VALIDASI PREDIKSI BANGKITAN PERJALANAN DARI METODE PENGINDERAAN JAUH QUICKBIRD DI KOTA MAKASSAR

EMI SEPTIANA HUTABARAT, Prof. Dr. Techn. Ir. Danang Parikesit, M.Sc,

2012 | Tesis | S2 Mag. S. & T.Transportasi

Sebagai terobosan baru, seiring dengan perkembangan geoinformatika di Indonesia, Quickbird sebagai satelit yang mampu menghasilkan resolusi spasial yang tinggi yang dapat menampilkan bangunan seperti rumah, gedung-gedung perkantoran, dan banyak bangunan lainnya akan tampak dengan cukup jelas sehingga memungkinkan Quickbird membantu merekam komponen-komponen tata guna lahan seperti pemukiman, gedung-gedung perkantoran, lahan kosong dan banyak bangunan yang dapat menggantikan pengumpulan data bangkitan perjalanan secara konvensional. Tujuan penelitian ini untuk membuat model bangkitan perjalanan sehingga dapat memprediksi bangkitan perjalanan dengan basis data tata guna lahan, dan luas bangunan serta perkiraan faktor koreksi. Variabel yang digunakan adalah variabel yang sesuai dengan citra Quickbird yaitu luas bangunan/gedung. Lokasi penelitian berdasarkan hasil penginderaan jauh yang diolah oleh mahasiswa doktoral Geografi UGM yang berada di Kota Makassar dengan menggunakan enam kecamatan sebagai batasan zona. Metode analisa penelitian ini menggunakan metode empiris dan alat analisanya dibantu oleh perangkat lunak Microsoft Excel dan SPSS 17 (Statistical Product and Service Solutions). Pembuatan model mengunakan analisis regresi, dengan terlebih dahulu memperhatikan bentuk model regresi, apakah berbentuk linier atau non-linier. Dari hasil analisis model yang terbentuk adalah regresi linier dengan formula: Y= 1,194 + 0,062.X dengan R Square 0,933. Dari hasil uji-t juga tidak ada perbedaan antara prediksi model dengan hasil observasi. Dari prediksi perjalanan model kemudian dibangun matrik asal-tujuan, yang sebelumnya dilakukan proyeksi terbalik (Backcasting) ke tahun 2007, agar dapat dikalibrasi dengan matrik asal-tujuan tahun 2007. Dari proses kalibrasi akan didapatkan faktor koreksi (Fcr) untuk Model PJ, dengan formula: FCr = 1826 + 0.831X, sehingga untuk model kota Makassar formula modelnya terkoreksi adalah Fcr = 1829 + 0,831.YPJ. 

As a new breakthrough, along with the development of geoinformatics in Indonesia, Quickbird as a satellite with the ability to produce a high spatial resolution that can display image of the building such as houses, office building and other buildings accurately. It allows recording of land use components such as: dwelling units, office buildings, green spaces, and other types of built environments and it can replace the conventional method of trip generation data collection. The purpose of this research is to make a model that can predict not only trip generation by land use data base and the building area but also the approximate correction factor. The variable of this research which is suitably used with Quickbird image is houses/building area. Research site selected base on the result of remote sensing processed by a student doctoral of geography UGM in Makassar with six district as a zone boundaries. The research method used empirical method and analytical tools by Microsoft Excel dan SPSS 17 (Statistical Product and Service Solutions) softwares. Regression analysis method is used for modelling, with the first consideration of regression form which can lead into linear or non-linear result. The analysis model obtained a linear regression form with the formula of Y= 1,194 + 0,062.X and R Square 0,933. As for the results of the t-test, there are no difference between the model estimated and observations found. The trip estimation model then formed origin-destination matrix, which was previously performed backcasting projection to the year 2007, to be calibrated afterwards with a matrix of origin-destination of year 2007. Through the calibration process a correction factor (FCr) for PJ model would be generated, with the formula of FCr = 1826 + 0.831X, so the model of Makassar is Fcr = 1829 + 0,831.YPJ.

Kata Kunci : Variabel Penelitian, Model Bangkitan Perjalanan, Analisis Regresi, Faktor Koreksi Model.