BAB II TINJAUAN PUSTAKA 2.1 Graf 2.1.1
Definisi Graf Teori graf merupakan pokok bahasan yang memiliki banyak terapan
sampai saat ini. Graf digunakan untuk merepresentasikan objek-objek diskrit dan hubungan dengan objek-objek tersebut. Secara matematis graf didefinisikan sebagai pasangan himpunan (V, E), ditulis dengan notasi G = (V, E) yang dalam hal ini V adalah himpunan tidak kosong dari simpul-simpul (vertex atau node) dan E adalah himpunan sisi (edge) yang menghubungkan sepasang simpul (Munir, 2005). Simpul (vertex) pada graf dapat dinyatakan dengan huruf, bilangan atau gabungan keduanya. Sedangkan sisi-sisi yang menghubungkan simpul u dengan simpul v dinyatakan dengan pasangan (u, v) atau dinyatakan dengan lambang e1, e2, e3 dan seterusnya. Dengan kata lain, jika e adalah sisi yang menghubungkan simpul u dengan simpul v, maka e dapat dituliskan sebagai e = (u, v).
Gambar 2.1 Graf Sederhana
2.1.2
Jenis-Jenis Graf Klasifikasi pada graf cukup luas, klasifikasi tersebut bergantung pada
faktor-faktor yang membedakannya. Berdasarkan orientasi arah pada sisinya, maka secara umum graf dibedakan
7
atas dua jenis sebagai berikut
8
1. Graf Tidak Berarah (undirected graph) Graf yang sisinya tidak memiliki orientasi arah disebut graft tida berarah. Pada graf tidak berarah, urutan pasangan simpul yang dihubungkan oleh sisi tidak diperhatikan. Jadi, (u, v) = (v, u) adalah sisi yang sama.
Gambar 2.2 Graf Tidak Berarah
2. Graf Berarah (directed graph) Graf yang setiap sisinya diberikan orientasi arah disebut graf berarah, pada graf berarah (u, v) dan (v, u) menyatakan dua buah sisi yang berbeda. Dengan kata lain dapat ditulis (u, v) ≠ (v, u).
Gambar 2.3 Graf Berarah
2.2 Transportasi 2.2.1
Definisi Transportasi Menurut Steenbrink (1974), transportasi adalah perpindahan orang atau
barang dengan menggunakan alat atau kendaraan dari dan ke tempat-tempat yang terpisah secara geografis. Sedangkan menurut Bowersox (1981) transportasi adalah perpindahan barang atau penumpang dari suatu tempat ke tempat lain, dimana produk dipindahkan ke tempat tujuan dibutuhkan. Secara
9
umum transportasi adalah suatu kegiatan memindahkan sesuatu dari suatu tempat ke tempat lain, baik dengan atau tanpa sarana. Penyediaan fasilitas yang mendukung pergerakan yang cepat, aman, nyaman dan sesuai kebutuhan akan kapasitas angkut dengan menyesuaikan dengan jenis moda yang digunakan. Masing-masing moda transportasi menurut Djoko Setijowarno dan Frazila (2001), memiliki ciri-ciri yang berlainan, yakni dalam hal: a. Kecepatan, menunjukan berapa lama waktu yang dibutuhkan untuk bergerak antara dua lokasi. b. Tersedianya pelayanan (availability of service), menyangkut kemampuan untuk menyelenggarakan hubungan antara dua lokasi. c. Pengoperasiaan yang diandalkan (dependability of operation), menunjukan perbedaan-perbedaan yang terjadi antara kenyataan dan jadwal yang ditentukan. d. Kemampuan (capability), merupakan kemampuan untuk dapat menangani segala bentuk dan keperluan akan pengangkutan. e. Frekuensi adalah banyaknya gerakan atau hubungan yang dijadwalkan.
