3. METODOLOGI PENELITIAN

3.1. Diagram Alir Metodologi Penelitian

Langkah pertama adalah studi literatur mengenai karakteristik, kelebihan,

dan kekurangan algoritma symbiotic organisms search (SOS) dan algoritma crow

search algorithm (CSA). Langkah kedua adalah merumuskan algoritma enhanced

symbiotic organisms search (ESOS).

Langkah ketiga adalah penulisan/ pembuatan program komputer

berdasarkan algoritma yang telah dimodifikasi untuk penelitian ini. Pemrograman

dilakukan dengan menggunakan program MATLAB untuk perhitungan numerik

dan penampilan grafik.

Langkah keempat adalah melakukan verifikasi hasil program dengan

membandingkan solusi yang didapatkan dari metode ESOS dengan metode-metode

lainnya terhadap penyelesaian sejumlah permasalahan struktur rangka batang. Dari

hasil tersebut, dapat diambil kesimpulan mengenai penelitian dan pengembangan

metode SOS ini.

Langkah terakhir adalah melakukan dokumentasi serta publikasi hasil

penelitian. Secara singkat, kelima langkah tersebut digambarkan dalam diagram alir

metodologi penelitian yang dapat dilihat pada Gambar 3.1. sebagai berikut:

Gambar 3.1. Diagram alir metodologi penelitian.

Start

Studi Literatur

Model Architecture

Model Verification

Aplikasi Desain dengan SNI

Pembuatan Laporan dan Publikasi Hasil Penelitian

Finish

Universitas Kristen Petra

19

Kemudian secara lengkap, langkah-langkah yang telah dijelaskan di atas

ditunjukkan dalam bentuk pseudocode sebagai berikut:

Langkah I: Tentukan masalah optimasi, bertujuan memperkecil fitness, ekosistem awal (popsize), kriteria awal (FE dan run), dan kriteria terminasi (FEmax).

Langkah II: Membentuk ekosistem awal secara random sesuai batas nilai

maksimum dan minimumnya. Langkah III: Memilih organisme terbaik berdasarkan fitness yang dimiliki. Langkah IV: Menentukan nilai parameter awal (FE = 0) dan memulai running

optimasi. while (FE to FEmax)

𝒇𝒇𝒇𝒇𝒇𝒇 𝑟𝑟𝑟𝑟𝑟𝑟 = 1 𝑡𝑡𝑡𝑡 𝑧𝑧

Langkah V: Fase mutualisme 𝑀𝑀𝑀𝑀 = 𝑥𝑥𝑚𝑚+𝑥𝑥𝑛𝑛

2

𝐵𝐵𝐵𝐵1 = 1 + 𝑟𝑟𝑡𝑡𝑟𝑟𝑟𝑟𝑟𝑟[𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟(0, 1)] 𝐵𝐵𝐵𝐵2 = 1 + 𝑟𝑟𝑡𝑡𝑟𝑟𝑟𝑟𝑟𝑟[𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟(0, 1)] 𝑥𝑥𝑚𝑚′ = 𝑥𝑥𝑚𝑚 + [𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟(0, 1)] ∗ [𝑥𝑥𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏 − (𝐵𝐵𝐵𝐵1 ∗ 𝑀𝑀𝑀𝑀)] 𝑥𝑥𝑛𝑛′ = 𝑥𝑥𝑛𝑛 + [𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟(0, 1)] ∗ [𝑥𝑥𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏 − (𝐵𝐵𝐵𝐵2 ∗ 𝑀𝑀𝑀𝑀)]

𝒊𝒊𝒇𝒇 𝑓𝑓𝑓𝑓𝑡𝑡𝑟𝑟𝑓𝑓𝑓𝑓𝑓𝑓(𝑥𝑥′𝑚𝑚) < 𝑓𝑓𝑓𝑓𝑡𝑡𝑟𝑟𝑓𝑓𝑓𝑓𝑓𝑓(𝑥𝑥𝑚𝑚) 𝑥𝑥𝑚𝑚 = 𝑥𝑥′𝑚𝑚

𝒆𝒆𝒆𝒆𝒆𝒆 𝒊𝒊𝒇𝒇

𝒊𝒊𝒇𝒇 𝑓𝑓𝑓𝑓𝑡𝑡𝑟𝑟𝑓𝑓𝑓𝑓𝑓𝑓(𝑥𝑥′𝑛𝑛) < 𝑓𝑓𝑓𝑓𝑡𝑡𝑟𝑟𝑓𝑓𝑓𝑓𝑓𝑓(𝑥𝑥𝑛𝑛)

