perancangan prototype aplikasi optimalisasi …
TRANSCRIPT
53 TEKNIK - UNISFAT, Vol. 10 No. 2, Maret 2014 Hal 53 - 71
JURNAL 53
PERANCANGAN PROTOTYPE APLIKASI OPTIMALISASI DISTRIBUSI
PENGANGKUTAN SAMPAH DI BONTANG
Lapu Tombilayuk, Miftahul Jannah dan Sri Handani Widiastuti
Jurusan Teknik Informatika , Sekolah Tinggi Teknologi Bontang – Kalimantan Timur
Email : [email protected]
Abstract : Bontang city located in the province of East Kalimantan exactly 150 miles north of the city of
Samarinda, the whole area is 49.757Ha (4 nautical miles) with a land area of 14 780 ha (29.71%) and the
vast oceans: 34 977 ha (70.29%) . Of which initially only as a sub-district became the Autonomous City
and the presence of two large companies that are Bontang region, namely PT. Rhinos NLG and PT. CCP
then make this city is becoming increasingly crowded and growing population.
In making an application to optimize the distribution of waste transport is expected to help solve the
problems of the landfill on Disposal Temporary (TPS) in Bontang particular, due to the distribution of
transport that does not go well.
The method used in this research is the search for the distribution of transporting waste to the Ant Colony
System. With the first step was to analyze the needs of the input, the process of finding a solution to the
optimization of Ant Colony System algorithm and then displays information such solutions.
The results of this study is a prototype application programs that provide optimal solutions distribution
information transporting waste.
Keywords: Waste, Prototype, Ant Colony System Algorithm, Optimization
PENDAHULUAN
Sampah merupakan
permasalahan yang ada disetiap kota-
kota di Indonesia. Seiring
berkembangnya suatu kota diikuti
dengan pertambahan penduduknya,
kemudian tingkat mobilitas masyarakat
yang bertambah menjadikan
permasalahan sampah tersebut semakin
serius. Demikian juga dengan Kota
Bontang yang terletak di propinsi
Kalimantan Timur tepatnya 150 km
utara kota Samarinda, dengan
keseluruhan luas wilayahnya adalah
49.757Ha (4 mil laut) dengan luas
daratan 14.780 Ha (29,71%) dan luas
lautan : 34.977 Ha (70,29%). Dari yang
awalnya hanya sebagai kecamatan
kemudian menjadi Kota Otonom serta
adanya dua perusahan besar yang berada
dikawasan kota Bontang yaitu PT.
Badak NLG dan PT. PKT maka
membuat kota ini menjadi semakin
ramai dan bertambah penduduknya.
Membicarakan kebersihan suatu
kota pasti berhubungan dengan sampah,
dengan berkembang dan bertambahnya
penduduk memberikan dampak
bertambahnya volume sampah yang
ada. Penumpukan sampah ditempat-
tempat tertentu akan menyebabkan
polusi udara, kesehatan dan keindahan
kota. Distribusi pengangkutan yang
tidak berjalan dengan baik dapat
menyebabkan volume sampah pada
suatu Lahan Pembuangan Sementara
(LPS) bisa melebihi kapasitasnya.
Permasalahan sampah tidak hanya
54 TEKNIK - UNISFAT, Vol. 10 No. 2, Maret 2014 Hal 53 - 71
JURNAL 54
berkaitan dengan volumenya saja tetapi
kerjasama yang terkait pengelolaan
sampah juga perlu diperhatikan. Hal
tersebut dapat dilihat walaupun kinerja
unit-unit atau instansi-instansi yang
terkait dapat dikatakan cukup baik, tapi
ternyata masih banyak terdapat
penumpukan sampah di LPS-LPS yang
lama tidak terangkut sehingga
mencemari udara dan lingkungan
sekitarnya. Untuk itu perlu dibuat suatu
sistem yang dapat membantu agar
distribusi pengangkutan sampah dapat
berjalan dengan baik, teratur dan
meminimalkan penumpukan sampah
dilokasi LPS-LPS tersebut. Karena ada
sampah yang mudah membusuk
sehingga cepat sekali menimbulkan
polusi udara maka sistem distribusi
pengangkutan yang cepat dan maksimal
sangat diperlukan, agar pemilihan rute
tiap armada pengakut sampah dapat
mencapai LPS secara maksimal.
Banyaknya sampah-sampah yang
menumpuk di Bontang yang
terbengkalai seperti dipinggir jalan,
komplek pemukiman dan lainnya sangat
mengganggu masyarakat dan
pemandangan kota.
Untuk mengatasi hal tersebut
kami mencoba membuat suatu
rancangan atau prototipe aplikasi
software yang dapat digunakan
mengoptimalisasi penjadwalan
distripusi pengangkutan sampah dengan
memanfaatkan algoritma Ant Colony
System (ACS). Parameter-parameter
yang ada dalam ACS diharapkan dapat
menemukan solusi yang optimal yaitu
pengaturan jalur yang tepat sehingga
dapat mencakup pos-pos LPS
semaksimal mungkin berdasarkan
sumber daya yang ada (kendaraan
pengangkut dan pekerjanya).
Rancangan prototype ini ada dua tahap
yaitu yang pertama adalah optimasi
pengangkutan sampah dari LPS ke LPA
(Lahan Pembuangan Akhir) dan yang
kedua adalah implementasi sistem
optimalisasi tersebut dengan
menggunakan Google Maps. Sehingga
aplikasi yang dirancang ini diharapkan
tidak hanya membantu pencarian solusi
optimal tetapi juga dapat menyajikan
informasi yang tepat dan mudah
dipahami.
Tujuan Penelitian
Penelitian ini bertujuan untuk :
1. Membuat sebuah prototype
aplikasi optimalisasi distribusi
pengangkutan sampah di Bontang.
2. Menyelesaikan masalah
pencarian solusi optimalisasi
distribusi pengankutan sampah
dengan menggunakan algoritma Ant
Colony System (ACS).
3. Memberikan informasi solusi
rute distribusi pengangkutan sampah
yang divisualisasi dalam aplikasi
map.
