konsumsi energi listrik dengan penerapan algoritma genetika dan fuzzy logic.
Sehingga ... algoritma dan struktur database yang sangat diperlukan dalam.
62
BAB IV METODE PENELITIAN
4.1
Rancangan Penelitian Inti dari penelitian adalah rancang bangun sistem penjadwalan
konsumsi energi listrik dengan penerapan algoritma genetika dan fuzzy logic. Sehingga metode yang digunakan di dalam penelitian adalah studi pustaka yang didukung pengumpulan data pada lapangan yaitu pada kasus PT Rabik Bangun Pertiwi(Blueline). Pengambilan data pada lapangan mencakup dua tahap yaitu : (1)
Pra rancang bangun yaitu tahap pengumpulan data untuk tujuan pendefinisian prosedur dan variabel yang akan digunakan untuk perancangan sistem aplikasi yang akan berupa perangkat lunak berbasis web. Pengumpulan data ini dilakukan dengan wawancara dengan staff yang mengurus kelistrikan pada lapangan. Melalui tahap ini didapat konsep, algoritma
dan
struktur
database
yang
sangat
diperlukan
dalam
pembangunan aplikasi. (2)
Pasca rancang bangun yaitu tahap pengumpulan data untuk menguji sistem yang telah dibangun dengan menggunakan data yang ada pada lapangan yaitu: •
Data peralatan bertenaga listrik yang digunakan
•
Jadwal rutin penggunaan perlatan bertenaga listriknya
•
Data aktivitas tidak rutin yang terjadi yang melibatkan peralatan bertenaga listrik
•
Data gambaran instalasi listrik pada lapangan untuk menentukan pengelompokan instalasi listrik
•
Data pegawai dan devisinya yang membagi konsumsi listrik. Data ini digunakan untuk pengujian alert pada SMS gateway.
Dalam tahap ini diuji apakah sistem sudah dirancang sesuai dengan kebutuhan pada lapangan dan mampu memberi manfaat pada lapangan. Jika terjadi kesalahan pada tahap pengujian ini maka akan menjadi revisi bagi perancangan sistem.
62
63
Gambar 4.1 Rancangan Penelitian
4.2
Lokasi dan Waktu Penelitian Lokasi pengambilan data yang akan digunakan sebagai sampel input
pada aplikasi adalah PT Rabik Bangun Pertiwi(Blueline) yang merupakan perusahaan dibidang jasa penyediaan internet, yang beralamat di istana kuta galeria, valet 2 No.7, Kuta Bali. Lokasi ini dipilih karena kemudahan akses data untuk konsumsi listrik dan jenis-jenis ativitas yang terjadi disana. Lokasi pengembangan aplikasi dilakukan pada rumah penulis yang bertempat pada jalan julau pinang nomor 21, denpasar. Waktu penelitian dilakukan antara tahun januari 2010 hingga juli 2010.
64
Adapun jadwal kegiatan penelitian yang dilakukan adalah sebagai berikut : Tabel 4.1 Jadwal Kegiatan No 1 2 3 4 5 6
4.3
Kegiatan
1
2
Bulan Ke3 4 5
Keterangan 6
Studi Literatur dan Survey Desain Aplikasi Database Desain interface Programming Pengujian Sistem Aplikasi Dokumentasi dan Pelaporan
Ruang Lingkup Penelitian Ruang lingkup penelitian yang membatasi penelitian ini adalah
sebagai berikut : 1) Studi kasus dalam penelitian dan pengembangan sistem ini dibatasi pada lingkungan bidang usaha yang memiliki keterbatasan daya dalam menjalani aktivitasnya dan periode dan kuantitas aktivitasnya cukup bervariasi seperti usaha percetakan, pabrik garmen, peternakan, perkebunan, penyedia jasa internet, software house dan sebagainya. 2) Lokasi pengambilan data yang akan digunakan sebagai sampel input dibatasipada aplikasi adalah PT Rabik Bangun Pertiwi(Blueline) yang merupakan perusahaan dibidang jasa penyediaan internet. 3) Melakukan kajian pustaka mengenai input dan output yang diperlukan dalam perancangan sistem sehingga dapat dihasilkan rangkaian proses yang tepat. 4) Merancang dan membangun sistem penjadwalan konsumsi energi listrik dengan penerapan algoritama genetika dan fuzzy logic. Sistem ini terdiri dari : (a)
Sistem simulasi input, yaitu melakukan input acak pada basis data dengan range yang telah ditetapkan untuk menguji berbagai kemungkinan yang akan terjadi.
(b)
Sistem informasi yang menjadi jalur input dan output sistem kepada pengguna.
(c)
Sistem cerdas berbasis fuzzy logic dan algoritma genetika untuk melakukan pemrosesan data input dan output.
