Abstrak

Kemacetan lalu lintas merupakan masalah umum di lingkungan kampus, termasuk di Universitas Pendidikan Indonesia (UPI). Studi ini bertujuan untuk mengidentifikasi dan memetakan titik-titik kemacetan utama pada alur akses di dalam dan sekitar kampus UPI. Dengan menggunakan pendekatan Location Analytics dengan platform GeoMapid, analisis spasial dilakukan untuk memvisualisasikan data lalu lintas dan memberikan rekomendasi yang berbasis data guna meningkatkan kelancaran alur akses.

Latar Belakang dan Tujuan

Gambar 1. Peta Titik Analisis : Peta dasar area UPI yang menunjukkan lokasi utama yang menjadi titik fokus studi, termasuk gerbang, halte, dan area parkir.

Sebagai salah satu institusi pendidikan yang cukup besar, UPI memiliki aktivitas kendaraan yang sangat padat. Tingginya volume kendaraan yang keluar-masuk, terutama pada jam-jam sibuk, sering kali menyebabkan penumpukan di beberapa titik, seperti gerbang masuk, persimpangan, dan area parkir. Tanpa pemahaman yang akurat tentang lokasi dan sebaran kemacetan, solusi yang diterapkan sering kali tidak efektif.

Oleh karena itu, tujuan utama dari proyek ini adalah :

1. 1.
   Mengidentifikasi dan memetakan secara presisi titik-titik kemacetan di dalam area kampus UPI.

1. 2.
   Menganalisis pola alur akses kendaraan dan jangkauan mobilitas di sekitar area krusial.

1. 3.
   Menyediakan rekomendasi yang terukur untuk perbaikan sistem transportasi di lingkungan kampus.

Site Analysis

Gambar 2. Sebaran POI dan Demografi : Peta yang menunjukkan kepadatan berbagai POI dan data demografi di sekitar kampus

Gambar 3. Sebaran POI dan Demografi : tingginya jumlah pusat perdagangan dan layanan yang berkontribusi pada volume lalu lintas.

Studi ini berfokus pada area kampus UPI di Bandung, yang berlokasi strategis di dekat Jalan Dr. Setiabudi, salah satu jalan utama yang padat. Analisis situs dilakukan untuk memahami karakteristik fisik yang memengaruhi pergerakan lalu lintas.

Karakteristik utama yang dianalisis meliputi :

• Jalur Akses dan Jaringan Jalan : UPI memiliki jaringan jalan internal yang kompleks, terhubung langsung dengan gerbang-gerbang utama6. Kondisi jalan di beberapa area menjadi faktor penting dalam pergerakan kendaraan.

• Titik Masuk dan Keluar : Terdapat beberapa gerbang, namun Gerbang Utama di Jalan Dr. Setiabudi adalah titik masuk/keluar terpenting yang menampung volume kendaraan tertinggi.

• Area Parkir : Lokasi parkir tersebar di beberapa titik. Penempatan dan kapasitas area parkir ini sangat memengaruhi alur lalu lintas, terutama saat jam-jam sibuk.

• Faktor Eksternal (POI dan Demografi) : Analisis ini mengungkapkan bahwa area sekitar kampus sangat dipengaruhi oleh keberadaan berbagai Point of Interest (POI). Paling dominan, terdapat 626 lokasi Perdagangan dan Retail yang aktif di sekitar kampus. Selain itu, terdapat juga banyak Layanan atau Jasa, Kesehatan dan Pengobatan, Makanan dan Minuman, serta Pendidikan. Faktor-faktor ini secara signifikan menyumbang volume lalu lintas di wilayah tersebut.

Metodologi Proyek

Analisis ini dilakukan melalui serangkaian tahapan yang terstruktur, memanfaatkan keunggulan platform Location Analytics.

Alat dan Data

Proyek ini menggunakan

GeoMapid sebagai platform utama untuk analisis spasial. Data yang digunakan terdiri dari :

• Shapefile Jalur Akses: Peta jalan dan jalur di dalam kampus UPI.

• Point of Interest (POI) : Data titik penting seperti gerbang, area parkir, dan halte.

Tahapan Analisis

Proses analisis dimulai dengan pengolahan data awal yang kompatibel dengan GeoMapid. Setelah data diunggah, tahapan analisis spasial dilakukan sebagai berikut :

Gambar 4. Hasil Analisis Buffer : Visualisasi zona pengaruh di sekitar titik-titik krusial, menunjukkan radius yang berbeda untuk setiap objek (halte, gerbang, dan parkiran) yang membantu mengidentifikasi area berpotensi macet.

1. 1.
   Analisis Buffer : Saya menggunakan fitur Buffer Analysis untuk membuat dua zona jangkauan yang berbeda (dekat dan jauh) di sekitar titik-titik krusial. Jarak buffer yang digunakan bervariasi tergantung pada jenis objek, yaitu : Halte : Buffer dekat 0.100 km (100 m) dan buffer jauh 0.300 km (300 m). Gerbang : Buffer dekat 0.200 km (200 m) dan buffer jauh 0.500 km (500 m). Parkiran : Buffer dekat 0.150 km (150 m) dan buffer jauh 0.400 km (400 m). Analisis ini membantu mengidentifikasi zona-zona di mana kepadatan kendaraan berpotensi tinggi, memberikan gambaran yang lebih detail tentang sebaran dampak kemacetan.

1. 2.
   Analisis Network Service Area : Analisis ini dilakukan untuk memahami seberapa jauh dan seberapa cepat pergerakan kendaraan dari titik tertentu. Dengan menganalisisNetwork Service Area, saya dapat mengukur jangkauan layanan dari setiap area parkir dan mengidentifikasi area yang sulit diakses, yang dapat menjadi pemicu penumpukan kendaraan.

