PENERAPAN ALGORITMA GENETIKA DALAM OPTIMASI RUTE DARI RUMAH SAKIT UMUM KOTA BANDUNG MENUJU RUMAH SAKIT HASAN SADIKIN BANDUNG.
PENERAPAN ALGORITMA GENETIKA DALAM OPTIMASI RUTE DARI RUMAH SAKIT UMUM KOTA BANDUNG MENUJU
RUMAH SAKIT HASAN SADIKIN BANDUNG
Skripsi
Diajukan untuk Memenuhi Sebagian dari Syarat untuk Memperoleh Sarjana S-1
Program Studi Ilmu Komputer FPMIPA
Oleh: Tira Mutiara Asri
0706708
PROGRAM STUDI ILMU KOMPUTER
FAKULTAS PENDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS PENDIDIKAN INDONESIA 2013
(2)
LEMBAR PENGESAHAN
P
enerapan Algoritma Genetika Dalam Optimasi
Rute Dari Rumah Sakit Umum Kota Bandung
Menuju Rumah Sakit Hasan Sadikin Bandung
Oleh
Tira Mutiara Asri
Sebuah skripsi yang diajukan untuk memenuhi salah satu syarat memperoleh gelar Sarjana Komputer pada Fakultas Pendidikan Matematika dan Ilmu Pengetahuan
Alam
© Tira Mutiara Asri 2013 Universitas Pendidikan Indonesia
Juli 2013
Hak Cipta dilindungi undang-undang.
Skripsi ini tidak boleh diperbanyak seluruhya atau sebagian, dengan dicetak ulang, difoto kopi, atau cara lainnya tanpa ijin dari penulis.
(3)
PENERAPAN ALGORITMA GENETIKA DALAM OPTIMASI RUTE DARI RUMAH SAKIT UMUM KOTA BANDUNG MENUJU
RUMAH SAKIT HASAN SADIKIN BANDUNG
Oleh Tira Mutara Asri
0706708
Pembimbing I
Muh. Nursalman, M.T NIP. 197909292006041002
Pembimbing II
Rosa Ariani Sukamto, M.T NIP. 198109182009122003
Mengetahui
Program Studi Ilmu Komputer FPMIPA UPI
Rasim, M.T
(4)
i
ABSTRAK
Kota Bandung merupakan kota besar yang memiliki banyak rumah sakit. Oleh karena tidak semua rumah sakit memiliki fasilitas dan tenaga ahli yang lengkap, maka pasien yang tidak dapat ditangani oleh rumah sakit umum asal akan dirujuk ke Rumah Sakit Hasan Sadikin yang memiliki fasilitas dan tenaga ahli yang paling lengkap. Agar pasien segera ditangani, pengantar pasien harus dapat memilih rute tercepat yang dilalui untuk sampai ke Rumah Sakit Hasan Sadikin. Algoritma genetika merupakan salah satu metode yang dapat memecahkan permasalahan optimasi rute. Beberapa proses yang dilalui yaitu pembangkitan populasi, hitung nila fitness, seleksi, crossover, mutasi dan elitisme. Dalam penelitian ini satu populasi terdapat 20 kromosom yang merepresentasikan 20 rute yang dapat dilalui, probabilitas crossover 0.2 dan probabilitas mutasi 0. Kesimpulan yang didapat bahwa algoritma genetika dapat menghsilkan rute optimum meuju Rumah Sakit Hasan Sadikin walaupun tidak ada kromosom yang mengalami proses mutasi.
(5)
ABSTRACT
Bandung as a big city has many hospitals. But not of all hospital have complete facilities and experts, so patient who can’t be handled in that hospital will be moved to Hasan Sadikin Hospital as the most complete hopital in Bandung. Because patient must be handled quickly, familly should choose the shortest route to Hasan Sadikin. Genetic algorithm was the one of method wich can solve the optimation route problem. there are several process in genetic algorithm such as create population, fitness function, selection, crossover, mutation and elitism. On this research, population size 20 chromosomes, crossover rate 0.2 and mutation rate 0 are used as genetic parameters. Genetic algorithm can solve optimation route problem from a general hospital in Bandung to Hasan Sadikin hospital even there are no chromosome with mutation process.
