Perpustakaan Digital ITB

Pada penelitian ini dilakukan pengembangan kerangka kerja untuk mendetek- si kemacetan di jaringan jalan perkotaan. Data ATCS (Area Traffic Control System) kota Bandung digunakan sebagai bahan penelitian dengan volume kendaraan dijadikan sebagai komponen arus lalu lintas yang digunakan da- lam proses deteksi kemacetan. Data arus lalu lintas dikumpulkan oleh alat detektor kendaraan yang diletakan di persimpangan jalan dalam kurun waktu per 15 menit. Data tersebut menghimpun data tentang atribut arus kendara- an, arah arus kendaraan serta lokasi persimpangan di jaringan jalan. Untuk memudahkan dalam proses perhitungan korelasi spasial, pemodelan graf di- gunakan dalam pembentukan matriks ketetanggaan. Dengan mengasumsikan lokasi detektor sebagai simpul dan arah kendaraan sebagai sisi, graf dimo- delkan berdasarkan lokasi detektor kendaraan dan arah arus kendaraan dari sembilan lokasi yang dijadikan area pengujian. Hasil pemodelan graf dirubah kedalam bentuk matriks untuk memudahkan perhitungan korelasi. Matriks ketetanggaan yang digunakan terdiri dari 3 buah matriks di masing-masing periode waktu, yang menggambarkan urutan jarak spasial yang dilalui oleh kendaraan di lokasi persimpangan. Untuk menghitung korelasi spasial, fungsi autokorelasi dan fungsi korelasi silang yang merupakan turunan dari fungsi korelasi sederhana Pearson digunakan untuk melihat hubungan dan kekuatan pengaruh pada masing-masing lokasi di jaringan jalan. Perhitungan korelasi spasial dilakukan pada 4 (empat) jenis periode waktu, yaitu: pada 24 jam (00:00-24:00), waktu puncak pagi hari (06:00-09:00), waktu puncak siang hari (11:00-14:00) dan waktu puncak sore hari (16:00-19:00). Hasil perhitungan ko- relasi spasial, menunjukan adanya pola musiman pada hasil autokorelasi mes- kipun skala nilainya semakin kecil seiring bertambahnya jeda waktu. Hal ini memberikan dasar dalam proses perhitungan fungsi korelasi silang dan dapat disimpulkan bahwa volume kendaraan pada setiap lokasi yang terhubung di jaringan jalan dapat diketahui dengan melakukan observasi pada deret waktu periode musiman sebelumnya. Hal ini juga dapat dijadikan asumsi dan dasar dalam mengembangkan sebuah metode prediksi. Untuk hasil korelasi silang, dengan melakukan pengembangan bentuk matriks dengan cara penggabungan matriks, dilakukan perhitungan dengan menggunakan Aturan Simpson un- tuk melihat lokasi yang paling berpengaruh terhadap kemacetan di jaringan jalan. Hasilnya dapat diketahui lokasi persimpangan mana saja pada setiap periode waktu yang paling berpengaruh menyebabkan kemacetan di jaringan jalan dan dibuktikan dengan melakukan pengamatan tingkat kemacetan lo- kasi persimpangan berdasarkan Level of Service. Pada penelitian ini, dapat disimpulkan bahwa pemodelan graf dibutuhkan untuk mempermudah dalam proses perhitungan korelasi spasial dengan cara melakukan representasi graf menjadi sebuah bentuk matriks. Hasil perhitungan aturan Simpson pada ha- sil korelasi silang, dapat dilakukan deteksi kemacetan terhadap semua lokasi persimpangan di jaringan jalan dengan hasil berupa urutan lokasi yang paling berpengaruh enyebabkan kemacetan di jaringan jalan di setiap periode waktu.