gCLxcKKAJmbACaihfr7QajzX6AsZRlzTBM0AxvT0

Jurnal : Metode Adaptive Neuro Fuzzy Inference System (ANFIS) untuk Prediksi Tingkat Layanan Jalan

Post a Comment
Jurnal : Abstrak Berbagai macam pendekatan, metode dan solusi teknologi telah diterapkan dan dikembangkan dengan tujuan untuk membangun suatu sistem e-learning (electronic learning) yang canggih, andal dan user-friendly. Learning Management System (LMS) dikembangkan untuk mempermudah pengelolaan e-learning masa kini. yang dapat mengelola, menelusuri, dan melaporkan interaksi antara siswa dan konten yang dipelajarinya dan juga antara siswa dan pengajar atau instruktur. Secara khusus, LMS mampu menangani registrasi siswa, menelusuri kemajuan belajar siswa, menyimpan hasil ujian, memberitahukan kelulusan siswa terhadap materi tertentu dan membantu instruktur untuk mengukur kemampuan siswanya. Melakukan pengukuran terhadap unjuk kerja jaringan dari hasil implementasi sistem dan kemudian dilakukan analisanya. Pengukuran dilakukan pada jaringan jaringan kabel (wired). Dengan mengukur nilai kualitas layanan video yang dihasilkan, yaitu MSE, PSNR dan MSAD dengan tool bantu MSU Video Quality Measure, melalui sampel video yang sudah te-record. Sehingga dapat diketahui kualitas dari jaringan yang dipergunakan yang selanjutnya akan digunakan sebagai referensi perencanaan electronic learning untuk mendukung kualitas video berdasarkan Quality of Service. Kata kunci: Electronic Learning, video, Quality of Service.

Abstrak 

Tingkat pelayanan pada suatu jalan menunjukkan ukuran kualitas suatu jalan dan digunakan sebagai ukuran untuk membatasi volume lalu lintas suatu jalan. Tingkat pelayanan jalan yang kurang berdampak pada kemacetan arus lalu lintas dan saat ini merupakan permasalahan yang serius, terlebih di kota metropolitan. Maka perlu dikembangkan sebuah prediksi tingkat layanan jalan dengan menggunakan metode ANFIS (Adaptive Neuro Fuzzy Inference System). Penelitian ini bertujuan untuk membantu dalam proses pengambilan keputusan dan mencari alternatif solusi untuk mengatasi permasalahan kemacetan arus lalu lintas yang terjadi. Pada penelitian ini, metode ANFIS digunakan untuk membangun sebuah prediksi tingkat layanan jalan. Parameter masukan pada proses pembelajaran ANFIS juga sangat mempengaruhi untuk proses prediksi yang akan dilakukan. Adapun parameter inputnya adalah jumlah membership function sebanyak 2, tipe membership function gaussian, error goal 1x10-5, dan nilai epoch 100. Hasil penelitian menunjukkan bahwa metode yang diusulkan dapat digunakan untuk membangun sebuah prediksi tingkat layanan jalan dengan nilai RMSE dan MAPE terbaik yang diperoleh masing-masing adalah 0,0106209 dan 0,93158%. 

Kata kunci: ANFIS; Prediksi; Tingkat Layanan Jalan


Pendahuluan 

Kemacetan arus lalu lintas merupakan permasalahan yang sering dihadapi oleh kota besar. Dengan banyaknya fenomena dan permasalahan lalu lintas yang terjadi, banyak pula penelitian yang dilakukan untuk menyelesaikan permasalahan tersebut. Selain itu perkembangan transportasi cerdas dan kemajuan teknologi untuk pengukuran lalu lintas saat ini terus berkembang pesat dan diharapkan muncul penemuan baru dibidang penelitian traffic flow management (Wei et all., 2012). Tindakan kontrol lalu lintas yang paling sesuai untuk mengatasi kemacetan lalu lintas merupakan tugas yang sangat komplek yang membutuhkan pengetahuan dari para pakar dan dari beberapa pengalaman sebelumnya. Salah satunya, dengan diusulkannya pemecahan masalah kemacetan secara terintegrasi, yaitu dengan adanya ITCS (Intelligence Traffic Control System) dengan pendekatan terkoordinasi. ITCS ini digunakan untuk mempermudah manusia dalam mengontrol lalu lintas. Pada sistem ini, dibentuk dalam sub-sub jaringan untuk menangkap dampak yang terjadi di lapangan kemudian solusi dapat diterima secara global dan terintegrasi. Kelebihan ITCS adalah penggunaanya yang efektif untuk memprediksi kinerja kontrol lokal dengan menggunakan data lalu lintas dan perubahan trafik. Selain itu juga interpolasi faktor dalam mengkalkulasi untuk pengelolaan performance secara global sehingga operator dapat mudah dalam menentukan kontrol untuk mengoptimalkan tujuan yang diinginkan. Hasil penelitian menunjukkan bahwa pengontrolan dapat dilakukan secara optimal (Dahal et all., 2012).


Peneliti : Noor Azizah

Untuk lebih lengkapnya silahkan download di link berikut ini :
Jurnal : Abstrak Berbagai macam pendekatan, metode dan solusi teknologi telah diterapkan dan dikembangkan dengan tujuan untuk membangun suatu sistem e-learning (electronic learning) yang canggih, andal dan user-friendly. Learning Management System (LMS) dikembangkan untuk mempermudah pengelolaan e-learning masa kini. yang dapat mengelola, menelusuri, dan melaporkan interaksi antara siswa dan konten yang dipelajarinya dan juga antara siswa dan pengajar atau instruktur. Secara khusus, LMS mampu menangani registrasi siswa, menelusuri kemajuan belajar siswa, menyimpan hasil ujian, memberitahukan kelulusan siswa terhadap materi tertentu dan membantu instruktur untuk mengukur kemampuan siswanya. Melakukan pengukuran terhadap unjuk kerja jaringan dari hasil implementasi sistem dan kemudian dilakukan analisanya. Pengukuran dilakukan pada jaringan jaringan kabel (wired). Dengan mengukur nilai kualitas layanan video yang dihasilkan, yaitu MSE, PSNR dan MSAD dengan tool bantu MSU Video Quality Measure, melalui sampel video yang sudah te-record. Sehingga dapat diketahui kualitas dari jaringan yang dipergunakan yang selanjutnya akan digunakan sebagai referensi perencanaan electronic learning untuk mendukung kualitas video berdasarkan Quality of Service. Kata kunci: Electronic Learning, video, Quality of Service.

Related Posts

Post a Comment