PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

129
PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA PENGANGKATAN BEBAN KARUNG MENGGUNAKAN ALGORITMA GENETIKA TUGAS AKHIR Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Jurusan Teknik Informatika Nama No. Mahasiswa NIRM / ISLAM ^ </> kjCpL 0 IX! oleh: Abriyanti Widaningtyas Sihtyowarini 01523193 01523193 JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS ISLAM IINDONESIA YOGYAKARTA 2007

Transcript of PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

Page 1: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

PENENTUAN SUDUT KEMIRINGAN PUNGGUNGPADA PENGANGKATAN BEBAN KARUNG MENGGUNAKAN

ALGORITMA GENETIKA

TUGAS AKHIR

Diajukan sebagai Salah SatuSyaratuntuk Memperoleh Gelar Sarjana

Jurusan Teknik Informatika

Nama

No. MahasiswaNIRM

/ ISLAM ^

</> kjCpL 0

IX!oleh:

Abriyanti Widaningtyas Sihtyowarini01523193

01523193

JURUSAN TEKNIK INFORMATIKAFAKULTAS TEKNOLOGI INDUSTRIUNIVERSITAS ISLAM IINDONESIA

YOGYAKARTA2007

Page 2: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

**MSW39

PERNYATAAN KEASLIAN TUGAS AKHIR

Saya yang bertanda tangan di bawah ini,

Nama :Abriyanti Widaningtyas SihtyowariniNo. Mahasiswa : 01523193

Menyatakan bahwa Tugas Akhir dengan judul:

Penentuan Sudut Kemiringan Punggung Pada Pengangkatan Beban KarungMenggunakan Algoritma Genetika

yang diajukan untuk diuji pada tanggal 29 Mei 2007 adalah hasil karya saya.

Dengan ini saya menyatakan dengan bahwa seluruh komponen dan isi di dalamLaporan Tugas Akhir ini adalah hasil karya saya sendiri. Apabila di kemudiar hariterbukti bahwa ada beberapa bagian dari karya ini adalah bukan karya saya sendiri,maka saya siap menanggung resiko dan konsekuensi apapun.Demikian pernyataan ini saya buat, semoga dapat dipergunakan sebagaimanamestinya.

Yogyakarta, 29 Mei 2007

(Abriyanti Widaningtyas Sihtyowarini)

Page 3: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

LEMBAR PENGESAHAN PEMBIMBING

PENENTUAN SUDUT KEMIRINGAN PUNGGUNGPADA PENGANGKATAN BEBAN KARUNG MENGGUNAKAN

ALGORITMA GENETIKA

TUGAS AKHIR

Nama

No. MahasiswaNIRM

tD

10z

oleh:

Abriyanti Widaningtyas Sihtyowarini01523193

01523193

Yogyakarta, 15 Mei 2007

Sri Kusumaldewi, S.Si., MT

Page 4: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

LEMBAR PENGESAHAN PENGUJI

PENENTUAN SUDUT KEMIRINGAN PUNGGUNGPADA PENGANGKATAN BEBAN KARUNG MENGGUNAKAN

ALGORITMA GENETIKA

TUGAS AKHIR

Nama

No. Mahasiswa

NIRM

oleh:

Abriyanti Widaningtyas Sihtyowarini01523193

01523193

Telah dipertahankan di Depan Sidang Penguji sebagai Salah Satu Syaratuntuk Memperoleh Gelar Sarjana Jurusan Teknik Informatika Fakultas Teknik

Industri Universitas Islam Indonesia

Tim Penguji,

Sri Kusumadewi. S.Si. MT

Ketua

Yudi Pravudi, S.Si. M.KomAnggota 1

Yogkakarta, 29 Mei 2007

Hendrik. ST

Anggota II

Mcngetahui,/, . -" Kctua Jurusan Teknik Informatika

"\.; • Yudi Piauidi, S.Si, M.Kom

Page 5: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

CO

-i

£—

{?

o=

'at

gcr

"at

&J

"=*)-S

34

®

-5<=>>

9*o

Sri

©

9i

cm©

5s

+C

-22

.S3T

3

oT

3C

£J©£

I

01

+<

g

I©.ss

""^

—o

T3

sfc

JI

+J

e>C

P

Is

39*

©3

o5

£3

CI

3->

^~

;S

-sff

cn

-is

£^

•*-a

3

£"1

"•33

5Q

J

*#

++S

3O

~"

s+

oO

•19*+

-?3

^+

^j

5C

3

©i-1

32

E

S=

"3"

Ss

3o

_5

c

-j-S

en

5?J

^.

en

_

.Stn

£

-5"^

&

©-S

^O

^en

£so

""^

rr-

s

oi

;,5

lZ

.1

.5-a

<S>

CM

ac

^-O

)3

«L

^t•S

oi

g+

""5c:

£<

=^

-£k

-.~

!=2

g

go

s

"33

•i©

o

•§©

JS-=

—'

^1

OK^

°5

"5CM

lie

&&

-5

ja>

c:

3i

«£'-

o

H5

cfc^

tf5

c^

c

(5o-'

O^C

O

E

c"+

6PT

to-5

©£

Page 6: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

MY MOTTO

"Hai ^g-or-ngyang berimanmintalah pertolongan dari Allah dengan kesabarandan salat. Sungguh Allah bersama orang-orangyang sabar"

(Q.S Al Baqarah: 153)

"S^igguh, bersama kesukaran pasti ada kemudahan. Dan bersama kesukaran vastiada kemudahan. Karenaitu, bila selesai suatu tugas, mulanahZgtlatZgansungguh-sungguh"

(Q.SAsy-Syarh: 5-7)

"Sesungguhnya Allah tidak akan merubah nasib suatu kaum sampai mereka merubah

adapelindung bagi mereka kecuali Allah "(Q.S. Ar-Ra'd: 11)

"Sesungguhnya apabila la menghendaki sesuatu, cukuplah la berkata, "JadUaV"Maka terjadilah ia"(Q.S. Yaasiin: 82)

"^^^^»^^ Lepaskan ikatan yang mengekang lidahku, agarmerekapaham segalaperkataanku"

(Q.S Thaahaa: 25-28)

memikulnya.(Q.S Al-Baqarah: 286)

Page 7: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

KATA PENGANTAR

3$\<&°$\Jbl& 24

Assalamu'alaikum Wr.Wb.

Alhamdulillahirabbilalamin, puji syukur kehadirat Allah SWT, atas

Kmpahan rahmat dan hidayat-Nya, sehingga Tugas Akhir dengan judul"Penentuan Kemiringan Punggung Pada Pengangkatan Beban KarungMenggunakan Algoritma Genetika" ini dapat terselesaikan dengan baik.

Tugas Akhir ini disusun untuk melengkapi salah satu syarat gunamemperoleh gelar Sarjana Jurusan Teknik Informatika, Universitas Islam

Indonesia, dan atas apa yang telah diajarkan selama perkuliahan baik teorimaupun praktek, di samping laporan sendiri yang merupakan rangkaian kegiatanyang harus dilakukan setelah tugas akhir ini selesai.

Pada kesempatan ini penyusun ingin mengucapkan banyak terima kasihkepada pihak-pihak yang mempunyai andil besar dalam pelaksanaan danpenyelesaian laporan tugas akhir ini, antara lain :

1. Bapak Fathu. Wahid ST., M.Sc sebagai Dekan Fakultas Teknologi IndustriUniversitas Islam Indonesia.

2. Bapak Yudi Prayudi, S.Si, M.Kom selaku Ketua Jurusan Informatika FakultasTeknologi Industri Universitas Islam Indonesia.

3. Ibu Sri Kusumadewi, S.Si., MT selaku Dosen Pembimbing Tugas Akhir.4. Bapak Irving Vitra Paputungan, ST selaku Dosen Pembimbing Tugas Akhir.

Page 8: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

5. Bapak, Ibu dosen Teknik Informatika dan dosen-dosen Universitas IslamIndonesia.

6. Ayahanda Bambang Sulistyohadi dan Ibunda Titiek Safitri yang telahmemberikan doa yang tidak pemah putus, semangat dan dukungan morilmaupun materiil.

7. Teman-teman Teknik Informatika UII 2001 yang memberikan semangat,dorongan, bantuan sehingga penyusun dapat meyelesaikan tugas akhir denganbaik.

8. Semua pihak yang tidak dapat disebut satu persatu yang telah membantusehingga laporan tugas akhir ini dapat terselesaikan.

Di tengah keterbatasan penyusun dalam laporan tugas akhir ini, semogalaporan ini dapat menambah khasaah pengetahuan di bidang teknologi informasiserta bermanfaat bagi pambaca. Semoga Allah SWT membimbing dan menyertaisetiap langkah kita. Amin.

Wassalamu'alaikum Wr.Wb.

Yogyakarta, 12 Mei 2007

Penyusun

Page 9: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

SARI

pembelalafan I,' § ^T ^"'^ meruP^ suatu metodeyans m™ he aT8 nJenggunfkan PrinsiP ^lusi genetika, di mana spesiesIdL? bf™dapt*» dengan l.ngkungan akan dapat terus bertahan hidupsedangkan yang tidak mampu akan tersingkir. P'

Pencarian sudut optimum pada m*™*/ material handling dalam aplikasi iniSa^^SZ^T TlmaSi "^^^ SUdut aWal ™ bemilai optiml^SSK^SS" meman88Ul sehin88a dapat memi"-optimum^ST aIg°rit?a, 8enetika digUnakan ^ ^ndapatkan solusi yangrep^asf sudufesTra n TT ^ KX°m°S°m dibangkitkan 'melalu!representasi sudut-sudut yang akan dicari yaitu 0H dan 0T. Nilai fitness vaneXZltlttoftfTS tCrbf ^ ^^ d6ngan -amemlL^l g"total spinal erector. Input merupakan masukan dari panjang segmen-sesmen tuhiih

S^^Z? Ph "^ ^ mdakukan P«W**aa beban. Selainitu,'

probSasS 8" P ^ JUmlah 8CneraSi' Pr°babilitaS -— "£

Kata Kunei: Algorhma Genetika, fitness, jumlah generasi, probabilitascrossover, probabilitas mutasi.

IX

Page 10: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

Manual material handling

Back injury

Genotype

Phenotype

Feature

Alleles

Locus

Positions

Fitness

Fitnessfuction

Population

Generation

Gen

Chromosom

Constrain

Random

Crossover

TAKARIR

suatu aktivitas pemindahan benda tanpa bantuan alat

nyeri pada tulang belakang

interaksi sekumpulan kromosom

proses transformasi kode-kode genetika

karakter

nilai karakter

letak gen di dalam kromosom

posisi atau letak

nilai kebugaran

fungsi tujuan

populasi

generasi

sebuah satuan unsur terkecil dari suatu nilai yangberupa bit, simbol, atau karakter

suatu struktur gen yang membentuk suatu kesatuan

yang mewakili suatu nilai atau karakteristik

batasan-batasan

acak

perkawinan silang

Page 11: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

Mutation

Parent

Offspring

Generational update

Continous update

Steady state update

Input

Output

Flowchart

Software

Hardware

User

mutasi

induk

anak

pembaharuan generasi yang dilakukan dengan

mengganti keseluruhan populasi lama dengan populasibaru

pembaharuan generasi dengan cara menggantikan

sebagaian kromosom pada populasi lama dengan

kromosom-kromosom yang baru

pendekatan selektif dengan kecenderungan

mempertahankan kromosom yang baik dari generasi

lama ke generasi baru, serta hanya menggantikan

kromosom yang memiliki nilaifitness yang kurang baikmasukan

keluaran

diagram alir untuk menggambarkan arus data sistemperangkat lunak

perangkat keras

pengguna

XI

Page 12: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

DAFTAR ISI

JUDULi

PERNYATAAN KEASLIAN TUGAS AKHIR

LEMBAR PENGESAHAN PEMBIMBINGLEMBAR PENGESAHAN PENGUJI

iv

HALAMAN PERSEMBAHAN..v

HALAMAN MOTTOvi

KATAPENGANTARvii

SARIix

TAKARIRx

DAFTAR ISIxii

DAFTAR GAMBARxviii

DAFTAR TABELxxi

BAB I PENDAHULUAN1

1-1 Latar Belakang Masalah

1-2 Alasan Pemilihan Judul2

1.3 Rumusan Masalah3

1-4 Batasan Masalah3

1-5 Tujuan Penelitian4

1-6 Manfaat Penelitian4

xn

111

Page 13: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

1.7 Metodologi Penelitian

1-8 Sistematika Penulisan

BAB II LANDASAN TEORIo

2.1 Ergonomi8

2.1.1 Deskripsi Ergonomi 0o

2.1.2 Penangangan Material Secara Manual (Manual MaterialHandling)

o

2.1.3 Batasan Beban yang Boleh Diangkat 102-1.3.1 Batasan Fisiologi (PhysiologicalLimitations) 102.1.3.2 Batasan Biomekanika (Biomechanical

Limitations)

2.1.4 Mekanika Tubuh Manusia2.2 Algoritma Genetika

20

2-2.1 Deskripsi Algoritma Genetika 2Q2-2.2 Sejarah Algoritma Genetika 222.2.3 Latar Belakang Biologi

2-2.4 MekanismeKerja Algoritma Genetika 252-2.5 Parameter Algoritma Genetika 2g2.2.6 Prosedur Inisialisasi

28

2.2.7 Representasi Kromosom

2.2.8 FungsiEvaluasi..30

xin

Page 14: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

2-2.9 Seleksi34

2-2.9.1 Seleksi Roda Roulette (Roulette Wheel Selection) 342.2.10 Crossover...

35

2.2.11 Mutasi....• 36

2.2.12 Pembaharuan Generasi3o

BAB III ANALISIS KEBUTUHAN PERANGKAT LUNAK 393.1 MetodeAnalisis...

39

3.2 Hasil Analisis ..39

3.2.1 Input39

3.2.2 Output41

3.2.3 Kebutuhan Proses42

3-2.4 Antarmuka yang Diinginkan 423.2.5 Kinerja yang Diharapkan

3-2.6 Kebutuhan Perangkat Lunak dan Perangkat KerasBAB IV PERANCANGAN PERANGKAT LUNAK.

43

44

4-1 Metode Perancangan48

4.2 Hasil Perancangan44

4-2.1 Perancangan Flowchart44

4-2.1.1 Flowchart Aplikasi Algoritma Genetika 454-2.1.2 Flowchart Proses Algoritma Genetika 464-2.1.3 Flowchart Proses Seleksi Roda Roulette 47

xiv

Page 15: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

4.2.1.3.1 Flowchart Proses Perhitungan Total Fitness 48

4.2.1.3.2 Flowchart Proses Perhitungan Fitness

Relatif dan Fitness Kumulatif. 4g

4.2.1.3.3 Flowchart Proses Pilihlnduk 49

4.2.1.3.4 Flowchart Proses Crossover 50

4.2.1.3.5 Flowchart Proses Mutasi 51

4.2.2 Perancangan Variabel Input

52

4.2.2.2 Input Algoritma Genetika 5?4.3 Perancangan Antarmuka

61

4.3.1 Rancangan Antarmuka Halaman Utama 614.3.2 Rancangan Antarmuka Menu.

62

4-3.2.1 Input62

4-3.2.2 Proses..63

4.3.2.3 Report...65

4.2.2.4 About...66

BAB V IMPLEMENTASI PERANGKAT LUNAK 675-1 Batasan Implementasi

67

5-1.1 Perangkat Keras yang Dibutuhkan0/

5-1 -2 Perangkat Lunak yang Dibutuhkan..65

52

4.2.2.1 Input Resultan Momen.

5-1.3 Bahasa dan compiler yang dipakai 6g

xv

Page 16: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

5.2 Implementasi Perangkat Lunak 6g

5.3 Implementasi Prosedural ™ov

5.3.1 Modul-modul Perangkat Lunak 695.3.2.1 Math

69

5.2.2.2 Chart69

5.3.2 Prosedur-prosedur dalam Perangkat Lunak 69

5.3.2.1 Kode Program untuk Algoritma Genetika 70

5.3.3 Proses yang Digunakan ??

5.4.4 Implementasi Antarmuka ??

5.4.4.1 Tampilan Form Halaman Utama 785.4.4.2 Tampilan Form Input ?8

5.4.4.3 Tampilan Form Proses ?9

5.4.4.4 Tampilan Form Report 8Q5.4.4.5 Tampilan Form About

BAB VI ANALISIS KINERJA PERANGKAT LUNAK.81

83

6-1 Pengujian Perangkat Lunako3

6-2 Pengujian Terhadap Sistem 0_83

6-2.1 Pengujian Tidak Normal 0-83

6.2.2 Pengujian Normal..85

6-3 Analisis Pengujian Perangkat Lunak 103

xvi

Page 17: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

BAB VII PENUTUP105

7-1 Kesimpulan....105

7-2 Saran106

DAFTAR PUSTAKA107

xvn

Page 18: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

Gambar2.1

Gambar2.2

Gambar2.3

Gambar2.4

Gambar2.5

Gambar2.6

Gambar2.7

Gambar2.8

Gambar2.9

Gambar4.1

Gambar4.2

Gambar 4.3

Gambar 4.4

Gambar 4.5

Gambar 4.6

DAFTAR GAMBAR

Letak Pusat Massa Tiap Segmen Tubuh 12

Proyeksi Sudut, Momen Gaya dan Gaya 13

Proyeksi Sudut, Momen Gaya dan Gaya Pada TelapakTangan

14

Proyeksi Sudut, Momen Gaya dan Gaya Pada LenganBawah

15

Proyeksi Sudut, Momen Gaya dan Gaya Pada LenganAtas

16

Proyeksi Sudut, Momen Gaya dan Gaya Pada Punggung 17Struktur Algoritma Genetika Menurut Mitsuo Gen 27Hustrasi One-Cut-Point Crossover 35BinaryMutation..

