ANALISIS PENERAPAN SISTEM ESTIMATED TIME OF ARRIVAL (ETA)

PADA WAKTU TEMPUH PERJALANAN PENGEMUDI TRANSPORTASI

ONLINE MENGGUNAKAN DATA LINTASAN GPS

USULAN PROYEK AKHIR

diajukan oleh

Nama : Ahmad Reza Fachrizal

Nomor Induk Mahasiswa : 20/460945/SV/18044
Dosen Pembimbing : Ir. Waljiyanto, M.Sc.
Erlyna Nour Arrofiqoh, S.T., M.Eng.

kepada

TEKNOLOGI SURVEI DAN PEMETAAN DASAR

DEPARTEMEN TEKNOLOGI KEBUMIAN
SEKOLAH VOKASI
UNIVERSITAS GADJAH MADA
2022
 DAFTAR ISI

BAB I PENDAHULUAN..................................................................................................3

I.1. Latar Belakang.........................................................................................................3

I.2. Lingkup Pekerjaan...................................................................................................5

I.3. Tujuan Penelitian.....................................................................................................5

I.4. Manfaat Penelitian...................................................................................................5

I.5. Landasan Teori.........................................................................................................6

BAB II RENCANA KEGIATAN....................................................................................13

II.1. Persiapan...............................................................................................................13

II.1.1 Lokasi Kegiatan..............................................................................................13

II.1.2. Alat Kegiatan.................................................................................................14

II.1.3. Bahan Kegiatan..............................................................................................14

II.2. Pelaksanaan...........................................................................................................16

II.2.1. Persiapan........................................................................................................17

II.2.2. Pembuatan Database......................................................................................17

II.2.3. Perbersihan Data............................................................................................17

II.2.4. Perhitungan Jarak antar Lokasi Keberangkatan dan Kedatangan..................17

II.2.5. Pengolahan Koordinat menjadi Kecepatan....................................................18

II.2.6. Perhitungan Estimasi Waktu Kedatangan (ETA)..........................................19

II.2.7. Analisis Perbedaan Waktu Tempuh yang Dihasilkan dari Berbagai Rute
Perjalanan.................................................................................................................19

II.3. Jadwal Penelitian..................................................................................................20

DAFTAR PUSTAKA......................................................................................................21

2
 BAB I
PENDAHULUAN

I.1. Latar Belakang

Transportasi dapat didefinisikan sebagai proses pemindahan barang dan manusia

dari tempat asal ke tempat tujuan. Pada kegiatan tersebut terdapat tiga komponen yang
terlibat yaitu adanya muatan diangkut, tersedianya kendaraan sebagai alat angkut, dan
terdapatnya jalan yang dapat dilalui (Nasution, 1996). Sedangkan menurut Miro (2005)
transportasi merupakan usaha untuk memindahkan, menggerakkan, mengangkut, atau
mengalihkan suatu objek dari satu tempat ke tempat lain, di mana di tempat lain ini
objek tersebut lebih bermanfaat atau dapat berguna untuk tujuan tertentu. Salim (2000)
mengungkapkan bahwa transportasi adalah kegiatan pemindahan barang (muatan) dan
penumpang dari suatu tempat ke tempat lain.

Perkembangan dan kemajuan moda transportasi sangat pesat baik transportasi

darat, laut, maupun udara. Perkembangan pada moda transportasi juga sejalan dengan
perkembangan teknologi yang digunakan untuk menunjang kemajuan alat-alat pada
transportasi tersebut. Salah satu moda transportasi yang sudah sangat berkembang pesat
adalah kendaraan bermotor yang ditandai dengan meningkatnya jumlah yang beredar.
Berdasarkan data dari Badan Pusat Statistik (BPS) menerangkan bahwa peningkatan
jumlah sepeda motor dari tahun 2018 ke 2020 adalah sebesar 9.628.675 unit atau
meningkat sebesar 3,66% (Badan Pusat Statistik, 2020).

Peningkatan jumlah kendaraan bermotor tentunya searah dengan peningkatan

kemacetan di Indonesia terutama di kota-kota besar. Sehingga untuk dapat menunjang
mobilitas masyarakat yang tinggi, sangat diperlukan moda transportasi yang efektif
untuk dapat menghindari atau mengurangi kemacetan. Permasalahan transportasi
perkotaan umumnya meliputi kemacetan lalu lintas, parkir, angkutan umum, polusi dan
masalah ketertiban lalu lintas (Munawar, 2007).

