ANALISA PENCARIAN JALUR TERPENDEK KE PENGINAPAN DI KOTA BATAM DENGAN MENGGUNAKAN ALGORITMA ANT COLONY StudiKasus: DinasPariwisata Kota Batam

Transkripsi

1 ANALISA PENCARIAN JALUR TERPENDEK KE PENGINAPAN DI KOTA BATAM DENGAN MENGGUNAKAN ALGORITMA ANT COLONY StudiKasus: DinasPariwisata Kota Batam DwiRatnaFitriyani Mahasiswa Informatika, FT UMRAH, ABSTRAK Kota Batam merupakan salah satu kota dengan pertumbuhan terpesat di Indonesia. Kota Batam memiliki luas ± 45 Km 2 atau sekitar Ha (batamkota.go.id). Dengan luas yang seperti itu membuat Kota Batam menjadi pusat perdagangan internasional, hal inilah yang menjadi salah satu alasan kenapa banyak pengunjung dari daerah luar Kota Batam baik domestik maupun internasional. Berdasarkan uraian tersebut dapat terlihat dengan jelas bahwa betapa banyaknya minat para pendatang untuk sekedar berkunjung bahkan menetap di Kota Batam. Karena itu, dibutuhkan suatu sistem dalam pencarian jalur terpendek menuju penginapan untuk memaksimalkan waktu yang ada. Dalam proses penganalisaan sistem ini, maka peneliti menggunakan Algoritma Ant Colony untuk menentukan jalur terpendek ke penginapan yang ada di Kota Batam. Algoritma Ant Colony termasuk teknik pencarian multi agent untuk menyelesaikan permasalahan optimasi, khususnya kombinatorial yang terinspirasi dari tingkah laku semut dalam suatu koloni. Penerapan Algoritma Ant Colony pada penelitian ini didapat jalur alternative atau jalur terpendek untuk menuju ke penginapan dikarenakan seluruh jalur telah dilewati agar dapat menghasilkan jalur yang optimal. Kata kunci: Kota Batam, Ant Colony, Jalur Terdekat, Algoritma, Penginapan ABSTRACT Batam is one of the fastest growing cities in Indonesia. Batam city has an area of ± 45 km2 or about 4,500 hectares (batamkota.go.id). With such vast makes Batam city became the center of international trade, it is this which is one reason why many visitors from outside the area of Batam both domestically and internationally. Based on these descriptions can be seen clearly that how much interest the newcomers for a visit even settled in the city of Batam. Therefore, we need a system in search of the shortest path to the inn to maximize the time available. In the process of analyzing this system, the researchers used Ant Colony Algorithm to determine the shortest path to the inn in the city of Batam.Ant Colony Algorithm including multi-agent search techniques to solve optimization problems, in particular combinatorial inspired by the behavior of ants in a colony. Implementation of Ant Colony Algorithm in this study obtained alternative path or shortest path to get to the inn because the whole track has been skipped in order to produce an optimal path. Keywords: Batam, Ant Colony, Shortest Path, Algorithms, Lodging

