270-File Utama Naskah-1994-1-10-20200826
270-File Utama Naskah-1994-1-10-20200826
2 | Halaman 69-77
DOI: https://doi.org/10.36787/jti.v14i2.270 Oktober 2020
Abstrak - Kinerja karyawan merupakan hal yang diperhatikan di dalam instansi. Institut Teknologi Nasional
Bandung merupakan salah satu instansi dengan jumlah karyawan yang banyak, sehingga sulit dilakukan
pemantauan keberadaan seluruh karyawan. Salah satu alternatif dalam mengatasi masalah tersebut adalah
pembuatan sistem untuk memantau lokasi keberadaan karyawan dengan memanfaatkan smartphone untuk
pengambilan titik koordinat. Pada era modern ini smartphone merupakan barang yang hampir tidak pernah
ditinggalkan. Dengan memanfaatkan titik koordinat, perhitungan jarak dapat dihitung dengan menggunakan 3
metode yaitu euclidean, manhattan, dan haversine. Dari pengujian yang telah dilakukan, rata-rata waktu yang
diperlukan untuk proses pengiriman koordinat dari smartphone ke database sistem adalah 0,9 detik. Selain itu,
penelitian ini bertujuan untuk membandingkan ketiga metode berdasarkan keakurasian dan waktu. Perbandingan
tingkat keakurasian dilakukan dengan membandingkan persentase error hasil perhitungan jarak dengan
pengukuran secara manual menggunakan pita ukur. Hasil akhir dari pengujian tiga metode tersebut diperoleh
bahwa metode perhitungan Manhattan membutuhkan waktu pengolahan data yang paling cepat dalam pengujian
100 data yaitu 0,00034045 detik. Metode perhitungan Haversine menghasilkan akurasi perhitungan jarak
teringgi yaitu 98,66%. Dan metode perhitungan Haversine menghasilkan akurasi keputusan tertinggi dalam
menentukan keputusan lokasi keberadaan karyawan yaitu 90%. Hasil penelitian ini dapat digunakan sebagai
pertimbangan pemilihan metode perhitungan jarak bagi para peneliti.
Kata kunci : pelacakan karyawan, perhitungan jarak, euclidean distance, manhattan distance, haversine
formula.
Abstract - Employee performance is a matter of concern within the agency. The Bandung National Institute of
Technology is one institution with a large number of employees, making it difficult to monitor the whereabouts
of all employees. One alternative in overcoming the problem is the creation of a system to monitor the location
of employees by utilizing smartphones to capture coordinates. In this modern era smartphone is an item that is
almost never left. By utilizing coordinate points, distance calculation can be calculated using 3 methods namely
euclidean, manhattan, and haversine. From the tests that have been done, the average time required for the
sending of coordinates from the smartphone to the system database is 0.9 seconds. In addition, this study aims to
compare the three methods based on accuracy and time. Comparison of the level of accuracy is done by
comparing the percentage of error calculation results with the distance measurement manually using a
measuring tape. The final results of the three methods test was obtained that the Manhattan calculation method
requires the fastest data processing time in testing 100 data that is 0,00034045 seconds. The Haversine
calculation method produces the highest distance calculation accuracy which is 98.66%. And the Haversine
calculation method produces the highest decision accuracy in determining the location of the employee's
decision that is 90%. The results of this study can be used as consideration for the selection of distance
calculation methods for researchers.
Keywords : employee tracking, distance calculation, euclidean distance, manhattan distance, haversine formula.
1. PENDAHULUAN Menurut pihak Biro Sumber Daya Manusia Itenas
(2020) sering didapati karyawan non-akademik yang
Menurut Kamus Besar Bahasa Indonesia atau
suka mencuri waktu untuk pergi tanpa izin di tengah
disingkat KBBI, karyawan adalah orang yang
jam kerja. Selain itu, hilangnya karyawan di tengah
bekerja pada suatu lembaga (kantor, perusahaan, dan
jam kerja akan mempengaruhi efisiensi kerja.
sebagainya) dengan mendapat gaji (upah). Dalam
Apabila terdapat instruksi langsung dari kepala unit,
melakukan pekerjaannya, ada karyawan yang
tidak dapat langsung dikerjakan. Dan mengenai
diharuskan bepergian keluar instansi, bergerak bebas
fasilitas fingerprint sebagai pemantau kehadiran
di dalam lingkup instansi, dan di dalam lingkup
yang tersedia di Itenas, masih sering didapati
ruangan/kantor.
permasalahan.
