ALGORITMA KOMPUTASI CERDAS UNTUK PREDIKSI JUMLAH PENGGUNA KENDARAAN SEBAGAI INDIKATOR RAWAN MACET

Abstract

Pertumbuhan jumlah kendaraan bermotor yang tinggi menimbulkan permasalahan kemacetan sehingga memerlukan suatu solusi untuk menanganinya. Jalan rawan macet diketahui berdasarkan banyak kendaraan yang lewat dalam rentang waktu tertentu. Bahasan makalah ini adalah penggunaan algoritma komputasi cerdas, multi layer perceptron, k-means dan particle swarm optimization (PSO), untuk melakukan peramalan jalan rawan macet berdasarkan jumlah pengguna jalan. Sumber data diambil dari pengamatan lapangan yang digunakan dalam pembangkitan bilangan acak untuk distribusi uniform, eksponensial dan normal. Prediksi tingkat kepadatan jalan di suatu rentang waktu dengan jaringan saraf menunjukkan hasil lebih baik apabila data pembelajaran juga diambil dari waktu yang sama dengan sejumlah hari sebelumnya (seminggu sampai sebulan). Sedangkan penggunaan k-means+PSO untuk optimasi pengelompokkan jalan berdasarkan kepadatannya membutuhkan data belajar dengan rentang waktu lebih pendek (10 menit di hari kerja untuk mobil dan motor).