bab iv pembahasan a. pembentukan graf fuzzy dan …eprints.uny.ac.id/43664/4/bab iv...
TRANSCRIPT
44
BAB IV
PEMBAHASAN
A. Pembentukan Graf Fuzzy dan Pewarnaan Graf Fuzzy
1. Pembentukan Graf Fuzzy
Sebuah graf dianggap sebagai salah satu alat yang sesuai untuk
menyelesaikan beberapa permasalahan, seperti penjadawalan dan
penentuan rute terpendek. Seiring bertambahnya ilmu teknologi, graf
dikombinasikan dengan fuzzy menjadi graf fuzzy dimana graf fuzzy salah
satu aplikasinya adalah mampu menyelesaikan permasalahan lalu lintas.
Pada permasalahan ini, setiap arus lalu lintas direpresentasikan
menjadi simpul pada graf fuzzy dan nilai keanggotaan bergantung pada
jumlah kendaraan yang melewati jalur tersebut. Sebuah edge (sisi) yang
menghubungkan dua simpul merepresentasikan setiap kemungkinan
kecelakaan. Dua simpul dikatakan bertetangga (terhubung) jika arus lalu
lintas saling bersilangan satu sama lain. Karena arus lalu lintas yang saling
bersilangan maka terdapat kemungkinan terjadinya kecelakaan atau
kemacetan.
Metode graf yang lain seperti planning graf kurang bisa
merepresentasikan permasalahan ini karena pada planning graf hanya jalur
yang saling bersilangan saja yang diperhatikan dan jalur yang saling
bersingggunga, padahal jalur tersebut masih terdapat kemungkinan
terjadinya kecelakaan, sedangkan pada graf fuzzy jalur yang berpotongan
45
dan jalur yang bersinggungan semuanya diperhatikan sehingga bisa
melihat semua kemungkinan jalur yang berpotensi menimbulkan
kecelakaan. Oleh karena itu, metode yang sesuai untuk menyelesaikan
permasalahan ini adalah menggunakan graf fuzzy.
Berikut merupakan peta simulasi persimpangan jalan Terban,
Kabupaten Sleman, Provinsi Daerah Istimewa Yogyakarta,
Gambar 4.1 Peta simulasi persimpangan jalan Terban,
Kabupaten Sleman, Provinsi Daerah Istimewa Yogyakarta
Jl. Persatuan
Jl. Prof. Dr. Sardjito
Jl. C. Simanjuntak
Jl. Terban
C
A
B
D
U
Lampu APILL
46
Gambar 4.1 merupakan peta simulasi persimpangan jalan Terban,
Kabupaten Sleman, Provinsi Daerah Istimewa Yogyakarta, dengan nama
jalan yang diberi simbol 𝐴, 𝐵, 𝐶 dan 𝐷, serta simbol 𝑈 menunjukkan arah
mata angin. Arus lalu lintas disimbolkan dengan garis anak panah putus-
putus dan lampu APILL disimbolkan dengan titik hitam.
Berikut merupakan data survei jumlah kendaraan (mobil, motor, dan
becak) di persimpangan jalan Terban, Kabupaten Sleman, Provinsi Daerah
Istimewa Yogyakarta pada 16 Mei 2016 pukul 08.00-09.00
Tabel 4.1 Data Jumlah Kendaraan pada 16 Mei 2016 pukul 08.00-09.00
No. Arus Lalu Lintas Simbol
Jumlah
Kendaraan
1 Jl. Terban menuju Jl. Persatuan 𝐴𝐵 3163
2 Jl. Terban menuju Jl. Prof. Dr. Sardjito 𝐴𝐶 2461
3 Jl. Terban menuju Jl. C Simanjuntak 𝐴𝐷 1933
4 Jl. Persatuan menuju Jl. Terban 𝐵𝐴 638
5 Jl. Persatuan menuju Jl. Prof. Dr. Sardjito 𝐵𝐶 816
6 Jl. Persatuan menuju Jl. C Simanjuntak 𝐵𝐷 3759
7 Jl. Prof. Dr. Sardjito menuju Jl. Terban 𝐶𝐴 1676
8 Jl. Prof. Dr. Sardjito menuju Jl. Persatuan 𝐶𝐵 321
9
Jl. Prof. Dr. Sardjito menuju Jl. C
Simanjuntak 𝐶𝐷 552
47
500 1000 1500 2000
Data survei jumlah kendaraan di persimpangan jalan Terban, Kabupaten
Sleman, Provinsi Daerah Istimewa Yogyakarta diolah kedalam fungsi
keanggotaan berdasarkan grafik fungsi keanggotaan trapesium seperti
gambar 4.2 dan tabel 4.2.
