darimodel pewarnaan graf diatas, kita mendapatkan 4 kondisi nyala lampu pada perempatan arion sebagai berikut : tabel 1 lampu lalu lintas kondisi 1 tabel 2 lampu lalu lintas kondisi 2 tabel 3 lampu lalu lintas kondisi 3 lampu merah l2g, h2c, b1g,f2a, b2i, h1a lampu hijau f1i, l1c, kd, ej, bc, hi, fg, la lampu merah l2g, h2c, f2a, b2i, f1i, l1c, Lampulalu lintas mrupakan alat pemberi isyarat lalu lintas yang termasuk dalam UU Lalu Lintas dan Angkutan Darat bagian 9 pasal 8 alinea (1) yang merupakan peralatan teknis berupa isyarat lampu yang dapat dilengkapi bunyi untuk memberi peringatan atau pengatur lalu lintas. Modus ini bekerja dengan memperhatikan kondisi waktu berdasarkan 1universitas indonesia model waktu tunggu kendaraan pada persimpangan dengan lampu lalu lintas saat jam sibuk halaman sampul skripsi ade putri maysar Author: Hendra Budiman 28 downloads 102 Views 1MB Size MemprogramLampu Lalu Lintas Kami akan menggunakan bahasa pemrograman Python untuk membuat lampu bekerja. Pertama, Anda perlu menginstal beberapa paket perangkat lunak tambahan yang diperlukan untuk memungkinkan Anda mengunduh kode sampel saya, dan untuk memberikan akses Python ke pin GPIO di Pi. Masukkan yang berikut ini di baris perintah: Modelperempatan jalan yang dibahas adalah perempatan jalan Arion, Rawamangun, Jakarta Timur. Dari gambar diatas bisa kita lihat bahwa jalur B, F, H, dan L masing masing mempunyai dua buah lampu lalu lintas. Lampu lalu lintas yang pertama adalah untuk jalur mobil bergerak lurus, sedangkan lampu lalu lintas kedua untuk jalur mobil yang berbelok. Vay Tiền Trả Góp 24 Tháng. Lampu lalu lintas atau sinyal lalu lintas sering kita temui di persimpangan jalan, zebra cross, dan tempat-tempat lainnya. Lampu berwarna merah, kuning, dan hijau ini berguna untuk mengendalikan arus lalu lintas, kapan pengendara harus melaju atau berhenti secara bergantian dari segala arah. Namun, bagaimana mulanya sinyal lalu lintas tersebut diciptakan? Begini Dipasang pertama kali di London, warna lampunya hanya merah dan hijau lho!Berbagai sumberBerawal dari jalanan Kota London yang sangat dipadati kereta kuda dan pejalan kaki, seorang manajer kereta api Inggris, John Peake Knight mempunyai ide untuk mengatur lalu lintas dengan menggunakan tiang sinyal semaphore.Semaphore ini biasa digunakan untuk mengontrol lalu lintas kereta api. Tiang tersebut dilengkapi dengan tiga lengan yang mana jika ketiga lengan membentang secara horizontal, bermakna berhenti stop dan jika lengan turun membentuk sudut 45 derajat, mengisyaratkan para pemudi untuk melaju dengan hati-hati caution.Tiang tersebut juga dilengkapi dengan lampu gas berwarna merah dan hijau dan hanya digunakan pada malam hari. Merah berarti 'stop' dan hijau berarti 'caution'.Tiang sinyal tersebut pertama kali dipasang di dekat Gedung Parlemen London pada 9 Desember 1868. Dioperasikan oleh seorang polisi, tiang sinyal ini cukup berhasil mengatur lalu lintas pada masa itu. Namun, pada 2 Januari 1869 terjadi kebocoran gas di bawah trotoar yang menimbulkan peledakan dan melukai polisi yang mengoperasikannya. Karena diragukan keamanannya, konsep tiang ini diberhentikan pada tahun Sinyal lalu lintas tanpa lampu karya Ernest Sirrine, penemuan pertama di AmerikaBerbagai sumber40 tahun kemudian, banyak inovasi sinyal lalu lintas baru yang bermunculan di Amerika Serikat. Salah satunya paten milik Ernest Sirrine pada tahun 1910, ia memperkenalkan sinyal lalu lintas otomatis yang tidak dilengkapi dengan lampu di Chicago. Sinyal lalu lintasnya terdiri dari dua lengan yang disusun bersilang, dan dapat berputar sesuai sumbunya. Lengan tersebut bertuliskan kata 'stop' yang berarti berhenti dan 'proceed' yang berarti Lampu lalu lintas elektrik pertama di Amerika Berbagai sumberLampu lalu lintas bertenaga listrik ditemukan oleh seorang polisi di Salt Lake City, Utah, yang bernama Lester Wire pada tahun 1912. Sinyal lalu lintas miliknya menggunakan lampu berwarna merah dan hijau, berbentuk menyerupai rumah burung dan terdiri dari 4 sisi yang bertopang pada tiang. Lampu lalu lintas ini dipasang di persimpangan dengan bantuan kabel listrik di udara, dan dioperasikan oleh seorang polisi untuk mengatur lampunya secara lampu lalu lintas listrik pertama dinobatkan pada rancangan James Hoge yang dipasang pada 5 Agustus 1914 di Cleveland. Invensinya berupa tulisan 'stop' dan 'move' yang menyala secara bergantian dan dilengkapi dengan bel sebagai peringatan pergantian lampu. Selain itu, desain ini memungkinkan polisi dan pemadam kebakaran untuk mengontrol sinyal jika terjadi keadaan darurat. Baca Juga Canggih, Surabaya Akan Tambah 15 Lampu Lalu Lintas Bertenaga Surya 4. Ada tambahan lampu berwarna kuning! tahun 1917, William Ghiglieri dari San Fransisco menciptakan lampu lalu lintas otomatis berwarna merah dan hijau. Ide Ghiglieri ini memiliki opsi dapat dioperasikan secara manual atau otomatis. Pada tahun 1920, seorang polisi Detroit, William Potts menyempurnakan lampu lalu lintas otomatis yang sudah ada, dengan menambahkan lampu warna kuning sebagai isyarat 'hati-hati'.5. Lampu lalu lintas elektrik otomatis, makin canggih! tahun 1920, seorang penemu berdarah Amerika-Afrika, Garret Morgan berhasil menemukan rangkaian listrik otomatis yang berguna untuk menyalakan lampu. Penemuan lampu lalu lintas Morgan berwujud tiang berbentuk T dengan tiga posisi, yaitu berhenti, melaju, dan berhenti untuk kendaraan dari semua arus yang memberi kesempatan para pejalan kaki untuk menyeberang jalan secara Morgan dipasang pertama kali di Claveland dan akhirnya dipatenkan pada 20 November 1923. Namun kemudian Morgan menjual hak ciptanya kepada General Electric seharga dolar Sinyal lalu lintas untuk pejalan untuk pejalan kaki pertama kali digabungkan dengan lalu lintas pada tahun1930-an. Pada tahun 1947, John S. Allen dari Amerika mengajukan paten pertama sinyal lalu lintas untuk pejalan kaki yang dipasang di trotoar. 7. Sinyal lalu lintas sinyal lalu lintas semakin pesat seiring dengan munculnya komputer di Amerika pada tahun1950-an. Perkembangan teknologi ini sangat memudahkan kontrol lalu lintas. Sinyal lalu lintas terkomputerisasi merupakan model kontrol lalu lintas yang digunakan sekarang, abad itu, adanya penambahan penghitung waktu mundur countdown timer pada sinyal lalu lintas sangat berguna untuk mengetahui jumlah waktu yang tersisa sebelum lampu beralih agar para pengendara dan pejalan kaki lebih berhati-hati. Ternyata lampu lalu lintas yang sering kita temui di jalanan mengalami banyak penyempurnaan ya, mulai dari tanpa menggunakan lampu sampai terkomputerisasi seperti sekarang. Tanpa penemuan-penemuan para tokoh di atas, pemantauan lalu lintas akan sulit dilakukan. Hayo siapa yang sering menerobos lampu merah? Jangan dilanggar ya! Baca Juga Kreatif, Lampu Lalu Lintas di Kota Ini Gambar Pasangan Gandengan IDN Times Community adalah media yang menyediakan platform untuk menulis. Semua karya tulis yang dibuat adalah sepenuhnya tanggung jawab dari penulis. ArticlePDF AvailableAbstractWith the growth of vehicle number every year, traffic congestion is an inevitable phenomena to be seen everywhere in the world. The congestion is sometime worsen due to the inaccurate duration of the traffic lamp. The goal of this research is to show how we could analyze the traffic condition of a junction using discrete simulation method and find the better traffic lamp duration. A busy junction which connect business district, suburb and educational district in Malang, was selected to be the object of this research. Models of existing system were developed using Arena, following data collection and observation on the object. Several scenarios based on various traffic light duration were analyzed. The best scenario found in this simulation analysis could predict the shorter vehicle queue on the junction Discover the world's research25+ million members160+ million publication billion citationsJoin for freeAuthor contentAll content in this area was uploaded by Ishardita Pambudi Tama on Aug 01, 2017 Content may be subject to may be subject to copyright. JEMIS VOL. 4 NO. 2 TAHUN 2016 DOI 130 ANALISA DURASI LAMPU LALU LINTAS MENGGUNAKAN METODE SIMULASI Ishardita Pambudi Tama1, Ratih Ardia Sari2, Faishol Umar3 Jurusan Teknik Industri, Fakultas Teknik, Universitas Brawijaya1,2,3 Abstract With the growth of vehicle number every year, traffic congestion is an inevitable phenomena to be seen everywhere in the world. The congestion is sometime worsen due to the inaccurate duration of the traffic lamp. The goal of this research is to show how we could analyze the traffic condition of a junction using discrete simulation method and find the better traffic lamp duration. A busy junction which connect business district, suburb and educational district in Malang, was selected to be the object of this research. Models of existing system were developed using Arena, following data collection and observation on the object. Several scenarios based on various traffic light duration were analyzed. The best scenario found in this simulation analysis could predict the shorter vehicle queue on the junction Key Words Simulation, traffic light duration, traffic