Bab IV HASIL DAN PEMBAHASAN
4.1
Pemaparan Data Data jumlah kedatangan penumpang diperoleh langsung dari pihak manajemen.
Berikut adalah data kedatangan yang didapat dari pihak manajemen (Tabel yang lebih lengkap berada pada lampiran) : Tabel 4.1 Tabel jumlah penumpang Transjakarta tahun 2010 Manajemen Transjakarta Koridor
Total Per Tahun
Rata-Rata Per Hari
Koridor 1
25.392.169
76.799
Koridor 2
10.593.510
29.601
Koridor 3
12.082.340
33.673
Koridor 4
7.614.610
23.269
Koridor 5
10.724.300
29.687
Koridor 6
8.201.408
26.445
Koridor 7
6.419.408
18.160
Koridor 8
6.906.768
16.974
Koridor 9
1.575
105
Koridor 10
1.068
72
Total
86.937.169
254.794
Bus Transjakarta beroperasi mulai dari jam 05.00 hingga 22.00. Sistem kerja bus Transjakarta dibagi menjadi 2 shift kerja. Yaitu shift 1 jam 05.00 – 14.00 dan shift 2 jam
52
14.00 – 22.00. dimana bus dalam 1 koridor akan dibagi menjadi dua dimana bus – bus tersebut akan memulai start dari 2 titik halte paling ujung. Dimana pengunjung dari masing masing start memberikan perbandingan sebanyak 60 : 40 untuk pagi hari dan 40 : 60 untuk malam hari. Sedangkan untuk siang hari kedua arah tersebut cenderung merata (50 : 50). Selain itu didapatkan data penelitian manajemen untuk kedatangan per jam untuk 3 koridor fokus studi yang diambil pada tanggal 13 Desember 2010 hingga 17 Desember 2010(data lengkap pada lampiran), menyatakan bahwa terdapat 3 buah periode besar dimana terdapat perubahan grafik kedatangan penumpang, ketiga periode tersebut adalah: Tabel 4.2 Rata – rata penumpang tiap jamnya bulan Desember 2010 Manajemen Transjakarta Jam
Koridor 1
Koridor 2
Koridor 3
Rata2
Pk.05.00 - 05.59
2017
1786
2276
2026
Pk.06.00 - 06.59
3809
2962
4601
3791
Pk.07.00 - 07.59
4754
1964
2941
3220
Pk.08.00 - 08.59
3902
167
2319
2632
Pk.09.00 - 09.59
3317
1245
2134
2232
Pk.10.00 - 10.59
3107
1215
1795
2039
Pk.11.00 - 11.59
2791
903
1440
1711
Pk.12.00 - 12.59
3251
1304
173
2095
Pk.13.00 - 13.59
4787
1704
2253
2915
Pk.14.00 - 14.59
4708
1609
1862
2727
53
Pk.15.00 - 15.59
5929
1791
2037
3253
Pk.16.00 - 16.59
7512
2071
2401
3995
Pk.17.00 - 17.59
9390
2248
2603
4747
Pk.18.00 - 18.59
7219
1644
1958
3607
Pk.19.00 - 19.59
5340
1391
1490
2741
Pk.20.00 - 20.59
4413
1208
1179
2267
Pk.21.00 - 22.00
3097
584
604
1428
1. Periode pergi kerja (05.00 – 11.00) yang memberikan kontribusi sekitar 33,5% dari jumlah harian 2. Periode siang dan pergantian shiftpegawai (11.00 – 16.00) yang memberikan kontribusi sekitar 26.5% dari jumlah harian 3. Periode pulang kerja (16.00 – 22.00) yang memberikan kontribusi 40% dari jumlah harian
Data di atas menunjukan bahwa kedatangan penumpang tidak tetap setiap saat. Sedangkan untuk jumlah penumpang yang melakukan transit pada halte transit seperti Halte Grogol, Halte Harmoni, Halte Senen, dan Halte Dukuh Atas tidak didapat dari manajemen karena sulitnya melakukan pengambilan data tersebut. Berikut ini adalah data perencanaan Manajemen Transjakarta untuk setiap koridor:
54
Tabel 4.3Tabel alokasi bus, panjang koridor, dan waktu tempuh normal Manajemen Transjakarta Koridor
Jumlah
Panjang Koridor
Waktu Tempuh Normal
Koridor 1
74
12,9 KM
45 menit
Koridor 2
40
14 KM
45 menit
Koridor 3
54
19 KM
50 menit
Pembagian bus untuk setip harinya bervariasi untuk setiap jam. Untuk pagi hari, pukul 05.00 – 05.30 dan malam hari, pukul 21.00 – 22.00 bus yang beroperasi lebih sedikit dikarenakan jumlah penumpang tidak terlalu banyak. Khusus koridor 1, pembagian bus lebih kompleks lagi dikarenakan bus dialokasikan untuk jalur trayek khusus Ragunan – Harmoni, Harmoni – Ancol, PGC – Ancol, Harmoni – PGC. Untuk pengisian bahan bakar, untuk Koridor 1 Bus Transjakarta menggunakan bahan bakar solar dan pengisian dapat dilakukan menggunakan mobil pengisian bahan bakar di beberapa halte, dan stasiun pengisian bahan bakar khusus Bus Transjakarta sehingga waktu pengisian menjadi fleksibel. Sedangkan Kooridor 2 dan Kooridor 3 yang menggunakan bahan bakar gas, stasiun pengisian bahan bakar berada di Pemuda dan memakan waktu sekitar 2 – 6 jam untuk melakukan pengisian bahan bakar karena banyaknya bus dari koridor lain yang juga mengisi bahan bakar di Stasiun Pemuda. Namun sekali pengisian, rata –rata setiap bus mampu melakukan 4 kali perjalanan.
