Pengembangan Sistem Penunjang Keputusan ..........

PENGEMBANGAN SISTEM PENUNJANG KEPUTUSAN DISTRIBUSI IMPOR RAW SUGAR

Marimin1, Yeni Herdiyeni2, dan Arief Ma !ana2
1 2

Departemen Teknologi Industri Pertanian, Fakultas Teknologi Pertanian, IPB IPB Departemen Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam,

ABSTRACT The main objective of this research is to develop a Decision Support System for raw cane sugar import distribution among the autorized companies in Indonesia. Distribution criteria considered were the manufacturing capacity of each company and the current utilization of the cane sugar processing machine. There were two models of computation used namely analytical model derived from manufacturing capacity and optimization model through evolution program!algorithm. "erification showed that the suitable parameters of the evolution program consisted of crossover was #.$ mutation was #.% chromosome regeneration was #.& population size was '&## and ma(imum iteration was '&##. The result of the evolution program was promissing. The result was $$.$)* e+ual with that of the analytical model. The developed system can be used to distribute the raw cane sugar import +uota to each authorized company. Keywords , raw cane sugar program!algorithm PENDAHU"UAN "a#ar Be!a$an% Impor raw sugar men'adi salah satu solusi dari berbagai upa a pemerintah ang dilakukan se%ara sinergis dalam rangka mengatasi krisis gula dalam negeri. Berdasarkan tata niaga impor gula (Menperindag, 2))2*, Dir'en Perdagangan +uar ,egeri - Deperindag harus menentukan kuantitas raw sugar ang diimpor perusahaan gula paling lambat 1) hari setelah permohonan i'in impor diterima. Pada tahun 2))., -enter for Development of Safe .groindustrial Process (/D#AP* merumus&kan kapasitas olah raw sugar selama musim giling (K!"#M$*. Dalam penelitian /D#AP, total raw sugar ang diimpor diperoleh dengan men'umlah nilai K!"#M$ seluruh pabrik gula (bottom/up*. Tetapi dalam penelitian ini, raw sugar ang diolah pabrik gula ditentukan oleh total raw sugar ang diimpor (top/down*. Total raw sugar ang diimpor diperoleh dari kebutuhan gula dikurangi impor gula putih. #istem penun'ang keputusan diperlukan untuk membantu mana'er dalam menentukan keputusan 0. Te1. Ind. Pert. "ol. %2345 67/$2 decision support system import +uota distribution evolution

pabrik gula. Dengan metode ini, pabrik gula ang memiliki nilai K!"#M$ lebih ke%il akan mem& peroleh raw sugar lebih sedikit, demikian pula se& balikn a. terhadap masalah tersebut. #istem penun'ang kepu& tusan mampu menggabungkan data dan model per& hitungan untuk menghasilkan berbagai alternati0 solusi (Daihani, 2))1*. Model perhitungan didasarkan pada kesa& maan peningkatan e0ekti1itas pada semua pabrik gula. !leh karena itu, perhitungan distribusi kuan& titas impor raw sugar dapat dilakukan dengan melakukan perbandingan nilai K!"#M$ pabrik&

8arimin 9eni :erdiyeni dan .rief 8aulana Penggunaan model ;volution Program (2P* sebagai model perhitungan dapat menghasilkan alternati0 solusi. Menurut Mi%hale3i%s (1445*, kromosom (sistem pengkodean dalam 2P* tidak harus direprentasikan dengan bit&string (kumpulan karakter ) dan 1* dan dapat menggunakan operator genetik ang sesuai dengan masalah. T & an Pene!i#ian Penelitian ini bertu'uan meran%ang dan mem& bangun sistem penun'ang keputusan untuk pendis& tribusian kuantitas impor raw sugar, dengan 2 model perhitungan, aitu perbandingan K!"#M$ dan ;volution Program. Manfaa# Man0aat penelitian ini adalah menghasilkan alternati0 solusi dalam menentukan distribusi kuanti& tas impor raw sugar, sehingga dapat meningkatkan e0ekti0itas pengambil keputusan. 6asil ang optimal memberikan dampak ang baik terhadap ketersedia& an stok gula, kiner'a pabrik gula, serta tidak mere& sahkan petani. R an% "in%$ ' Pene!i#ian Dalam kaitann a dengan keputusan dalam impor raw sugar, sistem han a men%ari 'umlah raw sugar ang harus diimpor perusahaan gula, sistem

0. Te1. Ind. Pert. "ol. %2345 67/$2

tidak menangani seleksi perusahaan gula, 3aktu pengapalan dan 'enis raw sugar. Aspek ang akan dika'i dititikberatkan pada metode perhitungan ang terdiri dari metode per& bandingan K!"#M$ dan metode ;volution Program. 6asil dari kedua model perhitungan ini akan dibandingkan untuk mengetahui kiner'a model perhitungan.

