RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN UNTUK OPTIMASI TRAVELLING SALESMAN PROBLEM BERBASIS SISTEM INFORMASI GEOGRAFIS DENGAN MENGGUNAKAN ALGORITMA GENETIKA SKRIPSI

  

RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN

UNTUK OPTIMASI TRAVELLING SALESMAN PROBLEM

BERBASIS SISTEM INFORMASI GEOGRAFIS DENGAN

MENGGUNAKAN ALGORITMA GENETIKA

SKRIPSI

GALIH GAHARDITAMA ANDAMORE

PROGRAM STUDI S1 SISTEM INFORMASI

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS AIRLANGGA

SURABAYA

2016 ii

  

RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN

UNTUK OPTIMASI TRAVELLING SALESMAN PROBLEM

BERBASIS SISTEM INFORMASI GEOGRAFIS DENGAN

MENGGUNAKAN ALGORITMA GENETIKA iii

  

LEMBAR PENGESAHAN NASKAH SKRIPSI

PEDOMAN PENGGUNAAN SKRIPSI

  Skripsi ini tidak dipublikasikan, namun tersedia di perpustakaan dalam lingkungan Universitas Airlangga, diperkenankan untuk dipakai sebagai referensi kepustakaan, tetapi pengutipan harus seizin penyusun dan harus menyebutkan sumbernya sesuai kebiasaan ilmiah.

  

Dokumen skripsi ini merupakan hak milik Universitas Airlangga.

  iv

SURAT PERNYATAAN TENTANG ORISINALITAS

  v

KATA PENGANTAR

  Puji syukur kehadirat Allah Subhanahu Wa Ta’ala, yang telah melimpahkan anugerah-Nya, hingga penulis dapat menyelesaikan proposal skripsi yang berjudul “Rancang Bangun Sistem Pendukung Keputusan Untuk Optimasi Travelling

  

Salesman Problem Berbasis Sistem Informasi Geografis Dengan Menggunakan

  Algoritma Genetika” dengan baik, serta Sholatu Wa Salam semoga tetap terlimpahkan kepada Rasulullah Muhammad SAW yang mengantarkan pada sebuah kehidupan yang penuh keselamatan di dunia dan di akhirat.

  Atas dukungan moral dan materil yang diberikan dalam penyusunan makalah ini, maka penulis mengucapkan banyak terima kasih kepada :

  1. Taufik, S.T, M.Kom selaku dosen pembimbing I,

  2. Ir. Dyah Herawatie, M.Si selaku dosen pembimbing II,

  3. Keluarga dan teman-teman Sistem Informasi 2011, yang telah memberikan semangat dan dukungannya kepada penulis.

  Penulis mengharapkan kritik dan saran yang bersifat membangun demi kesempurnaan proposal skripsi ini. Semoga proposal skripsi ini dapat memberikan manfaat dan wawasan yang berguna. Amin.

  Surabaya, 15 Agustus 2016 Penulis vi

UCAPAN TERIMAKASIH

  vii

  Segala

  puji syukur kehadirat Tuhan Yang Maha Esa atas limpahan rahmat dan

ridho-Nya, sehingga saya dapat menyelesaikan penyusunan skripsi dengan judul

RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN UNTUK OPTIMASI

TRAVELLING SALESMAN PROBLEM BERBASIS SISTEM INFORMASI

GEOGRAFIS DENGAN MENGGUNAKAN ALGORITMA GENETIKA.

  Dalam pelaksanaan dan penyusunan skripsi ini, penulis banyak menemui

kendala. Namun, dengan adanya bantuan dari berbagai pihak, akhirnya laporan

penelitian ini dapat terselesaikan. Oleh karena itu, penulis tidak lupa mengucapkan

terima kasih kepada:

  1. Allah SWT yang senantiasa memberikan segala rahmat, hidayah, dan karunia- Nya serta Rasulullah Muhammad SAW yang selalu menjadi panutan dan suri tauladan terbaik dalam kehidupan penulis sehingga penulisan skripsi ini dapat terselesaikan dengan baik.

  

2. Joko Darmono dan Retno Poedjanti, selaku ayah dan ibu tercinta yang telah

memberikan dukungan secara penuh dalam bentuk doa dan kasih sayang sekaligus menjadi penyemangat dan motivasi penulis untuk dapat menyelesaikan studi dan skripsi dengan baik.

  

3. B. Galuh R. T. A, selaku kakak kandung yang memberikan semangat dan doa

kepada penulis untuk dapat menyelesaikan skripsi.

  4. Taufik, S.T, M.Kom , selaku dosen pembimbing I yang senantiasa memberikan banyak masukan ilmu pengetahuan kepada penulis, dan dengan sabar membimbing dan membantu penulis dalam melakukan penelitian hingga terselesaikannya skripsi ini.

  5. Ir. Dyah Herawatie, M.Si, selaku dosen pembimbing II yang dengan sabar membimbing, mengarahkan dan membantu memberikan ilmunya, sehingga penulis dapat menyusun skripsi ini dengan baik dan benar.

  

6. Indah Werdiningsih, S.Si, M.Kom., selaku dosen wali yang dengan sabar

membimbing penulis sejak awal masa perkuliahan hingga skripsi ini terselesaikan.

  

7. Seluruh dosen program studi S1 Sistem Informasi yang telah banyak memberikan

ilmu sehingga penulisan skripsi dapat terselesaikan dengan baik.

  

8. Branch Manager PT. Sun Star Motor Cabang Surabaya, yang telah memberikan

izin dan kemudahan penulis untuk melakukan penelitian di PT. Sun Star Motor.

