Dengan ini saya menyatakan bahwa skripsi berjudul Penerapan Skyline Query
pada Pemilihan Rute (Studi Kasus Jalan Raya Kota Bogor) adalah benar karya saya
dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun
kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari
karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan
dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Maret 2019
Pemilihan rute terbaik di jalan raya adalah permasalahan yang sangat penting.
Penelitian ini bertujuan memilih rute di kota Bogor sesuai dengan preferensi
pengguna. Permasalahan di jalan raya kota Bogor meliputi kemacetan, kondisi
kerusakan, jenis tutupan jalan, dan sebagainya. Konsep Skyline pada pemilihan rute
mencoba menjawab pada permasalahan tersebut. Skyline merupakan teknik
filtering dalam pemilihan objek yang dominan dari objek yang lain. Algoritme yang
digunakan dalam penelitian ini adalah algoritme Basic Route Skyline Computation
(BRSC) yang didasari oleh algoritma A*-search. Algoritme ini membangun semua
path secepat mungkin dan memangkas rute yang tidak berpotensi menjadi rute
skyline. Caranya adalah dengan menghitung nilai batas bawah dari sebuah rute
dengan menggunakan metode Lipschitz Embedding yang didasari oleh algoritme
Djikstra. Hasil percobaan menunjukkan bahwa rute Skyline yang dihasilkan sesuai
dengan preferensi pengguna.
ABSTRACT
The best route selection on roadway is very important problem. The aim of this
research is to select route in Bogor City which suitable with user preferences.
Problems in Bogor roadways include traffic jam, road damage, and road surface
type, etc. Concept of skyline on route selection can answer the problems. Skyline
is filtering technique in selecting dominant object from other object. This study used
Basic Route Skyline Computation (BRSC) algorithm which based on A*-search.
This algorithm builds all paths as soon as possible and prune path which are not
potential to be rute Skyline. The method lower bound value from each route using
Lipschitz Embedding method based on Dijkstra algorithm. Experiment show that
rute Skylines are suitable for user with different preferences.
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer
pada
Departemen Ilmu Komputer
Disetujui oleh
Diketahui oleh
Tanggal Lulus:
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’alaa atas
segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang
dipilih dalam penelitian yang dilaksanakan sejak bulan Agustus 2018 ini ialah data
mining, dengan judul Penerapan Skyline Query pada Pemilihan Rute (Studi Kasus
Jalan Raya Kota Bogor).
Penulis menyadari bahwa dalam proses penulisan skripsi ini banyak
mengalami kendala dan masalah, namun berkat bantuan, bimbingan, kerjasama dari
bebagai pihak dan atas izin Allah subhanahu wa ta’alaa sehingga kendala dan
masalah yang dihadapi dapat diselesaikan dengan baik. Untuk itu, penulis
sampaikan ucapan terimakasih banyak kepada kedua orang tua yang sangat hebat,
panutan, dan selalu ada dalam kondisi apapun, yaitu Bapak Sambas dan Ibu
Endang, serta seluruh keluarga yang selalu memberi dukungan dan Ibu Dr Eng
Annisa, SKom MKom selaku pembimbing yang memberikan arahan dengan sabar,
ikhlas pada waktu luang dan tenaga pikiran dalam memberikan arahan juga
motivasi dan saran yang bermanfaat kepada penulis selama penyusunan skripsi.
Penulis juga menyampaikan terimakasih kepada:
1 Ibu Dr Karlisa Priandana, ST MEng dan Bapak Muhammad Asyhar Agmalaro,
SSi, MKom selaku penguji
2 Bapak Prof Dr Ir Agus Buono, MSi MKom selaku Ketua Departemen Ilmu
Komputer
3 Seluruh dosen, staf tata usaha, dan staf pegawai Departemen Ilmu Komputer IPB
4 Teman-teman alih jenis angkatan 11 yang telah mendukung dan berjuang
bersama-sama dalam cara betukar pikiran, semangat, dan saling mendukung satu
sama lain.
