BAB II LANDASAN TEORI

Transkripsi

1 BAB II LANDASAN TEORI Bab ini menguraikan konsep dan teori-teori yang akan dipakai dalam pembuatan aplikasi pencarian dengan algoritma genetic termodifikasi untuk data pada blackberry. 2.1 Algoritma Genetik Menurut Randy L and Sue Ellen (2004:22) Algoritma ini pertama kali diperkenalkan oleh John Holland dari Universitas Michigan pada awal 1970-an di New York, Amerika Serikat. John Holland bersama murid-murid serta rekan kerjanya lalu menghasilkan buku yang berjudul "Adaption in Natural and Artificial Systems" pada tahun 1975, melalui sebuah penelitian dan dipopulerkan oleh salah satu muridnya David Golberg dimana mendefinisikan algoritma genetic sebagai metode algoritma pencarian berdasarkan pada mekanisme seleksi alam dan genetic alam. John Holland (1975:ix) menyatakan bahwa setiap masalah yang berbentuk adaptasi (alami maupun buatan) dapat diformulasikan dalam teknologi genetika. Algoritma Genetik adalah algoritma yang berusaha menerapkan pemahaman mengenai evolusi alamiah pada tugas-tugas pemecahan masalah. Pendekatan yang diambil algoritma ini adalah dengan menggabungkan secara acak berbagai pilihan solusi terbaik pada sekumpulan solusi, untuk mendapatkan generasi solusi terbaik berikutnya yaitu pada suatu kondisi yang memaksimalkan kecocokannya atau lazim disebut fitness. Generasi ini akan mempresentasikan perbaikan-perbaikan pada populasi awalnya dengan melakukan proses ini secara berulang, algoritma ini diharapkan dapat memanipulasikan proses evolusioner. Sehingga akan didapatkan solusi-solusi yang paling tepat bagi permasalahan yang dihadapi. Berikut adalah tiga aspek yang penting untuk penggunaan Algoritma Genetik: a. Definisi fungsi fitness b. Definisi dan implementasi representasi genetic c. Definisi dan implementasi operasi genetic

2 2.2 Aplikasi Algoritma Genetik Untuk meningkatkan sebuah aplikasi yang akan dibangun, penulis akan membahas mengenai struktur umum dan aspek lain yang disediakan oleh algoritma genetic yang diungkapkan oleh Randy L and Sue Ellen (2004:511) Struktur Umum Algoritma Genetik Pada algoritma genetika, teknik pencarian dilakukan sekaligus atas sejumlah solusi yang mungkin dengan istilah populasi. Individu yang terdapat dalam satu populasi disebut dengan istilah kromosom. Kromosom ini merupakan suatu solusi yang masih berbentuk simbol. Populasi awal dibangun secara acak, sedangkan populasi berikutnya merupakan hasil evolusi kromosom-kromosom melalui proses evaluasi dengan menggunakan alat ukur yang disebut fungsi fitness. Nilai fitness dari suatu kromosom akan menujukan kualitas dari kromosom dalam polulasi tersebut. Generasi berikutnya dikenal dengan istilah anak (offspring) terbentuk dari gabungan dua kromosom generasi sekarang yang bertindak sebagai induk (parent) dengan menggunakan operator penyilangan (crossover). Selain operator penyilangan suatu kromosom dapat juga dimodifikasi dengan menggunakan operator mutasi. Populasi generasi yang baru dibentuk dengan cara menyeleksi nilai fitness dari kromosom induk (parent) dan nilai finess dari kromosom anak (offspring) serta menolak kromosom-kromosom yang lainnya sehingga ukuran populasi (jumlah kromosom dalam suatu populasi) konstan. Setelah melalui beberapa generasi maka algoritma ini akan konvergen ke kromosom terbaik. Algoritma Genetik khususnya diterapkan sebagai simulasi komputer dimana sebuah populasi representasi abstrak (kromosom) dari solusi-solusi calon (individual) pada sebuah masalah optimisasi akan berkembang menjadi solusi-solusi yang lebih baik. Secara tradisional solusi-solusi tersebut dilambangkan dalam biner sebagai string '0' dan '1', walaupun dimungkinkan juga penggunaan penyandian (encoding) yang berbeda. Evolusi dimulai dari sebuah populasi individual acak yang lengkap dan terjadi dalam generasigenerasi. Dalam tiap generasi kemampuan keseluruhan populasi dievaluasi, kemudian multiple individuals dipilih dari populasi sekarang (current) secara

