PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

PENERAPAN ALGORITMA VOGEL’S APPROXIMATION METHOD DAN MULTIPLIER UNTUK KASUS DISTRIBUSI BANTUAN BENCANA ALAM INDONESIA.

Skripsi

Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer Program Studi Teknik Informatika

Oleh: CHIPUTERA 095314021

PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SANATA DHARMA YOGYAKARTA 2013 i


THE APPLICATION OFVOGEL’S APPROXIMATION METHODAND MULTIPLIERALGORITHM FOR CASESDISTRIBUTION OF INDONESIAN NATURAL DISASTER RELIEF.

A Thesis

Presented as Partial Fulfillment of Requirements To Obtain the SarjanaKomputer Degree In Informatics Engineering Study Program

Oleh: CHIPUTERA 095314021

INFORMATICS ENGINEERING STUDY PROGRAM FACULTY OF SCIENCE AMD TECHNOLOGY UNIVERSITAS SANATA DHARMA YOGYAKARTA 2013 i


ii


iii


LEMBAR MOTTO

"If A equals success, then the formula is: A=X+Y+Z. X is work. Y is play. Z is keep your mouth shut." – Einstein

iv


PERNYATAAN KEASLIAN KARYA

Saya menyatakan dengan sesungguhnya bahwa skripsi yang saya tulis ini tidak memuat karya atau bagian karya orang lain, kecuali yang telah disebutkan dalam kutipan dan daftar pustaka sebagaimana layaknya karya ilmiah. Yogyakarta, 20 Februari 2013 Penulis

Chiputera

v


Abstrak

Ketidakmerataan distribusi bantuan bencana alam di Indonesia, merupakan permasalahan umum yang tak kunjung selesai. Banyak kasus dimana terdapat barak pengungsian atau yang biasa disebut posko, sangat terlambat mendapatkan penyaluran bantuan dari pemerintah. Hal ini terjadi karena kelemahan manajemen distribusi yang ada dari posko pusat (pemerintah) kepada posko masyarakat. Oleh karena itu penulis ingin membuat manajemen distribusi baru dengan menerapkan algoritma metode transportasi untuk menentukan alur distribusi, dalam rangka meningkatkan pemerataan penyebaran bantuan logistik di Indonesia. Algoritma metode transportasi yang akan diterapkan adalah Vogel's approximation method dan multiplier, yang berfungsi untuk menentukan pembagian alur distribusi bantuan bencana alam dari posko pusat ke posko masyarakat. Sistem manajemen distribusi tersebut merupakan sistem berbasis web yang diintegrasikan dengan application programming interface milik Google, yakni Google Maps dan Google Distance Matrix. Google Maps pada sistem informasi ini berfungsi untuk menampilkan posisi lokasi titik posko dan menggambarkan jalur dari hasil perhitungan menggunakan metode transportasi. Sedangkan Google Distance Matrix berfungsi untuk menentukan jarak antar titik posko yang akan dipergunakan sebagai variabel cost dalam metode transportasi. Website sistem ini dibangun menggunakan PHP 5 sebagai server-side scripting dan MySQL pada basis datanya. Selain pembangunan berbasis website, bagian dari sistem ini akan dibangun kedalam sebuah aplikasi android dengan menggunakan bahasa pemrograman Java. Aplikasi android pada sistem ini berfungsi untuk melakukan konfirmasi lokasi titik pada tiap posko, dengan memanfaatkan gps-receiver pada handphone bersistem operasi android.

vi


Abstract

Unequally distribution of Indonesian natural disaster relief, was the common problems that never completed. Many cases where there are refugee barracks or commonly known as posko, are very late getting channeling relief from the Government. It happens because of the weakness of the existing distribution management of posko Center (Government), to the citizen’s refugee barracks. Therefore the author wants to create a new distribution management by applying an algorithm to determine the transport method of the groove distribution, in order to improve equitable deployment of logistical support in Indonesia. The algorithm is a method of transportation that will be applied is Vogel's approximation method and multiplier, which serves to determine the division of flow distribution of natural disaster relief from the central refugee barracks to the citizen’s refugee barracks. This distribution management system is a web-based system, that is integrated with the application programming interface belong to Google, which named Google Maps and Google Distance Matrix. Google Maps on this information system, serves to display the position of refugee barrack’s location point and describes the calculation results using the transportation method. While the function of Google Distance Matrix is to determine the distance between the refugee barrack’s location point, that will be used as a cost variable in the transportation method. This system’s website built using PHP 5 as a server-side scripting and MySQL as the database. Besides web based development, the part of this system will be built into an android application using the Java programming language. Android applications on these systems serve to confirm the location’s point on each refugee barracks, by utilizing gps-receiver on android-phones.

vii


PUBLIKASI KARYA ILMIAH UNTUK KEPERLUAN AKADEMIS

Yang bertanda tangan dibawah ini, saya mahasiswa Universitas Sanata Dharma : Nama

: Chiputera

Nomor Mahasiswa

: 095314021

Demi pengembangan ilmu pengetahuan, saya memberikan kepada perpustakaan Universitas Sanata Dharma karya ilmiah saya yang berjudul : PENERAPAN ALGORITMA VOGEL’S APPROXIMATION METHOD DAN MULTIPLIER UNTUK KASUS DISTRIBUSI BANTUAN BENCANA ALAM INDONESIA. Beserta perangkat yang diperlukan. Dengan demikian saya memberikan kepada Perpustakaan Universitas Sanata Dharma hak untuk menyimpan, mengalihkan dalam bentuk media lain, mengelolanya dalam bentuk pangkalan data, mendistribusikan secara terbatas, dan mempublikasikannya di Internet atau media lain untuk kepentingan akademis tanpa perlu meminta ijin dari saya maupun memberikan royalty kepada saya selama tetap mencantukan nama saya sebagai penulis. Demikian pernyataan ini saya buat dengan sebenarnya.

Dibuat di Yogyakarta Pada tanggal : 21 Februari 2013 Yang menyatakan,

Chiputera viii


KATA PENGANTAR

Syukur kepada Tuhan Yang Maha Esa atas segala berkat dan bimbinganNya, sehingga penulis dapat menyelesaikan tugas akhir ini dengan baik. Tugas akhir ini disusun untuk memenuhi salah satu syarat untuk mencapai derajat dan memperoleh gelar Sarjana Teknik dari Program Studi Teknik Informatika, Fakultas Sains dan Teknologi, Universitas Sanata Dharma Yogyakarta.Penulis menyadari bahwa dalam pembuatan tugas akhir ini tidak terlepas dari bantuan berbagai pihak baik secara langsung maupun tidak langsung. Oleh sebab itu, pada kesempatan ini penulis ingin mengucapkan terimakasih kepada:

1. Tuhan Yesus Kristus, yang selalu memberikan pencerahan dan membimbing saya dalam menyelesaikan tugas akhir ini. 2. Bapak Albertus Agung Hadhiatma , S.T., M.T. selaku dosen pembimbing, yang telah meluangkan waktu dan pikiran untuk membantu, membimbing dan memberikan banyak masukan dan saran dalam proses penyusunan tugas akhir ini. 3. Ibu Ridowati Gunawan , S.Kom., M.T. selaku kepala prodi Teknik Informatika, Sanata Dharma, yang juga telah memberikan jawaban atas segala pernyataan saya tentang prosedur tugas akhir, dan memberi masukkan pada saya tentang perancangan basis data pada tugas akhir ini. 4. Orang Tua saya, khususnya Ayah saya, Jeffry Harrin Soediharno, yang telah memberikan kesempatan pada saya untuk dapat menimba ilmu yang sangat banyak. Kepada Almarhum Ibu saya yang ada di surga, yang saya yakin dia selalu melihat saya dan mendoakan saya pada Tuhan dalam sepanjang hidup saya sampai sekarang. 5. Kakak saya dan adik saya, Maya Chika yang telah membuat saya bersemangat ingin menyusul dirinya dalam jenjang karir dan Ludi Kurnia yang telah memberikan saya motivasi dalam diri untuk menjadi lebih baik setiap harinya melalui kisah hidupnya. ix


6. Adventia Emilia Krysna Sipi Seda, pacar sekaligus sahabat terbaik, yang selalu mendukung, memberi semangat, menghibur, dan memotivasi saya dalam penyelesaian tugas akhir ini. Selain itu, saya sangat berterimakasih kepadanya karena telah mengubah pandangan saya tentang dunia, yang membuat saya tidak pernah ragu untuk lebih maju dan berkembang, berani untuk mengambil resiko dalam setiap kesempatan, dan membuat hidup saya menjadi jauh lebih baik dari sebelum saya mengenal dia. 7. Teman-teman seperjuangan, Nico, Yosi, Fidi, Jenot, Kiki, Yudhi, Cosmas danPuji, yang selalu menghibur saya dan rela menjadi tempat saya untuk mengeksprsikan diri dengan tingkah saya yang sedikit konyol. 8. Audris Evan Utomo, seorang teman yang saya jadikan sebagai rival dalam mengerjakan tugas akhir ini dan menjadi teman untuk saling bertukar pikiran. Dimana dia dan saya sama-sama memiliki misi yang sama, yakni berjuanguntuk memperoleh gelar studi dengan cepat . 9. Teman-teman Teknik Informatika Sanata Dharma 2009, yang saling memberikan semangat dan dukungan dalam pengerjaan tugas akhir.

Yogyakarta, 17 Januari 2012

Penulis

x


DAFTAR ISI

HALAMAN JUDUL ………………………………………………………..

i

HALAMAN PERSETUJUAN .......................................................................

ii

HALAMAN PENGESAHAN ……………………………………...……….

iii

LEMBAR MOTO ……………………………………………………..……

iv

HALAMAN PERNYATAAN KEASLIAN KARYA ...................................

v

ABSTRAK .....................................................................................................

vi

ABSTRACT ...................................................................................................

vii

LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI ………………

viii

KATA PENGANTAR ..................................................................................

ix

DAFTAR ISI …………………………………………………………..……

xi

DAFTAR GAMBAR …………………………………………………….....

xv

DAFTAR TABEL ..........................................................................................

xviii

BAB I PENDAHULUAN ………………………………………………......

1

1.1

Latar Belakang Masalah ………………………………………….....

1

1.2

Rumusan Masalah ...………………………………………………...

5

1.3

Tujuan dan Manfaat Penulisan ....…………………………………...

5

1.4

Batasan Masalah …...………………………………………….........

6

1.5

Metodologi Penulisan ..……………………………………………..

7

1.6

Sistematika Penulisan …………………………………………........

8

BAB II TINJAUAN PUSTAKA .........……………………………………...

10

2.1

Riset Operasi .........................….…………………………………....

10

2.2

Model Transportasi ........................................………………………

11

2.3

Vogels Approximation Method .......………………………………..

13

2.4

Algoritma Multiplier .....................................……………………….

16

2.5

Google Maps .……………………………………………………….

23

2.6

Google Maps Application Programming Interface (API) ….…….....

24

2.7

Google Distance Matrix .....…………………………………………

26

xi


BAB III ANALISA DAN PERANCANGAN SISTEM ……………………

29

3.1.

Analisa Sistem ………………………………...................................

29

3.1.1. Fase Definisi Ruang Lingkup ….…….……………………..

29

3.1.2. Analisa Sebab Akibat …………….........................................

30

3.1.3. Gambaran Sistem Baru …………………………………......

32

3.1.3.1. Kelebihan Sistem dibanding Sistem Lain .......................

35

3.1.4. User Policy ……………….....................................................

36

Perancangan Metode Transportasi ………………………………….

37

3.2.1. Pseudocode Algoritma Vogels Approximation Method ........

38

3.2.2. Pseudocode Algoritma Multiplier ..........................................

38

Perancangan Sistem ……..........….…………………………………

39

3.3.1. Identifikasi Stakeholder dan User Profiles ……………........

39

3.3.2. Model Usecase ……………………………………...............

41

3.3.2.1. Usecase Diagram ............................................................

41

3.3.2.2. Narasi Usecase Website DMS-INDSR ...........................

43

3.3.2.3. Narasi Usecase Android ..................................................

51

3.3.3. Diagram Konteks .......…….…………………………..…….

52

3.3.4. Data Flow Diagram ………………………………..………..

52

3.3.4.1. DFD Level 1 ....................................................................

53

3.3.4.2. DFD Level 2 Proses 1 .....................................................

54

3.3.4.3. DFD Level 3 Proses 4 .....................................................

55

3.3.5. Deskripsi Proses .....................................................................

55

3.3.6. Kamus Data ............................................................................

61

3.3.7. Diagram Aktifitas ...................................................................

64

3.3.7.1. Diagram Aktifitas Login .................................................

64

3.3.7.2. Diagram Aktifitas Kelola Posko – Buat Posko ...............

65

3.3.7.3. Diagram Aktifitas Kelola Posko – Edit Posko ................

65

3.3.7.4. Diagram Aktifitas Kelola Posko – Hapus Posko ............

66

3.3.7.5. Diagram Aktifitas Mengubah Profil ...............................

66

3.2.

3.3.

3.3.7.6. Diagram Aktifitas Mengelola Kategori – Tambah xii


Kategori Logistik .............................................................

67

3.3.7.7. Diagram Aktifitas Mengelola Kategori – Hapus Kategori Logistik .............................................................

67

3.3.7.8. Diagram Aktifitas Melihat Jalur Distribusi .....................

68

3.3.7.9. Diagram Aktifitas Mengganti Data Logistik .................

69

3.3.8. Entity Relationship (ER) Diagram .........................................

69

3.3.9. Relational Model ....................................................................

70

3.3.10. Tabel .......................................................................................

71

3.3.11. Perancangan Antarmuka ........................................................

72

3.3.11.1. Halaman Login ...........................................................

72

3.3.11.2. Halaman Posko ..........................................................

73

3.3.11.3. Halaman Map .............................................................

73

3.3.11.4. Halaman Profil ...........................................................

74

3.3.11.5. Halaman Kategori ......................................................

74

3.3.11.6. Halaman Home ..........................................................

75

3.3.11.7. Halaman Profil Posko ................................................

75

3.3.11.8. Halaman Logistik .......................................................

76

3.3.11.9. Halaman Konfirmasi Android ....................................

76

BAB IV IMPLEMENTASI SISTEM …...…………………………….........

77

4.1.Pengolahan Data Posko ……….......…………………………….

77

4.1.1. Google Distance Matrix .............................................

85

4.2. Implementasi Database ...…………………………....................

86

4.2.1. Tabel User ..................................................................

87

4.2.2. Tabel Posko ................................................................

87

4.2.3. Tabel Cost ..................................................................

88

4.2.4. Tabel Kategori Logistik .............................................

88

4.2.5. Tabel Logistik ............................................................

89

4.3. Implementasi Program dan Pembahasan ………...….……........

89

4.3.1. Halaman Login ...........................................................

90

4.3.2. Halaman User BNPB .................................................

91

xiii


4.3.2.1. Halaman Posko .............................................

91

4.3.2.2. Halaman Posko – Buat Posko .......................

92

4.3.2.3. Halaman Posko – Edit Posko ........................

93

4.3.2.4. Halaman Posko – Hapus Posko ....................

94

4.3.2.5. Halaman Map ................................................

94

4.3.2.6. Halaman Profile ............................................

96

4.3.2.7. Halaman Kategori .........................................

98

4.3.3. Halaman User Posko ..................................................

99

4.3.3.1. Halaman Home .............................................

99

4.3.3.2. Halaman Profile ............................................

99

4.3.3.3. Halaman Logistik ..........................................

100

4.3.4. Halaman Konfirmasi Lokasi Posko (Android) ..........

101

BAB V PENGUJIAN DAN ANALISIS HASIL ……………………….......

104

5.1. Pengujian Metode Transportasi pada DMS-INDSR …………...

104

5.1.1. Perhitungan Manual ...................................................

106

5.1.2. Perbandingan dengan Perhitungan Sistem .................

121

5.1.3. Pengujian dengan Simulasi supply-demand berbeda..

123

5.1.3.1.Pengujian dengan supply lebih tinggi ............

123

5.1.3.2.Pengujian dengan demand lebih tinggi ..........

125

5.1.3.3.Pengujian dengan nilai supply dan demand yang berbanding jauh .....................................

127

5.2. Pengujian Kehandalan Sistem .....................................................

132

BAB VI PENUTUP ………….......................................................................

134

6.1. Kesimpulan ………….................................................................

134

6.2. Saran ...........................................................................................

135

DAFTAR PUSTAKA……………………………………………………….

xiv


DAFTAR GAMBAR

Gambar (2-1) : Real World System .....……………………………………..

11

Gambar (2-2) : Lingkaran Evaluasi ……………………………...………....

22

Gambar (2-3) : Hasil Iterasi Algoritma Multiplier ........................................

23

Gambar (2-4) : Google Maps View ...............................................................

24

Gambar (2-5) : Google Reference .................................................................

26

Gambar (2-6) : Google Distance Matrix Form ..............................................

27

Gambar (2-7) : Form Request for JSON Output ...........................................

28

Gambar (2-8) : Form Request for XML Output ............................................

28

Gambar (2-9) : Google Distance Matrix Output ............................................

28

Gambar (3-1) : Arsitektur DMS-INDSR .......................................................

33

Gambar (3-2) : Diagram UML Metode Transportasi ....................................

37

Gambar (3-3) : Usecase User BNPB Web .....................................................

41

Gambar (3-4) : Usecase User Posko Web ......................................................

42

Gambar (3-5) : Usecase User Posko Android ................................................

42

Gambar (3-6) : Diagram Konteks ..................................................................

51

Gambar (3-7) : Data Flow Diagram Level 1 ..................................................

52

Gambar (3-8) : Data Flow Diagram Level 2 Proses 1 ...................................

53

Gambar (3-9) : Data Flow Diagram Level 2 Proses 4 ...................................

54

Gambar (3-10) : Diagram Aktifitas Login .....................................................

63

Gambar (3-11) : Diagram Aktifitas Buat Posko ............................................

64

Gambar (3-12) : Diagram Aktifitas Edit Posko .............................................

64

Gambar (3-13) : Diagram Aktifitas Hapus Posko ..........................................

65

Gambar (3-14) : Diagram Aktifitas Ubah Profil ............................................

65

Gambar (3-15) : Diagram Aktifitas Tambah Kategori Logistik ....................

66

Gambar (3-16) : Diagram Aktifitas Hapus Kategori Logistik .......................

66

Gambar (3-17) : Diagram Aktifitas Melihat Jalur Distribusi .........................

67

Gambar (3-18) : Diagram Aktifitas Mengganti Data Logistik .......................

68

xv


Gambar (3-19) : Entity Relationship ..............................................................

68

Gambar (3-20) : Relational Model .................................................................

69

Gambar (3-21) : Halaman Login ....................................................................

71

Gambar (3-22) : Halaman Posko ...................................................................

72

Gambar (3-23) : Halaman Map ......................................................................

72

Gambar (3-24) : Halaman Profil ....................................................................

73

Gambar (3-25) : Halaman Kategori ...............................................................

73

Gambar (3-26) : Halaman Home ...................................................................

74

Gambar (3-27) : Halaman Profil Posko .........................................................

74

Gambar (3-28) : Halaman Halaman Logistik ................................................

75

Gambar (3-28) : Halaman Konfirmasi Android .............................................

75

Gambar (4-1) : Data Posko kml .....................................................................

77

Gambar (4-2) : Data Posko xls .......................................................................

77

Gambar (4-3) : Data Posko Hasil Pengolahan, bertipe xml ...........................

78

Gambar (4-4) : Request Url Google Distance Matrix API ............................

84

Gambar (4-5) : Controller Pada Sistem .........................................................

88

Gambar (4-6) : Kelas Model Pada Sistem .....................................................

89

Gambar (4-7) : Kelas View Pada Sistem .......................................................

89

Gambar (4-8) : Halaman Login ......................................................................

90

Gambar (4-9) : Halaman Kelola Posko ..........................................................

91

Gambar (4-10) : Form Posko Baru ................................................................

91

Gambar (4-11) : Penanganan Empty Field Error ...........................................

92

Gambar (4-12) : Halaman Edit Posko ............................................................

92

Gambar (4-13) : Jendela Konfirmasi Penghapusan Posko .............................

93

Gambar (4-14) : Halaman Map ......................................................................