Penentuan himpunan fungsi keanggotaan menyesuaikan data jumlah
kendaraan yang melewati persimpangan jalan Terban, Kabupaten Sleman,
Provinsi Daerah Istimewa Yogyakarta pada hari senin 16 Mei 2016 pukul
08.00-09.00.
Tabel 4.2. Pengklarifikasian Data Pengamatan
Jumlah Kendaraan Low (l) Medium (m) High (h)
0 𝑌 ∗ 𝑁 𝑁
500 𝑌 ∗ 𝑌 𝑁
1000 𝑌 𝑌 ∗ 𝑁
1500 𝑁 𝑌 ∗ 𝑌
2000 𝑁 𝑌 𝑌 ∗
Gambar 4.2. Fungsi keanggotaan berdasarkan
grafik fungsi keanggotaan trapesium
0
1
𝑥
low medium high
𝜇ሺ𝑥ሻ
48
dengan:
𝑌 = Tingkat kepadatan kendaraan yang masuk interval
ሺ0 < 𝜇𝐴ሺ𝑥ሻ < 1ሻ
𝑌 ∗ = Tingkat kepadatan kendaraan dalam kondisi ideal ሺ𝜇𝐴ሺ𝑥ሻ = 1ሻ
𝑁 = Tingkat kepadatan kendaraan yang tidak masuk dalam selang
interval ሺ𝜇𝐴ሺ𝑥ሻ = 0ሻ
𝜇𝑙𝑜𝑤ሺ𝑥; 500,1000ሻ = {
1, 0 ≤ 𝑥 ≤ 500𝑥−1000
500−1000, 500 ≤ 𝑥 ≤ 1000
0, 𝑢𝑛𝑡𝑢𝑘 𝑥 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛
(4)
𝜇𝑚𝑒𝑑𝑖𝑢𝑚ሺ𝑥; 1000,1500ሻ =
{
0, 0 ≤ 𝑥 ≤ 500𝑥−500
1000−500, 500 ≤ 𝑥 ≤ 1000
1, 1000 ≤ 𝑥 ≤ 1500𝑥−2000
1500−2000, 1500 ≤ 𝑥 ≤ 2000
0, 𝑢𝑛𝑡𝑢𝑘 𝑥 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛
(5)
𝜇ℎ𝑖𝑔ℎሺ𝑥; 1800,2000ሻ = {
1, 𝑥 ≥ 2000𝑥−1500
2000−1500, 1800 ≤ 𝑥 ≤ 2000
0, 𝑢𝑛𝑡𝑢𝑘 𝑥 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛
(6)
Untuk membangun himpunan fuzzy yang merupakan union dari
himpunan fuzzy low dan medium atau union dari himpunan fuzzy medium
dan high digunakan definisi 2.2 antara dua himpunan dioperasikan sebagai
berikut:
𝜇𝐴∪𝐵ሺ𝑥ሻ = max {𝜇𝐴ሺ𝑥ሻ, 𝜇𝐵ሺ𝑥ሻ}
1. Nilai keanggotaan low untuk 𝑥 = 3163 adalah
49
𝜇𝑙𝑜𝑤 = 0
Nilai keanggotaan medium untuk 𝑥 = 3163 adalah
𝜇𝑚𝑒𝑑𝑖𝑢𝑚 = 0
Nilai keanggotaan high untuk 𝑥 = 3163 adalah
𝜇ℎ𝑖𝑔ℎ = 1
Jadi nilai keanggotaan simpul ሺ𝜎ሻ 𝐴𝐵 adalah high.
