PROPO OSAL TESIIS
MODEL PEMBEB BANAN LALU LIN NTAS BAN NYAK RU UTE DENGAN D P PENDEKA ATAN SIS STEM FU UZZY (SStudi Kasus:: Provinsi Daerah D Istim mewa Jogjaakarta)
O Oleh: Aguss Subandi NIM: 13020056
MAGIISTER TE EKNIK SIIPIL – FA AKULTAS TEKNIK K UNIVERSITAS JANA ABADRA YOGYAK Y KARTA Agusstus 2012
PERSETUJUAN PROPOSAL TESIS
MODEL PEMBEBANAN LALU LINTAS BANYAK RUTE DENGAN PENDEKATAN SISTEM FUZZY (Studi Kasus: Provinsi Daerah Istimewa Jogjakarta) Oleh: Agus Subandi (NIM: 13020056)
Telah disetujui oleh:
Pembimbing I
: Dr. Cahaya Purnama, S.T., M.T.
(________________________)
: Sri Rejeki, S.T., M.T.
(________________________)
Tanggal:
Pembimbing II Tanggal:
DAFTAR ISI
A
B
PENDAHULUAN ............................................................................................... 1 A.1
Latar Belakang .................................................................................................. 1
A.2
Ruang Lingkup dan Batasan Penelitian ......................................................... 2
A.3
Tujuan Penelitian .............................................................................................. 2
A.4
Penelitian Terdahulu ......................................................................................... 3
KAJIAN PUSTAKA ........................................................................................... 3 B.1
Pemilihan Rute dan Pembebanan Lalulintas ................................................. 4
B.2
Teori Sistem Fuzzy (SF) dan Model Pembebanan Fuzzy ............................ 6
C
METODOLOGI ................................................................................................. 7
D
JADWAL PENELITIAN ................................................................................... 8
E
DAFTAR PUSTAKA ......................................................................................... 9
A PENDAHULUAN A.1 Latar Belakang Ketidak-tentuan adalah merupakan bagian tidak terpisahkan dalam menganalisis sistem transportasi. Prilaku manusia, yang menjadi fokus utama dalam analisis transportasi, mempunyai banyak variasi yang perlu dipertimbangkan. Secara konvensional, dalam rekayasa dan perencanaan transportasi, aspek ketidak-tentuan ini sering diabaikan/disederhanakan atau dipertimbangkan dengan satu paradikma pendekatan yaitu teori probabilitas (Kikuchi, 2005). Khusus dalam Model Pembebanan Jaringan yang merupakan model terakhir dari rangkaian Model Perencanaan Transportasi Empat Tahap (MPTEP), faktor utama ketidak-tentuan persepsi pengguna terhadap biaya perjalanan, biasa dimodelkan dalam kerangka teori probabilitas dengan menggunakan model utilitas acak (random utility model). Inokuchi (2002) mengatakan bahwa pendekatan ini kurang realistik karena tidak mungkin menyatakan biaya perjalanan secara akurat dengan pendekatan human recognition jika menggunakan model utilitas acak (random utility model). Pemecahan masalah model pembebanan jaringan dengan metode Sistem Fuzzy dikatakan lebih realistik, karena pada kenyataannya permasalahan transportasi (terutama pembebanan jaringan) lebih bersifat real-life, tidak-pasti, subyektif, dan tidak-teliti (imprecise). Sebagai contoh: ketika kita melakukan perjalanan, kita mengatakan bahwa waktu perjalanan dari A ke B “sekitar 10 menit”. Terlihat bahwa informasi yang bersifat linguistik “sekitar” merupakan faktor yang bersifat tidak dapat diukur dengan tepat (mempunyai rentang nilai tertentu). Beberapa peneliti yang telah menggunakan metode sistem fuzzy antara lain: Akiyama (1998) dan Inokhuci (2002) melakukan pembebanan jaringan pada jaringan sederhana dengan pengukuran nilai kemungkinan waktu-tempuh-fuzzy (fuzzy travel time) terhadap fungsi tujuan-fuzzy (fuzzy goal) untuk setiap rute, Benetti (2002) mengembangkan model
