PENINGKATAN KINERJA PENGATURAN LAMPU LALU LINTAS METODE STATIS BERDASARKAN METODE DINAMIS BAMBANG TRIWAHYONO G

Ukuran: px
Mulai penontonan dengan halaman:

Download "PENINGKATAN KINERJA PENGATURAN LAMPU LALU LINTAS METODE STATIS BERDASARKAN METODE DINAMIS BAMBANG TRIWAHYONO G"

Transkripsi

1 PENINGKATAN KINERJA PENGATURAN LAMPU LALU LINTAS METODE STATIS BERDASARKAN METODE DINAMIS BAMBANG TRIWAHYONO G SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2010

2 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan bahwa Tesis Peningkatan Kinerja Pengaturan Lampu Lalu Lintas Metode Statis Berdasarkan Metode Dinamis adalah karya saya sendiri dan belum diajukan dalam bentuk apapun kepada Perguruan Tinggi manapun. 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 tesis ini. Bogor, Juni 2010 Bambang Triwahyono NRP: G

3

4 ABSTRAK BAMBANG TRIWAHYONO. Peningkatan Kinerja Pengaturan Lampu Lalu Lintas Metode Statis Berdasar Metode Dinamis. Dibimbing oleh Prapto Tri Supriyo dan Aziz Kustiyo. Salah satu permasalahan utama kota besar seperti Jakarta adalah kemacetan lalu lintas dikarenakan pengaturan lampu lalu lintas yang diatur menggunakan metode statis. Dalam metode statis, lampu lalu lintas diatur dengan waktu yang telah ditetapkan sebelumnya untuk masing-masing arus lalu lintas yang melewati persimpangan empat jalan raya. Untuk memecahkan permasalahan tersebut, dilakukan analisa terhadap pengaturan lampu lalu lintas metode statis dan akan dirancang program simulasi pengaturan lampu lalu lintas menggunakan metode dinamis dengan bantuan perangkat lunak Java Development Kit versi 1.5. Program simulasi ini akan membandingkan rataan waktu tunggu kendaraan yang diatur oleh lampu lalu lintas metode statis dengan metode dinamis. Dari hasil pengujian program simulasi ini dapat disimpulkan bahwa kinerja pengaturan lampu lalu lintas dengan metode statis dapat ditingkatkan dengan cara mengatur nyala lampu hijau sehingga memperoleh rataan waktu tunggu kendaraan yang lebih optimal. Kata kunci : pengendali lampu lalu lintas statis, pengendali lampu lalu lintas dinamis

5 ABSTRACT BAMBANG TRIWAHYONO. Performance Improvement of Traffic Lights Static Method settings Based on Dynamic Methods. Supervised by Prapto Tri Supriyo and Aziz Kustiyo. The main problems of big cities like Jakarta is the traffic congestion caused by traffic light settings are set to use static methods. In static methods, traffic lights arranged with a predetermined time for each traffic flow across the intersection of four roads. To solve this problem, analyzes the traffic light settings for static methods and simulation programs will be designed with traffic light settings using the dynamic method with the help of the Java Software Development Kit version 1.5. This simulation program will compare the average waiting time of vehicles is governed by traffic lights with a static method, dynamic method. From this simulation test program concluded that its traffic light settings with a static method can be improved by regulating the green light to obtain the average waiting time, providing optimal vehicle. Keywords: static traffic light controller, dynamic traffic light controller

6 RINGKASAN BAMBANG TRIWAHYONO. Peningkatan Kinerja Pengaturan Lampu Lalu Lintas Metode Statis Berdasarkan Metode Dinamis. Dibimbing oleh Prapto Tri Supriyo dan Aziz Kustiyo. Di Indonesia, sistem pengaturan lalu lintas kendaraan yang saat ini diterapkan adalah sistem pengaturan lalu lintas metode statis dimana waktu untuk setiap fase telah ditentukan sebelumnya. Sistem pengaturan lalu lintas metode statis masih belum efektif mengatasi kemacetan lalu lintas. Ketidakefektifan ini disebabkan sistem pengaturan lalu lintas metode statis tidak mempertimbangkan kondisi kepadatan lalu lintas. Pengaturan lampu lalu lintas yang ideal adalah pengaturan lampu lalu lintas yang bersifat dinamis yang bekerja berdasarkan banyaknya kendaraan yang berada di depan lampu lalu lintas. Penelitian ini dilakukan untuk memecahkan permasalahan yang ditimbulkan oleh pengaturan lampu lalu lintas metode statis sehingga dicapai rataan waktu tunggu yang optimal. Untuk memecahkan permasalahan tersebut dirancang program simulasi pengaturan lampu lalu lintas yang akan digunakan sebagai alat ukur perbandingan kinerja pengaturan lampu lalu lintas statis dengan pengaturan lampu lalu lintas dinamis. Selanjutnya dilakukan pengujian pada program simulasi ini untuk mencari rataan waktu tunggu kendaraan pada pengaturan lampu lalu lintas metode statis yang mendekati rataan waktu tunggu kendaraan pada metode dinamis. Pengujian ini dilakukan sebanyak 7 kali dengan masing-masing pengujian diulang 3 kali. Pengujian ini dilakukan dengan cara mengubah lama nyala lampu hijau pada lampu lalu lintas metode statis untuk memperoleh rataan waktu tunggu kendaraan pada metode statis yang mendekati rataan waktu tunggu kendaraan pada metode dinamis. Pada pengujian program simulasi dengan nyala lampu hijau metode statis selama 14 detik diperoleh hasil 51 detik untuk rataan waktu tunggu kendaraan metode statis dan 43 detik untuk metode dinamis. Untuk nyala lampu hijau metode statis selama 16 detik diperoleh hasil 49 detik untuk rataan waktu tunggu kendaraan pada metode statis dan 45 detik untuk rataan waktu tunggu kendaraan pada metode dinamis. Hasil pengujian program simulasi yang optimal adalah 44 detik untuk rataan waktu tunggu kendaraan metode statis dan metode dinamis dengan nyala lampu hijau metode statis selama 15 detik. Dari hasil pengujian ini dapat disimpulkan bahwa kinerja pengaturan lampu lalu lintas dengan metode statis dapat ditingkatkan dengan cara mengatur nyala lampu hijau sehingga memperoleh rataan waktu tunggu kendaraan yang lebih optimal. Kata kunci : pengendali lampu lalu lintas statis, pengendali lampu lalu lintas dinamis

7 Hak cipta milik IPB, tahun 2010 Hak Cipta dilindungi Undang-undang 1. Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumber a. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik atau tinjauan suatu masalah; b. Pengutipan tidak merugikan kepentingan yang wajar IPB 2. Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis dalam bentuk apapun tanpa izin IPB

8 PENINGKATAN KINERJA PENGATURAN LAMPU LALU LINTAS METODE STATIS BERDASARKAN METODE DINAMIS BAMBANG TRIWAHYONO Tesis sebagai salah satu syarat untuk memperoleh gelar Magister Sains pada Program Studi Ilmu Komputer SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2010

9 Judul Tesis Nama NRP : Peningkatan Kinerja Pengaturan Lampu Lalu Lintas Metode Statis Berdasarkan Metode Dinamis : Bambang Triwahyono : G Disetujui Komisi Pembimbing Drs. Prapto Tri Supriyo, M.Kom. Ketua Aziz Kustiyo, S.Si., M.Kom. Anggota Diketahui Ketua Program Studi Ilmu Komputer Dekan Sekolah Pascasarjana Dr.Ir. Agus Buono,M.Si.,M.Kom. Prof.Dr.Ir. Khairil Anwar Notodiputro,MS Tanggal Lulus : Tanggal Ujian : 19 Juni 2010

10 RIWAYAT HIDUP Penulis dilahirkan di Surabaya, pada tanggal 2 Maret 1974 dari Ayah Moedomo (Alm.) dan Ibu Lilik Sudarsih (Almh.). Penulis merupakan putra bungsu dari tiga bersaudara. Pada tahun penulis menyelesaikan pendidikan SD SMA di kota Surabaya. Pada tahun 1995 penulis menyelesaikan pendidikan Diploma 3 P.A.T. Informatika Komputer Universitas Pembangunan Nasional Veteran Jakarta, dan pada tahun 2000 menyelesaikan pendidikan S1 jurusan Manajemen Informatika di Universitas Gunadarma. Penulis diterima sebagai staf laboratorium komputer Fakultas Ilmu Komputer, UPN Veteran Jakarta pada tahun 2000 sampai dengan sekarang.

11 Penguji Luar Komisi pada Ujian Tesis: Sony Hartono Wijaya, S.Kom, M.Kom.

12 PRAKATA Puji syukur penulis panjatkan kehadirat Allah SWT, karena atas segala karunia Nya penulis dapat menyelesaikan tesis dengan judul Peningkatan Kinerja Pengaturan Lampu Lalu Lintas Metode Statis Berdasarkan Metode Dinamis. Tesis ini disusun sebagai salah satu syarat untuk memperoleh gelar Magister Sains pada Program Studi Ilmu Komputer, Sekolah Pascasarjana Institut Pertanian Bogor. Pada kesempatan ini penulis menyampaikan penghargaan dan ucapan terima kasih kepada: 1. Bapak Drs. Prapto Tri Supriyo,M.Kom. selaku Ketua Komisi Pembimbing dan Bapak Aziz Kustiyo,S.Si.,M.Kom. selaku Anggota Komisi Pembimbing yang telah meluangkan waktu, tenaga, dan pikiran sehingga tesis ini dapat diselesaikan; 2. Bapak Sony Hartono Wijaya, S.Kom.,M.Kom. selaku dosen penguji yang telah memberikan arahan dan masukan untuk perbaikan tesis ini; 3. Bapak Dr. Ir. Agus Buono, M.Si., M.Kom. selaku Ketua Program Studi Ilmu Komputer atas kerjasamanya selama penulis menempuh studi dan penelitian; 4. Staf Pengajar Program Studi Ilmu Komputer yang telah memberikan bekal pengetahuan; 5. Rekan-rekan mahasiswa Program Studi Ilmu Komputer dan seluruh keluarga yang telah memberikan dorongan semangat, doa, dan kesabaran yang telah dicurahkan. Penulis menyadari masih banyak kekurangan dalam penyajian tesis ini, namun penulis berharap semoga tesis ini bermanfaat bagi bidang ilmu komputer. Bambang Triwahyono

13

14 DAFTAR ISI Halaman DAFTAR GAMBAR...ii DAFTAR TABEL... iii DAFTAR LAMPIRAN...iv 1 PENDAHULUAN Latar Belakang Tujuan Penelitian Perumusan Masalah Ruang Lingkup Manfaat Penelitian TINJAUAN PUSTAKA Studi Yang Terkait Himpunan Fuzzy Logika Fuzzy Sistem Inferensi Fuzzy Domain Himpunan Fuzzy Semesta Pembicaraan Fungsi Keanggotaan Aturan Fuzzy Defuzzifikasi Simulasi METODOLOGI PENELITIAN Kerangka Pemikiran Analisa Desain Metode Statis Metode Dinamis Implementasi Hasil Simulasi Bahan dan Alat Penelitian Waktu dan Tempat Penelitian HASIL DAN PEMBAHASAN Hasil Pengujian Hasil Pengujian Hasil Pengujian Hasil Pengujian Hasil Pengujian Hasil Pengujian Hasil Pengujian Ringkasan Pengujian SIMPULAN DAN SARAN Simpulan Saran...67 DAFTAR PUSTAKA...68 LAMPIRAN i

15 DAFTAR GAMBAR Halaman 1 Komposisi aturan fuzzy: Metode Maksimum Proses defuzzifikasi dengan Metode Probabilistik OR Himpunan fuzzy Berat Badan dalam kg Semesta Pembicaraan Temperatur Ruangan Bagan Alir Penelitian Model Pengaturan Lalu Lintas Fungsi Keanggotaan: Total Antrian Kendaraan Yang Memperoleh Tambahan Waktu Menyala Lampu Hijau Rancangan Modul Program Simulasi Pengaturan Lampu Lalu Lintas Grafik Waktu Tunggu Kendaraan Pada Pengujian 1 Ulangan Grafik Waktu Tunggu Kendaraan Pada Pengujian 1 Ulangan Grafik Waktu Tunggu Kendaraan Pada Pengujian 1 Ulangan Grafik Waktu Tunggu Kendaraan Pada Pengujian 2 Ulangan Grafik Waktu Tunggu Kendaraan Pada Pengujian 2 Ulangan Grafik Waktu Tunggu Kendaraan Pada Pengujian 2 Ulangan Grafik Waktu Tunggu Kendaraan Pada Pengujian 3 Ulangan Grafik Waktu Tunggu Kendaraan Pada Pengujian 3 Ulangan Grafik Waktu Tunggu Kendaraan Pada Pengujian 3 Ulangan Grafik Waktu Tunggu Kendaraan Pada Pengujian 4 Ulangan Grafik Waktu Tunggu Kendaraan Pada Pengujian 4 Ulangan Grafik Waktu Tunggu Kendaraan Pada Pengujian 4 Ulangan Grafik Waktu Tunggu Kendaraan Pada Pengujian 5 Ulangan Grafik Waktu Tunggu Kendaraan Pada Pengujian 5 Ulangan Grafik Waktu Tunggu Kendaraan Pada Pengujian 5 Ulangan Grafik Waktu Tunggu Kendaraan Pada Pengujian 6 Ulangan Grafik Waktu Tunggu Kendaraan Pada Pengujian 6 Ulangan Grafik Waktu Tunggu Kendaraan Pada Pengujian 6 Ulangan Grafik Waktu Tunggu Kendaraan Pada Pengujian 7 Ulangan Grafik Waktu Tunggu Kendaraan Pada Pengujian 7 Ulangan Grafik Waktu Tunggu Kendaraan Pada Pengujian 7 Ulangan ii

16 DAFTAR TABEL Halaman 1 Rataan Waktu Tunggu Kendaraan Pada Pengujian 1 Ulangan Rataan Waktu Tunggu Kendaraan Pada Pengujian 1 Ulangan Rataan Waktu Tunggu Kendaraan Pada Pengujian 1 Ulangan Rataan Waktu Tunggu Kendaraan Pada Pengujian Waktu Tunggu Maksimum Kendaraan Pada Pengujian Waktu Tunggu Kendaraan Pada Pengujian 2 Ulangan Waktu Tunggu Kendaraan Pada Pengujian 2 Ulangan Waktu Tunggu Kendaraan Pada Pengujian 2 Ulangan Rataan Waktu Tunggu Kendaraan Pada Pengujian Waktu Tunggu Maksimum Kendaraan Pada Pengujian Waktu Tunggu Kendaraan Pada Pengujian 3 Ulangan Waktu Tunggu Kendaraan Pada Pengujian 3 Ulangan Waktu Tunggu Kendaraan Pada Pengujian 3 Ulangan Rataan Waktu Tunggu Kendaraan Pada Pengujian Waktu Tunggu Maksimum Kendaraan Pada Pengujian Waktu Tunggu Kendaraan Pada Pengujian 4 Ulangan Waktu Tunggu Kendaraan Pada Pengujian 4 Ulangan Waktu Tunggu Kendaraan Pada Pengujian 4 Ulangan Rataan Waktu Tunggu Kendaraan Pada Pengujian Waktu Tunggu Maksimum Kendaraan Pada Pengujian Waktu Tunggu Kendaraan Pada Pengujian 5 Ulangan Waktu Tunggu Kendaraan Pada Pengujian 5 Ulangan Waktu Tunggu Kendaraan Pada Pengujian 5 Ulangan Rataan Waktu Tunggu Kendaraan Pada Pengujian Waktu Tunggu Maksimum Kendaraan Pada Pengujian Waktu Tunggu Kendaraan Pada Pengujian 6 Ulangan Waktu Tunggu Kendaraan Pada Pengujian 6 Ulangan Waktu Tunggu Kendaraan Pada Pengujian 6 Ulangan Rataan Waktu Tunggu Kendaraan Pada Pengujian Waktu Tunggu Maksimum Kendaraan Pada Pengujian Waktu Tunggu Kendaraan Pada Pengujian 7 Ulangan Waktu Tunggu Kendaraan Pada Pengujian 7 Ulangan Waktu Tunggu Kendaraan Pada Pengujian 7 Ulangan Rataan Waktu Tunggu Kendaraan Pada Pengujian Waktu Tunggu Maksimum Kendaraan Pada Pengujian Ringkasan Hasil Pengujian...66 iii

17 DAFTAR LAMPIRAN Halaman 1. Tampilan Program Hasil Pengujian 1 Ulangan Tampilan Program Hasil Pengujian 1 Ulangan Tampilan Program Hasil Pengujian 1 Ulangan Tampilan Program Hasil Pengujian 2 Ulangan Tampilan Program Hasil Pengujian 2 Ulangan Tampilan Program Hasil Pengujian 2 Ulangan Tampilan Program Hasil Pengujian 3 Ulangan Tampilan Program Hasil Pengujian 3 Ulangan Tampilan Program Hasil Pengujian 3 Ulangan Tampilan Program Hasil Pengujian 4 Ulangan Tampilan Program Hasil Pengujian 4 Ulangan Tampilan Program Hasil Pengujian 4 Ulangan Tampilan Program Hasil Pengujian 5 Ulangan Tampilan Program Hasil Pengujian 5 Ulangan Tampilan Program Hasil Pengujian 5 Ulangan Tampilan Program Hasil Pengujian 6 Ulangan Tampilan Program Hasil Pengujian 6 Ulangan Tampilan Program Hasil Pengujian 6 Ulangan Tampilan Program Hasil Pengujian 7 Ulangan Tampilan Program Hasil Pengujian 7 Ulangan Tampilan Program Hasil Pengujian 7 Ulangan iv