DAFTAR TABEL vi
DAFTAR GAMBAR vi
DAFTAR LAMPIRAN vi
PENDAHULUAN 1
Latar Belakang 1
Perumusan Masalah 2
Tujuan Penelitian 2
Manfaat Penelitian 3
Ruang Lingkup Penelitian 3
TINJAUAN PUSTAKA 3
Skyline Query 3
Algoritme Block-nested-loops (BNL) 4
Algoritme Basic Route Skyline Computation (BRSC) 5
Algoritme A*-search 5
Lipschitz Embedding 6
METODE 13
Data Penelitian 13
Tahapan Penelitian 14
Lingkungan Pengembangan 18
HASIL DAN PEMBAHASAN 19
Pengambilan Data 19
Praproses Data 19
Pencarian Rute Skyline 21
Rute Skyline 22
Input Preferensi 22
Eksperimen 23
SIMPULAN DAN SARAN 26
Simpulan 26
Saran 26
DAFTAR PUSTAKA 26
LAMPIRAN 28
RIWAYAT HIDUP 34
DAFTAR TABEL
1 Contoh rute jalan raya 4
2 Atribut data kemacetan 13
3 Atribut data tata ruang dan kondisi 13
4 Atribut data penelitian macet (sumber DISHUB) 15
5 Atribut data penelitian kondisi dan tata ruang (sumber PUPR) 15
6 Perubahan nilai atribut jenis tutupan jalan 16
7 Perubahan nilai atribut jenis tutupan jalan 16
8 Atribut yang dipilih dan digabung dari sumber data 19
9 Perubahan nilai atribut jenis tutupan jalan 20
10 Perubahan nilai atribut kondisi permukaan jalan 20
11 Hasil praproses data jalan raya 20
12 Hasil preferensi (Simpang Pangrango – Simpang Narkoba (BORR)) 23
13 Rata-rata waktu eksekusi atribut 25
DAFTAR GAMBAR
1 Contoh Skyline 4
2 Contoh algoritme A*-search 6
3 Network graf embedding (Kriegel et al. 2007) 7
4 Contoh perhitungan Lipschitz Embedding 9
5 Pseudocode algoritme BRSC (Kriegel et al. 2010) 10
6 Flowchart algoritme BRSC 11
7 Contoh perhitungan algoritme BRSC 12
8 Alur tahapan penelitian 14
9 Contoh perhitungan bobot preferensi 17
10 Hasil perhitungan Lipschitz Embedding 21
11 Nilai atribut sub-rute dari node pertama 21
12 Hasil perhitungan rute Skyline 22
13 Peta Simp. Pangrango – Simp. Narkoba (BORR) 24
14 Rata-rata waktu eksekusi berdasarkan jumlah atribut 25
DAFTAR LAMPIRAN
1 Hasil pemetaan path yang diterapkan sesuai dataset 28
2 Hasil pemetaan path beserta simpang 29
3 Hasil rute Skyline (1) 30
4 Hasil rute Skyline (2) 31
5 Visualisasi rute preferensi (Simpang Pangrango – Simpang Narkoba
(BORR)) 32
PENDAHULUAN
Latar Belakang
Pemilihan rute terbaik di jalan raya adalah permasalahan yang sangat penting.
Umumnya dalam algoritme pencarian rute, antara lain algoritme Dijkstra, algoritme
Floyd-Warshall, dan algoritme Bellman-Ford (Fitria dan Triansyah 2011), rute
terbaik adalah rute yang memiliki jarak terpendek atau waktu tempuh tercepat.
Namun, dalam kehidupan sehari-hari, seringkali bukan hanya jarak dan waktu
tempuh yang penting untuk diperhitungkan dalam pemilihan rute terbaik. Misalkan,
seorang ibu hamil ingin pergi ke rumah sakit untuk memeriksakan kandungannya.
Rute dengan jarak terpendek ternyata melalui jalan yang kondisinya rusak parah.
Tentu saja rute ini sangat tidak dianjurkan untuk dilewati ibu hamil. Ibu tersebut
tentu akan lebih memilih melewati rute yang melewati jalan dengan kondisi baik
meskipun bukan merupakan rute terpendek. Contoh lainnya, seseorang melewati
sebuah rute dengan mengendarai mobil, namun ternyata jalan-jalan yang terdapat
pada rute tersebut kurang cocok untuk dilewati mobil karena lebar jalan yang sangat
sempit. Hal ini menunjukkan bahwa memilih rute tidak cukup hanya
memperhitungkan kecepatan dan jarak saja, namun juga perlu memperhatikan
aspek kenyamanan dan keamanan pengguna jalan.
Penelitian ini mencoba menjawab permasalahan pemilihan rute dengan
menggunakan multi-kriteria pada jalan raya di kota Bogor. Permasalahan jalan yang
tercatat di kota Bogor diantaranya meliputi kemacetan, kondisi permukaan jalan
raya yang rusak, jenis tutupan jalan, serta lebar jalan yang dilalui. Pengguna jalan
ingin menuju tempat tujuan dengan rute yang sesuai dengan preferensinya.
Preferensi pengguna merupakan kumpulan kriteria atau keinginan pengguna dalam
memilih jalan yang akan dilalui, misalnya pengguna lebih memilih rute yang
memiliki lebar jalan yang sesuai untuk mobil dan tidak rusak, dibandingkan jalan
yang lebih pendek tapi rusak parah. Penelitian mengenai pemilihan rute di kota
Bogor telah dilakukan oleh (Utari 2013), namun pada penelitian tersebut hanya
menggunakan kriteria jarak tempuh dan jarak terpendek saja.