38

Flowchart Aplikasi Algoritma Genetika 45Flowchart Proses Algoritma Genetika 46Flowchart Proses Seleksi Roda Roulette 4?Flowchart Total Nilai Fitness

48

Flowchart Proses Perhitungan Fitness Relatif dan FitnessKumulatif..

49

Flowchart Proses Piih Induk

xvin

Page 19: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

Gambar 4.7 Flowchart Proses CrossoverGambar 4.8 Flowchart Proses Mutasi

Gambar 4.9 Rancangan Antarmuka Halaman Utama 62Gambar 4.10 Rancangan Antarmuka Input 63Gambar 4.11 Rancangan Antarmuka Proses

64

Gambar 4.12 Rancangan Antarmuka Report 65Gambar 4.13 Rancangan Antarmuka Tentang Perangkat Lunak 66Gambar 5.1 Form Halaman Utama

78

Gambar 5.2 Form Input79

Gambar 5.3 Form Proses80

Gambar 5.4 Form Report81

Gambar 5.5 Form About09

Gambar 6.! PeSan Kesalahan Inpu, SL4 Belum Tens, 84Gambar 6.2 PeSa„ Kesalahan Inpu, Jumlah Genera,! Bel™ Terisi 84Gambar 6.3 Pesan Kesalahan Untuk Input 6,

84

Gambar 6.4 Pesan Kesalahan Untuk Input Crossover g5Gambar 6.5 Hasil Pengujian 1

87

Gambar 6.6 Laporan Hasil Pengujian 1J oo

Gambar 6.7 Hasil Pengujian 289

Gambar 6.8 Laporan Hasil Pengujian 290

Gambar 6.9 Hasil Pengujian 391

xix

Page 20: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

Gambar 6.10 Laporan Hasil Pengujian 3.

Gambar 6.11 Hasil Pengujian 4

Gambar 6.12 Laporan Hasil Pengujian 4..

Gambar 6.13 Hasil Pengujian 5

Gambar 6.14 Laporan Hasil Pengujian 5.

Gambar 6.15 Hasil Pengujian 6

Gambar 6.16 Laporan Hasil Pengujian 6.

Gambar 6.17 Hasil Pengujian 7

Gambar 6.18 Laporan Hasil Pengujian 7..

Gambar 6.19 Hasil Pengujian 8

Gambar 6.20 Laporan Hasil Pengujian 8...

xx

92

93

94

95

96

97

98

99

100

101

102

Page 21: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

DAFTAR TABEL

Tabel 6.1 Tabel Hasil Pengujian Perangkat Lunak103

xxi

Page 22: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

BAB I

PENDAHULUAN

1.1 Latar Belakang Masalah

Penggunaan teknologi pada industri di Indonesia mempunyai tingkat

keragaman yang tinggi, mulai dari teknologi yang sederhana sampai dengan teknologi

yang cukup canggih. Dalam setiap aktivitas industri tersebut, penggunaan teknologi

manusia masih dominan, terutama kegiatan penanganan material secara manual

(manual material handling). Aktivitas manual material handling mempunyai peranan

vital dalam suatu produksi manufaktur, yang bertujuan untuk mengalirkan material

sesuai dengan aliran prosesnya dengan tepat waktu dan tujuannya. Kelebihan manual

material handling bila dibandingkan dengan penanganan material dengan alat bantu

adalah fleksibilitas gerakan yang dapat dilakukan untuk beban-beban ringan. Selainkelebihan tersebut, manual material handling]^ memiliki kekurangan yaitu dalamhal keselamatan dan kesehatan kerja yang disebabkan kesalahan dalam penangananmaterial tersebut.

Pekerjaan-pekerjaan di bidang industri memiliki kecenderungan resiko cederayang besar. Hal ini banyak dijumpai apabila terjadi kesalahan dalam penangananbeban, misal posisi tubuh yang salah (awkward posture) dalam bekerja, atau bebankerja yang berat (forcefull exertions).

Dalam sistem kerangka manusia terdapat beberapa titik rawan, yaitu pada ruastulang leher, ruas tulang belakang, dan pangkal paha. Dari titik-titik rawan tersebut,

Page 23: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

titik ruas tulang belakang merupakan titik paling rawan terhadap kecelakaan kerjasebab pada titik tersebut terdapat disk atau selaput berisi cairan yang berfungsi untuk

meredam pergerakan antar ruas pada tulang belakang. Apabila tekanan yang

diakibatkan pengangkatan beban kerja melebihi MPL (Maximum Permissible Limit)sebagai batas angkat maksimum, maka akan menyebabkan pecahnya disk tersebutsehingga pekerja akan mengalami kelumpuhan.

Pada industri pendistribusian beras maupun gula yang dikemas dalam karung,dapat ditentukan massa (berat) beban kerja yaitu maksimal seberat 50 kg. Untukmengoptimalkan waktu kerja, maka metode kerja yang digunakan adalah dengan caramemanggul beban kerja di atas punggung sehingga terdapat sudut kemiringanpunggung.

Input dan rumus-rumus gaya yang digunakan pada sistem ini berdasarkan

penelitian yang telah dilakukan Totok Haryanto, mahasiswa Fakultas Teknik IndustriUII bersama Hari Purnomo, dosen Fakultas Teknik Industri UII, pada tahun 2002 diDolog DIY.

1.2 Alasan Pemilihan Judul

Alasan dipilihnya judul "Penentuan Kemiringan Punggung PadaPengangkatan Beban Karung Menggunakan Algoritma Genetika" dalam peneiitianini adalah untuk merepresentasikan algoritma genetika dalam pencarian sudutkemiringan punggung yang optimal pada aktifitas pengangkatan beban karung.

Page 24: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

1.3 Rumusan Masalah

Perumusan masalahnya adalah bagaimana membuat sistem yang dapat

menentukan sudut-sudut optimum pada pengangkatan awal pemanggnlan beban

dengan menggunakan algoritma genetika.

1.4 Batasan Masalah

Agar dapat mengarah sesuai dengan pokok permasalahan, maka ruang lingkuppermasalahan diberikan beberapa batasan sebagai berikut.

1• Pekerjaan dikhususkan pada pengangkatan material handling yang dilakukansecara manual yang dilakukan oleh pekerja pria.

2. Metode pengangkatan beban kerja yang dilakukan dengan metodememanggul berat beban karung maksimal sebesar 50 kg.

3. Variabel pengangkatan meliputi berat beban kerja, berat badan pekerja, sertapanjang masing-masing segmen tubuh pekerja yang digunakan untuk gayakompresi pada ruas tulang belakang.

4. Pengoptimalan sudut hanya terbatas pada sudut pengangkatan awal yangbersifat statis.

5. Kondisi lingkungan kerja diasumsikan dalam keadaan normal.

6. Pekerja diasumsikan berada dalam kondisi fisik dan mental yang baik.7. Faktorkesehatan dan usia pekerja diabaikan.

Page 25: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

1.5 Tujuan Penelitian

Berdasarkan permasalahan-permasalahan yang ada, maka dapat ditentukan

tujuan penelitian antara lain sebagai berikut.

1. Melakukan perumusan algoritma genetika untuk mengoptimalkan posisi atau

sudut pengangkatan awal beban kerja pada aktivitas manual material

handling, sehingga dapat meminimalkan cedera otot pada tulang belakang.

2. Menguji kemampuan algoritma genetika untuk menyelesaikan permasalahan

optimasi.

1.6 Manfaat Penelitian

1. Memberikan pemahaman mengenai algoritma genetika.

2. Menyediakan suatu perangkat lunak untuk menyelesaikan permasalahan

optimasi khususnya dalam mengoptimalkan posisi atau sudut pengangkatan

awal beban kerja pada aktivitas manual material handling.

3. Algoritma genetika diharapkan dapat menjadi solusi yang optimum dalam

menyelesaikan permasalahan optimasi.

1.7 Metodologi Penelitian

Metode pengembangan sistem yang digunakan pada peneltian ini adalah

metode sekuensial linier, yang memiliki pendekatan sekuensial yang sistematis.

Metode sekuensial linier meliputi aktifitas-aktifitas sebagai berikut [PRE97].

Page 26: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

1. Tahap Analisis Perangkat Lunak

Pada tahap ini, dilakukan pengumpulan kebutuhan yang diintensifkan dan

difokuskan pada sistem yang akan dibangun, meliputi identifikasi domain

informasi, tingkah laku sistem, unjuk kerja dan antarmuka sistem.

2. Tahap Desain

Pada tahap ini, difokuskan pada proses desain struktur data, arsitektur sistem,

representasi interface dan algoritma program.

3. Tahap Penulisan Program (coding)

Setelah tahap desain selesai dilakukan, maka hasilnya harus diterjemahkan ke

dalam bentuk program komputer yang kemudian menghasilkan suatu sistem.

4. Tahap Pengujian

Tahap pengujian ini dilakukan untuk menemukan kesalahan-kesalahan yang

mungkin terjadi pada proses pengkodean. Tahap ini juga berfungsi untuk

memastikan bahwa input yang dibatasi akan memberikan hasil yang sesuai

dengan kebutuhan.

1.8 Sistematika Penulisan

Sistematika penulisan laporan yang disusun sebagai upaya untuk

mempermudah pembacaan yang lebih akurat, maka dibentuklah susunan sebagai

berikut.

Page 27: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

BAB I PENDAHULUAN

Membahas latar belakang permasalahan, rumusan masalah, batasan

masalah, tujuan penelitian, manfaat penelitian serta sistematika

penulisan.

BAB II LANDASAN TEORI

Berisi tentang teori-teori yang berhubungan dengan penelitian, yaitu

teori-teori tentang Algoritma Genetika.

BAB III ANALISIS KEBUTUHAN PERANGKAT LUNAK

Menguraikan tentang analisis dan kebutuhan perangkat lunak serta

hasil analisis mengenai tingkat kebutuhan perangkat lunak tersebut.

BAB IV PERANCANGAN PERANGKAT LUNAK

Menerangkan metode perancangan perangkat lunak yang digunakan

serta hasil dari perancangan tersebut sehingga apa yang dirancangbenar-benar sesuai dengan apa yang dibutuhkan, meliputi rancangan

flowchart yang berisi aliran data dari informasi yang ada.

BAB V IMPLEMENTASI PERANGKAT LUNAK

Menjabarkan tentang implementasi perangkat lunak yang meliputibatasan implementasi dan implementasi perangkat lunak serta analisisfungsi yang digunakan.

Page 28: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

BAB VI ANALISIS KINERJA PERANGKAT LUNAK

Membahas tentang analisis terhadap kinerja perangkat lunak terhadap

sistem yang dibangun yangtelah dibuat dan diuji dengan kebutuhan

perangkat lunak yang sebenarnya.

BAB VII PENUTUP

Berisi beberapa kesimpulan dari sistem yang dirancang serta saran

pengembangan dari keseluruhan tahapan pembuatan tugas akhir serta

perangkat lunaknya.

Page 29: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

BAB II

LANDASAN TEORI

2.1 Ergonomi

2.1.1 Deskripsi Ergonomi

Istilah ergonomi pertama kali muncul pada tahun 1949 di Inggris. Ergonomi

berasal dari dua buah kata dalam bahasa Yunani, yaitu ergo yang berarti kerja, dan

nomos yang berarti aturan, prinsip, atau kaidah. Di beberapa negara, ergonomi

dikenal dengan beberapa nama, seperti Arbeitwissechaft di Jerman, Biotechnology di

negara-negara Skandinavia, serta Human Engineering atau Human Factor

Engineering di Amerika Serikat [SUT79].

Inti dari ergonomi adalah suatu prinsip human centered design ataufitting the

task atau job the man, yang artinya suatu pekerjaan harus disesuaikan dengan

kemampuan dan keterbatasan yang dimiliki manusia. Ini berarti dalam merancang

suatu jenis pekerjaan perlu diperhatikan faktor-faktor yang menjadi kelebihan dan

keterbatasan manusia sebagai pelaku kerja.

2.1.2 Penanganan Material Secara Manual (Manual Material Handling)

Manual material handling merupakan suatu aktivitas pemindahan benda tanpa

bantuan alat. Aktivitas ini sering dikombinasikan terhadap perputaran dan postur

pengangkatan yang berbeda dan dapat menjadikan kontribusi terhadap terjadinyacedera.

Page 30: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

Aktivitas penanganan material secara manual merupakan aktivitas yang masih

banyak ditemui di dalam dunia industri. Meskipun pada beberapa bidang industri

yang relatif modern telah banyak menggunakan mesin sebagai alat penanganan

material, namun aktivitas manual material handling masih diperlukan. Hal tersebut

dikarenakan manual material handling memiliki beberapa kelebihan antara lain,

• fleksibel dalam gerakan sehingga pemindahan beban dalam ruang terbatasakan lebih efisien;

• untuk beban yang ringan, penanganan material akan lebih murah

dibandingkan dengan menggunakan alat bantu berupa mesin;

• tidak semua material dapat dipindahkan dengan alat atau mesin.

Penanganan material secara manual, termasuk pengangkatan beban dengancara memanggul, apabila tidak dilakukan secara ergonomis akan menimbulkan

kecelakaan dalam industri (industrial accident) yaitu kerusakan jaringan tubuh yangdisebabkan oleh kelebihan beban angkatan.

Faktor yang banyak berpengaruh terhadap timbulnya cedera punggung adalaharah beban yang akan diangkat dan frekuensi aktivitas pemindahan. Beberapaparameter yang harus diperhatikan adalah sebagai berikut [NUR98].

1• Beban yang harus diangkat.

2. Perbandingan antara berat beban dan orangnya.

3. Jarak horizontal dari beban dan orangnya.

4. Ukuran beban yang akan diangkat.

Page 31: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

10

2.1.3 Batasan Beban yang Boleh Diangkat

Berikut ini merupakan pendekatan terhadap batasan dari massa beban yangakan diangkat.

1. Batasan legal legal limitations)

2. Batasan fisiologi (physiological limitations)

3. Batasan biomekanika (biomechanical limitations)

4. Batasan psiko-fisik (psycho-physical limitations)

2.1.3.1 Batasan Fisiologi (Physiological Limitations)

Fisiologi adalah ilmu yang mempelajari fungsi organ tubuh manusia yang

dipengaruhi oleh tekanan pada otot. Metode pendekatan ini mempertimbangkan rata-

rata beban metabolisme dari aktivitas angkat yang berulang (repetitive lifting),sebagaimana dapat juga ditentukan dari jumlah konsumsi oksigen. Hal ini harus

benar-benar diperhatikan terutama dalam rangka untuk menemukan batasan angkat.Kelelahan kerja yang terjadi akibat aktivitas yang berulang-ulang akan meningkatkanresiko rasa nyeri pada tulang belakang (back injury).

2.1.3.2 Batasan Biomekanika (BiomechanicalLimitations)

Biomekanika merupakan ilmu yang mempelajari tubuh manusia sebagaistruktur yang dapat berfungsi mengikuti hukum-hukum mekanika Newton dan jugahukum biologi kehidupan. Biomekanika adalah kombinasi antara ilmu mekanika,antropometri dan dasar-dasar ilmu kedokteran (biologi dan fisiologi).

Page 32: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

Pada manual material handling, hal yang menjadi perhatian adalah kekuatan

kerja otot yang bergantung pada posisi anggota tubuh yang bekerja, arah gerakan

kerja, perbedaan kekuatan antar bagian tubuh, usia, kecepatan, ketelitian serta daya

tahan jaringan tubuh terhadap beban. Nilai dari analisis biomekanika adalah rentang

postur atau posisi aktivitas kerja, ukuran beban dan ukuran manusia yang dievaluasi.

Sedangkan kriteria keselamatan didasarkan pada beban tekan (compression load)padatulang belakang.

2.1.4 Mekanika Tubuh Manusia

Mekanika dalam tubuh mengikuti hukum Newton mengenai gerak,

kesetimbangan gaya dan kesetimbangan momen. Dalam hukum Newton disebutkan,apabila gaya resultan yang bereaksi pada suatu benda sama dengan nol (benda semula

dalam keadaan diam), maka benda tersebut akan tetap diam. Apabila gaya resultanyang bereaksi pada suatu benda tidak sama dengan nol (benda dalam keadaan

bergerak), maka benda tersebut akan bergerak dengan kelajuan tetap pada garis lurus.Suatu benda dikatakan dalam keadaan setimbang apabila gaya eksternal yang

bereaksi padanya membentuk sistem gaya ekuivalen dengan nol. Rumuskesetimbangan ditetapkan sebagai berikut.

