PENERAPAN ALGORITMA RANK BASED ANT SYSTEM (ASrank) PADA

OPTIMASI PENJADWALAN SUMBER DAYA PROYEK

Aruna Anggayasti P.1, Warih Maharani2, Adiwijaya3

1,2
Departemen Teknik Informatika Institut Teknologi Telkom, Bandung
1
runrun87@gmail.com, 2wrh@itttelkom.ac.id, 3adw@ittelkom.ac.id

Abstrak
Pada bidang bisnis dan industri, manajemen proyek merupakan suatu kegiatan untuk mengatur waktu,
material, personil dan biaya untuk menyelesaikan suatu proyek tertentu. Satu tahap yang penting pada
proses perencanaan proyek adalah penjadwalan sumber daya proyek. Merencanakan penggunaan
sumber daya agar menjadi efisien adalah tugas yang kompleks. Tujuan dari proses ini adalah
mendistribusikan penggunaan sumber daya agar merata atau dengan kata lain meminimalkan
fluktuasinya. Metode untuk menghasilkan solusi dari permasalah itu disebut dengan Resource Leveling.
Sampai saat ini, para peneliti telah menggunakan beberapa pendekatan untuk menghasilkan solusi
yang optimal dari permasalahan tersebut. Pada Penelitian ini, dibahas penerapan algoritma Ant Colony
Optimization (ACO), khususnya Rank Based Ant System (ASrank), pada optimasi penjadwalan sumber
daya proyek. Keefektifan algoritma ini didemonstrasikan dengan beberapa studi kasus. Dari test yang
telah dilakukan menunjukkan bahwa pendekatan ini dapat memberikan solusi yang bagus dengan
fluktuasi yang minimal.

Kata kunci : penjadwalan sumber daya proyek, fluktuasi, Resource Leveling, ACO, ASrank

Abstract
Project management in the business and industry fields is defined as managing and directing time,
material, personnel, and costs to complete a particular project. One important phase in the project
planning is project resource scheduling. Planning the efficient use of resources is a complex task. The
purpose is to create a smoother distribution of resource usage i.e. to minimize the fluctuation of the
resource usage. The resource leveling is used to produce a solution to the problem.
So far, researchers test several heuristic in order to produce the optimal solutions of the problem.
In this research, we discuss an implementation of the Ant Colony Optimization (ACO), especially Rank
Based Ant System (ASrank), on the optimization of project resource scheduling. The effectiveness of this
heuristic is demonstrated with case studies. Preliminary test shows that this approach can give a good
solution with minimal fluctuation.

Keywords: project resource scheduling, fluctuation, resource leveling, ACO, ASrank

1. Pendahuluan Kegiatan yang dapat digeser adalah

Bidang manajemen proyek tumbuh dan
berkembang karena adanya kebutuhan dalam dunia
industri modern untuk mengkoordinasi dan
mengendalikan berbagai kegiatan yang kian
kompleks.
Kebutuhan sumber daya untuk masing-
masing satuan waktu bisa berbeda, sehingga ada
kemungkinan terjadi fluktuasi kebutuhan sumber
daya. Fluktuasi ini berpengaruh terhadap anggaran,
karena adanya waktu dimana sumber daya tidak
diberdayakan sedangkan biaya tetap keluar atau
adanya penambahan intensitas perekrutan dan
pemberhentian sumber daya yang cukup
membutuhkan biaya. Oleh karena itu fluktuasi yang
tinggi selama perjalanan proyek harus dihindari,
dengan kata lain diperlukan perataan penggunaan
sumber daya (resource-leveling) sepanjang waktu
proyek agar perencanaan anggaran dapat
diminimalkan.
kegiatan yang memiliki slack. Slack merupakan
waktu yang dapat digunakan untuk menggeser-geser
kegiatan tanpa mempengaruhi waktu penyelesaian
keseluruhan. Jika dalam jadwal tersebut mempunyai
banyak slack, maka kombinasi antar kegiatan akan
menghasilkan jadwal yang banyak. Terutama proyek
yang memiliki kegiatan yang banyak, kompleks dan
meliputi bermacam sumber daya, perlu dikerjakan
dengan bantuan metode AI untuk menemukan
jadwal terbaik dengan fluktuasi minimum dari ruang
solusi yang banyak tersebut. Sedangkan pada
penelitian ini digunakan algoritma semut untuk
melakukan optimasi.

