IMPLEMENTASI ALGORITMA CONTINUOUS HOPFIELD NETWORK UNTUK OPTIMASI RUTE TEKNISI KE BEBERAPA LOKASI FIBER ACCESS TERMINAL (FAT) (STUDI KASUS : PT.

(1)

UNTUK OPTIMASI RUTE TEKNISI KE BEBERAPA LOKASI FIBER ACCESS TERMINAL (FAT) (STUDI KASUS : PT.XYZ)

SKRIPSI

RADIFAN FARIZ 161401137

PROGRAM STUDI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA

MEDAN 2021

(2)

UNTUK OPTIMASI RUTE TEKNISI KE BEBERAPA LOKASI FIBER ACCESS TERMINAL (FAT) (STUDI KASUS : PT.XYZ)

SKRIPSI

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer

RADIFAN FARIZ 161401137

PROGRAM STUDI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA

MEDAN 2021

Universitas Sumatera Utara

(3)

(4)

PERNYATAAN

IMPLEMENTASI ALGORITMA CONTINUOUS HOPFIELD NETWORK UNTUK OPTIMASI RUTE TEKNISI KE BEBERAPA LOKASI FIBER

ACCESS TERMINAL (FAT) (STUDI KASUS : PT.XYZ)

SKRIPSI

Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.

Medan, 7 Juli 2021

Radifan Fariz 161401137

(5)

PENGHARGAAN

Bismillahirrahmanirrahim, Alhamdulillahi Robbil `Alamin, segala puji dan syukur penulis panjatkan kepada Allah Subhanahu wa Ta’ala atas semua berkah, rahmat dan hidayah-Nya yang telah diberikan kepada penulis. Sehingga penulis atas izin nya mampu menyelesaikan penyususnan skripsi dengan judul “IMPLEMENTASI ALGORITMA CONTINUOUS HOPFIELD NETWORK UNTUK OPTIMASI RUTE TEKNISI KE BEBERAPA LOKASI FIBER ACCESS TERMINAL (FAT) (STUDI KASUS : PT.XYZ) ” yang merupakan syarat agar dapat memperoleh gelar Sarjana Ilmu Komputer, Fakultas Ilmu Komputer dan teknologi Informasi Universitas Usmatera Utara. Serta tidak lupa juga shalawat dan salam penulis hadiahkan kepada Nabi Besar Muhammad SAW.

Dalam penyusunan skripsi ini, penulis banyak memperoleh dukungan dari beberapa pihak terutama keluarga penulis yaitu kedua orang tua tercinta, Ibunda Doharni Komariah dan Ayahanda Chairil Meuraxa serta kakak dan adik tersayang, Dhaifiana Alyani, Beryl Cholif dan Azka Azfarsyah. Penulis juga ingin mengucapkan terima kasih yang sebesar-besarnya kepada semua pihak yang telah membantu penulis dalam pengerjaan skripsi ini, yaitu:

1. Dr Muryanto Amin, SSos, MSi, selaku Rektor Universitas Sumatera Utara.

2. Ibu Dr.Maya Silvi Lydia, M.Sc., selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.

3. Bapak Dr. Poltak Sihombing, M.Kom, selaku Ketua Program Studi S-1 Ilmu Komputer Universitas Sumatera Utara.

4. Bapak Handrizal, S.Si, M.Comp.Sc, selaku Dosen Pembimbing I yang telah membantu penulis dalam diskusi tentang skripsi ini dan juga memberi penulis banyak saran dan arahan selama penyelesaian skripsi ini.

5. Ibu Fuzy Yustika Manik S.Kom., M.Kom, selaku Dosen Pembimbing II yang juga memberi penulis saran dan arahan selama penyelesaian skripsi ini.

6. Ibu Dian Rachmawati, S.Si., M.Kom, selaku Dosen Pembanding I yang telah memberikan penulis kritik dan saran yang membantu penulis dalam menyelesaikan skripsi ini.

7. Bapak Dr. Syahril Efendi, S.Si, M.IT, selaku Dosen Pembanding II yang juga memberi penulis kritik dan saran dalam penyelesaian skripsi ini.

8. Semua dosen beserta staf pegawai Program Studi S-1 Ilmu Komputer Universitas Sumatera Utara.

(6)

9. Teman-teman terkasih yang memberikan penulis banyak motivasi dan dukungan, yaitu Ikhwan Arjuna Lubis, Juligo Alfarabi Saragi, Azis Fahri Tanjung, Ihya Ainun Fikri, Hayyun Abdillah, David R Chaniago, Silvia Putri Maharani dan Mia Audia.

10. Teman-teman seperjuangan dalam pengerjaan skripsi ini, yaitu Noverico Damanik, Ikram Azhari, Afifuddin Ishlah Nasution, Randy Miraj Rangkuti, dan Harry Alexandro Sitorus serta teman-teman kuliah stambuk 2016, khususnya Kom B.

11. Semua pihak yang terlibat secara langsung maupun tidak langsung dalam penyelesaian skripsi ini.

Dalam penyusunan skripsi ini, penulis sadar betul masih banyaknya terdapat kekurangan pada skripsi ini. Olah karena itu penulis bersedia menerima kritikan dan saran dari pembaca, dalam upaya perbaikan skripsi tersebut. Semoga skripsi tersebut memberi manfaat bagi penulis dan pembaca dan semoga semua yang telah memberikan kebaikan dan dukungan kepada penulis mendapatkan berkah dari Allah SWT.

Medan, 7 Juli 2021

Radifan Fariz 161401137

(7)

ABSTRAK

Permintaan akan pemasangan internet terus meningkat dari waktu ke waktu, hal itu disebabkan karena internet sebagai alat komunikasi menawarkan banyak hal yang menarik. PT.XYZ merupakan salah satu perusahaan yang bergerak di bidang pemasangan internet yang memiliki Fiber Access Terminal (FAT) yang tersebar di banyak tempat. Fiber Access Terminal (FAT) sendiri merupakan perangkat terminal yang berguna untuk menghubungkan rumah atau kantor agar bisa mengakses internet. Teknisi PT.XYZ dalam hal ini adalah yang bertugas untuk melakukan pemasangan, pemeliharaan dan perbaikan pada FAT. Sehingga untuk mempercepat teknisi menuju ke beberapa lokasi FAT diperlukan suatu sistem untuk mencari rute optimum nya. Dalam penelitian ini, dibuat suatu sistem dimana teknisi dapat memilih beberapa FAT yang ingin dikunjungi, kemudian oleh sistem akan dibuat rute optimum ke beberapa lokasi FAT nya. Untuk memperoleh rute optimum oleh sistem yang telah dibuat, dalam penelitian ini digunakan Algoritma Continuous Hopfield Network yang merupakan suatu algoritma Jaringan Syaraf Tiruan (Neural Network) yang mampu memecahkan masalah optimasi seperti Traveling Salesman Problem yang merupakan masalah dalam penelitian ini. Dalam pengimplementasian algoritma ini pada sistem, pengaturan nilai konstanta yang digunakan adalah 𝐴 = 0.5, 𝐵 = 0.5, 𝐶 = 0.2 | 0.001, 𝐷 = 0.5 , 𝜏 = 1.0 dan m = 15.

Pada pengujian algoritma yang dilakukan, didapat bahwa waktu running time algoritma cukup cepat dan dalam pengujian juga didapat bahwa solusi yang diperoleh hampir selalu rute valid dan global minimum, walaupun sering juga ditemui solusi yang local minimum terutama jika titik yang dilalui bertambah banyak.

Kata kunci: Continuous Hopfield Network, Neural Network, Rute Optimum, Traveling Salesman Problem, Fiber Access Terminal.

(8)

IMPLEMENTATION OF CONTINUOUS HOPFIELD NETWORK ALGORITHM FOR TECHNICIAN ROUTE OPTIMIZATION TO

SEVERAL FIBER ACCESS TERMINAL LOCATION (A CASE STUDY: PT.XYZ)

ABSTRACT

The demand for internet installation continues to increase from time to time, this is because the internet as a communication tool offers many interesting things. PT.

XYZ is one of the companies engaged in internet installation which has Fiber Access Terminal (FAT) spread in many places. Fiber Access Terminal (FAT) itself is a terminal device that is useful for connecting a home or office to access the internet. PT.XYZ technicians in this case are in charge of installing, maintaining and repairing the FAT. So to speed up technicians to several FAT locations, a system is needed to find the optimum route. In this research, a system is created where technicians can choose several FATs they want to visit, then the system will create optimum routes to several FAT locations. To obtain the optimum route by the system that has been created, in this study the Continuous Hopfield Network Algorithm is used which is a Neural Network algorithm that is able to solve optimization problems such as the Traveling Salesman Problem which is the problem in this study. In implementing this algorithm on the system, the constants settings used are 𝐴 = 0.5, 𝐵 = 0.5, 𝐶 = 0.2 | 0.001, 𝐷 = 0.5 , 𝜏 = 1.0 and m = 15. In the algorithm testing, it was found that the running time of the algorithm was quite fast and in the test it was also found that the solution obtained was almost always a valid and global minimum route, although often found a local minimum solution, especially if the points traversed increased.

