Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKTingkat kemacetan jalan di kota besar cenderung meningkat dari tahun ke tahun.Kemacetan jalan tersebut menyebabkan model distribusi barang dengan satuDistribution Center (DC) untuk melayani semua titik pengiriman dalam satu kota besarbelum tentu menjamin ketersediaan barang. Fluktuasi permintaan dan batasan waktupenerimaan di titik pengiriman menjadi hal yang harus diperhitungkan dalammenentukan kombinasi rute yang paling efisien. Penambahan sub-DC untuk melayanibeberapa titik pengiriman bisa merupakan satu solusi agar tidak terjadi stock out. Hanyasaja penambahan sub-DC cenderung akan menambah total biaya operasional, baik biayapengiriman maupun biaya penyimpanan barang. Untuk itu perlu optimasi penentuantambahan sub-DC yang mempunyai biaya paling efisien, termasuk meneliti sejauh manaperkembangan kondisi kemacetan akan membuat pilihan tambahan sub-DC tepat atautidak. Model CVRPTW (Capacitated Vehicle Routing Problem with Time Window)dijalankan menggunakan VRP Speadsheet Solver. Kasus nyata pengiriman barang diJakarta digunakan sebagai benchmark dan mengetes validitas model yang dibuat. Darihasil eksperimen, selain didapat rute optimal hasil perhitungan, penambahan sub-DCtetap menambah biaya operasional total, namun bisa dipilih lokasi sub-DC yangmemberikan tambahan paling kecil dibanding lokasi yang lain. Namun dalam jangkapanjang, dengan kondisi kemacetan ekstrim, penambahan sub-DC ternyata memberikanbiaya total yang lebih efisien dibandingkan bila hanya ada satu DC untuk melayanisemua titik pengiriman barang.

---

ABSTRACTThe level of traffic congestion in big cities tends to increase from year to year. Trafficcongestion causes the distribution of goods model with one Distribution Center (DC) toserve all delivery points in one big city not necessarily guarantee the availability ofgoods. The demand fluctuations and acceptance time limits at the point of delivery arethe things that must be taken into account in determining the most efficient routecombinations. The addition of sub-DC to serve multiple points of delivery can be onesolution to avoid stock out. It is just that the addition of sub-DC tends to increase thetotal operations cost, both shipping and storage costs. Therefore, it is necessary tooptimize the determination of sub-DC additions which have the most efficient cost,including to examine the extent to which the development of congestion conditions willmake the sub-DC sub-appraisal correct or not. The CVRPTW (Capacitated VehicleRouting Problem with Time Window) model is run using VRP Spreadsheet Solver. Thereal case of delivery of goods in Jakarta is used as a benchmark and test the validity ofthe model created. From the experimental results, in addition to the optimal route ofcalculation results, the addition of sub-DC still adds the total operational cost but can beselected sub-DC location which gives the smallest addition compared to other locations.However, in the long term, with extreme traffic congestion conditions, sub-DCadditions turn out to provide a more efficient total cost than if there was only one DC toserve all points of delivery."

