1714 2654 1 SM
1714 2654 1 SM
1 September 2016
Abstraksi - Di dalam pengelolaan penjadwalan crew kapal diantaranya ditentukan oleh masalah dan beberapa mungkin
tidak mudah untuk mengatur banyak Crew dari berbagai dialokasikan sebagai bagian dari pemecahan [1]. Dalam
level dengan latar belakang yang berbeda-beda dan jenis pembuatan penjadwalan dapat dilakukan secara manual maupun
sertifikat yang harus dimiliki untuk berlayar yang software dimana dalam menentukan jadwalnya akan menjadi
beragam. Ditemukan kendala yang dihadapi dari 5 kapal sangat rumit dan memakan banyak waktu salah satu yang sangat
yang dikelola dan masing-masing kapal memiliki 21 crew membutuhkan penjadwalan yaitu dalam menentukan jadwal
yang harus standby 40% dari total crew dengan berbagai crew pengganti dalam berbagai level, hal ini karena dalam
level. Sulit mengatur jadwal para crew kapan harus proses penjadwalan crew banyak aspek yang harus
berlayar dan kapan harus off. Metode yang digunakan dipertimbangkan yaitu crew onboard, crew pengganti, kontrak
saat ini menggunakan program Microsoft office yaitu kerja, nama vessel, jumlah sertifikat,tidak jarang terdapat jadwal
Microsoft Excel. Dengan system First off First Join akan bentrok satu sama lain dalam level yang sama, hard constraint
dibangun system informasi dengan mengimplementasikan dilakukan penjadwalan secara manual yaitu crew dengan alasan
algoritma Ant Colony Optimization, agar crew dan kapal tertentu membatalkan kontrak sebelum masa kontrak habis, crew
mendapatkan jadwal yang efektif dan optimal. Algoritma dengan kondisi masih dalam perjalanan ketika kontrak sudah
Ant Colony Optimization adalah salah satu jenis algoritma habis sehingga kontrak diperpanjang sampai vessel tiba ditujuan
meta-heuristic yang sudah terbukti dapat menyelesaikan dan dalam satu waktu tidak dibolehkan crew master dengan level
banyak sekali permasalahan kombinatorial yang sulit, yang sama mengisi vessel yang sama. Berdasarkan latar
Algoritma ini meniru tingkah laku semut ketika mereka belakang tersebut penelitian ini akan menggunakan algoritma
berada di dalam sebuah koloni untuk mencari sebuah ant colony untuk mendapatkan jadwal yang efektif dan optimal
sumber makanan Algoritma semut lebih menitik beratkan dengan kata lain crew onboard, crew pengganti dan kapal tanker
pada perilaku kebiasaan atau yang sering dilakukan tidak akan mengalami jadwal yang bentrok antara 1 crew
(dilewati) oleh semut. Dengan kemampuan dan keunikan dengan crew lainnya. Algoritma ant colony optimization
semut, yang memiliki kemampuan secara alami (real ant) merupakan salah satu dari teknik yang paling sukses dalam hal
untuk menemukan alur atau lintasan terpendek dari penjadwalan menurut [2] dan [3], terutama diaplikasikan dalam
sarangnya ke suatu sumber makanan tanpa pengertian TSP (travelling salesman problem). Generasi pertama program
visual (penglihatan) Sistem informasi yang dibangun masalah penjadwalan dengan komputer dikembangkan pada
menggunakan algoritma Ant Colony Optimization ini awal tahun 1960 yang berusaha mengurangi pekerjaan
efektif dalam menghasilkan penjadwalan penugasan crew administratif [4], [5]. Peneliti telah mengusulkan berbagai
sesuai kesediaan kapal tanker serta mampu memberikan pendekatan penjadwalan dengan menggunakan metode
informasi optimal jadwal crew pengganti untuk periode berdasarkan batasan-batasan, pendekatan berdasarkan
berikutnya yang diukur dengan menggunakan Technology populasi, seperti algoritma genetik, algoritma Ant, algoritma
Acceptance Model. Memetic, metode meta heuristik seperti tabu search,
simulated annealing dan great deluge, variable
Kata kunci: Penjadwalan crew, Ant colony, Algoritma neighbourhood search (VNS), hybrid meta-heuristics
Metaheuristic, crew berlayar, keunikan semut. danhyper heuristic approaches, dan lain sebagainya [6].
