SISTEM INFORMASI JALUR OPTIMAL TRANSPORTASI UMUM (TAKSI) BERBASIS MOBILE MENGGUNAKAN METODE ALGORITMA GENETIKA. (Studi Kasus: Denpasar Utara)

Transkripsi

1 SISTEM INFORMASI JALUR OPTIMAL TRANSPORTASI UMUM (TAKSI) BERBASIS MOBILE MENGGUNAKAN METODE ALGORITMA GENETIKA (Studi Kasus: Denpasar Utara) KOMPETENSI REKAYASA PERANGKAT LUNAK SKRIPSI I WAYAN ADITYA SETIAWAN NIM PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS UDAYANA BUKIT JIMBARAN 2016

2 SURAT PERNYATAAN KEASLIAN KARYA ILMIAH Yang bertanda tangan di bawah ini menyatakan bahwa naskah Skripsi dengan judul: Nama : I Wayan Aditya Setiawan NIM : Program Studi : Teknik Informatika iwayanaditya.setiawan@mhs.cs.unud.ac.id Nomor telp/hp : Alamat : Jalan Ahmad Yani No.379 Peguyangan Denpasar Belum pernah dipublikasikan dalam dokumen skripsi, jurnal nasional maupun internasional atau dalam prosiding manapun, dan tidak sedang atau akan diajukan untuk publikasi di jurnal atau prosiding manapun. Apabila di kemudian hari terbukti terdapat pelanggaran kaidah-kaidah akademik pada karya ilmiah saya, maka saya bersedia menanggung sanksi-sanksi yang dijatuhkan karena kesalahan tersebut, sebagaimana diatur oleh Peraturan Menteri Pendidikan Nasional Nomor 17 Tahun 2010 tentang Pencegahan dan Penanggulangan Plagiat di Perguruan Tinggi. Demikian Surat Pernyataan ini saya buat dengan sesungguhnya untuk dapat dipergunakan bilamana diperlukan. Denpasar, Juni 2016 Yang membuat pernyataan, Materai (I Wayan Aditya Setiawan) NIM ii

3 LEMBAR PENGESAHAN TUGAS AKHIR iii

4 Judul : Sistem Informasi Jalur Optimal Transportasi Umum (Taksi) Berbasis Mobile Menggunakan Metode Algoritma Genetika. Studi Kasus: Denpasar Utara. Nama : I Wayan Aditya Setiawan Nim : Pembimbing I : I Gede Santi Astawa, S.T., M.Cs. Pembimbing II : I Dewa Made Bayu Atmaja Darmawan, S.Kom.,M.Cs. ABSTRAK Permasalahan yang dihadapi oleh sarana transportasi umum, khususnya taksi dalam mengantarkan penumpang adalah rute perjalanan yang dilalui tidak optimal dari posisi asal ke posisi tujuan. Dimana dalam pengoprasianya, taksi yang memiliki rute perjalanan yang tidak optimal, dapat menyebabkan waktu dan jarak tempuh menjadi tidak efisien, sehingga kenyamanan dan kelancaran penggunanya berkurang. Terdapat beberapa metode yang digunakan untuk menyelesaikan masalah optimasi jalur, salah satunya adalah Algoritma Genetika. Dipilihnya algoritma genetika dalam penyelesaian permasalahan jalur optimal dikarenakan jarak yang dihasilkan serta waktu yang dibutuhkan untuk melakukan perhitungan lebih baik untuk jumlah kota (search space) yang banyak, yang disertai dengan pemilihan parameter input yang tepat. Dari hasil pengujian yang telah dilakukan, metode algoritma genetika sudah mampu digunakan untuk memberikan jalur optimal berdasarkan waktu tempuh dari posisi asal ke posisi tujuan. Hal tersebut dilihat dari hasil pengujian akurasi algoritma genetika sebanyak 10 percobaan, di mana 8 dari 10 percobaan yang telah di lakukan dengan pemilihan parameter input untuk pop size adalah 60, probabilitas crossover (Pc) adalah 0.6, probabilitas mutasi (Pm) adalah 0.01, dan batas generasi untuk kriteria berhenti adalah 50, dapat diimplementasikan representasi jalur optimal yang diberikan telah sesuai dengan representasi jalur yang ada pada aplikasi pencarian Google Maps. Kata Kunci : Algoritma Gentetika, Optimasi Jalur, Taksi iv

