Melola Discovery

← Melola Discovery

Jurnal

PENGGUNAAN CITRA QUICKBIRD UNTUK MENGIDENTIFIKASI KEMACETAN LALU LINTAS DI KOTA SEMARANG BERDASARKAN POLA JARINGAN JALAN

Geo-Image Journal · Vol. 1 No. 1 (2012)

DOI
10.15294/geoimage.v1i1.948
ISSN
2549-0362, 2252-6285
Terbit
2012-06-29
Penerbit
Universitas Negeri Semarang
Bahasa
eng

Abstrak

Pertambahan penduduk mendorong perubahan tak terbatas pada jumlah penduduk, Penelitian ABSTRAKKemacetan adalah situasi atau keadaan tersendatnya atau bahkan terhentinya lalu lintas yang disebabkan oleh banyaknya jumlah kendaraan yang melebihi kapasitas jalan. Banyak dijumpai kemacetan lalu lintas di beberapa titik yang terdapat di Kota Semarang. Permasalahan yang akan dikaji dalam penelitian ini adalah, (1) Ketepatan Citra Satelit Quickbird untuk identifikasi kemacetan lalu lintas di Kota Semarang. (2) Karakteristik titik-titik rawan kemacetan di Kota Semarang. (3) Pola jalan pada daerah rawan kemacetan lalu lintas di Kota Semarang dengan menggunakan Citra Satelit QuickBird. Tujuan penelitian ini adalah: (1) Mengetahui sejauh mana tingkat ketepatan Citra Quickbird untuk identifikasi kemacetan lalu lintas di Kota Semarang. (2) Mengetahui karakteristik titik-titik rawan kemacetan di Kota Semarang. (3) Mengetahui pola jalan pada daerah rawan kemacetan lalu lintas di Kota Semarang. Populasi dalam penelitian ini adalah jaringan jalan yang rawan kemacetan di Kota Semarang. Sampel dalam penelitian ini adalah jumlah titik rawan kemacetan lalu lintas diihat menggunakan Citra Satelit QuickBird yaitu sebanyak 19 titik kemacetan. Variabel dalam penelitian ini panjang dan lebar jalan, Pola jaringan jalan, Landuse, dan Kecepatan rata-rata arus lalu lintas. Metode pengumpulan data yang digunakan adalah metode dokumentasi dan metode survei. Teknik analisis data yang digunakan dalam skripsi ini adalah (1) Analisis deskriptif, (2) Analisis Kuantitatif.Hasil skripsi ini adalah ketepatan Citra Satelit QuickBird untuk identifikasi kemacetan lalu lintas di Kota Semarang 86 %. Setelah menentukan titik kemacetan yang ada di Citra Satelit QuickBird, kemudian cek lapangan dan memperoleh 19 titik kemacetan, dan membandingkan data dari Dinas Bina Marga dengan perhitungan menggunakan Citra Satelit. Karakteristik titik-titik rawan kemacetan di Kota Semarang berbeda-beda, diantaranya dipengaruhi oleh penggunaan lahan di sekitarnya. Penggunaan lahan disekitar titik rawan bencana diantaranya terdapat kawasan perkantoran, jalan keluar/masuk tol, adanya aktivitas pendidikan, dan aktivitas pasar. Pola jaringan jalan titik-titik kemacetan di Kota Semarang adalah Grid Network, Radial Network, Linier Network, dan Modified Radial Network. Titik kemacetan di Kota Semarang sebagian besar memiliki pola jaringan jalan Radial Network, yaitu pola jalan yang menuju satu titik pusat yang menghubungkan ke beberapa jalan lainnya.Congestion is a situation or circumstance stagnated or even interruption of the traffic caused by the large number of vehicles that exceed the capacity of the road. Encountered a traffic jam at some point contained in Semarang. Issues that will be examined in this study were (1) the accuracy of Quickbird Satellite Imagery for the identification of traffic congestion in the city of Semarang. (2) Characteristics prone congestion points in the city of Semarang. (3) The pattern of roads in areas prone to traffic jams in the city of Semarang by using QuickBird satellite imagery. The purpose of this study were: (1) the extent to which the level of accuracy of Quickbird images for the identification of traffic congestion in the city of Semarang. (2) Knowing the characteristics of the vulnerable points of congestion in the city of Semarang. (3) Knowing the pattern of roads in areas prone to traffic jams in the city of Semarang. The population is prone to road network congestion in the city of Semarang. The sample in this study was the amount of traffic congestion blackspots viewed using QuickBird Satellite Imagery as many as 19 points congestion. The variables in this study the length and width of the road, the road network pattern, Landuse, and the average speed of traffic flow. Data collection methods were used: documentation method and survey method. Data analysis techniques used in this paper are (1) a descriptive analysis, (2) Quantitative Analysis.The results of this final project is the accuracy of QuickBird satellite imagery to identify traffic jams in the city of Semarang 86%. After determining the point of congestion existing QuickBird satellite imagery, then check the field and earn 19 points congestion, and compare data from the Department of Highways with calculations using satellite imagery. Characteristic points of traffic jam in the city of Semarang is different, of which is influenced by the surrounding land use. The use of land around the point there is a region prone to disasters such as office buildings, the exit / entry tolls, the educational activity, and market activity. The pattern of road network congestion points in the city of Semarang is a Grid Network, Radial Network, Linear Network, and Modified Radial Network. Congestion points in the city of Semarang mostly have patterns of road networks Radial Network, which is the pattern that led to one central point that connects to several other roads.