Untuk menjawab kebutuhan masyarakat tersebut, saat ini telah lahir beberapa
perusahaan penyedia aplikasi transportasi online. Transportasi online adalah salah satu

3
contoh pengembangan teknologi berbasis aplikasi yang disambut cukup baik di awal
kemunculannya karena dianggap sebagai salah satu inovasi terbaik saat ini. Transportasi
online muncul di tengah kondisi sistem transportasi di Indonesia yang belum tertata
dengan baik. Perusahaan besar berlomba untuk membentuk perusahaan transportasi
berbasis aplikasi online, di antaranya adalah Gojek dan Grab. Bagi sebagian orang
transportasi online merupakan solusi atas sistem transportasi yang masih buruk.
Transportasi online menawarkan kemudahan, kenyamanan, biaya yang lebih murah, dan
keamanan yang lebih terjamin, maka tidak mengherankan jika banyak orang yang
beralih dari moda transportasi konvensional ke moda transportasi online.

Semakin meningkat dan banyaknya masyarakat yang memilih transportasi online

sebagai moda transportasi harus diimbangi dengan perkembangan dalam sistem terutama
dalam teknologi yang digunakan. Pengembangan dan peremajaan teknologi dapat
memberikan inovasi dan fasilitas tambahan kepada pengguna transportasi online. Salah
satu teknologi yang dapat diterapkan adalah pemanfaatan teknologi GPS. GPS
memberikan manfaat dalam hal navigasi dan penempatan (Amajida, 2016). Penggunaan
fitur GPS sebagai bentuk dari teknologi memberikan kesempatan untuk memperoleh
kepastian mengenai jarak, waktu, dan arah. Fitur GPS yang digunakan pada moda
transportasi mampu melacak keberadaan armada tersebut, sehingga pengguna dapat
memperoleh peluang untuk mendapatkan kepastian dalam hal jarak dan waktu.

Dengan adanya integrasi antara layanan transportasi online dengan GPS, semakin
banyak analisis data perjalanan untuk memahami pola aliran pengemudi dan dinamika
transportasi di perkotaan. Dalam penelitian ini, dilakukan analisis perbedaan waktu
tempuh yang dihasilkan dari berbagai rute perjalanan karena terdapat umpan balik
mengenai keterlambatan layanan transportasi online. Dimana hal tersebut menyebabkan
penurunan kepuasan dan kepercayaan pelanggan yang mungkin dikarenakan prediksi
ETA yang tidak akurat, perencanaan rute yang buruk, atau faktor lainnya.

4
 I.2. Lingkup Pekerjaan

Cakupan kegiatan yang dilakukan pada penelitian ini adalah sebagai berikut:

1. Lokasi kegiatan penelitian dilaksanakan di DKI Jakarta.

2. Data yang digunakan merupakan dataset trajektori/lintasan GPS DKI
Jakarta yang diakuisisi oleh Grabtaxi Holdings Pte Ltd pada tanggal 8
April 2019 hingga 21 April 2019 dan data titik koordinat fasilitas umum
di DKI Jakarta melalui scarping OpenStreetMap menggunakan library
OSMNx.
3. Data yang telah discrape ke program ETA digunakan untuk menghitung
estimasi kecepatan pengemudi.
4. Hasil luaran berupa waktu estimasi kedatangan di setiap rute perjalanan
dimulai dari titik keberangkatan sampai tiba di titik yang dituju.
5. Uji ketepatan dilakukan secara manual dengan membandingkan waktu
kedatangan hasil ETA dari setiap rute perjalanan.

I.3. Tujuan Penelitian

Tujuan dari kegiatan penelitian ini adalah:

1. Membandingkan hasil ketepatan hitungan estimasi waktu kedatangan

pengemudi dengan sistem ETA terhadap waktu kedatangan sebenarnya.
2. Melakukan uji statistik perbedaan waktu tempuh yang dihasilkan dari
berbagai rute perjalanan.

I.4. Manfaat Penelitian

Manfaat dari penelitian ini adalah sebagai berikut:

1. Dengan diketahui perbedaan waktu tempuh yang dihasilkan dari berbagai

rute perjalanan sehingga dapat menjadi bahan pertimbangan pihak layanan
transportasi onine untuk mengembangkan sistem yang dimiliki.