Keywords: Continuous Hopfield Network, Neural Network, Optimum Route, Traveling Salesman Problem, Fiber Access Terminal.

(9)

DAFTAR ISI

Halaman

PERSETUJUAN ii

PERNYATAAN iii

PENGHARGAAN iv

ABSTRAK vi

ABSTRACT vii

DAFTAR ISI viii

DAFTAR TABEL xi

DAFTAR GAMBAR xii

DAFTAR LAMPIRAN xiv

BAB 1 PENDAHULUAN

1.1 Latar Belakang 1

1.2 Rumusan Masalah 3

1.3 Batasan Masalah 3

1.4 Tujuan Penelitian 4

1.5 Manfaat Penelitian 4

1.6 Metode Penelitian 4

1.7 Sistematika Penulisan 5

BAB 2 TINJAUAN PUSTAKA

2.1 Kecerdasan Buatan 7

2.1.1 Jaringan Syaraf Tiruan 7

2.1.2 Prinsip Dasar Jaringan Syaraf Tiruan 7

2.2 Teori Graf 8

(10)

2.2.1 Travelling Salesman Problem 9

2.3 Algoritma Hopfield Network 10

2.3.1 Algoritma Continuous Hopfield Network 10 2.3.2 Istilah-istilah Pada Algoritma Continuous Hopfield Network 11 2.3.3 Arsitektur Algoritma Continuous Hopfield Network 12 2.3.4 Landasan Matematika Algoritma Continuous Hopfield

Network 13

2.3.5 Prinsip Kerja Algoritma Continuous Hopfield Network 16

2.4 Penelitian Relevan 17

BAB 3 ANALISIS DAN PERANCANGAN SISTEM

3.1 Analisis Sistem 19

3.1.1 Analisis Masalah 19

3.1.2 Analisis Kebutuhan 20

3.1.3 Analisis Proses 22

3.2 Pemodelan Sistem 22

3.2.1 General Architecture 22

3.2.2 Use Case Diagram 23

3.2.3 Activity Diagram 24

3.2.4 Sequence Diagram 26

3.2.5 Flowchart 26

3.3 Perancangan Antarmuka (Interface) Sistem 29

3.3.1 Rancangan Halaman Utama 29

3.3.2 Rancangan Halaman Hasil 31

3.3.3 Rancangan Halaman Tentang 33

3.3.4 Rancangan Halaman Loading 34

3.4 Perancangan Database Sistem 36

BAB 4 IMPLEMENTASI DAN PENGUJIAN

4.1 Implementasi 37

(11)

4.1.1 Halaman Utama 37

4.1.2 Halaman Hasil 38

4.1.3 Halaman Tentang 40

4.1.4 Halaman Loading 41

4.2 Implementasi dan Pengujian Algoritma Continuous Hopfield

Network Dalam Pencarian Rute Optimum 42

4.2.1 Implementasi Algoritma Continuous Hopfield Network

Dalam Pencarian Rute Optimum 43

4.2.2 Pengujian Algoritma Continuous Hopfield Network

Dalam Pencarian Rute Optimum 46

4.3 Perhitungan Algoritma Continuous Hopfield Network 48

BAB 5 KESIMPULAN DAN SARAN

5.1 Kesimpulan 58

5.2 Saran 59

DAFTAR PUSTAKA 60

(12)

DAFTAR TABEL

Halaman Tabel 3.1 Struktur Database Yang Digunakan Pada Sistem 36 Tabel 4.1 Data Titik FAT Yang Digunakan Pada Sistem 42 Tabel 4.2 Hasil Pengujian Pada Algoritma Continuous Hopfield

Network

47 Tabel 4.3 Matriks Jarak Yang Diperoleh Melalui Google API 48 Tabel 4.4 Matriks Bobot Yang Diperoleh Setelah Melakukan

Perhitungan

49 Tabel 4.5 Inputan Awal Yang Diperoleh Secara Random 50 Tabel 4.6 Matriks Aktivasi Yang Diperoleh Setelah Dilakukan

Perhitungan Antara Matriks Bobot Dan Inputan Awal

51 Tabel 4.7 Matriks Output Yang Diperoleh Setelah Dilakukan

Aktivasi

52 Tabel 4.8 Energi Jaringan Yang Diperoleh Saat Iterasi

Berlangsung

55 Tabel 4.9 Matriks Output Setelah Iterasi Selesai 55 Tabel 4.10 Matriks Output Setelah Dikomparasi Baris Dan

Kolom

56 Tabel 4.11 Matriks Tur Yang Menunjukkan Rute Yang

Diperoleh

56 Tabel 4.12 Matriks Jarak Dari Rute Yang Diperoleh 57

(13)

DAFTAR GAMBAR

Halaman Gambar 2.1 Cara Kerja Jaringan Syaraf Tiruan Secara Umum 8 Gambar 2.2 Contoh Graf Dengan 6 Vertex Dan 7 Edge 9 Gambar 2.3 Illustrasi dari Travelling Salesman Problem 10 Gambar 2.4 Ilustrasi Dari Arsitektur Algoritma Continuous

Hopfield Network

12 Gambar 3.1 Rancangan Diagram Ishikawa Untuk Sistem Yang

Ingin Dibuat

20 Gambar 3.2 Rancangan General Architecture Dari Sistem Yang

Ingin Dibuat

22 Gambar 3.3 Rancangan Use Case DIagram Dari Sistem Yang

Ingin Dibuat

24 Gambar 3.4 Rancangan Activity Diagram Dari Sistem Yang

Ingin Dibuat

25 Gambar 3.5 Rancangan Sequence Diagram Dari Sistem Yang

Ingin Dibuat

26 Gambar 3.6 Flowchart Dari Sistem Yang Ingin Dibuat 27 Gambar 3.7 Flowchart Algoritma Continuous Hopfield Network

Pada Sistem

28

Gambar 3.8 Rancangan Halaman Utama 30

Gambar 3.9 Rancangan Halaman Hasil 32

Gambar 3.10 Rancangan HalamanTentang 34

Gambar 3.11 Rancangan Halaman Loading 35

Gambar 4.1 Tampilan Halaman Utama Dari Sistem Yang Telah Selesai Dibuat

38 Gambar 4.2 Tampilan Halaman Hasil Dari Sistem Yang Telah

Selesai Dibuat

39 Gambar 4.3 Tampilan HalamanTentang Dari Sistem Yang Telah

Selesai Dibuat

40 Gambar 4.4 Tampilan Halaman Loading Dari Sistem Yang

Telah Selesai Dibuat

41

Gambar 4.5 Penampakan FAT Saat Di Lapangan 42

Gambar 4.6 InfoWindow Dan Tombol Add Di Halaman Utama Pada Sistem

44 Gambar 4.7 List Pada Bottom Sheet Di Halaman Utama Pada

Sistem

45 Gambar 4.8 Tampilan Halaman Hasil Yang Menampilkan Rute

Yang Diperoleh

46

(14)

Gambar 4.9 Graf Rute Dengan 4 Vertex Dan 4 Edge Yang Telah Diperoleh

56

(15)

DAFTAR LAMPIRAN

Halaman

Lampiran 1 Listing Program A-1

Lampiran 2 Daftar Riwayat Hidup (Curriculum Vitae) B-1

(16)

PENDAHULUAN

1.1 Latar Belakang

Internet merupakan teknologi komunikasi terpenting yang digunakan manusia pada abad ini. Salah satu hal yang menjadi alasannya adalah karena teknologi jaringan fiber optiknya yang memungkinkan pengiriman data yang sangat besar dengan waktu yang sangat singkat. Untuk bisa menggunakan teknologi fiber optik tersebut maka provider internet salah satunya PT.XYZ harus melakukan instalasi kabel dari rumah ke Fiber Access Terminal (FAT) yang sederhananya merupakan terminal untuk dapat terhubung ke jaringan internet.

Permintaan akan pemasangan internet yang semakin banyak membuat Fiber Access Terminal (FAT) juga semakin banyak jumlahnya dan tersebar. Sehingga salah satu aspek penting yang diperlukan agar pemasangan, pemeliharaan dan perbaikan dapat dilakukan dengan lebih efisien adalah dengan pencarian rute optimum menuju ke beberapa lokasi Fiber Access Terminal (FAT) tersebut.

Pencarian rute optimum ke beberapa lokasi Fiber Access Terminal (FAT) adalah gambaran nyata dari Travelling Salesman Problem. Permasalahan Travelling Salesman Problem tersebut bukan merupakan permasalahan yang dengan mudah ditemukan solusinya melainkan harus menggunakan algoritma khusus sebab banyak dibangkitkan kemungkinan solusi yang harus dilalui untuk dapat menemukan hasil yang optimal (Puspitorini, S., 2008). Salah satu bidang ilmu yang dapat digunakan untuk pendekatan penyelesaian permasalahan tersebut adalah Softcomputing, salah satu metodenya adalah Jaringan Syaraf Tiruan.