congestion 1. Pendahuluan Perkembangan kota di era globalisasi saat ini menunjukkan peningkatan yang signifikan. Pemerintah kota di berbagai negara di belahan dunia mulai mengembangkan kota mereka untuk meningkatkan kesejahteraan masyarakat yang hidup di kota tersebut. Pengembangan kota ditandai dengan dibangunnya infrastruktur pendukung seperti jalan raya, rumah sakit, sekolah dan lain sebagainya. Bahkan ada beberapa kota di Indonesia yang menjadikan kota mereka dengan ciri khas tertentu seperti kota pendidikan, kota wisata, kota batik dan lain sebagainya untuk menarik lebih banyak orang berkunjung ke kota mereka dengan harapan dapat menggerakkan roda perekonomian masyarakat. Namun, seiring dengan perkembangan kota, muncul berbagai permasalahan baru yang menjadi pekerjaan baru bagi pemerintah kota, salah satunya adalah kemacetan lalu lintas. Kemacetan lalu lintas muncul akibat meningkatnya jumlah kendaraan yang melintasi jalan sedangkan kapasitas jalan yang tidak mencukupi. Kemacetan lalu lintas menyebabkan kerugian berupa kerugian waktu, biaya dan polusi udara. Oleh karena itu dibutuhkan pengendalian lalu lintas yang optimal untuk menciptakan lingkungan kota yang nyaman untuk ditinggali. Analisa kemacetan disebuah persimpangan jalan dapat dilihat sebagai sistem antrian entity berupa kendaraan yang * Corresponding author. Email kangdith Published online at Copyright ©2016 JTI UB Publishing. All Rights Reserved menunggu untuk dilayani oleh sistem persimpangan tersebut. Dengan dasar tersebut maka suatu persimpangan dapat dianalisa antrian kendaraannya menggunakan metode simulasi, terutama simulasi sistem diskrit. Selama ini simulasi sistem diskrit banyak digunakan untuk menganalisa antrian didalam suatu sistem produksi. Penelitian ini bertujuan untuk menentukan waktu layanan yang diberikan oleh sistem traffic light disebuah persimpangan jalan. Obyek penelitian ini adalah sebuah persimpangan jalan yang sering terjadi kemacetan di kota Malang. Persimpangan ini terletak di pertemuan antara Jalan Veteran, Jalan Bendungan Sigura-gura, Jalan Sumbersari dan Jalan Bendungan Sutami, atau sering disebut perempatan ITN. Berdasarkan survey pendahuluan, kemacetan arus lalu lintas di persimpangan tersebut mencapai puncaknya ketika jam sibuk yaitu saat berangkat kantor sampai WIB, jam makan siang sampai WIB dan pulang kantor sampai WIB. Kemacetan tersebut masih terjadi walaupun sudah ada lampu pengatur lalu lintas traffic light yang mengatur di masing-masing ruas persimpangan tersebut. Dengan analisa simulasi, dapat dibuat skenario untuk mencari durasi masing-masing lampu supaya antrian kendaraan yang terjadi bisa segera melewati persimpangan tersebut sehingga kemacetan bisa dikurangi. Software simulasi yang digunakan dalam penelitian ini adalah Arena yang dibuat oleh Rockwell. JEMIS VOL. 4 NO. 2 TAHUN 2016 DOI 131 2. Metode Penelitian Penelitian ini menggunakan pendekatan simulasi dengan software ARENA untuk menentukan skenario terbaik untuk mengatasi kemacetan di perempatan ITN. Langkah-langkah Penelitian Langkah-langkah penelitian yang dilakukan pada penelitian sebagai berikut 1. Pengumpulan Data Dalam penelitian ini data yang digunakan adalah data yang berkaitan dengan pemodelan sistem dari obyek penelitian meliputi a. Data waktu antar kedatangan b. Data jumlah antrian dalam sistem c. Denah lokasi obyek d. Data kebiasaan atau perilaku sistem Metode pengumpulan data yang dilakukan adalah Observasi. Observasi merupakan metode pengumpulan data dengan melakukan pengamatan langsung suatu kegiatan yang sedang dilakukan terhadap obyek penelitian. Observasi yang telah dilakukan yaitu mengamati perilaku sistem arus lalu lintas di perempatan ITN. 2. Pengolahan Data Pada tahap ini merupakan pelaksanaan pemodelan sistem dari arus lalu lintas di perempatan ITN dengan bantuan software Arena. Pelaksanaan pemodelan sistem melalui beberapa tahap yaitu a. Menentukan batasan dan asumsi sistem b. Melakukan distribution fitting c. Membangun model konseptual dengan diagram ACD Activity Cycle Diagram d. Membangun model sistem dengan software Arena e. Menentukan jumlah replikasi dan menjalankan simulasi f. Melakukan verifikasi dan validasi model 3. Pembahasan Pada tahap ini akan dibahas hasil dari model yang sudah dijalankan dengan software Arena. Setelah model dijalankan, waktu tunggu rata-rata dan jumlah kendaraan rata-rata yang ada dalam sistem dapat diketahui. Kemudian melakukan analisis terhadap hasil simulasi untuk memperoleh jalur mana yang mempunyai waktu tunggu rata-rata dan jumlah kendaraan rata-rata yang tinggi untuk mengetahui jalur mana yang memerlukan penyelesaian signifikan untuk mengurai kemacetan di dalam sistem. 3. Hasil dan Pembahasan Gambaran Sistem Sistem yang diamati dalam penelitian ini adalah sistem arus lalu lintas yang terdapat di perempatan ITN di Kota Malang. Kendaraan yang masuk ke perempatan ITN dari tiap ruas jalan akan berhenti apabila lampu arus lalu lintas menyala merah dan akan berjalan jika lampu lalu lintas menyala hijau. Dari keempat ruas jalan di perempatan ITN, hanya jalan Sumbersari yang tidak memiliki lampu lalu lintas yang menyala karena kebijakan yang berlaku di jalan tersebut adalah semua kendaraan dari jalan tersebut langsung belok kiri masuk ke jalan Veteran. Dengan demikian, di jalan Sumbersari tidak terjadi antrian kendaraan. Proses yang terjadi dalam sistem ini adalah saat kendaraan yang mengantri melewati garis henti saat lampu lalu lintas menyala hijau untuk keluar dari perempatan ITN. Lama waktu proses untuk tiap ruas jalan cenderung konstan karena kendaraan melintasi jarak yang sama dengan kecepatan yang relatif sama. Dalam penelitian ini, resource yang melayani entitas yang masuk dalam sistem adalah ruas jalan masuk ke perempatan tersebut yang diatur secara terjadwal oleh lampu lalu lintas sesuai dengan durasi waktu sinyal sesuai Tabel 1. Dengan kata lain, apabila lampu lalu lintas berwarna merah maka resource tidak tersedia untuk melayani entitas yang sedang mengantri. Lalu, saat lampu lalu lintas berwarna hijau maka resource tersedia untuk melayani entitas sehingga kendaraan yang mengantri dapat keluar dari antrian menuju arah yang diinginkan dan entitas dianggap telah keluar dari sistem. Model Konseptual Model konseptual tentang sistem arus lalu lintas di perempatan ITN dalam penelitian ini menggunakan model Activity Cycle Diagram ACD.Model konseptual yang dibuat berbeda untuk masing-masing ruas jalan di perempatan tersebut karena setiap ruas jalan di perempatan ITN mempunyai perilaku sistem yang berbeda. Walaupun begitu, pembuatan ACD terpisah ini tetap memodelkan satu sistem yang sama karena pada dasarnya resources yang digunakan pada model ini sama untuk tiap ruas jalan. JEMIS VOL. 4 NO. 2 TAHUN 2016 DOI 132 Model ACD selengkapnya dapat dilihat pada Lampiran 1. Tabel 1 Durasi Waktu Sinyal di Perempatan ITN Fase 1 Jalan Bendungan Sutami detik Fase 2 Jalan Bendungan Sigura-gura detik Fase 3 Jalan Veteran detik Penentuan Parameter Distribusi Waktu Antar Kedatangan Langkah selanjutnya adalah mengidentifikasi pola distribusi dari data waktu antar kedatangan. Langkah awal yang dilakukan dalam menentukan distribusi adalah dengan menduga suatu distribusi berdasarkan karakteristik dari macam-macam jenis distribusi yang sesuai dengan penerapannya dalam suatu aplikasi. Selanjutnya akan dilakukan uji Goodness of Fituntuk mengetahui apakah data berdistribusi eksponensial atau tidak. Langkah-langkah pengujiannya adalah sebagai berikut contoh perhitungan untuk waktu antar kedatangan kendaraan roda 4 atau lebih di Jalan Bendungan Sigura-gura saat puncak pagi 1. Merumuskan hipotesis dan kriteria pengujian Hipotesis H0 Data berdistribusi ekponensial Hipotesis H1 Data tidak berdistribusi ekponensial Dengan kriteria pengujian sebagi berikut H0 diterima jika  hitung > tabel H0 ditolak jika  Tabel, maka H0 diterima yang berarti bahwa data waktu antar kedatangan kendaraan roda 4 atau JEMIS VOL. 4 NO. 2 TAHUN 2016 DOI 133 lebih di Jalan Bendungan Sigura-gura saat puncak pagi berdistribusi eksponensial. Langkah 1 sampai dengan dengan langkah 6 diulangi untuk semua data waktu antar kedatangan sehingga mendapatkan hasil uji Goodness of Fit seperti yang tertera pada Lampiran 1. Perancangan Model Dengan ARENA Dalam model yang digambarkan pada ARENA digunakan beberapa modul diantaranya modul Create, Process, Decide, Assign, Station, Route dan Dispose. Gambar model pada ARENA dapat dilihat pada Lampiran 1. a. Modul Create Modul Create digunakan untuk mendefinisikan kedatangan dari kendaraan-kendaraan bermotor yang masuk ke ke perempatan ITN melalui masing-masing ruas jalan. Untuk kolom Expression pendefinisian distribusi waktu kedatangan disesuaikan dengan distribusi waktu kedatangan untuk tiap waktu puncak yang telah dihitung pada subbab sebelumnya. Untuk kolom Units diisikan seconds karena satuan waktu yang dipakai di dalam pembangkitan entitas dalam model ini adalah detik. Entities per Arrival atau Jumlah entitas tiap kedatangan adalah 1 entitas dengan maksimal kedatangan yang tak terhingga. b. Modul Process Modul Process digunakan untuk mendefinisikan antrian kendaraan-kendaraan bermotor yang masuk ke ke perempatan