pemodelan perilaku hunter-prey dengan fuzzy cognitive maps...

Prosiding Seminar Nasional Teknik Elektro & Informatika TI02 SNTEI 2012 PNUP, Makassar, 29 Maret 2012

ISBN: 978-602-18168-0-6 93

Pemodelan Perilaku Hunter-Prey dengan Fuzzy Cognitive Maps Menggunakan Metode Crips

dan Fuzzy Weight Analysis

I r a w a n Program Studi Teknik Komputer Jaringan, Jurusan Teknik Elektro

Politeknik Negeri Ujung Pandang E-mail : [email protected]

Abstrak—Perilaku hunter-prey ke dalam virtual

world dapat dimodelkan dengan menggunakan fuzzy cognitive maps (FCM). Dengan FCM kejadian-kejadian yang saling berpengaruh dalam lingkungan hunter-prey dapat dipetakan menjadi suatu aturan-aturan yang sifatnya fuzzy (fuzzy rule). Para ahli menggambarkan perilaku hunter-prey namun mereka tidak dapat menuliskan secara matematis dan memodifikasinya untuk menjadikannya sebuah virtual world. Simple FCM dapat memodelkan perilaku secara periodik dengan limit cycle yang terus berulang sesuai dengan urutan dan kejadiannya atau membuat suatu rantai dari aksi dan respon lingkungan. Dengan analisis level aktivasi yang pembobotannya bernilai fuzzy menggunakan certain neuron yang memiliki 2 variabel fungsi transfer dengan kemampuan memori dan mekanisme decay. Certain neuron fuzzy cognitive maps (CNFCM) menggunakan 2 kontrol parameter: sistem pembobotan matriks simetri dan kekuatan kontrol mekanisme decay, dimana dengan kedua kontrol parameter tersebut akan membawa sistem ke perilaku titik tertentu yang stabil dan limit cycle behaviour. Kami memodelkan perilaku hunter-prey dengan menggunakan simple FCM dan menggunakan algoritma CNFCM.

Kata kunci: Fuzzy cognitive maps, certain neuron, CNFCM, limit cycle.

I. PENDAHULUAN

emodelan suatu perilaku dari sebuah lingkungan yang di dalamnya berinteraksi banyak obyek (manusia, hewan dan sebagainya yang ada di

sekeliling lingkungan nyata) telah dimodelkan dengan banyak metode. Namun untuk memodelkan bentuk perilaku tersebut ke dalam sebuah dunia virtual adalah suatu tantangan tersendiri oleh banyak ahli.

Dunia virtual (virtual world) adalah sesuatu yang berubah dengan mengikuti perubahan yang ada di dalam virtual reality (Kruger, 1991) atau cyberspace (Gibson, 1984). Virtual world menghubungkan manusia dan komputer dalam sebuah media yang saling berhubungan dan dapat mempermainkan pikiran dan kesadaran. Virtual world merupakan suatu sistem yang sangat dinamis, berubah dengan pengaruh waktu disaat pengguna atau aktor tersebut melalui atau menjalaninya, perubahannya pun bersifat kausal. Aktor (agen atau multi agen) dalam melakukan sesuatu akan saling berkaitan dan menyebabkan terjadinya perubahan di dalam lingkungannya tersebut, sehingga pada akhirnya hubungan antara satu agen dengan agen yang lain akan bisa terjadi berdasarkan atas perilaku yang terjadi pada lingkungan tersebut dan ini sifatnya sangat acak (fuzzy). Dari interaksi antara agen tersebut akan menghasilkan nilai-nilai tertentu (degree of data) dan mempengaruhi suatu kejadian dan menahan suatu kondisi konsep yang lain untuk berinteraksi, dalam hal ini dapat dikatakan bahwa virtual world merupakan suatu fuzzy causal world.

Fuzzy Cognitive Maps (FCM) dapat memodelkan virtual world di dalam sebuah kumpulan aturan-aturan logika fuzzy dengan cara menggambarkannya sebagai sebuah fuzzy directed graph (Kosko, 1986, 1988a).

P


ISBN: 978-602-18168-0-6 94

Fokus yang akan menjadi bahasan pada penelitian ini adalah pemodelan perilaku hunter-prey dengan memperhitungkan hubungan kausalitas dari tiap agen. Dengan menambahkan parameter stamina/energi pada masing-masing perilaku hunter (pemangsa) dan prey (mangsa). Metode pendekatan yang akan digunakan untuk menggambarkan kausalitas dari tiap agen dengan menggunakan adaptive FCM dengan algoritma certainy neuron transfer function (Certainy Neuron Fuzzy Cognitive Maps).

Sebuah riset (A. Dickerson, Kosko, 1994) telah dilakukan untuk menggambarkan sebuah virtual world yang strukturnya dibangun menggunakan metode FCM. Pada riset tersebut menggambarkan bagaimana sebuah ekosistem rantai makanan di laut yang saling berinteraksi satu dengan yang lainnya. Metode FCM digunakan untuk menggambarkan kausalitas antar konsep yang terjabar secara detail dari tiap perilaku agen (ikan, hiu dan lumba-lumba).

Berdasarkan hal-hal tersebut di atas, sehingga penelitian ini memfokuskan pada pemodelan perilaku dari hunter-prey dengan fuzzy cognitive maps (FCM) dan menganalisis pemodelan tersebut secara adaptif melalui 2 langkah pengujian dengan activation level dan bobot kausalitas yang bernilai crisp dan dengan activation level dan bobot kausalitas yang bernilai fuzzy menggunakan algoritma certainty neuron fuzzy cognitive maps (CNFCM). Penambahan parameter stamina/energi pada perilaku hunter-prey ini juga menjadi percobaan pada penelitian ini.

II. KAJIAN PUSTAKA DAN DASAR TEORI

Agen

Teknologi agen telah menjadi salah satu subyek diskusi dan riset yang hangat dibicarakan dalam bidang sains dewasa ini. Mulai dari teknologi robotika yang memanfaatkan dan meniru fungsi-fungsi perilaku dari makhluk hidup sampai pada pemodelan interaksi sosial manusia ke dalam simulasi komputer.

Agen adalah sesuatu yang mampu mengindera lingkungannya melalui sensor dan memberikan reaksi terhadap lingkungan tersebut melalui effectors (Russel, 1995).

Pada dasarnya sebuah agen adalah autonomous, karena agen beroperasi tanpa adanya intervensi secara langsung oleh manusia atau yang lainnya dan dapat mengontrol aksi yang dilakukan serta mengkondisikan dirinya sendiri terhadap

lingkungannya. Awalnya agen diciptakan untuk mengerjakan hal-hal sederhana, sehingga diciptakanlah sebuah agen untuk mengerjakan hal-hal tersebut.

Seiring dengan perkembangan kebutuhan terhadap otomasi sistem yang menuntut banyak tugas-tugas yang kompleks sehingga penggunaan single agent (agen tunggal) untuk memenuhi kebutuhan tersebut dipandang kurang tepat. Hal ini disebabkan karena dengan menggunakan sebuah single agent untuk mengerjakan tugas yang kompleks akan tidak fleksibel dalam pengembangannya dan membutuhkan sumber daya yang sangat besar, sehingga dipandang perlu untuk mengembangkan suatu metode dimana banyak agen bekerja secara bersama-sama untuk menyelesaikan tugas kompleks tersebut.

Kondisi dimana banyak agen bekerja secara bersamaan dinamakan multi-agent. Multi-agen merupakan sebuah sistem dimana sejumlah agen melakukan sejumlah tugas untuk mencapai tujuan bersama (Weiss, Gerard. 1999). Agen-agen pada sistem multi agen dapat saling berinteraksi satu dengan yang lainnya baik secara langsung (direct, melalui komunikasi dan negosiasi) ataupun tidak langsung (indirect, berinteraksi melalui lingkungannya).

Gambar 2.1 memberikan sebuah gambaran sederhana tentang sebuah agen. Pada gambar tersebut, terlihat bahwa action output ditimbulkan oleh agen tersebut untuk memberikan manfaat terhadap lingkungannya (environment). Pada kebanyakan kompleksitas dari reasonable domain bahwa sebuah agen tidak akan melakukan kontrol penuh (complete control) terhadap lingkungannya. Yang dapat dilakukan oleh agen tersebut adalah partial control (kontrol per bagian) dan hal tersebut yang dapat mempengaruhi lingkungannya.

Gambar 2.1 Agen dalam lingkungannya

Action

Output

AGENT

ENVIRONMENT

Sensor

Input


ISBN: 978-602-18168-0-6 95

Peta Kognitif (Cognitive Maps)

Deskripsi tentang peta kognitif banyak mengarah ke riset yang pernah dikerjakan oleh seorang ahli ilmu sains politik Robert Axelrod (Axelrod, 1976) untuk menunjukkan bagaimana keputusan politik dibuat dengan skema struktur keputusan politik dalam bentuk peta kognitif. Secara umum peta kognitif elemen dasarnya sangat sederhana. Sebuah konsep yang digunakan secara individu dinyatakan sebagai poin-poin dan hubungan kausalitas antar konsep tersebut dinyatakan dengan menggunakan panah yang terhubung diantara konsep tersebut.

Menurut Axelrod (1976) peta kognitif merupakan peta diagram kausal adalah skema graf berarah yang menggambarkan hubungan/relasi sebab-akibat antara variabel-variabel permasalahan yang diamati (agen, multi agen ataupun suatu organisasi) berdasarkan atas apa yang diyakini terhadap lingkungannya. Komponen-komponen dari graf ini yaitu kumpulan poin-poin (konsep) yang dinyatakan dengan C dan kumpulan anak panah (arrow) yang berada antara konsep tersebut yang dinyatakan dengan A. Anak panah diberikan dengan tanda (+) dan (-) sedangkan konsep atau sering pula dinamakan dengan variabel konsep merupakan suatu goal atau tujuan yang akan dicapai oleh suatu agen. Tanda panah menggambarkan hubungan kausal antara konsep satu dengan yang lainnya dan juga bagaimana suatu konsep saling mempengaruhi konsep yang lain.

Sebagai contoh gambaran tentang peta kognitif diperlihatkan pada gambar 2.2. Welman (1994) mempelajari peta kognitif yang diambil dari Levi dan Tetlock (1980) dan pada gambar 2.2 tersebut menjelaskan bagaimana pemerintah Jepang memutuskan untuk melakukan penyerangan ke Pearl Harbor.

Gambar 2.2 Contoh Peta Kognitif (Levi, Tetlock. 1980) Dari peta kognitif tersebut terlihat bahwa jika

Jepang dalam kondisi berdiam diri (Japan remains

idle) akan menyebabkan meningkatnya kesiapan Amerika melakukan persiapan yang lebih matang (US preparedness), sedangkan dengan kondisi persiapan Amerika yang matang menyebabkan menurunnya peluang Jepang untuk menang dalan perang (Japanese success in war). Begitu halnya dengan kondisi kekuatan Jepang akan mengurang (Japanese attrition) jika Jepang juga berdiam diri sehingga mengakibatkan kurangnya peluang Jepang untuk memenangkan perang (Japanese success in war).

Gambar 2.2 dapat di transformasikan ke dalam

sebuah bentuk matriks dinamakan adjacency matrix atau valency matrix. Adjacency matrix merupakan sebuah matriks persegi dengan sebuah kolom dan sebuah baris untuk setiap konsep dalam suatu peta kognitif. Dengan memberikan notasi C1 untuk Japan remains idle, C2 untuk Japanese attrition, C3 untuk Japanese success in war dan C4 untuk US preparedness maka akan diperoleh suatu matriks adjacency seperti berikut:

C1 C2 C3 C4

C1 0 + 0 +

C2 0 0 - 0

C3 0 0 0 0

C4 0 0 - 0

Gambar 2.3 Adjacency matriks hubungan kausal dari gambar 2.2

Fuzzy Cognitive Maps (FCM)

FCM adalah suatu fuzzy-graph yang terstruktur untuk menggambarkan hubungan sebab-akibat. Struktur grafiknya dapat menampilkan propagasi kausalitas secara sistematik, dalam suatu hubungan rantai maju dan mundur dan juga memungkinkan suatu knowledge bases untuk berkembang dengan menghubungkan antar FCM yang berbeda. FCM secara khusus dapat digunakan dalam bidang soft knowledge domain (ilmu politik, ilmu militer, sejarah, hubungan internasional, teori organisasi) yang mana seluruhnya merupakan konsep-konsep atau hubungan-hubungan sistem dan bahasa meta-system yang secara mendasar sifatnya fuzzy (Kosko, 1986). Dewasa ini FCM banyak digunakan untuk memodelkan hubungan kausal antar faktor-faktor yang berbeda dari berbagai macam bidang penerapan.


ISBN: 978-602-18168-0-6 96

FCM terdiri dari 2 elemen utama yaitu: konsep dan hubungan kausalitas (causality relationship). Seperti yang diperlihatkan pada gambar 2.2, konsep digambarkan dengan suatu bentuk bundaran (circle), yang mana merepresentasi-kan hubungan sebab-akibat didalam suatu pemodelan. Sedangkan hubungan kausalitas dengan menggunakan tanda panah yang mana memiliki tanda-tanda dan besaran. Tanda “+” menyatakan bahwa hubungan kausal yang positif, contohnya meningkatnya nilai dari konsep awal akan menyebabkan terjadinya peningkatan nilai pada konsep akhir. Sebaliknya, tanda “-“ merupakan hubungan kausal yang negatif (negative causal relation), contohnya pada saat nilai pada dari konsep awal meningkat akan menyebabkan terjadinya penurunan nilai dari konsep pada akhirnya.

Untuk memudahkan dalam melakukan analisa pada FCM, maka setiap konsep diberikan suatu nilai keadaan yang mana memiliki nilai [0, 1] atau [-1, 1], sedangkan untuk kausal relasinya diberikan pembobot yang bernilai [-1, 1]. Sehingga jika nilai dari konsep i adalah Ai, nilai baru diperbarui dengan memperhatikan hubungan antar konsep dan dapat dihitung dengan

dimana merupakan nilai dari konsep Ci pada

step simulasi t+1, merupakan nilai dari konsep Cj

pada simulasi step t, wij merupakan nilai bobot dari interkoneksi antara konsep Cj ke konsep Ci dan f merupakan fungsi threshold sigmoid

Dimana > 0 merupakan sebuah parameter yang menentukan langkah-langkahnya.

Algoritma Certainty Fuzzy Cognitive Maps (CNFCM)

Certainty neuron telah dikenal sebagai salah satu ragam dalam artificial neuron yang mana menggunakan 2 variabel fungsi aliran (transfer function) yang memiliki kemampuan penyimpanan memori dan mekanisme decay. Certainty neuron dapat digunakan dalam fuzzy cognitive maps dimana struktur dari suatu jaringan saraf tiruan menciptakan suatu pemodelan sebagai kumpulan dari suatu konsep – neuron dan berbagai macam hubungan

kausal dan panah yang berbobot suatu nilai berada diantara konsep-konsep tersebut. Transfer fungsi dari certainty neuron dapat dituliskan sebagai berikut:

… 2.3

Dimana merupakan aktivasi dari certainty neuron

i pada time step t, merupakan

penjumlahan dari bobot pengaruh dari certainty neuron i yang diterima pada time step t dari semua neuron yang mempengaruhinya, n merupakan jumlah neuron yang ada pada sistem, adalah

bobot dari tanda panah neuron j ke neuron i sehingga tercipta suatu matriks n x n yang dinamakan sebagai matriks bobot W dari suatu sistem. Sedangkan fungsi f ( ) menunjukkan berbagai pengaruh dari konsep lainnya yang mempengaruhi activation level yang aktif untuk menghasilkan aktivasi yang baru. Terlihat jelas bahwa nilai dari fungsi f ( ) selalu bernilai antara -1 dan 1. Fungsi ini juga digunakan dalam MYCIN (Shortliffe. 1976, Buchannan. 1984) dan fungsinya adalah sebagai berikut:

III. METODE PENELITIAN

Pada penelitian ini, FCM digunakan untuk memodelkan perilaku dari pemburu-mangsa (hunter-prey) dalam dunia virtual berupa permainan (game). Secara umum diagram perilaku hunter-prey dapat digambarkan seperti pada gambar 3.1.

Pemburu (dapat berupa predator hewan seperti singa, harimau serigala dan predator lainnya) akan berusaha untuk mencari mangsa pada saat kondisinya lapar, sedangkan mangsa (hewan yang menjadi buruan dari hewan predator seperti rusa, kambing dan lain-lain) umumnya berkelompok dan akan mencari sumber makanan berupa rumput-rumputan dan tanaman lainnya, sehingga lingkungan yang digunakan banyak mengandung sumber makanan bagi kelompok hewan mangsa ini.


ISBN: 978-602-18168-0-6 97

Gambar 3.1 Diagram secara umum perilaku lingkungan hunter-

prey

Gambar 3.2 Tahapan Metode Penelitian

IV. HASIL DAN PEMBAHASAN

A. Analisa Crisp Untuk Simple FCM

Dengan menggunakan tools bantu FCMMapper untuk menguji diagram simple FCM yang telah dibuat seperti yang ditunjukkan pada gambar 3.2. Pengujian dilakukan dengan memasukkan beberapa input vektor terhadap matriks kausal dari hubungan antar konsep (adjacency matrix, E) sehingga menghasilkan perkalian matriks. Matriks kausal E seperti yang ditunjukkan pada gambar 3.4 kemudian diuji dengan menggunakan FCMMapper menghasilkan beberapa properti-properti seperti yang ditunjukkan pada gambar 4.1 a,b dan c.

Dari gambar 4.1(a) menampilkan jumlah dari sebuah konsep yang terpengaruhi oleh perubahan dari konsep lainnya. Misalnya seperti konsep P1 ada 2 konsep yang juga ikut mempengaruhi perubahan kausalitasnya, dan untuk konsep P1 mempengaruhi

konsep lainnya ditunjukkan oleh gambar 4.1(c), sedangkan jumlah total dari konsep yang mempengaruhi dan yang dipengaruhi oleh konsep P1 ditunjukkan oleh gambar 4.1(b). Data ini diperoleh dari matriks kausalitas yang diinputkan ke dalam FCMMapper untuk dianalisis. Pada saat aktivasi awal dengan semua input untuk konsep aktif [1 1 1 1 1 1 1 1 1 1 1 1 1] dan hasil iterasi terlihat pada gambar 4.2.

(a)

(b)

(c)

Gambar 4.1 Properti-properti pada diagram FCM oleh FCMMapper

Gambar 4.2 Grafik konvergensi pada simple FCM

Universe Prey

Universe Hunter

Universe Grassland


ISBN: 978-602-18168-0-6 98

Terlihat pada gambar 4.2 untuk P4 dan H4 pada saat iterasi awal sejak awal iterasi tidak mengalami perubahan, hal tersebut disebabkan karena P4 dan H4 tidak mendapat pengaruh dari konsep lainnya namun mempengaruhi perubahan terhadap konsep lain. Seperti besarnya P4 menyebabkan besar nilai P6 juga meningkat, artinya dengan prey beristirahat dapat menyebabkan energi dari prey tersebut ikut meningkat, hal ini dapat terjadi sewaktu-waktu ketika prey tersebut dikejar oleh pemangsa dan membutuhkan istirahat jika telah mengetahui posisinya telah jauh dari pemangsa. Begitu pula dengan H4 dan H5 mengalami hal yang sama.

