Analisa Simulasi Kepadatan Lalu Lintas Pada Persimpangan Traffic Dengan Metode Deteksi Tepi Canny.

SKRIPSI

Disusun Oleh :

ANNISA RACHMAN

NPM. 0434010199

JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI

UNIVERSITAS PEMBANGUNAN NASIONAL ”VETERAN” JAWA TIMUR SURABAYA

SKRIPSI

Diajukan Untuk Memenuhi Sebagai Persyaratan Dalam Memperoleh Gelar Sarjana Komputer

Program Studi Teknik Informatika

Disusun oleh :

ANNISA RACHMAN

NPM. 0434010199

JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI

UNIVERSITAS PEMBANGUNAN NASIONAL ”VETERAN” JAWA TIMUR SURABAYA

Analisa Simulasi Kepadatan Lalu Lintas Pada Persimpangan

Traffic Dengan Metode Deteksi Tepi Canny

Disusun Oleh :

ANNISA RACHMAN NPM. 0434010199

Telah dipertahankan di hadapan dan diterima oleh Tim Penguji Skripsi Program Studi Teknik Informatika Fakultas Teknologi Industri

Universitas Pembangunan Nasional ”Veteran” Jawa Timur Pada Tanggal 26 November 2010

Pembimbing : Tim Penguji :

1. 1.

I Gede Susrama, S.T, M.Kom Ir. Purnomo Edi Sasongko, MP NPT. 270 060 640 210 NPT. 19640 7140 198803 1001

2. 2.

Fetty Tri Anggraeny, S.Kom Ir. M. Rochmad, MT NPT. 382 0206 0208 NPT. 19620 3041 991031 002

3.

Fetty Tri Anggraeny, S.Kom NPT. 382 0206 0208

Mengetahui,

Dekan Fakultas Teknologi Industri

Universitas Pembangunan Nasional ”Veteran” Jawa Timur

Ir. Sutiyono, MT NIP. 19600713 198703 1001

Analisa Simulasi Kepadatan Lalu Lintas Pada Persimpangan

Traffic Dengan Metode Deteksi Tepi Canny

Disusun Oleh :

ANNISA RACHMAN

NPM. 0434010199

Telah disetujui untuk mengikuti Ujian Negara Lisan Gelombang II Tahun Akademik 2010/2011

Pembimbing Utama Pembimbing Pendamping

I Gede Susrama, S.T, M.Kom Fetty Tri Anggraeny S.Kom NPT. 270 060 640 210 NPT. 382 0206 0208

Mengetahui,

Ketua Program Studi Teknik Informatika Fakultas Teknologi Industri

Universitas Pembangunan Nasional “Veteran” Jawa Timur

Basuki Rahmat, S.Si, MT NPT. 369 070 602 13

KETERANGAN REVISI

Kami yang bertanda tangan di bawah ini menyatakan bahwa mahasiswa berikut :

Nama : ANNISA RACHMAN

NPM : 0434010199

Program Studi : TEKNIK INFORMATIKA

Telah mengerjakan revisi/ tidak ada revisi pra rencana (design)/ skripsi ujian lisan Gelombang II Tahun Akademik 2010/2011 dengan judul :

” Analisa Simulasi Kepadatan Lalu Lintas Pada Persimpangan Traffic Dengan Metode Deteksi Tepi Canny”

Surabaya, Desember 2010 Dosen yang memerintahkan revisi :

1) Ir. Purnomo Edi Sasongko, MP NPT. 19640 7140 198803 1001

2) Ir. M. Rochmad, MT

NPT. 19620 3041 991031 002

3) Fetty Tri Anggraeny S.Kom NPT. 382 0206 0208

Mengetahui,

Pembimbing Utama Pembimbing Pendamping

I Gede Susrama S.T, M.Kom Fetty Tri Anggraeny S.Kom NPT. 270 060 640 210 NPT. 382 0206 0208

Dengan mengucapkan Puji Syukur kehadirat Allah SWT yang telah melimpahkan Rahmat serta Hidayah-Nya, sehingga tersusunlah Tugas Akhir ini dengan judul “Analisa Simulasi Kepadatan Lalu Lintas Pada Persimpangan Traffic Dengan Metode Deteksi Tepi Canny”. Penyusunan Tugas Akhir ini merupakan salah satu syarat dalam rangka menyelesaikan Program Strata Satu (S1) pada jurusan Teknik Informatika Fakultas Teknologi Industri UPN “VETERAN” Jawa Timur.

Dalam menyelesaikan Tugas Akhir ini penulis menyadari telah banyak mendapatkan bantuan dari berbagai pihak, bagi segi moril maupun materiil. Oleh karena itu pada kesempatan ini penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada:

1. Bapak Prof. Dr. Ir. Teguh Soedarto, MP selaku Rektor UPN “VETERAN” Jawa Timur.

2. Bapak Ir. Sutiyono, MT selaku Dekan Fakultas Teknologi Industri UPN “VETERAN” Jawa Timur.

3. Bapak Basuki Rachmat, S.Si, MT, selaku ketua Jurusan Teknik Informatika UPN “VETERAN” Jawa Timur.

4. Bapak I Gede Susrama M, ST, M.Kom, selaku dosen pembimbing pertama yang telah mengarahkan dan memberi motivasi dalam menyusun skripsi ini hingga selesai dan terima kasih atas judul yang diberikan.

menyusun skripsi ini hingga selesai.

6. Kepada seluruh dosen Teknik Informatika UPN ”VETERAN” Jatim, terima kasih sebanyak-banyaknya atas ilmu yang diberikan kepada saya.

7. Kedua orang tua tercinta yang selalu senantiasa memberikan kasih sayang, dukungan dan selalu mendoakanku selama ini.

8. Kakak-kakakku mas Hanip dan mba Nurul dan seluruh keluarga besar trima kasih atas doa dan dukungannya sehingga Tugas Akhir ini selesai.

9. Anak-anak Kost RK-V, Erida trima kasih atas laptopnya yang senantiasa meminjamkan, Mama trima kasih yang selalu bertanya sampai dimana pengerjaan Tugas Akhir aku.

10. Yuli dan mba Rini terima kasih sudah jadi kakak yang selalu mendukung dan menentramkan sampai Tugas Akhir ini selesai.

11. Dede yang selalu ada saat aku butuh. Terima kasih telah mendukung dan menemani aku.

12. Anak-anak kontrakan WA, Joe, Rizqi, Ucup, Pitex, Mahdi, Ceri, Jupri Salman, Tebo, Rio, Adit dan Homo terima kasih atas bantuannya jika terjadi hal-hal yang tak terduga pada komputer, printer dan software aku.

13. Anak-anak kost Yanica,unyil dan iris gembel trima kasih atas bantuan dan dukungannya.

14. Almh Indri Wijayanti, terima kasih telah menjadi kakak saat dikampus sejak kita kenal diospek fakultas sampai kau pergi meninggalkan kami semua. Aku dedikasikan Tugas Akhir ini kepada kamu mba Indri. I will missing U,,,

iv melanjutkan semangat hidupmu.

16. Sahabat-sahabat aku SMA, Yuni, Bita, Yeri dan Nia trima kasih telah jadi teman cerita semenjak SMA sampai sekarang dan dukungan kalian smua. 17. Buat semua temen-temen jurusan TF (Teknik Informatika). Yang tidak

mungkin penilis sebutkan satu persatu, terima kasih telah membantu dan memberikan do’anya kepada penulis untuk menyelesaikan Tugas Akhir ini.

Surabaya, Desember 2010

2.6.1. Istilah Dasar Teknik Lalu Lintas... 21

2.6.2. Intrusion Prevention System (IPS)... 30

ABSTRAK... i

KATA PENGANTAR... ii

DAFTAR ISI... v

DAFTAR GAMBAR... viii

DAFTAR TABEL... x

BAB I PENDAHULUAN... 1

1.1. Latar Belakang... 1

1.2. Perumusan Masalah... 3

1.3. Batasan Masalah... 3

1.4. Tujuan... 4

1.5 Manfaat... 4

1.6. Metodologi... 4

1.7. Sistematika Pembahasan... 6

BAB II TINJAUAN PUSTAKA ... 8

2.1. Pengolahan Citra Digital……... 8

2.1.1. Citra Biner... 9

2.1.2. Citra Skala Keabuan (Gray Scale)... 10

2.1.3. Citra Warna (True Color)... 10

2.2 Deteksi Tepi (Edge Detection)... 11

2.2.1. Deteksi Tepi Canny... 14

2.2.2. Pendeteksian Tepi Dengan Operator Turunan Kedua... 15

2.3. Analisa Lane Masking…... 18

2.4. Analisa Background Elimination…... 18

2.5. Noise and blobs filtration... 19

2.6. Teknik Lalu Lintas ... 20

3.2.1. Metode yang Digunakan... 35

3.2.2. Analisa Lampu Lalu Lintas... 40

3.2.3. Perancangan Antarmuka... 42

4.1.1.1. Perangkat keras yang digunakan... 44

4.1.1.2. Perangkat Lunak yang digunakan... 45

3.1. Analisa Sistem... 33

3.2. Perancangan Proses... 34

BAB IV IMPLEMENTASI PROGRAM ... 44

4.1. Spesifikasi Sistem... 44

4.1.1. Perangkat Sistem... 44

4.2. Implementasi... 45

BAB V UJI COBA EVALUASI ... 48

5.1. Uji Coba Sistem... 48

5.1.1. Uji Coba Pertama... 48

5.1.2. Uji Coba kedua... 50

5.1.3. Uji Coba Ketiga... 52

5.1.4. Uji Coba Keempat... 53

5.1.5. Uji Coba Kelima... 55

5.1.6. Uji Coba Keenam... 56

5.1.7. Uji Coba Ketujuh... 58

5.1.8. Uji Coba Kedelapan... 59

5.1.9. Uji Coba Kesembilan... 61

5.1.10. Uji Coba Kesepuluh... 62

5.2. Evaluasi... 64

6.2. Saran... 65 DAFTAR PUSTAKA

LAMPIRAN

Tabel 5.1 Hasil Uji Coba Pertama... 49

Tabel 5.2 Hasil Uji Coba Kedua ... 51

Tabel 5.3 Hasil Uji Coba Ketiga ... 53

Tabel 5.4 Hasil Uji Coba Keempat ... 54

Tabel 5.5 Hasil Uji Coba Kelima ... 56

Tabel 5.6 Hasil Uji Coba Keenam... ... 57

Tabel 5.7 Hasil Uji Coba Ketujuh... 59

Tabel 5.8 Hasil Uji Coba Kedelapan... 60

Tabel 5.9 Hasil Uji Coba Kesembilan... 62

Tabel 5.10 Hasil Uji Coba Kesepuluh... 63

Gambar 2.1 Citra Biner Dan Representasinya Dalam Data Digital... 9

Gambar 2.2 Proses Deteksi Tepi Citra... 11

Gambar 2.3 Hasil beberapa deteksi tepi... 12

Gambar 2.4 Gambar Fungsi Citra F(x,y) ... 13

Gambar 2.5 Gambar Hasil Filter H(x,y) ... 13

Gambar 2.6 Gambar Proses Filter H(x,y) ... 13

Gambar 2.7 Analisa Lane Masking... 18

Gambar 2.8 Noise dan Blob Filtering ... 21

Gambar 3.1 Flowchart Deskripsi Secara Umum ... 34

Gambar 3.2 Flowchart Metode Yang Digunakan ... 35

Gambar 3.3 Aplikasi Lanes Masking Dengan Kendaraan... 36

Gambar 3.4 Setelah Di Lane Masking ... 36

Gambar 3.5 Aplikasi Lanes Masking Tanpa Kendaraan ... 37

Gambar 3.6 Setelah Di Lane Masking Gambar Jalan... 37

Gambar 3.7 Gambar Background Elimination Kendaraan ... 38

Gambar 3.8 Gambar yang sudah diperjelas ... 39

Gambar 3.9 Gambar Deteksi Tepi Canny ... 39

Gambar 3.10 Flowchart Analisa Lampu ... 40

Gambar 3.11 Analisa Persimpangan Lampu Lalu Lintas ... 41

Gambar 3.12 Perancangan Aplikasi Antarmuka... 42

Gambar 4.1 Simulasi Aplikasi Traffic ... 45

Gambar 4.2 Simulasi Aplikasi Traffic dengan mengisi Image Digital... 46

Gambar 4.3 Simulasi Aplikasi Traffic menganalisa lampu Hijau ... 47

ix

Gambar 5.3 Uji Coba Ketiga Simulasi Persimpangan Traffic... 52

Gambar 5.4 Uji Coba Keempat Simulasi Persimpangan Traffic ... 54

Gambar 5.5 Uji Coba Kelima Simulasi Persimpangan Traffic... 55

Gambar 5.6 Uji Coba Keenam Simulasi Persimpangan Traffic... 57

Gambar 5.7 Uji Coba Ketujuh Simulasi Persimpangan Traffic... 58

Gambar 5.8 Uji Coba Kedelapan Simulasi Persimpangan Traffic ... 60

Gambar 5.9 Uji Coba Kesembilan Simulasi Persimpangan Traffic ... 61

Pembimbing I : I Gede Susrama M, ST, M.Kom Pembimbing II : Fetty Tri Anggraeny S.Kom

ABSTRAK

Kemacetan lalu-lintas telah banyak dijumpai di kota-kota besar di Indonesia. Dan ini erat kaitannya dengan permasalahan pengendalian lalu-lintas pada persimpangan traffic, diantaranya jumlah panjang antrian yang tidak merata antar simpangan dan masih terjadi kemacetan lalu lintas terutama pada saat jam-jam sibuk.

