BAB 2. LANDASAN TEORI

Transkripsi

1 BAB 2. LANDASAN TEORI 2.1 Proses Bisnis Proses bisnis merupakan kombinasi dari aktivitas yang saling berhubungan didalam sebuah perusahaan untuk menghasilkan pelayanan tertentu kepada klien. (Leyman et al 1994). Sementara itu, Davenport (1993) mendefinisikan sebuah proses bisnis adalah aktivitas yang terstruktur untuk menghasilkan keluaran spesifik untuk pelanggan atau market. Masukkan dapat berupa material, peralatan, objek terukur lainnya, ataupun berbagai macam informasi yang kemudian diubah menjadi sejumlah keluaran yang diperlukan oleh penerima. Penerima terbagi menjadi konsumen internal (internal consumer) dan konsumen luar (eksternal consumer). Konsumen internal dapat berupa departemen, kelompok, atau sejumlah peralatan dan mesin. Sedangkan konsumen luar adalah orang atau organisasi yang membayar untuk mendapatkan produk atau pelayanan yang diperlukan. Selain itu penerima juga dapat berupa lokasi tempat keluaran disimpan untuk kebutuhan yang akan datang. Suatu proses bisnis merupakan serangkaian aktivitas yang bertujuan untuk mencapai tujuan organisasi. Suatu proses bisnis dapat terdiri dari beberapa aktivitas. Kejadian (event) merupakan suatu aktivitas tunggal yang terdapat pada sebuah proses bisnis. Setiap proses bisnis dapat dibagi ke dalam tiga jenis kejadian yang berbeda (212HLukman,2008), yaitu: Kejadian-kejadian Operasional (Operating Events) Kejadian-kejadian Informasi (Information Events) Kejadian-kejadian Keputusan/Pengelolaan (Decision/Management Events) 11

2 Kejadian-kejadian Operasional adalah aktivitas-aktivitas operasional yang dilakukan dalam suatu proses bisnis saat menyediakan barang/jasa bagi pelanggan. Contoh memasarkan barang, menerima pesanan dari pelanggan, mengirimkan barang pesanan, dan menerima pembayaran. Pada kejadian-kejadian informasi terdiri dari tiga aktivitas, yaitu: mencatat data tentang kejadian-kejadian operasional, memelihara data yang penting bagi organisasi, melaporkan informasi yang berguna bagi para pengambil keputusan. Kejadian-kejadian Keputusan/Pengelolaan adalah aktivitas-aktivitas di mana para pimpinan membuat keputusan tentang perencanaan, pelaksanaan, pengawasan, dan penilaian proses-proses bisnis. Contoh : pimpinan memutuskan untuk membuat produk baru atau pimpinan memutuskan untuk membuka sebuah cabang baru. Keterkaitan antar Kejadian Proses Bisnis adalah sebagai berikut : Kejadian-kejadian keputusan/pengelolaan akan menentukan dan memicu kejadian-kejadian operasional. Menjalankan kejadian-kejadian operasional akan memicu kejadian-kejadian informasi untuk mencatat dan memelihara data bisnis. Kejadian-kejadian keputusan/pengelolaan juga memicu kejadian-kejadian informasi, yaitu saat para pimpinan meminta informasi sebelum mengambil keputusan. Gambar 2.1 Keterkaitan antar kejadian Proses Bisnis (Sumber : Lukman, 2008) 12

3 Contoh kejadian-kejadian operasional umum pada proses bisnis penjualan/pengumpulan: Menerima pesanan barang/jasa dari pelanggan. Memilih dan memeriksa barang/jasa yang akan dikirim. Mempersiapkan barang/jasa yang akan dikirim. Mengirimkan barang/jasa kepada pelanggan. Menerima pembayaran untuk barang/jasa yang dijual. Menerima pengembalian (retur) barang dari pelanggan. Suatu proses bisnis yang baik harus memiliki tujuan-tujuan seperti mengefektifkan, mengefisienkan dan membuat mudah untuk beradaptasi pada prosesproses didalamnya. Artinya proses bisnis tersebut harus merupakan proses bisnis yang berorientasikan pada jumlah dan kualitas produk output, minimal dalam menggunakan sumber daya dan dapat beradaptasi sesuai dengan kebutuhan bisnis dan pasar. Pengelolaan bisnis proses yang baik akan memberikan keuntungan-keuntungan pada organisasi perusahaan yang banyak, yaitu : Organisasi dapat lebih memfokuskan diri pada kebutuhan customer. Organisasi mampu mengendalikan dan memprediksi setiap perubahan yang terjadi di lingkungan dalam ataupun luar. Organisasi mampu memperbaiki tingkat penggunaan sumber dayanya sehingga dapat menekan biaya pemakaian serendah mungkin. Organisasi dapat mengelola dengan baik inter relasi proses-proses antar bagian yang ada. 2.2 Business Process Improvement Perbaikan proses bisnis atau Business Process Improvement (BPI) merupakan sebuah metode yang sistematik yang dikembangkan untuk membantu sebuah perusahaan memperoleh keuntungan yang signifikan dalam caranya menjalankan proses bisnisnya (Harrington, 1991). 13

4 BPI dikembangkan oleh H.James Harrington (1991), seorang International Quality Advisor pada tahun 1980-an dari Ernst and Young, yaitu sebuah perusahaan jasa konsultasi profesional yang sangat terkenal dengan orang karyawan di seluruh dunia. Perusahaan seperti IBM, Corning Glass, dan Boeing telah menjalankan pendekatan ini dan mendapatkan hasil perbaikannya. Tiga tujuan utama dari BPI adalah (Harrington, 1991) : o Membuat proses berjalan secara efektif, yaitu memproduksi hasil seperti yang diinginkan. o Membuat proses berjalan dengan efisien, yaitu meminimalkan sumber daya yang digunakan. o Membuat proses menjadi adaptable, yaitu mampu beradaptasi dengan perubahan kebutuhan konsumen dan bisnis. 2.3 Reengineering Proses Bisnis Reengineering proses bisnis adalah pemikiran ulang yang fundamental dan perancangan ulang yang radikal terhadap proses-proses bisnis organisasi, yang membawa organisasi mencapai peningkatan yang dramatis dalam kinerja bisnisnya (Hammer dan Champy, 1993). Reengineering bisa juga diartikan sebagai inovasi proses, atau perencanaan visi strategik dan strategi kompetitif bau serta pengembangan proses bisnis baru yang mendukung visi tersebut. Menurut Herbkersman (1994) reengineering adalah perubahan secara drastis bagaimana cara anggota organisasi menyelesaikan cara kerja mereka. Hal mendasar yang perlu dilakukan adalah 'reengineering business process' termasuk memotong alur proses yang menimbulkan ketidakefisienan atau pengulangan kerja. Melakukan 'reengineering' berarti meninggalkan cara kerja yang lama dan memulai lagi dari awal; menciptakan cara kerja baru yang lebih baik Beberapa perusahaan telah menerapkan paradigma inovasi baru ini untuk mencapai berbagai perbaikan dalam biaya, kualitas, dan efisiensi. Bahkan makin banyak perusahaan yang mencari peluang untuk menerapkan proyek reengineering dan metodologi-metodologi yang membantu mereka dalam mencapai usaha-usaha perbaikan tersebut. Dalam 14