Pada penelitian ini menitikberatkan observasi pada pengaruh tingkat energi/stamina dari prey dan hunter untuk melihat perilaku yang terjadi. Pengujian pertama dengan mengaktifkan konsep H1 (kondisi hunter lapar) dengan tingkat energi/stamina yang penuh (H5). Hasil untuk input vektor [0 0 0 0 0 0 0 1 0 0 0 1 0] menahan 2 konsep yaitu H1 dan H5 dalam kondisi nilai yang konstan, kondisi ini menggambarkan bahwa: H1 Mengaktifkan level (on) kondisi lapar dari pemangsa (hunter) dan H5 dengan energi yang tinggi siap untuk mencari makanan.

Gambar 4.3 Grafik konvergensi dari simple FCM dengan

activation level H1 dan H5 bernilai 1

B. Input Crisp dengan bobot fuzzy

Di dalam CNFCM ada 2 yang menjadi parameter utama dalam penentuan nilai bobot yang optimal untuk FCM yaitu: decay factor (faktor kerusakan) dari certainy neuron dan symmetry dari sistem pembobotan matriks E. Faktor ini menentukan fraksi dari level aktivasi saat ini yang akan dikurangi oleh tingkat aktivasi yang baru didapatkan sebagai hasil dari suatu neuron alami untuk tetap memperoleh nilai tingkat aktivasi yang dekat dengan nol. Semakin besar faktor decay semakin kuat decay mekanismenya. Beberapa nilai dapat digunakan untuk decay faktor ini dengan interval [0, 0.4].

Untuk nilai decay yang lebih besar dari nilai tersebut, sistem akan menjadi nol diakibatkan oleh beratnya mekanisme decay. Besar nilai decay yang digunakan dalam penelitian ini 0.10. Gambar 4.4 memperlihatkan grafik hasil iterasi yang dijalankan dengan simulasi kode Matlab dengan menerapkan algoritma CNFCM. Input level aktivasi [0 0 0 0 0 0 0 1 0 0 0 0 0] dengan bobot kausal matriks seperti yang ditunjukkan pada tabel 3.1. Pada gambar 4.5 memperlihatkan efek kausalitas terhadap konsep H1 jika diberikan kondisi on bernilai 1.

Gambar 4.4 CNFCM dengan H1 on W21 = -0.2 diiterasi sebanyak

150 iterasi

Pembobotan konsep H2 ke H5 menggunakan nilai -0.2, setelah dilakukan pengujian kembali dengan memberikan bobot yang lebih besar pengaruhnya kepada perubahan energi (H5) W21 = -0.8 dan akan menghasilkan pengaruh yang ditunjukkan seperti pada gambar 4.5.

Gambar 4.5 CNFCM dengan H1 on W21 = -0.8 diiterasi sebanyak

150 iterasi

Hal ini menggambarkan bahwa akan terjadi aksi jika kondisi pemangsa dibuat sangat-sangat lapar, sehingga memicu untuk konsep lainnya turut untuk aktif.


ISBN: 978-602-18168-0-6 99

Fenomena yang ditunjukkan pada gambar 4.4 memperlihatkan suatu kondisi transisi dari suatu stable fixed point ke limit cycle melalui periode yang cukup panjang. Untuk level aktivasi yang dibangkitkan secara random dengan nilai antara [-1, 1] akan menghasilkan kondisi yang sama seperti pada gambar 4.4, untuk nilai level aktivasi secara randomnya terlihat pada gambar 4.6.

Gambar 4.6 Random activation level untuk tiap konsep

Untuk matriks hubungan kausal yang terjadi antar konsep (adjacency matrix E) dengan bobot kausal yang bernilai fuzzy seperti yang diperlihatkan pada gambar 4.7, merupakan matriks yang menjadi bobot awal dari matriks kausal sebelum proses perkalian dengan matriks vektor sebagai matrik level aktivasi.

Gambar 4.7 Adjacency matrix untuk tiap konsep node

V. KESIMPULAN

Dengan memberikan nilai bobot pasti (crisp) pada activation level pada perilaku hunter-prey dengan nilai kausalitas melalui adjacency matrix yang juga bernilai crips, dimodelkan dengan simple fuzzy cognitive maps menghasilkan waktu konvergensi yang cepat hanya dengan rata-rata 5 iterasi dan telah mencapai kestabilan sistem. Pemodelan lebih kompleks dilakukan dengan certainy neuron fuzzy cognitive maps (CNFCM) dengan bobot activation

level yang bernilai pasti (crisp) dan bobot kausalitas yang bernilai fuzzy menghasilkan suatu perilaku sistem yang dinamakan kondisi transisi dari suatu stable fixed point ke limit cycle melalui perioda yang panjang. Perkalian matriks yang terjadi antara matriks vektor dan adjacency matriks E tidak menyebabkan perubahan pada matriks kausalitasnya tapi pada level aktivasinya. Sistem yang memiliki bobot matriks antisimetrik akan banyak mempengaruhi terjadinya negatif cycle yang akan menghalangi sistem untuk mencapai equilibrium pada fixed point tapi akan membawa ke perilaku limit cycle.

DAFTAR PUSTAKA

[1] A. Dickerson Julie, Kosko B.(1994) “Virtual World as Fuzzy Cognitive Maps”. Presence Vol-3 No. 2, pp73-89. 1994

[2] A.M. Bruckstein, N. Cohen and A. Efrat.( July1991)” Ants, crickets and frogs in cyclic pursuit,” Technical Report 9105, Center for Intelligence Systems, Technion-Israel Institute of Technology, Haifa, Israel.

[3] AT Samiloglu, V Gazi, B Koku, (2006)“ Asynchronous Cyclic Pursuit,” Lecture notes in computer science, Citeseer,

[4] Axelrod R. (1976). “Structure of Decision: the Cognitive Maps of Political Elites”. Princeton, NJ: Princeton University Press

[5] B. Kosko. (1986). “Fuzzy cognitive maps”. International Journal of Man Machine Studies, 24:66-75,.

[6] C. W. Reynolds, (July 1987). “Flocks, herds, and schools: A distributed behavioral model,” Comput. Graph., vol. 21, no. 4, pp. 25 - 34.

[7] C. Reynolds, (1999) “Steering behaviors for autonomous characters,” Game Developers Conference 1999, pp. 763 –782.Available from:<http://www.red3d.com/cwr/papers/1999/gdc99steer.html>.

[8] Gibson, W. (1984). Neuromancer. New York: Ace book [9] K. Tsadiras Athanasios,(1999)” An Experimental Study Of

The Dynamics Of The Certainty Neuron Fuzzy Cognitive Maps”. Neurocomputing. v24. 95-116.

[10] Khan Shamim M, Chong Alex.(2004) “Fuzzy Cognitive Map Analysis with Genetic Algorithm”.

[12] Kandasamy, W. B. V., Smarandarche, F.(2003) “Fuzzy Cognitive Maps and Neutrosophic Cognitive Maps”. Xiquan. Phoenix.

[13] Kruger, M. (1991). Artificial Reality II (2nd ed.). Reading, MA: Addison – Wesley

[14] Lincoln F.Donald, (2009) “Automated Demand Response Applied to a set of Commercial Facilities”. Dissertation University of New Mexico.

[15] Markintos Ath., Papageorgiou El.(2007). “Introducing Fuzzy Cognitive Maps for Decision Making in Pricision Agriculture”. Elsivier, Procision Agriculture.

[16] Mateou, N., Andreou, A. (2005) “Tree Structured Multi-Layer Fuzzy Cognitive Maps For Modeling Large Scale, Complex Problems.” International Conference on Computational Intelligence for Modeling, Control, and Automation, Vol. 2, pp 131-139, Nov. 28-30.

[17] Mateou, N. H., Moiseos, M., and Andreou, A. S (2005). “Multi-Objective Evolutionary Fuzzy Cognitive Maps For


ISBN: 978-602-18168-0-6 100

Decision Support.” IEEE 0-7803-9363, pp 824-830, May. [18] Mateou, N., Andreou, A. (2006) ”An Evolutionary

Methodology To Eliminate Limit Cycle Phenomenon InFcm-Based Models.” 2nd International Conference onInformation and Communication Technologies, pp1651-1656.

[19] Mateou, N. H., Andreou, A. S. (2008) “A Framework For Developing Intelligent Decision Support Systems UsingEvolutionary Fuzzy Cognitive Maps.” Journal of Intelligent & Fuzzy Systems. Vol. 19, pp 151-170.

[20] Mateou, N., Andreou, A., Stylianou, C (2008). “A New Traversing And Execution Algorithm For MultilayeredFuzzy Cognitive Maps.” IEEE World Conference onComputational Intelligence: Fuzzy Systems, pp 2216-2223, June 1-6.

[21] Mateou, N., and Andreou, A.(2009) “Facing Multi Collinearity In Fuzzy Cognitive Maps Environment UsingBias Nodes”. 3rd International Conference on Informationand Communication Technologies: From Theory toApplication, April 7-11.

[22] Michael Wooldrige, (2001). “An Introduction to MultiagentSystem,” John Wiley & Sons, LTD.

[23] M. Mataric, (December 1995) “Issues and approaches inthe design of collective autonomous agents," Robotics and Autonomous Systems, vol. 16, pp. 321 - 331.

[24] Russell, Stuart J. and Peter Norvig. (1995). Artificial Intelligence: A Modern Approach. Englewood Cliffs, NJ:Prentice Hall.


ISBN: 978-602-18168-0-6 101

Abstrak—Aktivitas monitoring lingkungan adalah operasi yang berkelanjutan dengan dukungan infrastruktur yang mahal. Namun demikian, informasi sebagai luaran kegiatan ini, tidak mudah diakses masyarakat sehingga mengurangi nilai kemanfaatan informasinya. Integrasi infrastruktur monitoring lingkungan dengan jaringan internet dalam hal pengorganisasian dan penyediaan akses data sensor melalui model virtual sensor adalah solusi untuk meningkatkan daya guna infrastruktur tersebut sekaligus membuka keluasan akses terhadap perangkat sistem. Virtual sensor menjembatani interaksi pengguna dengan sensor fisik melalui jaringan internet. Sistem memiliki 3 (tiga) fungsi utama yaitu, Data Acquring Process, Database System, Dynamic User Interface. Penelitian ini mengusulkan solusi socket programming yang mendukung two-way communication untuk penanganan akusisi data. Sedangkan model managemen database dan antarmuka dinamis berturut-turut mengimplementasikan object relational database model dan protocol SOAP dengan dukungan WSDL. Konstruksi ini memberi manfaat lebih infrastruktur fisik monitoring lingkungan dalam menjamin ketersediaan informasi lingkungan setiap saat setiap tempat melalui antarmuka familiar berbasis web dan layanan web (WSDL). Kata Kunci : virtual sensor,sensor cloud,WDSL

Rahman adalah mahasiswa pascasarjana kosentrasi teknik

informatika, jurusan teknik elektro, fakultas teknik Universitas Hasanuddin, Makassar. (Kontak korespondensi handphone: 087841146602; e-mail: [email protected]).

Zahir Zainuddin adalah dosen pancasarjana dan pembimbing penelitian program pascasarjana jurusan teknik elektro fakultas teknik Universitas Hasanuddin, Makassar. (Kontak korespondensi handphone: 085255698767; e-mail: [email protected]).

I. PENDAHULUAN

nformasi lingkungan memiliki nilai yang strategis di berbagai bidang kehidupan seperti

bidang industri, pertanian, transportasi dan komunikasi. Informasi curah hujan, temperatur, kelembaban udara dan informasi lain yang berkaitan dengan lingkungan, menjadi parameter umum yang mempengaruhi pengambilan kebijakan dibidang-bidang tersebut. Nilai strategis ini memicu produksi dan penggunaan sensor untuk pemantauan lingkungan. Menurut Yuriyama dan Kushida (2010)[1], telah dan akan terjadi peningkatan penggunaan sensor fisik untuk berbagai keperluan sekarang dan dimasa datang. Prediksi ini sejalan dengan kenyataan makin kompleksnya permasalahan lingkungan sebagai habitat tinggal manusia seperti meningkatnya faktor kebisingan, gas beracun, radiasi, gejala gunung berapi dan beragam lainnya yang membutuhkan pengawasan.

Penggunaan sensor sebagai alat fisik pemantauan lingkungan adalah hal yang ideal saat ini. Meskipun demikian, tidak setiap orang maupun organisasi mampu menyediakan peralatan fisik monitoring lingkungan. Faktor biaya mahal adalah faktor dominan ketidakmampuan tersebut disamping faktor operasional yang juga tidak mudah dikerjakan. Akibatnya pemantauan lingkungan dan data-data primer yang berkaitan dengan lingkungan adalah hal yang mahal dan tidak lazim menjadi konsumsi publik. padahal informasi lingkungan adalah kebutuhan setiap orang dan seyogyanya bersifat terbuka dan bebas akses.

Infrastruktur cloud sensor, adalah model yang dapat menjembatani kesenjangan realitas dan kebutuhan tersebut. Sensor cloud adalah arsitektur yang mengorganisasikan sensor-sensor secara fisik yang tersebar berjauhan secara geografis namun menyatu dari sisi akses dan pengelolahan data

Model Infrastruktur Perangkat Lunak Sensor Cloud untuk Sistem Monitoring Lingkungan

Rahman1), Zahir Zainuddin2) Lab Teknik Komputer dan Jaringan (TKJ) Jurusan Elektro Politeknik Negeri Ujung Pandang 1)

Lab Sistem Berbasis Komputer Teknik Elektro Universitas Hasanuddin 2) Email: [email protected], [email protected]

I


ISBN: 978-602-18168-0-6 102

monitoring. Cloud sensor mendukung pemantauan lingkungan melalui sensor fisik yang terletak disuatu area oleh banyak pengguna sistem yang terpisah secara fisik melalui mekanisme virtual sensor. Demikian pula beberapa sensor fisik yang terpisah secara geografis dapat diamati seorang pengguna di lokasi yang sama.

Virtual sensor adalah arsitektur yang menjadi hasil integrasi jaringan sensor fisik dengan infrastruktur internet. Penelitian menunjukan bahwa integrasi mendorong pemanfaatan secara maksimun jaringan sensor, mendukung ketersediaan data sensor setiap saat, serta memungkinkan perluasan penggunaan data-data sensor untuk keperluan lain (Rajesh et al.,2010)[2]. Salah satu bukti yang menunjukan hal tersebut adalah integrasi jaringan sensor pemantau kondisi pasien setiap saat dan setiap tempat (Doukas and Maglogiannis, 2011)[3] tanpa melibatkan peranan petugas medis selama 24 jam penuh.

Virtual sensor adalah solusi yang visibel dalam meningkatkan daya guna informasi luaran dan infrastruktur monitoring lingkungan. Sebuah infrastruktur besar dan mahal yang telah dibangun dapat dipakai bersama melalui mode virtual. Cloud sensor bertanggung jawab dalam mengorganisasikan konektivitas pengguna dengan perangkat pengawasan lingkungan, menyembunyikan kerumitan sistem serta menghasilkan sistem yang user friendly namun handal.

II. DESAIN INTI INFRASTRUKTUR CLOUD SENSOR

A. Akuisisi Data Sensor

Beberapa alternatif teknologi dan protokol komunikasi dapat dijadikan acuan dalam implementasi teknik akuisisi data. Hal yang paling pokok menjadi acuan bahwa proses akuisisi data harus mendukung mode real-time dan proses normal akuisisi data. Pada mode monitoring waktu-nyata (realtime), pengguna seolah-olah mengakses sensor fisik secara langsung. Namun kenyataannya proses ini melalui perantaraan virtual sensor dalam berkomunikasi dengan sensor fisik. Mode ini mengharuskan pengiriman pesan perintah ke sensor . Sedangkan data dari sensor dapat diteruskan ke database sistem melalui mekanisme push-data, data tersebut harus dapat diinterpretasikan oleh sistem secara tepat.

Selain itu teknik request-response dapat

menjadi alternatif lain dalam proses penyampaian data ke server cloud. Keseluruhan model implementasi pengumpulan data sensor maupun komunikasi antara perangkat lunak sistem sebagai server sistem, dengan peralatan fisik sensor lingkungan dan pendukungnnya, dapat ditangani dengan mode two-way-communication. Model komunikasi 2 (dua) arah memungkinkan penerapan sistem pooling dan sistem push-data ataupun teknik request-response, dalam proses permintaan dan penyimpanan data sensor ke server data terpusat pada cloud.

B. Database Management System

Kadangkala data yang dibutuhkan pengguna adalah data real-time. Namum rekaman data pemantauan adalah data yang akan paling banyak diakses. Ini mengharuskan sistem harus didukung sistem dokumentasi informasi monitoring kedalam database sistem yang tepat.

Selain itu, sistem kompleks seperti monitoring parameter-parameter lingkungan yang beragam akan melibatkan banyak dan beragam pula sensor yang ditempatkan pada lokasi yang berbeda-beda. Sistem harus mampu menorganisasikan sensor-sensor tersebut dengan memberikan rincian informasi tidak saja tentang hasil pemantauan, namun juga informasi detil tentang sensor dan lokasi sensor serta karakteristiknya. Untuk itu, model database dinamis diperlukan untuk mendukung perkembangan sistem yang meliputi penambahan atau pengurangan sensor kedalam sistem. Demikian juga database sistem harus memiliki performansi yang baik. Selain diperlukan dari faktor perangkat lunak DBMS yang handal, juga mesti didukung oleh desain database yang memungkinkan pengaksesan parallel terhadap tabel-tabel data lingkungan secara besar-besaran.

C. User Interface

Idealnya sebuah nilai pengukuran parameter lingkungan dapat dengan mudah dimengerti oleh pengamat tanpa memerlukan interpretasi lebih jauh terhadap data tersebut. Untuk kebutuhan ini data pengukuran yang ditampilkan dalam model grafis akan sangat membanntu pihak yang berkepentingan.

Namun demikian, tidak setiap pihak yang terlibat dengan data-data lingkungan cukup dengan data-data sederhana. Kalangan peneliti sebagai pengguna lanjut, adalah pihak yang membutuhkan data-data mentah parameter lingkungan untuk keperluan proses pengolahan


ISBN: 978-602-18168-0-6 103

atau analisa lingkungan. Pihak peneliti umumnya membutukan kumpulan data-data pemantauan lingkungan menurut rentang waktu tertentu dengan satu atau beberapa parameter yang mereka inginkan.

Kedua tipe kebutuhan tersebut mensyaratkan sistem memiliki antarmuka (interface) yang berbasis grafik GUI dan API (Application Interface) untuk penggunaan sistem lebih jauh oleh pemakai ahli. API harus dapat menghadirkan antarmuka dinamis yang dapat memberikan layanan customized-request.

D. User and Session Management

Virtual sensor memungkinkan pengaksesan kolektif oleh beberapa pengguna data-data sensor fisik secara realtime. Filtur ini mengharuskan ketersediaan pengaturan pengguna sistem. Setiap pengguna yang sedang berinteraksi dengan sistem perlu diidentifikasi untuk menghindari kesalahan proses komunikasi. Selain itu sistem harus mampu mengidentifikasi proses interupsi yang terjadi selama proses komunikasi yang mengakibatkan koneksi pengguna terputus secara tidak normal. Semua pengaturan ini memerlukan pengaturan lebih lanjut pengguna dengan mekanisme session untuk mengidentifikasi pengguna aktif terhadap sistem. Fitur ini sekaligus dapat memberi batasan interaksi-interaksi yang dapat dikerjakan pengguna terhadap sistem.

III. TEKNOLOGI PENDUKUNG IMPLEMENTASI SISTEM

A. Socket Programming

Pemrograman soket menyediakan alternatif yang beragam baik berbasis aplikasi desktop (desktop application) hingga soket berbasis web browser (websocket). Soket beroperasi pada layer protokol standar yaitu protocol TCP/IP sehingga penggunaannya umum dan sesuai untuk mendukung komunikasi multiplatform. Selain itu manfaat paling relevan dari teknologi ini bahwa Soket mendukung komunikasi 2 (dua) arah (two-way communication)[4] sehingga menjadi alternatif yang baik sebagai saluran pertukaran data dan komunikasi sensor fisik dan sistem cloud sensor melalui perantaraan komputer gateway.

