APLIKASI PENGATURAN TRAFFIC LIGHT DENGAN METODE FUZZY TSUKAMOTO BERDASARKAN TINGKAT KEPADATAN KENDARAAN

Transkripsi

1 APLIKASI PENGATURAN TRAFFIC LIGHT DENGAN METODE FUZZY TSUKAMOTO BERDASARKAN TINGKAT KEPADATAN KENDARAAN Anita T. Kurniawati 1) dan Tutuk Indriyani 2) Jurusan Teknik Informatika Fakultas Teknologi Informasi ITATS Jl. Arief Rahman Hakim 100 Surabaya 1) 2) ABSTRAK Pengaturan traffic light (lampu lalu lintas) yang tidak disesuaikan dengan tingkat kepadatan kendaraan yang melewati jalan raya akan berdampak pada terjadinya kemacetan. Maka dari itu dalam makalah ini akan dibuat aplikasi pengaturan traffic light dengan menggunakan metode Fuzzy Tsukamoto berdasarkan tingkat kepadatan kendaraan baik roda dua maupun roda empat. Proses awal dimulai dari pengambilan gambar dari objek ruas jalan raya kemudian dilakukan image processing untuk mendapatkan nilai ekstraksi sebagai dasar inputan proses Fuzzifikasi. Selanjutnya ditentukan durasi traffic light dengan metode Tsukamoto. Sistem aplikasi yang dibuat menggunakan Visual Basic 6.0. Dari hasil perhitungan didapat tingkat keberhasilan dalam pengaturan traffic light oleh sistem sebesar 79%. Kata kunci: Pengaturan Traffic Light Image processing Fuzzy Tsukamoto. PENDAHULUAN Dengan bertambahnya waktu mobilitas kendaraan di jalan raya semakin banyak dan kepadatannya pun semakin bertambah. Karena itu sering menimbulkan kemacetan lalu lintas terutama terjadi pada jam-jam sibuk. Sehingga diperlukan sistem pengaturan Traffic Light yang dapat bekerja secara otomatis sesuai dengan tingkat kepadatan dijalan raya. Beberapa penelitian sudah dilakukan antara lain pembuatan aplikasi simulasi dengan metode Tsukamoto yang dilakukan oleh Wahyu R. & Afriyanti Liza (2009). Pada penelitian tersebut variabel kendaraan yang diamati hanya mobil dan aplikasi yang dibuat dengan menggunakan Java. Pada makalah ini akan dibuat aplikasi simulasi Traffic Light dengan metode Tsukamoto dengan variabel kendaraan adalah sepeda motor dan mobil. Aplikasi yang dibuat dengan menggunakan Visual Basic 6.0. METODE Ada 4 tahap yang dilakukan yaitu pengumpulan data perancangan sistem pembuatan sistem dan pengujian sistem. Pengumpulan data dilakukan melalui studi literatur dan pengamatan secara langsung di perempatan Jl. Kutai Surabaya. Data yang dikumpulkan berupa image kendaraan jumlah kendaraan permenit yang melewati perempatan tersebut dan data yang relevan dengan penelitian yang dilakukan. Tahap berikutnya perancangan dan pembuatan sistem meliputi Image Processing dan Fuzzyfikasi dengan metode Tsukamoto. Aplikasi (sistem) yang dibuat menggunakan Visual Basic 6.0. Tahap terakhir dilakukan uji coba sistem dan dibandingkan dengan manual sehingga didapat tingkat keakurasiannya. C-8-1

