Ai2 PDF
Ai2 PDF
2rusdi.efendi@unib.ac.id ,
3diyah.puspitaningrum@unib.ac.id
ABSTRACT
Public services are growing as concomitants of the Bengkulu’s population growth. That fact makes it
hard to find a certain public service in Bengkulu city. Another reason is we need to find a nearby public
service to do daily tasks. The purpose of tis research are: (1) to show a nearby public service’s location.
(2) To implement Artificial Bee Colony method in Bengkulu City’s Public Services Finder using Webview
Android. The results are: (1) This research managed to implement public services finder in to map;(2) The
result of algorithm relevancy test using abc base is quite high, 81% relevant, Meanwhile for standard abc
is 2.91%. (3) The best parameter setting is using bees (CS) {30,50}. Maximum limit (L) {300,500,600} and
maximum iteration (MCN) {30,50}.(4) The best bees setting are (CS) 30, maximum limit (L) 1000
maximum iteration 50. Artificial Bee Colony linier relevancy using employed bees and defined iterations
meanwhile maximum limit parameter is not taking effect on the algorithm.
Keyword : Location Based Service, Pencarian Terdekat, Artificial Bee Colony, Webview Android
1. PENDAHULUAN
Fasilitas umum sangat identik dengan pusat pelayanan masyarakat seperti yang berkaitan dengan
perekonomian, keamanan, pelayanan umum, pemerintahan dan kebutuhan lain. Fasilitas pelayanan umum
semakin berkembang seiring dengan pertambahan jumlah penduduk di Kota Bengkulu. Perkembangan
Kota Bengkulu cukup pesat menuntut pemerintah atau pihak yang berkepentingan untuk meningkatkan
pembangunan fasilitas pelayanan kepada masyarakat secara merata. Berbagai kepentingan yang
membutuhkan fasilitas pelayanan umum menjadi salah satu alasan mengapa diperlukannya fasilitas umum
untuk membantu kelancaran dalam kegiatan sehari-hari.
Selama ini adanya kesulitan dalam menemukan lokasi fasilitas pelayanan umum. Hal ini disebabkan
oleh kurangnya informasi lokasi yang ingin dituju. Informasi hanya terdapat pada daerah tertentu saja.
Belum adanya informasi bagi fasilitas pelayanan umum di sistem informasi. Akibatnya masyarakat umum
kesulitan dalam menemukan lokasi fasilitas pelayanan umum yang ingin dituju. Fasilitas umum yang
dimaksud adalah rumah sakit, hotel, bank, SPBU (Stasiun Pengisian Bahan Bakar Umum), ATM, tempat
ibadah, mall dan pasar di Kota Bengkulu. Untuk itu diperlukan sebuah sistem informasi yang dapat
membantu masyarakat menemukan fasilitas pelayanan umum. Hal ini dapat menjadi salah satu cara untuk
menyelesaikan permasalahan seseorang yang akan mencari lokasi fasilitas pelayanan umum terdekat di
daerah Kota Bengkulu.
Berdasarkan permasalahan dan penelitian yang telah dilakukan sebelumnya, diperlukan suatu metode
yang dapat menemukan lokasi terdekat dari fasilitas pelayanan umum. Metode yang digunakan adalah
metode Artificial Bee Colony (ABC). ABC digunakan untuk menyelesaikan masalah optimasi. Algoritma
ini terinspirasi dari perilaku sekumpulan lebah berkelompok untuk mencari sumber makanan. Setelah
mereka menemukan sumber makanan kemudian mereka akan kembali ke sarang dan melakukan tarian
lebah (waggle dance), dengan menggunakan waggle dance semua koloni saling berkomunikasi tentang
sumber makanan yang mereka temukan, sehingga lebah-lebah yang lain akan mengetahui letak dari
sumber makanan yang paling dekat dari sarang.