𝑥𝑥𝑛𝑛 = 𝑥𝑥′𝑛𝑛

𝒆𝒆𝒆𝒆𝒆𝒆 𝒊𝒊𝒇𝒇

𝐵𝐵𝐹𝐹 = 𝐵𝐵𝐹𝐹 + 2

Langkah VI: Fase komensalisme 𝑥𝑥𝑚𝑚′ = 𝑥𝑥𝑚𝑚 + [𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟(0, 1)] ∗ [𝑥𝑥𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏 − (𝐵𝐵𝐵𝐵1 ∗ 𝑀𝑀𝑀𝑀)]

𝒊𝒊𝒇𝒇 𝑓𝑓𝑓𝑓𝑡𝑡𝑟𝑟𝑓𝑓𝑓𝑓𝑓𝑓(𝑥𝑥′𝑚𝑚) < 𝑓𝑓𝑓𝑓𝑡𝑡𝑟𝑟𝑓𝑓𝑓𝑓𝑓𝑓(𝑥𝑥𝑚𝑚) 𝑥𝑥𝑚𝑚 = 𝑥𝑥′𝑚𝑚

𝒆𝒆𝒆𝒆𝒆𝒆 𝒊𝒊𝒇𝒇

𝐵𝐵𝐹𝐹 = 𝐵𝐵𝐹𝐹 + 1 𝒊𝒊𝒇𝒇 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟(0, 1) < 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟(0, 1)

Langkah VII: Fase kleptoparasitisme 𝑟𝑟𝑓𝑓 = 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟(0, 1) 𝑓𝑓𝑓𝑓 = 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟(−2, 2)

𝑐𝑐𝑡𝑡𝑓𝑓𝑓𝑓 = 𝑟𝑟𝑓𝑓 ∗ 𝑓𝑓𝑓𝑓 𝑥𝑥𝑚𝑚′ = 𝑥𝑥𝑚𝑚 + 𝑐𝑐𝑡𝑡𝑓𝑓𝑓𝑓 ∗ (𝑥𝑥𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏 − 𝑥𝑥𝑚𝑚)

𝒊𝒊𝒇𝒇 𝑓𝑓𝑓𝑓𝑡𝑡𝑟𝑟𝑓𝑓𝑓𝑓𝑓𝑓(𝑥𝑥′𝑚𝑚) < 𝑓𝑓𝑓𝑓𝑡𝑡𝑟𝑟𝑓𝑓𝑓𝑓𝑓𝑓(𝑥𝑥𝑚𝑚) 𝑥𝑥𝑚𝑚 = 𝑥𝑥′𝑚𝑚

Universitas Kristen Petra

20

𝒆𝒆𝒆𝒆𝒆𝒆 𝒊𝒊𝒇𝒇

𝐵𝐵𝐹𝐹 = 𝐵𝐵𝐹𝐹 + 1 𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆 𝒊𝒊𝒇𝒇

Langkah VII: Fase parasitisme

𝑃𝑃𝑀𝑀 = 𝑥𝑥𝑚𝑚 𝒊𝒊𝒇𝒇 𝑓𝑓𝑓𝑓𝑡𝑡𝑟𝑟𝑓𝑓𝑓𝑓𝑓𝑓(𝑃𝑃𝑀𝑀) < 𝑓𝑓𝑓𝑓𝑡𝑡𝑟𝑟𝑓𝑓𝑓𝑓𝑓𝑓(𝑥𝑥𝑛𝑛)

𝑥𝑥𝑛𝑛 = 𝑃𝑃𝑀𝑀 𝒆𝒆𝒆𝒆𝒆𝒆 𝒊𝒊𝒇𝒇

𝒆𝒆𝒆𝒆𝒆𝒆 𝒊𝒊𝒇𝒇 𝐵𝐵𝐹𝐹 = 𝐵𝐵𝐹𝐹 + 1

Langkah VIII: Pengecekan apakah kriteria terminasi sudah terpenuhi 𝒊𝒊𝒇𝒇 𝐵𝐵𝐹𝐹 ≥ 𝐵𝐵𝐹𝐹𝑚𝑚𝑚𝑚𝑥𝑥 𝑏𝑏𝑟𝑟𝑓𝑓𝑟𝑟𝑏𝑏 𝒆𝒆𝒆𝒆𝒆𝒆 𝒊𝒊𝒇𝒇

