ANALISIS DAN IMPLEMENTASU ALGORITMA ARTIFICIAL BEE COLONY PADA OPTIMASI MODEL BISNIS PT. UNILEVER INDONESIA DIVISI WALL ICE CREAM Tri Mahar Lazuardi¹, Suyanto², ³ ¹Teknik Informatika,, Universitas Telkom Abstrak Artificial Bee Colony merupakan algoritma optimasi untuk menemukan nilai lebih kecil atau lebih besar yang berbasis pada swarm intelligences secara probabilistik. Dalam penelitian ini dilakukan pengujian dengan menggunakan metode algoritma Artificial Bee Colony untuk mencari nilai-nilai optimal dalam suatu data model bisnis, sebagai acuan dalam analisis perusahaan untuk menentukan model bisnis yang digunakan. Data masukan berupa matriks keterkaitan antar variable model bisnis yang memiliki bobot, yang kemudian diolah kedalam rumus objektif yang dimiliki oleh data numerik untuk mencari nilai optimal yang mungkin pada suatu rentang nilai tertentu. Pengujian didasarkan atas keluaran algoritma optimasi dalam menentukan solusi untuk suatu data numeric. Berdasarkan hasil penelitian, Algorima Optimasi Artificial Bee colony dapat diterapkan untuk mencari solusi nilai optimal bagi model bisnis. Kata Kunci : Artificial Bee colony, Swarm Inteligence, Model Bisnis, Algoritma Optimasi, Matriks Keterkaitan Abstract Artificial Bee Colony is the one of optimization algorithm with benefit to find optimal value with swarm intelligences with probabilistic method. In this research writers use Artificial Bee Colony Algorithm to find the optimal business model for a company, with benefit to direct the company to get the best model business. Data based on adjacency matrics between business models variables which has value. The data processed into function to gets new solution. Training is used to find the output of data metric optimally. Based on research, Artificial Bee Algorithm can be implemented to find the optimal solution for business model. Keywords : Keywords: Artificial Bee colony, Swarm Inteligence, Business Model, Algoritma Optimasi, Adjacency matric
1. Pendahuluan 1.1 Latar belakang Model bisnis merupakan kunci strategis dari sebuah organisasi atau perusahaan[2]. Suatu model bisnis akan memberikan pandangan untuk sebuah organisasi atau perusahaan dalam fokus bisnisnya dari berbagai aspek mulai dari aspek ekonomi, sosial maupun aspek lain untuk menunjukan inti bisnis dari organisasi atau perusahaan tersebut mulai dari tujuan, bisnis yang ditawarkan, strategi yang dibentuk, infrastruktur, struktur organisasi, praktik niaga, hingga kebijakan dan proses operasional. Saat ini banyak sekali model bisnis yang ditawarkan untuk membantu mengembangkan organisasi atau perusahaan. Pemilihan model bisnis yang tepat akan membantu organisasi atau perusahaan tersebut mengambil langkah efektif sehingga tujuan perusahaan atau organisasi tersebut tercapai sesuai target bisnis yang dimiliki[2]. Algoritma optimasi merupakan algoritma untuk menemukan nilai sekecil atau sebesar mungkin dari suatu fungsi yang diberikan dengan batasan-batasan tertentu pada variabel pembentuknya[1]. Pencarian model bisnis yang optimal merupakan permasalahan dengan ruang pencarian yang sangat besar, banyak aspek yang harus dipatuhi untuk membuat suatu model menjadi gambaran betapa besarnya ruang pencarian yang akan digunakan. Algoritma probabilistik akan menjadi solusi dari ruang pencarian yang sangat besar, dengan berdasar pada pengambilan sampel secara acak yang berulang-ulang untuk mendapatkan solusi. Algoritma Artificial Bee Colony (ABC), merupakan