Roy Madi Mahasiswa Teknik Informatika, FT UMRAH

Transkripsi

1 OPTIMASI WAKTU KEBERANGKATAN FERRY TANJUNGPINANG BATAM DENGAN METODE PARTICLE SWARM OPTIMIZATION (Stud Kasus : Pelabuhan Sr Bntan Pura, Kota Tanjungpnang) Roy Mad Mahasswa Teknk Informatka, FT UMRAH (roymad0@gmal.com) Eka Suswan, S.T., M.T. Dosen Teknk Informatka, FT UMRAH (suswanndah@yahoo.com) Eko Prayetno, S.T., M. Eng. Dosen Teknk Elektro, FT UMRAH (prayetnoeko_eh@ymal.com) Abstrak Provns Kepulauan Rau memlk 2 Kota dan 4 Kabupaten yakn Kota Tanjung Pnang, Kota Batam, Kabupaten Karmun, Kabupaten Natuna, Kabupaten Lngga, Kabupaten Anambas pulau-pulau d kepulauan Rau dpsahkan oleh lautan, untuk menempuh dar satu pulau ke pulau lannya dapat menggunakan transportas laut. dar pulau Tanjungpnang ke pulau Batam. Transportas laut yang dgunakan yatu kapal ferry MV. Oceanna dan MV. Marna, yang dapat tempuh kurang lebh 45 sampa 60 ment. penumpang pada har-har basa atau har kerja cenderung stabl bahkan sedkt, akan tetap saat har lbur atau har-har besar jumlah penumpang justru menngkat, dan kendala yang d alam adalah belum optmalnya waktu keberangkatan. Salah satu cara untuk menyelesaakan pengoptmalan tersebut dengan menerapkan metode yang dgunakan untuk permasalahan optmas yatu Algortma Partcle Swarm Optmzaton (PSO). Dalam PSO setap partkel berpndah dengan kecepatan pencaran dan menympannya sebaga poss terbak yang dcapa. Berdasarkan hasl uj coba dar pengujan optmas waktu keberangkatan ferry Tanjungpnang Batam dengan PSO memperhatkan ftness yang bernla 1 hasl yang palng optmal yatu dengan menggunakan parameter nputan c 1 = 1,5, c 2 = 1,5 dan c 1 = 2 dan c 2 = 2, beserta jumlah teras sebanyak 100 dan tdak dtemukan adanya Penumpang Tdak Ideal (JPTI=0), Kapal Tdak Ideal (JKTI=0) dan Tdak Ideal (JKBI=0). Hasl optmal yang ddapatkan, pada umumnya yatu JP=700 dengan duras setap 30 ment, JP=900 dengan duras setap 30 ment, JP=1200 dengan duras setap 30 ment, JP=1500 dengan duras setap 20 ment, JP=3000 dengan duras setap 15 ment. Kata Kunc : Optmas, PSO, Waktu, Penumpang, Kapal Abstract Rau Islands Provnce has 4 Regences and 2 Ctes, Cty of Tanjung Pnang, Cty of Batam, Regency of Karmun, Regency of Natuna, Regency of Lngga, Regency of Anambas, all the slands n the Rau archpelago separated by oceans, to travel from one sland to another could use sea transport. From Tanjungpnang to Batam, could be reached by a sea transport usng ferry MV.Oceanna and MV.Marna approxmately 45 to 60 mnutes to be reached. The number of passengers on regular days or weekdays tend to be stable even a lttle bt, but durng holdays the number of passengers ncreased, and the constrant of departure tme are stll not optmal. One way to accomplsh these optmzaton by applyng the methods used for optmzaton problems and that s Partcle Swarm Optmzaton (PSO) Algorthm. In PSO, each partcle movng at the speed of a search and save t as the best poston acheved. Based on the test results of the test optmzaton of departure tme Tanjungpnang - Batam wth regard PSO ftness are worth 1 the most optmal results by usng the nput parameter c1 = 1.5, c2 = 1.5 and c1 = 2 and c2 = 2, and the amount of teraton of 100 and dd not fnd any Total Passengers not Ideal (JPTI = 0), Total Shp not Ideal (JKTI = 0) and Total Departure not Ideal (JKBI = 0). Optmal results are obtaned, n general, that s JP = 700 wth a duraton every 30 mnutes, JP = 900 wth a duraton every 30 mnutes, JP = 1200 wth a duraton every 30 mnutes, JP = 1500 wth a duraton every 20 mnutes, JP = 3000 wth the duraton of each 15 mnutes. Kata Kunc : Optmzaton, PSO, Departure Tme, Total Passengers, Total Shp. 1