2. LANDASAN TEORI
2.1. Artificial Bee Colony (ABC)
ABC pertama kali diperkenalkan oleh Darvis Karaboga pada tahun 2005. Secara sederhana algoritma ini
meniru kemampuan sekelompok lebah yang mencari sumber makanan. Dalam algoritma ABC, koloni
lebah buatan terdiri dari tiga kelompok lebah: employed bees, onlookers dan scouts. Separuh pertama
koloni terdiri lebah employed bees dan setengah kedua adalah onlookers. Untuk setiap sumber makanan,
hanya ada satu employed bee. Dengan kata lain, jumlah employed bees sama dengan jumlah sumber
makanan di sekitar sarang. Employed bee yang sumber makanannya telah ditinggalkan atau dibuang akan
menjadi scouts[1].
Seekor employed bee menghasilkan modifikasi pada posisi (solusi) dalam ingatannya tergantung pada
informasi lokal (informasi visual) dan tes kualitas nektar (nilai fitness) dari sumber yang baru (solusi
baru). Dengan syarat kualitas nektar yang baru adalah lebih tinggi dari yang sebelumnya, maka lebah akan
menghafal posisi baru dan melupakan yang lama. Sebaliknya jika tidak lebah tetap pada posisi yang
sebelumnya dalam ingatannya. Setelah semua employed bee menyelesaikan pencarian, mereka berbagi
informasi nektar dari sumber makanan dan posisi mereka kepada onlookers bee pada dance area. Seekor
onlookers bee mengevaluasi informasi nektar yang diambil dari semua employed bee dan memilih sumber
makanan dengan probabilitas yang terkait dengan jumlah nektarnya[2].
ABC memiliki beberapa parameter, yaitu :
a. Jumlah lebah (CS) : jumlah semua lebah yang dipekerjakan. Jumlah lebah sama dengan jumlah
sumber makanan (SN).
b. Limit maksimum : batas sumber makanan yang ditinggalkan.
c. Iterasi Maksimum : banyaknya iterasi yang dilakukan. Dalam hal ini juga disebut kriteria berhenti.
Untuk menghasilkan calon posisi makanan dari yang lama, ABC menggunakan persamaan berikut :
(1)
Keterangan:
Vij : nilai perluasan kemungkinan solusi ke-i dengan parameter ke-j
xij: nilai kemungkinan solusi ke-i dengan parameter j
Φij: bilangan random antara [-1,1]
i: 1...SN, SN adalah jumlah kemungkinan solusi (sumber makanan)
k : {1, 2, ..., SN}indeks yang dipilih secara acak, dimana nilai dari i ≠ k
j : {1, 2, ..., D} indeks yang dipilih secara acak
Kemudian onlookers bee memilih sumber makanan tergantung pada nilai probabilitas yang terkait
dengan sumber makanan, pi, dihitung dengan persamaan berikut :
(2)
Keterangan:
fiti : nilai fitness dari solusi i yang sebanding dengan nektar jumlah sumber makanan di posisi i
SN : jumlah makanan sumber yang sama dengan jumlah employed bee.
Jika ada sumber makanan yang ditinggalkan oleh lebah maka Asumsikan bahwa sumber ysng
142 http://research.pps.dinus.ac.id
Jurnal Teknologi Informasi, Volume 12 Nomor 2, Oktober 2016, ISSN 1907-3380
ditinggalkan xi dan j ∈ {1, 2, ..., D}, maka scouts menemukan sumber makanan baru untuk diganti dengan
sumber makanan lama. Operasi ini dapat didefinisikan dalam persamaan :
(3)
Keterangan:
xij : inisialisasi kemungkinan solusi ke-i dengan parameter j
rand : bilangan acak antara [0,1]
xj max : nilai kemungkinan solusi terkbesar berdasarkan parameter j
xj min : nilai kemungkinan solusi terkecil berdasarkan parameter j
i : 1.....SN, SN adalah jumlah kemungkinan solusi (sumber makanan)
j: 1......D, D adalah jumlah parameter yang digunakan.