Softcomputing secara definitif belum ada kepastian diantara para ahli.

Kepastian yang jelas mengenai ilmu ini adalah mengenai teknik yang digunakan dalam penyelesaian masalah yaitu menggunakan pendekatan kecerdasan buatan diantaranya yaitu jaringan syaraf tiruan, algoritma genetik dan lainnya yang sifat nya menirukan agen cerdas bekerja atau bertingkah laku.

Jaringan Saraf Tiruan dalam kerangka softcomputing menirukan bagaimana jaringan syaraf pada makhluk hidup bekerja dalam menerima rangsangan dan memberikan respon, yang dari inpirasi tersebut jaringan syaraf tiruan menemukan strukturnya yang terbukti efektif memecahkan masalah dalam bidang komputasi.

Dalam penelitian ini algoritma jaringan syaraf tiruan yang digunakan penulis adalah Algoritma Continuous Hopfield Network.

(17)

John Hopfield adalah penemu dibalik Algoritma Hopfield Network yang mana dia merancang jaringan syaraf tiruan yang belakangan namanya digunakan sehingga menjadi Jaringan Hopfield pada tahun 1982 di California Institute of Technology. Proses keterhubungan neuron pada Jaringan Hopfield membentuk semacam siklus berputar dimana input akan menghasilkan output dan output yang dihasilkan akan dievaluasi sampai pada titik yang stabil. Apabila belum stabil akan dilakukan input kembali pada neuron menggunakan output yang tadi diperoleh (Kristanto 2004).

Algoritma Continuous Hopfield Network menggunakan pendekatan yang berbeda dengan yang versi diskritnya terutama sangat jelas terlihat dalam mengevaluasi nilai keluaran yang mana versi continuous mengevaluasi semua bilangan real antara [0,1] sedangkan versi diskrit hanya binary yaitu 0 atau 1.

(Garcia et al, 2019). Neuron yang terhubung pada Algoritma Continuous Hopfield Network berjumlah sebanyak n sesuai input yang dicari dan saling terkoneksi satu sama lain (Joudar et al, 2017). Secara deskriptif Jaringan Hopfield yang bekerja pada Algoritma Continuous Hopfield Network mengunakan satu lapisan jaringan yang mengindikasikan penggunaan satu lapisan bobot jaringan (Weight Layer) dengan neuron-neuron input untuk menerima input yang diteruskan ke lapisan bobot jaringan (Weight Layer) tanpa ada nya lapisan tersembunyi (Hidden Layer) dan kemudian diteruskan ke neuron output yang akan menghasilkan output yang diartikan sebagai respon jika dianalogikan pada jaringan syaraf makhluk hidup.

Sebagai jaringan syaraf tiruan maka Jaringan Hopfield bekerja dengan belajar melalui data yang diinput kedalamnya. Proses belajar dari data pada Jaringan Hopfield digolongkan sebagai unsupervised learning yang artinya tidak ada referensi yang digunakan dalam belajar, sistem akan mencari pola tersendiri yang diinginkan dari data yang telah diinputkan.

Model permasalahan yang diimplementasikan pada Algoritma Continuos Hopfield dapat dilihat dari perspektif matriks n x n yang mengindikasikan keterhubungan antar neuron input n dengan diagonal pada matriks akan diberi 0 untuk menghindari pengkoneksian terhadap neuron input yang sama atau dengan kata lain neuron itu sendiri. Kemudian dari model permasalahan dengan matriks tadi akan diteruskan untuk pencarian nilai keluaran/output dengan mengevaluasi nilainya dengan bobot, fungsi energi, dan fungsi aktivasi. Kehadiran fungsi energi pada Jaringan Continuous Hofield, yang memberi kekuatan pada jaringan untuk melakukan optimasi yang sekaligus yang membuat jaringan tersebut berbeda dari Jaringan Hopfield biasa.

(18)

Berdasarkan uraian permasalahan diatas maka penulis ingin menggunakan Algoritma Continuous Hopfield Network untuk menentukan solusi optimum dan merancang suatu sistem pencarian rute optimum ke beberapa lokasi Fiber Access Terminal (FAT) menggunakan algoritma tersebut yang mana titik awal pergerakan teknisi dimulai dari kantor PT.XYZ, sehingga nantinya dapat berdampak pada efisiensi dari pemasangan internet (instalasi kabel dari rumah ke Fiber Access Terminal (FAT)), pemeliharaan dan perbaikan Fiber Access Terminal (FAT) oleh teknisi PT.XYZ.

Oleh sebab itu, penulis mengumpulkan tinjauan pustaka dari berbagai sumber terkait permasalahan di atas, dan untuk memecahkan masalah tersebut penulis mengajukan penelitian yang berjudul “Implementasi Algoritma Continuous Hopfield Network Untuk Optimasi Rute Teknisi Ke Beberapa Lokasi Fiber Access Terminal (FAT) (Studi Kasus : PT.XYZ).”.

1.2 Rumusan Masalah

Berdasarkan latar belakang tersebut, maka masalah yang dapat dirumuskan adalah sulitnya teknisi menemukan rute optimum menuju beberapa lokasi Fiber Access Terminal (FAT) karena teknisi melakukan pemilihan rute menuju beberapa lokasi Fiber Access Terminal (FAT) hanya berdasarkan intuisi.

1.3 Batasan Masalah

Dalam melakukakan penelitian ini, penulis membatasi ruang masalah yang akan diteliti. Batasan masalah yang digunakan antara lain :

1. PT.XYZ merupakan perusahaan yang bergerak dibidang informasi dan komunikasi serta penyedia jasa dan jaringan telekomunikasi secara lengkap di Indonesia khususnya di daerah sumatera, yang pada penelitian ini tidak diperkenankan untuk diekspos termasuk istilah bisnis yang menyertainya oleh pihak perusahaan.

2. Algoritma yang digunakan dalam penelitian ini adalah Continuous Hopfield Network.

3. Fungsi aktivasi yang sigunakan adalah fungsi sigmoid

4. 𝐴, 𝐵, 𝐶, 𝐷, 𝜏, m adalah konstanta yang digunakan. Masing-masing konstanta diberi nilai 𝐴 = 0.5, 𝐵 = 0.5, 𝐶 = 0.2 | 0.001, 𝐷 = 0.5 , 𝜏 = 1.0 dan m = 15.

5. Hasil dari perhitungan algoritma adalah jarak optimum yang ditempuh teknisi ke beberapa lokasi Fiber Access Terminal (FAT).

6. Parameter yang digunakan untuk mengukur rute optimum adalah jarak tempuh.

(19)

7. Sistem hanya dapat diakses melalui internet.

8. Sistem menggunakan API (Google Maps API).

9. Bahasa pemrograman yang digunakan untuk membangun sistem pada sisi client seperti tampilan antarmuka dan segala proses yang terjadi pada client adalah Dart (Flutter).

10. Bahasa pemrograman yang digunakan untuk membangun segala proses pada sisi server adalah PHP.

11. Sistem menggunakan DBMS (Database Management System) untuk database nya, dengan MySQL sebagai bahasa yang digunakan pada database.

1.4 Tujuan Penelitian

Tujuan dari penilitian ini adalah untuk mengimplementasikan Algoritma Continuous Hopfield Network dalam membangun sistem yang memudahkan teknisi PT.XYZ untuk menentukan rute optimum ke beberapa lokasi Fiber Access Terminal (FAT) berdasarkan posisi teknisi saat ini.

1.5 Manfaat Penelitian

Manfaat dari penelitian ini adalah menemukan solusi optimum dalam pemecahan masalah Travelling Salesman Problem (TSP) menggunakan algoritma jaringan syaraf tiruan dan menghasilkan sebuah sistem yang dapat menemukan rute optimum teknisi ke beberapa lokasi Fiber Access Terminal (FAT) berdasarkan jarak, sehingga diharapkan mampu mempersingkat jarak tempuh teknisi. Manfaat lainnya yaitu sebagai referensi bagi peneliti lain yang membahas topik yang terkait dengan penelitian ini.

1.6 Metode Penelitian

Dalam penelitian tersebut, berikut merupakan metode penilitian yang digunakan : 1. Studi Pustaka

Pada tahap ini penulis akan mengumpulkan referensi yang berkaitan dengan penelitian. Pengumpulan referensi tersebut dilakukan untuk memperoleh informasi dan data yang diperlukan dalam penulisan penelitian ini. Referensi yang dikumpulkan tersebut berupa buku, jurnal, artikel, situs internet, dan penelitian – penilitian yang terkait dengan jaringan syaraf tiruan, kecerdasan buatan, Travelling Salesman Problem, dan Continuous Hopfield Network.

2. Analisa dan Perancangan

Berdasarkan ruang lingkup penelitian, penulis akan merancang sebuah Diagram Ishikawa (Fishbone), General Architecture, Use Case Diagram,

(20)

Activity Diagram, Sequence Diagram, dan Diagram Alir (Flowchart) yang merupakan analisa terhadap hal-hal yang diperlukan pada penelitian ini.

