1. Penelitian ini mengukur kadar partikel dari asap hasil pembakaran lahan gambut di Propinsi Riau menggunakan 5 sensor.
2. Pengukuran dilakukan di ruang tertutup dan lapangan dengan menempatkan sensor di sekitar lokasi kebakaran lahan gambut.
3. Hasil pengukuran ditampilkan grafik melalui mikrokontroler dan dianalisis untuk mengetahui komposisi asap dari pembakaran lahan gambut.
Edge Exploration of QR Code Technology Implementation
3. data maning dan database system
1. Seminar Nasional Teknologi Informasi dan Komunikasi (SNASTIKOM 2012) ISBN 978‐602‐19837‐0‐6
Pengukuran Kadar Kepekatan Asap pada Lahan Gambut
Arif Gunawan1, Moch. Rivai 2, dan Eko Setijadi3
1
Teknik Telekomunikasi Politeknik Caltex Riau
2,3
Intitut Teknologi Sepuluh Nopember (ITS)
Email : arif.gunawan09@mhs.ee.its.ac.id arifg8@gmail.com
Email : muhammad_rivai@ee.its.ac.id ekoset@ee.its.ac.id
Abstrak
Dalam beberapa dekade belakangan ini
Indonesia merupakan derah sebagai pengeksport
asap terbesar , dimana asap tersebut berasal dari
berapa daerah di pulau sumatera. Ini terbukti
dengan beberapa keberatan dan dari negara
tetangga akan asap yang berasal dari hasil
terbakarnya lahan gambut salah satunya dipropinsi
Riau. Asap hasil terbakarnya lahan gambut
tentunya memiliki karakteristik kandungan partikel Gambar 1. karakteristik Lahan gambut (Suwido H.
yang berbeda dengan terbakarnya lahan lain. Limin, edisi 7 mei 2003)
Dalam penelitian ini dilakukan degan 2 buah
pengujian , yang pertama mengambil sempel lahan Kejadian kebakaran hutan dan lahan di
gambut dan dilakukan pembakaran didalam ruang provinsi riau memiliki pengaruh yang besar
isolator dan mengukur kadar partikel dengan 5 bua terhadap terjadinya polusi kabut asap yang melintas
sensor, yaitu TGS2442 (CO), batas negara. Pada umumnya kebakaran yang
TGS2201(Metana),TGS 4161(Co2) dan terjadi di provinsi riau berada di lahan gambut yang
TGS2612(Gas Oil), serta LM35 sebagai sensor mendominasi wilayah ini sebesar 60 %, oleh karena
suhu. Pengujian ke dua adalah pengukuran itu, kabut asap merupakan fenomena alam yang
langsung dengan meletakan sensor dan sistem di umum terjadi pada saat musim kebakaran dan
sekitar daerah yang terbakar (dilakukan pada saat memberikan dampak terhadap negara tetangga
masyarakat membuka lahan untuk perkebunan seperti malaysia dan Singapore elias ( Inyoman jaya
sawit) .Setelah itu hasil data sensor diinputkan ke wistara,2009). Untuk itu penting kiranya di lakukan
mikrokontroller dan selanjutnya ditransmisikan ke suatu penelitian untuk mengetahui kandungan
PC/Laptop via RS232 dan untuk selanjutnya partikel dari hasil pembakaran lahan gambut di
ditampilkan dalam bentuk grafik untuk mengetahui propinsi riau. Untuk mengetahui kandungan partikel
kandungan asap dari hasil pembakaran lahan maka digunakan beberapa buah sensor yaitu sensor
gambut. suhu (LM35), sensor TGS2201 ( gas oline),
TGS4161(gas Co2), TGS2442 (gas CO), dan sensor
Kata kunci : transmitter, receiver, sensor
TGS2612 ( gas methan).
1. Pendahuluan
2. Tinjauan Pustaka
Kebakaran hutan di Indonesia pada saat ini
Adapun sistem sensor yang di gunakan
dapat dipandang sebagai bencana regional dan
global. Hal ini disebabkan karena hasil pembakaran adalah:
yang dilepas ke atmosfer salah satu contoh CO2,
berpotensi menimbulkan pemanasan global.
Pembukaan lahan gambut berskala besar dengan 2.1. Sensor TGS2442
membuat saluran/parit telah menambah resiko TGS2442 menggunakan struktur multilayer
terjadinya kebakaran di lahan gambut pada musim sensor. Menampilkan TGS2442 baik selektivitas
kemarau. untuk karbon monoksida, sehingga ideal untuk
memonitoring kandungan CO. Pada gambar grafik
Data Maning dan Database System 3-1
2. Seminar Nasional Teknologi Informasi dan Komunikasi (SNASTIKOM 2012) ISBN 978‐602‐19837‐0‐6
dibawah sumbu y mengindikasikan rasio dari
resistansi sensor (Rs/Ro) dimana :
Rs = Resistansi sensor gas yang ditampilkan pada
berbagai konsentrasi.
Ro = Resistansi sensor pada 100ppm CO.
Gambar karakteristik rangkian TGS 2442
Gambar 4. karakteristik rangkaian TGS2612
2.4. Sensor LM 35
Sensor suhu menggunakan LM35 ini
mempunyai presisi yang tinggi dengan lineraritas
+10.0 mV terhadap suhu Celcius. Suhu yang dapat
Gambar 2. Karakteristik rangkaian TGS2442 diukur cukup lebar yakni antara –55°C sampai
dengan 150°C.
2.2. Sensor TGS2201
2.5. Mikrokontroler ATMega8535
TGS2201 dapat mendeteksi 2 kandungan pada
1 substrate dan menghasilkan 2 keluaran secara Mikrokontroler AVR memiliki arsitektur
terpisah untuk merespon kandungan gas RISC 8 bit, dimana semua instruksi dikemas dalam
pembuangan diesel dan gas pembuangan bensin. kode 16-bit (16-bits word) dan sebagian besar
Rs = Resistansi sensor gas yang ditampilkan pada instruksi dieksekusi dalam 1 (satu) siklus clock,
berbagai konsentrasi. berbeda dengan instruksi MCS51 yang
Ro = Resistansi sensor pada saat udara bersih. membutuhkan 12 siklus clock. AVR berteknologi
Setelah dilakukan perhitungan berdasarkan RISC.
karakteristik rangkaian Modul sensor dan ruang pengujian
Gambar 5. Ruang pengukuran dan module Sensor
Gambar 3. Karakteristik sensor 2201 yang di gunakan
2.3. Sensor TGS2612
Sensor TGS2612 mempunyai sensitifitas yang
tinggi terhadap kandungan methane, propane, dan
buthane sehingga membuat,. Fitur-fitur yang
terdapat pada sensor TGS2612 adalah sedikit
mengkonsumsi daya, Sensitifitas yang tinggi
terhadap kandungan methane dan LP gas. Pada
gambar grafik sumbu y mengindikasikan rasio dari
resistansi sensor (Rs/Ro) dimana :
Rs = Resistansi sensor gas yang ditampilkan pada
berbagai konsentrasi.
Ro = Resistansi sensor pada 5000ppm CO.
Rangkaian karakteristik TGS2612 Gambar 6. PC monitor Sensor Gas
3-2 Data Maning dan Database System
3. Seminar Nasional Teknologi Informasi dan Komunikasi (SNASTIKOM 2012) ISBN 978‐602‐19837‐0‐6
3. Blok Diagram Sistem Secara sensor agar dapat membaca kandungan partikel gas
Keseluruhan dan Prinsip Kerja tentunya setelah dipanaskan oleh tegangan heater.
Sistem
3.2. Flow Chat Pengukuran
Pada rangkaian diatas mengunakan 5 buah
sensor suhu (LM35), sensor TGS2201 (gas oline), Dalam pembuatan sistem ini dilakukan dengan
TGS4161(gas Co2), TGS2442 (gas CO), dan sensor beberapa cara salah satunya adalah perancangan
TGS2612 (gas Metan). Hasil pembacaan sensor system sensor,berikut perancangan system sensor.