2.2.2
Angkutan Umum Penumpang Angkutan umum menurut UU RI 1992 tentang angkutan jalan adalah
perpindahan orang atau barang dari satu tempat ke tempat lain dengan menggunakan kendaraan. Angkutan umum penumpang menurut Wartani (1990) adalah angkutan penumpang yang dilakukan dengan sistem sewa atau bayar. Termasuk pengertian angkutan umum penumpang adalah angkutan kota (Bus, Mini Bus, Taksi, Kereta Api, dsb), angkutan air dan angkutan udara. Tujuan angkutan umum penumpang adalah : a. Menyelenggarakan pelayanan angkutan yang baik dan layak bagi masyarakat yaitu aman, cepat, murah dan nyaman. b. Membuka lapangan kerja. c. Pengurangan volume lalu lintas kendaraan pribadi. Salah satu jenis angkutan umum penumpang adalah Taksi. UndangUndang Lalu Lintas dan Angkutan Jalan No. 22 Tahun 2009 menjelaskan
10
karakteristik pelayanan angkutan orang dengan menggunakan taksi. Pelayanan menggunakan taksi merupakan pelayanan angkutan dari pintu ke pintu dengan wilayah operasi dalam kawasan perkotaan. Pada pasal ini juga didefinisakan mengenai wilayah operasi taksi dalam kawasan perkotaan (Pasal 152 UULAJ 2009 ayat 2), sebagai berkut : a. berada dalam daerah kota b. berada dalam daerah kabupaten c. melampaui daerah kota/kabupaten dalam satu daerah provinsi, atau d. melampaui daerah provinsi Berdasarkan karakteristik tersebut, dilihat dari peta wilayah kota Denpasar, maka wilayah kota Denpasar khususnya Denpasar Utara termasuk dalam kriteria pelayanan wilayah operasi taksi sebagaimana dijelaskan oleh Pasal 152 UULAJ tahun 2009 ayat 2. 2.3 Perlambatan Lalu Lintas Pelambatan lalu lintas (traffic calming) merupakan upaya yang dilakukan untuk memperlambat lalu lintas dalam rangka meningkatkan keselamatan pejalan kaki, pesepeda, pebelanja, dan penduduk serta mengurangi kebisingan dan pencemaran udara. Perlambatan dilakukan dengan menerapkan perangkat rekayasa lalu lintas 3E yaitu Perekayasaan atau Engineering, Pendidikan masyarakat atau Education, dan penegakan hukum atau Enforcement yang dapat diperluas menjadi 5 E dengan menambah mempengaruhi atau Encouragement dan dan penanganan kedaruratan yaitu Emergency responce yaitu dengan beberapa cara yang memaksa pengemudi untuk menurunkan kecepatan kendaraannya. Adapun beberapa upaya yang dilakukan untuk memperlambat lalu lintas, diantaranya : 1. Polisi Tidur Polisi tidur atau disebut juga sebagai Alat Pembatas Kecepatan adalah bagian jalan yang ditinggikan berupa tambahan aspal atau semen yang dipasang melintang di jalan untuk pertanda memperlambat laju atau kecepatan kendaraan. Untuk meningkatkan keselamatan dan kesehatan bagi pengguna jalan ketingginya diatur dan apabila melalui jalan yang akan dilengkapi dengan rambu-rambu pemberitahuan terlebih dahulu
11
mengenai adanya polisi tidur, khususnya pada malam hari, maka polisi tidur dilengkapi dengan marka jalan dengan garis serong berwarna putih atau kuning yang kontras sebagai pertanda. 2. Pita Penggaduh Pita penggaduh adalah kelengkapan tambahan pada jalan yang berfungsi untuk membuat pengemudi lebih meningkatkan kewaspadaan menjelang suatu bahaya. Pita penggaduh berupa bagian jalan yang sengaja dibuat tidak rata dengan menempatkan pita-pita setebal 10 sampai 40 mm melintang jalan pada jarak yang berdekatan, sehingga bila mobil yang melaluinya akan diingatkan oleh getaran dan suara yang ditimbulkan bila dilalui oleh ban kendaraan. Pita penggaduh biasanya ditempatkan menjelang perlintasan sebidang, menjelang sekolah, menjelang pintu tol atau tempat-tempat yang berbahaya bila berjalan terlalu cepat. 3. Pulau Lalu Lintas Ada beberapa jenis pulau lalu lintas : a. Pulau di median Berfungsi untuk memberikan ruang ditengah jalan sehingga pejalan kaki yang menyeberang dapat berhenti ditengah jalan sebelum melanjutkan menyeberang bila situasi telah memungkinkan untuk menyeberang. b. Pulau disisi kiri, kanan atau pada kedua sisi Dimaksudkan untuk mempersempit ruang lalu lintas kendaraan yang berfungsi untuk mengurangi kecepatan lalu lintas. Pulau seperti ini bisa di tempatkan di mulut persimpangan ataupun ditengah ruas jalan. c. Kombinasi dari a dan b Selain pulau ditengah juga ditempatkan pulau di pinggir sehingga keselamatan pejalan kaki yang menyeberang menjadi lebih tinggi lagi. 4. Zona Sekolah Zona selamat sekolah (ZoSS) merupakan program inovatif dalam bentuk zona kecepatan berbasis waktu yang dapat digunakan untuk mengatur