3. Implementasi

Pada tahap ini, penulis akan mengimplementasikan hal-hal yang sudah dirancang tadi menjadi sebuah sistem menggunakan bahasa pemrograman Dart dengan kerangka kerja Flutter pada sisi client dan bahasa pemrograman PHP pada sisi server sesuai dengan alur diagram.

4. Pengujian

Pada tahap ini, penulis akan melakukan pengujian terhadap beberapa titik lokasi Fiber Access Terminal (FAT) yang kemudian akan di proses oleh prototype sistem yang telah dirancang.

5. Dokumentasi

Pada tahap ini, penulis akan melakukan dokumentasi terhadap penelitian dalam bentuk skripsi. Dari tahap analisa sampai kepada tahap pengujian akan disajikan dokumentasinya.

1.7 Sistematika Penulisan

Sistematika dari penulisan skripsi ini terdiri dari beberapa bagian, yaitu:

BAB 1. PENDAHULUAN

Bab ini memabahas mengenai latar belakang masalah dibalik pemilihan judul skripsi “IMPLEMENTASI ALGORITMA CONTINUOUS HOPFIELD NETWORK UNTUK OPTIMASI RUTE TEKNISI KE BEBERAPA LOKASI FIBER ACCESS TERMINAL (FAT) (STUDI KASUS : PT.XYZ)” serta rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metode penelitian dan sistematika penulisan.

BAB 2. LANDASAN TEORI

Bab ini membahas mengenai teori-teori yang mendasari penelitian ini, yang diantaranya adalah penjelasan tentang kecerdasan buatan, jaringan syaraf tiruan, teori graf, Travelling Salesman Problem, algoritma Hopfield dan Algoritma Continuous Hopfield Network serta beberapan penelitian yang relevan dengan penilitian ini.

BAB 3. ANALISIS DAN PERANCANGAN SISTEM

Bab ini membahas tentang analisis permasalahan yang mendasari penelitian tersebut, rancangan sistem yang ingin dibuat, serta analisis sistem berupa Diagram Ishikawa (Fishbone), General Architecture, Use Case Diagram, Activity Diagram, Sequence Diagram, Flowchart dan juga User Interface serta Database yang ingin

(21)

dibuat.

BAB 4. IMPLEMENTASI DAN PENGUJIAN SISTEM

Bab ini membahas mengenai implementasi algoritma pada sistem yang telah dibuat dan pengujian terhadap sistem untuk mengetahui apakah sistem berjalan sesuai dengan rancangan yang dibuat.

BAB 5. KESIMPULAN DAN SARAN

Bab ini membahas mengenai kesimpulan yang didapat dari serangkaian penelitian yang dilakukan beserta saran yang penulis berikan agar bermanfaat untuk penelitian selanjutnya.

(22)

TINJAUAN PUSTAKA

2.1 Kecerdasan Buatan

Kecerdasan buatan secara prinsip adalah bidang ilmu yang tercipta oleh karena tuntutan manusia agar mesin dapat bertingkah laku cerdas sebagaimana agen cerdas bertingkah laku. Sederhananya kecerdasan buatan dibuat untuk menyelesaikan masalah dimana masalah tersebut diselesaikan dengan cara bagaimana manusia menyelesaikan masalah tapi dengan kemampuan dari komputasi komputer yang mana tidak dimiliki atau tidak mampu disaingi oleh manusia.

Kecerdasan buatan seperti telah dijelaskan berhubungan dengan kecerdasan yang dimiliki manusia, kecerdasan pada manusia merupakan tindakan dari otak manusia yang melakukan analisis, pembelajaran, tindakan dan lainnya. Dari fakta tersebut kemudian muncul sub disiplin ilmu khusus yang mempelajari tingkah laku otak manusia tersebut untuk dapat diterapkan dalam dunia komputer yaitu Jaringan Syaraf Tiruan (Arifin, 2014).

2.1.1 Jaringan Syaraf Tiruan

Jaringan Syaraf Tiruan berdasarkan prinsipnya adalah inspirasi dari jaringan syaraf pada manusia yang ketika bekerja pada sel saraf manusia memiliki kemampuan yang diantaranya mengambil suatu keputusan, yang dari hal tersebutlah kemudian dicoba ditirukan dalam proses komputasi. (Indra, J., 2013). Keterhubungan neuron pada otak manusia adalah referensi yang digunakan untuk menciptakan arsitektur pada jaringan syaraf tiruan serta operasi yang terjadi di dalamnya (Arifin, 2014).

2.1.2 Prinsip Dasar Jaringan Syaraf Tiruan

Prinsip dasar dari jaringan syaraf tiruan pertama kali diformulasikan oleh McCulloch, dan Pitt pada 1943, dalam jaringan syaraf tiruan terdapat 3 elemen dasar model syaraf, yaitu:

1. Bobot sinapsis (Synaptic Weights) yang memebentuk hubungan sinapsis yang digolongkan berdasarkan bobot.

2. Penambah (Summing Junction) sebagai penjumlah input-input masukan yang dievalusai berdasarkan kekuatan sinapsis

3. Fungsi Aktivasi (Acativation Function) yang merupakan pembatas nilai-nilai keluaran berdasarkan amlitudo sehingga nilai keluaran yang diperoleh dapat

(23)

lebih jelas diketahui.

Gambar 2.1 Cara Kerja Jaringan Syaraf Tiruan Secara Umum

Pada gambar 2.1 diatas, Jaringan menerima masukan dari neuron input 𝑋₁𝑋₂𝑋₃ dengan bobot masing-masing 𝑊₁𝑊₂ dan 𝑊₃. Ketiga impuls neuron yang dijumlahkan menjadi:

𝑁𝑒𝑡 = 𝑋₁𝑊₁+ 𝑋₂𝑊₂+ 𝑋₃𝑊₃

(1)

Nilai output yang akan dihasilkan nantinya mengikuti fungsi aktivasi 𝑌 = 𝑓(𝑁𝑒𝑡).

Nilai output atau fungsi yang diperoleh pada beberapa model jaringan syaraf tiruan digunakan kembali sebagai input sampai diperoleh kestabilan pada jaringan itu.

Salah satu model yang menggunakanya adalah Jaringan Continuous Hopfield yang mana titik kestabilan pada jaringan ditentukan oleh nilai dari fungsi energi.

2.2 Teori Graf

Dalam definisinya pasangan antara vertice dan edge (V,E) dapat disebut sebagai graf yang kalau dituliskan notasinya adalah G(V,E). V dalam hal ini vertices (simpul) merupakan ujung daripada edge (sisi) dan E dalam hal ini edge (sisi) merupakan penghubung dari 2 vertice (simpul). (Fatmawati, B. P., & Noviani, E., 2015).

Dalam penerapannya, teori graf digunakan untuk memodelkan relasi antar suatu objek. Komponen-komponen seperti simpul (vertices atau node) dapat dijadikan sebagai objek yang mana contohnya adalah lokasi rumah, lokasi sekolah, lokasi Fiber Access Terminal (FAT), dll. Sedangkan sisi (edges atau arcs) dapat

(24)

dijadikan sebagai relasi dari objek-objek tadi yang contohnya adalah jarak, waktu, biaya,dll.

Gambar 2.2 Contoh Graf Dengan 6 Vertex Dan 7 Edge

Pada gambar 2.2 diatas dapat dilihat komponen-komponen dari suatu graf, yang mana pada gambar dapat diketahui bahwa graf yang terbentuk terdiri atas 6 Vertex (Simpul) dan 7 Edge (Sisi). Jika dianalogikan dengan masalah yang ingin diselesaikan nantinya maka 6 Vertex berarti 6 kota yang ingin dilalui dan 7 Edge berarti 7 rute yang mungkin dilewati.

2.2.1 Travelling Salesman Problem

Suatu permasalahan oleh sales dalam mengunjungi semua kota yang mana sales hanya boleh mengunjungi sekali tiap kota yang telah dilalui dan harus berakhir di kota dimana sales tadi memulai perjalanannya merupakan permasalahan yang dikenal sebagai Travelling Salesman Problem. Permasalahan tersebut dijabarkan oleh dua matematikawan asal inggris dan irlandia yaitu Thomas Penyngton dan William Ruwan Hamilton sekitaran tahun 1800. Yang mana semenjak ditemukannya permasalahan tersebut hingga hari ini, masih belum ditemukan solusi pastinya.

Dalam usaha pencarian solusi optimum dari permasalahan tersebut dikembangkang banyak algoritma karena sulitnya dan bahkan belum ditemukan solusi paling optimum untuk menyelesaikan permasalahan tersebut sehingga permasalahan tersebut masih cukup popular untuk dibahas, ditambah dengan semakin banyaknya penerapan dari permasalahan tersebut di kehidupan sehari-hari.

Algoritma-algoritma yang dikembangkan kebanyakan bekerja dengan metode heuristik dan hanya beberapa yang menggunakan metode jaringan syaraf tiruan, salah satu algoritma yang menggunakan metode jaringan syaraf tiruan adalah Algoritma Continuous Hopfield Network yang mana merupakan algoritma yang

(25)

dipilih oleh penulis dalam penelitian ini. Berikut merupakan ilustrasi dari Travelling Salesman Problem yang ditunjukkan oleh Gambar 2.3 dibawah.