94

Gambar (4-15) : Halaman Map dengan Jalur .................................................

94

Gambar (4-16) : Halaman Ubah Profil ..........................................................

95

Gambar (4-17) : Halaman Ubah Profil – Pindah Marker ..............................

96

Gambar (4-18) : Halaman Ubah Profil – Form Pergi Ke ..............................

96

Gambar (4-19) : Halaman Kategori Logistik .................................................

97

xvi


Gambar (4-20) : Halaman Home Posko .........................................................

98

Gambar (4-21) : Halaman Profil Posko .........................................................

99

Gambar (4-22) : Halaman Logistik ................................................................

99

Gambar (4-23) : Halaman Konfirmasi Lokasi ...............................................

100

Gambar (4-24) : Halaman Pesan Sukses ........................................................

100

Gambar (5-1) : Hasil Perhitungan Oleh Sistem .............................................

118

Gambar (5-2) : Hasil Pengujian Kehandalan Sistem .....................................

120

Gambar (5-3) : Hasil Pengukuran Running-Time ..........................................

121

xvii


DAFTAR TABEL

Tabel (2-1) : Tabel Model Transportasi …………….……………………....

13

Tabel (2-2) : Pencarian Nilai Opportunity Cost ...……………...……….......

14

Tabel (2-3) : Pencarian nilai cost minimum pada opportunity cost tertinggi

15

Tabel (2-4) : Pengisian nilai dan penghapusan baris/kolom ..........................

15

Tabel (2-5) : Hasil Iterasi II ...........................................................................

16

Tabel (2-6) : Hasil Iterasi III ..........................................................................

16

Tabel (2-7) : Hasil Akhir Algoritma Vogels Approximation Method ...........

16

Tabel (2-8) : Solusi Awal ...............................................................................

18

Tabel (2-9) : Pencarian variabel u-v, Iterasi I ................................................

18

Tabel (2-10) : Pencarian variabel u-v, Iterasi II .............................................

19

Tabel (2-11) : Pencarian variabel u-v, Iterasi III ............................................

19

Tabel (2-12) : Pencarian variabel u-v, Iterasi IV ...........................................

20

Tabel (2-13) : Pencarian variabel u-v, Iterasi V .............................................

20

Tabel (2-14) : Pencarian variabel u-v, Iterasi VI ...........................................

21

Tabel (2-15) : Pencarian variabel u-v, Iterasi VII ..........................................

21

Tabel (2-16) : Pengisian nilai variabel non-basis ...........................................

22

Tabel (2-17) : Parameter form Google API ...................................................

27

Tabel (3-1) : Tabel Analisa Sebab Akibat .....................................................

31

Tabel (3-2) : Identifikasi Stakeholder ............................................................

39

Tabel (3-3) : User Profiles .............................................................................

40

Tabel (3-4) : Tabel Posko ...............................................................................

70

Tabel (3-5) : Tabel User .................................................................................

70

Tabel (3-6) : Tabel Cost .................................................................................

70

xviii


Tabel (3-7) : Tabel Kategori Logistik ............................................................

70

Tabel (3-8) : Tabel Logistik ...........................................................................

71

Tabel (5-1) : Posko Kabupaten Sleman .........................................................

101

Tabel (5-2) : Posko Pusat Kabupaten Sleman ................................................

103

Tabel (5-3) : Posko Masyarakat Kabupaten Sleman .....................................

103

Tabel (5-4) : Uji Manual – Tabel Awal .........................................................

104

Tabel (5-5) : Uji Manual – Iterasi I, Pencarian Nilai Dummy .......................

105

Tabel (5-6) : Uji Manual – Iterasi I, Pencarian Nilai Dummy Max dan Cost Min .................................................................................................................

105

Tabel (5-7) : Uji Manual – Hasil Iterasi I ......................................................

106

Tabel (5-8) : Uji Manual – Iterasi II, Pencarian Nilai Dummy .....................

107

Tabel (5-9) : Uji Manual – Iterasi II, Pencarian Nilai Dummy Max dan Cost Min .........................................................................................................

107

Tabel (5-10) : Uji Manual – Hasil Iterasi II ...................................................

108

Tabel (5-11) : Uji Manual – Iterasi III, Pencarian Nilai Dummy ..................

108

Tabel (5-12) : Uji Manual – Iterasi III, Pencarian Nilai Dummy Max dan Cost Min ........................................................................................................

109

Tabel (5-13) : Uji Manual – Hasil Iterasi III .................................................

109

Tabel (5-14) : Uji Manual – Iterasi IV, Pencarian Nilai Dummy ..................

110

Tabel (5-15) : Uji Manual – Iterasi IV, Pencarian Nilai Dummy Max dan Cost Min ........................................................................................................

110

Tabel (5-16) : Uji Manual – Hasil Iterasi IV .................................................

111

Tabel (5-17) : Uji Manual – Iterasi V, Pencarian Nilai Dummy ...................

112

Tabel (5-18) : Uji Manual – Iterasi V, Pencarian Nilai Dummy Max dan Cost Min .........................................................................................................

112

Tabel (5-19) : Uji Manual – Hasil Iterasi V ...................................................

113

Tabel (5-20) : Uji Manual – Iterasi VI, Pencarian Nilai Dummy ..................

113

Tabel (5-21) : Uji Manual – Iterasi VI, Pencarian Nilai Dummy Max dan Cost Min ........................................................................................................

114

Tabel (5-22) : Uji Manual – Hasil Iterasi VI .................................................

114

xix


Tabel (5-23) : Uji Manual – Iterasi VII, Pencarian Nilai Dummy ................

115

Tabel (5-24) : Uji Manual – Iterasi VII, Pencarian Nilai Dummy Max dan Cost Min .........................................................................................................

115

Tabel (5-25) : Uji Manual – Hasil Iterasi VII ................................................

116

Tabel (5-26) : Uji Manual – Iterasi VIII, Pencarian Nilai Dummy ...............

116

Tabel (5-27) : Uji Manual – Iterasi VIII, Pencarian Nilai Dummy Max dan Cost Min ........................................................................................................

117

Tabel (5-28) : Uji Manual – Iterasi I, Hasil Iterasi VIII ................................

117

Tabel (5-29) : Hasil Solusi Awal – Vogel’s Approximation Method .............

118

Tabel (5-30) : Solusi Paling Minimum .........................................................

119

xx


BAB I PENDAHULUAN

1.1. Latar Belakang Dewasa ini dunia teknologi informasi khususnya pada teknologi komputasi telah berkembang sangat pesat. Tidak sedikit masalah praktis manusia telah dimodelkan kedalam metode matematis dalam teknologi komputasi. Program linier dalam riset operasi merupakan salah satu bukti dari pesatnya perkembangan teknologi komputasi yang telah diterapkan dalam masalah ekonomi, industri, militer, sosial dan lain-lain, menggunakan bantuan komputer. Program linier

merupakan salah satu metode matematis dalam

mengalokasikan sumber daya yang terbatas, untuk mencapai suatu tujuan seperti memaksimumkan keuntungan dan meminimumkan biaya. Pemrograman linier berkaitan dengan penjelasan suatu kasus dalam dunia nyata sebagai suatu model matematik yang terdiri dari sebuah fungsi tujuan linier dengan beberapa kendala linier. Salah satu bentuk metode program linier adalah metode transportasi. Metode transportasi merupakan metode optimasi yang digunakan untuk menentukan cara distribusi suatu jenis barang dari beberapa sumber (supply) ke beberapa tujuan (demand) dengan biaya (cost) yang minimum. Sasaran dalam metode transportasi ini adalah mengalokasikan barang yang ada pada sumber sedemikian rupa, sehingga terpenuhi semua kebutuhan pada tujuan. Namun tujuan utama dari metode transportasi ini ialah untuk mencapai jumlah biaya yang dikeluarkan yang serendah-rendahnya. Kompleksitas dalam riset operasi adalah

1

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 2

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI sistem didunia nyata menghasilkan jumlah variabel pembatas yang sangat besar, yang berfungsi mengatur tingkah laku dari sistem ini (Taha, Hamdy A, 1976). Oleh karena banyaknya variabel pembatas yang dihasilkan, maka sangat dibutuhkan penggunaan komputer untuk mengolah data-data yang ada. Pembataspembatas tersebut ditemukan dengan cara melakukan studi terlebih dahulu terhadap masalah distribusi yang hendak diselesaikan. Studi dilakukan untuk memperoleh berapa variabel supply dan demand yang ada dalam suatu kasus, kemudian dari variable tersebut akan dilakukan penghitungan cost yang ada diantara masing-masing kunjungan. Vogel's approximation method adalah salah satu contoh algoritma dari metode transportasi yang dapat digunakan untuk memecahkan masalah distribusi. Algoritma Vogel's approximation method merupakan algoritma yang paling baik dibandingkan dengan algoritma lainnya seperti algoritma north-west corner. Salah satu kelebihan dari algoritma Vogel's approximation method

adalah tingkat

fleksibilitas yang tinggi, tidak seperti north-west corner yang memiliki syarat variabel demand dan supply harus berjumlah sama. Penerapan algoritma Vogel's approximation method untuk masalah transportasi seringkali memberikan hasil solusi yang optimal. Namun pada beberapa jenis variabel pembatas, algoritma Vogel's approximation method ini belum bisa memberikan solusi paling optimal. Maka dari itu pencarian solusi optimum membutuhkan algoritma lanjutan, yakni algoritma multiplier. Algoritma multiplier merupakan salah satu metode untuk mendapatkan solusi akhir yang fleksibel dan optimal dari permasalahan transportasi. Metode ini


PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI dapat digunakan apabila variable basis sudah ditentukan menggunakan Vogel's approximation method.

Terdapat banyak masalah distribusi yang dapat

diselesaikan dengan menggunakan algoritma metode transportasi ini, salah satunya adalah masalah distribusi bantuan bencana alam yang terjadi antar posko di Indonesia. Pada dasarnya posko terbagi menjadi dua jenis, yakni posko penyalur dan posko penerima. Posko penyalur biasanya merupakan posko yang ditentukan sebagai sumber/pusat, yakni tempat bantuan-bantuan yang di berikan oleh masyarakat ditampung dan kemudian dari posko sumber tersebut bantuan akan disalurkan pada posko penerima yang sudah terdaftar. Sedangkan posko penerima merupakan posko yang didirikan oleh masyarakat setempat dan terkadang tidak diketahui oleh umum, sehingga tidak mendapatkan bantuan secara langsung. Oleh sebab itu diperlukan proses distribusi bantuan, yang dilakukan oleh seluruh posko pusat (penyalur) kepada tiap posko masyarakat (penerima). Berdasarkan peraturan kepala Badan Nasional Penanggulangan Bencana (BNPB) Nomor 04 Tahun 2009 tentang pedoman bantuan logistik, proses pembagian pendistribusian bantuan logistik dari posko pusat dilakukan sesuai wilayah nasional, provinsi, maupun kabupaten/kota. Proses pendistribusian ini dilaksanakan tanpa melihat dari sisi kebutuhan logistik, jumlah pengungsi pada tiap posko dan efektifitas pendistribusian. Sehingga terkadang bantuan logistik yang disalurkan, turun ke posko dengan jumlah yang kurang tepat. Hal tersebut mengkibatkan beberapa posko mendapatkan bantuan yang berlebih atau melimpah, sementara beberapa posko lainnya kurang mendapatkan bantuan


PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI logistik. Selain itu proses pendistribusian bantuan logistik yang dilaksanakan tanpa memperhatikan sisi keefektifan transportasi, menyebabkan keterlambatan datangnya bantuan pada posko yang dituju dan biaya yang dikeluarkan lebih mahal. Dalam kasus manajemen distribusi bencana alam, pembuatan sistem manajemen distribusi menggunakan metode transportasi ini dapat diterapkan. Penerapan dapat terjadi karena terdapat variabel source dan destination yakni posko pusat dan masyarakat, dengan menggunakan bantuan logistik pada variabel supply dan demand. Namun dalam kasus yang darurat seperti bencana alam, terkadang studi yang dilakukan untuk menemukan pembatas-pembatas tersebut menjadi sangat tidak praktis terutama dalam pengukuran variabel cost. Variabel cost yang berupa jarak antar titik posko (source-destination cost), memerlukan pengukuran terlebih dahulu. Hal ini memakan waktu yang sangat lama, sehingga menyebabkan algoritma ini sulit diterapkan pada kasus dengan batas waktu penyelesaian masalah yang sangat pendek. Posko yang ada dalam suatu bencana dapat berjumlah belasan, atau bahkan puluhan. Tentunya tidak mungkin kita sebagai rekayasawan menerapkan algoritma transportasi ini secara langsung ke dalam kasus yang sangat darurat, seperti kasus distribusi bencana alam. Maka dari itu penulis mengusulkan penerapan metode transportasi dengan memanfaatkan teknologi navigasi Global Positioning System (GPS), untuk pencarian cost pada kasus bencana alam ini. Pengintegrasian ini membuat variabel cost dapat ditemukan dengan mudah, dengan menggunakan lokasi koordinat dari posko pusat dan tujuan.


PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI Hal ini yang melatarbelakangi penulis untuk menerapkan metode transportasi

pada

distribusi

bantuan

bencana

alam

Indonesia,

dengan

mengitregasikan teknologi GPS untuk penentuan cost. Namun pada kasus ini belum dapat dipastikan apakah terdapat keterbatasan atau kekurangan algoritma pada metode transportasi yang digunakan, dalam menangani variabel pembatas dengan nilai stok yang tidak tetap dan terkadang berbanding jauh. Maka dari itu penulis juga harus melakukan pengujian algoritma tersebut pada kasus distribusi bencana alam.

1.2. Rumusan Masalah Dari latar belakang masalah diatas, penulis melakukan perumusan masalah yakni : Sejauhmana algoritma Vogel's approximation method dan Multiplier yang diintegrasikan dengan teknologi Global Positioning System (GPS) dapat diterapkan dalam kasus distribusi bantuan bencana alam.

1.3. Tujuan dan Manfaat Penulisan Penulisan tugas akhir ini ditujukan untuk membantu pemerintah khususnya pada Badan Nasional Penanggulangan Bencana (BNPB) dalam menentukan alur distribusi bantuan dari posko yang tersebar, agar biaya yang dikeluarkan lebih minimal dan proses distribusi menjadi lebih terorganisir. Selain itu sistem informasi ini bermanfaat bagi para korban bencana alam, agar bisa mendapatkan bantuan dengan dengan cepat.


PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 1.4. Batasan Masalah Mengingat ruang lingkup penelitian mengenai sistem informasi distribusi bantuan bencana alam ini cukup luas, sehingga penelitian ini hanya dibatasi pada : 1. Menggunakan ruang lingkup kasus distribusi posko yang terbentuk pada saat bencana alam di negara Indonesia saja. 2. Pengujian pada tugas akhir ini dilakukan pada metode transportasi yang digunakkan, dengan melihat kebenaran dari hasil dan kehandalan sistem untuk melakukan perhitungan. 3. Studi kasus yang digunakan pada saat pengujian sistem adalah daftar titik lokasi persebaran posko yang terbentuk pada saat bencana erupsi Merapi setelah 5 November 2010, yakni saat setelah terjadinya letusan besar dan zona aman berada pada radius 20 km dari puncak merapi. Data titik posko dan jumlah pengungsi diambil dari situs partisipasi-merapi milik Universita Gadjah Mada (www.merapi-partisipasi.ugm.ac.id). 4. Studi kasus digunakan untuk memperoleh variabel cost, source, dan destination. 5. Variabel cost diambil dari masing-masing titik koordinat posko yang berupa jarak antar titik (statis). 6. Variabel supply dan variabel demand diambil berdasarkan simulasi perhitungan dari jumlah pengungsi dimasing-masing titik posko. Sedangkan untuk jenis posko penyalur atau posko penerima ditentukan oleh penulis.


PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 7. Jenis logistik yang didistribusikan dalam pengujian sistem, menggunakan kebutuhan pokok yakni beras. Pengandaian kebutuhan beras adalah 1 kg per hari untuk setiap orang dalam barak pengungsian.

1.5. Metodologi Penulisan Metodologi yang digunakan dalam pelaksanaan penulisan tugas akhir ini adalah sebagai berikut : 1. Penelitian Kepustakaan a. Mempelajari literatur yang berkaitan dengan penggunaan algoritma yang akan dipergunakan, yakni algoritma Vogel's approximation method dan multiplier dalam riset operasi. b. Mempelajari literatur tentang pemakaian application programming interface dari Google Maps. c. Mempelajari literatur mengenai teknik pengkodean menggunakan Java Andrioid, PHP 5, Javascript, dan XML. 2. Pengumpulan Data Mengumpulkan data berupa nama posko, lokasi posko, dan jumlah penduduk yang didapatkan dari situs merapi-partisipasi milik Universitas Gadjah Mada, untuk pengujian/percobaan aplikasi. 3. Analisis Sistem Melakukan analisis untuk mengidentifikasi masalah pada sistem yang akan dibuat dengan metode PIECES ( Performance, Information, Economy,


PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI Control, Efficiency,and Service ) dan melakukan pengamatan pada data pengujian. 4. Perancangan Perangkat Lunak Merancang sistem dengan menggunakan pendekatan pembangunan perangkat lunak secara terstruktur. 5. Implementasi a. Melakukan proses scripting untuk pengolahan data titik posko yang sebelumnya telah dianalisis. b. Mengintegrasikan sistem dengan application programming interface dari Google Maps. c. Melakukan pengkodean algoritma Vogel's approximation method dan multiplier. d. Melakukan proses pengkodean dari sistem yang telah dirancang sebelumnya baik dari sistem website dan android. 6. Pengujian/Percobaan Pengujian dilakukan dengan menggunakan data posko yang sudah diolah dalam proses implementasi. Kemudian dibandingkan hasil dari perhitungan sistem dan perhitungan manual. Selain itu pengujian juga dilakukan dengan menggunakan jumlah data posko yang besar untuk menguji kehandalan sistem.

I.6. Sistematika Penulisan Dokumen tugas akhir ini terdiri atas enam bab, yaitu :


PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 1. BAB I PENDAHULUAN Pada bab ini akan dijelaskan mengenai latar belakang masalah, rumusan masalah, tujuan penulisan, batasan masalah, dan sistematika penulisan laporan. 2. BAB II TINJAUAN PUSTAKA Pada bab ini akan dijelaskan uraian singkat hasil-hasil penelitian terdahulu yang berhubungan dengan permasalahan yang akan ditinjau dalam tugas akhir ini. 3. BAB III ANALISIS DAN DESAIN PERANGKAT LUNAK Pada bab ini akan dijelaskan mengenai analisis dan desain perangkat lunak yang akan dibuat, serta perancangan sistem yang akan diterapkan dalam pembangunan perangkat lunak. 4. BAB V IMPLEMENTASI DAN PENGUJIAN PERANGKAT LUNAK Pada bab ini akan dijelaskan mengenai gambaran tentang cara implementasi dan penggunaan sistem, serta hasil pengujian yang dilakukan terhadap perangkat lunak tersebut. 5. BAB VI PENUTUP Pada bab ini akan dijelaskan kesimpulan dari pembahasan tugas akhir secara keseluruhan dan saran untuk pengembangan lebih lanjut.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI


BAB II TINJAUAN PUSTAKA

2.1. Riset Operasi Riset operasi pertamakali dibuat oleh tim peneliti dari Inggris pada saat perang dunia kedua.Tujuan dari penelitian metode ini adalah untuk menentukan penggunaan paling efektif dari sumber daya militer mereka yang terbatas.Riset operasi merupakan metode untuk memformulasikan dan merumuskanpermasalahan sehari-hari baik mengenai bisnis, ekonomi, sosial maupun bidanglainnya ke dalam pemodelan matematis untuk mendapatkan solusi yang optimal dari sumber yang terbatas.Bagian

terpenting

dari

Riset

Operasi

adalah

bagaimana

menerjemahkanpermasalahan sehari-hari ke dalam model matematis.Faktor-faktor yangmempengaruhi pemodelan harus disederhanakan dan apabila ada data yangkurang, kekurangan tersebut dapat diasumsikan atau diisi dengan pendekatan yangbersifat rasional. Kompleksitas dalam riset operasi adalah situasi sistem di dunia nyata menghasilkanjumlah variabel pembatasyang sangat besar, yang berfungsi mengatur tingkah laku dari sistem ini.Namun walaupun jumlah variabel pembatas sangat besar, hanya sebagian kecil dari variabel pada situasi dunia nyata yang mendominasi tingkah laku dari sistem tersebut.

