ADINDA PUTRI Primary Author mixed material bibliography Banda Aceh Fakultas Teknik 2026

Skripsi

Pertumbuhan jumlah kendaraan bermotor di kawasan perkotaan menyebabkan meningkatnya beban lalu lintas pada simpang bersinyal. Salah satu permasalahan utama adalah keterbatasan kapasitas akibat waktu hijau yang relatif singkat. Arus jenuh dasar (Basic Saturation Flow Rate/BSFR) menjadi parameter kunci dalam perhitungan kapasitas simpang, namun metode estimasi konvensional seperti yang digunakan dalam Pedoman Kapasitas Jalan Indonesia (PKJI) masih belum mampu menangkap variasi lalu lintas yang dinamis. Oleh karena itu, diperlukan pendekatan baru yang lebih adaptif dan akurat. Permasalahan utama penelitian ini adalah bagaimana mengembangkan model estimasi BSFR yang lebih tepat dengan memanfaatkan algoritma pembelajaran mesin. Salah satu metode yang dipilih adalah Lasso Regression, karena mampu melakukan seleksi variabel dan mengurangi kompleksitas model, sehingga sesuai untuk menangani data lalu lintas yang bervariasi. Variabel yang mencakup data arus jenuh, waktu hilang, waktu hijau, serta lebar efektif lengan pendekat. Hasil analisis menunjukkan bahwa estimasi arus jenuh dasar menggunakan pendekatan Machine Learning (ML) Lasso regression menghasilkan nilai J0 = 330 x LE. Nilai tersebut kemudian dibandingkan dengan model PKJI 2023 yaitu J0 = 600 x LE , serta dengan model regresi linier konvensional yang memberikan nilai J0 = 314 x LE Perbandingan ini dilakukan untuk menilai sensitivitas dan kinerja model dalam merepresentasikan kondisi lalu lintas aktual. Kata kunci : Arus Jenuh Dasar; Simpang Bersinyal; Waktu Hijau Pendek; Mechine Learning; Lasso Regression; Pemodelan Lalu Lintas; Optimati Kapasitas Simpang 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 1713255 2026-04-07 14:42:22 2026-04-07 15:23:24 machine generated