B. SOAP Protocol

Simple Object Access Protocol atau SOAP adalah protocol pertukaran informasi dan komunikasi yang mendukung komunikasi multi-

platform. SOAP berbasis format pesan XML[5] yang memungkinkan programmer merumuskan format dasar pesan yang digunakan. XML adalah bahasa markup yang fleksibel dan dapat didefiniskan ulang. Sifat dasar ini menjadi keuntungan dalam membangun arsitektur sistem yang dinamis.

C. Object Relational Model

Konsep obyek memungkinkan pemodelan komposisi informasi yang handal dengan memisahkan secara logik informasi-informasi yang berbeda sebagai satu kesatuan lain yang tunggal, mandiri dan terpisah. Cara ini memberi keuntungan dalam memisahkan data-data setiap sensor sehingga perubahan atau kekacauan relasi database suatu sensor tidak berakibat pada data lain. Model obyek akan memberi keleluasaan penambahan tambel-tabel baru melalui pembentukan entitas-entitas obyek baru kedalam sistem database yang merepresentasikan sensor-sensor fisik.

Konsep keterpisahan dan kesatuan ini juga memberi peluang model database yang dinamis. Selain itu protocol SOAP sebagai pendukung sistem mendukung kontruksi pesan komunikasi yang sangat fleksibel dan mendukung tipe data kompleks berbasis model entitas-entitas kelas.

D. WSDL

Web Service Description Language (WSDL)[5] adalah bahasa deksriptif yang menjelaskan fungsi-fungsi yang tersedia sebagai interface atau antarmuka suatu program aplikasi. WSDL ditujukan untuk komunikasi antara perangkat lunak dan tidak diperuntukan untuk pengguna (manusia). WSDL berisi penjelasan cara dalam mengontak, mengirim pesan, mengeksekusi perintah dari suatu program. WSDL juga mendaftar fungsi dan output fungsi yang tersedia pada suatu layanan. WSDL ditulis sedemikian rupa sehingga dapat diinterpretasi oleh program aplikasi client. WSDL dirancang mendukung kinerja lintas platform. Bahasa deskripsi ini berperan sebagai penjelasan antar muka sistem. Sedangkan protocol komunikasi yang digunakan dalam mengeksekusi adalah berbasis protocol SOAP


ISBN: 978-602-18168-0-6 104

IV. MODEL DAN IMPLEMENTASI SISTEM

A. System Model

Sistem mengorganisasikan data pemantauan lingkungan melalui bagian logik virtual sensor. Sedangkan representasi sensor fisik diatur dalam grup manajemen sensor pada server cloud yang dapat diakses melalui internet. sensor fisik terhubung ke sistem melalui computer gateway. Sedangkan sisi pengguna mengakses virtual sensor melalui mekanisme sesi pengguna yang dibangkitkan secara dinamis saat pengguna aktif melalui request layanan ke sistem. Gambar 1 memperlihatkan gambaran utuh sistem cloud sensor.

Gambar. 1. Model sistem infrastruktur cloud sensor dengan bagian sensor manajemen, virtual sensor, manajemen sesi pengguna dan dukungan manajemen pengguna.

B. Real-Time Monitoring Flow

Real-Time mode terjadi saat pengguna menampilkan data pengukuran sensor saat berlangsung dengan delay toleran. Aliran permintaan pengguna terjadi secara langsung menuju sensor fisik dengan melalui perantaraan virtual sensor melalui mekanisme request-response pada gambar 2.

Gambar 2. Real-time monitoring flow. Pengguna menampilkan data pengukuran sesuai kondisi nyata pada sisi sensor. Sistem menangani proses dengan teknik meneruskan permintaan pengguna melalui virtual sensor.

C. Historical Data Request

Pengguna dapat memilih menampilkan data-data pengukuran waktu-waktu sebelumnya. Sistem akan menggunakan database penyimpanan data pengukuran untuk melayani permintaan pengguna. Proses ini tidak melibatkan sensor fisik untuk merespon permintaan pengguna sebagaimana ditunjukan gambar 3.

Gambar 3. Proses permintaan data-data pengukuran waktu-waktu sebelumnya. Proses berujung pada virtual sensor yang melibatkan database sistem.

V. HASIL DAN PEMBAHASAN

A. XML Message Content

Setiap pesan komunikasi dilewatkan sebagai pesan teks berbasis format XML. Gambar 4 memperlihatkan contoh pesan pembawa informasi temperature dan nilai beserta unit satuan yang dijadikan ukuran. Informasi diatur dalam tag-tag markup XML.

Gambar 4. Proses permintaan data-data pengukuran waktu-waktu sebelumnya. Proses berujung pada virtual sensor yang melibatkan database sistem.

Setiap permintaan pengguna terhadap data pemantauan, baik dalam mode real-time maupun permintaan historical data akan dikomunikasikan oleh sistem dalam format pesan yang serupa. Setiap struktur informasi dinyatakan sebagai pasangan open tag dan close tag XML yang akan diinterpretasi oleh logika client dan ditampilkan dalam bentuk informasi berbasis teks atau grafik.

B. Real Time Monitoring Display

Pada sisi pengguna pesan-pesan XML sebagai format komunikasi akan diterjemahkan oleh web


ISBN: 978-602-18168-0-6 105

browser dan ditampilkan dalam bentuk yang mudah dipahami pengguna. Gambar 5 menampilkan data pengukuran berlangsung (current measured value) dari sensor yang memantau perubahan temperatur lingkungan, kelembaban relatif dan kecepatan angin. Pesan XML ditampilkan melalui XML parser yang menghasilkan parameter, nilai dan unit satuan yang berkesesuaian.

Gambar 5. Tampilan grafis beberapa parameter pengukuran sensor yang ditampilkan dalam mode real-time.

Gambar 6 memperlihatkan tampilan interaksi pengguna dalam menyajikan historical data dari proses monitoring lingkungan. Antarmuka pemakai memiliki alternatif untuk menampilkan data berdasarkan harian, mingguan ataupun bulanan sebagai satu kesatuan button menu dari user interfacer (UI).

C. Grafik Display

Alternatif lain output pemantauan lingkungan dapat dalam bentuk grafik seperti pada Gambar 7.

Tampilan memperlihatkan grafik pemantauan temperatur lingkungan harian selama 24 jam. Perekaman dilakukan setiap satu jam yang direpresentasikan dalam grafik sebagai sumbu axis. Sedangkan nilai pengukuran dalam derajat Celcius berkisar antara 37 hingga 41 0 C.

Gambar 7. Tampilan grafik pemantauan harian parameter temperature lingkungan.

VI. KESIMPULAN

Infrastruktur cloud sensor yang diimplementasikan dengan dukungan teknologi yang tepat dapat menambah daya guna sensor-sensor fisik dalam aktivitas monitoring lingkungan. Secara fiisik sensor dapat ditempatkan terpisah secara geografis dengan pengguna, namun dapat diakses tanpa kendala berarti. Demikian pula halnya sensor fisik yang tunggal dapat dimanfaatkan bersamaan oleh beberapa pengguna sistem dengan menajemen session pengguna.

Cloud sensor dapat menurunkan biaya proses monitoring lingkungan. Ini karena akktivitas tersebut dapat dilakukan secara kolektif dengan hanya menyediakan peralatan yang dipakai bersama. Disamping setiap pengguna tidak harus berinteraksi melalui prosedur rumit dengan sistem untuk mendapatkan data-data keperluan mereka. Model infrastruktur cloud sensor dengan antarmuka berbasis web memberi kemudahan bagi pengguna sistem layaknya mereka mengakses halaman web biasa pada saat memantau parameter-parameter lingkungan.

DAFTAR PUSTAKA

[1] M. Yuriyama, T. Kushida, “Sensor –Cloud Infrastruture, Physical Sensor Management with Virtualized Sensors on Cloud Computing”, IEEE 2010 13th International Conference on Network-Based infromation System.

[2] V. Rajesh, J. M. Gnanasekar, R. S. Pomagal, P. Anbalagan, “Integration of Wireless Sensor Networkwith Cloud”. IEEE 2010 International Conference on Recent Trends in Information, Telecommunication and Computing.

[3] C. Doukas, I. Maglogiannis, “Managing Wearable Sensor Data through Cloud Computing”. IEEE 2011 Third International Conference on Cloud Computing Technology and Science.

[4] J. Graba, “An Introduction to Network Programming with Java” ebook version 2007.

[5] S. Graham, D. Davis, S. Simeonov, G. Daniels, P. Brittenham, Y. Nakamura, P. Fremantle, D. Konig, C. Zentner, “Building Web Services with Java, Making Sense of XML, SOAP, WSDL, and UDDI”. Sams Publishing, 800 East 96th Street, Indianapolis, Indiana 46240.


ISBN: 978-602-18168-0-6 106

Abstrak—Tujuan utama dari penelitian ini yaitu menggunakan alat web camera (webcam) sebagai sumber citra dari sistem identifikasi telapak tangan dengan menggunakan algoritma Neural Network Back Propagation (NNBP) dan Fuzzy Neural Network (FNN). Dengan menggunakan 390 sampel citra telapak tangan, 2.05% sampel digunakan untuk proses pelatihan algoritma NNBP dan sisanya digunakan untuk pengujian tingkat keberhasilan dari algoritma NNBP dan FNN.

Tingkat keberhasilan algoritma FNN lebih baik dari pada algoritma NNBP. Tingkat keberhasilan algoritma NNBP adalah 78.13%. Nilai tersebut naik hingga 81% ketika digunakan algoritma FNN. Tingkat keberhasilan menurun hingga 34.58% dan 37.5% untuk algoritma NNBP dan FNN ketika warna pada citra divariasikan.

I. PENDAHULUAN

istem identifikasi biometrik sangat berperan dalam dunia teknologi dan selalu mengalami

perkembangan untuk menghasilkan sistem yang lebih sempurna. Berbeda dengan cara konvensional, perkembangan sistem memiliki metode atau algoritma yang akan menghasilkan sesuatu yang lebih efektif dan efisien. Selain metode atau algoritma, setiap sistem juga harus memiliki alat akuisisi data yang tepat sehingga mampu mengambil data sesuai dengan kebutuhan. Metode yang digunakan merupakan penggabungan metode pengukuran geometri telapak tangan melalui proses pengolahan citra dan metode pengenalan pola dengan algoritma Neural Network Back Propagation (NNBP) dan Fuzzy Neural Network (FNN) sehingga diperoleh suatu metode identifikasi yang memiliki akurasi dan performansi seperti yang diinginkan. Penelitian ini juga melakukan pengujian pada citra dengan penambahan gangguan warna untuk lebih

mengetahui tingkat keberhasilan terhadap metode yang digunakan apakah sudah berfungsi maksimal sebagai sistem identifikasi telapak tangan.

II. LANDASAN TEORI

A. Anatomi Telapak Tangan

Telapak tangan merupakan salah satu bagian dari tubuh manusia yang memiliki keunikan atau perbedaan pada setiap manusia. Setiap telapak tangan terdiri atas lima jari yang melekat pada tangan bagian bawah yang dibatasi oleh pergelangan tangan. Gambar 1 menunjukkan anatomi permukaan telapak tangan yang dipublikasikan oleh American Society for Surgery of the Hand. Gambar 1. Anatomi Telapak Tangan

B. Pengolahan Citra

Pengolahan citra bertujuan untuk menghasilkan citra yang diinginkan. Beberapa operasi dalam pengolahan citra antara lain: 1. Proses Gray Scale 2. Thresholding 3. Segmentasi 4. Deteksi Tepi

C. Color Balance

Color Balance adalah keseimbangan warna yang direpresentasikan dengan nilai rata – rata warna merah (Red), Hijau (Green) dan Biru (Blue) pada setiap titik piksel pada citra. Paket warna

Sistem Identifikasi Telapak Tangan Menggunakan Webcam Dengan

Algoritma Neuro Fuzzy

Hartanto Kejuruan Listrik BLKI Makassar

Kementerian Tenaga Kerja dan Transmigrasi RI Email: [email protected]

S


ISBN: 978-602-18168-0-6 107

merah, hijau dan biru biasa disebut dengan istilah RGB channel. Nilai warna RGB sebesar 8 bit dan dapat digunakan mulai dari nilai 0 – 255 untuk masing – masing RGB channel. Perubahan salah satu warna dapat menyebabkan berubahnya kondisi nilai rata – rata warna RGB pada piksel. Color Balance selain digunakan untuk memperbaiki, memperhalus dan memperjelas citra juga dapat digunakan sebagai noise terhadap citra untuk kebutuhan tertentu.

D. Neural Network

Lapisan - lapisan penyusun Neural Network dapat dibagi menjadi tiga yaitu: 1. Lapisan Input

Node – node di dalam lapisan input disebut unit – unit input. Unit – unit input menerima input dari dunia luar. Input yang dimasukkan merupakan penggambaran dari suatu masalah.

2. Lapisan tersembunyi Node – node di dalam lapisan tersembunyi disebut unit – unit tersembunyi. Output dari lapisan ini tidak secara langsung dapat diamati.

3. Lapisan Output Node – node pada lapisan output disebut unit – unit output. Keluaran atau output dari lapisan ini merupakan output Neural Network terhadap suatu permasalahan.

Gambar 2. Arsitektur Neural Network

Jaringan NNBP memiliki beberapa unit yang ada dalam satu atau lebih layar tersembunyi. Gambar 3 adalah arsitektur Neural Network Back Propagation dengan n buah masukan (ditambah sebuah bias), sebuah layar tersembunyi yang terdiri dari p unit (ditambah sebuah bias), serta m buah unit keluaran.

Gambar 3. Arsitektur Neural Network Back Propagation

Pelatihan Neural Network Back Propagation meliputi 3 fase yaitu:

Fase I: Forward Propagation

Selama forward propagation, sinyal masukan (xi) dipropagasikan ke layar tersembunyi menggunakan fungsi aktivasi yang ditentukan. Keluaran dari setiap unit layar tersembunyi (zj) tersebut selanjutnya dipropagasikan maju lagi ke layar tersembunyi di atasnya menggunakan fungsi aktivasi yang ditentukan. Demikian seterusnya hingga menghasilkan keluaran jaringan (yk).

Berikutnya, keluaran jaringan (yk) dibandingkan dengan target yang harus dicapai (tk). Selisih tk – yk adalah kesalahan yang terjadi. Jika kesalahan ini lebih kecil dari batas toleransi yang ditentukan maka iterasi dihentikan. Akan tetapi apabila kesalahan masih besar dari batas toleransinya maka bobot setiap garis dalam jaringan akan dimodifikasi untuk mengurangi kesalahan yang terjadi.

Fase II: Back Propagation

Berdasarkan kesalahan tk – yk dihitung factor δk

(k = 1, 2, … , m) yang dipakai untuk mendistribusikan kesalahan di unit yk ke semua unit tersembunyi yang terhubung langsung dengan yk. δk juga dipakai untuk mengubah bobot garis yang berhubungan langsung dengan unit keluaran. Dengan cara yang sama, dihitung factor δj di setiap unit layar tersembunyi sebagai dasar perubahan bobot semua garis yang berasal dari unit tersembunyi di layar bawahnya. Demikian seterusnya hingga semua factor δ di unit tersembunyi yang berhubungan langsung dengan unit masukan dihitung.

Fase III: Perubahan Bobot

Setelah semua factor δ dihitung, bobot semua garis dimodifikasi bersamaan. Perubahan bobot suatu garis didasarkan atas factor δ neuron di layar atasnya. Ketiga fase tersebut diulang – ulang sampai kondisi penghentian terpenuhi.

Algoritma pelatihan untuk jaringan dengan satu layar tersembunyi adalah sebagai berikut:

1. Menginisialisasi semua bobot dengan bilangan acak kecil.

2. Tiap unit masukan menerima sinyal dan meneruskannya ke unit tersembunyi di atasnya

3. Menghitung semua keluaran di unit tersembunyi zj (j = 1,2,…, p)

_

_1

1 _

X 1

X 2

X 3

Z 1

Z 2

Y

N ila i Inpu t Lapisan input M atriks bobotLapisan

tersem bunyiM atriks bobot

ke-Lapisan output N ila i output

W 12

W 16

W 14

W 13

W 15

W 11

W 1

W 2


ISBN: 978-602-18168-0-6 108

4. Menghitung semua keluaran jaringan di unit yk (k = 1,2,…, m)

_

_1

1 _

5. Menghitung faktor δ unit keluaran berdasarkan kesalahan di setiap unit keluaran yk (k = 1,2,…, m) δk merupakan unit kesalahan yang akan dipakai dalam perubahan bobot layar di bawahnya. Laju percepatan α untuk menghitung suku bobot wkj.

6. Menghitung faktor δ unit tersembunyi

berdasarkan kesalahan di setiap unit tersembunyi zj (j = 1,2,…, p)

_

Faktor δ unit tersembunyi:

Menghitung suku perubahan bobot vji. 7. Menghitung semua perubahan bobot.

Perubahan bobot garis yang menuju ke unit keluaran:

Perubahan bobot garis yang menuju ke unit tersembunyi:

Setelah pelatihan selesai dilakukan, jaringan dapat dipakai untuk pengenalan pola. Dalam hal ini, hanya Forward Propagation (langkah 3 dan 4) saja yang dipakai untuk menentukan keluaran jaringan.

E. Fuzzy Neural Network (FNN)

Fuzzy Neural Network (FNN) merupakan suatu model yang dilatih menggunakan jaringan syaraf, namun struktur jaringannya diinterpretasikan dengan sekelompok aturan – aturan fuzzy (Kasabov,2002). Pada FNN, parameter – parameter yang dimiliki oleh neuron dan bobot – bobot penghubung yang biasanya disajikan secara

numeris, dapat diganti dengan parameter – parameter fuzzy (Lin,1996). Adakalanya input dan output bernilai fuzzy, atau baik input, output, maupun bobotnya bernilai fuzzy (Fuller,1995).

Himpunan fuzzy adalah generalisasi konsep himpunan biasa. Untuk semesta wacana U, himpunan fuzzy ditentukan oleh fungsi keanggotaan yang memetakan anggota u ke rentang keanggotaan dalam interval [0,1].

Sistem Fuzzy Neural Network (FNN) pada dasarnya sama dengan Neural Network Back Propagation (NNBP) dengan perbedaan bagian input dan output difuzzykan terlebih dahulu. FNN atas tiga lapisan dengan fungsi yang berbeda untuk tiap lapisannya. Lapisan pertama berupa input yang telah difuzzykan. Lapisan kedua merupakan lapisan tersembunyi untuk melakukan proses komputasi. Lapisan ketiga berfungsi sebagai output. Pada lapisan ini juga difuzzykan terlebih dahulu untuk mendapatkan hasil yang diinginkan.

Gambar 4. Arsitektur FNN

III. METODOLOGI

Metodologi sistem identifikasi telapak tangan terdiri atas delapan tahapan yaitu: 1. Akuisisi data citra.

Akuisisi data dilakukan dengan webcam untuk mendapatkan citra telapak tangan.

2. Pengolahan citra. Proses pengolahan citra meliputi proses cropping, grayscale, thresholding, deteksi tepi, segmentasi dan ekstraksi ciri citra.

3. Pembagian citra untuk data pelatihan dan pengujian.

4. Pengukuran geometri telapak tangan. Pengukuran geometri telapak tangan dilakukan untuk mendapatkan parameter identifikasi.

