Metode penjadwalan Penebangan Metode Pengolahan Data

grup dan semakin besar tingkat perbedaan diantara grup, maka semakin baik atau lebih berbeda clustering tersebut. Algoritma clustering K-Means dikembangkan oleh J. MacQueen 1967 dan kemudian oleh J. A. Hartigan dan M. A. Wong sekitar tahun 1975 . Algoritma clustering K-Means adalah algoritma untuk mengklasifikasikan atau mengkelompokkan objek berbasis atribut atau ciri tertentu ke dalam K jumlah klaster . K adalah sebuah angka integer positif . Pengelompokkan dilakukan dengan cara meminimalisir jarak data dan centroid klaster yang ditentukan. Algoritma K-means cluster merupakan sebuah algoritma clustering tanpa pengawasan, K diartikan sebagai jumlah klaster yang biasanya digunakan sebagai input pengguna untuk algoritma. Beberapa kriteria dapat digunakan untuk secara otomatis memperkirakan K. Algoritma K-means adalah sebuah pendekatan untuk masalah optimasi kombinatorial NP-hard. K-means algoritma sangat iteratif di alam, konvergen, namun hanya menghasilkan minimum lokal. Bekerja hanya untuk data numerik, mudah untuk diterapkan.. Kesamaan ukuran atau jarak ukuran perbedaan digunakan untuk menghitung kesamaan atau ketidaksamaan dua titik data atau dua kelompok. Kesamaan dan jarak merupakan elemen dasar dari algoritma clustering, dengan kemungkinan analisis kelompok. Secara umum, jarak dan kesamaan adalah konsep timbal balik. Seringkali, kesamaan langkah dan koefisien kesamaan yang digunakan untuk menggambarkan secara kuantitatif seberapa mirip dua titik data yang atau bagaimana serupa dua cluster adalah: semakin besar kesamaan koefisien, yang lebih mirip adalah dua titik data. Ketidaksamaan ukuran dan jarak adalah sebaliknya: semakin besar ketidaksamaan ukuran atau jarak, semakin berbeda adalah titik data dua atau dua cluster. Pertimbangkan dua titik data 1 2 , ,..., d x x x x T  dan 1 2 , ,..., d y y y y T  . Jarak Euclidean mungkin jarak yang paling umum kita yang pernah digunakan untuk numerik data. Selama dua titik data x dan y dalam ruang d-dimensi, jarak Euclidean antara mereka didefinisikan sebagai : dimana j x dan j y adalah nilai-nilai atribut ke- j dari x dan y , masing-masing. Diagram alir proses analisis k-means cluster dapat dilihat pada Gambar 11 dibawah ini. Gambar 11. Diagram alir proses analisis K-means Cluster 1 2 2 1 , d j j j d x y x y           b. Genethic Algorithm Persoalan pedagang keliling Travelling Salesperson Problem-TSP merupakan persoalan optimasi untuk mencari perjalanan terpendek bagi pedagang keliling yang ingin berkunjung ke beberapa kota, dan kembali ke kota asal keberangkatan. TSP merupakan persoalan yang sulit bila dipandang dari sudut komputasinya. Beberapa metode telah digunakan untuk memecahkan persoalan tersebut namun hingga saat ini belum ditemukan algoritma yang mangkus untuk menyelesaikannya. Cara termudah untuk menyelesaikan TSP yaitu dengan mencoba semua kemungkinan rute dan mencari rute yang terpendek sehingga diperoleh solusi yang mendekati solusi optimal. Oleh karena itu digunakan algoritma genetika untuk menentukan perjalanan terpendek yang melalui kota lainnya hanya sekali dan kembali ke kota asal keberangkatan. Algoritma genetika yaitu algoritma pencarian dan optimasi yang terinspirasi oleh prinsip dari genetika dan seleksi alam teori evolusi Darwin. Algoritma ini sangat tepat digunakan untuk penyelesaian masalah optimasi yang kompleks dan sukar diselesaikan dengan metode konvensional. Dalam penelitian ini persoalan TSP dengan menggunakan metode Algoritma genetika diaplikasikan kedalam penjadwalan penebangan kebun kelapa sawit guna mendapatkan jarak tempuh terpendek sehingga dapat meminimumkan biaya transportasi yang dikeluarkan perusahaan. Jarak tempuh terpendek dihitung dengan melihat parameter jumlah jarak km yang ditempuh kendaraan pengangkut batang kelapa sawit serta melihat parameter biaya pengangkutan itu sendiri. Rute diambil berdasarkan data perusahaan perkebunan yang berada di masing-masing kecamatan di kabupaten yang terpilih. Masing-masing kemungkinan yang didapat dihitung nilai kebugaran fitness dengan menggunakan metode algoritma genetika guna mendapatkan solusi rute optimum sehingga penjadwalan penebangan pun juga menjadi baik. Dalam menghitung nilai kebugaran fitness masing-masing kemungkinan dari rute yang di dapat, digunakan fungsi berikut beserta kendala-nya. 1 i x I MIN D c i   Kendala: Di Dj Cap x 30 Keterangan : Di = Jarak dari sumber ke-i km Dj = Jarak keseluruhan km c x = biaya bahan bakar km Cap x = kapasitas truk angkut ton Asumsi: Kapasitas truk angkut maksimum = 30 ton Biaya bahan bakar = Rp 4500 Dari fungsi minimasi diatas, setiap kemungkinan rute yang didapat kemudian dihitung nilai kebugarannya dengan metode algoritma genetika. Proses penghitungan rute minimum dapat dilihat melalui Gambar 12 berikut. Gambar 12. Diagram algoritma sederhana dalam mencari fungsi optimum

