ABSTRAK
Tahap perencanaan dan penjadwalan merupakan tahapan yang paling menentukan keberhasilan suatu
proyek. Hal ini dikarenakan penjadwalan adalah tahap ketergantungan antar aktivitas yang
membangun proyek secara keseluruhan. Pemecahan masalah penjadwalan yang baik dari suatu proyek
merupakan salah satu faktor keberhasilan dalam pelaksanaan proyek untuk selesai tepat pada
waktunya. Tugas akhir ini menerapkan algoritma genetika untuk memecahkan masalah optimasi dalam
penjadwalan proyek. Algoritma genetika merepresentasikan kandidat solusi penjadwalan kedalam
kromosom-kromosom secara acak, lalu dievaluasi menggunakan fungsi fitness dan seterusnya
dilakukan seleksi. Metode seleksi yang digunakan dalam penelitian ini adalah metode seleksi roda
roulette, kemudian dilakukan pindah silang dan mutasi. Pada setiap generasi, kromosom dievaluasi
berdasarkan nilai fungsi fitness. Setelah beberapa generasi maka algoritma genetika akan
menghasilkan kromosom terbaik, yang merupakan solusi optimal. Hasil dari sistem penjadwalan
proyek menggunakan algoritma genetika adalah jadwal kegiatan-kegiatan dalam sebuah proyek yang
dapat menjadi alternatif keputusan bagi kontraktor dalam pelaksanaan proyek. Dan berdasarkan hasil
pengujian performansi yang dilakukan sebanyak 10 kali dapat disimpulkan bahwa algoritma genetika
membutuhkan waktu yang lama jika nilai iterasinya besar, karena dalam algoritma ini terdapat proses
penggenerasian.
Kata kunci: Algoritma Genetika, Fungsi Fitness, Optimasi, Penjadwalan Proyek, Pindah Silang,
Mutasi.
1669
Jurnal Sipil Statik Vol.7 No.12 Desember 2019 (1669-1680) ISSN: 2337-6732
terkomputerisasi dengan metode yang tepat memuaskan sesuai yang diharapkan, Afandi
untuk membantu project manager dalam (2009) menerapkan algoritma genetika untuk
membuat penjadwalan proyek dan masalah penjadwalan job shop pada
menunjukkan kepada organisasi bagaimana lingkungan industri pakaian, Yendrika (2009)
proyek akan dilaksanakan. membuat aplikasi penjadwalan perkuliahan
Metode–metode yang sudah pernah menggunakan algoritma genetika yang
digunakan untuk penjadwalan seperti Program menghasilkan jadwal yang optimal yaitu
Evaluation and Review Technique (PERT), dan memenuhi semua constraint, dan Riza (2011)
Critical Path Method (CPM), dan baru-baru ini menggunakan kombinasi CPM dan algoritma
banyak peneliti menggunakan pendekatan genetika untuk optimasi penjadwalan proyek
metode metaheuristik seperti algoritma dengan penyeimbangan biaya, dimana
genetika dan ant colony optimization. algoritma genetika dapat digunakan untuk
Penelitian ini akan menggunakan algoritma melakukan optimasi terhadap pembuatan jadwal
genetika untuk melakukan penjadwalan proyek
terhadap kegiatan dalam suatu proyek.
Algoritma Genetika adalah algoritma pencarian Rumusan Masalah
(search algorithm) yang menggunakan prinsip Berdasarkan latar belakang yang telah
seleksi alam dalam ilmu genetika untuk diuraikan di atas, maka dapat diambil suatu
mengembangkan solusi terhadap rumusan masalah yaitu bagaimana membangun
permasalahan. Konsep dasar algoritma suatu sistem penjadwalan proyek menggunakan
genetika adalah mengelola suatu populasi algoritma genetika.
individu yang merepresentasikan kandidat
solusi sebuah penjadwalan (Arifudin, 2011). Batasan Masalah
Solusi-solusi tersebut dievaluasi menggunakan Batasan dalam Penelitian ini :
fungsi fitness, dan seterusnya dilakukan seleksi, a. Proyek-proyek yang digunakan dalam
pindah silang (crossover), dan mutasi. Pada penelitian ini dibatasi pada proyek
penelitian ini metode seleksi yang digunakan engineering-konstruksi.