2 I. PENDAHULUAN. Latar Belakang Batam merupakan salah satu pulau yang berada diantara perairan Selat Malaka dan Selat Singapura. Kota Batam merupakan salah satu kota dengan pertumbuhan terpesat di Indonesia. Kota Batam memiliki luas Km2 atau sekitar Ha (batamkota.go.id). Dengan luas yang seperti itu membuat Kota Batam menjadi pusat perdagangan internasional, hal inilah yang menjadi salah satu alasan kenapa banyak pengunjung dari daerah luar Kota Batam baik lokal maupun non-lokal. Berdasarkan uraian tersebut dapat terlihat dengan jelas bahwa betapa banyaknya minat para pendatang untuk sekedar berkunjung bahkan menetap di Kota Batam. Karena itu, dibutuhkan suatu sistem dalam pencarian jalur terdekat menuju penginapan untuk memaksimalkan waktu yang ada. Dalam proses penganalisaan sistem ini, maka peneliti menggunakan Algoritma ANT untuk menentukan jalur terpendek ke penginapan yang ada di Kota Batam. Algoritma ANT atau dalam dalam bahasa indonesia disebut Algoritma Semut. Algoritma ANT merupakan algoritma yang dimunculkan sebagai suatu pendekatan multi-agen terhadap optimasi berbagai permasalahan yang berkaitan dengan graf. Algoritma ANT diadopsi dari perilaku koloni semut yang dikenal sebagai sistem semut (Dorigo, 996). Dengan uraian diatas, maka peneliti akan melakukan penelitiannya yang berjudul Analisa Pencarian Jalur Terpendek Ke Penginapan di Kota Batam Dengan Menggunakan Algoritma ANT Colony. II. TINJAUAN PUSTAKA 2. Kajian Terdahulu Sebagai bahan pertimbangan dalam penelitian ini akan dicantumkan beberapa hasil penelitian terdahulu antara lain: Iing Mutakhiroh, Indrato, dan Taufiq hidayat (2007) melakukan penelitian untuk pencarian jalur terpendek dengan menggunakan algortma semut. Yang diharapkan nantinya dapat menyelesaikan maslah pencarian jalur terpendek dengan hasil yang lebih variatif dan dengan waktu perhitungan yang singkat. Finsa Ferdifiansyah, (203) melakukan perbandingan algoritma dijkstra dan algoritma ANT Colony dalam penentuan jalur terpendek. Penelitian difokuskan pada penerapan pencarian jalur terpendek yang terdapat pada aktivitas maskapai penerbangan dimana jalur-jalur antar kota yang dilewatinya akan membentuk suatu graf berarah dan berbobot. Dari graf yang terbentuk inilah akan diproses menggunakan algoritma dijkstra dan ANT Colony untuk menentukan jalur terpendek dari suatu kota ke kota yang lain. Merciyana Daud, Mukhlisulfatih Latief, dan Ahmad Feriyanto Alulu (203) melakukan penelitian yang berjudul Sistem Informasi Geografis Pendataan Kos-kosan Berbasis Web di Kota Gorontalo. Penelitian ini bertujuan untuk menyediakan sarana informasi tentang kos berbentuk sistem informasi geografis dimana sistem ini dapat melakukan pencarian kos sesuai keinginan mahasiswa dengan penerapan metode Haversine Formula dalam perhitungan jarak terdekat dan Simple Hill Climbing untuk pencarian jalur rute terpendek. Ying Lu dan Wen Hu (203) melakukan penelitian yang berjudul Study on the Application of Ant Colony Algorithm in the Route of Internet of Things Penelitian ini menggunakan algoritma Ant Colony untuk mencari rute menggunakan sinyal siaran yang ditampilkan dengan random multisender dan siklus hidup yang pendek untuk mengatasi masalah node jaringan yang lebih bervariasi terstruktur. Hasil simulasi menunjukkan bahwa mencari rute dengan algoritma Ant Colony di internet dapat mengurangi badai siaran secara efektif. 2.2 Sejarah Ant Colony Algoritma Ant Colony termasuk teknik pencarian multi agent untuk menyelesaikan permasalahan optimasi, khususnya kombinatorial yang terinspirasi 2

