Bab IV HASIL DAN PEMBAHASAN. Berikut adalah data kedatangan yang didapat dari pihak manajemen (Tabel yang lebih

Bab IV HASIL DAN PEMBAHASAN 4.1 Pemaparan Data Data jumlah kedatangan penumpang diperoleh langsung dari pihak manajemen. Berikut adalah data kedatangan yang didapat dari pihak manajemen (Tabel yang lebih lengkap berada pada lampiran) : Tabel 4.1 Tabel jumlah penumpang Transjakarta tahun 2010 Manajemen Transjakarta Koridor Total Per Tahun Rata-Rata Per Hari Koridor 1 25.392.169 76.799 Koridor 2 10.593.510 29.601 Koridor 3 12.082.340 33.673 Koridor 4 7.614.610 23.269 Koridor 5 10.724.300 29.687 Koridor 6 8.201.408 26.445 Koridor 7 6.419.408 18.160 Koridor 8 6.906.768 16.974 Koridor 9 1.575 105 Koridor 10 1.068 72 Total 86.937.169 254.794 Bus Transjakarta beroperasi mulai dari jam 05.00 hingga 22.00. Sistem kerja bus Transjakarta dibagi menjadi 2 shift kerja. Yaitu shift 1 jam 05.00 14.00 dan shift 2 jam

52 14.00 22.00. dimana bus dalam 1 koridor akan dibagi menjadi dua dimana bus bus tersebut akan memulai start dari 2 titik halte paling ujung. Dimana pengunjung dari masing masing start memberikan perbandingan sebanyak 60 : 40 untuk pagi hari dan 40 : 60 untuk malam hari. Sedangkan untuk siang hari kedua arah tersebut cenderung merata (50 : 50). Selain itu didapatkan data penelitian manajemen untuk kedatangan per jam untuk 3 koridor fokus studi yang diambil pada tanggal 13 Desember 2010 hingga 17 Desember 2010(data lengkap pada lampiran), menyatakan bahwa terdapat 3 buah periode besar dimana terdapat perubahan grafik kedatangan penumpang, ketiga periode tersebut adalah: Tabel 4.2 Rata rata penumpang tiap jamnya bulan Desember 2010 Manajemen Transjakarta Jam Koridor 1 Koridor 2 Koridor 3 Rata2 Pk.05.00-05.59 2017 1786 2276 2026 Pk.06.00-06.59 3809 2962 4601 3791 Pk.07.00-07.59 4754 1964 2941 3220 Pk.08.00-08.59 3902 167 2319 2632 Pk.09.00-09.59 3317 1245 2134 2232 Pk.10.00-10.59 3107 1215 1795 2039 Pk.11.00-11.59 2791 903 1440 1711 Pk.12.00-12.59 3251 1304 173 2095 Pk.13.00-13.59 4787 1704 2253 2915 Pk.14.00-14.59 4708 1609 1862 2727

53 Pk.15.00-15.59 5929 1791 2037 3253 Pk.16.00-16.59 7512 2071 2401 3995 Pk.17.00-17.59 9390 2248 2603 4747 Pk.18.00-18.59 7219 1644 1958 3607 Pk.19.00-19.59 5340 1391 1490 2741 Pk.20.00-20.59 4413 1208 1179 2267 Pk.21.00-22.00 3097 584 604 1428 1. Periode pergi kerja (05.00 11.00) yang memberikan kontribusi sekitar 33,5% dari jumlah harian 2. Periode siang dan pergantian shiftpegawai (11.00 16.00) yang memberikan kontribusi sekitar 26.5% dari jumlah harian 3. Periode pulang kerja (16.00 22.00) yang memberikan kontribusi 40% dari jumlah harian Data di atas menunjukan bahwa kedatangan penumpang tidak tetap setiap saat. Sedangkan untuk jumlah penumpang yang melakukan transit pada halte transit seperti Halte Grogol, Halte Harmoni, Halte Senen, dan Halte Dukuh Atas tidak didapat dari manajemen karena sulitnya melakukan pengambilan data tersebut. Berikut ini adalah data perencanaan Manajemen Transjakarta untuk setiap koridor:

54 Tabel 4.3Tabel alokasi bus, panjang koridor, dan waktu tempuh normal Manajemen Transjakarta Koridor Jumlah Panjang Koridor Waktu Tempuh Normal Koridor 1 74 12,9 KM 45 menit Koridor 2 40 14 KM 45 menit Koridor 3 54 19 KM 50 menit Pembagian bus untuk setip harinya bervariasi untuk setiap jam. Untuk pagi hari, pukul 05.00 05.30 dan malam hari, pukul 21.00 22.00 bus yang beroperasi lebih sedikit dikarenakan jumlah penumpang tidak terlalu banyak. Khusus koridor 1, pembagian bus lebih kompleks lagi dikarenakan bus dialokasikan untuk jalur trayek khusus Ragunan Harmoni, Harmoni Ancol, PGC Ancol, Harmoni PGC. Untuk pengisian bahan bakar, untuk Koridor 1 Bus Transjakarta menggunakan bahan bakar solar dan pengisian dapat dilakukan menggunakan mobil pengisian bahan bakar di beberapa halte, dan stasiun pengisian bahan bakar khusus Bus Transjakarta sehingga waktu pengisian menjadi fleksibel. Sedangkan Kooridor 2 dan Kooridor 3 yang menggunakan bahan bakar gas, stasiun pengisian bahan bakar berada di Pemuda dan memakan waktu sekitar 2 6 jam untuk melakukan pengisian bahan bakar karena banyaknya bus dari koridor lain yang juga mengisi bahan bakar di Stasiun Pemuda. Namun sekali pengisian, rata rata setiap bus mampu melakukan 4 kali perjalanan. 4.2 Analisis Data Sebelum memasukan data ke dalam analisis Teori Antrian, dilakukan analisis untuk menguji apakan data yang telah diperoleh dari manajemen adalah sebaran poisson.

