BAB II KAJIAN TEORI Pada bab kajian teori akan dibahas tentang teori graf, algoritma, algoritma semut, dan travelling salesman problem. Teori graf digunakan untuk menerapkan aplikasi rute Trans Jogja. Optimasi digunakan untuk mencari nilai optimal dalam menjalankan algoritma semut. Travelling salesman problem digunakan sebagai salah satu bentuk permasalahan rute terpendek Terminal Giwangan hingga Bantul Kota dengan menggunakan data berupa jarak antar halte. Data yang didapat dimodelkan ke dalam bentuk graf kemudian diselesaikan dengan metode algoritma semut. A. Teori Graf 1. Definisi Graf Suatu graf dapat dipandang sebagai kumpulan titik yang disebut simpul dan segmen garis yang menghubungkan dua simpul yang disebut dengan rusuk. Definisi 2.1 (Mardiyono, 1996:1) Graf G yang dilambangkan dengan G = (V, E) terdiri atas dua himpunan V dan E yang saling asing. V bukan himpunan kosong dengan unsur-unsurnya disebut simpul, sedangkan unsur himpunan E disebut rusuk. Setiap rusuk menghubungkan dua simpul yang disebut simpul-simpul ujung dari rusuk tersebut. Contoh graf pada gambar 2.1 menunjukkan graf G dengan V = {v 1, v 2, v 3, v 4 } dan E = {e 1, e 2, e 3, e 4, e 5, e 6 }. 8
G Gambar 2.1 Contoh Graf G 2. Keterhubungan Menurut Chartrand & Zang (2005:13), sebuah graf G dikatakan terhubung jika setiap dua simpul graf G terhubung. Dengan kata lain, graf G dikatakan terhubung jika ada suatu lintasan antara sembarang dua simpul. Graf dapat digunakan sebagai model dari suatu sistem, salah satunya yaitu model sistem rute perjalanan. Gambar 2.2 digunakan sebagai ilustrasi untuk membedakan graf berdasarkan rusuk yang dilalui dan simpul yang dituju dan disinggahi. H Gambar 2.2 Contoh Graf H 9
Berikut akan dijelaskan keterhubungan graf yaitu jalan (walk), jejak (trail), lintasan (path), sikel (cycle), dan sirkuit (circuit). a. Jalan (Walk) Definisi 2.2 (Mardiyono, 1996: 41) Misalkan graf G dengan rusuk V = {v 1, v 2, v 3,, v k } dan simpul E = {e 1, e 2, e 3,, e k }, yang membentuk barisan berhingga W = {v 1, e 1, v 2, e 2, v 3, e 3,, v k, e k }. Maka, definisi jalan (walk) adalah suatu barisan yang suku-sukunya berupa simpul dan rusuk yang diurutkan secara bergantian sedemikian hingga rusuk ujung e i adalah simpul v i 1 dan v i. Pada gambar 2.2, contoh suatu jalan (walk) adalah barisan berhingga W = {v 1, e 2, v 5, e 3, v 4, e 5, v 6, e 6, v 5 }. b. Jejak (Trail) Definisi 2.3 (Mardiyono, 1996: 41) Jejak (Trail) adalah walk tanpa rusuk berulang. Pada gambar 2.2, contoh jejak adalah W = {v 1, e 2, v 5, e 3, v 4, e 4, v 2, e 9, v 6, e 6, v 5, e 7, v 3 }. c. Lintasan (Path) Definisi 2.4 (Mardiyono, 1996: 41) Lintasan (Path) adalah jejak tanpa simpul berulang. Contoh pada gambar 2.2 ditunjukkan oleh W = {v 1, e 1, v 4, e 3, v 5, e 6, v 6, e 9, v 2, e 8, v 3 }. 10
d. Sirkuit (circuit) Definisi 2.5 Sirkuit adalah jalan tertutup (closed walk) dengan rusuk tidak berulang atau dengan kata lain sirkuit adalah jejak (trail) yang tertutup. Contoh sirkuit pada gambar 2.2 adalah W = {v 1, e 2, v 5, e 6, v 6, e 9, v 2, e 8, v 3, e 7, v 5, e 3, v 4, e 1, v 1 } e. Lintasan Hamilton Definisi 2.6 Lintasan Hamilton adalah lintasan yang melalui setiap simpul di dalam graf tepat satu kali. f. Sirkuit Hamilton Definisi 2.7 Sirkuit Hamilton adalah graf sirkuit yang mengunjungi tiap simpul pada graf terhubung G tepat satu kali, kecuali simpul awal (yang juga merupakan simpul akhir) dilewati dua kali. Contoh Lintasan Hamilton dan Sirkuit Hamilton sebagai berikut: G1 G2 G3 Gambar 2.3 Contoh Sirkuit Hamilton dan Lintasan Hamilton 11