5
 2. Dapat meningkatkan tingkat kepuasan pengguna jasa layanan transportasi
online dengan adanya Sistem ETA yang efektif.
3. Dapat digunakan sebagai literature untuk penelitian selanjutnya.

I.5. Landasan Teori

1.5.1. Transportasi Online

Transportasi adalah perpindahan manusia atau barang dari satu tempat ke tempat
lainnya dengan menggunakan sebuah kendaraan yang digerakkan oleh manusia atau
mesin. Transportasi digunakan untuk memudahkan manusia dalam melakukan aktivitas
sehari-hari.

Transportasi online merupakan transportasi yang berbasis suatu aplikasi tertentu

dimana pelanggan memesan sarana transportasi melalui sistem aplikasi di dalam
smartphone. Saat pelanggan melakukan pemesanan dengan menggunakan aplikasi
tersebut, detail pemesanan seperti jarak tempuh, harga, identitas pengendara, lama waktu
pengendara tiba ke lokasi pelanggan, serta data perusahaan pengelolanya sudah langsung
tersaji pada layar smartphone pelanggan. Seluruh identitas pengendara sudah diketahui
secara pasti karena perusahaan pengelola telah melakukan proses verifikasi terlebih
dahulu sebelum melakukan kerja sama kemitraan dengan pengendara. Dengan adanya
transportasi online, para penumpang kini lebih pasti dalam mendapatkan transportasi
yang sesuai keinginan dan kebutuhan. Selain itu, para penumpang juga tidak harus
terlibat dalam proses tawar-menawar karena tarif yang sudah ditentukan berdasarkan
jarak tempuh.

1.5.2. Global Positioning System (GPS)

Global Positioning System atau yang lebih dikenal dengan GPS merupakan suatu
alat yang digunakan untuk penentuan posisi objek di permukaan bumi dengan
menggunakan metode ekstraterestris. Metode ektraterestris ini merupakan suatu metode
yang menggunakan bantuan wahana berupa satelit yang mengorbit mengelilingi bumi

6
dalam membantu penentuan posisi objek (Abidin, 2007). Prinsip penentuan posisi objek
dengan menggunakan GPS adalah dengan menggunakan prinsip pemotongan ke
belakang. Hal ini digunakan dengan prinsip posisi satelit yang telah diketahui
koordinatnya digunakan untuk menentukan posisi titik objek di bumi yang belum
diketahui koordinatnya. Dari prinsip tersebut, salah satu syarat pengukuran posisi
dengan menggunakan GPS adalah dapat mengamat minimal empat satelit dan dari posisi
setidaknya empat satelit tersebut dapat diketahui range (jarak) titik yang diamat dengan
GPS melalui ambiguitas fase dari posisi satelit serta sudut elevasinya sehingga posisi
titik yang diamat dapat ditentukan (HoffmannWellenhoff, dkk., 2008).

Teknologi GNSS yang saat ini berkembang tidak hanya digunakan dalam
keperluan rekayasa untuk bidang konstruksi saja tetapi pengembangan teknologi GNSS
sudah merambat ke bidang-bidang lainnya. Tipe dari GPS dapat dibedakan menjadi tipe
GPS untuk navigasi dan GPS geodetik. Kedua tipe GPS tersebut memiliki variasi
ketelitian yang berbeda-beda mulai dari fraksi meter hingga ketelitian dalam fraksi
milimeter. Perbedaan ketelitian tersebut dapat disebabkan oleh beberapa hal diantaranya
adalah penggunaan alat yang digunakan dalam menerima sinyal satelit, jenis data yang
disimpan selama proses akuisisi dan beberapa faktor lainnya (Seeber, 2003). Saat ini
GPS menjadi salah satu teknologi yang berdampak sangat besar bagi dunia industri
khususnya dalam bidang transportasi dan navigasi. Penentuan posisi GPS menggunakan
kode khusus yang diproses dalam receiver GPS untuk menghasilkan nilai estimasi
koordinat posisi, kecepatan, dan waktu (Hoffmann-Wellenhoff, dkk., 2008). Segmen
satelit memiliki tiga komponen utama yang saling terintegrasi diantaranya (Abidin,
2007):

1. Segmen Satelit, memiliki fungsi dalam menyimpan setiap informasi dan data
yang ditransmisikan termasuk informasi waktu dari stasiun GPS yang ada di
permukaan bumi dan memancarkan sinyal ke pengguna melalui receiver.
2. Segmen Kontrol, memiliki fungsi untuk mengontrol setiap satelit dan orbit satelit
yang mengorbit termasuk kesehatan satelit, orbit satelit, dan waktu (jam) satelit,
serta pengiriman data ke satelit.