Tekno Insentif - 69
Perbandingan Metode Perhitungan Jarak Euclidean, Haversine, Dan Manhattan Dalam Penentuan Posisi
Karyawan (Studi Kasus : Institut Teknologi Nasional Bandung)
Meninjau dari permasalahan tersebut, peneliti ingin menghasilkan tingkat akurasi yang lebih tinggi
menerapkan metode perhitungan jarak antara dua dibandingkan euclidean. Dengan adanya penelitian
titik untuk menghitung jarak posisi karyawan ini, peneliti berharap hasil analisis perbandingan tiga
terhadap pusat Itenas dengan memanfaatkan metode perhitungan jarak dapat bermanfaat untuk
koordinat yang didapatkan dari smartphone penelitian berikutnya dalam melakukan penelitian
karyawan, dimana apabila jarak yang didapatkan untuk studi kasus yang sama.
melebihi jarak optimal yang telah ditentukan maka
karyawan dianggap berada di luar kampus. Pada penelitian ini dilakukan perhitungan jarak
Penerapan metode perhitungan jarak telah dilakukan antara koordinat karyawan yang didapatkan dari
oleh para peneliti sebelumnya, namun hasil tingkat smartphone dengan koordinat titik pusat Itenas,
keakurasian yang didapatkan berbeda-beda dengan metode perhitungan jarak yang diterapkan
tergantung dengan setiap studi kasusnya. adalah euclidean, manhattan, dan haversine. Hasil
jarak yang didapatkan dari perhitungan tiga metode
Pada tahun 2019, Nishom melakukan penelitian tersebut akan divalidasi dengan dibandingkan
mengenai perbandingan akurasi dari hasil clustering terhadap hasil dari pengukuran jarak menggunakan
data, dimana dilakukan metode perhitungan jarak pita ukur dengan ketelitian 1 milimeter. Kemudian
yang berbeda, yaitu euclidean, manhattan, dan dilakukan perhitungan persentase kesalahan dari
minkowski. Dalam studi kasus clustering data status setiap metode untuk mendapatkan tingkat akurasinya.
disparitas kebutuhan guru di kota Tegal ini,
euclidean menghasilkan tingkat akurasi tertinggi Penelitian dilakukan di lingkungan Institut
yaitu 84,47%, manhattan dan minkowski sebesar Teknologi Nasional Bandung. Selain untuk
83,85% (Nishom, 2019). mengetahui tingkat akurasi dari setiap metode
perhitungan jarak, dilakukan juga implementasi
Berbeda halnya dengan penelitian yang dilakukan pengambilan koordinat di dalam dan di luar kampus
oleh Ismail, dkk. pada tahun 2019, metode untuk mengetahui ketepatan keputusan yang diambil
perhitungan jarak diterapkan pada sistem pengenalan oleh sistem apabila sistem ini diimplementasikan.
wajah yang mana perhitungan jarak dilakukan untuk Dalam penentuan keputusan posisi, diberlakukan
mencari nilai terdekat dari matriks hasil ekstraksi jarak optimal posisi di dalam kampus berdasarkan
fitur wajah. Didapatkan bahwa penerapan jarak terjauh dari titik pusat ke batas area Itenas,
perhitungan euclidean menghasilkan tingkat akurasi sehingga area optimal di dalam kampus akan
82%, manhattan 84%, dan chi square 80% (Yushar, memiliki bentuk lingkaran. Hal tersebut dilakukan
Purnama, Sutardi, & Aksara, 2019). karena bentuk wilayah Itenas yang tidak menentu.