Analisa simulasi dalam skripsi ini dimaksudkan untuk mengidentifikasi pentingnya informasi waktu perjalanan. Adapun metodologi yang digunakan adalah mengiidentifikasi kebutuhan sistem dengan flowchart, mensimulasikan pengambilan gambar kendaraan pada persimpangan, serta pendeteksi tepi gambar menggunakan metode deteksi tepi canny. Untuk mengimplementasikan dari analisa simulasi ini menggunakan pemrograman matlab.

Uji kelayakan sistem dilakukan dengan melakukan serangkaian analisa simulasi uji coba. Uji coba telah dilakukan pada empat persimpangan gambar dengan sepuluh kali percobaan, dimana dari hasil jumlah kendaraan dilakukan perbandingan antar persimpangan dengan jumlah kendaraannya, jika jumlah kendaraan yang paling besar maka traffic dari persimpangan tersebut akan menyala lampu hijau terlebih dahulu. Dan dilakukan perbandingan lagi untuk mendapatkan hasil selanjutnya sampai nilai jumlah paling terkecil yang ada. Setiap gambar yang dideteksi memiliki hasil yang berbeda tergantung pada panjangnya antrian dan celah pada antrian kendaraan.

Keywords : traffic, deteksi tepi canny, matlab

BAB I PENDAHULUAN

1.1 Latar Belakang

Pada saat ini, kemacetan lalu-lintas telah banyak dijumpai di kota-kota besar di Indonesia. Dan ini erat kaitannya dengan permasalahan pengendalian lalu-lintas pada persimpangan, diantaranya jumlah panjang antrian yang tidak merata antar simpangan dan masih terjadi kemacetan lalu lintas terutama pada saat jam-jam sibuk. Salah satu indikator dari kemacetan lalu-lintas adalah kecepatan perjalanan atau waktu perjalanan pada ruas-ruas jalan kota. Dengan melihat korelasi terhadap volume lalu-lintas, dapat diketahui tingkat pelayanan jalan yang merupakan informasi mendasar perlunya langkah pengembangan sistem jaringan jalan.

Kecepatan adalah tingkat pergerakan lalu-lintas atau kendaraan tertentu yang sering dinyatakan dalam kilometer per jam. Terdapat dua kategori kecepatan rata-rata. Yang pertama adalah kecepatan waktu rata-rata yaitu rata-rata dari sejumlah kecepatan pada lokasi tertentu. Yang kedua adalah kecepatan ruang rata-rata atau kecepatan perjalanan yang mencakup waktu perjalanan dan hambatan. Kecepatan ruang rata-rata dihitung berdasarkan jarak perjalanan dibagi waktu perjalanan pada jalan tertentu. Kecepatan ini dapat ditentukan melalui pengukuran waktu perjalanan dan hambatan. Saat ini banyak sistem lalu lintas yang dibangun berbasiskan computer vision. Dikarenakan computer vision merupakan kombinasi antara pengolahan citra dan pengenalan pola. Dimana pengolahan citra (Image Processing) merupakan bidang yang berhubungan

dengan proses transformasi citra/gambar (image). Proses ini bertujuan untuk mendapatkan kualitas citra yang lebih baik. Sedangkan Pengenalan Pola (Pattern Recognition), bidang ini berhubungan dengan proses identifikasi obyek pada citra atau interpretasi citra. Proses ini bertujuan untuk mengekstrak informasi/pesan yang disampaikan oleh gambar/citra.

Dalam latar belakang ini diusulkan suatu estimasi detection gerakan menggunakan metode deteksi tepi canny dan melakukan normalisasi. Karena deteksi tepi canny ini memiliki beberapa kelebihan dalam mengekstrak tepian dengan kebebasan pemilihan parameter yang digunakan. Teknik ini membutuhkan waktu agak lama dalam komputasinya tetapi hasil deteksinya sangat baik. Kelebihan paling menonjol dari metode canny dibandingkan dengan metode lainnya adalah Canny merupakan deteksi tepi yang optimal. Operator Canny menggunakan Gaussian Derivative Kernel untuk menyaring kegaduhan dari citra awal untuk mendapatkan hasil deteksi tepi yang halus.

Tugas akhir ini dimaksudkan untuk mengidentifikasi pentingnya informasi waktu perjalanan yang modifikasinya adalah kecepatan perjalanan kendaraan dan sebaliknya. Dan diharapkan langkah-langkah pengukuran waktu perjalanan dan kecepatan perjalanan rata-rata ruas jalan dapat dipahami sehingga korelasi hubungan antara kecepatan lalu lintas dapat terkontrol. Untuk menjawab permasalahan-permasalahn diatas, maka penulis mengambil judul Analisa Simulasi Kepadatan Lalu Lintas Pada Persimpangan Traffic Dengan Metode Deteksi Tepi Canny.

1.2 Perumusan Masalah

Berdasarkan latar belakang yang telah diuraikan sebelumnya,terdapat beberapa permasalahan yang akan diangkat dalam Tugas Akhir ini, meliputi : 1. Bagaimana merancang dan membuat simulasi sistem pengatur lampu lalu

lintas yang cerdas.

2. Bagaimana mekanisme pengambilan gambar sehingga dapat dianalisa panjang-pendeknya sebuah antrian kemacetan.

3. Bagaimana metode pengaturan atau penentuan waktu tunggu lampu, berdasarkan hasil analisa deteksi tepi canny.

1.3 Batasan Masalah

Dari perumusan masalah di atas terdapat beberapa batasan masalah, antara lain:

1. Diasumsikan gambar kepadatan antrian pada persimpangan, sudah didapat pada gambar CCTV yang kemudian akan dianalisa.

2. Hanya menentukan status lampu traffic yang menyala, tapi tidak menentukan lamanya waktu lampu hijau yang menyala.

3. Untuk jarak waktu lampu hijau yang menyala dari persimpangan satu dengan yang lainnya, diasumsikan jarak waktunya kurang lebih 1 menit. 4. Jarak antrian terhitung dari panjangnya antrian yang terjangkau dari

gambar.

5. Tidak membandingkan antara satu metode dengan metode yang lainnya. 6. Persimpangan yang digunakan adalah 4 persimpangan.

1.4 Tujuan

Tujuan kami untuk melaksanakan tugas akhir dalam pembuatan aplikasi ini antara lain :

1. Menganalisa simulasi kepadatan lalu lintas pada persimpangan untuk menentukan waktu hidup, sehingga dapat diketahui kondisi waktu hidup pada saat kepadatan dipersimpangan lalu lintas.

2. Menggunakan metode deteksi tepi canny untuk menentukan waktu hidup pada lampu lalu lintas, dengan menggunakan gambar CCTV.

1.5 Manfaat

Manfaat dari tugas akhir ini ini adalah :

1. Dapat menyesuaikan waktu siklus lampu lalu lintas secara otomatis sesuai dengan intensitas kepadatan kendaraan yang ada pada jalur-jalur jalan yang ada disekitar persimpangan jalan.

2. Mengurangi jumlah kemacetan, terutama pada jam-jam sibuk. 3. Mengurangi polusi yang diakibatkan kemacetan.

4. Efisiensi waktu tunggu lampu lalu lintas.

1.6 Metodelogi

Langkah-langkah pengumpulan data sebagai dasar penyusunan skripsi, yaitu :

1. Analisa dan Observasi Lapangan

Pada tahap ini dilakukan analisa untuk menganalisa masalah-masalah, salah satunya bagaimana jalannya proses sistem yang terjadi. Dan

observasi merupakan aktivitas melakukan pengamatan dan analisa terhadap kondisi sebenarnya di lapangan kemudian akan diberikan solusinya.

2. Studi Literatur

Mempelajari dan mengumpulkan data dan informasi yang mempelajari buku-buku acuan dan literatur referensi yang berhubungan dengan materi penulisan tugas akhir.

3. Perancangan Aplikasi

Dari hasil studi literatur dan hasil observasi lapangan akan dibuat deskripsi umum sistem selain itu juga dilakukan perancangan awal aplikasi yang akan dibuat, sehingga akan dihasilkan desain antarmuka dan proses yang siap untuk diimplementasi.

4. Pembuatan Aplikasi dan Implementasi

Rancangan aplikasi yang telah dibuat diimplementasikan dengan menggunakan program matlab.

5. Uji Coba dan Evaluasi

Melakukan uji coba dan evaluasi hasil sistem secara keseluruhan apakah terjadi kesalahan dan ketidak akuratan proses.

6. Penulisan Buku Laporan

Penulisan hasil laporan yang sudah d uji coba dan di evaluasi, sehingga dapat dibukukan laporan ini.

1.7 Sistematika Penulisan

Dalam laporan tugas akhir ini, pembahasan disajikan dalam enam bab dengan sitematika pembahasan sebagai berikut :

BAB I PENDAHULUAN

Bab ini berisikan tentang latar belakang masalah, perumusan masalah, batasan masalah, tujuan, manfaat, dan sistematika penulisan pembuatan tugas akhir ini.

BAB II DASAR TEORI

Pada bab ini menjelaskan tentang teori-teori, yakni dasar teori sistem informasi yang digunakan untuk mendukung dalam pembuatan tugas akhir ini.

BAB III ANALISA DAN PERANCANGAN SISTEM

Bab ini menjelaskan tentang tata cara metode perancangan sistem yang digunakan untuk mengolah sumber data yang dibutuhkan sistem, adalah Flowchart.

BAB IV IMPLEMENTASI SISTEM

Pada bab ini akan membahas tentang implementasi dari hasil perancangan beserta penjelasan dan penggunaan aplikasi yang telah dibuat. Meliputi implementasi proses dan implementasi antarmuka.

BAB V UJI COBA DAN EVALUASI

Bab ini berisi penjelasan tentang pelaksanaan uji coba dan evaluasi dari hasil uji coba sistem yang telah dilakukan.

BAB VI PENUTUP

Berisi kesimpulan dan saran-saran untuk pengembangan sistem aplikasi ini.

DAFTAR PUSTAKA

Pada bagian ini akan dipaparkan tentang sumber-sumber literatur yang digunakan dalam pembutan laporan tugas akhir ini.

LAMPIRAN

Pada bagian ini berisi tentang keseluruhan konfigurasi pada pembuatan sistem aplikasi ini.

