7

BAB II

TINJAUAN PUSTAKA

2.1 Graf

2.1.1 Definisi Graf

Teori graf merupakan pokok bahasan yang memiliki banyak terapan

sampai saat ini. Graf digunakan untuk merepresentasikan objek-objek diskrit dan

hubungan dengan objek-objek tersebut. Secara matematis graf didefinisikan

sebagai pasangan himpunan (V, E), ditulis dengan notasi G = (V, E) yang dalam

hal ini V adalah himpunan tidak kosong dari simpul-simpul (vertex atau node)

dan E adalah himpunan sisi (edge) yang menghubungkan sepasang simpul

(Munir, 2005).

Simpul (vertex) pada graf dapat dinyatakan dengan huruf, bilangan atau

gabungan keduanya. Sedangkan sisi-sisi yang menghubungkan simpul u dengan

simpul v dinyatakan dengan pasangan (u, v) atau dinyatakan dengan lambang e1,

e2, e3 dan seterusnya. Dengan kata lain, jika e adalah sisi yang menghubungkan

simpul u dengan simpul v, maka e dapat dituliskan sebagai e = (u, v).

Gambar 2.1 Graf Sederhana

2.1.2 Jenis-Jenis Graf

Klasifikasi pada graf cukup luas, klasifikasi tersebut bergantung pada

faktor-faktor yang membedakannya. Berdasarkan orientasi arah pada sisinya,

maka secara umum graf dibedakan atas dua jenis sebagai berikut

8

1. Graf Tidak Berarah (undirected graph)

Graf yang sisinya tidak memiliki orientasi arah disebut graft tida berarah.

Pada graf tidak berarah, urutan pasangan simpul yang dihubungkan oleh

sisi tidak diperhatikan. Jadi, (u, v) = (v, u) adalah sisi yang sama.

Gambar 2.2 Graf Tidak Berarah

2. Graf Berarah (directed graph)

Graf yang setiap sisinya diberikan orientasi arah disebut graf berarah,

pada graf berarah (u, v) dan (v, u) menyatakan dua buah sisi yang

berbeda. Dengan kata lain dapat ditulis (u, v) ≠ (v, u).

Gambar 2.3 Graf Berarah

2.2 Transportasi

2.2.1 Definisi Transportasi

Menurut Steenbrink (1974), transportasi adalah perpindahan orang atau

barang dengan menggunakan alat atau kendaraan dari dan ke tempat-tempat

yang terpisah secara geografis. Sedangkan menurut Bowersox (1981)

transportasi adalah perpindahan barang atau penumpang dari suatu tempat ke

tempat lain, dimana produk dipindahkan ke tempat tujuan dibutuhkan. Secara

9

umum transportasi adalah suatu kegiatan memindahkan sesuatu dari suatu

tempat ke tempat lain, baik dengan atau tanpa sarana.

Penyediaan fasilitas yang mendukung pergerakan yang cepat, aman,

nyaman dan sesuai kebutuhan akan kapasitas angkut dengan menyesuaikan

dengan jenis moda yang digunakan. Masing-masing moda transportasi menurut

Djoko Setijowarno dan Frazila (2001), memiliki ciri-ciri yang berlainan, yakni

dalam hal:

a. Kecepatan, menunjukan berapa lama waktu yang dibutuhkan untuk

bergerak antara dua lokasi.

b. Tersedianya pelayanan (availability of service), menyangkut kemampuan

untuk menyelenggarakan hubungan antara dua lokasi.

c. Pengoperasiaan yang diandalkan (dependability of operation), menunjukan

perbedaan-perbedaan yang terjadi antara kenyataan dan jadwal yang

ditentukan.

d. Kemampuan (capability), merupakan kemampuan untuk dapat menangani

segala bentuk dan keperluan akan pengangkutan.

e. Frekuensi adalah banyaknya gerakan atau hubungan yang dijadwalkan.

2.2.2 Angkutan Umum Penumpang

Angkutan umum menurut UU RI 1992 tentang angkutan jalan adalah

perpindahan orang atau barang dari satu tempat ke tempat lain dengan

menggunakan kendaraan. Angkutan umum penumpang menurut Wartani (1990)

adalah angkutan penumpang yang dilakukan dengan sistem sewa atau bayar.

Termasuk pengertian angkutan umum penumpang adalah angkutan kota (Bus,

Mini Bus, Taksi, Kereta Api, dsb), angkutan air dan angkutan udara. Tujuan

angkutan umum penumpang adalah :

a. Menyelenggarakan pelayanan angkutan yang baik dan layak bagi

masyarakat yaitu aman, cepat, murah dan nyaman.

b. Membuka lapangan kerja.

c. Pengurangan volume lalu lintas kendaraan pribadi.

