Algoritma Genetika: Solusi Atasi Problem Kemacetan Berbasis AI

Kromosom tersebut sekaligus menjadi kandidat solusi pada setiap siklus iteratif. Kromosom berevolusi setelah diiterasi dengan batas tertentu. Setiap iterasi menimbulkan kromosom baru yang disebut generasi dan selama iterasi ini kromosom dievaluasi berdasarkan fungsi fitness yang berupa ukuran kemampuan bertahan hidup untuk generasi berikutnya. Kromosom sebelum evaluasi disebut parent sedangkan setelah evaluasi disebut offspring.

Pembentukan kromosom baru atau offspring biasanya digunakan metode persilangan dan mutasi persilangan (crossover) adalah perpaduan (merging) antara dua kromosom parent, sedang mutasi adalah modifikasi kromosom pada string atau gen tertentu. Pembentukan generasi baru dengan melakukan seleksi berdasarkan nilai fitness parent dan offspring yang terbentuk. Kromosom yang lebih fit akan mempunyai probabilitas yang lebih tinggi untuk dapat terpilih.

Setelah beberapa generasi, algoritma akan menuju (konvergen) pada kromosom dengan kualitas terbaik, yang mewakili solusi optimal pada permasalahan yang diharapkan.

Beberapa variabel yang perlu menjari sumber data untuk analisis dalam model Algoritma Genetik adalah durasi lalu lintas, kepadatan lalu lintas atau ruas jalan (traffic counting), serta panjang dan lebas luas jalan.

Dari analisis yang dilakukan, para penulis menyimpulkan bahwa secara keseluruhan Algoritma Genetika tetap lebih unggul dibandingkan kinerja sistem lampu lalu lintas konvensional karena dapat memberikan kesempatan jumlah kendaraan yang melewati persimpangan lebih banyak dan lama lampu merah lebih kecil.

Dan jika keadaan traffic light yang ada saat ini diubah dengan menggunakan metode Algoritma Genetika, maka tidak akan selalu memperbesar jumlah kendaraan yang melewati persimpangan karena durasi lampu hijau bernilai rendah dan sama pada setiap ruas jalan.

Integrasi Antarvariabel

Penerapan teknologi kecerdasan buatan (artificial intelligence/AI) dalam rekayasa sistem lalu lintas diinisiasi oleh Google Indonesia dengan memilih Jakarta menjadi kota pertama di Asia Tenggara tempat uji coba penggunaan AI dalam mengatasi kemacetan yang diberi nama Project Green Light bersama Dinas Perhubungan DKI Jakarta (Kompas, 23/5). Sejak fase penjajakan, yang dimulai pada September 2022 lalu, hingga kini program tersebut belum diketahui bagaimana realisasinya.

Jika merujuk pada 7 (tujuh) variabel penyebab kemacetan yang diungkapkan oleh Cambridge Systematics di atas, maka sudah selayaknya model penyelesaian kemacetan di Jakarta tidak hanya mempertimbangkan aspek pengaturan lalu lintas saja, namun juga jumlah kendaraan yang melebihi batas yang ditentukan dari faktor jalan, persimpangan jalan, dan tata letak jalan.

Ketujuh aspek tersebut kiranya dapat menjadi rumusan model yang terintegrasi dalam teknologi kecerdasan buatan dalam mengatasi kemacetan. Ayo #RaihMasaDepanmu bersama Telkom University! ***