BAB II

TINJAUAN PUSTAKA

2.1 Pengolahan Citra Digital

Definisi citra menurut kamus Webster adalah suatu representasi, kemiripan atau imitasi dari suatu obyek atau benda. Citra dapat dikelompokkan menjadi citra tampak dan citra tak tampak. Banyak contoh citra tampak dalam kehidupan sehari-hari: foto keluarga, gambar anak yang masih SD, lukisan Pablo Picasso, apa yang nampak dilayar monitor atau televisi, serta hologram (citra optis). Sedangkan citra tak tampak misalnya: data gambar dalam file (citra digital), dan citra yang direpresentasikan menjadi fungsi matematis. Disamping itu ada juga citra fisik tak tampak , misalnya citra distribusi panas kulit manusia serta peta densitas dalam suatu material. Untuk dapat dilihat mata manusia, citra tak tampak ini harus diubah menjadi citra tampak, misalnya dengan menampilkannya di monitor, dicetak diatas kertas dan sebagainya. Diantara jenis-jenis citra tersebut, hanya citra digital yang dapat diolah menggunakan komputer. Jenis citra lain, jika hendak diolah dengan komputer, harus diubah dulu menjadi citra digital, misalnya foto dipindai (scan) dengan scanner, persebaran panas tubuh ditangkap dengan kamera inframerah dan diubah menjadi informasi numeris, informasi densitas dan komposisi bagian dalam tubuh manusia ditangkap dengan bantuan pesawat sinar-X dan sistem deteksi radiasi menjadi informasi digital. Kegiatan untuk mengubah informasi citra fisik non digital menjadi digital disebut sebagai pencitraan (imaging). (Renaldi Munir, 2004).

Pengolahan citra (Image Processing) merupakan suatu sistem dimana proses dilakukan dengan masukan berupa citra (image) dan hasilnya juga berupa citra (image). Pada awal pengolahan citra ini dilakukan untuk memperbaiki kualitas citra, namun dengan berkembangnya dunia komputasi yang ditandai dengan semakin meningkatnya kapasitas dan kecepatan proses komputer, serta munculnya ilmu-ilmu komputasi yang memungkinkan manusia dapat mengambil informasi dari suatu citra, maka image processing tidak dapat dilepaskan dengan bidang computer vision. (Renaldi Munir, 2004).

2.1.1 Citra biner

Pada citra biner, setiap titik bernilai 0 atau 1, masing-masing merepresentasikan warna tertentu. Contoh yang paling lazim : warna hitam bernilai 0 dan warna putih bernilai 1. Setiap titik hanya membutuhkan 1 bit, sehingga setiap byte dapat menampung informasi 8 titik. Gambar 1 menunjukkan contoh representasi citra kedalam data digital.(Renaldi Munir, 2004).

= 10011101 = $9D =01101110 =$6A =01101101 =$6D =10011110 =$91

2.1.2 Citra Skala Keabuan (Gray Scale)

Citra warna keabuan memberi kemungkinan warna yang lebih banyak daripada citra biner, karena ada nilai-nilai lain diantara nilai minimum (biasanya =0) dan nilai maksimumnya. Banyaknya kemungkinan nilai dan nilai maiksimumnya bergantung pada jumlah bit yang digunakan. Contohnya untuk skala keabuan 4 bit, maka jumlah kemungkinan nilainya adalah 24 = 16, dan nilai maksimumnya adalah 24 – 1 = 15, sedangkan untuk skala keabuan 8 bit, maka jumlah kemungkinan nilainya adalah 28 = 256, dan nilai maksimumnya adalah 28 – 1 = 255. Format citra ini disebut skala keabuan karena pada umumnya warna yang dipakai adalah antara hitam sebagai warna minimal dan warna putih sebagai warna maksimalnya, sehingga warna antaranya adalah abu-abu. Namun pada prakteknya warna yang dipakai tidak terbatas pada warna abu-abu, sebagai contoh dipilih warna minimalnya adalah putih dan warna maksimalnya adalah merah, maka semakin besar nilainya semakin besar pula intensitas warna merahnya. Beberapa buku menyebutkan format citra ini sebagai citra intensitas. (Renaldi Munir, 2004).

2.1.3 Citra Warna (True Color)

Pada citra warna, setiap titik mempunyai warna yang spesifik yang merupakan kombinasi dari 3 warna dasar, yaitu : merah, hijau dan biru. Format citra ini sering disebut sebagai citra RGB (red-green-blue). Setiap warna dasar mempunyai intensitas sendiri dengan nilai maksimum 255 (8 bit), misalnya warna kuning merupakan kombinasi warna merah dan hijau sehingga nilai RGB-nya adalah 255 255 0, sedangkan warna ungu muda nilai RGB-nya adalah 150 0 150.

Dengan demikian setiap titik pada citra warna membutuhkan data 3 byte. Jumlah kombinasi warna yang mungkin untuk format citra ini adalah 224 bit atau lebih dari 16 juta warna, dengan demikian bisa dianggap mencakup semua warna yang ada inilah sebabnya format ini dinamakan true color. (Renaldi Munir, 2004).

2.2 Deteksi Tepi (Edge Detection)

Deteksi tepi (Edge Detection) pada suatu citra adalah suatu proses yang menghasilkan tepi-tepi dari obyek-obyek citra, tujuannya adalah :

1. Untuk menandai bagian yang menjadi detail citra

2. Untuk memperbaiki detail dari citra yang kabur, yang terjadi karena error atau adanya efek dari proses akuisisi citra Suatu titik (x,y) dikatakan sebagai tepi (edge) dari suatu citra bila titik tersebut mempunyai perbedaan yang tinggi dengan tetangganya. Gambar 2.2 berikut ini menggambarkan bagaimana tepi suatu gambar diperoleh.

Perhatikan hasil deteksi dari beberapa citra menggunakan model differensial di atas:

Gambar 2.3 Hasil beberapa deteksi tepi

Pada gambar 2.3, terlihat bahwa hasil deteksi tepi berupa tepi-tepi dari suatu gambar. Bila diperhatikan bahwa tepi suatu gambar terletak pada titik-titik yang memiliki perbedaan tinggi. Berdasarkan prinsip-prinsip filter pada citra maka tepi suatu gambar dapat diperoleh menggunakan High Pass Filter (HPF), yang mempunyai karakteristik:

Contoh:

Diketahui fungsi citra f(x,y) sebagai berikut:

0 0 0 0 1

0 0 0 1 0

0 0 1 0 0

0 1 0 0 0

1 0 0 0 0

Gambar 2.4 Gambar Fungsi Citra F(x,y)

Dengan menggunakan filter : H(x, y) = [-1 1] ...(2)



Maka hasil filter adalah:

1 1 1 1 1

1 1 1 1 0

1 1 1 0 0

1 1 0 0 0

1 0 0 0 0

Gambar 2.5 Gambar Hasil Filter H(x,y)

Bila digambarkan maka proses filter di atas mempunyai masukan dan keluaran sebagai berikut :

Untuk mencoba perhitungan di atas dapat dilakukan dengan cara manual atau dengan memanfaatkan program konvolusi.

Ada tiga macam tepi yang terdapat di dalam citra digital. Ketiganya adalah : a. Tepi curam

Tepi dengan perubahan intensitas yang tajam. Arah tepi 90°. b. Tepi landai

Disebut juga tepi lebar, yaitu tepi dengan sudut arah yang kecil. Tepi landai dapat dianggap terdiri dari sejumlah tepi-tepi lokal yang lokasinya berdekatan.

c. Tepi yang mengandung derau (noise)

Umumnya tepi yang terdapat pada aplikasi computer vision mengandung derau. Operasi penikatan kualitas citra (image enhancement) dapat dilakukan terlebih dahulu sebelum pendeteksian tepi. (Renaldi Munir, 2004).

2.2.1 Deteksi Tepi Canny

Menurut Renaldi Munir (2004), pada tahun 1986 John Canny (Canny,1986) mengusulkan 3 kriteria yang menjadi basis pengembangan filter untuk mengoptimalkan pendeteksian tepi pada citra yang mempunyai noise. Ketiga kriteria tersebut adalah :

a. Good localization, kriteria ini bertujuan memaksimalkan nilai Signal to Noise Ration (SNR) sehingga semua tepi dapat terdeteksi dengan baik atau tidak ada yang hilang.

b. Good localization, tepi yang terdeteksi berada pada posisi yang sebenarnya, atau dengan kata lain bahwa jarak antara posisi tepi yang terdeteksi oleh detektor dengan posisi tepi sebenarnya adalah seminimum mungkin (idealnya = 0).

c. Low multiplicity of the response atau “one response to single edge”, detektor tidak memberikan tepi yang bukan tepi sebenarnya. Berdasarkan pada kriteria ini Canny berhasil melakukan optimalisasi dari ke 3 kriteria tersebut dan menghasilkan persamaan, namun persamaan ini cukup sulit untuk diimplementasikan.

) sin( )

cos( )

sin( )

cos( )

(x a₁e wx a₂e wx a₃e wx a₄e wx

h  ax  ax  ax  ax

Sehingga pada implementasinya, Canny tetap menggunakan filter Gausiaan untuk mereduksi noise dan dilanjutkan dengan perhitungan turunan pertama dan thresholding hysteresis. Deteksi tepi Canny merupakan deteksi tepi yang optimal. Deteksi ini menggunakan Gaussian Derivative Kernel untuk menyaring kegaduhan dari citra awal untuk mendapatkan hasil deteksi tepi yang halus.

2.2.2 Pendeteksian Tepi Dengan Operator Turunan Kedua

Menurut Renaldi Munir (2004), operator turunan kedua disebut juga operator Laplace. Operator Laplace mendeteksi lokasi tepi lebih akurat khususnya pada tepi yang curam. Pada tepi yang curam, turunan keduanya mempunyai persilangan nol (zero-crossing), yaitu titik dimana terdapat pergantian tanda nilai turunan kedua, sedangkan pada tepi yang landai tidak terdapat persilangan nol. Persilangan nol merupakan lokasi tepi yang akurat.

Turunan kedua atau operator Laplace : 2 2 2 2 2 y f x f f      

 ...(3)

Dengan menggunakan definisi hamparan selisih-mundur (backward deffrerence approximation): x y x x f y x f x y x f x G         ( , ) ( , ) ( , ) ) (

3 ……….(4)

y y y x f y x f y y x f x G         ( , ) ( , ) ( , ) ) (

3 ……….(5)

Maka, 2 2 2 2 2 y f x f f      

 ……….…(6)

)) ( ( )) (

( _{3 1 3}

1 G x G G y

G   )) , ( ( )) , ( ( 1 )) , ( ( )) , ( ( 1 1 1 1

1 G f x y G f x y y

y y x x f G y x f G

x     

  } ) , ( ) , ( ) , ( ) , ( { 1 x y x x f y x f y x f y x x f x           } ) , ( ) , ( ) , ( ) , ( { 1 y y y x f y x f y x f y y x f y           2 ) ( ) , ( ) , ( 2 ) , ( x y x x f y x f y x x f         2 ) ( ) , ( ) , ( 2 ) , ( y y y x f y x f y y x f       

Atau dapat dinyatakan sebagai mask: 0 1 0

1 -4 1 0 1 0

Berdasarkan skema pada gambar 2.7 : ) , ( ) , ( 2 y x h y x

k  …….……..…..(8)

dan ) , ( * ) , ( ) ,

(x y f x y G x y

h  …….……....…(9)

Maka dapat dibuktikan bahwa

) , ( * ) , ( )] , ( * ) , ( [ 2 2 y x G y x f y x G y x

f  

 …….……..…(10)

Jadi, ) , ( * ) , ( ) ,

(x y f x y 2G x y

k   …….……..…(11)

Yang dalam hal ini,

2 2 2 2 ) ( 4 2 2 2

2 _{( , )} 2 



 x y

e y x y x G           

 ...……..…(13)

Jadi untuk mendeteksi tepi dari citra yang mengalami gangguan, kita dapat melakukan salah satu dari dua operasi ekivalen di bawah ini:

1. Konvolusi citra dengan fungsi Gauss G(x,y), kemudian lakukan operasi Laplacian terhadap hasilnya, atau

2.3 Analisa Lane Masking

Metode ini dimaksudkan untuk memisahkan bagian dari jalan di mana kendaraan bermotor yang bergerak dalam satu arah. Ini sangat penting, sehingga kita harus menspesifikkan frame mana yang akan dipilih sebagai jalan. Algoritma Masking dirumuskan sebagai berikut :

N(p) = M(p)×V(p) .……..…(14) Dimana M(p) adalah nilai titik citra pada frame aslinya, N(p) adalah nilai titik citra yang baru pada citra keluarnya (gambar 2.2), V(p) adalah mask value untuk titik p:V(p) = 0, jika corresponding pixel-nya dihilangkan,dengan kata lain V(p) = 1. Mask lane diterapkan pada tiap-tiap warna RGB secara terpisah. (Atkociunas, 2009).