𝒆𝒆𝒆𝒆𝒆𝒆 𝒇𝒇𝒇𝒇𝒇𝒇 𝒆𝒆𝒆𝒆𝒆𝒆 𝒘𝒘𝒘𝒘𝒊𝒊𝒆𝒆𝒆𝒆

Keterangan:

fitness = nilai optimum dari interaksi antar organisme x;

popsize = jumlah variasi ekosistem yang ditentukan di awal running;

FE = evaluasi nilai fitness yang dilakukan di tiap akhir fase;

FEmax = stopping criteria dari iterasi dalam sekali running;

run = jumlah running yang dilakukan sampai bilangan bulat z;

MV = MutualVector, koefisien hubungan karakteristik antar organisme

dalam fase mutualisme;

BF1 = benefit factor, nilai keuntungan organisme pertama dari interaksi

pada simbiosis mutualisme;

BF2 = benefit factor, nilai keuntungan organisme kedua dari interaksi pada

simbiosis mutualisme;

𝑥𝑥𝑚𝑚 = organisme pertama dalam fase mutualisme, organisme yang

diuntungkan dalam fase komensalisme, atau organisme parasit

dalam fase parasitisme;

𝑥𝑥𝑛𝑛 = organisme kedua dalam fase mutualisme, organisme yang tidak

diuntungkan maupun dirugikan dalam fase komensalisme, atau

organisme inang dari parasit dalam fase parasitisme;

rand(0,1) = nilai acak antara 0 dan 1;

Universitas Kristen Petra

21

𝑥𝑥𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏 = organisme terbaik yang ditentukan dari nilai fitness terkecil;

𝑥𝑥′𝑚𝑚 = organisme pertama (baru) dalam fase mutualisme, organisme yang

diuntungkan (baru) dalam fase komensalisme, atau organisme

parasit (baru) dalam fase parasitisme;

𝑥𝑥′𝑛𝑛 = organisme kedua (baru) dalam fase mutualisme, organisme yang tidak

diuntungkan maupun dirugikan (baru) dalam fase komensalisme,

atau organisme inang dari parasit (baru) dalam fase parasitisme;

rand(-2,2) = nilai acak antara -2 dan 2;

coef = koefisien coef yang digunakan dalam algoritma parasitisme; dan

PV = duplikasi dari organisme parasit dalam fase parasitisme dan penentu

keberhasilan organisme parasit dalam membunuh inangnya.

3.2. Modifikasi Algoritma

Langkah pertama adalah menyusun algoritma kleptoparasitisme. Langkah

kedua adalah modifikasi metode SOS yang berada pada improvisasi fase

parasitisme dengan meyisipkan subfase baru bernama kleptoparasitisme. Sehingga

baik parasitisme maupun kleptoparasitisme menjadi subfase dalam fase ketiga.

Langkah terakhir adalah pengajuan metode ESOS sebagai hasil modifikasi

dan improvisasi dari metode SOS konvensional. Secara singkat, ketiga langkah

tersebut digambarkan dalam diagram alir modifikasi algoritma yang dapat dilihat

pada Gambar 3.2. sebagai berikut:

Gambar 3.2. Diagram alir modifikasi algoritma.

Start

Algoritma Kleptoparasitisme

Modifikasi Fase Parasitisme

Metode ESOS

Finish

Universitas Kristen Petra

22

3.3. Metode Enhanced Symbiotic Organisms Search (ESOS)

Metode Enhanced Symbiotic Organisms Search (ESOS) adalah metode

baru yang ditemukan atas modifikasi dari metode SOS yang ditemukan oleh Cheng

dan Prayogo (2014). Metode SOS mempunyai tiga fase simbiosis seperti yang

sudah dijelaskan pada subbab 2.3. diatas, sementara metode ESOS mempunyai

empat fase. Fase keempat dari metode ESOS bernama kleptoparasitisme, yang

algoritmanya diadopsi dari metode Crow Search Algorithm (CSA) yang diciptakan

oleh Askarzadeh (2016). Penilitian CSA terinspirasi dari perilaku cerdik burung

gagak yang menyimpan cadangan makanan mereka di tempat persembunyian dan

dapat sewaktu-waktu diambil kembali saat dibutuhkan.

