PERANCANGAN PROTOTYPE APLIKASI OPTIMALISASI …

53 TEKNIK - UNISFAT, Vol. 10 No. 2, Maret 2014 Hal 53 - 71

JURNAL 53

PERANCANGAN PROTOTYPE APLIKASI OPTIMALISASI DISTRIBUSI

PENGANGKUTAN SAMPAH DI BONTANG

Lapu Tombilayuk, Miftahul Jannah dan Sri Handani Widiastuti

Jurusan Teknik Informatika , Sekolah Tinggi Teknologi Bontang – Kalimantan Timur

Email : [email protected]

Abstract : Bontang city located in the province of East Kalimantan exactly 150 miles north of the city of

Samarinda, the whole area is 49.757Ha (4 nautical miles) with a land area of 14 780 ha (29.71%) and the

vast oceans: 34 977 ha (70.29%) . Of which initially only as a sub-district became the Autonomous City

and the presence of two large companies that are Bontang region, namely PT. Rhinos NLG and PT. CCP

then make this city is becoming increasingly crowded and growing population.

In making an application to optimize the distribution of waste transport is expected to help solve the

problems of the landfill on Disposal Temporary (TPS) in Bontang particular, due to the distribution of

transport that does not go well.

The method used in this research is the search for the distribution of transporting waste to the Ant Colony

System. With the first step was to analyze the needs of the input, the process of finding a solution to the

optimization of Ant Colony System algorithm and then displays information such solutions.

The results of this study is a prototype application programs that provide optimal solutions distribution

information transporting waste.

Keywords: Waste, Prototype, Ant Colony System Algorithm, Optimization

PENDAHULUAN

Sampah merupakan

permasalahan yang ada disetiap kota-

kota di Indonesia. Seiring

berkembangnya suatu kota diikuti

dengan pertambahan penduduknya,

kemudian tingkat mobilitas masyarakat

yang bertambah menjadikan

permasalahan sampah tersebut semakin

serius. Demikian juga dengan Kota

Bontang yang terletak di propinsi

Kalimantan Timur tepatnya 150 km

utara kota Samarinda, dengan

keseluruhan luas wilayahnya adalah

49.757Ha (4 mil laut) dengan luas

daratan 14.780 Ha (29,71%) dan luas

lautan : 34.977 Ha (70,29%). Dari yang

awalnya hanya sebagai kecamatan

kemudian menjadi Kota Otonom serta

adanya dua perusahan besar yang berada

dikawasan kota Bontang yaitu PT.

Badak NLG dan PT. PKT maka

membuat kota ini menjadi semakin

ramai dan bertambah penduduknya.

Membicarakan kebersihan suatu

kota pasti berhubungan dengan sampah,

dengan berkembang dan bertambahnya

penduduk memberikan dampak

bertambahnya volume sampah yang

ada. Penumpukan sampah ditempat-

tempat tertentu akan menyebabkan

polusi udara, kesehatan dan keindahan

kota. Distribusi pengangkutan yang

tidak berjalan dengan baik dapat

menyebabkan volume sampah pada

suatu Lahan Pembuangan Sementara

(LPS) bisa melebihi kapasitasnya.

Permasalahan sampah tidak hanya

mailto:[email protected]


JURNAL 54

berkaitan dengan volumenya saja tetapi

kerjasama yang terkait pengelolaan

sampah juga perlu diperhatikan. Hal

tersebut dapat dilihat walaupun kinerja

unit-unit atau instansi-instansi yang

terkait dapat dikatakan cukup baik, tapi

ternyata masih banyak terdapat

penumpukan sampah di LPS-LPS yang

lama tidak terangkut sehingga

mencemari udara dan lingkungan

sekitarnya. Untuk itu perlu dibuat suatu

sistem yang dapat membantu agar

distribusi pengangkutan sampah dapat

berjalan dengan baik, teratur dan

meminimalkan penumpukan sampah

dilokasi LPS-LPS tersebut. Karena ada

sampah yang mudah membusuk

sehingga cepat sekali menimbulkan

polusi udara maka sistem distribusi

pengangkutan yang cepat dan maksimal

sangat diperlukan, agar pemilihan rute

tiap armada pengakut sampah dapat

mencapai LPS secara maksimal.

Banyaknya sampah-sampah yang

menumpuk di Bontang yang

terbengkalai seperti dipinggir jalan,

komplek pemukiman dan lainnya sangat

mengganggu masyarakat dan

pemandangan kota.

Untuk mengatasi hal tersebut

kami mencoba membuat suatu

rancangan atau prototipe aplikasi

software yang dapat digunakan

mengoptimalisasi penjadwalan

distripusi pengangkutan sampah dengan

memanfaatkan algoritma Ant Colony

System (ACS). Parameter-parameter

yang ada dalam ACS diharapkan dapat

menemukan solusi yang optimal yaitu

pengaturan jalur yang tepat sehingga

dapat mencakup pos-pos LPS

semaksimal mungkin berdasarkan

sumber daya yang ada (kendaraan

pengangkut dan pekerjanya).

Rancangan prototype ini ada dua tahap

yaitu yang pertama adalah optimasi

pengangkutan sampah dari LPS ke LPA

(Lahan Pembuangan Akhir) dan yang

kedua adalah implementasi sistem

optimalisasi tersebut dengan

menggunakan Google Maps. Sehingga

aplikasi yang dirancang ini diharapkan

tidak hanya membantu pencarian solusi

optimal tetapi juga dapat menyajikan

informasi yang tepat dan mudah

dipahami.

Tujuan Penelitian

Penelitian ini bertujuan untuk :

1. Membuat sebuah prototype

aplikasi optimalisasi distribusi

pengangkutan sampah di Bontang.

2. Menyelesaikan masalah

pencarian solusi optimalisasi

distribusi pengankutan sampah

dengan menggunakan algoritma Ant

Colony System (ACS).