  Serta kurir perusahaan yang telah membantu untuk pengambilan data penelitian sehingga penelitian ini dapat diselesaikan dengan baik.

  

9. Muhammad Shofi Al Baaqi, Imam Wicaksono, Achmad Agoeh, Hendra Hanggar

Kusuma, Brahmantyo Noviansyah Putro Rahardjo, Diaz Mahardika Wibisono, Miqdad Hasan, Arya Bayu, Abdullah Fakih, M. Zaky Erdiansyah, Agustinus Kurniawan, Alief Arsalan, M. Fikri Ramadhan, Nur Ardista, Gading Arum, Nadia Lutfiyah Sari, Pascalina Rakhmasari Putri, Fachrian Anugerah, yang telah memberikan banyak bantuan, keceriaan, hiburan, dan memberikan motivasi dalam penulisan skripsi ini.

  

10. Dewi Nawang Palupi, yang telah memberikan semangat, motivasi, dorongan,

keceriaan, hiburan dalam masa penelitian hingga terselesaikannya skripsi ini.

  

11. Teman-teman S1 Sistem Informasi Universitas Airlangga angkatan 2011 yang

telah mendukung dan membantu dengan berbagi ilmu dan pengalaman selama masa perkuliahan hingga penulisan skripsi ini.

  

12. Staf TU program studi Sistem Informasi yang telah membantu dalam keperluan

administrasi dan penjadwalan sidang.

  

13. Teman-teman serta berbagai pihak yang tidak dapat disebutkan satu persatu yang

telah memberikan bantuan, hiburan dan informasi selama proses penulisan skripsi ini.

  viii

  

Galih Gaharditama Andamore, 2016. Rancang Bangun Sistem Pendukung Keputusan

untuk Optimasi Travelling Salesman Problem Berbasis Sistem Informasi Geografis

dengan Menggunakan Algoritma Genetika. Skripsi ini dibawah bimbingan Taufik, S.T,

M.Kom dan Ir. Dyah Herawatie, M.Si. Program Studi S1 Sistem Informasi. Fakultas

Sains dan Teknologi, Universitas Airlangga.

  

ABSTRAK

PT. Sun Star Motor cabang Surabaya merupakan perusahaan bisnis dalam bidang

jasa penjualan otomotif. Salah satu divisinya adalah kurir, yang bertugas untuk

mengambil kelengkapan administrasi ke beberapa pelanggan yang belum diberikan.

Hal ini sesuai dengan problematika Travelling Salesman Problem yang bertujuan untuk

mengoptimasikan jarak tempuh. Oleh karena itu, tujuan dari penelitian ini adalah untuk

mengoptimasikan rute perjalanan kurir berbasis Sistem Informasi Geografis dengan

menggunakan Algoritma Genetika.

  Rancang bangun sistem ini melalui beberapa tahap. Tahap pertama adalah

pengambilan dan pengumpulan data dan informasi sebagai faktor yang mempengaruhi

pengambilan keputusan. Pada pembangunan sistem ini menggunakan faktor jarak dan

arah sebagai faktor yang mempengaruhi dalam pengambilan keputusan. Tahap kedua

adalah pengolahan data dan informasi dengan menganalisa data yang telah didapat

untuk mengetahui jarak antar lokasi dan lokasi awal dari perjalanan. Tahap ketiga

adalah penentuan rute sub-optimal menggunakan Algoritma Genetika. Tahap keempat

adalah perancangan sistem yang menggunakan use case diagram dan activity diagram,

serta implementasi sistem dengan menggunakan bahasa java. Tahap kelima adalah

pengujian sistem dengan menggunakan Black Box Testing dan evaluasi sistem untuk

mengetahui apakah sistem telah berjalan sesuai dengan kebutuhan kurir.

  Hasil pengujian parameter Algoritma Genetika dari data daftar kunjungan kurir

yang mempunyai 5 lokasi tujuan diperoleh rata-rata fitness sebesar 40,84 kilometer

dengan menggunakan parameter ukuran populasi sebesar 60, jumlah generasi 10,

probabilitas crossover 0,5 dan probabilitas mutation 0,1. Sedangkan data daftar

kunjungan kurir dengan 7 lokasi tujuan diperoleh rata-rata fitness yang paling kecil

sebesar 57,42 kilometer dengan menggunakan parameter ukuran populasi 80, jumlah

generasi 10, probabilitas crossover 0,3 dan probabilitas mutation 0,3. Secara

keseluruhan hasil dari evaluasi sistem mempunyai tampilan yang interaktif, mudah

digunakan dan sesuai dengan kebutuhan.

  Kata Kunci: Optimasi, Travelling Salesman Problem, Algoritma Genetika, Sistem Informasi Geografis

  ix

  

Galih Gaharditama Andamore, 2016. Design and Implementation of a Decision

Support System for Optimization Travelling Salesman Problem Based on Geographic

Information System using Genetic Algorithm. This undergraduate thesis was under

guidance of Taufik, S.T, M.Kom and Ir. Dyah Herawatie, M.Si. Major of S1-

Information System. Faculty of Science and Technology, Airlangga University.

  

ABSTRACT

  Sun Star Motor Inc. Surabaya is a business enterprise in the field of automotive sales services. One of its divisions is a courier service, whose job is to take the administrative requirements to some customers who have not been granted. This is in accordance with the problematic of Travelling Salesman Problem which aims in optimize the mileage. Therefore, the purpose of this study was to optimize the route trip courier service based on Geographic Information Systems using Genetic Algorithms.

