BAB II LANDASAN TEORI 2.1. Penjadwalan 2.1.1. Definisi...

BAB II

LANDASAN TEORI

2.1. Penjadwalan

2.1.1. Definisi Penjadwalan

Chambers (1999, hal: 22) menyatakan bahwa jadwal didefinisikan sebagai sesuatu

yang menjelaskan di mana dan kapan orang-orang dan sumber daya berada pada suatu

waktu. Berdasarkan Kamus Besar Bahasa Indonesia, jadwal merupakan pembagian

waktu berdasarkan rencana pengaturan urutan kerja. Jadwal juga didefinisikan sebagai

daftar atau tabel kegiatan atau rencana kegiatan dengan pembagian waktu pelaksanaan

yang terperinci. Sedangkan penjadwalan merupakan proses, cara, perbuatan

menjadwalkan atau memasukkan dalam jadwal (Departemen Pendidikan dan

Kebudayaan, 1995).

Kebanyakan orang terbiasa dengan jadwal sekolah yang disajikan sebagai tabel

hari dalam seminggu dan slot waktu. Dapat dilihat bahwa setiap hari dibagi ke dalam

slot waktu. Setiap slot waktu memiliki daftar mata pelajaran yang sedang diajarkan,

oleh siapa dan di mana. Jadwal dapat dinyatakan dalam sejumlah cara yang berbeda,

masing-masing siswa harus memiliki jadwal sendiri tergantung pada mata pelajaran,

begitu juga masing-masing guru dan ruang, semua ini adalah perspektif yang berbeda

pada jadwal yang sama.

Universitas Sumatera Utara

Tabel 2.1 Contoh sebuah jadwal

Situasi lain di mana jadwal diperlukan (Chambers, 1999), yaitu:

1. Manufacturing - jalur produksi, perencanaan proyek.

2. Travel- kereta api, bus, dll.

3. Ujian universitas/sekolah.

4. Mata kuliah universitas.

5. Jadwal sekolah.

6. Jadwal televisi/radio/media.

7. Pertemuan/Rapat.

Situasi di atas membutuhkan jadwal dengan berbagai kerumitan tergantung

pada jumlah sumber daya yang dijadwalkan, jumlah slot waktu dan lokasi.

2.1.2. Penjadwalan Mata Kuliah

Penjadwalan mata kuliah adalah kegiatan administratif yang paling utama di

universitas. Dalam masalah penjadwalan mata kuliah, sejumlah mata kuliah yang

dialokasikan ke sejumlah ruang kelas yang tersedia dan sejumlah slot waktu disertai

dengan constraints. Constraints terbagi atas dua jenis, yaitu hard constraints dan soft

constraints (Petrovic dan Burke, 2004).

Mr. Smith Mr. Jhon Room 1 Room2 Class A Class B

COMPUTER Mr. Carlie Room 1 Class C

PHYSICS Mr. Donald Room 2 Class A

9am - 10am 10am - 11am 11am - 12 am


Hard constraints merupakan batas-batas yang harus diterapkan pada

penjadwalan mata kuliah dan harus dipenuhi. Solusi yang tidak melanggar hard

constraints disebut solusi layak. Hard constraints yang umum dalam penjadwalan

mata kuliah adalah sebagai berikut:

a. Seorang dosen hanya dapat memberi kuliah untuk satu lokasi pada waktu

tertentu.

b. Seorang mahasiswa hanya dapat mengikuti kuliah untuk satu lokasi pada

waktu tertentu.

c. Sebuah lokasi (ruangan) hanya dapat digunakan untuk satu mata kuliah pada

waktu tertentu.

d. Mahasiswa tidak dapat dialokasikan pada suatu lokasi yang menyebabkan

lokasi melebihi kapasitas maksimum.

Soft constraints didefinisikan sebagai batas-batas mengenai alokasi sumber

daya yang jika dilanggar masih dapat menghasilkan solusi yang layak tetapi sedapat

mungkin untuk dipenuhi. Dalam kenyataannya, masalah penjadwalan mata kuliah

biasanya tidak mungkin untuk memenuhi semua soft constraints. Kualitas jadwal yang

layak dapat dinilai berdasarkan seberapa baik soft constraints dapat dipenuhi. Namun,

beberapa masalah yang kompleks sulit menemukan solusi yang layak. Sebagai contoh,

soft constraints yang mungkin ingin dicapai dalam jadwal sehubungan dengan aspek

mata kuliah adalah meminimalkan terjadinya jadwal mata kuliah satu tingkat yang

beturut-turut.

Beberapa univeristas dengan jumlah mata kuliah yang akan dijadwalkan dan

berbagai constraints yang harus dipertimbangkan membuat penyusunan jadwal mata

kuliah menjadi sangat sulit (Petrovic dan Burke, 2004).

2.1.3. Masalah Jadwal Mata Kuliah

Selama pembuatan jadwal mata kuliah, dibutuhkan penerapan constraints yang

berbeda yang dilakukan secara bersamaan. Constraint ini mungkin saling


bertentangan yang berarti bahwa dalam usaha untuk memenuhi salah satu constraint

dapat mengarah pada pelanggaran terhadap constraint yang lain. Pada situasi seperti

ini dapat dilihat bahwa kepuasan pada constraint yang pertama akan mungkin

mengarah pada pelanggaran constraint yang kedua.