Skyline query berusaha menemukan objek skyline, yaitu serangkaian solusi
optimal bagi pengguna untuk permasalahan multi-kriteria. Skyline adalah
sekumpulan objek-objek yang tidak didominasi oleh objek lain. Suatu objek tidak
didominasi objek lain jika sama baik atau lebih baik dalam semua kriteria dan lebih
baik setidaknya dalam satu kriteria (Borzsonyi et al. 2001). Misalkan untuk suatu
wilayah akan dicari rute-rute yang merupakan rute Skyline menggunakan kriteria
jarak terpendek dan kondisi kerusakan jalan. Terdapat tiga buah rute A, B, dan C.
Rute A memiliki jarak tempuh 10 km, B 20 km dan C 30 km. Diketahui bahwa jalan
yang dilalui pada rute A memiliki skala kerusakan 2, B memiliki skala 1, dan C
memiliki skala 3. Jika semakin besar skala kerusakan maka semakin parah
kerusakan jalan, dapat dikatakan bahwa rute C didominasi oleh rute A dan B, karena
memiliki jarak terjauh dan kerusakan jalan terparah. Rute A memiliki jarak tempuh
terpendek, sedangkan rute B memiliki kondisi jalan yang lebih baik. Kedua rute
tersebut dinamakan objek-objek yang incomparable karena keduanya tidak dapat
saling mendominasi. Dengan demikian, rute A dan rute B adalah rute Skyline pada
2
wilayah tersebut. Jika pengguna lebih mengutamakan jarak terpendek, rute A akan
menjadi pilihannya, jika pengguna lebih mengutamakan kondisi jalan, rute B yang
akan terpilih.
Konsep skyline pada pemilihan rute telah diimplementasikan oleh Kriegel et
al. (2010) pada algoritme Basic Route Skyline Computation (BRSC) yang didasari
oleh metode pencarian A*-search. A* merupakan metode pencarian heuristik dalam
keadaan optimal dan lengkap, yaitu menggunakan fungsi evaluasi path untuk
memilih path yang cocok melalui ruang pencarian (Coppin 2004). Algoritme ini
tidak membangun semua path yang mungkin lalu membandingkannya satu-per-
satu, melainkan secepat mungkin memangkas rute yang tidak berpotensi menjadi
rute Skyline. Caranya adalah dengan menghitung nilai batas bawah dari sebuah rute
dengan menggunakan metode Lipschitz Embedding (Kriegel et al. 2010) yang
didasari oleh algoritme Djikstra, untuk menentukan jalur terpendek antara dua
objek (Kriegel et al. 2007). Jika nilai batas bawah sebuah rute tidak didominasi oleh
rute yang lain, maka rute tersebut dapat diperluas.
Penelitian ini mencoba menerapkan algoritme Basic Route Skyline
Computation (BRSC) untuk menemukan rute Skyline pada jalan raya kota Bogor.
Kriteria yang digunakan meliputi nilai kemacetan jalan pada hari kerja dan hari
libur, ukuran panjang jalan, jenis tutupan jalan dan kondisi kerusakan pada
permukaan jalan. Nilai kemacetan merupakan perbandingan antara jumlah
kendaraan dibandingkan dengan kapasitas jalan raya. Pengguna dapat memasukkan
preferensi terhadap kelima atribut tersebut sesuai dengan kebutuhan dan
keinginannya. Hasil percobaan pada peta jalan raya kota Bogor dengan titik awal
Simpang Pangrango menuju Simpang Narkoba (BORR) dengan preferensi yang
berbeda menghasilkan dua rute yang berbeda pula. Jika pengguna lebih memilih
rute bebas macet, akan dianjurkan untuk melewati daerah Pandu Raya, sedangkan
jika pengguna lebih memilih rute terpendek, akan dianjurkan untuk melewati
daerah Warung Jambu.
Perumusan Masalah
Tujuan Penelitian
Tujuan dari penelitian ini adalah mencari rute terbaik di kota Bogor
berdasarkan preferensi pengguna dalam mengunjungi tempat tujuannya.
3
Manfaat Penelitian
Manfaat penelitian ini adalah memberikan informasi dan solusi arah rute
kepada pengguna jalan raya di kota Bogor dalam mencapai tempat tujuannya sesuai
dengan keinginan dan kebutuhannya.
TINJAUAN PUSTAKA
Skyline Query
Konsep skyline operator diusulkan pada penelitian Borzsonyi et al. (2001) yang
pertama kali memperkenalkan operator skyline dari suatu basis data yang besar dan
mengusulkan tiga algoritme, yaitu Block-Nested-Loops (BNL), Divide-and-
Conquer (D & C), dan skema B-tree-based. Skyline query dapat melibatkan lebih
dari dua dimensi (Kalyvas dan Tzouramanis 2017). Skyline merupakan teknik
filtering objek yang dilakukan dengan cara memilih objek-objek yang dominan dari
seluruh objek sesuai dengan hubungan dominasi antar-objek (Shah et al. 2016).