55 Untuk melakukan pengujian distribusi poisson, maka penulis memasukan data kedatangan per jam setiap hari ke dalam SPSS. Gambar 4.1 Uji Distribusi Poisson pada data kedatangan penumpang Analisis sistem berjalan di sini dibuat menggunakan Teori Antrian, melalui data yang didapat, dimana untuk koridor 1 saja dengan default kedatangan bus selama 2 menit dan terdapat rata rata 76,799 orang penumpang setiap harinyadan kapasitas maksimal busway sebanyak 85 orang (Bus koridor 1 tidak memiliki bus gandeng) dan waktu kerja selama 17 jam (pukul 05.00 hingga 22.00) maka dengan Teori Antrian, perhitunggan manual untuk pola kedatangan bus dapat dihitung seperti berikut: 1. Jumlah kedatangan: Periode 1 = 33,5% x 76799 = 25728 orang λ 11 = 25728 orang x 60% / 6 jam = 2573 orang per jam λ 12 = 25728 orang x 40% / 6 jam = 1715 orang per jam Periode 2 = 26.5% x 76799 = 20352 orang

56 λ 21 = 20352 orang x 50% / 5 jam = 2035 orang per jam λ 22 = 20352 orang x 50% / 5 jam = 2035 orang per jam Periode 1 = 37,5% x 76799 = 30720 orang λ 31 = 30720 orang x 65% / 6 jam =2048 orang per jam λ 32 = 30720 orang x 35% / 6 jam = 3072 orang per jam 2. Untuk perhitungan manual. kapasitas pelayanan yang diambil dari 3 buah rentang waktu kedatangan sebagai perbandingan. Dengan masing masing: μ = 85 x 20 = 1700 (dengan asumsi kedatangan 3 menit sekali ) μ = 85 x 30 = 2550 (dengan asumsi kedatangan 2 menit sekali - default ) μ = 85 x 40 = 3400 (dengan asumsi kedatangan 1,5 menit sekali ) Untuk perhitungan komputer, maka rentang waktu diberikan 10 buah antara (5,5 menit hingga 1,5 menit dengan jarak 0,5 menit). 3. Kemungkinan kosongnya sistem (P0) untuk setiap rentang waktu kedatangan dapat dihitung dengan: Periode 1: P0 = 1 P0 = 1 P0 = 1 = 1 = -0.5135(Bulking) = 1 = -0.0090(Bulking untuk default) = 1 = 0.2432 P0 = 1 P0 = 1 P0 = 1 = 1 = 1 = 0.3275 = 1 = 0.4956 = -0.0088 (Bulking)

57 Begitu pula untuk periode 2 dan periode 3: P0 = -0,1971 P0 = -0,2047 P0 = 0,2020 P0 = 0,1969 P0 = 0,4015 P0 = 0,3976 P0 = -0,1971 P0 = -0,8071 P0 = 0,2020 P0 = -0,2047 P0 = 0,4015 P0 = 0,0965 Dari hasil perhitungan P0, maka dapat disimpulkan bahwa asumsi kedatangan bus selama 3 menit sekali dan 2 menit sekali pada periode 1start 1 tidak memiliki kemungkinan halte kosong. Hal ini dapat dilihat dari nilai P0 yang bernilai negatif. Sedangkan untuk kedatangan 1,5 menit sekali memiliki kemungkinan halte kosong (dengan catatan bus selalu dalam kondisi penuh)dan dianjurkan pola kedatangan lebih cepat lagi. Sedangkan untuk start 2 kedatangan 3 menit sekali masuk ke dalam kriteria (kriteria 0 < P0 < 0,3) namun pada perhitungan program dianjurkan untuk menggunakan kedatangan 2,5 menit.sedangkan untuk periode ke 2, untuk masing masing start, bisa menggunakan pola kedatangan 2 menit sekali. Dan untuk periode ke 3, start pertama dianjurkan untuk menggunakan pola kedatangan 2 menit sekali dan start pertama dianjurkan menggunakan pola kedatangan 1,5 menit sekali. Dengan menggunakan perhitungan kedatangan diatas, maka perhitungan LQ (banyaknya orang dalam antrian), dan WQ (rata-rata waktu tunggu dalam antrian) adalah sebagai berikut:

58 Periode pertama: LQ = 3 orang WQ = 3,24 detik LQ, = 5 orang WQ, = 9,36detik Begitu pula untuk periode 2 dan periode 3: LQ = 4 orang WQ = 5,4 detik LQ = 4 orang WQ = 5,4 detik LQ = 4 orang WQ = 5,76 detik LQ = 9 orang WQ = 10,08 detik