Adapula penelitian perhitungan jarak dalam studi Dalam penelitian ini juga dilakukan pengukuran
kasus presensi online yang dilakukan oleh Aldy dkk. waktu pengolahan data dari setiap metode
pada tahun 2019 yang menerapkan perhitungan perhitungan jarak. Sehingga kinerja dari setiap
haversine untuk melakukan perhitungan jarak. metode perhitungan dapat dianalisis berdasarkan
Penelitian ini mendapatkan hasil bahwa tingkat akurasi perhitungan jarak, tingkat akurasi
implementasi haversine sebagai penghitung jarak ketepatan keputusan, dan lamanya waktu pengolahan
berhasil dilakukan (Aldya, Rahmatullah, & data. Selain itu, dilakukan pengamatan terhadap
Fachurroji, 2019). Namun penelitian yang dilakukan waktu yang diperlukan smartphone untuk
Aldy masih belum menghasilkan titik terang, dimana melakukan pengiriman data koordinat ke sistem.
dalam penelitian yang dilakukan oleh Canggih pada
tahun 2019 mengenai perbandingan tingkat akurasi 2. KAJIAN PUSTAKA DAN PERUMUSAN
dalam penghitung jarak dengan memanfaatkan HIPOTESIS
koordinat latitude dan longitude dengan menerapkan
A. Penelitian Terkait
perhitungan euclidean dan haversine didapatkan
Annisa Shinta dan Titin Fatimah pada tahun 2019
kesimpulan bahwa keduanya menghasilkan tingkat
melakukan penelitian perhitungan jarak euclidean
akurasi yang sama dalam ketelitian 0,01 kilometer
untuk aplikasi presensi siswa yang berstudi kasus di
(Pamungkas, 2019).
PT. Samudera Anugrah. Dari penelitian tersebut
disimpulkan bahwa proses presensi menggunakan
Berdasarkan penelitian terdahulu, selain menerapkan
teknologi GPS pada smartphone dapat lebih akurat
metode perhitungan jarak dalam penentuan posisi
dan aman karena terhindar dari kecurangan yang
karyawan, peneliti ingin membandingkan tingkat
dapat terjadi (Ahmasetyosari & Fatimah, 2018).
akurasi yang lebih detail pada perhitungan jarak
euclidean dan haversine. Selain itu, akan
dibandingkan juga perhitungan manhattan, yang B. Perhitungan Jarak Koordinat
mana dalam penelitian yang dilakukan oleh Ismail Koordinat yang umum digunakan dalam
menentukan posisi dalam peta adalah latitude dan
dkk. pada sistem pengenalan wajah, manhattan
longitude. Laitude adalah garis yang melintang
Tekno Insentif - 70
Yusup Miftahuddin, dkk
C. Euclidean Distance
Euclidean distance adalah perhitungan untuk
mengukur jarak dua titik dalam euclidean space
yang mempelajari hubungan antara sudut dan jarak
(Derisma, Firdaus, & Yusya, 2016). Dalam
matematika euclidean distance digunakan untuk
mengukur dua titik dalam satu dimensi yang
memberikan hasil seperti perhitungan pythagoras
(Mustofa & Suasana, 2018).
Gambar 1. Kerangka berpikir
Berikut adalah persamaan euclidean distance: 3. METODE PENELITIAN
D. Haversine Formula
Haversine formula adalah metode perhitungan jarak
antara dua titik di bumi berdasarkan panjang garis
lurus antara dua titik tanpa mengabaikan
kelengkungan bumi (Farid & Yunus, 2017). Berikut
adalah persamaan haversine formula:
∆𝑙𝑎𝑡 ∆𝑙𝑜𝑛𝑔
𝑎 = 𝑠𝑖𝑛2 ( ) + cos(𝑙𝑎𝑡1 ) . cos(𝑙𝑎𝑡2 ) . 𝑠𝑖𝑛2 ( ) (2)
2 2
Tekno Insentif - 71
Perbandingan Metode Perhitungan Jarak Euclidean, Haversine, Dan Manhattan Dalam Penentuan Posisi
Karyawan (Studi Kasus : Institut Teknologi Nasional Bandung)
pemeliharaan, yaitu dilakukan pemeliharaan aplikasi maka dilakukan iterasi ke tahap awal yaitu tahap
termasuk dalam memperbaiki kesalahan yang tidak analisis kebutuhan, sampai sistem aplikasi benar-
ditemukan pada langkah sebelumnya. Apabila benar selesai.
ditemukan kesalahan atau kekurangan pada aplikasi
B. Blok Diagram
Perhitungan jarak :
Koordinat pusat itenas (latitude
- Euclidean Distance Jarak dan hasil Identifikasi lokasi
,longitude), koordinat lokasi
- Manhattan Distance karyawan (di dalam/di luar)
karyawan(latitude, longitude).