Dominasi adalah penguasaan oleh pihak yang lebih kuat terhadap yang lebih
lemah (KBBI Daring 2016). Dominan adalah bersifat sangat menentukan karena
kekuasaan, pengaruh, dan sebagainya (KBBI Daring 2016). Skyline query
mengembalikan objek yang tidak dapat didominasi oleh objek lain, dalam kasus
dataset yang terdiri dari objek multi-dimensi, objek mendominasi objek lain jika
sama baik dalam semua dimensi dan lebih baik dalam setidaknya satu dimensi
(Tiakas et al. 2015).
4
panjang
r2 2 40
r3 3 20 40 r2 r4
r4 3 40 30
r5 2 60 20 r3
r6 1 50 10 r7
r7 3 10 0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
rusak
dan objek yang tidak dominan (didominasi) dipangkas. Hasilnya pada Gambar 1
menunjukkan r2, r6, dan r7 adalah rute Skyline. Fungsi utama dari algoritme
blocked-nested-loops adalah membandingkan hubungan dominasi objek-objek lalu
disimpan dalam memori atau dilakukan pemangkasan. Objek-objek yang
dibandingkan akan dihitung kembali sesuai jumlah objek yang berada di dalam
basis data.
Algoritme A*-search
Algoritme A* adalah algoritme komputer yang digunakan secara luas dalam
graph traversal dan penemuan jalur serta proses perencanaan jalur yang bisa
dilewati secara efisien di sekitar titik-titik yang disebut node (Reddy 2013).
Algoritme A* memiliki prinsip mencari jalur terpendek dari sebuah node awal
menuju node tujuan dengan memperhatikan harga nilai yang diperoleh dari
penjumlahan nilai 𝑓(𝑛), yaitu jumlah nilai tiap node dalam jalur terpendek dari
node awal ke node selanjutnya dan jumlah nilai perkiraan terkecil dari sebuah node
ke node tujuan. A*-search secara signifikan dapat mengurangi jumlah node yang
harus dilalui untuk perhitungan jalur terpendek (Kriegel et al. 2010). Algoritme A*-
search dapat diperoleh dengan rumus:
node n, sedangkan ℎ(𝑛) merupakan perkiraan jarak dari node n ke node akhir
(tujuan) menggunakan Euclidean sebagai jarak paling minimal antara 2 node,
karena tidak ada jarak terpendek selain garis lurus dari 2 node. Setiap bobot yang
dihasilkan 𝑓(𝑛) disusun dari yang terkecil hingga bobot yang terbesar. Bobot nilai
paling kecil akan diperluas selanjutnya. Bobot nilai sebelumnya yang belum
diproses tetap akan diproses pada perluasan selanjutnya (f(A) : g(A) + h(A) = f(A) :
2 + 6 = 8 dan f(B) : g(B) + h(B) = f(B) : 5 + 8 = 13). Ketika node akhir sampai
tujuan, maka path tersebut adalah path terbaik (f(T) : g(T) + h(T) = 8 + 0 = 8).
didapatkan tidak akan kurang dari jarak Euclidean-nya atau sama dan tidak akan
lebih dari jarak terpendeknya (perhitungan menggunakan algoritme Dijkstra) atau
sama. Prinsip tersebut dapat didefinisikan sebagai berikut:
Node referensi ditentukan dengan cara memilih node (1…k) yang terletak di
luar path atau terletak di pusat path yang salah satunya dari O1 atau O2 (Gambar 3)
berada di dekat node awal atau tujuan. Setelah node referensi ditentukan, Lipschitz
Embedding dapat diperoleh menggunakan rumus:
8
′ ′
𝐷𝑙(𝑣𝑠, 𝑣𝑡) = max |𝐹𝑖(𝑣𝑠)𝑉 ,𝑙 − 𝐹𝑖(𝑣𝑡)𝑉 ,𝑙 | (3)
𝑖=1..𝑘
Keterangan:
𝐷𝑙(𝑣𝑠, 𝑣𝑡) = nilai maksimum dari batas bawah pada 𝑣𝑠 ke 𝑣𝑡 dengan
memperhatikan atributnya (perkiraan jarak (estimasi))
′ ,𝑙
𝐹𝑖(𝑣𝑠)𝑉 = Nilai terkecil (jarak terpendek (algoritme Dijkstra)) embedding
dari 𝑣𝑠 ke node referensi
′ ,𝑙
𝐹𝑖(𝑣𝑡)𝑉 = Nilai terkecil (jarak terpendek (algoritme Dijkstra)) embedding
dari 𝑣𝑡 ke node referensi
𝑚𝑎𝑥𝑖=1..𝑘 = maksimum nilai atribut vektor embedding yang diambil dari
|𝐹𝑖(𝑣𝑠)– 𝐹𝑖(𝑣𝑡)| dengan i = 1 hingga k atribut.