59 Gambar 4.2 Hasil perhitungan program untuk koridor 1 Begitu pula dengan koridor koridor yang termasuk dalam ruang lingkup penulis (Pulo Gadung Harmoni dan Kalideres Pasar Baru, dua-duanya memiliki

60 default waktu kedatangan antar bus sebesar 1,5 menit) dengan tidak memiliki bus gandeng, dan perhitungan program sebagai berikut: Gambar 4.3 Hasil perhitungan program untuk koridor 2

61 Dengan perhitungan program diatas, didapatkan untuk periode pertama, start 1 optimum dengan kedatangan 4 menit, start 2 dengan kedatangan 5,5 menit sekali. Sedangkan untuk periode ke 2 optimum dengan kedatangan 5 menit, dan periode 3menggunakan pola kedatangan 5 dan 3,5 menit. Sedangkan untuk Kalideres Pasar Baru, dengan perhitungan program didapatkan: Gambar 4.4 Hasil perhitungan program untuk koridor 3

62 Dengan perhitungan program di atas, maka untuk periode 1, pola kedatangan menggunakan 5 menit dan 3,5 menit sekali. Untuk periode 2, akan maksimal di pola kedatangan 4,5 menit sekali, dan periode 3 akan menggunakan pola kedatangan 4 dan 3,5 menit sekali. Perhitungan di atas mengacu kepada keadaan apabila bus selalu terisi penuh (85 penumpang per bus). Ada baiknya bila perhitungan dapat menggunakan perhitungan dari faktor penumpangyang melakukan transit. Hasil rentang waktu kedatangan antar bus selanjutnya akan menjadi inputan untuk diolah menjadi penjadwalan oleh Algoritma Genetik. 4.3 Optimalisasi Penjadwalan Setelah melalui proses analisis, maka penjadwalan akan di generate menggunakan program yang telah dibuat berdasarkan metode Algoritma Genetik.Program tersebut akan menjalankan langkah seperti yang tertulis pada bab 3 dan akan berhenti apabila semua constraint telah terpenuhi dan fitness = 1. Berikut adalah perhitungan fitness 50 iterasi pertama pada program (nilai fitness dibulatkan 5 angka dibelakang nol): Proc: 0 cromosome ( [0] => 0.00131 [1] => 0.00271 [2] => 0.00256 [3] => 0.00267 ) Proc: 1 cromosome ( [0] => 0.00271 [1] => 0.00263 [2] => 0.0024 [3] => 0.00235 ) Proc: 2 cromosome ( [0] => 0.00271 [1] => 0.00263 [2] => 0.00219 [3] => 0.00216 ) Proc: 3 cromosome ( [0] => 0.00271 [1] => 0.00263 [2] => 0.00256 [3] => 0.0024 )

63 Proc: 4 cromosome ( [0] => 0.00271 [1] => 0.00263 [2] => 0.00256 [3] => 0.00216 ) Proc: 5 cromosome ( [0] => 0.00271 [1] => 0.00263 [2] => 0.00226 [3] => 0.00202 ) Proc: 6 cromosome ( [0] => 0.00271 [1] => 0.00263 [2] => 0.00216 [3] => 0.00198 ) Proc: 7 cromosome ( [0] => 0.00271 [1] => 0.00263 [2] => 0.0025 [3] => 0.0026 ) Proc: 8 cromosome ( [0] => 0.00271 [1] => 0.00263 [2] => 0.00243 [3] => 0.00221 ) Proc: 9 cromosome ( [0] => 0.00271 [1] => 0.00263 [2] => 0.00253 [3] => 0.0025 ) Proc: 10 cromosome ( [0] => 0.00271 [1] => 0.00263 [2] => 0.00221 [3] => 0.00207 ) Proc: 11 cromosome ( [0] => 0.00271 [1] => 0.00263 [2] => 0.00205 [3] => 0.00232 ) Proc: 12 cromosome ( [0] => 0.00271 [1] => 0.0026 [2] => 0.00235 [3] => 0.00219 ) Proc: 13 cromosome ( [0] => 0.00271 [1] => 0.0026 [2] => 0.00219 [3] => 0.00202 ) Proc: 14 cromosome ( [0] => 0.00271 [1] => 0.0026 [2] => 0.00232 [3] => 0.00214 ) Proc: 15 cromosome ( [0] => 0.00271 [1] => 0.00263 [2] => 0.00214 [3] => 0.00214 )

64 Proc: 16 cromosome ( [0] => 0.00271 [1] => 0.0026 [2] => 0.00226 [3] => 0.00216 ) Proc: 17 cromosome ( [0] => 0.00271 [1] => 0.00263 [2] => 0.00229 [3] => 0.00224 ) Proc: 18 cromosome ( [0] => 0.00271 [1] => 0.00263 [2] => 0.00221 [3] => 0.00207 ) Proc: 19 cromosome ( [0] => 0.00271 [1] => 0.00263 [2] => 0.00226 [3] => 0.00224 ) Proc: 20 cromosome ( [0] => 0.00271 [1] => 0.00263 [2] => 0.00229 [3] => 0.00209 ) Proc: 21 cromosome ( [0] => 0.00271 [1] => 0.00263 [2] => 0.00211 [3] => 0.00221 ) Proc: 22 cromosome ( [0] => 0.00271 [1] => 0.00263 [2] => 0.00224 [3] => 0.00216 ) Proc: 23 cromosome ( [0] => 0.00271 [1] => 0.00267 [2] => 0.00211 [3] => 0.00219 ) Proc: 24 cromosome ( [0] => 0.00271 [1] => 0.00267 [2] => 0.00237 [3] => 0.00232 ) Proc: 25 cromosome ( [0] => 0.00271 [1] => 0.00267 [2] => 0.00229 [3] => 0.00232 ) Proc: 26 cromosome ( [0] => 0.00271 [1] => 0.00267 [2] => 0.00243 [3] => 0.00237 ) Proc: 27 cromosome ( [0] => 0.00271 [1] => 0.00267 [2] => 0.0025 [3] => 0.00235 )

