KREA-TIF: JURNAL TEKNIK INFORMATIKA http://ejournal.uika-bogor.ac.id/krea-tif p-ISSN: 2338-2910, e-ISSN: 2658-5836 Vol 8, No 2, November 2020, pp. 9 - 18 DOI : 10.32832/kreatif.v8i2.3433 Early Warning System Untuk Prediksi Tingkat Pelayanan Jalan di Jalur SSA Kota Bogor Fitria Rachmawati, Dahlia Widhyaestoeti Program Studi Teknik Informatika, Fakultas Teknik dan Sains, Universitas Ibn Khaldun, Indonesia E-mail : fitria@uika-bogor.ac.id Abstrak Penerapan jalur SSA dilakukan sebagai upaya untuk mengurangi tingkat kemacetan yang terjadi pada jalur tersebut. Maksud dari penelitian ini adalah untuk membuat suatu model prediksi yang dikembangkan dalam sebuah sistem aplikasi yang bisa digunakan untuk mendekteksi kemacetan terutama di ruas sistem satu arah kota Bogor. Pengumpulan data dilakukan beberapa proses diantaranya melakukan survey dan pengamatan lalu lintas di jalur Sistem satu arah atau SSA pada Dinas Perhubungan Kota Bogor. Prediksi kemacetan arus lalu lintas menggunakan metode Adaptive Neuro Fuzzy Inference System (ANFIS). Hasil prediksi ANFIS kemudian digunakan untuk mengukur tingkat pelayanan jalan berdasarkan karakteristik arus lalu lintas yang ditandai dalam suatu nilai rasio perbandingan antara volume kendaraan dan kapasitas jalan. Pada hasil prediksi yang sudah dilakukan diketahui jumlah kendaraan yang melewati jalus SSA mencapai 5034 dengan kapasitas jalan 6400. Sehingga status kemacetan yang terjadi berada di level C dengan nilai 0,78. Dimana tingkat Pelayanan pada nilai rasio tersebut memiliki karakteristik arus stabil tetapi pergerakan kendaraan dikendalikan oleh volume lalu lintas yang lebih tinggi dengan kecepatan sebesar 60 Km/Jam dan kepadatan lalu lintas sedang. Penelitian ini menghasilkan sistem pendeteksi jumlah kendaraan yang melalui jalur SSA menggunakan metode deeplearning Yolov4 berbasis web. Kata kunci: ANFIS, Kemacetan, Prediksi, Sistem Aplikasi, Tingkat Layanan Jalan. PENDAHULUAN Volume kendaraan yang semakin ramai adalah penyebab utama kemacetan disejumlah wilayah Bogor yang sulit terurai. Peningkatan volume kendaraan tersebut tidak berbanding lurus dengan perkembangan luas jalan sehingga menghambat tingkat pelayanan jalan. Banyak cara yang bisa dilakukan untuk menyelesaikan solusi kemacetan, namun pada kenyataannya tidak seperti yang diharapkan. Sehingga diperlukan suatu prediksi tingkat pelayanan jalan yang dapat dijadikan model untuk meminimalisir kemacetan yang terjadi. Prediksi adalah suatu proses memperkirakan secara sistematis tentang sesuatu yang paling mungkin terjadi di masa depan berdasarkan informasi masa lalu dan sekarang yang dimiliki, agar kesalahannya (selisih antara sesuatu yang terjadi dengan hasil perkiraan) dapat diperkecil. Prediksi tidak harus memberikan jawaban secara pasti kejadian yang akan terjadi, melainkan berusaha untuk mencari jawaban sedekat mungkin yang akan terjadi [1]. Dalam konteks metodologi prediksi, model ANFIS telah banyak digunakan melakukan prediksi dengan pendekatan data rentet waktu. Adaptive Neuro Fuzzy Inference System