A Node T:
- atribut 1:
- algoritme dijkstra T ke B = 8
- algoritme dijkstra T ke C = 5
C <5,8> T - atribut 2:
- algoritme dijkstra T ke B = 12
S - algoritme dijkstra T ke C = 8
<3,6> Node S:
- atribut 1:
- algoritme dijkstra S ke B = 3
- algoritme dijkstra S ke C = 3
<4,5> - atribut 2:
B D - algoritme dijkstra S ke B = 5
- algoritme dijkstra S ke C = 6
Dp(S, T) = max |F(S) – F(T)|
= max |(3, 3) – (8, 5)|
= max |(-5, -2)| = 5
Perhitungan forward estimation (perkiraan): Dr(S, T) = max |F(S) – F(T)|
• <aribut1, atribut2> = <ukuran Panjang (p), = max |(5, 6) – (12, 8)|
kondisi permukaan rusak (r)> = max |(-7, -2)| = 7
• node tujuan = T Dpr(S, T) = (5, 7)
• node referensi = <B, C>
Node A: Node C:
- atribut 1: - atribut 1:
- algoritme dijkstra A ke B = 5 dan A ke C = 2 - algoritme dijkstra C ke B = 6 dan C ke C = 0
- atribut 2: - atribut 2:
- algoritme dijkstra A ke B = 7 dan A ke C = 2 - algoritme dijkstra C ke B = 9 dan C ke C = 0
Dp(A, T) = max |F(A) – F(T)| Dp(C, T) = max |F(C) – F(T)|
= max |(5, 2) – (8, 5)| = max |(6, 0) – (8,5)|
= max |(-3, -3)| = 3 = max |(-2, -5)| = 5
Dr(A, T) = max |F(A) – F(T)| Dr(C, T) = max |F(C) – F(T)|
= max |(7, 2) – (12,8)| = max |(9, 0) – (12,8)|
= max |(-5, -6)| = 6 = max |(-3, -8)| = 8
Dpr(S, T) = (3, 6) Dpr(C, T) = (5, 8)
Node B: Node D:
- atribut 1: - atribut 1:
- algoritme dijkstra B ke B = 0 dan B ke C = 6 - algoritme dijkstra D ke B = 4 dan D ke C = 3
- atribut 2: - atribut 2:
- algoritme dijkstra B ke B = 0 dan B ke C = 9 - algoritme dijkstra D ke B = 5 dan D ke C = 4
Dp(B, T) = max |F(B) – F(T)| Dp(D, T) = max |F(D) – F(T)|
= max |(0, 6) – (8, 5)| = max |(4, 3) – (8, 5)|
= max |(-8, 1)| = 8 = max |(-4, -2)| = 4
Dr(B, T) = max |F(B) – F(T)| Dr(D, T) = max |F(D) – F(T)|
= max |(0, 9) – (12, 8)| = max |(5, 4) – (12, 8)|
= max |(-12, 1)| = 12 = max |(-7, -4)| = 7
Dpr(B, T) = (8, 12) Dpr(D, T) = (4, 7)
Alur tahapan algoritme BRSC dapat dicari setelah perkiraan jarak dari setiap
node ke node tujuan (batas bawah) sudah didapatkan menggunakan perhitungan
10
Lipschitz Embedding (Gambar 4). Setelah batas bawah dari masing-masing node
didapatkan, perhitungan algoritme BRSC bisa dilakukan.
Pseudocode algoritme BRSC ditampilkan pada Gambar 5. “Qcand” sebagai
tempat menyimpan kandidat-kandidat sub-rute secara ascending dan “Sroute”
mengatur semua rute yang merupakan temporary untuk kumpulan rute Skyline (list
dari rute Skyline). Algoritme BRSC diawali dengan memberi node awal (𝑣𝑠), node
akhir (𝑣𝑡), dan graf dengan multi-kriteria. Untuk memulai hal tersebut, A*-search
diimplementasikan ke dalam graf yang dimulai dari 𝑣𝑠. Prioritas queue “Qcand”
diinisialisasi dengan pseudo-path yang hanya terdiri dari node awal (𝑣𝑠).
Ketika “Qcand” tidak kosong, sub-rute paling atas diambil dan dicek apakah
sudah sama dengan node tujuan (sub-rute = 𝑣𝑡). Asumsi pertama, node akhir dari
sub-rute = 𝑣𝑡, rute telah selesai dalam pencarian dan global rute Skyline dalam
“Sroute” diperbaharui. Jika sub-rute didominasi dari rute lain di dalam “Sroute”,
maka sub-rute dipangkas. Jika sub-rute tidak didominasi dari rute lain di dalam
“Sroute”, sub-rute dimasukkan ke dalam “Sroute”. Asumsi kedua, sub-rute ≠ 𝑣𝑡
maka hitung batas bawah sub-rute kemudian dibandingkan dengan rute lain dalam
“Sroute” oleh algoritme skyline. Jika tidak didominasi dari kumpulan rute di dalam
“Sroute”, sub-rute diperluas (one hop) dalam setiap arah dengan menghindari cycle,
yaitu setiap node dalam sub-rute hanya terjadi sekali. Jika sub-rute didominasi, sub-
rute dipangkas dan tidak perlu melakukan perluasan lebih lanjut. Dengan demikian,
kriteria pemangkasan berdasarkan forward estimation dilakukan, yaitu batas
bawah atribut vector dapat diperoleh menggunakan rumus:
11
perkiraan jarak dari setiap node ke node tujuan telah didapatkan. Contoh
perhitungan algoritme BRSC ditunjukkan pada Gambar 7.
