Optimasi Tata Letak Barang Dengan Menggunakan Algoritma Genetika Studi Kasus Freshmart Pontianak

(1)

Abstrak—Perencanaan tata letak merupakan suatu langkah maju yang ditempuh untuk perbaikan guna ruang secara terstruktur dengan hasil yang mendekati optimal. Pengaturan tata letak barang-barang tersebut masih menggunakan cara manual sehingga barang-barang tersebut tidak tersusun secara baik dan bisa mengakibatkan kontaminasi silang antara bahan makanan basah dan kering. Dalam tulisan ini dilakukan percobaan penggunaan metode Algoritma Genetika untuk mengetahui fitness function dari setiap letak barang untuk menghasikan optimasi penentuan tata letak barang pada rak.

Fitness Function adalah nilai yang menyatakan baik tidaknya suatu solusi. Fitness Function ini yang dijadikan acuan dalam mencapai nilai optimal dalam algoritma genetika. Terdapat beberapa data yang harus dikelola sistem yaitu data pengguna, data barang, data rak, dan perhitungan algoritma genetika untuk menghasilkan fitness function. Aplikasi optimasi tata letak barang ini dapat membantu pihak staff minimarket dalam menentukan posisi barang pada rak. Tujuan dari penelitian ini adalah menghasilkan aplikasi optimasi tata letak barang dengan menggunakan algoritma genetika. Output dari aplikasi ini berupa posisi barang pada rak, urutan barang pada rak dengan fitness function ≥ 95% dinyatakan optimal. Berdasarkan hasil pengujian pengguna menggunakan skala likert pada aspek penilaian aplikasi hak akses admin memiliki nilai rata-rata 23,2 dengan interpretasi nilai baik untuk diimplementasikan, pada penilaian visual hak akses admin memiliki nilai rata-rata 24,5 dengan interpretasi nilai sangat baik untuk diimplementasikan, dan pada penilaian hak akses manager memiliki nilai rata-rata 27 dengan interpretasi nilai sangat baik untuk diimplementasikan. Nilai ini menunjukkan bahwa aplikasi tata letak barang dengan algoritma genetika baik untuk diimplementasikan.

Kata kunci : Algoritma Genetika, Fitness Function, Optimasi, Skala Likert, Tata Letak.

I. PENDAHULUAN

erencanaan Tata Ruang merupakan suatu langkah maju yang ditempuh untuk perbaikan guna ruang secara terstruktur dengan hasil yang mendekati optimal. Hal ini dilakukan agar masalah yang terjadi selama ini dapat terselesaikan dengan satu solusi terbaik guna membangkitkan keselarasan dari masing-masing ruang yang ada dalam satu denah. Akan tetapi permasalahan yang terjadi saat ini adalah terjadinya ketidakteraturan tata ruang, adanya beberapa pengaturan luas ruang, perkiraan kebutuhan dan penurunan kualitas ruang. Penataan ruangan dalam rumah haruslah menguntungkan penghuninya [2].

Freshmart Pontianak merupakan sebuah perusahaan di Kota Pontianak yang menjual berbagai macam bahan-bahan makanan yang berupa sayur-sayuran segar, daging, bumbu dapur yang kering maupun basah, roti, snack, dan minuman.

Pengaturan tata letak barang-barang tersebut masih menggunakan cara manual sehingga barang-barang tersebut tidak tersusun secara baik dan bisa mengakibatkan kontaminasi silang antara bahan makanan basah dan kering.

Berdasarkan latar belakang masalah tersebut, maka perlu dibuat sebuah program aplikasi Optimasi penentuan tata letak barang dengan menggunakan Algoritma Genetika yang dapat memberikan suatu cara penyusunan/tata letak penyimpanan barang pada suatu tempat penyimpanan dengan memasukkan data tempat penyimpanan dan data barang-barang yang akan disimpan akan diperoleh posisi-posisi barang dan gambar tata letaknya pada tempat penyimpanan, dimana solusi yang dihasilkan sudah bisa dikatakan optimal. Program aplikasi yang dihasilkan diharapkan dapat dimanfaatkan sebaik- baiknya untuk memaksimalkan tempat penyimpanan barang di Freshmart Pontianak.

