Penggunaan Metode Pengalihan Lalu Lintas untuk

Mengurai Kemacetan dengan Algoritma

Genetika dan Logika Fuzzy
(Studi Kasus : Jalan Jenderal Sudirman Kota Salatiga)

Oleh :
Yoga Adi Dharma 672014187

Fakultas Teknologi Informasi

Universitas Kristen Satya Wacana
Salatiga
2017

1
1. Latar Belakang Masalah
Meningkatnya jumlah penduduk yang pesat, ditambah dengan meningkatnya
jumlah kendaraan bermotor tak jarang menimbulkan berbagai masalah. Seringkali
masalah yang ditimbulkan berdampak kepada ekonomi. Kemacetan merupakan salah
satu permasalahan yang disebabkan oleh meningkatnya jumlah kendaraan bermotor
yang tidak diimbangi dengan sistem pelayanan lalu lintas yang kurang baik.
Permasalahan kemacetan lalu lintas juga kerap kali terjadi di kota Salatiga.
Menurut data yang dihimpun dari Dinas perhubungan, Komunikasi, Budaya, dan
Pariwisata (dishubkombudpar) kota Salatiga, Salatiga memiliki 39 titik rawan
kemacetan, salah satunya adalah pada jalan Jenderal Sudirman yang merupakan jalan
utama antar provinsi. Hal tersebut dikarenakan tingginya hambatan samping yang
disebabkan oleh tingginya aktifitas ekonomi, banyaknya persimpangan, minimnya
bahu jalan serta berkurangnya kapasitas total jalan yang disebabkan oleh lokasi parkir
yang berada pada sepanjang sisi jalan [1]. Atas dasar hal tersebut maka diperlukan
solusi untuk mengurai kemacetan, salah satunya dengan melakukan pengalihan lalu
lintas ke jalan alternatif.
Penelitian mengenai sistem rekayasa lalu lintas ini dibangun dengan
menggunakan logika Fuzzy, dimana metode fuzzy dapat mengelompokkan beberapa
kondisi dengan batas tersamar [2]. Pengelompokkan dilakukan berdasarkan tingkat
kepadatan atau kejenuhan lalu lintas. Kejenuhan tingkat lalu tintas dihitung dari
banyaknya jumlah kendaraan yang melintas dibagi dengan besar kapasitas suatu ruas
jalan dalam satuan muatan penumpang per jam[1]. Selain metode pengelompokkan
yang memberikan beberapa pilihan jalan yang dapat dilalui, metode lain yang
digunakan adalah algoritma genetika untuk mencari solusi optimum dalam
permasalahan pencarian jalan terdekat dengan melakukan seleksi, crossover, dan
mutasi. Tujuan dari penelitian ini adalah membuat sebuah sistem rekayasa lalu lintas
untuk memberikan beberapa jalur alternatif kepada masyarakat ketika terjadi
kemacetan pada beberapa ruas jalan tertentu.

2. Rumusan Masalah
2.1. Apa faktor penyebab kemacetan di jalan Jenderal Sudirman?
2.2. Jalan mana saja yang dapat digunakan sebagai jalan alternatif?
2.3. Seberapa efektif penggunaan metode pengalihan lalu lintas untuk mengurai
kemacetan?

2
3. Tujuan Penelitian
3.1. Mengurangi penumpukan kendaraan pada suatu ruas jalan tertentu
3.2. Menguji efektifitas penggabungan algoritma genetika dan logika fuzzy pada
metode pengalihan lalu lintas
3.3. Memberikan beberapa jalan alternatif kepada masyarakat ketika terjadi
kemacetan.

4. Manfaat Penelitian
4.1. Masyarakat dapat mengetahui jalan yang macet dan jalan alternatif yang
dapat dilalui.
4.2. Mengurangi kemacetan yang terjadi di Kota Salatiga

5. Tinjauan Pustaka
Penelitian yang membahas mengenai pencarian rute terpendek membahas
tentang “Aplikasi Pencarian Rute Terpendek Menggunakan Algoritma Genetika”.
Penelitian ini bertujuan untuk pencarian rute terpendek pemadam kebakaran di kota
Pontianak. Dalam penelitian ini digunakan dua faktor jarak serta bobot kemacetasn
sehingga hasil yang diperoleh berupa jalan dengan rute terpendek atau rute dengan
bobot kemacetan yang kecil. [3].
Penelitian lain mengenai metode hybrid untuk permasalahan pencarian rute
terdekat membahas tentang “Solusi Optimal Pencarian Jalur Tercepat dengan
Algoritma Hybrid Fuzzy-Dijkstra”. Pada penelitian ini penggunaan metode untuk
pencarian rute terdekat dengan menggunakan algoritma Djikstra yang merupakan
sebuah algoritma untuk memecahkan masalah rute terpendek dengan jalur tap non
negatif. Algoritma ini menghasilkan satu rute optimal dari titik awal ke titik tujuan.
Metode penggabungan antara logika fuzzy dan algoritma djikstra memerlukan proses
yang detail karena hasil dipengaruhi oleh beberapa parameter sehingga hasil yang
dicapai selalu dinamis [4].
Dalam tinjauan pustaka yang telah dilakukan, maka pada penelitian ini akan
menggunakan metode hybrid antara algoritma genetika dan logika fuzzy dengan
beberapa parameter dalam penentuan pencarian rute terdekat, diantaranya adalah
banyaknya kendaraan, kapasitas jalan, jarak, serta tingkat kejenuhan suatu ruas jalan.

