Optimasi penggunaan lahan menggunakan algoritme genetika untuk mendukung peningkatan produktivitas pertanian

OPTIMASI PENGGUNAAN LAHAN MENGGUNAKAN
ALGORITME GENETIKA UNTUK MENDUKUNG
PENINGKATAN PRODUKTIVITAS PERTANIAN

KHAERUL UMAM

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014

PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Optimasi Penggunaan
Lahan Menggunakan Algoritme Genetika untuk Mendukung Peningkatan
Produktivitas Pertanian adalah benar karya saya dengan arahan dari komisi
pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi
mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan
maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan
dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.

Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Agustus 2014
Khaerul Umam
NIM G64100040

ABSTRAK
KHAERUL UMAM. Optimasi Penggunaan Lahan Menggunakan Algoritme
Genetika untuk Mendukung Peningkatan Produktivitas Pertanian. Dibimbing oleh
IRMAN HERMADI dan YANDRA ARKEMAN.
Penggunaan Lahan adalah cara untuk menggunakan lahan untuk memenuhi
kebutuhan manusia. Cara ini memungkinkan tanaman yang akan disusun dalam
satu area untuk menghasilkan keuntungan maksimal. Metode yang digunakan
untuk optimasi penggunaan lahan adalah algoritma genetika yang didasarkan pada
mekanisme seleksi alam. Tujuan dari penelitian ini adalah untuk mengembangkan
sistem berbasis web yang dapat menemukan solusi optimal atau mendekati
optimal dalam penyusunan tanaman. Sistem ini dikembangkan dengan
menggunakan model Waterfall. Sistem ini diberi nama De Loga. Sistem ini telah
diuji dan menghasilkan penyusunan tanaman sesuai yang diharapkan dalam
penggunaan lahan.

Kata kunci: algortime genetika, penggunaan lahan, sistem optimasi

ABSTRACT
KHAERUL UMAM. Land-Use Optimization Using Genetic Algorithm for
Supporting The Improvement of Agricultural Productivity. Supervised by
IRMAN HERMADI and YANDRA ARKEMAN.
Land-use is the way to use land to meet human needs. This way allows
plants to be arranged in one area to produce maximum benefits. The method used
for the land-use optimization is genetic algorithm that is based on the mechanism
of natural selection. The purpose of this research is to develop a web-based
system that can find the optimal or near-optimal solutions for planting
arrangement. The system was developed using Waterfall model. The system is
named De Loga. The system has been tested that it produces correct plants
arrangement for the expected land-use.
Keywords: genetic algorithm, land-use, optimization system

OPTIMASI PENGGUNAAN LAHAN MENGGUNAKAN
ALGORITME GENETIKA UNTUK MENDUKUNG
PENINGKATAN PRODUKTIVITAS PERTANIAN

KHAERUL UMAM

Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer
pada
Departemen Ilmu Komputer

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014

Penguji: Muhammad Ashyar Agmalaro, SSi MKom

Judul Skripsi : Optimasi Penggunaan Lahan Menggunakan Algoritme Genetika
untuk Mendukung Peningkatan Produktivitas Pertanian
Nama
: Khaerul Umam

NIM
: G64100040

Disetujui oleh

Irman Hermadi, SKom MS PhD
Pembimbing I

Dr Ir Yandra Arkeman, MSi
Pembimbing II

Diketahui oleh

Dr Ir Agus Buono, MSi MKom
Ketua Departemen

Tanggal Lulus:

PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas

segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang
dipilih dalam penelitian yang dilaksanakan sejak bulan November 2013 ini ialah
produktivitas pertanian, dengan judul Optimasi Penggunaan Lahan Menggunakan
Algoritme Genetika untuk Mendukung Peningkatan Produktivitas Pertanian.
Terima kasih penulis ucapkan kepada Bapak Irman Hermadi dan Bapak
Yandra Arkeman selaku pembimbing, Saudara Whan Ahmad Abdullah dan
Saudara Mohammad Toha Muchtar yang telah memberi saran dan menjadi
penguji sistem, serta Saudari Aussie Komala Rani, Saudara Rivo Riski Maulana
dan Saudari Riska Effirokh yang telah membantu dalam penulisan skripsi.
Ungkapan terima kasih juga disampaikan kepada ayah, ibu, serta seluruh keluarga,
atas segala doa dan kasih sayangnya.
Semoga karya ilmiah ini bermanfaat.

Bogor, Agustus 2014
Khaerul Umam

DAFTAR ISI
DAFTAR TABEL

vi

DAFTAR GAMBAR

vi

DAFTAR LAMPIRAN

vi

PENDAHULUAN

1

Latar Belakang

1

Perumusan Masalah

1

Tujuan Penelitian

1

Manfaat Penelitian

2

Ruang Lingkup Penelitian

2

TINJAUAN PUSTAKA

2

Algoritme Genetika

2

Faktor Pertumbuhan Tanaman

4

METODE

5

Analisis Kebutuhan

5

Perancangan Sistem

6

Implementasi

6

Pengujian

7

HASIL DAN PEMBAHASAN

7

Analisis Kebutuhan

7

Perancangan Sistem

9

Implementasi

12

Pengujian

14

SIMPULAN DAN SARAN

14

Simpulan

14

Saran

14

DAFTAR PUSTAKA

15

LAMPIRAN

17

RIWAYAT HIDUP

30

DAFTAR TABEL
1
2
3
4

Kebutuhan pengguna
Kebutuhan fungsional
Kebutuhan non-fungsional
Skema logical database

8
8
8
9

DAFTAR GAMBAR
1
2
3
4
5
6
7
8
9
10
11

Algoritme genetika
Seleksi cakram rolet
Proses elitisme
Model Waterfall (Sommerville 2011)
Metode pengembangan sistem
DFD level 0
Contoh representasi kromosom
Contoh kawin silang
Rancangan halaman Home untuk user
Halaman Home untuk user
Halaman Home untuk administrator

