi Dengan Isu Kenaikan Harga Bahan Bakar
Dari gambar 2 dapat dilihat bahwa ketika isu kenaikan harga bahan bakar dimunculkan
maka pekerja memilih untuk menggunakan moda sepeda motor untuk pergi ke tempat
kerja. Dan jumlah pengguna mobil pribadi masih tetap banyak,sama banyaknya dengan
pengguna moda non motor. Dari segi waktu, jumlah kendaraan tinggi di kisaran jam
07.30 dipagi hari, jam 16.30 dan jam 20.30 sampai 22.30. Puncak pertama diakibatkan
karena pekerja kantor rata-rata masuk jam 8.30 pagi dan mulai berangkat rata-rata di jam
7.30. Sedangkan puncak kedua, adalah jam pulang kantor untuk yang office hoursnya 8
jam sehingga jam 16.30 tepat jam pulang kantor. Puncak ketiga jam 20.30 – 22.30
kegiatannya adalah makan malam diluar atau sekedar nongkrong.
2. Isu green peace
Kondisi umum: jumlah agen ujang (100 orang) dan agen eneng (100). Kemudian simulasi
komputer dijalankan selaman seminggu, dan isu green peace meningkat sehingga skor
moda transportasinya disajikan dalam Tabel 5.
Tabel 5. Atribut dan Skor Rata-Rata Moda Transportasi (skenario 2)
Skor
Atribut
Mobil
Pribadi
Main
Faktor Harga
5
Faktor
5
kuantitas
layanan
Faktor kualitas
9
layanan
10
8
Bus
lane
10
10
6
8
Angkot
Moda non motor
Sepeda Motor
10
10
7
6
7
8
100
Number_of_car
50
Number_of_angkot
Number_of_motor
7/20:30
7/07:30
6/12:30
Number_of_bus
6/07:30
5/18:00
4/20:30
4/07:30
3/16:00
2/16:30
1/20:00
0/20:30
0/07:30
0
Number_of_non_motorize
Gambar 3. Hasil Simulasi Dengan Isu Green Peace
Dari gambar 3 dapat dilihat bahwa ketika green peace dimunculkan maka pekerja
banyak yang memilih untuk menggunakan moda umum bus/damri untuk pergi ke tempat
kerja namun tidak signikan terhadap pengguna kendaraan pribadi karena jumlahnya
masih banyak namun cenderung menurun ketibang skenario 1. Jumlah pengguna angkot
justru turun, pertimbangan agen hanyalah ketika memilih moda mana yang lebih besar
membawa penumpang, dan yang dipilih bis daripada angkot. Jumlah pengguna moda non
motor pun sedikit sekali. Dari segi waktu, jumlah kendaraan terlihat tidak stabil terkadang
padat di periodejam 16.30-20.30, di lain hari padat di periode jam 07.20-20.30. Skenario
kedua ini cenderung tidak stabil karena isu green peace masih dianggap bukan hal penting
atau masyarakat pekerja bersifat ignorant terhadap lingkungan sehingga meski beberapa
sudah pindah kemoda umum namun insentif menggunakan kendaraan pribadi juga masih
tinggi.
3. Isu kejahatan di moda umum
Kondisi umum: jumlah agen ujang (100 orang) dan agen eneng (100). Kemudian simulasi
komputer dijalankan selaman seminggu, dan isu kejahatan di moda umum meningkat
sehingga skor moda transportasinya disajikan dalam Tabel 6.
Tabel 6. Atribut dan Skor Rata-Rata Moda Transportasi (skenario 3)
Skor
Atribut
Main
Faktor Harga
Faktor Kuantitas
Jasa
Faktor Kualitas
Jasa
Bus
lane
Mobil
Angkot
Pribadi
5
8
10
6
7
5
10
10
7
10
10
2
8
8
3
Moda non motor
Sepeda Motor
150
100
Number_of_car
Number_of_angkot
50
Number_of_motor
7/20:00
6/22:30
6/12:30
6/07:30
5/18:00
Number_of_bus
4/20:30
4/07:30
3/16:00
2/16:30
1/20:00
0/20:30
0/07:30
0
Number_of_non_motorize
Gambar 4. Hasil Simulasi Dengan Isu Kejahatan Moda Umum
Dari gambar 4 dapat dilihat bahwa ketika isu kejahatan moda umum dimunculkan
(seperti pencopetan, pemerkosaan, penculikan) maka pekerja banyak yang memilih untuk
menggunakan kendaraan pribadi, jumlah cukup signifikan mendominasi moda lain, dan
bisa dilihat penggunaan angkot menurun drastis karena kasus kejahatan di moda umum
identitik dengan angkot. Dari segi waktu, jumlah kendaraan terlihat tidak stabil mengikuti
pola hasil simulasi ketika isu green peace dimunculkan namun penggunaan mobil pribadi
hampir selalu tinggi di sepanjang minggu kecuali di hari sabtu dan minggu.
4. Isu kemacetan
Kondisi umum: jumlah agen ujang (100 orang) dan agen eneng (100). Kemudian simulasi
komputer dijalankan selaman seminggu, dan isu kemacetan meningkat sehingga skor
moda transportasinya disajikan dalam Tabel 7.
