Algoritma Genetika

1 06 2016

Algoritma Genetika merupakan suatu metode optimasi untuk mencari solusi yang optimal dari suatu permasalahan. Algoritma Genetika banyak digunakan untuk mencari solusi masalah optimasi penjadwalan. Penjadwalan yang umumnya bersifat kompleks tidak mengijinkan sisi otak manusia untuk mencarikan solusi yang optimal dengan mudah. Dengan Algoritma Genetika, hal-hal yang perlu dihindarkan dalam pembuatan jadwal bisa dihilangkan, dan semua bentuk solusi yang menguntungkan pihak-pihak yang terkait akan lebih mudah untuk didapatkan.

Algoritma Genetika mempunyai metodologi optimasi sederhana sebagai berikut:
1. Menentukan populasi solusi sejumlah tertentu
2. Menghitung nilai fitnes function semua solusi yang ada di dalam populasi
3. Memilih beberapa solusi dengan nilai fitnes function yang paling tinggi
4. Melakukan optimasi dengan cara mutasi dan crossover sebanyak yang diperlukan
5. Menentukan solusi terbaik sebagai solusi terhadap permasalahan yang dioptimasi

Dalam menerapkan Algoritma Genetika untuk memecahkan masalah optimasi, perlu dilakukan analisa terhadap permasalahan yang akan dicarikan solusinya. Dalam menganalisa permasalahan, ada dua istilah yang muncul:
1. Hard Constraint: yang merupakan batasan yang ada dalam permasalahan yang akan dicarikan solusi, yang tidak boleh dilanggar sama sekali. Solusi yang akan menjadi bagian dari populasi, adalah solusi yang tidak melanggar Hard Constraint ini.
2. Soft Constraint: yang merupakan batasan yang ada dalam permasalahan yang akan dicarikan solusi, tetapi dalam pencarian solusi, batasan ini masih bisa dilanggar.

Dari kedua istilah tersebut, yang mempengaruhi bagaimana suatu solusi akan dikatakan lebih baik dari solusi yang lain adalah dengan melihat kadar pelanggaran yang dilakukan terhadap Soft Constraint. Makin banyak Soft Constraint yang dilanggar, makin buruk nilai dari solusi tersebut. Nilai dari solusi yang dimaksud di sini sering diistilahkan dengan nama Fitness Function. Fitness Function ini merupakan akumalasi dari nilai penalti yang didapat dari pelanggaran terhadap Soft Constraint yang yang ada.

Selain pelanggaran terhadap Soft Constraint, nilai dari Fitness Function ini juga bisa didapatkan dari penambahan nilai bonus terhadap hal-hal ideal yang bisa dimasukkan dalam pembentukan solusi. Solusi yang bisa memberikan benefit kepada organisasi baik secara perorangan maupun secara keseluruhan organisasi, umumnya bisa dianggap memberikan nilai tambah terhadap solusi yang dibentuk.

Langkah selanjutnya yang dilakukan dalam proses penerapan Algoritma Genetika adalah analisa dan disain sistem. Analisa dan disain sistem terbentuk dari pendefinisian proses-proses yang tercakup dalam sistem, pembentukan basis data, dan juga disain antar muka pengguna. Untuk tulisan ini, analisa dan disain yang dibahas terbatas pada bagaimana membentuk basis data yang diperlukan dalam pemodelan permasalahan optimasi menggunakan Algoritma Genetika.

Umumnya bentuk basis data yang diperlukan dalam penerapan Algoritma Genetika adalah:
1. Tabel Detail Solusi (Gen)
2. Tabel Solusi (Kromosom)
3. Tabel Master yang mendukung isian Tabel Detail Solusi dan Tabel Solusi