2
3
4
6
6
9
10
11
12
13
13

DAFTAR LAMPIRAN
1
2
3
4
5
6
7
8

Data parameter acuan
DFD level 1
Kamus data DFD level 1
Kamus data perancangan database
Rancangan antarmuka sistem
Antarmuka Sistem
Hasil pengujian fungsi-fungsi administrator
Hasil pengujian fungsi-fungsi user

17
18
18
19
20
25
26
26

PENDAHULUAN
Latar Belakang
Kebutuhan pangan dan bioenergi semakin meningkat. Hal ini disebabkan
oleh jumlah penduduk yang semakin meningkat dan terbatasnya minyak bumi
yang tersedia di alam. Peningkatan kebutuhan ini harus diimbangi dengan
peningkatan hasil pertanian seperti padi, jagung, kakao, dan sawit.
Optimasi penggunaan lahan merupakan salah satu cara untuk meningkatkan
hasil pertanian. Hal ini disebabkan luas tanah sulit bertambah dan banyak lahan
pertanian yang diubah menjadi tempat tinggal, toko, fasilitas umum, dan industri.
Masalah manajemen penggunaan lahan dapat didefinisikan sebagai masalah
pengalokasian aktivitas pada lahan yang berbeda, seperti pertanian, hutan, industri,
aktivitas rekreasi, atau konservasi (Stewart et al. 2004).
Goldberg (1989) dalam Matthews et al. (2006) menyatakan bahwa
algoritme genetika merupakan algoritme pencarian solusi optimal yang didasarkan
pada mekanisme seleksi alam. Walaupun hasilnya tidak selalu yang paling
optimal, algoritme genetika dapat diterapkan pada berbagai masalah pencarian
solusi optimal. Di dalam algoritme genetika terdapat proses inisialisasi populasi
awal, seleksi, kawin silang, dan mutasi.
Banyak peneliti yang sudah bekerja pada perencanaan penggunaan lahan
dan algoritme genetika seperti pencarian rute optimum menggunakan algoritme
genetika (Hannawati et al. 2002) dan algoritme genetika untuk perencanaan
penggunaan lahan (Stewart et al. 2004).
Pada penelitian ini dikembangkan sistem optimasi penggunaan lahan
menggunakan algoritme genetika. Suatu lahan dianalogikan sebagai matriks baris
dan kolom, serta variabel tertentu sebagai isi cell matriks. Penelitian ini
menggunakan parameter faktor yang mempengaruhi pertumbuhan tanaman. Objek
penelitian ini adalah syarat tumbuh tanaman padi, jagung, kakao, dan sawit.

Perumusan Masalah
Perumusan masalah dalam penelitian ini adalah bagaimana mengembangkan
sistem yang dapat menemukan solusi optimal dalam perencanaan penggunaan
lahan.

Tujuan Penelitian
Penelitian ini bertujuan untuk mengembangkan sistem berbasis web yang
dapat menemukan solusi optimal atau mendekati optimal dalam susunan
penanaman tanaman.

2
Manfaat Penelitian
Dengan adanya penelitian ini, diharapkan dapat membantu proses optimasi
penggunaan lahan menjadi lebih mudah dan cepat bagi masyarakat berlatar
belakang pendidikan pertanian sehingga dapat meningkatkan produktivitas
komoditas pertanian.

Ruang Lingkup Penelitian
Ruang lingkup penelitian ini adalah membuat sistem yang dapat
menemukan solusi terbaik atau mendekati terbaik dengan batasan-batasan sebagai
berikut:
1 Data pengembangan sistem adalah sekunder dan sebagian dummy.
2 Objek penelitian adalah faktor pertumbuhan tanaman padi, jagung, kakao, dan
sawit.
3 Pengembangan sistem menggunakan bahasa pemrograman PHP.

TINJAUAN PUSTAKA
Algoritme Genetika
Algoritme genetika merupakan algoritme komputasi yang yang diinspirasi
dari teori evolusi Darwin. Darwin menyatakan bahwa kelangsungan hidup dapat
dipertahankan melalui proses reproduksi, kawin silang, dan mutasi (Hermawanto
2003). Bagan alir algoritme genetika ditunjukkan pada Gambar 1.
1 Representasi Kromosom
Representasi kromosom merupakan pengubahan masalah ke dalam suatu
variabel yang bisa dihitung secara matematika. Representasi kromosom harus
dilakukan pertama kali untuk memulai algoritme genetika. Representasi
kromosom yang pertama diperkenalkan oleh Holland pada tahun 1975 adalah

Gambar 1 Algoritme genetika

3
representasi string biner (Arkeman et al. 2012).
2 Inisialisasi Generasi Pertama
Populasi merupakan kumpulan dari kromosom. Pada iterasi pertama akan
dilakukan inisialisasi populasi secara acak sesuai representasi kromosom yang
telah ditetapkan. Inisialisasi ini harus memperhatikan beberapa kriteria atau tujuan
yang sudah ditentukan.
3 Evaluasi Populasi
Pada tahap ini setiap kromosom akan dihitung nilai kinerjanya
menggunakan fungsi fitness. Semakin besar nilai kinerja suatu kromosom maka
semakin besar pula kemungkinan kromosom tersebut bertahan pada proses seleksi.
4 Seleksi
Proses seleksi adalah proses memilih kromosom untuk dilakukan kawin
silang. Metode yang digunakan dalam proses seleksi bermacam-macam, seperti
Roulette-Wheel, Elitism, Sigma Scaling, Boltzmann, Rank Selection, Tournament
Selection, Steady-State Selection, dan gabungan dari metode-metode tersebut
(Hannawati et al. 2002).
Metode Roulette-Wheel (cakram rolet) diperkenalkan oleh Goldberg pada
tahun 1989. Setiap kromosom menempati suatu slot pada cakram rolet dan
besarnya slot didapat dari rasio antara nilai fitness setiap kromosom dengan nilai
fitness keseluruhan (Arkeman et al. 2012). Ilustrasi metode Roulette-Wheel
ditunjukkan pada Gambar 2. Metode ini sering digunakan dalam pengoptimasian
menggunakan algoritme genetika karena metode ini sederhana.