18 1 PENDAHULUAN 1.1 Latar Belakang Di negara-negara berkembang, kemacetan lalu lintas merupakan suatu pemandangan umum yang dapat dilihat hampir setiap hari terutama di kota besar. Kemacetan lalu lintas ini diakibatkan meningkatnya jumlah kendaraan yang melewati jalan-jalan raya di kota besar tanpa diimbangi peningkatan jumlah sarana jalan raya sehingga secara tidak langsung terjadi keterlambatan waktu yang berimbas pada produktivitas, efisiensi, dan pemborosan energi. Berbagai faktor terjadinya kemacetan lalu lintas, seperti kepadatan kendaraan pada suatu ruas jalan, tingkah laku sosial dan kebiasaan manusia dalam berkendara, serta sistem pengaturan lampu lalu lintas di jalan raya. Salah satu faktor utamanya adalah sistem pengaturan lampu lalu lintas yang tidak efektif dalam mengatur lalu lintas kendaraan pada persimpangan jalan sehingga mengakibatkan kemacetan lalu lintas (Khalid et al. 2004). Di Indonesia, sistem pengaturan lalu lintas kendaraan yang saat ini diterapkan adalah sistem pengaturan lalu lintas jenis statis dimana waktu untuk setiap fase telah ditentukan sebelumnya. Sistem pengaturan lalu lintas jenis ini masih belum efektif dalam mengatasi kemacetan lalu lintas, terutama ada waktu jam kerja. Ketidakefektifan ini disebabkan sistem pengaturan lalu lintas dengan metode statis tidak mempertimbangkan kondisi lalu lintas yang akan dilewati kendaraan, tetapi pengaturan lalu lintas diatur menurut waktu yang telah ditentukan sebelumnya. Hal ini terlihat dengan ditempatkannya beberapa polisi lalu lintas untuk mengatur lalu lintas kendaraan di setiap persimpangan jalan. 1

19 2 Pengaturan lampu lalu lintas yang ideal adalah pengaturan lampu lalu lintas yang bersifat dinamis yang bekerja berdasarkan banyaknya kendaraan yang berada di depan lampu lalu lintas dan pengaturan lampu lalu lintas tersebut bukan berdasarkan selang waktu tertentu. Dengan pengaturan lampu lalu lintas yang dinamis maka waktu tunggu kendaraan menjadi lebih singkat. Untuk memecahkan permasalahan yang ditimbulkan oleh pengaturan lampu lalu lintas metode statis, maka akan dilakukan simulasi pengaturan lampu lalu lintas untuk meningkatkan kinerja metode statis berdasarkan kinerja metode dinamis. 1.2 Tujuan Penelitian Tujuan penelitian ini adalah: 1. Merancang program simulasi pengaturan lampu lalu lintas menggunakan metode dinamis yang akan digunakan sebagai alat ukur kinerja pengatur lampu lalu lintas yang ideal; 2. Melakukan simulasi pengaturan lampu lalu lintas untuk memperoleh kinerja pengaturan lampu lalu lintas metode statis yang mendekati kinerja pengaturan lampu lalu lintas metode dinamis. 1.3 Perumusan Masalah Permasalahan yang dihadapi saat ini dalam pengaturan lampu lalu lintas di persimpangan empat jalan raya di kota Jakarta adalah pengaturan lampu lalu lintas yang masih dilakukan secara statis. Pengaturan lalu lintas seperti ini kurang efektif terutama pada lalu lintas kendaraan yang melewati persimpangan empat jalan raya pada jam-jam sibuk.

20 3 1.4 Ruang Lingkup Penelitian ini hanya dibatasi pada perancangan program simulasi pengaturan lampu lalu lintas dengan menggunakan metode dinamis serta membandingkan rataan waktu tunggu kendaraan yang diatur oleh metode dinamis dengan metode statis. 1.5 Manfaat Penelitian Manfaat yang dapat diambil dari penelitian ini adalah untuk melihat kinerja dari sistem pengaturan lampu lalu lintas metode dinamis dibandingkan dengan metode statis di perempatan jalan raya. Dari penelitian ini diharapkan diperoleh pengaturan lampu lalu lintas yang kinerjanya mendekati pengatur lampu lalu lintas yang ideal sehingga akan mengurangi panjang antrian kendaraan di depan lampu lalu lintas dan diharapkan dapat mengurangi kemacetan lalu lintas.

21 2 TINJAUAN PUSTAKA 2.1 Studi Yang Terkait Penelitian ini mengacu pada jurnal yang ditulis oleh Khiang, dkk.(1995). Dalam penelitiannya, Khiang, dkk membandingkan arus lalu lintas yang diatur menggunakan sistem statis dan sistem fuzzy. Penelitian sejenis juga dilakukan oleh Aziz (1996). Dalam penelitiannya, Aziz membandingkan kinerja ketiga tipe pengatur lalu lintas. Ketiga tipe pengatur tersebut adalah pengatur lalu lintas model konvensional, pengatur lalu lintas berdasarkan pengalaman manusia yang melewati persimpangan empat jalan raya, dan pengatur lalu lintas model fuzzy. 2.2 Himpunan Fuzzy Teori himpunan fuzzy pertama kali diperkenalkan oleh Prof. Lotfi A.Zadeh pada tahun Prof. Zadeh mengungkapkan bahwa dengan teori himpunan fuzzy, konsep pemikiran manusia dapat dimodelkan ke dalam bentuk persamaan matematika (Zadeh 1965). Himpunan fuzzy memiliki batasan yang tidak jelas, sebagai contoh, dingin, panas, lama, tinggi, dan lain sebagainya. Himpunan fuzzy ini berbeda dengan teori himpunan yang telah diketahui sejak dahulu dan banyak digunakan, yaitu himpunan tunggal (crisp) dimana semua anggota himpunan tunggal memiliki nilai anggota yang jelas. Himpunan fuzzy (fuzzy sets) merupakan perangkat yang tepat untuk mengekspresikan ke ambiguity an. Himpunan fuzzy merupakan media komunikasi yang berbicara mengenai logika alami dan kompleksitas di antara manusia dan pengetahuan sosial (Marimin 2002). 4

22 5 Himpunan fuzzy dan fungsi keanggotaannya didefinisikan sebagai berikut: Jika X adalah koleksi dari objek-objek yang dinotasikan sebagai x, maka suatu himpunan fuzzy A dalam X adalah himpunan dari pasangan nilai dengan ( x) A {( x ( x) ) x X } A =, µ A (1) µ adalah fungsi keanggotaan untuk himpunan fuzzy A. Fungsi keanggotaan tersebut memetakan setiap elemen dari X ke sebuah derajat keanggotaan dengan nilai antara 1 dan 0 (Jang et al. 1997). 2.3 Logika Fuzzy Logika Fuzzy merupakan bagian dari logika boolean yang dipergunakan untuk menangani konsep derajat kebenaran, yaitu nilai kebenaran antara benar dan salah. Logika fuzzy sering menggunakan informasi linguistik dan verbal. Dalam logika fuzzy terdapat beberapa proses, yaitu penentuan gugus fuzzy, penerapan aturan if-then, serta proses inferensi fuzzy (Marimin, 2002). Beberapa alasan digunakannya logika fuzzy adalah: 1. konsep logika fuzzy mudah dimengerti karena didasari oleh konsep matematis yang sederhana; 2. logika fuzzy memiliki toleransi terhadap data yang tidak tepat; 3. logika fuzzy mampu memodelkan fungsi-fungsi nonlinier yang sangat kompleks; 4. logika fuzzy dapat membangun dan mengaplikasikan pengalaman pakar secara langsung tanpa melalui proses pelatihan; 5. logika fuzzy dapat bekerjasama dengan teknik kendali secara konvensional; 6. logika fuzzy didasarkan pada bahasa alami.

23 6 2.4 Sistem Inferensi Fuzzy Sistem Inferensi Fuzzy (Fuzzy Inference Systems) merupakan penduga numerik yang terstruktur dan dinamik. Sistem ini mempunyai kemampuan untuk mengembangkan sistem intelijen dalam lingkungan yang tidak pasti dan tidak tepat. Sistem ini menduga suatu fungsi dengan logika fuzzy (Marimin 2002). Inferensi fuzzy adalah suatu proses perumusan model untuk mendapatkan sebuah keluaran (output) menggunakan logika fuzzy dari suatu masukan (input) yang diperoleh. Model inferensi fuzzy dapat dijadikan sebagai dasar dalam pengambilan suatu keputusan. Model ini tersusun dari fungsi keanggotaan, operator logika fuzzy (fuzzy logic operator), dan aturan if-then (if-then rules). Inferensi fuzzy diperoleh dari kumpulan dan korelasi antar aturan. Metodemetode yang digunakan dalam melakukan inferensi fuzzy yaitu: 1. Metode Maksimum Metode Maksimum adalah suatu metode solusi himpunan fuzzy yang diperoleh dengan cara mengambil nilai maksimum aturan, kemudian menggunakannya untuk memodifikasi daerah fuzzy, dan mengaplikasikannya ke keluaran (output) dengan menggunakan operator OR (union). Jika semua proposisi telah dievaluasi, maka keluaran akan berisi suatu himpunan fuzzy yang merefleksikan kontribusi dari tiap-tiap proposisi, seperti tersaji pada Gambar 1.

24 7 Gambar 1 Komposisi aturan fuzzy: Metode Maksimum Secara umum Metode Maksimum dapat dirumuskan sebagai berikut: dengan : sf ( ) [ x ] max µ [ x ] µ [ x ] µ, (2) i sf i kf i µ sf [ x i ] adalah nilai keanggotaan solusi fuzzy sampai aturan ke i; µ kf [ x i ] adalah nilai keanggotaan konsekuen fuzzy sampai aturan ke i Metode ini apabila menggunakan fungsi implikasi MIN, sering disebut Metode Max-Min, Min-Max atau Mamdani.

25 8 2. Metode Probabilistik OR (probor) Metode Probabilistik OR adalah suatu metode solusi himpunan fuzzy diperoleh dengan cara melakukan product terhadap semua output daerah fuzzy seperti tersaji pada Gambar 2. Gambar 2 Proses defuzzifikasi dengan Metode Probabilistik OR Secara umum dapat dirumuskan: dengan: sf ( ) ( µ [ x ] [ x ]) [ ] µ [ x ] + µ [ x ] µ x * µ (3) i sf i kf µ sf [ x i ] adalah nilai keanggotaan solusi fuzzy sampai aturan ke i; µ kf [ x i ] adalah nilai keanggotaan konsekuen fuzzy sampai aturan ke i i sf i kf i

26 9 Sistem Inferensi Fuzzy telah diterapkan pada berbagai bidang, seperti pengendali otomatis, klasifikasi data, analisa keputusan, sistem pakar, dan lain sebagainya. 2.5 Domain Himpunan Fuzzy Domain Himpunan Fuzzy adalah keseluruhan nilai yang diijinkan dalam semesta pembicaraan. Domain merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai domain dapat berupa bilangan positif maupun negatif (Kusumadewi, 2002). Sebagai contoh, himpunan fuzzy BERAT BADAN bagi remaja memiliki domain antara 40 kg sampai 60 kg seperti tersaji pada Gambar 3. Gambar 3 Himpunan fuzzy Berat Badan dalam kg 2.6 Semesta Pembicaraan Suatu model fuzzy seringkali dideskripsikan dalam syarat-syarat ruang fuzzy. Ruang fuzzy ini tersusun dari beberapa himpunan fuzzy yang saling overlap. Masing-

27 10 masing himpunan fuzzy mendeskripsikan suatu arti tertentu dari variabel-variabel yang diijinkan dalam permasalahan. Keseluruhan ruang permasalahan dari nilai terkecil hingga nilai terbesar yang diijinkan disebut dengan semesta pembicaraan (universe of disclosure). Sebagai contoh, semesta pembicaraan pada Model Temperatur adalah 0 C hingga 45 C, dengan domain himpunan fuzzy: Dingin (0 C 19 C), Sejuk (17ºC 25ºC), Hangat (19ºC 40ºC), dan Panas (25ºC 45ºC). Himpunan fuzzy yang mendeskripsikan semesta pembicaraan ini tidak selalu berbentuk simetris, namun harus ada overlap pada beberapa derajat seperti tersaji pada Gambar 4. Gambar 4 Semesta Pembicaraan Temperatur Ruangan 2.7 Fungsi Keanggotaan Himpunan fuzzy memiliki fungsi keanggotaan yang akan memetakan tiap-tiap elemen himpunan ke suatu nilai keanggotaan yang besarnya antara 0 dan 1, sedangkan himpunan tunggal (crisp) memiliki 2 (dua) nilai keanggotaan yang pasti yaitu 0 atau 1. Fungsi keanggotaan himpunan tegas hanya menyatakan apakah suatu

28 11 bilangan termasuk ke dalam himpunan tertentu atau tidak, bukan menyatakan derajat keanggotaannya. Beberapa jenis fungsi keanggotaan fuzzy di antaranya adalah Triangular, Trapezoidal, Gaussian, Generalized Bell, dan Sigmoid. Triangular adalah fungsi keanggotaan yang berbentuk segitiga, dan trapezoidal adalah fungsi keanggotaan yang berbentuk trapesium. Kedua jenis fungsi keanggotaan ini merupakan fungsi yang paling sederhana karena hanya tersusun dari beberapa garis lurus. Gaussian adalah fungsi keanggotaan yang dibangun dari kurva sebaran Gaussian dan Generalized Bell adalah fungsi keanggotaan yang dibuat dari sebaran Bell secara umum. Fungsi keanggotaan Gaussian dan Generalized Bell sering digunakan untuk menentukan fungsi keanggotaan pada himpunan fuzzy dikarenakan kedua fungsi tersebut memiliki bentuk kurva yang halus. Fungsi keanggotaan sigmoid merupakan fungsi keanggotaan sigmoid yang terbuka ke kiri atau terbuka ke kanan. Hasil pengurangan dua buah fungsi keanggotaan sigmoid ini dapat menghasilkan fungsi keanggotaan difference sigmoid, sedangkan hasil perkaliannya akan menghasilkan fungsi keanggotaan product sigmoid. 2.8 Aturan Fuzzy Aturan Fuzzy atau banyak dikenal dengan aturan fuzzy if then berbentuk if ξ is A then ψ is B (4) dengan A dan B adalah nilai linguistik yang didefinisikan oleh himpunan fuzzy ξ is A sering disebut sebagai antecedent atau promise, sedangkan ψ is B disebut sebagai consequence atau conclusion, sebagai contoh: 1. Jika suhu badan tinggi, maka sakit demam; 2. Jika buah jeruk berwarna kuning, maka jeruk itu matang.

29 Defuzzifikasi Defuzzifikasi merupakan suatu proses pengubahan output fuzzy ke output yang bernilai tunggal (crisp). Terdapat beberapa metode defuzzifikasi, namun yang paling sering digunakan adalah metode centroid dan maksimum (Marimin, 2002). 1. Metode Centroid (Composite Moment) Metode Centroid adalah suatu metode defuzzifikasi untuk memperoleh nilai tunggal (crisp) dengan cara mengambil titik pusat daerah fuzzy. Metode Centroid secara umum dapat dirumuskan sebagai berikut: z = z z zµ ( z) dz µ ( z) dz atau z = n j= 1 n z µ ( z ) j= 1 j µ ( z j j ) (5) Keuntungan yang diperoleh apabila menggunakan metode Centroid adalah: nilai fuzzy akan bergerak secara halus sehingga perubahan dari suatu topologi himpunan fuzzy ke topologi berikutnya juga akan bergerak halus; dengan metode Centroid penghitungan nilai tunggal (crisp) mudah dilakukan. 2. Metode Maksimum Pada proses defuzzifikasi, Metode Maksimum terbagi atas tiga bagian, yaitu Metode Mean Of Maximum (MOM) dimana pada metode ini solusi crisp diperoleh dengan cara mengambil nilai rataan domain yang memiliki nilai keanggotaan maksimum. Metode Largest Of Maximum (LOM) adalah metode yang memperoleh solusi crisp dengan cara mengambil nilai yang terbesar dari domain yang memiliki nilai keanggotaan maksimum. Sedangkan metode Smallest Of Maximum (SOM)

30 13 adalah metode yang memperoleh solusi crisp dengan cara mengambil nilai terkecil dari domain yang memiliki nilai maksimum Simulasi Simulasi adalah proses disain sebuah model dari satu sistem yang nyata dan menjalankan eksperimen dengan model yang bertujuan untuk memahami perilaku dari sistem dan atau mengevaluasi berbagai macam strategi operasional dari sistem tersebut. Simulasi komputer adalah teknik yang menggunakan komputer untuk meniru, atau melakukan simulasi berbagai proses di dalam dunia nyata. Proses-proses yang dimaksud biasanya disebut sebuah sistem, dan untuk memperlajari proses tersebut secara ilmiah harus membuat berbagai asumsi tentang bagaimana sistem itu bekerja untuk mencoba memahami perilaku sistem yang dimaksud.