54 Perancangan Prototype Aplikasi Optimalisasi Distribusi Pengangkutan Sampah Di
Bontang – Lapu Tombilayuk, Miftahul Jannah dan Sri Handani Widiastuti
55 TEKNIK - UNISFAT, Vol. 10 No. 2, Maret 2014 Hal 53 - 71
JURNAL 55
4. Dengan adanya penjadwalan
distribusi pengangkutang
berdasarkan volume sampah yang
ada di TPS, diharapakan dapat
mengatasi penumpukan sampah yang
ada di TPS.
Manfaat Penelitian
Diharapkan penelitian ini akan
memberikan manfaat antara lain ;
1 Mempermudah petugas kebersihan
mencari rute yang optimal dalam
pengangkutan sampah.
2 Memberikan informasi lokasi-lokasi
TPS (tempat pembuangan sampan
yang volumenya sering melebihi
kapasitas TPS nya).
3 Dapat menghindari adany
penumpukan sampah dilokasi TPS-
TPS.
KAJIAN LITERATUR
Sampah
Menurut Undang-Undang Nomor
18 Tahun 2008 tentang Pengelolaan
Sampah, sampah adalah sisa kegiatan
sehari-hari manusia dan/atau proses alam
yang berbentuk padat
Menurut Kamus Lingkungan
dalam Basriyanta (2007:17), sampah
adalah bahan yang tidak mempunyai
nilai atau tidak berharga untuk
digunakan secara biasa atau khusus
dalam produksi atau pemakaian; barang
rusak atau cacat selama manufaktur atau
materi berkelebihan atau buangan.
Menurut World Health
Organization (WHO) sampah adalah
sesuatu yang tidak digunakan, tidak
dipakai, tidak disenangi atau sesuatu
yang dibuang yang berasal dari kegiatan
manusia dan tidak terjadi dengan
sendirinya (Chandra, 2006).
Dengan kata lain sampah adalah
sisa-sisa bahan yang mengalami
perlakuan-perlakuan, baik karena telah
diambil bagian utamanya, atau karena
pengolahan dan sudah tidak ada
manfaatnya bila ditinjau dari segi sosial
ekonomis tidak ada harganya, sedangkan
dari segi lingkungan dapat menyebabkan
pencemaran atau gangguan lingkungan.
Pengangkutan sampah adalah
kegiatan pengangkutan sampah yang
telah dikumpulkan di tempat
penampungan sementara atau langsung
dari tempat sumber sampah ke TPA
(Balitbang Departemen PU, 1990).
Sistem pengangkutan sampah
didefinisikan sebagai sistem pemindahan
sampah dari lokasi pembuangan
sementara sampah ke instalasi
pengolahan sampah (Bramono, 2007)
atau langsung ke Tempat Pembuangan
Akhir sampah
Optimisasi
Optimisasi (Optimization) adalah
proses pencarian satu atau lebih
penyeslesaian yang berhubungan dengan
nilai efektif yang dapat dicapai atau
mencari nilai minimal atau maksimal
56 TEKNIK - UNISFAT, Vol. 10 No. 2, Maret 2014 Hal 53 - 71
JURNAL 56
dari suatu fungsi riil, dengan pemilihan
variable integer atau riil yang nantinya
dapat memberikan solusi optimal
(Wardy, I.S, 2007).
Permasalahan dalam optimisasi
berhubungan dengan nilai optimal yang
didapat dapat berupa besaran panjang,
waktu, jarak dan sebagainya, seperti ;
1. Menentukan lintasan terpendek dari
suatu tempat ke tempat yang lain.
2. Menentukan jumlah pekerja
seminimal mungkin untuk
melakukan suatu proses produksi
agar pengeluaran biaya pekerja
dapat dinimimalkan dan hasil
produksi tetap maksimal.
3. Mengatur rute kendaraan umum
agar semua lokasi dapat dijangkau
4. Mengatur routing jaringan kabel
telepon agar biaya pemesangan
kabel tidak terlalu besar dan
penggunaannya tidak boros.
Terdapat dua metode yang biasa
digunakan dalam menyelesaikan
masalah optimasi Travelling Salesman
Problem (TSP), yaitu ;
1. Metode konvensional
Merupakan metode yang memakai
perhitungan matematika eksak. Ada
beberapa metode konvensional yang
biasa digunakan untuk pemecahan
masalah rute terpendek seperti
algoritma Djikstra, algoritma Floyd-
Warshall dan algoritma Bellman-
Ford.
2. Metode heuristik
Merupakan metode yang memakai
sistem pendekatan dalam mencari
solusi pemecahanan. Algoritma
yang termasuk dalam metode
heuristic ini adalah Algoritma
Genetika, Ant Colony Optimization,
logika fuzzy, jaringan syaraf tiruan
dan lain-lain (Mutakhiroh, I. dkk,
2007).
Algoritma Ant Colony System
Algoritma semut adalah teknik
probabilistik untuk menyelesaikan
masalah komputasi dengan menemukan
jalur terbaik melalui grafik, yang
terinspirasi dari perilaku semut dalam
menempuh jalur atau rute dari koloninya
menuju sumber makanan (Dorigo,).
Algoritma semut diperkenalkan oleh
Moyson dan Manderick. Perilaku koloni
semut dalam mencari rute menuju
sumber makanan, dalam arti yang
sebenarnya, telah diteliti dan
dipublikasikan tahun 1959 oleh Pierre-
Paul Grass. Tahun 1997, Dorigo dan
Gambardella memperkenalkan Ant
Colony System (ACS), sementara
setahun sebelumnya, Stützle bekerja
sama dengan H.H. Hoos
memperkenalkan MAX-MIN Ant System
(MMAS). Keduanya, baik ACS maupun
MMAS telah berhasil diterapkan ke
dalam penyelesaian symmetric and
asymmetric TSP.
56 Perancangan Prototype Aplikasi Optimalisasi Distribusi Pengangkutan Sampah Di
Bontang – Lapu Tombilayuk, Miftahul Jannah dan Sri Handani Widiastuti
57 TEKNIK - UNISFAT, Vol. 10 No. 2, Maret 2014 Hal 53 - 71
JURNAL 57
Ant Colony Optimization (ACO)
merupakan artificial system yang
terinspirasi oleh perilaku semut dalam
menemukan jarak terpendek (Dorigo dan
G. Di Caro).
Pada kenyataannya semut
berkeliling secara acak saat mencari
makanan, ketika ada semut yang
menemukan makanan dan kembali ke
koloninya sambil memberikan tanda
dengan jejak pheromone dan jika semut-
semut lain menemukan jalur tersebut
maka mereka tidak berpergian secara
acak lagi untuk mencari makanan
(Dorigo,). Tetapi akan mengikuti jejak
yang sudah ada kemudian kembali dan
menguatkan jejak tersebut hingga pada
akhirnya semua semut dapat menemukan
makanan. Pheromone adalah zat kimia
yang berasal dari kelenjar endokrin dan
digunakan untuk mengenali sesama
jenisnya, individu lain dan kelompok.
