7694 Copyediting Fix
7694 Copyediting Fix
20241117694
Vol. 11, No. 1, Februari 2024, hlm. 155-166 p-ISSN: 2355-7699
Akreditasi KEMENRISTEKDIKTI, No. 36/E/KPT/2019 e-ISSN: 2528-6579
Abstrak
Seiring dengan semakin banyaknya mitra serta volume pesanan pada platform Pituku menjadikan pihak
perusahaan kesulitan dalam menentukan pengepul limbah yang cocok untuk menangani suatu pesanan. Idealnya,
pengepul yang dipilih merupakan pengepul yang terletak paling dekat secara geografis dengan pemesan limbah
sehingga biaya pengiriman dapat di minimalkan dan pemesan dapat segera menerima limbah pesananannya. Oleh
karena itu dibutuhkan suatu sistem rekomendasi yang dapat merekomendasikan daftar pengepul limbah yang
diurutkan dari yang paling dekat ke pembeli limbah. Penelitian ini bertujuan untuk membuat sistem rekomendasi
pemilihan pengepul limbah di PT. Pituku Cordova International yang dapat membantu merekomendasikan daftar
pengepul limbah yang diurutkan dari yang paling dekat dengan pembeli limbah sehingga proses pemilihan
pengepul limbah menjadi lebih efektif. Penelitian ini menggunakan metode Rapid Throwaway Prototyping Model
yang dimana tahapan yang dilakukan meliputi outline requirements, develop protoype, evaluate prototype, specify
system, develop software, dan validate system. Algoritma Haversine formula digunakan dalam sistem rekomendasi
dimana koordinat garis lintang dan garis bujur dihitung untuk mendapatkan jarak antara pembeli dan pengepul
limbah dalam satuan km kemudian berdasarkan jarak tersebut daftar pengepul limbah diurutkan dari yang paling
dekat ke yang paling jauh. Metrik evaluasi menggunakan NDCG (Normalized Discounted Cumulative Gain) yang
mengukur akurasi rangking sistem rekomendasi. Berdasarkan hasil evaluasi diperoleh informasi bahwa sistem
rekomendasi memiliki score NDCG rata-rata sebesar 1 yang artinya sistem rekomendasi memberikan item
rekomendasi dengan rangking yang diharapkan.
As the number of partners and order volumes on the Pituku platform increases, the company faces challenges in
determining suitable waste collectors to handle orders. Ideally, the selected collector should be geographically
closest to the waste requester to minimize shipping costs and ensure prompt delivery. Therefore, a
recommendation system is needed to suggest a list of waste collectors sorted from closest to the waste buyer. This
research aims to create a waste collector selection recommendation system at PT. Pituku Cordova International
assists in suggesting a list of waste collectors sorted by proximity to the waste buyer, enhancing the efficiency of
the waste collector selection process. The study employs the Rapid Throwaway Prototyping Model, with stages
encompassing outlining requirements, developing prototypes, evaluating prototypes, specifying the system,
developing software, and validating the system. The Haversine formula algorithm is used in the recommendation
system, where latitude and longitude coordinates are calculated to determine the distance between buyers and
waste collectors in kilometers. Based on this distance, the list of waste collectors is sorted from closest to farthest.
The evaluation metric, Normalized Discounted Cumulative Gain (NDCG), assesses the ranking accuracy of the
recommendation system. Results indicate that the recommendation system achieves an average NDCG score of 1,
signifying that it provides the expected ranking for recommended items.
155
156 Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), Vol. 11, No. 1, Februari 2024, hlm. 155-166
dalam bentuk peta interaktif. Dalam penelitian ini dekat dengan mereka. Hasil nya diperoleh bahwa
juga diperoleh selisih hasil perhitungan antara algoritma Haversine memiliki nilai deviasi lebih
Haversine Formula dengan hasil perhitungan dari rendah yakni 2.536912 dibandingkan dengan
Google Maps untuk jarak garis lurus dengan nilai Euclidean yang memiliki nilai deviasi sebesar
selisih terkecil 0 meter dan nilai selisih terbesar 5 2.539764.