"Kemacetan Jakarta menjadi masalah yang cukup serius dan sampai sekarang tidak ada penyelesaian atas masalah tersebut. Kemacetan di Jakarta sudah menjadi hal yang lumrah terjadi, hampir di setiap jalan arteri besar di kota Jakarta terjadi kemacetan pada jam-jam sibuk. Berdasarkan Tomtom Traffic Index 2019, Jakarta mendapatkan peringkat ke-10 sebagai kota termacet di dunia, dengan nilai Traffic Index sebesar 53%. Tujuan dari penelitian ini adalah untuk mengetahui berapa besar Traffic Index diruas Jalan Arteri, dalam kasus kali ini, Jalan Jenderal Sudirman dipilih sebagai tempat penelitian. Analisis besaran Traffic Index sangat bergantung terhadap waktu tempuh. Waktu tempuh didapatkan dengan melakukan survey langsung di lapangan menggunakan kamera pribadi. Survey dilakukan pada siang hari dan sore hari. Dengan cara merekam lalu lintas kendaraan dari jembatan penyebrangan orang. Berdasarkan Tomtom, nilai Traffic Index Jakarta pada saat hari survey di siang hari sebesar 21% dan pada sore hari sebesar 51%, sedangkan nilai Traffic Index hasil survey pada siang hari sebesar 47,99% dengan waktu tempuh rata-rata sebesar 6 menit 23 detik, terdapat perbedaan sebesar 21%, sedangkan nilai Traffic Index hasil survey pada sore hari sebesar 58.34%, dengan waktu tempuh rata-rata sebesar 6 menit 50 detik, terdapat perbedaan sebesar 7,85%. Berdasarkan hasil tersebut dapat disimpulkan bahwa nilai Traffic Index siang hari dan nilai Traffic Index sore hari pada Jalan Jenderal Sudirman arah Bundaran HI – Senayan, termasuk dalam kategori macet. Dan untuk waktu kemacetan terparah, terjadi pada waktu sore hari.

---

Jakrta’s traffic congestion is a serious problem and until now there has been no solution over this matter. Traffic Congestion in Jakarta has become a common thing, almost every major arterial road in the city of Jakarta is jammed during rush hour. Based on the 2019 Tomtom Traffic Index, Jakarta is ranked 10th as the most congested city in the world, with a Traffic Index value of 53%. The purpose of this research is to find out how big the Traffic Index is in the Arterial Road section, in this case, Jalan Jenderal Sudirman was chosen as the research site. Analysis of the amount of the Traffic Index is very dependent on travel time. Travel time is obtained by conducting a direct survey in the field using a personal camera. The survey was conducted in the afternoon and evening. By recording vehicle traffic from pedestrian bridges. Based on Tomtom, the Jakarta Traffic Index value during the survey day in the afternoon was 21% and in the afternoon was 51%, while the Traffic Index value from the survey during the day was 47.99% with an average travel time of 6 minutes 23 seconds. , there is a difference of 21%, while the Traffic Index value of the survey results in the afternoon is 58.34%, with an average travel time of 6 minutes 50 seconds, there is a difference of 7.85%. Based on these results, it can be concluded that the value of the Traffic Index during the day and the value of the Traffic Index in the afternoon on Jalan Jenderal Sudirman in the direction of Bundaran HI – Senayan, are included in the traffic jam category. And for the worst traffic jam, it happened in the afternoon."

"Pusat-pusat keramaian yang dibentuk oleh aktivitas perkantoran, perdagangan, rumah sakit, dan pendidikan seringkali dianggap sebagai penyebab kemacetan. Sehubungan dengan itu, penelitian ini bertujuan untuk mengetahui pola keruangan kemacetan dan faktor penyebab kemacetan pada pusat-pusat keramaian di Jakarta Pusat. Variabel yang digunakan untuk menentukan kemacetan adalah tingkat pelayanan jalan yang dihitung pada pagi, siang, dan sore hari di setiap ruas jalan.Hasil penelitian menunjukkan adanya variasi keruangan tingkat kemacetan menurut tempat dan waktu. Pada pagi hari tingkat kemacetan tinggi terdapat pada perkantoran dan sekolah, sedangkan pada sore hari terdapat pada perkantoran dan rumah sakit. Adapun pada siang hari tingkat kemacetan mengalami penurunan. Tingkat kemacetan tertinggi pada siang hari terdapat pada perkantoran, sekolah, dan rumah sakit. Penyempitan ruas jalan yang diakibatkan oleh hambatan samping merupakan faktor penyebab kemacetan di pusat-pusat keramaian. Jenis dan besaran hambatan samping berubah-ubah dari waktu ke waktu sesuai dengan aktivitas pada setiap pusat keramaian

---

The presence crowd centers such as the offices, trade centers, hospitals, and school areas are often considered as primary causes of traffic congestion. In concern with the problem, this study aims to analyzing spatial pattern of traffic congestions and identify their causal factors in the city of Central Jakarta. To determine characteristics of the congestion, the study used level of service road as a main indicator.