(a) (b)

Gambar 2.7 Analisa Lane Masking a. Sebelum di Masking b. Setelah di Masking

2.4 Analisa Background Elimination

Algoritma ini akan menghapus semua objek yang statis dari jalur zona pengamatan dan meninggalkan kendaraan. Hal ini biasanya dipengaruhi oleh beberapa gambar dan noise background seperti ayunan pohon, rumput bergerak, bayangan cahaya, awan, hujan, salju, dan lain-lain. Perihal waktu, musim, cuaca

dan beberapa faktor lain juga harus dipertimbangkan. Background B(p) dihitung sebagai rata-rata setiap nilai untuk RGB untuk titik gambar p yang sama dalam background yang dipilih. Dapat dirumuskan sebagai berikut :

…….……(15) Dimana IB (k,p) adalah nilai pixel warna untuk titik p pada frame k. Penghilangan latar belakang dari gambar pemandangan seperti pohon, iklim I (k,p) D(k,p) = {I(k.p) – B(p)}, seperti pada gambar 2.2. diatas.

Code ini menjelaskan tentang tahap “background removal”. Pertama, akan dilakukan perulangan/looping setiap pixel. Dalam perulangan ini, akan dihitung nilai rata-rata backround. Pembagi ”3” disini dikarenakan adanya 3 pengkategorian warna, yaitu RGB (Red Green Blue). Langkah kedua adalah perulangan untuk menghitung rata-rata seluruh frame sesuai dengan jumlah/count yang terdefinisikan pada bagian ”lane masking”. Inti dari ”background removal” adalah untuk menghilangkan semua background yang ada di jalan yang sudah ditentukan dalam bagian masking, kemudian dikurangkan dengan background itu sendiri, sehingga gambar yang dihasilkan adalah sangat spesifik, yaitu hanya objek mobil yang diinginkan. Objek selain mobil tidak akan muncul. (Atkociunas, 2009).

2.5 Noise and blobs filtration

Langkah ini adalah untuk menghilangkan banyak noise yang muncul di sekitar objek. Noise seperti ini hanya dapat dihapus dengan cara filtering. Metode ini memiliki dua variasi, antara lain thresholding dan median filtering.

Analisa ini adalah tahap ”noise and blobs filtering”. Langkah pertama yang dilakukan adalah dengan melakukan “graythresh”. Setelah itu, ada 4 metode yang diambil untuk mengerjakan tahapan ini. Pada awalnya, hanya digunakan dua metode sesuai aturan yang dikerjakan, yakni metode thresholding dan median filter. Dengan dua metode ini, ternyata hasil yang diperoleh sangat tidak memuaskan, sehingga ditambahkan dua metode lagi, yakni metode erosi dan dilasi. Erosi dilakukan dengan menggunakan pixel “1”, sedangkan dilasi dilakukan dengan menggunakan pixel ”12”. Gambar yang dihasilkan adalah berupa objek yang sangat utuh dan jelas. Sehingga tidak ada kerancuan untuk penghitungan objek. Dengan kata lain, tidak akan terjadi kesalahan penghitungan objek, satu objek tidak akan terhitung menjadi dua objek, dan lain sebagainya. Dari langkah ini, sebenarnya sudah dapat diketahui berapa jumlah mobil. (Atkociunas, 2009). 

(a) (b)

Gambar 2.8 Noise dan Blob Filtering a. Blobs filtering

b. Sesudah 3 x 3 Median filtering

2.6 Teknik Lalu Lintas

Lalu lintas adalah gerak kendaraan bermotor, kendaraan tidak bermotor, pejalan kaki dan hewan di jalan yang merupakan salah satu cabang dari transportasi yang menyangkut operasi dari jalan.

2.6.1 Istilah Dasar Teknik Lalu Lintas a. Jalan

Jalan adalah prasarana transportasi darat yang meliputi segala bagian jalan, termasuk bangunan pelengkap dan perlengkapannya yang diperuntukkan bagi lalu lintas yang berada pada permukaan tanah, di atas permukaan tanah, di bawah permukaan tanah atau air, serta di atas permukaan air, kecuali jalan kereta api, jalan lori, dan jalan kabel. Untuk meningkatkan pelayanan transportasi perlu dilakukan pembangunan jalan yang memadai. Pada dasarnya pembangunan jalan adalah proses pembukaan ruangan lalu lintas yang mengatasi berbagai rintangan geografi. Proses ini melibatkan pengalihan muka bumi, pembangunan jembatan dan terowongan, bahkan juga pengalihan tumbuh-tumbuhan. Berbagai jenis mesin pembangun jalan digunakan untuk proses ini. Sebelum melakukan pembangunan jalan permukaan harus diuji untuk melihat kemampuannya menampung beban kendaraan. Apabila diperlukan tanah yang lembut dapat diganti dengan tanah yang lebih keras. Lapisan tanah ini menjadi lapisan dasar kemudian di atas lapisan dasar ini dilapisi dengan satu lapisan lagi yang disebut lapisan permukaan. (Directorate General Bina Marga, 1997).

Menurut Directorate General Bina Marga (1997), biasanya lapisan permukaan dibuat dengan aspal ataupun semen. Pengaliran/drainase air merupakan salah satu faktor yang harus diperhitungkan dalam pembangunan jalan. Air yang berkumpul di permukaan jalan setelah hujan tidak hanya membahayakan pengguna jalan, namun juga dapat mengikis dan merusakkan struktur jalan. Karena itu permukaan jalan dibuat tidak rata, namun dibuat landai

mengarah ke selokan di pinggir jalan. Dengan demikian air hujan langsung mengalir ke selokan sehingga tidak menggenangi permukaan jalan. Pada tempat-tempat yang berbahaya seperti belokan yang tajam dipasang retroflektor .Selain itu ada permukaan jalan juga diletakkan "mata kucing", yaitu sejenis benda bersinar seperti batu yang ditanamkan di permukaan jalan yang berfungsi untuk menandakan batas lintasan. Sistem jaringan jalan merupakan satu kesatuan jaringan jalan yang terdiri dari sistem jaringan jalan primer dan sistem jaringan jalan sekunder yang terjalin dalam hubungan hierarki. Sistem jaringan jalan disusun dengan mengacu pada rencana tata ruang wilayah dan dengan memperhatikan hubunganan antar kawasan perkotaan, dan kawasan perdesaan. 1. Sistem jaringan jalan primer

Sistem jaringan jalan primer disusun berdasarkan rencana tata ruang dan pelayanan distribusi barang dan jasa untuk pengembangan semua wilayah di tingkat nasional, dengan menghubungkan semua simpul jasa distribusi yang berwujud pusat-pusat kegiatan.

2. Sistem jaringan jalan sekunder

Sistem jaringan jalan sekunder disusun berdasarkan rencana tata ruang wilayah kabupaten/kota dan pelayanan distribusi barang dan jasa untuk masyarakat di dalam kawasan perkotaan yang menghubungkan secara menerus kawasan yang mempunyai fungsi primer, fungsi sekunder kesatu, fungsi sekunder kedua, fungsi sekunder ketiga, dan seterusnya sampai ke persil. Jalan merupakan salah satu komponen penting dalam transportasi. Dengan adanya jalan dapat meningkatkan kegiatan perekonomian pada suatu daerah karena dapat memperlancar akses untuk bepergian dan distribusi barang ke daerah lain. Dengan

demikian, hasil ekonomi dari suatu daerah dapat dijual ke pasaran di daerah lain. Selain itu, jalan juga mengembangkan ekonomi lalu lintas di sepanjang lintasannya. (Directorate General Bina Marga, 1997).

b. Kendaraan

Kendaraan atau angkutan adalah alat transportasi selain makhluk hidup. Kendaraan biasanya dibuat oleh manusia misalnya mobil, motor, kapal, kereta, perahu, pesawat. Kendaraan juga ada yang bukan buatan manusia misalnya batang pohon yang mengambang bisa dinaiki sebagai kendaraan atau aliran air sungai yang bisa dipakai sebagai kendaraan untuk distribusi kayu hasil hutan. Kendaraan dapat dikategorikan menjadi dua yaitu kendaraan bermotor (kendaraan yang digerakkan oleh peralatan teknik yang berada pada kendaraan itu) dan kendaraan tidak bermotor (digerakan oleh manusia atau ditarik oleh hewan, seperti gerobak, andong, becak, sepeda).

Defnisi Kendaraan berdasarkan PP Nomor 44 Tahun 1993 :

1. Kendaraan Bermotor adalah kendaraan yang digerakkan oleh peralatan teknik yang berada pada kendaraan itu.

2. Sepeda Motor adalah kendaraan bermotor beroda dua, atau tiga tanpa rumah-rumah baik dengan atau tanpa kereta samping.

3. Mobil Penumpang adalah setiap kendaraan bermotor yang dilengkapi sebanyak-banyaknya 8 (delapan) tempat duduk tidak termasuk tempat duduk pengemudi, baik dengan maupun tanpa perlengkapan pengangkutan bagasi.

4. Mobil Bus adalah setiap kendaraan bermotor yang dilengkapi lebih dari 8 (delapan) tempat duduk tidak termasuk tempat duduk pengemudi, baik dengan maupun tanpa perlengkapan pengangkutan bagasi.

5. Mobil Barang adalah setiap kendaraan bermotor selain dari yang termasuk dalam sepeda motor, mobil penumpang dan mobil bus.

6. Kendaraan Khusus adalah kendaraan bermotor selain daripada kendaraan bermotor untuk penumpang dan kendaraan bermotor untuk barang, yang penggunaannya untuk keperluan khusus atau mengangkut barang-barang khusus.

Jenis dan pengaruh suatu kendaraan yang melintasi suatu ruas jalan dan persimpangan berbeda satu sama lainnya menurut katagorinya. Nilai ekivalen setiap kendaraan dipengaruhi oleh beberapa faktor antara lain jenis kendaraan, lokasi jalan, keadaan topografi, serta kelandaian jalan. Untuk menghilangkan klasifikasi kendaraan pada perhitungan arus lalu lintas dapat dilakukan dengan menyatakan arus lalu lintas kedalam satuan mobil penumpang (SMP) dalam satu satuan waktu. (Directorate General Bina Marga, 1997).

c. Persimpangan

Menurut Directorate General Bina Marga (1997), persimpangan adalah simpul dalam jaringan transportasi dimana dua atau lebih ruas jalan saling bertemu atau berpotongan. Persimpangan merupakan bagian yang terpenting dari jalan raya sebab sebagian besar dari efisiensi, kapasitas lalu lintas, kecepatan, biaya operasi, waktu perjalanan, keamanan dan kenyamanan akan tergantung pada perencanaan persimpangan tersebut. Pada persimpangan arus lalu lintas

mengalami konflik dan untuk mengendalikan konflik ini ditetapkan aturan lalu lintas untuk menetapkan siapa yang mempunyai hak terlebih dahulu untuk menggunakan pesimpangan. Konflik pada persimpangan dikelompokkan menjadi 4 macam yaitu :

1. Berpotongan atau disebut juga crossing, dimana dua arus berpotongan langsung.

2. Bergabung atau disebut juga merging, dimana dua arus bergabung. 3. Berpisah atau disebut juga sebagai diverging, dimana dua arus berpisah. 4. Bersilangan atau disebut juga weaving, dimana dua arus saling

bersilangan, terjadi pada bundaran lalu lintas.