Pada gambar 2.3, graf G1 merupakan contoh lintasan Hamilton W = {v 1, v 2, v 3, v 4 }, graf G2 adalah contoh sirkuit hamilton dengan rute W = {v 4, v 3, v 2, v 1, v 4 }, sedangkan graf G3 tidak memiliki lintasan Hamilton dan sirkuit Hamilton. 3. Jenis Graf Graf dapat dibedakan berdasarkan ada tidaknya rusuk ganda, ada tidaknya loop (gelang), dan ada tidaknya arah (Mardiyono, 1996). Berikut ini dijelaskan beberapa jenis graf, yaitu: a. Graf Sederhana (Simple Graph) Definisi 2.8 Graf sederhana adalah graf yang tidak mempunyai rusuk ganda dan tidak mempunyai loop (gelang). Graf sederhana terbagi menjadi beberapa jenis, yaitu: 1) Graf Nol Definisi 2.9 Graf Nol adalah suatu graf yang himpunan rusuknya merupakan himpunan kosong dengan notasi Hn, dengan n = jumlah simpul. H1 H4 Gambar 2.4 Contoh Graf Nol Pada gambar 2.4, Graf H1 dan H4 masing-masing merupakan graf nol dengan banyak simpul 1 dan 4. 12
2) Graf Lengkap Definisi 2.10 Graf lengkap adalah suatu graf yang setiap pasang simpulnya berikatan. Graf lengkap yang dinotasikan dengan n simpul adalah K n. Semua contoh pada gambar 2.5 dibawah ini adalah graf lengkap dan dinotasikan sebagai K1, K2, K3, dan K4. Gambar 2.5 Contoh Graf Teratur b. Graf Berarah Definisi 2.11 (Mardiyono, 1996: 10) Graf berarah adalah graf yang setiap rusuk mempunyai arah tertentu. Pada gambar 2.6 graf J1 merupakan contoh graf berarah. J1 Gambar 2.6 Contoh Graf Berarah 13
c. Graf Tak Berarah Definisi 2.12 (Mardiyono, 1996: 10) Graf tak berarah adalah graf yang setiap rusuk tidak mempunyai arah tertentu. Pada gambar 2.7 graf J2 merupakan contoh graf tak berarah. J2 Gambar 2.7 Contoh Graf Tak Berarah B. Optimasi Optimasi adalah proses pencarian satu atau lebih penyelesaian layak yang berhubungan dengan nilai-nilai ekstrim dari satu atau lebih nilai objektif pada suatu masalah sampai tidak terdapat solusi ekstrim yang dapat ditemukan. (Intan Berlianty & Miftahol Arifin, 2010: 9). Optimal memiliki definisi yaitu nilai terbaik atau paling menguntungkan (Wikipedia: 2013). Pencarian rute optimal pada penelitian ini adalah pencarian rute terpendek. Metode yang digunakan untuk menyelesaikan masalah pencarian jalur terpendek yaitu metode konvensional dan metode heuristik. 1. Metode Konvensional Metode konvensional adalah metode yang menggunakan perhitungan matematis biasa. Metode konvensional dilakukan dengan membandingkan jarak 14
masing-masing antar simpul dan kemudian mencari jarak terpendeknya. Ada beberapa metode konvensional yang biasa digunakan untuk melakukan pencarian jalur terpendek, diantaranya : algoritma Djikstra, Algoritma Bellman-Ford, dan algoritma Floyd-Warshall (Iing Mutakhiroh, Indrato, Taufik Hidayat, 2007). 2. Metode Heuristik Metode heuristik adalah sub-bidang dari kecerdasan buatan yang digunakan untuk melakukan pencarian dan penentuan jalur terpendek. (Iing Mutakhiroh, Indrato, Taufik Hidayat, 2007). Ada beberapa algoritma pada metode heuristik yang biasa digunakan dalam permasalahan optimasi, diantaranya algoritma genetika, logika fuzzy, jaringan syaraf tiruan, simulated anneling, algoritma semut, dll. Beberapa Jenis Heuristik Searching (Intan Berlianty dan Miftahol Arifin, 2010:15) adalah: a. Algoritma Immune b. Algoritma Koloni Semut c. Algoritma Genetika d. Logika Fuzzy e. Tabu Search f. Generate and test C. Travelling Salesman Problem (TSP) Permasalahan TSP pada awalnya adalah suatu masalah yang ditemukan pedagang ketika berpergian dan singgah di beberapa kota hingga kembali ke kota semula. Selain masalah sarana transportasi, TSP juga mencakup beberapa masalah 15
