KENDALI LOGIKA FUZZY PADA PENGATURAN LAMPU LALU LINTAS BERDASARKAN URGENCY DAN STOP DEGREE Fitria Suryatini Program Studi Teknik Elektro Fakultas Teknik Universitas Islam “45” (UNISMA) E-mail:
[email protected] Abstrak Pengaturan lampu lalu lintas merupakan suatu metode yang penting untuk meningkatkan efisiensi pengendalian arus lalu lintas di persimpangan. Penelitian ini bertujuan untuk merancang kendali logika fuzzy pada pengaturan lampu lalu lintas di sebuah persimpangan empat kaki. kendali logika fuzzy terdiri tiga buah modul fuzzy yang digunakan untuk menentukan penghentian atau penerusan fase hijau dan pemilihan fase berikutnya yang akan diaktifkan berdasarkan urgency dan stop degree. Modul fuzzy pertama, next phase berfungsi memilih fase berikutnya yang terpilih untuk aktif dan urgency degree yang menyatakan seberapa perlu fase merah diaktifkan. Modul fuzzy kedua, stop phase berfungsi menentukan stop degree yang menyatakan seberapa perlu fase hijau dihentikan. Modul fuzzy ketiga, switch phase berfungsi untuk memutuskan apakah fase hijau harus dihentikan dan bepindah ke fase berikutnya atau tidak. Kendali logika fuzzy dibuat menggunakan Fuzzy Inference System (FIS) yang telah tersedia pada aplikasi MATLAB 2014b menggunakan metode Sugeno. Kata kunci: pengaturan lampu lalu lintas, kendali logika fuzzy, next phase, stop phase, switch phase, MATLAB lampu lalu lintas di persimpangan yang secara otomatis menyesuaikan diri dengan kepadatan arus lalu lintas pada jalur yang diatur. Setiap jalur yang diatur pada persimpangan mendapat sinyal hijau sesuai kepadatannya. Jalur yang mempunyai kepadatan kendaraan lebih besar akan mendapatkan sinyal hijau yang lebih lama dibandingkan dengan jalur yang mempunyai kepadatan kendaraan yang lebih kecil. Pengendali logika fuzzy merupakan salah satu alternatif pengendali lampu lalu lintas yang bisa diterapkan berdasarkan kepadatan kendaraan. Kendali logika
PENDAHULUAN Di Indonesia, pertumbuhan jumlah kendaraan semakin meningkat. Menurut data Badan Pusat Statistik, jumlah kendaraan bermotor pada tahun 2013 mencapai 104,118 juta unit. Jumlah ini meningkat 10,33% dari tahun sebelumnya [8]. Pertumbuhan kendaraan bermotor tersebut mengakibatkan peningkatan kepadatan lalu lintas yang menjadi salah satu faktor penyebab kemacetan. Kemacetan lalu lintas dapat diatasi dengan berbagai cara, salah satunya adalah dengan suatu rekayasa sistem untuk pengendalian 151
fuzzy dapat menghasilkan penyalaan sinyal hijau yang lebih dinamis sesuai kepadatan kendaraan yang ada pada suatu simpang jalan. Hasil penelitian Aryuanto [3], Javed [2], dan Lai [8] menunjukkan bahwa penggunaan algoritma logika fuzzy meningkatkan kinerja lalu lintas dibandingkan dengan Fixed Time (FT) dan Vehicle Actuated (VA), dimana penggunaan kendali logika fuzzy dapat memperkecil waktu tundaan. LANDASAN TEORI Kendali logika fuzzy Kendali logika fuzzy disebut juga Fuzzy Inference System/ FIS adalah sistem kendali yang menggunakan konsep teori himpunan fuzzy, aturan fuzzy if-then, dan fuzzy reasoning [10]. Pada dasarnya input FIS dapat berbentuk fuzzy input atau crisp input, tetapi output yang dihasilkan hampir selalu berbentuk fuzzy set. Ketika FIS digunakan sebagai pengendali, diperlukan output berbentuk crisp. Untuk mengubah fuzzy set menjadi crisp value dapat digunakan metode defuzifikasi [10]. FIS terdiri dari beberapa metode, pada penelitian ini digunakan FIS dengan metode Takagi Sugeno Kang. Proses penalaran fuzzy ditunjukkan pada gambar 1 [2].