Menentukan domain persoalan

Mende0inisikan persoalan perlu diran%ang ulang

Menentukan perangkat keras dan perangkat lunak

METODO"OGI Keran%$a Pemi$iran Penggunaan raw sugar menguntungkan bagi pabrik gula, karena dapat meningkatkan kiner'a dengan mengurangi idle capacity dan 'uga lebih murah 'ika diolah pada musim giling daripada meng& impor gula putih. Tetapi bagi petani merupakan hal ang meresahkan, karena takut tebu ang mereka tanam tidak dapat digunakan pabrik gula. !leh karena itu, raw sugar ang diolah pabrik gula harus mendapatkan 'usti0ikasi semua pihak. Perhitungan K!"#M$ pada /D#AP (2)).*, telah mempertimbangkan berbagai 0aktor kritis. Perhitungan K!"#M$ didasarkan pada kemampuan maksimal setiap pabrik gula dalam menghasilkan gula sesuai dengan desain ran%angan a3al pabrik. Penggunaan sistem penun'ang keputusan dalam pendistribusian kuantitas impor raw sugar sangat diperlukan, karena dapat menghasilkan ber& bagai alternati0 solusi dengan berbagai model per& hitungan. #istem penun'ang keputusan dapat mem& bantu pengguna dalam menggunakan data dan model perhitungan sehingga meningkatkan e0ekti1itas dan e0isiensi. Pen%% naan A'!i$a(i #istem akan diaplikasikan dalam bentuk program dengan pengguna tunggal, pada Dir'en Perdagangan +uar ,egeri - Deperindag. Aplikasi digunakan setelah perusahaan gula menga'ukan permohonan untuk men'adi impotir dengan men ertakan rekomendasi teknis dari Dir'en Bina Produksi - Deptan. 6asil model perhitungan di'adikan re0erensi pengambilan keputusan sebelum diterbitkan surat pengakuan Impotir Produsen $ula. Ta#a "a$(ana Proses pengembangan dan peran%angan #PK umumn a menga%u tahapan pengembangan sistem (Marimin, 2))7*. #eperti terlihat pada $ambar 1, lima langkah pertama langkah pengembangan sistem, karena tahapan menggunakan sistem, dan memelihara sistem tidak termasuk dalam penelitian ini.

Membangun prototipe sistem

Mengu'i dan menge1aluasikan model

$ambar 1. Bagan pengembangan aplikasi sistem pe& nun'ang keputusan

PERAN)ANGAN SISTEM Peren*anaan Dalam mende0inisikan persoalan, penulis ban ak mendapatkan pengetahuan dari para pakar. Menurut Marimin (2))2*, pakar dapat berasal dari kelompok praktisi ang lebih didasarkan pada lama ker'a dan ke3e3enangan di suatu posisi kegiatan teknik tertentu. Penulis memilih pakar dari /D#AP dan Deperindag. Pengetahuan ang diperoleh dari pakar di /D#AP mengenai produksi gula di pabrik gula dan perhitungan K!"#M$. #edangkan dari Deperindag mengenai tata niaga impor gula, ter& masuk di dalamn a prosedur impor raw sugar. Ana!i(i( #eperti terlihat pada $ambar 2, se%ara garis besar alur sistem dimulai dari input data, aitu data perusahaan gula, data pabrik gula dan data kiner'a pabrik gula. Kemudian digunakan model perhitung& an ang terdiri dari model perbandingan K!"#M$ dan model ;volution Program. 6asil dari kedua model perhitungan dibandingkan sebagai penun'ang keputusan mana'erial. Peran*an%an Perancangan Input Output Kebutuhan input sistem terdiri dari input untuk pengelompokan hasil dan input sebagai para& meter model perhitungan. Input untuk pengelom& pokan hasil, aitu data perusahaan dan data pabrik gula. Input parameter perhitungan adalah data kiner'a pabrik gula.

