PERENCANAAN PERJALANAN WISATA SINGAPURA DENGAN ALGORITMA TABU SEARCH
|
|
- Ridwan Makmur
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PERENCANAAN PERJALANAN WISATA SINGAPURA DENGAN ALGORITMA TABU SEARCH Hendrawan Armanto Teknik Informatika, Sekolah Tinggi Teknik Surabaya ABSTRAK Bepergian ke tempat wisata merupakan salah satu hal yang dilakukan saat liburan. Akan tetapi sering kali timbul banyak kesulitan saat menyusun jadwal perjalanan wisata. Dimana, paket wisata yang ditawarkan dari perusahaan travel tidak dapat memberikan tingkat kepuasan yang maksimal. Hal tersebut memberikan ide pada penelitian ini untuk mempermudah pengguna dalam menyusun perjalanan wisata dan menghasilkan jadwal perjalanan wisata yang dapat memberi tingkat kepuasan dengan maksimal. Fokus dari penelitian ini hanya untuk negara Singapora saja dikarenakan Singapora merupakan salah satu negara kecil tetapi memiliki banyak tempat wisata yang menarik. Penelitian ini dibuat dengan menggunakan algoritma Tabu Search. Perancangan jadwal dimulai dengan inisialisasi neighborhood, lalu Evaluation Function digunakan untuk melakukan kalkulasi skor dari tiap kandidat solusi. Kandidat solusi terbaik dari tiap neighborhood dimasukkan Tabu List untuk menghindari local minimum. Pengguna dapat memasukkan dan melakukan kustomisasi seluruh parameter dari tiap POI (Points of Interest) mulai dari waktu yang ingin dihabiskan, uang yang dikeluarkan, prioritas dan mode kendaraan yang diinginkan. Selain itu, parameter umum yang ada dalam penjadwalan wisata seperti jumlah hari, jam mulai trip, jam selesai trip dan budget trip per hari juga dapat dikustomisasi oleh pengguna. Penelitian ini diuji coba dengan menggunakan 24 POI yang berbeda-beda serta menggunakan kuisioner 30 orang yang memiliki preferensi berbeda-beda pula. Hasilnya, para pengguna memiliki tingkat kepuasan rata-rata 74% dan 47% pengguna menyatakan rute jadwal wisata tergolong baik, serta 53% sisanya menyatakan sangat baik. Kata kunci: Penjadwalan, Wisata, Singapora, Tabu Search PENDAHULUAN Salah satu kegiatan yang paling sering dilakukan pada saat liburan adalah pergi berwisata, baik pergi di dalam negeri maupun ke luar negeri. Tujuan dari berwisata ini ada berbagai macam, mulai dari hanya mengunjungi saudara, bulan madu, mempelajari sejarah dari suatu tempat hingga sekedar jalan-jalan untuk melepas penat. Dewasa ini, tempat wisata yang tersedia sangat banyak dan dapat bertambah terus seiring dengan perkembangan ekonomi dan pariwisata. Hal ini tentu saja merepotkan jika turis hanya memiliki waktu yang terbatas dan tempat yang dikunjungi memiliki banyak objek wisata / POI (Point of Interest) seperti: Singapore, Beijing, Tokyo dan lain lain. Turis harus merencanakan perjalanan wisata secara matang di hari-hari sebelumnya agar jadwal yang dibuat tidak ada yang bertabrakan dan sebisa mungkin dapat mengunjungi seluruh objek wisata agar tidak rugi. Sebenarnya, solusi untuk masalah ini telah dipecahkan dengan banyaknya pilihan tur yang disediakan oleh Travel Agency. Tetapi, pilihan tur yang disediakan ini tetap saja memiliki batasan dan turis tidak mungkin puas 100% karena jadwal tur yang dibuat pasti ada yang tidak sesuai dengan keinginan turis tersebut. Seiring dengan berkembangnya internet, informasi seluruh objek wisata yang ada di suatu tempat dapat diambil dengan mudah. Didukung dengan perkembangan algoritma yang ada sekarang membuat penulis ingin mengimplementasikan pendekatan Tabu Search untuk menyelesaikan masalah perencanaan perjalanan wisata untuk memudahkan turis dalam menyusun jadwal wisata yang dapat dikustomisasi sesuai keinginan tiap individu. TEORI DASAR Pada bagian ini dijelaskan mengenai teori-teori dasar yang dipergunakan dalam pembuatan penelitian ini. Secara garis besar, yang pertama 14
2 bagian ini menjelaskan mengenai Metaheuristic. Metaheuristic yang dipakai dalam penelitian ini yaitu Algoritma Tabu Search. Lalu yang kedua, dibahas pula mengenai Struktur Memori. Yang ketiga dibahas mengenai Fungsi Evaluasi. Yang terakhir, dalam bagian ini dibahas pula mengenai Google Maps API. Google Maps API yang dibahas terdiri atas Directions Service dan Distance Matrix. 2.1 Algoritma Metaheuristik Pada Computer Science dan Mathematical optimization, metaheuristik merupakan heuristic yang dirancang untuk menemukan, menghasilkan, atau memilih heuristic yang menghasilkan solusi yang lebih baik untuk melakukan optimisasi dari suatu masalah. Dibandingkan dengan algoritma optimisasi dan metode iterative, metaheuristik tidak menjamin solusi global yang optimal ditemukan untuk tiap masalah. Kebanyakan metaheuristik memakai metode stochastic optmitization dimana solusi yang dihasilkan bergantung pada variable yang dihasilkan secara random pada inisialisasi awal. 2.2 Algoritma Tabu Search Tabu Search merupakan single-solution based metaheuristik yang diperkenalkan oleh Fred Glover pada tahun Tabu search sangat popular di tahun 90an, dan sampai sekarang masih menjadi salah satu single-solution based metaheuristik yang banyak dipakai untuk menyelesaikan permasalahan optimisasi. Tabu search merupakan metode metaheuristik yang dilandaskan pada pencarian local (local search). Untuk menghindari proses pencarian kembali ke kandidat solusi yang pernah dikunjungi, Tabu Search mengingat jalur pencarian yang telah dilewati. Kandidat solusi yang sudah dilewati disimpan dalam memori, yang disebut Tabu list, dan tidak dilewati lagi (karena itu disebut Tabu) Struktur Memori Penggunaan struktur memori memiliki basis atribut-atribut fleksibel maupun atribut-atribut kaku yang dirancang untuk membolehkan sebuah kriteria evaluasi dan hasil pencarian di masa lalu dieksploitasi lebih mendalam. Kategori struktur memori ini dapat dibagi menjadi tiga: 1. Short Term: memory ini berisi kumpulan solusi yang baru saja dipertimbangkan. Jika sebuah potensi solusi baru muncul, maka solusi ini tidak dapat dikunjungi lagi hingga expiration point tercapai. 2. Intermediate Term: aturan memory ini dimaksudkan agar pencarian lebih terfokus terhadap daerah yang menjanjikan dari ruang pencarian. 3. Long Term: memory ini menggunakan diversifikasi yang bertujuan untuk mendorong pencarian ke daerah yang baru (misalnya melakukan reset jika pencarian stuck atau kriteria tertinggi masih belum juga terpenuhi) Fungsi Evaluasi Fungsi evaluasi, biasa disebut heuristic evaluation function atau static evaluation function adalah fungsi yang digunakan oleh suatu program atau algoritma untuk memperkirakan value atau nilai kebaikan dari solusi tertentu. Fungsi evaluasi ini biasanya didesain untuk lebih mementingkan kecepatan proses daripada akurasi, fungsi ini hanya melihat pada satu posisi tertentu dan tidak melihat atau mencari langkah lain yang memungkinkan (static). Tujuan utama dari penggunaan fungsi evaluasi ini adalah untuk mengurangi waktu komputasi yang dibutuhkan untuk menyelesaikan suatu masalah. 