II. URAIANPENELITIAN A. Optimasi

Optimalisasi tata letak merupakan proses kerja dalam manajemen tata letak yang bertujuan untuk mengoptimalkan potensi, lokasi, nilai, jumlah atau volume, legal dan ekonomi yang dimiliki letak tersebut . Secara umum tujuan optimalisasi tata letak dimaksudkan untuk mengidentifikasi dan inventarisasi semua aset yang meliputi bentuk, ukuran, fisik, legal, sekaligus mengetahui nilai optimal masing-masing tata letak tersebut yang mencerminkan manfaat efisiennya [3].

B. Tata Letak Barang

Tata letak barang didefinisikan sebagai menganalisis, membentuk konsep, merancang, dan mewujudkan sistem bagi pembuatan barang atau jasa. Kegiatan perancangan fasilitas berhubungan dengan perancangan susunan unsur fisik suatu lingkungan [3].

C. Algoritma Genetika

Algoritma Genetika ditemukan pertama kali pada tahun 1960. Algoritma Genetika merupakan salah satu algoritma pemodelan evolusi (evolutionary modelling) yang dikembangkan oleh John Holland pada dekade 1960 dan 1970-an dengan tujuan memodelkan perkembangan

Optimasi Tata Letak Barang Dengan

Menggunakan Algoritma Genetika Studi Kasus Freshmart Pontianak

Andini Novia

¹

, Tursina

²

, Heri Priyanto

³

Program Studi Teknik Informatika, Jurusan Teknik Elektro, Universitas Tanjungpura Pontianak

e-mail: [email protected]¹

, [email protected]

²

, [email protected]

³

P

(2)

kemampuan adaptasi sebuah sistem. Algoritma genetika diimplementasikan sebagai simulasi yang berawal dari sebuah populasi yang dihasilkan secara random dan terdiri dari kromosom-kromosom, seperti halnya anggota tubuh makhluk hidup dan merepresentasikan solusi dari masalah. Populasi tersebut akan menghasilkan keturunan populasi yang baru dan diharapkan lebih baik dari populasi sebelumnya. Semakin baik kondisi suatu populasi, semakin besar kemungkinan populasi itu untuk dikembangkan menjadi populasi selanjutnya.

Kondisi ini diulangi sampai mendapatkan kondisi yang diharapkan, dengan kata lain solusi terbaik sudah diperoleh [1].

Fungsi Fitness

Suatu individu atau kromosom dievaluasi berdasarkan suatu fungsi tertentu sebagai ukuran performasinya.Fungsi yang digunakan untuk mengukur nilai kecocokan atau derajat optimalitas suatu kromosom disebut dengan fitness function [1]. Nilai yang dihasilkan dari fungsi tersebut menandakan seberapa optimal solusi yang diperoleh. Nilai yang dihasilkan oleh fungsi fitness merepresentasikan seberapa banyak jumlah persyaratan yang dilanggar, sehingga dalam kasus penjadwalan perkuliahan semakin kecil jumlah pelanggaran yang dihasilkan maka solusi yang dihsilkan akan semakin baik.

D. Diagram Alir Penelitian

Langkah-langkah penelitian yang akan dilakukan seperti terlihat pada Gambar.1 sebagai berikut.

E. Perancangan Sistem Algoritma Pengujian Optimasi

Algoritma pengujian optimasi pada aplikasi tata letak barang adalah sebagai berikut ini.

1. Mulai.

2. Tambah id_jenis.

3. Tambah id_kategori.

4. Tambah id_barang untuk mendapatkan kode (individu) yaitu gabungan id_jenis dan id_kategori secara otomatis.

5. Pilih rak dan sekat.

6. Sisipkan barang pada rak dan sekat yang telah dipilih untuk menentukan induk, yaitu id_barang di posisi pertama pada deretan isi rak .