Sedangkan proses saat semut
meninggalkan jejak pheromene yang
keluar dari tubuhnya pada rute yang
dilaluinya disebut sebagai proses
stigmery atau proses memodifikasi
lingkungan yang bertujuan untuk
mengingat jalan pulang ke sarang dan
berkomunikasi dengan koloninya,
sehingga semut lainnya akan dapat
mencium pheromone tersebut kemudian
mengikutinya. Ketika akan memilih rute
yang akan dilalui, semut-semut akan
memilih rute yang tingkat konsentrasi
pheromonenya tinggi. Pheromone lama-
kelaman bisa menguap, oleh karena itu
semakin lama seekor semut pulang pergi
melalui suatu rute maka semakin banyak
pula pheromone yanga akan menguap.
Sebaliknya jika semakin cepat semut
pulang pergi melalui suatu rute maka
pheromone yang akan menguap hanya
sedikit dan konsentrasi pheromonenya
akan tetap tinggi.
Penguapan Pheromone juga
mempunyai keuntungan untuk
mencegah konvergensi pada
penyelesaian optimal secara lokal.
Jika tidak ada penguapan sama
sekali, jalur yang dipilih semut
pertama akan cenderung menarik
secara berlebihan terhadap semut-
semut yang mengikutinya. Pada kasus
yang demikian, eksplorasi ruang
penyelesaian akan terbatasi. Oleh
karena itu, ketika seekor semut
menemukan jalur yang bagus (jalur
yang pendek) dari sarang ke sumber
makanan, semut lainnya akan
mengikuti jalur tersebut, dan akhirnya
semua semut akan mengikuti sebuah
jalur tunggal. Ide algoritma koloni
semut adalah untuk meniru perilaku ini
melalui „semut tiruan‟ berjalan
seputar grafik yang menunjukkan
masalah yang harus diselesaikan.
Gambaran perilaku semut saat
menempuh perjalanan dalam mencari
makanan terdapat pada Gambar 2.1
berikut ini
58 TEKNIK - UNISFAT, Vol. 10 No. 2, Maret 2014 Hal 53 - 71
JURNAL 58
Gambar 2.1 Perjalanan semut mencari
sumber makanan
Algoritma Ant Colony System
merupakan pengembangan dari
algoritma Ant System. Algoritma ini
tersusun atas sejumlah m semut yang
bekerjasama dan berkomunikasi secara
tidak langsung melalui pheromone.
Sebelumnya terlebih dahulu
diinisialisasikan harga parameter-
parameter yang digunakan dalam
algoritma Ant Colony System seperti ;
1. Intensitas jejak semut / pheromone
awal ( )
2. Banyak titik (n) termasuk koordinat
(x,y)
3. jarak antar titik (drs) dimana r adalah
titik posisi semut dan s adalah titik
yang akan dituju semut.
4. Titik awal dan titik tujuan
5. Tetapan pengendali intensitas jejak
semut/ pheromone(α), nilai α ≥ 0
6. Tetapan pengendali visibilitas (β),
nilai β ≥ 0
7. Visibilitas antar kota ( ) =
8. Banyak semut (m)
9. Tetapan penguapan jejak semut /
evaporasi global pheromone (ρ) dan
lokal (ξ) , nilai ρ dan ξ harus > 0 dan
< 1 untuk mencegah jejak semut /
pheromone yang tak terhingga.
Secara garis besarnya cara kerja
algoritma Ant Colony System yaitu
sejumlah m semut ditempatkan pada
sejumlah n titik misalnya secara acak.
Kemudian setiap semut membuat sebuah
tour dengan menerapakan aturan transisi
status berulang kali, dengan cara
menghitung visibility yaitu invers jarak
dari titik r (posisi semut) dan titik s (titik
yang akan dituju) dengan rumus ;
(1)
Menentukan titik selanjutnya (temporary
atau disimbolkan s) yang akan dituju
dengan rumus ;
Temporary s = {[τ(r,ui)]α . [η(r,ui)]
β}
i=1,2,3,…n
s = max {[τ(r,ui)]α . [η(r,ui)]
β}
(2)
Menghitung probabilitas dari semut k
pada titik r yang memilih menuju ke titik
s ( ) dengan menggunakan rumus ;
(3)
adalah himpunan titik yang akan
dikunjungi oleh semut k yang sedang
berada pada titik r (untuk membuat
solusinya mendekati optimal).
Pada saat membuat tournya tiap
semut memodifikasi pheromone yang
ada pada titik-titik yang akan dikunjungi
atau disebut juga dengan pembaruan
pheromone lokal , dengan rumus;
58 Perancangan Prototype Aplikasi Optimalisasi Distribusi Pengangkutan Sampah Di
Bontang – Lapu Tombilayuk, Miftahul Jannah dan Sri Handani Widiastuti
59 TEKNIK - UNISFAT, Vol. 10 No. 2, Maret 2014 Hal 53 - 71
JURNAL 59
(4)
Dimana adalah parameter evaporasi
lokal dengan nilai 0 < < 1 dan
nilai pheromone pada titik (r,s),
(5)
dimana Lnn adalah panjang rute dari r ke
s dan c adalah banyaknya titik.
Selanjutnya setelah semua semut
mengakhiri tournya, pheromone yang
ada pada titik-titik yang dituju tadi
dimodifikasi lagi atau disebut
pembaruan pheromone global, dengan
rumus ;
(6)
(7)
Dimana ρ adalah parameter evaporasi
global, yang mempunyai nilai 0 < ρ < 1
dan adalah .