12
kecepatan kendaraan di area sekolah. Penggunaan rekayasa lalu lintas seperti rambu lalu lintas dan marka jalan serta pembatasan kecepatan bertujuan meningkatkan perhatian pengemudi terhadap penurunan batas kecepatan di zona selamat sekolah serta memberikan rasa aman kepada para murid yang akan menyeberang di jalan. 2.4 Algoritma Genetika 2.4.1 Definisi Algoritma Genetika Algoritma genetika sebagai cabang dari algoritma evolusi merupakan metode adaptive yang biasa digunakan untuk memecahkan suatu pencarian nilai dalam sebuah masalah optimasi (E. Satriyanto, 2009). Algoritma ini didasarkan pada proses genetik yang ada dalam makhluk hidup, yaitu perkembangan generasi dalam sebuah populasi yang alami, secara lambat laun mengikuti prinsip seleksi alam. Dengan meniru teori evolusi ini, algoritma genetika dapat digunakan untuk mencari solusi permasalahan-permasalahan dalam dunia nyata. Algoritma genetika pertama kali diperkenalkan sekitar tahun 1975 oleh John Holland dalam bukunya yang berjudul “Adaption in Natural and Artificial Systems” dan kemudian dikembangkan bersama murid dan rekan kerjanya (M. Obitko, 1998). Algoritma ini bekerja dengan sebuah populasi yang terdiri dari individu-individu yang masing-masing individu tersebut merepresentasikan sebuah solusi yang mungkin bagi masalah yang ada. Suatu individu direpresentasikan sebagai kumpulan gen yang disebut kromosom. Dengan menggunakan algoritma genetika, solusi yang dihasilkan belum tentu merupakan solusi eksak dari masalah optimisasi yang diselesaikan. Beberapa definisi penting dalam algoritma genetika adalah sebagai berikut (E. Satriyanto, 2009): a. Gen Sebuah nilai yang menyatakan satuan dasar yang membentuk arti tertentu. Dalam algoritma genetika, gen ini dapat berupa nilai biner, float, integer maupun karakter, atau kombinatorial. b. Kromosom Merupakan gabungan gen-gen yang membentuk nilai tertentu.
13
c. Individu Menyatakan satu nilai atau keadaan yang menyatakan salah satu solusi yang mungkin dari permasalahan yang diangkat. Dalam beberapa masalah yang dapat dipecahkan dengan algoritma genetika, individu ini dapat juga merupakan kromosom itu sendiri. d. Populasi Merupakan sekumpulan individu yang akan diproses bersama dalam satu siklus proses evolusi. e. Generasi Menyatakan satu siklus proses evolusi atau satu iterasi di dalam algoritma genetika. Dalam suatu masalah optimisasi, dikenal fungsi objektif atau fungsi tujuan yang merupakan fungsi pengevaluasi atau fungsi yang ingin dioptimalkan. Sedangkan dalam algoritma genetika, fungsi tersebut dinamakan fungsi fitness. Masing-masing individu memiliki nilai fitness tertentu. Tahapan dari algoritma genetika yaitu pertama membentuk suatu populasi awal, kemudian populasi tersebut dievaluasi dengan fungsi fitness yang telah ditentukan, selanjutnya populasi tersebut diproses (direkombinasi) dengan menggunakan operator-operator genetik seperti, seleksi, crossover, dan mutasi sehingga menghasilkan populasi baru untuk generasi berikutnya. Proses atau tahapan-tahapan tersebut diulang hingga mencapai kriteria berhenti tertentu. Kriteria berhenti dapat berupa batas generasi atau nilai optimal tertentu yang diinginkan. Bentuk diagram standar algoritma genetika menurut Goldberg (D. E. Goldberg, 1989) dapat digambarkan seperti berikut :
14
ALGORITMA GENETIKA
USER
Input Wialayah Asal dan Persimpangan Asal
Input Wilayah Tujaun dan Persimpangan Tujuan
Melakukan Inisialisasi P(t)
Keterangan: P(t) merupakan populasi saat generasi t
Melakukan Evaluasi P(t)
Kondisi terpenuhi?