(6)
iii
KATA PENGANTAR
Segala puji dan syukur penulis panjarkan kehadirat Allah SWT, atas segala nikmat dan karunia-Nya. Shalawat serta salam semoga selalu dilimpahkan kepada Rasulullah SAW kepada keluarganya, para sahabar, dan umatnya sampai akhir zaman dalam iman dan islam. Berkat rahmat dan kehendak-Nya penulis mampu menyelesaikan skripsi yang berjudul “Penerapan Algoritma Genetika Dalam Optimasi Rute Dari Rumah Sakit Umum Kota Bandung Menuju Rumah Sakit Hasan Sadikin Bandung” ini dengan sebaik-baiknya. Penulisan skripsi ini merupakan sebagian syarat dalam mendapatkan gelar sarjana komputer atas jenjang studi S1 yang telah penulis tempuh selama menimba ilmu di Program Studi Ilmu Komputer Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam Universitas Pendidikan Indonesia.
Penulis memohan maaf bila terdapat kekurangan dan kesalahan dalam penulisan skripsi ini. Maka dengan segala kerendahan hati penulis mengkarapkan kritik dan saran yang bersifat membangun untuk kebaikan dalam penulisan skripsi ini.
Penulis menyadari bahwa terselesaikannya penyusunan skripsi ini tidak terlepas dari peranan, dukungan dan bantuan berbagai pihak baik langsung maupun tidak langsung. Dalam kesempatan ini, penulis ingin menyampaikan rasa terima kasih yang sebesar-besarnya kepada :
1. Dosen pembimbing, yaitu Bapak M. Nursalman, M.T dan Ibu Rosa Ariani Sukamto, M.T yang telah memberikan bimbingan dan pengarahan yang berharga sehingga penulis dapat menyelesaikan laporan ini,
2. Bapak Eddy Prasetyo Nugroho, M.T selaku Pembimbing Akademik yang selalu memberi semangat, motivasi, kritik dan saran selama kuliah.
3. Ayahanda Drs. Sunarya, B.Sc dan ibunda Dra. Diden Indrajati, orang tua terhebat yang tak pernah berhenti memberi do’a, semangat, motivasi dan dukungan pada penulis baik moril dan materil.
(7)
4. Kedua kakak tersayang Tina Prima Nardiati dan Yuda Teguh Santosa yang selalu memberi semangat, motivasi, dan kasih sayang.
5. Keluarga besar alm. Aman Abdurachman dan keluarga besar alm. Endin Rakadin yang selalu memberi nasihat dan kasih sayangnya. 6. Seluruh dosen dan staf administrasi jurusan ilmu komputer yang selalu
membantu penulis selama masa kuliah hingga penyelesaian skripsi. 7. Dian Sa’adilah Maylawati,S.Kom, Wizra Aulia,S.Kom, Rama Saktria
Windarta,S.Kom, Riyan Naufal Hays,S.Kom dan Aby Al Khudri,S.Kom selaku teman terbaik dan teman seperjuangan dalam menuntut ilmu di Ilmu Komputer yang selalu ada dalam suka maupun duka.
8. Seluruh teman-teman Ilmu Komputer khususnya Ilkom ’07 kelas C2 yang selalu membantu dan memberi keceriaan.
9. Rynda, Windha, Wina selaku sahabat yang selalu mendoakan, memberi semangat dan meghibur penulis.
10. Nia, Teh Ami, Anggi, Ipung, Wandi, Mas Eko, Pitri dan seluruh teman-teman thallasemia yang selalu memberikan semangat, dukungan, nasehat dan selalu membuat penulis tersenyum. Keep spirit guys!! 11. Seluruh dokter dan suster poliklinik Thalassemia RSHS yang selalu
sigap dan siap sedia saat merawat penulis.
12. Pihak-pihak yang tidak dapat penulis sebutkan satu persatu.
Semoga Allah SWT membalas semua kebaikan, kasih saying dan ketulusan itu. Akhir kata penulis mohon maaf atas segala kekurangan dan ketidaksempurnaan dalam penyusunan skripsi ini. Semoga hasil yang dituangkan dalam skripsi ini dapat bermanfaat bagi semua pihak.