Dimana:
v = Probabilitas awal
q = suatu bilangan random dengan nilai antara 0 sampai
1.
q0 = suatu bilangan random dengan nilai antara 0 sampai
1.
Gbr. 2 Antrian First In First Out
Sedangkanjika q >q0 digunakan persamaan (2)
Langkah-langkah dan prosedur dalam penyelesaian
..............................(2) masalah Pergantian dengan metode FIFO diperlukan beberapa
∑ langkah, antara lain:
1. Proses yang tiba dahulu akan dilayani lebih dahulu.
Dengan(ηi,j)= 2. Kalau ada proses tiba dalam waktu yang sama maka
,
pelayanan mereka akan dilaksanakan melalui urutan
jika titik yang dimaksud bukanlah titik yang akan akan
mereka dalam antrian.
dilalui, maka kembali ke titik sebelumnya.
Proses di antrian belakang harus menunggu sampai semua
proses di depannya selesai
Dimana:
2.2 Tinjauan Studi
i,j= Probabilitas seekor semut akan berjalan dari simpul
Berikut adalah ringkasan dari beberapa penelitian
imenuju simpul j
sebelumnya yang berkaitan dengan Penjadwalan dengan
τi,j= jumlah pheromone pada sisi i,j
menggunakan Ant Colony Optimization:
ηi,j= visibility jalur i,j (biasanya 1 / di,j, dimana d adalah
1. Peneliti Eko Budi Prasetyo dengan judul Penerapan
jarak dari i ke j)
Algoritma Genetika Dan Jaringan Syaraf Tiruan Dalam
β = parameter pengontrol pengaruh ηi,j
Penjadwalan Mata Kuliah di Fakultas Matematika Dan
Ilmu Pengetahuan Alam Universitas Gadjah Mada
3. Apabila telah mendapatkan titik yang dituju, pheromone
(Prasetyo, 2014). Pada penelitian ini peneliti melakukan
masing-masing pada titik tersebut diubah dengan
pengumpulan data dengan cara observasi,wawancara
menggunakan persamaan (3), yaitu :
mendalam dengan dan dokumentasi dalam penelusuran
τi,j = (1 − ρ)τi,j + Δτki,j …...........................................................................
dokumendokumen resmi dalam menjajaki sumber tertulis
(3)
Metode yang digunakan Neural Network pemodelan
Δτki,j = 1 / Lk* c ....................................
proses menggunakan DFD dan perancangan basis data
Dimana:
menggunakan ERD. Perancangan aplikasi dengan PHP
Lk = cost dari k-th perjalanan semut (biasanya
dengan database MySql.Salah satu carauntuk mengatasi
panjangnya)
masalah penjadwalan adalah dengan menggunakan
c = Jumlah lintasan
algoritma genetika dan jaringan syaraf tiruan. Jaringan
62
Jurnal TIICOM Vol. 5 No.1 Septeember 201
16
syaraf
s tiruan melalui mettode backproppagation dapaat
digunakan
d dalaam prediksi jummlah peserta mata
m kuliah yanng
dipakai
d untukk penentuan ruang. Algorritma genetikka
digunakan
d untuuk menentukann solusi optimaal dari beberappa
solusi
s jadwal yang
y dihasilkann.
2. Peneliti
P Agus Leksono deengan judul Algoritma
A Annt
Colony
C mization (AC
optim CO) Untuk Menyelesaikaan
Traveling
T Saleesman Probleem (TSP) (Leeksono, 2009)).
Peneliti
P mengggunakan metodde Ant Colonyy Optimizationn,
Simulasi
S algoriitma ACO meenggunakan AC COTSP version
1.0.
