Jurnal Teknologi Informasi, Volume 12 Nomor 2, Oktober 2016, ISSN 1907-3380

APLIKASI PENCARIAN LOKASI FASILITAS PELAYANAN UMUM

TERDEKAT MENGGUNAKAN METODE ARTIFICIAL BEE COLONY DI
KOTA BENGKULU BERBASIS WEBVIEW ANDROID

Eno Rahmandha1, Rusdi Efendi 2, Diyah Puspitaningrum3

1,2,3
Program Studi Teknik Infomatika, Fakultas Teknik, Universitas Bengkulu.
Jl. WR. Supratman Kandang Limun Bengkulu 38371A INDONESIA
(telp: 0736-341022; fax: 0736-341022)
1enorahmandha70@gmail.com,

2rusdi.efendi@unib.ac.id ,
3diyah.puspitaningrum@unib.ac.id

ABSTRACT
Public services are growing as concomitants of the Bengkulu’s population growth. That fact makes it
hard to find a certain public service in Bengkulu city. Another reason is we need to find a nearby public
service to do daily tasks. The purpose of tis research are: (1) to show a nearby public service’s location.
(2) To implement Artificial Bee Colony method in Bengkulu City’s Public Services Finder using Webview
Android. The results are: (1) This research managed to implement public services finder in to map;(2) The
result of algorithm relevancy test using abc base is quite high, 81% relevant, Meanwhile for standard abc
is 2.91%. (3) The best parameter setting is using bees (CS) {30,50}. Maximum limit (L) {300,500,600} and
maximum iteration (MCN) {30,50}.(4) The best bees setting are (CS) 30, maximum limit (L) 1000
maximum iteration 50. Artificial Bee Colony linier relevancy using employed bees and defined iterations
meanwhile maximum limit parameter is not taking effect on the algorithm.

Keyword : Location Based Service, Pencarian Terdekat, Artificial Bee Colony, Webview Android

1. PENDAHULUAN
Fasilitas umum sangat identik dengan pusat pelayanan masyarakat seperti yang berkaitan dengan
perekonomian, keamanan, pelayanan umum, pemerintahan dan kebutuhan lain. Fasilitas pelayanan umum
semakin berkembang seiring dengan pertambahan jumlah penduduk di Kota Bengkulu. Perkembangan
Kota Bengkulu cukup pesat menuntut pemerintah atau pihak yang berkepentingan untuk meningkatkan
pembangunan fasilitas pelayanan kepada masyarakat secara merata. Berbagai kepentingan yang
membutuhkan fasilitas pelayanan umum menjadi salah satu alasan mengapa diperlukannya fasilitas umum
untuk membantu kelancaran dalam kegiatan sehari-hari.
Selama ini adanya kesulitan dalam menemukan lokasi fasilitas pelayanan umum. Hal ini disebabkan
oleh kurangnya informasi lokasi yang ingin dituju. Informasi hanya terdapat pada daerah tertentu saja.
Belum adanya informasi bagi fasilitas pelayanan umum di sistem informasi. Akibatnya masyarakat umum
kesulitan dalam menemukan lokasi fasilitas pelayanan umum yang ingin dituju. Fasilitas umum yang
dimaksud adalah rumah sakit, hotel, bank, SPBU (Stasiun Pengisian Bahan Bakar Umum), ATM, tempat
ibadah, mall dan pasar di Kota Bengkulu. Untuk itu diperlukan sebuah sistem informasi yang dapat
membantu masyarakat menemukan fasilitas pelayanan umum. Hal ini dapat menjadi salah satu cara untuk
menyelesaikan permasalahan seseorang yang akan mencari lokasi fasilitas pelayanan umum terdekat di
daerah Kota Bengkulu.
Berdasarkan permasalahan dan penelitian yang telah dilakukan sebelumnya, diperlukan suatu metode

http://research. pps.dinus.ac.id , 141

Jurnal Teknologi Informasi, Volume 12 Nomor 2, Oktober 2016, ISSN 1907-3380

yang dapat menemukan lokasi terdekat dari fasilitas pelayanan umum. Metode yang digunakan adalah
metode Artificial Bee Colony (ABC). ABC digunakan untuk menyelesaikan masalah optimasi. Algoritma
ini terinspirasi dari perilaku sekumpulan lebah berkelompok untuk mencari sumber makanan. Setelah
mereka menemukan sumber makanan kemudian mereka akan kembali ke sarang dan melakukan tarian
lebah (waggle dance), dengan menggunakan waggle dance semua koloni saling berkomunikasi tentang
sumber makanan yang mereka temukan, sehingga lebah-lebah yang lain akan mengetahui letak dari
sumber makanan yang paling dekat dari sarang.