2.3 Google Maps API Pada bagian ini dijelaskan beberapa hal mengenai Google Maps API. Google Maps API adalah fitur yang disediakan oleh Google yang memungkinkan para penggunanya untuk menampilkan Google Maps pada halaman web atau mengambil data tertentu dari Google Maps Directions Service Fitur directions service ini termasuk dalam Web Service API yang disediakan oleh Google. Directions service ini dapat digunakan untuk menghitung arah sesuai dengan metode transportasi yang digunakan (driving, transit, dan lain lain) dengan menggunakan objek DirectionService. Objek ini berkomunikasi dengan Google Maps API Directions Service yang menerima request arah dan mengeluarkan hasil perhitungan Distance Matrix Fitur Distance Matrix ini digunakan untuk menghitung jarak dan durasi dari perjalanan antar berbagai asal dan tujuan dengan menggunakan mode travel tertentu. Service ini tidak 15
3 mengembalikan hasil berupa informasi rute secara detail tetapi hanya mengembalikan nilai jarak dan durasi dari perjalanan. ALGORITMA TABU SEARCH Pada bagian ini akan dijelaskan mengenai algoritma utama yang mendasari pembuatan penelitian ini, yaitu algoritma Tabu Search, penerapan algoritma Tabu Search pada permasalahan Travelling Salesman Problem, dan penelitian terkait tentang penerapan algoritma Tabu Search pada penjadwalan wisata. pengiriman koran, produksi barang, pemasangan jaringan komunikasi, dan masalah transportasi. Contoh kasus TSP: Seorang Salesman PT. XX bertugas untuk mengecek ketersediaan suku cadang pada masingmasing pos PT. XX. Salesman yang bepergian mulai dari PT. XX (0) ke Pos Sei. Raya (1), Pos Adisucipto (2), Pos Siantan (3), Pos Gajah Mada (4) dan pos Kota Baru (5), kemudian Salesman harus kembali lagi ke PT. XX. Pos-pos tersebut harus dikunjungi tepat satu kali dengan tujuan perjalanan meminimumkan jarak dan waktu tempuh. 3.1 Algoritma Umum Tabu Search Metode pencarian tabu berprinsip pada penggunaan memori sebagai elemen esensial dalam pencariannya, karena pencarian Tabu tidak hanya menyimpan nilai sebuah solusi terbaik seperti kebanyakan metode pencarian, namun juga menyimpan informasi selama pencarian melalui solusi terakhir yang dikunjungi. Sebuah informasi akan digunakan sebagai petunjuk untuk bergerak dari i ke solusi selanjutnya dalam N(i). Penggunaan memori sebagai pembatas dalam pemilihan beberapa subset dari N(i) dengan membatasi pergerakan ke beberapa solusi tetangga. Gambar 1. Ilustrasi Perjalanan Salesman PT. XX Gambar 1 merupakan hubungan antar pos pada kasus PT. XX dan tabel 1 merupakan nilai jarak dan waktu secara keseluruhan. Tabel 1. Jarak dan Waktu Secara Keseluruhan 3.2 Komponen Tabu Search Pada bagian ini dijelaskan mengenai beberapa komponen dari algoritma Tabu Search. Sebelum mempelajari cara kerja algoritma Tabu Search untuk permasalahan lebih lanjut, ada beberapa elemen utama yang sering digunakan dalam algoritma Tabu Search yang terdiri dari: 1. Representasi solusi 2. Fungsi cost 3. Neighborhood (tetangga) 4. Tabu List (memori jangka pendek) 5. Aspiration criteria 6. Long term memory (memori jangka panjang) 3.3 Tracing Algoritma Tabu Search pada Travelling Salesman Problem (TSP) Travelling Salesman Problem merupakan salah satu permasalahan optimasi kombinatorial yang biasa terjadi. Permasalahan Travelling Salesman Problem mengenai seseorang yang harus mengunjungi semua kota tepat satu kali dan kembali ke kota asal. Beberapa contoh penerapan Travelling Salesman Problem yang muncul dalam kehidupan sehari-hari, misalnya efisiensi penjadwalan Langkah yang dilakukan adalah mengoptimalkan jarak tempuh dan waktu perjalanan salesman PT. XX tersebut. Langkah pertama yang dilakukan adalah menentukan rute awal dan menetapkannya sebagai solusi terbaik untuk tahap awal. Tabel 2. Pencarian Jalur Alternatif Iterasi 1 Pertukaran Rute Perjalanan Jarak Tempuh (km) Waktu Perjalanan (menit) Tukar 4, Tukar 4, Tukar 4, Tukar 4, Tukar 1, Tukar 1, Tukar 1, Tukar 2, Tukar 2, Tukar 5,
4 Pada iterasi ke-1 ini diperoleh nilai terbaik adalah km untuk jarak tempuh dan menit untuk waktu perjalanan yakni pada Jalur ke-2. Selanjutnya lakukan iterasi ke 2, untuk perhitungan iterasi ke 2 sampai iterasi ke 60 juga menggunakan perhitungan yang sama seperti iterasi 1 sesuai dengan rute yang dilalui Salesman tersebut. Setelah dilakukan perhitungan sebanyak 60 iterasi, maka diperoleh jarak tempuh dan waktu perjalanan minimum pada setiap iterasi tersebut 3.4 Penerapan Algoritma Tabu Search pada Penjadwalan Wisata Terdapat dua mekanisme utama dalam proses penjadwalan wisata. Kedua hal tersebut adalah algoritma Tabu Search dan Fungsi Evaluasi. Seluruh proses iterasi dan pencarian solusi terbaik serta penyimpanan memori melalui Tabu List dilakukan oleh algoritma Tabu Search. Fungsi evaluasi dibutuhkan untuk proses penilaian dari tiap solusi rute yang memungkinkan Contoh Kasus Penerapan Algoritma Tabu Search pada Penjadwalan Wisata Contoh kasus yang digunakan sebagai uji coba adalah sebuah kota di negara Austria, yaitu kota Vienna. Dimana dalam kota tersebut, terdapat 40 buah POI yang dapat dikunjungi oleh para wisatawan. Sebanyak 10 profil turis digunakan sebagai bahan uji coba, dimana tiap turis ini memiliki preferensi wisata yang berbeda antara satu dengan lainnya. Tabel 3. Parameter Data Uji Coba Parameter Value Jumlah Hari 2 hari Durasi Trip 5 jam Budget Trip 200 euro Waktu mulai Trip 11:00 Waktu selesai Trip 16:00 Bobot Satisfaction Factor 70% Bobot Travel Time 30% Waktu Eksekusi Maksimal 5 menit Random solusi awal memiliki performa yang lebih bagus jika dibandingkan dengan solusi awal ascending maupun dengan solusi awal descending. Secara umum, solusi yang dihasilkan dengan menggunakan Tabu List berukuran 6 lebih baik dengan rata-rata 0.3 poin dibandingkan dengan solusi yang menggunakan Tabu List dengan ukuran lain yang ada di eksperimen ini. SISTEM PENJADWALAN WISATA SINGAPURA Sistem penjadwalan wisata ini dijelaskan menjadi tiga bagian, yaitu arsitektur sistem, input dan otput, serta langkah-langkah proses penjadwalan wisata. 4.1 Arsitektur Sistem Pada sistem penjadwalan wisata ini terdapat empat komponen utama yaitu situs pengguna, proses penjadwalan wisata, database dan directions. Input yang digunakan dalam penyusunan jadwal wisata ini berupa parameter wisata, sedangkan output merupakan jadwal wisata. Pada proses penyusunan jadwal wisata ini terdiri dari tiga macam proses dimana ketiga proses ini membutuhkan tabel-tabel pendukung yang diperlukan. Dalam proses pembentukan Neighborhood diperlukan tabel shopping, tabel entertainment, tabel culinary dan tabel preferences. Untuk proses perhitungan dengan fungsi evaluasi diperlukan tabel mrt, tabel driving, tabel bus serta tabel preferences. Proses terakhir adalah pemilihan kandidat solusi terbaik yang membandingkan nilai kebaikan dari tiap solusi dalam suatu neighborhood Hasil dari Contoh Kasus Penerapan Algoritma Tabu Search pada Penjadwalan Wisata Cara perhitungan eksperimen ini yaitu dengan mengambil contoh 1 instansi turis yang dijalankan 10 kali masing-masing untuk tiap solusi awal. Hasil dari algoritma untuk tiap solusi awal yang berbeda diambil dan dibandingkan, lalu angka maksimum untuk 1 dari 3 solusi awal dicatat. Gambar 2. Desain Asitektur Berikut ini merupakan penjelasan yang lebih rinci mengenai parameter yang diperlukan untuk kedua proses pada penyusunan jadwal wisata: 17
