Simulasi Pengaturan Lalu Lintas Menggunakan Logika Fuzzy

Seminar Nasional Pengaplikasian Telematika SINAPTIKA 2010 – ISSN 2086-8251

Simulasi Pengaturan Lalu Lintas Menggunakan Logika Fuzzy Raka Yusuf 1, Andi Andriansyah2, Febi Pratiwi3 Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Universitas Mercu Buana1,3 Jurusan Teknik Elektro, Fakultas Teknologi Industri, Universitas Mercu Buana2 JL. Raya Meruya Selatan, Kembangan, Jakarta, 11650 E-mail: [email protected], [email protected], [email protected] Abstrak -- Pada umumnya sistem pengaturan lampu lalu lintas yang selama ini dipergunakan adalah dengan melakukan pengaturan hanya berdasarkan waktu tetap. Oleh karena tingkat kepadatan pada persimpangan jalan tidak selalu sama, maka tentu saja tingkat kemacetan pada persimpangan jalan tidak dapat dikendalikan dengan baik. Metode yang digunakan untuk mengatur lamanya waktu ini adalah logika fuzzy dengan penalaran fuzzy metode mamdani. Dalam rancang bangun ini variabel input adalah kepadatan pada jalur jalan yang di atur dan jalur jalan yang lain sedangkan variabel output adalah lamanya waktu lampu hijau menyala untuk satu jalur. Hasil pengujian menunjukkan lamanya waktu lampu hijau menyala di suatu jalur tergantung dari jumlah kendaraan di jalur tersebut. Semakin besar kepadatan kendaraan di suatu jalur maka semakin lama lampu hijau di jalur tersebut begitu juga sebaliknya. Aplikasi ini dapat digunakan untuk memenuhi tujuan sistem pengaturan lampu lalu lintas secara optimal, yaitu dengan melakukan pengaturan berdasarkan kepadatan kendaraan pada simpang empat jalan. Kata kunci: Logika fuzzy, pengatur lalu lintas, metode mamdani. I. PENDAHULUAN Salah satu alat penting dalam pengaturan lalu lintas adalah lampu lalu lintas. Lampu lalu lintas yang ada saat ini sangat membantu kelancaran dan pengaturan lalu lintas. Namun lampu lalu lintas juga bisa menjadi salah satu penyebab kemacetan lalu lintas. Hal ini bisa terjadi karena pengaturan lampu lalu lintas yang ada sekarang ini kebanyakan menggunakan sistem pengaturan waktu tetap dimana lampu diatur agar bekerja berdasarkan waktu tetap, tanpa memperhatikan naik turunnya arus lalu lintas. Contoh masalah adalah lampu lalu lintas tidak akan menyesuaikan lamanya waktu tunggu dengan kepadatan kendaraan yang berubah-ubah sepanjang hari. Sehingga sekalipun arus lalu lintas pada suatu lajur jalan dalam keadaan tidak padat, lamanya waktu tunggu tidak berbeda dengan lama waktu tunggu disaat keadaan arus lalu lintas pada lajur jalan tersebut padat.

Oleh karena itu diperlukan suatu sistem pengaturan sirkulasi waktu lalu lintas yang pandai, yang bisa mengatur waktu sirkulasinya secara otomatis akan menjadi suatu hal yang cukup penting di masa depan. Hal ini akan sangat terasa kegunaannya pada saat terjadi kepadatan pada persimpangan jalan. Berdasarkan teori di atas penulis membuat sistem pengaturan lampu lalu lintas secara otomatis yang dapat menyesuaikan diri dengan kepadatan arus lalu lintas. Sistem pengaturan lampu lalu lintas ini menggunakan logika fuzzy yang mempunyai dua masukan yaitu kepadatan kendaraan pada jalur jalan yang di atur dan kepadatan kendaraan pada jalur jalan yang lain. Sedangkan untuk outputnya adalah lamanya waktu lampu lalu lintas berwarna hijau menyala. Lamanya waktu hijau menyala ditentukan berdasarkan kepadatan kendaraan. II. LANDASAN TEORI Roger S. Pressman, Ph. D [6] mengatakan metode rekayasa perangkat lunak memberikan teknik untuk membangun perangkat lunak. Metode-metode itu menyangkut serangkaian tugas yang luas menyangkut analisis kebutuhan, konstruksi program, desain, pengujian, dan pemeliharaan. Rekayasa perangkat lunak mengandalkan pada serangkaian prinsip dasar yang mengatur setiap area teknologi dan menyangkut aktivitas pemodelan serta teknik-teknik deskriptif (Pressman, Roger S, 2005). Pada tahun 1965, Zadeh [1] memodifikasi teori himpunan di mana setiap anggotanya memiliki derajat keanggotaan yang bernilai kontinu antara 0 sampai 1. Himpunan ini disebut dengan Himpunan Kabur (Fuzzy Set). Orang yang belum pernah mengenal logika fuzzy pasti akan mengatakan bahwa logika fuzzy adalah sesuatu yang amat rumit dan tidak menyenangkan. Namun, sekali seseorang mulai mengenalnya, ia pasti akan sangat tertarik dan akan menjadi pendatang baru untuk ikut serta mempelajari logika fuzzy. Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang masukan ke dalam suatu ruang keluaran. Ada beberapa alasan mengapa orang menggunakan logika fuzzy, antara lain: 1. Konsep logika fuzzy mudah dimengerti. Konsep matematis yang mendasar penalaran fuzzy sangat sederhana dan mudah di mengerti. 2. Logika fuzzy sangat fleksibel.