Tabel 7. Atribut dan Skor Rata-Rata Moda Transportasi (skenario 4)
Atribut
Main
Faktor Harga
Faktor Kuantitas
Jasa
Faktor Kualitas
Jasa
Skor
Bus
lane
Mobil
Angkot
Pribadi
5
8
10
6
7
5
10
10
10
10
5
7
8
10
6
Moda non motor
Sepeda Motor
Gambar 5. Hasil Simulasi Dengan Isu Kemacetan
Dari gambar 5 dapat dilihat bahwa ketika isu kemacetan maka pekerja kantoran paling
banyak akan memilih menggunakan sepeda motor dibandingkan dengan moda lainnya
diikuti dengan penggunakan mobil pribadi. Sepeda motor dianggap lebih hemat bahan
bakar dibandingkan dengan mobil pribadi. Jam sibuk di skenario 4 tidak tentu namun
tinggi jumlahnya hampir disemua hari kecuali hari sabtu minggu. Hal tersebut bisa
terjadi karena kondisi macet sepanjang waktu kerja membuat orang memilih istirahat di
hari sabtu dan minggu.
Kesimpulan dan Saran
Hasil penelitian ini, mekanisme berbasis aktivitas mampu menggambarkan bagaimana
aktivitas pekerja kantoran di Bandung. Eksperimen yang dilakukan dapat memberikan
masukan pada pengambil keputusan bagaimana pola kemacetan dikaitkan dengan jumlah
moda transportasi terhadap waktunya. Isu makroekonomi tidak memberikan hasil yang
cukup signifikan pada pola bepergian dalam setiap harinya. Namun setiap isu
memberikan hasil yang cukup signifikan. Di isu meningkatnya bahan bakar jumlah bis
dan mobil pribadi adalah yang terbesar, di isu green peace jumlah bis, mobil pribadi dan
angkot memberikan kontribusi yang tinggi dalam kemacetan kota Bandung. Isu kejahatan
di moda umum membuat mobil pribadi dan moda non-motorize adalah moda dengan
jumlah yang tinggi dan di isu kemacetan, mobil pribadi dan motor jumlahnya meningkat
drastis. Tetapi dari keseluruhan skenario, mobil pribadi adalah yang tertinggi yang
berkontribusi terhadap kemacetan di kota Bandung.
Penelitian ini memiliki banyak keputusan yang bisa dikembangkan di masa depan.
Batasan pertama adalah penelitian belum di validasi dengan data rill di lapangan. Jadi
untuk penelitian selanjutnya, perlu dilakukan validasi ke lembaga-lembaga yang eligible
untuk ditanyai. Batasan kedua, agen masih dianggap tidak berkomunikasi satu sama lain,
faktor komunikasi masih dihilangkan. Batasan ketiga adalah di tujuan penelitian, di
penelitian berikutnya bukan hanya menunjukkan jumlah moda yang berkontribusi dalam
kemacetan tapi juga bagaimana aktivitas-aktivitas tersebut mempengaruhi kemacetan
kota Bandung. Batasan keempat adalah area dan jarak dalam mencapai lokasi kerja dari
rumah, penelitian selanjutnya bisa dikembangkan ke tempat lain. Batasan kelima, agen
yang dipilih hanya pekerja kantoran, yang tidak memiliki anak, penelitian selanjutnya
bisa dikembangkan untuk agen segmen lain. Terakhir, penelitian ini dilakukan dengan
iterasi 1 minggu, dalam penelitian selanjutnya iterasi akan lebih panjang waktunya.
Daftar Rujukan
Caldart, A. A., & Oliviera, F. S. (2007). The Impact of Organisational Complexity in the
Strategy Development Process. In F. A. O'Brien, & R. G. Dyson (Eds.), Supporting
Strategy: Frameworks, Methods and Models (pp. 191-210). John Wiley & Sons, Inc.
Checchi, D., & Jappelli, T. (2004). School Choice and Quality. Center for Economic Policy
Research Discussion Paper Series , 4748. Center for Economic Policy Research.
Gilbert, N. (2008). Agent-based models. SAGE Publications
Golob, T., F, Mark A. Bradley and John W. Polak (1995). Influenced by Car Ability and
Use. UCI-ITS-AS-WP-95-3. Institute of Transportation Studies. University of California,
Irvine. USA. http://www.its.uci.edu
Goodwin, Paul., Wright, George (2004) Decision Analysis for Management Judgment.3rd
edition. John Wiley & Sons Ltd, England
Hägerstrand, T. (1970) “What about people in regional science?” Papers of the Regional
Science Association, 24:7-21.
Jones,P, Koppelman,F, and Orfeuil,J .(1990). Activity analysis: State-of-the-art and future
directions, Jones,P (ed) Developments in Dynamic and Activity-based Approaches to
Travel Analysis, Avebury, Aldershot.
Kleitz, B., Weiher, G. R., Tedin, K., & Matland, R. (2000). Choice, Charter Schools, and
Household Preferences. Social Science Quarterly , 81 (3), 846-854.
Kurani, K. S. and M. Lee-Gosselin (1997) “Synthesis of Past Activity Analysis
Applications”, in Activity-based travel forecasting conference, Washington, DC: U.S.
Department of Transportation, Report DOT-97-17
Mitchell, R. and C. Rapkin (1954) Urban Traffic: A Function of Land Use, New York:
Columbia University Press.
PemkotBandung (2011). www.bandung.go.id
Richardson, K. A., Cilliers, P., & Lissack, M. (2001). Complexity Science: A “Gray” Science
for the “Stuff in Between”. Emergence , 3 (2), 6-18.
Srbljinović, A., & Škunca, O. (2003). An Introduction to Agent Based Modelling and
Simulation of Social Process. Interdisciplinary Description of Complex Systems , 1, 1-8.
Wessels, T. (2006). The Myth of Progress : Toward a Sustainable Future.Hanover:
University Press of New England.
Wilson, S., & Boyd, C. (2008). Structured Assessment of Complex systems.Canberra:
Aerospace Concepts Pty Ltd.