TRANSPORTATION MODELING ANALISIS DAMPAK LALU LINTAS (ANDALALIN) AKIBAT PEMBANGUNAN RUMAH SAKIT UMUM DAERAH MANADO
1
Tempat dan waktu penelitian Penelitian ini dilakukan di kota Manado lebih tepatnya pada ruas jalan Dinas PU manado di depan rusunawa dan dinas PU Manado. gambaran posisi lokasi penelitian dapat dilihat pada denah lokasi pada gambar 1.
RSUD MANADO
Dinas PU Manado
rusunawa
Pengumpulan data Data penelitian meliputi data sekunder dan data primer. Data sekunder terdiri dari: a.Volume lalu lintas. b.Layout RSUD Manado diperoleh dari perencanan. c.Luas bangunan, jumlah bed, serta jenis dan jumlah ruangan diperoleh dari pihak Manajemen rumah sakit. Data primer terdiri dari : a.Volume lalu lintas saat konstruksi diperoleh
melalui survai
volume kendaraan yang
terdiri dari HV, LV, MC, dan UM yang melewati Jl. PU Manado periode waktu 15 menit. b.Inventarisasi tata guna lahan dan geometrik jalan c.Data tarikan dan bangkitan diperoleh dari survai jumlah pengunjung pada rumah sakit yang menjadi pendekatan. Jumlah pengunjung dibedakan berdasarkan jenis kendaraan yang digunakan. 1
2
HASIL DAN PEMBAHASAN Data Geometrik jalan :
Tipe jalan : dua lajur 2 arah terbagi (2/2 D)
Lebar jalan : Arah Timur (T) -Barat (B) : 4 m, Arah Barat (B) -Timur (T) : 4 m
Analisis Kinerja Jalan Pra Konstruksi a) Volume jam puncak Volume lalu lintas jam puncak tahun 2018 untuk jalan Pu manado yaitu 835,89 smp/jam arah T –B dan 787,38 smp/jam arah B –T. b) Perhitungan kapasitas jalan (C) 1)Perhitungan nilai kapasitas jalan (C) arah T –B Berdasarkan data geometrik jalan maka nilai CO yang digunakan adalah 1623.27 smp/jam, nilai FCW adalah 1, dan nilai FCSP adalah 1. Sedangkan nilai FCSF yang digunakan dengan kelas hambatan samping sedang yaitu 0,98 dan Ukuran kota = 0,1 – 0,5 juta penduduk (Berdasarkan data BPS 8 September 2012, jumlah penduduk kota manado adalah 410.481 jiwa) didapatkan nilai FCCS sebesar 0.9. Jadi perhitungan kapasitas jalan (C) untuk arah T –B yaitu :C= COx FCWx FCSPx FCSFx FCCSC= 1623.27 x 1 x 1 x 0,98 x 0,9C= 1480 smp/jam
2)Perhitungan nilai C arah B –T Nilai C untuk arah B –T dimana lebar badan jalan adalah 4 m dengan kelas hambatan samping rendah yaitu 1480 smp/jam. c) Derajat kejenuhan (DS) 1)Perhitungan nilai DS arah T –B Q = 835,89 smp/jam,
C = 1480 smp/jam 𝐷𝑆 =
𝑄 835.89 = = 0.5 𝐶 1480
2)Perhitungan nilai DS arah B –T Dengan cara yang sama untuk arah B–T dimana Q = 787,38 smp/jam dan C = 1480smp/jam didapatkan nilai DS = 0.5. 2
3
Berdasarkan nilai derajat kejenuhan, maka indeks tingkat pelayanan jalan Pu Manado sebelum konstruksi yaitu tingkat pelayanan C.
d) Perhitungan kecepatan arus bebas 1)Perhitungan nilai FV arah T –B Berdasarkan data geometrik jalan maka nilai FVO yang digunakan adalah 57 km/jam dan nilai FVW sebesar 0 km/jam. Sedangkan nilai FFVSF dimana kelas hambatan samping sedang adalah 0,98 dan Ukuran kota = 0,1 – 0,5 juta penduduk (Berdasarkan data BPS 8 September 2012, jumlah penduduk kota manado adalah 410.481 jiwa) Didapatkan nilai FFVcs sebesar 0,93. FV = (FVo+ FVw) x FFVSFx FFVcs= (57+0) x 0,97 x 0,93= 57.9 km/jam.