7
 3. Segmen Pengguna, memiliki fungsi menerima sinyal yang dikirim oleh satelit
dan memprosesnya sehingga dihasilkan luaran berupa koordinat tiga-dimensi
yang disertai dengan informasi waktu dengan elipsoid referensi global yaitu
World Geodetic System 1984 (WGS84).

Pengukuran jarak dari satelit ke receiver menggunakan dua jenis data yaitu
menggunakan data pseudoranging yang dibawa dan dihasilkan dari data Kode P atau
Kode C/A dan menggunakan data phase ranging yang dibawa oleh gelombang L1 atau
gelombang L2 (Abidin, 2007). Gelombang pembawa dari L1 dan gelombang L2
membawa pesan/informasi berupa data dan pesan navigasi. Struktur dari sinyal yang
dibawa oleh gelombang pembawa pada GPS diilustrasikan seperti pada Gambar I.1.

Gambar I.1. Struktur frekuensi dan parameter dasar komponen sinyal GPS (Abidin,
2007)
Hasil ketelitian yang diperoleh dari pengukuran GPS dipengaruhi oleh beberapa
faktor diantaranya adalah jenis peralatan yang digunakan (tipe GPS navigasi atau GPS
Geodetik), metode pengukuran yang dilakukan (absolut atau relatif), dan metode
pengolahan data. Penggunaan teknologi GPS dalam sistem perkeretaapian Indonesia
dapat menjadi salah satu alternatif dalam penentuan posisi geografis beserta informasi
waktu. Teknologi GPS juga merupakan salah satu teknologi yang relatif murah dan
mudah digunakan (Seeber, 2003).

Metode penentuan posisi dengan GPS sendiri ada dua jenis yaitu dengan metode
absolute positioning dan metode relative positioning. Kedua jenis metode penentuan

8
GPS tersebut memiliki perbedaan dalam pelaksanaan akuisisi data. Pengukuran dengan
menggunakan metode absolut menggunakan receiver GPS yang tidak bergerak untuk
menentukan posisi dari objek yang ada di bumi. Perbedaan pengukuran GPS metode
absolut dengan metode relatif adalah tidak perlunya untuk mendefinisikan titik kontrol
yang berfungsi sebagai titik ikat atau titik base station yang memberikan koreksi ke
rover (ElRabbany, 2002).

Metode pengolahan dari data hasil pengukuran GPS metode absolut adalah dengan
menggunakan metode pengolahan satu titik (absolute positioning) (El-Rabbany, 2002).
Hasil pengolahan GPS dengan metode absolut menghasilkan nilai koordinat titik yang
absolut terhadap titik tersebut sehingga dihasilkan nilai dari elips kesalahan titik. Proses
pengolahan pada metode absolut tidak membutuhkan pengolahan data sehingga tidak
menghasilkan nilai baseline relatif antar titik pengamatannya (Abidin, 2007).

Hasil koordinat pengukuran yang didapat secara langsung merupakan hasil

hitungan pengukuran kode yang dikirimkan sinyal GPS. Kode dan gelombang pembawa
yang terdapat pada sinyal GPS mengirimkan sinyal untuk menghitung koordinat posisi
titik yang tidak diketahui dari koordinatkoordinat satelit yang diketahui. Koordinat
satelit sebagai acuan penentuan koordinat titik merupakan satelit-satelit yang teramat
oleh receiver. Prinsip tersebut diilustrasikan pada Gambar I. 2.

Gambar I.2. Metode penentuan posisi secara absolut (https://prodi4.stpn.ac.id/)

9
1.5.3. Formula Haversine

Formula Haversine adalah persamaan yang penting dalam bidang navigasi,

formula ini dapat memberikan jarak lingkaran besar antara dua titik pada sebuah bentuk
bola dari garis lintang dan garis bujur. Haversine merupakan metode untuk mengetahui
jarak antar dua titik dengan memperhitungkan bahwa bumi bukanlah sebuah bidang
datar namun adalah sebuah bidang yang memilki derajat kelengkungan. Formula ini
pertama kali ditemukan oleh Jamez Andrew di tahun 1805, dan digunakan pertama kali
oleh Josef de Mendoza y Ríos di tahun 1801 dalam penelitiannya tentang “Masalah
Utama Astronomi Nautical“. Istilah haversine ini sendiri diciptakan pada tahun 1835
oleh Prof. James Inman. Persamaan 1.1 hingga 1.5 merupakan Haversine Formula.