5 tulisannya, Hammer juga memperkenalkan esensi dan prinsip-prinsip rengineering, antara lain adalah : 1 Memfokuskan pada faktor-faktor sekitar hasil (outcome) bukan pada tugas, artinya bahwa suatu perusahaan hendaknya memiliki seorang yang melaksanakan semua tahapan dalam suatu proses. 2 Suatu perusahaan hendaknya membentuk departemen-departemen terspesialisasi untuk menangani proses yang terspesialisasi pula. 3 Mengelompokkan pemrosesan informasi ke dalam fungsi yang menghasilkan informasi. 4 Memperlakukan sumber-sumber yang terpisah seolah-olah tersentralisasi. 5 Mengkaitkan aktivitas-aktivitas paralel serta mengintegrasikan hasil-hasilnya. Hal ini ditujukan untuk meningkatkan keterkaitan antar fungsi paralel sehingga unit-unit terpisah bisa melakukan satu fungsi. 6 Menghubungkan aspek-aspek keputusan untuk menyelesaikan tugas dan membangun sistem pengendalian dalam suatu proses. 7 Memperoleh informasi sekaligus pada sumbernya. Sementara itu, Davenport dan Short (1990) sebagi pelopor pengembangan metodologi BPR menentukan framework untuk BPR yang terdiri dari lima tahap sbb: 1. Pengembangan visi bisnis dan tujuan proses 2. Identifikasi proses yang perlu redesign 3. Mengerti dan mengukur proses yang ada 4. Identifikasi kapabilitas IT 5. Design dan buat prototipe proses baru 2.4 Pemodelan Proses Bisnis Suatu proses dalam perusahaan adalah kombinasi sekumpulan aktivitas yang digambarkan dengan struktur tertentu untuk menjelaskan logical order dan dependence sesuai tujuan yang diinginkan (Aguilar-Saven 2004). Model adalah sebuah abstraksi atau penyederhanaan realita yang mempunyai input dan ouput. Sedangkan permodelan proses merupakan suatu cara atau jalan untuk memahami dan menganalisa dari suatu 15

6 proses dalam bentuk model proses. Model proses yang terbentuk memberikan pemahaman yang menyeluruh dari suatu proses atau sistem. Aguilar menambahkan bahwa pemodelan proses sangat penting bagi perusahaan karena dengan cara tersebut, perusahaan dapat mengintegrasikan, menganalisa, dan meningkatkan performance dari pengelolaan proses bisnisnya. Pada Gambar 2.2, Phalp, et. al, (1999) membedakan antara penggunaan model proses bisnis, yaitu: pertama untuk traditional software development dan kedua untuk restructure proses bisnis, yaitu: pendekatan pragmatik yang khusus untuk menangkap dan memahami proses, dan pendekatan rigorous (teliti) yang khusus untuk analisis proses. Gambar 2.2 Use of Process Models Aguilar-Saven (2004) mengklasifikasikan kegunaan model proses ke dalam empat kategori, yaitu: 1. Model deskripsi untuk pembelajaran; 16

7 2. Model deskripsi dan analitik untuk pendukung keputusan pada pengembangan dan perancangan proses; 3. Model analitik untuk pendukung keputusan selama proses eksekusi dan kontrol; dan 4. Model pendukung untuk teknologi informasi. Aguilar juga mengklasifikasikan model proses ke dalam kategori pasif dan aktif. Model proses yang tergolong dalam pasif adalah model proses yang tidak memiliki kemampuan untuk mendukung interaksi dengan user, tidak seperti model yang bersifat aktif. Contoh dari model-model proses dalam kategori aktif adalah model-model simulasi. Kedua klasifikasi di atas, digambarkan dengan sumbu horizontal dan vertikal seperti terlihat pada Gambar 2.3 di bawah ini. Gambar 2.3 Klasifikasi teknik pemodelan proses 17

8 Wilhelm, F., (2000) membagi model-model proses ke dalam lima kategori, yaitu: 1. Model-model temporal: sebagai tambahan untuk mengidentifikasikan dari subproses, yang hanya memasukkan informasi tentang waktu mulai dan berakhir, dan durasi komponen-komponen proses. 2. Model-model struktur: hanya merepresentasikan informasi tentang struktur dari proses. 3. Model-model logika: mendukung dependencies antar elemen-elemen proses. 4. Model-model fungsional: merepresentasikan fungsi-fungsi potensial dari elemen-elemen dalam sebuah proses. 5. Model-model behavioral: merepresentasikan deskripsi kuantitatif dari proses yang dibangun dari parameter-parameter, variabel, dll. Pemodelan proses dapat dipakai sebagai alat bantu dalam perencanaan sistem, analisis sistem yang biasanya untuk menggambarkan sistem as is, dan desain sistem yang biasanya untuk menggambarkan system to be. Adapun teknik pemodelan proses yang akan digunakan dalam penelitian ini adalah sebagai berikut : Flowchart Flowchart adalah penyajian yang sistematis tentang proses dan logika dari kegiatan penanganan informasi. Flowchart didefinisikan sebagai representasi keadaan sebenarnya secara formal dari proses manufaktur, rencana organisasi atau struktur formal (Lakin et al., 1996). Flowchart merupakan representasi grafis dengan menggunakan simbol seperti operasi, data, arah flow, dan perlengkapan. Pemodelan flowchart juga merepresentasikan proses yang menggambarkan urutan aktivitas dan tidak didukung dengan dekomposisi detil aktivitas tersebut. Adapun alasan pentingnya penggunaan flowchart adalah: 1. Relationship Flowchart dapat memberikan gambaran yang efektif, jelas, dan ringkas tentang prosedur logic. Teknik penyajian yang bersifat grafis jelas akan lebih baik daripada 18

9 uraian-uraian yang bersifat teks khususnya dalam menyajikan logika-logika yang bersifat kompleks. 2. Analisis Dengan adanya pengungkapan yang jelas dalam model atau chart, maka para pembaca dapat dengan mudah melihat permasalahan atau memfokuskan perhatian pada area-area tertentu sistem informasi. 3. Komunikasi Karena simbol-simbol yang digunakan mengikuti suatu standar tertentu yang sudah diakui secara umum, maka flowchart dapat merupakan alat bantu yang sangat efektif dalam mengkomunikasikan logika suatu masalah atau dalam mendokumentasikan logika tersebut. Adapun simbol-simbol yang biasanya digunakan dalam flowchart ditunjukkan pada tabel 2.1 di bawah ini. Tabel 2.1 Simbol-Simbol Flowchart SIMBOL NAMA FUNGSI Terminator Permulaan/akhir program Garis alir/flow line Preparation Proses Input/Ouput data Arah aliran Proses inisialisasi/pemberian harga awal Proses perhitungan/pengolahan data Proses input/ouput data, parameter,informasi 19