Bentuk pengendalian tergantung kepada besarnya arus lalu lintas, semakin besar arus semakin besar konflik yang terjadi semakin kompleks pengendaliannya atau dijalan bebas hambatan memerlukan penanganan khusus. Bila arus masih rendah dan kecepatan lalu lintas rendah dapat diterapkan persimpangan sederhana, dimana kendaraan yang datang dari kiri mendapat prioritas lebih dulu. Persimpangan seperti ini banyak ditemukan di jalan lingkungan kawasan pemukiman. Apabila suatu persimpangan arus dijalan utama (mayor) bersimpangan dengan dengan jalan kecil (minor) maka kendaraan yang berada di jalan utama mendapat hak terlebih dahulu, untuk menegaskan hal tersebut digunakan rambu lalu lintas 'beri kesempatan' berupa segitiga terbalik yang ditempatkan dijalan minor, untuk lebih mempertegas digunakan rambu 'stop' dimana pengemudi dijalan minor wajib berhenti dan masih dilengkapi marka jalan sebagai pelengkap rambu Beri Kesempatan dan Rambu Stop. Persimpangan Tidak Sebidang merupakan teknik pengendalian pada persimpangan dengan arus yang

tinggi atau pada jalan bebas hambatan atau jalan tol. Salah satu persimpangan tidak sebidang pertama di Indonesia adalah Jembatan Semanggi di Jakarta. Bentuk persimpangan tidak sebidang dapat berbentuk : Jembatan layang yang disebut juga Flyover. Terowongan yang disebut juga Underpass. Interchange merupakan persilangan yang bisa berpindah dari ruas yang satu ke ruas yang lain, salah satu bentuk yang populer adalah jembatan semanggi atau dengan bentuk diamont. Apabila lahan mencukupi maka dibuat bundaran ditengah persimpangan untuk mengendalikan persimpangan. Persimpangan ini mempunyai kapasitas kurang lebih sama dengan lalu lintas. Aturan yang berlaku pada bundaran lalu lintas adalah kendaraan yang berada di bundaran mendapat prioritas terlebih dahulu.

d. Rambu Lalu Lintas

Menurut Directorate General Bina Marga (1997), rambu lalu lintas adalah salah satu alat perlengkapan jalan dalam bentuk tertentu yang memuat lambang, huruf, angka, kalimat atau perpaduan di antaranya, yang digunakan untuk memberikan peringatan, larangan, perintah dan petunjuk bagi pemakai jalan. Agar rambu dapat terlihat baik siang ataupun malam atau pada waktu hujan maka bahan harus terbuat dari material yang reflektif (memantulkan cahaya). Berdasarkan jenis pesan yang disampaikan, rambu lalu lintas dapat dikelompokkan menjadi rambu peringatan, rambu petunjuk, serta rambu larangan dan perintah. Rambu peringatan merupakan rambu yang memperingatkan adanya bahaya agar para pengemudi berhati-hati dalam menjalankan kendaraannya. Sebagai contoh rambu yang menunjukkan adanya lintasan kereta api, atau adanya persimpangan berbahaya bagi para pengemudi.

Rambu petunjuk rambu yang memberikan petunjuk atau keterangan kepada pengemudi atau pemakai jalan lainnya, tentang arah yang harus ditempuh atau letak kota yang akan dituju lengkap dengan nama dan arah letak itu berada. Rambu larangan dan perintah adalah rambu yang digunakan untuk memberi larangan atau perintah tertentu untuk memakai jalan, jurusan atau tempat-tempat tertentu misalnya: Rambu dilarang berhenti. Rambu dilarang membunyikan klakson. Rambu dilarang mendahulaui. Rambu dilarang parkir. Kendaraan harus lewat jalur tertentu. Semua kendaraan dilarang lewat. Berdasarkan cara pemasangan dan sifat pesan yang disampaikan maka secara garis besar sistem rambu dapat dikelompokkan menjadi rambu tetap dan Rambu tidak tetap. Rambu tetap adalah semua jenis rambu yang ditetapkan menurut Surat Keputusan Menteri Perhubungan yang dipasang secara tetap, sedangkan rambu tidak tetap adalah rambu yang dipasang dan berlaku hanya beberapa waktu, dapat ditempatkan sewaktu-waktu dan dapat dipindah-pindahkan.

e. Lampu Lalu Lintas

Lampu lalu lintas adalah suatu peranti pemberi sinyal yang ditempatkan di persimpangan jalan, penyeberangan jalan, atau lokasi-lokasi lain untuk menunjukkan keadaan aman untuk mengendarai atau berjalan sesuai dengan kode warna universal (dan suatu urutan yang persis bagi orang-orang yang menderita buta warna). Lampu lalu lintas disebut juga sebagai Alat Pemberi Isyarat Lalu Lintas /APILL. Sistem pengaturan lampu lalu lintas pertama kali diperkenalkan di Inggris, yaitu di daerah Westminster pada tahun 1868. Adapun pada saat itu digunakan semacam gas sebagai alat pengendalinya namun penggunaan gas tidak

berlangsung lama karena gas tersebut mudah meledak. Pada tahun 1918 di New York mulai diperkenalkan penggunaan sinyal sebagai pengendali untuk mengontrol lampu lalu lintas dengan penggunaan lampu 3 warna. Isyarat lampu yang digunakan ditetapkan berdasarkan ketentuan Internasional Vienna Convention on Road Signs and Signals tahun 1968 dimana isyarat lampu merah berarti berhenti, isyarat lampu kuning berarti bersiap untuk berhenti atau jalan, sedang isyarat lampu hijau berarti berjalan.

Urutan lampu menyala adalah sebagai berikut : Lampu merah menyala, kendaraan berhenti. Lampu merah dan kuning menyala, kendaraan bersiap untuk berjalan. Lampu hijau, kendaran berjalan. Lampu kuning, kendaraan berhenti kecuali terlalu dekat dengan garis henti atau kalau berhenti dapat mengakibatkan celaka kendaraan masih bisa berjalan. Sementara itu penggunaan sinyal secara manual yang menggunakan tenaga manusia sebagai operatornya, mulai digunakan di Piccodity pada tahun 1925. Pada tahun 1926 diWolverhamton, Inggris digunakan sistem pengaturan lampu lalu lintas otomatis untuk pertama kalinya. (Directorate General Bina Marga, 1997).

2.7 CCTV (Close Circuit Television)

Menurut Atkociunas (2009), CCTV adalah sebuah kamera pengintai yang digunakan untuk menyelidiki atau mengawasi suatu tempat yang dianggap rawan dari bahaya. Kegunaan CCTV diantaranya adalah masalah keamanan sistem informasi yang dihadapi. Beberapa masalah keamanan sistem informasi yang biasa dijumpai pada perusahaan-perusahaan besar adalah :

1. Penggunaan perangkat lunak yang bervariasi dan berasal dari banyak vendor.

Sering tidak dapat dielakkan penggunaan sejumlah perangkat lunak dari beberapa vendor untuk membangun suatu sistem. Tetapi, di sisi lain, penggunaan perangkat lunak tersebut akan lebih membutuhkan waktu dan tenaga yang lebih besar dalam hal memonitor isu-isu keamanan, ketimbang sistem yang dibangun oleh perangkat lunak yang relatif homogen. Seringkali hal ini diperparah dengan tidak adanya suatu standar dan prosedur dalam pemilihan suatu sistem.

2. Identitas pengguna.

Salah satu tujuan dari sistem keamanan adalah memastikan hanya orang yang berhak saja yang dapat akses ke suatu sistem. Untuk suatu perusahaan yang terdiri atas ratusan bahkan ribuan karyawan, serta memiliki beberapa sistem, maka tugas ini bukan tugas yang mudah. Tantangan pertama adalah memetakan otoritas karyawan terhadap sumber-sumber (resources) sistem informasi seperti server, file, database, aplikasi dan sebagainya. Katakan saja ada 1000 karyawan yang akan mengakses 10 aplikasi/files/database, maka akan ada 10.000 relasi yang harus dipetakan antara karyawan dan sumber sistem informasi tersebut.

3. Deteksi dan proteksi secara cepat.

Mendeteksi gangguan keamanan untuk jaringan yang terdiri atas puluhan server, puluhan peralatan jaringan, dan ratusan bahkan ribuan PC merupakan tugas yang tidak dapat dianggap enteng. Selain perlu waktu dan sumber daya manusia, keahlian khusus dalam hal keamanan sistem informasi sangat diperlukan untuk mengidentifikasi dan menginterpretasi informasi gangguan secara akurat,

serta untuk menetapkan langkah-langkah penanggulangannya secara cepat dan tepat.

4. Security Patch.

Dengan rasio antara jumlah tenaga administrator/teknisi keamanan sistem informasi dengan jumlah pengguna komputer sebesar 1:500 seperti kasus di atas, akan mudah ditebak bahwa pengamanan sistem informasi menjadi tidak efektif. Sebagai gambaran, waktu yang dibutuhkan seorang teknisi untuk melakukan security patching (instalasi program perbaikan yang berkaitan dengan keamanan suatu sistem) terhadap 500 pengguna komputer adalah lebih dari 30 hari kerja (dengan perhitungan 1 hari terdiri atas 8 jam kerja). (Atkociunas, 2009)

2.6.2 Intrusion Prevention System (IPS)

Secara singkat, IPS dapat dijelaskan sebagai perangkat yang memadukan antara fungsi Firewall (analoginya adalah satpam) dan sistem deteksi intrusi atau IDS (analoginya adalah kamera pemindai/CCTV). Beberapa vendor juga mengintegrasikan fitur anti virus atau anti worm ke dalam IPS-nya. Teknologi ini menjadi hangat belakangan ini, karena menjanjikan fungsi deteksi dan proteksi yang dapat dilakukan secara bersamaan dan otomatis. Sehingga suatu intrusi dapat dicegah di awal, sebelum menyebabkan kerusakan sistem. Beberapa vendor terkenal seperti Cisco, Symantec, Check Point, ISS, Netscreen (sekarang diambil alih oleh Juniper) juga telah menawarkan teknologi ini. Patch Management System

Mengurangi waktu dari puluhan hari menjadi beberapa jam saja dalam melakukan instalasi patch merupakan ROI yang sangat menjanjikan. Sehingga tidak heran

beberapa vendor mulai menawarkan teknolgi patch management system seperti Security ConfigureSoft , St. Bernard Software, PatchLink dan Citadel.

Manajemen Identitas adalah suatu sistem tersentral yang dibuat untuk memudahkan administrator untuk men-diseminasi identitas, password dan otoritas seorang karyawan ke beberapa sistem secara sekaligus. Dengan teknologi ini jelas akan memudahkan bagian personel/HR atau bagian lain dalam pemberian akses, modifikasi akses maupun penghapusan akses kepada karyawan secara langsung, tanpa atau sedikit melibatkan administrator TI dalam pengoperasiannya. Beberapa produk Identity Management juga mempunyai fungsi deteksi apabila seorang karyawan memiliki otoritas melebihi yang telah ditetapkan, seperti misalnya karyawan tersebut bersekongkol dengan administrator TI untuk mengubah otoritasnya secara manual.

Selain itu, fungsi pelaporan secara otomatis ataupun manual pada teknologi ini akan memudahkan setiap kepala bagian/manajer untuk mengevaluasi tingkat otoritas/akses seorang karyawan terhadap sistem yang dimilikinya atau dalam tanggung jawabnya. Penggunaan CCTV IP Camera, menggantikan CCTV konvensional. Tidak saja berfungsi untuk pengamanan perusahaan namun fitur-fitur yang dimiliki jauh lebih canggih dibandingkan

CCTV konvensional. Bahkan CCTV IP Camera dilengkapi audio video sehingga bisa dimanfaatkan

untuk video conference tanpa harus dalam satu ruangan. Antara pejabat kantor pusat dan di kantor cabang bisa melakukan konferensi dengan menggunakan CCTV IP Camera. Melihat kecanggihan yang dimiliki CCTV IP Camera, tambah HANS, potensi pasar sangat tinggi.

