Post on 08-Apr-2022
Kajian Pemodelan Pergerakan Orang di BidangTransportasi Jalan Selama Covid-19
KERJASAMA BALITBANGHUB-ITBKAJIAN ISU STRATEGIS KEBIJAKAN SEKTOR TRANSPORTASI MERESPONS PANDEMI COVID-19
Prof.Ir. Ade Sjafruddin, M.Sc, Ph.D.
Kelompok Keahlian Rekayasa Transportasi, Fakultas Teknik Sipil dan Lingkungan,
National Center for Sustainable Transportation TechnologyInstitut Teknologi Bandung
Webinar – “Transportasi Sehat, Indonesia Maju”Selasa, 15 September 2020
Tujuan | Pemodelan Pergerakan Orang di Bidang TransportasiJalan Selama Covid-19
Tim peneliti:
Russ Bona Frazila, Dr. Eng.Prof. Ade Sjafruddin, PhD
Idwan Santoso, PhDFebri Zukhruf, Dr. Eng.
Taufiq Suryo, PhD (Asisten)Andrean Maulana, MT (Asisten)
Agung Ziaulhaq, MT (Asisten)Muhammad Farda, M.Sc(Eng) (Asisten)
Tujuan:
a. Mengidentifikasi pergerakan orang pada transportasi jalan setelah diterapkan PM 18, PM 25 Tahun 2020,
dan SE No. 4 tahun 2020;
b. Mengidentifikasi pola penyebaran Covid-19 setelah diterapkan PM 18, PM 25 Tahun 2020, dan SE No. 4
tahun 2020;
c. Mengidentinfikasi pengaruh pergerakan orang pada transportasi jalan terhadap penyebaran Covid-19;
d. Memberikan rekomendasi kebijakan pengendalian transportasi jalan berdasarkan hasil pemodelan
pengaruh pergerakan orang pada transportasi jalan terhadap penyebaran Covid-19.
Ruang Lingkup:
1. Koordinasi dengan instansi terkait;2. Inventarisasi peraturan terkait;3. Inventarisasi data laporan Posko dari aplikasi Siasati;4. Pengumpulan data sekunder;5. Pengolahan data dan analisis;
1. Identifikasi simulasi pergerakan bidangtransportasi jalan selama pandemi;
2. Identifikasi simulasi penyebaran Covid-19;3. Pemodelan pengaruh pergerakan orang di
bidang transportasi jalan terhadap penyebaranCovid-19.
6. Menyusun rekomendasi berupa dokumen kebijakan(policy brief) pengendalian transportasi jalanberdasarkan hasil pemodelan pengaruh pergerakanorang pada transportasi jalan terhadap penyebaranCovid-19.
7. Nasional – Kota (DKI Jakarta)
Lingkup| Pemodelan Pergerakan Orang di Bidang TransportasiJalan Selama Covid-19
Methodologi
Summary | Model/Strategi
Pembebanan
Model Jaringan Multimoda
Arus di Ruas Hasil Pembebanan
Hasil PerbandinganMendekati?
