17202109003_louislagonda_assignment05.docx

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