Optimasi penggunaan lahan menggunakan algoritme genetika untuk mendukung peningkatan produktivitas pertanian

(1)

OPTIMASI PENGGUNAAN LAHAN MENGGUNAKAN

ALGORITME GENETIKA UNTUK MENDUKUNG

PENINGKATAN PRODUKTIVITAS PERTANIAN

KHAERUL UMAM

DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR

(2)

(3)

PERNYATAAN MENGENAI SKRIPSI DAN

SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA

Dengan ini saya menyatakan bahwa skripsi berjudul Optimasi Penggunaan Lahan Menggunakan Algoritme Genetika untuk Mendukung Peningkatan Produktivitas Pertanian adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.

Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.

(4)

ABSTRAK

KHAERUL UMAM. Optimasi Penggunaan Lahan Menggunakan Algoritme Genetika untuk Mendukung Peningkatan Produktivitas Pertanian. Dibimbing oleh IRMAN HERMADI dan YANDRA ARKEMAN.

Penggunaan Lahan adalah cara untuk menggunakan lahan untuk memenuhi kebutuhan manusia. Cara ini memungkinkan tanaman yang akan disusun dalam satu area untuk menghasilkan keuntungan maksimal. Metode yang digunakan untuk optimasi penggunaan lahan adalah algoritma genetika yang didasarkan pada mekanisme seleksi alam. Tujuan dari penelitian ini adalah untuk mengembangkan sistem berbasis web yang dapat menemukan solusi optimal atau mendekati optimal dalam penyusunan tanaman. Sistem ini dikembangkan dengan menggunakan model Waterfall. Sistem ini diberi nama De Loga. Sistem ini telah diuji dan menghasilkan penyusunan tanaman sesuai yang diharapkan dalam penggunaan lahan.

Kata kunci: algortime genetika, penggunaan lahan, sistem optimasi

ABSTRACT

KHAERUL UMAM. Land-Use Optimization Using Genetic Algorithm for Supporting The Improvement of Agricultural Productivity. Supervised by IRMAN HERMADI and YANDRA ARKEMAN.

Land-use is the way to use land to meet human needs. This way allows plants to be arranged in one area to produce maximum benefits. The method used for the land-use optimization is genetic algorithm that is based on the mechanism of natural selection. The purpose of this research is to develop a web-based system that can find the optimal or near-optimal solutions for planting arrangement. The system was developed using Waterfall model. The system is named De Loga. The system has been tested that it produces correct plants arrangement for the expected land-use.

(5)

Skripsi

sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer

pada

Departemen Ilmu Komputer

OPTIMASI PENGGUNAAN LAHAN MENGGUNAKAN

ALGORITME GENETIKA UNTUK MENDUKUNG

PENINGKATAN PRODUKTIVITAS PERTANIAN

KHAERUL UMAM

DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR

(6)

(7)

Judul Skripsi : Optimasi Penggunaan Lahan Menggunakan Algoritme Genetika untuk Mendukung Peningkatan Produktivitas Pertanian

Nama : Khaerul Umam NIM : G64100040

Disetujui oleh

Irman Hermadi, SKom MS PhD Pembimbing I

Dr Ir Yandra Arkeman, MSi Pembimbing II

Diketahui oleh

Dr Ir Agus Buono, MSi MKom Ketua Departemen

(8)

PRAKATA

Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan November 2013 ini ialah produktivitas pertanian, dengan judul Optimasi Penggunaan Lahan Menggunakan Algoritme Genetika untuk Mendukung Peningkatan Produktivitas Pertanian.

Terima kasih penulis ucapkan kepada Bapak Irman Hermadi dan Bapak Yandra Arkeman selaku pembimbing, Saudara Whan Ahmad Abdullah dan Saudara Mohammad Toha Muchtar yang telah memberi saran dan menjadi penguji sistem, serta Saudari Aussie Komala Rani, Saudara Rivo Riski Maulana dan Saudari Riska Effirokh yang telah membantu dalam penulisan skripsi. Ungkapan terima kasih juga disampaikan kepada ayah, ibu, serta seluruh keluarga, atas segala doa dan kasih sayangnya.

Semoga karya ilmiah ini bermanfaat.

(9)

DAFTAR ISI

DAFTAR TABEL vi

DAFTAR GAMBAR vi

DAFTAR LAMPIRAN vi

PENDAHULUAN 1

Latar Belakang 1

Perumusan Masalah 1

Tujuan Penelitian 1

Manfaat Penelitian 2

Ruang Lingkup Penelitian 2

TINJAUAN PUSTAKA 2

Algoritme Genetika 2

Faktor Pertumbuhan Tanaman 4

METODE 5

Analisis Kebutuhan 5

Perancangan Sistem 6

Implementasi 6

Pengujian 7

HASIL DAN PEMBAHASAN 7

Analisis Kebutuhan 7

Perancangan Sistem 9

Implementasi 12

Pengujian 14

SIMPULAN DAN SARAN 14

Simpulan 14

Saran 14

DAFTAR PUSTAKA 15

LAMPIRAN 17

(10)