5 Title : Optimal Path Information System of Public Transport (Taxis) with Mobile-Based Method Using Genetic Algorithm. A Case Study: Northern Denpasar. Name : I Wayan Aditya Setiawan Registration : First Supervisor : I Gede Santi Astawa, S.T., M.Cs. Second Supervisor : I Dewa Made Bayu Atmaja Darmawan, S.Kom.,M.Cs. ABSTRACT Problems faced by means of public transport, especially taxis in taking their passengers are the inefficient routes taken from the home positions to the destination positions. In the operations, taxis which have inefficient travel routes can lead to inefficient time and mileage, so the convenience and speed of service will decline. There are several methods used to solve optimization of path problems, one of which is through Genetic Algorithm. Genetic algorithms have in solving problems of optimal paths, due to the resulting distance and time needed to perform better calculation for the number of cities (search space), which is accompanied by the right input of parameter selection. From the testing that has been carried out, the method of genetic algorithms has been able to provide an optimal path based on the travel time from the home position to the destination position. It can be seen from the results of testing the accuracy of the genetic algorithm as many as 10 experiments, in which 8 of the 10 experiments that have been done with the selection of input parameters to pop size was 60, the probability of crossover (Pc) was 0.6, the probability of mutation (Pm) was 0:01, and the limit generation for stopping criteria was 50, it can be implemented representations of the provided optimal path in line with the representation of the existing path in the search application of Google Maps. Keywords: Genetic Algorithm, Optimization of Path, Taxis v

6 KATA PENGANTAR Puji syukur penulis panjatkan kehadapan Tuhan Yang Maha Esa, karena berkat rahmat dan karunia-nya, Tugas Akhir yang berjudul Sistem Informasi Jalur Optimal Transportasi Umum (Taksi) Berbasis Mobile Menggunakan Metode Algoritma Genetika. Studi Kasus : Denpasar Utara ini dapat diselesaikan tepat pada waktunya. Secara khusus penulis mengucapkan terima kasih dan penghargaan kepada berbagai pihak yang telah membantu penelitian ini, yaitu : 1. Bapak I Gede Santi Astawa, ST, M.Cs selaku Pembimbing I yang telah meluangkan waktu untuk memberikan bimbingan, saran dan masukan dalam penyempurnaan Tugas Akhir ini. 2. Bapak I Dewa Made Bayu Atmaja Darmawan, S.Kom.,M.Cs selaku Pembimbing II yang telah banyak membantu dan meluangkan waktu untuk penyempurnaan Tugas Akhir ini. 3. Bapak Agus Muliantara, S.Kom., M.Kom. selaku Ketua Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Udayana yang telah banyak memberikan masukan dan motivasi sehingga memperlancar dalam proses pelaksanaan penelitian ini. 4. Bapak-bapak dan Ibu-ibu dosen di Jurusan Ilmu Komputer yang telah memberikan masukan, saran, dan nasehat guna kelengkapan Tugas Akhir ini. 5. Bapak I Wayan Saniasa (Kepala) dan Dewa Putu Agus Widnyana (Staff) Rekayasa Lalu Lintas Dinas Perhubungan Kota Denpasar yang telah banyak membantu dalam proses penelitian data yang digunakan pada penelitian ini. 6. Seluruh rekan-rekan mahasiswa di Jurusan Ilmu Komputer yang telah memberikan motivasi dan doa dalam proses penelitian ini. 7. I Wayan Pio Pratama, S,Kom., IGA Surya Darmana, S.Kom., Sista Pradjna Paramitha, S.Kom., Ratna Sri Andi Yani, S.Kom., Agus Winartha, Dedik Amijaya sebagai sahabat yang sudah banyak membantu dalam memberikan saran, kritik, dan pemecahan masalah selama proses pelaksanaan penelitian. 8. I Nyoman Suarcana, I Wayan Purniati, Ir. Sri. Suryadani, Siti Marlinda, Adina Striratna, SH, Herry Dwi Suputra, Ayu Sri Laksmi sebagai keluarga yang terus memberikan doa, semangat dan dukungan dalam penyelesaian penelitian ini. Penulis menyadari bahwa Tugas Akhir ini masih belum sempurna, untuk itu kritik dan saran yang bermanfaat demi kesempurnaan Tugas Akhir ini sangat dihrapakan. Bukit Jimbaran, Juni 2016 Penulis vi