Pada algoritma Ant Colony System
ini, semut dalam membangun tour /
rutenya menggunakan informasi
pheromone dan juga informasi heuristic
(lebih memilih titik-titik yang memiliki
jarak yang pendek). Dan untuk
menentukan titik yang akan dituju
berdasarkan jumlah pheromone yang
tinggi. Pembaruan pheromone lokal dan
pheromone global ditujukan agar semut
nanti cenderung memberi lebih banyak
pheromone pada titik-titik yang dilewati.
METODE PENELITIAN
Jenis Penelitian
Jenis penelitian ini adalah penelitian
rekayasa yang menerapkan ilmu
pengetahuan menjadi suatu
prototype/rancangan aplikasi yang akan
digunakan untuk mendapatkan solusi
optimal terhadap permasalahan yang ada
yaitu penimbunan sampah yang melebihi
kapasitas valumenya di kota Bontang.
Bahan Penelitian
Pelaksanaan penelitian dilakukan selama
6 bulan, meliputi;
Perencanaan dilakukan selama 1
bulan
Pengambilan data lapangan
dilakukan selama 1 bulan
Analisa dan desain prototype
membutuhkan waktu 1 bulan
Pembuatan dan pengujian prototype
dikerjakan selama 3 bulan
Dalam penelitian ini lokasi penelitiannya
adalah kota Bontang dan obyek yang
digunakan adalah lokasi pembuangan
sampah sementara yang ada di Bontang
serta rute-rute menuju lokasi-lokasi
tersebut sampai ke lokasi pembuangan
akhir
Alat Penelitian
Perangkat keras dibutuhkan
untuk mengimplementasikan hasil
aplikasi yang dibuat, adapun perangkat
keras yang dibutuhkan tersebut adalah
seperangkat komputer dengan spesifikasi
60 TEKNIK - UNISFAT, Vol. 10 No. 2, Maret 2014 Hal 53 - 71
JURNAL 60
Intel P4 2.4Ghz
Memori 256 MB
Hardisk 40 GB
Monitor
Mouse
Keyboard
Aplikasi penentuan rute
distribusi pengangkutan sampah akan
dibuat dengan suatu aplikasi server
berbasis web dan aplikasi mobile,
sedangkan perangkat lunak yang
digunakan untuk menunjang aplikasi ini,
yaitu :
1. Data base
Data yang berupa koordinat
lokasi, nama lokasi dibuat dan
disimpan dengan menggunakan
MySQL.
Sedangkan untuk proses eksekusinya
seperti ; seleksi, insert, delete
menggunakan PHP.
2. Map
Untuk map atau petanya tidak
perlu menggambar sendiri tapi
menggunakan Google map library,
untuk servernya menggunakan
Aplikasi Apache webserver. Google
API dan Java script untuk menambahkan
lokasi tempat pembuangan
sementara/titik-titik yang diperlukan ke
dalam google map, perhitungan masing-
masing rute serta penyeleksian rute
optimal (dalam satu rute dapat
mengunjungi bayak titik-titik/ lokasi.
Prosedur Penelitian
Pada penelitian ini, langkah-
langkah dalam membuat suatu
rancangan prototype aplikasi distribusi
pengangkutan sampah antara lain ;
1. Pengumpulan data
Studi lapangan
Mengumpulkan data
(seperti ; data jalan, posisi atau letak
TPS yang diperoleh secara langsung
dilapangan, internet atau dari
instansi pemerintah setempat.
2. Analisa sistem
a. Analisa kebutuhan input
Yang merupakan masukan
dalam aplikasi optimalisasi
distribusi pengangkutan sampah
dalam algoritma semut, yaitu :
1. Lokasi TPS, simpangan-
simpangan dan nama-nama jalan
yang mengubungkan simpangan-
simpangan dan titik-titik tersebut.
2. Inisialisasi parameter -
parameter yang digunakan dalam
perhitungan algoritma ACS
adalah :
τ(awal) adalah nilai dari jejak
pheromone awal pada tiap titik.
α adalah tetapan besarnya
bobot yang diberikan pada
jejak pheromone, dimana α ≥ 0.
β adalah besarnya bobot yang
diberikan terhadap fungsi
heuristic, dimana β ≥ 0
q adalah bilangan pembangkit
pecahan acak, dimana 0≤ q ≤1
60 Perancangan Prototype Aplikasi Optimalisasi Distribusi Pengangkutan Sampah Di
Bontang – Lapu Tombilayuk, Miftahul Jannah dan Sri Handani Widiastuti
61 TEKNIK - UNISFAT, Vol. 10 No. 2, Maret 2014 Hal 53 - 71
JURNAL 61
q0 adalah parameter
probabilitas semut melakukan
eksplorasi pada setiap tahapan,
dimana 0 ≤ q0 ≤ 1
ρ adalah parameter dengan
nilai 0 sampai 1
n adalah jumlah titik
m adalah jumlah semut
b. Analisa Proses
Proses-proses yang terdapat
dalam sistem penentuan rute
distribusi pengangkutan sampah
dengan algoritma Ant Colony
System (ACS) adalah :
1. Proses pembuatan aplikasi
- Melakukan Input titik
simpangan dan titik objek
(TPS), kemudian disimpan
dalam database.
- Membuat jalan yang
menghubungkan titik-titik
yang sudah diinputkan yaitu
titik simpangan dan titik
objek.
2. Pencarian rute
Setelah user
menginputkan lokasi awal (TPS)
dan lokasi tujuan (tempat
pembuangan akhir), maka
dimulai proses pencarian dan
perhitungan rute dengan
algoritma ACS :
Menentukan jumlah semut,
titik awal masing-masing
semut.
Menghitung jarak antar titik /
distance (d(t,ui))
Menghitung invers jarak
(η(t,ui)) antara titik t dan u
dengan rumus ;
η(t,ui) = 1/d(t,ui)
Menentukan titik selanjutnya
(temporary /v) yang akan
dituju sampai semua titik
dapat terlewati,dan titik yang
mempunyai jarak terdekat
yang akan dipilih, yaitu ;
jika q ≤ q0 maka rumus
yang digunakan adalah ;
v = {[τ(t,ui)][η(t,ui)]β}
jika q > q0 maka rumus yang
digunakan adalah ;
Menentukan perubahan pheromone
lokal atau perubahan
pheromone pada masing-masing
titik yang dituju( ;
Dimana :
Menghitung panjang lintasan
yang telah dilalui semut,
diambil/dipilih panjang lintasan
yang minimal.