Δlat = lat2 − lat1 (1.1)

Δlon = lon2 − lon1 (1.2)

𝑎 = 𝑠𝑖𝑛2 (Δlat2) + cos (lat1). cos (lat2). 𝑠𝑖𝑛2 (Δlon2) (1.3)

𝑐 = 2𝑎 𝑡𝑎𝑛2 (√𝑎, √1 − 𝑎) (1.4)

𝑑 = 𝑅. 𝑐 (1.5)
Keterangan:

𝑅 = jari-jari bumi sebesar 6371(km)

Δlat = besaran perubahan latitude
Δlon = besaran perubahan longitude
𝑐 = kalkulasi perpotongan sumbu

𝑑 = jarak (km) 1 derajat = 0.0174532925 radian

1.5.4. ETA (Estimates Time of Arrival)

Sistem estimated time of arrival (ETA) merupakan sistem penentuan waktu dengan
berbasiskan pengukuran posisi secara real-time. Sistem ETA menghitung estimasi waktu
kedatangan kendaraan secara kontinyu sehingga informasi waktu dari hasil estimasi
dapat selalu berubah (dinamis) bergantung pada kecepatan sesaatnya. Selain itu, jarak

10
tempuh dari lokasi kendaraan akan selalu diperbaharui untuk informasi posisi kendaraan
yang dipantau secara real-time melaui GPS (Grupe et. al, 2000). Berdasarkan persamaan
di atas maka waktu kedatangan driver yang didapat menggunakan sistem ETA dengan
Persamaan 1.7.

∑ 𝑡 = 𝑡0 + 𝑡𝑠 + 𝑡𝑖 (1.7)

Pada sistem ETA pendefinisian waktu kendaraan waktu tempuh kendaraan (𝑡0)
dan kemudian dikalkulasikan dengan hasil hitungan waktu tempuh ke-i (𝑡𝑖). Sehingga
didapatkan nilai ∑ 𝑡 dari waktu yang dibutuhkan untuk mencapai tujuan selanjutnya.

1.5.5. Bahasa Pemrograman Python

Dalam perkembangan teknologi yang semakin pesat Bahasa pemrograman

menjadi salah satu hal yang paling diperlukan. Hal tersebut dikarenakan ilmu Komputer
membutuhkan teknik yang lebih baru, lebih cepat dan lebih baik dari sebelumnya. Pada
dua puluh tahun lalu, bahasa pemrograman C telah menggantikan Assembler, Cobol dan
Fortran, namun pada saat ini Python adalah salah satu bahasa pemograman modern yang
menggunakan bahasa pemrograman terdahulu sebagai dasar (Gelphman & Laden, 2006).

Python merupakan bahasa pemrograman freeware yang dapat dimanfaatkan

untuk mendukung pemrograman yang berorientasi objek dan dapat berjalan di berbagai
platform sistem operasi seperti UNIX, PCs (DOS, Windows, OS/2), Macintosh, dan
lainnya. Selain itu, Python termasuk salah satu bahasa pemrograman yang mudah untuk
dipelajari karena sintaks yang jelas dan dikombinasikan dengan penggunaan modul dan
struktur data tingkat tinggi yang efisien (Rosmala & L, 2012).

Dalam penggunaanya Python merupakan software yang portable yang dapat

dilakukan running pada sistem operasi komputer yang bermacam-macam, seperti Unix,
Windows, OS/2, Mac, Amiga dan platform lain yang memiliki C-libraries. Selain
memiliki karakteristik portable, Python juga sangat mudah digunakan karenakan semua
informasi mengenai Python dapat dikases pada www.python.org. Pada situs tersebut
Python memiliki standard libraries yang memudahkan bagi pengguna atau programmer

11
sehingga tidak memerlukan penulisan semua kode sendiri hanya memperlukan instalasi
pada file yang dipilih (Gelphman & Laden, 2006).

Dalam penulisan bahasa pemrograman, script dapat dituliskan pada beberapa

software namun salah satu editor bawaan yang dimiliki pada saat menggunakan Python
yaitu IDLE (Intgrated Development Environment). IDLE ini dapat digunakan untuk
menuliskan kode Python. IDLE juga memiliki model sheel (mode interaktif).