3 dari tingkah laku semut dalam suatu koloni (Suyanto, 200). Berikut adalah tahapan-tahapan algoritma ANT dalam graf menurut Dorigo, 99 : Mulai Inisialisasi Parameter Menentukan banyak semut Semut= Tidak Ya Update feromon Siklus Max Ya Hitung Probabilitas Semut Semut = Semut + Tidak Semut = banyak semut Hitung Jarak Total (Ln) tidak Tujuan tercapai Menampilkan jarak terpendek dan jumlah semut Ya Hitung Jarak Selesai Gambar 2. Perjalanan Semut - Pada gambar a. terlihat bahwa semut yang akan melakukan perjalanan mencari makan dari titik X ke titik Y. - Pada gambar b. semut melakukan gerakan acak menuju tempat mencari makanan dengan jalur yang berbeda. - Setelah berjalan secara acak berdasarkan jalurnya masingmasing, kemudian semut akan bertemu lagi dimana tempat makanan berada seperti pada gambar c. - Pada saat melakukan perjalanan melalui jalurnya masing-masing, semut meninggalkan feromon sebagai jejak yang akan diikuti oleh semut yang lainnya. Semakain banyak semut dan semakin dekat jarak yang ditempuh maka feromon juga semakin kuat sehingga semut yang lainnya akan mengikuti jalur tersebut seperti gambar d. Pada optimisasi algoritma semut, proses tadi akan dilakukan secara berulang sesuai dengan siklus maksimum yang telah ditentukan. 2.3 Alur Kerja Ant Colony Berikut adalah alur kerja algoritma Ant Colony menurut Dorigo, 99: Gambar 2. 2 Alur Kerja Ant Colony Berdasarkan gambar diatas, maka dapat dijabarkan sebagai berikut: a. inisialisasi parameter-parameter algoritma. Parameter-parameter yang diinisialisasikan adalah:. Intensitas jejak semut antar kota (τ ij ) digunakan dalam persamaan probabilitas kota yang akan dikunjungi 2. Banyak kota (n) termasuk koordinat (x,y) atau jarak antar kota (d ij ). Nilainya tergantung ada banyaknya jumlah kota yang terdapat di database. 3. Tetapan pengendali intensitas jejak semut (α), digunakan dalam persamaan probabilitas kota yang akan dikunjungi yang berfungsi sebagai pengendali intensitas jejak semut, nilai α 0 4. Tetapan pengendali visibilitas (β), digunakan dalam persamaan probabilitas kota yang akan dikunjungi, berfungsi sebagai pengendali visibilitas, nilai β 0 5. Tetapan penguapan jejak feromon (ρ), nilai ρ > 0 dan < untuk mencegah jejak feromon yang tak terhingga 6. Visibilitas antar kota (η ij ) digunakan dalam persamaan probabilitas kota yang akan dikunjungi. Nilai η ij merupakan hasil dari /d ij (jarak kota) 7. Banyak semut (m) merupakan banyak semut yang akan melakukan siklus dalam algoritma semut. Nilai m ditentukan oleh pengguna. 3

4 8. Tetapan siklus semut (Q), siklus atau banyak langkah yang dilakukan oleh setiap semut dalam melakukan perjalanannya 9. Jumlah siklus maksimum (NCmax) NCmax adalah jumlah maksimum siklus yang akan berlangsung pada setiap semut. Siklus akan berhenti sesuai dengan NCmax yang telah ditentukan atau telah menentukan titik/kota tujuan. b. Hitung probabilitas antar kota Perhitungan probabilitas antar kota bertujuan untuk mencari kemungkinan kemana semut akan berjalan. Probabilitas antar kota dapat dicari dengan menggunakan rumus persamaan berikut: τ ij t α. [η ij ] β k P ij t = τ ij t α. η β ij jika j ε diizinkan;.... (2.) dimana J diizinkan = {N tabu k }, sedangkan α dan β adalah dua parameter yang mengontrol tingkat kepentingan relative dari intensitas jejak pheromone terhadap visibility. P k ij = 0, untuk j lainnya, persamaan (2.2) c. Jika tujuan tercapai, maka selanjutnya hitung jarak. Dengan d ij adalah jarak antara titik i ke titik j yang dihitung berdasarkan persamaan: d = (x x 2 ) 2 + (y y 2 ) 2, persamaan......