Salah satu jenis angkutan umum penumpang adalah Taksi. Undang-

Undang Lalu Lintas dan Angkutan Jalan No. 22 Tahun 2009 menjelaskan

10

karakteristik pelayanan angkutan orang dengan menggunakan taksi. Pelayanan

menggunakan taksi merupakan pelayanan angkutan dari pintu ke pintu dengan

wilayah operasi dalam kawasan perkotaan. Pada pasal ini juga didefinisakan

mengenai wilayah operasi taksi dalam kawasan perkotaan (Pasal 152 UULAJ

2009 ayat 2), sebagai berkut :

a. berada dalam daerah kota

b. berada dalam daerah kabupaten

c. melampaui daerah kota/kabupaten dalam satu daerah provinsi, atau

d. melampaui daerah provinsi

Berdasarkan karakteristik tersebut, dilihat dari peta wilayah kota

Denpasar, maka wilayah kota Denpasar khususnya Denpasar Utara termasuk

dalam kriteria pelayanan wilayah operasi taksi sebagaimana dijelaskan oleh

Pasal 152 UULAJ tahun 2009 ayat 2.

2.3 Perlambatan Lalu Lintas

Pelambatan lalu lintas (traffic calming) merupakan upaya yang dilakukan

untuk memperlambat lalu lintas dalam rangka meningkatkan keselamatan pejalan

kaki, pesepeda, pebelanja, dan penduduk serta mengurangi kebisingan dan

pencemaran udara. Perlambatan dilakukan dengan menerapkan perangkat

rekayasa lalu lintas 3E yaitu Perekayasaan atau Engineering, Pendidikan

masyarakat atau Education, dan penegakan hukum atau Enforcement yang dapat

diperluas menjadi 5 E dengan menambah mempengaruhi atau Encouragement dan

dan penanganan kedaruratan yaitu Emergency responce yaitu dengan beberapa

cara yang memaksa pengemudi untuk menurunkan kecepatan kendaraannya.

Adapun beberapa upaya yang dilakukan untuk memperlambat lalu lintas,

diantaranya :

1. Polisi Tidur

Polisi tidur atau disebut juga sebagai Alat Pembatas Kecepatan adalah

bagian jalan yang ditinggikan berupa tambahan aspal atau semen yang

dipasang melintang di jalan untuk pertanda memperlambat laju atau

kecepatan kendaraan. Untuk meningkatkan keselamatan dan kesehatan

bagi pengguna jalan ketingginya diatur dan apabila melalui jalan yang

akan dilengkapi dengan rambu-rambu pemberitahuan terlebih dahulu

11

mengenai adanya polisi tidur, khususnya pada malam hari, maka polisi

tidur dilengkapi dengan marka jalan dengan garis serong berwarna putih

atau kuning yang kontras sebagai pertanda.

2. Pita Penggaduh

Pita penggaduh adalah kelengkapan tambahan pada jalan yang berfungsi

untuk membuat pengemudi lebih meningkatkan kewaspadaan menjelang

suatu bahaya. Pita penggaduh berupa bagian jalan yang sengaja dibuat

tidak rata dengan menempatkan pita-pita setebal 10 sampai 40 mm

melintang jalan pada jarak yang berdekatan, sehingga bila mobil yang

melaluinya akan diingatkan oleh getaran dan suara yang ditimbulkan bila

dilalui oleh ban kendaraan. Pita penggaduh biasanya ditempatkan

menjelang perlintasan sebidang, menjelang sekolah, menjelang pintu tol

atau tempat-tempat yang berbahaya bila berjalan terlalu cepat.

3. Pulau Lalu Lintas

Ada beberapa jenis pulau lalu lintas :

a. Pulau di median

Berfungsi untuk memberikan ruang ditengah jalan sehingga pejalan

kaki yang menyeberang dapat berhenti ditengah jalan sebelum

melanjutkan menyeberang bila situasi telah memungkinkan untuk

menyeberang.

b. Pulau disisi kiri, kanan atau pada kedua sisi

Dimaksudkan untuk mempersempit ruang lalu lintas kendaraan yang

berfungsi untuk mengurangi kecepatan lalu lintas. Pulau seperti ini

bisa di tempatkan di mulut persimpangan ataupun ditengah ruas

jalan.

c. Kombinasi dari a dan b

Selain pulau ditengah juga ditempatkan pulau di pinggir sehingga

keselamatan pejalan kaki yang menyeberang menjadi lebih tinggi

lagi.

4. Zona Sekolah

Zona selamat sekolah (ZoSS) merupakan program inovatif dalam bentuk

zona kecepatan berbasis waktu yang dapat digunakan untuk mengatur

12

kecepatan kendaraan di area sekolah. Penggunaan rekayasa lalu lintas

seperti rambu lalu lintas dan marka jalan serta pembatasan kecepatan

bertujuan meningkatkan perhatian pengemudi terhadap penurunan batas

kecepatan di zona selamat sekolah serta memberikan rasa aman kepada

para murid yang akan menyeberang di jalan.