Gambar 2 Seleksi cakram rolet

4
5 Kawin Silang
Kawin silang (crossover) adalah penukaran gen antara dua kromosom dalam
populasi agar terbentuk dua kromosom baru. Penyilangan merupakan operator
utama di dalam algoritme genetika. Tingkat penyilangan atau peluang
penyilangan adalah rasio antara jumlah kromosom yang diharapkan mengalami
penyilangan dan jumlah total populasi dalam setiap generasi. Umumnya tingkat
penyilangan cukup tinggi antara 0.6 sampai 1.0 (Arkeman et al. 2012). Jika nilai
peluang kawin silang (Pc) yang diberikan terlalu besar, akan membuang waktu
pada proses pencarian karena mencari solusi pada daerah yang kurang
menjanjikan. Sebaliknya, nilai Pc yang rendah dapat mengakibatkan stagnasi
karena rendahnya angka eksplorasi (Carwoto 2007).
6 Mutasi
Mutasi adalah pengubahan nilai pada satu atau lebih gen dalam suatu
kromosom. Peluang terjadi mutasi biasanya cukup rendah pada tiap generasi
sekitar 0.001 sampai 0.200 (Arkeman et al. 2012). Jika peluang mutasi terlalu
kecil, maka banyak gen yang mungkin berguna tidak pernah muncul. Tetapi jika
peluang mutasi terlalu besar, maka anak akan kehilangan kemiripan dengan
induknya.
7 Elitisme
Elitisme adalah metode untuk memilih kromosom terbaik. Metode ini
berguna untuk menjaga kromosom terbaik agar tidak hilang pada generasi
selanjutnya. Selain itu, elitisme dapat mempercepat proses pencapaian solusi
optimal. Proses elitisme ditunjukkan pada Gambar 3.

Faktor Pertumbuhan Tanaman
Ada banyak faktor yang dapat mempengaruhi pertumbuhan tanaman.
Faktor-faktor tersebut antara lain curah hujan, ketinggian tempat, kelembaban
udara, suhu, jenis tanah, pH tanah dan kemiringan lahan.
1 Curah Hujan
Curah hujan adalah jumlah air yang jatuh di permukaan tanah selama
periode tertentu. Curah hujan biasa dinyatakan dalam mm per tahun. Besarnya
curah hujan mempengaruhi kadar air tanah, aerasi tanah, kelembaban udara dan
secara tidak langsung menentukan jenis tanah (Hanum 2008a).
2 Ketinggian Tempat
Ketinggian tempat dapat menentukan suhu udara dan intensitas cahaya
matahari yang akan mempengaruhi pertumbuhan tanaman. Selain itu, ketinggian
tempat juga menentukan jenis tanaman yang dapat tumbuh.

Gambar 3 Proses elitisme

5

3 Suhu Udara
Suhu udara dapat mempengaruhi pertumbuhan tanaman. Setiap tanaman
tumbuh dengan baik pada suhu optimumnya. Untuk tanaman tropis, suhu
optimumnya berkisar 22 s.d. 37 ᵒC (Hanum 2008a).
4 Kelembaban Udara
Kelembaban udara adalah kadar uap air yang ada di udara. Kelembaban
udara mempengaruhi proses transpirasi sel tanaman, sehingga mempengaruhi
pertumbuhan tanaman.
5 Jenis dan pH Tanah
Setiap tanaman memerlukan keadaan tanah yang khusus agar dapat tumbuh.
pH tanah dapat mempengaruhi keadaan kimia tanah, sedangkan jenis tanah dapat
mempengaruhi keadaan fisik tanah yaitu struktur dan tekstur tanah. Klasifikasi
tanah yang sering digunakan untuk mengelompokkan tanah di Indonesia adalah
klasifikasi pada tingkat kategori jenis (great soil group). Jenis tanah menurut
klasifikasi ini adalah aluvial, andosol, grumusol, hidromorf kelabu, latosol, litosol,
mediteran, organosol, podsol, podsolik, dan regosol (Al-Maruzy 2013).
6 Kemiringan Lahan
Kemiringan lahan yang curam dapat dilakukan terasering agar dapat
ditanam. Namun, pada kemiringan lebih dari 40% sebaiknya tidak ditanami kakao
karena ketersediaan air tanah terbatas dan tanah mudah tererosi (Karmawati et al.
2010).

METODE
Metode pengembangan sistem yang digunakan pada penelitian ini
mengadaptasi metode Waterfall. Metode Waterfall merupakan salah satu metode
pengembangan sistem yang sering digunakan dalam pengembangan perangkat
lunak. Tahapan-tahapannya juga mudah diterapkan untuk pembuatan sistem yang
tidak terlalu besar dan kompleks. Metode ini dianggap sebagai induk dari semua
metode yang ada (Darwiesh 2008). Tahapan utama metode Waterfall menurut
Sommerville (2011) adalah definisi dan analisis kebutuhan, perancangan sistem
dan perangkat lunak, implementasi dan pengujian unit, integrasi dan pengujian
sistem, serta operasi dan pemeliharaan. Tahapan metode menurut Sommerville
(2011) ditunjukkan pada Gambar 4, sedangkan tahapan yang digunakan dalam
pengembangan sistem ini ditunjukkan pada Gambar 5.

Analisis Kebutuhan
Analisis kebutuhan (requirements analysis) dilakukan untuk menguraikan
hal-hal yang harus dapat dilakukan oleh sistem. Konsultasi dengan pengguna

6

Gambar 4 Model Waterfall (Sommerville 2011)

Gambar 5 Metode pengembangan sistem
sistem merupakan salah satu usaha untuk melakukan analisis sistem. Hasil analisis
ini harus didokumentasikan, dapat direalisasikan, dapat diukur, dan dapat diuji.

Perancangan Sistem
Proses ini dilakukan untuk memodelkan hasil analisis kebutuhan sistem.
Proses ini melibatkan struktur data pada database, rancangan antarmuka sistem,
dan detail (algoritme) prosedural.