65 Proc: 28 cromosome ( [0] => 0.00271 [1] => 0.00267 [2] => 0.0025 [3] => 0.0026 ) Proc: 29 cromosome ( [0] => 0.00271 [1] => 0.00267 [2] => 0.00271 [3] => 0.0024 ) Proc: 30 cromosome ( [0] => 0.00271 [1] => 0.00275 [2] => 0.00267 [3] => 0.00263 ) Current Fitness: 0.00275 Proc: 31 cromosome ( [0] => 0.00275 [1] => 0.00271 [2] => 0.00275 [3] => 0.00267 ) Current Fitness: 0.00275 Proc: 32 cromosome ( [0] => 0.00275 [1] => 0.00275 [2] => 0.00275 [3] => 0.00275 ) Current Fitness: 0.00275 Proc: 33 cromosome ( [0] => 0.00275 [1] => 0.00275 [2] => 0.00275 [3] => 0.00275 ) Current Fitness: 0.00275 Proc: 34 cromosome ( [0] => 0.00275 [1] => 0.00275 [2] => 0.00271 [3] => 0.00271 ) Current Fitness: 0.00275 Proc: 35 cromosome ( [0] => 0.00275 [1] => 0.00275 [2] => 0.00275 [3] => 0.00275 ) Current Fitness: 0.00275 Proc: 36 cromosome ( [0] => 0.00275 [1] => 0.00275 [2] => 0.00271 [3] => 0.00275 ) Current Fitness: 0.00275 Proc: 37 cromosome ( [0] => 0.00275 [1] => 0.00275 [2] => 0.00283 [3] => 0.00275 ) Current Fitness: 0.00283 Proc: 38 cromosome ( [0] => 0.00283 [1] => 0.00275 [2] => 0.00279 [3] => 0.00271 ) Current Fitness: 0.00283 Proc: 39 cromosome ( [0] => 0.00283 [1] => 0.00279 [2] => 0.00283 [3] => 0.00279 )

66 Current Fitness: 0.00283 Proc: 40 cromosome ( [0] => 0.00283 [1] => 0.00283 [2] => 0.00283 [3] => 0.00283 ) Current Fitness: 0.00283 Proc: 41 cromosome ( [0] => 0.00283 [1] => 0.00283 [2] => 0.00279 [3] => 0.00275 ) Current Fitness: 0.00283 Proc: 42 cromosome ( [0] => 0.00283 [1] => 0.00283 [2] => 0.00291 [3] => 0.00283 ) Current Fitness: 0.00291 Proc: 43 cromosome ( [0] => 0.00291 [1] => 0.00283 [2] => 0.00291 [3] => 0.00283 ) Current Fitness: 0.00291 Proc: 44 cromosome ( [0] => 0.00291 [1] => 0.00291 [2] => 0.00287 [3] => 0.00287 ) Current Fitness: 0.00291 Proc: 45 cromosome ( [0] => 0.00291 [1] => 0.00291 [2] => 0.00291 [3] => 0.00291 ) Current Fitness: 0.00291 Proc: 46 cromosome ( [0] => 0.00291 [1] => 0.00291 [2] => 0.00291 [3] => 0.00287 ) Current Fitness: 0.00291 Proc: 47 cromosome ( [0] => 0.00291 [1] => 0.00291 [2] => 0.00291 [3] => 0.00291 ) Current Fitness: 0.00291 Proc: 48 cromosome ( [0] => 0.00291 [1] => 0.00291 [2] => 0.00287 [3] => 0.00287 ) Current Fitness: 0.00291 Proc: 49 cromosome ( [0] => 0.00291 [1] => 0.00291 [2] => 0.00283 [3] => 0.00283 ) Current Fitness: 0.00291 Proc: 50 cromosome ( [0] => 0.00291 [1] => 0.00291 [2] => 0.00291 [3] => 0.00287 ) Current Fitness: 0.00291

67 Disini dapat dilihat selama iterasi tersebut, nilai fitness untuk start 1 yang semula bernilai 0.00271 akan semakin naik menjadi mendekati 1. Dan setelah beberapa kali proses iterasi, apabila semua constraint terpenuhi, maka nilai fitness menjadi 1 dan proses perhitungan algoritma genetik akan selesai maka penjadwalan sudah dalam kondisi optimal. Gambar 4.5 Perhitungan fitness 50 iterasipada program