2. Nilai keanggotaan low untuk 𝑥 = 2461 adalah
𝜇𝑙𝑜𝑤 = 0
Nilai keanggotaan medium untuk 𝑥 = 2461 adalah
𝜇𝑚𝑒𝑑𝑖𝑢𝑚 = 0
Nilai keanggotaan high untuk 𝑥 = 2461 adalah
𝜇ℎ𝑖𝑔ℎ = 1
Jadi nilai keanggotaan simpul ሺ𝜎ሻ 𝐴𝐶 adalah high.
3. Nilai keanggotaan low untuk 𝑥 = 1933 adalah
𝜇𝑙𝑜𝑤 = 0
Nilai keanggotaan medium untuk 𝑥 = 1933 adalah
𝜇𝑚𝑒𝑑𝑖𝑢𝑚 =1933−2000
1500−2000=
−67
−500= 0,134
Nilai keanggotaan high untuk 𝑥 = 1933 adalah
50
𝜇ℎ𝑖𝑔ℎ =1933−1500
2000−1500=
433
500= 0,86
Maka nilai keanggotaannya adalah sebagai berikut
𝜇𝑚𝑒𝑑𝑖𝑢𝑚 ∪ ℎ𝑖𝑔ℎ = max {𝜇ℎ𝑖𝑔ℎ, 𝜇𝑚𝑒𝑑𝑖𝑢𝑚, 𝜇𝑙𝑜𝑤}
= max {0,86; 0,134; 0}
= 0,86
Jadi nilai keanggotaan simpul ሺ𝜎ሻ 𝐴𝐷 adalah high.
4. Nilai keanggotaan low untuk 𝑥 = 638 adalah
𝜇𝑙𝑜𝑤 =683−1000
500−1000=
−317
−500= 0,634
Nilai keanggotaan medium untuk 𝑥 = 638 adalah
𝜇𝑚𝑒𝑑𝑖𝑢𝑚 =683−500
1000−500=
183
500= 0,366
Nilai keanggotaan high untuk 𝑥 = 638 adalah
𝜇ℎ𝑖𝑔ℎ = 0
Maka nilai keanggotaannya adalah sebagai berikut:
𝜇𝑙𝑜𝑤 ∪ 𝑚𝑒𝑑𝑖𝑢𝑚 = max {𝜇ℎ𝑖𝑔ℎ, 𝜇𝑚𝑒𝑑𝑖𝑢𝑚, 𝜇𝑙𝑜𝑤}
= max {0; 0,366; 0,634}
= 0,634
Jadi nilai keanggotaan simpul ሺ𝜎ሻ 𝐵𝐴 adalah low.
51
5. Nilai keanggotaan low untuk 𝑥 = 816 adalah
𝜇𝑙𝑜𝑤 =816−1000
500−1000=
−184
−500= 0,368
Nilai keanggotaan medium untuk 𝑥 = 816 adalah
𝜇𝑚𝑒𝑑𝑖𝑢𝑚 =816−500
1000−500=
316
500= 0,632
Nilai keanggotaan high untuk 𝑥 = 816 adalah
𝜇ℎ𝑖𝑔ℎ = 0
Maka nilai keanggotaannya adalah sebagai berikut:
𝜇𝑙𝑜𝑤 ∪ 𝑚𝑒𝑑𝑖𝑢𝑚 = max {𝜇ℎ𝑖𝑔ℎ, 𝜇𝑚𝑒𝑑𝑖𝑢𝑚, 𝜇𝑙𝑜𝑤}
= max {0; 0,632; 0,368}
= 0,632
Jadi nilai keanggotaan simpul ሺ𝜎ሻ 𝐵𝐶 adalah medium.
6. Nilai keanggotaan low untuk 𝑥 = 3759 adalah
𝜇𝑙𝑜𝑤 = 0
Nilai keanggotaan medium untuk 𝑥 = 3759 adalah
𝜇𝑚𝑒𝑑𝑖𝑢𝑚 = 0
Nilai keanggotaan high untuk 𝑥 = 3759 adalah
𝜇ℎ𝑖𝑔ℎ = 1
52
Jadi nilai keanggotaan simpul ሺ𝜎ሻ 𝐵𝐷 adalah high.