5 1. Pembentukan Neighborhood Pada parameter wisata yang telah diinputkan oleh pengguna, terdapat time spent, cost, priority, transportation, jumlah hari, jam mulai trip, jam selesai trip dan budget trip per hari. Parameter tersebut beserta dengan data-data POI yang ada seperti nama dan alamat POI digunakan untuk membentuk neighborhood. Dimana neighborhood merupakan kumpulan solusi yang feasible. Nantinya, proses penjadwalan wisata mencari solusi yang paling baik dari seluruh neighborhood yang ada. 2. Perhitungan Fungsi Evaluasi Fungsi Evaluasi merupakan fungsi yang digunakan untuk mengkalkulasi atau menghitung skor dari suatu solusi. Input yang diperlukan pada proses ini adalah travel time atau jarak tempuh dari seluruh POI yang ada di dalam suatu solusi, serta satisfaction factor atau tingkat kepuasan dari solusi tersebut. Tingkat kepuasan ini didapat dari prioritas yang telah diatur oleh pengguna untuk tiap POI. 3. Pemilihan Kandidat Solusi Terbaik Dalam proses ini, seluruh solusi yang ada di dalam neighborhood dibandingkan skornya antara satu dengan yang lain untuk mencari kandidat solusi terbaik dalam satu neighborhood. Input yang dibutuhkan berupa list solusi dari neighborhood beserta dengan skornya yang didapat dari perhitungan fungsi evaluasi. 4.2 Input dan Output Input dari penelitian ini adalah preferensi pengguna terhadap berbagai elemen yang ada di dalam jadwal wisata. Dengan adanya input langsung dari pengguna, penelitian ini dapat dikostumisasi oleh pengguna sedemikian rupa hingga benar-benar memenuhi kriteria dan preferensi yang diinginkan oleh masing-masing pengguna. Parameter Time Spent Cost Priority Transportation Jumlah Hari Tabel 4. Parameter Input Keterangan Menentukan berapa lama waktu yang ingin dihabiskan di suatu POI Menentukan berapa uang yang ingin dihabiskan di suatu POI Menentukan prioritas suatu POI untuk dikunjungi (low, normal, high) Menentukan mode transportasi yang ingin digunakan untuk menuju ke suatu POI (bus, mrt, driving) Menentukan jumlah hari perjalanan Parameter Jam Mulai Trip Jam Selesai Trip Budget per Hari 4.3 Inisialisasi Data Keterangan Menentukan jam mulai perjalanan per hari Menentukan jam selesai perjalanan per hari Menentukan batas budget untuk trip per hari Data-data yang harus diinisialisasi sebelum proses utama dijalankan adalah data-data yang tersimpan di dalam database. Data ini berupa elemen-elemen dari seluruh POI yang ada serta parameter yang telah dimasukkan oleh pengguna. Jenis POI dibagi menjadi tiga kategori, yaitu shopping, culinary dan entertainment. POI dikategorikan sebagai shopping jika tempat tersebut merupakan pusat perbelanjaan, lalu POI dikategorikan sebagai culinary jika tempat tersebut merupakan tempat yang hanya menyediakan tempat makan. Terakhir, POI dikategorikan sebagai entertainment jika tempat tersebut merupakan tempat yang memiliki wahana, atraksi atau pemandangan sebagai sarana rekreasi. 4.4 Penambahan Neighborhood Neighborhood ini digunakan untuk membuat seluruh kemungkinan solusi yang layak. Penelitian ini menggunakan 10 neighborhood dan tiap neighborhood memiliki 100 kemungkinan solusi. Terdapat banyak constraint pada pembuatan neighborhood ini untuk memastikan bahwa tiap solusi yang ada di dalam neighborhood merupakan solusi yang feasible dan sesuai dengan preferensi dari pengguna. Di dalam pembuatan neighborhood ini juga terdapat rotasi yang berfungsi untuk memastikan bahwa seluruh kemungkinan POI telah dilewati. 4.5 Fungsi Evaluasi Untuk menghitung skor dari suatu solusi maka digunakan Fungsi Evaluasi. Fungsi ini memiliki dua koefisien bobot, yaitu koefisien kepuasan (satisfaction factor) dan koefisien waktu (travel time). Rumus pertama yaitu satisfaction factor, rumus ini dinormalisasi dan memiliki tiga input. Yang 18
6 pertama adalah MNP yaitu jumlah maksimal POI yang ingin diraih per hari, berikutnya adalah SDT yaitu durasi standard dari trip wisata pada umumnya. Lalu yang terakhir adalah TDWB yaitu durasi trip dari jam mulai hingga jam selesai. Untuk nilai total satisfaction factor, diambil dari tingkat prioritas tiap POI dan ditotal sejumlah total POI yang ada dalam suatu solusi. dimana: 5.1 Uji Coba Skenario Penjadwalan Uji coba ini dilakukan dengan menjalankan contoh skenario yang masing-masing parameter tiap POI telah dikustomisasi. Pada kategori shopping, dipilih lima POI, pada kategori kuliner, dipilih enam POI dan pada kategori entertainment, dipilih empat POI yang masing-masing parameternya telah dirubah-ubah secara acak. Jumlah hari yang dicontohkan adalah tiga hari, dengan jam mulai serta jam selesai untuk tiap hari adalah jam hingga jam (total delapan jam). Terakhir, budget tiap hari adalah 300. Rumus kedua adalah rumus untuk menghitung travel time. Rumus ini juga dinormalisasi seperti satisfaction factor. Parameter yang dimasukkan adalah travel time atau total waktu tempuh dari seluruh POI yang ada dalam suatu solusi serta TDWB yang merupakan durasi trip dari jam mulai hingga jam selesai. Fungsi evaluasi ini digunakan untuk menghitung skor tiap kandidat solusi yang ada di dalam suatu neighborhood. Fungsi ini mengembalikan nilai berupa skor, sesuai dengan solusi POI yang dikirimkan. Skor ini dipakai di dalam algoritma Tabu Search untuk mencari solusi terbaik dengan skor yang paling tinggi. Tujuan utama dari fungsi evaluasi ini adalah mencari solusi yang memiliki tingkat kepuasan tertinggi dan waktu tempuh yang seminimal mungkin. Gambar 3. Hasil Uji COba Skenario Dapat dilihat pada jadwal wisata diatas, trip tiap hari tidak mungkin melebihi jam dan budget tidak mungkin melebihi 300, sesuai dengan parameter yang dimasukkan. Cost tiap POI juga sesuai dengan yang dimasukkan di awal, serta directions yang ditampilkan juga sesuai dengan preferensi transportasi tiap POI. Penelitian ini menghasilkan jadwal perjalanan wisata berikut dengan directions yang sesuai dengan POI yang dipilih beserta parameter-parameter yang dimasukkan. Untuk menguji apakah jadwal perjalanan wisata ini relevan atau masuk akal, maka perlu dilakukan ujicoba dengan Google Maps. UJI COBA Tahapan uji coba dalam penelitian ini dibagi menjadi dua bagian, yaitu diuji coba dengan contoh skenario untuk mengetahui bagaimana hasil dari contoh kasus yang diberikan. Serta, diuji cobakan pada beberapa golongan masyarakat dan mereka diberi kuisioner untuk menilai efisiensi penelitian ini. Gambar 4. Rute Hari Pertama Hari pertama ini dimulai dengan Singapore Flyer, lalu menuju ke The Shoppes at Marina Bay 19