IX =0.5X =0,£M=0 {2A)

Page 33: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

Keterangan:

2FX = gaya horisontal

SFy = gaya vertikal

EM = momen gaya

12

Momen dan gaya dapat ditentukan dengan cara menghitung kesetimbangan

gaya pada tiap segmen yang menyusun tubuh manusia. Gambar 2.1 di bawah ini

menunjukkan besarnya massa yang dikenakan benda pada masing-masing anggota

tubuh serta titik sentral di mana anggota tubuh tersebut menimbulkan gaya.

2,8% W 1,7%W 0,6% W

10,0% w

4.3% VV

1.4% W

Gambar 2.1 Letak Pusat Massa Tiap Segmen Tubuh [WTN90]

Page 34: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

13

Gambar di bawah ini menunjukkan proyeksi sudut, momen gaya serta gaya

yang bekerja pada aktivitas pengangkatan beban dengan cara memanggul.

Gam bar 2.2 Proyeksi Sudut, Momen Gaya dan Gaya

Keterangan:

a =sudut pergelangan tangan dengan bidang horisontal

=sudut antara siku dengan bidang horisontal

= sudut antara bahu dengan bidang horisontal

=sudut inklinasi badan terhadap bidang horisontal

=sudut inklinasi kaki relatif terhadap bidang horisontal

=sudut antara punggung dengan bidang horisontal =GH -5

02

e3

On

e4

Page 35: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

WLa = berat lengan bawah

WUA = berat lengan bawah

W0 = gaya normal beban

Wt = berat segmen punggung

14

Dalam melakukan aktivitas pengangkatan beban karung dengan cara

memanggul beban, bagian-bagian tubuh yang bekerja antara lain telapak tangan,

lengan bawah, lengan atas, dan punggung. Gambar-gambar di bawah ini

menunjukkan besarnya gaya serta momen gaya yang bekerja pada bagian-bagiantubuh tersebut.

1. Telapak tangan

V?* A fB.-5.COS0,

m.g.cosGi

Mw

Gambar 2.3 Proyeksi Sudut, Momen Gaya dan Gaya Pada Telapak Tan;gan

Page 36: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

15

SFX = 0, IFy = 0, SM = 0

WH = 0,6% x Wbadan

Fxw = (m.g.cos Olcos B- fgcs.cos B): 2

Fyw = Wh +[(m.g.cos Gi.cos Gi - fges.cos 6i): 2]

Mw = [WH +(m.g.cos 0,.cos 6, - fges.cos G,) : 2] SL,.cos a - (m.g.cos

Gi.cos 6-fges.cos IJ) SLi.sina

Keterangan:

WH = berat telapak tangan

Fxw =gaya pada genggaman telapak tangan sejajar sumbu x

Fvw =gaya pada genggaman telapak tangan sejajar sumbu yyw

M w momen gaya pada telapak tangan

2. Lengan bawah

A

Fxw

"-Fyw

Me

Gambar 2.4 Proyeksi Sudut, Momen Gaya dan Gaya Pada Lengan Bawah

Page 37: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

SFX = 0, SFy = 0, SM = 0

h = 43%

WLA=l,7%.Wbadan

F = F1 xe 'iw

Fye = Fyw + WLA

Me = Mw +(WLA. X2. SL2.cos 02) +(Fyw.SL3.c0s 02)

Keterangan:

Wla = berat lengan bawah

Fxe =gaya pada lengan bawah tangan sejajar sumbu x

Fye =gaya pada lengan bawah sejajar sumbu y

Mw = momen gaya pada lengan bawah

3. Lengan atas

SI.3

\

\

Ms

-Me

Gambar 2.5 Proyeksi Sudut, Momen Gaya dan Gaya Pada Lengan Atas

16

Page 38: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

2FX = 0, SFy = 0, 2M = 0

^3 = 43,6%

WUA = 2,8%xWbadan

Fxs = Fxe

Fys ~ Fye + Wua

Ms =Me +(WUA .X3 .SL3. COS 93) +(Fye . SL3 .cos G3)Keterangan:

WUA = berat lengan bawah

Fxs =gaya pada lengan atas sejajar sumbu x

F« =gaya pada lengan atas sejajar sumbu yys

M.s - momen gaya pada lengan atas

4. Link punggung

SL4

-, a.4

Gambar 2.6 Proyeksi Sudut, Momen Gaya dan Gaya Pada Punggung

17

Page 39: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

18

ZFy - 0, ZFX = 0, EM =0

X4 = 67%

W, =45%xWbadan

Fxt =2FXS

Fyt =2Fys + W0 + Wl

M, =2MS +(W0. 0,5 . SL4 . cos 84) +(W,. U•SL4 . cos 84) +(2Fys.

SL4 . cos 04)

Keterangan:

Wt = berat segmen punggung

Fxt =gaya pada punggung sejajar sumbu x

Fyt =gaya pada punggung sejajar sumbu y

Mt =momen gaya pada punggung

Dengan menggunakan teknik perhitungan keseimbangan gaya pada setiapsegmen tubuh manusia, maka didapat momen resultan pada tulang belakang.

Kemudian untuk mencapai keseimbangan tubuh pada aktivitas pengangkatan, momenpada tulang belakang tersebut harus diimbangi dengan gaya otot spinal erector (Fm)yang cukup besar, yang berfungsi untuk mempertahankan kesetimbangan statis. Gayaotot spinal erector dirumuskan sebagai berikut.

F -M'~Fa-dE (2.2)

Page 40: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

19

Keterangan:

Fm =gaya otot spinal erector (Newton)

E =panjang lengan momen otot spinal erector =0,05 m

Mt = momen resultan pada L5/S1

FA =gaya perut (Newton)

D =jarak dari gaya perut ke L5/S1 =0,11 m

Untuk mencari gaya perut (FA), maka perlu dicari tekanan perut (PA).

75 LM'J (2.3)

FA =PAxAAA (2.4)

Keterangan:

PA = tekanan perut (Him2)

FA = gaya perut (Newton)

AA = 0,0465 m2

Berikut ini merupakan rumus untuk menghitung berat total segmen tubuh manusia.WM=W0+2Wlt +2WLA+2W(M+Wt (25)Keterangan:

Wtot =berat total segmen tubuh manusia (Newton)

Kemudian gaya tekan atau gaya kompresi pada tulang belakang didapatkan darirumus berikut.

K=W,^os0t-Fi+F, (26)

Page 41: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

20

Keterangan:

Fc =gaya kompresi (Newton)

Wtot =berat total segmen tubuh manusia (Newton)

FA = gaya perut (Newton)

Fm =gaya otot spinal erector (Newton)

Sedangkan besamya gaya kompresi pada tulang belakang (Fe) maksimum adalah

6370 Newton. Batas maksimum tersebut merupakan batas yang dapat ditolerir agartidak terjadi kerusakan pada tulang belakang.

2.2 Algoritma Genetika

2.2.1 Deskripsi Algoritma Genetika

Algoritma Genetika merupakan suatu metode optimasi dan simulasi yangperkembangannya tidak bisa lepas dari paradigma evolusi yang ditunjukkan pertamakali oleh Charles Darwin (1809-1882) yang diteruskan dalam perkembangan teorigenetika, walaupun pada kenyataannya teori tersebut terbukti keliru. EvolusiDarwinian yang berbasis pada konsep •W™/ of ,he fiuest menyatakan bahwaevolusi jenis-jenis spesies makhluk hidup dan ekosistemnya tetjadi karena seleksialam. Semak.n adaptif sifat dari suatu individu dalam ekosistem maka kemungkinanuntuk bertahan „idup dan menghasilkan keturunan semakin besar. Kehrrunan darispesies yang bertahan hidup akan mewarisi sifat-sifa, dari induknya dengankemungkinan terjadi p=rubaha„ beberapa sifa, antara induk dan keturunamrya me.aluiperkawinan dan mutasi genetika.

Page 42: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

21

Algoritma genetika merupakan teknik pencarian nilai optimum stochas.icmenggunakan gabungan dari mekanisme seleksi alam dengan teori genetika.Algoritma genetika berbeda dengan teknik konvergensi konvensional yang lebihbersifat deterministik [GEN97].

Algoritma genetika mempunyai perhitungan yang relatif sederhana, namunsangat kua. pada proses pencarian untuk melakukan peningkatan. Algoritma genetikajuga tidak dibatasi oleh asumsi pembatas mengenai nrang pencariar,, seperti asumsimengenai kekontinuan, keberadaan «„ra„a„, dan sebagainya. Kekuatan algoritmagenetika terletak pada beberapa nal yang membedakan algoritma genetika deganalgoritma pencarian lainrtya [GOU9]. Letak perbedaan tersebut antara lain sebagaiberikut.

1- Algoritma genetika bekerja dengan memanipulasi kode-kode se, parameter,bukan dengan memanipulasi nilai parameter itu sendiri.

2. Algoritma genetika bebas nn.uk mengkodekan masalah dengan berbagai carasehingga algoritma genetika tidak dibatasi oleh batasan metode lainnya.

3. Algoritma genetika bekerja dengan popuiasi titik, bukan hartaya pada satutitik.

4. Algoritma genetika menggunakan informasi fungsi tujuan, bukanmenggunakan informasi turunan atau yang lainnya.

5- Algoritma genetika menggunakan aturan perpindahan probabilistic bukandeterministik.

Page 43: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

22

2.2.2 Sejarah Algoritma Genetika

We tentang komputasi evolusioner pertama kali diperkenalkan oleh I.Rechenberg dalam karyanya yang betjudu. "Evolutionsstrategie", atau dalam versibahasa ,nggris yang berjudul "Evolution Strategies Ide tersebut kemudiandikembangkan oleh berbagai penehtian lain. Selanjutnya. algoritma genetika perlamakali dikemukakan oleh John Holland dan dikembangkan bersama dengan rekan-rekansetla murid-mnridnya di Universitas Michigan. Penelitian tersebu, menghasilkan duabuah kesimpulan sebagai berikut.

1• Meningkatkan pemahaman tentang proses adaptasi alami.

2. Mendesain perangkat lunak dari sistem tiruan bifida, software systems)yang mempunyai persamaan dengan sistem alami (.natural systems), namuntetap mempertahankan mekanisme penting dari sistem alami tersebut.

John Holland memulai penehtiannya pada awal tahun 1960. Kemudian pada•ahun ,975, John Holland mempublikasikan sebuah buku yang berjudul Rationin Natural and Arlificial SyiWm,, Ho|)and tMak beg.(u (ertarik ^ ^^

opttmasi, namun ia memiliki ketertarikan yang besar terhadap proses adaptasi. lamenekankan akan Pe„«i„g„ya pe„ggabungan uJang ^^ ^ ^Populasi yang besar. Dalam bukunya tersebut, Holland [HOU5] mengatakan"solution to aproblem solved by genetic algorithms is evolved".

Page 44: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

23

2.2.3 Latar Belakang Biologi

Algoritma genetika meniru beberapa proses yang ditemukan pada evolusi

alamiah. Evolusi terjadi pada kromosom, alat organik yang mengkodekan struktur

makhluk hidup. Sebagian makhluk hidup terbentuk melalui proses pengkodeankromosom. Individu-individu yang kuat akan berhasil bertahan hidup, sedangkanindividu-individu yang lemah akan punah. Individu-individu yang bertahan hidupakan membentuk individu-individu baru sehingga terjadi proses regenerasi. Berikutini merupakan teori-teori dasar evolusi yang diadopsi oleh algoritma genetika.

1• Evolusi merupakan proses yang bekerja pada kromosom, bukan pada makhlukhidup yang dikodekannya.

2. Seleksi alamiah merupakan hubungan antara kromosom dan kinerja daristruktur yang dikodekannya. Proses seleksi alamiah menyebabkan kromosom

yang mengkodekan struktur yang sesuai lebih banyak diproduksidibandingkan dengan yang tidak sesuai.

3. Proses reproduksi merupakan titik saat terjadi evolusi. Mutasi dapatmenyebabkan kromosom anak berbeda dengan induknya. Sedangkanrekomendasi akan menciptakan kromosom yang jauh berbeda, dengan caramengkombinasikan bagian kromosom dari kedua induknya.

4. Evolusi biologis tidak mempunyai memori. Apapun yang berhubungandengan fungsi individu dengan lingkungannya terdapat dalam gen(sekumpulan kromosom yang dibawa individu) dan struktur yangdikodekannya.

Page 45: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

24

Teori dasar evolusi di atas, apabila seeara sempurna digabungkan dalamsebuah algoritma pemrograman komputer mampu menghasilkan teknik pencarianuntuk memecahkan permasalahan yang suli, dengan cara yang sama dengan yangdilakukan oleh alam melalui evolusi.

Berikut ini istilah-isti.ah yang diadopsi oleh algoritma genetika dari istilah-istilah yang terdapat dalam sistem biologi.

1• Kromosom dengan string

Kromosom merapakan tempa, penyimpanan informasi genetika. Informasiyang disimpan merupakan representasi dari masalah yang dihadapi. Di dalamalgoritma genetika, string dianalogikan sebagai kromosom.

2. Genotype dengan struktur

Kombinasi satu atau beberapa kromosom membentuk fungsi kerja suatuorganismcinteraksi sekumpulan tersebu, disebut sebagai genome. Di dalamalgoritma genetika, struktur dianalogikan dengan genotype

3. Phenotype dengan set parameter (alternatif solusi)interaksi di dalam struktur sterjadi karena adanya proses transformasi kode-kode genetika. Proses ini disebut Peno9pe. «i, phenotype merupakanrepresentasi se, parameter masalah yang dihadapi. Representasi kode dapa,berupa numerikatau non numerik.

4. Gen denganfeature (karakter)

Suatu kromosom dibentuk oleh beberana Pen n; a ioeoerapa gen. Di dalam algoritma genetika,string dibentuk oleh beberapafeature.

Page 46: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

25

5. Alleles dengan feature value

Suatu feature memiliki nilai tertentu. Di dalam sistem biologi, ni!* featuredisebut dengan alleles.

6. Locus dengan positions

Letak gen di dalam kromosom disebu, locus. Setup feature memiliki urutanposisi di dalam string.

7. Fitnessfunction dengan fungsi tujuan

Setiap kromosom memiliki fungsi sesuaian ^fitness) berdasarkan nilai danletak gen. Fungsi f„nm merupakan fungs. ^ ^ ^^ ^proses evaluasi permasalahan yang dihadapi.

2-2.4 Mekanisme Kerja Algoritma Genetika

Proses algoritma genetika dalam mencari suatu nilai optimalisasi (maksimumatau minimum) adalah sebagai berikut.

>. Penentuan mode, dari sistem buatan dengan mendefmisikan spesies-spesiesdengan struktur gen dan kromosom yang ditentukan berdasarkan sifat-sifatnya.

2- Perhitungan nilaiyi^, dari setiap spesies berdasarkan struktur gennya. Nilai•ni digunakan sebagai patokan optimal atau tidaknya suatu nilai.

3- Pemilihan induk yaitu individu-individu dengan nilai fitness terbaik untukdtjadikan induk dalam menghasilkar, individu-individu baru.

Page 47: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

26

4. Proses reproduksi terdiri dari crossover (perkawinan silang) dan mutasi. Darireproduks, ini akan dihasilkan individu-individu terbaru.

Proses di atas secara dilakukan secara berulang-ulang, sehingga diharapkaninduk yag baik akan diperoleh generasi anak dengan spesies yang lebih baik. Dengandemikian, algoritma genetika melakukan simulasi evolusi pada suatu populasikromosom. Seperti kromosom, algoritma ini menyelesaikan masalah pencariankromosom yang baik. dengan memanipulasi bagian yang terdapat pada kromosomsecara acak (random).

Algoritma genetika tidak mengetahui' tipe permasalahan yang dipecahkan.Informasi yang digunakan hanyalah evaluasi dari nilai^ setiap kromosom yangdihasilkan. Satu-satunya fungsi dari mformasi ini ada,ah untuk mempengaruhipemilihan kromosom sehingga kromosom yang mempunyai evaluasi ,i„ggi akandiproduksi lebih banyak dibandingkan de„ga„ kromosom yang mempunyai evaluasirendah. Algoritma ini secara efektif menggunakan informasi masa lalu untuk menuju«...k pencarian baru dengan kinerja yang diharapkan akan meningkat.