Bandung, Juli 2013
(8)
v
DAFTAR ISI
ABSTRAK ...i
ABSTRACT ...ii
KATA PENGANTAR ...iii
DAFTAR ISI ...v
DAFTAR TABEL ...viii
DAFTAR GAMBAR ...ix
BAB I PENDAHULUAN ...1
1.1 Latar Belakang ...1
1.2 Rumusan Masalah ...3
1.3 Tujuan Penelitian ...3
1.4 Manfaat Penelitian ...4
1.5 Batasan Masalah...4
BAB II TINJAUAN PUSTAKA ...6
2.1 Teori Graf ...6
2.2 Optimasi ...9
2.3 Algoritma Genetika ...11
2.3.1 Parameter Genetika ...14
2.3.1.1 Ukuran Populasi ...14
2.3.1.2 Probabilitas Crossover ...15
2.3.1.3 Probabilitas Mutasi ...16
(9)
2.3.2.1 Teknik Pengkodean (Encoding) ...16
2.3.2.2 Inisialisasi Populasi ...17
2.3.2.3 Nilai Fitness ...17
2.3.2.4 Seleksi ...18
2.3.2.5 Pindah Silang (Crossover) ...20
2.3.2.6 Mutasi ...21
2.3.3 Kriteria Pemberhentian ...23
2.4 Penelitian Yang Berkaitan...24
BAB III METODOLOGI PENELITIAN ...26
3.1 Desain Penelitian ...26
3.2 Metode Penelitian...28
3.2.1 Metode Pengumpulan Data ...28
3.2.2 Metode Pengembangan Perangkat Lunak ...29
3.3 Alat dan Bahan Penelitian ...29
3.3.1 Alat ...29
3.3.2 Bahan Penelitian ...30
BAB IV HASIL PENELITIAN DAN PEMBAHASAN ...31
4.1 Representasi Masalah ...31
4.1.1 Graf Kota Bandung ...31
4.1.2 Data Node Tetangga ...31
4.1.3 Data Heuristik ...32
4.2 Analisis Algoritma Genetika untuk Pencarian Rute Optimum ...32
(10)
vii
4.2.2 Evaluasi nilai fitness ...33
4.2.3 Seleksi ...33
4.2.4 Crossover ...35
4.2.5 Mutasi ...37
4.2.6 Elitisme ...38
4.3 Analisis Kebutuhan Perangkat Lunak ...39
4.3.1 Deskripsi Umum Perangkat Lunak ...39
4.3.2 Batasan dan Asumsi Analisis ...40
4.3.3 Analisis Proses Bisnis ...40
4.3.4 Model Proses Perangkat Lunak ...41
4.3.5 Desain Data ...41
4.3.6 Implementasi ...43
4.4 Hasil Penelitian ...44
4.5 Pembahasan ...51
BAB V KESIMPULAN DAN SARAN ...54
5.1 Kesimpulan ...54
5.2 Saran ...55
(11)
DAFTAR TABEL
Tabel 2. 1 Perbedaan Optimasi Konvensional dengan Algoritma Genetika ...11
Tabel 2. 2 Distribusi Pemetaan Optimasi Rute dalam Bentuk Parameter-parameter Algoritma Genetika ...16
Tabel 4. 1 Fungsi Dalam Program ...43
Tabel 4. 2 Percobaan dengan pm =0.1 ...4
Tabel 4. 3 Rute hasil percobaan ...48
(12)
ix
DAFTAR GAMBAR
Gambar 2. 1 Graf Berarah dan Berbobot ...7
Gambar 2. 2 Graf Tidak Berarah dan Berbobot ...7
Gambar 2. 3 Graf Berarah dan Tidak Berbobot ...7
Gambar 2. 4 Graf Tidak Berarah dan Tidak Berbobot ...7
Gambar 2. 5 Contoh Graf Pada Permasalahan Lintasan Terpendek ...8
Gambar 2. 6 Diagram Alir Algoritma Genetika...14
Gambar 2. 7 Populasi, Kromosom, Gen ...15
Gambar 2. 8 Metode seleksi Roulete Wheel ...19
Gambar 2. 9 Diagram Alir Roulete Wheel Selection ...19
Gambar 2. 10 Diagram Alir Single Point Crossover...20
Gambar 2. 11 Diagram Alir Mutasi ...21
Gambar 2. 12 Inversion Mutation ...22
Gambar 3. 1 Desain Penelitian ...26
Gambar 3. 2 Model Sekuensial Linear ...27
Gambar 4. 1 Crossover ...36
Gambar 4. 2 Diagram Alir Crossover ...36
Gambar 4. 3 Mutasi ...37
Gambar 4. 4 Diagram Alir Mutasi ...38
Gambar 4. 5 Context Diagram ...41
(13)
Gambar 4. 7 Rute-1 Hasil Percobaan Panjang Rute = 13.001 km ...52
Gambar 4. 8 Rute-2 Hasil Percobaan Panjang Rute = 13.534 km ...52
Gambar 4. 9 Rute-3 Hasil Percobaan Panjang Rute = 13.641 km ...52
(14)
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Bandung merupakan kota besar yang memiliki banyak rumah sakit, di
antaranya Rumah Sakit Umum Daerah Ujung Berung, Rumah Sakit Hasan
Sadikin (RSHS), Rumah Sakit Santo Yusuf, Rumah Sakit Rajawali dan Rumah
Sakit Immanuel. Rumah sakit pertama yang dituju biasanya merupakan rumah
sakit terdekat dari tempat tinggal pasien. Karena rumah sakit yang dituju tidak
memiliki peralatan dan dokter ahli yang lengkap atau tidak menerima pasien
dengan jaminan kesehatan tertentu, maka ketika diperlukan pemeriksaan lebih
lanjut pasien akan dirujuk ke RSHS. Kelengkapan peralatan serta dokter ahli yang
dimiliki RSHS menjadikan rumah sakit tersebut menjadi rumah sakit rujukan bagi
para pasien dari rumah sakit umum lain, baik dari kota Bandung maupun dari luar
kota Bandung. Selain itu, RSHS juga merupakan rumah sakit umum yang
menerima berbagai bentuk jaminan kesehatan, yaitu Asuransi Kesehatan
(ASKES), Jaminan Kesehatan Masyarakat (JAMKESMAS), GAKINDA, serta
Kontraktor.
