BAB 1 PENDAHULUAN 1.1. Latar Belakang

Transkripsi

1 BAB 1 PENDAHULUAN 1.1. Latar Belakang Pada jaman serba modern ini, peta masih digunakan oleh kebanyakan orang untuk menuju suatu tempat. Lintasan yang dipilih untuk menuju tujuan pastilah lintasan yang paling pendek. Namun, pencarian lintasan terpendek secara manual, akan membutuhkan banyak waktu dan ketelitian. Masalah lintasan terpendek berkaitan dengan pencarian lintasan pada graf berbobot yang menghubungkan dua buah simpul (edge) sedemikian sehingga jumlah bobot pada sisi-sisi yang terpilih merupakan bobot minimum. Terdapat banyak algoritma yang dapat digunakan untuk pemecahan masalah dalam pencarian lintasan terpendek. Pemilihan algoritma yang paling optimal seringkali menjadi permasalahan dalam pencarian lintasan terpendek karena setiap algoritma memiliki kelebihan dan kekurangannya masing-masing (Hardianto, 2013: 79). Secara umum, algoritma pencarian dapat dibedakan menjadi dua metode yaitu, metode uninformed search dan metode informed search. Metode uninformed search merupakan metode matematika biasa dengan informasi yang jelas, sedangkan metode informed search merupakan metode pencarian yang menggunakan metode pendekatan pada proses pencariannya. Metode informed search diketahui lebih efisien dibandingkan dengan metode uninformed search (Russell & Norvig, 2010: 92). Dalam skripsi ini, akan dibahas dua buah algoritma pencarian yang tergolong ke dalam metode informed search yaitu algoritma A* (Star) dan algoritma greedy best-first search yang bekerja dengan mengembangkan simpul-simpul dalam proses pencarian lintasan terpendek. Simpul yang dianggap berpotensi menemukan lintasan terpendek akan dikembangkan sampai pencarian berakhir. Kedua algoritma bekerja dengan menerapkan prinsip best-first search yang mengembangkan simpul berdasarkan sebuah fungsi yang disebut fungsi evaluasi. Pada umumnya, simpul yang 1

2 2 memiliki fungsi evaluasi terkecil akan dikembangkan sampai pencarian berakhir (Russell & Norvig, 2010: 92). Algoritma A* dan greedy best-first search akan dibandingkan untuk mencari lintasan terpendek dari segi panjang lintasan dan waktu berpikir yang dihasilkan algoritma. Kedua algoritma akan diterapkan dalam peta dengan menggunakan data dari peta Jawa Tengah. Setelah dibandingkan, akan ditarik kesimpulan dari hasil perbandingan kedua algoritma tersebut Rumusan Masalah Berdasarkan uraian yang telah dikemukakan di atas, masalah yang akan dikembangkan adalah : 1. Bagaimana algoritma A* dan algoritma greedy best-first search bekerja dalam pencarian lintasan terpendek? 2. Bagaimana membandingkan algoritma A* dan algoritma greedy best-first search dalam pencarian lintasan terpendek? 3. Hal apa yang akan digunakan untuk membandingkan dan menentukan algoritma terbaik antara algoritma A* dan algoritma greedy best-first search? 1.3. Hipotesis Pada penelitian sebelumnya yang dilakukan oleh Goyal, Mogha, Luthra, Sangwan (2014) menghasilkan panjang lintasan yang dilalui menggunakan algoritma greedy best-first search sama dengan panjang lintasan yang dilalui menggunakan algoritma A*. Kemudian, algoritma A* memiliki waktu berpikir yang lebih singkat daripada algoritma greedy bestfirst search. Namun jika dilihat dari pengertian dan tahapan kedua algoritma, algoritma A* seharusnya memberikan lintasan lebih pendek dan waktu berpikir yang lebih lama daripada algoritma greedy best-first search. Hal ini disebabkan karena algoritma A* menghitung semua kemungkinan lintasan terpendek yang mungkin dilalui sedangkan algoritma greedy best-first search hanya melihat kemungkinan lintasan terpendek yang ada di depannya.

