PEMODELAN AKSELERASI KENDARAAN RODA EMPAT DAN RODA DUA MENGGUNAKAN DATA KENDARAAN PENYIDIK DI KOTA MANADO

Authors

  • Recky Pasila
  • Semuel Y. R. Rompis
  • Freddy Jansen

Abstract

Akselerasi merupakan kemampuan kendaraan untuk merubah kecepatan persatuan waktu. Akselerasi dibagi menjadi 2 yaitu akselerasi (+) biasa disebut percepatan dan akselerasi (-) biasa disebut perlambatan (deselerasi). Salah satu masalah utama akselerasi yaitu untuk mencari konsumsi bahan bakar, karena itu untuk mencari konsumsi bahan bakar diperlukan pemodelan akselerasi yang dibuat dalam model persamaan regresi. Untuk membuat pemodelan akselerasi tergolong cukup sulit karena diperlukan survey kendaraan penyidik dengan data pengambilan kecepatan detik per detik.

Penelitian ini bertujuan mencari pemodelan akselerasi dalam model regresi linier dan regresi non linier, yang berlokasi pada jalan Jendaral Ahmad Yani, jalan Wolter Mongisidi, jalan Piere Tendean, jalan Samratulangi dengan panjang jalan keseluruhan 4.73 km dengan durasi waktu survey 3 jam. Ruas penelitian dibagi menjadi 7 ruas untuk memperbanyak tinjauan pemodelan. Jumlah kendaraan penyidik yang digunakan yaitu 30 kendaraan roda 4 dan 30 roda 2, cara survey menggunakan GPS dengan bantuan aplikasi Manado Trafik Tracker yang akan diinstall pada smart phone masing-masing pengendara kendaraan penyidik.

Hasil penelitian didapatkan bahwa model terbaik yang sering muncul yaitu model regresi linier, logarithmic, dan quadratic pada deselerasi kendaraan roda 4 dan roda 2 model terbaik yaitu regresi quadratic dengan besar R2 kendaraan roda 4 = 0.668 (66.8%) dan untuk kendaraan roda 2 R2 0.753 (75.3%), begitu pula untuk akselerasi kendaraan roda 2 dan roda 4 model terbaik adalah regresi quadratic dengan besar R2 untuk kendaraan roda 4 yaitu 0.804 (80.4%) dan untuk kendaraan roda 2 R2 0.663 (66,.3). dari 2 perbandingan kendaraan roda 4 dan roda 2 tidak memiliki perbedaan model yang signifikan.

 

Kata Kunci: Akselerasi, Deselerasi, Kendaraan, Roda Empat, Roda Dua, Traffic Tracker.

Downloads

Published

2019-07-05