5. Proses pelatihan data Neural Network Back Propagation (NNBP). Pelatihan data digunakan untuk menghasilkan bobot – bobot baru yang konvergen dengan output target.

6. Proses Pengujian Data. Proses pengujian data berfungsi untuk mengetahui nilai output yang dihasilkan oleh citra yang diidentifikasi. Metode identifikasi yang digunakan adalah:


ISBN: 978-602-18168-0-6 109

a. Neural Network Back Propagation (NNBP) b. Fuzzy Neural Network (FNN)

7. Perusakan warna Citra 8. Analisis sistem identifikasi telapak tangan.


A. Akuisisi Data Citra

Pengambilan citra dilakukan dengan bantuan titik kontrol sebagai acuan untuk menentukan letak jari agar didapatkan posisi yang sama untuk mempermudah proses segmentasi dalam pengolahan citra.

Gambar 5. Posisi titik kontrol

Sampel citra yang dihasilkan dari proses ini sebanyak 50 sampel citra yang berasal dari webcam untuk 10 subyek telapak tangan dengan masing – masing 5 sampel.

B. Cropping dan Thresholding Citra

Proses awal sebelum pengolahan citra adalah cropping pada citra awal untuk mempersempit daerah identifikasi dengan mengurangi atau menghilangkan bagian – bagian diluar obyek identifikasi. Berdasarkan perangkat keras sistem yang ada, perubahan ukuran cropping pada webcam adalah menjadi 190 x 210 piksel.

Proses selanjutnya yang dilakukan adalah proses grayscale dan thresholding untuk memberikan nilai ambang citra biner. Nilai ambang yang diberikan adalah ambang atas 103 dan ambang bawah 93. Thresholding yang digunakan adalah ambang ganda agar diperoleh nilai garis – garis yang spesifik seperti terlihat dalam gambar 7.

Ambang atas dan ambang bawah digunakan sebagai batasan nilai grayscale yang masuk kategori putih (255) atau hitam (0).

Gambar 6. Urutan proses citra warna menjadi biner

Gambar 7. Contoh thresholding

C. Segmentasi dan Deteksi Tepi

Daerah segmentasi dijadikan sebagai data parameter dari citra telapak tangan.

Gambar 8. Segmentasi citra telapak tangan

Hasil segmentasi didapatkan ekstraksi ciri citra telapak tangan yang terdiri dari: A. Titik – titik tengah daerah bagian:

1. Ujung Ibu Jari 2. Garis Distal Interphalangeal Ibu Jari 3. Garis Proximal Interphalangeal Ibu Jari 4. Ujung Jari Telunjuk 5. Garis Distal Interphalangeal Jari Telunjuk 6. Garis Proximal Interphalangeal Jari

Telunjuk 7. Garis Palmar Interphalangeal Jari Telunjuk 8. Ujung Jari Tengah 9. Garis Distal Interphalangeal Jari Tengah 10. Garis Proximal Interphalangeal Jari Tengah 11. Garis Palmar Interphalangeal Jari Tengah 12. Ujung Jari Manis 13. Garis Distal Interphalangeal Jari Manis 14. Garis Proximal Interphalangeal Jari Manis 15. Garis Palmar Interphalangeal Jari Manis 16. Ujung Jari Kelingking 17. Garis Distal Interphalangeal Jari Kelingking 18. Garis Proximal Interphalangeal Jari

Kelingking 19. Garis Palmar Interphalangeal Jari

Kelingking B. Titik koordinat pixel yang merepresentasikan

panjang dan lebar telapak tangan

Gambar 9. Titik – Titik Ekstraksi Ciri Telapak Tangan


ISBN: 978-602-18168-0-6 110

D. Data Pelatihan dan Pengujian Citra

Jumlah sampel awal untuk alat akuisisi adalah 50 citra. Sampel ini berasal dari 10 subyek manusia masing – masing sebanyak 5 citra. Sampel sebanyak 50 ini dibagi menjadi 2 bagian yaitu data yang dikenal dan tidak dikenal untuk proses pelatihan dan pengujian.

Gambar 10. Pembagian awal data sampel

Pada penelitian ini juga ditambahkan data pengujian untuk perusakan citra dengan perubahan warna biru, merah dan kuning pada color balance untuk sampel pertama dari setiap subyek.

Gambar 11. Pembagian data perusakan warna pada citra

Setelah dilakukan pengujian perusakan warna dengan perubahan color balance 1-10 maka dapat diketahui bahwa color balance level 10 merupakan tingkat perubahan warna yang harus diuji untuk semua sampel subyek. Penurunan tingkat keberhasilan terhadap hasil pengujian sangat diperlukan untuk mengetahui karakteristik perubahan warna terhadap metode yang digunakan.

Gambar 12. Pembagian data pelatihan dan pengujian

E. Pengukuran Geometeri telapak Tangan

Proses pengukuran geometri telapak tangan merupakan kelanjutan dari hasil ekstraksi ciri citra dimana akan diambil parameter – parameter untuk dijadikan data identifikasi. Total parameter input data adalah 16 parameter.

Gambar 13. Garis – Garis Parameter Telapak Tangan Tabel 1. Hasil pengukuran rata - rata geometri telapak tangan

menggunakan webcam (ukuran piksel)

Keterangan: DP : Distal Phalanx PP : Proximal Phalanx MP : Middle Phalanx TT : Telapak Tangan

Tabel 2. Perbandingan nilai parameter

Keterangan: Nilai minimal, nilai maximal dan range dalam satuan piksel


ISBN: 978-602-18168-0-6 111

F. Proses Pelatihan Neural Network Back Propagation (NNBP)

Total parameter yang digunakan untuk proses identifikasi adalah 16 buah. Sehingga arsitektur jaringan yang akan dibuat terdiri dari 16 node pada lapisan input dengan 1 node bias, 3 node pada lapisan tersembunyi dengan 1 node bias serta 1 node pada lapisan output. Bobot yang ada pada jaringan ini terdiri 51 nilai bobot antara lapisan input dan tersembunyi serta 4 nilai bobot antara lapisan tersembunyi dengan lapisan output.

NNBP digunakan untuk mencari bobot – bobot yang sesuai untuk pengklasifikasian subyek telapak tangan. Pencarian output yang sesuai target dibatasi dengan toleransi error pada output yaitu 0,03. Jika belum tercapai maka akan dibatasi dengan jumlah epoch sebanyak 1.000.000 iterasi. Pembatasan epoch dilakukan untuk membatasi proses iterasi yang belum diketahui kapan berakhirnya.

Gambar 14. Proses Penentuan Nilai Bobot Baru

G. Tingkat Keberhasilan NNBP dan FNN

Tingkat keberhasilan diukur melalui pengujian algoritma yang digunakan yaitu Neural Network Back Propagation (NNBP) dan Fuzzy Neural Network (FNN).

Gambar 15. Jaringan NNBP Untuk Pengujian

Gambar 16. Jaringan FNN Untuk Pengujian

Tabel 3. Tingkat keberhasilan pengujian berdasarkan data

Tingkat keberhasilan pengujian berdasarkan metode dihasilkan dari nilai rata – rata pengujian data di luar data pelatihan (pengujian A) dengan data tidak dikenal (pengujian B) menghasilkan 78,13% untuk NNBP dan 81,25% untuk FNN.

H. Pengujian Citra Color Balance Level 10

Pengujian color balance level 10 dilakukan untuk mengetahui penurunan tingkat keberhasilan dari hasil pengujian dalam kondisi normal. Tabel 4. Penurunan Tingkat Keberhasilan Color Balance Level

10 berdasarkan data pengujian

Tingkat keberhasilan pengujian berdasarkan color balance level 10 dihasilkan dari nilai rata – rata pengujian data perubahan warna biru, merah dan kuning di luar data pelatihan (pengujian A) dengan data tidak dikenal (pengujian B) menghasilkan 34.58% untuk NNBP dan 37.5% untuk FNN.

V. KESIMPULAN

Berdasarkan penelitian yang telah dilakukan maka dapat diambil kesimpulan bahwa: 1. Penggunaan alat akuisisi webcam

menghasilkan tingkat keberhasilan algoritma FNN lebih baik dari pada algoritma NNBP. Tingkat keberhasilan algoritma NNBP adalah 78.13%. Nilai tersebut naik hingga 81.25% ketika digunakan algoritma FNN.


ISBN: 978-602-18168-0-6 112

2. Tingkat keberhasilan menurun hingga 34.58% dan 37.5% untuk algoritma NNBP dan FNN ketika warna pada citra divariasikan. Persentase ini menunjukkan bahwa variasi warna pada citra sangat sensitif dan berpengaruh terhadap hasil identifikasi.

DAFTAR PUSTAKA [1] Achmad, B. dan Firdausy, K. 2005. Teknik Pengolahan

Citra Digital menggunakan DELPHI. Ardi Publishing, Yogyakarta.

[2] American Society for Surgery of the Hand. The Hand: Examination and Diagnosis, 3rd Edition, Penerbit Churchill Livingstone

[3] Fadlisyah. 2007. Computer Vision dan Pengolahan Citra. Penerbit Andi, Yogyakarta.

[4] Fadliansyah., Nurlaila. dan Muthmainah. 2007. Pengantar Grafika Komputer. Penerbit Andi, Yogyakarta.

[5] Hermawan, Arief. 2006. Jaringan Syaraf Tiruan, Teori dan Aplikasi. Penerbit Andi, Yogyakarta.

[6] Jang, Jyh-Shing Roger. 1997. Adaptive Network based Fuzzy Inference System. Department of Electrical Engineering and computer Science University of California, Berkeley.

[7] Jang, Jyh-Shing Roger., Sun, Chuen-Tsai. dan Mizutani, Eiji. 1997. Neuro Fuzzy and Soft Computing. Penerbit Prentice-Hall International, Inc, United States of America

[8] Kusumadewi, Sri. dan Hartati, Sri. 2006. Neuro Fuzzy: Integrasi Sistem Fuzzy dan Jaringan Syaraf Tiruan. Penerbit Graha Ilmu, Yogyakarta.

[9] Lim, Resmana. dan Santoso. Verifikasi Personal Berdasarkan Citra Tangan dengan Metode Filter Gabor. Surabaya: Jurusan Teknik Elektro Universitas Kristen Petra

[10] Sentoso, Budiono. 2003. Identifikasi Personal Berdasarkan Citra Struktur Tangan. Jurnal Informatika, (Online), Vol. 4, No. 2, (http://puslit.petra.ac.id/journals/informatics/, diakses 15 November 2008).

[11] Susilo, Djoko. 2005. Grafika Komputer dengan Delphi. Graha Ilmu, Yogyakarta.

[12] Warni, Elly. 2008. Penentuan Morfologi Sel Darah Merah. Tesis tidak diterbitkan. Makassar: Program Pascasarjana Program Studi Teknik Elektro Unhas

[13] Widodo, Thomas Sri. 2005. Sistem Neuro Fuzzy. Penerbit Graha Ilmu, Yogyakarta.


ISBN: 978-602-18168-0-6 113

Abstrak— Informasi penerbangan real time dan akurat sangat diperlukan oleh user yang akan melakukan perjalanan penerbangan. Pada paper ini dibahas tentang desain dan implementasi untuk membangun sistem yang akan mem-presentasikan informasi penerbangan bagi user agar dapat menentukan rute penerbangan terbaik dari suatu kota ke kota lain berdasarkan optimasi waktu dan harga. Sistem ini dibangun berdasarkan arsitektur multi-tier dengan pendekatan konsep agen yang terdiri dari dua bagian, yaitu connectivity agent dan search agent. Connectivity agent menggabungkan teknik database dan web yaitu ODBC dan AJAX untuk meng-integrasikan informasi penerbangan secara otomatis dari berbagai maskapai penerbangan. Search agent melakukan komputasi rute terbaik dengan Metode Graph dan Algoritma Floyd-Warshall. Pengujian simulasi sistem dan implementasi aplikasi menunjukkan akurasi komputasi sesuai perhitungan manual serta dapat bekerja secara real time.

Kata Kunci : rute penerbangan, agen, metode graf, algoritma Floyd-Warshall

I. PENDAHULUAN

mumnya maskapai penerbangan sebagai penyelenggara jasa penerbangan meyediakan

informasi penerbangan melalui website masing-masing. Ada pula beberapa agen travel penerbangan menyediakan link ke beberapa ke maskapai penerbangan. Jika ingin mendapatkan tentang informasi dari berbagai maskapai penerbangan, maka user meng-akses website-website tersebut dan menghitung secara manual untuk menentukan cara penerbangannya dari beberapa alternatif cara penerbangan yang dapat ditempuh berdasarkan pertimbangan biaya dan atau waktu. Dengan demikian, dibutuhkan adalah suatu sistem dengan aplikasi yang akan mem-

presentasikan informasi penerbangan yang sudah terintegrasi khususnya tentang beberapa alternatif tersebut tanpa perlu browsing ke semua website maskapai penerbangan. Dalam paper ini akan dibahas tentang desain suatu sistem yang akan mem-presentasikan informasi penerbangan dengan komputasi optimasi waktu dan harga yang terintegrasi dan real time.

Aplikasi yang dibangun akan berfungsi sebagai sistem penunjang keputusan (decision support system) bagi customer agar dapat mengetahui beberapa alternatif rute penerbangan serta rute terbaik yang dapat ditempuh berdasarkan harga tiket atau waktu tempuh perjalanan minimum sehingga pengambilan keputusan jenis, cara dan waktu keberangkatan dapat diatur dengan mudah.

Ada dua hal yang menjadi fokus dalam persoalan ini yaitu bagaimana teknik manajemen dan integrasi data dari beberapa database maskapai penerbangan yang merupakan sumber-sumber terdistribusi dalam jaringan internet, untuk menghasilkan informasi rute penerbangan domestik yang terintegrasi dan real time, kemudian bagaimana mengimplementasikan sebuah sistem penunjang keputusan rute penerbangan domestik bagi customer.

Desain sistem dalam bentuk arsitektur sistem database terdistribusi dalam jaringan internet dengan teknologi web services dan meng-implementasikan aplikasi web dengan pendekatan konsep agent service dengan Metode Graph dan Algoritma Floyd-Warshall dibahas dalam paper ini.

II. KAJIAN PUSTAKA

A. Agent

Konsep agent sudah dikenal lama dalam bidang artificial intelligence. Saat ini penelitian dan implementasi agent semakin berkembang sampai sekarang.

Caglayan [3] mendefinisikan agent sebagai:

Sistem Rute Penerbangan Berbasis Internet Agent Service

Rini Nur1), Zahir Zainuddin2), dan Rhiza S. Sadjad3)

Teknik Komputer & Jaringan Jurusan Elektro, Politeknik Negeri Ujung Pandang1)

Jurusan Elektro, Fakultas Teknik Universitas Hasanuddin2&3)

Email: [email protected], [email protected], [email protected]

U


ISBN: 978-602-18168-0-6 114

Suatu entitas software komputer yang memungkinkan user (pengguna) untuk mendelegasikan tugas kepadanya secara mandiri (autonomously).

Kemudian beberapa peneliti lain menambahkan satu point lagi, yaitu bahwa agent harus bisa berjalan dalam kerangka lingkungan jaringan (network environment).

Definisi agent dari para peneliti lain pada hakekatnya adalah senada, meskipun ada yang menambahkan atribut dan karakteristik agent ke dalam definisinya.

1. Karakteristik Agent

Pada hakekatnya daftar karakteristik dan atribut dibawah adalah merupakan hasil survei dari karakteristik yang dimiliki oleh agent-agent yang ada pada saat ini :

a. Autonomy: Agent dapat melakukan tugas secara mandiri dan tidak dipengaruhi secara langsung oleh user, agent lain ataupun oleh lingkungan (environment).

b. Intelligence, Reasoning, dan Learning: Setiap agent harus mempunyai standar minimum untuk bisa disebut agent, yaitu intelegensi (intelligence). lingkungan.

c. Mobility dan Stationary: Khusus untuk mobile agent, dia harus memiliki kemampuan yang merupakan karakteristik tertinggi yang dia miliki yaitu mobilitas.

d. Delegation: agent bergerak dalam kerangka menjalankan tugas yang diperintahkan oleh user.

e. Reactivity: Karakteristik agent yang lain adalah kemampuan untuk bisa cepat beradaptasi dengan adanya perubahan informasi yang ada dalam suatu lingkungan.

f. Proactivity dan Goal-Oriented: Agent tidak hanya dituntut bisa beradaptasi terhadap perubahan lingkungan, tetapi juga harus mengambil inisiatif langkah penyelesaian apa yang harus diambil. Untuk itu agent harus didesain memiliki tujuan (goal) yang jelas, dan selalu berorientasi kepada tujuan yang diembannya (goal-oriented).

g. Communication and Coordination Capability: Agent harus memiliki kemampuan berkomunikasi dengan user dan juga agent lain.

2. Klasifikasi Agent

Teknik klasifikasi agent menurut karakteristik dipelopori oleh Nwana [2]. Menurut Nwana, agent bisa diklasifikasikan menjadi delapan berdasarkan pada karakteristiknya :

Gambar 1. Klasifikasi Agent menurut karakteristik yang

dimiliki [2]

a. Collaborative Agent: Agent yang memiliki kemampuan melakukan kolaborasi dan koordinasi antar agent dalam kerangka Multi Agent System (MAS).

b. Interface Agent: Agent yang memiliki kemampuan untuk berkolaborasi dengan user, melakukan fungsi monitoring dan learning untuk memenuhi kebutuhan user.

c. Mobile Agent: Agent yang memiliki kemampuan untuk bergerak dari suatu tempat ke tempat lain, dan secara mandiri melakukan tugas ditempat barunya tersebut, dalam lingkungan jaringan komputer.

d. Information dan Internet Agent: Agent yang memiliki kemampuan untuk menjelajah internet untuk melakukan pencarian, pemfilteran, dan penyajian informasi untuk user, secara mandiri. Atau dengan kata lain, memanage informasi yang ada di dalam jaringan Internet.

e. Reactive Agent: Agent yang memiliki kemampuan untuk bisa cepat beradaptasi dengan lingkungan baru dimana dia berada.

f. Hybrid Agent: Kita sudah mempunyai lima klasifikasi agent. Kemudian agent yang memiliki katakteristik yang merupakan gabungan dari karakteristik yang sudah kita sebutkan sebelumnya adalah termasuk ke dalam hybrid agent.

g. Heterogeneous Agent System: Dalam lingkungan Multi Agent System (MAS), apabila terdapat dua atau lebih hybrid agent yang memiliki perbedaan kemampuan dan karakteristik, maka sistem MAS tersebut kita sebut dengan heterogeneous agent system.

Caglayan [3] membuat suatu klasifikasi yang menarik mengenai agent, yang berdasar kepada lingkungan (environment) dimana agent dijalankan.

Reactive Agent

Mobile Agent

Hybrid Agent

Interface Agent

Heterogeneous Agent System

Information and Internet

Agent

Collaborative Agent

Software Agent


ISBN: 978-602-18168-0-6 115

Gambar 2. Klasifikasi Agent menurut lingkungan dimana dijalankan [3]

Dari sudut pandang dimana dijalankan, software

agent bisa diklasifikasikan sebagai desktop agent, internet agent dan intranet agent. Lebih jelasnya, daftar dibawah menguraikan klasifikasi tersebut secara mendetail. a. Desktop Agent: Agent yang hidup dan

bertugas dalam lingkungan Personal Computer (PC), dan berjalan diatas suatu Operating System (OS). Termasuk dalam klasifikasi ini adalah:

1. Operating System Agent 2. Application Agent 3. Application Suite Agent

b. Internet Agent: Agent yang hidup dan bertugas dalam lingkungan jaringan Internet, melakukan tugas memanage informasi yang ada di Internet. Termasuk dalam klasifikasi ini adalah:

1. Web Search Agent 2. Web Server Agent 3. Information Filtering Agent 4. Information Retrieval Agent 5. Notification Agent 6. Service Agent 7. Mobile Agent

c. Intranet Agent: Agent yang hidup dan bertugas dalam lingkungan jaringan Intranet, melakukan tugas memanage informasi yang ada di Intranet. Termasuk dalam klasifikasi ini adalah:

1. Collaborative Customization Agent 2. Process Automation Agent 3. Database Agent 4. Resource Brokering Agent

Dari uraian tentang agent diatas, dapat didefenisikan bahwa kategori agent yang akan diimplementasikan pada sistem ini adalah Information and Internet Agent dalam klasifikasi agent berdasarkan karakteristik [2] dan Internet Agent menurut berdasarkan klasifikasi lingkungan dimana dijalankan [3].