7. Nilai keanggotaan low untuk 𝑥 = 1676 adalah
𝜇𝑙𝑜𝑤 = 0
Nilai keanggotaan medium untuk 𝑥 = 1676 adalah
𝜇𝑚𝑒𝑑𝑖𝑢𝑚 =1676−2000
1500−2000=
−324
−500= 0,648
Nilai keanggotaan high untuk 𝑥 = 1676 adalah
𝜇ℎ𝑖𝑔ℎ =1676−1500
2000−1500=
176
500= 0,352
Maka nilai keanggotaannya adalah sebagai berikut:
𝜇𝑚𝑒𝑑𝑖𝑢𝑚 ∪ ℎ𝑖𝑔ℎ = max {𝜇ℎ𝑖𝑔ℎ, 𝜇𝑚𝑒𝑑𝑖𝑢𝑚, 𝜇𝑙𝑜𝑤}
= max {0,352; 0,648; 0}
= 0,648
Jadi nilai keanggotaan simpul ሺ𝜎ሻ 𝐶𝐴 adalah medium.
8. Nilai keanggotaan low untuk 𝑥 = 321 adalah
𝜇𝑙𝑜𝑤 = 1
Nilai keanggotaan medium untuk 𝑥 = 321 adalah
𝜇𝑚𝑒𝑑𝑖𝑢𝑚 = 0
Nilai keanggotaan high untuk 𝑥 = 321 adalah
𝜇ℎ𝑖𝑔ℎ = 0
53
Jadi nilai keanggotaan simpul ሺ𝜎ሻ 𝐶𝐵 adalah low.
9. Nilai keanggotaan low untuk 𝑥 = 552 adalah
𝜇𝑙𝑜𝑤 =552−1000
500−1000=
−448
−500= 0,896
Nilai keanggotaan medium untuk 𝑥 = 552 adalah
𝜇𝑚𝑒𝑑𝑖𝑢𝑚 =552−500
1000−500=
52
500= 0,104
Nilai keanggotaan high untuk 𝑥 = 552 adalah
𝜇ℎ𝑖𝑔ℎ = 0
Maka nilai keanggotaannya adalah sebagai berikut:
𝜇𝑙𝑜𝑤 ∪ 𝑚𝑒𝑑𝑖𝑢𝑚 = max {𝜇ℎ𝑖𝑔ℎ, 𝜇𝑚𝑒𝑑𝑖𝑢𝑚, 𝜇𝑙𝑜𝑤}
= max {0,896; 0,104; 0}
= 0,896
Jadi nilai keanggotaan simpul ሺ𝜎ሻ 𝐶𝐷 adalah medium.
Sehingga diperoleh nilai keanggotaan simpul ሺ𝜎ሻ seperti pada tabel
4.3 dan nilai keanggotaan sisi ሺ𝜇ሻ pada tabel 4.4.
Tabel 4.3 Nilai Keanggotaan Simpul ሺ𝜎ሻ pada Graf Fuzzy
Simpul 𝐴𝐵 𝐴𝐶 𝐴𝐷 𝐵𝐴 𝐵𝐶 𝐵𝐷 𝐶𝐴 𝐶𝐵 𝐶𝐷
𝜎 H h h l m h m l m
54
Setelah diperoleh nilai keanggotaan simpul, maka langkah selanjutnya
adalah menentukan sisi dan nilai keanggotaan sisi ሺ𝜇ሻ. Sisi diperoleh
dengan menghubungkan 2 simpul yang saling melintas atau bersebrangan.
Berikut ini aturan pembobotan sisi graf fuzzy. Jika nilai keanggotaan dua
simpul adalah high (h), atau salah satu simpul memiliki nilai keanggotaan
high (h) dan satu simpul yang nilai keanggotaannya medium (m) maka nilai
keanggotaan tersebut adalah high (h). Jika nilai keanggotaan dua simpul
adalah medium (m) atau salah satu simpul memiliki nilai keanggotaa high
(h) dan satu simpul yang lain nilai keanggotaannya low (l) maka nilai
keanggotaannya tersebut adalah medium (m). Jika nilai keanggotaan dua
simpul adalah low (l), atau salah satu simpul memiliki nilai keanggotaan low
(l) dan simpul yang lain nilai keanggotaannya medium (m) maka nilai
keanggotaan simpul tersebut adalah low (l) (Prakoso, 2009).
