1632 1466 1 PB PDF
1632 1466 1 PB PDF
ABSTRAKSI
Secara umum, pencarian jalur terpendek dapat dibagi menjadi dua metode, yaitu metode konvensional
dan metode heuristik. Metode konvensional cenderung lebih mudah dipahami daripada metode heuristik, tetapi
jika dibandingkan dari hasil yang diperoleh, metode heuristik lebih variatif dan waktu perhitungan yang
diperlukan lebih singkat. Pada metode heuristik terdapat beberapa algoritm,salah satunya algoritma semut.
Algoritma semut adalah algoritma yang diadopsi dari perilaku koloni semut. Secara alamiah koloni
semut mampu menemukan rute terpendek dalam perjalanan dari sarang ke tempat-tempat sumber makanan.
Koloni semut dapat menemukan rute terpendek antara sarang dan sumber makanan berdasarkan jejak kaki
pada lintasan yang telah dilewatii. Semakin banyak semut yang melewati suatu lintasan, maka akan semakin
jelas bekas jejak kakinya. Algoritma Semut sangat tepat digunakan untuk diterapkan dalam penyelesaian
masalah optimasi, salah satunya adalah untuk menentukan jalur terpendek.
B-81
Seminar Nasional Aplikasi Teknologi Informasi 2007 (SNATI 2007) ISSN: 1907-5022
Yogyakarta, 16 Juni 2007
yang diharapkan nantinya dapat menyelesaikan mampu menemukan rute terpendek dalam perjalanan
masalah pencarian jalur terpendek dengan hasil yang dari sarang ke tempat-tempat sumber makanan.
lebih variatif dan dengan waktu perhitungan yang
lebih singkat.
L R L R
1.2 Batasan Masalah
Dari latar belakang dan rumusan masalah
yang telah dijelaskan, penulisan dibatasi pada satu
jenis metode heuristik, yaitu algoritma semut (Ant (a) (b)
Colony Algorithm, Antco).
L R L R
1.3 Tujuan Penulisan
Penulisan bertujuan menyelesaikan masalah
optimasi menggunakan metode heuristik, khususnya
algoritma semut, mencoba mengimplementasikan (c) (d)
dengan sebuah kasus sederhana, dan mempelajari Gambar 1. Perjalanan semut menemukan sumber
lebih dalam tentang cabang dari ilmu kecerdasan makanan.
buatan.
Koloni semut dapat menemukan jalur
1.4 Manfaat Penulisan terpendek antara sarang dan sumber makanan
Manfaat yang dapat diambil dari penelitian berdasarkan jejak kaki pada lintasan yang telah
adalah: dilewati. Semakin banyak semut yang melewati
1. Menawarkan penyelesaian yang lebih mudah suatu lintasan maka semakin jelas bekas jejak
dalam perhitungan (sesuai dengan tujuan kakinya. Hal ini menyebabkan lintasan yang dilalui
algoritma heuristik) untuk pencarian jalur semut dalam jumlah sedikit semakin lama semakin
terpendek berkurang kepadatan semut yang melewatinya, atau
2. Dapat diaplikasikan menjadi sebuah perangkat bahkan akan tidak dilewati sama sekali. Sebaliknya
lunak lintasan yang dilalui semut dalam jumlah banyak
semakin lama akan semakin bertambah kepadatan
2. TELAAH PUSTAKA semut yang melewatinya atau bahkan semua semut
2.1 Pencarian jalur terpendek melewati lintasan tersebut.
Secara umum penyelesaian masalah Gambar 1.a menujukkan perjalanan semut
pencarian jalur terpendek dapat dilakukan dalam menemukan jalur terpendek dari sarang ke
menggunakan dengan dua metode, yaitu metode sumber makanan, terdapat dua kelompok semut
algoritma konvensional dan metode heuristik. yang melakukan perjalanan. Kelompok semut L
Metode algoritma konvensional diterapkan dengan berangkat dari arah kiri ke kanan dan kelompok
cara perhitungan matematis seperti biasa, sedangkan semut R berangkat dari kanan ke kiri. Kedua
metode heuristik diterapkan dengan perhitungan kelompok berangkat dari titik yang sama dan dalam
kecerdasan buatan dengan menentukan basis posisi pengambilan keputusan jalan sebelah mana
pengetahuan dan perhitungannya. yang akan diambil. Kelompok L membagi dua
a. Metode konvensional kelompok lagi. Sebagian melewati jalan atas dan
Metode konvensional berupa algoritma yang sebagian melewati jalan bawah. Hal ini juga berlaku
menggunakan perhitungan matematis biasa. pada kelompok R. Gambar 1.b dan Gambar 1.c
Ada beberapa metode konvensional yang biasa menunjukkan bahwa kelompok semut berjalan pada
digunakan untuk melakukan pencarian jalur kecepatan yang sama dengan meninggalkan feromon
terpendek, diantaranya Djikstraa, Floyd- atau jejak kaki di jalan yang telah dilalui. Feromon
Warshall, dan algoritma Bellman-Ford yang ditinggalkan oleh kumpulan semut yang
b. Metode heuristik melewati jalan atas telah mengalami banyak
Adalah sub bidang dari kecerdasan buatan yang penguapan karena semut yang melewati jalan atas
digunakan untuk melakukan pencarian dan berjumlah lebih sedikit dibandingkan jalan yang di
penentuan jalur terpendek. Ada beberapa bawah. Hal ini disebabkan jarak yang ditempuh