10 Tabel 2.1 Lanjutan Simbol-Simbol Flowchart SIMBOL NAMA FUNGSI Input /Output di cetak ke kertas Input berasal dari dokumen dalam bentuk kertas atau output di cetak ke kertas Predefined Proses (Sub program) Permulaan sub program/ Proses menjalankan sub program Decison Perbandingan pernyataan/penyeleksian data yang memberikan pilihan bagi langkah selanjutnya On page connector Penghubung bagian-bagian flowchart yang berada pada satu halaman Off page connector Penghubung bagian-bagian flowchart yang berada halaman berbeda Gambar 2.4 berikut ini menggambarkan proses yang sederhana dengan menggunakan flowchart. Proses dimulai ketika customer memesan barang ke perusahaan dan Depatemen Pemasaran dari perusahaan akan menerima order dan memasukkan informasi tersebut ke dalam sistem informasi ke perusahaan yang akan mengirim pesanan itu ke bagian Distribution Centre. Bagian Distribution Centre kemudian akan mengecek ketersediaan dari permintaan produk dan apabila pesanan tersebut tersedia maka pesanan akan dikirim ke customer bersamaan dengan tagihan, sebaliknya apabila produk yang dipesan tidak tersedia, maka mereka akan memberitahukan ke bagian Pemasaran dan bagian Pemasaran akan memberitahukan kepada customer. 20

11 Gambar 2.4 Contoh Flowchart Gantt Chart Gantt Chart adalah sebuah gambar dimana sumbu y menjelaskan aktivitasaktivitas yang dilakukan dalam proses dan sumbu x menggambarkan angka dari setiap aktivitas (Aguilar-Saven, 2001). Setiap baris berisi single Aktivitas, yang dimana biasanya terdiri sejumlah angka dan sejumlah nama. Sumbu horizontal mengindentifikasikan estimasi dari durasi aktivitas, tingkatan ketrampilan yang dibutuhkan untuk melakukan aktivitas, dan nama seseorang yang ditugaskan pada aktivitas, yang dimana pada penggambarannya satu kolom untuk satu periode dalam durasi proyek. Setiap periode bisa menyatakan waktu dalam jam, hari, minggu, bulan ataupun dalam unit waktu tertentu. Gantt Chart menghubungkan aktivitas-aktivitas ke dlaam skala waktu, yang dapat digunakan untuk merepresentasikan proses secara grafis dan kemampuan control pada kondisi situasi tersebut, meskipun sangat terbatas untuk dianalisis lebih lanjut Metode IDEF Gambaran Singkat IDEF 3 IDEF3 (Integrated Definition Methodology) adalah suatu metode pendiskripsian proses dimana dalam metode ini disediakan suatu metode terstruktur yang dapat digunakan oleh para domain expert untuk menjelaskan sebuah sistem atau situasi sebagai suatu urutan aktivitas. Metode ini juga dapat digunakan untuk menjelaskan obyek-obyek yang berpartisipasi dalam sistem atau proses. 21

12 IDEF3 Process Description dikembangkan menggunakan dua strategi, processcentered dan object-centered. Process-centered mengorganisasikan process knowledge dengan berfokus kepada proses dan hubungan-hubungan di dalam sebuah skenario, sedangkan object-centered mengorganisasikan process knowledge dengan berfokus kepada objek-objek dan perubahan bentuk objek tersebut yang terjadi dalam sebuah skenario ataupun multiple skenario. Ada dua tipe skema IDEF3 yang sesuai untuk kedua strategi di atas, yaitu skema proses dan skema objek. Skema proses menampilkan process-centered dari skenario yang dibuat dan skema objek dari object-centered mendukung tampilan grafis untuk informasi. Di bawah ini akan dijelaskan secara singkat tentang skema proses dan skema objek. 1. Process-Centered Views : Skema Proses Skema proses IDEF3 memiliki tujuan utama adalah untuk menangkap, mengelola, dan menampilkan process-centered knowledge. Process-centered dibangun secara sistematik dengan menggunakan building block IDEF3. Building block tersebut masing-masing memiliki arti dan kegunaan sendiri. 2. Object-Centered Views : Skema Objek Skema objek IDEF3 menangkap, mengelola, dan menampilkan deskripsi yang berfokus pada objek dalam suatu proses, yaitu informasi-informasi tentang bagaimana objek ditranformasikan ke objek yang berbeda melalui sebuah proses, dan bagaimana hubungan antar objek-objek tersebut IDEF3 Process Description Language Elemen-elemen dasar IDEF3 Tahap awal dalam membuat suatu model IDEF harus ditetapkan terlebih dahulu skenarionya. Skenario-skenario tersebut merupakan dasar dari pengelolaan struktur sebuah model IDEF3, dimana di dalam skenario tersebut berisikan aktivitas-aktivitas 22

13 atau proses yang sifatnya sequencing (berurutan). Sebuah skenario menjelaskan tujuan dan ruang lingkup dari sebuah model yang dibuat. Model yang dibuat harus jelas untuk apa tujuan model tersebut, sedangkan ruang lingkup menjelaskan hal-hal apa saja yang terlibat ataupun tidak terlibat dalam model dan untuk siapa model dibuat. Elemen-elemen dasar dari IDEF3 ditunjukkan pada gambar di bawah ini: Gambar 2.5 IDEF3 Process Description Schematics 23

14 Skema Proses A. Unit of Behavior/Aktivitas Aktivitas di dalam teknik pemodelan IDEF3 disebut juga Unit of Behavior (UOB) merupakan komponen utama dalam pemodelan IDEF3. Dalam diagram IDEF3 aktivitas tersebut digambarkan dengan persegi panjang. Aktivitas diidentifikasikan dengan sebuah kata kerja (kata kerja+objek), dan diiringi dengan sebuah nomor unik. Objek pada penamaan UOB biasanya menjelaskan input utama untuk aktivitaas, output dari aktivitas, atau nama dari sistem. Ketika sebuah aktivitas dibentuk, diberikan juga nomor unik. Apabila sebuah aktivitas yang berurutan dihapus, maka nomor pada aktivitas tersebut tidak dapat digunakan lagi. Gambar 2.6 Aktivitas IDEF3 dan penomoran. B. Links Links berfungsi menghubungkan antar aktivitas (source Aktivitas and destination Aktivitas). Dalam diagram IDEF3 pada umumnya link berasal dari sebelah kiri dan berakhir di sebelah kanan kotak aktivitas (UOB). C. Junctions Penyelesaian satu aktivitas mungkin menyebabkan beberapa aktivitas untuk memulai, atau sebuah aktivitas mungkin harus menunggu beberapa aktivitas lain selesai sebelum aktivitas tersebut mulai. Junctions dapat berfungsi menyebarkan atau menggabungkan aliran proses dan dapat menjelaskan pencabangan proses. Di bawah ini menjelaskan 2 fungsi pencabangan : 24