2.4 Algoritma Genetika

2.4.1 Definisi Algoritma Genetika

Algoritma genetika sebagai cabang dari algoritma evolusi merupakan

metode adaptive yang biasa digunakan untuk memecahkan suatu pencarian nilai

dalam sebuah masalah optimasi (E. Satriyanto, 2009). Algoritma ini didasarkan

pada proses genetik yang ada dalam makhluk hidup, yaitu perkembangan

generasi dalam sebuah populasi yang alami, secara lambat laun mengikuti

prinsip seleksi alam. Dengan meniru teori evolusi ini, algoritma genetika dapat

digunakan untuk mencari solusi permasalahan-permasalahan dalam dunia nyata.

Algoritma genetika pertama kali diperkenalkan sekitar tahun 1975 oleh

John Holland dalam bukunya yang berjudul “Adaption in Natural and Artificial

Systems” dan kemudian dikembangkan bersama murid dan rekan kerjanya (M.

Obitko, 1998). Algoritma ini bekerja dengan sebuah populasi yang terdiri dari

individu-individu yang masing-masing individu tersebut merepresentasikan

sebuah solusi yang mungkin bagi masalah yang ada. Suatu individu

direpresentasikan sebagai kumpulan gen yang disebut kromosom. Dengan

menggunakan algoritma genetika, solusi yang dihasilkan belum tentu merupakan

solusi eksak dari masalah optimisasi yang diselesaikan. Beberapa definisi

penting dalam algoritma genetika adalah sebagai berikut (E. Satriyanto, 2009):

a. Gen

Sebuah nilai yang menyatakan satuan dasar yang membentuk arti

tertentu. Dalam algoritma genetika, gen ini dapat berupa nilai biner, float,

integer maupun karakter, atau kombinatorial.

b. Kromosom

Merupakan gabungan gen-gen yang membentuk nilai tertentu.

13

c. Individu

Menyatakan satu nilai atau keadaan yang menyatakan salah satu solusi

yang mungkin dari permasalahan yang diangkat. Dalam beberapa

masalah yang dapat dipecahkan dengan algoritma genetika, individu ini

dapat juga merupakan kromosom itu sendiri.

d. Populasi

Merupakan sekumpulan individu yang akan diproses bersama dalam satu

siklus proses evolusi.

e. Generasi

Menyatakan satu siklus proses evolusi atau satu iterasi di dalam

algoritma genetika.

Dalam suatu masalah optimisasi, dikenal fungsi objektif atau fungsi

tujuan yang merupakan fungsi pengevaluasi atau fungsi yang ingin

dioptimalkan. Sedangkan dalam algoritma genetika, fungsi tersebut dinamakan

fungsi fitness. Masing-masing individu memiliki nilai fitness tertentu.

Tahapan dari algoritma genetika yaitu pertama membentuk suatu

populasi awal, kemudian populasi tersebut dievaluasi dengan fungsi fitness yang

telah ditentukan, selanjutnya populasi tersebut diproses (direkombinasi) dengan

menggunakan operator-operator genetik seperti, seleksi, crossover, dan mutasi

sehingga menghasilkan populasi baru untuk generasi berikutnya. Proses atau

tahapan-tahapan tersebut diulang hingga mencapai kriteria berhenti tertentu.

Kriteria berhenti dapat berupa batas generasi atau nilai optimal tertentu yang

diinginkan.

Bentuk diagram standar algoritma genetika menurut Goldberg (D. E.

Goldberg, 1989) dapat digambarkan seperti berikut :

14

USER ALGORITMA GENETIKA

Input Wialayah Asal dan Persimpangan Asal

MelakukanInisialisasi P(t)

MelakukanEvaluasi P(t)

Kondisi terpenuhi?

Menambah t=t+1

Melakukan Seleksi P(t)

Melakukan Rekombinasi P(t)

Melakukan Evaluasi P(t)

MendapatkanJalur Optimal

Ya

Tidak

Menampilkan Jalur Optimal

Input Wilayah Tujaun dan Persimpangan Tujuan

Keterangan:

P(t) merupakan populasi saat generasi t

Gambar 2.4 Diagram Standar Algoritma Genetika

2.4.2 Pembentukan Populasi Awal

Langkah awal dari algoritma genetika adalah menentukan representasi gen

dan kromosom dari populasi. Terdapat beberapa jenis representasi, yaitu string

bit (10011 ...), array bilangan real (65.55, -67.99, 77.33 ...), elemen permutasi

(E1, E2, E5 ...), daftar aturan (R1, R2, R3 ...), dan representasi lainnya (E.

