ABSTRAK
Pengaturan nyala lampu lalu lintas merupakan salah satu upaya yang digunakan untuk dapat mengatur laju
kendaraan di jalan raya. Pada kenyataannya volume kendaraan semakin meningkat, dan kemacetan tidak dapat
terelakan. Pengaturan lampu lalu lintas berdasarkan fase waktu yang bersifat tetap/statis, kurang mampu berfungsi
secara baik dalam mengurai kemacetan, mengingat setiap sudut jalan memiliki kepadatan kendaraan yang berubah-
ubah. Maka perlu adanya optimasi terhadap pengaturan nyala lampu lalu lintas di persimpangan jalan raya agar
dapat meminimalisasi waktu tunggu pengguna jalan. Dalam makalah ini dibahas pembuatan simulasi sistem kontrol
yang dapat menentukan durasi nyala lampu lalu lintas secara adaptif pada persimpangan jalan raya menggunakan
algoritma fuzzy mamdani. Penentuan nyala lampu lalu lintas ditentukan oleh parameter jumlah kendaraan mobil,
motor, dan lebar jalan. Dari hasil pengujian dengan kondisi parameter yang berbeda dapat diperoleh nyala lampu
merah yang berubah secara adaptif menyesuaikan kondisi yang terjadi pada jalan raya.
24
Jurnal MNEMONIC Vol 3, No. 1, Februari 2020
25
Implementasi Fuzzy Mamdani Pada Lampu Lalu Lintas Renaldi
V Q wr
V F wr
rá
L^
Tabel 2
wr Q V Q yr
yr F wr
Áð !
V R yr
á
Variabel Input Nilai
sá
Jumlah Mobil 20
Lebar Jalan 9
Jumlah Motor 15
A. Fuzzifikasi
Fuzzifikasi mengkonversi inputan data/crisp set
ke dalam bentuk fuzzy input yang nilai kebenarannya
bersifat pasti (crisp input), berupa nilai linguistik
yang semantiknya ditentukan berdasarkan fungsi
keanggotaan tertentu (Suyanto, 2007).
Nilai keanggotaan himpunan Sedikit, Sedang,
Banyak dari variabel Mobil, diperoleh melalui fungsi
sebagai berikut :
V R ur
Gambar 2 Himpunan fuzzy motor
ur F V
rá
L^ sw Q V Q ur
ur F sw
Nilai keanggotaan himpunan Sempit, Sedang,
Á
V Q sw
á Lebar dari variabel Lebar Jalan, diperoleh melalui
V Q sw œ R xw
sá fungsi sebagai berikut :
Ó V F sw VRz
Ö
rá
V L vr zFV
L vr F sw
rá
L^ x Q VQz
Ô xw F V zFx
á
Á
Ö V L vr
Á
VQx
á
Õ xw F vr á
V Q wr V Q x œ R sr
sá
Ó VFx
V F wr Ö
rá
VLz
rá
L^ wr Q V Q xw L zFx
xw F wr Ô sr F V
Áð ! á
V R xw
á
Ö
Á
sá
Õ sr F z á VLz
VQz
VFz
rá
L^ z Q V Q sr
sr F z
Áú
V R sr
á
sá
V R vr
vr F V
rá
L^ tr Q V Q vr
Gambar 3 Himpunan fuzzy pH
vr F tr
Á
V Q tr
á
Nilai keanggotaan himpunan Cepat, Sedang,
V Q tr œ R yr
sá
Ó V F tr
Lama dari variabel Output Lampu Merah, diperoleh
Ö
rá
V L vw
melalui fungsi sebagai berikut :
L vw F tr V R tw
Ô yr F V
á
Ö tw F V
Á rá
Õ yr F vw á V L vw –L^ tr Q V Q tw
tw F tr
Áñ
V Q tr
á
sá
26
Jurnal MNEMONIC Vol 3, No. 1, Februari 2020
V Q tr œ R vr
Ó V F tr
Ö
rá 10 Sedang Sempit Sedikit Sedang
V L ur
L ur F tr
11 Sedang Sedang Sedikit Sedang
Ô vr F V
á
Ö
Á 12 Sedang Lebar Sedikit Sedang
Õ vr F ur á V L ur
13 Sedang Sempit Sedang Cepat
V Q uw
14 Sedang Sedang Sedang Cepat
V F uw
rá
L^ uw Q V Q vr
15 Sedang Lebar Sedang Sedang
vr F uw
Áú 16 Sedang Sempit Banyak Cepat
V R vr
á
17 Sedang Sedang Banyak Cepat
sá 18 Sedang Lebar Banyak Sedang
19 Banyak Sempit Sedikit Cepat
