Pengembangan Aplikasi Bergerak untuk Men

Pengembangan Aplikasi Bergerak untuk Mendeteksi

Tingkat Kemacetan Lalu Lintas dan Cuaca

Memanfaatkan Google Maps API, OpenWeatherMap

API, dan GPS

Taufiq El Rahman1, I Wayan Mustika2, Selo3

Laboratorium Sistem Elektronis, Jurusan Teknik Elektro dan Teknologi Informasi Universitas Gadjah Mada, Yogyakarta

Jl. Grafika 2, Kampus UGM, Yogyakarta 55281

Email : taufiqelrahman65@gmail.com, {wmustika, selo}@ugm.ac.id

Abstract— Traffic jams are increasing year by year and smaller cities started to get contaminated on their busy hours, especially in Yogyakarta. Although there are a few apps that can solve the problem, such as LewatMana, Waze, and Google Maps, but there were not enough data available yet for Yogyakarta city. This research intends to develop a mobile app that can provide the traffic data of Yogyakarta. The proposed app is designed to show the list of jam-potential traffics only. Therefore, users that are not accustomed to advance map-browsing can retrieve the information easily. Moreover, this app will be equipped with weather notification feature which is also an important aspect in providing the information to users. Using the resources provided, this app will be able to get the information of the traffic, the weather, and able to show the results on the map. An algorithm is developed to decide whether a traffic is considered a jam or not. The data used are the number of vehicles and their average speed. This research is focused on helping users to get through their daily traffic jams at Yogyakarta which has not been delivered by the previous mobile applications.

Intisari— Jumlah kemacetan semakin meningkat dari tahun ke tahun dan sudah merambat ke kota-kota kecil pada jam sibuknya, khususnya di Yogyakarta. Memang sudah banyak diciptakan aplikasi kemacetan lalu lintas, seperti LewatMana, Waze, dan Google Maps. Namun, data kemacetan lalu lintas di Yogyakarta belum tersedia. Penelitian ini bermaksud untuk mengembangkan sebuah aplikasi bergerak yang dapat memberikan data lalu lintas di Yogyakarta. Aplikasi ini akan didesain dengan menampilkan daftar lokasi yang tergolong padat saja, sehingga dapat memudahkan pengguna yang buta peta dalam mencari informasi yang diinginkan saja. Selain itu, aplikasi ini akan diberikan fitur notifikasi keadaan cuaca dimana hal ini juga merupakan aspek yang penting dalam berlalu lintas. Dengan memanfaatkan sumber yang ada, aplikasi ini dapat mengambil informasi pengguna lalu lintas, cuaca, dan penyajiannya pada peta. Sebuah algoritma akan dikembangkan untuk dapat mengkategorikan lalu lintas bagian mana yang dapat diasumsikan mengalami kemacetan dan yang tergolong lancar.

Kata Kunci— deteksi kemacetan, cuaca, Google Maps API, GPS,

I. PENDAHULUAN

Jumlah kendaraan di Indonesia dari tahun ke tahun, semakin meningkat. Menurut catatan BPS, pada akhir tahun 2011 jumlah kendaraan di Indonesia telah mencapai 85,601,351 yang meliputi (mobil penumpang 9,548,866, bis 2,254,406, truk 4,958,738, dan motor 68,839,341) [1]. Sedangkan, pada akhir tahun 2012 jumlah kendaraan di Indonesia telah mencapai 94,373,324 yang meliputi (mobil penumpang 10,432,259, bis 2,273,821, truk 5,286,061, dan motor 76,381,183) [1]. Dari data di atas dapat disimpulkan bahwa angka jumlah kendaraan terus meningkat dan tren ini akan terus meningkat pada tahun-tahun yang akan datang.

Kemacetan sudah merambat ke kota-kota kecil pada jam sibuknya khususnya di Yogyakarta. Memang sudah banyak diciptakan aplikasi kemacetan lalu lintas, seperti LewatMana, Waze, dan Google Maps. Namun, data kemacetan lalu lintas di Yogyakarta belum tersedia (Gbr. 1). Salah satu fitur yang penting dalam berlalu lintas adalah keadaan cuaca pada lalu lintas tersebut dimana dalam ketiga aplikasi yang telah disebutkan sebelumnya belum terdapat fitur cuaca yang konsisten sumber datanya.