Ya
Mendapatkan Jalur Optimal
Tidak
Menambah t=t+1
Melakukan Seleksi P(t)
Melakukan Rekombinasi P(t)
Melakukan Evaluasi P(t)
Menampilkan Jalur Optimal
Gambar 2.4 Diagram Standar Algoritma Genetika
2.4.2 Pembentukan Populasi Awal Langkah awal dari algoritma genetika adalah menentukan representasi gen dan kromosom dari populasi. Terdapat beberapa jenis representasi, yaitu string bit (10011 ...), array bilangan real (65.55, -67.99, 77.33 ...), elemen permutasi (E1, E2, E5 ...), daftar aturan (R1, R2, R3 ...), dan representasi lainnya (E. Satriyanto,2009). Terdapat beberapa teknik pengkodean dalam algoritma genetika, diantaranya (S. Lukas, T. Anwar, dan W. Yuliani, 2005) : a. Pengkodean Biner (binary encoding) Contohnya: Tabel 2.1 Pengkodean Biner
Kromosom 1
10001100111101001010
Kromosom 2
01100111100110100100
15
b. Pengkodean Permutasi (permutation encoding) Dalam
pengkodean
jenis
ini
tiap
gen
dalam
kromosom
merepresentasikan suatu urutan. Contohnya: Tabel 2.2 Pengkodean Permutasi
Kromosom 1
123456789
Kromosom 2
289374615
c. Pengkodean Nilai (value encoding) Dalam pengkodean jenis ini tiap gen dalam kromosom adalah string dari suatu nilai. Contohnya: Tabel 2.3 Pengkodean Nilai
Kromosom 1
1.232 5.324 0.455 2.388
Kromosom 2
ABCDEJAKAJAHAHAAHR
Kromosom 3
(left), (right), (back), (forward)
d. Pengkodean Pohon (tree encoding) Dalam pengkodean jenis ini biasanya digunakan untuk menyusun program atau ekspresi dari genetic programming (pemrograman genetik). Contohnya: (*AB) *
A
B
Gambar 2.5 Pengkodean Pohon
16
2.4.3 Evaluasi Fungai Fitness Setelah populasi awal telah terbentuk, maka selanjutnya adalah mengevaluasi populasi tersebut dengan suatu fungsi fitness. Nilai fitness menyatakan seberapa baik nilai dari suatu kromosom (individu) atau solusi yang didapat. Nilai ini akan menjadi acuan dalam mencapai nilai optimal dalam algoritma genetika. Di dalam evolusi alam, individu yang bernilai fitness tinggi yang akan bertahan hidup, sementara individu bernilai fitness rendah tidak akan bertahan. Berikut adalah cara yang digunakan untuk menentukan nilai fitness pada penelitian ini (G. Nagib dan W. G. Ali, 2010):
𝑛1 𝐹=
∑𝑖=1
1 𝐶𝑖 (𝑔𝑖 𝑔𝑖 + 1)
; Jalur valid ..…………………………………….....(2.1)
{
0
; Jalur tidak valid
Di mana Ci (gi,gi+1) adalah cost antara gen gi dan gen tetangganya gi+1 dalam kromosom dari n gen (simpul).
2.4.4 Seleksi Setelah membentuk populasi awal dan menentukan fungsi fitness, maka selanjutnya adalah melakukan seleksi pada populasi tersebut. Seleksi merupakan proses untuk menentukan individu mana saja yang akan dipilih untuk dilakukan rekombinasi dan bagaimana keturunan terbentuk dari individu-individu terpilih tersebut. Acuan yang biasa digunakan adalah fungsi fitness. Individu yang terpilih atau terseleksi adalah individu dengan nilai fitness terbaik. Hal itu karena diharapkan dari individu yang baik akan didapatkan keturunan yang baik bahkan lebih baik dari individu tersebut sesuai dengan prinsip evolusi biologi. Ada beberapa macam metode seleksi yang ada pada algoritma genetika, diantaranya (S. Kusumadewi, 2003) : a. Seleksi dengan Roda Roulette
b. Seleksi Lokal c. Seleksi dengan Pemotongan
17
d. Seleksi dengan Turnamen Dalam seleksi tersebut, proses seleksi akan menghasilkan populasi orang tua yang selanjutnya mengalami proses crossover. Pada penelitian ini jenis seleksi yang digunakan adalah Seleksi dengan Roda Roulette. Dalam metode roda roulette, proses seleksi individu diibaratkan seperti dalam permainan judi roda roulette. Dimana pemain akan memutar roda yang telah terpartisi menjadi beberapa bagian untuk mendapatkan suatu hadiah. Kaitannya dengan metode seleksi yang dibahas ini adalah suatu kromosom diibaratkan sebagai hadiah (N. Murniati, 2009). Partisi-partisi pada roda roulette merupakan interval dari nilai kumulatif probabilitas masing-masing kromosom. Kemudian proses memutar roda dinyatakan dengan menentukan suatu bilangan random interval. Adapun tahapan dari proses seleksi sebagai berikut (E. Satriyanto, 2009): Tahap 1 : Hitung nilai fitness dari masing-masing kromosom. Tahap 2 : Hitung total fitness semua individu atau kromosom. Tahap 3 : Hitung probabilitas dan nilai kumulatif probabilitas masingmasing kromosom. Tahap 4: Dari probabilitas tersebut, hitung jatah masing-masing individu atau dengan kata lain menentukan interval kumulatif probabilitas masing-masing kromosom. Tahap 5: Bangkitkan bilangan acak antara 0 sampai 100. Tahap 6: Dari bilangan acak yang dihasilkan, tentukan kromosom mana yang terpilih dalam proses seleksi menurut interval yang bersesuaian yang telah ditentukan sebelumnya pada tahap 4. Setelah kromosom terbentuk melalui bilangan acak yang ditentukan menurut interval, kromosom tersebut akan menjadi orang tua yang membentuk populasi baru. 2.4.5 Crossover Crossover adalah operator dari algoritma genetika yang melibatkan dua kromosom orang tua untuk membentuk kromosom baru (reproduksi). Tidak
18
semua kromosom pada suatu populasi akan mengalami proses crossover. Kemungkinan suatu kromosom mengalami proses crossover adalah didasarkan pada probabilitas crossover (Pc) yang telah ditentukan. Probabilitas crossover menyatakan peluang suatu kromosom mengalami crossover. Proses crossover ini yang nantinya akan menghasilkan populasi kromosom anak (offspring). ADMIN
Input Probabilitas Crossover (Pc)
ALGORITMA GENETIKA
Membangkitkan Bilangan Random
Random <= Pc Tidak
Lanjutkan Ke Kromosom Orang Tua Selanjutnya
Ya
Lakukan Crossover
Gambar 2.6 Activity Diagram Proses Probabilitas Crossover
Pada penelitian ini proses crossover yang digunakan adalah Crossover Satu Titik (One Point Crossover). Langkah-langkah dari proses crossover satu titik ini adalah : Tahap 1
: Memilih dua kromosom orang tua (parent) secara acak dari populasi.