meter, sehingga nilai selisih rata-rata sebesar 3 meter. Berdasarkan penelitian sebelumnya yang telah
Penelitian keempat yang dilakukan oleh diuraikan terdapat beberapa algoritma yang dapat
(Suryana et al., 2019) mengimplementasikan digunakan untuk menghitung jarak antara dua
Haversine Formula pada sistem E-Voting. Pada koordinat. Salah satunya adalah dengan algoritma
penelitian ini dibuat aplikasi berbasis android untuk Haversine formula yaitu algoritma yang dapat
melakukan E-Voting, pemilih yang hendak digunakan dalam pencarian jarak antara dua titik pada
melakukan voting harus berada di radius yang telah permukaan bumi berdasarkan garis lintang (latitude)
ditetapkan admin voting. Untuk dapat melacak dan garis bujur (longitude) yang memiliki
apakah pengguna berada didalam radius pemilihan keunggulan dibandingkan algoritma lain seperti lebih
atau tidak, dimanfaatkan GPS pada perangkat akurat, tingkat error rendah dalam kecepatan analisa,
pengguna. Karena informasi yang diberikan GPS perhitungan lebih mudah untuk dilakukan dan
merupakan koordinat dalam bentuk latitude dan menghasilkan response time dua kali lipat lebih cepat
longitude, dilakukan proses penghitungan jarak dibandingkan dengan Vincenty formula (Chandra
antara koordinat perangkat android pengguna dengan Husada, Kristoko Dwi Hartomo and Hanna Prillysca
koordinat tempat pemilihan berlangsung Chernovita, 2020) (Mahmoud and Akkari, 2016).
menggunakan Haversine Formula. Jika pengguna Maka berdasarkan latar belakang permasalahan
berada didalam radius yang telah ditentukan, tersebut peneliti akan melakukan pembuatan sistem
pengguna ditandai sebagai pemilih, jika tidak rekomendasi pemilihan pengepul limbah yang
pengguna ditandai sebagai bukan pemilih. Untuk diurutkan dari yang terdekat dengan pembeli limbah
menghindari pengguna memberikan suara lebih dari menggunakan algoritma Haversine formula. Hasil
satu melalui lebih dari satu perangkat, deviceId dari penelitian ini berupa sistem rekomendasi yang
pengguna disimpan di database sehingga pengguna menghasilkan daftar rekomendasi pengepul limbah
hanya dapat login dari satu perangkat. yang diurutkan berdasarkan jarak terdekat dari
Penelitian kelima yang dilakukan oleh (Skarga- pembeli limbah sehingga dapat membantu pihak
Bandurova, Derkach and Kotsiuba, 2018) Pituku dalam menentukan pilihan pengepul limbah
mengimplementasikan Haversine Formula pada yang paling efisien.
sistem informasi prediksi kedatangan bus troli di
Ukraina. Sistem informasi ini digunakan untuk
memprediksi berapa lama suatu bus troli sampai ke 2. METODE PENELITIAN
suatu stasiun. Haversine Formula digunakan untuk
Metode yang digunakan dalam penelitian ini
menghitung jarak bus troli dengan stasiun berikutnya.
adalah metode Rapid Throwaway Prototyping Model.
Penelitian ini mencoba menghitung jarak
menggunakan tiga algoritma, yaitu vincenity, Rapid Throwaway Prototyping merupakan salahsatu
haversine, dan Euclidean. Hasilnya, haversine jenis dari prototyping model. Pada metode ini
menghasilkan nilai akurasi lebih tinggi daripada prototipe dibangun dengan cepat untuk
vincenity dan Euclidean. Penelitian yang dilakukan memperlihatkan secara visual bagaimana suatu
sistem akan bekerja (Sinarmata, 2010). Adapun
oleh (Miftahuddin, Umaroh and Karim, 2020)
tahapan yang dilakukan meliputi outline
membandingkan ketiga algoritma perhitungan jarak
yakni Euclidean, Manhattan, dan Haversine untuk requirements, develop protoype, evaluate prototype,
menentukan lokasi posisi karyawan Institut specify system, develop software, dan validate system
Teknologi Nasional Bandung. Perbandingan tingkat (Jacobs and Doerry, n.d.).