Berdasarkan gambar 4.1 diperoleh sisi 𝐴𝐵 𝐵𝐶, 𝐴𝐵 𝐵𝐷, 𝐴𝐵 𝐶𝐴, 𝐴𝐵 𝐶𝐵,
𝐴𝐵 𝐶𝐷, 𝐴𝐶 𝐵𝐶, 𝐴𝐶 𝐵𝐷, 𝐴𝐶 𝐶𝐷, 𝐴𝐷 𝐵𝐷, 𝐴𝐷 𝐶𝐷, 𝐵𝐴 𝐶𝐴, 𝐵𝐶 𝐶𝐴, 𝐵𝐶 𝐶𝐷,
dan 𝐵𝐷 𝐶𝐷.
Tabel 4.4 Nilai Keanggotaan Sisi ሺ𝜇ሻ
Sisi 𝐴𝐵 𝐵𝐶 𝐴𝐵 𝐵𝐷 𝐴𝐵 𝐶𝐴 𝐴𝐵 𝐶𝐵 𝐴𝐵 𝐶𝐷 𝐴𝐶 𝐵𝐶 𝐴𝐶 𝐵𝐷
𝜇 h h h m h h h
Sisi 𝐴𝐶 𝐶𝐷 𝐴𝐷 𝐵𝐷 𝐴𝐷 𝐶𝐷 𝐵𝐴 𝐶𝐴 𝐵𝐶 𝐶𝐴 𝐵𝐶 𝐶𝐷 𝐵𝐷 𝐶𝐷
𝜇 h h h l m m h
55
Graf fuzzy dari data tersebut dapat dilihat pada gambar 4.3 berikut.
2. Pewarnaan Graf Fuzzy
Telah disebutkan sebelumnya bahwa sampai saat ini, teori graf masih
diterapkan diberbagai persoalan dalam kehidupan sehari-hari. Misalnya
aplikasi pewarnaan graf dalam pengaturan warna lampu lalu lintas di
persimpangan jalan sehingga mencegah terjadinya tabrakan di
persimpangan jalan tersebut.
ℎ
𝑚
ℎ
𝑚
ℎ
𝑚
ℎ ℎ ℎ
ℎ
ℎ
ℎ
ℎ
𝑙
𝑚
AB
CD
CB
CA
BD
AC
AD
BA
BC
𝑚
ℎ
𝑙
𝑚
𝑚
𝑙
ℎ
ℎ
Gambar 4.3 Graf fuzzy dari persimpangan jalan Terban, Kabupaten
Sleman, Provinsi Daerah Istimewa Yogyakarta
56
Pada gambar 4.1 terdapat 3 buah lampu lalu lintas. Data survei
menunjukkan bahwa arus lalu lintas di jalan Simanjuntak merupakan arus
searah (kearah selatan). Oleh karena itu tidak terdapat lampu lalu lintas
yang mengaturnya.
Untuk menyelesaikan permasalahan lampu lalu lintas pada
persimpangan jalan, maka hal yang harus dilakukan terlebih dahulu adalah
menentukan jalur mana yang bisa berjalan dengan memberi lampu hijau di
arus tertentu dan memberi lampu merah di arus yang lain agar kendaraan
pada arus yang lain berhenti sehingga tidak terjadi perpotongan arus.
Dari gambar 4.3 dapat langsung diberi warna pada masing-masing
simpul dengan ketentuan pemberian warna sebagai berikut.
a. Menggunakan banyak warna seminimal mungkin
b. Simpul yang bertetanga (terhubung dengan sisi) tidak boleh berwarna
sama
c. Simpul yang tidak terhubung dengan sisi (simpul terpencil), berarti
jalur tersebut boleh berlaku lampu lalu lintas berwarna hijau terus
d. Warna yang digunakan bebas.