221


3. 4. 5.

6. 7.

Logika fuzzy memiliki toleransi terhadap datadata yang tidak tepat. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat kompleks. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan. Logika fuzzy dapat bekerjasama dengan teknikteknik kendali secara konvensional. Logika fuzzy didasarkan pada bahasa alami.

A. Proses Fuzzy 1. Fuzzifikasi Fuzzifikasi adalah proses pemetaan dari masukan-masukan crisp menuju himpunan fuzzy. Proses ini mirip seperti proses konversi nilai analog ke digital (ADC). 2. Evaluasi kaidah (Rule evaluation). Proses ini berfungsi untuk mencari suatu nilai keluaran fuzzy dari masukan fuzzy. Prosesnya adalah suatu nilai masukan fuzzy yang berasal dari proses fuzzifikasi kemudian dimasukkan kedalam sebuah aturan yang telah dibuat untuk dijadikan sebuah keluaran fuzzy. 3. Defuzzifikasi Defuzzifikasi mengandung arti bahwa pemetaan besaran dari ruang aksi atur fuzzy yang didefinisikan pada semesta pembicaraan keluaran ke ruang aksi atur nyata bukan fuzzy. Hal ini berguna karena untuk aksi atur yang diberikan pada rencana dari pengendali fuzzy adalah besaran bukan fuzzy. B. Sistem Inferensi Fuzzy Sistem Inferensi Fuzzy (Fuzzy Inference System/FIS) disebut juga fuzzy inference engine adalah sistem yang dapat melakukan penalaran dengan prinsip serupa seperti manusia melakukan penalaran dengan nalurinya. Beberapa jenis FIS yang dikenal yaitu[2]: a) Metode Mamdani Metode Mamdani sering juga dikenal dengan nama Metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Untuk memperoleh output, diperlukan 4 tahapan yaitu: 1. Pembentukan himpunan fuzzy pada metoda mamdani, baik variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan fuzzy. 2. Aplikasi fungsi impliksi (aturan) pada metode mamdani, fungsi implikasi yang digunakan adalah MIN 3. Komponen aturan Pada tahapan ini sistem terdiri dari beberapa aturan, maka inferensi diperoleh dari kumpulan dan korelasi antar aturan. Ada 3 metode yang digunakan dalam melakukan inferensi sistem fuzzy, yaitu: max, additive dan probabilistik OR.