Pengamatan tersebut didukung sebuah pernyataan multikriteria dari masalah

jadwal mata kuliah di mana kriteria mengukur pelanggaran dari constraints yang

sama. Sebuah universitas dapat menetapkan kualitas dari jadwal mata kuliah dari

sudut pandang yang berbeda (departemen, mahasiswa, pembuat jadwal). Universitas

sering memberikan kepentingan yang berbeda dengan constraints yang dikenakan

pada masalah jadwal mata kuliah.

Berikut notasi dalam masalah jadwal mata kuliah:

a. N adalah jumlah mata kuliah.

b. P adalah jumlah slot waktu.

c. ln adalah jumlah dosen yang mengajar mata kuliah n, n = 1, …, N, yang

sudah diletakkan pada slot waktu P.

d. rp adalah jumlah ruangan yang dapat dijadwalkan pada slot waktu p, p =1,

…, P.

e. C = [cnm]NxN adalah matriks simetris yang merepresentasikan konflik dari

mata kuliah

f. cnm adalah jumlah mahasiswa yang mengambil mata kuliah n dan m

dimana n, m = 1, …, N.

g. K adalah jumlah kriteria.

h. T = [tnp]NxP adalah matriks yang merepresentasikan penempatan mata

kuliah ke dalam slot waktu.

i. tnp = 1, jika mata kuliah n dijadwalkan pada slot waktu p, n = 1, …, N, p =

1, …, P dan 0 untuk yang lainnya.

j. fk(T) adalah nilai dari kriteria Ck, k = 1, …, K.

k. wk adalah bobot kriteria Ck, k = 1, …, K.


Masalah multikriteria jadwal mata kuliah dapat dinyatakan dalam cara berikut.

Tentukan jumlah slot waktu P, jumlah mata kuliah N dengan jumlah dosen yang

dibutuhkan, tentukan jadwal dari T yang membuat semua komponen vektor WF =

(w1f1(T), …, wkfk(T), …, wKfK(T)) sekecil mungkin, berdasarkan:

∑=

=P

pnnp lt

1

, n = 1, …, N (2.1)

∑=

≤N

npnp rt

1, p = 1, …, P (2.2)

∑∑∑=+=

−

=

P

pnmmpnp

N

nm

N

nctt

11

1

1

= 0 (2.3)

Constraint (2.1) memastikan bahwa setiap mata kuliah memiliki jumlah dosen yang

dibutuhkan. Constraint (2.2) memastian bahwa dosen dapat ditampung di sejumlah

ruangan. Dan constraint (2.3) memastikan bahwa mata kuliah yang telah memiliki

mahasiswa yang sama tidak dijadwalkan pada slot waktu yang sama (Petrovic dan

Burke, 2004).

2.2. Sistem Pendukung Keputusan

Konsep Sistem Pendukung Keputusan (SPK) pertama kali diperkenalkan pada awal

tahun 1970-an oleh Michael S. Scott Morton dengan istilah Management Decision

System. Konsep SPK ditandai dengan sistem interaktif berbasis komputer yang

membantu pengambil keputusan memanfaatkan data dan model untuk menyelesaikan

masalah-masalah yang tidak terstruktur.

Pada dasarnya SPK merupakan pengembangan lebih lanjut dari Sistem

Informasi Manajemen terkomputerisasi (Computerized Management Information

System), yang dirancang sedemikian rupa sehingga bersifat interaktif dengan

pemakainya. Sifat interaktif ini dimaksudkan untuk memudahkan integrasi antara

berbagai komponen dalam proses pengambilan keputusan, seperti prosedur, kebijakan,


teknis analisis, serta pengalaman dan wawasan manajerial guna membentuk suatu

kerangka keputusan yang bersifat fleksibel.

Dalam sudut pandang konotasional, SPK adalah kemajuan secara revolusioner

dari SIM (Sistem Informasi Manajemen) dan PDE (Pengolahan Data Elektronik).

Pernyataan ini, dapat dilihat pada gambar di bawah ini (Suryadi dan Ramdhani, 1998).

Gambar 2.1 SPK Dalam Sudut Pandang Konotasional

PDE diterapkan pada level operasional organisasi. Karakteristik PDE meliputi

aktivitas-aktivitas:

a. Menitikberatkan pada data, penyimpanan, pengolahan, dan aliran pada

level operasional.

b. Membantu pengolahan transaksi-transaksi secara lebih efisien.

c. Memungkinkan pengolahan komputer secara lebih terjadwal dan optimum.

d. Menyediakan pembukuan (file) terpadu untuk kegiatan yang saling

berkaitan.

e. Memberikan laporan umum atau ikhtisar kepada manajer.


Dengan adanya peningkatan kemampuan dan kecepatan piranti keras, sistem

operasi on line, pilihan komunikasi data yang menarik dan kemampuan penuh dari

terminal, aktivitas pada level PDE ini menjadi lebih lancar dan lebih efisien dalam

penggunaan fasilitas dalam pengolahan data transaksi.

Secara umum SIM difokuskan pada tingkat yang lebih tinggi dalam organisasi.

SIM memiliki karakter sebagai berikut:

a. Menitikberatkan pada informasi bagi para manajer menengah.

b. Menangani aliran-aliran informasi yang terstruktur.

c. Memadukan PDE dari kegiatan-kegiatan berdasarkan fungsi usaha (SIM

Pemasaran, SIM Produksi, dan lain-lain).

d. Melayani kebutuhan informasi dan pembuatan laporan, umumnya melalui

suatu basis data.