Jaringan kolaborasi para penulis

40 penulis · 157 tautan kepenulisan bersama · menampilkan 40 yang paling banyak terhubung

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • State University of Semarang
  • Universitas Gadjah Mada
  • University of Brawijaya
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Puji HardatiAfiliasi tidak diketahui8
Sriyono SriyonoAfiliasi tidak diketahui8
Erni SuhariniAfiliasi tidak diketahui5
Eva BanowatiAfiliasi tidak diketahui4
Andi Irwan BenardiAfiliasi tidak diketahui4
SriyantoAfiliasi tidak diketahui3
Dewi Liesnoor SetyowatiState University of Semarang3
Tukidi TukidiAfiliasi tidak diketahui3
Ananto AjiAfiliasi tidak diketahui3
Sriyanto SriyantoAfiliasi tidak diketahui2
Suroso SurosoAfiliasi tidak diketahui2
Apik Budi SantosoAfiliasi tidak diketahui2
Muh. SholehAfiliasi tidak diketahui2
Juhadi JuhadiAfiliasi tidak diketahui2
Moch. ArifienAfiliasi tidak diketahui2
Ariyani IndrayatiAfiliasi tidak diketahui2
Satya Budi NugrahaAfiliasi tidak diketahui2
Rahma HayatiAfiliasi tidak diketahui2
Salahuddin SalahuddinUniversitas Gadjah Mada1
Nurhayu MalikAfiliasi tidak diketahui1
Viera WardhaniUniversity of Brawijaya1
Siswanto SiswantoAfiliasi tidak diketahui1
Supriyadi SupriyadiAfiliasi tidak diketahui1
Ervando Tommy Al-hanifAfiliasi tidak diketahui1
Mohammad SyifauddinAfiliasi tidak diketahui1
Deby Luriawati NaryatmojoAfiliasi tidak diketahui1
Andri Sumihar SimbolonAfiliasi tidak diketahui1
Herlambang Fadlan SejatiAfiliasi tidak diketahui1
Puneet IyerAfiliasi tidak diketahui1
Nur FauziyahAfiliasi tidak diketahui1
Afkar Jihad Al-afghani AfkarAfiliasi tidak diketahui1
Andina Ahya PrameswariAfiliasi tidak diketahui1
Bella Zulfia Aisyatul WahidahAfiliasi tidak diketahui1
Tjaturahono Budi SanjotoAfiliasi tidak diketahui1
Dwi JatmikoAfiliasi tidak diketahui1
Novia Retno NingsihAfiliasi tidak diketahui1
tahmid fitriantoAfiliasi tidak diketahui1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://journal.unnes.ac.id/sju/index.php/geoimage/oai, pertama di-harvest 5 Nov 2026, terakhir terlihat 5 Nov 2026.
Metadata asli (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">PENGGUNAAN CITRA QUICKBIRD UNTUK MENGIDENTIFIKASI KEMACETAN LALU LINTAS DI KOTA SEMARANG BERDASARKAN POLA JARINGAN JALAN</dc:title>
	<dc:creator>Monica, Devy</dc:creator>
	<dc:creator>Hariyanto, Hariyanto</dc:creator>
	<dc:creator>Putro, Saptono</dc:creator>
	<dc:description xml:lang="en-US">Pertambahan penduduk mendorong perubahan tak terbatas pada jumlah penduduk, Penelitian ABSTRAKKemacetan adalah situasi atau keadaan tersendatnya atau bahkan terhentinya lalu lintas yang disebabkan oleh banyaknya jumlah kendaraan yang melebihi kapasitas jalan. Banyak dijumpai kemacetan lalu lintas di beberapa titik yang terdapat di Kota Semarang . Permasalahan yang akan dikaji dalam penelitian ini adalah, (1) Ketepatan Citra Satelit Quickbird untuk identifikasi kemacetan lalu lintas di Kota Semarang. (2) Karakteristik titik-titik rawan kemacetan di Kota Semarang. (3) Pola jalan pada daerah rawan kemacetan lalu lintas di Kota Semarang dengan menggunakan Citra Satelit QuickBird. Tujuan penelitian ini adalah: (1) Mengetahui sejauh mana tingkat ketepatan Citra Quickbird untuk identifikasi kemacetan lalu lintas di Kota Semarang. (2) Mengetahui karakteristik titik-titik rawan kemacetan di Kota Semarang. (3) Mengetahui pola jalan pada daerah rawan kemacetan lalu lintas di Kota Semarang. Populasi dalam penelitian ini adalah jaringan jalan yang rawan kemacetan di Kota Semarang.  