4.2
Analisis Data Sebelum memasukan data ke dalam analisis Teori Antrian, dilakukan analisis
untuk menguji apakan data yang telah diperoleh dari manajemen adalah sebaran poisson.
55
Untuk melakukan pengujian distribusi poisson, maka penulis memasukan data kedatangan per jam setiap hari ke dalam SPSS.
Gambar 4.1 Uji Distribusi Poisson pada data kedatangan penumpang
Analisis sistem berjalan di sini dibuat menggunakan Teori Antrian, melalui data yang didapat, dimana untuk koridor 1 saja dengan default kedatangan bus selama 2 menit dan terdapat rata – rata 76,799 orang penumpang setiap harinyadan kapasitas maksimal busway sebanyak 85 orang (Bus koridor 1 tidak memiliki bus gandeng) dan waktu kerja selama 17 jam (pukul 05.00 hingga 22.00) maka dengan Teori Antrian, perhitunggan manual untuk pola kedatangan bus dapat dihitung seperti berikut: 1. Jumlah kedatangan: Periode 1 = 33,5% x 76799 = 25728 orang λ11 = 25728 orang x 60% / 6 jam = 2573 orang per jam λ12 = 25728 orang x 40% / 6 jam = 1715 orang per jam Periode 2 = 26.5% x 76799 = 20352 orang
56
λ21 = 20352 orang x 50% / 5 jam = 2035 orang per jam λ22 = 20352 orang x 50% / 5 jam = 2035 orang per jam Periode 1 = 37,5% x 76799 = 30720 orang λ31 = 30720 orang x 65% / 6 jam =2048 orang per jam λ32 = 30720 orang x 35% / 6 jam = 3072 orang per jam 2. Untuk perhitungan manual. kapasitas pelayanan yang diambil dari 3 buah rentang waktu kedatangan sebagai perbandingan. Dengan masing – masing: μ = 85 x 20 = 1700 (dengan asumsi kedatangan 3 menit sekali ) μ = 85 x 30 = 2550 (dengan asumsi kedatangan 2 menit sekali - default ) μ = 85 x 40 = 3400 (dengan asumsi kedatangan 1,5 menit sekali ) Untuk perhitungan komputer, maka rentang waktu diberikan 10 buah antara (5,5 menit hingga 1,5 menit dengan jarak 0,5 menit). 3. Kemungkinan kosongnya sistem (P0) untuk setiap rentang waktu kedatangan dapat dihitung dengan: Periode 1: P0
=1
=1
= -0.5135(Bulking)
P0
=1
=1
= -0.0090(Bulking untuk default)
P0
=1
=1
= 0.2432
P0
=1
=1
= -0.0088 (Bulking)
P0
=1
=1
= 0.3275
P0
=1
=1
= 0.4956
57
Begitu pula untuk periode 2 dan periode 3: P0
= -0,1971
P0
= -0,2047
P0
= 0,2020
P0
= 0,1969
P0
= 0,4015
P0
= 0,3976
P0
= -0,1971
P0
= -0,8071
P0
= 0,2020
P0
= -0,2047
P0
= 0,4015
P0
= 0,0965
Dari hasil perhitungan P0, maka dapat disimpulkan bahwa asumsi kedatangan bus selama 3 menit sekali dan 2 menit sekali pada periode 1start 1 tidak memiliki kemungkinan halte kosong. Hal ini dapat dilihat dari nilai P0 yang bernilai negatif. Sedangkan untuk kedatangan 1,5 menit sekali memiliki kemungkinan halte kosong (dengan catatan bus selalu dalam kondisi penuh)dan dianjurkan pola kedatangan lebih cepat lagi. Sedangkan untuk start 2 kedatangan 3 menit sekali masuk ke dalam kriteria (kriteria 0 < P0 < 0,3) namun pada perhitungan program dianjurkan untuk menggunakan kedatangan 2,5 menit.Sedangkan untuk periode ke 2, untuk masing masing start, bisa menggunakan pola kedatangan 2 menit sekali. Dan untuk periode ke 3, start pertama dianjurkan untuk menggunakan pola kedatangan 2 menit sekali dan start pertama dianjurkan menggunakan pola kedatangan 1,5 menit sekali. Dengan menggunakan perhitungan kedatangan diatas, maka perhitungan LQ (banyaknya orang dalam antrian), dan WQ (rata-rata waktu tunggu dalam antrian) adalah sebagai berikut:
58
Periode pertama: LQ
= 3 orang
WQ LQ WQ
= 3,24 detik = 5 orang
, ,
= 9,36detik
Begitu pula untuk periode 2 dan periode 3: LQ WQ LQ WQ
= 4 orang = 5,4 detik = 4 orang = 5,4 detik
LQ WQ LQ WQ
= 4 orang = 5,76 detik = 9 orang = 10,08 detik
59
Gambar 4.2 Hasil perhitungan program untuk koridor 1
Begitu pula dengan koridor – koridor yang termasuk dalam ruang lingkup penulis (Pulo Gadung – Harmoni dan Kalideres – Pasar Baru, dua-duanya memiliki
60
default waktu kedatangan antar bus sebesar 1,5 menit) dengan tidak memiliki bus gandeng, dan perhitungan program sebagai berikut:
Gambar 4.3 Hasil perhitungan program untuk koridor 2
61
Dengan perhitungan program diatas, didapatkan untuk periode pertama, start 1 optimum dengan kedatangan 4 menit, start 2 dengan kedatangan 5,5 menit sekali. Sedangkan untuk periode ke 2 optimum dengan kedatangan 5 menit, dan periode 3menggunakan pola kedatangan 5 dan 3,5 menit. Sedangkan untuk Kalideres – Pasar Baru, dengan perhitungan program didapatkan:
Gambar 4.4 Hasil perhitungan program untuk koridor 3
62
Dengan perhitungan program di atas, maka untuk periode 1, pola kedatangan menggunakan 5 menit dan 3,5 menit sekali. Untuk periode 2, akan maksimal di pola kedatangan 4,5 menit sekali, dan periode 3 akan menggunakan pola kedatangan 4 dan 3,5 menit sekali. Perhitungan di atas mengacu kepada keadaan apabila bus selalu terisi penuh (85 penumpang per bus). Ada baiknya bila perhitungan dapat menggunakan perhitungan dari faktor penumpangyang melakukan transit. Hasil rentang waktu kedatangan antar bus selanjutnya akan menjadi inputan untuk diolah menjadi penjadwalan oleh Algoritma Genetik.
