0

Contoh Penelitian Teknik Informatika (5)

Perbandingan Algoritma A* dan Algoritma Simplified Memory-Bounded A* (SMA*) dalam Penentuan Rute Pendistribusian Ice Cream Walls di Kota Bengkulu.

Disusun Oleh:

Zefy Arlinda

1. Pendahuluan

Pendistribusian hasil produksi merupakan hal yang sangat penting bagi perusahaan. Jalur pendistribusian yang dipilih hendaknya merupakan jalur terpendek yang dapat ditempuh. Jalur pendistribusian terpendek dapat menghemat anggaran dana perjalanan dan mempercepat waktu pendistribusian. Itulah mengapa ketepatan memilih jalur pendistribusian merupakan sesuatu yang harus diperhitungkan dengan baik. Begitu juga halnya dengan pendistribusian ice cream pada perusahaan Ice Cream Walls cabang Kota Bengkulu.

Pemilihan jalur pendistribusian terpendek dapat dibantu dengan menggunakan metode pencarian. Terdapat banyak metode pencarian yang telah diusulkan. Semua metode yang ada dibedakan menjadi dua jenis: pencarian buta atau tanpa informasi (blind atau un-informed search) dan pencaria heuristik atau dengan informasi (heuristic atau informed search). Metode-metode yang termasuk ke dalam teknik pencarian yang berdasarkan pada fungsi heuristik adalah: Generate and Test, Hill Climbing (Simple Hill Climbing  dan  Step-Ascent Hill Climbing), A*, Simplified Memory-Bounded A* (SMA*), dan Iterative Deepending A* (IDA*).

Algoritma A* (A Star) dapat menentukan rute terpendek dengan proses optimalisasi sehingga rute yang didapatkan merupakan rute yang optimum. Dalam notasi matematika dituliskan:

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

Pada Algoritma SMA* terdapat sebuah senarai queue yang digunakan untuk memanipulasi antrian simpul yang terurut berdasarkan f-cost,  disini yang dimaksud f-cost adalah gabungan biaya sebenarnya dan biaya perkiraan, yang secara matematika dinyatakan seperti notasi pada A* tetapi mengalami sedikit modifikasi yaitu f-cost=g(n) + h(n).

Adanya perbedaan algoritma A* dan algoritma Simplified Memory-Bounded A*  dalam menyelesaikan masalah membuat penulis tertarik untuk membandingkan keduanya. Membandingkan algoritma A* dan algoritma Simplified Memory-Bounded A* dalam kasus pencarian jalur terpendek pendistribusian Ice Cream Walls di Kota Bengkulu.

2. Perumusan Masalah

Rumusan masalah dalam penelitian ini adalah:

  1. Algoritma manakah yang lebih optimal antara algoritma A* dan Algoritma Simplified Memory-Bounded A* (SMA*) dalam mencari jalur terpendek pendistribusian Ice Cream Walls di Kota Bengkulu ditinjau dari jarak, jumlah iterasi dan rute pendistribusian?
  2. Bagaimana mengimplementasikan algoritma A* dan algoritma Simplified Memory-Bounded A* (SMA*) dalam mencari jalur terpendek pendistribusian Ice Cream Walls di Kota Bengkulu?

3. Batasan Masalah

Agar pembahasan dalam penelitian ini dapat dilakukan secara terarah dan sesuai dengan yang diharapkan, maka perlu diterapkan batasan-batasan permasalahan yang akan dibahas, antara lain:

  1. Penelitian ini hanya membandingkan optimasi hasil akhir dari metode A* dan Simplified Memory-Bounded A*  (SMA*) berdasarkan variabel jarak, jumlah iterasi dan rute pendistribusian.
  2. Aplikasi ini akan dibangun menggunakan bahasa pemrograman MATLAB.
  3. Model perancangan yang digunakan untuk menganalisis dan mendesain aplikasi ini adalah model perancangan Data Flow Diagram (DFD).

