PENGEMBANGAN SISTEM PENJADWALAN KEBERANGKATAN KAPAL BERBASIS WEB DENGAN ARSITEKTUR MODEL VIEW CONTROLLER MENGGUNAKAN ALGORITMA GENETIKA
Development of a Web-Based Ship Departure Scheduling System with Model-View-Controller Architecture Using Genetic Algorithm
Transportasi berperan penting dalam pendistribusian antar wilayah baik di dalam maupun di luar negeri. Berjasa juga bagi pertumbuhan ekonomi secara menyeluruh. Namun disaat pandemi Covid-19 mulai melanda, pemerintah Indonesia resmi menetapkan PSBB. Kebijakan tersebut menghambat dan membatasi distribusi di semua jalur. Hal tersebut berdampak signifikan untuk penjadwalan transportasi laut khususnya di Surabaya. Sehingga harus melakukan pengoptimalisasian penjadwalan kapal yang dilakukan dengan membagi jadwal keberangkatan secara otomatis. Oleh karena itu perlu sistem penjadwalan berbasis web untuk menginformasikan sistem penjadwalan dan juga perlu algoritma untuk mempermudah dalam menentukan pilihan terbaik. Algoritma genetika akan membantu memberikan output jadwal yang bertujuan untuk memudahkan penjadwalan. Algoritma ini melakukan pencarian dari beberapa solusi yang telah diperoleh sampai mendapatkan solusi terbaik sesuai dengan kriteria yang telah ditentukan. Algoritma ini termasuk dalam kelompok algoritma yang bersifat evolusioner, dengan melakukan pendekatan evolusi Darwin pada bidang biologi seperti pewarisan sifat, seleksi alam, mutasi gen dan kombinasi. Aplikasi algoritma genetika dapat ditemukan di berbagai bidang terutama bidangbidang yang memerlukan solusi kombinatorik. Hasil menunjukkan bahwa peneliti berhasil melakukan pengembangan sistem keberangkatan kapal menggunakan algoritma genetika dengan framework laravel. Sistem keberangkatan kapal ini merupakan pencarian solusi optimal berupa jadwal dalam bentuk kromosom. Kualitas kromosom akan ditentukan oleh nilai fitness, karena nilai fitness akan dibentuk berdasarkan batasan atau aturan penjadwalan yang ditentukan. Setiap kromosom akan dibentuk oleh beberapa gen (didasarkan iv pada komponen-komponen penjadwalan seperti kapal, agen, nahkoda serta waktu). Hasil penelitian dengan membandingkan proses generasi jadwal pada pengujian satu dan dua mendapatkan waktu kompilasi 1,37 detik dan 1,86 detik. Lalu perbandingan ratarata nilai fitness pengujian satu dan dua 0,5 detik dan 0,928 detik.
Transportation plays a crucial role in the distribution between regions, both domestically and internationally. It also significantly contributes to overall economic growth. However, when the Covid-19 pandemic began to spread, the Indonesian government officially implemented Large-Scale Social Restrictions (PSBB). This policy hindered and restricted distribution across all routes, significantly impacting maritime transportation scheduling, particularly in Surabaya. As a result, optimizing ship scheduling became necessary by automatically distributing departure schedules. Therefore, a web-based scheduling system is needed to provide scheduling information, along with an algorithm to facilitate the selection of the best possible schedule.
The genetic algorithm helps generate scheduling outputs to simplify the scheduling process. This algorithm searches through multiple solutions until it finds the best one based on predefined criteria. It belongs to the category of evolutionary algorithms, applying Darwinian evolution principles in biology, such as inheritance, natural selection, gene mutation, and recombination. The application of genetic algorithms can be found in various fields, especially those requiring combinatorial solutions.
The results indicate that the researcher successfully developed a ship departure scheduling system using a genetic algorithm with the Laravel framework. This system seeks an optimal solution in the form of schedules represented as chromosomes. The quality of a chromosome is determined by its fitness value, which is formed based on scheduling constraints or rules. Each chromosome consists of multiple genes (based on scheduling components such as ships, agents, captains, and departure times). The study compared the scheduling process between two test scenarios, resulting in compilation times of 1.37 seconds and 1.86 seconds, respectively. Additionally, the average fitness values for the two tests were 0.5 and 0.928 seconds.