Gambar 2.3 Illustrasi dari Travelling Salesman Problem

Pada gambar 2.3 diatas dapat dilihat bahwa rute yang berwarna merah diizinkan untuk dilalui dalam permasalahan Travelling Salesman Problem karena pada rute tersebut setiap Vertex (simpul) hanya dikunjungi sekali dan kembali pada titik yang sama dimana titik dimulai.

2.3 Algoritma Hopfield Network

Sesuai dengan nama algoritmanya, John Hopfield merupakan penemu dibalik Algoritma Hopfield Network. Dalam pengembangannya John Hopfield bersama koleganya mengembangkan lagi Algoritma Hopfield Network sehingga pada prakteknya mampu untuk memecahkan masalah optimasi khususnya Travelling Salesman Problem. Sehingga Algoritma Hopfield Network pun terbagi menjadi 2 jenis yaitu Algoritma Discrete Hopfield Network dan Algoritma Continuous Hopfield Network. Dalam hal pemecahan masalah optimasi khususnya Travelling Salesman Problem hanya Algoritma Continuous Hopfield Network yang dapat digunakan, sehingga pada penilitian ini dipilih Algoritma Continuous Hopfield Network untuk digunakan.

2.3.1 Algoritma Continuous Hopfield Network

Perbedaan utama antara Algoritma Discrete Hopfield Network dan Algoritma Continuous Hopfield Network adalah pada nilai yang terdapat pada neuron, yang mana untuk yang Continuous nilainya adalah kontinu diantara [0,1] yang berubah dinamis sesuai dengan persamaan non-linear yang dipakai (Hopfield, 1982, 1984).

Dalam menemukan solusi optimal pada permasalahan optimasi, pada Algoritma Continuous Hopfield tersebut akan selalu mecapai kondisi local optimum ketika dilakukan pencarian awal, yang dapat dikatakan ciri utama dari algoritma tersebut.

(26)

Penggunaan Algoritma Continuous Hopfield Network sejak ditemukan hingga saat ini, tidak hanya sebatas pada Travelling Salesman Problem (TSP) tapi sudah meluas penggunaanya ke berbagai permasalahan optimasi lainnya pada berbagai bidang karena dinilai juga mampu memecahkan permasalahan optimasi lainnya.

Dalam proses algoritma tersebut bekerja, seperti pada algoritma heuristic, pada Algoritma Continuous Hopfield tersebut juga akan sering menemukan kondisi yang dikenal sebagai local optimum seperti yang pernah disebutkan. Kondisi local optimum adalah kondisi dimana solusi yang diperoleh dari algortima tersebut belum mencapai kondisi global optimum yang mana global optimum merupakan kondisi paling optimum yang dapat diperoleh dari pemecahan permasalahan yang dilakukan. Untuk menghindari kemungkinan kondisi local minimum maka dapat dilakukan pengaturan yang baik pada algoritma.

2.3.2 Istilah-istilah Pada Algoritma Continuous Hopfield Network

Ada beberapa istilah dalam jaringan syaraf tiruan yang sering digunakan sehingga penting untuk diketahui, istilah tersebut diantaranya:

1. Neuron, Node atau Unit

Neuron, Node atau Unit adalah instrumen pada jaringan yang bertugas menerima input, mengolahnya dan meneruskannya untuk menghasilkan output.

2. Jaringan

Jaringan adalah neuron-neuron yang terintegrasi satu sama lain untuk memecahkan suatu permasalahan.

3. Output

Output adalah hasil yang diperoleh dari pengolahan oleh neuron input.

4. Hidden Layer

Hidden layer adalah lapisan yang membantu pengolahan input pada jaringan, yang mana secara proses lapisan tersebut bekerja secara implisit atau tidak tampak.

5. Bobot

(27)

Bobot adalah nilai yang diberikan ke input dengan tujuan agar jaringan nantinya bisa memproleh output yang diinginkan. Untuk dapat melanjutkan proses ke layer selanjutnya terlebih dahulu harus melalui pembobotan.

6. Fungsi Aktifasi

Fungsi aktifasi adalah fungsi yang berbentuk bisa linear ataupun non-linear yang berguna dalam penentuan nilai keluaran/output. Beberapa fungsi aktifasi di antaranya Linear, Sigmoid Biner, Threshold, dll.

7. Fungsi Energi

Fungsi energi atau fungsi energi Lyapunov sesuai dengan nama penemunya yaitu Aleksandr Lyapunov adalah fungsi untuk memberikan kestabilan pada jaringan yang sifatnya menurun dan terbatas.

2.3.3 Arsitektur Algoritma Continuous Hopfield Network

Insialisasi awal Jaringan Hopfield ditentukan dari n objek yang ingin dioptimasi, keterhubungan antar objek pada jaringan akan membentuk Matriks N x N yang mana matriks tersebut menunjukkan nilai dari neuron yang saling terhubung kecuali hubungan antara matriks yang sama atau dirinya sendiri, yang dalam matriks akan diberi nilai 0 atau secara formulasi adalah 𝑤_𝑖𝑗 = 𝑤_𝑗𝑖 dan 𝑤_𝑖𝑖 = 0 untuk setiap i,j (Kristanto, 2004).

Gambar 2.4 Ilustrasi Dari Arsitektur Algoritma Continuous Hopfield Network Berdasarkan gambar 2.3 dapat dilihat bahwa arsitektur Algoritma Continuous Hopfield Network memungkinkan untuk output setiap neuron dijadikan input kembali. Penggunaan output untuk dijadikan input kembali akan dilakukan aktivasi kembali oleh fungsi aktivasi dan juga dievaluasi oleh fungsi energi untuk kestabilan, sampai fungsi energi menurun dan menghasilkan nilai kecil dan

(28)

cenderung naik kembali. Pada tahap ini kemungkinan solusi sudah konvergen.

Konvergen adalah kondisi dimana pola output tidak berubah sampai iterasi selesai.

2.3.4 Landasan Matematika Algoritma Continuous Hopfield Network 1. Matriks Jarak

Jarak antara kota i ke kota j direpresentasikan oleh 𝑑_𝑖𝑗 yang merupakan matriks D yang merupakan matriks simetris N x N yang dimana diagonal matriksnya sama dengan nol, dan untuk kondisi nilai sama adalah pada jarak dari kota i ke kota j dengan jarak dari kota j ke kota i (Wu dan Yang, 2004).

𝑑_𝑖𝑗 = 𝑑_𝑗𝑖 (𝑖 ≠ 𝑗) 𝑑_𝑖𝑗 = 0

(2)

2. Matriks Tur

Matriks tur adalah matriks X yang merupakan matriks simetris N x N seperti matriks jarak yang menggambarkan setiap perjalanan yang akan dilalui. Baris ke-x menggambarkan posisi ke-x kota yang ingin dikunjungi saat ini, kolom i menggambarkan kota mana yang dipilih untuk dikunjungi.

Sebagai contoh, berikut merupakan matriks X yang menggambarkan perjalanan ke 4 kota yang mungkin untuk dilakukan.

𝑋 = [𝐾: 1000𝐿: 0100𝑀: 0001𝑁: 0010] 𝐾 → 𝐿 → 𝑁 → 𝑀 → 𝐾

Baris didefinisikan sebagai kota yang akan dikunjungi. Baris pertama dari matriks 4x4 tersebut berkaitan dengan kota K, (1,0,0,0) artinya kota K adalah kota pertama yang akan dikunjungi. Baris kedua berkaitan dengan kota L, (0,1,0,0) artinya kota L adalah kota kedua yang akan dikunjungi, sehingga secara umum 𝑋_𝑥𝑖 = 1 jika kota x adalah salah satu urutan ke-i kota yang akan dikunjungi.

Sedangkan untuk kolom, kolom didefinisikan sebagai urutan kota yang akan dikunjungi. Kolom pertama dari matriks 4x4 tersebut (1,0,0,0) mendefinisikan bahwa urutan pertama kota yang akan dikunjungi adalah kota K. Kolom kedua (0,1,0,0) mendefinisikan bahwa urutan kota kedua yang akan dikunjungi adalah

(29)

kota L, sehingga secara umum 𝑋_𝑥𝑖 = 1 jika i adalah urutan kota yang akan dikunjungi (Wu dan Yang, 2004).

3. Fungsi Energi

Fungsi energi adalah fungsi yang digunakan pada Jaringan Hopfield untuk memberikan kestabilan pada jaringan sehingga dapat mencapai konvergensi dan menghasilkan keluaran yang diinginkan. Kestabilan disini juga berarti bahwa fungsi energi bersama dengan matriks bobot melakukan pembatasan- pemabatasan untuk menjamin hasil keluaran yang diperoleh nantinya sesuai dengan yang diinginkan. Beberapa pembatasan-pembatasan tersebut diantaranya yaitu pembatasan baris dan kolom yang berfungsi untuk menjamin tidak ada jalur yang tidak valid muncul dan tidak ada titik yang sama pada baris dan kolom yang dievaluasi bersamaan nantinya. Kemudian pembatasan nilai keluaran, untuk menjamin bahwa nilai keluaran tidak lebih dari 1 sehingga bisa dianalisis untuk pencarian rute. Terakhir adalah pembatasan jarak terpendek, untuk mengarahkan agar ditemukannya jarak rute yang pendek.