15 Fan-out junctions mendistribusikan aliran proses. Penyelesaian satu aktivitas menyebabkan mulainya beberapa aktivitas lain. Fan-in junctions menggabungkan aliran proses. Penyelesaian satu atau lebih aktivitas menyebabkan mulainya satu aktivitas. Tabel di bawah ini menguraikan 3 tipe junctions dengan masing-masing fungsi dan rules-nya: Tabel 2.2 Tipe Junctions Grafik Nama Fungsi Activation Rules Setiap aktivitas tujuan (destination Aktivitas) yang Fan-Out AND dihubungkan dengan AND adalah selalu dikerjakan & Junction Setiap aktivitas awal (source Aktivitas) yang Fan-In dihubungkan dengan AND harus selesai dikerjakan Satu dan hanya satu aktivitas tujuan (destination Fan-Out Aktivitas) yang dihubungkan dengan Exclusive-OR Exclusivedikerjakan X OR Satu dan hanya satu aktivitas awal (source Aktivitas) Junction Fan-In yang dihubungkan dengan Exclusive-OR harus selesai dikerjakan. Satu atau lebih aktivitas-aktivitas tujuan (destination Fan-Out activities) yang dihubungkan dengan OR selalu OR dikerjakan. O Junction Satu atau lebih aktivitas-aktivitas awal (source Fan-In activities) yang dihubungkan dengan OR harus selesai dikerjakan. Synchronous dan Asynchronous Junctions Pada AND dan OR junction, kita tidak dapat mendiskusikan hubungan antara waktu mulai dan berakhir suatu aktivitas dari fan-out junctions. Aktivitas-aktivitas dinyatakan asinkron jika aktivitas-aktivitas tersebut mulai dan berakhir pada saat yang tidak bersamaan. Tapi, bagaimanapun ada juga mulai dan/atau berakhirnya aktivitas-aktivitas 25

16 terjadi secara sinkron. Junction sinkron akan digunakan untuk perilaku aktivitasaktivitas tersebut. Junction sinkron ditandai dengan dua buah garis vertikal di dalam sebuah junction, yang berseberangan terhadap garis vertikal pada junction asinkron. Tabel di bawah ini menunjukkan interpretasi dari sinkron junction. Tabel 2.3 Junctions sinkronisasi Grafik Nama Fungsi Activation Rules AND Fan-Out Semua aktivitas pada fan-out junction akan mulai bersamaan. Fan-In Semua aktivitas pada fan-in junction akan berakhir bersamaan. OR Fan-Out Satu atau lebih aktivitas pada fan-out junction akan mulai bersamaan. Fan-In Satu atau lebih aktivitas pada fan-in junction akan mulai bersamaan. Ketika satu atau hanya satu aktivitas yang Fan-Out terhubungan pada Exclusive-OR fan-out junction mulai, sinkronisasi dengan aktivitas-aktivitas lain Exclusive- OR adalah tidak mungkin. Ketika satu atau hanya satu aktivitas yang Fan-In terhubungan pada Exclusive-OR fan-in junction selesai, sinkronisasi dengan aktivitas-aktivitas lain adalah tidak mungkin. Junction Pairs Pada suatu diagram IDEF3, junction sebaiknya dipasangkan, yaitu setiap fan-out junction memiliki pasangan fan-in junction. Pasangan fan-out junction dan fan-in junction tidaklah harus merupakan tipe junction yang sama. 26

17 Junction Combinations Pada gambar berikut ini Junction dapat digabungkan dari beberapa tipe junction. Kombinasi junction harus dibuat dan digunakan secara seksama dan benar dengan diiringi pengertian yang jelas. Kombinasi junction yang ada tidak semuanya benar, misalnya kombinasi antara XOR junction dengan AND junction. D. UOB Decomposition Aktivitas dalam IDEF3 dapat didekomposisikan untuk menjelaskan aktivitas tersebut lebih detil. Metode IDEF3 memperbolehkan sebuah aktivitas didekomposisikan beberapa kali, atau yang disebut sebagai multiple children. Metode dekomposisi ini juga dapat digunakan untuk menjelaskan alternatif-alternatif aliran proses atau aktivitas. Pada diagram IDEF3 yang terdiri dari multiple dekomposisi, skema penomoran harus jelas dengan melibatkan nomor dekomposisi seperti Aktivitas ID dan parent Aktivitas ID. Untuk lebih jelasnya dapat dilihat pada gambar di bawah ini Activity ID Decomposition Number Parent Activity ID Gambar 2.7 Aktivitas yang memasukkan nomor dekomposisi. Sebuah nomor UOB dipakai untuk setiap UOB box di dalam sebuah IDEF3 Process Description. Pada umumnya, sebuah deskripsi IDEF3 dapat menjadi sangatlah kompleks, yang terdiri dari beberapa UOB, dan memiliki multiple dekomposisi. Pada level bawah sebuah dekomposisi, nomor referensi dari suatu UOB terdiri dari tiga angka (misalnya : ). Angka pertama merupakan angka terakhir pada parent Aktivitasnya. Angka kedua merupakan nomor dekomposisi untuk UOB-nya. Angka ketiga 27

18 adalah UOB box untuk aktivitas yang bersangkutan. Pemakaian nomor referensi dapat dilihat pada gambar berikut ini. Gambar 2.8 Skema penomoran UOB E. Referent Referent adalah simbol khusus yang mengacu kepada sisi lain dari deskripsi proses. Referent ditambahkan pada sebuah diagram agar pembaca secara langsung memahami informasi apa yang harus diketahui. F. Elaborasi untuk UOB, junctions, dan link yang dibutuhkan Elaborasi merupakan penjelasan yang lebih detil dari elemen-elemen IDEF3 dalam suatu skema baik itu skema proses maupun skema objek. Elaborasi yang dibuat untuk UOB, junction dan links disesuaikan dengan informasi yang diperoleh dari domain expert. 2.5 Analisis Struktur Model Setelah pemodelan proses dipilih untuk menggambarkan sistem as is, maka selanjutnya dilakukan analisis model yang telah digambarkan. Kusiak (1999) menjelaskan bahwa ada dua tipe analisis yang dapat dilakukan untuk perbaikan proses, yaitu: analisis observasi (manual) dan analisis computational. Pada analisis observasi, terdapat 5 cara yang dilakukan (Kusiak, 1999), yaitu: 28

19 1. Menurunkan durasi proses Model IDEF3 (dengan resources) dapat digunakan untuk mengidentifikasikan aktivitas yang perlu dieliminasi. Ketika aktivitas-aktivitas tersebut di dekomposisi, control dan mekanisme merupakan constraints untuk setiap aktivitas. Seperti contohnya, sumber daya mungkin dapat diganti dengan perlengkapan yang otomatis atau penghilangan control ataupun penyederhanaan control untuk aktivitas tersebut. Control merupakan sejumlah informasi yang diperlukan untuk melaksanakan suatu aktivitas sehingga pengurangan beberapa informasi diperlukan akan dapat mengurangi lamanya durasi dan penyederhanaan proses seperti penyederhanaan prosedur dan mengeliminasi beberapa aktivitas yang tidak diperlukan. 2. Eliminasi aktivitias redundant Gambar berikut menunjukkan prinsip eliminasi aktivitas redundant dalam konteks model IDEF3 dengan input I1 dan I2=O1, output O1 dan O2, mekanisme M1 dan M2, dan kontrol C1 dan C2. Gambar 2.9 Eliminasi aktivitas redundant 3. Membagi aktivitas (partitioning) Gambar berikut menunjukkan konsep partisi dalam model IDEF3 yang memecah atau membagi aktivitas 2 menjadi aktivitas 2 dan aktivitas 2. 29