  The design of this system is through several stages. The first stage is the retrieval and collection of data and information as a factor affecting the decision making. In the development of this system uses the distance and direction as the factors that influence the making of the decision. The second stage is the processing of data and information by analyzing the data that have been obtained to determine the distance between the location and the starting point of the trip. The third stage is the determination of the sub-optimal route by using Genetic Algorithm. The fourth stage is to design a system by using a use case diagrams and activity

  

diagrams, as well as the implementation of the system by using the java’s language.

  The fifth stage is system testing by using the Black Box Testing and system’s evaluation to determine whether the system has been run in accordance with the needs of the courier.

  The test results of the courier’s visit real data which has 5 locations of interest earned the average fitness of 40,84 kilometers using the parameters of population size of 60, maximal generation of 10, crossover probability of 0,5 and mutation probability of 0,1. While courier’s visit with 7 locations of interest earned the smallest average fitness of 57,42 kilometers using the parameters of population size of 80, maximal generation of 10, crossover probability of 0,3 and mutation probability of 0,3. The overall results of the evaluation system has an interactive design, easy to use and as needed.

  Keyword: Optimization, Travelling Salesman Problem, Genetic Algorithm, Geographic Information System

  x

  

DAFTAR ISI

Halaman

  

  

  

  

  

  

  

  

  

  xi

  xii

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  xiii

  

  

  

  

  

  

  

DAFTAR GAMBAR

Gambar 2.1 Tampilan Google Maps ....................................................................... 7Gambar 2.2 Tampilan Map View Google Maps ..................................................... 8Gambar 2.3 Tipe Data Titik .................................................................................. 11Gambar 2.4 Lokasi PT. Sun Star Motor di Jalan Ngagel, Surabaya ..................... 12Gambar 2.5 Tipe Data Garis ................................................................................. 12Gambar 2.6 Lokasi Jalan Bali ............................................................................... 12Gambar 2.7 Contoh roulette-wheel dari tabel 2.2 ................................................. 21Gambar 3.1 Alur penelitian ................................................................................... 28Gambar 4.1 Tampilan directions pada Google Maps ........................................... 42Gambar 4.2 Gambaran Umum Sistem .................................................................. 56Gambar 4.3 Use Case Diagram Optimasi Travelling Salesman Problem ............ 57Gambar 4.4 Activity Diagram Cari Alamat .......................................................... 59Gambar 4.5 Activity Diagram Daftar Tujuan ........................................................ 60Gambar 4.6 Rancangan Form Home ..................................................................... 61Gambar 4.7 Rancangan Form Cari Alamat ........................................................... 61Gambar 4.8 Rancangan Form Daftar Tujuan ........................................................ 62Gambar 4.9 Rancangan Form Tentang ................................................................. 62Gambar 4.10 Algoritma Umum Optimasi Travelling Salesman Problem ............ 63Gambar 4.11 Psuedocode Input Lokasi Tujuan .................................................... 64Gambar 4.12 Psuedocode Menghitung jarak antar lokasi .................................... 65Gambar 4.13 Psuedocode Perhitungan Algoritma Genetika ................................ 66Gambar 4.14 Psuedocode Menampilkan Rute Hasil dari Algoritma Genetika .... 66Gambar 4.15 Tampilan Awal Menu Home ........................................................... 69Gambar 4.16 Tampilan Menu Cari Alamat........................................................... 69Gambar 4.17 Tampilan Menu Daftar Tujuan ........................................................ 69Gambar 4.18 Tampilan Rute Hasil Perhitungan Algoritma Genetika .................. 69Gambar 4.19 Tampilan Menu Tentang ................................................................. 69Gambar 4.20 Gagal menampilkan menu Cari Alamat .......................................... 73Gambar 4.21 Gagal menampilkan menu Cari Alamat .......................................... 73Gambar 4.22 Berhasil menampilkan menu Cari Alamat ...................................... 74Gambar 4.23 Tidak ditemukan hasil pencarian..................................................... 74Gambar 4.24 Gagal menampilkan lokasi alamat .................................................. 74Gambar 4.25 Berhasil menampilkan lokasi alamat dengan tanda pada peta ........ 74Gambar 4.26 Berhasil menyimpan lokasi alamat ................................................. 74Gambar 4.27 Gagal menyimpan lokasi alamat ..................................................... 74Gambar 4.28 Gagal menampilkan menu Daftar Alamat ....................................... 75Gambar 4.29 Gagal menampilkan menu Daftar Alamat ....................................... 75Gambar 4.30 Berhasil menampilkan menu Daftar Tujuan ................................... 75Gambar 4.31 Gagal memproses perhitungan jarak antar lokasi ........................... 75Gambar 4.32 Berhasil memproses perhitungan jarak antar lokasi ........................ 76Gambar 4.33 Berhasil menampilkan rute dan lokasi pengguna ............................ 76Gambar 4.34 Semua lokasi tujuan telah dikunjungi ............................................. 76Gambar 4.35 Konfirmasi apakah ingin menambah catatan .................................. 76Gambar 4.36 Menampilkan catatan yang disimpan untuk diperbarui .................. 76Gambar 4.37 Konfirmasi apakah ingin menutup aplikasi ..................................... 76Gambar 4.38 Rute Perjalanan Pertama Untuk 5 Lokasi Tujuan ........................... 81Gambar 4.39 Rute Perjalanan Kedua dan Ketiga.................................................. 81Gambar 4.40 Rute Perjalanan Keempat dan Kelima ............................................ 81Gambar 4.41 Rute Perjalanan Terakhir ................................................................. 81Gambar 4.42 Hasil Uji Coba Ukuran Populasi .................................................... 84Gambar 4.43 Hasil Uji Coba Maksimal Generasi ................................................. 84Gambar 4.44 Hasil Uji Coba Kombinasi Pc dan Pm ............................................ 84Gambar 4.45 Rute Perjalanan Pertama Untuk 7 Lokasi Tujuan ........................... 87Gambar 4.46 Rute Perjalanan Kedua dan Ketiga.................................................. 87Gambar 4.47 Rute Perjalanan Keempat dan Kelima ............................................ 87Gambar 4.48 Rute Perjalanan Keenam dan Ketujuh ............................................ 88Gambar 4.49 Rute Perjalanan Terakhir (Kembali ke Lokasi Awal) ..................... 88Gambar 4.50 Rute Perjalanan Pertama dan Rute Perjalanan Kedua ..................... 90Gambar 4.51 Rute Perjalanan Ketiga dan Rute Perjalanan Keempat ................... 90Gambar 4.52 Rute Perjalanan Kelima dan Rute Perjalanan Terakhir (Kembali ke