Dari karakteristik di atas, terlihat bahwa Sistem Informasi Manajemen

berorientasi pada struktur aliran informasi dan operasional (rutinitas).

SPK, menurut tinjauan konotatif ini, merupakan sistem yang ditujukan kepada

tingkatan manajemen yang lebih tinggi lagi, dengan penekanan karakteristik sebagai

berikut.

a. Berfokus pada keputusan, ditujukan pada manajer puncak dan pengambil

keputusan.

b. Menekankan pada fleksibilitas, adaptabilitas, dan respon yang cepat.

c. Mampu mendukung berbagai gaya pengambilan keputusan dari masing-

masing pribadi manajer.

SPK dirancang untuk mendukung seluruh tahap pengambilan keputusan mulai

dari mengidentifikasi masalah, memilih data yang relevan, menentukan pendekatan

yang relevan, menentukan pendekatan yang digunakan dalam proses pengambilan

keputusan, sampai mengevaluasi pemilihan alternatif (Suryadi dan Ramdhani, 1998).


2.2.1. Definisi SPK

Definisi awal SPK menunjukkan SPK sebagai sebuah sistem yang dimaksudkan untuk

mendukung para pengambil keputusan manajerial dalam situasi keputusan

semiterstruktur. SPK dimaksudkan untuk menjadi alat bantu bagi para pengambil

keputusan untuk memperluas kapabilitas mereka, namun tidak untuk menggantikan

penilaian mereka. SPK ditujukan untuk keputusan-keputusan yang memerlukan

penilaian atau pada keputusan-keputusan yang sama sekali tidak dapat didukung oleh

algoritma (Turban et al, 2005).

Little (1970) mendefinisikan SPK sebagai sekumpulan prosedur berbasis

model untuk data pemrosesan dan penilaian guna membantu para manajer mengambil

keputusan. Dia menyatakan bahwa untuk sukses, sistem tersebut haruslah sederhana,

cepat, mudah dikontrol, adaptif, lengkap dengan isu-isu penting, dan mudah

berkomunikasi. Bonczek, dkk., (1980) mendefinisikan SPK sebagai sistem berbasis

komputer yang terdiri dari tiga komponen yang saling berinteraksi: sistem bahasa

(mekanisme untuk memberikan komunikasi antara pengguna dan komponen DSS

lain), sistem pengetahuan (repositori pengetahuan domain masalah yang ada pada

SPK apakah sebagai data atau sebagai prosedur), dan sistem pemrosesan masalah

(hubungan antara dua komponen lainnya, terdiri dari satu atau lebih kapabilitas

manipulasi masalah umum yang diperlukan untuk pengambilan keputusan).

2.2.2. Konfigurasi SPK

Dukungan keputusan dapat diberikan dalam banyak konfigurasi yang berbeda-beda.

Konfigurasi tersebut tergantung pada sifat situasi keputusan manajemen dan teknologi

spesifik yang digunakan untuk dukungan. Teknologi ini dirakit dari empat komponen

dasar (masing-masing dengan beberapa variasi): data, model, antarmuka pengguna,

dan (opsional) pengetahuan. Masing-masing komponen dikelola dengan perangkat

lunak yang tersedia secara komersil atau harus diprogram untuk tugas spesifik. Cara

komponen tersebut dirakit menentukan kapabilitas utamanya dan sifat dukungan yang

disediakan.


2.2.3. Karakteristik dan Kemampuan SPK

Berikut ini adalah karakteristik dan kemampuan ideal dari suatu sistem pendukung

keputusan (Turban et al, 2005).

1. Dukungan untuk pengambilan keputusan, terutama pada situasi semiterstruktur

dan tak terstruktur, dengan menyertakan penilaian manusia dan informasi

terkomputerisasi. Masalah-masalah tersebut tidak dapat dipecahkan (atau tidak

dapat dipecahkan dengan konvenien) oleh sistem komputer lain atau oleh

metode atau alat kuantitatif standar.

2. Dukungan untuk semua level manajerial, dari eksekutif puncak sampai

manajer lini

3. Dukungan untuk individu dan kelompok. Masalah yang kurang terstruktur

sering memerlukan keterlibatan individu dari departemen dan tingkat

organisasional yang berbeda atau bahkan dari organisasi lain.

4. Dukungan untuk keputusan independen dan atau sekuensial. Keputusan dapat

dibuat satu kali, beberapa kali, atau berulang (dalam interval yang sama).

5. Dukungan di semua fase proses pengambilan keputusan: inteligensi, desain,

pilihan, dan implementasi.

6. Dukungan di berbagai proses dan gaya pengambilan keputusan.

7. Adaptivitas sepanjang waktu. Pengambil keputusan seharusnya reaktif, dapat

menghadapi perubahan kondisi secara cepat, dan dapat mengadaptasikan SPK

untuk memenuhi perubahan tersebut.

8. Pengguna merasa seperti di rumah. User friendly, kapabilitas grafis yang

sangat kuat, dan antarmuka manusia-mesin interaktif dengan satu bahasa alami

dapat sangat meningkatkan keefektifan SPK.

9. Peningkatan terhadap keefektifan pengambilan keputusan (akurasi, timeliness,

kualitas) ketimbang pada efisiensinya (biaya pengambilan keputusan). Ketika

SPK disebarkan, pengambilan keputusan sering membutuhkan waktu yang

lebih lama, namun keputusannya lebih baik.