20 Banyak Sedang Sedikit Cepat
21 Banyak Lebar Sedikit Sedang
22 Banyak Sempit Sedang Cepat
23 Banyak Sedang Sedang Cepat
24 Banyak Lebar Sedang Cepat
25 Banyak Sempit Banyak Cepat
26 Banyak Sedang Banyak Cepat
27 Banyak Lebar Banyak Cepat
C. Defuzzifikasi
Dalam metode mamdani, defuzzifikasi
dilakukan untuk mendapatkan nilai crisp dengan
Gambar 4 Himpunan fuzzy jenis ikan mengubah nilai output menggunakan metode
centroid. Sebelum proses defuzzifikasi, terdapat
B. Sistem Inferensi Fuzzy proses komposisi yaitu penyatuan hasil clipping dari
Proses Inferensi melakukan penalaran semua aturan fuzzy sehingga menghasilkan satu
menggunakan fuzzy input dan aturan fuzzy yang fuzzy set tunggal. Proses perhitungan defuzzifikasi
telah ditentukan sehingga menghasilkan fuzzy output menggunakan metode centroid dituliskan seperti
(Suyanto, 2007). Proses inferensi pada model dalam persamaan 1.
mamdani, dapat dilakukan dengan dua metode
inferensi yaitu clipping (alpha cut) atau scaling. y=
à ìÁV:ì; 6:8
= 9á87 = 48,6
Namun cara yang paling sering dipakai adalah ÃÁV:ì;
clipping karena mudah untuk diimplementasikan.
Aturan fuzzy atau rule based dalam bentuk IF- dari perhitungan diatas didapatkan nilai nyala lampu
THEN digunakan dalam sistem inferensi model merah adalah 48,6 detik sehingga dapat dikategorikan
mamdani. Dari aturan fuzzy yang sudah ditentukan, sesuai dengan ketentuan output pada tabel berikut :
digunakan aturan Conjunction (^) pada nilai-nilai
linguistic untuk menentukan derajat keanggotaan Tabel 4. Range Nilai Output Fuzzy
minimum. Kemudian dilanjutkan dengan
menggunakan aturan Disjunction (v) untuk memilih Kategori Range
derajat keanggotaan maximum. Aturan fuzzy atau
Rule based yang telah ditentukan disajikan dalam Cepat 0 ± 80
Tabel III. Sedang 5 ± 15
Lama 0 ± 90
Tabel 3. Kondisi Rule Based
INPUT OUTPUT 3. ANALISIS HASIL
Rule Lebar Lampu Pengujian dilakukan untuk mengetahui
Mobil Motor
Jalan Merah perbandingan dan hasil optimal dari nyala lampu
1 Sedikit Sempit Sedikit Lama merah menggunakan metode fuzzy mamdani dan
2 Sedikit Sedang Sedikit Lama metode konvensional. Pengujian dilakukan dengan
3 Sedikit Lebar Sedikit Lama prosedur menggunakan tiga variabel input pada
4 Sediktit Sempit Sedang Lama persimpangan jalan (simpang 4) dengan lebar tiap
5 Sedikit Sedang Sedang Lama jalan berbeda dan jumlah mobil serta motor yang
6 Sedikit Lebar Sedang Lama berhenti berubah-ubah pada tiap kondisi tertentu.
7 Sedikit Sempit Banyak Sedang Sebanyak 24 data digunakan sebagai data uji dengan
8 Sedikit Sedang Banyak Sedang hasil yang ditampilkan pada Tabel 5 dan Tabel 6.
9 Sedikit Lebar Banyak Sedang
27
Implementasi Fuzzy Mamdani Pada Lampu Lalu Lintas Renaldi
28
Jurnal MNEMONIC Vol 3, No. 1, Februari 2020
Berdasarkan hasil perhitungan pada Tabel 5 dan [3] Taufik, R. & Supriono., 2008. Rancang Bangun
Tabel 6, diperoleh waktu yang dihasilkan oleh Simulator Kendali Lampu Lalu Lintas Dengan
metode mamdani berubah secara adaptif sesuai Logika Fuzzy Berbasis Mikrokontroler.