2. LANDASAN TEORI
2.1. Artificial Bee Colony (ABC)
ABC pertama kali diperkenalkan oleh Darvis Karaboga pada tahun 2005. Secara sederhana algoritma ini
meniru kemampuan sekelompok lebah yang mencari sumber makanan. Dalam algoritma ABC, koloni
lebah buatan terdiri dari tiga kelompok lebah: employed bees, onlookers dan scouts. Separuh pertama
koloni terdiri lebah employed bees dan setengah kedua adalah onlookers. Untuk setiap sumber makanan,
hanya ada satu employed bee. Dengan kata lain, jumlah employed bees sama dengan jumlah sumber
makanan di sekitar sarang. Employed bee yang sumber makanannya telah ditinggalkan atau dibuang akan
menjadi scouts[1].
Seekor employed bee menghasilkan modifikasi pada posisi (solusi) dalam ingatannya tergantung pada
informasi lokal (informasi visual) dan tes kualitas nektar (nilai fitness) dari sumber yang baru (solusi
baru). Dengan syarat kualitas nektar yang baru adalah lebih tinggi dari yang sebelumnya, maka lebah akan
menghafal posisi baru dan melupakan yang lama. Sebaliknya jika tidak lebah tetap pada posisi yang
sebelumnya dalam ingatannya. Setelah semua employed bee menyelesaikan pencarian, mereka berbagi
informasi nektar dari sumber makanan dan posisi mereka kepada onlookers bee pada dance area. Seekor
onlookers bee mengevaluasi informasi nektar yang diambil dari semua employed bee dan memilih sumber
makanan dengan probabilitas yang terkait dengan jumlah nektarnya[2].
ABC memiliki beberapa parameter, yaitu :
a. Jumlah lebah (CS) : jumlah semua lebah yang dipekerjakan. Jumlah lebah sama dengan jumlah
sumber makanan (SN).
b. Limit maksimum : batas sumber makanan yang ditinggalkan.
c. Iterasi Maksimum : banyaknya iterasi yang dilakukan. Dalam hal ini juga disebut kriteria berhenti.
Untuk menghasilkan calon posisi makanan dari yang lama, ABC menggunakan persamaan berikut :
(1)

Keterangan:
Vij : nilai perluasan kemungkinan solusi ke-i dengan parameter ke-j
xij: nilai kemungkinan solusi ke-i dengan parameter j
Φij: bilangan random antara [-1,1]
i: 1...SN, SN adalah jumlah kemungkinan solusi (sumber makanan)
k : {1, 2, ..., SN}indeks yang dipilih secara acak, dimana nilai dari i ≠ k
j : {1, 2, ..., D} indeks yang dipilih secara acak
Kemudian onlookers bee memilih sumber makanan tergantung pada nilai probabilitas yang terkait
dengan sumber makanan, pi, dihitung dengan persamaan berikut :
(2)

Keterangan:
fiti : nilai fitness dari solusi i yang sebanding dengan nektar jumlah sumber makanan di posisi i
SN : jumlah makanan sumber yang sama dengan jumlah employed bee.
Jika ada sumber makanan yang ditinggalkan oleh lebah maka Asumsikan bahwa sumber ysng

142 http://research.pps.dinus.ac.id
 Jurnal Teknologi Informasi, Volume 12 Nomor 2, Oktober 2016, ISSN 1907-3380

ditinggalkan xi dan j ∈ {1, 2, ..., D}, maka scouts menemukan sumber makanan baru untuk diganti dengan
sumber makanan lama. Operasi ini dapat didefinisikan dalam persamaan :
(3)
Keterangan:
xij : inisialisasi kemungkinan solusi ke-i dengan parameter j
rand : bilangan acak antara [0,1]
xj max : nilai kemungkinan solusi terkbesar berdasarkan parameter j
xj min : nilai kemungkinan solusi terkecil berdasarkan parameter j
i : 1.....SN, SN adalah jumlah kemungkinan solusi (sumber makanan)
j: 1......D, D adalah jumlah parameter yang digunakan.

3. METODE PENELITIAN
Penelitian ini merupakan Research and Development yang menghasilkan suatu aplikasi. Peneliti
membangun aplikasi yang mampu menampilkan hasil pencarian titik lokasi fasilitas pelayanan umum
terdekat dengan menerapkan metode Artificial Bee Colony.