4.3
Optimalisasi Penjadwalan Setelah melalui proses analisis, maka penjadwalan akan di generate
menggunakan
program
yang
telah
dibuat
berdasarkan
metode
Algoritma
Genetik.Program tersebut akan menjalankan langkah seperti yang tertulis pada bab 3 dan akan berhenti apabila semua constraint telah terpenuhi dan fitness = 1. Berikut adalah perhitungan fitness 50 iterasi pertama pada program (nilai fitness dibulatkan 5 angka dibelakang nol): Proc: 0 cromosome ( [0] => 0.00131 [1] => 0.00271 [2] => 0.00256 [3] => 0.00267 ) Current Fitness: 0.00271 Proc: 1 cromosome ( [0] => 0.00271 [1] => 0.00263 [2] => 0.0024 [3] => 0.00235 ) Current Fitness: 0.00271 Proc: 2 cromosome ( [0] => 0.00271 [1] => 0.00263 [2] => 0.00219 [3] => 0.00216 ) Current Fitness: 0.00271 Proc: 3 cromosome ( [0] => 0.00271 [1] => 0.00263 [2] => 0.00256 [3] => 0.0024 )
63
Current Fitness: 0.00271 Proc: 4 cromosome ( [0] => 0.00271 [1] => 0.00263 [2] => 0.00256 [3] => 0.00216 ) Current Fitness: 0.00271 Proc: 5 cromosome ( [0] => 0.00271 [1] => 0.00263 [2] => 0.00226 [3] => 0.00202 ) Current Fitness: 0.00271 Proc: 6 cromosome ( [0] => 0.00271 [1] => 0.00263 [2] => 0.00216 [3] => 0.00198 ) Current Fitness: 0.00271 Proc: 7 cromosome ( [0] => 0.00271 [1] => 0.00263 [2] => 0.0025 [3] => 0.0026 ) Current Fitness: 0.00271 Proc: 8 cromosome ( [0] => 0.00271 [1] => 0.00263 [2] => 0.00243 [3] => 0.00221 ) Current Fitness: 0.00271 Proc: 9 cromosome ( [0] => 0.00271 [1] => 0.00263 [2] => 0.00253 [3] => 0.0025 ) Current Fitness: 0.00271 Proc: 10 cromosome ( [0] => 0.00271 [1] => 0.00263 [2] => 0.00221 [3] => 0.00207 ) Current Fitness: 0.00271 Proc: 11 cromosome ( [0] => 0.00271 [1] => 0.00263 [2] => 0.00205 [3] => 0.00232 ) Current Fitness: 0.00271 Proc: 12 cromosome ( [0] => 0.00271 [1] => 0.0026 [2] => 0.00235 [3] => 0.00219 ) Current Fitness: 0.00271 Proc: 13 cromosome ( [0] => 0.00271 [1] => 0.0026 [2] => 0.00219 [3] => 0.00202 ) Current Fitness: 0.00271 Proc: 14 cromosome ( [0] => 0.00271 [1] => 0.0026 [2] => 0.00232 [3] => 0.00214 ) Current Fitness: 0.00271 Proc: 15 cromosome ( [0] => 0.00271 [1] => 0.00263 [2] => 0.00214 [3] => 0.00214 )
64
Current Fitness: 0.00271 Proc: 16 cromosome ( [0] => 0.00271 [1] => 0.0026 [2] => 0.00226 [3] => 0.00216 ) Current Fitness: 0.00271 Proc: 17 cromosome ( [0] => 0.00271 [1] => 0.00263 [2] => 0.00229 [3] => 0.00224 ) Current Fitness: 0.00271 Proc: 18 cromosome ( [0] => 0.00271 [1] => 0.00263 [2] => 0.00221 [3] => 0.00207 ) Current Fitness: 0.00271 Proc: 19 cromosome ( [0] => 0.00271 [1] => 0.00263 [2] => 0.00226 [3] => 0.00224 ) Current Fitness: 0.00271 Proc: 20 cromosome ( [0] => 0.00271 [1] => 0.00263 [2] => 0.00229 [3] => 0.00209 ) Current Fitness: 0.00271 Proc: 21 cromosome ( [0] => 0.00271 [1] => 0.00263 [2] => 0.00211 [3] => 0.00221 ) Current Fitness: 0.00271 Proc: 22 cromosome ( [0] => 0.00271 [1] => 0.00263 [2] => 0.00224 [3] => 0.00216 ) Current Fitness: 0.00271 Proc: 23 cromosome ( [0] => 0.00271 [1] => 0.00267 [2] => 0.00211 [3] => 0.00219 ) Current Fitness: 0.00271 Proc: 24 cromosome ( [0] => 0.00271 [1] => 0.00267 [2] => 0.00237 [3] => 0.00232 ) Current Fitness: 0.00271 Proc: 25 cromosome ( [0] => 0.00271 [1] => 0.00267 [2] => 0.00229 [3] => 0.00232 ) Current Fitness: 0.00271 Proc: 26 cromosome ( [0] => 0.00271 [1] => 0.00267 [2] => 0.00243 [3] => 0.00237 ) Current Fitness: 0.00271 Proc: 27 cromosome ( [0] => 0.00271 [1] => 0.00267 [2] => 0.0025 [3] => 0.00235 )