Gambar 1. Struktur sistem kendali logika fuzzy Fuzzyfikasi Fuzzyfikasi merupakan proses memetakan nilai crisp (tegas) ke dalam himpunan fuzzy dan menentukan derajat keanggotaannya di dalam himpunan fuzzy. Fuzzy Inference Inferensi merupakan sistem penarikan kesimpulan dari sekumpulan kaidah fuzzy, dapat berupa input nilai eksak maupun rules dalam kaidah fuzzy. Rule based (Basis kaidah) merupakan sejumlah aturan fuzzy IF–THEN. Aturan pada model fuzzy Sugeno mempunyai bentuk [7] : If Input 1 = x and Input 2 = y then Output is z = ax + by + c Untuk model Sugeno orde-Nol, Output level z adalah konstan (a=b=0).
152
Proses inferensi terdiri dari tiga tahapan yaitu operasi logika fuzzy, implikasi, dan agregasi. Operasi logika fuzzy merupakan proses untuk menghitung derajat kebenaran dari sekumpulan predikat fuzzy dengan konektor berupa AND, OR, atau NOT. Operasi logika fuzzy yang digunakan adalah operasi AND menggunakan metode min. Implikasi yaitu proses untuk mendapatkan hasil atau nilai (linguistik maupun kuantitatif) predikat konsekuen dari antesenden yang diberikan. Fungsi implikasi yang digunakan adalah min. Jika terdapat lebih dari satu kaidah fuzzy yang dievaluasi, keluaran semua rule dikombinasikan menjadi sebuah fuzzy set tunggal. Proses tersebut disebut agregasi.
Metode agregasi yang digunakan adalah metode max atau OR. Pada metode sugeno agregasi berupa singleton-singleton. Singleton adalah sebuah himpunan fuzzy dengan fungsi keanggotaan: pada titik tertentu mempunyai sebuah nilai dan 0 di luar titik tersebut. Defuzzyfikasi Defuzzyfikasi merupakan proses memetakan besaran dari himpunan fuzzy ke dalam bentuk nilai crisp. Defuzzyfikasi pada metode Sugeno lebih sederhana, karena hanya menghitung center of single-ton. Proses penalaran fuzzy metode sugeno terdapat pada gambar 2.2 [7].
Gambar 2. Proses penalaran fuzzy metode Sugeno memiliki susunan fase seperti pada gambar 3. Pengendali lampu lalu lintas berbasis logika fuzzy dirancang untuk meminimumkan waktu tunda kendaraan dengan cara menentukan lamanya fase yang aktif dan memilih fase berikutnya yang
KENDALI LOGIKA FUZZY PADA PENGATURAN LAMPU LALU LINTAS Pengendali lampu lalu lintas dirancang menggunakan logika fuzzy di persimpangan empat kaki yang
153
akan aktif berdasarkan kepadatan kendaraan, urutan pengaktifan fase dibuat tidak tetap, dengan kata lain
urutan fase berubah sesuai dengan kondisi lalu lintas.