The results shows, there are spatial variations of traffic congestion over place and time. In the morning, a high level of congestion was found in the offices and schools areas, while in the afternoon it happened in the offices and hospitals. In the mid-day, level of congestion is lower than in the morning and afternoon. However, the highest level of congestion in the mid-day was found in the offices, schools and hospitals areas. Narrowing of road due to side constraints incidences is a main causal factor of the congestion. The type and value of side constraints vary from time to time in accordance with dynamics each crowd centers."

"Penelitian ini menguji metode Deterministic Queuing dan metode Shock Wave untuk menganalisa kemacetan lalu lintas rutin akibat bottleneck pada ruas jalan dengan hambatan (non freeway) berdasarkan prinsip dinamika lalu lintas. Dinamika lalu lintas menggambarkan bahwa arus lalu lintas berubah secara konstan berdasarkan ruang dan waktu sebagai hasil interaksi antara pengemudi, kendaraan, dan jalan. Prinsip konservasi kendaraan akan digunakan dalam menganalisa mekanisme dinamik arus lalu lintas pada kondisi macet.Penelitian ini bertujuan untuk mendapatkan rekomendasi mengenai penggunaan metode yang tepat dalam menganalisa kemacetan lalu lintas rutin akibat bottleneck pada jalan dengan hambatan, shock wave method ataukah deterministic queuing method. Selain itu juga untuk mengetahui apakah hasil analisa dengan Shock Wave Method over estimate dibandingkan dengan hasil analisa dengan Deterministic Queuing Method, seperti halnya pada penelitian yang pernah dilakukan sebelumnya pada freeway.Lokasi bottleneck yang diambil adalah di Jalan Rasuna Said, Jakarta Selatan dan di Jalan Laksamana Yos Sudarso, Jakarta Utara. Survey lapangan dilakukan pada lokasi sebelum memasuki ruas bottleneck dan pada ruas bottleneck itu sendiri. Data primer hasil survey adalah waktu tempuh kendaraan dan volume lalu lintas. Kemudian data tersebut diolah untuk mendapatkan data hasil olahan untuk digunakan dalam analisa kemacetan dengan kedua metode tersebut.Perbandingan hasil penggunaan kedua metode tersebut dapat dilihat secara grafis maupun analitis. Secara grafis dihasilkan time-space diagram, Queuing Diagram, dan physical discharging rate diagram. Dimana masing-masing merupakan hasil superimposisi dari beberapa grafik. Sedangkan perbandingan secara analitis didapatkan dari membandingkan beberapa hasil estimasi dengan menngunakan kedua metode tersebut."

"Penelitian menggunakan metode analisis hirarki proses (AHP). Analisis dilakukan dengan menyusun hirarki pemilihan kebijakan mengatasi kemacetan di kota Bekasi dalam 5 level alternatif, yaitu tujuan, sasaran, kendala, aktor atau pelaku, dan alternatif kebijakan. Hasil penelitian menunjukkan bahwa dari seluruh alternatif pada setiap level yang ada, responden expert memilih sasaran utama adalah penataan ruang dan wilayah yang terencana dengan baik namun mendapat kendala pada kurangnya koordinasi antar instansi pemerintah. Pemerintah merupakan pelaku yang paling berperan untuk mengatasi kendala keterbatasan keuangan daerah dan kurangnya koordinasi antar instansi pemerintah. Sementara petugas lalu lintas adalah pelaku utama untuk mengatasi kendala pada lemahnya penegakan hukum. Kebijakan prioritas yang dipilih untuk mengatasi kemacetan di kota Bekasi adalah melakukan perbaikan manajemen lalu lintas dan shifting operasional angkutan kota, kemudian penegakan disiplin, penggantian moda transportasi massal, pemindahan terminal induk kota Bekasi, dan yang terakhir adalah perbaikan dan pembangunan ruas jalan lokal dan jalan tol.