Update Pergerakan Sampel
Pergerakan Harian Seluruh Populasi
Ya
Tidak
Data pergerakan harian (dari data seluler mulai
bulan Maret 2020)
Data arus lalu lintas dari SIASATI, posko dan lain-
lain (PUPR)
Penyaringan data pergerakan dengan
Stationary Time (Dwell Time) > 2 jam (sampling)
Data harian jumlah Pasien Positif Covid 19
Identifikasi wilayah sumber penularan Covid 19 (dari luar atau dalam
negeri)
Clustering penyebaran penambahan pasien
positif COVID 19 Model Korelasi Penyebaran dan Penambahan Harian Positif COVID 19 dengan Pergerakan Antarwilayah
Formulasi Kebijakan Pengendalian Transportasi
Jalan untuk Mitigasi Penyebaran Covid 19
Faktor Kebijakan (PM dan SE) serta Faktor Pengaruh
Lain
Hubungan Transportasi dan Penyebaran COVID-19Transportasi sebagai Vektor Pandemi
Peran transportasi dalam penyebaran Covid-19:• Memindahkan orang (carrier) dengan virus dari satu
tempat ke tempat lain
• Stasiun/terminal dan moda merupakan tempat berkumpul banyak orang secara bersama-sama dalamruang yang sama dalam waktu tertentu
• Terjadinya interaksi fisik antara carrier dengan orang lain
• Stasiun/terminal dan moda yang dipakai oleh orang banyak boleh jadi tidak dibersihkan secara sempurna
Dalam kaitan dengan penyebaran Covid-19
• Imported case (pergerakan antar wilayah)
• Local case (pergerakan/aktivitas dalam wilayah)
Model Jaringan Multimoda Nasional:Model Jaringan Jalan, Rel, Penyeberangan, Laut dan Udara
7
Sistem jaringan yang ditinjaupada studi ini: - Jaringan jalan arteri dan
kolektor primer- Jaringan kereta api dan
stasiun- Jaringan pelayaran dan
Pelabuhan, termasuk penyeberangan
- Jaringan penerbangan dan Bandara
Dengan zona kabupaten/kota
8
Sistem jaringan jalan yang ditinjau pada studi ini: Jaringan jalan arteri, kolektorprimer, atau dari sisi status jalan, darijalan nasional sampai pada jalankabupaten/kota, yang merupakan ruasjalan antar kota (inter-urban road) sertasebagian besar jalan local
Termasuk jaringan angkutan umum, baik yang berbasis jalan maupun yang berbasis rel
Dengan zona kelurahan, gabungan dan kecamatan
Model Jaringan Jabodetabek:Model Jaringan Transportasi Jalan dan Angkutan Umum
Basis Data
Data Lalu Lintas
Pola Penumpang Angkutan Umum Antarkota di IndonesiaData Sistem Informasi Angkutan dan Sarana Transportasi Indonesia (SIASATI), mulai 1 April 2020
23 April 2020
6 Mei 2020
12
Data Hasil Pengamatan : Jalan Tol
Sumber : PT. Jasa Marga
050000
100000150000200000250000300000350000400000
01
-Mar
-20
03
-Mar
-20
05
-Mar
-20
07
-Mar
-20
09
-Mar
-20
11
-Mar
-20
13
-Mar
-20
15
-Mar
-20
17
-Mar
-20
19
-Mar
-20
21
-Mar
-20
23
-Mar
-20
25
-Mar
-20
27
-Mar
-20
29
-Mar
-20
31
-Mar
-20
02
-Ap
r-2
0
04
-Ap
r-2
0
06
-Ap
r-2
0
08
-Ap
r-2
0
10
-Ap
r-2
0
12
-Ap
r-2
0
14
-Ap
r-2
0
16
-Ap
r-2
0
18
-Ap
r-2
0
20
-Ap
r-2
0
22
-Ap
r-2
0
24
-Ap