2 Perancangan dan Pembuatan Sistem Perancangan sistem otomatisasi pengaturan Traffic Light meliputi image processing dan Fuzzyfikasi. Gambar 1. Perempatan Jalan Sistem akan bekerja pada sebuah perempatan jalan seperti pada Gambar 1 dengan metode pengaturan ketika salah satu ruas jalan berstatus nyala lampu hijau maka 3 (tiga) ruas jalan yang lain berstatus nyala lampu merah. Pengaturan nyala lampu hijau oleh sistem akan bekerja dengan urutan berlawanan arah jarum jam dari ruas jalan yang sebelumnya. Gambar 2. Alur Proses Sistem Pada Gambar 2 dapat dilihat bahwa proses awal dimulai dari pengambilan gambar dari objek ruas jalan raya kemudian dilakukan image processing untuk mendapatkan nilai ekstraksi sebagai dasar inputan proses Fuzzifikasi. Proses ini akan diulang untuk 4 ruas jalan raya dengan perbandingan dari keempat ruas maka akan didapatkan output berupa nyala lampu hijau dari tiap-tiap ruas jalan raya. 1. Proses Image Processing. Alur proses Image Processing seperti pada Gambar 3. Gambar 3. Blok Diagram Image Processing Pada Gambar 3 dijelaskan skema peng-ekstraksian data berupa image keadaan jalan raya menjadi sebuah nilai atribut tingkat kepadatan kendaraan di jalan tersebut (sedikit sedang padat ). Image hasil capturing akan diubah menjadi image black and white (grayscale). Selanjutnya dilakukan teknik edge detection untuk menandai object-object citra dengan metode operator Sobel. Selanjutnya dilakukan proses labelling seperti pada Gambar 4. Pada proses ini jumlah kendaraan akan dihitung dan diklasifikasikan sesuai ukuran kendaraan tersebut. Adapun type kendaraan akan dibagi menjadi 2 kategori yaitu kendaraan roda 2 (Sepeda M otor ) dan kendaraan roda 4 (Mobil). Rumus pada proses labelling sebagai berikut: [ ] 0 [ ] = 0 ( +1) ( ) ( [ ] min ( ) ( ) C-8-2

3 Gambar 4. Proses Labelling 2. Proses Fuzzyfikasi START Volume Kendaraan Jalur 1 Volume Kendaraan Jalur 2 Volume Kendaraan Jalur 3 Volume Kendaraan Jalur 4 N 0 7 N ye Sedikit Sedang Banyak ye Min (Vol jalur 1: Vol Jalur 2 : Vol Jalur 3 : Vol Jalur Rule Fuzzy = 0 Durasi Lambat Durasi Sedang Durasi Cepat Rule Fuzzy = N A A Yes Deffuzifikasi Durasi Jalur 1-4 End Gambar 5. Proses Fuzzifikasi C-8-3

4 Seperti yang terlihat pada Gambar 5 langkah pertama yang dilakukan pada metode Tsukamoto adalah membuat himpunan fuzzy dan input. Ada 2 variabel fuzzy yang akan dimodelkan yaitu: a. Jumlah kendaraan terdiri atas 3 himpunan fuzzy yaitu: BANYAK SEDANG dan SEDIKIT seperti pada Gambar 6. Penentuan variabel keanggotaan jumlah kendaraan didapatkan dari tingkat kepadatan berdasarkan lebar jalan raya yakni 9 meter. Fungsi keanggotaan variabel jumlah kendaraan yang akan dipakai adalah sebagai berikut: SEDIKIT[ X ] SEDANG [ X ] 1 7 X X 0 0 X X X 13 BANYAK[ X ] X 7 X X 7 X 10 X 10 X 13 X 13 X X 20 X 20 Gambar 6. Himpunan Fuzzy Variabel Jumlah Kendaraan b. Lampu Hijau terdiri-atas 3 himpunan fuzzy yaitu: LAMA SEDANG dan CEPAT seperti pada Gambar 7. C-8-4