10. Kontrol penuh oleh pengambil keputusan terhadap semua langkah proses

pengambilan keputusan dalam memecahkan suatu masalah. SPK secara khusus


menekankan untuk mendukung pengambil keputusan, bukannya

menggantikan.

11. Pengguna akhir dapat mengembangkan dan memodifikasikan sendiri sistem

sederhana. Sistem yang lebih besar dapat dibangun dengan bantuan ahli sistem

informasi.

12. Biasanya model-model digunakan untuk menganalisis situasi pengambilan

keputusan. Kemampuan pemodelan memungkinkan eksperimen dengan

berbagai strategi yang berbeda di bawah konfigurasi yang berbeda.

13. Akses disediakan untuk berbagai sumber data, format, dan tipe, mulai dari

sistem informasi geografis (GIS) sampai sistem berorientasi objek.

14. Dapat dilakukan sebagai alat standalone yang digunakan oleh seorang

pengambil keputusan pada satu lokasi atau didistribusikan di satu organisasi

keseluruhan dan di beberapa organisasi sepanjang rantai persediaan.

Karakteristik dan kemampuan dari SPK tersebut membolehkan para pengambil

keputusan untuk membuat keputusan yang lebih baik dan lebih konsisten pada satu

cara yang dibatasi waktu. Kemampuan tersebut disediakan oleh berbagai komponen

utama SPK.

2.2.4. Komponen-Komponen SPK

Aplikasi SPK dapat terdiri dari beberapa subsistem (Turban et al, 2005), yaitu:

a. Subsistem manajemen data.

b. Subsistem manajemen model.

c. Subsistem antarmuka pengguna.

d. Subsistem manajemen berbasis pengetahuan.


Komponen-komponen SPK dapat ditunjukkan pada gambar di bawah ini.

Gambar 2.2 Skematik SPK

2.2.4.1. Subsistem Manajemen Data

Subsistem manajemen data memasukkan satu basis data yang berisi data yang relevan

untuk situasi dan dikelola oleh perangkat lunak yang disebut Database Management

System (DBMS).

Subsistem manajemen data terdiri dari elemen berikut ini:

a. Basis data SPK

Basis data adalah kumpulan data yang saling terkait yang diorganisasikan

untuk memenuhi kebutuhan dan struktur sebuah organisasi dan dapat

digunakan oleh lebih dari satu orang untuk lebih dari satu aplikasi. Data pada

basis data SPK diekstrak dari sumber data internal dan eksternal, juga dari data

Manajemen Data

Manajemen Model

Subsistem berbasis pengetahuan

Antarmuka pengguna

Pengguna

Sistem lain yang berbasis komputer Data: eksternal

dan internal


personal milik satu atau lebih pengguna. Hasil ekstraksi ditempatkan pada

basis data aplikasi khusus.

b. Database Management System (DBMS)

Basis data dibuat, diakses, dan diperbarui oleh sebuah DBMS. SPK dibuat

dengan sebuah DBMS relasional komersial standar yang memberikan berbagai

kapabilitas. Sebuah basis data yang yang efektif dan manajemennya dapat

mendukung banyak kegiatan manajerial; navigasi umum di antara record-

record, mendukung pembuatan dan pemeliharaan sebuah kumpulan hubungan

data yang berbeda-beda, dan laporan merupakan hasil yang umum.

c. Direktori data

Direktori data merupakan sebuah katalog dari semua data di dalam basis data.

Ia berisi definisi data dan fungsi utamanya adalah untuk menjawab pertanyaan

mengenai ketersediaan data, sumbernya, dan makna eksak dari data. Direktori

ini terutama cocok untuk mendukung fase inteligensi dari proses pengambilan

keputusan karena membantu men-scan data dan mengidentifikasi area masalah

dan peluang-peluang. Direktori, seperti semua catalog lainnya, mendukung

penambahan entri baru, menghapus entri, dan mendapatkan kembali informasi

mengenai objek-objek khusus.

d. Query facility

Membangun dan menggunakan SPK sering memerlukan akses, manipulasi,

dan query data. Tugas-tugas tersebut dilakukan oleh query facility. Ia

menerima permintaan untuk data dari komponen SPK lain, menentukan

bagaimana permintaan dapat dipenuhi, memformulasi permintaan dengan

detail, dan mengembalikan hasilnya kepada pemberi permintaan. Query

facility memasukkan sebuah bahasa query khusus (misal SQL).


2.2.4.2. Subsistem Manajemen Model

Subsistem manajemen model merupakan paket perangkat lunak yang memasukkan

model keuangan, statistik, ilmu manajemen, atau model kuantitatif lainnya yang

memberikan kapabilitas analitik dan manajemen perangkat lunak yang tepat.

