IMPLEMENTASI DAN EVALUASI
4.1 Implementasi
4.1.1 Spesifikasi Perangkat Keras
Program aplikasi rute pengiriman barang dengan algoritma Genetik ini dibuat dan diuji dengan menggunakan komputer dekstop dengan spesifikasi sebagai berikut.
CPU dengan Processor Intel Pentium 4 Dual Core 2.66 GHz Memory 2 GB
VGA Card 256 MB Monitor
Keyboard Mouse
4.1.2 Spesifikasi Perangkat lunak
Spesifikasi perangkat lunak yang dipergunakan dalam perancangan program aplikasi ini adalah sebagai berikut.
Windows XP Service Pack 2 Microsoft Visual Studio 2008
66
4.2 Tampilan dan Cara Pengoperasian Program Aplikasi
Untuk menjalankan aplikasi ini, cukup dengan menjalankan executeable dari file aplikasi ini. Saat program dijalankan pertama kali akan langsung menuju ke halaman utama program.
4.2.1 Tampilan Layar Utama
Layar utama merupakan layar yang pertama kali muncul sewaktu menjalankan aplikasi seperti yang ditunjukkan pada gambar 4.1. Pada layar utama pengguna dapat meng-input inisialisasi parameter awal dari Algoritma Genetik. Pengaturan awal untuk komponen yang terdapat pada grup inisialisasi parameter telah diatur sebagai berikut.
Populasi[12-20] = 12 Peluang Crossover = 0.5 Peluang Mutasi = 0.1 Peluang Pelestarian = 0. Maksimum Iterasi = 100
User dapat merubah nilai awal komponen grup inisialisasi parameter sesuai kebutuhannya, misalnya untuk memaksimalkan proses pembuatan rute yang optimal maka maksimum iterasi dapat dinaikkan.
Gambar 4.1 Tampilan layar utama
4.2.2 Tampilan Layar Input
form Input berguna untuk meminta pengguna memasukkan daerah mana saja yang akan dipakai sebagai daerah perhitungan dan pengiriman. Setelah memilih daerah, pengguna diharapkan untuk memasukkan nilai permintaan daerah tersebut.
68 Bila pengguna menekan tombol Input tanpa memilih sebuah daerahpun, maka akan ditampilkan error message sebagai berikut.
Gambar 4.3 Tampilan layar input jika tidak ada kota yang dipilih
4.2.3 Tampilan Layar Calculate
Bila user sudah menentukan kota tujuan pengiriman maka akan ditampilkan form seperti berikut ini.
Gambar 4.4 Tampilan layar calculate
Gambar 4.4 di atas adalah tampilan layar calculate dari program yang dijalankan. Pada layar calculate ini user masih dapat mengubah inisialisasi-inisialisasi dari parameter algoritma Genetik.
Ganbar 4.5 Tampilan layar calculate setelah menekan tombol Inisialisasi
Gambar 4.5 di atas adalah tampilan layar calculate jika pengguna menekan tombol inisialisasi. Tombol inisialisasi ini berfungsi untuk menampilkan letak dari kota-kota tujuan pengiriman barang. Pada saat input dipilih 6 kota, maka akan digambarkan 7 titik yaitu 6 area terpilih dan 1 depot. Setiap titik diberi nama area yang diletakkan di bawah titik tersebut.
Gambar 4.6 Tampilan layar calculate setelah menekan tombol Calculate
Gambar 4.6 di atas adalah tampilan layar calculate jika pengguna menekan tombol Calculate yang ada di sebelah tombol Inisialisasi. Tombol Calculate ini berfungsi untuk menampilkan hasil iterasi berupa urutan node. Kotak penunjuk progress
70 yang berada di bawah tombol calculate menunjukkan perkembangan dari iterasi yang dilakukan. Iterasi selesai bila kotak penunjuk progress tersebut penuh.
Gambar 4.7 Tampilan layar calculate setelah menekan tombol View Route Gambar 4.7 di atas menunjukkan tampilan layar calculate jika pengguna menekan tombol View Route yang berada di sebelah tombol Calculate. Rute-rute yang telah dihasilkan digambarkan dalam bentuk garis yang bermula dari depot dan berakhir di depot pula.
4.2.4 Tampilan Layar About
Pada gambar 4.8 menunjukkan tampilan dari layar about yang berisi sedikit informasi mengenai program aplikasi ini. Dengan menekan tombol OK akan menutup layar about.
4.3 Evaluasi
Percobaan dilakukan dengan memilih 10 node dari data-data tempat kota-kota pendistribusian barang PT. Maju Ekspress Indonesia. Posisi dari tiap area dapat dilihat di tabel 4.1.
Tabel 4.1 Posisi kota-kota tujuan pengiriman barang PT. Maju Ekspress Indonesia Kota Posisi x Posisi y
Bekasi -8.590 20.208 Bogor -23.875 4.371 Cakung -5.275 12.508 Cengkareng -3.466 1.960 Ciledug -8.138 3.014 Ciputat -11.453 1.960 Depok -16.276 5.275 Glodok -3.014 5.727 Keramat -10.851 10.699 Kramat Jati -10.097 8.892 Kuningan -7.384 6.330 Mangga Besar -3.316 6.179 Mangga Dua -2.713 6.631 Pasar Baru -4.069 7.083 Pasar Ikan -2.110 5.576 Ragunan -11.755 6.330 Ruko Ancol -1.360 7.535 Senen -4.521 7.686 Serpong -12.357 -1.057 Tangerang -3.165 -2.713
10 node yang dipilih untuk percobaan kali ini adalah sebagai berikut. Bekasi dengan jumlah permintaan 37 buah
Cengkareng dengan jumlah permintaan 32 buah Ciledug dengan jumlah permintaan 35 buah Glodok dengan jumlah permintaan 49 buah Keramat dengan jumlah permintaan 33 buah Kramat Jati dengan jumlah permintaan 35 buah
72 Kuningan dengan jumlah permintaan 35 buah
Mangga Dua dengan jumlah permintaan 45 buah Serpong dengan jumlah permintaan 32 buah Tangerang dengan jumlah permintaan 33 buah
Parameter yang digunakan percobaan ini yaitu Populasi= 12, Peluang CrossOver = 0.5, Peluang Mutasi = 0.1, Peluang Pelestarian = 0.1, dan Maksimum Iterasi = 100. Hasil percobaan dapat dilihat pada tabel 4.2.