10


11


Real World System

Assumed Real World

MODEL

System

Gambar 2.1.Real World System Gambar 1.1 menggambarkan tingkatan dari situasi sistem di dunia nyata yang dipergunakan untuk membuat model dalam sistem ini. Model dibentuk dari variabelvariabel yang paling dominan, yang mempengaruhi hasil yang diinginkan. Penyederhanaan dari dunia nyata ke dalam asumsi dunia nyata, dilakukan dengan cara “menggumpalkan” beberapa parameter di dunia nyata ke dalam satu parameter asusmsi dunia nyata (Taha, Hamdy A., 9th Edition ofAn Introduction, Operation Research, 2011, p.07).

2.3. Model Transportasi Modeltransportasi merupakan salah satubentuk model dari pemrograman linear.Model transportasi merupakan pemodelan metode optimasi yang digunakan untuk menentukan cara distribusi suatu jenis barang dari beberapa sumber (supply at each source) ke beberapa tujuan (demand at each destination).Sasaran dalam metode


12


transportasi ini adalah mengalokasikan barang yang ada pada sumber sedemikian rupa, sehingga terpenuhi semua kebutuhan pada tujuan.Namun tujuan utama dari metode transportasi ini ialah untuk mencapai jumlah biaya yang dikeluarkan yang serendah-rendahnya. Biaya ini didapatkan dari masing-masing kunjungan yang terjadi di tiap-tiap titik sumber ke tujuan. Sebagai contoh, terdapat i perusahaan produksi yang hendak mengirimkan barang hasil produksi mereka kepada jpedagang. Setiap perusahaan produksi memiliki produksi yang terbatas, dan setiap pedagang memiliki permintaan barang yang berbeda-beda. Selain itu terdapat juga pengeluaran yang terjadi dari tiap kunjungan yang dilakukan oleh perusahaan ke masing-masing pedagang. Diandaikan m merupakan satuan dari sumber, dan n merupakan satuan dari tujuan. Tiap sumber memiliki sumber terbatas berupa a pada sumber i(i= 1,2,3,...,m), dan tiap tujuan memiliki permintaan berupabpada tujuan j(j= 1,2,3,...,n). Biaya yang dikeluarkan masing-masing kunjungan akan dinyatakan dengan varibel Cij.Tujuan pada metode ini adalah untuk melihat berapa unit barang yang akan dikirimkan dari sumber i ke tujuan j, dimana biaya transportasi minimal. Unit barang akan diandaikan menjadi satuanxij. Maka model linear programming yang dapat dibentuk dari variabel tersebut adalah sebagai berikut : = Dengan tiap-tiap subjek,


13


=

,

= 1,2, … ,

=

,

= 1,2, … , ≥0

Tabel 2.1. Tabel Model Transportasi N

N

N

N

supply

M

Cij

Cij

Cij

Cij

a

M

Cij

Cij

Cij

Cij

a

M

Cij

Cij

Cij

Cij

a

Demand

B

B

B

B

Metode program linear ini dapat dipecahkan dengan berbagai algoritma. Dalam tugas akhir ini, penulis menggunakan algoritmaVogel'sapproximation method untuk penemuan solusi awal (Basic Feasible Solution).

2.4. Algoritma Vogel'sapproximation method Vogel'sApproximation

Method(VAM)merupakan

metode

yang

tidak

sederhana, dibanding metode yang lainnya untuk menghasilkan solusi awal. Namun VAMmerupakan metode yang sangat baik, yang sering menghasilkan solusi paling


14


optimal.VAM menangani masalah dengan memperhatikan biaya pada setiap jaluratau rute alternatif yang terkait, dimana hal ini tidak dilakukan oleh metode lainnya seperti metode north west corner. Dalam metode VAM, langkah yang pertamakali dilakukan adalah menghitung biaya pada setiap baris dan kolom yang terkait pada sumber dan tujuan. Langkah ini dilakukan dengan menemukan selisih antara dua biaya yang paling minimum pada setiap titik sumber dan tujuan, yang kemudian disimpan sebagai opportunity cost.Langkah kedua adalah mencari titik nilai opportunity cost yang paling tinggi. Tabel 2.2. Pencarian nilai opportunity cost 5

15

5

20

5

0

15

5

10

5

1

0

25

10

5

15

3

5

2

4

2

1

10

5

0

10

Setelah titik opportunity cost dengan nilai tertinggi ditemukan, kemudian dilakukan pencarian titik dengan nilai cost terendah pada tabel baris/kolom dari titik opportunity cost yang terpilih. Nilai demand dari titik cost minimum yang terpilih, akan diisi dengan nilai supply yang sebaris. Tabel 2.3.Pencarian nilai cost minimum pada opportunity cost tertinggi 5

15

5

20

5

0

15

5

10

5

1

0


15


25

10

5

15

2

4

2

1

5

10

0

3

5

10

Tabel 2.4.Pengisian nilai dan penghapusan baris/kolom 2

15

5

20

3

5

10

5

1

10

5

15

3

4

2

1

5

0

10

Baris/kolom dari demand yang sudah terpenuhi ataupun supply yang sudah habis akan di hilangkan dari perhitungan iterasi selanjutnya. Iterasi iniakan terus dilanjutkan sampai seluruh nilai demand sudah terpenuhi ataupun nilai supply sudah habis. Tabel 2.5. Hasil Iterasi II 2

15

20

1

5

5

1

10

15

3

4

1

2


16


Tabel 2.6. Hasil Iterasi III 2

15

1

2 1

10

3

4 5

Tabel 2.7. Hasil akhir algoritma Vogel'sapproximation method 2

1

5

2 1

3

3 2

4

1

2

1

Total biaya pada solusi dari penerapan algoritma VAM yang terdapat pada tabel 2.6 adalahsebesar 70, dihitung dari jumlah tiap titik solusi yang dikalikan dengan

cost

dari

masing-masing

titik

(Total

=(2*5)+(1*15)+(2*10)+(1*5)+(3*10)).Hasil yang diperoleh menggunakan algoritma Vogel'sapproximation methodini merupakan solusi awal yang kemudian digunakan


17


untuk mendapatkan solusi akhir(optimal), dimana dalam tugas akhir ini penulis menggunakan algoritma multiplier.

2.5. Algoritma Multiplier Algoritma multiplier melakukan evaluasi dari suatu lokasi secara matrik, sehingga hasil evaluasi menunjukkan suatu indikator keseluruhan (Simarmata, Dj.A, Sebuah Pengantar-Operations Research: Teknik-teknik Optimasi Kuantitatif dari Sistem-sistem Operasional,1982, p.24). Langkah awal yang dilakukan dalam algoritma ini adalah menentukan variabel u dan v. Variabel u awal ditentukan dengan nilai 0, dan untuk selanjutnya perhitungan u dan v menggunakan rumus Cij=u+v. Variabel udan v yang sudah didapatkan akan digunakan untuk mengisi nilai cell yang masih kosong pada solusi awal. Pengisian terhadap nilai cell yang kosong menggunakan rumus xij=Cij-Ui-Vj.Kemudian algoritma ini menggunakan lingkaran evaluasi (close loop) pada cell tabel yang memiliki harga paling negatif. Lingkaran evaluasi merupakan sebuah loop tertutup yang bermulai dari titik dengan harga paling negatif dan berakhir pada titik itu kembali. Nilai-nilai yang ada dalam garis loopakan ditandai sebagai nilai positif dan negatif secara berurutan. Nilai positif dimulai dari cell tabel yang merupakan awal dari loop (harga paling negatif). Kemudian dari nilai cell yang bertanda negatif akan dipilih yang berharga paling


18


kecil (minimum). Nilai minimum yang terpilih akan menjadi harga yang mengurangi nilai cell yang bertanda negatif dan akan menjadi harga yang menambah nilai cell yang bertanda positif. Algoritma multiplier akan terus melakukan iterasi, sampai tidak ditemukan lagi nilai negatif saat pengisian hargacell kosong pada solusi terakhir. Tabel 2.8.Solusi awal. 2

5

3 1

2

1

0

4

2

1

2

1

3

Tabel 2.9.Pencarian variabel u-v, Iterasi I. u/v 2 (Cij=5)

3

5

0

(Cij=3)

(Cij=2)

(Cij=3)

(Cij=5)

1

0

(Cij=5)

(Cij=2)

(Cij=3)

2

1

1

(Cij=3)

(Cij=4)

(Cij=5)

(Cij=4)

2

4

2

1

3


19


Tabel 2.10.Pencarian variabel u-v, Iterasi II. u/v

5 2 (Cij=5)

3

5

0

(Cij=3)

(Cij=2)

(Cij=3)

(Cij=5)

1

0

(Cij=5)

(Cij=2)

(Cij=3)

2

1

1

(Cij=3)

(Cij=4)

(Cij=5)

(Cij=4)

2

4

2

1

3

Tabel 2.11.Pencarian variabel u-v, Iterasi III. u/v

5

2

2 (Cij=5)

3

5

0

(Cij=3)

(Cij=2)

(Cij=3)

(Cij=5)

1

0

(Cij=5)

(Cij=2)

(Cij=3)

2

1

1

(Cij=3)

(Cij=4)

(Cij=5)

(Cij=4)

2

4

2

1

3


20


Tabel 2.12.Pencarian variabel u-v, Iterasi IV. u/v

5

2

2 (Cij=5)

3

5

0 (Cij=2)

(Cij=3)

(Cij=5)

1

0

(Cij=5)

(Cij=2)

(Cij=3)

2

1

1

3 (Cij=3)

(Cij=3)

(Cij=4)

(Cij=5)

(Cij=4)

2

4

2

1

3

Tabel 2.13.Pencarian variabel u-v, Iterasi V. u/v

5

2

2 (Cij=5)

3

-1 5

0 (Cij=2)

(Cij=3)

(Cij=5)

1

0

(Cij=5)

(Cij=2)

(Cij=3)

2

1

1

3 (Cij=3)

(Cij=3)

(Cij=4)

(Cij=5)

(Cij=4)

2

4

2

1

3


21


Tabel 2.14.Pencarian variabel u-v, Iterasi VI. u/v

5

2

2 (Cij=5)

3

-1 5

0 (Cij=2)

(Cij=3)

(Cij=5)

1

0

(Cij=5)

(Cij=2)

(Cij=3)

2

1

1

3 (Cij=3)

3

6 (Cij=3)

(Cij=4)

(Cij=5)

(Cij=4)

2

4

2

1

Tabel 2.15.Pencarian variabel u-v, Iterasi VII. u/v

5

2

2 (Cij=5)

3

-1

-2 5

0 (Cij=2)

(Cij=3)

(Cij=5)

1

0

(Cij=5)

(Cij=2)

(Cij=3)

2

1

1

3 (Cij=3)

6 (Cij=3)

(Cij=4)

(Cij=5)

(Cij=4)

2

4

2

1

3


22


Kemudian variabelu dan v yang telah ditemukan akan digunakan untuk mengisi cell yang masih kosong (variabel non-basis).

Tabel 2.16. Pengisian nilai variabel non-basis u/v

5

2

-1

-2

2 (Cij=5)

3

4

7

(Cij=2)

(Cij=3)

(Cij=5)

-5

1

0

2

(Cij=3)

(Cij=5)

(Cij=2)

(Cij=3)

-8

-4

2

1

(Cij=3)

(Cij=4)

(Cij=5)

(Cij=4)

2

4

2

1

0

3

6

5

1

3

Setelah didapatkan hasil dari pengisian harga masing-masing cell yang kosong, akan dipilih salah satu cell yang berharga paling negatif. Kemudian dari cell tersebut

akan

dibuat

lingkaran

evaluasi

seperti

yang

sudah

diatas.Lingkaran evaluasi dapat searah jarum jam maupun berlawanan.

dijelaskan


23


Gambar 2.2. Lingkaran Evaluasi Nilai yang terpilih akan mengurangi nilai cell yang bertanda negatif dan menambah nilai cell yang bertanda positif. Kemudian nilai tersebut akan digunakan

untuk mengganti nilai yang bertanda positif pertama (nilai yang sebelumnya kosong), sehingga menjadi seperti berikut ini : Gambar 2.3. Hasil Iterasi Algoritma Multiplier Gambar 2.3. merupakan hasil iterasi pertama dari algoritma multiplier. Kemudian dari hasil ini akan dicek ulang pada iterasi ke 2 sampai pada tahap pengisian harga pada cell kosong. Apabila harga-harga tersebut masih terdapat nilai negatif, maka akan dilanjutkan dengan iterasi berikutnya. Dengan kata lain, hasil dari iterasi tersebut belum merupakan hasil yang optimum. Namun apabila tidak ada nilai negatif, maka hasil dari iterasi tersebut sudah merupakan hasil akhir yang paling optimal.

2.6.Google Maps


24


Google Maps adalah sebuahpeta digital dari google yang memungkinkan kita


25


melihat peta dunia atau mencari lokasi tertentu.Google Maps merupakan teknologi


26


peta digital yang paling canggih saat ini.Peta digital ini memanfaatkan satelit GPS


27


yang diluncurkan oleh Badan Militer Amerika, untuk mengambil gambar permukaan bumi yang kemudian diolah untuk membentuk suatu rangkaian jalur transportasi dengan teknik pengolahan citra.Google Maps memungkinkan penggunanya dapat melihat daerah diseluruh dunia secara detail dan juga melihat jalur-jalur transportasi yang ada diseluruh kawasan.Google Maps disediakan oleh google secara gratis di situs resminya (http://maps.google.com).Google Maps mengandalkan standar

internasional

yang

sudah

dikenal

luas

untuk

pemetaan.Misalnya, untuk penamaan negara

konvensi

penamaan

dan

dan teritori, google terutama

mengandalkan standar ISO-3166 yang diakui oleh Divisi Statistik PBB.Layanan ini dapat juga dimanfaatkan oleh para pengembang software dengan menggunakan application programming interface (Google API) yang dibagikan oleh Google secara gratis untuk pemakaian non-komersial.


28


Gambar 2.4.Google MapsView (http://maps.google.com)

2.7. Google Maps Aplication Programming Interface (API) Google Maps APImerupakan suatuinterface dalam software Google Mapsyang dapat dipergunakanoleh siapapun. Hak akses tersebut diberikan dalam bentuk script, yang memiliki beberapa fungsi untuk mendapatkan hasil yang diinginkan.Seorang

programmerdapat

menghemat

waktu

dan

biaya

untuk

membangun aplikasi peta digital dengan menggunakan Google Maps API. Melalui penggunaan Google Maps API, seorang programmer hanya fokus pada pembangunan sistem website dan basis data saja, tanpa harus membangun sebuah sistem peta digital.Google Maps APIyang tersedia dalam bentuk pemrograman web bersifat gratis, namun sesuai dengan ketentuan yang berlaku.Ketentuan tersebut dapat dilihat pada Google Maps/Google Earth APIs Terms of Service di situs resmi Google, yakni tepatnya

terdapat

pada

halaman

:

https://developers.google.com/maps/terms#section_9_1.Adapun ketentuan-ketentuan tersebut adalah sebagai berikut ini: 1.

Implementasi Google Maps API pada website bersifat gratis bagi semua orang (kecuali untuk pihak yang sudah mendapat perijinan dari Google). Namun, admin dapat meminta pengguna agar login terlebih dahulu sebelum menggunakan aplikasi tersebut.


29


2.

Penggunadapat mengenai biaya kepada seseorang, dalam hal memberi konsultasi kepada mereka tentang cara implementasi Google Maps API. Pada versi sebelumnya yakni versi 2, pengguna harus memiliki akun google

dengan mendaftarkan diri di situs resminya.Akun ini dipergunakan untuk mengambil API key, yakni sebuah lisensi kode untuk mengakses Google Maps API.Namun pada Google Maps API v3, pengguna tidak perlu lagi melakukan hal tersebut.Untuk menggunakan Google Maps API v3, pengguna hanya perlu memasukan roferensi google di halaman web.

<script type=”text/JavaScript” src=”http://maps.google.com/maps/APIs/js?sensor=false” >

Gambar 2.5.Google Reference Ketika memberi referensi, terlebih dahulu pengguna harus mengatur sensor untuk penggunaan GPS. Sensorbernilai truejika,GPSakan dipergunakan pada API.Langkah selanjutnya, adalah proses inisialisasi peta. Pembuatan peta pada Google Maps membutuhkan sebuah objek canvas. Objek canvas pada web yang sering digunakan adalah
, dan tingkah laku dari objek tersebut akan diatur menggunakan javascript.


30


2.8. Google Distance Matrix Google Distance Matrix merupakan sebuah layanan yang menyediakan perhitungan jarak dan waktu perjalanan dari titik mulai (origins) ke titik tujuan (destinations).Informasi

yang

dihasilkan

merupakan

rute

yang

paling

direkomendasikan antara titik mulai dan titik akhir, yang dihitung oleh Google Maps API. Layanan ini tidak menghasilkan rute secara detail, namun hanya menghasilkan perhitungan durasi perjalanan dan jarakberdasarkan model jalur yang dipilih. Model jalur yang dapat digunakanadalah berupa jalurmobil (driving), jalur berjalan kaki (walking) ataupun jalur bersepeda (bicycling). Google Distance Matrix digunakan melalui form berupa url yang dikirim melalui web browsers. Adapun form tersebut adalah sebagai berikut : http://maps.googleapis.com/maps/api/distancematrix/output?parameters

Gambar 2.6.Google Distance Matrix Form Parameter yang terdapat pada form dapat disi menggunakan parameter berikut ini : Tabel 2.17. Parameter formGoogleAPI Parameter

Isi

Origins

Alamat/koordinat

Penggunaan origins=Bobcaygeon origins=41.43206,-81.38992 destinations=Bobcaygeon

Destinations

Alamat/koordinat destinations=41.43206,-81.38992


31


True (GPS on) Sensor (GPS)

sensor=true False (Gps off)

Mode

driving|walking |bicycling

mode=driving

Language

Language

language=fr-FR

Avoid

Tolls|highways

avoid=tolls

Metric(km and m) imperial Units

Units=metric (miles and feet)

Setiap parameter yang digunakan dihubungkan menggunakan tanda&. Hasil keluaran (output) dari Google Distance Matrix dapat berupa file JSON atau XML. Hasil keluaran berupa file JSON ataupun XML, diakses seperti pada gambar berikut : http://maps.googleapis.com/maps/api/distancematrix/json?parameters

Gambar 2.7.FormRequest for JSON Output http://maps.googleapis.com/maps/api/distancematrix/xml?parameters

Gambar 2.8.FormRequest forXML Output Terdapat batasan-batasan dalam pemakaianGoogle Distance Matrix ini untuk penggunaan gratis. Batasan tersebut dilihat dari banyaknya elemen, dimana setiap elemen tersusun dari 1 titik mulai dan 1 titik tujuan. Batasan tersebutantara lain : 100 perhitungan tiap 1 permintaan, 100 perhitungan tiap 10 detik dan 2.500 perhitungan


32


tiap 24 jam. Hasil keluaran dari Google Distance Matrix adalah data jarak antar titik dan waktu tempuh antar titik.