65
Current Fitness: 0.00271 Proc: 28 cromosome ( [0] => 0.00271 [1] => 0.00267 [2] => 0.0025 [3] => 0.0026 ) Current Fitness: 0.00271 Proc: 29 cromosome ( [0] => 0.00271 [1] => 0.00267 [2] => 0.00271 [3] => 0.0024 ) Current Fitness: 0.00271 Proc: 30 cromosome ( [0] => 0.00271 [1] => 0.00275 [2] => 0.00267 [3] => 0.00263 ) Current Fitness: 0.00275 Proc: 31 cromosome ( [0] => 0.00275 [1] => 0.00271 [2] => 0.00275 [3] => 0.00267 ) Current Fitness: 0.00275 Proc: 32 cromosome ( [0] => 0.00275 [1] => 0.00275 [2] => 0.00275 [3] => 0.00275 ) Current Fitness: 0.00275 Proc: 33 cromosome ( [0] => 0.00275 [1] => 0.00275 [2] => 0.00275 [3] => 0.00275 ) Current Fitness: 0.00275 Proc: 34 cromosome ( [0] => 0.00275 [1] => 0.00275 [2] => 0.00271 [3] => 0.00271 ) Current Fitness: 0.00275 Proc: 35 cromosome ( [0] => 0.00275 [1] => 0.00275 [2] => 0.00275 [3] => 0.00275 ) Current Fitness: 0.00275 Proc: 36 cromosome ( [0] => 0.00275 [1] => 0.00275 [2] => 0.00271 [3] => 0.00275 ) Current Fitness: 0.00275 Proc: 37 cromosome ( [0] => 0.00275 [1] => 0.00275 [2] => 0.00283 [3] => 0.00275 ) Current Fitness: 0.00283 Proc: 38 cromosome ( [0] => 0.00283 [1] => 0.00275 [2] => 0.00279 [3] => 0.00271 ) Current Fitness: 0.00283 Proc: 39 cromosome ( [0] => 0.00283 [1] => 0.00279 [2] => 0.00283 [3] => 0.00279 )
66
Current Fitness: 0.00283 Proc: 40 cromosome ( [0] => 0.00283 [1] => 0.00283 [2] => 0.00283 [3] => 0.00283 ) Current Fitness: 0.00283 Proc: 41 cromosome ( [0] => 0.00283 [1] => 0.00283 [2] => 0.00279 [3] => 0.00275 ) Current Fitness: 0.00283 Proc: 42 cromosome ( [0] => 0.00283 [1] => 0.00283 [2] => 0.00291 [3] => 0.00283 ) Current Fitness: 0.00291 Proc: 43 cromosome ( [0] => 0.00291 [1] => 0.00283 [2] => 0.00291 [3] => 0.00283 ) Current Fitness: 0.00291 Proc: 44 cromosome ( [0] => 0.00291 [1] => 0.00291 [2] => 0.00287 [3] => 0.00287 ) Current Fitness: 0.00291 Proc: 45 cromosome ( [0] => 0.00291 [1] => 0.00291 [2] => 0.00291 [3] => 0.00291 ) Current Fitness: 0.00291 Proc: 46 cromosome ( [0] => 0.00291 [1] => 0.00291 [2] => 0.00291 [3] => 0.00287 ) Current Fitness: 0.00291 Proc: 47 cromosome ( [0] => 0.00291 [1] => 0.00291 [2] => 0.00291 [3] => 0.00291 ) Current Fitness: 0.00291 Proc: 48 cromosome ( [0] => 0.00291 [1] => 0.00291 [2] => 0.00287 [3] => 0.00287 ) Current Fitness: 0.00291 Proc: 49 cromosome ( [0] => 0.00291 [1] => 0.00291 [2] => 0.00283 [3] => 0.00283 ) Current Fitness: 0.00291 Proc: 50 cromosome ( [0] => 0.00291 [1] => 0.00291 [2] => 0.00291 [3] => 0.00287 ) Current Fitness: 0.00291
67
Disini dapat dilihat selama iterasi tersebut, nilai fitness untuk start 1 yang semula bernilai 0.00271 akan semakin naik menjadi mendekati 1. Dan setelah beberapa kali proses iterasi, apabila semua constraint terpenuhi, maka nilai fitness menjadi 1 dan proses perhitungan algoritma genetik akan selesai maka penjadwalan sudah dalam kondisi optimal.