1.5.6. Uji Statistik Dua Parameter

Uji statistik dua parameter sampel data pengukuran dilakukan pada penelitian ini
untuk membandingkan waktu tempuh setiap rute pengemudi hasil pemograman ETA.
Menurut Ghilani (2010) ada banyak hal yang harus diperhatikan dalam melakukan uji
statistik yaitu penyusunan hipotesis, penentuan taraf uji, perhitungan nilai t hitung, dan
pengujian hipotesis.

12
 BAB II
RENCANA KEGIATAN

II.1. Persiapan

Tahap persiapan meliputi deskripsi lokasi kegiatan, alat, dan bahan yang
digunakan dalam kegiatan ini.

II.1.1 Lokasi Kegiatan

Lokasi yang digunakan untuk melakukan penelitian pada area Provinsi Daerah
Khusus Ibukota Jakarta. Lokasi kegiatan ditunjukkan pada Gambar II.1 dan Gambar II.2.

Gambar II.1 menggambarkan bahwa dataset tidak hanya mencakup Jakarta Pusat
tetapi juga meluas ke jalan raya eksternal. Gambar II.2 menggambarkan kepadatan GPS
di Jakarta.

Gambar II. 1. Lokasi penelitian.

Gambar II.2. Kepadatan GPS di Jakarta.

13
II.1.2. Alat Kegiatan
Peralatan yang digunakan untuk penelitian ini sebagai berikut:

1. Jupyter Notebook
Software ini akan menjadi pusat dari penelitian karena dapat digunakan untuk
menginformasikan estimated time arrival kendaraan di periode April 2019.
Software ini pun mampu menemukan shortest path length dan shortest path
route dalam mengakses beberapa fasilitas umum guna analisis perbedaan waktu
tempuh yang dihasilkan dari berbagai rute perjalanan di Jakarta Pusat.
2. Microsoft Excel
Software ini digunakan untuk menyisihkan beberapa variabel yang tidak perlu
ditindaklanjuti, penggambaran grafik, serta untuk mengubah data penelitian
menjadi data yang dapat diolah di Jupyter Notebook.

II.1.3. Bahan Kegiatan

Penelitian ini membutuhkan data-data sebagai berikut untuk proses
penyelesaiannya:

1. Titik Koordinat Fasilitas Umum di DKI Jakarta.

Fasilitas sosial yang dijadikan fokus penelitian ini adalah rumah sakit, stasiun,
kantor pemerintahan, dan mall yang terletak di Jakarta. Titik koordinat fasilitas
sosial yakni mall, rumah sakit, dan kantor pemerintahan didapatkan dari hasil
pemanggilan OSMNx pada OpenStreetMap.
2. Data Lintasan GPS pengemudi Transportasi Online di DKI Jakarta.
Kumpulan data diambil dari lintasan pengemudi Grab dengan informasi pribadi
pengemudi dienkripsi dan lokasi awal/akhir yang sebenarnya dihapus. Tanggal
pengumpulan berkisar dari 8 April 2019 hingga 21 April 2019 (UTC) dengan
6.000 lintasan dikumpulkan per hari. Lintasan dikumpulkan dari ponsel
pengemudi selama mengemudi.

14
 Tabel II.1. Kategori lintasan.
Kota Mode Device Total Lintasan
Jakarta (JKT) Motor iOS 14K
Jakarta (JKT) Motor Android 14K
Jakarta (JKT) Mobil iOS 14K
Jakarta (JKT) Mobil Android 14K

Tabel II.1 merupakan kategori lintasan, yang menunjukkan cakupan

geografis, mode mengemudi dan variasi perangkat. Seluruh dataset berisi total
84K lintasan yang terdiri dari 88.847.080 ping GPS yang tingkat pengambilan
sampel GPS adalah 1 detik, mencakup 1.003.510 km dalam rentang total dari
30.104 jam. Panjang lintasan rata-rata adalah 11,94 km dan durasi rata-rata per
perjalanan adalah 21,50 menit. Setiap lintasan diserialkan dalam file dalam
format Apache Parquet. Seluruh ukuran dataset sekitar 2 GB. Setiap ping GPS
dikaitkan dengan nilai untuk trajectory_ID, lintang, bujur, stempel waktu
(UTC), tingkat akurasi, bearing, dan kecepatan (Tabel II.2).

Tabel II.2. Atribut Ping GPS.