ITN melalui masing-masing ruas jalan. c. Modul Decide Modul ini untuk menggambarkan arah pergerakan kendaraan bermotor yang melintasi perempatan ITN di masing-masing ruas. Persentase pergerakan kendaraan bermotor yang didefinisikan pada modul Decide berdasarkan data survey arus kendaraan di perempatan ITN yang diperoleh dari Laboratorium Transportasi Teknik Sipil UB. Persentase tersebut diperoleh dengan membandingkan jumlah kendaraan bermotor yang berbelok ke satu arah dengan jumlah kendaraan yang melintas di jalan tersebut. Jumlah kendaraan yang dihitung adalah jumlah kendaraan yang melintas saat waktu pengamatan di tiap waktu puncak. d. Modul Station Modul Station untuk mendefinisikan lajur jalan yang dilewati kendaraan untuk masuk maupun keluar dari perempatan ITN. e. Modul Route Modul Route untuk menggambarkan pergerakan kendaraan saat keluar dari perempatan ITN berdasarkan arah pergerakan kendaraan yang telah didefinisikan sebelumnya. Dalam modul ini terdapat kolom Route Time yang menunjukkan waktu yang diperlukan untuk sebuah entitas ditransfer menuju station yang dituju. Dalam model lalu lintas perempatan ITN ini Route Time diartikan sebagai waktu yang diperlukan kendaraan untuk melewati perempatan dari ujung ruas jalan asal menuju ujung ruas jalan yang menjadi tujuannya. Sehingga untuk menentukan waktu tersebut, maka diperlukan data jarak yang ditempuh dari ruas jalan satu ke ruas jalan lainnya dan kecepatan kendaraan yang melintas. Dalam penelitian ini, kecepatan kendaraan menggunakan kecepatan normal saat melintasi perempatan yaitu 36 km/jam dan jarak yang ditempuh diperoleh dengan mengukur jarak mulut ruas jalan dengan mulut ruas jalan lainnya. f. Modul Dispose Modul Dispose untuk menggambarkan kendaraan keluar dari perempatan ITN sehingga modul yang digunakan adalah Keluar Veteran, Keluar Sutami, Keluar Sumbersari dan Keluar Sigura2. Penentuan Jumlah Replikasi dan Run Length Untuk mengurangi variansi maka simulasi harus dilakukan sebanyak n kali replikasi. Untuk mendapatkan nilai n maka perlu dilakukan replikasi awal n0 yaitu sebanyak 5 kali replikasi. Hasil dari 5 replikasi tersebut terdapat dalam Tabel 4. Selanjutnya untuk mendapatkan nilai Nm n replikasi yang dibutuhkan maka dilakukan perhitungan sebagai berikut. JEMIS VOL. 4 NO. 2 TAHUN 2016 DOI 134 Tabel 4 Hasil Simulasi tiap Replikasi Langkah selanjutnya adalah menghitung standard error dari data menggunakan rumus di bawah ini.     =  = 325,247 Dari perhitungan di atas didapat nilai standard errorsebesar 325,247 atau jika dihitung presentase error terhadap rata-rata dari data adalah sebesar =  x 100% = 1,42 % Karena nilai error tersebut lebih kecil dari error yang ditentukan di awal, yakni 5% maka nilai replikasi tersebut dinyatakan telah cukup. Pada saat awal simulasi, sistem yang ada masih kosong, artinya tidak ada entitas yang masuk dan semua sember daya dalam keadaan idle. Hal ini tentu saja tidak sesuai dengan keadaan nyata sehingga perlu adanya waktu bagi sistem untuk mencapai keadaan steady state untuk dapat mendekati keadaan yang sebenarnya dan bisa mengetahui hasil simulasi setelah keadaan tersebut dicapai. Waktu yang dimaksud dapat juga disebut sebagai warm-up period. Tidak ada rumus pasti untuk menentukan kapan sistem akan masuk fase steady state namun biasanya para peneliti menggunakan cara plotting hasil output sistem pada grafik untuk mengetahui kapan sistem akan mulai memasuki fase steady state. Gambar 1 menunjukkan pola waiting time di 3 ruas jalan di perempatan ITN. Dari pola di atas diketahui bahwa sistem memasuki fase steady state saat memasuki waktu 30 menit. Dengan waktu running simulation saat fase steady state yaitu 2,5 jam ditambah dengan 30 menit warm-up period maka total waktu running simulasi adalah 3jam. Verifikasi dan Validasi Model Untuk menguji apakah model pada software ARENA mendekati atau merepresentasikan keadaan nyata valid, maka perlu dilakukan verifikasi dan validasi. Apabila model sudah dinyatakan valid, maka model tersebut dapat digunakan untuk menyimulasikan skenario-skenario perbaikan terhadap permasalahan dalam sistem. Namun, apabila model tersebut dinyatakan tidak valid, maka perlu dilakukan revisi terhadap model tersebut sehingga model menjadi valid. Verifikasi Model Verifikasi dilakukan untuk menguji apakah model di software ARENA apakah sesuai dengan model konseptual yang sudah dirancang sebelumnya. Verifikasi dilakukan dengan tiga cara, yakni 1. Ketika seluruh model ARENA telah selesai dibuat, dilakukan pengecekan satuan waktu yang ada pada masing-masing modul, agar sesuai dengan satuan waktu pada sistem nyata. 2. Menekan F4 ketika Jendela ARENA masih aktif untuk mengecek ada atau tidaknya error pada sistem pemodelan tersebut. 3. Membandingkan model ARENA dengan model ACD yang telah dirancang sebelumnya. Setelah dilakukan pengecekan satuan waktu yang ada pada masing-masing modul, dapat diketahui bahwa satuan waktu yang ada dalam model telah sesuai dengan sistem nyata. Lalu setelah itu dilakukan pengecekan dengan menekan F4 pada Jendela ARENA masih aktif dan diketahui bahwa tidak ada error yang terjadi pada model yang telah dibuat. Selanjutnya adalah dengan membandingkan model ACD dengan model yang telah dibuat di ARENA. Pada ACD dijelaskan bahwa antrian terjadi pada saat menunggu sinyal lampu lalu lintas menyala hijau di salah satu ruas jalan atau dengan kata lain lampu lalu lintas menyala JEMIS VOL. 4 NO. 2 TAHUN 2016 DOI 135 Gambar 1 Pola Waiting Time di 3 Ruas Jalan perempatan ITN merah di ruas jalan lainnya. Antrian terjadi pada saat menunggu lampu lalu lintas menyala hijau resource jalan tersedia untuk dilewati pada satu ruas jalan dan menyala merah pada ruas jalan yang lain. Hal ini sama dengan apa yang terjadi pada sistem nyata. Maka dari itu, model atau program ini sudah terverifikasi karena apa yang tergambar pada ARENA sudah sesuai dengan keadaan sistem nyata. Validasi Model Validasi dilakukan untuk menguji apakah model yang telah dibuat merupakan representasi yang akurat dari sistem nyata. Validasi dilakukan dengan membandingkan output dari simulasi dengan output sistem nyata menggunakan Uji sampel independen T-test. Langkah pertama adalah dengan melakukan running simulasi sebanyak 5 kali replikasi dan membandingkan hasil output simulasi dengan sistem nyata seperti pada Tabel 5 di bawah ini. Tabel 5 Perbandingan Output Simulasi dengan Sistem Aktual Selanjutnya dilakukan pengujian data yang terdapat pada Tabel 6 dengan menggunakan software SPSS. Pengujian tersebut diawali dengan pengujian kenormalan data. Hasil uji kenormalan data dapat dilihat pada Tabel 6 di bawah ini. H0 Data berdistribusi normal H1 Data tidak berdistribusi normal Tabel 6 Hasil Uji Kenormalan Data H0 diterima jika nilai Asymp. Sig. 2-tailed ≥ α/2, dan H0 ditolak jika nilai Asymp. Sig. 2-tailed α/2 = 0,025 maka H0 diterima. Sehingga dapat disimpulkan bahwa untuk data number out berdistribusi normal. Karena data berdistribusi normal, maka langkah selanjutnya adalah melakukan uji homogenitas data untuk mengetahui apakah data hasil simulasi dan sistem nyata memeliki variansi yang sama. Langkah ini dapat dilakukan secara bersamaan dengan Independent Samples T-test dengan menggunakan SPSS 20. Hasil dari uji tersebut dapat dilihat pada Tabel 7. Formulasi hipotesis untuk kolom Levene’s Test for Equality of Variances adalah sebagai berikut H0 variansi data homogen H1 variansi data tidak homogen Dengan kriteria pengujian jika nilai Sig. ≥ α 0,05 maka H0 diterima, sedangkan jika Sig. α/2 0,025 sehingga H0 diterima. Maka, simulasi dapat dikatakan valid karena uji statistik membuktikan bahwa tidak ada perbedaan rata-rata yang signifikan antara hasil simulasi dengan hasil sistem nyata. Analisis Hasil Simulasi Keadaan Existing Dari hasil simulasi dapat diketahui bahwa kemacetan terjadi di jalan Bendungan Sigura-gura dengan jumlah rata-rata kendaraan yang masuk sebesar 592 mobil dan 3902 motor pada pagi hari. Keadaan ini terjadi karena lingkungan di sekitar jalan Bendungan Sigura-gura adalah pemukiman yang padat penduduk mulai dari mahasiswa sampai karyawan kantor. Hal itu menyebabkan jumlah kendaraan yang melintas di pagi hari sangat tinggi karena bertepatan dengan jam berangkat menuju tempat bekerja dan untuk berangkat ke kampus dan sekolah bagi para siswa dan mahasiswa. Karena jalan Veteran merupakan jalur utama untuk menuju tempat kerja maupun tempat pendidikan maka kendaraan yang melintasi jalan Bendungan Sigura-gura didominasi kendaraan yang akan mengarah ke jalan Veteran. Jalan Bendungan Sigura-gura mempunyai waiting time yang tertinggi diantara tiga ruas jalan di perempatan ITN karena waktu sinyal yang berlaku di Jalan Bendungan Sigura-gura belum mampu melayani kendaraan dengan maksimal sehingga menyebabkan waiting time rata-rata sebesar 608,94 detik. Sedangkan keadaan berbeda terjadi di waktu puncak siang. Secara umum terjadi penurunan jumlah kendaraan yang melewati perempatan ITN di setiap ruas jalan, namun kemacetan terjadi di ruas jalan Bendungan Sutami. Hal ini ditandai dengan waiting time yang tinggi dibanding dengan 2 ruas jalan yang lain sehingga menyebabkan jumlah antrian yang lebih tinggi dibandingkan kedua