Sistem Pengambilan Keputusan Rute Optimal Kota Bandung Dengan Algoritma Genetika
SISTEM PENGAMBILAN KEPUTUSAN RUTE OPTIMAL
KOTA BANDUNG
DENGAN ALGORITMA GENETIKA
TUGAS AKHIR
Oleh :
KRISTIAN PRASETIO
10105059
PROGRAM STUDI S1
JURUSAN TEKNIK INFORMATIKA
FAKULTAS TEKNIK DAN ILMU KOMPUTER
UNIVERSITAS KOMPUTER INDONESIA
(2)
i
KOTA BANDUNG DENGAN ALGORITMA GENETIKA
Oleh
KRISTIAN PRASETIO 10105059
Berdasarkan hasil pengamatan di lapangan dan wawancara di Dinas Perhubungan kota Bandung, maka didapatkan hasil bahwa Para pendatang yang berkunjung ke kota Bandung memilki kesulitan didalam menentukan rute untuk sampai ke tempat tujuan dengan waktu yang efisien, oleh karena itu maka diperlukanlah suatu sistem yang dapat menangani permasalahan rute untuk memperoleh waktu tercepat ketempat tujuan.
Dalam penyelesaian rute yang efisien , diperlukan sistem dengan metode yang dapat membantu dalam menentukan rute optimal. Metode yang digunakan adalah algoritma genetika, karena algoritma genetika merupakan sebuah metode dengan memanfaatkan variabel kecepatan di setiap jalannya yang mempengaruhi waktu tempuh di setiap jalan dan memanfaatkan proses seleksi alamiah yang dikenal dengan proses evolusi, proses ini memiliki fungsi rekombinasi, mutasi maupun perbaikan individu, dengan menggunakan proses - proses yang sebagian besar dilakukan secara acak maka dihasilkan solusi yang baik didalam proses pencarian ruteoptimal.
Berdasarkan hasil pengujian bahwa aplikasi Sistem Pengambilan Keputusan yang dibangun dengan metode algoritma genetika, dapat menyelesaikan permasalahan rute optimal karena aplikasi ini dapat menberikan waktu yang efisien menuju jalan tujuan.
(3)
ii
DECISION SUPORT SYSTEM OF OPTIMAL ROUTE IN BANDUNG CITY WITH GENETIC ALGORITHM
By
KRISTIAN PRASETIO
10105059
Based on field observations and interviews in Bandung city Transportation Department, the obtained results that the entrants who visited the city of Bandung have the difficulty in determining the route to get to your destination efficiently with time, therefore it is a system that can handle problems route to obtain the fastest time destination place.
In an efficient route solution, required a system with methods that can assist in determining the optimal route. The method is genetic algorithm, because the genetic algorithm is a method by using variable speed in each net that affect travel time in every way and take advantage of the natural selection process known as evolutionary process, this process has the function of recombination, mutation and individual improvement, with using a process - a process that most of the random generated a good solution in the optimal route search process.
Decision-Making System Application built with the method of genetic algorithm, can solve the problem of optimal routes for these applications can be time-efficient menberikan onto the destination.
(4)
v
LEMBAR PENGESAHAN
ABSTRAK ... i
ABSTRACT ... ii
KATA PENGANTAR ... iii
DAFTAR ISI ... v
DAFTAR TABEL ... xi
DAFTAR GAMBAR ... xiii
DAFTAR SIMBOL ... xvii
DAFTAR LAMPIRAN ... xxi
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah ... 1
1.2. Rumusan Masalah ... 3
1.3. Maksud dan Tujuan ... 3
1.4. Batasan Masalah ... 4
1.5. Metodologi Penelitian ... 5
1.6. Sistematika Penulisan ... 7
BAB II LANDASAN TEORI 2.1. Algoritma Genetika ... 9
2.2. Representasi Kromosom ... 12
(5)
vi
2.7. Seleksi kromosom induk ... 15
2.8. Rekombinasi Kromosom (Crossover) ... 19
2.9. Rekombinasi untuk Representasi Biner ... 19
2.10. Rekombinasi untuk Representasi Integer ... 21
2.11. Rekombinasi untuk Representasi Real ... 22
2.12. Rekombinasi untuk Representasi Permutasi ... 22
2.13. Mutasi kromosom ... 28
2.14. Mutasi untuk Representasi Biner ... 28
2.15. Mutasi untuk representasi integer ... 28
2.16. Mutasi untuk Representasi Permutasi ... 30
2.17. Regenerasi Populasi ... 31
2.18. Parameter algoritma genetika ... 32
2.19. Object Oriented Analysis and Design (OOAD) ... 33
2.20. Objek ... 33
2.21. Kelas ... 33
2.22. UML (Unified Modeling Language) ... 34
2.23. Sejarah UML ... 34
2.24. Tujuan UML ... 36
2.25. Gambaran dari UML ... 36
(6)
vii
2.30. UML sebagai Bahasa Documenting... 38
2.31. Bagian-Bagian dari UML ... 38
2.32. View ... 38
2.33. Usecase View ... 38
2.34. Logical View ... 39
2.35. Component View ... 39
2.36. Concurrency View ... 39
2.37. Deployment View ... 39
2.38. Diagram ... 40
2.39. Usecase Diagram ... 40
2.40. Class Diagram ... 40
2.41. State Diagram ... 41
2.42. Sequence Diagram ... 41
2.43. Collaboration Diagram ... 41
2.44. Activity Diagram ... 41
2.45. Component Diagram ... 42
2.46. Deployment Diagram ... 42
2.47. Area Penggunaan UML... 42
2.48. Rational Rose ... 43
(7)
viii
2.52.1. Sejarah Singkat Perusahaan ... 47
2.52.2. Tugas Pokok ... 48
2.52.3. Struktur Organisasi ... 49
2.52.4. Visi dan misi ... 50
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1. Analisis sistem ... 52
3.1.1 Analisis Masalah ... 52
3.1.2 Analisis Fungsional ... 53
3.1.2.1 Penentuan Rute Menuju Jalan Tujuan... 53
3.1.2.2 Penyelesaian Masalah ... 54
3.1.3 Analisis Kebutuhan Sistem Non Fungsional ... 63
3.1.3.1 Analisis Pengguna (User) ... 63
3.1.3.2 Analisis dan Kebutuhan Perangkat Keras ... 64
3.1.3.3 Analisis dan Kebutuhan Perangkat Lunak .. 64
3.2. Analisis Kebutuhan Fungsional ... 65
3.2.1 Identifikasi Aktor ... 65
3.2.2 Usecase, Scenario, dan Activity Diagram ... 65
1. Diagram Usecase ... 66
2. Diagram Usecase Administrator... 67
(8)
ix
3.2.4 Class Diagram ... 84
3.3 Perancangan Sistem ... 86
3.3.1 Perancangan Data ... 86
3.3.1.1 Tabel Relasi ... 86
3.3.1.2 Struktur Tabel... 87
3.3.2 Perancangan struktur menu ... 90
3.3.3 Perancangan Antarmuka ... 91
3.3.3.1 Perancangan Tampilan ... 91
3.3.3.2 Perancangan Pesan ... 94
3.3.3.3 Jaringan Semantik ... 95
BAB IV IMPLEMENTASI DAN PENGUJIAN 4.1 Implementasi ... 97
4.1.1 Perangkat Lunak Pendukung ... 97
4.1.2 Kebutuhan Perangkat Keras ... 98
4.1.3 Implementasi Prosedur dan Data ... 98
4.1.4 Implementasi Database dengan sqlserver2005 ... 98
4.1.5 Implementasi Antarmuka ... 101
4.1.5.1 Antarmuka Administrator ... 101
(9)
x
4.3 Pengujian Beta ... 109 4.3.1 Kesimpulan Hasil Pengujian Beta ... 115
BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan ... 116 5.2 Saran ... 116
(10)
xiii
Gambar 2.2 Kromosom Menggunakan Representasi Integer ...13
Gambar 2.3 Kromosom Menggunakan Representasi Real ...13
Gambar 2.4 Kromosom Menggunakan Representasi Permutasi ...14
Gambar 2.5 Kromosom Dengan Fitness ...16
Gambar 2.6 Rekombinasi Satu Titik Potong Pada Posisi 2 ...20
Gambar 2.7 Rekombinasi seragam pada representasi biner ...20
Gambar 2.8 Rekombinasi seragam pada representasi biner ...21
Gambar 2.9 Rekombinasi Satu Titik ...22
Gambar 2.10 Rekombinasi Banyak Titik ...22
Gambar 2.11 Rekombinasi Seragam Pada Representasi Integer ...22
Gambar 2.12 Rekombinasi Banyak Titik Pada Representasi Real ...23
Gambar 2.13 Rekombinasi Seragam Pada Representasi Real ...23
Gambar 2.14 Ilustrasi rekombinasi PMX ...25
Gambar 2.15 Mutasi Untuk Representasi Biner ...28
Gambar 2.16 Mutasi Untuk Representasi Integer ...29
Gambar 2.17 Mutasi untuk representasi integer ...29
Gambar 2.18 Mutasi untuk representasi permutasi (Swap mutation) ...30
Gambar 2.19 Mutasi untuk representasi permutasi (insert mutation) ...30
Gambar 2.20 Mutasi Untuk Representasi Permutasi (Scramble Mutation) ...31
(11)
xiv
Gambar 3.4 Gambar kromosom hasil seleksi (dalam matting pool) ...59
Gambar 3.5 Ilustrasi rekombinasi PMX ...61
Gambar 3.6 Ilustrasi Swap Mutation ...61
Gambar 3.7 Kromosom Baru Dalam Populasi ...62
Gambar 3.8 Hasil Pencarian Rute Optimal ...63
Gambar 3.9 Diagram Usecase semua actor...66
Gambar 3.10 Diagram Usecase untuk Administrator ...67
Gambar 3.11 Usecase Cari Jalan ...67
Gambar 3.12 Kelas Diagram untuk Usecase Realitation Cari Jalan ...67
Gambar 3.13 Diagram Aktifitas Cari Jalan ...69
Gambar 3.14 Usecase Login ...70
Gambar 3.15 Kelas Diagram untuk Usecase Realitation Login ...70
Gambar 3.16 Diagram Aktifitas Login...71
Gambar 3.17 Usecase Update Data node ...71
Gambar 3.18 Diagram untuk Usecase Realitation update Data node ...72
Gambar 3.19 Diagram Aktifitas Update Data Node ...73
Gambar 3.20 Usecase Paket Update Data jalan ...73
Gambar 3.21 Kelas Diagram untuk Usecase Realitation update Data jalan ...74
Gambar 3.22 Diagram Aktifitas Update Data Jalan ...75
(12)
xv
Gambar 3.27 Diagram Urutan Cari Jalan ...79
Gambar 3.28 Diagram Urutan Update Data Node ...80
