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.
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
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
∑ ,
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