Rancangan Enterprise Architecture Berbasis TOGAF ADM untuk Optimasi Sistem Navigasi Aplikasi Ojek Online

Arini Meisya; Raja Koresh Brilliant; Suellen Abelvia; Fenny Wijaya

doi:10.53697/jkomitek.v5i1.2604

Authors

Arini Meisya Universitas Tarumanagara
Raja Koresh Brilliant Universitas Tarumanagara
Suellen Abelvia Universitas Tarumanagara
Fenny Wijaya Universitas Tarumanagara

DOI:

https://doi.org/10.53697/jkomitek.v5i1.2604

Keywords:

Enterprise Architecture, TOGAF ADM, Sistem Navigasi

Abstract

Penelitian ini bertujuan untuk merancang Enterprise Architecture (EA) berbasis TOGAF ADM guna mengoptimalkan sistem navigasi dan penentuan rute dalam aplikasi ojek online. Metode yang digunakan adalah pendekatan deskriptif kualitatif dengan studi literatur serta pemodelan sistem berdasarkan tahapan TOGAF ADM. Rancangan EA mencakup empat lapisan utama, yaitu bisnis, data, aplikasi, dan teknologi, yang disusun secara terintegrasi. Pada lapisan aplikasi, diterapkan algoritma A* yang dikombinasikan dengan Reinforcement Learning (RL) untuk pengambilan keputusan rute adaptif secara real time, sehingga sistem dapat belajar dari kondisi lalu lintas aktual dan menyesuaikan jalur secara dinamis. Hasil simulasi menunjukkan bahwa pendekatan ini mampu mengurangi rata-rata waktu tempuh sebesar 17,4% dan meningkatkan akurasi estimasi kedatangan hingga 22,8% dibandingkan dengan algoritma konvensional seperti Dijkstra. Temuan ini menegaskan bahwa kombinasi metode heuristik dan pembelajaran mesin adaptif dapat meningkatkan efisiensi dan responsivitas sistem navigasi secara signifikan. Dari sisi teknologi, digunakan arsitektur mikroservis berbasis cloud dengan pemanfaatan REST API, message broker, dan container orchestration guna mendukung skalabilitas, modularitas, serta integrasi dengan sistem eksternal. Komponen edge computing juga diusulkan untuk mengurangi latensi dalam pemrosesan data real-time pada perangkat pengguna. Integrasi antara kerangka kerja TOGAF ADM dan algoritma navigasi berbasis AI memberikan kontribusi strategis dalam pengembangan sistem transportasi daring yang efisien, adaptif, dan dapat diskalakan sesuai kebutuhan. EA dalam konteks ini tidak hanya menjamin keterpaduan komponen sistem, tetapi juga memfasilitasi pengambilan keputusan yang lebih responsif terhadap dinamika lalu lintas dan permintaan pengguna. Rekomendasi lanjutan dari penelitian ini adalah pengembangan prototipe berbasis rancangan EA yang telah dibuat, serta pelaksanaan uji coba sistem dalam lingkungan operasional nyata untuk menilai efektivitas dan keberterimaan sistem oleh pengguna secara lebih empiris.

References

Almasan, P., Barlet-Ros, P., & Cea, G. (2019). Deep RL Meets GNN for Routing Optimization. arXiv preprint arXiv:1910.07421

Alwadain, A., Fielt, E., & Rosemann, M. (2020). Enterprise Architecture and Digital Transformation. Journal of Strategic Information Systems, 29(2). https://doi.org/10.1016/j.jsis.2020.101641

Aradi, S. (2020). Survey of Deep RL for Autonomous Vehicles. arXiv preprint arXiv:2001.07274

Crystrie, D. A., & Adhianur, S. (2022). Pengaruh Inovasi Ojek Menjadi Ojek Online Pada Ekonomi Kreatif Di Era Revolusi Industri 4.0: (Studi Kasus Pada Masyarakat Kota Tasikmalaya). Parta: Jurnal Pengabdian Kepada Masyarakat, 3(1), 52–59. https://doi.org/10.38043/parta.v3i1.3573

DKI Jakarta Smart City. (2021). About Jakarta Smart City. Jakarta Provincial Government. https://smartcity.jakarta.go.id

Hayeri Khyavi, M., et al. (2024). IoT and Enterprise Architecture Synergy. EAI Transactions on IoT, 10. https://doi.org/10.4108/eetiot.4366

Hindarto, D. (2023). Customer Service EA in Transport Industry. CNAPC, 5(2), 2744. https://doi.org/10.47709/cnahpc.v5i2.2744

Inzillo, V., Garompolo, D., & Giglio, C. (2024). Dynamic Source Routing in 6G Smart Cities. Smart Cities, 7(5), 3022–3054. https://doi.org/10.3390/smartcities7050118

Kiran, B. R., et al. (2020). Deep RL for Autonomous Driving: A Survey. IEEE Transactions on Intelligent Transportation Systems. https://doi.org/10.1109/TITS.2020.3048575

Kohoutová, V., & Řepa, V. (2021). Digital Architecture in Startups. In A. Zimmermann, R. J. Howlett, & L. Jain (Eds.), Human Centered Intelligent Systems (Smart Innovation, Systems and Technologies, Vol. 189, pp. 365–376). Springer. https://doi.org/10.1007/978-981-15-5784-2_30