Ubah pheromone pada titik-titik
lintasan/rute yang sudah dibuat
oleh semut tersebut.
62 TEKNIK - UNISFAT, Vol. 10 No. 2, Maret 2014 Hal 53 - 71
JURNAL 62
Setelah semua proses dilalui,
maka akan didapatkan panjang
lintasan yang terbaik.
Gambar 3.1 adalah diagram alir
proses perhitungan dan pencarian
rute terpendek dengan algoritma
ACS.
c. Desain sistem
Untuk mendesain SIG rute
terpendek ini, diperlukan hal-hal
seperti berikut ini yaitu:
Contex Diagram
Diagram konteks ini
menggambarkan proses request dan
respon, dalam mengakses aplikasi
SIG. Seperti terlihat pada Gambar 3.1.
Gambar 3.1 Diagram konteks
aplikasi Pengangkutan sampah
Gambar 3.1 menjelaskan
bahwa User memberikan data
lokasinya saat itu melalui GPS atau
menginputkan sesuai dengan titik-titik
yang sudah ditandai dan disediakan
oleh sistem. Kemudian mengakses
melalui ponsel berupa tampilan
browser, meminta alamat internet
beserta data sistem SIG ke server
sistem, kemudian server sistem
terhubung dengan admin, maka data
dikembalikan ke client dan
menampilkan peta dan data yang
diminta.
Data Flow Diagram (DFD)
Data Flow Diagram (DFD)
biasanya digunakan untuk
menggambarkan aliran data yang
mengalir dalam sistem. DFD ini
dibuat setelah diagram konteks,
sehingga gambaran sistem akan
terlihat lebih terperinci atau lebih
detail.
- DFD level 0
DFD level 0 merupakan
penjabaran yang lebih rinci dari
diagram konteks, DFD level 0
dapat dilihat pada Gambar 3.2.
Gambar 3.2 DFD level 0 rute
distribusi pengangkutan sampah
- Proses input, admin melakukan input
data lokasi/posisi TPS-TPS, data jalan
dan data lokasi simpangan.
62 Perancangan Prototype Aplikasi Optimalisasi Distribusi Pengangkutan Sampah Di
Bontang – Lapu Tombilayuk, Miftahul Jannah dan Sri Handani Widiastuti
63 TEKNIK - UNISFAT, Vol. 10 No. 2, Maret 2014 Hal 53 - 71
JURNAL 63
Selanjutnya data-data tersebut oleh
sistem disimpan dalam database node.
- Proses perhitungan jarak antar TPS,
system menghitung jarak antar TPS
dengan membaca/ berdasarkan
database node. Dari field latitude dan
longitude itulah maka jarak antar titik
(TPS) dapat dicari, selanjutnya data
jarak tersebut disimpan dalam
database edge.
- Proses pencarian rute, petugas (user)
melakukan request dengan
menginputkan posisi TPS awal, agar
dapat diketahui rute manakah yang
dapat dipilih dari posisinya saat itu
menuju lokasi TPS/TPA tujuan yang
diinginkan. Dari data posisi TPS awal
dan dari data-data yang tersimpan
dalam database tersebut, oleh sistem
akan digunakan untuk pengolahan /
pencarian rute terbaik. Selanjutnya
dari proses output sistem, informasi
rute pengangkutan dan gambaran
lokasi user saat itu (jika user ingin
mengetahuinya) ditampilkan dalam
peta.
HASIL DAN PEMBAHASAN
Pengolahan data
Dalam penyelesaian masalah
pencarian rute dari TPS-TPS ke TPA dengan
mengunakan algoritma ACS diperlukan
data-data berikut ini :
Data lokasi TPS (Tempat
pembuangan sementara)
Data lokasi TPS berisi lokasi /letak
TPS yang ada di Kota Bontang. Data ini
merupakan data yang digunakan sebagai
lokasi/titik awal dan penghubung menuju ke
tujuan (TPA) Adapun tabel yang berisi
contoh lokasi-lokasi TPS terdapat pada
Tabel 4.1.
Tabel 4.1 Daftar Contoh Lokasi
Tempat Pembuangan Sampah
sementara di Kota Bontang
NO NAMA ALAMAT
1 TPS 1 TPS Jl. Jend. A. Yani1
2 TPS 2 TPS Jl. Jend. A. Yani2
(Barokah)
3 TPS 3 TPS Jl. A. Yani3 (Bontang
Post)
4 TPS 4 TPS Jl. R. Suprapto (salon
Hana)
5 TPS 5 TPS Jl. Bhayangkara
6 TPS 6 TPS Jl. Brig.Jend. Katamso
7 TPS 7 TPS Jl. Imam Bonjol1
8 TPS 8 TPS Jl. Hm. Ardans
9 TPS 9 TPS Cahaya Bona Hotel
10 TPS 10 TPS Jl. Sangatta Bontang1
11 TPS 11 TPS Jl. Samarinda Bontang
12 TPS 12 TPS Pertigaan Jl. Samarinda-
Bontang
13 TPS 13 Jl. Sekambing- Bontang Lestari
14 TPS 14 Dinas Pendidikan Bontang
Lestari
15 TPS 15 TPS Pertigaan Jl. Sorong 2
16 TPA Z TPA Bontang Lestari
Data non spasial diatas oleh SIG
akan diolah menjadi data spasial,dengan
cara menandai pada peta sesuai dengan
data teks (non spasial yang ada). Karena
dalam membangun SIG diperlukan data
peta berupa data spasial yang kemudian
disimpan dalam database MySQL pada
sisi server. Data tersebut diolah oleh
program aplikasi dan akan disimpan
dalam bentuk node/titik beserta
koordinatnya (latitude dan longitude).
64 TEKNIK - UNISFAT, Vol. 10 No. 2, Maret 2014 Hal 53 - 71
JURNAL 64
Pembuatan Aplikasi SIG
Aplikasi SIG yang akan dihasilkan
adalah sebuah SIG berbasiskan client-
server tediri dari satu aplikasi server
berbasiskan web yang dapat diakses
dengan mobile nantinya.
Pada sisi server, peta dibuat
dengan menggunakan google map API
(berbasis web). Memasukkan data
spasial dan menyimpannya dalam
MySQL.