Implementasi
Pada tahap ini perancangan sistem direalisasikan ke dalam serangkaian
program atau unit program. Pada tahap ini juga diimplementasikan algoritme
genetika yang merupakan algoritme utama sistem ini.

7
Pengujian
Pengujian sistem berfungsi untuk memastikan bahwa sistem berjalan sesuai
dengan rancangan dan untuk menemukan kesalahan program sebelum digunakan
(Sommerville 2011). Ada tiga metode dalam pengujian sistem, black-box testing,
white-box testing, dan gray-box testing. Pengujian yang dilakukan pada penelitian
ini adalah black-box testing. Dalam pengujian ini, penguji tidak memiliki akses ke
source code dan hanya berinteraksi dengan antarmuka sistem dengan memberikan
masukan dan memeriksa keluarannya.

HASIL DAN PEMBAHASAN
Analisis Kebutuhan
Tahap ini dilakukan melalui konsultasi dengan pengguna sistem. Pada tahap
ini, dihasilkan deskripsi sistem, identifikasi pengguna, kebutuhan dan
pengumpulan data, dan kebutuhan pengguna.
1 Deskripsi Sistem
De Loga merupakan sistem informasi berbasis web yang dapat menemukan
solusi optimal atau mendekati optimal dalam perencanaan penggunaan lahan.
Algoritme yang digunakan adalah algoritme genetika dalam pencarian solusinya.
Namun, fungsi algoritme genetika ini tidak dapat dilihat oleh pengguna. User bisa
mendapatkan informasi susunan penanaman yang menghasilkan skor terbesar
dengan cara memasukkan nilai-nilai parameter yang diperlukan sistem, sedangkan
administrator dapat mengubah nilai-nilai parameter yang menjadi acuan. Selain
itu, administrator juga dapat mengubah nama tanaman yang akan dibandingkan.
2 Identifikasi Pengguna
Dalam sistem ini, pengguna dibagi menjadi dua sesuai hak aksesnya, user
dan administrator. Berikut adalah pengertiannya:

User adalah pengguna yang ingin mengetahui susunan penanaman tanaman
yang menghasilkan keuntungan terbesar berdasarkan parameter yang ada.

Administrator adalah pengguna yang dapat mengubah parameter acuan dan
mengubah nama tanaman yang dibandingkan.
3 Kebutuhan dan Pengumpulan Data
Data yang digunakan adalah data sekunder dan buatan (dummy) berupa nilai
parameter acuan, sedangkan data yang digunakan untuk pengujian sistem atau
data masukan user adalah data buatan. Dengan nilai parameter acuan dan nilai
parameter yang dimasukkan user, sistem akan menentukan nol, satu, atau lebih
tanaman yang dapat ditanam di cell tertentu. Sistem merepresentasikan tanaman
kakao, jagung, padi, dan sawit sebagai karakter A, B, C, dan D. Data parameter
acuan sistem ditunjukkan pada Lampiran 1.

8
Tabel 1 Kebutuhan pengguna
Pengguna
Kebutuhan
User
Menampilkan solusi terbaik berupa grafik, matriks, dan
detail kromosom
Administrator
Mengubah tanaman yang dibandingkan
Administrator
Mengubah parameter acuan
Tabel 2 Kebutuhan fungsional
Kode
Fungsi
DeLoga-001 Fungsi
mamasukkan
nilai
parameter
pertumbuhan tanaman (upload file CSV)
DeLoga-002 Fungsi
memasukkan
nilai
parameter
algoritme genetika
DeLoga-003 Fungsi
mengubah
nilai
parameter
pertumbuhan tanaman
DeLoga-004 Fungsi mengubah nilai parameter algoritme
genetika
DeLoga-005 Fungsi mengubah nilai parameter tumbuhan
ke dalam karakter
DeLoga-006 Fungsi algoritme genetika
DeLoga-007 Fungsi menampilkan hasil (grafik, matriks,
dan detail kromosom)
DeLoga-008 Fungsi mengubah nilai parameter acuan
DeLoga-009 Fungsi mengubah nama tanaman yang
dibandingkan
DeLoga-010 Fungsi login administrator
DeLoga-011 Fungsi logout administrator
DeLoga-012 Fungsi menambah dan menghapus nama jenis
tanah

Pengguna
User
User
User
User
User
User
User
Administrator
Administrator
Administrator
Administrator
Administrator

Tabel 3 Kebutuhan non-fungsional
Kode
Parameter Kebutuhan
DeLoga-012 Availability 24 jam sehari, sesuai server
DeLoga-013 Portability
Mudah diadopsi pada lingkungan sistem
operasi Microsoft Windows dengan server web
Apache dan database MySQL
DeLoga-014 Security
Keamanan menggunakan username dan
password untuk administrator
4 Kebutuhan Pengguna
Pengembangan sistem memerlukan identifikasi kebutuhan pengguna agar
sistem yang dikembangkan sesuai dengan keperluan pengguna. Hasil analisis
kebutuhan pengguna dapat dilihat pada Tabel 1.

9
5 Kebutuhan Fungsional dan Non-Fungsional
Kebutuhan fungsional merupakan fungsi-fungsi yang dapat dilakukan oleh
sistem yang akan dikembangkan. Fungsi ini yang akan diberikan kepada
pengguna oleh sistem. Kebutuhan non-fungsional merupakan batasan-batasan
untuk kebutuhan fungsional. Kebutuhan fungsional sistem ditunjukkan pada Tabel
2, dan kebutuhan non-fungsional sistem ditunjukkan pada Tabel 3.