2)Perhitungan nilai FV arah B -TNilai FV untuk arah B–T dimana lebar badan jalan adalah 4 m dengan kelas hambatan samping rendah yaitu 57.9 km/jam. Tabel 1.Kinerja jalan pra konstruksi no
arah
1 2
T-B B -T
Kapasitas C (smp/jam) 1480 1480
Arus LL Q (smp/jam)
Derajat kejenuhan
835 787
0.5 0.5
Kriteria DS 0,45 – 0,74 0,45 – 0,74
Indeks tingkat pelayanan C C
Kecepatan arus bebas FV (km/jam) 57.9 57.9
3
4
Analisis Perkiraan Tarikan dan Bangkitan Pergerakan Lalu Lintas Untuk mendapatkan volume tarikan dan bangkitan pada RSUD Manado dilakukan
survai
jumlah pengunjung masuk dan keluar pada rumah sakit setara yang menjadi pendekatan yaitu Rumah Sakit Siloam. a. Hasil pengumpulan data rumah sakit Tabel 2. Data rumah sakit no 1 2
jumlah rumah sakit RSUD Manado RS.Siloam Manado
jumlah bed 100 139
jumlah dokter 65 86
b.Perhitungan perkiraan volume tarikan dan bangkitan pergerakan Untuk perkiraan volume tarikan dan bangkitan dibutuhkan data –data untuk pendekatan pemodelan. Data tersebut adalah data jumlah pengunjung masuk dan keluar rumah sakit, data jumlah pasien, jumlah bed terisi, dan jumlah dokter praktek yang didapatkan dari hasil survai pada Rumah Sakit Siloam. Dari data tersebut, dengan menggunakan analisa regresi linier dapat diambil suatu fungsi matematis yang menghubungkan antara variabel terikat dan variabel bebas, dimana variabel terikatnya adalah jumlah pengunjung (Y1) dan variabel bebasnya adalah jumlah pasien (X1), jumlah bed terisi (X2), jumlah dokter praktek (X3). Masing -masing jumlah variabel bebas dan variabel terikat yang digunakan adalah jumlah pada hari survai.
Tabel 3.Data hasil survai pada Rumah Sakit Siloam No 1 2 3 4
hari senin selasa rabu kamis
Volume pergerakan (Y1) org/hri masuk 788 792 655 720
keluar 696 702 587 653
jumlah pasien (X1)
jumlah bed terisi (X2)
jumlah Dokter praktek (X3)
187 183 138 140
56 65 68 63
14 18 15 17
Untuk perhitungan selanjutnya dilakukan dengan menggunakan software SPSS 16.0. Hasil persamaan modelnya dapat dilihat pada tabel di bawah ini.
4
5
Tabel 4.Persamaan model jumlah pengunjung RS. Siloam hubungan Y dengan X X1 X2 X3
persamaan model Y1 = 375.126 + 2.245 X1 Y1 = 1269.404 -8.423 X2 Y1 = 621.950 + 7.300 X3
nilai r
nilai 0.921 0.662 0.205
0.848 0.438 0.042
Untuk mengetahui jumlah pengunjung (Y1) dilakukan pemodelan dengan kombinasi beberapa variabel bebas. Persamaan modelnya dapat dilihat pada tabel berikut.
Tabel 5. Persamaan model jumlah pengunjung (Y1) RS. SILOAM hubungan Y dengan X X1+X2 X1+X3 X2+X3 X1+X2+X3
persamaan model Y1 = 528.231 + 2.023 X1-1.861 X2 Y1 = 232.584 + 2.269 X1 + 8.661X3 Y1 = 1141.266 -12.306 X2 +23.298 X3 Y1 = 602.650 + 1.580 X1 -5.966 X2 +16.004 X3
nilai r 0.928 0.953 0.88 1
nilai 0.584 0.908 0.775 1
Berdasarkan hasil korelasi antara variabel terikat yaitu jumlah pengunjung (Y1) dengan masing-masing variabel bebas menunjukkan bahwa model untuk jumlah pengunjung lebih besar/lebih kuat dipengaruhi oleh jumlah pasien (X1). Untuk mengetahui perkiraan jumlah pasien (X1) saat RSUD Manado beroperasi, maka dapat dilakukan dengan cara memodelkan antara jumlah pasien (YA), jumlah bed terisi (Xa), dan jumlah dokter praktek (Xb) pada Rumah Sakit Siloam. Tabel 6. Persamaan model jumlah pasien (YA) RS. SILOAM hubungan Y dengan X Xa Xb Xa + Xb
persamaan model Ya = 366.346 - 3.244 Xa Ya = 171.600 - 0.600 Xb Ya = 340.953 - 4.013 Xa + 4.617 Xb
nilai r 0.621 0.041 0.682
nilai 0.386 0.002 0.465
Dari persamaan model di atas diketahui bahwa jumlah pasien sangat tergantung pada persepsi isi (occupancy) dari bed dan praktek dokter yang tersedia pada rumah sakit.