ruas jalan lain. Dari Tabel 10 menunjukkan bahwa kemacetan terjadi di jalan Bendungan Sutami dengan jumlah rata-rata kendaraan yang masuk sebesar 642 mobil dan 3640 motor pada siang hari. Keadaan ini terjadi karena di saat puncak siang hari merupakan saat untuk istirahat makan siang dan jam pulang bagi siswa-siswa sekolah. Jalan Bendungan Sutami mempunyai waiting time yang tertinggi diantara tiga ruas jalan di perempatan ITN karena waktu sinyal yang berlaku di Jalan Bendungan Sutami belum mampu melayani kendaraan dengan maksimal sehingga menyebabkan waiting time rata-rata sebesar 701,17 detik. Hasil simulasi menunjukkan bahwa kemacetan terjadi di jalan Bendungan Sutami ditandai dengan waiting time yang tinggi dibanding dengan 2 ruas jalan yang lain sehingga menyebabkan jumlah antrian yang lebih tinggi dibandingkan kedua ruas jalan lain. Jumlah rata-rata kendaraan yang masuk sebesar 461 mobil dan 3263 motor pada sore hari yang didominasi oleh kendaraan yang mengarah ke jalan Sumbersari sebanyak 56,85% dari total kendaraan yang masuk berdasarkan persentase arah gerakan kendaraan pada Tabel sebelumnya. Hal ini terjadi karena pada saat puncak sore hari bertepatan dengan jam pulang kantor bagi para karyawan yang bekerja maupun jam pulang kuliah bagi mahasiswa. JEMIS VOL. 4 NO. 2 TAHUN 2016 DOI 137 Selain itu, jalan Bendungan Sutami merupakan jalan penghubunga antara wilayah Malang Selatan dan sekitarnya dengan Kota Batu maupun dengan wilayah Malang Utara sehingga kendaraan yang melintas didominasi dengan kendaraan yang akan mengarah ke jalan Sumbersari yang mengarah ke kedua wilayah tersebut. Jalan Bendungan Sutami mempunyai waiting time yang tertinggi diantara tiga ruas jalan di perempatan ITN karena waktu sinyal yang berlaku di Jalan Bendungan Sutami belum mampu melayani kendaraan dengan maksimal sehingga menyebabkan waiting time rata-rata sebesar 66,82 detik. Rekap hasil simulasi dapat dilihat pada Lampiran 2. Analisis Usulan Perbaikan Kemungkinan solusi yang feasible untuk dilakukan dalam jangka pendek di perempatan ITN adalah dengan perubahan durasi waktu fase sinyal dan merekayasa arah lalu lintas. Hal itu dikarenakan untuk penambahan lebar ruas jalan akan lebih sulit dilakukan dalam jangka pendek dikarenakan sudah tidak adanya lahan yang tersisa di lingkungan perempatan ITN. Namun, untuk solusi jangka panjang diharapkan kemungkinan solusi pertama dapat dilakukan oleh Pemerintah Kota Malang karena setiap tahun jumlah kendaraan bermotor yang melintasi jalan-jalan di Kota Malang akan meningkat seiring dengan pesatnya pembangunan Kota Malang sebagai kota yang nyaman untuk ditinggali, nyaman untuk kegiatan pendidikan maupun untuk wisata. Dengan 2 kemungkinan solusi yang feasible di atas, maka disusunlah 3 skenario perbaikan antara lain 1. Skenario pertama mengubah durasi waktu sinyal tanpa merubah arah fase 2. Merubah arah kendaraan pada fase 2 dengan pelarangan gerakan belok kanan sehingga pada fase 2 kendaraan dari jalan Bendungan Sigura-gura dan kendaraan dari jalan Veteran yang bergerak lurus dapat berjalan bersamaan, sedangkan kendaraan dari jalan Veteran yang belok kanan berangkat pada fase 3. 3. Sama dengan skenario 2 namun pada fase 3 kendaraan yang berangkat adalah kendaraan yang belok kanan dan kendaraan yang bergerak lurus. Penentuan Skenario Terbaik Setelah dilakukan analisis hasil simulasi dari skenario-skenario perbaikan yang sudah dirumuskan, maka langkah yang paling penting selanjutnya adalah menentukan skenario terbaik yang dapat digunakan untuk mengatasi kemacetan lalu lintas yang ada di perempatan ITN. Analisis keadaan awal menunjukkan ruas-ruas jalan di perempatan ITN yang mengalami kemacetan pada tiap waktu puncak yang diteliti. Dengan demikian, penentuan skenario terbaik untuk mengatasi kemacetan di perempatan ITN pada penelitian ini didasarkan pada kemampuan skenario-skenario tersebut untuk mengurangi waiting time dan panjang antrian pada ruas jalan yang mengalami kemacetan pada tiap waktu puncak yang diteliti. Berdasarkan hasil simulasi menunjukkan bahwa untuk waktu puncak pagi skenario terbaik untuk mengatasi kemacetan di perempatan ITN khususnya di jalan Bendungan Sigura-gura adalah skenario ketiga. Rincian lengkap skenario terbaik dapat dilihat pada Lampiran 2. Skenario ini berhasil menurunkan waiting time di jalan Bendungan Sigura-gura sebesar 97% dari keadaan semula menjadi 13,76 detik sehingga panjang antrian yang terjadi juga berhasil diturunkan. Sedangkan pada waktu puncak siang skenario terbaik untuk mengatasi kemacetan di perempatan ITN khususnya di jalan Bendungan Sutami adalah skenario ketiga. Skenario ini berhasil menurunkan waiting time di jalan Bendungan Sutami sebesar 98% dari keadaan semula menjadi 7,89 detik sehingga panjang antrian yang terjadi juga berhasil diturunkan. Untuk waktu puncak sore skenario terbaik untuk mengatasi kemacetan di perempatan ITN khususnya di jalan Bendungan Sutami adalah skenario ketiga. Skenario ini berhasil menurunkan waiting time di jalan Bendungan Sutami sebesar 89% dari keadaan semula menjadi 6,89 detik sehingga panjang antrian yang terjadi juga berhasil diturunkan. 4. Penutup Dari hasil simulasi yang dilakukan dapat diketahui bahwa di waktu puncak pagi kemacetan terjadi di jalan Bendungan Sigura-gura dengan waiting time rata-rata sebesar 608,94 detik dan panjang antrian sebesar 256,5 m. Sedangkan pada waktu puncak siang JEMIS VOL. 4 NO. 2 TAHUN 2016 DOI 138 kemacetan terjadi di jalan Bendungan Sutami dengan waiting time rata-rata sebesar 701,17 detik dan panjang antrian sebesar 280,976 m. Lalu, pada waktu puncak ore kemacetan terjadi di jalan Bendungan Sutami dengan waiting time rata-rata sebesar 66,82 detik dan panjang antrian sebesar 22,927 m. Hasil simulasi usulan skenario perbaikan menunjukkan bahwa skenario terbaik untuk mengatasi kemacetan di perempatan ITN adalah dengan mengubah durasi lampu lalu lintas dan mengubah arah pergerakan kendaraan dengan pemberlakuan larangan belok kanan di jalan Bendungan Sigura-gura. Skenario ini berhasil menurunkan waiting time di jalan Bendungan Sigura-gura sebesar 97% dari keadaan semula menjadi 13,76 detik sehingga panjang antrian yang terjadi juga berhasil diturunkan di waktu puncak pagi. Untuk waktu puncak siang hasil simulasi menunjukkan bahwa skenario ini berhasil menurunkan waiting time di jalan Bendungan Sutami sebesar 98% dari keadaan semula menjadi 7,89 detik. Sedangkan untuk waktu puncak sore hasil simulasi menunjukkan bahwa skenario ini berhasil menurunkan waiting time di jalan Bendungan Sutami sebesar 89% dari keadaan semula menjadi 6,89 detik. Untuk mengatasi kemacetan di perempatan ITN Kota Malang sebaiknya diterapkan skenario terbaik yang sudah dirumuskan di dalam penelitian ini. Penelitian ini hanya mempertimbangkan faktor teknis dari sebuah perempatan sedangkan di dalam keadaan nyata yang mempengaruhi keberhasilan dari solusi yang ditawarkan dalam pelaksanaanya, misalnya kesadaran pengguna jalan untuk tertib berlalu-lintas dan menjaga kesopanan dalam berlalu-lintas. Dengan demikian, sangat dimohon kepada semua pengguna jalan di perempatan ITN untuk tetap mematuhi peraturan lalu lintas dan pengaturan lalu lintas yang diterapkan. Diharapkan ada penelitian lanjutan yang akan membahas mengenai skenario pengaturan arus lalu lintas di perempatan ITN Kota Malang selama 12 atau 24 jam karena dinamika lalu lintas selalu berubah setiap waktu seiring pertambahan jumlah kendaraan. DAFTAR PUSTAKA [1] Arifin, Miftahol. 2009. Simulasi Sistem Industri. Yogyakarta Graha Ilmu [2] Asmungi. 2007. Simulasi Komputer Sistem Diskrit. Yogyakarta Penerbit ANDI [3] Davis, Gordon B. 1984. Sistem Informasi Manajemen. Jakarta Penerbit Pustaka Binaan Pressindo [4] Ditjen Bina Marga. 1997. Manual Kapasitas Jalan Indonesia. Jakarta Ditjen Bina Marga [5] Hoover, Stewart V & Perry, Ronald F. 1989. Simulation A Problem Solving Approach. Boston, USA Addison-Wesley Longman Publishing Co., Inc [6] Hussey, J. & Husser, R. 1997. Business Research A Practical Guide for Undergraduate and Postgraduate Students. London Macmillan Press, Ltd [7] Kamrani, M., Abadi, Sayyed M. H. E. & Golroudbary, S. R. 2014. Traffic Simulation of two adjacent unsignalized T-junctions during rush hours using Arena software. Simulation Modelling Practice and Theory page 167-179. San Diego Elsevier. Inc [8] Law, Averill & Kelton, W. David. 1999. Simulation Modelling and Analysis Industrial Engineering and Management Science Series. Edisi Ketiga. North America The McGraw-Hill Companies, Inc [9] McLeod, Raymond Jr. 2001. Sistem Informasi Manajemen Edisi 7 Jilid 2. Jakarta Prenhallindo [10] Putri, Dea Berinda A. R. & Abusini, Sobri. 2015. Analisis Tingkat Pelayanan Persimpangan Jalan dengan Model Antrian M/D/1 dan Metode Manual Kapasistas Jalan Indonesia. Jurnal Mahasiswa Matematika Vol. 3 No. 2 hal 109-112. Malang Universitas Brawijaya [11] Rockwell Software. 2005. Arena User’s Guide. USA Rockwell Software. Inc [12] Siagian. P. 1987. Penelitian Operasional Teori dan Praktek. Jakarta Penerbit UI [13] Sridadi, Bambang. 