OPTIMASI MINIMUM LUAS KAIN PADA POLA UKURAN BAJU KOKO MENGGUNAKAN ALGORITMA GREEDY

Transkripsi

1 Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2016, pp. 29~33 OPTIMASI MINIMUM LUAS KAIN PADA POLA UKURAN BAJU KOKO MENGGUNAKAN ALGORITMA GREEDY Imam Amirulloh 1, Yani Sri Mulyani 2, Herlan Sutisna 3 1 AMIK BSI Tasikmalaya imam.iau@bsi.ac.id 29 2 AMIK BSI Tasikmalaya yani.ymn@bsi.ac.id 3 Universitas BSI herlan.her@bsi.ac.id Abstrak Baju sudah menjadi kebutuhan pokok sehari-hari dalam kehidupan manusia, salah satunya baju koko yang sering dipakai manusia yang beragama islam. Dalam pembuatan baju khususnya baju koko memerlukan luas bahan kain yang cukup untuk memasangkan sebuah pola baju dengan berbagai ukuran. Pada penelitian ini perlu adanya metode yang tepat dalam mengukur seminimal mungkin luas bahan kain yang dibutuhkan untuk pemasangan pola baju dengan berbagai ukuran yaitu dengan menggunakan algoritma greedy. Algoritma greedy merupakan metode yang paling popular untuk memecahkan permasalahan optimasi, sesuai dengan metode yang digunakan bisa mempermudah produsen baju koko dalam mengetahui ukuran kain yang dibutuhkannya, oleh karena itu pada penelitian ini dilakukan beberapa tahap, tahap pertama menganalisa bagian pola baju yang paling penting, tahap kedua mengukur luas setiap pola pada bagian-bagian baju, tahap ketiga memasang pola ke bahan kain dengan mengoptimalkan lebar kain, dengan itu produsen baju koko bisa memanfaatkan bahan kain seminimal mungkin sehingga tidak terjadinya pemborosan pada kain. Keywords: Algoritma Greedy, Baju, Koko, Kain, Pola. 1. Pendahuluan Baju menjadi kebutuhan pokok manusia dalam kehidupan sehari-hari, terutama bagi orang yang beragama islam sudah menjadi kewajiban dalam memakai baju karena dapat menutup aurat, apalagi di Indonesia yang merupakan negara dengan penduduk mayoritas islam terbesar di dunia perlu adanya baju yang mencerminkan identitas seorang muslim yaitu baju koko. Indonesia dengan pendudu islam terbesar baju koko merupakan pakaian paling popular dikalangan muslim, ini menjadi sebuah tuntuan dan peluang bagi produsen baju khususnya baju koko dalam memproduksi baju koko lebih banyak lagi. Proses pembuatan baju khususnya baju koko, bahan kain menjadi faktor utama, banyaknya baju koko yang di produksi sudah pasti semakin besar luas kain yang dibutuhkan dan ukuran ukuran baju yang berbeda, sehingga kurang optimalnya produsen dalam menentukan luas yang optimal pada kain yang dibutuhkan. Solusi yang ditawarkan akan diwujudkan menggunakan algoritma greedy. Algoritma greedy merupakan algoritma yang membentuk solusi langka per langkah. Pada setiap langkah tersebut akan dipilih keputusan yang paling optimal, dengan algoritma greedy dapat menentukan bagaimana langkah langkah serta perhitungan yang optimal dalam menentukan luas pada suatu kain yang dapat dipasang pola baju yang dibutuhkan. Berdasarkan identifikasi permasalahan tersebut, supaya peneltian ini lebih terarah maka perlu adanya penyusunan rumusan masalah yang menjadi pernyataan yang lengkap dan terperinci mengenai ruang lingkup masalah yang akan diteliti. Adapun rumusan masalah dari peneltian ini adalah bagaimana metode algoritma greedy dapat menentukan optimasi minimum pada luas bahan kain yang akan dipasang pola baju koko dengan ukuran M dan jenis pola yang Diterima 18 Januari 2016 ; Revisi 2 Februari 2016; Disetujui 15 Maret 2016