3. METODE PENELITIAN
Penelitian ini merupakan Research and Development yang menghasilkan suatu aplikasi. Peneliti
membangun aplikasi yang mampu menampilkan hasil pencarian titik lokasi fasilitas pelayanan umum
terdekat dengan menerapkan metode Artificial Bee Colony.
Dalam pembuatan aplikasi dalam penelitian ini diperlukan beberapa perangkat lunak dan perangkat
keras yang membantu penyelesaian aplikasi.
a. Perangkat Lunak
Berikut ini merupakan perangkat lunak yang diperlukan :
1) Sistem Operasi Windows 8
2) Codeigniter
3) Notepad++
4) Android Studio
5) Google Maps
6) Microsoft Office Word 2013
7) Microsoft Office Visio 2010
8) Astah Community
b. Perangkat Keras
Berikut ini merupakan perangkat keras yang diperlukan :
1) Monitor
2) Processor Intel Core i7
3) RAM 2 GB
4) Keyboard
5) Mouse
6) Harddisk 1 TB
Gambar 2 merupakan proses bisnis dengan alur yaitu masyarakat/pasien mencari langsung
menggunakan kendaraan untuk menemukan lokasi fasilitas pelayanan umum. Pada bisnis proses lama
membutuhkan waktu lebih lama untuk
mendapatkan informasi fasilitas pelayanan umum.
Bisnis proses baru memiliki alur pengguna dapat
menggunakan handphone/laptop untuk mencari
lokasi fasilitas pelayanan umum dan mendapatkan
lokasi terdekat dari posisinya. Dengan
menggunakan bisnis proses yang baru akan
mempersingkat waktu untuk mendapatkan
informasi lokasi.
Gambar 2. Proses Bisnis
144 http://research.pps.dinus.ac.id
Jurnal Teknologi Informasi, Volume 12 Nomor 2, Oktober 2016, ISSN 1907-3380
c. Activity Diagram
Activity diagram menggambarkan prosedural, proses bisnis dan
jalur kerja dari sistem yang akan dibangun. Activity diagram
menggambarkan aktivitas sistem, bukan aktivitas yang dilakukan
aktor. Activity diagram dari menu lokasi terdekat dapat dilihat pada
gambar berikut.
Gambar 6 merupakan aktivitas dari pemilihan menu lokasi
fasilitas pelayanan umum terdekat. Aktivitas ini dimulai dari
pengguna yang mengakses halaman utama. Kemudian sistem akan
menampilkan halaman utama. Selanjutya pengguna dapat memilih
menu lokasi terdekat, dan mengklik posisi keberadaannya saat ini
pada peta. Kemudian sistem memproses inputan dengan
melakukan perhitungan menggunakan metode ABC dan
menampilkan hasil akhir yaitu lokasi fasilitas pelayanan umum
terdekat.
146 http://research.pps.dinus.ac.id
Jurnal Teknologi Informasi, Volume 12 Nomor 2, Oktober 2016, ISSN 1907-3380
Selain menu lokasi terdekat, terdapat aktivitas ketika memilih menu daftar fasilitas pelayanan umum.
Diagram aktivitas menu daftar fasilitas pelayanan umum dapat dilihat pada Gambar 7a. Aktivitas lainnya
yaitu aktivitas pada menu petunjuk aplikasi yang dapat dilihat pada gambar berikut.
. Gambar 7b merupakan aktivitas dari menu bantuan. Pada halaman utama, pengguna dapat memilih
menu bantuan. Kemudian sistem akan menampilkan infomasi tentang sistem dan petunjuk aplikasi.
d. Sequence Diagram
Berikut adalah contoh diagram sekuen dari aplikasi pencarian lokasi fasilitas pelayanan umum terdekat.