lainnya, diantaranya masalah efisiensi pengiriman surat atau barang, layanan delivery service dari suatu tempat makan, dan efisiensi petugas bank yang melakukan pengisian Automatic Teller Machine (ATM) di n kota. Penerapan awal Algoritma Semut adalah pada permasalahan TSP. TSP dipilih menjadi kasus rute terpendek pertama yang diterapkan karena TSP merupakan suatu modifikasi perilaku koloni semut buatan yang dengan mudah diadaptasi ke dalam Algoritma Semut. Selain itu, TSP juga mudah dipahami dan penguraian langkah-langkah algoritma tidak dikaburkan dengan banyak istilah teknis (Marco Dorigo & Gianni Di Caro, 1999:146). TSP didefinisikan sebagai suatu permasalahan dalam mencari rute terpendek dengan membangun sebuah perjalanan yang masing-masing simpul dikunjungi tepat satu kali sampai kembali ke simpul awal. Dengan kata lain, TSP bertujuan mencari rute terpendek sebuah graf menggunakan sirkuit Hamilton. TSP hanya memiliki satu salesman dan depot tunggal sebagai simpul awal. TSP digambarkan sebagai graf lengkap berbobot G = (V, E) dengan V adalah himpunan simpul, sedangkan E adalah himpunan rusuk yang menghubungkan simpul. Setiap rusuk (i, j) E adalah nilai (jarak) d ij yang merupakan jarak dari kota i ke kota j, dengan (i, j) V. Pada TSP simetris, yaitu jarak dari kota i ke kota j sama dengan jarak dari j ke kota i, berlaku d ij = d ji untuk semua rusuk (i, j) E. Misalkan dalam graf lengkap G dengan n buah simpul (n > 2), maka graf tersebut mempunyai (n 1)! 2 buah sirkuit hamilton. Pada teorema lain, jika terdapat graf lengkap G dengan jumlah simpul n > 2 dan n ganjil, maka ada 16
(n 1)! 2 buah Sirkuit Hamilton saling asing, sedangkan untuk jumlah simpul n > 3 dan n genap terdapat (n 1)! 2 buah sirkuit hamilton. TSP dimodelkan sebagai graf dengan n buah simpul yang mewakili kota-kota yang harus dikunjungi oleh sejumlah m salesman. Misalkan diberikan matriks n x n sebagai berikut. Tabel 2.1 Matriks x ij x ij 1 2 3 N 1 x 11 x 12 x 13 x 1n 2 x 21 x 22 x 23 3 x 31 x 32 x 33 x 3n n x n1 x n2 x n3 x nn x ij adalah variabel biner dari kota i ke kota j yang bernilai sebagai berikut. 1, jika ada perjalanan dari kota i ke kota j x ij = { 0, jika tidak ada perjalanan dari kota i ke kota j (2.1) Selanjutnya, semua sel dalam baris dan kolom dijumlahkan satu persatu. 1. Penjumlahan sel baris pertama. n j=1 x ij, untuk i = 1. 2. Penjumlahan sel baris kedua. n j=1 x ij, untuk i = 2. 3. Penjumlahan sel baris ketiga. n j=1 x ij, untuk i = 3. 17
4. Penjumlahan sel dilakukan seterusnya hingga baris ke-n. Berikut ini penjumlahan sel untuk baris ke-n. n j=1 x ij, untuk i = n. Persamaan-persamaan hasil penjumlahan sel dalam baris diatas dapat diringkas sebagai berikut n x ij, untuk i = 1,2,3,, n (2.2) j=1 Kemudian dilanjutkan penjumlahan sel dalam kolom pertama hingga ke-n. 1. Penjumlahan sel kolom pertama. n i=1 x ij, untuk j = 1. 2. Penjumlahan sel kolom kedua. n i=1 x ij, untuk j = 2. 3. Penjumlahan sel kolom ketiga. n i=1 x ij, untuk j = 3. 4. Penjumlahan sel dilakukan seterusnya hingga sel kolom ke-n. Berikut ini penjumlahan untuk sel kolom ke-n. n i=1 x ij, untuk j = n. Persamaan-persamaan hasil penjumlahan sel dalam kolom diatas dapat diringkas sebagai berikut. n x ij, untuk j = 1,2,3,, n (2.3) i=1 Selanjutnya, untuk menjamin masing-masing kota hanya dikunjungi satu kali n maka persamaan j=1 x ij diberi nilai 1. Variabel c ij dimasukkan dalam 18
n persamaan j=1 x ij agar dapat diketahui bahwa rute dari i ke j terlewati atau tidak. c ij adalah jarak dari kota i ke kota j. Tujuan akhir TSP adalah mencari rute minimal, sehingga persamaan tersebut menjadi: dengan kendala: n n n Z = min c ij i=1 j=1 x ij. untuk i, j = 1,2,3,, n (2.4) i=1 x ij = 1 j = 1,2,3,4,, n (2.5) n j=1 x ij = 1 i = 1,2,3,4,, n (2.6) n i=1 x ij = 0 i = j (2.7) Persamaan (2.5) dan Persamaan (2.6) menjamin bahwa setiap kota hanya dikunjungi sekali oleh salesman, sedangkan persamaan (2.7) menyatakan jika jarak dari dan menuju kota yang sama adalah nol. Sebagai contoh kasus TSP yang telah dibentuk ke dalam suatu graf yang terdiri dari 4 kota dan masing-masing kota terhubung satu sama lain dengan jarak tertentu. Jika kasus TSP dibawa ke dalam bentuk graf, maka diperoleh graf seperti pada gambar 2.8, dengan v1 hingga v4 merupakan kota dan bobot merupakan jarak antar kota. 19
