Otomatisasi Lampu Lalu Lintas dengan Model CNN Centernet dan Metode
Pewarnaan Graf
BIDANG KEGIATAN
PKM PENELITIAN
Diusulkan oleh:
UNIVERSITAS INDONESIA
DEPOK
2019
PENGESAHAN PROPOSAL PKM – PENELITIAN
ii
DAFTAR ISI
iii
DAFTAR GAMBAR
DAFTAR TABEL
Tabel 1 Hasil penelitian centernet dari berbagai macam algoritma pendukung ... 6
Tabel 2 Anggaran Biaya ........................................................................................ 9
Tabel 3 Jadwal Kegiatan ....................................................................................... 9
iv
1
BAB 1 PENDAHULUAN
1.1 LATAR BELAKANG
Salah satu permasalahan yang dihadapi Kota Depok adalah kemacetan. Pakar
transportasi dari Masyarakat Transportasi Indonesia (MTI) Djoko Setijowarno
mengatakan, layanan transportasi di Kota Depok masih tergolong buruk. Masyarakat
Kota Depok lebih memilih menggunakan kendaraan pribadi, seperti mobil dan sepeda
motor, dibandingkan dengan angkutan umum (TEMPO.CO, 2018). Sebagai akibatnya,
kemacetan lalu lintas di beberapa ruas jalan tak dapat dihindari. Dari jalan yang
membentang di kawasan pusat perekonomian, seperti Jalan Raya Margonda – Jalan Raya
Dewi Sartika, sampai jalan yang tepiannya dipenuhi kawasan perumahan, seperti Jalan
Siliwangi – Jalan Tole Iskandar – Jalan Raya Sawangan, tidak pernah luput dari
banyaknya perjalanan yang mencapai angka 1,9 juta setiap harinya, berdasarkan data
Dinas Perhubungan Kota Depok (KOMPAS.com, 2017). Bahkan, Kemacetan yang
berpusat di kelima jalan protokol tersebut juga menyebar ke jalan-jalan lainnya.
Kemacetan ini disebabkan oleh beberapa hal, di antaranya tidak adanya lampu lalu lintas
di beberapa simpangan, tidak tertibnya angkutan umum, adanya pusat perbelanjaan di tepi
jalan, dan nyala lampu lalu lintas yang tidak sesuai antar ruas jalan yang berhubungan
(KOMPAS.com, 2018).
Pengaturan durasi lampu lalu lintas tidak hanya berfungsi untuk mengatur
kepadatan di suatu ruas jalan, tetapi juga berperan dalam mengatur kepadatan di ruas-ruas
jalan yang terhubung dengan lampu lalu lintas tersebut. Dengan suatu pengaturan durasi
lampu lalu lintas yang sesuai, jalan-jalan yang terhubung dengan lampu lalu lintas
tersebut dapat diatur juga kelancarannya.
Kelancaran suatu jalan dapat ditentukan dari derajat kejenuhannya. Kemacetan lalu
lintas terjadi akibat volume lalu lintas hampir mendekati kapasitas jalan, atau bila diukur
dengan derajat kejenuhannya, yang disimbolkan dengan DS, jalan yang macet memiliki
DS≥0.75, dengan DS=V/C, V = volume dan C = kapasitas jalan tersebut (Alhadar, 2011).
Penelitian ini bertujuan untuk menekan derajat kejenuhan jalan-jalan yang telah
disebutkan sebelumnya, sehingga didapatkan DS < 0.75, dengan mengotomatisasi lampu
lalu lintas sehingga dapat menyala di waktu yang sesuai dan memiliki durasi yang sesuai
dengan derajat kejenuhan jalan. Otomatisasi tersebut dilakukan dengan mengunakan
Model Convolutional Neural Network (CNN) Centernet dan Metode Pewarnaan Graf.
1.3 TUJUAN
1. Ditemukannya solusi yang efektif dalam mengurangi kemacetan, khususnya Kota
Depok.
2. Memberikan masukan kepada pemerintah Kota Depok terkait strategi untuk
mengatasi masalah kemacetan.
2. Menjadi rekomendasi bahan kajian pemerintah Kota Depok terkait strategi untuk
mengurangi kemacetan di Kota Depok.
1.5 MANFAAT
Kegiatan Program Kreativitas Mahasiswa Penelitian (PKM-P) ini diharapkan dapat
bermanfaat sebagai bahan informasi atau acuan bagi pemerintah dalam menekan angka
tingkat kemacetan.
n = Banyaknya fase
R = Waktu semua merah dan waktu merah/merah/kuning (2+3 = 5 detik)
(Miftahurrahmah, 2016).