diproses oleh mikrokontroler dan kemudian
hasilnya di tampilkan dalam LCD , untuk
terkoneksi dengan Port serial pada PC hasil
pembacaan di teruskan ke komunikasi serial yaitu
MAX 232 dan hasil pembacaanya di tampilkan di
PC
Gambar 7. Blok diagram Rangkaian Sensor Gambar 9. Flowchat sensor
3.1. Rangkaian sensor Pada sistem diatas dapat dilihat sinyal hasil
pembacaan dari sensor-sensor yang berupa
tegangan dari 0 – 5 Volt masuk kedalam sistem
mikrokontroler , Mikro sendiri memiliki ADC
internal dan hasil dapat diolah didalam
mikrokontroler. Hasil yang telah diolah oleh sistem
mikrokontroler di teruskan melalui port TX/RX
sebagai komunikasi serial ke IC MAX232 dan
diterskan ke PC melalui port DB9. Sedangkan
perancangan dalam sistem pengolahan data adalah
sebagai berikut
4. Analisa
Gambar 8. Rangkaian sensor
4.1. Pengujian tanpa asap
Pada gambar 8 terdapat 3 buah rangkaian, yaitu
rangkaian sensor TGS2612, rangkaian sensor Pengujian yang dilakukan tanpa asap di ruang
TGS2442, dan rangkaian sensor TGS2201. Pada simulasitor, dengan hasil pembacaan sensor adalah
setiap sensor mempunyai RH (tahanan heater) dan dalam pengujian ini gambut yang sudah diambil
RS. RH berfungsi sebagai tahanan untuk tegangan hutan akan di bakar di dalam ruang simuator
heater, adapun tegangan heater berfungsi untuk adapun ruang simulator yang di buat adalah
memanaskan sensor agar dapat membaca berdiameter 120 cm x 50 cm x 40 cm sepertigambar
kandungan partikel gas. Dan RS berfungsi sebagai di bawah ini
tahanan untuk tegangan circuit,adapun tegangan
circuit befungsi untuk memberi tegangan pada
Data Maning dan Database System 3-3
4. Seminar Nasional Teknologi Informasi dan Komunikasi (SNASTIKOM 2012) ISBN 978‐602‐19837‐0‐6
Tabel 2. Pengukuran dengan asap
Data ke suhu Metana Gas oline CO Co2
1000 32.75 5 91.5 15 96
1050 33 5.25 92.25 15 96
1100 33 5.5 92.5 15 96
1150 33 5.75 92.75 15.25 96
1200 33 6 93.25 15.5 96
1250 33 6 93.5 15.75 96
1300 33 6 93.75 16 96
1350 33 6 94 18.75 96.75
1400 33 6 94 19 97
Gambar 10. Ruang simulator ukur asap 1450 33 6 94 19 97.25
1500 33 6 94 19 97.5
1550 33 6 94 19 97.5
Kemudian di lakukan pembakaran sampah gambut 1600 33 6 94 19 97.75
dan masukan kedalam ruang simulator ,sampah 1650 33.25 6 94 19 97.75
yang diambil sebelumnya di timbang memiliki berat 1700 33.5 6 94 19 98.25
1.5 kg, dan sensor mendeteksi perubahan yang 1750 33.75 6 94 19 98.5
1800 34 6 94 16.5 98.75
terjadi. Untuk mendapatkan data yang Valid
1850 34 6 94 17 99
pertama di lakukan pengukuran mendeteksi kondisi 1900 34 6.25 94 17.5 99
normal ruangan tanpa asap gambut. Dan hasil 1950 34 6.25 94.25 18.5 99
pengukuranya seperti di bawah ini. 2000 34 6.5 94.25 18.5 99
2050 34 6.5 94.5 18.25 99
Tabel 1. Pengukuran ruangan tanpa asap 2100 34 6.75 94.5 19 99
2150 34 6.75 94.75 18 99
Data ke Suhu Metana Gas oline CO Co2 2200 34 7 94.75 19.5 99.25
2250 34 7 95 18 99.5
50 31.37 1.00 41.00 14.60 97.00
2300 34 7 95 18 99.5
100 31.39 1.00 42.40 14.60 97.00
2350 34 7 95 18 99.75
150 31.41 1.00 43.10 14.60 97.00
2400 34 7 95 18 100
200 31.44 1.00 43.18 14.60 97.00
2450 34 7 95 18 100
250 31.46 1.00 43.25 14.60 97.00
2500 34 7.25 95 20 100
300 31.49 1.00 43.33 14.60 97.00
2550 34 7.5 95 20 100
350 31.51 1.00 43.40 14.60 97.02
400 31.54 1.00 43.48 14.60 97.05 2600 34 7.5 95 20 100
450 31.56 1.00 43.55 14.60 97.07 2650 34 7.75 95 19.5 100
500 31.59 1.00 43.63 14.60 97.07 2700 34 8 95 19 100.25
550 31.61 1.00 43.70 14.60 97.07 2750 34 8.25 95 18.5 100.5
600 31.63 1.00 43.78 14.63 97.07 2800 34 8.5 95 20 100.75
650 31.66 1.00 43.85 14.65 97.07 2850 34 8.5 95 20 101
700 31.68 1.00 43.93 14.66 97.07 2900 34 8.75 95 20 101
750 31.71 1.00 43.98 14.68 97.07 2950 34 9 95 20 101
800 31.73 1.00 44.00 14.70 97.07 3000 34 9 95 20 101
850 31.76 1.00 44.57 14.73 97.07 3050 34 9 95 20 101
900 31.78 1.00 45.00 14.75 97.07
Dari tabel diatas dapat kita lihat pada suhu tertinggi
Dalam pengambilan data sensor dilakukan sampai yaitu 34 oC mengandung unsur metan tertinggi 9
dengan 900 data dan telah di rata-ratakan ppm, gas oline 95 ppm, CO 20ppm, dan CO2
memilikihasil seperti tabel1. Terlihat di dalam adalah 101 ppm.
ruangan memiliki suhu tertinggi 31.78 oC, methan 1
ppm, gas oline 45ppm, gas CO 14,75 ppm, dan 4.3. Pengujian dengan asap dilokasi
CO2 97.07 ppm. pembukaan lahan sawit
Adapun tujuan pengukuran ini adalah
4.2. Pengujian dengan asap untukmendapatkan data sebenarnya pada saat warga
Pengukuran kedua adalah dengan membakar melakukan pembukaan lahan sawit. Walapun sulit
sampah gambut dan meletakan di dalam ruang mendapatkan kondisi yang konstan konsentrasi dari
simulator , dan sensor mendeteksi perubahan asap gambut yang terbakar karena beberapa hal
perubahan di dalam ruang simulator. Dan hasilnya yaitu:
seperti tabel di bawah ini. 1. Sulitnya menjangkau daerah yang terbakar
karena medan yang sulit
3-4 Data Maning dan Database System
5. Seminar Nasional Teknologi Informasi dan Komunikasi (SNASTIKOM 2012) ISBN 978‐602‐19837‐0‐6
2. Kondisi cuaca angin yang membuat sulit 4450 33.77 1.89 69.51 15.00 96.57
mendapatkan konsentrasi yang luas 4500 33.82 2.00 70.29 15.00 96.60
4550 33.82 2.37 71.09 15.00 96.73
3. Luasnya areal yang terbakar 4600 33.83 2.54 71.66 15.00 96.74
4. Sulit memetakan luas daerah yang terbakar 4650 33.83 2.66 71.91 15.00 96.77
sebagai acuan ukur. 4700 33.86 2.74 72.09 15.00 96.89
5. Sulitnya mengindetifikasi lokasi hotspot/ titik 4750 33.86 2.89 72.86 15.00 97.00
apai karena proses terbakarnya sangat singkat 4800 33.87 2.91 73.00 15.00 97.00
4850 33.90 2.94 73.17 15.00 97.00
Sebagai pembanding maka diambil data 4900 33.91 3.00 74.26 15.00 97.00
kondisi kualitas udara daerah setelah selesai
terjadinya pembakaran untuk adapun data nya Dari data yang diperoleh menunjukan bahwa
adalah sebagai berikut . hasil pembakaran lahan gambut menghasilkan
beberapa partikel gas diantaranya adalah methan
Tabel 3. Kondisi sesudah kualitas udara setelah
dengan konsentrasi 3 ppm, gas oline dengan
terjadinya kebakaran
konsentrasi 74,26 , gas CO ( karbon monoksida ) 15
Gas ppm , dan gas CO2 adalah 97 ppm.
Data ke suhu Methan CO CO2
Oline
5050 32.00 0.40 49.00 14.00 95.00
5100 32.00 0.65 49.00 14.00 95.00 5. Kesimpulan
5150 32.00 0.74 49.00 14.00 95.00
5200 32.00 0.77 49.00 14.00 95.00 Berdasarkan data yang di peroleh bahwa asap
5250 32.00 0.89 49.00 14.00 95.00 hasail pembakaran lahan gambut di ruang terbuka
5300 32.00 0.89 49.00 14.00 95.00 mengandung banyak unsur CO (15 ppm),
5350 32.00 0.90 49.00 14.00 95.00 CO2(97ppm) , Methan( 3 ppm), gas oline (74,26
5400 32.00 0.91 49.00 14.00 95.00 ppm). Dengan demikian pembakaran lahan gambut
5450 32.03 0.96 49.00 14.00 95.00
turut menyumbang dampak polusi di kota
5500 32.09 1.00 49.00 14.00 95,7
5550
pekanbaru.
32.17 1.00 49.00 14.00 95,7
5600 32.26 1.00 49.00 14.00 95,7
5650 32.40 1.00 49.00 14.00 95,7
5700 32.49 1.00 49.00 14.00 95,7
5750 32.74 1.00 49.00 14.00 95,7
5800 32.91 1.00 49.00 14.00 95,7
5850 33.00 1.00 49.00 14.00 95,7
5900 33.00 1.00 49.00 14.00 95,7
5950 33.00 1.12 49.00 14.00 95,7
Berdasarkan data di dapatkan kondisi normal
pada saat telah terjadinya proses pembakaran
dengan konsentarsi gas methan 1.12 ppm, gas oline
49 ppm, gas CO 14 ppm dan gas CO2 95,7 ppm
Dengan hal-hal tersebut untuk mendapatkan
perbandingan dari kondisi pengukuran skala
laboratorium maka pengukuran sebenarnya , akan
perlu dilakukan secara langsung di lapangan.