7. Lakukan penyisipan barang secara berulang untuk menentukan apakah akan terjadi mutasi atau tidak.

8. Jika tidak terjadi mutasi, maka induk akan tetap dan tidak ada barang yang berubah posisi.

9. Jika terjadi mutasi, maka kemungkinan induk akan berubah dan akan terjadinya perubahan posisi barang pada rak.

10. Hitung luas tersedia

. 11. Hitung luas terpakai

12. Hitung nilai fitness

.

13. Jika nilai fitness ≤95%, maka kembali ke proses penyisipan barang untuk melakukan mutasi.

14. Jika nilai fitness ≥95%, maka rak merupakan solusi optimal.

15. Tampikan keterangan rak optimal.

16. Selesai.

Diagram Konteks Sistem

Diagram konteks adalah diagram yang memberikan gambaran umum terhadap kegiatan yang berlangsung dalam sistem. Gambar.2 berikut ini menunjukkan diagram konteks dari sistem.

Diagram Overview Sistem

Diagram overview adalah diagram yang menggambarkan proses dari data flow diagram. Diagram overview memberikan pandangan secara menyeluruh mengenai sistem optimasi penentuan tata letak barang menggunakan algoritma genetika.Menunjukkan tentang proses yang ada, aliran data, dan entitas-entitas yang terkait.

Sebagaimana yang terlihat pada gambar.3 sistem optimasi penentuan tata letak barang menggunakan algoritma genetika, yaitu:

1. Proses 1.0 yang merupakan proses Login User 2. Proses 2.0 yang merupakan proses User Setting 3. Proses 3.0 yang merupakan proses Data

4. Proses 4.0 yang merupakan proses Manajemen Data 5. Proses 5.0 yang merupakan proses Pengkodean Gambar. 1. Diagram Alir Penelitian

Gambar. 2. Diagram Konteks Sistem

(3)

6. Proses 6.0 yang merupakan proses Perhitungan Nilai Fitness

7. Proses 7.0 yang merupakan proses Proses Algoritma Genetika

F. Pengujian Perancangan Sistem

Pengujian pada aplikasi dilakukan dengan menggunakan metode Black Box dan UAT (User Acceptance Test) untuk mengetahui tingkat keberhasilan pembuatan aplikasi.

Pengujian Black Box

Pengujian Black Box ini merupakan metode pengujian dimana input berupa suatu set data digunakan untuk menguji validitas dari integrasi dan konsistensi sistem. Adapun teknik uji coba yang digunakan dalam pengujian black box pada aplikasi ini, yaitu menggunakan teknik sample testing.

Pengujian User Acceptence Test (UAT)

User Acceptance Test (UAT) atau Uji Penerimaan Pengguna adalah suatu proses pengujian oleh pengguna yang dimaksudkan untuk menghasilkan dokumen yang dijadikan bukti bahwa software yang telah dikembangkan telah dapat diterima oleh pengguna, apabila hasil pengujian (testing) sudah bisa dianggap memenuhi kebutuhan dari pengguna.

III.

HASIL DAN ANALISA A. Implementasi

Sistem yang telah dirancang memerlukan komputer dengan sistem operasi minimal Windows XP. Pada komputer juga harus terpasang Microsoft Access dan

Microsoft Visual Basic 6.0 berikut adalah antarmuka

hasil perancangan aplikasi.

Gambar. 3. Diagram Overview Sistem

Gambar. 4. Halaman Antarmuka Input Data Barang (a)

Gambar. 5. Halaman Antarmuka Data Rak (b)

Gambar. 6. Halaman Antarmuka Penyisipan Barang Pada Rak (c)

Gambar. 7. Halaman Antarmuka Letak Barang Pada Rak (d)

(4)

G. Pengujian Sistem Pengujian Black Box

Pengujian berikut dilakukan pada aktivitas login User.