Sebagai kota besar, Bandung tentunya memiliki banyak alternatif jalan
yang dapat dilalui. Tidak semua pasien rujukan dapat diantar menggunakan mobil
ambulan rumah sakit, hal ini dikarenakan jumlah armada ambulan yang dimiliki
tiap rumah sakit terbatas. Sehingga kemungkinan besar pasien dibawa dengan
(15)
dibandingkan mobil ambulan. Resiko tersebut dapat timbul karena pengantar
pasien tidak cukup mengetahui jalan mana yang harus dilalui untuk segera sampai
ke RSHS. Oleh karena itu, diperlukan bantuan komputer yang memiliki suatu
sistem yang dapat memberikan informasi tentang jalur mana yang dapat dilalui
untuk sampai di RSHS dengan jarak terpendek.
Optimasi merupakan pencarian nilai-nilai variabel yang dianggap optimal,
efektif dan efisien. Dalam kehidupan terdapat berbagai macam pemasalahan
optimasi, diantaranya penjadwalan jam kerja karyawan, penjadwalan dosen,
penentuan jalur distribusi dan sebagainya. Dalam penelitian ini masalah optimasi
yang dipilih adalah masalah optimasi transportasi, dimana akan dicari jalur
terpendek dan waktu tercepat untuk sebuah jalur perjalanan dari posisi awal
menuju posisi tujuan dari sebuah peta kota Bandung. Terdapat banyak algoritma
yang dapat menyelesaikan permasalahan optimasi tersebut, diantaranya algoritma
Brute-Force, algoritma Branch and Bound, Algoritma Genetika, Simulated Annealing, Pencarian Tabu, Algoritma Semut (Ant Colony Optimization), Minimum Spanning Tree (MST), dan lainnya. Algoritma yang akan digunakan pada tugas akhir ini adalah Algoritma Genetika.
Algoritma genetika merupakan cabang dari algoritma evolusi yang
merupakan metode adaptif yang biasa digunakan untuk memecahkan suatu
pencarian nilai dalam sebuah masalah optimasi (Michelewiez, 1987). Berbeda
dengn algoritma konvensional yang hanya memiliki satu titik pencarian solusi,
Algoritma ini dipilih karena memiliki banyak ruang pencarian solusi. Sehingga
(16)
3
akurat dibandingkan dengan algoritma lain. Algoritma Genetika adalah sebuah
teknik optimasi yang berdasarkan pada evolusi alam. Algoritma ini meniru cara
kerja proses genetika pada makhluk hidup, dimana terdapat proses seleksi, pindah
silang dan mutasi untuk mendapatkan kromosom terbaik pada satu generasi.
1.2 Rumusan Masalah
Dengan latar belakang tersebut di atas dapat dirumuskan masalah dalam
penelitian ini adalah bagaimana mengimplementasikan Algoritma Genetika dalam
menentukan jalur terpendek dari salah satu rumah sakit umum di kota Bandung ke
RSHS.
1.3 Tujuan Penelitian
Tujuan dari penelitian ini adalah membuat sebuah sistem untuk dapat
menyelesaikan permasalahan optimasi rute. Adapun tujuan khusus penelitian ini
yaitu
1. Memecahkan permasalahan optimasi rute dengan menggunakan
Algoritma Genetika.
2. Menemukan rute yang dapat dilalui untuk sampai di Rumah Sakit
Hasan Sadikin beserta total jarak yang ditempuh.
(17)
1.4 Manfaat Penelitian
Adapun manfaat penelitian ini yaitu
1. Memberikan alternatif rute dengan jarak tempuh yang minimal
sehingga dapat mempercepat para pasien yang dirujuk dari salah satu
rumah sakit di kota Bandung untuk sampai di Rumah Sakit Hasan
Sadikin.
2. Memberikan informasi berupa alamat, nomor kontak dan e-mail rumah
sakit di kota Bandung.