Gambar 4.5 Perhitungan fitness 50 iterasipada program
68
Berikut hasil outputyang di-generatedari program untuk Koridor 2 selama 1 hari: Tabel 4.4 Tabel hasil optimalisasi penjadwalan pada koridor 2 No.
Time1
Pulo Gadung
Time2
Harmoni
1 5:00:00
TA031
5:00:00
TA056
2 5:04:00
TA021
5:05:30
TA065
3 5:08:00
TA014
5:11:00
TA050
4 5:12:00
TA023
5:16:30
TA053
5 5:16:00
TA010
5:22:00
TA061
6 5:20:00
TA012
5:27:30
TA044
7 5:24:00
TA030
5:33:00
TA052
8 5:28:00
TA024
5:38:30
TA042
9 5:32:00
TA027
5:44:00
TA063
10 5:36:00
TA029
5:49:30
TA038
11 5:40:00
TA034
5:55:00
TA045
12 5:44:00
TA016
6:00:30
TA059
13 5:48:00
TA028
6:06:00
TA064
14 5:52:00
TA003
6:11:30
TA058
15 5:56:00
TA020
6:17:00
TA040
16 6:00:00
TA036
6:22:30
TA062
17 6:04:00
TA025
6:28:00
TA046
18 6:08:00
TA002
6:33:30
TA073
6:12:00 6:39:00 pada koridor 19 TA0552 Tabel 4.4 Tabel hasil TA032 optimalisasi penjadwalan 20 6:16:00
TA006
6:44:30
TA039
69
21 6:20:00
TA026
6:50:00
TA069
22 6:24:00
TA004
6:55:30
TA054
23 6:28:00
TA005
7:01:00
TA051
24 6:32:00
TA019
7:06:30
TA049
25 6:36:00
TA001
7:12:00
TA037
26 6:40:00
TA017
7:17:30
TA048
27 6:44:00
TA018
7:23:00
TA070
28 6:48:00
TA009
7:28:30
TA041
29 6:52:00
TA013
7:34:00
TA057
30 6:56:00
TA011
7:39:30
TA068
31 7:00:00
TA007
7:45:00
TA072
32 7:04:00
TA008
7:50:30
TA047
33 7:08:00
TA033
7:56:00
TA060
34 7:12:00
TA015
8:01:30
TA066
35 7:16:00
TA000
8:07:00
TA067
36 7:20:00
TA022
8:12:30
TA043
37 7:24:00
TA035
8:18:00
TA071
38 7:28:00
TA056
8:23:30
TA031
39 7:32:00
TA065
8:29:00
TA021
40 7:36:00
TA050
8:34:30
TA014
41 7:40:00
TA053
8:40:00
TA023
7:44:00 8:45:30 pada koridor 42Tabel TA0102 4.4 Tabel hasilTA061 optimalisasi penjadwalan 43 7:48:00
TA044
8:51:00
TA012
70
44 7:52:00
TA052
8:56:30
TA030
45 7:56:00
TA042
9:02:00
TA024
46 8:00:00
TA063
9:07:30
TA027
47 8:04:00
TA038
9:13:00
TA029
48 8:08:00
TA045
9:18:30
TA034
49 8:12:00
TA059
9:24:00
TA016
50 8:16:00
TA064
9:29:30
TA028
51 8:20:00
TA058
9:35:00
TA003
52 8:24:00
TA040
9:40:30
TA020
53 8:28:00
TA062
9:46:00
TA036
54 8:32:00
TA046
9:51:30
TA025
55 8:36:00
TA073
9:57:00
TA002
56 8:40:00
TA055
10:02:30
TA032
57 8:44:00
TA039
10:08:00
TA006
58 8:48:00
TA069
10:13:30
TA026
59 8:52:00
TA054
10:19:00
TA004
60 8:56:00
TA051
10:24:30
TA005
61 9:00:00
TA049
10:30:00
TA019
62 9:04:00
TA037
10:35:30
TA001
63 9:08:00
TA048
10:41:00
TA017
64 9:12:00
TA070
10:46:30
TA018
9:16:00 10:52:00pada koridor 65 TA0092 Tabel 4.4 Tabel hasil TA041 optimalisasi penjadwalan 66 9:20:00
TA057
10:57:30
TA013
71
67 9:24:00
TA068
11:05:00
TA011
68 9:28:00
TA072
11:10:00
TA007
69 9:32:00
TA047
11:15:00
TA008
70 9:36:00
TA060
11:20:00
TA033
71 9:40:00
TA066
11:25:00
TA015
72 9:44:00
TA067
11:30:00
TA000
73 9:48:00
TA043
11:35:00
TA022
74 9:52:00
TA071
11:40:00
TA035
75 9:56:00
TA031
11:45:00
TA056
76 10:00:00
TA021
11:50:00
TA065
77 10:04:00
TA014
11:55:00
TA050
78 10:08:00
TA023
12:00:00
TA053
79 10:12:00
TA010
12:05:00
TA061
80 10:16:00
TA012
12:10:00
TA044
81 10:20:00
TA030
12:15:00
TA052
82 10:24:00
TA024
12:20:00
TA042
83 10:28:00
TA027
12:25:00
TA063
84 10:32:00
TA029
12:30:00
TA038
85 10:36:00
TA034
12:35:00
TA045
86 10:40:00
TA016
12:40:00
TA059
87 10:44:00
TA028
12:45:00
TA064
10:48:00 12:50:00pada koridor 88 TA0582 Tabel 4.4 Tabel hasil TA003 optimalisasi penjadwalan 89 10:52:00
TA020
12:55:00
TA040
72
90 10:56:00
TA036
13:00:00
TA062
91 11:00:00
TA025
13:05:00
TA046
92 11:05:00
TA002
13:10:00
TA073
93 11:10:00
TA032
13:15:00
TA055
94 11:15:00
TA006
13:20:00
TA039
95 11:20:00
TA026
13:25:00
TA069
96 11:25:00
TA004
13:30:00
TA054
97 11:30:00
TA005
13:35:00
TA051
98 11:35:00
TA019
13:40:00
TA049
99 11:40:00
TA001
13:45:00
TA037
100 11:45:00
TA017
13:50:00
TA048
101 11:50:00
TA018
13:55:00
TA070
102 11:55:00
TA009
14:00:00
TA041
103 12:00:00
TA013
14:05:00
TA057
104 12:05:00
TA011
14:10:00