DAFTAR TABEL

1 Kebutuhan pengguna 8

2 Kebutuhan fungsional 8

3 Kebutuhan non-fungsional 8

4 Skema logical database 9

DAFTAR GAMBAR

1 Algoritme genetika 2

2 Seleksi cakram rolet 3

3 Proses elitisme 4

4 Model Waterfall (Sommerville 2011) 6

5 Metode pengembangan sistem 6

6 DFD level 0 9

7 Contoh representasi kromosom 10

8 Contoh kawin silang 11

9 Rancangan halaman Home untuk user 12

10 Halaman Home untuk user 13

11 Halaman Home untuk administrator 13

DAFTAR LAMPIRAN

1 Data parameter acuan 17

2 DFD level 1 18

3 Kamus data DFD level 1 18

4 Kamus data perancangan database 19

5 Rancangan antarmuka sistem 20

6 Antarmuka Sistem 25

7 Hasil pengujian fungsi-fungsi administrator 26

(11)

PENDAHULUAN

Latar Belakang

Kebutuhan pangan dan bioenergi semakin meningkat. Hal ini disebabkan oleh jumlah penduduk yang semakin meningkat dan terbatasnya minyak bumi yang tersedia di alam. Peningkatan kebutuhan ini harus diimbangi dengan peningkatan hasil pertanian seperti padi, jagung, kakao, dan sawit.

Optimasi penggunaan lahan merupakan salah satu cara untuk meningkatkan hasil pertanian. Hal ini disebabkan luas tanah sulit bertambah dan banyak lahan pertanian yang diubah menjadi tempat tinggal, toko, fasilitas umum, dan industri. Masalah manajemen penggunaan lahan dapat didefinisikan sebagai masalah pengalokasian aktivitas pada lahan yang berbeda, seperti pertanian, hutan, industri, aktivitas rekreasi, atau konservasi (Stewart et al. 2004).

Goldberg (1989) dalam Matthews et al. (2006) menyatakan bahwa algoritme genetika merupakan algoritme pencarian solusi optimal yang didasarkan pada mekanisme seleksi alam. Walaupun hasilnya tidak selalu yang paling optimal, algoritme genetika dapat diterapkan pada berbagai masalah pencarian solusi optimal. Di dalam algoritme genetika terdapat proses inisialisasi populasi awal, seleksi, kawin silang, dan mutasi.

Banyak peneliti yang sudah bekerja pada perencanaan penggunaan lahan dan algoritme genetika seperti pencarian rute optimum menggunakan algoritme genetika (Hannawati et al. 2002) dan algoritme genetika untuk perencanaan penggunaan lahan (Stewart et al. 2004).

Pada penelitian ini dikembangkan sistem optimasi penggunaan lahan menggunakan algoritme genetika. Suatu lahan dianalogikan sebagai matriks baris dan kolom, serta variabel tertentu sebagai isi cell matriks. Penelitian ini menggunakan parameter faktor yang mempengaruhi pertumbuhan tanaman. Objek penelitian ini adalah syarat tumbuh tanaman padi, jagung, kakao, dan sawit.

Perumusan Masalah

Perumusan masalah dalam penelitian ini adalah bagaimana mengembangkan sistem yang dapat menemukan solusi optimal dalam perencanaan penggunaan lahan.

Tujuan Penelitian

(12)

2

Manfaat Penelitian

Dengan adanya penelitian ini, diharapkan dapat membantu proses optimasi penggunaan lahan menjadi lebih mudah dan cepat bagi masyarakat berlatar belakang pendidikan pertanian sehingga dapat meningkatkan produktivitas komoditas pertanian.

Ruang Lingkup Penelitian

Ruang lingkup penelitian ini adalah membuat sistem yang dapat menemukan solusi terbaik atau mendekati terbaik dengan batasan-batasan sebagai berikut:

1 Data pengembangan sistem adalah sekunder dan sebagian dummy.

2 Objek penelitian adalah faktor pertumbuhan tanaman padi, jagung, kakao, dan sawit.

3 Pengembangan sistem menggunakan bahasa pemrograman PHP.

TINJAUAN PUSTAKA

Algoritme Genetika

Algoritme genetika merupakan algoritme komputasi yang yang diinspirasi dari teori evolusi Darwin. Darwin menyatakan bahwa kelangsungan hidup dapat dipertahankan melalui proses reproduksi, kawin silang, dan mutasi (Hermawanto 2003). Bagan alir algoritme genetika ditunjukkan pada Gambar 1.

1 Representasi Kromosom

Representasi kromosom merupakan pengubahan masalah ke dalam suatu variabel yang bisa dihitung secara matematika. Representasi kromosom harus dilakukan pertama kali untuk memulai algoritme genetika. Representasi kromosom yang pertama diperkenalkan oleh Holland pada tahun 1975 adalah

(13)

3 representasi string biner (Arkeman et al. 2012).

2 Inisialisasi Generasi Pertama

Populasi merupakan kumpulan dari kromosom. Pada iterasi pertama akan dilakukan inisialisasi populasi secara acak sesuai representasi kromosom yang telah ditetapkan. Inisialisasi ini harus memperhatikan beberapa kriteria atau tujuan yang sudah ditentukan.