Satriyanto,2009). Terdapat beberapa teknik pengkodean dalam algoritma

genetika, diantaranya (S. Lukas, T. Anwar, dan W. Yuliani, 2005) :

a. Pengkodean Biner (binary encoding)

Contohnya:

Tabel 2.1 Pengkodean Biner

Kromosom 1 1 0 0 0 1 1 0 0 1 1 1 1 0 1 0 0 1 0 1 0

Kromosom 2 0 1 1 0 0 1 1 1 1 0 0 1 1 0 1 0 0 1 0 0

15

b. Pengkodean Permutasi (permutation encoding)

Dalam pengkodean jenis ini tiap gen dalam kromosom

merepresentasikan suatu urutan.

Contohnya:

Tabel 2.2 Pengkodean Permutasi

Kromosom 1 1 2 3 4 5 6 7 8 9

Kromosom 2 2 8 9 3 7 4 6 1 5

c. Pengkodean Nilai (value encoding)

Dalam pengkodean jenis ini tiap gen dalam kromosom adalah string

dari suatu nilai.

Contohnya:

Tabel 2.3 Pengkodean Nilai

Kromosom 1 1.232 5.324 0.455 2.388

Kromosom 2 ABCDEJAKAJAHAHAAHR

Kromosom 3 (left), (right), (back), (forward)

d. Pengkodean Pohon (tree encoding)

Dalam pengkodean jenis ini biasanya digunakan untuk menyusun

program atau ekspresi dari genetic programming (pemrograman

genetik).

Contohnya: (*AB)

Gambar 2.5 Pengkodean Pohon

*

A B

16

; Jalur valid

..…………………………………….....(2.1)

; Jalur tidak valid

2.4.3 Evaluasi Fungai Fitness

Setelah populasi awal telah terbentuk, maka selanjutnya adalah

mengevaluasi populasi tersebut dengan suatu fungsi fitness. Nilai fitness

menyatakan seberapa baik nilai dari suatu kromosom (individu) atau solusi yang

didapat. Nilai ini akan menjadi acuan dalam mencapai nilai optimal dalam

algoritma genetika. Di dalam evolusi alam, individu yang bernilai fitness tinggi

yang akan bertahan hidup, sementara individu bernilai fitness rendah tidak akan

bertahan. Berikut adalah cara yang digunakan untuk menentukan nilai fitness

pada penelitian ini (G. Nagib dan W. G. Ali, 2010):

𝐹 =

{

1

𝑛1 ∑𝑖=1 𝐶𝑖(𝑔𝑖𝑔𝑖 + 1)

0

Di mana Ci (gi,gi+1) adalah cost antara gen gi dan gen tetangganya gi+1

dalam kromosom dari n gen (simpul).

2.4.4 Seleksi

Setelah membentuk populasi awal dan menentukan fungsi fitness, maka

selanjutnya adalah melakukan seleksi pada populasi tersebut. Seleksi merupakan

proses untuk menentukan individu mana saja yang akan dipilih untuk dilakukan

rekombinasi dan bagaimana keturunan terbentuk dari individu-individu terpilih

tersebut. Acuan yang biasa digunakan adalah fungsi fitness.

Individu yang terpilih atau terseleksi adalah individu dengan nilai fitness

terbaik. Hal itu karena diharapkan dari individu yang baik akan didapatkan

keturunan yang baik bahkan lebih baik dari individu tersebut sesuai dengan

prinsip evolusi biologi. Ada beberapa macam metode seleksi yang ada pada

algoritma genetika, diantaranya (S. Kusumadewi, 2003) :

a. Seleksi dengan Roda Roulette

b. Seleksi Lokal

c. Seleksi dengan Pemotongan

17

d. Seleksi dengan Turnamen

Dalam seleksi tersebut, proses seleksi akan menghasilkan populasi orang tua

yang selanjutnya mengalami proses crossover.

Pada penelitian ini jenis seleksi yang digunakan adalah Seleksi dengan Roda

Roulette. Dalam metode roda roulette, proses seleksi individu diibaratkan seperti

dalam permainan judi roda roulette. Dimana pemain akan memutar roda yang

telah terpartisi menjadi beberapa bagian untuk mendapatkan suatu hadiah.

Kaitannya dengan metode seleksi yang dibahas ini adalah suatu kromosom

diibaratkan sebagai hadiah (N. Murniati, 2009). Partisi-partisi pada roda roulette

merupakan interval dari nilai kumulatif probabilitas masing-masing kromosom.

Kemudian proses memutar roda dinyatakan dengan menentukan suatu bilangan

random interval.

Adapun tahapan dari proses seleksi sebagai berikut (E. Satriyanto, 2009):

Tahap 1 : Hitung nilai fitness dari masing-masing kromosom.

Tahap 2 : Hitung total fitness semua individu atau kromosom.

Tahap 3 : Hitung probabilitas dan nilai kumulatif probabilitas masing-

masing kromosom.

Tahap 4: Dari probabilitas tersebut, hitung jatah masing-masing individu

atau dengan kata lain menentukan interval kumulatif probabilitas

masing-masing kromosom.

Tahap 5: Bangkitkan bilangan acak antara 0 sampai 100.