Beberapa istilah yang muncul dalam Algoritma Genetika yang juga sering membingungkan pengguna adalah istilah-istilah yang kaitannya dengan Ilmu Biologi seperti istilah Gen dan Kromosom. Dalam pembentukan disain basis data sudah disebutkan bahwa Gen merupakan Detail Solusi, sedangkan Kromosom adalah Solusi. Salah satu contoh penggunaan istilah Gen dan Kromosom dalam memecahkan masalah penjadwalan: bentuk Kromosom (Solusi) dari permasalahan tersebut misalnya adalah Jadwal Mengajar di Sekolah A Selama Seminggu, sedangkan bentuk Gen (Detail Solusi)-nya adalah Guru A Mengajar Matematika di Kelas IA Pada Hari Senin Sesi Pertama. Dimana, sejumlah Gen (Detail Solusi) yang ada akan membentuk suatu Kromosom (Solusi). Jadi istilah ilmiah yang ada merupakan representasi dari permasalahan yang diangkat untuk dicarikan solusinya.

Isian dari Tabel Master yang mendukung pengembangan sistem Algoritma Genetika ini sangat tergantung pada hal-hal yang muncul pada saat melakukan analisa permasalahan. Beberapa hal yang muncul pada Hard Constraint, Soft Constraint, serta Nilai Bonus terhadap solusi akan menjadi bagian dalam pembentukan informasi yang tertampung di dalam Tabel Master yang diperlukan dalam penerapan Algoritma Genetika. Dari contoh bentuk Gen (Detail Solusi) yang diberikan di atas (Guru A Mengajar Matematika di Kelas IA Pada Hari Senin Sesi Pertama), Tabel Master yang diperlukan dalam sistem termasuk Tabel Master Guru, Tabel Master Mata Pelajaran, Tabel Master Kelas, dan Tabel Master Waktu Mengajar.

Dari tulisan di atas, hal-hal utama yang diperlukan untuk menerapkan Algoritma Genetika dalam permasalahan optimasi sudah diberikan. Beberapa hal yang juga sering dibahas dalam penjelasan Algoritma Genetika adalah metode-metode yang digunakan untuk melakukan Mutasi dan Crossover, yang tentunya perlu dipelajari tersendiri, walaupun untuk tingkat pemula, mungkin cukup menggunakan metode sederhana misalnya metode random.

Demikian sedikit tulisan tentang penerapan Algoritma Genetika dalam mencari solusi yang paling optimal dari suatu permasalahan optimasi. Semoga bermanfaat.

Advertisements




Data Warehousing

3 09 2014

Data Warehousing adalah sebuah sistem yang mempunyai tujuan untuk mempermudah pengguna mendapatkan data summary terhadap aktivitas entitas yang terkait dengan suatu perusahaan. Data Warehousing merupakan suatu konsep yang muncul karena sulitnya para manajer mendapatkan data yang diperlukan dalam proses pengambilan keputusan, kalau dengan hanya bermodalkan pada konsep sistem informasi atau sistem pemrosesan transaksi. Dengan penerapan Data Warehousing, data yang umumnya bisa ditampilkan dengan memakan waktu yang panjang, dapat ditampilkan dalam hitungan detik dalam bentuk tabel dan grafik dalam berbagai kombinasi.

Data Warehouse Concept

Data Warehousing merupakan konsep OLAP (OnLine Analytical Processing) yang melakukan pemrosesan data secara online. Penamaan ini sebenarnya agak menyimpang, karena sebenarnya data yang ditampilkan menggunakan konsep data warehouse ini tidak diakses secara langsung (online) ke record datanya, tetapi data/informasi yang diinginkan dipersiapkan terlebih dulu (atau dalam istilah Data Warehouse, di-ETL (Extraction Transformation Loading) terlebih dulu) dari record data transaksi yang tersedia. Proses ETL ini merupakan kunci dari konsep Data Warehouse ini, karena data yang ada dalam jumlah besar bisa diformat sesuai dengan keinginan para manajer, sebelum mereka benar-benar menggunakannya untuk analisa. Dengan konsep itu, data yang diinginkan oleh manajer melalui data warehouse dapat diakses dengan cepat, layaknya kita melakukan penganalisaan secara online.

Data Warehousing memperkenalkan konsep tabel Fakta dan tabel Dimensi, yang sedikit berbeda dengan konsep database secara umumnya, walaupun bentuk penyimpanan data dalam data warehouse merupakan bentuk database juga.