20 Gambar 2.10 Partitioning aktivitas 4. Menggabungkan aktivitas serial (Merging) Gambar berikut ini merupakan prinsip penggabungan dua aktivitas dengan cara mengganti atau mengeleminasi kebutuhan mekanisme dan kontrolnya. Gambar 2.11 Merging dua aktivitas 5. Eliminasi siklus Gambar berikut ini merupakan prinsip eleminasi siklus dalam model IDEF3. Aktivitas 3 pada gambar telah dieliminasi dari model sehingga tidak terjadi siklus. Gambar 2.12 Eliminasi siklus 30

21 Analisis computational dilakukan untuk merekayasa model proses. Analisis struktur model dilakukan pada model IDEF3 yang telah ditransfer ke dalam bentuk matrik. Analisis computational merupakan analisis yang memanipulasi elemen-elemen dalam matrik sesuai dengan tujuan yang diinginkan. 2.6 Metoda Qualitative dan Metoda Quantitative Kusiak, 1999 menjelaskan bahwa terdapat dua tipe analisis yang dapat dilakukan untuk perbaikan proses yaitu analisis observasi (manual) dan analisis computational. Analisis observasi dapat dilakukan dengan cara menurunkan durasi proses, eliminasi aktivitas redundant, membagi aktivitas (partitioning), menggabungkan aktivitas serial (merging), dan eliminasi siklus. Analisis qualitative (kualitatif) dapat dilakukan berdasarkan model dari proses bisnis sehingga analisis ini membutuhkan gambaran detil dari sasaran proses. Analisa qualitative (kualitatif) merupakan analisis structural yang mengevaluasi proses pada setiap aktivitasnya berdasarkan kualitasnya seperti dari aktivitas pertama dipilih mana alternatif yang lebih berkualitas, setelah itu dilanjutkan pada pilihan alternatif pada aktivitas 2 dan seterusnya Hasil dari analisis qualitative (kualitatif) dapat digunakan untuk mendeteksi aktivitas-aktivitas mana yang mungkin dapat tereliminasi, yang dapat diparalel, dapat digabungkan, dapat disederhanakan, di tambah nilai prosesnya ataupun diotomasikan proses aktivitasnya. Sedangkan analisis quantitative (kuantitatif) merupakan analisis performance yang mengevaluasi proses berdasarkan nilai numerik dari parameter, seperti tingkatan suksesnya, lamanya durasi dan besarnya biaya, serta jumlah aktivitas yang terjadi. Analisis quantitative (kuantitatif) memerlukan informasi yang dapat diandalkan secara statistik, maka untuk mendapatkan informasi seperti itu diperlukan analisis computational untuk identifikasi proses seperti adanya pengembangan algoritma dalam optimisasi proses bisnis. Karena sifat model proses yang kualitatif, analisis sering didasarkan pada metoda observasi (Kusiak et al., 1999). Seperti yang dijelaskan di atas bahwa terdapat berbagai cara untuk melakukan analisis observasi yang memungkinkan analisis untuk 31

22 identifikasi model yang kurang sempurna. Model IDEF3 (dengan resources) dapat digunakan untuk mengidentifikasikan aktivitas yang perlu dieliminasi. Ketika aktivitasaktivitas tersebut di dekomposisi, control dan mekanisme merupakan constraints untuk setiap aktivitas. Seperti contohnya, sumber daya mungkin dapat diganti dengan perlengkapan yang otomatis atau penghilangan control ataupun penyederhanaan control untuk aktivitas tersebut. Control merupakan sejumlah informasi yang diperlukan untuk melaksanakan suatu aktivitas sehingga pengurangan beberapa informasi diperlukan akan dapat mengurangi lamanya durasi dan penyederhanaan proses seperti penyederhanaan prosedur dan mengeliminasi beberapa aktivitas. Hasil yang diperoleh dari analisis qualitative dan analisis quantitative dapat digunakan untuk perbaikan proses bisnis. Teknik pemodelan proses bisnis seperti flowchart dan IDEF yang menggunakan pendekatan diagram tidak mampu menganalisis secara kuantitatif dan tidak mampu mengoptimisasi struktur proses bisnis karena hanya dilakukan secara manual, hanya dapat dilakukan pada kasus yang sederhana saja tanpa adanya kemampuan untuk generalisasinya dan hanya menggunakan simbol standar. (Vergidis et al.,2007). 2.7 Pendekatan Matematis Di dalam Penelitian Operasional, setelah merumuskan masalah, langkah berikutnya adalah untuk merumuskan kembali masalah tersebut ke dalam suatu bentuk yang memudahkan analisa. Pendekatan riset operasi yang konvensional adalah membuat model matematis yang menggambarkan inti permasalahan. (Lieberman G.J et al.,1990) Sebelum membahas bagaimana merumuskan model matematis, maka terlebih dahulu akan membahas sifat-sifat model secara umum dan sifat model-model matematis secara khusus. Model atau suatu gambaran yang ideal, merupakan bagian yang integral dalam hidup sehari-hari. Contoh-contoh model adalah model pesawat terbang, potret dll. Demikian pula, model mempunyai peranan penting dalam sains dan bisnis, seperti misalnya model mengenai atom, model mengenai struktur genetik, persamaanpersamaan matematis yang menggambarkan hukum fisika mengenai gerak atau reaksi- 32

23 reaksi kimiawi,grafik dan lain-lain. Model-model demikian sangat berguna untuk mengabstraksikan inti dari apa yang diteliti, memperlihatkan saling keterkaitan hubungan, dan memudahkan analisa. Model matematis juga merupakan gambaran yang ideal, tetapi dinyatakan dalam simbol-simbol dan ungkapan matematika. Model matematis mempunyai banyak keuntungan dibandingkan deskripsi verbal mengenai masalah. Satu kelebihan yang nyata adalah bahwa suatu model matematis keseluruhan masalah lebih mudah dimengerti, dan membantu untuk mengungkapkan hubungan-hubungan sebab akibat yang penting. Dengan cara demikian, juga jelas ditunjukkan data tambahan apa yang relevan pada saat analisa. Model matematis juga memudahkan menghadapi masalah secara keseluruhan dan mempertimbangkan semua hubungan yang saling terkait secara simultan. Sehingga dapat dikatakan model matematis merupakan jembatan bagi pemakaian teknik-teknik matematika dan komputer yang canggih untuk menganalisa masalah. (Lieberman G.J et al.,1990) Pengembangan model matematis dapat dimulai dengan menjawab ketiga pertanyaan berikut yaitu : 1. Apa yang diusahakan untuk ditentukan oleh model tersebut? Dengan kata lain, apa variabel dari masalah tersebut? 2. Apa batasan yang harus dikenakan atas variabel untuk memenuhi batasan sistem yang dimodel tersebut? 3. Apa tujuan (sasaran) yang harus dicapai untuk menentukan pemecahan optimum dari semua nilai yang layak dari variabel tersebut? Sistem merupakan kumpulan dari elemen yang bekerja secara bersama dalam rangka mencapai tujuan. Sistem merupakan objek penelitian dan model merupakan representasi sederhana sari sistem. Terdapat tiga model yaitu ikonik, analog, dan simbolik. Model ikonik adalah model skala. Model analog menggunakan sistem/model yang berbeda tetapi mirip dengan sistem model yang menjadi objek penelitian. Model simbolik berbasis pada hubungan logika yang mengatur sistem. Model simbolik sering dihubungkan dengan model matematis. (Graham et al., 2000) 33