D. Pengembangan Sistem Berorientasi Objek

Menurut O’brien 2008 proses pengembangan sistem informasi umumnya meliputi tiga tahapan proses, 1 Analisis sistem, yaitu studi mendalam mengenai informasi yang dibutuhkan oleh pemakai akhir yang menghasilkan persyaratan fungsional dan digunakan sebagai dasar desain sistem informasi yang dibuat. 2 Desain Sistem merupakan serangkaian aktivitas-aktivitas desain yang menghasilkan spesifikasi sistem yang memenuhi persyaratan fungsional pada tahap analisis sistem. 3 Pengembangan pemakai akhir merupakan tahap merubah dari konsep desain pada tahap sebelumnya menjadi sebuah perangkat aplikatif yang sesuai kebutuhan pengguna akhir. Tahap desain bertujuan untuk merancang dan mendesain sistem sesuai dengan hasil analisa sistem. Tahap desain sistem didasarkan atas sistem yang dikaji meliputi tahap perancangan sistem basis model, sistem pengolahan data, sistem pengolah terpusat dan sistem dialognya. Perancangan basis model dilakukan dengan pembuatan diagram alir data yang terdapat pada Lampiran 1 data flow diagram dan bagian terstruktur structured chart. Perancangan sistem pengolahan data menggunakan teknik entity relationship yang meliputi pembuatan kamus data dan perancangan data konseptual yang dituangkan kedalam model data fisik yang menggambarkan relasi antar entitas entity relationship yang kemudian di generate sehingga terbentuklah database yang diinginkan. Penampakan dari realsi antar entitas yang telah berbentuk conceptual data model dan physical data model dapat dilihat pada Lampiran 2, sedangkan rancangan struktur sistem penunjang keputusan dapat dilihat pada Gambar 13 berikut. Gambar 13. Rencana struktur sistem penunjang keputusan

E. Tahapan Pendekatan Sistem

Sistem merupakan suatu kesatuan usaha yang terdiri dari bagian-bagian yang berkaitan satu sama lain yang berusaha mencapai tujuan dalam suatu lingkungan yang kompleks. Marimin 2004 mendefinisikan sistem sebagai gugus dari elemen-elemen yang saling berinteraksi secara teratur dalam rangka mencapai tujuan atau subtujuan. Karena pemikiran sistem selalu berorientasi untuk mencari keterpaduan antar bagian melalui pemahan yang utuh, maka diperlukan suatu kerangka berfikir baru yang dikenal sebagai pendekatan sistem Eriyatno, 1998. Menurut Marimin 2004, pendekatan sistem adalah suatu pendekatan analisis organisatoris yang menggunakan ciri-ciri sistem sebagai titik tolak analisis. Pendekatan sistem adalah penerapan dari sistem ilmiah dalam manajemen untuk mengetahui faktor-faktor yang mempengaruhi perilaku dan keberhasilan suatu organisasi atau suatu sistem. Pemecahan masalah dapat dilakukan dengan menggunakan pendekatan sistem yang terdiri dari beberapa tahap. Tahapan analisis sistem dapat dilihat pada Gambar 14 sebagai berikut. Sistem Manajemen Dialog Sistem Pengolahan Terpusat Sistem Manajemen Basis Model Model Pemilihan Lokasi Potensial Model Prakiraan Bahan Baku Model Teknis dan Teknologis Model Penjadwalan Penebangan Model Analisis Kelayakan Finansial Pengguna User Sistem Manajemen Basis Data Dinamis Data Lokasi Potensial Data Bahan Baku Data Teknis dan Teknologis Data Permintaan Pasar Data Penjadwalan Penebangan Sistem Manajemen Basis Data Statis Data Umum Limbah Batang Kelapa sawit Deskripsi Sistem