algoritma probabilistik yang berbasis Swarm Inteligence (SI). Swarm Inteligence merupakan sistem kecerdasan buatan yang dihasilkan dari pola kerja beberapa individu dalam hal ini mengikuti kerja koloni suatu spesies binantang tertentu[3]. Algoritma ABC merupakan algoritma yang menirukan tingkah laku dan pola kerja kawanan lebah untuk menemukan sumber makanan yang efisien[5]. Sebagai analogi, sumber makanan tersebut bisa kita gambarkan menjadi sebuah model bisnis. Model bisnis yang bisa dimunculkan sangatlah banyak, sama seperti halnya sumber makanan yang tersedia di alam. Algoritma ABC memiliki performansi seperti halnya ketepatan lebah dalam mencari makanan, dengan algoritma ini diharapkan pemilihan bisnis model yang efisien dapat dengan mudah didapatkan[1]. 1
. 1.2 Perumusan masalah Algoritma ABC merupakan algoritma yang handal dalam memberikan solusi optimal, dalam ruang solusi yang besar. Pemilihan suatu model bisnis yang baik tidak terlepas dari berbagai faktor pendukung yang merupakan bagian dari deskripsi strategis perusahaan atau organisasi yaitu: value propositions, target customer segments, distribution channels, customer relationships, value configurations, core capabilities, partner network, cost structure, revenue model [2]. Faktor-faktor tersebut akan dibangkitkan menjadi sebuah variabel. Variabel tersebut akan dihitung nilai probabilitasnya dengan nilai yang optimal. Dalam analogi tingkah laku lebah, variabel tersebutlah yang menjadi sumber makanan bagi mereka dan lebah tersebut yang menjadi fungsi dalam penerapan algoritma ABC ini. 1.3 Batasan masalah Adapun batasan masalah yang ada dalam tugas akhir ini adalah sebagai berikut : 1. Sistem yang dibuat merupakan sistem dalam membantu menganalisis kondisi suatu model bisnis perusahaan. 2. Data yang digunakan dalam format matrikulasi. 1.4 Tujuan Tujuan dari pembuatan tugas akhir ini adalah : 1. Untuk menunjukan model bisnis yang optimal dengan menggunakan algoritma Artificial Bee Colony dan mengetahui kehandalan algoritma tersebut dalam penanganan pencarian model bisnis. 2. Untuk mengetahui akurasi pemilihan model bisnis pada sistem, hasil implementasi algoritma Artificial Bee Colony. 3. Menganalisis hasil akurasi yang diberikan oleh sistem yang telah terimplementasi algoritma ABC sebagai acuan untuk menentukan tingkat keoptimalan model bisnis sehingga didapatkan model bisnis yang optimal. Hipotesis : Penggunaan algoritma optimasi berbasis swarm intelligence Artificial Bee Colony dapat membantu menganalisis suatu data model bisnis. 2
1.5 Metodologi penyelesaian masalah Metodologi yang digunakan untuk menyelesaikan masalah dalam tugas akhir ini terbagi menjadi 6 tahap : 1. Studi Literatur Dalam tahap ini, akan dicari referensi yang berkaitan dengan teknik untuk menyelesaikan masalah. Diantara nya adalah referensi untuk model bisnis yang digunakan pada suatu perusahaan dan algoritma Artificial Bee Colony. 2. Pengumpulan Data Pada tahap ini akan dilakukan pengumpulan data model bisnis suatu perusahaan. 3. Pembuatan Model Pada tahap ini akan dilakukan pemodelan sistem yang akan digunakan untuk menyelesaikan masalah dan berdasarkan studi literature yang sudah dilakukan. 4. Implementasi Setelah selesai pembuatan model sistem. Sistem akan di implementasikan menjadi sebuah perangkat lunak yang sesuai dengan model. Data yang digunakan pada tahap ini diambil dari data yang dikumpulkan pada tahap pengumpulan data. 5. Analisa Hasil Setelah didapatkan hasil dari sistem yang dibuat dilakukan analisis tingkat keakurasian dan kefektifan sistem. Dan dilakukan perumusan kesimpulan. 6. Pembuatan Laporan Tahap ini dilakukan bersamaan dengan tahap lain nya untuk mendapatkan sebuah buku tugas akhir yang lengkap. 3