Pada fase kleptoparasitisme, beberapa algoritma CSA membantu

meningkatkan performa pencarian dengan mencari di search space yang dekat

dengan solusi eksaknya. Ekosistem akan secara otomatis melewati fase mutualisme

dan komensalisme secara berurutan, tetapi akan secara acak masuk ke dalam fase

parasitisme atau kleptoparasitisme (tergantung random). Adapun ri adalah angka

acak dengan distribusi normal antara 0 dan 1. Nilai acak ri mengikuti nilai yang

ditentukan oleh Askarzadeh (2016) dalam penelitiannya, yang dapat dilihat pada

persamaan (3.1).

𝑟𝑟𝑓𝑓 = 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟(0,1) (3.1)

Kemudian fl adalah jarak jangkauan antara organisme ke-m dalam satu kali

running. Nilai fl ditentukan oleh peneliti sendiri dengan mengambil angka acak

dengan distribusi normal antara -2 dan 2. Ada kemungkinan pengambilan angka

acak untuk fl yang menghasilkan performa pencarian yang lebih baik, namun

peneliti belum melakukan hal tersebut karena keterbatasan waktu yang dimiliki.

Definisi fl dapat dilihat pada persamaan (3.2).

𝑓𝑓𝑓𝑓 = 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟(−2,2) (3.2)

Adapun coef adalah koefisien dari selisih nilai yang dimiliki oleh organisme

terbaik dan organisme ke-m, yang dapat dilihat pada persamaan (3.3) dan organisme

ke-m yang baru didapatkan melalui persamaan (3.4) dapat dilihat sebagai berikut:

𝑐𝑐𝑡𝑡𝑓𝑓𝑓𝑓 = 𝑟𝑟𝑓𝑓 ∗ 𝑓𝑓𝑓𝑓 (3.3)

𝑥𝑥𝑚𝑚′ = 𝑥𝑥𝑚𝑚 + 𝑐𝑐𝑡𝑡𝑓𝑓𝑓𝑓 ∗ (𝑥𝑥𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏 − 𝑥𝑥𝑚𝑚) (3.4)

Universitas Kristen Petra

23

Hubungan permasalahan rangka batang (subbab 2.2.) dengan istilah-istilah

biologi dalam ESOS (subbab 2.3. dan 3.3.) akan dijelaskan secara sederhana

melalui Tabel 3.1. sebagai berikut:

Tabel 3.1. Tabel Hubungan Istilah Biologi (ESOS) dan Struktur Rangka Batang.

3.4. Verifikasi Algoritma dengan Benchmark Problem

Tabel benchmark problem matematis digunakan untuk verifikasi solusi

optimum dari ESOS, seperti yang terlihat pada Tabel 3.2. sebagai berikut:

Istilah-istilah Biologi (dalam ESOS) Struktur Rangka Batang

organism matriks baris berisi nilai-nilai

variabel x

matriks baris berisi ukuran profil-

profil dalam struktur

fitness nilai fungsi dari matriks baris

berisi nilai-nilai variabel x

berat struktur dari matriks baris

berisi ukuran profil-profil dalam

struktur

bestFitness

nilai fungsi terminimum dari

beberapa nilai fungsi dari

matriks baris berisi nilai-nilai

variabel x

berat struktur teringan dari

beberapa matriks baris berisi

ukuran profil-profil dalam

struktur

bestOrganism

satu matriks baris berisi nilai-

nilai variabel x yang dapat

menghasilkan nilai fungsi

terminimum

satu matriks baris berisi ukuran

profil-profil dalam struktur yang

dapat menghasilkan berat struktur

teringan

run jumlah satu siklus perhitungan

dalam metode ESOS

jumlah pencarian berat struktur

teringan

FE evaluasi yang dilakukan dalam

siklus perhitungan nilai fungsi

dalam metode ESOS

evaluasi yang dilakukan dalam

pencarian berat struktur yang

teringan

FEmax

batas maksimum

pengevaluasian nilai fungsi

dalam siklus perhitungan

metode ESOS

batas maksimum pengevaluasian

berat struktur dalam pencarian

yang teringan

Universitas Kristen Petra

24

(D: D

imen

sion

s, M

: Mul

timod

al, N

: Non

-Sep

arab

le, U

: Uni

mod

al, S

: Sep

arab

le).

Tabe

l 3.2

. Tab

el B

ench

mar

k Fu

nctio

n (C

heng

dan

Pra

yogo

, 201

4).