4. Tujuan Penelitian

Tujuan penelitian yang dicapai:

  1. Membandingkan efesiensi antara algoritma A* dan algoritma Simplified Memory-Bounded A* (SMA*)  dalam pencarian jalur terpendek.
  2. Membangun sebuah perangkat lunak algoritma A* dan algoritma Simplified      Memory-Bounded A* (SMA*) untuk mencari jalur terpendek untuk pendistribusian    Ice Cream Walls di Kota Bengkulu

5. Manfaat Penelitian

Manfaat penelitian yang dapat diambil adalah:

  1. Manfaat ilmiah
    • Mengetahui algoritma mana yang lebih optimal antara algoritma A* dan algoritma Simplified Memory-Bounded A* (SMA*).
    • Meningkatkan pemahaman tentang algoritma A* dan algoritma Simplified Memory-Bounded A* (SMA*) dalam pencarian jalur terpendek.

2.  Manfaat Praktis

Membantu perusahaan Ice Cream Walls atas persoalan pencarian jalur terpendek pendistribusian produk di Kota Bengkulu.

2

Contoh Penelitian Teknik Informatika (4)

Aplikasi Data Mining Untuk Menampilkan Informasi Pejualan Ice Cream Walls di Kota Bengkulu Menggunakan Metode A Priori

1. Pendahuluan
Pesatnya perkembangan teknologi informasi dewasa ini khususnya dalam aplikasi-aplikasi database yang diiringi dengan meningkatnya kapabilitas media penyimpanan yang semakin besar memungkinkan terjadinya akumulasi data dalam jumlah besar. Akumulasi data ini membentuk sebuah gudang data yang mengandung banyak informasi penting. Bila tidak digali, informasi penting yang terpendam di gudang data akan menjadi tidak berguna. Pemanfaatan gudang data yang ada untuk menggali informasi yang berguna membantu mengambil keputusan mendorong munculnya cabang ilmu baru. Cabang ilmu baru ini digunakan untuk mengatasi masalah penggalian informasi atau pola yang penting atau menarik dari data dalam jumlah besar, yang disebut dengan data mining.
Menurut Turban (dalam Kusrini dan Lutfi, 2009:3) ‘Data mining adalah suatu istilah yang digunakan untu menguraikan penemuan pengetahuan di dalam database. Data mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengektraksi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai database besar.’
Pemanfaatan teknik data mining diharapkan dapat memberikan informasi-informasi yang sebelumnya tersembunyi di dalam gudang data sehingga menjadi informasi yang berharga. Salah satu kelompok data mining berdasarkan tugas yang dapat dilakukan adalah asosiasi. Algoritma a priori termasuk jenis aturan asosiasi pada data mining. Analisis atau association rule mining merupakan teknik data mining untuk menemukan aturan asosiatif antara suatu kombinasi item. Contoh aturan asosiatif dari analisis pembelian di suatu pasar swalayan adalah dapat diketahuinya berapa besar kemungkinan seorang pelanggan membeli roti bersamaan dengan susu.
Dalam dunia perdagangan diperlukan sebuah kreativitas dan inovasi dari produsen agar penjualan produknya bisa ditingkatkan. Hal ini juga berlaku pada PT Roxy Prameswari sebagai produsen ice cream walls, jika tidak ada kreatifitas dan inovasi maka akan dapat menurunkan tingkat penjualan. Ada bermacam-macam cara untuk mensiasati agar produk yang dijual bisa meningkat dan diminati konsumen. Membuat aplikasi yang bisa membantu produsen meningkatkan penjualan produk merupakan cara yang bisa dilakukan. Salah satu caranya adalah memnfaatkan teknik data mining, dalam hal ini menggunakan algoritma a priori (asosiasi data mining).

2. Perumusan Masalah
Berdasarkan uraian pada latar belakang di atas, maka rumusan masalah dalam penelitian ini adalah bagaimana membangun aplikasi data mining untuk menghasilkan informasi yang berguna tentang hubungan tingkat penjualan ice cream walls dengan data ice cream walls yang dipasarkan di Kota Bengkulu. Informasi yang ditampilkan berupa nilai support dan confidence hubungan antara tingkat penjualan dengan data ice cream yang dipasarkan.