Banyak perusahaan yang memiliki kantor cabang memanfaatkan kecanggihan teknologi yang ada di CCTV IP Camera. Saat ini, di dalam kehidupan kita-sehari-hari barangkali rasa aman adalah faktor yang paling sering menjadi perbincangan. Hal ini dapat dimaklumi mengingat secara nyata faktor keamanan menjadi barang yang semakin mahal. Banyak cara diupayakan oleh setiap orang untuk mendapatkan rasa aman, baik bagi diri sendiri, keluarga ataupun bagi lingkungannya ( tempat tingal dan tempat kerja ) mulai dari meningkatkan sistem keamanan lingkungan secara bersama-sama, melengkapi lingkungan tempat tinggal dengan seperangkat peralatan sistem keamanan yang didalamnya mungkin sudah meliputi sistem alarm, penggunaan kamera CCTV (Closed Circuit Television), menambah tenaga satuan pengaman, dan lain sebagainya. (Atkociunas, 2009).

BAB III

ANALISA DAN PERANCANGAN SISTEM

Bab ini akan menjelaskan mengenai proses desain dari sistem perangkat lunak yang akan dibuat. Proses sistem dalam bab ini akan dibagi menjadi 5 tahapan, yaitu deskripsi umum sistem, perancangan proses, perancangan antarmuka, rancangan kebutuhan system dan sistem perangkat lunak.

3.1 Analisa Sistem

Dalam tugas akhir ini gambar yang diproses adalah gambar yang memenuhi persyaratan yang telah ditentukan. Adapun inputan gambar yang digunakan bertipe JPEG. Inputan gambar tersebut adalah gambar yang memiliki warna (RGB). Objek gambar yang akan dideteksi dilakukan dengan cara user menginputkan gambar. Dalam pendeteksian objek kendaraan dalam rangka zona pengamatan. Hal ini dapat dilakukan dengan algoritma deteksi tepi (edge detection). Hal ini untuk memeriksa apakah tepi objek melewati suatu piksel. Untuk mendeteksi tepi metode yang digunakan adalah metode deteksi tepi canny. Gambar yang sudah terdeteksi tepinya dilakukan perhitungan obyek berdasarkan konektivitasnya terhadap piksel sekitarnya dengan menggunakan object counting. Dan selanjutnya di analisa untuk menentukan lampu lalu lintas yang hijau pertama.

Gambar 3.1 Flowchart Deskripsi Secara Umum

3.2 Perancangan Proses

Perancangan sistem digunakan untuk menggambarkan sejumlah proses terstruktur dalam sistem, berorientasikan pada aliran proses yang terjadi. Dalam perancangan sistem ini menggunakan Flowchart untuk mendeskripsikan sistem.

3.2.1Metode yang Digunakan

Dalam pembuatan simulasi analisa ini, metode yang digunakan mengacu pada referensi sekaligus dikombinasikan dengan ilmu yang sudah diperoleh pada mata kuliah pengolahan citra digital.

Start

End

Hasil Perhitungan Kendaran Lane masking N(p) = M(p)×V(p)

Background elimination

Imadjust

Deteksi Tepi Pengambilan

Gambar

Gambar 3.2 Flowchart Metode Yang Digunakan

Metode-metode yang digunakan tersebut meliputi: a. Lanes Masking

Metode lane masking ini digunakan untuk memisahkan bagian dari jalan di mana kendaraan bermotor yang bergerak dalam satu arah. Sebelumnya dibuat masking kemudian disiapkan gambar jalan beserta kendaraan, untuk dilakukan lane masking pada

gambar yang sudah ada. Sehingga gambar yang didapat hanya gambar kendaraannya saja.

     

(a) (b)

Gambar 3.3 Aplikasi Lanes Masking Dengan Kendaraan a. Masking

b. Kendaraan

Kemudian hasil dari lane masking kedua gambar tersebut, dengan hasil yang didapat adalah gambar kendaraan.

Selanjutnya dilakukan lagi dengan gambar jalan yang tidak ada kendaraannya. Untuk mendapatkan masking hasil gambar jalan.

(a) (b)

Gambar 3.5 Aplikasi Lanes Masking Tanpa Kendaraan a. Masking

b. Tanpa Kendaraan

Berikut adalah hasil gambar jalan yang sudah dimasking. Hasil gambar jalan yang didapat

untuk mengurangi dari hasil gambar kendaraan yang ada.  

           

Gambar 3.6 Setelah Di Lane Masking Gambar Jalan

 

b. Background Elimination

Algoritma ini akan menghapus semua objek yang statis dari jalur zona pengamatan dan meninggalkan kendaraan. Hal ini biasanya dipengaruhi oleh beberapa gambar dan noise background seperti ayunan pohon, rumput bergerak, bayangan cahaya, awan, hujan, salju, dan lain-lain. Perihal waktu, musim, cuaca dan beberapa faktor lain juga harus dipertimbangkan. Dimana dari kedua hasil gambar diatas di eliminasi dan dilakukan grayscale pada setiap hasil masking pada gambar. Sehingga didapat gambar berikut, tetapi hasil yang didapat kurang jelas.

Gambar 3.7 Gambar Background Elimination Kendaraan

c. Imadjust

Langkah ini adalah salah satu fungsi untuk mempertajam gambar yang kurang jelas. Sehingga gambar yang sebelumnya kurang jelas bisa dipertajam lagi dengan imadjust. Berikut adalah hasil gambar yang sudah di imadjust.

Gambar 3.8 Gambar yang sudah diperjelas

d. Deteksi Tepi Canny

Dari hasil gambar sebelumnya dilakukan deteksi tepi canny. Hal ini untuk memeriksa apakah tepi objek melewati suatu piksel.

3.2.2 Analisa Lampu Lalu Lintas

Pada tahap selanjutnya, dengan melihat gambar obyek pada frame dapat dilihat jumlah terbanyak obyek serta pada saat masking gambar. Dimana gambar yang terdeteksi dengan jumlah kendaraan paling banyak, maka akan mendapatkan lampu lalu lintas warna hijau terlebih dahulu.

Gambar 3.10 Flowchart Analisa Lampu

Dimana dari hasil jumlah kendaraan dilakukan perbandingan antara persimpangan dengan jumlah kendaraannya, jika jumlah kendaraan yang paling besar maka persimpangan tersebut akan menyala lampu hijau terlebih dahulu. Dan dilakukan

perbandingan lagi untuk mendapatkan hasil selanjutnya sampai nilai jumlah paling terkecil yang ada.

Gambar 3.11 Analisa Persimpangan Lampu Lalu Lintas

Pada gambar diatas, untuk persimpangan ke-1 mempunyai banyaknya kendaraan yang dapat di analisa dengan jumlah 5 mobil, persimpangan ke-2 banyaknya kendaraan dengan jumlah 3 mobil, persimpangan ke-3 banyaknya kendaraan dengan jumlah 2 mobil dan pada persimpangan ke-4 banyaknya kendaraan dengan jumlah 1 mobil. Setelah sudah mendapatkan jumlah kendaraan dari setiap persimpangan,maka dari semua jumlah kendaraan dari tiap-tiap persimpangan dilakukan perbandingan sehingga akan mendapatkan urutan dari yang terbesar sampai terkecil jumlah kendaraan.

Maka lampu hijau akan menyala dahulu pada persimpangan ke-1, selanjutnya pada persimpangan ke-2, berikutnya persimpangan ke-3 dan pada persimpangan ke-4 lampu hijau menyala yang terakhir.

3.3 Perancangan Antarmuka

Perancangan aplikasi antarmuka merupakan perancangan halaman aplikasi yang nantinya akan berinteraksi secara langsung dengan pengguna. Adapun perancangan yang akan dibuat sebagai berikut:

Gambar 3.12 Perancangan Aplikasi Antarmuka

Aplikasi antarmuka ini memudahkan kita untuk melakukan Pendeteksian lampu hijau pada lalu lintas yang menyala dahulu. Dan pada aplikasi ini juga akan memudahkan

kita untuk membandingkan image digital pada persimpangan mana yang seharusnya menyala dahulu lampu hijau pada lampu lalu lintas.

Berikut keterangan gambar yang ada diatas :

1. Gambar Persimpangan, berikut adalah image digital kendaraan persimpangan ke-1, ke-2, ke-3 dan ke-4 yang akan ditampilkan untuk dibandingkan mana kendaraan yang ada pada persimpangan-persimpangan berikut yang kondisi kendaraan yang penuh sampai yang sepi.

2. Load, tombol untuk pencarian image digital kendaraan pada penyimpanan di file atau folder yang ada.

3. Proceed, tombol untuk memproses secara otomatis gambar yang akan dideteksi tepi canny.

4. Gambar Hasil Deteksi Tepi Canny, hasil image digital kendaraan yang sudah dideteksi tepi canny.

5. Jumlah Mobil, disini akan secara otomatis menjumlah kendaraan yang ada pada persimpangan.

6. Lampu, disini juga akan secara otomatis lampu yang menyala hijau dahulu pada persimpangan yang mana.

7. Next, tombol ini akan melakukan proses selanjutnya untuk lampu hijau mana yang akan menyala berikutnya.

8. Refresh, tombol ini untuk mengembalikan aplikasi ke proses semula. 9. Exit, tombol untuk keluar dari aplikasi.

BAB IV

IMPLEMENTASI PROGRAM

Guna untuk mempermudah simulasi pada analisa lampu lalu lintas, maka solusi pemecahan masalah adalah dengan menggunakan sistem komputer yang mana semua proses dapat dilakukan secara cepat dan data sudah terintegrasi sehingga kita akan lebih mudah dalam melakukan tes.

4.1 Spesifikasi Sistem

Sistem untuk memproses analisa lampu lalu lintas ini dilakukan dengan sistem yang sederhana tanpa ada penambahan sistem tertentu.

4.1.1 Perangkat Sistem

Peralatan yang digunakan untuk semua proses yang ada termasuk pembuatan laporan adalah menggunakan perangkat keras dan perangkat lunak. Didalam pembuatan aplikasi ini dibutuhkan beberapa kebutuhan penunjang sistem, diantaranya adalah : 4.1.1.1. Perangkat keras yang digunakan :

a. Seperangkat komputer Pentium 4 GHz, b. Memori komputer 512 MB atau lebih tinggi, c. Hard Disk 80 GB atau lebih besar,

d. Monitor dengan resolusi minimal minimal 800 x 600 256 colors, rekomendasi 1024 x 768 High Color - 16-bit,

4.1.1.2. Perangkat Lunak yang digunakan : 1. Microsoft Windows XP Service Pack 2,

2. Bahas pemrograman yang digunakan untuk aplikasi ini adalah Matlab 7.0.4. 3. Microsoft Visio 2003 untuk perancangan sistem.

4.2. Implementasi

Pada halaman ini, dimana image digital belum dimasukkan. Serta belum dilakukan proses apapun.

Berikut akan dimasukkan image digital dengan mengeklik load, sehingga akan melakukan pencarian pada file atau folder. Dimana akan dipilih image digital persimpangan yang akan di pilih.

Gambar 4.2 Simulasi Aplikasi Traffic dengan mengisi Image Digital

Setelah memasukkan image digital, maka proses selanjutnya dilakukan pencarian maks line pada persimpangan yang kemudian diklik start untuk memulai analisa lampu pada persimpangan mana yang akan menyala lampu hijaunya dahulu. Dengan melihat status kondisi jalan pada keempat persimpangan.

Gambar 4.3 Simulasi Aplikasi Traffic menganalisa lampu Hijau

Proses selanjutnya dengan menekan tombol next, untuk melihat analisa lampu hijau yang akan menyala pada persimpangan. Dimana akan berurutan persimpangan mana yang mempunyai antrian kendaraan yang paling panjang sampai antrian yang paling sedikit berdasarkan jumlah kendaraan dan panjangnya antrian.