1
 direpresentasikan dengan vector (s1, s2,… sn) dimana
si adalah Start Time dari aktivitas j . Jika si
adalah Start Time dari aktivitas i maka fi = si + di
adalah Finishing Time aktivitas tersebut.
Sebuah jadwal dikatakan feasible jika
memenuhi constraint sebagai berikut: i) aktivitas
j tidak boleh dimulai sebelum semua aktivitas
yang menjadi predecessornya selesai, sehingga sj ≥
si + di untuk setiap si Pj , dan ii) batas waktu
pengerjaan proyek harus terpenuhi. Misalkan T
adalah waktu maksimal proyek tersebut
diselesaikan, maka fj < T untuk setiap j .

4. Representasi Graph

Model graph yang digunakan dalam

Gambar 1 Flow Chart Sistem Optimasi penjadwalan sumber daya proyek ini dapat dilihat
Penjadwalan Sumber Daya Proyek dengan pada gambar berikut:
Algoritma Semut

Metodologi yang digunakan dalam

penulisan penelitian ini adalah studi literatur, analisa
dan perancangan, implementasi, pengujian aplikasi,
analisis hasil pengujian dan kesimpulan.

2. Rank-Based Ant System (ASrank)

ASrank merupakan pengembangan dari AS dan

menerapkan elitist strategy. Pada setiap iterasi,
metode ini lebih dahulu mengurutkan semut Gambar 2 Representasi Masalah Penjadwalan
berdasarkan tingkat fluktuasi solusi yang telah Sumber Daya Proyek dalam Graph
mereka temukan sebelumnya. Saat melakukan
update pheromone hanya (w-1) semut terbaik dan Untuk menyusun sebuah solusi atau jadwal,
semut yang memiliki best-so-far solusi yang semut akan bergerak dari start node ke end node dan
diperbolehkan meninggalkan pheromone. Semut mengunjungi semua aktivitas pada proyek tersebut.
yang ke-r terbaikmemberikan kontribusi pheromone Pada graph tersebut, masing-masing node (kecuali
sebesar max{0, w-r} sementara jalur best-so-far start dan end node) merupakan solusi parsial dari
memberikan kontribusi pheromone paling besar solusi yang hendak dibangun. Masing-masing edge
yaitu sebanyak w. Rumus update pheromone nya menunjukkan transisi dari node satu ke node yang
pun berbeda dengan AS, seperti yang ditunjukkan di lain dan kekuatan jejak pheromone yang
bawah ini: diasosiasikan pada setiap node dianalogikan dengan
kecenderungan semut menempatkan Start Time s
τ t n 1 τ t ∑ w r . τ t pada aktivitas j. Semut hanya mengeksplorasi Start
Time yang feasible, yaitu diantara Earliest Start
w. τijgbt (1)
Time (EST) dan Latest Start Time (LST) aktivitas
tersebut.
Dimana τ t 1/ dan τ t
1/

3. Karakteristik Masalah Penjadwalan Sumber

Daya Proyek

Secara formal, J={1,2,…n} menyatakan

himpunan aktivitas dari sebuah proyek. R adalah
himpunan berbagai jenis sumber daya. Setiap
aktivitas j memiliki durasi waktu pengerjaan di Gambar 3 Representasi Solusi dalam Graph
dan kebutuhan sumber daya rj,1,rj,2,…rj,k. dimana rj,i
adalah kebutuhan sumber daya i untuk aktivitas j. Gambar 3 merepresentasikan solusi yang
Misalkan Pj adalah himpunan predecessor ditemukan dalam bentuk graph. Solusi yang
aktivitas j. Jadwal dari sebuah proyek digambarkan diatas berarti sebagai berikut: aktivitas

