KLASIFIKASI KEPADATAN LALU LINTAS BERBASIS SIMULASI JARINGAN KOMUNIKASI VEHICLE-TO EVERYTHING MENGGUNAKAN ALGORITMA XGBOOST

Harianja, Yusuf Alfredo (2026) KLASIFIKASI KEPADATAN LALU LINTAS BERBASIS SIMULASI JARINGAN KOMUNIKASI VEHICLE-TO EVERYTHING MENGGUNAKAN ALGORITMA XGBOOST. Diploma thesis, Politeknik Negeri Sriwijaya.

	Text (COVER) Cover.pdf - Published Version Download (711kB)
	Text (ABSTRAK) Abstrak.pdf - Published Version Download (217kB)
	Text (BAB I PENDAHULUAN) BAB I.pdf - Published Version Restricted to Repository staff only Download (119kB) | Request a copy
	Text (BAB II TINJAUAN PUSTAKA) BAB II.pdf - Published Version Restricted to Repository staff only Download (294kB) | Request a copy
	Text (BAB III METODOLOGI PENELITIAN) BAB III.pdf - Published Version Restricted to Repository staff only Download (298kB) | Request a copy
	Text (BAB IV HASIL DAN PEMBAHASAN) BAB IV.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text (BAB V PENUTUP) BAB V.pdf - Published Version Restricted to Repository staff only Download (98kB) | Request a copy
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf - Published Version Restricted to Repository staff only Download (176kB) | Request a copy
	Text (LAMPIRAN) Lampiran.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Penelitian ini bertujuan untuk mengembangkan model klasifikasi tingkat kepadatan lalu lintas berbasis simulasi jaringan komunikasi V2X menggunakan algoritma Extreme Gradient Boosting (XGBoost). Penelitian menggunakan pendekatan kuantitatif berbasis simulasi dengan memanfaatkan Simulation of Urban Mobility (SUMO) untuk menghasilkan data mobilitas kendaraan dan Network Simulator 3 (NS-3) untuk mensimulasikan komunikasi Vehicle-to-Vehicle (V2V) dan Vehicle- to-Infrastructure (V2I). Data mobilitas dan komunikasi kemudian diintegrasikan berdasarkan atribut simulation dan step, kemudian dilakukan proses agregasi untuk memperoleh nilai rata-rata parameter Quality of Service (QoS) pada setiap timestep. Parameter QoS yang digunakan sebagai fitur meliputi average delay, average packet loss, average throughput, dan average jitter, sedangkan tingkat kepadatan lalu lintas dibentuk menggunakan metode quantile menjadi tiga kelas, yaitu Low, Medium, dan High. Hasil penelitian menunjukkan bahwa model V2I memberikan performa yang lebih baik dibandingkan model V2V, dengan nilai accuracy masing- masing sebesar 78,79% dan 59,42%. Selain itu, analisis feature importance menunjukkan bahwa parameter average delay merupakan fitur yang memberikan kontribusi terbesar terhadap proses klasifikasi pada kedua skenario komunikasi. Hasil penelitian menunjukkan bahwa integrasi simulasi SUMO, NS-3, dan algoritma XGBoost mampu mengklasifikasikan tingkat kepadatan lalu lintas berdasarkan parameter QoS komunikasi V2X, sehingga berpotensi mendukung pengembangan sistem transportasi cerdas sebagai solusi prediktif dalam manajemen lalu lintas.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Komunikasi V2X, Klasifikasi, Machine Learning, Intelligent Transportation System, Algoritma XGBoost
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Telecommunication Engineering > Undergraduate Theses
Depositing User:	Pustaka Teknik Elektro
Date Deposited:	07 Oct 2026 03:10
Last Modified:	07 Oct 2026 03:10
URI:	http://eprints.polsri.ac.id/id/eprint/27470

Actions (login required)

View Item