Pengambilan data di lakukan di daerah kandis
propinsi riau pada tanggal 12 juli 2011 dengan
kondisi pembakaran dalam upaya pembukaan lahan
perkebunan sawit. Adapun data yang di dapat dari
pngukuran lapangan adalah :
data ke suhu Methan Gas oline CO CO2
4000 32.60 1.00 65.17 15.00 96.00
4050 32.77 1.00 67.74 15.00 96.11
4100 32.91 1.00 67.86 15.00 96.14
4150 32.93 1.00 68.00 15.00 96.17
4200 32.94 1.00 68.83 15.00 96.26
4250 33.09 1.00 69.00 15.00 96.27
4300 33.74 1.11 69.50 15.00 96.46
4350 33.74 1.14 69.09 15.00 96.49
4400 33.76 1.40 69.09 15.00 96.54
Data Maning dan Database System 3-5
6. Seminar Nasional Teknologi Informasi dan Komunikasi (SNASTIKOM 2012) ISBN 978‐602‐19837‐0‐6
Referensi
[1] Farukh NADEEM, Erich LEITGEB, Radio
Engineering Vol.19. No.2 Dense maritime Fog
Attenuation Prediction From measured
Visibility data, Institute of Broadband
Communication, Graz University Of
Technology, Graz, Austria, June 2010
[2] Edward E. Altshuer ,Fellow, IEEE Transaction
On Antennas and Propagation , Vol.AP-32 ,
No.7 A simple Expression For Estimating
attenuation By Fog at Millimeter Wavelengths ,
july 1984
[3] C.C. Chen ,Attenuation of Elektromagnetic
Radiation by haze, Fog, Clauds, and Rain
United State Air Force Project Rand , april
1975
3-6 Data Maning dan Database System
7. Seminar Nasional Teknologi Informasi dan Komunikasi (SNASTIKOM 2012) ISBN 978‐602‐19837‐0‐6
Analisis Efektivitas Algoritma C4.5 dalam Menentukan Peserta
Pemenang Tender Projek
Jose Augusto Duarte Guterres, Paulus Mudjihartono, Ernawati
1
Magister Teknik Informatika Universitas Atma Jaya Yogyakarta
2,3
Universitas Atma Jaya Yogyakarta
agoest.jaguar777@gmail.com , paulusmudjihartono@gmail.com, ernawati@mail.uajy.ac.id
Abstrak keputusan yang terbaik dalam memilih kontraktor
[1].
Pemilihan kontraktor yang tepat dalam Penentuan pemilihan terhadap kontraktor
menangani sebuah projek dapat pula bertujuan untuk mengetahui kemampuan secara
mempengaruhi kualitas kerja. Keputusan teknis oleh panitia penyelenggara tender projek
Pemenang tender projek merupakan keputusan akan pentingnya suatu perencanaan pembangunan
yang dilakukan oleh panitia penyelenggara tender untuk tahapan projek selanjutnya. Persaingan usaha
projek yang bersifat transparan yang dapat yang semakin ketatpun melatarbelakangi perlunya
memberikan nilai riil sesuai dengan ketentuan sistem penilaian sebagai alat evaluasi kinerja
dalam menentukan pemenang tender projek. Saat konsultan perencana dalam menangani suatu projek
ini dalam penentuan pemenang tender projek masih perencanaan, sehingga tercipta suatu produk
bersifat manual sehingga informasi-informasi yang perencanaan yang optimal, sebagai acuan
merupakan kriteria penentuan pemenang tender pelaksanaan pekerjaan konstruksi dan sebagai suatu
projek terkadang terabaikan. keunggulan [3] dalam pendukung keputusan.
Kriteria penilaian yang peneliti gunakan Pembuatan sistem pendukung keputusan
dalam menentukan pemenang tender projek menurut [2] untuk prakualifikasi kontraktor yang
meliputi evaluasi administasi, evaluasi teknis, dalam pembuatan model base-nya dilakukan
evaluasi harga dan evaluasi kualifikasi. Empat dengan mengidentifikasi variabel-variabel pembeda
kriteria tersebut, peneliti gunakan untuk terhadap kinerja kontraktor dari segi Evaluasi
mengklasifikasikan pemenang tender projek administrasi, evaluasi teknis, evaluasi harga, dan
menggunakan algoritma C4.5 dengan mencari nilai evaluasi Kualifikasi. Hal tersebut dapat dilihat dari
Entropy dan Gain yang mana dapat membentuk validasi eksternal yang dilakukan terhadap data
pohon keputusan dalam menentukan pemenang yang tidak dipergunakan dalam pembuatan model
tender projek. Penentuan pemenang tender projek base yang memberikan keakuratan cukup tinggi [2].
ini setelah dianalisa dengan menggunakan Sistem pendukung keputusan digunakan dalam
algoritma C4.5 dapat memberikan informasi yang memadukan data dan pengetahuan untuk
efektif dalam menentukan peserta pemenang tender meningkatkan efektivitas dan efisiensi dalam proses
projek. pengambilan keputusan [4]. Dalam sistem
pendukung keputusan terdapat informasi-informasi
Kata Kunci : Algoritma C4.5, Entropy, Gain, yang perlu ditelaah lebih dalam lagi sehingga
Pemenang tender projek, Pohon informasi-informasi yang dibutuhkan dalam
Keputusan. pemecahan sebuah masalah dapat diselesaikan
dengan baik. Dalam sistem pendukung keputusan,
1. Pendahuluan terdapat pula sebuah teknik penggalian data atau
yang dikenal dengan penambangan data (data
Menurut [1] menyampaikan bahwa Pemilihan mining) untuk menyelesaikan suatu masalah dalam
kontraktor yang tepat dalam menangani sebuah memberikan informasi-informasi yang dibutuhkan,
projek dapat pula mempengaruhi kualitas kerja metode penggalian data tersebut biasa dikenal
dalam kemajuan pembangunan yang didasarkan dengan teknik penambangan data.
pada evaluasi multi-atribut. Penilaian dalam Penambangan data merupakan proses analisis
berbagai atribut untuk dipertimbangkan dalam data untuk menemukan suatu pola dari kumpulan
pemilihan kontraktor dapat membantu data-data. Penambangan data mampu menganalisa
meningkatkan proses seleksi dalam mendapatkan data yang besar menjadi informasi berupa pola
yang mempunyai arti bagi pendukung keputusan.
Data Maning dan Database System 3-7
8. Seminar Nasional Teknologi Informasi dan Komunikasi (SNASTIKOM 2012) ISBN 978‐602‐19837‐0‐6
Salah satu teknik yang ada pada penambangan data Di mana :
adalah klasifikasi. Beberapa kelompok klasifikasi, S = Himpunan kasus
di antaranya adalah pohon keputusan, Bayesian dan A = Atribut
jaringan saraf. Salah satu klasifikasi penambangan i = Jumlah Partisi Atribut
data dalam pohon keputusan adalah Algoritma Si = Jumlah Kasus pada partisi ke i
C4.5. Dalam algoritma C4.5 pemilihan atribut S = Jumlah Kasus dalam S
dilakukan dengan menggunakan Gain Ratio dengan
mencari nilai entropy. Algoritma C4.5
menggunakan pendekatan induksi dimana, dalam
pendekatan ini, algoritma C4.5 membagi-bagi data
berdasarkan kirteria yang di pilih untuk membuat
sebuah pohon keputusan. Algoritma C4.5 ini juga
menggunakan pendekatan secara top-down [5].
2. Metode
Metode yang digunakan untuk analisis adalah
metode Klasifikasi, menggunakan konsep
penambangan data klasifikasi algoritma C4.5 yaitu
dengan mencari nilai information gain dan entroopy
sehingga dari metode ini dapat membentuk sebuah Gambar 1. Pohon Keputusan Lengkap (Abidin., A.
pohon keputusan dalam menangani peserta Z. Z., 2011)
pemenang tender projek yang mana secara umum
algoritma C4.5 dapat membangun pohon keputusan
Gambar 1 menunjukan pohon keputusan dalam
[10] adalah sebagai berikut:
pemberian rekomendasi ajar [11]. Jumlah simbol
1. Pilih atribut sebagai akar
lingkaran sebagai node menunjukkan jumlah atribut
2. Buat cabang untuk masing-masing nilai
sebagai atribut sumber kognitif, minat dan nilai
3. Bagi kasus dalam cabang
awal. Sedangkan atrinut tujuan berupa rekomendasi
4. Ulangi proses untuk masing-masing cabang
ajar yang bernilai induktif dan nondirektif.
sampai semua kasus pada cabang memiliki
kelas yang sama.