Universitas Kristen Petra

25

Universitas Kristen Petra 26

3.5. Verifikasi Algoritma dengan Truss Structure Problem

Lima truss structure problem (tiga struktur planar dan dua struktur spasial)

diajukan untuk membandingkan solusi optimum dari metode ESOS dengan solusi

dari metode-metode lainnya. Material properties dari lima struktur tersebut

tercantum pada Tabel 3.3. dan Tabel 3.4. dan ilustrasinya dapat dilihat pada Gambar

3.3. sampai Gambar 3.7. sebagai berikut:

Tabel 3.3.Tabel Material Properties untuk Struktur-struktur Rangka Batang

berdasarkan Syarat Umum Desain (Literatur-literatur).

Number n-truss Type ρ (lb/in3) E (ksi) Δ

(in) σ

(ksi) D (in2)

[min, max] 1 10 P 0.10 1 × 104 2.00 25 [1.62, 33.50] 2 25 S 0.10 1 × 104 0.35 40 [0.10, 3.40] 3 52 P 0.28 3 × 104 - 25 [0.10, 33.50] 4 72 S 0.10 1 × 104 2.00 25 [0.10, 3.20] 5 200 P 0.28 3 × 104 - 10 [0.10, 33.70]

Tabel 3.4.Tabel Material Properties untuk Struktur-struktur Rangka Batang

berdasarkan SNI 1729:2015.

Number n-truss Type ρ (lb/in3) E (ksi) Δ

(in) σ

(ksi) D (in2)

[min, max] 1 10 P

0.28 2.9 × 104 - 35

[1.62, 33.50] 2 25 S [0.10, 3.40] 3 52 P [0.10, 33.50] 4 72 S [0.10, 3.20] 5 200 P [0.10, 33.70]

Keterangan:

P = plane, struktur rangka batang planar (dua dimensi);

S = space, struktur rangka batang spasial (tiga dimensi);

ρ = berat jenis material profil rangka batang;

E = modulus elastisitas material profil rangka batang;

Δ = displacement izin untuk struktur rangka batang;

σ = stress izin untuk struktur rangka batang; dan

D = batas terkecil dan terbesar untuk profil rangka batang (diambil dari

Tabel Baja karangan Ir. Rudy Gunawan).

Universitas Kristen Petra

27

Gambar 3.3. Struktur rangka 10-batang planar.

Gambar 3.4. Struktur rangka 25-batang spasial.

Gambar 3.5. Struktur rangka 52-batang planar.

Universitas Kristen Petra

28

Gambar 3.6. Struktur rangka 72-batang spasial.

Gambar 3.7. Struktur rangka 200-batang planar.

Universitas Kristen Petra

29

3.6. Program Optimasi Struktur Rangka Batang

Pemrograman yang dilakukan dalam penelitian ini menggunakan bahasa

pemrograman bernama MathWorks Matlab. Secara garis besar, terdapat dua

metode inti yang digunakan dan digabungkan, yaitu metode direct stiffness method

(DSM) dan metode metaheuristik. DSM telah dibahas dalam subbab 2.1. mengenai

analisa struktur rangka batang, bertujuan untuk menghitung tegangan pada batang

dan defleksi pada joint struktur.

Sementara metode metaheuristik khususnya mengenai metode SOS dan

ESOS telah dibahas dalam subbab 2.3., 2.4., 3.1., 3.2., dan 3.3. Metode

metaheuristik digunakan untuk mencari profil-profil batang yang paling efisien

untuk digunakan. Kemudian masalah optimasi yang digunakan berupa lima struktur

rangka batang planar maupun spasial. Struktur-struktur rangka batang tersebut

diambil dari jurnal-jurnal sebagai literatur penelitian ini dan telah dibahas pada

subbab 3.5. di atas.

Selain program DSM dan lima program metode metaheuristik (PSO, DE,

TLBO, SOS, dan ESOS) yang dibuat menggunakan bahasa pemrograman Matlab,

adapun data-data mengenai tiap struktur rangka batang yang ditulis ke dalam

program spreadsheet Microsoft Excel. Data-data tersebut berlaku sebagai input-an

agar program optimasi dapat dijalankan. Sehingga program dan data-data tersebut

berintegrasi untuk menghasilkan struktur dengan berat yang paling efektif

(minimum) namun tidak melanggar batasan-batasan pada syarat umum desain

(kasus-kasus dalam literatur) dan Standar Nasional Indonesia (SNI) 1729:2015

(terdapat pada subbab 2.2.).