BAB V

UJI COBA EVALUASI

5.1 Uji Coba Sistem

Uji coba telah dilakukan pada empat persimpangan gambar dengan sepuluh kali percobaan, setiap gambar yang dideteksi memiliki hasil yang berbeda tergantung pada panjangnya antrian dan celah pada antrian kendaraan. Dalam uji coba ini, setiap persimpangan akan memilih image digital kendaraan pada persimpangan yang akan di pilih. Selanjutnya dideteksi tepi canny untuk mendapatkan hasil deteksi tepinya.

5.1.1 Uji Coba Pertama

Dengan pengambilan gambar persimpangan berikut ini, maka akan diketahui jumlah kendaraan pada persimpangan pertama 5 kendaraan, persimpangan kedua 3 kendaraan, persimpangan ketiga 2 kendaraan dan persimpangan keempat 3 kendaraan. Dapat dilihat pada persimpangan kedua dan persimpangan keempat mempunyai jumlah kendaraan yang sama.

Gambar 5.1 Uji Coba Pertama Simulasi Persimpangan Traffic

Berikut adalah tabel perbandingan untuk menentukan analisa pada persimpangan mana lampu hijau akan menyala terlebih dahulu. Dalam percobaan ini dilakukan pada persimpangan dengan berbeda jumlah kendaraan dan berbeda juga letak antriannya.

Tabel 5.1 Hasil Uji Coba Pertama

Next Persimpangan Pertama

Persimpangan Kedua

Persimpangan Ketiga

Persimpangan Keempat

Pertama Merah Hijau Merah Merah

Kedua Merah Merah Merah Hijau

Ketiga Hijau Merah Merah Merah

Dimana lampu hijau yang menyala duluan adalah persimpangan kedua dengan jumlah tujuh kendaraan dan berikutnya adalah persimpangan keempat dengan jumlah lima kendaraan. Dan untuk yang menyala lampu hijau berikutnya adalah persimpangan pertama dengan jumlah empat kendaraan berikutnya persimpangan ketiga dengan jumlah tiga kendaraan.

5.1.2 Uji Coba Kedua

Dalam uji coba kedua ini, ada 2 persimpangan dengan jumlah kendaraan yang sama tetapi dalam antrian yang berbeda. Dengan jumlah kendaraan pada persimpangan pertama 5 kendaraan, persimpangan kedua 3 kendaraan, persimpangan ketiga 2 kendaraan dan persimpangan keempat 3 kendaraan. Dapat dilihat pada persimpangan kedua dan persimpangan keempat mempunyai jumlah kendaraan yang sama.

Dimana lampu hijau yang menyala duluan adalah persimpangan kedua dengan jumlah tujuh kendaraan dan berikutnya adalah persimpangan keempat dengan jumlah lima kendaraan. Dan untuk yang menyala lampu hijau berikutnya adalah persimpangan pertama dengan jumlah empat kendaraan berikutnya persimpangan ketiga dengan jumlah tiga kendaraan. Berikut adalah tabel perbandingan untuk menentukan analisa pada persimpangan mana lampu hijau akan menyala terlebih dahulu.

Tabel 5.2 Hasil Uji Coba Kedua

Next Persimpangan Pertama

Persimpangan Kedua

Persimpangan Ketiga

Persimpangan Keempat

Pertama Hijau Merah Merah Merah

Kedua Merah Merah Merah Hijau

Ketiga Merah Hijau Merah Merah

Keempat Merah Merah Hijau Merah

Dilihat dari hasil ini pada persimpangan pertama yang menyala terlebih dahulu, karena jumlah kendaraannya paling banyak. Dan persimpangan kempat yang menyala berikutnya karena dilihat dari antrian kendaraan. Pada persimpangan keempat antrian kendaraan berada didepan semua dengan jumlah 3 kendaraan. Jika dibandingkan dengan antrian persimpangan kedua, dimana posisi kendaraan masih ada jarak diantara kendaraannya. Kemudian lampu hijau yang menyala adalah persimpangan kedua, karena dilihat dari jumlah kendaraan yaitu 3 kendaraan. Dan yang terakhir dengan jumlah 2 kendaraan yang berada pada persimpangan kedua.

5.1.3 Uji Coba Ketiga

Dalam uji coba ketiga ini, ada 2 persimpangan dengan jumlah kendaraan yang sama dan dalam antrian yang sama. Dimana pada persimpangan pertama mempunyai jumlah 5 kendaraan, persimpangan kedua ada 2 kendaraan, pesimpangan ketiga ada 6 kendaraan dan pada persimpangan keempat ada 5 kendaraan. Dapat dilihat kalau pada persimpangan pertama dan persimpangan keempat pempunyai posisi antrian yang sama.

Berikut adalah tabel perbandingan untuk menentukan analisa pada persimpangan mana lampu hijau akan menyala terlebih dahulu.

Tabel 5.3 Hasil Uji Coba Ketiga

Next Persimpangan Pertama

Persimpangan Kedua

Persimpangan Ketiga

Persimpangan Keempat

Pertama Merah Merah Hijau Merah

Kedua Merah Merah Merah Hijau

Ketiga Hijau Merah Merah Merah

Keempat Merah Hijau Merah Merah

Yang menyala lampu hijau pertama dipersimpangan ketiga dengan jumlah 6 kendaraan, kemudian persimpangan keempat dengan jumlah 5 kendaraan yang sama dengan persimpangan pertama. Sehingga yang menyala lampu hijau berikutnya adalah persimpangan pertama. Dan yang terakhir adalah persimpangan kedua dengan jumlah 2 kendaraan, berikut gambar tabel untuk persimpangan pertama dan kedua yang dapat dilihat nyala lampu hijaunya.

5.1.4 Uji Coba ke-4

Dengan jumlah kendaraan pada persimpangan pertama 5 kendaraan, persimpangan kedua 3 kendaraan, persimpangan ketiga 7 kendaraan dan persimpangan keempat 4 kendaraan. Dapat dilihat pada persimpangan ketiga mempunyai jumlah kendaraan jumlah kendaran paling banyak.

Gambar 5.4 Uji Coba Keempat Simulasi Persimpangan Traffic

Berikut adalah tabel perbandingan untuk menentukan analisa pada persimpangan mana lampu hijau akan menyala terlebih dahulu.

Tabel 5.4 Hasil Uji Coba Keempat

Next Persimpangan Pertama

Persimpangan Kedua

Persimpangan Ketiga

Persimpangan Keempat

Pertama Merah Merah Hijau Merah

Kedua Hijau Merah Merah Merah

Ketiga Merah Merah Merah Hijau

Dimana lampu hijau yang menyala duluan adalah persimpangan ketiga dengan jumlah tujuh kendaraan dan berikutnya adalah persimpangan pertama dengan jumlah lima kendaraan. Dan untuk yang menyala lampu hijau berikutnya adalah persimpangan keempat dengan jumlah empat kendaraan berikutnya persimpangan kedua dengan jumlah tiga kendaraan.

5.1.5 Uji Coba ke-5

Dengan jumlah kendaraan pada persimpangan pertama 5 kendaraan, persimpangan kedua 2 kendaraan, persimpangan ketiga 3 kendaraan dan persimpangan keempat 7 kendaraan. Dapat dilihat pada persimpangan ketiga mempunyai jumlah kendaraan jumlah kendaran terbanyak.

Berikut adalah tabel perbandingan untuk menentukan analisa pada persimpangan mana lampu hijau akan menyala terlebih dahulu.

Tabel 5.5 Hasil Uji Coba Kelima

Next Persimpangan Pertama

Persimpangan Kedua

Persimpangan Ketiga

Persimpangan Keempat

Pertama Merah Merah Merah Hijau

Kedua Hijau Merah Merah Merah

Ketiga Merah Merah Hijau Merah

Keempat Merah Hijau Merah Merah

Dimana lampu hijau yang menyala duluan adalah persimpangan keempat dengan jumlah tujuh kendaraan dan berikutnya adalah persimpangan pertama dengan jumlah lima kendaraan. Dan untuk yang menyala lampu hijau berikutnya adalah persimpangan ketiga dengan jumlah tiga kendaraan berikutnya persimpangan kedua dengan jumlah dua kendaraan.

5.1.6 Uji Coba ke-6

Dengan jumlah kendaraan pada persimpangan pertama 7 kendaraan, persimpangan kedua 5 kendaraan, persimpangan ketiga tidak ada kendaraan dan

persimpangan keempat 4 kendaraan. Dapat dilihat pada persimpangan pertama mempunyai jumlah kendaraan jumlah kendaran terbanyak.

Gambar 5.6 Uji Coba Keenam Simulasi Persimpangan Traffic

Berikut adalah tabel perbandingan untuk menentukan analisa pada persimpangan mana lampu hijau akan menyala terlebih dahulu.

Tabel 5.6 Hasil Uji Coba Keenam

Next Persimpangan Pertama

Persimpangan Kedua

Persimpangan Ketiga

Persimpangan Keempat

Pertama Hijau Merah Merah Merah

Kedua Merah Hijau Merah Merah

Ketiga Merah Merah Merah Hijau

Dimana lampu hijau yang menyala duluan adalah persimpangan pertama dengan jumlah tujuh kendaraan dan berikutnya adalah persimpangan kedua dengan jumlah lima kendaraan. Dan untuk yang menyala lampu hijau berikutnya adalah persimpangan keempat dengan jumlah empat kendaraan berikutnya persimpangan ketiga dengan tidak ada kendaraan sama sekali.

5.1.7 Uji Coba ke-7

Dengan jumlah kendaraan pada persimpangan pertama 3 kendaraan, persimpangan kedua 2 kendaraan, persimpangan ketiga 1 kendaraan dengan posisi kendaraan berada dipertengahan jalan dan persimpangan keempat 1 kendaraan dengan posisi kendaraan berada didepan lampu lalu lintas. Dapat dilihat pada persimpangan pertama mempunyai jumlah kendaraan jumlah kendaran terbanyak.

Berikut adalah tabel perbandingan untuk menentukan analisa pada persimpangan mana lampu hijau akan menyala terlebih dahulu.

Tabel 5.7 Hasil Uji Coba Ketujuh

Next Persimpangan Pertama

Persimpangan Kedua

Persimpangan Ketiga

Persimpangan Keempat

Pertama Hijau Merah Merah Merah

Kedua Merah Hijau Merah Merah

Ketiga Merah Merah Merah Hijau

Keempat Merah Merah Hijau Merah

Dimana lampu hijau yang menyala duluan adalah persimpangan pertama dengan jumlah tiga kendaraan dan berikutnya adalah persimpangan kedua dengan jumlah dua kendaraan. Dan untuk yang menyala lampu hijau berikutnya adalah persimpangan keempat dengan jumlah satu kendaraan dengan posisi kendaraan yang paling mendekati lampu lalu lintas, dan berikutnya persimpangan ketiga dengan jumlah satu kendaraan dengan posisi kendaraan berada dipertengahan jalan.

1.5.8 Uji Coba ke-8

Dengan jumlah kendaraan pada persimpangan pertama 4 kendaraan, persimpangan kedua tidak ada kendaraan, persimpangan ketiga 2 kendaraan dan persimpangan keempat

3 kendaraan. Dapat dilihat pada persimpangan pertama mempunyai jumlah kendaraan jumlah kendaran terbanyak

Gambar 5.8 Uji Coba Kedelapan Simulasi Persimpangan Traffic

Berikut adalah tabel perbandingan untuk menentukan analisa pada persimpangan mana lampu hijau akan menyala terlebih dahulu.

Tabel 5.8 Hasil Uji Coba Kedelapan

Next Persimpangan Pertama

Persimpangan Kedua

Persimpangan Ketiga

Persimpangan Keempat

Pertama Hijau Merah Merah Merah

Kedua Merah Merah Merah Hijau

Ketiga Merah Merah Hijau Merah

Dimana lampu hijau yang menyala duluan adalah persimpangan pertama dengan jumlah empat kendaraan dan berikutnya adalah persimpangan keempat dengan jumlah tiga kendaraan. Dan untuk yang menyala lampu hijau berikutnya adalah persimpangan ketiga dengan jumlah dua kendaraan, dan berikutnya persimpangan kedua karena tidak ada kendaraan.