3.1. Teknik Pengumpulan Data

Teknik yang digunakan pada penelitian ini adalah:
a. Teknik Pustaka
b. Teknik Observasi
Populasi yang digunakan dalam penelitian ini adalah objek berupa fasilitas pelayanan umum yang terdapat di
Kota Bengkulu. Sampel pada penelitian ini adalah 105 fasilitas pelayanan umum, yang terdiri dari rumah
sakit, hotel, bank, SPBU (Stasiun Pengisian Bahan Bakar Umum), ATM, tempat ibadah, mall dan pasar di
Kota Bengkulu. Pengambilan sampel yang dilakukan difokuskan terhadap 105 fasilitas pelayanan umum
di Kota Bengkulu yang diambil sendiri dengan menggunakan GPS Garmin dan aplikasi GPS yang
terdapat pada smartphone milik pribadi dan orang lain. Sampel tersebut diambil berdasarkan tujuan dari
penelitian untuk membangun Aplikasi pencarian lokasi fasilitas pelayanan umum terdekat di Kota
Bengkulu.

3.2. Metode Pengembangan Sistem

Metode pengembangan yang akan digunakan dalam merancang aplikasi pencarian lokasi terdekat ini
adalah model waterfall (air terjun). Model waterfall menyediakan pendekatan alur hidup perangkat lunak
secara sekuensial atau terurut dimulai dari analisis, desain, pengodean, pengujian, dan tahap pendukung.
Berikut adalah model waterfall yang dapat dilihat pada Gambar 1.

Gambar 1. Ilustrasi Model Waterfall

3.3. Metode Pengujian
Metode pengujian yang digunakan pada aplikasi ini adalah metode kuantitatif.
a. White Box Testing
Pengujian White Box bertujuan untuk mengetahui kinerja logika yang dibuat pada sebuah perangkat
lunak apakah dapat berjalan dengan baik atau tidak. Metode yang digunakan pada white box adalah
metode basis path.
http://research. pps.dinus.ac.id , 143
Jurnal Teknologi Informasi, Volume 12 Nomor 2, Oktober 2016, ISSN 1907-3380

b. Black Box Testing

Metode yang digunakan pada Black Box adalah metode equivalen partitioning testing yang
melakukan pengujian dengan membagi domain input dari suatu program ke dalam kelas data,
menentukan kasus pengujian dengan mengungkapkan kelas-kelas kesalahan.
c. Pengujian Parameter
Pengujian ini untuk mengetahui setting parameter terbaik untuk sistem.
d. Pengujian Kelayakan Sistem
Pengujian ini untuk mengetahui kelayakan sistem dari segi penilaian pengguna.
e. Pengujian Kerelevanan Sistem
Pengujian ini dilakukan untuk mengetahui apakah dengan setting parameter tertentu akan
meningkatkan hasil pencarian.

Dalam pembuatan aplikasi dalam penelitian ini diperlukan beberapa perangkat lunak dan perangkat
keras yang membantu penyelesaian aplikasi.
a. Perangkat Lunak
Berikut ini merupakan perangkat lunak yang diperlukan :
1) Sistem Operasi Windows 8
2) Codeigniter
3) Notepad++
4) Android Studio
5) Google Maps
6) Microsoft Office Word 2013
7) Microsoft Office Visio 2010
8) Astah Community
b. Perangkat Keras
Berikut ini merupakan perangkat keras yang diperlukan :
1) Monitor
2) Processor Intel Core i7
3) RAM 2 GB
4) Keyboard
5) Mouse
6) Harddisk 1 TB

4. ANALISIS DAN PERANCANGAN

4.1. Proses Bisnis

Gambar 2 merupakan proses bisnis dengan alur yaitu masyarakat/pasien mencari langsung
menggunakan kendaraan untuk menemukan lokasi fasilitas pelayanan umum. Pada bisnis proses lama
membutuhkan waktu lebih lama untuk
mendapatkan informasi fasilitas pelayanan umum.
Bisnis proses baru memiliki alur pengguna dapat
menggunakan handphone/laptop untuk mencari
lokasi fasilitas pelayanan umum dan mendapatkan
lokasi terdekat dari posisinya. Dengan
menggunakan bisnis proses yang baru akan
mempersingkat waktu untuk mendapatkan
informasi lokasi.
Gambar 2. Proses Bisnis

144 http://research.pps.dinus.ac.id
 Jurnal Teknologi Informasi, Volume 12 Nomor 2, Oktober 2016, ISSN 1907-3380

4.2. Analisis Cara Kerja Sistem

Penerapan algoritma Artificial Bee Colony pada aplikasi ini adalah untuk menentukan jalur terpendek dari
posisi pengguna menuju lokasi fasilitas pelayanan umum di Kota Bengkulu. Diagram alur kerja sistem
dapat dilihat pada Gambar 3.

