185 337 1 PB PDF
185 337 1 PB PDF
III. PROSES INFERENSI FUZZY memiliki bobot tiap simpul yaitu “O” seperti
Jika pada tiap fungsi keanggotaan memiliki tiga digambarkan pada Gambar 4 dan pada Tabel II.
variabel keanggotaan, maka menghasilkan aturan atau
rule evaluation seperti pada Tabel I. IV. HASIL DAN PEMBAHASAN
Pada tahap ini, algoritma akan diuji. Penggabungan
TABEL I.
RULE EVALUATION logika fuzzy dan algoritma dijkstra memiliki
Weight Road-Density perhitungan yang detail dan panjang. Proses pertama
Loose Normal Dense dari proses pencarian jalur yaitu pemberian nilai dari
Road Short 0,1 0,25 0,5 parameter yang dimiliki, antara lain panjang jalan dan
Length Moderate 0,25 0,5 0,75
Long 0,5 0,75 1 kepadatan jalan.
TABEL III.
NILAI BOBOT TIAP SIMPUL.
Pada Tabel I, rule evaluation dituliskan semua
kemungkinan dari kombinasi empat parameter. Setelah Simpul Length Density
proses rule evaluation, untuk menghasilkan keluaran weight weight
dari logika fuzzy, penulis menggunakan fuzzy model (a,b) 6 1724
sugeno untuk memodelkan hasil dari logika fuzzy. (a,c) 4 1027
Notasi 0,1 sampai 1 adalah nilai ataupun bobot untuk (b,c) 7 1800
menunjukkan tingkat atau grade yang dimiliki oleh (b,d) 8 1436
jalan. Nilai tersebut adalah himpunan untuk masukan (c,e) 3 926
rule evaluation yang dimiliki oleh logika fuzzy. Pada (d,e) 4 813
proses fuzzy output, menggunakan model sugeno orde- (d,f) 2 625
nol. (e,f) 5 1344
Proses logika fuzzy, seperti yang dimiliki oleh tiga variabel parameter. Gambar 8 memberikan
Gambar 6. Yaitu parameter panjang jalan memiliki informasi tentang model fungsi keanggotaan kepadatan
fungsi keanggotaan sendiri, begitu pula kepadatan jalan. jalan. Masing masing variabel parameter memiliki batas
Kemudian kedua parameter akan diolah dengan fuzzy yang berbeda, sesuai dengan data kepadatan jalan yang
sugeno dan menghasilkan fuzzy output. dimiliki oleh jalur yang akan diambil.
Masing masing parameter, yaitu panjang jalan dan
kepadatan jalan, memiliki tiga variabel parameter, maka
rule evaluation yang dimiliki oleh proses ini ada 9.
Detail aturan yang dimiliki pada Gambar 9. Bobot yang
paling ringan adalah 0.1 adalah jalan dengan bobot yang
paling kecil sampai bobot yang paling besar.
Pada himpunan fuzzy output, memiliki lima variabel.
Antara lain lancar (smooth), sedang (moderate), sedikit
padat (little dense), padat merayap (creep-solid), dan
macet atau sangat padat (dense). Yang masing masing
memiliki batas nilai 0-0,1(smooth); 0,25(moderate);
Gambar 7. Fungsi Keanggotaan Panjang Jalan 0,5(little dense); 0,75(creep-solid) dan 1(dense).
Proses terakhir dari algoritma fuzzy adalah proses
Begitu juga fungsi keanggotaan kepadatan jalan
defuzzifikasi. Jika diambil contoh untuk proses
dibagi menjadi tiga variabel parameter. Gambar 7
defuzzifikasi, untuk node (a,b) memiliki panjang jalan
memberikan informasi tentang model fungsi
sebesar 6 dan kepadatan 1724 maka proses defuzzifikasi
keanggotaan kepadatan jalan. Masing masing variabel
seperti pada Gambar 11 yang memiliki nilai fuzzy
parameter memiliki batas yang berbeda, sesuai dengan
output sebesar 0,95. Nilai panjang dan kepadatan
data panjang jalan yang dimiliki oleh jalur yang akan
diproses dengan 9 rule evaluation yang dimiliki.
diambil.
sesuai dengan masukan awal, sekarang graf jalan sudah c) Selama Vn Є L lakukan :
memiliki satu nilai yaitu fuzzy output (lihat Tabel IV). a. Pilih titik Vk Є V-L dengan D(k) terkecil
Fuzzy output digunakan sebagai masukan dari algoritma L = L U {Vk}
dijkstra. Proses dari algoritma dijkstra, antara lain b. Untuk setiap Vj Є V-L lakukan :
seperti langkah berikut. Algoritma mencari rute Jika D(j) > D(k) + W(k,j) maka ganti
terpendek ini dikembangkan oleh Dijkstra [20] atau D(j) dengan D(k) + W(k,j)
dijelaskan pada Gambar 13. d) Untuk setiap Vj Є V, W*(1,j) = D(j)
TABEL IV.