bilangan-segitiga-fuzzy
(triangular
fuzzy
numbers
-
TFN)
untuk
menggambarkan biaya lintasan (path) dan segmen (arc), Liu (2003) membangun model bilangan-segitiga-fuzzy dari ruas untuk menggambarkan persepsi pengguna terhadap waktu tempuh pada beberapa kondisi lalu-lintas (normal, macet, ada1
kecelakaan, dan ada-konstruksi), dan Akiyama (1999) menggunakan bilangansegitiga-fuzzy untuk mendeskripsikan persepsi pengguna dan digunakan sebagai variabel input dalam Jaringan Syaraf Tiruan. Berdasarkan pada permasalahan dan beberapa penelitian terdahulu, penelitian ini akan mengembangkan Model Pembebanan Lalu Lintas dengan pendekatan sistem fuzzy dengan mempertimbangkan faktor-faktor yang belum dipernah diteliti sebelumnya. Faktor-faktor ini antara lain: model bilangan-fuzzy yang digunakan, model pencarian rute dalam kondisi fuzzy, dan implementasi model dalam jaringan komplek. A.2 Ruang Lingkup dan Batasan Penelitian Ruang lingkup penelitian yang diusulkan adalah berkaitan dengan tinjauan terhadap faktor yang berpengaruh di dalam model pembebanan jaringan. Faktor-faktor pengaruh yang ditinjau adalah sebagai berikut: Biaya perjalanan sebagai input dasar dalam pemilihan rute akan dideskripsikan sebagai biaya perjalanan fuzzy. Metode pemlihan rute yang akan dipakai adalah metode Fuzzy-Shortest-Path. Metode pembebanan Matrik Asal Tujuan (MAT) yang akan ditinjau adalah metode dengan batasan kapasitas dan tanpa batasan kapasitas, dengan menggunakan fraksi tertentu dan bukan merupakan pembebanan individual. Jenis pergerakan yang ditinjau adalah jenis pergerakan dengan moda angkutan pribadi. Penelitian di dalam disertasi ini akan dilakukan terhadap sistem jaringan jalan dan zona buatan (artificial data) dan sistem jaringan jalan dan zona yang sesungguhnya (real data). Untuk sistem jaringan jalan dan zona sesungguhnya akan digunakan data di Kota Bandung, provinsi Jawa Barat. A.3 Tujuan Penelitian Tujuan penelitian ini adalah untuk mendapatkan model pembebanan lalu lintas banyak rute dengan pendekatan sistem fuzzy yang mempertimbangkan perbedaan
2
persepsi pelaku perjalanan, model ini kemudian dapat digunakan untuk kajian dan analisis jaringan transportasi. A.4 Penelitian Terdahulu Model pembebanan jaringan yang mempertimbangkan efek stokastik sudah mulai dikembangkan sejak Burrell (1968), Sakarovitch (1968), dan Dial (1971). Pengembangan metode fuzzy untuk memodelkan efek stokastik dalam pembebanan jaringan juga telah dikembangkan oleh beberapa peneliti: Akiyama (1998), Akiyama (1999), Inokhuci (2002), Benetti (2002), Liu (2003), dan Ban, et all (2004). Gambar 1.1 memperlihatkan rangkaian penelitian penelitian terdahulu dan penelitian lanjutan yang akan dilaksanakan.
Gambar 1. Penelitian Model Pembebanan Jaringan
B KAJIAN PUSTAKA Berikut ini akan disampaikan teori-teori yang berkaitan dengan penelitian yang akan dilakukan.