24 Seperti yang dijelaskan di atas bahwa model matematis menggambarkan perilaku sistem menggunakan persamaan dan hubungan logika. Tipe model matematis mencakup pemograman matematis dan simulasi. Model matematis mencakup komponen-komponen seperti keputusan, parameter, kendala, dan fungsi tujuan. Variabel keputusan adalah variabel yang dikendalikan oleh pembuat keputusan. Parameter adalah nilai yang tidak dapat dikendalikan oleh pembuat keputusan. Kendala adalah pembatas yang ada di variabel keputusan. Fungsi tujuan mengidentifikasikan ukuran kinerja dan optimisasi dari ukuran kinerja yang ingin dicapai. Pada model matematis, semua variabel keputusan, parameter, kendala, dan fungsi tujuan tercakup secara bersamaan di dalam persamaan atau hubungan berdasarkan logika. Pemograman matematis merupakan teknik penelitian operasional yang berkaitan dengan pemecahan masalah untuk menentukan solusi optimal dengan memperhatikan beberapa pembatas. Model pemograman matematik memilih nilai dari variabel keputusan untuk mengoptimisasikan fungsi tujuan berdasarkan kendala-kendala yang ada. Pada formulasi model pemograman matematis, langkah krusialnya adalah bagaimana menentukan nilai yang tepat untuk parameter-parameternya dan bagaimana fungsi tujuannya. Setelah model matematis diformulasikan untuk permasalahan yang sedang dibahas, sebuah prosedur untuk menghasilkan solusi bagi model harus dikembangkan. Isu utama dalam model pemograman matematis adalah mencari solusi optimal dan solusi terbaik. Karena model merupakan representasi suatu permasalahan yang riil maka tidak dapat dijamin bahwa solusi yang dapat diimplementasikan langsung terhadap permasalahan nyata. Terdapat banyak faktor-faktor yang tidak dapat diperhitungkan dan ketidakpastian yang berhubungan denagn permasalahan nyata. Suatu model yang diformulasikan dan diuji dengan baik, maka solusi yang dihasilkan akan menjadi suatu pendekatan yang baik bagi pengambil keputusan untuk permasalahan nyata. Adapun Model umum dari pemograman matematis adalah Maksimasi atau Minimasi f (x j,...,x n ) fungsi tujuan (2.1) Subject to 34

25 g i (x j,...,x n ) [ or = or ] b i fungsi kendala (2.2) x j R, j=1,...,n batas dan variabel keputusan (2.3) Tipe dari pemograman matematis dapat ditentukan oleh beberapa faktor, yaitu : Jumlah variabel keputusan Tipe dari variabel keputusan Bentuk dari fungsi tujuan dan kendala Jumlah dari fungsi tujuan Formulasi permasalahan Kondisi input data atau parameter 2.8 Artificial Intelligence (AI) Pada sistem dengan kecerdasan buatan, input yang diberikan berupa masalah dan output yang dihasilkan oleh sistem tersebut berupa solusi. Sedangkan untuk sistem itu sendiri harus dilengkapi dengan sekumpulan pengetahuan yang ada pada basis pengetahuan dan harus memiliki interference engine untuk pengambilan kesimpulan berdasarkan fakta atau pengetahuan tersebut. Sistem Yang Menggunakan AI Masalah Basis Pengetahuan Interference Engine Solusi Gambar 2.13 Sistem Yang Menggunakan Kecerdasan Buatan (Sumber: Kusumadewi, Sri dan Purnomo, Hari, 2005). Dalam menghimpun pengetahuan diperlukan adanya ruang keadaan (state space), yaitu ruang yang berisi semua keadaan yang mungkin. Di dalam ruang keadaan itulah proses pencarian dan pencocokan dilakukan untuk memperoleh kesimpulan yang 35

26 mengarah pada solusi. Ada 2 teknik pencarian dan pelacakan yang lazim digunakan, yaitu teknik pencarian buta (blind search) dan teknik pencarian heuristik (heuristic search). Teknik pencarian buta (blind search) ada 2 macam, yaitu breadth first search dan depth first search. Teknik pencarian heuristik (heuristic search) terdapat beberapa metode yang sudah/mulai dikembangkan seperti generate and test, hill climbing, tabu search, simulated annealing, algoritma genetika, dan algoritma semut. 2.9 Algoritma Genetika Algoritma genetika (AG) merupakan jenis Evolutionary Algorithm yang paling populer. Algoritma genetika ini dipengaruhi oleh ilmu biologi dimana baik istilah maupun konsep yang digunakan berasal dari istilah dan konsep dalam biologi itu sendiri, terutama mengenai genetika Pengertian Algoritma Genetika Algoritma genetik merupakan algoritma pencarian yang bekerja berdasarkan mekanisme seleksi alam dan genetika alam untuk menentukan struktur-struktur atau individu-individu berkualitas tinggi yang terdapat dalam sebuah domain yang disebut populasi. Algoritma genetika dikembangkan oleh John Holland untuk pertama kalinya. Ia menyatakan bahwa setiap masalah yang berbentuk adaptasi (alami ataupun buatan) dapat diformulasikan dalam bentuk terminologi genetika. Keberagaman pada evolusi biologis adalah variasi dari kromosom antar individu organisme. Variasi kromosom ini akan mempengaruhi laju reproduksi dan tingkat kemampuan organisme untuk tetap hidup. Individu yang lebih fit akan memiliki tingkat survival dan tingkat reproduksi yang lebih tinggi jika dibandingkan dengan individu kurang fit. Pada saat generasi, populasi secara keseluruhan akan lebih banyak memuat organisme yang fit. Proses evolusi biologis itu sendiri dipengaruhi oleh empat kondisi, yaitu : 1. Kemampuan suatu organisme untuk berkembang biak (melakukan reproduksi). 2. Keberadaan populasi dari organisme yang dapat melakukan reproduksi. 3. Variasi/keberagaman organisme dalam suatu populasi. 36

27 4. Perbedaan kemampuan organisme untuk bertahan hidup (survive) Algoritma genetika digunakan untuk menyelesaikan masalah permasalahan searching dan optimisasi yang mempunyai kompleksitas tinggi yang banyak terjadi dalam dynamic programming. Algoritma genetika dapat menghindari keadaan lokal optimum yang baik. Proses pencarian pada algoritma genetik dilakukan dengan melaksanakan suatu prosedur iteratif untuk mengatur sebuah populasi individu yang merupakan kandidatkandidat solusi. Dalam satu siklus iterasi (yang disebut generasi) terdapat dua tahap, yaitu tahap seleksi dan rekombinasi. Tahap seleksi dilakukan dengan mengevaluasi kualitas setiap individu dalam populasi untuk mendapatkan peringkat kandidat solusi. Berdasarkan hasil evaluasi, selanjutnya dipilih secara acak individu-individu yang akan mengalami rekombinasi. Individu-individu yang mempunyai kualitas yang lebih baik, mempunyai kemungkinan yang lebih besar untuk dipilih sebagai calon-calon individu bagi generasi berikutnya. Tahap rekombinasi meliputi proses genetika untuk mendapatkan populasi baru dari calon-calon individu yang diperoleh pada tahap seleksi. Alnalogi algoritma genetika dengan sistem biologi menurut Goldberg (1989) ditunjukkan pada tabel berikut ini. Natural Algoritma Genetika Kromosom String String yang dibentuk dari beberapa karakter Keterangan Gen Karakter Informasi tunggal dalam satu kromosom, sekumpulan gen membentuk kromosom Alele Nilai karakter Informasi yang terkandung dalam gen Lokus Posisi String Setiap karakter mempunyai posisi Genotip Struktur Satu atau beberapa string akan bergabung membentuk struktur. Fenotip Parameter bila struktur tersebut dikodekan akan diperoleh satu titik yang merupakan salah satu alternatif solusi 37

