Program Studi Ilmu Komputer, FMIPA Universitas Mulawarman Deisy.novitha@gmail.com1, septyamaharani@gmail.com2 Penentuan jalur terpendek bertujuan untuk memberikan solusi jalur terpendek kepada pengguna agar lebih cepat sampai ke lokasi tujuan serta menghemat waktu dan biaya. Pada penelitian ini penentuan jalur terpendek menggunakan Algoritma Semut. Untuk penyelesaian algoritma semut dibutuhkan lima langkah. Langkah pertama inisialisasi, langkah kedua menentukan rute kunjungan dan langkah ketiga adalah mencari perubahan intensitas jejak kaki semut, langkah keempat adalah mencari visibilitas, langkah terakhir adalah menentukan jalur dengan mencari nilai probabilitas. Hasil dari penelitian ini menunjukkan bahwa algoritma semut dapat diaplikasikan dalam menentukan jalur terpendek yang hasilnya ditampilkan dalam peta.
Kata kunci : Algortima Semut, Fasilitas Umum, Jalur Terpendek, Peta.
Kota samarinda merupakan ibu kota dari
provinsi Kalimantan Timur yang sedang berkembang perekonomiannya. Samarinda memiliki banyak lokasi fasilitas umum yang tersebar di wilayah samarinda. Jenis fasilitas umum yang ada adalah tempat wisata, perbelanjaan, penginapan, SPBU, dan Tempat Ibadah. Samarinda memiliki cukup banyak persimpangan yang cukup membuat bingung warga terlebih lagi warga pendatang untuk menuju suatu lokasi yang Gambar 1 Perjalanan Semut Mencari bisa menghemat waktu dan biaya melalui Makanan jalur yang lebih dekat. Sehingga jalur terpendeklah yang akan menjadi solusi Koloni semut dapat menemukan jalur terbaik. terpendek antara sarang dan sumber Dari beberapa algoritma yang telah makanan berdasarkan jejak kaki pada dikembangkan untuk menyelesaikan lintasan yang telah dilewati. Semakin persoalan jalur terpendek, algoritma semut banyak semut yang melewati suatu lintasan memiliki keunikkan yaitu terinspirasi dari maka semakin jelas bekas jejak kakinya. Hal tingkah laku semut di dunia nyata saat ini menyebabkan lintasan yang dilalui semut proses pencarian makan dari sarangnya[1]. dalam jumlah sedikit semakin lama semakin Dari masalah tersebut maka diperlukan berkurang kepadatan semut yang suatu sistem untuk penentuan jalur melewatinya, atau bahkan akan tidak terpendek fasilitas umum yang ada di kota dilewati sama sekali. Sebaliknya lintasan dengan menggunakan algoritma semut. yang dilalui semut dalam jumlah banyak semakin lama akan semakin bertambah I. Metodologi kepadatan semut yang melewatinya atau Algoritma Semut diadopsi dari perilaku bahkan semua semut melewati lintasan koloni semut yang dikenal sebagai sistem tersebut. semut [3]. Pada Gambar 1 mengilustrasikan Dalam algoritma semut, diperlukan proses semut mencari makanan. beberapa variabel dan langkah- langkah untuk menentukan jalur terpendek (Leksono, wilayah yang tidak terdapat pada tabuk 2009), yaitu: sebagai titik tujuan selanjutnya. Langkah 1 : Perjalanan koloni semut berlangsung 1. Penetapan Parameter dan Nilai Peromon terus menerus sampai semua titik satu Awal. persatu dikunjungi atau telah menempati Inisialisasi harga Parameter- parameter tabuk. Jika s menyatakan indeks urutan algoritma, pertama nilai Intensitas jejak kunjungan, titik asal dinyatakan sebagai semut antar titik dan perubahannya (τij), tabuk(s) dan titik-titik lainnya dinyatakan akan terus diperbaharui pada setiap