7 DAFTAR ISI SURAT PERNYATAAN KEASLIAN KARYA ILMIAH... ii LEMBAR PENGESAHAN TUGAS AKHIR... iii ABSTRAK... iii ABSTRACT... v KATA PENGANTAR... vi DAFTAR ISI... vii DAFTAR TABEL... ix DAFTAR GAMBAR... xii DAFTAR LAMPIRAN... xv BAB I PENDAHULUAN Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Penelitian Manfaat Penelitian Metodologi Penelitian... 4 BAB II TINJAUAN PUSTAKA Graf Transportasi Perlambatan Lalu Lintas Algoritma Genetika Kota Denpasar Sistem Operasi Android Metode Pengembangan Perangkat Lunak Waterfall Strategi Pengujian Perangkat Lunak Tinjauan Studi Rangkuman Perbandingan Penelitian BAB III ANALISIS DAN PERANCANGAN Pemodelan Jalur Taksi Perancangan Sistem BAB IV HASIL DAN PEMBAHASAAN vii

8 4.1 Lingkungan Implementasi Implementasi Basis Data Implmentasi Algoritma Genetika Implementasi Antarmuka Sistem Pengujian BAB V PENUTUP Kesimpulan Saran DAFTAR PUSTAKA LAMPIRAN viii

9 DAFTAR TABEL Tabel 2.1 Pengkodean Biner Tabel 2.2 Pengkodean Permutasi Tabel 2.3 Pengkodean Nilai Tabel 2.4 Tabel Tinjauan Studi Tabel 3.1 Rata Rata Kecepatan Kendaraan Umum Tabel 3.2 Analisis Kebutuhan Fungsional Tabel 3.3 Kecepatan Proses Pencarian Jalur Optimal Tabel 3.4 Skenario Pengujian Blackbox Testing Tabel 3.5 Skenario Pengujian Algoritma Genetika Tabel 3.6 Skenario Pengujian Akurasi Algoritma Genetika Tabel 4.1 Source Code Proses Inisialisasi Populasi Tabel 4.2 Source Code Proses Representasi Kromosom Tabel 4.3 Source Code Proses Perbaikan Random Tabel 4.4 Source Code Proses Evaluasi Fungsi Fitness Tabel 4.5 Source Code Proses Menghitung Total Fitness Tabel 4.6 Source Code Menghitung Probabilitas Kumulatif Tabel 4.7 Source Code Proses Interval Kumulatif Tabel 4.8 Source Code Proses Membangkitkan Bilangan Random Tabel 4.9 Source Code Proses Penempatan Kromosom Menurut Interval Tabel 4.10 Source Code Daftar Populasi Orang Tua Tabel 4.11 Source Code Proses Crossover Tabel 4.12 Source Code Proses Mutasi Tabel 4.13 Source Code Proses Validasi Jalur Tabel 4.14 Source Code Proses Pengabungan Kromosom Orang Tua dan Anak 81 Tabel 4.15 Source Code Proses Evaluasi Fitness, Pembentukan Populasi Baru.. 82 Tabel 4.16 Source Code Proses Kriteria Berhenti Tabel 4.17 Source Code Proses Pemilihan Jalur Optimal Tabel 4.18 Checklist Kebutuhan Pengujian Black Box Tabel 4.19 Pengujian Kebutuhan Input Persimpangan Tabel 4.20 Pengujian Kebutuhan Input Wilayah Tabel 4.21 Pengujian Kebutuhan Mencari Jalur Optimal Tabel 4.22 Pengujian Proses Melihat Daftar Persimpangan Tabel 4.23 Pengujian Proses Melihat Panduan ix