1.5 Batasan Masalah
Aplikasi sistem informasi ini memiliki beberapa batasan masalah yaitu
1. Rumah sakit yang menjadi rumah sakit rujukan hanya Rumah Sakit
Hasan Sadikin.
2. Rumah sakit yang menjadi tempat asal adalah rumah sakit umum yang
berada di kota Bandung.
3. Rute yang paling optimal didapatkan berdasarkan jumlah jarak yang
dilalui.
4. Faktor yang mempengaruhi optimalnya suatu rute adalah jarak. Satu
rute dikatakan optimal jika memiliki sedikit jumlah jarak yang paling
(18)
5
1.6 Sistematika Penulisan
Sistematika penulisan tugas akhir ini disusun untuk memberikan gambaran
umum tentang perangkat lunak yang akan dibuat. Sistematika penulisan tugas
akhir ini adalah sebagai berikut:
BAB I PENDAHULUAN
Bab ini menguraikan tentang latar belakang masalah, rumusan masalah,
tujuan penelitian, manfaat penelitian, batasan masalah, metode penelitian dan
sistematika penulisan.
BAB II TINJAUAN PUSTAKA
Bab ini memaparkan beberapa hal yaitu landasan teori seperti pengertian
Graf, Optimasi, serta Algoritma Genetika.
BAB III METODOLOGI PENELITIAN
Bab ini memaparkan tentang disain penelitian yang berisi langkah-langkah
penyelesaian masalah, alat dan bahan yang digunakan dalam penelitian dan jadwal
penelitian.
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
Berisi tentang hasil dan pembahasan tentang penerapan Algoritma
Genetika dalam permasalahan optimasi rute dari salah satu rumah sakit di kota
Bandung ke Rumah Sakit Hasan Sadikin.
BAB V KESIMPULAN DAN SARAN
Pada bab ini berisi tentang kesimpulan dan saran yang diajukan agar dapat
(19)
BAB III
METODOLOGI PENELITIAN
1.1 Desain Penelitian
Berikut ini adalah tahapan yang dilakukan dalam penelitian dan implementasi algoritma genetika dalam optimasi rute dari salah satu rumah sakit
di kota Bandung ke Rumah Sakit Hasan Sadikin:
Penjelasan gambar:
1. Studi literatur adalah mempelajari dan memahami teori yang
berhubungan secara mendalam, agar dapat membantu dalam
pengembangan perangkat lunak. Bagian yang harus diperdalam dan Studi literatur:
Algoritma genetika
Pengumpulan data jalan kota bandung, berupa nama jalan, dan panjang.
Memodifikasi algoritma genetika untuk permasalahan optimasi rute dengan menentukan nilai heuristik
Aplikasi penentuan rute optimum dari rumah sakit kota Bandung ke Rumah
Sakit Hasan Sadikin
Metode Pengembangan perangkat lunak - Analisis - Desain - Coding - Pengujian Dokumen pengujian
Hasil pengujian
(20)
27
2. Menganalisis dan mencari data tentang panjang jalan dan data rumah
sakit umum di kota Bandung.
3. Penerapan Algoritma Genetika untuk mendapatkan rute dengan jarak
tempuh yang optimal.
4. Dokumentasi merupakan hasil dari penelitian yaitu dokumen teknis,
paper, dan dokumen skripsi.
5. Pengembangan perangkat lunak menggunakan model sekuensial linear
atau model air terjun. Dapat dilihat pada Gambar 3.2
Gambar 3. 2 Model Sekuensial Linear
Model sekuensial linier memiliki beberapa aktivitas, yaitu sebagai berikut.
a.Analisis Kebutuhan
Pada tahap ini dilakukan analisis terhadap kebutuhan sistem (fungsional
dan non fungsional), kebutuhan pengguna, kebutuhan informasi, dan
kebutuhan antarmuka eksternal. Untuk memodelkan sistem, pada tahap
analisis ini digunakan Context Diagram, Data Flow Diagram (DFD),
kamus data (data dictionary), dan spesifikasi proses (process
specification).
System Enginering Analisis
Kebutuhan
Desain
(21)
b.Desain Sistem
Tahap desain sistem berfungsi untuk mengtranslasikan spesifikasi
kebutuhan perangkat lunak dari tahap analisis, menjelaskan bagaimana
perangkat lunak dapat berfungsi, dan menjelaskan bagaimana spesifikasi
perangkat lunak diimplementasikan. Tahap desain meliputi perancangan
data, perancangan arsitektur, perancangan antarmuka, dan perancangan
prosedur.
c.Coding
Coding atau implementasi merupakan penerjemahan hasil desain ke dalam bahasa yang dimengerti oleh komputer.
d.Pengujian
Semua fungsi-fungsi perangkat lunak diuji coba dengan tujuan agar
perangkat lunak bebas dari error dan hasil perangkat lunak harus sesuai
dengan kebutuhan-kebutuhan yang didefinisikan pada tahap analisis.