2009. Pemodelan dan Simulasi Sistem Teori, Aplikasi dan Contoh Program dalam Bahasa C. Bandung Informatika JEMIS VOL. 4 NO. 2 TAHUN 2016 DOI 139 Lampiran 1. Model Konseptual, Model ARENA dan Hasil Simulasi Generate Sigura-gura Belok ke Sumbersari?Terminate SumbersariTerminate VeteranTerminate SutamiAntri kendaraan Keluar antrian Sigura-guraLampu lalin merah di Veteran & Sutami Belok ke Veteran?YYTTActivity Cycle Diagram untuk Jalan Bendungan Sigura-gura Model ARENA untuk Jalan Bendungan Sigura-gura Distribusi Data Waktu Antar Kedatangan Kendaraan Roda 4 atau Lebih Jalan Bendungan Sigura-gura Jalan Bendungan Sigura-gura Jalan Bendungan Sigura-gura Jalan Bendungan Sigura-gura Jalan Bendungan Sigura-gura Jalan Bendungan Sigura-gura JEMIS VOL. 4 NO. 2 TAHUN 2016 DOI 140 Lampiran 2 Gambaran Lengkap Skenario Terbaik Hasil Simulasi Skenario Perbaikan Antri Veteran Belok Antri Veteran Belok Gerakan Kendaraan dalam Setiap Fase pada Skenario Terbaik Rincian Durasi Waktu Skenario Terbaik Kendaraan dari Jalan Bendungan Sutami berangkat Kendaraan dari Jalan Bendungan Sigura -gura dan kendaraan dari Jalan Veteran yang bergerak lurus berangkat Kendaraan dari Jalan Veteran berangkat Kendaraan dari Jalan Bendungan Sutami berangkat Kendaraan dari Jalan Bendungan Sigura -gura dan kendaraan dari Jalan Veteran yang bergerak lurus berangkat Kendaraan dari Jalan Veteran berangkat Kendaraan dari Jalan Bendungan Sutami berangkat Kendaraan dari Jalan Bendungan Sigura -gura dan kendaraan dari Jalan Veteran yang bergerak lurus berangkat Kendaraan dari Jalan Veteran berangkat ... In addition, a bad road traffic management will effect to higher number of accidents. Therefore, road traffic management must be planned efficiently and effectively in order to minimize the risk of accidents and environmental impacts [2]. ...... There were several scenarios were proposed and the minimum average time spent in the system was chosen. Then, Tama et al. [2] also developed several scenarios based on various traffic light duration by using simulation model. The objective was to find the scenario that has shorter vehicle queue on the junction. ... Hayati Mukti AsihYogyakarta has increasing trends in the number of vehicles and consequently intensifying the traffic volume and will effect to higher emission and air pollution. Traffic lights duration plays a vital role in congestion mitigation in the critical intersections of urban areas. This study has objective to minimize the number of vehicles waiting in line by developing the hybrid simulation method. First of all, the MKJI and Webster method were calculated to determine the green traffic light. Then, the simulation model was developed to evaluate the number of vehicles waiting in line according to different duration of green traffic lights from MKJI and Webster method. A case study will then be provided in Pelemgurih intersection located in Yogyakarta, Indonesia for demonstrating the applicability of the developed method. The result shows that the duration of green traffic lights calculated by Webster method provides lower number of vehicles waiting in line. It is due to the short duration of green traffic light resulted by Webster method so that the traffic light cycle becomes shorter and it effects the number of vehicles waiting in line which is lower than MKJI method. The results obtained can help the generating desired decision alternatives that will important for Department of Transportation, Indonesia to enhance the road traffic management with low number of vehicles waiting in line.... Several researchers have applied Arena software in various disciplines, including Kamrani, et al. [5], developing a simulation model with Arena to analyse the two adjacent unsignalized T-junctions during rush hours. Another traffic simulation model at signaled intersections was conducted by Tama, et al. [6]. The simulation aims to determine the service time provided by a traffic light at a road junction. ...Prolonged waiting times in weighbridge services are deemed essential and negatively influence the quality of weighbridge services. This problem is feasibly overcome by improving weighbridge services using discrete event modeling and simulation of system processes. This research is based on the weighbridge of a company in Gresik. To date, the weighbridge has been hectic serving the weighing of trucks both from within and neighboring companies. In this article, the simulation model represents the weighbridge service process implementing Rockwell Arena software. Process barriers are identified, and resource allocation adjustments are made without disrupting the existing system. An assignment arrangement for each weighbridge is proposed to reduce the average waiting time for all weighbridges through the three proposed improvement models. It was navigated that the weighbridge assignment arrangement could maintain the utility of all weighbridges in a relatively small difference to reduce the average waiting SarbainiTo minimize traffic congestion, the application of compatible graphs is used to establish a more optimal total waiting duration at the traffic flow at the Pekanbaru airport intersection. Traffic flow at the Pekanbaru airport intersection is more congested on Sunday due to weekends, where this study was conducted on Sunday afternoon, May 29, 2022. The purpose is to optimize the total waiting duration of the existing traffic lights in the area, waiting for the vehicle stop time obtained in all aspects of the lane, from the observations that have been made obtained compatible graphs. By applying compatible graphs, two different hypotheses are used. The first hypothesis turns left following a traffic light which is 100 seconds. Meanwhile, the second hypothesis of turning left does not follow a traffic light of 120 seconds. Where the wait duration obtained is the optimum waiting duration with a compatible graph, the waiting duration in the current field is much more optimal than the waiting time after using the compatible graph Wirawan IstionoTraffic jam is currently one of the main problems for densely populated cities like Jakarta, Indonesia. One problem that causes traffic jams in Jakarta is that the traffic lights are too fast, which causes many cars to not be able to pass the traffic lights. There are already many algorithms to overcome this problem and get the right time for traffic lights based on how many vehicles are waiting in line, such as the HMS Algorithm and Conventional Algorithm. This research objective is to compare which algorithm has better performance to find the right amount of time for traffic lights to reduce traffic jams at four-way intersections with modified Round Robin method. And the result shown that the HMS algorithm is very suitable to be used in any condition for large or little vehicles, while conventional algorithms are only suitable to use for vehicles in the one little lane or the vehicles in one lane with other lane direction in the same place of laneAbstract In this paper, the focus is on simulating the traffic of two adjacent T-junctions during rush hours located at Jalan Universiti in the city of Skudai, Johor, Malaysia. This study was conducted with the objective of simulating the traffic on the network in order to understand and analyze its bottlenecks and propose solutions to improve it. The simulation model was developed with ARENA software, and the initial result shows that there is a substantial queue in one of the routes, arm C. A model with traffic light was proposed to tackle the problem. Results obtained from the improved model revealed that the average waiting time in arm C declined by 67%. Furthermore, the average waiting time of the queues in the entire system decreased by 53%. In addition, in this paper, it was shown how Arena software can be adopted to simulate traffic problems effectively. The method in this research can be applied to investigate various traffic scenarios and their consequences before implementing them in PutriA R BerindaSobri AbusiniPutri, Dea Berinda A. R. & Abusini, Sobri. 2015. Analisis Tingkat Pelayanan Persimpangan Jalan dengan Model Antrian M/D/1 dan Metode Manual Kapasistas Jalan Indonesia. Jurnal Mahasiswa Matematika Vol. 3 No. 2 hal 109-112. Malang Universitas BrawijayaUniversitas Brawijaya [11] Rockwell Software Arena User's GuideMalangMalang Universitas Brawijaya [11] Rockwell Software. 2005. Arena User's Guide. USA Rockwell Software. IncBusiness Research A Practical Guide for Undergraduate and Postgraduate StudentsJ HusseyR HusserHussey, J. & Husser, R. 1997. Business Research A Practical Guide for Undergraduate and Postgraduate Students. London Macmillan Press, LtdSistem Informasi ManajemenGordon B DavisDavis, Gordon B. 1984. Sistem Informasi Manajemen. Jakarta Penerbit Pustaka Binaan PressindoManual Kapasitas Jalan IndonesiaMarga Ditjen BinaDitjen Bina Marga. 1997. Manual Kapasitas Jalan Indonesia. Jakarta Ditjen Bina MargaPenelitian Operasional Teori dan PraktekP SiagianSiagian. P. 1987. Penelitian Operasional Teori dan Praktek. Jakarta Penerbit UISimulasi Komputer Sistem DiskritAsmungiAsmungi. 2007. Simulasi Komputer Sistem Diskrit. Yogyakarta Penerbit ANDIPemodelan dan Simulasi Sistem Teori, Aplikasi dan Contoh Program dalam Bahasa CBambang SridadiSridadi, Bambang. 