dengan jumlah kendaraan dan lebar jalan pada tiap Seminar Nasional IV SDM Teknologi Nuklir
persimpangan yang dilalui oleh kendaraan, berbeda ,25-26 Agustus 2008, Sekolah Tinggi Teknologi
dengan sistem metode konvensional yang memiliki Nuklir. Yogyakarta.
waktu tunggu yang sama pada tiap persimpangan [4] Departemen Perhubungan., 1993. Peraturan
jalan, meskipun jumlah kendaraan dan lebar jalan Pemerintah RI Tahun 1993 Tentang Prasarana
yang dilalui berbeda. Waktu tunggu yang dihasilkan dan Lalu Lintas Jalan. Available
oleh metode mamdani dapat disesuaikan dengan at:http://hubdat.dephub.go.id/peraturan-
kondisi jumlah kendaraan dan lebar jalan pada tiap pemerintah/79-pp-no-43-tahun-1993-tentang-
persimpangan. prasarana-dan-lalu-lintas-jalan/download.
[5] Prasetyo, E. E. & Wahyunggoro, O., 2015.
4. KESIMPULAN Desain Pengatur Lampu Lalu Lintas Adaptif
Dari hasil penelitian dapat disimpulkan bahwa Dengan Kendali Logika Fuzzy. Seminar
sistem fuzzy mamdani dapat digunakan untuk Nasional Teknologi Informasi dan Multimedia
meminimalkan waktu tunggu secara dinamis bagi 6 ± 8 Februari 2015, STMIK AMIKOM.
pengguna jalan di persimpangan jalan. Dengan Yogyakarta.
menentukan data yang berubah-ubah pada inputan [6] Prasetyo, H. & Sutisna, U., 2014. Implementasi
jumlah mobil, lebar jalan, dan jumlah motor Algoritma Logika Fuzzy Untuk Sistem
diperoleh lama detik lampu merah yang berbeda tiap Pengaturan Lampu Lalu Lintas Menggunakan
kondisi sehingga jumlah detik yang dihasilkan lebih Mikrokontroler. (2), pp.1±8. Tekhno, Oktober
minimal dibandingkan dengan metode konvensional. 2014. Purwokerto.
Pada penelitian selanjutnya, metode ANFIS [7] Hadi, H.N & Mahmudy, W.F., 2015.
dapat diterapkan pada nyala lampu merah untuk PENILAIAN PRESTASI KINERJA
mengoptimasi nilai waktu tunggu lampu merah bagi PEGAWAI MENGGUNAKAN FUZZY
pengguna jalan mengingat metode logika fuzzy tidak TSUKAMOTO., Jurnal Teknologi Informasi
memiliki kemampuan belajar. Selain itu sistem dapat dan Ilmu Komputer (JTIIK). 2(1), pp. 41-48.
diimplementasikan pada persimpangan lebih dari 4 [8] Aprizal, M. Rahman, D. & Mardiani.,2015
ruas jalan seperti pada 6 ruas jalan. Perbandingan Metode Logika Fuzzy Tsukamoto
Dan Logika Fuzzy Mamdani Dalam Pemilihan
DAFTAR PUSTAKA Penerima Beasiswa Pada STMIK Global
[1] Yudanto, A.Y., Apriayadi M. & Sanjaya, K., Informatika MDP.
2013. Optimalisasi Lampu Lalu Lintas dengan [9] Riwinoto, R. & Isal, Y.K., 2010. Simulasi
Fuzzy Logic. Optimasi Pengaturan Lalu Lintas Di Kota
[2] Kementerian PU, 2004. Undang - Undang RI Depok Dengan Menggunakan Pendekatan
Nomor 38 Tahun 2004 Tentang Jalan. Available Greedy Berbasis Graf. Prosiding Seminar
at: www.pu.go.id/uploads/services/service201 Nasional Sistem dan Informatika 2010, 13
21011145510. pdf November 2013. Bali.
29