TA068
105 12:10:00
TA007
14:15:00
TA072
106 12:15:00
TA008
14:20:00
TA047
107 12:20:00
TA033
14:25:00
TA060
108 12:25:00
TA015
14:30:00
TA066
109 12:30:00
TA000
14:35:00
TA067
110 12:35:00
TA022
14:40:00
TA043
14:45:00 111 TA035 TA071 Tabel12:40:00 4.4 Tabel hasil optimalisasi penjadwalan pada koridor 2 112 12:45:00
TA056
14:50:00
TA031
73
113 12:50:00
TA065
14:55:00
TA021
114 12:55:00
TA050
15:00:00
TA014
115 13:00:00
TA053
15:05:00
TA023
116 13:05:00
TA061
15:10:00
TA010
117 13:10:00
TA044
15:15:00
TA012
118 13:15:00
TA052
15:20:00
TA030
119 13:20:00
TA042
15:25:00
TA024
120 13:25:00
TA063
15:30:00
TA027
121 13:30:00
TA038
15:35:00
TA029
122 13:35:00
TA045
15:40:00
TA034
123 13:40:00
TA059
15:45:00
TA016
124 13:45:00
TA064
15:50:00
TA028
125 13:50:00
TA058
15:55:00
TA003
126 13:55:00
TA040
16:00:00
TA020
127 14:00:00
TA062
16:03:30
TA036
128 14:05:00
TA046
16:07:00
TA025
129 14:10:00
TA073
16:10:30
TA002
130 14:15:00
TA055
16:14:00
TA032
131 14:20:00
TA039
16:17:30
TA006
132 14:25:00
TA069
16:21:00
TA026
133 14:30:00
TA054
16:24:30
TA004
16:28:00 134 TA051 penjadwalan TA005 Tabel14:35:00 4.4 Tabel hasil optimalisasi pada koridor 2 135 14:40:00
TA049
16:31:30
TA019
74
136 14:45:00
TA037
16:35:00
TA001
137 14:50:00
TA048
16:38:30
TA017
138 14:55:00
TA070
16:42:00
TA018
139 15:00:00
TA041
16:45:30
TA009
140 15:05:00
TA057
16:49:00
TA013
141 15:10:00
TA068
16:52:30
TA011
142 15:15:00
TA072
16:56:00
TA007
143 15:20:00
TA047
16:59:30
TA008
144 15:25:00
TA060
17:03:00
TA033
145 15:30:00
TA066
17:06:30
TA015
146 15:35:00
TA067
17:10:00
TA000
147 15:40:00
TA043
17:13:30
TA022
148 15:45:00
TA071
17:17:00
TA035
149 15:50:00
TA031
17:20:30
TA056
150 15:55:00
TA021
17:24:00
TA065
151 16:00:00
TA014
17:27:30
TA050
152 16:05:00
TA023
17:31:00
TA053
153 16:10:00
TA010
17:34:30
TA061
154 16:15:00
TA012
17:38:00
TA044
155 16:20:00
TA030
17:41:30
TA052
156 16:25:00
TA024
17:45:00
TA042
17:48:30 157 TA027 TA063 Tabel16:30:00 4.4 Tabel hasil optimalisasi penjadwalan pada koridor 2 158 16:35:00
TA029
17:52:00
TA038
75
159 16:40:00
TA034
17:55:30
TA045
160 16:45:00
TA016
17:59:00
TA059
161 16:50:00
TA028
18:02:30
TA064
162 16:55:00
TA003
18:06:00
TA058
163 17:00:00
TA020
18:09:30
TA040
164 17:05:00
TA036
18:13:00
TA062
165 17:10:00
TA025
18:16:30
TA046
166 17:15:00
TA002
18:20:00
TA073
167 17:20:00
TA032
18:23:30
TA055
168 17:25:00
TA006
18:27:00
TA039
169 17:30:00
TA026
18:30:30
TA069
170 17:35:00
TA004
18:34:00
TA054
171 17:40:00
TA005
18:37:30
TA051
172 17:45:00
TA019
18:41:00
TA049
173 17:50:00
TA001
18:44:30
TA037
174 17:55:00
TA017
18:48:00
TA048
175 18:00:00
TA018
18:51:30
TA070
176 18:05:00
TA009
18:55:00
TA041
177 18:10:00
TA013
18:58:30
TA057
178 18:15:00
TA011
19:02:00
TA068
179 18:20:00
TA007
19:05:30
TA072
19:09:00 180 TA008 TA047 Tabel18:25:00 4.4 Tabel hasil optimalisasi penjadwalan pada koridor 2 181 18:30:00
TA033
19:12:30
TA060
76
182 18:35:00
TA015
19:16:00
TA066
183 18:40:00
TA000
19:19:30
TA067
184 18:45:00
TA022
19:23:00
TA043
185 18:50:00
TA035
19:26:30
TA071
186 18:55:00
TA056
19:30:00
TA031
187 19:00:00
TA065
19:33:30
TA021
188 19:05:00
TA050
19:37:00
TA014
189 19:10:00
TA053
19:40:30
TA023
190 19:15:00
TA061
19:44:00
TA010
191 19:20:00
TA044
19:47:30
TA012
192 19:25:00
TA052
19:51:00
TA030
193 19:30:00
TA042
19:54:30
TA024
194 19:35:00
TA063
19:58:00
TA027
195 19:40:00
TA038
20:01:30
TA029
196 19:45:00
TA045
20:05:00
TA034
197 19:50:00
TA059
20:08:30
TA016
198 19:55:00
TA064
20:12:00
TA028
199 20:00:00
TA058
20:15:30
TA003
200 20:05:00
TA040
20:19:00
TA020
201 20:10:00
TA062
20:22:30
TA036
202 20:15:00
TA046
20:26:00
TA025
20:20:00 20:29:30 203 4.4 TA073 penjadwalan TA002 Tabel Tabel hasil optimalisasi pada koridor 2 204 20:25:00
TA055
20:33:00
TA032
77
205 20:30:00
TA039
20:36:30
TA006
206 20:35:00