keakurasian dilakukan dengan membandingkan Gambar 1 merupakan tahapan penelitian yang
persentase error hasil perhitungan jarak dengan merujuk pada metode Rapid Throwaway Prototyping
pengukuran secara manual menggunakan pita ukur. Model. Penjelasan lebih lanjut pada mengenai
Hasilnya diperoleh bahwa Haversine memiliki tahapan penelitiannya sebagai berikut:
tingkat keakurasian paling tinggi sebesar 98.66% 1. Outline Requirements, dimana pada tahap ini,
dibandingkan dengan Euclidean dan Manhattan. peneliti melakukan dua aktivitas, antara lain:
a. Identifikasi masalah, dilakukan untuk
Penelitian keenam yang dilakukan oleh (Maria
mengetahui permasalahan yang dialami
et al., 2020) membandingkan dua algoritma
perhitungan jarak yakni Euclidean dan Haversine oleh pihak perusahaan PT. Pituku Cordova
pada sistem informasi fasilitas publik terdekat di kota International.
Samarinda. Sistem informasi ini dibuat untuk tujuan b. Studi literatur, dilakukan untuk
mempelajari penelitian-penelitian
membantu masyarakat samarinda menemukan
fasilitas publik seperti rumah sakit, tempat beribadah, sebelumnya terkait algoritma apa yang
SPBU, pusat perbelanjaan, dan apotik yang paling cocok untuk sistem rekomendasi
berbasiskan lokasi.
158 Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), Vol. 11, No. 1, Februari 2024, hlm. 155-166
2. Develop Prototype, dimana pada tahap ini 6. Validate System, dimana pada tahap ini peneliti
peneliti melakukan aktivitas pembuatan melakukan aktivitas validasi sistem
prototipe sistem rekomendasi untuk rekomendasi bersama dengan pihak PT. Pituku
menghasilkan prototipe sistem rekomendasi. Cordova International untuk mengetahui apakah
3. Evaluate Prototype, dimana pada tahap ini sistem rekomendasi yang menerapkan algoritma
peneliti melakukan aktivitas evaluasi prototipe Haversine Formula memiliki performa yang
sistem rekomendasi bersama dengan pihak PT. baik dalam melakukan rangking pengepul
Pituku Cordova International untuk limbah terdekat dari pembeli limbah. Metrik
mendapatkan feedback apakah prototipe sudah yang digunakan merupakan metrik NDCG
sesuai dengan yang dibutuhkan. (Normalized Discounted Cumulative Gain)
4. Specify system, dimana pada tahap ini peneliti dimana menurut (Chandekar, 2020), NDCG
melakukan aktivitas pembuatan spesifikasi memiliki formula:
sistem rekomendasi yang akan dikembangkan
!"#
berdasarkan prototipe yang telah dibuat 𝑁𝐷𝐶𝐺 = (4)
$!"#
sebelumnya.
5. Develop Software, dimana pada tahap ini, /
𝐷𝐶𝐺 = ∑+0-
%&';
(5)
'()< (+,-)
peneliti melakukan aktivitas pembuatan sistem
rekomendasi dimana aktivitas ini didasarkan Hasil validasi ini akan dijadikan acuan
pada prototipe sistem rekomendasi dan apakah sistem rekomendasi yang menerapkan
spesifikasi sistem yang telah ditentukan algoritma Haversine Formula layak untuk
sebelumnya. Pada tahapan inilah algoritma dikembangkan lebih jauh dan digunakan pada
Haversine Formula akan diterapkan ke dalam environment (lingkungan) production
kode program untuk menghitung jarak antara bersamaan dengan sistem lain yang telah ada.
pembeli limbah dengan pengepul limbah.
Berdasarkan (Azdy and Darnis, 2020), formula
Haversine untuk menghitung jarak antara dua 3. HASIL DAN PEMBAHASAN
koordinat tersaji sebagai berikut.
3.1. Hasil
𝛥𝑙𝑎𝑡 = latitude2 − latitude1 (1) 3.1.1. Outline Requirements
𝛥𝑙𝑜𝑛𝑔 = longitude2 − longitude1 (2) Pada tahapan ini dilakukan dua aktivitas yaitu
identifikasi masalah dan studi literatur.