Perancangan Sistem
Sistem dirancang sesuai dengan kebutuhan yang telah ditentukan
sebelumnya. Perancangan ini antara lain perancangan database dan pemodelan
sistem. Berikut pemodelan sistem yang dihasilkan.
1 Data Flow Diagram (DFD)
DFD merupakan alat untuk memodelkan sistem dalam suatu aliran data
sehingga seorang programmer dapat memahami sistem dan subsistem secara
visual. DFD level 0 atau diagram konteks menampilkan garis besar fungsi yang
dapat dilakukan oleh sistem dan DFD level 1 menampilkannya secara terperinci.
DFD level 0 ditunjukkan pada Gambar 6, DFD level 1 ditunjukkan pada
Lampiran 2, dan kamus data DFD level 1 ditunjukkan pada Lampiran 3.
2 Perancangan Database
Perancangan database (database design) merupakan proses untuk
menghasilkan model data dari database. Hasil dari perancangan database adalah
logical database. Logical database adalah model data sistem yang bersifat
independent terhadap DBMS tertentu dan segala pertimbangan fisik lainnya. Hasil
logical database tergambar pada Tabel 4 dan kamus data perancangan database
ditunjukkan pada Lampiran 4.

Gambar 6 DFD level 0
Tabel 4 Skema logical database
Entitas
Atribut
Admin
Username, password
Plant
Id, name
Reference
Id, reference
Soil
Id, soil_value

10
3 Prosedur Algoritme Genetika
Prosedur algoritme genetika yang akan digunakan pada sistem harus
dirancang untuk memudahkan dalam penerapannya. Prosedur algoritme genetika
yang digunakan dalam sistem ini sebagai berikut:
 Representasi kromosom
Suatu lahan direpresentasikan ke dalam suatu matriks 20x20 yang oleh sistem
dijadikan matriks 1x400. Setiap cell matriks bernilai A, B, C, D atau E. A
untuk tanaman kakao, B untuk jagung, C untuk padi, D untuk sawit, dan E
untuk cell yang tidak cocok ditanam semua tanaman. Satu cell matriks dapat
merepresentasikan satu hektar lahan atau sesuai kebutuhan. Misalkan lahan
yang akan ditanam seluas 10000 hektar, maka satu cell matriks berukuran 25
hektar. Contoh representasi kromosom lahan ditunjukkan pada Gambar 7.

Gambar 7 Contoh representasi kromosom




Inisialisasi populasi
Inisialisasi populasi adalah proses pembangkitan kromosom-kromosom
sebagai populasi awal. Jumlah kromosom yang dibangkitkan sistem sesuai
dengan nilai yang dimasukkan user pada “Population Size”. Setiap kromosom
memiliki 400 gen.
Evaluasi populasi
Evaluasi populasi dilakukan dengan cara menjumlahkan nilai setiap cell pada
setiap kromosom. Fungsi fitness yang digunakan pada penelitian ini adalah
Dengan kendala
nilai fitness ∑i
dan X adalah bilangan biner.

11




Seleksi populasi
Seleksi populasi dilakukan dengan metode Roulette-Wheel. Pada proses
seleksi ini, sistem menggunakan persentase 80%. Algoritme genetika
dieksekusi dengan tingkat kawin silang 0.8 dan tingkat mutasi 0.01 pada
populasi 40 kromosom (Mitchell 1999).
Kawin silang (crossover)
Kromosom hasil seleksi sistem akan dipasang-pasangkan dan kemudian
dilakukan kawin silang. Pada proses kawin silang ini, sistem menggunakan
single point crossover yaitu ditentukan satu titik potong secara acak pada
kromosom. Setelah titik potong terpilih, maka dilakukan penukaran informasi
dari pasangan kromosom sesuai titik potong tersebut. Contoh kawin silang
yang dilakukan oleh sistem ditunjukkan pada Gambar 8.

Gambar 8 Contoh kawin silang






Mutasi
Proses mutasi yang dilakukan adalah memilih beberapa gen (cell) secara acak
kemudian mengganti nilai gen tersebut dengan nilai baru. Nilai baru ini
didapat secara acak pula. Persentase (Pm) yang digunakan adalah 1%. Pertama,
jumlah total gen populasi anak dihitung dengan rumus total gen = N*L dan
menghitung jumlah gen yang akan dimutasi dengan rumus jumlah gen =
Pm*(total gen). Pm adalah peluang terjadi mutasi, N adalah jumlah kromosom
dalam satu populasi anak, dan L adalah jumlah gen dalam satu kromosom.
Kedua, pilih gen yang akan dimutasi dengan cara membangkitkan angka dari
1 s.d. total gen sebanyak jumlah gen kali. Misalkan N adalah 25, total gen =
25*400 = 10000 dan jumlah gen = 0.01*10000 = 100, maka akan
dibangkitkan angka 1 s.d. 10000 sebanyak 100 kali.
Elitisme
Pada proses elitisme ini, sistem akan menggabungkan populasi induk dengan
populasi anak. Kemudian, dihitung nilai fitness masing-masing kromosom dan
diurutkan dari yang terbesar sampai yang terkecil. Terakhir, dipilih kromosom
terbaik sebanyak population size yang dimasukkan user dan kromosomkromosom terpilih ini ditetapkan sebagai generasi baru.
Stopping criteria
Sistem ini akan berhenti atau hasil dianggap optimal jika hasil evaluasi pada
generasi tertentu sama dengan hasil evaluasi generasi sebelumnya selama
sepuluh generasi atau sistem sudah melakukan iterasi sampai batas tertentu
sesuai masukkan user. Jadi, tidak akan terjadi infinite loop atau melakukan
iterasi tak terbatas.

12

4 Antarmuka Sistem dan Lingkungan Pengembangan Sistem
Pada tahap ini juga dibuat rancangan antarmuka sistem untuk setiap
halaman sistem. Perancangan ini bertujuan agar pembuatan antarmuka lebih
efektif dan mempermudah pengguna dalam penggunaan sistem. Halaman yang
telah dibuat rancangannya adalah Home, Parameter Check, Result, User Guide,
Edit Parameter, dan Edit Land Characteristics untuk user, serta Home, Guide, Edit
Reference, dan Edit Soil Type untuk administrator. Rancangan halaman Home
untuk user ditunjukkan pada Gambar 9 dan rancangan lainnya ditunjukkan pada
Lampiran 5.