1. 3.
   Analisis POI dan Demografi : Selain analisis spasial dasar, saya juga menyusun sebuah formula di GeoMapid untuk menentukan bobot atau nilai lokasi berdasarkan faktor-faktor di sekitarnya. Formula ini menggabungkan data POI (seperti terminal bus, halte, kereta api, dan pintu tol) dengan data demografi (seperti jumlah penduduk dan kelompok usia produktif). Analisis ini sangat krusial untuk memahami faktor eksternal yang memengaruhi volume kendaraan, misalnya, kedekatan kampus dengan pusat transportasi publik atau populasi usia mahasiswa.

1. 4.
   Visualisasi Peta Tematik : Semua hasil analisis divisualisasikan menjadi peta interaktif di GeoMapid, yang menampilkan data dalam format yang jelas dan mudah diinterpretasi.

Gambar 5. Analisis Zona Berdasarkan POI & Demografi: Hasil analisis grid yang membagi area studi ke dalam zona-zona. Warna dan angka di setiap zona merepresentasikan skor potensi kemacetan yang dihitung dari kepadatan POI dan data demografi.

Temuan utama berasal dari analisis POI dan demografi. Peta menunjukkan area studi terbagi menjadi beberapa zona dengan skor dan warna berbeda. Zona dengan skor tinggi, biasanya ditandai merah, berkorelasi langsung dengan kepadatan POI. Hal ini membuktikan bahwa kemacetan tidak hanya dipicu kondisi jalan, tetapi juga oleh daya tarik eksternal. Area dengan terminal (skor 5) dan pintu tol (skor 5), ditambah perguruan tinggi (skor 4), serta halte/terminal (skor 4), menjadi sumber pergerakan kendaraan yang besar. Korelasi ini diperkuat data demografi, terutama tingginya jumlah penduduk (skor 5) dan dominasi usia 20–24 (skor 3), yang berhubungan erat dengan potensi kemacetan di kawasan tersebut.

Hasil dan Pembahasan

Berdasarkan analisis yang dilakukan, berhasil diidentifikasi bahwa :

• Titik Kemacetan Utama : Analisis Buffer menunjukkan bahwa kemacetan terkonsentrasi di area sekitar Gerbang Utama di Jalan Dr. Setiabudi. Penumpukan kendaraan juga terjadi di sekitar Area Parkir Utama dan persimpangan menuju fakultas.

• Alur Akses Tidak Seimbang : Analisis Network Service Area memperlihatkan bahwa beberapa jalur akses memiliki jangkauan yang terbatas, menyebabkan beban lalu lintas tidak terdistribusi secara merata. Hal ini menciptakan kemacetan di satu titik, sementara jalur lain kurang dimanfaatkan.

• Korelasi dengan POI dan Demografi : Analisis POI dan demografi mengonfirmasi bahwa area dengan kepadatan kendaraan tinggi memiliki korelasi kuat dengan faktor eksternal, seperti akses ke terminal terdekat dan konsentrasi populasi usia mahasiswa. Hasilnya menunjukkan bahwa lokasi yang berdekatan dengan pusat perdagangan dan retail menjadi titik utama penarik lalu lintas, sehingga berpotensi tinggi menimbulkan kemacetan.

Kesimpulan dan Rekomendasi

Pemanfaatan Location Analytics terbukti sangat efektif dalam memetakan dan menganalisis masalah kemacetan di UPI. Peta interaktif yang dihasilkan memberikan gambaran visual yang kuat tentang di mana dan mengapa kemacetan terjadi.

Sebagai tindak lanjut, berikut adalah beberapa rekomendasi yang diusulkan:

• Optimalisasi Gerbang : Mengkaji ulang sistem di gerbang utama untuk mempercepat alur masuk dan keluar, seperti penambahan jalur atau petugas.

• Pengaturan Ulang Parkir : Memaksimalkan area parkir yang kurang dimanfaatkan untuk mengurangi penumpukan di area parkir utama.

• Peningkatan Akses Transportasi Publik : Mengoptimalkan rute dan titik jemput/turun untuk transportasi umum, mengingat adanya korelasi kuat dengan analisis POI.

Secara keseluruhan, proyek ini menunjukkan bahwa data spasial dan teknologi yang tepat dapat menjadi kunci untuk mengatasi masalah kompleks seperti kemacetan, menciptakan lingkungan kampus yang lebih teratur dan efisien.

Daftar Pustaka

• Priyanto, A. (2022). Pemanfaatan Location-Based Services dan Geospasial untuk Analisis Pola Mobilitas di Lingkungan Perkotaan. Jurnal Teknologi Informasi dan Geomatika, 15(2), 45-58.

• Wibowo, S. (2021). Studi Kepadatan Lalu Lintas Berbasis Data Spasial Menggunakan Analisis Jaringan (Network Analysis) di Area Kampus. Prosiding Konferensi Nasional Teknik Sipil, 1(1), 123-130.

• Subagio, R., & Handayani, D. (2020). Korelasi Data Point of Interest (POI) dengan Volume Kendaraan sebagai Indikator Kemacetan. Jurnal Sains dan Teknologi Transportasi, 8(1), 78-90.

• Nugroho, E. (2023). Penerapan Sistem Informasi Geografis (SIG) untuk Optimalisasi Penataan Ruang Publik dan Jalur Akses di Kawasan Padat. Jurnal Perencanaan Wilayah dan Kota, 12(3), 201-215.

• Analisis dan Prediksi Kemacetan Lalu Lintas Berbasis Big Data: Artikel ini membahas penggunaan data besar, termasuk data GPS, untuk memprediksi kemacetan.[https://www.researchgate.net/publication/334485810_Analysis_and_Prediction_of_Urban_Traffic_Congestion_Based_on_Big_Data]