Gambar 2.8 Contoh Kasus TSP Dari gambar 2.8 diketahui bahwa graf tersebut adalah graf berbobot dan tidak berarah. Berdasarkan gambar tersebut, akan ditentukan sirkuit Hamilton terpendek (L min ) yang harus dilalui seorang salesman dengan mengunjungi setiap kota tepat satu kali dan kembali lagi ke kota asal. Graf lengkap dengan n = 4 simpul seperti yang ditunjukkan pada gambar 2.8 mempunyai (4 1)! 2 = 3 Sirkuit Hamilton, yaitu: L 1 = (v 1, v 2, v 3, v 4, v 1 ) dengan panjang rute 6+8+9+9=32. L 2 = (v 1, v 3, v 4, v 2, v 1 ) dengan panjang rute 5 + 9 + 4 + 6 = 24. L 2 = (v 1, v 3, v 2, v 4, v 1 ) dengan panjang rute 9 + 4 + 8 + 5 = 26. Terlihat, sirkuit Hamilton terpendek dari kasus diatas adalah L min = L 2 dengan panjang sirkuit 24. D. Algoritma Kata algoritma berasal dari nama matematikawan Persia abad kesembilan, Abu Ja far Mohammed Ibn Musa Al-Khowarizmi. Sampai pada tahun 1950, algoritma selalu diasosiasikan dengan Euclid s Algorithm, yaitu suatu proses yang menjelaskan cara mencari bilangan pembagi terbesar untuk dua buah bilangan 20
(greatest common divisor). Definisi algoritma yaitu metode langkah demi langkah dari pemecahan suatu masalah. Pada Kamus Besar Bahasa Indoonesia (KBBI), definisi algoritma adalah suatu urutan logis pengambilan keputusan untuk pemecahan masalah. Algoritma mempunyai peran penting dalam matematika dan ilmu komputer yang didasarkan pada prinsip-prinsip matematika. Solusi masalah bisa dijalankan oleh komputer apabila solusi diubah penjabarannya menjadi serangkaian langkahlangkah yang tepat (Richard, 1998:134). Algoritma mempunyai ciri khas seperti yang dikutip dari Richard (1998:35) sebagai berikut: 1. Masukan (Input) Algoritma memerlukan masukan untuk diolah. Pada penelitian ini masukan adalah jarak tiap halte Bus Trans Jogja. 2. Keluaran (Output) Setiap algoritma memberikan satu atau beberapa hasil keluaran. Pada penelitian ini keluaran algoritma berupa jarak optimal. 3. Presisi (Precision) Ciri algoritma selanjutnya adalah setiap langkah dinyatakan secara jelas (presisi). 4. Determinism Hasil intermediate dari tiap langkah eksekusi adalah tunggal dan semata-mata bergantung pada masukan dan hasil dari langkah selanjutnya.\ 21
5. Terhingga (Finiteness) Algoritma berhenti setelah beberapa instruksi terhingga dilaksanakan. 6. Kebenaran (Correctness) Produksi keluaran dari algoritma bernilai benar. Dengan kata lain, algoritma secara tepat menyelesaikan masalah. 7. Umum (Generality) Algoritma berlaku umum pada himpunan data yang dimasukkan (input). E. Algoritma Semut Algoritma semut pertama kali dipublikasikan Marco Dorigo tahun 1992 dalam tesisnya yang termasuk algoritma pertama yang bertujuan untuk mencari jalur optimal dalam graf berdasarkan perilaku semut mencari jalur dari sarang ke sumber makanan. Sesuai namanya, algoritma semut terinspirasi oleh observasi perilaku semut sungguhan. Semut merupakan serangga sosial yang hidup secara berkelompok atau berkoloni dan mempertahankan hidup koloni dengan perilakunya yang khas daripada hidup individu. Perilaku serangga sosial dalam mencari makanan telah menarik minat para ilmuwan karena mereka dapat mencapai strukturisasi koloni yang tinggi jika dibandingkan dengan kesederhanaan hubungan individu dalam koloni (Intan Berliyanti dan Miftahol Arifin, 2010: 62). Perilaku penting yang diteliti adalah semut dapat menemukan jalur terpendek dalam mencari makanan dan kembali lagi ke sarangnya. Selama perjalanan, semut meninggalkan jejak berupa feromon, yaitu suatu subtansi kimia 22