Hasil pengujian dapat dilihat pada Tabel 1. berikut.

Pengujian User Acceptence Test (UAT)

Rekapitulasi hasil pengujian aspek penilaian aplikasi yang disebarkan melalui borang kepada 5 orang responden dapat dilihat pada Tabel 2. berikut.

Pada setiap fungsi sistem yang diajukan kepada responden terdapat 5 opsi jawaban yang ditawarkan. Jumlah fungsi yang diajukan dalam pengujian aspek penilaian aplikasi adalah 6 fungsi. Dengan demikian nilai hasil pengujian setiap responden sebagai berikut:

1. Nilai maksimal = 30 (5 x 6 item) 2. Nilai kuartil III = 24 (4 x 6 item) 3. Nilai median = 18 (3 x 6 item) 4. Nilai kuartil I = 12 (2 x 6 item) 5. Nilai minimal = 6 (1 x 6 item)

Interpretasi nilai hasil pengujian tersebut adalah:

1. 24 ≤ nilai ≤ 30, fungsi program dinilai sangat baik 2. 18 ≤ nilai ≤ 23, fungsi program dinilai baik 3. 12 ≤ nilai ≤ 17, fungsi program dinilai kurang baik 4. 6 ≤ nilai ≤ 11, fungsi program dinilai tidak baik

Dari pengujian yang dilakukan, persebaran nilai hasil pengujian aspek penilaian aplikasi tingkat akses administrator adalah 2 orang responden menyatakan fungsi sistem sangat baik, 3 orang responden menyatakan fungsi sistem baik, tidak ada responden yang menyatakan fungsi sistem kurang baik dan tidak baik. Chart persebaran hasil pengujian responden dengan aspek penilaian aplikasi dapat dilihat pada Gambar berikut.

Rekapitulasi hasil pengujian aspek penilaian visua yang disebarkan melalui borang kepada 5 orang responden dapat dilihat pada Tabel 3. berikut.

Pada setiap fungsi sistem yang diajukan kepada responden terdapat 5 opsi jawaban yang ditawarkan. Jumlah fungsi yang diajukan dalam pengujian aspek penilaian aplikasi adalah 6 fungsi. Interpretasi nilai hasil pengujian tersebut adalah:

Dari pengujian yang dilakukan, persebaran nilai hasil pengujian aspek visual tingkat akses administrator adalah 4 orang responden menyatakan fungsi sistem sangat baik, 3 orang responden menyatakan fungsi sistem baik, tidak ada responden yang menyatakan fungsi sistem kurang baik dan tidak baik. Chart persebaran hasil pengujian responden dengan tingkat akses pendaftar dapat dilihat pada Gambar berikut.

Tabel 1. Pengujian Login User

Input Contoh Data Hasil

Eksekusi Keterangan

Input data kosong

Username

Tidak berhasil

Pesan kesalahan:

“Tidak boleh ada data yang kosong”

Password

Input salah satu

data kosong

Username abcde

Tidak berhasil

Pesan kesalahan:

“Tidak boleh ada data yang kosong”

Password

Inputdata salah

Username aaa

Tidak berhasil

Pesan kesalahan:

“User tidak dikenal”

Password aaa

Input data benar

Username abcde

Berhasil

Password abcde

Tabel 2. Hasil Pengujian Aspek Penilaian Aplikasi

RESPONDEN ITEM HASIL

1 2 3 4 5 6

1 3 3 4 4 3 4 21

2 4 4 4 3 3 4 22

3 4 3 4 4 3 4 22

4 5 4 4 4 5 4 26

5 4 4 4 5 4 4 25

NILAI RATA-RATA HASIL PENGUJIAN 23,2

Gambar 8. Chart Pengujian Aspek Penilaian Aplikasi

Tabel 3. Hasil Pengujian Aspek Visual

1 2 3 4 5 6

1 4 4 3 5 5 4 25

2 4 4 4 4 4 4 24

3 4 4 4 3 3 4 22

4 5 5 5 5 5 4 29

5 4 4 3 4 3 3 21

NILAI RATA-RATA HASIL PENGUJIAN 24,2

Gambar 9. Chart Pengujian Aspek Penilaian Visual

(5)

Rekapitulasi hasil pengujian aspek penilaian tingkat akses manager dapat dilihat pada Tabel 4. berikut.