Page 48: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

27

Struktur algoritma genetika digambarkan oleh Mitsuo Gen [GEN97] sebagai berikut.

solutions

new

population

encoding 1100101010

1011101110

011011001

1100110001

crossover

1011101110

liflllliiil

1100110001

mutation

00110 1001

00110 0

fitness computation

Gambar 2.7 Struktur Algoritma Genetika Menurut Misuo Gen

Page 49: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

28

2.2.5 Parameter Algoritma Genetika

Yang dimaksud dengan parameter di sini adalah parameter kontrol algoritmagenetika, yaitu ukuran populasi (popsize), peluang crossover (pc), dan peluang mutasi(P»). Nilai parameter ini ditentukan juga berdasarkan permasalahan yang akandipecahkan. Ada beberapa rekomendasi yang bisa digunakan antara lain [KUS03]

• untuk penmasalahan yang memiliki kawasan so.usi yag cukup besar, De Jongmerekomendasikan untuk nilai parameter kontrol yaitu

(popsize; pc; p„) =(50; 0,6; 0,001)

• bila rata-ra,a fitness setiap generasi digunakan sebagai indikator, makaGrefenstette merekomendasikan

(popsize; pt; Pnl) =(30; 0,95; 0,01)

• bila fitness dari individu terbaik dipantau pada setiap genenasi, makausulannya adalah

(popsize; pc; pm) =(80; 0,45; 0,01)

• ukuran populasi scbaiknya tidak lebih keci, dari 30 untuk sembarang jenispermasalahan.

2.2.6 Prosedur Inisialisasi

Kodifikasi atau pengkodean kromosom merupakan masalah yang pe„,i„gdalam algoritma genetika. Pada awa, aigori,ma genetika diperkenalkan oleh Hollandkromosom dhampilkan dalam bentuk bluer. Namun pada sebagian besar aplikas!

Page 50: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

29

algoritma genetika, permasalahan yang akan diselesaikan akan suli, diubah ke dalambentuk tersebut, sebab kode biner bukan meatpakan kode atomi. Maka beberapamacam kode non string dikembangkan seperti

• Penggunaan kode riil (real number coding) untuk permasalahan optimalisasi;• Penggunaan kode bilangan bula, (integer number coding) untuk permasalahan

optimalisasi kombinatorial.

2.2.7 Representasi Kromosom

Ukuran populasi tergantung pada masalah yang akan dipecahkan dan jenisoperator genetika yang akan diimplemenasikan. Setelah ukuran populasi ditentukanselanjutnya dilakukan representasi kromosom yang terdapa, pada populasi ,e,ebutRepresentasi kromosom ini dapat disebut juga ^ ^_ b_•ntsialisasi dilakukan secara acak, namun ha™ tetap memperhatikan domain solusidan kendala permasalahan yang ada.

Pada kasus ini, hal pertama ymg ^^ ^ ^^ ^

°da,ah {a,.h)] da„ tingkat ^ ^ ^^ ^ ^̂ ^^destmal, maka range domai„ dari masing-masing variabe, sudu, harus dibagi pa,ingsed,ki, bert,kura„ (hj -,) x10< range. ^ ^ ^^^ ^ ^adalah sebagai berikut.

Page 51: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

30

2mJ'-] <(bl-ai)x\Q4 <2mJ'K j j' —*• (21\

m = m + m

" '('+]) (2.8)

dengan:

m, =jumlah bits dalam kromosom pada masing-masing batasan Qikaterdapat lebih dari satu batasan)

m = jumlah total bits dalam kromosom yang dikehendaki

bj = batas atas variabel sudut

aj = batas bawah variabel sudut

2.2.8 Fungsi Evaluasi

Fungsi evaluasi pada masalah optimasi pada umumnya merupakan fungsitujuan. Jadi fungsi evaluasi berperan sebagai alat ukur apakah string tersebutmerupakan solusi yang baik atau bukan. Begitu juga dengan hngkungan yangmenentukan apakah suatu makhluk hidup akan bertahan hidup atau mati. Nilai fungsievaluasi biasanya disebut dengan nilai kesesuaian (fitness value).

Kasus mi menggunakan mcode seleksi roda roulette dan dapat ditentukanberdasarkan iaktor-faktor di bawah ini.

1• Dilakukan perhitungan ni,ai/,V„ra evaluasi pada masing-masing kromosomevalfy,) =f(x) ^

Page 52: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

31

dengan:

eval(vt)= nilai fitness pada tiap kromosom yang merepresentasikan

besarnya sudut pengangkatan

= 1, 2,..., ukuran populasi

2. Dilakukan perhitungan nilai total fitness pada populpop si:e

F= '£eval(vk)

asi

pop _ size

al(v. \(2.10)

dengan:

F = nilai totalfitness

= 1,2,..., ukuran populasi

3. Dilakukan perhitungan probabilitas relatif (pk) untuk setiap kromogQm ^Pk =^l^A

F ' (2.11)

dengan:

= 1,2,..., ukuran populasi

4. Dilakukan perhitungan probabilitas komulatif «,k) un.uk setiap kromosom v,k

q>=Y.Pj,7=i (2.12)

dengan:

= 1,2, ..., ukuran populasi

Page 53: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

32

Berikut ini merupakan 3langkah proses evaluasi tingkat kemampuan atau performasidari kromosom.

1. Genotype kromosom diubah menjadi phenotype kromosom, dengan kata lain

deretan bilangan biner diubah menjadi deretan bilangan real.

x =(x i.* 2) (2.12)

dengan:

k =1,2,..., ukuran populasi

Perubahan dari deretan bilangan biner menjadi angka real untuk variabel

sudut xjberdasarkan

Xj =aj +decimal (substring )x———L n 13)

dengan: decimal (substringj) merepresentasikan nilai desimal dari

substringj untuk variabel sudut Xj

2. Fungsi obyektif/fr*; dievaluasi.

3. Nilai fungsi obyektif diubah ke dalam fitness. Untuk kasus minimasi, nilaifitness dapat ditentukan berdasarkan

eval(vk) =f(x*) (2J4)

dengan:

k =1,2,..., ukuran populasi

Page 54: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

33

Selain in,, diperlukan suatu penskalaan fungsi fitness pada setiap kromosomuntuk menjaga jangan sampai super kromosom mendominasi populasi yang dapatmengakibatkan algoritma genetika tergiring dalam konvergensi dini sehingga tidakdapat menghasilkan so.usi yang optimal. Persamaan penskalaan yang digunakanadalah

eval(v,) = C - V Fm ..tT (2.15)

Ada dua hal yang harus dilakukan dalam melakukan evaluasi kromosom,yaitu evaluasi fungsi objektif (fungsi tujuan) dan konversi fungsi objektif ke dalamfungsi^,,., secara umum, fungsi fitness ditunankan dari fungsi objektif dengannilai yang tidak negatif. Apabila ternyata fungsi objektif memiliki nilai negatif, makaditambahkan konstanta Cagar nilai fitness yang terbentuk tidak menjadi negatif[KUS03]. Sehingga persamaannya menjadi

eval(vk) = C + YFmm (2.16)

dengan:

C = konstanta = 106

Fm, - nilai total gaya otot spinal erector yang dihasilkan

Page 55: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

34

2.2.9 Seleksi

Pemilihan induk atau seleksi induk dilakukan agar kromosom yangmempunyai nilai fitness paling ,i„ggi mempunyai peluang reproduksi yang lebihtinggi pula. Proses seleksi akan menentukan individu-individu yang akan dipilihdalam proses rekombinasi. Selain itu, proses seleksi juga akan menentukanbagaimana offspring terbentuk dari individu-individu terpilih tetsebut. Maka, langkahpertama yang dilakukan dalam proses seleksi ini adalah pencarian nil* fitness. Nilai

fitness dapa, ditentukan dengan suatu fungsi tujuan atau dengan suah. penilaiansubyektif. Nilai fitness inilah yang akan digmakm p^ ^^ ^berikutnya.

2.2.9.1 Seleksi Roda Roulette (Roulette Wheel Selection)Metode seleksi roda roulette ini merupakan metode yang paling sederhana,

dan sering juga dikena. dengan nama siochastic sampling vith replacement. Padametode ini, individu-individu dipetakan dalam suatu segmen garis secara berurutansedemikian hingga tiap-tiap segmen individu memiliki uku™ yang sama denganukuran fitnessnya. Sebuah bilangan random dibangkitkan dan individu yang memilikisegmen dalam kawasan bilangan random tersebut akan terseleksi. Proses ini diulanghingga diperoleh sejumlah individu yang diharapta

can.

Page 56: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

35

2.2.10 Crossover

Crossover atau perkawinan silang merupakan suatu proses penukaran gen daridua individu induk untuk memperoleh dua individu anak. Crossover berfimgsimenggabungkan dua string induk yang berbeda menjadi dua string anak yangberbeda dengan siring induknya. Ha, ini dilakukan dengan harapan agar diperolehindividu-individu anak dengan struktur gen yang lebih baik.

Dalam kasus ini, metode crossover yang digunakan adalah perkawinan silangsatu titik (one-cut-point crossover) dengan ciri-ciri sebagai berikut.

• Memilih site secara random dari parent pertama.

• Mdi sebelah kanan * pada parent pertama ditukar dengan parent keduauntuk menghasilkan offspring [GEN97J.

Berikut ini merupakan ilustrasi one-cut-point crossover.

Parent 1

Parent 2

Offspring 1

Offspring 2

10 1 1 0 1 0 1 1

j 1r

1 0 0 0 1 1 1

1 ° 1 1 0 0 1 1 1 11 1I—

1 1 0 1 0 1 1 0.

1

1 1Gambar 2.8 Ilustrasi one-cut-point crossover

Page 57: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

36

2.2.11 Mutasi (Mutation)

Operasi mutasi melakukan perubahan nilai gen-gen pada kromosom dengancara menyisipkan kode informasi ke dalam suatu individu. Mutasi menciptakanindividu baru dengan melakukan modifikasi satu atau lebih gen dalam individu yangsama. Mutasi berperan untuk menggantikan gen yang hilang dari populasi akibatproses seleksi yang memungkinkan munculnya kembali gen yang tidak muncul padainisialisasi populasi. Selain itu, mutasi juga berfungsi untuk menyediakan gen yangtidak ada dalam populasi awal, sehingga mutasi akan meningkatkan variasi populasi.

Proses mutasi yang terlalu sering akan menghasilkan individu yang buruk.Hal tersebut dikarenakan untaian kromosom individu superior akan rusak oleh prosesmutasi, sehingga kemungkinan munculnya individu superior akan berjalan lambatatau bahkan tidak muncul sama sekali. Maka probabilitas populasi yang digunakanharus dipertimbangkai, Mengenai laju mutasi, ada yang berpendapat bahwa lajumutasi sebesar 1/n akan memberikan hasil yang cukup baik. Namun ada pula yangberpendapat bahwa laju mutasi tidak bergantung pada ukuran populasinya.Kromosom hasil mutasi harus diperiksa, apakah masih berada pada domain solusi,dan bila perlu bisa dilakukan perbaikan.

Mutasi dibedakan berdasarkan bilangan yang digunakan, antara lain sebagaiberikut [KUS03].

Page 58: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

37

1. Mutasi bilangan real

Pada mutasi bilangan real, ukuran mutasi biasanya sangat suli. ditentukan.Ukuran yang kecil biasanya sering mengalami kesuksesan, namun adakalanya ukuran yang lebih besar akan berjalan lebih cepat.Operasi mutasi untuk bilangan real dapat ditetapkan adalah

• variabel yang dimutasi - variabel ±range'delta; (+ atau - memilikiprobabilitas yang sama);

• range =0.5 *dominan variabel; (interval pencarian);

delta =S(ai*2-'); a, =1dengan probabilitas 1/m, selain itu a, =0,dengan m = 20.

2. Mutasi biner

Kasus ini menggunakan mutasi bine, Cara yang sederhana untukmendapatkan mutasi biner adalah dengan mengganti satu atau bebetapa nilaigen dari kromosom. Langkah-langkah mutasi biner adalah

• dilakukan perhitungan jumlah gen pada populasi (panjang kromosomdikalikan dengan ukuran populasi);

• gen yang akan dimutasi dipilih secara acak atau random;

• kromosom dari gen yang terpilih ditentukan untuk dimutasi;• ni'ai gen (0 ke 1, atau 1ke 0) diganti dari kromosom yang akan

dimutasi tersebut.

Page 59: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

38

Gambar 2.9 Binary Mutation

2.2.12 Pembaharuan Generasi

Crossover dan mutasi merupakan proses pembaharuan generasi yang

mempunyai nilai^ yang lebih h,k ^ ^ ^ ^ ^pembaharuan generasi, antara lain sebagai berikut.

>• Generational update, apabila pembaharuan dilakukan dengan menggantikan-cara keseluruhan p„p„,asi lama dengan populasi baru.

2. Continous update, apabila sebagia, kromosom pada Wu,asi lama digantidengan kromosom-kromosom baru.

3- Steady state update, apabila pendekatan seleknif dilakukan eenderung

dan hanya menggantikan kromosom yang nilai^-nya kurang baik

Page 60: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

BAB III

ANALISIS KEBUTUHAN PERANGKAT LUNAK

3.1 Metode Analisis

Sistem yang akan digunakan dalam menganalisis kebutuhan perangkat lunakPada Penentuan Kemiringan Punggung Pada Pengangkata„ ^ ^Menggunakan Algeria Ge„e,ika in, adalah menggunakan metode analisis-struktur, pada metode transformasi input, proses dan output dinyatakan dengan"" P"a fahaP M- " notasi-notasi digunakan untukmenggambarkan arus data sistem dim*™ usistem, dimana akan sangat membantu dalam proseskomunikasi dengan user.

3-2 HasilAnalisis

Berdasarkan analisis yang ,elah dilakukan, maka dapa, diketahui apa sajayang menjadi masukan sistcm (Input), keluaran sistem fUngsi (outpul) atau metode-g digunakan oleh sistem, kebutuhan perangkat keras maupun perangkat lunak- antarmuka sistem (Interface) ya„g akan dibuat, sehingga sistem yang dibuatakan sesuai dengan yang diharapkan.

3.2.1 Input

.npu, untuk penMsa,aha„ optimasi pada Penentuan Kemtringan Puuggung— Beban Karung Menggunakan Algoritma Genetika ini be^pa

39

Page 61: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

40

variabel-variabel yang digunakan dalam suatu masalah optimasi serta penggunaanalgoritma genetika.

1. Kebutuhan input data awal

a. Panjang telapak tangan (SL1)

b. Panjang lengan bawah (SL2)

c. Panjang lengan atas (SL3)

d. Panjang tulang belakang (SL4)

e. Sudut pergelangan tangan dengan bidang horizontal (a)

f. Sudut kemiringan beban terhadap bidang vertikal (91)

g. Sudut kemiringan beban terhadap bidang horizontal(p)

h. Sudut antara siku dengan bidang horizontal(02)

i. Sudut antara bahu dengan bidang horizontal (03)

j. Massa beban angkat

k. Massa badan pekerja

2. Kebutuhan input bagi proses algoritma genetika adalah sebagai berikut.a. Jumlah Populasi

Variabel ini digunakan untuk menentukan seberapa banyak jumlah

populasi yang akan di-generate dalam suatu proses algoritma genetika.

Page 62: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

41

b. Jumlah Generasi

Variabel ini digunakan untuk menentukan seberapa banyak operasi

genetika, baik seleksi, crossover maupun mutasi yang akan dilakukan

dari suatu representasi permasalahan dalam kromosom yang akan

dicari solusinya.

c. Probabilitas Crossover

Variabel ini digunakan untuk menentukan seberapa banyak kromosom

dari populasi yang akan diikutsertakan dalam proses crossover.

d. Probabilitas Mutasi

Variabel ini digunakan untuk menentukan seberapa banyak kromosom

dari populasi yang telah mengalami proses crossover yang akandiikutsertakan dalam proses mutasi.

3.2.2 Output

Output atau hasil keluaran yang diharapkan dari sistem yang akan dibuatadalah sebagai berikut.

1. Sudut optimal antara punggung dengan bidang horisontal (04).2. Sudut inklinasi badan relatif terhadap bidang horisontal (0H).3. Sudut inklinasi kaki relatif terhadap bidang horisontal (0T).4. Gaya kompresi (Fc).

Page 63: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

42

3.2.3 Kebutuhan Proses

Proses-proses yang dibutuhkan dalam menyelesaikan permasalahan optimasisudut adalah sebagai berikut.

1. Proses perhitungan gaya dan momen gaya

Setelah dilakukan masukan data awal, maka dilakukan perhitungan besarnya

gaya dan momen gaya yang bekerja pada telapak tangan, lengan bawah,

lengan atas, dan tulang belakang untuk output akhir pada proses selanjutnya.2. Proses algoritma genetika

a. Proses seleksi

Proses seleksi yang menggunakan metode seleksi roda rolet

merupakan suatu proses pencarian nilai fitness yang didapatkan

dengan meminimumkan nilai gaya otot spinal erector (Fm).b. Proses crossover

c. Proses mutasi

3.2.4 Antarmuka Yang Diinginkan

Suatu sistem dapat dengan mudah digunakan oleh user tanpa mengalamikesulitan. Selain itu user tidak memerlukan keahlian khusus atau mempelajarinyaterlebih dahulu untuk dapat menggunakan sistem ini. Oleh karena itu padaperancangan antarmuka dibuat semudah mungkin untuk dapat dipahami oleh user.