3 Evaluasi Populasi

Pada tahap ini setiap kromosom akan dihitung nilai kinerjanya menggunakan fungsi fitness. Semakin besar nilai kinerja suatu kromosom maka semakin besar pula kemungkinan kromosom tersebut bertahan pada proses seleksi.

4 Seleksi

Proses seleksi adalah proses memilih kromosom untuk dilakukan kawin silang. Metode yang digunakan dalam proses seleksi bermacam-macam, seperti Roulette-Wheel, Elitism, Sigma Scaling, Boltzmann, Rank Selection, Tournament Selection, Steady-State Selection, dan gabungan dari metode-metode tersebut (Hannawati et al. 2002).

Metode Roulette-Wheel (cakram rolet) diperkenalkan oleh Goldberg pada tahun 1989. Setiap kromosom menempati suatu slot pada cakram rolet dan besarnya slot didapat dari rasio antara nilai fitness setiap kromosom dengan nilai fitness keseluruhan (Arkeman et al. 2012). Ilustrasi metode Roulette-Wheel ditunjukkan pada Gambar 2. Metode ini sering digunakan dalam pengoptimasian menggunakan algoritme genetika karena metode ini sederhana.

(14)

4

5 Kawin Silang

Kawin silang (crossover) adalah penukaran gen antara dua kromosom dalam populasi agar terbentuk dua kromosom baru. Penyilangan merupakan operator utama di dalam algoritme genetika. Tingkat penyilangan atau peluang penyilangan adalah rasio antara jumlah kromosom yang diharapkan mengalami penyilangan dan jumlah total populasi dalam setiap generasi. Umumnya tingkat penyilangan cukup tinggi antara 0.6 sampai 1.0 (Arkeman et al. 2012). Jika nilai peluang kawin silang (Pc) yang diberikan terlalu besar, akan membuang waktu pada proses pencarian karena mencari solusi pada daerah yang kurang menjanjikan. Sebaliknya, nilai Pc yang rendah dapat mengakibatkan stagnasi karena rendahnya angka eksplorasi (Carwoto 2007).

6 Mutasi

Mutasi adalah pengubahan nilai pada satu atau lebih gen dalam suatu kromosom. Peluang terjadi mutasi biasanya cukup rendah pada tiap generasi sekitar 0.001 sampai 0.200 (Arkeman et al. 2012). Jika peluang mutasi terlalu kecil, maka banyak gen yang mungkin berguna tidak pernah muncul. Tetapi jika peluang mutasi terlalu besar, maka anak akan kehilangan kemiripan dengan induknya.

7 Elitisme

Elitisme adalah metode untuk memilih kromosom terbaik. Metode ini berguna untuk menjaga kromosom terbaik agar tidak hilang pada generasi selanjutnya. Selain itu, elitisme dapat mempercepat proses pencapaian solusi optimal. Proses elitisme ditunjukkan pada Gambar 3.

Faktor Pertumbuhan Tanaman

Ada banyak faktor yang dapat mempengaruhi pertumbuhan tanaman. Faktor-faktor tersebut antara lain curah hujan, ketinggian tempat, kelembaban udara, suhu, jenis tanah, pH tanah dan kemiringan lahan.

1 Curah Hujan

Curah hujan adalah jumlah air yang jatuh di permukaan tanah selama periode tertentu. Curah hujan biasa dinyatakan dalam mm per tahun. Besarnya curah hujan mempengaruhi kadar air tanah, aerasi tanah, kelembaban udara dan secara tidak langsung menentukan jenis tanah (Hanum 2008a).

2 Ketinggian Tempat

Ketinggian tempat dapat menentukan suhu udara dan intensitas cahaya matahari yang akan mempengaruhi pertumbuhan tanaman. Selain itu, ketinggian tempat juga menentukan jenis tanaman yang dapat tumbuh.

(15)

5

3 Suhu Udara

Suhu udara dapat mempengaruhi pertumbuhan tanaman. Setiap tanaman tumbuh dengan baik pada suhu optimumnya. Untuk tanaman tropis, suhu optimumnya berkisar 22 s.d. 37 ᵒC (Hanum 2008a).

4 Kelembaban Udara

Kelembaban udara adalah kadar uap air yang ada di udara. Kelembaban udara mempengaruhi proses transpirasi sel tanaman, sehingga mempengaruhi pertumbuhan tanaman.

5 Jenis dan pH Tanah

Setiap tanaman memerlukan keadaan tanah yang khusus agar dapat tumbuh. pH tanah dapat mempengaruhi keadaan kimia tanah, sedangkan jenis tanah dapat mempengaruhi keadaan fisik tanah yaitu struktur dan tekstur tanah. Klasifikasi tanah yang sering digunakan untuk mengelompokkan tanah di Indonesia adalah klasifikasi pada tingkat kategori jenis (great soil group). Jenis tanah menurut klasifikasi ini adalah aluvial, andosol, grumusol, hidromorf kelabu, latosol, litosol, mediteran, organosol, podsol, podsolik, dan regosol (Al-Maruzy 2013).

