pengaturan durasi lampu lalu lintas dengan cmac 3 layer

6
Sistem Pengaturan Durasi Lampu Lalu Lintas dengan Cerebellum Model Articulation Controller Harindra Wisnu Pradhana #1 , Eko Adi Sarwoko #2 # Magister Sistem Informasi Universitas Diponegoro JL Imam Barjo, Semarang, Indonesia 1 [email protected] Abstrak—Cerebellum Model Articulation Controller (CMAC) merupakan salah satu metode jaringan syaraf tiruan yang memodelkan otakk manusia kedalam sistem atau algoritma. Dalam hal ini sistem meniru otak belakang manusia dalam memberikan respon terhadap setiap aksi yang diterima oleh neuron-neuron pada otak. Pada makalah ini dibahas mengenai permodelan menggunakan metode CMAC untuk mengatur durasi lampu rambu-rambu lalu lintas yang disesuaikan dengan banyaknya kendaraan di masing-masing antrian. Diharapkan dengan sistem ini pengaturan durasi lampu rambu-rambu lalu lintas akan lebih efektif dan efisien dalam membantu menangani permasalahan kemacetan di jalan. I. PENDAHULUAN Mulai dari awal manusia menciptakan berbagai alat sebagai pemecahan masalah dengan metode-metode konfensional seperti hukum fisika dan matematis, berbagai metode mulai bergeser ke pemecahan masalah dengan algoritma-algoritma yang nantinya diharapkan dapat dibantu dengan proses komputasi untuk solusi yang lebih cepat dan akurat. Berbagai macam algoritma diketemukan untuk setiap masalah yang muncul, dan sebagai makhluk yang paling sempurna, kinerja tubuh manusia banyak ditiru untuk memecahkan berbagai masalah tadi. Mekanika tubuh, sistem sirkulasi dan peredaran hingga jaringan syaraf telah dimodelkan sebagai solusi bagi berbagai permasalahan nyata. Berbagai sistem dibuat sedemikian rupa sehingga semirip mungkin dengan manusia meski belum tepat sama. Jaringan syaraf manusia terdiri dari neuron-neuron yang memancarkan sinyal-sinyal elektris satu sama lain sehingga menarik para pakar teknologi untuk memodelkannya. Permodelan dilakukan dengan jaringan syaraf tiruan yang memiliki berbagai tipe dengan karakteristik masing-masing. Permodelannya dengan menggunakan sistem syaraf yang direpresentasikan dengan suatu neuron dengan masukan dan keluaran tertentu. Sebuah neuron memiliki satu atau lebih masukan melalui dendrit dari syaraf sensorik maupun neuron sebelumnya dan memiliki satu keluaran di akson yang masuk ke dendrit neuron selanjutnya atau ke syaraf motorik. Gambar 1 Skema Neuron Beberapa masukan akan diolah pada inti suatu neuron dan akan menghasilkan satu keluaran pada akson. Secara matematis, suatu neuron dimodelkan sebagai suatu unit hitung yang memiliki beberapa input dengan bobot masing- masing dan hasilnya akan dijumlahkan sebagai output tunggal dari neuron. Output inilah yang nantinya akan digunakan sebagai masukan pada fungsi aktifasi neuron tersebut. Untuk lebih jelasnya dapat dilihat pada gambar berikut. Gambar 2 Model Matematis Neuron Pada model diatas setiap input diwakili oleh x mulai dari x1, x2, dan seterusnya hingga xi. Sementara bobot dari input diwakili oleh w mulai dari w1, w2, hingga wi. Semua input nantinya akan dijumlahkan untuk menghasilkan input sementara yaitu uj. Input ini nantinya akan ditambah dengan bias yang dibangkitkan oleh neuron itu sendiri. Setelah semua digabungkan akan dihasilkan input u yang difungsikan dengan fungsi aktifasi y=f(u) dan akan dicapai hasilnya yaitu y. Model matematis dari neuron berkembang begitu pesat seiring berbagai penemuan manusia tentang algoritma permodelan dan pembelajaran neuron. Berbagai variasi terjadi pada jumlah masukan, model fungsi aktifasi, algoritma pembelajaran, juga susunan neuron itu sendiri mulai dari yang satu lapis hingga banyak lapisan neuron yang membentuk jaringan syaraf. II. PERMODELAN CMAC A. Sekilas tentang CMAC Salah satu implementasi syaraf buatan adalah Cerebellum Model Articulation Controller (CMAC). CMAC merupakan permodelan sistem kendali yang meniru sistem kerja otak belakang manusia. Sistem ini memiliki beberapa masukan dan satu keluaran. Sistem ini terdiri dari beberapa bagian antara lain : input aktifasi bobot output Bagian input memiliki fungsi aktifasi tertentu. Pada permodelan dengan metode digital, bagian input memilah- milah masukan pada level-level tertentu untuk pemrosesan SISTEM PENGATURAN DURASI LAMPU LALU LINTAS DENGAN CEREBELLUM MODEL ARTICULATION CONTROLLER HARINDRA WISNU PRADHANA – J4F 009 021 MAGISTER SISTEM INFORMASI UNIVERSITAS DIPONEGORO 1

