KomMTi – Volume : 2, No.

: 4 / April 2008

SIMULASI PENGATURAN LAMPU LALULINTAS BARBASIS LOGIKA FUZZY DENGAN MENGGUAKAN MATLAB 7.0 Oleh : Putri Pradnyawidya Sari 1 Abstract A well ordered traffic at any crossroads is largely determined by a well-ordered traffic lights system, i.e, traffic lights system which adapt well with the crowdedness of the vehicles on the road directed. Alternative method of control design which can be administered in traffic lights regulation is applicating fuzzy compound theory simulate the system made before implementing it in the real systems. The design of simulation of traffic light regulating system with MATLAB FUZZY LOGIC TOOLBOX was explained in this study. The input variable is Akendaraan1 as the density of the line being regulated and Akendaraan2 as the density of line waiting. The output variable is Llamp, which is the length of the green lights. The simulation of the traffic light regulating using MATLAB Fuzzy Logic Toolbox rendered simulation program which can be fixed and proved simulatively that the control system of traffic light based on fuzzy logic can be used to reglate traffic light. Keywords : Fuzzyfikation, Inferention, Defuzzyfikation Latar Belakang Lampu lalulintas memegang peranan penting dalam pengaturan kelancaran lalulintas. Sistem pengaturan lalulintas yang ada saat ini sebagian besar masih berbasis siklus waktu. Siklus ini tidak dapat mengikuti perubahan kepadatan pada jalur yang diatur, sehingga mengakibatkan antrian dan kemacetan lalulitas. Lampu lalulintas pada perkembangan selanjutnya tidak hanya menyala untuk waktu yang sudah ditentukan saja, tetapi
1

Kandidat Peneliti pada Balai Pengkajian dan Pengembangan Informasi Wilayah V Surabaya, Badan Libang SDM, Departemen Komunikasi dan Informatika RI. __________________________________________________________________________ Balai Pengkajian dan Pengembangan Informasi Wilayah V Surabaya

159

Jika kemampuan tidak memuaskan. dapat menyelesaikan masalahmasalah yang tidak pasti jawabannya termasuk sistem pengendalian lampu lalulintas. Sangat Padat (SP). Istilah-istilah inilah yang dapat menimbulkan kemenduaan (ambiguity) dalam pengertiannya.KomMTi – Volume : 2. No. Sedang (S). Sistem pengendalian lampu lalulintas yang menggunakan istilah untuk sebaran kendaraanyang terdiri dari Tidak Padat (TP) Kurang Padat (KP). Agak Lama (AL). sedangkan untuk waktu nyala lampu lalulintas adalah : Cepat (C). Rumusan Masalah __________________________________________________________________________ Balai Pengkajian dan Pengembangan Informasi Wilayah V Surabaya 160 . merancang algoritma kendali dengan menggunakan aturan kabur yang mendeskripsiskan prinsip-prinsip pengaturan pengendali dalam kaitannya dengan hubungan masukkan dan keluaran sistem. metodologi perancangan kendali pada logika fuzzy lebih sederhana. Dengan metode perancang kendali konvensional yang banyak digunakan sistem pengaturan lampu lalulintas saat ini memerlukan biaya yang banyak. Agak Cepat (AC). perubahan yang perlu dilakukan hanyalah memodifikasi aturan fuzzy dan pengujian ulang sistem. Metodologi perancangan kendali pada logika fuzzy hanya memerlukan 3 langkah yaitu memahami dan mengkarakteristikan kelakuan sistem dan mendata kebutuhan sistem. dan kompleksitas desain yang tinggi. siklus pengembangan rancangan yang panjang. dan langkah yang terakhir adalah mensimulasikan dan mendebug rancangan. Cukup Padat (CP). Melihat pengguna kendaraan yang semakin padat dan dinamis maka lampu lalulintas sebagai pengatur kelancaran jalan sedapat mungkin memberikan pelayanan yang maksimal bagi pengguna jalan. Mempelajari logika fuzzy. Kemudahan metodologi perancangan dengan logika fuzzy ini secara substansial mereduksi biaya dan bahkan memperbaiki waktu pemasaran. Berbeda dengan metodologi perancangan kendali konvensional. Padat (P). : 4 / April 2008 disesuaikan dengan kepadatan arus lalulintas pada lengan-lengan persimpangan jalan. Logika fuzzy dapat mengubah kemenduaan tersebut kedalam model matematis sehingga dapat diproses lebih lanjut untuk diterapkan dalam sistem kendali. dan Lama (L).

