Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 24, 2012
Abstrak
Dalam pembangunan sebuah proyek sering
kali terjadi penyelesaian proyek yang melebihi batas
waktu yang ditentukan, sehingga tidak jarang banyak
perusahaan yang mengalami kerugian akibat hal ini.
Pada penelitian sebelumnya telah dilakukan optimasi
GA untuk menentukan perencanaan jaringan baru
atau pengembangan jaringan pada proyek jaringan
pipa air bersih sehingga dapat diperoleh harga pipa
yang paling murah dan ekonomis. Pada penelitian ini
diajukan pendekatan baru dengan metode algoritma
genetika untuk melakukan optimasi penjadwalan
proyek jaringan pipa air bersih dari segi waktu
penyelesaian proyek. Algoritma genetika bekerja
dengan cara membentuk populasi awal dari
beberapa kromosom, mengevaluasi fungsi fitness,
melakukan seleksi pindah silang (crossover), dan
melakukan proses mutasi. Kromosom yang dibentuk
didasarkan pada kode-kode pekerjaan proyek
jaringan pipa air bersih, dengan nilai fitness berupa
durasi waktu penyelesaian proyek. Hasil dari
penelitian ini adalah diperoleh penjadwalan yang
optimum, terutama dari segi waktu dan jumlah
pekerja untuk pembangunan proyek jaringan pipa air
bersih.
Keywords: penjadwalan proyek, jaringan air bersih,
crossover, mutasi, fungsi fitness
1. Pendahuluan
Penjadwalan
proyek
bertujuan
untuk
menggambarkan rencana perjalanan proyek dalam
waktu tertentu agar sasaran yang ditetapkan dapat
dicapai secara efektif dan efisien berdasarkan sumber
daya yang ada, terutama waktu, biaya, dan sumber
daya manusia. Dalam rentang waktu tertentu,
semakin singkat waktu pelaksanaan proyek, semakin
besar biaya yang dibutuhkan untuk menyelesaikan
proyek yang sama. Namun sampai pada titik tertentu,
biaya pelaksanaan proyek akan meningkat dengan
semakin panjangnya waktu pelaksanaan. Selain itu,
proyek yang sama juga dapat diselesaikan dalam
waktu yang sama dengan biaya yang berbeda pula.
Dengan kata lain untuk durasi tertentu, proyek dapat
diselesaikan dengan biaya yang beraneka ragam
besarnya. Komponen utama dalam sebuah
penjadwalan proyek adalah kegiatan-kegiatan yang
ISBN: 978-602-9494-28-0
212
Penawar
an
Harga
Supply
Barang
Biaya
Suppl
y
Galia
n
Biaya
Galia
n
Pembentukan
Schedule
Proyek
Pasa
ng
Biaya
Pasang
Waktu Total
Waktu
Supply
Waktu
Galian
Juml
ah
Peker
ja
Waktu
Pasang
Waktu
Total
Optimasi GA
213
2.
3.
4.
5.
Pembentukan Kromosom
Dalam penjadwalan proyek setiap gen mewakili
satu kegiatan, dan posisi gen dalam kromosom
menunjukkan urutan pelaksanaan kegiatan. Karena
dalam pembentukan kromosom atau individu dari
gen-gen dalam algoritma genetika dilakukan secara
acak, sedangkan pada penjadwalan proyek ada saling
keterkaitan, maka dalam penjadwalan proyek
susunan gen yang membentuk kromosom harus
memenuhi persyaratan tertentu. Hal pertama yang
dilakukan dalam proses pembentukan kromosom
adalah melakukan random terhadap kode pekerjaan.
Sebagai contoh pada Gambar 3 merupakan hasil
random yang dibangkitkan dengan mengambil nilai
kode pekerjaan.
1
Proses Mutasi
Mutasi gen merupakan proses yang menukar dua
nilai gen yang satu dengan nilai gen yang lain. Setiap
individu mengalami mutasi gen dengan probabilitas
mutasi yang ditentukan. Mutasi dalam proses ini
menggunakan teknik swapping, yaitu teknik saling
menukarkan antara satu gen dengan gen yang lain
dalam satu individu. Berikut merupakan flowchart
dari proses mutasi. Untuk lebih jelasnya akan
ditampilkan diagram alir dari proses rekombinasi
crossover pada Gambar 4(a) dan proses mutasi pada
Gambar 4(b)
(a)
214
Gambar 6. Parameter GA
(b)
Gambar 4. Parameter Algoritma Genetika untuk (a)
Crossover dan (b) Mutasi
Hasil
Dari penelitian ini dihasilkan sebuah apliikasi
yang dapat membantu melakukan penjadwalan
proyek untuk meminimalisasi adanya kerugian, serta
diperoleh hasil yang optimal terutama dari segi
waktu. Langkah pertama yang dilakukan dalam
penggunaan aplikaasi ini adalah user dapat melihat
macam-macam daftar pekerjaan yang ada pada table
master sebagai acuan untuk pemilihan pekerjaan
dalam proyek jaringan air bersih. Untuk tampilan
beberapa list pekerjaan dari proyek jaringan pipa air
bersih di kawasan The Wood Citraland dapat dilihat
pada Gambar 5.
3.
Gen
erasi
ke 5
5
5
5
5
5
5
5
5
Prob.