3. Software Agent

Dalam ilmu komputer, software agents merupakan sebuah software yang dapat berinteraksi dengan user atau program lain yang berkaitan dengan agency. Seperti “kegiatan yang mewakili”, mengimplikasikan otoritas untuk memutuskan prioritas kegiatan yang harus dilakukan terlebih dahulu.

Adapun Intellegent Agent adalah bagian dari software agent yang berinteraksi dengan lingkungannya, menyelesaikan masalah sesuai dengan kebutuhan user.

Intelligent Agent are software entity that carry out some set of operation on behalf of user or another program with some degree of independence or autonomy, and in doing so, employ some knowledge or representation of the user’s goal or desire [IBM Agent]

Sebuah intelligent agent yang dioperasikan dalam lingkungan software, meliputi system operasi, aplikasi komputer, database, jaringan dan domain virtual.

Intelligent Distributed Information Management System diharapkan dapat memfasilitasi sharing, memanage, mencari dan mempresentasikan informasi yang terdistribusi melalui jaringan. System end user (subscriber) memiliki keuntungan dimana setiap pemakai dapat menerima informasi yang relevan dan tepat waktu dari konten yang terdistribusi dan heterogen secara langsung [6].

Software agent dalam konsepsi black-box bisa divisualisasikan sebagai berikut. Pertama, agent mendapatkan input atau perception terhadap suatu masalah, kemudian bagian intelligent processing mengolah input tersebut sehingga bisa menghasilkan output berupa action (Gambar 3).

Gambar 3. Software Agent secara black-box [3]

Dalam konsepsi black-box, arsitektur software agent bisa diterima oleh semua peneliti, karena arsitektur tersebut bersifat sangat umum dan memungkinkan mencakup semua jenis software agent.

Implementasi Software Agent adalah :

a. Office automation/engineering support 1. mail filtering 2. meeting scheduling 3. intelligent assistance 4. training and performance support

b. Information access


ISBN: 978-602-18168-0-6 116

1. retrieval, filtering, and integration from multiple sources

2. Internet, intranet, extranet c. Resource brokering

1. “fair” allocation of limited computing resources

2. dynamic rerouting and reassignment of tasks

d. Active document interfaces 1. intelligent integration and presentation to

suit the task 2. dynamic configuration according to

resource availability and platform constraints

e. Intelligent collaboration 1. between systems 2. among people 3. mixture of people and agent-assisted

systems

B. Metode Graph dan Algoritma Floyd-Warshall

1. Metode Graph

Graf merupakan suatu cabang ilmu yang memiliki banyak terapan. Banyak sekali struktur yang bisa direpresentasikan dengan graf, dan banyak masalah yang bisa diselesaikan dengan bantuan graf. Seringkali graf digunakan untuk merepresentasikan suatu jaringan. Misalkan jaringan jalan raya dimodelkan graf dengan kota sebagai simpul (vertex/node) dan jalan yang menghubungkan setiap kotanya sebagai sisi (edge) yang bobotnya (weight) adalah panjang dari jalan tersebut. Lintasan terpendek merupakan salah satu dari masalah yang dapat diselesaikan dengan graf.

Gambar 4. Struktur graf

Jika diberikan sebuah graf berbobot, masalah

lintasan terpendek adalah bagaimana kita mencari sebuah jalur pada graf yang meminimalkan jumlah bobot sisi pembentuk jalur tersebut.

Dalam kasus penelitian ini, jaringan rute penerbangan domestik dipandang sebagai graf dimana simpul merepesentasikan bandara, sisi mereprentasikan penerbangan yang memungkinkan, dan bobot dari setiap sisi adalah

waktu penerbangan atau biaya yang dikeluarkan dalam penerbangan tersebut.

Ada beberapa algoritma yang digunakan untuk menyelesaikan persoalan lintasan terpendek, diantaranya Algoritrma Djikstra, Algroritma Bellman-Ford dan Algoritrma Floyd-Warshall, namun Algoritma Floyd-Warshall lebih menjamin keberhasilan solusi optimum [5].

2. Algoritma Floyd-Warshall

Permasalahan penentuan lintasan terpendek antar dua titik yang terhubung langsung maupun tidak terhubung langsung dalam suatu graf dapat diselesaikan dengan implementasi algoritma-algoritma shortest path.

Algoritma Floyd-Warshall adalah salah satu algoritma varian dari pemrograman dinamis, yaitu suatu metode yang melakukan pemecahan masalah dengan memandang solusi yang akan diperoleh sebagai suatu keputusan yang saling terkait. Artinya solusi-solusi tersebut dibentuk dari solusi yang berasal dari tahap sebelumnya dan ada kemungkinan solusi lebih dari satu.

Algoritma Floyd-Warshall memiliki input graph berarah dan berbobot (V,E), yang berupa daftar titik (node/simpul/vertex V) dan daftar sisi (edge E). Jumlah bobot sisi-sisi pada sebuah jalur adalah bobot jalur tersebut. Algoritma ini menghitung bobot terkecil dari semua jalur yang menghubungkan sebuah pasangan titik dan melakukannya sekaligus untuk semua pasangan titik. Bobot terkecil diperoleh dengan beberapa tahap proses perbandingan lintasan terpendek antar dua titik yang melalui simpul antara 1....k dalam graf dengan running time O(V3). Cara ini akan menghasilkan solusi optimal pada setiap subpath/local graf yang dilalui untuk menghasilkan solusi akhir yang optimal juga. Berikut ini pseucode Algoritma Floyd-Warshall:

Pseudocode : Floyd Warshall Algorithm, All pair (G) {assume vertices 1,...,n} for all vertex pairs (i,j)

if i=j D0 [i,j] 0

else if (i,j) is an edge in G

D0 [i,j]) weight of edge (i,j)

else

D0 [i,j] ~


ISBN: 978-602-18168-0-6 117

III. PEMBAHASAN

Dalam bidang Artificial Intelligence, beberapa persoalan dalam dunia nyata dapat dicari solusinya dengan pendekatan berbasis agent. Pencarian dan penemuan rute terkait masalah optimasi merupakan salah satu contoh masalah yang dapat dicari solusinya oleh agent ber-orientasi tujuan yang disebut sebagai problem-solving agent atau lebih khusus lagi yaitu search agent [4].

Search Agent dapat di-implementasikan dengan beberapa metode dan algoritma. Persoalan sistem penentuan rute penerbangan domestik untuk mendapatkan waktu tempuh tercepat atau harga tiket termurah dapat dimodelkan ke dalam suatu graph dan dianalogikan sebagai persoalan lintasan terpendek (shortest path) antar simpul dalam suatu graph untuk mencari jalur yang meminimalkan bobot sisi pembentuk jalur tersebut, dimana simpul mempresentasikan bandara, sisi mempresentasikan penerbangan yang memungkinkan serta bobot dari setiap sisi adalah biaya atau waktu tempuh penerbangan. Ada beberapa algoritma yang digunakan untuk menyelesaikan persoalan ini dalam kerangka Metode Graph, namun Algoritma Floyd-Warshall lebih menjamin keberhasilan solusi optimum [5].

Menemukan dan melakukan manajemen informasi dalam suatu lingkungan sistem database terdistribusi heterogen seperti internet, juga merupakan sebuah proses yang kompleks. Connectivity Agent merupakan suatu mediator untuk melakukan penelusuran data dan interaksi serta integrasi dengan beberapa sumber-sumber data terdistribusi [7]. Analisis tentang sistem yang akan dibangun dilakukan dengan melakukan identifikasi kebutuhan sistem, menentukan batasan dan spesifikasi sistem, termasuk metode akses data terdistribusi serta spesifikasi agent serta cara implementasi Metode Graph dan Algoritma Floyd-Warshall pada aplikasi untuk domain masalah informasi rute penerbangan.

Hasil analisis ini menjadi dasar untuk merancang arsitektur sistem dan model sistem serta membangun simulasi sistem sebagai perwujudan sistem. Tahap selanjutnya adalah tahap desain sistem, dengan merancang pemodelan sistem dalam notasi UML (Unified Modelling Language). Arsitektur sistem yang dirancang memberikan gambaran tentang sistem yang akan dibangun dan arsitektur aplikasi menggambarkan proses dan interaksi antar perangkat lunak.

Arsitektur sistem dapat dijelaskan sebagai berikut:

a. Client tier terdiri dari : komputer-komputer client yang diakses user melalui web browser.

b. Middle tier terdiri dari : 1. Server web, yaitu sebuah program yang

dijalankan pada komputer server, yang bertugas menjalankan jasa layanan web internet kepada komputer-komputer client yang terhubung kepadanya. Penelitian ini menggunakan Apache sebagai server web.

2. Aplikasi Sistem Penentuan Rute Penerbangan Online dibangun dengan menggunakan PHP 5 serta Macromedia Dreamwaver.

c. Data tier terdiri dari : 1. Basis data sebagai master database yang

berfungsi untuk menampung data penerbangan yang berasal dari berbagai maskapai penerbangan. Basis data dibangun dengan MySQL engine dan terintegrasi dengan server hosting web.

2. Existing basis data yang terdapat pada server hosting web dari beberapa maskapai penerbangan. Masing-masing memiliki engine basis data yang berbeda-beda

Gambar 5. Arsitektur Sistem

Dalam jaringan internet, begitu banyak sumber-sumber data yang tersebar. Ada beberapa teknologi yang dapat digunakan untuk memanfaatkan informasi terdistribusi di seluruh dunia melalui internet, salah satunya adalah Intelligent Agent [1]. Arsitektur perangkat lunak dibentuk oleh dua buah agent yaitu connectivity agent yang akan menggambarkan tentang metode akses data dari beberapa server data serta search agent dimana pada bagian ini, data yang telah diakses dari beberapa server kemudian digabungkan dan diolah akan dengan Metode Graph dan Algoritma Floyd-Warshall untuk menentukan suatu rute penerbangan yang memiliki bobot yang minimum yatu dari sisi harga tiket dan waktu tempuh penerbangan. Arsitektur perangkat lunak dibangun dari elemen-elemen antar muka pemakai, komponen yang mengatur basis data dan


ISBN: 978-602-18168-0-6 118

komponen yang mewakili data yang terdapat dalam basis data.

Arsitektur perangkat lunak merupakan kerangka kerja fundamental bagi penstrukturan sistem yang dikembangkan. Aplikasi web dalam penelitian ini dirancang dengan pendekatan konsep agent dimana :

Agent = architecture + program [4].

Arsitektur sistem perangkat lunak didesain terdiri dari Search Agent dan Connectivity Agent yang dapat digambarkan sebagaimana gambar berikut:

Gambar 6. Arsitektur sistem perangkat lunak

A. Search Agent

Search Agent merupakan agent yang mencari strategi dan solusi untuk memecahkan masalah penentuan rute seperti jaringan komputer, perjalanan penerbangan dan lain-lain dengan meng-implementasikan algoritma-algoritma pencarian [4].

Algoritma Floyd-Warshall merupakan algoritma yang paling optimum untuk penentuan rute ‘terpendek” [6]. Algoritma ini dipetakan sebagai salah satu proses/fungsi utama dari aplikasi.

Input dari algoritma ini adalah node-node serta bobot antar dua node dalam suatu graf. Jaringan rute penerbangan domestik dipandang sebagai graf, sedangkan kota/bandara sebagai node-node serta harga tiket atau waktu penerbangan sebagai bobotnya. Output dari pemrosesan Fungsi Algoritma Floyd-Warshall ini adalah rute yang memiliki total bobot paling minimum.

B. Connectivity Agent

Mekanisme koneksi server database maskapai penerbangan yang bersifat heterogen serta proses update database secara otomatis dan kontinyu diperankan oleh Connectivity Agent.

Connectivity Agent diimplemetasikan dalam bentuk koneksi ODBC service dan MySQL_Connect serta pemanfaatan teknologi AJAX.

Koneksi ODBC dilakukan dengan melakukan setting DNS untuk setiap jenis database engine. Lokasi remote database serta hak akses dan koneksi (user id dan password) ditentukan. Dalam penelitian ini masalah otoritas koneksi ke database server maskapai-maskapai penerbangan diasumsikan bersifat publik. Untuk pengembangan fitur ini dapat meng-implementasikan teknik RSS (Really Simple Syndication) dari masing-masing website penerbangan

Teknik AJAX memungkinkan aplikasi web dapat membentuk koneksi secara asinkron dengan web server sehingga Aplikasi dapat berkomunikasi “belakang layar” dengan web server tanpa disadari oleh user.

Umumnya teknologi AJAX digunakan untuk me-refresh/meng-update content pada halaman web dengan mengirimkan objek HTTP Request pada web server baik secara periodik atau melalui pemicuan action tanpa melakuan reload keseluruhan halaman web sebagaimana metode refresh konvensional, karena objek HTTP Request memiliki container berukuran kecil yang dapat menampung data yang berubah saja.

Dalam penelitian ini kami memanfaatkan teknik AJAX untuk melakukan proses koneksi ke sever database maskapai-maskapai penerbangan dan updating database secara otomatis, periodik dan kontinyu dengan mengaitkan prosedurnya pada modul AJAX.

Mekanisme ini menjamin bahwa Sistem Informasi Penentuan Rute Penerbangan Online dapat menampilkan data terbaru sehubungan dengan sering terjadinya fluktuasi perubahan informasi penerbangan khususnya harga tiket pesawat.

Desain tampilan antar muka dirancang sebagai dasar untuk membuat interface pada aplikasi sehingga dapat memetakan input dan output aplikasi yang berinteraksi dengan user.

Pengumpulan data sekunder dilakukan dengan mengambil jadwal serta daftar harga tiket setiap rute penerbangan antar dua kota dari web site masing-masing maskapai penerbangan atau travel. Data variasi jadwal dan variasi harga tiket untuk semua rute dari setiap maskapai penerbangan kemudian digabungkan dengan menggunakan program Excell, selanjutnya di-konversi ke format database.

Format database masing-masing maskapai penerbangan dibuat berbeda untuk menggambarkan format database yang heterogen


ISBN: 978-602-18168-0-6 119

dari setiap maskapai penerbangan dan ditempatkan pada server yang berbeda.

Implementasi Sistem dilakukan dengan : a. Pembangunan database. Pembangunan

database dilakukan dengan pembentukan database master serta simulasi database masing-masing maskapai penerbangan dalam format database yang berbeda.

b. Pembuatan program aplikasi web. Aplikasi web dibangun berdasarkan arsitektur aplikasi hasil desain dan bekerja berdasarkan Metode Graph dan Algoritma Floyd-Warshall.

c. Instalasi Simulasi Sistem. Membangun simulasi sistem yang juga berfungsi sebagai perangkat penelitian dengan menentukan alat dan bahan yang dibutuhkan kemudian melakukan instalasi perangkat keras dan lunak.

Aplikasi Sistem Penentuan Rute Penerbangan online ini diimplementasikan dengan pembuatan aplikasi berbasis web dengan menggunakan script PHP 5.

Tahapan proses pada pemrograman aplikasi adalah:

a. Mekanisme koneksi dan pengambilan serta updating data informasi penerbangan dari beberapa server web maskapai penerbangan ke dalam Tabel Schedule di Database Master secara otomatis dan periodik.

b. Aplikasi pertama kali membaca Tabel Schedule yang telah berisi record-record data jadwal penerbangan dan harga tiket untuk mengambil nama-nama kota/bandara sebagai node-node dan menghitung berapa kota/bandara sebagai jumlah node, bobot pada masing-masing lintasan antar dua kota berupa harga tiket atau waktu terbang yang menjadi masukan bagi fungsi yang meng-implementasikan Algoritma Floyd-Warshall.

c. Untuk optimasi harga tiket penerbangan, maka data utama yang diperlukan dalam perhitungan adalah kota asal dan tujuan sebagai node-node, harga tiket sebagai bobotnya serta waktu berangkat dan waktu tiba. Sedangkan untuk optimasi waktu penerbangan, data utama yang diperlukan dalam perhitungan adalah kota asal dan tujuan sebagai node-node, waktu berangkat dan waktu tiba untuk perhitungan waktu penerbangan sebagai bobotnya. Nama maskapai, nomor penerbangan tidak berpengaruh pada proses perhitungan, namun tetap ditampilkan pada output hasil perhitungan.

d. Bobot harga tiket untuk setiap rute dapat dibaca langsung dari tabel, tetapi bobot

waktu penerbangan diperoleh melalui proses penghitungan selisih waktu berangkat (departure time) dengan waktu tiba (arrival time) dengan penyesuaian zona waktu

e. Karena banyaknya maskapai penerbangan dan pesawat yang melayani setiap rute dengan jadwalnya masing-masing serta adanya variasi harga untuk kelas-kelas seat pada tiap rute masing-masing maskapai penerbangan, maka setiap lintasan dapat memiliki banyak bobot. Untuk itu aplikasi terlebih dahulu menghitung bobot (harga tiket atau waktu penerbangan) paling minimum dari variasi bobot tersebut untuk setiap rute.

f. Aplikasi mulai melakukan proses penghitungan setelah memperoleh kriteria yang diinput oleh user berupa kota asal, kota tujuan, waktu berangkat : tanggal, bulan dan batasan range waktu berangkat (departure time) serta batasan range lama waktu transit yaitu selang waktu antara penerbangan pertama ke penerbangan berikutnya di kota transit.

g. Untuk penerbangan transit, maka user dapat memilih range waktu transitnya dengan batasan waktu transit minimal satu jam. Aplikasi juga harus memperhitungan konektifitas waktu antar rute yang berurutan dimana waktu tiba (arrival time) pada suatu kota transit harus berurutan dengan waktu berangkat (departure time) pada penerbangan berikutnya dengan jeda sesuai batasan minimal waktu transit. Dengan kata lain waktu tiba pada kota transit harus lebih dulu daripada waktu berangkat penerbangan berikutnya (connected). Data-data tambahan ini menjadi filter bagi aplikasi untuk memilih data-data dari Tabel Schedule yang akan diproses oleh Fungsi Algoritma Floyd-Warshall.

h. Fungsi Floyd-Warshall melakukan komputasi dengan cara menghitung bobot suatu rute antar sepasang kota pada tahap pertama, kemudian membandingkannya dengan total bobot untuk rute lain antar sepasang kota tersebut. Kesimpulan sementara, rute dengan total bobot paling minimum ini merupakan rute ter-optimum antar dua kota tersebut. Pada tahap berikutnya rute ini dibandingkan lagi dengan rute yang melalui kota-kota lain. Demikian seterusnya tahapan perhitungan sampai diperoleh total bobot paling minimum antar sepasang kota tersebut.