iterasi sebagai {N-tabuk}, maka untuk menentukan dari awal hingga iterasi maksimum atau titik tujuan digunakan persamaan telah mencapaai hasil yang optimum. Lalu probabilitas titik untuk dikunjungi sebagai Banyak titik (n) termasuk koordinat (x,y) berikut : atau jarak antar titik (dij). Kemudian menentukan titik berangkat dan titik tujuan, Untuk j {N-tabuk} menentukan tetapan siklus semut (Q). Lalu menetapkan pengendali intensitas jejak dengan i sebagai indeks titik asal dan j semut (α) dimana nilai α ≥ 0 dan pengendali sebagai indeks titik tujuan. visibilitas (β) dimana nilai β ≥ 0, setelah itu mencari nilaivisibilitas antar wilayah = 1/dij Langkah 4 : (ηij). Selanjutnya menentukan banyak semut Perhitungan perubahan nilai intensitas (m) yang akan mencari jalur terpendek peromon semut antar titik.Koloni semut danmenentukan nilai penguapan jejak semut akan meninggalkanperomon pada lintasan (ρ) dimana nilai ρ harus > 0 dan < 1 untuk antar titik yangdilaluinya. Adanya mencegah jejak peromon yang tak terhingga. penguapan dan perbedaan jumlah semut Dan terakhir menentukan Jumlah siklus yang lewat,menyebabkan kemungkinan maksimum (NCmax) dimana nilai bersifat terjadinya perubahan nilai intensitas tetap selama algoritma dijalankan. peromon semut antar titik (lokal). 2. Inisialisasi titik pertama setiap semut. Persamaan perubahan ini adalah : Setelah inisialisasi τij dilakukan, kemudian m semut ditempatkan pada titik pertama. Lnn adalah panjang rute yang diperoleh, Langkah 2 : lalu c adalah jumlah titik yang sudah dijalani Pengisian titik pertama ke dalam tabulist. sedangkan ∆τijadalah perubahan intensitas Hasil inisialisasi titik pertama setiap semut feromon. dalam langkah 1 harus diisikan sebagai elemen pertama tabulist. Hasil dari langkah Langkah 5 : ini adalah terisinya elemen pertama tabulist Perhitungan harga intensitas peromon setiap semut dengan indeks titik tertentu, semut antar titik untuk siklus selanjutnya yang berarti setiap tabuk(1) bisa berisi (global). Harga intensitas peromon semut indeks titik antara 1 sampai n sebagaimana antar titik pada semua lintasan antar titik ada hasil inisialisasi pada langkah 1. kemungkinan berubah karena adanya penguapan dan perbedaan jumlah semut Langkah 3 : yang melewati. Untuk siklus selanjutnya, Penyusunan rute kunjungan setiap semut semut yang akan melewati lintasan tersebut ke setiap titik. Koloni semut yang sudah harga intensitasnya telah berubah. terdistribusi ke sejumlah atau setiap titik, Harga intensitas peromon semut antar akan mulai melakukan perjalanan dari titik titik untuk siklus selanjutnya dihitung pertama, masing-masing sebagai titik asal dengan persamaan : dan salah satu titik lainnya sebagai titik tujuan, kemudian dari titik kedua masing- masing, koloni semut akan melanjutkan Langkah 6 : perjalanan dengan memilih salah satu dari Pengosongan tabu list, dan ulangi langkah 2 jika diperlukan. Tabu list perlu dikosongkan untuk diisi lagi dengan urutan diulang lagi hingga mencapai siklus titik yang baru pada siklus selanjutnya, jika maksimum sebanyak 5 kali. jumlah siklus maksimum belum tercapai 4. Jika jumlah semut dan siklus maksimal atau belum terjadi konvergensi. Algoritma telah terpenuhi maka akan tampil Jarak diulang lagi dari langkah 2 dengan harga dan Jalur terpendek. parameter