(2.3) Jika tidak, hitung kembali probabilitas semut. d. Update feromon/rute setiap semut. Perhitungan panjang rute tertutup atau Lk setiap semut dilakukan setelah satu siklus diselesaikan oleh semua semut. Pada titik ini intensitas pheromone diupdate berdasarkan rumus berikut: τ ij t + n = ρτ ij t + τ ij ;...(2.4) Dimana ρ adalah suatu koefisien sedemikian hingga ( ρ) menyatakan evaporation (penguapan) jejak pheromone antara t dan t+n. m k τ ij = k= τ ij ;... (2.5) k Dimana τ ij adalah kuantitas per unit panjang substansi jejak pheromone yang ditinggalkan pada busur (i,j) oleh semut ke-k pada interval waktu antara t dan t+n. Kuantitas tersebut dirumuskan oleh τ ij = Q L k ; jika semut ke-k menggunakan busur (i,j)...(2.6) τ ij = 0 ; ntuk yang lainnya (2.7) Dimana Q adalah suatu konstanta dan L k adalah panjang tour yang dihasilkan oleh semut ke-k. e. Total jarak tempuh Setelah satu siklus diselesaikan oleh semua semut, maka panjang rute L k setiap semut dapat dihitung berdasarkan tabu k masing-masing dengan persamaan berikut: L k = d tabu k n,tabu k () + n i= d tabu k n,tabu k (n+), pers.... (2.8) f. Menampilkan rute terpendek Setelah L k setiap semut dihitung, akan didapat harga minimal panjang rute tertutup setiap siklus atau LminNC dan harga minimal panjang rute tertutup secara keseluruhan adalah atau Lmin, untuk menentukan LminNC dapat menggunakan persamaan berikut: L minnc = Min (L, L 2,.L n ), persamaan.....(2.9) g. Selesai. 2.4 Perhitungan Jarak dengan Haversine Formula Rumus haversine formula adalah persamaan yang penting pada navigasi, memberikan jarak lingkaran besar antara dua titik pada permukaan bola (bumi) berdasaarkan bujur dan lintang. Penggunaan rumus ini cukup akurat untuk sebagian besar perhitungan, juga mengabaikan ketinggian bukit dan kedalaman lembah dipermukaan bumi (Daud, Latief, dan Alulu, 203). Berikut bentuk rumus Haversine Formula, persamaan. (2.0) d = 2. r sin sin 2 ( θ 2 θ 2 Keterangan: d = jarak r = jari-jari bumi 6367,45 Km ) + cos(θ ) cos(θ 2 ) sin 2 ( φ φ 2 ) 2 4

5 θ 2 = latitude awal θ = latitude akhir φ = longitude awal φ 2 = longitude akhir III. METODE PENELITIAN Pada tahap pengembangan sistem terdiri dari proses-proses yang terstruktur yaitu : analisis, desain, kode, pengujian. Metode pengembangan ini dikenal dengan model Sekuensial Linier menurut Roger S. Pressman. Untuk desain model sekuensial linier dapat dilihat pada gambar 3.. analysis design code test Gambar 3. Metode Pengembangan Sistem Berikut penjelasan bagaimana metode pengembangan sistem yang digunakan dalam sistem ini, yaitu : a. Analysis Tahap ini menguraikan kebutuhan sistem yang utuh menjadi komponenkomponen sistem untuk mengetahui bagaimana sistem dibangun dan untuk mengetahui kelemahan-kelemahan sistem yang sudah ada sehingga dapat dijadikan masukan dan pertimbangan dalam penyusunan sistem yang baru b. Design Tahap ini merupakan tahap perancangan sistem. Tahap design ini menggunakan flowchart berfungsi untuk menyatakan aliran metode atau