68 Berikut hasil outputyang di-generatedari program untuk Koridor 2 selama 1 hari: Tabel 4.4 Tabel hasil optimalisasi penjadwalan pada koridor 2 No. Time1 Pulo Gadung Time2 Harmoni 1 5:00:00 TA031 5:00:00 TA056 2 5:04:00 TA021 5:05:30 TA065 3 5:08:00 TA014 5:11:00 TA050 4 5:12:00 TA023 5:16:30 TA053 5 5:16:00 TA010 5:22:00 TA061 6 5:20:00 TA012 5:27:30 TA044 7 5:24:00 TA030 5:33:00 TA052 8 5:28:00 TA024 5:38:30 TA042 9 5:32:00 TA027 5:44:00 TA063 10 5:36:00 TA029 5:49:30 TA038 11 5:40:00 TA034 5:55:00 TA045 12 5:44:00 TA016 6:00:30 TA059 13 5:48:00 TA028 6:06:00 TA064 14 5:52:00 TA003 6:11:30 TA058 15 5:56:00 TA020 6:17:00 TA040 16 6:00:00 TA036 6:22:30 TA062 17 6:04:00 TA025 6:28:00 TA046 18 6:08:00 TA002 6:33:30 TA073 19 Tabel 6:12:00 4.4 Tabel hasil TA032 optimalisasi penjadwalan 6:39:00 pada koridor TA055 2 20 6:16:00 TA006 6:44:30 TA039

69 21 6:20:00 TA026 6:50:00 TA069 22 6:24:00 TA004 6:55:30 TA054 23 6:28:00 TA005 7:01:00 TA051 24 6:32:00 TA019 7:06:30 TA049 25 6:36:00 TA001 7:12:00 TA037 26 6:40:00 TA017 7:17:30 TA048 27 6:44:00 TA018 7:23:00 TA070 28 6:48:00 TA009 7:28:30 TA041 29 6:52:00 TA013 7:34:00 TA057 30 6:56:00 TA011 7:39:30 TA068 31 7:00:00 TA007 7:45:00 TA072 32 7:04:00 TA008 7:50:30 TA047 33 7:08:00 TA033 7:56:00 TA060 34 7:12:00 TA015 8:01:30 TA066 35 7:16:00 TA000 8:07:00 TA067 36 7:20:00 TA022 8:12:30 TA043 37 7:24:00 TA035 8:18:00 TA071 38 7:28:00 TA056 8:23:30 TA031 39 7:32:00 TA065 8:29:00 TA021 40 7:36:00 TA050 8:34:30 TA014 41 7:40:00 TA053 8:40:00 TA023 42 Tabel 7:44:00 4.4 Tabel hasil TA061 optimalisasi penjadwalan 8:45:30 pada koridor TA010 2 43 7:48:00 TA044 8:51:00 TA012

70 44 7:52:00 TA052 8:56:30 TA030 45 7:56:00 TA042 9:02:00 TA024 46 8:00:00 TA063 9:07:30 TA027 47 8:04:00 TA038 9:13:00 TA029 48 8:08:00 TA045 9:18:30 TA034 49 8:12:00 TA059 9:24:00 TA016 50 8:16:00 TA064 9:29:30 TA028 51 8:20:00 TA058 9:35:00 TA003 52 8:24:00 TA040 9:40:30 TA020 53 8:28:00 TA062 9:46:00 TA036 54 8:32:00 TA046 9:51:30 TA025 55 8:36:00 TA073 9:57:00 TA002 56 8:40:00 TA055 10:02:30 TA032 57 8:44:00 TA039 10:08:00 TA006 58 8:48:00 TA069 10:13:30 TA026 59 8:52:00 TA054 10:19:00 TA004 60 8:56:00 TA051 10:24:30 TA005 61 9:00:00 TA049 10:30:00 TA019 62 9:04:00 TA037 10:35:30 TA001 63 9:08:00 TA048 10:41:00 TA017 64 9:12:00 TA070 10:46:30 TA018 65 Tabel 9:16:00 4.4 Tabel hasil TA041 optimalisasi penjadwalan 10:52:00 pada koridor TA009 2 66 9:20:00 TA057 10:57:30 TA013

71 67 9:24:00 TA068 11:05:00 TA011 68 9:28:00 TA072 11:10:00 TA007 69 9:32:00 TA047 11:15:00 TA008 70 9:36:00 TA060 11:20:00 TA033 71 9:40:00 TA066 11:25:00 TA015 72 9:44:00 TA067 11:30:00 TA000 73 9:48:00 TA043 11:35:00 TA022 74 9:52:00 TA071 11:40:00 TA035 75 9:56:00 TA031 11:45:00 TA056 76 10:00:00 TA021 11:50:00 TA065 77 10:04:00 TA014 11:55:00 TA050 78 10:08:00 TA023 12:00:00 TA053 79 10:12:00 TA010 12:05:00 TA061 80 10:16:00 TA012 12:10:00 TA044 81 10:20:00 TA030 12:15:00 TA052 82 10:24:00 TA024 12:20:00 TA042 83 10:28:00 TA027 12:25:00 TA063 84 10:32:00 TA029 12:30:00 TA038 85 10:36:00 TA034 12:35:00 TA045 86 10:40:00 TA016 12:40:00 TA059 87 10:44:00 TA028 12:45:00 TA064 88 Tabel 10:48:00 4.4 Tabel hasil TA003 optimalisasi penjadwalan 12:50:00 pada koridor TA058 2 89 10:52:00 TA020 12:55:00 TA040