Atribut Tipe Data Format
Trajectory_ID String ID unik untuk
setiap lintasan
Latitude Float WGS 84
Longitude Float WGS 84
Timestamp BigInt UTC
Akurasi Float Radius lingkaran
dalam meter
Bearing Float Derajat relatif
terhadap arah utara
Kecepatan Float Dalam meter/detik
(m/s)

15
 II.2. Pelaksanaan

Tahapan-tahapan kegiatan penelitian ini dijelaskan secara detail pada diagram alir
berikut ini:

Gambar II. 2. Diagram Alir Kegiatan

16
II.2.1. Persiapan
Kegiatan persiapan pada penelitian ini meliputi studi pustaka mengenai jurnal
atau penelitian yang berkaitan dan mendukung penelitian ini. Contohnya yaitu jurnal
mengenai google maps, algoritma estimated time of arrival, dan penentuan posisi
dengan GNSS. Selain itu juga dilakukan persiapan data dan software yang akan
digunakan dalam penelitian ini seperti instalasi software pada laptop.

Pada tahapan ini juga dilakukan instalasi beberapa ekstensi pada software Python
3.10.5 yang mendukung jalannya program. Beberapa installasi ekstensi liblari yang
dilakukan yaitu numpy, scipy, pandas, folium, dan math.

II.2.2. Pembuatan Database

Data posisi fasilitas umum di Jakarta diperoleh dari scraping data pada
OpenStreetMap menggunakan library OSMNx yang menghasilkan longitude dan
latitude setiap fasilitas umum. Pembuatan database dilakukan untuk menyimpan data
fasilitas umum di Jakarta yang telah diperoleh dan segmen hasil pengukuran posisi
pengemudi dengan GPS. Langkah ini akan membantu dalam menentukan lokasi
penelitian yang akan diuji.

II.2.3. Perbersihan Data

Data koordinat hasil pengukuran GPS pengendara digunakan sebagai data
masukan di Python yang kemudian dilakukan perhitungan ETA. Data yang digunakan
akan dibersihkan dengan menghapus data yang memiliki simpangan baku besar dan
menyimpang dari data lain sehingga program dapat memproses data yang terekam oleh
receiver GPS. Proses ini hanya melibatkan timestamp, langitude dan longitude, akurasi,
dan kecepatan.

II.2.4. Perhitungan Jarak antar Lokasi Keberangkatan dan Kedatangan

Jarak antar lokasi keberangkatan dan kedatangan menggunakan algoritma
haversine. Perhitungan antar jarak tersebut mengikuti rute yang telah dilewati. Jarak
yang digunakan merupakan jarak hasil perhitungan yang mengacu pada persamaan

17
dengan nilai waktu hasil rekaman pada koordinat GPS seperti pada persamaan 2.1
(Roger W. Sinnot, 1984).

𝒅 = 𝟐𝒓 𝒂𝒓𝒄𝒔𝒊𝒏 √𝒔𝒊𝒏𝟐 (𝝋𝟐−𝝋𝟏/𝟐) + 𝒄𝒐𝒔(𝝋𝟏) 𝒄𝒐𝒔 (𝟐) 𝒔𝒊𝒏𝟐 𝒔𝒊𝒏𝟐 (𝝀𝟐−𝝀𝟏/𝟐) (2.1)

d: jarak antar 2 poin pada lingkaran bola

r: radius pada bola

𝜑1, 𝜑2: latitude dari poin 1 dan latitude dari poin 2, dalam radian

λ1, λ2: longitude dari poin 1 dan longitude dari poin 2 dalam radian

Perhitungan estimasi jarak yang ditempuh dilakukan untuk mengidentifikasi

besarnya parameter jarak (d) dari suatu segmen rute pengemudi dari titik satu ke titik
berikutnya. Perhitungan jarak rute menerapkan algoritma map matching sehingga
didapat nilai jarak tempuh dari setiap hasil filtering data koordinat GPS.

II.2.5. Pengolahan Koordinat menjadi Kecepatan

Nilai kecepatan kendaraan didapatkan dengan menggunakan data koordinat yang
telah ditransformasikan kemudian dilakukan perhitungan dengan persamaan berikut.