3
B.1 Pemilihan Rute dan Pembebanan Lalulintas B.1.1 Konsep Dasar Pemodelan pemilihan rute dibuat untuk tujuan menentukan jumlah pergerakan yang berasal dari zona asal i ke zona tujuan d dengan menggunakan rute r (Tidr) dari jumlah total pergerakan yang terjadi antara setiap zona asal i ke zona tujuan d (Tid). Konsep pemodelan pemilihan rute pada sudut pandang analisis jaringan adalah analisis kebutuhan-sediaan sistem transportasi (pembebanan). Faktor yang dapat mempengaruhi pengguna jalan dalam melakukan pemilihan rute, antara lain: waktu tempuh, jarak, biaya (bahan bakar dan lainnya), kemacetan dan antrian, jenis manuver yang dibutuhkan, jenis jalan raya (jalan tol, arteri), pemandangan, kelengkapan rambu dan marka jalan, serta kebiasaan. Model pemilihan rute dapat dikatakan ideal jika mengakomodasi semua faktor yang mempengaruhi prilaku pengguna jalan dalam melakukan pemilihan rute. Tetapi jika mempertimbangkan semua faktor pengaruh yang ada maka model akan menjadi rumit dan tidak praktis dalam penggunaannya. Dengan alasan pertimbangan kepraktisan
dalam
pemodelan
pemilihan
rute
maka
faktor
yang
sering
dipertimbangkan sebagai biaya adalah waktu tempuh. Pendekatan lainnya adalah dengan menggunakan dua faktor utama, yaitu biaya pergerakan dan nilai waktu. Biaya pergerakan dianggap proporsional dengan jarak tempuh. Model pemilihan rute dapat diklasifikasikan berdasarkan dua faktor pertimbangan yang didasari pengamatan bahwa tidak setiap pengendara dari zona asal yang menuju zona tujuan akan memilih rute yang persis sama, yaitu: perbedaan persepsi pribadi tentang biaya perjalanan karena adanya perbedaan kepentingan atau informasi yang tidak jelas dan tidak tepat mengenai kondisi lalulintas pada saat itu; dan peningkatan biaya karena adanya kemacetan pada suatu ruas jalan yang menyebabkan kinerja beberapa rute lain menjadi lebih tinggi sehingga meningkatkan peluang untuk memilih rute tersebut.
4
Perbedaan dalam tujuan dan persepsi menghasilkan proses penyebaran kendaraan pada setiap rute yang dalam hal ini disebut proses stokastik dalam proses pemilihan rute.
Klasifikasi
model
pemilihan
rute
sesuai
dengan
asumsi
yang
melatarbelakanginya adalah seperti tercantum pada Tabel 1. Tabel 1. Klasifikasi Model Pemilihan Rute Kriteria Efek batasan kapasitas dipertimbangkan ?
Tidak Ya
Efek stokastik dipertimbangkan ? Tidak Ya All-or-nothing Stokastik murni (Dial, Burrel) Keseimbangan-penggunaKeseimbangan Wardrop stokastik
Sumber: Tamin (2000) B.1.2 Pembentukan Pohon Dua algoritma dasar yang sering digunakan untuk pembentukan pohon dalam suatu jaringan jalan adalah algoritma yang dikembangkan oleh Moore (1957) dan Dijkstra (1959). Keduanya diterangkan dengan notasi berorientasi simpul: jarak (biaya) ruas antara dua titik A dan B dalam suatu jaringan dinotasikan dengan dA,B. Rute didefinisikan dalam bentuk urutan simpul yang saling berhubungan, A-C-D-H dan seterusnya, sedangkan jarak ke rute adalah penjumlahan setiap ruas yang ada dalam rute tersebut (Tamin 2000). B.1.3 Faktor Penentu Utama Faktor penentu utama dalam pemilihan rute terdiri dari: waktu tempuh, nilai waktu dan biaya perjalanan. a. Waktu Tempuh Waktu tempuh adalah waktu total perjalanan yang diperlukan, termasuk berhenti dan tundaan, dari suatu tempat ke tempat lain melalui rute tertentu. b. Nilai Waktu
5