Tahap 6: Dari bilangan acak yang dihasilkan, tentukan kromosom mana

yang terpilih dalam proses seleksi menurut interval yang

bersesuaian yang telah ditentukan sebelumnya pada tahap 4.

Setelah kromosom terbentuk melalui bilangan acak yang ditentukan

menurut interval, kromosom tersebut akan menjadi orang tua yang membentuk

populasi baru.

2.4.5 Crossover

Crossover adalah operator dari algoritma genetika yang melibatkan dua

kromosom orang tua untuk membentuk kromosom baru (reproduksi). Tidak

18

semua kromosom pada suatu populasi akan mengalami proses crossover.

Kemungkinan suatu kromosom mengalami proses crossover adalah didasarkan

pada probabilitas crossover (Pc) yang telah ditentukan. Probabilitas crossover

menyatakan peluang suatu kromosom mengalami crossover. Proses crossover

ini yang nantinya akan menghasilkan populasi kromosom anak (offspring).

ADMIN ALGORITMA GENETIKA

Input Probabilitas Crossover (Pc)

MembangkitkanBilangan Random

Random <= Pc

LakukanCrossover

Lanjutkan Ke KromosomOrang Tua Selanjutnya Tidak

Ya

Gambar 2.6 Activity Diagram Proses Probabilitas Crossover

Pada penelitian ini proses crossover yang digunakan adalah Crossover

Satu Titik (One Point Crossover). Langkah-langkah dari proses crossover satu

titik ini adalah :

Tahap 1 : Memilih dua kromosom orang tua (parent) secara acak dari

populasi.

Tahap 2 : Secara acak (random) memilih satu titik potong pada tiap

kromosom induk.

Tahap 3 : Tukarkan bagian kanan dari tiap induk untuk menghasilkan

keturunan anak (offspring).

Setelah melakukan proses crossover pada populasi orang tua dan

menghasilkan keturunan anak (offspring) maka hasil populasi baru yang

berisikan offspring akan mengalami proses mutasi.

2.4.6 Mutasi

Tahapan selanjutnya setelah crossover adalah mutasi. Operator mutasi ini

berperan untuk mengembalikan solusi optimal yang dapat hilang akibat proses

19

crossover sebelumnya. Banyaknya kromosom yang akan mengalami mutasi

dihitung berdasarkan probabilitas mutasi (Pm) yang telah ditentukan terlebih

dahulu. Jika probabilitas mutasi yang digunakan adalah 0 maka tidak akan ada

kromosom yang mengalami mutasi pada populasi tersebut.

ADMIN ALGORITMA GENETIKA

Input Probabilitas Mutasi (Pm)

MembangkitkanBilangan Random

Random <= Pm

LakukanMutasi

Lanjutkan Ke KromosomAnak Selanjutnya Tidak

Ya

Gambar 2.7 Activity Diagram Proses Probabilitas Mutasi

Proses mutasi yang digunakan pada penelitian ini adalah Insertion

Mutation. Adapun langkah – langkah dari proses mutasi ini yaitu (S. Lukas, T.

Anwar, dan W. Yuliani, 2005) :

Tahap 1 : Pilih satu kromosom pada populasi anak (offspring) hasil

crossover.

Tahap 2 : Pilih 2 posisi secara acak. Posisi pertama digunakan untuk

menandakan gen mana yang akan dimutasi atau disisipkan ke

posisi kedua.

Tahap 3 : Sisipkan gen pada posisi pertama ke posisi kedua.

Setelah proses mutasi selesai dilakukan maka akan terbentuk populasi baru

yang berisi offspring dari hasil proses mutasi.

2.4.7 Kondisi Berhenti (Termination Condition)

Iterasi pada algoritma genetika diulang terus sampai kondisi berhenti

tercapai. Adapun kriteria kondisi berhenti yang bisa digunakan adalah sebagai

berikut :

a. Iterasi berhenti sampai generasi n. Nilai n ditentukan sebelumnya. Nilai n

ditentukan sedemikian rupa sehingga konvergensi populasi tercapai dan

20

akan sulit didapatkan solusi yang lebih baik setelah n iterasi

(Yogeswaran, Ponnambalam & Tiwari 2009).

b. Iterasi berhenti setelah n generasi berurutan tidak dijumpai solusi yang

lebih baik (Mahmudy, Marian & Luong 2012). Kondisi ini menunjukkan

bahwa Algoritma Genetika sulit mendapatkan solusi yang lebih baik dan

penambahan iterasi hanya membuang waktu.

2.5 Kota Denpasar

Kota Denpasar terletak di tengah-tengah dari Pulau Bali, selain merupakan

Ibukota Daerah Tingkat II, juga merupakan Ibukota Provinsi Bali sekaligus

sebagai pusat pemerintahan, pendidikan dan perekonomian. Letak yang sangat

strategis ini sangatlah menguntungkan, baik dari segi ekonomis maupun dari

kepariwisataan karena merupakan titik sentral berbagai kegiatan sekaligus sebagai

penghubung dengan kabupaten lainnya.