6 Kemiringan Lahan

Kemiringan lahan yang curam dapat dilakukan terasering agar dapat ditanam. Namun, pada kemiringan lebih dari 40% sebaiknya tidak ditanami kakao karena ketersediaan air tanah terbatas dan tanah mudah tererosi (Karmawati et al. 2010).

METODE

Metode pengembangan sistem yang digunakan pada penelitian ini mengadaptasi metode Waterfall. Metode Waterfall merupakan salah satu metode pengembangan sistem yang sering digunakan dalam pengembangan perangkat lunak. Tahapan-tahapannya juga mudah diterapkan untuk pembuatan sistem yang tidak terlalu besar dan kompleks. Metode ini dianggap sebagai induk dari semua metode yang ada (Darwiesh 2008). Tahapan utama metode Waterfall menurut Sommerville (2011) adalah definisi dan analisis kebutuhan, perancangan sistem dan perangkat lunak, implementasi dan pengujian unit, integrasi dan pengujian sistem, serta operasi dan pemeliharaan. Tahapan metode menurut Sommerville (2011) ditunjukkan pada Gambar 4, sedangkan tahapan yang digunakan dalam pengembangan sistem ini ditunjukkan pada Gambar 5.

Analisis Kebutuhan

(16)

6

sistem merupakan salah satu usaha untuk melakukan analisis sistem. Hasil analisis ini harus didokumentasikan, dapat direalisasikan, dapat diukur, dan dapat diuji.

Perancangan Sistem

Proses ini dilakukan untuk memodelkan hasil analisis kebutuhan sistem. Proses ini melibatkan struktur data pada database, rancangan antarmuka sistem, dan detail (algoritme) prosedural.

Implementasi

Pada tahap ini perancangan sistem direalisasikan ke dalam serangkaian program atau unit program. Pada tahap ini juga diimplementasikan algoritme genetika yang merupakan algoritme utama sistem ini.

Gambar 4 Model Waterfall (Sommerville 2011)

(17)

7

Pengujian

Pengujian sistem berfungsi untuk memastikan bahwa sistem berjalan sesuai dengan rancangan dan untuk menemukan kesalahan program sebelum digunakan (Sommerville 2011). Ada tiga metode dalam pengujian sistem, black-box testing, white-box testing, dan gray-box testing. Pengujian yang dilakukan pada penelitian ini adalah black-box testing. Dalam pengujian ini, penguji tidak memiliki akses ke source code dan hanya berinteraksi dengan antarmuka sistem dengan memberikan masukan dan memeriksa keluarannya.

HASIL DAN PEMBAHASAN

Analisis Kebutuhan

Tahap ini dilakukan melalui konsultasi dengan pengguna sistem. Pada tahap ini, dihasilkan deskripsi sistem, identifikasi pengguna, kebutuhan dan pengumpulan data, dan kebutuhan pengguna.

1 Deskripsi Sistem

De Loga merupakan sistem informasi berbasis web yang dapat menemukan solusi optimal atau mendekati optimal dalam perencanaan penggunaan lahan. Algoritme yang digunakan adalah algoritme genetika dalam pencarian solusinya. Namun, fungsi algoritme genetika ini tidak dapat dilihat oleh pengguna. User bisa mendapatkan informasi susunan penanaman yang menghasilkan skor terbesar dengan cara memasukkan nilai-nilai parameter yang diperlukan sistem, sedangkan administrator dapat mengubah nilai-nilai parameter yang menjadi acuan. Selain itu, administrator juga dapat mengubah nama tanaman yang akan dibandingkan.

2 Identifikasi Pengguna

Dalam sistem ini, pengguna dibagi menjadi dua sesuai hak aksesnya, user dan administrator. Berikut adalah pengertiannya:

 User adalah pengguna yang ingin mengetahui susunan penanaman tanaman yang menghasilkan keuntungan terbesar berdasarkan parameter yang ada.  Administrator adalah pengguna yang dapat mengubah parameter acuan dan

mengubah nama tanaman yang dibandingkan.

3 Kebutuhan dan Pengumpulan Data

(18)

8

4 Kebutuhan Pengguna

Pengembangan sistem memerlukan identifikasi kebutuhan pengguna agar sistem yang dikembangkan sesuai dengan keperluan pengguna. Hasil analisis kebutuhan pengguna dapat dilihat pada Tabel 1.

Tabel 1 Kebutuhan pengguna

Pengguna Kebutuhan

User Menampilkan solusi terbaik berupa grafik, matriks, dan detail kromosom

Administrator Mengubah tanaman yang dibandingkan Administrator Mengubah parameter acuan

Tabel 2 Kebutuhan fungsional

Kode Fungsi Pengguna

DeLoga-001 Fungsi mamasukkan nilai parameter pertumbuhan tanaman (upload file CSV)

User

DeLoga-002 Fungsi memasukkan nilai parameter algoritme genetika

User

DeLoga-003 Fungsi mengubah nilai parameter pertumbuhan tanaman

User

DeLoga-004 Fungsi mengubah nilai parameter algoritme genetika

User

DeLoga-005 Fungsi mengubah nilai parameter tumbuhan ke dalam karakter

User

DeLoga-006 Fungsi algoritme genetika User DeLoga-007 Fungsi menampilkan hasil (grafik, matriks,

dan detail kromosom)

