Subscribe Us

~Orang Bisa ~ Kenapa Kita Tidak?~

Aplikasi logic fuzzy


Referensi : Yudanto, A. Y., Apriyadi, M., & Sanjaya, K. (2013). "Optimalisasi Lampu Lalu Lintas dengan Fuzzy Logic". Ultimatics: Jurnal Teknik Informatika, 5(2), 58-62.




1. Judul [Kembali]
Optimalisasi Lampu Lalu Lintas dengan Fuzzy Logic

2. Abstrak [Kembali]
Masalah lampu lalu lintas sudah umum ditemukan di kota-kota besar. Lampu lalu lintas seharusnya mengendalikan arus jalan, namun terkadang menyebabkan suatu penyumbatan. Hal ini terjadi karena distribusi dari waktunya semua sama untuk semua lini, tanpa melihat kondisi kepadatan masing-masing lajur. Ada satu Upaya yang dapat dilakukan untuk mengatasi masalah tersebut adalah dengan membuat sistem kontrol lampu lalu lintas. Dengan sistem ini, para kemacetan yang terjadi di sekitar lampu lalu lintas dapat terjadi berkurang. Sistem ini menggunakan logika fuzzy. Logika kabur adalah salah satu ilmu komputer yang mempelajari tentang nilai kebenaran yang sangat berharga. Misalnya AC sistem kontrol kereta bawah tanah Sendai di Jepang. Sedangkan untuk pembuatan sistem kontrol lampu lalu lintas, penulis menggunakan Fuzzy Inference System (FIS) yang sudah ada di aplikasi MATLAB R2013a dengan metode Mamdani 

3. Pendahuluan [Kembali]
Lampu lalu lintas adalah lampu yang mengendalikan arus lalu lintas yang terpasang di persimpangan jalan, tempat penyeberangan pejalan kaki (zebra cross), dan tempat arus lalu lintas lainnya, namun yang menjadi ruang lingkup penelitian ini adalah lampu lalu lintas di persimpangan jalan. Banyaknya kendaraan yang lalu lalang di kota besar menyebabkan kemacetan sangat mungkin terjadi. Oleh karena itu, lampu lalu lintas memiliki peran penting dalam mengatur arus lalu lintas khususnya di persimpangan jalan. Namun, terkadang banyak kemacetan terjadi pada persimpangan jalan tersebut. Padahal lampu lalu lintas yang ada di sana, seharusnya dapat mengatur arus lalu lintas sehingga dapat mencegah kemacetan atau kepadatan kendaraan. Hal ini terjadi karena pembagian jatah lampu hijau yang sama rata untuk semua jalur, tanpa melihat jumlah kendaraan yang ada pada masing-masing jalur. Akibatnya jalur yang sedang sepi kendaraan mendapatkan lampu hijau yang lebih lama dari yang dibutuhkan, yang menyebabkan lampu merah pada simpang jalan lainnya.
Makin lama lampu hijau pada suatu simpang jalan, makin lama pula lampu merah pada simpang jalan lainnya. Jika suatu simpang jalan yang sedang sepi, mendapatkan jumlah detik lampu hijau yang sama dengan simpang jalan yang ramai. Tentu hal tersebut menjadi kurang efektif, karena simpang jalan yang ramai tersebut harus menunggu lampu hijau pada simpang jalan yang sepi yang sebenarnya tidak memerlukan lampu hijau yang terlalu lama. Perlu adanya pengaturan waktu untuk lampu hijau yang lebih fleksibel. Hal ini bertujuan agar masing-masing simpang jalan memperoleh jumlah detik yang sesuai dengan kepadatan yang terjadi di persimpangan jalan tersebut. Sehingga simpang jalan lainnya tidak perlu menunggu giliran lampu hijau yang terlalu lama. Dengan begitu, kepadatan kendaraan pada persimpangan jalan diharapkan dapat berkurang.
 
4. Deskripsi Permasalahan [Kembali]
A. Pembagian Waktu Lampu Hijau Yang Kurang
Efektif Pembagian waktu lampu hijau untuk masingmasing persimpangan masih kurang efektif. Hal ini dapat dilihat ketika suatu persimpangan jalan dalam keadaan yang tidak ramai atau sepi, lama lampu hijau pada persimpangan tersebut sama dengan lama lampu hijau pada persimpangan yang sedang ramai kendaraan. Ini menyebabkan adanya waktu lampu hijau yang terbuang percuma dan menyebabkan penumpukan kendaraan di persimpangan lainnya. inilah yang akan diperbaiki dengan metode fuzzy logic.