Diharapkan dengan adanya aplikasi piranti bergerak ini, pengguna lalu lintas di Yogyakarta dapat mengetahui kondisi tingkat kemacetan dan cuaca yang terjadi di lalu lintas yang

ISSN xxxx - xxxx

yang rawan mengalami kemacetan, sehingga pengguna yang buta akan peta tidak mengalami kebingungan dalam menavigasikannya.

II. TINJAUAN PUSTAKA

A. Tinjauan Pustaka

Terdapat aplikasi kemacetan dari China yang bernama Cennavi Traffic Eyes (http://www.cennavi.com.cn/) [2]. Distribusi data dilakukan melalui sinyal yang dikirim melalui gelombang pembawa FM. Namun, dalam mendapatkan datanya, aplikasi ini membutuhkan instalasi khusus pada kumparan induksi pada ground, stasiun radio, GPS pada taxi, atau secara manual. Sehingga untuk sementara, lokasi yang dapat mendukung aplikasi ini hanya di Beijing dan Shanghai.

Google merilis aplikasinya yang bernama Google Maps (http://maps.google.com/) [3]. Namun data lalu lintas yang tersedia hanya menyediakan bagi kota-kota besar saja, sedangkan Yogyakarta belum tersedia datanya. Terdapat aplikasi lokal buatan Indonesia yang bernama LewatMana (http://lewatmana.com/) yang mengandalkan CCTV dalam menyediakan data lalu lintas [4]. Walaupun dengan adanya CCTV maka koneksi yang dibutuhkan semakin berat, informasi dapat tersampaikan lebih jelas dengan adanya visualisasi dari kondisi kemacetan. Akan tetapi cakupan wilayah yang tersedia hanyalah jabodetabek. Terdapat aplikasi jejaring sosial yang berbasiskan lalu lintas buatan Israel yang bernama Waze [5]. Pengguna dapat menyampaikan informasi lalu lintas yang terjadi di sekitarnya. Sehingga cakupan wilayah yang terjangkau lebih luas daripada ketiga aplikasi yang telah dibahas sebelumnya; beberapa lokasi di Yogyakarta pun dapat dijangkau. Akan tetapi, ini masih terdapat ketergantungan informasi pada inisiatif pengguna yang tidak konsisten ini. Dari ketiga aplikasi di atas dapat dilihat bahwa, dalam menampilkan informasi tingkat kemacetan, mereka merepresentasikannya dengan warna.

Keadaan cuaca merupakan aspek yang penting dalam berlalu lintas, khususnya pengguna kendaraan roda dua. Dari keempat aplikasi yang disebutkan di atas, hanya dua diantaranya yang dapat menyajikan informasi ini kepada pengguna dan informasi tersebut tidak dapat tersedia secara konsisten karena ketergantungannya pada inisiatif pengguna. Menanggapi hal itu, OpenWeatherMap menyediakan pelayanan akses data keadaan cuaca yang dapat diakses setiap saat.

Mengenai pengambilan data melalui perangkat GPS pada piranti bergerak pengendara dapat dilihat dari penelitian Benny Hardjono, Adi Nurhadiyatna, Petrus Mursanto and Wisnu

Jatmiko (2012) yang berjudul ” Development of Traffic sensor system with Virtual Detection Zone” [6]. Dikatakan bahwa pemanfaatan perangkat GPS dapat menghasilkan hasil yang lebih akurat, dengan hanya memperoleh error rate sebesar 0.1-3% dalam menghitung jumlah kendaraan pada jalan raya. Dalam penelitian Quang Tran Minh dan Eiji Kamioka yang

berjudul ”Granular Quantifying Traffic States Using Mobile Probes”, dikatakan bahwa keadaan suatu lalu lintas ditentukan oleh 2 faktor signifikan, yaitu: 1) kecepatan rata-rata kendaraan, dan 2) jumlah kendaraan yang ikut serta (densitas alur lalu lintas) [7].

B. Landasan Teori

Dapat dilihat pada Gbr. 2 bahwa aplikasi pada penelitian ini terdiri dari dua buah program dan satu basis data.