yang berasal dari kelenjar endokrin dan digunakan makhluk hidup untuk mengenali sesama spesies, individu lain, kelompok, dan untuk membantu proses reproduksi. Feromon yang tertinggal akan memberikan informasi kepada semutsemut selanjutnya yang akan mengikuti jejak feromon semut pertama. Proses peninggalan feromon disebut stigmergy, yaitu proses lingkungan yang dimodifikasi agar semut dapat mengingat jalan pulang ke sarang sekaligus sebagai sarana komunikasi semut dengan koloninya. Semut dapat menemukan jalur terpendek dalam algoritma semut dengan perilaku yang secara alamiah akan menemukan jalur terpendek dari sarang ke sumber makanan lalu kembali ke sarang. Jejak feromon merupakan media yang digunakan untuk berkomunikasi antar individu tentang informasi jalur dan digunakan untuk memutuskan kemana harus pergi. Seekor semut bergerak dengan meninggalkan seumlah feromon (dalam jumlah bervariasi) di tanah, sehingga menandai jalur yang diikuti jejak dari zat tersebut. Semut yang bergerak secara acak dapat mendeteksi jejak feromon diletakkan sebelumnya dan mengikuti jejak dengan probabilitas tinggi, sehingga memperkuat jejak dengan feromon semut itu sendiri. Perilaku kolektif yang muncul adalah bentuk perilaku di mana semakin banyak semut mengikuti sebuah jejak, maka jejak tersebut menjadi menarik untuk diikuti. Proses ini demikian ditandai dengan umpan balik yang positif, dengan probabilitas semut memilih suatu jalur meningkat bersamaan dengan jumlah semut yang memilih jalan yang sama dalam langkah-langkah sebelumnya. 23
Gambar 2.9 berikut adalah ilustrasi bagaimana semut dapat membangun rute optimal dengan diberi hambatan (obstacle). Gambar 2.9 Jalur Semut dengan Hambatan (Obstacle) Misalkan ada sebuah jalur dari sumber makanan A ke sarang E seperti pada gambar 2.9 a). Tiba-tiba sebuah hambatan datang dan jalur sebelumnya terputus, sehingga pada posisi B semut-semut berjalan dari E menuju A (atau pada posisi D semut berjalan arah sebaliknya) harus memutuskan berbelok ke kanan atau kiri seperti pada gambar 2.9 b). Disini, pilihan jalur dipengaruhi oleh intensitas jejak feromon yang ditinggalkan semut pendahulunya. Tingkat feromon yang lebih tinggi di jalur kanan memberi stimulus yang lebih kuat, sehingga probabilitas lebih tinggi ke arah kanan, yang artinya semut banyak berjalan ke arah kanan. Semut pertama yang mencapai titik B (atau D) memiiliki probabilitas yang sama dalam memilih berbelok ke kiri atau ke kanan karena tidak ada feromon tertinggal pada dua jalur tersebut. Jalur BCD yang lebih pendek dari BHD menyebabkan 24
semut yang memilih jalur BCD akan mencapai D sebelum semut lain yang menempuh jalur BHD. Hasilnya semut selanjutnya yang datang dari ED akan menemukan jejak kuat di jalur DCB yang disebabkan oleh setengah koloni semut secara tidak sengaja melewati hambatan melalui ABCD yang secara otomatis melewati BCD. Pada akhirnya, semut-semut lebih memilih (dalam probabilitas) jalur DCB daripada jalur DHB. Akibatnya, jumlah semut yang melewati jalur BCD meningkat dalam satuan waktu daripada semut yang melewati jalur BHD. Hal ini menyebabkan jumlah feromon pada jalur yang lebih pendek meningkat lebih cepat daripada jalur lainnya. Oleh karena itu, probabilitas tiap semut memilih jalur dengan cepat jalur yang lebih pendek. Hasil akhir adalah dengan cepat, semutsemut memilih jalur yang lebih pendek seperti yang ditunjukkan gambar 2.9 c). Namun, hasil akhir tersebut tidak deterministik, sehingga memungkinkan eksplorasi rute alternatif. Semakin banyak semut yang melewati suatu lintasan, maka semakin banyak jejak feromon yang ditinggalkan. Akibatnya, jejak yang jarang dilewati akan menguap sehingga semut tidak melewati jejak tersebut lagi. 1. Langkah-langkah dalam Algoritma Semut Beberapa langkah dalam menjalankan Algoritma Semut dijelaskan sebagai berikut: a. Inisialisasi harga parameter algoritma dan Feromon Awal Dalam Algoritma Semut, terdapat beberapa parameter yang perlu diinisialisasikan, yaitu: 25