- Haversine Formula
Pada Gambar 3 diperlihatkan blok diagram dari Pada Gambar 4 diperlihatkan diagram alir dari
sistem yang dibangun. Masukan pada sistem adalah sistem yang dibangun. Di dalamnya terdapat
nilai koordinat lattitude dan longitude posisi pusat perhitungan Euclidean Distance, Haversine Formula,
itenas dan posisi karyawan yang didapatkan dari dan Manhattan, yang mana proses perhitungannya
smartphone karyawan. Kemudian dilakukan dijelaskan pada Bagian 3 poin F1 s.d. F3.
perhitungan jarak dengan perhitungan euclidean
distance, manhattan distance, dan haversine formula. Selain itu terdapat subproses penentuan lokasi.
Keluaran yang dikeluarkan adalah jarak dan Subproses penentuan lokasi akan dijabarkan dalam
keterangan lokasi karyawan. bentuk diagram alir pada Gambar 5 berikut.
Mulai
Masukan hasil
Perhitungan
Konfigurasi GPS dan jarak
Internet smartphone
Menerima data
koordinat dari satelit Tidak
sebagai posisi
smartphone
Lokasi karyawan = di Lokasi karyawan = di
Mengirim data posisi luar dalam
dari smartphone ke
server
Perhtungan Haversine
Formula D. Tahap Penentuan Koordinat Pusat
Digunakan data koordinat wilayah terluar Itenas
pada setiap mata angin untuk dilakukan perhitungan
Perhitungan
Manhattan penetuan koordinat pusat. Koordinat area terluar
ditunjukan pada Tabel 1.
Tekno Insentif - 72
Yusup Miftahuddin, dkk
𝑛
Penentuan koordinat pusat dilakukan menggunakan
𝑑 = (∑|𝑘𝑜𝑜𝑟𝑑𝑖𝑛𝑎𝑡1 − 𝑘𝑜𝑜𝑟𝑑𝑖𝑛𝑎𝑡2| ) . (1 𝑑𝑒𝑟𝑎𝑗𝑎𝑡 𝑏𝑢𝑚𝑖)
perhitungan median sebagai berikut:
𝑖=1
𝑙𝑎𝑡𝑈𝑡𝑎𝑟𝑎+𝑙𝑎𝑡𝑆𝑒𝑙𝑎𝑡𝑎𝑛 (4)
𝑚𝑒𝑑𝑖𝑎𝑛𝐿𝑎𝑡 =
2 Sehingga,
𝑙𝑜𝑛𝑔𝐵𝑎𝑟𝑎𝑡+𝑙𝑜𝑛𝑔𝑇𝑖𝑚𝑢𝑟
𝑚𝑒𝑑𝑖𝑎𝑛𝐿𝑜𝑛𝑔 = (5) |−6,8971795 − (−6,897536468)| +
2 𝑑=( ) . (111,322 𝑘𝑚)
|107,63647 − 107,6363645|
Tekno Insentif - 73
Perbandingan Metode Perhitungan Jarak Euclidean, Haversine, Dan Manhattan Dalam Penentuan Posisi
Karyawan (Studi Kasus : Institut Teknologi Nasional Bandung)
Waktu (s)
0.0004
80
No. Manual Euclidean Manhattan Haversine
60
1 25m 25,46m 30,84m 25,42m
40
16 2 25m 25,65m 30,95m 25,61m
20
1 0 0 0 1 3 17m 17,66m 21,71m 17,63m
0
0 1 2 3 4 5 6 4 29m 29,19m 35,18m 29,14m
waktu (s) 5 26m 27,11m 33,29m 27,07m
6 18m 18,58m 22,49m 18,55m
Gambar 6. Grafik Waktu Pengiriman Data Koordinat
7 30m 30,81m 37,18m 30,76m
Dari hasil pengujian terhadap seratus data yang
8 41m 41,24m 51,32m 41,17m
dihitung waktu proses pengirimannya, diperoleh
rata-rata waktu yang diperlukan dalam pengiriman 9 41m 41,19m 51,65m 41,12m
data sebesar 0,9 detik. 10 42m 42,41m 52,77m 42,33m
11 10m 10,02m 12,25m 10m