yaitu seleksi roda roulette (Roulette-wheel b. Sistem penjadwalan proyek ini dibangun
Selection) dan pindah silang dilakukan dengan untuk penjadwalan proyek di PT. CIPTA
penyilangan satu titik (One-point Crossover). MANDIRI KONSULTAN
Algoritma genetika ini diusulkan dengan
salah satu tujuan untuk mempermudah proses Tujuan Penelitian
pengalokasian waktu untuk setiap kegiatan Tujuan dari penulisan Penelitian ini adalah
dalam sebuah proyek sesuai aturan atau menghasilkan output berupa jadwal yang
keadaan tertentu, karena setiap masalah yang optimal yaitu memenuhi batasan atau
berbentuk adaptasi dapat diformulasikan dalam persyaratan (constraints) dalam penjadwalan
terminologi genetis dan bagi proyek dengan proyek, meliputi beberapa kegiatan tidak bisa
kombinasi permasalahan yang cukup kompleks, dimulai sebelum kegiatan yang lain selesai,
konsep matematis murni tidak mampu lagi mengoptimalkan efisiensi pemakaian waktu
mengakomodasi pencarian solusi permasalahan, pelaksanaan setiap kegiatan, dan tidak boleh
sehingga harus menggunakan metode yang melebihi durasi proyek yang telah ditetapkan.
cocok untuk mendapatkan solusi penjadwalan
yang optimal.
Berbagai penelitian terhadap masalah LANDASAN TEORI
penjadwalan menggunakan algoritma genetika
telah banyak dipelajari dan dikembangkan oleh Konsep Dasar Sistem
beberapa penelitian diantaranya: Naso et al Sistem merupakan kumpulan elemen-
(2006) membuat penelitian tentang Genetic elemen yang saling terkait dan bekerjasama
Algorithms for supply-chain scheduling (A case untuk memproses masukan (input) yang
study in the distribution of ready-mixed ditujukan kepada sistem tersebut dan mengolah
concrete) menghasilkan solusi yang masukan tersebut sampai menghasilkan
1670
Jurnal Sipil Statik Vol.7 No.12 Desember 2019 (1669-1680) ISSN: 2337-6732
keluaran (output) yang diinginkan. daya yang mengalir dari suatu subsistem
akan menjadi masukkan untuk subsistem
Definisi Sistem yang lainnya melalui penghubung ini,
Sistem adalah kumpulan dari elemen- dengan begitu suatu sistem dapat
elemen yang berinteraksi untuk mencapai suatu berintegrasi dengan subsistem yang lainnya
tujuan tertentu (Jogiyanto, 2005). Secara dengan membentuk suatu kesatuan.
sederhana sistem dapat diartikan sebagai suatu e. Masukkan Sistem (Input)
kumpulan atau himpunan dari unsur, Masukan adalah energi yang dimasuk-kan
komponen, atau variabel-variabel yang ke dalam sistem. Masukkan dapat berupa
terorganisasi, saling berinteraksi, saling maintenance input dan signal input.
tergantung satu sama lain dan terpadu. Maintenance input adalah energi yang
Dalam mendefinisikan sistem, terdapat dua dimasukkan supaya sistem tersebut dapat
kelompok pendekatan sistem yang berbeda, beroperasi. Signal input adalah energi yang
yaitu (Jogiyanto, 1990): diproses untuk diperoleh keluarannya.
a. Pendekatan sistem pada prosedural. f. Keluaran Sistem (Output)
Mendefinisikan sistem sebagai suatu Hasil dari energi yang diolah dan
jaringan kerja dari prosedur-prosedur yang diklasifikasikan menjadi keluaran yang
saling berhubungan, berkumpul bersama- berguna dan sisa pembuangan keluaran
sama untuk melakukan suatu kegiatan atau dapat merupakan masukkan untuk sistem
untuk menyelesaikan suatu sasaran tertentu. yang lain atau supra sistem.
b. Pendekatan sistem yang menekankan pada g. Pengolah Sistem (Process)
elemen atau komponen. Suatu sistem dapat mempunyai suatu bagian
Mendefinisikan sistem sebagai suatu pengolah yang akan merubah masukkan
kumpulan dari elemen-elemen yang menjadi keluaran. Suatu sistem
berinteraksi untuk mencapai suatu tujuan pengolahan akan mengolah berupa bahan
tertentu. baku dalam hal ini adalah data serta bahan-
bahan lainnya untuk menghasilkan keluaran
Karakteristik Sistem berupa laporan dan informasi yang berguna.