ISBN: 978-602-18168-0-6 120

Perhitungan ini berakhir jika bobot untuk semua pasangan kota telah dihitung. Output dari fungsi algoritma ini adalah path (rute) serta total bobot paling minimum dari path tersebut

Gambar 7. Graf untuk Rute UPG-MES

i. Output aplikasi berupa tabel-tabel berisi

serangkaian rute penerbangan yang menghasilkan total harga tiket termurah atau total waktu tempuh penerbangan tercepat untuk perjalanan dari kota asal dan tujuan pada waktu sesuai pilihan user. Total waktu tempuh penerbangan antar dua kota adalah kumulatif dari total waktu penerbangan dan total waktu transit. Sedangkan waktu penerbangan adalah selisih waktu kedatangan dengan waktu keberangkatan.

j. Prosedur database updating pada Database Master sebagai berikut: (1) Web Server melakukan koneksi ke

semua server database maskapai penerbangan domestik dengan database engine yang berbeda dengan fasilitas ODBC & MySQL_Connect.

(2) Tabel Schedule pada Database Master di server web dikosongkan dengan metode pengahapusan seluruh record-record data

(3) Download data dari semua database maskapai penerbangan ke dalam Tabel Schedule.

(4) Proses di atas berulang secara otomatis secara periodik sehingga data yang diakses oleh user merupakan data terbaru (up to date).

Gambar 8 adalah gambar simulasi sistem

sebagai pemetaan sistem yang dirancang sekaligus sebagai sarana untuk pengujian sistem dengan menentukan model jaringan, perangkat-perangkat serta aplikasi-aplikasi yang dibutuhkan dalam simulasi sistem tersebut.

Gambar 8. Simulasi Sistem

Pengujian dengan perbandingan input dan

output sistem yaitu : 1. Pengujian komputasi Algoritma Floyd

Warshall pada aplikasi dengan melihat tahapan proses dan output pada setiap tahapan proses komputasi dan membandingkan dengan perhitungan manual dengan metode graf, baik untuk optimasi harga tiket maupun waktu penerbangan.

2. Pengujian konfigurasi dan mekanisme koneksi dan database updating.

Gambar 9. Output aplikasi harga tiket minimum

Gambar 10. Output Aplikasi Waktu Terbang Minimum

UPG

DPS

JOG

CKG

BJT MES

PDG

SUB

73900

469900

41970

3570052750

74900

5390089500

26900

8390062900

44200

4570033990

35900


ISBN: 978-602-18168-0-6 121

Gambar 11. Output aplikasi

Pengujian menunjukkan bahwa hasil yang ditampilkan oleh aplikasi sesuai dengan perhitungan manual dan juga menunjukkan bahwa mekanisme database updating berlangsung dengan baik. Perubahan data pada database di salah satu server airline dapat meng-update database master secara online dan terkalkulasi dengan baik oleh aplikasi.

IV. SIMPULAN

Sistem Informasi Rute Penerbangan berbsis Internet Agent Service ini di-desain terdiri dari dua bagian, yaitu connectivity agent dan search agent. Pengujian desain sistem dan implementasi aplikasi dengan pendekatan konsep agent ini menunjukan hasil yang valid.

Desain sistem ini diharapkan dapat memberikan kontribusi yang bermanfaat bagi maskapai penerbangan atau pihak ketiga di bidang penerbagan karena dapat meningkatkan service bagi para customer-nya khususnya dalam hal penyajian informasi penerbangan bagi pengguna jasa untuk mendapatkan informasi penerbangan secara cepat, akurat dan terintegrasi.

DAFTAR PUSTAKA

[1] Junifeer, Christ. Analysing & Implementation Knowledge Management System & e-Business Inside Virtual Organization to Gain Competitive Advantage. Prosiding Konferensi Nasional Sistem Informasi 2007. Bandung : STT Telkom. 2007

[2] Nwana, Hyacinth. Software Agents: An Overview, Knowledge Engineering Review, 11(3), pp.205-244,

(Online),http://www.sce.carleton.ca/netmanage/docs/AgentsOverview/ao.html, diakses tanggal 11 Februari 2008, jam 23.00 WITA). 1996

[3] Romi Satria Wahono. Pengantar Software Agent: Teori dan Aplikasi, Proceedings of the IECI Japan Workshop, pp. 5-9, (Online) ,(http://www.IlmuKomputer.com, diakses tanggal 8 Februari 2008, jam 11.19). 2001

[4] Russel ,Stuart & Norvig Peter. Artificial Intelligence A Modern Approach, New Jersey : Prentice Hall. 2003

[5] Setyaka. Analisis Algoritma Pemilihan “Lintasan Terpendek pada Penerbangan Domestik untuk Perancangan Airline Shortest Path Software”. Skrips.Bandung: ITB. 2008

[6] Soltysiak, Stuart , Ohtani, Takeshi, Thint, Marcus, and Takada,Yuji.An Agent-Based Intelligent Distributed Information Management System for Internet Resources., (Online), (http://isoc.org/inet2000/cdproceedings/2f/2f_1.htm, diakses tanggal 11 Februari 2008, jam 23.00 WITA ). 2000

[7] Trisongko, Hatma. Konsep Database Terdistribusi & Implementasi pada Oracle 10G, Jogjakarta : FMIPA UGM. 2006


ISBN: 978-602-18168-0-6 122

Implementasi Sistem Air Mancur CAD Berbasis GUI untuk Perancangan

Munawir 1) , Zahir Zainudddin 2)

Fakultas Teknik Komputer Universitas Cokroaminoto Palopo1) Laboraturium Sistem Berbasis Komputer Teknik Elektro

Fakultas Teknik, Universitas Hasanuddin 2) Email: [email protected]) , [email protected] 2)

Abstrak—Pemrograman microcontroller sebagai bidang rekayasa yang cukup rumit karena mutlak membutuhkan kecakapan pemrograman aras bawah yang disertai dengan pengetahuan perangkat keras yang memadai, dapat diotomatisasi menggunakan Computer Aided Design (CAD). Model ini akan memudahkan desain output mikrokontroller bagi pengguna tanpa harus berinteraksi dengan bahasa pemrograman tingkat rendah. Pada penelitian ini yang mengambil topik air mancur, perangkat lunak CAD menyediakan antarmuka grafis sebagai lingkungan desain pengguna sistem dalam merekayasa output sistem berbasis mikrokontroller. Antarmuka sistem memungkinkan pengguna mendesaian tinggi rendah output semburan air mancur. demikian juga pengguna dapat mengatur interval semburan, hingga penggunaan musik dalam sistem. selanjutnya sistem dapat secara otomatis men-generate kode dasar mikrokontroller dalam bahasa BASIC yang siap pakai.

I. PENDAHULUAN

ir mancur adalah salah satu bagian dari taman yang menarik dan dapat membuat suasana taman menjadi lebih indah dan

segar untuk dipandang. Semburan-semburan pada air mancur telah diatur sedemikian rupa, akan tetapi kebanyakan pola semburan yang tercipta menggunakan suatu pola semburan yang tetap. Hal ini akan menimbulkan kejenuhan jika dipandang dalam waktu yang lama. Pola semburan air mancur perlu divariasi agar lebih atraktif dan menarik serta dapat sewaktu-waktu diubah pola sesuai dengan keinginan. Namun untuk mendesain sistem pengontrolan pola semburan air seorang perancang harus menguasai bahasa pemrograman tertentu baik itu bahasa pemrograman tingkat rendah maupun tingkat tinggi. Perancangan sistem air mancur dibutuhkan sarana atau tools yang mampu

memberikan kemudahan untuk proses desain pola yang diinginkan sehingga tidak lagi berkutat dengan kode-kode listing pemrograman.

Berdasarkan permasaahan tersebut maka pengaturan pola air mancur dapat didesain dari pewaktuan semburan sesuai yang diinginkan dan dapat ditambahkan nuansa lain seperti penambahan efek pencahayaan dan musik. Dari pewaktuan tersebut dapat menciptakan pola tertentu dari kombinasi waktu semburan, efek pencahayaan dan musik.

Pada penelitian ini diusulkan sistem perancangan otomatisasi air mancur berbasis Graphical user interface dimana peracancang hanya menggunakan tools pada GUI dalam menciptakan pola pewaktuan dari kombinasi waktu semburan, efek cahaya dan music pada sistem air mancur.

II. TEKNOLOGI PENDUKUNG

A. Computer Aided Design

Computer Aided Design adalah suatu program komputer untuk menggambar suatu produk atau bagian dari suatu produk. Produk yang ingin digambarkan bisa diwakili oleh garis-garis maupun simbol-simbol yang memiliki makna tertentu. CAD bisa berupa gambar 2 dimensi dan gambar 3 dimensi. Berawal dari menggantikan fungsi meja gambar kini perangkat lunak CAD telah berevolusi dan terintegrasi dengan perangkat lunak CAE (Computer Aided Engineering) dan CAM (Computer Aided Manufacturing). Integrasi itu dimungkinkan karena perangkat lunak CAD saat ini kebanyakan merupakan aplikasi gambar 3 dimensi atau biasa disebut solid modelling. Solid model memungkinkan kita untuk memvisualisasikan komponen dan rakitan yang kita buat secara realistik. Selain itu model mempunyai properti seperti masa, volume dan pusat gravitasi, luas permukaan dan lain-lain.

A


ISBN: 978-602-18168-0-6 123

B. Integrated Development Enviroment

Integrated development environment (IDE) yang juga dikenal sebagai desain lingkungan terpadu atau debug lingkungan terpadu merupakan aplikasi perangkat lunak yang menyediakan fasilitas lengkap untuk pemrograman komputer untuk pengembangan piranti lunak . IDE yang biasanya terdiri dari:

1. Sumber editor kode 2. Kompilator dan / atau juru 3. alat-alat otomatis yang di buat 4. Debugger

Kadang-kadang versi sistem kontrol dan berbagai peralatan yang terintegrasi untuk menyederhanakan pembangunan GUI. Banyak IDE modern juga memiliki kelas browser, obyek pengawas, dan satu diagram hirarki kelas , untuk digunakan dengan perangkat lunak berorientasi objek pembangunan

IDE dirancang untuk memaksimalkan produktivitas programmer dengan menyediakan ketat merajut komponen serupa dengan user interface. Ini berarti harus memiliki banyak programmer beralih ke modus kurang lakukan bila dibandingkan dengan ciri-ciri program pembangunan. Namun, karena sebuah IDE adalah dengan sifat yang sangat rumit bagian dari perangkat lunak, produktivitas tinggi ini hanya terjadi setelah lama belajar curve

IDE biasanya hadir dalam satu program pembangunan yang dilakukan. Program ini biasanya menyediakan banyak fitur untuk authoring, mengubah, kompilasi, dan debugging deploying software. Tujuannya adalah untuk abstrak konfigurasi yang diperlukan untuk mengumpulkan utilitas baris perintah di unit berpadu, yang secara teoritis akan mengurangi waktu untuk belajar bahasa, dan meningkatkan produktivitas developer. Ia juga beranggapan bahwa pembangunan ketat integrasi tugas dapat lebih meningkatkan produktivitas. Sebagai contoh, kode yang ditulis dapat dikompilasi sementara , cepat memberikan umpan balik pada kesalahan sintaks. Sedangkan yang paling modern IDE grafis, IDEs digunakan sebelum kedatangan dari sistem windowing (seperti Microsoft Windows atau x11) yang berbasis teks, menggunakan fungsi tombol untuk melakukan berbagai tugas (Turbo Pascal adalah sebuah contoh umum). Ini kontras dengan pengembangan perangkat lunak yang tidak menggunakan alat-alat, seperti vi, atau membuat GCC.

III. METODE PENELITIAN

A. Rancangan Sistem

Berikut Ini adalah gambaran umum dari sistem yang akan dibangun. dimana ide awal dari penelitian ini yaitu menciptakan sebuah lingkungan GUI dalam mendesain sistem air mancur . Hasil rancang atau desain yang telah dibuat akan menhasilkan file yang akan digunakan dalam pengontrolan sistem air mancur.

Sistem Kontrol

AIR MANCUR

Kontroler

Relay

Board

Real Time

Clock

Komputer

/Musik

Lampu

Pompa

Gambar 1. Rancangan Sistem Secara Umum

Peracangan lingkungan GUI dari proses desain memberikan gambaran terperinci dari pola sistem air mancur. Lingkungan GUI akan memberikan proses pewaktuan dari objek-objek yang digunakan sebagai parameter pengontrolan sistem air mancur. Adapun parameter dari desain yaitu lama waktu proses semburan air dan tinggi semburan, lama waktu musik sesuai dan waktu ON OFF lampu.

Gambar 2. Arsitektur Sistem

Sistem perangkat lunak ini adalah sebuah lingkungan IDE (Integrated development environment) untuk pengembangan pemrograman berbasis objek-objek visual. Setiap objek visual merepresntasikan objek nyata secara real. Objek ini akan dinyatakan secara default secara terurut sebagai objek 1, objek 2 hingga objek N. setiap objek disusun kedalam program masing-masing memiliki timeline saat-saat objek dinyatakan ON dan OFF.


ISBN: 978-602-18168-0-6 124

Objek dalam desain dapat merupakan representasi objek air mancur, lampu, music/audio yang memiliki pewaktuan masa ON dan OFF. Seanjutnya setiap representasi tampilan visual daam lingkungan IDE akan disimpan ke sebuah file teks sebagai output. Berikut detail gambaran rancangan perangkat lunak tersebut:

Gambar 3. Rancangan GUI


Pada penelitian ini berfokus pada bagaimana merancang sebuah aplikasi CAD berbasis GUI untuk mendesain sistem air mancur., dimana pendesaian dengan adanya apikasi GUI IDE desain air mancur akan menghasilkan output file dari hasil generate desain kemudian hasil dari file itu akan di compiler menjadi file yang dapat langsung di download kedalam mikrokontroler yang akan mengontrol semburan air, music dan lampu sesuai desain yang telah dibuat.

Adapun scenario dari model desain yang kan dibuat sebagai berikut:

Step 1 Created project

Gambar 4. Created Project

Pada step pertama akan memberikan instruksi pembuatan project dimana akan member inama

project yang akan dirancang memilih mikrokontroler yang akan dibuat waktu dan masimun durasi

Step 2 Desain Model

Gambar 5. Desain Model

Lingkungan GUI akan menampilkan proses desain dimana akan dipilih objek-objek yang akan dirancanng yaitu objek yang mewakili dari proses semburan air , music dan lampu. Setiap objek sembuaran air akan membentuk berapa lama ON dan berapa ketinggian air yang akan terbentuk. Sedangkan music memberikan berapa lama music akan aktif sesuai pola semburan yang dibuat dari masing-masing titik sembuaran dan waktu on / off lampu.

Step 3 Generating Output File

Gambar 6. Generating Output File


ISBN: 978-602-18168-0-6 125

Hasil desain akan degenerate dalam bentuk file teks yang memberi informasi dari proses desain yang telah dirancang.

Step 4 Compiling To Basic Language Code

Gambar 7. Compling To Bacic Code

Hasil compiler dari file generate kemudian akan didownload kedalam mikrokontroler

V. KESIMPULAN

CAD memberikan banyak keuntungan desain perangkat lunak khususnya perangkat lunak mikrokontroller. Desain otomasi berbasis CAD menciptakan konsistensi pengkodean program dan menghemat waktu pengembangan sistem. model otomasi serupa dapat dijadikan acuan untuk menjembatani kerumitan pengembangan sistem dan kebutuhan penggunaan sistem terkait. CAD menjadi aternatif terbaik karena dapat mereduksi waktu pengembangan sistem, mentoleransi level kecakapan programmer bahkan bersifat user friendly untuk pengguna pemula sekalipun.

DAFTAR PUSTAKA

[1] Andrianto, Thimotius., 2004. Programmable Water Chop Animation . Skripsi FTI Universitas Kristen Petra. Surabaya

[2] Gardens, M.P.,2007. Gardens Fountains. http://gardensfountains.com. download Tanggal 29 Januari 2012.

[3] Hakim,R dan Utomo,H.,2003. Komponen Perancangan Arsitektur Landscape, Bumi aksara,Jakarta.

[4] Mamben, Noveri. 2003. Animasi Peluru Air. Skripsi FTI Universitas Kristen Petra. Surabaya.

[5] Sommerville,Ian. 2000. Software Engineering, 6 th

Edition, MGraw-Hill Book Suarga. 2004. Algoritma Pemrograman . Andi Offset, yokyakarta


ISBN: 978-602-18168-0-6 126

Algoritma Genetika Hibrid pada Kasus Pencarian Jalur Terpendek

Eddy Tungadi1) dan Airin Dewi Utami2)

Program Studi Teknik Komputer dan Jaringan1) Program Studi Teknik Telekomunikasi 2)

Jurusan Teknik Elektro Politeknik Negeri Ujung Pandang Email : [email protected], [email protected]

Abstrak—Algoritma Genetika Hibrid pada kasus pencarian jalur terpendek. Penelitian ini bertujuan untuk memodifikasi (hibridisasi) algoritma genetika, membangun aplikasi dengan menggunakan sebuah kasus jalur terpendek. Adapun metode yang digunakan dalam penelitian ini, yaitu mengambil data jalur, merancang algoritma dan melakukan pengukuran jalur terpendek optimal beserta waktu komputasinya dengan menggunakan parameter jumlah anggota populasi, peluang persilangan, dan peluang mutasi. Hasil peneltian menunjukkan bahwa algoritma genetika hibrid dapat menghasilkan sebuah solusi jalur optimal dengan waktu komputasi yang kecil.

Kata kunci : Jalur Terpendek, Algoritma Genetika Hibrid

I. PENDAHULUAN

Sejak dibuat pertama kali oleh John Holland, Algoritma Genetika telah menyita perhatian dan menjadi objek penelitian di seluruh dunia. Karakter algoritma genetika yang tidak deterministik memungkinkan untuk melakukan modifikasi lebih lanjut pada algoritma genetika yang telah ada sebelumnya.

Sementara itu, kasus pencarian jalur terpendek menjadi salah satu persoalan yang juga menyita perhatian. Dalam dunia nyata, aplikasi-aplikasi yang mencari jalur terpendek telah diterapkan pada perencanaan pembangunan, perencanaan produksi, jalur pengisian uang pada ATM, jalur patroli polisi, jalur pesawat terbang dan sebagainya.

Persoalan pencarian jalur terpendek ini dideskripsikan sebagai persoalan untuk menentukan lintasan yang harus dilalui ketika mengunjungi beberapa titik hingga diperoleh jarak tempuh terpendek. Meskipun sepertinya mudah dipaparkan, akan tetapi sangat sulit untuk diselesaikan terutama untuk persoalan dengan jumlah titik yang besar. Hingga kini belum ada suatu metode eksak yang dapat menjamin

menghasilkan nilai optimal untuk masalah ini. Kalaupun ada maka metode itu akan memerlukan waktu komputasi yang cukup lama dalam mencari solusi jalur terpendek.

Algoritma genetika dapat memecahkan permasalahan waktu komputasi ini dengan menghasilkan solusi jalur terpendek yang optimal. Berdasarkan pemikiran tersebut, penulis mengangkat algoritma genetika dan kemudian melakukan modifikasi padanya agar dapat menyelesaikan masalah pencarian jalur terpendek ini.

Dengan diimplementasikannya algoritma ini kedalam sebuah simulasi, diharapkan dapat membantu pencarian jalur yang paling optimal. Penelitian ini akan memanfaatkan konsep-konsep matematika dan kaitannya dalam pengeksekusian suatu algoritma. Namun bukan hanya sebagai tulisan namun juga sebagai bukti konsep-konsep ini dapat dimanfaatkan dalam kehidupan sehari-hari.

II. LANDASAN TEORI

A. Graf dan Jaringan

Sebuah graf dapat disebut sebagai kumpulan titik yang disebut simpul (vertex) dan dihubungkan oleh garis yang disebut sisi (edge). Graf dapat digunakan sebagai cara yang sangat sederhana untuk memodelkan banyak jalur atau jaringan.