Gambar 3. Alur Kerja Sistem

4.3. Analisis Fungsional

Analisis fungsional merupakan analisis fungsi-fungsi pada sistem yang akan dibangun. Fungsi-fungsi
yang dimaksud adalah fitur-fitur yang ada di dalam sistem. Berikut beberapa fitur yang ada pada sistem
yang dibangun.
a. Aplikasi harus dapat menampilkan posisi pengguna pada peta.
1) Pengguna dapat melihat posisi keberadaannya
b. Aplikasi harus dapat menampilkan lokasi terdekat dan jalur terpendek menuju fasilitas pelayanan
umum terdekat dari hasil perhitungan dengan menggunakan Algoritma Artificial Bee Colony.
1) Pengguna dapat melihat lokasi terdekat dan rute terpendek menuju fasilitas
pelayanan umum
2) Pengguna dapat melihat informasi dari fasilitas pelayanan umum terdekat
c. Aplikasi harus dapat menampilkan daftar fasilitas pelayanan umum berdasarkan jenis.
1) Pengguna dapat melihat daftar nama lokasi berdasarkan jenis masing-masing
2) pengguna dapat melihat lokasi fasilitas pelayanan umum
3) Pengguna dapat melihat detail informasi setiap fasilitas pelayanan umum.
d. Aplikasi harus dapat menampilkan petunjuk
1) Pengguna dapat melihat informasi petunjuk aplikasi

4.4. Perancangan UML Diagram

a. Use Case Diagram
Berikut merupakan use case diagram dari sistem yang akan ditunjukkan pada Gambar 4. Dilihat dari
Gambar 4, sistem ini terdapat satu aktor yaitu pengguna. Pengguna pada sistem ini merupakan masyarakat
yang ingin mencari lokasi fasilitas pelayanan umum lokasi. Pengguna dapat mengakses menu lokasi
terdekat, menu daftar fasilitas pelayanan umum dan menu petunjuk sistem.
http://research. pps.dinus.ac.id , 145
Jurnal Teknologi Informasi, Volume 12 Nomor 2, Oktober 2016, ISSN 1907-3380

Gambar 4. Usecase Diagram

b. Class Diagram
Class diagram aplikasi ditunjukkan pada Gambar 5.

Gambar 5. Class Diagram

c. Activity Diagram
Activity diagram menggambarkan prosedural, proses bisnis dan
jalur kerja dari sistem yang akan dibangun. Activity diagram
menggambarkan aktivitas sistem, bukan aktivitas yang dilakukan
aktor. Activity diagram dari menu lokasi terdekat dapat dilihat pada
gambar berikut.
Gambar 6 merupakan aktivitas dari pemilihan menu lokasi
fasilitas pelayanan umum terdekat. Aktivitas ini dimulai dari
pengguna yang mengakses halaman utama. Kemudian sistem akan
menampilkan halaman utama. Selanjutya pengguna dapat memilih
menu lokasi terdekat, dan mengklik posisi keberadaannya saat ini
pada peta. Kemudian sistem memproses inputan dengan
melakukan perhitungan menggunakan metode ABC dan
menampilkan hasil akhir yaitu lokasi fasilitas pelayanan umum
terdekat.

Gambar 6. Activity Diagram Menu Lokasi Terdekat

146 http://research.pps.dinus.ac.id
 Jurnal Teknologi Informasi, Volume 12 Nomor 2, Oktober 2016, ISSN 1907-3380

Selain menu lokasi terdekat, terdapat aktivitas ketika memilih menu daftar fasilitas pelayanan umum.
Diagram aktivitas menu daftar fasilitas pelayanan umum dapat dilihat pada Gambar 7a. Aktivitas lainnya
yaitu aktivitas pada menu petunjuk aplikasi yang dapat dilihat pada gambar berikut.

a. Menu Daftar Fasilitas Pelayanan Umum b.Menu Petunjuk

Gambar 7. Activity Diagram

. Gambar 7b merupakan aktivitas dari menu bantuan. Pada halaman utama, pengguna dapat memilih
menu bantuan. Kemudian sistem akan menampilkan infomasi tentang sistem dan petunjuk aplikasi.

d. Sequence Diagram
Berikut adalah contoh diagram sekuen dari aplikasi pencarian lokasi fasilitas pelayanan umum terdekat.
Use Case – Mencari Lokasi Terdekat