5) Melakukan berbagai simulasi dengan sistem yang telah dibangun demi menguji keakuratan sistem dalam mengolah data.
65
6) Membandingkan hasil antara simulasi tanpa dan dengan sistem cerdas yang menerapkan penjadwalan dinamis untuk kemudian dianalisa seberapa efektif sistem ini bila diterapkan. 7) Rancangan sistem tidak mencakup masalah pembiayaan dan tarif yang dikenakan berdasarkan biaya konsumsi tersebut. 4.4
Penentuan Sumber Data Sesuai yang telah disampaikan pada rancangan penelitian, sumber data
untuk pembelajaran prosedur dan variabel untuk rancang bangun sistem dan pengujian sistem adalah PT Rabik Bangun Pertiwi(Blueline). Pengambilan data dilakukan dengan tiga cara yaitu : (1)
Wawancara dengan staff yang membidangi kelistrikan pada perusahaan.
(2)
Dengan pencatatan langsung spesifikasi peralatan yang mudah ditentukan seperti PC, router dan sebagainya.
(3)
Dengan data litelatur yang ada pada perusahaan seperti gambaran instalasi, data pegawai dan sebagainya. Sedangkan sumber data untuk perancangan sistem yang berhubungan
dengan perancangan teknis diambil sepenuhnya dari studi pustaka yaitu bukubuku yang berhubungan dengan pemrograman dan kecerdasan buatan. 4.5
Variabel Penelitian Dalam penelitian ini khususnya dalam perangcangan aplikasi maka
digunakan beberapa variabel sebagai berikut : 1) Data Pengguna Yaitu data pengguna dalam sistem yang memiliki 2 jenis yaitu adminitrator dan umum. Administrator memiliki semua fitur pengguna umum namun kedua jenis pengguna ini disimpan dalam tabel yang sama. Data pengguna juga digunakan untuk melakukan pencacatan siapa yang melakukan sebuah aktivitas
seperti
siapa yang telah
melakukan
verifikasi
terhadap
penambahan aktivitas konsumsi listrik dan sebagainya. Sehingga semua aktivitas dapat dimonitor dengan baik guna mencegah kesalahan non teknis yang terjadi. Dalam perancangan sistem ini tidak disertakan data tambahan
66
bagi pengguna seperti alamat, nomor telepon dan sebagainya yang tidak berhubungan langsung dengan sistem. 2) Data Devisi Yaitu data yang digunakan untuk mengelompokkan pengguna dan aktivitas konsumsi listrik. Seperti aktivitas pencetakan voucher hotspot oleh pegawai devisi marketing. Sehingga aktivitas bisa dibedakan berdasarkan devisi dan hal ini memungkinkan adanya analisa persentase konsumsi per devisi. Tabel 4.1.1 Pengguna Field
Tipe Data
Isi
Kunci
NULL
no
Int
-
Primary
-
devisi
Int
-
Foreign(4.1.2)
-
nama_pengguna
Varchar
20
-
-
kata_kunci
Varchar
50
-
-
nama_lengkap
Varchar
255
-
-
jenis
Enum
(admin,umum)
-
-
Tabel 4.1.2 Devisi Field
Tipe Data
Isi
no
Int
-
nama
Int
-
Kunci Primary
NULL -
3) Data Aktivitas Konsumsi Listrik Yaitu data aktivitas konsumsi listrik yang terdiri dari 3 variabel penentu yaitu jumlah daya yang digunakan dalam aktivitas, lamanya periode aktivitas berlangsung dan prioritas dari aktivitas tersebut. Ketiga variabel penentu tersebut yang akan diproses ke dalam inferensi fuzzy untuk dikelompokkan terlebih dahulu sehingga penjadwalan dengan algoritma genetika menjadi lebih cepat tanpa memproses aktivitas satu persatu. Ketiga variabel penentu tersebut nilai himpunan fuzzy-nya disimpan dalam tabel pengelompokan area waktu. Prioritas disimpan dalam tabel tersendiri agar memungkinkan untuk ditambahkannya tingkatan prioritas baru.