Fase A
Fase B
Fase C
Fase D
Gambar 3. Persimpangan Empat Kaki dan Kombinasi Fase Perancangan Kendali logika fuzzy pada pengaturan lampu lalu lintas Kendali logika fuzzy pada pengendalian lampu lalu lintas terdiri dari tiga modul fuzzy yaitu modul Next Phase, modul Stop Phase, dan modul Switch Phase [3]. Penalaran fuzzy yang digunakan adalah metode Takagi Sugeno Kang. Input kendali logika fuzzy pada pengendalian lampu lalu lintas terdiri dari: jumlah kendaraan fase merah (𝑄𝑅 ), jumlah kendaraan fase hijau (𝑄𝐺 ), lama waktu nyala merah/ fase yang tidak
Vehicle Number (𝑄𝑅 ) Red Time (𝑇𝑅 ) Vehicle Number (𝑄𝐺 ) Green Time (𝑇𝐺 )
aktif (𝑇𝑅 ), dan lama waktu nyala hijau/ fase yang aktif (𝑇𝐺 ). Keluaran kendali logika fuzzy pada pengendalian lampu lalu lintas adalah penghentian atau penerusan fase yang aktif dan pemilihan fase berikutnya yang akan aktif berdasarkan kepadatan kendaraan, urutan pengaktifan fase tidak tetap, dengan kata lain urutan fase berubah sesuai dengan kondisi lalu lintas. Diagram blok struktur kendali logika fuzzy terdapat pada gambar 4. Selected Phase
Next Phase Module Urgency degree Stop Phase Module
Stop degree
154
Switch Phase Module
Switch/ not the phase
Gambar 4. Diagram blok struktur kendali logika fuzzy pada pengendalian lampu lalu lintas menyatakan seberapa perlu fase merah segera diaktifkan. Urgency degree sebanding dengan jumlah kendaraan dan lama waktu merah. Semakin banyak jumlah kendaraan dan semakin lama waktu merah, maka semakin mendesak fase tersebut untuk segera diaktifkan. Fungsi keanggotaan yang digunakan adalah segitiga dan trapesium (input), dan singleton (output), diperlihatkan pada gambar 5.
Modul Next Phase Modul next phase berfungsi memilih fase berikutnya yang akan diaktifkan. Variabel masukan pada modul next phase yaitu jumlah kendaraan pada fase merah (𝑄𝑅 ) dan lama waktu merah (𝑇𝑅 ). Lama waktu merah dihitung mulai dari awal siklus. Keluaran yang dihasilkan yaitu fase berikutnya yang terpilih untuk aktif (selected phase, 𝑆𝑝 ) dan urgency degree (𝑈𝑑𝑒𝑔 ) yang
(a)
(b)
(c) Gambar 5. (a) Fungsi Keanggotaan 𝑄𝑅 ; (b) 𝑇𝑅 ; dan (c) 𝑈𝑑𝑒𝑔 Gambar 5 memperlihatkan fungsi keanggotaan modul next phase. Y-axis menunjukkan derajat keanggotaan dari masing-masing variabel fuzzy. X-axis gambar 5.a
menunjukkan input jumlah kendaraan, gambar 5.b input lama waktu merah, dan gambar 5.c output urgency degree. Masing-masing input dan output mempunyai variable 155
Jika 𝑸𝑹 = Large dan 𝑻𝑹 = Long maka 𝑼𝒅𝒆𝒈 = Very High Jika 𝑸𝑹 = Large dan 𝑻𝑹 = Zero maka 𝑼𝒅𝒆𝒈 = Medium dimana 𝑸𝑹 dan 𝑻𝑹 merupakan anteseden, dan 𝑼𝒅𝒆𝒈 merupakan konsekuen. Pada modul next phase terdapat dua input, dimana masingmasing input mempunyai lima fungsi keanggotaan sehingga basis kaidah yang digunakan adalah sebanyak 25. Basis kaidah diperlihatkan dalam bentuk matrik yang ditunjukkan pada tabel 1.
linguistik yang berbeda, jumah kendaraan (𝑄𝑅 ) {Zero (Z), Small (S), Medium (M), Large (L), Very Large (VL)}, lama waktu merah (𝑇𝑅 ) {Zero (Z), Short (S), Medium (M), Long (L), Very Long (VL)}, dan Urgency degree (𝑈𝑑𝑒𝑔 ) {Zero (Z), Medium (M), Very High (VH)}. Nilai fungsi keanggotaan diperoleh sesuai dengan kondisi lalu lintas. Lebar dan titik tengah fungsi keanggotaan dapat diubah-ubah sesuai dengan kondisi lalu lintas di persimpangan yang diatur. Beberapa contoh kaidah “Jika-Maka” yang digunakan pada modul next phase:
Tabel 1. Basis kaidah modul next phase 𝑻𝑹 Z S M L VL
Z Z Z Z M M
S Z Z M M M
𝑸𝑹 M Z M M M VH
Modul Stop Phase Modul stop phase berfungsi menentukan stop degree yang menyatakan seberapa perlu fase yang sedang aktif dihentikan. Masukan dari modul stop phase adalah jumlah kendaraan pada fase hijau (𝑄𝐺 ) dan lama waktu hijau (𝑇𝐺 ). Keluaran dari modul stop phase adalah stop degree
L M M VH VH VH
VL M M VH VH VH
(𝑆𝑑𝑒𝑔 ), dimana semakin besar jumlah kendaraan semakin kecil stop degree dan semakin lama waktu hijau semakin tinggi stop degree. Fungsi keanggotaan yang digunakan adalah segitiga dan trapesium (input), dan singleton (output), diperlihatkan pada gambar 6.