Dis = "#$%
2. 𝑅. 𝑎𝑟𝑐𝑠𝑖𝑛 *+𝑠𝑖𝑛! , ! - +
"#&'(
cos(𝑙𝑎𝑡𝑖𝑡𝑢𝑑𝑒2) . cos(𝑙𝑎𝑡𝑖𝑡𝑢𝑑𝑒1) . 𝑠𝑖𝑛! , ! -: (3)
1. Identifikasi Masalah
Dari tahapan ini diidentifikasi bahwa PT. Pituku
Dimana R merupakan jari-jari bumi yang secara Cordova International menghadapi masalah dalam
aproksimasi berukuran 6371 km. mencari pengepul limbah untuk melayani pesanan
pembeli limbah dikarenakan banyaknya mitra
Kurniadi, dkk, Sistem Rekomendasi Pemilihan Pengepul Limbah … 159
pengepul dari berbagai kota di Indonesia. Sistem algoritma lain seperti lebih akurat, tingkat error
rekomendasi saat ini hanya memberikan rekomendasi rendah dalam kecepatan analisa, perhitungan lebih
berdasarkan stok bukan berdasarkan jarak kedekatan mudah untuk dilakukan dan menghasilkan response
antara pembeli limbah dan pengepul limbah. Adapun time dua kali lipat lebih cepat dibandingkan dengan
proses pemilihan pengepul yang saat ini dilakukan Vincenty formula (Chandra Husada, Kristoko Dwi
masih rumit dan tidak efisien sehingga berpotensi Hartomo and Hanna Prillysca Chernovita, 2020)
meningkatkan biaya dan waktu pengiriman. Maka (Mahmoud and Akkari, 2016).
dari permasalahan tersebut dibutuhkan sistem
rekomendasi yang dapat memberikan daftar 3.1.2. Develop Prototype
rekomendasi pengepul limbah yang diurutkan
Pada tahapan ini dilakukan aktivitas pembuatan
berdasarkan jarak dari yang terdekat ke yang paling
prototipe sistem rekomendasi. Tahapan ini berfokus
jauh dari pembeli limbah.
untuk membuat prototipe dari sistem rekomendasi
2. Studi Literatur
yang telah direncanakan sebelumnya. Peneliti
Berdasarkan hasil studi literatur diperoleh menggunakan alat desain seperti Figma untuk
informasi bahwa algoritma Haversine formula yaitu memvisualisasikan bagaimana sistem rekomendasi
algoritma yang dapat digunakan dalam pencarian akan bekerja. Proses pembuatan prototipe dapat
jarak antara dua titik pada permukaan bumi dilihat pada Gambar 2.
berdasarkan garis lintang (latitude) dan garis bujur
(longitude) yang memiliki keunggulan dibandingkan
Tahapan Develop Prorotype ini dilakukan yang mengarah ke maksimal 10 pengepul limbah
sebanyak dua kali. Hasil dari pembuatan prototipe terdekat. Bagian kanan layar berisikan daftar
pertama dapat dilihat pada Gambar 3. Pembuatan pengepul limbah yang terdekat dengan pembeli
prototipe kedua dilakukan berdasarkan hasil evaluasi limbah yang di pilih pengguna melalui marker pada
bersama pihak PT. Pituku Cordova International. maps di sebelah kiri layar. Dibagian atas daftar
Hasil dari pembuatan prototipe kedua dapat dilihat pembeli limbah terdapat tombol dropdown untuk
pada Gambar 4. memilih jenis limbah. Daftar pengepul limbah yang
Prototipe sistem rekomendasi dapat diakses ditampilkan bergantung pada marker pembeli limbah
pada tautan https://s.id/1S0WX. Berdasarkan dan jenis limbah (jika ditentukan) yang dipilih
prototipe diatas dapat dijelaskan sistem yang akan pengguna. Daftar pengepul limbah yang ditampilkan
dibuat akan memiliki tampilan yang terdiri dari satu akan berjumlah maksimal 10 item.