Adapun karakteristik dari suatu sistem h. Sasaran Sistem (Objective) atau tujuan
adalah sebagai berikut (Jogiyanto, 1990): (Goal)
a. Bagian (Component) Suatu sistem pasti mempunyai tujuan (goal)
Suatu sistem terdiri dari sejumlah komponen atau sasaran (objective). Jika suatu sistem
yang saling berinteraksi yang artinya bekerja tidak mempunyai sasaran maka operasi tidak
sama membentuk satu kesatuan komponen- akan ada gunanya. Sasaran dari sistem
komponen sistem atau elemen-elemen sangat menentukan sekali masukkan yang
system dapat berupa suatu sub sistem atau dibutuhkan dan keluaran sistem yang akan
bagian dari sistem. dihasilkan oleh sistem itu sendiri.
b. Batas Sistem (Boundary)
Merupakan daerah yang membatasi antara Algoritma Genetika
suatu sistem dengan sistem yang lainnya Algoritma genetika adalah algoritma
atau dengan lingkungan luar. pencarian/heuristik yang didasarkan atas
c. Lingkungan Luar Sistem (Environment) mekanisme seleksi alam dan evolusi biologis.
Lingkungan luar dari suatu sistem adalah Algoritma genetika pertama kali diperkenalkan
apapun diluar batas dari sistem yang oleh John Holland dalam bukunya yang
mempengaruhi operasi system berjudul “Adaption in natural and artificial
d. Penghubung Sistem (Interface) systems”, dan oleh De Jong dalam bukunya
Penghubung (interface) merupakan media “Adaption of the behavior of a class of genetic
penghubung antara satu sub sistem dengan adaptive systems”, yang keduanya diterbitkan
subsistem yang lainnya. Melalui pada tahun 1975, yang merupakan dasar dari
penghubung ini memungkinkan sumber algoritma genetika (Davis, 1991 dikutip dari
Putra, 2009).
1671
Jurnal Sipil Statik Vol.7 No.12 Desember 2019 (1669-1680) ISSN: 2337-6732
1672
Jurnal Sipil Statik Vol.7 No.12 Desember 2019 (1669-1680) ISSN: 2337-6732
reproduksi sebelumnya (Arifudin, 2011). dalam populasi. Dan juga jika (Pc) terlalu
Crossover merupakan operator genetik besar, string yang merupakan kandidat
utama, yang beroperasi pada dua kromosom solusi terbaik mungkin dapat hilang lebih
dalam suatu waktu dan menghasilkan cepat pada generasi berikutnya.
offspring dengan mengkombinasikan kedua 5. Mutasi
fitur-fitur kromosom (Fadlisyah dkk, 2009). Mutasi merupakan proses mengubah secara
Sebuah kromosom yang mengarah pada acak nilai dari satu atau beberapa gen
solusi yang bagus bisa diperoleh dari dalam suatu kromosom (Haupt, 2004
proses memindah-silangkan dua buah dikutip dari Riza Arifudin, 2011). Mutasi
kromosom. Contoh crossover dapat dilihat adalah operator algoritma genetika
pada gambar berikut: yang bertujuan untuk membentuk
individu-individu yang baik atau memiliki
kualitas diatas rata-rata. Selain itu mutasi
dipergunakan untuk mengembalikan
hasil kerusakan materi genetik akibat proses
crossover.
