<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="1713199">
 <titleInfo>
  <title>PEMODELAN ARUS JENUH DASAR SIMPANG BERSINYAL WAKTU TETAP DENGAN PENDEKATAN PEMBELAJARAN MESIN RIDGE REGRESSIONRN(STUDI KASUS :</title>
  <subTitle>SIMPANG AMD KOTA BANDA ACEH)</subTitle>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>NATHASYA AMELIA</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas Teknik Sipil</publisher>
   <dateIssued>2026</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Optimasi kapasitas simpang bersinyal dengan waktu hijau pendek menjadi tantangan di kawasan perkotaan. Arus jenuh dasar (base saturation flow rate) adalah parameter utama, namun estimasinya belum optimal dengan metode konvensional seperti Pedoman Kapasitas Jalan Indonesia (PKJI), terutama karena variasi lalu lintas yang dinamis. Penelitian ini bertujuan mengembangkan model estimasi base saturation flow rate (BSFR) yang lebih akurat menggunakan Machine Learning (ML) yang berfokus pada pendekatan Ridge Regression. Metode penelitian terdiri dari data arus jenuh, waktu hilang, waktu hijau, dan lebar efektif lengan pendekat. Metode penelitian meliputi pengumpulan data lapangan, pra-pemrosesan data, pemodelan menggunakan algoritma ML, serta evaluasi model untuk memastikan akurasi estimasi. Hasil analisis menunjukkan untuk perhitungan arus jenuh dasar dengan menggunakan pemodelan Machine Learning (ML) Ridge Regression pada kondisi saat ini yaitu J0 = 260 LE, karena model ini akan dibandingkan dengan nilai model PKJI 2023 yaitu J0 = 600 LE, dan akan dibandingkan juga dengan arus jenuh dasar yang menggunakan pemodelan regresi linier pada saat ini yaitu J0 = 256 LE.&#13;
Kata Kunci : Arus Jenuh Dasar; Simpang Bersinyal; Waktu Hijau Pendek; Machine Learning; Ridge Regression; Optimasi Kapasitas Simpang&#13;
</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>1713199</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2026-04-06 16:51:48</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2026-04-07 08:58:02</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>