Pada metode max, solusi himpunan fuzzy diperoleh dengan cara mengambil nilai maksimum aturan, kemudian menggunakannya untuk memodifikasi daerah fuzzy dan mengaplikasikannya ke output dengan menggunakan operator OR (union). 4. Penegasan (defuzzifikasi) Input dari proses defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan pada domain himpunan fuzzy tersebut. Jika diberikan suatu himpunan fuzzy dalam range tertentu, maka harus dapat di ambil suatu nilai crisp tertentu sebagai output. b) Metode Tsukamato Setiap konsekuen pada aturan yang berbentuk IFTHEN harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan secara tegas berdasarkan αpredikat. Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot. c) Metode Sugeno Penalaran ini hampir sama dengan penalaran Mamdani, hanya saja output (konsekuen) sistem tidak berupa himpunan fuzzy, melainkan berupa konstanta atau persamaan linear. C. Teknik Lampu Lalu Lintas Lampu lalu lintas adalah suatu alat kendali dengan menggunakan lampu terpasang pada persimpangan dengan tujuan untuk mengatur arus lalu lintas. Pengaturan arus lalu lintas pada persimpangan pada dasarnya dimaksudkan untuk bagaimana pergerakan kendaraan pada masing–masing kelompok pergerakan kendaraan (vehicle group movement) dapat bergerak secara bergantian sehingga tidak saling mengganggu antar arus yang ada[4]. Berdasarkan cara pengoperasiannya, jenis kendali dengan lampu lalu lintas pada persimpangan dibedakan antara lain: a. Fixed time traffic signals: pengoperasian lampu lalu lintas dimana pengaturan waktunya (setting time) tidak mengalami perubahan / tetap. b. Actuated traffic signals: pengoperasian lampu lalu lintas dimana pengaturan waktunya (setting time) mengalami perubahan dari waktu ke waktu sesuai dengan kedatangan kendaraan dari berbagai pendekat/ kaki simpang (approaches). D. Teori Simulasi Simulasi merupakan suatu cara untuk memecahkan berbagai masalah yang dihadapi di dunia nyata (real world) [3]. Cara mempelajari sistem: 1. Sistem dapat dipelajari dengan pengamatan langsung atau pengamatan pada model dari sistem tersebut.

222


2. Model dapat diklasifikasikan menjadi model fisik dan model matematik. 3. Model matematik ada yang dapat diselesaikan dengan solusi analitis, ada yang tidak. Bila solusi analitis sulit didapatkan maka digunakan SIMULASI. Simulasi adalah satu-satunya cara yang dapat digunakan untuk mengatasi masalah, jika: 1. Sistem nyata sulit diamati secara langsung Contoh: Jalur penerbangan pesawat ruang angkasa atau satelit. 2. Solusi Analitik tidak bisa dikembangkan, karena sistem sangat kompleks. 3. Pengamatan sistem secara langsung tidak dimungkinkan, karena: a. sangat mahal. b. memakan waktu yang terlalu lama. c. akan merusak sistem yang sedang berjalan.

dimasukkan kedalam sebuah aturan yang telah dibuat untuk dijadikan sebuah keluaran fuzzi, proses defuzzifikasi adalah hasil keluaran dari masukan kepadatan jalur yang diatur dan masukan kepadatan jalur yang lain, hasil keluaran dari proses defuzzifikasi dalam satuan detik (nyala lampu hijau). Setelah semua proses dikerjakan maka simulasi dapat mengatur lampu lalu lintas. Untuk lebih jelas dapat dilihat pada Gambar 1. Sistem logika fuzzy ini berupa perangkat lunak yang diprogram untuk mengolah data yang masuk. Seperti yang telah kita ketahui, pengendali berbasis logika fuzzy terdapat 4 (empat) bagian besar, yaitu: fuzzifikasi, basis pengetahuan, logika pengambilan keputusan, dan defuzzifikasi. Secara blok dapat digambarkan pada Gambar 2.

III. PERANCANGAN SIMULASI Pada lampu lalu lintas konvensional, penetapan lampu hijau (green time), jenis fase (phase) dan lamanya putaran (cycle) ditentukan berdasarkan pengamatan pada jam-jam sibuk (rush hour). Pagi hari dan sore hari merupakan puncak kepadatan lalu lintas, sehingga pengaturan signal mengacu pada keadaan puncak saja tanpa memperhatikan keadaan lainnya. Akibat dari hal ini adalah pengaturan waktu signal menjadi kurang efisien, karena alokasi green time digunakan untuk semua kondisi, baik pada kondisi puncak maupun pada kondisi biasa[5]. Sistem lampu lalu lintas konvensional yang ada sekarang ini menunjukkan adanya kekurangan, kemudian kekurangan ini akan diperbaiki menjadi suatu sistem yang baru. Berikut ini penjelasan mengenai perbedaan sistem konvensional saat ini dengan sistem baru yang akan di rancang, yaitu: 1. Sistem lampu lalu lintas konvensional bekerja secara konstan sepanjang hari, tidak adaptif dan tidak fleksibel terhadap keadaan lalu lintas itu sendiri. Sedangkan pada sistem yang baru, lampu lalu lintas akan responsif dan pro-aktif terhadap perubahan kondisi lapangan, sepanjang hari berdasarkan waktu sebenarnya (real-time). 2. Sistem lampu lalu lintas konvensional membutuhkan perhitungan matematis yang rumit. Sedangkan pada sistem yang baru, lampu lalu lintas tidak membutuhkan perhitungan matematis yang rumit. Cara kerja dari aplikasi pengaturan lampu lalu lintas melalui berbagai tahap pemrosesan. Tahap awal dari pemrosesan sistem pengaturan lampu lalu lintas adalah mulai menjalankan simulasi. Baca masukan kepadatan jalur 1,2 adalah masukan real yang menggunakan satuan kendaraan/detik, proses fuzzifikasi adalah proses pemetaan dari masukan kepadatan jalur 1,2 menuju himpunan fuzzi, proses evaluasi kaidah adalah suatu nilai masukan fuzzi yang berasal dari proses fuzzifikasi kemudian