2 berbeda beda beserta ukurannya, sehingga pola yang ada bisa muat pada bahan kain yang tersedia. 2. Metode Penelitian A. Algoritma Greedy Algoritma greedy merupakan metode yang paling popular dalam memecahkan persoalan optimasi, hanya ada dua macam persoalan optimasi, yaitu maksimal dan minimal. Algoritma greedy adalah algoritma yang memcahkan masalah langkah per langkah (Munir). Algoritma greedy membentuk solusi langkah per langkah (step by step). Terdapat banyak pilihan yang perlu dieksplorasi pada setiap langkah solusi. Oleh karena itu, pada setiap langkah harus dibuat keputusan yang terbaik dalam menentukan pilihan. Keputusan yang telah diambil pada suatu langkah tidak dapat diubah lagi pada langkah selanjutnya. Persoalan optimasi (optimization problems) : persoalan yang menuntut pencarian solusi optimum. Persoalan optimasi ada dua macam: Maksimasi (maximization) dan Minimasi (minimization) Solusi optimum (terbaik) adalah solusi yang bernilai minimum atau maksimum dari sekumpulan alternatif solusi yang mungkin. B. Skema Umum Algoitma Greedy Persoalan optimasi dalam konteks algoritma greedy disusun oleh element element sebagai berikut: a. Himpunan kandidat C Himpunan ini berisi element-element pembentuk solusi pada setiap langkah, satu buah kandidat diambil dari himpunannya. b. Himpunan Solusi S Himpunan ini berisi kandidat kandidat yang terpilih sebagai solusi persoalan dengan kata lain himpunan solusi adalah himpunan himpunan bagian dari himpunan kandidat. c. Fungsi Seleksi Fungsi ini dinyatakan dengan predikat seleksi, merupakan fungsi pada setiap langkah memilih kandidat yang paling memungkinkan mencapai solusi optimal. Kandidat yang sudah dipilih pada suatu langkah tidak pernah dipertimbangkan lagi pada langkah selanjutnya. d. Fungsi kelayakan. Fungsi ini dinyatakan dengan predikat layak. Fungsi kelayakan ini merupakan fungsi yang memeriksa apakah suatu kandidat yang telah terpilih dapat memberikan solusi yang layak yakni kandidat tersebut bersama-sama dengan himpunan solusi yang sudah terbentuk tidak melanggar kendala (Constrant) yang ada. Kandidat yang layak dimasukan kedalam himpunan solusi, sedangkan yang tidak layak dibuang dan tidak pernah dipertimbangkan lagi. e. Fungsi Obyektif Fungsi obyektif ini merupakan sebuah fungsi yang memaksimumkan atau meminimumkan nilai solusi (Munir). 3. Pembahasan A. Deskripsi Masalah Bahan kain dengan luas tertentu diasumsikan sebagai wadah yang menampung pola baju koko dengan ukuran tertentu seperti ukuran S, M, L, XL, dan XXL serta pola baju dengan bagian bagian yang dibutuhkan seperti bagian badan kanan, badan kiri, leher, tangan kiri dan kanan, saku dan pola yang lainnya. Setelah mengetahui dan menentukan ukuran pada setiap bagian pola baju dengan menggunakan algoritma greedy. D engan begitu luas minimum pada bahan kain yang akan dipasang pola baju koko dapat diketahui. Pada penelitian kali ini terdapat kain dengan panjang 1,1 m dan lebar 1,5 m akan dipasang pola baju koko ukuran M. Berikut bagian bagian pola baju koko: a. Bagian belakang/punggung Pola bagian belakang atau punggung dengan ukuran 78 x 57 cm Gambar 1. Bagian belakang/punggung b. Bagian badan depan kiri Pola untuk bagian badan depan sebelah kiri dengan ukuran 70 x 30 cm 30

3 Gambar 5. Bagian Tangan Kanan/Kiri Gambar 2. Bagian badan depan kiri c. Bagian badan depan kanan Pola untuk bagian badan depan sebelah kanan dengan ukuran 70 x 30 cm Gambar 3. Bagian badan depan kanan d. Bagian Tangan kanan / kiri Pola untuk bagian tangan kanan dengan bentuk dan ukuran yang sama yaitu 47 x 58cm B. Implementasi Algoritma Greedy Dengan merode greedy, ambil pola dengan ukuran paling besar yaitu punggung ukuran 78 x 57 cm. Tabel 1. Ukuran pola baju koko ukuran M Kode Nama Pola Panjan Lebar Bk Belakang/Pung g gun g Bdka Badan Depan Bdki Kanan Badan Depan kiri Tki Tangan kiri Tka Tangan Kanan Sk1 Saku Sk2 Saku Luas bahan 150 x 120 cm, maka didapat : sisa panjang = = 72 cm sisa lebar = = 53 cm Gambar 4. Bagian Tangan Kanan/Kiri e. Bagian saku kanan / kiri Pola untuk bagian saku dengan bentuk yang sama dan ukuran yang sama yaitu 20 x 18 cm Gambar 6. Pola Baju Langkah langkah Greedy : 1). Untuk sisa panjang, ambil pola dengan ukuran panjang / lebar yang paling besar dan bisa memaksimalkan sisa panjang bahan yang ukurannya 72 cm, berikut adalah pola pola dengan lebar atau panjang dibawah 72 cm: a. Pbdka = 70 cm b. Pbdki = 70 cm 31