r-2
0
26
-Ap
r-2
0
28
-Ap
r-2
0
30
-Ap
r-2
0
02
-May
-20
04
-May
-20
06
-May
-20
08
-May
-20
10
-May
-20
12
-May
-20
14
-May
-20
16
-May
-20
18
-May
-20
20
-May
-20
22
-May
-20
24
-May
-20
26
-May
-20
28
-May
-20
30
-May
-20
01
-Ju
n-2
0
03
-Ju
n-2
0
05
-Ju
n-2
0
07
-Ju
n-2
0
09
-Ju
n-2
0
11
-Ju
n-2
0
13
-Ju
n-2
0
15
-Ju
n-2
0
17
-Ju
n-2
0
19
-Ju
n-2
0
21
-Ju
n-2
0
23
-Ju
n-2
0
Vo
lum
e K
end
araa
n
Tanggal
Lingkar Dalam Kota
PSBB AWAL DKI PSBB T-1
Data Mei Tidak Ada
0
50000
100000
150000
200000
250000
300000
350000
400000
01
-Mar
-20
03
-Mar
-20
05
-Mar
-20
07
-Mar
-20
09
-Mar
-20
11
-Mar
-20
13
-Mar
-20
15
-Mar
-20
17
-Mar
-20
19
-Mar
-20
21
-Mar
-20
23
-Mar
-20
25
-Mar
-20
27
-Mar
-20
29
-Mar
-20
31
-Mar
-20
02
-Ap
r-2
0
04
-Ap
r-2
0
06
-Ap
r-2
0
08
-Ap
r-2
0
10
-Ap
r-2
0
12
-Ap
r-2
0
14
-Ap
r-2
0
16
-Ap
r-2
0
18
-Ap
r-2
0
20
-Ap
r-2
0
22
-Ap
r-2
0
24
-Ap
r-2
0
26
-Ap
r-2
0
28
-Ap
r-2
0
30
-Ap
r-2
0
02
-May
-20
04
-May
-20
06
-May
-20
08
-May
-20
10
-May
-20
12
-May
-20
14
-May
-20
16
-May
-20
18
-May
-20
20
-May
-20
22
-May
-20
24
-May
-20
26
-May
-20
28
-May
-20
30
-May
-20
01
-Ju
n-2
0
03
-Ju
n-2
0
05
-Ju
n-2
0
07
-Ju
n-2
0
09
-Ju
n-2
0
11
-Ju
n-2
0
13
-Ju
n-2
0
15
-Ju
n-2
0
17
-Ju
n-2
0
19
-Ju
n-2
0
21
-Ju
n-2
0
23
-Ju
n-2
0
Vo
lum
e K
end
araa
n
Tanggal
Lingkar Dalam Kota
WFH PM25 SE4
Data Mei Tidak Ada
13
Data Hasil Pengamatan : Jalan Non Tol
Sumber : IDN Counter (data diambil dengan menggunakan sensor pada 3 lokasi di DKI Jakarta)Website : https://idncounter.co.id/
14
Data Hasil Pengamatan : Bus
Sumber : Kementerian Perhubungan
0
500
1000
1500
2000
2500
3000
3500
01
-04
-20
20
02
-04
-20
20
03
-04
-20
20
04
-04
-20
20
05
-04
-20
20
06
-04
-20
20
07
-04
-20
20
08
-04
-20
20
09
-04
-20
20
10
-04
-20
20
11
-04
-20
20
12
-04
-20
20
13
-04
-20
20
14
-04
-20
20
15
-04
-20
20
16
-04
-20
20
17
-04
-20
20
18
-04
-20
20
19
-04
-20
20
20
-04
-20
20
21
-04
-20
20
22
-04
-20
20
23
-04
-20
20
24
-04
-20
20
25
-04
-20
20
26
-04
-20
20
27
-04
-20
20
28
-04
-20
20
29
-04
-20
20
30
-04
-20
20
01
-05
-20
20
02
-05
-20
20
03
-05
-20
20
04
-05
-20
20
05
-05
-20
20
06
-05
-20
20
07
-05
-20
20
08
-05
-20
20
09
-05
-20
20
10
-05
-20
20
11
-05
-20
20
12
-05
-20
20
13
-05
-20
20
14
-05
-20
20
15
-05
-20
20
16
-05
-20
20
17
-05
-20
20
18
-05
-20
20
19
-05
-20
20
20
-05
-20
20
21
-05
-20
20
22
-05
-20
20
23
-05
-20
20
24
-05
-20
20
25
-05
-20
20
26
-05
-20
20
27
-05
-20
20
28
-05
-20
20
29
-05
-20
20
30
-05
-20
20
31
-05
-20
20
01
-06
-20
20
02
-06
-20
20
03
-06
-20
20
04
-06
-20
20
05
-06
-20
20
06
-06
-20
20
07
-06
-20
20
08
-06
-20
20
09
-06
-20
20
10
-06
-20
20
11
-06
-20
20
12
-06
-20
20
13
-06
-20
20
Jum
lah
Pe
nu
mp
ang
(Ora
ng)
Tanggal
Fluktuasi Penumpang Bus Nasional
WFH PM 25 SE4
Data Aktivitas dalam Wilayah
-120
-100
-80
-60
-40
-20
0
20
40