6. Elitism
Karena seleksi dilakukan secara acak
(random), maka tidak ada jaminan bahwa
Gambar 1. Proses Pindah Silang (Putra, suatu individu bernilai fitness tertinggi akan
2009) selalu terpilih. Kalaupun individu yang
memiliki nilai fitness tertinggi terpilih,
Titik potong ditentukan secara acak, mungkin saja individu tersebut akan rusak
kemudian dilakukan pertukaran bit-bit (nilai fitness menurun) karena proses
kromosom disebelah kanan titik kromosom crossover. Untuk menjaga agar individu
sehingga terbentuk keturunan yaitu anak A yang bernilai fitness tertinggi tidak hilang
dan B. Kromosom anak sebagian besar selama evolusi, maka perlu dibuat satu atau
masih mewarisi kromosom induk tetapi beberapa buah duplikatnya. Proses ini
sebagian lagi sudah terjadi pertukaran materi dikenal sebagai elitism.
genetik antar kromosom.
Pindah silang bisa juga berakibat buruk jika Penjadwalan Proyek
ukuran populasinya sangat kecil. Dalam Penjadwalan merupakan proses atau cara
suatu populasi yang sangat kecil, suatu membagi waktu berdasarkan rencana
kromosom dengan gen-gen yang mengarah pengaturan urutan kerja, biasanya berupa tabel
ke solusi akan sangat cepat menyebar ke kegiatan atau rencana kegiatan dengan
kromosom-kromosom lainnya. Untuk pembagian waktu pelaksanaan yang terperinci.
mengatasi masalah ini digunakan suatu Penjadwalan diperlukan sebagai tolak ukur
aturan bahwa pindah silang hanya bisa dalam melakukan kegiatan/ aktifitas tertentu.
dilakukan dengan suatu probabilitas tertentu Penjadwalan proyek adalah pembuatan
(probabilitas crossover). Artinya pindah rencana pelaksanaan setiap kegiatan di dalam
silang bisa dilakukan hanya jika suatu suatu proyek dengan mengoptimal-kan efisiensi
bilangan random [0,1] yang dibangkitkan pemakaian waktu dan sumber daya yang
kurang dari probabilitas crossover (Pc) yang tersedia, tetapi kesesuaian presedensi diantara
ditentukan. Pada umumnya Pc diset kegiatan tetap dipenuhi (Arifudin,2011).
mendekati 1, misalnya 0.8 (Suyanto,2005).
Probabilitas crossover (Pc) bertujuan untuk Proyek
mengendalikan operator crossover. Jika n Menurut Project Management Institute
adalah banyaknya string pada populasi, (PMI), dalam buku yang berjudul “A Guide to
maka sebanyak (Pc) x n string akan the Project Management Body of
mengalami crossover. Semakin besar nilai Knowledge” (PMBOK Guide) mendefinisikan
(Pc), semakin cepat pula string baru muncul proyek sebagai berikut: “ Usaha temporer yang
1673
Jurnal Sipil Statik Vol.7 No.12 Desember 2019 (1669-1680) ISSN: 2337-6732
1674
Jurnal Sipil Statik Vol.7 No.12 Desember 2019 (1669-1680) ISSN: 2337-6732
ini.
c. Observasi
Metode observasi atau pengamatan
merupakan salah satu metode pengumpulan
data / fakta yang cukup efektif. Observasi
merupakan pengamatan langsung yaitu suatu
kegiatan yang bertujuan untuk memperoleh
informasi yang diperlukan dengan cara
melakukan pengamatan dan pencatatan dengan
peninjauan langsung.
Analisa Sistem
Tahap ini merupakan tahap analisa
terhadap data-data yang telah berhasil
dikumpulkan, terdiri dari analisa data masukan,
analisa model dari algoritma genetika, dan
analisa data keluaran.
Gambar 1. Metodologi Penelitian. 1. Analisa data masukan (input), bertujuan
untuk mengidentifikasi masukan (input)
Pengumpulan Data yang dibutuhkan oleh sistem.