  • Tabel Fakta menyimpan berbagai fakta informasi yang ingin ditampilkan nantinya dalam bentuk tabel ataupun grafik. Contoh isi dari tabel fakta, misalnya dalam data warehouse retail adalah: jumlah barang terjual, jumlah omset, jumlah pajak yang dibayarkan dll.
  • Tabel Dimensi mempunyai struktur yang benar-benar berbeda dengan tabel fakta, dimana tabel dimensi ini terisi dengan data-data terkait dimensi informasi fakta yang ingin ditampilkan. Contoh isi dari tabel dimensi misalnya: tahun, bulan, tanggal, lokasi toko, kategori barang (Makanan atau Non Makanan) dll.

Sehingga kalau kedua tabel tersebut dikombinasikan, data warehouse retail ini akan bisa menjawab permintaan manajer terkait informasi tentang misalnya: trend omset penjualan barang kategori makanan per tahun dari tahun 2000 – 2014 di toko seluruh Denpasar, baik dalam bentuk tabel maupun grafik.

Sebagai kelanjutannya, dalam konsep data warehouse, dalam melakukan penampilan data baik dalam bentuk tabel maupun grafik, dikenal juga istilah roll up and drill down, dan, slice and dice.

  • Roll up and drill down digunakan untuk melihat data lebih rinci atau lebih global. Misalnya, dari dimensi waktu, data omset misalnya bisa dilihat per tahun, atau lebih detail per bulan, atau lebih detail lagi per tanggal. Demikian pula dengan dimensi tempat, data omset bisa dilihat per provinsi, kabupaten/kota, atau per tokonya.
  • Berbeda dengan roll up dan drill down, slice and dice mengenalkan konsep memilah dan memutar. Memilah (slice) artinya, data yang ditampilkan bisa dipilah-pilah. Misalnya kita mempunyai data omset dari tahun 1980 – 2004, tapi yang ditampilkan bisa dipilah, misalnya hanya dari tahun 2000 – 2014. Memutar (dice) artinya, dimensi data yang ditampilkan bisa diputar-putar. Misalnya dari contoh di paragraf sebelumnya, dimana sumbu x-nya adalah lokasi, dan sumbu y-nya adalah waktu, bisa diputar menjadi misalnya: omset penjualan barang kategori makanan di toko seluruh denpasar dari tahun 2000 – 2014, dimana sumbu x-nya adalah waktu, dan sumbu y-nya adalah lokasi.

Dalam pemanfaatannya, sekarang ini banyak yang memperkenalkan sebuah konsep Dashboard Systems. Konsep dashboard system merupakan suatu bentuk penampilan yang lain dari sistem data warehouse. Konsep dalam hal menampilkan informasi fakta yang diinginkan, sesuai dimensi yang disediakan, tetap menjadi konsep dasar dari suatu sistem dashboard system, tetapi tampilannya agar sedikit berbeda dan lebih menyerupai sebuah dashboard mobil. Tampilan ini lebih menarik untuk kasus-kasus pemantauan progress atau kondisi suatu penyelesaian permasalahan.

Dashboard Systems

Sebagai kesimpulan, data warehouse merupakan suatu konsep yang sangat bagus dan merupakan suatu konsep yang dapat menguntungkan pengguna, karena data yang telah tertumpuk dan tidak termanfaatkan bisa digunakan dengan tepat sasaran dan bisa termanfaatkan dengan hasil guna tinggi. Pemanfaatan data warehouse dengan instensif oleh suatu perusahaan akan memberikan suatu kelebihan (competitive advantage) bagi perusahaan tersebut kalau ingin bersaing dengan perusahaan competitornya.

Keywords: Data Warehouse, Extraction Transformation Loading (ETL), Tabel Fakta, Tabel Dimensi, Roll Up and Drill Down, Slice and Dice, Dashboard System





2014 Montpellier Internship

23 08 2014

This year, there are two internships from Polytech of Montpellier, France: Adrien Claudin and Florian Guihard. They are working on a template project for a web system which includes a generic user administration module, a data maintenance module, a data warehouse module, and data mining modules implementing two data mining methods: naive bayes and k-means algorithm. They are staying in Bali for three months (June 2nd – August 28th, 2014).