---

Research using the method of Analytic Hierarchy Process (AHP). The analysis was done by constructing a hierarchy of policy choices to overcome congestion in the city of Bekasi in 5-level alternatives, which is goals, objectives, constraints, actor or actors, and policy alternatives. The results showed that based on the overall alternative of each level by the expert respondents chose the main target is the structuring of space and well-planned areas but have constraints on the lack of coordination among government agencies. The government is the perpetrator of the most instrumental to overcome the limitations of local financial constraints and lack of coordination among government agencies. While traffic officials are the main actors to overcome the constraints on weak law enforcement. Selected priority policies to tackle congestion in the city of Bekasi is traffic management improvements and shifting urban transportation operations, then the enforcement of discipline, the replacement of mass transportation, removal of terminal stem Bekasi city, and the latter is the improvement and construction of local roads and highways."

"Pertumbuhan jumlah penduduk dan kegiatan ekonomi Indonesia yang sangat pesat, telah berdampak langsung terhadap perkembangan kota-kotanya. Selain manfaat positif yang didapatkan, terjadi pula dampak negatif yaitu terjadinya proses perkembangan kota yang kurang baik, dari segi bentuk fisik maupun kelancaran lalu lintas sebagai sarana bagi berlangsungnya mobilitas dan kegiatan perikehidupan rnasyarakat. Hal ini terjadi sebagai akibat dari belum Iengkapnya peraturan, ketidakcukupan aparat dan kekurangan keahlian di bidang penataan bangunan dan lingkungan..Sejak perubahan status Depok menjadi Kotamadya Daerah Tingkat II yang dikukuhkan oleh Undang-Undang No.15 tahun 1999, maka perkembangan Kota Depok berlangsung sangat pesat bahkan diperkirakan akan Iebih pesat lagi pada masarnasa yang akan datang. Padahal sebelum Depok berstatus sebagai kota otonom pun, kota ini telah banyak mengalami pergeseran-pergeseran peruntukan maupun fungsi lahan, terutama di kawasan koridor Margonda sebagai pusat kota utamanya.Pergeseran dan perubahan fungsi lahan di kawasan Jalan Margonda Raya tersebut banyak dialami oleh bangunanbangunan rumah yang berubah fungsi menjadi kegiatan komersial berupa toko, restoran, apotik dan kegiatan perdagangan lainnya. Sedangkan areal-areal permukiman Baru yang berada di daerah belakang dari blok kavling sepanjang Jalan Margonda Raya ini semakin lama semakin banyak. Hal ini mengakibatkan menjamumya gerbang-gerbang dari masingmasing kawasan permukiman tersebut secara individual dan mengakibatkan ketidakjelasan karakter koridor Margonda sebagal kawasan pusat kota utama Kota Depok.Pola perkembangan dan perubahan kota Depok ini, tidak terlepas dari tekanan-tekanan akibat kedekatannya secara geografis dengan Kota Jakarta sebagal ibukota negara Indonesia dan pengembangan sistem megapolitan Jabodetabek. Sejalan dengan tekanan-tekanan perkembangan kota berikut perubahanperubahan yang mengikutinya tersebut, maka hal ini akan berpengaruh terhadap pola tata bangunan dan lingkungan di kawasan Jalan Margonda Raya. Apabila permasalahan tersebut dibiarkan tanpa antisipasi melalui suatu perangkat acuan atau pedoman tertentu, maka secara umum yang akan terjadi adalah pola perkembangan kota yang tidak terkendali dan lebih lanjut hal ini akan mengakibatkan terjadinya penurunan kualitas kota, baik secara fungsional, visual maupun lingkungan.Indikasi penurunan kualitas kota dapat dilihat pada pola aktivitas kegiatan yang semrawut , kemacetan lain lintas, buruknya kualitas visual lingkungan kota dan hilangnya kenyamanan bagi masyarakat untuk beraktivitas di kawasan tersebut. Untuk mengantisipasi munculnya permasalahan yang Iebih kompleks, maka perlu diadakan usaha-usaha untuk menanggulanginya.Kondisi tata ruang di kawasan Jalan Margonda Raya yang demikian itu masih pula diperparah dengan sistem transportasi dan infrastruktur jaian yang ada di Kota Depok, mengingat bahwa infrastruktur dan sistem tranportasi di kota Depok keberadaannya belum sebanding dengan tingkat kebutuhan di Depok sebagai kawasan penyangga Ibu kota Jakarta. Pergerakan masyarakat Kota Depok yang begitu dinamis dengan mobilitas yang tinggi belum ditunjang oleh infrastruktur yang memadai sehingga berbagai ancaman dan permasalahan lalu lintas tidak terhindarkan. Dan masalah kemacetan di Jalan Margonda Raya kini menjadi fenomena yang tak terelakkan dan menjadi masalah serius yang merugikan semua pihak balk secara ekonomis maupun sosial, terutama masyarakat pengguna jalan yang melintasi kawasan ini."