Gambar 8. Sequence Diagram-Lokasi Terdekat

Bila dilihat Gambar 8 objek-objek yang terdapat pada sistem ini menyampaikan pesan dan saling
bekerja untuk mencapai suatu hasil. Sequence diagram untuk lokasi terdekat ini menampilkan hasil yang
berupa lokasi terdekat dengan rute terpendek beserta informasi fasilitas pelayanan umum yang
ditampilkan dalam peta.

http://research. pps.dinus.ac.id , 147

Jurnal Teknologi Informasi, Volume 12 Nomor 2, Oktober 2016, ISSN 1907-3380

5. PEMBAHASAN
5.1. Alur Metode Artificial Bee Colony
Algoritma Artificial Bee Colony pada aplikasi berfungsi untuk menentukan rute menuju ke Fasilitas
Pelayanan umum terdekat. Pada kasus ini, Lebah merupakan agen pencari lokasi fasilitas pelayanan
umum. Proses algoritma ABC dimulai ketika pengguna melakukan set posisi. Set posisi ini berupa titik
koordinat yang akan menjadi titik awal dari perhitungan ABC. Titik awal ini menjadi posisi awal untuk
setiap partikel atau populasi.
Langkah-langkah algoritma ABC adalah sebagai berikut. Langkah-langkah dalam algoritma ABC
diberikan di bawah ini:
a. Inisialisasi populasi solusi xi,j, i = 1.. .SN, j= 1.. .D
b. Evaluasi populasi dengan persamaan :
(4)

Keterangan:
= jarak antara dua titik koordinat
= titik longitude a
= titik longitude b
= titik latitude a
= titik latitude b
c. Iterasi = 1
d. Menghasilkan solusi baru υij untuk employed bee dengan menggunakan persamaan (1) dan evaluasi
mereka
e. Terapkan proses seleksi greedy
f. Hitung nilai probabilitas pij untuk solusi xij
menggunakan persamaan (2)
g. Menghasilkan solusi baru υij untuk onlookers
dari solusi xij dipilih tergantung pada pij dan
evaluasi mereka
h. Terapkan proses seleksi greedy
i. Tentukan solusi ditinggalkan untuk scouts,
jika ada, ganti dengan solusi xi baru yang
diproduksi secara acak xij dengan
menggunakan persamaan (3)
j. Hafalkan solusi terbaik dicapai sejauh ini.
k. Iterasi = iterasi + 1
l. Sampai iterasi = MCN

Diagram alur algoritma Artificial Bee Colony

yang ditunjukkan pada Gambar 9.

Gambar 9. Flowchart ABC

148 http://research.pps.dinus.ac.id
 Jurnal Teknologi Informasi, Volume 12 Nomor 2, Oktober 2016, ISSN 1907-3380

5.2. Implementasi Antarmuka

a. Halaman Utama
Berikut merupakan tampilan webview android dari halaman utama yang
akan dijelaskan pada Gambar 10.
Gambar 10 merupakan halaman utama ketika dibuka melalui Android.
Tampilan pada Android menyesuaikan dengan ukuran Android masing-
masing. Halaman utama nya terdapat 3 menu yaitu lokasi terdekat, daftar
fasilitas pelayanan umum, dan petunjuk.

Gambar 10. Halaman Utama Webview Android

b. Halaman Lokasi Terdekat
Ketika pengguna mengklik menu lokasi terdekat,
maka sistem akan menampilkan lokasi terdekat.
Berikut tampilan lokasi terdekat dilihat dari Android
yang akan ditunjukkan pada Gambar 11.
Pada Gambar 11, terdapat hasil pencarian dari
satu jenis fasilitas pelayanan umum yang dipilih oleh
pengguna yaitu hotel. Maka sistem menampilkan
hasil lokasi hotel terdekat dari titik lokasi pengguna.
Pada Gambar 11 merupakan tampilan hasil lokasi
terdekat dengan detail informasi berupa nama lokasi,
alamat, jarak, dan waktu komputasi pada bagian atas.
Pada peta menunjukkan lokasi awal dan lokasi tujuan
(lokasi terdekat). Untuk lebih detail menu ini bisa di
scroll ke bawah.
Gambar 11. Lokasi Terdekat Webview Android

c. Halaman Daftar Fasilitas Pelayanan umum

Tampilan menu daftar fasilitas pelayanan umum
ketika dibuka melalui Android dapat dilihat seperti
Gambar 12. Gambar 12 merupakan tampilan menu
daftar fasilitas pelayanan umum. Pada halaman ini
pengguna dapat scroll ke bawah untuk melihat
berbagai jenis fasilitas pelayanan umum yaitu
rumah sakit, hotel, bank, SPBU (Stasiun Pengisian
Bahan Bakar Umum), ATM, tempat ibadah, mall
dan pasar.