2 I. Pendahuluan Provns Kepulauan Rau memlk 2 Kota dan 4 Kabupaten yakn Kota Tanjung Pnang, Kota Batam, Kabupaten Karmun, Kabupaten Natuna, Kabupaten Lngga, Kabupaten Anambas pulau-pulau d kepulauan Rau dpsahkan oleh lautan, untuk menempuh dar satu pulau ke pulau lannya dapat menggunakan transportas laut. dar pulau Tanjungpnang ke pulau Batam. Transportas laut yang dgunakan yatu kapal ferry MV. Oceanna dan MV. Marna, yang dapat tempuh kurang lebh 45 sampa 60 ment. penumpang pada har-har basa atau har kerja cenderung stabl bahkan sedkt, akan tetap saat har lbur atau har-har besar jumlah penumpang justru menngkat, dan kendala yang d alam adalah belum optmalnya waktu keberangkatan. Salah satu cara untuk menyelesaakan pengoptmalan tersebut dengan menerapkan metode yang dgunakan untuk permasalahan optmas yatu Algortma Partcle Swarm Optmzaton (PSO). Oleh karena tu penuls melakukan peneltan n dengan judul Optmas Waktu Ferry Tanjungpnang Batam Dengan Metode Partcle Swarm Optmzaton. Aplkas yang dbuat n dapat mengoptmalkan waktu keberangkatan ferry yang dlhat berdasarkan jumlah kapal, waktu keberangkatan dan jumlah penumpang. II. Kajan Lteratur Hend (2016) Optmas Tebar Benh dan Tebar Pakan Pada Bud Daya Ikan Mas Menggunakan Algortma PSO. Dalam peneltan n mekbatkan beberapa varable sepert luas kolam, tebar benh dan tebar pakan yang dbutuhkan dalam suatu kolam buddaya kan mas. Berdasarkan hasl uj coba dar pengujan optmas tebar benh dan tebar pakan dengan PSO memperhatkan ftness yang bernla 1 hasl yang palng optmal yatu dengan menggunakan parameter nputan w = 0,5, c1= 1,5, c2 = 1,5 dan w = 0,9, c1= 0,25 dan c2 = 0,25, beserta jumlah pembangktan swarm sebanyak 100 dan tdak dtemukan adanya Pakan Tdak Ideal (PTI=0) dan Kolam Tdak Ideal (KTI=0). Wang dan Qu (2013) melakukan peneltan dengan judul Applcaton Of Partcle Swarm Optmzaton For Enhanced Cyclc Steam Stmulaton In A Offshore Heavy Ol Reservor. Dalam algortma PSO, pergerakan setap partkel dtentukan oleh jumlah tertmbang tga arah partkel gerakan sebelumnya (nersa), jarak antara saat: komponen poss dan poss lokal terbak (kogns pengaruh) dan jarak antara arus poss dan poss terbak global (pengaruh sosal). Masalah dseldk dalam peneltan n, dtemukan bahwa suhu uap njeks, CO2 Komposs dalam gas njeks, dan tarf njeks gas memlk dampak yang lebh besar pada fungs tujuan, sementara uap tngkat njeks dan tngkat produks caran memlk dampak yang kurang pada fungs tujuan. Menurut Thorq Azz (2012) Partcle Swarm Optmzaton (PSO) adalah salah satu teknk optmas dan termasuk jens teknk komputas evolus. Metode n memlk cara yang bagus untuk memecahkan persoalan yang mempunya karakterstk nonlnear, multple optmal, dmens besar melalu adaptas yang dturunkan dar teor psychology-socal. PSO ternspras dar perlaku gerakan kawanan hewan sepert kan dan burung yang kemudan tap objek hewan dsederhanakan menjad sebuah partkel. Suatu partkel dalam ruang memlk poss yang d kodekan sebaga vektor koordnat. Vektor poss n danggap sebaga keadaan 2