Pada setiap fungsi sistem yang diajukan kepada responden terdapat 5 opsi jawaban yang ditawarkan. Jumlah fungsi yang diajukan dalam pengujian aspek penilaian aplikasi adalah 6 fungsi. Dengan demikian nilai hasil pengujian pada responden sebagai berikut:

1. Nilai maksimal = 30 (5 x 6 item) 2. Nilai kuartil III = 24 (4 x 6 item) 3. Nilai median = 18 (3 x 6 item) 4. Nilai kuartil I = 12 (2 x 6 item) 5. Nilai minimal = 6 (1 x 6 item)

Interpretasi nilai hasil pengujian tersebut adalah:

Dari hasil pengujian aspek penilaian tingkat akses manager didapat nilai hasil 27 yang diinterpretasikan fungsi keseluruhan program sangat baik. Chart persebaran hasil pengujian responden dengan tingkat akses manager dapat dilihat pada Gambar berikut.

H. Analisis Hasil Perancangan dan Pengujian

Berikut ini adalah analisis hasil perancangan dan pengujian aplikasi optimasi penentuan tata letak barang yang telah dilakukan adalah sebagai berikut :

1. Sistem akan menghalangi pengguna yang memasukkan password yang salah ketika proses login sehingga aplikasi hanya dapat diakses oleh pengguna yang memiliki hak akses.

2. Hasil pengujian menunjukkan saat dilakukan input data dengan menggunakan metode black box, input data dengan keseluruhan data kosong akan menimbulkan kesalahan pada program. Akan tetapi pada sistem ini, kemungkinan terjadinya kesalahan sudah ditangani pada kode program, sehingga hanya akan muncul pesan kesalahan atau instruksi pengisian data. Dengan kata

lain, sistem dapat menangani data tersebut sesuai dengan apa yang diharapkan.

3. Hasil pengujian menunjukkan bahwa saat dilakukan input data dengan salah satu data yang benilai kosong akan menyebabkan kesalahan apabila data tersebut tidak diperbolehkan kosong didalam basis data. Pada sistem ini kemungkinan tersebut sudah ditangani pada kode program sehingga akan muncul pesan kesalahan jika ada salah satu data yang belum diisi.

4. Pada aspek penilaian aplikasi fungsi manajemen data (tambah data, edit data, hapus data) dan hasil algoritma genetika dalam menentukan posisi barang bernilai baik untuk diimplementasikan dan fungsi sistem lainnya bernilai sangat baik untuk diimplementasikan.

5. Hasil pengujian dengan borang evaluasi pada aspek penilaian aplikasi tingkat akses administrator adalah 40%

responden menyatakan fungsi sistem sangat baik, 60%

responden menyatakan fungsi sistem baik, tidak ada responden yang menyatakan fungsi sistem kurang baik dan tidak baik.

6. Pada aspek visual fungsi tingkat kemudahan melihat data dan respon (feedback) aplikasi terhadap input yang dilakukan bernilai baik untuk diimplementasikan dan fungsi sistem lainnya bernilai sangat baik untuk diimplementasikan.

7. Hasil pengujian dengan borang evaluasi pada aspek visual aplikasi tingkat akses administrator adalah 60%

responden menyatakan fungsi sistem sangat baik, 40%

responden menyatakan fungsi sistem baik, tidak ada responden yang menyatakan fungsi sistem kurang baik dan tidak baik.

