i TUGAS AKHIR
PREDIKSI TINGKAT KEBISINGAN LALU LINTAS HETEROGEN BERBASIS SISTEM INFORMASI GEOGRAFIS
Diajukan sebagai Tugas Akhir dalam rangka Penyelesaian Studi pada Departemen Teknik Lingkungan
AGUNG SETIAWAN D121 12 005
DEPARTEMEN TEKNIK LINGKUNGAN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN MAKASSAR
2017 TUGAS AKHIR
i PREDIKSI TINGKAT KEBISINGAN LALU LINTAS HETEROGEN
BERBASIS SISTEM INFORMASI GEOGRAFIS
Diajukan sebagai Tugas Akhir dalam rangka Penyelesaian Studi pada Departemen Teknik Lingkungan
AGUNG SETIAWAN D121 12 005
DEPARTEMEN TEKNIK LINGKUNGAN FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN MAKASSAR
iii PREDIKSI TINGKAT KEBISINGAN LALU LINTAS HETEROGEN
BERBASIS SISTEM INFORMASI GEOGRAFIS Agung Setiawan1, Muralia Hustim2 dan Rasdiana Zakariah3 1 Mahasiswa Departemen Teknik Lingkungan, Universitas Hasanuddin
Email: [email protected]
2 Dosen Pengajar Departemen Teknik Lingkungan, Universitas Hasanuddin
Email: [email protected]
3 Dosen Pengajar Departemen Teknik Lingkungan, Universitas Hasanuddin
Email: [email protected]
ABSTRAK
Kebisingan merupakan salah satu masalah yang sering terjadi di Kota Makassar. Penelitian ini bertujuan untuk mengetahui tingkat kebisingan lalu lintas heterogen di Kota Makassar dan memprediksi kebisingan yang dihasilkan oleh lalu lintas heterogen di Kota Makassar berbasis Sistem Informasi geografis. Penelitian dilakukan pada 37 titik pada ruas jalan di Kota Makassar, yang terdiri dari jalan arteri dan beberapa jalan kolektor. Pengambilan data dilakukan selama sehari dengan waktu pengukuran di lapangan selama 10 menit per jam selama 12 jam dan 15 jam dari pukul 06.00-18.00 wita dan 06.00-21.00 wita. Analisis tingkat kebisingan prediksi dihitung dengan menggunakan aplikasi Quantum gis dengan menggunakan metode RLS 90. Hasil yang didapat adalah tingkat kebisingan ekivalen atau LAeq yang dihasilkan dari pengukuran ataupun model prediksi GIS
model RLS 90 telah melewati batasan yang diperuntukkan pada Pedoman Perhitungan Kapasitas Jalan PU no. 13 tahun 2003. Model kebisingan prediksi RLS 90 dengan menggunakan Quantum Gis tanpa memperhitungkan suara klakson menghasilkan nilai tingkat kebisingan rata-rata sebesar 77,8 dB dengan korelasi
pearson dan RMSE sebesar 0,74 dan 2,01. Model tersebut belum cukup valid untuk
digunakan dengan nilai korelasi pearson dan RMSE yang dihasilkan sehingga perlu ditambahkan suara klakson dalam perhitungannya. Model kebisingan prediksi RLS 90 dengan memperhitungkan suara klakson menghasilkan nilai tingkat kebisingan rata-rata sebesar 79,1 dB dengan korelasi pearson dan RMSE sebesar 0,8 dan 1,28. Oleh karena itu, prediksi kebisingan menggunakan sistem informasi geografis dengan model prediksi RLS 90 dikatakan cukup baik untuk memprediksi kebisingan.