Pengumpulan data merupakan metode 2. Analisa model dari algoritma genetika untuk
yang difungsikan untuk memperoleh informasi- penjadwalan proyek. Gambar 2. dibawah ini
informasi atau data-data terhadap kasus yang merupakan flowchart penjadwalan proyek
menjadi permasalahan dalam laporan tugas menggunakan algoritma genetika.
akhir ini. Hal yang dibutuhkan oleh penulis
adalah informasi-informasi mengenai
penjadwalan proyek dan metode yang
digunakan dalam penelitian kasus ini, yaitu
algoritma genetika. Ada tiga pendekatan yang
penulis lakukan untuk memperoleh informasi-
informasi atau pengumpulan data ini
diantaranya adalah:
a. Wawancara (Interview)
Wawancara yaitu suatu model data dengan
mengajukan pertanyaan-pertanyaan atau tanya
jawab secara langsung kepada project manager
dan karyawan CV. Kambang Putra. Wawancara
pada penelitian ini dilakukan untuk mengetahui
permasalahan-permasalahan atau kendala-
kendala dalam penjadwalan proyek.
b. Studi Pustaka (Library Research)
Studi pustaka merupakan metode yang
dilakukan untuk menemukan dan
mengumpulkan data atau informasi kasus dari
referensi-referensi terkait. Referensi-referensi
ini dapat berupa buku-buku tentang metode
penjadwalan, jurnal-jurnal atau tulisan
penelitian penjadwalan menggunakan algoritma
genetika, atau artikel-artikel yang membahas Gambar 2. Flowchart Penjadwalan Proyek
kasus yang sama dengan kasus dalam laporan menggunakan Algoritma Genetika.
1675
Jurnal Sipil Statik Vol.7 No.12 Desember 2019 (1669-1680) ISSN: 2337-6732
1676
Jurnal Sipil Statik Vol.7 No.12 Desember 2019 (1669-1680) ISSN: 2337-6732
constraint. 1 0 – 0.179
2 0.180 – 0.268
3 3 0.269 – 0.357
3. Seleksi
4 0.358 – 0.536
Pembentukan susunan kromosom pada 5 0.537 – 0.625
suatu populasi baru dilakukan dengan 6 0.698 – 0.876
menggunakan metode seleksi roulette-wheel. TOTAL 1
Sesuai dengan namanya, metode ini
menirukan permainan roulette-wheel dimana
masing-masing kromosom menempati Untuk menentukan susunan populasi baru
potongan lingkaran pada roulette-wheel hasil seleksi maka dibangkitkan bilangan acak
secara proporsional sesuai dengan nilai (random) antara [0-1]. Dimisalkan bilangan
fitnessnya. Kromosom yang memiliki nilai yang dibangkitkan adalah
fitness lebih besar menempati potongan [0.25;0.1;0.35;0.5;0.75;0.6;0.9;0.65] maka
lingkaran yang lebih besar dibandingkan susunan kromosom populasi baru hasil seleksi
dengan kromosom bernilai fitness rendah. adalah:
Langkah pertama metode ini adalah
Tabel 6. Populasi baru hasil seleksi
menghitung total nilai fitness seluruh
kromosom.
1677
Jurnal Sipil Statik Vol.7 No.12 Desember 2019 (1669-1680) ISSN: 2337-6732
crossover). Suatu titik potong dipilih secara antara [0-1], misalnya 0,1 maka diharapkan
acak (random), kemudian bagian pertama mutasi yang terjadi adalah : 0,1 x 36 = 3,6 =
dari kromosom induk 1 digabungkan dengan 4 gen yang akan mengalami mutasi.
bagian kedua dari kromosom induk 2. Pemilihan posisi gen yang akan dimutasi
Bilangan acak (random) yang dibangkitkan dilakukan secara acak. Diasumsikan gen
untuk menentukan posisi titik potong adalah yang mendapatkan bilangan dibawah
[1-N] dimana N merupakan banyaknya probabilitas mutasi adalah gen ke 5, 6, 17,
jumlah gen dalam satu kromosom. Untuk dan 25. Nilai gen yang terkena proses
contoh ini ditentukan probabilitas crossover mutasi nilainya akan diganti secara random.