31 3 METODOLOGI PENELITIAN 3.1 Kerangka Pemikiran Kerangka pemikiran dalam penelitian ini terbagi dalam beberapa tahap yang dimulai dari analisa hingga hasil penelitian, seperti diilustrasikan dalam Gambar 5. Gambar 5 Bagan Alir Penelitian 3.2 Analisa Penelitian ini dimulai dengan tahap analisa. Tahap ini terbagi menjadi dua bagian, yaitu identifikasi masalah, serta pengumpulan data dan pengamatan. Pada identifikasi masalah akan dibahas masalah kemacetan lalu lintas yang terjadi di persimpangan jalan khususnya pada jam kerja dan jam libur, masalah-masalah yang muncul seputar sistem pengatur lampu lalu lintas, dan studi literatur beberapa penelitian yang terkait dengan penelitian ini. 14

32 15 Setelah melakukan identifikasi masalah, penelitian dilanjutkan dengan pengumpulan data dan pengamatan yang dilakukan terhadap kondisi lalu lintas pada lokasi studi kasus. Data yang dikumpulkan adalah data rataan tingkat kedatangan (banyaknya kendaraan yang datang per satuan waktu) dan rataan tingkat keberangkatan (banyaknya kendaraan yang berangkat per satuan waktu) kendaraan bermotor dari setiap arus lalu lintas. Data ini akan digunakan untuk membangkitkan data acak waktu antar kedatangan dan antar keberangkatan kendaraan pada simulasi yang dibuat untuk mendekati kondisi nyata di lokasi studi kasus. Tingkat kedatangan memiliki karakteristik yang berbeda setiap waktunya sedangkan tingkat keberangkatan karakteristiknya relatif tetap. Agar data tingkat kedatangan kendaraan bermotor yang diperoleh dapat mewakili kondisi tujuh hari dalam seminggu, observasi dilakukan pada tiga hari yang mewakili kondisi hari kerja dan hari libur. Pengambilan data kendaraan tersebut dilakukan untuk mensimulasikan kinerja dari kedua metode pengatur lampu lalu lintas yang akan dibandingkan. Selain tingkat kedatangan dan tingkat keberangkatan kendaraan, lamanya fase sistem pengatur lampu lalu lintas juga diamati. Data ini akan digunakan agar lamanya fase pada simulasi model pengaturan lampu lalu lintas jenis statis sama dengan kondisi sebenarnya. 3.3 Desain Lampu lalu lintas yang mengatur arus kendaraan yang melewati perempatan tersebut bekerja dengan sistem statis yang telah ditetapkan. Lampu lalu lintas ini akan menyala bergantian menurut arah jarum jam. Kendaraan yang akan melewati lampu lalu lintas ini bergerak lurus dari arah utara menuju arah selatan dan dari arah timur menuju arah barat.

33 16 Kontrol lampu lalu lintas yang ada saat ini masih diatur secara statis, akibatnya sering terjadi kemacetan di sekitar persimpangan empat khususnya pada jam-jam sibuk di pagi dan sore hari. Untuk memecahkan permasalahan tersebut, akan dirancang pengaturan lampu lalu lintas menggunakan metode dinamis. Dalam pengaturan lampu lalu lintas metode dinamis, diperlukan peralatan tambahan berupa sensor. Tiap jalur dipasang dua sensor yang berfungsi untuk mendeteksi kendaraan datang (Sensor Datang/SD) dan kendaraan yang berangkat (Sensor Pergi/SP). Keluaran (output) dari sensor ini akan menjadi masukan (input) bagi kontrol lampu lalu lintas yang menggunakan metode dinamis. Dalam tahap desain, akan dirancang model simulasi lalu lintas metode dinamis menggunakan beberapa modul program simulasi serta data kendaraan bermotor sebagai parameter masukan dan dibuat beberapa asumsi sebagai berikut: 1. persimpangan jalan adalah empat jalur jalan raya yang saling bertemu pada satu titik persimpangan dengan arus lalu lintas kendaraan bermotor yang datang dari arah utara, barat, selatan, dan timur; 2. saat arus kendaraan bermotor dari arah utara dan selatan bergerak, maka arus kendaraan bermotor dari arah barat dan timur akan berhenti, demikian pula sebaliknya; 3. arus kendaraan bermotor yang berbelok ke arah kiri diabaikan; 4. adanya sensor yang digunakan untuk mendeteksi kendaraan bermotor yang melewatinya; 5. arus lalu lintas kendaraan bermotor dari arah timur menuju ke barat diasumsikan sebagai arah arus lalu lintas utama; 6. kedatangan kendaraan disimulasikan dengan bilangan random seragam.

34 17 Pengaturan lampu lalu lintas metode dinamis ini di disain untuk mengatur persimpangan empat jalur jalan raya dari arah utara, selatan, timur, dan barat seperti disajikan pada Gambar 6. Gambar 6 Model Pengaturan Lalu Lintas Metode Statis Lampu lalu lintas dalam metode statis ditentukan dengan lama menyala lampu hijau (mgreentime) selama 30 detik. Lama menyala lampu hijau ini berlaku di keempat arus lalu lintas sepanjang waktu tanpa melihat jumlah kendaraan yang antri. Waktu menyala lampu hijau ini dijadikan sebagai masukan (input) untuk menghitung rataan waktu tunggu kendaraan. Untuk kendaraan yang berhenti pada saat lampu

35 18 merah menyala, akan dihitung waktu tunggu setiap kendaraan. Selanjutnya, waktu tunggu kendaraan yang antri tersebut dijumlahkan untuk memperoleh nilai total waktu tunggu kendaraan. Keluaran (output) dari pengaturan lampu lalu lintas metode statis adalah rataan waktu tunggu kendaraan yang antri. Rataan waktu tunggu kendaraan yang antri tersebut diperoleh dari total waktu tunggu kendaraan yang antri dibagi dengan total kendaraan yang antri dan dirumuskan : Rataan waktu tunggu kendaraan ( t s ) = n tn 1 n (6) t n = waktu tunggu kendaraan ke n; n = 1,2,3, dan seterusnya Metode Dinamis Pada pengaturan lampu lalu lintas dengan metode dinamis yang menjadi masukan (input) adalah jumlah kendaraan pada sebuah ruas jalan serta lama menyala lampu hijau yang berlaku di keempat arus lalu lintas yaitu 5 detik. Setiap ruas jalan, akan dihitung rataan waktu tunggu kendaraan untuk memperoleh tambahan waktu menyala lampu hijau. Waktu tambahan nyala lampu hijau diperoleh berdasarkan jumlah antrian kendaraan dan diklasifikasikan sebagai berikut: SS_TIME adalah tambahan waktu nyala lampu hijau jika jumlah antrian kendaraan diklasifikasikan Sangat Sedikit; S_TIME adalah tambahan waktu nyala lampu hijau jika jumlah antrian kendaraan diklasifikasikan Sedikit; M_TIME adalah tambahan waktu nyala lampu hijau jika jumlah antrian kendaraan diklasifikasikan Medium;

36 19 B_TIME adalah tambahan waktu nyala lampu hijau jika jumlah antrian kendaraan diklasifikasikan Banyak; BS_TIME adalah tambahan waktu nyala lampu hijau jika jumlah antrian kendaraan diklasifikasikan Banyak Sekali. Fungsi keanggotaan (membership function / mf) dengan x menyatakan jumlah antrian kendaraan diklasifikasikan sebagai berikut: 5 - x mfss =, jika 0 < x 5 5 (7) x, jika 0 < x 5 5 mfs = 10 - x (8), jika 5 < x 10 5 x - 5, jika 5 < x 10 5 mfm = 15 - x (9), jika 10 < x 15 5 x -10, jika 10 < x 15 5 mfb = 25 - x (10), jika 15 < x x -15, jika 15 < x 25 mfbs = 10 (11) 1, jika x > 25 Waktu tambahan nyala lampu hijau memiliki nilai sebagai berikut: SS_TIME = 0, S_TIME = 5, M_TIME = 10, B_TIME = 15, BS_TIME = 20. SS_TIME = 0 memiliki arti tidak adanya tambahan waktu nyala lampu hijau, diberikan bila jumlah antrian kendaraan (x) adalah 0 < x 5,

37 20 S_TIME = 5 memiliki arti tambahan waktu nyala lampu hijau selama 5 detik, diberikan bila jumlah antrian kendaraan (x) adalah 5 < x 10, M_TIME = 10 memiliki arti tambahan waktu nyala lampu hijau selama 10 detik, diberikan bila jumlah antrian kendaraan (x) adalah 10 < x 15, B_TIME = 15 memiliki arti tambahan waktu nyala lampu hijau selama 15 detik, diberikan bila jumlah antrian kendaraan (x) adalah 15 < x 25, BS_TIME = 20 memiliki arti tambahan waktu nyala lampu hijau selama 20 detik, diberikan bila jumlah antrian kendaraan (x) adalah x > 25. Fungsi keanggotaan total kendaraan yang memperoleh tambahan waktu menyala lampu hijau tersaji pada Gambar 7. Gambar 7 Fungsi Keanggotaan: Total Antrian Kendaraan Yang Memperoleh Tambahan Waktu Menyala Lampu Hijau Untuk menghitung tambahan waktu menyala lampu hijau, dihitung menggunakan rumus: AddTime = mfss*ss_time + mfs*s_time + mfm*m_time + mfb*b_time + mfbs*bs_time (12) Sebagai input dari program simulasi ini adalah data kendaraan bermotor dari setiap arus lalu lintas. Bila lampu lalu lintas yang berwarna hijau dari arah timur

38 21 menuju ke arah barat dan sebaliknya, maka lampu lalu lintas dari arah utara menuju ke arah selatan dan sebaliknya akan berwarna merah. Program simulasi pengaturan lampu lalu lintas ini terbagi dalam beberapa modul program utama, yaitu modul MainWindow, modul TrafficController, modul CarChartPanel, dan modul DynamicTrafficController. Modul MainWindow adalah modul program utama yang akan menampilkan simulasi antrian kendaraan yang diatur oleh lampu lalu lintas metode statis dan dinamis, grafik perbandingan rataan waktu tunggu kendaraan yang diatur oleh lampu lalu lintas metode statis dan metode dinamis, dan rataan waktu tunggu kendaraan. Modul TrafficController adalah modul program yang berfungsi untuk menjalankan program simulasi pengaturan lalu lintas metode statis. Dalam modul TrafficController, kedatangan kendaraan diatur secara random dengan nyala lampu lalu lintas yang telah ditetapkan sebelumnya, yaitu 5 detik untuk nyala lampu merah, 1 detik untuk nyala lampu kuning, dan 4 detik untuk nyala lampu hijau. Setiap 1 menit program simulasi berjalan, waktu tunggu kendaraan yang berada di setiap jalur lalu lintas akan dihitung dan ditampilkan satu titik dalam grafik melalui modul CarChartPanel. Dalam modul DynamicTrafficController, kedatangan kendaraan diatur secara random. Setiap kendaraan yang datang, akan dihitung waktu tunggu kendaraan di setiap jalur lalu lintas dan akan mencatat kendaraan yang datang serta menghitung waktu tunggu setiap kendaraan. Modul CarChartPanel adalah modul program untuk menampilkan grafik garis rataan waktu tunggu kendaraan di lampu lalu lintas yang diatur oleh metode statis dan metode dinamis. Simulasi dilakukan terhadap model yang telah dirancang untuk mengevaluasi kinerja dari pengaturan lampu lalu lintas metode statis dan metode dinamis. Hasil simulasi tersebut akan dibandingkan untuk melihat kinerja kedua metode tersebut. Setiap 1 menit program simulasi dijalankan,

39 22 akan ditampilkan titik-titik grafik yang menunjukkan perbandingan waktu tunggu kendaraan yang diatur oleh metode statis dan metode dinamis dan ditampilkan selama 25 menit waktu simulasi. Gambar 8 Rancangan Modul Program Simulasi Pengaturan Lampu Lalu Lintas 3.4 Implementasi Pada tahap implementasi, hasil perancangan pada tahap desain diimplementasikan ke dalam aplikasi sehingga dapat digunakan untuk melakukan penelitian ini. Program simulasi model pengaturan lampu lalu lintas metode statis dan metode dinamis akan diimplementasikan menggunakan perangkat lunak Java Development Kit versi 1.5 dan Eclipse IDE. 3.5 Hasil Simulasi Hasil dari simulasi model pengaturan lampu lalu lintas metode statis dan metode dinamis adalah untuk membandingkan kinerja dari kedua metode tersebut. Parameter

40 23 keluaran simulasi yang akan dibandingkan adalah rataan lama waktu tunggu antrian kendaraan bermotor pada metode statis dan metode dinamis. 3.6 Bahan dan Alat Penelitian Dalam penelitian ini, data rataan tingkat kedatangan dan data rataan tingkat keberangkatan kendaraan bermotor dari setiap arus lalu lintas dijadikan sebagai bahan penelitian. Peralatan yang digunakan adalah seperangkat komputer notebook dengan spesifikasi Prosesor tipe Intel Pentium M 1,73 GHz, RAM 1 GB, Harddisk 80 GB, dan perangkat lunak Java Development Kit versi 1.5 dan Eclipse IDE untuk pembuatan program simulasi. 3.7 Waktu dan Tempat Penelitian Penelitian ini dilaksanakan mulai bulan Maret hingga bulan September 2009 di Laboratorium Pascasarjana Departemen Ilmu Komputer FMIPA IPB.

41 4 HASIL DAN PEMBAHASAN 4.1 Hasil Pengujian 1 Pengujian 1 program simulasi ini dilakukan dengan ulangan uji sebanyak 3 kali untuk mengetahui rataan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Statis dan Metode Dinamis. Pada Pengujian 1 ulangan 1, dengan nyala lampu hijau selama 30 detik dan dijalankan selama 25 menit waktu simulasi hasil yang diperoleh, disajikan pada Tabel 1. Waktu tunggu kendaraan yang paling lama di Metode Statis adalah 91 detik yang terjadi pada waktu simulasi menit ke 16. Sedangkan waktu tunggu kendaraan yang paling lama di Metode Dinamis adalah 67 detik yang terjadi pada waktu simulasi menit ke 18. Tabel 1 Rataan Waktu Tunggu Kendaraan Pada Pengujian 1 Ulangan 1 Waktu Simulasi Waktu tunggu kendaraan (detik) (menit ke-) Metode Statis Metode Dinamis Rataan waktu tunggu (detik)

42 25 Tabel 1 di atas menunjukkan pada Pengujian 1 Ulangan 1, nilai rataan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Statis selama 60 detik dan Metode Dinamis selama 48 detik. 100 Waktu Tunggu (detik) Waktu Simulasi (menit) Metode Statis Metode Dinamis Gambar 9 Grafik Waktu Tunggu Kendaraan Pada Pengujian 1 Ulangan 1 Berdasarkan hasil Pengujian 1 Ulangan 1 yang tersaji pada Tabel 1 dan Gambar 9 menunjukkan bahwa rataan waktu tunggu kendaraan pada Metode Statis lebih lama dibandingkan rataan waktu tunggu kendaraan pada Metode Dinamis yang mengakibatkan antrian kendaraan pada metode Statis lebih banyak dibandingkan Metode Dinamis. Pada Pengujian 1 ulangan 2, dengan nyala lampu hijau selama 30 detik dan dijalankan selama 25 menit waktu simulasi, hasil yang diperoleh disajikan pada Tabel 2. Waktu tunggu kendaraan yang paling lama di Metode Statis adalah 91 detik yang terjadi pada waktu simulasi menit ke 25. Sedangkan waktu tunggu kendaraan yang paling lama di Metode Dinamis adalah 66 detik yang terjadi pada waktu simulasi menit ke 24.

43 26 Tabel 2 Rataan Waktu Tunggu Kendaraan Pada Pengujian 1 Ulangan 2 Waktu Simulasi Waktu tunggu kendaraan (detik) (menit ke-) Metode Statis Metode Dinamis Rataan waktu tunggu (detik) Waktu Tunggu (detik) Waktu Simulasi (menit) Metode Statis Metode Dinamis Gambar 10 Grafik Waktu Tunggu Kendaraan Pada Pengujian 1 Ulangan 2

44 27 Tabel 2 pada Pengujian 1 Ulangan 2 menunjukkan, nilai rataan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Statis selama 57 detik dan Metode Dinamis selama 45 detik. Berdasarkan hasil Pengujian 1 Ulangan 2 yang terlihat pada Tabel 2 dan Gambar 10 menunjukkan waktu tunggu kendaraan pada Metode Statis lebih lama dibandingkan waktu tunggu kendaraan pada Metode Dinamis yang mengakibatkan antrian kendaraan pada Metode Statis lebih banyak dibandingkan Metode Dinamis. Pada Pengujian 1 ulangan 3, dengan nyala lampu hijau selama 30 detik dijalankan selama 25 menit waktu simulasi, hasil yang diperoleh, disajikan pada Tabel 3. Waktu tunggu kendaraan yang paling lama di Metode Statis adalah 118 detik yang terjadi pada waktu simulasi menit ke 25, sedangkan waktu tunggu kendaraan yang paling lama di Metode Dinamis adalah 64 detik yang terjadi pada waktu simulasi menit ke 24. Tabel 3 Rataan Waktu Tunggu Kendaraan Pada Pengujian 1 Ulangan 3 Waktu Simulasi Waktu tunggu kendaraan (detik) (menit ke-) Metode Statis Metode Dinamis

45 28 Waktu Simulasi Waktu tunggu kendaraan (detik) (menit ke-) Metode Statis Metode Dinamis Rataan waktu tunggu (detik) Tabel 3 menunjukkan pada Pengujian 1 Ulangan 3, nilai rataan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Statis selama 68 detik dan Metode Dinamis selama 45 detik Waktu Tunggu (detik) Waktu Simulasi (menit) Metode Statis Metode Dinamis Gambar 11 Grafik Waktu Tunggu Kendaraan Pada Pengujian 1 Ulangan 3 Berdasarkan hasil Pengujian 1 Ulangan 3 yang terlihat pada Tabel 3, dan Gambar 11 menunjukkan waktu tunggu kendaraan pada Metode Statis lebih lama dibandingkan waktu tunggu kendaraan pada Metode Dinamis yang mengakibatkan antrian kendaraan pada Metode Statis lebih banyak dibandingkan Metode Dinamis.