Upload: harindra-w-pradhana

Post on 20-Jun-2015

2.438 views

Category:

Documents


6 download

DESCRIPTION

Makalah perancangan metode pengaturan durasi lampu lalu lintas menggunakan jaringan syaraf tiruan dengan algoritma CMAC (Cerebellum Model Articulation Controller)

TRANSCRIPT

Page 1: Pengaturan Durasi Lampu Lalu Lintas dengan CMAC 3 Layer

Sistem Pengaturan Durasi Lampu Lalu Lintas dengan Cerebellum Model Articulation Controller

Harindra Wisnu Pradhana #1, Eko Adi Sarwoko #2

# Magister Sistem Informasi Universitas DiponegoroJL Imam Barjo, Semarang, Indonesia

1 [email protected]

Abstrak—Cerebellum Model Articulation Controller (CMAC) merupakan salah satu metode jaringan syaraf tiruan yang memodelkan otakk manusia kedalam sistem atau algoritma. Dalam hal ini sistem meniru otak belakang manusia dalam memberikan respon terhadap setiap aksi yang diterima oleh neuron-neuron pada otak. Pada makalah ini dibahas mengenai permodelan menggunakan metode CMAC untuk mengatur durasi lampu rambu-rambu lalu lintas yang disesuaikan dengan banyaknya kendaraan di masing-masing antrian. Diharapkan dengan sistem ini pengaturan durasi lampu rambu-rambu lalu lintas akan lebih efektif dan efisien dalam membantu menangani permasalahan kemacetan di jalan.

I. PENDAHULUAN

Mulai dari awal manusia menciptakan berbagai alat sebagai pemecahan masalah dengan metode-metode konfensional seperti hukum fisika dan matematis, berbagai metode mulai bergeser ke pemecahan masalah dengan algoritma-algoritma yang nantinya diharapkan dapat dibantu dengan proses komputasi untuk solusi yang lebih cepat dan akurat. Berbagai macam algoritma diketemukan untuk setiap masalah yang muncul, dan sebagai makhluk yang paling sempurna, kinerja tubuh manusia banyak ditiru untuk memecahkan berbagai masalah tadi. Mekanika tubuh, sistem sirkulasi dan peredaran hingga jaringan syaraf telah dimodelkan sebagai solusi bagi berbagai permasalahan nyata. Berbagai sistem dibuat sedemikian rupa sehingga semirip mungkin dengan manusia meski belum tepat sama.

Jaringan syaraf manusia terdiri dari neuron-neuron yang memancarkan sinyal-sinyal elektris satu sama lain sehingga menarik para pakar teknologi untuk memodelkannya. Permodelan dilakukan dengan jaringan syaraf tiruan yang memiliki berbagai tipe dengan karakteristik masing-masing.

Permodelannya dengan menggunakan sistem syaraf yang direpresentasikan dengan suatu neuron dengan masukan dan keluaran tertentu. Sebuah neuron memiliki satu atau lebih masukan melalui dendrit dari syaraf sensorik maupun neuron sebelumnya dan memiliki satu keluaran di akson yang masuk ke dendrit neuron selanjutnya atau ke syaraf motorik.

Gambar 1 Skema Neuron

Beberapa masukan akan diolah pada inti suatu neuron dan akan menghasilkan satu keluaran pada akson. Secara

matematis, suatu neuron dimodelkan sebagai suatu unit hitung yang memiliki beberapa input dengan bobot masing-masing dan hasilnya akan dijumlahkan sebagai output tunggal dari neuron. Output inilah yang nantinya akan digunakan sebagai masukan pada fungsi aktifasi neuron tersebut. Untuk lebih jelasnya dapat dilihat pada gambar berikut.

