![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
13219068_Jalu Reswara Wiradjanu.pdf
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Kemacetan adalah masalah serius yang menimbulkan banyak kerugian. Banyak
penyebab dari kemacetan, mulai dari debit kendaraan yang melebihi kapasitas jalan,
budaya berkendara yang buruk, dan sistem pengaturan lalu lintas yang tidak
menyesuaikan dengan kondisi jalan. Sebagian besar sistem pengaturan lalu lintas
di Indonesia masih diatur secara pre-timed yang membuatnya tidak bisa
menyesuaikan dengan kondisi lalu lintas setiap saat. Hal tersebut meningkatkan
resiko terjadinya kemacetan akibat antrian yang tersisa. Dikembangkan sistem
pengaturan lalu lintas adaptif untuk dua simpang berdekatan berbasis Q-Learning
pada level simulasi. Sistem mampu mensimulasikan kondisi lalu lintas berdasarkan
hasil traffic counting dan lampu lalu lintas diatur berdasarkan algoritma Q-learning.
Kondisi lalu lintas jug direplikasi pada miniatur lalu lintas sebagai bentuk
pendekatan implementasi di dunia nyata. Algoritma Q-Learning
diimplementasikan dalam hardware description language Verilog. Implementasi
dari Q-learning masih belum berhasil dilakukan. Seharusnya, hasil Q-matrix
dikirim ke SUMO untuk dapat mengatur lalu lintas yang disimulasikan. Q-matrix
yang dihasilkan berukuran 256 x 4 dengan lebar data Q-value 32-bit signed. Hasil
grafik reward menunjukkan jumlah reward yang semakin positif. Perubahan policy
membuat hasil grafik reward berubah karena penetapan reward yang dilakukan
setiap step. Belum adanya perbandingan performa antara pengaturan adaptif dengan
pengaturan manual atau pre-timed.