1 Algoritmaa ACO yang dibandingkan sebanyak lim ma
yaitu
y Ant Systeem (AS), Elitiist Ant System m (EAS), Rankk-
based
b Ant Syystem (ASRaank), Max-minn Ant System m
(MMAS),
( dan Ant Coloony System (ACS) Hasiil
perbandingan
p kelima algoriitma ACO teersebut, terlihaat
bahwa
b untuk jumlah
j titik sampai
s n = 404 solusi yanng
dihasilkan
d semmua algoritma sama baiknyaa. Untuk kasuus
dengan
d jumlahh titik yang leebih banyak algoritma
a ACS
mempunyai
m soolusi yang terbbaik dan algorritma AS yang
terjelek
t dari kelima algoritmaa tersebut
3. Peneliti
P Antonnio Fernandezz, Eko Handoyo, ST, MT T,
Maman
M Somanntri, ST, MT dengan judull Pembangunaan
Aplikasi
A Penyyusunan Jadwaal kuliah (Ferrnandez 2011).
Peneliti
P mengggunakan Algooritma Semut Menggunakaan
metode
m Ant Colony Optim mization, Unttuk pemodelaan
sistemnya
s m
menerapkan konsep Objject Orienteed
Programming
P (OOP). Pemoddelanakan digunakan Unifieed
Modeling
M Laanguage (UM ML). Penjaddwalan dapaat
diselesaikan
d deenganmenggun nakan sebuah algoritma yanng
dinamakan
d alggoritma semut. Algoritma inni adalah salaah Gbr. 3 Kerangka pemmikiran
satu
s jenis meeta-heuristic yang sudah terbukti dapaat 2.4 Hipottesis
menyelesaikan
m banyak sekalii permasalahann kombinatoriaal Berdaasarkan keranggka konsep yaang telah dikeemukakan,
yang
y sulit. maka perrnyataan penelitian ini dap pat dirumuskann sebagai
berikut:
2.3 Kerangka Koonsep Didugga dengan dilakukannya penerapan
p meetode ant
Kerangka berrpikir yang diigunakan padaa penelitian inni colony opptimization padda sistem inforrmasi penjadw
walan crew
adalah sebagai berikut: dapat meemberikan pennjadwalan creew dengan effektif dan
optimal yang
y diukur dengan
d mengggunakan metoode TAM
(Technoloogy Acceptancee Model) adalahh baik.
IIII. RANCANG
GAN SISTEM DA
AN APLIKASI
63
Jurnal TIICOM Vol. 5 No.1 Septeember 201
16
Gbr.
G 7 Halamann Index Untuk administrator
a
2. Form Input
I Master Crew
C seperti pada
p gambar gambar
g
8.
Gbr.5 Class
C diagram Penjadwalan
P C
Crew
64
Jurnal TIICOM Vol. 5 No.1 Septeember 201
16
memmpermudah penngolahan basis data, serta administrasi
basiss data. Web Seerver yang digu
unakan IIS yangg merupakan
web server yang disediakan oleh Microsoft pada setiap
Operrating System Windows.
W
65
Jurnal TICOM Vol. 5 No.1 September 2016
use/PEOU), persepsi kegunaan (perceived usefulness/PU),
sikap menggunakan Sistem Informasi penjadwalan crew ship
(attitude toward using/ATU), niat perilaku menggunakan
Sistem Informasi penjadwalan crew ship (behavioral intention
use/BIU), dan Penggunaan sesungguhnya (Actual use/AU).
TABEL I
STATISTIK DESKRIPTIF
TABEL IV
REKAPITULASI TANGGAPAN RESPONDEN RATA-RATA SKOR PERCEIVED
Menurut [9] untuk data yang bersifat ordinal yang USEFULNESS
memiliki distribusi asimetris ukuran pemusatan dapat
dilakukan melalui distribusi rentang kuartil.