2009. Pemodelan dan Simulasi Sistem Teori, Aplikasi dan Contoh Program dalam Bahasa C. Bandung Informatika Lampu lalu lintas atau sinyal lalu lintas hampir selalu ditemukan di persimpangan besar di kota-kota di seluruh dunia. Lampu berwarna merah, kuning dan hijau ini memberitahu kita kapan waktu yang aman untuk melaju melalui persimpangan, atau membiarkan pengemudi, pesepeda dan pejalan kaki lewat terlebih dahulu. Tanpa lampu lalu lintas, kondisi di persimpangan pasti akan macet dan semrawut. Tapi, siapakah orang yang berjasa menemukan lampu lalu lintas? Baca juga Mengapa Manusia Bisa Merasa Jika Ada Seseorang yang Menatapnya? Lampu lalu lintas pertama Kemacetan lalu lintas telah menjadi masalah bahkan sebelum penemuan mobil otomatis. Menurut BBC, kereta kuda dan pejalan kaki telah memadati jalan-jalan Kota London. Saat itu, manajer kereta api Inggris, John Peake Knight, menyarankan untuk mengadaptasi metode semapur yang biasa digunakan kereta api untuk mengontrol lalu lintas di jalan raya. Pada metode adaptasi Knight, sinyal lalu lintas akan menampilkan tanda “Stop” dan “Go” di siang hari, dan pada malam hari, lampu berwarna merah dan hijau akan digunakan. Lampu gas akan menerangi tanda tersebut. Seorang petugas polisi ditempatkan tak jauh dari sinyal lalu lintas tersebut untuk mengoperasikannya. Sinyal lalu lintas pertama di dunia tersebut dipasang pada 9 Desember 1868, di persimpangan Bridge Street dan Great George Street di wilayah Westminster, London, dekat Houses of Parliament dan Westminster Bridge. Baca juga Video Astronaut Jatuh Berkali-kali di Bulan Karena Gravitasi Rendah Sayangnya, hanya berselang sebulan, seorang polisi yang bertugas mengontrol sinyal tersebut terluka parah ketika kebocoran gas menyebabkan salah satu lampu meledak dan mengenai wajahnya. Proyek ini dinyatakan berbahaya bagi kesehatan masyarakat dan segera dicopot. Persaingan hak paten Empat dekade kemudian, sinyal lalu lintas mulai populer kembali, terutama di Amerika Serikat seiring dirilisnya mobil otomatis. Pada awal 1990-an, beberapa hak paten diajukan, masing-masing dengan inovasi berbeda dari ide dasar. Lutfi Fauziah Lampu lalu lintas rancangan Lester Farnsworth Wire menyerupai rumah burung dengan empat sisi dan ter Tahun 1910, penemu Amerika, Ernest Sirrine, mengenalkan sebuah pengatur sinyal lalu lintas otomatis di Chicago. Sinyal lalu lintasnya menggunakan dua lengan tak bercahaya yang diatur seperti salib dan berotasi pada satu sumbu. Sinyal tersebut menampilkan tanda “Stop” dan “Proceed”. Baca juga Penelitian Generasi Milenial Adalah Generasi yang Paling Sabar Lampu lalu lintas listrik pertama yang menggunakan lampu merah dan hijau ditemukan pada 1912 oleh Lester Farnsworth Wire, seorang polisi di Salt Lake City, utah. Sinyal lalu lintas buatan Wire menyerupai rumah burung dengan empat sisi dan terpasang pada tiang tinggi. Benda tersebut ditempatkan ditengah-tengah persimpangan dan dijalankan dengan bantuan kabel listrik di udara. Seorang petugas polisi harus mengatur lampunya secara manual. Namun, kreditasi untuk “sinyal lalu lintas listrik pertama” diberikan pada James Hoge. Sistem rancangannya diiinstal pada 5 Agustus 1914 di Cleveland. Hoge menerima hak paten untuk sistem tersebut pada 1918, setelah mengajukan permohonan pada 1913. Sinyal lalu lintas Hoge menggunakan kata-kata “Stop” dan “Move” bercahaya yang dipasang pada masing-masing penjuru persimpangan. Sistem ini menggunakan kabel sehingga polisi dan departemen pemadam kebakaran bisa menyesuaikan irama lampu jika dalam kasus darurat. Patent Office Lampu lalu lintas rancangan Ernest Sirrine. Sementara itu, William Ghiglieri dari San Fransisco mematenkan sinyal lalu lintas otomatis pertama yang menggunakan cahaya merah dan hijau pada 1917. Rancangan Ghiglieri memiliki opsi untuk dioperasikan secara manual atau otomatis. Baca juga Alasan Beberapa Orang Takut Naik Pesawat dan Cara Mengatasinya Kemudian pada 1920, William Potts, seorang polisi Detroit, mengembangkan beberapa sistem lampu lalu lintas otomatis, termasuk sinyal tiga warna pertama, yang menambahkan lampu kuning sebagai tanda untuk “hati-hati”. Sinyal untuk pejalan kali pertama kali digabungkan dengan lampu lintas pada tahun 1930-an. John S. Allen, penemu Amerika, mengajukan hak paten atas sinyal lalu lintas untuk pejalan kaki. Alen merancang sinyal pejalan kaki yang dipasang di bibir trotoar. Masa depan lampu lalu lintas Lampu lalu lintas terus mengalami peningkatan. Banyak lampu lalu lintas “cerdas” yang dapat memonitor situasi lalu lintas secara real-time, termasuk arah, volume dan kepadatan, serta mengutamakan sistem transportasi umum. Di masa depan, seiring perkembangan teknologi yang menghadirkan mobil swakemudi, banyak perbaikan dan improvisasi pada sinyal lalu lintas dengan mempertimbangkan teknologi baru yang bakal muncul. Para peneliti di MIT Senseable City Lab mempublikasikan sebuah penelitian di jurnal PloS ONE tahun ini, berupa skenario yang menganggap bahwa lampu lalu lintas tidak ada. Baca juga 32 Tahun Berlalu, Begini Kondisi Alam di Zona Radioaktif Chernobyl Potensi di masa depan, semua mobil otomatis bakal berkomunikasi dengan sesamanya di persimpangan. Konsepnya, alih-alih berhenti, mobil-mobil swakemudi itu justru secara otomatis mengatur kecepatannya untuk melewati persimpangan dan mengatur jarak aman dengan kendaraan lainnya. Sistem ini fleksibel dan dapat dirancang untuk memperhitungkan pejalan kaki dan pesepeda. PROMOTED CONTENT Video Pilihan Saat ini salah satu penyebab kemacetan adalah lampu lalu lintas yang menggunakan waktu yang tetap sedangkan volume kendaraan selalu berubah-, sehingga lampu lalu lintas menjadi kurang efektif. Maka dibutuhkan metode untuk menghitung lama lampu lalu lintas menyala dengan waktu sesuai dengan jumlah kendaraan. Sistem ini mengimplementasikan 4 kamera pada persimpangan. Kamera mengambil gambar saat jalur sedang kosong sebagai acuan, dan mengambil gambar setiap sequence sebagai input. Gambar diproses menggunakan pengolahan citra, dari merubah format RGB menjadi grayscale, dilakukan proses subtraction dengan gambar acuan, penambahan brightness, merubah format grayscale menjadi biner dengan Otsu‟s threshold dan menghitung jumlah objek sebagai input dari logika fuzzy tsukamoto yang menghasilkan lama lampu hijau menyala. Sedangkan lama lampu merah menyala dihitung dengan menjumlahkan lama lampu hijau menyala dari jalur lainnnya Penggunaan 4 buah input dimaksudkan agar sistem memperhatikan jumlah antrian dari setiap jalur dan memperhatikan sebaran kepadatan, Sehingga hasil lama lampu merah dan lampu hijau menyala dapat berubah-ubah sesuai dengan sebaran kepadatan antrian. Semakin terang kondisi jalan, semakin tinggi tingkat akurasi yang didapatkan. Pada pagi hari, didapatkan nilai error pada siang hari sebesar 9%, pada malam hari dengan penerangan normal sebesar 21% dan pada malam hari dengan tambahan penerangan sebesar 15%. Discover the world's research25+ million members160+ million publication billion citationsJoin for free Volume 3, Edisi 3, Mei 2017 20 Halaman SISTEM PENGATURAN LAMPU LALU LINTAS BERDASARKAN ESTIMASI PANJANG ANTRIAN MENGGUNAKAN PENGOLAHAN CITRA Adzikirani1, Rosa Andrie Asmara2, Deddy Kusbianto P. A3 1,2,3 Teknik Informatika, Teknologi Informasi, Polteknik Negeri Malang 1adzikirani1 2rosaandrie 3deddy_kusbianto Abstrak Saat ini salah satu penyebab kemacetan adalah lampu lalu lintas yang menggunakan waktu yang tetap sedangkan volume kendaraan selalu berubah-, sehingga lampu lalu lintas menjadi kurang efektif. Maka dibutuhkan metode untuk menghitung lama lampu lalu lintas menyala dengan waktu sesuai dengan jumlah kendaraan. Sistem ini mengimplementasikan 4 kamera pada persimpangan. Kamera mengambil gambar saat jalur sedang kosong sebagai acuan, dan mengambil gambar setiap sequence sebagai input. Gambar diproses menggunakan pengolahan citra, dari merubah format RGB menjadi grayscale, dilakukan proses subtraction dengan gambar acuan, penambahan brightness, merubah format grayscale menjadi biner dengan Otsu‟s threshold dan menghitung jumlah objek sebagai input dari logika fuzzy tsukamoto yang menghasilkan lama lampu hijau menyala. Sedangkan lama lampu merah menyala dihitung dengan menjumlahkan lama lampu hijau menyala dari jalur lainnnya Penggunaan 4 buah input dimaksudkan agar sistem memperhatikan jumlah antrian dari setiap jalur dan memperhatikan sebaran kepadatan, Sehingga hasil lama lampu merah dan lampu hijau menyala dapat berubah-ubah sesuai dengan sebaran kepadatan antrian. Semakin terang kondisi jalan, semakin tinggi tingkat akurasi yang didapatkan. Pada pagi hari, didapatkan nilai error pada siang hari sebesar 9%, pada malam hari dengan penerangan normal sebesar 21% dan pada malam hari dengan tambahan penerangan sebesar 15%. . Kata kunci Logika Fuzzy, Pengolahan Citra 1. Pendahuluan Saat ini keberadaan alat-alat transportasi seperti mobil, truk, dan sepeda motor. Sudah begitu banyak, hampir disetiap tempat alat transportasi selalu tersedia. Bahkan untuk lebih cepat dan hemat biaya sekarang ini hampir semua orang sudah memiliki satu alat transportasi pribadi yang selalu di gunakan sehari-hari. Namun ironisnya semakin banyak kendaraan di jalan raya efek macet pun semakin menjadi jadi. Terutama pada persimpangan jalan sering kali terjadi kemacetan yang disebabkan pengaturan lampu lalu lintas yang tidak baik. Selain itu jumlah kepadatan yang berubah rubah setiap saat membuat lama lampu lalu lintas menyala menjadi tidak efektif Penentuan lamanya lampu lalu lintas di suatu tempat pada umumnya berdasarkan survei yang merupakan lama lampu yang tetap dan tidak dari permasalahan permasalahan tersebut pada tugas akhir ini penulis akan membuat sistem dengan judul “Sistem Pengaturan Lampu Lalu Lintas Berdasarkan Estimasi Panjang Antrian Menggunakan Pengolahan Citra” untuk mengatur lama lampu lalu lintas menyala berdasarkan panjang antrian pada persimpangan yang diukur menggunakan kamera dan diolah menggunakan Pengolahan Citra Digital serta dihitung menggunakan logika Fuzzy. Sistem akan menangkap gambar pada persimpangan yang nantinya diolah menggunakan pengolahan citra, sehingga didapatkan estimasi panjang antrian yang nantinya akan dibandingkan dengan jalur lain dan digunakan menjadi patokan untuk mengatur lamanya setiap lampu lalu lintas menyala yang dihitung menggunakan Logika Fuzzy agar dapat menghasilkan keputusan yang lebih adil dan lebih dapat mengurangi kemacetan. 