46 29 Dari Hasil Pengujian 1 dengan pengujian ulangan sebanyak 3 kali dan lampu hijau menyala selama 30 detik menghasilkan rataan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Statis lebih lama dibandingkan dengan lampu lalu lintas yang diatur dengan Metode Dinamis seperti terlihat pada Tabel 4 dan Tabel 5 berikut: Tabel 4 Rataan Waktu Tunggu Kendaraan Pada Pengujian 1 Kegiatan Pengujian 1 Rataan Waktu tunggu kendaraan (detik) Metode Statis Metode Dinamis Ulangan Ulangan Ulangan Hasil Pengujian Tabel 5 Waktu Tunggu Maksimum Kendaraan Pada Pengujian 1 Kegiatan Pengujian 1 Waktu tunggu maksimum kendaraan (detik) Metode Simulasi Metode Statis Menit Dinamis Simulasi Menit Ke ke Ulangan Ulangan Ulangan Dari Tabel 4 dan Tabel 5 di atas menunjukkan bahwa pada Pengujian 1 rataan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Statis memiliki waktu tunggu yang lebih lama dibandingkan dengan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Dinamis. Waktu tunggu maksimum kendaraan pada Metode Statis adalah 118 detik pada simulasi menit ke 25 dan Metode Dinamis 67 detik pada simulasi menit ke Hasil Pengujian 2 Pada pengujian 2, nyala lampu hijau diubah menjadi 28 detik dan dilakukan pengujian sebanyak 3 kali untuk melihat perubahan yang terjadi pada rataan waktu

47 30 tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Statis dan Metode Dinamis. Pada Pengujian 2 ulangan 1, dengan nyala lampu hijau selama 28 detik dan dijalankan selama 25 menit waktu simulasi, hasil yang diperoleh disajikan pada Tabel 6. Waktu tunggu maksimum kendaraan di Metode Statis adalah 102 detik pada waktu simulasi menit ke 24. Sedangkan waktu tunggu maksimum kendaraan di Metode Dinamis adalah 64 detik pada waktu simulasi menit ke 23 dan menit ke 25. Tabel 6 Waktu Tunggu Kendaraan Pada Pengujian 2 Ulangan 1 Waktu Simulasi Waktu tunggu kendaraan (detik) (menit ke-) Metode Statis Metode Dinamis Rataan waktu tunggu (detik) 56 46

48 31 Tabel 6 di atas menunjukkan pada Pengujian 2 Ulangan 1, nilai rataan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Statis adalah 56 detik dan Metode Dinamis adalah 46 detik Waktu Tunggu (detik) Waktu Simulasi (menit) Metode Statis Metode Dinamis Gambar 12 Grafik Waktu Tunggu Kendaraan Pada Pengujian 2 Ulangan 1 Berdasarkan hasil Pengujian 2 ulangan 1 yang terlihat pada Tabel 6 dan Gambar 12 menunjukkan waktu tunggu kendaraan pada Metode Statis lebih lama dibandingkan waktu tunggu kendaraan pada Metode Dinamis yang mengakibatkan antrian kendaraan pada Metode Statis lebih banyak dibandingkan Metode Dinamis. Pada Pengujian 2 ulangan 2, dengan nyala lampu hijau selama 28 detik dan dijalankan selama 25 menit waktu simulasi, hasil yang diperoleh disajikan pada Tabel 7. Waktu tunggu maksimum kendaraan di Metode Statis adalah 88 detik pada waktu simulasi menit ke 19, sedangkan waktu tunggu maksimum kendaraan di Metode Dinamis adalah 78 detik pada waktu simulasi menit ke 24.

49 32 Tabel 7 Waktu Tunggu Kendaraan Pada Pengujian 2 Ulangan 2 Waktu Simulasi Waktu tunggu kendaraan (detik) (menit ke-) Metode Statis Metode Dinamis Rataan waktu tunggu (detik) Tabel 7 di atas menunjukkan pada Pengujian 2 Ulangan 2, nilai rataan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Statis adalah 62 detik dan Metode Dinamis adalah 47 detik. Berdasarkan hasil Pengujian 2 ulangan 2 yang tersaji pada Tabel 7 dan Gambar 13 menunjukkan waktu tunggu kendaraan pada Metode Statis lebih lama dibandingkan waktu tunggu kendaraan pada Metode Dinamis yang mengakibatkan antrian kendaraan pada Metode Statis lebih banyak dibandingkan Metode Dinamis.

50 Waktu Tunggu (detik) Waktu Simulasi (menit) Metode Statis Metode Dinamis Gambar 13 Grafik Waktu Tunggu Kendaraan Pada Pengujian 2 Ulangan 2 Pada Pengujian 2 ulangan 3, dengan nyala lampu hijau selama 28 detik dan dijalankan selama 25 menit waktu simulasi, hasil yang diperoleh disajikan pada Tabel 8. Waktu tunggu maksimum kendaraan di Metode Statis adalah 87 detik pada waktu simulasi menit ke 16, sedangkan waktu tunggu maksimum kendaraan di Metode Dinamis adalah 61 detik pada waktu simulasi menit ke 24. Tabel 8 Waktu Tunggu Kendaraan Pada Pengujian 2 Ulangan 3 Waktu Simulasi Waktu tunggu kendaraan (detik) (menit ke-) Metode Statis Metode Dinamis

51 34 Waktu Simulasi Waktu tunggu kendaraan (detik) (menit ke-) Metode Statis Metode Dinamis Rataan waktu tunggu (detik) Tabel 8 di atas menunjukkan pada Pengujian 2 Ulangan 3, nilai rataan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Statis adalah 61 detik dan Metode Dinamis adalah 41 detik. 100 Waktu Tunggu (detik) Waktu Simulasi (menit) Metode Statis Metode Dinamis Gambar 14 Grafik Waktu Tunggu Kendaraan Pada Pengujian 2 Ulangan 3 Berdasarkan hasil Pengujian 2 ulangan 3 yang terlihat pada Tabel 8 dan Gambar 14 menunjukkan waktu tunggu kendaraan pada Metode Statis lebih lama

52 35 dibandingkan waktu tunggu kendaraan pada Metode Dinamis yang mengakibatkan antrian kendaraan pada Metode Statis lebih banyak dibandingkan Metode Dinamis. Hasil Pengujian 2 dengan pengujian ulangan sebanyak 3 kali dan lampu hijau menyala selama 28 detik diperoleh rataan waktu tunggu dan waktu tunggu maksimum dari kendaraan yang disajikan pada Tabel 9 dan Tabel 10 berikut: Tabel 9 Rataan Waktu Tunggu Kendaraan Pada Pengujian 2 Kegiatan Pengujian 2 Rataan waktu tunggu kendaraan (detik) Metode Statis Metode Dinamis Ulangan Ulangan Ulangan Hasil Pengujian Tabel 10 Waktu Tunggu Maksimum Kendaraan Pada Pengujian 2 Waktu tunggu maksimum kendaraan (detik) Kegiatan Pengujian 2 Metode Statis Menit ke Metode Dinamis Menit ke Ulangan Ulangan dan 25 Ulangan Dari Tabel 9 dan Tabel 10 di atas menunjukkan bahwa pada Pengujian 2 rataan waktu tunggu kendaraan yang diatur dengan Metode Statis memiliki waktu yang lebih lama dibandingkan dengan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Dinamis. Waktu tunggu maksimum kendaraan pada Metode Statis adalah 102 detik pada simulasi menit ke 24 dan Metode Dinamis 64 detik pada simulasi menit ke 23 dan Hasil Pengujian 3 Pada pengujian 3, nyala lampu hijau diubah menjadi 26 detik dan dilakukan pengujian sebanyak 3 kali untuk melihat perubahan yang terjadi pada rataan waktu

53 36 tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Statis dan Metode Dinamis. Pada Pengujian 3 ulangan 1, dengan nyala lampu hijau selama 26 detik dan dijalankan selama 25 menit waktu simulasi, hasil yang diperoleh disajikan pada Tabel 11. Waktu tunggu kendaraan yang paling lama di Metode Statis adalah 92 detik yang terjadi pada waktu simulasi menit ke 23. Sedangkan waktu tunggu kendaraan yang paling lama di Metode Dinamis adalah 60 detik yang terjadi pada waktu simulasi menit ke 22 dan menit ke 23. Tabel 11 Waktu Tunggu Kendaraan Pada Pengujian 3 Ulangan 1 Waktu Simulasi Waktu tunggu kendaraan (detik) (menit ke-) Metode Statis Metode Dinamis Rataan waktu tunggu (detik) 61 44

54 37 Tabel 11 di atas menunjukkan pada Pengujian 3 Ulangan 1, nilai rataan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Statis adalah 61 detik dan Metode Dinamis adalah 44 detik. Waktu Tunggu (detik) Waktu Simulasi (menit) Metode Statis Metode Dinamis Gambar 15 Grafik Waktu Tunggu Kendaraan Pada Pengujian 3 Ulangan 1 Berdasarkan hasil Pengujian 3 ulangan 1 yang terlihat pada Tabel 11 dan Gambar 15, menunjukkan waktu tunggu kendaraan pada Metode Statis lebih lama dibandingkan waktu tunggu kendaraan pada Metode Dinamis yang mengakibatkan antrian kendaraan pada Metode Statis lebih banyak dibandingkan Metode Dinamis. Pada Pengujian 3 ulangan 2, dengan nyala lampu hijau selama 26 detik dan dijalankan selama 25 menit waktu simulasi, hasil yang diperoleh disajikan pada Tabel 12. Waktu tunggu kendaraan yang paling lama di Metode Statis adalah 131 detik yang terjadi pada waktu simulasi menit ke 25. Sedangkan waktu tunggu kendaraan yang paling lama di Metode Dinamis adalah 75 detik yang terjadi pada waktu simulasi menit ke 25.

55 38 Tabel 12 Waktu Tunggu Kendaraan Pada Pengujian 3 Ulangan 2 Waktu Simulasi Waktu tunggu kendaraan (detik) (menit ke-) Metode Statis Metode Dinamis Rataan waktu tunggu (detik) Tabel 12 di atas menunjukkan pada Pengujian 3 Ulangan 2, nilai rataan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Statis adalah 61 detik dan Metode Dinamis adalah 46 detik. Berdasarkan hasil Pengujian 3 ulangan 2 yang terlihat pada Tabel 12 dan Gambar 16 menunjukkan waktu tunggu kendaraan pada Metode Statis lebih lama dibandingkan waktu tunggu kendaraan pada Metode Dinamis yang mengakibatkan antrian kendaraan pada Metode Statis lebih banyak dibandingkan Metode Dinamis.

56 Waktu Tunggu (detik) Waktu Simulasi (menit) Metode Statis Metode Dinamis Gambar 16 Grafik Waktu Tunggu Kendaraan Pada Pengujian 3 Ulangan 2 Pada Pengujian 3 ulangan 3, dengan nyala lampu hijau selama 26 detik dan dijalankan selama 25 menit waktu simulasi, hasil yang diperoleh disajikan pada Tabel 13. Waktu tunggu kendaraan yang paling lama di Metode Statis adalah 111 detik yang terjadi pada waktu simulasi menit ke 24. Sedangkan waktu tunggu kendaraan yang paling lama di Metode Dinamis adalah 74 detik yang terjadi pada waktu simulasi menit ke 16. Tabel 13 Waktu Tunggu Kendaraan Pada Pengujian 3 Ulangan 3 Waktu Simulasi Waktu tunggu kendaraan (detik) (menit ke-) Metode Statis Metode Dinamis

57 40 Waktu Simulasi Waktu tunggu kendaraan (detik) (menit ke-) Metode Statis Metode Dinamis Rataan waktu tunggu (detik) Tabel 13 di atas menunjukkan pada Pengujian 3 Ulangan 3, nilai rataan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Statis adalah 59 detik dan Metode Dinamis adalah 47 detik. 120 Waktu Tunggu (detik) Waktu Simulasi (menit) Metode Statis Metode Dinamis Gambar 17 Grafik Waktu Tunggu Kendaraan Pada Pengujian 3 Ulangan 3

58 41 Berdasarkan hasil Pengujian 3 ulangan 3 yang terlihat pada Tabel 13 dan Gambar 17 menunjukkan waktu tunggu kendaraan pada Metode Statis lebih lama dibandingkan waktu tunggu kendaraan pada Metode Dinamis yang mengakibatkan antrian kendaraan pada Metode Statis lebih banyak dibandingkan Metode Dinamis. Hasil Pengujian 3 dengan pengujian ulangan sebanyak 3 kali dan lampu hijau menyala selama 26 detik diperoleh rataan waktu tunggu kendaraan dan waktu tunggu maksimum dari kendaraan yang disajikan pada Tabel 14 dan Tabel 15 berikut: Tabel 14 Rataan Waktu Tunggu Kendaraan Pada Pengujian 3 Kegiatan Pengujian 3 Rataan waktu tunggu kendaraan (detik) Metode Statis Metode Dinamis Ulangan Ulangan Ulangan Hasil Pengujian Tabel 15 Waktu Tunggu Maksimum Kendaraan Pada Pengujian 3 Kegiatan Pengujian 3 Waktu tunggu maksimum kendaraan (detik) Metode Simulasi Metode Statis Menit Dinamis Simulasi Menit ke ke Ulangan dan 23 Ulangan Ulangan Dari Tabel 14 dan Tabel 15 di atas menunjukkan bahwa pada Pengujian 3 rataan waktu tunggu kendaraan yang diatur dengan Metode Statis memiliki waktu yang lebih lama dibandingkan dengan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Dinamis. Waktu tunggu maksimum kendaraan pada Metode Statis adalah 131 detik pada simulasi menit ke 25 dan Metode Dinamis 75 detik pada simulasi menit ke 25.

59 Hasil Pengujian 4 Pada pengujian 4, nyala lampu hijau diubah menjadi 20 detik dan dilakukan pengujian sebanyak 3 kali untuk melihat perubahan yang terjadi pada rataan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Statis dan Metode Dinamis. Pada Pengujian 4 ulangan 1, dengan nyala lampu hijau selama 20 detik dan dijalankan selama 25 menit waktu simulasi, hasil yang diperoleh disajikan pada Tabel 16. Waktu tunggu kendaraan yang paling lama di Metode Statis adalah 85 detik yang terjadi pada waktu simulasi menit ke 21. Sedangkan waktu tunggu kendaraan yang paling lama di Metode Dinamis adalah 56 detik yang terjadi pada waktu simulasi menit ke 16 dan menit ke 19. Tabel 16 Waktu Tunggu Kendaraan Pada Pengujian 4 Ulangan 1 Waktu Simulasi Waktu tunggu kendaraan (detik) (menit ke-) Metode Statis Metode Dinamis Rataan waktu tunggu (detik) 54 43

60 43 Tabel 16 di atas menunjukkan pada Pengujian 4 Ulangan 1, nilai rataan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Statis selama 54 detik dan Metode Dinamis selama 43 detik Waktu Tunggu (detik) Waktu Simulasi (menit) Metode Statis Metode Dinamis Gambar 18 Grafik Waktu Tunggu Kendaraan Pada Pengujian 4 Ulangan 1 Berdasarkan hasil Pengujian 4 ulangan 1 yang disajikan pada Tabel 16 dan Gambar 18, menunjukkan waktu tunggu kendaraan pada Metode Statis lebih lama dibandingkan waktu tunggu kendaraan pada Metode Dinamis yang mengakibatkan antrian kendaraan pada Metode Statis lebih banyak dibandingkan Metode Dinamis. Pada Pengujian 4 ulangan 2, dengan nyala lampu hijau selama 20 detik dan dijalankan selama 25 menit waktu simulasi, hasil yang diperoleh disajikan pada Tabel 17. Waktu tunggu kendaraan yang paling lama di Metode Statis adalah 70 detik yang terjadi pada waktu simulasi menit ke 24. Sedangkan waktu tunggu kendaraan yang paling lama di Metode Dinamis adalah 64 detik yang terjadi pada waktu simulasi menit ke 16 dan menit ke 25.

61 44 Tabel 17 Waktu Tunggu Kendaraan Pada Pengujian 4 Ulangan 2 Waktu Simulasi Waktu tunggu kendaraan (detik) (menit ke-) Metode Statis Metode Dinamis Rataan waktu tunggu (detik) Tabel 17 di atas menunjukkan pada Pengujian 4 Ulangan 2, nilai rataan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Statis selama 48 detik dan Metode Dinamis selama 44 detik. Berdasarkan hasil Pengujian 4 ulangan 2 yang disajikan pada Tabel 17 dan Gambar 19 menunjukkan waktu tunggu kendaraan pada Metode Statis lebih lama dibandingkan waktu tunggu kendaraan pada Metode Dinamis yang mengakibatkan antrian kendaraan pada Metode Statis lebih banyak dibandingkan Metode Dinamis.

