120240203 - Chalifa Chazar, S.T., M.T. Dosen Pembimbing 1 TAFFAN MUHAMMAD RIZQI / 152021124 Penulis

Kemacetan lalu lintas merupakan salah satu masalah yang dihadapi pada kota-kota besar, termasuk Jakarta. Salah satunya adalah sistem lampu lalu lintas Fixed-Time yang masih kurang memadai. Untuk menyelesaikan masalah tersebut, penelitian ini bertujuan untuk mengevaluasi metode Deep Q-Network pada sistem lampu lalu lintas adaptif dengan menggunakan simulator lalu lintas Simulation of Urban Mobility (SUMO). Penelitian difokuskan pada persimpangan multi jalur Jalan MH Thamrin – KH Wahid Hasyim dengan dua skenario pengujian, yaitu periode pagi pada jam sibuk 07:00-08:00 WIB dan sore pada jam sibuk 17:00-19:00 WIB. Parameter observasi yang digunakan adalah panjang antrean kendaraan, waktu tunggu rata-rata, serta durasi nyala lampu lalu lintas pada setiap fase. Hasil pada dua skenario tersebut menunjukkan bahwa metode DQN memberikan peningkatan kinerja pada rentang panjang antrean 31,4%-48.2% dan rentang waktu tunggu rata-rata kendaraan 34,9%-42.9% dibandingkan dengan metode Fixed-Time dengan Webster. Hasil menunjukkan angka yang cukup signifikan dan dapat digunakan sebagai solusi untuk meningkatkan efisiensi lalu lintas di kota-kota besar seperti Jakarta. Traffic congestion is one of the major problems faced by large cities, including Jakarta. One of the contributing factors is the use of Fixed-Time traffic signal systems, which are less adaptive to dynamic traffic conditions. This study aims to evaluate the Deep Q-Network method for adaptive traffic signal control using the Simulation of Urban Mobility (SUMO) traffic simulator. The study focuses on the multi-lane intersection of Jalan MH Thamrin – Jalan KH Wahid Hasyim with two testing scenarios: the morning peak hour (07:00–08:00 WIB) and the evening peak hour (17:00–19:00 WIB). The observation parameters used are vehicle queue length and average waiting time. The results in both scenarios shows that the DQN method provides performance improvement in queue length in the range of 31,4%-48.2% and the average waiting time in the range of 34,9%-42.9% compared to the Fixed-Time (Webster) method. These findings indicate that the DQN approach has the potential to serve as a solution for improving traffic efficiency in major cities