3. Memberikan informasi solusi

rute distribusi pengangkutan sampah

yang divisualisasi dalam aplikasi

map.

54 Perancangan Prototype Aplikasi Optimalisasi Distribusi Pengangkutan Sampah Di

Bontang – Lapu Tombilayuk, Miftahul Jannah dan Sri Handani Widiastuti


JURNAL 55

4. Dengan adanya penjadwalan

distribusi pengangkutang

berdasarkan volume sampah yang

ada di TPS, diharapakan dapat

mengatasi penumpukan sampah yang

ada di TPS.

Manfaat Penelitian

Diharapkan penelitian ini akan

memberikan manfaat antara lain ;

1 Mempermudah petugas kebersihan

mencari rute yang optimal dalam

pengangkutan sampah.

2 Memberikan informasi lokasi-lokasi

TPS (tempat pembuangan sampan

yang volumenya sering melebihi

kapasitas TPS nya).

3 Dapat menghindari adany

penumpukan sampah dilokasi TPS-

TPS.

KAJIAN LITERATUR

Sampah

Menurut Undang-Undang Nomor

18 Tahun 2008 tentang Pengelolaan

Sampah, sampah adalah sisa kegiatan

sehari-hari manusia dan/atau proses alam

yang berbentuk padat

Menurut Kamus Lingkungan

dalam Basriyanta (2007:17), sampah

adalah bahan yang tidak mempunyai

nilai atau tidak berharga untuk

digunakan secara biasa atau khusus

dalam produksi atau pemakaian; barang

rusak atau cacat selama manufaktur atau

materi berkelebihan atau buangan.

Menurut World Health

Organization (WHO) sampah adalah

sesuatu yang tidak digunakan, tidak

dipakai, tidak disenangi atau sesuatu

yang dibuang yang berasal dari kegiatan

manusia dan tidak terjadi dengan

sendirinya (Chandra, 2006).

Dengan kata lain sampah adalah

sisa-sisa bahan yang mengalami

perlakuan-perlakuan, baik karena telah

diambil bagian utamanya, atau karena

pengolahan dan sudah tidak ada

manfaatnya bila ditinjau dari segi sosial

ekonomis tidak ada harganya, sedangkan

dari segi lingkungan dapat menyebabkan

pencemaran atau gangguan lingkungan.

Pengangkutan sampah adalah

kegiatan pengangkutan sampah yang

telah dikumpulkan di tempat

penampungan sementara atau langsung

dari tempat sumber sampah ke TPA

(Balitbang Departemen PU, 1990).

Sistem pengangkutan sampah

didefinisikan sebagai sistem pemindahan

sampah dari lokasi pembuangan

sementara sampah ke instalasi

pengolahan sampah (Bramono, 2007)

atau langsung ke Tempat Pembuangan

Akhir sampah

Optimisasi

Optimisasi (Optimization) adalah

proses pencarian satu atau lebih

penyeslesaian yang berhubungan dengan

nilai efektif yang dapat dicapai atau

mencari nilai minimal atau maksimal


JURNAL 56

dari suatu fungsi riil, dengan pemilihan

variable integer atau riil yang nantinya

dapat memberikan solusi optimal

(Wardy, I.S, 2007).

Permasalahan dalam optimisasi

berhubungan dengan nilai optimal yang

didapat dapat berupa besaran panjang,

waktu, jarak dan sebagainya, seperti ;

1. Menentukan lintasan terpendek dari

suatu tempat ke tempat yang lain.

2. Menentukan jumlah pekerja

seminimal mungkin untuk

melakukan suatu proses produksi

agar pengeluaran biaya pekerja

dapat dinimimalkan dan hasil

produksi tetap maksimal.

3. Mengatur rute kendaraan umum

agar semua lokasi dapat dijangkau

4. Mengatur routing jaringan kabel

telepon agar biaya pemesangan

kabel tidak terlalu besar dan

penggunaannya tidak boros.

Terdapat dua metode yang biasa

digunakan dalam menyelesaikan

masalah optimasi Travelling Salesman

Problem (TSP), yaitu ;

1. Metode konvensional

Merupakan metode yang memakai

perhitungan matematika eksak. Ada

beberapa metode konvensional yang

biasa digunakan untuk pemecahan

masalah rute terpendek seperti

algoritma Djikstra, algoritma Floyd-

Warshall dan algoritma Bellman-

Ford.

2. Metode heuristik

Merupakan metode yang memakai

sistem pendekatan dalam mencari

solusi pemecahanan. Algoritma

yang termasuk dalam metode

heuristic ini adalah Algoritma

Genetika, Ant Colony Optimization,

logika fuzzy, jaringan syaraf tiruan

dan lain-lain (Mutakhiroh, I. dkk,

2007).

Algoritma Ant Colony System

Algoritma semut adalah teknik

probabilistik untuk menyelesaikan

masalah komputasi dengan menemukan

jalur terbaik melalui grafik, yang

terinspirasi dari perilaku semut dalam

menempuh jalur atau rute dari koloninya

menuju sumber makanan (Dorigo,).