Subsistem manajemen model dari SPK terdiri dari elemen-elemen berikut ini:

a. Basis model

Basis model berisi rutin dan statistik khusus, keuangan, forecasting, ilmu

manajemen, dan model kuantitatif lainnya yang memberikan kapabilitas

analisi pada sebuah SPK. Model dalam basis model dapat dibagi menjadi

empat kategori utama, yaitu strategis, taktis, operasional, dan analitik.

b. Sistem manajemen basis model

Fungsi perangkat lunak sistem manajemen basis model (MBMS) adalah untuk

membuat model dengan menggunakan bahasa pemrograman, alat SPK dan

atau subrutin, dan blok pembangunan lainnya.

c. Bahasa pemodelan

SPK berkaitan dengan masalah semiterstruktur dan tidak terstruktur, karena itu

sering perlu untuk mengustomasi model-model dengan menggunakan alat dan

bahasa pemrograman.

d. Direktori model

Direktori model adalah katalog dari semua model dan perangkat lunak lainnya

pada basis model. Direktori model berisi definisi model dan fungsi utamanya

adalah menjawab pertanyaan tentang ketersediaan dan kapabilitas model.

e. Eksekusi model, integrasi, dan prosesor perintah

Aktivitas-aktivitas ini dikontrol oleh manajemen model. Eksekusi model

adalah proses mengontrol jalannya model saat ini. Integrasi model mencakup

gabungan operasi dari beberapa model saat diperlukan, atau mengintegrasikan


SPK dengan aplikasi lain. Sedangkan perintah dalam manajemen model

digunakan untuk menerima dan menginterpretasikan instruksi-instruksi

pemodelan dari komponen antarmuka pengguna dan merutekannya ke MBMS,

eksekusi model, atau fungsi-fungsi integrasi.

2.2.4.3. Subsistem Antarmuka Pengguna

Antarmuka pengguna merupakan sistem dari sisi pengguna karena antarmuka adalah

satu-satunya bagian dari sistem yang dilihat oleh pengguna. Antarmuka pengguna

mancakup semua aspek komunikasi antara satu pengguna dan SPK. Cakupannya tidak

hanya perangkat keras dan perangkat lunak, tetapi juga faktor-faktor yang diberikan

dengan kemudahan penggunaan, kemampuan untuk dapat diakses, dan interaksi

manusia dan mesin. Antarmuka yang sulit merupakan satu alasan utama mengapa para

manajer tidak menggunakan komputer dan analisis kuantitatif.

Subsistem antarmuka pengguna dikelola oleh perangkat lunak yang disebut

sistem manajemen antarmuka pengguna (UIMS).

2.2.4.4. Subsistem Manajemen Berbasis Pengetahuan

Banyak masalah tak terstruktur dan bahkan semi terstruktur yang sangat kompleks

sehingga solusinya memerlukan keahlian. Keahlian tersebut dapat diberikan oleh

suatu sistem pakar atau sistem cerdas lainnya. Komponen subsistem manajemen

berbasis pengetahuan menyediakan keahlian yang diperlukan untuk memecahkan

beberapa aspek masalah dan memberikan pengetahuan yang dapat meningkatkan

operasi SPK yang lain.

Komponen pengetahuan terdiri dari satu atau lebih sistem cerdas. Sama seperti

basis data dan perangkat lunak manajemen model, perangkat lunak manajemen

berbasis pengetahuan memberikan eksekusi dan integrasi penting dari sistem cerdas.


Sistem pendukung keputusan yang memasukkan komponen seperti itu disebut SPK

cerdas.

2.2.5. Model

Karakteristik utama sebuah SPK adalah inklusif pada sedikitnya satu model. Model

merupakan representasi atau abstraksi sederhana dari realitas. Model biasanya

disederhanakan karena realitas terlalu kompleks untuk digambarkan secara tepat dan

karena banyak dari kompleksitas tersebut secara aktual tidak relevan untuk

memecahkan masalah khusus.

Model dapat merepresentasikan sistem atau masalah dengan berbagai tingkatan

abstraksi. Model diklasifikasikan berdasarkan tingkat abstraksi, seperti ikonik, analog,

atau matematika. Model ikonik adalah model dengan abstraksi paling rendah yang

merupakan replika fisik dari sebuah sistem, biasanya pada skala yang berbeda dari

aslinya. Model analog merupakan model yang bertindak seperti sistem riil, tetapi tidak

mirip. Model ini lebih abstrak dibandingkan model ikonik dan merupakan representasi

simbolis dari realitas. Sedangkan model matematika merupakan model yang lebih

abstrak daripada model analog dan ikonik (Turban et al, 2005).

2.2.5.1. Manfaat Model

SPK menggunakan model-model untuk alasan berikut ini (Turban et al, 2005).

a. Manipulasi model (mengubah variabel keputusan atau lingkungan) jauh lebih

mudah daripada memanipulasi sistem riil.

b. Model memungkinkan kompresi waktu.

c. Biaya analisis pemodelan jauh lebih rendah daripada biaya eksperimen yang

serupa yang dilakukan pada sebuah sistem riil.

d. Biaya pembuatan masalah selama eksperimen coba-salah jauh lebih rendah

ketika menggunakan model-model, dibanding menggunakan sistem riil.


e. Lingkungan bisnis mencakup ketidakpastian yang dapat dipertimbangkan.

f. Model matematika memungkinkan analisis terhadap sejumlah solusi yang

mungkin yang sangat besar, dan kadang-kadang tak terbatas.

g. Model memperkuat pembelajaran dan pelatihan.

h. Metode model dan solusi tersedia di web.

2.2.5.2. Kategori Model

Model dalam SPK dikelompokkan menjadi tujuh kelompok dan mendaftarkan

beberapa teknik representatif untuk setiap kategori (Turban et al, 2005). Berikut tabel

ketujuh kategori model-model tersebut.