Dalam penelitian ini digunakan black box testing.
1.2 Metode Penelitian
Metode yang digunakan dalam penelitian ini meliputi metode
pengumpulan data dan pengembangan sistem. Berikut metodenya:
1.2.1 Metode Pengumpulan Data
Dalam tahap ini penulis melakukan studi literatur yang berhubungan
(22)
29
pembuatan skripsi dan sharing knowledge dengan para ahli termasuk dosen
pembimbing.
1.2.2 Metode Pengembangan Perangkat Lunak
Dalam proses penerapan kecerdasan pada komputer penulis
menggunakan metode algoritma genetika. Metode ini menjadi otak pemikiran
komputer dalam mengambil keputusan. Algoritma genetika yang
dikembangkan pada penelitian ini terdiri dari sejumlah tahapan, yaitu
1. Inisialisasi populasi
2. Evaluasi nilai fitness
3. Seleksi
4. Crossover
5. Mutasi
1.3 Alat dan Bahan Penelitian
Pada penelitian ini, penulis menggunakan alat berupa perangkat keras dan
perangkat lunak, sedangkan bahan penelitian adalah sejumlah data yang
mendukung proses penelitan seperti data panjang jalan-jalan kota Bandung dan data
mengenai rumah sakit di kota Bandung.
1.3.1 Alat
Dalam penelitian ini, digunakan alat penelitian berupa perangat keras
dan perangkat lunak sebagai berikut:
(23)
a. Processor AMD Athlon(tm) Neo X2 Dual Core Processor
L335 (2 CPUs), ~1.6GHz
b. RAM 2GB
c. Monitor beresolusi
d. Mouse dan keyboard
2. Perangkat lunak
a. Sistem operasi Windows Vista™ Home Premium (6.0, Build 6002) Service Pack 2
b. MySQL
c. XAMPP
d. Notepad++
e. Web Browser
1.3.2 Bahan Penelitian
Bahan yang digunakan dalam penelitian ini adalah peta Kota Bandung,
data mengenai rumah sakit yang berada di kota Bandung dan data mengenai
(24)
54
BAB V
KESIMPULAN DAN SARAN
1.1 Kesimpulan
Berdasarkan percobaan yang telah dilakukan, dapat disimpulkan bahwa
algoritma genetika dapat digunakan untuk mengatasi permasalahan pencarian rute
terpendek. Algoritma ini mampu menghasilkan solusi yang optimal sehingga
perjalanan yang dilakukan dapat lebih efisien. Perangkat lunak yang dibangun
mampu merekomendasikan rute terpendek menuju Rumah Sakit Hasan Sadikin.
Percobaan dilakukan sebanyak 20 kali yang menghasilkan empat rute
berbeda. Dari 20 kali percobaan, sebanyak 16 percobaan menghasilkan rute
optimum dengan panjang jalur terpendek, yaitu 13.001 km. Sedangkan empat
percobaan lainnya tidak menghasilkan rute dengan panjang jalur terpendek,
namun keempat percobaan tersebut menghasilkan rute dengan panjang jalur
mendekati panjang jalur rute terpendek yang dihasilkan.
Dari serangkaian tahapan-tahapan pada algoritma genetika, populasi pada
penelitian ini tidak melalui tahapan mutasi. Karena jika tahapan mutasi dilalui,
maka kromosom anak yang dihasilkan tidak valid. Dengan kata lain rute yang
(25)
1.2 Saran
Dalam pengaplikasiannya, solusi yang dihasilkan dari penelitian ini tidak
akan selalu menjadi solusi optimal jika pengguna membutuhkan efisiensi waktu
dalam perjalanannya, karena akan terdapat faktor lain yang tak terduga seperti
kemacetan dan hambatan lainnya. Oleh karena itu, untuk penelitian lebih lanjut
diharapkan pengembangan aplikasi komputer untuk permasalahan pencarian
lintasan terpendek dengan mengkombinasikan algoritma genetika dengan metode
lain sehingga dapat menghasilkan solusi bagi pengguna guna mencapai tujuan
(26)
DAFTAR PUSTAKA
Alamsyah. 2010. Pemanfaatan Metode Heuristik Pada Pencarian Jalur
Terpendek Dengan Algoritma Genetika. Palu: Universitas Tandulako. Anggara, Rahmn. 2012. Sistem Penjadwalan Kuliah Menggunakan Algoritma
Genetik: Studi Kasus Program Studi Pendidikan Sekolah Dasar Universitas Pendidikan Indonesia Kampus Bumi Siliwangi. Bandung: Universitas Pendidikan Indonesia.