(Pc) yaitu 0.6. Setelah proses berhenti, kromosom hasil
Dimisalkan dari contoh yang ada, nilai mutasi akan dievaluasi.
untuk kromosom 1, 2, 3, dan 4 kurang dari
probabilitas crossover (Pc) yang telah
ditentukan serta bilangan acak (random)
untuk posisi titik potong adalah pada posisi
gen ke-3, maka proses pindah silangnya Tabel 9. krompsom hasil proses Motasi
adalah:
Dari hasil crossover diatas, kromosom Pada kromosom 1 dapat dijelaskan bahwa gen
yang masih memiliki pelanggaran yaitu X1 mempunyai nilai 1 menunjukkan bahwa
kromosom 1, 2, dan 4 akan menjalani kegiatan 1.1 dilaksanakan pada minggu ke 1,
proses selanjutnya yaitu mutasi. gen X2 mempunyai nilai 1 menunjukan bahwa
kegiatan 1.2 dilaksanakan pada minggu ke 1,
Sedangkan kromosom yang tidak memiliki
dan seterusnya sampai dengan gen X12 yang
pelanggaran yaitu kromosom 3 akan
mempunyai nilai 3 yang menunjukan bahwa
disimpan sebagai kromosom yang baik yang
kegiatan 1.12 dilaksanakan pada minggu ke 3.
nantinya akan digunakan untuk
dibandingkan kromosom hasil mutasi.
5. Mutasi PENUTUP
Untuk mendapatkan posisi gen yang akan
Kesimpulan
dimutasi maka perlu dihitung jumlah total
Dari proses perhitungan dengan metode
gen dalam satu populasi yaitu Total gen =
Algoritma Genetika dapat disimpulkan
Jumlah gen dalam satu kromosom x
kromosom 1 dan 3 memiliki nilai fitness terbaik
Jumlah kromosom yang ada. Berdasarkan
karena tidak terdapat pelanggaran terhadap
contoh yang ada maka total gen adalah = 12
constraint yang telah ditetapkan. Karena
x 3 = 36. Probabilitas mutasi umumnya diset
1678
Jurnal Sipil Statik Vol.7 No.12 Desember 2019 (1669-1680) ISSN: 2337-6732
DAFTAR PUSTAKA
Afandi, Fachrudin. 2009. Penerapan Algoritma Genetika Untuk Masalah Penjadwalan Job Shop pada
Lingkungan Industri Pakaian. Skripsi Sarjana, Fakultas Teknologi Informasi Institut
Teknologi Sepuluh November (ITS), Surabaya.
Arifudin, Riza. Optimasi Penjadwalan Proyek dengan Penyeimbangan Biaya Menggunakan Kombinasi
CPM dan Algoritma Genetika, Jurnal Masyarakat Informatika, Volume 2, Nomor 4, ISSN 2086
– 4930.
Erika, Maya. 2008., Sistem Perencanaan dan Pengendalian Jadwal Proyek Menggunakan Precedence
Diagram Method (PDM)”. Skripsi Sarjana, Fakultas Sains dan Teknologi Universitas Islam
Negeri SUSKA, Riau.
Jogiyanto. 1990. Analisis & Desain Sistem Informasi: Pendekatan terstruktur teori dan praktek
aplikasi bisnis. Andi Offset,Yogyakarta.
Jogiyanto. 2005. Analisis & Desain Sistem Informasi: Pendekatan terstruktur teori dan praktek
aplikasi bisnis. Andi Offset,Yogyakarta.
1679
Jurnal Sipil Statik Vol.7 No.12 Desember 2019 (1669-1680) ISSN: 2337-6732
Putra, Yendrika. 2009. Aplikasi Penjadwalan Perkuliahan Menggunakan Algoritma Genetika. Skripsi
Sarjana, Fakultas Sains dan Teknologi Universitas Islam Negeri SUSKA, Riau.
Sam’ani. 2012. Rancang Bangun Sistem Penjadwalan Perkuliahan dan Ujian Akhir Semester
dengan Pendekatan Algoritma Genetika. Tesis Pascasarjana, Universitas Diponegoro,
Semarang.
Wiwik, Amalia Utamima, Khairil Juhdi Siregar. 2015. Optimasi Penjadwalan Proyek Menggunakan
Algoritma Genetika. Jurnal Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Institut
Sepuluh November, Surabaya,
1680