5 Gambar 7. Himpunan Fuzzy Durasi Traffic Light Fungsi keanggotaan durasi Traffic Light yang dipakai seperti berikut: CEPAT[ Z ] SEDANG[ Z ] 20 Z 10 Selanjutnya dibuat aturan (rules) yang akan diterapkan pada sistem seperti pada Gambar 6. HASIL DAN PEMBAHASAN Z Z Z 0 10 Z Z Z 20 Z 30 X 30 Z 40 Z 13 ; LAMA[ X ] Berdasarkan hasil pengamatan di Jl. Kutai Surabaya didapat durasi normal pada tiap ruas jalan raya adalah tetap dimana durasi tersebut tidak berubah seiring berubahnya jumlah kendaraan. Sementara itu waktu yang dibutuhkan seharusnya mengikuti jumlah kendaraan tiap menitnya. Sehingga akan dibuatkan aplikasi dengan Visual Basic dengan form utama seperti pada Gambar 8. 0 Z Z Z 50 Z 50 C-8-5

6 Gambar 8. Form Utama Jika tombol start ditekan maka secara otomatis sistem akan melakukan running program disertai indikator lampu pada tiap jalur. Hasil analisa perhitungan Image Processing dapat dilihat pada Tabel 1. Tabel 1. Analisa Perhitungan Image Processing C-8-6

7 Tabel 1. Analisa Perhitungan Image Processing (lanjutan) Berdasarkan Tabel 1 didapat tingkat keberhasilan perhitungan Image Processing oleh sistem dengan akurasi perhitungan jumlah kendaraan Roda 4 sebesar 73 % dan jumlah kendaraan Roda 2 sebesar 67 %. Tabel 2. Analisa Perhitungan Tingkat kepadatan dan Durasi oleh Sistem DAFTAR HASIL ANALISA KEPADATAN DAN DURASI TRAFFIC LIGHT DALAM PERHITUNGAN OLEH SISTEM DURASI TRAFFIC VOLUME KENDARAAN LIGHT NO Jalur 1 Jalur 2 Jalur 3 Jalur 4 Jalur Jalur Jalur Jalur Roda Roda Roda Roda Roda Roda Roda Roda C-8-7

8 Tabel 3. Analisa Perhitungan Tingkat kepadatan dan Durasi secara Manual DAFTAR HASIL ANALISA KEPADATAN DAN DURASI TRAFFIC LIGHT DALAM PERHITUNGAN MANUAL DURASI TRAFFIC VOLUME KENDARAAN LIGHT NO Jalur 1 Jalur 2 Jalur 3 Jalur 4 Jalur Jalur Jalur Jalur Roda Roda Roda Roda Roda Roda Roda Roda Dari perbandingan Tabel 2 dan Tabel 3 diketahui bahwa tingkat keberhasilan perhitungan Durasi Traffic Light oleh sistem sebesar 79%. KESIMPULAN Berdasarkan hasil perhitungan secara manual dan sistem didapat: 1. tingkat keberhasilan perhitungan Image Processing oleh sistem dengan akurasi perhitungan jumlah kendaraan Roda 4 sebesar 73 % dan jumlah kendaraan Roda 2 sebesar 67 %. 2. tingkat keberhasilan perhitungan durasi Traffic Light oleh sistem sebesar 79%. DAFTAR PUSTAKA Achmad Basuki Jozua F. Palandi Fatchurrochman Menggunakan Visual Basic Graha Ilmu Pengolahan Citra Digital Eril Mozef Algoritma Labeling Citra Biner Dengan Performansi Optimal Processor-Time Jurnal informatika vol. 4 no. 1 Mei 2003: Michael b. Dillencourt hannan samet markku tamminen A General Approach to Connected- Component Labeling for Arbitrary Image Representations Journal of the As\ocmtmn for Computmg MdchmeIy Vol 39 No. 2 April 1992 pp Wahyu R. & Afriyanti Liza Aplikasi Fuzzy Inference System (FIS) Metode Tzukamoto Pada Simulasi Traffic Light Menggunakan Java proceeding SNATI E.104-E Putra BS. & WahonoRS. & Akbar RI Simulasi Penerapan ANFIS Pada Sistem Lalu Lintas Enam Ruas Jurnal ilmiah KURSOR vol. 6 no.2 Juli C-8-8