"ekomendasi teknis perusahaan gula Data perusahaan gula Data pabrik gula Data kiner'a pabrik gula

gula, data pabrik gula dan kiner'a pabrik gula, melakukan analisa perhitungan dengan model per& bandingan K!"#M$ atau model ;volution Program, lalu men%etak hasil analisa tersebut.
mulai

M+de! Per,i# n%an

Per-andin%an KORSMG
Perhitungan K!"#P6 Perhitungan K!"#M$ Perbandingan K!"#M$ Bangkitkan Populasi A3al

Evolution Program
Inisialisasi Parameter pc pm pp popSize ma(=en target

<ogin pengguna Input data perusahaan gula Input data pabrik gula dan kiner'a pabrik gula

Basis data

Iterasi tidak Apakah perusahaan gula dan pabrik gula terseleksi 8

6asil

6asil

a Membandingkan 6asil Model Perbandingan K!"#M$ dan ;volution Program Analisa model perhitungan

$ambar 2. Alur sistem ang dikembangkan Keluaran atau output sistem adalah hasil per& hitungan masing&masing model, perbandingan hasil K!"#M$ dan hasil model ;volution Program. >utput ditampilkan dalam bentuk tabel data, gra0ik, dan laporan ter%etak. Perancangan Basis Data Tabel&tabel diran%ang agar tidak memiliki field ang bernilai ban ak dan ambigu, sehingga me& menuhi bentuk normal pertama (1,F*. #emua field dalam tabel pun a ketergantungan pada primary 1ey, sehingga memenuhi bentuk normal kedua (2,F*. Karena tidak terdapat hubungan many/to/many dalam tabel, maka bentuk normal ketiga (.,F* tidak diperlukan. Primary 1ey pada perusahaan gula, dan pabrik gula merupakan bilangan auto/increment, sehingga saat memasukkan data baru, basis data se%ara otomatis men%iptakan id baru. Perancangan Proses #eperti ang terlihat pada $ambar ., alur proses sistem dimulai pada saat pengguna melaku& kan login, kemudian memasukkan data perusahaan

/etak hasil analisa selesai +aporan ter%etak

$ambar .. ?lowchart sistem Perancangan Antarmuka Perangkat antarmuka untuk input aitu 1eyboard dan mouse, sedangkan untuk output adalah monitor dan printer. Ada beberapa ga a dialog ang digunakan dalam sistem, seperti dialog perintah terdapat pada form <ogin ang memaksa pengguna untuk mema& sukkan login untuk dapat mengakses sistem. Dialog tan a&'a3ab dilakukan untuk mengkon0irmasi suatu aksi, misaln a ketika ingin menghapus data. Dialog menu merupakan na1igasi form utama untuk mem& buka form lainn a. Dialag masukan&keluaran adalah ang paling ban ak digunakan baik untuk pendataan maupun analisa model perhitungan. Im'!emen#a(i #istem diimplementasikan pada komputer dengan spesi0ikasi perangkat keras sebagai berikut,

prosesor AMD Duron 5)) M69, "AM 142 MB, dan harddis1 .) $B. Perangkat lunak ang digunakan aitu :indo3s ;P sebagai sistem operasi, <isual Basi% 5.) sebagai antar muka dan bahasa pemrograman, M# A%%ess 2))) untuk basis data serta 6elp#ribble =.=.2 untuk membuat bantuan sistem. Pen% &ian

Pengguna

#ubsistem Mana'emen Dialog

Pusat Pengolahan #istem

Pengu'ian men%akup 1aliditas input, 1eri0i& kasi hasil perhitungan, dan per%obaan&per%obaan dalam pengu'ian ;volution Program. <aliditas input dilakukan untuk memastikan pengguna tidak memasukkan input ang tidak diinginkan, seperti

Data Perusahaan $ula Data Pabrik $ula

S -(i(#e m Da Mana&emen #a

S -(i(#e m Mana&emen M+de!

Model Perbandingan K!"# Model ;volution

input numerik atau pemilihan perusahaan gula. Pengu'ian terhadap hasil perhitungan untuk memas& tikan bah3a hasil sesuai dengan operasi&operasi perhitungan ang ada. Terhadap model ;volution Program dilakukan beberapa per%obaan untuk
Data Kiner'a Pabrik $ula Program

menganalisa pengaruh dari perubahan suatu para& meter terhadap hasil, kekon1ergenan, dan 3aktu komputasi.

paling ban ak adalah PT. ",I sebesar ?..=1> ton.