Fungsi energi nya dirumuskan sebagai berikut:

𝐸 = 𝐴∑_𝑖∑_𝑘∑_𝑗≠𝑘𝑋_𝑖𝑘𝑋_𝑖𝑗 + B∑_𝑖∑_𝑘∑_𝑗≠𝑘𝑋_𝑘𝑖𝑋_𝑗𝑖 + C[(∑_𝑖∑_𝑘𝑋_𝑖𝑘) − 𝑛]² + D∑_𝑘∑_𝑗≠𝑘∑_𝑖𝑑_𝑘𝑗𝑋_𝑘𝑖(𝑋_𝑗,𝑖+1+ 𝑋_{𝑗,𝑖−1})

(3) 𝐴, 𝐵, C, D adalah bilangan bulat positif, pengaturan terhadap konstanta tersebut adalah sesuatu yang sangat penting dalam mempengaruhi performa dari algoritma Continuous Hopfield. Sedangkan variabel X adalah variabel yang menyatakan matriks tur (Graupe, 2013).

4. Matriks Bobot

Berikut merupakan rumusan dari bobot yang akan digunakan pada jaringan:

𝑊_{𝑖𝑘,𝑙𝑗}= −A𝛿_𝑖𝑙(1 − 𝛿_𝑘𝑗) − B𝛿_𝑘𝑗(1 − 𝛿_𝑖𝑙) − C − D𝑑_𝑖𝑙(𝛿_𝑗,𝑘+1+ 𝛿_{𝑗,𝑘−1}) (4)

(30)

Akan diperoleh Matriks bobot 𝑊_{𝑖𝑘,𝑖𝑗} dari formulasi diatas. Dari formulasi diatas diketahui bahwa elemen-elemen yang membentuk formula berfungsi untuk melakukan pembatasan seperti pada fungsi energi, diantara kegunaannya adalah menjamin ditemukannya jarak minimum, menjaga agar jalur yang tidak valid tidak muncul, dan memunculkan jalur yang valid dalam rute dari titik sumber sampai titik tujuan dan juga menjaga agar tidak ada titik yang sama pada baris dan kolom yang dievaluasi bersamaan nantinya. Dalam formulasi matriks bobot diatas digunakan fungsi delta Kronecker 𝛿_𝑖𝑗, fungsi tersebut akan menghasilkan keluaran yaitu nilai delta Kronecker yang sama dengan satu jika i = k dan akan sama dengan nol jika i ≠ k . Nilai konstanta A, B, C, D adalah sama dengan yang digunakan oleh fungsi energi (Graupe, 2013).

5. Fungsi Aktivasi

Untuk menjamin rute yang ditempuh tetap valid digunakan fungsi aktivasi yang mengikuti beberapa batasan sebagai berikut (Graupe, 2013):

𝑎_𝑖𝑗 = ∆𝑡(𝑇₁+ 𝑇₂ + 𝑇₃+ 𝑇₄+ 𝑇₅) 𝑇₁ = −𝑎_𝑖𝑗/𝜏

𝑇₂ = −𝐴∑_𝑘≠𝑗𝑋_𝑖𝑘 𝑇₃ = −𝐵∑_𝑘≠𝑖𝑋_𝑘𝑗 𝑇₄ = −𝐶(∑_𝑖∑_𝑘∑_𝑖𝑘 − 𝑚) 𝑇₅ = −𝐷∑_𝑘≠𝑖𝑑_𝑖𝑘(𝑋_𝑘,𝑗+1+ 𝑋_{𝑘,𝑗−1})

(5)

● Neuron aktivasi dilambangkan dengan 𝑎_𝑖𝑗, sedangkan output dilambangkan dengan 𝑋_𝑖𝑗

● 𝜏,m adalah konstanta yang digunakan. Masing-masing konstanta diberi nilai 𝜏 = 1.0 dan m = 15.

● 𝑇₁ dalam fungsi aktivasi nilainya akan berkurang di setiap iterasi.

● 𝑇₂, 𝑇₃ , 𝑇₄ 𝑑𝑎𝑛 𝑇₅ digunakan untuk membatasi agar rute tetap valid

Neuron aktivasi diperbaharui dengan persamaan berikut:

(31)

𝑎_𝑖𝑗(𝑏𝑎𝑟𝑢) = 𝑎_𝑖𝑗(𝑙𝑎𝑚𝑎) + ∆𝑎_𝑖𝑗

(6) 6. Fungsi Output

Setiap aktivasi yang diperoleh akan dievaluasi untuk mendapatkan output melalui persamaan berikut (Graupe, 2013):

𝑋_𝑖𝑗 = (1 +𝑡𝑎𝑛ℎ (𝜆𝑎_𝑖𝑗))/2

(7)

● 𝑋_𝑖𝑗 adalah output dari neuron

● Persamaan berikut merupakan fungsi tangen hiperbola

● Nilai 𝜆 menentukan slope dari fungsi. Nilai 𝜆 yang digunakan dalam penelitian ini adalah 3.

● Idealnya nilai output yang ingin dicapai adalah 1 atau 0. Tapi fungsi tangen hiperbola memeberikan nilai bilangan asli. Sehingga tidak sesuai dengan nilai yang ingin dicapai tapi mendekati nilai yang ingin dicapai, contohnya, 0.9735 mendekati 1 atau 0.00013 mendekati 0.

2.3.5 Prinsip Kerja Algoritma Continuous Hopfield Network

Data yang digunakan dalam penelitian ini adalah data lokasi dan jarak dari fiber access terminal (FAT) yang akan diolah dengan cara sebagai berikut:

1. Menentukan sejumlah N data lokasi fiber access terminal (FAT) dan dilakukan perhitungan jarak untuk matriks D. Matriks D merupakan matriks nxn yang memuat jarak dengan diagonal utama bernilai 0.

2. Menentukan matriks bobot dengan persamaan (4).

3. Inisialisasi secara random inputan awal pola matriks posisi, untuk kemudian digunakan bersama matriks bobot untuk membentuk neuron input 𝑎_𝑖𝑗.

4. Setelah neuron input 𝑎_𝑖𝑗 terbentuk , maka dilakukan aktivasi dengan persamaan (7) dan setelah itu disimpan dalam matriks 𝑋_𝑖𝑗 berukuran nxn.

5. Melakukan perhitungan energi awal dengan persamaan (3).

6. Setiap input 𝑎_𝑖𝑗 diperbaharui dengan persamaan (6), kemudian diaktivasi

(32)

Kembali dengan persamaan (7) dan disimpan dalam matriks 𝑋_𝑖𝑗. 7. Menghitung besar energi jaringan yang baru.

8. Langkah 6 dan 7 diulang/diiterasi (looping) hingga energi jaringan makin kecil dari iterasi ke iterasi, yang nantinya menuntun pada penemuan solusi yang stabil pada output jaringan.

9. Dari iterasi yang telah dilakukan sampai mencapai energi paling minimum maka nantinya akan diperoleh rute yang tersimpan pada matriks 𝑋_𝑖𝑗 atau neuron output yang merupakan solusi TSP. Yang mana untuk memperoleh solusinya dilakukan dengan mencari nilai yang paling besar pada tiap baris dan kolom matriks 𝑋_𝑖𝑗 atau neuron output.

2.4 Penelitian Relevan

Berikut ini beberapa penelitian yang berkaitan dengan penelitian ini, diantaranya : 1. Pada penelitian Zhong, Luo, Chu dan Gan (2017) dengan judul “A Continuous

Hopfield Neural Network based on Dynamic Step for the Traveling Salesman Problem” disimpulkan bahwa algoritma Continuous Hopfield efektif dan layak digunakan untuk menyelesaikan masalah Travelling Salesman Problem (TSP).

2. Pada penelitian Mubyarto dan Susilawati (2010) dengan judul “Peningkatan Efisiensi Penggunaan Bahan Bakar Kendaraan Bermotor Dengan Melakukan Pencarian Jarak Terdekat Menggunakan Jaringan Syaraf Tiruan Hopfield Di Wilayah Purwokerto” disimpulkan bahwa pengujian algoritma Continuous Hopfield pada wilayah Purwokerto menunjukkan bahwa jaringan dapat diterapkan dengan baik untuk melakukan pencarian jarak terdekat.

3. Pada penelitian Sadighi, Setayeshi, dan Salehi (2002) dengan judul “PWR fuel management optimization using neural networks” dijelaskan bahwa penggunaan algoritma Continuous Hopfield mengalami masalah local minimum.