Adapun proses berjalannya program optimasi akan dijelaskan secara

sederhana sebagai berikut:

1. Membuat input-an untuk setiap struktur rangka batang (struktur-

struktur terdapat pada subbab 3.5.) agar dapat digunakan pada

metode DSM, antara lain:

a. Koordinat joint struktur;

b. Nomor-nomor batang;

c. Pengelompokkan batang;

d. Konektivitas batang;

Universitas Kristen Petra

30

e. Jenis perletakan untuk semua joint; dan

f. Arah dan besar beban pada joint tertentu.

2. Menentukan parameter-parameter untuk semua metode

metaheuristik yang digunakan sebagai konstanta optimasi, seperti:

a. Jumlah populasi (variasi baris matriks);

b. Jumlah iterasi maksimum/ yang dapat terjadi;

c. Batas minimum dan maksimum profil batang; dan

d. Koefisien-koefisien khusus untuk beberapa metode.

3. Mencatat profil-profil awal yang dipilih secara acak (random) dari

tabel baja ke dalam struktur rangka batang.

4. Menghitung nilai fitness value awal yaitu berat struktur dari proses

pada poin ke-3 di atas.

5. Meng-update profil-profil awal menjadi profil-profil baru yang

sudah melalui proses pemilihan menggunakan metode metaheuristik

(cara memilih profil-profil dapat berbeda antara satu metode dengan

metode lainnya).

6. Menghitung kembali nilai fitness value (berat struktur) dari proses

pada poin ke-5 di atas.

7. Mencari tegangan batang dan defleksi joint struktur yang terjadi

menggunakan metode DSM berdasarkan profil-profil baru dari

proses pada poin ke-5 di atas.

8. Membandingkan tegangan batang dan defleksi joint dengan

menggunakan:

a. Syarat umum desain (dari kasus-kasus dalam jurnal literatur)

dan

b. Standar Nasional Indonesia (SNI) 1729:2015 (terdapat pada

subbab 2.2.).

9. Memberi tanda pada profil-profil yang melanggar syarat tegangan,

defleksi, dan syarat lainnya dengan nilai yang tak terhingga

(constraint violation, bernilai > 0 semakin buruk). Sehingga, profil-

profil yang dinilai tidak dapat digunakan tersebut menjadi tidak

dapat terpilih pada iterasi berikutnya.

Universitas Kristen Petra

31

10. Menghitung kembali nilai fitness value (berat struktur) dari proses

pada poin ke-8 dan ke-9 di atas.

11. Mengulangi proses iterasi dari poin ke-5 sampai ke-10 sampai

jumlah maksimal iterasi yang ditentukan.

12. Hasil berjalannya (sebanyak 30 kali mengikuti jurnal-jurnal

literatur) program optimasi oleh tiap metode, antara lain:

a. Berat terbaik (teringan) di antara jumlah running yang

ditentukan;

b. Rata-rata dari semua jumlah running yang ditentukan;

c. Standar deviasi dari semua jumlah running yang ditentukan;

d. Ukuran luas penampang profil-profil untuk tiap batang;

e. Nilai-nilai konvergensi dari sekali run (diambil/ diwakili

pada run terakhir);

f. Nilai-nilai defleksi dari tiap joint struktur.

g. Nilai-nilai tegangan dari tiap batang;

h. Nilai-nilai kapasitas dari tiap batang; dan

i. Constraint violations, yaitu persentase pelanggaran yang

dihasilkan oleh desain terhadap aspek yang ditinjau (seperti

defleksi dan tegangan). Semakin kecil nilai persentase

constraint violation, maka desain tersebut dapat dikatakan

baik karena memenuhi batasan-batasan yang disyaratkan.

Nilai-nilai tersebut juga digunakan dan dapat berfungsi sebagai

parameter untuk membandingkan robustness dari masing-

masing metode metaheuristik dalam mengoptimasi setiap

struktur rangka batang.

Kemudian diagram alir untuk proses pengolahan data dari poin ke-1 sampai

ke-12 juga digambarkan dalam diagram alir proses pengolahan data yang dapat

dilihat pada Gambar 3.8. sebagai berikut:

Universitas Kristen Petra

32

Gambar 3.8. Diagram alir proses pengolahan data.

Start

Studi Kasus Struktur Rangka Batang

Metode DSM dan Metaheuristik

Menghitung berat struktur

Mencatat hasil-hasil running

Membandingkan hasil-hasil running dari semua metode

Finish

Universitas Kristen Petra

33