HASI" DAN PEMBAHASAN S#r $# r SPK Aplikasi sistem penun'ang keputusan terdiri dari . subsistem, aitu subsistem data, subsistem model dan subsistem dialog. #ubsistem ang satu dapat berkomunikasi dengan subsistem lainn a me& lalui pusat pengolahan ang terintegrasi dalam satu paket pemrograman. Kon0igurasi sistem penun'ang keputusan ang dikembangkan dapat dilihat pada $ambar 7. M+de! Per-andin%an KORSMG Input model adalah total raw sugar ang ingin diimpor, kemudian model akan melakukan perhitungan untuk men%ari distribusi impor raw sugar tersebut. >utput ang dihasilkan adalah nilai K!"#P6, K!"#M$, dan hasil akhir perhitungan model. Dengan input total raw sugar sebesar .)).))) ton, dapat dilihat bah3a ang dapat mengolah raw sugar paling sedikit adalah pabrik gula #oedhono sebesar 2.))) ton, dan ang paling ban ak adalah pabrik gula Bunga Ma ang sebesar 17.=1> ton. Pengimpor raw sugar ang paling sedikit adalah PT. P, ;I< sebesar 12.1?> ton, dan pengimpor ang

$ambar 7. Kon0igurasi sistem penun'ang keputusan ang dikembangkan M+de! Evolution Program Input model terdiri dari parameter ;volution Program dan total raw sugar ang ingin diimpor (tot@S*. Parameter&parameter ;volution Program terdiri dari ukuran populasi (popSize*, maksimum generasi (ma(=en*, peluang crossover (pc*, peluang mutasi (pm*. #edangkan output model berupa pilihan solusi berdasarkan peningkatan nilai fitness, terdiri dari pilihan ketiga, pilihan kedua, dan hasil terbaik. T+#a! R an% Pen*arian

Batasan ang harus diperhatikan dalam men& %ari total ruang pen%arian adalah bah3a 'umlah raw sugar ang diolah sama dengan total raw sugar ang diimpor. @ika ada m pabrik gula, raw sugar seban ak n ton, maka total ruang pen%ariann a dapat dihitung menggunakan 0ungsi rekursi0 berikut A 0un%tion space (m, n* as double i0 m B 1 then space B 1 elsei0 n B 1 then spa%e B m else space B space (m&1, n* C space (m , n-1* end i0 end 0un%tion

Berdasarkan data tahun 2))., bah3a ada 7= pabrik gula ang terseleksi dengan total raw sugar sebesar .)).))) ton, maka total ruang pen%arian ang didapat, aitu .,>22C1?5. Penen# an Ni!ai Pe! an% )r+((+.er /pc0 dan Pe! an% M #a(i /p 0
m nilai kekonvergenan

0,025 0,02

0,015 0,01 Berdasarkan peluang crossover 0,005 0 Berdasarkan peluang mutasi

,ilai peluang crossover dan peluang mutasi adalah dari ),1 sampai ),4 men%akup semua kom& binasi. Parameter ang bernilai tetap, aitu peluang pelestarian sebesar ),1, ukuran populasi sebesar =)) kromosom dan maksimum generasi sebesar =)) iterasi.Pada kasus dengan peluang crossover ),4 dan peluang mutasi ),1 mendapatkan hasil ang paling optimal aitu ),445)7. #edangkan kasus dengan pe& luang crossover ),= dan peluang mutasi ),1 memiliki kekon1ergenan terbaik aitu ),))541.
nilai optimisasi

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

nilai pe luang

$ambar 5. "ata&rata kekon1ergenan berdasarkan peluang %rosso1er dan mutasi

1 0,998 0,996 0,994 0,992 0,99 0,988 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 pe luang pe le s tarian 0,012 nilai kekonvergena n 0,01 0,008 0,006 0,004 0,002 0

Dntuk mengetahui ke%enderungan ang ter& 'adi, maka di%ari rata&rata optimasi dan kekon1er& genan berdasarkan tiap nilai peluang crossover dan peluang mutasi. $ambar = menun'ukkan rata&rata optimasi berdasarkan peluang crossover dan peluang mutasi, sedangkan $ambar 5 menun'ukkan rata&rata kekon1ergenan berdasarkan peluang crossover dan peluang mutasi.