Dalam menggambarkan graf, simpul digambarkan dengan lingkaran kecil atau titik tebal dan sisi digambarkan dengan garis. Jika sisi (i,j) memiliki aliran dari simpul i menuju ke simpul j maka sisi tersebut merupakan sisi berarah dan dilambangkan dengan panah.

a.sisi tak berarah b.sisi berarah

c. sisi dua arah Gambar 2.1 Arah sisi pada graf

i j i j

i j


ISBN: 978-602-18168-0-6 127

Beberapa definisi berhubungan dengan graf berarah:[7] - Dalam graf dengan garis hubung berarah,

derajat kedalam (in-degree) dari simpul v, dituliskan sebagai deg-(v), adalah banyaknya garis hubung dengan v sebagai simpul akhirnya. Derajat keluar (out-degree) dari v, dituliskan sebagai deg+ (v), adalah banyaknya garis hubung dengan v sebagai simpul awalnya.

- Sebuah graf berarah disebut terhubung kuat (strongly connected) jika ada sebuah a ke b dan dari b ke a untuk semua pasangan simpul a, b pada graf.

- Sebuah graf berarah disebut terhubung lemah (weakly connected) jika hanya ada jalur dari a ke b tetapi tidak dari b ke a, atau sebaliknya.

Graf dapat digunakan pada kasus pencarian jalur

terpendek, dimana suatu sisi menyatakan suatu ruas jalan, sedangkan simpul menyatakan simpul pertemuan beberapa ruas jalan seperti pertigaan atau perempatan. Selanjutnya didefinisikan suatu bobot pada masing-masing sisi yang memberikan panjang jalan yang dinyatakan oleh sisi tersebut.

Misalkan G = (V, E) adalah sebuah graf sederhana dengan |V| = n. Anggap simpul pada G disusun dengan urutan v1 , v2 …, vn Matriks kedekatan (Adjacency matrix) dari graf G, AG, yang berkaitan dengan simpul-simpul, adalah sebuah matriks boolean nxn dengan G elemen ke (i, j) berharga 1 jika vi dan vj bertetangga, dan selainnya itu berharga 0.

Dengan kata lain, untuk sebuah matriks kedekatan A = [aij], maka berlaku

1, jika {vi ,vj} adalah sebuah garis hubung G Aij = 0, jika bukan garis hubung G

Graf dapat digunakan pada kasus jalur

terpendek. Dimana suatu edge menyatakan suatu ruas jalan, sedangkan verteks menyatakan titik pertemuan beberapa ruas jalan seperti pertigaan atau perempatan. Jika suatu jalan diberlakukan dua arah, maka dinyatakan dalam dua edge dengan arah berlawanan. Selanjutnya didefinisikan suatu bobot pada masing-masing edge yang memberikan panjang jalan yang dinyatakan oleh edge tersebut. Selanjutnya kita ingin melakukan perjalanan, sedemikian sehingga setiap jalan dilalui sedikitnya sekali yang sekaligus meminimumkan jarak total yang dilalui. Dalam hal ini suatu jalan yang diberlakukan dua arah cukup dilalui sekali. (Deo, 1986)

B. Persoalan Jalur Terpendek

Persoalan jalur terpendek yaitu menemukan jalur terpendek antara dua atau beberapa simpul yang berhubungan. Persoalan mencari jalur terpendek di dalam graf merupakan salah satu persoalan optimasi. Persoalan ini biasanya direpresentasikan dalam bentuk graf. Graf yang digunakan dalam pencarian jalur terpendek adalah graf berbobot (weighted graph),

C. Algoritma Genetika

Algoritma genetika merupakan solusi yang baik, tapi tidak mungkin dibuktikan secara deterministik [Sivanandam, 2008]. Algoritma genetika mungkin tidak selalu mencapai hasil yang terbaik, tetapi bisa berharga dalam memecahkan masalah. Algoritma genetika yang baik secara dramatis bisa mengurangi waktu yang diharuskan dalam memecahkan masalah. Meski tidak menjamin selalu dapat memecahkan masalah, tetapi seringkali memecahkan masalah dengan cukup baik untuk kebanyakan masalah..

Proses yang akan dilakukan dalam Algoritma Genetika untuk menentukan jalur terpendek, yaitu: 1. Pembentukan populasi awal

Untuk merepresentasikan individu anggota populasi digunakan metode acak yang akan menggambarkan sebuah jalur dari titik awal hingga titik tujuan. 2. Proses reproduksi

Proses seleksi akan menentukan individu mana saja yang akan dipilih untuk dilakukan rekombinasi. Kemungkinan terpilihnya suatu individu bergantung dari peluang fit dari individu tersebut. Mula-mula nilai fit masing-masing individu dihitung. Masing-masing individu dalam suatu wadah seleksi akan menerima peluang fit yang tergantung pada nilai fit dirinya sendiri terhadap jumlah nilai fit dari semua individu dalam wadah seleksi tersebut. Metode ini disebut metode roda Roulet (Roulette Wheel).

Dari gambar 1 terlihat bahwa individu yang memiliki porsi yang besar akan memiliki peluang fit yang semakin besar pula, sehingga kemungkinan untuk terpilih sebagai parent pun semakin besar.


ISBN: 978-602-18168-0-6 128

Gambar 1. Seleksi dengan roda Roulet

3. Proses Rekombinasi Setelah reproduksi dilakukan, maka proses

selanjutnya adalah melakukan rekombinasi individu melalui persilangan. Persilangan dilakukan dengan menyilangkan dua kromosom untuk membentuk kromosom baru yang harapannya lebih baik dari pada induknya. Tidak semua kromosom pada suatu populasi akan mengalami proses persilangan ini. Banyak kromosom yang mengalami proses persilangan didasarkan pada peluang crossover (pc) yang telah ditentukan terlebih dahulu. Kemudian penulis memanfaatkan metode PMX (Partial Mapped Crossover) untuk memunculkan variasi turunan yang lebih banyak.

A1 = 2 | 5 4 | 6 A2 = 1 2 | 7 5 4 | 3

Hasil dari persilangan menghasilkan dua string baru (‘) yang berarti string tersebut menjadi dua bagian dari generasi baru

A1’ = 2 7 5 4 3 A2’ = 2 7 5 4 6

Dan untuk memastikan bahwa individu hasil persilangan adalah jalur yang terpendek maka dilakukan perbaikan tur dengan melakukan pemangkasan

4. Proses Seleksi Setelah operasi genetika dilakukan, dilanjutkan

dengan proses seleksi. Individu yang akan diproses secara genetika pada generasi berikutnya berupa 80% individu terbaik dari generasi sebelumnya dan 20% individu baru. Dengan persentase ini akan diperoleh variasi individu yang memungkinkan terbentuknya individu terbaik.

5. Proses Mutasi Proses seleksi dan persilangan menghasilkan

string yang berbeda dari induknya. Tetapi kedua proses ini belum cukup menampilkan variasi string untuk dapat melihat ruang permasalahan secara keseluruhan. Masalah ini dapat diatasi melalui suatu operator lain yang dikenal sebagai operator mutasi. Frekuensi terjadinya mutasi ditentukan oleh sebuah nilai yang disebut peluang mutasi (pm). Peluang mutasi akan menentukan kromosom mana yang akan mengalami mutasi.

Proses mutasi dilakukan dengan mengambil sebuah titik mutasi secara acak sehingga terbentuk individu baru, seperti contoh berikut:

A = 1 2 4 5 | 6 A’ = 1 2 4 5 | 8 7

Proses pencarian akan berhenti jika tidak ada perubahan nilai fit dari individu terbaik atau berhenti pada generasi yang ditentukan sendiri.

III. METODOLOGI

Penelitian ini dilakukan melalui beberapa tahap, yang dapat dijabarkan sebagai berikut:

A. Studi Kepustakaan

Pada tahap ini dilakukan pengumpulan bahan pustaka dan hasil-hasil penelitian pada jurnal-jurnal terdahulu, khususnya pada algoritma genetika yang pernah dilakukan untuk masalah jalur terpendek. Informasi-informasi yang diperoleh kemudian dipelajari dan dirangkumkan sebagai referensi untuk membangun sistem ini.

B. Penyusunan Algoritma

Menentukan spesifikasi sistem yang akan digunakan dalam hal ini penyusunan algoritma genetika hibrid.

C. Pembuatan Program Aplikasi

Pada tahap ini akan dibuat dua buah program yaitu dengan menggunakan algoritma genetika hibrid. Program akan dibuat menggunakan perangkat lunak Delphi 7.0.

D. Eksperimen

Melakukan pengujian yang akan menguji efektifitas dan efisiensi dari metode yang diajukan masing-masing algoritma pada beberapa persoalan .Hasil yang diperoleh selanjutnya akan dibandingkan.

IV. PEMBAHASAN

A. Model Matematika Jalur Terpendek

Terdapat banyak aplikasi yang berkaitan dengan graf. Di dalam aplikasi tersebut, graf digunakan sebagai alat untuk merepresentasikan atau memodelkan persoalan. Berdasarkan graf yang

14.95%

6.33%

6.73%

11.70%

10.35%

12.82%8.55%

7.92%

11.96%

8.68% 1

2

3

4

5

6

7

8


ISBN: 978-602-18168-0-6 129

dibentuk, barulah persoalan tersebut dapat diselesaikan.

Dengan menggunakan defenisi di atas, masalah lintasan terpendek dapat diformulasikan sebagai masalah yang meminimumkan fungsi objektif sbb: [1]

ij

DD

SSi

DD

ijSSj

ij IC

(4.1)

Diberikan sebuah graf terhubung dengan 10 titik

seperti pada gambar berikut.

Gambar 2. Graf Terhubung

Dilakukan prosedur algoritma genetika dengan

mengambil 10 sampel individu dari populasi. Dan digunakan peluang crossover 100% dan peluang mutasi 50%.

Setelah dilakukan 20 kali percobaan pencarian jalur terpendek dengan algoritma genetika hibrid diperoleh hasil seperti pada tabel 6.1.

Diperoleh sebuah individu terbaik dengan jalur paling optimal yaitu ”ss 04 05 09 dd” dengan jarak tempuh 31 m dan dengan persentase kesalahan sebesar 5%.

B. Analisa

Dari hasil percobaan dengan menggunakan tiga buah parameter yang sama, yaitu jumlah anggota populasi sebanyak 10 buah, peluang crossover (pc) sebesar 100% dan peluang mutasi (pm) 50%, maka dapat dilihat solusi jalur terpendek beserta waktu komputasinya.

Perhitungan jalur terpendek dengan Algoritma Genetika Hibrid dapat menghasilkan solusi konvergen dengan persentasi kesalahan yang cukup kecil.

Adanya modifikasi yaitu dengan memanfaatkan PMX pada proses kawin silang dan menggunakan seleksi 20-80 menyebabkan lebih beragamnya kromosom yang dihasilkan dari tiap generasi. Sementara konvergensi diperoleh dari keragaman individu yang dihasilkan.

Tabel 1. Tabel Hasil Percobaan

Perc Individu Terbaik

Nilai obj (meter)

Gen Akhir

Waktu Komputasi

(ms)

1 ss040509dd 31 18 2719

2 ss040509dd 31 23 3484

3 ss040509dd 31 13 1906

4 ss040509dd 31 10 1579

5 ss040509dd 31 16 2547

6 ss040509dd 31 18 2828

7 ss040509dd 31 12 1844

8 ss040509dd 31 11 1750

9 ss040509dd 31 10 1579

10 ss040509dd 31 12 1859

11 ss040509dd 31 10 1328

12 ss040509dd 31 12 2062

13 ss030608dd 32 10 1672

14 ss040509dd 31 16 2469

15 ss040509dd 31 10 1515

16 ss040509dd 31 13 2093

17 ss040509dd 31 10 1531

18 ss040509dd 31 12 1860

19 ss040509dd 31 19 2765

20 ss040509dd 31 15 2203

Rata-rata 13.5 154.05

V. KESIMPULAN DAN SARAN

A. Kesimpulan

1. Algoritma genetika dapat dimodifikasi untuk mendapatkan konvergensi solusi yang lebih baik dan waktu komputasi yang lebih kecil.

2. Algoritma genetika dapat menyelesaikan masalah jalur terpendek dengan waktu komputasi yang lebih kecil.

3. Parameter jumlah anggota populasi, peluang crossover, dan peluang mutasi yang dipilih harus disesuaikan dengan metode yang akan digunakan, misalnya ketika metode menitikberatkan pada proses persilangan, maka peluang crossover dibuat 100%.

B. Saran

1. Diperlukan pengembangan lebih lanjut dari Algoritma Genetika untuk perbaikan konvergensi solusi dan waktu komputasi karena masih banyak kemungkinan metode lain yang dapat diadopsi ke dalam algoritma ini.

0

0

0

0

0

0

d


ISBN: 978-602-18168-0-6 130

2. Diharapkan adanya penelitian lebih lanjut yang dapat menghasilkan sebuah solusi optimal terbaik dengan waktu komputasi yang lebih kecil.

3. Diharapkan dapat dilakukan pembandingan secara komprehensif antara algoritma genetika standar dan algoritma genetika hibrid, agar arah perbaikan untuk algoritma ini lebih jelas terlihat.

DAFTAR PUSTAKA

[1] Ahn and Ramakrishna., GA For SP Routing Problem and The Sizing of populations, IEEE Transactions On Evolutionary Computation, vol.6,No 6, Desember 2002, 567-571

[2] Gen, Mitsuo, et. al., Network Models and Optimization: Multiobjective Genetic Algorithm Approach, Springer, London, 2008

[3] Goldberg, D.E., Genetic Algorithms in Search, Optimization & Machine Learning, New York: Addison-Wesley, 1989

[4] Kusumadewi, S., dan H., Purnomo, Penyelesaian Masalah Optimasi dengan Teknik-teknik Heuristik, Yogyakarta, Graha Ilmu, 2005

[5] Mutakhiroh, Iing, dkk., Pemanfaatan Metode Heuristik Dalam Pencarian Jalur Terpendek dengan Algoritma Semut dan Algoritma Genetika, Seminar Nasional Aplikasi Teknologi Informasi, hlm: 1 s/d 5, 2007

[6] Sivanandam, S.N., Deepa, S.N, Introduction to Genetic Algorithms, New York, Springer Berlin Heidelberg, 2008, 30-60

[7] Suksmono, Adrian B., Matematika Diskrit dan Aplikasinya - Diktat Kuliah EL-2009 Matematika Diskrit, Intitut Teknologi Bandung, 2006.


ISBN: 978-602-18168-0-6 131

Abstrak—Proses monitoring pengepakan (packer) yang sedang berjalan saat ini masih bersifat konvensional dimana masih dilakukan pencatatan secara manual untuk semua proses di packer. Disamping itu, laporan yang dihasilkan masih manual sehingga laporan data produksi dan informasinya masih belum aktual dan akurat.Dengan adanya sistem Autoreport diharapkan dapat membantu proses monitoring terhadap kondisi operasional pabrik dalam hal ini proses pengepakan (packer) semen, dan dapat menampilkan laporan produksi yang aktual dan akurat sehingga dapat memberi respon yang cepat dan tepat terhadap kondisi operasional pabrik.

I. PENDAHULUAN

erkembangan teknologi yang pesat dewasa ini menuntut kita untuk lebih maju agar tidak

tertinggal dengan Negara lain. Kemajuan teknologi informatika dan komputerisasi juga berdampak pada perkembangan teknologi industri. Pada dunia industri khususnya dipabrik pengepakan (packer) semen.

Proses monitoring pengepakan (packer) yang sedang berjalan saat ini masih bersifat konvensional dimana masih dilakukan pencatatan secara manual untuk semua proses di packer. Disamping itu, laporan yang dihasilkan masih manual sehingga laporan data produksi dan informasinya masih belum aktual dan akurat.

Berdasarkan latar belakang diatas maka penulis berencana untuk melakukan penelitian berjudul “Networked Auto Report System Untuk Monitoring Packer Semen” . Diharapkan dengan adanya

sistem ini dapat membantu proses monitoring terhadap kondisi operasional pabrik dalam hal ini proses pengepakan(packer) semen, dan dapat menampilkan laporan produksi yang aktual dan akurat sehingga dapat memberi respon yang cepat dan tepat terhadap kondisi operasional pabrik.

II. PACKER SEMEN

A. Pengepakan (Packer)

Pada proses produksi semen ada beberapa tahap yang dilakukan sebelum diperoleh semen yang berkualitas. Secara singkat proses produksi semen ini adalah sebagai berikut: 1. Tahap penambangan. 2. Tahap penggilingan bahan baku (Raw Mill) 3. Tahap pembakaran (Klin) 4. Tahap penggilingan (Finish Mill) 5. Tahap pengepakan (Packer)

Dalam alur produksi semen pada pabrik semen, dibutuhkan alur produksi lanjut yang bertujuan untuk pengepakan atau pengantongan semen yang untuk selanjutnya didistribusikan ke agen-agen penjualan semen yang telah ditunjuk oleh perusahaan.

Pengepakan (Packer) semen merupakan tahapan akhir yang dilakukan pada proses produksi semen. Tahap pengepakan semen adalah bagian dimana semen yang telah diproses dan sesuai standar produksi dimasukkan ke dalam kantong-kantong semen yang siap dipasarkan.

Proses pengepakan semen yang merupakan proses produksi di Packing Plant yang melibatkan beberapa jenis mesin packer yang merupakan mesin pendistribusian semen berupa bubuk (powder) ke dalam kantong. Tiap jenis mesin

Networked Autoreport System untuk Monitoring Packer Semen

pada PT. Semen Tonasa Asminar1, Zahir Zainudddin2

Fakultas Teknik Elektro, Universitas Haluoleo (UNHALU)1, Lab Sistem Berbasis Komputer Teknik Elektro Universitas Hasanuddin2

Email: [email protected], [email protected]

P


ISBN: 978-602-18168-0-6 132

packer ini memiliki karakteristik dan kapasitas output yang berbeda.

Adapun proses produksinya dapat dilihat pada gambar proses produksi dibawah dimana Semen yang dikeluarkan dari cement silo akan diangkut dengan menggunakan belt conveyor masuk ke stell silo. Dengan alat pengantongan berupa rotary packer , semen dikantongi setiap saknya 50 kg,kemudian dibawa dengan menggunakan mobil atau kereta api.

Gambar 1. Proses Produksi

B. Pengertian Sistem

Sistem adalah kumpulan elemen yang saling berkaitan yang bertanggung jawab memproses masukan(input) sehingga menghasilkan keluaran (output). (Kusrini, 2007)2

Sistem adalah sekumpulan hal atau kegiatan atau elemen atau subsistem yang saling bekerja sama atau yang dihubungkan dengan cara-cara tertentu sehingga terbentuk satu kesatuan untuk melaksanakan suatu fungsi guna mencapai tujuan (Sutanta, 2003)3.

C. MySQL

Menurut Kristanto (2003)1, MySQL adalah sebuah sistem manajemen database relasi (relational data-base management system) yang bersifat “terbuka” (open source). Terbuka maksudnay MySQL boleh didownload oleh siapa saja, baik versi kode program aslinya (source code program) maupun versi binernya (excuteble program).

.

III. PERANCANGAN SISTEM

A. Sistem Yang Sedang Berjalan

Sistem yang sedang berjalan saat ini masih

manual dimana ada 3 aktor yang berperan dalam proses pembuatan laporan. a. Petugas kantong :

- Melakukan pencatatan jumlah produksi. - Membuat laporan penerimaan dan

pengeluaran kantong. - Membuat laporan kantong pecah

b. Kepala Regu : - Membuat laporan produksi berdasarkan data

yang diterima dari petugas kantong dan menyerahkan laporan tersebut ke kepala seksi.