Tabel 2.2 Kategori-Kategori Model

Kategori Proses dan Tujuan Teknik-Teknik Representatif

Optimalisasi

masalah dengan

sedikit alternative

Menemukan solusi terbaik dari

sejumlah alternatif.

Tabel keputusan, pohon

keputusan

Optimalisasi dengan

algoritma

Menemukan solusi terbaik dari

sejumlah besar alternatif dengan

menggunakan proses pendekatan

langkah demi langkah.

Model pemrograman

matematika linier dan

lainnya, model jaringan

Optimalisasi dengan

rumusan analitik

Menemukan solusi terbaik

dalam satu langkah dengan

menggunakan satu rumus.

Beberapa model

inventori

Simulasi Menemukan satu solusi yang

cukup baik atau yang terbaik di

antara berbagai alternatif yang

dipilih dengan menggunakan

eksperimen.

Beberapa tipe simulasi

Heuristic Menemukan satu solusi yang

cukup baik dengan

Pemrograman heuristic,

sistem pakar


menggunakan aturan-aturan.

Model-model

prediktif

Memprediksi masa depan untuk

skenario yang ditentukan.

Model forecasting,

analisis Markov

Model-model

lainnya

Memecahkan kasus bagaimana-

jika dengan menggunakan

sebuah rumus.

Pemodelah keuangan,

waiting lines

2.2.6. Pemrograman Heuristic

Heuristic (bahasa Yunani untuk kata discovery) adalah aturan keputusan yang

mengatur bagaimana sebuah masalah harus dipecahkan (Turban et al, 2005). Heuristic

juga didefinisikan sebagai kriteria, metode, atau prinsip untuk menemukan jalan dari

beberapa alternatif tindakan yang paling efektif untuk mencapai tujuan tertentu (Pearl,

1984). Sedangkan menurut George Polya, heuristic didefinisikan sebagai studi metode

dan aturan penemuan (Setiawan, 1993, hal: 80). Biasanya, heuristic dikembangkan

berdasarkan basis analisis yang solid terhadap masalah, kadang-kadang melibatkan

eksperimen yang didesain secara cermat. Sebaliknya, petunjuk biasanya

dikembangkan sebagai hasil dari pengalaman coba-salah. Beberapa heuristic diambil

dari petunjuk. Heuristic search (atau pemrograman) adalah prosedur langkah-demi-

langkah (seperti algoritma) yang diulang sampai ditemukan sebuah solusi yang

memuaskan. Contoh-contoh heuristic didaftarkan pada Tabel 2.3.

Tabel 2.3 Contoh-contoh heuristic

Pekerjaan berurutan melalui sebuah

mesin

Melakukan pekerjaan yang pertama-tama

memerlukan least time.

Pembelian saham Jika rasio harga dibanding pengeluaran

lebih dari 10, tidak membeli saham.

Travel Tidak menggunakan jalan bebas hambatan

antara jam 8 dan 9 pagi.


Investasi kapital pada proyek

teknologi tinggi

Mempertimbangkan hanya proyek-proyek

dengan periode pengembalian terestimasi

kurang dari 2 tahun.

Pembelian sebuah rumah Membeli hanya di lingkungan yang bagus,

tetapi hanya membeli dalam rentang harga

yang lebih rendah.

Pengambil keputusan menggunakan heuristic atau aturan utama dengan

berbagai alasan, beberapa alasan lebih masuk akal daripada alasan yang lainnya.

Sebagai contoh, pengambil keputusan dapat menggunakan sebuah heuristic jika

mereka tidak tahu cara terbaik untuk memecahkan sebuah masalah atau jika teknik-

teknik optimalisasi belum dilakukan.

Proses heuristic dapat dijelaskan sebagai pengembangan berbagai aturan untuk

membantu memecahkan masalah-masalah rumit, menemukan cara-cara mendapatkan

dan menginterpretasikan informasi yang terus berubah, dan kemudian mengembang-

kan metode-metode yang memimpin kepada suatu algoritma komputasional atau

solusi umum.

Sekalipun heuristic dilakukan terutama untuk memecahkan masalah yang tidak

terstruktur, namun heuristic juga dapat digunakan untuk memberikan solusi yang

memuaskan untuk masalah tertentu yang kompleks namun terstruktur, dengan jauh

lebih cepat dan lebih murah ketimbang algoritma optimalisasi. Kesulitan utama

menggunakan heuristic adalah heuristic bukan satu algoritma umum. Dengan

demikian, heuristic dapat digunakan hanya untuk situasi spesifik.

Pemrograman heuristic merupakan pendekatan yang melibatkan cara heuristic

(role of thumb) yang dapat menghasilkan solusi yang layak dan cukup baik pada

pelbagai permasalahan yang kompleks. Cukup baik (good enough) biasanya dalam

jangkauan 90 sampai dengan 99,99 persen dari solusi optimal sebenarnya (Subakti,

2002).


Pemikiran heuristic tidak perlu berjalan dalam cara yang langsung. Pemikiran

ini meliputi pencarian, pembelajaran, evaluasi, penilaian, dan kemudian pencarian

ulang, pembelajaran ulang, dan penilaian ulang saat terjadi eksplorasi dan

pembuktian. Pengetahuan yang didapatkan dari kesuksesan atau kegagalan pada saat

yang sama merupakan umpan balik dan memodifikasi proses pencarian. Biasanya

tujuan atau masalah atau pemecahan yang terkait atau masalah yang disederhanakan

perlu ditentukan kembali sebelum masalah utama dapat dipecahkan (Turban et al,

2005).