3 3 Hipotesis dalam penelitian ini adalah : : algoritma greedy best-first search memberikan lintasan lebih pendek daripada algoritma A* dalam menentukan lintasan terpendek. : algoritma A* memberikan lintasan lebih pendek daripada algoritma greedy best-first search dalam menentukan lintasan terpendek. : algoritma A* memberikan waktu berpikir lebih cepat daripada algoritma greedy best-first search dalam menentukan lintasan terpendek. : algoritma greedy best-first search memberikan waktu berpikir lebih cepat daripada algoritma A* dalam menentukan lintasan terpendek Ruang Lingkup Ruang lingkup pada penelitian ini adalah : 1. Algoritma yang dibandingkan adalah algoritma A* dan algoritma greedy best-first search. 2. Fungsi heuristic yang digunakan dalam algoritma A* dan algoritma greedy best-first search adalah Straight-line distance (Euclidean distance). 3. Perbandingan algoritma hanya dari segi panjang lintasan dan lama waktu menentukan lintasan. 4. Data yang digunakan untuk membandingkan algoritma adalah kota-kota di provinsi Jawa Tengah yang diubah menjadi bentuk graf tidak berarah dengan 20 nodes sebagai kota. 5. Aplikasi pengujian dibuat dengan bahasa pemrograman C#. 6. Aplikasi pengujian dijalankan pada sistem operasi Windows Tujuan dan Manfaat Tujuan pada penelitian ini adalah : 1. Mengetahui metode algoritma A* dan algoritma greedy best-first search dalam menentukan lintasan terpendek.

4 4 2. Membuat perbandingan algoritma A* dan algoritma greedy bestfirst search dalam menentukan lintasan terpendek. 3. Membuktikan teori yang ada sebelumnya tentang algoritma greedy best-first search dan A* dalam menentukan lintasan terpendek Manfaat dibuatnya penelitian ini adalah : 1. Menambah wawasan dan pengetahuan tentang masalah pencarian lintasan terpendek. 2. Lebih mengenal tentang algoritma A* dan algoritma greedy bestfirst search dalam masalah penentuan lintasan terpendek Metode Penelitian Metode penelitian yang digunakan dalam penelitian ini adalah : 1. Metode Analisis Tahapan-tahapan yang dilakukan dalam metode analisis adalah analisis terhadap berbagai algoritma yang telah dan dapat diterapkan dalam pencarian lintasan terpendek dari beberapa sumber seperti jurnal lokal maupun jurnal internasional. 2. Metode Perancangan Tahapan-tahapan yang dilakukan dalam metode perancangan adalah merancang flowchart dari algoritma A* dan greedy bestfirst search untuk setiap tahapan pencarian lintasan terpendek pada peta. Kemudian, tahapan selanjutnya dalam metode perancangan adalah merancang peta dengan data dari peta Jawa Tengah dan user interface untuk aplikasi pengujian algoritma. 3. Metode Implementasi Metode implementasi dilakukan dengan menerapkan algoritma A* dan greedy best-first search yang telah dirancang ke dalam aplikasi pengujian algoritma. 4. Metode Pengujian Dalam metode pengujian, algoritma A* dan greedy best-first search yang telah diterapkan dalam aplikasi akan diuji. Pengujian akan dilakukan dengan melihat algoritma mana yang memberikan

5 5 lintasan lebih pendek dan waktu berpikir yang lebih singkat. Kemudian, dari hasil pengujian akan dilakukan penarikan kesimpulan Sistematika Penulisan Sistematika penulisan menjelaskan tentang susunan penulisan skripsi yang telah dibuat secara sistematis. Penulisan skripsi ini dibagi menjadi lima bab dan beberapa sub-bab. Sistematika penulisan disusun dengan urutan sebagai berikut : Bab 1 Pendahuluan Bab ini berisi tentang latar belakang penulisan skripsi, rumusan masalah, hipotesis, ruang lingkup yang akan dibahas dalam skripsi, tujuan dan manfaat, metode penelitian yang digunakan, dan sistematika penulisan skripsi yang menjelaskan pokok-pokok pembahasan Bab 2 Tinjauan Pustaka Bab ini berisi penjelasan mengenai teori-teori yang digunakan sebagai dasar penulisan skripsi dan pembuatan aplikasi. Teori-teori tersebut didapatkan melalui studi pustaka, internet, dan berbagai sumber lain yang mendukung skripsi dan pembuatan aplikasi. Terdapat juga related works yang menampilkan hasil pencapaian dari penelitian yang terdahulu. Bab 3 Metodologi Bab ini menjelaskan inti dari skripsi yang dibuat. Bagaimana perancangan serta proses kerja dari aplikasi yang dibuat dalam skripsi. Menampilkan kerangka berpikir dalam bentuk flowchart dan penjelasan flowchart tersebut. Terdapat juga tampilan dari rancangan layar yang akan dibuat. Bab 4 Hasil dan Pembahasan Bab ini menampilkan hasil dari pengujian aplikasi yang dibuat dan pembahasan dari hasil yang dicapai. Menampilkan screenshot dari aplikasi

6 6 yang telah dibuat, dan menampilkan hasil evaluasi perbandingan algoritma yang diuji. Bab 5 Simpulan dan Saran Bab ini menjelaskan tentang kesimpulan dari aplikasi yang dibuat dan saran untuk pengembangan lebih lanjut.