  

  

DAFTAR TABEL

Tabel 2.1 Populasi Kromosom .............................................................................. 18Tabel 2.2 Contoh kromosom hasil encoding......................................................... 19Tabel 2.3 Contoh kromosom dengan nilai fitness-nya .......................................... 21Tabel 4.1 Daftar Kunjungan Kurir (7 Lokasi Tujuan) .......................................... 40Tabel 4.2 Kumpulan Data Alamat (1 Lokasi Awal dan 5 Lokasi Tujuan) ........... 40Tabel 4.3 Data Jarak Antar Titik ........................................................................... 42Tabel 4.4 Parameter Algoritma Genetika.............................................................. 42Tabel 4.5 Kromosom Hasil Encoding ................................................................... 43Tabel 4.6 Kumulatif dari Probabilitas, Nilai acak [0, 1], Calon induk Crossover 48Tabel 4.7 Bilangan acak R dan hasil proses seleksi untuk crossover ................... 48Tabel 4.8 Kumulatif dari Probabilitas, Nilai acak [0, 1], Calon induk mutation .. 49Tabel 4.9 Bilangan acak R dan hasil proses seleksi untuk mutation .................... 49Tabel 4.10 Hasil Offspring dari crossover ............................................................ 51Tabel 4.11 Hasil Offspring dari mutation ............................................................. 52Tabel 4.12 Penggabungan populasi awal, anak crossover, anak mutation, dan nilai

  

Tabel 4.13 Hasil penggabungan populasi berdasarkan nilai fitness-nya............... 54Tabel 4.14 Populasi untuk Generasi Berikutnya ................................................... 54Tabel 4.15 Kromosom terbaik dari populasi ......................................................... 55Tabel 4.16 Pengujian Sistem dengan Black Box Testing ...................................... 70Tabel 4.17 Uji Coba Pengujian Ukuran Populasi ................................................. 80Tabel 4.18 Uji Coba Pengujian Maksimal Generasi ............................................. 80Tabel 4.19 Uji Coba Pengujian Pc dan Pm ........................................................... 80

  

Tabel 4.21 Uji Coba Pengujian Maksimal Generasi ............................................. 85Tabel 4.22 Uji Coba Pengujian Pc dan Pm ........................................................... 85Tabel 4.23 Daftar Alamat Secara Acak................................................................. 89

  

DAFTAR LAMPIRAN

  

  

  

  

  

BAB I PENDAHULUAN

1.1 Latar Belakang

  Melihat semakin pesatnya perkembangan teknologi dalam dunia bisnis sekarang ini, perusahaan-perusahaan berusaha untuk mampu bersaing dengan perusahaan lainnya. P.T. Sun Star Motor cabang Surabaya merupakan perusahaan bisnis yang bergerak dalam bidang jasa penjualan otomotif sejak tahun 1974, P.T.

  Sun Star Motor sudah mempunyai banyak cabang di kota-kota besar di Indonesia, seperti di Jakarta, Semarang, Solo, Malang, Denpasar, dan Surabaya. P.T. Sun Star Motor cabang Surabaya mempunyai banyak karyawan dengan berbagai macam divisi / bagian yang ada, salah satunya adalah kurir. Kurir dalam P.T. Sun Motor bukan untuk mengantar barang seperti halnya di perusahaan lain, melainkan, kurir membantu seorang salesman untuk mengambil kelengkapan administrasi pelanggan yang belum diberikan.

  Salesman dalam P.T. Sun Star Motor dibagi menjadi 2 bagian sales force dan

sales counter. Tugas seorang sales force adalah memasarkan produk perusahaan di

  luar kantor, atau dengan kata lain memasarkan produk dengan mengunjungi tempat satu ke tempat yang lain (door to door), sedangkan sales counter melayani pelanggan yang datang langsung ke kantor untuk membeli atau hanya menanyakan produk perusahaan yang dijual, dengan kata lain sales counter tidak boleh keluar kantor atau memasarkan produk diluar kantor pada saat jam kerja.

  Dengan begitu, tugas seorang kurir sangat membantu bagi sales counter, yang dimana jika pelanggan belum memenuhi persyaratan administrasi dengan lengkap, maka pelanggan tidak perlu mengunjungi ke P.T. Sun Star Motor yang hanya untuk melengkapi syarat administrasi tersebut. Karena akan ada kurir yang mengunjungi tempat pelanggannya, dimana dalam hal ini tempat atau tujuan kurir tidak hanya satu tempat melainkan beberapa tempat setiap harinya sesuai dengan permintaan

  sales counter. Dan cukup dikunjungi satu kali untuk setiap pelanggannya.