Tahap 2
: Secara acak (random) memilih satu titik potong pada tiap kromosom induk.
Tahap 3
: Tukarkan bagian kanan dari tiap induk untuk menghasilkan keturunan anak (offspring).
Setelah melakukan proses crossover pada populasi orang tua dan menghasilkan keturunan anak (offspring) maka hasil populasi baru yang berisikan offspring akan mengalami proses mutasi. 2.4.6 Mutasi Tahapan selanjutnya setelah crossover adalah mutasi. Operator mutasi ini berperan untuk mengembalikan solusi optimal yang dapat hilang akibat proses
19
crossover sebelumnya. Banyaknya kromosom yang akan mengalami mutasi dihitung berdasarkan probabilitas mutasi (Pm) yang telah ditentukan terlebih dahulu. Jika probabilitas mutasi yang digunakan adalah 0 maka tidak akan ada kromosom yang mengalami mutasi pada populasi tersebut. ADMIN
Input Probabilitas Mutasi (Pm)
ALGORITMA GENETIKA
Membangkitkan Bilangan Random
Random <= Pm Tidak
Lanjutkan Ke Kromosom Anak Selanjutnya
Ya
Lakukan Mutasi
Gambar 2.7 Activity Diagram Proses Probabilitas Mutasi
Proses mutasi yang digunakan pada penelitian ini adalah Insertion Mutation. Adapun langkah – langkah dari proses mutasi ini yaitu (S. Lukas, T. Anwar, dan W. Yuliani, 2005) : Tahap 1 : Pilih satu kromosom pada populasi anak (offspring)
hasil
crossover. Tahap 2 : Pilih 2 posisi secara acak. Posisi pertama digunakan untuk menandakan gen mana yang akan dimutasi atau disisipkan ke posisi kedua. Tahap 3 : Sisipkan gen pada posisi pertama ke posisi kedua. Setelah proses mutasi selesai dilakukan maka akan terbentuk populasi baru yang berisi offspring dari hasil proses mutasi.
2.4.7 Kondisi Berhenti (Termination Condition) Iterasi pada algoritma genetika diulang terus sampai kondisi berhenti tercapai. Adapun kriteria kondisi berhenti yang bisa digunakan adalah sebagai berikut : a. Iterasi berhenti sampai generasi n. Nilai n ditentukan sebelumnya. Nilai n ditentukan sedemikian rupa sehingga konvergensi populasi tercapai dan
20
akan sulit didapatkan solusi yang lebih baik setelah n iterasi (Yogeswaran, Ponnambalam & Tiwari 2009). b. Iterasi berhenti setelah n generasi berurutan tidak dijumpai solusi yang lebih baik (Mahmudy, Marian & Luong 2012). Kondisi ini menunjukkan bahwa Algoritma Genetika sulit mendapatkan solusi yang lebih baik dan penambahan iterasi hanya membuang waktu. 2.5 Kota Denpasar Kota Denpasar terletak di tengah-tengah dari Pulau Bali, selain merupakan Ibukota Daerah Tingkat II, juga merupakan Ibukota Provinsi Bali sekaligus sebagai pusat pemerintahan, pendidikan dan perekonomian. Letak yang sangat strategis ini sangatlah menguntungkan, baik dari segi ekonomis maupun dari kepariwisataan karena merupakan titik sentral berbagai kegiatan sekaligus sebagai penghubung dengan kabupaten lainnya. Batas wilayah Kota Denpasar di sebelah utara dan barat berbatasan dengan Kabupaten Badung (Kecamatan Mengwi, Abiansemal dan Kuta Utara), sebelah timur berbatasan dengan Kabupaten Gianyar (Kecamatan Sukawati dan Selat Badung dan di sebelah selatan berbatasan dengan Kabupaten Badung (Kecamatan Kuta) dan Selat Badung. Sebagian besar (59,1%) berada pada ketinggian antara 0 - 75 M dari permukaan laut. Luas wilayah Kota Denpasar 127,98 km2 atau 127,98 Ha, yang merupakan tambahan dari reklamasi pantai serangan seluas 380 Ha, atau 2,27 persen dari seluruh luas daratan Provinsi Bali. Sedangkan luas daratan Propinsi Bali seluruhnya 5.632,86 Km2. Dari empat kecamatan di Denpasar (Denpasar Utara, Denpasar Barat, Denpasar Timur, dan Denpasar Selatan), kecamatan Denpasar Utara memiliki tata kelola luas tanah terbesar dengan 4993 hektar (Sumber: Dinas Pertanian dan Kelautan Kota Denpasar). Berdasarkan luas tersebut, wilayah di Denpasar Utara memiliki wilayah desa yang membagi wilayah kecamatan Denpasar Utara ke dalam sebelas wilayah desa.