Langkah awal dalam membangun algoritma lampu lalulitas berasis logika fuzzy adalah dengan membuat himpunan fuzzy pada masing-masing variabel. Mengaplikasikan teori himpunan fuzzy dan merancang program simulasi untuk pengaturan lampu lalulitas yang sesuai dengan sistem actuated controller. Apakah Fuzzy Logic Toolbox Matlab 7. Bagaimana penerapan logika fuzzy dalam algoritma perancangan pengaturan lampu lalulintas? 2. pada program simulasi menggunakan Toolbox Fuzzy pada paket Matlab karena sudah disertai editor untuk perbaikan variabel.0 Perancangan Sistem Sistem fuzzy yang dibangun dalam simulasi ini dirancang untuk pengendalian lampu lalulintas pada sebuah persimpangan jalan yaitu simpang empat yang dapat berjalan secara otomatis dan dapat menyesuaikan diri dengan kepadatan lalulintas pada tiap-tiap jalur (bagian dari lengan jalan). Perangkat lunak paket MATLAB 7. Tabel dapat dilihat pada table 1. Untuk itu. Metode Penelitian Materi penelitian adalah menggunakan perangkat lunak untuk mensimulasikan algoritma sistem pengaturan lampu lalulintas. rumusan masalah dalam penelitian ini adalah : 1. Mengimplementasikan teori tersebut kesalah satu perangkat lunak computer kemudian melakukan pembahasan dan pengujian terhadap hasilnya. : 4 / April 2008 Atas dasar uraian batasan masalah tersebut. Alat dan Bahan : 1. Simulasi harus memberikan kemudahan bagi user. himpunan.KomMTi – Volume : 2. Komputer 2. 2.0 dapat mensimlasikan degan tepat kinerja dari sistem pengaturan lampu lalulintas berbasis logika fuzzy? Tujuan Penelitian 1. Setiap lengan jalan dilengkapi dengan adanya sensor yang dapat mengukur panjangnya antrian kendaraan pada tiap jalur. No. Tabel 1 Himpunan Fuzzy masing-masing variabel __________________________________________________________________________ Balai Pengkajian dan Pengembangan Informasi Wilayah V Surabaya 161 . aturan dan metode defuzzifikasi.

100] CP P SP C [25 75] [50 100] [75 100] [0 [0 [15 [30 [45 5] 30] 45] 60] 60] Llampu (Variabel Output) AC [0.KomMTi – Volume : 2. No. : 4 / April 2008 Variabel Semesta Pembicaraan Nama Himpunan TP Domain Keterangan Panjang Antrian jumlah kendaraan TIDAK PADAT Panjang Antrian jumlah kendaraan KURANG PADAT Panjang Antrian jumlah kendaraan CUKUP PADAT Panjang Antrian jumlah kendaraan PADAT Panjang Antrian jumlah kendaraan SANGAT PADAT Lama Nyala Lampu CEPAT Lama Nyala Lampu AGAK CEPAT Lama Nyala Lampu SEDANG Lama Nyala Lampu AGAK LAMA Lama Nyala Lampu LAMA [0 [0 25] 50] Akendaraan 1 dan Akendaraan 2 (Variabel Input) KP [0. Tabel 2 Aturan Fuzzy pada nyala lampu hijau Akendaraan1 Akendaraan2 TP KP CP P SP TP C C C C C KP AC AC AC AC AC CP S S S S AC P AL AL AL S S SP L L AL AL S Aturan tersebut dapat dibaca : IF Akendaraan1 = Nama himpunan fuzzy AND Akedaraan2 = Nama himpunan fuzzy THEN Llampu = Nama himpunan fuzzy pembentukan fungsi keanggotaan dapat dipresentasikan pada gambar 1 dan gambar 2. __________________________________________________________________________ Balai Pengkajian dan Pengembangan Informasi Wilayah V Surabaya 162 . Aturan-aturan yang digunakan dapat dilihat pada table 2.60] S AL L Sedangkan aturan-aturan untuk fungsi diperoleh berdasarkan hasil survey dari DLLAJR.