3. Batasan Masalah
Agar pembahasan dalam penelitian ini dapat dilakukan secara terarah dan sesuai dengan yang diharapkan, maka perlu diterapkan batasan-batasan permasalahan yang akan dibahas, antara lain:
a. Pada tugas akhir ini hanya menyajikan informasi tentang tingkat penjualan ice cream walls di Kota Bengkulu dengan
teknik data mining.
b. Informasi yang ditampilkan adalah nilai support dan confidence hubungan antara tingkat penjualan dengan data ice
cream walls yang dipasarkan di Kota Bengkulu.
c. Data yang digunakan adalah data ice cream walls yang dipasarkan di Kota Bengkulu.
d. Dalam tugas akhir ini tidak membahas pada hasil proses data mining dan analisis hasil yang keluar.

4. Tinjauan Pustaka
4.1.Data Mining

Data mining, sering juga disebut knowledge discovery in database KDD, adalah kegiatan yang meliputi pengumpulan, pemakaian data historis untuk menemukan keteraturan, pola atau hubungan dalam set data berukuran besar. Keluaran dari data mining ini dapat digunakan untuk memperbaiki pengambilan keputusan di masa depan. Sehingga istilah pattern recognition sekaragn jarag digunakan karena ia termasuk bagan dari data mining (Santosa, 2007:10).
Seiring dengan perkembangan teknologi, semakin berkembang pula kemampuan kita dalam menggumpulkan dan mengolah data. Penggunaan sistem komputerisasi dalam berbagai bidang baik itu dalam transaksi-transaksi bisnis, maupun untuk kalangan pemerintah dan sosial, telah menghasilkan data yang berukuran sangat besar. Data-data yang terkumpul ini merupakan suatu tambang emas yang dapat digunakan sebagai informasi dalam dunia bisnis. Aplikasi basis data telah banyak diterapkan dalam berbagai bidang, antara lain bidang manajemen, manajemen data untuk industri, ilmu pegetahuan, administrasi pemerintah dan bidang-bidang lainnya. Akibatnya data yang dihasilkan oleh bidang-bidang tersebut sangatlah besar dan berkembang dengan cepat.
Hal ini menyebabkan timbulnya kebutuhan terhadap teknik-teknik yang dapat melakukan pengolahan data sehingga dari data-data yang ada dapat diperoleh informasi penting yang dapat digunakan untuk perkembangan masing-masing bidang tersebut. Istilah data mining sudah berkembang jauh dalam mengadaptasi setiap bentuk analisa data. Pada dasarnya data mining berhubungan dengan analisa data dan penggunaan teknik-teknik perangkat lunak untuk mencari pola dan keteraturan dalam himpunan data yang sifatnya tersembunyi.
Informasi-informasi yang berguna dipeoleh dari data-data yang ada, hubungan antara item dalam transaksi, maupun informasi informasi-yang potensial, selanjutnya dapat diekstrak dan dianalisa dan diteliti lebih lanjut dari berbagai sudut pandang. Informasi yang ditemukan ini selanjutnya dapat diaplikasi kan untuk aplikasi manajemen, melakukan query processing, pengambilan keputusan dan lain sebagainya. Dengan semakin berkembangnya kebutuhan akan informasi-informasi, semakin banyak pula bidang-bidang yang rnenerapkan konsep data mining.
4.2.Algoritma A Priori
Algoritma a priori termasuk jenis aturan asosiasi pada data mining. Selain a priori yang termasuk pada golongan ini adalah metode Generalized Rule Induction dan Algoritma Hash Based. Aturan yang menyatakan asosiasi antara beberapa atribut sering disbut affinity analysis atau market basket analysis. Analisis asosiasi atau association rule adalah teknik data mining untuk menemukan aturan asosiatif antara suatu kombninasi item.
Algoritma Apriori yang bertujuan untuk menemukan frequent itemsets dijalankan pada sekumpulan data. Analaisis A priori didefenisikan suatu proses untuk menemukan semua aturan a priori yang memenuhi syarat minimum untuk support dan syarat minimum untuk confidence. Support adalah nilai penunjang, atau persentase kombinasi sebuah item dalam database. Rumus support sebagai berikut:

Support (A) = (jumlah transaksi mengandung A/Total transaksi) x 100%.

Sedangkan confidence adalah nilai kepastian yaitu kuatnya hubungan antar item dalam sebuah apriori. Confidence bisa dicari setelah pola frekuensi munculnya sebuah item ditemukan.