21
Gambar 2.8 Perspektif Kota Denpasar
2.6 Sistem Operasi Android 2.6.1
Definisi Sistem Operasi Android Android adalah sebuah sistem operasi untuk perangkat mobile yang
mencakup sistem operasi, middleware dan aplikasi. Android menyediakan platform terbuka bagi para pengembang untuk menciptakan aplikasinya. Di dunia ini terdapat dua jenis distributor sistem operasi Android. Pertama yang mendapat dukungan penuh dari Google atau Google Mail Service (GMS) dan kedua adalah yang benar-benar bebas distribusinya tanpa dukungan langsung dari Google atau dikenal dengan sebutan Open Handset Dstributor (OHD). Berikut ini adalah kriteria dari sistem operasi Android : a. Lengkap (Computer Platform) Para desainer dapat melakukan pendekatan yang komperhensif ketika mereka sedang mengembangkan platform Android . Android merupakan sistem operasi yang aman dan banyak menyediakan tools dalam membangun software dan memungkinkan untuk peluang pengembangan aplikasi.
22
b. Terbuka (Open Source Platform) Platform Andorid disediakan melalui lisensi open source. Pengembang dapat dengan bebas untuk mengembangkan aplikasi. c. Free (Free Platform) Android adalah platform atau aplikasi yang bebas untuk develop. Tidak ada lisensi atau biaya royalti untuk dikembangkan pada platform Android.
2.6.2
Arsitektur Android Secara garis besar arsitektur android dapat dijelaskan sebagai berikut :
a. Applicaion dan Widgets Application dan Widgets ini adalah layer dimana kita berhubungan dengan aplikasi saja, dimana biasanya kita download aplikasi kemudian kita lakukan instalasi dan jalankan aplikasi tersebut. b. Application Frameworks Android
“Open
adalah
Development
Platform”
yaitu
Android
menawarkan kepada pengembang untuk membangun aplikasi yang bagus dan inovatif. c. Libraries Libraries ini adalah layer dimana fitur-fitur Android berada, biasanaya para
pembuat
aplikasi
mengakses
libraries
untuk
menjalankan
aplikasinya. Berjalan di atas kernel, layer ini meliputi berbagai library C/C++ inti seperti Libc dan SSL. d. Android Run Time Layer yang membuat aplikasi Android dapat dijalankan dimana dalam prosesnya menggunakan implementasinya Linux. Dalvik Virtual Machine (DVM) merupakan mesin yang membentuk dasar kerangka aplikasi Andorid. e. Linux Kernel Linux Kernel adalah layer dimana inti dari operating sistem dari Android itu berada. Berisi file-file sistem yang mengatur sistem processing, memory, resources, drivers dan sistem-sistem operasi android lainya.