Gambar 2 Model Matematis Neuron

Pada model diatas setiap input diwakili oleh x mulai dari x1, x2, dan seterusnya hingga xi. Sementara bobot dari input diwakili oleh w mulai dari w1, w2, hingga wi. Semua input nantinya akan dijumlahkan untuk menghasilkan input sementara yaitu uj. Input ini nantinya akan ditambah dengan bias yang dibangkitkan oleh neuron itu sendiri. Setelah semua digabungkan akan dihasilkan input u yang difungsikan dengan fungsi aktifasi y=f(u) dan akan dicapai hasilnya yaitu y.

Model matematis dari neuron berkembang begitu pesat seiring berbagai penemuan manusia tentang algoritma permodelan dan pembelajaran neuron. Berbagai variasi terjadi pada jumlah masukan, model fungsi aktifasi, algoritma pembelajaran, juga susunan neuron itu sendiri mulai dari yang satu lapis hingga banyak lapisan neuron yang membentuk jaringan syaraf.

II. PERMODELAN CMAC

A. Sekilas tentang CMAC

Salah satu implementasi syaraf buatan adalah Cerebellum Model Articulation Controller (CMAC). CMAC merupakan permodelan sistem kendali yang meniru sistem kerja otak belakang manusia. Sistem ini memiliki beberapa masukan dan satu keluaran. Sistem ini terdiri dari beberapa bagian antara lain :

• input• aktifasi• bobot• output

Bagian input memiliki fungsi aktifasi tertentu. Pada permodelan dengan metode digital, bagian input memilah-milah masukan pada level-level tertentu untuk pemrosesan

SISTEM PENGATURAN DURASI LAMPU LALU LINTAS DENGAN CEREBELLUM MODEL ARTICULATION CONTROLLER

HARINDRA WISNU PRADHANA – J4F 009 021MAGISTER SISTEM INFORMASI UNIVERSITAS DIPONEGORO 1

Page 2: Pengaturan Durasi Lampu Lalu Lintas dengan CMAC 3 Layer

selanjutnya secara digital. Bagian ini pulalah yang menunjukkan ke bagian aktifasi bobot mana yang harus diaktifkan.

Bagian aktifrasi berupa beberapa blok yang masing-masing menyimpan alamat bobot. Tidak semua blok pada bagian ini aktif pada saat diberi masukan melainkan beberapa yang ditunjuk oleh bagian input. Bagian yang ditunjuk akan mengaktifkan bobot sesuai alamat yang ada pada blok yang ditunjuk.

Bagian bobot akan menerima aktifasi dari bagian sebelumnya dan bobot yang aktif akan dilihat nilainya dan dikeluarkan ke bagian selanjutnya yaitu bagian bobot.

Bagian output akan menerima bobot-bobot yang aktif dari bagian sebelumnya. Bobot-bobot ini nantinya yang akan diproses untuk menghasilkan keluaran.

Sistem ini meniru kerja otak belakang yaitu hanya menggunakan sebagian kecil bobot saja, sehingga hanya yang aktif yang akan diproses dan prosesnya hanya penjumlahan sederhana sehingga relatif cepat dan tidak melakukan banyak proses sebagaimana manusia saat merespon masukan secara reflek. Lebih lanjut digambarkan sebagai berikut.

Gambar 3 Model CMAC

Pada gambar diatas, masukan ditunjukkan dengan huruf x, input akan menunjuk beberapa blok pada bagian aktifasi misal dicontohkan bagian a1, ai, dan an. Bagian blok-blok aktifasi yang ditunjuk akan mengaktifkan bobot yang sesuai yaitu w1, wi dan wn. Pada bagian terakhir ketiga bobot itu akan dijumlahkan untuk mendapatkan y yang diinginkan.

Banyaknya layer pada model yang digunakan akan mempengaruhi banyaknya bobot yang diaktifkan karena setiap satu layer akan mengaktifkan satu besaran bobot.

B. Permodelan CMAC

Pada makalah ini penulis mencoba mengimplementasikan algoritma CMAC untuk kasus persimpangan dua jalur yang saling tegak lurus sehingga membentuk perempatan. Permodelan disusun dengan menetapkan empat lajur masing-masing sebagai masukan dari CMAC sementara yang digunakan sebagai bobot adalah banyaknya antrian mobil pada lajur tersebut yang nantinya akan dipergunakan sebagai penentu lama durasi masing-masing lajur. Tabel kuantisasi data dan aktifasi memori diatur sebagai berikut.