5.1.9 Uji Coba ke-9

Dengan jumlah kendaraan pada persimpangan pertama 6 kendaraan, persimpangan kedua 2 kendaraan, persimpangan ketiga 4 kendaraan dan persimpangan keempat 4 kendaraan. Dapat dilihat pada persimpangan pertama mempunyai jumlah kendaraan jumlah kendaran terbanyak. Dan pada persimpangan ketiga dan keempat mempunyai jumlah kendaraan yang sama tetapi mempunyai posisi antrian yang berbeda.

Berikut adalah tabel perbandingan untuk menentukan analisa pada persimpangan mana lampu hijau akan menyala terlebih dahulu.

Tabel 5.9 Hasil Uji Coba Kesembilan

Next Persimpangan Pertama

Persimpangan Kedua

Persimpangan Ketiga

Persimpangan Keempat

Pertama Hijau Merah Merah Merah

Kedua Merah Merah Hijau Merah

Ketiga Merah Merah Merah Hijau

Keempat Merah Hijau Merah Merah

Dimana lampu hijau yang menyala duluan adalah persimpangan pertama dengan jumlah enam kendaraan dan berikutnya adalah persimpangan ketiga dengan jumlah empat kendaraan. Dan untuk yang menyala lampu hijau berikutnya adalah persimpangan keempat dengan jumlah empat kendaraan berikutnya persimpangan kedua dengan jumlah dua kendaraan.

5.1.10 Uji Coba ke-10

Dengan jumlah kendaraan pada persimpangan pertama 1 kendaraan, persimpangan kedua 3 kendaraan, persimpangan ketiga 7 kendaraan dan persimpangan keempat 5 kendaraan. Dapat dilihat pada persimpangan ketiga mempunyai jumlah kendaraan jumlah kendaran terbanyak.

Gambar 5.10 Uji Coba Kesepuluh Simulasi Persimpangan Traffic

Berikut adalah tabel perbandingan untuk menentukan analisa pada persimpangan mana lampu hijau akan menyala terlebih dahulu.

Tabel 5.10 Hasil Uji Coba Kesepuluh

Next Persimpangan Pertama

Persimpangan Kedua

Persimpangan Ketiga

Persimpangan Keempat

Pertama Merah Merah Hijau Merah

Kedua Merah Merah Merah Hijau

Ketiga Merah Hijau Merah Merah

Dimana lampu hijau yang menyala duluan adalah persimpangan ketiga dengan jumlah tujuh kendaraan dan berikutnya adalah persimpangan keempat dengan jumlah lima kendaraan. Dan untuk yang menyala lampu hijau berikutnya adalah persimpangan kedua dengan jumlah tiga kendaraan berikutnya persimpangan pertama dengan jumlah satu kendaraan.

5.2 Evaluasi

Hasil evaluasi dari 10 kali uji coba terhadap aplikasi yang telah dilakukan membuktikan bahwa aplikasi yang telah dibuat ini jauh dari penyempurnaan namun hasil bisa didapatkan. Perhitungan analisa dilakukan secara berulang – ulang, untuk pembuatan aplikasi ini didapatkan dari literatur atau panduan berupa artikel. Panduan yang digunakan juga kurang akurat dikarenakan panduan tersebut didapatkan dari internet. Untuk kelanjutannya diharapkan aplikasi ini dapat diterapkan pada aplikasi berikutnya dengan fitur dan perhitungan yang lebih lengkap lagi.

Setelah dilakukan uji coba dari aplikasi analisa simulasi kepadatan lalu lintas ini, maka didapat kesimpulan dan saran sebagai berikut ini.

6.1 Kesimpulan

Kesimpulan yang dapat diambil dari perancangan dan pembuatan aplikasi sistem analisa simulasi kepadatan lalu lintas pada persimpangan traffic, yaitu :

1. Analisa simulasi kepadatan traffic ini dibuat untuk mengatur pergantian lampu hijau lalu lintas.

2. Pengambilan gambar dilakukan dengan menggunakan simulasi kendaraan sehingga dapat dianalisa metode deteksi tepi canny untuk mengetahui panjang-pendeknya antrian kemacetan.

3. Dalam penentuan pergantian lampu hijau lalu lintas didapat berdasarkan kondisi kendaraan dalam gambar persimpangan.

6.2 Saran

Berdasarkan proses pembuatan aplikasi ini, terdapat saran yang diusulkan oleh penyusun terkait untuk pengembangan sistem lebih lanjut. Saran-saran tersebut antara lain, sistem ini dapat di kembangkan lagi dari segi gambar simulasi kendaraan. Sehingga dapat digunakan gambar sebenarnya atau langsung dari gambar CCTV agar tampilan lebih detail lagi. Dan untuk siklus waktu tunggu lampu traffic,bisa ditambahkan perhitungan waktunya agar pengendara dapat menentukan kapan harus siap-siap berhenti atau jalan.

Abdia Away, Gunaidi. 2010, “The Shortcut of MATLAB Programming”, Penerbit Informatika, Bandung.

Atkociunas, 2009. “Image Processing in Road Traffic Analysis”, diakses online 01-07-2009 dari :

http://www.google.co.id/search?q= metode+deteksi+tepi+canny/atkociunas &hl=id&sa=2

Directorate General Bina Marga. 1997, “Indonesia Highway Capacity Manual (Manual Kapasitas Jalan Indonesia)”, Directorate Of Urban Road Development (Binkot) PT Bina Karya, Jakarta.

Kusno, Murinto. 2009. “Kualitas Deteksi Tepi”, diakses online 01-07-2009 dari

http://blog.uad.ac.id/murintokusno/2009/01/27/kualitas-deteksi-tepi-edge-detection/

Munir, Renaldi. 2004, “Pengolahan Citra Digital Dengan Pendekatan Algoritma”, Penerbit Informatika, Bandung.

Dimana lampu hijau yang menyala duluan adalah persimpangan pertama dengan jumlah empat kendaraan dan berikutnya adalah persimpangan keempat dengan jumlah tiga kendaraan. Dan untuk yang menyala lampu hijau berikutnya adalah persimpangan ketiga dengan jumlah dua kendaraan, dan berikutnya persimpangan kedua karena tidak ada kendaraan.

5.1.9 Uji Coba ke-9

Dengan jumlah kendaraan pada persimpangan pertama 6 kendaraan, persimpangan kedua 2 kendaraan, persimpangan ketiga 4 kendaraan dan persimpangan keempat 4 kendaraan. Dapat dilihat pada persimpangan pertama mempunyai jumlah kendaraan jumlah kendaran terbanyak. Dan pada persimpangan ketiga dan keempat mempunyai jumlah kendaraan yang sama tetapi mempunyai posisi antrian yang berbeda.

62

Berikut adalah tabel perbandingan untuk menentukan analisa pada persimpangan mana lampu hijau akan menyala terlebih dahulu.

Tabel 5.9 Hasil Uji Coba Kesembilan Next Persimpangan Pertama Persimpangan Kedua Persimpangan Ketiga Persimpangan Keempat

Pertama Hijau Merah Merah Merah

Kedua Merah Merah Hijau Merah

Ketiga Merah Merah Merah Hijau

Keempat Merah Hijau Merah Merah

Dimana lampu hijau yang menyala duluan adalah persimpangan pertama dengan jumlah enam kendaraan dan berikutnya adalah persimpangan ketiga dengan jumlah empat kendaraan. Dan untuk yang menyala lampu hijau berikutnya adalah persimpangan keempat dengan jumlah empat kendaraan berikutnya persimpangan kedua dengan jumlah dua kendaraan.

5.1.10 Uji Coba ke-10

Dengan jumlah kendaraan pada persimpangan pertama 1 kendaraan, persimpangan kedua 3 kendaraan, persimpangan ketiga 7 kendaraan dan persimpangan keempat 5 kendaraan. Dapat dilihat pada persimpangan ketiga mempunyai jumlah kendaraan jumlah kendaran terbanyak.

Gambar 5.10 Uji Coba Kesepuluh Simulasi Persimpangan Traffic

Berikut adalah tabel perbandingan untuk menentukan analisa pada persimpangan mana lampu hijau akan menyala terlebih dahulu.

Tabel 5.10 Hasil Uji Coba Kesepuluh Next Persimpangan

Pertama

Persimpangan Kedua

Persimpangan Ketiga

Persimpangan Keempat

Pertama Merah Merah Hijau Merah

Kedua Merah Merah Merah Hijau

Ketiga Merah Hijau Merah Merah

64

Dimana lampu hijau yang menyala duluan adalah persimpangan ketiga dengan jumlah tujuh kendaraan dan berikutnya adalah persimpangan keempat dengan jumlah lima kendaraan. Dan untuk yang menyala lampu hijau berikutnya adalah persimpangan kedua dengan jumlah tiga kendaraan berikutnya persimpangan pertama dengan jumlah satu kendaraan.

5.2 Evaluasi

Hasil evaluasi dari 10 kali uji coba terhadap aplikasi yang telah dilakukan membuktikan bahwa aplikasi yang telah dibuat ini jauh dari penyempurnaan namun hasil bisa didapatkan. Perhitungan analisa dilakukan secara berulang – ulang, untuk pembuatan aplikasi ini didapatkan dari literatur atau panduan berupa artikel. Panduan yang digunakan juga kurang akurat dikarenakan panduan tersebut didapatkan dari internet. Untuk kelanjutannya diharapkan aplikasi ini dapat diterapkan pada aplikasi berikutnya dengan fitur dan perhitungan yang lebih lengkap lagi.

Setelah dilakukan uji coba dari aplikasi analisa simulasi kepadatan lalu lintas ini, maka didapat kesimpulan dan saran sebagai berikut ini.

6.1 Kesimpulan

Kesimpulan yang dapat diambil dari perancangan dan pembuatan aplikasi sistem analisa simulasi kepadatan lalu lintas pada persimpangan traffic, yaitu :

1. Analisa simulasi kepadatan traffic ini dibuat untuk mengatur pergantian lampu hijau lalu lintas.

2. Pengambilan gambar dilakukan dengan menggunakan simulasi kendaraan sehingga dapat dianalisa metode deteksi tepi canny untuk mengetahui panjang-pendeknya antrian kemacetan.

3. Dalam penentuan pergantian lampu hijau lalu lintas didapat berdasarkan kondisi kendaraan dalam gambar persimpangan.

6.2 Saran

Berdasarkan proses pembuatan aplikasi ini, terdapat saran yang diusulkan oleh penyusun terkait untuk pengembangan sistem lebih lanjut. Saran-saran tersebut antara lain, sistem ini dapat di kembangkan lagi dari segi gambar simulasi kendaraan. Sehingga dapat digunakan gambar sebenarnya atau langsung dari gambar CCTV agar tampilan lebih detail lagi. Dan untuk siklus waktu tunggu lampu traffic,bisa ditambahkan perhitungan waktunya agar pengendara dapat menentukan kapan harus siap-siap berhenti atau jalan.

DAFTAR PUSTAKA

Abdia Away, Gunaidi. 2010, “The Shortcut of MATLAB Programming”, Penerbit Informatika, Bandung.

Atkociunas, 2009. “Image Processing in Road Traffic Analysis”, diakses online 01-07-2009 dari :

http://www.google.co.id/search?q= metode+deteksi+tepi+canny/atkociunas &hl=id&sa=2

Directorate General Bina Marga. 1997, “Indonesia Highway Capacity Manual (Manual Kapasitas Jalan Indonesia)”, Directorate Of Urban Road Development (Binkot) PT Bina Karya, Jakarta.

Kusno, Murinto. 2009. “Kualitas Deteksi Tepi”, diakses online 01-07-2009 dari

http://blog.uad.ac.id/murintokusno/2009/01/27/kualitas-deteksi-tepi-edge-detection/

Munir, Renaldi. 2004, “Pengolahan Citra Digital Dengan Pendekatan Algoritma”, Penerbit Informatika, Bandung.