4 c. Sk1+ sk2 + (Lbdka/Lbdki) = 70 d. (Psk1/Psk2) + (Ltki/Ltka) = 67 e. (Lsk1/Lsk2) + (Ltki/Ltka) = 65 f. Lbdka + Lbdki = 60 cm g. Ptki/Ptka = 58 cm h. Ltki/Ltki = 47 cm i. Psk1+Psk2 = 40 cm j. Lsk1+Lsk2 = 36 cm k. Lbdki = 30 cm l. Lbdka = 30 cm m. Psk1/Psk2 = 20 cm n. Lsk1/Lsk2 = 18 cm Pada kali ini setelah mengukur pola yang tersisa diatas, maka pola yang cocok untuk mengisi sisa panjang yaitu pola bagian badan kanan dan kiri karena pola tersebut mempunyai panjang 70 cm sehingga dapat memaksimalkan sisa panjang pada bahan Gambar 7. Pola Badan Kanan dan Kiri 2). Untuk sisa lebar, ambil pola yang tersisa dengan ukuran panjang / lebar yang paling besar dan bisa memaksimalkan sisa lebar bahan yang sisa lebarnya 53 cm, berikut adalah pola pola dengan lebar atau panjang diawah 53 cm. a. Ltki/Ltki = 47 cm b. Psk1+Psk2 = 40 cm c. Lsk1+Lsk2 = 36 cm d. Psk1/Psk2 = 20 cm e. Lsk1/Lsk2 = 18 cm Pada kali ini setelah mengukur pola yang tersisa diatas yaitu pola tangan kanan atau kiri karena pola tersebut mempunyai lebar 47 cm sehingga dapat memaksimalkan sisa lebar pada bahan Gambar 8. Pola Sisa Baju 4. Simpulan Kesimpulan pada hasil penelitian ini adalah sebagai berikut: a. Pada metode algoritma hanya satu rangkaian keputusan yang pernah dihasilkan, oleh karena itu mengapa algoritma greedy digunakan untuk menentukan bagaimana luas minimum bahan kain berdasarkan pola baju koko yang akan diterapkan. b. Bahan kain yang digunakan diasumsikan sebagai wadah untuk menampung pola pola baju. c. Produsen baju koko menganalisa pola pola baju koko yang dibutuhkan terus mengukur panjang dan lebar setiap pola baju yang kemudian pola baju tersebut diterapkan pada kain dengan memakai pola dengan ukuran paling besar terlebih dahulu. d. Menghitung sisa panjang dan lebar kain setelah memasang pola baju koko yang ukurannya paling besar, kemudian dipasang pola berikutnya dengan ukuran panjang / lebar yang paling besar dan bisa memaksimalkan sisa panjang dan lebar bahan kain. Saran dari penelitian ini adalah: a. Pada penelitian ini penerapan algoritma greedy hanya pada pengaturan bagaimana pola baju koko bisa dipasang muat pada bahan kain yang tersedia, pada penelitian selajutnya perlu adanya perhitungan sisa bahan kain secara keseluruhan yang tidak terpakai. b. Untuk penelitian ini hanya dilakukan pada pola baju koko ukuran M, untuk selanjutnya bisa dilakukan pada ukuranukuran yang lebih besar dari M 32

5 Referensi Bednorz, W. (2008). Advaces in Greedy Algorithms. Croatia : In-Tech Bellman, R. (1957). Dynamic Programming. New Jersey: Princeton University Press J.A.Bony and Murty, U. S. R (1976). Graph Theory With Application. Ontario: North- Holland Jungnickel, D. (2008). Graphs, Network and Algorithms Third Edition. Germany: Springer. Kamus Besar Bahasa Indonesia (KBBI): Online Kusuma, Y. (1997). Matematika Dsikrit. Bandung: Bahan Ajar IKIP Bandung dan Munir, R. Diktat Kuliah IFF2251 (Algoritma Greedy) Strategy Algoritmik. Bandung : Program Studi Informatika Sekolah Teknik Elektro dan Informatika ITB : Tidak diterbitkan Munir, R. Diktat Kuliah IFF2251 (Algoritma Greedy) Strategy Algoritmik. Bandung : Program Studi Informatika Sekolah Teknik Elektro dan Informatika ITB : Tidak diterbitkan Neapolitan, R. dan Naimpour, K. (2011). Foundations of Algorithms Fourth Edition. Canada: Jones and Bartlett Publisher, LLC Suyanto. (2010) Algoritma Optimasi Deterministik atau Porbabilitik. Yogyakarta: Graha Ilmu University Press : Tidak diterbitkan 33