Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pertumbuhan jumlah kendaraan di Jakarta tidak diimbangi oleh pertumbuhan ruas jalan. Hal inilah yang memicu terjadinya kemacetan di jalan-jalan di Jakarta, terutama pada jam-jam sibuk. Antisipasi yang telah dilakukan pemerintah antara lain dengan membangun jalan bebas hambatan atau jalan tol. Penggunaan jalan tol mempunyai kecenderungan untuk lebih terkonsentrasi pada jam-jam sibuk, yaitu pada pagi dan sore hari, ketika manusia mulai beraktivitas dan hendak pulang setelah beraktivitas sehingga menghasilkan kepadatan yang cukup tinggi pada waktu-waktu tersebut dan tidak jarang sampai keluar ke jalan non tol memberi andil terhadap kemacetan yang sudah terjadi. Ini terjadi disamping sebagai akibat dari besarnya pengguna jalan tol itu sendiri, juga disebabkan oleh kondisi kebanyakan gerbang tol saat ini yang hanya memiliki dua gardu pelayanan (server), ketidakseragaman alat pembayaran (uang dengan kernbalian, uang pas dan karcis langganan), dan kapasitas dari gerbang tol itu sendiri dalam menampung jumlah kendaraan.Penulisan ditujukan untuk dapat membuat suatu pemodelan dari sistem yang ada dengan menggunakan simulasi untuk melihat kemungkinan perlu tidaknya suatu gerbang tol dioperasikan secara tandem yang disesuaikan dengan intensitas kedatangan kendaraan sebagai beban kerja dari setiap gerbang tol terutama pada jam-jam sibuk di hari-hari kerja, manfaat penyeragaman jenis transaksi dan alat pembayaran dengan menggunakan karlu langganan tol untuk mengurangi waktu pelayanan di gardu pelayanan dan jumlah kendaraan di antrian, penerapan kriteria walk away yang tepat dalam arti jumlah kendaraan maksimal yang diperkenalkan berada dalam ramp yang menyebabkan kendaraan berikutnya dialihkan ke jalan nontol dengan menghindarkan kekosongan jalur pelayanan, dan usulan terhadap posisi peletakan gardu pelayanan pada gerbang tol yang sama sekali berbeda untuk dibandingkan dengan posisi peletakan yang diterapknn saat ini terutama dalam waktu tunggu dan jumlah kendaraan di antrian. Hasil dari simulasi ini dapat dijadikan bahan pertimbangan yang bermanfaat dalam menentukan keputusan perbaikan."

"Telah dibuat sebuah Perangkat Lunak Sistem Pengereman menggunakan menggunakan program LabVIEW untuk mengatur atau sebagai kendali Modul Pengereman. Program ini yang akan menentukan nilai Power Contoller, menentukan mode pengereman yaitu konvensional atau termodulasi dengan mengatur Duty Cycle Controller dan dari tiap mode pengereman tersebut dan kondisi penerimaan data. Cara program ini mengatur modul tersebut adalah dengan memanfaatkan koneksi parallel yang tersedia pada komputer PC sebagai jalur untuk mengirimkan dan menerima sinyal ke modul tersebut. Program ini juga akan mengambil serta mengolah data yang diterima dari modul tersebut lalu menampilkan data olahan tersebut dalam bentuk grafik Kecepatan (Km/Jam) dan menyimpannya dalam bentuk file Microsoft Excel agar dapat dianalisa hasilnya."

"Sistem pembayaran yang kurang efisien dan jumlah gardu tol yang kurang memadai menyebabkan terjadinya antrean panjang pada gerbang tol. Maka itu, PT. Jasa Marga mulai mengoperasikan Gardu Tol Otomatis GTO sebagai fasilitas pembayaran jalan tol alternatif, namun tingkat penggunaannya masih rendah dibandingkan sistem manual cash. Penelitian ini berfokus pada pengujian faktor-faktor yang berpengaruh dalam adopsi teknologi fasilitas GTO menggunakan model integrasi TAM dan TPB dengan bentuk decomposed TPB berdasarkan metodologi SEM. Penelitian dilakukan pada pengguna jalan tol di Jabodetabek yang digolongkan menjadi active GTO user, inactive GTO user dan non-GTO user. Hasil penelitian menunjukkan faktor persepsi keuntungan, sikap dan persepsi kontrol perilaku memberikan pengaruh terbesar pada pembentukan niat penggunaan fasilitas GTO pada active GTO user dan non-GTO user, sedangkan inactive GTO user mengabaikan faktor sikap. Kemudian, Hasil analisis technology adoption lifecycle dan technology lifecycle menunjukkan bahwa fasilitas GTO telah menjadi teknologi komoditas konsumen, tetapi posisi non-GTO user sebagai late majority menunjukkan bahwa kelompok tersebut masih berada di fase growth dalam technology lifecycle. Maka itu, pihak PT. Jasa Marga dan pemerintah dapat menerapkan strategi yang direkomendasikan untuk meningkatkan penggunaan oleh non-GTO user serta mempertahankan penggunaan fasilitas GTO pada active GTO user dan inactive GTO user.

---

Inefficient payment system and inadequate number of toll substations causing long queues at toll gates. Thus, PT. Jasa Marga started to operate Electronic Toll Collection ETC system as alternative toll road payment facilities, but the level of its use is still low. This study focuses on examining the factors that influence technology adoption of ETC facilities using integration model of TAM and TPB Decomposed TPB based on SEM methodology. The research was conducted on toll road users in Jabodetabek which categorized as active ETC user, inactive ETC user and non ETC user.