Use Case – Mencari Lokasi Terdekat
5. PEMBAHASAN
5.1. Alur Metode Artificial Bee Colony
Algoritma Artificial Bee Colony pada aplikasi berfungsi untuk menentukan rute menuju ke Fasilitas
Pelayanan umum terdekat. Pada kasus ini, Lebah merupakan agen pencari lokasi fasilitas pelayanan
umum. Proses algoritma ABC dimulai ketika pengguna melakukan set posisi. Set posisi ini berupa titik
koordinat yang akan menjadi titik awal dari perhitungan ABC. Titik awal ini menjadi posisi awal untuk
setiap partikel atau populasi.
Langkah-langkah algoritma ABC adalah sebagai berikut. Langkah-langkah dalam algoritma ABC
diberikan di bawah ini:
a. Inisialisasi populasi solusi xi,j, i = 1.. .SN, j= 1.. .D
b. Evaluasi populasi dengan persamaan :
(4)
Keterangan:
= jarak antara dua titik koordinat
= titik longitude a
= titik longitude b
= titik latitude a
= titik latitude b
c. Iterasi = 1
d. Menghasilkan solusi baru υij untuk employed bee dengan menggunakan persamaan (1) dan evaluasi
mereka
e. Terapkan proses seleksi greedy
f. Hitung nilai probabilitas pij untuk solusi xij
menggunakan persamaan (2)
g. Menghasilkan solusi baru υij untuk onlookers
dari solusi xij dipilih tergantung pada pij dan
evaluasi mereka
h. Terapkan proses seleksi greedy
i. Tentukan solusi ditinggalkan untuk scouts,
jika ada, ganti dengan solusi xi baru yang
diproduksi secara acak xij dengan
menggunakan persamaan (3)
j. Hafalkan solusi terbaik dicapai sejauh ini.
k. Iterasi = iterasi + 1
l. Sampai iterasi = MCN
148 http://research.pps.dinus.ac.id
Jurnal Teknologi Informasi, Volume 12 Nomor 2, Oktober 2016, ISSN 1907-3380
d. Halaman Petunjuk
Halaman Petunjuk berguna untuk memberikan informasi tentang
penggunaan setiap menu yang ada pada aplikasi pencarian lokasi
fasilitas pelayanan umum. Berikut merupakan tampilan halaman
petunjuk ketika di buka di Android yang akan ditunjukkan pada
Gambar 13.
3. Kategori Hotel
150 http://research.pps.dinus.ac.id
Jurnal Teknologi Informasi, Volume 12 Nomor 2, Oktober 2016, ISSN 1907-3380
Hasil pengujian kinerja algoritma dengan percobaan perubahan nilai parameter jumlah lebah (CS),
Limit dan iterasi terhadap jumlah titik yang harus dilalui dapat dilihat pada tabel berikut :
a. Koloni Lebah dengan Perubahan Jumlah lebah (CS)
Data uji parameter acuan algoritma koloni lebah buatan terlihat pada tabel 3.