Gambar 9 Rancangan halaman Home untuk user
Setelah dilakukan perancangan antarmuka sistem, maka ditentukan
lingkungan pengembangan sistem. Lingkungan pengembangan sistem sebagai
berikut:
1 Windows 7 Professional sebagai sistem operasi.
2 Server web (local) dan database management menggunakan XAMPP 1.8.3.4
(Apache server dan MySQL).
3 Source code editor menggunakan Notepad++.
4 Prosesor AMD E 450.
5 Kapasitas memory 4GB.

Implementasi
Sistem diimplementasikan menggunakan bahasa pemrograman PHP dan
Notepad++ sebagai source code editor. Database management system (DBMS)
yang digunakan adalah MySQL yang ada pada XAMPP. Implementasi ini berupa

13
pembuatan fungsi-fungsi sesuai kebutuhan sistem. Untuk implementasi fungsi
mengubah parameter pertumbuhan tanaman ke dalam karakter, digunakan aturan
bahwa setiap nilai parameter masukan user harus ada di antara nilai parameter
acuan agar tanaman tertentu dapat ditanam. Hasil dari fungsi ini ditampilkan pada
halaman Check Parameter. Pada halaman ini, user dapat memeriksa nilai-nilai
parameter masukannya, dan jika terdapat kesalahan maka user dapat
mengubahnya. Untuk implemantasi fungsi algoritme genetika, hasilnya
ditampilkan pada halaman Result. Hasil optimasi ditampilkan dalam bentuk grafik,
matriks, dan detail kromosom generasi terakhir.
Implementasi fungsi administrator memungkinkan administrator secara
khusus menambah, mengahapus, dan mengubah data acuan sistem, tipe tanah, dan
tanaman yang dibandingkan. Halaman yang dibuat adalah Home, Edit Reference,
Edit Soil Type, dan Guide. Pada halaman Home, administrator dapat mengubah
nilai parameter acuan, serta menambah dan menghapus nama jenis tanah. Pada
halaman ini juga, administrator dapat mengubah nama-nama tanaman yang
dibandingkan dalam sistem.

Gambar 10 Halaman Home untuk user

Gambar 11 Halaman Home untuk administrator

14
Pada tahap ini juga dibuat antarmuka sistem sesuai dengan perancangan
antarmuka. Halaman Home untuk user ditunjukkan pada Gambar 10, halaman
Home untuk admin ditunjukkan pada Gambar 11, dan halaman yang lain
ditunjukkan pada Lampiran 6.

Pengujian
Pada tahap ini, dilakukan black-box testing yaitu sistem diuji
fungsionalitasnya. Tidak semua fungsi diuji dalam pengujian ini, melainkan
fungsi yang dapat dilihat oleh pengguna (user dan administrator) saja yang diuji,
seperti fungsi memasukkan nilai parameter, fungsi mengubah nilai parameter,
fungsi mengubah nilai parameter menjadi karakter, fungsi menampilkan hasil
berupa grafik, matriks, dan detail kromosom, fungsi login administrator, dan
mengubah nilai parameter acuan. Hasil pengujian fungsi-fungsi user ditunjukkan
pada Lampiran 7, sedangkan hasil pengujian fungsi-fungsi administrator
ditunjukkan pada Lampiran 8. Dari hasil pengujian tersebut dapat dinyatakan
bahwa sistem ini berjalan dengan baik.

SIMPULAN DAN SARAN
Simpulan
Dari penelitian ini dihasilkan sistem informasi berbasis web yang
dapat menemukan solusi optimal atau mendekati optimal dalam susunan
penanaman tanaman. Sistem ini diberi nama De Loga. Sistem ini menggunakan
algoritme genetika dalam menemukan solusinya. Sistem ini dapat digunakan oleh
sarjana pertanian atau masyarakat yang mengetahui karaketristik lahan yang
diminta sistem.

Saran
Berdasarkan penelitian yang telah dilakukan, beberapa saran untuk
pengembangan dalam penelitian selanjutnya adalah sebagai berikut.
1 Menggunakan aturan (rule) yang dapat mengklasifikasikan kesesuaian lahan
terhadap tanaman.
2 Menambahkan fungsi-fungsi yang dapat mendeteksi kesalahan pada masukan
user.
3 Menambahkan parameter tanah agar lebih spesifik dalam menentukan kualitas
lahan.

15

DAFTAR PUSTAKA
Al-Maruzy A. 2013. Jenis jenis tanah [internet]. [diunduh 2014 Mei 30]. Tersedia
pada: http://www.katailmu.com/2013/02/jenis-jenis-tanah.html.
Arkeman Y, Seminar KB, Gunawan H. 2012. Algoritma Genetika Teori dan
Aplikasinya untuk Bisnis dan Industri. Bogor (ID): IPB Pr.
Badan Pengawas Pasar Modal dan Lembaga Keuangan. 2012. Pedoman Penilaian
dan Penyajian Laporan Penilaian Properti Perkebunan Kelapa Sawit di
Pasar Modal [Surat Edaran]. Jakarta (ID). Nomor: SE-9/BL/2012.
Balai Besar Pengkajian dan Pengembangan Teknologi Pertanian. 2008a.
Teknologi Budidaya Kelapa Sawit. [diunduh 2014 Jun 15]. Tersedia pada:
http://lampung.litbang.deptan.go.id/ind/images/stories/publikasi/sawit.pdf.
Balai Besar Pengkajian dan Pengembangan Teknologi Pertanian. 2008b.
Teknologi Budidaya Padi. [diunduh 2014 Jun 3]. Tersedia pada:
http://203.176.181.70/bppi/lengkap/bp2tp08padi.pdf.
Carwoto. 2007. Implementasi algoritma genetika untuk optimasi penempatan
kapasitor shunt pada penyulang distribusi tenaga listrik. Jurnal Teknik
Informatika DINAMIK. 12(2):122-130.
Darwiesh M. 2008. Patern recognition software development methodology
(PRSDM) based on design patern recognition techniques and agile
methodologies [disertasi]. Washington DC (US): George Washington
University.
Goldberg D. 1989. Genetic Algorithms in Search, Optimization, and Machine
Learning. New York (US): Addison-Wesley.
Hannawati A, Thiang, Eleazar. 2002. Pencarian rute optimum menggunakan
algoritma genetika. Jurnal Teknik Elektro. 2(2):78-83.
Hanum C. 2008a. Teknik Budidaya Tanaman Jilid 1. Jakarta (ID): Direktorat
Pembinaan Sekolah Menengah Kejuruan.
Hanum C. 2008b. Teknik Budidaya Tanaman Jilid 2. Jakarta (ID): Direktorat
Pembinaan Sekolah Menengah Kejuruan.
Hermawanto D. 2003. Algoritma Genetika dan Contoh Aplikasinya. [diunduh
2014
Mei
28].
Tersedia
pada:
http://dee83.files.wordpress.com/2011/12/algoritma_genetika_dan_contoh_
aplikasinya_-_denny_hermawanto.pdf.
Karmawati E, Mahmud Z, Syakir M, Munarso SJ, Ardana IK, Rubiyo. 2010.
Budidaya dan Pasca Panen Kakao. Bogor (ID): Pusat Penelitian dan
Pengembangan Perkebunan.
Kementrian Pertanian Republik Indonesia. 2012. Persiapan lahan budidaya
tanaman jagung [internet]. [diunduh 2014 Jun 2]. Tersedia pada:
http://epetani.deptan.go.id/budidaya/persiapan-lahan-budidaya-tanamanjagung-3727.
Matthews KB, Buchan K, Sibbald AR, Craw S. 2006. Combining deliberative and
computer-based methods for multi-objective land-use planning. Journal of
Agricultural Systems. 87:18 – 37.
Mitchell M. 1999. An Introduction to Genetic Algorithm. London (UK): MIT
Press.