Page 64: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

43

3.2.4 Kinerja yang Diharapkan

Kinerja yang diharapkan dari hasil analisis di atas adalah perangkat lunak

yang dibuat mampu mengangani beragai kemungkinan masukan data (input) danparameter operasi genetika unuk menghasilkan output yang optimum.

3.2.5 Kebutuhan Perangkat Lunak dan Perangkat Keras

3.2.5.1 Kebutuhan Perangkat Lunak

Perangkat lunak yang dibutuhkan untuk pengembangan dan implementasisistem ini antara lain,

• sistem operasi Windows 9x atau Windows 2000 atau yang lebih tinggi;

• bahasa pemrograman Borland Delphi 7.0 untuk pembuatan perangkat lunak.

3.2.5.2 Kebutuhan Perangkat Keras

Sistem optimasi ini akan dapat berjalan dengan baik jika memenuhi standar minimumdari perangkat keras (hardware), antara lain

• prosesor: Intel Pentium III 600 Mhz;

• hardisk: 5GB;

• RAM: 256 MB;

• monitor: VGA dengan resolusi minimal 800 x600;

• keyboard: standar;

• mouse: PS2.

Page 65: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

BAB IV

PERANCANGAN PERANGKAT LUNAK

4.1 Metode Perancangan

Metode perancangan yang digunakan pada pengembangan perangkat lunak

Penentuan Kemiringan Punggung Pada Pengangkatan Beban Karung Menggunakan

Algoritma Genetika adalah perancangan sistem berupa metode perancangan berarahalirandata berupaflowchart.

Flowchart merupakan teknik grafis yang menggambarkan aliran informasi

dan transformasi yang diaplikasikan pada saat data bergerak dari input menjadioutput. Flowchart juga digunakan untuk menyajikan sebuah sistem atau perangkat

lunak pada setiap tingkat abstraksi. Sedangkan diagram arus data digunakan untuk

menggambarkan sistem data baru yang akan dikembangkan secara logika tanpa

terlebih dahulu mempertimbangkan lingkungan fisik di mana data tersebut dirprosesatau di mana data tersebut akan disimpan.

4.2 Hasil Perancangan

4.2.1 Perancangan Flowchart

Untuk memudahan memahami mengenai proses suatu sistem maka disajikandalam bentuk flowchart (aliran data). Perancangan flowchart untuk prosespenyelesaian masalah Penentuan Kemiringan Punggung Pada Pengangkatan BebanKarung Menggunakan Algoritma Genetika adalah sebagai berikut.

44

Page 66: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

45

4.2.1.1 Flowchart Aplikasi Algoritma Genetika

Flowchart ini menjelaskan jalannya aplikasi algoritma genetika dalammenyelesaikan permasalahan optimasi pada Penentuan Kemiringan Punggung PadaPengangkatan Beban Karung Menggunakan Algoritma Genetika seperti pada Gambar4.1 berikut ini.

( Mulai

I"InpufDaB"- MassaBadanPekerja- Massa BebanAngkat

--.-Paijang Segmenjubuh

-JET~

Gambar 4.1 Flowchart Aplikasi Algoritma Genetika

Page 67: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

4.2.1.2 Flowchart Proses Algoritma Genetika

Flowchart ini menjelaskan jalannya proses algoritma genetika menggunak;

metode seleksi roda rolet (roulette wheels), proses crossover dengan metode one-cut-

point crossover, serta proses mutasi dengan metode binary mutation. Proses dimulai

dari inisialisasai populasi awal, generasi secara acak (random), evaluasi nilai fitness

pada setiap individu dalam generasi, dilanjutkan dengan proses kondisional hinggagenerasi mencapai maksimum generasi.

Tidak

C Mulai ~)

Penentuan Prob.Crossover & MutasiPenentuan Max Generasi & Populasi

Inisiatisal PopulasiGenerasi - 1

Hitung Fitness

Operasi Genetik

Membuat rodaroullet

rSeleksi

Crossover

• •

Mutasi

i

Kro nosorn[i] := i+1

Gambar 4.2 Flowchart Proses Algoritma Genetika

46

an

Page 68: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

47

4.2.1.3 Flowchart Proses Seleksi Roda Roulette

Flowchart ini menjelaskan jalannya proses seleksi induk denganmenggunakan metode roda roulette (roulette wheels), dimulai dari menghitung nilai

fitness sampai dengan selesai, seperti yang terdapat pada Gambar 4.3.

Mulai

HitungTotal fitness

Hitungfitness_relatif (p)

Hitungfitness_kumulatif(q)

Pilih induk

Selesai

Gambar 4.3 Flowchart Seleksi dengan Roda Roullete

*«b flowchart di atas terlihat bahwa di dalam proses seleksi roda rolet masihterdapat tiga sub-proses. Masing-masing proses tersebut dijelaskan sebagai berikut.

Page 69: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

48

4.2.1.3.1 Flowchart Proses Perhitungan Total Fitness

Flowchart ini menjelaskan jalannya proses perhitungan total fitness, dimulaidari inisialisasi nilai total fitness =0dan nomor kromosom =1, sampai dengan akhirproses, seperti yang tampak pada Gambar 4.4 berikut ini.

Mulai J

Total_fitness :=0

No_kromosom :=1

TotaLfitness := Total_fitness+kromosomfi].Fitness

Gambar 4.4 Flowchart Total Fitness

4.2.1.3.2 Flowchart Proses Perhitungan Fitness Relatifdan Fitness KumulatifFlowchart ini menjelaskan jalannya proses perhi.nnga„ filmss relatif dm

fitness kumulatif. Proses diawali dengan inisiaiisasi nilai k, dilanjutkan dengan prosestorsional, inisialisasi nilai q„ dan „. Proses kondisional ini dilakukan hinggasebanyak jumlah populasi dalam

berikut ini.

generasi, seperti yang tampak pada Gambar 4.5

Page 70: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

Mulai

k:=1

p(k) := kromosomfk].fitness/rotal_fitness I

k:=k+1

qo-0, qi = p.

qw •= qk-i + Pk

J< < jml_populasi

tidak

Selesai

49

Gambar 4.5 Flowchart Hitung Fitness Relatif dan Fitness Kumulatif

4.2.1.3.3 Flowchart Proses Pilih Induk

Flowchart ini menjelaskan jalannya proses pemilihan induk. Proses diawalidengan inisialisasi nilai k, membangkitkan bilangan random biner sebanyak jumlahpopulasi dalam generasi, dilanjutkan dengan proses kondisional hingga sebanyakjumlah populasi dalam generasi, seperti yang tampak pada Gambar 4.6 beriku, ini.

Page 71: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

Mulai

rand := random

rand> jml_populasik:=1

induk[i] :=kromosomfk]k := k+1

ISelesai

50

Tidak

Gambar 4.6 Flowchart Pilih Induk

4.2.1.4 Flowchart Proses Crossover

Flowchart ini menjelaskan jalannya proses crossover dengan menggunakanmetode one-cut-point-crossover. Proses diawali dengan inisialisasi nilai i,membangkitkan satu bilangan random, dilanjutkan dengan proses kondisional hinggasejumlah peluang crossover yang diharapkan dalampada Gambar 4.7.

generasi, seperti yang terdapat

Page 72: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

Tidak

C Mulai ~)

rand := random

Xi:=1

anak1[i]:=induk1[i]anak2[i] := induk2[i]

i := i+1

anak1[i]:=induk2[i]anak2[i]:=induk1[i]

i := i+1

Tidak

Gambar 4.7 Flowchart Crossover dengan One-Cut-Point -Crossover

4.2.1.5 Flowchart Proses Mutasi

51

Flowchart ini menjelaskan jalannya proses mutasi dengan menggunakanmetode flipping mulali0n. Proses diawali dengan inisialisasi nilai temp, dilanjutkandengan kondisi kondisional sejum.ah peluang mutasi yang diharapkam pada sejumlanbit dalam generasi, seperti yang terdapat pada Gambar 4.8.

Page 73: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

DMulai

tmpt = posisi bit

Ijml_gen := pnjg_kromosom *jml_populasi

rand := random(tmpt)Ljjind >= jml_gen

Tidak

gen[rand]:= 0

gen[rand]:= 1

anak := gen

Selesai

Gambar 4.8 Flowchart Mutasi Biner

52

4.2.2 Perancangan Variabel Input

4.2.2.1 Input Resultan Momen

Dengan menggunakan teknik perhitungan keseimbangan gaya pada segmentubuh manusia, maka didapat momen resultan pada tulang belakang.

Page 74: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

53

a. Telapak tangan

m.g.cos 6,

£FX - 0, SFy = 0, ZM = 0

W„ = 0,6% x Wbadan

Fxw =(m.g.cos Ot.cos fl - fges.cos fl) :2

Fyw =WH +[(m.g.cos 9,.cos 0, - fges.cos 0,) :2]

Mw =[WH +(m.g.cos 0,eos 0, - fges.COs 9.) :2] SL.xos a-(m.g.cos0i.cosB-fges.cosB)SL,.sina

Keterangan:

WH - massa telapak tangan

Fxw =gaya pada genggaman telapak tangan sejajar sumbu xyw gaya pada genggaman telapak tangan sejajar sumbu

Mw - momen gaya pada telapak tangan

Page 75: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

b. Lengan bawah

A

-Fxw

Me

IFX = 0, IFy = 0, IM = 0

h = 43%

WLA=l,7%.Wbadan

F = F1 xe 'iw

Fye = Fyw + WLA

Me = Mw + (WLA. l2.SL2.cos 02) + (Fyw.SL2.cos 02)

Keterangan:

W[,A = berat lengan bawah

Fxe =gaya pada lengan bawah tangan sejajar sumbu x

Fye = gaya pada lengan bawah sejajar sumbu y

Mw = momen gaya pada lengan bawah

54

Page 76: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

c. Lengan atas

SL3

\

\

2FX = 0, EFy = 0, IM = 0

h = 43,6%

WUA = 2,8%xWbadan

'"xs rxc

/•£vs ^-Me

FyS = Fye + WUA

Ms =Me +(WUA .X3. SL3 .COS 03) +(Fye .SL3 .COS 03)Keterangan:

WUA = berat lengan bawah

Fxs =gaya pada lengan atas sejajar sumbu x

I'ys =gaya pada lengan atas sejajar sumbu yMs - momen gaya pada lengan atas

55

Page 77: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

d. Link punggung

2Fy = 0, ZFX = 0, ZM =0

U = 67%

Wt =45%xWbadan

Fxt =2FXS

Fyt =2FyS + W0 + Wt

Mt =2MS +(Wo. 0,5 .SL4. cos 94) +(Wt. ^ .SL4 .cos 04) +(2FSL4 . cos 04)

Keterangan:

Wt =berat segmen punggung

Fxt =gaya pada punggung sejajar sumbu x

Fyt =gaya pada punggung sejajar sumbu y

M, =momen gaya pada punggung

56

ys

Page 78: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

57

Dengan menggunakan parameter gaya kompresi di atas, kemudian diolah

dengan menggunakan algoritma genetika untuk mendapatkan hasil posisi

pengangkatan yang optimal. Informasi yang digunakan adalah evaluasi persamaan

total gaya otot spinal erector (Fm total) dari nilai kesesuaian (fitness) setiap

kromosom yang dihasilkan. Fungsi tujuan yang akan dicapai yaitu meminimasi gayatotal otot spinal erector (Fm total) yang di dalamnya dipengaruhi oleh beberapa sudut

posisi pengangkatan, sehingga dihasilkan rekomendasi terhadap sudut posisi

pengangkatan dinamis yang aman bagi pekerja untuk melakukan pengangkatanmaterial secara manual.

4.2.2.2 Input Algoritma Genetika

1. Representasi kromosom

Representasi yang digunakan adalah dengan melakukan encoding variabel

keputusan ke dalam bentuk deretan bilangan biner. Domain dari variabel

sudut Xj adalah [aJtbj\ dan tingkat ketelitian yang dikehendaki adalah 4angkadi belakang desimal, maka range domain dari masing-masing variabel sudutharus dibagi paling sedikit berukuran (bj - aj) x 104 range. Bits yangdikehendaki dari variabel sudut adalah sebagai berikut.

2mt"x <(bJ-aJ)xlOA <2mji

m = rn + m

Page 79: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

58

dengan:

mj, =jumlah bits dalam kromosom pada masing-masing batasan (jika

terdapat lebih dari satu batasan)

m = jumlah total bits dalam kromosom yang dikehendaki

bj = batas atas variabel sudut

aj = batas bawah variabel sudut.

Maka pembangkitan kromosom melalui representasi nilai-nilai sudut yangakan dicari, yaitu 0H dan 0T, sebagai berikut.

Tahap pertama

Encoding variabel keputusan ke dalam deretan bilangan biner dengan tingkatketelitian 4angka di belakang angka desimal. Maka syarat ketelitian dan bitsyang dikehendaki dari setiap variabel sudut ditentukan berdasarkan

• sudut inklinasi badan relatif terhadap bidang horisontal (0H)(39 - 29) xl04= 100000

2I6< 100000 <2'7 ,sehinggamj =17

• sudut inklinasi kaki relatif terhadap bidang horisontal (0T)(57-41)xW4= 160000

2I7< 160000 <2'8 ,sehinggam2= 18

Sehingga panjang total kromosom adalah m=m, +m2 - 17 +18 =35 bit.Dengan pembangkitan bilangan biner secara random, maka panjangkromosom pada satu populasi dapat direpresentasikan sebagai berikut.

Page 80: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

vj

59

k • 35 bit — „|

00010001000101101 000100010101111001

H 17 bit •! |4 18bit ^|Tahap kedua

Bilangan biner diubah menjadi bilangan real untuk variabel sudut 0H dan 0T.• sudut 0H =00010001000101101

maka didapat bilangan real

20+22+23+25 +29+213 =8749

eH =29 +8749*~~ =29,66750082°

• sudut 0T = 000100010101111001

maka didapat bilangan real

23+24+25+26 +28+2,0+214 =17785

^=41+17785xff~ =42,08551439°

2. Evaluasi

m^ifitness didapatkan dari minimally gaya o,„, spina, erector (Fm). Agaralgoritma gene.ilca tidak .erjaring konvergensi dini yang menyebabkan solusimenjadi t.dak optima, maka diperlukan snatu konstanta C. Persamaannya

adalah eval(vt) .C-J Fm, .ApaMa ternyata ^ objektif memiHki

Page 81: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

60

nilai negatif, maka ditambahkan konstanta Cagar nilai fitness yang terbentuk

tidak menjadi negatif, sehingga persamaannya menjadi8

eval(vk )=C+YJFmi/=i

dengan:

C = konstanta = 106

Fmi =nilai total gaya otot spinal erector yang dihasilkan

3. Seleksi

Dalam kasus ini, metode yang digunakan adalah seleksi roda rolet (roulette

wheel parents selection). Dalam seleksi roda rolet, meskipun pemilihan induk

kromosom dilakukan secara random, namun pemilihannya masih proporsional

dengan nilai evaluasi setiap kromosom.

Fungsi evaluasi setiap kromosom yang digunakan juga memperhatikan

penskalaan setiap kromosom serta menjaga agar jangan sampai super

kromosom mendominasi populasi yang dapat mengakibatkan proses algoritma

genetika tergiring pada konvergensi dini, sehingga algoritma genetika tidak

dapat menghasilkan solusi yang optimal.

4. Crossover

Dalam kasus ini, digunakan persilangan dengan satu titik potong (one-cut

point crossover), di mana pemilihan titik potong dilakukan secara random dan

menukar bagian yang tepat dari dua induk kromosom untuk menghasilkananak kromosom.

Page 82: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

61

5. Mutasi

Mutasi merupakan unary operator, yang artinya dibutuhkan satu induk untuk

dapat menghasilkan satu anak. Dalam kasus ini digunakan mutasi biner,

dengan cara memilih gen dalam kromosom secara acak (berdasarkan nilai

random yang dibangkitkan) dan menggantinya dengan bilangan selain

bilangan gen tersebut. Jika angka gen yang terpilih adalah 0, maka diganti

dengan 1,dan sebaliknya.

4.3 Perancangan Antarmuka

Rancangan antarmuka (interface) dari perangkat lunak ini ditujukan agar

mempermudah penggunakan dalam mengoperasikan sistem. Rancangan antarmuka

dari sistem yang akan dibuat ini menggunakan model grafis atau visual. Perancangantersebut dibagi menjadi beberapa bagian yang akan dijelaskan di bawah ini.

4.3.1 Rancangan Antarmuka Halaman Utama

Antarmuka ini berisi judul dan menu utama dari sistem yang akan dibuat,seperti yang ditunjukkan pada Gambar 4.9.

Page 83: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

Penentuan Kemiringan PunggungPada Pengangkatan Beban KarungMenggunakan Algoritma Genetika

Go to program

62

Gambar 4.9 Rancangan Antarmuka Halaman Utama

4.3.2 Rancangan Antarmuka Menu

Antarmuka ini berisi dua sub-bagian menu antan* lain Input dan Prosessebagai berikut.