1) Intensitas jejak feromon antar simpul (τ ij ) dan perubahannya ( τ ij ) Penetapan nilai feromon awal dimaksudkan agar tiap-tiap ruas memiliki nilai ketertarikan untuk dikunjungi oleh tiap-tiap semut. τ ij harus diinisialisasikan sebelum memulai siklus dan digunakan dalam persamaan probabilitas tempat yang akan dikunjungi. Nilai dari semua feromon pada awal perhitungan ditetapkan dengan angka kecil, yaitu 0 τ ij 1. Δτ ij adalah perubahan harga intensitas jejak semut. τ ij diinisialisasikan setelah selesai satu siklus dan digunakan untuk memperbaharui intensitas jejak semut serta digunakan untuk menentukan τ ij untuk siklus selanjutnya. 2) Banyak simpul (n) termasuk dij (jarak antar simpul) Banyak simpul (n) merupakan jumlah simpul yang akan dikunjungi semut pada tiap siklus. Nilai n ditentukan oleh pengguna. 3) Penentuan simpul awal dan simpul tujuan Semut yang akan melakukan tur harus memulai perjalanan dari simpul awal ke simpul tujuan. Dalam kasus TSP, simpul tujuan merupakan simpul awal. 4) Tetapan siklus-semut (Q) Q merupakan konstanta yang digunakan dalam persamaan untuk menentukan Δτ ij dengan nilai Q 0. 5) Tetapan pengendali intensitas jejak semut (α) α digunakan pada persamaan probabilitas simpul yang akan dikunjungi dan berfungsi sebagai pengendali intensitas jejak semut. Hal tersebut dimaksudkan untuk menghindari akumulasi feromon yang tidak terbatas pada rusuk tersebut. Akumulasi feromon yang tidak terbatas tidak sesuai logika karena tingkat 26
feromon yang ditinggalkan tidak mungkin bertambah kuat tetapi akan terus berkurang. Nilai parameter α diberi nilai 0 α 1. 6) Tetapan pengendali visibilitas (β) β digunakan dalam persamaan probabilitas simpul yang akan dikunjungi dan berfungsi sebagai pengendali visibilitas dengan nilai β 0. Hal tersebut dimaksudkan untuk menghindari akumulasi yang tidak terbatas pada perhitungan visibilitas. 7) Visibilitas antar simpul (η ij ) Visibilitas antar simpul (η ij ) digunakan dalam persamaan probabilitas simpul yang akan dikunjungi. Sebelum memasuki perhitungan probabilitas dalam perhitungan algoritma semut maka terlebih dahulu dilakukan perhitungan awal untuk menghitung visibilitas antar simpul. Visibilitas antar simpul ini bergantung pada jarak antar titik. Nilai η ij diperoleh dari persamaan : dengan : η ij = 1 d ij (2.11) d ij = jarak dari simpul awal ke simpul tujuan 8) Jumlah semut (m) Jumlah semut (m) merupakan banyak semut yang akan melakukan siklus dalam Algoritma Semut. Nilai m ditentukan oleh pengguna. 27
9) Tetapan penguapan jejak semut (ρ) Tetapan penguapan jejak semut (ρ) digunakan untuk memperbaharui intensitas jejak feromon semut (τ ij ) untuk siklus selanjutnya dan ditetapkan suatu parameter (ρ) dengan nilai 0 ρ 1. 