5. Tujuan Penelitian
Berdasarkan latar belakang di atas tujuan penelitian ini adalah mendapatkan informasi yang berguna tentang tingkat penjualan ice cream walls di Kota Bengkulu dengan teknik data mining.

6. Manfaat Penelitian
Manfaat penelitian yang dapat diambil adalah:
1. Penulis dapat lebih mengetahui cara menerapkan ilmu-ilmu yang telah dipelajari selama ini dalam merancang dan
membuat aplikasi sistem dengan teknik data mining.
2. Menyajikan informasi tentang hubungan tingkat penjualan dengan data ice cream walls di Kota Bengkulu.
3. Pihak PT Roxy Prameswari dapat mengetahui tingkat penjualan ice cream dan mengetahui faktor yang mempengaruhi
tingkat penjualan ice cream walls di Kota Bengkulu.

7. Metode Penelitian
7.1. Jenis Penelitian
Penelitian yang akan dilakukan ini menggunakan metode penelitian terapan karena tujuan penelitian ini adalah menerapkan metode data mining dalam menghasilkan suatu aplikasi yang dapat membantu dalam mengetahui tingkat penjualan ice cream walls di Kota Bengkulu. “Penelitian terapan dilakukan dengan tujuan menerapkan, menguji, dan mengevaluasi kemampuan suatu teori yang diterapkan dalam memecahkan masalah-masalah praktis” (Sugiyono, 2002:2).
7.2. Teknik Pengumpulan Data
Teknik pengumpulan data dalam penelitian ini adalah teknik dokumentasi. Pada teknik dokumentasi data-data yang berkenaan dengan penelitian didapat dengan cara mengumpulkan data-data yang sudah ada di PT Roxy Prameswari.
7.3.Alat Bantu Pengembangan Sistem
Alat bantu yang digunakan dalam penelitian ini adalah:
1. UML (Unified Modeling Language).
2. Perangkat keras yang akan digunakan dalam penelitian ini adalah satu unit laptop dengan spesifikasi:
Processor : Intel (R) Core (TM) 2 Duo CPU T5870 @2.00 GHz.
Memori : 1 GB of RAM
Harddisk : 250 GB
3. Perangkat lunak yang akan digunakan adalah:
Windows 7 Ultimate
Delphi 8
Microsoft Office Visio 2003 untuk perancangan form aplikasi.

DAFTAR PUSTAKA

Guritno, Suryo., dkk. 2011. Theory and Application of IT Research. Yogyakarta: Andi.

Kusrini dan Luthfi, E.T. 2009. Algoritma Data Mining. Yogyakarta: Andi

Santosa, Budi. 2007. Data Mining: Teknik Pemanfaatan Data Untuk Keperluan Bisnis. Yogyakarta: Graha Ilmu.

0

Contoh Penelitian Teknik Informatika (3)

PENGENALAN POLA PENYAKIT PASIEN PADA RUMAH SAKIT UMUM DAERAH dr. M.YUNUS BENGKULU UNTUK PENENTUAN RESTOCK OBAT PADA APOTEK

Oleh: Zefy Arlinda

 

1.1.            Latar Belakang

Pesatnya perkembangan teknologi informasi dewasa ini khususnya dalam aplikasi-aplikasi database yang diiringi dengan meningkatnya kapabilitas media penyimpanan yang semakin besar memungkinkan terjadinya akumulasi data dalam jumlah besar. Akumulasi data ini membentuk sebuah gudang data yang mengandung banyak informasi penting. Bila tidak digali, informasi penting yang terpendam di gudang data akan menjadi tidak berguna. Pemanfaatan gudang data yang ada untuk menggali informasi yang berguna membantu mengambil keputusan mendorong munculnya cabang ilmu baru. Cabang ilmu baru ini digunakan untuk mengatasi masalah penggalian informasi atau pola yang penting atau menarik dari data dalam jumlah besar, yang disebut dengan data mining.

Menurut Turban (dalam Kusrini dan Lutfi, 2009:3) ‘Data mining adalah suatu istilah yang digunakan untu menguraikan penemuan pengetahuan di dalam database. Data mining adalah proses yang menggunakan  teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengektraksi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai database besar.’

