Perpustakaan Digital ITB

Transportasi merupakan kebutuhan primer untuk mendukung kegiatan manusia di era teknologi saat ini. Terbukti dengan jumlah kendaraan yang terus meningkat secara drastis sehingga menyebabkan kemacetan secara rutin di jalan raya. Sebagai tindakan preventif, para pengemudi umumnya menggunakan sistem navigasi untuk mengetahui keadaan lalu lintas. Sistem navigasi dapat memperlihatkan kondisi jalan raya seperti tingkat kemacetan, waktu tempuh, rute alternatif dan sebagainya. Sehingga, dengan teknologi ini para pengemudi dapat mengambil keputusan terkait rute terbaik untuk menuju titik tujuan. Indonesia merupakan negara ketiga dengan jumlah kendaraan roda dua terbanyak di dunia. Berdasarkan Badan Pusat Statistik, pada tahun 2018, jumlah motor di Indonesia adalah 100 juta. Jumlah ini adalah 77.5% dari jumlah total kendaraan yang ada di Indonesia. Dengan kata lain, kendaraan roda dua di Indonesia mendominasi jumlah kendaraan lainnya. Hal ini juga mengartikan arus lalu lintas di Indonesia merupakan arus lalu lintas heterogen. Pada arus lalu lintas seperti ini, terdapat dua kemungkinan, yaitu arus kendaraan yang terdiri dari berbagai macam kendaraan, dan terdapat jalan khusus yang hanya dapat dilalui oleh salah satu jenis kendaraan. Berdasarkan permasalahan tersebut, penelitian ini membahas pengembangan metode sistem navigasi untuk keadaan arus lalu lintas yang heterogen. Keluaran dari penelitian ini adalah sebuah rekomendasi rute perjalanan yang bersifat personal, dengan mempertimbangkan keadaan lalu lintas yang heterogen dan kesesuaian jenis kendaraan digunakan dengan lebar jalan yang akan ditempuh. Selain itu, rute perjalanan akan dihitung berdasarkan Nilai Kapasitas Jalan (Nkj) yang merupakan hasil kompilasi dari beberapa kriteria pada lalu lintas, seperti panjang rute perjalanan, prediksi keadaan lalu lintas, keberagaman kendaraan, waktu tempuh perjalanan, keadaan cuaca dan kompatibilitas. Keadaan lalu lintas dikumpulkan dengan mengkombinasikan penerapan metode deteksi objek pada CCTV publik, perhitungan tingkat kepadatan lalu lintas berdasarkan peta digital (TomTom), aplikasi pengukur keadaan cuaca, serta aplikasi pengukur lebar jalan. Hasil informasi ini digunakan untuk memprediksi keadaan lalu lintas yang terjadi pada masa mendatang. i Dalam penelitian ini, metode prediksi keadaan lalu lintas yang digunakan adalah Knowledge Growing Bayes Classifier. Performansi tertinggi yang dimiliki oleh metode ini dapat mencapai 77.959%, 78.606%, 77.582%, dan 77.701% untuk nilai akurasi, presisi, recall, dan F1 score dari seluruh ruas jalan yang diamati. Waktu yang dibutuhkan untuk memprediksi data uji pada setiap ruas jalan dengan menggunakan metode ini tidak lebih dari 0.4 detik. Metode ini merupakan metode yang paling cocok digunakan dibandingkan dengan metode lain yang diujicoba (Knowledge Growing Decision Tree dan Knowledge Growing Deep Neural Network). Setelah keadaan lalu lintas berhasil diprediksi, nilai tersebut dikumpulkan bersamaan dengan informasi lainnya di mana selanjutnya dilakukan kolaborasi dengan tingkatan preferensi kriteria dari pengendara untuk dijadikan Nkj. Nilai kompatibilitas ditambahkan ke dalam Nkj untuk mengetahui kesesuaian lebar jalan dan kendaraan. Saat seluruh Nkj telah diperhitungkan, pencarian rute terpendek dilakukkan dengan menggunakan metode Djikstra. Rute yang diperhitungkan tidak hanya rute yang memiliki Nkj paling rendah, namun termasuk beberapa (tiga) rute alternatif yang memiliki Nkj yang paling rendah berikutnya. Berdasarkan hasil perhitungan rute perjalanan yang telah dilakukan, selan- jutnya ditentukan pemilihan rute terbaik berdasarkan preferensi pengendara yang sebelumnya digunakan pada perhitungan Nkj. Dengan menggunakan multicriteria decision making, Fuzzy - Analytic Hierarchy Process - Express (F-AHP-Express), rute yang terbaik direkomendasikan kepada pengendara sesuai dengan preferensi yang ditentukannya. F-AHP-Express memiliki nilai agility paling rendah diban- dingkan metode lain yang diuji (Fuzzy - Analytic Hierarchy Process (F-AHP) dan Fuzzy - Analytic Hierarchy Process - Technique for Order Preference by Similarity to Ideal Solution (F-AHP-TOPSIS)), yaitu sebesar 25 judgement. Selain itu, metode F-AHP-Express memiliki waktu penentuan keputusan 45% lebih cepat dibandingkan metode F-AHP dan 11% jika dibandingkan dengan F-AHP- TOPSIS. AHP-Express juga memiliki nilai kompleksitas yang rendah, yaitu O(n). Sementara itu, metode lainnya memiliki nilai kompleksitas sebesar O(n2).