4.3.2.1 Input

Antarmuka ini berfungsi untnk mendefiisikan inpu, untuk proses sistem. Inpu,yang dimasukkan adalah panjang segmen-segmen ,ubuh. bera, beban yang diangka,dan berat badan pekerja. Rancangannya seperti pada Gambar 4.10 berikut ini.

Page 84: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

Panjang Telapak Tangan (SL,) I

Panjang Lengan Bawah (SL2) | 1

Panjang Lengan Atas (SL3) I

Panjang Tulang Belakang (SL4)

Sudut Pergelangan Tangan jDengan Bidang Horisontal (a) '

Sudut Kemiringan BebanTerhadap Vertikal (0,)

Sudut Kemiringan BebanTerhadap Bidang Horisontal (C)

Sudut Antara Siku denganBidang Horisontal (02)

Sudut Antara Bahu denganBidang Horisontal (fl3)

c

1

Zl

63

Berat Beban

Berat Badan

Hitung Next J

Gambar 4.10 Rancangan Antarmuka Input

4.3.2.3 Proses

Antarmuka ini digunakan untuk melakukan dua proses. Proses-proses tersebutadalahsebagai berikut.

1. Proses perhitungan gaya dan momen gaya

Setelah dilakukan masukan data awal, maka dilakukan perhitungan besamyagaya dan momen gaya yang bekerja pada telapak tangan, lengan bawah,lengan atas, dan tulang belakang untuk output akhir pada proses selanjutnya.Proses ini ditampilkan pada bagian memo pada Gambar 4.10 di ates.

Page 85: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

64

2. Proses algoritma genetika

a. Proses seleksi

Seleksi roda rolet yang digunakan berfungsi untuk mencari nilai

fitness yang didapatkan dengan memimmumkan nilai gaya otot (Fm).

b. Proses crossover

c. Proses mutasi.

Proses algoritma genetika ini ditunjukkan pada Gambar 4.11.

Pause

Jumlah Populasi

Jumlah Generasi

Prob. Crossover

Prob. Mutasi

Fc

Fm

8„

Grafik

Gambar 4.11 Rancangan Antarmuka Proses

Page 86: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

65

4.3.2.4 Report

Form Report ini berisi penjelasan tentang hasil dari proses yang telahdilakukan. Form ini berisi parameter algoritma genetika yang digunakan serta hasilpemrosesan.

Memo

Close

Gambar 4.12 Rancangan Antarmuka Report

Page 87: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

66

4.3.2.5 About

Form About ini berisi tentang data diri pembuat perangkat lunak.Rancangannya seperti tampak pada Gambar 4.13 di bawah ini.

Penentuan Kemiringan PunggungPada Pengangkatan Beban KarungMenggunakan Algoritma Genetika

Oleh:

Abriyanti Widaningtyas S.01523193

Logo UII

Pembimbing:Sri Kusumadewi, S.Si, MT

Gambar 4.13 Rancangan Antarmuka Tentang Perangk;at Lunak

Page 88: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

BABV

IMPLEMENTASI PERANGKAT LUNAK

5.1 Batasan Implementasi

Implementasi dari Penentuan Kemiringan Punggung Pada PengangkatanBeban Karung Menggunakan Algoritma Ge„e,ika ini menggunakan bahasapemrograman Borland Delphi 7.0. Implementasi merupakan salah satu tahap di manasistem dioperasikan pada keadaan yang sebenarnya, sehingga dapa, diketahui dandipastikan bahwa sistem yang dibangun benar-benar sesuai dengan yang diharapkan.

5.1.1 Perangkat Keras yang Dibutuhkan

Perangkat keras minimal yang dianjurkan untuk dapat menggunakan sistem adalah :a. Prosesor Intel Pentium IV 2,4 Ghz;

b. RAM minimal 256 MB;

c Harddisk dengan kapasitas 2GB atau lebih;

d- VGA dan monitor dengan resolusi minimal 800 x600 piksel;e. CD ROM drive;

f. Mouse;

g. Keyboard.

67

Page 89: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

68

5.1.2 Perangkat Lunak yang Dibutuhkan

Perangkat lunak yang digunakan dalam pengembangan sistem adalah :

a. Sistem Operasi :Microsoft Windows XP SP1

b. Bahasa Pemrograman :Borland Delphi 7.0

5.1.3 Bahasa dan Compiler yang Digunakan

Bahasa yang digunakan adalah bahasa Pascal untuk pemrograman diHngkungan Borland Delphi. Meskipun pada boriand Delphi, bahasa Pascal yangdigunakan bukan bahasa Pascal mumi, namuhn merupakan bahasa yang umumnyadigunakan untuk menyelesaikan permasalahan matemaris, numeris dan pemrogramanbasis data. Sedangkan compiler yang dipilih adalah Borland Delphi 7.0, karenamemiliki kelebihan dalam mengimplementasikan sistem, antara lain pendekatanpemrograman yang bersifat visual, ketersediaan sarana untuk mengolah basis datadengan mudah, dan kecepatan serta kehandalannya ketika dioperasikan.

5.2 Implementasi Perangkat Lunak

Implementasi sistem merupakan tahap dimana sistem mampu diaplikasikandalam keadaan yang sesungguhnya. Dari implementasi ini akan diketahui apakah-'stem yang dibnat dapa, berjalan dengan baik atan tidak dan menghasilkan outputyang sesuai dengan perancangan yang ada.

Page 90: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

69

5.3 Implementasi Prosedural

5.3.1 Modul-modul dalam Perangkat Lunak

Pemrograman pada Penentuan Kemiringan Punggung Pada PengangkatanBeban Karung Menggunakan Algoritma Genetika ini menggunakan modul-modulyang berisi prosedur dan fungsi-fungsi sehhingga program dapat berjalan denganbaik. Modul-modul yang digunakan pada pengembangan sistem ini adalah sebagaiberikut.

5.3.1.1 Math

Modul ini berisi prosedur dan fungsi-fungsi matematika untuk prosesperhitungan dengan menggunakan rumus seperti perpangkatan, penambahan,pengurangan, perkalian, pembagian, sinus, cosinus dan lain sebagainya.

5.3.1.2 Chart

Modul ini berisi chart atau grafik yang diperlukan untuk menunjukkanprogress besamya sudut 0H dan 0T yang optimum sehingga diperoleh gaya kompresi(Fc) yang optimum pada proses genetika.

5.3.2 Prosedur-prosedur dalam Perangkat Lunak

Pemrograman pada aplikasi Penentuan Kemiringan Punggung PadaPengangkatan Beban Karung Menggunakan Algoritma Genetika ini terdiri atas

Page 91: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

70

prosedur-prosedur yang dapat memudahkan dalam pembuatan program. Berikut ini

merupakan prosedur-prosedur yang digunakan.

5.3.2.1 Kode Program untuk Algoritma Genetika

1. Source code untuk mendeklarasikan tipe data

pop : array of array of integer;tpop : array of array of integer;res : array of array of real;tp : array of integer;ccrom : integer;cpop : integer;cgen : integer;

offsp : array of array of integer;bestfit : real;bestres : real;bestH : real;bestT : real;

bestgen : integer;curgen : integer;

JA' I' Q' R' S' T' U' D' E' Te4, TeH, TeT, F : real•Pa, Fa, wto, Wh, Wla, Wua, Fc, Fm : real;

2. Source code untuk memasukkan data populasi

SetLength(pop, cpop, ccrom);for i := 0 to (cpop - 1) dobegin

s s : = ' ' ;

for j := 0 to (ccrom - 1) dobegin

Pop[i][j] := Floor(Random(2));end- := SS + ' ' + IntT°Str(pop[i][j]);

Page 92: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

3. Representasi kromosom

Source code untuk mendeklarasikan representasi kromosom adalahtFit := 0;

for i := 0 to (cpop - 1) dobegin

//representasi sudut tetha Hbin := ' ' •

for j := 0 to 16 dobegin

bin := bin + IntToStr(pop[i][j]);end; J J''

sudutl := bin2dec(bin);//representasi sudut tetha Tbin := '•;for j := 17 to 35 dobegin

bin := bin + IntToStr(pop[i] [j]);end; J J'

sudut2 := bin2dec(bin);//res[i][0] := sudutl;//resfi] [1] := SUdut2;

D)

D)

res [i] [0] =29 + {sudutl * (39 - 29) / (Power(2, 17).«»ti][l] :- 41 + (sudut2 * (57 . 41) / (pQwer(2^

TeH

TeT

Te4

- 4? t iSU^Utl * (39 ~ 29> / (P°wer(2, 17) - 1)).• -1+ (5s;dut2 * (57 - 4i) / (Power;2; 11] _j;j;TeH

4. Evaluasi

Wee cosfe di bawah ini berfungsi untuk menentukan nilain̂ess

if F >= 0 thenbegin

res[i][2]end

else

begin

res[i][2] := 1000000 + Fm-end; '

1000000 - Fm;

71

Page 93: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

72

Source code di bawah ini berfungsi untuk menentukan nilaifitness kumulatifkFit := 0;

for i := 0 to (cpop - 1) dobegin

kFit := kFit + res[i][2] / tFit;resfi] [3] := kFit;if (i = (cpop - 1)) then res[i][3] •= 1-

end; * '

5. Seleksi

Source code untuk proses seleksi adalah

for i := o to (cpop - 1) dobegin

lSelect := 0;Randomize;rr := Random;

for j := o to ((cpop - 1) - i) dobegin

bfgin" >= reS[3][3]> and (« <res[j+1][3])) thenlSelect := j + i;

end;

end;

for j := o to (ccrom - 1) dobegin

tpop[i] [j] := pop[lSelect] [jl;end;

end;

for i := o to (cpop - 1) dobegin

for j := o to (ccrom - 1) dobegin

Popli][j] := tpopfi][j];end;

end;

Page 94: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

73

6. Crossover

Source code ini berfungsi untuk memilih populasi yang akan melalui prosescrossover.

//memilih populasi yg akan dicrossoverfor i := 0 to (cpop -1) dobegin

Randomize;rr := Random;

if (rr < StrToFloat(eCross.Text)) thenbegin

for j := 0 to (ccrom -1) dobegin

tpopfi] [j] := Pop[i] [j];end;

end

else

begin

for j := 0 to (ccrom -1) dobegin

tpopfi] fj] := -l;end;

end;

end;

Source code untuk proses crossover adalah

//proses CROSSOVERil := -1;12 := -1;

for i := 0 to (cpop - 1) dobegin

if (tpopfi][Oj <> -i) thenbegin

if (il = -l) thenbegin

il := i;end

else if (12 = -ij thenbegin

i2 := i;

rr := Random(ceil((ccrom / 2) - nixRI := Ceil(rr) ;ixR2 := Ceilfrr + (ccrom / 2))•SetLength(offsp, 0, 0)•SetLengthfoffsp, 2, ccrom);for j := ixRi to ixR2 dQ

Page 95: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

•r-i-n

rHC

M•H

-H

aa

,o

oa

a,

-P4->

II1!

CO

CO

4-14-1

44

4-10

c•HCJi

oC

DX

I

•OM

CO

<D4-1 o•

a•r-i

-r-i

i—

ii—

,

—C

Mi-H

rH

•H

-H

1

rH

aa

oo

aCO

1C

4h

•H4

hC

no

CD

X!

CO

4h

4-1...

oncC

D

o•ae•-

•*

o<

—<

t—

i

u•n

-r-i

u•—

..—

.

oi—

ii—

i

^^

CM

rH

-HH

Ot

1i

,

4-1a

,ch

oO

—-

aa

i—1

4J

4-1

IIII

CM

PCX-

H-l—

i-r-i

O4h

OrH

cn

oC

DX

I

aco

4H4H

.v

o-acCD

O-aeouuoo4->

-n

c(D4H

X)

•l—l

-l—i

OrH

coco

4H4H

4H4

h

OO

IIII

rHC

M

•H-H

aa

oo

_a

a•>

tn4J

4->T

S

II

OT3

ooo4-1

cCD

-C4-1

AV

OBouuoO4-1

oa4-1

aoa4-1c

u•H

OC

n4

h

0X!

CC

4-H

O•.

C

c-

CD"OCC

D

c-H.

Cn

-hC

D

X!

4h

•a-a

n-a

coco

CD

CD

CC

•H-rH

JH

H

O•o

oaoo-p

oII

s.5

oO

•Hn

x:

-C-H

CO

CO

Mm

fc;£

C)

CD

4HX

!

oX)

eOMOOO4J

II-n

C-H

MC

nCO

O01

CO44

X!

aoa,

M4->C

O0Eh

CO

CO

CO

-v

COX

!CCD

CO

co

T3

T3CO

CD

C•H2O-CCOe

•-e

-ac0

Page 96: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

7. Mutasi

Source code untuk proses mutasi adalah

for i := 0 to (cpop - 1) dobegin

rr := Random;

if (rr < StrToFloat(eMutasi.Text)) thenbegin

ixRl := Ceil(Random(ccrom));ixR2 := Ceil(Random(ccrom));nRl := pop[i][ixRl];nR2 := pop[i][iXR2];Pop[i][ixRl] := nR2;pop[i][ixR2] := nRl;

end;

end;

mmShow.Lines.Add(' ' ) ;mmShow.Lines.Add(' ') ;

f°r i := 0 to (cpop - 1) dobegin

s s : = ' ' ;

for j := 0 to (ccrom - 1) dobegin

end; " SS + ' ' + IntT°Str(pop[i][j]);mmShow.Lines.Add(ss)

end;

8. Pembaharuan Generasi

Source code beriku, ini berfungsi un.uk memindahkan dam populasi untuk di-sort

for i := 0 to (cpop - 1) dobegin

for j := o to (ccrom - 1) dobegin

tpop[i] [jj ;= pop[i] r-ji .end; '

end;

sudah := false;while (sudah = false) dobegin

sudah := true;

75

Page 97: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

O

cCDx:

P

OX)

rH

+

F=

1-H

o

CO

n

IX,

CD

Cl

oU

...

a(1)

uV

CO

O••^

rH4-1

•—

im

CM

4H

o

OII

•HC•H

ina>

OCD

4hX

!

-HC

O

CD

MC

—-HC

n4

hCD

•HX

I

IIII

•—'

rHC

M•r-l

+J

•—'

+

—II

-H-H

••

aa

—o

O-n

aa

—4-1

+J

^

o•a

CM

+-HC

O

CD

M

iiii

C-H

,

Cn

.C

DX

!

••a

ao

ocm

aa

-r->c

coCD

-^

MX

5CCD

-acCDm

XI

X5C

•-

0xscCD

'S

cCD

-D-P

t-

CD

4^

^'

&5

'•

^C

M

C'—

'

O

'3C

O

CD

cU

'gV

oC4-1

cu

-H

S4

H

-P

^C

O

3C

D•V

«v

-*-*

X)

1T

1,

C3—

CM

-31.»

.^1—

•i—

i,—

,,

,.

v

•^

HSh

•—'

•—•

O,-H

CC

/lO

OO

-^

^a)

C1

''—

''—

.C

n

rH

COCO

oo

uCD

CD•—

•._

.3

i-

MSh

coco

cjcu

IIC

DC

D-O

II11

Shsh

II•

—1

Cr"

CD

IIII

•.—

<C

n4-1

CO....

C

•«Sh

-HCD

a)44

Shrn

HO

io

04

-14

-14

-14

-14

-1o

—a

coco

cocn

con>

-—-H

CDCD

CDCD

fl)oV

,tnX

!X!

XIX!

XI

4HCD

3•H

X!

oC

O

cc

§CCTJ4

->

tfl

CD

"CD&00

CD

r/3

Of-i

aoO

oXJ

aoaoo-p

oU4h

x>

cm•HuasCO

CD

CD

X!oaCO

cMct)co

CD

X)

CCD

x:

-P

oXS

oX)

eoShOOOP

OOaoa

CSh

-HO

Cn

4hX

!C

D

X

•H

ca

HO

-v

cCD

OOO•.

OX

)cCDX

!CCD

Page 98: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

77

5.3.3 Proses yang Digunakan

Proses-proses yang digunakan dalam aplikasi Penentuan Kemiringan

Punggung Pada Pengangkatan Beban Karung Menggunakan Algoritma Genetika iniantara lain

1. Proses perhitungan gaya dan momen gaya

Setelah dilakukan masukan data awal, maka dilakukan perhitungan besarnya

gaya dan momen gaya yang bekerja pada telapak tangan, lengan bawah,

lengan atas, dan tulang belakang untuk output akhir pada proses selanjutnya.2. Proses algoritma genetika

a. Proses seleksi

Proses seleksi yang menggunakan metode seleksi roda rolet

merupakan suatu proses pencarian nilai fitness yang didapatkan

dengan meminimumkan nilai gaya otot spinal erector (Fm).b. Proses crossover

c. Proses mutasi.

5.3.4 Implementasi Antarmuka

Implementasi antarmuka dari Penentuan Kemiringan Punggung PadaPengangkatan Beban Karung Menggunakan Algoritma Genetika adalah sebagaiberikut.