2. Landasan Teori Citra Digital Citra digital adalah gambar dua dimensi yang ditampilkan pada layar komputer sebagai himpunan atau diskrit nilai digital. Citra Digital dibentuk oleh kumpulan titik yang dinamakan piksel pixel atau picture element. Jurnal Informatika Polinema ISSN 2407-070X Halaman 21 Logika Fuzzy Logika fuzzy adalah suatu proses pengambilan keputusan berbasis aturan yang bertujuan untuk memecahkan masalah, dimana sistem tersebut sulit untuk dimodelkan atau terdapat ambiguitas dan ketidakjelasan yang berlimpah. Logika fuzzy ditentukan oleh persamaan logika bukan dari persamaan diferensial komplek dan berasal dari pemikiran yang mengidentifikasi serta mengambil keuntungan dari grayness antara dua ekstrem. Sistem logika fuzzy terdiri dari himpunan fuzzy dan aturan fuzzy. Subset fuzzy merupakan himpunan bagian yang berbeda dari variabel input dan output. Aturan fuzzy berhubungan dengan variabel masukan dan variabel output melalui subset. 3. Metodologi Penelitian Mekanisme berjalannya “Sistem Pengaturan Lampu Lalu Lintas Berdasarkan Estimasi Panjang Antrian Menggunakan Pengolahan Citra” yaitu 1. Kamera akan mengambil citra setiap jalur pada saat persimpangan kosong untuk dijadikan acuan latar belakang pada saat melakukan proses image differencing. 2. Menentukan Region Of Interest ROI untuk memilih bagian dari citra sesuai keinginan user. 3. Kamera akan mengambil citra waktu yang ditentukan setiap jalur pada saat ada antrian sebagai inputan citra yang akan diproses. 4. Citra setiap jalur yang telah di ambil akan diubah menjadi abu-abu menggunakan proses grayscaling agar citra yang dihasilkan tidak berbeda dengan citra acuan yang telah di ambil sebelumnya. 5. Citra yang telah di grayscale akan di cari perbedaannya menggunakan metode image Subtraction yaitu mengurangkan citra input yang di ambil dengan citra acuan latar belakang yang telah di ambil sebelumnya. Sehingga menghasilkan citra baru yang berisi objek yang berada pada jalur tersebut. 6. Citra hasil Subtraction akan di tambah brightness nya agar citra menjadi semakin jelas dengan rumus brightness Brightness = sqrt R2 + G2 + B2 2 7. Citra baru yang berisi objek akan di ubah menjadi biner menggunakan metode Otsu‟s thresholding agar citra dapat di hitung seberapa panjang antrian atau objek yang terdapat pada citra tersebut. 8. Output dari proses pengolahan citra berupa berapa banyak objek yang ditemukan. 9. Masing masing panjang antrian yang telah dihasilkan akan di buat input untuk menentukan lama setiap lampu lalu lintas menyala di setiap jalurnya menggunakan logika fuzzy. 10. Pada proses penghitungan menggunakan logika fuzzy Ada 2 variabel fuzzy yang akan dimodelkan, yaitu 1. Membership Function panjang antrian, terdiri-atas 3 himpunan fuzzy yaitu banyak, sedang, dan sedikit, yang diadopsi dari penelitian Yoga Yudanto 2013 yang berjudul Optimalisasi Lampu Lalu Lintas dengan FuzzyLogic. Dengan aturan  Banyak Lebih dari 20000 pixel hitam yang mewakili 10 mobil atau sepanjang jalan prototype  Sedang 12500 sampai 20000 pixel hitam yang mewakili 5 mobil atau setengah dari panjang jalan prototype  Sedikit Kurang Dari 5000 pixel hitam yang mewakili 1 atau 2 mobil Gambar 1. Himpunan Fuzzy Panjang Antrian              Fungsi Keanggotaan Himpunan Fuzzy Panjang Antrian 2. Variabel lama lampu hijau, terdiri-atas 4 himpunan fuzzy yaitu sangat lama, lama, sedang, dan cepat. Dengan aturan  Sangat lama = 80 detik  Lama = 55 detik  Sedang = 35 detik  Cepat = 15 detik Gambar 2. Himpunan Fuzzy Lama Lampu Hijau Volume 3, Edisi 3, Mei 2017 22 Halaman                 Fungsi Keanggotaan Himpunan Fuzzy Lama Lampu Hijau Sehingga dari proses di atas menghasilkan output berupa lama lampu hijau menyala dari tiap-tiap jalur .Sedangkan lama lampu merah akan di hitung dengan cara menjumlahkan lama lampu hijau menyala dari jalur lainnya. 4. Analisis dan Perancangan StartPilih kameraAmbil gamb ar jalan saat kosong sebagai acuan back groundPilih Region Of Interest Cro pping Input nilai waktu interval pengambi lan gambarAmbil gamba r setiap interval wa ktuProses P engolahan CitraMenampilkan jumlah objek dan hasil Pengolahan citraProses Perh itungan Fuzz yMenampilkan L ama lampu merah dan la mpu hijau dari tiap jalur menya laEndGambar 3. Alur Sistem 5. Implementasi Implementasi Prototype Prototype persimpangan dibuat dalam bentuk 4 persimpangan jalan dengan ukuran 1 meter buah kamera webcam usb di letakan di masing-masing jalur untuk mengambil gambar dari jalur di depannya. Gambar 4. Prototype Persimpangan Jalan Implementasi Pengambilan Background Kamera akan mengambil citra setiap jalur pada saat persimpangan kosong untuk dijadikan acuan latar belakang pada saat melakukan proses image differencing. Implementasi Cropping Menentukan Region Of Interest ROI untuk memilih bagian dari citra sesuai keinginan digunakan agar bagian yang tidak diinginkan dari jalur tersebut tidak masuk dalam proses dari setiap jalur memiliki luas yang sama, mengacu pada pengaturan di jalur pertama. Implementasi Grayscale Citra setiap jalur yang telah di ambil akan diubah menjadi abu-abu menggunakan proses grayscale menggunakan grayscale luminance agar citra yang dihasilkan tidak berbeda dengan citra acuan yang telah di ambil yang telah di ambil akan dilakukan proses ekstraksi RGB, sehingga dihasilkan nilai RGB dari setiap pixel dari kemudian diubah nilainya menggunakan rumus luminosity diatas. Implementasi Substraksi Citra akan di cari perbedaannya menggunakan metode image Subtraction yaitu mengurangkan citra input yang di ambil dengan citra acuan latar belakang yang telah di ambil sebelumnya. Sehingga menghasilkan citra baru yang berisi objek yang berada pada jalur tersebut. Jurnal Informatika Polinema ISSN 2407-070X Halaman 23 Implementasi Brightness Citra hasil Subtraction akan di tambah brightness nya agar citra menjadi semakin jelas .Penambahan brightness dimaksdkan agar citra objek yang telah ditemukan menjadi semakin jelas ,menggunakan HSP Color Model Sehingga menambahkan nilai brightness dari masing-masing pixel yang nantinya ditambahkan pada pixel citra sehingga menghasilkan citra yang lebih terang. Implementasi Otsu’s Threshold Citra baru yang berisi objek akan di ubah menjadi biner menggunakan metode Otsu‟s thresholding agar citra dapat di hitung seberapa panjang antrian atau objek yang terdapat pada citra tersebut. Implementasi Perhitungan Jumlah Objek Citra yang telah berupa citra biner dihitung jumlah citra dengan nilai RGB 0 atau hitam, yang merupakan objek yang telah menemukan jumlah Objek masing masing jalur persimpangan. Gambar 5. Perhitungan Jumlah Objek Implementasi Fuzzy Proses implementasi logika fuzzy untuk menghitung lama lampu hijau menyala dengan 4 buah input, yang berasal dari jumlah objek masing-masing jalur yang telah di proses sebelumnya. 