1) Client, Server, dan Basis data: Client merupakan program yang berada pada piranti bergerak dengan sistem operasi berbasis Android yang akan digunakan secara langsung oleh pengendara lalu lintas. Server merupakan program yang berada pada personal computer yang berguna untuk melayani koneksi semua client yang akan membutuhkan akses. Server juga menjembatani antara client dan basis data yang digunakan dalam aplikasi ini. Dalam bahasa pemrograman Java, dibutuhkan instalasi socket untuk mengizinkan komunikasi antara dua program tersebut menggunakan TCP (Transmission Control Protocol) [8]. Basis data pada aplikasi ini menggunakan bahasa MySQL yang dioperasikan menggunakan fitur phpMyAdmin dari Xampp [9]. Ini berfungsi untuk menyimpan semua data aktivitas dari client.

2) Global Positioning System: Aplikasi yang dikembangkan pada penelitian ini akan memanfaatkan fitur GPS pada piranti bergerak yang pengguna gunakan. Dalam pengoperasiannya akan diatur menggunakan Google Maps API.

3) Google Maps API: Google Maps menyediakan fitur peta jalanan dan perencanaan rute atau trayek dengan opsi perjalanan untuk pejalan kaki, mobil pribadi, sepeda, dan kendaraan umum [3]. Aplikasi ini juga menyediakan lokasi dari tempat-tempat yang terkenal dan data aktivitas GPS pengendara seperti kecepatan dan lokasinya. Dimana fitur Google Maps API yang digunakan dalam penelitian ini adalah Location API, map objects, dan polylines.

4) OpenWeatherMap API: Ini adalah sebuah pelayanan yang menyediakan data mengenai kondisi cuaca sekarang, perkiraan cuaca, dan data historis cuaca kepada pengembang aplikasi berbasis web dan aplikasi bergerak. Data yang diperoleh dari OpenWeatherMap berupa informasi mengenai lokasi, cuaca, deskripsi cuaca, ikon, humidity, tekanan angin, suhu udara, kecepatan angin, arah angin, dan awan yang tersimpan dalam format JSON [10].

III. METODOLOGI PENELITIAN

lalu lintas. Dengan memanfaatkan fitur GPS pada piranti bergerak, aplikasi yang dikembangkan ini dapat mengetahui letak dan aktivitas pengendara lalu lintas.

Penelitian ini diawali dengan menyiapkan environment dan ruang kerja yang digunakan, sekaligus instalasi sistem basis data. Tahap berikutnya adalah pematangan konsep supaya tahap selanjutnya lebih terarah dan efisien. Pada tahap ini, dipikirkan output apa saja yang dibutuhkan agar menjadi aplikasi yang sesuai harapan. Kemudian dipikirkan input apa saja yang diperlukan dalam proses pengembangan aplikasi ini.

Setelah itu, maka langkah selanjutnya adalah untuk mempelajari library apa saja yang dibutuhkan dalam membangun aplikasi ini dan aplikasi yang sejenis. Library yang digunakan adalah dari Google dan Android. Semua kelas dan fungsi yang dibutuhkan dikumpulkan untuk dipelajari dan diimplementasikan. Selanjutnya, dibangun sistem basis data yang selanjutnya dapat diakses oleh sisi server. Pada sistem basis data ini akan dibangun dua buah tabel dan satu buah view (Gbr. 3). Tabel pertama adalah tabel bernama location yang berisikan daftar nama lalu lintas. Tabel kedua adalah tabel bernama rawdata yang berisikan data yang didapat dari GPS. Tabel ini terhubung dengan tabel location dengan kolom locationID sebagai foreign key. View yang dibangun pada sistem basis data ini bernama grouppeddata yang didapat dari menggabungkan kedua tabel sebelumnya dengan ketentuan grouped by pada kolom “nama”. Untuk kolom total dan avespeed merupakan hasil komputasi dari total jumlah kendaraan dan kecepatan rata-rata.

Tahapan selanjutnya adalah pengembangan perangkat lunak sisi client pada telepon cerdas Android. Kemudian dilanjutkan dengan pengembangan perangkat lunak pada sisi server pada personal computer. Tahap selanjutnya adalah melakukan beberapa pengujian, yakni pengiriman data GPS dari beberapa lokasi dan pengaksesan data kemacetan lalu lintas di beberapa lokasi. Tahap terakhir dalam penelitian ini adalah penulisan laporan hasil analisa terhadap perangkat lunak yang dikembangkan dan beberapa revisi yang dianggap penting. Ini didokumentasikan agar dapat dikembangkan pada penelitian selanjutnya yang sejenis.

IV. HASIL DAN PEMBAHASAN

A. Kebutuhan Sistem

Kebutuhan sistem pada penelitian ini dapat terlihat pada Gbr. 4. Pada diagram use case tersebut terdapat tiga aktor yaitu client, server, dan basis data. Client yang merupakan pengguna

mengambil data lalu lintas dari basis data dan kemudian mengirimkannya balik ke client.