Sampel dalam penelitian ini adalah jumlah titik rawan kemacetan lalu lintas diihat menggunakan Citra Satelit QuickBird yaitu sebanyak 19 titik kemacetan. Variabel dalam penelitian ini panjang dan lebar jalan, Pola jaringan jalan, Landuse, dan Kecepatan rata-rata arus lalu lintas. Metode pengumpulan data yang digunakan adalah metode dokumentasi dan metode survei. Teknik analisis data yang digunakan dalam skripsi ini adalah (1) Analisis deskriptif, (2) Analisis Kuantitatif.Hasil skripsi ini adalah ketepatan Citra Satelit QuickBird untuk identifikasi kemacetan lalu lintas di Kota Semarang 86 %. Setelah menentukan titik kemacetan yang ada di Citra Satelit QuickBird, kemudian cek lapangan dan memperoleh 19 titik kemacetan, dan membandingkan data dari Dinas Bina Marga dengan perhitungan menggunakan Citra Satelit. Karakteristik titik-titik rawan kemacetan di Kota Semarang berbeda-beda, diantaranya dipengaruhi oleh penggunaan lahan di sekitarnya. Penggunaan lahan disekitar titik rawan bencana diantaranya terdapat kawasan perkantoran, jalan keluar/masuk tol, adanya aktivitas pendidikan, dan aktivitas pasar. Pola jaringan jalan titik-titik kemacetan di Kota Semarang adalah Grid Network, Radial Network, Linier Network, dan Modified Radial Network. Titik kemacetan di Kota Semarang sebagian besar memiliki pola jaringan jalan Radial Network, yaitu pola jalan yang menuju satu titik pusat yang menghubungkan ke beberapa jalan lainnya.Congestion is a situation or circumstance stagnated or even interruption of the traffic caused by the large number of vehicles that exceed the capacity of the road. Encountered a traffic jam at some point contained in Semarang. Issues that will be examined in this study were (1) the accuracy of Quickbird Satellite Imagery for the identification of traffic congestion in the city of Semarang. (2) Characteristics prone congestion points in the city of Semarang. (3) The pattern of roads in areas prone to traffic jams in the city of Semarang by using QuickBird satellite imagery. The purpose of this study were: (1) the extent to which the level of accuracy of Quickbird images for the identification of traffic congestion in the city of Semarang. (2) Knowing the characteristics of the vulnerable points of congestion in the city of Semarang. (3) Knowing the pattern of roads in areas prone to traffic jams in the city of Semarang. The population is prone to road network congestion in the city of Semarang. The sample in this study was the amount of traffic congestion blackspots viewed using QuickBird Satellite Imagery as many as 19 points congestion. The variables in this study the length and width of the road, the road network pattern, Landuse, and the average speed of traffic flow. Data collection methods were used: documentation method and survey method. Data analysis techniques used in this paper are (1) a descriptive analysis, (2) Quantitative Analysis.The results of this final project is the accuracy of QuickBird satellite imagery to identify traffic jams in the city of Semarang 86%. After determining the point of congestion existing QuickBird satellite imagery, then check the field and earn 19 points congestion, and compare data from the Department of Highways with calculations using satellite imagery. Characteristic points of traffic jam in the city of Semarang is different, of which is influenced by the surrounding land use. The use of land around the point there is a region prone to disasters such as office buildings, the exit / entry tolls, the educational activity, and market activity. The pattern of road network congestion points in the city of Semarang is a Grid Network, Radial Network, Linear Network, and Modified Radial Network. Congestion points in the city of Semarang mostly have patterns of road networks Radial Network, which is the pattern that led to one central point that connects to several other roads.</dc:description>
	<dc:publisher xml:lang="en-US">Universitas Negeri Semarang</dc:publisher>
	<dc:date>2012-06-29</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en-US">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unnes.ac.id/sju/geoimage/article/view/948</dc:identifier>
	<dc:identifier>10.15294/geoimage.v1i1.948</dc:identifier>
	<dc:source xml:lang="en-US">Geo-Image Journal; Vol 1 No 1 (2012)</dc:source>
	<dc:source>2549-0362</dc:source>
	<dc:source>2252-6285</dc:source>
	<dc:source>10.15294/geoimage.v1i1</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://journal.unnes.ac.id/sju/geoimage/article/view/948/976</dc:relation>
</oai_dc:dc>