  Apabila terdapat 9 tempat/tujuan yang akan dikunjungi oleh kurir, maka terdapat 40.320 jalur yang mungkin. Hal ini yang menyebabkan kurir harus dapat mengatur urutan kunjungannya agar memperoleh jarak yang seminimum mungkin. Permasalahan yang sering terjadi adalah kurir terkadang menempuh jarak yang jauh dan terlalu berputar-putar untuk mengunjungi satu tempat ke tempat lainnya. Hal ini yang menyebabkan kurir menjadi kurang efisien dalam mengunjungi urutan tempat yang ingin ditujunya.

  Hal ini sesuai dengan problematika masalah Travelling Salesman Problem (TSP), menurut (Sadiq, 2012), TSP merupakan sebuah kategori dalam masalah optimasi kombinatorial. Masalah optimasi kombinatorial adalah masalah yang berusaha untuk menemukan sebuah obyek yang optimal dari himpunan obyek. Dalam permasalahan ini, tujuannya adalah untuk mengoptimalkan dari sebuah perjalanan keliling (jalan untuk mengunjungi kota) dengan diberikan semua kemungkinan jalur. Dalam pengertian ini, perjalanan keliling yang optimal adalah perjalanan dengan jarak yang minimal. Secara komputasi, TSP sulit untuk dipecahkan dengan sejumlah kota yang banyak sebagaimana meningkatnya waktu penyelesaian secara eksponensial untuk setiap bertambahnya dalam N. Dimana N dalam hal ini adalah jumlah kota.

  Pada penelitian ini menggunakan metode heuristik yang merupakan suatu metode untuk menemukan penyelesaian masalah optimasi sebatas dalam kadar cukup baik dan masuk akal untuk diterima. Walaupun penyelesaian yang ditemukan bukanlah terbaik, tetapi sudah dapat untuk diterima karena sudah mencapai kadar 90 persen daripada penyelesaian optimum. (Zukhri, 2014).

  Algoritma genetika merupakan sebuah algoritma yang meniru cara kerja proses genetika pada makhluk hidup, dimana terdapat proses seleksi, rekombinasi dan mutasi untuk mendapatkan kromosom terbaik pada suatu generasi. Dengan meniru teori evolusi, algoritma genetika dapat digunakan untuk mencari solusi permasalahan-permasalahan dalam dunia nyata. Sebelum algoritma dapat dijalankan, maka sebuah kode yang sesuai untuk permasalahan harus dirancang.

  Untuk masalah ini maka solusi yang layak dalam ruang permasalahan dikodekan dalam bentuk kromosom yang terdiri atas komponen genetika terkecil yaitu gen.

  Dengan teori evolusi dan teori genetika, di dalam penerapan algoritma genetika melibatkan beberapa operator, yaitu reproduksi, crossover, dan mutasi.

  Sebelumnya, penerapan algoritma genetika pada permasalahan Travelling

  

Salesman Problem pernah dilakukan oleh Lukas pada tahun 2005 yang berjudul

Penerapan Algoritma Genetika Untuk Travelling Salesman Problem Dengan

Menggunakan Metode Order Crossover Dan Insertion Mutation penerapannya

  dilakukan menggunakan Desktop. Pada penelitian tersebut bertujuan untuk mengetahui bagaimana algoritma genetik dapat menyelesaikan masalah Travelling

  

Salesman Problem dengan menggunakan metode order crossover dan insertion

mutation yang digunakan pada algoritma genetik.

  Pada perancangan sistem yang akan dibuat, Sistem Informasi Geografis (SIG) berperan dalam penyampaian informasi kepada pengguna. Dengan menggunakan SIG sebagai media penyampaian informasi kepada pengguna, sistem juga dapat memberikan informasi mengenai jarak yang akan ditempuh, dapat membuat visualisasi rute yang akan ditempuh melalui SIG. Data yang akan diolah menjadi informasi ini adalah data geografis yaitu titik koordinat awal, dan beberapa titik koordinat tujuan.

  Berdasarkan permasalahan yang telah dijabarkan tersebut, diharapkan dengan dibuatnya sistem ini dapat membantu permasalahan yang terjadi pada kurir PT. Sun Motor. Dan diharapkan sistem dapat membantu pengguna dalam menentukan urutan kunjungan yang akan dituju dengan jarak yang sub-optimal khususnya di wilayah Surabaya.

  1.2 Rumusan Masalah

  Berdasarkan latar belakang, maka rumusan masalah dari penelitian ini adalah bagaimana membuat suatu aplikasi Sistem Pendukung Keputusan dengan melibatkan Algoritma Genetika yang digunakan untuk membantu menyelesaikan persoalan Travelling Salesman Problem Berbasis Sistem Informasi Geografis pada kurir perusahaan di PT. Sun Motor cabang Surabaya?

  1.3 Tujuan

  Adapun tujuan yang ingin diperoleh dalam penelitian ini adalah dengan membuat suatu aplikasi Sistem Pendukung Keputusan yang melibatkan Algoritma Genetika yang digunakan untuk membantu menyelesaikan persoalan Travelling

  

Salesman Problem Berbasis Sistem Informasi Geografis pada kurir perusahaan di

PT. Sun Motor cabang Surabaya.

  1.4 Manfaat

  Dalam pembuatan sistem ini memberikan manfaat kepada pengguna diantaranya adalah:

  1. Memberikan informasi kepada pengguna tentang informasi total jarak yang akan ditempuh.

  2. Memberikan output kepada pengguna berupa urutan tempat yang akan dikunjungi.

  1.5 Batasan Masalah 1. Rute yang digunakan adalah rute untuk wilayah kota Surabaya.

  2. Faktor-faktor yang diperhatikan adalah jarak.

  3. Jarak yang digunakan berasal dari perhitungan Google Maps dan jalur yang dipilih berdasarkan dari anjuran Google Maps.

