Bab VII Kesimpulan
VII.2 Saran Untuk Penelitian Lanjutan
Beberapa saran untuk penelitian lanjutan adalah sebagai berikut:
1. Penentuan nilai parameter bilangan fuzzy ()
Penggunaan bilangan segitiga fuzzy untuk pendekatan persepsi biaya perlu estimasi sebuah parameter yang menentukan batas bawah dan batas atas sebuah nilai persepsi. Perlu dikaji lebih jauh berapa besar nilai parameter ini. Kajian tentang parameter fuzzy adalah merupakan upaya untuk mengkalibrasi model yang dibuat, kalibrasi dapat dilakukan dengan beberapa cara:
• Wawancara untuk mengetahui pola persepsi pelaku perjalanan terhadap karakteristik (atribut) perjalanan seperti jarak, waktu tempuh, atau faktor persepsi lain seperti kenyamanan atau keamanan. Dari hasil wawancara diharapkan dapat diambil kesimpulan tentang parameter yang akan
dikalibrasi.
• Menggunakan data arus hasil pengamatan untuk kalibrasi pada tingkat arus pada hasil model. Estimasi parameter ini dapat dilakukan dalam kondisi ada batasan kapasitas maupun tanpa batasan kapasitas. Pengembangan juga dapat dilakukan dalam hal metode estimasi yang akan digunakan.
2. Jenis bilangan fuzzy yang digunakan
Telah dijelaskan bahwa ada berbagi macam bilangan fuzzy. Hal ini menimbulkan pertanyaan, bilangan fuzzy yang mana yang dapat lebih merepresentasikan kondisi nyata dalam pemilihan rute.
Karena itu, dirasakan perlu untuk mencoba penggunaan biaya fuzzy dengan bentuk yang lain, misalnya biaya fuzzy trapezoidal, smooth trapezoid, dan smooth
triangular untuk merepresentasikan biaya perjalanan ruas yang dapat menyatakan
perilaku pergerakan yang lebih baik. Tetapi, model yang lebih baik biasanya mempunyai kerumitan yang lebih besar.
3. Penentuan nilai parameter jumlah rute yang bisa dibandingkan (K) Perlu dikaji lebih jauh berapa maksimum nilai parameter K yang bisa digunakan. Artinya perlu diketahui seberapa banyak seorang pelaku perjalanan dapat membandingkan rute-rute yang akan digunakannya.
4. Faktor batasan kapasitas
Pada kondisi nyata, proses pemilihan rute dan pembebanan lalulintas sangat dipengaruhi oleh faktor batasan kapasitas seperti: kemacetan atau ganguan lain. Karena itu, dirasakan perlu untuk mengembangkan metode fuzzy ini dalam kondisi adanya batasan kapasitas.
5. Faktor sistem jaringan
Tidak semua pemilihan rute dapat bersifat fuzzy, contoh jika seseorang dengan tegas dapat membedakan mana rute yang akan dia gunakan maka tidak ada keraguan pada perilaku dia memilih rute. Pilihan akan bersifat satu solusi saja.
Hal ini lebih disebabkan pada sifat sistem jaringan. Jaringan dengan tipe grid akan lebih memudahkan orang dalam memilih rute, namun jaringan dengan sistem radial misalnya akan lebih menyulitkan orang dalam memilih rute.
Karena itu, perlu mengkaji pola jaringan seperti apa yang sesuai dengan masing-masing metode pembebanan yang telah dikembangkan.
Rencana pengembangan metode pembebanan fuzzy lebih lanjut dapat dilihat pada Gambar VII.1 beserta faktor-faktor yang akan dikaji lebih jauh dan rencana waktu penyelesaian.
Faktor Pengaruh Lain
Faktor Model Sistem Jaringan
Faktor Batasan Kapasitas Faktor Estimasi Parameter Biaya
Fuzzy
Deskripsi Biaya Perjalanan
2010 2011 2012 2013 2014 2015 ▪ Trapeziodal ▪ Smooth Triangular ▪ Model-model estimasi parameter ▪ Batasan Kapasitas ▪ Equilibrium Fuzzy ▪ Radial ▪ Grid ▪ Resolusi Zona ▪ Simpang ▪ Efisiensi Alg
Gambar VII.1 Roadmap penelitian model pembebanan jaringan dengan pendekatan
DAFTAR PUSTAKA
Akiyama, T., dan Kawahara, T. (1997), Traffic assignment model with fuzzy travel time information. In 9th mini EURO Conf.: Fuzzy sets in Traffic and Transport Systems, Budva, Yugoslavia, September 1997.
Akiyama, T., dan Tomoko, N. (1998), The Proposal Of Fuzzy Traffic Assignment Models, Proceedings of the Eastern Asia Society for Transportation Studies,
Vol. 3, No. 6, pp. 263-277.