halaman yang terbagi ke dalam dua bagian. Bagian
kiri layar berupa maps yang menampilkan marker 3.1.3. Evaluate Prototype
sebagai penanda titik lokasi pengepul limbah dan
Pada tahapan ini, peneliti bersama dengan pihak
pembeli limbah. Sebagai pembeda antara pengepul
perusahaan PT. Pituku Cordova International
limbah dan pembeli limbah, diberikan warna yang
melakukan identifikasi mengenai kelebihan dan
berbeda untuk setiap marker. Marker yang berwarna
kekurangan dari prototipe, memperbaiki potensi
biru menandakan pembeli limbah, sedangkan marker
masalah, dan mengumpulkan masukan dari pengguna
berwarna merah menandakan pengepul limbah. Saat
untuk melakukan iterasi selanjutnya.
salahsatu marker berwarna biru (marker pembeli
limbah) di klik, akan terbuat garis berwarna merah
Name:
Pseudocode mendapatkan daftar rekomendasi pengepul limbah menggunakan
Algoritma Haversine
In:
Id jenis limbah,
Koordinat latitude pembeli limbah,
Koordinat longitude pembeli limbah
Out:
Daftar Rekomendasi Pengepul Limbah
Step:
1. Query pengepul limbah berdasarkan id jenis limbah;
2. Foreach pengepul in daftar_pengepul_hasil_query
Hitung jarak dengan pembeli limbah menggunakan algoritma Haversine Formula;
"#$% "#&'(
2. 𝑅. 𝑎𝑟𝑐𝑠𝑖𝑛 /0𝑠𝑖𝑛! 1 !
2 + cos(𝑙𝑎𝑡𝑖𝑡𝑢𝑑𝑒2) . cos(𝑙𝑎𝑡𝑖𝑡𝑢𝑑𝑒1) . 𝑠𝑖𝑛! 1 !
2<
Pada bagian frontend dipergunakan library marker tersebut menunjukkan titik pembeli limbah
LeafletJS untuk menampilkan map. Tampilan dan pengepul limbah.
frontend sistem rekomendasi dapat dilihat pada
Gambar 7. 3.1.6. Validate System
Gambar 7 merupakan tampilan frontend sistem
Pada tahapan ini peneliti menguji sistem
rekomendasi terdiri dari satu halaman dan terdapat
rekomendasi yang telah dibuat untuk memastikan
dua bagian pada satu halaman. Bagian sebelah kiri
bahwa sistem berfungsi sesuai harapan dan
merupakan map yang memiliki dua jenis marker.
memenuhi kebutuhan pengguna. Pada tahapan ini,
Marker yang berwarna biru merepresentasikan
dilakukan percobaan oleh pihak perusahaan terhadap
pembeli limbah, sedangkan marker yang berwarna
sistem rekomendasi yang telah dibuat. Hasil
merah merepresentasikan pengepul limbah. Setiap
pengujian dapat dilihat pada Tabel 1.
pengepul limbah yang paling efisien, meningkatkan AZDY, R.A. and DARNIS, F., 2020. Use of
efektivitas operasional, dan memberikan pengalaman Haversine Formula in Finding Distance between
jual beli limbah yang lebih baik bagi para pengguna Temporary Shelter and Waste End Processing
platform ini. Sites. Journal of Physics: Conference Series,
1500(1). https://doi.org/10.1088/1742-
4. KESIMPULAN 6596/1500/1/012104.
Penelitian ini berhasil mengimplementasikan BLHK, 2022. IKN, Tantangan Kelola Sampah –
algoritma Haversine Formula pada sistem Standar Minimal Harus Berjalan. [online]
rekomendasi pemilihan pengepul limbah di PT. Available at:
Pituku Cordova International. Hasil evaluasi <https://bsilhk.menlhk.go.id/index.php/2022/06
menunjukkan bahwa sistem rekomendasi dapat /02/ikn-tantangan-kelola-sampah-standar-
memberikan rekomendasi pengepul limbah yang minimal-harus-berjalan/> [Accessed 5 March
diurutkan berdasarkan jarak terdekat dengan pembeli 2023].
limbah, dengan nilai NDCG rata-rata 1 yang artinya CHANDEKAR, P., 2020. Evaluate Your
sistem rekomendasi telah memberikan daftar Recommendation Engine using NDCG. [online]
rekomendasi pengepul limbah yang setiap item nya Available at:
diurutkan sesuai dengan yang seharusnya. Penerapan <https://towardsdatascience.com/evaluate-
algoritma Haversine Formula dalam sistem your-recommendation-engine-using-ndcg-
rekomendasi ini membantu meningkatkan efisiensi 759a851452d1>.