60
19/02/2020 10/03/2020 30/03/2020 19/04/2020 09/05/2020 29/05/2020 18/06/2020 08/07/2020 28/07/2020 17/08/2020 06/09/2020
GMR DKI Jakarta
retail&recreation grocery&pharmacy parks transit_stations workplaces residential
WFH
SFH
PSB
B
PM
25
SE 4
PSB
B
Tran
sisi
Data Aktivitas|Google Community Mobility Report
• Data yang ditampilkan oleh google mobilityreport merupakan data “perubahan jumlahkunjungan” pada suatu tipe pusat kegiatan atau“perubahan length of stay” khusus untuk pusatkegiatan residential
• Oleh karena itu, perlu dicatat bahwa variableresidential dan variabel jenis pusat kegiatanlainnya memiliki satuan yang berbeda.
• Baseline dari data ini adalah nilai median padaperiode 3 Januari s.d 6 Februari 2020
Data KasusCOVID
Penambahan Kasus Positif Covid-19 Menurut Provinsi di Indonesia
PM
25
SE 4
WFH
, SFH
Penambahan Kasus Positif Covid-19 Menurut Kecamatan di DKI Jakarta
PSB
B
PSB
B T
ran
sisi
Fase
1 T
ahap
1
PM
25
WFH
, SFH
Temuan
Temuan#1
Korelasi Interkasi Pergerakan dengan Episentrum dan Penyebaran Covid19
Finding| Hubungan Pergerakkan dengan Pusat Episentrum
Dari hasil ratusan kali percobaan regresi untuk 1, 2, 3 dst hari lag antara data jumlah kasus dan besarnya pergerakan, ditemukan bahwa jumlah kasus pada setiap provinsi berkaitan erat dengan pergerakandari/ke episentrum dengan time lag 7-14 hari
No Periode EstimasiTime Lag
R2
Maksimum
1 Sebelum Pandemi 14 hari 0.84
2 Sebelum PSBB-April (6 April)
14 hari 0.83
3 Saat PSBB-April (13 April)
7 hari 0.83
4 Saat PSBB-Mei ( 8 Juni) 9 hari 0.85
Antarprovinsi (Nasional)
Finding| Hubungan Pergerakkan dengan Pusat Episentrum
Hubungan pergerakkan dengan pusatpenyebaran juga terlihat pada level antar kota
Hubungan kasus positif dan biayatransportasi dari Kab./Kota di Jawa Barat kePusat Pandemi
Timeline Kasus pertama di Jabar
Antarkabupaten (Jabar)
Finding| Hubungan Pergerakkan dengan Pusat Episentrum(Model Jaringan Transportasi DKI Jakarta)
Secara umum terdapat hubungan antara episentrum dengan pergerakkan untukwilayah dalam kota tidak terlalu signifikan (artinya terdapat faktor lain yang mempengaruhi pergerakan)
y : covid (kumulatif covid)x : pergerakan dari kecamatan dengan kasus tertinggi(Tj. Priok, Tanah Abang, Duren Sawit)
Temuan #2
Korelasi Aktivitas dan Penyebaran Covid 19
Finding| Aktivitas di pusat keramaian terhadap PenyebaranCovid (Data Nasional & DKI Jakarta)
Secara umum terdapat hubungan yang signifikanantara aktivitas di pusat keramaian terhadapPenyebaran Covid diantaranya pada pusat retail, taman, dan rekreasi
y : covid (pertambahan positif covid)x : data gmrParks : local parks, national parks, public beaches, marinas, dog parks, plazas, and public gardens.Retail & recreation : restaurants, cafes, shopping centers, theme parks, museums, libraries, and movie theaters.