6. Metode Penelitian
Penelitian ini dilakukan dalam beberapa tahapan, pertama melakukan identifikasi
beberapa jalan di kota Salatiga. Setelah dilakukan identifikasi masalah, didapatkan
beberapa faktor yang mempengaruhi kemacetan suatu jalan. Tahap kedua adalah

3
penentuan klasifikasi tingkat kemacetan dengan menggunakan metode fuzzy. Tahap
ketiga adalah pembangunan model algoritma pencarian rute terdekat dengan
algoritma genetika.

Gambar 1. Tahapan model pencarian rute terdekat

Berdasarkan data dari Manual Jalan Kapasitas Indonesia tahun 1997, bahwa
faktor yang mempengaruhi bobot kemacetan atau tingkat kejenuhan antara lain
adalah kapasitas total jalan, hambatan samping, lebar jalan, rasio pemisah arah,
hambatan samping, serta ukuran kota [1].
Tahap klasifikasi tingkat kemacetan dilakukan dengan menggunakan metode
fuzzy. Tingkat kejenuhan atau derajat kejenuhan didefinisikan sebagai rasio arus lalu
lintas terhadap kapasitas digunakan sebagai faktor utama dalam penentuan tingkat
kinerja segmen jalan. Derajat kejenuhan dirumuskan sebagai berikut (1):

(1)

DS = Derajat Kejenuhan
Q = arus lalu lintas (smp/jam)
C = Kapasitas total jalan (smp/jam)

4
 Kapasitas (C) merupakan total kemampuan suatu jalan menampung banyaknya
kendaraan, dihitung dengan rumus (2):

(2)
C = kapasitas total ruas jalan (SMP/Jam)
Co = kapasitas dasar
FCw = faktor penyesuaian kapasitas untuk lebar jalur lalu-lintas
FCsp = faktor penyesuaian kapasitas untuk pemisahan arah
FCsf = faktor penyesuaian kapasitas untuk hambatan samping
FCcs = faktor penyesuaian kapasitas untuk ukuran kota.

lengang normal macet

Gambar 2 Fungsi keanggotaan derajat kemacetan

Tahap selanjutnya adalah pembangunan model algoritma pencarian rute terdekat

dengan algoritma genetika. Pada tahap ini dilakukan beberapa komponen tahapan
algoritma genetika sebanyak 50 kali secara berulang atau sampai solusi optimum
tercapai, antara lain:
a. Pendefinisian individu dengan cara mendefinisikan beberapa kemungkinan jalur
yang dapat dilewati dari titik awal ke titik akhir.
b. Fungsi evaluasi yaitu fungsi untuk menghitung nilai fitness yang merupakan
inversi dari nilai jarak ditambah beban, sehingga semakin tinggi nilai jarak ditambah
beban, maka nilai fitness akan semakin kecil. Pada algoritma genetika, nilai fitness
yang lebih tinggi, akan lebih mampu bertahan pada generasi berikutnya. Penghitunfan
nilai fitness dapat dirumuskan sebagai berikut:

Dengan :
f = nilai fitness

5
b = beban
j = jarak

c. Proses seleksi dengan menggunakan metode rank. Proses ini bertujuan untuk
menyeleksi individu terbaik berdasarkan nilai probabilita fitness yang telah
ditentukan. Berikut pseudocode dari roulette wheel.

induk=individu;
Jfitness=sum(fitness)
k=0;
for i=1:Npop
prosenfitness=floor(100*fitness/Jfitness);
End

d. Proses crossover, merupakan proses menukar gen dari dua individu yang telah
terseleksi menjadi induk, untuk menghasilkan individu baru. Metode crossover yang
dilakukan adalah Arithmetic Cross Over, yaitu proses crossover dilakukan dengan
menukar aritmatika dari tiap induk dengan probabilitas crossover sebesar 0.6.

anak=induk;
m=floor(Npop/2);
probCO=0.6
for i=1:m
p=rand;
if p<probCO
r1=floor(24*rand)+1;
r2=floor((24-r1)*rand)+r1;
r=rand;
anak(2*i-1,r1:r2)=r*induk(2*i-1,r1:r2)+(1-r)*induk(2*i,r1:r2);
anak(2*i,r1:r2)=(1-r)*induk(2*i-1,r1:r2)+r*induk(2*i,r1:r2);
end
end
Pada pseudocode tersebut, crossover dilakukan apabila pembangkitan nilai
random kurang dari probabilitas crossover sebesar 0.6. Variabel anak saling menukar
fungsi aritmatika masing masing dengan berdasarkan nilai random yang
dibangkitkan.

6
e. Proses Mutasi, adalah proses untuk mengubah gen dalam individu solusi. Namun
dalam penelitian ini pengubahan gen tidak dapat dilakukan dikarenakan terdapat
beberapa batasan yang menyebabkan tidak adanya solusi apabila dilakukan
perbuahan gen. Proses mutasi pada penelitian ini dilakukan dengan mengganti
individu anak dengan fitness terkecil dengan individu anak dengan fitness terbesar
pada probabilitas mutasi sebesar 0.1.

Daftar Pustaka
[1] Manual Kapasitas Jalan Raya tahun 1997
[2] Djunaidi, Much., 2005. Penentuan Jumlah Produksi Dengan Aplikasi Metode
Fuzzy – Mamdani. Surakarta : Universitas Muhammadiyah Surakarta.
[3] Utami, Putri Yuli., Cucu Suhery., Ilhamsyah. 2014. Aplikasi Pencarian Rute
Terpendek Menggunakan Algoritma Genetika. Pontianak : UniversitasTanjungpura.
[4] Ichsan, M. Hannats H., Yudaningtyas, Erni., Muslim, M. Aziz. 2012. Solusi Optimal
Pencarian Jalur Tercepat dengan Algoritma Hybrid Fuzzy-Dijkstra. Jurnal EECCIS.