72 90 10:56:00 TA036 13:00:00 TA062 91 11:00:00 TA025 13:05:00 TA046 92 11:05:00 TA002 13:10:00 TA073 93 11:10:00 TA032 13:15:00 TA055 94 11:15:00 TA006 13:20:00 TA039 95 11:20:00 TA026 13:25:00 TA069 96 11:25:00 TA004 13:30:00 TA054 97 11:30:00 TA005 13:35:00 TA051 98 11:35:00 TA019 13:40:00 TA049 99 11:40:00 TA001 13:45:00 TA037 100 11:45:00 TA017 13:50:00 TA048 101 11:50:00 TA018 13:55:00 TA070 102 11:55:00 TA009 14:00:00 TA041 103 12:00:00 TA013 14:05:00 TA057 104 12:05:00 TA011 14:10:00 TA068 105 12:10:00 TA007 14:15:00 TA072 106 12:15:00 TA008 14:20:00 TA047 107 12:20:00 TA033 14:25:00 TA060 108 12:25:00 TA015 14:30:00 TA066 109 12:30:00 TA000 14:35:00 TA067 110 12:35:00 TA022 14:40:00 TA043 111 Tabel 12:40:00 4.4 Tabel hasil optimalisasi TA035 penjadwalan 14:45:00 pada koridor TA071 2 112 12:45:00 TA056 14:50:00 TA031

73 113 12:50:00 TA065 14:55:00 TA021 114 12:55:00 TA050 15:00:00 TA014 115 13:00:00 TA053 15:05:00 TA023 116 13:05:00 TA061 15:10:00 TA010 117 13:10:00 TA044 15:15:00 TA012 118 13:15:00 TA052 15:20:00 TA030 119 13:20:00 TA042 15:25:00 TA024 120 13:25:00 TA063 15:30:00 TA027 121 13:30:00 TA038 15:35:00 TA029 122 13:35:00 TA045 15:40:00 TA034 123 13:40:00 TA059 15:45:00 TA016 124 13:45:00 TA064 15:50:00 TA028 125 13:50:00 TA058 15:55:00 TA003 126 13:55:00 TA040 16:00:00 TA020 127 14:00:00 TA062 16:03:30 TA036 128 14:05:00 TA046 16:07:00 TA025 129 14:10:00 TA073 16:10:30 TA002 130 14:15:00 TA055 16:14:00 TA032 131 14:20:00 TA039 16:17:30 TA006 132 14:25:00 TA069 16:21:00 TA026 133 14:30:00 TA054 16:24:30 TA004 134 Tabel 14:35:00 4.4 Tabel hasil optimalisasi TA051 penjadwalan 16:28:00 pada koridor TA005 2 135 14:40:00 TA049 16:31:30 TA019

74 136 14:45:00 TA037 16:35:00 TA001 137 14:50:00 TA048 16:38:30 TA017 138 14:55:00 TA070 16:42:00 TA018 139 15:00:00 TA041 16:45:30 TA009 140 15:05:00 TA057 16:49:00 TA013 141 15:10:00 TA068 16:52:30 TA011 142 15:15:00 TA072 16:56:00 TA007 143 15:20:00 TA047 16:59:30 TA008 144 15:25:00 TA060 17:03:00 TA033 145 15:30:00 TA066 17:06:30 TA015 146 15:35:00 TA067 17:10:00 TA000 147 15:40:00 TA043 17:13:30 TA022 148 15:45:00 TA071 17:17:00 TA035 149 15:50:00 TA031 17:20:30 TA056 150 15:55:00 TA021 17:24:00 TA065 151 16:00:00 TA014 17:27:30 TA050 152 16:05:00 TA023 17:31:00 TA053 153 16:10:00 TA010 17:34:30 TA061 154 16:15:00 TA012 17:38:00 TA044 155 16:20:00 TA030 17:41:30 TA052 156 16:25:00 TA024 17:45:00 TA042 157 Tabel 16:30:00 4.4 Tabel hasil optimalisasi TA027 penjadwalan 17:48:30 pada koridor TA063 2 158 16:35:00 TA029 17:52:00 TA038

75 159 16:40:00 TA034 17:55:30 TA045 160 16:45:00 TA016 17:59:00 TA059 161 16:50:00 TA028 18:02:30 TA064 162 16:55:00 TA003 18:06:00 TA058 163 17:00:00 TA020 18:09:30 TA040 164 17:05:00 TA036 18:13:00 TA062 165 17:10:00 TA025 18:16:30 TA046 166 17:15:00 TA002 18:20:00 TA073 167 17:20:00 TA032 18:23:30 TA055 168 17:25:00 TA006 18:27:00 TA039 169 17:30:00 TA026 18:30:30 TA069 170 17:35:00 TA004 18:34:00 TA054 171 17:40:00 TA005 18:37:30 TA051 172 17:45:00 TA019 18:41:00 TA049 173 17:50:00 TA001 18:44:30 TA037 174 17:55:00 TA017 18:48:00 TA048 175 18:00:00 TA018 18:51:30 TA070 176 18:05:00 TA009 18:55:00 TA041 177 18:10:00 TA013 18:58:30 TA057 178 18:15:00 TA011 19:02:00 TA068 179 18:20:00 TA007 19:05:30 TA072 180 Tabel 18:25:00 4.4 Tabel hasil optimalisasi TA008 penjadwalan 19:09:00 pada koridor TA047 2 181 18:30:00 TA033 19:12:30 TA060