Jarak

Waktu Tempuh

Gambar 2.9.Google Distance Matrix Output



BAB III ANALISA DAN PERANCANGAN SISTEM

3.1. Analisa Sistem 3.1.1. Fase Definisi Ruang Lingkup Berdasarkan peraturan kepala Badan Nasional Penanggulangan Bencana (BNPB) Nomor 04 Tahun 2009 tentang pedoman bantuan logistik,proses pembagian pendistribusianbantuan logistikdilakukan sesuai wilayah nasional, provinsi, maupun kabupaten/kota. Proses pendistribusian ini dilaksanakan tanpa melihat dari sisi efektifitasdistribusi, berdasarkan jarak antar lokasi posko pusat dan tujuan. Pelaksanaan yang kurang efektif ini menimbulkan beberapa persoalan yang akan diuraikan dalam metodePIECES( Performance, Information, Economy, Control, Efficiency,and Service). Performance : Proses distribusi dilakukan sesuai wilayah nasional, provinsi, maupun kabupaten/kota tanpa memperhatikan prioritas jarak terdekat dari lokasi posko pusat. Information :Posko pemerintah hanya mendapatkan daftar informasi posko masyarakat berupa alamat dalam bentuk tulisan saja. Hal tersebut terkadang menyulitkan pemerintah dalam menemukan lokasi posko masyarakat. Economic : Pendistribusian logistik yang dilakukan sesuai wilayah nasional tanpa memperhatikan jarak terdekat dari lokasi posko pusat akan membuat pengeluaran biaya yang tidak minimal seperti bahan bakar. 29


30


Control : Posko pusat hanya memberikan bantuan posko distribusi terhadap posko masyarakat yang sudah terdaftar secara resmi, yang terkadang masih terdapat posko-posko yang belum terdaftar karena masalah tenaga, jarak , ataupun transportasi. Hal ini mengakibatkan proses distribusi tidak merata dan keterlambatan distribusi bantuan kepada korban bencana alam. Efficiency : Posko masyarakat harus mendaftarkan poskonya secara langsung dengan mendatangikantor posko pusat, hal ini sangat menguras waktu dan tenaga pada posko masyarakat. Service :Proses pendistribusian yang dilakukan pemerintah di posko pusat terkadang dilakukan dengan kurang baik karena tidak menggunakan metode khusus yang dapat menangani masalah-masalah distribusi ( tidak ada manajemen untuk menentukan alur distribusi ).

3.1.2. Analisa Sebab Akibat Analisa sebab akibat menjelaskan analisis masalah, harapan dan instruksi yang telah diidentifikasi pada analisa ruang lingkup dengan menggunakan metode PIECES. Analisa tersebut dirangkum dalam tabel analisa sebab akibat (cause and effect analysis matrix) dibawah ini : Tabel 3.1. Tabel Analisa Sebab Akibat Analisa Sebab Akibat Masalah, Peluang, atau Instruksi

Sebab dan Akibat

Usulan Solusi


31


1.

Proses

distribusi -Proses pendistribusian yang Pembuatan

sistem

dilakukan sesuai wilayah dilakukan pemerintah di posko informasi nasional,

provinsi, pusat

terkadang

yang

dilakukan memberikan solusi untuk

maupun

kabupaten/kota dengan kurang baik karena pemerataan

tanpa

memperhatikan tidak

prioritas

jarak

menggunakan

penyaluran

metode distribusi

bantuan

terdekat khusus yang dapat menangani menggunakan

dari lokasi posko pusat.

masalah-masalah distribusi ( transportasi

metode dari

riset

tidak ada manajemen untuk operasi. menentukan alur distribusi ). =Pendistribusian logistik yang dilakukan

sesuai

wilayah

nasional tanpa memperhatikan jarak terdekat dari lokasi posko pusat

akan

membuat

pengeluaran biaya yang tidak minimal seperti bahan bakar. 2.

Posko pemerintah Hal

tersebut

terkadang Pembuatan

Sistem

hanya mendapatkan daftar menyulitkan pemerintah dalam Informasi informasi

posko menemukan

lokasi

yang

posko diintregasikan

masyarakat berupa alamat masyarakat.

interface

dalam bentuk tulisan saja.

menggunakan

dengan

peta

digital Google

Maps. 3. harus

Posko masyarakat Hal ini sangat menguras waktu Pembuatan mendaftarkan dan

tenaga

pada

posko Informasi

Sistem website

dan

poskonya secara langsung masyarakat. (Tidak efisien)

android untuk pendaftaran

dengan

posko masyarakat.

mendatangi

kantor posko pusat,.


32


3.1.3. Gambaran Sistem Baru Sistem manajemen distribusi yang bernama Distribution Management Systems ofIndonesian Natural Disaster Relief (DMS-INDSR) ini merupakan sebuah sistem informasi untuk membantu menentukan jalur distribusi bantuan bencana alam dari posko pusat ke posko tujuan. Sistem informasi ini dirancang dengan ruang lingkup kasus distribusi bantuan bencana alam yang terjadi di Indonesia. Studi kasus dalam pengujian pada penulisan tugas akhir ini, diterapkan pada data mengenai posko yang tersebar pasca bencana erupsi merapi setelah 19 November 2010. Data mengenai posko pada penelitian ini menggunakan data-data koordinat lokasi dan data jumlah pengungsi yang diperoleh dari situs merapi-partisipasi milik Universitas Gadjah Mada (http://merapi-partisipasi.ugm.ac.id/). Situs merapi-partisipasi merupakan portal yang menyediakan informasi tentang persebaran posko dan pendataan pengungsi yang terjadi pasca erupsi merapi tahun 2010. Portal yang dikembangkan oleh Teknik Geodesi UGM ini didukung oleh sektor data dan media, dibawah Forum Penanggulangan Bencana (FPRB) seperti Combine, Oxfam dan IOM. Sehingga penulis beranggapan bahwa data koordinat posko tersebut dapat dikatakan cukup valid untuk menjadi variabel pengujian pada sistem DMS-INDR. Data posko akan dipergunakan untuk menguji pembangunan logika pada sistem

DMS-INDR, yakni dengan menggunakan

pengkodean algoritma dari metode transportasi pada riset operasi. Algoritma dalam metode transportasi yang dipergunakan pada perancangan sistem informasi ini adalah algoritma Vogel'sapproximation methoddan multiplier.


33


Algoritma Vogel'sapproximation methodberfungsi untuk menemukan solusi awal pada pemecahan alur distribusi. Kemudian dari solusi yang didapatkan dengan menggunakan algoritma Vogel'sapproximation methodini, akan diolah lagi menggunakan algoritma multiplier untuk menemukan solusi akhir yang paling optimum. Solusi akhir dari pengolahan data tersebutlah yang akan dipakai untuk pembagian jalur distribusi masing-masing posko pusat, sehingga proses distribusi menjadi lebih efektif. Hasil dari perhitungan menggunakan metode transportasi ini akan ditampilkan kedalam sebuah peta digital berbasis aplikasi website.

Gambar 3.1. Arsitektur DMS-INDSR


34


Website pada sistem informasi ini akan dibangun menggunakan PHP 5 sebagai server-side scripting. Selain itu penggunaan PHP 5 juga berperan dalam pembuatan kode dari metode transportasi, karena pada PHP 5 sudah didukung dengan Object-Oriented Programming. Sedangkan untuk peta digital, sistem informasi berbasis web ini menggunakan application programming interface (API) dari Google Maps.Penerapan Google API pada kasus distribusi bencana alam yang akan diselesaikan dengan metode transportasi ini, dapat membantu untuk menemukan variabel cost dengan memanfaatkan koordinat yang sudah didaftarkan pada peta.

Kemudian jarak antar koordinat ditelusuri menggunakan Google

Distance Matrix yang juga merupakan API dari Google. Google Distance Matrix merupakan application programming interface yang menyediakan perhitungan jarak antar titik, yang dihitung berdasarkan jalur dalam mode driving, walking, atau juga bicycling. Namun pencarian koordinat masing-masing titik posko membutuhkan GPS Receiver, yakni alat komunikasi untuk menerima koordinat lokasi dari satelit GPS. GPS Receiver dapat ditemui pada alat komunikasi modern seperti pesawat telepon bersistem operasi Android. Lokasi tiap posko yang akan ditampilkan, diukur berdasarkan letak garis koordinat bumi. Proses pengambilan koordinat dilakukan dengan menggunakan Location-Based Service (LBS) pada ponsel atau gadget Android, yang didukung dengan perangkat GPS-receiver. Selain menggunakan GPS dalam pengambilan titik koordinat posko, sistem informasi berbasis website ini juga menyediakan proses


35


manual dengan cara memilih titik lokasi posko pada peta digital menggunakan mouse. Setelah data koordinat lokasi suatu posko diambil, maka data tersebut akan disimpan kedalam basis data MySql bersamaan dengan data value supply atau demand dari posko tersebut. Kemudian sistem akan secara otomatis memeriksa data koordinat dari posko yang sudah tersimpan dalam basis data, untuk mencari jarak(cost) antara titik baru dan titik yang sudah terdaftar sebelumnya dengan jenis berbeda. Maksud dari jenis posko adalah posko pemerintah(supply) atau posko masyarakat(demand). Kemudian, data cost yang sudah ditemukan juga akan disimpan kedalam basis data. Proses pengambilan jarak antar titik dilakukan dengan menggunakan Google Distance Matrix. Sistem manajemen distribusi ini tidak dapat diatur dengan menggunakan komputer saja.Peran pemerintah dan masyarakat juga sangat diperlukan untuk memaksimalkan manajemen distribusi dalam sistem ini, yakni dengan membuat peraturan-peraturan dan batasan penggunaan aplikasi. Aturan tersebut dibuat kedalam user policy untuk menjadi pedoman dalam penggunaan aplikasi, agar fungsi dari sistem manajemen distribusi yang dibuat dapat berjalan dengan baik.

3.1.3.1. Kelebihan Sistem dibanding Sistem Lain Telah banyak tools atau piranti lunak yang menyediakan perhitungan riset operasi,sebagai contoh QM, TORA, SAS, dan lainnya. Algoritma riset operasi yang disediakan oleh software tersebut sangat lengkap, namun pemakaiannya tidak


36


spesifik. Lain halnya dengan DMS-INDSR, sistem ini mengkhususkan penggunaan algoritma dalam riset operasi untuk menghitung biaya dari distribusi antar posko bencana alam. Selain penggunaan yang spesifik, sistem ini memiliki kelebihan dalam pengambilan biaya antar titik supply dan demand.DMS-INDSRmemperoleh costmenggunakan teknologi navigasi GPSyang terdapat pada Google Distance Matrix,dimana

cost

tersebut

merupakan

jarak.Proses

integrasi

dengan

teknologiGPSyang dilakukan pada sistem ini, memberikan kemudahan, kepraktisan, dan kecepatan pada pemerolehan variabel costtanpa harus mengukur secara manual.

3.1.4.User Policy 1. Pengguna sistem DMS-INDSRini merupakan pengguna yang terdaftar secara resmi pada pusat Badan Nasional Penanggulangan Bencana (BNPB). 2. Distribusi logistik akan disalurkan pada setiap posko masyarakat yang terdaftar, dan melakukan pembaharuan data stok sesuai dengan kategori logistik yang sudah ditentukan. 3. Bagi pengguna pada setiap posko pusat, diwajibkan untuk melakukan pembaharuan data stok pada setiap harinya. Apabila pengguna tidak melakukan pembaharuan data paling lambat 2 hari lamanya, maka data akun pada pengguna tersebut akan dinon-aktifkan. 4. Bagi pengguna pada setiap posko masyarakat, juga diwajibkan untuk melakukan pembaharuan data stok pada setiap harinya dan melakukan pembaharuan data penduduk pada setiap harinya. Apabila pengguna tidak


37


melakukan pembaharuan data paling lambat 2 hari lamanya, maka data akun pada pengguna tersebut akan dinon-aktifkan.

3.2. PerancanganMetode Transportasi Metode transportasi pada sistem ini dibangun dengan menggunakan perancangan algoritma berbasis objek. Perancangan algoritma berbasis objek pada sistem ini, ditunjukan dengan pembuatan 4 kelas yakni source,destination,posko, dan Transportasi. Posko merupakan sebuah kelas yang memiliki attribut nama posko dan lokasi. Kelas posko ini digunakan sebagai kelas induk dari kelas source dan destination.Source merupakanchild dari kelas posko yang memiliki attribut bernama stock, yang dipergunakan sebagai variabel supply dalam metode transportasi. Destinationjuga merupakan child dari kelas posko yang memiliki attribut bernama need, yang dipergunakan sebagai variabel demand dalam metode transportasi. Perancangan kelas tersebut dapat dilihat pada diagram kelas berikut ini :

Gambar 3.2. Diagram UML Metode Transportasi


38


3.2.1. Pseudocode Algoritma Vogel'sApproximation Method 1. Mulai. 2. Tentukan selisih biaya terkecil dengan biaya terkecil diatasnya pada setiap baris dan kolom, masukkan pada variabel dummy. 3. Cari selisih terbesar pada variabel dummy 4. Alokasikan pada sel variabel basis yang terletak pada cell costterkecil, dari index dummy yang terpilih sesuai dengan jumlah supply pusat dan demand tujuan yang berkesuaian. 5. Ulangi langkah 1 sampai 3 hingga solusi awal sudah diperoleh, yakni apabila demandpada setiap tujuan sudah terpenuhi atau supply pada setiap sumber sudah habis. 6. Selesai.

3.2.2. Pseudocode Algoritma Multiplier 1. Mulai. 2. Buat variabel sel basis, yakni Ui yang menunjukan baris ke-i dan Vi yang menunjukkan kolom ke-j. 3. Untuk setiap sel basis hitung Ui + Vj = Cij, dimana dan Cij adalah biaya pada sel ij (baris i dan kolom j). Perhitungan diawali dengan mengasumsikan salah satu variabel = 0. 4. Untuk setiap sel variabel non-basis, hitung Cpq = Ui + Vj – Cij. 5. Pilih sel variabel non-basis (Cpq) yang paling minimum.


39


6. Buat lingkaran evaluasi (loop tertutup) yang bermulai dari titik Cpq yang terpilih, dengan menandai setiap node dalam loopdengan negatif dan positif secara bergiliran. Tanda positif dimulai dari Cpq. 7. Pilih node yang bertanda negatif yang paling terkecil, masukkan pada variabel smallest_negative. 8. Kurangkan setiap node yang bertanda negatif dengan nilai variabel smallest_negative. 9. Tambahkan setiap node yang bertanda positif dengan nilai variabel smallest_negative. 10. Ulangi langkah 1 sampai 8, hingga tidak terdapat sel variabel non-basis yang bernilai negatif. 11. Selesai.

3.3. Perancangan Sistem 3.3.1. Identifikasi Stakeholder dan User Profiles Tabel 3.2. Identifikasi Stakeholder Nama Pemerintah Nasional

Pusat

Description Badan Orang atau organisasi yang membiayai sistem.

Penanggulangan Orang yang menggunakan sistem untuk penentuan jalur

Bencana (BNPB pusat).

distribusi posko yang ada di suatu daerah.

Penulis tugas akhir

Orang yang membuat sistem dan melakukan pengujian


40


terhadap sistem. Petugas posko

Orang yang menggunakan sistem untuk memperbaharui data kebutuhan dan stok diposko yang ditangani.

Tabel 3.3. User Profiles Nama

Deskripsi Pekerjaan Tanggung jawab

Stakeholder

User_BNPB

Mengelola data jenis Mendaftarkan seluruh

BNPB

logistik yang akan

data pengguna (BNPB

didistribusikan.

Daerah) ketika terjadi

Mengelola data posko bencana. yang terdapat didaerah Mengawasi dan didaerah bencana yang memperbaharui di kelola.

perubahan dan pertambahan data kategori logistik. Menentukan jalur distribusi logistik.

User_Posko

Mengelola data

Memperbaharui data

kebutuhan atau stok

kebutuhan pada waktu

yang ada di posko.

yang telah disepakati

Petugas Posko


41


untuk pengirimanlogistik.

3.3.2. Model Usecase 3.3.2.1. Usecase Diagram Berikut ini merupakanusecase diagram pengguna dari sistem informasi DMS-INDSR. Usecase dibagi berdasarkan jenis user dan jenis sistem informasi yang digunakan. Usecase dari sistem informasi berbentuk website

dibagi

berdasarkan

user

bernamauser_BNPBdan

user_posko.Sedangkan untuk sistem informasi berbentuk android hanya memiliki satu user yakni user_posko.


42


Website DMS-INDR

Login

Mengelola Posko <<extends> Mendaftarka n Posko

<<extends>

<<extends> Mengubah Data Posko

Melihat Jalur Distribusi

USER_BNP

Menghapus Posko

<> Memilih jenis logistik Mengubah Profil Mengelola Kategori

<> Menambah Kategori Logistik

Gambar 3.3. Usecase User BNPB Web

<> Menghapus Kategori Logistik


43

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI Website DMS-INDR Login Mengubah Data Logistik Mengubah Profil Posko USER_Posko

Gambar 3.4. Usecase User Posko Web

Android DMS-INDR

Kofirmasi lokasi posko

USER_Posko

Gambar 3.5. Usecase User Posko Android

3.3.2.2. NarasiUsecase Website DMS-INDR 

Nama usecase

:Login

Aktor

: User_BNPB,User_Posko

Kondisi Awal

: User harus sudah terdaftar

Kondisi Akhir

: User berhasil masuk ke sistem.

Skenario

:


44


Aksi Aktor

Reaksi Sistem

1. User membuka halaman web 2. Sistem menampilkan halaman Log in. 3. User memasukkan email dan password 4. User memilih jenis login.

5. Sistem menampilkan halaman HOME.

Alternatif : 5. Sistem menampilkan error ketika field email dan password belum diisi.



Namausecase

: Mengelola Posko – Mendaftarkan Posko

Aktor

:User_BNPB

Kondisi Awal

:User_BNPB harus sudah login

Kondisi Akhir

:Posko baru terbentuk

Skenario

:

Aksi Aktor

Reaksi Sistem

1. User memilih menu posko. 2. Sistem menampilkan seluruh data posko. 3. User menekan tombol “buat posko”.

5. User memasukkan data posko

4. Sistem menampilkan form pendaftaran

berupa nama posko, lokasi posko,

posko.


45


jenis posko, id_login posko, password_posko. 6. User menekan tombol “submit” 7. Sistem melakukan penyimpanan posko. Alternatif : 8. Sistem menampilkan pesan error jika ada field yang belum diisi.



Nama usecase

: Mengelola Posko – Mengubah data posko.

Aktor

: User_BNPB

Kondisi Awal

: User_BNPB harus sudah login

Kondisi Akhir

: Data posko berhasil diubah

Skenario

:

Aksi Aktor

Reaksi Sistem

1. User memilih menu posko. 2. Sistem menampilkan seluruh data posko. 3. User menekan tombol “edit” pada posko yang dipilih. 4. Sistem menampilkan form pengubahan data posko. 5. User mengubah data posko seperti : lokasi, dan jenis posko. 6. User menekan tombol “submit”

7. Sistem melakukan penyimpanan data posko yang telah diubah.

Alternatif :


46


8. Sistem menampilkan pesan error jika ada field yang belum diisi.



Nama usecase

: Mengelola Posko – Menghapus Posko

Aktor

: User_BNPB

Kondisi Awal

: User_BNPB harus sudah login

Kondisi Akhir

: Posko terhapus

Skenario

:

Aksi Aktor

Reaksi Sistem

1. User memilih menu posko. 2. Sistem menampilkan seluruh data posko. 3. User menekan tombol “hapus” pada posko yang dipilih.

4. Sistem menampilkan pesan konfirmasi penghapusan. 5. User memilih opsi konfirmasi ”YES”

6. Sistem menghapus data posko Alternatif : 7. User memilih opsi konfirmasi “NO” 8. Sistem membatalkan penghapusan


47




Nama usecase

: Melihat jalur distribusi

Aktor

: User_BNPB

Kondisi Awal

:User_BNPB harus sudah login& sudah terdapat dataposko.

Kondisi Akhir Skenario

: Jalur distribusi posko ditampilkan. :

Aksi Aktor

Reaksi Sistem

1. User memilih menu peta distribusi 2. Sistem menampilkan peta berisikan seluruh posko yang sudah terbentuk. 3. User memilih kategori logistik. 4. User menekan tombol lihat jalur. 4. Sistem menghitung jalur distribusi sesuai data posko dan kategori logistic. 5. Sistem menampilkan hasil perhitungan dan membentuk jalur pada peta sesuai dengan hasil perhitungan.



Namausecase

: Mengubah Profil

Aktor

: User_BNPB

Kondisi Awal

:User_BNPB harus sudah login .


48


Kondisi Akhir Skenario

: Data profil terubah. :

Aksi Aktor

Reaksi Sistem

1. User memilih menu profil 2. Sistem menampilkan halaman ubah profil.

3. User mengubah data profil seperti, nama bencana, lokasi pusat bencana. 4. User menekan tombol “Submit”.

5. Sistem menyimpan data profil yang telah diubah.



Nama usecase

: Mengelola kategori logistik – Menambah Kategori

Logistik Aktor

: User_BNPB

Kondisi Awal


Kondisi Akhir

: Kategori logistikterbentuk.