Page 99: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

78

5.3.4.1 Tampilan Form Halaman Utama

Form halaman utama dari sistem yang telah dibuat ini ditunjukkan padaGambar 5.1.

> Peiieiitii.ni Keiiiiiimi.ui Pwimjiiuimj

PENENTUAN KEMIRINGANPUNGGUNG PADA PENGANGKATAN

BEBAN KARUNG MENGGUNAKANALGORITMA GENETIKA

oleh:

Abriyanti Widaningtyas Sihtyowarini01523193

Go To PiO(ji.im

About

Gambar 5.1 Form Halaman Utama

5.3.4.2 Tampilan Form Input

Form inpu. berisi ,,*, data yang terdiri dari pmjmg segmm_xgmm ^yang terlibat dalam proses pengangkatan beban. berat beban dan ta* badan pekerja.

Page 100: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

;>'iiii>irt

P.inj.iiKj rel.i|>.ik T.imj.iiitSLI)

P.ilii.mij Leliij.in B.iw.ih|SL2|

P.inj.inijLemj.in At.is |SL3|

P.inj.iiKj TiiI.iikj Bel.jk.iiKj |SL4>

Sudut PeKjel.iixj.m T.iii«j.in<lencj.ui Bi.l.iixj H01iz011l.1l |AI|>h.iSmliit KemiiitHj.in Bel>.mTr,|,.„l..,, Veitik.iHTeth.i 1|

Slliliit Keiiiiiinij.in Beli.111Teih.i<l.i|> H01iz011t.1l (Bet.ilSutliit A11I.11.1 Sifcu (lcncj.ii,Bid.iixj H01izont.il 1Tetli.i?!

Siidirl Ant.11,1 B.1I111 (leiKj.inBid.iny H01izont.il lTeth.i3i

Be1.1t Beli.in

Bei .it B.Kl.in

Hitting

79

Next

Gambar 5.2 Form Input

5.3.4.3 Tampilan Form Proses

Form proses yang tampak pada Gambar 5.3 di bawah ini berfungsi untukmenvisualisasikan jalannya proses pencarian nilai minimum dari fungsi tujuan, ataudengan kata lain meminimumkan nilai Fm, serla proses pencarian sudut optimumdengan algoritma genetika.

Page 101: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

'Jt'R* LIk-.i*

58

56

54

52

50

48

.46•• 44

a«40

38

36

34

32

JiimUli p.>|.(il.,.,(

JtimUh Ocn^(.ir.i

Piolt. Clossovei

Plolt. Miit^sl

Fm

fc

1*1

Hasil Permosesan AlgolHim Genetika

Inrtl-ilire Rtn

Gambar 5.3 Form Proses

3TethoH

Tetha T

Ieth»4

View Report

80

5.3.4.4 Tampilan Form Report

Gambar 5.4 di bawah ini menampilkan sebuah form yang berisi penjelasantentang parameter-parameter algoritma genetika yang digunakan serta hasil prosesyang telah dilakukan antara lain nilai fitness terbaik, generasi terbaik, 9H terbaik, 9Tterbaik, 04 terbaik, nilai Fm, nilai Fe serta kromosom dari generasi terbaik. Selain itujuga terdapat fungsi untuk mencetak report tersebut.

Page 102: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

3>' Hull

IIAtIL PENCARIAN tUDUT OPTIMALMENCCUNAKAN ALCORITMA CENETIKA

PARAMETER ALCORITMA CENETIKAJUMIAHPOPUIMI =80JUMIAHMAKTIMUMCENERMI =WOPROBABIUTAT CROSSOVER =o 4SPROBABIUTAtMUTAtl =0 01

MAflL PEMROfEtANFITNET TERBAIKCENERAtl TERBAIK'ii TERBAIK

8t TERBAIK

Pi hit

= 0

Gambar 5.4 Form Report

81

Clos*

5.3.4.5 Tampilan Form About

Pada gambar 5.5 di bawah ini tampak sebuah form yang pada sistemdinamakan About. Form ini digunakan untuk menerangkan dam diri pembua.software Penentuan Kemiringan Punggung Pada Pengangkatan Beban KarungMenggunakan Algoritma Genetika.

Page 103: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

5$f About

PENENTUAN KEMIRINGANPUNGGUNG PADA PENGANGKATANBEBAN KARUNG MENGGUNAKAN

ALGORITMA GENETIKA

oleh:

Abriyanti Widaningtyas Sihtyowarini01523193

ISLAM<0

in A•A

200

IX. ^ w ^ 7Ul jff m

z w

liL-2*i_-Z."tfuitmn&i

Pembimbing:

Sri Kusumadewi S.Si., MT

c Close

Gambar 5.5 Form About

82

Page 104: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

BAB VI

ANALISIS KINERJA PERANGKAT LUNAK

6.1 Pengujian Perangkat Lunak

Dalam membangun sebuah perangkat lunak, diperlukan sebuah pengujian

(testing) untuk memastikan jalannya fungsi serta untuk memastikan kemampuan

suatu perangkat lunak. Pengujian ini dilakukan untuk menemukan kesalahan-

kesalahan yang mungkin terjadi, baik yang disebabkan oleh kesalahan logika maupun

kesalahan keluaran (output), sehingga dapat segera diantisipasi dengan melakukan

perbaikan-perbaikan dan menimumkan kesalahan-kesalahan yang terjadi.

Pengujian perangkat lunak dibagi menjadi dua tahap, antara lain pengujiantidak normal dan pengujian normal.

6.2 Pengujian Terhadap Sistem

6.2.1 Pengujian Tidak Normal

Yang dimaksud dengan pengujian tidak normal adalah apabila user

melakukan kesalahan dalam memasukkan input, maka sistem akan menampilkansuatu pesan kesalahan. Selain itu, sistem juga tidak dapat menjalankan proses

selanjutnya. Pengujian tidak normal ini memiliki aturan-aturan sebagai berikut.

83

Page 105: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

84

I. Apabila user tidak memasukkan input, maka sistem akan menampilkan pesankesalahan seperti Gambar 6.1 dan Gambar 6.2.

Warning

J \ Anda Belum Memasukkan Input SL4

OK

Gambar 6.1 Pesan Kesalahan Input SL4 belum terisi

W.m niixj

?\ A™* Belum Memasukkan Jumlah Generasi

Gambar 6.2 Pesan Kesalahan Input Jumlah Generasi belum terisi

2. Apabila user salah memasukkan input, misal memasuklcan input di luar rangeyang telah ditentukan atau memasukka, input 0, maka tampilan pesan kesalahanakan tampak seperti Gambar 6.3 dan Gambar 6.4.

Warning

?IS 'nput Tetha 2Y*"V *"da Masukfcan Salah. In put VangBenar:3S-S0 meter

Gambar 6.3 Pesan Kesalahan untuk Input 92

Page 106: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

Warninq

.A Prob3blllta5 Crossover rang inda Masukkan Salah. Input Van

OK

85

g Benar: 0 -1

Gambar 6.4 PCSan Kesalahan untuk Input Crossover

3. Apabila user memasukkan sembarang input, seperti tanda negatif atau tanda bacalainnya, atau menginputkan huruf, maka sistem tidak akan menampilkan masukantersebut padaform. Source code-nya adalah sebagai berilcut.

bfgiif ^^ " [,0,--,9,''''^.',#8]) thenKey := #o

end;

if Key in [',','.'] thenbegin

Key := DecimalSeparator;end;

6.2.2 Pengujian Normal

Pengujian dan analisis perangkat lunak adalah sesuatu yang harus dilakukanuntuk meliha. kinerja sistem yang dihasilkan dengan kesesuaian yang diharapkan,dengan demikian dapa, diketahui kinerja dari ap.ikasi tersebut. Pada pengujian ini,dilakukan analisis terhadap jumlah generasi yang digunakan pada proses algoritmagenetika. Jumlah generasi pada proses algoritma genetika yang akan diujikan adalah100 generasi, 200 generasi, 300 generasi, dan 400

generasi.

Page 107: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

86

Dalam pengujian, parameter algoritma genetika yang digunakan merupakanparameter yang telah dibahas pada bab II. Sistem ini menggunakan parameter nilai

fitness dari individu terbaik pada setiap generasi, maka digunakan jumlah populasisebesar 80, probabilitas crossover (pc) sebesar 0,45 dan probabilitas mutasi (pm)sebesar 0,01 [KUS03]. Namun untuk penggunaan selanjutnya, user tidak terikat padaparameter tersebut. Selain itu, untuk memudahkan pengujian perangkat lunak, makauntuk masing-masing pengujian, digunakan input yang sama antara lain

• panjang telapak tangan (SL,) =0.114 m;

• panjang lengan bawah (SL2) =0.256 m;

• panjang lengan atas (SL3) =0.268 nv

• panjang tulang belakang (SL4) =0.449 m;

• sudut pergelangan tangan dengan bidang horisontal (a) =13.69 m;• sudut kemiringan beban terhadap bidang vertikal (9,) =38.33 m;• sudut kemiringan beban terhadap bidang horisontal (0) =51.675 m;• sudut antara siku dengan bidang horisontal (02) =54.75 m;• sudut antara bahu dengan bidang horisontal (03) =35.96 m;• massa badan pekerja =50 k

• massa beban angkat =50 k •

• jumlah populasi _ on , .- 80 populasi.

• probabilitas crossover (pc) =045-

• probabilitas mutasi (pm) =00]

Page 108: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

87

Berikut ini merupakan pengujian-pengujian yang dilakukan terhadap sistem

yang telah dibuat.

a. Pengujian 1

• Pada pengujian ini, digunakan jumlah generasi 100.

• Hasil pengujian 1, sudut-sudut yang diperoleh antara lain 0H = 39°, 9T =

42,3199513242772°, dan 94 = 34°.

• Gaya kompresi (Fc) yang dihasilkan adalah 7858,1233463839 Newton.

• Generasi terbaik =22, nilaifitness terbaik =991485,340073006.

• Proyeksi sudut dan besarnya gaya kompresi (Fc) pada pengujian 1ditunjukkan pada Gambar 6.5.

.^'Backbone

Jumlah Populasi 2'-1

Jumlah Generasi 1(J0

Prob. Crossover 045

Prob. Mutasi 0 01

,m 8514 ;r:;,:.;rr(Ur

Fc 78% i:'rur-,-<r-:;:3

Tetha T 4- ?WTetha H 39

m

Hasil Pemrosesan Algoritma Genetika

Tetha 4 34

82 &* 8* S3 90 92S*9« 9S

Fitness Terboit - 991-185 3-10073006'jenerssi Terboik - 22TetH Terbaik - 39TefT Teiboik - 42 319951 3242772

1111

1111

1111

1111

1111

1I 1 1

1111

1111

1111

1111

11111111110110000000100001000001111111111011000000010000100000111111111101100000001000010000011111111110110000000100001000001111111111011000000010000100000111111111 ;0110000000100001000001111111111011000000010000100000'1111111110110000000100001000001111111111O11000OO0010O001000001111111111011000000010000100000

Gambar 6.5 Hasil Pengujian 1

Page 109: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

• Laporan hasil pemrosesan dapat dilihat pada Gambar 6.6 di bawah ini."JlHasil

p« k« wet ER.fl|WRuna_ctnetjk«JUMLAH POPULASI -80JUMLAH MAKSIMUM CENERASI . 100PROBABILITAS CROSSOVER =0 45PROBABILITAS MUTASI =0"0I

FITNESTERBAIKCENERASI TERBAIK•.'•ii TERBAIK

tTERBAIK

(TERBAIKFm

Fc

KROMOSOM DARI CEMERASI TERBAIK=1t1ttTt11111tf111000T0T0t0001ftl010

fftj Ce,"k

=99T485.J4007J006--n

=4?.?1995m4?77?°= J4"

=85T4.78»?719145NEWTON7956.im46?8?9 NEWTON

Gambar 6.6 Laporan Hasil Pengujian 1

Close

b. Pengujian 2

• Pada pengujian ini, masih digunakan jumlah generasi 100.

• Hasil Pengujian 2, sudut-sudut yang diperoleh antara lain 9U38,9997711164178°, 9T =48,8368218872905°, dan 94 - 33,9997711164178°

• Gaya kompresi (Fe) yang dihasilkan adalah 7856,256431447636 Newton.• Generasi terbaik =6, n^aifitness terbaik =991485,308437131.

Page 110: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

89

Proyeksi sudut dan besarnya gaya kompresi (Fc) pada pengujian 2ditunjukkan pada Gambar 6.7.

>'B«lrbonc

Jumlah Populasi ^0

Jumlah Generasi 10n

Prob. Crossover 0 45

Prob. Mutasi n 01

Fm6515 81'

fc 78562564314476 J

Tetha H "«« rH„,, , 4:-

Hasil Pemrosesan Algoritma Genetika

Generasi ke- 52f«6f e87C727«767BS0S2 84KS

Imtialire Run

Tetha 4 KW.

Fitness Terbaik -991485 308437131Generasi Terbaik -6TelH Terbaik - 389997711164178TelTTerbaik . 488368218872905

11111111110111111111101H111111101111111111011M1111110lllllllllio11111111110111111111101111111111011111111110

1101000000000000000011010000000000000000110100000000000000001'010000000000000000110100000000000000001'0100000000000000001'O'OOOOOOOOOOdOOOOO"01 00000000000000001101000000000000000011010000000000000000

ViewReport

Gambar 6.7 Hasil Pengujian 2

Page 111: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

• Laporan hasil pemrosesan dapat dilihat pada Gambar 6.8 di bawah ini.rJ$ Hasil

r* #.« »« m rn n • e. •

JUMLAH POPULASIJUMLAH MAKSIMUM GENERASIPROBABILITAS CROSSOVERPROBABILITAS MUTASI

M?llJ»EMROSKANFITNESTERBAIKCENERASITERBAIK

ii TERBAIK

tTERBAIK

•'•4 TERBAIKFm

F< '.KROMOSOM DARI CENERASI TERBAIK=1T111TfT1iri11!OOOni1i010!100011fO

= 80

=100

=0.45

o.ot

=991485.?084?71?1= 6

=J8.999771T164178'=48.8?68M887?905°=?J.999771f164178°=8515.819999778JNEWTON

7856.J564514476? NEWTON

Gambar 6.8 Laporan Hasil Pengujian 2

c Pengujian 3

• Pada pengujian ini, digunakan jumlah generasi 200• Hasil

Close

Pengujian 3, sudut-sudut yang diperoleh antara lain 9H =39°, 9T41,0009765662253°, dan 94 =34°.

• Gaya kompresi (Fc) yang dihasilkan adalah 7856,10840865034 Newton.• Generasi terbaik =161, nilai fitness terbaik =991485,350342968.

90

Page 112: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

91

• Proyeksi sudut dan besarnya gaya kompresi (Fc) pada pengujian 3ditunjukkan pada Gambar 6.9.

.jf Backbone

Jumlah Poptrl.isi ~rt

Jumlah ijei]t-r.isi -W

Prob. Crossover f> 45

P'ob. f.lutasi 0 0!

Hasil Pemrosesan AlgoritmaGenetika

Generasi ke

FitnessTeiboil • 991485 350342698Generasi Terbaik- 161TetHTerbaik. 39TelTTeiboik • 41 0009765662253

« JethaT *"»" TeIna4 34

fm

fc

Tetha H

1111111111

1111111111

1111111111"11111111"11111111

"11111111"11111111

"11111111"11111111

"11111111

111100000000000001oooo"11 000000000000010000111100000000000001000011110000000000000100001111000000000000010000111100000000000001000011110000000000000100001111000000000000010000"11 0000000000000100001111000000000000010000

Vievt Report

Gambar 6.8 Hasil Pengujian 3

Page 113: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

• Laporan hasil pemrosesan dapat dilihat pada Gambar 6.9 di bawahini.

~jf Hasil

PARAMETER ALGORITMA CENETIKAJUMLAH POPULASI =g0JUMLAH MAKSIMUM CENERASI =?00PROBABILITAS CROSSOVER =0 45PROBABILITAS MUTASI =o 01

UAi!!J>EMRO»iANFITNESTERBAIKCENERASITERBAIK

ii TERBAIK

tTERBAIK

>-. TERBAIK

Fm

Fc

KROMOSOM DARI CENERASI TERBAIK=111111111111111!,nnnnnnnftononoinnnft

Jf j Cetak

= 991485.J50?4?698= 161

= !9*

=41.000976566??5?°= ?4"

=8514.64965740M8 NEWTON7856.108408650J4 NEWTON

Gambar 6.9 Laporan Hasil Pengujian 3

Close

d. Pengujian 4

• Pada pengujian ini, masih digunakan jumlah generasi 200.

• Hasil pengujian 4, sudut-sudut yang diperoleh antara lain 9H =39°, ft,41,0002441415563, dan 94 = 34°.

• Gaya kompresi (Fc) yang dihasilkan adalah 7856,10840578243 Newton.• Generasi terbaik =138, nilaifitness terbaik =991485,35034467.