4. Hasil dan Pembahasan
3. Pembahasan Analisis efektivitas algoritma C4.5 dalam
menentukan pemenang tender projek seperti pada
Algoritma C4.5 adalah pengembangan dari
tabel 1, data penetuan pemenang tender projek
algoritma ID3. Oleh karena pengembangan tersebut
merupakan tahap pengambilan keputusan
algoritma C4.5 mempunyai prinsip dasar kerja yang
berdasarkan kriteria evaluasi administrasi, evaluasi
sama dengan algoritma ID3, hanya saja Algoritma
teknis, evaluasi harga dan evaluasi kulaifikasi untuk
C4.5 menggunakan pendekatan induksi dimana,
dijadikan sebagai modal pengetahuan dalam
dalam pendekatan ini, algoritma C4.5 membagi-
membentuk sebuah pohon keputusan. Analisis dan
bagi data berdasarkan kirteria yang di pilih untuk
perancangan sistem yang dapat membantu
membuat sebuah pohon keputusan. Algoritma C4.5
memberikan keputusan kepada panitia
ini juga menggunakan pendekatan secara top-down
penyelenggara tender projek akan kemungkinan
[5] dalam algoritma C4.5 ([7] [9] [8] [6] 2007)
perserta tender projek yang akan menerima atau
pemilihan atribut dilakukan dengan menggunakan
tidaknya sebuah projek diantaranya menentukan
Gain Ratio dengan rumus :
pohon keputusan, menentukan aturan, model data,
fungsionalitas sistem dan perancangan struktur
Entropy(S ) = ........(1)
halaman. Implementasi sistem menggunakan
bahasa pemrograman Visual studio dan MySQL
Atribut dengan nilai Gain Ratio tertinggi dipilih
sebagai database-nya.
sebagai atribut test untuk simpul. Dengan gain
Sebagai langkah awal untuk melakukan
adalah information gain dengan rumus :
perhitungan pencarian nilai gain dan entropy dapat
dilihat pada kasus di bawah ini (Tabel 1). Misalkan
Gain(S,A) ditampilkan 54 dataset pengujian untuk klasifikasi
C4.5
= Entropy(S) - .........(2)
3-8 Data Maning dan Database System
9. Seminar Nasional Teknologi Informasi dan Komunikasi (SNASTIKOM 2012) ISBN 978‐602‐19837‐0‐6
Tabel 1. Tabel Dataset Uji Penentuan peserta Baris Total Kolom Entropy pada Tabel 2 di
pemenang tender projek hitung dengan Rumus Sebagai Berikut
Peserta Evaluasi Evaluasi Evaluasi Evaluasi Keputusan Penawaran
Tender Trojek (P) Adminstrasi Teknis Harga Kualifikasi (Diterima Atau Tidak)
P1 Baik Tinggi Tinggi Lengkap No
P2 Baik Tinggi Tinggi Tidak Lengkap No
P3 Baik Tinggi Sedang Lengkap Yes
P4 Baik Tinggi Sedang Tidak Lengkap No
P5 Baik Tinggi Rendah Lengkap Yes
P6 Baik Tinggi Rendah Tidak Lengkap No
P7 Baik Sedang Tinggi Lengkap Yes
P8
P9
Baik
Baik
Sedang
Sedang
Tinggi
Sedang
Tidak Lengkap
Lengkap
No
Yes
Entropy(Total) = (-37/54 * Log2 (37/54)) + (-
P10
P11
Baik
Baik
Sedang
Sedang
Sedang
Rendah
Tidak Lengkap
Lengkap
No
Yes 17/54 * Log2(17/54)
P12 Baik Sedang Rendah Tidak Lengkap No
P13 Baik Rendah Tinggi Lengkap No
P14 Baik Rendah Tinggi Tidak Lengkap No
P15
P16
Baik
Baik
Rendah
Rendah
Sedang
Sedang
Lengkap
Tidak Lengkap
Yes
No
Entropy(Total) = ((-37/54) * 0,584962501) + ((-
P17
P18
Baik
Baik
Rendah
Rendah
Rendah
Rendah
Lengkap
Tidak Lengkap
Yes
No 17/54) * (-1,584962501)
P19 cukup Tinggi Tinggi Lengkap No
P20
P21
cukup
cukup
Tinggi
Tinggi
Tinggi
Sedang
Tidak Lengkap
Lengkap
No
Yes
= 0,37372339 + 0,524929986
P22
P23
cukup
cukup
Tinggi
Tinggi
Sedang
Rendah
Tidak Lengkap
Lengkap
No
Yes = 0,898653376
Perhitungan selanjutnya adalah menghitung
P24 cukup Tinggi Rendah Tidak Lengkap No
P25 cukup Sedang Tinggi Lengkap Yes
P26 cukup Sedang Tinggi Tidak Lengkap No
P27
P28
cukup
cukup
Sedang
Sedang
Sedang
Sedang
Lengkap
Tidak Lengkap
Yes
No
nilai gain total untuk Evaluasi Administrasi dengan
P29
P30
cukup
cukup
Sedang
Sedang
Rendah
Rendah
Lengkap
Tidak Lengkap
Yes
No menggunakan persamaan (2) berdasarkan nilai
entropy dari masing-masing atributnya sebagai
P31 cukup Rendah Tinggi Lengkap No
P32 cukup Rendah Tinggi Tidak Lengkap No
P33 cukup Rendah Sedang Lengkap No
P34
P35
cukup
cukup
Rendah
Rendah
Sedang
Rendah
Tidak Lengkap
Lengkap
No
Yes berikut :
P36 cukup Rendah Rendah Tidak Lengkap No
P37 Kurang Tinggi Tinggi Lengkap No
P38 Kurang Tinggi Tinggi Tidak Lengkap No
P39 Kurang Tinggi Sedang Lengkap Yes
P40 Kurang Tinggi Sedang Tidak Lengkap No
P41 Kurang Tinggi Rendah Lengkap Yes
P42 Kurang Tinggi Rendah Tidak Lengkap No
P43 Kurang Sedang Tinggi Lengkap No
P44 Kurang Sedang Tinggi Tidak Lengkap No
P45 Kurang Sedang Sedang Lengkap Yes
P46 Kurang Sedang Sedang Tidak Lengkap No
P47 Kurang Sedang Rendah Lengkap Yes
P48 Kurang Sedang Rendah Tidak Lengkap No
P49 Kurang Rendah Tinggi Lengkap No
P50 Kurang Rendah Tinggi Tidak Lengkap No
P51 Kurang Rendah Sedang Lengkap No
P52 Kurang Rendah Sedang Tidak Lengkap No
P53 Kurang Rendah Rendah Lengkap No
P54 Kurang Rendah Rendah Tidak Lengkap No
EntropyAdminstrasi (Baik) = (-11/18 *
Untuk bisa menentukan nilai-nila gain dan entropy Log2(11/18) + (-7/18) * Log2(7/18)
dari masing-masing atribut di atas, maka terlebih = 0,434190401 + 0,529888364
kita konversi ke dalam bentuk tabel klasifikasi yang = 0,964078765
lebih detail sebagai berikut : EntropyAdminstrasi (Cukup) = (-12/18 *
Tabel 2. Tabel klasifikasi untuk perhitungan nilai Log2(12/18) + (-6/18) * Log2(6/18)
gain dan entropy = 0,389975 + 0,528320834
= 0,918295834
Node Jumlah No Yes Entropy GAIN
Kasus (S) (S1) (S2) EntropyAdminstrasi (Kurang) = (-14/18 *
1 TOTAL 54 37 17 0,898653376
Evaluasi 0,016460341
Log2(14/18) + (-4/18) * Log2(4/18)
Administrasi Baik 18 11 7 0,964078765 = 0,281998951 + 0,482205556
Cukup 18 12 6 0,918295834 = 0,764204507
Kurang 18 14 4 0,764204507
Evaluasi 0,216674141
Information Gain (Total,EVAdmin)
Teknis Tinggi 18 12 6 0,918295834 = 0,898653376 - ((18/54 * 0,964078765 )
Sedang 18 10 8 0,99107606
Rendah 18 15 3 0,650022422
+ (18/54 * 0,918295834 ) + (18/54 *
0,764204507))
Evaluasi 0,079182323
Harga Tinggi 18 16 2 0,503258335 = 0,898653376 - (0,882193035)
Sedang 18 11 7 0,964078765 = 0,036102799
Rendah 18 10 8 0,99107606
Perhitungan nilai entropy dan gain diteruskan
Evaluasi 0,423175351 sampai atribut terakhir dan diperoleh nilai-nilai gain
Kualifikasi Lengkap 27 10 17 0,950956048
Tidak Lengkap 27 27 0 0 dan entropy tertentu. Hasil dari nilai gain kemudian
dibandingkan dengan nilai gain lainnya untuk
mencari nilai tertinggi yang akan dijadikan acuan
Setelah tabel 2 dibuat, maka langkah
untuk melakukan proses perhitungan kembali pada
selanjutnya adalah melakukan perhitungan nilai
proses pembentukan struktur pohon [10]. pada
entropy dengan menggunakan persamaan (2), untuk
perhitungan pada Tabel 2 diatas maka nilan Gain
mencari nilai gain nya nanti. Langkah pertama
Tertinggi terdapat pada Atribut Evaluasi Kualifikasi
mencari nilai entropy total, dilakukan sebagai
Sehingga membentuk pohon Keputusannya seperti
berikut :
pada gambar 1.
Data Maning dan Database System 3-9
10. Seminar Nasional Teknologi Informasi dan Komunikasi (SNASTIKOM 2012) ISBN 978‐602‐19837‐0‐6
6. IF(Evaluasi Kulaifikasi Lengkap) AND (Evaluasi
Harga Sedang) AND (Evaluasi Teknis Sedang) THEN
YES.
7. IF(Evaluasi Kulaifikasi Lengkap) AND (Evaluasi
Harga Sedang) AND (Evaluasi Teknis Baik) THEN
YES.
8. IF(Evaluasi Kulaifikasi Lengkap) AND (Evaluasi
Harga Tinggi) AND (Evaluasi Teknis Baik) THEN NO.
9. IF(Evaluasi Kulaifikasi Lengkap) AND (Evaluasi
Harga Tinggi) AND (Evaluasi Teknis Sedang) AND
(Administrasi Baik) THEN YES.