23
Aplikasi Android ditulis dalam bahasa pemrograman Java. Kode Java dikompilasi bersama dengan data file resources yang dibutuhkan oleh aplikasi, dimana prosesnya dipackage oleh tools yang dinamakan apt tools ke dalam paket Andorid sehingga menghasilkan file dengan ekstensi apk. 2.7 Metode Pengembangan Perangkat Lunak Waterfall Pada penelitian ini, digunakan metode waterfall sebagai pengembangan perangkat lunak. Metode waterfall adalah metode yang melakukan pendekatan secara sistematis dan sekuensial melalui tahapan-tahapan untuk membangun sebuah perangkat lunak. Gambar 2.9 menjelaskan bahwa metode waterfall menekankan pada sebuah keterurutan dalam proses pengembangan perangkat lunak. Requirements definition
System and Software Design
Implementation and Unit Testing
Integration and System Testing
Operation and Maintenance
Gambar 2.9 Metode Pengembangan Perangkat Lunak Waterfall
Berikut adalah penjelasan dari tahap – tahap yang dilakukan dalam metode waterfall: a. Tahap analisis dan definisi persyaratan. Pelayanan, batasan, dan tujuan sistem ditentukan melalui konsultasi dengan user. Persyaratan ini kemudian didefinisikan secara rinci dan berfungsi sebagai spesifikasi sistem. b. Tahap perancangan sistem dan perangkat lunak. Proses perancangan sistem membagi persyaratan dalam sistem perangkat keras atau perangkat lunak. Kegiatan ini menentukan arsitektur sistem secara keseluruhan. Perancangan
24
perangkat lunak melibatkan identifikasi dan deskripsi abstraksi sistem perangkat lunak yang mendasar dan hubungan – hubungannya. c. Tahap implementasi dan pengujian unit. Pada tahap ini, perancangan perangkat lunak direalisasikan sebagai serangkaian program atau unit program. Pengujian unit melibatkan verifikasi bahwa setiap unit telah memenuhi spesifikasinya. d. Tahap integrasi dan pengujian sistem. Unit program atau program individual diintegrasikan dan diuji sebagai sistem yang lengkap untuk menjamin bahwa persyaratan sistem telah dipenuhi. Setelah pengujian sistem, perangkat lunak dikirim kepada pelanggan. e. Tahap operasi dan pemeliharaan. Biasanya (walaupun tidak seharusnya), ini merupakan fase siklus hidup yang paling lama. Sistem diinstal dan dipakai. Pemeliharaan mencakup koreksi dari berbagai error yang tidak ditemukan pada tahap – tahap terdahulu, perbaikan atas implementasi unit sistem dan pengembangan pelayanan sistem, sementara persyaratan – persyaratan baru ditambahkan. 2.8 Strategi Pengujian Perangkat Lunak Terdapat strategi pengujian menurut Everret, G.D. dan McLeod R. yang di bagi menjadi 4 bagian utama yaitu Static Testing, White Box Testing, Black Box Testing, dan Performance Testing. Namun pada penelitian ini hanya digunakan satu buah pengujian, yaitu Black Box Testing. 2.8.1
Black Box Testing Black Box Testing atau dikenal sebagai “Behaviour Testing” merupakan
suatu metode pengujian yang digunakan untuk menguji executable code dari suatu perangkat lunak terhadap perilakunya. Pendekatan Black Box Testing dapat dilakukan jika kita sudah memiliki executable code. Orang-orang yang terlibat dalam Black Box Testing adalah tester, end-user, dan developer. Tester merencanakan keahlian eksekusi pada negative dan positive black box testing. End-user memiliki pengetahuan bagaimana perilaku bisnis yang tepat dan sesuai dengan ekspektasi, dan developer memiliki pengetahuan tentang perilaku bisnis yang di implementasikan pada perangkat lunak. Tester melakukan black box
25
testing bersama end-user dan developer memvalidasi hasil yang diharapkan dengan hasil pengujian. Jika hasil pengujian tidak sama dengan ekspektasi maka developer harus memperbaiki kesalahan tersebut baik itu pada spesifikasi maupun implementasi. 2.9 Tinjauan Studi Adapun beberapa penelitian terkait yang sebelumnya pernah dilakukan mengenai Algoritma Genetika tentang optimasi jalur atau rute terpendek yang sudah dilakukan oleh beberapa peneliti, yaitu: Tabel 2.4 Tabel Tinjauan Studi
No.
Nama Peneliti
Judul Penelitian
Deskripsi Penelitian
1.
Rudy
Perbandingan
Penelitian
Adipranata,
Algoritma
membandingkan 3 buah algoritma
Felicia
Exhaustive,
yang berbeda dalam mencari rute
Soedjianto,
Algoritma
terpendek.
Wahyudi
Genetika
Tjondro.
Algoritma
Universitas
Jaringan
Kristen Petra
Tiruan
yang dilakukan
Hasil
Dan menunjukan
yang
adalah
diperoleh
bahwa
algoritma
genetika bekerja lebih baik daripada Syaraf kedua algoritma yang lain ditinjau
Hopfield dari jarak yang dihasilkan serta waktu
Untuk Pencarian yang dibutuhkan untuk melakukan Rute Terpendek 2.