62 Waktu Tunggu (detik) Waktu Simulasi (menit) Metode Statis Metode Dinamis Gambar 19 Grafik Waktu Tunggu Kendaraan Pada Pengujian 4 Ulangan 2 Pada Pengujian 4 ulangan 3, dengan nyala lampu hijau selama 20 detik dan dijalankan selama 25 menit waktu simulasi, hasil yang diperoleh disajikan pada Tabel 18. Waktu tunggu kendaraan yang paling lama di Metode Statis adalah 102 detik yang terjadi pada waktu simulasi menit ke 24. Sedangkan waktu tunggu kendaraan yang paling lama di Metode Dinamis adalah 70 detik yang terjadi pada waktu simulasi menit ke 24. Tabel 18 Waktu Tunggu Kendaraan Pada Pengujian 4 Ulangan 3 Waktu Simulasi Waktu tunggu kendaraan (detik) (menit ke-) Metode Statis Metode Dinamis

63 46 Waktu Simulasi Waktu tunggu kendaraan (detik) (menit ke-) Metode Statis Metode Dinamis Rataan waktu tunggu (detik) Tabel 18 di atas menunjukkan pada Pengujian 4 Ulangan 3, nilai rataan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Statis selama 56 detik dan Metode Dinamis selama 44 detik Waktu Tunggu (detik) Waktu Simulasi (menit) Metode Statis Metode Dinamis Gambar 20 Grafik Waktu Tunggu Kendaraan Pada Pengujian 4 Ulangan 3 Berdasarkan hasil Pengujian 4 Ulangan 3 yang disajikan pada Tabel 18 dan Gambar 20 menunjukkan waktu tunggu kendaraan pada Metode Statis lebih lama

64 47 dibandingkan waktu tunggu kendaraan pada Metode Dinamis yang mengakibatkan antrian kendaraan pada Metode Statis lebih banyak dibandingkan Metode Dinamis. Hasil Pengujian 4 dengan pengujian ulangan sebanyak 3 kali dan lampu hijau menyala selama 20 detik diperoleh rataan waktu tunggu kendaraan dan waktu tunggu maksimum dari kendaraan yang disajikan pada Tabel 19 dan Tabel 20 berikut: Tabel 19 Rataan Waktu Tunggu Kendaraan Pada Pengujian 4 Kegiatan Pengujian 4 Rataan waktu tunggu kendaraan (detik) Metode Statis Metode Dinamis Ulangan Ulangan Ulangan Hasil Pengujian Tabel 20 Waktu Tunggu Maksimum Kendaraan Pada Pengujian 4 Kegiatan Pengujian 4 Waktu tunggu maksimum kendaraan (detik) Metode Simulasi Metode Statis Menit Dinamis Simulasi Menit ke ke Ulangan dan 19 Ulangan dan 25 Ulangan Dari Tabel 19 dan Tabel 20 di atas menunjukkan bahwa pada Pengujian 4 rataan waktu tunggu kendaraan yang diatur dengan Metode Statis memiliki waktu yang lebih lama dibandingkan dengan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Dinamis. Waktu tunggu maksimum kendaraan pada Metode Statis adalah 102 detik pada simulasi menit ke 24 dan Metode Dinamis 70 detik pada simulasi menit ke Hasil Pengujian 5 Pada Pengujian 5, nyala lampu hijau diubah menjadi 16 detik dan dilakukan pengujian sebanyak 3 kali untuk melihat perubahan yang terjadi pada rataan waktu

65 48 tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Statis dan Metode Dinamis. Pada Pengujian 5 Ulangan 1, dengan nyala lampu hijau selama 16 detik dan dijalankan selama 25 menit waktu simulasi, hasil yang diperoleh disajikan pada Tabel 21. Waktu tunggu kendaraan yang paling lama di Metode Statis adalah 87 detik yang terjadi pada waktu simulasi menit ke 25. Sedangkan waktu tunggu kendaraan yang paling lama di Metode Dinamis adalah 73 detik yang terjadi pada waktu simulasi menit ke 21. Tabel 21 Waktu Tunggu Kendaraan Pada Pengujian 5 Ulangan 1 Waktu Simulasi Waktu tunggu kendaraan (detik) (menit ke-) Metode Statis Metode Dinamis Rataan waktu tunggu (detik) 48 44

66 49 Tabel 21 di atas menunjukkan pada Pengujian 5 Ulangan 1, nilai rataan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Statis selama 48 detik dan Metode Dinamis selama 44 detik Waktu Tunggu (detik) Waktu Simulasi (menit) Metode Statis Metode Dinamis Gambar 21 Grafik Waktu Tunggu Kendaraan Pada Pengujian 5 Ulangan 1 Berdasarkan hasil Pengujian 5 Ulangan 1 yang tersaji pada Tabel 21 dan Gambar 21 menunjukkan waktu tunggu kendaraan pada Metode Statis lebih lama dibandingkan waktu tunggu kendaraan pada Metode Dinamis yang mengakibatkan antrian kendaraan pada Metode Statis lebih banyak dibandingkan Metode Dinamis. Pada Pengujian 5 Ulangan 2, dengan nyala lampu hijau selama 16 detik dan dijalankan selama 25 menit waktu simulasi, hasil yang diperoleh disajikan pada Tabel 22. Waktu tunggu kendaraan yang paling lama di Metode Statis adalah 75 detik yang terjadi pada waktu simulasi menit ke 16,17 dan menit ke 22. Sedangkan waktu tunggu kendaraan yang paling lama di Metode Dinamis adalah 65 detik yang terjadi pada waktu simulasi menit ke 21.

67 50 Tabel 22 Waktu Tunggu Kendaraan Pada Pengujian 5 Ulangan 2 Waktu Simulasi Waktu tunggu kendaraan (detik) (menit ke-) Metode Statis Metode Dinamis Rataan waktu tunggu (detik) Tabel 22 di atas menunjukkan pada Pengujian 5 Ulangan 2, waktu tunggu kendaraan di lampu lalu lintas yang diatur dengan Metode Statis memiliki nilai yang lebih besar dibandingkan dengan Metode Dinamis dengan rataan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Statis selama 52 detik dan Metode Dinamis selama 45 detik. Berdasarkan hasil Pengujian 5 Ulangan 2 yang terlihat pada Tabel 22 dan Gambar 22 menunjukkan waktu tunggu kendaraan pada Metode Statis lebih lama dibandingkan waktu tunggu kendaraan pada Metode Dinamis yang mengakibatkan antrian kendaraan pada Metode Statis lebih banyak dibandingkan Metode Dinamis.

68 Waktu Tunggu (detik) Waktu Simulasi (menit) Metode Statis Metode Dinamis Gambar 22 Grafik Waktu Tunggu Kendaraan Pada Pengujian 5 Ulangan 2 Pada Pengujian 5 Ulangan 3, dengan nyala lampu hijau selama 16 detik dan dijalankan selama 25 menit waktu simulasi, hasil yang diperoleh disajikan pada Tabel 23. Waktu tunggu kendaraan yang paling lama di Metode Statis adalah 83 detik yang terjadi pada waktu simulasi menit ke 24 dan menit ke 25. Sedangkan waktu tunggu kendaraan yang paling lama di Metode Dinamis adalah 68 detik yang terjadi pada waktu simulasi menit ke 17. Tabel 23 Waktu Tunggu Kendaraan Pada Pengujian 5 Ulangan 3 Waktu Simulasi Waktu tunggu kendaraan (detik) (menit ke-) Metode Statis Metode Dinamis

69 52 Waktu Simulasi Waktu tunggu kendaraan (detik) (menit ke-) Metode Statis Metode Dinamis Rataan waktu tunggu (detik) Tabel 23 di atas menunjukkan pada Pengujian 5 Ulangan 3, waktu tunggu kendaraan di lampu lalu lintas yang diatur dengan Metode Statis memiliki nilai yang lebih besar dibandingkan dengan Metode Dinamis dengan rataan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Statis selama 46 detik dan Metode Dinamis selama 45 detik. Waktu Tunggu (detik) Waktu Simulasi (menit) Metode Statis Metode Dinamis Gambar 23 Grafik Waktu Tunggu Kendaraan Pada Pengujian 5 Ulangan 3

70 53 Berdasarkan hasil Pengujian 5 Ulangan 3 yang disajikan pada Tabel 23 dan Gambar 23 menunjukkan waktu tunggu kendaraan pada Metode Statis lebih lama dibandingkan waktu tunggu kendaraan pada Metode Dinamis yang mengakibatkan antrian kendaraan pada Metode Statis lebih banyak dibandingkan Metode Dinamis. Hasil Pengujian 5 dengan pengujian ulangan sebanyak 3 kali dan lampu hijau menyala selama 16 detik diperoleh rataan waktu tunggu kendaraan dan waktu tunggu maksimum dari kendaraan yang disajikan pada Tabel 24 dan Tabel 25 berikut: Tabel 24 Rataan Waktu Tunggu Kendaraan Pada Pengujian 5 Kegiatan Pengujian 5 Rataan waktu tunggu kendaraan (detik) Metode Statis Metode Dinamis Ulangan Ulangan Ulangan Hasil Pengujian Tabel 25 Waktu Tunggu Maksimum Kendaraan Pada Pengujian 5 Kegiatan Pengujian 5 Waktu tunggu maksimum kendaraan (detik) Metode Statis Simulasi Menit ke Metode Dinamis Simulasi Menit ke Ulangan Ulangan ,17 dan Ulangan dan Dari Tabel 24 dan Tabel 25 di atas menunjukkan bahwa pada Pengujian 5 rataan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Statis memiliki waktu yang lebih lama dibandingkan dengan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Dinamis. Waktu tunggu maksimum kendaraan pada Metode Statis adalah 87 detik pada simulasi menit ke 25 dan Metode Dinamis 73 detik pada simulasi menit ke 21.

71 Hasil Pengujian 6 Pada Pengujian 6, nyala lampu hijau diubah menjadi 15 detik dan dilakukan pengujian sebanyak 3 kali untuk melihat perubahan yang terjadi pada rataan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Statis dan Metode Dinamis. Pada Pengujian 6 Ulangan 1, dengan nyala lampu hijau selama 15 detik dan dijalankan selama 25 menit waktu simulasi, hasil yang diperoleh disajikan pada Tabel 26. Waktu tunggu kendaraan yang paling lama di Metode Dinamis adalah 79 detik yang terjadi pada waktu simulasi menit ke 24. Sedangkan waktu tunggu kendaraan yang paling lama di Metode Statis adalah 74 detik yang terjadi pada waktu simulasi menit ke 22. Tabel 26 Waktu Tunggu Kendaraan Pada Pengujian 6 Ulangan 1 Waktu Simulasi Waktu tunggu kendaraan (detik) (menit ke-) Metode Statis Metode Dinamis Rataan waktu tunggu (detik) 48 47

72 55 Tabel 26 di atas menunjukkan pada Pengujian 6 Ulangan 1, nilai rataan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Statis selama 48 detik dan Metode Dinamis selama 47 detik. Waktu Tunggu (detik) Waktu Simulasi (menit) Metode Statis Metode Dinamis Gambar 24 Grafik Waktu Tunggu Kendaraan Pada Pengujian 6 Ulangan 1 Berdasarkan hasil Pengujian 6 Ulangan 1 yang terlihat pada Tabel 26 dan Gambar 24 menunjukkan waktu tunggu kendaraan pada Metode Statis lebih lama dibandingkan waktu tunggu kendaraan pada Metode Dinamis yang mengakibatkan antrian kendaraan pada Metode Statis lebih banyak dibandingkan Metode Dinamis. Pada Pengujian 6 Ulangan 2, dengan nyala lampu hijau selama 15 detik dan dijalankan selama 25 menit waktu simulasi, hasil yang diperoleh disajikan pada Tabel 27. Waktu tunggu kendaraan yang paling lama di Metode Dinamis adalah 63 detik yang terjadi pada waktu simulasi menit ke 25. Sedangkan waktu tunggu kendaraan yang paling lama di Metode Statis adalah 61 detik yang terjadi pada waktu simulasi menit ke 24 dan menit ke 25.

73 56 Tabel 27 Waktu Tunggu Kendaraan Pada Pengujian 6 Ulangan 2 Waktu Simulasi Waktu tunggu kendaraan (detik) (menit ke-) Metode Statis Metode Dinamis Rataan waktu tunggu (detik) Tabel 27 di atas menunjukkan pada Pengujian 6 Ulangan 2, waktu tunggu kendaraan di lampu lalu lintas yang diatur dengan Metode Dinamis memiliki selisih nilai yang kecil dibandingkan dengan Metode Statis dengan rataan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Dinamis selama 42 detik dan Metode Statis selama 43 detik. Berdasarkan hasil Pengujian 6 Ulangan 2 yang terlihat pada Tabel 27 dan Gambar 25 menunjukkan waktu tunggu kendaraan pada Metode Statis lebih lama dibandingkan waktu tunggu kendaraan pada Metode Dinamis yang mengakibatkan antrian kendaraan pada Metode Dinamis lebih banyak dibandingkan Metode Statis.

74 57 70 Waktu Tunggu (detik) Waktu Simulasi (menit) Metode Statis Metode Dinamis Gambar 25 Grafik Waktu Tunggu Kendaraan Pada Pengujian 6 Ulangan 2 Pada Pengujian 6 Ulangan 3, dengan nyala lampu hijau selama 15 detik dan dijalankan selama 25 menit waktu simulasi, hasil yang diperoleh disajikan pada Tabel 28. Waktu tunggu kendaraan yang paling lama di Metode Dinamis adalah 63 detik yang terjadi pada waktu simulasi menit ke 20. Sedangkan waktu tunggu kendaraan yang paling lama di Metode Statis adalah 57 detik yang terjadi pada waktu simulasi menit ke 25. Tabel 28 Waktu Tunggu Kendaraan Pada Pengujian 6 Ulangan 3 Waktu Simulasi Waktu tunggu kendaraan (detik) (menit ke-) Metode Statis Metode Dinamis

75 58 Waktu Simulasi Waktu tunggu kendaraan (detik) (menit ke-) Metode Statis Metode Dinamis Rataan waktu tunggu (detik) Tabel 28 di atas menunjukkan pada Pengujian 6 Ulangan 3, nilai rataan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Statis selama 42 detik dan Metode Dinamis selama 42 detik. 70 Waktu Tunggu (detik) Waktu Simulasi (menit) Metode Statis Metode Dinamis Gambar 26 Grafik Waktu Tunggu Kendaraan Pada Pengujian 6 Ulangan 3

76 59 Berdasarkan hasil Pengujian 6 Ulangan 3 yang terlihat pada Tabel 28 dan Gambar 26 menunjukkan waktu tunggu kendaraan pada Metode Statis sama dengan waktu tunggu kendaraan pada Metode Dinamis. Hasil Pengujian 6 dengan pengujian ulangan sebanyak 3 kali dan lampu hijau menyala selama 15 detik diperoleh rataan waktu tunggu kendaraan dan waktu tunggu maksimum dari kendaraan yang disajikan pada Tabel 29 dan Tabel 30 berikut: Tabel 29 Rataan Waktu Tunggu Kendaraan Pada Pengujian 6 Kegiatan Pengujian 6 Rataan waktu tunggu kendaraan (detik) Metode Statis Metode Dinamis Ulangan Ulangan Ulangan Hasil Pengujian Tabel 30 Waktu Tunggu Maksimum Kendaraan Pada Pengujian 6 Kegiatan Pengujian 6 Waktu tunggu maksimum kendaraan (detik) Metode Simulasi Metode Statis Menit Dinamis Simulasi Menit ke ke Ulangan Ulangan , Ulangan Dari Tabel 29 dan Tabel 30 di atas menunjukkan bahwa pada Pengujian 6 dengan nyala lampu hijau selama 15 detik, rataan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Statis memiliki waktu yang lebih singkat dibandingkan dengan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Dinamis. Waktu tunggu maksimum kendaraan pada Metode Statis adalah 74 detik pada simulasi menit ke 22. Pada Metode Dinamis adalah 79 detik pada simulasi menit ke 24.

77 Hasil Pengujian 7 Pada Pengujian 7, nyala lampu hijau diubah menjadi 14 detik dan dilakukan pengujian sebanyak 3 kali untuk melihat perubahan yang terjadi pada rataan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Statis dan Metode Dinamis. Pada Pengujian 7 ulangan 1, dengan nyala lampu hijau selama 14 detik dan dijalankan selama 25 menit waktu simulasi, hasil yang diperoleh disajikan pada Tabel 32. Waktu tunggu kendaraan yang paling lama di Metode Dinamis adalah 69 detik yang terjadi pada waktu simulasi menit ke 22. Sedangkan waktu tunggu kendaraan yang paling lama di Metode Statis adalah 75 detik yang terjadi pada waktu simulasi menit ke 24. Tabel 31 Waktu Tunggu Kendaraan Pada Pengujian 7 Ulangan 1 Waktu Simulasi Waktu tunggu kendaraan (detik) (menit ke-) Metode Statis Metode Dinamis Rataan waktu tunggu (detik) 54 45

78 61 Tabel 31 di atas menunjukkan pada Pengujian 7 Ulangan 1, nilai rataan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Statis selama 54 detik dan Metode Dinamis selama 45 detik Metode Statis Metode Dinamis Gambar 27 Grafik Waktu Tunggu Kendaraan Pada Pengujian 7 Ulangan 1 Berdasarkan hasil Pengujian 7 Ulangan 1 yang terlihat pada Tabel 31 dan Gambar 27 menunjukkan waktu tunggu kendaraan pada Metode Statis lebih singkat dibandingkan waktu tunggu kendaraan pada Metode Dinamis yang mengakibatkan antrian kendaraan pada Metode Dinamis lebih banyak dibandingkan Metode Statis. Pada Pengujian 7 ulangan 2, dengan nyala lampu hijau selama 14 detik dan dijalankan selama 25 menit waktu simulasi, hasil yang diperoleh disajikan pada Tabel 32. Waktu tunggu kendaraan yang paling lama di Metode Dinamis adalah 60 detik yang terjadi pada waktu simulasi menit ke 23. Sedangkan waktu tunggu kendaraan yang paling lama di Metode Statis adalah 69 detik yang terjadi pada waktu simulasi menit ke 25.

79 62 Tabel 32 Waktu Tunggu Kendaraan Pada Pengujian 7 Ulangan 2 Waktu Simulasi Waktu tunggu kendaraan (detik) (menit ke-) Metode Statis Metode Dinamis Rataan waktu tunggu (detik) Tabel 32 di atas menunjukkan pada Pengujian 7 Ulangan 2, waktu tunggu kendaraan di lampu lalu lintas yang diatur dengan Metode Dinamis memiliki selisih nilai yang kecil dibandingkan dengan Metode Statis dengan rataan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Dinamis selama 43 detik dan Metode Statis selama 49 detik. Berdasarkan hasil Pengujian 7 Ulangan 2 yang terlihat pada Tabel 32 dan Gambar 28 menunjukkan waktu tunggu kendaraan pada Metode Statis lebih singkat dibandingkan waktu tunggu kendaraan pada Metode Dinamis yang mengakibatkan antrian kendaraan pada Metode Dinamis lebih banyak dibandingkan Metode Statis.