92

Page 114: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

93

Proyeksi sudut dan besarnya gaya kompresi (Fc) pada pengujian 4ditunjukkanpada Gambar 6.10.

Jt' Batkhonf

Jumlah Pc-ipuiasi !-;fi

Jumlah Generasi -W

Pfob. Crossover 0 45

Prob. riuhisi Our

Fm S514h5f.t:5j4W::

fc -iwsniojm-aj.,!

TethaH -'•'' tetlui 1 4I :-i'-"'1-

Hasil Pemrosesan AlgoritmaGenetika

Fnness Terbaik -991485 35034467Oenerosr Terbail - 138TetH Terbaik • 39TerTTerbaik . 410002441415563

1111

1111

1111

1111

1111

"II

1111

1 1 I 1

1111

1111

" 1" 1111 111100000000000illHl 0100" 1" " 111 11100000000000000ll100"11" " " 111000000000013 0000100""111111111000000000 00I) 000100"'"""""00000000000 0000100""""11111000O0O00000 0000100'"""'""1000 000000000000100'""""111100000000000000 0100""'""""00000000000000O10I1""'""""OOOOOOO000O 0000100

View Report

Gambar 6.10 Hasil Pengujian 4

Page 115: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

• Laporan hasil pemrosesan dapat dilihat pada Gambar 6.11 di bawahini.

3>' Hasil

turn* • ».k ntxivK, • mw vine • in»

JUMLAH POPULASI =80JUMLAH MAKSIMUM CENERASI =?00PROBABILITAS CROSSOVER =0 45PROBABILITAS MUTASI =0 01

UMHjPEMROSEMNFITNESTERBAIK

CENERASITERBAIKit TERBAIK

-t TERBAIK

m TERBAIK

Fm

Fc

KROMOSOM DARI CENERASI TERBAIK=11111111111111111000000000000000100

FJ*i Cet.ik

=991485.J50J4467= 1?8

= J9°

=41.000744141556?"= ?4°

=8514.6566J5M98J NEWTON7856.10840578MJ NEWTON

Gambar 6.11 Laporan Hasil Pengujian 4

Close

e. Pengujian 5

• Pada pengujian ini, digunakan jumlah generasi 300.

• Hasil pengujian 5, sudut-sudut yang diperoleh antara lain 9H =39°, 9T =41<dan 94 = 34°.

• Gaya kompresi (Fc) yang dihasilkan adalah 7856,10840477792 Newton.• Generasi terbaik =262, nWai fitness terbaik =991485,35034536.

94

Page 116: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

95

Proyeksi sudu, dan besarrrya gaya kompresi (Fc) pada pengujian 5ditunjukkan pada Gambar 6.12.

3*' Backbone

ll WW

Jumlah PopuUisi £0

Jumlah lit-nerasi -;0Ci

Prob. Crossover '"'J1;

Prob. Mm,!$i nni

Fc T:% 10::4N477;'-t.:

Tetha H Tetha T 4I

!*,<

Hasil Pemrosesan Algontma Genetika

Process

*C i£C !9C 200 210 220 230 240 :50 260 270 2£C 290

Fitness Terboil- -991485 35034536Generasi Teibaik - 262TerHTerbail- - 39TetTTerboil- -41

1111

1111

1111

1111

1111

till

tilt

1111

1111

1 1 1 1

11000000000000000000T1 17!,,,,,,2°°°°°°°°°°°°°°000

n?000(,0000(,CI()0000110000000000000000001000000000000000000oooooooooooooooooo000000000000000000o?000t,000000IJ00D0oooooooooooooooooo

'""""111000000000000000000

View Report

Gambar 6.12 Hasil Pengujian 5

Page 117: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

• Laporan hasil pemrosesan dapat dilihat pada Gambar 6.13 di bawah ini.~J? Ha

IUMLAH POPULASI -0"JMLAH MAKSIMUM CENERASI i ,00D&OBABUITASCROSSOVERPROBABIUTAS MUTASI

UMIL PEMRO?E?AN

nTERBAIK

tTERBAIK

• < TERBAIK

Fm

= 0.45

= 0.01

= ?6?

= J9<

= 41"

= ?4°

rc =8514.6566?460»6 NEWTONKROMOSOM DARI CENERASI TERBAIl/ T856-t084047™ «WTON=1111111111111111,000000000000000000

Close

Gambar 6.13 Laporan Hasil Pengujian 5

f- Pengujian 6

• Pada pengujian ini, masih digunakan jumlah generasi 300.• Hasil pengujian 6, sudut-sudut yang diperoleh antara lain 9„ - 39°, 0-

41,OOO4882831127\dan04 =34°.

• Gaya kompresi (Fc) yang dihasilkan adalah 7856,10840678695 Newton.• Generasi terbaik =129, nilaifitness terbaik =991485,35033979.

96

Page 118: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

97

• Proyeksi suda, dan besamya gaya kompresi (Fc) pada pengujian 6ditunjukkan pada Gambar 6.14.

."> Backbone

ill

3 44

Jumlah Populasi 80

Jumlah Generasi .XiTr

Prob Crossover 0 ic,

Prob. Mutasi 0''n

Hasil Pemrosesan Algoritma Genetika

1C I4C 150 t;c

Generasi ke-'«0 150 200 210 220 230 240 250 250

Fitness Terbaik • 991485 350343979Generasi Terbaik - 129TerHTerboit . 39TetT Terbaik • 41 0004882831127

n 'OOOOOOOOOOOOOOOOOO? oooooooooooooooooo

oooooooooooooooooooooooooooooooooooo0010000000000000001000000000000000000oooooooooooooooooooooooooooooooooooooooooooooooooooooo

111111111111111000000000000000000

Fc

Tetha H

i*:

lemar «m* u^4 !4

View Report

Gambar 6.14 Hasil Pengujian 6

Page 119: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

Laporan hasil pemrosesan dapat dilihat pada Gambar 6.15 di bawah ini.

~jjl Hasil

paRnninEKaLcoRiTina ^tntiiK/i

JUMLAM POPULASI =80IUMLAHMAKSIMUM CENERASI =J00PROBABILITAS CROSSOVER =0.45PROBABILITAS MUTASI =0.01

TITNES TERBAIK

CENERASITERBAIK-ii TERBAIK

tTERBAIK

iTERBAIK

Fm

Fc

KROMOSOM DARI CENERASI TERBAIK=11111111111111111000000000000001000

ff J CetaH

• 991485.J50MJ979= 1?9

= ?9"

= 41.00048818511?7°

= ?4°

= 8514.6566J589719 NEWTON

= 7856.10840678695 NEWTON

Close

Gambar 6.15 Laporan Hasil Penguj ian 6

98

g. Pengujian 7

• Pada pengujian ini, digunakan jumlah generasi 400.

• Hasil pengujian 7, sudut-sudut yang diperoleh antara lain 0H =39°, 0T =41°,dan 04 = 34°.

• Gaya kompresi (Fc) yang dihasilkan adalah 7856,10840477792 Newton.

• Generasi terbaik =312, nilai fitness terbaik =991485,35034536.

Page 120: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

99

• Proyeksi sudut dan besarnya gaya kompresi (Fc) pada penguji.m 7

ditunjukkan pada Gambar 6.16.

~jV Backbone

rr Hasil Pemrosesan Algoritma Genetika

5*

$ -:

III : ^ \

^

•-H

Generasi ke

Jumlah Populasi :-0

Jumlah Or-m-rasr 4'"'M

Prob. Crossover 0 Jt-

Prob. Mutasi 0 01

Fm .k;-4i;.i

Fc 78% Ii:i.'::4i:i4.,7r9:

Tetha H J'5 Tetha T 4I

f*>

220 :to :ec 280 30c 32c 340

Fitness Terbo* -991485 35031536GenerosiTeibtirk- 312TetHTeibaik - 39|TelTTeiboik • -41

111111111

111111111

111111111

111111111

111111111

111111111

111111111

111111111

111111111

111111111

Gambar 6.16 Hasil Pengujian 7

1111OOOOOOOOOOOOOOOOOO1111OOOOOOOOOOOOOOOOOO1111OOOOOOOOOOOOOOOOOO1111OOOOOOOOOOOOOOOOOO11110000000000000000001111oooooooooooooocooo1111oooooooooooooooooo1111oooooooooooooooooo1111oooooooooooooooooo1111000000000000000000

View Report

Page 121: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

jjH Hasil

Laporan hasil pemrosesan dapat dilihat pada Gambar 6.17 di bawah ini.

paRancTER aicoRiTnw cenejriiin

JUMLAH POPULASI =80JUMLAH MAKSIMUM CENERASI =400PROBABILITAS CROSSOVER =0.45PROBABILITAS MUTASI =0.01

HA1I1 PEMROTETAN

FITNES TERBAIK

CENERASITERBAIK

,iTERBAIK

tTERBAIK

iTERBAIK

Fm

Fc

= 991485.?50?45?6

= ?1?

= ?9°

= 41°

= H°

= 8514.65661460m NEWTON

= 7856.1084047779? NEWTON

KROMOSOM DARI CENERASI TERBAIK

= 11111111111111111000000000000000000

ff]

Gambar 6.17 Laporan Hasil Pengujian 7

100

h. Pengujian 8

• Pada pengujian ini, masih digunakan jumlah generasi 400.

• Hasil pengujian 8, sudut-sudut yang diperoleh antara lain 0h = 39°, 0t

41,0009765662253°, dan 04 = 34°.

• Gaya kompresi (Fc) yang dihasilkan adalah 7856,10840879598 Newton.

• Generasi terbaik = 214, nilai fitness terbaik = 991485,350342598.

Page 122: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

8uBifnguaj[|sbh8fSMequjBo

000010000000000000II0000100000000000001[0000100000000000001100001000000000000011000010000000000000I1000010000000000000I1000010000000000000II00001000000000000011000010000000000000I10000100000000000001I

lUIUUllllluuimuiii1I1111111111I111111111111111111111111111111111111111UII1IIIILI11II1UIIU1I11I1II11III1Iu

11111[1111111

ES2399S9.16000It-•iieqiaj,jiaj.6C-iwqiaxHiai

t-lC-1ieqie_LisejauaQ86S2K0SES8H66•1ieqiaj.ssaiJiid

vreuiai

miyeniei!ni|

e))[iauac)eut|jio6|Vuesasojuja<jitsen

ouiXiir1^Ml^lfihemax

7t^.7:::0r70lY^i3J

i^f.!::•)•*«tii"I

ioniscmrjqojd

c,pqJ-i.-.ossoj;iqojd

ijijp'srisiiaoiicmiiir

Oy'spindodueuunr

auoqipeg£

•8F9-requiBQBpBdUB^nfunup

8UBifnSusdBpBd(oj)isajduiojfbXbSBXujBssqUBpmpnsisjpKoaj

101

Page 123: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

Laporan hasil pemrosesan dapat dilihat pada Gambar 6.19 di bawah ini.

~$ Hasil

JUMLAH POPULASI =80JUMLAH MAKSIMUM CENERASI =400PROBABILITAS CROSSOVER =0.45PROBABILITAS MUTASI =0.01

MMLlPlMRQttMNFITNESTERBAIK

CENERASITERBAIK

uTERBAIK

tTERBAIK

.'•< TERBAIK

Fm

Fc

Ceuk

=991485.?50?«598=?14= J9»

=41.000976566»5J°

=?4°

=8514.6566?719M1 NEWTON

=7856.10840879598 NEWTONKROMOSOM DARI CENERASI TERBAIK

=11111111111111111000000000000010000

Close

Gambar 6.19 Laporan Hasil Pengujian 8

102

Page 124: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

103

6.3 Analisis Pengujian Perangkat Lunak

Tabel 6.1 di bawah ini merupakan tabel yang menunjukkan hasil pengujiannormal dengan membandingkan jumlah generasi.

Tabel 6.1 Tabel Hasil Pengujian Perangkat Lunak Tahap I

•WTerfealk

991485,0054

991485,3084

991485,3503

991485,3503

991485,3503

991485,3503

991485,3503

991485,3503

Analisis pengujian

1- Pada pengujian Idan 2dengan jumlah generasi sebesar 100 generasi, terdapatperbedaan cukup signitlkan pada besarnya sudu, Or yaitu 42,1583" dan 48,4549°,serta besarnya nilai fitness dari individu terbaik yaitu 991485,0054 dan991485,3804.

2- Hasil pengujian pada pengujian 3sampai pengujian 8, besar sudu, 8„, 04, dan nilaifitness terbaik memiliki besaran nilai yang sama. Sedangkan untuk „ilai 6T hanyaterdapat perbedaan yang sangat kecil.

Page 125: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

104

3. Dapat disimpulkan bahwa kinerja perangkat lunak akan lebih optimum apabilajumlah generasi yang digunakan minimum sebesar 200 generasi, sebab padapenggunaan jumlah generasi sebesar 100 generasi, sistem belum dapatmenemukan solusi yang optimum.

Page 126: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

BAB VII

PENUTUP

7.1 Kesimpulan

Setelah dilakukan serangkaian pengujian terhadap sistem yang telah dibuat,

maka dapat diambil kesimpulan sebagai berikut.

1. Algoritma genetika dapat diterapkan pada permasalahan optimasi sudut

sebagai alternatif pencarian solusi.

2. Hasil dari pemrosesan dengan algortima genetika untuk setiap kali proses

belum tentu menghasilkan solusi yang optimum, walaupun untuk keseluruhan

generasi dalam satu kali proses merupakan solusi yang optimum.

3. Kinerja perangkat lunak akan lebih optimum apabila jumlah generasi yang

digunakan minimum sebesar 200 generasi. Pada penggunaan jumlah generasi

sebesar 100 generasi, sistem belum dapat menemukan solusi yang optimum

sebab ruang solusi pencarian kecil.

4. Untuk menghasilkan solusi yang benar-benar optimum dibutuhkan prosespencarian yang berulang-ulang.

105

Page 127: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

106

7.2 Saran

Berikut ini merupakan beberapa saran untuk pengembangan dan penelitian

selanjutnya.

1. Aplikasi ini dapat dikembangkan dengan metode seleksi, crossover, dan

mutasi yang lain, misal local selection, multi-point crossover, mutasi bilangan

real, dan Iain-lain.

2. Aplikasi ini dapat dikembangkan dengan metode pencarian yang lain, misal

jaringan saraf tiruan, tabu search, dan Iain-lain.

3. Antarmuka diharapkan dapat dikembangkan lagi menjadi suatu perantara

komunikasi yang lebih mudah dipahami dan digunakan tanpa pelatihan dan

pembelajaran khusus.

Page 128: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

DAFTAR PUSTAKA

[DEL03] Delphi Indonesia, http://www.delphi-id.org/dpr/PNphpBB2-

viewtopic-t-1142.pas. diakses tanggal 21 September 2006.

[GOL89] Goldberg, D. E., Genetic Algorithms in Search, Optimization and

Machine Learning, USA: Addition Wesley Publishing Company, Inc.,

1989.

[HAR02] Haryanto, Totok, Optimasi Posisi Kemiringan Punggung Pada

Aktivitas Pengangkatan Gula Dalam Karung Menggunakan Algoritma

Genetik (Studi Kasus Dolog DIY), Yogyakarta: Tugas Akhir Jurusan

Teknik Industri Universitas Islam Indonesia, 2002.

[KUR04] Kurniawan, Didik, Perbaikan Postur Pengangkatan Awal Pada

Aktivitas Pengangakatan Batako dengan Algoritma Genetik,

Yogyakarta: Tugas Akhir Jurusan Teknik Industri Universitas Islam

Indonesia, 2004.

[KUS05] Kusumadewi, S., dan Purnomo, H., Penyelesaian Masalah Optimasi

dengan Teknik-Teknik Heuristik, Yogyakarta: Graha Ilmu, 2005.

[MAD03] Madcoms, Pemrograman Delphi 7, Yogyakarta: Andi, 2003.

[MrC92] Michalewicz, Zbigniew, Genetic Algorithms + Data Structures =

Evolution Programs ffhird, Revised and Extended Edition), Charlotte:

Springer, 1992.

107

Page 129: PENENTUAN SUDUT KEMIRINGAN PUNGGUNG PADA …

[POH03]

[SANOO]

[SYA06]

[RAY95]

Pohlheim, Hartmut, GEA Toolbox: Genetic and Evolutionary

Algorithms: Principal, Methods, and Algorithms.

http://www.geatbx.com/docu/algeindex-03.html. diakses tanggal 14

Juni 2006.

Sandikci, B., Genetics Algorithms, http://www.bilkent.edu.tr/~burhan.

diakses tanggal 17 April 2006.

Syafutra, Eko, Penentuan Persamaan Membawa Beban dengan

Menggunakan Tas Punggung Berdasarkan Kriteria Fisiologis Pada

Aktivitas Naik Gunung, Bandung: Tugas Akhir Program Studi Teknik

Industri ITB, 2006.

Ray, T., E., Mutation, http://www.nis.atr.ip/~rav/pubs/tierra/nodel 0htmi, diakses tanggal 2 Desember 2006.

108