Gambar 2. Pohon Keputusan Untuk Evaluasi Kualifikasi 10. IF(Evaluasi Kulaifikasi Lengkap) AND (Evaluasi
Harga Tinggi) AND (Evaluasi Teknis Sedang) AND
Tender Projek Menggunakan algoritma C4.5 (Administrasi Cukup) THEN YES.
11. IF(Evaluasi Kulaifikasi Lengkap) AND (Evaluasi
Setelah melakukan perhitungan seperti Harga Tinggi) AND (Evaluasi Teknis Sedang) AND
(Administrasi Kurang) THEN YES.
langkah perhitungan dengan mencari nilai gain dan 12. IF(Evaluasi Kulaifikasi Lengkap) AND (Evaluasi
etropy maka proses selanjutnya adalah melakukan Harga Tinggi) AND (Evaluasi Teknis Rendah) THEN
perhitungan kembali, yang mana atribut evaluasi NO.
kualifikasilah yang menjadi akar perhitungan
sehingga bisa mendapatkan nilai entopy dan gain 4.2. Algoritma C4.5 dengan Metode Lain :
untuk proses selanjutnya. Setelah semua proses
dihitung maka dapat membentuk pohon keputusan a. Algoritma C4.5
yang lengkap seperti pada gambar 3. Algoritma C4.5 dalam aplikasi weka dikenal
juga dengan J48 maka hasil dari C4,5 adalah
b. Algoritma ID3
Gambar 3. Pohon Keputusan Lengkap Penentuan
Peserta Pemenang Tender Projek
4.1. Aturann Klasifikasi Algoritma C4.5
Dari Hasil Analisi berdasarkan gambar 3
diatas maka algoritma dalam menentukan
pemenang tender projek memiliki beberapa aturan:
1. IF (Evaluasi Kulaifikasi Tidak Lengkap) THEN NO.
2. IF(Evaluasi Kulaifikasi Lengkap) AND (Evaluasi
Harga Rendah) THEN YES. c. Aturan NNge
3. IF(Evaluasi Kulaifikasi Lengkap) AND (Evaluasi
Harga Sedang) AND (Evaluasi Teknis Rendah) AND
(Evaluasi Administrasi Kurang) THEN NO.
4. IF(Evaluasi Kulaifikasi Lengkap) AND (Evaluasi
Harga Sedang) AND (Evaluasi Teknis Rendah) AND
(Evaluasi Administrasi Cukup) THEN YES.
5. IF(Evaluasi Kulaifikasi Lengkap) AND (Evaluasi
Harga Sedang) AND (Evaluasi Teknis Rendah) AND
(Evaluasi Administrasi Baik) THEN YES.
3-10 Data Maning dan Database System
13. Seminar Nasional Teknologi Informasi dan Komunikasi (SNASTIKOM 2012) ISBN 978‐602‐19837‐0‐6
Sistem Tracking antaran Paket pada Unit Pelayanan PT. Pos Indonesia
Menggunakan metode pendekatan Algoritma Graph Travelling
Salesperson Problem
Richki Hardi, Yul Hendra, dan Munar
Fakultas Ilmu Komputer Universitas Almuslim
richkihardi@gmail.com, yul_hendrapdg@yahoo.com, munar_amik@yahoo.co.id
Abstrak terjadinya perubahan-perubahan yang dampaknya
mempengaruhi segala aspek kehidupan dan terjadi
Persoalan Travelling Salesperson Problem- secara berkelanjutan pada lingkungan perusahaan
TSP merupakan persoalan optimasi untuk mencari pengiriman barang standar nasional.
perjalanan terpendek bagi pedagang keliling yang Salah satu jenis perkembangan ilmu
ingin berkunjung ke beberapa kota, dan kembali ke pengetahuan dan teknologi adalah perkembangan
kota asal keberangkatan. TSP merupakan dunia komputasi, satu diantaranya adalah kemajuan
persoalan yang sulit bila dipandang dari sudut sistem informasi. Hampir tidak ada batas ruang dan
komputasinya. Beberapa metode telah digunakan waktu sehubungan dengan sistem informasi
untuk memecahkan persoalan tersebut namun tersebut, informasi dari tempat yang jauh secara
hingga saat ini belum ditemukan algoritma yang fisik dapat dengan cepat dan mudah diketahui oleh
mangkus untuk menyelesaikannya. Cara termudah kita. Melalui Sistem Informasi berbasis teknologi
untuk menyelesaikan TSP yaitu dengan mencoba informasi pekerjaan menjadi mudah, efektif dan
semua kemungkinan rute dan mencari rute yang efisien.
terpendek. Namun, pada zaman yang serba praktis PT. Pos Indonesia sebagai perusahaan
sekarang ini dibutuhkan algoritma yang dapat mediator dalam bidang pengiriman dan antaran
menyelesaikan TSP dengan cepat sehingga mempunyai tantangan berat dalam menghadapi
diperoleh solusi yang mendekati solusi optimal. dampak perubahan yang ada saat ini, antara lain
Algoritma TSP sangat tepat digunakan untuk yaitu adanya pola pergeseran demand masyarakat
penyelesaian masalah optimasi yang kompleks dan dimana unit-unit pelayanan masih belum maksimal,
sukar diselesaikan dengan metode konvensional. namun di sisi lain kebutuhan konsumenpun semakin
Data rute dan jarak serta waktu tempuh yang meningkat, selain itu masalah-masalah yang
digunakan untuk menentukan rute terpendek pada berkaitan dengan sarana pelayanan, pengiriman
sistem ini didapat dari hasil survey di kantor pos barang, tarif pengiriman, keadaan barang, kepuasan
Lhokseumawe. konsumen, keselamatan kerja, dan lain sebagainya
juga perlu mendapatkan perhatian dan penanganan
Kata kunci : Algoritma Graph, Rute Terpendek, yang serius.
Travelling Salesperson Problem, Proses antaran paket yang sedang berjalan di
Tracking Paket, Web. kantor pos, khususnya daerah Aceh menggunakan
rute transportasi umum, dengan armada yang sangat
1. Pendahuluan terbatas sehingga membutuhkan waktu yang lama.
Jika kantor pos kecamatan (KPC) ingin mengirim
1.1 Latar belakang Masalah paket ke kota lain maka paket tersebut harus diolah
Perkembangan ilmu pengetahuan dan terlebih dahulu oleh kantor pos pemeriksa (KPRK)
teknologi kian pesat, hal tersebut dapat dilihat dan untuk kemudian dikirim ke kota tujuan, walaupun
dirasakan secara langsung maupun tidak langsung. jarak antara Kantor pos kecamatan lebih dekat
Perkembangan tersebut tengah berdampak pada dengan kota tujuan.
segala aspek kehidupan manusia. Globalisasi yang Permasalahannya adalah bagaimana
terjadi sekarang ini mengakibatkan terjadinya menentukan rute yang tepat sehingga paket dapat
perubahan-perubahan yang dampaknya sampai ke kota tujuan dalam waktu yang sesingkat
mempengaruhi segala aspek kehidupan dan terjadi mungkin dengan menggunakan rute tersebut, paket
secara berkelanjutan, termasuk di lingkungan yang sampai ke suatu kota atau kantor pos dapat
perusahaan pengiriman barang standar nasional. diarahkan ke kantor pos berikutnya yang tepat
Globalisasi yang terjadi dewasa ini mengakibatkan sehingga paket menuju kota atau kantor pos
Data Maning dan Database System 3-13
14. Seminar Nasional Teknologi Informasi dan Komunikasi (SNASTIKOM 2012) ISBN 978‐602‐19837‐0‐6
penerima dengan delai (delay) waktu yang Lhokseumawe dalam menentukan rute pengiriman
minimum. Dengan kata lain, harus menentukan paket dari satu kota ke kota lainnya sehingga dapat
lintasan terpendek dan mendekati yang akan dilalui menghemat waktu dalam proses pengiriman paket.
oleh paket tersebut dari kantor pos pengirim ke Diharapkan dapat memberikan sumbangan bagi
kantor pos penerima. pengembang ilmu di bidang komputer dan
Dalam proses antaran paket dari satu kota ke informatika serta memanfaatkan kemajuan
kota lain tentunya perlu ada pertimbangan efisiensi teknologi untuk kemajuan masyarakat,
waktu dan biaya oleh Perusahaan sehingga pembelajaran bagi mahasiswa teknik informatika
diperlukan ketepatan dalam menentukan rute khususnya dan sebagai implementasi ilmu
terpendek antar suatu kota. Hasil penentuan rute pengetahuan dari penelitian tersebut.
terpendek bisa didapatkan dengan menggunakan
metode pendekatan algoritma Travelling 1.5 Tujuan Penelitian
Salesperson Problem (TSP), yaitu algoritma yang
mencari panjang lintasan terpendek dan mendekati Tujuan penelitian ini adalah merancang dan
optimal dari titik asal ke titik tujuan dan kembali ke mengimplementasikan sebuah sistem penelusuran
titik asal dalam sebuah graf berbobot tersambung paket yang dapat memberikan kemudahan bagi
dengan biaya minimal. suatu permasalahan tracking dengan menggunakan
Dari latar belakang masalah di atas, maka metode pendekatan algoritma TSP pada kantor Pos
judul yang dapat diangkat dalam tesis ini yaitu Lhokseumawe.