Kata Kunci : Kebisingan, LAeq, Sistem Informasi Geografis, Model Prediksi RLS
iv Prediction of Traffic Noise Level Heterogenous Geographic Information
Sistem-based
ABSTRACT
Noise is one of the problems that often occur in the city of Makassar. This research aims to know the heterogeneous traffic noise level in the city of Makassar and predict noise generated by heterogeneous traffic in the city of Makassar-based geographic information systems. Research carried out on 37 points on the road in the city of Makassar, consisting of arterial and few collector roads. Data retrieval is done during a day with time measurements in the field for 10 minutes per hour for 12 hours and 15 hours from 06.00-18.00 and 06.00-21.00 WITA. Analysis of noise level prediction is computer using Quantum Gis application with RLS 90 method. The results shows that equivalent or noise level LAeq resulting from measurement or prediction model of GIS model RLS 90 have passed restrictions required on road capacity Calculation Guidelines PU No.13 year 2003. Noise prediction model RLS 90 by using Quantum Gis without taking into account sound a horn noise level values generate an average of 77,8 dB pearson correlation and the RMSE 0f 0,74 and 2,01. The model is not quite valid to be used with the value of the correlation of pearson and RMSE generated need to be added so that the sound of the Horn in the calculation. Noise prediction model RLS 90 taking into account sound a horn noise level values generate an average of 79,1 dB with correlation of pearson and the RMSE of 0,8 and 1,28. Therefore, prediction of the noise using a geographic information system with model prediction RLS 90 is said to be good enough to predict noise.
Keywords : Noise, LAeq, Geographic Information Systems, Model Predictions RLS
v DAFTAR ISI Halaman HALAMAN JUDUL ... i LEMBAR PENGESAHAN ... ii ABSTRAK ... iii KATA PENGANTAR ... v
DAFTAR ISI ... vii
DAFTAR TABEL ... ix
DAFTAR GAMBAR ... x
DAFTAR LAMPIRAN ... xii BAB I PENDAHULUAN ... I-1 1.1 Latar Belakang ... I-1 1.2 Rumusan Masalah ... I-3 1.3 Tujuan Penelitian ... I-3 1.4 Manfaat Penelitian ... I-3 1.5 Batasan Masalah ... I-4 1.6 Sistematika Penulisan ... I-4 BAB II TINJAUAN PUSTAKA ... II-1
2.1 Jalan ... II-1 2.2 Lalu Lintas ... II-7 2.3 Kendaraan ... II-10 2.4 Bunyi ... II-11 2.5 Kebisingan ... II-12
vi 2.6 Pengukuran Tingkat Kebisingan ... II-18 2.7 Perhitungan Tingkat Kebisingan Hasil Pengukuran ... II-21 2.8 Model Prediksi Kebisingan Menggunakan GIS dengan
Model RLS 90 ... II-24 BAB III METODOLOGI PENELITIAN
3.1 Jenis Penelitian ... III-1 3.2 Rancangan Penelitian ... III-3 3.3 Waktu dan Lokasi Penelitian ... III-3 3.4 Alat Pengukuran ... III-5 3.5 Jenis Data ... III-6 3.6 Teknik Pengumpulan Data ... III-7 3.7 Definisi Operasional ... III-7 3.8 Teknik Analisis ... III-8 BAB IV HASIL DAN PEMBAHASAN ... IV-1 A. Gambaran Umum ... IV-1 B. Hasil Pengukuran ... IV-1 C. Prediksi Kebisingan ...
IV-13 BAB V PENUTUP ... V-1 A. Kesimpulan ... V-1 B. Saran ... V-2 DAFTAR PUSTAKA LAMPIRAN
vii DAFTAR TABEL
Halaman
Tabel 2.1 Tingkat Intensitas Bunyi Berdasarkan Sumber Bunyi ... II-12 Tabel 2.2 Proporsi Kebisingan yang Mengganggu ... II-17 Tabel 3.1 Nama dan Karakteristik Jalan Lokasi Penelitian ... III-3 Tabel 4.1 Perbandingan tingkat kebisingan hasil pengukuran dan tingkat
kebisingan hasil prediksi RLS 90 ... IV-15 Tabel 4.2 Tabel klasifikasi kebisingan ruas jalan berdasarkan tingkat
kebisingan hasil pengukuran (GIS) ... IV-17 Tabel 4.3 Tabel klasifikasi kebisingan ruas jalan berdasarkan tingkat
kebisingan hasil prediksi model RLS 90 (GIS) ... IV-19 Tabel 4.4 Data input jumlah bunyi klakson pada program Fortran 95 ... IV-19 Tabel 4.5 Perbandingan tingkat kebisingan hasil pengukuran dan tingkat
viii DAFTAR GAMBAR
Halaman
Gambar 3.1 Diagram Alir Penelitian ... III-1 Gambar 3.2 Peta Lokasi Titik Pengamatan ... III-3 Gambar 3.3 Alat Pengukuran Kebisingan ... III-5 Gambar 3.4 Diagram alir prosedur perhitungan nilai tingkat bising
pengukuran ... III-8 Gambar 3.5 Diagram alir prosedur perhitungan nilai tingkat bising
Prediksi dengan menggunakan metode RLS 90 ... III-9 Gambar 4.1 Volume lalu lintas sepeda motor dan kendaraan ringan ... IV-2 Gambar 4.2 Volume lalu lintas kendaraan berat ... IV-2 Gambar 4.3 Komposisi kendaraan ... IV-4 Gambar 4.4 Kecepatan rata-rata kendaraan ... IV-5 Gambar 4.5 Jumlah bunyi klakson kendaraan ... IV-6 Gambar 4.6 Histogram distribusi tingkat bising Jalan G. Bawakaraeng ... IV-8 Gambar 4.7 Fluktuasi tingkat kebisingan lalu lintas 12 jam Jalan G.