Skor Maksimal = Skor Tertinggi x Jumlah Pernyataan x
Jumlah Responden
Skor Minimal = Skor Terendah x Jumlah Pernyataan x
Jumlah Responden
Median = (Skor Minimal + Skor Maksimal) : 2
Kuartil I = (Skor Minimal + Median) : 2
Kuartil III = (Skor Maksimal + Median) : 2
Berdasarkan perhitungan persentase skor aktual, maka
persentase tanggapan responden adalah sebagai berikut:
TABEL II
KRITERIA PRESENTASE TANGGAPAN RESPONDEN.(COOPER DKK. 2006)
No % Jumlah Skor Kriteria
1 76% - 100% Baik
2 56% - 75% Cukup Baik
3 40% - 55% Kurang Baik
4 < 40% Tidak Baik
REFERENSI
[1] Jain Ashish, Jain Dr. Suresh, and Chande Dr. P.K.,
“Formulation of Genetic Algorithm to Generate Good
Quality Course Timetable”, International Journal of
Presentase Skor Responden untuk Actual Use sebesar Innovation, Management and Technology, Vol. 1, No. 3,
74.17%berada dalam kriteria baik. pp. 248-251, August 2010.
[2] Karl F.Doerner, Daniel Merkle, and Thomas Stuzle,
B. Pengujian Mengadaptasi Karakteristik ISO 9126 “Special Issue on Ant Colony Optimization”, Swarm
Pengujian kualitas mengadaptasi karakteristik ISO 9126 Intell (2009) 3: 1-2, DOI 10.1007/s11721-008-0025-1.
memiliki dua bagian yaitu sebagai berikut: kualitas dari [3] Pei Hua Chen and Hua Hua Cheng, “IRT-based
masing – masing aspek berdasarkan adopsi tiga karakteristik Automated Test Assembly: A Sampling and Stratification
ISO 9126. Dari 15 responden dari hasil pengisian kuesioner Perspective”, The University of Texas at Austin, August
dapat diukur dengan menggunakan rumus sbeagai berikut: 2005.
Persentasi = total skor : skor maksimum.Selanjutnya [4] Cole A. J., “The Preparation of Examination Time-tables
hasil tersebut diolah dan dihitung dengan kriteria yang telah Using A Small-Store Computer”, Computer Journal, 7:
ditetapkan dalam rancangan penelitian, dapat dilihat pada 117-121, 1964.
tabel 8 sebagai berikut: [5] Welsh D.J.A. and Powell M. B., “An Upper Bound for
TABEL VIII The Chromatic Number of A Graph and Its Application
KRITERIA PRESENTASI TANGGAPAN RESPONDEN TERHADAP PERSENTASI to Timetabling Problems”, Computer Journal, 10(1): PP.
85-86, 1967.
% Jumlah Skor Kriteria [6] Sadaf N. Jat and Yang Shengxiang, “A
20,00 % -36,00 % Tidak Baik Memetic Algorithm for the University Course
36,01 % - 52,00 % Kurang Baik Timetabling Problem”, 20th IEEE International
52,01 % - 68,00 % Cukup [7] Marco Dorigo and Alberto Colorni, “The Ant Sytem:
68,01 % - 84,00 % Baik Optimization by A Colony of Cooperating Agents”, IEEE
84,01 % - 100 % Sangat Baik Transaction on Systems, Man, and Cybernetics-Part B,
TABEL IX
HASIL PENGUJIAN KUALITAS MENGADAPTASI KARAKTERISTIK ISO 9126
Vol. 26, No. 1, pp. 1-13,1996.
[8] Solnon Christine, “Ants Can Solve Constraint
Satisfaction Problems”, IEEE Transactions on
Evolutionary Computation, Vol. 6, No. 4, pp. 347-357,
August 2002.
[9] Cooper. W. W, Seiford, L.M.,and Tone, K, Data
Envelompment Analysis. Boston. MA : Kluwer
Berdasarkan hasil pengujian tabel IV-9 diatas, pengujian
Academic Publishers,2006
untuk hipotesis dalam penelitian ini dibuktikan bahwa kualitas
perangkat lunak sistem informasi penjadwalan crew shipyang
dihasilkan mengadaptasi karakteristik model ISO 9126
67