5
6
Analogi dengan kondisi yang terjadi di Rumah Sakit Siloam dimana rumah sakit dalam keadaan fix session, maka perkiraan Jumlah pengunjung didasarkan pada perkiraan jumlah pasien. Berdasarkan hal tersebut, maka perkiraan jumlah pasien pada RSUD Manado yaitu : Ya = 340.953 - 4.013 Xa + 4.617 Xb =340.953 - 4.013(100) 4.617 (65) = 240 orang/hari Sedangkan perkiraan jumlah tarikan yaitu: Y1 = 528.231 + 2.023 X1-1.861 X2 Y1 = 528.231 + 2.023 (240) - 1.861 (65) = 895 orang/hari
Tabel 7.Perkiraan tarikan dan bangkitan Pada RSUD Manado jumlah bed
jumlah praktek dokter
100
65
jumlah pergerakan orang/hari tarikan bangkitan 892 706
Perhitungan pembebanan lalu lintas Perkiraan jumlah tarikan dan bangkitan pada RSUD Manado akan dibebankan pada ruas Jalan Pu Manado. Volume tarikan dan bangkitan lalu lintasnya dihitung dengan cara mengalikan jumlah tarikan dan bangkitan dengan rata-rata persentase jumlah pengunjung berdasarkan jumlah orang dalam 1 kendaraan.
Tabel 8. Rata - rata persentase pengunjung masuk keluar
LV 1 orang 3.74% 8.47%
2 orang 22.55% 18.99%
3 orang 19.12% 19.75%
4 orang 3.43% 0.43%
5 orang 0.00% 0.68%
MC 1 orang 35.24% 34.36%
2 orang 15.92% 17.31%
6
7
Tabel 9. Perkiraan jumlah kendaraan yang masuk ke RSUD Manado pengunjung orang/hari
LV 1 orang 3.74% 33
2 orang 22.55% 201 33
3 orang 4 orang 19.12% 3.43% 171 31 56.86902606 7.65144192
101
kend/hari
5 orang 0 0 0
198
MC 1 orang 2 orang 35.24% 15.92% 315 143 315.38 71.42 386.8
total 894 585
Tabel 10. Perkiraan jumlah kendaraan yang keluar dari RSUD Manado pengunjung orang/hari
LV 1 orang 8.47% 60
2 orang 18.99% 134 60
kend/hari
3 orang 19.75% 139 46.47833333
67
4 orang 0.43% 3 0.75895
5 orang 0.68% 5
174
0
MC 1 orang 2 orang 34.36% 17.31% 243 122 242.5816 61.1043 303.6859
total 706 478
Analisis Kinerja Jalan Pasca Konstruksi Volume lalu lintas jam puncak pasca konstruksi yaitu : 1. Arah T – B Jika diasumsikan bahwa total pergerakan kendaraan yang terjadi pada jam puncak sebesar 10% (585 x 10% = 58.5), maka volume kendaraan pada jam puncak dapat dihitung sebagai berikut : - volume kendaraan saat ini, Q(2018) = 835.89 smp/jam - tingkat pertumbuhan kendaraan 3% pertahun - volume kendaraan saat RSUD Manado dibuka, Q(2019) = 835x (1+0.03)1 = 860 - volume kendaraan hasil tarikan pergerakan, Q = 58.5 smp/jam - volume kendaraan total, Q (total) : 860+ 58.5 = 920 smp/jam
7
8
2. Arah B – T Dengan cara yang sama diperoleh nilai Q = 870 smp/jam.
Jadi volume kendaraan total saat RSUD Manado beroperasi pada tahun 2019 (satu tahun kemudian) Tabel 11 kinerja jalan setelah RSUD Manado dibangun no
arah
Kapasitas C (smp/jam)
1 2
T-B B -T
1480 1480
Arus LL Q (smp/jam) 920 820
Derajat kejenuhan
Kriteria DS
0.62 0.55
0,45 – 0,74 0,45 – 0,74
Indeks tingkat pelayanan C C
Kecepatan arus bebas FV 57.9 57.9
8
9
Lampiran 1 Coefficientsa
Model 1
Standardized Coefficients Unstandardized Coefficients B Std. Error Beta 375.126 109.830
(Constant) X1
2.245
0.671
t
0.921
Sig. 3.416
0.076
3.344
0.079
a. Dependent Variable: Y1
Model Summary Adjusted Model 1
R
R Square R Square 0.848 0.772
.921a a. Predictors: (Constant), X1
Coefficientsa
Std. Error of the 30.94804
Unstandardized Coefficients
Model
B 1
(Constant) X2
Standardized Coefficients Std. Error
t
Sig.
