Joko Siswanto
Siswanto_jk@yahoo.com
Abstract
In the election of the road network usually use road network system optimization considerations with
aggregative behavior by determining the shortest route or the lowest cost. Determinants of consumer behavior in
route selection and decision-making of the most dominant (disaggregated). Route selection optimization model
based on user behavior can be implemented from the results of model development preference with Conjoint
analysis. Preferences user behavior seems, is directly proportional to the convenience, the crowd, the facilities,
the ease, safety, and inversely proportional to the density. Route selection optimization model with the
development of ant-colony optimization formula can be applied with the substitution probability of interaction
and preferences as well as the network models incorporate the concept of route selection based on consumer
behavior and the physical condition of the network.
Key words : optimatization, behavior
Pendahuluan
Latar Belakang
Pemilihan rute jalan raya selama ini selalu menggu- Schema Analysis of the Traveling Salesman Problem
nakan pertimbangan optimasi pada sistem jaringan Using Genetic Algorithms) dan antcolony optimisa-
dengan perilaku agregatif yaitu hanya mendasarkan tion (Dorigo et al. 1996) telah diterapkan untuk men-
pada penentuan rute terpendek ataupun biaya termu- dapatkan solusi yang baik dengan waktu kom-putasi
rah, yang pada realisasinya pertimbangan model pe- yang cukup baik.
rilaku konsumen sebagai penentu keputusan konsu-
men sangat dominan. Dengan demikian keputusan Penelitian ini menggunakan algoritma Ant-Colony
perancangan pemilihan rute jalan raya yang selama Optimisation (ACO) untuk menyelesaikan masalah
ini hanya dengan mempertimbangkan rute terpendek rute yang unik. Tujuannya adalah tidak untuk menca-
atau biaya termurah harus mempertimbangkan penge- ri seluruh solusi yang mungkin namun untuk me-
tahuan dan perilaku konsumen sebagai salah satu ngembangkan solusi yang baik dengan waktu kompu-
pertimbangan pemilihan rute jalan raya. Pengemba- tasi yang kecil. Fleksibilitas algoritma ACO dengan
ngan model pemilihan rute jaringan jalan dengan menggunakan dasar probabilitas dalam pemilihan
pertimbangan perilaku konsumen merupakan pe- rute yang terbaik menjadikan ACO mampu melibat-
ngembangan dari konsep pemilihan rute dengan per- kan beberapa parameter dalam pemilihan rute ter-
timbangan psikologi konsumen sebagai dasar pre- baik.
ferensi rute pada jaringan jalan yang disukai. Hal ini
menjelaskan bahwa rute tersebut akan memberikan Maksud dan Tujuan
kepuasan pada konsumen serta memiliki aspek yang Maksud penelitian yaitu pengembangan model pemi-
tepat dipandang dari aspek jaringan itu sendiri. lihan rute transportasi dengan pertimbangan perilaku
pengguna dengan menggunakan algoritma Ant-Colo-
Perancangan rute transportasi umumnya didasarkan ny Optimisation (ACO). Sedangkan tujuan adalah;
pada optimasi dari beberapa jaringan untuk menda- 1. Menentukan preferensi konsumen berdasarkan
patkan rute yang optimal. Dewasa ini optimasi me- perilaku pengguna yang dianalisis dengan conjo-
nyajikan tantangan bagi periset dan praktisi dari int
beberapa disiplin ilmu, dengan beberapa teknik opti- 2. Menentukan model optimasi yang dianalisis de-
masi telah banyak dipelajari dan dikembangkan. ngan algoritma Ant-Colony Optimization (ACO)
Teknik riset operasi tradisional telah berkembang, na-
mun banyak dari mereka menunjukkan perhitungan Tinjauan Pustaka
yang berdasar dan masalah yang kompleks. Sebagai Teori Preferensi Konsumen
hasilnya algoritman pencarian metaheuristik seperti Heirshleifer dan Glazer (1992) memberikan gamba-
simulated annealing (David Bookstaber, 1998, Simul- ran ideal dari preferensi individual atas alternatif