Skenario

:

Aksi Aktor

Reaksi Sistem

1. User memilih menu Kategori Logistik.

2. Sistem menampilkan halaman kategori logistik.


49


3. User memasukkan nama kategori baru pada field “kategori baru”. 4. User menekan tombol submit. 5. Sistem menyimpan kategori logistik baru.



Nama usecase

: Mengelola kategori logistik – Menghapus Kategori

Logistik Aktor

: User_BNPB

Kondisi Awal


Kondisi Akhir

: Kategori logistik terhapus.

Skenario

:

Aksi Aktor

Reaksi Sistem

1. User memilih menu Kategori Logistik.

2. Sistem menampilkan halaman kategori logistik.

3. User memilih kategori logistic yang akan dihapus. 4. User menekan tombol hapus. 5. Sistem menghapus data kategori logistic dari basis data.



Nama usecase Aktor

: Mengubah data logistik :User_Posko


50


Kondisi Awal

: User_Posko harus sudah login .

Kondisi Akhir

: Data ketegorilogistik terubah.

Skenario

:

Aksi Aktor

Reaksi Sistem

1. User memilih menu Daftar Logistik

2. Sistem menampilkan halaman daftar logistik.

3. User mengubah data logstik yang diinginkan 4.User menekan tombol “Simpan” 5. Sistemmenyimpan data logsitik yang telah diperbaharui.



Nama use case

: Mengubah Profil

Aktor

: User_Posko

Kondisi Awal

: User_Posko harus sudah login .

Kondisi Akhir

: Data profil terubah.

Skenario Aksi Aktor

: Reaksi Sistem


51


1. User memilih menu profil 2. Sistem menampilkan halaman ubah profil.

3. User mengubah data profil seperti, nama posko atau lokasi posko. 4. User menekan tombol “Submit”.

5. Sistem menyimpan data profil yang telah diubah.

3.3.2.3. NarasiUsecaseAndroid 

Nama use case

: Konfirmasi Lokasi Posko.

Aktor

: User_Posko

Kondisi Awal

: User_Posko harus sudah terdaftar

Kondisi Akhir

: User_PoskoBerhasil masuk ke sistem.

Skenario

:

Aksi Aktor

Reaksi Sistem

1. User membuka aplikasi Android. 2. Sistem menampilkan halam Log in. 3. User memasukkan email dan password 4. Sistem mengambil id_posko, sesuai


52


dengan email dan password yang dimasukkan 5. Sistem mengambil data koordinat lokasi user menggunakan GPS 6. Sistem menyimpan data koordinat lokasi sesuai dengan id_posko

Alternatif : 5. Sistem menampilkan error ketika field email dan password belum diisi atau salah.

3.3.3. Diagram Konteks

User

Informasi data posko,data kategori logistik, informasi jalur distribusi.

DMSINDSR Data posko, data logistik, Data user, Data distribusi.

Gambar 3.6. Diagram Konteks

3.3.4. Data Flow Diagram (DFD)


53


3.3.4.1.DFD Level 1 id_user, nama_posko, jenis-posko, Lokasi_posko

Pesan sukses/gagal

Posko

1 Id_posko, nama_posko, jenis-posko, Lokasi_posko, id_user, email,password, penduduk

Mengelola posko

Cost

Id_cost, id_posko_pusat,id_posko_tujuan Id_user

Id_user, Kategori_logistik

2 Melihat Jalur distribusi

Biaya distribusi, jalur distribusi

User

id_posko Id_posko, cost

Posko

Data posko Id_posko Id_posko

Data logistik Id_user, Email,password, lokasi_pusat,nama bencana

Logistik Id_user, Email,password, lokasi_pusat

3

User

Pesan sukses/ gagal

Mengubah Profil Nama_kategori_logistik, id_kategori_logistik

Pesan sukses/ gagal

Id_Kategori_logistik, id_posko,value

id_user, nama_posko email,password, Lokasi_posko Pesan sukses/ gagal

Email,password Pesan sukses/ gagal

4 Mengelola Kategori Logistik

5 Mengubah data logistik

Pesan sukses/ gagal

Cost

cost

6 Mengubah profil posko

7 Konfirmasi Lokasi Posko

Id_user, Email,password, lokasi_pusat

Nama_Kategori_logistik, id_kategori_logistik

Kategori_Logistik

Nama_Kategori_logistik, id_kategori_logistik Id_Kategori_logistik, value

Logistik

Id_Kategori_logistik, nama, value id_user, nama_posko, email, password, Lokasi_posko nama_posko email,password, Lokasi_posko Email,password, lokasi Nama_posko

Gambar 3.7.Data Flow Diagram Level 1

Posko

Posko


54


3.3.4.2. DFD Level 2 proses 1 id_user, nama_posko, jenis-posko, lokasi_posko email,password, id_user

pesan sukses/gagal

User

Id_posko,nama_posko,tipe, lokasi_posko,penduduk Pesan sukses/gagal

Id_posko

1.1 Mendaftarkan Poskoposko

Posko nama_posko, jenisposko, lokasi_posko cost

id_posko, nama_posko, jenis-posko, lokasi_posko

1.2 Mengubah Data Posko

1.3 Menghapus Data Posko

Cost

Posko

Id_posko id_posko_pusat, id_posko_tujuan, cost Id_cost,id_posko_pusat, id_posko_tujuan

id_posko o

Cost

Posko

Id_posko,id_posko_pusat, id_posko_tujuan, cost Id_cost,id_posko_pusat, id_posko_tujuan

Gambar 3.8.Data Flow Diagram Level 2 Proses1

Cost


55


3.3.4.3. DFD Level 2 proses 4 Id_kategori_logisrik,Nama_kategori_logistik, perhitungan Nama_kategori_logistik

4.1 Pesan sukses/error

Menambah Kategori Logistik

Posko Id_kategori_logsitik, nama_kategori_logistik

User Id_kategori_logistik

4.2

Pesan sukses

Menghapus Kategori Logistik

Id_kategori_logistik

Posko Id_kategori_logsitik, nama_kategori_logistik

Gambar 3.9.Data Flow Diagram Level 3Proses 4

3.3.5. Deskripsi Proses Proses 1.1. Mendaftarkan Posko Input

email,password,id_user

Output

Data posko berhasil di simpan

Algoritma

a. Cek kelengkapan data : email dan password. b. Cek id_user pengguna yang sedang aktif. c. Jika data lengkap, maka lanjutkan proses d; else Tampilkan pesan error.


56


d. Sistem mentimpan data akun posko baru kerdalam basis data dengan lokasi_posko default.

Proses 1.2. Mengubah data posko Input

Id_posko, nama_posko, lokasi_posko,penduduk,tipe

Output

Data posko berhasil diubah

Algoritma

a. Cek id_user pengguna yang sedang aktif b. Cek kelengkapan datapengubahan, jika ada seluruh data lengkap lanjutkan langkah c; else tampilkan pesan error. c. simpan data hasil perubahan kedalam basis data.

Proses 1.3. Menghapusdataposko Input

Id_posko

Output

Data posko terhapus

Algoritma

a. Cek id_posko pada posko yang dipilih.


57


b. Sistem menghapus data posko sesuai atribut id_posko yang dipilih.

Proses 2 Melihat jalur distribusi Input

Id_user, Kategori_logistik

Output

Biaya distribusi, jalur distribusi

Algoritma

a. Cek id_user pengguna yang sedang aktif b. Cek nomor seluruh data posko berdasarkan id_user. c. Masukkan data posko bertipe pusat kedalam objek source,dan posko bertipe masyarakat kedalam objek destination. d. Masukkan objek source dan destination kedalam objek Transportasi. e. Panggil fungsi perhitungan algoritma vogels. f. Hasil dari perhitungan dengan menggunakan algoritma vogels, dihitung menggunakan algoritma multiplier. g. Pada hasil perhitungan menggunakan algoritma multiplier berupa jalur, runut titik


58


lokasi pada peta dan tampilkan dalam tabel.

Proses 3 Mengubah profil Input

Id_user, Email,password, lokasi_pusat,nama bencana

Output

Profil berhasil diubah

Algoritma

a. Cek id_user pengguna yang sedang aktif b. Cek kelengkapan datapengubahan, jika ada seluruh data lengkap lanjutkan langkah c; else tampilkan pesan error. c. simpan data hasil perubahan kedalam basis data.

Proses 4.1. Menambah Kategori Logistik Input

Id_kategori_logistik, nama_kategori, perhitungan

Output

Kategori logistik berhasil disimpan.

Algoritma

a. Cek id_kategori logistik b. Cek kelengkapan data : nama_kategori dan


59


perhitungan, jika ada seluruh data lengkap lanjutkan langkah c; else tampilkan pesan error. c. simpan data hasil perubahan kedalam basis data.

Proses 4.2 Menghapus kategori Logistik Input

Id_kategori_logistik

Output

Kategori logistik berhasil dihapus

Algoritma

a. Cek id_kategori logistic sesuai data yang dipilih. b. Hapus data kategori logistik sesuai dengan id_kategori logistik.

Proses 5 Mengubah data logistik Input

Id_posko, id_kategori_logistik, value

Output

Data logistik berhasil diubah.

Algoritma

a. Cek id_user pengguna yang sedang aktif b. Cek kelengkapan data pengubahan, jika ada


60


seluruh data lengkap lanjutkan langkah c; else tampilkan pesan error. c. simpan data hasil perubahan kedalam basis data.

Proses 6 Mengubah profil posko Input

Id_posko, Email,password, nama_posko, lokasi_posko,penduduk, tipe

Output


Algoritma

a. Cek id_posko pengguna yang sedang aktif b. Cek kelengkapan data pengubahan, jika ada seluruh data lengkap lanjutkan langkah c; else tampilkan pesan error. c. simpan data hasil perubahan kedalam basis data.

Proses 7Konfirmasi lokasi posko Input

Id_posko, Email,password


61


Output


Algoritma

a. Verifikasiemail dan password yang dimasukkan. Jika ada lakukan langkah b; else Tampilkan pesan gagal; b. Ambil id_posko dari basis data. c. Ambil koordinat lokasi menggunakan GPS receiver. d. Simpan koordinat lokasi kedalam basis data sesuai dengan id_posko.

3.3.6. Kamus Data Data Flow - id_user

Deskripsi

Narasi

= Berupa angka,

- identitias untuk dapat

auto_increment

melakukan aktifitas seorang user BNPB.

- email

= berupa angka/huruf

-email untuk dapat login/masuk ke sistem.

- password

= berupa angka/huruf.

-Sandiuntuk dapat login/masuk ke


62


sistem.(verifikasi dengan - nama_bencana

= berupa huruf

email) - Nama dari bencana yang menjadi tanggung jawab

- lokasi_pusat

= berupa angka dan tanda

user BNPB.

baca

- Merupakan koordinat lokasi yang terdiri dari longitude dan latitude, berfungsi sebagai lokasi pusat dari keseluruhan posko/daerah yang

- id_posko

= Berupa angka,

menjadi tanggung jawab

auto_increment

user BNPB. - identitas untuk dapat

- nama_posko

= Berupa huruf

melakukan aktifitas

- lokasi

= Berupa huruf dan tanda

seorang user posko.

baca.

- Nama dari sebuah posko. - Merupakan koordinat lokasi yang terdiri dari

- penduduk

= berupa angka

longitude dan latitude,


63


berfungsi sebagai lokasi dari sebuah posko. - tipe

= berupa huruf. Tipe : pusat - Merupakan jumlah / masyarakat

pengungsi/penduduk yang ada dalam sebuah posko. - Merupakan jenis dari suatu posko, apakah

- id_kategori_logistik

- nama_kategori_logistik

=Berupa angka,

bertindak sebagai posko

auto_increment

sumber (pusat) ataupun

= Berupa huruf

tujuan (masyarakat). = merupakan identitas dari sebuah kategori logistik.

- perhitungan

= berupa angka (double)

= merupakan nama dari sebuah kategori logistic. Ex :beras, gula.

- value

=berupa angka (double)

= merupakan bilangan untuk perkalian dari kebutuhan perhari. =merupakan jumlah dari stok.


64


3.3.7. Diagram Aktifitas 3.3.7.1. Diagram Aktifitas Login

Gambar3.10. Diagram Aktifitas Login


65


3.3.7.2. Diagram Aktifitas Kelola Posko – Buat Posko

Gambar 3.11. Diagram Aktifitas Buat Posko 3.3.7.3. Diagram Aktifitas Kelola Posko – Edit Posko


66


Gambar 3.12. Diagram Aktifitas Edit Posko 3.3.7.4. Diagram Aktifitas Kelola Posko – Hapus Posko

Gambar 3.13. Diagram Aktifitas Hapus Posko

3.3.7.5. Diagram Aktifitas Mengubah Profil


67


Gambar 3.14. Diagram Aktifitas Ubah Profil 3.3.7.6. Diagram Aktifitas Mengelola Kategori – Tambah Kategori Logistik

Gambar 3.15. Diagram Aktifitas Tambah Kategori Logistik 3.3.7.8. Diagram Aktifitas Mengelola Kategori – Hapus Kategori Logistik


68


Gambar 3.16. Diagram Aktifitas Hapus Kategori Logistik 3.3.7.9. Diagram Aktifitas Melihat Jalur Distribusi

Gambar 3.17. Diagram Aktifitas Melihat Jalur Distribusi


69


3.3.7.10. Diagram Aktifitas Mengganti Data Logistik

Gambar 3.18. Diagram AktifitasMengganti Data Logistik 3.3.8.Entity Relationship (ER) Diagram Password

Id_user

Location Center

Email User

Id_posko

Id_posko 1,*

1,*

Nama

Nama memiliki

Lokasi

Posko 1,*

memiliki

1,1

1,1

1,*

Posko 1,*

terdapat

Lokasi 1,*

terdapat *,*

Id_cost

*,*

Cost

Id_logistik

cost *,* *,*

Logistik 1,*

Id_kategori _logistik

Kategori_Logistik

nama

1,1

terdapat

value


70


Gambar 3.19. Entity Relationship 3.3.9.Relational Model User Id_user(PK) Email Password Location_center Bencana 1,*

1,* 1,1

1,1

Posko

Posko

Id_posko(PK) Nama_posko Lokasi_posko User_id (FK) Email 1,* Password Penduduk

Id_posko(PK) Nama_posko Lokasi_posko User_id (FK) Email Password Penduduk 1,*

1,* *,*

*,*

*,*

*,*

Logistik

Cost

Id_logistik(PK) Id_kategori_logistik(FK) Id_posko(FK) value

Id_cost(PK) Id_posko_pusat(FK) Id_posko_masyarakat(FK) biaya

*,* 1,*

Kategori_logistik Id_kategori_logistik(PK) Nama count

1,*


71


Gambar 3.20. Relational Model 3.3.10. Tabel Tabel posko Tabel3.4. TabelPosko No

Nama

Tipe data

panjang

1

id_posko

Int

11

2

Nama_posko

Varchar

30

3

Lokasi_posko

Varchar

50

4

Tipe

Varchar

10

5

User_id

Int

11

6

Email

Varchar

30

7

Password

Varchar

15

8

Penduduk

Double

-

Tabel user Tabel3.5. TabelUser No

Nama

Tipe data

panjang

1

id_user

Int

11

2

Email

Varchar

30

3

Password

Varchar

15

4

Location_center

Varchar

50

5

Bencana

Varchar

30

Tabel cost


72


Tabel3.6. TabelCost No

Nama

Tipe data

panjang

1

id_cost

Int

11

2

Id_posko_pusat

Int

11

3

Id_posko_masyarakat

Int

11

4

Biaya

Double

-

Tabel kategori_logistik Tabel3.7.TabelKategori_logisitik No

Nama

Tipe data

panjang

1

id_kategori_logisitik

Int

11

2

Nama

Varchar

15

3

Count

Double

-

Tabel Logistik Tabel3.8.TabelLogisitik No

Nama

Tipe data

panjang

1

id_logistik

Int

11

2

id_kategori_logisitik

Int

11

3

id_posko

Int

11

4

Value

Double

-

3.3.11. Perancangan Antarmuka 3.3.11.1. Halaman Login


73


EMAIL PASSWOR USER Login

Gambar 3.21.Halaman Login 3.3.11.2. HalamanPosko POSKO

MAP

PROFIL

KATEGOR

LOGOUT

POSKO PUSAT

POSKO MASYARAKAT

POSKO BARU

Gambar 3.22.Halaman Posko 3.3.11.3. Halaman Map POSKO

MAP

PETA DIGITAL

PROFIL

KATEGORI

LOGOUT kategori

Submit


74


Gambar 3.23.Halaman Map 3.3.11.4. Halaman Profil POSKO

MAP

PROFIL

KATEGORI

LOGOUT

PETA DIGITAL

Gambar 3.24.Halaman Profil 3.3.11.5. Halaman Kategori POSKO

Nama logistik

MAP

PROFIL

perhitungan

KATEGORI

LOGOUT

tambah

Gambar 3.25. Halaman Kategori


75


3.3.11.6. Halaman Home

HOME

PROFIL

LOGISTIK

LOGOUT

Gambar 3.26. Halaman HOME 3.3.11.7. Halaman Profil Posko

POSKO

PROFIL

PETA DIGITAL

LOGISTIK

LOGOUT


76


Gambar 3.27.Halaman Profil Posko 3.3.11.8. Halaman Logistik POSKO

PROFIL

LOGISTIK

LOGOUT

SIMPAN

Gambar 2.28. Halaman Logistik 3.3.11.9. Halaman Konfirmasi Android

EMAIL PASSWORD

Konfirmasi

Gambar 2.29. Halaman Konfirmasi Android


BAB IV IMPLEMENTASI SISTEM

Implementasi merupakan tahap pengkodean dari hasil perancangan yang telah dibuat.Pada bab ini akan dijelaskan hasil implementasi dan pembahasan dari sistem informasi yang telah dibuat,serta analisa hasil pengkodeandari sistem informasi tersebut. 4.1. Pengolahan Data Posko Data yang akan digunakan pada pengujian sistem DMS-INDRini berupa data nama, lokasi, dan jumlah pengungsi pada posko yang tersebar setelah tanggal 5 November 2010 saat bencana erupsi Merapi, yang diperoleh dari situs merapipartisipasi milik Universitas Gadjah Mada. Data posko tersebut tersimpan dalam bentuki fileyang berjeniskml dan xls(excel document). File berjenis kmlberisikan tentang data nama dan lokasi posko, sedangkan fileberjenis xls berisikan data mengenai nama dan jumlah pengungsi pada setiap posko. Kedua fileyang berbeda jenis tersebut harus terlebih dahulu digabungkan, agar menjadi sebuah file data yang utuh dan siap dipergunakan untuk pengujian. Jenis data yang akan dipergunakan oleh penulis dalam pengujian adalah berupa data berjenis xml. Terdapat beberapa data jumlah penduduk yang masih kosong dalam fileexcel document, sehingga penggabungan kedua data tersebut harus melalui tahap penyaringan (filtering). Data pada excel document digunakan untuk menyaring data-data yang terdapat pada file kml, dengan nama posko sebagai variabel pembanding dimasing masing file. Penyaringan dilakukan dengan hanya

77



mengambil data posko yang memiliki pengungsi lebih dari 10 orang, dengan tujuan untuk menghilangkan beberapa data yang dianggap kurang valid untuk pengujian.

Gambar 4.1. Data posko kml.

Gambar 4.2. Data posko xls. Pengolahan data dilakukan dengan proses scripting, yakni dengan menggunakan bahasa pemrograman php. File berjenis kml diolah dengan menggunakan

fungsi

simplexml_load_file()

milik

php,

yang

kemudian

diintregasikan dengan file berjenis excel documentyang diolah dengan menggunakan OLEReader. OLEReadermerupakan sebuah kelas dalam side server scriptingphp yang dikembangkan pertamakali oleh Vadim Tkachenko, yang disebarkan secara open-source untuk membaca file excel document. Proses integrasi dilakukan dengan menjadikan nama posko sebagai primary key, karena tidak terdapat data lain dengan nama yang sama. Dari file kml dan xls diambil data



berupa nama posko, jumlah penduduk, dan titik koordinat posko. Hasil akhir dari pengolahan adalah file berjenis xml dengan menambahkan atribut baru yakni tipe posko. Tipe posko dibedakan menjadi dua yakni posko pusat dan posko tujuan. Posko pusat merupakan posko yang nantinya akan dipergunakan sebagai variabel supply, sedangkan posko tujuan akan dipergunakan sebagai variabel demand. Variabel tersebut dihitung dari atribut jumlah pengungsi dari masing-masing posko. Proses pengolahan ini akan menghasilkan file xml seperti pada gambar 4.3.