TA069
20:40:00
TA026
207 20:40:00
TA054
20:43:30
TA004
208 20:45:00
TA051
20:47:00
TA005
209 20:50:00
TA049
20:50:30
TA019
210 20:55:00
TA037
20:54:00
TA001
211 21:00:00
TA048
20:57:30
TA017
212 21:05:00
TA070
21:01:00
TA018
213 21:10:00
TA041
21:04:30
TA009
214 21:15:00
TA057
21:08:00
TA013
215 21:20:00
TA068
21:11:30
TA011
216 21:25:00
TA072
21:15:00
TA007
217 21:30:00
TA047
21:18:30
TA008
218 21:35:00
TA060
21:22:00
TA033
219 21:40:00
TA066
21:25:30
TA015
220 21:45:00
TA067
21:29:00
TA000
221 21:50:00
TA043
21:32:30
TA022
222 21:55:00
TA071
21:36:00
TA035
223 22:00:00
TA031
21:39:30
TA056
Waktu yang dibutuhkan untuk menghasilkan output tersebut adalah 46,3 menit. Untuk menunjukan bertapa banyak langkah yang ditempuh oleh Algoritma Genetik untuk menyelesaikan permasalahan penjadwalan.
78
Hasil output untuk koridor lain tidak ditampilkan mengingat banyaknya penjadwalan yang dihasilkan.
Gambar 4.6Output penjadwalan untuk koridor 2
4.4
Evaluasi Hasil Untuk
menguji
hasil
optimalisasi
dari
Teori
Antrian,
maka
penulis
membandingkan hasil perhitungan program dengan kenyataan di lapangan dikarenakan kapasitas penulis melakukan studidi Transjakarta masih sebatas memberikan usulan. Maka, dari data yang didapat di lapangan, menyebutan:
79
Tabel 4.5 Tabel operasional kedatangan Bus Transjakarta Manajemen Transjakarta Periode (jam)
Koridor 1
Koridor 2
Koridor 3
05:00
05:30
3,75 menit
4 - 5 menit
3 - 8 menit
05:30
06:00
1,73 menit
2,25 menit
1,67 menit
06:00
06:30
1,30 menit
2,25 menit
1,67 menit
06:30
07:00
1,36 menit
2,25 menit
1,67 menit
07:00
08:00
1,22 menit
2,25 menit
1,67 menit
08:00
09:00
1,22 - 1,30 menit
2,25 menit
1,67 menit
09:00
10:00
1,34 - 1,55 menit
2,25 menit
1,85 menit
10:00
11:00
1,55 menit
2,25 menit
1,85 menit
11:00
12:00
1,55 - 1,38 menit
2,25 menit
1,85 menit
12:00
13:00
1,38 menit
2,25 menit
1,85 menit
13:00
14:00
1,38 menit
2,25 menit
1,85 menit
14:00
15:00
1,38 - 1,41 menit
2,25 menit
1,85 menit
15:00
16:00
1,41 menit
2,25 menit
1,85 menit
16:00
17:00
1,30 menit
2,25 menit
1,85 menit
17:00
18:00
1,30 menit
2,25 menit
1,85 menit
18:00
19:00
1,30 - 1,50 menit
2,25 menit
1,85 menit
19:00
20:00
1,50 menit
2,25 menit
1,85 menit
20:00
21:00
1,34 -2,25 menit
2,25 menit
2,27 menit
21:00
22:00
2,25 - 3 menit
2,50 menit
2,78 menit
80
Bila dibandingkan dengan pola kedatangan dari perhitungan program, untuk Koridor 1 yang mempunyai hasil penjadwalan sebagai berikut: 05.00 – 11.00 start 1: 1,5 menit
start 2: 2,5 menit
11.00 – 16.00 start 1: 2 menit
start 2: 2 menit
16.00 – 22.00 start 1: 2 menit
start 2 : 1,5 menit
Maka penjadwalan yang dihasilkan oleh komputer memiliki rentang kedatangan yang labih besar dibandingkan dengan sistem yang berjalan. Hal yang sama juga berlaku untuk koridor 2 dengan hasil penjadwalan sebagai berikut: 05.00 – 11.00 start 1: 4 menit
start 2: 5,5 menit
11.00 – 16.00 start 1: 5 menit
start 2: 5 menit
16.00 – 22.00 start 1: 5 menit
start 2 : 3,5 menit
Yang memiliki perbedaan cukup mencolok dibandingkan sistem yang berjalan dengan rata – rata mempunyai 2,25 menit. Dan koridor ke 3 dengan hasil penjadwalan sebagai berikut: 05.00 – 11.00 start 1: 3,5 menit
start 2: 5 menit
11.00 – 16.00 start 1: 4,5 menit
start 2: 4,5 menit
16.00 – 22.00 start 1: 4 menit
start 2 : 3 menit
Berbeda dengan sistem yang mempunyai rata –rata kedatangan di bawah 2 menit. Dari ketiga hasil perhitungan di atas menunjukan bahwa ketiganya mempunyai pola kedatangan di atas sistem yang berjalan. Hal ini disebabkan belum masuknya perhitungan faktor penumpang yang melakukan transit pada halte transit seperti halte Harmoni untuk koridor 1, halte Senen dan Harmoni untuk koridor 2, halte Grogol dan Harmoni untuk koridor 3. Sehingga perhitungan dari teori antrian tersebut masih belum menggambarkan hasil pada lapangan.