  4. Komponen algoritma genetika yang digunakan adalah roulette wheel untuk tahap seleksi, order crossover untuk tahap pindah silang, swap

  mutation untuk tahap mutasi.

BAB II TINJAUAN PUSTAKA

  2.1 Konsep Sistem Informasi

  Menurut (Indrakarna, Sutanto, & Taufik, 2012), definisi sistem dapat dibagi menjadi dua pendekatan, yaitu pendekatan secara prosedur dan pendekatan secara komponen. Berdasarkan pendekatan prosedur, sistem didefinisikan sebagai kumpulan dari beberapa prosedur yang mempunyai tujuan tertentu. Sedangkan berdasarkan pendekatan komponen, sistem merupakan kumpulan dari komponen- komponen yang saling berkaitan mencapai tujuan tertentu.

  Data adalah fakta-fakta atau kejadian-kejadian yang dapat berupa angka- angka atau kode-kode tertentu. Data masih belum mempunyai arti bagi penggunanya. Untuk dapat arti data diolah sedemikian rupa sehingga dapat digunakan oleh penggunanya. Hasil pengolahan data inilah yang disebut sebagai informasi. Secara ringkas, informasi adalah data yang telah diolah dan mempunyai arti bagi penggunanya. Sehingga sistem informasi dapat didefinisikan sebagai prosedur-prosedur yang digunakan untuk mengolah data sehingga dapat digunakan oleh penggunanya. (Indrakarna, Sutanto, & Taufik, 2012).

  2.2 Google Maps

  Menurut (Ichtiara, 2008), Google Maps adalah layanan mapping online yang disediakan oleh google. Layanan ini dapat diakses melalui situs

  

Pada situs tersebut dapat melihat informasi geografis pada

  hampir semua wilayah di bumi. Layanan yang interaktif, karena di dalamnya peta dapat digeser sesuai keinginan pengguna, mengubah tingkat zoom,

  Serta mengubah tampilan peta. Tampilan yang akan muncul pada situs Google Maps dapat dilihat pada Gambar 2.1.

Gambar 2.1 Tampilan Google Maps

  Fasilitas yang terdapat pada Google Maps diantaranya adalah menjelajah peta, mencari lokasi tertentu, seperti hotel, perusahaan, tempat hiburan, dll. Google

  

Maps juga menyediakan beberapa mode pada tampilan petanya. Pada gambar

  berikut, dapat dilihat tampilan dengan mode map. Mode map merupakan bentuk dasar, yang didalamnya terdapat informasi mengenai nama jalan, sungai, danau, dan lain-lain. Dapat dilihat pada gambar 2.2

2.3 Google Maps API

  API atau Application Programming Interface merupakan suatu dokumentasi

  yang terdiri dari interface, fungsi, kelas, struktur dan sebagainya untuk membangun sebuah perangkat lunak. Dengan adanya API ini, maka memudahkan programmer untuk membongkar suatu software untuk kemudian dapat dikembangkan atau diintegrasikan dengan perangkat lunak lain.

Gambar 2.2 Tampilan Map View Google Maps

  API dapat dikatakan sebagai penghubung suatu aplikasi dengan aplikasi

  lainnya yang memungkinkan programmer menggunakan system function. Proses ini dikelola melalui operating system. Keunggulan dari API ini adalah memungkinkan suatu aplikasi dengan aplikasi lainnya dapat saling berhubungan dan berinteraksi. Bahasa pemrograman yang digunakan oleh Google Maps terdiri dari HTML,

  

Javascript, dan AJAX serta XML. Memungkinkan untuk menampilkan peta Google

Maps di website lain. (Nughroho, 2011). Dengan menggunakan Google Maps API,

Google Maps dapat ditampilkan pada website/aplikasi eksternal. Agar aplikasi

Google Maps dapat muncul di project tertentu, diperlukan adanya APIkey. APIkey

  merupakan kode unik yang digenerasikan untuk suatu website atau aplikasi tertentu, agar server Google Maps dapat mengenali proyek tersebut.

2.4 Android Android adalah sistem operasi untuk telepon seluler yang berbasiskan linux.

  Android menyediakan platform terbuka bagi pengembang untuk menciptakan berbagai macam aplikasi oleh beragam peranti bergerak. Untuk mengembangkan Android agar lebih baik lagi, oleh Google yang sebelumnya membeli Android Inc. dibentuklah Open Handset Alliance yang kemudian Open Handset Alliance mendukung dikembangkannya lagi standar terbuka di perangkat seluler. Tidak hanya itu saja, Google juga merilis kode-kode Android di bawah lisesnsi Apache, sebuah lisensi perangkat lunak dan standar terbuka perangkat seluler (Pratiwi, Shiddiqi, & Pratomo, 2012). Dalam pembuatan aplikasi ini, versi Android yang digunakan adalah Android versi 4.1.2. Versi ini telah memenuhi standar untuk aplikasi yang akan dibuat karena sudah mendukung Google Maps API yang dimana

  

Google Maps API ini berfungsi agar pengguna dapat melihat posisi keberadaannya

yang ditampilkan pada peta dan untuk menghitung jarak.