3 yang sedang dtempat oleh suatu partkel d ruang pencaran. Setap poss dalam ruang pencaran merupakan alternatf solus yang dapat devaluas menggunakan fungs objektf. Setap partkel bergerak dengan kecepatan v. Adapun stlah yang dgunakan dalam proses algortma PSO adalah sebaga berkut (Mansur, 2014): 1. Swarm yatu populas dar sekawanan partkel. 2. Partcle yatu ndvdu pada suatu swarm. Setap partkel mempresentaskan suatu solus dar permasalahan yang dselesakan. 3. Pbest yatu suatu partkel yang menunjukkan poss terbak. 4. Gbest yatu poss terbak dar seluruh partkel yang ada dalam suatu swarm. 5. Velocty yatu kecepatan yang dmlk oleh setap partkel dalam menentukan arah perpndahan suatu partkel untuk memperbak poss semula. 6. Poston (poss) yatu menyatakan letak komponen partkel pada slot ruang permasalahan. 7. c 1, dan c 2 yatu c 1 merupakan konstanta pembelajaran kogntf, dan c 2, konstanta pembelajaran socal Menurut Rasha, dkk (2012) optmas merupakan aktvtas untuk mendapatkan hasl yang terbak atau optmal (nla efektf yang dapat dcapa) dar plhan yang terseda. Dalam optmas keberangkatan ferry n nla ftness akan menentukan banyaknya pelanggaran constrants yang harus doptmas. Constrans yang dgunakan untuk pengoptmasan aplkas optmas ferry tanjungpnang-batam antara lan : 1. Tdak boleh ada pelanggaran pada jumlah penumpang dan keberangkatan 2. Tdak boleh ada pelanggaran pada keberangkatan dan jumlah kapal 3. Tdak boleh ada pelanggaran pada jumlah kapal Adapun fungs tujuan yang dgunakan untuk menjelaskan konds optmal adalah sebaga berkut : 1. penumpang tdak deal (JPTI) JPTI=JP/KB < 30 penumpang per kapal Dmana : JPTI = Penumpang Tdak Ideal JP = Penumpang KB = 2. Tdak Ideal(JKBTI) JKBTI = KB/JK >3 keberangkatan per kapal Dmana : JKBTI = keberangkatan tdak deal KB = JK = kapal 3. Kapal Tdak Ideal (JKTI) JK < 7 Dmana : JKTI JK III. Metode Peneltan = kapal tdak deal = Kapal Adapun teknk untuk pengumpulan data adalah stud lteratur, surve langsung ke Pelabuhan Sr Bntan Pura, Kota Tanjungpnang dan wawancara kepada phak-phak yang berhubungan langsung dengan data yang dbutuhkan. 3

4 Pada tahap pengembangan sstem terdr dar proses - proses yang terstruktur yatu, analsa kebutuhan, desan sstem, penulsan kode program, pengujan program, penerapan program dan pemelharaan. Metode pengembangan n dkenal dengan model Waterfall (Sommervlle, 2011). Proses optmas waktu keberangkatan ferry dengan algortma PSO dapat dlhat pada gambar dbawah n : IV. Perancangan dan Implementas Perancangan sstem n sepert yang tampak pada gambar-gambar berkut : Data jumlah penumpang Data jumlah kapal Data keberangkatan Admn Aplkas optmas keberangkatan ferry Laporan data jumlah penumpang Laporan data jumlah kapal Laporan data keberangkatan Gambar 1.Context Dagram Context dagram dgunakan untuk menggambarkan bagamana sstem yang akan dbangun. Aplkas n dperuntukkan untuk optmas waktu keberangkatan Tanjungpnang Batam. Gambar 2. Flowchart Algortma PSO Flowchart yang akan dbahas adalah mengena jalannya aplkas optmas waktu keberangkatan ferry dengan menggunakan algortma Partcle Swarm Optmzaton. Dar rancangan flowchart dagram nlah alur kerja peneltan dalam optmas waktu keberangkatan ferry dengan algortma Partcle Swarm Optmzaton akan dbangun. Proses algortma PSO dengan melakukan beberapa tahap yatu : Pembangktan poss dan kecepatan dengan rumus persamaan (1)(2), ftness dengan rumus persamaan (3), penentuan nla w dengan rumus persamaan (4), update kecepatan dengan rumus persamaan (5), update poss pada persamaan dengan rumus persamaan (6) 4

5 = X mn + rand( X max X mn ) (1) V k = X mn + rand( X max X mn ) (2) X k D mana: X 0 = Poss awal. V 0 = Kecepatan awal. X mn = Batas bawah. X max = Batas atas. rand = nla random antara rentang nla 0 dan 1 F = D mana: 1 1+JPTI+JKTI+JKBTI (3) F = Ftness JPTI = penumpang tdak deal. JKTI = kapal tdak deal. JKBTI = keberangkatan tdak deal. w = wmax-(wmax-wmn/max) (4) V k X k exploraton ( menjelajah ) local dan global selama proses pencaran. Nla w memlk rentang 0,4 0,9 (Bud, 2011) = kecepatan sekarang. = poss sekarang. c 1,c 2 =Rentang nla c1 dan c2 berksar antara 0 sampa 4 (swarm ntellegent). r 1,r 2 =blangan random yang memlk range 0 1. p l p k g = local best, poss terbak dar semua partkel (ftness terbak masngmasng partkel). = nla global terbak (global best) pada swarm saat n (ftness terbak dar local best). Implementas halaman awal ketka aplkas djalankan dapat dlhat pada gambar 3 : Dmana : w = Inerta factor wmax = Inerta factor maksmal wmn = Inerta factor mnmal = Iteras max = Iteras maksmal Update Kecepatan: V k+1 = w. V K ( 1) + c1. rand. (P l X k ( 1)) + c2. rand. (p k g XK ( 1)) (5) Gambar 3. Halaman Awal Update Poss: = X k + V k+1 X k+1 (6) D mana: W = nerta factor, dgunakan untuk mengontrol pengaruh kecepatan sebelumnya dkecepatan sekarang, mempengaruh kemampuan 5