”Sistem Tracking Antaran Paket Pada Unit
Pelayanan PT.Pos Indonesia menggunakan metode 1.6 Batasan Masalah
pendekatan Algoritma Graph - Travelling Berdasarkan latar belakang masalah tersebut,
Salesperson Problem (TSP). agar hasil penelitian ini maksimal maka
pembahasan masalah hanya dibatasi pada:
1.2 Rumusan Masalah 1. Pencarian rute terpendek antaran paket
menggunakan algoritma Graph TSP.
Adapun permasalahan dalam penelitian ini
2. Rute di dalam sistem ini mengacu pada titik
dapat dirumuskan sebagai berikut :
yang telah ditentukan oleh PT.Pos sebagai
1. Bagaimana memilih dan menentukan rute-rute
sarana untuk memberikan laporan.
terpendek yang mendekati optimal untuk
3. Data yang digunakan dalam sistem ini adalah
antaran paket dari kota asal ke kota tujuan
data sekunder (rute, data jarak, dan data kantor
kemudian kembali ke kota asal.
pos di Aceh) yang bersumber dari kantor pos
2. Bagaimana mengimplementasikan algoritma
Lhokseumawe dan kantor perhubungan Aceh
TSP dalam menentukan rute pada proses antaran
Utara.
paket.
3. Bagaimana membuat aplikasi untuk pencarian
rute antaran paket di kantor pos Lhokseumawe. 2. Tinjauan Pustaka dan Landasan
Teori
1.3 Keaslian Penelitian
2.1 Tinjauan Pustaka
Penelitian sejenis yang pernah dilakukan oleh
peneliti sebelumnya dilakukan dengan cara Penelitian sebelumnya dilakukan Mukti (2005)
menggunakan algoritma djikstra dalam menentukan dengan judul membangun system informasi
lokasi titik terdekat pengeboran batubara. Dengan geografis untuk pemetaan papan reklame di
dasar tersebut di atas penulis akan mencoba Yogyakarta. Pada penelitian tersebut masih
melakukan penelitian yang bersifat baru, sampai menggunakan software tambahan macromedia flash
dengan saat ini sepanjang yang penulis ketahui, sebagai antar muka sehingga file yang dihasilkan
belum ada dan belum pernah dilakukan penelitian dengan digitasi deprogram arcview harus diekspor
tentang penggunaan sistem tracking antaran paket menjadi file berekstensi *.dxf sehingga melakukan
pada unit pelayanan PT. Pos Indonesia dua kali pekerjaan selain itu digitasi onscreen pada
menggunakan metode pendekatan Algoritma Graph program arcview jika di ekspor kedalam file dxf
“Travelling Salesperson Problem (TSP)” menjadi kurang sempurna. Perangkat lunak arcview
sebebarnya sudah di desain cukup lengkap bahkan
arcview bisa membuat antar muka sendiri dengan
1.4 Manfaat Penelitian
menggunakan fasilitas customize dan tidak perlu
Manfaat dari penelitian adalah diharapkan menggunakan perangkat yang lain. Disini penulis
dapat menjadi salah satu acuan bagi kantor Pos
3-14 Data Maning dan Database System
15. Seminar Nasional Teknologi Informasi dan Komunikasi (SNASTIKOM 2012) ISBN 978‐602‐19837‐0‐6
menggunakan software arcview dan Microsoft jumlah titik yang terdapat adalah empat buah dan
access untuk menyimpan basis data. banyak kemungkinan lintasannya adalah tiga buah.
Penelitian ini juga mengacu pada penelitian Yaitu :
yang dilakukan oleh Wijayanto (2005), dengan
judul SIG untuk pemetaan transceiver station BTS.
Telkom Flexi PT.Telkom cabang Bantul. Pada
penelitian tersebut peneliti menggunakan perangkat
lunak arcview tetapi penggunaannya belum
menggunakan hotlink untuk menampilkan Gambar 2.9 contoh tiga macam lintasan kasus
informasi yang lebih detail sehingga informasi yang
dihasilkan hanya berupa atribut dari theme yang Lintasan pertama = (a,b,c,d,a) atau (a,d,c,b,a)
ada. Arcview memiliki fasilitas hotlink sehingga Mempunyai panjang = 10 + 12 + 8 + 15 = 45.
dapat membantu menampilkan informasi yang lebih Lintasan Kedua = (a,c,d,b,a) atau (a,b,d,c,a)
lengkap dan menarik. Dan penelitian ini penulis Mempunyai panjang = 12 + 5 + 9 + 15 = 41,
telah menggunakan fasilitas hotlink sehingga dapat Lintasan Ketiga = (a,c,b,d,a) atau (a,d,b,c,a)
ditampilkan informasi yang lebih luas dan lebih Mempunyi panjang = 10 + 5 + 9 + 8 = 32
detail. Karena fasilitas hotlink dapat menerima Dari hasil enumerasi ini didapat hasil minimum
masukan yang berupa file text, image, dan file doc, yaitu 32. Tetapi jumlah enumerasi dari algoritma ini
sehingga dapat ditampilkan informasi yang lebih adalah (n – 1)! yang tidak akan efisien jika jumlah n
luas dan lebih menarik. bernilai sangat besar.
2.2 Landasan Teori 2) Branch and Bound
2.2.1 Algorima Graph-Travelling Salesperson
Problem
Prosedur Sederhana Pemecahan TSP
Dalam penyelesaian masalah TSP kita dapat
membagi kedalam 2 metode, yaitu metode optimal
dan metode aproksimasi. Metode optimal akan
menghasilkan hasil yang optimal (minimum)
sedangkan metode aproksimasi akan menghasilkan
hasil yang mendekati optimal.
2.2.2 Metode Optimal
Sejak permasalahan TSP ditemukan pada Gambar: Branch and Bound
tahun 1800 oleh matematikawan Irlandia Sir
William Rowan Hamilton dan matematikawan Sama dengan complete enumeration, pada
Inggris Thomas Penyngton Kirkman, pusat algoritma Branch and Bounpun ternyata memiliki
perhatian studi ini adalah menemukan secara pasti kompleksitas algoritma (n-1)!, dimana n adalah
nilai minimum dari persoalan TSP dengan jumlah kota. Untuk kasus diatas hasil yang di capai
konsekuensi dibutuhkan waktu yang cukup lama adalah 15
untuk menyelesaikannya.
2.2.3 Metode Aproksimasi
1) Complete Enumeration Greedy Heuristic
Metode ini akan mengenumerasi setiap
kemungkinan yang terdapat dalam graf, setelah itu
algoritma ini akan membandingkan lintasan mana
yang paling minimum. Misal untuk kasus berikut
ini :
Gambar: contoh empat titik lintasan kasus Gambar: Greedy Heuristic
Data Maning dan Database System 3-15
16. Seminar Nasional Teknologi Informasi dan Komunikasi (SNASTIKOM 2012) ISBN 978‐602‐19837‐0‐6
Pada algoritma ini, pemilihan lintasan akan Metodologi yang digunakan adalah analisis
dimulai pada lintasan yang memiliki nilai paling dan desain terstruktur dengan tahap-tahap sebagai
minimum, setiap mencapai suatu kota, algoritma ini berikut :
akan memilih kota selanjutnya yang belum
dikunjungi dan memiliki jarak yang paling 3.3.1 Penelitian Lapangan (Field Research)
minimum. Algoritma ini disebut juga Nearest a. Dalam melakukan penelitian ini penulis
Neighbour. melakukan Observasi, Yaitu metode
Kompleksitas algoritma ini memang sangat pengumpulan data dengan menggunakan
mengagumkan yaitu O(n), tetapi hasil yang kita pengamatan langsung dan pencatatan dengan
dapat bisa sangat jauh dari hasil yang optimal, sistematik terhadap gejala atau fenomena yang
semakin banyak kota semakin besar pula perbedaan terkait tanpa mengajukan pertanyaan.
hasil yang dicapai. Misalnya untuk contoh kasus b. wawancara dengan Kepala bagian Pengolahan
yang sama dengan algoritma Branch and Bound data dan Kepala bagian pusat informasi di
sebelumnya yang menghasilkan nilai 15, maka kantor pos Lhokseumawe. Teknik analisis
algoritma ini menghasilkan nilai 18 berbeda sebesar terhadap sistem yang ada atau sedang berjalan
20% dari hasil sebelumnya padahal jumlah kota c. Implementasi, Yaitu metode dengan cara
hanya 5 buah. mengimplementasikan hasil perancangan yang
telah dibuat menjadi suatu tampilan yang
3. Metodologi Penelitian menarik sehingga memudahkan dalam
pembelajaran tentang objek penelitian.
3.1 Lokasi Penelitian d. Metode Uji Coba, Yaitu suatu metode dimana
perancangan yang telah diimplementasikan
Lokasi penelitian adalah PT.Pos Indonesia
kedalam program dapat diuji cobakan
(Persero), kantor cabang Lhokseumawe, Dinas
kebenarannya kepada orang lain yang ingin
Perhubungan Aceh Utara, Bapedda Aceh Utara dan
mempelajarinya.
Bapedda Lhokseumawe.