Bawakaraeng ... IV-9 Gambar 4.8 Fluktuasi tingkat kebisingan lalu lintas 15 jam Jalan Perintis
Kemerdekaan 4 ... IV-9 Gambar 4.9 Tingkat kebisingan lalu lintas 12 jam (LAeqday) ... IV-9 Gambar 4.10 Tingkat kebisingan lalu lintas 3 jam (LAeq,night) ... IV-10
Gambar 4.11 Hasil Pengukuran Kebisingan(LAeqday) dengan nilai ambang batas kebisingan ... IV-13
ix Gambar 4.12 Perbandingan LAeqday pengukuran dengan LAeqday
prediksi RLS 90 ... IV-17 Gambar 4.13 Gambar klasifikasi kebisingan ruas jalan berdasarkan tingkat
kebisingan pengukuran (GIS, skala 1:50) ... IV-17 Gambar 4.14 Gambar klasifikasi kebisingan ruas jalan berdasarkan tingkat
kebisingan hasil prediksi model RLS 90 (GIS, skala 1:50) ... IV-18 Gambar 4.15 Perbandingan LAeqday pengukuran dengan LAeqday prediksi
RLS 90 ditambah suara klakson ... IV-23 Gambar 4.16 Hasil Prediksi Kebisingan RLS 90 (LAeqday) dengan nilai
x DAFTAR LAMPIRAN
Lampiran 1 Rekapitulasi Volume Kendaraan Lampiran 2 Rekapitulasi Kecepatan Kendaraam Lampiran 3 Rekapitulasi Klakson Kendaraan Lampiran 4 Contoh Perhitungan LAeqday
Lampiran 5 Rekapitulasi Kebisingan Pengukuran
Lampiran 6 Data Input model prediksi RLS 90 pada Quantum GIS 2.18 Lampiran 7 Data Output model prediksi RLS 90 Quantum GIS 2.18 Lampiran 8 Contoh Perhitungan Prediksi Kebisingan
Lampiran 9 Peta Situasi Prediksi Kebisingan Ruas Jalan Heterogen Makassar RLS 90
I-1 BAB I
PENDAHULUAN 1.1 Latar Belakang
Semakin pesatnya kemajuan ekonomi kota-kota besar di Indonesia mendorong semakin tinggi aktifitas masyarakat hingga bertambahnya kebutuhan akan transportasi. Transportasi di masyarakat adalah salah satu faktor penting yang mendukung mobilisasi/pergerakan kehidupan manusia. Tanpa kendaraan atau transportasi aktifitas kehidupan manusia akan menjadi lebih lamban dan sulit untuk berkembang. Sarana transportasi yang paling dominan di Indonesia adalah kenderaan bermotor. Kendaraan bermotor membuat efisiensi waktu dan tenaga karena diciptakan memang untuk membantu aktivitas manusia. Berdasarkan Badan Pusat Statistik peningkatan jumlah kendaraan bermotor di Indonesia mencatat dimana pertumbuhan kendaraan bermotor tahun 2013 ke tahun 2014 antara 5 hingga 10%, sedangkan pertumbuhan jalan nasional dari tahun 2013 ke tahun 2014 hanya 1%. Kondisi ini terjadi hampir diseluruh kota-kota besar di Indonesia termasuk salah satunya adalah Kota Makassar.