Algoritma semut diperkenalkan oleh

Moyson dan Manderick. Perilaku koloni

semut dalam mencari rute menuju

sumber makanan, dalam arti yang

sebenarnya, telah diteliti dan

dipublikasikan tahun 1959 oleh Pierre-

Paul Grass. Tahun 1997, Dorigo dan

Gambardella memperkenalkan Ant

Colony System (ACS), sementara

setahun sebelumnya, Stützle bekerja

sama dengan H.H. Hoos

memperkenalkan MAX-MIN Ant System

(MMAS). Keduanya, baik ACS maupun

MMAS telah berhasil diterapkan ke

dalam penyelesaian symmetric and

asymmetric TSP.



http://en.wikipedia.org/wiki/Marco_Dorigo

http://en.wikipedia.org/wiki/Luca_Maria_Gambardella


JURNAL 57

Ant Colony Optimization (ACO)

merupakan artificial system yang

terinspirasi oleh perilaku semut dalam

menemukan jarak terpendek (Dorigo dan

G. Di Caro).

Pada kenyataannya semut

berkeliling secara acak saat mencari

makanan, ketika ada semut yang

menemukan makanan dan kembali ke

koloninya sambil memberikan tanda

dengan jejak pheromone dan jika semut-

semut lain menemukan jalur tersebut

maka mereka tidak berpergian secara

acak lagi untuk mencari makanan

(Dorigo,). Tetapi akan mengikuti jejak

yang sudah ada kemudian kembali dan

menguatkan jejak tersebut hingga pada

akhirnya semua semut dapat menemukan

makanan. Pheromone adalah zat kimia

yang berasal dari kelenjar endokrin dan

digunakan untuk mengenali sesama

jenisnya, individu lain dan kelompok.

Sedangkan proses saat semut

meninggalkan jejak pheromene yang

keluar dari tubuhnya pada rute yang

dilaluinya disebut sebagai proses

stigmery atau proses memodifikasi

lingkungan yang bertujuan untuk

mengingat jalan pulang ke sarang dan

berkomunikasi dengan koloninya,

sehingga semut lainnya akan dapat

mencium pheromone tersebut kemudian

mengikutinya. Ketika akan memilih rute

yang akan dilalui, semut-semut akan

memilih rute yang tingkat konsentrasi

pheromonenya tinggi. Pheromone lama-

kelaman bisa menguap, oleh karena itu

semakin lama seekor semut pulang pergi

melalui suatu rute maka semakin banyak

pula pheromone yanga akan menguap.

Sebaliknya jika semakin cepat semut

pulang pergi melalui suatu rute maka

pheromone yang akan menguap hanya

sedikit dan konsentrasi pheromonenya

akan tetap tinggi.

Penguapan Pheromone juga

mempunyai keuntungan untuk

mencegah konvergensi pada

penyelesaian optimal secara lokal.

Jika tidak ada penguapan sama

sekali, jalur yang dipilih semut

pertama akan cenderung menarik

secara berlebihan terhadap semut-

semut yang mengikutinya. Pada kasus

yang demikian, eksplorasi ruang

penyelesaian akan terbatasi. Oleh

karena itu, ketika seekor semut

menemukan jalur yang bagus (jalur

yang pendek) dari sarang ke sumber

makanan, semut lainnya akan

mengikuti jalur tersebut, dan akhirnya

semua semut akan mengikuti sebuah

jalur tunggal. Ide algoritma koloni

semut adalah untuk meniru perilaku ini

melalui „semut tiruan‟ berjalan

seputar grafik yang menunjukkan

masalah yang harus diselesaikan.

Gambaran perilaku semut saat

menempuh perjalanan dalam mencari

makanan terdapat pada Gambar 2.1

berikut ini

http://en.wikipedia.org/wiki/Marco_Dorigo


JURNAL 58

Gambar 2.1 Perjalanan semut mencari

sumber makanan

Algoritma Ant Colony System

merupakan pengembangan dari

algoritma Ant System. Algoritma ini

tersusun atas sejumlah m semut yang

bekerjasama dan berkomunikasi secara

tidak langsung melalui pheromone.

Sebelumnya terlebih dahulu

diinisialisasikan harga parameter-

parameter yang digunakan dalam

algoritma Ant Colony System seperti ;

1. Intensitas jejak semut / pheromone

awal ( )

2. Banyak titik (n) termasuk koordinat

(x,y)

3. jarak antar titik (drs) dimana r adalah

titik posisi semut dan s adalah titik

yang akan dituju semut.

4. Titik awal dan titik tujuan

5. Tetapan pengendali intensitas jejak

semut/ pheromone(α), nilai α ≥ 0

6. Tetapan pengendali visibilitas (β),

nilai β ≥ 0

7. Visibilitas antar kota ( ) =

8. Banyak semut (m)

9. Tetapan penguapan jejak semut /

evaporasi global pheromone (ρ) dan

lokal (ξ) , nilai ρ dan ξ harus > 0 dan

< 1 untuk mencegah jejak semut /

pheromone yang tak terhingga.

Secara garis besarnya cara kerja

algoritma Ant Colony System yaitu

sejumlah m semut ditempatkan pada

sejumlah n titik misalnya secara acak.

Kemudian setiap semut membuat sebuah

tour dengan menerapakan aturan transisi

status berulang kali, dengan cara

menghitung visibility yaitu invers jarak

dari titik r (posisi semut) dan titik s (titik

yang akan dituju) dengan rumus ;

(1)

Menentukan titik selanjutnya (temporary

atau disimbolkan s) yang akan dituju

dengan rumus ;

Temporary s = {[τ(r,ui)]α . [η(r,ui)]

β}

i=1,2,3,…n

s = max {[τ(r,ui)]α . [η(r,ui)]

β}

(2)

Menghitung probabilitas dari semut k

pada titik r yang memilih menuju ke titik

s ( ) dengan menggunakan rumus ;

(3)

adalah himpunan titik yang akan

dikunjungi oleh semut k yang sedang

berada pada titik r (untuk membuat

solusinya mendekati optimal).

Pada saat membuat tournya tiap

semut memodifikasi pheromone yang

ada pada titik-titik yang akan dikunjungi

atau disebut juga dengan pembaruan

pheromone lokal , dengan rumus;




JURNAL 59

(4)

Dimana adalah parameter evaporasi

lokal dengan nilai 0 < < 1 dan

nilai pheromone pada titik (r,s),

(5)

dimana Lnn adalah panjang rute dari r ke

s dan c adalah banyaknya titik.

