Perencanaan Fasilitas Transportasi Terintegrasi Di Sepanjang Bandara Juanda-Aloha
DOI:
https://doi.org/10.26740/mitrans.v2n3.p303-312Keywords:
Integrasi, Prasarana dan sarana, Derajat KejenuhanAbstract
Sistem integrasi yang dilakukan pada transportasi secara umum adalah memindahkan individu dari tempat satu menuju tempat lain dengan menggunakan transportasi yang nyaman dan bersahabat bagi pengguna, sehingga dapat mempermudah mobilitas masyrakat pengguna, dan mengurangi ketidaknyamanan selama perjalanan. Integrasi dapat mencakup penghubungan antar kebijakan, kerjasama antar sektor, atau penguatan antar wilayah. Integrasi moda juga memungkinkan bagi penumpang untuk beralih dengan lancar antar moda transportasi yang berbeda, misalnya dari kereta ke bus atau mobil ke kereta. Integrasi transportasi juga diharapkan mampu mengatasi hal seperti kemacetan lalu lintas, mengurangi gas emisi rumah kaca, meningkatkan efisiensi transportasi secara keseluruhan dan aksebilitas bagi penumpang. Oleh karena itu, dengan terintegrasinya sarana dan prasarana transportasi dapat mempermudah segala kegiatan manusia. Pada wilayah sekitar Bandara Juanda hingga Jembatan Layang Aloha saat ini dibutuhkan beberapa tambahan sarana dan prasarana pendukung terlaksananya integrasi transportasi. Metode yang digunakan dalam penelitian ini berupa kuantitatif karena data yang dihasilkan berupa data rasio dan fokus dalam penelitian ini beruapa besarnya pengaruh antar variabel. Berdasarkan tabel di atas, nilai DS paling tertinggi di masing-masing titik tidak ada yang menunjukkan indikasi jenuh. Dimana nilai DS masing-masing titik
Jalan Raya Juanda (Depan Gapura Semambung)= 0,33 (Pada Pukul 07.00-08.00), SPBU Sedati= 0,57 (pukul 16.00-17.00), Jalan Raya Juanda (Sedati Agung)= 0,29 (Pada Pukul 08.00-09.00).
References
Asfarian, A., Herdiyeni, Y., Rauf, A., & Mutaqin, K. H. (2013). Paddy diseases identification with texture analysis using fractal descriptors based on fourier spectrum. Computer, Control, Informatics and Its Applications (IC3INA), 2013 International Conference on (hal. 77-81). Jakarta: IEEE.
Bashish, D. A., Braik, M., & Ahmad, S. B. (2010). A framework for detection and classification of plant leaf and stem diseases. Signal and Image Processing (ICSIP), 2010 International Conference on (hal. 113-118). Chennai: IEEE.
Busin, L., Vandenbroucke, N., & Macaire, L. (2008). Color spaces and image segmentation. Advances in Imaging and Electron Physics, 151, 65-168.
Chaudhary, P., Chaudhari, A. K., Cheeran, A. N., & Godara, S. (2012). Color transform based approach for disease spot detection on plant leaf. International Journal of Computer Science and Telecommunications, 3(6), 65-70.
Cover, T., & Hart, P. (1967). Nearest neighbor pattern classification. IEEE Transactions on Information Theory, 13(1), 21-27.
Feriska, Y., & Unaesih, A. (2021). Pengaruh Beban Kendaraan Terhadap Kerusakan Jalan Pada Ruas Jalan Pebatan-Rengaspendawa di Kabupaten Brebes. Infratech Building Journal(Vol.1 No. 01 (2020); Maret), 36-42. doi:https://doi.org/10.46772/ibj.v1i01.300
Haralick, R. M., Shanmugam, K., & Dinstein, I. (1973). Textural features for image classification. IEEE Transactions on Systems, Man, and Cybernetics, 3(6), 610-621.
Huang, K.-Y. (2007). Application of artificial neural network for detecting Phalaenopsis seedling diseases using color and texture features. Computers and Electronics in Agriculture, 57(1), 3–11.
Kadir, A., Nugroho, L. E., Susanto, A., & Santosa, P. I. (2013). Leaf classification using shape, color, and texture features. International Journal of Computer Trends and Technology, 225-230.
Kusuma, A. P., & Darmanto. (2016). Pengenalan angka pada sistem operasi android dengan menggunakan metode template matching. Register: Jurnal Ilmiah Teknologi Sistem Informasi, 2(2), 68-78.
Mendoza, F., Dejmek, P., & Aguilera, J. M. (2006). Calibrated color measurements of agricultural foods using image analysis. Postharvest Biology and Technology, 41(3), 285–295.
Meunkaewjinda, A., Kumsawat, P., Attakitmongcol, K., & Srikaew, A. (2008). Grape leaf disease detection from color imagery using hybrid intelligent system. Electrical Engineering/Electronics, Computer, Telecommunications and Information Technology, 2008. ECTI-CON 2008. 5th International Conference on (hal. 513-516). Krabi: IEEE.
Otsu, N. (1979). A threshold selection method from gray-level histograms. IEEE Transactions on Systems, Man, and Cybernetics, 9(1), 62-66.
Pandey, & Sarajar. (2017). Pentingnya Pembangunan Sarana Prasarana Transportasi Sebagai Upaya Membangun Desa Di Kabupaten Minahasa Utara Provinsi Sulawesi Utara. Sipil Statik, 649-656.
Rahayu, Y. E. (2016). Analisis Kualitas Perjalanan Akses Bandara Internasional Juanda Terkait Perkembangan Tata Guna Lahan Kota Surabaya. Surabaya: ITS Repository.
Rathod, A. N., Tanawal, B., & Shah, V. (2013). Image processing techniques for detection of leaf disease. International Journal of Advanced Research in Computer Science and Software Engineering, 3(11), 397-399.
Ratnasari, E. K., Ginardi, R. V., & Fatichah, C. (2014). Pengenalan penyakit noda pada citra daun tebu berdasarkan ciri tekstur fractal dimension co-occurrence matrix dan L*a*b* color moments. JUTI, 12(2), 27– 36.
Rott, P. (2000). A guide to sugarcane diseases. Paris: Quae.
Sa’diyah, N., & Aeny, T. N. (2012). Keragaman dan heritabilitas ketahanan tebu populasi F1 terhadap penyakit bercak kuning di PT. Gunung Madu Plantations Lampung. Jurnal Hama dan Penyakit Tumbuhan Tropika, 12(1), 71-77.
Sungkur, R. K., Baichoo, S., & Poligadu, A. (2013). An automated system to recognise fungi-caused diseases on sugarcane leaves. Proceedings of Global Engineering, Science and Technology Conference. Bencoolen, Singapura: Global Institute of Science & Technology.
Vibhute, A., & Bodhe, S. K. (2012). Applications of image processing in agriculture: A survey. International Journal of Computer Applications, 52(2), 34-40.
Warta, A. (2016). Perencanaan Integrasi Antarmoda Dalam Pembangunan Bandar Udara. Jurnal Perhubungan Udara, 101-108.
Abstract views: 89
,
PDF Downloads: 84