10) Jumlah siklus maksimum (NCmax) Jumlah siklus maksimum (NCmax) bersifat tetap selama algoritma dijalankan, sedangkan τ ij akan selalu diperbaharui. τ ij diperbaharui pada setiap siklus algoritma mulai dari siklus pertama (NC 1) sampai tercapai jumlah siklus maksimum (NC = NCmax) atau sampai terjadi konvergensi. b. Pengisian kota pertama ke dalam tabu list Setelah inisialisai τ ij dilakukan, lalu semut pertama ditempatkan pada simpul pertama dan mulai inisialisasi untuk simpul kedua. Hasil inisialisasi simpul pertama harus diisikan sebagai elemen pertama dalam tabu list. Tabu list digunakan untuk menyimpan simpul-simpul yang telah dilewati. Hasil dari langkah tersebut adalah terisinya elemen pertama setiap semut dengan indeks simpul pertama, yang berarti bahwa setiap tabu k (i) dapat berisi indeks semua simpul. c. Penyusunan rute kunjungan Penyusunan rute kunjungan dilakukan oleh koloni semut dari simpul pertama ke simpul kedua. Kemudian masing-masing semut memilih salah satu simpul dari simpul-simpul yang tidak terdapat pada tabuk sebagai simpul tujuan. Perjalanan koloni semut dilanjutkan terus menerus hingga mencapai simpul tujuan. Jika s menyatakan indeks urutan kunjungan, titik asal dinyatakan sebagai tabuk(s), dan 28
titik-titik lainnya dinyatakan sebagai {N-tabuk}, maka untuk menentukan kota tujun digunakan persamaan probabilitas kota untuk dikunjungi sebagai berikut: P ij k = { [τ ij ] α.[η ij ] β n j=1[τ il ] α.[η il ] β, untuk jε{n tabu list} 0, untuk j lainnya (2.12) dengan i sebagai simpul awal dan j sebagai simpul tujuan. d. Perhitungan panjang jalur setiap semut, pencarian rute terpendek, dan perhitungan perubahan harga intensitas feromon 1) Perhitungan panjang jalur setiap semut (Lk) Perhitungan panjang tur setiap semut atau L k dilakukan setelah semua semut menyelesaikan satu siklus. Perhitungan ini dilakukan berdasarkan tabuk masingmasing dengan persamaan sebagai berikut L k = d tabu (n),tabu(1) + n 1 n 1 d tabu(s),tabu(s+1) m=1 (2.13) dengan m=1 d tabu(s),tabu(s+1) adalah jarak rusuk dari titik s sampai titik s+1 pada tabu list yang ditempati oleh semut k, dan d tabu (n),tabu(1) merupakan jarak antara simpul n (akhir) dan simpul pertama (awal) pada tabu list yang ditempati oleh semut k. 2) Pencarian rute terpendek Setelah perhitungan L k tiap semut selesai, akan diperoleh rute terpendek pada setiap iterasi (L minnc ). Panjang rute terpendek secara keseluruhan disimbolkan dengan L min. 3) Perhitungan perubahan harga intensitas feromon antar simpul ( τ k ij ) 29
Koloni semut akan meninggalkan jejak feromon pada lintasan antar simpul yang dilaluinya. Adanya penguapan dan perbedaan jumlah semut yang lewat menyebabkan kemungkinan terjadinya perubahan harga intensitas feromon antarsimpul. τ ij k adalah perubahan intensitas jejak feromon antar simpul dan Q adalah tetapan siklus semut. Persamaan τ ij k disajikan sebagai berikut: Q τ k, ij = { L k 0, jika semut menggunakan (i,j) dalam perjalanannya lainnya e. Perhitungan harga intesitas jejak feromon untuk siklus selanjutnya dan atur ulang harga perubahan jejak feromon antar simpul. 1) Perhitungan harga intesitas jejak feromon untuk siklus selanjutnya Intensitas jejak feromon semut antar simpul pada semua lintasan antar simpul ada kemungkinan berubah karena adanya penguapan dan perbedaan jumlah semut yang melewati. Untuk siklus selanjutnya, semut yang akan melewati lintasan tersebut harga intensitasnya telah berubah. Harga intensitas jejak kaki semut untuk siklus selanjutnya dihitung dengan persamaan: τ ij = ρ. τ ij (awal) + τ ij (2.15) dengan ρ adalah tetapan penguapan jejak semut, τ ij adalah intensitas jejak feromon antarsimpul, dan τ ij adalah perubahan intensitas jejak feromon. 2) Atur ulang harga perubahan intensitas jejak feromon antar simpul Perubahan harga intensitas feromon antar simpul untuk siklus selanjutnya perlu diatur kembali agar memiliki nilai sama dengan nol. (2.14) 30
