Seminar Nasional Sistem dan Informatika 2010; Bali, November 13, 2010
94 Lampu kuning tidak ditangani karena hanya merupakan tanda peringatan dari hijau ke merah Hartono, Saputra,
Hutasoit, 2006 .
2. Teori Dasar
2.1
Algoritma Greedy
Algoritma greedy adalah mekanisme penyelesaian optimasi dengan mencari solusi secepatnya berdasarkan keadaan sekarang. Dalam greedy, solusi yang ditemukan bisa jadi bukan solusi global namun hanya solusi lokal
Matuszek,,2007. Untuk memecahkan persoalan dengan algoritma greedy, diperlukan elemen-elemen sebagai berikut: Hartono, Saputra, Hutasoit, 2006
a. Himpunan kandidat, C b. Himpunan solusi, S
c. Fungsi seleksi d. Fungsi kelayakan feasible
e. Fungsi obyektif Skema umum algoritma Greedy adalah:
i Inisialisasi S dengan kosong ii Pilih sebuah kandidat C dengan fungsi seleksi
iii Kurangi C dengan kandidat yang sudah dipilih dari langkah ii di atas. iv Periksa apakah kandidat yang dipilih tersebut bersama-sama dengan himpunan solusi membentuk solusi yang layak
atau feasible dengan fungsi kelayakan. v Periksa apakah himpunan solusi sudah memberikan solusi yang lengkap serta optimal dengan fungsi obyektif
2.2
Graf
Definisi dari suatu graf adalah himpunan benda-benda yang disebut verteks atau node yang terhubung oleh sisi atau edge atau arc. Biasanya graf digambarkan sebagai kumpulan titik-titik melambangkan verteks yang dihubungkan oleh
garis-garis atau busur Anggara, 2008. Suatu Graf G terdiri dari dua himpunan yaitu himpunan V dan himpunan E.
a. Verteks simpul :V = himpunan simpul yang terbatas dan tidak kosong b. Edge sisibusur:E = himpunan busur yang menghubungkan sepasang simpul.
Node graf dapat merupakan objek seperti seperti kota, lampu lalu lintas, rumah, dan sebagainya. Busur dapat menunjukkan hubungan relasi sembarang seperti jalan raya, sambungan telepon, dan lain-lain. Notasi graf: GV,E
artinya graf G memiliki V simpul dan E busur. Graf yang digunakan dalam paper ini adalah graf berarah sebagaimana diterangkan oleh Romelta,2003. Sebuah struktur
graf bisa dikembangkan dengan memberi bobot pada tiap edge. Graf berbobot dapat digunakan untuk melambangkan banyak konsep berbeda. Sebagai contoh jika suatu graf melambangkan jaringan jalan maka bobotnya bisa berarti panjang
jalan maupun batas kecepatan tertinggi pada jalan tertentu Romelta,2003.
3. Metode Penelitian
3.1 Pembangunan Model graf
3.1.1 Implementasi Node
Node adalah simbol dari lampu lalu lintas. Dalam node terdapat beberapa informasi yaitu: a.
Nomor node b.
Jumlah densitas yang termonitor c.
Status lampu green,red d.
Time delay Dari kasus diatas, terdapat 18 node yang merepresentasikan lampu lalu lintas.
3.1.2 Implementasi Busur
Busur adalah relasi dua buah node. Jika terdapat node A dan node B, maka busur A,B adalah vektor jalan dimulai dari lampu lalu lintas A dan berakhir di lampu lalu lintas B. Jika elemen pertamabusur adalah start makastart adalah sebuah
daerah tempat kendaraan masuk ke dalam daerah jangkauan sistem optimalisasi. Contoh untuk kasus tersebut adalah busur start,1. Jika elemen kedua adalah end maka end adalah sebuah daerah tempat tujuan kendaraan terakhir.Contoh
untuk kasus tersebut adalah busur2,end Dari problem yang ada berikut adalah daftar busur yang bisa diidentifikasi:
Tabel 1: daftar busur
Daftar Busur BUSURstart1,1
BUSUR5,9 BUSUR1,end1
BUSURstart2,2 BUSUR6,17
BUSUR2,end2
Seminar Nasional Sistem dan Informatika 2010; Bali, November 13, 2010
95 BUSURstart2,10 BUSUR7,4
BUSUR3,end2 BUSURstart3,11 BUSUR8,9
BUSUR4,end2 BUSURstart2,12 BUSUR9,13
BUSUR9,end3 BUSURstart4,15 BUSUR10,7
BUSUR13,end4 BUSURstart4,16 BUSUR11,7
BUSUR12,end3 BUSURstart5,18 BUSUR15,4
BUSUR14,end5 BUSUR1,5
BUSUR18,10 BUSUR16,end6
BUSUR1,6 BUSUR18,12
BUSUR17,end6 Dari tabel terlihat terdapat 8 cara masuk ke daerah problem dan 10 cara keluar daerah problem dengan daerah dengan 5
titik masuk dan 6 titik keluar. 3.2
Constraint
Constraint adalah aturan lokal untuk lampu lalu lintas dalam penyalaan lampu dengan melihat nyala lampu tetangga yang lain.Constraint muncul karena lampu-lampu tersebut berada pada percabangan jalan seperti perempatan atau pertigaan.
Daftar constraint yang merepresentasikan persoalan diatas adalah: ConstraintA,B yang berarti Node A mempunyai constrain B dan sebaliknya Node B mempunyai constrain A.
Daftar format constraint adalah sebagai berikut:
Tabel 2:Daftar Constraint
Daftar Constraint Constraint1,2
Constraint9,11 Constraint1,3
Constraint9,12 Constraint2,3
Constraint11,12 Constraint6,7
Constraint15,17 Constraint6,8
Constraint15,18 Constraint7,8
Constraint17,18 3.3
Implementasi algoritma umum new greedy berbasis graf
Mengacu pada pembahasan algoritma greedy, maka Fungsi seleksi adalah fungsi mencari nilai densitas terbesar dari seluruh node atau dari seluruh node tetangga sebuah
node. Fungsi kelayakan adalah fungsi untuk mengeset lampu menjadi H dengan memperhatikan constraint node tersebut.
Fungsi obyektif Fungsi objektif adalah fungsi penghitung total densitas.
Dari paparan diatas dapat dibuat algoritma umum dalam penyelesaian pencarian solusi optimal reduksi kepadatan lalu lintas
1. Inisialisasi -Input node