Mengenai kondisi populasi kendaraan di Kota Makassar, jumlah kendaraan bermotor tahun 2013 dan tahun 2014 mengalami pertumbuhan antara 8 hingga 12%. Berdasarkan BPS (Badan Pusat Statistik) pada tahun 2014 kendaraan yang beroperasi di jalan-jalan Kota Makassar terdiri dari 1.000.050 (79,85%) sepeda motor, 172.803 (13,79%) kendaraan ringan, 79.525 (6,34%) kendaraan berat (Provinsi Sulawesi Selatan Dalam Angka, 2015). Berbeda dengan tingkat pertumbuhan jumlah kendaraan, tingkat pertumbuhan jalan hanya 1,51% pertahun.
I-2 Dari angka pertumbuhan kendaraan yang tidak berbanding lurus dengan peningkatan jaringan jalan tentu saja menimbulkan masalah kemacetan di ruas jalan Kota Makassar (Nababan, 2014).
Kondisi seperti ini mengubah perilaku pengemudi untuk mengabaikan aturan lalu lintas, salah satunya yaitu melakukan gerakan zig-zag kendaraan khususnya sepeda motor yang hendak mendahului kendaraan lainnya atau mencari jalur yang kosong. Situasi ini membuat pengemudi cenderung untuk membunyikan klakson demi menjaga keamanan dari gerakan kendaraan lainnya. Komposisi kendaraan, kondisi lalu lintas serta pola pengemudi seperti yang telah diuraikan, maka kondisi ini dapat dikategorikan sebagai lalu lintas dengan kondisi heterogen. Permasalahan yang ditimbulkan pada bidang transportasi bukan hanya masalah kemacetan tetapi juga masalah lingkungan seperti polusi udara dan polusi suara atau kebisingan. Kebisingan dapat didefinisikan sebagai suara yang tidak dikehendaki dan mengganggu manusia. Sehingga seberapa kecil atau lembut suara yang terdengar, jika hal tersebut tidak diinginkan maka akan disebut kebisingan. Dampak dari kebisingan ini menimbulkan ketidaknyamanan baik oleh para pengguna jalan maupun masyarakat disekitarnya. Jalan dengan volume kendaraan berat maupun kendaraan ringan yang cukup banyak semakin beresiko menghasilkan suara bising.
Berdasarkan hasil penelitian studi terdahulu oleh Muralia Hustim dkk. (2012) mengungkap bahwa tingkat kebisingan yang ada di wilayah kota Makassar sudah mencapai 70 dB untuk ruas jalan protokol yang ada di Kota Makassar yang
I-3 artinya tingkat kebisingan tersebut sudah melebihi standar baku mutu yang ada yaitu antara 55 dB hingga 70 dB sesuai dengan kawasan peruntukkannya.
GIS (Sistem Informasi Geografis) adalah sistem komputer yang memiliki kemampuan untuk membangun, menyimpan, mengelola dan menampilkan informasi berefrensi geografis, misalnya data yang diidentifikasi menurut lokasinya, dalam sebuah database. Quantum GIS 2.18 yang merupakan salah satu aplikasi GIS memiliki pengoperasian perhitungan data pada tabel atribut database layaknya formula di Microsoft Excel. Berdasarkan uraian di atas, maka penulis akan membuat suatu model prediksi tingkat kebisingan pada ruas jalan di Kota Makassar. Dimana hasil tersebut akan dimasukkan dalam perhitungan dan akan menghasilkan nilai prediksi tingkat bising yang mendekati atau sesuai dengan nilai tingkat bising pengukuran. Hasil nilai tingkat bising tersebut akan digunakan untuk menganalisis beban lalu lintas jaringan jalan dalam konteks alternatif penanganan kebisingan. Kemudian mencari alternatif solusi penanganan kebisingan di Kota Makassar.
Oleh karena permasalahan diatas penulis bermaksud untuk melakukan penelitian tentang “Prediksi Tingkat Kebisingan Lalu Lintas Heterogen Berbasis Sistem Informasi Geografis”.