80 Metode Statis Metode Dinamis Gambar 28 Grafik Waktu Tunggu Kendaraan Pada Pengujian 7 Ulangan 2 Pada Pengujian 7 ulangan 3, dengan nyala lampu hijau selama 14 detik dan dijalankan selama 25 menit waktu simulasi, hasil yang diperoleh disajikan pada Tabel 33. Waktu tunggu kendaraan yang paling lama di Metode Dinamis adalah 62 detik yang terjadi pada waktu simulasi menit ke 23. Sedangkan waktu tunggu kendaraan yang paling lama di Metode Statis adalah 70 detik yang terjadi pada waktu simulasi menit ke 22 dan menit ke 25. Tabel 33 Waktu Tunggu Kendaraan Pada Pengujian 7 Ulangan 3 Waktu Simulasi Waktu tunggu kendaraan (detik) (menit ke-) Metode Statis Metode Dinamis

81 64 Waktu Simulasi Waktu tunggu kendaraan (detik) (menit ke-) Metode Statis Metode Dinamis Rataan waktu tunggu (detik) Tabel 33 di atas menunjukkan pada Pengujian 7 Ulangan 3, nilai rataan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Statis selama 49 detik dan Metode Dinamis selama 42 detik Metode Statis Metode Dinamis Gambar 29 Grafik Waktu Tunggu Kendaraan Pada Pengujian 7 Ulangan 3

82 65 Berdasarkan hasil Pengujian 7 Ulangan 3 yang terlihat pada Tabel 33 dan Gambar 29 menunjukkan waktu tunggu kendaraan pada Metode Statis lebih singkat dibandingkan waktu tunggu kendaraan pada Metode Dinamis yang mengakibatkan antrian kendaraan pada Metode Dinamis lebih banyak dibandingkan Metode Statis. Hasil Pengujian 7 dengan pengujian ulangan sebanyak 3 kali dan lampu hijau menyala selama 14 detik diperoleh rataan waktu tunggu kendaraan dan waktu tunggu maksimum dari kendaraan yang disajikan pada Tabel 34 dan Tabel 35 berikut: Tabel 34 Rataan Waktu Tunggu Kendaraan Pada Pengujian 7 Kegiatan Pengujian 7 Rataan waktu tunggu kendaraan (detik) Metode Statis Metode Dinamis Ulangan Ulangan Ulangan Hasil Pengujian Tabel 35 Waktu Tunggu Maksimum Kendaraan Pada Pengujian 7 Kegiatan Pengujian 7 Waktu tunggu maksimum kendaraan (detik) Metode Simulasi Metode Statis Menit Dinamis Simulasi Menit ke ke Ulangan Ulangan Ulangan dan Dari Tabel 34 dan Tabel 35 di atas menunjukkan bahwa pada Pengujian 7 dengan nyala lampu hijau selama 14 detik, rataan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Statis memiliki waktu yang lebih singkat dibandingkan dengan waktu tunggu kendaraan pada lampu lalu lintas yang diatur dengan Metode Dinamis. Waktu tunggu maksimum kendaraan pada Metode Statis adalah 64 detik pada simulasi menit ke 21 dan menit ke 25. Pada Metode Dinamis adalah 73 detik pada simulasi menit ke 25.

83 Ringkasan Pengujian Ringkasan hasil pengujian yang telah dilakukan sebanyak tujuh kali dapat dilihat pada Tabel 36: Tabel 36 Ringkasan Hasil Pengujian No Nama Kegiatan Waktu Tunggu Rataan Kendaraan (detik) Metode Statis Metode Dinamis 1 Pengujian dengan nyala lampu hijau 14 detik Pengujian dengan nyala lampu hijau 15 detik Pengujian dengan nyala lampu hijau 16 detik Pengujian dengan nyala lampu hijau 20 detik Pengujian dengan nyala lampu hijau 26 detik Pengujian dengan nyala lampu hijau 28 detik Pengujian dengan nyala lampu hijau 30 detik Dari hasil pengujian yang tersaji pada Tabel 36 di atas dapat dilihat bahwa: 1. waktu tunggu rataan kendaraan pada Metode Statis lebih lama dibandingkan waktu tunggu rataan kendaraan pada Metode Dinamis; 2. pada Pengujian 6 dengan nyala lampu hijau Metode Statis 15 detik waktu tunggu rataan kendaraan pada Metode Statis memiliki waktu tunggu rataan yang sama dengan waktu tunggu rataan kendaraan pada Metode Dinamis.

84 5 SIMPULAN DAN SARAN 5.1 Simpulan Dari uji coba yang telah dilakukan pada program simulasi pengaturan lalu lintas metode statis dapat disimpulkan bahwa : 1. secara umum waktu tunggu rataan kendaraan pada pengaturan lampu lalu lintas metode statis memiliki waktu yang lebih lama bila dibandingkan dengan metode dinamis; 2. hasil pengujian 5 dan pengujian 6, waktu tunggu rataan kendaraan pada pengaturan lampu lalu lintas metode statis memiliki nilai yang mendekati waktu tunggu rataan kendaraan pada pengaturan metode dinamis. Berdasarkan hasil uji coba perangkat lunak simulasi yang dibuat, maka dapat disimpulkan bahwa perangkat lunak simulasi tersebut akan bekerja optimal bila waktu nyala lampu hijau pada metode statis diubah dengan tenggang waktu antara 14 detik sampai 20 detik. 5.2 Saran Saran dari penelitian yang telah dilakukan adalah: 1. Penelitian ini masih perlu dikembangkan lebih lanjut dengan mempergunakan random distribusi antrian yang dapat diubah-ubah; 2. Dapat dijadikan sebagai referensi untuk pengembangan penelitian selanjutnya. 67

85 DAFTAR PUSTAKA Aziz S.A Case Study: Fuzzy Traffic Light Controller. [2 April 2009] Jang J.S.R., Sun C.T., Mizutani E Neuro-Fuzzy and Soft Computing. A Computational Approach to Learning and Machine Intelligence. Prentice-Hall International, Inc. Jee-Hyong Lee, Keon-Myung Lee, Lee-Kwang Hyung, Fuzzy Controller for Intersection Group. Industrial Automation and Control : Emerging Technologies. International IEEE/IAS Conference, 1995, pp Jee-Hyong Lee, Lee-Kwang Hyung, Distributed and Cooperative Fuzzy Controllers for Traffic Intersection Group. IEEE Transactions on Systems, Man, and Cybernetics Part C : Applications and Reviews, 1999 Kaur D., Konga Elisa, Konga Esa, Fuzzy Traffic Light Controller. Circuit and Systems. Proceedings of the 37 th Midwest Symposium, 1994, pp Khiang T.K., Khalid M., Yusof R Intelligent Traffic Lights Control By Fuzzy Logic. Malaysian Journal of Computer Science. Kusumadewi S Analisis dan Desain Sistem Fuzzy Menggunakan Tool Box Matlab. Penerbit Graha Ilmu Yogyakarta. Marimin Prof.,Dr.,Ir.,MSc Teori dan Aplikasi Sistem Pakar dalam Teknologi Manajerial. IPB Press. Zadeh L.A., Fuzzy Sets. Information and Control, 1965,

86 LAMPIRAN

87 70 Tampilan Program Hasil Pengujian 1 Ulangan 1 Tampilan Program Hasil Pengujian 1 Ulangan 2 Tampilan Program Hasil Pengujian 1 Ulangan 3

88 71 Tampilan Program Hasil Pengujian 2 Ulangan 1 Tampilan Program Hasil Pengujian 2 Ulangan 2 Tampilan Program Hasil Pengujian 2 Ulangan 3

89 72 Tampilan Program Hasil Pengujian 3 Ulangan 1 Tampilan Program Hasil Pengujian 3 Ulangan 2 Tampilan Program Hasil Pengujian 3 Ulangan 3

90 73 Tampilan Program Hasil Pengujian 4 Ulangan 1 Tampilan Program Hasil Pengujian 4 Ulangan 2 Tampilan Program Hasil Pengujian 4 Ulangan 3

91 74 Tampilan Program Hasil Pengujian 5 Ulangan 1 Tampilan Program Hasil Pengujian 5 Ulangan 2 Tampilan Program Hasil Pengujian 5 Ulangan 3

92 75 Tampilan Program Hasil Pengujian 6 Ulangan 1 Tampilan Program Hasil Pengujian 6 Ulangan 2 Tampilan Program Hasil Pengujian 6 Ulangan 3

3 METODOLOGI PENELITIAN

3 METODOLOGI PENELITIAN 3 METODOLOGI PENELITIAN 3.1 Kerangka Pemikiran Kerangka pemikiran dalam penelitian ini terbagi dalam beberapa tahap yang dimulai dari analisa hingga hasil penelitian, seperti diilustrasikan dalam Gambar

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Himpunan Himpunan adalah setiap daftar, kumpulan atau kelas objek-objek yang didefenisikan secara jelas, objek-objek dalam himpunan-himpunan yang dapat berupa apa saja: bilangan, orang,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Permintaan, Persediaan dan Produksi 2.1.1 Permintaan Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA Pada bab ini penulis akan menjelaskan mengenai landasan teori yang digunakan pada penelitian ini. Penjabaran ini bertujuan untuk memberikan pemahaman lebih mendalam kepada penulis

Lebih terperinci

Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas

Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas Zulfikar Sembiring Jurusan Teknik Informatika, Fakultas Teknik, Universitas Medan Area zoelsembiring@gmail.com Abstrak Logika Fuzzy telah banyak

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy Fuzzy secara bahasa diartikan sebagai kabur atau samar yang artinya suatu nilai dapat bernilai benar atau salah secara bersamaan. Dalam fuzzy dikenal derajat keanggotan

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Game dan Video Game Menurut kamus Cambridge Advanced Learner Dictionary, game adalah sebuah aktivitas menghibur dan menyenangkan yang dimainkan oleh anak anak. Sedangkan video

Lebih terperinci

BAB II: TINJAUAN PUSTAKA

BAB II: TINJAUAN PUSTAKA BAB II: TINJAUAN PUSTAKA Bab ini akan memberikan penjelasan awal mengenai konsep logika fuzzy beserta pengenalan sistem inferensi fuzzy secara umum. 2.1 LOGIKA FUZZY Konsep mengenai logika fuzzy diawali

Lebih terperinci

Erwien Tjipta Wijaya, ST.,M.Kom

Erwien Tjipta Wijaya, ST.,M.Kom Erwien Tjipta Wijaya, ST.,M.Kom PENDAHULUAN Logika Fuzzy pertama kali dikenalkan oleh Prof. Lotfi A. Zadeh tahun 1965 Dasar Logika Fuzzy adalah teori himpunan fuzzy. Teori himpunan fuzzy adalah peranan

Lebih terperinci

OPTIMISASI DELAY LAMPU HIJAU LALU LINTAS PADA PERSIMPANGAN DENGAN LOGIKA FUZZY METODE MAMDANI

OPTIMISASI DELAY LAMPU HIJAU LALU LINTAS PADA PERSIMPANGAN DENGAN LOGIKA FUZZY METODE MAMDANI OPTIMISASI DELAY LAMPU HIJAU LALU LINTAS PADA PERSIMPANGAN DENGAN LOGIKA FUZZY METODE MAMDANI Riska Megasari 1), Lukman 2), Khusnul Novianingsih 3) 1), 2), 3) Departemen Pendidikan Matematika FPMIPA UPI

Lebih terperinci

Pengantar Kecerdasan Buatan (AK045218) Logika Fuzzy

Pengantar Kecerdasan Buatan (AK045218) Logika Fuzzy Logika Fuzzy Pendahuluan Alasan digunakannya Logika Fuzzy Aplikasi Himpunan Fuzzy Fungsi keanggotaan Operator Dasar Zadeh Penalaran Monoton Fungsi Impilkasi Sistem Inferensi Fuzzy Basis Data Fuzzy Referensi

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Himpunan Himpunan adalah kata benda yang berasal dari kata himpun. Kata kerjanya adalah menghimpun. Menghimpun adalah kegiatan yang berhubungan dengan berbagai objek apa saja.

Lebih terperinci

LOGIKA FUZZY. Kelompok Rhio Bagus P Ishak Yusuf Martinus N Cendra Rossa Rahmat Adhi Chipty Zaimima

LOGIKA FUZZY. Kelompok Rhio Bagus P Ishak Yusuf Martinus N Cendra Rossa Rahmat Adhi Chipty Zaimima Sistem Berbasis Pengetahuan LOGIKA FUZZY Kelompok Rhio Bagus P 1308010 Ishak Yusuf 1308011 Martinus N 1308012 Cendra Rossa 1308013 Rahmat Adhi 1308014 Chipty Zaimima 1308069 Sekolah Tinggi Manajemen Industri

Lebih terperinci

Penggunaan Mamdani Fuzzy Expert System untuk Mengevaluasi Kinerja Dosen

Penggunaan Mamdani Fuzzy Expert System untuk Mengevaluasi Kinerja Dosen Penggunaan Mamdani Fuzzy Expert System untuk Mengevaluasi Kinerja Dosen Dwi Rolliawati Fakultas Ilmu Komputer, Sistem Komputer, Universitas Narotama dwi.roliawati@narotama.ac.id Abstrak Dosen sebagai pendidik

Lebih terperinci

Simulasi Pengaturan Lalu Lintas Menggunakan Logika Fuzzy

Simulasi Pengaturan Lalu Lintas Menggunakan Logika Fuzzy Simulasi Pengaturan Lalu Lintas Menggunakan Logika Fuzzy Raka Yusuf 1, Andi Andriansyah 2, Febi Pratiwi 3 Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Universitas Mercu Buana 1,3 Jurusan Teknik

Lebih terperinci

BAB IV PEMBAHASAN. Pada penelitian ini akan dibandingkan antara aplikasi teori graf fuzzy dan

BAB IV PEMBAHASAN. Pada penelitian ini akan dibandingkan antara aplikasi teori graf fuzzy dan BAB IV PEMBAHASAN Pada penelitian ini akan dibandingkan antara aplikasi teori graf fuzzy dan teori aljabar max-plus dalam pengaturan lampu lalu lintas di simpang empat Beran Kabupaten Sleman Provinsi Daerah

Lebih terperinci

BAB II LANDASAN TEORI. papernya yang monumental Fuzzy Set (Nasution, 2012). Dengan

BAB II LANDASAN TEORI. papernya yang monumental Fuzzy Set (Nasution, 2012). Dengan BAB II LANDASAN TEORI 2.. Logika Fuzzy Fuzzy set pertama kali diperkenalkan oleh Prof. Lotfi Zadeh, 965 orang Iran yang menjadi guru besar di University of California at Berkeley dalam papernya yang monumental

Lebih terperinci

Metode Fuzzy. Analisis Keputusan TIP FTP UB

Metode Fuzzy. Analisis Keputusan TIP FTP UB Metode Fuzzy Analisis Keputusan TIP FTP UB Pokok Bahasan Pendahuluan Logika Klasik dan Proposisi Himpunan Fuzzy Logika Fuzzy Operasi Fuzzy Contoh Pendahuluan Penggunaan istilah samar yang bersifat kualitatif

Lebih terperinci

SIMULASI SISTEM UNTUK PENGONTROLAN LAMPU DAN AIR CONDITIONER DENGAN MENGGUNAKAN LOGIKA FUZZY

SIMULASI SISTEM UNTUK PENGONTROLAN LAMPU DAN AIR CONDITIONER DENGAN MENGGUNAKAN LOGIKA FUZZY SIMULASI SISTEM UNTUK PENGONTROLAN LAMPU DAN AIR CONDITIONER DENGAN MENGGUNAKAN LOGIKA FUZZY Nesi Syafitri. N Teknik Informatika, Fakultas Teknik Universitas Islam Riau, Jalan Kaharuddin Nasution No. 3,

Lebih terperinci

DENIA FADILA RUSMAN

DENIA FADILA RUSMAN Sidang Tugas Akhir INVENTORY CONTROL SYSTEM UNTUK MENENTUKAN ORDER QUANTITY DAN REORDER POINT BAHAN BAKU POKOK TRANSFORMER MENGGUNAKAN METODE FUZZY (STUDI KASUS : PT BAMBANG DJAJA SURABAYA) DENIA FADILA

Lebih terperinci

ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA

ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA Rima Liana Gema, Devia Kartika, Mutiana Pratiwi Universitas Putra Indonesia YPTK Padang email: rimalianagema@upiyptk.ac.id ABSTRAK

Lebih terperinci

Aplikasi Graf Fuzzy dan Aljabar Max-Plus untuk Pengaturan. Lampu Lalu Lintas di Simpang Empat Beran Kabupaten Sleman

Aplikasi Graf Fuzzy dan Aljabar Max-Plus untuk Pengaturan. Lampu Lalu Lintas di Simpang Empat Beran Kabupaten Sleman Aplikasi Graf Fuzzy dan Aljabar Max-Plus untuk Pengaturan Lampu Lalu Lintas di Simpang Empat Beran Kabupaten Sleman Provinsi Daerah Istimewa Yogyakarta Oleh: Arifudin Prabowo Kurniawan 13305144011 ABSTRAK

Lebih terperinci

IMPLEMENTASI SISTEM FUZZY UNTUK PENGATURAN LAMPU LALU LINTAS BERDASARKAN KEPADATAN ARUS KENDARAAN

IMPLEMENTASI SISTEM FUZZY UNTUK PENGATURAN LAMPU LALU LINTAS BERDASARKAN KEPADATAN ARUS KENDARAAN TUGAS MATA KULIAH SISTEM FUZZY Bidang Pengaturan Lalu Lintas IMPLEMENTASI SISTEM FUZZY UNTUK PENGATURAN LAMPU LALU LINTAS BERDASARKAN KEPADATAN ARUS KENDARAAN KELOMPOK Bagus Tris AtmajaNRP 2405 100 019

Lebih terperinci

SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ

SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ P.A Teknik Informatika Universitas Ahmad Dahlan Yogyakarta Kampus 3 UAD, Jl. Prof. Soepomo rochmahdyah@yahoo.com Abstrak Perkembangan teknologi

Lebih terperinci

FUZZY LOGIC CONTROL 1. LOGIKA FUZZY

FUZZY LOGIC CONTROL 1. LOGIKA FUZZY 1. LOGIKA FUZZY Logika fuzzy adalah suatu cara tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Teknik ini menggunakan teori matematis himpunan fuzzy. Logika fuzzy berhubungan dengan