Gambar 4.3. Data posko hasil pengolahan, bertipe xml. Pengolahan dlakukan dengan menggunakan pseudo code sebagai berikut : 1. Mulai. 2. Buat variabel outputXml, sebagai hasil akhir dari pengolahan data. 3. Buat variabel dataExcel,yang berisi Masukkan data posko pada file xls kedalam variabel dataExcel menggunakan OLERead. 4. Buat variabel dataKml, yang berisi data xml posko pada file kml dengan menggunakan fungsi simplexml_load_file($file).



5. Buat variabel placemark, yang berupa array dari seluruh data posko pada variabel dataKml. 6. Pada setiap placemark, lakukan langkah 6-10. 7. Jika nama posko dari variabel dataExceldanplacemarksama, dan data jumlah pengungsi pada dataExcel> 10 lakukan langkah 7-10 8. Buat objek <posko> baru pada variabel outputXml. 9. Buat atribut ,,, dan pada objek <posko>. 10. Untuk atribut ,,, isikan dengan data yang ada pada atribut pada placemark. Sedangkan diisi dengan data pada variabel dataExcel. 11. Jika >1000 maka variabel = pusat, jika tidak maka variabel = masyarakat. 12. Simpan data xml yang berisi objek posko yang sudah terbentuk. 13. Selesai. setOutputEncoding('CP1251'); $dataExcel->read('jmlPenduduk.xls'); error_reporting(E_ALL ^ E_NOTICE); //Kml Reading $file = 'dataPosko2.kml'; $dataKml = simplexml_load_file($file);



$placemarks = $dataKml->Document->Folder->Placemark; //XML Creator Setting $doc = new DOMDocument(); // specify the version and encoding $doc->version = '1.0'; $doc->encoding = 'UTF-8'; $comment_elt = $doc->createComment('Generated by Chiputera '); $doc->appendChild($comment_elt);

$data_posko = $doc->createElement('Document'); $doc->appendChild($data_posko); $jumlah_data=0; $jum=0; for ($i = 0; $i < count($placemarks); $i++) {

for ($j = 6; $j < 559; $j++) { if (trim($placemarks[$i]->name) == trim($dataExcel->sheets[0]['cells'][$j][5]) && $dataExcel->sheets[0]['cells'][$j][6] > 10&& $dataExcel->sheets[0]['cells'][$j][7] == "Sleman") { $jumlah_data++; $posko = $doc->createElement('Posko'); $data_posko->appendChild($posko);

$nama = $doc->createElement('nama',$placemarks[$i]->name); $koordinat=substr($placemarks[$i]->Point->coordinates,0,-2); $lokasi = $doc->createElement('lokasi', substr($koordinat,strpos($koordinat, ",")+1, strlen($koordinat)).",".substr($koordinat,0, (strpos($koordinat, ","))-strlen($koordinat))); $penduduk = $doc->createElement('penduduk',$dataExcel->sheets[0]['cells'][$j][6]);



if($dataExcel->sheets[0]['cells'][$j][6]>1000){ $jum++; $tipe = $doc->createElement('tipe','pusat'); }else{ $tipe = $doc->createElement('tipe','masyarakat'); } $posko->appendChild($nama); $posko->appendChild($lokasi); $posko->appendChild($penduduk); $posko->appendChild($tipe); break;

} }

} //

echo $jum; //Menyimpan XML $doc->formatOutput = true; $doc->saveXML(); $doc->save("data_posko.xml"); echo $jumlah_data;

?>

Setelah dilakukan proses scripting, data valid yang disimpan kedalam file berjenis xml dan siap untuk dilakukan pengujian adalah sebanyak 73 posko.



Sebanyak 14 data posko (posko kabupaten Sleman) dari 73 data posko yang telah didapatkan akan dipergunakan dalam pengujian kebenaran sistem, yakni dengan membandingkan hasil perhitungan manual dan perhitungan oleh sistem yang dibuat. Sedangkan data posko secara keseluruhan, sebanyak 73 data posko akan digunakan sebagai pengujian kehandalan sistem. Hasil pengolahan data dalam bentuk kmltersebut, kemudian dimasukkan kedalam basis data dengan menggunakan scripting. Keseluruhan data posko yang ada didalam data kmlakan disimpan kedalam basis data “Posko”. Kemudian pada masing-masing tipe posko yang berbeda akan dilakukan pencarian jarak dengan menggunakan Google Distance Matrix. public static function insertPoskoWithAcc($nama, $lokasi, $penduduk, $tipe, $user_id) { mysql_query("INSERT INTO posko (nama_posko,lokasi_posko,penduduk,tipe,user_id) VALUES ('$nama','$lokasi',$penduduk,'$tipe',$user_id)"); echo mysql_error(); $rset = mysql_query("SELECT MAX(id_posko) FROM posko WHERE user_id=" . $user_id); while ($list = mysql_fetch_row($rset)) { $id_posko = $list[0]; } //Query untuk mengambil data posko yang ada. Jika posko baru = pusat, maka yang diambil posko masyarakat, dan sebaliknya if ($tipe == "pusat") { $sql = "SELECT id_posko,lokasi_posko FROM posko WHERE tipe='masyarakat' AND user_id=" . $user_id; } else { $sql = "SELECT id_posko,lokasi_posko FROM posko WHERE tipe='pusat' AND user_id=" . $user_id; }



$rset = mysql_query($sql); while ($list = mysql_fetch_row($rset)) { //

echo $list[1]; $cost = Posko::calculate_distance_matrix($lokasi, $list[1]); //insert data cost if ($tipe == "pusat") { $sqlCost = "INSERT INTO cost (id_posko_pusat,id_posko_masyarakat,biaya) VALUES

($id_posko,$list[0],$cost)"; } else { $sqlCost = "INSERT INTO cost (id_posko_pusat,id_posko_masyarakat,biaya) VALUES ($list[0],$id_posko,$cost)"; } mysql_query($sqlCost); } }

public static function fillLogistik($user_id) { $rset = mysql_query("SELECT id_kategori_logistik FROM kategori_logistik"); $x = 0; while ($list = mysql_fetch_row($rset)) { $id_kategori_logistik[$x] = $list[0]; $x++; } $rset = mysql_query("SELECT id_posko,penduduk FROM posko WHERE user_id=" . $user_id); while ($list = mysql_fetch_row($rset)) { $id_posko = $list[0]; $penduduk = $list[1]; for ($i = 0; $i < count($id_kategori_logistik); $i++) { mysql_query("INSERT INTO logistik (id_kategori_logistik,id_posko,value) VALUES ($id_kategori_logistik[$i],$id_posko,($penduduk*2))"); }



} echo mysql_error(); }

Method insertPoskoWithAcc() berfungsi untuk memasukkan data posko secara keseluruhan. Di method ini juga terdapat pembanding untuk pengisian cost, dimana setiap posko berjenis “pusat” akan dilakukan pencarian jarak pada posko yang bertipe “masyarakat”. Sedangkan untuk method fillLogistik() berfungsi untuk memasukkan data jumlah stok dari masing-masing posko kedalam basis data “stok”. 4.1.1. Google Distance Matrix Google Distance Matrix APIpada sistem ini dipergunakan untuk memperoleh jarak dari 2 titik, yang dijalankan dengan mengirim request url. Request url yang dikirimkan pada sistem ini adalah sebagai berikut : 'http://maps.googleapis.com/maps/api/distancematrix/xml?origins='-KOORDINAT POSKO A-'&destinations='-KOORDINAT POSKO B-'&mode=driving&sensor=false'

Gambar 4.4.Request Url Google Distance Matrix API Request Url yang dikirim pada sistem ini menggunakan modedriving, karena jalur penghubung yang dibutuhkan pada setiap titik posko adalah jalur yang dapat dilalui kendaraan roda empat untuk mempermudah pengiriman logistik. Selain itu tujuan penggunaan modedriving adalah untuk memperluas kemungkinan pemerolehan jarak pada Google Distance Matrix. Hal ini disebabkan karena sebagian besar data jalur yang sudah terbentuk dalam basis data Google Maps adalah pada modedriving. Sedangkan untuk daerah-daerah di Indonesia, hasil



implementasi pembentukan jalur dengan mode walking dan bicyclingmasih sangat sedikit. Hasil yang didapatkan dengan pengiriman request url ini adalah berupa file xml. File xml ini harus diolah terlebih dahulu menggunakan fungsi dari php yakni simplexml_load_file(), karena hasil request tidak hanya terdapat data jarak saja namun juga terdapat data waktu tempuh. Pengambilan jarak dilakukan dengan mengakses beberapa tagdalam xml, yakni row, element, distance, dan value. Pengolahan data xml dapat dilihat pada potongan kode program berikut : public static function calculate_distance_matrix($start, $finish) { $url = 'http://maps.googleapis.com/maps/api/distancematrix/xml?origins=' . $start . '&destinations=' . $finish . '&mode=driving&sensor=false'; $DistanceMatrixResponse = simplexml_load_file($url); $distance = $DistanceMatrixResponse->row->element->distance->value / 1000; return $distance; }

4.2. Implementasi Database Pada proses ini dilakukan pembuatan database pad MySQL menggunakan MySQL phpMyAdmin. Database yang dibuat untuk penyimpanan data DMSINDSRini

bernama

Distribusi.Berikut

ini

merupakan

dipergunakan untuk pembuatan basis data. 4.2.1. Tabel User CREATE TABLE IF NOT EXISTS ùser` ( ùser_id` int(11) NOT NULL AUTO_INCREMENT,

syntax

queryyang



èmail` varchar(30) NOT NULL, `password` varchar(15) NOT NULL, `location_center` varchar(100) NOT NULL, `Bencana` varchar(30) NOT NULL, PRIMARY KEY (ùser_id`) )

ENGINE=InnoDB

DEFAULT

CHARSET=latin1

AUTO_INCREMENT=5 ;

4.2.2. Tabel Posko CREATE TABLE IF NOT EXISTS `posko` ( ìd_posko` int(11) NOT NULL AUTO_INCREMENT, `nama_posko` varchar(30) NOT NULL, `lokasi_posko` varchar(300) NOT NULL, `tipe` varchar(10) NOT NULL, ùser_id` int(11) NOT NULL, èmail` varchar(20) NOT NULL, `password` varchar(15) NOT NULL, `penduduk` double NOT NULL, PRIMARY KEY (ìd_posko`) )

ENGINE=InnoDB

AUTO_INCREMENT=701 ;

DEFAULT

CHARSET=latin1



4.2.3. Tabel Cost CREATE TABLE IF NOT EXISTS `cost` ( ìd_cost` int(11) NOT NULL AUTO_INCREMENT, ìd_posko_pusat` int(11) NOT NULL, ìd_posko_masyarakat` int(11) NOT NULL, `biaya` double NOT NULL, PRIMARY KEY (ìd_cost`), KEY ìd_posko_pusat` (ìd_posko_pusat`), KEY ìd_posko_masyarakat` (ìd_posko_masyarakat`) )

ENGINE=InnoDB

DEFAULT

CHARSET=latin1

AUTO_INCREMENT=3053 ;

4.2.4. Tabel Kategori Logistik CREATE TABLE IF NOT EXISTS `kategori_logistik` ( ìd_kategori_logistik` int(11) NOT NULL AUTO_INCREMENT, `nama` varchar(15) NOT NULL, `count` double NOT NULL, PRIMARY KEY (ìd_kategori_logistik`) )

ENGINE=InnoDB

DEFAULT

AUTO_INCREMENT=2 ;

4.2.5. Tabel Logistik CREATE TABLE IF NOT EXISTS `logistik` (

CHARSET=latin1



ìd_logistik` int(11) NOT NULL AUTO_INCREMENT, ìd_kategori_logistik` int(11) NOT NULL, ìd_posko` int(11) NOT NULL, `value` double NOT NULL, PRIMARY KEY (ìd_logistik`) )

ENGINE=InnoDB

DEFAULT

CHARSET=latin1

AUTO_INCREMENT=1 ;

4.3. Implementasi Program dan Pembahasan Seluruh aktifitas untuk menampilkan view yang terdapat dalam sistem DMS-INDSR ini diatur oleh sebuah controllerbernama index..FileIndex.php mengatur penampilan view dengan membandingkan parameter pada url dan pada atribut jenis user. FileIndex.php ini memiliki fungsi yang sama dengan servlet pada pembangunan website menggunakan server side scripting jsp. Selain itu terdapat juga controller yang terletak pada controller/index.php, yang berfungsi untuk mengatur penggunaan kelas model.

Gambar 4.5.Controllerpada sistem.



Gambar 4.6.kelasmodelpada sistem.

Gambar 4.7.viewpada sistem.

4.3.1. Halaman Login Halaman login merupakan halaman yang muncul ketika pertamakali website dijalankan. Halaman ini terdapat sebuah formyang berisi masukan berupa email, password,dan jenis user.Jenis usermerupakan sebuah comboBox yang terdiri dari dua pilihan, yakni BNPB dan Posko.



Gambar4.8.Halaman Login Setelah pengguna memasukkan data pada form login dan menekan tombol masuk, maka sistem akan menampilkan halaman sesuai dengan jenis user.

4.3.2. Halaman User BNPB 4.3.2.1. Halaman Posko Halaman posko adalah halaman yang pertama kali ditampilkan oleh sistem, jika jenis user login adalah user BNPB.Halaman posko merupakan halaman yang berfungsi untuk mengelola data posko, sepertimembuat posko, edit posko, ataupun hapus posko. Seluruh data poskoyang menjadi tanggung jawab pengguna ditampilkan kedalam 2 tabel, tabel posko pusat dan tabel posko pengguna.



Gambar4.9. Halaman kelola posko 4.3.2.1.2. Halaman Posko>Buat posko Pada bagian bawah tabel posko terdapat sebuah tombol “BUAT POSKO”. Tombol ini befungsi untuk membuat data posko baru. Apabila usermenekan tombol tersebut, maka pada halaman tersebut akan muncul sebuah form kecil yang berisi input mengenai email, password, dan jenis posko.

Gambar 4.10. Form Posko Baru Seluruh text field yang ada pada form posko baru tersebut tidak boleh kosong. Apabila terdapat kekosongan pada salah satutext field maka akan muncul



pesan peringatan, yang dibangkitkan menggunakanatribut “required” dari input textpadahtml 5.

Gambar 4.11. Penanganan empty-fielderror

4.3.2.1.2. Halaman Posko>Edit posko Pada setiap baris posko yang ditampilkan didalam tabel, terdapat tombol “EDIT”. Tombol ini berfungsi untuk membuka halaman pengubahan data posko, yang berisi form pengubahan data posko yang dipilih sebelumnya.

Halaman 4.12. Halaman Edit Posko



Form dalam halaman ini berisi textfieldnama posko, lokasi posko, penduduk dan jenis posko. Lokasi posko dapat diubah dengan menggunakan peta digital ataupun secara manual.

4.3.2.1.3. Halaman Posko> Hapus posko Pada setiap baris posko yang ditampilkan didalam tabel, terdapat tombol “Hapus”. Tombol ini berfungsi untuk menghapus data posko yang dipilih. Ketika user menekan tombol hapus, maka sistem akan menampilkan sebuah jendela konfirmasi yang dapat dilihat pada gambar .Jendela ini berfungsi untuk mencegah kesalahan pengguna, sehingga data tidak langsung terhapus apabila pengguna belum memastikan konfirmasi penghapusan.Terdapat 2 tombol pada jendela konfirmasi tersebut, yakni konfirmasi “Ya” dan “Batal”.

Gambar4.13. Jendela Konfirmasi penghapusan posko

4.3.2.2. Halaman Map Halaman map merupakan halaman yang menampilkan peta digital, dimana seluruh data posko akan ditampilkan dalam bentuk markerpada peta tersebut. Selain itu juga terdapat form yang berisis comboBox kategori logistik dan tombol submityang berfungsi untuk menentukan alur transportasi.



Gambar 4.14. Halaman Map Ketika pengguna memilih salah satu jenis kategori logistik dan menekan tombol submit, maka sistem akan menampilkan tabel hasil perhitungan transportasi dan merunut jalur distribusi pada peta digital.Jalur distribusi yang terbentuk dibedakan berdasarkan posko sumber/pusat dengan menggunakan warna.

Gambar 4.15. Halaman Map Dengan Jalur



4.3.2.3. Halaman Profile Halaman profile adalah halaman yang berfungsi untuk mengubah data profile pengguna. Halaman ini berisi form yang berisi data profile pengguna seperti : email, nama bencana, lokasi pusat, dan password. Formlokasi pusat dapat diisi secara manual seperti data profile lainnya, yakni dengan cara menuliskan nilai koordinat latitude dan longitude yang dipisah dengan tanda baca “,” (koma).

Gambar 4.16. Halaman Ubah Profil Selain itu data lokasi pusat juga dapat diubah dengan menggunakan peta digital yang terdapat disebelah kiri form, yakni dengan melakukan proses klik pada lokasi yang diinginkan. Lokasi awal (sebelum perubahan) ditandai dengan sebuah ‘marker’ tetap pada peta digital.Setelah pengguna melakukan proses klik pada suatu lokasi di peta digital, maka sistem akan menampilkan sebuah marker baru yang dapat dipindahkan (dragable).Marker tersebut berfungsi sebagai penanda titik dari lokasi baru yang akan diambil data koordinatnya. Pengambilan data koordinat baru dilakukan dengan cara melakukan klik ulang pada marker



yang berpindah, kemudian sistem akan mengganti data koordinat pada inputan lokasi pusat yang ada di form pengubahan profile.

Gambar 4.17. Halaman Ubah Profil – Pindah marker Sistem ini juga menyediakan proses pencarian daerah untuk memudahkan perubahan lokasi pusat tanpa harus mencarinya dengan manual, yakni dengan mengisi formdibawah peta dengan daerah yang diinginkan kemudian menekan tombol “Pergi ke”.

Gambar 4.18.Halaman Ubah Profil -Form Pergi Ke Fasilitas ini ditangani oleh objek bernama Geocoder dalam Google Maps Direction Service.

Geocoder

merupakan sebuah objek

yang berfungsi

mengkonfersikan sebuah alamat menjadi sebuah koordinat (geocoding) atau mengkonfersikan sebuah koordinat menjadi sebuah alamat (reverse geocoding). Penggunaan objek geocoder dalam menemukan lokasi dapat dilihat pada potongan kode program berikut ini :



var geocoder = new google.maps.Geocoder(); function codeAddress() { var address = document.getElementById("address").value; geocoder.geocode( { 'address': address}, function(results, status) { if (status == google.maps.GeocoderStatus.OK) { map.setCenter(results[0].geometry.location); map.setZoom(11); } else { alert("Geocode was not successful for the following reason: " + status); } }); }

4.3.2.4. Halaman Kategori Halaman kategori merupakan halaman yang berfungsi untuk mengelola data kategori logistik. Halaman berisi sebuah tabel yang memuat data kategori logistik yang ada, kemudian terdapat sebuah form yang berfungsi untuk menambah kategori logistik. Form berisi text field nama kategori logistik dan perhitungan logistik.

Gambar 4.19. Halaman Kategori Logistik



4.3.3. Halaman User Posko 4.3.3.1. Halaman Home Halaman home merupakan halaman yang pertama kali ditampilkan oleh sistem, apabila pengguna yang login bertipe “posko”. Halaman ini menyediakan informasi tentang data profil posko yang menjadi tanggun jawab pengguna. Data yang ditampilkan pada halaman ini adalah berupa nama posko, koordinat lokasi, jenis posko, dan jumlah penduduk.