ated Annealing for Traveling Salesman Problem), barang-barang konsumsi dalam dua hukum (revealed
tabu search (Shigeru Tsubakitani, 1997, Optimizing preferences) yaitu;
Tabu List Size For The Traveling Salesman Pro- 1. Aksioma Perbandingan
blem), genetic algorithms (Abdollah Homaifar, 1996, 2. Aksioma Transitivitas
........................(5)
dimana pk(r, s) adalah peluang pindah dari kota r ke dimana adalah suatu parameter. Pembaruan lokal ini
kota s dari semut (pengguna) k, adalah tingkat phe- juga dipengaruhi oleh penguapan seperti yang terjadi
romone, (r, s) kedekatan kota r dan s dan adalah pada semut (pengguna) nyata. Dengan kata lain, pe-
bobot yang mengontrol visibility terhadap tingkat ngaruh dari pembaruan lokal ini adalah untuk mem-
pheromone . Pertama perlu dilakukan penghitungan buat tingkat kemenarikan ruas-ruas yang ada berubah
matrik yang menyatakan kedekatan antar kota (visi- secara dinamis: setiap kali seekor semut (pengguna)
bility), (r, s), dimana setiap entrinya merupakan menggunakan sebuah ruas maka ruas ini dengan
1/jarak dari r ke s. Untuk setiap semut (pengguna) segera akan berkurang tingkat ketertarikannya (kare-
perlu dilakukan penempatan awal di kota mana akan na pada ruas tersebut jumlah pheromone berkurang
memulai rute. Untuk TSP, setiap semut (pengguna) akibat penguapan). Ini secara tidak langsung akan
akan mulai dari kota 1. Dari persamaan ini ruas yang membuat semut (pengguna) yang lain akan memilih
lebih pendek dan memiliki jumlah pheromone yang ruas-ruas lain yang belum dikunjungi. Sehingga se-
lebih besar akan lebih besar probabilitasnya untuk mut-semut (pengguna) tidak akan memiliki kecen-
dipilih dalam rute. Tingkat pheromone (pheromone derungan untuk memilih jalur yang sama. Dengan
trail) berubah baik secara lokal dan global. Pemba- cara membuat rute yang berbeda maka akan terdapat
ruan pheromone secara global dimaksudkan untuk kemungkinan yang lebih tinggi untuk mendapatkan
memberikan ruas-ruas yang tedapat dalam rute salah satu rute yang lebih baik daripada jika mereka
terpendek. Setelah satu iterasi, semua semut (peng- semua menempuh rute yang sama.
guna) menyelesaikan satu rute, setelah semua semut
(pengguna) kembali ke sarangnya akan terjadi upda- Metode Penelitian
ting pheromone dengan aturan Atribut dan level yang digunakan dalam Perancangan
Rute transportasi darat Berbasis Perilaku (gambar 1).
Pada penelitian ini, preferensi konsumen dalam me-
...................(7) milih rute dilakukan dengan membangun suatu sti-
muli yang merupakan kombinasi dari beberapa atri-
but yang didasarkan pada konsep perilaku terhadap
dimana (0, 1] adalah tingkat penguapan atau sering transportasi, yaitu :
juga disebut faktor decay dan (k) i,j adalah jumlah 1. Kepadatan lalu lintas jalan
pheromone yang ditambahkan pada ruas rs oleh 2. Persepsi kenyamanan jalan
semut (pengguna) terbaik k. Tujuan dari update phe- 3. Keramaian tepi jalan
romone adalah meningkatkan nilai pheromone yang 4. Persepsi pada fasilitas jalan
berkaitan dengan lintasan yang menjanjikan atau 5. Kemudahan menjangkau jalur angkutan
bagus. Setelah semut-semut (pengguna) artificial me- pengumpan dari rumah/kantor
nyelesaikan satu rute mereka maka semut (pengguna) 6. Keamanan jalan
Pengumpulan data
Kesimpulan
Pemilihan Rute Transportasi
Analisis Conjoint
Analisis conjoint digunakan untuk menentukan ke- 5. Selanjutnya subyek penelitian diminta untuk me-
pentingan relatif yang dikaitkan pelanggan pada ngisi rangking preferensi mereka terhadap 16
atribut yang penting dan utilitas yang mereka kaitkan kombinasi atribut tersebut dengan nilai rangking
pada tingkatan atau level atribut (Supranto, 2004). dimana nilai tertinggi menunjukkan sangat dise-
Langkah-langkah yang harus dilakukan dalam meng- nangi dan nilai terendah menunjukkan yang pa-
gunakan analisis konjoin adalah : ling tidak disenangi.