"Fokus pembahasan dalam penelitian ini adalah mengenai alasan mengapa implementasi kebijakan sistem ganjil-genap yang tidak berhasil dalam mengurangi kemacetan di DKI Jakarta tahun 2018 - 2019. Hal yang juga menjadi fokus pembahasan dalam penelitian ini yaitu mengenai adanya perubahan teknis kebijakan dan juga peran aktor terkait baik dari aktor pelaksana kebijakan maupun kelompok sasaran kebijakan. Dalam penelitian ini, penulis menggunakan teori model implementasi kebijakan dari Merilee S. Grindle dan menggunakan metode penelitian kualitatif untuk meneliti mengenai implementasi kebijakan sistem ganjil genap yang tidak mengurangi kemacetan di DKI Jakarta tahun 2018 – 2019. Faktor apa saja yang membuat dan berpengaruh terhadap implementasi kebijakan tersebut sehingga tidak berhasil mengurangi kemacetan di Ibukota. Hasil penelitian ini menemukan bahwa tingkat kepatuhan dan daya tanggap kelompok sasaran serta keterbatasan sumber daya yaitu pengawas dan alat pengawas menjadi hambatan juga tantangan dalam implementasi kebijakan sistem ganjil-genap di DKI Jakarta tahun 2018 – 2019 yang mempengaruhi ketidakberhasilan implementasi kebijakan sistem ganjil - genap untuk mengurangi tingkat kemacetan di DKI Jakarta

---

The focus of the discussion in this research is on the reasons why the implementation of the odd-even system policy is not successful in reducing congestion in DKI Jakarta in 2018 - 2019. What is also the focus of discussion in this research is the existence of technical changes in policies and also the role of related actors both from policy implementing actors and policy target groups. In this study, the author uses the theory of policy implementation model from Merilee S. Grindle and uses qualitative research methods to examine the implementation of the odd-even system policy that does not reduce congestion in DKI Jakarta in 2018 - 2019. What factors make and influence the implementation This policy has not succeeded in reducing congestion in the capital city. The results of this study found that the level of compliance and responsiveness of the target group as well as limited resources, namely supervisors and supervisory tools, became obstacles as well as challenges in implementing the odd-even system policy in DKI Jakarta in 2018 - 2019 which affected the unsuccessful implementation of the odd-even system policy to reduce congestion in DKI Jakarta."