Lebih terperinci

PENGEMBANGAN FUZZY INFERENSI SISTEM UNTUK SELEKSI METODE PENINGKATAN PEROLEHAN MINYAK TINGKAT LANJUT INDAH MUSI INDRIA DEWI G

PENGEMBANGAN FUZZY INFERENSI SISTEM UNTUK SELEKSI METODE PENINGKATAN PEROLEHAN MINYAK TINGKAT LANJUT INDAH MUSI INDRIA DEWI G PENGEMBANGAN FUZZY INFERENSI SISTEM UNTUK SELEKSI METODE PENINGKATAN PEROLEHAN MINYAK TINGKAT LANJUT INDAH MUSI INDRIA DEWI G651034074 SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 SURAT PERNYATAAN

Lebih terperinci

MATERI KULIAH (PERTEMUAN 12,13) Lecturer : M. Miftakul Amin, M. Eng. Logika Fuzzy. Politeknik Negeri Sriwijaya Palembang

MATERI KULIAH (PERTEMUAN 12,13) Lecturer : M. Miftakul Amin, M. Eng. Logika Fuzzy. Politeknik Negeri Sriwijaya Palembang HIMPUNAN FUZZY MATERI KULIAH (PERTEMUAN 2,3) Lecturer : M. Miftakul Amin, M. Eng. Logika Fuzzy Jurusan Teknik Komputer Politeknik Negeri Sriwijaya Palembang Pokok Bahasan Sistem fuzzy Logika fuzzy Aplikasi

Lebih terperinci

Prediksi Jumlah Produksi Mebel Pada CV. Sinar Sukses Manado Menggunakan Fuzzy Inference System

Prediksi Jumlah Produksi Mebel Pada CV. Sinar Sukses Manado Menggunakan Fuzzy Inference System Jurnal Matematika dan Aplikasi decartesian ISSN:2302-4224 J o u r n a l h o m e p a g e: https://ejournal.unsrat.ac.id/index.php/decartesian decartesian Prediksi Jumlah Produksi Mebel Pada CV. Sinar Sukses

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN JURUSAN DI SMU DENGAN LOGIKA FUZZY

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN JURUSAN DI SMU DENGAN LOGIKA FUZZY SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN JURUSAN DI SMU DENGAN LOGIKA FUZZY Hafsah, Heru Cahya Rustamaji, Yulia Inayati Jurusan Teknik Informatika UPN "Veteran" Yogyakarta Jl. Babarsari No 2 Tambakbayan Yogyakarta

Lebih terperinci

BAB II LANDASAN TEORI. Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya

BAB II LANDASAN TEORI. Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya BAB II LANDASAN TEORI A. Logika Fuzzy Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya berada di luar model matematis dan bersifat inexact. Konsep ketidakpastian inilah yang

Lebih terperinci

BAB IV METODOLOGI. Gambar 4.1 Model keseimbangan air pada waduk (Sumber : Noor jannah,2004)

BAB IV METODOLOGI. Gambar 4.1 Model keseimbangan air pada waduk (Sumber : Noor jannah,2004) BAB IV METODOLOGI 4.1 Sistem Pengoperasian Waduk. Tujuan di bangun suatu sistem waduk sangat mempengaruhi strategi pengoperasian sistem waduk yang bersangkutan. Dalam mengembangkan model optimasi pengoperasian

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Sistem Pendukung Keputusan dapat diartikan sebagai sebuah sistem yang dimaksudkan untuk mendukung para pengambil keputusan dalam situasi tertentu. Sistem

Lebih terperinci

Presentasi TA DETEKSI PENYAKIT PARU-PARU OBSTRUKTIF KRONIS MENGGUNAKAN METODE FUZZY : STUDI KASUS DI RUMAH SAKIT XYZ. Muhammad Reza Budiman

Presentasi TA DETEKSI PENYAKIT PARU-PARU OBSTRUKTIF KRONIS MENGGUNAKAN METODE FUZZY : STUDI KASUS DI RUMAH SAKIT XYZ. Muhammad Reza Budiman Presentasi TA DETEKSI PENYAKIT PARU-PARU OBSTRUKTIF KRONIS MENGGUNAKAN METODE FUZZY : STUDI KASUS DI RUMAH SAKIT XYZ Muhammad Reza Budiman 5209100075 Jurusan Sistem Informasi Fakultas Teknologi Informasi

Lebih terperinci

BAB II KAJIAN PUSTAKA

BAB II KAJIAN PUSTAKA BAB II KAJIAN PUSTAKA A. Kompetensi Pedagogik Menurut Mahmudin (2008) Kompetensi Guru merupakan seperangkat pengetahuan, keterampilan, dan perilaku yang harus dimiliki, dihayati, dikuasai, dan diaktualisasikan

Lebih terperinci

PENERAPAN LOGIKA FUZZY MENGGUNAKAN SISTEM INFERENSI METODE TSUKAMOTO PADA PENGATURAN LAMPU LALU LINTAS DI PEREMPATAN MANDAN KABUPATEN SUKOHARJO

PENERAPAN LOGIKA FUZZY MENGGUNAKAN SISTEM INFERENSI METODE TSUKAMOTO PADA PENGATURAN LAMPU LALU LINTAS DI PEREMPATAN MANDAN KABUPATEN SUKOHARJO PENERAPAN LOGIKA FUZZY MENGGUNAKAN SISTEM INFERENSI METODE TSUKAMOTO PADA PENGATURAN LAMPU LALU LINTAS DI PEREMPATAN MANDAN KABUPATEN SUKOHARJO Kartika Dewayani, Titin Sri Martini, dan Mania Roswitha Program

Lebih terperinci

Himpunan Fuzzy. Sistem Pakar Program Studi : S1 sistem Informasi

Himpunan Fuzzy. Sistem Pakar Program Studi : S1 sistem Informasi Himpunan Fuzzy Sistem Pakar Program Studi : S1 sistem Informasi Outline Himpunan CRISP Himpunan Fuzzy Himpunan CRISP Pada himpunan tegas (crisp), nilai keanggotaan suatu item dalam suatu himpunan A, yang

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Sekarang ini hampir semua perusahaan yang bergerak di bidang industri dihadapkan pada suatu masalah yaitu adanya tingkat persaingan yang semakin kompetitif. Hal ini

Lebih terperinci

IMPLEMENTASI METODE FUZZY INFERENCE SYSTEM (FIS) MAMDANI DALAM PEMILIHAN PEKERJAAN BAGI LULUSAN IBI DARMAJAYA

IMPLEMENTASI METODE FUZZY INFERENCE SYSTEM (FIS) MAMDANI DALAM PEMILIHAN PEKERJAAN BAGI LULUSAN IBI DARMAJAYA IMPLEMENTASI METODE FUZZY INFERENCE SYSTEM (FIS) MAMDANI DALAM PEMILIHAN PEKERJAAN BAGI LULUSAN IBI DARMAJAYA Asri Bunga Renjani* 1, Yulmaini 2 Bandar Lampung, Telp. 0721-787214, Fax. 0721-700261 1,2 Teknik

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Komponen Mobil Mesin terdiri atas beberapa bagian yang memiliki fungsinya masingmaning. Bagian-bagian atau komponen-komponen tersebut bekerja bersama-sama untuk menghasilkan

Lebih terperinci

PENERAPAN LOGIKA FUZZY MENGGUNAKAN SISTEM INFERENSI METODE TSUKAMOTO PADA PENGATURAN LAMPU LALU LINTAS DI PEREMPATAN MANDAN KABUPATEN SUKOHARJO

PENERAPAN LOGIKA FUZZY MENGGUNAKAN SISTEM INFERENSI METODE TSUKAMOTO PADA PENGATURAN LAMPU LALU LINTAS DI PEREMPATAN MANDAN KABUPATEN SUKOHARJO PENERAPAN LOGIKA FUZZY MENGGUNAKAN SISTEM INFERENSI METODE TSUKAMOTO PADA PENGATURAN LAMPU LALU LINTAS DI PEREMPATAN MANDAN KABUPATEN SUKOHARJO oleh KARTIKA DEWAYANI M0112048 SKRIPSI ditulis dan diajukan

Lebih terperinci

Praktikum sistem Pakar Fuzzy Expert System

Praktikum sistem Pakar Fuzzy Expert System Praktikum sistem Pakar Fuzzy Expert System Ketentuan Praktikum 1. Lembar Kerja Praktikum ini dibuat sebagai panduan bagi mahasiswa untuk praktikum pertemuan ke - 8 2. Mahasiswa akan mendapatkan penjelasan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 5 BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy Logika fuzzy adalah cabang dari sistem kecerdasan buatan (Artificial Inteligent) yang mengemulasi kemampuan manusia dalam berfikir ke dalam bentuk algoritma yang

Lebih terperinci

ANALISIS & DESAIN SISTEM FUZZY. Menggunakan TOOLBOX MATLAB

ANALISIS & DESAIN SISTEM FUZZY. Menggunakan TOOLBOX MATLAB ANALISIS & DESAIN SISTEM FUZZY Menggunakan TOOLBOX MATLAB ANALISIS & DESAIN SISTEM FUZZY Menggunakan TOOLBOX MATLAB Sri Kusumadewi Analisis & Desain Sistem Fuzzy Menggunakan Toolbox Matlab Oleh: Sri Kusumadewi

Lebih terperinci

Fuzzy Inference System untuk Mengurangi Kemacetan di Perempatan Jalan

Fuzzy Inference System untuk Mengurangi Kemacetan di Perempatan Jalan Fuzzy Inference System untuk Mengurangi Kemacetan di Perempatan Jalan Edwin Romelta / 13508052 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha

Lebih terperinci

LOGIKA FUZZY (Lanjutan)

LOGIKA FUZZY (Lanjutan) Metode Mamdani Metode mamdani sering dikenal sebagai metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Menurut metode ini, ada empat tahap yang harus dilalui untuk mendapatkan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Beras merupakan salah satu kebutuhan pokok manusia yang sangat penting dalam kelangsungan hidupnya. Untuk memenuhi kebutuhan beras, setiap manusia mempunyai cara-cara

Lebih terperinci

Kata kunci: Sistem pendukung keputusan metode Sugeno, tingkat kepribadian siswa

Kata kunci: Sistem pendukung keputusan metode Sugeno, tingkat kepribadian siswa SISTEM PENDUKUNG KEPUTUSAN METODE SUGENO DALAM MENENTUKAN TINGKAT KEPRIBADIAN SISWA BERDASARKAN PENDIDIKAN (STUDI KASUS DI MI MIFTAHUL ULUM GONDANGLEGI MALANG) Wildan Hakim, 2 Turmudi, 3 Wahyu H. Irawan

Lebih terperinci

BAB III METODOLOGI 3.1. PENDAHULUAN

BAB III METODOLOGI 3.1. PENDAHULUAN BAB III METODOLOGI 3.1. PENDAHULUAN Dalam melakukan studi Tugas Akhir diperlukan metodologi yang akan digunakan agar studi ini dapat berjalan sesuai dengan koridor yang telah direncanakan di awal. Dalam

Lebih terperinci

BAB III METODE FUZZY MAMDANI

BAB III METODE FUZZY MAMDANI 29 BAB III METODE FUZZY MAMDANI Fuzzy Inference System merupakan sebuah kerangka kerja perhitungan berdasarkan konsep teori himpunan fuzzy dan pemikiran fuzzy yang digunakan dalam penarikan kesimpulan

Lebih terperinci

Proses Defuzzifikasi pada Metode Mamdani dalam Memprediksi Jumlah Produksi Menggunakan Metode Mean Of Maximum

Proses Defuzzifikasi pada Metode Mamdani dalam Memprediksi Jumlah Produksi Menggunakan Metode Mean Of Maximum Prosiding Penelitian SPeSIA Unisba 2015 ISSN: 2460-6464 Proses Defuzzifikasi pada Metode Mamdani dalam Memprediksi Jumlah Produksi Menggunakan Metode Mean Of Maximum 1 Fitria Tri Suwarmi, 2 M. Yusuf Fajar,

Lebih terperinci

METODOLOGI PENELITIAN

METODOLOGI PENELITIAN 7 terboboti dari daerah output fuzzy. Metode ini paling dikenal dan sangat luas dipergunakan. First of Maxima (FoM) dan Last of Maxima (LoM) Pada First of Maxima (FoM), defuzzifikasi B( y) didefinisikan

Lebih terperinci

SIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI

SIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI SIMULASI MENENTUKAN WAKTU MEMASAK BUAH KELAPA SAWIT MENGGUNAKAN FUZZY MAMDANI Nofriadi * 1), Havid Syafwan 2) 1) Program Studi Sistem Informasi, STMIK Royal Kisaran Jl. Prof. M. Yamin 173 Kisaran, Sumatera

Lebih terperinci

Bab III TEORI DAN PENGONTOR BERBASIS LOGIKA FUZZI

Bab III TEORI DAN PENGONTOR BERBASIS LOGIKA FUZZI Bab III TEORI DAN PENGONTOR BERBASIS LOGIKA FUZZI III.1 Teori Logika fuzzi III.1.1 Logika fuzzi Secara Umum Logika fuzzi adalah teori yang memetakan ruangan input ke ruang output dengan menggunakan aturan-aturan

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY

SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY oleh: 1 I Putu Dody Lesmana, 2 Arfian Siswo Bintoro 1,2 Jurusan Teknologi Informasi, Politeknik

Lebih terperinci

BAB IV KONSEP FUZZY LOGIC DAN PENERAPAN PADA SISTEM KONTROL. asing. Dalam pengalaman keseharian kita, permasalahan yang berkaitan dengan fuzzy

BAB IV KONSEP FUZZY LOGIC DAN PENERAPAN PADA SISTEM KONTROL. asing. Dalam pengalaman keseharian kita, permasalahan yang berkaitan dengan fuzzy BAB IV KONSEP FUZZY LOGIC DAN PENERAPAN PADA SISTEM KONTROL 4.1 Pengenalan konsep fuzzy logic Konsep mengenai fuzzy logic bukanlah merupakan sesuatu yang baru dan asing. Dalam pengalaman keseharian kita,

Lebih terperinci

FUZZY MULTI-CRITERIA DECISION MAKING

FUZZY MULTI-CRITERIA DECISION MAKING Media Informatika, Vol. 3 No. 1, Juni 2005, 25-38 ISSN: 0854-4743 FUZZY MULTI-CRITERIA DECISION MAKING Sri Kusumadewi, Idham Guswaludin Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas

Lebih terperinci

Prosiding Matematika ISSN:

Prosiding Matematika ISSN: Prosiding Matematika ISSN: 2460-6464 Simulasi Pengaturan Lampu Lalu Lintas Menggunakan Fuzzy Inference System Metode Mamdani pada MATLAB Traffic Light Simulation using Fuzzy Inference System with Mamdani

Lebih terperinci

PERANCANGAN SISTEM KONTROL LAMPU LALU LINTAS OTOMATIS BERBASIS LOGIKA FUZZY MENGGUNAKAN SENSOR KAMERA

PERANCANGAN SISTEM KONTROL LAMPU LALU LINTAS OTOMATIS BERBASIS LOGIKA FUZZY MENGGUNAKAN SENSOR KAMERA Seminar Tugas Akhir PERANCANGAN SISTEM KONTROL LAMPU LALU LINTAS OTOMATIS BERBASIS LOGIKA FUZZY MENGGUNAKAN SENSOR KAMERA Oleh : Andri Kuncoro NRP. 2406100042 Dosen Pembimbing : Ir. Moch. Ilyas Hs. NIP.194909191979031002

Lebih terperinci

PEMODELAN SISTEM PENDULUM TERBALIK GANDA DAN KARAKTERISASI PARAMETER PADA MASALAH REGULASI OPTIMAL HASBY ASSIDIQI

PEMODELAN SISTEM PENDULUM TERBALIK GANDA DAN KARAKTERISASI PARAMETER PADA MASALAH REGULASI OPTIMAL HASBY ASSIDIQI PEMODELAN SISTEM PENDULUM TERBALIK GANDA DAN KARAKTERISASI PARAMETER PADA MASALAH REGULASI OPTIMAL HASBY ASSIDIQI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN

Lebih terperinci

FUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR

FUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR Seminar Nasional Informatika 23 (semnasif 23) ISSN: 979-2328 UPN Veteran Yogyakarta, 8 Mei 23 FUZZY MAMDANI DALAM MENENTUKAN TINGKAT KEBERHASILAN DOSEN MENGAJAR Sundari Retno Andani ) ) AMIK Tunas Bangsa

Lebih terperinci

PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI

PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI Much. Djunaidi Jurusan Teknik Industri Universitas Muhammadiyah Surakarta Jl. Ahmad Yani Tromol Pos 1 Pabelan Surakarta email: joned72@yahoo.com

Lebih terperinci

DESAIN PENGATUR LAMPU LALU LINTAS ADAPTIF DENGAN KENDALI LOGIKA FUZZY

DESAIN PENGATUR LAMPU LALU LINTAS ADAPTIF DENGAN KENDALI LOGIKA FUZZY DESAIN PENGATUR LAMPU LALU LINTAS ADAPTIF DENGAN KENDALI LOGIKA FUZZY Erwan Eko Prasetiyo 1), Oyas Wahyunggoro 2), Selo Sulistyo 3) 1), 2),3) Jurusan Teknik Elektro dan Teknologi Informasi Fakultas Teknik

Lebih terperinci

Fuzzy Logic. Untuk merepresentasikan masalah yang mengandung ketidakpastian ke dalam suatu bahasa formal yang dipahami komputer digunakan fuzzy logic.