Pemanfaatan teknik data mining diharapkan dapat memberikan informasi-informasi yang sebelumnya tersembunyi di dalam gudang data sehingga menjadi informasi yang berharga. Teknik data mining dapat digunakan pada berbagai macam bidang ilmu, termasuk ilmu kesehetan. Pengenalan pola penyakit pasien pada RSUD dr. M. Yunus Bengkulu untuk menentukan restock obat yang seharusnya disediakan pada apotek rumah sakit merupakan suatu masalah yang menarik untuk dikerjakan dengan teknik data mining.

Data pasien dan jenis penyakit yang diderita oleh pasien pada sebuah rumah sakit tentu berbeda-beda, begitu pula yang terjadi pada pasien RSUD dr. M. Yunus Bengkulu. Perbedaan penyakit yang diderita oleh pasien mempengaruhi penentuan obat apa yang harus digunakan. Hal ini membuat apotek di rumah sakit harus menyediakan berbagai macam jenis obat dengan jumlah dan jenis yang sesuai dengan kebutuhan pasien. Tidak hanya data dan jenis penyakit pasien yang berbeda,  jenis penyakit yang muncul di tiap waktu pun berbeda-beda. Ini artinya persediaan obat pada apotek rumah sakit juga berbeda pada tiap waktu. Untuk menetukan restock obat pada apotek rumah sakit diperlukan pengenalan pola penyakit pasien pada rumah sakit tersebut.

Aplikasi penentuan restock obat mendukung instruksi Presiden (Inpres) No. 3 tahun 2010 tentang Program Pembangunan yang Berkeadilan. Obat adalah salah satu kebutuhan dasar dalam meningkatkan derajat kesehatan masyarakat dan merupakan barang publik yang perlu dijamin ketersediannya dalam upaya pemenuhan pelayanan kesehatan.

1.2.            Rumusan Masalah

Berdasarkan uraian pada latar belakang di atas, maka rumusan masalah dalam penelitian ini adalah bagaimana membangun aplikasi data mining untuk mengetahui pola penyakit pasien pada Rumah Sakit dr. M. Yunus Bengkulu yang nantinya dapat berguna untuk penentuan restock obat pada apotek.

 1.3.            Batasan Masalah

Agar pembahasan dalam penelitian ini dapat dilakukan secara terarah dan sesuai dengan yang diharapkan, maka perlu diterapkan batasan-batasan permasalahan yang akan dibahas, antara lain:

  1. Data pasien yang digunakan dalam penelitian ini adalah data pasien rumah sakit dr. M. Yunus Bengkulu dari tahun 2007 sampai tahun 2010.
  2. Perancangan aplikasi menggunakan pendekatan berorientasi objek dengan metode Unified Modeling Language (UML).

1.4.            Tujuan

Berdasarkan latar belakang di atas tujuan penelitian ini adalah mengetahui pola penyakit pasien pada Rumah Sakit dr. M. Yunus Bengkulu untuk penentuan restock obat pada apotek.

1.5.            Manfaat

Manfaat penelitian yang dapat diambil adalah:

  1. Pihak rumah sakit  dapat mengetahui pola penyakit pasien di rumah sakit dr. M. Yunus Bengkulu.
  2. Pihak rumah sakit dapat menetukan restock obat pada apotek rumah sakit berdasarkan pola penyakit yang didapat.

Penulis dapat lebih mengetahui cara menerapkan ilmu-ilmu yang telah dipelajari selama ini dalam merancang dan membuat aplikasi sistem dengan teknik data mining.

0

Contoh Penelitian Teknik Informatika (2)

Aplikasi Data Mining Untuk Menampilkan Informasi Kecelakaan Lalu Lintas di Kota Bengkulu Menggunakan Metode A Priori

By Zefy Arlinda

 

1.1.            Latar Belakang

Pesatnya perkembangan teknologi informasi dewasa ini khususnya dalam aplikasi-aplikasi database yang diiringi dengan meningkatnya kapabilitas media penyimpanan yang semakin besar memungkinkan terjadinya akumulasi data dalam jumlah besar. Akumulasi data ini membentuk sebuah gudang data yang mengandung banyak informasi penting. Bila tidak digali, informasi penting yang terpendam di gudang data akan menjadi tidak berguna. Pemanfaatan gudang data yang ada untuk menggali informasi yang berguna membantu mengambil keputusan mendorong munculnya cabang ilmu baru. Cabang ilmu baru ini digunakan untuk mengatasi masalah penggalian informasi atau pola yang penting atau menarik dari data dalam jumlah besar, yang disebut dengan data mining.

