Kemacetan Konsep Perancangan Smart Traffic Signals Berbasis AI Pada Persimpangan Rumah Sakit Fatmawati

Aditya  Rangga Aditya Rizaldi; Nur Hafifah Matondang; Catur Nugrahaeni Puspita Dewi

doi:10.37424/informasi.v17i2.435

Rangga Aditya Rizaldi Universitas Pembangunan Nasional Veteran Jakarta
Nur Hafifah Matondang Universitas Pembangunan Nasional Veteran Jakarta
Catur Nugrahaeni Puspita Dewi Universitas Pembangunan Nasional Veteran Jakarta

DOI: https://doi.org/10.37424/informasi.v17i2.435

Keywords: Lalu lintas, Kemacetan, Q-Learning, algoritma YOLO

Abstract

Kemacetan lalu lintas di kawasan perkotaan, khususnya pada persimpangan Jalan RS Fatmawati, Jakarta Selatan, menjadi masalah serius yang memerlukan solusi inovatif. Penelitian ini bertujuan merancang sistem Smart Traffic Signals berbasis Artificial Intelligence (AI) dan Internet of Things (IoT) untuk meningkatkan efisiensi pengaturan lalu lintas. Metode penelitian yang digunakan adalah penelitian terapan dengan pendekatan eksperimen lapangan. Data diperoleh melalui observasi langsung, rekaman video lalu lintas, wawancara dengan petugas Dinas Perhubungan, serta kajian literatur terkait. Sistem ini mengintegrasikan algoritma YOLO v5 untuk deteksi kendaraan secara real-time dengan algoritma Q-Learning sebagai pengambil keputusan adaptif. Hasil uji coba terbatas menunjukkan bahwa sistem mampu mendeteksi kendaraan dengan akurasi lebih dari 90% dan menyesuaikan durasi lampu lalu lintas secara dinamis, sehingga rata-rata waktu tunggu kendaraan berkurang sekitar 20–25% dibandingkan sistem konvensional. Dampak positif lainnya adalah peningkatan kelancaran arus lalu lintas, efisiensi konsumsi bahan bakar, dan penurunan emisi karbon. Temuan penelitian ini membuktikan bahwa penerapan sistem lampu lalu lintas cerdas tidak hanya memberikan manfaat teknis, tetapi juga mendukung visi smart city dan transportasi berkelanjutan. Rekomendasi ditujukan kepada pemerintah daerah untuk mempertimbangkan penerapan sistem ini di persimpangan strategis lainnya

References

Brilliant, M. G., Meilala, R. R. S., & Herwanis, D. (2024). Manajemen Transportasi: Kerugian Transportasi Akibat Kemacetan Lalu Lintas di Aceh. Sammajiva: Jurnal Penelitian Bisnis dan Manajemen, 2(4), 42-53.

Ding, X., Yao, R., & Khezri, E. (2024). An efficient algorithm for optimal route node sensing in smart tourism Urban traffic based on priority constraints. Wireless Networks, 30(9), 7189-7206.

Fu, T., Wang, L., Garg, S., Hossain, M. S., Yu, Q., & Hu, H. (2024). Adaptive signal light timing for regional traffic optimization based on graph convolutional network empowered traffic forecasting. Information Fusion, 103, 102072.

Guo, J., Cheng, L., & Wang, S. (2023). CoTV: Cooperative control for traffic light signals and connected autonomous vehicles using deep reinforcement learning. IEEE Transactions on Intelligent Transportation Systems, 24(10), 10501-10512.

Hasanujjaman, M., Chowdhury, M. Z., & Jang, Y. M. (2023). Sensor fusion in autonomous vehicle with traffic surveillance camera system: detection, localization, and AI networking. Sensors, 23(6), 3335.

KHATAMI, M. S. (2022). Deteksi Kendaraan Menggunakan Algoritma You Only Look Once (YOLO) V3.

Kompas.com. (2025, Maret 21). Pramono mengaku banyak menerima keluhan warga soal macet di Jalan RS Fatmawati.

Liu, C., & Ke, L. (2023). Cloud assisted Internet of things intelligent transportation system and the traffic control system in the smart city. Journal of Control and Decision, 10(2), 174-187.

Mehmood, S., & Syaharuddin, S. (2024). Reinforcement Learning for Automated Systems: Review of Concepts and Implementations. Jurnal Pemikiran dan Penelitian Pendidikan Matematika (JP3M), 7(2), 146-166.

Merbah, A., & Ben-Othman, J. (2024). Optimizing Traffic Flow With Reinforcement Learning: A Study on Traffic Light Management. IEEE Transactions on Intelligent Transportation Systems, 25(7), 7467-7476.

Moumen, I., Abouchabaka, J., & Rafalia, N. (2023). Adaptive traffic lights based on traffic flow prediction using machine learning models. International Journal of Electrical and Computer Engineering (IJECE), 13(5), 5813-5823.

Pratama, Y. Y., Mustofa, H., Putra, H. R. A., & Albana, I. (2025). Efektivitas Internet Of Things dalam Mengatasi Permasalahan Lalu Lintas: Tinjauan Literatur. Jurnal Teknologi informasi dan Ilmu Komputer, 1(2).

Putra, R. A., & Syahbana, Y. A. (2024). Implementasi Algoritma Deep Q-Network (DQN) pada Lampu Lalu Lintas Adaptif Berdasarkan Waktu Tunggu dan Arus Kendaraan. The Indonesian Journal of Computer Science, 13(5).

Saputro, C. B. (2025). PENGATURAN LALU LINTAS PUTAR ARAH BERBASIS IOT MENGGUNAKAN ALGORITMA FUZZY LOGIC ADAPTIVE (Doctoral dissertation, Universitas Nasional).

Taufiq, R. M., Sunanto, S., & Rizki, Y. (2020). Integrated smart traffic control system menuju Pekanbaru sebagai smart city. JURTEKSI (Jurnal Teknologi dan Sistem Informasi), 7(1), 67-74.

Usmonov, S., Pradeep, A., Fakhriddinov, Z., Sanjar, T., Abdurakhim, A., & Khusniddinova, M. (2023, June). Intelligent traffic management system: AI-enabled IoT traffic lights to mitigate accidents and minimize environmental pollution. In 2023 3rd International Conference on Intelligent Technologies (CONIT) (pp. 1-6). IEEE.

Utami, A., Syahrun, F. R., & Nurhidayat, A. Y. (2023). Analisis Kehilangan Biaya Akibat Kemacetan Pada Kendaraan Pribadi (LCGC, SUV, dan MPV) di Ruas Jalan MH. Thamrin, Jakarta. Ge-STRAM: Jurnal Perencanaan dan Rekayasa Sipil, 6(2), 92-99.