B. Area Kuning
Area kuning adalah daerah yang terletak di tengahtengah persimpangan atau titik temu dari semua simpang. Saat lampu hijau berubah menjadi merah pada simpang A maka lampu hijau akan secara otomatis diberikan kepada simpang B, padahal terkadang masih ada kendaraan dari simpang A yang masih berada pada area kuning. Hal tersebut tentu akan menghambat laju kendaraan dari simpang B dan detik pada simpang B akan terus berkurang tanpa memperhitungkan keadaan tersebut. Untuk itu lampu kuning akan dihidupkan selama masih ada kendaraan pada area kuning.

C. Model Sensor
Untuk menghitung kepadatan dan jumlah kendaraan keluar-masuk simpang jalan, perlu adanya sensor yang bertindak sebagai sensor input dan output pada masing-masing jalur. Sensor juga akan digunakan untuk mendeteksi kendaraan yang sedang berada pada area kuning.

D. Waktu Maksimal Lampu Hijau
Waktu maksimal lampu hijau pada masing-masing persimpangan jalan tentu berbeda tergantung panjang jalan dan kecepatan rata-rata kendaraan. Misalnya rata-rata kendaraan saat keadaan padat di lampu merah pada suatu jalur adalah 
6 km/jam = 6000 m/jam = 100 m/menit. 
Didapatkan rumus :
Waktu(detik) = (P (panjang jalan) / 100 ) * 60 detik.
 
5. Sistem yang diajukan [Kembali]
A. Metode Yang Digunakan
Untuk membuat lampu lalu lintas yang lebih efisien penulis akan menggunakan metode:
Fuzzy Logic : untuk menghitung tingkat kemacetan dan jumlah detik lampu hijau.



B. Fuzzy Inference System(FIS)
Untuk menghitung jumlah detik lampu hijau masing-masing simpang jalan, penulis menggunakan fuzzy Inference system. Penulis menggunakan fuzzy logic toolbox yang ada pada aplikasi MATLAB R2013a dengan tipe Mamdani.

Berikut adalah variable linguistik yang akan digunakan.
Variable input :
• Jumlah mobil : sedikit, sedang dan banyak.
• Jumlah motor : sedikit, sedang dan banyak.
Variable output :
• Lama lampu hijau (detik) : sebentar, sedang, lama

Keterangan :
• Sedikit : Jumlah kendaraan (mobil / motor)
memenuhi < 25% suatu simpang jalan.
• Sedang : Jumlah kendaraan (mobil / motor)
memenuhi < 75% suatu simpang jalan.
• Banyak : Jumlah kendaraan (mobil / motor)
memenuhi > 75% suatu simpang jalan.
• Tidak ada : Tidak ada kendaraan (mobil /
motor) pada suatu simpang jalan.
• Sebentar : 0 – 40 (detik)
• Sedang : 40 – 80 (detik)
• Lama : 80 – 120 (detik)

6. Pengujian [Kembali]
A. Kendaraan
Dalam melakukan pengujian penulis menggunakan jumlah mobil dan motor sebagai input. Penulis merepresentasikan mobil dan motor sebagai objek persegi panjang.
Mobil : 3m x 5m.
Motor : 1,5m x 2,5m.
Jumlah kendaraan yang akan menjadi masukan adalah mobil (0-80), motor(0-320).



B. Aturan Dan Ukuran Jalan
Ukuran jalan yang akan digunakan dalam pengujian adalah 200m x 7m. Dengan rumus :
Waktu (detik) = (P/100) * 60.
Didapatkan jumlah maksimal detik lampu hijau adalah 120 detik. Untuk menghasilkan output berupa jumlah detik lampu hijau pada aplikasi MATLAB dibutuhkan beberapa aturan berupa kondisi-kondisi tertentu.

Tabel Kondisi


C. Hasil Pengujian Fuzzy Inference System

Grafik lampu hijau dengan sistem lampu lalu lintas fuzzy logic.
grafik lampu hijau dengan sistem lampu lalu lintas fuzzy logic menunjukkan lama lampu hijau yang diberikan untuk suatu simpang jalan berbeda-beda tergantung dengan tingkat kepadatan yang ada pada simpang jalan tersebut. Pembagian lama lampu hijau dengan fuzzy logic ini lebih adil dan efektif jika dibandingankan dengan pembagian lampu hijau pada sistem lampu lalu lintas konvensional.

Input : 10 mobil dan 10 motor
Output : 13 detik.