No. CS L MCN t d
1 6 50 50 0,04 1,22
2 6 50 50 0,04 1,22
3 6 50 50 0,04 1,22
4 6 50 50 0,04 1,22
5 6 50 50 0,04 1,5
6 10 50 50 0,05 1,22
7 10 50 50 0,05 1,22
8 10 50 50 0,05 1,22
9 10 50 50 0,05 1,22
10 10 50 50 0,05 1,22
11 20 50 50 0,06 1,22
12 20 50 50 0,06 1,22
13 20 50 50 0,06 1,22
14 20 50 50 0,06 1,22
15 20 50 50 0,06 1,22
16 30 50 50 0,07 1,22
17 30 50 50 0,07 1,22
18 30 50 50 0,07 1,22
19 30 50 50 0,07 1,22
20 30 50 50 0,07 1,22
21 50 50 50 0,08 1,22
22 50 50 50 0,08 1,22
23 50 50 50 0,08 1,22
24 50 50 50 0,08 1,22
25 50 50 50 0,08 1,22
Keterangan :
CS = jumlah lebah
L = limit maksimum
http://research. pps.dinus.ac.id , 151
Jurnal Teknologi Informasi, Volume 12 Nomor 2, Oktober 2016, ISSN 1907-3380
No. CS L MCN t d
1 50 6 50 0,08 1,22
2 50 6 50 0,08 1,22
3 50 6 50 0,08 1,22
4 50 6 50 0,08 1,22
5 50 6 50 0,08 1,22
6 50 50 50 0,08 1,22
7 50 50 50 0,08 1,22
8 50 50 50 0,08 1,22
9 50 50 50 0,08 1,22
10 50 50 50 0,08 1,22
11 50 300 50 0,08 1,22
12 50 300 50 0,08 1,22
13 50 300 50 0,08 1,22
14 50 300 50 0,08 1,22
15 50 300 50 0,08 1,22
16 50 600 50 0,08 1,22
17 50 600 50 0,08 1,22
18 50 600 50 0,08 1,22
19 50 600 50 0,08 1,22
20 50 600 50 0,08 1,22
21 50 1000 50 0,08 1,22
22 50 1000 50 0,08 1,22
23 50 1000 50 0,08 1,22
24 50 1000 50 0,08 1,22
25 50 1000 50 0,08 1,22
Hasil percobaan yang didapatkan untuk pengujian dengan parameter limit (L) di atas terlihat
pada waktu komputasi dan jarak yang dihasilkan. Jumlah Limit tidak berpengaruh terhadap waktu
komputasi, hal ini disebabkan kemungkinan oleh employed bee tidak melewati limit yang
ditetapkan karena sumber makanan dapat ditingkatkan sehingga tidak melewati limit yang
152 http://research.pps.dinus.ac.id
Jurnal Teknologi Informasi, Volume 12 Nomor 2, Oktober 2016, ISSN 1907-3380
ditetapkan. Sedangkan jika sumber makanan tidak dapat ditingkatkan atau melewati limit maka
scouts akan mencari sumber makanan secara acak sehingga limit tidak mempengaruhi proses
pencarian waktu komputasi. Kemudian limit (L) menghasilkan jarak yang semakin akurat maka
capaian terhadap optimasi jarak semakin baik, hal ini terlihat ketika setting paramater Limit (L)
1000 jarak yang dihasilkan adalah 1,22 km untuk 5 kali percobaan dan menghasilkan hasil jarak
lebih optimal.
c. Koloni Lebah dengan Perubahan Iterasi
Data uji parameter acuan algoritma koloni lebah buatan terlihat pada tabel 5.
No. CS L MCN t d
1 50 50 6 0,05 1,22
2 50 50 6 0,05 1,22
3 50 50 6 0,05 1,22
4 50 50 6 0,05 1,22
5 50 50 6 0,05 1,22
6 50 50 10 0,05 1,22
7 50 50 10 0,05 1,22
8 50 50 10 0,05 1,22
9 50 50 10 0,05 1,22
10 50 50 10 0,05 1,22
11 50 50 20 0,06 1,22
12 50 50 20 0,06 1,22
13 50 50 20 0,06 1,22
14 50 50 20 0,06 1,22
15 50 50 20 0,06 1,22
16 50 50 30 0,07 1,22
17 50 50 30 0,07 1,22
18 50 50 30 0,07 1,22
19 50 50 30 0,07 1,22
20 50 50 30 0,07 1,22
21 50 50 50 0,08 1,22
22 50 50 50 0,08 1,22
23 50 50 50 0,08 1,22
24 50 50 50 0,08 1,22
25 50 50 50 0,08 1,22
Hasil percobaan yang didapatkan untuk pengujian dengan parameter iterasi maksimum (MCN)
diatas terlihat pada waktu komputasi dan jarak yang dihasilkan. Iterasi maksimum (MCN) yang
besar menyebabkan proses untuk mengasilkan nilai-nilai optimal lebih lama sekitar 0,1 detik.