Akiyama, T., dan Tsuboi, H. (1999), Description of Route Choice Behaviour by Fuzzy Neural Network, Research Report of The Faculty of Engineering Gifu
University, No. 49, pp. 27-38.
Ban, X., Liu, H.X., Hu, B., He, R., dan Ran, B., (2004), Traffic Assignment Model With Fuzzy Travel Time Perceptions, 83rd Annual Meeting of the
Transportation Research Board.
Bell, M.G.H., dan Iida, Y. (1997), Transportation Network Analysis, John Wiley & Sons Ltd, Baffins Lane, Chicchester, England.
Benetti, M., dan Marco, D.M. (2002), Traffic Assignment Model With Fuzzy Travel Cost, 13th Mini - EURO Conference and 9th Meeting of the Euro
Working Group on Transportation June 10-13, Bari - Italy.
Blue, M., Bush, B., dan Puckett, J. (1997), Applications of Fuzzy Logic to Graph
Theory, Los Alamos National Laboratotry.
Burrell, J.E. (1968), Multiple Route Assignment and Its Application to Capacity Restraints, Proceedings of the 4th International Symposium on the Theory of Traffic Flow, Karlsruhe, 210219.
Dial, R.B. (1971), A Probabilistic Multipath Traffic Assignment Model Which Obviates Path Enumeration, Transportation Research, 5(2), 83111.
Fisk, C.S. (1977), Note on the Maximum Likelihood Calibration on Dial’s Assignment Method, Transportation Research, 11(1), 6768.
Fisk, C.S. (1980), Some Developments in Equilibrium Traffic Assignment,
Transportation Research, 14B(3), 243245.
Fisk, C.S., dan Boyce, D.E. (1983), A Note on Trip Matrix Estimation From Link Traffic Count Data, Transportation Research, 17B(3), 245250.
Florian, M. (1974), On Modelling Congestion in Dial’s Probabilistic Assignment Model, Transportation Research, 8(1), 8586.
Florian, M., dan Fox, B. (1976), On the Probabilistic Origin of Dial’s Multipath Traffic Assignment Model, Transportation Research, 10(5), 339341.
Florian, M., dan Nguyen, S. (1978), A Combined Trip Distribution, Modal Split and Trip Assignment Model, Transportation Research, 12(4), 241246.
Florian, M. dan Spiess, H. (1982), The Convergence of Diagonalization Algorithms for Asymmetric Network Equilibrium Problems, Transportation
Research, 13A(1), 1728.
Frank, M. dan Wolfe, P. (1956), An Alogorithm for Quadratic Programming, Naval Research Logistics Quarterly.
Henn, V. (1997), Fuzzy route choice model for traffic assignment, 9th mini Euro conference: Fuzzy sets in Traffic and Transport Systems, Budva, Yugoslavia,
September 1997. (Also in Fuzzy Sets and Systems, 116(1):77-101, 2000).
Henn, V. (2001), Traffic information and traffic assignment :towards a fuzzy
model. PhD thesis, Saint-Etiene University, France, June 2001 (Information routiere et affectation du traffic: vers une modelisation floue).
Henn, V. (2002), What is the meaning of fuzzy costs in fuzzy traffic assignment models?, Dans 13th mini Euro conference “Handling Uncertainty in the Analysis of Traffic and Transportation Systems”, Bari, Italy, Juni 2002.
Indriastuti, A.K. (2002), Studi Perbandingan Metode Estimasi Parameter Model
Kebutuhan Transportasi Dari Data Arus Lalulintas (Studi Kasus : Kota Bandung), Tesis Magister, Program Pasca Sarjana, Institut Teknologi
Oersted-DTU, Automation, Bldg 326, 2800, Kongens Lyngby, DENMARK.
Kresnanto, N.C., Tamin, O.Z., dan Frazila, R.B. (2008), Path Finding Algorithm on Fuzzy Travel Cost Condition, International Journal of Logistic and
Transport, Volume 2 - Number 2, October 2008, The Chartered Institute of
Logistics & Transport, Thailand.
Kresnanto, N. C., Tamin, O.Z., dan Frazila, R.B. (2008), Fuzzy Travel Cost in Trip Assignment, Asia Pacific Conference on Art Science Engineering
Technology (ASPAC on ASET), Juni, Solo, Indonesia.
Kresnanto, N.C. Tamin, O.Z., dan Frazila, R.B. (2008), Pengembangan Algoritma Pencarian Rute dan Pembebanan Lalu Lintas Fuzzy, Prosiding Simposium
FSTPT XI, Universitas Diponegoro, Semarang, Indonesia.
Kresnanto, N.C., dan Tamin, O.Z. (2007), Biaya Perjalanan Fuzzy Untuk Pembebanan Lalu Lintas, Jurnal FSTPT X, Universitas Tarumanegara, Jakarta, Indonesia.