156
(a)
(b)
(c) Gambar 6. (a) Fungsi keanggotaan 𝑄𝐺 ; (b) 𝑇𝐺 ; dan (c) 𝑆𝑑𝑒𝑔 Gambar 6 memperlihatkan fungsi keanggotaan modul stop phase. Y-axis menunjukkan derajat keanggotaan dari masing-masing variabel fuzzy. X-axis gambar 6.a menunjukkan input jumlah kendaraan, gambar 6.b input lama waktu hijau, dan gambar 6.c output urgency degree. Masing-masing input dan output mempunyai variable linguistik yang berbeda, jumah kendaraan (𝑄𝐺 ) {Zero (Z), Small (S), Medium (M), Large (L), Very Large (VL)}, lama waktu hijau (𝑇𝐺 ) {Zero (Z), Short (S), Medium (M), Long
(L), Very Long (VL)}, dan Stop degree (𝑆𝑑𝑒𝑔 ) {Zero (Z), Medium (M), Very High (VH)}. Nilai fungsi keanggotaan diperoleh sesuai dengan kondisi lalu lintas. Beberapa contoh kaidah “Jika-Maka” yang digunakan pada modul stop phase: Jika 𝑸𝑮 = Large dan 𝑻𝑮 = Long maka 𝑺𝒅𝒆𝒈 = Medium Jika 𝑸𝑮 = Large dan 𝑻𝑮 = Zero maka 𝑺𝒅𝒆𝒈 = Very High dimana 𝑸𝑮 dan 𝑻𝑮 merupakan anteseden, dan 𝑺𝒅𝒆𝒈 merupakan konsekuen. Pada modul stop phase 157
terdapat dua input, dimana masingmasing input mempunyai lima fungsi keanggotaan sehingga basis kaidah yang digunakan adalah sebanyak 25.
Basis kaidah diperlihatkan dalam bentuk matrik yang ditunjukkan pada tabel 2.
Tabel 2. Basis kaidah modul stop phase 𝑮𝑻 Z S M L VL
Z M M M VH VH
S M M M VH VH
𝑸𝑹 M Z M M M VH
Modul Switch Phase Modul switch phase berfungsi untuk memutuskan apakah fase aktif harus dihentikan dan bepindah ke fase berikutnya atau tidak. Masukan dari modul switch phase adalah keluaran dari dua modul sebelumnya, yaitu Urgency degree (𝑈𝑑𝑒𝑔 ) yang merupakan keluaran dari modul Next Phase dan Stop degree (𝑆𝑑𝑒𝑔 ) yang merupakan keluaran dari modul Stop Phase. Keluaran dari modul switch
L Z Z Z M M
VL Z Z Z M M
phase adalah Switch degree (𝑆𝑊𝑑𝑒𝑔 ) yang menyatakan derajat penghentian fase. Penentuan Switch degree didasarkan pada Urgency degree dan Stop degree, dimana semakin tinggi Urgency degree dan/atau Stop degree maka semakin tinggi Switch degree. Fungsi keanggotaan yang digunakan adalah segitiga dan trapesium (input), dan singleton (output), diperlihatkan pada gambar 7.