intensitas peromon semut antar 5. Jika tidak ditemukan Jarak dan Jalur titik yang sudah diperbaharui. terpendek maka terjadi kondisi terbalik Setiap parameter akan diuji dan dipilih atau disebut inverting condition, dimana nilai yang terbaik untuk mendapatkan jalur mengubah titik awal dan titik tujuan terpendek yang optimum dengan waktu menjadi sebaliknya. tercepat pada sistem. Parameter yang akan 6. Tampil Jarak dan Jalur Terpendek. diubah adalah τij, α, β, q0 dan ρ. Parameter τij akan diuji dengan nilai 0.001, 0.01, 0.1, Pengujian Sistem 0.5 dan 1. Parameter α akan diuji dengan Sistem Berdasarkan Banyak Siklus nilai 0, 0.5, 1, 2 dan 4. Parameter β akan (NCmax) diuji dengan nilai yang sama seperti Pengujian ini dilakukan dengan cara parameter α yaitu 0, 0.5, 1, 2 dan 4. Lalu mengubah banyaknya siklus dan diuji parameter q0 akan diuji dengan nilai 0.1, 0.5, dengan pencarian antara titik asal dan titk 1, 3 dan 5. Terakhir parameter ρ yang akan tujuan yang tetap. Sedangkan untuk diuji dengan nilai 0.01, 0.05, 0.1, 0.5 dan 1. parameter lainnya, digunakan nilai yang Selain parameter-parameter diatas jumlah sama yaitu : semut dan banyak siklus juga akan diuji Nilai ρ = 0.05 untuk mendapatkan rute optimum dengan Nilai α = 0.5 waktu pencarian sistem yang cepat. Nilai β = 1 Nilai q0 = 0.5 II. Hasil dan Pembahasan Nilai m = 10 Untuk mendapatkan jalur terpendek Pengujian ini akan diperoleh Jarak pada sistem ini, terdapat tahap yang dilalui terpendek dan waktu rata-ratanya untuk yaitu : mendapatkan jalur optimum. Hasil dari 1. Masukkan titik awal dan titik tujuan yang pengujian berdasarkan banyak siklus akan berupa fasilitas umum ditunjukkan dalam tabel 1. 2. Inisialisasi Parameter berupa α, β, ρ, q0, Tabel 1 Hasil Pengujian Berdasarkan Banyak dan m, dimana nilai parameter ini telah Siklus ditentukan dan merupakan nilai terbaik. Jarak Waktu 3. Proses menghitung dengan menggunakan NCmax Keberhasilan Terpendek rata-rata algoritma semut. Untuk memulai Tidak perhitungan terdapat 5 siklus, untuk 3 - 00:03:53 menemukan siklus pertama maka proses pencarian jalur terpendek Jalur terpendek dengan jumlah semut 10 lalu dimulai 5 3078 meter 00:05:14 optimum dengan menghitung nilai probabilitas. Jalur terpendek 8 3078 meter 00:07:39 Dimulai dengan siklus pertama dan optimum semut pertama lalu kemudian 10 3078 meter 00:09:14 Jalur terpendek perhitungan probabilitas dan nilai optimum random, jika kota tujuan dicapai maka dihitung jarak jalan yang dilalui jika Berdasarkan pengujian yang telah tidak maka kembali menghitung nilai dilakukan dimana hasilnya telah probabilitas. Perhitunhan akan terus dicantumkan pada tabel 1, NCmax terjadi hingga semut mencapai jumlah mempengaruhi waktu pencarian dan hasil maksimal. Jumlah maksimal yang telah pencarian. Pada saat NCmax berjumlah 3, ditentukan adalah sebanyak 10 semut. sistem tidak mendapatkan jalur terpendek setelah mencapai jumlah maksimal semut sedangkan saat NCmax berjumlah 5 hingga maka perbaharui intensitas jarak 10, sistem telah menemukan jalur terpendek feromon. Selanjutnya perhitungan dan semakin banyak siklus semakin lama pula proses pencarian jalur terpendek. mendapatkan jalur optimum. Hasil dari pengujian berdasarkan nilai α akan Sistem berdasarkan Banyak Semut (m) ditunjukkan dalam tabel 