7 Sands. Berikutnya adalah Suntec City Mall, Yoogane Singapore Korean dan Bugis Junction. Dapat dilihat rute memutar, kenapa tidak ke The Shoppes dahulu baru ke Singapore Flyer? Jawabannya adalah, di The Shoppes menyediakan tempat makan, sedangkan Singapore Flyer tidak. Sehingga lebih masuk akal ke Singapore Flyer, lalu siangnya pergi ke The Shoppes karena disana bersamaan dengan jam makan siang. Jika rute diawali ke The Shoppes, lalu baru ke Singapore Flyer maka di Singapore Flyer sudah masuk jam makan siang dan di tempat tersebut tidak tersedia tempat makan. Hal ini juga diperhitungkan dan ada di dalam algoritma. Gambar 5. Rute Hari Kedua Rute hari kedua ini meliputi Universal Studios Singapore dan Madame Tussauds yang sama-sama berada dalam satu area, yaitu Sentosa Island. 5.2 Uji Coba Kelayakan dengan Kuisioner Isi kuisioner ini berkaitan dengan seberapa bergunanya penelitian penjadwalan wisata ini untuk membantu pengguna dalam menyusun jadwal wisata singapura, tingkat kepuasan dari hasil wisata yang dihasilkan, dan lain-lain yang nantinya dijelaskan satu persatu. Kuisioner ini diisi oleh 30 responden dengan berbagai umur mulai dari remaja hingga dewasa dan semua responden telah mengunjungi negara Singapura. Tabel 5. Hasil Uji Coba dengan Kuisioner Pertanyaan Seberapa bagus desain tampilan dari penelitian ini? Seberapa baik tingkat kemudahan menggunakan penelitian ini? Seberapa cepat kemampuan penelitian dalam membuat jadwal wisata? Seberapa tinggi tingkat kegunaan penelitian ini? Sangat Baik Cukup Kurang Sangat Baik Kurang 53.3% 40% 6.7% % 33.3% 46.7% 6.7% 6.7% 80% 13.3% 6.7% % 46.7% 13.3% - - Berikutnya dijelaskan hasil kuisioner tentang tingkat kepuasan dari para responden dari jadwal wisata singapura yang dihasilkan, serta pendapat responden mengenai rute jadwal wisata yang dibuat. Tingkat kepuasan responden dapat dilihat pada Gambar 7. Gambar 6. Rute Hari Ketiga Rute hari ketiga ini dimulai dari VivoCity menuju ke Singapore Seafood Republic. Rute yang dihasilkan terlihat sudah sesuai dan tidak berputarputar. Trip dimulai dari jam 10.00, dimulai dari VivoCity dan ke Singapore Seafood Republic, setelah itu baru keluar lagi menuju Standing Sushi Bar, kemudian menuju ke Wing Seong Fatty S, Monster Curry dan terakhir tiba di Paragon Shopping Centre. Gambar 7. Tingkat Kepuasan Responden Jika di rata-rata, maka tingkat kepuasan responden adalah 74%. Dengan nilai kepuasan ratarata 74%, maka penelitian ini sudah cukup baik dalam memuaskan keinginan para pengguna. Berikutnya adalah pendapat responden mengenai rute jadwal wisata singapura yang dibuat. Hasil dari tiap responden dapat dilihat pada Gambar 8. 20
8 membuat rute jadwal wisata singapura menjadi memutar. 6. Dikarenakan keterbatasan policy yang diberikan oleh Google Maps API, maka directions secara detail (termasuk nomor bus, tempat ganti stasiun) hanya dapat ditampilkan melalui internet dan datanya tidak dapat diambil. Gambar 8. Pendapat Responden Tentang Rute Jadwal Wisata Dari hasil diatas, sebanyak 53% responden menyatakan sangat baik yang berarti rute jadwal wisata yang dihasilkan searah dan tidak berputarputar. Lalu ada sebanyak 47% responden menyatakan baik, yaitu rute searah namun masih ada yang berjauhan / berputar-putar. Dan tidak ada responden sama sekali yang menyatakan menyimpang. Dari hasil ini, dapat disimpulkan bahwa rute perjalanan wisata singapura yang dihasilkan penelitian ini sudah sangat bagus. KESIMPULAN Selama proses penelitian dan proses uji coba, didapatkan beberapa kesimpulan penting yang penulis dapatkan. Beberapa kesimpulan tersebut antara lain adalah: 1. Masih banyak permasalahan penjadwalan umum dan cukup kompleks yang dapat dipecahkan dengan menerapkan sistem pemecahan masalah dengan algoritma Tabu Search. 2. Algoritma Tabu Search mudah untuk dimodifikasi ke dalam berbagai macam masalah dan cocok digunakan untuk mempercepat proses pencarian solusi tanpa mengurangi kualitas hasil secara signifikan. 3. Menyusun jadwal perjalanan wisata dengan penelitian ini dapat menjadi salah satu pilihan baru bagi masyarakat, karena pada zaman ini pilihan masyarakat untuk berwisata hanya membeli paket travel yang tidak dapat dimodifikasi atau membuat jadwal wisata sendiri yang memakan banyak waktu dan tenaga. 4. Banyak variasi yang dapat diciptakan oleh algoritma Tabu Search untuk aplikasinya dalam penyusunan rencana perjalanan wisata singapura. 5. Pengaruh dari mode transportasi bus dan mrt yang harus transit di stasiun tertentu, kadang DAFTAR PUSTAKA 1. F. Glover Tabu Search: A Tutorial Center for Applied Artificial Intelligence. University of Colorado. The Institute of Management Sciences. 2. D. Togatorop Perancangan Aplikasi Pencarian Jalur Terpendek dengan Algoritma Tabu Search. Teknik Informatika STMIK Budi Darma Medan. 3. Fatmawati, Prihandono dan Noviani, E Penyelesaian Travelling Salesman Problem dengan Metode Tabu Search. FMIPA UNTAN. 4. K. Sylejmani dan A. Dika Solving Touristic Trip Planning Problem by using Taboo Search Approach. Department of Computer Engineering, Faculty of Electrical and Computer Engineering, University of Prishtina. 21
PENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN METODE TABU SEARCH
Buletin Ilmiah Mat. Stat. Dan Terapannya (Bimaster) Volume 04, No. 1 (2015), hal 17 24. PENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN METODE TABU SEARCH Fatmawati, Bayu Prihandono, Evi Noviani INTISARI
Lebih terperinciAPLIKASI SIMULATED ANNEALING UNTUK MENYELESAIKAN TRAVELLING SALESMAN PROBLEM
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 1 (2015), hal 25 32. APLIKASI SIMULATED ANNEALING UNTUK MENYELESAIKAN TRAVELLING SALESMAN PROBLEM Edi Samana, Bayu Prihandono, Evi Noviani
Lebih terperinciBAB 2 LANDASAN TEORI
17 BAB 2 LANDASAN TEORI 2.1 Permasalahan Optimasi Optimasi adalah proses memaksimasi atau meminimasi suatu fungsi tujuan dengan tetap memperhatikan pembatas yang ada. Optimasi memegang peranan penting
Lebih terperinciANALISA KEBUTUHAN WAKTU PADA PROSES PENYELESAIAN TRAVELING SALESMAN PROBLEM