FUZZY OUTPUT
Simpul Rule Fuzzy Output
(a,b) 9 0,95
(a,c) 6 0,594
(b,c) 9 1
(b,d) 9 1
(c,e) 5 0,495
(d,e) 5 0,489
(d,f) 5 0,306
(e,f) 1 0,82
jalan, harus dapat diukur setiap waktu. Atau dengan kata Network, Int. J. Contemp. Math. Sciences. Vol 5, no. 20, 953-
962.
lain, harus ada masukan secara realtime untuk [10] Kaur, Arsshdeep dan Kaur, Amrit. 2012. Comparison Of
memaksimalkan algoritma ini. Mamdani-Type And Sugeno-Type Fuzzy Inference Systems
For Air Conditioning System, IJSCE Vol. 2 Issue 2.
DAFTAR PUSTAKA [11] Dewi, A.R. Wahjono E., dan Karim S., 2012, Pemanfaatan
Kontrol Logika Fuzzy Untuk Pemanfaatan Adhesive Glue,
[1] Peraturan Menteri Perhubungan, nomor : KM 14 tahun 2006, SCIETEC, TE-03-062.
Manajemen dan Rekayasa Lalu Lintas di Jalan. [12] Iordan, Anca E. 2012 Development of an Interactive
[2] Pugas O.D., Somantri M., Satoto K.I., Pencarian Rute Environtment Used for Simulation of Shortest Path Algorithm,
Terpendek Menggunakan Algoritma Dijkstra dan Astar (A*) Annals of Faculty Engineering Huneodara.
pada SIG Berbasis Web Untuk Pemetaan Pariwisata Kota [13] Dai, L. 2005. Fast Shortest Path Algorithm For Route Network
Sawah Lunto. And Implementation.
[3] Shekar B.S., Kumar G.N., Rani H.V.U., Divyashreee C.K., [14] Kesswani, N., dan Gopalani, D. 2011. Design and
George G., and Murali A., GPS Based Shortest Path for Implementation of Multi-Parameter Dijkstra (MPD) Algorithm
Ambulances using VANETs, ICWN 2012, V49.35. : A Shortest Path Algorithm for Real Road Networks, IJAER,
[4] Efentakis, A., Theodoratis, D., dan Pfoser, D., 2012 Vol. No. 2, Issue III.
Crowdsourcing Computing Resources For Shortest Path [15] Navratil, G. 2012. Curviness As A Parameter For Route
Computation, ACM sigspatial GIS, USA. Determination , FDE VERLAG GMBH, GI Forum.
[5] Linda, O. dan Manic, M. 2012. Improving Vehicle Fleer Fluel [16] Dijkstra, E.W. 1959. A note on two problems in connexion
Economy via Learning Fuel Efficient Driving Behaviors, with graphs. Numerische Mathematic. Vol.1, Mathematisch
IEEE. Centrum, Amsterdam, The Netherland 269-271.
[6] Wang, Y., dan Chen, Y. 2012. Short Term Trafic Flow [17] Ichsan, M. Hannats H. 2011. Pemanfaatan Logika Fuzzy
Prediction By A Sugeno Fuzzy System Based On Gaussian dalam SIG Untuk Pencarian Jalur Berdasarkan Kepadatan dan
Mixture Models, JATIT & LLS, Vol 44 No. 1. Panjang Jalan, SEIE A2-82.
[7] Teuber, A., and Eissfeller B., 2006. WLAN Indoor Positioning [18] Kusumadewi, S. dan Purnomo, H. 2004. Aplikasi Logika
Based on Eucludian Distances and Fuzzy Logic. Fuzzy Untuk Pendukung Keputusan, Graha Ilmu.
[8] Golnarkar, A., Alesheikh A. A., dan Malek, M. R. (2010). [19] Kusumadewi, Sri, Sistem Inferensi Fuzzy Metode TSK Untuk
Solving Best Path Problem on Multimodal Transportation Penentuan Kalori Harian.
Network with Fuzzy Costs, IJFS Vol. 7 no. 3, pp. 1-13. [20] Siang, J. Jek. 2002. Matematika Diskrit dan Aplikasinya
[9] Shankar, N. Ravi, V. Shireesha, dan P. Phani B. R. 2010. An pada Ilmu Komputer, Yogyakarta : Andi Offset.
Analitycal Method for Finding Critical Path in a Fuzzy Project