: 4 / April 2008 Gambar 1 Presentasi variabel Akendaraan1 dan Akendaraan2 TP 1 Derajat Keanggotaan µjk(x) 0 0 KP CP P SP Gambar 2 25 50 75 100 Panjang antrian jml kendaraan Gambar 2 Presentasi variabel Llampu C 1 Derajat Keanggotaan µjk(x) 0 0 AC S AL L 25 50 75 100 Lama nyala lampu hijau kemudian nilai dari variabel tersebut diatas dapat ditentukan nilai keanggotaan pada tiap-tiap himpunan fuzzy. salah satunya himpunan fuzzy dalam variabel Akendaraan untuk Tidak Padat (TP) : 0 µtp(x) = . No.KomMTi – Volume : 2. x≥25 25-x 25 . 0≤x≤25 Adapun algoritma dari inferensi fuzzy sistem pengendalian lampu lalulintas dapat dilihat dalam diagram berikut ini : __________________________________________________________________________ Balai Pengkajian dan Pengembangan Informasi Wilayah V Surabaya 163 .

Untuk sistem pengendalian lampu lalulintas ini dipilih metode centroid yaitu menentukan titik keseimbangan daerah solusi fuzzy dengan menemukan beban rata-rata daerah solusi fuzzy. 2. α-predikat Max(µpk1. : 4 / April 2008 Diagram 1 Diagram Algoritma Inferensi Rule menggunakan operasi Fuzzy (AND) Nilai Keanggotaan Antiseden (µpk) Alpha-Cut (MIN) Keluaran Fuzzy untuk setiap label konsekuen (MAX) secara garis besarnya algoritma inferensi fuzzy sistem pengendalian lampu lalulintas adalah : 1. µpk. Menentukan nilai maksimum antara nilai pada poin semua aturan yang menyusun model fuzzy. Menentukan nilai antiseden aturan dengan mengoperasikan operator fuzzy yang menghubungkan variabel-variabel kendali.KomMTi – Volume : 2. __________________________________________________________________________ Balai Pengkajian dan Pengembangan Informasi Wilayah V Surabaya 164 . No. µpk2) 3. µpk2) Metode defuzzifikasi dipilih untuk menjelaskan cara mendapatkan nilai yang diinginkan dengan menggunakan daerah hasil melalui proses agregasi. Menentukan nilai minimum antara nilai pada poin 1 dengan himpunan fuzzy konsekuen. α-predikat Min(µpk1.