B. Waktu Proses Perhitungan Jarak
Dilakukan pengujian untuk mengamati waktu yang 12 20m 20,06m 24,27m 20,03m
diperlukan untuk melakukan proses perhitungan 13 30m 30,08m 36,51m 30,03m
jarak terhadap seratus data, dimana program
14 40m 39,86m 47,76m 39,8m
menghitung waktu sejak pengambilan data pertama
hingga menghasilkan keluaran dari data terakhir. 15 45m 45,04m 54,1m 44,97m
16 27m 27,53m 34,96m 27,48m
Berikut pada Gambar 7 diperlihatkan grafik rata-rata
17 37m 37,48m 46,53m 37,42m
waktu yang diperlukan untuk proses perhitungan
seratus data dalam dua puluh kali percobaan untuk 18 18m 18,67m 21,71m 18,52m
setiap metode perhitungan. 19 16m 16,45m 20,37m 16,43m
20 18m 18,49m 22,49m 18,47m
Rata-Rata Selisih 0,41m 6,67m 0,37m
Tekno Insentif - 74
Yusup Miftahuddin, dkk
Pengujian dilakukan terhadap enam puluh data Manhattan 0,00034045 75,98% 66,67%
koordinat, dimana tiga puluh delapan data berada di Haversine 0,000455141 98,66% 90,00%
dalam jarak optimal dan dua puluh dua data di luar
jarak optimal. Poin penting dalam pengujian
Dari Tabel 5 dinyatakan bahwa metode perhitungan
ketepatan keputusan aplikasi ini adalah sebanyak
yang paling cepat untuk melakukan proses
dua puluh data diambil di area batas jarak optimal.
perhitungan jarak seratus data adalah Manhattan,
Tabel 4. Perbandingan Hasil Pengambilan Keputusan Metode perhitungan yang menghasilkan selisih jarak
terkecil dengan perhitungan jarak manual adalah
di dalam di luar Haversine dengan keakurasian sebesar 98,66%, dan
sebenarnya 38 22
metode perhitungan yang akurat dalam penentuan
lokasi pada enam puluh data koordinat, dimana dari
haversine 32 28 enam puluh data pengujian terdapat dua puluh data
manhattan 13 47 yang diambil pada lokasi perbatasan area terluar
Itenas adalah Haversine yang menghasilkan akurasi
euclidean 28 32
ketepatan sebesar 90%.
Tekno Insentif - 75
Perbandingan Metode Perhitungan Jarak Euclidean, Haversine, Dan Manhattan Dalam Penentuan Posisi
Karyawan (Studi Kasus : Institut Teknologi Nasional Bandung)
menghasilkan tingkat akurasi clustering yang lebih Kemudian, antara euclidean dan haversine yang
besar dibandingkan menggunakan perhitungan jarak memiliki selisih kesalahan yang kecil masih terdapat
manhattan, yaitu 84,47% : 83,35%. Hal tersebut perbedaan yang menentukan. Dengan implementasi
sebanding dengan hasil penelitian pengukuran jarak aplikasi di area perbatasan, haversine menghasilkan
di permukaan bumi ini yang menyatakan bahwa ketepatan keputusan yang lebih akurat.
