skip to main content

Google Traffic sebagai Masukan Kebijakan Transportasi Perkotaan (Studi Kasus: Kota Bandar Lampung)

*Muhammad Zainal Ibad  -  Institut Teknologi Sumatera, Indonesia
Rahayu Sulistyorini  -  Teknik Sipil Universitas Lampung, Indonesia
Chania Rahmah  -  Institut Teknologi Sumatera, Indonesia

Citation Format:
Abstract
Congestion in urban areas is vulnerable because of the impact of the growth of activities and an increasingly specialized and complex economy. For this reason, it is necessary to formulate a good urban transportation policy to accommodate increased urban transportation needs. Google Traffic is a feature found on Google Maps to see the level of congestion in an area. Google Traffic can detect an area with red, yellow or green indications through the principle of Real Time Data using data from the Global Positioning System (GPS). This study wanted to see how the use of the Google Traffic Feature as input to urban transportation policies by looking at existing urban transportation policies, analyzing the movement system model on Google Traffic, and analyzing the development of Google Traffic model policies, which would be useful for the development of Urban Transportation Policies, especially Bandar Lampung City as a case study.
Fulltext View|Download
Keywords: Google Traffic; Movement System Models; Urban Transportation; Congestion; Transportation Policy

Article Metrics:

  1. Adisasmita, R. (2006). Pembangunan Pedesaan dan Perkotaan. Yogyakarta: Graha Ilmu
  2. Astuti, M. D. ( 2015). Pemanfaatan Citra Quickbird dan Sistem Informasi Geografi untuk Mengetahui Tingkat Kemacetan Lalu Lintas Sebagian Kota Semarang (Studi Kasus : Kec. Padurungan, Gayamsari, dan Semarang Selatan). Jurnal Bumi Indonesia, vol. 4, no. 4
  3. Budiman M.J., e. a. (2012). Sistem Monitoring Dan Kontrol Lalulintas Perkotaan. Jurnal Pasca Sarjana Universitas Hasanudin
  4. Hanifan, A. F. (2016). Google Traffic yang Mengubah Peran Peta. Retrieved from tirto.id: https://tirto.id/google-traffic-yang-mengubah-peran-peta-bKUd
  5. How Google Maps Knows About Traffic. (2015, November). Retrieved from businessinsider.com: http://www.businessinsider.com/how-google-maps-knows-about-traffic-2015-11/?IR=T
  6. Koloway, B. S. (2009). Kinerja Ruas Jalan Perkotaan Jalan Prof Dr. Satrio, DKI Jakarta. Journal of Regional and City Planning
  7. Maji, S. (2017). Traffic Congestion And Possible Solutions A CASE STUDY OF ASANSOL. Journal of Research in Humanities and Social Science Volume 5 ~ Issue 9, 42-26
  8. Mallinckrodt, J. (2010). VCI, a regional volume/capacity index model of urban congestion. J Transp Eng, 110–119
  9. Meutia, S., Saleh, S. M., & Azmeri. (2017). Analisis Kemacetan Lalu – Lintas Pada Kawasan Pendidikan (Studi Kasus Jalan Pocut Baren Kota Banda Aceh). Jurnal Teknik Sipil Universitas Syiah Kuala, 243 - 250
  10. MKJI. (1997). Manual Kapasitas Jalan Indonesia (MKJI). Jakarta: Kementerian Pekerjaan Umum
  11. Novalia, C., Sulistiyorini, R., & Putra, S. (2016). Analisa dan Solusi Kemacetan Lalu Lintas di Ruas Jalan Kota (Studi Kasus Jalan Imam Bonjol - Jalan Sisingamangaraja). Jurnal Rekaya Sipil dan Desain, 153 -162
  12. Patriandini, A. e. (2013). Kajian Tingkat Kemacetan Lalu-lintas Dengan Memanfaatkan Citra Quickbird Dan Sistem Informasi Geografis Di Sebagian Ruas Jalan Kota Tegal. Jurnal Bumi Indonesia, vol. 2, no. 1
  13. Prabandaka, D. a. (2014). Pemanfaatan Citra Resolusi Tinggi Dan Video Cctv Untuk Pemodelan Spasial Tingkat Kemacetan Lalulintas Kota YOGYAKARTA. urnal Bumi Indonesia, vol. 3, no. 1
  14. Rismayani. (2016). Pemanfaatan Teknologi Google Maps Api untuk Aplikasi Laporan Kriminal Berbasis Android pada Polrestabes Makassar. Jurnal Penelitian Pos dan Informatika, 185-200
  15. Rozari, D. e. (2015). Faktor-Faktor Yang Menyebabkan Kemacetan Lalu Lintas Di Jalan Utama Kota Surabaya (Studi Kasus Di Jalan Ahmad Yani Dan Raya Darmo Surabaya),. Jurnal Penelitian Admisistrasi Publik, VOL 01, No 01, Universitas 17 Agustus 1945: Surabaya
  16. Suresh, B. N. (2018). Research On Urban Road Traffic Congestion of Hyderabad A Case Study. International Journal of Civil Engineering and Technology (IJCIET) Volume 9, Issue 5, 694–699
  17. Sutandar, A. W. (2018). Pemanfaatan Citra Pleiades dan Sistem Informasi Geografis untuk Identifikasi Tingkat Kemacetan di Sebagian Ruas Jalan Purwokerto. Jurnal Bumi Indonesia, vol. 7, no. 1
  18. Suyitno, P. P. (2017). Penerapan Data Mining dalam Menangani Kemacetan di Jakarta. Ikraith Informatika, vol. 1, no. 2, 53-60
  19. Tamin, O. (2007). Menuju Terciptanya Sistem Transportasi Berkelanjutan di Kota-Kota Besar di Indonesia. Jurnal Transportasi, 87-104
  20. Utomo, T. A. (2017). Aplikasi Sistem Informasi Geografis Berbasis Web Dan Android Untuk Pemilihan Jalur Alternatif Menuju Tempat Pariwisata (Studi Kasus: Kota Wisata Cibubur Dan Jungleland, Kabupaten Bogor). Jurnal Geodesi Undip, vol. 6, no. 2, 1-11
  21. Wang, W.-X. R.-J. (2018). Research on road traffic congestion index based on comprehensive parameters: Taking Dalian city as an example. Advances in Mechanical Engineering, 1-8
  22. Ye, S. (2012). Research on Urban Road Traffic Congestion Charging Based on Sustainable Development. Physics Procedia., 1567-1572
  23. Zhang, Y. H. (2008). Evaluation index for traffic congestion based on fuzzy mathematics. Huazhong Univ Sci Technol, 65–81

Last update:

No citation recorded.

Last update:

No citation recorded.