10 Tabel 4.24 Pengujian Validasi Input Proses Login Tabel 4.25 Pengujian Proses Create Data Node Tabel 4.26 Pengujian Proses Create Data Edge Tabel 4.27 Pengujian Proses Create Data Jalan Tabel 4.28 Pengujian Proses Create Data Wilayah Tabel 4.29 Pengujian Proses Read Data Node Tabel 4.30 Pengujian Proses Read Data Edge Tabel 4.31 Pengujian Proses Read Data Jalan Tabel 4.32 Pengujian Proses Read Data Wilayah Tabel 4.33 Pengujian Proses Read Data Admin Tabel 4.34 Pengujian Proses Update Data Node Tabel 4.35 Pengujian Proses Update Data Edge Tabel 4.36 Pengujian Proses Update Data Jalan Tabel 4.37 Pengujian Proses Update Data Wilayah Tabel 4.38 Pengujian Proses Update Data Admin Tabel 4.39 Pengujian Proses Delete Data Node Tabel 4.40 Pengujian Proses Delete Data Edge Tabel 4.41 Pengujian Proses Delete Data Jalan Tabel 4.42 Pengujian Proses Delete Data Wilayah Tabel 4.43 Pengujian Proses Melihat Laporan Tabel 4.44 Pengujian Agen Proses Representasi Kromosom Tabel 4.45 Pengujian Agen Proses Inisialisasi Populasi Tabel 4.46 Pengujian Agen Proses Menghitung Fungsi Fitness Tabel 4.47 Pengujian Agen Seleksi Roullete Wheel Tabel 4.48 Pengujian Agen Proses Crossover Tabel 4.49 Pengujian Agen Proses Mutasi Tabel 4.50 Pengujian Agen Proses Pembentukan Populasi Baru Tabel 4.51 Percobaan 1 Pengujian Akurasi Algoritma Genetika Tabel 4.52 Percobaan 2 Pengujian Akurasi Algoritma Genetika Tabel 4.53 Percobaan 3 Pengujian Akurasi Algoritma Genetika Tabel 4.54 Percobaan 4 Pengujian Akurasi Algoritma Genetika Tabel 4.55 Percobaan 5 Pengujian Akurasi Algoritma Genetika Tabel 4.56 Percobaan 6 Pengujian Akurasi Algoritma Genetika Tabel 4.57 Percobaan 7 Pengujian Akurasi Algoritma Genetika Tabel 4.58 Percobaan 8 Pengujian Akurasi Algoritma Genetika Tabel 4.59 Percobaan 9 Pengujian Akurasi Algoritma Genetika x

11 Tabel 4.60 Percobaan 10 Pengujian Akurasi Algoritma Genetika xi

12 DAFTAR GAMBAR Gambar 2.1 Graf Sederhana... 7 Gambar 2.2 Graf Tidak Berarah... 8 Gambar 2.3 Graf Berarah... 8 Gambar 2.4 Diagram Standar Algoritma Genetika Gambar 2.5 Pengkodean Pohon Gambar 2.6 Activity Diagram Proses Probabilitas Crossover Gambar 2.7 Activity Diagram Proses Probabilitas Mutasi Gambar 2.8 Perspektif Kota Denpasar Gambar 2.9 Metode Pengembangan Perangkat Lunak Waterfall Gambar 3.1 Pemodelan Graf Denpasar Utara Gambar 3.2 Use Case Diagram Gambar 3.3 Activity Diagram Login Admin Gambar 3.4 Activity Diagram Insert Data Gambar 3.5 Activity Diagram Update Data Gambar 3.6 Activity Diagram Delete Data Gambar 3.7 Activity Diagram Melihat Report Data Gambar 3.8 Activity Diagram Mencari Jalur Optimal Gambar 3.9 Activity Diagram Daftar Persimpangan Gambar 3.10 Activity Diagram Melihat Panduan Gambar 3.11 Activity Diagram Algoritma Genetika Gambar 3.12 Sequence Diagram Proses Login Gambar 3.13 Sequence Diagram Insert Data Gambar 3.14 Sequence Diagram Update Data Gambar 3.15 Sequence Diagram Delete Data Gambar 3.16 Sequence Diagram Mencari Jalur Optimal Gambar 3.17 Sequence Diagram Melihat Daftar Persimpangan Gambar 3.18 Sequence Diagram Melihat Panduan Gambar 3.19 Class Diagram Gambar 3.20 Entitiy Relationship Diagram Gambar 3.21 Tampilan Halaman Login Gambar 3.22 Tampilan Header dan Home Screen Gambar 3.23 Tampilan Data Access dan Feature Gambar 3.24 Tampilan Help, Dinas Perhubungan, dan Footer xii