Batas wilayah Kota Denpasar di sebelah utara dan barat berbatasan dengan

Kabupaten Badung (Kecamatan Mengwi, Abiansemal dan Kuta Utara), sebelah

timur berbatasan dengan Kabupaten Gianyar (Kecamatan Sukawati dan Selat

Badung dan di sebelah selatan berbatasan dengan Kabupaten Badung (Kecamatan

Kuta) dan Selat Badung. Sebagian besar (59,1%) berada pada ketinggian antara 0

- 75 M dari permukaan laut. Luas wilayah Kota Denpasar 127,98 km2 atau

127,98 Ha, yang merupakan tambahan dari reklamasi pantai serangan seluas 380

Ha, atau 2,27 persen dari seluruh luas daratan Provinsi Bali. Sedangkan luas

daratan Propinsi Bali seluruhnya 5.632,86 Km2.

Dari empat kecamatan di Denpasar (Denpasar Utara, Denpasar Barat,

Denpasar Timur, dan Denpasar Selatan), kecamatan Denpasar Utara memiliki tata

kelola luas tanah terbesar dengan 4993 hektar (Sumber: Dinas Pertanian dan

Kelautan Kota Denpasar). Berdasarkan luas tersebut, wilayah di Denpasar Utara

memiliki wilayah desa yang membagi wilayah kecamatan Denpasar Utara ke

dalam sebelas wilayah desa.

21

Gambar 2.8 Perspektif Kota Denpasar

2.6 Sistem Operasi Android

2.6.1 Definisi Sistem Operasi Android

Android adalah sebuah sistem operasi untuk perangkat mobile yang

mencakup sistem operasi, middleware dan aplikasi. Android menyediakan

platform terbuka bagi para pengembang untuk menciptakan aplikasinya. Di dunia

ini terdapat dua jenis distributor sistem operasi Android. Pertama yang mendapat

dukungan penuh dari Google atau Google Mail Service (GMS) dan kedua adalah

yang benar-benar bebas distribusinya tanpa dukungan langsung dari Google atau

dikenal dengan sebutan Open Handset Dstributor (OHD). Berikut ini adalah

kriteria dari sistem operasi Android :

a. Lengkap (Computer Platform)

Para desainer dapat melakukan pendekatan yang komperhensif ketika

mereka sedang mengembangkan platform Android . Android merupakan

sistem operasi yang aman dan banyak menyediakan tools dalam

membangun software dan memungkinkan untuk peluang pengembangan

aplikasi.

22

b. Terbuka (Open Source Platform)

Platform Andorid disediakan melalui lisensi open source. Pengembang

dapat dengan bebas untuk mengembangkan aplikasi.

c. Free (Free Platform)

Android adalah platform atau aplikasi yang bebas untuk develop. Tidak

ada lisensi atau biaya royalti untuk dikembangkan pada platform Android.

2.6.2 Arsitektur Android

Secara garis besar arsitektur android dapat dijelaskan sebagai berikut :

a. Applicaion dan Widgets

Application dan Widgets ini adalah layer dimana kita berhubungan

dengan aplikasi saja, dimana biasanya kita download aplikasi kemudian

kita lakukan instalasi dan jalankan aplikasi tersebut.

b. Application Frameworks

Android adalah “Open Development Platform” yaitu Android

menawarkan kepada pengembang untuk membangun aplikasi yang bagus

dan inovatif.

c. Libraries

Libraries ini adalah layer dimana fitur-fitur Android berada, biasanaya

para pembuat aplikasi mengakses libraries untuk menjalankan

aplikasinya. Berjalan di atas kernel, layer ini meliputi berbagai library

C/C++ inti seperti Libc dan SSL.

d. Android Run Time

Layer yang membuat aplikasi Android dapat dijalankan dimana dalam

prosesnya menggunakan implementasinya Linux. Dalvik Virtual

Machine (DVM) merupakan mesin yang membentuk dasar kerangka

aplikasi Andorid.

e. Linux Kernel

Linux Kernel adalah layer dimana inti dari operating sistem dari Android

itu berada. Berisi file-file sistem yang mengatur sistem processing,

memory, resources, drivers dan sistem-sistem operasi android lainya.

23

Aplikasi Android ditulis dalam bahasa pemrograman Java. Kode Java

dikompilasi bersama dengan data file resources yang dibutuhkan oleh aplikasi,

dimana prosesnya dipackage oleh tools yang dinamakan apt tools ke dalam

paket Andorid sehingga menghasilkan file dengan ekstensi apk.

2.7 Metode Pengembangan Perangkat Lunak Waterfall

Pada penelitian ini, digunakan metode waterfall sebagai pengembangan

perangkat lunak. Metode waterfall adalah metode yang melakukan pendekatan

secara sistematis dan sekuensial melalui tahapan-tahapan untuk membangun

sebuah perangkat lunak. Gambar 2.9 menjelaskan bahwa metode waterfall

menekankan pada sebuah keterurutan dalam proses pengembangan perangkat

lunak.