Menurut Turban (dalam Kusrini dan Lutfi, 2009:3) ‘Data mining adalah suatu istilah yang digunakan untu menguraikan penemuan pengetahuan di dalam database. Data mining adalah proses yang menggunakan  teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengektraksi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai database besar.’

 Pemanfaatan teknik data mining diharapkan dapat memberikan informasi-informasi yang sebelumnya tersembunyi di dalam gudang data sehingga menjadi informasi yang berharga. Salah satu kelompok data mining berdasarkan tugas yang dapat dilakukan adalah asosiasi. Algoritma a priori termasuk jenis aturan asosiasi pada data mining. Analisis atau association rule mining merupakan teknik data mining untuk menemukan aturan asosiatif antara suatu kombinasi item. Contoh aturan asosiatif dari analisis pembelian di suatu pasar swalayan adalah dapat diketahuinya berapa besar kemungkinan seorang pelanggan membeli roti bersamaan dengan susu. Aturan asosiatif tidak hanya dapat digunakan untuk menganalisis pembelian saja, tetapi juga untuk penganalisisan gudang data lainnya termasuk data kecelakaan lalu lintas di Kota Bengkulu.

Berdasarkan data dari Dinas Kesehatan Provinsi Bengkulu Tahun 2008, sepanjang tahun 2007 di Propinsi Bengkulu tercatat 4.743 kejadian kecelakaan, dengan jumlah kejadian kecelakaan terbesar di Kota Bengkulu yaitu sebanyak 1.478 kali dan yang terendah adalah di Kabupaten Rejang Lebong dengan kejadian kecelakaan sebanyak 36 kali. Pada tahun 2007 jumlah korban akibat kecelakaan adalah sebanyak 3.988 orang dengan korban meninggal sebanyak 339 orang (8,50%), luka berat sebanyak 797 orang (19,98%), luka ringan sebanyak. 852 orang (71,51%). Angka korban kecelakaan lalu lintas per 100.000 penduduk di Provinsi Bengkulu pada tahun 2007 adalah sebesar 246,68. Oleh karena itu penulis tertarik untuk memanfaatkan data kecelakaan lalu lintas dan data korban kecelakaan lalu lintas, sehingga dapat diketahui informasi tingkat kecelakaan lalu lintas di provinsi Bengkulu melalui teknik data mining.

1.2.            Rumusan Masalah

Berdasarkan uraian pada latar belakang di atas, maka rumusan masalah dalam penelitian ini adalah bagaimana membangun aplikasi data mining untuk menghasilkan informasi yang berguna tentang hubungan tingkat kecelakaan dengan data korban kecelakaan lalu lintas di Kota Bengkulu. Informasi yang ditampilkan berupa nilai support dan confidence hubungan antara tingkat kecelakaan dengan data korban kecelakaan.

1.3.            Batasan Masalah

Agar pembahasan dalam penelitian ini dapat dilakukan secara terarah dan sesuai dengan yang diharapkan, maka perlu diterapkan batasan-batasan permasalahan yang akan dibahas, antara lain:

  1. Pada tugas akhir ini hanya menyajikan informasi tentang tingkat kecelakaan lalu lintas di Kota Bengkulu dengan teknik data mining.
  2. Informasi yang ditampilkan adalah nilai support dan confidence hubungan antara tingkat kecelakaan dengan data korban kecelakaan lalu lintas.
  3. Data yang digunakan adalah data korban  kecelakaan lalu lintas di Kota Bengkulu.
  4. Dalam tugas akhir ini tidak membahas pada hasil proses data mining dan analisis hasil yang keluar.

1.4.            Tujuan

Berdasarkan latar belakang di atas tujuan penelitian ini adalah mendapatkan informasi yang berguna tentang tingkat kecelakaan lalu lintas di Kota Bengkulu dengan teknik data mining.