Gambar 4.20. Halaman Home Posko 4.3.3.2. Halaman Profile Halaman profile pada jenis pengguna “posko” ini adalah halaman yang berfungsi untuk mengubah data profile posko. Halaman ini berisi form yang berisi data profileposko seperti : nama_posko, koordinat lokasi posko, penduduk, dan pilihan jenis posko. Seperti halnya pada halaman profile pengguna BNPB, pada halaman ini juga tersediafasilitas geocode untuk membantu dalam menemukan lokasi yang diinginkan.



Gambar 4.21. Halaman Profile Posko 4.3.3.3. Halaman Logistik Halaman logistik merupakan halaman yang berfungsi untuk melakukan pembaharuan jumlah stok logistik secara berkala. Proses pembaharuan ini merupakan tanggung jawab dari user posko, dimana pada setiap harinya user diminta untuk memperbaharui data logistik sesuai dengan kategori yang ada.

Gambar 4.22. Halaman Logistik



4.3.4. Halaman Konfirmasi Lokasi Posko (Android) Halaman ini merupakan halaman yang terdapat dalam aplikasi konfirmasi posko pada pesawat telepon android. Halaman ini terdapat form yang berisi masukkan berupa textfielduntuk email dan password, kemudian terdapat tombol untuk melakukan konfirmasi lokasi. Ketika proses konfirmasi berhasil, maka akan muncuk pesan sukses.

Gambar 4.23. Halaman Konfirmasi Lokasi

Gambar 4.24. Halaman Pesan Sukses



Proses konfirmasi lokasi posko dilakukan dengan mengirimkan data email, password dan koordinat lokasi. Koordinat lokasi diambil melalui perangkat android dengan menggunakan location manager, seperti pada listing berikut ini : public String getCoordinate(){ String loc=""; mgr = (LocationManager) getSystemService(LOCATION_SERVICE);

loc=mgr.getLastKnownLocation(LocationManager.GPS_PROVIDER).getLatitud e()+","+mgr.getLastKnownLocation(LocationManager.GPS_PROVIDER).getLon gitude(); return loc; }

Pengiriman data tersebut

dilakukan dari ponsel android,

kepada link

controlleryang telah disediakan pada web DMS-INDSR. Proses pengiriman pada ponsel android dilakukan menggunakankelas httpClient dan httpPost, dimana data pengguna dikirimkan sebagai sebuah variabel entity yang merupakan hasil pengkodean variabel ArrayListmenjadi sebuah url post. Proses pengkodean fungsi untuk mengirim data pada web adalah sebagai berikut : String line = ""; // Create a new HttpClient and Post Header HttpClient httpclient = new DefaultHttpClient(); HttpPost httppost = new HttpPost("http://10.0.2.2/Repodictive/mobileResponse/loginMobile.php");

try { // Add your data



ArrayList nameValuePairs = new ArrayList(2);

nameValuePairs.add(new BasicNameValuePair("email", email)); nameValuePairs.add(new BasicNameValuePair("password", password)); httppost.setEntity(new UrlEncodedFormEntity(nameValuePairs));

// Execute HTTP Post Request HttpResponse response = httpclient.execute(httppost); line = EntityUtils.toString(response.getEntity());

}catch (ClientProtocolException e) { line=""; } catch (IOException e) { line=""; } return line;

Setelah variabel tersebut dikirim, kemudian controller pada website akan memvalidasi email dan password. Apabila email dan password yang dikirimkan cocok, maka akan dilakukan pembaharuan data lokasi posko pada posko tersebut.


BAB V PENGUJIAN DAN ANALISIS HASIL

5.1. Pengujian Metode Transportasi pada DMS-INDSR Analisis ini bertujuan untuk mengetahui sejauhmana kebenaran hasil perhitungan metode transportasi oleh sistem dibandingkan dengan perhitungan secara manual. Perhitungan oleh sistem dilakukan dengan cara memasukan data posko yang diperlukan kedalam basis data, sedangkan perhitungan secara manual dilakukan dengan menggunakan microsoft excel. Data yang digunakan dalam pengujian ini adalah data posko yang tersebar di kabupaten Sleman, setelah 5 november 2010 saat bencana erupsi Merapi di Yogyakarta. Dari hasil pengolahan data, didapatkan hasil posko yang tersebar di kabupaten Sleman adalah sebagai berikut : Tabel 5.1. Posko Kabupaten Sleman Nama Posko

Koordinat lokasi

Bogem

-7.75305555555556,110.482777777778

2239

Stadion Maguwoharjo

-7.7504551290452115,110.4180908203125

2190

Balai Desa Caturharjo

-7.768551,110.32804

1132

Balai Desa Tirtomartani

-7.75620,110.47081

1155

Desa Banyurejo

-7.70076,110.28826

1408

Balai Desa Sidokarto

-7.77671,110.30447

1029

Taman Kuliner

-7.75643,110.39436

51

STIE YKPN

-7.767047222,110.4095306

367

Balai Desa Sariharjo

-7.72503,110.381

572

104

penduduk



Bumi Perkemahan Babarsari

-7.77002,110.41668

235

Balai Desa Kalitirto

-7.792,110.45865

303

Bale Desa Sumberadi

-7.7192,110.32848

242

Balai Desa Sidoluhur

-7.76642,110.28863

427

Balai Desa Sinduharjo

-7.718055556 ,110.4047222

216

Dari 14 data posko tersebut akan dibagi menjadi 2 jenis posko yakni posko pusat dan posko masyarakat. Posko pusat bertindak sebagai pemilik variabel supply, sedangkan posko masyarakat bertindak sebagai pemilik variabel demand. Pembagian dilakukan dengan mengambil posko yang memiliki jumlah penduduk lebih dari atau sama dengan 1000 untuk menjadi posko pusat, dan posko yang memiliki jumlah penduduk dibawah 1000 akan menjadi posko masyarakat. Variabel supply dan demand ditentukan dari stok, jumlah penduduk dan jenis logistik yang akan dikirim, yang dihitung dengan rumus: supply/demand = stok – (penduduk- perhitungan jenis logistik). Jenis logisitik yang akan dipergunakan dalam pengujian adalah berupa beras, dengan pengandaian kebutuhan 1 kg / hari / orang. Variabel stok pada posko pusat diisi dengan jumlah penduduk dikali dua (stok posko pusat= penduduk * 2), karena pada kasus bencana alam tidak terdapat rekam data yang valid mengenai distribusi logistik posko. Sedangkan variabel stok pada posko masyarakat diisi dengan nilai 0. Melalui perancangan variabel ini, didapatkan data variabel supply dan demand, dengan menggunakan id “S” sebagai source dan “D” sebagai destination adalah sebagai berikut ini : Tabel 5.2. Posko Pusat Kabupaten Sleman



ID

Posko Pusat

Penduduk

Supply

Stok (Penduduk*2)

(Stok – (Penduduk * 1))

S1

Bogem

2239

4478

2239

S2

Stadion Maguwoharjo

2190

4380

2190

S3


1132

2264

1132

S4


1155

2310

1155

S5

Desa Banyurejo

1408

2816

1408

S6


1029

2058

1029

Tabel 5.3. Posko Masyarakat Kabupaten Sleman

ID

Posko Masyarakat

D1 Taman Kuliner

Penduduk

Supply

Stok (Penduduk*2)

(Stok – (Penduduk * 1))

51

0

51

D2 STIE YKPN

367

0

367

D3 Balai Desa Sariharjo

572

0

572

D4 Bumi Perkemahan Babarsari

235

0

235

D5 Balai Desa Kalitirto

303

0

303

D6 Bale Desa Sumberadi

242

0

242

D7 Balai Desa Sidoluhur

427

0

427

D8 Balai Desa Sinduharjo

216

0

216

5.1.1. Perhitungan Manual Berikut ini adalah tabel kondisi awal sebelum dilakukan perhitungan. Nilai cost dari masing-masing kunjungan posko ditandai dengan cell yang berwarna putih. Kolom paling kanan dengan cell yang berwarna kuning berisi nilai supply



dari posko pusat, dan baris paling bawah dengan cell berwarna kuning berisi nilai demand dari posko masyarakat. Tabel 5.4. Uji Manual – Tabel Awal D1

D2

D3

D4

D5

D6

D7

D8

S1

14

12

19

11

6

23

28

20

2239

S2

4

5

10

5

10

15

19

5

2190

S3

10

13

11

16

21

6

5

14

1132

S4

13

11

19

10

5

23

27

19

1155

S5

16

19

15

20

26

8

9

18

1408

S6

14

16

14

18

24

8

3

17

1029

51

367

572

235

303

242

427

216

Perhitungan yang pertama menggunakan algoritma Vogel's approximation method, dengan proses sebagai berikut :

Iterasi I Langkah pertama yang dilakukan adalah dengan menghitung variabel dummy, yang merupakan selisih antara 2 bilangan paling kecil dalam baris/kolom. Pada microsoft excel, pencarian selisih antara 2 bilangan terkecil pada baris dan kolom dilakukan dengan formula : =SMALL(deret kolom/baris;2)-SMALL(deret kolom/baris;1). SMALL merupakan fungsi dalam microsoft excel untuk mencari bilangan terkecil ke n sesuai dengan parameter k yang dimasukkan (small(array,k)).



Tabel 5.5. Uji Manual - Iterasi I, Pencarian Nilai Dummy D1

D2

D3

D4

D5

D6

D7

D8

S1

14

12

19

11

6

23

28

20

2239

5

S2

4

5

10

5

10

15

19

5

2190

1

S3

10

13

11

16

21

6

5

14

1132

1

S4

13

11

19

10

5

23

27

19

1155

5

S5

16

19

15

20

26

8

9

18

1408

1

S6

14

16

14

18

24

8

3

17

1029

5

51

367

572

235

303

242

427

216

6

6

1

5

1

2

2

9

Langkah selanjutnya adalah pencarian variabel dummy yang bernilai paling besar (maksimum). Setelah ditemukan variabel dummy paling besar, kemudian dicari nilai dari variabel cost yang terdapat pada baris/kolom dari posisi variabel dummy yang terpilih. Tabel 5.6. Uji Manual - Iterasi I, Pencarian Dummy Max dan Cost Min D1

D2

D3

D4

D5

D6

D7

D8

S1

14

12

19

11

6

23

28

20

2239

5

S2

4

5

10

5

10

15

19

5

2190

1

S3

10

13

11

16

21

6

5

14

1132

1

S4

13

11

19

10

5

23

27

19

1155

5

S5

16

19

15

20

26

8

9

18

1408

1

S6

14

16

14

18

24

8

3

17

1029

5



51

367

572

235

303

242

427

216

6

6

1

5

1

2

2

9

Pada tabel 9.2. ditemukan bahwa variabel dummy terbesar bernilai 9 yakni pada kolom ke 7. Kemudian nilai cost terkecil yang terdapat pada posisi kolom dummy yang terpilih adalah 5 (cell (1,7)). Lokasi dari nilai cost terkecil tersebut akan menjadi jalur untuk distribusi, dimana supply pada baris ke 1 (2190) akan melakukan distribusi kepada demand pada kolom ke 7 sebesar 216. Kemudian nilai cost yang terdapat pada kolom demand yang sudah terpenuhi akan dihapus dari tabel atau tidak digunakan dalam iterasi yang selanjutnya. Tabel 5.7. Uji Manual – Hasil Iterasi I D1

D2

D3

D4

D5

D6

D7

S1

14

12

19

11

6

23

28 x

S2

4

5

10

5

10

15

19

S3

10

13

11

16

21

6

S4

13

11

19

10

5

S5

16

19

15

20

S6

14

16

14

51

367

6

6

D8 2239

5

1974

1

5 x

1132

1

23

27 x

1155

5

26

8

9 x

1408

1

18

24

8

3 x

1029

5

572

235

303

242

1

5

1

2

427

216

0

2 x

Bagian ini merupakan hasil akhir dari iterasi pertama, yang kemudian akan dilanjutkan dengan iterasi berikutnya. Iterasi berikutnya dilakukan dengan proses yang sama seperti iterasi pertama.



Iterasi II Pencarian nilai dummy. Tabel 5.8. Uji Manual – Iterasi II, Pencarian Nilai Dummy D1

D2

D3

D4

D5

D6

D7

S1

14

12

19

11

6

23

28 x

S2

4

5

10

5

10

15

19

S3

10

13

11

16

21

6

S4

13

11

19

10

5

S5

16

19

15

20

S6

14

16

14

51

367

6

6

D8 2239

5

1974

1

5 x

1132

1

23

27 x

1155

5

26

8

9 x

1408

1

18

24

8

3 x

1029

5

572

235

303

242

1

5

1

2

427

216

0

2 x

Pemilihan nilai dummy terbesar, dan cost terkecil. Tabel 5.9. Uji Manual - Iterasi II, Pencarian Dummy Max dan Cost Min D1

D2

D3

D4

D5

D6

D7

S1

14

12

19

11

6

23

28 x

S2

4

5

10

5

10

15

19

S3

10

13

11

16

21

6

S4

13

11

19

10

5

S5

16

19

15

20

S6

14

16

14

18

D8 2239

5

1974

1

5 x

1132

1

23

27 x

1155

5

26

8

9 x

1408

1

24

8

3 x

1029

5

216



51

367

572

235

303

242

6

6

1

5

1

2

427

0

2 x

Penghapusan kolom pada demand yang sudah terpenuhi. Tabel 5.10. Uji Manual – Hasil Iterasi II D1

D2

D3

D4

D5

D6

D7

12

19

11

6

23

28 x

5

10

5

10

15

19

S3 x

13

11

16

21

6

S4 x

11

19

10

5

S5 x

19

15

20

S6 x

16

14

367 6

S1 x 51

S2

0 x

D8 2239

5

1923

0

5 x

1132

1

23

27 x

1155

5

26

8

9 x

1408

1

18

24

8

3 x

1029

5

572

235

303

242

1

5

1

2

427

216

0

2 x

Iterasi III Pencarian nilai dummy. Tabel 5.11. Uji Manual – Iterasi III, Pencarian Nilai Dummy D1

D2

D3

D4

D5

D6

D7

12

19

11

6

23

28 x

5

10

5

10

15

19

S3 x

13

11

16

21

6

S4 x

11

19

10

5

S5 x

19

15

20

26

S1 x S2

51

D8 2239

5

1923

0

5 x

1132

1

23

27 x

1155

5

8

9 x

1408

1

216



S6 x 0 x

16

14

18

24

8

367

572

235

303

242

6

1

5

1

2

3 x 427

1029

5

0

2 x

Pemilihan nilai dummy terbesar, dan cost terkecil. Tabel 5.12. Uji Manual - Iterasi III, Pencarian Dummy Max dan Cost Min D1

D2

D3

D4

D5

D6

D7

12

19

11

6

23

28 x

5

10

5

10

15

19

S3 X

13

11

16

21

6

S4 X

11

19

10

5

S5 X

19

15

20

S6 X

16

14

367 6

S1 X 51

S2

0 X

D8 2239

5

1923

0

5 x

1132

1

23

27 x

1155

5

26

8

9 x

1408

1

18

24

8

3 x

1029

5

572

235

303

242

1

5

1

2

2239

5

1556

5

427

216

0

2 x

Penghapusan kolom pada demand yang sudah terpenuhi. Tabel 5.13. Uji Manual – Hasil Iterasi III D1 S1 X S2

D2 X

51

367

D3

D4

D5

D6

D7

19

11

6

23

28 x

10

5

10

15

19

D8

216

S3 X

x

11

16

21

6

5 x

1132

1

S4 X

x

19

10

5

23

27 x

1155

5



S5 X

x

15

20

26

8

9 x

1408

1

S6 X

x

14

18

24

8

3 x

1029

5

572

235

303

242

1

5

1

2

0 X

0 x

427

0

2 x

Iterasi IV Pencarian nilai dummy. Tabel 5.14. Uji Manual – Iterasi IV, Pencarian Nilai Dummy D1 S1 x

D2 x

51

S2

367

D3

D4

D5

D6

D7

19

11

6

23

28 x

10

5

10

15

19

D8

216

2239

5

1556

5

S3 x

x

11

16

21

6

5 x

1132

1

S4 x

x

19

10

5

23

27 x

1155

5

S5 x

x

15

20

26

8

9 x

1408

1

S6 x

x

14

18

24

8

3 x

1029

5

572

235

303

242

1

5

1

2

0 x

0 x

427

0

2 x

Pemilihan nilai dummy terbesar, dan cost terkecil. Tabel 5.15. Uji Manual - Iterasi IV, Pencarian Dummy Max dan Cost Min D1 S1 X S2 S3 X

D2 x

51

367 x

D3

D4

D5

D6

D7

19

11

6

23

28 x

10

5

10

15

19

11

16

21

6

5 x

D8

216

2239

5

1556

5

1132

1



S4 X

x

19

10

5

23

27 x

1155

5

S5 X

x

15

20

26

8

9 x

1408

1

S6 X

x

14

18

24

8

3 x

1029

5

572

235

303

242

1

5

1

2

0 X

0 x

427

0

2 x

Penghapusan kolom pada demand yang sudah terpenuhi. Tabel 5.16. Uji Manual – Hasil Iterasi IV D1 S1 x

D2 x

51

S2

367

D3

D4

D5

D6

19

11

6

23 x

10

5

10

15 x

D7

D8 x 216

2239

5

1556

5

S3 x

x

11

16

21

6 x

x

1132

5

S4 x

x

19

10

5

23 x

x

1155

5

S5 x

x

15

20

26

8 x

x

1408

7

S6 x

x

14

18

24

8

427 x

602

6

572

235

303

242

1

5

1

2239

5

1556

5

0 x

0 x

0

2 x

0 x

Iterasi V Pencarian nilai dummy. Tabel 5.17. Uji Manual – Iterasi V, Pencarian Nilai Dummy D1 S1 x S2

D2 x

51

367

D3

D4

D5

D6

19

11

6

23 x

10

5

10

15 x

D7

D8 x 216



S3 x

X

11

16

21

6 x

x

1132

5

S4 x

X

19

10

5

23 x

x

1155

5

S5 x

X

15

20

26

8 x

x

1408

7

S6 x

X

14

18

24

8

427 x

602

6

572

235

303

242

1

5

1

2239

5

1556

5

0 x

0 X

0

2 x

0 x

Pemilihan nilai dummy terbesar, dan cost terkecil. Tabel 5.18. Uji Manual - Iterasi V, Pencarian Dummy Max dan Cost Min D1 S1 x

D2 x

51

S2

367

D3

D4

D5

D6

D7

19

11

6

23 x

10

5

10

15 x

D8 x 216

S3 x

x

11

16

21

6 x

x

1132

5

S4 x

x

19

10

5

23 x

x

1155

5

S5 x

x

15

20

26

8 x

x

1408

7

S6 x

x

14

18

24

8

427 x

602

6

572

235

303

242

1

5

1

2239

5

0 x

0 x

0

2 x

0 x

Penghapusan kolom pada demand yang sudah terpenuhi. Tabel 5.18. Uji Manual – Hasil Iterasi V D1 S1 x

D2 x

D3

D4

19

11

D5 6 x

D6

D7 x

D8 x



51

S2

367

10

5

10 x

x

216

1556

5

S3 x

x

11

16

21 x

x

x

1132

5

S4 x

x

19

10

5 x

x

x

1155

5

S5 x

x

15

20

26

242 x

x

1166

5

S6 x

x

14

18

24 x

427 x

602

4

572

235

1

5

0 x

0 x

303

242

1 x

0 x

0 x

Iterasi VI Pencarian nilai dummy. Tabel 5.19. Uji Manual – Iterasi VI, Pencarian Nilai Dummy D1 S1 x

D2 x

51

S2

367

D3

D4

D5

D6

D7

19

11

6 x

x

10

5

10 x

x

D8 x 216

2239

5

1556

5

S3 x

x

11

16

21 x

x

x

1132

5

S4 x

x

19

10

5 x

x

x

1155

5

S5 x

x

15

20

26

242 x

x

1166

5

S6 x

x

14

18

24 x

427 x

602

4

572

235

1

5

0 x

0 x

303

242

1 x

0 x

0 x

Pemilihan nilai dummy terbesar, dan cost terkecil. Tabel 5.20. Uji Manual - Iterasi VI, Pencarian Dummy Max dan Cost Min D1