2.3. Algoritma A*

Secara umum, pencarian jalur terpendek dapat dibagi menjadi dua metode yaitu

metode algoritma konvensional dan algoritma heuristic. Metode algoritma

konvensional diterapkan dengan cara perhitungan matematis biasa, sedangkan metode

algoritma heuristic diterapkan dengan perhitungan kecerdasan buatan dengan

menentukan basis pengetahuan dan perhitungannya (Mutakhiroh et al, 2007).

Metode algoritma heuristic dapat menyelesaikan masalah pencarian jalur

terpendek dengan hasil yang lebih variatif dan dengan waktu perhitungan yang lebih

singkat. Pada metode algoritma konvensional, logika yang dipakai hanya dengan

membandingkan jarak masing-masing simpul dan kemudian mencari jarak yang

terpendek. Namun, kelemahan metode algoritma konvensional pada keakuratan hasil

yang didapatkan serta tingkat kesalahan yang dihasilkan pada perhitungan. Hal

tersebut tidak akan menjadi masalah jika data yang dibutuhkan hanya sedikit,

sebaliknya maka akan menyebabkan peningkatan tingkat kesalahan perhitungan dan

penurunan keakuratan. Secara konsep algoritma, metode algoritma konvensional lebih

mudah untuk dipahami, tetapi hasil yang diperoleh dari metode algoritma heuristic

lebih variatif.

Di dalam mempelajari tingkah laku suatu heuristic tidak hanya dibutuhkan

solusi, tetapi juga membutuhkan algoritma untuk mendapatkan jalur atau lintasan


terpendek untuk mencapai data yang diinginkan (goal). Hal ini adalah penting jika

sebuah aplikasi mempunyai biaya tinggi untuk langkah-langkah solusi ekstranya,

seperti misalnya merencanakan sebuah jalur untuk sebuah robot autonomous pada

sebuah lingkungan yang berbahaya. Heuristic yang menemukan lintasan terpendek

kapan saja dan di mana berada disebut admissible. Suatu algoritma pencarian disebut

admissible jika algoritma tersebut terjamin dalam hal pencarian jalur yang minimal

pada suatu solusi di manapun jalur tersebut berada (Kristanto, 2004).

Salah satu metode algoritma heuristic yang digunakan untuk melakukan

pencarian jalur terpendek adalah algoritma A*. A* (admissible heuristic) adalah

strategi best first search yang menggunakan estimasi solusi biaya terkecil untuk

mencapai suatu tujuan dengan jarak tempuh terdekat dan memiliki nilai heuristic yang

digunakan sebagai dasar pertimbangan (Seminar Nasional Sains dan Teknologi-II,

2008). Algoritma A* menghasilkan jalur optimal mulai dari tempat awal kemudian

melalui simpul menuju tempat yang dituju.

Notasi yang dipakai oleh algoritma A* adalah:

f(n) = g(n) + h(n) (2.4)

Dalam notasi standar yang dipakai untuk algoritma A* di atas, digunakan g(n)

untuk mewakili biaya rute dari simpul awal ke simpul n. Lalu h(n) mewakili perkiraan

biaya dari simpul n ke simpul tujuan, yang dihitung dengan fungsi heuristic. A*

‘menyeimbangkan’ kedua nilai ini dalam mencari jalan dari simpul awal ke simpul

tujuan. Dalam menentukan simpul yang akan dikembangkan, algoritma ini akan

memilih simpul dengan nilai f(n) = g(n) + h(n) yang paling kecil (Adipranata et al,

2007).

Beberapa terminologi dasar yang terdapat pada algoritma A* (Viktor et al,

2010) adalah:

a. starting point merupakan terminologi untuk posisi awal sebuah benda.


b. simpul (nodes) merupakan petak-petak kecil sebagai representasi dari

pathfinding. Bentuknya dapat berupa persegi, lingkaran, maupun segitiga.

c. A merupakan simpul yang sedang dijalankan dalam algoritma pencarian jalan

terependek.

d. open list merupakan tempat menyimpan data simpul yang mungkin diakses

dari starting point maupun simpul yang sedang dijalankan.

e. closed list merupakan tempat menyimpan data simpul sebelum A yang juga

merupakan bagian dari jalur terpendek yang telah berhasil didapatkan.

f. harga (cost) merupakan nilai dari f(n).

g. halangan (unwalkable) merupakan sebuah atribut yang menyatakan bahwa

sebuah simpul tidak dapat dilalui oleh A.

Berikut ini adalah algoritma A* (Pearl, 1984):

1. Letakkan simpul awal s pada OPEN.

2. Jika OPEN kosong, pencarian berakhir.

3. Pindahkan simpul n yang memiliki nilai f minimum dari OPEN ke CLOSED.

4. Jika n adalah simpul tujuan, pencarian berhasil dan berakhir dengan

menelusuri kembali pointer dari n sampai s.

5. Ekspansikan n, bangkitkan semua successor dari simpul n, dan tambahkan ke

pointer tersebut kembali ke n. Untuk setiap successor n’ dari simpul n:

a. Jika n’ tidak ada pada OPEN atau CLOSED, estimasi h(n’) (sebuah

perkiraan dari biaya perjalanan terbaik dari n’ ke beberapa simpul tujuan),

dan hitung f(n’) = g(n’) + h(n’) dimana g(n’) = g(n) + c(n, n’) dan g(s) =

0.

b. Jika n’ sudah berada pada OPEN atau CLOSED, letakkan pointer

perjalanan pada hasil g(n’) yang terendah.

c. Jika n’ membutuhkan penyesuaian pointer dan ditemukan pada CLOSED,

buka kembali n’.