3. Pengujian ini dilakukan dengan cara mengubah banyaknya semut dan diuji Tabel 3 Hasil Pengujian Berdasarkan dengan pencarian antara titik asal dan titk Parameter α Jarak Waktu Keberhasi tujuan yang tetap. Sedangkan untuk α Terpendek rata-rata lan parameter lainnya, digunakan nilai yang Kurang sama yaitu : 0.01 3581 meter 00:05:50 Akurat Nilai ρ = 0.05 0.1 3105 meter 00:05:42 Cukup Nilai α = 0.5 Akurat Nilai β = 1 Jalur 0.5 3078 meter 00:05:14 terpendek Nilai q0 = 0.5 optimum Nilai NCmax = 5 Jalur Pengujian ini akan diperoleh Jarak 0.8 3078 meter 00:05:14 terpendek terpendek dan waktu rata-ratanya untuk optimum mendapatkan jalur optimum. Hasil dari Jalur 1 3078 meter 00:05:15 terpendek pengujian berdasarkan banyak semut(m) optimum akan ditunjukkan dalam tabel 2 berikut : Berdasarkan hasil pengujian parameter α Tabel 2 Hasil Pengujian Berdasarkan Banyak yang merupakan nilai dari tetapan Semut (m) pengendali intensitas feromon cenderung Jarak Waktu lebih mempengaruhi hasil dari pencarian. m Keberhasilan Terpendek rata-rata Proses Inverting Terlihat saat α bernilai antara 0.5 hingga 1 dan Tidak telah mencapai hasil yang optimal. 3 - 00:02:45 menemukan jalur terpendek Sistem berdasarkan Parameter β Proses Inverting Pengujian ini dilakukan dengan cara dan Tidak 5 - 00:04:21 menemukan mengubah nilai β dan diuji dengan pencarian jalur terpendek antara titik asal dan titk tujuan yang tetap. 10 3078 meter 00:05:14 Jalur terpendek Sedangkan untuk parameter lainnya, optimum digunakan nilai yang sama yaitu Jalur terpendek Nilai ρ = 0.05 20 3078 meter 00:10:25 optimum Nilai α = 0.5 Nilai q0 = 0.5 Berdasarkan pengujian yang telah Nilai m = 10 dilakukan, pengaruh semut terhadap hasil Nilai NCmax = 5 sangat signifikan. Dimana sistem Pengujian ini akan diperoleh Jarak memerlukan m sebanyak 10 untuk terpendek dan waktu rata-ratanya untuk mendapatkan hasil yang optimal. mendapatkan jalur optimum. Hasil dari pengujian berdasarkan nilai β akan Sistem berdasarkan Parameter α ditunjukkan dalam tabel 4 berikut. Pengujian ini dilakukan dengan cara mengubah nilai α dan diuji dengan pencarian Tabel 4. Hasil Pengujian Berdasarkan antara titik asal dan titk tujuan yang tetap. Parameter β Jarak Waktu Sedangkan untuk parameter lainnya, β Keberhasilan Terpendek rata-rata digunakan nilai yang sama yaitu 0.01 3581 meter 00:05:50 Kurang akurat Nilai ρ = 0.05 Jalur terpendek 0.1 3081 meter 00:06:30 Nilai β = 1 optimum Nilai q0 = 0.5 Jalur terpendek 0.5 3081 meter 00:06:05 Nilai m = 10 optimum Jalur terpendek Nilai NCmax = 5 0.8 3081 meter 00:05:30 optimum pengujian ini akan diperoleh Jarak Jalur terpendek 1 3081 meter 00:05:14 terpendek dan waktu rata-ratanya untuk optimum Berdasarkan hasil pengujian tersebut, Sistem berdasarkan Parameter q0 parameter β yang merupakan nilai tetapan Pengujian ini dilakukan dengan cara pengendali visibiltas ternyata mempengaruhi mengubah nilai q0 dan diuji dengan waktu proses pencarian jalur terpendek. pencarian antara titik asal dan titk tujuan Semakin tinggi nilai β maka akan semakin yang tetap. Sedangkan untuk parameter cepat waktu eksekusinya. lainnya, digunakan nilai yang sama yaitu Nilai α = 0.5 Sistem berdasarkan Parameter ρ Nilai β = 1 Pengujian ini dilakukan dengan cara Nilai ρ = 0.05 mengubah nilai ρ dan diuji dengan pencarian