16
Panut. 2010. Budidaya jagung [internet]. Pontianak (ID): BPTP-Kalimantan
Barat.
[diunduh
2014
Mar
26].
Tersedia
pada:
http://kalbar.litbang.deptan.go.id/ind/images/stories/leaflet/budidaya_jagung
.pdf.
Sommerville I. 2011. Software Engineering. Ed ke-9. Boston (US): Pearson
Education.
Stewart TJ, Janssen R, Marjan van Herwijnen. 2004. A genetic algorithm
approach to multiobjective landuse planning. Journal of Computers &
Operations Research. 31: 2293 – 2313.

Lampiran 1 Data parameter acuan
Tanaman

Kakao

Jagung

Padi

Sawit

Maksimum Minimum Maksimum Minimum Maksimum Minimum Maksimum

Minimum

Ketinggian (m dpl)

800[1]

0[1]

1800
(600)[2]

1000
(50)[2]

1500[4]

0[4]

500[6]

0[6]

pH

8 (7.5) [1]

4 (6) [1]

6.8[2]

5.6[2]

7.5[5]

5.5[5]

6.5[6]

4[6]

91.67[1]

200[2]

85[2]

-

200[5]

208.33[6]

166.67[6]

Curah Hujan (mm/bulan) 250[1]
Kemiringan (%)

40[1]

0[1]

8[3]

0[3]

-

-

15[6]

0[6]

Suhu (0C)

32[1]

18[1]

30[2]

26[2]

29[5]

24[5]

34 (30)[6]

26 (29) [6]

-

-

-

-

-

-

-

Kelembaban (%)
Jenis tanah

Semua[1]

Andosol, latosol,
grumusol, tanah
berpasir[3]

-

Podsolik, latosol, hidromorf kelabu,
aluvial, regosol, tanah gambut saprik,
dataran pantai dan muara sungai[7]

Sumber: [1] Karmawati et al. (2010), [2] Panut (2010), [3] Kementrian Pertanian Republik Indonesia (2012), [4] Hanum (2008b), [5]
Balai Besar Pengkajian dan Pengembangan Teknologi Pertanian (2008b), [6] Badan Pengawas Pasar Modal dan Lembaga Keuangan
(2012), [7] Balai Besar Pengkajian dan Pengembangan Teknologi Pertanian (2008a).

17

18
Lampiran 2 DFD level 1
Reference values

plant

1
Set
parameters

reference

Parameters 1

Crop names

Reference values

5
Udate
Parameters

Soil values

Soil
values

Characters
soil

2
Execute
genetic
algorithm

Parameters 2
Login parameters
Administrator

User

4
Login
Population
Login parameter

Permission

Results
admin

3
Show result

Lampiran 3 Kamus data DFD level 1
Nama
Characters
Crop names
Login
parameters
Parameters 1
Parameters 2
Permission
Population
Reference
values
Results
Soil values

Keterangan
Karakter (A, B, C, D, E) tiap cell.
cocoa, corn, paddy, palm.
Username, password.
Population size, max generation, crop scores, csv file (cell,
altitude, humidity, pH, rainfall, slope, temperature, type of soil).
Crop names, reference values, soil values.
Izin untuk mengakses halaman administrator
Kromosom, kuantitasnya, dan nilai kinerjanya.
Nilai-nilai ketinggian tempat, kelembaban udara, pH, curah
hujan, kemiringan lahan, dan suhu udara untuk setiap tanaman.
Grafik, matriks, dan detail kromosom.
Nilai-nilai jenis tanah (aluvial, andosol, grumusol, hidromorf
kelabu, latosol, litosol, mediteran merah kuning, organosol,
podsol, podsolik, regosol) untuk setiap tanaman.