28 Goldberg (1989) menyebutkan bahwa terdapat tiga tipe untuk pencarian titik optimal, yaitu : 1. Calculus Based Metoda ini berorientasi pada penyelesaian persamaan matematis untuk mencari titik ekstrim lokal. Ada dua jenis, yaitu metoda langsung dan metoda tidak langsung. Metoda langsung berharap pada fungsi pertidaksamaan dan mengerakkannya ke solusi sekitar yang memungkinkan untuk mencapai optimal lokal. Metoda tidak langsung mencari ekstrim lokal dengan menyelesaikan beberapa pertidaksamaan matematis, sampai terjadi tingkat kemiringan nol untuk semua arah. Kedua metoda ini memiliki kelemahan, yaitu kedua metoda ini hanya mencapai optimal lokal. Di samping itu, jika suatu nilai optimal lokal telah tercapai, untuk mencari solusi yang lebih baik dibutuhkan metoda modifikasi solusi ekstrim baik berupa mengadaptasi aspek kerandoman, maupun dengan aturan-aturan tertentu. Permasalahan lainnya adalah metoda ini sangat bergantung pada fungsi turunan dari fungsi utama. 2. Enumerative Metoda ini mencari nilai fungsi obyektif pada setiap poin dalam ruang solusi satu persatu. Algoritma ini cukup sederhana, tetapi kurang efisien terlebih untuk permasalahan riil dengan ruang solusi yang sangat besar. 3. Random Search Metoda ini banyak menjadi perhatian akhir-akhir ini sejalan dengan berkembangnya penelitian di bidang algoritma, kecerdasan buatan, dan komputasi evolusioner. Menyadari kelemahan pada dua metoda sebelumnya, berbagai variasi metoda random search, baik berupa guided search hingga multiple points solution telah dikemukakan dalam berbagai penelitian yang pada akhirnya berkembang yaitu metoda simulated annealing, algoritma genetika, dan algoritma evolusioner lainnya. Isu utama yang mengiringi algoritma genetika adalah robustness, yaitu keseimbangan antara efisiensi dan efektivitas yang diperlukan untuk mencari solusi pada berbagai lingkungan permasalahan yang berbeda. Jika level adaptasi dapat dicapai semakin tinggi, sistem yang sudah ada dapat melaksanakan fungsinya lebih lama dan lebih baik. 38

29 Karakteristik robust inilah yang mampu diakomodasi oleh efisiensi dan fleksibilitas dari sistem biologi. Karakter-karakter seperti perbaikan sendiri (self repair), pemanduan sendiri (self guidance) dan reproduksi adalah aturan-aturan evolusi yang ada dalam sistem biologi yang mampu meningkatkan performansi artifisial. Dengan menggunakan prinsip-prinsip evolusi, algoritma genetika memiliki perbedaan mendasar dibandingkan dengan metoda pencarian solusi lainnya. Goldberg (1989) menyebutkan perbedaan mendasar ini, yaitu : Algoritma genetika tidak bekerja secara langsung, tetapi bekerja dengan hasil kodifikasi (parameter) solusi. Solusi beranalogi dengan sifat fisik makhluk hidup, sedangkan kodifikasi solusi beranalogi dengan pengkodean sifat fisik ke kromosom. Evolusi yang merupakan inti dari algoritma genetika bekerja dengan memanipulasi isi kromosom. Hal ini menyebabkan algoritma genetika tidak dipengaruhi oleh persoalan yang dihadapi secara langsung. Algoritma genetika menggunakan kumpulan solusi dalam melakukan pencarian solusi. Hal ini berbeda dengan solusi lainnya yang hanya menggunakan satu solusi untuk dievaluasi. Algoritma genetika mengikuti proses evolusi yang bekerja pada suatu populasi, dimana informasi yang terkandung dalam populasi akan menentukan individu-individu baru dalam generasi selanjutnya. Algoritma genetika bekerja dengan menggunakan informasi yang diperoleh dari fungsi tujuan saja. Berbeda sekali dengan banyak metoda konvensional yang biasanya menggunakan informasi lainnya berupa turunan atau pengetahuan tambahan. Algoritma genetika menggunakan aturan transisi probabilistik, bukan deterministik. Algoritma genetika menggunakan mekanisme acak sebagai alat bantu untuk mengeksplorasi solusi. 39

30 2.9.2 Struktur Umum Algoritma Genetika Struktur umum algoritma genetika menggunakan istilah-istilah yang terdapat pada ilmu biologi dimana konsepnya pun berasal dari ilmu biologi. Istilah-istilah tersebut antara lain: 1. Populasi Populasi merupakan teknik pencarian yang dilakukan sekaligus atas sejumlah solusi yang mungkin. 2. Kromosom Kromosom merupakan suatu solusi yang masih berbentuk simbol. 3. Generasi Generasi merupakan populasi berikutnya setelah populasi awal yang merupakan hasil evolusi kromosom-kromosom melalui iterasi. Populasi awal itu sendiri dibangun secara acak. 4. Fungsi Fitness Fungsi fitness merupakan alat ukur yang digunakan dalam proses evaluasi kromosom pada setiap generasi. 5. Anak (Offspring) Anak (offspring) merupakan generasi berikutnya yang terbentuk dari gabungan dua kromosom sekarang yang bertindak sebagai induk/orang tua (parent) dengan menggunakan operator penyilangan (crossover) maupun proses mutasi. Dalam genetika alam, kromosom terdiri dari susunan gen. Tiap gen mengandung nilai atau sifat tertentu yang disebut allele, sedangkan posisi gen dalam kromosom disebut lokus. Selanjutnya satu atau beberapa kromosom bergabung membentuk paket 40

31 genetik yang disebut sebagai genotif. Interaksi genotif ini dengan lingkungannya disebut fenotif. Dalam genetika buatan, kromosom bersesuaian dengan string yang dibentuk dari beberapa karakter. Setiap karakter ini mempunyai posisi (lokus) dan mengandung nilai tertentu (allele). Satu atau beberapa string akan bergabung membentuk struktur (genotif), bila struktur tersebut dikodekan akan diperoleh satu titik yang merupakan salah satu alternatif solusi (fenotif) Aplikasi Algoritma Genetika Algoritma genetika pertama kali dirintis pada tahun 1960-an oleh John Holland. Algoritma genetika diaplikasikan dalam pencarian parameter-parameter optimal. Namun aplikasinya tidak terbatas pada masalah optimisasi saja, melainkan dapat digunakan untuk masalah di luar optimisasi. Aplikasi algoritma genetika tersebut, antara lain: Optimisasi Aplikasi dalam masalah optimisasi, yaitu untuk optimisasi numerik dan optimisasi kombinatorial seperti Traveling Salesman Problem (TSP), perancangan Integrated Circuit atau IC, Job Shop Scheduling, optimisasi video, dan suara. Pemrograman Otomatis Aplikasi dalam pemrograman otomatis, yaitu pemanfaatan algoritma genetika dalam proses evolusi program komputer untuk merancang struktur komputasional, seperti cellular automata dan sorting networks. Machine Learning Aplikasi dalam machine learning, yaitu untuk merancang neural networks (jaringan syaraf tiruan) dalam melakukan proses evolusi terhadap aturan-aturan 41