ANALISA KEBUTUHAN WAKTU PADA PROSES PENYELESAIAN TRAVELING SALESMAN PROBLEM Hari Murti 1, R. Soelistijadi 2, Sugiyamto 3 Program Studi Sistem Informasi, Fakultas Teknologi Informasi, Universitas Stikubank
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari hari, selalu dilakukan perjalanan dari satu titik atau lokasi ke lokasi yang lain dengan mempertimbangkan efisiensi waktu dan biaya sehingga
Lebih terperinciBAB 1 PENDAHULUAN. Pengiriman barang dari pabrik ke agen atau pelanggan, yang tersebar di berbagai
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pengiriman barang dari pabrik ke agen atau pelanggan, yang tersebar di berbagai tempat, sering menjadi masalah dalam dunia industri sehari-hari. Alokasi produk
Lebih terperinciANALISIS ALGORITMA ANT SYSTEM (AS) PADA KASUS TRAVELLING SALESMAN PROBLEM (TSP)
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 04, No. 3 (2015), hal 201 210. ANALISIS ALGORITMA ANT SYSTEM (AS) PADA KASUS TRAVELLING SALESMAN PROBLEM (TSP) Cindy Cipta Sari, Bayu Prihandono,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
12 BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah penjadwalan secara umum adalah aktifitas penugasan yang berhubungan dengan sejumlah kendala, sejumlah kejadian yang dapat terjadi pada suatu periode waktu
Lebih terperinciBAB 1 PENDAHULUAN. transportasi yang harus dikeluarkan dalam proses pendistribusian.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Proses pendistribusian barang adalah kegiatan yang tidak pernah lepas dari kehidupan. Jarak yang jauh serta penyebaran masyarakat yang meluas menjadi salah satu alasan
Lebih terperinciBAB II KAJIAN TEORI 2.1 Kajian Penelitian Sebelumnya
5 BAB II KAJIAN TEORI 2.1 Kajian Penelitian Sebelumnya Traveling salesman problem (TSP) merupakan salah satu permasalahan yang telah sering diangkat dalam berbagai studi kasus dengan penerapan berbagai
Lebih terperinciPenerapan Algoritma Branch and Bound pada Perancangan Jalur Bandros
Penerapan Algoritma Branch and Bound pada Perancangan Jalur Bandros Irene Edria Devina / 13515038 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl.Ganesha
Lebih terperinciPENYELESAIAN TRAVELLING SALESMAN PROBLEM MENGGUNAKAN METODE SIMPLE HILL CLIMBING
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 0, No. (2015), hal 17 180. PENYELESAIAN TRAVELLING SALESMAN PROBLEM MENGGUNAKAN METODE SIMPLE HILL CLIMBING Kristina Karunianti Nana, Bayu Prihandono,
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
1 BAB I PENDAHULUAN 1.1. Latar Belakang Perkembangan dunia usaha mengalami persaingan yang begitu ketat dan peningkatan permintaan pelayanan lebih dari pelanggan. Dalam memenangkan persaingan tersebut
Lebih terperinciOptimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika
Optimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika Wayan Firdaus Mahmudy (wayanfm@ub.ac.id) Program Studi Ilmu Komputer, Universitas Brawijaya, Malang, Indonesia Abstrak.
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tinjauan Pustaka (Samuel, Toni & Willi 2005) dalam penelitian yang berjudul Penerapan Algoritma Genetika untuk Traveling Salesman Problem Dengan Menggunakan Metode Order Crossover
Lebih terperinciPENENTUAN RUTE PENDISTRIBUSIAN SURAT KABAR DENGAN TIME WINDOW, APLIKASI ALGORITMA TABU SEARCH (STUDI KASUS : KORAN KOMPAS)
PENENTUAN RUTE PENDISTRIBUSIAN SURAT KABAR DENGAN TIME WINDOW, APLIKASI ALGORITMA TABU SEARCH (STUDI KASUS : KORAN KOMPAS) Herodia Adi Kuncoro, Ira Prasetyaningrum S.Si,MT., Renga Asmara S.KOM, OCA. Jurusan
Lebih terperinciGambar 1.1 Contoh Ilustrasi Kasus CVRP 13
BAB I PENDAHULUAN 1.1. Latar Belakang Vehicle Routing Problem (VRP) merupakan konsep umum yang digunakan untuk semua permasalahan yang melibatkan perancangan rute optimal untuk armada kendaraan yang melayani
Lebih terperinciBAB 1. PENDAHULUAN. Permasalahan pendistribusian barang oleh depot ke konsumen merupakan
BAB 1. PENDAHULUAN 1.1 Latar Belakang Permasalahan pendistribusian barang oleh depot ke konsumen merupakan komponen penting dalam sistem pelayanan depot suatu perusahaan, proses tersebut dapat terjadi
Lebih terperinciBAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI
BAB TINJAUAN PUSTAKA DAN DASAR TEORI.1. Penelitian Terdahulu Archetti et al. (009) menggunakan sebuah metode eksak yaitu branch-and-price scheme dan dua metode metaheuristics yaitu algoritma Variable Neighborhood
Lebih terperinci1. Pendahuluan Selama ini penjadwalan pelajaran hampir di semua sekolah yang meliputi jadwal mata pelajaran dan pembagian guru di setiap kelas yang
1. Pendahuluan Selama ini penjadwalan pelajaran hampir di semua sekolah yang meliputi jadwal mata pelajaran dan pembagian guru di setiap kelas yang ada masih menggunakan cara manual yaitu pihak Tata Usaha
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
1 BAB I PENDAHULUAN 1.1. Latar Belakang Distribusi merupakan proses penyaluran produk dari produsen sampai ke tangan masyarakat atau konsumen. Kemudahan konsumen dalam menjangkau produk yang diinginkan
Lebih terperinciPENYELESAIAN TRAVELING SALESMAN PROBLEM (TSP) MENGGUNAKAN ALGORITMA RECURSIVE BEST FIRST SEARCH (RBFS)
PENYELESAIAN TRAVELING SALESMAN PROBLEM (TSP) MENGGUNAKAN ALGORITMA RECURSIVE BEST FIRST SEARCH (RBFS) Hari Santoso 146060300111019 haripinter@gmail.com Prodi Sistem Komunikasi dan Infromatika Teknik Elektro
Lebih terperinciBAB II LANDASAN TEORI. Menurut Schroeder (2000) Penjadwalan dapat didefinisikan sebagai suatu
BAB II LANDASAN TEORI 2.1 Penjadwalan Menurut Schroeder (2000) Penjadwalan dapat didefinisikan sebagai suatu petunjuk atau indikasi apa saja yang harus dilakukan, dengan siapa, dan dengan peralatan apa
Lebih terperinciBAB I PENDAHULUAN. Penyaluran merupakan suatu jalur yang dilalui oleh arus barang yang berupa fisik
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pendistribusian terkadang identik dengan kata penyaluran atau saluran, dimana dapat didefinisikan dalam beberapa arti. Umumnya definisi yang ada memberikan
Lebih terperinciBAB I PENDAHULUAN. Kemajuan Ilmu dan Teknologi (IPTEK) di berbagai bidang terasa sangat
BAB I PENDAHULUAN 1.1. Latar Belakang Kemajuan Ilmu dan Teknologi (IPTEK) di berbagai bidang terasa sangat pesat belakangan ini. Kemajuan tersebut haruslah diimbangi oleh peningkatan kualitas Sumber Daya
Lebih terperinciGENETIKA UNTUK MENENTUKAN RUTE LOPER KORAN DI AGEN SURAT KABAR
MULTI TRAVELING SALESMAN PROBLEM (MTSP) DENGAN ALGORITMA Abstrak GENETIKA UNTUK MENENTUKAN RUTE LOPER KORAN DI AGEN SURAT KABAR Oleh : Fitriana Yuli Saptaningtyas,M.Si. Jurusan Pendidikan Matematika FMIPA
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pekanbaru adalah ibukota Provinsi Riau dan kota terbesar di Provinsi Riau. Kebanyakan orang hanya mengenal Pekanbaru sebagai penghasil minyak dan gas saja.