- Menerima Laporan penerimaan dan pengeluaran kantong dari petugas kantong.

- Menerima laporan kantong pecah dari petugas kantong.

c. Kepala Seksi : - Menerima laporan produksi dari kepala regu.


ISBN: 978-602-18168-0-6 133

B. Sistem Yang Diusulkan

Pada Sistem yang di rancang ini, laporan yang dihasilkan merupakan Auto report berbasis web dimana pada diagram activity diatas dibagi menjadi 3 aktor yaitu : a. Operator :

Menginput data jumlah produksi, data penerimaan & pengeluaran kantong, dan data kantong pecah. Semua data inputan tersebut disimpan dalam data base. Yang kemudian menghasilkan laporan produksi, laporan penerimaan & pengeluaran kantong, dan laporan kantong pecah.

b. Kepala Regu : Karena sistem yang dibuat berbasis web maka kepala regu dapat langsung melihat semua jenis laporan.

c. Kepala Seksi : Kepala seksi dapat melihat langsung semua laporan yang dihasilkan oleh bagian produksi.

C. Use Case Server

Pada sisi server, terdapat operator yang melakukan penginputan data di server dimana data-data yang diinput tersebut disimpan kedalam database. Data inputan tersebut kemudian disimulasikan sebelum menghasilkan sebuah Auto report pada sisi client.

D. Use Case Sisi Client

Pada sisi client, dihasilkan sebuah Auto report dimana auto report tersebut dapat langsung dilihat oleh kepala regu dan kepala seksi.

E. Gambar Actifity Diagram

0perator

(f rom serv er)

database

(f rom serv er)

input data di server

simulasi data

Kepala Regu

Kepala Seksi

Autoreport

start

menginput data jumlah produksi

menginput data penerimaan dan pengeluaran kantong

menginput data kantong pecah

terima data-data inputan

database

laporan jumlah produksi, laporan penerimaan dan pengeluaran kantong, laporan kantong

terima laporan jumlah produksi, laporan penerimaan dan pengeluaran kantong, laporan kantong pecah

terima laporan jumlah produksi, laporan penerimaan dan pengeluaran kantong, laporan kantong pecah

End

kepala seksikepala regusistem autoreportoperator


ISBN: 978-602-18168-0-6 134

F. Gambar Relasi Antar Tabel

IV. IMPLEMENTASI

A. Menu Awal

B. Tampilan Menu Input Produksi

C. Tampilan Menu Cetak Laporan

V. KESIMPULAN

1. Dengan adanya sistem Autoreport ini maka dapat dihasilkan laporan produksi yang aktual dan akurat

2. Sitem Autoreport ini dapat membantu dan mempermudah dalam proses produksi dilantai pabrik .

DAFTAR PUSTAKA [1] Kristanto, A. 2003. Perancangan Sistem Informasi dan

Aplikasinya. Gava Media, Yogyakarta. [2] Kusrini. 2007. Konsep dan Aplikasi Sistem Pendukung

Keputusan. Andi, Yogyakarta. [3] Sutanta, Edhi. 2003. Sistem Basis Data Edisi Pertama.

Graha Ilmu, Yogyakarta.

http://www.halcyon.com/pub/journals/


ISBN: 978-602-18168-0-6 135

Abstrak— Kenyataan di perkotaan terjadi ketidak seimbangan antara tingkat pertumbuhan jalan disatu sisi dengan tingkat pertumbuhan kendaraan disisi lain, dimana pertumbuhan jalan jauh lebih kecil dari pada tingkat pertumbuhan kendaraan. Kemacetan lalu-lintas, bagi sebagian orang mungkin biasa, tetapi menjadi tidak biasa dan mungkin menjengkelkan bagi mereka yang menganggap waktu adalah sangat berharga, waktu adalah uang, waktu adalah kesempatan, waktu adalah prestasi, dan waktu adalah karier. Sebagaimana kota besar lainnya, Kota Makassar, juga mengalami hal yang sama, yaitu terjadinya kemacetan lalu-lintas di beberapa penggal jalan di kota Makassar, terutama pada jam- jam sibuk. Berdasarkan kejadian tersebut, dengan adanya Sistem monitoring Lalu Lintas yang memberikan informasi secara cepat kepada masyarakat pengguna jalan mengenai daerah-daerah yang rawan macet, diharapkandapat memberikan informasi awal, ketika melakukan perjalanan, kondisi ini sangat penting dalam meningkatkan kinerja manajemen lalu lintas seperti kepadatan lalu lintas.

I. PENDAHULUAN

enurut Anthony J. Catanese & James C. Snyder,(1988) [2], Daerah Perkotaan pada

umumnya mengalami pembangunan pesat dari semua bidang, salah satu bidang adalah sarana transportasi. Menurut D.Setijowarno & R.B. Frazila,( 2001) [6], Fungsi utama dari jalan adalah sebagai prasarana lalu-lintas atau angkutan, guna mendukung kelancaran arus barang, jasa, serta aktifitas masyarakat. Kenyataan diperkotaan terjadi ketidak seimbangan antara tingkat

pertumbuhan jalan disatu sisi dengan tingkat pertumbuhan kendaraan disisi lain, dimana pertumbuhan jalan jauh lebih kecil dari pada tingkat pertumbuhan kendaraan. Menurut Abu Bakar, Iskandar.(1995)[1], ketidak seimbangan pertumbuhan kendaraan dan jalan, dapat dipastikan akan terjadi pembebanan yang berlebihan pada jalan, yang pada gilirannya mengakibatkan terjadi kemacetan lalu-lintas, kenyamanan perjalanan terganggu, kebosanan perjalanan, kelelahan perjalanan, pemborosan waktu dan materi. Yang kesemuanya menjurus kearah terjadinya pelanggaran dan kecelakaan lalu-lintas.

Menurut .A. Abbas Salim (2000)[9], Kemacetan lalu-lintas, bagi sebagian orang mungkin biasa, tetapi menjadi tidak biasa dan mungkin menjengkelkan bagi mereka yang menganggap waktu adalah sangat berharga, waktu adalah uang, waktu adalah kesempatan, waktu adalah prestasi, dan waktu adalah karier. Untuk itu diperlukan adanya penelitian-penelitian tentang kemacetan lalu-lintas sebanyak-banyaknya, dengan harapan dapat menghasilkan solusi yang terbaik bagi semua.

Sebagaimana kota besar lainnya, Kota Makassar, juga mengalami hal yang sama, yaitu terjadinya kemacetan lalu-lintas di beberapa penggal jalan di Kota Makassar, terutama pada jam- jam sibuk. Data terakhir jumlah kendaraan dalam kota Makassar sudah mencapai 1/2 dari jumlah penduduk Makassar sekitar 1,3 juta jiwa. Rinciannya adalah kendaraan roda dua mencapai sekitar 540 ribu, kendaraan roda empat pribadi sekitar 150 ribu dan Angkutan Kota (angkot) sekitar 4.000 unit (www.sulsel.polri.go.id). Bisa dibayangkan kalau dalam sehari kendaraan itu bersamaan tumpah ke jalanan, pasti kota macet total. Dengan adanya hasil informasi yang ditampilkan oleh aplikasi sistem dapat mengambil keputusan dengan cepat.

Sistem Monitoring dan Kontrol Lalu Lintas Perkotaan

Marson James Budiman1), Zahir Zainuddin2)

Laboratorium Teknik Informatika Jurusan Teknik Elektro, Program Studi Teknik Informatika,

Politeknik Negeri Manado1) Jurusan Teknik Elektro Universitas Hasanuddin2)

Email: [email protected], [email protected]

M


ISBN: 978-602-18168-0-6 136

II. METODE PENELITIAN

Menurut W. Gulo (2002)[15],Metodologi penelitian menggambarkan tentang cara pengumpulan data yang diperlukan untuk menjawab permasalahan yang ada. Untuk mengembangkan sistem rekomendasi ini, memerlukan metodologi yang dapat digunakan sebagai pegangan untuk kegiatan selama proses pengembangan.

Penulisan ini menggunakan metode penelitian rekayasa perangkat lunak karena metode ini sangat membantu dalam membangun maupun mengembangkan aplikasi. Metode rekayasa perangkat lunak merupakan metode yang dapat digunakan untuk menganalisa objek penelitian, spesifikasi, implementasi, dan validasi untuk menghasilkan suatu perangkat lunak yang digunakan untuk menyelesaikan masalah pada berbagai bidang .

Menurut Pressman, Roger. R P L, (2001)[13], Secara umum tahap-tahap yang ada dalam rekayasa perangkat lunak yang harus dilakukan adalah: 1. Penentuan dan Analisis Spesifikasi

Jasa, kendala dan tujuan dihasilkan dari konsultasi pengguna kepada sistem kemudian sistem dibuat dalam bentuk yang dapat dimengerti oleh pengguna. Pengguna di dalam hal ini adalah pihak yang akan menggunakan aplikasi.

2. Desain Sistem dan Perangkat Lunak Proses desain sistem yaitu membagi

kebutuhan yang ada menjadi sistem perangkat lunak atau perangkat keras. Proses tersebut menghasilkan sebuah arsitektur sistem secara keseluruhan. Desain perangkat lunak dapat menghasilkan sebuah fungsi sistem perangkat lunak dalam bentuk yang ditransformasikan ke dalam satu atau lebih program yang dapat dijalankan.

3. Implementasi dan Uji Coba Unit Uji coba dilakukan untuk mengetahui

bahwa setiap unit yang dicoba sesuai dengan spesifikasinya.

4. Integrasi dan Uji Coba Sistem Unit program diintegrasikan dan diuji

menjadi sistem yang lengkap untuk meyakinkan bahwa persyaratan perangkat lunak telah terpenuhi. Setelah itu uji coba sistem disampaikan ke pengguna.

5. Operasi dan Pemeliharaan Pemeliharaan diikuti oleh proses perbaikan

terhadap kesalahan yang di dapati pada langkah sebelumnya dan implementasi unit sistem serta peningkatan jasa sistem sebagai kebutuhan baru ditemukan.

III. GAMBARAN UMUM

Di dalam bab ini akan dibahas mengenai gambaran umum penyelesaian permasalah yang ada, yaitu bagaimana merancang aplikasi pengendali dan monitoring lalu lintas perkotaan.

A. Rancangan Penelitian

Sarana-prasarana lalu-lintas atau angkutan, sangat dipengaruhi struktur tata ruang kota secara keseluruhan,disamping oleh struktur dan fungsi jaringan jalan perkotaan. Volume lalu-lintas yang tinggi tidak lepas dari aktifitas yang terjadi disepanjang ruas jalan kota. Kerangka pemikiran, latar belakang dan permasalahan yang ada, ditinjau secara teoritis yang menghasilkan sintesa teoritis. Setelah ada sintesa teoritis dan data existing yang diperlukan, dilanjutkan dengan tinjauan pustaka, parameter inputan sensor, Peta lokasi jalan, kepadatan kendaraan, dan transportasi. Dari survai lapangan didapat, Kondisi traffic Light, kepadatan kendaraan, sesuai dengan tujuan penelitian yang telah ditetapkan, diharapkan dapat dibangun suatu sistem monitoring lalulintas perkotaan. Pada sistem ini nantinya akan dibuat monitoring tampilan pada peta yang memperlihatkan jalur jalan yang mengindikasikan adanya kepadatan kendaraan.

B. Perancangan Sistem

Perancangan sistem mengacu pada perumusan masalah yang akan menjadi pembahasan dalam penelitian. Dalam perancangan system ini akan di uraikan sistem yang ada pada Traffic managemen Center.

Gambar.3. 1. Diagram Traffic management Center

Teknologi yang dimiliki Traffic Management Centre Dit Lantas Polda Metropolitan Jakarta Raya adalah:

1. GPS (Global Positioning System) 2. CCTV (Closed Circuit TeleVision)

Traffic Management

Center

GPS CCTV

Website

Informasi Identification

Service (SIM, STNK &

BPKB)

Traffic Accident Service

(Pelayanan Informasi Laka

Lantas )


ISBN: 978-602-18168-0-6 137

3. SMS (Short Messaging Service) 4. Internet Service (Website) 5. Identification Service (SIM, STNK &

BPKB)

Traffic Accident Service (Pelayanan Informasi Laka Lantas ), Law Enforcement Service (Pelayanan Penegakkan Hukum), Teleconference (eknologi Konferensi Jarak Jauh), Faximile, dan Telp. Bebas Pulsa 112 (Hunting).

Perancangan system di mulai dari input Traffic kontrol, data input tersebut di aplikasikan ke dalam peta jalur jalan perkotaan. Desain Diagram Sistem sebagai berikut:

Gambar. 3.2. Blok Diagram Intelligent Traffic Systems

Blok Diagram ITS meliputi Digital Map, Traffic Monitoring & Control, Driver Assistens, Road Data Acquisition, Smart Parking, Road & Traffic Quality Control. Semua parameter ini terpadu dalam Intelligent Traffic Systems, dan sistem yang akan dibangun yaitu Traffic Monitoring dan control

Hubungan jaringan setiap parameter Gambar 3.3 diawali dari input sensor traffic light dan sensor kepadatan akan memberikan sinyal ke PC server, sinyal tersebut diolah menjadi data monitoring pada peta lokasi jalan pada sisi client berupa data kepadatan kendaraan dan traffic light.

Data kepadatan akan di informasikan sebagai analisis routing alternative. User dapat mengontrol traffic light dari sisi server, serta perangkat traffic light dapat memberikan sinyal kerusakan traffic light ke server.

System akan mengontrol traffic light dan memonitoring kepadatan kendaraan. Setiap warna menggambarkan kondisi keadaan lalu lintas dari jalan yang di perlihatkan melalui peta. Tabel 1 adalah keterangan arti dari setiap warna jalan.

Gambar.3.3. Urban Traffic Monitoring

Tabel.1. Warna yang digunakan pada peta

Keadaan Jalan Warna Ruas Jalan Kuning

Macet Merah Padat Merayap Merah Muda Padat Biru Ramai Lancar Hijau Tua Lancar Hijau Muda

Keterangan: Macet : Kendaraan dapat melaju pada

kecepatan diatas 60 km/jam, dalam 1 km berisi lebih dari 400 kendaraan

Padat Merayap : Kendaraan dapat melaju sampai dengan kecepatan 60 km/jam, berisi diantara 300 – 400 kendaraan.

Padat : Arus kendaraan dalam 1 km berisi 200 - 300 kendaraan.

Ramai Lancar : Arus kendaraan dalam 1 km berisi diantara 100 - 200 kendaraan.

Lancar : Arus kendaraan dalam 1 km berisi sekitar 100 kendaraan.


Model sistem akan menghasilkan output informasi kepadatan lalu lintas jalan tertentu pada pengguna. Informasi ini ditunjukan pada sisi end user berupa tampilan peta ruas jalan yang diminta.

R oadD ata

A cq u is itio n

D ig ita l M a p

T raffic M o nito rin g & C o n tro l

D rive r A ssis tan s

R outing A lte rnativeD riv er

In ter face

S m art P ark ing P roce ssingD riv er

In terfac e

S m art P ark in g

R o ad & T raffic Q u a lity C o n tro l

B rid g e M o n itorin g R o ad Q u a lity C o ntro l / w eig hb ridg e


ISBN: 978-602-18168-0-6 138

Sistem bekerja berdasarkan dua komponen utama pendukung sistem yaitu database peta daerah perkotaan yang tersimpan pada server database dan sensor pendeteksi kepadatan lalu lintas yang terpasang pada setiap ruas jalan perkotaan Saat seorang user meminta lokasi tertentu menggunakan web browser pada PC, aplikasi monitoring traffic akan mengambil peta pada server database peta. Selanjutnya aplikasi ini akan membuat informasi pada peta tersebut berdasarakan informasi sensor traffic sesuai posisi titik-titik tertentu pada peta dan lokasi real dimana sensor terpasang.

Gambar 4.1 Menu Utama Sistem

Terdapat tiga menu pilihan dalam system yaitu;

Desain, Monitoring, dan control, yang masing-masing menu terintegrasi sehingga dapat di tampilkan disisi Client

Gambar 4.2 Monitoring Traffic Light dan lokasi jalur padat kendaraan

Gambar 4.2 menampilkan monitoring traffic

light di persimpangan dan indikasi jalur padat yg terjadi di sepnjang ruas jalan.

V. KESIMPULAN

Sistem yang dapat dipantau langsung oleh pengguna jalan guna menghindari kemaceta, membawa dampak yang baik bagi penataan tata ruang kota.. Dari hasil pembahasan yang diperoleh dapat disimpulkan: 1. Informasi kemacetan jalan dan perubahan

traffic light disetiap persimpangan yang sedang berlangsung dapat diperoleh on line 24 jam.

2. Kesatuan sistem dibuat secara komputerisasi sehingga menghasilkan data yang cepat, efisien dan akurat

3. Informasi kemacetan dan perubahan traffic light dengan tampilan Polyline dan Circle yang berwarna dan berkedip pada ruas jalan dan persimpangan.

DAFTAR PUSTAKA

[1] Abu Bakar, Iskandar.DKK. 1995. Menuju Lalu lintas dan Angkutan Jalan yang Tertib. Jakarta. Direktorat Jendral Perhubungan Darat.

[2] Anthony J. Catanese & James C. Snyder, Perencanaan Kota, Penerbit Erlangga, 1988

[3] ARIES SETIJADJI,STUDI KEMACETAN LALU LINTAS JALAN KALIGAWE KOTA SEMARANG ,Tesis Universitas Diponigoro Semarang

[4] Afrias Sarotama, Mohammad M. Sarinato, Juniar Ganis, Pengembangan Peta Elektronik Interaktif, Proseding KOMMIT 2002

[5] Budi D. Sinulingga, Pembangunan Kota Tinjauan Regional dan Lokal, Penerbit Pustaka Sinar Harapan, 1999

[6] D.Setijowarno & R.B. Frazila , Pengantar Sistem Transportasi, Penerbit Universitas Katolik Soegijapranata Semarang, 2001

[7] D.I.Robertson and R.D. Bretherton,” Optimizing network of traffic signal in real time – the SCOOT method, “ IEEE Trans. Veh. Technol.,vol.40,no.1, pp 11-15, 1991

[8] Eko Budihardjo, Tata Ruang Kota Perkotaan, Penerbit Alumni, 1997

[9] H.A. Abbas Salim, Manajemen Transportasi , Penerbit PT. Raja Grafindo Persada Jakarta, 2000

[10] Hadihardja, Joetata. DKK. 1997. Sistem Transportasi. Jakarta. Penerbit Guna Darma.

[11] N.H.Geriner, F.J. Pooran, and C.M.andrews, “Implementation of OPAC adaptive control strategy in a traffic signal network”, in Proc. 2001 IEEE Intelligent Transportation system, 2001, pp.195-200

[12] P.Mirchandani and E.Y.Wang, “RHODES to Intelligent Transportation System”, IEEE Intell. Syst, vol.20, no.1, pp.10-15,2005

[13] Pressman, Roger. Rekayasa Perangkat Lunak, 2001 [14] Samuel C. Susanto, Budi S, Erdhi W, Perancangan

Pengaturan Sistem Traffic Light Dengan CCTV Dinamis, Proseding Elektro

[15] W. Gulo, Metodologi Penelitian, Penerbit Grasindo, 2002 [16] Ofyar Z. Tamin, Perencanaan dan pemodelan

transportasi, Penerbit [17] ITB Bandung, 2000 [18] http://www.tmcmetro.com/profil/traffic-management-

center [19] www.sulsel.polri.go.id,

pemodelan perilaku hunter-prey dengan fuzzy cognitive maps...

Documents