User

DeLoga-008 Fungsi mengubah nilai parameter acuan Administrator DeLoga-009 Fungsi mengubah nama tanaman yang

dibandingkan

Administrator DeLoga-010 Fungsi login administrator Administrator DeLoga-011 Fungsi logout administrator Administrator DeLoga-012 Fungsi menambah dan menghapus nama jenis

tanah

Administrator

Tabel 3 Kebutuhan non-fungsional

Kode Parameter Kebutuhan

DeLoga-012 Availability 24 jam sehari, sesuai server

DeLoga-013 Portability Mudah diadopsi pada lingkungan sistem operasi Microsoft Windows dengan server web Apache dan database MySQL

(19)

9

5 Kebutuhan Fungsional dan Non-Fungsional

Kebutuhan fungsional merupakan fungsi-fungsi yang dapat dilakukan oleh sistem yang akan dikembangkan. Fungsi ini yang akan diberikan kepada pengguna oleh sistem. Kebutuhan non-fungsional merupakan batasan-batasan untuk kebutuhan fungsional. Kebutuhan fungsional sistem ditunjukkan pada Tabel 2, dan kebutuhan non-fungsional sistem ditunjukkan pada Tabel 3.

Perancangan Sistem

Sistem dirancang sesuai dengan kebutuhan yang telah ditentukan sebelumnya. Perancangan ini antara lain perancangan database dan pemodelan sistem. Berikut pemodelan sistem yang dihasilkan.

1 Data Flow Diagram (DFD)

DFD merupakan alat untuk memodelkan sistem dalam suatu aliran data sehingga seorang programmer dapat memahami sistem dan subsistem secara visual. DFD level 0 atau diagram konteks menampilkan garis besar fungsi yang dapat dilakukan oleh sistem dan DFD level 1 menampilkannya secara terperinci. DFD level 0 ditunjukkan pada Gambar 6, DFD level 1 ditunjukkan pada Lampiran 2, dan kamus data DFD level 1 ditunjukkan pada Lampiran 3.

2 Perancangan Database

Perancangan database (database design) merupakan proses untuk menghasilkan model data dari database. Hasil dari perancangan database adalah logical database. Logical database adalah model data sistem yang bersifat independent terhadap DBMS tertentu dan segala pertimbangan fisik lainnya. Hasil logical database tergambar pada Tabel 4 dan kamus data perancangan database ditunjukkan pada Lampiran 4.

Gambar 6 DFD level 0 Tabel 4 Skema logical database

Entitas Atribut

Admin Username, password

Plant Id, name

Reference Id, reference

(20)

10

3 Prosedur Algoritme Genetika

Prosedur algoritme genetika yang akan digunakan pada sistem harus dirancang untuk memudahkan dalam penerapannya. Prosedur algoritme genetika yang digunakan dalam sistem ini sebagai berikut:

 Representasi kromosom

Suatu lahan direpresentasikan ke dalam suatu matriks 20x20 yang oleh sistem dijadikan matriks 1x400. Setiap cell matriks bernilai A, B, C, D atau E. A untuk tanaman kakao, B untuk jagung, C untuk padi, D untuk sawit, dan E untuk cell yang tidak cocok ditanam semua tanaman. Satu cell matriks dapat merepresentasikan satu hektar lahan atau sesuai kebutuhan. Misalkan lahan yang akan ditanam seluas 10000 hektar, maka satu cell matriks berukuran 25 hektar. Contoh representasi kromosom lahan ditunjukkan pada Gambar 7.

 Inisialisasi populasi

Inisialisasi populasi adalah proses pembangkitan kromosom-kromosom sebagai populasi awal. Jumlah kromosom yang dibangkitkan sistem sesuai dengan nilai yang dimasukkan user pada “Population Size”. Setiap kromosom memiliki 400 gen.

 Evaluasi populasi

Evaluasi populasi dilakukan dengan cara menjumlahkan nilai setiap cell pada setiap kromosom. Fungsi fitness yang digunakan pada penelitian ini adalah nilai fitness ∑ _i Dengan kendala dan X adalah bilangan biner.

(21)

11  Seleksi populasi

Seleksi populasi dilakukan dengan metode Roulette-Wheel. Pada proses seleksi ini, sistem menggunakan persentase 80%. Algoritme genetika dieksekusi dengan tingkat kawin silang 0.8 dan tingkat mutasi 0.01 pada populasi 40 kromosom (Mitchell 1999).

 Kawin silang (crossover)

Kromosom hasil seleksi sistem akan dipasang-pasangkan dan kemudian dilakukan kawin silang. Pada proses kawin silang ini, sistem menggunakan single point crossover yaitu ditentukan satu titik potong secara acak pada kromosom. Setelah titik potong terpilih, maka dilakukan penukaran informasi dari pasangan kromosom sesuai titik potong tersebut. Contoh kawin silang yang dilakukan oleh sistem ditunjukkan pada Gambar 8.