3 stochastic (berdasarkan kemampuan mereka) lalu dimodifikasi (dengan mutasi atau rekombinasi) menjadi bentuk populasi baru yang menjadi populasi sekarang (current) pada iterasi berikutnya dari algoritma. Algoritma Genetik secara umum dapat diilustrasikan dalam diagram alir berikut ini: Mulai Inisialisasi nilai awal Populasi awal Proses pembentukan gen baru Proses kawin silang Tidak Proses mutasi Proses seleksi Memenuhi syarat regenerasi Ya Selesai Gambar 2.1 Diagram Alir Algoritma Genetik Secara Umum Algoritma Genetik mempunyai karakteristik-karakteristik yang perlu diketahui sehingga dapa terbedakan dari prosedur pencarian atau optimasi yang lain, yaitu: a. Algoritma Genetik dengan pengkodean dari himpunan solusi permasalahan berdasarkan parameter yang telah ditetapkan dan bukan parameter itu sendiri. b. Algoritma Genetik pencarian pada sebuah solusi dari sejumlah individuindividu yang merupakan solusi permasalahan bukan hanya dari sebuah

4 individu. c. Algoritma Genetik informasi fungsi objektif (fitness), sebagai cara untuk mengevaluasi individu yang mempunyai solusi terbaik, bukan turunan dari suatu fungsi. d. Algoritma Genetik menggunakan aturan-aturan transmisi peluang, bukan aturan-aturan deterministic Cara Kerja Algoritma Genetik Gambaran umum cara kerja Algoritma Genetik sebagai berikut: a. [Start] Pilih secara acak sekumpulan kromosom sebagai populasi awal. Kromosom ini harus sesuai dengan masalah yang hendak dicari solusinya. b. [Fitness] Evaluasi nilai fitness dari tiap kromosom pada populasi. c. [New population] Buat populasi baru dari populasi lama dengan cara: 1. [selection] Pilih du kromosom induk dari populasi lama berdasarkan nilai fitness-nya (semakin baik suatu kromosom, semakin besar kemungkinan terpilihnya). 2. [Crossover] Pertimbangkan kemungkinan pindah silang untuk memutuskan apakah terjadi pindah silang. Jika ya, bentuk kromosom baru dengan melakukan pindah silang pada kedua kromsom induk. Jika tidak, salin ulang kedua kromosom induk. 3. [Mutation] Pertimbangkan kemungkinan mutasi untuk memutuskan apakah terjadi mutasi. Jika ya, mutasikan kromosom yang dihasilkan proses crossover. Jika tidak, salin ulang kromosom yang dihasilkan proses crossover. 4. [Accepting] Masukkan kromosom yang dihasilkan proses mutation ke dalam populasi offspring. d. [Replace] Buang populasi lama, gunakan populasi offspring untuk proses selanjutnya. e. [Tes] Cek kondisi berhenti (pertimbangkan banyaknya populasi baru yang sudah terbentuk dan/atau pertimbangkan isi populasi baru). Jika terpenuhi, proses pencarian solusi dapat diakhiri. Beberapa kromosom terbaik dari populasi terakhir dapat dianggap sebagai solusi.