4. Pada penelitian Wu dan Yang (2002) dengan judul “Application of continuous Hopfield network to solve the TSP” dijelaskan bahwa algoritma Continuous Hopfield tidak menjamin solusi yang optimal pada TSP, tapi untuk beberapa kasus, algoritma tersebut dapat menemukan solusi yang baik.

5. Pada penelitian Potvin (2002) dengan judul “The Travelling Salesman Problem:

(33)

A Neural Network Perspective” dijelaskan bahwa kelebihan dari algoritma Continuous Hopfield mudah diimplementasikan pada berbagai hardware seperti perangkat analog, dan algoritma tersebut juga dapat diaplikasikan pada permasalahan non-Euclidean TSP.

6. Pada penelitian Li, Qiao, dan Li (2016) dengan judul “A Modified Hopfield Neural Network for Solving TSP Problem” disimpulkan bahwa algoritma Continuous Hopfield yang dimodifikasi dengan mengatur bobot koneksinya, bertujuan untuk menghindari permasalahan local minimum.

7. Pada penilitian Luo (2019) dengan judul “Design and Improvement of Hopfield network for TSP” disimpulkan bahwa penyelasaian TSP dengan algoritma Continuous Hopfield tidak hanya bergantung pada pengaturan koefisien dari persamaannya, tapi juga berhubungan kuat dengan struktur topologi dari distribusi kota-kota nya.

8. Pada penilitian García, Talaván, dan Yáñez (2016) dengan judul “Improving the Hopfield model performance when applied to the travelling salesman problem” dijelaskan bahwa untuk menghasilkan solusi TSP yang berkualitas dilakukan dengan memodifikasi konstanta 𝜏.

(34)

BAB 3

ANALISIS DAN PERANCANGAN SISTEM

3.1 Analisis Sistem

Analisis sistem adalah proses mempelajari prosedur atau bisnis dalam rangka untuk mengidentifikasi hasil dan tujuan suatu sistem, agar dapat menciptakan suatu sistem dan prosedur dengan cara yang efisien. Secara singkat, analisis sistem adalah aktivitas untuk mengindentifikasi dan mengevaluasi suatu permasalahan dalam pembuatan suatu sistem. Sehingga pada suatu penelitian, analisis sistem merupakan suatu proses yang penting karena dengan analisis sistem, hasil dan tujuan dari penelitian dapat dengan mudah dicapai dan dengan analisis sistem juga memudahkan perbaikan pada suatu sistem yang mana perbaikan merupakan hal yang sangat lumrah dan sering terjadi dalam suatu penelitian.

Dalam melakukan analisis sistem terdapat beberapa langkah yang harus ditempuh, yang umumnya melalui tigas fase yaitu analisis masalah, analisis kebutuhan dan analisis proses.

3.1.1 Analisis Masalah

Dalam penelitian ini ditemukan bahwa pemilihan rute yang dilakukan teknisi PT.XYZ ke lokasi Fiber Accces Terminal (FAT) dilakukan hanya berdasarkan intuisi yang secara saintifik sulit untuk menemukan rute yang optimum, sehingga masalah yang muncul adalah bagaimana teknisi tersebut secara saintifik dapat menemukan rute yang optimum ke lokasi Fiber Accces Terminal (FAT).

Untuk lebih mudah dalam mengidentifikasi masalah yang dihadapi maka digunakanlah “Diagram Ishikawa”. Diagram Ishikawa adalah suatu diagram yang berfungsi untuk mengidentifikasi, mengelompokkan dan menampilkan dengan jelas permasalahan yang mungkin timbul dan dihadapi oleh sistem secara terstruktur.

Faktor-faktor signifikan dalam suatu permasalahan yang dapat diidentifikasi oleh diagram ishikawa tersebut ditampilkan melalui 2 komponen utama dari diagram ishikawa, yaitu:

a. Bagian kepala

Terletak dibagian kanan, merupakan tempat masalah atau topik yang ingin dicari tahu penyebabnya.

(35)

b. Bagian Tulang

Pada bagian ini merupakan tempat hal-hal yang menjadi penyebab utama masalah diidentifikasi.

Gambar 3.1 Rancangan Diagram Ishikawa Dari Sistem Yang Ingin Dibuat Pada gambar 3.1 diagram diatas dapat dilihat bahwa permasalahan utama dari sistem yang ditunjukkan oleh kepala (Head) adalah user dalam hal ini adalah teknisi PT.XYZ untuk mengunjungi lokasi beberapa Fiber Accces Terminal (FAT) dalam melakukan tugasnya tidak dapat memilih rute yang optimum. Diikuti oleh beberapa permasalahan dibalik permasalahan utama yang dibagi kepada 4 kategori yaitu Sistem, Material, Metode, dan Manusia yang detailnya ditunjukkan oleh tulang (bone). Sehingga dengan diidentifikasinya permasalahan melalui diagram diatas akan mempermudah dalam membangun sistem yang diperlukan.

3.1.2 Analisis Kebutuhan

Analisis kebutuhan dibagi atas dua bagian, yaitu analisis kebutuhan fungsional dan kebutuhan non-fungsional.

1. Kebutuhan fungsional

Kebutuhan fungsional atau disebut juga kebutuhan operasional adalah kebutuhan yang berkaitan dengan fungsi atau proses transformsi yang harus mampu dikerjakan oleh sistem. Dalam penelitian ini kebutuhan fungsional yang diperlukan oleh sistem adalah sebagi berikut:

(36)

a. Sistem harus dapat menerima data lokasi yang dikirim melalui internet.

b. Sistem harus dapat mengevaluasi titik latitude dan longitude (lokasi) yang dipilih user.

c. Sistem dapat memberikan rute optimum ke beberapa lokasi Fiber Accces Terminal (FAT) melalui perhitungan algoritma Continuous Hopefield Network.

d. Sistem dapat melakukan perhitungan terhadap total jarak yang ditempuh dan menampilkannya.

e. Sistem dapat menampilkan alur perjalan yang akan dilalui menuju ke bebrapa lokasi Fiber Accces Terminal (FAT).

2. Kebutuhan non-fungsional

Kebutuhan non-fungsional adalah kebutuhan diluar kebutuhan yang berkaitan dengan fungsi sistem yang mana menitikberatkan pada properti perilaku yang dimiliki oleh sistem yang menjelaskan fitur, karakteristik dan batasan-batasan yang dimiliki oleh sistem. Kebutuhan non-fungsional tersebut diantaranya adalah sebagai berikut:

a. User friendly (Mudah Digunakan)

Sistem yang dibangun harus memiliki tampilan yang sederhana dan harus bersifat intuitif ketika digunakan oleh user sehingga tidak membingungkan user.

b. Desain

Sistem harus memiliki tampilan yang menarik bagi user.

c. Ekonomis

Sistem yang dibangun dalam pengoperasiannya tidak membutuhkan biaya tambahan selain biaya internet.

d. Kinerja

Sistem yang dibangun harus memiliki kinerja yang ringan sehingga tidak membebani terlalu berat perangkat keras.

e. Responsif

Sistem dalam melakukan proses seperti pemuatan data dan perhitungan harus memberi respon kepada user melalui tampilan sistem.

(37)

3.1.3 Analisis Proses

Dalam penelitian ini, sistem akan dibangun pada platform mobile dengan menggunakan bahasa pemrograman Dart (Flutter) dan backend menggunakan bahasa pemrograman PHP. Untuk menentukan rute optimum ke beberapa lokasi Fiber Accces Terminal (FAT) pada sistem akan digunakan algoritma jaringan syaraf tiruan yaitu Algoritma Continuous Hopfield Network yang mana sebelum diolah oleh algoritma tersebut terlebih dahulu data diolah dengan memanfaatkan Google Maps API untuk memperoleh data jarak dan alur perjalanan. Kemudian rute optimum yang nantinya diperoleh setelah diproses oleh Algoritma Continuous Hopfield Network akan ditampilkan berupa alur perjalanan pada map dengan juga memanfaatkan Google Maps API. Selain alur perjalanan, sistem juga akan menampilkan total jarak yang akan ditempuh oleh user.

3.2 Pemodelan Sistem

Untuk menggambarkan dengan jelas alur kerja dari sistem nantinya maka setelah dilakukan analisis sistem, selanjutnya dilakukan perancangan atau pemodelan sistem. Pada penilitian ini, pemodelan sistem yang digunakan yaitu General Architecture, Use Case Diagram, Activity Diagram, dan Sequence Diagram.

3.2.1 General Architecture

General Architecture adalah gambaran kasar dan singkat dari sistem yang mau dibuat sehingga tidak detail menggambarkan keseluruhan alur dari sistem. General Architecture penting sebagai fondasi awal untuk mengenal lebih jauh sistem yang mau dibuat, sehingga memudahkan untuk menentukan alur sistem yang mau dibuat kedepannya.

Gambar 3.2 Rancangan General Architecture Dari Sistem Yang Ingin Dibuat Dapat dilihat pada gambar 3.2 General Architecture sistem yang ingin dibuat.