"Penelitian ini merupakan evaluasi terhadap kebijakan penanggulangan kemacetan lalu lintas di DKI Jakarta Perkembangan kota-kota besar di negara berkembang tidak terlepas dari kemacetan lalu lintas dari tahun-ketahun semakin mengesalkan pengguna jalan raya terutama pengguna angkutan umum.Analisis kebijakan penanggulangan kemacetan lalu lintas di DKI Jakarta, diangkat 4 hal pokok yaitu (1) Bagaimana mengatasi kemacetan lalu lintas di DKI Jakarta, (2) Prioritas kebijakan apa yang harus diterapkan didalam mengatasi kemacetan lalu lintas di DKI Jakarta, (3) Transportasi yang bagaimana di harapkan dalam mengatasi kemacetan lalu lintas di DKI Jakarta dan (4) Bagaimana koordinasi antar Departemen dan pihak swasta yang terkait di dalam mengatasi kemacetan lain lintas di DKI Jakarta.Hasil penelitian ini menemukan (1) Pihak yang paling berkepentingan untuk menanggulangi kemacetan lalu lintas di DKI Jakarta adalah pihak pemerintahan daerah bekerjasama dengan beberapa stakeholder lainnya, (2) Sasaran memperlancar arus lalu lintas di DKI Jakarta adalala kebijakan peningkatan jalan untuk dapat menampung luapan kendaraan yang terus bertambah setiap saat, (3) Prioritas mencapai beberapa sasaran yang ada yang perlu mendapatkan prioritas dalam rangka mencapai tujuan dari hasil penelitian ini adalah kebijakan penambahan jumlah armada bus dan pengembangan busway, (4) Lancarnya arus lalu lintas di DKI Jakarta akan mendorong terciptanya kondisi keamanan masyarakat pengguna jalan secara khusus dan stabilitas nasional secara umum.

---

This research is an evaluation on the policy to deal with the traffic jam in DKI Jakarta. The development of capital cities in the developing countries is inseparable from the traffic jam which is becoming more annoying from year to year specially for the public transport user.

There are 4 (four) main issues in the analysis of the policy to deal with the traffic jam in DKI Jakarta, which are (1) How to deal with the traffic jam in DKI Jakarta, (2), The priority of policy that should be implemented in dealing with the traffic jam in DKI Jakarta, (3) The type of transportation that is expected in dealing with the traffic jam in DKI Jakarta, and (4) The coordination between the Government Departments and related private sectors in dealing with the traffic jam in DKI Jakarta.

This research found that (1) The regional government, working together with the other stakeholder, has the most interest in dealing with the traffic jam in DKI Jakarta, (2) the objective to smoothen the traffic in DKI Jakarta is the policy to improve roads to accommodate the overflow of vehicles, (3) The policy to meet some of the objectives that has to be priorities to achieve the goal from the result of this research is the policy to increase the number of busses and the development of busway, (4) smooth traffic flow in DKI Jakarta will create a safe condition for the mad user in particular and the national stability in general."

"Congestion sering terjadi pada sebuah jaringan yang menyebabkan beberapa gangguan, seperti packet loss dan delay. Congestion di jaringan nirkabel sensor bawah air dapat disebabkan oleh jarak antar node dan tingkat kedalaman posisi node. Pada tesis ini dilakukan evaluasi efek congestion window terhadap variasi kedalaman, data rate dan jumlah node sensor yang diterapkan di lingkungan jaringan nirkabel sensor bawah air. Penelitian dilakukan dengan melakukan simulasi menggunakan aplikasi Network Simulator (NS-3), NetAnim dan Gnuplot. Simulasi dilakukan dengan melakukan eksperimen dengan variasi parameter data rate, luas area dan jumlah paket. Simulasi tingkat kedalaman posisi node dari 10–100 meter terlihat bahwa throughput yang dihasilkan mencapai maksimum terjadi pada congestion window 120 Bytes sebesar 50,3467 bps. Data rate yang berkisar dari 80 – 120 bps menunjukkan bahwa throughput mencapai nilai maksimal 67,84 bps. Semakin banyak node yang digunakan maka throughput yang dihasilkan akan semakin kecil. Dari percobaan yang dilakukan menunjukkan bahwa throughput mencapai nilai maksimal ketika node berjumlah 10 dan 15 node.

