Optimalisasi penjadwalan lampu lalu lintas adaptif berbasis Proximal Policy Optimization (PPO) dan Vanet di persimpangan

Yandiyan, Yandiyan (2026) Optimalisasi penjadwalan lampu lalu lintas adaptif berbasis Proximal Policy Optimization (PPO) dan Vanet di persimpangan. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

[img]
Preview
Text
1_cover.pdf

Download (261kB) | Preview
[img]
Preview
Text
2_abstrak.pdf

Download (223kB) | Preview
[img]
Preview
Text
3_skbebasplagiarism.pdf

Download (1MB) | Preview
[img]
Preview
Text
4_daftarisi.pdf

Download (172kB) | Preview
[img]
Preview
Text
5_bab1.pdf

Download (322kB) | Preview
[img] Text
6_bab2.pdf
Restricted to Registered users only

Download (418kB) | Request a copy
[img] Text
7_bab3.pdf
Restricted to Registered users only

Download (435kB) | Request a copy
[img] Text
8_bab4.pdf
Restricted to Registered users only

Download (3MB) | Request a copy
[img] Text
9_bab5.pdf
Restricted to Registered users only

Download (250kB) | Request a copy
[img] Text
10_daftarpustaka.pdf
Restricted to Registered users only

Download (272kB) | Request a copy

Abstract

Kemacetan lalu lintas pada persimpangan jalan perkotaan dengan volume kendaraan tinggi, seperti Simpang Samsat di Kota Bandung, memerlukan sistem pengendalian yang lebih adaptif dibandingkan sistem waktu tetap (fixed-time) konvensional. Penelitian ini mengusulkan solusi manajemen lampu lalu lintas cerdas menggunakan algoritma Deep Reinforcement Learning, yaitu Proximal Policy Optimization (PPO), yang diintegrasikan dengan teknologi Vehicular Ad-hoc Networks (VANET). Melalui komunikasi Vehicle-to-Infrastructure (V2I), agen PPO menerima data posisi dan kecepatan kendaraan secara real-time untuk menentukan kebijakan durasi fase lampu hijau yang optimal. Penelitian ini dilakukan melalui simulasi mikroskopis menggunakan SUMO (Simulation of Urban Mobility) dengan menguji tiga variasi seed untuk menjamin stabilitas performa. Hasil pengujian menunjukkan bahwa algoritma PPO secara konsisten mengungguli sistem baseline (waktu tetap). Implementasi PPO berhasil mereduksi rata-rata waktu tunggu (mean waiting time) secara drastis sebesar 68,58%, dari semula 646,36 detik menjadi 203,10 detik. Selain itu, terdapat penurunan kehilangan waktu (time loss) sebesar 18,06% dan peningkatan kecepatan rata-rata kendaraan sebesar 11,34%. Dari sisi produktivitas jaringan, sistem ini juga mampu meningkatkan jumlah kendaraan yang berhasil sampai ke tujuan sebesar 1,16% dibandingkan sistem konvensional. Temuan ini membuktikan bahwa integrasi PPO dan VANET sangat efektif dalam mengoptimalkan kinerja persimpangan pada kondisi trafik jenuh, sekaligus menawarkan solusi transportasi cerdas yang responsif terhadap dinamika lalu lintas perkotaan.

Item Type: Thesis (Sarjana)
Uncontrolled Keywords: Proximal Policy Optimization; Reinforcement Learning; VANET; SUMO; Lampu Lalu Lintas Adaptif; Metode Eksperimental
Subjects: Data Processing, Computer Science
Data Processing, Computer Science > Computer Science Education
Divisions: Fakultas Sains dan Teknologi > Program Studi Teknik Informatika
Depositing User: Yandiyan Yandiyan
Date Deposited: 13 Aug 2026 07:22
Last Modified: 13 Aug 2026 07:22
URI: https://digilib.uinsgd.ac.id/id/eprint/137917

Actions (login required)

View Item View Item