Dapat dilihat bahwa pada gambar tersebut, mula-mula user memilih (menginput)

(38)

beberapa Fiber Accces Terminal (FAT) sebagai titik tujuan (marker) kemudian titik tujuan (marker) yang sudah dipilih diproses oleh Algoritma Continuous Hopfield Network dan setelah diproses akan didapat rute optimum yang selanjutnya ditampilkan oleh sistem.

3.2.2 Use Case Diagram

Use Case Diagram adalah satu dari sekian tools yang digunakan dalam melakukan pemodelan khususnya dalam domain Software Engineer (Rekayasa Perangkat Lunak). Use Case Diagram digunakan untuk menggambarkan atau merepresentasikan interaksi yang terjadi antara user, sistem dan faktor-faktor eksternal yang terjadi pada sistem (lingkungan). Dengan digunakannya Use Case Diagram tersebut diharapkan kebutuhan sistem dari sisi user dan tingkah laku sistem di berbagai kondisi serta bagaimana sistem tersebut menanggapi permintaan user dapat diketahui dan digambarkan atau dideskripsikan.

(39)

Gambar 3.3 Rancangan Use Case Diagram Dari Sistem Yang Ingin Dibuat Pada gambar 3.3 dapat dilihat bahwa mula-mula sistem memuat data Fiber Accces Terminal (FAT) yang diperoleh dari server dan ditampilkan pada map lalu user memilih (menginput) beberapa Fiber Accces Terminal (FAT) kemudian diproses oleh Algoritma Continuous Hopfield Network dan setelah diproses didapatlah rute optimum yang selanjutnya ditampilkan oleh sistem.

3.2.3 Activity Diagram

Activity Diagram singkatnya adalah suatu diagram untuk pemodelan sistem agar dapat menggambarkan proses-proses yang terjadi pada sistem. Activity Diagram hanya berfokus pada sistem sehingga kelakuan aktor bukan menjadi fokus utama dalam diagram ini.

(40)

Gambar 3.4 Rancangan Activity Diagram Dari Sistem Yang Ingin Dibuat Pada gambar 3.4 dapat dilihat bahwa sistem dibagi menjadi 2 aktivitas yaitu sisi client dan sisi server. Sisi client adalah aktivitas yang berhubungan dan berinteraksi langsung dengan user sedangkan sisi server adalah aktivitas yang mengolah input

(41)

yang didapat dari sisi client sehingga tidak berhubungan dan berinteraksi langsung dengan user.

3.2.4 Sequence Diagram

Sequence Diagram adalah diagram yang menggambarkan interaksi dan kolaborasi dinamis antar komponen dalam sistem sehingga merinci bagaimana sebuah operasi dilakukan dalam sistem. Sequence Diagram sangat berguna untuk memahami skenario sistem pada saat runtime karena mampu memprediksi bagaimana perilaku dari sistem.

Gambar 3.5 Rancangan Sequence Diagram Dari Sistem Yang Ingin Dibuat Pada gambar 3.5 dapat dilihat interaksi user dengan sistem dan interaksi antar sistem yang dirinci dengan interaksi antar objek pada sistem dan urutan waktu yang terjadi.

3.2.5 Flowchart

Flowchart atau diagram alir adalah diagram yang terdiri dari simbol-simbol tertentu yang menggambarkan urutan dari suatu proses bekerja atau dengan kata lain langkah-langkah yang terjadi dalam suatu proses. Flowchart atau diagram alir ini dapat mewakili illustrasi atau penggambaran dari penyelesaian suatu masalah

(42)

sehingga cocok digunakan untuk menganalisis, mendesain, mendokumentasikan, dan memanajemen suatu proses. Pada penilitian ini akan dijelaskan 2 Flowchart atau diagram alir yaitu Flowchart Sistem dan Flowchart Algoritma Continuous Hopfield Network.

1. Flowchart Sistem

Gambar 3.6 Flowchart Dari Sistem Yang Ingin Dibuat

Gambar 3.6 menunjukkan Flowchart Sistem dari sistem yang akan dibuat.

Pada gambar dapat dilihat setelah sistem dimulai kemudian sistem akan mengambil dan memuat data Fiber Accces Terminal (FAT), selanjutnya memberi input ke sistem dengan memilih beberapa Fiber Accces Terminal (FAT) yang ingin dituju, selanjutnya titik yang telah dipilih diproses oleh Algoritma Continuous Hopfield Network untuk dicari rute optimumnya, selanjutnya setalah diperoleh rute optimum maka akan ditampilkan oleh sistem dan proses pada sistem pun selesai.

2. Flowchart Algoritma Continuous Hopfield Network

(43)

Gambar 3.7 Flowchart Algoritma Continuous Hopfield Network Pada Sistem

(44)

Gambar 3.7 menunjukkan Flowchart Algoritma Continuous Hopfield Network yang merupakan algoritma yang digunakan untuk mencari rute optimum pada penilitian ini. Dapat dilihat bahwa proses diawali dengan menginput lokasi yang setelah itu, di set atau dicari jarak antar lokasi yang telah diinput, kemudian inisialisasi input awal yang dalam penilitian ini, input awal akan di generate secara random lalu dilakukan perhitungan matriks bobot(weight) dengan menggunakan inputan awal tadi. Selanjutnya melakukan set total untuk variabel step yang akan digunakan untuk iterasi pada proses selanjutnya. Yang mana iterasi yang dilakukan bertujuan untuk melakukan proses perhitungan matriks aktivasi, perhitungan matriks output dan juga perhitungan energi dan juga melakukan perbaruan pada kedua matriks sampai diperoleh energi bernilai minus atau bertambah lebih besar dari nol pada saat perhitungan energi. Kemudian setelah iterasi selesai dilakukan maka akan dilakukan perhitungan pencarian rute pada matriks output untuk menentukan rute yang sesuai, setelah perhitungan rute selesai maka akan diperoleh rute optimum yang kemudian akan ditampilkan oleh sistem.

3.3 Perancangan Antarmuka (Interface) Sistem

Antarmuka (Interface) adalah media untuk interaksi antara sistem dan user berupa tampilan grafis. Antarmuka dapat dikatakan sebagai jembatan yang menghubungkan interaksi antara user dan sistem.

3.3.1 Rancangan Halaman Utama

Halaman Utama adalah halaman pada sistem yang ditampilkan pertama kali saat user membuka sistem. Halaman ini berfungsi sebagai tempat user menginputkan (memilih) beberapa data lokasi yang ingin dikunjungi. Halaman ini berinteraksi dengan user dalam bentuk map. Rancangan Halaman Utama dapat dilihat pada gambar 3.8.

(45)

Gambar 3.8 Rancangan Halaman Utama Keterangan Gambar 3.8:

1. Maps : Merupakan tempat menampilkan data lokasi pad sistem.

2. Bottom Bar : Merupakan contianer untuk tombol-tombol perpindahan halaman.

3. Button Halaman Utama : Merupakan tombol untuk pindah ke halaman utama.

4. Button Halaman Hasil : Merupakan tombol untuk pindah ke halaman

(46)

hasil dan juga merupakan pemicu (trigger) untuk memproses data lokasi oleh algoritma.

5. Button Halaman Tentang : Merupakan tombol untuk pindah ke halaman tentang.

6. Bottom Sheet : Merupakan container untuk list titik/lokasi yang dipilih.

7. List Nama Lokasi : Merupakan urutan nama-nama lokasi yang dipilih.

8. Button Delete : Merupakan tombol untuk menghapus nama lokasi yang tidak jadi atau tidak ingin diproses.

9. Markers : Merupakan ikon yang merepresentasikan lokasi pada map.

10. Infowindow Marker : Merupakan container yang muncul ketika marker diklik.

11. Text Nama Lokasi : Merupakan komponen dari InfoWindow yang menampilkan nama lokasi.

12. Button Add : Merupakan komponen dari InfoWindow berupa tombol untuk memilih lokasi yang ingin diproses.

13. Button Current Location : Merupakan tombol yang digunakan untuk mencari posisi ssat ini pada Maps.

3.3.2 Rancangan Halaman Hasil

Halaman Hasil adalah halaman yang digunakan untuk menampilkan rute optimum hasil dari perhitungan Algoritma Continuous Hopfield. Sebelum masuk ke halaman ini terlebih dahulu user harus melakukan input (memilih) beberapa lokasi pada Halaman Utama. Kemudian dengan menekan Button Halaman Hasil maka inputan akan diproses oleh sistem dan selanjutnya akan berpindah dari Halaman Utama ke Halaman Hasil tersebut. Rancangan Halaman Hasil dapat dilihat pada gambar 3.9.

(47)

Gambar 3.9 Rancangan Halaman Hasil Keterangan Gambar 3.9:

1. Maps : Sama seperti halaman sebelumnya, merupakan tempat ditampilkannya lokasi, cuma pada halaman ini rute yang telah diperoleh ditampilkan.

2. Bottom Bar : Sama dengan halaman sebelumnya, merupakan contianer untuk tombol-tombol perpindahan halaman.

3. Markers : Sama seperti sebelumnya, cuma pada halaman ini marker dihubungkan oleh garis sebagai rute dan InfoWindow yang