81
Untuk menguji hasil penjadwalan dari AlgoritmaGenetik, penulis memilih 10 bus dari hasil penjadwalan di atas untuk dijadikan sample evaluasi.10 bus tersebut dipilih secara random dan disajikan dengan rentang waktu sebagai berikut: Tabel 4.6 Tabel hasil pengujian penjadwalan pada koridor 2 TA018
TA047
TA005
TA032
TA029
TA011
TA025
TA033
TA006
TA040
start 1
6:44:00
11:50:00
18:00:00
start 2
10:46:30
16:42:00
21:01:00
start 1
9:32:00
15:20:00
21:30:00
start 2
7:50:30
14:20:00
19:09:00
start 1
6:28:00
11:30:00
17:40:00
start 2
10:24:30
16:28:00
20:47:00
start 1
6:12:00
11:10:00
17:20:00
start 2
10:02:30
16:14:00
20:33:00
start 1
5:36:00
10:32:00
16:35:00
start 2
9:13:00
15:35:00
20:01:30
start 1
6:56:00
12:05:00
18:15:00
start 2
11:05:00
16:52:30
21:11:30
start 1
6:04:00
11:00:00
17:10:00
start 2
9:51:30
16:07:00
20:26:00
start 1
7:08:00
12:20:00
18:30:00
start 2
11:20:00
17:03:00
21:22:00
start 1
6:16:00
11:15:00
17:25:00
start 2
10:08:00
16:17:30
20:36:30
start 1
8:24:00
13:55:00
20:05:00
82
start 2
6:17:00
12:55:00
18:09:30
Dari constraint yang disebutkan pada bab 3, maka untuk setiap sample bus akan dicocokan ke dalam constraint: 1. Tidak ada bus yang berada dalam dua jalur dengan arah yang berbeda, dilihat dari apakah ada waktu antara start 1 dan 2 yang berjarak dibawah waktu tempuh (45 menit). 2. Tidak ada bus yang berada dalam kondisi rusak atau dalam perbaikan, karena secara default untuk perhitungan dianggap semua bus dalam kondisi baik. 3. Tidak ada bus yang tidak mempunyai waktu untuk melakukan pengisian bahan bakar. Untuk melakukan pengisian ulang, setiap bus mendapat waktu sebesar 3 jam untuk melakukan pengisian bahan bakar. 4. Tidak ada bus melakukan operasi berturutan hingga 4 (pergi - pulang) kali, di atas terlihat bahwa setiap bus maksimal akan mendapat operasi berurutan hingga 3 kali saja. 5. Tidak ada bus yang melakukan pengisian bakar melebihi 2 kali. Karena rata – rata kapasitas pengisian bus cukup untuk 4 kali operasi berturutan sehingga masing – masing bus cukup melakukan pengisian ulang sebanyak 1 kali. Evaluasi dari bus yang lain juga menunjukan hasil yang serupa. Maka dari hasil pengujian tersebut disebutkan bahwa penjadwalan yang dihasilkan melalui Algoritma Genetik telah optimal untuk inputan dari Teori Antrian karena seluruh constraintyang ditentukan telah terpenuhi dan terbukti metode yang digunakan dapat menghasilkan solusi yang optimal untuk penjadwalan bus.
83
Secara metode, hasil perhitungan dapat dikatakan sudah benar. Namun, karena hasil dari penjadwalan tersebut sangat bergantung dari hasil dari Teori Antrian, maka dapat dikatakan hasil penjadwalan ini belum layak untuk diimplementasikan selama data yang dibutuhkan Teori Antrian belum mewakili kenyataan di lapangan.Namun, untuk memperoleh pola kedatangan dan penjadwalan yang optimal, dapat disimpulkan proses perhitungan menggunakan Teori Antrian dan Algoritma Genetik dapat dipergunakan manajemen karena dapat mengoptimalkan penjadwalan pada data normal.