Selanjutnya setelah semua semut

mengakhiri tournya, pheromone yang

ada pada titik-titik yang dituju tadi

dimodifikasi lagi atau disebut

pembaruan pheromone global, dengan

rumus ;

(6)

(7)

Dimana ρ adalah parameter evaporasi

global, yang mempunyai nilai 0 < ρ < 1

dan adalah .

Pada algoritma Ant Colony System

ini, semut dalam membangun tour /

rutenya menggunakan informasi

pheromone dan juga informasi heuristic

(lebih memilih titik-titik yang memiliki

jarak yang pendek). Dan untuk

menentukan titik yang akan dituju

berdasarkan jumlah pheromone yang

tinggi. Pembaruan pheromone lokal dan

pheromone global ditujukan agar semut

nanti cenderung memberi lebih banyak

pheromone pada titik-titik yang dilewati.

METODE PENELITIAN

Jenis Penelitian

Jenis penelitian ini adalah penelitian

rekayasa yang menerapkan ilmu

pengetahuan menjadi suatu

prototype/rancangan aplikasi yang akan

digunakan untuk mendapatkan solusi

optimal terhadap permasalahan yang ada

yaitu penimbunan sampah yang melebihi

kapasitas valumenya di kota Bontang.

Bahan Penelitian

Pelaksanaan penelitian dilakukan selama

6 bulan, meliputi;

Perencanaan dilakukan selama 1

bulan

Pengambilan data lapangan

dilakukan selama 1 bulan

Analisa dan desain prototype

membutuhkan waktu 1 bulan

Pembuatan dan pengujian prototype

dikerjakan selama 3 bulan

Dalam penelitian ini lokasi penelitiannya

adalah kota Bontang dan obyek yang

digunakan adalah lokasi pembuangan

sampah sementara yang ada di Bontang

serta rute-rute menuju lokasi-lokasi

tersebut sampai ke lokasi pembuangan

akhir

Alat Penelitian

Perangkat keras dibutuhkan

untuk mengimplementasikan hasil

aplikasi yang dibuat, adapun perangkat

keras yang dibutuhkan tersebut adalah

seperangkat komputer dengan spesifikasi


JURNAL 60

Intel P4 2.4Ghz

Memori 256 MB

Hardisk 40 GB

Monitor

Mouse

Keyboard

Aplikasi penentuan rute

distribusi pengangkutan sampah akan

dibuat dengan suatu aplikasi server

berbasis web dan aplikasi mobile,

sedangkan perangkat lunak yang

digunakan untuk menunjang aplikasi ini,

yaitu :

1. Data base

Data yang berupa koordinat

lokasi, nama lokasi dibuat dan

disimpan dengan menggunakan

MySQL.

Sedangkan untuk proses eksekusinya

seperti ; seleksi, insert, delete

menggunakan PHP.

2. Map

Untuk map atau petanya tidak

perlu menggambar sendiri tapi

menggunakan Google map library,

untuk servernya menggunakan

Aplikasi Apache webserver. Google

API dan Java script untuk menambahkan

lokasi tempat pembuangan

sementara/titik-titik yang diperlukan ke

dalam google map, perhitungan masing-

masing rute serta penyeleksian rute

optimal (dalam satu rute dapat

mengunjungi bayak titik-titik/ lokasi.

Prosedur Penelitian

Pada penelitian ini, langkah-

langkah dalam membuat suatu

rancangan prototype aplikasi distribusi

pengangkutan sampah antara lain ;

1. Pengumpulan data

Studi lapangan

Mengumpulkan data

(seperti ; data jalan, posisi atau letak

TPS yang diperoleh secara langsung

dilapangan, internet atau dari

instansi pemerintah setempat.

2. Analisa sistem

a. Analisa kebutuhan input

Yang merupakan masukan

dalam aplikasi optimalisasi

distribusi pengangkutan sampah

dalam algoritma semut, yaitu :

1. Lokasi TPS, simpangan-

simpangan dan nama-nama jalan

yang mengubungkan simpangan-

simpangan dan titik-titik tersebut.

2. Inisialisasi parameter -

parameter yang digunakan dalam

perhitungan algoritma ACS

adalah :

τ(awal) adalah nilai dari jejak

pheromone awal pada tiap titik.

α adalah tetapan besarnya

bobot yang diberikan pada

jejak pheromone, dimana α ≥ 0.

β adalah besarnya bobot yang

diberikan terhadap fungsi

heuristic, dimana β ≥ 0

q adalah bilangan pembangkit

pecahan acak, dimana 0≤ q ≤1




JURNAL 61

q0 adalah parameter

probabilitas semut melakukan

eksplorasi pada setiap tahapan,

dimana 0 ≤ q0 ≤ 1

ρ adalah parameter dengan

nilai 0 sampai 1

n adalah jumlah titik

m adalah jumlah semut

b. Analisa Proses

Proses-proses yang terdapat

dalam sistem penentuan rute


dengan algoritma Ant Colony

System (ACS) adalah :

1. Proses pembuatan aplikasi

- Melakukan Input titik

simpangan dan titik objek

(TPS), kemudian disimpan

dalam database.

- Membuat jalan yang

menghubungkan titik-titik

yang sudah diinputkan yaitu

titik simpangan dan titik

objek.

2. Pencarian rute

Setelah user

menginputkan lokasi awal (TPS)

dan lokasi tujuan (tempat

pembuangan akhir), maka

dimulai proses pencarian dan

perhitungan rute dengan

algoritma ACS :

Menentukan jumlah semut,

titik awal masing-masing

semut.