Lebih terperinciJurnal Ilmiah Mustek Anim Ha Vol.1 No. 2, Agustus 2012 ISSN
PENENTUAN RUTE PENGAMBILAN SAMPAH DI KOTA MERAUKE DENGAN KOMBINASI METODE EKSAK DAN METODE HEURISTIC Endah Wulan Perwitasari Email : dek_endah@yahoo.com Jurusan Teknik Informatika Fakultas Teknik Universitas
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN Pada bab pertama ini akan diuraikan mengenai latar belakang, rumusan masalah, tujuan, batasan masalah, metodologi, dan sistematika pembahasan dalam Tugas Akhir ini. 1.1 Latar Belakang
Lebih terperinciIMPLEMENTASI METODE ANT COLONY OPTIMIZATION UNTUK PEMILIHAN FITUR PADA KATEGORISASI DOKUMEN TEKS
IMPLEMENTASI METODE ANT COLONY OPTIMIZATION UNTUK PEMILIHAN FITUR PADA KATEGORISASI DOKUMEN TEKS Yudis Anggara Putra Chastine Fatichah Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Salah satu permasalahan optimasi kombinatorial yang terkenal dan sering dibahas adalah traveling salesman problem. Sejak diperkenalkan oleh William Rowan Hamilton
Lebih terperinciBAB I PENDAHULUAN. Alat transportasi merupakan salah satu faktor yang mendukung berjalannya
BAB I PENDAHULUAN A. Latar Belakang Masalah Alat transportasi merupakan salah satu faktor yang mendukung berjalannya kegiatan atau aktivitas manusia dalam kehidupan sehari-hari. Salah satu kegiatan manusia
Lebih terperinciIMPLEMENTASI ALGORITMA GREEDY PADA LAYANAN TAKSI WISATA BERBASIS WEB
IMPLEMENTASI ALGORITMA GREEDY PADA LAYANAN TAKSI WISATA BERBASIS WEB Adi Cahyo Purnomo 1, Mike Yuliana, ST. MT. 1, Ira Prasetyaningrum, S.Si. MT. 1 Politeknik Elektronika Negeri Surabaya Institut Teknologi
Lebih terperinciBAB 1 PENDAHULUAN. dapat menyelesaikan masalah maka perlu dirumuskan terlebih dahulu langkahlangkah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Komputer merupakan salah satu alat bantu untuk menyelesaikan masalah. Untuk dapat menyelesaikan masalah maka perlu dirumuskan terlebih dahulu langkahlangkah
Lebih terperinciALGORITMA HARMONY SEARCH DALAM OPTIMALISASI VEHICLE ROUTING PROBLEM WITH TIME WINDOW (VRPTW)
ALGORITMA HARMONY SEARCH DALAM OPTIMALISASI VEHICLE ROUTING PROBLEM WITH TIME WINDOW (VRPTW) Irinne Puspitasari 1, Purwanto 2 Email : irinne.puspitasari@gmail.com JURUSAN MATEMATIKA FAKULTAS MATEMATIKA
Lebih terperinciBAB I PENDAHULUAN. wisata budaya, wisata belanja, hingga wisata Alam. Untuk menarik minat
BAB I PENDAHULUAN A. Latar Belakang Masalah Objek pariwisata di Yogyakarta sudah semakin beragam mulai dari wisata budaya, wisata belanja, hingga wisata Alam. Untuk menarik minat wisatawan dapat dibuat
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Salah satu sektor pelayanan publik yang perlu mendapatkan perhatian adalah sektor transportasi publik. Pengembangan transportasi sangat penting artinya dalam menunjang
Lebih terperinciPERBANDINGAN KINERJA ALGORITMA GENETIK DAN ALGORITMA BRANCH AND BOUND PADA TRAVELLING SALESMAN PROBLEM
PERBANDINGAN KINERJA ALGORITMA GENETIK DAN ALGORITMA BRANCH AND BOUND PADA TRAVELLING SALESMAN PROBLEM Nico Saputro dan Suryandi Wijaya Jurusan Ilmu Komputer Universitas Katolik Parahyangan nico@home.unpar.ac.id
Lebih terperinciPENGEMBANGAN APLIKASI UNTUK MEMPERMUDAH PENCARIAN RUMAH SAKIT UMUM DENGAN ALGORITMA TABU SEARCH
PENGEMBANGAN APLIKASI UNTUK MEMPERMUDAH PENCARIAN RUMAH SAKIT UMUM DENGAN ALGORITMA TABU SEARCH Paska Marto Hasugian Program Studi Teknik Informatika STMIK Pelita Nusantara Medan, Jl. Iskandar Muda No.1,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah. Indonesia memiliki pesona alam dan budaya yang beraneka ragam yang
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Indonesia memiliki pesona alam dan budaya yang beraneka ragam yang terletak secara menyebar di kepulauan Nusantara Indonesia, terdapat 6 jenis obyek wisata
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
9 BAB 1 PENDAHULUAN 1.1 Latar Belakang Travelling Salesman Problem (TSP) merupakan salah satu permasalahan yang penting dalam dunia matematika dan informatika. TSP dapat diilustrasikan sebagai perjalanan
Lebih terperinciBAB II TINJAUAN PUSTAKA. menerapkan metode UCD (User Centered Design) adalah untuk
BAB II TINJAUAN PUSTAKA 2.1 Tinjauan Pustaka Situs pada Aplikasi Katalog Wisata Kuliner Berbasis Web dibuat dengan menerapkan metode UCD (User Centered Design) adalah untuk mempermudah penggunakan dalam
Lebih terperinciPRESENTASI TUGAS AKHIR
PRESENTASI TUGAS AKHIR Travelling Salesman Problem menggunakan Algoritma Genetika Via GPS berbasis Android (kata kunci : android,gps,google Maps, Algoritma Genetika, TSP) Penyusun Tugas Akhir : Azmi Baharudin
Lebih terperinciBAB II LANDASAN TEORI. terdapat dalam transportasi dan distribusi serta dalam industri. Sasaran utama proses penjadwalan:
BAB II LANDASAN TEORI 2.1. Penjadwalan Menurut Pinedo (2002), penjadwalan adalah proses pengambilan keputusan yang mempunyai peran penting dala proses manufaktur dan sistem produksi begitu juga dalam lingkungan
Lebih terperinciAplikasi Algoritma Greedy untuk Optimasi Sistem Booking Hotel Online
Aplikasi Algoritma Greedy untuk Optimasi Sistem Booking Hotel Online Selly Yuvita 080 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 0 Bandung
Lebih terperinciPenerapan Algoritma Greedy dalam Optimasi Keuntungan Perusahaan Pengiriman Barang
Penerapan Algoritma Greedy dalam Optimasi Keuntungan Perusahaan Pengiriman Barang Windy Amelia - 13512091 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciPENGARUH NILAI PARAMETER TERHADAP SOLUSI HEURISTIK PADA MODEL VTPTW
INFOMATEK Volume 19 Nomor 1 Juni 2017 PENGARUH NILAI PARAMETER TERHADAP SOLUSI HEURISTIK PADA MODEL VTPTW Tjutju T. Dimyati Program Studi Teknik Industri Fakultas Teknik Universitas Pasundan Abstrak: Penentuan
Lebih terperinciPenggabungan Algoritma Brute Force dan Backtracking dalam Travelling Thief Problem
Penggabungan Algoritma Brute Force dan Backtracking dalam Travelling Thief Problem Jessica Handayani (13513069) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah 1.2 Perumusan Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Saat ini teknologi telah berkembang dengan cukup pesat. Perkembangan teknologi mengakibatkan pemanfaatan atau pengimplementasian teknologi tersebut dalam berbagai
Lebih terperinciPENERAPAN ALGORITMA ANT COLONY UNTUK TRAVELLING SALESMAN PROBLEM PADA PERANGKAT BERGERAK
PENERAPAN ALGORITMA ANT COLONY UNTUK TRAVELLING SALESMAN PROBLEM PADA PERANGKAT BERGERAK PRIYANKA GEMET ARISMOYO NRP 5109100178 Dosen Pembimbing I Henning Titi Ciptanigntyas S.Kom., M.Kom. Dosen Pembimbing
Lebih terperinciJournal of Informatics and Technology, Vol 1, No 1, Tahun 2012, p
PENENTUAN JALUR TERPENDEK PADA PELAYANAN AGEN TRAVEL KHUSUS PENGANTARAN WILAYAH SEMARANG BERBASIS SIG DENGAN ALGORITMA BRANCH AND BOUND Windi Rayina Rosa, Drs. Suhartono, M.Kom, Helmie Arif Wibawa, S.Si,
Lebih terperinciBAB I PENDAHULUAN. menarik untuk dikunjungi. Daerah Kabupaten Kulon Progo yang letaknya sangat
BAB I PENDAHULUAN A. Latar Belakang Kabupaten Kulon Progo terletak pada propinsi Daerah Istimewa Yogyakarta bagian barat yang memiliki berbagai tempat wisata yang sangat menarik untuk dikunjungi. Daerah
Lebih terperinciBAB IV ANALISIS DAN PERANCANGAN SISTEM. atau tata cara memperoleh rute pariwisata di Provinsi Jawa Barat yang sedang
BAB IV ANALISIS DAN PERANCANGAN SISTEM 4.1. Analisis Sistem yang Berjalan Analisis sistem yang berjalan dilakukan untuk mengetahui bagaimana alur atau tata cara memperoleh rute pariwisata di Provinsi Jawa
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN. dan memudahkan dalam pengembangan sistem selanjutnya. Tujuan dari analisa