B. Perancangan

Perancangan dari aplikasi ini dapat dilihat pada flowchart pada Gbr. 5.

Gbr. 3. Relational diagram dari tabel dan view pada basis data.

Gbr. 4. Diagram use case pada kebutuhan sistem aplikasi.

ISSN xxxx - xxxx

Eclipse IDE yang dilengkapi dengan ADT (Android Developer Tools) plugin. Oleh karena aplikasi yang dikembangkan pada penelitian ini berbasis pada fungsionalitasnya peta dan GPS, peneliti menggunakan Google Maps API.

Aplikasi yang dikembangkan pada penelitian ini mengangkat konsep client-server dimana terdapat dua sisi yang saling berkomunikasi, yakni sisi client dan sisi server. Untuk sisi server, dibuat sebuah aplikasi Java berbasis desktop. Pada aplikasi ini, dilakukan inisiasi kelas serversocket dengan parameter nomor port yang akan digunakan. Kemudian, server menunggu client untuk menghubungi dan mengirimkan request dengan menginvokasi metode accept(). Untuk sisi client, dibuat sebuah aplikasi berbasis Android. Pada aplikasi ini, dilakukan inisiasi kelas socket dengan mencantumkan hostname dan port number dari server.

2) Pengiriman Data GPS Piranti Bergerak: Untuk sebuah aplikasi berbasis crowd-sourcing dapat berjalan dengan baik, maka dibutuhkan data yang lengkap (semakin lengkap semakin presisi). Proses ini dapat berlangsung dalam tiga langkah, yakni perolehan, pengiriman, dan penyimpanan data GPS (Gbr. 6). Proses pengambilan data GPS dapat berlangsung dengan menginisiasi kelas LocationManager terlebih dahulu. Selanjutnya, digunakan metode getLastKnownLocation() dengan parameter GPS_PROVIDER sebagai parameternya yang berarti sumber akan diambil dari GPS piranti bergerak.

Untuk data latitude, digunakan metode getLatitude(). Untuk data longitude, digunakan metode getLongitude(). Untuk data kecepatan, digunakan metode getSpeed() dengan satuan meter per second. Karena dalam aplikasi ini digunakan satuan kilometer per hour, maka data harus dikalikan dengan 3.6 terlebih dahulu. Untuk data waktu, digunakan metode getTime(). Data-data yang diperoleh berikut merupakan data berbentuk double. Supaya penyimpan pada basis data di langkah selanjutnya dapat berjalan dengan halus, maka dibutuhkan untuk dibuat sebuah ID pada tiap set data yang akan dikirimkan. ID ini dibentuk dari gabungan antara latitude, longitude, dan waktu. ID berikut kemudian disimpan pada memory piranti bergerak sebagai ID lama atau ID sebelumnya agar dapat diakses lagi pada pengiriman data GPS selanjutnya. Hal ini bertujuan supaya pada data pengiriman selanjutnya, ID lama ini juga dapat ikut dikirimkan ke basis data untuk menghapus data lama yang sebelumnya dikirim supaya tidak terjadinya data yang redundan.

Proses penyimpanan pada memory piranti bergerak adalah dengan mengakses memory dengan memanggil metode getPreferences() dengan parameter MODE_WORLD_WRITEABLE supaya dapat ditulis oleh pengguna. Setelah itu, metode edit() dipanggil untuk melakukan perubahan pada memory tersebut.

Setelah data aktivitas GPS telah didapatkan, langkah selanjutnya dalah untuk mengirimkannya kepada server. Proses pengiriman ini digunakan OutputStream yang telah disebutkan sebelumnya. Data yang diperoleh tadi diubah kedalam bentuk string terlebih dahulu, kemudian di kirimkan ke server melalui

OutputStream. Sehingga setelah terkirimnya data tersebut, maka server mendapat notifikasi bahwa terdapat kiriman data pada InputStreamnya. Data yang diterima tersebut kemudian disimpan pada variabel.