D2

D3

D4

D5

D6

D7

D8



S1 x

x 51

S2

367

19

11

6 x

x

10

5

10 x

x

x 216

2239

5

1556

5

S3 x

x

11

16

21 x

x

x

1132

5

S4 x

x

19

10

5 x

x

x

1155

5

S5 x

x

15

20

26

242 x

x

1166

5

S6 x

x

14

18

24 x

427 x

602

4

572

235

1

5

0 x

0 x

303

242

1 x

0 x

0 x

Penghapusan kolom pada demand yang sudah terpenuhi. Tabel 5.21. Uji Manual – Hasil Iterasi VI D1 S1 x

D2 x

51

S2

367

D3

D4

19

11 x

x

x

10

5 x

x

x

x

x

303 x

S3 x

x

11

16 x

S4 x

x

19

10

S5 x

x

15

20 x

S6 x

x

14

18 x

0 x

0 x

572 1

235 5 x

D5

D6

D7

2239

8

1556

5

x

1132

5

x

x

852

9

242 x

x

1166

5

427 x

602

4

x 0

242 x

D8 x 216

0 x

0 x

Iterasi VII Pencarian nilai dummy. Tabel 5.22. Uji Manual – Iterasi VII, Pencarian Nilai Dummy



D1 S1 x

D2 x

51

S2

367

D3

D4

19

11 x

x

x

10

5 x

x

x

x

x

303 x

S3 x

x

11

16 x

S4 x

x

19

10

S5 x

x

15

20 x

S6 x

x

14

18 x

0 x

0 x

572 1

235

D5

D6

D7

2239

8

1556

5

x

1132

5

x

x

852

9

242 x

x

1166

5

427 x

602

4

2239

8

1556

5

x 0

5 x

D8

242 x

x 216

0 x

0 x

Pemilihan nilai dummy terbesar, dan cost terkecil. Tabel 5.23. Uji Manual - Iterasi VII, Pencarian Dummy Max dan Cost Min D1 S1 x

D2 x

51

S2

367

D3

D4

19

11 x

x

x

10

5 x

x

x

x

x

x

1132

5

303 x

x

x

852

9

242 x

x

1166

5

427 x

602

4

S3 x

x

11

16 x

S4 x

x

19

10

S5 x

x

15

20 x

S6 x

x

14

18 x

0 x

0 x

572 1

235 5 x

D5

D6

D7

x 0

242 x

D8 x 216

0 x

Penghapusan kolom pada demand yang sudah terpenuhi. Tabel 5.24. Uji Manual – Hasil Iterasi VII

0 x



D1

D2

S1 x

D3

x 51

S2

367

D4

D5 x

x

x

10 X

x

x

x

x

x

x

303 x

x

11 X

S4 x

x

19

S5 x

x

15 X

x

S6 x

x

14 X

x

0

x

235

572

x

D7

19 X

S3 x

0

D6

0

1 X

2239

0

1556

0

x

1132

0

x

x

617

0

242 x

x

1166

0

427 x

602

0

x 0

x

D8 x 216

242 x

0 x

0 x

Iterasi VIII Pencarian nilai dummy. Tabel 5.25. Uji Manual – Iterasi VIII, Pencarian Nilai Dummy D1 S1 x

D2 x

51

S2

367

D3

D4

D5 x

x

x

10 X

x

x

x

x

x

x

303 x

x

11 X

S4 x

x

19

S5 x

x

15 X

x

S6 x

x

14 X

x

x

0 x

D7

19 X

S3 x

0

D6

572 1 X

235

0 x

2239

0

1556

0

x

1132

0

x

x

617

0

242 x

x

1166

0

427 x

602

0

x 0

242 x

Pemilihan nilai dummy terbesar, dan cost terkecil.

D8 x 216

0 x

0 x



Tabel 5.26. Uji Manual - Iterasi VIII, Pencarian Dummy Max dan Cost Min D1 S1 x

D2 x

51

S2

D3

367

D4

D5 x

x

x

10 X

x

x

x

x

x

x

303 x

x

11 X

S4 x

x

19

S5 x

x

15 X

x

S6 x

x

14 X

x

x

0

235

572

x

D7

19 X

S3 x

0

D6

0

1 X

2239

0

1556

0

x

1132

0

x

x

617

0

242 x

x

1166

0

427 x

602

0

2239

0

984

0

x 0

x

D8

0 x

x 216

0 x

0 x

Penghapusan kolom pada demand yang sudah terpenuhi. Tabel 5.28. Uji Manual – Hasil Iterasi VIII D1 S1 x

D2 x

51

S2

D3 x

367

D4

D5 x

x

572 X

x

x

x

X

x

x

x

x

1132

0

303 x

x

x

617

0

242 x

x

1166

0

427 x

602

0

x

S4 x

x

x

S5 x

x

x

X

x

S6 x

x

x

X

x

x

x

235

0 x

D8

x

x

0

D7

X

S3 x

0

D6

0 X

x 0

x

0 x

x 216

0 x

0 x



Iterasi ke 8 ini merupakan iterasi terakhir dari algoritma Vogel's approximation method, dan telah menghasilkan solusi awal dalam metode transportasi. Berikut ini adalah hasil akhir dari algoritma Vogel's approximation method : Tabel 5.29. Hasil Solusi Awal - Vogel's approximation method S1 51

367

572

216

S2 S3

235

303

S4 242

S5 427

D1

D2

D3

D4

D5

D6

D7

S6 D8

5.1.2. Perbandingan dengan Perhitungan Sistem Total

cost

dihasilkan

oleh

solusi

awal

menggunakan

Vogel's

approximation method berjumlah 15.921, yang didapatkan dari penjumlahan seluruh solusi dikali dengan cost. Hasil pada perhitungan manual ini sama dengan total cost yang dihitung menggunakan sistem DMS-INDSR yang dapat dilihat pada gambar 5.1.

Gambar 5.1. Hasil Perhitungan oleh Sistem



Pengujian menggunakan kasus uji posko yang tersebar didaerah Sleman pada erupsi Merapi tahun 2010 ini, ternyata menghasilkan solusi awal yang kurang baik. Pada kasus ini ditemukan bahwa hasil dari solusi awal tidak terdapat titik jalur distribusi yang membentuk sebuah lingkaran evaluasi, sehingga algoritma multiplier tidak dapat digunakan pada jenis solusi awal seperti ini. Nilai total cost paling minimum pada kasus ini seharusnya sebesar 14.746. Dimana hasil biaya yang paling minimum terjadi apabila penyaluran ke titik posko D4 dilakukan oleh titik posko source di S2( Stadion Maguwoharjo ), bukan oleh titik posko source S4 ( Balai Desa Tirtomani ). Tabel 5.30. Solusi Paling Minimum S1 51

367

572

235

216

S2 S3

-

303

S4 242

S5 427

D1

D2

D3

D4

D5

D6

D7

S6 D8

Nilai paling minimum ini tidak dapat tercapai karena kelemahan pada solusi awal yang dihasilkan oleh algoritma Vogel's approximation method pada kasus distribusi bantuan posko ini. Pengujian ini memperlihatkan kelemahan pada algoritma

Vogel's

approximation method. Dimana algoritma Vogel's approximation method memberikan hasil solusi awal yang kurang baik untuk dilanjutkan pada algoritma



multiplier, ketika algoritma ini diterapkan pada kasus variabel pembatas source yang memiliki nilai supply sangat jauh dibanding nilai demand pada destination.

5.1.3. Pengujian dengan simulasi jumlah supply-demand berbeda Pada tahap pengujian sebelumnya, ditemukan kelemahan algoritma Vogel's approximation method yang menghasilkan solusi awal yang tidak dapat dilanjutkan dengan perhitungan algoritma multiplier untuk penemuan solusi akhir. Solusi tidak dapat dilanjutkan dengan menggunakan algoritma multiplier karena tidak adanya titik dalam variabel basis dari solusi awal, membentuk loop tertutup. Kelemahan ini terjadi untuk beberapa jenis kasus uji saja, tepatnya pada variabel supply dan demand yang berbanding jauh, seperti yang dilakukan dalam pada pengujian. Oleh sebab itu maka diperlukan pengujian terhadap nilai supply dan demand, seberapa jauh nilai yang diberikan dapat menghasilkan error pada perhitungan menggunakan Vogel’s Approximation Method. Pengujian dilakukan dengan menggunakan data yang sama pada pengujian sebelumnya, yakni persebaran posko yang ada pada kabupaten Sleman. sistem yang telah dibuat, karena pada pengujian sebelumnya telah didapatkan kemiripan hasil perhitungan manual dan perhitungan yang dilakukan oleh sistem.

5.1.3.1. Pengujian dengan nilai supply lebih tinggi Pengujian dilakukan dengan menggunakan nilai supply yang lebih tinggi dibanding nilai demand. Pengujian ini dimaksudkan untuk melihat apakah sistem dapat menghitung metode transportasi apabila supply lebih besar dari pada



demand. Pengujian dilakukan dengan menggunakan data supply dan demand sebagai berikut : Tabel 5.31. Posko Pusat Kabupaten Sleman ID

Posko Pusat

Supply

S1

Bogem

20

S2

Stadion Maguwoharjo

30

S3


10

S4


50

S5

Desa Banyurejo

30

S6


30

Tabel 5.32. Posko Masyarakat Kabupaten Sleman ID

Posko Masyarakat

Demand

D1 Taman Kuliner

20

D2 STIE YKPN

20


5


30


20


30


10


10

Total jumlah supply yang dipakai adalah sebesar 170 (30+20+10+50+30+30) dan total

jumlah

demand

yang

dipakai

adalah

sebesar

145

(20+20+5+30+20+30+10+10). Pengujian dengan data supply dan demand diatas menghasilkan output sebagai berikut :



Gambar 5.2. Hasil Pengujian dengan Supply Lebih Tinggi Pada output diatas, dapat dilihat bahwa jumlah logistik atau bantuan yang dikirimkan sama dengan jumlah demand yang ada, yakni sebesar 145. Selain itu tidak terdapat error pada program, yang menyatakan bahwa algoritma Vogel’s Approximation Method masih bekerja dengan baik.

5.1.3.2. Pengujian dengan nilai demand lebih tinggi Pengujian ini dilakukan dengan menggunakan nilai demand yang lebih tinggi dibanding nilai supply. Pengujian ini dimaksudkan untuk melihat apakah sistem dapat menghitung metode transportasi apabila demand lebih besar dari pada supply. Pengujian dilakukan dengan menggunakan data supply dan demand sebagai berikut : Tabel 5.33. Posko Pusat Kabupaten Sleman ID

Posko Pusat

Supply

S1

Bogem

20

S2

Stadion Maguwoharjo

30

S3


10



S4


10

S5

Desa Banyurejo

30

S6


30


Posko Masyarakat

Demand

D1 Taman Kuliner

20

D2 STIE YKPN

20


10


50


20


30


10


10

Total jumlah supply yang dipakai adalah sebesar 130 (20+30+10+10+30+30) dan total

jumlah

demand

yang

dipakai

adalah

sebesar

170

(20+20+10+50+20+30+10+10). Pengujian dengan data supply dan demand diatas menghasilkan output sebagai berikut :



Gambar 5.3. Hasil Pengujian dengan Demand Lebih Tinggi Pada output diatas, dapat dilihat bahwa jumlah logistik atau bantuan yang dikirimkan sama dengan jumlah supply yang ada, yakni sebesar 130. Hal tersebut terjadi karena jumlah maksimal logistik yang dikirimkan adalah jumlah supply yang ada, walaupun jumlah demand masih kurang atau belum terpenuhi. Selain itu tidak terdapat error pada program, yang menyatakan bahwa algoritma Vogel’s Approximation Method masih bekerja dengan baik.

5.1.3.3. Pengujian dengan nilai supply dan demand yang berbanding jauh. Pada bab ini akan dilakukan dua jenis pengujian terhadap nilai supply ekstrim yang berbeda. Pengujian pertama dilakukan dengan menggunakan nilai supply yang berjumlah 50% lebih banyak dari nilai demand, dan pengujian kedua dilakukan dengan menggunakan nilai supply yang berjumlah 100% lebih banyak dari nilai demand atau 200% nilai demand. Data supply dan demand yang dipergunakan adalah sebagai berikut ini : Perbedaan 50% dari jumlah demand : Tabel 5.35. Posko Pusat Kabupaten Sleman ID

Posko Pusat

Supply

S1

Bogem

40

S2

Stadion Maguwoharjo

60

S3


20

S4


50

S5

Desa Banyurejo

40

S6


45




Posko Masyarakat

Demand

D1

Taman Kuliner

20

D2

STIE YKPN

20

D3


10

D4


50

D5


20

D6

Bale Desa Sumberadi

30

D7


10

D8

Balai Desa Sinduarjo

10

Output yang dihasilkan dengan menggunakan data demand dan supply diatas adalah sebagai berikut :

Gambar 5.3. Hasil Pengujian dengan nilai supply ekstrim 50%



Pada hasil keluaran menggunakan nilai ekstrim supply 50% lebih tinggi dari demand, tidak ditemukan kesalahan atau error pada hasil minimal yang diperoleh. Hasil yang diperoleh dari pengujian sudah merupakan hasil paling minimum dari permasalahan transportasi pada kasus diatas. Perhitungan yang dilakukan oleh sistempun sama hasilnya dengan hasil perhitungan manual, dengan hasil yang diperoleh adalah sebagai berikut : Tabel 5.37. Hasil pengujian manual nilai ekstrim 50% S1 20

20

10

S2

15

S3 20

10

S4 30

35 D1

D2

D3

D4

S5 10

D5

D6

D7

S6 D8

Perbedaan 100% dari jumlah demand : Tabel 5.38. Posko Pusat Kabupaten Sleman ID

Posko Pusat

Supply

S1

Bogem

50

S2

Stadion Maguwoharjo

100

S3


20

S4


50

S5

Desa Banyurejo

50

S6


70




Posko Masyarakat

Demand

D1

Taman Kuliner

20

D2

STIE YKPN

20

D3


10

D4


50

D5


20

D6

Bale Desa Sumberadi

30

D7


10

D8

Balai Desa Sinduarjo

10

Output yang dihasilkan dengan menggunakan data demand dan supply diatas adalah sebagai berikut :

Gambar 5.4. Hasil Pengujian dengan nilai supply ekstrim 100%



Pada hasil keluaran pengujian yang menggunakan selisih nilai ekstrim supply 100% lebih tinggi dari demand (atau sebanyak 200% nilai demand), ditemukan penyimpangan pada jalur distribusi. Pengiriman seharusnya dilakukan dari posko Stadion Maguwoharjo ke posko Bumi Perkemahan Babarsari, sehingga menghasilkan cost yang lebih minimal. Akan tetapi pada kenyataannya pengiriman dilakukan dari posko Balai Desa Sidokarto ke posko Bumi Perkemahan Babarsari. Jalur yang seharusnya terbentuk dan merupakan hasil paling minimum adalah sebagai berikut ini : Tabel 5.40. Hasil Minimum dengan nilai ekstrim 100% S1 20

20

50

10

S2 S3

20 10

S4 30

S5 10

D1

D2

D3

D4

D5

D6

D7

S6 D8

Pada pengujian dengan nilai ekstrim berjarak 50% dan 100% dari nilai demand diatas, dapat disimpulkan bahwa kemampuan algoritma Vogel’s Approximation Method tidak dapat memperoleh nilai paling minimal apabila nilai perbedaan mencapai lebih dari atau sama dengan 100%. Sehingga algoritma ini tidak dapat dipergunakan untuk kasus distribusi posko bencana alam, apabila terdapat perbedaan dari nilai supply dan demand yang sangat ekstrim.



5.2. Pengujian Kehandalan Sistem Pengujian kehandalan sistem dilakukan dengan menggunakan seluruh data posko yang tersebar pada bencana erupsi merapi setelah 5 November 2010, yakni sebesar 73 titik posko. Pembagian titik posko yang akan dijadikan sebagai variabel source dan destination dilakukan dengan metode yang sama seperti pengujian sebelumnya, yakni dengan mengambil posko yang memiliki jumlah penduduk lebih dari atau sama dengan 1000 untuk menjadi posko pusat dan posko yang memiliki jumlah penduduk dibawah 1000 untuk dijadikan sebagai posko masyarakat. Setelah dilakukan pengolahan data dengan sistem, didapatkan hasil seperti pada gambar.

Gambar 5.5. Hasil Pengujian Kehandalan Sistem Data yang diolah dengan menggunakan implementasi algoritma metode dalam transportasi tersebut, berjalan dengan total waktu proses (running time) adalah 0.768592834473 detik. Hal ini masih menunjukan kehandalan sistem yang sangat baik, dimana dalam waktu kurang dari satu detik sistem sudah dapat



mengolah 73 objek posko. Selain itu tidak terdapat error pada proses perhitungan tersebut, yang menandakan bahwa algoritma Vogel's approximation method dan multiplier pada sistem ini sudah berhasil diterapkan dengan baik.

Gambar 5.6. Hasil Pengukuran Running Time pada metode transportasi


BAB VI PENUTUP

6.1. Kesimpulan Setelah menyelesaikan pembuatan tugas akhir berjudul Penerapan Algoritma Vogel’s Approximation Method dan Multiplier. Studi Kasus : Distribusi Bantuan Bencana Alam di Indonesia ini, penulis dapat menyimpulkan : 

Integrasi yang dilakukan pada Metode transportasi dengan teknologi navigasi gps sangat dapat membantu untuk penemuan variabel cost, tanpa terlebih dahulu melakukan pengukuran.



Penerapan algoritma Vogel's approximation method pada kasus distribusi bantuan bencana alam, terkadang menghasilkan solusi awal yang tidak dapat dilanjutkan oleh algoritma multiplier sehingga solusi yang dihasilkan belum optimum. Kesalahan atau error tersebut dapat terjadi ketika selisih nilai supply dan demand mencapai 100%, sedangkan untuk pengujian 50% masih memberikan hasil yang baik. Sehingga dapat disimpulkan bahwa algoritma ini kurang cocok apabila langsung diterapkan pada masalah distribusi bencana alam. Perlu dilakukan penelitian lanjutan terhadap algoritma ini secara heuristik untuk kasus distribusi bencana alam, karena melihat nilai supply dan demand pada posko yang bervariasi dengan selisih yang terkadang ekstrim.


6.1. Saran Untuk pengembangan Sistem Manajemen Distribusi Bantuan Bencana Alam di Indonesia pada tahap selanjutnya, penulis menyarankan : 

Diperlukan penelitian lanjutan terhadap pengembangan algoritma Vogel’s Approximation Method, agar dapat diterapkan pada kasus distribusi bencana alam dengan selisih nilai supply dan demand yang ekstrim.



Membuat pengembangan dibagian sistem informasi pada sistem ini dengan melengkapi fasilitas-fasilitas yang belum ada, dengan melihat kebutuhan pengguna secara melalui studi secara langsung. Sehingga pengguna sistem ini juga dapat sekaligus memantau kondisi posko yang ada, seperti data penduduk yang sakit, jumlah korban meninggal, kategori umur penduduk, dsb.



Pembuatan aplikasi android bukan hanya untuk konfirmasi lokasi posko, melainkan juga terdapat fasilitas lengkap seperti pada aplikasi website. Sehingga selain menggunakan website pengguna juga dapat menggunakan sistem ini dengan menggunakan smartphone android, agar penggunaan aplikasi dapat lebih fleksibel dan memiliki mobilitas tinggi.


DAFTAR PUSTAKA

Williams,

Laurie,

2006,

A

(Partial)

Introduction

to

Software

Engineering Practices and Methods. Johnson, Dana J., Ph.D., 2006, Overcoming Challenges to Transformational Space Programs: The Global Positioning System (GPS). Taha, Hamdy A.,1976, 2nd Edition of An Introduction-Operation Research, Department of Industrial Engineering, University of Arkansas. Taha, Hamdy A.,2011, 9nd Edition of An Introduction-Operation Research, Department of Industrial Engineering, University of Arkansas. Winston, Wayne L., 4th Edition of Application and Algorithms–Operations Research, Indiana University. Simarmata, Dj.A, 1982, Sebuah Pengantar-Operations Research: Teknik-teknik Optimasi Kuantitatif dari Sistem-sistem Operasional. Shadiq, Amri, 2009, Tutorial Dasar Pemrograman Google Maps API.

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

Recommend Documents