Gambar 12. Menu Daftar Fasilitas

Pelayanan Umum Webview Android

http://research. pps.dinus.ac.id , 149

Jurnal Teknologi Informasi, Volume 12 Nomor 2, Oktober 2016, ISSN 1907-3380

d. Halaman Petunjuk
Halaman Petunjuk berguna untuk memberikan informasi tentang
penggunaan setiap menu yang ada pada aplikasi pencarian lokasi
fasilitas pelayanan umum. Berikut merupakan tampilan halaman
petunjuk ketika di buka di Android yang akan ditunjukkan pada
Gambar 13.

5.3. Pengujian Parameter

Terdapat tiga parameter yang ada pada algoritma Artificial Bee Colony,
yaitu jumlah lebah, limit dan jumlah iterasi. Parameter yang pertama
adalah jumlah lebah, jumlah populasi adalah total lebah yang akan
dipekerjakan untuk kasus ini. Dari jumlah lebah, lebah akan dibagi
menjadi lebah aktif (employed bee), lebah nonaktif (oonloker bee) dan
lebah pencari (scout bee). Parameter limit merupakan parameter pembatas
untuk melihat ada sumber makanan yang ditinggalkan oleh employed bee
dalam batas limit yang telah ditentukan. Ini mencegah seekor lebah tidak
mendapatkan sumber makanan yang lebih baik dari sumber makanan yang
sudah ditempuhnya.
Gambar 13. Halaman Petunjuk
Webview Android
Kemudian parameter jumlah iterasi adalah iterasi maksimum untuk perulangan pencarian yang
dilakukan oleh lebah. Pengujian dilakukan dengan mengubah nilai parameter dengan menggunakan 2
variabel yang sama untuk setiap pengujian, parameter jumlah populasi (CS), limit maksimum (L) dan
maksimum iterasi (MCN) terhadap seluruh titik, sehingga didapatkan waktu komputasi (t), jarak (d),
metode ABC alternatif (metode abc favorit lebah), metode ABC rute terpendek dan metode ABC standar
untuk menemukan solusi terbaik dengan pengujian masing-masing 5 kali percobaan. Untuk mengetahui
tingkatan parameter yang terbaik pada sistem penentuan kategori penilaian terdapat pada Tabel berikut.
Tabel 1. Daftar Uji pada Parameter Artificial Bee Colony
Parameter Nilai Uji
Jumlah lebah {6,10,20,30,50}
(CS)
Maksimum {6,10,20,30,50}
Iterasi (MCN)
Limit maksimum {6,50,300,600,1000}
(L)
Dengan daftar query adalah sebagai berikut :
Tabel 2. Daftar Query
No. Nama Query Keterangan

1. Posisi awal -3.8354909195402 102.29344120868

2. Nama jalan Jln. Jenggalu

3. Kategori Hotel

150 http://research.pps.dinus.ac.id
 Jurnal Teknologi Informasi, Volume 12 Nomor 2, Oktober 2016, ISSN 1907-3380

Hasil pengujian kinerja algoritma dengan percobaan perubahan nilai parameter jumlah lebah (CS),
Limit dan iterasi terhadap jumlah titik yang harus dilalui dapat dilihat pada tabel berikut :
a. Koloni Lebah dengan Perubahan Jumlah lebah (CS)
Data uji parameter acuan algoritma koloni lebah buatan terlihat pada tabel 3.

Tabel 3. Data Parameter Untuk Uji Ubah Jumlah Lebah

No. CS L MCN t d

1 6 50 50 0,04 1,22

2 6 50 50 0,04 1,22

3 6 50 50 0,04 1,22

4 6 50 50 0,04 1,22

5 6 50 50 0,04 1,5

6 10 50 50 0,05 1,22

7 10 50 50 0,05 1,22

8 10 50 50 0,05 1,22

9 10 50 50 0,05 1,22

10 10 50 50 0,05 1,22

11 20 50 50 0,06 1,22

12 20 50 50 0,06 1,22

13 20 50 50 0,06 1,22

14 20 50 50 0,06 1,22

15 20 50 50 0,06 1,22

16 30 50 50 0,07 1,22

17 30 50 50 0,07 1,22

18 30 50 50 0,07 1,22

19 30 50 50 0,07 1,22

20 30 50 50 0,07 1,22

21 50 50 50 0,08 1,22

22 50 50 50 0,08 1,22

23 50 50 50 0,08 1,22

24 50 50 50 0,08 1,22

25 50 50 50 0,08 1,22

Keterangan :
CS = jumlah lebah
L = limit maksimum
http://research. pps.dinus.ac.id , 151
Jurnal Teknologi Informasi, Volume 12 Nomor 2, Oktober 2016, ISSN 1907-3380