Gambar 2.9 Metode Pengembangan Perangkat Lunak Waterfall

Berikut adalah penjelasan dari tahap – tahap yang dilakukan dalam metode

waterfall:

a. Tahap analisis dan definisi persyaratan. Pelayanan, batasan, dan tujuan

sistem ditentukan melalui konsultasi dengan user. Persyaratan ini kemudian

didefinisikan secara rinci dan berfungsi sebagai spesifikasi sistem.

b. Tahap perancangan sistem dan perangkat lunak. Proses perancangan sistem

membagi persyaratan dalam sistem perangkat keras atau perangkat lunak.

Kegiatan ini menentukan arsitektur sistem secara keseluruhan. Perancangan

Requirements

definition

System and

Software Design

Implementation and

Unit Testing

Integration and

System Testing

Operation and

Maintenance

24

perangkat lunak melibatkan identifikasi dan deskripsi abstraksi sistem

perangkat lunak yang mendasar dan hubungan – hubungannya.

c. Tahap implementasi dan pengujian unit. Pada tahap ini, perancangan

perangkat lunak direalisasikan sebagai serangkaian program atau unit

program. Pengujian unit melibatkan verifikasi bahwa setiap unit telah

memenuhi spesifikasinya.

d. Tahap integrasi dan pengujian sistem. Unit program atau program individual

diintegrasikan dan diuji sebagai sistem yang lengkap untuk menjamin

bahwa persyaratan sistem telah dipenuhi. Setelah pengujian sistem,

perangkat lunak dikirim kepada pelanggan.

e. Tahap operasi dan pemeliharaan. Biasanya (walaupun tidak seharusnya), ini

merupakan fase siklus hidup yang paling lama. Sistem diinstal dan dipakai.

Pemeliharaan mencakup koreksi dari berbagai error yang tidak ditemukan

pada tahap – tahap terdahulu, perbaikan atas implementasi unit sistem dan

pengembangan pelayanan sistem, sementara persyaratan – persyaratan baru

ditambahkan.

2.8 Strategi Pengujian Perangkat Lunak

Terdapat strategi pengujian menurut Everret, G.D. dan McLeod R. yang di

bagi menjadi 4 bagian utama yaitu Static Testing, White Box Testing, Black Box

Testing, dan Performance Testing. Namun pada penelitian ini hanya digunakan

satu buah pengujian, yaitu Black Box Testing.

2.8.1 Black Box Testing

Black Box Testing atau dikenal sebagai “Behaviour Testing” merupakan

suatu metode pengujian yang digunakan untuk menguji executable code dari

suatu perangkat lunak terhadap perilakunya. Pendekatan Black Box Testing

dapat dilakukan jika kita sudah memiliki executable code. Orang-orang yang

terlibat dalam Black Box Testing adalah tester, end-user, dan developer. Tester

merencanakan keahlian eksekusi pada negative dan positive black box testing.

End-user memiliki pengetahuan bagaimana perilaku bisnis yang tepat dan sesuai

dengan ekspektasi, dan developer memiliki pengetahuan tentang perilaku bisnis

yang di implementasikan pada perangkat lunak. Tester melakukan black box

25

testing bersama end-user dan developer memvalidasi hasil yang diharapkan

dengan hasil pengujian. Jika hasil pengujian tidak sama dengan ekspektasi maka

developer harus memperbaiki kesalahan tersebut baik itu pada spesifikasi

maupun implementasi.

2.9 Tinjauan Studi

Adapun beberapa penelitian terkait yang sebelumnya pernah dilakukan

mengenai Algoritma Genetika tentang optimasi jalur atau rute terpendek yang

sudah dilakukan oleh beberapa peneliti, yaitu:

Tabel 2.4 Tabel Tinjauan Studi

No. Nama Peneliti Judul Penelitian Deskripsi Penelitian

1. Rudy

Adipranata,

Felicia

Soedjianto,

Wahyudi

Tjondro.

Universitas

Kristen Petra

Perbandingan

Algoritma

Exhaustive,

Algoritma

Genetika Dan

Algoritma

Jaringan Syaraf

Tiruan Hopfield

Untuk Pencarian

Rute Terpendek

Penelitian yang dilakukan adalah

membandingkan 3 buah algoritma

yang berbeda dalam mencari rute

terpendek. Hasil yang diperoleh

menunjukan bahwa algoritma

genetika bekerja lebih baik daripada

kedua algoritma yang lain ditinjau

dari jarak yang dihasilkan serta waktu

yang dibutuhkan untuk melakukan

perhitungan pada algoritma.

