Mengukur Efek Marjinal dan Elastisitas Permintaan Transjakarta dan Jaklingko dengan Multinomial Logit Model

Main Article Content

Masrono Yugihartiman
Firga Ariani

Abstract

Wacana kenaikan tarif BRT Transjakarta yang ditetapkan sejak tahun 2005 sering muncul di media masa. Untuk memberikan evidence response penumpang terhadap tarif tersebut, penelitian ini dilakukan. Adapun tujuan penelitian ini adalah untuk mengestimasi efek marjinal dan elastisitas permintaan dua jenis pelayanan, yaitu BRT Transjakarta dan Jaklingko. Metode penghitungan efek marjinal dan elastisitas menggunaknan multinomial logit model (MNL) dan conditional logit model (CLM). Pengumpulan data dilakukan dengan menggunakan stated preference survey terhadap 1.202 responden, yang terdiri dari 621 responden BRT Transjakarta dan 581 responden Jaklingko. Berbeda dengan penelitian yang pernah dilakukan di Jakarta sebelumnya, penelitian ini langsung mengestimasi tarif, waktu perjalanan, waktu menunggu, dan biaya transportasi kendaraan pribadi. Selain itu, penelitian ini juga menganalisis efek marjinal dan elastisitas terhadap tingkat pendapatan pengguna secara langsung, yaitu dengan memasukkan tingkat pendapatan di dalam model, dan juga membuat model yang berbeda untuk tingkat pendapatan yang berbeda. Dari hasil penelitian, ditemukan efek marjinal permintaan BRT Jakarta rata-rata -0,0187, dengan elastisitas sekitar -0,0757, yang menunjukkan elastisitas pernintaan terhadap tarif tidak elastis. Demikian pun terhadap waktu perjalanan dengan efek marjinal sekitar separuh dari tarif, yaitu -0,0085 dan elastisitas -0,9074. Untuk waktu tunggu, efek marjinal sekitar dua kali dibandingkan waktu tempuhnya, yaitu sebesar -0,0165, dengan elastisitas -0,0780, dan untuk biaya perjalanan kendaraan pribadi dengan efek marjinal 0,0011 dan elastisitas 0,0848. Sedangkan untuk tingkat pendapatan dengan efek marjinal 0,0061, atau permintaan akan meningkat 0,61% setiap terjadi Rp 1 juta peningkatan pendapatan pengguna, dengan elastisitas 0,0546. Efek marjinal dan elastisitas ini menurun pada tingkat pendapatan yang lebih tinggi. Hal yang sama terjadi pada pelayanan Jaklingko. Secara umum, efek marjinal dan elastisitas Jaklingko lebih tinggi dibandingkan dengan BRT Transjakarta.

Downloads

Download data is not yet available.

Article Details

Section

Articles

References

J. Holmgren, “Meta-analysis of public transport demand,” Transp Res Part A Policy Pract, vol. 41, no. 10, pp. 1021–1035, 2007, doi: 10.1016/j.tra.2007.06.003.

C. Sianturi, an Nasrudin, and M. Halley Yudhistira, “Estimating the price elasticity of demand for urban mass rapid transit ridership: A quasi-experimental evidence from Jakarta, Indonesia,” Case Stud Transp Policy, vol. 10, no. 1, pp. 354–364, 2022, doi: 10.1016/j.cstp.2021.12.015Get.

E. Helmmie and T. B. Joewono, “Elasticity of Travel Time and Travel Cost of Private Vehicles and Public Transportation in Bandung, Indonesia,” Civil Engineering Dimension, vol. 24, no. 2, pp. 101–108, Oct. 2022, doi: 10.9744/ced.24.2.101-108.

G. Sugiyanto et al., “Elastisitas Faktor-Faktor Yang Mempengaruhi Permintaan Kebutuhan Angkutan Umum Di London Dan Yogyakarta,” 2009.

N. Paulley et al., “The demand for public transport: The effects of fares, quality of service, income and car ownership,” Transp Policy (Oxf), vol. 13, no. 4, pp. 295–306, Jul. 2006, doi: 10.1016/j.tranpol.2005.12.004.

T. Litman, “Transit Price Elasticities and Cross - Elasticities.”

T. A. Litman and T. Litman, “www.vtpi.org Info@vtpi.org 250-508-5150 Understanding Transport Demands and Elasticities How Prices and Other Factors Affect Travel Behavior,” 2024. [Online]. Available: www.vtpi.org.