8. Pada hak akses manager tampilan (antar muka) aplikasi dan tampilan menu aplikasi bernilai baik untuk diimplementasikan dan fungsi sistem lainnya bernilai sangat baik untuk diimplementasikan.

9. Hasil pengujian fungsi sistem pada hak akses manager adalah 100% responden menyatakan sistem bernilai sangat baik untuk diimplementasikan.

IV. KESIMPULANDANSARAN A. Kesimpulan

Berdasarkan hasil analisis dan pengujian terhadap optimasi penentuan tata letak barang dengan menggunakan algoritma genetika studi kasus Freshmart Pontianak dapat disimpulkan bahwa:

1. Sistem pada aplikasi ini dapat memproses jenis barang kering yang berjumlah 1.442 kategori barang dari total keseluruhan 1.628 kategori barang yaitu 88,6% dari total keseluruhan.

2. Sistem pada aplikasi ini dapat menunjukkan keoptimalan suatu rak yang ditunjukkan dengan fitness function pada form penyisipan barang. Sehingga jika rak telah mencapai optimal yaitu fitness function bernilai ≥ 95%, maka admin tidak dapat melakukan penyisipan barang lagi pada rak tersebut.

3. Aplikasi pada aspek penilaian aplikasi hak akses admin memiliki nilai rata-rata 23,2 dengan interpretasi nilai baik untuk diimplementasikan, pada penilaian visual hak Tabel 3. Hasil Pengujian Aspek Penilaian Tingkat Akses Manager

1 2 3 4 5 6

1 4 4 4 5 5 5 27

NILAI RATA-RATA HASIL PENGUJIAN 27

Gambar 10. Chart Pengujian Aspek Penilaian TingkatAksesManager

(6)

akses admin memiliki nilai rata-rata 24,5 dengan interpretasi nilai sangat baik untuk diimplementasikan, dan pada penilaian hak akses manager memiliki nilai rata-rata 27 dengan interpretasi nilai sangat baik untuk diimplementasikan.

4. Berdasarkan hasil pengujian pengguna menggunakan skala likert diperoleh penilaian aplikasi optimasi tata letak barang dengan algoritma genetika telah dirancang dan dibangun dengan interpretasi nilai baik untuk diimplementasikan.

B. Saran

Hal-hal yang menjadi saran dalam pengembangan aplikasi ini agar menjadi lebih baik adalah sebagai berikut:

1. Aplikasi dapat menampilkan animasi denah secara 3D.

2. pengembangan lebih lanjut, dapat ditambahkan keterangan jumlah stok barang dan letak barang dapat menyesuaikan jumlah stok barang yang tersedia.

3. Pengelolaan data pada sistem aplikasi tata letak barang ini belum mencakup semua pengelolaan data yang ada di Freshmart Pontianak, yaitu hanya mengelola jenis barang kering saja, oleh sebab itu diharapkan pengembang dapat mengembangkan aplikasi ini dengan cakupan yang lebih luas yaitu meliputi semua jenis barang.

V. DAFTARPUSTAKA

[1] Basuki Achmad. 2003. Srategi Menggunakan Algoritma Genetika.

Surabaya: Politeknik Elektronika Negeri Surabaya.

[2] Gunadi, Kartika., dan Kristianto Julistiona, Erwin., 2003, Optimasi Pola Penyusunan Barangdalam Ruang Tiga Dimensi MenggunakanMetode Genetic Algorithms., Jurnal Informatika Vol. 4., pp 15-19.

[3] Gunadi, Kartika., Lim, Resmana., dan Kristianto Julistiona, Erwin., 2001, Pengaturan Tata Letak Barang Pada Rak Dengan Menggunakan Algoritma Genetika., Jurnal Informatika.

[4] Purnomo Hari, Kusumadewi Sri. 2003. Aplikasi Algoritma Genetika Untuk Penentuan Tata Letak Mesin. Yogyakarta: Teknik Informatika UII.