Menghitung jarak antar titik /

distance (d(t,ui))

Menghitung invers jarak

(η(t,ui)) antara titik t dan u

dengan rumus ;

η(t,ui) = 1/d(t,ui)

Menentukan titik selanjutnya

(temporary /v) yang akan

dituju sampai semua titik

dapat terlewati,dan titik yang

mempunyai jarak terdekat

yang akan dipilih, yaitu ;

jika q ≤ q0 maka rumus

yang digunakan adalah ;

v = {[τ(t,ui)][η(t,ui)]β}

jika q > q0 maka rumus yang

digunakan adalah ;

Menentukan perubahan pheromone

lokal atau perubahan

pheromone pada masing-masing

titik yang dituju( ;

Dimana :

Menghitung panjang lintasan

yang telah dilalui semut,

diambil/dipilih panjang lintasan

yang minimal.

Ubah pheromone pada titik-titik

lintasan/rute yang sudah dibuat

oleh semut tersebut.


JURNAL 62

Setelah semua proses dilalui,

maka akan didapatkan panjang

lintasan yang terbaik.

Gambar 3.1 adalah diagram alir

proses perhitungan dan pencarian

rute terpendek dengan algoritma

ACS.

c. Desain sistem

Untuk mendesain SIG rute

terpendek ini, diperlukan hal-hal

seperti berikut ini yaitu:

Contex Diagram

Diagram konteks ini

menggambarkan proses request dan

respon, dalam mengakses aplikasi

SIG. Seperti terlihat pada Gambar 3.1.

Gambar 3.1 Diagram konteks

aplikasi Pengangkutan sampah

Gambar 3.1 menjelaskan

bahwa User memberikan data

lokasinya saat itu melalui GPS atau

menginputkan sesuai dengan titik-titik

yang sudah ditandai dan disediakan

oleh sistem. Kemudian mengakses

melalui ponsel berupa tampilan

browser, meminta alamat internet

beserta data sistem SIG ke server

sistem, kemudian server sistem

terhubung dengan admin, maka data

dikembalikan ke client dan

menampilkan peta dan data yang

diminta.

Data Flow Diagram (DFD)

Data Flow Diagram (DFD)

biasanya digunakan untuk

menggambarkan aliran data yang

mengalir dalam sistem. DFD ini

dibuat setelah diagram konteks,

sehingga gambaran sistem akan

terlihat lebih terperinci atau lebih

detail.

- DFD level 0

DFD level 0 merupakan

penjabaran yang lebih rinci dari

diagram konteks, DFD level 0

dapat dilihat pada Gambar 3.2.

Gambar 3.2 DFD level 0 rute


- Proses input, admin melakukan input

data lokasi/posisi TPS-TPS, data jalan

dan data lokasi simpangan.




JURNAL 63

Selanjutnya data-data tersebut oleh

sistem disimpan dalam database node.

- Proses perhitungan jarak antar TPS,

system menghitung jarak antar TPS

dengan membaca/ berdasarkan

database node. Dari field latitude dan

longitude itulah maka jarak antar titik

(TPS) dapat dicari, selanjutnya data

jarak tersebut disimpan dalam

database edge.

- Proses pencarian rute, petugas (user)

melakukan request dengan

menginputkan posisi TPS awal, agar

dapat diketahui rute manakah yang

dapat dipilih dari posisinya saat itu

menuju lokasi TPS/TPA tujuan yang

diinginkan. Dari data posisi TPS awal

dan dari data-data yang tersimpan

dalam database tersebut, oleh sistem

akan digunakan untuk pengolahan /

pencarian rute terbaik. Selanjutnya

dari proses output sistem, informasi

rute pengangkutan dan gambaran

lokasi user saat itu (jika user ingin

mengetahuinya) ditampilkan dalam

peta.

HASIL DAN PEMBAHASAN

Pengolahan data

Dalam penyelesaian masalah

pencarian rute dari TPS-TPS ke TPA dengan

mengunakan algoritma ACS diperlukan

data-data berikut ini :

Data lokasi TPS (Tempat

pembuangan sementara)

Data lokasi TPS berisi lokasi /letak

TPS yang ada di Kota Bontang. Data ini

merupakan data yang digunakan sebagai

lokasi/titik awal dan penghubung menuju ke

tujuan (TPA) Adapun tabel yang berisi

contoh lokasi-lokasi TPS terdapat pada

Tabel 4.1.

Tabel 4.1 Daftar Contoh Lokasi

Tempat Pembuangan Sampah

sementara di Kota Bontang

NO NAMA ALAMAT

1 TPS 1 TPS Jl. Jend. A. Yani1

2 TPS 2 TPS Jl. Jend. A. Yani2

(Barokah)

3 TPS 3 TPS Jl. A. Yani3 (Bontang

Post)

4 TPS 4 TPS Jl. R. Suprapto (salon

Hana)

5 TPS 5 TPS Jl. Bhayangkara

6 TPS 6 TPS Jl. Brig.Jend. Katamso

7 TPS 7 TPS Jl. Imam Bonjol1

8 TPS 8 TPS Jl. Hm. Ardans

9 TPS 9 TPS Cahaya Bona Hotel

10 TPS 10 TPS Jl. Sangatta Bontang1

11 TPS 11 TPS Jl. Samarinda Bontang

12 TPS 12 TPS Pertigaan Jl. Samarinda-

Bontang

13 TPS 13 Jl. Sekambing- Bontang Lestari

14 TPS 14 Dinas Pendidikan Bontang

Lestari

15 TPS 15 TPS Pertigaan Jl. Sorong 2

16 TPA Z TPA Bontang Lestari

Data non spasial diatas oleh SIG

akan diolah menjadi data spasial,dengan

cara menandai pada peta sesuai dengan

data teks (non spasial yang ada). Karena

dalam membangun SIG diperlukan data

peta berupa data spasial yang kemudian

disimpan dalam database MySQL pada

sisi server. Data tersebut diolah oleh

program aplikasi dan akan disimpan

dalam bentuk node/titik beserta

koordinatnya (latitude dan longitude).


JURNAL 64

Pembuatan Aplikasi SIG

Aplikasi SIG yang akan dihasilkan

adalah sebuah SIG berbasiskan client-

server tediri dari satu aplikasi server

berbasiskan web yang dapat diakses

dengan mobile nantinya.