MCN= iterasi maksimum

t = waktu komputasi
d = jarak
Hasil percobaan yang didapatkan untuk pengujian dengan parameter jumlah lebah diatas
terlihat pada waktu komputasi dan jarak yang dihasilkan. Jumlah lebah (CS) yang besar
menyebabkan proses untuk menghasilkan nilai-nilai optimal lebih lama sekitar 0,08 detik dengan
jumlah lebah (CS) 6, 10, 20, 30 dan 50 menghasilkan perbedaan selisih waktu sekitar 0,01 detik.
Kemudian jumlah lebah (CS) menghasilkan jarak yang semakin akurat maka capaian terhadap
optimasi jarak semakin baik, hal ini terlihat ketika setting paramater jumlah lebah 30 dan 50 jarak
yang dihasilkan adalah 1,22 km untuk 5 kali percobaan.
b. Koloni Lebah dengan Perubahan Limit Maksimum
Data uji parameter acuan algoritma koloni lebah buatan terlihat pada tabel 4.

Tabel 4. Data Parameter Untuk Uji Ubah Limit Maksimum

No. CS L MCN t d
1 50 6 50 0,08 1,22
2 50 6 50 0,08 1,22
3 50 6 50 0,08 1,22
4 50 6 50 0,08 1,22
5 50 6 50 0,08 1,22
6 50 50 50 0,08 1,22
7 50 50 50 0,08 1,22
8 50 50 50 0,08 1,22
9 50 50 50 0,08 1,22
10 50 50 50 0,08 1,22
11 50 300 50 0,08 1,22
12 50 300 50 0,08 1,22
13 50 300 50 0,08 1,22
14 50 300 50 0,08 1,22
15 50 300 50 0,08 1,22
16 50 600 50 0,08 1,22
17 50 600 50 0,08 1,22
18 50 600 50 0,08 1,22
19 50 600 50 0,08 1,22
20 50 600 50 0,08 1,22
21 50 1000 50 0,08 1,22
22 50 1000 50 0,08 1,22
23 50 1000 50 0,08 1,22
24 50 1000 50 0,08 1,22
25 50 1000 50 0,08 1,22

Hasil percobaan yang didapatkan untuk pengujian dengan parameter limit (L) di atas terlihat
pada waktu komputasi dan jarak yang dihasilkan. Jumlah Limit tidak berpengaruh terhadap waktu
komputasi, hal ini disebabkan kemungkinan oleh employed bee tidak melewati limit yang
ditetapkan karena sumber makanan dapat ditingkatkan sehingga tidak melewati limit yang

152 http://research.pps.dinus.ac.id
 Jurnal Teknologi Informasi, Volume 12 Nomor 2, Oktober 2016, ISSN 1907-3380

ditetapkan. Sedangkan jika sumber makanan tidak dapat ditingkatkan atau melewati limit maka
scouts akan mencari sumber makanan secara acak sehingga limit tidak mempengaruhi proses
pencarian waktu komputasi. Kemudian limit (L) menghasilkan jarak yang semakin akurat maka
capaian terhadap optimasi jarak semakin baik, hal ini terlihat ketika setting paramater Limit (L)
1000 jarak yang dihasilkan adalah 1,22 km untuk 5 kali percobaan dan menghasilkan hasil jarak
lebih optimal.
c. Koloni Lebah dengan Perubahan Iterasi
Data uji parameter acuan algoritma koloni lebah buatan terlihat pada tabel 5.

Tabel 5. Data Parameter Untuk Uji Ubah Maksimum Iterasi

No. CS L MCN t d
1 50 50 6 0,05 1,22
2 50 50 6 0,05 1,22
3 50 50 6 0,05 1,22
4 50 50 6 0,05 1,22
5 50 50 6 0,05 1,22
6 50 50 10 0,05 1,22
7 50 50 10 0,05 1,22
8 50 50 10 0,05 1,22
9 50 50 10 0,05 1,22
10 50 50 10 0,05 1,22
11 50 50 20 0,06 1,22
12 50 50 20 0,06 1,22
13 50 50 20 0,06 1,22
14 50 50 20 0,06 1,22
15 50 50 20 0,06 1,22
16 50 50 30 0,07 1,22
17 50 50 30 0,07 1,22
18 50 50 30 0,07 1,22
19 50 50 30 0,07 1,22
20 50 50 30 0,07 1,22
21 50 50 50 0,08 1,22
22 50 50 50 0,08 1,22
23 50 50 50 0,08 1,22
24 50 50 50 0,08 1,22
25 50 50 50 0,08 1,22