𝑣=𝑑𝑡 (2.2)

Keterangan:

v: kecepatan (m/s)

d: jarak (m)

t: waktu tempuh (sekon)

Sedangkan nilai jarak (d) diperoleh menggunakan rumus berikut

𝑑 = ((𝑋2 − 𝑋1) 2 + (𝑌2 − 𝑌1) 2) 1/2 (2.3)

X1: Koordinat sumbu-x ke-i

X2: Koordinat sumbu-x ke-i+1

18
 Y1: Koordinat sumbu-y ke-i

Y2: Koordinat sumbu-y ke-i+1

Setelah dihasilkan nilai kecepatan antar dua titik koordinat, kemudian dilakukan
perhitungan nilai kecepatan rerata.

II.2.6. Perhitungan Estimasi Waktu Kedatangan (ETA)

Estimated time of arrival menjadi salah satu pertimbangan dalam analisis tingkat
kesesuaian waktu tempuh yang dihasilkan oleh aplikasi Grab. Pembuatan program ETA
dibuat pada software Python 3.10.5 dengan penulisan script program pada software
Visual Studio Code. Pembuatan program ETA dipilih karena program ini menggunakan
algoritma perhitungan jarak berdasarkan titik hasil pengukuran yang paling mendekati
terhadap koordinat awal dan akhir yang telah didefinisikan dan dianggap fix.

II.2.7. Analisis Perbedaan Waktu Tempuh yang Dihasilkan dari Berbagai Rute
Perjalanan
Hasil dari program ETA yang telah dibuat merupakan waktu kedatangan pada
setiap lokasi. Dengan adanya waktu kedatangan dan waktu keberangkatan maka dapat
ditentukan waktu tempuh yang dihasilkan untuk mencapai suatu lokasi.

Untuk menentukan tingkat kesesuaian waktu tempuh, pada kegiatan ini

dilakukan perbandingan nilai waktu tempuh hasil program ETA pada setiap rute
perjalanan. Hal ini dilakukan untuk mengetahui perbedaan waktu yang dihasilkan,
apabila terdapat perbedaan signifikan maka algoritma penentuan jalur pada aplikasi
Grab perlu dikaji kembali.

19
 II.3. Jadwal Penelitian

Jadwal rencana kegiatan penelitian yang akan dilakukan dapat dilihat pada table
II.3 berikut ini.

Tabel II.3. Jadwal Rencana Kegiatan Penelitian

20
 DAFTAR PUSTAKA

Abidin, H. Z. (2007). Penentuan Posisi dengan GPS dan Aplikasinya. Jakarta: PT.
Pradny Paramita.

Amirian, P., Basiri, A., & Morley, J. (2016). Predictive analytics for enhancing travel
time estimation in navigation apps of Apple, Google, and Microsoft. Oxford, UK:
Arxiv.org. https://doi.org/10.1145/3003965.3003976.

Badan Pusat Statistik. (2020). Perkembangan Jumlah Kendaraan BermotorMenurut

Jenis Tahun 2015-2020. Available from: Badan Pusat Statistik (bps.go.id).

El-Rabbany, A. (2002). Introduction to GPS: The Global Positioning System, Artech

House Inc, Norwood, London.

Grube, G. W., Naddell, M. C., & Shaughnessy, M. L. (2000). Method For Providing a
Communication Unit’s Estimated Time of Arrival, U.S. PATENT
DOCUMENTS, 415–418.

Gelphman, D., & Laden, B. (2006). Programming with Python. Programming with
Quartz. USA: IEEE Computer Society. https://doi.org/10.1016/B978-0-12-
369473-7.X5000-6.

Hoffmann-Wellenhoff, B., Lichtenegger, H., & Wasle, E. (2008). GNSS – Global

Navigation Satellite System: GPS, GLONASS, Galileo, and more. Wien New
York Springer, New York, USA.

Jitesh Tripathi, D. G. (2010). Algorithm for Detection of Hot Spots of Traffic through
Analysis of GPS Data. Journal of IEEE Beacon. Mumbai: Thapar Univeristy.
https://doi.org/10.1128/JVI.80.3.1191.

Sinnott, Roger W. (1984). Virtues of the Haversine. Sky Telesc., 68:159.

21
Rosmala, D., & L, G. D. (2012). Pembangunan Website Content Monitoring System
Menggunakan Difflib Python. Jurnal Informatika (Vol. 4). Bandung: Institut
Teknologi Nasional Bandung.

Seeber, G. (2003). Satellite Geodesy, Walter de Gruyter, Berlin, New York,

https://doi.org/https://doi.org/10.1111/j.1365-246X.2004.02236.x.

Waljiyanto. (2000). Sistem Basis Data Analisis dan Pemodelan Data. Yogyakarta:
Graha Ilmu.

22