57
Berdasarkan ketentuan tersebut diperoleh pewarnaan graf fuzzy
sebagai berikut:
Graf tersebut memiliki bilangan kromatik 3 ሺ𝜒ሺ𝐺ሻ = 3ሻ karena jumlah
minimum warna yang digunakan sebanyak 3. Simpul dengan warna yang
sama dapat dikelompokan kedalam satu kelompok. Kelompok tersebut
menunjukkan fase pengaturan arus lampu lalu lintas, sehingga diperoleh
fase arus lalu lintas sebagai berikut:
𝑚
ℎ
𝑚
ℎ
𝑚
ℎ ℎ ℎ
ℎ
ℎ
ℎ
ℎ
𝑙
𝑚
AB
CD
CB
CA
BD
AC
AD
BA
BC
𝑚
ℎ
𝑙
𝑚
ℎ 𝑚
𝑙
ℎ
ℎ
Gambar 4.4 Pewaranaan graf fuzzy dari persimpangan jalan Terban,
Kabupaten Sleman, Provinsi Daerah Istimewa Yogyakarta
58
Tabel 4.5 Fase Arus Lalu Lintas
Fase I Fase II Fase III
𝐴𝐵, 𝐴𝐶, 𝐴𝐷, 𝐵𝐴 𝐵𝐶, 𝐵𝐷, 𝐶𝐵 𝐶𝐴, 𝐶𝐷
Fase tersebut diterapkan kembali pada gambar 4.1 dan diperoleh
gambar sebagai berikut.
Arah panah titik putus-putus berwarna merah adalah fase pertama
dengan 4 arus lalu lintas yang berjalan secara bersamaan, arah panah garis
putus-putus berwarna biru adalah fase kedua dengan 3 arus lalu lintas yang
berjalan secara bersaman, dan arah panah kombinasi titik dan garis putus-
Jl. Persatuan
Jl. Prof. Dr. Sardjito
Jl. C. Simanjuntak
Jl. Terban
Gambar 4.5 Peta simulasi fase arus lalu lintas setelah
diterapkan pewarnaan graf fuzzy.
59
putus berwarna kuning adalah fase ketiga dengan 2 arus lalu lintas yang
berjalan secara bersaman.
B. Perhitungan Waktu Lampu Lalu Lintas
Untuk mengoptimalkan fase arus lalu lintas yang telah diperoleh tersebut
perlu diketahui pula optimal lama waktu lampu hijau pada setiap fasenya.
1. Variabel Linguistik
Waktu lampu lalu lintas diperoleh dengan menggunakan logika fuzzy.
Dalam hal ini penulis menggunakan fuzzy inference system dengan tipe
Mamdani. Variabel linguistik adalah suatu variabel yang dapat dinyatakan
dengan suatu kata pada bahasa natural sebagai nilainya, dimana kata
tersebut didefinisikan dengan himpunan fuzzy pada himpunan semesta
tempat variabel tersebut didefinisikan. Dalam hal ini terdapat linguistik
yaitu input dan output. Panjang antrian kendaraan merupakan variabel input
dan lama waktu lampu hijau merupakan variabel outputnya. Selanjutnya
terdapat kategori antara input dan output dalam domain yang berbeda
dengan bantuan fungsi keanggotaan. Domain dari input diperoleh dengan
melihat kondisi atau karakteristik jalan yaitu panjang jalan dan lebar jalan
(lihat lampiran 2). Sebagai sampel jika panjang jalan ± 30 meter maka untuk
panjang antrian kendaraan > 30 dikategorikan high. Berikut adalah tabel
domain dari variable linguistik tiap-tiap jalan.