Langkah terakhir dari crowd-sourcing ini adalah untuk menyimpan data yang didapat dari crowd tadi kedalam sistem basis data. Program di sisi server ini bertanggungjawab dalam menyimpan data baru, menghapus data lama, melakukan update pada locationID dan view. Data GPS yang diterima dari client merupakan data baru yang akan disimpan pada basis data. Sedangkan data lama merupakan data dengan ID yang sama dengan ID lama yang ikut dikirimkan dari client. ID lama yang ikut dikirimkan ini merupakan ID yang tersimpan pada memory piranti bergerak. Namun, jika tidak ada ID yang tersimpan, maka dapat dibilang bahwa pengguna belum pernah melakukan pengiriman sebelumnya, jadi tidak terdapat data lama.

Setelah data lama dihapuskan, dilakukan update pada tabel ra wdata di kolom locationID. Update ini bermaksud untuk mengalokasikan ID dari lokasi yang sesuai dengan latitude dan longitude dari data tersebut. Proses asosiasi antara latitude dan longitude dengan ID yang sesuai dilakukan dengan suatu algoritma pengelompokan berdasarkan area lokasi. Dapat dilihat pada Gbr. 7 dan Gbr. 8, bahwa pada tiap persimpangan terbagi menjadi 4 area yakni bagian pertama (warna merah), kedua (warna hijau), ketiga (warna biru), dan keempat (warna kuning).

Langkah terakhir adalah untuk melakukan update pada view. Update ini bermaksud untuk memasukkan data yang baru ke dalam kelompoknya dalam view ini. Dalam view ini, dilakukan sebuah komputasi yang menjumlahkan total kendaraan dan kecepatan rata-rata di lokasi tersebut. Sintaks yang digunakan adalah COUNT(rawdata.id) untuk menjumlahkan total kendaraan dan AVG(rawdata.speed) untuk mengkomputasikan kecepatan rata-rata kendaraan. Dengan dieksekusinya komputasi ini, tiap bagian dari persimpangan yang diperlukan dapat diketahui jumlah kendaraan yang ada dan kecepatan rata-ratanya saat itu.

Gbr. 6. Diagram deployment dari tahap pengiriman data GPS piranti bergerak; 1. Perolehan data GPS. 2. Pengiriman data GPS. 3. Penyimpanan data GPS.

Gbr. 7. Pengelompokan pada persimpangan berbentuk X.

3) Pengambilan Data GPS Piranti Bergerak: Proses ini dapat berlangsung dalam tiga langkah, yakni pengiriman dan pelayanan request dan penampilan pada peta (Gbr. 9). Proses ini berawal dari pengiriman request kepada bagian server. Aplikasi sisi client menampilkan daftar lokasi lalu lintas yang rawan mengalami kemacetan yang kemudian dapat dipilih oleh pengguna. Pilihan ini dianggap sebagai request dan kemudian dikirimkan ke server melalui OutputStream. Pilihan pengguna tetap disimpan pada sisi client untuk digunakan pada waktu penampilan peta pada aplikasi. Sisi server menerima request melalui InputStream-nya dan kemudian disimpan pada variabel. Server akan mengeksekusi query MySQL yang sesuai dengan pilihan dari client tersebut pada basis data. Hasil dari query tersebut berupa data lalu lintas yang dibutuhkan oleh sisi client dalam menampilkan peta. Kemudian hasil ini dikirimkan balik ke client untuk diproses selanjutnya dengan algoritma tertentu. Algoritma ini dibangun dengan memanfaatkan sintaks persyaratan IF ELSE dari flowchart pada Gbr. 10 yang membutuhkan masukan berupa jumlah total kendaraan dan kecepatan rata-rata kendaraan.

Gbr. 10. Flowchart algoritma penentuan tingkat kemacetan.

Pada tahap pertama akan difilter berdasarkan variabel jumlah total kendaraan. Jika total kendaraan tersebut lebih kecil atau sama dari batas kemacetan yang telah ditentukan sebagai contoh, yakni 4, maka lalu lintas ini dikatakan lancar. Akan tetapi, jika lebih besar dari 4, maka akan dilanjutkan ke tahap kedua. Pada tahap kedua, akan difilter berdasarkan variabel kecepatan rata-rata- kendaraan. Terdapat dua batas kecepataan pada filterisasi ini sebagai contoh, yakni batas bawah (20km/h) dan batas atas (50km/h). Jika nilai kecepatan rata-rata tersebut berada di atas batas atas, maka lalu lintas tersebut dikatakan lancar. Namun jika nilai kecepatan rata-rata tersebut berada di bawah batas bawah, maka lalu lintas tersebut dikatakan macet.

dan batas bawah yang berbeda, pengguna dapat mengubah nilainya pada pengaturan.