6. Kembali ke langkah 2.


2.4. Delphi 7.0

Borland Delphi atau yang biasa disebut Delphi saja merupakan sarana pemrograman

aplikasi visual. Bahasa pemorgraman yang digunakan adalah bahasa pemrograman

Pascal atau yang kemudian juga disebut bahasa pemrograman Delphi. Delphi

merupakan generasi penerus dari Turbo Pascal. Turbo Pascal dirancang untuk

dijalankan pada sistem opersai DOS, sedangkan Delphi dirancang untuk beroperasi di

bawah sistem operasi Windows (Wahana Komputer, 2003).

Borland Delphi versi pertama dirilis pada tahun 1995, kemudian berlanjut

sampai Delphi 7.0 yang dirilis pada tahun 2002 dan kini versi terbarunya adalah

Delphi 8.0 dan 2005.

Keunggulan bahasa pemrograman Delphi terletak pada produktivitas, kualitas,

pengembangan perangkat lunak, kecepatan kompilasi, pola desain yang menarik serta

diperkuat dengan pemrogramannya yang terstruktur. Keunggulan lain dari Delphi

adalah dapat digunakan untuk merancang program aplikasi yang memiliki tampilan

seperti program aplikasi lain yang berbasis Windows (Madcoms, 2003).

Delphi memiliki sarana yang tangguh untuk pembuatan aplikasi, mulai dari

sarana untuk pembuatan form, menu, toolbar, hingga kemampuan untuk menangani

pengelolaan basis data yang besar. Kelebihan-kelebihan yang dimiliki Delphi antara

lain karena pada Delphi, form dan komponen-komponennya dapat dipakai ulang dan

dikembangkan, tersedia template aplikasi dan form template, memiliki lingkungan

pengembangan visual yang dapat diatur sesuai kebutuhan, serta kemampuan

mangakses data dari bermacam-macam format.

2.5. MySQL

MySQL adalah database server relasional yang gratis di bawah lisensi GNU General

Public License. MySQL dikembangkan oleh MySQL AB, sebuah perusahaan

komersial yang membangun layanan bisnisnya melalui basis data MySQL. Awal mula


pengembangan MySQL adalah pengguanaan mSQL untuk koneksi ke tabel

mempergunakan rutin level rendah (ISAM). Setelah beberapa pengujian diperoleh

kesimpulan mSQL tidak cukup cepat dan fleksibel untuk memenuhi kebutuhan.

Sehingga dihasilkan suatu antarmuka SQL baru pada basis data tetapi dengan

Application Programming Interface (API) yang mirip SQL. API ini dipilih

sedemikian sehingga memudahkan porting kode (Utdirartatmo, 2002).

MySQL juga disebut sebagai suatu sistem manajemen basis data. Suatu basis

data adalah sebuah kumpulan data yang terstruktur. Untuk menambahkan, mengakses,

dan memproses data yang tersimpan pada suatu basis data komputer diperlukan sistem

manajemen basis data seperti MySQL. MySQL mampu menangani basis data

berukuran besar yaitu bisa memuat 60 ribu tabel dan 50 juta record. Karena komputer

sangat unggul dalam menangani sejumlah besar data, sistem manajemen basis data

memainkan suatu peranan yang penting dalam komputasi, baik sebagai utility stand-

alone maupun bagian dari aplikasi lainnya.

Perintah-perintah dasar Structured Query Language (SQL) yang dipergunakan

pada MySQL adalah sebagai berikut (Utdirartatmo, 2002).

a. CREATE DATABASE

Perintah ini berfungsi untuk membuat database baru

b. DROP DATABASE

Berfungsi untuk menghapus database.

c. CREATE TABLE

Perintah ini berfungsi untuk membat table baru.

d. DESCRIBE

Perintah ini berguna untuk menampilkan deskripsi dari sebua tabel.

e. ALTER TABLE

Perintah ini berfungsi untuk melakukan modifikasi tabel.

f. DROP TABLE

Perintah ini digunakan untuk menghapus tabel.

g. DELETE

Perintah ini digunakan untuk menghapus record dari sebuah tabel.


h. GRANT

Perintah ini berfungsi untuk memberikan privilege akses kepada pengguna

terhadap tabel dan dapat juga digunakan untuk membuat pengguna baru.

i. LOCK TABLES

Perintah ini berfungsi untuk menutup akses pengguna terhadap tabel.

j. UNLOCK TABLES

Perintah ini berfungsi untuk membuka akses yang sebelumnya dikunci.

k. INSERT INTO

Perintah ini berfungsi untuk memasukkan data ke dalam tabel.

l. LOAD DATA INFILE

Perintah ini gunakan untuk membaca data dari file teks.

m. SELECT

Perintah ini berfungsi untuk menampilkan record dari suatu tabel.

n. UPDATE

Perintah ini berfungsi untuk melakukan update data field dari sebuah tabel.


BAB II LANDASAN TEORI 2.1. Penjadwalan 2.1.1. Definisi...

Documents

Transcript of BAB II LANDASAN TEORI 2.1. Penjadwalan 2.1.1. Definisi...