 Mutasi

Proses mutasi yang dilakukan adalah memilih beberapa gen (cell) secara acak kemudian mengganti nilai gen tersebut dengan nilai baru. Nilai baru ini didapat secara acak pula. Persentase (Pm) yang digunakan adalah 1%. Pertama, jumlah total gen populasi anak dihitung dengan rumus total gen = N*L dan menghitung jumlah gen yang akan dimutasi dengan rumus jumlah gen = Pm*(total gen). Pm adalah peluang terjadi mutasi, N adalah jumlah kromosom dalam satu populasi anak, dan L adalah jumlah gen dalam satu kromosom. Kedua, pilih gen yang akan dimutasi dengan cara membangkitkan angka dari 1 s.d. total gen sebanyak jumlah gen kali. Misalkan N adalah 25, total gen = 25*400 = 10000 dan jumlah gen = 0.01*10000 = 100, maka akan dibangkitkan angka 1 s.d. 10000 sebanyak 100 kali.

 Elitisme

Pada proses elitisme ini, sistem akan menggabungkan populasi induk dengan populasi anak. Kemudian, dihitung nilai fitness masing-masing kromosom dan diurutkan dari yang terbesar sampai yang terkecil. Terakhir, dipilih kromosom terbaik sebanyak population size yang dimasukkan user dan kromosom-kromosom terpilih ini ditetapkan sebagai generasi baru.

 Stopping criteria

Sistem ini akan berhenti atau hasil dianggap optimal jika hasil evaluasi pada generasi tertentu sama dengan hasil evaluasi generasi sebelumnya selama sepuluh generasi atau sistem sudah melakukan iterasi sampai batas tertentu sesuai masukkan user. Jadi, tidak akan terjadi infinite loop atau melakukan iterasi tak terbatas.

(22)

12

4 Antarmuka Sistem dan Lingkungan Pengembangan Sistem

Pada tahap ini juga dibuat rancangan antarmuka sistem untuk setiap halaman sistem. Perancangan ini bertujuan agar pembuatan antarmuka lebih efektif dan mempermudah pengguna dalam penggunaan sistem. Halaman yang telah dibuat rancangannya adalah Home, Parameter Check, Result, User Guide, Edit Parameter, dan Edit Land Characteristics untuk user, serta Home, Guide, Edit Reference, dan Edit Soil Type untuk administrator. Rancangan halaman Home untuk user ditunjukkan pada Gambar 9 dan rancangan lainnya ditunjukkan pada Lampiran 5.

Setelah dilakukan perancangan antarmuka sistem, maka ditentukan lingkungan pengembangan sistem. Lingkungan pengembangan sistem sebagai berikut:

1 Windows 7 Professional sebagai sistem operasi.

2 Server web (local) dan database management menggunakan XAMPP 1.8.3.4 (Apache server dan MySQL).

3 Source code editor menggunakan Notepad++. 4 Prosesor AMD E 450.

5 Kapasitas memory 4GB.

Implementasi

Sistem diimplementasikan menggunakan bahasa pemrograman PHP dan Notepad++ sebagai source code editor. Database management system (DBMS) yang digunakan adalah MySQL yang ada pada XAMPP. Implementasi ini berupa

(23)

13 pembuatan fungsi-fungsi sesuai kebutuhan sistem. Untuk implementasi fungsi mengubah parameter pertumbuhan tanaman ke dalam karakter, digunakan aturan bahwa setiap nilai parameter masukan user harus ada di antara nilai parameter acuan agar tanaman tertentu dapat ditanam. Hasil dari fungsi ini ditampilkan pada halaman Check Parameter. Pada halaman ini, user dapat memeriksa nilai-nilai parameter masukannya, dan jika terdapat kesalahan maka user dapat mengubahnya. Untuk implemantasi fungsi algoritme genetika, hasilnya ditampilkan pada halaman Result. Hasil optimasi ditampilkan dalam bentuk grafik, matriks, dan detail kromosom generasi terakhir.

Implementasi fungsi administrator memungkinkan administrator secara khusus menambah, mengahapus, dan mengubah data acuan sistem, tipe tanah, dan tanaman yang dibandingkan. Halaman yang dibuat adalah Home, Edit Reference, Edit Soil Type, dan Guide. Pada halaman Home, administrator dapat mengubah nilai parameter acuan, serta menambah dan menghapus nama jenis tanah. Pada halaman ini juga, administrator dapat mengubah nama-nama tanaman yang dibandingkan dalam sistem.

Gambar 10 Halaman Home untuk user

(24)

14

Pada tahap ini juga dibuat antarmuka sistem sesuai dengan perancangan antarmuka. Halaman Home untuk user ditunjukkan pada Gambar 10, halaman Home untuk admin ditunjukkan pada Gambar 11, dan halaman yang lain ditunjukkan pada Lampiran 6.