76 182 18:35:00 TA015 19:16:00 TA066 183 18:40:00 TA000 19:19:30 TA067 184 18:45:00 TA022 19:23:00 TA043 185 18:50:00 TA035 19:26:30 TA071 186 18:55:00 TA056 19:30:00 TA031 187 19:00:00 TA065 19:33:30 TA021 188 19:05:00 TA050 19:37:00 TA014 189 19:10:00 TA053 19:40:30 TA023 190 19:15:00 TA061 19:44:00 TA010 191 19:20:00 TA044 19:47:30 TA012 192 19:25:00 TA052 19:51:00 TA030 193 19:30:00 TA042 19:54:30 TA024 194 19:35:00 TA063 19:58:00 TA027 195 19:40:00 TA038 20:01:30 TA029 196 19:45:00 TA045 20:05:00 TA034 197 19:50:00 TA059 20:08:30 TA016 198 19:55:00 TA064 20:12:00 TA028 199 20:00:00 TA058 20:15:30 TA003 200 20:05:00 TA040 20:19:00 TA020 201 20:10:00 TA062 20:22:30 TA036 202 20:15:00 TA046 20:26:00 TA025 Tabel 203 4.4 20:20:00 Tabel hasil optimalisasi TA073 penjadwalan 20:29:30 pada koridor TA002 2 204 20:25:00 TA055 20:33:00 TA032

77 205 20:30:00 TA039 20:36:30 TA006 206 20:35:00 TA069 20:40:00 TA026 207 20:40:00 TA054 20:43:30 TA004 208 20:45:00 TA051 20:47:00 TA005 209 20:50:00 TA049 20:50:30 TA019 210 20:55:00 TA037 20:54:00 TA001 211 21:00:00 TA048 20:57:30 TA017 212 21:05:00 TA070 21:01:00 TA018 213 21:10:00 TA041 21:04:30 TA009 214 21:15:00 TA057 21:08:00 TA013 215 21:20:00 TA068 21:11:30 TA011 216 21:25:00 TA072 21:15:00 TA007 217 21:30:00 TA047 21:18:30 TA008 218 21:35:00 TA060 21:22:00 TA033 219 21:40:00 TA066 21:25:30 TA015 220 21:45:00 TA067 21:29:00 TA000 221 21:50:00 TA043 21:32:30 TA022 222 21:55:00 TA071 21:36:00 TA035 223 22:00:00 TA031 21:39:30 TA056 Waktu yang dibutuhkan untuk menghasilkan output tersebut adalah 46,3 menit. Untuk menunjukan bertapa banyak langkah yang ditempuh oleh Algoritma Genetik untuk menyelesaikan permasalahan penjadwalan.

78 Hasil output untuk koridor lain tidak ditampilkan mengingat banyaknya penjadwalan yang dihasilkan. Gambar 4.6Output penjadwalan untuk koridor 2 4.4 Evaluasi Hasil Untuk menguji hasil optimalisasi dari Teori Antrian, maka penulis membandingkan hasil perhitungan program dengan kenyataan di lapangan dikarenakan kapasitas penulis melakukan studidi Transjakarta masih sebatas memberikan usulan. Maka, dari data yang didapat di lapangan, menyebutan:

79 Tabel 4.5 Tabel operasional kedatangan Bus Transjakarta Manajemen Transjakarta Periode (jam) Koridor 1 Koridor 2 Koridor 3 05:00 05:30 3,75 menit 4-5 menit 3-8 menit 05:30 06:00 1,73 menit 2,25 menit 1,67 menit 06:00 06:30 1,30 menit 2,25 menit 1,67 menit 06:30 07:00 1,36 menit 2,25 menit 1,67 menit 07:00 08:00 1,22 menit 2,25 menit 1,67 menit 08:00 09:00 1,22-1,30 menit 2,25 menit 1,67 menit 09:00 10:00 1,34-1,55 menit 2,25 menit 1,85 menit 10:00 11:00 1,55 menit 2,25 menit 1,85 menit 11:00 12:00 1,55-1,38 menit 2,25 menit 1,85 menit 12:00 13:00 1,38 menit 2,25 menit 1,85 menit 13:00 14:00 1,38 menit 2,25 menit 1,85 menit 14:00 15:00 1,38-1,41 menit 2,25 menit 1,85 menit 15:00 16:00 1,41 menit 2,25 menit 1,85 menit 16:00 17:00 1,30 menit 2,25 menit 1,85 menit 17:00 18:00 1,30 menit 2,25 menit 1,85 menit 18:00 19:00 1,30-1,50 menit 2,25 menit 1,85 menit 19:00 20:00 1,50 menit 2,25 menit 1,85 menit 20:00 21:00 1,34-2,25 menit 2,25 menit 2,27 menit 21:00 22:00 2,25-3 menit 2,50 menit 2,78 menit