0,986 Nilai optimisasi Nilai kekonvergenan

nilai optimisasi 0,998

0,996 0,994 0,992 0,99 0,988 0,986 0,984 0,982 Berdasarkan peluang crosso Berdasarkan peluang

$ambar >. ,ilai optimasi dan kekon1ergenan dasarkan peluang pelestarian ber&

Dkuran populasi ang digunakan adalah sampai=)) 2.=)) kromosom dengan selang =)) kromosom. Parameter&parameter ang bernilai aitu peluang crossover sebesar ),4, peluang tetap, mutasi

Penen# an U$ ran P+' !a(i /popSi e0

nilai pe luang

$ambar =. "ata&rata optimasi berdasarkan peluang crossover dan mutasi

per%obaan sebelumn a* dan maksimum generasi sebesar =)) iterasi.

0,9982 Nilai optimisasi

0,0008 0,0007 0,0006 0,0005 0,0004 0,0003 0,0002 Nilai kekonvergenan 500 1000 1500 2000 2500 0,0001 0 uk uran populas i

Penen# an Pe! an% Pe!e(#arian /pp0 ,ilai peluang pelestarian dibuat ber1ariasi dari ),1 sampai ),4, sedangkan parameter ang bernilai tetap, aitu peluang crossover sebesar ),4, peluang mutasi sebesar ),1 (diambil dari per%obaan sebelumn a*, ukuran populasi =)) kromosom dan maksimum generasi =)) iterasi. Berdasarkan $ambar >, diketahui bah3a pada kasus dengan peluang pelestarian sebesar ),=

0,9981 0,998 0,9979 0,9978 0,9977 0,9976 0,9975

0,9974

ter'adi optimasi terbaik aitu ),44>5=, sedangkan kasus dengan peluang pelestarian sebesar ),7 ter'adi kekon1ergenan terbaik, aitu ),)))21.

Nilai optimisasi

Nilai kekonvergenan

$ambar ?. ,ilai optimasi dan kekon1ergenan ber& dasarkan ukuran populasi

Dari $ambar ?, diketahui bah3a kasus dengan ukuran populasi sebesar 2.=)), menghasil& kan optimasi terbaik aitu ),44?1.. Kasus dengan ukuran populasi sebesar =)) kromosom menghasil& kan kekon1ergenan terbaik aitu ),)))2.. Penen# an Ma$(im m Genera(i /ma!Gen0 ,ilai maksimum generasi ang digunakan adalah =)) sampai 2=)) iterasi dengan selang =)) iterasi. #edangkan parameter ang bernilai tetap diambil dari per%obaan&per%obaan sebelumn a, aitu peluang crossover sebesar ),4, peluang mutasi ),1, peluang pelestarian ),= dan ukuran populasi sebesar 2.=)) kromosom.
1 0,9995 0,0006 Nilai kekon verge nan 0,0005 0,0004 0,0003 0,0002 0,0001 500 1000 1500 2000 2500 0

$ra0ik hasil pengamatan nilai fitness dapat dilihat pada $ambar 1). Dari gra0ik tersebut, terlihat bah3a nilai fitness terbaik stabil karena kromosom terbaik selalu dipertahankan dengan pelestarian kromosom. #e%ara keseluruhan, terlihat semakin kon1ergen 3alaupun ke%epatan kekon1ergenan di pertengahan iterasi lebih besar dari ke%epatan kekon1ergenan di a3al dan akhir iterasi. :aktu komputasi pengamatan nilai fitness ini adalah 2 'am 74 menit .4 detik. Pada saat inisialisasi (generasi ke&)*, nilai fitness menun'ukkan kekon1ergenan ang %ukup baik sebesar ),)=1)7. Tetapi setelah mele3ati proses iterasi (generasi ke&1*, kekon1ergenan membesar (semakin tidak kon1ergen* men'adi ),7=.75. 6al ini ter'adi karena operator genetik telah merubah kromosom ang bagus se%ara a%ak, tetapi seleksi dan pelestarian memper&tahankan kromosom&kromosom terbaik.