The results showed that perceived benefit, attitude towards behavior and perceived behavioral control provide the greatest influence on the formation of intention to use ETC on active ETC user and non ETC user, meanwhile inactive ETC user ignoring attitude towards behavior factor. Then, analysis of TALC and TLC shows that ETC has already become consumer rsquo s commodity technology. However, non ETC user position as late majority indicates that the group is still in growth phase of the TLC. So that, PT. Jasa Marga and the government should implement recommended strategies to increase the use of ETC by non ETC users as well as maintain the use of both active and inactive ETC user."

"Menjaga jarak aman saat berkendara adalah hal penting yang perlu diperhatikan terutama saat berkendara dalam kecepatan tinggi. Jalan tol yang bebas hambatan dapat membuat pengemudi mobil memacu kendaraannya dalam kecepatan tinggi sehingga sulit untuk menjaga jarak aman. Jarak aman yang relatif terhadap kecepatan kendaraan menambah sulit penerapan jarak aman di jalan tol. Aturan tiga-detik bisa menjadi solusi karena jarak waktu adalah konstan pada kecepatan berapapun. Namun, menghitung jarak waktu dapat berisiko mengurangi konsentrasi padahal penting bagi pengemudi untuk tetap fokus menyetir ketika di jalan tol. Kemajuan teknologi kecerdasan buatan dapat menjadi solusi untuk membantu menjaga jarak aman berkendara tanpa harus khawatir menghitungnya secara manual. Penelitian ini mengusulkan penggunaan model deep learning dan pendekatan pemrosesan gambar untuk menghitung jarak aman berkendara di jalan tol. Kemudian, memberikan feedback berupa peringatan visual apabila kendaraan tidak berada pada jarak aman. Pendekatan dilakukan dengan mengestimasi kecepatan kendaraan pengemudi dan jarak kendaraan di depan kendaraan pengemudi berdasarkan garis lajur di jalan tol. Model deep learning YOLOv8, algoritma Canny Edge Detection, Hough Transformation, dan teknik transformasi perspektif dipadukan untuk mencapai tujuan tersebut. Program dapat mengestimasi kecepatan kendaraan pengemudi dengan rata-rata error sebesar 7.66 Km/jam pada 93% kesalahan yang dibuat. Sementara itu, ratarata error estimasi kecepatan adalah 25.8 Km/jam pada 100% kesalahan yang dibuat. Hasil observasi juga menunjukkan bahwa hasil estimasi kecepatan lebih konsisten pada video 30 fps dibandingkan video 60 fps. Konsistensi ini ditunjukkan dengan rata-rata perubahan hasil estimasi kecepatan antar perhitungan pada video 30 fps adalah 29.76 Km/jam sedangkan pada video 60 fps adalah 76.74 Km/jam. Program akan semakin optimal apabila faktor seperti garis lajur jalan yang terputus, memudar, ataupun tertutup dapat diminimalisir. Selain itu, konfigurasi kamera yang dapat memengaruhi posisi gambar, perlu untuk diperhatikan agar garis lajur jalan tidak keluar dari gambar. Penelitian ini mengharapkan bahwa penggunaan model deep learning dan pendekatan pemrosesan gambar dapat membantu pengawasan jarak aman berkendara di jalan tol dengan menggunakan garis lajur jalan sebagai faktor utama untuk mengestimasi kecepatan dan jarak kendaraan.

---

Keeping a safe distance while driving becomes an important aspect that needs to be considered, especially when driving at high speeds. Toll roads that are freeway can tempt car drivers to accelerate their vehicles to high speeds, thus making it difficult to maintain a safe distance. The relative safe distance in relation to the vehicle's speed adds to the challenge of implementing safe driving distances on toll roads. The three-second rule can be a solution since the time distance remains constant regardless of the speed. However, calculating the time distance can be risky as it may reduce the driver's concentration which is important to stay focused while driving on toll roads. The advancements in artificial intelligence technology can provide a solution to help maintain a safe distance without having to worry about calculating it manually. This research proposes the use of deep learning models and image processing approaches to calculate the safe distance on toll roads. Then, it provides feedback in the form of a visual warning if the vehicle is not at a safe distance. The approach is carried out by estimating the driver's speed and the distance of the vehicle in front of the driver based on the lane lines on the toll road. The deep learning model YOLOv8, Canny Edge Detection algorithm, Hough Transformation, and perspective transformation techniques are combined to achieve this objective. The program can estimate the driver's speed with an average error of 7.6 Km/h for 93% of the errors made. Meanwhile, the average error in speed estimation is 25.8 Km/h for 100% of the errors made. The observation results also indicate that speed estimation is more consistent in 30 fps videos compared to 60 fps videos. This consistency is shown by the average change in speed estimation results between calculations on 30 fps videos is 29.76 Km/h, while on 60 fps videos it is 76.74 Km/h. The program will be more optimal if factors such as discontinuous, faded, or obstructed lane lines can be minimized. Furthermore, the configuration of the camera, which can affect the image's position, needs to be considered to prevent the lane lines from going outside the image. This research expects that the use of deep learning models and image processing approaches can assist in monitoring the safe distance on toll roads by utilizing lane lines as the main factor to estimate vehicle speed and distance."