G. Kreindler, A. Gaduh, T. Graff, R. Hanna, and B. A. Olken, “Optimal Public Transportation Networks: Evidence from the World’s Largest Bus Rapid Transit System in Jakarta,” 2023. [Online]. Available: //www.nber.org/data-appendix/w31369.

G. Bresson, J. Dargay, J. L. Madre, and A. Pirotte, “The main determinants of the demand for public transport: A comparative analysis of England and France using shrinkage estimators,” Transp Res Part A Policy Pract, vol. 37, no. 7, pp. 605–627, 2003, doi: 10.1016/S0965-8564(03)00009-0.

Y. Kholodov et al., “Public transport fare elasticities from smartcard data: Evidence from a natural experiment,” Transp Policy (Oxf), vol. 105, pp. 35–43, May 2021, doi: 10.1016/j.tranpol.2021.03.001.

D. A. Hensher, “Assessing systematic sources of variation in public transport elasticities: Some comparative warnings,” Transp Res Part A Policy Pract, vol. 42, no. 7, pp. 1031–1042, 2008, doi: 10.1016/j.tra.2008.02.002.

G. Kreindler et al., “Optimal Public Transportation Networks: Evidence from the World’s Largest Bus Rapid Transit System in Jakarta *,” 2023.

A. Garcıá-Ferrer, M. Bujosa, A. Ara´nzazu De Juan, and P. Poncela, “Demand Forecast and Elasticities Estimation of Public Transport,” 2006.

N. Vasudevan, N. Gore, R. Zope, S. Arkatkar, and G. Joshi, “Determining mode shift elasticity based on household income and travel cost,” Research in Transportation Economics, vol. 85, Mar. 2021, doi: 10.1016/j.retrec.2019.100771.

C.-H. Tsai and C. Mulley, “Identifying Short-Run and Long-Run Public Transport Demand Elasticities in Sydney A Pseudo Panel Approach,” 2014.

C. H. (Patrick) Tsai, C. Mulley, and G. Clifton, “A Review of Pseudo Panel Data Approach in Estimating Short-run and Long-run Public Transport Demand Elasticities,” Jan. 2014. doi: 10.1080/01441647.2013.875079.

L. De Grange, F. González, J. C. Muñoz, and R. Troncoso, “Aggregate estimation of the price elasticity of demand for public transport in integrated fare systems: The case of Transantiago,” Transp Policy (Oxf), vol. 29, pp. 178–185, Sep. 2013, doi: 10.1016/j.tranpol.2013.06.002.

K. E. Train, Discrete choice methods with simulation, second edition, vol. 9780521766555. Cambridge University Press, 2009. doi: 10.1017/CBO9780511805271.

W. H. G. David, A. Hensher, John M. Rose, Applied Choice Analysis A Primer Almost. Cambridge University Press, cambridge university press Cambridge, New York, Melbourne, Madrid, Cape Town, Singapore, São Paulo Cambridge University Press The Edinburgh Building, Cambridge cb2 2ru,UK Published in the United States of America by Cambridge U, 2005.

F. S. Koppelman, C. Bhat, V. Sethi, S. Subramanian, V. Bernardin, and J. Zhang, “A Self Instructing Course in Mode Choice Modeling: Multinomial and Nested Logit Models,” 2006.

D. Mcfadden, “Disaggregate Behavioral Travel Demand’s RUM Side-A 30-Year Retrospective Discrete choice theory View project Behavioral finance and investment decision View project Disaggregate Behavioral Travel Demand’s RUM Side A 30-Year Retrospective Disaggregate Behavioral Travel Demand’s RUM Side A 30-Year Retrospective,” 2000. [Online]. Available: https://www.researchgate.net/publication/2331526.

Banister D, “Transport Planning Second Edition,” New York, 2002.

Tamin, Perencanaan dan Pemodelan Transportasi. Penerbit ITB, 2000.

M. Ben-Akiva and S. R. Lerman, “Discrete Choice Analysis: Theory and Application to Travel Demand.,” J Oper Res Soc, vol. 38, no. 4, p. 370, 1987, doi: 10.2307/2582065.

Badan Pusat Statistik/BPS-Statistic Indonesia, “Statistik-Indonesia-2020,” Badan Pusat Statistik/BPS-Statistic Indonesia, 2020.

R Balcombe, “The demand for public transport: a practical guide,” 2004.