TABEL 1

TABEL KUANTISASI DATA DAN AKTIFASI MEMORI

input Layer 1 Layer 2 Layer 3

0

W0W1

W2

1

W32W2

3 W1

Tabel diatas menampilkan tabel aktifasi bobot dimana pada setiap input akan ada tiga bobot yang aktif. Tabel ini juga menunjukkan bagaimana bobot saling terkait antara layer satu dengan lainnya berbeda dengan CMAC konvensional, hal ini sengaja dibentuk mengingat pada sebuah perempatan tidak ada posisi terkecil atau tertinggi karena setiap jalur yang bertemu pada perempatan memiliki jalur lain di sisi kiri maupun kanan jalur tersebut sehingga pada dasarnya input 3 juga bersebelahan dengan input 0.

C. Algoritma Pengaturan Durasi

Rumus dasar algoritma pelatihan bobot pada CMAC adalah sebagai berikut.

W i=W 0Laju×Error

3Bobot baru merupakan bobot lama ditambah laju kali error

dibagi tiga. Laju disini merupakan ketetetapan awal yang sama untuk setiap bobot yang menentukan kecepatan respon bobot dalam menanggapi error yang ada. Semakin besar laju yang ditetapkan maka akan semakin responsif rancangan yang dibuat. Error merupakan selisih antara nilai masukan dengan keluaran sementara yang ada, angka ini menunjukkan seberapa besar simpangan bobot secara keseluruhan dibandingkan dengan besaran input. Sementara untuk menghitung keluaran CMAC menggunakan algoritma berikut.

Y i=∑W j

Keluaran dari input i merupakan jumlah seluruh bobot j yang ditunjuk oleh input i pada saat aktifasi bobot. Proses pelatihan dilakukan secara langsung seiring dengan siklus pergantian jalur yang jalan dan berhenti. Setiap saat bobot dihitung dari jumlah antrian dan diperbaharui dengan bobot baru. Konversi jumlah antrian dengan durasi dilakukan dengan perhitungan persentase bobot terhadap panjang durasi siklus seperti rumus berikut.

T i=Y i

∑Y×T

Periode hijau satu lajur dapat dihitung dengan membagi keluaran CMAC lajur tersebut dengan jumlah keluaran semua lajur dikalikan periode total siklus perputaran lampu.

III. PERANCANGAN PURWARUPA SISTEM

Pada bagian ini dirancang sebuah purwarupa sistem perhitungan durasi lampu lalu lintas dengan pemrograman berbasis web dinamis dengan PHP agar dapat diuji langsung proses perhitungannya dan menampilkan posisi bobot serta durasi lampu secara otomatis.

Ada satu variabel dasar yang disimpan pada sesi web yaitu variabel bobot yang berupa larik berisi empat komponen

SISTEM PENGATURAN DURASI LAMPU LALU LINTAS DENGAN CEREBELLUM MODEL ARTICULATION CONTROLLER

HARINDRA WISNU PRADHANA – J4F 009 021MAGISTER SISTEM INFORMASI UNIVERSITAS DIPONEGORO 2

Page 3: Pengaturan Durasi Lampu Lalu Lintas dengan CMAC 3 Layer

variabel untuk setiap bobot. Selain itu variabel tetapan juga memerlukan alokasi tersendiri seperti besaran laju pelatihan bobot serta periode siklus. Variabel yang lain seperti input dan output merupakan variabel sesaat yang diinputkan setiap kali proses maupun merupakan hasil proses sehingga tidak perlu disimpan dan menyimpan alokasi memori pemrograman.

A. Perancangan Fungsi

Sebagai ketetapan awal, diatur nama variabel sesi diantaranya adalah sebagai berikut.

• $_SESSION['laju']• $_SESSION['periode']• $_SESSION['bobot']

Fungsi pertama yang dirancang adalah fungsi perhitungan keluaran. Fungsi ini sengaja dirancang terlebih dahulu karena nantinya akan digunakan pada fungsi pelatihan bobot dari input. Fungsi perhitungan keluaran tersebut dirancang sebagai berikut.function output($i){switch ($i)

{case '0' :$o=$_SESSION['bobot']['0']+$_SESSION['bobot']['1']+$_SESSION['bobot']['2'];break;case '1' :$o=$_SESSION['bobot']['0']+$_SESSION['bobot']['1']+$_SESSION['bobot']['3'];break;case '2' :$o=$_SESSION['bobot']['0']+$_SESSION['bobot']['2']+$_SESSION['bobot']['3'];break;case '3' :$o=$_SESSION['bobot']['1']+$_SESSION['bobot']['2']+$_SESSION['bobot']['3'];break;

}return $o;}

Fungsi diatas mengaktifkan bobot mana saja yang aktif tergantung dari jalur berapa yang dihitung. Setelah diaktifkan, maka bobot tersebut dijumlahkan untuk mengetahui keluaran dari jalur tersebut.