Pada tahap selanjutnya akan dilakukan proses pengambilan data cuaca dari OpenWeatherMap sesuai dengan pilihan pengguna akan lokasi yang dinginkan. Data cuaca ini kemudian disimpan variabel yang dapat dimanfaatkan pada langkah selanjutnya. Langkah terakhir adalah proses penampilan hasil dari algoritma tadi beserta kondisi cuacanya pada peta supaya informasi dapat tersampaikan pada pengguna. Tersimpan data mengenai latitude dan longitude masing-masing lokasi yang ditawarkan. Data tersebut kemudian digunakan untuk membuat garis indikator kemacetan pada peta, dan data ini juga digunakan untuk menentukan letak fokus peta yang digunakan. Pilihan pengguna yang sebelumnya masih tersimpan digunakan untuk menentukan lokasi yang ditampilkan. Data hasil algoritma dalam langkah sebelumnya digunakan dalam pembentukan garis indikator kemacetan. Jika hasil tersebut adalah macet, maka garis akan berwarna merah. Jika hasil tersebut adalah sedang atau cukup lancar, maka garis akan berwarna kuning. Jika hasil tersebut adalah lancar, maka garis akan berwarna hijau. Peta dan fitur garis pada peta yang menunjukkan tingkat kemacetan suatu lalu lintas merupakan salah satu fitur yang disediakan oleh Google Maps API.

Pada peta ini juga ditampilkan teks yang menunjukkan status lalu lintas ini dalam bentuk kata-kata agar pengguna dapat lebih mudah dalam mengidentifikasi status. Tahap pemrosesan informasi tingkat kemacetan ini diatur supaya dapat dilakukan berulang tiap 15 detik secara otomatis. Jadi tiap jeda waktu 15 detik, aplikasi ini akan mengambil data lalu lintas dari sistem basis data dan diolah supaya dihasilkan garis indikator kemacetan lagi. Waktu jeda penyegaran data kemacetan ditetapkan 15 detik dengan asumsi kondisi lalu lintas tidak akan berubah secara signifikan dalam jangka waktu di bawah 15 detik. Jika hasil yang terbaru tersebut memiliki kondisi yang lebih macet daripada hasil sebelumnya, aplikasi ini diatur untuk dapat memberikan pesan genting pada pengguna dengan membunyikan suara dan menampilkan pesan pada layar.

D. Pengujian dan Analisis Hasil Pengembangan Perangkat Lunak

1) Pengiriman Data GPS dari Beberapa Lokasi: Ini Pengujian ini dilakukan dengan mengirimkan data GPS pada perangkat lunak sisi client ke server dari tiga lokasi yang berbeda, yakni persimpangan Mirota Kampus (bergerak), depan Perpustakaan Pusat UGM (bergerak), dan rumah peneliti (diam). Terlihat pada Gbr. 11, pengujian pertama dilakukan di persimpangan Mirota Kampus, pengujian kedua dilakukan di depan Perpustakaan Pusat UGM, dan pengujian terakhir Gbr. 9. Diagram deployment dari tahap pengambilan data GPS piranti

bergerak; 1. Pengiriman request. 2. Pelayanan request. 3. Penampilan pada peta.

ISSN xxxx - xxxx

kecepatan sebesar 21.2 km/h. Pada pengujian ketiga, didapat latitude sebesar -7.745644, longitude sebesar 110.410888, dan kecepatan sebesar 0.0 km/h. Dengan mencocokkan data mengenai latitude dan longitude dari lokasi di atas pada Google Maps, dapat disimpulkan bahwa pengambilan data aktivitas dari GPS dapat dikatakan cukup akurat. Dengan hasil pengujian di atas, terbukti bahwa fitur GPS pada piranti bergerak pengguna dapat dimanfaatkan untuk kepentingan aplikasi pada penelitian ini.

2) Pengaksesan Data Kemacetan Lalu Lintas di Beberapa Lokasi: Pada pengujian ini akan dilakukan pengaksesan data kemacetan lalu lintas di persimpangan Jl. Kaliurang dan Ring Road (Gbr. 12). Terlihat bahwa jalan di utara persimpangan tergolong lancar (hijau), jalan di timur persimpangan tergolong cukup lancar (kuning), jalan di selatan persimpangan tergolong macet (merah), dan jalan di barat persimpangan tergolong macet (merah).