32 pada learning classifier systems atau symbolic production systems serta untuk mengontrol robot. Model Ekonomi Aplikasi dalam model ekonomi, yaitu untuk memodelkan proses-proses inovasi dan pembangunan bidding strategies. Model Sistem Imunisasi Aplikasi dalam model sistem imunisasi, yaitu untuk memodelkan berbagai aspek dalam sistem imunisasi alamiah, seperti somatic mutation selama kehidupan individu dan menemukan keluarga dengan gen ganda (multi-gene families) sepanjang waktu evolusi. Model Ekologis Aplikasi dalam model ekologis, yaitu untuk memodelkan fenomena ekologis seperti host-parasite co-evolutions, simbiosis dan aliran sumber daya dalam ekologi. Interaksi Antara Evolusi Dan Belajar Aplikasi dalam interaksi antara evolusi dan belajar, yaitu untuk mempelajari bagaimana proses belajar suatu individu bisa mempengaruhi proses evolusi suatu spesies dan sebaliknya Karakteristik Masalah yang Dapat Dipecahkan Dengan Menggunakan Algoritma Genetika Algoritma genetika dapat memberikan solusi yang bagus dan efisien untuk masalah-masalah berdimensi tinggi, terutama untuk masalah dengan karakteristik sebagai berikut (Kusumadewi, 2003): 42

33 Ruang masalah sangat besar, kompleks, dan sulit dipahami, Kurang atau bahkan tidak ada pengetahuan yang memadai untuk merepresentasikan masalah ke dalam ruang pencarian yang lebih sempit, Tidak tersedianya analisis matematika yang memadai, Ketika metode-metode konvensional sudah tidak mampu menyelesaikan masalah yang dihadapi, Solusi yang diharapkan tidak harus paling optimal, tetapi cukup bagus atau bisa diterima, Terdapat batasan waktu, misalnya dalam real time systems atau sistem waktu nyata. Mempunyai multi-objective dan multi-criteria sehingga diperlukan solusi yang dapat secara bijak diterima oleh semua pihak Komponen Utama Algoritma Genetika Komponen-komponen utama dalam algoritma genetika ada 6, yaitu: 1. Teknik Penyandian Teknik penyandian ini merupakan penyandian gen dari kromosom dimana gen merupakan bagian dari kromosom yang mewakili suatu variabel. Biasanya satu gen mewakili satu variabel. Gen dapat direpresentasikan dalam bentuk: string bit, pohon, array, bilangan real, daftar aturan, elemen permutasi, elemen program, atau representasi lainnya yang dapat diimplementasikan untuk operator genetika (Kusumadewi, 2003). Kromosom dapat direpresentasikan dalam bentuk: string bit, bilangan real, elemen permutasi, daftar aturan, elemen program (pemrograman genetika), dan struktur lainnya. 43

34 2. Prosedur Inisialisasi Inisialisasi kromosom yang terdapat dalam suatu populasi dilakukan setelah ukuran populasi tersebut ditentukan dimana ukuran populasi tergantung pada masalah yang akan dipecahkan dan operator genetika yang akan diimplementasikan. Inisialisasi ini dilakukan secara acak dengan memperhatikan domain solusi dan kendala permasalahan yang ada. 3. Fungsi Evaluasi Dalam evaluasi kromosom ada dua hal yang harus dilakukan, yaitu evaluasi fungsi obyektif (fungsi tujuan) dan konversi fungsi obyektif ke dalam fungsi fitness. Pada umumnya, fungsi fitness diturunkan dari fungsi obyektif dengan nilai yang tidak negatif. Jika nilai pada fungsi obyektif adalah negatif maka perlu ditambahkan suatu konstanta C agar nilai fitness yang terbentuk tidak negatif. 4. Seleksi Tujuan dari proses seleksi ini adalah untuk memberikan kesempatan reproduksi yang lebih besar bagi anggota populasi yang paling fit. Metode-metode yang digunakan dalam seleksi induk, antara lain: Rank-based fitness assignment. Roulette-wheel selection. Stochastic universal sampling. Local selection. Trancation selection. Tournament selection. 5. Operator Genetika Operator genetika ada dua, yaitu: 1. Operator untuk melakukan rekombinasi, terdiri dari: Rekombinasi bernilai real 44

35 - Rekombinasi diskret - Rekombinasi intermediate (menengah) - Rekombinasi garis - Rekombinasi garis yang diperluas Rekombinasi bernilai biner (crossover) - Crossover satu titik - Crossover banyak titik - Crossover seragam Crossover dengan permutasi 2. Mutasi Mutasi bernilai real Mutasi bernilai biner Komponen Algoritma Genetika Dalam Matlab Algoritma genetika dalam matlab memiliki tujuh komponen dimana dalam tiap-tiap komponen terdapat variasi metode yang diusulkan yang masing-masing memiliki kelebihan dan kekurangan. Komponen-komponen algoritma genetika tersebut, antara lain: 1. Skema Pengkodean Skema yang paling umum digunakan untuk pengkodean ada tiga, yaitu: Real-number encoding. Nilai gen berada dalam interval [0,R], dimana R adalah bilangan real positif dan biasanya R=

36 g 1 g 2 g 3 g 4 g 5 g 6 g 7 g 8 g 9 Discrete decimal encoding. Setiap gen bisa bernilai salah satu bilangan bulat dalam interval [0,9] g 1 g 2 g 3 g 4 g 5 g 6 g 7 g 8 g 9 Binary encoding. Setiap gen hanya bisa bernilai 0 atau1. x 678 x ,2390 1,0000 0,0131 g g 1 g Nilai Fitness Fitness merupakan istilah yang digunakan dalam ilmu Biologi sebagai ukuran kinerja suatu individu untuk tetap bertahan hidup dalam lingkungannya. Dalam algoritma genetik, fungsi fitness adalah fungsi objektif dari masalah yang akan dioptimisasi. Fungsi objektif ini dapat dibayangkan sebagai pengukuran keuntungan (profit) yang ingin dimaksimumkan atau pengukuran biaya (cost) yang ingin diminimumkan. Setiap masalah yang akan dioptimisasi memerlukan pendefinisian fungsi fitness, string dengan kinerja yang lebih baik akan memiliki fitness yang lebih baik. Setiap string dalam populasi memiliki fitness tertentu sebagai hasil dari interaksi dengan lingkungannya. Fitness dalam algoritma genetik diperoleh dari fungsi fitness permasalahan yang dihadapi. Fungsi fitness ini harus sesuai dengan permasalahan yang akan dioptimisasi. Fungsi fitness yang ditentukan dengan baik akan menjamin keberhasilan pencarian pada algoritma genetik. 3. Seleksi Orang Tua 46