6. Pengujian Pengujian dilakukan untuk menjamin dan memastikan bahwa sistem yang dirancang dapat berjalan seperti yang diharapkan. Strategi pengujian yang digunakan yaitu Pengujian Prototype Pengujian prototype dilakukan untuk melihat apakah prototype yang dibuat dapat digunakan untuk aplikasi,kamera yang dapat menangkap gambar dari masing masing jalur dan jalur yang dapat menampung mobil . Pengujian dan Pembahasan Proses Pengolahan Citra Pengujian proses pengolahan citra dilakukan untuk mengetahui apakah proses pengolahan citra berjalan secara baik dan dapat menemukan objek dari citra yang telah diambil. Tabel 1. Pengujian Proses Pengolahan Citra Citra Acuan Back-ground Pada pengujian pengolahan citra dilakukan terhadap 6 buah citra objek dengan 6 buah citra acuan dan menghasilkan citra hasil yang merupakan hasil proses pengolahan menghasilkan hitungan jumlah citra yang citra mobil kurang lebih 3000 untuk satu mobil. Sehingga dapat disimpulkan bahwa hasil dari proses pengolahan citra sudah sesuai dengan yang juga dilakukan dengan mengambil objek dengan jumlah mobil mulai dari 1 hingga 10 sehingga menghasilkan jumlah objek yang berbeda-beda, hasil dari pengujian dapat dilihat pada Gambar 6. Volume 3, Edisi 3, Mei 2017 24 Halaman Gambar 6. Grafik Jumlah Objek Pengujian Pengaruh Pencahayaan pada Akurasi Jumlah Objek Pengujian pengaruh pencahayaan pada akurasi jumlah objek mobil dilakukan dengan cara mengambil gambar dengan kondisi penerangan berbeda sehingga dapat diketahui akurasi penghitungan jumlah objek. Tabel 2. Pengaruh Pencahayaan pada Akurasi Jumlah Objek Hasil Proses Pengolah-an Citra Malam hari pene-rangan normal Malam hari pene-rangan normal Malam hari pene-rangan ditam-bah Malam hari pene-rangan ditam-bah Dengan mengacu pada grafik jumlah pixel objek pada gambar 6, maka dapat dihitung akurasi dari pengaruh pencahayaan pada system. Pagi hari   Siang Hari   Malam Hari Penerangan Normal   Malam Hari dengan tambahan penerangan   Pengujian dan Pembahasan Logika Fuzzy Proses logika fuzzy untuk menghitung lama lampu hijau menyala dengan 4 buah input. Input jalur 1 = 6900 Input jalur 2 = 12000 Input Jalur 3 = 10200 Input Jalur 4 = 18900  Proses Fuzzyfikasi untuk menekankan keanggotaan dari masing masing inputan pada Membership Function panjang antrian. Input 1 = 6900   Input 2 = 12000    Input 3 = 10200    Input 4 = 18900    Lalu aplikasikan Fuzzy Input yang dihasilkan dari masing – masing Membership Function ke semua Inference / Rule yang sesuai dengan 010000200003000012345678910Jumlah Objek Per Mobil Jurnal Informatika Polinema ISSN 2407-070X Halaman 25 Inference / Rule yang tersedia. Diimplikasikan menggunakan fungsi minimum atau AND kepada rule yang cocok dengan himpunan fuzzy.  Lalu hasil dari implikasi tersebut yang akan digunakan dalam proses penegasan atau Defuzzifikasi. dengan menggunakan Height Method atau mencari nilai maksimum dari implikasi tersebut, dengan output variabel linguistik. Atau menggunakan Weight Of Average dengan cara sebagai berikut  = Total x = Weight Of Average = Sehingga ditemukan nilai lampu hijau menyala menurut perhitungan manual adalah dalam aplikasi perhitungan fuzzy dengan input diatas adalah seperti gambar berikut Gambar 7. Proses Fuzzy Proses fuzzy pada aplikasi adalah dengan cara fuzzyfikasi jumlah objek terhadap himpunan anggota fuzzy, sehingga ditemukan keanggotaan dari masing masing input. Lalu proses implementasi nilai keanggotaan dari masing-masing input terhadap rule fuzzy yang telah ada, dan kemudian proses defuzzyfikasi sehingga menghasilkan nilai output yaitu lama lampu hijau menyala dari setiap jalur. Proses fuzzy pada aplikasi pada jalur pertama dengan menggunakan input yang sama,yaitu pada label pada kolom pertama adalah berbeda dengan hasil perhitungan manual yaitu detik. 7. Kesimpulan dan Saran Kesimpulan Berdasarkan penelitian yang dilaksanakan oleh penulis pada Sistem Pengaturan Lampu Lalu Lintas Berdasarkan Estimasi Panjang Antrian Menggunakan Pengolahan Citra, dapat ditarik kesimpulan sebagai berikut  Dengan cara merubah citra RGB ke format citra grayscale lalu di substract dengan citra acuan ,menambah brightness, dan merubah ke format biner dengan Otsu‟s threshold dapat ditemukan objek berupa panjang antrian.  Sistem dapat digunakan paling maksimal pada saat siang hari atau pada saat cuaca sedang cerah. Semakin terang kondisi jalan, maka semakin tinggi tingkat akurasi yang didapatkan. Pada pagi hari, didapatkan nilai error , pada siang hari didapatkan nilai error sebesar 9%, pada malam hari dengan penerangan normal didapatkan nilai error sebesar 21% dan pada malam hari dengan tambahan penerangan didapat nilai error sebesar 15%.  Dengan 4 buah input berupa panjang antrian dari jalur di persimpangan, dapat dihitung lama lampu hijau dan lampu merah menyala menggunakan logika fuzzy 4 buah input dimaksudkan agar setiap input akan memperhatikan jumlah antrian dari setiap jalur dan memperhatikan sebaran kepadatan,Sehingga hasil lama lampu merah dan lampu hijau yang didapatkan sesuai dengan sebaran kepadatan antrian. Saran Saran yang diberikan untuk pengembangan Sistem Pengaturan Lampu Lalu Lintas Berdasarkan Estimasi Panjang Antrian Menggunakan Pengolahan Citra adalah sebagai berikut  Sebaiknya menggunakan kamera webcam dengan resolusi yang lebih baik dan jangkauan yang lebih besar tanpa menggunakan lensa hasil pengambilan gambar dan proses pengolahan citra dapat mendapatkan hasil yang lebih maksimal.  Penelitian dapat dikembangkan dengan mencari tempat peletakan kamera yang paling efektif, Sehingga mendapatkan hasil pengambilan gambar yang lebih maksimal.  Memberi mikrocontroler lampu lalu lintas menyala pada prototype. Daftar Pustaka Ioannis Pitas, 1993. “Digital Image Processing Algorithms”, Prentice-Hall International. Munir, Rinaldi , 2004. Pengolahan Citra Digital Volume 3, Edisi 3, Mei 2017 26 Halaman dengan Pendekatan Rafael C. Gonzalez and Richard E. Woods,. 2002. “Digital Image Processing”, Addison-WesleyPublishing. Rosnelly,Rika, Pakar Konsep dan Otsu, Nobuyuki, 1979. A Threshold Selection Method from Gray-Level Histograms. IEEE Siswaya Siswaya Sunardi SunardiAnton YudhanaINTISARI Sistem pengatur lampu lalu lintas banyak memanfaatkan pengatur waktu tetap yang sudah diprogram terlebih dahulu, akibatnya polisi lalu lintas tidak bisa intervensi saat kondisi macet. Kemajuan bidang elektronika memberikan harapan baru pada pengendalian lampu lalu lintas yang lebih efektif dan efisian. Gabungan Integrated Circuit IC dengan berbagai jenis perangkat lunak melahirkan sistem pengatur lalu lintas yang cerdas. Peningkatan kemampuan dan kehandalan dapat dilakukan dengan mengaplikasikan sejumlah sensor deteksi objek dan aplikasi android pada smartphone. Tujuan utama penelitian ini adalah menghasilkan inovasi pengatur lampu lalu lintas yang lebih akurat sehingga bisa mengatasi kemacetan lalu lintas dan dalam kondisi lalu lintas dilakukan dengan memasang beberapa sensor terhadap kendaraan yang lewat, setiap ruas jalan dipasang sensor untuk antrian kendaraan pendek sensor jarak dekat/SD dan antrian kendaraan panjang sensor jarak jauh/SJ, sehingga lamanya lampu hijau menyala salah satunya ditentukan oleh kedua sensor tersebut, selain waktu standar yang telah dimasukkan dalam programnya. Perangkat pendukung lainnya antara lain bluetooth, chip mikrokontroler arduino, dan aplikasi yang terinstal pada smartphone sebagai kontrol dalam kondisi darurat. Dalam kondisi normal pengatur lalu lintas akan menggunakan program yang tertanam dalam chip mikrokontroler, tapi dalam kondisi lalu lintas padat maka sejumlah sensor akan berperan memberikan masukan ke chip untuk mengatur lama lampu hijau menyala, sehingga lalu lintas lancar. Dalam kondisi darurat ada kendaraan ambulan atau lainnya yang membutuhkan prioritas maka memanfaatkan aplikasi android pada kunci— Pengatur lalu lintas, sensor deteksi objek, Integrated Circuit IC, mikrokontroler, android . ABSTRACT The traffic light control system uses a lot of fixed timers that have been programmed in advance, as a result the traffic police cannot intervene in traffic jams. Advances in electronics provide new hope for more effective and efficient traffic light control. The combination of Integrated Circuit IC with various types of software gives birth to an intelligent traffic control system. Improved capability and reliability can be done by applying a number of object detection sensors and android applications on smartphones. The main objective of this research is to produce an innovation of a more accurate traffic light regulator so that it can overcome traffic jams and in emergency regulation is done by installing several sensors on passing vehicles, each road section is installed with sensors for short vehicle queues close proximity sensors/SD and long vehicle queues remote sensors/SJ, so that the length of time the green light is on is one of them determined by the two sensors, in addition to the standard time that has been included in the program. Other supporting devices include bluetooth, arduino microcontroller chips, and applications installed on smartphones as controls in emergency conditions. Under normal conditions the traffic controller will use a program embedded in the microcontroller chip, but in heavy traffic conditions a number of sensors will play a role in providing input to the chip to regulate the length of time the green light is on, so that traffic flows smoothly. In an emergency, there is an ambulance or other vehicle that requires priority, then use the android application on a — Traffic controller, object detection sensor, Integrated Circuit IC, microcontroller, OtsuA nonparametric and unsupervised method of automatic threshold selection for picture segmentation is presented. An otpimal threshold is selected by the discriminant criterion, namely, so as the maximize the separability of the resultant classes in gray levels. The procedure is very simple, utilizing only the zeroth- and first-order cumulative moments of the gray-level histogram. It is strightforward to extend the method to multithreshold problems. Several experimental results are also presented to support the validity of the Pakar Konsep dan TeoriRika RosnellyRosnelly,Rika, Pakar Konsep dan

saat menyusun model lampu lalu lintas