Gambar 3.29 Diagram Urutan Update Data Jalan ...81
Gambar 3.30 Diagram Urutan Cari Jalan ...81
Gambar 3.31 Class Diagram Aplikasi ...83
Gambar 3.32 Tabel Relasi ...85
Gambar 3.33 Struktur Menu Administrator ...88
Gambar 3.34 Struktur Menu Pengguna ...88
Gambar 3.35 Tampilan Halaman Cari Jalan ...89
Gambar 3.36 Tampilan Halaman Login...90
Gambar 3.37 Tampilan Halaman update data node ...90
Gambar 3.38 Tampilan Halaman update data jalan ...91
Gambar 3.39 Tampilan Halaman profil pembuat ...91
Gambar 3.40 Tampilan Pesan M01 ...92
Gambar 3.41 Tampilan Pesan M02 ...92
Gambar 3.42 Tampilan Pesan M03 ...92
Gambar 3.43 Tampilan Pesan M04 ...92
Gambar 3.44 Tampilan Pesan M05 ...92
Gambar 3.45 Tampilan Pesan M06 ...92
(13)
xvi
Gambar 3.50 Tampilan Pesan M11 ...92 Gambar 3.51 Diagram Semantik Administrator ...70 Gambar 3.52 Diagram Semantik Pengguna ...71
(14)
xi
Tabel 3.2. Karakteristik Pengguna ...63
Tabel 3.3. Spesifikasi Perangkat Keras ...64
Tabel 3.4. Skenario Usecase Cari Jalan ...68
Tabel 3.5. Skenario Usecase Login ...70
Tabel 3.6. Skenario Usecase Update Data Node...72
Tabel 3.7. Skenario Usecase Update Data Jalan ...74
Tabel 3.8 Skenario Usecase update detail node ...76
Tabel 3.9. Skenario Usecase Cari Jalan ...78
Tabel 3.10. Jenis Kelas Diagram ...84
Tabel 3.11. Tabel User Status ...87
Tabel 3.12.Tabel User ...88
Tabel 3.13. Tabel Node ...88
Tabel 3.14. tabel detail node ...88
Tabel 3.15. Tabel Jalan ...89
Tabel 4.1. DDL Untuk Tabel User_Status ...97
Tabel 4.2. DDL Untuk Tabel User ...97
Tabel 4.3. DDL Untuk Tabel Node ...98
Tabel 4.4. DDL Untuk Tabel Untuk Tabel Jalan ...98
Tabel 4.5. DDL Untuk Detail node ...99
(15)
xii
Tabel 4.10. Pengujian Verifikasi Username dan Password...103
Tabel 4.11. Pengujian Tambah Data Update Data Node ...103
Tabel 4.12. Pengujian Ubah Data Update Data Node ...103
Tabel 4.13. Pengujian Cari Data Update Data Node ...104
Tabel 4.14. Pengujian Tambah Update Data jalan ...104
Tabel 4.15. Pengujian Ubah Update Data jalan ...105
Tabel 4.16. Pengujian Cari Data Update Data Jalan ...106
Tabel 4.17. Pengujian Tambah Update detail node ...107
(16)
xvii
DAFTAR SIMBOL
UML (Unified Modelling Language)
1. Diagram Use Case Proses
No. Simbol Keterangan
1. Aktor
Menunjukan user yang akan menggunakan sistem baru
2. Use Case
Menunjukan proses yang terjadi pada sistem baru
3. Unidirectional Association
Mnunjukan hubungan antara actor dengan dan use case atau antar use case
2. DIAGRAM ACTIVITY
No. Simbol Keterangan
1 Kondisi Awal
Menunjukan awal dari suatu diagram aktivitas
Kondisi Akhir
Menunjukan akhir dari suatu diagram aktivitas
Kondisi transisi
Menunjukan kondisi transisi antar aktivitas
(17)
xviii Swimlane
Menunjukan aktor dari diagram aktivitas yang dibuat
Aktivitas
Menunjukan aktivitas-aktivitas yang terdapat pada diagram aktivitas
Pengecekan kondisi
Menunjukan pengecekan terhadap suatu kondisi
3. DIAGRAM SEQUENCE
No. Simbol Keterangan
1 Objek
Menunjukan objek yang yang terdapat di diagram sequence
Pesan ke Objek sendiri
Menunjukan pesan yang diproses pada objek itu sendiri
Pesan Objek
Menunjukan pesan yang disampaikan ke objek lain dalam diagram sequence
(18)
xix 4. DIAGRAM CLASS
No. Simbol Keterangan
1 Class
Menunjukan class-class yang dibagung berdasarkan proses-proses sebelumnya (diagram sequence)
Unidirectional Association
Mnunjukan hubungan antara class pada diagram class
Flow Chart
No. Simbol Keterangan
1 Proses
Menunjukkan kegiatan proses komputerisasi
2 Data
Menunjukkan data untuk di proses
3 Decision
Menunjukkan kondisi apakah terpenuhi atau tidak
(19)
xx
4 Garis Alir
Untuk menunjukkan arus dari proses
5 Menunjukkan kondisi dari mulai dan
(20)
xxi
LAMPIRAN B LISTING PROGRAM ...B-1 LAMPIRAN C HASIL KUESIONER
(21)
SISTEM PENGAMBILAN KEPUTUSAN RUTE OPTIMAL
KOTA BANDUNG DENGAN ALGORITMA GENETIKA
KRISTIAN PRASETIO
10105059
Pembimbing
Mira Kania Sabariah, S.T., M.T. NIP. 41277006008
Menyetujui,
Ketua Jurusan Teknik Informatika
Mira Kania Sabariah, S.T., M.T. NIP. 41277006008
(22)
SISTEM PENGAMBILAN KEPUTUSAN RUTE OPTIMAL
KOTA BANDUNG DENGAN ALGORITMA GENETIKA
KRISTIAN PRASETIO
10105059
Penguji I
Dian Dharmayanti, S.T. NIP. 41277006005
Penguji II
Mira Kania Sabariah, S.T., M.T. NIP. 41277006008
Penguji III
Tati Harihayati M., S.T., M.T. NIP. 41277006006
(23)
1
1.1Latar Belakang Masalah
Bandung dikenal sebagai kota wisata dan salah satu kota besar di INDONESIA. Kulinernya yang terkenal lezat, objek wisata gunung Tangkuban Perahu, lembang, dan ciwidey yang termasyur dengan keindahan alamnya, dan perkembangan pusat pembelanjaan khususnya dalam bidang fashion seperti factory outlet (FO) dan distribution outlet (Distro) yang pesat beberapa tahun terakhir ini membuat Bandung menjadi tujuan wisata pembelanjaan.
Berdasarkan hasil pengamatan dilapangan, dan wawancara di Dinas Perhubungan, jalan-jalan dikota besar sangat menbingungkan dan Bandung adalah salah satu kota besar di INDONESIA, walau pemetaan kota Bandung yang cukup lumayan baik, tetapi pendatang masih dihadapkan kebingungan dengan jalan- jalan kota Bandung, dengan itu pendatang menjadi kesulitan untuk mencari jalan yang dituju, dan pendatangpun kebingungan untuk mencari rute menuju jalan tujuan
Karena permasalahan di atas maka diperlukanya sebuah system yang menbantu informasikan rute jalan yang harus dilalui menuju jalan tujuan dengan waktu yang efisien untuk mendukung kemajuan pariwisata kota bandung, dengan dukungan informasi dari Dinas Perhubungan Provinsi Jawa Barat.
(24)
Agar pemilihan rute jalan bisa sesuai dengan kriteria yang diharapkan, perlu dilakukan proses penyeleksian rute jalan terlebih dahulu. Namun dikarenakan penyeleksian rute jalan yang masih manual tidak mungkin dilakukan, maka dibutuhkan waktu lebih dan kecermatan dalam proses untuk menentukan rute jalan optimal.
Dalam penyelesaian rute optimal tersebut system memerlukan suatu metode yang dapat digunakan untuk membantu pencarian rute optimal, metode yang digunakan untuk pencarian rute optimal tersebut adalah algoritma genetika, karena algoritma genetika merupakan sebuah metode yang mengfaatkan proses seleksi alamiah yang dikenal dengan proses evolusi yang memiliki fungsi rekombinasi, mutasi, maupun perbaikan individu , dan yang menggunakan proses-proses yang sebagian besar dilakukan secara acak yang menpertimbangkan kecepatan di setiap jarak jalannya yang berdampak menpengaruhi waktu tempuh
di setiap jalanya, algoritma genetika bisa menghasilkan solusi yang “bagus”
dengan kecepatan dapat diterima [SUY08].
Maka dengan mengunakan metode algoritma genetika akan membantu pencarian waktu yang efisien yang menggunakan proses-proses yang sebagian besar dilakukan secara acak, dan menghasilkan solusi yang bagus dengan kecepatan dapat diterima
Berdasarkan permasalahan diatas maka diusulkan aplikasi untuk menunjang untuk pencarin rute kota Bandung.
(25)
Atas dasar inilah menperoleh gagasan untuk menbuat suatu system pendukung keputusan yang penulis tuangkan dalam judul “SISTEM
PENGAMBILAN KEPUTUSAN RUTE OPTIMAL KOTA BANDUNG
DENGAN ALGORITMA GENETIKA”
2. Rumusan Masalah
Berdasarkan latar belakang yang telah dipaparkan diatas, didapatkan masalah pokok yang perlu diselesaikan:
”Bagaimana Membangun Aplikasi Sistem Pengambilan Keputusan Rute Opimal Kota Bandung Dengan Algoritma Genetika”
3. Maksud dan Tujuan
Maksud dari penelitian membangun aplikasi sistem pengambilan keputusan rute optimal kota bandung dengan algoritma genetika.
Tujuan dari penelitian ini adalah :
1. Membantu pendatang, menuju jalan yang dituju dikota Bandung. 2. Membantu pencarian rute menuju jalan tujuan dikota Bandung.
3. Membantu pencarian rute optimal menuju jalan tujuan dikota Bandung. 4. Membantu meningkatkan efektifitas dan efisiensi menuju jalan tujuan
(26)
4. Batasan Masalah/Ruang Lingkup kajian
Batasan masalah dalam tugas akhir ini mencakup:
1. Pada pencarian jalur jalan, diasumsikan setiap jalur jalan hanya dapat dilalui sebanyak satu kali.
2. Di asumsikan pengguna menggunakan kendaran berroda empat atau berroda dua.
3. Jalan yang digunakan dapat berupa jalan satu arah atau jalan dua arah. 4. Rute yang tersedia hanya untuk kota Bandung.
5. Input dalam perangkat lunak ini adalah jalan asal dan jalan tujuan sedangkan output berupa urutan jalan yang harus dilalui.
6. Dalam tugas akhir ini, resiko penghambat seperti lampu merah di persimpangan jalan, pedagang kaki lima, dan faktor penghambat lainnya tidak diperhitungkan.
