Optimasi Keuntungan Pembangunan Perumahan Berdasarkan Jumlah Rumah Setiap Tipe Menggunakan Particle Swarm Optimization (PSO)

Penulis

  • Rozaq Akbar Universitas Brawijaya
  • Dian Eka Ratnawati Universitas Brawijaya
  • Sutrisno Sutrisno Universitas Brawijaya

DOI:

https://doi.org/10.25126/jtiik.201741244

Abstrak

Abstrak

Tempat tinggal merupakan kebutuhan setiap individu. Selain hal tersebut, laju pertumbuhan penduduk, serta adanya urbanisasi juga mempengaruhi banyaknya permintaan. Perumahan meupakan salah satu jawaban dalam mengatasi permintaan akan perumahan tersebut. Di Indonesia pembangunan perumahan dijalankan oleh Perumnas atau Perusahaan Umum Pembangunan Perumahan Nasional yang selanjutnya akan diteruskan oleh developer atau pengembang. Developer dalam hal ini melakukan berbagai upaya dalam mencapai keuntungan maksimal. Karena itu, dibutuhkan sistem optimasi dalam menangani masalah ini. Penggunaan Particle Swarm Optimization (PSO) akan sangat membantu dalam hal pencarian optimasi keuntungan. Dilihat dari beberapa kasus yang menggunkakan PSO, hasil yang didapatkan adalah penjadwalan sumber daya proyek yang optimal, penyusunan posisi barang dalam peti kemas yang lebih optimal, dan akurasi yang lebih baik dari fungsi keanggotaan. Sesuai dengan pengujian yang dilakukan dengan menggunakan data dari Permata Garden Regency, didapatkan jumlah keuntungan yang lebih optimal dibandingkan dengan keuntungan yang telah dicapai.

Kata kunci: Kentungan, PSO, Perumahan, Tempat Tinggal, Particle Swarm Optimization, Kebutuhan Dasar


Abstract

The residence is the every individual need. In addition, the population growth rate, as well as the urbanization also affect the number of requests. Housing is one of the answers in addressing the demand for such housing. Housing construction in Indonesia run by Perumnas or Perusahaan Umum Pembangunan Perumahan Nasional which would then be forwarded by the private sector which in this case is the developer. In this case, Developer made various efforts to achieve maximum benefit. Therefore, system optimization needed in addressing this issue. Use of Particle Swarm Optimization (PSO) will be very helpful to the search for benefit optimization. Judging from several cases using PSO, the results obtained are scheduling resources optimum project, preparation of the position of the goods in a container which is more optimal, and better accuracy in a membership function. In accordance with the testing conducted using data from the Permata Garden Regency, found the number of benefits that  more optimal than the gains that have been achieved.

Keywords: Benefit, PSO, Housing, Shelter, Particle Swarm Optimization, Basic Needs

Downloads

Download data is not yet available.

Referensi

Ashri F., Putri Y. E., & Indryani R. 2011. Optimasi Jumlah Unit Rumah Tiap Tipe Pada Perumahan Green Hill Gresik. Surabaya.

Bisilisin F. Y., Herdiyeni Y., & Silalahi B. P. 2014. Optimasi K-Means Clustering Menggunakan Particle Swarm Optimization pada Sistem Identifikasi Tumbuhan Obat Berbasis Citra. Bogor.

BUMN. Tentang Perusahaan. Tersedia di <http://bumn.go.id/perumnas/halaman/41/tentang-perusahaan.html> [Diakses 7 Februari 2016]

Erny. 2013. Optimasi Pola Penyusunan Barang dalam Peti Kemas Menggunakan Algoritma Particle Swarm Optimization. Makassar.

Kennedy J. & Eberhart R. 1995. Particle Swarm Optimization. International Conference on Neural Networks, vol. 4, Nov 1995, 19421948. New Jersey.

Mahmudy, W. F. (2014). Optimasi penjadwalan two-stage assembly flowshop menggunakan algoritma genetika yang dimodifikasi. Konferensi Nasional Sistem Informasi (KNSI), pp. 478-483.

Mahmudy, W. F. (2014). Optimasi Part Type Selection And Machine Loading Problems Pada FMS Menggunakan Metode Particle Swarm Optimization. Konferensi Nasional Sistem Informasi 2014. Makassar.

Mansur, Prahasto T., & Farikhin. 2014. Particle Swarm Optimization Untuk Sistem Informasi Penjadwalan Resource Di Perguruan Tinggi. Semarang.

Nadiasa M. 2012. Optimalisasi Pembangunan Perumahan Grand Renon Prime Residence. Denpasar.

Nidia Z. 2013. REI: Swasta Lebih Berperan Dalam Sektor Perumahan. Jakarta. Tersedia di <http://www.republika.co.id/berita/ekonomi/bisnis/13/11/20/mwjupo-rei swasta-lebih-berperan-dalam-sektor-perumahan> [Diakses 7Februari 2016]

Ratna P. P. S., Dewi C., Indriati. 2013. Implementasi Algoritma Particle Swarm Optimization Untuk Optimasi Fungsi Keanggotaan Pada Kondisi Penderita Penyakit Hepatitis. Malang.

Real Estate Indonesia. 2015. Bangun Satu Juta Rumah, REI Beri 14 Syarat ke Pemerintah. Jakarta. Tersedia di <http://www.rei.or.id/berita.php> [Diakses 7Februari 2016]

Tuegeh M., Soeprijanto A., & Hery M. P. 2009. Optimal Generator Scheduling Based On Particle Swarm Optimization. Seminar Nasional Informatika 2009 (semnasIF 2009) . Yogyakarta.

Tuegeh M., Soeprijanto A., & Hery M. P. (2009). Modified Improved Particle Swarm Optimization For Optimal Generator Scheduling. Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009). ISSN: 1907-5022. Yogyakarta.

Undang-Undang Republik Indonesia Nomor 4 Tahun 1992. 1992. Tersedia di <http://www.sjdih.depkeu.go.id/fulltext/1992/4TAHUN~1992UUPenj.htm>[Diakses 7Februari 2016]

Wati D. A. R. & Rochman Y. A. (2013). Model Penjadwalan Matakuliah Secara Otomatis Berbasis Algoritma Particle Swarm Optimization (PSO). Yogyakarta.

Zerda E. R. 2009. Analisis dan Penerapan Algoritma Particle Swarm Optimization (PSO) pada Optimasi Penjadwalan Sumber Daya Proyek. Bandung.

Unduhan

Diterbitkan

17-02-2017

Terbitan

Bagian

Teknologi Informasi

Cara Mengutip

Optimasi Keuntungan Pembangunan Perumahan Berdasarkan Jumlah Rumah Setiap Tipe Menggunakan Particle Swarm Optimization (PSO). (2017). Jurnal Teknologi Informasi Dan Ilmu Komputer, 4(1), 37-43. https://doi.org/10.25126/jtiik.201741244