(Data Nasional) (Data DKI Jakarta)
Temuan #3
Waktu Jeda (Time Lag) Korelasi Pergerakan dan Penyebaran Covid-19
Finding| Hubungan Waktu Pergerakan dan Waktu PerkembanganKasus Covid
Grafik ini membandingkan korelasi (R2)antara data Pergerakan dan Kasus PositifNasional dengan selisih waktu kedua datatsb
Grafik ini dapat digunakan untukmenentukan time lag yang diartikan sebagaiselisih “hari terjadinya penularan aktual”dan “hari ketika penularan tersebuttercatat”
Hasil pemodelan dengan model pergerakantime lag berada pada rentang 7 hari hingga14 hari
Temuan #4
Skenario Manajemen Permintaan Perjalanan (Demand Management)
Hasil Pembebanan Lalu Lintas: Traffic (satuan mobil penumpang/jam)
Analisis Dilakukan Untuk Jam 6-7 Pagi
Persentase PerubahanVolume Capacity Ratio (VCR) dan total travel
tim (smp.jam) dibandingkan scenario
Business as Usual
Hasil Pembebanan Lalu Lintas: Transit (penumpang/jam)
Persentase PerubahanVolume Capacity Ratio (VCR) dan total travel
tim (smp.jam) dibandingkan scenario
Business as Usual
Analisis Dilakukan Untuk Jam 6-7 Pagi
KerangkaKebijakkan
Kerangka Kebijakkan|
• Kontrol konektivitas dengan episentrum➢ Korelasi sebaran Covid19 dengan tingkat pergerakan
dari/ke episentrum terbukti tinggi, dari sisipenyebarannya maupun tingkat penambahan pasienpositif
➢ Trayek-trayek dari pusat episentrum penting untukdievaluasi secara berkala untuk menekan laju covidakibat imported case
• Penerapan kebijakan pembatasan pergerakan besertaevaluasi, sebaiknya mengikuti perioda waktu (time lag)➢ Durasi PSBB, misal 9-14 hari➢ Durasi waktu untuk evaluasi status buka/tutup trayek,
misal antara 7-9 hari
Kerangka Kebijakkan|
• Kontrol yang ketat terkait aktivitas, penting dilakukan➢ Data menunjukkan bahwa korelasi tertinggi antara
besarnya kegiatan dan penambahan kasus Covid-19 adalah pada kegiatan pusat retail dan rekreasi
• Protokol kesehatan perlu diperketat di stasiun/terminal➢ Kecenderungan data juga menunjukkan korelasi yang
tinggi antara besarnya pengguna angkutan umumdengan peningkatan kasus Covid-19
• Penerapan protokol Kesehatan pada masing-masingmoda angkutan umum secara signifikan mempengaruhiperan transportasi sebagai vektor dalam penyebaranCovid-19
Kerangka Kebijakkan|
• Penerapan kebijakan (khususnya physical distancing dan protokol kesehatan) pada sarana/prasarana angkutan umumtidak dapat berdiri sendiri. Diperlukan kebijakan yang menyangkut demand management➢ Physical distancing di angkutan umum akan memicu
kerumunan di terminal/stasiun serta peningkatan penggunakendaraan pribadi
➢ Penerapan manajemen lalu lintas perlu diarahkan untukmengurangi kerumunan di stasiun/terminal dan dalamangkutan umum
➢ Penerapan manajemen kebutuhan perjalanan perludiarahkan lebih komprehensif untuk mengurangi tingkat lalulintas puncak pada jam-jam tertentu