1.5.            Manfaat

Manfaat penelitian yang dapat diambil adalah:

  1. Penulis dapat lebih mengetahui cara menerapkan ilmu-ilmu yang telah dipelajari selama ini dalam merancang dan membuat aplikasi sistem dengan teknik data mining.
  2. Menyajikan informasi tentang hubungan tingkat kecelakaan dengan data korban kecelakaan.
  3. Pihak polisi lalu lintas dapat mengetahui tingkat kecelakaan lalu lintas dan mengetahui faktor yang mempengaruhi tingkat kecelakaan lalu lintas di Kota Bengkulu.
0

Contoh Penelitian Teknik Informatika (1)

PERBANDINGAN ALGORITMA GENETIKA STEADY-STATE DAN GENERATIONAL REPLACEMENT PADA OPTIMASI PRODUKSI MAKANAN KHAS BENGKULU

(Studi Kasus: Optimasi Produksi Makanan Khas Bengkulu di Perusahaan ENDE)

Oleh: Zefy Arlinda

BAB I

PENDAHULUAN

 

1.1.            Latar Belakang

Sejak dahulu masyarakat Indonesia telah memiliki makanan khas yang paling cocok dengan kondisi daerah serta menjadi kebiasaan makan daerah tertentu. Perbedaan selera akan makanan membuat setiap daerah memiliki makanan khas masing-masing. Dalam perkembangannya, makanan tradisional atau khas suatu daerah tidak hanya menjadi makanan sehari-hari tetapi juga menjadi aset industri makanan dan wisata yang tidak dapat diabaikan, industri pariwisata belum lengkap tanpa adanya kuliner khas daerah yang disajikan di tempat wisata tujuan. Para wisatawan yang  berkunjung ke suatu daerah tentu saja akan mencari makanan khas daerah wisata tersebut. Hal ini memicu tumbuhnya industri-industri makanan khas daerah, termasuk di Bengkulu. Beberapa industri makanan khas Bengkulu adalah Sari Rasa, Naga Rasa, Ratu Samban, Cita Rasa, dan ENDE. Makanan yang diproduksi diantaranya perut punai, kue tat, manisan terong, lempuk, siput wijen, keripik rafflesia, dan kerupuk bawang.

Ternyata makanan khas Bengkulu tidak hanya diminati oleh warga Bengkulu dan wisatawan yang datang ke Bengkulu  tetapi juga masyarakat luar negeri. Makanan khas Bengkulu produksi ENDE telah mendapat pesananan dari negeri China (http://www.langitperempuan.com/2008/10/agar-tidak-punah-kue-kue-khas-bengkulu-dibuat-renyah-dikunyah/). Pesanan yang datang dari negeri jauh ini merupakan sinyal, bahwa industri makanan khas Bengkulu memiliki masa depan yang menjanjikan untuk digarap dengan serius. Permintaan konsumen yang bervariasi dan adanya kompetitor membuat perusahaan harus mengoptimalkan produksi. Perusahaan harus kreatif dan mengerti keinginan pasar. Perusahaan harus bisa menentukan jumlah dan jenis makanan yang diproduksi sehingga dapat memaksimalkan keuntungan.

Permasalahan optimasi keuntungan menjadi sebuah permasalahan baru karena banyaknya kemungkinan dan kombinasi solusi yang berkembang seiring meningkatnya tugas dan sumber daya serta munculnya fungsi tujuan yang baru. Pencarian solusi atas permasalahan optimasi dapat diselesaikan dengan pendekatan heuristik. Pendekatan ini merupakan pendekatan pencarian solusi atas permasalahan yang ada dengan menggunakan pengetahuan yang didapat pada pencarian sebelumnya. “Pada pencarian heuristik ada beberapa metode yang sudah mulai dikembangkan, antara lain: generate and test, hill climbing, Tabu Search, simulated annealing, algoritma genetika dan algoritma semut (Kusumadewi dan Purnomo, 2005:2).