7. Dalam tugas akhir ini peranan algoritma genetika lebih dominan 8. Kecepatan yang digunakan untuk menempuh satu jalan adalah konstan. 9. Menggunakan System Operasi XP
10. Pemodelan data yang digunakan adalah pemodelan analasis berbasis objek oriented dimana tolls yang digunakan adalah usecase diagram, activity diagram, class diagram dan sequence diagram
11. Aplikasi ini di bangun dengan menggunakan bahasa pemograman visual C# 2008, dengan databasenya sql server 2005
(27)
5. Metodologi Penelitian
Metodologi yang digunakan dalam penulisan tugas akhir ini adalah sebagai berikut:
1. Tahap pengumpulan data
Metode pengumpulan data yang digunakan dalam penelitian ini adalah sebagai berikut :
a. Studi Literatur.
Pengumpulan data dengan cara mengumpulkan literatur, jurnal, paper dan bacaan-bacaan yang ada kaitannya dengan judul penelitian.
b. Observasi.
Teknik pengumpulan data dengan mengadakan penelitian dan peninjauan langsung terhadap permasalahan yang diambil.
c. Interview.
Teknik pengumpulan data dengan mengadakan tanya jawab secara langsung dengan pihak tertentu, yang ada kaitannya dengan topik yang diambil.
2. Tahap pembuatan perangkat lunak.
Teknik analisis data dalam pembuatan perangkat lunak menggunakan paradigma perangkat lunak secara waterfall, yang meliputi beberapa proses diantaranya:
(28)
a. System / Information Engineering
Merupakan bagian dari sistem yang terbesar dalam pengerjaan suatu proyek, dimulai dengan menetapkan berbagai kebutuhan dari semua elemen yang diperlukan sistem dan mengalokasikannya kedalam pembentukan perangkat lunak.
b. Analisis
Merupakan tahap menganalisis hal-hal yang diperlukan dalam pelaksanaan proyek pembuatan perangkat lunak.
c. Design
Tahap penerjemahan dari data yang dianalisis kedalam bentuk yang mudah dimengerti oleh user.
d. Coding
Tahap penerjemahan data atau pemecahan masalah yang telah dirancang keadalam bahasa pemrograman tertentu.
e. Pengujian
Merupakan tahap pengujian terhadap perangkat lunak yang dibangun.
f. Maintenance
Tahap akhir dimana suatu perangkat lunak yang sudah selesai dapat mengalami perubahan–perubahan atau penambahan sesuai dengan permintaan user.
(29)
7. Sistematika Penulisan
Sistematika penulisan yang ditetapkan oleh penulis dalam menyusun tugas akhir ini adalah sebagai berikut
BAB I PENDAHULUAN
Pada bab ini menerangkan secara umum latar belakang masalah, identifikasi masalah, maksud dan tujuan penelitian, batasan masalah, metodologi penelitian serta sistematika penulisan.
BAB II LANDASAN TEORI
Pada bab ini menerangkan secara garis besar pengertian pokok dari teori-teori yang mendasari pemecahan masalah yang dihadapi, dimana sumbernya dapat diperoleh dari berbagai buku sumber yang menunjang dalam penyusuunan Tugas Akhir ini.
BAB III ANALISIS DAN PERANCANGAN
Pada bab ini berisi menbahas analisis kebutuhan sistem dan pengguna, kemudian dilakukan pula proses perancangan sistem yang akan dibangun sesuai dengan analisis yang dilakukan.
BAB IV IMPLEMENTASI
Pada bab ini berisi tentang implementasi dan pengujian sistem yang telah dikerjakan, yang terdiri dari : menerapkan rencana implementasi, melakukan kegiatan implentasi, tinjau lanjut implentasi
(30)
BAB VI KESIMPULAN DAN SARAN
Berisi mengenai kesimpulan dan saran yang berguna untuk perbaikan system yang lebih baik lagi.
(31)
9
Bab ini menjelaskan dasar teori yang digunakan dalam pengembangan perangkat lunak, dasar teori tersebut terdiri dari algoritma genetika. Pada bagian algoritma genetika dibahas mengenai representasi kromosom, seleksi kromosom induk, rekombinasi kromosom, mutasi kromosom, regenerasi populasi, parameter algoritma genetika.
2.1 Algoritma Genetika
Algoritma genetika ditemukan di Universitas Michigan, Amerika Serikat oleh John Holland (1975) melalui sebuah penelitian dan dipopulerkan oleh salah satu muridnya David Goldberg. Algoritma genetika adalah algoritma yang memanfaatkan proses seleksi alamiah yang dikenal dengan proses evolusi. Dalam proses evolusi, individu secara terus menerus mengalami perubahan gen untuk menyesuaikan diri dengan lingkungan hidupnya. ”Hanya individu-individu yang
kuat yang mampu bertahan”. Proses seleksi alamiah ini melibatkan perubahan gen yang terjadi pada individu melalui proses perkembangbiakan. Dalam algoritma genetika ini, proses perkembangbiakan menjadi proses dasar yang menjadi
perhatian utama, dengan dasar berpikir: ”Bagaimana mendapatkan keturunan yang lebih baik”.
Sebuah solusi yang dibangkitkan dalam algoritma genetika disebut sebagai kromosom,sedangkan kumpulan kromosom-kromosom tersebut disebut sebagai
(32)
populasi. Sebuah kromosom dibentuk dari komponen-komponen penyusun yang disebut sebagai gen dan nilainya dapat berupa bilangan numerik, biner, simbol ataupun karakter tergantung dari permasalahan yang ingin diselesaikan. Kromosom-kromosom tersebut akan berevolusi secara berkelanjutan yang disebut dengan generasi.
Dalam tiap generasi Kromosom-kromosom tersebut dievaluasi tingkat keberhasilan nilai solusinya terhadap masalah yang ingin diselesaikan (fungsi objektif) menggunakan ukuran yang disebut dengan fitness. Untuk memilih kromosom yang tetap dipertahankan untuk generasi selanjutnya dilakukan proses yang disebut dengan seleksi. Proses seleksi kromosom menggunakan konsep aturan evolusi yaitu kromosom yang mempunyai nilai fitness tinggi akan memiliki peluang lebih besar untuk terpilih lagi pada generasi selanjutnya.
Kromosom-kromosom baru yang disebut dengan offspring, dibentuk dengan cara melakukan perkawinan antar kromosom-kromosom dalam satu generasi yang disebut sebagai proses crossover. Jumlah kromosom dalam populasi yang mengalami crossover ditentukan oleh paramater yang disebut dengan crossover rate. Mekanisme perubahan susunan unsur penyusun mahkluk hidup akibat adanya faktor alam yang disebut dengan mutasi direpresentasikan sebagai proses berubahnya satu atau lebih nilai gen dalam kromosom dengan suatu nilai acak. Jumlah gen dalam populasi yang mengalami mutasi ditentukan oleh parameter yang dinamakan mutation rate. Setelah beberapa generasi akan dihasilkan Kromosom-kromosom yang nilai gen-gennya konvergen ke suatu nilai
(33)
tertentu yang merupakan solusi terbaik yang dihasilkan oleh algoritma genetika terhadap permasalahan yang ingin diselesaikan.
Ada banyak metoda atau teknik yang dapat digunakan ketika menerapkan algoritma genetika. Meskipun demikian, algoritma ini memiliki suatu struktur algoritma yang umum digunakan pada setiap implementasi.
1. Buat populasi random yang terdiri dari sejumlah n kromosom solusi.
2. Lakukan evaluasi nilai mutu setiap kromosom dalam populasi. Jika sudah memenuhi syarat tertentu proses dihentikan (terdapat suatu individu yang telah memiliki nilai fitness tertentu yang diharapkan atau evolusi telah mencapai suatu generasi maksimum yang diizinkan atau dalam beberapa generasi tertentu tidak ada peningkatan nilai fitness yang diharapkan), lanjutkan ke tahap 3 jika belum mendapatkan solusi yang diinginkan
3. Buat populasi baru melalui tahap-tahap sebagai berikut :
a. Pilih 2 kromosom dari sebuah populasi, semakin baik nilai mutunya semakin besar kemungkinan kromosom tersebut terpilih.
b. Lakukan operasi persilangan terhadap 2 kromosom yang terpilih. Hasil dari persilangan tersebut menjadi sebuah kromosom baru.
c. Lakukan operasi mutasi terhadap kromosom baru tersebut. d. Masukan kromosom baru kedalam populasi.
4. Populasi baru menggantikan populasi lama dalam proses iterasi. 5. Kembali ke tahap 2.
(34)
2.2 Representasi Kromosom
Hal paling mendasar dalam algoritma genetika adalah penyandian kromosom. Penyandian kromosom adalah suatu teknik untuk menyatakan populasi awal sebagai kandidat solusi suatu masalah ke dalam suatu kromosom. Sebuah kromosom harus mengandung atau mewakili informasi mengenai solusi dari masalah yang akan diselesaikan .
2.3 Representasi Biner
Representasi biner adalah representasi paling sederhana dan paling umum. Pada representasi biner ini, setiap gen hanya bisa bernilai 0 atau 1. Representasi biner sangat mudah diimplementasikan dan memerlukan operator-operator rekombinasi dan mutasi yang sangat sederhana. Tetapi representasi biner ini biasanya digunakan untuk masalah-masalah yang sangat sederhana (tidak terlalu kompleks).
Kromosom X 1 0 1 1 0 0 0 1 1 1 0 0 0 1 1 1 0 0 0 1 1 0
Kromosom Y 0 0 1 1 0 1 0 1 0 1 1 1 1 1 0 0 0 0 0 0 0 0
(35)
2.4 Representasi Integer
Pada representasi ini, setiap gen bisa bernilai bilangan bulat (integer). Bilangan bulat dapat merepresentasikan jenis, atau kuantitas objek.
Kromosom X 3 2 4 7 5 11 9 27 1
Kromosom Y 5 9 1 4 27 6 7 14 2
Gambar 2.2 Kromosom Menggunakan Representasi Integer
2.5 Representasi Real
Permasalahan praktis di dunia nyata mungkin saja membutuhkan tingkat ketelitian sangat tinggi. Jika representasi biner maupun integer tidak bisa mencapai ketelitian yang diinginkan, kita bisa menggunakan representasi real.
Pada representasi biner, setiap gen hanya bernilai 0 atau 1. Pada representasi integer, setiap gen bisa bernilai bilangan bulat dalam interval [0,9]. Sedangkan pada representasi real setiap gen bisa bernilai real dalam interval [0,1].
Kromosom X 0,234 0,456 1,000 6,732 5,543
Kromosom Y 1,234 2,000 0,789 0,987 1,000
(36)
2.6 Representasi Permutasi
Untuk masalah tertentu, kita mungkin saja tidak bisa menggunakan representasi biner, integer, maupun real. Misalkan, masalah Travelling Salesman Problem (TSP). Pada TSP, masalahnya adalah mencari “urutan”. Bagaimana menemukan urutan kunjungan lokasi (satu lokasi hanya dikunjungi satu kali) yang total nilainya paling optimal (bisa minimal atau maksimal bergantung
tujuannya). “Nilai” disini bisa berupa jarak, kenyamanan, biaya, dan sebagainya.