BAB III ANALISIS DAN PERANCANGAN.1. Analisis Sistem Dalam perancangan sebuah sistem diperlukan analisis untuk keperluan sistem. Dengan adanya analisis sistem, sistem yang dirancang diharapkan akan lebih
Lebih terperinciSistem Pendukung Keputusan Untuk Pengiriman Barang Dengan Menggunakan Metode Simulated Annealing Pada PT. Rimo Catur Lestari Tbk
Sistem Pendukung Keputusan Untuk Pengiriman Barang Dengan Menggunakan Metode Simulated Annealing Pada PT. Rimo Catur Lestari Tbk SKRIPSI Oleh : ARY NANDO HARYONO PUTRA NPM : 0634010042 JURUSAN TEKNIK INFORMATIKA
Lebih terperinciBAB 1 PENDAHULUAN 1.1 LATAR BELAKANG
1 BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG Graf merupakan salah satu cabang ilmu matematika yang dapat digunakan dalam membantu persoalan diberbagai bidang seperti masalah komunikasi, transportasi, distribusi,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Teori Graf 2.1.1 Defenisi Graf Graf G didefenisikan sebagai pasangan himpunan (V,E), ditulis dengan notasi G = (V,E), yang dalam hal ini V adalah himpunan tidak kosong dari simpul-simpul
Lebih terperinciALGORITMA OPTIMASI UNTUK PENYELESAIAN TRAVELLING SALESMAN PROBLEM (Optimization Algorithm for Solving Travelling Salesman Problem)
ALGORITMA OPTIMASI UNTUK PENYELESAIAN TRAVELLING SALESMAN PROBLEM (Optimization Algorithm for Solving Travelling Salesman Problem) Dian Tri Wiyanti Program Studi Teknik Informatika, Jurusan Teknologi Informasi
Lebih terperinciPenentuan Lintasan Terbaik Dengan Algoritma Dynamic Programming Pada Fitur Get Driving Directions Google Maps
Penentuan Lintasan Terbaik Dengan Algoritma Dynamic Programming Pada Fitur Get Driving Directions Google Maps Michael Ingga Gunawan 13511053 Program Studi Teknik Informatika Sekolah Teknik Elektro dan
Lebih terperinciDAFTAR ISI. Tim Redaksi... i Kata Pengantar... ii Daftar Isi... iii
DAFTAR ISI Tim Redaksi... i Kata Pengantar... ii Daftar Isi... iii Faiz Rafdh Ch SISTEM INFORMASI ZAKAT BERBASIS WEB MENGGUNAKAN PHP DAN MYSQL PADA RUMAH ZAKATINDONESIA 1-7 Abdul Jamil Syamsul Bachtiar
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Sistem Informasi Geografis (SIG) sebagai salah satu bidang ilmu yang tergolong baru, saat ini telah mampu menyelesaikan masalah routing, baik untuk masalah pencarian
Lebih terperinciAplikasi Semantik untuk Pembangkitan Rute Trans Jogja Berbasis Windows Phone pada Perangkat Bergerak
Aplikasi Semantik untuk Pembangkitan Rute Trans Jogja Berbasis Windows Phone pada Perangkat Bergerak Bernard Denata Suryawan NRP : 5109100080 Dosen Pembimbing: Umi Laili Yuhana, S.Kom., M.Sc. Nurul Fajrin
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Bandara internasional Kuala Namu merupakan Bandar udara Internasional yang melayani kota medan dan sekitarnya. Bandara ini terletak 39 KM dari kota medan. Bandar udara
Lebih terperinciPREPROCESSING DATA DAN REPRESENTASI ORGANISME ALGORITMA SYMBIOTIC ORGANISMS SEARCH PADA PERMASALAHAN PENJADWALAN PRAKTIKUM PERGURUAN TINGGI
PREPROCESSING DATA DAN REPRESENTASI ORGANISME ALGORITMA SYMBIOTIC ORGANISMS SEARCH PADA PERMASALAHAN PENJADWALAN PRAKTIKUM PERGURUAN TINGGI Hendrawan Armanto 1), C. Pickerling 2), Eka Rahayu Setyaningsih
Lebih terperinciKata Kunci: Rute, Jadwal, Optimasi, Vehicle Roting Problem, Algoritma Tabu Search, Model
Perancangan Model Rute dan Jadwal Pengisian Bahan Bakar Unit Loader yang Optimal Menggunakan Algoritma Tabu Search (Studi Kasus Pada PT Pamapersada Nusantara) Amar Rachman 1, Febri Vabiono P 2 Departemen
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Perkembangan dunia transportasi saat ini memberikan beberapa dampak baik dan buruk bagi pengguna alat transportasi maupun lalu lintas khususnya diperkotaan. Kota Medan
Lebih terperinciBAB I PENDAHULUAN. Permasalahan yang terjadi bukan hanya disebabkan oleh terbatasnya sistem
BAB I PENDAHULUAN I.1 Umum Banyak negara sedang berkembang menghadapi permasalahan transportasi. Permasalahan yang terjadi bukan hanya disebabkan oleh terbatasnya sistem prasarana transportasi yang ada,
Lebih terperinciPerangkat Lunak Simulasi Periodic Vehicle Routing Problem (PVRP) dengan Tabu Search
Perangkat Lunak Simulasi Periodic Vehicle Routing Problem (PVRP) dengan Tabu Search Danny Manongga, Theophilus Wellem, Kasih Septi Fakultas Tekonologi Informasi Universitas Kristen Satya Wacana Jl. Dipenogoro
Lebih terperinciPENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN ALGORITMA BRANCH AND BOUND
PENYEESAIAN TRAVEING SAESMAN PROBEM DENGAN AGORITMA BRANCH AND BOND Yogo Dwi Prasetyo Pendidikan Matematika, niversitas Asahan e-mail: abdullah.prasetyo@gmail.com Abstract The shortest route search by
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
60 BAB 3 METODOLOGI PENELITIAN Gambar 3.1 Flow Chart Tugas Akhir 61 Gambar 3.1 Flow Chart Tugas Akhir (Lanjutan) Wawancara dan Observasi Lapangan Wawancara dilakukan untuk mengetahui alur proses bisnis
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 ANGKUTAN UMUM 2.1.1 Komponen Sistem Angkutan Umum Pada sistem angkutan umum, terdapat tiga komponen utama yang mempunyai peran dan kepentingan tertentu dan seringkali saling
Lebih terperinciAplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP)
JTRISTE, Vol.1, No.2, Oktober 2014, pp. 50~57 ISSN: 2355-3677 Aplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP) STMIK Handayani Makassar najirah_stmikh@yahoo.com Abstrak
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan Kecerdasan Buatan atau Artificial Intelligence mengalami kemajuan yang sangat pesat. Saat ini Artificial Intelligence banyak digunakan dalam berbagai
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Smartphone sangat mempengaruhi kehidupan keseharian masyarakat masa kini. Dengan berbagai macam fitur dan aplikasi yang terkandung di dalamnya, seperti social media,
Lebih terperinciPENGEMBANGAN HEURISTIK DIFERENSIAL TERKOMPRESI UNTUK ALGORITMA BLOCK A*
PENGEMBANGAN HEURISTIK DIFERENSIAL TERKOMPRESI UNTUK ALGORITMA BLOCK A* Teguh Budi Wicaksono 1), Rinaldi Munir 2) Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Bandung, Jawa Barat
Lebih terperinciBAB III DESAIN. Untuk mendapatkan requirement gathering penulis menyebarkan. kuesioner secara online melalui media sosial selama 1 bulan pada tabel
BAB III DESAIN 3.1 Requirement Gathering Untuk mendapatkan requirement gathering penulis menyebarkan kuesioner secara online melalui media sosial selama 1 bulan pada tabel 3.1 menunjukan modus(hasil paling
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang. Kemajuan teknologi saat ini membuat masyarakat mulai mendigitalisasikan
BAB 1 PENDAHULUAN 1.1 Latar Belakang Kemajuan teknologi saat ini membuat masyarakat mulai mendigitalisasikan semua perangkat pendukung yang biasa mereka gunakan, salah satu contohnya adalah peta. Peta
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam setiap hari, masyarakat tidak akan luput dari kegiatan distribusi barang. Dari rakyat kecil sampai pada perusahaan besar sangat memperhatikan masalah distribusi
Lebih terperinciOptimalisasi Pengantaran Barang dalam Perdagangan Online Menggunakan Algoritma Genetika
Optimalisasi Pengantaran Barang dalam Perdagangan Online Menggunakan Algoritma Genetika Rozak Arief Pratama 1, Esmeralda C. Djamal, Agus Komarudin Jurusan Informatika, Fakultas MIPA Universitas Jenderal
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Supply Chain Management Supply chain adalah jaringan perusahaan-perusahaan yang secara bersama-sama bekerja untuk menciptakan dan menghantarkan produk ke tangan pemakai akhir.