223

Gambar 1 Flowchart tahap pemrosesan dari keseluruhan proses

Gambar 2 Pemrosesan Fuzzy


Langkah-langkah yang diambil dalam merancang pengendali logika fuzzy adalah sebagai berikut: 1. Tentukan masukan dan keluaran dari rencana yang akan dikendalikan. Dua buah masukan: jumlah kendaraan pada jalur yang sedang di atur dan jumlah kendaraan pada jalur yang lain digunakan sebagai masukan pada proses fuzzifikasi untuk menghasilkan fuzzy masukan sesuai dengan masukan fungsi keanggotaan yang dibuat. Dalam hal ini yang menjadi keluaran adalah green time sesuai dengan keluaran fungsi keanggotaan yang dibuat. 2. Buat himpunan fuzzy untuk setiap masukan dan keluarannya. Himpunan fuzzy untuk masukan ditunjukkan oleh Gambar 3 dan Gambar 4.

2. KP = Kurang Padat (3, 6, 9, segitiga) 3. CP = Cukup Padat (6, 9, 12, segitiga) 4. P = Padat (9, 12, 15, segitiga) 5. SP = Sangat Padat (12, 15, 18, 18, trapesium) b. Bentuk fungsi keanggotaan untuk kepadatan jalur 2: 1. TP = Tidak Padat (0, 0, 3, 6, trapesium) 2. KP = Kurang Padat (3, 6, 9, segitiga) 3. CP = Cukup Padat (6, 9, 12, segitiga) 4. P = Padat (9, 12, 15, segitiga) 5. SP = Sangat Padat (12, 15, 18, 18, trapesium) c. Bentuk fungsi keanggotaan untuk green time: 1. C = Cepat (0, 0, 5, 10, trapesium) 2. AC = Agak Cepat (5, 10, 15, segitiga) 3. S = Sedang (10, 15, 20, segitiga) 4. AL = Agak Lama (15, 20, 25, segitiga) 5. L = Lama (20, 25, 30, 30, trapesium) 4. Buat basis aturan yang menghubungkan masukan dan keluaran. Lihat Tabel 1. Tabel 1 Fuzzy Rules

Gambar 3 Himpunan fuzzy untuk masukan 1

5. Tentukan jenis metode defuzzifikasi yang akan digunakan. Defuzzifikasi merupakan langkah terakhir dalam proses logika fuzzy. Metode yang digunakan dalam proses defuzzifikasi pada pengendali ini adalah metode pembobotan rata-rata.

Gambar 4 Himpunan fuzzy untuk masukan 2 Himpunan fuzzy untuk keluaran ditunjukkan oleh Gambar 5.

Gambar 5 Himpunan fuzzy untuk keluaran

IV. EVALUASI SISTEM Simulasi pengaturan lampu lalu lintas adalah program yang digunakan untuk melakukan pengaturan lampu lalu lintas berdasarkan masukan jumlah kendaraan pada jalur satu dan jalur dua. Pada aplikasi ini terdapat 2 antar muka, yaitu: 1. Antarmuka Pembuka Fungsi dari antarmuka ini adalah tampilan awal dari aplikasi pengaturan lampu lalu lintas. Antarmuka ini akan melakukan loading untuk membuka akses program pengaturan lampu lalu lintas. Untuk lebih jelasnya dapat dilihat pada Gambar 6.

3. Definisikan fungsi keanggotaan untuk setiap himpunan fuzzy-nya. Berikut akan dijelaskan bentuk – bentuk fungsi keanggotaan: a. Bentuk fungsi keanggotaan untuk kepadatan jalur 1: 1. TP = Tidak Padat (0, 0, 3, 6, trapesium)

224


Tabel 2 Hasil Pengujian Black Box

Gambar 6 Antarmuka Pembuka 2. Antarmuka Simulasi Antarmuka simulasi adalah proses pengaturan lampu lalu lintas secara otomatis, yang pengaturannya berdasarkan jumlah kendaraan yang lewat pada jalur satu dan jalur dua dari masukan. Lihat Gambar 7.