Bagi seorang kurir, misalnya tujuannya adalah menemukan urutan lokasi pengantaran paket yang total jaraknya paling minimal. Bagi seorang wisatawan, tujuannya bisa berupa urutan lokasi wisata yang tingkat kenyamanan jalannya paling maksimal.
Yang harus diperhatikan saat membangun kromosom dengan representasi
permutasi adalah “satu kromosom harus menyatakan satu solusi”. Dua kata kunci
lain yang juga perlu kita perhatikan adalah “posisi” dan ”nilai” gen. Posisi gen (indeks pada kromosom) bisa digunakan untuk menyatakan urutan kunjungan lokasi.
1 5 2 6 3 4
Kromosom
Nilai gen menyatakan lokasi
Posisi gen menyatakan urutan kunjungan 1 2 3 4 5 6
(37)
2.7 Seleksi Kromosom Induk
Seleksi adalah suatu operator algoritma genetika yang berfungsi memilih individu-individu yang akan dijadikan induk pada proses rekombinasi ataupun yang akan tetap bertahan pada generasi berikutnya. Ada beberapa metoda seleksi yang umum digunakan dalam algortima genetika, diantaranya:
1. Roulette Wheel Selection
Metode ini sama dengan metode yang diperlukan pada permainan roulette, dimana setiap angka dinyatakan dalam suatu area sektor dalam lingkaran. Kemungkinan suatu sektor terpilih sangatlah tergantung kepada area atau luas dari sektor tersebut. Dengan demikian, semakin luas sektor tersebut maka semakin berpeluang ia dipilih untuk dikawinkan ataupun bertahan hidup pada generasi selanjutnya. Hal ini sesuai dengan teori Darwin yang menyatakan bahwa individu yang lebih kuat atau lebih baik dapat lebih bertahan dan menghasilkan keturunan dalam proses evolusi.
Pada permainan roulette semua sektor memiliki luas yang sama sehingga kemungkinan yang dimiliki oleh setiap sektor adalah sama. Pada metode algortima genetika ini, luas sektor akan sebanding dengan nilai fitness dari masing-masing kromosom.
Seleksi dilakukan dengan cara memutar roda roulette sebanyak jumlah kromosom yang berada dalam populasi. Setiap kromosom yang terpilih sebagai orang tua dipindahkan dari populasi lama ke suatu tempat tertentu yang disebut sebagai matting pool. Di dalam matting pool, posisi – posisi
(38)
kromosom orang tua diacak. Selanjutnya, dua kromosom orang tua yang posisinya berurutan direkombinasikan untuk menghasilkan dua anak .
1
2 3 4
5 6
Gambar 2.5 Kromosom Dengan Fitness Lebih Besar Menempati Ruang Lebih Besar
Dalam Roda Roulette
Gambar II.5 dapat dijadikan ilustrasi dalam memahami cara kerja metode seleksi roulette wheel. Dapat dilihat kromosom 1 memiliki nilai mutu yang paling besar karena luas bagian roda yang dimilikinya terbesar. Ada beberapa tahap dalam penggunaan metode ini, seperti dijelaskan melalui contoh di bawah ini.
Sebuah populasi terdiri dari 6 kromosom : A, B, C, D, E, dan F Nilai mutu dari masing-masing kromosom yaitu 40, 17, 20, 5, dan 8.
Akan dilakukan proses pemilihan sebuah kromosom melalui tahap-tahap berikut.
(39)
Tf = f(vk) 1+ f(vk)2..+f(vk)n
n
Pk(i)=
∑
(f(vk)i/tf)
i=1
Ket :
Tf : total fitness
Ket:
Pk: probabilitas seleksi F(vk): nilai fitness Tf: total fitness
… .
… .
i. Hitung total fitness (F) seluruh kromosom dalam populasi
Tf=40 + 17 + 20 + 5 + 10 + 8 = 100
ii. hitung probabilitas seleksi (pk) setiap kromosom
Pk1= 40/100 Pk2=17/100 Pk3=20/100 Pk4=5/100 Pk5=10/100 Pk6=8/100 Pk1= 0,40 Pk2= 0,17 Pk3= 0,20 Pk4=0,05 Pk5=0,10 Pk6=0,08
(40)
n
qk(j)=
∑
qkj+pki
i=1;j=1
Ket :
qk: probabilitas kumulatif pk: probabiltas seleksi
… .
iii. Hitung probabilitas kumulatif (qk) setiap kromosom
qk1=0,40 qk2=0,57 qk3=0,77 qk4=0,82 qk5=0,92 qk6=1,00
iv. Buat 1 bilangan random acak untuk memilih satu kromosom induk 0,79 :kromosom D terpilih karena qk > 0,79
2. Truncation-Random Selection
Metoda ini lebih mudah diterapkan jika dibandingkan dengan metoda seleksi roulette wheel. Pemilihan kromosom dilakukan secara acak tetapi tidak semua kromosom mendapatkan kesempatan tersebut, hanya kromosom -kromosomterbaik saja yang berpeluang.
3. Elitism Method
Metode ini bertujuan mencegah hilangnya individu terbaik pada generasi berikutnya. Cara kerja elitism method adalah duplikasi n individu terbaik dari populasi saat ini ke generasi beriktunya. Metode ini menunjukan kinerja yang sangat baik pada algoritma genetika dalam mencari solusi terbaik.
(41)
4. Steady-state reproduction. Pada metode ini sejumlah fitness parents yang terburuk digantikan dengan sejumlah individu baru (offspring).
2.8 Rekombinasi Kromosom (Crossover)
Persilangan dilakukan terhadap dua kromosom induk terpilih dengan tujuan untuk menciptakan kromosom anak baru. Tetapi, operasi rekombinasi tidak selamanya berhasil. Hal ini menirukan apa yang terjadi di dunia nyata bahwa tidak semua pasangan orang tua bisa memiliki anak.
2.9 Rekombinasi untuk Representasi Biner
Untuk representasi biner rekombinasi bisa dilakukan menggunakan tiga metode, yaitu: rekombinasi satu titik (1-point crossover), rekombinasi banyak titik (n-point crossover) dan rekombinasi seragam (uniform crossover).
1. Rekombinasi satu titik (1-point crossover)
Caranya, pilih titik potong secara acak pada posisi 1 hingga G-1, dalam hal ini G adalah jumlah gen dalam kromosom. Misalnya, terpilih titik potongnya adalah titik T. Selanjutnya, buat anak 1 dengan gen 1 sampai T diambil dari orang tua 1 dan gen T+1 sampai G diambil dari orang tua 2. Sebaliknya, anak 2 mendapatkan gen 1 sampai T dari orang tua 2 dan gen T+1 sampai G dari orang tua 1. Perhatikan gambar berikut.
(42)
1 0 1 1 0 1 0 1 1 1 0 0 0 1 0 1 0 1 1 0 1 0 1 1 1 1 1 1 0 0 1 1 Titik potong Parent 1 Parent 2 Offspring 1 Offspring 2
}
Gambar 2.6 Rekombinasi Satu Titik Potong Pada Posisi 2
2. Rekombinasi banyak titik (n-point crossover).
Caranya, pilih beberapa titik potong secara acak pada posisi antara 1 hingga G-1, dalam hal ini G adalah jumlah gen dalam kromosom. Selanjutnya, pewarisan gen-gen dilakukan secara menyilang (zigzag) pada posisi – posisi tersebut. Perhatikan gambar berikut.
1 0 1 1 0 1 0 1
0 1 0 1 0 1 0 1 0 1 1 0 1 0 1 1 1 1 1 0 0 1 1 1
Titik potong 1
Parent 1
Parent 2
Offspring 1
Offspring 2
}
Titik potong 2
(a)
1 0 1 1 0 1 0 1
1 1 0 1 1 1 0 1 0 0 1 0 1 0 1 1 0 1 1 0 1 0 1 1
Titik potong 1
Parent 1
Parent 2
Offspring 1
Offspring 2
}
Titik potong 2
(b) Titik potong 3
Gambar 2.7 Rekombinasi dua titik potong (a) dan tiga titik potong (b)
(43)
3. Rekombinasi seragam
Rekombinasi ini bisa dilakukan dengan cara pelemparan mata uang logam. Lempar koin satu kali untuk setiap gen pada kromosom orang tua. Misalkan, jika lemparan koin menghasilkan gambar “garuda”, berarti anak 1 mendapatkan gen dari orang tua 1. Sebaliknya, jika lemparan koin
menghasilkan gambar ”bunga ”, berarti anak 1 mendapatkan gen dari orang tua 2. Jika terdapat G gen berarti pelemparan koin dilakukan sebanyak G kali. Pelemparan koin sebanyak G kali bisa direpresentasikan sebagai suatu pola.
1 0 1 1 0 1 0 1
1 1 0 0 1 1 0 1 0 0 1 0 1 1 1 0 1 1 1 1 0 0 1 1 Parent 1 Parent 2 Offspring 1 Offspring 2
}
1 10 1 0 0 1 0
Pola
Gambar 2.8 Rekombinasi seragam pada representasi biner
2.10 Rekombinasi untuk Representasi Integer
Untuk representasi integer, rekombinasi bisa dilakukan menggunakan tiga metode seperti pada representasi biner.
(44)
1. Rekombinasi satu titik (1-point crossover)
1 5 2 7 6 9 8 2
2 1 0 8 5 6 3 1 3 2 7 8 2 8
2 1 9 7
6 6 0 9 7 Titik potong Parent 1 Parent 2 Offspring 1 Offspring 2
}
9Gambar 2.9 Rekombinasi Satu Titik
2. Rekombinasi banyak titik (n point crossover)
1 5 2 7 6 9 8 2
0 1 0 6 5 6 3 1 3 2 9 8 2 8
2 1 9 7 7 6 7
Titik potong 1
Parent 1
Parent 2
Offspring 1
Offspring 2
}
9Titik potong 2
8 22 8
7 6 0
Gambar 2.10 Rekombinasi Banyak Titik 3. Rekombinasi seragam
1 5 2 7 6 9 8 2
2 1 0 8 2 6 3 2 3 5 9 8 1 7 2 8 9 1 9 6 6 0 7 7 Parent 1 Parent 2 Offspring 1 Offspring 2
}
1 10 1 0 0 1 0
Pola
Gambar 2.11 Rekombinasi Seragam Pada Representasi Integer
2.11Rekombinasi untuk Representasi Real
Untuk representasi real, rekombinasi bisa dilakukan dengan cara rekombinasi banyak titik atau rekombinasi seragam.