67
Tabel 4.2.1 Aktivitas Konsumsi Field
Tipe Data
Isi
Kunci
NULL
no
Int
-
Primary
-
pengaju
Int
-
Foreign(4.1.1)
-
jumlah_daya
Char
5
-
-
waktu
TinyInt
-
-
-
sifat_waktu
Enum
-
mingguan, bulanan, tahunan
-
sifat_waktu_data
TinyInt
-
-
-
prioritas
TinyInt
-
-
-
keterangan
Text
-
-
-
status_persetujuan
Bool
-
-
-
Tabel 4.2.2 Prioritas Aktivitas Konsumsi Field
Tipe Data
no
Int
nama
VarChar
urutan
TinyInt
Isi -
Kunci
NULL
Primary
-
20
-
-
-
-
-
4) Data Penjadwalan Yaitu data penjadwalan konsumsi listrik yang menjadi output utama dalam aplikasi ini. Penjadwalan awalnya dibentuk berdasarkan input aktivitas konsumsi yang telah di verifikasi. Namun input manual tersebut belum tentu optimal untuk target yang diharapkan sehingga dilakukan optimasi penjadwalan agar tercapai taget pemerataan konsumsi. Penjadwalan ini dilakukan menggunakan algoritma genetik dengan mengambil data pengelompokan yang telah dilakukan oleh inferensi fuzzy. Keputusan optimasi penjadwalan ditentukan berdasarkan data konsumsi ideal per waktu yang telah ditentukan yang akan tercatat pada data pengelompokan area waktu yang berisi derajat keanggotaan fuzzy yang menentukan area waktu itu akan dioptimalisasi/dijadwal ulang atau tidak. History mencatat aktivitas yang dipindahkan atau dihapus. Sehingga memungkinkan untuk membentuk perbandingan.
68
Tabel 4.3.1 Pengelompokan Area Waktu Field
Tipe Data
Isi
Kunci
NULL
no
Int
-
Primary
-
konsumsi_ideal
Int
-
Foreign(4.3.2)
-
waktu_mulai
DateTime
-
-
-
waktu_akhir
DateTime
-
-
-
jumlah_daya_total
Char
5
-
-
jumlah_anggota
TinyInt
-
-
-
status_optimalisasi
Enum
-
Sudah, Belum
-
daya_tinggi
TinyInt
-
-
-
daya_rendah
TinyInt
-
-
-
waktu_tinggi
TinyInt
-
-
-
waktu_rendah
TinyInt
-
-
-
prioritas_tinggi
TinyInt
-
-
-
prioritas_rendah
TinyInt
-
-
-
inferensi
TinyInt
-
-
-
Tabel 4.3.2 Konsumsi Ideal per Periode Field
Tipe Data
no
Int
nama
VarChar
waktu_mulai
Isi -
Kunci
NULL
Primary
-
20
-
-
DateTime
-
-
-
waktu_akhir
DateTime
-
-
-
jumlah_daya_total
Char
5
-
-
Tabel 4.3.3 History Field
Tipe Data
Isi
Kunci
NULL
no
Int
-
Primary
-
aktivitas
Int
-
Foreign(4.2.1)
-
waktu
TinyInt
NULL -
-
sifat_waktu
Enum
NULL mingguan, bulanan, tahunan
-
sifat_waktu_data
TinyInt
NULL -
-
status
Enum
-
Pemindahan, Penghapusan
-
69
Sistem berjalan dengan melakukan pencatatan terhadap segala aktivitas yang terjadi pada perkantoran. Tetapi pada prakteknya sangat tidak memungkinkan semua aktivitas dicatat secara akurat satu-persatu. Tentu saja hal tersebut akan sangat merepotkan dan menghambat kinerja pegawai. Untuk itu aktivitas dipisah berdasarkan prioritasnya. Aktivitas yang dianggap rutin tetapi belum tentu dimanfaatkan secara penuh sesuai besar beban dan periode konsumsi dimasukkan dalam aktivitas berprioritas rendah. Aktivitasaktivitas yang dimaksud contohnya adalah sebagai berikut : a)
Laptop pegawai, pada sistem bisa didaftarkan semaksimal mungkin pada jam operasional kantor (office hour). Walaupun pada kenyataannya jarang semua pegawai operasional berada di kantor dan semuanya menyalakan laptop secara bersamaan dalam jam operasional kantor terus-menerus.
b)
Printer, walau sangat tidak mungkin melakukan pengeprinan secara terus menerus namun beban printer yang dianggap penting seperti printer yang diperlukan untuk kebutuhan marketing didaftarkan secara utuh dalam office hour. Aktivitas yang prioritas rendah bisa dihilangkan pada periode tertentu
untuk menampung aktivitas lain yang prioritasnya lebih tinggi. Seperti tidak boleh menyalakan laptop lebih dari 5 buah pada periode tertentu karena ada aktivitas pengujian peralatan jaringan konsumen yang priorotasnya lebih tinggi
70
Sedangkan beban yang sudah pasti seperti lampu dan AC dimasukkan sebagai prioritas menengah karena lebih pasti digunakan terus menerus dalam periode tertentu. Aktivitas yang berprioritas tinggi adalah server dan peralatan jaringan komputer lainnya yang berdampak sistemik bagi operasional utama perusahaan. Untuk lebih mudahnya bisa dilihat pada tabel sebagai berikut : Tabel 4.3.4 Pengelompokan Prioritas Aktivitas Prioritas Rendah
Menengah
Diskripsi
Contoh
• Aktivitas rutin yang didaftarkan secara Laptop pegawai
maksimum baik dari segi beban maupun periode konsumsinya. Pada prakteknya tidak dijalankan secara penuh. • Aktivitas tidak rutin yang bisa ditunda dan boleh dijalankan kapan saja dalam batasan periode tertentu dan bisa dijalankan oleh staff call center.