1. Pembentukan stimulus dilakukan dengan meng- 6. Dari data hasil preferensi terhadap ke 16 stimuli
gunakan profil penuh (full-profile procedure). yang disajikan selanjutnya dilakukan prosedur a-
2. Jumlah stimuli yang akan dihasilkan adalah se- nalisis conjoin dengan model dasar sebagai
banyak 26 = 64 stimuli yang didapatkan dari per- berikut :
kalian antar jumlah level untuk masing-masing
atribut. .......................(10)
3. Stimuli ini kemudian digunakan dalam kuisioner
untuk diurutkan oleh responden.
4. Jumlah stimuli tersebut dirasa terlalu banyak di mana:
sehingga akan membingungkan responden dalam = (X) adalah seluruh utility dari suatu
mengurutkannya. Untuk mengurangi jumlah sti- alternatif
muli yang terlalu banyak tersebut, maka dila- aij = adalah koefisien utility parth-worth atau dari
kukan reduksi dengan menggunakan orthogonal atribut ke-i dan level ke-j
array. Desain ini mengasumsikan bahwa semua ki = adalah banyaknya level atribut i
interaksi yang tidak penting dapat diabaikan. m = adalah banyaknya atribut
xij = adalah dummy variable atribut ke-i level
ke-j
1 2 8 1 2 8 14
14
9 5 9
5 15 15
6 10 19 6 10 19
3 16 3 16
20 20
18 18 117
11 17 11
4 13 7 12 4 13 7 12
Optimasi penentuan rute dilakukan dengan menggu- 3. Dorigo, Marco. 1996. The Ant System: Optimiza-
nakan program Delphi 7. Nilai probabilitas penentuan tion by a colony of cooperating agents IEEE
rute terbaik dilakukan dengan menggukan perkalian Transactions on Systems, Man, and Cybernetics
visibilitas jarak terpendek dan dikalikan dengan skor Part B, Vol.26, No.1, 1996, pp.1-131
preferensi yang diperoleh dari dari penerapan rumus 4. Dorigo, Marco dan Thomas Stutzle,1996. Ant Co-
yang diperoleh dari model Conjoint. Hasil optimasi lony Optimization, A Bradford Book The MIT
model pemilihan rute (Gambar b). Hasil optimasi Press Cambridge, Massachusetts London, Eng-
mendapatkan empat buah rute dari masing-masing land.
titik asal sebagai berikut: 5. Hirshleifer and Glazer, 1992, Price Theory and
Application, Fifth Edition, Prentice Hall.
Rute dari Node 1 akan melalui node 2, 8 dan Stasion 6. Nicholson, 2002, Mikroekonomi Intermediate
14. Rute dari Node 3 akan melalui node 5, 9 dan dan Aplikasinya, Alih Bahasa, Edisi Kedelapan,
Stasion 14. Rute dari node 4 akan melalui node 18, Erlangga, Jakarta.
10 dan Stasion 19. Rute dari node 13 akan melalui 7. Supranto, J., 2004, Analisis Multivariat: Arti dan
node 7, 11, 20 dan Stasion 17. Interpretasi, Rineka Cipta, Jakarta.
Kesimpulan
1. Preferensi perilaku pengguna berbanding lurus
dengan kenyamanan, keramaian, fasilitas, kemu-
dahan, aman, dan berbanding terbalik dengan ke-
padatan.
2. Optimasi model pemilihan rute dengan ant colony
optimization dapat diterapkan dengan mengguna-
kan formula probabilitas interaksi antara preferen-
si dengan model jaringan. Model ini dapat mema-
dukan konsep pemilihan rute berdasarkan perila-
ku konsumen dan kondisi fisik jaringan.
Daftar Pustaka
1. Arsyad, 2008, Ekonomi Manajerial, Edisi em-
pat, BPFE, Yogyakarta. Badan Pusat Statistik,
2008, D.I Yogyakarta dalam Angka.
2. Browning, Edgar K., and Mark Zupan, 1997,
Microeconomic Theory and Applications, Fifth
Edition, Harper Collins College Publisher.