---

Congestion often occurs on a network that causes some disorders, such as packet loss and delay. Congestion in underwater sensor networks may be caused by the distance between nodes and the node depth level position. This thesis evaluated the effect of congestion window to depth variations in underwater wireless sensor network environment. Research carried out by building a simulation using Network Simulator application (NS-3), NetAnim and Gnuplot. The simulation experiment was done by variying the parameters of data rate, size of area and number of packets. Simulation with depth variation of node position 10-100 meters show that the throughput reaches a maximum value occurs in congestion window 120 Bytes of 50.3467 bps. Data rate ranges from 80-120 bps show that the throughput reaches a maximum value of 67.84 bps. The greater nodes are used in the simulation, the throughput will be worse. From the experiments was conducted show that the throughput reaches the maximum value when the node numbered of 10 and 15 nodes."

"Tingkat kemacetan di Jakarta saat ini tergolong tinggi dan memiliki tren yang meningkat setiap tahu. Terdapat berbagai upaya yang dilakukan oleh pihak manajemen kemacetan untuk mengurangi kemacetan. Salah satu komponen yang perlu diperhatikan pada perencanaan upaya dalam mengurangi kemacetan adalah penemuan atribut yang memiliki pengaruh kepada tingkat kemacetan. Pendekatan machine learning (ML) pada beberapa tahun terakhir memberi hasil yang baik berdasarkan nilai metrik performa model. Maka, penelitian ini menggunakan algoritma ML, yaitu support vector machine (SVM), k-nearest neighbors (KNN), dan random forest (RF) untuk membangun model dalam memprediksi kemacetan serta menemukan faktor yang memiliki pengaruh terhadap kemacetan di ruas jalan. Variabel independen yang digunakan pada penelitian ini adalah jam, hari kerja, tanggal merah, curah hujan, ada tidaknya event, jam ganjil genap, volume motor, volume mobil, serta volume bus dan truk. Variabel dependen yang digunakan adalah tingkat kemacetan yang mewakili kecepatan rata-rata kendaraan di ruas jalan. Model dijalankan pada dua data, yakni pada data dengan variabel volume kendaraan dan data tanpa variabel kendaraan. Hasil penelitian menunjukkan model SVM, KNN, dan RF memberikan nilai akurasi, precision, recall, dan F1 score di atas 80% pada kedua data. Adapun faktor yang memiliki pengaruh kuat terhadap tingkat kemacetan terdiri dari jam dan jam ganjil genap pada data tanpa volume kendaraan serta volume motor, volume mobil, volume bus dan truk, jam, dan jam ganjil genap pada data dengan volume kendaraan.

---

The level of congestion in Jakarta is currently high and has an increasing trend every year. There are various efforts made by congestion management to reduce congestion. One component that needs to be considered in planning efforts to reduce congestion is the discovery of attributes that have an influence on the level of congestion. Machine learning (ML) approaches in recent years have provided good results based on the value of model performance metrics. So, this study uses ML algorithms, namely support vector machine (SVM), k-nearest neighbors (KNN), and random forest (RF) to build a model to predict congestion and find factors that have an influence on congestion on road sections. The independent variables used in this study are hours, weekdays, red dates, rainfall, presence or absence of events, even odd hours, motorcycle volume, car volume, and bus and truck volume. The dependent variable used is the level of congestion, which represents the average speed of vehicles on the road. The model was run on two data, namely on data with vehicle volume variables and data without vehicle variables. The results showed that the SVM, KNN, and RF models provided accuracy, precision, recall, and f1 score values above 80% on both data. The factors that have a strong influence on the level of congestion consist of hours and even odd hours on data without vehicle volume and motorcycle volume, car volume, bus and truck volume, hours, and even odd hours on data with vehicle volume."