KomMTi – Volume : 2. Pembahasan tentang penerapan logika fuzzy dalam perancangan sistem kendali telah banyak dibahas dalam berbagai buku dan makalah.52 Nilai keanggotaan untuk masukkan nilai 60 diantara range µcp (50 ≤ x ≤ 75) pada himpunan fuzzy cukup padat dan µp (50 ≤ x ≤ 75) pada himpunan fuzzy padat sehingga dapat dihitung nilai keanggotaannya.Lea. : 4 / April 2008 Pembahasan Beberapa pustaka. baik buku teks terbitan maupun artikelartikel yang telah banyak dipublikasika diinternet telah digunakan sebagai bahan referesi dalam penulisan karya tulis ilmiah ini. yaitu : µtp[12] = (25-12)/25 = 0. Sedangkan penelitian tentang teori himpunan fuzzy.W. No.48 µkp[12] = 12/25 = 0. yaitu __________________________________________________________________________ Balai Pengkajian dan Pengembangan Informasi Wilayah V Surabaya 165 .0 Tabel 3 Tabel Input Uji Coba Variabel Input Input pertama Input kedua Akendaraan1 12 40 Akendaraan2 60 20 1) Pembahasan input pertama diuji dengan algoritma sistem fuzzy : Nilai keanggotaan untuk masukkan nilai 12 diantara range µtp (0 ≤ x ≤ 25) pada himpunan fuzzy Tidak Padat dan µkp (0 ≤ x ≤ 25) sehingga dapat dihitung nilai keanggotaannnya. Langkah terakhir dari perancangan sistem fuzzy adalah mengujinya dengan memeberikan beberapa input kedalam algoritma sistem fuzzy dan fuzzy toolbox MATLAB 7.1994]. Khusus untuk perancangan kendali pengaturan lampu lalulintas sebenarnya telah diterapkan di Inggris. operator fuzzy dan logika bahasa pada pengaturan lampu lalulitas terdapat pada sistem pengaturan lampu lalulintas dengan meggunakan teori himpunan fuzzy [J.

4 [R8] IF Akendaraan1 Kurang Padat AND Akendaraan2 Cukup Padat THEN Llampu Agak Cepat.4. kemudian didapat titik pusat yaitu 8.4 [R3] IF Akendaraan1 Tidak Padat AND Akendaraan2 Cukup Padat Then Llampu Cepat.8. mengedit. 2) Pembahasan input kedua akan digunakan MATLAB Toolbox Fuzzy agar dapat mempermudah membangun.6 Aplikasi fungsi implikasi adalah • µp[60] = (60 -50/25) = 0. Dari aturan tersebut didapat nilai minimal dan alpha-cut dari nilai keanggotaan dua variabel input tersebut yaitu 0.818. : 4 / April 2008 µcp[60] = (75-60)/25 = 0. __________________________________________________________________________ Balai Pengkajian dan Pengembangan Informasi Wilayah V Surabaya 166 .KomMTi – Volume : 2. lamanya lampu hijau yang harus menyala adalah 9 detik. Metode penegasan yang akan digunakan adalah metode Centroid. • • • Dari hasil aplikasi fungsi implikasi dari tiap aturan digunakan metode MAX untuk melakukan komposisi antar semua aturan. Dari aturan tersebut didapat nilai minimal dan alpha-cut dari nilai keanggotaan dua variabel input tersebut yaitu 0. sehingga didapat nilai keanggotaan dua variabel tersebut adalah a1 = 6 dan a2 = 7. Jadi.48 [R9] IF Akendaraan1 Kurang Padat AND Akendaraan2 Padat THEN Llampu Agak Cepat Dari aturan tersebut didapat nilai minimal dan alpha-cut dari nilai keanggotaan dua variabel input tersebut yaitu 0.52 [R4] IF Akendaraan1 Tidak Padat AND Akendaraan2 Padat THEN Llampu Cepat. dan megobservasi sistem penalaran fuzzy. No. Dari aturan tersebut didapat nilai minimal atau alpha-cut dari nilai keanggotaan dua variabel input tersebut yaitu 0.