Data dummy yang telah diolah dalam sistem basis data dapat dilihat, bahwa untuk jakalN (utara persimpangan) terdapat 2 kendaraan dengan kecepatan rata-rata sebesar 42.5 km/h. Pada algoritma, jika jumlah kendaraan kurang dari atau sama dengan 4, maka lalu lintas dikategorikan sebagai lancar dan berwarna hijau. Untuk data jakalE, jakalS, dan jakalW dapat dibaca seperti dengan ketentuan pada jakalN.

E. Rangkuman Kelebihan dan Keterbatasan

Dari analisis penelitian yang telah dilakukan, dapat ditarik beberapa kesimpulan mengenai kelebihan dan keterbatasan metode yang diajukan, kelebihannya yaitu:

 Pengguna dapat mengetahui tingkat kemacetan yang terjadi pada lalu lintas di Yogyakarta yang dimana belum terjangkau oleh aplikasi sebelumnya.

 Pengguna yang buta dengan peta dapat memilih lalu lintas hanya dengan membaca daftar yang telah disiapkan tanpa harus mencari lokasi dari peta secara manual.

 Ukuran file dari perangkat lunak tergolong cukup kecil yaitu sebesar 2 MB sehingga tidak memberatkan piranti bergerak yang low-end sekalipun. Jika akan dilakukan

penambahan basis data lokasi, hal ini tidak akan menyita tempat yang besar.

Sedangkan keterbatasan dari perangkat lunak ini adalah:  Daftar lalu lintas yang dapat ditampilkan masih terbatas

dan masih hanya untuk wilayah Yogyakarta.

 Penambahan daftar lalu lintas masih harus dilakukan secara pemrograman pada file-nya.

 Karena aplikasi ini berbasis crowd-sourcing dan jumlah pengguna aplikasi ini belum ada, maka data kemacetan yang dimiliki belum dapat digunakan dan masih berupa data dummy.

 Server belum disiapkan untuk melayani client dalam jumlah banyak.

V. KESIMPULAN

Berdasarkan penelitian yang telah dilakukan, didapatkan beberapa kesimpulan sebagai berikut:

1. Dengan nilai asumsi threshold sebesar 4, batas atas sebesar 50 km/h, dan batas bawah sebesar 20 km/h, algoritma dan konsep yang telah peneliti kembangkan pada penelitian ini dapat menentukan tingkat kemacetan pada lalu lintas.

2. Dengan dukungan Google Maps API, aplikasi ini dapat menampilkan hasil komputasi yang telah dikembangkan pada peta.

3. Dengan dukungan OpenWeatherMap API, aplikasi ini dapat mengintegrasikan informasi cuaca dengan aplikasi yang dikembangkan pada penelitian ini.

4. Fitur GPS pada piranti bergerak berhasil dimanfaatkan menggunakan location API untuk kepentingan pengambilan data lokasi dan kecepatan rata-rata kendaraan pengguna.

REFERENSI

[1] Badan Pusat Statistik, [Online]. Available: http://bps.go.id/. [Accessed 11 March 2014].

[2] Cennavi Traffic Eyes, "Common Problems," [Online]. Available: http://www.cennavi.com.cn/en/Product/msg.php. [Accessed 11 March 2014].

[3] Google, "Google Maps," [Online]. Available: http://maps.google.com/. [Accessed 1 August 2014].

[4] LewatMana, [Online]. Available: http://lewatmana.com/. [Accessed 1 August 2014].

[5] Waze, [Online]. Available: https://www.waze.com/. [Accessed 1 August 2014].

[6] Benny H., Adi N., Petrus M. and Wisnu J., "Development of Traffic sensor system with Virtual Detection Zone," Universitas Indonesia, Jakarta, 2012.

[7] Q. T. Minh and E. Kamioka, "Granular Quantifying Traffic States Using Mobile," Shibaura Institute of Technology, Tokyo, 2010. [8] Tutorial’s Point, "Java - Networking (Socket Programming),"

[Online]. Available:

http://www.tutorialspoint.com/java/java_networking.htm. [Accessed 12 June 2014].

[9] Phpmyadmin, "Bringing MySQL to the web," [Online]. Available: http://www.phpmyadmin.net/home_page/index.php. [Accessed 9 June 2014].

[10] OpenWeatherMap, [Online]. Available: http://openweathermap.org/. [Accessed 1 August 2014].