Kornyshova, E., & Barrios, J. (2021). Process-oriented Knowledge Representation of the Requirement Management Phase of TOGAF-ADM: an Empirical Evaluation. Procedia Computer Science, 192, 2239–2248. https://doi.org/10.1016/j.procs.2021.08.237

Liu, Z., He, Y., Demian, P., & Osmani, M. (2024). Immersive Technology and Building Information Modeling (BIM) for Sustainable Smart Cities. Buildings, 14(6), 1765. https://doi.org/10.3390/buildings14061765

Pangestu, A. (2021). Enterprise architecture planning using the TOGAF ADM in DISPORA of Salatiga City. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 8(2), 826–836. https://doi.org/10.35957/jatisi.v8i2.879

Pradana, A. I., Harsanto, H., & Wijiyanto, W. (2024). Deteksi Rambu Lalu Lintas Real-Time di Indonesia dengan Penerapan YOLOv11: Solusi Untuk Keamanan Berkendara. Jurnal Algoritma, 21(2), 145–155. https://doi.org/10.33364/algoritma/v.21-2.2106

Praharto, S., & Yohanis, A. R. (2025). Implementing TOGAF Enterprise Architecture in Indonesia’s Merchant Acquiring Industry: A Framework for Digital Transformation. Sinkron: jurnal dan penelitian teknik informatika, 9(2), 721–733. https://doi.org/10.33395/sinkron.v9i2.14668

Prasetyo, B., & Dewi, R. (2022). Evaluasi Kinerja Algoritma Dijkstra dan A pada Aplikasi Navigasi Ojek Online. Jurnal Ilmu Komputer dan Informatika (JIKI). https://jiki.cs.ui.ac.id/article/view/112

Pratiwi, E. A., Octavia, A. S., Loysiana, A. A., Afifah, F. N., & Tarwoto. (2025). Perancangan Enterprise Architecture Pada Rumah Sakit Umum Harapan Ibu Purbalingga Menggunakan Framework TOGAF. Jurnal JTIK, 9(2), 573–584. https://doi.org/10.35870/jtik.v9i2.3349

Prawira, D. Y., Kurniawan, R. D., Indrajit, R., & Dazki, E. (2023). Enterprise Architecture Design Using TOGAF ADM: The Case of KotaKita. Jurnal Teknologi Sistem Informasi dan Aplikasi, 6(2), 81–87. https://doi.org/10.32493/jtsi.v6i2.29416

Purnomo, B. R., Angela, J., Hanafi, M. M., Junarsin, E., Pelawi, R. Y., Ciptono, W. S., Lusiantoro, L., Indarti, N., Manik, H. F. G. G., Virgionita, R., Herani, R., Suprihanto, J., & Putri, L. P. (2024). Manajemen di Era Digital: Perspektif Keuangan, Inovasi, dan UMKM (B. R. Purnomo, J. Angela, & N. Indarti, Ed.; Cetakan Pertama). Gadjah Mada University Press.

Rasheedh, J. A., & Saradha, S. (2022). Design and Development of Resilient Microservices Architecture for Cloud Based Applications using Hybrid Design Patterns. Indian Journal of Computer Science and Engineering, 13(2), 365–378. https://doi.org/10.21817/indjcse/2022/v13i2/221302067

Riad, A., Tounsi, S., & Khadraoui, D. (2021). Microservices Architecture for Smart Mobility. Journal of Grid Computing, 19(3). https://doi.org/10.1007/s10723-021-09561-6

Sari, N., Maita, I., Syaifullah, & Megawati. (2023). Perancangan Enterprise Architecture Menggunakan TOGAF ADM dalam kasus Dinas Perhubungan Kota Pekanbaru. Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi, 6(1), hlm. XX–YY.

Shaikh, A., Bhalekar, B., & Futane, P. (2024). Dynamic Traffic Management using Reinforcement Learning. International Journal of Computing and Digital Systems, 15(1). https://doi.org/10.12785/ijcds/150171

Sinaga, J. T. (2025). Penelitian Artificial Intelligence untuk Satelit Komunikasi menggunakan Jaringan Syaraf Tiruan (JST). Jurnal Terapan Teknologi Informasi, 8(2), 71–83. https://doi.org/10.21460/jutei.2024.82.334

Tahir, A., Arif, F., & Bashir, S. (2020). Real-Time Traffic Management Using RL and Microservices. Journal of Cloud Computing, 9(1). https://doi.org/10.1186/s13677-020-00194-6

The Open Group. (2022). TOGAF® Standard, Version 10. https://www.opengroup.org/togaf

Trisnawan, I. N., Kurniasih, D., & Hubeis, M. (2022). Pelayanan Publik Berbasis Digital. Deepublish. https://www.deepublish.co.id

Zhan, X., Szeto, W. Y., Shui, C. S., & Chen, X. (Michael). (2021). A modified artificial bee colony algorithm for the dynamic ride-hailing sharing problem. Transportation Research Part E: Logistics and Transportation Review, 150, 102124. https://doi.org/10.1016/j.tre.2020.102124

Zhang, H., Lee, S., & Patel, J. (2024). Traffic Signal Control via Reinforcement Learning: A Review on Applications and Innovations. Journal of Intelligent Transportation Systems, 10(5), 114. https://doi.org/10.3390/24123811/10/5/114

Zhao, L., & Zhu, M. (2023). MS-YOLOv7: YOLOv7 based on multi-scale for object detection on UAV aerial photography. Drones, 7(3), 188. https://doi.org/10.3390/drones7030188