(45)
1. Rekombinasi banyak titik
1,2 5,3 2,4 7,5 6,1 9,3 8,6 2,7
0 1,2 3,1 6 5,3 6,5 3,9 1,8 3,9 2,5 9,3 8,4 2,4 8,4
2,5 1,8 9,2 7,4 7,5 6,1 7
Titik potong 1
Parent 1
Parent 2
Offspring 1
Offspring 2
}
9,2Titik potong 2
8 2,72 8,6
7,4 6,5 3,1
Gambar 2.12 Rekombinasi Banyak Titik Pada Representasi Real
2. Rekombinasi seragam
1,2 5,3 2,4 7,5 6,1 9,3 8,6 2,7
3,1 1,2 3,1 8,6 2,5 6,5 3,9 2,4 3,9 5,3 9,3 8,4 1,8 7,5 2,5 8,4 9,2 1,8 9,2 6,5 6,1 2,7 7,4 7,4 Parent 1 Parent 2 Offspring 1 Offspring 2
}
1 10 1 0 0 1 0
Pola
Gambar 2.13 Rekombinasi Seragam Pada Representasi Real
2.12 Rekombinasi untuk Representasi Permutasi
Representasi permutasi banyak digunakan dalam masalah penjadwalan seperti traveling salesman problem (TSP), Job shop, dll. Pada masalah TSP, representasi permutasi memanfaatkan posisi gen sebagai urutan kota. Hal ini menyebabkan metode-metode rekombinasi diatas tidak bisa digunakan untuk representasi ini.
Metode-metode tersebut tidak dapat digunakan untuk representasi permutasi karena ada kemungkinan anak-anak yang dihasilkan memiliki gen-gen yang tidak valid (dalam satu kromosom terdapat dua gen yang sama). Misalkan, ada dua gen yang bernilai sama dalam suatu kromosom yang berarti ada satu lokasi yang
(46)
dikunjungi dua kali. Padahal pada masalah TSP ada batasan bahwa setiap lokasi hanya boleh dikunjungi sebanyak satu kali.
Untuk menghasilkan anak-anak yang valid terdapat suatu metode rekombinasi, yaitu dengan menggunakan partially mapped crossover. Pada partially mapped crossover (PMX), rekombinasi dilakukan dengan cara mewariskan sebagian gen orang tua secara searah dan sebagian lainnya secara menyilang. Pewarisan sebagian gen secara menyilang dilakukan dengan memanfaatkan posisi-posisi gen kedua orang tua yang memiliki nilai sama untuk dilakukan pemetaan. Karena pewarisan gen yang menggunakan pemetaan dilakukan hanya pada sebagian gen, maka metode rekombinasi ini dinamakan partially mapped crossover. Gambar dibawah ini mengilustrasikan rekombinasi dengan metode partially mapped crossover.
1. Pilih segmen kromosom dari kedua orangtua secara acak dengan cara membangkitkan dua titik, titik potong satu TP1 dan titik potong dua TP2.
1 2 3 4 5 6 7 8
8 7 5 4 6 9 2 1
Titik potong 1
Parent 1
Parent 2
Titik potong 2
9
3
2. Tukar segmen kedua orangtua untuk membuat proto-child. 1 2 6 9 2 1 7 8
8 7 5 4 3 4 5 6 Proto-child 1
Proto-child 2
9
(47)
3. Lakukan mapping relationship. 1 2 9 6
4
3 5 6
1 6 3
2 5
9 4
4. Buat offspring yang valid dengan mapping relationship dengan cara :
3 5 6 9 2 1 7 8
8 7
2 9 3 4 5 6
Offspring 1
Offspring 2
4
1
Gambar II.14 Ilustrasi rekombinasi PMX a. Untuk membangun offspring 1
Langkah 1 :
Untuk gen-gen yang terdapat di dalam segmen pada protochild-1 tidak perlu dilakukan pengecekan dan pemetaan.
Langkah 2 :
Lihat satu persatu gen – gen sebelum segmen pada protochild-1 (sebelum Tp1). Dimulai dari gen pertama dengan nilai 1, periksa apakah di dalam
segmen pada protochild-1 terdapat gen bernilai 1. Jika pada segmen
protochild-1 terdapat gen bernilai 1 maka, lakukan pemetaan. Dalam hal ini gen bernilai 1 dipetakan menjadi gen bernilai 6 (lihat langkah 3, lakukan mapping relationship). Setelah itu periksa kembali apakah di dalam segmen pada protochild-1 terdapat gen bernilai 6. Jika pada
segmenprotochild-1 terdapat gen bernilai 6 maka, lakukan pemetaan. Gen
(48)
lakukan mapping relationship). Cek kembali apakah gen bernilai 3 terdapat di dalam segmen pada protochild-1. Hasilnya, gen bernilai 3 tidak ada di dalam segmen pada protochild-1, sehingga gen bernilai 3 tersebut dimasukan ke dalam gen pertama pada offspring 1.
Langkah 3 :
Periksa gen ke-dua yang bernilai 2 sebelum segmen pada protochild-1, lalu periksa apakah di dalam segmen pada protochild-1 terdapat gen bernilai 2. Jika pada segmen protochild-1 terdapat gen bernilai 2 maka, lakukan pemetaan. Gen bernilai 2 tersebut dipetakan menjadi gen bernilai 5 (lihat langkah 3, lakukan mapping relationship). Periksa kembali apakah gen bernilai 5 terdapat di dalam segmen pada protochild-1. Hasilnya, gen bernilai 5 tidak terdapat di dalam segmen protochild-1, sehingga gen bernilai 5 tersebut dimasukan ke dalam gen ke-dua pada offspring 1.
Langkah 4 :
Lihat satu persatu gen – gen sesudah segmen pada proto-child-1 (sesudah Tp2). Dimulai dari gen ke-tujuh dengan nilai 7, periksa apakah di dalam
segmen pada proto-child-1 terdapat gen bernilai 7. Hasilnya, gen bernilai
7 tidak terdapat di dalam segmen protochild-1, sehingga gen bernilai 7 tersebut dimasukan ke dalam gen ke-tujuh pada offspring 1.
(49)
Langkah 5:
Dimulai dari gen ke-delapan dengan nilai 8, periksa apakah di dalam
segmen pada proto-child-1 terdapat gen bernilai 8. Hasilnya, gen bernilai
8 tidak terdapat di dalam segmen protochild-1, sehingga gen bernilai 8 tersebut dimasukan ke dalam gen ke-delapan pada offspring 1.
Langkah 6 :
Periksa gen ke-sembilan yang bernilai 9 pada protochild-1, periksa apakah di dalam segmen pada protochild-1 terdapat gen bernilai 9. Jika pada
segmen protochild-1 terdapat gen bernilai 9 maka, lakukan pemetaan. Gen
bernilai 9 tersebut dipetakan menjadi gen bernilai 4 (lihat langkah 3). Periksa kembali apakah gen bernilai 4 terdapat di dalam segmen pada protochild-1. Hasilnya, gen bernilai 4 tidak terdapat di dalam segmen
protochild-1, sehingga gen bernilai 4 tersebut dimasukan ke dalam gen ke-sembilan pada offspring 1
b. Untuk membangun offspring 2
Lakukan langkah yang sama untuk pembuatan offspring-2 seperti langkah pembuatan offspring-1
(50)
2.13 Mutasi Kromosom
Setelah tahap rekombinasi terhadap semua pasangan kromosom pada matting pool yang menghasilkan N (ukuran populasi) kromosom, maka GA menjalankan operator mutasi.
Ada satu hal di dunia nyata yang diadopsi oleh GA. Hal ini berkaitan dengan probabilitas terjadinya mutasi yang sangat kecil. Hal ini diadopsi GA dengan adanya variabel probabilitas mutasi yang dilambangkan dengan Pm dan nilainya diset dengan sangat kecil. Biasanya Pm berada dalam interval antara 1 dibagi jumlah gen dalam semua kromosom dalam populasi sampai dengan 1 dibagi julamh gen dalam satu kromosom.
2.14 Mutasi untuk Representasi Biner
Mutasi dilakukan secara sederhana dengan cara membalik nilai binernya. Gen yang bernilai biner 1 dimutasi menjadi 0. Sedangkan gen yang bernilai 0 dimutasi menjadi 1. Perhatikan ilustrasi berikut ini.
0 1 0 1 1 0 1 1
Kromosom hasil mutasi
0 1 0 0 1 0 1 1 Kromosom awal
Gambar 2.15 Mutasi Untuk Representasi Biner
2.15 Mutasi untuk Representasi Integer
Mutasi gen untuk representasi integer bisa dilakukan dengan beberapa cara, diantaranya adalah:
(51)
1. Membalik nilai integer
Cara ini merupakan peluasan dari mutasi pada representasi biner. Sebagai contoh, jika nilai gen berada dalam interval , makagen bernilai 0 dibalik menjadi 9, gen bernilai 1 dibalik menjadi 8, dan seterusnya. Perhatikan ilustrasi berikut.
9 2
3 6 1 0 5 1
Kromosom hasil mutasi
9 2
3 6 8 0 5 1
Kromosom awal
Gambar 2.16 Mutasi Untuk Representasi Integer Menggunakan Pembalik Nilai Integer
2. Pemilihan nilai secara acak
Suatu gen yang terpilih untuk dimutasi nilainya diganti dengan gen baru yang dibangkitkan secara acak dalam interval nilai-nilai gen yang diizinkan. Misalkan, jika nilai-nilai gen dalan interval , maka gen baru yang dibangkitkan secara acak juga berada dalam interval . Nilai gen baru yang dihasilkan bisa saja dibatasi dengan aturan harus berbeda dengan nilai gen lama [SUY08]. Perhatikan ilustrasi berikut.
9 2
3 6 1 0 5 1
Kromosom hasil mutasi
9 2
3 6 5 0 5 1
Kromosom awal
Gambar 2.17 Mutasi untuk representasi integer menggunakan pemilihan
(52)
2.16 Mutasi untuk Representasi Permutasi
Mutasi pada representasi permutasi harus menghasilkan kromosom yang valid. Sehingga, proses mutasi dilakukan dengan suatu cara tertentu yang menjamin kromosom hasil mutasi tetap valid. Ada banyak cara yang bisa digunakan, diantaranya adalah:
1. Mutasi pertukaran (Swap Mutation)
Pertama, pilih dua posisi gen secara acak. Kemudian tukarakan gen pada kedua posisi tersebut. Perhatikan gambar berikut.
3 8
1 5 2 7 6 4
Kromosom hasil mutasi Kromosom awal
3 5
1 8 2 7 6 4
Gambar 2.18 Mutasi untuk representasi permutasi (Swap mutation)
2. Mutasi penyisipan (Insert Mutation)
Pertama, pilih dua posisi gen secara acak. Misalkan posisi P1 dan P2. Kemudian sisipkan gen posisi P2 setelah posisi P1. Perhatikan gambar berikut.
3 8
1 5 2 7 6 4
Kromosom hasil mutasi Kromosom awal
3 4
1 5 8 2 7 6
(53)
3. Mutasi pengacakan (Scramble Mutation)
Pertama, suatu segmen kromosom dengan memilih dua titik secara acak. Misalkan posisi T1 dan T2. Kemudian lakukan pengacakan posisi pada semua gen yang berada dalam segmen tersebut. Perhatikan gambar berikut.