158
(a)
(b)
(c) Gambar 7. (a) Fungsi keanggotaan 𝑈𝑑𝑒𝑔 ; (b) 𝑆𝑑𝑒𝑔 ;dan (c) 𝑆𝑊𝑑𝑒𝑔 Beberapa contoh kaidah “JikaMaka” yang digunakan pada modul switch phase: Jika 𝑈𝑑𝑒𝑔 = Very High dan 𝑆𝑑𝑒𝑔 = Very High maka 𝑆𝑊𝑑𝑒𝑔 = Very High Jika 𝑈𝑑𝑒𝑔 = Zero dan 𝑆𝑑𝑒𝑔 = Zero maka 𝑆𝑊𝑑𝑒𝑔 = Zero dimana 𝑼𝒅𝒆𝒈 dan 𝑺𝒅𝒆𝒈 merupakan anteseden, dan 𝑺𝑾𝒅𝒆𝒈 merupakan konsekuen. Pada modul switch phase terdapat dua input, dimana masingmasing input mempunyai tiga fungsi keanggotaan sehingga basis kaidah yang digunakan adalah sebanyak sembilan. Basis kaidah diperlihatkan
Gambar 7 memperlihatkan fungsi keanggotaan modul switch phase. Y-axis menunjukkan derajat keanggotaan dari masing-masing variabel fuzzy. X-axis gambar 7.a menunjukkan input urgency degree, gambar 7.b input stop degree, dan gambar 7.c output switch degree. Masing-masing input dan output mempunyai variable linguistik yang sama, {Zero (Z), Medium (M), Very High (VH)}. Nilai fungsi keanggotaan diperoleh sesuai dengan kondisi lalu lintas.
159
dalam
bentuk
matriks yang ditunjukkan pada Tabel 3. Basis kaidah modul switch phase 𝑺𝒅𝒆𝒈 Z M VH
𝑼𝒅𝒆𝒈 M Z M VH
Z Z Z M
tabel
3.
VH M VH VH
diaktifkan (lampu hijau dinyalakan). Pengujian dilakukan pada fuzzylogic Toolbox MATLAB dengan memberikan berbagai nilai jumlah kendaraan dan lama nyala merah untuk melihat akurasi nilai urgency degree. Hasil pengujian modul next phase dengan data acak dapat dilihat pada tabel 4 sedangkan grafik hasil pengujian terdapat pada gambar 8.
HASIL DAN PEMBAHASAN Pengujian Modul Next Phase Pada modul next phase terdapat dua parameter masukan, yaitu jumlah kendaraan pada jalur yang tidak aktif dan waktu lamanya lampu merah menyala. Parameter keluaran modul next phase adalah urgency degree yaitu kondisi yang lebih diutamakan untuk segera
Tabel 4. Pengujian modul next phase Output Input Jumlah Kendaraan (𝑸𝑹 )
Lama Waktu Merah (𝑻𝑹 )
Urgency Degree (𝑼𝒅𝒆𝒈 )
2
5
5
12
55
12,5
15
75
20
25
125
20
23
10
10
16
40
13,2
13
6
7,5
10
10
5
6
100
10
4
75
6,47
160
Gambar 8. Grafik pengujian modul next phase
Hasil pengujian modul next phase yang terlihat pada gambar 8 menunjukkan bahwa semakin banyak jumlah kendaraan pada jalur yang tidak aktif dan semakin lama nyala merah maka nilai urgency degree semakin tinggi, artinya semakin mendesak fase pada jalur tersebut untuk segera diaktifkan.
yaitu jumlah kendaraan pada jalur yang aktif dan waktu lamanya lampu hijau menyala. Parameter keluaran modul stop phase adalah stop degree yaitu kondisi untuk mempertahankan lampu hijau fase yang sedang aktif. Pengujian dilakukan pada fuzzylogic Toolbox MATLAB. Hasil pengujian modul stop phase dengan data acak dapat dilihat pada tabel 5 dan grafik hasil pengujian terdapat pada gambar 9
Pengujian modul stop phase Pada modul stop phase terdapat dua parameter masukan, .