5. Kesimpulan dan Saran 5.1 Kesimpulan Dari hasil pengujian, dapat diambil kesimpulan bahwa Algoritma Artifical Bee Colony (ABC) mampu digunakan untuk membantu dalam menganalisis model bisnis pada perusahaan PT Unilever khususnya divisi Walls Ice cream. Dengan bertujuan membantu menganalisis model bisnis perusahaan, sistem dapat menunujukan bagian mana saja yang dapat diberikan suatu improvement atau yang tidak perlu, berdasarkan kepada data bobot setiap keterkaitan antar variabel. Dengan penerapan Algoritma ABC pada pencarian model bisnis PT Unilever divisi Walls Ice cream solusi yang dihasilkan cenderung kepada improvement atau penambahan kualitas dari suatu keterkaitan, terlebih jika keterkaitan variabel tersebut berbobot besar, hal ini dipengaruhi oleh fungsi f(x) yang digunakan dalam pencarian ruang solusi optimum. 5.2 Saran Untuk meningkatkan kulitas solusi yang dihasilkan maka diperlukan beberapa constraint khusus agar algoritma lebih peka. Dan perlunya digabungkan metode lain untuk pembanding hasil optimasi. 30
Referensi [1] Suyanto., 2010. Algoritma Optimasi Determistik atau Porbabilistik, Indonesia, Graha Ilmu. [2] Osterwalder, Alexander. & Yves Pigneur. 2010. Model BusinessGeneration., Willey. [3] Artificial Bee Colony Algorithm, (Online), (http://www.scholarpedia.org/article/ Artificial_bee_colony_algorithm#Kang09, diakses 19 Nopember 2011). [4] Enhanced Artificial Bee colony Optimization, (Online), (http://www.slideshare.net/ artintelligence/enhanced-artificial-bee-colony-optimization-peiwei-tsai, diakses 19 Nopember 2011). [5] Saab Saif Mahmood, Nidhal Kamel Taha El-Omari, Hussein H.,R. 2008 Developing Optimization Algorithm Using Artificial Bee Colony System. [6] Zoot, Christoph., Raphael, Amit., Massa Lorenzo. 2010 The Business Model: Theoritical Roots, Recent Development and Future Research, University of Navara. [7] Saba, Samrat L., Udgata, Siba, K., Ajith, Abraham. 2010. Artificial bee colony algorithm for small signal model parameter extraction of MESFET. [8] Grasl, Oliver. 2008. A Multi A Multi-Method Approach. [9] Osterwalder, Alexander., Pigneur., Yves. 2002. An e-business Model Ontology for Modeling e- Business. [10] Bee Algorithm, (Online), (http://en.wikipedia.org/wiki/bees_algorithm, diakses 19 Nopember 2011). [11] Hagelaar,Geffrey., Hollandseweg. 2002. Environtmental Supplychain Management Using Life Cycle Assesment to Structure Supply Chain [12] Riza, Lala Saptem., Bandung. 2010. Implementasi Algoritma Lebah untuk Pencarian Jalur Terpendek Dengan Mempertimbangkan Heuristik [13] Saidah, N. H. (2010). Implementasi Algoritma Optimasi Bee Colony Untuk Penjadwalan Job Shop. (online). Tersedia : http://digilib.its.ac.id/public/its-undergraduate-9833-paper.pdf. (19 Januari 2012). [14] Munir, R. (2003). Matematika Diskrit Edisi Kedua. Bandung. Penerbit informatika. [15] Pressman, R.S. (2001). Software Engineering A Practitioner Approach Fifth Edition. New York:McGraw-Hill. [16] Wong, L. P., Chong C. S. An Efficient Bee Colony Optimization Algorithm for Traveling Salesman Problem using Frequency-based Pruning. [online]. Tersedia : http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.149.7883&rep=rep1&type=pdf. (27 Januari 2012). 31