Nilai m = 10 antara titik asal dan titk tujuan yang tetap. Nilai NCmax = 5 Sedangkan untuk parameter lainnya, Pengujian ini akan diperoleh Jarak digunakan nilai yang sama yaitu terpendek dan waktu rata-ratanya untuk Nilai α = 0.5 mendapatkan jalur optimum. Hasil dari Nilai β = 1 pengujian berdasarkan nilai q0 akan Nilai q0 = 0.5 ditunjukkan dalam tabel 6. Nilai m = 10 Nilai NCmax = 5 Tabel 6 Hasil Pengujian Berdasarkan Pengujian ini akan diperoleh Jarak Parameter q0 terpendek dan waktu rata-ratanya untuk Jarak Waktu q0 Keberhasilan Terpendek rata-rata mendapatkan jalur optimum. Hasil dari 0 3078 meter 00:05:14 Kurang akurat pengujian berdasarkan nilai ρ akan Jalur terpendek ditunjukkan dalam tabel 5. 0.5 3078 meter 00:05:39 optimum 0.8 3581 meter 00:05:50 Tidak Akurat Tabel 5 Hasil Pengujian Berdasarkan Parameter Proses Inverting ρ dan Tidak 1 - 00:10:50 Jarak Waktu menemukan jalur ρ Keberhasilan terpendek Terpendek rata-rata Jalur Proses Inverting 0.05 3078 meter 00:05:14 terpendek dan Tidak 5 - 00:10:53 optimum menemukan jalur Jalur terpendek 0.01 3078 meter 00:05:18 terpendek optimum Selama proses pengujian diperoleh Jalur bahwa ketika q0 bernilai 0 tingkat 0.1 3078 meter 00:05:19 terpendek keberhasilan menemukan jalur terpendek optimum Kurang yang optimal lebih tinggi dibandingkan 0.5 3581 meter 00:05:50 dengan q0 bernilai 0.8. ketika nilai q0 Akurat 0.9 3581 meter 00:05:53 Kurang bernilai 1 dan 5 sistem sama sekali tidak Akurat dapat memberikan hasil. Ini menunjukkan bahwa q0 sangat mempengaruhi peluang Berdasarkan hasil pengujian parameter ρ pencarian titik tujuan. yang merupakan intensitas penguapan feromon, terlihat bahwa nilai ρ ternyata III. Simpulan berpengaruh terhadap waktu proses Dari hasil penelitian yang dilakukan, pencarian jalur terpendek yang optimal. maka dapat disimpulkan bahwa algoritma Semakin tinggi nilai ρ maka akan semakin semut dapat diaplikasikan dalam cepat waktu eksekusinya walaupun tidak menentukan rute terpendek fasilitas umum terlalu signifikan. Selama proses pengujian antara dua titik yang diinginkan. Sistem ini juga diperoleh bahwa nilai ρ cenderung dapat menunjukkan jalur-jalur terpendek lebih mempengaruhi banyaknya antara dua titik yang diinginkan dan keberhasilan pencarian apabila ρ bernilai menampilkan hasilnya pada peta. Dari hasil antara 0.05 hingga 0.1. pengujian berdasarkan banyak siklus dan banyak semut, semakin sedikit jumlah siklus maka akan mempengaruhi terhadap waktu sedangkan pada jumlah semut sangat berpengaruh terhadap hasil pencarian jalur terpendek. Selain itu dari hasil pengujian berdasarkan parameter α tidak terlalu signifikan mempengaruhi waktu pencarian jalur terpendek dan hasil pengujian β, q 0 dan mempengaruhi waktu eksekusi pencarian jalur terpendek menuju lokasi tujuan.
IV. Daftar Pustaka
1. Fauzi, S.2010. “Pencarian Jalur
Terpendek Traveling Salesman Problem Menggunakan Ant Colony System”. Skripsi Jurusan Teknik komputer Fakultas Teknik dan Ilmu Komputer Universitas Komputer Indonesia. 2. Leksono, A. 2009. “Algoritma Ant Colony Optimization(ACO) untuk menyelesaikan traveling salesman problem (TSP)”. Skripsi Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Diponegoro. 3. Santosa, B dan Paul, W.2011.Metode Metaheuristik-Konsep Dan Implementasi. Surabaya: Gunawidya.