Pada gamar tersebut terlihat ada 2 input yaitu Akendaraan1 dan Akendaraan2 serta 1 output yaitu Llampu. Fungsi defuzzyfikasi dapat dipilih metode centroid. 2. P dan SP. KP. pada gambr menampilkan variabel Akendaraan1 begitu juga dengan variabel Akendaraan2 sama dengan tampila pada variabel Akendaraan1. Tampilan FIS Editor Gambar 3 FIS editor tersebut digunakan untuk memasukkan input dan output.KomMTi – Volume : 2. untuk Or method pilih max. 3. Tampilan Membership Fuction Editor (output) __________________________________________________________________________ Balai Pengkajian dan Pengembangan Informasi Wilayah V Surabaya 167 . No. Fungsi implikasi dipilih min. CP. dengan range [0 100]. Metode Agregasi dapat dipilih max. Tampilan Membership Function Editor (input). Operator-operator yang digunakan adalah And method denga pilihan min. : 4 / April 2008 1. Gambar 4 \ Editor ini berfungsi untuk mengedit fungsi keanggotaan himpuan fuzzy untuk tiap-tiap variabel input dan output. Terdapat 5 himpunan pada variabel ini yaitu TP.

~~ ~ '1 9 .If (A ) (A k e n d a ra a n 1 is T P ) a n d (A k e n d a ra a n 2 is P ) th e n (L 1 a m p u is C ) (1 ) .1 1 (A k e n d a ra a n 1 is C P ) a n d (A k e n d a ra a n 2 is T P ) 1 h e n (L J a m p u is S ) (1 :)1 1 /1.1 1 (A k e n d a ra a n 1 is C P ) a n d (A k e n d a ra a n 2 is P )th e n (L la m p u is S ) (1 ) Gambar 6 4.1 1 (A k e n d e rai~nK P ) a n d (A k e n d a ra a nP )th e n (L 1 a m p u is a 1 i~ 2 ~ C ) (1 ) ':::.. If (A k e n d a ra a n 1 lS K P ) a n d (A 1 \e n d a ra a n 2 lS SIS)th e n (L 1 a m p u P A C ) (1 ) .KomMTi – Volume : 2.j1 1 . . AC. tf(A k e n c ta ro o n 1 is K P ) a n d (A k e n d a ra a n 2 is T P )1 h e n (L 1 a m p u is A C ) (1 ) . . : 4 / April 2008 Gambar 5 Gambar diatas mempresntasikan fungsi keanggotaan untuk variabel Llampu atauvariabel output. (A k e n d a ra a n 1 is C P ) a n d (A k e n d a ra a n 2 is K P ) th e n (L 1 a m p u is S ) 2 (1 ) 3 . tf(A k e n d a ra a n 1 is T P ) a n d (A k e n d a ra a n 2 is K P )th e n (L 1 a m p u is C ) (1 ) . Rule Editor __________________________________________________________________________ Balai Pengkajian dan Pengembangan Informasi Wilayah V Surabaya 168 .~ a a n 1 is T Pl< :~ a a n 2 is C P ) th e n (U a m p u is C ) (1 ) . (A k e n d a ra a n 1 is K P ) a n d (A k e n d a ra a n 2 is C P ) th e n (L 1 a m p u is A C ) (1 ) 11 r.1 0 .1 1 (A k e n d a ra a n 1 is C P ) a n d (A k e n c la ra a n 2 is C P ) th e n (L 1 a m p u is 5 ) (1 ) 4 . dan L dengan range [0 60]. Himpunan variabel ini antara lain C. AL.1 1 (A k e n d a ra a n 1 is K P ) a n d (A k e n d a ra a n 2 is K P ) th e n (L ia m p u is A C ) (1 ) . 1 8 . S. No.It (A k e n d a ro o n 1 is T P ) e n d (A k e n d e re a n 2 is S P ) th e n (L 1 a m p u is C ) (1 ) .It (A !< . .

Rule Viewer Gambar 8 __________________________________________________________________________ Balai Pengkajian dan Pengembangan Informasi Wilayah V Surabaya 169 . Dala perancangan pengaturan lampu lalulintas terdapat 25 aturan fuzzy yang diinput kedalam rule editor. No. : 4 / April 2008 Digunakan untuk mengedit maupun untuk menamplkan aturan dari pengaturan lampu lalulintas yag akan dibuat maupun yang telah dibuat.KomMTi – Volume : 2. Gambar 7 5.