Cross
Over
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
Prob
Mutasi
Jumlah
Kromosom
0.1
0.1
0.1
0.1
0.1
0.1
0.1
0.1
0.1
8
8
8
8
8
8
8
8
8
Jumlah
Popula
si
8
8
8
8
8
8
8
8
8
Fitness
Waktu
(hari)
53
54
54
50
54
56
54
54
56
Gen
erasi
ke 5
5
5
5
5
5
Prob.
Cross
Over
0.1
0.2
0.3
0.4
0.5
0.6
Prob.
Mutasi
Jumlah
Kromosom
0.3
0.3
0.3
0.3
0.3
0.3
8
8
8
8
8
8
Jumlah
Popula
si
8
8
8
8
8
8
Fitness
Waktu
(hari)
54
54
56
54
56
56
215
5
5
5
0.7
0.8
0.9
0.3
0.3
0.3
8
8
8
8
8
8
56
56
54
Prob.
Cross
Over
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
Prob.
Mutasi
Jumlah
Kromosom
0.2
0.2
0.2
0.2
0.2
0.2
0.2
0.2
0.2
8
8
8
8
8
8
8
8
8
Jumlah
Popula
si
8
8
8
8
8
8
8
8
8
Fitness
Waktu
(hari)
54
54
54
56
56
56
56
54
56
Prob.
CrossOve
r
Prob.
Mutas
i
Jumlah
Kromoso
m
Jumlah
Populas
i
10
10
10
10
10
10
10
10
10
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
0.3
0.3
0.3
0.3
0.3
0.3
0.3
0.3
0.3
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
4.
1.
2.
3.
4.
Fitnes
s
Wakt
u
(hari)
56
54
54
54
54
56
54
56
54
Diskusi
Dari percobaan di atas dapat dianalisa bahwa :
Untuk percobaan 1 nilai fitness terbaik adalah 50
hari dengan inputan probabilitas CrossOver dan
Mutasi masing-masing adalah 0.1 dan 04.
Untuk percobaan 2 fitness terbaik adalah 54 hari
dengan inputan probabilitas Mutasi adalah 0.3.
Untuk percobaan 3 fitness terbaik adalah 54 hari
dengan inputan probabilitas Mutasi adalah 0.2.
Untuk percobaan 4 fitness terbaik adalah 54 hari
dengan inputan probabilitas Mutasi adalah 0.3.
Kesimpulan
Pada keempat percobaan ini dapat disimpulkan
bahwa nilai fitness waktu terbaik atau penyelesaian
terbaik dari pekerjaan jaringan pipa air bersih adalah
selama 50 hari, dengan nilai probabilitas CrossOver
dan Mutasi masing-masing adalah 0.1 dan 0.4 dengan
jumlah populasi 8, jumlah kromosom 8, dan jumlah
iterasi sebanyak 5 kali. Namun dapat dikatakan hasil
ini juga kurang akurat sebab hasil perhitungan
melalui proses Algoritma Genetika sangatlah
berpengaruh pada hasil random dan iterasi. Apabila
dilakukan percobaan ulang, hasil yang diperoleh
sudah pasti dapat berubah-ubah, bahkan dapat
diperoleh hasil yang lebih baik atau lebih buruk.
Berdasarkan percobaan dan perbandingan hasil
optimasi GA dengan perhitungan manual yang nyata
di lapangan, sistem ini terbukti dapat menyelesaikan
masalah penjadwalan proyek jaringan air bersih,
sehingga didapatkan waktu pengerjaan proyek yang
optimal.
Untuk pengembangan aplikasi yang telah dibuat,
dibutuhkan beberapa penambahan sistem lebih lanjut
untuk ke depannya yang terdiri dari :
1. Kemungkinan untuk menambahkan waktu
komputasi dalam melakukan eksekusi pencarian
solusi terbaik, sehingga dapat melihat kecepatan
proses pencarian solusi terbaik.
2. Menambah sistem ini dengan sistem pemetaan
GIS untuk menentukan pemasangan jaringan
pipa yang optimal agar tidak terjadi penumpukan
atau tabrakan dalam pemasangan pipa.
3. Untuk pengembangan lebih lanjut dari sisi sistem
informasinya, aplikasi ini dapat diarahkan ke
aplikasi berbasis web.
216
Daftar Pustaka
[1] Chan, W., Chua, D.K.H. and Kannan, G., 1996,
Construction Resource Scheduling with Genetic
Algorithms, Journal of Construction Engineering
and Management 122(2) : 420-427.
[2] Chua, D. K. H., Chan, W. T. and Govindan, K.,
1997, A Time-Cost Trade-Off Model With
Resource
Consideration
Using
Genetic
Algorithm, Civil Engineering System 14: 291311.
[3] Faniran, O. O., Love, P. E. D. and Li, H., 1999,
Optimal Allocation of Construction Planning
Resources, Journal of Construction Engineering
and Management 125(5) : 311-319.
[4] Liu, C., Hammad, A., 1997, Multiobjective
Optimization of Bridge deck Rehabilitation
Using a Genetic Algorithm, Microcomputers in
Civil Engineering 12 : 431 443.
[5] Damayanti Ariesta, Penerapan Algoritma
Genetika untuk Menyelesaikan Resource
Constrained Project Scheduling Problem.
[6] Handayani, Anita. 2006. Optimasi Penjadwalan
Proyek dengan Keterbatasan Sumber Daya
Manusia menggunakan Algoritma Genetika
(Studi Kasus Proyek M000229 PT. PAL
Indonesia).
[7] Sandyavitri, Ari. 2008. Pengendalian dampak
Perubahan Desain Terhadap Waktu dan Biaya
Pekerjaan Konstruksi.
217