f. Pengosongan tabu list Langkah berikutnya adalah pengosongan tabu list. Tabu list dikosongkan dan langkah b diulangi jika NCmax belum tercapai atau belum terjadi konvergensi (semua semut hanya menemukan satu tur yang sama dengan jarak yang sama pula). Tabu list dikosongkan agar dapat diisi lagi dengan urutan simpul yang baru pada siklus selanjutnya. Langkah algoritma diulang lagi dari pengisian kota pertama ke dalam tabu list dengan parameter intensitas jejak feromon yang telah diperbaharui. Perhitungan akan dilanjutkan hingga semut telah menyelesaikan perjalanannya mengunjungi tiap-tiap simpul. Hal tersebut akan diulangi hingga NCmax tercapai atau telah mencapai konvergensi. 31
2. Flowchart (diagram alir) Algoritma Semut Berikut disajikan langkah-langkah Algoritma Semut dalam bentuk flowchart: Mulai Inisialisasi parameter Q, m, τ ij, α, β, ρ,nc max Hitung Probabilitas m = semut+1 Tidak Tempat tujuan Ya NC max = Siklus + 1 Hitung jarak dengan cara menjumlahkan semua node yang dilalui semut Tidak Banyak semut = m? Y Perbaharui τ ij Banyak Siklus = NC max? Tidak Ya Hitung jarak jalur terpendek Selesai Gambar 2.10 Flowchart Algoritma Semut 32
F. Keadaan Geografis Kabupaten Bantul Keadaan geografis di Kabupaten Bantul berguna untuk mengetahui garis besar tentang daerah yang menjadi obyek penelitian. Penjelasan yang diperlukan antara lain, keadaan alam atau kontur daerah Kabupaten Bantul, kepadatan penduduk, dan profesi masyarakat Bantul. Keadaan alam Kabupaten Bantul terletak di sebelah selatan Provinsi Daerah Istimewa Yogyakarta, berbatasan dengan: Sebelah Utara Sebelah Selatan Sebelah Timur Sebelah Barat : Kota Yogyakarta dan Kab. Sleman : Samudera Hindia : Kab. Gununkidul : Kab. Kulonprogo Secara geografis, Kabupaten Bantul terletak antara 07 44' 04" - 08 00' 27" Lintang Selatan dan 110 12' 34" - 110 31' 08" Bujur Timur. Kabupaten Bantul memiliki luas wilayah 506,85 Km2 (15,90% dari Luas wilayah Propinsi DIY) dengan topografi sebagai dataran rendah 40% dan lebih dari separuhnya (60%) daerah perbukitan yang kurang subur. Secara garis besar, wilayah Kab. Bantul terdiri dari : 1) Bagian Barat, adalah daerah landai yang kurang serta perbukitan yang membujur dari Utara ke Selatan seluas 89,86 km 2 (17,73 % dari seluruh wilayah). 2) Bagian Tengah, adalah daerah datar dan landai merupakan daerah pertanian yang subur seluas 210.94 km 2 (41,62 %). 3) Bagian Timur, adalah daerah yang landai, miring dan terjal yang keadaannya masih lebih baik dari daerah bagian Barat, seluas 206,05 km 2 (40,65%). 33
4) Bagian Selatan, adalah sebenarnya merupakan bagian dari daerah bagian Tengah dengan keadaan alamnya yang berpasir dan sedikir berlagun, terbentang di Pantai Selatan dari Kecamatan Srandakan, Sanden dan Kretek. Tata guna lahan di Kabupaten Bantul adalah sebagai berikut : 1. Pekarangan : 18.327,15 Ha (36,16 %) 2. Sawah : 16.823,84 Ha (33,19 %) 3. Tegalan : 7.554,45 Ha (14,90 %) 4. Tanah Hutan : 1.697,80 Ha ( 3,35 %) Kabupaten Bantul dialiri enam sungai yang mengalir sepanjang tahun dengan panjang 114 km 2, yaitu : 1. Sungai Oyo : 35,75 km 2. Sungai Opak : 19,00 km 3. Sungai Code : 7,00 km 4. Sungai Winongo : 18,75 km 5. Sungai Bedog : 9,50 km 6. Sungai Progo : 24,00 km Pemerintahan di Kabupaten Bantul terdiri dari 17 Kecamatan, 75 Desa, dan 933 Dusun. Data hasil registrasi penduduk awal tahun 2012 adalah sebagai berikut: 1. Total penduduk 1.015.465 jiwa dengan total penduduk laki-laki sebanyak 502.762 jiwa (49,52%) dan total penduduk perempuan adalah 512.703 jiwa (50,48%). 2. Kepala Keluarga (KK) sebanyak 306.515 34
3. Mutasi penduduk Bantul tahun 2011 terdiri dari kelahiran (L) sebanyak 9.499 (0,94%), kedatangan (D) sejumlah 14.358 (1,41%), kematian (M) sebanyak 4.578 (0,45%), dam kepergian (P) sejumlah 11.350 (1,12%). 4. Kepadatan penduduk Kab. Bantul sebesar 2.012,93 jiwa/km 2. 35