Pada sisi server, peta dibuat

dengan menggunakan google map API

(berbasis web). Memasukkan data

spasial dan menyimpannya dalam

MySQL.

Pada pencarian rutenya

menggunakan bahasa pemrograman

JAVA dengan dukungan JVM. Peta

dibuat dengan menggunakan google map

API, kemudian mengambil data spasial

dari server. Melakukan pengolahan data

spasial tersebut dalam pencarian adalah

menampilkan hasil rute terpendek

berdasarkan hasil perhitungan dengan

metode algoritma ACS.

Gambar 4.1 Contoh Peta Bontang

yang sudah ditandai lokasi-lokasi TPS

Sebagai contoh pencarian rute

distribusi pengangkutan sampah yang

terlihat pada gambar 4.1 (yang ada

dalam kurva merah), diambil beberapa

TPS-TPS di sekitar Kota Bontang

sebagai titik-titik/lokasi, seperti yang

terlampir pada Gambar 4.1 dengan

keterangan sebagai berikut ini ;

- Titik A adalah TPS Bhayangkara 1

- Titik B adalah TPS Bhayangkara 2

- Titik C adalah TPS Tikungan BFI.

- Titik D adalah TPS Pertigaan

Bhayangkara.

- Titik E adalah TPS tikungan salon

Hana.

- Titik F adalah TPS pertigaan salon

Hana

- Titik G adalah TPS tikungan Imam

Bonjol

- Titik H adalah TPS Pertigaan

Imam Bonjol - Bhayangkara.

- Titik I adalah TPS pertigaan Imam

Bonjol – ATM BCA.

- Titik J adalah TPS Imam Bonjol.

Misalnya user ingin mencari rute

dari TPS titik A menuju ke TPA

(titik J).

Pencarian rute dengan perhitungan

manual

1. mencari rute-rute yang ada dari

titik A ke titik J

berdasarkan gambar 4.1 rute yang

dapat di tempuh dari titik A ke titik J

ada beberapa alternative yaitu ; AIJ,

AIBHIJ, ABCDEFGHIJ.

Karena ini merupakan pencarian solusi

optimalisasi distribusi pengangkutan

maka dipilih rute yang dapat melewati

A

B

C D

K M

N

O

P

E

F

G

H I

Q

R

S T

U

J




JURNAL 65

maksimum titik yang memnuhi daya

tampung truk pengangkut samapahnya.

2. Memberikan indeks pada

masing-masing titik dengan cara

memberika variable pheromone besar

bagi titik-titik yang mempunyai

sampah melebihi volumenya. Sehingga

titik-titik inilah yang nantinya akan

dikunjungi terlebih dahulu dalam satu

rute.

3. Pemilihan rute solusi yaitu rute

yang mempunyai maksimum titik yang

memenuhi daya tampung truk

pengangkut sampahnya, dari pencarian

diatas rute yang mempunyai titik-titik

paling banyak adalah ABCDEFGHIJ.

Pencarian rute dengan metode

algoritma ACS

Adapun langkah-langkah dalam

perhitungan dan pencarian rute distribusi

pengangkutan dengan menggunakan

ACS (posisi semut pada titik A menuju

titik j) adalah sebagai berikut :

1. Jarak antar lokasi atau titik

Dalam mencari rute terpendek

diperlukan data jarak antar lokasi atau

titik, data ini diperoleh dari

persamaan haversin =

haversin +cos .

cos .haversin

berdasarkan koordinat (latitude dan

longitude) lokasi atau titik-titik

tersebut. Kemudian jaraknya disusun

dalam bentuk matrik.

Tabel matrik jarak menunjukkan

jarak antar titik dan arah rutenya

seperti contohnya jarak titik A ke titik

B adalah 350 m, sedangkan jarak

antara titik B ke titik A adalah 0 (ini

berarti tidak ada rute dari B ke A,

hanya ada rute satu arah saja yaitu

dari A ke B). Demikian seterusnya,

jadi angka-angka yang terdapat dalam

matrik berarti ada rute dan nilai jarak

antar titik tersebut, sedangkan angka 0

dalam matrik berarti tidak ada rute

dan tidak ada nilai jarak antar titik

tersebut.

2. Insialisasi parameter-parameter yang

digunakan perhitungan rute terpendek

dengan menggunakan algoritma ACS

(Dorigo and Gambardella, 1997),

seperti yang terlihat dalam Tabel 4.2.

Tabel 4.2 Inisialisasi parameter yang

digunakan dalam algoritma ACS

No Parameter Nilai Keterangan

1 1

tetapan pengendali

intensitas jejak semut

(pheromone)

2 2 tetapan pengendali

visibilitas

3 τ0 0.001

intensitas jejak semut

awal / pheromone

awal

4 q 0.9

Bilangan random

pemilihan titik

berikutnya pada ACS

5 q0 0.1 Bilangan pembatas q

6 0.1 tetapan evaporasi

global

7 0.1 tetapan evaporasi

local

8 m 100 jumlah agen semut

9 n 100 jumlah titik


JURNAL 66

3. Menghitung invers jarak (visibilitas

antar kota), dengan memakai rumus

persamaan 2.1. dan disimpan dalam

bentuk matrik seperti yang terlihat

pada table 4.3.

Tabel 4.3 Jarak antar titik atau TPS

dalam satuan kilometer (Algoritma

ACS)

Tabel 4.4 Invers jarak atau visibilitas

antar titik (ηrs ) (x 10 -2

)

Tabel 4.5 Nilai Pheromone awal

(τ0) pada tiap titik

Untuk nilai pheromone awal

pada masing-masing titik diinisialisasi

parameternya τ0 = 0,001 maka pada

seluruh titik diberi nilai pheromone

0,001 (hal ini dimaksudkan agar tiap

titik mempunyai peluang yang sama

untuk dikunjungi agen semut).