5 f. [Loop] Jika kondisi berhenti tidak terpenuhi, lanjutkan proses ke langkah 2 [Fitness]. Seperti yang dapat dilihat di atas, pencarian solusi dilakukan secara iterative. Satu siklus iterasinya mewakili satu generasi tertentu Keunggulan Algoritma Genetik Ada tiga keunggulan dari aplikasi Algoritma Genetik dalam prose optimasi, yaitu: a. Algoritma Genetika tidak terlalu banyak memerlukan persyaratan matematika dalam penyelesaian proses optimasi. Algoritma Genetik dapat diaplikasikan pada beberapa jenis fungsi objektif dengan beberapa fungsi pembatas baik berbentuk linier maupun non-linier. b. Operasi evolusi dari Algoritma Genetik sangat efektif untuk mengobservasi posisi global secara acak. c. Algoritma Genetik mempunyai fleksibilitas untuk diimplementasikan secara efisien pada problematika tertentu Komponen Dasar dan Komponen Utama Algoritma Genetik Menurut Randy L and Sue Ellen (2004:13) untuk meningkatkan tekhik optimisasi dalam perhitungan evolusioner algoritma genetic mempunyai 5 (lima) komponen dasar dan 6 (enam) komponen utama. Komponen dasar algoritma genetik, yaitu: 1. Pembentukan operator genetic dari solusi ke masalah. 2. Pembentukan satu populasi awal dari solusi. 3. Fungsi evaluasi dalam pembentukan nilai fitness algoriitma genetik. 4. Pembentukan kromosom awal dari operator genetik. 5. Nilai parameter algoritma genetic. Komponen utama algoritma genetik, yaitu: 1. Teknik penyandian Teknik penyandian meliputi penyandian gen dari kromosom walaupun gen juga merupakan bagian dari kromosom, dalam satu gen biasanya akan mewakili satu variable. Gen dapat direpresentasikan dalam berbagai

6 bentuk antara lain: string bit, pohon, array bilangan real, daftar aturan, elemen permutasi, elemen program dan lain-lain, sedangkan kromosom dapat direpresentasikan dengan menggunakan antara lain: string bit, bilangan real, elemen permutasian, daftar aturan, elemen program pemrograman genetika serta struktur lainnya. 2. Prosedur inisialisasi Ukuran populasi tergantung pada masa yang akan dipecahkan dan jenis operator genetika yang akan implementasikan, juga dilakukan inisialisasi terhadap kromosom secara acak yang terdapat pada populasi tersebut. 3. Fungsi evaluasi Ada 2 hal yang harus dilakukan dalam melakukan evaluasi kromosom yaitu: evaluasi fungsi objektif dan konfersi fungsi objektif ke dalam fungsi fitness. 4. Seleksi Bertujuan untuk memberikan kesempatan reproduksi yang lebih besar bagi anggota populasi yang paling fit, ada beberapa metode seleksi dari induk, antara lain: a. Rank-based fitness assignment b. Roulette wheel selection c. Stochastic universal sampling d. Local selection e. Truncation selection f. Tournament selection 5. Operator Genetika Ada 2 operator genetika yaitu operator untuk melakukan rekomendasi dan mutasi, operator untuk melakukan rekomendasi terdiri atas rekomendasi bernilai real, rekomendasi bernilai biner (Crossover) dan Crossover dengan permutasi, sedangkan operator untuk melakukan mutasi terdiri atas mutasi bernilai real dan mutasi bernilai biner. 6. Penentuan parameter Parameter adalah parameter control algoritma genetika yaitu ukuran populasi (popsize), peluang crossover (Pc) dan peluang mutasi (Pm).

