27
BAB III KERANGKA BERPIKIR, KONSEP, DAN HIPOTESIS
3.1 Kerangka Berpikir Sistem penjadwalan konsumsi listrik dengan algoritma genetika dan fuzzy logic adalah sebuah sistem yang bertujuan sebagai pendukung keputusan dalam penjadwalan aktivitas khususnya yang berkaitan dengan konsumsi listrik serta mengoptimalkan persediaan daya agar bisa dimanfaatkan secara maksimal. Sistem ini dibuat untuk mempermudah penjadwalan aktivitas pada PT Rabik Bangun Pertiwi(Blueline) khususnya yang berkaitan dengan konsumsi listrik. Hal ini dikarenakan banyaknya server yang mesti dijalankan untuk proses ekonimi perusahaan namun pada office hour sering menjadi masalah karena bertabrakan dengan aktivitas lain seperti instalasi server untuk client dan pencetakan voucher hotspot yang sifatnya dinamis dan tidak rutin namun membutuhkan kepastian kapan aktivitas tambahan itu aman dilakukan(tidak melebihi maximum konsumsi daya) dan diselesaikan sehingga dapat memberi kepastian kepada pihak manajemen dan konsumen. Selama ini hal tersebut susah dilakukan karena tidak adanya sistem penjadwalan yang melibatkan konsumsi daya yang dilakukan oleh aktivitas yang berjalan sehingga pihak teknisi perlu meninjau ulang konsumsi aktivitas tersebut. Sehingga keputusan bisa tidak-nya sebuah aktivitas dilakukan pada kondisi tertentu menjadi cukup lama. Jika adanya sebuah gambaran penjadwalan yang jelas mengenai aktivitas rutin yang dilakukan dengan melibatkan konsumsi dayanya maka pihak teknisi cukup meninjau penjadwalan tersebut dan lebih mudah dalam penjadwalan ulang aktivitas rutin jika periode berikut(misalnya minggu depan) dianggap sangat padat. Sehingga aktivitas yang bisa ditunda bisa dipindahkan ke waktu yang lain sehingga tersisa lebih banyak persediaan daya yang bisa digunakan.
27
28
Sistem dikembangkan dalam format berbasis web dan WAP(Wireless Application Protocol) berupa SMS karena format ini dianggap sangat efisien dalam penyediaannya. Dimana format berbasis web dapat ditumpangi pada aplikasi berbasis lainnya serta hadirnya fitur SMS yang memberikan pesan pengingat jadwal (alert) sehingga tidak diperlukan perangkat monitoring khusus yang cukup boros dalam konsumsi listrik.
Gambar 3.1 Pembagian Umum Sistem
3.2 Konsep Sistem penjadwalan konsumsi listrik pada lingkungan kecil dan menengah dengan algoritma genetika dan fuzzy logic dirancang untuk 2 jenis pengguna yaitu administrator(admin) dan pengguna. Setiap pengguna memiliki aktivitas dan hak akses yang berbeda didalam sistem. Setiap aktivitas pengguna berpengaruh pada pengguna lain.
29
Untuk dapat melakukan langkah-langkah sesuai dengan yang diberikan oleh metodologi pengembangan sistem yang terstruktur, maka dibutuhkan suatu perangkat pemodelan data dalam proses perancangan sistem informasi. Adapun perangkat pemodelan sistem tersebut, meliputi : 3.2.1 Statement of Purpose(SOP) Sistem manajemen quota distribusi energi listrik pada lingkungan kecil dan menengah dengan algoritma genetika dan fuzzy logic dapat dilihat berdasarkan proses dan hak akses setiap pengguna dalam sistem sebagai berikut : 3.2.1.1 Administrator Admin adalah pengguna tertinggi dalam sistem ini. Admin mengakses sistem melalui web server. Admin adalah pemilik akses kepada sistem komputasi dan mengatur konstanta-konstanta yang mempengaruhi sistem. Seain itu admin juga berfungsi untuk melakukan verifikasi terhadap hasil komputasi yang akan diterapkan pada sistem per periode. Pada pelaksanaan teknisnya, aktivitas admin dimasukkan sebagai aktivitas tambahan bagi pengguna umum, sehingga semua fitur pada pengguna umum dapat digunakan juga oleh administrator. Adapun aktivitas admin pada sistem adalah sebagai berikut : 1) Manajemen konstanta sistem Yaitu konstanta yang digunakan didalam proses komputasi didalam sistem. Konstanta tersebut adalah sebagai berikut : (1) Batasan daya dan periode penerapannya, yaitu jumlah konsumsi daya per waktu yang akan bervariasi per-periode. Misalnya batasan jumlah daya pada office hour harus lebih rendah dari pada di luar office hour untuk kepentingan kebutuhan dadakan.
30
(2) Penentuan pembagian periode, secara umum pada kasus PT Rabik Bangun Pertiwi(Blueline) periode dibagi menjadi office hour(beroperasi secara penuh), semi office hour(beroperasi secara tidak penuh) dan non office hour (hanya call center staff saja yang beroperasi). Namun sistem ini akan memungkinkan adanya fitur modifikasi untuk pembagian ini. Sehingga memungkinkan penambahan pembagian periode baru. (3) Tingkatan prioritas untuk aktivitas konsumsi listrik, secara umum berupa tinggi, menengah dan rendah, namun sistem akan memungkinkan adanya fitur modifikasi untuk pembagian ini. Sehingga memungkinkan penambahan tingkatan prioritas baru. 2) Verifikasi penambahan aktivitas konsumsi listrik Yaitu melakukan verifikasi terhadap penambahan aktivitas konsumsi daya yang diajukan oleh pengguna. Pada pelaksanaannya administrator akan dibagi lagi per devisi yang ada untuk melakukan verifikasi bagi pengajuan dari anggota devisinya. 3) Menjalankan pemrosesan output Yaitu menjalankan pemrosesan output sistem berupa tabel penjadwalan yang akan dimanfaatkan oleh pengguna umum. Fitur ini hanya bisa dijalankan oleh administrator untuk menghindari pemrosesan di lebih dari satu tempat yang akan membebani perangkat keras. Sehingga dengan adanya verifikasi ini hadil komputasi sistem bisa dipertanggung jawabkan pelaksanaannya. 4) Manajemen data pengguna dan devisi dalam sistem Yaitu administrator bisa menambah, mengedit dan menghapus data pengguna lain dan data devisi. Sedangkan pengguna umum hanya bisa mengedit datanya sendiri.
31
3.2.1.2 Pengguna Umum Pengguna umum adalah pengguna yang memiliki aktivitas untuk menambah/mengajukan aktivitas konsumsi listrik dan melaksanakan penjadwalan yang telah ditetapkan dengan melihak tabel penjadwalan maupun menerima SMS alert. 1) Penambahan/pengajuan aktivitas konsumsi listrik Yaitu menambah aktivitas konsumsi listrik yang harus melalui verivikasi administrator terlebih dahulu, agar variabel aktivitas konsumsi listrik berupa jumlah daya, periode pelaksanaan dan prioritas aktivitas tidak sembarangan dan memenuhi kualifikasi. Sehingga output yang dihasilkan oleh komputasi menjadi lebih akurat. Fitur ini menegaskan komputasi yang dilakukan oleh sistem cerdas masih bergantung pada vadiditas input ini. 2) Pelaksanaan penjadwalan Yaitu melaksanakan penjadwalan yang telah ditetapkan dengan melihak tabel penjadwalan. 3.2.2 Pertimbangan Perancangan Sistem Perbandingan
penambahan
daya
menghasilkan
kelebihan
dan
kekurangan dari sistem penjadwalan konsumsi listrik yang akan dibangun. Kekurangan dari perancangan sistem adalah : 1)
Perancangan sistem penjadwalan konsumsi membutuhkan waktu dan tenaga kerja untuk melakukan rancang bangun sistem yang relatif lebih lama dibandingkan dengan mengajukan penambahan daya.
2)
Penyediaan sistem membutuhkan sumber daya perangkat keras. Perangkat keras tersebut berupa ruang penyimpanan dan mengurangi kinerja komputer sebagai perangkat lunak berbasis web.
3)
Operasional pegawai menjadi lebih rumit karena setiap aktivitas yang melibatkan konsumsi listrik harus didaftarkan pada sistem. Untuk awal pendaftaran aktivitas akan menyita jam kerja pegawai sehingga menghambat aktivitas operasional.
32
Sedangkan kelebihan dari sistem adalah : 1)
Untuk kebutuhan jangka pendek, penambahan daya dianggap lebih cepat dan efisien. Namun untuk kebutuhan jangka panjang, perancangan sistem memiliki lebih banyak manfaat yaitu : (1) Sebagai simulasi penambahan daya yaitu sistem akan bisa digunakan untuk mensimulasikan penambahan beban peralatan sehingga lebih mudah pengambilan keputusan apakah harus dilakukan penambahan daya. Jika diperlukan penambahan bisa disimulasikan kira-kira berapa penambahan daya yang harus dilakukan untuk menampung sekian banyak beban untuk beberapa tahun kedepannya. (2) Sebagai perangkat pencatatan konsumsi listrik yang terjadi di perusahaan.
Dengan
tercatatnya
aktivitas
konsumsi
listrik
ketergantungan terhadap staff yang ahli dibidang kelistrikan kantor menjadi berkurang dan tidak lagi mengandalkan daya ingat staff ahli yang bisa jadi salah. 2)
Untuk kebutuhan jangka menengah sistem penjadwalan konsumsi listrik ini bermanfaat untuk mencegah terjadinya mati listrik yang dikarenakan kelebihan beban daya yang digunakan sekaligus. Karena jika hal itu terjadi tentu saja menjadi kerugian bagi perusahaan. Apalagi jika yang mengalami mati listrik adalah bagian yang penting seperti ruang server.
33 3.2.3 Diagram Konteks Diagram konteks (Context Diagram) merupakan pendekatan terstruktur yang bertujuan untuk menggambarkan sistem pertama kali secara garis besar (top level).
Gambar 3.2 Diagram Konteks
34 3.2.4 Diagram Alir Data (DAD) Diagram Alir Data (DAD) digunakan untuk menggambarkan sistem yang ada. Penekanan dari DAD adalah untuk melihat bagaimana prosesproses dari sistem diterapkan (dengan cara apa, oleh siapa dan di mana), termasuk proses-proses manual.
Gambar 3.3 Hirarcy Chart
35
Gambar 3.6 DFD Level 0
36
Gambar 3.7 Administrasi Sistem
37
Gambar 3.8 Proses Komputasi Penjadwalan
38
Gambar 3.9 Aktivitas Pengguna
Gambar 3.10 Konfigurasi Konstanta Sistem
39 3.2.5 Gambaran Umum Antar Muka Sistem Output utama dari sistem penjadwalan konsumsi energi listrik dengan algoritma genetik dan fuzzy logic adalah penjadwalan yang berupa grafik yang menunjukkan aktivitas konsumsi listrik yang terdiri dari besarnya daya yang dikonsumsi, lamanya periode konsumsi dan prioritas dari aktivitas tersebut. Berikut adalah contoh kasus yang menggambarkan fitur utama dari sistem ini :
Gambar 3.14 Penjadwalan sebelum optimasi
40
Gambar 3.15 Penjadwalan setelah optimasi
41
Gambar 3.16 Grafik Perbandingan Optimasi
42
Variabel Berikut adalah penjelasan variabel yang digunakan dalam tabel penjadwalan diatas. 1) Aktivitas Yaitu objek utama dalam penjadwalan yang akan dioptimasi waktu pelaksanaannya berdasarkan prioritas, besarnya daya dan lamanya pelaksanaan aktivitas. 2) Daya Yaitu perkiraan rata-rata besarnya daya yang akan digunakan dalam lamanya pelaksanaan aktivitas. 3) Prioritas Yaitu prioritas dari aktivitas yang ditetapkan oleh pengguna secara manual dan bersifat subjektif yaitu diluar proses sistem. 4) Periode pelaksanaan Aktivitas Yaitu kapan dan berapa lama sebuah aktivitas dilakukan. Dalam output diatas waktu yang digunakan adalah 24 jam. 5) Total daya per-periode Yaitu total daya setiap konsumsi daya aktivitas per waktu(setiap jam dalam contoh) yang dijumlahkan secara horizontal. Sebagai contoh pada jam 9 adalah 200W+0W+0W+600W+400W+400W=1600W. Total daya per-periode dibagi menjadi 3 tingkatan : (1) Hijau yaitu berada di bawah batas tengah (2) Kuning yaitu berada diatantara batas tengah dan batas atas (3) Merah yaitu menyentuh atau berada diatas batas atas Tujuan dari sistem ini adalah menghapus periode yang berada di tingkatan 3 dengan memindahkan beberapa proses ke periode lain yang masih berada di tingkatan 1 atau 2.
43
Data dalam contoh Berikut adalah data yang digunakan dalam contoh dan penjelasannya. Aktivitas AC Office
Daya 200W
Prioritas Low
Penjelasan Yaitu AC yang menyala di ruangan kantor. Berprioritas rendah karena untuk kasus tertentu tidak masalah untuk dimatikan. Namun akan jarang di matikan karena waktu operasional yang panjang.
Rekap Data Client
400W
High
Yaitu merekap data client pada server CRM oleh staff marketing. Berprioritas tinggi karena hanya berhak dilakukan oleh staff marketing pada office hour yang telah ditetapkan.
Print Voucher
600W
High
Yaitu mencetak kartu voucher untuk client pengguna hotspot oleh staff marketing. Berprioritas tinggi karena hanya berhak dilakukan oleh staff marketing pada office hour yang telah ditetapkan dan waktu distribusi client sudah ditetapkan.
Backup Log Traffic
600W
Low
Yaitu mem-backup log traffic yang pada billing server dan menghapus data lama. Berprioritas rendah karena bisa dilakukan oleh staff call center di luar office hour. Merupakan aktivitas mingguan.
Server Standby 1
400W
Med
Yaitu server yang digunakan untuk penyediaan sistem informasi berbasis web untuk berbagai kepentingan. Berprioritas medium karena pada kondisi tertentu bisa dimatikan. Berjalan selama 24 jam.
Server Standby 2
400W
Med
Yaitu server yang digunakan untuk keperluan penyimpanan data sementara sebelum di rekap ke server masing-masing kepentingan. Prioritas medium karena pada kondisi tertentu bisa dimatikan. Berjalan selama 24 jam.
44
Penjelasan Proses Berikut adalah penjelasan proses yang terjadi pada output diatas. 1) Server standby 1 dan 2 berjalan selama 24 jam sehingga selalu membebani 800W konsumsi listrik. 2) Pada office hour yaitu jam 9 hingga 18 AC kantor mulai dinyalakan untuk staff sehingga membebani 200W dan total selama office hour adalah nilai tengah yaitu 1000W. 3) Backup log traffic barjalan dari jam 9 hingga 2 siang sebesar 600 W sehingga beban menjadi 1600W. 4) Jam 10 hingga 11 terjadi rekap data client sebesar 200W. Namun masih berada di tingkat 2 yaitu batas tengah. 5) Masalah timbul ketika jam 13 dan 14 dimana terjadi print voucher sebesar 600W sehingga beban mencapai batas atas yaitu 2200W. Hal ini yang harus dihilangkan oleh sistem. 6) Untuk mengatasi beban pada jam 13 dan 14 maka aktivitas backup log traffic dimajukan mulai dari jam 7 hingga 12 karena dianggap masih bisa dilakukan oleh call center staff yang bekerja shift jam 6 hingga 2 siang. 7) Dengan pemindahan aktivitas tersebut beban pada jam 13 dan 14 menjadi 1600W dan berada pada batas tengah.
45
3.2.6 Flow Chart Flowchart proses umum adalah seperti pada gambar dibawah ini. Dalam proses tersebut dapat dilihat perlakuan yang berbeda antara aktivitas baru dan aktivitas yang telah tedefinisi sebelumnya atau aktivitas rutin. Aktivitas rutin bisa jadi belum terjadwal dengan baik sehingga perlu dilakukan pengelompokan ulang terlebuh dahulu. Sedangkan input baru memungkinkan untuk ditolak bila tidak ditemukan kelompok periode waktu mencukupi.
Gambar 3.14 Gambaran Umum Alur Sistem Bagian 1
46
Gambar 3.15 Gambaran Umum Alur Sistem Bagian 2
Algoritma : 1) Proses dimulai dari pendefinisian aktivitas rutin yang dapat diperkirakan keberadaannya. 2) Aktivitas rutin tersebut dirapikan sehingga dianggap memungkinkan dihasilkannya kekosongan konsumsi daya pada periode-periode tertentu misalnya office hour. 3) Proses berikutnya adalah pengelompokan konsumsi daya menggunakan fuzzy logic. Dengan menggunakan fuzzy logic diukur tingkat konsumsi per aktivitas pada area-area periode yang ditentukan. Fuzzy logic akan mengelompokkan aktivitas yang memiliki derajat kesamaan dalam periode, prioritas dan jumlah daya. Setiap kelompok diberikan bobot berdasarkan hasil inferensi agar diproses sekaligus dalam saran optimasi penjadwalan yang akan dilakukan oleh algoritma genetika.
47
4) Penjadwalan membedakan aktivitas rutin dan aktivitas baru yaitu : •
Penjadwalan aktivitas rutin akan dioptimasi terlebih dahulu untuk memungkinkan pengecilan hasil inferensi fuzzy pada periode-periode tertentu seperti office hour sehingga memungkinkan kalkulasi lebih cepat untuk penginputan aktivitas baru.
•
Penjadwalan aktivitas baru, baik satu atau beberapa sekaligus akan mencarikan kelompok yang memungkinkan dan berada paling dekat dengan priode kebutuhan konsumsi aktivitas tersebut. Jika tidak memungkinkan maka akan dicarikan aktivitas lain yang memiliki prioritas lebih rendah untuk dipindahkan periodenya atau dihapus jika memungkinkan. Jika tetap tidak memungkinkan maka aktivitas trsebut ditolak dan sistem akan mengeluarkan saran penambahan daya untuk kebutuhan aktivitas tersebut.
5) Penjadwalan dibentuk dengan mempertimbangakan pengemlompokkan hasil fuzzy logic dan hasil penjadwalan di komparasi dengan hasil periode lalu untuk membandingkan penyimpangan yang terjadi. 6) Faktor
instalasi
listrik
juga
masuk
dalam
pertimbangan
dalam
penjadwalan. Meskipun secara keseluruhan persediaan daya masih cukup namun jika konsumsi banya terjadi pada fase atau kelompok yang sama maka harus ditolak oleh sistem. Untuk itu setiap data peralatan bertenaga listrik harus dihubungkan dengan data
fase
dimana
dilakukan
konsumsi.
Sistem
juga
harus
mempertimbangkan batasan maksimum dari masing-masing fase. Sehingga sistem bisa juga mensimulasikan penempatan peralatan bertenaga listrik agar seimbang untuk kondisi instalasi yang ada. Pengelompokan fuzzy memisahkan antara kelompok waktu dan kelompok fase. Setiap area waktu dipisah-pisah lagi berdasarkan fase instalasinya. 7) Hasil penjadwalan tersebut pada akhir tahun akan digunakan sebagai kesimpulan
konsumsi
tahunan
dan
pendukung
keputusan
untuk
penambahan daya atau pengurangan aktivitas atau solusi penghematan lainnya.
48
Flowchart dari pengelompokan yang dilakukan menggunakan Fuzzy Logic adalah sebagai berikut :
Gambar 3.16 Flowchart Proses Pengelompokan dengan Fuzzy Logic
49
Algoritma : 1) Proses dimulai dengan pendataan konsumsi aktivitas berdasarkan jumlah daya per waktunya yang bisa berupa 1 jam dan prioritas dari aktivitas tersebut. 2) Setiap pemakaian per jam dari aktivitas dikelompokkan menjadi area waktu tertentu yang terpisah antara 24 jam dan 7 hari dalam 1 minggu. Ketentuan 24 jam akan dipisah menjadi berapa bagian bisa diatur dalam sistem namun tetap dianggap berbeda untuk setiap harinya dalam 1 minggu. Contoh pengelompokan area waktu adalah sebagai berikut : •
Waktu pagi (06:00 hingga 12:00) pada hari senin digunakan x1 Watt oleh y1 aktivitas.
•
Waktu malam (18:00 hingga 24:00) pada hari sabtu digunakan x2 Watt oleh y2 aktivitas
3) Setelah dikelompokkan berdasarkan waktu, sistem juga mengelompokkan aktivitas berdasarkan fase instalasi listriknya. Hal ini dilakukan agar pemindahan aktivitas tidak berpusat pada satu fase saja. Sehingga pengelompokan terjadi secara dua lapis yaitu secara periode dan fase instalasinya. 4) Setelah dikelompokkan, selanjutnya hasil inferensi dari jumlah daya, periode konsumsi dan prioritas dari masing-masing kelompok area waktu dihitung menggunakan fuzzy logic berdasarkan kriteria jumlah daya yang dialokasikan pada setiap kelompok area waktunya. 5) Idealnya semua area waktu berada pada derajat keanggotaan seimbang. Jika semua kelompok area waktu berada pada seimbang maka tidak perlu ada penjadwalan ulang. Namun jika terdapat kelompok yang kelebihan atau kekurangan, maka perlu adanya penjadwalan ulang pada kelompok tersebut. Dalam hal ini fuzzy logic telah membantu algoritma genetik dalam penjadwalan yaitu tidak perlu dilakukan perubahan jadwal secara total, cukup pada bagian yang tidak seimbang saja.
50
Flowchart dari penjadwalan yang dilakukan menggunakan Algoritma Genetika adalah sebagai berikut :
Gambar 3.17 Flowchart Proses Penjadwalan dengan Algoritma Genetik
51
Algoritma : 1) Proses dimulai dengan input berupa kelompok yang memiliki hasil inferensi kelebihan dan kekurangan yang akan dioptimalisasikan menggunakan algoritma genetika. 2) Untuk memudahkan proses maka hasil inferensi masing-masing kelompok area waktu diurutkan dari yang paling kelebihan hingga ke paling kekurangan. Hal ini digunakan sebagai penentu prioritas pemindahan aktivitas. 3) Faktor kebutuhan yang wajib dan tak tergantikan yang telah disepakati oleh pengguna sistem (admin perusahaan) harus menjadi prioritas yang tidak bisa dipindahkan dalam proses penjadwalan. 4) Proses pemindahan dilakukan dengan memprioritaskan aktivitas yang mengkonsumsi daya yang lebih besar namun periode konsumsinya pendek dan prioritas rendah terlebih dahulu karena dianggap dampaknya lebih besar dan lebih mudah dipindahkan. Proses pemindahan dilakukan dengan memindahkan sebanyak mungkin aktivitas pada kelompok area waktu yang kelebihan kepada kelompok area waktu yang kekurangan. 5) Jika masih terdapat kelebihan pada kelompok area tertentu maka perlu dtinjau ulang apakah ada aktivitas yang sebelumnya tidak bisa dipindahkan saat ini bisa dipindahkan dan akan berdampak cukup baik. Jika memungkinkan maka dilakukan proses pemindahan sekali lagi dengan memindahkan aktivitas yang sebelumnya tidak bisa dipindahkan. 6) Jika tetap tidak memungkinkan maka proses terakhir adalah penghapusan aktivitas yang memiliki prioritas rendah. 7) Melalui proses pemberian sara optimasi penjadwalan ini maka pengguna terbantu untuk membentuk penjadwalan quota konsumsi listrik yang telah dioptimalisasikan untuk mencapai keseimbangan konsumsi pada tiap area waktunya sehingga persediaan daya bisa dioptimalisasikan.
52
Bentuk optimasi yang dilakukan pada proses penjadwalan adalah memberi ruang yang lebih banyak dalam konsumsi listrik pada periode yang dianggap penting. Tujuan optimasi adalah memberi penyediaan daya yang lebih banyak untuk memungkinkan lebih banyak aktivitas konsumsi listrik yang bisa dijalankan dan menghindari mati listrik karena kelebihan beban konsumsi daya. Hal itu dilakukan dengan tingkatan upaya sebagai berikut : 1)
Menggeser aktivitas yang dianggap memungkinkan untuk dimajukan atau diundur pada waktu yang berdekatan. Misalnya aktivitas pengetesan alat yang semula dilakukan dari jam 1 hingga jam 2 dimajukan menjadi jam 12 hingga jam 1 karena bertabrakan dengan aktivitas pencetakan voucher hotspot.
2)
Mengurangi periode konsumsi listrik pada peralatan tertentu yang dianggap tidak penting sehingga memungkinkan dilakukannya aktivitas lain yang lebih penting. Contohnya konsumsi listrik oleh lapotop pegawai pada jam tertentu ditiadakan. Misalnya periode konsumsi yang semula 8 jam dari jam 9 hingga 5 sore dihapus pada jam 1 siang sehingga pada jam tersebut terdapat kekosongan konsumsi daya untuk aktivitas lain.
3)
Meniadakan sebuah aktivitas yang dianggap tidak perlu secara penuh. Tindakan ini diambil untuk aktivitas yang berlangsung tidak rutin dan bisa ditiadakan untuk satu dekade panjadwalan. Contohnya proses backup server yang bisa ditiadakan pada bulan tertentu dan dilaksanankan sekalian pada bulan depan.
53
3.2.7. Konsep Fuzzy Logic dalam Sistem Langkah pertama dalam analisa adalah menguji keakuratan fungsi dasar fuzzy yang digunakan dalam sistem cerdas yang menggunakan logika fuzzy. Pada dasarnya setiap fuzzy yang digunakan sistem terdiri dari 3 himpunan yaitu rendah, sedang dan tinggi. Serta terdapat inferensi fuzzy metode tsukamoto yang melibatkan antara 2 hingga 3 fungsi fuzzy. 3.2.7.1.
Fungsi Derajat Keanggotaan Himpunan Fuzzy Tinggi Fungsi ini mewakili semua penentuan derajat keanggotaan fuzzy tinggi
di dalam sistem yang nantinya dilibatkan didalam inferensi fuzzy. Dari fungsi ini terdapat 3 buah input yaitu nilai yang akan di cari nilai derajat keanggotaan, nilai median dari seluruh nilai dan nilai puncak dari seluruh nilai. Dalam hal ini nilai manjadi objek utama dalam pentuan derajat keanggotaan fuzzy. Sedangkan nilai median dan nilai puncak merupan variabel dinamis yang menentukan posisi nilai dalam fungsi fuzzy tinggi. Selain itu juga ada variabel semi dinamis yaitu toleransi dari nilai akhir derajat keanggotaan fuzzy tinggi yang menjadi persentase dari nilai median. Semakin kecil nilai toleransi semakin banyak nilai yang masuk dalam himpunan fuzzy tinggi. Nilai toleransi ini ditentukan oleh admin. Adapun grafik fungsi derajat keanggotaan himpunan fuzzy tinggi adalah sebagai berikut :
Gambar 3.19 Grafik Fungsi Derajat Keanggotaan Himpunan Fuzzy Tinggi
54
3.2.7.2.
Fungsi Derajat Keanggotaan Himpunan Fuzzy Rendah Fungsi ini mewakili semua penentuan derajat keanggotaan fuzzy
rendah di dalam sistem yang nantinya dilibatkan didalam inferensi fuzzy. Dari fungsi ini terdapat 3 buah input yaitu nilai yang akan di cari nilai derajat keanggotaan rendah, nilai median dari seluruh nilai dan nilai terendah dari seluruh nilai. Dalam hal ini nilai manjadi objek utama dalam pentuan derajat keanggotaan fuzzy. Sedangkan nilai median dan nilai terendah merupan variabel dinamis yang menentukan posisi nilai dalam fungsi fuzzy tinggi. Selain itu juga ada variabel semi dinamis yaitu toleransi dari nilai akhir derajat keanggotaan fuzzy rendah yang menjadi persentase dari nilai median. Range toleransi adalah antara 100% higga 200%. Semakin besar nilai toleransi semakin banyak nilai yang masuk dalam himpunan fuzzy rendah. Nilai toleransi ini ditentukan oleh admin. Adapun grafik fungsi derajat keanggotaan himpunan fuzzy rendah adalah sebagai berikut :
Gambar 3.20 Grafik Fungsi Derajat Keanggotaan Himpunan Fuzzy Rendah
55
3.2.7.3.
Fungsi Derajat Keanggotaan Himpunan Fuzzy Sedang Fungsi ini mewakili semua penentuan derajat keanggotaan fuzzy
sedang namun tidak dilibatkan dalam sistem yang nantinya dilibatkan didalam inferensi fuzzy. Dari fungsi ini terdapat 4 buah input yaitu nilai yang akan di cari nilai derajat keanggotaan sedang, nilai median dari seluruh nilai, nilai submedian1(rendah) dan nilai submedian2(tinggi) dari seluruh nilai. Dalam hal ini nilai manjadi objek utama dalam pentuan derajat keanggotaan fuzzy. Sedangkan nilai median nilai submedian1(rendah) dan nilai submedian2(tinggi) merupan variabel dinamis yang menentukan posisi nilai dalam fungsi fuzzy tinggi. Selain itu juga ada variabel semi dinamis yaitu toleransi1 dan toleransi2 dari 2 nilai akhir derajat keanggotaan fuzzy rendah yang menjadi persentase dari nilai median. Range toleransi1 adalah antara 1% higga 100%. Sedangkan range toleransi2 adalah antara 100% higga 200%. Semakin besar nilai toleransi semakin banyak nilai yang masuk dalam himpunan fuzzy sedang. Nilai toleransi ini ditentukan oleh admin. Adapun grafik fungsi derajat keanggotaan himpunan fuzzy sedang adalah sebagai berikut :
Gambar 3.21 Grafik Fungsi Derajat Keanggotaan Himpunan Fuzzy Sedang
56
3.2.8.
Inferensi Fuzzy Aktivitas Konsumsi Listrik Inferensi Fuzzy Aktivitas Konsumsi Listrik adalah inferensi fuzzy yang
dilakukan untuk menyederhanakan pemrosesan algoritma genetika yang akan dilakukan untuk optimasi knapsack dalam pemindahan penjadwalan sistem. Input inferensi adalah total konsumsi per-jam dan total konsumsi aktivitas. Tujuan dari inferensi fuzzy ini adalah untuk menyimpulkan kelayakan pemindahan sebuah aktivitas konsumsi pada jam yang mengalami konsumsi diatas maksimum. Adapun grafik fungsi derajat keanggotaan untuk page rank adalah sebagai berikut :
Gambar 3.21 Derajat Keanggotaan Konsumsi Daya Per Jam
Definisi keanggotaan pada himpunan konsumsi daya per-jam mengacu kepada maksimum daya. Semakin mendekati maksimum daya maka derajat keanggotaan himpunan konsumsi per jam tinggi makin tinggi dan sebaliknya untuk keanggotaan himpunan konsumsi per jam rendah. Maksimum daya akan dipisahkan sebanyak lokasi instalasi. Sedangkan grafik fungsi derajat keanggotaan untuk total konsumsi aktivitas adalah sebagai berikut :
57
Gambar 3.22 Derajat Keanggotaan total konsumsi aktivitas
Definisi keanggotaan pada himpunan konsumsi aktivitas mengacu kepada total konsumsi per jam. Semakin sebuah aktivitas mendominasi konsumsi daya per-jam maka derajat keanggotaan konsumsi aktivitas tinggi makin tinggi dan sebaliknya untuk keanggotaan konsumsi aktivitas per jam rendah. Nilai inferensi untuk memiliki 4 output yaitu rendah, sedang dan tinggi yang menjadi konstanta admin. Memiliki 4 kondisi yaitu : 1) R1 : jika konsumsi per-jam rendah dan konsumsi aktivitas rendah maka output sangat rendah yaitu dijalankan defuzzy rendah dengan nilai minimum tinggi(normal:0). Sehingga semakin tinggi nilai derajat keanggotaan rendah masing-masing maka nilai inferensi R1 semakin mendekati 0. 2) R2 : jika konsumsi per-jam tinggi dan konsumsi aktivitas tinggi maka output tinggi yaitu dijalankan defuzzy tinggi dengan nilai maksimum tinggi(normal:100). Sehingga semakin tinggi nilai derajat keanggotaan tinggi masing-masing maka nilai inferensi R2 semakin mendekati 100. 3) R3 : jika konsumsi per-jam rendah dan konsumsi aktivitas tinggi maka output
rendah
yaitu
dijalankan
defuzzy
sedang
dengan
nilai
maksimum(normal:40) dan nilai minimum(normal:20). Sehingga semakin tinggi nilai resesif yang jatuh pada derajat keanggotaan konsumsi aktivitas tinggi maka nilai inferensi R3 semakin mendekati 40 dan tidak bisa lebih
58
dari itu. Sebaliknya semakin tinggi nilai resesif yang jatuh pada derajat keanggotaan konsumsi per-jam rendah maka nilai inferensi R3 semakin mendekati 20 dan tidak bisa kurang dari itu. Aturan ini menunjukkan tetap akan ada aktivitas yang dipindahkan meskipun tidak mendominasi dalam kondisi konsumsi per jam yang tinggi, 4) R4 : jika konsumsi per-jam tinggi dan konsumsi aktivitas rendah maka output sedang yaitu dijalankan defuzzy tinggi dengan nilai maksimum sedang(normal:70) dan nilai minimum(normal:50). Sehingga semakin tinggi nilai resesif yang jatuh pada derajat keanggotaan konsumsi per-jam tinggi maka nilai inferensi R4 semakin mendekati 70 dan tidak bisa lebih dari itu. Sebaliknya semakin tinggi nilai resesif yang jatuh pada derajat keanggotaan konsumsi aktivitas rendah maka nilai inferensi R4 semakin mendekati 50 dan tidak bisa kurang dari itu. Aturan ini menunjukkan tetap akan ada aktivitas yang dipindahkan meskipun tidak mendominasi dalam kondisi konsumsi per jam yang tinggi, Meskipun aktivitas itu mendominasi total konsumsi per-jamnya namun jika memang konsumsi per jam masih tidak tinggi maka kurang perlu dipindahkan. Grafik inferensi masing-masing kesimpulan dapat dilihat sebagai berikut :
Gambar 3.23 Fungsi Defuzzy untuk R1 untuk Kelayakan Pemindahan Jadwal Aktivitas
59
Gambar 3.24 Fungsi Defuzzy untuk R2 untuk Kelayakan Pemindahan Jadwal Aktivitas
Gambar 3.25 Fungsi Defuzzy untuk R3 untuk Kelayakan Pemindahan Jadwal Aktivitas
60
Gambar 3.26 Fungsi Defuzzy untuk R4 untuk Kelayakan Pemindahan Jadwal Aktivitas
3.3 Hipotesis Berdasarkan latar belakang, tinjauan pustaka, kerangka pikiran dan konsep yang telah disampaikan maka dapat diambil hipotesis sebagai berikut : 1) Sistem penjadwalan konsumsi listrik dengan algoritma genetika dan fuzzy logic adalah sebuah sistem yang bertujuan sebagai pendukung keputusan dalam penjadwalan aktivitas khususnya yang berkaitan dengan konsumsi listrik serta mengoptimalkan persediaan daya agar bisa dimanfaatkan secara maksimal. 2) Dengan adanya sistem penjadwalan konsumsi listrik ini maka semua peralatan bertenaga listrik yang dibutuhkan dalam proses ekonomi dapat berjalan dalam waktu yang teratur per-periode-nya. Sehingga memudahkan keputusan kapan sebuah proses dapat dilaksanakan dan diselesaikan, memudahkan kalkulasi ketika adanya penambahan peralatan atau penambahan kerja peralatan, menentukan tingkat konsumsi per-periode dan target idealnya dan memudahkan deteksi proses konsumsi listrik dianggap boros yang bisa di-hilangkan.
61
3) Sistem penjadwalan konsumsi listrik sulit dilakukan secara manual dan membutuhkan waktu yang cukup lama. Sehingga diperlukan sistem informasi yang mendukung proses tersebut. Sistem informasi yang akan dilengkapi sistem pendukung keputusan dengan sistem komputasi cerdas. Pada permasalahan ini sistem komputasi cerdas yang akan digunakan adalah algoritma genetika dan fuzzy logic(logika kabur) untuk kebutuhan pengelompokan dan penjadwalan yang dinamis dan akurat. 4) Hadirnya sistem penjadwalan konsumsi listrik pada PT Rabik Bangun Pertiwi(Blueline) diharapkan dapat mengatasi permasalahan penjadwalan aktivitas rutin yaitu server-server yang beraktivitas pada jam office hour dan diluar office hour sehingga pada office hour lebih banyak aktivitas yang memungkinkan untuk dilakukan. Dengan pengambilan keputusan yang dimungkinkan lebih cepat diharapkan produktivitas perusahaan menjadi lebih efisien. 5) Fuzzy logic akan dimafaatkan dalam pengelompokan yang dinamis berdasarkan kriteria yang ditetapkan yaitu jumlah daya, periode konsumsi dan prioritas dari aktivitas. Sehingga penjadwalan yang dinamis pada algoritma genetika bisa langsung dijalankan dengan input langsung berupa ketidak seimbangan jumlah populasi yaitu jumlah anggota pada himpunan fuzzy yang akan di pindahkan pada kelompok/jadwal lain berdasarkan prioritas yang telah ditetapkan. 6) Sedangkan algoritma genetika akan dimanfaatkan sebagai pendukung keputusan dalam penyusunan penjadwalan yang akurat sehingga tercapai kesesuaian dengan target yang ditetapkan dalam konsumsi listrik. Penjadwalan ini dibentuk berdasarkan prioritas yang telah ditetapkan sehingga aktivitas yang berada kelompok yang penuh dan ber-prioritas rendah akan dipindahkan pada kelompok penjadwalan lain yang masih memungkinkan atau ditiadakan. Sebaliknya aktivitas yang berprioratas tinggi bisa dijalankan tepat pada waktunya.