Matrik Tabel 5.4 menunjukkan

visibilitas (invers jarak antar titik)

contohnya jarak titik A ke titik B

adalah 0.17 km maka inversnya 5.88,

sedangkan jarak antara titik B ke titik

A juga 0.17 km (ini berarti ada rute

dari B ke A) maka invers jaraknya

juga 5.88. Demikian seterusnya, jadi

angka-angka 0 yang terdapat dalam

matrik berarti tidak ada invers

jaraknya (karena tidak ada rute dan

jarak antar titiknya).

4. Pemilihan titik yang dituju, dengan

menghitung temporary (memakai

rumus persamaan 3.2) dan

probabilitas (memakai rumus

persamaan 3.3), adalah sebagai

berikut ;

Menghitung temporary pada titik-titik

yang dapat dilalui oleh titik A

Temporary s(A,B) = {[τ(A,B)]1 [η(A,B)]

2}

= {[0.001]1 [5.88

]2}

= [0.001] [34.57]

= 3.457 x 10 -2

Temporary s(A,I) = {[τ(A,C)]1 [η(A,C)]

2}

= {[0.001]1 [5.71]

2}

= [0.001] [32.604]

= 3.26 x 10-2

Menghitung probabilitas pada titik-

titik yang dapat dilalui oleh titik A

- Probabilitas semut k dari titik A

menuju titik B




JURNAL 67

Probabilitas (A,B) =

=

= 0.51

- Probabilitas semut k dari titik A

menuju titik I

Probabilitas (A,I) =

=

= 0.485

Adapun hasil perhitungan temporary

dan probabilitas dari titik awal (A) ke

titik titik yang dapat dilaluinya,

terlihat pada Tabel 4.6.

Tabel 4.6 Hasil perhitungan temporary

dan probabilitas dari titik awal (A)

Berdasarkan Tabel 4.6 dan

inisialisasi parameter q = 0.9 dan q0 =

0.1 (q0 ≤ q) maka untuk menentukan

titik selanjutnya dipilih titik yang

mempunyai nilai probabilitas paling

besar yaitu titik B. Kemudian cari

titik selanjutnya dengan cara yang

sama.

Titik-titik yang sudah dikunjungi oleh

agen semut ditandai, sehingga dapat

berfungsi agar agen semut tidak

kembali lagi pada titik yang sudah

pernah dikunjungi.

5. Pembaharuan pheromone lokal

Setelah agen semut menemukan titik

yang dikunjungi, kemudian agen

semut tersebut melakukan

pembaharuan pheromone pada titik

tersebut, sehingga dapat memberikan

jejak untuk dilewati oleh semut

selanjutnya. Berdasarkan Tabel 4.6

dan Tabel 4.7 bahwa setelah dari titik

A, agen semut memilih mengunjungi

titik B, maka perhitungan

pembaharuan pheromone lokal pada

titik B (dengan menggunakan

persamaan 3.4 dan persamaan 3.5)

adalah sebagai berikut ;

- Pembaharuan pheromone pada

titik B

6. Menghitung panjang lintasan

Setelah titik-titik terpilih dikunjungi

oleh agen semut, maka langkah

selanjutnya adalah mengitung panjang

lintasan yang diperoleh, pada contoh

diatas bahwa panjang lintasan

(A,B,C,D,E,F,G,H,I,J) yang ditempuh

dari titik A menuju titik J adalah 1850

meter.

Implementasi hasil penelitian

Aplikasi Server digunakan untuk

mengatur data spasial dan non-spasial,

baik menambah, mengubah, maupun

menampilkan atau merepresentasikan

data spasial dalam database menjadi

tampilan peta digital, serta melakukan

perhitungan dan pencarian rute dari data


JURNAL 68

spasial jalan yang ada pada peta.

Aplikasi Server hanya dapat diakses oleh

pengguna administrator yang memiliki

hak akses masuk kedalam aplikasi.

1. Halaman Login Server

Halaman ini merupakan halaman

yang muncul pertama kali saat web

server dipanggil. Pada halaman ini

terdapat otorisasi login sebagai security

bagi pengguna (admin) yang berhak

mengakses server, dimana pengguna

(admin) harus memasukkan username

dan password yang valid untuk dapat

masuk ke menu utama aplikasi ini.

Kemudian ada tombol “Keluar” apabila

diklik maka akan keluar dari aplikasi ini.

Halaman ini terlihat pada Gambar 4.2

Gambar 4.2 Halaman login server

2. Halaman Menu server

Halaman menu server akan

tampil setelah proses login berhasil

dilakukan, dimana gambaran halaman

ini terlihat pada Gambar 4.3.

Gambar 4.3 Halaman menu server

Pada halaman ini terdapat sub menu –

sub menu data obyek, data antar titik,

input level pheromone dan logout untuk

keluar.

3. Halaman manajemen data obyek

Pada saat pilihan data obyek

pada menu server diklik, maka masuk

pada halaman ini dimana didalamnya

terdapat option-option yang dapat

dipilih, antara lain:

Tandai obyek

Pada saat pilihan ini disorot dan

diklik maka akan tampil peta yang

masih kosong (jika belum pernah

ditandai sama sekali), pilihan ini

berfungsi untuk memasukkan data

obyek dengan cara menandai suatu

titik pada peta yang sudah tersedia.

Dengan menandai (mengklik kanan)

suatu titik tersebut, maka secara

otomatis tanda tersebut akan tersimpan

dalam database.

Lihat data obyek

Pada saat pilihan ini disorot

dan diklik maka akan tampil daftar

tabel data obyek yang telah tersimpan

dalam database, dimana yang

ditampilkan pada daftar tersebut

seperti nama obyek, latitude, longitude

dan pilihan editor (edit dan hapus).