19

Lampiran 4 Kamus data perancangan database
1. Tabel admin
Atribut
username
password

Tipe
varchar
varchar

Panjang
30
1000

Keterangan
Primary key
-

2. Tabel plant
Atribut
id
name

Tipe
int
varchar

Panjang
10
50

Keterangan
Primary key
-

3. Tabel reference
Atribut
Tipe
id
int
reference
longtext

Panjang
5
-

Keterangan
Primary key
-

4. Tabel soil
Atribut
id
soil_value

Panjang
5
-

Keterangan
Primary key
-

Tipe
int
text

20
Lampiran 5 Rancangan antarmuka sistem
1. Parameter Check (user)

2. Result (user)

21
Lanjutan
3. User Guide (user)

4. Edit Parameter (user)

22
Lanjutan
5. Edit Land Characteristics (user)

6. Home (administrator)

23
Lanjutan
7. Guide (administrator)

8. Edit Reference (administrator)

24
Lanjutan
9. Edit Soil Type (administrator)

25
Lampiran 6 Antarmuka Sistem
1. Parameter Check (user)

2. Result (user)

3. User Guide (user)

26
Lanjutan
4. Edit Parameter (user)

5. Edit Land Characteristics (user)

6. Guide (administrator)

27
Lanjutan
7. Edit Refeernce (administrator)

8. Edit Soil Type (administrator)

28

Lampiran 7 Hasil pengujian fungsi-fungsi administrator
No.

Skenario Pengujian

Test case

Hasil yang diharapkan

Hasil

Kesimpulan

1.

Mengisi form dengan
data yang salah semua
atau salah satu, lalu
klik tombol “login”
Mengisi form dengan
data yang benar
semua.
Mengubah nilai
parameter acuan
(kecuali jenis tanah).
Mengubah nilai
parameter jenis tanah.

Username: user (salah) dan password: user
(salah), atau username: khaerul (benar) dan
password: user (salah), atau username: user
(salah) dan password: khaerul (benar)
username: khaerul (benar) dan password:
khaerul (benar)

Sesuai
harapan

Valid

Sesuai
harapan

Valid

Sesuai
harapan

Valid

Sesuai
harapan

Valid

5.

Menambah nama
jenis tanah.

Menambah jenis tanah “tanah sawah”

Sistem menolak akses login
dan menampilkan pesan “the
username or password you
entered is incorrect”.
Sistem menerima akses login,
kemudian menampilkan
halaman Home.
Semua nilai parameter
minimum tanaman cocoa
menjadi 0 (nol).
Semua nilai parameter jenis
tanah tanaman cocoa menjadi
“no”
Muncul “tanah sawah” pada
jenis tanah.

Sesuai
harapan

Valid

6.

Menghapus nama
jenis tanah.
Mengubah nama
tanaman yang
dibandingkan

Menghapus jenis tanah “tanah sawah”

“tanah sawah” hilang dari
daftar jenis tanah.
Nama “corn” berubah menjadi
“jagung”.

Sesuai
harapan
Sesuai
harapan

Valid

2.

3.

4.

7.

mengubah semua nilai parameter minimum
pada tanaman cocoa ke nilai 0 (nol).
Mengubah semua nilai parameter jenis
tanah pada tanaman cocoa ke “no”.

Mengubah nama “corn” menjadi “jagung”

Valid

Lampiran 8 Hasil pengujian fungsi-fungsi user
No.

Skenario pengujian

Test case

Hasil yang diharapkan

Hasil

Kesimpulan

1.

Memasukkan nilai parameter
pertumbuhan tanaman (upload CSV
file), memasukkan nilai parameter
algoritme genetika, dan mengubah nilai
parameter pertumbuhan menjadi
karakter.
Mengubah nilai parameter algoritme
genetika

Population size: 30, max
generation: 80, elitism: 10,
cocoa: 2, corn: 1, paddy: 3,
palm: , dan file “test csv”

Menampilkan semua
masukkan user dan
manampilkan karakter
hasil filter dari nilai
parameter tumbuhan

Sesuai
harapan

Valid

Mengubah nilai population
size menjadi 40

Nilai population size
menjadi 40

Sesuai
harapan

Valid

3.

Mengubah nilai parameter

Mengubah semua nilai cell 3
menjadi 0 (nol) dan jenis
tanah menjadi aluvial.

Semua nilai cell 3 menjadi
0 dan jenis tanah menjadi
aluvial

Sesuai
harapan

Valid

4.

Menampilkan hasil berupa grafik
kromosom terbaik setiap generasi,
matriks, solusi terbaik dan detail
kromosom.

Masukkan user

Menampilkan grafik
kromosom terbaik, matriks
solusi terbaik, dan detail
kromosom

Sesuai
harapan

Valid

2.

29

30

RIWAYAT HIDUP
Khaerul Umam dilahirkan pada tanggal 29 Januari 1992 di Pekalongan,
Jawa Tengah dari pasangan Bapak Khudhori dan Ibu Badriyah. Pada tahun 2010,
penulis lulus dari SMA N 1 Pekalongan. Selama SMP dan SMA, penulis sudah
tidak tinggal bersama orang tuanya, melainkan tinggal di Pondok Pesantren AlAmien, Krapyak Kidul, Pekalongan. Di sana, penulis mendapatkan beasiswa dan
pendidikan agama di samping pendidikan umum di sekolahnya. Pada awal tahun
2010, penulis telah diterima menjadi mahasiswa di Departemen Ilmu Komputer,
Institut Pertanian Bogor melalui jalur Undangan Seleksi Masuk IPB dan juga
mendapatkan beasiswa Bidikmisi selama 4 tahun.
Selama menjadi mahasiswa, penulis cukup aktif di organisasi. Pada tahun
2010, penulis sudah menjadi anggota Koperasi Mahasiswa dan Ikatan Mahasiswa
Pekalongan-Batang. Pada tahun 2011, penulis menjadi pengurus Koperasi
Mahasiswa sebagai Asisten Staf Kopmart, menjadi ketua Ikatan Mahasiswa
Pekalongan-Batang, dan menjadi anggota Divisi Publikasi, Dekorasi, dan
Dokumentasi (PDD) pada kepanitiaan Festival Ilmuwan Muslim Nasional yang
diadakan oleh organisasi rohaniyah mahasiswa FMIPA (Serum-G). Pada tahun
2012 sampai dengan 2014, penulis menjadi Kepala Departemen Kominfo,
Koperasi Mahasiswa dan menjadi staf pengajar Bimbingan Belajar Spektrum, dan
pada tahun 2013 penulis melaksanakan Praktek Kerja Lapang (PKL) di Badan
Pemeriksa Keuangan Pusat Republik Indonesia.