Kemudian iterasi maksimum (MCN) menghasilkan jarak yang semakin akurat jika nilai iterasi
dinaikkan maka capaian terhadap optimasi jarak semakin baik, hal ini terlihat ketika setting
paramater MCN ditingkatkan hasil lokasi terdekat menjadi lebih baik yang menghasilkan jarak yang
lebih pendek yaitu 1,22 km dalam 5 kali percobaan.
6. PENUTUP
6.1 Kesimpulan
Berdasarkan analisis perancangan, implementasi, dan pengujian sistem, maka disimpulkan beberapa hal
berikut :
a. Penelitian ini telah berhasil merancang dan membangun aplikasi pencarian lokasi fasilitas
pelayanan umum terdekat di Kota Bengkulu berbasis Web View Android. Sistem ini dapat
digunakan oleh pengguna untuk membantu mencari lokasi fasilitas pelayanan umum terdekat
menggunakan metode Artificial Bee Colony.
b. Penelitian ini berhasil diimplementasikan pada pencarian lokasi fasilitas pelayanan umum terdekat
menggunakan Algoritma ABC.
c. Setting parameter terbaik diperoleh jumlah lebah (CS) {30,50}, limit maksimum (L)
{300,600,1000} dan iterasi maksimum (MCN) {30,50}. Setting terbaik jumlah lebah (CS) = 30
dengan waktu komputasi (t) = 0,07, limit maksimum (L) = 300 (t) = 0,008 dan iterasi maksimum
(MCN) = 50 (t) = 0,07. Hasil optimal yang dihasilkan adalah sama maka yang dipilih adalah setting
parameter dengan waktu komputasi (t) terkecil.
d. Relevansi algoritma Artificial Bee Colony linier dengan jumlah lebah yang dipekerjakan dan iterasi
yang ditetapkan, sedangkan parameter limit maksimum tidak begitu mempengaruhi.
6.2 Saran
Berdasarkan analisis perancangan sistem, implementasi, dan pengujian sistem, maka untuk pengembangan
penelitian selanjutnya penulis menyarankan hal berikut:
a. Perlu dilakukan penelitian dengan metode lainnya seperti Cat Swarm Optimization (CAT), Ant
Colony Optimization (ACO), Bee Colony Optimization (BCO) sehingga dapat dilakukan
perbandingan hasil yang lebih optimal.
b. Perlu dilakukan pemetaan dengan menggunakan peta yang dinamis agar mendapatkan hasil
pencarian yang lebih optimal.
c. Perlu dilakukan pengembangan aplikasi yang mengizinkan pengguna untuk melakukan dengan
penambahan data, agar data fasilitas pelayanan umum dapat terus diperbarui.
DAFTAR PUSTAKA
[1] D.Karaboga, & Basturk. (2007). Artificial Bee Colony (ABC) Optimization Algorithm for solving
Constrained Optimization Problem. P. Melin et al. (Eds.) : IFSA 2007, LNAI 4529, 789-798.
[2] Suyanto. (2014). Algoritma Optimasi. Yogyakarta: Graha Ilmu.
[3] Andri. (2013). Aplikasi Travelling Salesman Problem dengan Metode Artificial Bee Colony. ISSN
1412-0100 Vol.14 No.1, 59-68.
[4] Nugroho, R. F. (2013). Penerapan Algoritma Artificial Bee Colony dalam Aplikasi. Jurnal
Informatika Vol.9 No.1, 1-17.
[5] Nurdiana, D. (2015). Implementasi Algortima Lebah Untuk Pencarian Jalur Terpendek dengan
Mempertimbangkan Heuristik. Jurnal Pendidikan Matematika Vol.5 No.2.
154 http://research.pps.dinus.ac.id