Tabel 5. Pengujian modul stop phase Output Input Jumlah Kendaraan (𝑸𝑮 )
Lama Waktu Hijau (𝑻𝑮 )
Stop Degree (𝑺𝒅𝒆𝒈 )
2
5
10
10
15
11,7
12
17
11,8
13
19
15
161
16
20
10
25
30
10
20
5
5
23
10
5
7
30
20
3
25
20
Gambar 9. Grafik pengujian modul stop phase Hasil pengujian modul stop phase yang terlihat pada gambar 9 menunjukkan bahwa semakin sedikit jumlah kendaraan pada jalur yang sedang aktif dan semakin lama nyala hijau maka nilai stop degree semakin tinggi, artinya semakin mendesak fase pada jalur tersebut untuk dinon-aktifkan.
yaitu urgency degree, dan stop degree. Parameter keluaran modul switch phase adalah switch degree yaitu kondisi yang menentukan apakah fase yang sedang aktif dipertahankan atau pindah ke fase berikutnya. Pengujian dilakukan pada fuzzylogic Toolbox . MATLAB Hasil pengujian modul switch phase dengan data acak dapat dilihat pada tabel 6 dan grafik hasil pengujian terdapat pada gambar 10.
Pengujian Modul Switch Phase Pada modul switch phase terdapat dua parameter masukan,
Tabel 6. Pengujian modul Switch phase Output
Input
162
Urgency Degree (𝑼𝒅𝒆𝒈 )
Stop Degree (𝑺𝒅𝒆𝒈 )
Switch Degree (𝑺𝑾𝒅𝒆𝒈 )
0
5
5
3
12
7
5
20
10
7,5
6
5,71
10
10
10
13
25
15
15
7,5
12,5
17
3
10
20
14
15
25
22
15
Gambar 10. Grafik pengujian modul switch phase Hasil pengujian modul switch phase yang terlihat pada gambar 10 menunjukkan bahwa semakin tinggi nilai urgency degree dan semakin tinggi nilai stop degree maka switch degree semakin tinggi, artinya semakin mendesak fase yang sedang
aktif untuk dihentikan dan bepindah ke fase berikutnya yang terpilih. Pengujian modul kendali logika fuzzy Pengujian dilakukan melalui simulasi kendali logika fuzzy pada GUI MATLAB. Pada penelitian ini 163
persimpangan lalu lintas yang digunakan adalah simpang empat yang terdiri dari empat fase seperti yang terdapat pada gambar 3, sehingga digunakan tiga modul next
phase, satu modul stop phase, dan satu modul switch phase. Simulasi kendali logika fuzzy pada GUI MATLAB terdapat pada gambar 11.
Gambar 11. Simulasi modul kendali logika fuzzy pada pengendalian lampu lalu lintas Pada modul kendali logika fuzzy ini terdapat delapan parameter masukan, yaitu jumlah kendaraan pada jalur non-aktif 1, 2, dan 3, lama waktu merah pada jalur 1,2, dan 3, jumlah kendaraan pada jalur aktif, dan lama waktu hijau. Parameter keluarannya adalah switch degree serta selected fase (fase yang terpilih untuk diaktifkan). Pemilihan fase berikutnya yang akan aktif ditentukan dengan membandingkan
nilai Urgency degree setiap fase yang belum aktif, fase yang memiliki nilai Urgency degree terbesar akan terpilih sebagai selected fase. Jika nilai fase-fase yang belum aktif mempunyai nilai Urgency degree yang sama, maka selected fase akan dipilih berdasarkan jumlah kendaraan terpadat dan lama waktu merah terbesar. Hasil pengujian modul kendali logika fuzzy dengan data acak dapat dilihat pada tabel 7.
164
Tabel 7. Pengujian modul kendali logika fuzzy Output
Input Non-Active Phase NC1
Active Phase NC4 GT 7 10
Switch Degree
Selected Phase
15
1
10
RT1 43
NC2 0
RT2 28
NC3 3
RT3 13
5
10
0
38
0
23
11
4
5
2
13
52
5
37
2
17
12
15
13.33
1
5
46
4
5
10
26
3
15
15
3
7
30
1
12
9
54
5
10
15
3
3
19
5
35
8
3
10
1
5
2
15
31
10
33
1
6
25
30
15
2
3
50
6
13
10
13
7
5
6.67
1
10
13
11
36
13
24
17
15
13.33
2
5
70
20
26
25
33
2
15
15
3
13
24
19
35
7
16
24
14
11.67
2
1
6
2
15
1
30
15
30
5
2
10
25
5
90
5
17
3
6
10
1
11
15
17
15
12
15
21
5
5
2
20
11
18
15
25
14
19
30
10
3
165
Hasil pengujian modul kendali logika fuzzy pada tabel 7 menunjukkan bahwa selected phase yang merupakan fase yang terpilih untuk aktif diperoleh dari jumlah kendaraan dan/atau waktu nyala merah terbesar pada fase-fase tidak aktif. Sedangkan nilai switch degree dipengaruhi oleh jumlah kendaraan fase aktif, jumlah kendaraan fasefase yang tidak aktif, nyala merah fase-fase tidak aktif, dan nyala hijau fase aktif, dimana jika jumlah kendaraan fase tidak aktif dan/atau waktu nyala merah lebih besar dari jumlah kendaraan fase aktif dan/atau waktu nyala hijau maka nilai switch degree akan semakin besar yang artinya semakin mendesak fase tidak aktif untuk segera diaktifkan.