1.2 Rumusan Masalah
Berdasarkan latar belakang yang telah dipaparkan, maka pokok permasalahan pada penelitian ini dapat dirumuskan sebagai berikut:
1. Berapa besar tingkat kebisingan yang dihasilkan oleh lalu lintas heterogen di Kota Makassar?
I-4 2. Bagaimana memprediksi kebisingan yang dihasilkan oleh lalu lintas
heterogen di Kota Makassar berbasis Sistem Informasi geografis?
1.3 Tujuan Penelitian
Berdasarkan rumusan masalah di atas, tujuan dari penelitian ini adalah: 1. Mengetahui tingkat kebisingan lalu lintas heterogen di Kota Makassar 2. Memprediksi kebisingan yang dihasilkan oleh lalu lintas heterogen di Kota
Makassar berbasis Sistem Informasi geografis.
1.4 Batasan Penelitian
Untuk menghindari pembahasan yang meluas dari rumusan masalah maka penulis memberikan batasan masalah. Adapun batasan masalahnya meliputi :
1. Kebisingan yang akan dianalisis berasal dari lalu lintas kendaraan heterogen pada ruas jalan heterogen di Kota Makassar.
2. Kendaraan yang disurvei adalah sepeda motor (Motorcycle), kendaraan ringan (Light Vehicle) dan kendaraan berat (Heavy Vehicle).
3. Pengambilan data dilakukan selama sehari dengan waktu pengukuran di lapangan selama 10 menit per jam selama 12 jam dan 15 jam dari pukul 06.00-18.00 wita dan 06.00-21.00 wita.
4. Prediksi tingkat kebisingan berbasis Sistem Informasi Geografis menggunakan Model Prediksi RLS 90.
1.5 Manfaat Penelitian
Manfaat yang didapat dari penelitian ini, diantaranya adalah :
I-5 2. Sebagai informasi kepada Pemerintah dan masyarakat tentang tingkat kebisingan yang ada. Sehingga Pemerintah dan masyarakat dapat bekerja sama dalam melakukan pengendalian kebisingan.
1.6 Sistematika Penulisan
Untuk memberikan gambaran mengenai keseluruhan isi penulisan tugas akhir ini, maka susunan bab yang merupakan pokok uraian masalah penelitian disusun secara sistematika dalam 5 (lima) bab, yaitu:
BAB I PENDAHULUAN
Bab ini berisikan penjelasan mengenai latar belakang, rumusan masalah, tujuan penelitian, batasan masalah, manfaat penelitian dan sistematika penulisan.
BAB II TINJAUAN PUSTAKA
Menguraikan teori-teori yang mendukung pencapaian tujuan penelitian dan teori yang mendukung penemuan jawaban dari rumusan masalah.
BAB III METODOLOGI PENELITIAN
Menguraikan secara rinci tentang kondisi dan waktu penelitian, variasi, alat ukur, teknik analisis, karangka pikir dan data-data yang mendukung.
BAB IV HASIL DAN PEMBAHASAN
Menguraikan hasil dan pembahasan dari penelitian yang terdiri dari pembahasan tingkat kebisingan dan prediksi kebisingan.
BAB V PENUTUP
Dalam bab ini berisi hasil data analisis yang telah dilakukan pada bab sebelumnya yang merupakan kesimpulan dari hasil analisis data yang telah dilakukan. Selain itu
I-6 pula terdapat saran atau rekomendasi yang akan diberikan kepada pihak yang terkait sehubungan dengan isi dari tugas akhir ini.
V-1 BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil perhitungan dan analisis, maka diperoleh kesimpulan sebagai berikut:
1. Model kebisingan prediksi RLS 90 dengan menggunakan Quantum Gis tanpa memperhitungkan suara klakson menghasilkan nilai tingkat kebisingan rata-rata sebesar 77.8 dB dengan korelasi pearson dan RMSE sebesar 0.74 dan 2.01. Model tersebut belum cukup valid untuk digunakan dengan nilai korelasi pearson dan RMSE yang dihasilkan sehingga perlu ditambahkan suara klakson dalam perhitungannya. Model kebisingan prediksi RLS 90 dengan memperhitungkan suara klakson menghasilkan nilai tingkat kebisingan rata-rata sebesar 79.1 dB dengan korelasi pearson dan RMSE sebesar 0.8 dan 1.28, oleh Karena itu. Prediksi kebisingan menggunakan sistem informasi geografis (GIS) dengan model prediksi RLS 90 dikatakan cukup baik untuk memprediksi kebisingan.