2.5 Sistem Informasi Geografi

  Menurut (Husein, 2007), SIG (Sistem Informasi Geografis) merupakan sistem yang mengorganisir perangkat keras (hardware), perangkat lunak (software), dan data, serta dapat mendaya-gunakan sistem penyimpanan, pengolahan, maupun analisis data secara simultan, sehingga dapat diperoleh informasi yang berkaitan dengan aspek keruangan. SIG merupakan manajemen data spasial dan non-spasial yang berbasis komputer dengan tiga karakteristik dasar, yaitu:

  1. Mempunyai fenomena aktual (variabel data non-lokasi) yang berhubungan dengan topik permasalahan di lokasi bersangkutan,

  2. Merupakan suatu kejadian di suatu lokasi, 3. Mempunyai dimensi waktu.

  Menurut (Kurniawan, 2010) menyatakan bahwa komponen Sistem Informasi Geografis terbagi menjadi empat, sebagai berikut:

  1. Perangkat Keras (Hardware) Sistem Informasi Geografis membutuhkan komputer untuk menyimpan data dan dalam melakukan pengolahan data. Semakin kompleks data yang ingin diolah, maka semakin besar juga kebutuhan memori dan kecepatan pengolah datanya.

  2. Perangkat Lunak (Software) Perangkat lunak dibutuhkan untuk memasukkan, menyimpan dan mengeluarkan data bila diperlukan. Perangkat lunak Sistem Informasi Geografis harus memiliki beberapa elemen seperti mampu melakukan input dan transformasi data geografis, sistem manajemen basis data, mampu mendukung query geografis, analisis dan visualisasi, dan memiliki Graphical User Interface (GUI) untuk memudahkan akses.

  3. Data Dalam SIG semua data dasar geografis harus diubah terlebih dahulu ke dalam bentuk digital untuk memudahkan dalam pengolahan data. Data dalam SIG dibagi menjadi dua bentuk yakni geographical atau data spasial, dan data atribut. Menurut (Kurniawan, 2010), data spasial adalah data hasil pengukuran, pencatatan dan pencitraan terhadap suatu unsur keruangan yang berada di bawah atau di atas permukaan bumi dengan posisi keberadaannya mengacu pada sistem koordinat nasional. Menurut (Kurniawan, 2010), data atribut adalah gambaran data yang terdiri dari informasi yang relevan terhadap suatu lokasi seperti kedalaman, ketinggian, lokasi penjualan dan lain-lain dan bisa dihubungkan dengan lokasi tertentu dengan maksud untuk memberikan identifikasi seperti alamat, kode pos, dan lain-lain. Dalam penelitian ini data yang digunakan adalah data spasial. Beberapa data spasial menurut (Nalloh, Sunandar, & Dimitra, 2013):

  a. Titik Titik merupakan representasi grafis yang paling sederhana.

  Representasi ini tidak memiliki dimensi tetapi dapat diidentifikasi di atas peta dan dapat ditampilkan pada layar monitor. Pada skala tertentu biasanya titik digunakan untuk menggambarkan letak suatu kota, letak suatu bangunan atau objek-objek lainnya. Format titik memiliki ciri-ciri yaitu koordinat tunggal, tanpa panjang, tanpa luasan. Contoh dari format titik: lokasi kecelakaan, letak pohon, lokasi gedung. Tipe data titik dapat dilihat pada Gambar 2.3.

Gambar 2.3 Tipe Data Titik

  Pada Google Maps setiap titik memiliki koordinat yang berfungsi untuk menentukan lokasi titik berada. Misalnya letak Kantor PT. Sun Star Motor dapat di tunjukkan pada Google Maps dengan koordinat -7.28197, 112.74695 dapat dilihat pada Gambar 2.4.

  b. Garis Garis merupakan bentuk linier yang akan menghubungkan beberapa titik atau paling sedikit dua titik. Biasanya digunakan untuk menggambarkan suatu objek berdimensi satu. Contoh penggunaan garis pada SIG adalah jaringan jalan, jaringan saluran air, jaringan telepon dan lain sebagainya.

  Format garis memiliki ciri-ciri yaitu koordinat titik awal dan akhir, mempunyai panjang, tanpa luasan. Tipe data garis dapat dilihat pada Gambar

  2.5. Misalnya Jalan Bali dapat ditunjukkan pada Google Maps dengan dimulai dari titik A dengan koordinat -7.27449, 112.74681 dan diakhiri dengan titik B dengan koordinat -7.27495, 112.7495 yang dapat dilihat pada Gambar 2.6

Gambar 2.4 Lokasi PT. Sun Star Motor di Jalan Ngagel, SurabayaGambar 2.5 Tipe Data GarisGambar 2.6 Lokasi Jalan Bali

  4. Manusia

  Manusia dibutuhkan untuk mengendalikan seluruh Sistem Informasi Geografis. Adanya koordinasi dalam Sistem Informasi Geografis sangat diperlukan agar informasi yang diperoleh menjadi benar, tepat, dan akurat.

  2.6 Teori Graph Graph merupakan suatu cabang ilmu yang memiliki banyak terapan. Banyak

  sekali struktur yang bisa direpresentasikan dengan graph, dan banyak masalah yang bisa diselesaikan dengan bantuan graph. Seringkali graph digunakan untuk merepresentasikan suatu jaringan. Misalkan, jaringan jalan raya dimodelkan graph dengan kota sebagai simpul (vertex/node) dan jalan yang menghubungkan setiap kotanya sebagai sisi (edge) yang bobotnya (weight) adalah panjang dari jalan tersebut. Misalkan simpul merepresentasikan kota, sisi merepresentasikan jalan yang memungkinkan, dan bobot dari setiap sisi adalah biaya yang dikeluarkan dalam perjalanan yang memungkinkan, dan bobot dari setiap sisi adalah jarak yang ditempuh dalam perjalanan tersebut. Graph G didefinisikan sebagai pasangan himpunan (V, E), ditulis dengan notasi G = (V, E), yang dalam hal ini V adalah himpunan tidak kosong dari simpul-simpul (vertices atau node) dan E adalah himpunan sisi (edges atau arcs) yang menghubungkan sepasang simpul. V tidak boleh kosong, sedangkan E boleh kosong. (Hayati & Yohanes, 2014).