7 2.2.5 Modifikasi Algoritma Genetik Pada tahapan ini penulis akan melakukan modifikasi dari algoritma genetik yaitu dengan menambahkan fungsi dari evaluasi fitness dan seleksi pada pembuatan kromosom dari populasi di dalam rangkaian aplikasi ini. Yang berfungsi untuk melakukan penyeleksian awal dari pencarian data di dalam aplikasi. 2.3 BlackBerry Sebagai bahan 2.3 Pengenalan BalckBerry BlackBerry adalah salah satu system operasi mobile yang dibuat RIM (Researce In Motion) dan dirancang untuk digunakan pada smartphone. BlackBerry merupakan sebuah smartphone yang memiliki keunggulan dalam pencarian data untuk membuka secara langsung di internal maupun exsternal memori. RIM didirikan oleh seorang imigran Yunani di kota Waterloo, Kanada, oleh RIM (Research in Motion) perangkat komunikasi BlackBerry ini pertama kali dikenalkan pada tahun Sejak peluncurannya pada tahun 1999, BlackBerry telah berhasil meraup lebih dari 8 juta pelanggan di seluruh dunia Jenis Aplikasi BlackBerry Aplikasi BlackBerry pada dasarnya terbagi menjadi 4: aplikasi browser, aplikasi java, aplikasi MDS runtime, dan aplikasi widget. a. Aplikasi browser adalah aplikasi web-base yang bisa diakses dengan BlackBerry Browser. b. Aplikasi Java adalah aplikasi yang dibuat dengan LCDC/MIDP API atau BlackBerry API (Application Program Interface) yang dapat terintegrasi dengan perangkat BlackBerry. c. Aplikasi MDS runtime adalah aplikasi yang dikhususkan untuk terintegrasi dengan BlackBerry Enterprise melalui MDS Integration Service. Aplikasi MDS runtime biasanya ringan dan berbentuk form.

8 d. Aplikasi widget adalah aplikasi web yang berukuran kecil dan menggunakan HTML, CSS, JavaScript, aplikasi widget dapat terlihat dan berprilaku sama seperti aplikasi Java Struktur Aplikasi Java BlackBerry Aplikasi Java BlackBerry ditulis dengan Connection Limited Device Configuration (CLDC), Application Programming Interface (API) yang ada pada Java Micro Edition. Aplikasi yang ditulis untuk perangkat BlackBerry menggunakan Mobile Information Device Profile (MIDP) API yang dibangun di atas CLDC dan/atau BlackBerry API. Untuk terminology yang lebih mudah, selanjutnya aplikasi BlackBerry yang menggunakan BlackBerry API akan disebut RIMIet, dan aplikasi yang menggunakan MIDP API akan disebut MIDIet. 2.4 Pengenalan Eclipse Dalam pembuatan aplikasi ini digunakan pemrograman menggunakan eclipse. Eclipse adalah sebuah IDE (Integrated Development Environment) untuk mengembangkan perangkat lunak dan dapat dijalankan disemua platform (Platform Independent). Saat ini eclipse merupakan IDE favorit karena gratis dan berbasis open source yang berarti setiap orang boleh melihat kode pemrograman. Selain itu kelebihan dari eclipse yang membuatnya popular adalah kemampuannya untuk dapat dikembangkan oleh pengguna dengan membuat komponen yang disebut plug-in. Secara standar Eclipse selalu dilengkapi dengan JDT (Java Development Tools), plug-in yang membuat Eclipse kompatibel untuk mengembangkan program Java, dan PDE (Plug-in Development Environment) untuk mengembangkan plug-in baru. Eclipse beserta plug-in-nya diimplementasikan dalam bahasa pemrograman java Sifat Eclipse Alasan dalam pembuatan aplikasi ini menggunakan pemrograman eclipse adalah sifat dari eclipse. Berikut ini adalah beberapa sifat dari Eclipse:

9 1. Ulti-platform: target system operasi eclipse adalah Microsoft Windows, Linux, Solaris, AIX, HP-UX dan Mac OSX. 2. Multi-language: Eclipse dikembangkan dengan bahsa pemrograman Java, akan tetapi eclipse mendukung pengembangan aplikasi berbasis bahasa pemrograman lain seperti C/C++, Cobol, Python, Perl, PHP dan lain sebagainya. 3. Multi-role: Selain sebagai IDE untuk pengembangan aplikasi. Eclipse pun digunakan untuk aktifitas dalam siklus pengembangan perangkat lunak seperti dokumentasi, pengujian perangkat lunak, pengembangan web, dan lain sebagainya. 2.4 UML (Unified Modeling Language) Unified Modeling Language (UML) adalah sebuah bahasa standar yang digunakan untuk menentukan, visualisasi, kontruksi, dan mendokumentasikan artifact (bagian dari informasi yang digunakan atau dihasilkan dalam suatu proses pembuatan perangkat lunak. Artifact dapar berupa model, deskripsi atau perangkat lunak) dari proses analisis pada notasi dan disain berorientasi objek. UML menjadi bahasa yang bisa digunakan untuk berkomunikasi dalam perspektif obyek antara user dengan developer, antara developer dengan developer, antara analis dengan developer disain, dan antra develover disain dengan developer pemrograman. UML memnungkinkan developer melakukan permodelan secara visual, yaitu penekanan pada penggambaran, bukan didominasi oleh narasi. Pemodelan visual membantu untuk menangkap struktur dan kelakuan dari objek, mempermudah penggambaran interaksi antara element dalam sistem, dan mempertahankan konsisten antara disain dan implementasi dalam pemrograman. Di dalam bab ini akan dibahas tiga artifak yang penting saja yaitu Use Case Diagram, Actifity Diagram, dan Sequence Diagram beserta notasi yang berhubungan dengannya. Tujuan dilakukannya pemodelan UML (Unified Modeling Language) diantaranya adalah:

10 1. Memberikan model yang siap pakai, bahasa pemodelan visual yang exspresif untuk mengembangkan dan saling menukar model dengan mudah dan dimengerti secara umum. 2. Memberikan bahasa pemodelan yang bebas dari berbagai bahasa pemrograman dan proses rekayasa. 3. Menyatukan praktek-praktek terbaik yang terdapat dalam pemodelan. 4. UML bisa juga berfungsi sebagai sebuah (blue print) cetak biru karena sangat lengkap. Dengan cetak biru ini maka akan bisa diketahui informasi secara detail tentang coding program tatu bahkan membaca program dan menginterprestasikan kembali ke dalam bentuk diagram (reseve enginering) Actors Actor adalah siapapun atau apapun yang berinteraksi dengan sistem aplikasi computer. Jadi actor ini bisa berupa orang, perangkat keras, atau mungkin juga objek lain dalam sistem yang sama. Biasanya yang dilakukan oleh actor adalah memberikan informasi pada sistem dan / atau memerintahkan sistem untuk melakukan sesuatu. Pada UML actors dinyatakan dengan gambar stick: Gambar 2.2 Notasi Actors Use Case Use Case adalah suatu penjelasan urutan kegiatan yang dilakukan actor dan sistem untuk mencapai suatu tujuan tertentu. Walaupun menjelaskan kegiatan namun use case hanya menjelaskan apa yang dilakukan oleh actor dan sistem, bukan bagaimana actor dan sistem melakukan kegiatan. Pada UML use case dilambangkan dengan symbol sebagai berikut:

11 Gambar 2.3 Notasi Use Case Association Relationship Association Relationship adalah relationship antara actor dan use case. Pada UML realitonship digambarkan menggunakan tanda panah, berikut contoh association relationship: Gambar 2.4 Association Relationship Includes Relationship Includes relationship mengijinkan sebuah use case untuk menggunakan fungsi yang disediakan oleh use case lain, relationship ini dapat digambarkan sebagai berikut: Gambar 2.5 Includes Relationship

12 2.4.5 Extends Relationship Extends relationship mengijinkan satu use case memilih untuk menambah fungsi yang disediakan oleh use case lain. Hal ini mirip dengan includes relationship, karena kedua relationship ini memisahkan beberapa fungsi umum menjadi use case sendiri. Dalam UML exstends relationship ditujukan dengan dashed arrow dengan kata <<exstend>>, berikut gambar exstend: Gambar 2.6 Extends Relationship