proses sehingga memberi solusi dalam penyelesaian masalah yang ada di dalam proses atau algoritma tersebut. Sementara Entity Relationship Diagram (ERD) digunakan untuk membantu manggambarkan diagram sistem yang akan dibangun. c. Code Tahap ini adalah penerjemahan rancangan dalam tahap desain ke dalam bahasa pemrograman d. Test IV. Tahap ini merupakan uji coba terhadap program yang akan dibangun. Sehingga analisis hasil implementasi yang didapat dari sistem disesuaikan dengan kebutuhan sistem tersebut. Jika penerapan sistem sudah berjalan dengan lancar, maka sistem dapat diimplementasikan. PEMBAHASAN 4. Perhitungan Jalur Terdekat dengan Algoritma Ant Colony Algoritma Ant Colony Optimazation atau algoritma semut pada dasarnya dapat menemukan rute terpendek antar sarangdan sumber makanan berdasarkan jejak feromon pada lintasan yang telah dilalui. Semakin besar jumlah semut dan siklusnya, maka hasil dari algoritma tersebut akan semakin besar pula kemungkinan untuk menemukan jarak terpendek. Sedangkan siklus perjalanan mempengaruhi banyaknya jalur yang ditempuh oleh semut. Study kasus pada penelitian ini berlokasi di Kota Batam, kota industri yang banyak diminati oleh pengunjung dengan berbagai tujuan salah satunya yaitu untuk mencari penginapan sesuai dengan kebutuhan pengunjung itu sendiri. Berikut adalah salah satu contoh langkah-langkah perhitungan jalur terdekat ke penginapan dengan menggunakan algoritma semut penelitian ini. 4.. Inisialisasi Parameter Berikut adalah data yang akan diproses dengan menggunakan algoritma ant colony. Tabel 4. Tabel Data Simbol Titik Nama Titik Latitude (x) Longitude (y) A Bandara B C D Bandara Dotamana Punggur

6 E Pom KDA F KDA G 4 Panasonic H Mega Mall I Hotel Harris J Kabil K Kara L M N O P Q Frenky Masjid Raya Batam Center Bundaran BP Batam Batara/Cikitsu Universitas Batam Industrial Tunas Dari data tabel diatas, maka penelitian ini akan mengambil sample rute dari titik asal Bandara dan Hotel Harris sebagai titik akhir atau titik tujuan Penyusunan Titik-titik Tujuan Dalam penyusunan rute kunjungan dari Bandara ke Hotel Harris pada setiap titik, maka digunakan persamaan 2. probabilitas node untuk dikunjungi. Berikut adalah rute-rute yang kemungkinan akan dilewati dari Bandara ke Hotel Harris. Pertama A => B => C => D => E => F => G => H => I Kedua A => B => C => D => E => J => K => L => M => N => I Ketiga A => B => C => D => O => P => F => G => H => I Keempat A => B => C => O => P => Q => G => H => I Dari data rute diatas, dapat dilihat bahwa jalur mulai memiliki percabangan pada titik C, dimana C dapat ke D dan C dapat pula ke O. Semakin besar nilai probabilitas, semakin besar pula kebolehjadian untuk dipilih sebagai titik tujuan. Tetapi hal ini tidak berarti bahwa titik tujuan yang dipilih adalah titik yang mempunyai harga probabilitas terbesar, dan juga berarti tertutupnya kemungkinan titik yang mempunyai nilai probabilitas kecil sebagai titik tujuan. Maka sebagai contoh, akan dihitung nilai probabilitas titik-titik tujuan dari titik C ke D dan titik C ke O dengan persamaan 2. berikut: τ ij t α. [η ij ] β k P ij t =, dengan η τ ik t α. η β ik CD= /,55Km dan η CO = / 0,86Km P CD = P CD = 0,. [,55 ]5 0,. [,55 ]5 + 0,. [ 0,86 ]5 0,06 0,06 + 0,285 = 0,05 Untuk C ke O, P CD = P CD = 0,. [ 0,86 ]5 0,. [,55 ]5 + 0,. [ 0,86 ]5 0,0285 0,06 + 0,285 = 0,95 yang terpilih yaitu C ke O dengan nilai probabilitas 0, Perhitungan Panjang Antar Dua Titik Untuk menghitung panjang setiap rute antar dua titik atau jarak antar dua titik dalam penelitian ini menggunakan persamaan Perhitungan Update Feromon Berdasarkan data diatas, maka untuk perubahan harga intensitas jejak / update jejak menggunakan persamaan 2.5 dan 2.6, dimana τ ij = Q L k. 6

7 4..5 Perhitungan Total Jarak Setiap Total jarak tempuh (L n ) merupakan total penjumlahan dari panjang setiap rute antar dua titik atau jarak antar dua titik pada setiap rute yang telah dilalui. Berdasarkan perhitungan pada persamaan 2.0 diatas, maka didapat total jarak tempuh setiap rute dengan persamaan 2.8, berikut tabelnya: Tabel 4. 2 Tabel Perhitungan Total Jarak Tempuh Pertama x y x2 y2 Jarak A=>B B=>C C=>D D=>E E=>F F=>G G=>H H=>I Panjang rute setiap semut (L ).34 Tabel 4. 3 Tabel Perhitungan Total Jarak Tempuh Kedua x y x2 y2 Jarak A=>B B=>C C=>D D=>E E=>J J=>K K=>L L=>M M=>N N=>I Panjang rute setiap semut (L 2)

8 Tabel 4. 4 Tabel Perhitungan Total Jarak Tempuh Ketiga x y x2 y2 Jarak A=>B B=>C C=>O O=>P P=>F F=>G G=>H H=>I Panjang rute setiap semut (L 3) 0.2 Tabel 4. 5 Tabel Perhitungan Total Jarak Tempuh Keempat x y x2 y2 Jarak A=>B B=>C C=>O O=>P P=>Q Q=>G G=>H H=>I Panjang rute setiap semut (L 4) Menampilkan Jalur Terpendek Setelah semua langkah diatas telah diselesaikan, maka untuk menampilkan jalur terdekat dapat menggunakan persamaan 2.9, dengan mencari nilai paling minimum. L minnc = Min ((,34), (4,65), (0,2), (9,92)) L minnc = 9,92 km Maka, jalur yang terpilih sebagai jalur terdekat dari Bandara ke Hotel Haris yaitu rute keempat dengan titik yang dilalui A => B => C => O => P => Q => G => H => I V. KESIMPULAN DAN SARAN Kesimpulan yang dapat diambil dari penelitian ini yaitu bahwa dengan penerapan Algoritma Ant Colony, didapat jalur alternative atau jalur terpendek untuk menuju ke penginapan dikarenakan seluruh jalur telah dilewati agar dapat menghasilkan jalur yang optimal. Saran untuk penelitian selanjutnya yaitu menggunakan dua perbandingan algoritma dalam pencarian jalur terpendek agar dapat mencapai hasil yang lebih optimal. 8

9 VI. DAFTAR PUSTAKA Mutakhiroh, I ing, Indrato, dan Taufiq Hidayat Pencarian Jalur Terpendek Menggunakan Algoritma Semut. Yogyakarta: Seminar Nasional Aplikasi Teknologi Informasi 2007, ISSN: Berlianty, Intan, dan Miftahol Arifin Teknik-Teknik Optimasi Heuristik. Yogyakarta: Graha Ilmu Suyanto Algoritma Optimasi Deterministik atau Probabilitik. Yogyakarta: Graha Ilmu Batam, Kota Sejarah Kota Batam. Diambil dari: (22 Juli 204) Daud, Merciyana, Mukhlisulfatih Latief, dan Ahmad Feriyanto Alulu Sistem Informasi Geografis Pendataan Kos-kosan Berbasis Web di Kota Gorontalo. Gorontalo: Universitas Negri Gorontalo Ferdiansyah, Finsa Perbandingan Algoritma Djikstra dan Algoritma Ant Colony Dalam Penentuan Jalur Terpendek. Jawa Timur: Universitas Brawijaya Lu, Ying, dan Wen Hu Study on the Application of Ant Colony Algorithm in the Route of Internet of Things. China: International Journal of Smart Home Vol. 7, No. 3, May 203 9