2
A dikerjakan pada saat ESTA+1, aktivitas B Sebuah grafik dikatakan quasi-concave
dikerjakan pada ESTB dan seterusnya. apabila nilai t0 (level puncak), untuk setiap nilai t <
t0, nilai Ut tidak pernah menurun, sedangkan untuk
5. Fungsi Heuristik setiap t > t0, nilai Ut tidak pernah menaik.
Maka fluktuasi pada grafik sumber daya
Informasi heuristik yang digunakan semut saat proyek adalah sejumlah sumber daya yang tidak
membangun solusi juga sangat penting, informasi ini digunakan setiap waktunya. Hal tersebut seperti
membantu pencarian semut dengan mendefinisikan ditunjukkan pada gambar di bawah ini:
permasalahan terlebih dahulu. Informasi heuristik
haruslah simpel dan mudah dihitung.
Seperti dijelaskan sebelumnya, setiap node pada
graph merepresentasikan suatu Start Time s. Untuk
permasalahan Penjadwalan Sumber Daya Proyek,
informasi heuristik di setiap node didefinisikan
sebagai jumlah aktivitas yang menjadikan node
tersebut sebagai Start Time yang feasible bagi
dirinya. Semakin sedikit aktivitas yang ‘memiliki’,
semakin menarik node tersebut dilalui oleh semut.
Gambar 6 Grafik dengan Sejumlah Sumber Daya
η (2) yang Tidak Digunakan
∑ ,

6. Fungsi Fluktuasi Namun, dengan informasi quasi concave

saja tidak cukup untuk mendapatkan grafik yang
Kebutuhan sumber daya yang diharapkan pada paling optimal. Sehingga penulis juga menambahkan
setiap harinya adalah konstan sepanjang berjalannya informasi level puncak kebutuhan sumber daya. Hal
proyek. Sebagai contoh, apabila jenis sumber daya lain yang perlu diperhatikan adalah jika suatu proyek
adalah pekerja, biaya untuk memperkerjakan atau membutuhkan lebih dari satu jenis sumber daya,
memberhentikan akan cukup signifikan. maka fluktuasi merupakan penjumlahannya.
Penulis menggunakan definisi fluktuasi Sehingga fungsi fluktuasi adalah akumulasi dari
yang digunakan oleh Szendroi [17]. Yaitu bahwa pemborosan sumber daya dan level puncak
grafik yang berfluktuasi adalah grafik yang tidak kebutuhan sumber daya, yang dapat dirumuskan
quasi concave. Perbedaan antara grafik yang quasi sebagai berikut:
concave dan yang tidak ditunjukkan pada gambar di
bawah ini: ∑ ∑ | | max
(3)
Ut
dimana R adalah himpunan jenis sumber daya, T
5 adalah batas waktu pengerjaan proyek, x adalah
4 sumber daya yang quasi concave dan y adalah
kebutuhan sumber daya sesuai yang telah
3
dijadwalkan. Maka | | adalah pemborosan
2
sumber daya, dan max adalah level puncak
1 kebutuhan sumber daya.
1 2 3 4 5 6 7 8 9 t
7. Hasil Percobaan
Gambar 4 Grafik yang tidak quasi-concave
Untuk melihat kelakuan sistem akibat
perubahan setiap parameter, maka uji coba
Ut dilakukan dengan mengubah-ubah parameter sistem.
5
Setiap uji coba dilakukan dengan 20 kali
pengulangan dan mengambil nilai rata-rata dari
4 seluruh percobaan tersebut.
3
Parameter-parameter yang diuji-cobakan
adalah parameter parameter yang memberikan
2 pengaruh langsung maupun tidak langsung pada
1 kerja algoritma ACO. Parameter-parameter tersebut
adalah:
4 6 8 t
1 2 3 5 7 9 10
• α: bobot kepentingan jejak pheromone, α≥0
Gambar 5 Grafik yang quasi-concave • β: bobot kepentingan nilai heuristic, β≥0
• m: jumlah semut