METODE
Data Penelitian
Data yang digunakan dalam penelitian ini adalah data kemacetan yang berasal
dari kantor Dinas Perhubungan (DISHUB) dan kantor Pekerjaan Umum dan
Penataan Ruang (PUPR) kota Bogor yang diambil tahun 2017. Data berisi 150
nama jalan raya data kemacetan yang berasal dari DISHUB yang memiliki atribut
seperti pada Tabel 2.
Tabel 3 merupakan data atribut tata ruang dan kondisi jalan yang berasal dari
kantor PUPR pada tahun 2017 yang merupakan data atribut berisi data jalan raya
yang berhubungan dengan kondisi dan tata ruang jalan. Dataset tersebut berisi 2082
records.
Tabel 3 Atribut data tata ruang dan kondisi
Tahapan Penelitian
Studi literatur
Tahapan ini dilakukan dengan mengumpulkan, membaca, dan mempelajari
literatur yang sesuai dengan topik dalam penelitian ini. Topik-topik yang ditemukan
berupa penelitian, teknik-teknik rute, dan algoritme rute Skyline yang sesuai
dengan studi kasus juga algoritme-algoritme pada pencarian rute.
Pengambilan Data
Tahapan ini dilakukan dengan pengambilan data pada 2 kantor resmi di kota
Bogor, yaitu Dinas Perhubungan (DISHUB) yang menangani kemacetan jalan raya
di kota Bogor tahun 2017 dan kantor Pekerjaan Umum dan Penataan Ruang (PUPR)
yang menangani tata ruang dan kondisi jalan raya kota Bogor tahun 2017. Atribut
panjang jalan diambil dari panjang jalan di Google Maps yang dikalkulasi oleh
Geometri $length pada QuantumGIS dengan satuan kilometer.
15
Praproses Data
Tahap praproses data terdiri atas penggabungan data dari dua sumber
berbeda, pembersihan atribut yang mengandung missing value (atribut not a
number (nan)), penggantian keterangan atribut pada data, dan terakhir pemetaan
path.
Tabel 4 dan Tabel 5 berisi atribut yang dipilih untuk data penelitian yang akan
diproses. V/C ratio merupakan data untuk menentukan jalan raya tersebut macet
atau tidak. Rasio arus lalu-lintas terhadap kapasitas (derajat kejenuhan) menurut
(Direktorat Jendral Bina Marga 1997) adalah jika arus lalu-lintas mendekati
kapasitas (derajat kejenuhan > 0.75), kondisi arus tersendat (berhenti dan berjalan)
yang disebabkan oleh kemacetan menyebabkan bertambahnya asap dan juga
kebisingan jika dibandingkan dengan perilaku lalu-lintas yang stabil. Asap
kendaraan dan kebisingan berhubungan erat dengan arus lalu-lintas dan kecepatan.
Pada arus lalu-lintas yang tetap, asap berkurang dengan berkurangnya kecepatan
asalkan jalan tersebut tidak macet.
Tabel 5 Atribut data penelitian kondisi dan tata ruang (sumber PUPR)
a. Jenis tutupan jalan raya yang diperoleh, yaitu dapat dilihat pada Tabel 6:
b. Kondisi permukaan jalan raya yang diperoleh dapat dilihat pada Tabel 7:
Rute Skyline
Pada tahap ini telah dihasilkan kumpulan rute Skyline yang telah dihasilkan
oleh perhitungan algoritme BRSC. Rute Skyline merupakan kumpulan rute terbaik
dari banyak kemungkinan rute yang dicari oleh pengguna.
Input Preferensi
Pemberian bobot diberikan oleh pengguna sesuai keinginannya (preferensi).
Fungsi preferensi adalah jumlah seluruh bobot dari semua atribut yang
dipertimbangkan dari nilai tiap atribut (Kriegel et al. 2010). Pengguna memasukkan
pilihannya dengan rentang 0-100%. Preferensi (𝜋) adalah Π = (𝜋1,.., 𝜋d) ⊆ ℝ𝑑 .
Fungsi preferensi dapat dihitung menggunakan rumus:
Setelah didapatkan total bobot dari masing-masing rute Skyline, hasil nilai
rute Skyline yang sudah diberi input preferensi pengguna didapatkan. Rute yang
dipilih yang memiliki bobot nilai terkecil jika rute Skyline yang dihasilkan lebih
dari 1. Semakin besar presentase yang diboboti, maka hasil bobot yang dihasilkan
semakin sesuai dengan kebutuhan. Contoh perhitungan preferensi ditampilkan pada
Gambar 9.