mengendalikan beberapa persimpangan yang saling terkoordinasi sehingga diharapkan mampu memberikan kinerja yang lebih baik.
KESIMPULAN Kendali logika fuzzy dapat diterapkan pada pengendalian lampu lalu lintas, dimana pada penelitian ini digunakan tiga modul fuzzy yaitu modul Next Phase, modul Stop Phase, dan modul Switch Phase, yang digunakan untuk menghitung nilai keluaran fuzzy pada fase-fase yang tidak aktif dan fase aktif. Hasil penelitian menunjukkan bahwa kendali logika fuzzy dapat mengendalikan lampu lalu lintas berdasarkan kepadatan kendaraan dan lama nyala lampu merah dan hijau, dan urutan pengaktifan fase dapat dibuat tidak tetap.
[3]
DAFTAR PUSTAKA [1]
[2]
[4]
[5]
[6]
SARAN Peneliti selanjutnya dapat mengembangkan kendali logika fuzzy untuk persimpangan terkoordinasi. Jadi kendali logika fuzzy tidak hanya dibuat untuk satu persimpangan saja tetapi dapat 166
Ahmed Bilal, An Intelligent Traffic Controller Based on Fuzzy Logic, International Journal of Innovation in the Digital Economy (IJIDE), vol. 5, issue 1, pages 31-40, 2014. Alam, J., Pandey, M.K., Ahmed, H., Intelligent Traffic Light Control System for Isolated Intersection Using Fuzzy Logic, Conference on Advances in Communication and Control Systems, 209-215, 2013. Aryuanto, Aplikasi dan Perancangan Logika Tersamar pada Pengendali Lampu Lalu Lintas di Persimpangan Lewat Jenuh, Tesis Magister, Institut Teknologi Bandung, 2002. Direktorat Jenderal Bina Marga, MKJI (Manual Kapasitas Jalan Indonesia), Departemen Pekerjaan Umum, 1997. George, A. M., Shetty, P. S., Fuzzy Controller for an Image Based Traffic System, International Journal of Management, IT and Engineering, 2(6), 291-305, 2012. Hidayati, Q., Pengolahan Citra Digital pada Pengendalian Lalu Lintas Berbasis Menggunakan Blob Detection, Tesis Magister, Institut Teknologi Bandung, 2015.
[7] Jang, J. S. R., Sun, C. T., Mizutani, E., Neuro-Fuzzy and Soft Computing, pp. 13-89, Prentice-Hall International Inc, United States of America, 1997. [8] Kantor Kepolisian Republik Indonesia, Perkembangan Jumlah Kendaraan Bermotor Menurut Jenis tahun 1987-2013, http://www.bps.go.id/linkTabelS tatis/view/id/1413, 27 Februari 2015. [9] Rhung, L. G., Soh, A. C., Rahman, R. Z. A., Hassan, M. K., Fuzzy Traffic Light
Controller Using Sugeno Method for Isolated Intersection, Proceedings of IEEE Student Conference on Research and Development, 501-504, 2009. [10] Sivanandam, S. N., Sumathi, S., Deepa, S. N., Introduction to Fuzzy Logic using MATLAB, pp 118-127, New York, 2007. [11] Zarandi, M. H. F., Rezapour, S., A Fuzzy Signal Controller for Isolated Intersections, Journal of Uncertain Systems, 3(3), 174182, 2009.
167