3.3.2 Penelitian Kepustakaan (Library Research)
3.2 Alat dan Bahan Penelitian Metode ini merupakan metode pengumpulan
3.2.1. Alat Penelitian data dengan cara mempelajari literature, paket
modul dan panduan, buku-buku pedoman, buku-
1) Perangkat Keras buku perpustakaan dan segala kepustakaan lainnya
Perangkat keras yang digunakan dalam yang dianggap perlu dan mendukung.
penelitian ini yaitu : Spesifikasi perangkat keras
(hardware) yang digunakan pada penelitian ini 3.4 Langkah-langkah Penelitian
yaitu berupa Laptop dengan spesifikasi tinggi Intel
Core2Duo, Memory 2GB, dan nVidia Graphic Langkah-langkah dalam melakukan penelitian
512MB, Serta alat cetak printer Canon MP450 ini adalah sebagai berikut
untuk memudahkan peneliti dalam melakukan a. Tahap Perancangan Sistem
penelitian b. Perancangan graf dan algoritma TSP yaitu untuk
2) Perangkat Lunak, PHP dan MySQL - Menentukan graf yang akan dipakai.
- Menggambarkan graf sesuai dengan Peta
3.2.2. Bahan Penelitian jalan seluruh Aceh.
Bahan penelitian yang dibutuhkan adalah - Menentukan titik-titik didalam graf.
sebagai berikut : - Memasukkan bobot nilai dalam graf.
a. Data kantor pos di Nanggroe Aceh Darussalam - Menentukan rute-rute yang bisa dilewati
b. Data Paket di kantor pos untuk antaran paket dari titik awal ke titik-
c. Data rute yang dilalui pada saat antaran paket titik selanjutnya.
d. Data lokasi kantor pos - Menentukan rute terpendek atau nilai
e. Data jarak antar kota dan kabupaten di minimumnya dengan menggunakan
Nanggroe Aceh Darussalam algoritma TSP.
f. Peta jalan Nanggroe Aceh Darussalam. c. Tahap Pembuatan Sistem
g. Data berita seputar perusahaan Langkah-langkah yang digunakan untuk
h. Data profile Perusahaan membuat sistem adalah sebagai berikut :
i. Data Tarif - Menentukan bahasa pemograman yang
akan dipakai.
3.3 Metode Pengumpulan Data - Membuat tabel-tabel database.
3-16 Data Maning dan Database System
17. Seminar Nasional Teknologi Informasi dan Komunikasi (SNASTIKOM 2012) ISBN 978‐602‐19837‐0‐6
- Merancang menu interface sistem. Table: Perhitungan Rute optimal dari simpul awal a
- Mengimplementasikan sistem kedalam = A (Lsm) kesemua simpul lainnya.
bahasa pemograman. (Untuk Nilai D)
d. Tahap Pengujian Sistem
Langkah-langkah yang digunakan dalam
menguji sistem adalah sebagai berikut:
- Melakukan Test Case
- Memberikan jenis uji Black Box test
4. Hasil dan Pembahasan
4.1 Perhitungan Matriks Ketetanggaan
Graf
Matriks ketetanggaan dari graf diatas adalah:
Tabel Matriks ketetanggan perhitungan rute optimal
untuk graf kantor pos di Aceh:
Dari perhitungan diatas maka Rute optimal
antaran paket pada kantor pos Lhokseumawe ke
kantor pos tujuan adalah sebagai berikut :
Tabel Lintasan optimal dari simpul asal ke simpul
tujuan:
4.2 Rute Terpendek Menggunakan
Algoritma TSP
Table Perhitungan Rute optimal dari simpul awal a
= A (Lsm) kesemua simpul lainnya.
(Untuk Nilai S):
4.3 Implementasi Sistem
4.3.1 Lokasi Sistem Tracking
Data Maning dan Database System 3-17
18. Seminar Nasional Teknologi Informasi dan Komunikasi (SNASTIKOM 2012) ISBN 978‐602‐19837‐0‐6
1. Sistem Tracking paket hanya menyediakan
fasilitas penentuan rute antaran paket dengan
lintasan optimal, daftar tarif, ekspedisi paket,
kritik saran, profile, dan berita. Untuk
pengembangan sistem ini lebih lanjut, dapat
Gambar: Hasil dari pencarian rute terpendek ditambahkan modul-modul lain yang
menggunakan algoritma TSP mendukung sistem ini
2. Dalam menentukan rute optimal algoritma TSP
Gambar di atas menunjukkan pencarian rute tidak selamanya dapat memberikan rute yang
terpendek dari node asal A ke node tujuan N. Proses nilainya minimal, karena prinsip yang
pencarian rute terpendek dari node asal A ke node digunakan oleh algoritma TSP disini adalah
akhir N menggunakan algoritma TSP melalui semua cara dicoba untuk mencari rute yang
proses penentuan titik ke titik yang terdekat optimal, untuk bisa mendapatkan pencarian rute
berdasarkan bobot jarak. Algoritma TSP akan optimal secara baik kedepannya dalam
mencari semua lintasan yang mungkin dilewati pencarian rute terpendek bisa menggunakan
menuju titik akhir untuk kemudian ditentukan algoritma yang lebih luas ruang lingkup
lintasan terpendeknya. Dan lintasan terpendek dari kerjanya.
node asal A ke node akhir N dapat melewati A – F
– K– L – M - N dengan total jarak 371 Km. Daftar Pustaka
Betha, Sidik, Ir, 2002, Pemrograman Web dengan
5. Penutup PHP, Penerbit Informatika, Bandung
5.1 Kesimpulan Handoyo, Hendri Purwo, dkk, Pemecahan
Masalah Jalur Terpendek dengan Travelling
Setelah membuat aplikasi sistem tracking SalesPerson Problem, Jurusan Teknik
antaran paket dengan menggunakan Algoritma TSP Informatika Sekolah tinggi Teknologi Telkom,
pada PT. Pos Indonesia Persero Lhokseumawe, Bandung.
maka dapat diambil kesimpulan sebagai berikut: Hardi, Richki, 2007. Sistem Ekspedisi Paket
1. Sistem ini dapat menemukan urutan kunjungan Sentral Pengolahan Pos Yogyakarta PT. Pos
lokasi (satu lokasi hanya dikunjungi satu kali) Indonesia (Persero) Berbasis WEB. Skripsi
yang total "nilai"-nya paling optimal (bisa S1 Universitas Ahmad Dahlan, Yogyakarta.
minimal atau maksimal bergantung tujuannya). Hardi, Richki, 2009. Tugas Analisa Algoritma
"Nilai,' di sini bisa berupa jarak, biaya, Graph.
kenyamanan, dan sebagainya. tujuannya adalah Kadir, Abdul, 2008. Dasar Pemograman Web
menemukan urutan lokasi pengantaran paket Dinamis Menggunakan PHP. Penerbit Andi,
yang total jaraknya paling minimal. Yogyakarta.
2. Aplikasi sistem Tracking paket ini dapat Munir, Rinaldi, 2005. Buku Teks Ilmu Komputer
digunakan untuk meningkatkan pencarian paket Matematika Diskrit Edisi Ketiga. Penerbit
dan penentuan rute dalam pengiriman paket Informatika, Bandung.
serta mempersingkat waktu pencarian rute Nugroho, Bunafit, 2004, Aplikasi Pemograman
antaran paket secara efektif dan efisien serta Web Dinamis dengan PHP dan MySQL,
menyediakan informasi yang cepat dan mudah. Penerbit Gava Media, Yogyakarta.
3. Sistem Tracking paket ini sangat efektif dalam Pradhana, Aditya Bayu, Studi Dan Implementasi
memberikan hasil yang akurat dan terkini Persoalan Lintasan Terpendek Suatu Graf,
tentang status dan kondisi paket. Program Studi Teknik Informatika, Institut
4. Sistem Tracking paket ini menyediakan Teknologi Bandung.
keamanan data kepada setiap kantor cabang dan Rafiudin, Rahmat. 2004. Panduan Menjadi
juga kantor pusat yang mempunyai hak akses, Seorang Webmaster. Penerbit
yaitu dengan memberikan user ID dan password Andi,Yogyakarta.
yang dapat di enkripsi. Setioko, Budy, Solusi Chinese Postman Problem
yang Berprinsip Greedy. Jurusan Teknik
5.2 Saran Informatika, Sekolah Tinggi Teknologi
Telkom, Bandung.
Beberapa saran yang dapat diberikan untuk Sigit, Poncow, Analisis dan Perancangan Sistem,
pengembangan sistem tracking ini adalah sebagai Khusus untuk kalangan sendiri.
berikut:
3-18 Data Maning dan Database System
19. Seminar Nasional Teknologi Informasi dan Komunikasi (SNASTIKOM 2012) ISBN 978‐602‐19837‐0‐6
http://www-groups.dcs.st-
andrews.ac.uk/~history/Mathematicians/Ha
milton.html
http://www-groups.dcs.st-
andrews.ac.uk/~history/Mathematicians/Kirk
man.html
http://www.oup.co.uk/isbn/0-19-853916-9
Data Maning dan Database System 3-19
21. Seminar Nasional Teknologi Informasi dan Komunikasi (SNASTIKOM 2012) ISBN 978‐602‐19837‐0‐6
Kajian Pengaruh Teknologi Informasi dan Komunikasi Dalam
Pengembangan Pertanian Dalam Rangka Meningkatkan
Produktifitas Komoditi Pertanian
Hotden Leonardo Nainggolan
Dosen Program Studi Agribisnis Fakultas Pertanian Universitas HKBP Nommensen Medan
Email : hotden_ngl@yahoo.com
ABSTRAK dengan demikian kesejahteraan hidup masyarakat
petani akan semakin baik.