80 Bila dibandingkan dengan pola kedatangan dari perhitungan program, untuk Koridor 1 yang mempunyai hasil penjadwalan sebagai berikut: 05.00 11.00 start 1: 1,5 menit start 2: 2,5 menit 11.00 16.00 start 1: 2 menit start 2: 2 menit 16.00 22.00 start 1: 2 menit start 2 : 1,5 menit Maka penjadwalan yang dihasilkan oleh komputer memiliki rentang kedatangan yang labih besar dibandingkan dengan sistem yang berjalan. Hal yang sama juga berlaku untuk koridor 2 dengan hasil penjadwalan sebagai berikut: 05.00 11.00 start 1: 4 menit start 2: 5,5 menit 11.00 16.00 start 1: 5 menit start 2: 5 menit 16.00 22.00 start 1: 5 menit start 2 : 3,5 menit Yang memiliki perbedaan cukup mencolok dibandingkan sistem yang berjalan dengan rata rata mempunyai 2,25 menit. Dan koridor ke 3 dengan hasil penjadwalan sebagai berikut: 05.00 11.00 start 1: 3,5 menit start 2: 5 menit 11.00 16.00 start 1: 4,5 menit start 2: 4,5 menit 16.00 22.00 start 1: 4 menit start 2 : 3 menit Berbeda dengan sistem yang mempunyai rata rata kedatangan di bawah 2 menit. Dari ketiga hasil perhitungan di atas menunjukan bahwa ketiganya mempunyai pola kedatangan di atas sistem yang berjalan. Hal ini disebabkan belum masuknya perhitungan faktor penumpang yang melakukan transit pada halte transit seperti halte Harmoni untuk koridor 1, halte Senen dan Harmoni untuk koridor 2, halte Grogol dan Harmoni untuk koridor 3. Sehingga perhitungan dari teori antrian tersebut masih belum menggambarkan hasil pada lapangan.

81 Untuk menguji hasil penjadwalan dari AlgoritmaGenetik, penulis memilih 10 bus dari hasil penjadwalan di atas untuk dijadikan sample evaluasi.10 bus tersebut dipilih secara random dan disajikan dengan rentang waktu sebagai berikut: Tabel 4.6 Tabel hasil pengujian penjadwalan pada koridor 2 TA018 start 1 6:44:00 11:50:00 18:00:00 start 2 10:46:30 16:42:00 21:01:00 TA047 start 1 9:32:00 15:20:00 21:30:00 start 2 7:50:30 14:20:00 19:09:00 TA005 start 1 6:28:00 11:30:00 17:40:00 start 2 10:24:30 16:28:00 20:47:00 TA032 start 1 6:12:00 11:10:00 17:20:00 start 2 10:02:30 16:14:00 20:33:00 TA029 start 1 5:36:00 10:32:00 16:35:00 start 2 9:13:00 15:35:00 20:01:30 TA011 start 1 6:56:00 12:05:00 18:15:00 start 2 11:05:00 16:52:30 21:11:30 TA025 start 1 6:04:00 11:00:00 17:10:00 start 2 9:51:30 16:07:00 20:26:00 TA033 start 1 7:08:00 12:20:00 18:30:00 start 2 11:20:00 17:03:00 21:22:00 TA006 start 1 6:16:00 11:15:00 17:25:00 start 2 10:08:00 16:17:30 20:36:30 TA040 start 1 8:24:00 13:55:00 20:05:00

82 start 2 6:17:00 12:55:00 18:09:30 Dari constraint yang disebutkan pada bab 3, maka untuk setiap sample bus akan dicocokan ke dalam constraint: 1. Tidak ada bus yang berada dalam dua jalur dengan arah yang berbeda, dilihat dari apakah ada waktu antara start 1 dan 2 yang berjarak dibawah waktu tempuh (45 menit). 2. Tidak ada bus yang berada dalam kondisi rusak atau dalam perbaikan, karena secara default untuk perhitungan dianggap semua bus dalam kondisi baik. 3. Tidak ada bus yang tidak mempunyai waktu untuk melakukan pengisian bahan bakar. Untuk melakukan pengisian ulang, setiap bus mendapat waktu sebesar 3 jam untuk melakukan pengisian bahan bakar. 4. Tidak ada bus melakukan operasi berturutan hingga 4 (pergi - pulang) kali, di atas terlihat bahwa setiap bus maksimal akan mendapat operasi berurutan hingga 3 kali saja. 5. Tidak ada bus yang melakukan pengisian bakar melebihi 2 kali. Karena rata rata kapasitas pengisian bus cukup untuk 4 kali operasi berturutan sehingga masing masing bus cukup melakukan pengisian ulang sebanyak 1 kali. Evaluasi dari bus yang lain juga menunjukan hasil yang serupa. Maka dari hasil pengujian tersebut disebutkan bahwa penjadwalan yang dihasilkan melalui Algoritma Genetik telah optimal untuk inputan dari Teori Antrian karena seluruh constraintyang ditentukan telah terpenuhi dan terbukti metode yang digunakan dapat menghasilkan solusi yang optimal untuk penjadwalan bus.

83 Secara metode, hasil perhitungan dapat dikatakan sudah benar. Namun, karena hasil dari penjadwalan tersebut sangat bergantung dari hasil dari Teori Antrian, maka dapat dikatakan hasil penjadwalan ini belum layak untuk diimplementasikan selama data yang dibutuhkan Teori Antrian belum mewakili kenyataan di lapangan.namun, untuk memperoleh pola kedatangan dan penjadwalan yang optimal, dapat disimpulkan proses perhitungan menggunakan Teori Antrian dan Algoritma Genetik dapat dipergunakan manajemen karena dapat mengoptimalkan penjadwalan pada data normal.