Pengujian

Pada tahap ini, dilakukan black-box testing yaitu sistem diuji fungsionalitasnya. Tidak semua fungsi diuji dalam pengujian ini, melainkan fungsi yang dapat dilihat oleh pengguna (user dan administrator) saja yang diuji, seperti fungsi memasukkan nilai parameter, fungsi mengubah nilai parameter, fungsi mengubah nilai parameter menjadi karakter, fungsi menampilkan hasil berupa grafik, matriks, dan detail kromosom, fungsi login administrator, dan mengubah nilai parameter acuan. Hasil pengujian fungsi-fungsi user ditunjukkan pada Lampiran 7, sedangkan hasil pengujian fungsi-fungsi administrator ditunjukkan pada Lampiran 8. Dari hasil pengujian tersebut dapat dinyatakan bahwa sistem ini berjalan dengan baik.

SIMPULAN DAN SARAN

Simpulan

Dari penelitian ini dihasilkan sistem informasi berbasis web yang dapat menemukan solusi optimal atau mendekati optimal dalam susunan penanaman tanaman. Sistem ini diberi nama De Loga. Sistem ini menggunakan algoritme genetika dalam menemukan solusinya. Sistem ini dapat digunakan oleh sarjana pertanian atau masyarakat yang mengetahui karaketristik lahan yang diminta sistem.

Saran

Berdasarkan penelitian yang telah dilakukan, beberapa saran untuk pengembangan dalam penelitian selanjutnya adalah sebagai berikut.

1 Menggunakan aturan (rule) yang dapat mengklasifikasikan kesesuaian lahan terhadap tanaman.

2 Menambahkan fungsi-fungsi yang dapat mendeteksi kesalahan pada masukan user.

(25)

15

DAFTAR PUSTAKA

Al-Maruzy A. 2013. Jenis jenis tanah [internet]. [diunduh 2014 Mei 30]. Tersedia pada: http://www.katailmu.com/2013/02/jenis-jenis-tanah.html.

Arkeman Y, Seminar KB, Gunawan H. 2012. Algoritma Genetika Teori dan Aplikasinya untuk Bisnis dan Industri. Bogor (ID): IPB Pr.

Badan Pengawas Pasar Modal dan Lembaga Keuangan. 2012. Pedoman Penilaian dan Penyajian Laporan Penilaian Properti Perkebunan Kelapa Sawit di Pasar Modal [Surat Edaran]. Jakarta (ID). Nomor: SE-9/BL/2012.

Balai Besar Pengkajian dan Pengembangan Teknologi Pertanian. 2008a. Teknologi Budidaya Kelapa Sawit. [diunduh 2014 Jun 15]. Tersedia pada: http://lampung.litbang.deptan.go.id/ind/images/stories/publikasi/sawit.pdf. Balai Besar Pengkajian dan Pengembangan Teknologi Pertanian. 2008b.

Teknologi Budidaya Padi. [diunduh 2014 Jun 3]. Tersedia pada: http://203.176.181.70/bppi/lengkap/bp2tp08padi.pdf.

Carwoto. 2007. Implementasi algoritma genetika untuk optimasi penempatan kapasitor shunt pada penyulang distribusi tenaga listrik. Jurnal Teknik Informatika DINAMIK. 12(2):122-130.

Darwiesh M. 2008. Patern recognition software development methodology (PRSDM) based on design patern recognition techniques and agile methodologies [disertasi]. Washington DC (US): George Washington University.

Goldberg D. 1989. Genetic Algorithms in Search, Optimization, and Machine Learning. New York (US): Addison-Wesley.

Hannawati A, Thiang, Eleazar. 2002. Pencarian rute optimum menggunakan algoritma genetika. Jurnal Teknik Elektro. 2(2):78-83.

Hanum C. 2008a. Teknik Budidaya Tanaman Jilid 1. Jakarta (ID): Direktorat Pembinaan Sekolah Menengah Kejuruan.

Hanum C. 2008b. Teknik Budidaya Tanaman Jilid 2. Jakarta (ID): Direktorat Pembinaan Sekolah Menengah Kejuruan.

Hermawanto D. 2003. Algoritma Genetika dan Contoh Aplikasinya. [diunduh

2014 Mei 28]. Tersedia pada:

Kementrian Pertanian Republik Indonesia. 2012. Persiapan lahan budidaya tanaman jagung [internet]. [diunduh 2014 Jun 2]. Tersedia pada: http://epetani.deptan.go.id/budidaya/persiapan-lahan-budidaya-tanaman-jagung-3727.

Matthews KB, Buchan K, Sibbald AR, Craw S. 2006. Combining deliberative and computer-based methods for multi-objective land-use planning. Journal of Agricultural Systems. 87:18 – 37.

(26)

16

Panut. 2010. Budidaya jagung [internet]. Pontianak (ID): BPTP-Kalimantan Barat. [diunduh 2014 Mar 26]. Tersedia pada: http://kalbar.litbang.deptan.go.id/ind/images/stories/leaflet/budidaya_jagung .pdf.

Sommerville I. 2011. Software Engineering. Ed ke-9. Boston (US): Pearson Education.

(27)

17

Podsolik, latosol, hidromorf kelabu, aluvial, regosol, tanah gambut saprik, dataran pantai dan muara sungai[7]

Sumber: [1] Karmawati et al. (2010), [2] Panut (2010), [3] Kementrian Pertanian Republik Indonesia (2012), [4] Hanum (2008b), [5] Balai Besar Pengkajian dan Pengembangan Teknologi Pertanian (2008b), [6] Badan Pengawas Pasar Modal dan Lembaga Keuangan (2012), [7] Balai Besar Pengkajian dan Pengembangan Teknologi Pertanian (2008a).