Nilai optimisasi 0,999 0,9985 0,998 0,9975

Pen%% naan Pe!e(#arian Kr+m+(+m Pada per%obaan tanpa operator pelestarian kromosom diperoleh hasil optimisasi terbaik aitu ),4>2 dan kekon1ergenan terbaik aitu ),)14 (peluang crossover sebesar ),7, peluang mutasi sebesar ),7, maksimum generasi =)) iterasi dan ukuran populasi =)) kromosom*. ,ilai kemiripan

M ak s im um ge ne ras i

0,997 Nilai optimisasi Nilai kekonvergenan

$ambar 4. ,ilai optimasi dan kekon1ergenan ber& dasarkan maksimum generasi Pen%ama#an "itness Pengamatan terhadap dilakukan terhadap nilai fitness terburuk, fitness rata&rata dan fitness terbaik sepan'ang maksimum generasi. ,ilai parameter& parameter ditetapkan berdasarkan hasil per%obaan& per%obaan sebelumn a, aitu peluang crossover (pc* ),4, peluang mutasi (p * ),1, peluang pelestarian (p * ),=, ukuran populasi (popSize* 2.=)) kromosom dan maksimum generasi (ma(=en* 2.=)) iterasi.
1 0,9 0,8 0,7 0,6 0,5 0,4 nilai fitness 0,3 0,2 0,1 0 m p

dengan metode perbandingan K!"#M$ pada hasil raw sugar ang diolah pabrik gula sebesar 4=,>= E dan nilai kemiripan untuk raw sugar ang diimpor perusahaan gula sebesar ?>,11 E. 6al ini menun'ukkan bah3a dengan meng& ganti beberapa kromosom akhir generasi dengan kromosom&kromosom terbaik a3al generasi, mem& buat nilai fitness men'adi lebih stabil dan semakin kon1ergen ke arah target iterasi. 1a$# $+ m' #a(i :aktu proses seleksi ditentukan oleh ukuran populasi (popSize* dan maksimum generasi (ma(=en*. :aktu crossover, mutasi dan pelestarian 'uga ditentukan oleh peluangn a. Dengan nilai peluang ang sama (),1 sampai ),4*, maka 3aktu crossover, mutasi dan pelestarian dapat dibanding& kan untuk mengetahui operator ang paling mem& pengaruhi peningkatan 3aktu komputasi. Parameter ang bernilai tetap, aitu ukuran populasi sebesar =)) kromosom dan maksimum generasi =)) iterasi.
itness ter!aik itness rata"rata itness ter!uruk

1 257 513 769 1025 1281 1537 1793 2049 2305

Pada $ambar 4, diketahui bah3a optimasi dan kekon1ergenan terbaik ter'adi pada gkasus dengan maksimum generasi

sebesar 2.=)). Dengan nilai optimasi sebesar ),444>? dan kekon1ergenan sebesar ),))))7.

$ambar 1). $ra0ik pengamatan nilai fitness sepan& 'ang generasi

#etode $er!andingan %&'(#) #etode *volution $rogram

2000 100 90 80 70 60 50 40 30 20 Waktu komputasi (detik) 10 +aktu crossover +aktu mutasi +aktu kua 1 4 ntit as raw sug ar 0 7 10 13 16 19 22 25 28 31 34 37 40 43 id pabrik gula

0 0,1 0,2 0,3 0,4 0,5 0,6 Nilai pe luang 0,7 0,8 0,9

$ambar 11. :aktu crossover, mutasi dan pelestari& an kromosom Ha(i! M+de! Evolution Program Input parameter (peluang crossover ),4, peluang mutasi ),1, peluang pelestarian ),=, ukuran populasi =)) kromosom dan maksimum generasi =)) iterasi*, serta kuantitas raw sugar ang harus diimpor sebesar .)).))) ton. Maka diperoleh pabrik gula ang mengolah raw sugar paling sedikit adalah #oedhono aitu 1.4>4 ton, sedangkan pabrik Bunga Ma ang mengolah raw sugar terban ak aitu 17.=>4 ton. Perusahaan gula PT. Perkebunan ,usantara ;I< dapat mengimpor raw sugar paling sedikit aitu 12.12= ton, sedangkan PT. "a'a3ali ,usantara Indonesia mengimpor raw sugar terban ak ?..7=2 ton. Ana!i(a Per-andin%an Ha(i! Metode ang digunakan dalam perbandingan hasil kedua model perhitungan ini adalah standar de1iasi dari selisih kedua metode. Dalam hal ini diasumsikan bah3a metode perbandingan K!"#M$ sebagai metode ang ideal dan dapat di'adikan patokan dalam menentukan maksimum standar aitu