Algoritma genetika merupakan algoritma yang dapat digunakan untuk membantu optimasi. Algoritma genetika adalah algoritma pencarian yang berdasarkan pada mekanisme sistem natural yakni genetik dan seleksi alam. Terdapat dua variasi algoritma genetika, yaitu: Steady State dan Generational Replacement. Pada algoritma genetika yang berjenis Stedy State, proses replacement dilakukan setiap kali dihasilkan dua offspring hasil crossover. Offspring menggantikan kromosom yang nilai fitness-nya paling kecil. Dengan demikian, populasi baru yang dihasilkan selalu memiliki individu-individu yang lebih baik dibandingkan populasi lama (Suyanto, 2011:207).

Adanya perbedaan algoritma genetika Steady State dan Generational Replacement dalam menyelesaikan masalah membuat penulis tertarik untuk membandingkan keduanya.  Membandingkan algoritma genetika Steady State dan Generational Replacement dalam kasus optimasi produksi makanan khas Bengkulu.

Penelitian terkait mengenai algoritma genetika ini adalah penelitian yang dikembangkan oleh Flora Apriani Jurusan Teknik Informatika, Universitas Bengkulu Tahun 2009 yang berjudul IMPLEMENTASI ALGORITMA GENETIKA PADA OPTIMASI PRODUKSI PERUSAHAAN ROTI. Sistem ini dibuat untuk mencari solusi optimal atas proses produksi perusahaan Surya Bakery. Aplikasi ini dibuat menggunakan MATLAB 7.0.1 dan metode pengembangan yang digunakan adalah UML (Unified Modeling Language). Algoritma genetika yang digunakan pada aplikasi ini masih secara umum, belum dijelaskan spesifikasi algoritma yang digunakan.

1.2.            Rumusan Masalah

Berdasarkan uraian pada latar belakang di atas, maka rumusan masalah dalam penelitian ini adalah:

  1. Bagaimana perbandingan antara Algoritma Genetika Steady State dan Generational Replacement dalam mencari solusi optimal pada masalah optimasi produksi makanan khas Bengkulu?
  2. Bagaimana mengimplementasikan Algoritma Genetika Steady State dan Generational Replacement dalam mencari solusi optimal pada problem optimasi perusahaan makanan khas Bengkulu dengan menggunakan MATLAB 7.12.0?

1.3.            Batasan Masalah

Agar pembahasan dalam penelitian ini dapat dilakukan secara terarah dan sesuai dengan yang diharapkan, maka perlu diterapkan batasan-batasan permasalahan yang akan dibahas, antara lain:

  1. Penelitian ini hanya membandingkan optimasi hasil akhir dari Algoritma Genetika Steady State dan Generational Replacement berdasarkan variabel ketersediaan bahan baku, jumlah pemakaian bahan, keuntungan satuan kotak makanan, dan jenis makanan yang diproduksi oleh perusahaan ENDE.
  2. Model perancangan yang digunakan untuk menganalisis dan mendesain aplikasi ini adalah model perancangan Data Flow Diagram (DFD).

1.4.            Tujuan

Berdasarkan latar belakang di atas tujuan penelitian ini adalah:

  1. Mengetahui perbandingan antara Algoritma Genetika Steady State dan Generational Replacement dalam pencarian solusi optimal pada masalah optimasi produksi makanan khas Bengkulu.
  2. Mengimplementasikan Algoritma Genetika Steady State dan Generational Replacement dalam mencari solusi optimal pada problem optimasi perusahaan makanan khas Bengkulu dengan menggunakan MATLAB 7.12.0.

1.5.            Manfaat

Manfaat penelitian yang dapat diambil adalah:

  1. Manfaat ilmiah

1)      Mengetahui algoritma mana yang lebih optimal antara Algoritma Genetika Steady State dan Generational Replacement.

2)      Meningkatkan pemahaman tentang Algoritma Genetika Steady State dan Generational Replacement dalam mencari solusi optimal atas persoalan optimasi produksi perusahaan makanan khas Bengkulu.

2. Manfaat praktis

Membantu perusahaan makanan khas Bengkulu (perusahaan ENDE) atas persoalan optimasi produksi perusahaan sehingga diperoleh kombinasi terbaik untuk jumlah dan jenis makanan yang diproduksi.

…………………….btw, maaf ya tulisannya kurang rapi, gara-gara jarang ngeblog di sini banyak fitur yang hilang heheheeee………………..