Ketika preferensi dimasukkan, bobot nilai terbaik dihitung dari rute Skyline
yang sesuai dengan kebutuhan pengguna. Jika bobot 𝑃𝑟𝑒𝑓Π(𝑝̌ ) ≤ 𝑃𝑟𝑒𝑓Π(𝑝),
𝑃𝑟𝑒𝑓Π(𝑝̌ ) merupakan rute Skyline yang dibutuhkan pengguna.
Eksperimen
Algoritme BRSC pada penelitian ini diuji dengan dua pengujian. Skenario
yang diujikan terdiri atas pemilihan rute berdasarkan perbedaan preferensi dan
waktu eksekusi pada jumlat atribut dalam satuan detik (d) dengan perangkat keras
dan perangkat lunak sesuai pada sub-bab Lingkungan Pengembangan:
1 Rute berdasarkan preferensi.
Preferensi yang diujikan berdasarkan perbandingan bobot preferensi yang
berbeda-beda bertujuan mendapatkan rute yang sesuai dengan kebutuhan
pengguna. Perhitungan preferensi sesuai dengan rumus (5).
2 Waktu eksekusi berdasarkan banyaknya atribut (kriteria).
Atribut yang diujikan sebanyak 5, 10, 20, 40, dan 80 atribut, yang menunjukkan
bahwa 5 atribut (kriteria) merupakan data asli dan atribut setelahnya merupakan
atribut yang dibangkitkan secara random dengan node awal Simpang Pangrango
dan node akhir Simpang Narkoba (BORR). Pengujian dilakukan sebanyak 10
kali. Rata-rata waktu eksekusi pada setiap atribut dapat dihitung menggunakan
rumus rataan:
1 (6)
𝑥̅ = ∑𝑛𝑖=1 𝑥1
𝑛
Lingkungan Pengembangan
Penelitian ini dilakukan dengan beberapa tahap sesuai dengan ruang lingkup
dan metode. Berikut adalah tahapan-tahapan yang telah dilakukan:
Pengambilan Data
Data diambil pada tahun 2017 yang bersumber dari kantor Dinas
Perhubungan (DISHUB) yang berisi 150 nama jalan dengan atribut-atribut yang
ditunjukkan pada Tabel 2. Tabel 3 merupakan data jalan raya pada tahun 2017 yang
bersumber dari kantor Pekerjaan Umum dan Penataan Ruang (PUPR) yang berisi
data jalan raya yang berhubungan dengan kondisi dan tata ruang jalan. Dataset
tersebut berisi 2082 records dengan atribut-atribut yang dimiliki.
Praproses Data
Tahap praproses data merupakan tahap setelah data diambil. Tahap praproses
data terdiri atas:
1 Memilih dimensi atau atribut dari dataset kemacetan (DISHUB) dan dataset
kondisi tata ruang jalan raya (PUPR). Pertimbangan dari pemilihan data
dipilih dari skala penggabungan dataset kemacetan dan basis data kondisi tata
ruang jalan raya. Atribut-atribut yang dipilih, yaitu ada 7 atribut dapat dilihat
pada Tabel 8. Data digabungkan dari dua sumber data yang berbeda setelah
dipilih dimensi-dimensinya (atribut). Data yang telah digabung berdasarkan
atribut-atribut yang dipilih, yaitu nama jalan, node awal, node akhir, macet
hari kerja, macet hari libur, jenis tutupan jalan raya, kondisi permukaan jalan
raya. Penggabungan data dipilih berdasarkan nama jalan raya.
4 Pemetaan path dilakukan dengan melihat arah-arah rute jalan raya pada data.
Nama jalan, node awal, dan node akhir dipetakan dengan standar alur nama jalan
raya dalam Google Maps. Hasil yang didapatkan berupa path yang diproses
dengan cara digitasi jalan raya menggunakan tools line layer pada QuantumGIS.
Jika path tidak saling terhubung, path dihilangkan. Hasil path yang saling
terhubung dikalkulasi menggunakan Geometri $length/1000 untuk mendapatkan
hasil jarak dalam satuan kilometer (km). Hasil dari praproses data berupa file csv
berisi atribut-atribut yang sudah dipilih dan memiliki nilai-nilai yang akan
diproses. Hasil praproses data untuk kriteria bobot nilai ditunjukkan pada Tabel
11. Hasil praproses data yang didapatkan menunjukkan bahwa semakin bobot
nilainya kecil, maka semakin baik kriteria data. Visualisasi hasil pemetaan path
dan simpang pada path ditampilkan pada Lampiran 1 dan Lampiran 2.