3 8
1 5 2 7 6 4
Kromosom hasil mutasi Kromosom awal
3 8
1 2 6 5 7 4
Gambar 2.20 Mutasi Untuk Representasi Permutasi (Scramble Mutation)
4. Mutasi pembalikan (Invertion Mutation)
Pertama, suatu segmen kromosom dengan memilih dua titik potong secara acak. Misalakan posisi T1 dan T2. Kemudian lakukan pembalikan posisi semua gen yang berada dalam segmen tersebut. Perhatikan gambar berikut.
3 8
1 5 2 7 6 4
Kromosom hasil mutasi Kromosom awal
3 8
1 6 7 2 5 4
Gambar 2.21 Mutasi Untuk Representasi Permutasi (Inversion Mutation)
2.17 Regenerasi Populasi
Regenerasi bertujuan untuk menghasilkan generasi populasi baru yang menggantikan generasi populasi sebelumnya dalam proses evolusi. Ada dua cara yang biasanya dilakukan, yaitu:
(54)
1. Kromosom – kromosom anak yang dihasilkan oleh persilangan dan mutasi, langsung menggantikan kromosom-kromosom terjelek dalam populasi. 2. Populasi baru dibentuk dari kromosom-kromosom yang dipilih dari gabungan
kromosom-kromosom induk dan kromosom-kromosom anak. Proses pemilihannya dapat dilakukan dengan menggunakan metode seleksi roulette whell atau dipilih secara acak. Cara regenerasi ini biasanya juga menerapkan metode elitis untuk menghindari hilangnya kromosom terbaik akibat tidak terpilih saat regenerasi.
2.18 Parameter Algoritma Genetika
Ada 3 parameter yang umum digunakan dalam algoritma genetika, yaitu:
1. Ukuran Populasi
Ukuran populasi menyatakan jumah kromosom yang ada dalam setiap generasi populasi. Dari generasi ke generasi, ukuran populasi harus dipertahankan tetap. Semakin besar ukuran populasi semakin besar pula domain pencarian yang berpotensi memberikan solusi yang diinginkan. Sisi buruk dalam hal tersebut antara lain adalah bahwa proses pencarian terjebak ke dalam kesia-siaan waku dan tenaga komputasi karena ada kemungkinan solusi teroptimal tidak berada dalam jelajah perluasan pencarian tersebut.
2. Probabilitas persilangan
Parameter ini menyatakan perbandingan antara jumlah kromosom anak hasil persilangan dengan jumlah kromosom induk. Ukuran probabilitas persilangan yang besar akan memperbesar juga peluang dihasilkannya kromosom anak
(55)
yang memiliki nilai mutu yang lebih baik, tetapi jika terlalu besar akan memperlambat konvergensi proses pencarian.
3. Probabilitas mutasi
Parameter ini menyatakan perbandingan antara jumlah gen kromosom anak yang termutasi dengan jumlah seluruh gen dari seluruh kromosom anak. Probabilitas mutasi yang terlau besar juga akan memperlambat konvergensi proses pencarian.
2.19 Object Oriented Analysis and Design (OOAD)
Object oriented analysis adalah metode analisis yang memeriksa keperluan (requirements) dari sudut pandang kelas-kelas dan objek-objek yang ditemui dalam ruang lingkup permasalahan [ASU[1]].
Object oriented design adalah metode untuk mengarahkan arsitektur software yang didasarkan pada manipulasi objek-objek sistem atau subsistem.
2.20 Objek
Objek (object) adalah benda, secara fisik ataupun konseptual. Hardware, software, dokumen dan manusia adalah beberapa contoh dari objek. Sebuah objek memiliki keadaan sesaat (state) dan prilaku (behavior) [ASU[1]].
State adalah kondisi objek yang menggambarkan objek tersebut, sedangkan behaviour adalah suatu definisi tindakan dan reaksi suatu objek.
2.21 Kelas
Kelas (class) adalah definisi umum untuk himpunan objek sejenis. Kelas menetapkan spesifikasi prilaku (behavior) dan atribut objek-objek tersebut. Class
(56)
adalah abstraksi dari entitas dalam dunia nyata. Objek adalah contoh (instance) dari sebuah kelas [ASU[1]].
2.22 UML (Unified Modeling Language)
UML merupakan model yang dapat digunakan secara luas dalam pemodelan bisnis, pemodelan perangkat lunak dari semua fase pembentukan dan semua tipe sistem, dan pemodelan secara umum dari berbagai pembentukan / konstruksi yang memiliki dua perilaku yaitu baik statis maupun dinamis [SOF[10]].
2.23 Sejarah UML
UML dimulai secara resmi pada oktober 1994, ketika Rumbaugh bergabung dengan Booch pada Relational Software Corporation. Proyek ini memfokuskan pada penyatuan metode Booch dan OMT. UML versi 0.8 merupakan metode penyatuan yang dirilis pada bulan Oktober 1995. Dalam waktu yang sama, Jacobson bergabung dengan Relational dan cakupan dari UML semakin luas sampai diluar perusahaan OOSE. Dokumentasi UML versi 0.9 akhirnya dirilis pada bulan Juni 1996. Meskipun pada tahun 1996 ini melihat dan menerima feedback dari komunitas. Dalam waktu tersebut, menjadi lebih jelas bahwa beberapa organisasi perangkat lunak melihat UML sebagai strategi dari bisnisnya. Kemudian dibangunlah UML Consortium dengan beberapa organisasi yang akan menyumbangkan sumber dayanya untuk bekerja, mengembangkan, dan melengkapi UML [SOF[10]].
(57)
Di sini beberapa perusahaan yang berkontribusi pada UML 1.0, diantaranya Digital Equipment Corporation, Hewlett-Packard, I-Logix, Intellicorp, IBM, ICON Computing, MCI Systemhouse, Microsoft, Oracle, Relational, Texas Instruments dan Unisys. Dari kolaborasi ini dihasilkan UML 1.0 yang merupakan bahasa pemodelan yang ditetapkan secara baik, kuat, dan cocok untuk lingkungan masalah yang luas. UML 1.0 ditawarkan menjadi standarisasi dari Object Management Group (OMG). Dan pada Januari 1997 dijadikan sebagai standar bahasa pemodelan.
Antara Januari–Juli 1997 gabungan group tersebut memperluas kontribusinya sebagai hasil respon dari OMG dengan memasukkan Adersen Consulting, Ericsson, ObjectTimeLimeted, Platinum Technology, Ptech, Reich Technologies, Softeam, Sterling Software dan Taskon. Revisi dari versi UML (versi 1.1) ditawarkan kepada OMG sebagai standarisasi pada bulan Juli 1997. Dan pada bulan September 1997, versi ini dierima oleh OMG Analysis dan Design Task Force (ADTF) dan OMG ArchitectureBoard. Dan Akhirnya pada Juli 1997 UML versi 1.1 menjadi standarisasi.
Pemeliharaan UML terus dipegang oleh OMG Revision Task Force (RTF) yang dipimpin oleh Cris Kobryn. RTP merilis editorial dari UML 1.2 pada Juni 1998. Dan pada tahun 1998 RTF juga merilis UML 1.3 disertai dengan user guide dan memberikan technical cleanup.
(58)
2.24 Tujuan Penggunaan UML
Memodelkan suatu sistem (bukan hanya perangkat lunak) yang menggunakan konsep berorientasi object. Dan menciptakan suatu bahasa pemodelan yang dapat digunakan baik oleh manusia maupun mesin [SOF[10]].
2.25 Gambaran dari UML
UML dapat dimanfaatkan untuk berbagai macam kebutuhan, diantaranya untuk melakukan pemodelan, visualisasi, spesifikasi, konstruksi dan dokumentasi.
2.26 UML sebagai Bahasa Pemodelan
UML merupakan bahasa pemodelan yang memiliki pembendaharaan kata dan cara untuk mempresentasikan secara fokus pada konseptual dan fisik dari suatu sistem. Contoh untuk sistem software yang intensive membutuhkan bahasa yang menunjukkan pandangan yang berbeda dari arsitektur sistem, ini sama seperti menyusun/mengembangkan software development life cycle. Dengan UML akan memberitahukan kita bagaimana untuk membuat dan membaca bentuk model yang baik, tetapi UML tidak dapat memberitahukan model apa yang akan dibangun dan kapan akan membangun model tersebut. Ini merupakan aturan dalam software development process.
2.27 UML sebagai bahasa Visualizing
UML tidak hanya merupakan rangkaian simbol grafikal, cukup dengan tiap simbol pada notasi UML merupakan penetapan semantik yang baik. Dengan cara ini, satu pengembang dapat menulis model UML dan pengembang lain atau perangkat yang sama lainnya dapat mengartikan bahwa model tersebut tidak
(59)
ambigu. Hal ini akan mengurangi error yang terjadi karena perbedaan bahasa dalam komunikasi model konseptual dengan model lainnya. UML menggambarkan model yang dapat dimengerti dan dipresentasikan ke dalam model tekstual bahasa pemograman.
Dengan model UML maka kita dapat memodelkan suatu sistem web tersebut dan direpresentasikan ke bahasa pemrograman. UML merupakan suatu model eksplisit yang menggambarkan komunikasi informasi pada sistem. Sehingga kita tidak kehilangan informasi code implementasi yang hilang dikarenakan developer memotong coding dari implementasi.
2.28 UML sebagai bahasa Specifying
Maksudnya membangun model yang sesuai, tidak ambigu dan lengkap. Pada faktanya UML menunjukan semua spesifikasi keputusan analisis, desain dan implementasi yang penting yang harus dibuat pada saat pengembangan dan penyebaran dari sistem software intensif.
2.29 UML sebagai bahasa Constructing
UML bukan bahasa pemograman visual, tetapi model UML dapat dikoneksikan secara langsung pada bahasa pemograman visual. Maksudnya membangun model yang dapat dipetakan ke bahasa pemograman seperti java, C++, VB atau tabel pada database relational atau penyimpanan tetap pada database berorientasi object.
(60)
2.30 UML sebagai bahasa Documenting
Maksudnya UML menunjukan dokumentasi dari arsitektur sistem dan detail dari semuanya. UML hanya memberikan bahasa untuk memperlihatkan permintaan dan untuk tes. UML menyediakan bahasa untuk memodelkan aktifitas dari perencanaan project dan manajemen pelepasan (release management).
2.31 Bagian-Bagian dari UML
Bagian-bagian utama dari UML adalah gambar, diagram, model element, dan general mechanism.
2.32 View
View digunakan untuk melihat sistem yang dimodelkan dari beberapa aspek yang berbeda. View bukan melihat grafik, tapi merupakan suatu abstraksi yang berisi sejumlah diagram. Beberapa jenis view dalam UML antara lain: use case view, logical view, component view, concurrency view, dan deployment view.
2.33 Use case view
Mendeskripsikan fungsionalitas sistem yang seharusnya dilakukan sesuai yang diinginkan external actors. Actor yang berinteraksi dengan sistem dapat berupa user atau sistem lainnya.
View ini digambarkan dalam use case diagrams dan kadang-kadang dengan activity diagrams. View ini digunakan terutama untuk pelanggan, perancang (designer), pengembang (developer), dan penguji sistem (tester).