60
Tabel 4.6 Domain dari Variabel Linguistik Jl. Terban
Fungsi Variabel Fuzzy Domain
Input Panjang antrian kendaran
Low [0,10] meter
Medium [11,30] meter
High [31,100] meter
Output Lama waktu lampu hijau
Low [0,20] detik
Medium [20,40] detik
High [40,60] detik
Tabel 4.7 Domain dari Variabel Linguistik Jl. Persatuan
Fungsi Variabel Fuzzy Domain
Input Panjang antrian kendaran
Low [0,25] meter
Medium [26,40] meter
High [41,100] meter
Output Lama waktu lampu hijau
Low [0,20] detik
Medium [20,40] detik
High [40,60] detik
61
Tabel 4.8 Domain dari Variabel Linguistik Jl. Prof. Dr. Sardjito
Fungsi Variabel Fuzzy Domain
Input Panjang antrian kendaran
Low [0,20] meter
Medium [21,35] meter
High [36,100] meter
Output Lama waktu lampu hijau
Low [0,20] detik
Medium [20,40] detik
High [40,60] detik
2. Penggunaan Aplikasi Fuzzy Inference System
Langkah – langkah penggunaan Fuzzy Inference System melalui Matlab
adalah sebagai berikut:
a. Buka program Matlab 7.11.0 R2010b
b. Ketikkan fuzzy pada command prompt Matlab
c. Kemudian akan muncul tampilan Fuzzy Inference System seperti berikut:
62
d. Klik pada gambar input1, ganti nama “input1” menjadi “Antrian” dan
selanjutnya klik pada gambar output, ganti nama “output” menjadi
“Hijau”. Sehingga menjadi seperti gambar berikut:
e. Untuk mengatur fungsi keanggotaan, pilih menu Edit-Membership
Functions. Terdapat 3 variabel membership function pada input maupun
pada output yaitu 𝑚𝑓1, 𝑚𝑓2 dan 𝑚𝑓3. Ubahlah nama 𝑚𝑓1, 𝑚𝑓2 dan
𝑚𝑓3 berturut-turut menjadi low, medium dan high dengan cara klik pada
kurva yang mewakili masing-masing membership function.
63
f. Untuk menyimpan file FIS, pilih menu File-Export-To File dan simpan
file berdasarkan APILL. Untuk APILL jl. Terban disimpan dengan nama
APILL 1, APILL jl. Persatuan disimpan dengan nama APILL 2, dan
APILL jl. Prof. Dr. Sardjito disimpan dengan nama APILL 3.
g. Langkah berikut adalah merubah parameter dan range dari input maupun
output yang terdapat pada membership function sesuai dengan data pada
tabel 4.6, 4.7 dan 4.8. Data pada tabel 4.6 digunakan untuk Fuzzy
Inference System APILL 1, data pada tabel 4.7 digunakan untuk Fuzzy
Inference System APILL 2 dan data pada tabel 4.8 digunakan untuk Fuzzy
Inference System APILL 3.
h. Untuk menentukan aturan fuzzy, pilih menu Edit-Rule. Aturan yang
digunakan pada tiap-tiap APILL adalah sama sehingga didapatkan aturan
pada gambar berikut:
64
i. Untuk melihat hasil inferensi, pilih menu View-Rule pada Rule Editor.
3. Hasil Pengujian Fuzzy Inference System
a. Fuzzy Inference System pada APILL jl. Terban
Berdasarkan survei langsung dilapangan panjang antrian kendaraan di
jalan Terban maksimal 25 meter agar tidak terjadi kemacetan arus lalu
lintas dari arah rumah sakit Dokter Yap. Dengan memasukkan input 25
Rule Viewer APILL 1 diperoleh lama waktu lampu hijau 33 detik seperti
pada gambar berikut.
65
b. Fuzzy Inference System pada APILL jl. Persatuan
Berdasarkan survei rata-rata panjang antrian di jalan Persatuan adalah
28 meter. Dengan memasukkan input 24 Rule Viewer APILL 2 maka
diperoleh lama waktu lampu hijau 17,4 detik seperti pada gambar
berikut.
66
c. Fuzzy Inference System pada APILL jl. Prof. Dr. Sardjito
Berdasarkan survei rata-rata panjang antrian di jalan Prof. Dr. Sardjito
adalah 10 meter. Dengan memasukkan input 16 pada Rule Viewer APILL
3 maka diperoleh lama waktu lampu hijau 12,1 detik seperti pada gambar
berikut.
Jadi diperoleh total waktu lampu hijau (33 + 17,4 + 12,1) detik = 62,5
detik. Tabel berikut menunjukkan lama waktu lampu hijau pada tiap-tiap
fase.
Tabel 4.9 Lama Waktu Lampu Hijau Setiap Fase
Fase Jalur/Arus Lama Waktu Lampu Hijau
I 𝐴𝐵, 𝐴𝐶, 𝐴𝐷, 𝐵𝐴 33 detik
II 𝐵𝐶, 𝐵𝐷, 𝐶𝐵 17 detik
III 𝐶𝐴, 𝐶𝐷 12 detik