lipschitz embedding =
Simp. Pangrango: (0.90, 0.87, 2.42, 2, 2)
Simp. Marwan: (1.39, 1.40, 2.82, 3, 3),
Simp. Bantarjati: (0.92, 0.92, 1.93, 2, 2),
Simp. Warung Jambu: (0.47, 0.49, 0.59, 1, 1),
Simp. Talang: (0.61, 0.65, 0.50, 1, 1),
Simp. POMAD: (1.06, 1.03, 2.31, 2, 2),
Simp. Akses BORR: (0.87, 0.95, 2.16, 3, 2),
Simp. Tanah Baru (Cimahpar): (1.31, 1.28, 4.35, 3, 3),
Simp. T. Wiradireja (Pandu Raya): (0.83, 0.82, 3.74, 2, 2),
Simp. Jl. Kumbang: (0.37, 0.48, 2.46, 1, 1),
Simp. Diploma IPB: (0.90, 0.95, 2.73, 2, 1)
Tahap kedua membaca sub-rute sub-rute ketika node awal pertama kali
dimasukkan ke dalam temporary kandidat sub-rute. Sub-rute dibaca berdasarkan
adjacency list dari node. Hasil sub-rute ditampilkan pada Gambar 11.
Tahap ketiga adalah setiap sub-rute yang ada dalam temporary sub-rute
diproses untuk menentukan apakah path yang dihasilkan diperpanjang atau tidak.
Perhitungan menggunakan path batas bawah agar rute Skyline berhasil didapatkan.
Skyline query digunakan ketika melakukan perbandingan antara batas bawah
sebuah rute dengan kumpulan rute yang ada di temporary rute Skyline dan ketika
sebuah path telah mencapai node tujuan, lalu dibandingkan dengan rute-rute yang
ada di temporary rute Skyline. Pencarian rute Skyline akan berhenti ketika
temporary kandidat-kandidat sub-rute telah kosong.
22
Rute Skyline
Hasil rute Skyline yang didapatkan sebanyak 2 rute terbaik dari banyak
kemungkinan rute. Hasil perhitungan rute Skyline ditampilkan pada Gambar 12 dan
visualisasi arah rute ditampilkan pada Lampiran 3 dan Lampiran 4.
Rute Skyline
Node awal = Simp. Pangrango
Node tujuan = Simp. Narkoba (BORR)
Input Preferensi
Eksperimen
Jumlah Atribut
Waktu eksekusi (d)
5 10 20 40 80
1 0,08 0,10 0,14 0,22 0,73
2 0,09 0,09 0,25 0,45 0,78
3 0,07 0,09 0,31 0,57 0,78
4 0,07 0,07 0,30 0,57 0,77
5 0,07 0,11 0,30 0,56 0,77
6 0,10 0,14 0,31 0,57 0,78
7 0,12 0,14 0,31 0,58 0,77
8 0,12 0,14 0,31 0,57 0,78
9 0,12 0,14 0,31 0,56 0,79
10 0,13 0,14 0,31 0,57 0,79
Total 0,97 1,16 2,85 5,22 7,74
Rata-rata 0,10 0,12 0,29 0,52 0,77
1.0
waktu eksekusi (d)
0.8
0.6
0.4
0.2
0.0
5 10 20 40 80
jumlah atribut
Simpulan
Penerapan skyline query pada pemilihan rute untuk studi kasus jalan raya kota
Bogor telah berhasil dilakukan. Hasil yang diperoleh adalah kumpulan rute terbaik
untuk pengguna dalam mencapai tempat tujuannya (rute Skyline). Kumpulan rute
Skyline akan memilihkan rute terbaik sesuai dengan preferensi yang diinginkan dan
dibutuhkan. Tahap eksperimen membuktikan bahwa preferensi yang dimasukkan
pengguna jika berbeda-beda kebutuhannya, rute yang dilaluinya akan berbeda.
Waktu eksekusi pada algoritme BRSC pada jumlah atribut sebanyak 80
menunjukkan bahwa kecepatan algoritme ini tidak terlalu tergantung dari banyak
atribut yang diberikan karena hasil perhitungan waktu yang diperoleh masih kurang
dari 1 detik.
Saran
DAFTAR PUSTAKA
LAMPIRAN
29
Simp. POMAD
Simp. Talang
Simp. Bantarjati
Simp. Marwan
Simp. Diploma IPB
Simp. Tanah Baru (Cimahpar)
Simp. Pangrango
31
Simp. Bantarjati
Simp. Marwan
Simp. Pangrango
32
Jl. Lodaya 1 ⇒ Jl. Bogor Baru Simp. Pangrango ⇒ Simp. Jl. Kumbang ⇒
(Tegallega) ⇒ Jl. Tumenggung Simp. T. Wiradireja (Pandu Raya) ⇒
Wiradireja 1 ⇒ Jl. H. Achmad Simp. Warung Jambu ⇒ Simp. Narkoba
Adnawijaya ⇒ Jl. KS. Tubun 1 (BORR)
Simp. Bantarjati
Simp. Marwan
Simp. Pangrango
34
RIWAYAT HIDUP