6 Implementas halaman utama dapat dlhat pada gambar 4 : Implementas halaman nput kapal dapat dlhat sepert gambar dbawah n : Gambar 4. Halaman Utama Implementas halaman nput jumlah penumpang dapat dlhat sepert gambar dbawah n : Gambar 7. Halaman Implementas halaman proses algortma PSO dapat dlhat pada gambar 8 : Gambar 5. Halaman Penumpang Implementas halaman nput keberangkatan dapat dlhat sepert gambar dbawah n : Gambar 6. Halaman Gambar 8. Halaman Proses PSO V. Analss dan Pembahasan Pengujan dlakukan dengan sebanyak 2 kal, dengan memasukkan parameter c1 dan c2 yang berbeda yatu 1.5, 2, 2.5 pada pengujan 1 dan 1, 1.2, 1.3 pada penjujan 2 serta jumlah teras 10, 20, 50, 70, 100 pada pengujan 1 dan 2, 5, 10, 17 pada pengujan 2 dan dengan memperhatkan ftness yang bernla 1, maka ddapatkan hasl yang optmal yatu tdak dtemukannya tdak deal (JPTI=0), (JKBTI=0), (JKTI=0) pada setap teras yang terjad. Dengan membandngkan hasl dar pengujan tersebut maka ddapatkan hasl palng optmal yatu hasl kombnas terbak antara jumlah penumpang, jumlah kapal, dan 6

7 jumlah keberangkatan, dapat dlhat pada tabel berkut : Tabel 1. Hasl Uj Coba Parameter Menggunakan 5 Swarm c 1 =1,5 c 2 =1,5 dan Iteras 100 No Penumpang Kapal Waktu (ment) No Tabel 4. Hasl Uj Coba Parameter Menggunakan 100 Swarm c 1 =1,2 c 2 =1,2 dan Iteras 17 Penumpang Kapal Waktu (ment) Tabel 2. Hasl Uj Coba Parameter Menggunakan 5 Swarm c 1 =2 c 2 =2 dan Iteras 100 No Penumpang Kapal Waktu (ment) Tabel 3. Hasl Uj Coba Parameter Menggunakan 5 Swarm c 1 =1 c 2 =1 dan Iteras 17 No Penumpang Kapal Waktu (ment) V1. Penutup A. Kesmpulan Setelah dlakukan uj coba dan analsa terhadap tugas akhr n, maka ddapatkan kesmpulan sebaga berkut : 1. Algortma Partcle Swarm Optmzaton (PSO) dapat dgunakan untuk mengoptmas waktu keberangkatan ferry Tanjungpnang Batam. 2. Dengan membandngkan hasl dar uj coba I, II, maka ddapatkan hasl yang palng optmal yatu : a. penumpang 700 dengan duras keberangkatan setap 30 ment. b. penumpang 900 dengan duras keberangkatan setap 30 ment. c. penumpang 1200 dengan duras keberangkatan setap 30 ment. d. penumpang 1500 dengan duras keberangkatan setap 20 ment. e. penumpang 3000 dengan duras keberangkatan setap 15 ment. 7

8 B. Saran Dengan melhat hasl yang ddapatkan dar uj coba maka dsarankan : 1. Peneltan selanjutnya perlu dkembangkan dengan menambah varable kapastas kapal, keuntungan, Pengeluaran baya operasonal agar lebh bagus hasl pengoptmalan waktu keberangkatan ferry Tanjungpnang Batam. DAFTAR PUSTAKA Apranto, Y, H. 2016, Optmas Tebar Benh Pada Bud Daya Ikan Mas Menggunakan Algortma PSO. Jurnal Teknk Informatka Umrah Bud. 2011, Tutoral Partcle Swarm Optmzaton, Jurnal ITS Graha Ilmu Surabaya Sommervlle., Ian. 2011, Software Engneerng. 9th Edton. Amerca : Pearson Educaton,Inc. Wang, X., Qu, X. 2013, Applcaton Of Partcle Swarm Optmzaton For Enhanced Cyclc Steam Stmulaton In A Offshore Heavy Ol Reservor, Internatonal Journal of Informaton Technology, Modelng and Computng (IJITMC) Vol.1, No.2, May