3
• nc: jumlah iterasi maksimum Total Weighted Tardiness Problem.
• ρ: koefisien penguapan, 0≤ρ≤1 http://users.ox.ac.uk/~ierc0002/PPSN00.pdf
• Q: konstanta yang mempengaruhi besarnya [3] Dorigo, Marco dan Colorni, Alberto dan Maniezzo,
jejak pheromone Vittorio. Distributed Optimization By Ant Colonies.
• τ0: pheromone awal www.cs.ualberta.ca/~bulitko/F02/papers/IC.06-
• w: jumlah peringkat semut, 0≤w≤m ECAL92.pdf. Didownload pada tanggal 04 Januari
2008.
Dari hasil pengujian terhadap setiap [4] Dorigo, Marco dan Colorni, Alberto dan Maniezzo,
parameter algoritma ACO, diperoleh nilai Vittorio. 1996. The Ant System: Optimization By A
parameter-parameter yang menghasilkan hasil yang Colony Of Cooperating Agents.
optimal pada masing-masing kasus uji pada http://iridia.ulb.ac.be/pub/mdorigo/journals/IJ.10-
penerapan algoritma Rank-Based Ant System dalam SMC96.pdf. Didownload pada tanggal 04 Januari
pemecahan masalah penjadwalan sumber daya 2008.
proyek, yaitu: [5] Dorigo, Marco dan Stuzle Thomas. 2000. The Ant
Colony Optimization Metaheuristics: Algorithms,
Tabel 1 Parameter Terbaik untuk Setiap Kasus Uji Applications and Advances. Didonload pada tanggal
04 Januari 2008.
Building[14] LOGON[13] Qureshi[16] [6] Gaertner, Dorian. 2004. Natural Algorithm for
Alpha 0.5 0.5 0.5 Optimization Problems. United Kingdom.
[7] Jaenudin, ST. 2005. Belajar Sendiri .net dengan Visual
Beta 1 1 1
C# 2005. Yogyakarta. Penerbit Andi.
m 200 200 200
[8] Lock, Dennis. 1990. Alih bahasa Ir. E. Jasfi M. Sc.
nc 100 50 500
Manajemen Proyek. Jakarta. Penerbit Erlangga.
Rho 0.999 0.999 0.9 [9] Luthan, Putri Lyanna A. dan Syafriandi. 2005.
Q 100 10 10 Aplikasi Microsoft Project untuk Penjadwalan Kerja
τ0 2 0.5 0.5 Proyek Teknik Sipil. Penerbit Andi. Yogyakarta.
w 10 15 5 [10] Maniezzo, Vittorio dan Luca Maria Gambardella dan
Fabio de Luigi. 2001. Ant Colony Optimization.
Setiap studi kasus diuji kembali dengan European Comission. Didownload pada tanggal 03
parameter terbaik yang diperoleh dari hasil analisa Januari 2008.
sebelumnya untuk membuktikan apakah algoritma [11] Merkle, Daniel and Middendorf, Martin and Schmeck,
semut yang digunakan benar-benar memberikan Hartmut. Ant Colony Optimization for Resource-
solusi yang optimal. Constrained Project Scheduling.
Untuk proyek LOGON fluktuasi berkurang http://www.agent.ai/doc/upload/200302/merk00_1.pdf.
hingga 56.7%, untuk proyek Qureshi fluktuasi [12] Muslim, Irfan. 113027263. Optimasi Penjadwalan
berkurang hingga 34.2%, dan untuk proyek Building Sumber Daya Proyek Menggunakan Algoritma
fluktuasi berkurang hingga 55.9%. Dengan Genetik. 2005. Bandung. Sekolah Tinggi Teknologi
meminimalkan fluktuasi, grafik sumber daya Telekomunikasi.
memiliki level puncak yang lebih kecil dan [13] Nicholas, John M. 1990. Managing Business &
pemborosannya bisa dikurangi. Engineering Projects. New Jersey. Prentice Hall.
Dari hasil pengujian terhadap setiap proyek [14] Qureshi, Liaqat Ali. 2007. Resource Allocation &
yang menjadi kasus uji, seperti dijabarkan pada sub Leveling. UET Taxila.
bab 4.5, dapat disimpulkan bahwa algoritma Ant [15] Soeharto, Iman. 1990. Manajemen Proyek Industri
Colony Optimization khususnya Rank-Based Ant (Persiapan, Pelaksanaan, Pengelolaan). Jakarta.
System dapat digunakan untuk mendapatkan solusi Penerbit Erlangga.
yang optimal dari permasalahan optimasi [16] Spinner, M. Pete. 1992. Elements of Project
penjadwalan sumber daya proyek. Management: Plan, Schedule and Control. New
Jersey. Prentice Hall.
Daftar Pustaka: [17] Szendroi, Etelka. 2006. A Resource Leveling MILP
Model For Multi-Mode Projects Based On Global
[1] Abdou, Alaa. 2003. Cost and Resource Management Measure. University of Pecks Pollack Mihaly Faculty
(Concept and Methods). Architectural Engineering of Engineering.
Department. College of Engineering.
[2] Besten, Matthijs den Besten and Stutzle, Thomas and
Dorigo, Marco. Ant Colony for the Single Machine