Disini terlihat ada 3 variabel disertai dengan bentuk grafik pada masingmasing aturan fuzzy. Disini dapat dibuktikan bahwa variabel antria kendaraan berpegaruh terhadap lama nyala lampu hijau. Dengan metode centroid pada proses defuzzyfikasi dapat dihitung lamanya lampu hijau yang harus menyala sesuai dengan panjangnya antrian jumlah kendaraan pada jalur yang sedang diatur dengan tidak mengabaikan panjangnya antrian jumlah kendaraan yang sedang menuggu. No. Gambar 9 Dua gambar tersebut diatas dapat dianalisa bahwa variabel Llampu akan berubah sesuai dengan Akendaraan1 dan Akendaraan2 jika makin besar variabel Akendaraan1 maka makin banyak pula Llampu dan makin banyak Akendaraan2 maka llampu makin kecil. : 4 / April 2008 Hasilnya dapat terlihat dari Rule Viewer.KomMTi – Volume : 2. __________________________________________________________________________ Balai Pengkajian dan Pengembangan Informasi Wilayah V Surabaya 170 . dengan menggunakan Rule Viewer ini maka input dapat berubahubah dan dapat langsung melihat outputnya. Kesimpulan Berdasarkan penelitian dari simulasi tersebut dapat diambil kesimpulan sebagai berikut : 1. Ini membuktikan bahwa lama lampu sesuai dengan jalur yang diatur.

Graha Ilmu. .KomMTi – Volume : 2. Graha Ilmu. Aina Hj. and Maintaning Fuzzy System). Program simulasi pengaturan lampu lalulintas berbasis logika fuzzy dapat menghasilkan pengaturan lama lampu hijau yang sesuai dengan panjang antrian kendaraan. The Fuzzy System Handbook (A Prstitioners Guide to Building.com/elektro/kend28. lima atau tiga. Sistem Menggunakan www. 1994.Using. 1994. Skripsi Fakultas MIPA. Dapat dikembangkan untuk algoritma pada simpang empat. Kusumadewi. Yogyakarta. Inc. Penerapan Logika Samar Dalam Sistem Pengendalian Suhu Ruangan. Yogiyanto. 2. Algoritma dari sistem pengendalian lampu lalulintas dapat diwujudkan sebagai sistem koordinasi lampu lalulintas dipersimpangan jalan yang ada. Massachusetts:Academic Press. Prediksi Kelayakan Suatu Area Sebagai Lahan Pemukiman/Perumahan dengan Meggunakan Logika Fuzzy.elektroindonesia Pengaturan Lampu Lalulitas Teori Fuzzy. UGM. Sri dan Hari Purnomo. Yogyakarta. 2004. 2002. Yogyakarta. 2003. J. Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Musdholifah.W. Yogyakarta. Lea. Sri. Dan ditangani oleh pihak DLLAJR untuk menerapkannya. Earl. DAFTAR PUSTAKA Cox. Saran 1. Analisis dan Design Sistem Fuzzy menggunakan Toolbox MATLAB. Perancangan dapat dikembangkan dengan membedakan jenis kendaraan yang antri pada tiap jalur. 3.2002. : 4 / April 2008 2. No. __________________________________________________________________________ Balai Pengkajian dan Pengembangan Informasi Wilayah V Surabaya 171 . UGM. Skripsi Fakultas MIPA. Kusumadewi.html. Wirawan.

my/planningstudio206/grpfour/Ipkeadaa n%29jalan. H. Boston.usm.hbp. Kluwe Academic Publisher. No. 1991.htm __________________________________________________________________________ Balai Pengkajian dan Pengembangan Informasi Wilayah V Surabaya 172 .J.KomMTi – Volume : 2. Fuzzy Set Theory and Its Aplication. : 4 / April 2008 Zimmermann. _________www.