operasional perusahaan dengan meminimalkan biaya CHANDRA HUSADA, KRISTOKO DWI
pengiriman dan mempercepat proses pemilihan HARTOMO and HANNA PRILLYSCA
pengepul limbah. CHERNOVITA, 2020. Implementasi Haversine
Kelemahan Haversine Formula menghitung Formula untuk Pembuatan SIG Jarak Terdekat
jarak secara garis lurus antara dua titik berdasarkan ke RS Rujukan COVID-19. Jurnal RESTI
koordinat geografisnya dan tidak memperhitungkan (Rekayasa Sistem dan Teknologi Informasi),
faktor-faktor seperti rute dan topografi, yang dapat 4(5), pp.874–883.
mempengaruhi perjalanan sebenarnya. Ketika https://doi.org/10.29207/resti.v4i5.2255.
menerapkan rekomendasi ini dalam lingkungan
JACOBS, S. and DOERRY, E., n.d. Prototyping:
praktis, penting diperhatikan bahwa hasil perhitungan
Making Design Concepts Real and Testable.
jarak menggunakan Haversine Formula mungkin
tidak selalu mencerminkan waktu perjalanan MAHMOUD, H. and AKKARI, N., 2016. Shortest
sebenarnya. Hal ini dapat menyebabkan perbedaan Path Calculation : A Comparative Study for
antara estimasi jarak dan waktu tempuh sebenarnya, Location-Based Recommender System. pp.1–5.
terutama dalam kasus perjalanan dengan rute yang https://doi.org/10.1109/WSCAR.2016.16.
kompleks atau kendala lalu lintas. Berdasarkan hal MARIA, E., BUDIMAN, E., HAVILUDDIN and
tersebut, saran pengembangan berikutnya perlu TARUK, M., 2020. Measure distance locating
mengimbangi kelemahannya dengan nearest public facilities using Haversine and
mempertimbangkan data rute dan faktor-faktor Euclidean Methods. Journal of Physics:
lainnya dalam proses pemilihan pengepul limbah. Conference Series, 1450(1).
Penggunaan gabungan antara perhitungan jarak https://doi.org/10.1088/1742-
dengan informasi rute dapat meningkatkan estimasi 6596/1450/1/012080.
yang lebih akurat untuk waktu perjalanan dan MIFTAHUDDIN, Y., UMAROH, S. and KARIM,
membantu dalam pengambilan keputusan yang lebih F.R., 2020. Perbandingan Metode Perhitungan
baik dalam pemilihan pengepul limbah. Jarak Euclidean, Haversine, Dan Manhattan
Dalam Penentuan Posisi Karyawan. Jurnal
Tekno Insentif, 14(2), pp.69–77.
https://doi.org/10.36787/jti.v14i2.270.
DAFTAR PUSTAKA SINARMATA, J., 2010. Rekayasa Perangkat Lunak.
AGUSTANTI, R.D., WALUYO, B., 1st ed. Yogyakarta: CV. Andi Offset.
DIRKARESHZA, R., HULU, S.A. and SKARGA-BANDUROVA, I., DERKACH, M. and
AZAMI, M.R., 2022. Peningkatan keahlian KOTSIUBA, I., 2018. The information service
warga masyarakat tentang pengolahan limbah for delivering arrival public transport prediction.
jadi rupiah. Jces, 5(4), pp.887–898. Proceedings of the 2018 IEEE 4th International
AL AMIN, I.H. and WAHYUDIYONO, W., 2021. Symposium on Wireless Systems within the
Implementasi Metode Haversine Untuk International Conferences on Intelligent Data
Pencarian Optical Distribution Point. Jurnal Acquisition and Advanced Computing Systems,
Dinamika Informatika, 13(1), pp.28–35. IDAACS-SWS 2018, pp.191–195.
https://doi.org/10.35315/informatika.v13i1.843 https://doi.org/10.1109/IDAACS-
9. SWS.2018.8525787.
Kurniadi, dkk, Sistem Rekomendasi Pemilihan Pengepul Limbah … 165