Selanjutnya dirancang sistem perhitungan input untuk proses pelatihan bobot pada CMAC. Pemrogramannya adalah sebagai berikut.function input($i,$x){$yi=output($i);$err=$x-$yi;$dw=$_SESSION['laju']*$err/3;if (($i=='0')||($i=='1')||($i=='2'))

{$_SESSION['bobot']['0']+=$dw;

}if (($i=='0')||($i=='1')||($i=='3'))

{$_SESSION['bobot']['1']+=$dw;

}if (($i=='0')||($i=='2')||($i=='3'))

{$_SESSION['bobot']['2']+=$dw;

}if (($i=='1')||($i=='2')||($i=='3'))

{$_SESSION['bobot']['3']+=$dw;

}}

Variabel $yi merupakan output lajur yang diproses input barunya, sementara $err merupakan error hasil selisih antara input dengan output sementara. $dw merupakan perubahan bobot yang nantinya akan dijumlahkan dengan bobot yang aktif. Setelah perubahan bobot ditemukan, maka proses berlanjut dengan percabangan untuk menjumlahkan perubahan tersebut hanya dengan bobot yang aktif sesuai i yang dihitung.

Fungsi terakhir adalah konversi dari bobot ke periode. Untuk membantu fungsi ini, perlu ada fungsi tambahan yang menampilkan output bobot ke dalam satu variabel larik sebagai berikut.function deretoutput(){for ($i=0;$i<4;$i++)$output{$i}=output($i);return $output}

Dengan fungsi deret output ini maka dapat diproses periode tersebut menggunakan fungsi berikut.function deretperiode(){$output=deretoutput();$total=$output['0']+$output['1']+$output['2']+$output['3'];for ($i=0;$i<4;$i++)$periode{$i}=$_SESSION['periode']*output($i)/$total;return $periode;}

B. Implementasi Purwarupa

Purwarupa sistem perhitungan periode lampu lalu lintas dikemas dengan tampilan sederhana sebagai media antarmuka antara pengguna dengan sistem. Setelah diprogram, purwarupa sistem diuji dengan menggunakan browser untuk mengetahui hasil pemrogramannya mulai dari proses input serta analisa hasilnya.

Gambar 4 Tampilan Awal Purwarupa Sistem

Tampilan awal sistem memunculkan judul pada bagian atas, data pada memori di bagian kiri dan form perhitungan input di sebelah kanan. Bagian memori menampilkan laju perhitungan CMAC, Periode total lampu lalu lintas, serta keempat bobot CMAC. Bagian form di sebelah kanan menampilkan keempat lajur lengkap dengan output CMAC serta periode masing-masing lajur. Di bagian bawah tiap lajur terdapat input perhitungan antrian mobil yang nantinya dipergunakan untuk melakukan proses pelatihan bobot pada CMAC.

Pada kondisi awal, seluruh variabel masih kosong tanpa isi, langkah pertama yang dilakukan adalah mengatur

SISTEM PENGATURAN DURASI LAMPU LALU LINTAS DENGAN CEREBELLUM MODEL ARTICULATION CONTROLLER

HARINDRA WISNU PRADHANA – J4F 009 021MAGISTER SISTEM INFORMASI UNIVERSITAS DIPONEGORO 3

Page 4: Pengaturan Durasi Lampu Lalu Lintas dengan CMAC 3 Layer

inisialisasi laju dan periode dari sistem. Seperti ditampilkan pada gambar berikut.

Gambar 5 Inisialisasi Variabel

Laju secara normal atau penuh adalah 1, untuk rambatan yang lebih stabil atau memiliki kecenderungan berubah kecil maka digunakan laju kurang dari satu, sebaliknya untuk rambatan cepat digunakan laju lebih dari satu. Proses pengujian dilakukan berurutan dengan menginputkan banyaknya antrian mobil selama lampu merah secara runtut pada lajur 0, 1, 2 dan 3 lalu kembali lagi ke lajur 0.

C. Pengujian Purwarupa

Pada pengujian ini akan dibandingkan hasil pengaturan durasi lalu lintas dengan pendekatan CMAC dan dengan perhitungan secara langsung serta pengujian tanpa perhitungan dimana sistem lampu lalu lintas diatur statis dengan periode tetap.