 
7. Simpulan [Kembali]
Simulasi lampu lalu lintas dengan menggunakan software MATLAB menghasilkan jumlah detik lampu hijau yang berbeda sesuai dengan input yang berupa jumlah kendaraan. Sistem lampu lalu lintas dengan fuzzy logic lebih efektif dibandingkan dengan sistem lalu lintas konvensional, hal ini dikarenakan sistem lalu lintas dengan fuzzy logic dapat menyesuaikan dengan kepadatan yang sedang terjadi pada suatu persimpangan jalan. Sistem lampu lalu lintas dengan fuzzy logic dapat diterapkan di berbagai jenis persimpangan jalan.

Saran : Pada sistem lampu lalu lintas konvensional jumlah detik lampu hijau sama yaitu 120 detik, sedangkan jika menggunakan fuzzy logic range outputnya antara 0 sampai 120. Untuk menghasilkan perbandingan dengan jurnal dilakukan percobaan dengan menambahkan variabel dan menggunakan 7 membership function.

8. Realisasi Saran [ Kembali ]
Dalam melakukan saran ini dilakukan penambahan variabel dan penambahan masing-masing input sebanyak 7 membership function. dari penambahan tersebut dengan dalam bentuk tidak simetris diperoleh hasil waktu lampu hijau lebih singkat dibandingkan nilai sebelum diperbaiki. Dimana pada saat mobil 10 dengan motor 10 waktu sebelum diperbaiki adalah 13 detik dan saat mobil 10 dengan motor 10 dengan 30 mobil dijalur hijau didapatkan waktu setelah diperbaiki menjadi 10.1 detik. Hal ini dapat terlihat seperti pada gambar dibawah ini :

Grafik lampu hijau dengan sistem lampu lalu lintas fuzzy logic setelah penambahan variabel dan membership function.

Input : 10 mobil dan 10 motor jalur merah dan 30 mobil jalur hijau
Output : 10.1 detik.

Dari gambar diatas, apabila kita bandingkan nilai yang diperoleh setelah dengan nilai sebelum diperbaiki menggunakan rumus dibawah ini :
Maka, diperoleh nilai errornya sebesar 2,307%. Dimana error yang dihasilkan dibawah 5%, hal ini dapat sudah lebih baik dalam memanfaat waktu dibandingkan dengan jurnal percobaan sebelum diperbaiki. waktu yang dihasilkan lebih cepat dibandingkan pada jurnal.


 
9. Daftar pustaka [Kembali]
[1] Simanjuntak, Novan Parmonangan, 2012, Aplikasi Fuzzy Logic Controller pada Pengontrolan Lampu Lalu Lintas, [pdf],(http://informatika.stei.itb.ac.id/~rinaldi.munir/MetNum/2011-2012/
Makalah2012/MakalahIF4058-2012-002.pdf, diakses tanggal 27 November 2013).
[2] Munir, Rinaldi, 2012, Fuzzy Logic dengan Menggunakan MATLAB, [pdf],(http://informatika.stei.itb.ac.id/~rinaldi.munir/MetNum/2011-2012/Fuzzy%20dengan%20Matlab.pdf, diakses tanggal 27 November 2013).
[3] Sofiyanti, Sevi, 2004, Simulasi Pengaturan Lampu Lalu Lintas Menggunakan Logika Fuzzy, [pdf], (elib.unikom.ac.id, diakses tanggal 27 November 2013).
[4] Rahmat Taufik, Supriyono, Sukarman, 2008, Rancang Bangun Simulator Kendali Lampu Lalu Lintas Dengan Logika Fuzzy Berbasis Mikrokontroler, [pdf], (http://jurnal.sttn-batan.ac.id/wp-content/uploads/2008/12/48_SDMIV_Rahmattaufik459-466.pdf, diakses tanggal 27 November
2013).
[5] Elfitri, Ayu Rahayu, 2012, Paduan Menulis Jurnal Ilmiah,[online], (edukasi.kompas.com, diakses tanggal 13 Desember 2013).
[6] Akhmadi, Heru, 2008, Penulisan Referensi atau Daftar Pustaka pada Thesis atau Laporan Ilmiah Lainnya, [online],
(muhammadheru.blogspot.com/2008/09/penulisan-referensidaftar-pustaka-pada.html, diakses tanggal 13 Desember
2013)
 
10. Video [Kembali]

Teori Fuzzy Logic


Penerapan Logika Fuzzy Pada Pengaturan Lampu Lalu Lintas


Simulasi Logika Fuzzy Berdasarkan Jurnal


Simulasi dengan Variabel yang berbeda

Video Percobaan dari Riziq Rizaldi



 
11. download file [Kembali]