Pada pencarian rutenya
menggunakan bahasa pemrograman
JAVA dengan dukungan JVM. Peta
dibuat dengan menggunakan google map
API, kemudian mengambil data spasial
dari server. Melakukan pengolahan data
spasial tersebut dalam pencarian adalah
menampilkan hasil rute terpendek
berdasarkan hasil perhitungan dengan
metode algoritma ACS.
Gambar 4.1 Contoh Peta Bontang
yang sudah ditandai lokasi-lokasi TPS
Sebagai contoh pencarian rute
distribusi pengangkutan sampah yang
terlihat pada gambar 4.1 (yang ada
dalam kurva merah), diambil beberapa
TPS-TPS di sekitar Kota Bontang
sebagai titik-titik/lokasi, seperti yang
terlampir pada Gambar 4.1 dengan
keterangan sebagai berikut ini ;
- Titik A adalah TPS Bhayangkara 1
- Titik B adalah TPS Bhayangkara 2
- Titik C adalah TPS Tikungan BFI.
- Titik D adalah TPS Pertigaan
Bhayangkara.
- Titik E adalah TPS tikungan salon
Hana.
- Titik F adalah TPS pertigaan salon
Hana
- Titik G adalah TPS tikungan Imam
Bonjol
- Titik H adalah TPS Pertigaan
Imam Bonjol - Bhayangkara.
- Titik I adalah TPS pertigaan Imam
Bonjol – ATM BCA.
- Titik J adalah TPS Imam Bonjol.
Misalnya user ingin mencari rute
dari TPS titik A menuju ke TPA
(titik J).
Pencarian rute dengan perhitungan
manual
1. mencari rute-rute yang ada dari
titik A ke titik J
berdasarkan gambar 4.1 rute yang
dapat di tempuh dari titik A ke titik J
ada beberapa alternative yaitu ; AIJ,
AIBHIJ, ABCDEFGHIJ.
Karena ini merupakan pencarian solusi
optimalisasi distribusi pengangkutan
maka dipilih rute yang dapat melewati
A
B
C D
K M
N
O
P
E
F
G
H I
Q
R
S T
U
J
64 Perancangan Prototype Aplikasi Optimalisasi Distribusi Pengangkutan Sampah Di
Bontang – Lapu Tombilayuk, Miftahul Jannah dan Sri Handani Widiastuti
65 TEKNIK - UNISFAT, Vol. 10 No. 2, Maret 2014 Hal 53 - 71
JURNAL 65
maksimum titik yang memnuhi daya
tampung truk pengangkut samapahnya.
2. Memberikan indeks pada
masing-masing titik dengan cara
memberika variable pheromone besar
bagi titik-titik yang mempunyai
sampah melebihi volumenya. Sehingga
titik-titik inilah yang nantinya akan
dikunjungi terlebih dahulu dalam satu
rute.
3. Pemilihan rute solusi yaitu rute
yang mempunyai maksimum titik yang
memenuhi daya tampung truk
pengangkut sampahnya, dari pencarian
diatas rute yang mempunyai titik-titik
paling banyak adalah ABCDEFGHIJ.
Pencarian rute dengan metode
algoritma ACS
Adapun langkah-langkah dalam
perhitungan dan pencarian rute distribusi
pengangkutan dengan menggunakan
ACS (posisi semut pada titik A menuju
titik j) adalah sebagai berikut :
1. Jarak antar lokasi atau titik
Dalam mencari rute terpendek
diperlukan data jarak antar lokasi atau
titik, data ini diperoleh dari
persamaan haversin =
haversin +cos .
cos .haversin
berdasarkan koordinat (latitude dan
longitude) lokasi atau titik-titik
tersebut. Kemudian jaraknya disusun
dalam bentuk matrik.
Tabel matrik jarak menunjukkan
jarak antar titik dan arah rutenya
seperti contohnya jarak titik A ke titik
B adalah 350 m, sedangkan jarak
antara titik B ke titik A adalah 0 (ini
berarti tidak ada rute dari B ke A,
hanya ada rute satu arah saja yaitu
dari A ke B). Demikian seterusnya,
jadi angka-angka yang terdapat dalam
matrik berarti ada rute dan nilai jarak
antar titik tersebut, sedangkan angka 0
dalam matrik berarti tidak ada rute
dan tidak ada nilai jarak antar titik
tersebut.
2. Insialisasi parameter-parameter yang
digunakan perhitungan rute terpendek
dengan menggunakan algoritma ACS
(Dorigo and Gambardella, 1997),
seperti yang terlihat dalam Tabel 4.2.
Tabel 4.2 Inisialisasi parameter yang
digunakan dalam algoritma ACS
No Parameter Nilai Keterangan
1 1
tetapan pengendali
intensitas jejak semut
(pheromone)
2 2 tetapan pengendali
visibilitas
3 τ0 0.001
intensitas jejak semut
awal / pheromone
awal
4 q 0.9
Bilangan random
pemilihan titik
berikutnya pada ACS
5 q0 0.1 Bilangan pembatas q
6 0.1 tetapan evaporasi
global
7 0.1 tetapan evaporasi
local
8 m 100 jumlah agen semut
9 n 100 jumlah titik
66 TEKNIK - UNISFAT, Vol. 10 No. 2, Maret 2014 Hal 53 - 71
JURNAL 66
3. Menghitung invers jarak (visibilitas
antar kota), dengan memakai rumus
persamaan 2.1. dan disimpan dalam
bentuk matrik seperti yang terlihat
pada table 4.3.
Tabel 4.3 Jarak antar titik atau TPS
dalam satuan kilometer (Algoritma
ACS)
Tabel 4.4 Invers jarak atau visibilitas
antar titik (ηrs ) (x 10 -2
)
Tabel 4.5 Nilai Pheromone awal
(τ0) pada tiap titik
Untuk nilai pheromone awal
pada masing-masing titik diinisialisasi
parameternya τ0 = 0,001 maka pada
seluruh titik diberi nilai pheromone
0,001 (hal ini dimaksudkan agar tiap
titik mempunyai peluang yang sama
untuk dikunjungi agen semut).
Matrik Tabel 5.4 menunjukkan
visibilitas (invers jarak antar titik)
contohnya jarak titik A ke titik B
adalah 0.17 km maka inversnya 5.88,
sedangkan jarak antara titik B ke titik
A juga 0.17 km (ini berarti ada rute
dari B ke A) maka invers jaraknya
juga 5.88. Demikian seterusnya, jadi
angka-angka 0 yang terdapat dalam
matrik berarti tidak ada invers
jaraknya (karena tidak ada rute dan
jarak antar titiknya).