Implementasi halaman lihat data obyek

terdapat pada Gambar 4.4.




JURNAL 69

Gambar 4.4 Halaman lihat data

obyek

Keluar


diklik maka proses SIG akan

kembali pada tampilan menu

sebelumnya (menu server).

4. Halaman manajemen data antar titik

Pada saat pilihan data antar

titik pada menu utama diklik, maka

masuk pada halaman ini dimana

didalamnya terdapat option-option yang

dapat dipilih, antara lain :

Buat rute


dan diklik maka akan tampil peta yang

sudah ada tanda pada titik-titiknya.

Pilihan ini berfungsi untuk membuat

rute atau menghubungkan antar titik-

titik obyek dengan cara mengklik

kanan suatu titik tersebut, kemudian

mengmasukkan titik yang akan

dihubungkan dengan titik tersebut.

Maka secara otomatis rute/garis akan

terhubung, untuk melihat rute/garis

tersebut tinggal diklik tombol

“refresh” yang ada. Rute tersebut juga

secara otomatis akan tersimpan dalam

database.

Gambar 4.5 Halaman membuat rute

Gambar 5.6 Contoh Halaman pencarian

rute pengangkutan

Lihat data antar titik


diklik maka akan tampil daftar tabel data

antar titik yang telah tersimpan dalam

database, dimana dalam daftar tersebut

terdapat nama rute dan jarak antar titik

serta pilihan editor (edit dan hapus).

Implementasi halaman lihat data obyek

terdapat pada Gambar 5.7.

Gambar 5.7 Halaman lihat data antar titik


JURNAL 70

Keluar


dan diklik maka akan kembali pada

tampilan menu sebelumnya (menu

server).

KESIMPULAN

Berdasarkan hasil yang diperoleh

pada penelitian ini maka dapat

disimpulkan bahwa ;

1. Aplikasi distribusi pengangkutan

sampah yang dibuat dengan web

base dan menggunakan google map,

dapat memberikan informasi yang

lebih dipahami dan dapat diupdate

2. Variable pheromone pada algoritma

Ant Colony System dapat membuat

suatu TPS yang volume sampahnya

melbihi kapasitasnya, kemungkinan

dikunjungi lebih besar dari lainnya (

dapat dikunjungi lebih dulu).

Penyusunan penelitian ini diharapkan

dapat membantu mengatasi

permasalahan pengangkutan sampah di

Kota Bontang dan Saran dari pihak

manapun akan kami terima untuk

mengembangkan penelitian ini.

DAFTAR PUSTAKA

Deitel H.M, Deitel P.J and Nieto T.R.,

1999, Internet & Word Wide Web

How to Program, Prentice Hall.

Dorigo M. and Stützle T., 2004, Ant

Colony Optimization, BrandFord

Books.

Friedel D.H, Jr. and Potts A, 1996, JAVA

Programing Language Handbook,

Coriolis Group USA.

Huang Z.D., Liu X.J., Huang C.C., Shen

J.W., 2010, A GIS-based framework

for bus network optimization using

genetic algorithm, Annals of GIS 16

(3), 185-194.

Hartono, 2005, Penentuan Lokasi

Sekolah Dengan Pendekatan

Geografis, Yogyakarta : Universitas

Gadjah Mada.

Istikmal, Yuliant S., Ratna M., Tody

A.W., Ridha M.N, Kemas M.L.,

Tengku A.R, 2012, Sistem Informasi

Geografis Rifakes Kemenkes RI Studi

Kasus Kota Tasikmalaya, Seminar

Nasional Aplikasi Teknologi

Informasi (SNATI 2012), ISSN :

1907-5022, Yogyakarta

Jogiyanto, H.M., 2006, Analisis dan

Desain Sistem Informasi, Andi,

Yogyakarata.

Liu N., Huang B., and Chandramouli M.,

2006, Optimal Siting of Fire Stations

Using GIS and ANT Algorithm,

Journal of Computing in Civil

Engineering 20 (5), 361-369.

Maier H.R, Simpson A.R., Zecchin

A.C., Foong W.K., Phang K.Y., Seah

H.Y., and Tan C.L., 2003, Ant Colony

Optimization for Design of Water

Distribution Systems, Journal of

Water Resources Planning &

Management 129 (3), 200-209.




JURNAL 71

Mutakhiroh, I., Saptono, F., Hasanah,

N., dan Wiryadinata, R., 2007,

Pemanfaatan Metode Heuristik

Dalam Pencarian Jalur Terpendek

Dengan Algoritma Semut dan

Algoritma Genetik, Seminar Nasional

Aplikasi Teknologi Informasi, ISSN:

1907-5022, Yogyakarta.

Prahasta E.., 2005, Konsep-Konsep

Dasar Sistem Informasi Geografis,

Informatika, Bandung.

Pujisusilo dan Anjar N., 2008,

Perancangan Prototype Aplikasi

Berbasis Web Mobile Untuk

Memeberikan Layanan Akademik

Kepada Mahasiswa Melalui Internet,

Yogyakarta , Universitas Gadjah

Mada.

Sarhadi H. dan Ghoseiri K., 2010, An

ant colony system approach for fuzzy

traveling salesman problem with time

windows, International Journal of

Advanced Manufacturing Technology

50 (9-12), 1203-1215

Silvia, 2011, Geographic Information

System Technology, Revista Minelor /

Mining Revue (17), 7-13.

Svennerberg G., 2010, Beginning

Google Maps API 3, Apress.

Yuwono B., Aribowo A.S. dan Wardoyo

S.B., 2009, Implementasi Algoritma

Koloni Semut Pada Proses Pencarian

Jalur Terpendek Jalan Protokol Di

kota Yogyakarta, Seminar Nasional

Informatika, ISSN : 1979 – 2328,

Yogyakarta.

Documents

PERANCANGAN PROTOTYPE APLIKASI OPTIMALISASI …