Sebagai langkah awal ditentukan data pengujian yang dibuat secara acak. Data yang sama akan digunakan untuk keseluruhan pengujian. Data terdiri dari sederetan bilangan acak yang mewakili jumlah antrian mobil di setiap lajur. Pada percobaan ini digunakan data dengan 15 siklus antrian mobil pada persimpangan lalu lintas.

TABEL 2 DATA PENGUJIAN PURWARUPA

StepQ0 Q1 Q2 Q3

1 5 17 8 42 6 15 9 23 4 13 10 44 7 16 7 45 8 16 8 26 5 17 8 37 7 14 10 18 6 15 6 59 7 18 10 010 6 19 9 211 8 20 11 412 8 21 14 513 9 25 13 514 5 22 12 215 6 21 10 7

561Rata2/Mobil 6.417112

Antrian

Jumlah Mobil

Susunan data pengujian ini memunculkan jumlah mobil dari seluruh pengujian ada 561 mobil dengan rata-rata setiap

mobil membutuhkan alokasi lampu hijau selama 6,417112 detik. Dengan menggunakan data pengujian yang ada, dilakukan tiga percobaan masing-masing dengan periode statis tanpa adaptasi periode, dengan metode adaptasi perbandingan serta dengan CMAC. Hasil pengujian dengan periode statis hanya menghasilkan periode tetap yang dibagi rata antar satu lajur dengan yang lain, dalam hal ini periode lampu akan sama rata selama 60 detik untuk setiap lajur.

Metode perbandingan langsung menggunakan persentase antrian pada siklus sebelumnya untuk menentukan periode masing-masing lajur. Hasil pengujiannya adalah sebagai berikut.

TABEL 3 HASIL PENGUJIAN METODE PERBANDINGAN

StepQ0 Q1 Q2 Q3 T0 T1 T2 T3

1 5 17 8 4 60.00 60.00 60.00 60.002 6 15 9 2 35.29 120.00 56.47 28.243 4 13 10 4 45.00 112.50 67.50 15.004 7 16 7 4 30.97 100.65 77.42 30.975 8 16 8 2 49.41 112.94 49.41 28.246 5 17 8 3 56.47 112.94 56.47 14.127 7 14 10 1 36.36 123.64 58.18 21.828 6 15 6 5 52.50 105.00 75.00 7.509 7 18 10 0 45.00 112.50 45.00 37.5010 6 19 9 2 48.00 123.43 68.57 0.0011 8 20 11 4 40.00 126.67 60.00 13.3312 8 21 14 5 44.65 111.63 61.40 22.3313 9 25 13 5 40.00 105.00 70.00 25.0014 5 22 12 2 41.54 115.38 60.00 23.0815 6 21 10 7 29.27 128.78 70.24 11.71

Antrian Periode

Sementara pengujian CMAC dilakukan dengan menggunakan laju 0,8 dan periode yang sama yaitu 240. Hasil pengujiannya ditampilkan pada tabel berikut.

TABEL 4 HASIL PENGUJIAN METODE CMAC

StepQ0 Q1 Q2 Q3 T0 T1 T2 T3

1 5 17 8 4 60.00 60.00 60.00 60.002 6 15 9 2 64.50 85.34 48.17 41.993 4 13 10 4 61.10 100.58 50.49 27.834 7 16 7 4 54.05 96.87 58.85 30.235 8 16 8 2 52.74 103.58 54.42 29.266 5 17 8 3 54.34 111.76 53.21 20.687 7 14 10 1 50.90 112.87 53.54 22.698 6 15 6 5 50.36 115.88 60.97 12.799 7 18 10 0 50.29 106.00 56.47 27.25

10 6 19 9 2 48.00 124.69 58.57 8.7411 8 20 11 4 49.35 118.47 57.20 15.9912 8 21 14 5 51.14 108.84 57.96 22.0613 9 25 13 5 49.63 104.21 61.42 24.7414 5 22 12 2 47.96 108.09 59.75 24.2115 6 21 10 7 38.39 124.56 63.13 13.92

Antrian Periode

Dua pengujian terakhir menggunakan periode awal yang sama yaitu 60 detik untuk setiap lajur mengingat pada periode awal belum ada antrian sebelumnya untuk digunakan sebagai acuan perhitungan baik dengan perbandingan maupun pada CMAC. Asumsi awal ini dilakukan dengan membagi panjang periode total dengan banyaknya lajur sebagaimana pada metode statis.

