Perancangan Decision Support System Penyebaran Armada Angakatan Laut Wilayah Timur Berdasarkan Pada Database Wilayah Dan Keamanan Dengan Aplikasi Sistem Pakar Agus Gunawan, Dr. Ir. A. A. Masroeri M.Eng, Indra Ranu Kusuma ST. M.Sc Teknik Sistem Perkapalan, Fakultas Teknologi Kelautan,Institut Teknologi Sepuluh Nopember (ITS)
Jl. Arief Rahman Hakim, Surabaya 60111 E-mail:
[email protected]
Abstract -Keamanan laut adalah salah satu kebutuhan utama dari sebuah Negara terutama jika Negara tersebut adalah Negara archipelago seperti Indonesia. Masalah yang selalu terjadi adalah pelewatan batas Negara, illegal fishing, illegal logging bahkan penyusupan kapal perang ke daerah Negara. Masalah tersebut terjadi karena keterbatasan kapal patroli yang ditempatkan di seluruh Indonesia. Untuk alas an tersebut, harus ada optimasi penempatan dari kapal patroli. Algoritma dalam masalah ini akan menggunakan expert system. Algoritma ini akan berlaku seperti seorang ahli atau kantor pusat untuk menyebar penempatan dari kapal patroli. Dari simulasi dapat dilihat bahwa sistem yang dikembangkan dapat memilih apakah penempatan tersebut optimum atau tidak Keywords: expert system, fleet distribution, optimization . I.
G
PENDAHULUAN
angguan keamanan di wilayah yurisdiksi laut Indonesia, terutama gangguan pelayaran penumpang maupun barang belum menunjukkan gejala penurunan.Tingkat kejadian pembajakan (piracy) di laut intensitasnya masih tinggi dan sulit diatasi oleh aparat penegak hukum.Bahkan karena keterbatasan kemampuan aparat keamanan Indonesia dalam menangkap pelaku pembajakan yang mengganggu pelayaran kapal-kapal niaga di perairan Selat Malaka, sempat memunculkan kekhawatiran dan keinginan Interanasional untuk turut mengamankan selat Malaka tersebut. Oleh karena itu, TNI sebagai unsur penegak kedaulatan di laut serta TNI AL dan Polri sebagai unsur penegak hukum di laut, kemampuannya perlu ditingkatkan guna mampu melakukan tugas penegakan kedaulatan dan penindakan pelanggaran hukum di laut. Di samping itu, belum efektifnya pelaksanaan koordinasi keamanan laut sebagai akibat belum terciptanya harmonisasi peran dan fungsi lembaga di ruang laut merupakan salah satu kendala dalam rangka peningkatan pengawasan dan pengamanan pengelolaan sumber daya alam di laut.
Lemahnya sistem pengawasan dan pengamanan pengelolaan sumber daya alam, telah mengundang pihak-pihak tertentu termasuk pihak asing untuk memanfaatkannya secara ilegal baik berupa illegal logging, illegal minning maupun illegal fishing yang mengakibatkan kerugian negara mencapai ratusan trilyun setiap tahunnya.Banyaknya kapal-kapal asing tanpa dokumen resmi yang ditangkap di perairan Indonesia baik yang melakukan penangkapan ikan, penambangan, atau pengapalan kayu-kayu glondong menunjukkan bahwa kejahatan terhadap sumberdaya alamrelatif belum menunjukkan gejala penurunan.Di samping belum efektifnya pelaksanaan pengamanan laut, salah satu kendala yang dihadapi dalam penanganan kejahatan kekayaan sumber daya alam adalah lemahnya sistem perundang-undangan di laut.Akibatnya upaya-upaya perlakuan hukum terhadap kapal-kapal asing terbentur pada tidak adanya perangkat hukum yang sesuai dengan jenis pelanggarannya. Gambar 1 menunjukkan jumlah kasus salah satu kejahatan dan pelanggaran yang terjadi di laut yurisdiksi nasional Indonesia yang berhasil ditangkap oleh TNI AL yaitu pencurian ikan (illegalfishing) dan pencurian kayu (illegallogging).
Gambar 1Grafis penangkapan kapal – kapal oleh TNI AL
Permasalah yang diangkat dalam tugas akhir ini adalah bagaimana menempatkkan armada TNI ALArmada Timur , yang mana dengan jumlah armada yang ada akan sanggup melindungiwilayah NKRI bagian
Timur.di dalam optimasi tentunya akan di pertimbangkan mengenahi karakteristik kapal , biaya maupun faktor lingkungan.dengan detail bagaimana menempatkan armada TNI AL Armada Laut Timur dengan optimal mengingat sedikitnya armada yang tersedia dan juga harus bisa mengkover seluruh wilayah Indonesia? II.
URAIAN PENELITIAN
Optimasi Menurut Nash dan Sofer (1996), optimasi adalah sarana untuk mengekspresikan model matematika yang bertujuan memecahkan masalah dengan cara terbaik. Untuk tujuan bisnis, hal ini berarti memaksimalkan keuntungan dan efisiensi serta meminimalkan kerugian, biaya atau resiko[2]. Hal ini juga berarti merancang sesuatu untuk meminimalisasi bahan baku atau memaksimalisasi keuntungan. Adapun keinginan untuk memecahkan masalah dengan model optimasi secara umum sudah digunakan pada banyak aplikasi. Model optimasi telah digunakan selama berabad-abad.Pada masa sekarang ini, optimasi menjadi sangat esensial untuk tujuan bisnis yang semakin kompleks dan rumit.Para insinyur pun menjadi semakin ambisius dalam mengembangkan hal ini.Dalam banyak hal, keputusan dapat saja dibuat tanpa mempertimbangkan tujuan dari model tersebut. Sebagai contoh, dalam kerjasama multinasional, sebagian kecil perkembangan proses operasi dapat mencapai peningkatan keuntungan berjuta-juta dolar. Tetapi, untuk mencapainya dibutuhkan analisis dan kerjasama setiap divisi. Untuk model yang kompleks, dengan berbagai kerumitan yang ada, keputusan bisnis akan sangat berpengaruh. Dalam beberapa dasawarsa ini, telah dikembangkan hardware dan software komputer, yang berhasil melakukan optimasi secara praktis dalam bisnis dan ilmu pengetahuan.Sekarang ini, pemecahan masalah dengan ribuan atau bahkan jutaan variabel menjadi mungkin untuk diselesaikan. Sistem Pakar Sistem pakar adalah salah satu cabang dari AI yang membuat penggunaan secara luas knowledge yang khusus untuk penyelesaian masalah tingkat manusia yang pakar. Seorang pakar adalah orang yang mempunyai keahlian dalam bidang tertentu, yaitu pakar yang mempunyai knowledge atau kemampuan khusus yang orang lain tidak mengetahui atau mampu dalam bidang yang dimilikinya. Ketika sistem pakar dikembangkan pertama kali sekitar tahun 70-an sistem pakar hanya berisi knowledge yang eksklusif. Namun demikian sekarang ini istilah sistem pakar sudah digunakan untuk berbagai macam sistem yang menggunakan teknologi sistem pakar itu. Teknologi sistem pakar ini meliputi bahasa sistem pakar, program dan perangkat keras yang dirancang untuk membantu pengembangan dan pembuatan sistem pakar, Knowledge dalam sistem pakar mungkin saja seorang ahli atau knowledge yang umumnya terdapat dalam buku, majalah dan orang yang mempunyai pengetahuan tentang suatu bidang. Istilah sistem pakar, sistem knowledge-base, atau sistem pakar knowledge-base, sering digunakan dengan arti yang sama. Kebanyakan orang menggunakan
istilah sistem pakar karena lebih singkat, bahkan walau belum benar – benar pakar, hanya menggunakan knowledge secara umum.
USER
Knowledge-
Mesin
Sistem Pakar Gambar 2Konsep dasar fungsi sistem pakar Gambar 2 menggambarkan konsep dasar suatu sistem pakar knowledge-base.Pengguna menyampaikan fakta atau informasi untuk sistem pakar dan kemudian menerima saran dari pakar atau jawaban ahlinya.Bagian dalam sistem pakar terdiri dari 2 komponen utama yaitu knowledge base yang berisi knowledge dan mesin inferensi yang menggambarkan kesimpulan.Kesimpulan tersebut merupakan respons dari sistem pakar atas permintaan pengguna. Penggunaan sistem knowledge base (basis pengetahuan) juga dirancang untuk aksi pemandu cerdas seorang ahli.Pemandu cerdas dirancang dengan teknologi sistem pakar karena memberikan banyak keuntungan terhadap pengembangannya. Semakin banyak knowledge yang ditambahkan untuk pemandu cerdas maka sistem tersebut akan semakin baik dalam bertindak sehingga semakin menyerupai pakar sebenarnya. Pengembangan suatu pemandu cerdas merupakan permulaan bagi pengembangan sistem pakar yang lebih lengkap lagi. Suatu knowledge dari sistem pakar bersifat khusus untuk satu domain masalah saja.Domain masalah adalah bidang atau ruang lingkup yang khusus, seperti kedokteran, keuangan, bisnis, ilmu pengetahuan atau teknik.Sistem pakar meyerupai kepakaran manusia yan secara umum dirancang untuk menjadi pakar dalam satu domain masalah saja. Knowledge dari sistem pakar tentang penyelesaian masalah yang khusus disebut dengan domain knowledge dari suatu sistem pakar. Sebagai contoh, sistem pakar kedokteran yang dirancang untuk mendiagnosis infeksi penyakit akan mempunyai suatu uraian knowledge tentang gejala – gejala penyakit yang disebabkan oleh infeksi penyakit. Dalam kasus ini domain knowledge-nya adalah bidang kedokteran yang terdiri dari knowledge tentang penyakit, gejala, dan cara pengobatan. Pengetahuan dari suatu sistem pakar mungkin dapat direpresentasikan dalam sejumlah cara. Salah satu metode yang paling umum merepresentasikan pengetahuan adalah dalam bentuk tipe aturan (rule) IF...THEN (Jika...maka). Walaupun cara di atas sangat sederhana, namun banyak hal yang berarti dalam membangun sistem pakar dengan mengekspresikan pengetahuan pakar dalam bentuk aturan di atas. Turban (1995) menyatakan bahwa konsep dasar dari suatu sistem pakar mengandung beberapa unsure/elemen, yaitu keahlian, ahli, pengalihan keahlian, inferensi, aturan, dan kemampuan menjelaskan. Keahlian merupakan suatu penguasaan pengetahuan di bidang tertentu yang didapatkan dari pelatihan, membaca atau pengalaman.
Struktur Sistem Pakar i. Basis pengetahuan (knowledge base) merupakan inti dari suatu sistem pakar, yaitu berupa representasi pengetahuan dari pakar. Basis pengetahuan tersusun atas fakta dan kaidah. Fakta adalah informasi tentang objek, peristiwa, atau situasi. Kaidah adalah cara untuk membangkitkan suatu fakta baru dari fakta yang sudah diketahui. Menurut Gondran (1986) dalam Utami (2002), basis pengetahuan merupakan representasi dari seorang pakar, yang kemudian dapat dimasukkan kedalam bahasa pemrograman khusus untuk kecerdasan buatan (misalnya PROLOG atau LISP) atau shell sistem pakar (misalnya EXSYS, PC-PLUS, CRYSTAL, dsb.) ii. Mesin inferensi berperan sebagai otak dari sistem pakar. Mesin inferensi berfungsi untuk memandu proses penalaran terhadap suatu kondisi, berdasarkan pada basis pengetahuan yang tersedia. Di dalam mesin inferensi terjadi proses untuk memanipulasi dan mengarahkan kaidah, model, dan fakta yang disimpan dalam basis pengetahuan dalam rangka mencapai solusi atau kesimpulan. Dalam prosesnya, mesin inferensi menggunakan strategi penalaran dan strategi pengendalian.Ada dua metode inferensi yang dapat digunakan, yaitu: 1. Forward Chaining Forward chaining merupakan metode inferensi yang melakukan penalaran dari suatu masalah kepada solusinya. Jika klausa premis sesuai dengan situasi (bernilai TRUE), maka proses akan menyatakan konklusi. Forward chaining adalah data-driven karena inferensi dimulai dengan informasi yang tersedia dan baru konklusi diperoleh.Jika suatu aplikasi menghasilkan tree yang lebar dan tidak dalam, maka gunakan forward chaining. Contoh dapat dilihat pada Gambar 3
iii. Basis data (database) terdiri atas semua fakta yang diperlukan, dimana fakta-fakta tersebut digunakan untuk memenuhi kondisi dari kaidah-kaidah dalam sistem. Basis data menyimpan semua fakta, baik fakta awal pada saat sistem mulai beroperasi, maupun fakta-fakta yang diperoleh pada saat proses penarikan kesimpulan sedang dilaksanakan. Basis data digunakan untuk menyimpan data hasil observasi dan data lain yang dibutuhkan selama pemrosesan. Kapal Patroli Pengelompokan KRI dalam 3 kekuatan yaitu Kapal Pemukul (Striking Forces), Kapal Patroli (Patrolling Forces) dan Kapal Support (Supporting Forces) dimaksudkan untuk memfokuskan skala prioritas dalam penyiapan kapal sesuai realita fungsi tempur di lapangan dengan dukungan sesuai fungsi masingmasing. Kelompok Patrolling Forces diprioritaskan pada sistem pendorong, peralatan navigasi serta operasi kehadiran di laut untuk penindakan kamla (Kasal, Pembangunan Kekuatan TNI AL sampai dengan 2024, Jakarta 2005). Unsur KRI yang termasuk dalam kelompok Patrolling Forces terdiri dari Parchim, Fast Patrol Boat (FPB) dan Patroli Cepat (PC). (Asops Kasal, Konsep Operasi TNI AL dalam rangka Penegakkan Kedaulatan dan Keamanan di Laut, FPSO 2004).
Gambar 5 Kapal patroli TNI AL kelas Parchim Gambar 3Contoh forward chaining 2.
Backward Chaining Menggunakan pendekatan goal-driven, dimulai dari harapan apa yang akan terjadi (hipotesis) dan kemudian mencari bukti yang mendukung (atau berlawanan) dengan harapan kita. Sering hal ini memerlukan perumusan dan pengujian hipotesis sementara.Jika suatu aplikasi menghasilkan tree yang sempit dan cukup dalam, maka gunakan backward chaining. Contoh backward chaining dapat dilihat pada gambar 4
Gambar 4 Contoh backward chaining
Gambar 5 menunjukkan kapal patroli TNI AL kelas Parchim memiliki berat 793 ton. Dengan dimensi 75,2 meter x 9,8 meter dengan draught 2,73 meter. Tanaga yang digunakan adalah 3 shaft M504 mesin diesel yang menghasilkan power 14,250 HP. Gambar 6 menunjukkan kapal patroli TNI AL kelas FPB memiliki berat 447 ton. Dengan dimensi 58,10 meter x 7,62 meter x 2,85 meter. Tanaga yang digunakan adalah 2 mesin diesel, 2 shaft menghasilkan 8,850 HP.
Gambar 6 Kapal patroli TNI AL kelas FPB
Gambar 7 menunjukkan kapal patroli TNI AL kelas PC memiliki berat 90 ton.Dengan dimensi 36 meter x 7 meter. Ditenagai oleh 3 mesin diesel MAN 3300 HP D2842 LE 410.
Gambar 7 Kapal patroli TNI AL kelas PC Pangkalan Angkatan Laut Pangkalan TNI AL sebagai bagian integral dari Sistem Senjata Armada Terpadu (SSAT) adalah merupakan ujung tombak dalam mendukung keberhasilan tugas-tugas satuan operasional TNI AL baik di masa damai maupun dimasa perang. Tugas pokok dan fungsi Pangkalan TNI AL adalah sebagai berikut : a. Tugas pokok. Menyelenggarakan dukungan administrasi dan logistik bagi unsur-unsur TNI AL (Kapal, Pesud dan Marinir) dan melaksanakanpembinaan dan pengamanan potensi maritime dengan memanfaatkan sarana dan prasarana yang dimiliki b. Tugas tambahan. Menyelenggarakan dukungan bagi kesatuan non TNI-AL sesuai fungsi dan kebutuhan. Dalam melaksanakan tugas-tugas tersebut, Pangkalan TNI AL mengemban fungsi-fungsi sebagai berikut : 1) Fungsi pendukung satuan operasi, yang meliputi : a) Fungsi dukungan fasilitas labuh. b) Fungsi dukungan fasilitas pemeliharaan dan perbaikan. c) Fungsi dukungan fasilitas pembekalan. d) Fungsi dukungan fasilitas perawatan personel. 2) Fungsi Keamanan Laut / Kamla. 3) Fungsi Pembinaan Teritorial Matra Laut / Binter Matla. Pangkalan TNI AL diatur dengan jenis dan kelas Pangkalan yaitu : 1) Pangkalan TNI AL Kelas A (Lanal Kelas A) 2) Pangkalan TNI AL Kelas B (Lanal Kelas B) 3) Pangkalan TNI AL Kelas C (Lanal Kelas C) 4) Pangkalan TNI AL Kelas khusus (Lanal khusus Kelas KH) 5) Pos Pengamat TNI AL (Posal) terdiri dari : a) Posal Tipe A b) Posal Tipe B c) Posal Tipe C Secara lengkap dapat dilihat pada Tabel 1 Tabel 1 Pangkalan TNI AL wilayah timur Indonesia
III.
HASIL DAN DISKUSI
Rules Dalam expert system kali ini akan terdapat beberapa rules yang akan membuat penyebaran dari masing – masing kapal memiliki karakteristik tertentu. Beberapa rules yang akan dipakai pada program kali ini adalah: 1. Karena ada beberapa sektor yang tidak memungkinkan jika menggunakan kapal kelas FPB dan TC maka dibuat rules agar kapal kelas tersebut tidak masuk ke sektor tersebut. (If kelas = FPB and kelas = TC then sektor 4 = null and sektor 7 = null) 2. Pada pangkalan kelas A diwajibkan dijaga oleh kapal besar (kelas PARCHIM) sehingga pada pangakalan tersebut hanya boleh di isi oleh kelas PARCHIM karena pangkalan kelas A merupakan pusat komando yang harus dijaga. (If pangkalan = surabaya and pangkalan = makasar and pangkalan = ambon and pangkalan = kupang and pangkalan = jayapura then kelas = PARCHIM) 3. Pada pangkalan terluar dari Indonesia maka harus di isi oleh kapal kelas PARCHIM dan pada pangkalan bagian dalam cukup di isi oleh kapal – kapal kecil. 4. Pada pangkalan yang berbatasan dengan wilayah Malaysia harus di isi oleh kapal besar atau kelas PARCHIM untuk menjaga kedaulatan Indonesia. 5. Untuk kapal – kapal dengan draft tertentu (<2.5m) tidak boleh di tempatkan di pangkalan dengan gelombang yang lebih besar dari 0.6m sehingga perlu dibuat rule untuk itu. Skenario Optimasi Dalam coding, urutan dari setiap baris menentukan yang mana yang akan di execute terlebih dahulu oleh karena itu diperlukan suatu skenario agar expert system
dapat berjalan secara urut dan teratur. Selain itu akan digunakan juga metode campuran dari backward dan forward chaining dikarenakan kekompleksan dari algoritma yang digunakan. Pada gambar 9 dapat dilihat halaman index dari program. Pertama kali dilakukan pemilihan kapal dengan menggunakan checklist box kemudian bias menekan tombol run maka kapal – kapal yang dicentang akan disebar menggunakan rules di atas
Gambar 9 Halaman awal (index) Dari halaman index dapat mengedit database yang ada dengan menekan tombol kapal dan Lanal dan Cuaca. IV.
KESIMPULAN DAN SARAN
Kesimpulan Dari data yang di peroleh di peroleh karaterstik masing masing kapal dan juga kondisi area patroli sehinga nantinya kan tepat penentuanya dalam kondisi tugasnya Dari system ini di ketahui positioning yang paling optimal dari tiap kapal di sektornya masing masing dan juga di ketahui pula rute patrol terbaik yang seharusnya di tepuh dalam patrol sehingga mampu menghemat waktu tenaga dan biaya Sistem yang dikembangkan bersifat dinamis sehingga berbagai macam kondisi dapat diselesaikan dengan ragam inputan yang bervariatif dalam penempatan armada TNI-AL wilayah Indonesia bagian timur Sistem kendali cerdas yang dikembangkan telah berhasil mendemokan serta memberikan solusi dalam permasalahan penempatan armada TNI-AL wilayah Indonesia bagian timur
Saran Sistem masih dapat dikembangkan untuk melakukan optimasi yang lebih tinggi lagi dikarenakan expert system sendiri selalu berkembang dan rules yang ada harus selalu diupdate V.
DAFTAR PUSTAKA
[1]Indrawan, Triyan (2010). Optimasi Distribusi Kapal Perang Armada TimurMenggunakan PSO Algoritma.Surabaya : Institut Teknologi Sepuluh Nopember. [2]Nash dan Sofer (1996).Solusi Suatu Pemrograman Linier. [3]http://en.wikipedia.org