Lin,
Chu Genetic
Hsing, Yu, Jui Algorithm Ling, Jung
perhitungan pada algoritma. Penelitian ini menggunakan algoritma
for genetika
untuk
mencari
jarak
Liu, Shortest Driving terpendek pada sistem ITS (Intelligent Chun, Time
in Transportation System) di Taiwan
Lai, Wei Shen Intelligent
dengan menggunakan variasi jumlah
and Ho, Chia Transportation
gen dan kromosom. Penelitian dengan
Han. 2009
menggunakan algoritma genetika ini
Systems
memiliki tujuan untuk menemukan waktu
singkat
dalam
berkendara
dengan skenario beragam kondisi lalu lintas
yang
nyata
dan
berbagai
26
kecepatan kendaraan. 3.
Indra
Implementasi
Pencarian
rute
Surada.2010
Algoritma
dilakukan
pada
Genetika
Untuk Kabupaten
optimum objek
Pemalang
yang
wisata
di
diasumsikan
Pencarian
Rute dengan perjalanan akan kembali ke
Optimum
Objek tempat semula, dan memberikan nilai
Wisata
Di untuk parameter crossover probability
Kabupaten
(pc), mutation rate (pm), maka akan
Pemalang
menghasilkan solusi rute optimum dengan titik awal dan akhir yang sama.
4.
Sukaton
M Penggunaan
Rama. 2011.
Pada
Algoritma
penelitianya,
bahwa
algoritma untuk
genetika
dapat
Genetika
Dalam
Masalah
Jalur
masalah optimasi yang kompleks.
Terpendek
Pada
Masalah
Jaringan Data.
digunakan
menunjukkan
jalur
menyelesaikan
terpendek
dengan
jumlah simpul dan lintasan yang semakin
banyak
akan
dapat
diselesaikan serta mengarah ke titik optimal
bila
diimbangi
dengan
peningkatan ukuran populasi dan parameter lainnya dalam algoritma genetika. 5.
I Dewa Made Penentuan
Jarak Pada penelitian ini, pencarian jalur
Adi
Pada terpendek
Joni,
Baskara Terpendek Vivine Jalur
dilakukan
dengan
Distribusi melakukan pengujian sebanyak tiga
Nurcahyawati.
Barang Di Pulau kali, dengan pola distribusi awal yang
2012
Jawa
Dengan sama
(Kediri-Malang-Semarang-
Menggunakan
Rembang-Solo).
Skenario
Algoritma
pertama yaitu dengan menggunakan
Genetika
Crossover
Probability
(Pc)
yang
dan
Mutation Rate (Pm) yang rendah yaitu
27
kurang dari 50. Skenario yang kedua dengan menggunakan Pc dan Pm yang sedang
yaitu
Skenario
sama
yang
dengan
ketiga
50.
dengan
menggunakan Pc dan Pm yang tinggi yaitu lebih dari 50. Hasilnya nilai Pc dan Pm yang rendah bagus untuk menghasilkan
nilai
fitness
yang
terendah (rute terbaik), namun sulit untuk
menentukan
nilai
terendah
tersebut dikarenakan proses crossover dan mutasi bergantung pada bilangan random (acak) yang dibandingkan dengan input PC dan PM.
2.10 Rangkuman Perbandingan Penelitian Sebelumnya Dengan Penelitian Yang Dilakukan Berdasarkan penelitian yang telah dilakukan sebelumnya, Tabel 2.4 menjelaskan tentang penelitian yang sudah dilakukan menggunakan algoritma genetika untuk permasalahan optimasi jalur. Terdapat beragam penelitian yang sudah pernah dilakukan dengan berbagai kriteria, studi kasus, dan juga implementasi sistem yang telah di buat. Adapun pemilihan algoritma genetika untuk solusi pencarian optimum berdasarkan penelitian pada point satu, dikarenakan algoritma genetika memiliki kelebihan dalam menghasilkan jalur serta waktu yang dibutuhkan untuk melakukan perhitungan lebih baik dengan parameter input yang tepat daripada kedua algoritma yang lainnya untuk jumlah kota atau search space yang luas, permasalahan dengan kondisi lalu lintas yang nyata dan kompleks serta berbagai kecepatan kendaraan, seperti dijelaskan pada penelitan point ke dua dan ke empat. Studi kasus yang berbeda dari point ke tiga dan kelima dimana pada penelitian ini dilakukan penelitian pada wilayah Denpasar, khususnya kecamatan Denpasar Utara yang memiliki tata kelola luas tanah terbesar dengan 4993 hektar.
28
Serta implementasi sistem yang akan dirancang dan dibuat dalam sistem aplikasi mobile dengan menggunakan web sebagai server pusat untuk dapat mengakses data. Web server dapat dikelola oleh admin untuk melakukan proses kelola data seperti insert, delete, update dan read data yang didapat dari kerjasama dengan Dinas Perhubungan Kota Denpasar.
Sehingga dari perancangan sistem ini
diharapkan dapat membantu mengurangi kemacetan dan diharapkan dapat meningkatkan kenyamanan dari penggunanya.