SISTEM PENGATURAN DURASI LAMPU LALU LINTAS DENGAN CEREBELLUM MODEL ARTICULATION CONTROLLER

HARINDRA WISNU PRADHANA – J4F 009 021MAGISTER SISTEM INFORMASI UNIVERSITAS DIPONEGORO 4

Page 5: Pengaturan Durasi Lampu Lalu Lintas dengan CMAC 3 Layer

IV. ANALISA PENGUJIAN PURWARUPA

Data hasil pengujian pada bagian sebelumnya dianalisa pada bagian ini dengan menggunakan perhitungan simpangan. Perhitungan ini menghitung selisih antara berapa lama seharusnya alokasi masing-masing mobil di tiap-tiap lajur pada setiap periode dengan berapa lama alokasi yang diberikan pada mobil tersebut untuk setiap periode. Keseluruhan simpangan ini dijumlahkan untuk setiap periode agar tampak kenaikan simpangan tersebut.

Uji yang pertama dilakukann pada pengujian statis. Hasil perhitungan Simpangan masing-masing lajur dari pengujian statis serta jumlah simpangan tiap periode dan total simpangannya ditampilkan pada tabel berikut.

TABEL 5 SIMPANGAN PENGUJIAN STATIS

SimpanganQ0 Q1 Q2 Q327.91 49.09 8.66 34.33 120.00 120.0021.50 36.26 2.25 47.17 107.17 227.1734.33 23.42 4.17 34.33 96.26 323.4215.08 42.67 15.08 34.33 107.17 430.598.66 42.67 8.66 47.17 107.17 537.75

27.91 49.09 8.66 40.75 126.42 664.1715.08 29.84 4.17 53.58 102.67 766.8421.50 36.26 21.50 27.91 107.17 874.0115.08 55.51 4.17 60.00 134.76 1008.7721.50 61.93 2.25 47.17 132.83 1141.608.66 68.34 10.59 34.33 121.93 1263.538.66 74.76 29.84 27.91 141.18 1404.712.25 100.43 23.42 27.91 154.01 1558.72

27.91 81.18 17.01 47.17 173.26 1731.9821.50 74.76 4.17 15.08 115.51 1847.49

Simp Period

Simp Total

Sementara pengujian kedua dengan metode perbandingan menghasilkan data simpangan yang ditampilkan pada tabel berikut.

TABEL 6 SIMPANGAN PENGUJIAN PERBANDINGAN

SimpanganQ0 Q1 Q2 Q327.91 49.09 8.66 34.33 120.00 120.003.21 23.74 1.28 15.40 43.64 163.64

19.33 29.08 3.33 10.67 62.41 226.0413.95 2.03 32.50 5.30 53.78 279.821.93 10.27 1.93 15.40 29.52 309.34

24.39 3.85 5.13 5.13 38.50 347.848.56 33.80 5.99 15.40 63.74 411.59

14.00 8.74 36.50 24.59 83.82 495.410.08 3.01 19.17 37.50 59.76 555.179.50 1.50 10.82 12.83 34.65 589.82

11.34 1.68 10.59 12.34 35.94 625.766.69 23.13 28.44 9.76 68.02 693.78

17.75 55.43 13.42 7.09 93.69 787.479.45 25.79 17.01 10.24 62.49 849.969.23 5.98 6.07 33.21 54.50 904.46

Simp Period

Simp Total

Sebagaimana dua pengujian sebelumnya data hasil perhitungan simpangan tiap-tiap lajur, jumlah simpangan tiap periode dan total simpangan yang terjadi selama pengujian pengaturan periode lampu lalu lintas dengan metode CMAC ditampilkan pada tabel berikut.

TABEL 7 SIMPANGAN PENGUJIAN CMAC

SimpanganQ0 Q1 Q2 Q327.91 49.09 8.66 34.33 120.00 120.0026.00 10.92 9.58 29.16 75.65 195.6535.43 17.16 13.68 2.16 68.43 264.099.13 5.80 13.93 4.56 33.43 297.511.40 0.91 3.08 16.43 21.82 319.33

22.25 2.67 1.87 1.43 28.23 347.555.98 23.03 10.63 16.27 55.91 403.47

11.86 19.62 22.47 19.30 73.24 476.715.37 9.51 7.70 27.25 49.83 526.549.50 2.76 0.82 4.09 17.17 543.721.99 9.87 13.39 9.68 34.93 578.640.20 25.92 31.88 10.03 68.02 646.668.12 56.22 22.00 7.35 93.69 740.35

15.87 33.09 17.26 11.38 77.59 817.940.11 10.20 1.04 31.00 42.35 860.30

Simp Period

Simp Total

Untuk mempermudah menganalisa data hasil pengujian, ketiga tabel hasil pengujian tersebut ditampilkan kedalam suatu grafik yang menampilkan simpangan total ketiga metode yang diuji. Grafik tersebut ditampilkan pada gambar berikut.