2. Berdasarkan Batasan teknis pada Pedoman Perhitungan Kapasitas Lingkungan Jalan Kementrian Pekerjaan Umum No. 13 Tahun 2003, nilai LAeq day yang dihasilkan dari pengukuran ataupun model prediksi GIS model RLS 90 telah melewati batasan yang dipersyaratkan.
V-2 5.2 Saran
Setelah melalui seluruh tahapan penelitian, terdapat beberapa saran untuk peneliti selanjutnya, yaitu:
1. Untuk Prediksi tingkat kebisingan dengan menggunakan Sistem Informasi Geografiis (GIS) selanjutnya diutamakan penguasaan
Software dan pemahaman tentang model prediksi yang akan
digunakan.
V-1 DAFTAR PUSTAKA
Alimuddin, Hardianti. 2016. Analisis Tingkat Kebisingan Simpang Empat
Bersinyal Di Jalan Cendrawasih Makassar. Makassar : Universitas
Hasanuddin.
Arlan, Mirani. 2011. Pengaruh Volume Kendaraan Terhadap Kebisingan Dan
Pemetaan Kebisingan Menggunakan Perangkat Lunak Arcview Dikelurahan Pondok Cina, Depok, Akibat Kegiatan Transportasi Di Jalan Margonda Raya. Depok : Universitas Indonesia.
Badan Litbang PU Departemen Pekerjaan Umum. Jakarta : Republik Indonesia. Badan Pusat Statistik Provinsi Sulawesi Selatan. 2016. Sulawesi Selatan Dalam
Angka 2015. Makassar : Badan Pusat Statistik.
Badan Pusat Statistik Provinsi Sulawesi Selatan. 2015. Sulawesi Selatan Dalam
Angka 2014. Makassar : Badan Pusat Statistik.
Badan Pusat Statistik Indonesia. 2015. Indonesia Dalam Angka 2014. Jakarta : Badan Pusat Statistik.
Badan Pusat Statistik. 2015. Jumlah Kendaraan Bermotor. [Online] (https://data.go.id/dataset/jumlah-kendaraan-bermotor-unit) Diakses pada tanggal 23 Agustus 2017.
Buchari. 2007. Kebisingan Industri dan Hearing Conservation Program. Medan : Universitas Sumatera Utara.
Departemen Pekerjaan Umum Direktorat Jenderal Bina Marga. 1997. Tata Cara
Perencanaan Geometrik Jalan Antar Kota. Jakarta.
Departemen Pekerjaan Umum Nomor 13 tahun 2003 tentang Pedoman Perhitungan Kapasitas Lingkungan Jalan.
Fadillah, Tenri. 2016. Analisis Tingkat Kebisingan Simpang Empat Bersinyal Jalan
Veteran Utara Makassar. Makassar : Universitas Hasanuddin.
Hustim, Muralia., dkk. 2012. Analisis Kebisingan Lalu Lintas Pada Ruas Jalan di
Kota Makassar. Makassar : Universitas Hasanuddin.
Kementerian Lingkungan Hidup Republik Indonesia. Keputusan Menteri Lingkungan Hidup Nomor 48 Tahun 1996 Tentang Baku Mutu Tingkat Kebisingan, 1996.
Mahmud, Ariyanty. 2017. Model Prediksi Kebisingan Lalu Lintas Heterogen
Berbasis Model ASJ-RTN 2008 Untuk Lingkungan Jalan Utama Komersial. Makassar :Universitas Hasanuddin.
V-2 Nababan, D.Sriastuti. 2014. Model Prediksi Lalu Lintas Heterogen Yang
Mempertimbangkan Suara Klakson Kendaraan . Makassar : Universitas
Hasanuddin.
Peraturan Pemerintah No. 43 Tahun 1993 tentang Prasarana dan Lalu Lintas Jalan. Peraturan Pemerintah No. 38 Tahun 2004 tentang Jalan.
Peraturan Pemerintah No. 34 Tahun 2006 tentang Jalan.
Warpani, Suwardjoko. 2002. Pengelolaan lalu lintas dan Angkutan jalan. Bandung : Penerbit ITB.
Undang-Undang Republik Indoneia No.22 Tahun 2009 tentang Pengertian Lalu Lintas.