tingkat akurasi euclidean lebih tinggi dibandingkan
manhattan. Dengan demikian didapatkan hasil Hasil dari setiap perhitungan jarak yang berbeda
analisis bahwa dalam studi kasus pengukuran jarak dapat disebabkan oleh konsep setiap metode
di permukaan bumi dan clustering data, perhitungan perhitungan. Manhattan menghasilkan deviasi
euclidean lebih optimal digunakan daripada paling besar. Konsep perhitungan jarak manhattan
manhattan. yaitu menerapkan konsep pencarian selisih murni
antar data. Hal tersebut kurang cocok terhadap
Penerapan metode perhitungan jarak pada perhitungan jarak yang menggunakan variabel
perhitungan jarak kedekatan antara matriks hasil koordinat latitude dan longitude. Perhitungan
ekstrasi citra untuk sistem pengenalan wajah yang euclidean menerapakan konsep phytagoras
dilakukan oleh Ismail dkk. pada tahun 2019 sedangkan haversine menerapkan konsep
menyatakan bahwa hasil perhitungan jarak perhitungan jarak pada permukaan bola dengan tidak
manhattan menghasilkan tingkat akurasi hasil menghiraukan kemiringan. Hasil penelitian
pengenalan wajah yang lebih tinggi dibandingkan menunjukkan bahwa haversine memiliki tingkat
euclidean. Maka dari itu didapatkan hasil analisis akurasi yang lebih tinggi daripada euclidean. Dari
bahwa dalam studi kasus perhitungan jarak antara hal tersebut didapatkan hasil analisis bahwa
matriks, penerapan metode manhattan lebih optimal. perhitungan jarak pada permukaan bumi harus tetap
mengikutsertakan kemiringan permukaan bumi.
Penerapan metode perhitungan jarak pada
pengukuran jarak antara dua titik koordinat yang Saran
dilakukan oleh Canggih pada tahun 2019 Berikut ini adalah beberapa saran yang diusulkan
menyatakan bahwa hasil perhitungan jarak euclidean untuk dilakukan pada penelitian selanjutnya :
dan haversine menghasilkan hasil yang sama. Dalam 1. Dapat dilakukan pengujian menggunakan metode
penelitian tersebut hasil yang ditunjukkan adalah perhitungan jarak lain selain perhitungan jarak
pada ketelitian 0,01 kilometer atau 10 meter. Namun, yang digunnakan dalam penelitian ini.
pada penelitian ini didapatkan hasil yang
menunjukkan perbedaan tingkat akurasi antara 2. Dapat dilakukan penelitian terhadap perhitungan
euclidean dan haversine, dimana haversine jarak yang memiliki skala lebih besar untuk
menghasilkan tingkat akurasi yang lebih tinggi menguji kelengkungan pada permukaan bumi.
dibandingkan euclidean pada hasil jarak dengan
ketelitian 0,01 meter. 3. Dapat dilakukan pengujian dalam studi kasus
selain perhitungan jarak di permukaan bumi
5. KESIMPULAN DAN SARAN untuk mengetahui keunggulan dan kekurangan
setiap metode perhitungan jarak.
Kesimpulan
Dari hasil pengujian pengambilan data koordinat
dengan menggunakan fitur GPS pada smartphone, 6. DAFTAR PUSTAKA
didapatkan waktu rata-rata dikirimnya data
koordinat sampai tersimpan di database sistem Nishom, M. (2019). Perbandingan Akurasi
adalah 0,9 detik. Euclidean Distance, Minkowski Distance,
dan Manhattan Distance pada Algoritma
Dari tabel perbandingan kinerja pada Tabel 5 KMeans Clustering berbasis Chi-Square.
disimpulkan bahwa metode perhitungan jarak yang Jurnal Pengebangan IT, 4(1), 20-24.
dapat diimplementasikan pada sistem
Yushar, I., Purnama, I. P., Sutardi, & Aksara, L. B.
pengidentifikasi lokasi karyawan adalah Euclidean
(2019). Pengenalan Wajah Berbasis
dan Haversine karena memiliki rata-rata selisih jarak
dengan perhitungan sebenarnya sebesar kurang dari Perhitungan Jarak Fitur LBP Menggunakan
0,5 meter. Sedangkan metode perhitungan Euclidean, Manhattan, Chi Square
manhattan yang memiliki rata-rata selisih jarak Distance. SEMNASTIK, 386-393.
dengan perhitungan sebenarnya sebesar 6,67 meter Aldya, A. P., Rahmatullah, A., & Fachurroji. (2019).
dinyatakan tidak cocok diterapkan dalam studi kasus Haversine Formula Untuk Membatasi Jarak
pengidentifikasi lokasi karyawan, karena hal tersebut Pada Aplikasi Presensi Online. Jurnal
dapat dijadikan celah kecurangan. Informasi Sains Dan Teknologi, 4(2), 171-
180.
Tekno Insentif - 76
Yusup Miftahuddin, dkk
Tekno Insentif - 77