2. Lin, Chu

Hsing, Yu, Jui

Ling, Liu,

Jung Chun,

Lai, Wei Shen

and Ho, Chia

Han. 2009

Genetic

Algorithm for

Shortest Driving

Time in

Intelligent

Transportation

Systems

Penelitian ini menggunakan algoritma

genetika untuk mencari jarak

terpendek pada sistem ITS (Intelligent

Transportation System) di Taiwan

dengan menggunakan variasi jumlah

gen dan kromosom. Penelitian dengan

menggunakan algoritma genetika ini

memiliki tujuan untuk menemukan

waktu singkat dalam berkendara

dengan skenario beragam kondisi lalu

lintas yang nyata dan berbagai

26

kecepatan kendaraan.

3. Indra

Surada.2010

Implementasi

Algoritma

Genetika Untuk

Pencarian Rute

Optimum Objek

Wisata Di

Kabupaten

Pemalang

Pencarian rute optimum yang

dilakukan pada objek wisata di

Kabupaten Pemalang diasumsikan

dengan perjalanan akan kembali ke

tempat semula, dan memberikan nilai

untuk parameter crossover probability

(pc), mutation rate (pm), maka akan

menghasilkan solusi rute optimum

dengan titik awal dan akhir yang

sama.

4. Sukaton M

Rama. 2011.

Penggunaan

Algoritma

Genetika Dalam

Masalah Jalur

Terpendek Pada

Jaringan Data.

Pada penelitianya, menunjukkan

bahwa algoritma genetika dapat

digunakan untuk menyelesaikan

masalah optimasi yang kompleks.

Masalah jalur terpendek dengan

jumlah simpul dan lintasan yang

semakin banyak akan dapat

diselesaikan serta mengarah ke titik

optimal bila diimbangi dengan

peningkatan ukuran populasi dan

parameter lainnya dalam algoritma

genetika.

5. I Dewa Made

Adi Baskara

Joni, Vivine

Nurcahyawati.

2012

Penentuan Jarak

Terpendek Pada

Jalur Distribusi

Barang Di Pulau

Jawa Dengan

Menggunakan

Algoritma

Genetika

Pada penelitian ini, pencarian jalur

terpendek dilakukan dengan

melakukan pengujian sebanyak tiga

kali, dengan pola distribusi awal yang

sama (Kediri-Malang-Semarang-

Rembang-Solo). Skenario yang

pertama yaitu dengan menggunakan

Crossover Probability (Pc) dan

Mutation Rate (Pm) yang rendah yaitu

27

kurang dari 50. Skenario yang kedua

dengan menggunakan Pc dan Pm yang

sedang yaitu sama dengan 50.

Skenario yang ketiga dengan

menggunakan Pc dan Pm yang tinggi

yaitu lebih dari 50. Hasilnya nilai Pc

dan Pm yang rendah bagus untuk

menghasilkan nilai fitness yang

terendah (rute terbaik), namun sulit

untuk menentukan nilai terendah

tersebut dikarenakan proses crossover

dan mutasi bergantung pada bilangan

random (acak) yang dibandingkan

dengan input PC dan PM.

2.10 Rangkuman Perbandingan Penelitian Sebelumnya Dengan Penelitian

Yang Dilakukan

Berdasarkan penelitian yang telah dilakukan sebelumnya, Tabel 2.4

menjelaskan tentang penelitian yang sudah dilakukan menggunakan algoritma

genetika untuk permasalahan optimasi jalur. Terdapat beragam penelitian yang

sudah pernah dilakukan dengan berbagai kriteria, studi kasus, dan juga

implementasi sistem yang telah di buat.

Adapun pemilihan algoritma genetika untuk solusi pencarian optimum

berdasarkan penelitian pada point satu, dikarenakan algoritma genetika memiliki

kelebihan dalam menghasilkan jalur serta waktu yang dibutuhkan untuk

melakukan perhitungan lebih baik dengan parameter input yang tepat daripada

kedua algoritma yang lainnya untuk jumlah kota atau search space yang luas,

permasalahan dengan kondisi lalu lintas yang nyata dan kompleks serta berbagai

kecepatan kendaraan, seperti dijelaskan pada penelitan point ke dua dan ke empat.

Studi kasus yang berbeda dari point ke tiga dan kelima dimana pada

penelitian ini dilakukan penelitian pada wilayah Denpasar, khususnya kecamatan

Denpasar Utara yang memiliki tata kelola luas tanah terbesar dengan 4993 hektar.

28

Serta implementasi sistem yang akan dirancang dan dibuat dalam sistem aplikasi

mobile dengan menggunakan web sebagai server pusat untuk dapat mengakses

data. Web server dapat dikelola oleh admin untuk melakukan proses kelola data

seperti insert, delete, update dan read data yang didapat dari kerjasama dengan

Dinas Perhubungan Kota Denpasar. Sehingga dari perancangan sistem ini

diharapkan dapat membantu mengurangi kemacetan dan diharapkan dapat

meningkatkan kenyamanan dari penggunanya.