4. Pemilihan titik yang dituju, dengan
menghitung temporary (memakai
rumus persamaan 3.2) dan
probabilitas (memakai rumus
persamaan 3.3), adalah sebagai
berikut ;
Menghitung temporary pada titik-titik
yang dapat dilalui oleh titik A
Temporary s(A,B) = {[τ(A,B)]1 [η(A,B)]
2}
= {[0.001]1 [5.88
]2}
= [0.001] [34.57]
= 3.457 x 10 -2
Temporary s(A,I) = {[τ(A,C)]1 [η(A,C)]
2}
= {[0.001]1 [5.71]
2}
= [0.001] [32.604]
= 3.26 x 10-2
Menghitung probabilitas pada titik-
titik yang dapat dilalui oleh titik A
- Probabilitas semut k dari titik A
menuju titik B
66 Perancangan Prototype Aplikasi Optimalisasi Distribusi Pengangkutan Sampah Di
Bontang – Lapu Tombilayuk, Miftahul Jannah dan Sri Handani Widiastuti
67 TEKNIK - UNISFAT, Vol. 10 No. 2, Maret 2014 Hal 53 - 71
JURNAL 67
Probabilitas (A,B) =
=
= 0.51
- Probabilitas semut k dari titik A
menuju titik I
Probabilitas (A,I) =
=
= 0.485
Adapun hasil perhitungan temporary
dan probabilitas dari titik awal (A) ke
titik titik yang dapat dilaluinya,
terlihat pada Tabel 4.6.
Tabel 4.6 Hasil perhitungan temporary
dan probabilitas dari titik awal (A)
Berdasarkan Tabel 4.6 dan
inisialisasi parameter q = 0.9 dan q0 =
0.1 (q0 ≤ q) maka untuk menentukan
titik selanjutnya dipilih titik yang
mempunyai nilai probabilitas paling
besar yaitu titik B. Kemudian cari
titik selanjutnya dengan cara yang
sama.
Titik-titik yang sudah dikunjungi oleh
agen semut ditandai, sehingga dapat
berfungsi agar agen semut tidak
kembali lagi pada titik yang sudah
pernah dikunjungi.
5. Pembaharuan pheromone lokal
Setelah agen semut menemukan titik
yang dikunjungi, kemudian agen
semut tersebut melakukan
pembaharuan pheromone pada titik
tersebut, sehingga dapat memberikan
jejak untuk dilewati oleh semut
selanjutnya. Berdasarkan Tabel 4.6
dan Tabel 4.7 bahwa setelah dari titik
A, agen semut memilih mengunjungi
titik B, maka perhitungan
pembaharuan pheromone lokal pada
titik B (dengan menggunakan
persamaan 3.4 dan persamaan 3.5)
adalah sebagai berikut ;
- Pembaharuan pheromone pada
titik B
6. Menghitung panjang lintasan
Setelah titik-titik terpilih dikunjungi
oleh agen semut, maka langkah
selanjutnya adalah mengitung panjang
lintasan yang diperoleh, pada contoh
diatas bahwa panjang lintasan
(A,B,C,D,E,F,G,H,I,J) yang ditempuh
dari titik A menuju titik J adalah 1850
meter.
Implementasi hasil penelitian
Aplikasi Server digunakan untuk
mengatur data spasial dan non-spasial,
baik menambah, mengubah, maupun
menampilkan atau merepresentasikan
data spasial dalam database menjadi
tampilan peta digital, serta melakukan
perhitungan dan pencarian rute dari data
68 TEKNIK - UNISFAT, Vol. 10 No. 2, Maret 2014 Hal 53 - 71
JURNAL 68
spasial jalan yang ada pada peta.
Aplikasi Server hanya dapat diakses oleh
pengguna administrator yang memiliki
hak akses masuk kedalam aplikasi.
1. Halaman Login Server
Halaman ini merupakan halaman
yang muncul pertama kali saat web
server dipanggil. Pada halaman ini
terdapat otorisasi login sebagai security
bagi pengguna (admin) yang berhak
mengakses server, dimana pengguna
(admin) harus memasukkan username
dan password yang valid untuk dapat
masuk ke menu utama aplikasi ini.
Kemudian ada tombol “Keluar” apabila
diklik maka akan keluar dari aplikasi ini.
Halaman ini terlihat pada Gambar 4.2
Gambar 4.2 Halaman login server
2. Halaman Menu server
Halaman menu server akan
tampil setelah proses login berhasil
dilakukan, dimana gambaran halaman
ini terlihat pada Gambar 4.3.
Gambar 4.3 Halaman menu server
Pada halaman ini terdapat sub menu –
sub menu data obyek, data antar titik,
input level pheromone dan logout untuk
keluar.
3. Halaman manajemen data obyek
Pada saat pilihan data obyek
pada menu server diklik, maka masuk
pada halaman ini dimana didalamnya
terdapat option-option yang dapat
dipilih, antara lain:
Tandai obyek
Pada saat pilihan ini disorot dan
diklik maka akan tampil peta yang
masih kosong (jika belum pernah
ditandai sama sekali), pilihan ini
berfungsi untuk memasukkan data
obyek dengan cara menandai suatu
titik pada peta yang sudah tersedia.
Dengan menandai (mengklik kanan)
suatu titik tersebut, maka secara
otomatis tanda tersebut akan tersimpan
dalam database.
Lihat data obyek
Pada saat pilihan ini disorot
dan diklik maka akan tampil daftar
tabel data obyek yang telah tersimpan
dalam database, dimana yang
ditampilkan pada daftar tersebut
seperti nama obyek, latitude, longitude
dan pilihan editor (edit dan hapus).
Implementasi halaman lihat data obyek
terdapat pada Gambar 4.4.
68 Perancangan Prototype Aplikasi Optimalisasi Distribusi Pengangkutan Sampah Di
Bontang – Lapu Tombilayuk, Miftahul Jannah dan Sri Handani Widiastuti
69 TEKNIK - UNISFAT, Vol. 10 No. 2, Maret 2014 Hal 53 - 71
JURNAL 69
Gambar 4.4 Halaman lihat data
obyek
Keluar
Pada saat pilihan ini disorot dan
diklik maka proses SIG akan
kembali pada tampilan menu
sebelumnya (menu server).