Anies Hannawati, Thiang, and Eleazar. 2002. Pencarian Rute Optimum
Menggunakan Algoritma Genetika. Universias Kristen Petra.
Anwari, Febrianto Nur, dkk. Prancangan Sistem Optimasi Penjadwalan
Pengangkutan Sampah di Surabaya Secara Adaptif Menggunakan Metode Algoritma Genetika. Surabaya: Institut Teknologi Surabaya.
Berlianty, Intan. 2010. Teknik-Teknik Optimasi Heuristik. Yogyakarta: Graha
Ilmu.
Kusumadewi, Sri. 2003. Artificial Intelligence (Teknik dan Aplikasinya).
Yogyakarta: Graha Ilmu.
Michalewicz, Zbigniew. 1992. Genetic Algorithms + Data Structures = Evolution
(27)
Mindaputra, Eka. 2009. Penggunaan Algoritma Ant Colony System Dalam
Traveling Salesman Problem (Tsp) Pada Pt. Eka Jaya Motor. Universitas Diponegoro : Semarang.
Nurdiana, Dian. 2010. Implementasi Algoritma Lebah untuk Pencarian Jalur
Terpendek dengan Mempertimbangkkan Heuristik. Bandung: Universitas Pendidikan Indonesia..
Oktavianto, Muhamad Bayu.2011. Perbandingan Algoritma Genetik dan Colony
System dalam Optimasi Travelling Salesman Problem. Bandung: Universitas Pendidikan Indonesia.
Rachmayadi, Teddy. 2008. Pencarian Solusi TSP (Travelling Salesman Problem)
Menggunakan Algoritma Genetika. Bandung: Institut Teknologi Bandung. Satriawan,Nedi.2010.Penjadwalan Produksi Flow Shop Menggungakan
Algoritma Genetika dan NEH. Bandung : Universitas Pendidikan Indonesia.
Suyanto. 2005. Algoritma Genetika Dalam MATLAB. Yogyakarta: Penerbit Andi.
Utami, Prastina Dwi. 2012. Sistem Penjadwalan Menggunakan Genetic
Algorithm. Bandung: Universitas Pendidikan Indonesia.
Vitra, Irving.2004.Perbandinggan Metode-Metode dalam Algotirma Genetika
untuk Travelling Salesman Problem.Yogyakarta; Universitas Islam Indonesia.
(28)
Wati, Dwi Ana Ratna. 2011. Sistem kendali cerdas. Yogyakarta: Graha Ilmu.
Widhiyasa,Arief. Kajian Genetic Algorithm dalam penyelesaian TSP. Bandung :
Institut Teknologi Bandung.
Widodo, Thomas Sri. 2012. Komputasi Evolusioner Algoritma Genetik,
Pemrograman Genetik, Dan Pemogroman Evolusioner. Yogyakarta: Graha Ilmu.
(1)
30
Tira Mutiara Asri, 2013
a. Processor AMD Athlon(tm) Neo X2 Dual Core Processor
L335 (2 CPUs), ~1.6GHz b. RAM 2GB
c. Monitor beresolusi d. Mouse dan keyboard
2. Perangkat lunak
a. Sistem operasi Windows Vista™ Home Premium (6.0, Build 6002) Service Pack 2
b. MySQL c. XAMPP d. Notepad++ e. Web Browser
1.3.2 Bahan Penelitian
Bahan yang digunakan dalam penelitian ini adalah peta Kota Bandung, data mengenai rumah sakit yang berada di kota Bandung dan data mengenai jalan-jalan di kota Bandung.
(2)
BAB V
KESIMPULAN DAN SARAN
1.1 Kesimpulan
Berdasarkan percobaan yang telah dilakukan, dapat disimpulkan bahwa algoritma genetika dapat digunakan untuk mengatasi permasalahan pencarian rute terpendek. Algoritma ini mampu menghasilkan solusi yang optimal sehingga perjalanan yang dilakukan dapat lebih efisien. Perangkat lunak yang dibangun mampu merekomendasikan rute terpendek menuju Rumah Sakit Hasan Sadikin.
Percobaan dilakukan sebanyak 20 kali yang menghasilkan empat rute berbeda. Dari 20 kali percobaan, sebanyak 16 percobaan menghasilkan rute optimum dengan panjang jalur terpendek, yaitu 13.001 km. Sedangkan empat percobaan lainnya tidak menghasilkan rute dengan panjang jalur terpendek, namun keempat percobaan tersebut menghasilkan rute dengan panjang jalur mendekati panjang jalur rute terpendek yang dihasilkan.
