Pembahasan solusi untuk persoalan kemacetan telah menjadi suatu fokus penelitian yang penting. Namun kondisi lalu lintas yang kompleks dan sulitnya untuk bereksperimen pada lalu lintas secara langsung juga menjadi pertimbangan dalam penerapan pemecahan kemacetan. Salah satu solusinya yaitu dengan menyimulasikan model lalu lintas, sehingga teori dapat diaplikasikan secara mudah dan efektif sebelum diterapkan di dunia nyata. Model yang dibuat pada penelitian ini menggunakan Cellular Automata (CA) model Nagel-Schreckenberg (NS model) untuk menggambarkan lalu lintas Simpang Bangkong dan Simpang Milo di Kota Semarang yang memiliki lampu lalu lintas fixed time. Kemudian model diimplementasikan pengaturan lampu lalu lintas adaptif berbasis Artificial Neural Network (ANN) sebagai solusi kemacetan dengan output durasi lampu hijau yang dapat menyesuaikan kondisi kepadatan jalan. Model fixed time yang telah dibuat dibandingkan dengan data volume lalu lintas selama 1 jam lapangan memiliki error terkecil 3% dan terbesar 15% pada jam puncak siang, dan error 3%-18% pada jam puncak sore. ANN yang diusulkan dapat mengurangi kemacetan dilihat dari berkurangnya kepadatan jalan rata-rata di jalan terpenuh yaitu jalan utara Simpang Milo yang bernilai 0,3578 untuk model ANN dibanding model fixed time 0,5446 saat jam puncak siang, sedangkan saat jam puncak sore model ANN 0,4630 dibanding model fixed time 0,6780.