4. Halaman manajemen data antar titik
Pada saat pilihan data antar
titik pada menu utama diklik, maka
masuk pada halaman ini dimana
didalamnya terdapat option-option yang
dapat dipilih, antara lain :
Buat rute
Pada saat pilihan ini disorot
dan diklik maka akan tampil peta yang
sudah ada tanda pada titik-titiknya.
Pilihan ini berfungsi untuk membuat
rute atau menghubungkan antar titik-
titik obyek dengan cara mengklik
kanan suatu titik tersebut, kemudian
mengmasukkan titik yang akan
dihubungkan dengan titik tersebut.
Maka secara otomatis rute/garis akan
terhubung, untuk melihat rute/garis
tersebut tinggal diklik tombol
“refresh” yang ada. Rute tersebut juga
secara otomatis akan tersimpan dalam
database.
Gambar 4.5 Halaman membuat rute
Gambar 5.6 Contoh Halaman pencarian
rute pengangkutan
Lihat data antar titik
Pada saat pilihan ini disorot dan
diklik maka akan tampil daftar tabel data
antar titik yang telah tersimpan dalam
database, dimana dalam daftar tersebut
terdapat nama rute dan jarak antar titik
serta pilihan editor (edit dan hapus).
Implementasi halaman lihat data obyek
terdapat pada Gambar 5.7.
Gambar 5.7 Halaman lihat data antar titik
70 TEKNIK - UNISFAT, Vol. 10 No. 2, Maret 2014 Hal 53 - 71
JURNAL 70
Keluar
Pada saat pilihan ini disorot
dan diklik maka akan kembali pada
tampilan menu sebelumnya (menu
server).
KESIMPULAN
Berdasarkan hasil yang diperoleh
pada penelitian ini maka dapat
disimpulkan bahwa ;
1. Aplikasi distribusi pengangkutan
sampah yang dibuat dengan web
base dan menggunakan google map,
dapat memberikan informasi yang
lebih dipahami dan dapat diupdate
2. Variable pheromone pada algoritma
Ant Colony System dapat membuat
suatu TPS yang volume sampahnya
melbihi kapasitasnya, kemungkinan
dikunjungi lebih besar dari lainnya (
dapat dikunjungi lebih dulu).
Penyusunan penelitian ini diharapkan
dapat membantu mengatasi
permasalahan pengangkutan sampah di
Kota Bontang dan Saran dari pihak
manapun akan kami terima untuk
mengembangkan penelitian ini.
DAFTAR PUSTAKA
Deitel H.M, Deitel P.J and Nieto T.R.,
1999, Internet & Word Wide Web
How to Program, Prentice Hall.
Dorigo M. and Stützle T., 2004, Ant
Colony Optimization, BrandFord
Books.
Friedel D.H, Jr. and Potts A, 1996, JAVA
Programing Language Handbook,
Coriolis Group USA.
Huang Z.D., Liu X.J., Huang C.C., Shen
J.W., 2010, A GIS-based framework
for bus network optimization using
genetic algorithm, Annals of GIS 16
(3), 185-194.
Hartono, 2005, Penentuan Lokasi
Sekolah Dengan Pendekatan
Geografis, Yogyakarta : Universitas
Gadjah Mada.
Istikmal, Yuliant S., Ratna M., Tody
A.W., Ridha M.N, Kemas M.L.,
Tengku A.R, 2012, Sistem Informasi
Geografis Rifakes Kemenkes RI Studi
Kasus Kota Tasikmalaya, Seminar
Nasional Aplikasi Teknologi
Informasi (SNATI 2012), ISSN :
1907-5022, Yogyakarta
Jogiyanto, H.M., 2006, Analisis dan
Desain Sistem Informasi, Andi,
Yogyakarata.
Liu N., Huang B., and Chandramouli M.,
2006, Optimal Siting of Fire Stations
Using GIS and ANT Algorithm,
Journal of Computing in Civil
Engineering 20 (5), 361-369.
Maier H.R, Simpson A.R., Zecchin
A.C., Foong W.K., Phang K.Y., Seah
H.Y., and Tan C.L., 2003, Ant Colony
Optimization for Design of Water
Distribution Systems, Journal of
Water Resources Planning &
Management 129 (3), 200-209.
70 Perancangan Prototype Aplikasi Optimalisasi Distribusi Pengangkutan Sampah Di
Bontang – Lapu Tombilayuk, Miftahul Jannah dan Sri Handani Widiastuti
71 TEKNIK - UNISFAT, Vol. 10 No. 2, Maret 2014 Hal 53 - 71
JURNAL 71
Mutakhiroh, I., Saptono, F., Hasanah,
N., dan Wiryadinata, R., 2007,
Pemanfaatan Metode Heuristik
Dalam Pencarian Jalur Terpendek
Dengan Algoritma Semut dan
Algoritma Genetik, Seminar Nasional
Aplikasi Teknologi Informasi, ISSN:
1907-5022, Yogyakarta.
Prahasta E.., 2005, Konsep-Konsep
Dasar Sistem Informasi Geografis,
Informatika, Bandung.
Pujisusilo dan Anjar N., 2008,
Perancangan Prototype Aplikasi
Berbasis Web Mobile Untuk
Memeberikan Layanan Akademik
Kepada Mahasiswa Melalui Internet,
Yogyakarta , Universitas Gadjah
Mada.
Sarhadi H. dan Ghoseiri K., 2010, An
ant colony system approach for fuzzy
traveling salesman problem with time
windows, International Journal of
Advanced Manufacturing Technology
50 (9-12), 1203-1215
Silvia, 2011, Geographic Information
System Technology, Revista Minelor /
Mining Revue (17), 7-13.
Svennerberg G., 2010, Beginning
Google Maps API 3, Apress.
Yuwono B., Aribowo A.S. dan Wardoyo
S.B., 2009, Implementasi Algoritma
Koloni Semut Pada Proses Pencarian
Jalur Terpendek Jalan Protokol Di
kota Yogyakarta, Seminar Nasional
Informatika, ISSN : 1979 – 2328,
Yogyakarta.