  2.7 Optimasi Kombinatorial

  Menurut (Neuman & Witt, 2010) masalah optimasi kombinatorial muncul dalam beberapa aplikasi. Contohnya tugas untuk menemukan jalur terpendek dari Paris menuju Roma dalam jaringan jalan di Eropa atau penjadwalan ujian yang diberikan di universitas. Secara alami, masalah optimasi dapat dibagi menjadi 2 kategori. Kategori pertama terdiri dari masalah dengan variabel yang kontinu (terus-menerus). Masalah tersebut terkenal pada pelajaran matematika di sekolah.

  Contoh sedehana untuk menemukan fungsi minimum dari : →

  2

  . Hal ini jelas bahwa x = 0 ini adalah solusi yang unik dari dengan ( ) = masalah ini. Dalam masalah optimasi kombinatorial, salah satu bertujuan meminimalkan atau memaksimalkan fungsi tujuan tertentu dibawah himpunan kendala. Secara formal, masalah optimasi kombinatorial dapat didefinisikan sebagai ( , , Ω) dimana S sebagai ruang pencarian, sebagai fungsi obyektif, yang harus dimaksimalkan atau diminimalkan dan Ω sebagai himpunan kendala yang harus dipenuhi untuk mendapatkan solusi yang layak. Tujuannya untuk menemukan solusi optimal secara global, pada kasus minimasi, mencoba untuk mendapatkan nilai obyektif yang terkecil pada kondisi bahwa semua kendala terpenuhi.

2.8 Travelling Salesman Problem

  Menurut (Hingrajiya, Gupta, & Chandel, 2012) Travelling Salesman Problem (TSP) adalah sebuah masalah bagaimana menemukan sebuah tur terpendek dimana semua kota yang diberikan untuk dikunjungi. TSP adalah masalah yang terkenal dan secara ekstensif studi kasus yang tidak dapat diuraikan atau optimasi kombinatorial dan meminta perjalanan pulang pergi terpendek dengan jumlah biaya yang minimal untuk mengunjungi tiap kota (node) yang telah diberikan tepatnya satu kali. TSP merupakan sebuah masalah NP-hard dan begitu mudah untuk mendeskripsikan dan begitu sulit untuk diselesaikan. Definisi dari TSP, diberikan N kota, jika seorang sales memulai dari rumah kotanya untuk mengunjungi tiap kota tepat satu kali dan kemudian kembali ke rumah, cari urutan dari tur sehingga total jarak (biaya) perjalanan adalah minimum. Biaya bisa menjadi jarak, waktu, energi, dll. Sebuah graf berbobot lengkap G = (N, E) dapat di gunakan untuk menggambarkan sebuah TSP, dimana N adalah kota dan E adalah sisi (jalur) yang secara lengkap menghubungkan semua kota. Setiap sisi (i,j) E adalah menerangkan biaya d ij , dimana jarak antara kota i dan j.

  Menurut (Suyanto, 2014), TSP dibagi menjadi 2 yaitu TSP asimetris dan simetris. Pada TSP simetris, biaya dari kota 1 ke kota 2 sama dengan biaya dari kota 2 ke kota 1. Sedangkan pada TSP asimetris, biaya dari kota 1 ke kota 2 tidak sama dengan biaya dari kota 2 ke kota 1. Untuk TSP asimetris, jumlah jalur yang mungkin adalah permutasi dari jumlah kota yang harus dilalui dibagi dengan jumlah kota yang harus dilalui. Hal ini dapat dipahami karena secara siklus, sebuah jalur dengan urutan 1-2-3 adalah sama dengan jalur 2-3-1 dan jalur 3-1-2. Tetapi jalur dengan 1- 2-3 tidaklah sama dengan jalur 3-2-1. Untuk TSP asimetris jumlah jalur yang mungkin dapat diperoleh dengan menggunakan Persamaan 2.1:

  

!

  (2.1)

  =

  Keterangan: = jumlah jalur yang mungkin n = jumlah kota

2.9 Algoritma Genetika

  Menurut (Scrucca, 2013) Algoritma Genetika merupakan kelas dari algoritma evolusioner yang dipopulerkan oleh John Hollan dan temannya selama tahun 1970- an, dan telah diaplikasikan untuk pencarian keputusan atau solusi pendekatan untuk masalah pencarian dan optimasi. Algoritma genetika merupakan algoritma pencarian stochastic dimana yang dapat memecahkan masalah optimasi, baik untuk fungsi kontinyu (apakah terdiferensialkan atau tidak) dan fungsi diskrit. Algoritma Genetika menggunakan strategi evolusi yang terinspirasi dari prinsip dasar evolusi biologis. Pada tahap tertentu dari evolusi sebuah populasi terdiri dari sejumlah individu, yang disebut juga string atau kromosom. Ini terbuat dari unit (gen, fitur, karakter) yang mengatur warisan dari satu atau beberapa karakter gen dari karakter tertentu yang terletak sepanjang kromosom, dan posisi string yang sesuai disebut

  

loci. Setiap genotipe akan menggambarkan sebuah potensial solusi untuk satu