Fuzzy Logic. Untuk merepresentasikan masalah yang mengandung ketidakpastian ke dalam suatu bahasa formal yang dipahami komputer digunakan fuzzy logic. Fuzzy Systems Fuzzy Logic Untuk merepresentasikan masalah yang mengandung ketidakpastian ke dalam suatu bahasa formal yang dipahami komputer digunakan fuzzy logic. Masalah: Pemberian beasiswa Misalkan

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Logika Fuzzy Logika Fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh pada tahun1965. Teori ini banyak diterapkan di berbagai bidang, antara lain representasipikiran manusia

Lebih terperinci

Aplikasi Fuzzy Logic Controller pada Sistem Lalu Lintas di Jalan Abu Bakar Ali, Yogyakarta

Aplikasi Fuzzy Logic Controller pada Sistem Lalu Lintas di Jalan Abu Bakar Ali, Yogyakarta SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Aplikasi Fuzzy Logic Controller pada Sistem Lalu Lintas di Jalan Abu Bakar Ali, Yogyakarta Indah Puspita, Erma Suryani, Agus Maman Abadi Program Studi

Lebih terperinci

PENDEKATAN LOGIKA FUZZY UNTUK MEMPREDIKSI IPK AKHIR MAHASISWA MATEMATIKA INSTITUT PERTANIAN BOGOR

PENDEKATAN LOGIKA FUZZY UNTUK MEMPREDIKSI IPK AKHIR MAHASISWA MATEMATIKA INSTITUT PERTANIAN BOGOR 1 PENDEKATAN LOGIKA FUZZY UNTUK MEMPREDIKSI IPK AKHIR MAHASISWA MATEMATIKA INSTITUT PERTANIAN BOGOR ANA MARNIDA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 2 PERNYATAAN MENGENAI TESIS DAN

Lebih terperinci

Penerapan Fuzzy Mamdani Pada Penilaian Kinerja Dosen (Studi Kasus STMIK Kaputama Binjai)

Penerapan Fuzzy Mamdani Pada Penilaian Kinerja Dosen (Studi Kasus STMIK Kaputama Binjai) Penerapan Fuzzy Mamdani Pada Penilaian Kinerja Dosen (Studi Kasus STMIK Kaputama Binjai) Magdalena Simanjuntak 1), Achmad Fauzi 2) Program Studi Teknik Informatika STMIK Kaputama 1) Program Studi Manajemen

Lebih terperinci

PERBANDINGAN METODE FUZZY SUGENO DAN METODE FUZZY MAMDANI DALAM PENENTUAN STOK BERAS PADA PERUM BULOG DIVISI REGIONAL SUMUT SKRIPSI

PERBANDINGAN METODE FUZZY SUGENO DAN METODE FUZZY MAMDANI DALAM PENENTUAN STOK BERAS PADA PERUM BULOG DIVISI REGIONAL SUMUT SKRIPSI PERBANDINGAN METODE FUZZY SUGENO DAN METODE FUZZY MAMDANI DALAM PENENTUAN STOK BERAS PADA PERUM BULOG DIVISI REGIONAL SUMUT SKRIPSI DESMON GUNADI SIAGIAN 110803066 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA

Lebih terperinci

JOBSHEET SISTEM CERDAS REASONING 2. Fuzzifikasi

JOBSHEET SISTEM CERDAS REASONING 2. Fuzzifikasi JOBSHEET SISTEM CERDAS REASONING 2 Fuzzifikasi S1 PENDIDIKAN TEKNIK ELEKTRO JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS NEGERI MALANG 2016 PRAKTIKUM SISTEM CERDAS - REASONING JOBSHEET 2 - FUZZIFIKASI

Lebih terperinci

KENDALI LOGIKA FUZZY PADA PENGATURAN LAMPU LALU LINTAS BERDASARKAN URGENCY DAN STOP DEGREE

KENDALI LOGIKA FUZZY PADA PENGATURAN LAMPU LALU LINTAS BERDASARKAN URGENCY DAN STOP DEGREE KENDALI LOGIKA FUZZY PADA PENGATURAN LAMPU LALU LINTAS BERDASARKAN URGENCY DAN STOP DEGREE Fitria Suryatini Program Studi Teknik Elektro Fakultas Teknik Universitas Islam 45 (UNISMA) E-mail: fitriasuryatini88@gmail.com

Lebih terperinci

Mahasiswa mampu memformulasikan permasalahan yang mengandung fakta dengan derajad ketidakpastian tertentu ke dalam pendekatan Sistem Fuzzy.

Mahasiswa mampu memformulasikan permasalahan yang mengandung fakta dengan derajad ketidakpastian tertentu ke dalam pendekatan Sistem Fuzzy. Chapter 7 Tujuan Instruksional Khusus Mahasiswa mampu memformulasikan permasalahan yang mengandung fakta dengan derajad ketidakpastian tertentu ke dalam pendekatan. Mahasiswa mampu melakukan perhitungan

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 4 BAB 2 TINJAUAN PUSTAKA 2.1. Pengertian Fuzzy Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output. Titik awal dari konsep modern

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Logika Fuzzy Logika fuzzy merupakan suatu metode pengambilan keputusan berbasis aturan yang digunakan untuk memecahkan keabu-abuan masalah pada sistem yang sulit dimodelkan

Lebih terperinci

Sistem Inferensi Fuzzy

Sistem Inferensi Fuzzy Sistem Inferensi Fuzzy METODE SUGENO 27 Sistem Inferensi Fuzzy Metode Tsukamoto Metode Sugeno! Diperkenalkan oleh Takagi-Sugeno-Kang, tahun 1985.! Bagian output (konsekuen) sistem tidak berupa himpunan

Lebih terperinci

Mengukur Tingkat Kepuasan Mahasiswa Terhadap Kinerja Dosen Menggunakan Metode Fuzzy Mamdani

Mengukur Tingkat Kepuasan Mahasiswa Terhadap Kinerja Dosen Menggunakan Metode Fuzzy Mamdani Seminar Nasional Teknologi Informatika, "The Future of Computer Vision", 27, ISBN : 978-62-56--7 Mengukur Tingkat Kepuasan Mahasiswa Terhadap Kinerja Dosen Menggunakan Metode Fuzzy Mamdani Sepri Yanti

Lebih terperinci

LOGIKA FUZZY PADA PROSES PELET PAKAN IKAN

LOGIKA FUZZY PADA PROSES PELET PAKAN IKAN LOGIKA FUZZY PADA PROSES PELET PAKAN IKAN Agung Saputra 1), Wisnu Broto 2), Ainil Syafitri 3) Prodi Elektro Fakultas Teknik Univ. Pancasila, Srengseng Sawah Jagakarsa, Jakarta, 12640 Email: 1) agungsap2002@yahoo.com

Lebih terperinci

PENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI

PENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI PENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI Ahmad Mufid Program Studi Sistem Komputer Fakultas Teknik Universitas Sultan Fatah (UNISFAT) Jl. Sultan Fatah No. 83 Demak Telpon

Lebih terperinci

BAB III ANALISA DAN PERANCANGAN SISTEM. ditujukan untuk menangani pencarian spesifikasi komputer yang sesuai dengan

BAB III ANALISA DAN PERANCANGAN SISTEM. ditujukan untuk menangani pencarian spesifikasi komputer yang sesuai dengan BAB III ANALISA DAN PERANCANGAN SISTEM III. Analisis Masalah Sistem yang dibuat pada studi kasus pemilihan spesifikasi komputer ini, ditujukan untuk menangani pencarian spesifikasi komputer yang sesuai

Lebih terperinci

PREDIKSI JUMLAH PRODUKSI BARANG BEDASARKAN JUMLAH PERMINTAAN DAN DATA JUMLAH PERSEDIAAN CV.CIHANJUANG INTI TEKNIK MENGGUNAKAN LOGIKA FUZZY MAMDANI

PREDIKSI JUMLAH PRODUKSI BARANG BEDASARKAN JUMLAH PERMINTAAN DAN DATA JUMLAH PERSEDIAAN CV.CIHANJUANG INTI TEKNIK MENGGUNAKAN LOGIKA FUZZY MAMDANI PREDIKSI JUMLAH PRODUKSI BARANG BEDASARKAN JUMLAH PERMINTAAN DAN DATA JUMLAH PERSEDIAAN CV.CIHANJUANG INTI TEKNIK MENGGUNAKAN LOGIKA FUZZY MAMDANI Rizka Munia Yogaswara 1), Gunawan Abdillah 2), Dian Nursantika

Lebih terperinci

Elin Haerani. Kata Kunci : Defuzzifikasi, COA (center of area), bisektor, MOM (mean of maximum) LOM

Elin Haerani. Kata Kunci : Defuzzifikasi, COA (center of area), bisektor, MOM (mean of maximum) LOM ANALISA KENDALI LOGIKA FUZZY DENGAN METODE DEFUZZIFIKASI COA (CENTER OF AREA), BISEKTOR, MOM (MEAN OF MAXIMUM), LOM (LARGEST OF MAXIMUM), DAN SOM (SMALLEST OF MAXIMUM) Elin Haerani Jurusan Teknik Informatika,

Lebih terperinci

: Sistem Pendukung Keputusan, Siswa berprestasi, Tsukamoto

: Sistem Pendukung Keputusan, Siswa berprestasi, Tsukamoto SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SISWA BERPRESTASI BERBASIS WEB DENGAN METODE TSUKAMOTO PADA SMA INSTITUT INDONESIA Eko Purwanto Program Studi Teknik Informatika, Fakultas Ilmu Komputer Universitas

Lebih terperinci

BAB II TEORI PENUNJANG

BAB II TEORI PENUNJANG BAB II TEORI PENUNJANG 2.1 LOGIKA FUZZY Titik awal dari konsep modern mengenai ketidakpastian adalah paper yang dibuat oleh Lofti A Zadeh, dimana Zadeh memperkenalkan teori yang memiliki obyek-obyek dari

Lebih terperinci

BAB III ANALISA DAN PERANCANGAN SISTEM

BAB III ANALISA DAN PERANCANGAN SISTEM BAB III ANALISA DAN PERANCANGAN SISTEM 3.1 ANALISIS SISTEM LALU LINTAS Pemahaman tentang sistem yang akan dirancang sangat diperlukan sebelum perangkat lunak dibangun. Pembangunan perangkat lunak dimulai

Lebih terperinci

PENENTUAN TINGKAT PELUNASAN PEMBAYARAN KREDIT PEMILIKAN MOBIL DI PT AUTO 2000 MENGGUNAKAN FUZZY MAMDANI

PENENTUAN TINGKAT PELUNASAN PEMBAYARAN KREDIT PEMILIKAN MOBIL DI PT AUTO 2000 MENGGUNAKAN FUZZY MAMDANI PENENTUAN TINGKAT PELUNASAN PEMBAYARAN KREDIT PEMILIKAN MOBIL DI PT AUTO 2000 MENGGUNAKAN FUZZY MAMDANI Hilda Lutfiah, Amar Sumarsa 2, dan Sri Setyaningsih 2. Program Studi Matematika Fakultas Matematika

Lebih terperinci

Sist Sis em t Fuzzy Fuzz Sistem Pakar

Sist Sis em t Fuzzy Fuzz Sistem Pakar Sistem Fuzzy Sistem Pakar Pendahuluan Manusia cenderung menggunakan bahasa dalam bentuk sesuatu yang dapat dipahami secara umum, bukan dalam bentuk bahasa matematika yang mementingkan akurasi. Misalkan,

Lebih terperinci

Menentukan Harga Beras Sesuai Mutu Kualitas Beras dengan Logika Fuzzy Mamdani

Menentukan Harga Beras Sesuai Mutu Kualitas Beras dengan Logika Fuzzy Mamdani SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 T - 13 Menentukan Harga Beras Sesuai Mutu Kualitas Beras dengan Logika Fuzzy Mamdani Ghulam Abdul Malik, Agus Maman Abadi Prodi Matematika, Universitas

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA 4 BAB II TINJAUAN PUSTAKA A. Penjurusan di SMA Sepanjang perkembangan Pendidikan formal di Indonesia teramati bahwa penjurusan di SMA telah dilaksanakan sejak awal kemerdekaan yaitu tahun 1945 sampai sekarang,

Lebih terperinci

ANALISIS KEPUASAN KONSUMEN BERDASARKAN TINGKAT PELAYANAN DAN HARGA KAMAR MENGGUNAKAN APLIKASI FUZZY DENGAN MATLAB 3.5.

ANALISIS KEPUASAN KONSUMEN BERDASARKAN TINGKAT PELAYANAN DAN HARGA KAMAR MENGGUNAKAN APLIKASI FUZZY DENGAN MATLAB 3.5. ANALISIS KEPUASAN KONSUMEN BERDASARKAN TINGKAT PELAYANAN DAN HARGA KAMAR MENGGUNAKAN APLIKASI FUZZY DENGAN MATLAB 3.5. Indah Pratiwi Jurusan Teknik Industri, Universitas Muhammadiyah Surakarta Jl. A. Yani

Lebih terperinci

BAB I PENDAHULUAN. semakin meningkat. Menurut Khisma (2016: 9) kemacetan kendaraan bermotor

BAB I PENDAHULUAN. semakin meningkat. Menurut Khisma (2016: 9) kemacetan kendaraan bermotor BAB I PENDAHULUAN A. Latar Belakang Masalah Yogyakarta merupakan kota dengan tingkat kemacetan lau lintas yang semakin meningkat. Menurut Khisma (2016: 9) kemacetan kendaraan bermotor menyebabkan banyak

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI Bab landasan teori bertujuan untuk memberikan penjelasan mengenai metode atau pun teori yang digunakan dalam laporan tugas akhir ini, sehingga dapat membangun pemahaman yang sama antara

Lebih terperinci

Bab 2 LANDASAN TEORI

Bab 2 LANDASAN TEORI Bab 2 LANDASAN TEORI 2.1 Persediaan 2.1.1 Definisi Persediaan Persediaan adalah bahan atau barang yang disimpan yang akan digunakan untuk memenuhi tujuan tertentu, misalnya untuk proses produksi atau perakitan,

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN HANDPHONE BERDASARKAN KEBUTUHAN KONSUMEN MENGGUNAKAN LOGIKA FUZZY. Abstraksi

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN HANDPHONE BERDASARKAN KEBUTUHAN KONSUMEN MENGGUNAKAN LOGIKA FUZZY. Abstraksi SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN HANDPHONE BERDASARKAN KEBUTUHAN KONSUMEN MENGGUNAKAN LOGIKA FUZZY Denny Cristiono T.S., Yugowati P.,Sri Yulianto J.P. Fakultas Teknologi Informasi Universitas Kristen

Lebih terperinci

Analisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic

Analisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic Analisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic Luh Kesuma Wardhani, Elin Haerani Jurusan Teknik Informatika Fakultas Sains dan Teknologi UIN SUSKA Riau

Lebih terperinci

BAB 2 2. LANDASAN TEORI

BAB 2 2. LANDASAN TEORI BAB 2 2. LANDASAN TEORI Bab ini akan menjelaskan mengenai logika fuzzy yang digunakan, himpunan fuzzy, penalaran fuzzy dengan metode Sugeno, dan stereo vision. 2.1 Logika Fuzzy Logika fuzzy adalah suatu

Lebih terperinci

STUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU)

STUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU) STUDY TENTANG APLIKASI FUZZY LOGIC MAMDANI DALAM PENENTUAN PRESTASI BELAJAR SISWA (STUDY KASUS: SMP PEMBANGUNAN NASIONAL PAGAR MERBAU) Desi Vinsensia Program Studi Teknik Informatika STMIK Pelita Nusantara

Lebih terperinci

LOGIKA SAMAR (FUZZY LOGIC)

LOGIKA SAMAR (FUZZY LOGIC) LOGIKA SAMAR (FUZZY LOGIC) 2. Himpunan Samar 2.. Himpunan Klasik dan Himpunan Samar Himpunan klasik merupakan himpunan dengan batasan yang tegas (crisp) (Jang, Sun, dan Mizutani, 24). Sebagai contoh :

Lebih terperinci

NURAIDA, IRYANTO, DJAKARIA SEBAYANG

NURAIDA, IRYANTO, DJAKARIA SEBAYANG Saintia Matematika Vol. 1, No. 6 (2013), pp. 543 555. ANALISIS TINGKAT KEPUASAN KONSUMEN BERDASARKAN PELAYANAN, HARGA DAN KUALITAS MAKANAN MENGGUNAKAN FUZZY MAMDANI (Studi Kasus pada Restoran Cepat Saji

Lebih terperinci

ANALISA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KOSENTRASI JURUSAN TEKNIK MESIN UNP PADANG

ANALISA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KOSENTRASI JURUSAN TEKNIK MESIN UNP PADANG ANALISA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KOSENTRASI JURUSAN TEKNIK MESIN UNP PADANG Harison Dosen Jurusan Teknik Informatika Fakultas Teknologi Industri Institut Teknologi Padang Abstrak Keputusan

Lebih terperinci

KETERKONTROLAN BEBERAPA SISTEM PENDULUM SAKIRMAN

KETERKONTROLAN BEBERAPA SISTEM PENDULUM SAKIRMAN KETERKONTROLAN BEBERAPA SISTEM PENDULUM SAKIRMAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan bahwa tesis Keterkontrolan

Lebih terperinci

Penggunaan Metode Logika Fuzzy Untuk Memprediksi Jumlah Kendaraan Bermotor Berdasarkan Tingkat Kebisingan Lalu Lintas, Lebar Jalan Dan Faktor Koreksi

Penggunaan Metode Logika Fuzzy Untuk Memprediksi Jumlah Kendaraan Bermotor Berdasarkan Tingkat Kebisingan Lalu Lintas, Lebar Jalan Dan Faktor Koreksi Jurnal Gradien Vol.3 No.2 Juli 2007 : 247-251 Penggunaan Metode Logika Fuzzy Untuk Memprediksi Jumlah Kendaraan Bermotor Berdasarkan Tingkat Kebisingan Lalu Lintas, Lebar Jalan Dan Faktor Koreksi Syamsul

Lebih terperinci