ABSTRAK Nama : Benny Hardjono NPM : 1106127090 Program Study : Doktor Ilmu Komputer Judul Disertasi : Modifikasi Model Kendaraan Lalu Lintas Makroskopi untuk Zona Deteksi Maya di Telepon Cerdas Ada beberapa cara untuk memonitor lalu lintas, memprediksinya, dan menolong orang untuk menavigasi, melewati atau menghindari kemacetan. Tetapi sebelum ini memungkinkan, seorang perlu data lalu lintas yang konkrit. Konkrit, disini berarti bukan hanya data lalu lintas mentah, tapi data yang cukup lengkap, agar dapat dimanfaatkan untuk pakerjaan analisa lalu lintas lanjutan, seperti untuk peramalan atau prediksi kondisi lalu lintas jangka pendek. Di Indonesia data lalu lintas kendaraan belum dikumpulkan dan diterapkan secara sistematis. Suatu cara yang menarik adalah memakai telepon cerdas yang ber-GPS sebagai sensor lalu lintas. Cara ini dapat menjadi komplemen cara nonintrusive yang sudah ada seperti Closed Circuit Television atau CCTV. Sensor-sensor nonintrusive menjadi menarik karena alat ini dapat mengumpulkan data lalu lintas yang konkrit dan menjadikan mereka lebih praktis serta relatif murah untuk diterapkan dari pada sensor intrusive seperti kumparan pendeteksi induktif. Kumparan pendeteksi induktif umumnya ditemukan di negara-negara maju dan karena harus dipendam di bawah permukaan jalan raya, alat ini menjadi mahal untuk diterapkan dan tidak praktis. Dalam penelitian ini, cara baru yang dirancang dan dinamakan oleh pengarang sebagai Zona Deteksi Maya di Telepon Cerdas atau Virtual Detection Zone atau VDZ, telah diusulkan, diuji dan telah dibuktikan dapat menyediakan data lalu lintas melalui aplikasi yang ditanamkan di dalam telepon cerdas yang ber-GPS, serta dibawa oleh para agen. Dalam studi awal, telah diusulkan untuk meningkatkan kenyamanan pribadi/privasi dalam beberapa langkah. Dari eksperimen-eksperimen awal yang kecil telah diusulkan metoda baru ini, dengan cara memeriksa koordinat GPS (Global Positioning System), atau koordinat garis bujur dan lintang, yang berlangsung saat kendaraan berjalan, dengan minimal tiga koordinat GPS periksa yang telah ditentukan sebelumnya, untuk memastikan tidak terjadinya fenomena ketidak-cocokan dengan peta (map mismatching). Titik-titik koordinat GPS yang telah ditentukan sebelumnya ini dikirim dari server (berfungsi untuk membuat zona/lingkaran maya, dengan jari-jari sebaiknya 50-185 m). Pertimbangan-pertimbangan tentang zona-zona yang sebaiknya tidak beririsan di dalam VDZ, algoritma penyaring untuk tidak menghiraukan agen yang telah berkompromi, serta penggunaan simulasi makro untuk mendukung peletakan VDZ di jalan raya pilihan, semuanya adalah bagian dari kerja awal. Di dalam eksperimen besar pertama, sistem VDZ dan kamera video telah digunakan sebagai sensor, dimana Twitter digunakan sebagai verifikator, untuk membuat prototipe dari Sistem Transportasi Cerdas yang terintegrasi. Telah ditemukan bahwa metode VDZ dapat memperoleh kecocokan dengan peta Google, dengan cara membandingkannya dengan titik-titik periksa yang telah ditentukan sebelumnya. Serta memberikan akurasi kecepatan yang berkisar pada 93.4 to 99.9% untuk kecepatan tinggi, serta menggunakan Speedometer kendaraan sebagai kebenaran baku/referensi. Lebih dari itu, sistem ini hanya memerlukan satu pasang koordinat GPS (bujur dan lintang), untuk membuat suatu zona peka deteksi. Juga telah menjadi pelajaran bahwa intrusive sensors, has produced data which is in agreement with previous traditional method. By adopting and modifying Cell Transmission Model or CTM, a variant Macro model, it has also been shown that simulated speeds generated by CTM can mimic real traffic data. Its Mean Absolute Percentage Error or MAPE performance of 8 to 43%, before toll Plaza, is within acceptable range of the previous method, which is generally accepted. The characteristics impact of CTM parameters’ change to predict speeds have also been explored. Simulated results through model modification and calibration of empirical data have been able to follow the real average speeds relatively closely, in morning (5 to 9 am) and afternoon (16 to 20 pm) time clusters, of typical week days in the months of March to May 2014. This means that the modified model together with calibration of the empirical data on the simulator can follow the real data obtained from the highway. Short term traffic condition prediction for the target road is also possible, as it can show reduction of traffic jams in certain location and certain time, when certain parameters like capacity and number of ramps are varied. Key words: Macroscopic model, traffic data, traffic model, imputation, aggregation, integrated Intelligent Transport System, Virtual Detection Zone, nonintrusive sensor, short term prediction of traffic conditions