BAB II TINJAUAN PUSTAKA - sinta.unud.ac.id II.pdfe2, e3 dan seterusnya. Dengan kata lain, jika e...
Transcript of BAB II TINJAUAN PUSTAKA - sinta.unud.ac.id II.pdfe2, e3 dan seterusnya. Dengan kata lain, jika e...
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.