(61)
2.34 Logical view
Mendeskripsikan bagaimana fungsionalitas dari sistem, struktur statis (class, object, dan relationship ) dan kolaborasi dinamis yang terjadi ketika object mengirim pesan ke object lain dalam suatu fungsi tertentu. View ini digambarkan dalam class diagrams untuk struktur statis dan dalam state, sequence, collaboration, dan activity diagram untuk model dinamisnya. View ini digunakan untuk perancang (designer) dan pengembang (developer).
2.35 Component view
Mendeskripsikan implementasi dan ketergantungan modul. Komponen yang merupakan tipe lainnya dari code module diperlihatkan dengan struktur dan ketergantungannya juga alokasi sumber daya komponen dan informasi administrative lainnya. View ini digambarkan dalam component view dan digunakan untuk pengembang (developer).
2.36Concurrency view
Membagi sistem ke dalam proses dan prosesor. View ini digambarkan dalam diagram dinamis (state, sequence, collaboration, dan activity diagrams) dan diagram implementasi (component dan deployment diagrams) serta digunakan untuk pengembang (developer), pengintegrasi (integrator), dan penguji (tester).
2.37 Deployment view
Mendeskripsikan fisik dari sistem seperti komputer dan perangkat (nodes) dan bagaimana hubungannya dengan lainnya. View ini digambarkan dalam
(62)
deployment diagrams dan digunakan untuk pengembang (developer), pengintegrasi (integrator), dan penguji (tester).
2.38 Diagram
Diagram berbentuk grafik yang menunjukkan simbol elemen model yang disusun untuk mengilustrasikan bagian atau aspek tertentu dari sistem. Sebuah diagram merupakan bagian dari suatu gambar tertentu dan ketika digambarkan biasanya dialokasikan untuk gambar tertentu. Adapun jenis diagram antara lain :
2.39Use Case Diagram
Menggambarkan sejumlah actors dan hubungannya ke usecase yang diberikan oleh sistem. Usecase adalah deskripsi fungsi yang disediakan oleh sistem dalam bentuk teks sebagai dokumentasi dari use case symbol namun dapat juga dilakukan dalam activity diagrams. Use case digambarkan hanya yang dilihat dari luar oleh actor (keadaan lingkungan sistem yang dilihat user) dan bukan bagaimana fungsi yang ada di dalam sistem.
2.40 Class Diagram
Menggambarkan struktur statis class di dalam sistem. Class merepresentasikan sesuatu yang ditangani oleh sistem.
Class dapat berhubungan dengan yang lain melalui berbagai cara: associated (terhubung satu sama lain), dependent (satu class tergantung/menggunakan class yang lain), specialed (satu class merupakan spesialisasi dari class lainnya), atau package (grup bersama sebagai satu unit). Sebuah sistem biasanya mempunyai beberapa class diagram.
(63)
2.41 State Diagram
Menggambarkan semua state (kondisi) yang dimiliki oleh suatu object dari suatu class dan keadaan yang menyebabkan state berubah. Kejadian dapat berupa object lain yang mengirim pesan. State class tidak digambarkan untuk semua class, hanya yang mempunyai sejumlah state yang terdefinisi dengan baik dan kondisi class berubah oleh state yang berbeda.
2.42 Sequence Diagram
Menggambarkan kolaborasi dinamis antara sejumlah object. Kegunaanya untuk menunjukkan rangkaian pesan yang dikirim antara object juga interaksi antara object, sesuatu yang terjadi pada titik tertentu dalam eksekusi sistem [SOF[10]].
2.43 Collaboration Diagram
Menggambarkan kolaborasi dinamis seperti sequence diagrams. Dalam menunjukkan pertukaran pesan, collaboration diagrams menggambarkan object dan hubungannya (mengacu ke konteks). Jika penekannya pada waktu atau urutan gunakan sequence diagrams, tapi jika penekanannya pada konteks gunakan collaboration diagram.
2.44 Activity Diagram
Menggambarkan rangkaian aliran dari aktivitas, digunakan untuk mendeskripsikan aktifitas yang dibentuk dalam suatu operasi sehingga dapat juga digunakan untuk aktifitas lainnya seperti use case atau interaksi.
(64)
2.45 Component Diagram
Menggambarkan struktur fisik kode dari komponent. Komponent dapat berupa source code, komponent biner, atau executable component. Sebuah komponent berisi informasi tentang logic class atau class yang diimplementasikan sehingga membuat pemetaan dari logical view ke component view.
2.46 Deployment Diagram
Menggambarkan arsitektur fisik dari perangkat keras dan perangkat lunak sistem, menunjukkan hubungan komputer dengan perangkat (nodes) satu sama lain dan jenis hubungannya. Di dalam nodes, executeable component dan object yang dialokasikan untuk memperlihatkan unit perangkat lunak yang dieksekusi oleh node tertentu dan ketergantungan komponen.
2.47 Area Penggunaan UML
UML digunakan paling efektif pada domain seperti :
1. Sistem Informasi Perusahaan
2. Sistem Perbankan dan Perekonomian 3. Bidang Telekomunikasi
4. Bidang Transportasi 5. Bidang Penerbangan 6. Bidang Perdagangan
7. Bidang Pelayanan Elekronik 8. Bidang Pengetahuan
(65)
9. Bidang Pelayanan Berbasis Web Terdistribusi
Namun UML tidak terbatas untuk pemodelan software. Pada faktanya UML banyak untuk memodelkan sistem non software seperti:
1. Aliran kerja pada sistem perundangan.
2. Struktur dan kelakuan dari Sistem Kepedulian Kesehatan Pasien 3. Desain hardware dll.
2.48 Rational Rose
Rational Rose adalah perangkat lunak yang memiliki perangkat-perangkat pemodelan secara visual untuk membangun solusi dalam rekayasa perangkat lunak dan pemodelan bisnis.
Rational Rose juga dapat didefinsikan sebagai tools pemodelan visual untuk pengembangan sistem berbasis objek yang handal untuk digunakan sebagai bantuan bagi para pengembang dalam melakukan analisis dan perancangan sistem. Rational rose mendukung permodelan bisnis yang membantu para pengembang memahami sistem secara komprehensif. Ia juga membantu analisis sistem dengan cara pengembang membuat diagram use case untuk melihat fungsionalitas sistem secara keseluruhan sesuai dengan harapan dan keinginan pengguna. Kemudian, ia juga menuntut pengembang untuk mengembangkan Interaction Diagram untuk melihat bagaimana objek-objek saling bekerjasama dalam menyediakan fungsionalitas yang diperlukan.
(66)
Dalam Rational rose, pemodelan adalah cara melihat sistem dari berbagai sudut pandang. Ia mencakup semua diagram yang dikenal dalam UML, actor-aktor yang terlibat dalam sistem, use-case, objek-objek, kelas-kelas, komponen-komponen, serta simpul-simpul penyebaran. Model juga mendeskripsikan rincian yang diperlukan sistem dan bagaimana ia akan bekerja, sehingga para pengembang dapat menggunakan model itu sebagai blue print untuk sistem yang akan dikembangkan.
2.49 Fitur Rational Rose
Bahasa yang digunakan adalah bahasa pemodelan standar yaitu UML.
1. Rational Rose mendukung round-trip engineering sehingga kita dapat men-generate model kedalam kode (Java, C++, C#, Visual Basic, dan sebagainya) dan melakukan reverse engineering untuk menampilkan arsitektur sistem dari kode yang ada.
2. Model dan kode senantiasa singkron.
3. Mudah dalam memperbaiki perangkat lunak, karena kita dapat menggambarkan kembali arsitektur perangkat lunak tersebut dalam UML. 4. Tersedia Rational Rose untuk berbagai platform.
5. Memiliki Rose Web Publisher sehingga suatu tim dapat mengkomunikasikan model dan spesifikasinya dalam web browser.
6. Mendukung rekayasa perangkat lunak untuk sistem client server.
Jika mulai mengembangkan database dengan SQL Server 2005, Anda tentu perlu mengenal dengan baik komponen-komponen yang dimiliki SQL Server 2005,
(67)
aneka feature pengembangan baru yang ditambahkan, serta alat-alat pengembangan (development tools) yang disediakan. Itulah cara jitu dalam pengembangan database (database developtment) pada SQL server 2005.
Setelah menyoroti berbagai sisi administrasi database SQL server 2005, kini kita mencoba mengupas kiat-kiat jitu (the best practices) dalam pengembangan database. Kita mulai dengan mengenal SQL Server 2005 dari sisi kepentingan seorang pengembang (developer).
2.50 Komponen SQL Server 2005
Tentu saja komponen-komponen SQL Server 2005 tidak berbeda, baik untuk kepentingan administrasi, maupun kepentingan pengembangan. Namun anda perlu selalu mengingatnya karena komponen-komponen inilah yang anda perlukan dalam membuat solusi DATABASE. Komponen-komponen ini adalah :
1. Relational Database Engine : komponen utama atau jantung SQL Server 2005.
2. Analysis Services : Basis dari solusi intelijen bisnis yang ampuh (powerful), dan mendukung aplikasi-aplikasi OLAP (online analytical processing), serta data minning.
3. Data Transformation Service (DTS): sebuah mesin untuk membuat solusi ekspor dan impor data, serta untuk mentransformasi data ketika data tersebut ditransfer.
4. Notification Services: sebuah framework untuk solusi dimana pelanggan akan dikirimi notifikasi ketika sebuah event muncul.
5. Reporting Services: service yang akan mengambil data dari SQL Server, dan menghasilkan laporan-laporan.
(68)
6. Service broker: sebuah mekanisme antrian yang akan menangani komunikasi berbasis pesan diantara service.
7. Native HTTP Support: dukungan yang memungkinkan SQL server 2005 yang (jika diinstall pada Windows Server 2003) akan merespon request terhadap HTTP endpoint, sehingga memungkinkan pembangunan sebuah web service untuk SQL Server tanpa menggunakan IIS.
8. SQL server Agent : akan mengotomatiskan perawatan database dan mengatur task, event dan alert.
9. .NET CLR (Common Language Runtime): akan memungkinkan pembuatan solusi menggunakan managed code yang ditulis dalam salah satu bahasa .NET.
10. Replication: serangkaian teknologi untuk menjalin dan mendistribusikan data dan obyek database dari sebuah database ke database lain, dan melakukan sinkronisasi untuk menjaga konsistensinya.
11. Full-Text Search: memungkinkan pengindeksan yang cepat dan flexibel untuk query berbasis kata kunci (terhadap data teks yang disimpan dalam database).