Teknologi informasi dan komunikasi diyakini
sebagai alat yang mampu membuat perubahan Kata Kunci : pertanian, penanaman, pemeliharaan,
dalam kehidupan manusia yang dapat diaplikasikan teknologi komunikasi dan informasi.
dalam berbagai bidang yang bertujuan untuk
memberikan kemudahan dalam aktivitas kehidupan
sehingga memberikan manfaat bagi masyarakat.
1. Pendahuluan.
Kajian ini dilakukan untuk mengetahui manfaat dan Keberhasilan penerapan suatu sistem
pengaruh Teknologi informasi dan komunikasi informasi yang didukung oleh perangkat teknologi
dalam pengembangan pertanian baik dalam bidang informasi merupakan tujuan dari manajemen
penanaman, pemeliharaan, prediksi panen hinga perusahaan sehingga tercipta cara kerja yang efektif
proses pengolahan hasil panen, serta untuk dan efisien, namun demikian dalam prakteknya
mengoptimalkan pemanfaatan faktor faktor tidak sedikit perusahaan yang mengalami kegagalan
produksi pertanian dalam peningkatan produktifitas dalam membangun suatu sistem informasi yang
komoditi pertanian. Kajian ini menggunakan terintegrasi dengan baik. Hal itu disebabkan oleh
metode kepustakaan dalam melihat manfaat dan beberapa faktor yang harus dipertimbangkan untuk
pengaruh Teknologi informasi dan komunikasi memberikan solusi terhadap permasalahan tersebut,
dibidang pertanian. Berdasarkan hasil kajian sehingga diperlukan komitmen dan kerja keras yang
diketahui; a) teknologi informasi dan komunikasi cerdas dari tim implementator system demi
berperan penting dalam pengembangan pertanian terciptanya kesuksesan dalam penerapan suatu
terutama dalam bidang penanaman, pemeliharaan sistem informasi secara terintegrasi.
dan prediksi panen, b) jika diaplikasikan dalam Salah satu faktor penting yang harus
internet akan bermanfaat untuk mengetahui diperhatikan adalah bagaimana melakukan
penanaman sesuai dengan kondisi lahan hingga perubahan cara kerja dan pola pikir pengguna agar
prediksi panen yang tepat, c) petani juga akan dapat mendukung pekerjaan dengan system
mendapatkan informasi yang cepat dan akurat komputerisasi. Perlu diperhatikan bahwa
dengan mengakses semua informasi yang berkaitan perubahan cara kerja dan pola pikir tersebut tidak
dengan kegiatan pertanian melalui internet. bisa dilakukan secara instan tetapi memerlukan
Melalui kajian ini disimpulkan; a) teknologi tahapan proses yang relatif lama, terlebih bagi
informasi dan komunikasi membantu memperlancar pengguna yang telah terbiasa menggunakan cara
arus informasi bagi petani, b) mencegah kerja tradisional. Beberapa faktor seperti
keterlambatan terutama mengenai penanaman, kecerdasan dan kedewasaan mental pengguna
pemupukan, penyemprotan, pemanenan, dalam menjalankan suatu system informasi baru
pengeringan bahkan ramalan cuaca, dan harga yang belum dikenal merupakan kunci keberhasilan
bahan pertanian, c) teknologi informasi dan dalam melakukan implementasi system informasi
komunikasi bermanfaat bagi petani untuk yang terintegrasi. Disamping itu perubahan cara
mengetahui kebutuhan akan faktor produksi kerja maupun pola pikir yang didukung oleh
mingguan dengan akurat. Dengan demikian perangkat teknologi informasi sangatlah
teknologi informasi dan komunikasi merupakan dipengaruhi oleh perubahan organisasi
harapan yang dapat digunakan oleh petani (organization change).
Indonesia sebagai alat pengembangan pertanian Perubahan organisasi ini identik dengan
untuk meningkatkan produktivitas pertanian maka upaya perubahan budaya (culture) perusahaan.
Perubahan budaya perusahaan ini sangat ditentukan
Data Maning dan Database System 3-21
22. Seminar Nasional Teknologi Informasi dan Komunikasi (SNASTIKOM 2012) ISBN 978‐602‐19837‐0‐6
oleh peranan top manajemen perusahaan sebagai penanaman, peternakan, dan perikanan. Salah satu
teladan (contoh) bagi karyawan / pengguna untuk contoh teknologi informasi komunikasi yaitu
mendukung cara kerja dengan dukungan penuh internet yang menyajikan dunia tanpa batas. Lewat
penggunaan teknologi informasi. Penelitian ini sarana inilah diharapkan dapat digunakan untuk
bertujuan untuk membahas bagaimana pengaruh mencari segala informasi yang dibutuhkan dan
teknologi informasi dan perubahan organisasi dapat pula digunakan oleh masyarakat desa untuk
dalam mencapai kesuksesan membangun suatu meningkatkan kesejahteraan perekonomian melalui
sistem informasi yang terintegrasi. korespondensi dengan orang lain di berbagai
penjuru dunia yang menyangkut berbagai informasi.
2. Teknologi Informasi dan Komunikasi Secara umum bahwa masyarakat desa selalu
mengalami kendala dalam dalam mendapatkan
dalam Bidang Pertanian informasi yang baru dan tepat. Oleh karena itu
Dalam era globalisasi bahwa penguasaan informasi dari internet akan berperan sebagai
terhadap teknologi komunikasi dan informasi pembeneri informasi bagi petani menyangkut
merupakan suatu keharusan karena diyakini berbagai hal yang berkaitan dengan kegiatan
sebagai alat pengubah. Sejarah membuktikan pertaniannya, mulai dari pemeliharaan tanaman,
evolusi teknologi selalu terjadi yang pada gilirannya pemberian pupuk, irigasi, ramalan cuaca dan harga
bahwa temuan teknologi tersebut dapat pasaran. Dengan internet juga bermanfaat untuk
diaplikasikan untuk memperoleh kemudahan dan memberikan informasi yang menyangkut
manfaat dalam aktivitas kehidupan manusia. penanaman hingga persediaan di pasar.
Teknologi informasi komunikasi merupakan faktor Maka dengan demikian arus informasi akan
yang sangat penting dalam mendukung peningkatan lancar sehingga keterlambatan dan miskomunikasi
kualitas baik sumber daya manusia, sumber daya mengenai penanaman, pemupukan, penyemprotan,
alam hingga pada pelayanan pemerintah kepada pemanenan, pengeringan, dan penjualan hampir
masyarakat. Teknologi informasi mempunyai tiga tidak akan terjadi lagi. Demikian juga dengan
peranan pokok yaitu : koperasi akan dapat mengetahui kebutuhan
a. Instrumen dalam mengoptimalkan proses mingguan para petani secara akurat serta koperasi
pembangunan, yaitu dengan memberikan akan dapat meningkatkan perannya sebagai
dukungan terhadap manajemen dan pelayanan pengumpul serta pemasar hasil produksi pertanian
kepada masyarakat. langsung kepada konsumen akhir. Sehingga
b. Produk dan jasa teknologi informasi dengan demikian bahwa teknologi informasi dan
merupakan komoditas yang mampu komunikasi ini diharapkan dapat dipergunakan oleh
memberikan peningkatan pendapatan baik bagi sebanyak mungkin petani Indonesia sehingga
perorangan, dunia usaha dan bahkan negara produktivitas pertanian mereka meningkat.
dalam bentuk devisa hasil ekspor jasa dan
produk industri telematika lainnya. 3. Peran Teknologi Informasi dan
c. Teknologi informasi bisa menjadi perekat
Komunikasi dalam Pertanian
persatuan dan kesatuan bangsa melalui
pengembangan sistem informasi yang mampu Pertanian merupakan sebuah sektor yang
menghubungkan semua institusi pada area yang memilki peranan cukup penting dalam kehidupan
berbeda dan berjauhan diseluruh wilayah manusia, karena merupakan sektor yang mampu
nusantara. penyediaan kebutuhan akan pangan masyarakat
Kesadaran akan pentingnya teknologi dalam kehidupannnya sehari-hari. Disamping itu
komunikasi dan informasi (information and bahwa sektor pertanianl merupakan sektor andalan
communication technologi), bukan hanya monopoli disamping sektor-sektor lainnya karena mampu
kalangan pengusaha besar saja tetapi juga memberikan kontribusi bagi devisa Negara serta
bertumbuh di kalangan pengusaha kecil dan menjadi tumpuan kehidupan masyarakat di daerah
masyarakat lainnya, seperti koperasi, kelompok pedesaan. Akan tetapi bahwa pengelolaan usaha
tani, bahkan masyarakat biasa. Teknologi informasi tani rakyat di Indonesia umumnya masih bersifat
dan komunikasi berperan penting dalam tradisional dan belum menerapkan menggunakan
pengembangan bisnis, kelembagaan organisasi dan teknologi baru.
juga mampu mendorong percepatan kegiatan Rendahnya penerapan teknologi di pada
ekonomi dan taraf hidup masyarakat. Teknologi sektor pertanian tentu berdampak pada rendahnya
juga memegang peranan penting dalam produktivitas usaha tani yang dihasilkan, sementara
pengembangan pertanian. Teknologi dimafaatkan itu pertambahan penduduk semakin tidak terkendali
dalam tiga cabang utama pertanian yaitu maka sudah tentu kebutuhan terhadap sektor
3-22 Data Maning dan Database System