Nilai waktu yang dimaksud adalah nilai waktu perjalanan. Salah satu hasil usaha pendefinisiannya adalah sejumlah uang yang disediakan seseorang untuk dikeluarkan (atau dihemat) untuk menghemat satu unit waktu perjalanan. c. Biaya Perjalanan Biaya perjalanan dapat dinyatakan dalam bentuk uang, waktu tempuh, jarak, atau kombinasi ketiganya yang biasa disebut biaya gabungan. Dengan mengetahui semua biaya dari setiap ruas jalan, dapat ditentukan rute terbaik yang dapat dilalui pada jaringan jalan tersebut. Tetapi, sebenarnya persepsi setiap pengendara terhadap biaya perjalanan berbeda-beda sehingga sukar menjabarkan perbedaan ini ke dalam bentuk pemilihan rute yang sederhana. Efek batasan-kapasitas dan efek stokastik dapat juga dianalisis dalam bentuk biaya perjalanan. Dapat diasumsikan bahwa setiap pemakai jalan memilih rute yang meminimumkan biaya perjalanannya dan ini sangat beragam. Jadi, diperlukan usaha untuk mendapatkan ‘rata-rata’ biaya perjalanan yang sesuai untuk semua pengendara. Metode yang paling sering digunakan adalah dengan mendefinisikan biaya sebagai kombinasi linear antara jarak dan waktu seperti yang dinyatakan persamaan 1 (Tamin, 2000). Biaya = a1 x waktu + a2 x jarak + a3
(1)
a1 = nilai waktu (Rp/jam) a2 = biaya operasi kendaraan (Rp/km) a3 = biaya tambahan lain (harga karcis tol)
Biaya operasi kendaraan antara lain mencakup penggunaan bahan bakar, pelumas, biaya penggantian (misalnya ban), biaya perawatan kendaraan, dan upah atau gaji supir. B.2 Teori Sistem Fuzzy (SF) dan Model Pembebanan Fuzzy Teori himpunan fuzzy merupakan pengembangan dari teori himpunan konvensional (himpunan crisp). Di dalam teori himpunan konvensional, suatu elemen hanya dapat
6
digolongkan sebagai “anggota” atau “bukan anggota” dari suatu himpunan. Sehingga jika satu elemen merupakan anggota dari himpunan akan mempunyai tingkat keanggotaan (membership level) penuh (1.0) dan jika satu elemen bukan anggota himpunan akan mempunyai tingkat keanggotaan 0.0. Tingkat keanggotaan elemen di dalam himpunan dinyatakan sebagai pemetaan ke 0 dan 1 yang secara matematis dinotasikan sebagai A x 0,1 . Suatu misal, jika set A adalah merupakan suatu himpunan bilangan real, maka secara matematis tingkat keanggotaan suatu elemen x di dalam himpunan A dapat dinyatakan dengan persamaan 2. . jika x A 10 0.0 jika x A
A x
(2)
C METODOLOGI Program kerja secara umum dalam Gambar 2 dibuat agar setiap tahap kegiatan dari proses penelitian ini dapat berjalan dengan baik dan sistematis sedemikian sehingga selanjutnya akan digunakan sebagai dasar dan pedoman dalam pelaksanaan penelitian untuk mencapai sasaran dan tujuan yang telah ditetapkan sebelumnya.
C.1.1 Pengembangan Model Fuzzy Biaya Perjalanan Model Fuzzy Biaya Perjalanan yang akan dikembangkan adalah:
~ ta ( x a ) t a ( xa ) ~a t a ( x a )
~ t ( x ) p a a a p
C.1.2 Pengembangan Model Pembebanan Fuzzy
Secara garis besar
pengembangan Model Pembebanan Fuzzy
merupakan
pengembangan model pembebanan stokastik dengan: (1). Input biaya perjalanan berupa biaya perjalanan fuzzy, (2). Pemilihan rute dengan metode Fuzzy-ShortestPath, dan (3). Mempertimbangkan batasan kapasitas.
7
Gambar 2. Metodologi Penelitian
dst ………………………………..
D JADWAL PENELITIAN Jadwal kegiatan penelitian dapat dilihat pada Tabel 2.
8
Tabel 2. Jadwal Kegiatan Penelitian KEGIATAN 1 2 3 4 5 6 7 8 10
Mei 2013 1
2
Juni 2013 3
4
1
2
Juli 2013 3
4
1
2
3
4
Identifikasi Masalah Perumusan Masalah Studi Literatur Pengembangan Model Fuzzy Persepsi Biaya Perjalanan Pengembangan Model Pembebanan Jaringan Fuzzy Uji Coba Model pada Jaringan Buatan Pengumpulan dan Penyiapan Data Implementasi Model pada Jaringan Sebenarnya Kesimpulan Hasil
E DAFTAR PUSTAKA Han, L. (2003, Januari 30). ITS Review. Retrieved Juli Senin, 2009, from ITS: http://ITSReviewonline/spring2003 /trb2003/liu-algorithm.pdf Sari, K. (2003). Artificial Intellengence (Teknik dan Aplikasinya). Yogyakarta: Graha Ilmu. Tanaka, A., & Narzuki, T. (1998). The Proposal Of Fuzzy Traffic Assignment Models. Proceedings of The Eastern Asia Society for Transportation Studies (pp. 263-277). Tokyo: EASTS.
9