12

34

56

78

910

1112

1314

15

0.00200.00400.00600.00800.00

1000.001200.001400.001600.001800.002000.00

Perbandingan Pengujian

Uji StatisUji PerbandinganUji CMAC 0,8

Periode Siklus

Sim

pa

ng

an

Gambar 6 Grafik Perbandingan Pengujian

Dari grafik diatas tampak kenaikan simpangan yang relatif tinggi pada pengujian dengan metode statis. Hal ini bisa dipastikan mengingat metode statis ini sama sekali tidak adaptif dan memang tidak ada penyesuaian periode lajur dengan beban antrian pada lajur tersebut sehingga menimbulkan simpangan yang sangat besar.

Pada pengujian dengan metode perbandingan ada proses adaptasi dengan metode yang menyesuaikan periode lajur tepat sebanding dengan beban lajur yang sama pada periode sebelumnya. Proses adaptasi ini sangat cepat dan lugas mengubah periode tanpa memperhatikan periode sebelumnya. Hal ini bisa sangat efektif pada tahap-tahap awal yang memerlukan adaptasi sangat cepat. Namun setelah proses lama, perubahan sesaat pada beban antrian akan mengubah periode begitu drastis sehingga bila pada keadaan sebelumnya sangat sepi dan tiba-tiba ramai sistem ini tidak mampu menangani perubahan tersebut dengan efektif sehingga terjadi ketimpangan yang berlebihan.

Metode terakhir dengan CMAC menggunakan laju 0,8 menunjukkan proses adaptasi secara bertahap namun stabil. Metode ini mampu menyimpan tren beban pada lajur tertentu

SISTEM PENGATURAN DURASI LAMPU LALU LINTAS DENGAN CEREBELLUM MODEL ARTICULATION CONTROLLER

HARINDRA WISNU PRADHANA – J4F 009 021MAGISTER SISTEM INFORMASI UNIVERSITAS DIPONEGORO 5

Page 6: Pengaturan Durasi Lampu Lalu Lintas dengan CMAC 3 Layer

sehingga tidak serta merta berubah drastis bila ada perubahan sesaat pada beban. Tampak pada grafik meski pada awal beroperasi sistem ini cenderung kalah dengan metode perbandingan, namun seiring perjalanan siklus lampu lalu lintas, metode ini semakin efektif menangani perubahan-perubahan yang ada pada beban antrian dibandingkan dengan metode yang lain. Meski demikian masih ada banyak model laju pelatihan bobot yang patut diuji cobakan untuk mendapatkan sistem perhitungan yang lebih efektif dengan simpangan yang lebih efisien.

V. KESIMPULAN

Dari perancangan dan analisa pada bagian sebelumnya, penulis mengambil beberapa kesimpulan diantaranya adalah sebagai berikut.

• Permodelann pengaturan durasi lampu lalu lintas dapat diatur dengan metode Cerebellum Model Articulation Controller yang memodelkan sistem sebagaimana otak kecil manusia.

• Permodelan dengan CMAC terbukti lebih efektif mengatur durasi lampu lalu lintas dibandingkan dengan metode perbandingan dasar atau siklus lalu lintas statis.

• Hasil pengujian baru pada CMAC dengan ketetapan laju sebesar 0,8 dan belum dicoba untuk laju lain, hal ini bisa menghasilkan data pengujian yang berbeda dan dimungkinkan didapati laju yang paling efisien.

DAFTAR PUSTAKA

[1] Pradhana, Harindra Wisnu, Implementasi Pelatihan Bobot pada CMAC Tiga Layer. Semarang:Universitas Diponegoro, 2006.

SISTEM PENGATURAN DURASI LAMPU LALU LINTAS DENGAN CEREBELLUM MODEL ARTICULATION CONTROLLER

HARINDRA WISNU PRADHANA – J4F 009 021MAGISTER SISTEM INFORMASI UNIVERSITAS DIPONEGORO 6