Kresnanto, N.C., dan Tamin, O.Z. (2006), Kajian Model Pembebanan Jaringan Dengan Fuzzy Sistem, Jurnal FSTPT IX, Universitas Brawijaya, Malang, Indonesia.
Kusumadewi, S. (2003), Artificial Intellegence (Teknik dan Aplikasinya), Penerbit Graha Ilmu, Yogyakarta, Indonesia.
Kusdian, R.D. (2006), Model Stokastik Untuk Pembebanan Lalulintas Banyak
Rute Dengan Mempertimbangkan Persepsi Biaya Perjalanan, Desertasi
FTSL, Institut Teknologi Bandung, Bandung, Indonesia.
Kikuchi, S., dan Parta, C. (2005), Place of Possibility Theory in Transportation Analysis, Transportation Research Part B 40 (2006) 595–615.
Lawler, E.L. (1976), Combinatorial Optimization: Networks and Matroids, Holt, Rinehart and Winston, United States of America.
Lotan, T. (1992), Modelling route choice behaviour in the presence of information
using concepts of fuzzy sets theory and approximate reasoning. Ph.D thesis,
Lotan, T., Koutsopoulos, dan Hari, N. (1993), Approximate reasoning models for route choice behavior in the presence of information, Transportation and
Traffic Theory (Proc. of the 12th Interational Symposium on the Theory of Traffic Flow and Transportation), pages 71-88, Elsevier.
Robillard, P. (1974), Calibration of Dial’s Assignment Method, Transportation
Science, 8(2), 117125.
Rusell, S., dan Novig, P. (2003), Artificial Intelligence: A Modern Approach -
Second Edition, Prentice Hall – Pearson Education, Inc., New Jersey, USA.
Sakarovitch, M. (1968), The kth Shortest Chains in a Graph, Transportation
Research, 2(1), 111.
Smock, R. (1962), An Iterative Assignment Approach to Capacity Restraint on Arterial Networks, Highway Research Board Bulletin, 347, 6066.
Suyoto (2004), Intelegensi Buatan: Teori dan Pemrograman, Penerbit Gaya Media, Yogyakarta, Indonesia.
Suyanto, (2002), Intelejensia Buatan, Jurusan Teknik Informatika, Sekolah Tinggi Teknologi Telkom, Bandung, Indonesia.
Tamin, O.Z. (2008), Perencanaan, Pemodelan, dan Pemodelan Transportasi:
Teori, Contoh Soal, dan Aplikasi, Penerbit ITB, Bandung, Indonesia.
Tamin, O.Z. (2000), Perencanaan dan Pemodelan Transportasi – Edisi Kedua, Penerbit ITB, Bandung, Indonesia.
Wardrop, J.G. (1952), Some Theoretical Aspects of Road Traffic Research,
Proceedings of the Institute of Civil Engineering, II(1), 325378.
Teodorovic, D. (1989), Transportation Networks, A Quantitative Treatment, Gordon and Breach Science Publishers.
Zadeh, L.A. (1965), Fuzzy Sets, Information and Control, 8, 338-353.
Zadeh, L.A. (1971), Similarity relation and fuzzy ordering. Information sciences, 3:177-200.
Zadeh, L.A. (1973), Outline of a New Approach to the Analysis of Complex Systems and Decision Processes, IEEE Transactions on System, Man, and
Cybernetics, Vol.smc-3, No.1, January 1973.
Zadeh, L.A. (1976), A Fuzzy-algoritmic approach to the definition of complex or imprecise concepts, Int. J. Man-Machine Studies 8, 249-291.
Pustaka dari Situs Internet :
Inokuchi, H., dan Kawakami, S. (2002), Development of the Fuzzy Traffic Assignment Model, http://www.trans.civil.kansai-u.ac.jp/inokuchi/study/ SCIS2002/153.pdf. Download (diturunkan/diunduh) pada 26 Maret 2006.
Lanser, S.H., dan Hoogendorn, S.P. (2007), A Fuzzy Genetic Approach to Travel Choice Behavior in Public Transport Networks, http://www.erudit.de/erudit/ events/tc-c/Hoogendoorn2.pdf. Download (diturunkan/diunduh) pada 25 April 2007.
Liu, H.X., Ban, X., Ran, B., dan Mirchandani, P. (2003), A Formulation and Solution Algorithm for Fuzzy Dynamic Traffic Assignment Model, http://ITSReviewonline/spring2003 /trb2003/liu-algorithm.pdf. Download (diturunkan/diunduh) pada 25 Oktober 2005.
Rodrigue, J.P. (1998), The Geography of Transport Systems,
http://people.hofstra.edu/geotrans/. Download (diturunkan/diunduh) pada Oktober 2005.
Zadeh, L.A. (2005), Toward a Generalized Theory of Uncertainty (GTU)-An Outline, to appear in Information Science, BISC Program of UC Berkeley http://www.cs.berkeley.edu/~zadeh/. Download (diturunkan/diunduh) pada Desember 2005.