Dari serangkaian tahapan-tahapan pada algoritma genetika, populasi pada penelitian ini tidak melalui tahapan mutasi. Karena jika tahapan mutasi dilalui, maka kromosom anak yang dihasilkan tidak valid. Dengan kata lain rute yang dihasilkan tidak mencapai tujuan yang diinginkan.
(3)
55
Tira Mutiara Asri, 2013
1.2 Saran
Dalam pengaplikasiannya, solusi yang dihasilkan dari penelitian ini tidak akan selalu menjadi solusi optimal jika pengguna membutuhkan efisiensi waktu dalam perjalanannya, karena akan terdapat faktor lain yang tak terduga seperti kemacetan dan hambatan lainnya. Oleh karena itu, untuk penelitian lebih lanjut diharapkan pengembangan aplikasi komputer untuk permasalahan pencarian lintasan terpendek dengan mengkombinasikan algoritma genetika dengan metode lain sehingga dapat menghasilkan solusi bagi pengguna guna mencapai tujuan dengan waktu dan biaya yang lebih efisien.
(4)
DAFTAR PUSTAKA
Alamsyah. 2010. Pemanfaatan Metode Heuristik Pada Pencarian Jalur Terpendek Dengan Algoritma Genetika. Palu: Universitas Tandulako.
Anggara, Rahmn. 2012. Sistem Penjadwalan Kuliah Menggunakan Algoritma
Genetik: Studi Kasus Program Studi Pendidikan Sekolah Dasar Universitas Pendidikan Indonesia Kampus Bumi Siliwangi. Bandung:
Universitas Pendidikan Indonesia.
Anies Hannawati, Thiang, and Eleazar. 2002. Pencarian Rute Optimum
Menggunakan Algoritma Genetika. Universias Kristen Petra.
Anwari, Febrianto Nur, dkk. Prancangan Sistem Optimasi Penjadwalan
Pengangkutan Sampah di Surabaya Secara Adaptif Menggunakan Metode Algoritma Genetika. Surabaya: Institut Teknologi Surabaya.
Berlianty, Intan. 2010. Teknik-Teknik Optimasi Heuristik. Yogyakarta: Graha Ilmu.
Kusumadewi, Sri. 2003. Artificial Intelligence (Teknik dan Aplikasinya). Yogyakarta: Graha Ilmu.
Michalewicz, Zbigniew. 1992. Genetic Algorithms + Data Structures = Evolution
(5)
Tira Mutiara Asri, 2013
Mindaputra, Eka. 2009. Penggunaan Algoritma Ant Colony System Dalam
Traveling Salesman Problem (Tsp) Pada Pt. Eka Jaya Motor. Universitas
Diponegoro : Semarang.
Nurdiana, Dian. 2010. Implementasi Algoritma Lebah untuk Pencarian Jalur
Terpendek dengan Mempertimbangkkan Heuristik. Bandung: Universitas
Pendidikan Indonesia..
Oktavianto, Muhamad Bayu.2011. Perbandingan Algoritma Genetik dan Colony
System dalam Optimasi Travelling Salesman Problem. Bandung:
Universitas Pendidikan Indonesia.
Rachmayadi, Teddy. 2008. Pencarian Solusi TSP (Travelling Salesman Problem)
Menggunakan Algoritma Genetika. Bandung: Institut Teknologi Bandung.
Satriawan,Nedi.2010.Penjadwalan Produksi Flow Shop Menggungakan
Algoritma Genetika dan NEH. Bandung : Universitas Pendidikan
Indonesia.
Suyanto. 2005. Algoritma Genetika Dalam MATLAB. Yogyakarta: Penerbit Andi. Utami, Prastina Dwi. 2012. Sistem Penjadwalan Menggunakan Genetic
Algorithm. Bandung: Universitas Pendidikan Indonesia.
Vitra, Irving.2004.Perbandinggan Metode-Metode dalam Algotirma Genetika
untuk Travelling Salesman Problem.Yogyakarta; Universitas Islam
(6)
Wati, Dwi Ana Ratna. 2011. Sistem kendali cerdas. Yogyakarta: Graha Ilmu. Widhiyasa,Arief. Kajian Genetic Algorithm dalam penyelesaian TSP. Bandung :
Institut Teknologi Bandung.
Widodo, Thomas Sri. 2012. Komputasi Evolusioner Algoritma Genetik,
Pemrograman Genetik, Dan Pemogroman Evolusioner. Yogyakarta: