“PERANCANGAN PROGRAM OPTIMALISASI PENGGUNAAN UPHOLSTERY PADA SOFA DENGAN MENGGUNAKAN METODE ALGORITMA GENETIKA” Rico Aditya Prakasa Binus University, Jakarta, DKI Jakarta, Indonesia
Wikaria Gazali, S.Si.,MT Binus University, Jakarta, DKI Jakarta, Indonesia
Dr. Suryadiputra Liawatimena Binus University, Jakarta, DKI Jakarta, Indonesia
Abstrak Furniture saat ini merupakan usaha yang cukup berkembang pesat saat ini. Salah satu barang yang sering dibuat oleh sebuah furniture adalah sofa. Sofa adalah salah satu barang yang paling diminati oleh konsumen, dan selalu ada di setiap rumah, kantor dan tempat-tempat lainnya. Namun dalam pembuatan sofa, terkadang pengusaha furniture tidak terlalu memperhitungkan penggunaan upholstery sebagai salah satu bahan pembuat sofa. Banyaknya kain upholstery yang terbuang dan tidak terpakai, membuat banyak para pengusaha furniture yang mengalami kerugian. Di dalam skripsi ini, penulis ingin mencoba memberikan solusi pada para pengusaha furniture, terutama Perusahaan Niko Furniture untuk dapat memanfaatkan kain upholstery agar dapat di pakai lebih optimal, sehingga dapat memaksimalkan keuntungan yang didapat, serta meminimalkan biaya produksi. Solusi yang di berikan oleh penulis adalah program aplikasi
optimalisasi penggunaan upholstery pada sofa dengan menggunakan metode algoritma genetika. Algoritma Genetika adalah metode adaptive yang biasa digunakan dalam pencarian nilai dalam sebuah masalah optimasi, dengan menggunakan operatornya, yaitu seleksi, pindah silang, dan mutasi. Dengan memasukan inputan berupa spesifikasi pola dan ruang yang ada pada upholstery serta probabilitas ketiga operator Algoritma Genetika, maka akan ditemukan solusi optimal penyusunan pola pada upholstery berdasarkan nilai fitness. Kata Kunci: Optimalisasi, Upholstery, Algoritma Genetika, seleksi, pindah silang, mutasi
1. Pendahuluan Usaha furnitur saat ini sedang berkembang pesat di Indonesia. Setiap rumah pasti memiliki furnitur karena bukanlah suatu barang yang asing lagi bagi kehidupan. Bahan baku untuk membuat furnitur sangatlah beragam. Salah satu bahan baku yang cukup penting dalam pembuatan furnitur yaitu upholstery. Upholstery adalah kain yang digunakan untuk melapisi furnitur, seperti tempat tidur, sofa, kursi, dan sebagainya. Hal ini menjadikan upholstery bagian yang penting dalam pembuatan furnitur. Dalam pembuatan furnitur, perusahaan harus dapat menghitung ukuran bahan baku yang akan digunakan dengan baik, agar perusahaan tidak mengalami pemborosan. Namun pada kenyataanya, masih banyak perusahaan furnitur yang belum tahu bagaimana cara menghitung penggunaan bahan baku secara lebih optimal. Dengan perhitungan penggunaan bahan baku pembuatan furnitur, seperti upholstery, dengan baik, diharapkan perusahaan dapat memperkecil biaya produksi yang dibutuhkan. NIKO FURNITURE adalah salah satu perusahaan furnitur yang sedang berkembang di propinsi Lampung saat ini. Saat ini, perusahaan ini telah mendistribusikan ke lebih dari 100 toko furnitur di seluruh wilayah Lampung. Produk yang dibuat oleh perusahaan ini antara
lain sofa, springbed, dan lemari. NIKO FURNITURE masih memproduksi barangnya secara manual dan berdasarkan pengalaman saja, sehingga perusahaan sering sekali membutuhkan biaya produksi yang lebih besar dari seharusnya karena kurangnya pemahaman bahwa penggunaan bahan baku dapat lebih dioptimalkan secara komputasi. Oleh karena itu, penulis mencoba membantu perusahaan NIKO FURNITURE untuk mengoptimalisasikan penggunaan upholstery pada sofa dengan menggunakan Algoritma Genetika sebagai salah satu solusi untuk mengatasi masalah yang dihadapi perusahaan, sehingga perusahaan dapat lebih menekan biaya produksi yang dibutuhkan. Pada skripsi ini, penulis ingin membantu perusahaan furnitur agar dapat mengoptimalisasikan penggunaan upholstery yang dibutuhkan, sehingga perusahaan akan mendapatkan keuntungan yang lebih besar dan karena dapat mengurangi sisa bahan yang tak terpakai.
2. Pembahasan Untuk mengoptimalisasi penggunaan upholstery pada sofa dapat menggunakan Algoritma Genetika. Algoritma Genetika digunakan untuk mencari susunan pola sofa yang paling optimal jika diketahui terdapat bermacam-macam ukuran dan bentuk pola yang akan dimasukkan ke dalam sebuah bidang dua dimensi yaitu upholstery. Parameter optimal atau tidak dapat dilihat dari sisa ruang kosong pada bidang upholstery yang masih ada. Semakin sedikit ruang kosong yang ada dengan susunan pola tertentu akan menjadi solusi terbaik bagi masalah optimasi penyusunan pola sofa.
2.1.
Algoritma Genetika Menurut F.Herrera dan M.Lozano (2000), Algoritma Genetika adalah metode adaptif yang biasa digunakan untuk pencarian nilai dalam sebuah masalah optimasi.
Algoritma Genetika dikembangkan untuk simulasi beberapa proses yang diamati dalam evolusi alami, yaitu sebuah proses yang beroperasi pada kromosom. Sebelum Algoritma Genetika dapat dijalankan, representatif untuk persoalan harus dirancang terlebih dahulu. Untuk itu, maka titik solusi dalam permasalahan harus dikodekan dalam bentuk kromosom yang terdiri dari komponen genetik terkecil, yaitu gen. Langkah- langkah dalam Algoritma Genetika: a. Mendefinisikan Individu Individu merupakan salah satu dari solusi dari permasalahan yang ada. Beberapa definisi yang perlu diperhatikan dalam mendefinisikan individu untuk membangun penyelesaian permasalahan dengan Algoritma Genetika yaitu: ¾ Genotype (Gen) Dalam Algoritma Genetika, gen dapat berupa nilai biner, float, integer, maupun karakter, atau kombinatorial. Nilai dari gen disebut Allele ¾ Kromosom Yaitu gabungan dari gen-gen yang membentuk nilai tertentu. ¾ Individu Menyatakan satu nilai atau keadaan yang menyatakan salah satu solusi yang mungkin dari permasalahan yang diangkat. ¾ Populasi Merupakan sekumpulan individu yang akan diproses bersama dalam satu siklus proses evolusi. ¾ Generasi Menyatakan satu siklus proses evolusi atau iterasi di dalam algoritma genetika b. Mendefinisikan nilai Fitness
Nilai fitness merupakan nilai yang menyatakan baik atau tidaknya suatu solusi (individu) c. Menentukan proses pembangkitan seleksi awal. Pembangkitkan seleksi awal adalah proses membangkitkan beberapa individu secara acak, dan melalui prosedur tertentu. Teknik dalam pembangkitan seleksi awal yang dipakai untuk mengoptimalisasikan penggunaan upholstery dalam pola sebuah sofa, yang paling sesuai adalah penggunaan teknik Random Generator. Inti dari cara ini adalah melibatkan pembangkitan bilangan random untuk nilai setiap gen sesuai dengan nilai setiap kromosom yang digunakan. Jumlah kromosom yang dianjurkan harus lebih besar dari jumlah gen yang ada dalam satu kromosom, tetapi juga harus disesuaikan dengan permasalahan. d. Menentukan proses seleksi yang akan digunakan. Proses seleksi dilakukan untuk memilih individu-individu terbaik, yang akan dipilih untuk proses mutasi gen, atau cross-over. Semakin tinggi nilai fitness individu tersebut, maka kemungkinannya untuk terpilih akan semakin besar. e. Menentukan proses mutasi gen dan kawin silang (crossover) yang akan digunakan. ¾ Crossover. Crossover adalah operator dari Algoritma Genetika yang melibatkan dua induk untuk membentuk kromosom baru. Crossover merupakan faktor utama perbedaan antara Algoritma Genetika, dengan algoritma optimisasi lainnya. Operator crossover bergantung pada representasi kromosom yang dilakukan. Crossover dapat dibagi berdasarkan jumlah posisi yang dipilih, yaitu single point crossover dan multi point crossover. o Single-point crossover
Prinsip kerja dari single-point crossover adalah memunculkan satu angka random yang bernilai antara satu sampai dengan jumlah gen yang ada dalam kromosom dan nilai random tidak boleh sama dengan satu atau sama dengan jumlah gen.
Gambar 1. Single-point Crossover o Multi-point crossover Prinsip kerja multi-point crossover hampir sama seperti single-point crossover, hanya saja pada multi-point crossover, angka random yang dimunculkan lebih dari satu.
Gambar 2 Multi-point Crossover ¾ Mutasi Mutasi adalah penambahan, pengurangan, dan perubahan sebagian kromosom yang diharapkan akan memberikan nilai fitness yang lebih baik.
Prinsip kerja dari mutasi adalah memunculkan dua nilai random dari jumlah gen yang ada dalam kromosom tetapi kedua nilai tersebut tidak boleh sama. Setelah kedua nilai random ini dimunculkan, maka dua gen yang berada pada posisi kedua nilai random tersebut akan saling bertukar tempat. Mutasi hanya dilakukan jika peluang mutasi terlalu besar, sehingga mengalami banyak gangguan acak, sifat anak kehilangan kemiripan dari induknya, dan algoritma kehilangan kemampuan untuk belajar dari histori pencarian. Jika peluang mutasi terlalu kecil, banyak gen yang mungkin berguna tidak akan pernah dievaluasi.
Gambar 3 Mutasi
2.2.
Spesifikasi rumusan Rancangan Program ini dirancang dengan mengikuti prinsip-prinsip dari Object Oriented Programming (OOP) di mana hal-hal yang digunakan selama proses adalah sebuah objek. Alasan dari program ini mengikuti prinsip dari OOP karena:
1.
Cara kerja program ini adalah memproses data dari objek- objek yang ada di dunia nyata. Sebagai contoh, sebuah pola pada kain upholstery, akan diwakili dengan objek pola pada kain upholstery yang memiliki sifat yang sama seperti di dunia nyata, seperti dapat dirotasi, ditranslasi, dan sebagainya.
2. Object Oriented Programming (OOP) adalah teknik programming yang sedang berkembang saat ini. Banyak bahasa pemrograman yang menggunakan prinsip OOP, sehingga program pengoptimalisasian penggunaan upholstery pada sofa ini dapat dikembangkan lagi sesuai dengan kebutuhan user, dan dapat dengan mudah ditransfer dan dikembangkan dengan menggunakan bahasa pemrograman lain yang menggunakan prinsip OOP.
Format gambar yang akan digunakan dalam program ini adalah format gambar windows bitmap(.bmp). Alasan menggunakan format ini adalah karena windows bitmap dalam penggambarannya menggunakan piksel yang dipetakan ke dalam koordinat (x,y) sehingga lebih mudah untuk dimanipulasi ke dalam bentuk matriks.
Bitmap merupakan file yang tidak terkompresi yang berarti semua informasi gambar disimpan termasuk redudansi. Baik JPEG dan bitmap dapat berisi sebanyak 24-bit warna. Bedanya, JPEG adalah file terkompresi, sedangkan bitmap merupakan file tidak terkompresi. File bitmap cukup besar sehingga membuatnya sulit untuk dikirim melalui internet (mis: via email), sehingga file JPEG lebih disukai sebagai lampiran email. Namun, jika berulang kali menyimpan gambar sebagai JPEG, Anda akan melihat bahwa setelah beberapa kali menyimpan, kualitas gambar akan berkurang. Hal ini terjadi karena setiap kali menyimpan file JPEG, gambar akan dikompresi sehingga kehilangan informasi warna. Sehingga penulis memilih menggunakan file Bitmap dibandingkan file JPEG.
Rancangan program pengoptimalisasian penggunaan upholstery pada sofa ini, memiliki menu utama yaitu menu input, menu proses, menu output dan menu about.
Langkah-langkah yang akan dilakukan dalam program pengoptimalisasian penggunaan upholstery pada sofa ini adalah sebagai berikut: 1. Masukkan yang digunakan adalah pola sofa dengan format bitmap. Gambar yang diinput dengan format windows bitmap akan dikonversi menjadi matriks dua dimensi. Contoh gambar yang akan diinput dapat dilihat pada Gambar di bawah ini
Gambar 4 Object Pola 2. Sebelum memulai proses, user harus memasukan ukuran bidang uphostery yang akan digunakan. 3. Setelah user menginput seluruh proses yang dibutuhkan, user dapat menekan tombol proses, untuk memproses data sesuai dengan algorima genetika. Proses yang terjadi pada saat tombol proses ditekan, akan melakukan proses-proses Algoritma Genetika. Representasi kromosom dilakukan dengan representasi biner dengan dua variabel, yaitu panjang (p) dan lebar (l). Karena terdapat dua variabel, maka 1 kromosom terdiri atas 2 gen. Gen 1 mewakili variabel panjang, dan Gen 2 mewakili variabel lebar. Gen–gen yang telah terbentuk dimasukkan ke dalam kromosom sebanyak individu dalam populasi yang dibentuk oleh user. Proses penempatan gen berlangsung secara terus menerus setiap muncul generasi baru sampai iterasi maksimum yang diinputkan oleh user. Pada generasi pertama proses
penempatan gen dilakukan secara random. Setelah generasi pertama telah didapatkan, selanjutnya akan dibentuk generasi selanjutnya. Untuk membentuk generasi baru, digunakan operator seleksi, crossover, dan mutasi. Proses ini dilakukan secara berulang–ulang sehingga didapatkan jumlah kromosom yang cukup untuk membentuk generasi baru di mana generasi baru ini merupakan representasi dari solusi baru. Setelah melakukan pembentukan generasi baru, maka akan dilakukan penyusunan pola dalam bidang. Hal pertama yang akan dilakukan adalah pengecekan luas bidang. Pengecekan ini berfungsi untuk mencegah penyusunan pola keluar melewati bidang upholstery. Setelah itu, akan dilakukan pencarian tempat yang kosong untuk meletakkan pola dan koordinat bidang yang telah terisi akan ditandai agar tidak diisi kembali oleh pola yang lain, serta tidak terjadi perpotongan antar pola. Pada setiap akhir dari proses penyusunan pola, akan dihitung nilai fitnessnya. Semakin sedikit bidang kosong yang tidak terisi oleh pola, semakin tinggi nilai fitnessnya. Untuk menghitung bidang kosong yang tersisa, dilakukan dengan rumus:
Di mana:
Dan solusi yang diambil adalah susanan pola yang memiliki nilai fitness terbaik. Gambar 5 adalah flow cart proses program pengoptimalisasian penggunaan upholstery pada sofa:
Start
Klik Masukan
Input bidang upholstery
Input Pola Ya Tambah Tidak Buat gen 1
Buat gen 2
Seleksi
Cross Over Ya
Mutasi
Tidak
Nilai
Optimal Ya Output
Cari lagi? Tidak Selesai
Gambar 5 Flow chart Program
3. Penutup Berdasarkan hasil pengujian terhadap program dan pembahasan di atas, maka dapat ditarik kesimpulan sebagai berikut: 1. Program yang dihasilkan dengan bantuan metode Algoritma Genetika sebagai teknik untuk pencarian dapat menunjukkan posisi yang optimal dari pola-pola yang diletakkan pada sebuah bidang. 2. Metode Algoritma Genetika yang digunakan dalam program ini cukup fleksibel untuk suatu metode pencarian sehingga dimungkinkan untuk mengembangkannya sesuai dengan kebutuhan. 3. Hasil dari program dengan menggunakan Algoritma Genetika ini belum terlalu optimal bila dibandingkan dengan tenaga profesional, tetapi dapat menjadi lebih optimal bila perusahaan mempunyai karyawan yang belum terlalu profesional. 4. Penulis memilih menggunakan format gambar windows bitmap (.bmp) karena format windows bitmap menggunakan sistem koordinat sehingga mudah untuk mensinkronisasikan dengan objek pola yang digunakan program, selain itu Bitmap merupakan file yang tidak terkompresi sehingga semua informasi gambar disimpan termasuk redudansi Beberapa saran yang dapat diajukan untuk pengembangan program aplikasi ini bagi para peneliti lain adalah: 1. Menggunakan metode Algoritma Genetika dalam aplikasi yang membutuhkan teknik pencarian, karena metode ini sudah terbukti banyak diaplikasikan dalam berbagai bidang.
2. Format gambar yang digunakan hanya berupa format windows bitmap. Diharapkan dapat dikembangkan untuk menggunakan format gambar yang lebih umum di antaranya adalah JPEG, TIFF, dsb.
Daftar Pustaka Ahira, Anne. (2010) Beragam Desain Sofa Interior. URL http://www.anneahira.com/sofainterior.htm Akses pada 8 Juni 2011 Aini,
Anisa
Q.
(2009)
Upholstery
Bukan
Cuma
Kain
Pelapis
Sofa.
URL
http://www.ideaonline.co.id/iDEA/Furnitur/Artikel/Upholstery-Bukan-Cuma-KainPelapis-Sofa. Akses pada 8 Juni 2011 Basuki,
Achmad.
(2003).
ALGORITMA
GENETIKA
Suatu
Alternatif
Penyelesaian
Permasalahan, Searching, Optimasi, dan Mesin Learning. Jauhari,
Nurudin.
(2009)
Jenis-jenis
Kain
Penutup
Sofa.
URL
http://sofapatran.blogdetik.com/2009/11/19/jenis-jenis-kain-penutup-sofa/. Akses pada 8 Juni 2011 Nirwana, J. Aditya. (2011). Model Pengembangan Perangkat Lunak: Waterfall. URL: http://nirwana.blog.ugm.ac.id/2011/03/08/model-pengembangan-perangkat-lunakwaterfall/. Akses pada 17 Oktober 2011 Nurmuslimah, S., Hariadi Mochamad., Purnomo, M.Hery. (2010) SIMULASI KESESUAIAN MODEL
PAKAIAN
INTERAKTIF.
WANITA
MENGGUNAKAN
URL:
ALGORITMA
GENETIKA
repository.upnyk.ac.id/412/1/D-
17_SIMULASI_KESESUAIAN_MODEL_PAKAIAN_WANITA_MENGGUNAKAN_I GA.pdf. Akses pada 10 Oktober 2011 Rahardja, Willy. (2006) PERANCANGAN PROGRAM APLIKASI OPTIMASI PELETAKAN POLA PADA BIDANG DENGAN METODE TABU SEARCH. Diakses pada 9 Juni 2011.
Sukmawan, Budi. (2003) Sekilas Tentang Algoritma Genetika dan Aplikasinya pada Optimasi Jaringan Pipa Air Bersih. URL http://www.bimacipta.com/ga.htm. Akses pada 9 Juni 2011 Yuriena. (2010). Algoritma Genetik. URL http://yuriena.wordpress.com/2010/08/24/72/. Akses pada 9 Juni 2011 Herrera, F., Lozano, M. (2000). Two Loop Real Coded Genetic Algorithms with Adaptive Control of Mutation Step Sizes. URL dl.acm.org/citation.cfm?id=590930. Akses pada 8 November 2011
APPLICATION PROGRAM DESIGN IN OPTIMIZING THE USE OF UPHOLSTERY ON SOFA USING GENETIC ALGORITHM METHOD Rico Aditya Prakasa Binus University, Jakarta, DKI Jakarta, Indonesia
Wikaria Gazali, S.Si.,MT Binus University, Jakarta, DKI Jakarta, Indonesia
Dr. Suryadiputra Liawatimena Binus University, Jakarta, DKI Jakarta, Indonesia
Abstract Furniture is now a rapidly growing business that enough current. One of the items that are often made by the furniture is sofa. Sofa is one of the items most in demand by consumers, and are always there in every home, office and other places. However, in the manufacture of sofas, furniture occasionally businessmen not take into account the use of upholstery as one of the sofa fabric. The number of upholstery fabric is wasted and unused furniture to make a lot of entrepreneurs who suffered losses. Within this thesis, the author would like to try to provide solutions to the furniture business, especially Niko Furniture Company to take advantage of upholstery fabric that can be used more optimally, so as to maximize benefits and minimize production costs. The solution is given by the authors is the optimization of the application program on a sofa with upholstery using a genetic algorithm method. Genetic algorithms are adaptive methods that are commonly used in the search for values
in an optimization problem, using operators, namely selection, crossover, and mutation. To include a specification of input patterns and the existing space on the upholstery and the third probability Genetic Algorithm operator, then the optimal solution will be found the arrangement of the upholstery on the basis of fitness. Keywords: Optimization, Upholstery, Genetic Algorithm, selection, crossover, mutation
1. Introduction Furniture business is currently growing rapidly in Indonesia. Each home must have furniture because it is not a familiar item for life. The raw material for making furniture are extremely diverse. One of the important raw material in the manufacture of furniture upholstery. Upholstery is cloth that is used to coat the furniture, like beds, sofas, chairs, and so forth. It makes upholstery an important part in making furniture. In the manufacture of furniture, the company should be able to calculate the size of the raw materials to be used well, so companies do not have waste. But in reality, there are many furniture companies who do not know how to calculate the use of raw materials in a more optimal. With the calculation of the use of raw material for making furniture, such as upholstery, well, expected the company to reduce production costs is required. NIKO FURNITURE is one of a growing furniture company in Lampung province at this time. Currently, the company has distributed to more than 100 furniture stores across the region Lampung. Products made by companies such as sofa, mattress, and cabinets. NIKO FURNITURE is still producing the goods manually and based on experience alone, so companies often require greater production costs than it should because of lack of understanding that the use of raw materials can be further optimized computationally.
Therefore, the authors tried to help companies to optimize the use of NIKO FURNITURE upholstery on the sofa using a Genetic Algorithm as one solution to overcome the problems facing the company, so the company can further reduce the cost of production is needed. In this thesis, the author wants to help companies to optimize the use of furniture upholstery needs, so the company would earn greater profits and thus can reduce the remaining unused material.
2. General Guidelines To optimize the use of upholstery on the sofa could use a Genetic Algorithm. Genetic Algorithm is used to find the best arrangement of pattern sofa optimal if it is known there are a variety of sizes and shapes patterns that will be incorporated into a two-dimensional plane that is upholstery. Optimal parameters or can not be seen from the remaining space on the field of upholstery that still exist. The less space there is a certain arrangement of pattern would be the best solution to the problem of optimization of the arrangement of sofa.
2.1.
Genetic Algorithm According F.Herrera and M .Lozano (2000), Genetic Algorithms are adaptive methods used to search for values in an optimization problem. Genetic algorithms were developed to simulate some of the processes observed in natural evolution, a process that operates on a chromosome. Before the Genetic Algorithm can be executed, a representative for the issue to be designed first. To that end, the point of the solution in the problem must be encoded in a chromosome which consists of the smallest genetic component, namely the gene. Steps in Genetic Algorithms: a. Defining Individuals
Individual is one of the solutions of the problem. Some definitions need to be considered in defining the individual to build a settlement of the problems with the Genetic Algorithm is: ¾ Genotype (Gene) In Genetic Algorithm, a gene can be a binary value, float, integer, or character, or combinatorial. The value of the gene are called alleles. ¾ Chromosome Which is a combination of genes that form a certain value. ¾ Individual Declare a state of declared value or one of the possible solutions of the issues raised. ¾ Population Is a set of individuals that will be processed together in a single cycle of the evolutionary process. ¾ Generation Stated one cycle or iteration in the evolutionary process in genetic algorithm. b. Defining the Fitness Fitness value is the value that states whether or not a solution (individual) c. Determine the initial selection process generation. The generation of the initial selection is the process of generating a few random individuals, and through certain procedures. Techniques in the generation of the initial selection is used to optimize the use of a sofa upholstery in the pattern, the most suitable technique is the use of Random Number Generator. The essence of this method involves the generation of random numbers for the value
of each gene according to the value of each chromosome are used. The recommended number of chromosomes must be greater than the number of genes present in one chromosome, but also must be adapted to the problem. d. Determine the selection process will be used. The selection is to select the best individuals, which will be selected for the gene mutation, or cross-over. The higher the individual fitness values , then the chances of being selected will increase. e. Determine the gene mutation and crossover to be used. ¾ Crossover. Crossover is the operator of the Genetic Algorithm involving two parents to form new chromosomes. Crossover is the main factor of difference between Genetic Algorithm, with other optimization algorithms. Crossover operator relies on representations made chromosome. Crossover can be divided by the number of elected positions, the single point crossover and multi-point crossover. o Single-point crossover The working principle of single-point crossover is a random digit display that is worth between one and the number of genes present in the chromosome and random values should not be the same as the one or equal to the number of genes.
Image 1. Single-point Crossover
o Multi-point crossover The working principle of multi-point crossover is almost the same as single-point crossover, except that the multi-point crossover, random numbers are generated more than one.
Image 2 Multi-point Crossover ¾ M utation M utations are addition, subtraction, and some chromosomal changes that are expected to provide a better fitness value. The working principle of the mutation is a random display of two values of the number of genes present in the chromosome, but the two values should not be the same. After the second random value is generated, then the two genes are located on the second random value will be interchanging. M utation is only done if the chance of mutations is too large, so having a lot of random noise, the nature of the similarity of its parent loses a child, and the algorithm loses the ability to learn from the search history. If the chance of mutation is too small, many genes that might be useful would never be evaluated.
Image 3. M utation
2.2.
Formulation of draft specifications The program is designed to follow the principles of Object Oriented Programming (OOP) in which things are used during the process is an object. The reason of this program follows the principles of OOP because:
1. The workings of this program is processing the data of the objects that exist in the real world. For example, a pattern on fabric upholstery, the object will be represented by the pattern on the upholstery fabric that has the same properties as in the real world, as can be rotated, translated, etc. 2. Object Oriented Programming (OOP) is a programming technique that is being developed at this time. M any programming languages using OOP principles, thus optimizing the use of the program on the sofa upholstery can be developed more in accordance with user needs, and can be easily transferred and developed using other programming languages using OOP principles.
Format images to be used in this program is an image format windows bitmap (. Bmp). The reason to use this format because Windows bitmap is in his description of using pixels that are mapped to the coordinates (x, y) making it easier to be manipulated into the form of a matrix.
Bitmap is an uncompressed file, which means all information is stored, including redundancies. Both JPEG and bitmap can contain as much as 24-bit color. The difference is, JPEG is a compressed file, while the bitmap is not compressed files. Bitmap file is quite large, making them difficult to be sent via the internet (eg via email), so that the JPEG file preferably as email attachments. However, if you repeatedly save the image as a JPEG, you will see that after some time you save, the picture quality will be reduced. This happens because every time you save a JPEG file, the image will be compressed so that the loss of color information. So the authors chose to use a Bitmap file than JPEG files.
The steps to be taken in optimizing the use of the program on the sofa upholstery is as follows: 1. Enter the pattern used is a sofa with a bitmap format. Inputted image with windows bitmap format will be converted into two-dimensional matrix. Examples of images to be inputted can be seen in the picture below
Image 4 Object Pattern 2. Before starting the process, the user must enter upholstery field size to be used. 3. After the user inputs the whole process is required, the user can press the button, to process data in accordance with Genetics Algorithm.
The process that occurs when the button is pressed process, will perform the processes of Genetic Algorithms. Representation of chromosomes carried by the binary representation of two variables, namely length (p) and width (l). Since there are two variables, then a chromosome consists of two genes. 1 gene represents a variable length, and Gen 2 represents a variable width. Genes have been inserted into the chromosome to form as many individuals in a population formed by the user. Gene placement process continues over time each new generation until the maximum iteration is entered by the user. In the first generation of gene placement process carried out at random. After the first generation has been obtained, the next generation will be formed later. To form a new generation, use the selection operator, crossover, and mutation. This process is done repeatedly so we get a sufficient number of chromosomes to form a new generation in which this new generation is a representation of the new solution. After making the formation of a new generation, it will be done in the field of pattern drafting. The first thing to be done is extensive field checking. This function checks to prevent the preparation of the pattern out through the field of upholstery. After that, the search will be an empty place to put the patterns and coordinates the pre-filled fields are marked so as not to be refilled by another pattern, and the intersection between the pattern does not occur. At each end of the pattern making process, will be calculated fitness value. The less empty fields are not filled by the pattern, the higher the fitness value. To calculate the remaining fields blank, carried out by the formula:
Where:
And the solution is taken as the arrangement pattern that has the best fitness value. Image 5 is a flow chart the process of optimizing the use of the program on the sofa upholstery:
Start
Click the input
Input upholstery field Input Pattern Yes Add? No Create gene 1 Create gene 2 Selection Cross Over Yes
Mutation
No
Fitness Value
Optimal ? Yes Output
Search again? No End
Image 5 Flow chart Program
3. Conclusion Based on the results of testing of the program and the discussion above, it can be concluded as follows: 1. The program is produced with the aid of Genetic Algorithm method as a technique to search can show the position of the optimal patterns are placed on a field. 2. Genetic Algorithm method used in this program is flexible enough for a search method so that it is possible to develop it as needed. 3. The results of the program by using the Genetic Algorithm is not optimal when compared with the very professional staff, but may be more optimal if the company has employees who are not too professional. 4. The author chose to use windows bitmap image format (. Bmp) as windows bitmap format using the coordinate system so it is easy to synchronize with the object pattern used program, but it is a Bitmap files are not compressed so that all information is stored, including redundancies Some suggestions can be submitted for this application program development for researchers are: 1. Using the Genetic Algorithm method in applications that require search techniques, because this method has proven widely applied in a variety of needs. 2. Image format that is used only in the form of windows bitmap format. Expected to be developed to use the more common image formats include JPEG, TIFF, etc.
References Ahira, Anne. (2010) Beragam Desain Sofa Interior. URL http://www.anneahira.com/sofainterior.htm Access on June 8, 2011 Aini,
Anisa
Q.
(2009)
Upholstery
Bukan
Cuma
Kain
Pelapis
Sofa.
URL
http://www.ideaonline.co.id/iDEA/Furnitur/Artikel/Upholstery-Bukan-Cuma-KainPelapis-Sofa. Access on June 8, 2011 Basuki,
Achmad.
(2003).
ALGORITMA
GENETIKA
Suatu
Alternatif
Penyelesaian
Permasalahan, Searching, Optimasi, dan Mesin Learning. Jauhari,
Nurudin.
(2009)
Jenis-jenis
Kain
Penutup
Sofa.
http://sofapatran.blogdetik.com/2009/11/19/jenis-jenis-kain-penutup-sofa/.
URL
Access
on
June 8, 2011 Nirwana, J. Aditya. (2011). Model Pengembangan Perangkat Lunak: Waterfall. URL: http://nirwana.blog.ugm.ac.id/2011/03/08/model-pengembangan-perangkat-lunakwaterfall/. Access on October 17, 2011 Nurmuslimah, S., Hariadi M ochamad., Purnomo, M .Hery. (2010) SIMULASI KESESUAIAN MODEL
PAKAIAN
INTERAKTIF.
WANITA
MENGGUNAKAN
URL:
ALGORITMA
GENETIKA
repository.upnyk.ac.id/412/1/D-
17_SIM ULASI_KESESUAIAN_MODEL_PAKAIAN_WANITA_M ENGGUNAKAN_I GA.pdf. Access on October 10, 2011 Rahardja, Willy. (2006) PERANCANGAN PROGRAM APLIKASI OPTIMASI PELETAKAN POLA PADA BIDANG DENGAN METODE TABU SEARCH. Access on June 9, 2011 Sukmawan, Budi. (2003) Sekilas Tentang Algoritma Genetika dan Aplikasinya pada Optimasi Jaringan Pipa Air Bersih. URL http://www.bimacipta.com/ga.htm. Access on June 9, 2011
Yuriena. (2010). Algoritma Genetik. URL http://yuriena.wordpress.com/2010/08/24/72/. Access on June 9, 2011 Herrera, F., Lozano, M . (2000). Two Loop Real Coded Genetic Algorithms with Adaptive Control of Mutation Step Sizes. URL dl.acm.org/citation.cfm?id=590930. Access November 8, 2011