Gambar 8 dan Gambar 9 memperlihatkan pengujian whitebox pada proses logika fuzzy pada diagram proses fuzzy.

Gambar 7 Antarmuka Simulasi Evaluasi program aplikasi ini dilakukan dengan cara melakukan pengujian menggunakan metode Black box dan White box. Metode Black Box ini merupakan pengujian program berdasarkan fungsi dari program. Tujuan dari metode Black Box testing ini adalah untuk menemukan kesalahan fungsi pada program. Pengujian whitebox merupakan metode desain uji kasus yang menggunakan struktur kontrol dari desain prosedural untuk menghasilkan kasus-kasus uji. Lihat Tabel 2.

225

Gambar 8 Diagram Proses Fuzzy


Gambar 9 Grafik Alir Proses Fuzzy Pemakaian graph metrik pada pembuktian whitebox di atas dapat digambarkan seperti yang terlihat pada Tabel 3. Tabel 3 Graph metrik proses fuzzy 1 2 3 4 5 6 7 8 1 1 2 1 3 1 4 1 5 1 6 1 7 1 8 Cyclomatic complexity digunakan untuk mencari jumlah path dalam satu flowgraph. Dapat digunakan rumusan sebagai berikut: 1. Jumlah region grafik alir sesuai dengan cyclomatic complexity. 2. Cyclomatix complexity V(G) untuk grafik alir dihitung dengan rumus (1): V(G) = E - N + 2 (1) Dimana: E = jumlah edge pada grafik alir N = jumlah node pada grafik alir 3. Cyclomatix complexity V(G) juga dapat dihitung dengan rumus (2): V(G) = P + 1 (2) Dimana P = jumlah predicate node pada grafik alir Tentukan cyclomatic complexity untuk diagram alir yang telah dibuat: V(G) = 1 jalur V(G) = 6 edge – 7 node + 2 = 1 jalur V(G) = 0 + 1 = 1 jalur Path 1: 1-2-3-4-5-6-7-8

V. PENUTUP Dari hasil pembahasan dan implementasi yang diuraikan pada bab-bab sebelumnya, maka dapat diambil kesimpulan sebagai berikut: 1. Program logika fuzzy dapat diterapkan pada pengaturan lampu lalu lintas dengan mengatur hubungan antara masukan kepadatan kendaraan dengan perubahan waktu lampu hijau. 2. Simulasi simpang empat lampu lalu lintas yang dilakukan menggunakan logika fuzzy dengan metode mamdani diperoleh nilai lamanya waktu lampu hijau menyala tergantung dari kepadatan kendaraan. 3. Lamanya waktu lampu hijau menyala di suatu jalur tergantung dari jumlah kendaraan di jalur tersebut. Semakin besar kepadatan kendaraan di suatu jalur maka semakin lama lampu hijau di jalur tersebut begitu juga sebaliknya. 4. Aplikasi ini dapat digunakan untuk memenuhi tujuan sistem pengaturan lampu lalu lintas secara optimal, yaitu dengan melakukan pengaturan berdasarkan kepadatan kendaraan pada simpang empat jalan. VI. DAFTAR PUSTAKA [1] Kusumadewi, Sri, Analisis & Desain Sistem Fuzzy Menggunakan Toolbox MATLAB, Graha Ilmu, Yogyakarta: 2002. [2] Eddy, Pengendali Kecepatan Motor Arus Searah Menggunakan Logika Fuzzy , Universitas Mercu Buana, Jakarta: 2000. [3] Hendrawan, Metode Simulasi, Institut Teknologi Bandung, Bandung. [4] Indahdin, Jemala, Simulasi Pengaturan Lampu Lalulintas Berdasarkan Logika Fuzzy Menggunakan Borland Delphi 7.0, Universitas Mercu Buana, Jakarta: 2008. [5] PHK TIK K1, Karakteristik Lalu Lintas, Universitas Widyagama, Malang: 2008. [6] Pressman, Roger S, Software Engineering A Practitioner’s Approach, McGraw-Hill International Edition, sixth edition: 2005.

226

Simulasi Pengaturan Lalu Lintas Menggunakan Logika Fuzzy

Recommend Documents