2.3.2 Metric
Metric adalah besaran terukur yang digunakan untuk melacak atau menilai
suatu proses tertentu. Contoh Metric untuk mengukur ‘kualitas’ suatu model
object detection adalah loss dan Average Precision (Klipfolio, 2019)
1. Loss
Loss adalah ukuran seberapa buruknya suatu kesalahan (error) dapat
terjadi sebagai konsekuensi negatif dari prediksi yang tidak akurat
(StackExchange, 2018).
2. Average Precision/AP/Presisi Rata-rata
AP (Average Precision) merupakan metric yang populer untuk
mengukur akurasi dari pendeteksian objek (Medium, 2018).
2.3.3 Data untuk Pelatihan (Training) dan Pengujian (Testing)
5
2.3.4 Centernet
Zhou (2019) dalam jurnal yang berjudul “Objects as Points”
menemukan model object detection terbaru dengan waktu testing yang cepat
dan AP yang lebih tinggi dibandingkan model-model sebelumnya, dengan
menggunakan data COCO.
Perbedaan Model Centernet dengan model-model object detection lainnya
terletak pada cara menemukan objek pada gambar. Model-model lain
menemukan objek pada gambar dengan memperkecil ukuran bingkai sampai
sesuai dengan lokasi objek, sedangkan Model Centernet menemukan objek
pada gambar dengan mencari titik tengah dari suatu objek di gambar tersebut.
6
Hal ini menyebabkan waktu testing pada Centernet lebih cepat dibandingkan
dengan model-model lainnya (Zhou, Wang, Krahenb ¨ uhl, 2019).
Tabel 1. Perbandingan AP di waktu sebelum 50 ms, 50 ms, dan 75 ms, inferrence/test time, frame per
second, yang dibagi ke dalam kategori Not Augmented, Flip testing augmented, Multi-scale
augmentation dari Centernet dengan berbagai macam Backbone Network. Didapat AP tertinggi dengan
menggunakan Hourglass-104 Backbone Network, yaitu mencapai 63,1 ms dengan menggunakan
augmentasi multi-scaling.
Melatih (training)
model dengan data Menyiapkan data Menyesuaikan algoritma
tiruan dan tiruan untuk dataset dan test Model
mencoba beberapa melatih (training) Centernet Convolutional
augmentasi data model Neural Network
Mengurus
perizinan untuk Testing
Tidak
Loss dari model
menambahkan
Training konvergen dengan
algoritma Model
atau lebih kecil dari loss data
Centernet
percobaan Training Ya rekaman
Convolutional
sebelumnya CCTV
Neural Network
ke CCTV
Penjadwalan
Analisis data dan Tidak
otomatis waktu nyala lampu lalu lintas
membuat representasi graf
efektif dan efisien
Ya
Mewarnai graf dengan
algoritma Welch Powell Akan direkomendasikan ke pemerintahan
setempat sebagai salah satu solusi kemacetan
DAFTAR PUSTAKA
Yandwiputra, Ade Ridwan. 2018, ‘Kemacetan Lalu Lintas Depok Karena Transportasi
Publik Buruk’, TEMPO.CO, dilihat pada 30 Oktober 2019 pukul 01.22 WIB,
<https://metro.tempo.co/read/1060945/kemacetan-lalu-lintas-depok-karena-
transportasi-publik-buruk>.
Nugrahanti, Amanda Putri. 2017, ‘Kota Depok, Tumbuh Pesat Minim Antisipasi’,
KOMPAS.com, dilihat pada 30 Oktober 2019 pukul 01.15 WIB,
<https://megapolitan.kompas.com/read/2017/04/27/17000011/kota.depok.tumbuh
.pesat.minim.antisipasi?page=all>.
Lova, Chyntia. 2018, ‘Tanpa Lampu Lalu Lintas, Perempatan Tugu Depok Kerap
10
A. Identitas Diri
2. Jenis Kelamin L
6. Alamat-Email htasman@sci.ui.ac.id
B. Riwayat Pendidikan
Tahun Masuk-
1992 - 1998 1999 - 2001 2005 - 2010
Lulus
C.1.Pendidikan/Pengajaran
3 Aljabar Wajib 4
C.2.Penelitian
Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan
dapat dipertanggungjawabkan secara hukum. Apabila di kemudian hari ternyata
dijumpai ketidaksesuaian dengan kenyataan, saya sanggup menerima sanksi.
Demikian bidata ini saya buat dengan sebenarnya untuk memenuhi salah satu
persyaratan dalam pengajuan PKM-P.
Harga Satuan
1. Peralatan Penunjang Volume Nilai (Rp)
(Rp)
- Cooling pad laptop untuk
1 buah 110.000 110.000
observasi model
- Sewa komputer dengan server
2 kali 2.000.000 4.000.000
kuat menyala 24 jam × 7 hari
- Pendingin server tambahan 1 buah 850.000 850.000
- GPU tambahan 1 buah 2.400.000 2.400.000
- Administrasi perizinan - - 600.000