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Internet sebagai salah satu media informasi yang efektif dan efisien dalam penyampaian informasi yang bisa diakses setiap orang kapan saja dan dimana saja,
Lebih terperinci1.1 Latar Belakang BAB I PENDAHULUAN
BAB I PENDAHULUAN 1.1 Latar Belakang Daerah Pariaman merupakan wilayah kota yang sedang berkembang seperti pada tempat-tempat pariwisata, pendidikan, sarana transportasi umum dan Pelayanan Publik. Seiring
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Indonesia merupakan negara yang berada di wilayah rawan bencana. Dalam dekade terakhir sudah cukup banyak bencana yang melanda negeri ini. Gempa bumi, gunung meletus,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Bagian ini menjelaskan tentang hal-hal yang erat kaitannya dengan masalah m- ring star. Salah satu cabang matematika yang cukup penting dan sangat luas penerapannya di banyak bidang
Lebih terperinciBAB 1 PENDAHULUAN 1.1. Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Dalam kehidupan sehari-hari, di manapun, kapanpun dan siapapun pasti semua orang menggunakan kendaraan sebagai sarana transportasi mereka. Dan sering kali perjalanan
Lebih terperinciMANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 10 & 11: MANAJEMEN TRANSPORTASI & DISTRIBUSI
MANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 10 & 11: MANAJEMEN TRANSPORTASI & DISTRIBUSI By: Rini Halila Nasution, ST, MT PENDAHULUAN Kemampuan untuk mengirimkan produk ke pelanggan secara tepat
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Artificial Intelligence (AI) agen adalah fitur standar game komputer modern, baik sebagai lawan, teman atau tutor dari pemain. Agar tampil otentik, agen tersebut
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori graf 2.1.1 Defenisi graf Graf G adalah pasangan {,} dengan adalah himpunan terhingga yang tidak kosong dari objek-objek yang disebut titik (vertex) dan adalah himpunan pasangan
Lebih terperinciBAB 3 PENANGANAN JARINGAN KOMUNIKASI MULTIHOP TERKONFIGURASI SENDIRI UNTUK PAIRFORM-COMMUNICATION
BAB 3 PENANGANAN JARINGAN KOMUNIKASI MULTIHOP TERKONFIGURASI SENDIRI UNTUK PAIRFORM-COMMUNICATION Bab ini akan menjelaskan tentang penanganan jaringan untuk komunikasi antara dua sumber yang berpasangan.
Lebih terperinciDesain Rute Terpendek untuk Distribusi Koran Dengan Algoritma Ant Colony System
Desain Rute Terpendek untuk Distribusi Koran Dengan Algoritma Ant Colony System Jan Alif Kreshna, Satria Perdana Arifin, ST, MTI., Rika Perdana Sari, ST, M.Eng. Politeknik Caltex Riau Jl. Umbansari 1 Rumbai,
Lebih terperinciBAB I Pendahuluan Latar Belakang Masalah
1.1. Latar Belakang Masalah BAB I Pendahuluan Kota Medan adalah salah satu kota terbesar di Indonesia. Berdasarkan kutipan dari Kode dan Data Wilayah Administrasi Pemerintahan (Permendagri No. 56 tahun
Lebih terperinciPENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP)
PENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP) Mohamad Subchan STMIK Muhammadiyah Banten e-mail: moh.subhan@gmail.com ABSTRAK: Permasalahan pencarian rute terpendek dapat
Lebih terperinciImplementasi Algoritma Greedy pada Permainan Ludo
Implementasi Algoritma Greedy pada Permainan Ludo Sylvia Juliana, 13515070 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl, Ganesha 10 Bandung 40132,
Lebih terperinciOPTIMISASI TOTAL TEMPUH NPC PADA RTS GAME MENGGUNAKAN HARMONY SEARCH ALGORITHM. Herti Miawarni 1* Jl. A. Yani 114, Surabaya 60231, Telp.
OPTIMISASI TOTAL TEMPUH NPC PADA RTS GAME MENGGUNAKAN HARMONY SEARCH ALGORITHM Herti Miawarni 1* 1 Program Studi Teknik Elektro, Fakultas Teknik, Universitas Bhayangkara Surabaya Jl. A. Yani 114, Surabaya
Lebih terperinciPenyelesaian Masalah Travelling Salesman Problem Menggunakan Ant Colony Optimization (ACO)
Penyelesaian Masalah Travelling Salesman Problem Menggunakan Ant Colony Optimization (ACO) Anna Maria 1, Elfira Yolanda Sinaga 2, Maria Helena Iwo 3 Laboratorium Ilmu dan Rekayasa Komputasi Departemen
Lebih terperinciMatematika dan Statistika
ISSN 1411-6669 MAJALAH ILMIAH Matematika dan Statistika DITERBITKAN OLEH: JURUSAN MATEMATIKA FMIPA UNIVERSITAS JEMBER Majalah Ilmiah Matematika dan Statistika APLIKASI ALGORITMA SEMUT DAN ALGORITMA CHEAPEST
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Teori Graf Teori graf merupakan pokok bahasan yang sudah tua usianya namun memiliki banyak terapan sampai saat ini. Graf digunakan untuk merepresentasikan objek-objek diskrit dan hubungan
Lebih terperinciBAB IV HASIL DAN UJI COBA
BAB IV HASIL DAN UJI COBA IV.1. Hasil Berikut ini dijelaskan tentang tampilan hasil dari Perancangan Sistem Informasi Geografis Lokasi Loket Bus di Kota Medan dapat dilihat sebagai berikut : IV.1.1. Hasil
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Graph 2.1.1 Definisi Graph Menurut Dasgupta dkk (2008), graph merupakan himpunan tak kosong titik-titik yang disebut vertex (juga disebut dengan node) dan himpunan garis-garis
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Kota Bandung adalah salah satu kota besar di Indonesia dan merupakan ibukota dari Provinsi Jawa Barat. Kota ini didirikan pada tahun 1810 pada masa penjajahan
Lebih terperinci