Printer, scanner Komputer sekunder
operasional
Backup data server yang ringan
• Aktivitas rutin yang sudah pasti beban dan Komputer
operasional periode konsumsinya. primer • Aktivitas tidak rutin yang bisa ditunda Backup server khusus namun harus dilakukan oleh staff ahli. • Maintenance rutin. Konfigurasi server AC Lampu Pengecesan genset
Tinggi
• Server yang menjadi operasional utama Server utama
perusahaan. proyek konsumen. • Maintnance yang gangguan. • Aktivitas
yang
menyangkut
mendesak
Peralatan jaringan komputer utama
akibat Proyek client
yang
melibatkan
71
4.6
Instrument Penelitian Pengambilan data pada PT Rabik Bangun Pertiwi(Blueline) dilakukan
dengan wawancara pada staff yang mengurus kelistrikan disana. Namun beberapa perangkat khususnya yang mudah ditentukan seperti komputer, dilakukan dengan mengecek spesifikasi yang tertera pada perangkat. Sedangkan perangkat lunak yang digunakan dalam penelitian dan perancangan sistem adalah sebagai berikut : (1) Linux Mint (2) Apache 2 (3) PHP 5 (4) MySQL 5 (5) Gammu SMS Gateway (6) Mozilla Firefox 4.7
Prosedur Penelitian Adapun alur prosedur tulisan ini adalah sebagai berikut:
1) Studi pustaka yang berhubungan dengan perancangan sistem dan mempelajari gambaran umum kasus pada lokasi penelitian tanpa pendalaman
pada pengambilan
data
karena
sudah
dianggap
bisa
menggambarkan variabel penelitian untuk perancangan sistem. 2) Perancangan sistem yang telah didasari studi pustaka dan studi kasus pada lokasi penelitian dengan variabel penelitian yang didapat. 3) Pembangunan antar muka sistem. 4) Pembangunan sistem komputasi cerdas. 5) Melakukan pengambilan data secara akurat untuk menguji sistem secara umum terhadap gambaran umum konsumsi listrik yang terjadi. 6) Pembangunan sistem simulasi berdasarkan data yang diambil terakhir sehingga dianggap aktual dan akurat. 7) Pengujian sistem untuk menguji penggambaran studi kasus yang dapat dicapai oleh sistem. 8) Pengambilan kesimpulan.
72
Adapun flowchart-nya adalah sebagai berikut :
Gambar 4.2 Prosedur Penelitian
73
4.8
Analisa Data Sistem penjadwalan konsumsi energi listrik dengan algoritma genetika
dan fuzzy logic ini dilakukan dengan alur sebagai berikut : 1) Analisa sistem, yaitu melakukan analisa yang lebih spesifik terhadap sistem penjadwalan konsumsi energi listrik pada dengan algoritma genetika dan fuzzy logic sesuai dengan tujuan sistem pada lokasi yang digunakan sebagai studi kasus yaitu PT Rabik Bangun Pertiwi(Blueline). 2) Melakukan studi pustaka dan studi kasus untuk mendapatkan jangkauan dan takaran yang tepat dalam melalukan simulasi sistem. Sehingga diharapkan pengujian sistem menjadi lebih aktual dan akurat. 3) Melakukan pemodelan data dengan menggunakan Metode perangkat pemodelan sistem untuk menggambarkan sistem, data, aliran data, hubungan data, dan batasan data. 4) Mendesain model sistem informasi sesuai studi pustaka dan studi kasus dengan mempresentasikan hasil desain tersebut kedalam pemrograman DBMS dan aplikasi DBMS. 5) Mengaplikasikan sistem tersebut kedalam pemrograman web dengan bahasa pemrograman PHP. 6) Untuk mengetahui tingkat keberhasilannya maka pada tahap akhir dilakukan suatu pengujian terhadap sistem informasi secara keseluruhan. 7) Pengujian melalui data dammies yaitu berupa angka-angka acak untuk menguji berbagai kasus yang terjadi di dalam sistem. 8) Pengambilan kesimpulan kesuksesan sistem dari ketepatan hasil pengujian berdasarkan penggambaran yang dapat dilakukan sistem terhadap kasus yang terjadi pada lapangan.