Today (August 23rd, 2014), they presented their work in front of students and lecturers, in conjunction to a final project presentation by Forth year student group at Stikom Bali’s Dual Degree program. The project went well, despite of new technologies that they have to implement. The user administration module is a generic module to administrate users of the systems. The data warehouse module is also new to them, and they make to the end an analysis of user activity data warehouse systems. For the data mining module, they manage to implement two methods out of three methods I have asked them in the beginning. All applications are implemented using the Java EE with the Model View Controller (MVC) concept as well as Data Access Object (DAO) design pattern. They also implemented the JFreeChart library for graph display and the WEKA library for implementing the naive Bayes data mining method. The whole project is intended to become a system template for students who will be taking web application, data warehouse, and data mining subjects, so they do not have to build a system from scratch for the sake of learning Data Warehouse or Data Mining alone.

This year. the result of the internship is very good, and very useful for the next teaching as well as the next internship program.

Despite of the hard working, the two internships have also enjoyed to stay in Bali. They have played the things that they have planned such as kite surfing and diving. Hope they will have a lot of memories and experiences while staying in Bali both in terms of the Balinese culture and the technology learning.

This is a picture taken at the end of their presentation time. Form the left: Adrien Claudine, Me, Nico Bruhne (Forth Year Stikom Bali’s Dual Degree Program), Florian Guihard, Putu Sri Sasmitha Dewi (Forth Year Stikom Bali’s Dual Degree Program), and Klinton Putra B.B.M. (Forth Year Stikom Bali’s Dual Degree Program).
2004 France Internship





Activity Diagram

10 01 2012

Activity Diagram is one diagram used to model a system in the Unified Modelling Language. Activity Diagram is used to draw the activity existing in a system, connecting, splitting, or merging the sequence of tasks involved.

A simple example of an Activity Diagram of an activity in a library (activity of borrowing a book) is as follows. The activity is started by a member bringing his/her member card and gives it to a librarian. The librarian then checks the member card, and checks the book to be borrowed. If the book is available, then the librarian gives the book to the member, then the activity stops. If the book is unavailable, then the activity stops.

Activity Diagram

In some cases of activities, a number of additional steps can occur within the activity including splitting direction of tasks into two or more paths, or merging two or more paths into a consequence task. In such a case, the following symbols need to be referred, so that all existing steps can be drawn into a comprehensive diagram.

Simbol Activity Diagram





Developing a System

7 12 2011

Developing a system is not an easy thing. There are lots of things involved. Starting from the knowledge of Sumber Daya Manusia (SDM), mentality of SDM, communication skill, coordination, leadership, commitment, and discipline. Leadership is an important starting point in developing and implementing a system. However, if the leader of the organisation has no time or intention in doing so, a system can only be developed in the form of a subsystem that can only be applied to a certain part of an organisation.

Knowledge of System Development

Knowledge of SDM is something that can be a wheel for the success of developing a system. Luckily, the background knowledge has sometimes been ready and available, so in terms of finding the basic needed for the system, will not be a difficult thing. However, working with only one person will be an absurd thing. That way, the help of staffs in the development process is needed. The smoothness of this process really depends on the readiness of knowledge of each SDM involved.

The main difficulty of this process is that the SDM is not really ready in projecting the existing  task into a comprehensive systems. The person that will be given the task to develop the blueprint of the system, needs to have a certain level of knowledge in system development. This in particular needs time to achieve, since staffs has no enough time for learning, and learning is the last thing to do, way after all existing tasks finalised. But, once this is ready, than the process of developing a system will be on the go.

In particular, system development is suited for people with a background of IT (Information Systems). In such study, there are a number of subjects thought in relation to the system development, including Information Systems Analysis, Object Oriented Modelling, Unified Modelling Language, Algorithm, and some other related subjects. It is a benefit, if one that will be appointed as the person in charge for the system development, learns about these subjects first.

Other topics on System Development: Knowledge, Mentality, Leadership, Commitment, Coordination, Discipline, and Communication Skill