13 Gambar 3.25 Tampilan Halaman Datatable Gambar 3.26 Tampilan Insert Data Gambar 3.27 Tampilan Edit Data Gambar 3.28 Tampilan Delete Data Gambar 3.29 Tampilan Halaman Report Data Gambar 3.30 Tampilan Splash Screen dan Halaman Awal Gambar 3.31 Tampilan Halaman Pencarian Rute Optimal Gambar 3.32 Tampilan Halaman Daftar Persimpangan Gambar 3.33 Tampilan Halaman Melihat Panduan Gambar 4.1 Implementasi Basis Data Gambar 4.2 Implementasi Halaman Login Gambar 4.3 Implementasi Halaman Awal (Home) Gambar 4.4 Implementasi Halaman Datatable Gambar 4.5 Implementasi Tampilan Pop-Up Insert Data Gambar 4.6 Implementasi Tampilan Pop-Up Update Data Gambar 4.7 Implementasi Tampilan Pop-Up Delete Data Gambar 4.8 Implementasi Halaman Report Data Gambar 4.9 Implementasi Splash Screen Dan Halaman Awal Gambar 4.10 Implementasi Halaman Mencari Jalur Optimal Gambar 4.11 Implementasi Halaman Simulasi Jalur Optimal Gambar 4.12 Implementasi Halaman Daftar Persimpangan Gambar 4.13 Implementasi Halaman Panduan Gambar 4.14 Implementasi Tampilan Konten Menu Panduan Gambar 4.15 Hasil Proses Membangkitkan Kromosom Acak Gambar 4.16 Hasil Proses Perbaikan Random Kromosom Gambar 4.17 Jalur Pada Kromosom Yang Valid Gambar 4.18 Jalur Pada Kromosom Yang Tidak Valid Gambar 4.19 Hasil Proses Inisialisasi Populasi Gambar 4.20 Hasil Proses Menghitung Nilai Fitness Gambar 4.21 Hasil Proses Total Nilai Fitness Gambar 4.22 Hasil Proses Probabilitas Kumulatif Gambar 4.23 Hasil Proses Interval Kumulatif Gambar 4.24 Hasil Proses Membangkitkan Bilangan Acak Gambar 4.25 Hasil Proses Pemetaan Kromosom Hasil Bilangan Random Gambar 4.26 Daftar Populasi Orang Tua Terpilih Gambar 4.27 Hasil Kromosom Terpilih Secara Acak xiii

14 Gambar 4.28 Random Posisi Gen & Random PC Gambar 4.29 Hasil Proses Crossover Tidak Valid Gambar 4.30 Hasil Proses Crossover Valid Gambar 4.31 Daftar Hasil Proses Crossover Gambar 4.32 Hasil Proses Pemilih Kromosom Secara Acak Gambar 4.33 Hasil Proses Pemilihan Dua Gen Secara Acak Gambar 4.34 Hasil Proses Mutasi Valid Gambar 4.35 Hasil Proses Mutasi Tidak Valid Gambar 4.36 Daftar Hasil Proses Mutasi Gambar 4.37 Hasil Proses Validasi Jalur Mutasi Gambar 4.38 Daftar Populasi Orang Tua Dan Anak Gambar 4.39 Hasil Nilai Fitness Populasi Orang Tua Dan Anak Gambar 4.40 Daftar Populasi Untuk Generasi Pertama Gambar 4.41 Hasil Jalur Optimal Menggunakan Algoritma Genetika xiv

15 DAFTAR LAMPIRAN Lampiran A Daftar Nama Persimpangan (Node) Di Denpasar Utara Lampiran B Daftar Nama Edge (Bobot) Di Denpasar Utara xv