Optimalisasi Lampu Lalu Lintas Berbasis Deteksi Objek dan Fuzzy Logic (Studi Kasus Simpang Terminal Bubulak)

Abstract

Kemacetan lalu lintas meningkatkan emisi dan menghambat pergerakan kendaraan, sehingga diperlukan optimalisasi lampu lalu lintas sebagai salah satu faktor penyebab kemacetan. Penelitian ini mengusulkan metode optimalisasi lampu lalu lintas di persimpangan Terminal Bubulak. Citra lalu lintas dari setiap ruas jalan persimpangan diambil dan dianalisis menggunakan metode deep learning dan convolutional neural network (CNN) untuk deteksi objek dan identifikasi jenis kendaraan. Volume kendaraan dihitung dengan poin tertentu (kendaraan kecil = 1 poin, kendaraan sedang = 2 poin, kendaraan besar = 3 poin), sementara panjang kemacetan diukur menggunakan fitur Google Maps. Data ini digunakan sebagai input untuk logika fuzzy (Mamdani Fuzzy Inference) dalam menentukan durasi lampu hijau yang optimal. Hasil penelitian menunjukkan bahwa model fuzzy yang dikembangkan dapat menentukan durasi lampu hijau yang optimal berdasarkan panjang kemacetan dan volume kendaraan. Pengujian lapangan pada pagi hari (pukul 08:00 – 12:00 WIB) menunjukkan bahwa durasi lampu hijau untuk arah Cifor perlu ditingkatkan dari 13 detik menjadi 14 – 20 detik. Sementara untuk arah Kota Bogor dan Terminal Bubulak/Pagelaran, durasi lampu hijau perlu dikurangi dari 33 detik menjadi 15 – 21 detik. Model fuzzy yang dikembangkan diharapkan dapat menjadi referensi untuk optimalisasi durasi lampu hijau di persimpangan lain melalui penyesuaian variabel.