2.51 Pengertian C#
C# adalah bahasa pemograman berorientasi objek yang dikembangkan oleh microsoft sebagian dari . net dan sekarang sudah di akui sebagai standar oleh ECMA dan ISO komposisi bahsa C# adalah sebagai berikut
(69)
Gambar 2.22 Komposisi Bahasa C# 2.52 Tinjuan Tempat Penelitian
2.52.1 Sejarah Singkat Perusahaan
Peraturan daerah kota Bandung nomor 13 tahun 2007 tentang pembentukan dan susunan organisasi dinas daerah kota Bandung
Menimbangkan:
1) bahwa dengan telah ditetapkannya Peraturan Pemerintah Nomor 38 Tahun 2007 tentang Pembagian Urusan Pemerintahan Antara Pemerintah, Pemerintahan Daerah Provinsi, dan Pemerintahan Daerah Kabupaten/Kota dan Peraturan Pemerintah Nomor 41 Tahun 2007 tentang Organisasi Perangkat Daerah, maka dipandang perlu melakukan penyesuaian organisasi perangkat daerah;
(70)
2) bahwa dalam rangka penyesuaian peraturan terhadap perundang-undangan sebagaimana pada huruf a dan sekaligus sebagai pelaksanaan reformasi birokrasi di Lingkungan Pemerintah Kota Bandung serta upaya mendukung peningkatan pelayanan publik maka perlu dilakukan penyesuaian susunan organisasi Dinas Daerah Kota Bandung; 3) bahwa berdasarkan pertimbangan sebagaimana dimaksud
dalam huruf a dan b, maka perlu membentuk Peraturan Daerah Kota Bandung tentang Pembentukan dan Susunan Organisasi Dinas Daerah Kota Bandung;
Mengingat :
Peraturan Daerah Kota Bandung Nomor 06 Tahun 2006 tentang Pemekaran dan Pembentukan Wilayah Kerja Kecamatan dan Kelurahan di Lingkungan Pemerintah Kota Bandung (Lembaran Daerah Tahun 2006 Nomor 06);
Pembentukan :
Dinas Kebudayaan dan Pariwisata Kota Bandung. 2.52.2 Tugas Pokok
1) Dinas Kebudayaan dan Pariwisata mempunyai tugas pokok melaksanakan sebagian urusan Daerah di bidang kebudayaan dan pariwisata.
(1)
2. Tahap pembuatan perangkat lunak. a. Requirements analysis and definition b. System and software design
c. Implementation and unit testing d. Integration and system testing e. Operation and maintenance
2.2 Analisis Masalah
Berdasarkan hasil pengamatan dilapangan, dan wawancara di Dinas Perhubungan, jalan-jalan dikota besar sangat menbingungkan dan Bandung adalah salah satu kota besar di INDONESIA, walau pemetaan kota Bandung yang cukup lumayan baik, tetapi pendatang masih dihadapkan kebingungan dengan jalan- jalan kota Bandung, dengan itu pendatang menjadi kesulitan untuk mencari jalan yang dituju, dan pendatangpun kebingungan untuk mencari rute menuju jalan tujuan
2.3 Algoritma Genetika
algoritma gentika merupakan suatu abstraksi
yang mengadopsi “evolusi” dan “genetika”
yang di sederhanakan dari abstraksi tersebut,
algoritma gentika adalah “hanya dengan
megunakan proses-proses yang sebagian besar dilakukan secara acak, algoritma genetika bisa menghasilkan solusi yang bagus dengan kecepatan dapat diterima.
2.4 Desain
1. Usa Case
cari pengguna
tambah ubah
tambah ubah cari update data node
<<extend>> <<extend>> <<extend>>
update data jalan <<extend>>
<<extend>> <<extend>> cari jalan
login <<extend>>
<<include>>
login <<extend>>
<<include>> administrator
Gambar 1. ERD (Entity Relationship Diagram)
2. Class Diagram
Gambar 2. Relasi table
3. Diagram Konteks
jalan PK id_jalan
nama_jalan dari ke kecepatan jarak kapasitas detail node FK1 id_node user status
PK id_status
status
user PK username
password nama FK1 id_status
node PK id_node
plotx ploty info
(2)
2.8 Implementasi
Perangkat lunak yang digunakan pada sistem komputer dalam membangun Website SIG identifikasi potensi wilayah ini adalah sebagai berikut:
1. Sistem Operasi Windows XP Profesional SP 2.
2. visual studio 2008 .
1. Tampilan utama
Gambar 4. menu utama 2. Tampilan login
Gambar 5. login 3. Tampilan update data node
Gambar 6. upadate data node
4. tampilan update data jalan
Gambar 7. update data jalan
3.
HASIL DAN DISKUSI
3.1 Fasilitas
aplikasi yang di bangun memiliki kemampuan sebagai berikut:
a. Menghasilkan jalur jalan menuju jalan tujuan.
b. Menghasilkan waktu tempuh.
c. Menghasilkan peta kota bandung dan menberikan jalur jalan di dalam peta d. Dapat mengeprint jalur jalan
e.
Dapat melakukan update data jalan dan node3.2 Perangkat Lunak
aplikasi ini akan berjalan normal pada spesifikasi software sebagai berikut :
a. Sistem Operasi Windows
4.
KESIMPILAN DAN SARAN
4.1 Kesimpulan
1. Aplikasi ini bisa menjadi alat bantu bagi pengguna dalam proses pencarian jalan tujuan.
2. Pengguna aplikasi ini dapat mencari rute menuju jalan tujuan dan menberikan rute optimal.
3. algoritma genetika mampu menyelesaikan masalah pencarian rute optimal.
(3)
4.2 Saran
1.
kembangkan peta menjadi SIG
Sistem Informasi Geografi ,
2.dikembangkan menjadi aplikasi
yang di akses melalui website
5.
DAFTAR PUSTAKA
[1]. Suyanto. (2008), Evolutionary computation. Bandung:Informatika
.
2]. Jaenudin.(2005), Belajar .Net dengan Visual C#2005.Andi
[3]. Nugroho Adi.(2009), Algoritma & Struktur Data dengan C#. Andi
[4]. http://www.bimacipta.com/ga.htm diakses jam 01.30 20 oktober 2009 [5]. http://id.wikipedia.org/wiki/uml
diakses jam 19.00 21 oktober 2009 [6].
http://www.informatika.org/-rinaldi/stmik/2006-2007/makalah 2007 diakses jam 19.00 21 oktober 2009
(4)
DECISION SUPORT SYSTEM OF OPTIMAL ROUTE
IN BANDUNG CITY WITH GENETIC ALGORITHM
Kristian Prasetio
Department of Informatics, Faculty of Engineering and Computer Science, Indonesian Computer University
Jln. Dipati Ukur No.112 Bandung 40132 Zak_moriz23@yahoo.co.id
ABSTRAK
Based on field observations and interviews in Bandung city Transportation Department, the obtained results that the entrants who visited the city of Bandung have the difficulty in determining the route to get to your destination efficiently with time, therefore it needed a system that can handle problems route to obtain the fastest time destination place.
In an efficient route solution, required a system with methods that can assist in determining the optimal route. The method is genetic algorithm, because the genetic algorithm is a method by using variable speed in every way that affects the travel time on each road and take advantage of the natural selection process known as evolutionary process, this process has the function of recombination, mutation and individual improvement, with using a process - a process that most of the random generated a good solution in the optimal route search process.
Based on test results that the application of Decisions Systems built with the method of genetic algorithm, can solve the problem of optimal routes for these applications can be time-efficient menberikan onto the destination
Keyword: Decision suport system, genetic algorithm
1.
INTRODUCTION
1.1 PROBLEM IDENTIFICATION
How to Build Decision suport System Application Route Opimal Bandung With Genetic Algorithm.
1.3 OBJECTIVES
The purpose of this research building decision-making system applications optimized route bandung city with genetic algorithm The goals of this research are: 1. Helping immigrants, the road to the
destination city of Bandung.
2.
Search help route to the road in the
city of Bandung purposes
3. Help search the optimal route to the destination path in the city of Bandung.
4. Help improve the effectiveness and efficiency of the road in the city of Bandung purposes
.
2. MODEL, ANALYSIS, DESIGN AND
IMPLEMENTATION
2.1 Model
1. Data colocteion pahse a. Literature Study. b.
Observation.
.c.
Interviews
.2.
Stage of software creation
a. Requirements analysis and definition b. System and software design
c. Implementation and unit testing d. Integration and system testing e. Operation and maintenance
2.2 Problem Analysis
Based on field observations and
interviews at the Department of
Transportation, the streets of a big city
so menbingungkan and Bandung is
one of the major city in INDONESIA,
(5)
while mapping the city of Bandung is
quite pretty good, but immigrants still
faced confusion with the streets of
Bandung, with It became difficult for
newcomers to find a way to go, and
pendatangpun confusion to find a
route to the destination path
2.3
genetic algorithmgentika algorithm is an abstraction which adopted the "evolution" and "genetic" in simplified from these abstractions, gentika algorithm is "only with processes megunakan mostly random, genetic algorithm can produce good solutions with acceptable speed
2.4 Desaign
1. Usa Case
cari pengguna
tambah ubah
tambah ubah cari update data node
<<extend>> <<extend>> <<extend>>
update data jalan <<extend>>
<<extend>> <<extend>> cari jalan
login <<extend>>
<<include>>
login <<extend>>
<<include>> administrator
figure1. usecase
2. Class Diagram
figure 2. Class Diagram
3. table relasi
jalan PK id_jalan
nama_jalan dari ke kecepatan jarak kapasitas detail node FK1 id_node user status
PK id_status
status
user PK username
password nama FK1 id_status
node PK id_node
plotx ploty info
figure 3. table relasi
2.8 Implementasi
The software used on computer
systems in building GIS Web site
identification potential of this region
are as follows
1. Operation sistem Windows XP Profesional SP 2.
2. visual studio 2008 .
1.
main
figure4. main menu 2. main login
(6)
figure 5. login 3. Display update node data
Figure 6. upadate data node
4.
view street data update
figure 7. update data jalan
2.
RESULTS AND DISCUSSION
3.1 Fasiliti
applications that have built the following capabilities:
a. Generate point the way to the street purposes.
b. Generate travel time.
c. Generate maps and menberikan bandung city road in the map
d. Can print road
Can update the data path and the node
3.2 SOFTWARE
This application will run normally on the software specification as follows
:
a. Windows operating sistem
4.CONCLUSIONS
AND
RECOMMENDATIONS
4.1 CONCLUSION
This application can provide a tool for users in the destination path search process 1. This application users can find a route to
the destination path and provides the optimal route.
2. genetic algorithm can solve the optimal routing problem.
4.2 Advice
1.
develop GIS maps into Geographic Information Systems,
2. merubah menjadi aplikasi yang di
akses melalui website
3.
DAFTAR PUSTAKA
[1]. Suyanto. (2008), Evolutionary computation. Bandung:Informatika
.
2]. Jaenudin.(2005), Belajar .Net dengan Visual C#2005.Andi
[3]. Nugroho Adi.(2009), Algoritma & Struktur Data dengan C#. Andi
[4]. http://www.bimacipta.com/ga.htm diakses jam 01.30 20 oktober 2009 [5]. http://id.wikipedia.org/wiki/uml
diakses jam 19.00 21 oktober 2009 [6].
http://www.informatika.org/-rinaldi/stmik/2006-2007/makalah 2007 diakses jam 19.00 21 oktober 2009