$ambar 12. 6asil raw sugar ang diolah pabrik gula dari kedua metode
90,000 80,000 70,000 raw sugar 60,000 50,000 40,000 30,000 20,000 10,000 0 1 2 3 4 5 6 7 8

#etode $er!andingan %&'(#) #etode *volution $rogram

id pe rus ahaan gula

de1iasi. Pada $ambar 12, diketahui bah3a gra0ik kuantitas raw sugar ang diolah pabrik gula terlihat bertumpuk, dengan standar de1iasi selisih ang sangat ke%il, aitu 14. Maksimum standar de1iasi ang dapat ter'adi adalah 7..)=7,)4, sehingga kemiripan kedua metode dalam raw sugar ang diolah pabrik gula adalah 44,45 E. Berdasarkan $ambar 1., ang menun'ukkan gra0ik kuantitas raw sugar ang diimpor perusahaan

gula 'uga terlihat bertumpuk, dengan standar de1iasi selisih sangat ke%il, aitu .1,>). Dengan maksimum standar de1iasi ang dapat di%apai adalah ?=.2=4,.1, berarti kemiripan kedua metode untuk hasil raw sugar ang diimpor perusahaan gula adalah 44,45 E.

$ambar 1.. 6asil raw sugar ang diimpor perusa& haan gula dari kedua metode

KESIMPU"AN DAN SARAN Ke(im' !an 1. Kedua model perhitungan dapat ber'alan dengan baik, dengan nilai kemiripan hasil raw sugar ang diolah pabrik gula dan raw sugar ang diimpor perusahaan gula sebesar 44,45 E. #ehingga kedua model tersebut dapat digunakan pada sistem penun'ang keputusan distribusi impor raw sugar. ,ilai optimasi dan kekon1ergenan terbaik diperoleh dengan kombinasi parameter, aitu peluang crossover sebesar ),4, peluang mutasi sebesar ),1, peluang pelestarian sebesar ),=, ukuran populasi sebesar 2.=)) kromosom dan maksimum generasi sebesar 2.=)) iterasi. ,ilai optimasi terbaik ang dihasilkan adalah ),444>?, dan nilai kekon1ergenan terbaik adalah ),))))7. Penggunaan operator pelestarian kromosom membuat nilai fitness men'adi lebih stabil

2.

.. 7.

sepan'ang generasi, sehingga memberikan nilai optimasi dan kekon1ergenan ang 'auh lebih baik dibandingkan tanpa menggunakan operator pelestarian kromosom. =. :aktu komputasi lebih dipengaruhi oleh operator mutasi daripada operator crossover. Pelestarian kromosom tidak terlalu mempe& ngaruhi 3aktu komputasi. Saran 1. Penggunaan operator genetik ang lain dapat di%oba sebagai bahan perbandingan hasil. 2. Melengkapi sistem dengan parameter ang belum dika'i misaln a 3aktu giling masing& masing lokasi pabrik gula, 'enis raw sugar, serta mekanisme seleksi perusahaan gula dan pabrik gula. .. Melengkapi dengan data pabrik&pabrik gula ang lain.

DA2TAR PUSTAKA 3)DSAP4 )en#er f+r De.e!+'men# +f Safe A%r+ind (#ria! Pr+*e((5 2)).. Identifi1asi dan "erifi1asi .spe1 Te1nis Penggunaan @aw Sugar 3Plantation Ahite Sugar5 sebagai Bahan Ba1u Industri =ula . +aporan Akhir. IPB, Bogor. Dai,ani5 2))1. Komputerisasi Pengambilan Keputusan. 2leF Media Komputindo, @akarta. Marimin5 2))2. Teori dan .pli1asi Sistem Pa1ar dalam Te1nologi 8anajerial. IPB Press, Bogor. Marimin5 2))7. Te1ni1 dan .pli1asi Pengambi/lan Keputusan Kriteria 8ajemu1. $rassindo, @akarta. 3Men'erinda%45 2))2. Keputusan 8enteri Perindustrian dan Perdagangan @I Co.)24 !8PP!Kep!$!'##' tentang Tata Ciaga Impor =ula. Departemen Perindustrian dan Perda& gangan "I.