Tabel 4.2 Hasil Percobaan 1 program aplikasi Algoritma Genetik
Percobaan Jalur Nilai Fitness
Jarak (cm) Jarak Real (KM) 1 0 - 4 - 5 - 6 - 3 - 2 - 10 - 0 - 1 - 8 - 7 - 9 - 0 1.240317562 94.4132 188.8264 2 0 - 10 – 8 - 5 - 1 - 6 - 7 - 3 - 2 - 0 - 4 - 9 - 0 1.374000467 85.2273 170.4546 3 0 - 3 - 6 - 0 - 8 - 4 - 1 - 5 - 7 - 2 - 9 - 10 - 0 1.293744193 90.5143 181.0286 4 0 - 10 – 3 - 8 - 4 - 9 - 2 - 0 - 7 - 6 - 5 - 1 - 0 1.360538326 86.0706 172.1412 5 0 - 9 - 3 - 0 - 10 - 8 - 7 - 6 - 1 - 4 - 2 - 5 - 0 1.162128568 100.7654 201.5308
Selanjutnya akan dilakukan percobaan pada daerah pengiriman yang sama, tetapi menggunakan parameter yang berbeda yaitu Populasi= 16, Peluang CrossOver = 0.5, Peluang Mutasi = 0.2, Peluang Pelestarian = 0.3, dan Maksimum Iterasi = 500. Hasil percobaan dapat dilihat pada tabel 4.3.
Tabel 4.3 Hasil Percobaan 2 program aplikasi Algoritma Genetik
Percobaan Jalur Nilai Fitness
Jarak (cm) Jarak Real (KM) 1 0 - 6 - 5 - 9 - 3 - 7 - 10 - 2 - 0 - 8 - 4 - 1 - 0 1.229773468 95.2227 190.4454 2 0 - 8 - 1 - 0 - 10 - 2 - 7 - 5 - 6 - 4 - 3 - 9 - 0 1.27197231 92.0636 184.1272 3 0 - 10 – 6 - 7 - 4 - 0 - 8 - 1 - 5 - 2 - 3 - 9 - 0 1.255705787 93.2562 186.5124 4 0 - 1 - 5 - 3 - 6 - 7 - 4 - 8 - 0 - 2 - 9 - 10 - 0 1.399776351 83.6579 167.3158 5 0 - 2 - 0 - 10 - 3 - 9 - 1 - 6 - 5 - 7 - 4 - 8 - 0 1.583249395 73.9633 147.9266
Dari tabel 4.2 dan tabel 4.3 dapat dilihat bahwa parameter yang digunakan memberikan pengaruh terhadap hasil yang didapat. Dari percobaan yang telah dilakukan, dapat dilihat bahwa jarak yang dihasilkan dengan menggunakan algoritma
Genetik adalah jarak terpendek yang merupakan rute optimal untuk pengiriman barang dengan menggunakan 2 buah kendaraan dengan nilai fitness 1.583249395. Rute terbaik yang dihasilkan dari hasil kalkulasi algoritma Genetik dapat dilihat pada tabel 4.4 di bawah ini.
Tabel 4.4 Rute Terbaik yang terbentuk dari percobaan 1 dan 2
Kendaraan Rute Jarak (cm)
Jarak Real (KM) 1 Depot - Cengkareng 3.9818 7.9636 Cengkareng - Depot 3.9818 7.9636 2 Depot - Tangerang 4.1686 8.3372 Tangerang- Ciledug 7.5848 15.1696 Ciledug - Serpong 6.1838 12.3676 Serpong - Bekasi 19.3126 38.6252
Bekasi - Kramat Jati 8.6857 17.3714
Kramat Jati - Keramat 1.958 3.916
Keramat - Kuningan 5.5775 11.155
Kuningan - Glodok 4.4114 8.8228
Glodok - Mangga Dua 0.9528 1.9056
Mangga Dua - Depot 7.1645 14.329
Total Jarak 73.9633 147.9266
Rancangan ini mempunyai beberapa kelemahan dan keunggulan. Keunggulannya adalah metode algoritma Genetik tidak rumit dan mudah untuk diterapkan. Algoritma Genetik dapat bervariasi sesuai dengan masalah yang dihadapi. Algoritma Genetik dipakai untuk mengalokasikan kota-kota pada rute-rute yang tersedia dan dapat disertakan dengan metode lain untuk membantu menghasilkan hasil yang lebih baik.
Sedangkan kelemahan dari metode ini adalah waktu komputasi yang lama dan tidak konsisten dalam memecahkan masalah CVRP untuk jumlah node dan kendaraan yang semakin besar. Kesulitan lainnya adalah dalam perhitungan jarak antar relasi, karena posisi relasi sangat sulit untuk digambarkan secara tepat dalam aplikasi ini. Untuk mewakili relasi digunakan posisi kota sebagai acuan sehingga mungkin terdapat lebih dari satu relasi yang berada pada kota yang sama.