Beta
1269.404
425.844
-8.423
6.743
-0.662
2.981
0.097
-1.249
0.338
a. Dependent Variable: Y1
Model Summary Model 1
R .662a
Adjusted Std. Error R Square R Square of the 0.438 0.157 59.55161
a. Predictors: (Constant), X2
Coefficientsa
Unstandardized Coefficients
Model
B 1
(Constant) X3
Standardized Coefficients
621.950
Std. Error 395.364
7.300
24.590
t
Sig.
Beta 0.205
1.573
0.256
0.297
0.795
a. Dependent
Model Summary Model 1
R .205a
Adjusted Std. Error R Square R Square of the 0.042 -0.437 77.76198
a. Predictors: (Constant), X3
9
10
Coefficientsa Standardized Coefficients
Unstandardized Coefficients Model 1
B (Constant)
Std. Error
Beta
528.231
519.006
X1
2.023
1.158
X2
-1.861
6.044
t
Sig. 1.018
0.494
0.830
1.747
0.331
-0.146
-0.308
0.810
a. Dependent Variable: Y1
Model Summary R
Model 1
R Square .928a
Adjusted R Square 0.861
Std. Error of the Estimate
0.584
41.82977
a. Predictors: (Constant), X2, X1
Coefficientsa Standardized Coefficients
Unstandardized Coefficients Model 1
B (Constant)
Std. Error
Beta
232.584
215.275
X1
2.269
0.741
X3
8.661
10.810
t
Sig. 1.080
0.475
0.931
3.060
0.201
0.244
0.801
0.570
a. Dependent Variable: Y1
Model Summary R
Model 1
R Square .953a
0.908
Std. Error of Adjusted R Square the Estimate 0.723 34.15598
Coefficientsa Standardized Coefficients
Unstandardized Coefficients Model 1
B 1141.266
Std. Error 395.273
X2
-12.306
6.819
X3
23.298
19.044
(Constant)
Beta
t
Sig. 2.887
0.212
-0.967
-1.805
0.322
0.656
1.223
0.436
Model Summary Model 1
R
R Square .880a
0.775
Std. Error of Adjusted R Square the Estimate 0.325 53.30034
10
11
Coefficientsa Standardized Coefficients
Unstandardized Coefficients Model 1
B (Constant)
Std. Error
Beta
t
602.650
0.000
X1
1.580
0.000
0.648
X2
-5.966
0.000
-0.469
X3
16.004
0.000
0.450
Sig.
Model Summary R
Model 1
R Square 1.000a
Adjusted R Square
Std. Error of the Estimate
1.000
a. Predictors: (Constant), X3, X1, X2
Coefficientsa Standardized Coefficients
Unstandardized Coefficients Model 1
B (Constant)
366.346
Std. Error 182.688
-3.244
2.893
X2
Beta
t
-0.621
Sig. 2.005
0.183
-1.121
0.379
Model Summary R
Model 1
R Square .621a
Std. Error of the Estimate
Adjusted R Square 0.386
0.079
25.54772
a. Predictors: (Constant), X2 Standardized Coefficients
Unstandardized Coefficients Model 1
B (Constant)
Std. Error
Beta
171.600
165.626
-0.600
10.301
X3
t
-0.041
Sig. 1.036
0.409
-0.058
0.959
Model Summary R
Model 1
Std. Error of Adjusted R Square the Estimate -0.497 32.57606
R Square .041a
0.002
Coefficientsa Standardized Coefficients
Unstandardized Coefficients Model 1
B 340.953
Std. Error 250.214
X2
-4.013
4.316
X3
4.617
12.055
(Constant)
Beta
t
Sig. 1.363
0.403
-0.769
-0.930
0.523
0.317
0.383
0.767
Model Summary Model 1
R
R Square .682a
0.465
Std. Error of Adjusted R Square the Estimate -0.606 33.74003
a. Predictors: (Constant), X3, X2
11
12
Lampiran 2
Rumah sakit Siloam Manado
Rumah Sakit Umum Daerah Manado
12