Maksimum

(28)

18

Lampiran 3 Kamus data DFD level 1

Nama Keterangan

Characters Karakter (A, B, C, D, E) tiap cell. Crop names cocoa, corn, paddy, palm.

Login parameters

Username, password.

Parameters 1 Population size, max generation, crop scores, csv file (cell, altitude, humidity, pH, rainfall, slope, temperature, type of soil). Parameters 2 Crop names, reference values, soil values.

Permission Izin untuk mengakses halaman administrator Population Kromosom, kuantitasnya, dan nilai kinerjanya. Reference

values

Nilai-nilai ketinggian tempat, kelembaban udara, pH, curah hujan, kemiringan lahan, dan suhu udara untuk setiap tanaman. Results Grafik, matriks, dan detail kromosom.

(29)

19

Lampiran 4 Kamus data perancangan database 1. Tabel admin

Atribut Tipe Panjang Keterangan

username varchar 30 Primary key

password varchar 1000 -

2. Tabel plant

id int 10 Primary key

name varchar 50 -

3. Tabel reference

reference longtext - -

4. Tabel soil

(30)

20

Lampiran 5 Rancangan antarmuka sistem 1. Parameter Check (user)

(31)

21 Lanjutan

3. User Guide (user)

(32)

22 Lanjutan

5. Edit Land Characteristics (user)

(33)

23 Lanjutan

7. Guide (administrator)

(34)

24 Lanjutan

(35)

25 Lampiran 6 Antarmuka Sistem

1. Parameter Check (user)

2. Result (user)

(36)

26 Lanjutan

4. Edit Parameter (user)

5. Edit Land Characteristics (user)

(37)

27 Lanjutan

7. Edit Refeernce (administrator)

(38)

28

Sistem menolak akses login

dan menampilkan pesan “the

username or password you

entered is incorrect”.

Sistem menerima akses login, kemudian menampilkan halaman Home.

Semua nilai parameter minimum tanaman cocoa menjadi 0 (nol).

Semua nilai parameter jenis tanah tanaman cocoa menjadi

“no”

Muncul “tanah sawah” pada

jenis tanah.

“tanah sawah” hilang dari

daftar jenis tanah.

Nama “corn” berubah menjadi

“jagung”. Test case

Username: user (salah) dan password: user (salah), atau username: khaerul (benar) dan password: user (salah), atau username: user (salah) dan password: khaerul (benar) username: khaerul (benar) dan password: khaerul (benar)

mengubah semua nilai parameter minimum pada tanaman cocoa ke nilai 0 (nol).

Mengubah semua nilai parameter jenis tanah pada tanaman cocoa ke “no”.

Menambah jenis tanah “tanah sawah”

Menghapus jenis tanah “tanah sawah”

Mengubah nama “corn” menjadi “jagung”

Skenario Pengujian

Mengisi form dengan data yang salah semua atau salah satu, lalu

klik tombol “login”

(39)

29 hasil filter dari nilai parameter tumbuhan

Nilai population size menjadi 40

Semua nilai cell 3 menjadi 0 dan jenis tanah menjadi aluvial

Menampilkan grafik kromosom terbaik, matriks solusi terbaik, dan detail kromosom

Test case

Population size: 30, max generation: 80, elitism: 10, cocoa: 2, corn: 1, paddy: 3,

palm: , dan file “test csv”

Mengubah nilai population size menjadi 40

Mengubah semua nilai cell 3 menjadi 0 (nol) dan jenis tanah menjadi aluvial.

Masukkan user Skenario pengujian

Memasukkan nilai parameter pertumbuhan tanaman (upload CSV file), memasukkan nilai parameter algoritme genetika, dan mengubah nilai parameter pertumbuhan menjadi

karakter.

Mengubah nilai parameter algoritme genetika

Mengubah nilai parameter

Menampilkan hasil berupa grafik kromosom terbaik setiap generasi, matriks, solusi terbaik dan detail kromosom.

(40)

30

RIWAYAT HIDUP

Khaerul Umam dilahirkan pada tanggal 29 Januari 1992 di Pekalongan, Jawa Tengah dari pasangan Bapak Khudhori dan Ibu Badriyah. Pada tahun 2010, penulis lulus dari SMA N 1 Pekalongan. Selama SMP dan SMA, penulis sudah tidak tinggal bersama orang tuanya, melainkan tinggal di Pondok Pesantren Al-Amien, Krapyak Kidul, Pekalongan. Di sana, penulis mendapatkan beasiswa dan pendidikan agama di samping pendidikan umum di sekolahnya. Pada awal tahun 2010, penulis telah diterima menjadi mahasiswa di Departemen Ilmu Komputer, Institut Pertanian Bogor melalui jalur Undangan Seleksi Masuk IPB dan juga mendapatkan beasiswa Bidikmisi selama 4 tahun.