Hasil percobaan yang didapatkan untuk pengujian dengan parameter iterasi maksimum (MCN)
diatas terlihat pada waktu komputasi dan jarak yang dihasilkan. Iterasi maksimum (MCN) yang
besar menyebabkan proses untuk mengasilkan nilai-nilai optimal lebih lama sekitar 0,1 detik.
Kemudian iterasi maksimum (MCN) menghasilkan jarak yang semakin akurat jika nilai iterasi
dinaikkan maka capaian terhadap optimasi jarak semakin baik, hal ini terlihat ketika setting
paramater MCN ditingkatkan hasil lokasi terdekat menjadi lebih baik yang menghasilkan jarak yang
lebih pendek yaitu 1,22 km dalam 5 kali percobaan.

http://research. pps.dinus.ac.id , 153

Jurnal Teknologi Informasi, Volume 12 Nomor 2, Oktober 2016, ISSN 1907-3380

6. PENUTUP
6.1 Kesimpulan
Berdasarkan analisis perancangan, implementasi, dan pengujian sistem, maka disimpulkan beberapa hal
berikut :
a. Penelitian ini telah berhasil merancang dan membangun aplikasi pencarian lokasi fasilitas
pelayanan umum terdekat di Kota Bengkulu berbasis Web View Android. Sistem ini dapat
digunakan oleh pengguna untuk membantu mencari lokasi fasilitas pelayanan umum terdekat
menggunakan metode Artificial Bee Colony.
b. Penelitian ini berhasil diimplementasikan pada pencarian lokasi fasilitas pelayanan umum terdekat
menggunakan Algoritma ABC.
c. Setting parameter terbaik diperoleh jumlah lebah (CS) {30,50}, limit maksimum (L)
{300,600,1000} dan iterasi maksimum (MCN) {30,50}. Setting terbaik jumlah lebah (CS) = 30
dengan waktu komputasi (t) = 0,07, limit maksimum (L) = 300 (t) = 0,008 dan iterasi maksimum
(MCN) = 50 (t) = 0,07. Hasil optimal yang dihasilkan adalah sama maka yang dipilih adalah setting
parameter dengan waktu komputasi (t) terkecil.
d. Relevansi algoritma Artificial Bee Colony linier dengan jumlah lebah yang dipekerjakan dan iterasi
yang ditetapkan, sedangkan parameter limit maksimum tidak begitu mempengaruhi.
6.2 Saran
Berdasarkan analisis perancangan sistem, implementasi, dan pengujian sistem, maka untuk pengembangan
penelitian selanjutnya penulis menyarankan hal berikut:
a. Perlu dilakukan penelitian dengan metode lainnya seperti Cat Swarm Optimization (CAT), Ant
Colony Optimization (ACO), Bee Colony Optimization (BCO) sehingga dapat dilakukan
perbandingan hasil yang lebih optimal.
b. Perlu dilakukan pemetaan dengan menggunakan peta yang dinamis agar mendapatkan hasil
pencarian yang lebih optimal.
c. Perlu dilakukan pengembangan aplikasi yang mengizinkan pengguna untuk melakukan dengan
penambahan data, agar data fasilitas pelayanan umum dapat terus diperbarui.

DAFTAR PUSTAKA
[1] D.Karaboga, & Basturk. (2007). Artificial Bee Colony (ABC) Optimization Algorithm for solving
Constrained Optimization Problem. P. Melin et al. (Eds.) : IFSA 2007, LNAI 4529, 789-798.
[2] Suyanto. (2014). Algoritma Optimasi. Yogyakarta: Graha Ilmu.
[3] Andri. (2013). Aplikasi Travelling Salesman Problem dengan Metode Artificial Bee Colony. ISSN
1412-0100 Vol.14 No.1, 59-68.
[4] Nugroho, R. F. (2013). Penerapan Algoritma Artificial Bee Colony dalam Aplikasi. Jurnal
Informatika Vol.9 No.1, 1-17.
[5] Nurdiana, D. (2015). Implementasi Algortima Lebah Untuk Pencarian Jalur Terpendek dengan
Mempertimbangkan Heuristik. Jurnal Pendidikan Matematika Vol.5 No.2.

154 http://research.pps.dinus.ac.id