algoritma pada metode heuristik yang biasa lebih panjang dibandingkan jalan bawah. Sedangkan
digunakan dalam pencarian jalur terpendek. feromon yang berada pada bagian bawah
Salah satunya adalah algoritma semut. penguapannya cenderung lebih lama. Karena semut
yang melewati jalan bawah lebih banyak daripada
2.2 Algoritma semut semut yang melewati jalan atas. Gambar 1.d
Algoritma Semut diadopsi dari perilaku menunjukkan bahwa semut-semut yang lain pada
koloni semut yang dikenal sebagai sistem semut akhirnya memutuskan untuk melewati jalan bawah
(Dorigo, 1996). Secara alamiah koloni semut karena feromon yang ditinggalkan masih banyak,
sedangkan feromon pada jalan atas sudah banyak
B-82
Seminar Nasional Aplikasi Teknologi Informasi 2007 (SNATI 2007) ISSN: 1907-5022
Yogyakarta, 16 Juni 2007
menguap sehingga semut-semut tidak memilih jalan dari kota-kota yang tidak terdapat pada tabuk sebagai
atas. Semakin banyak semut yang melewati jalan kota tujuan selanjutnya. Perjalanan koloni semut
maka semakin banyak semut yang mengikutinya, berlangsung terus menerus hingga mencapai kota
semakin sedikit semut yang melewati jalan, maka yang telah ditentukan. Jika s menyatakan indeks
feromon yang ditinggalkan semakin berkurang urutan kunjungan, kota asal dinyatakan sebagai
bahkan hilang. Dari sinilah kemudian terpilihlah tabuk(s) dan kota-kota lainnya dinyatakan sebagai
jalur terpendek antara sarang dan sumber makanan. {N-tabuk}, maka untuk menentukan kota tujuan
digunakan persamaan probabilitas kota untuk
3. PEMBAHASAN dikunjungi sebagai berikut,
Dalam algoritma semut, diperlukan beberapa
variabel dan langkah-langkah untuk menentukan
jalur terpendek, yaitu: p kij =
[τ ij ]α ⋅ [ηij ]β untuk j∈{N-tabuk}
∑ [τ ik' ]α ⋅ [ηik' ]β
Langkah 1: k '∈{ N − tabu k }
a. Inisialisasi harga parameter-parameter
algoritma. p kij = 0 , untuk j lainnya
Parameter-parameter yang di inisialisasikan dengan i sebagai indeks kota asal dan j sebagai
adalah: indeks kota tujuan.
1. Intensitas jejak semut antar kota dan
perubahannya (τij) Langkah 4:
2. Banyak kota (n) termasuk x dan y a. Perhitungan panjang jalur setiap semut.
(koordinat) atau dij (jarak antar kota) Perhitungan panjang jalur tertutup (length closed
3. Penentuan kota berangkat dan kota tujuan tour) atau Lk setiap semut dilakukan setelah satu
4. Tetapan siklus-semut (Q) siklus diselesaikan oleh semua semut.
5. Tetapan pengendali intensitas jejak semut Perhitungan dilakukan berdasarkan tabuk
(α) masing-masing dengan persamaan berikut:
n−1
6. Tetapan pengendali visibilitas (β)
7. Visibilitas antar kota = 1/dij (ηij) Lk = dtabuk (n),tabuk (1) + ∑dtabuk (s),tabuk (s+1)
s=1
8. Jumlah semut (m)
9. Tetapan penguapan jejak semut (ρ) dengan dij adalah jarak antara kota i ke kota j
10. Jumlah siklus maksimum (NCmax) bersifat yang dihitung berdasarkan persamaan:
tetap selama algoritma dijalankan, d ij = ( x i − x j ) 2 + ( y i − y j ) 2
sedangkan τij akan selalu diperbaharui
harganya pada setiap siklus algoritma mulai b. Pencarian rute terpendek.
dari siklus pertama (NC=1) sampai tercapai Setelah Lk setiap semut dihitung, akan diperoleh
jumlah siklus maksimum (NC=NCmax) atau harga minimal panjang jalur tertutup setiap
sampai terjadi konvergensi. siklus atau LminNC dan harga minimal panjang
jalur tertutup secara keseluruhan adalah atau
b. Inisialisasi kota pertama setiap semut. Lmin.
Setelah inisialisasi τij dilakukan, kemudian m
semut ditempatkan pada kota pertama yang c. Perhitungan perubahan harga intensitas jejak
telah ditentukan. kaki semut antar kota.
Koloni semut akan meninggalkan jejak-jejak
Langkah 2: kaki pada lintasan antar kota yang dilaluinya.
Pengisian kota pertama ke dalam tabu list. Adanya penguapan dan perbedaan jumlah semut
Hasil inisialisasi kota pertama semut pada langkah 1 yang lewat, menyebabkan kemungkinan
harus diisikan sebagai elemen pertama tabu list. terjadinya perubahan harga intensitas jejak kaki
Hasil dari langkah ini adalah terisinya elemen semut antar kota. Persamaan perubahannya
pertama tabu list setiap semut dengan indeks kota adalah:
m
∆τ ij = ∑ ∆τ ijk
pertama.
k =1
Langkah 3:
Penyusunan jalur kunjungan setiap semut ke dengan ∆τ kij adalah perubahan harga intensitas
setiap kota. Koloni semut yang sudah terdistribusi ke jejak kaki semut antar kota setiap semut yang
kota pertama akan mulai melakukan perjalanan dari dihitung berdasarkan persamaan
kota pertama sebagai kota asal dan salah satu kota- Q
kota lainnya sebagai kota tujuan. Kemudian dari ∆τ kij =
kota kedua, masing-masing koloni semut akan Lk
melanjutkan perjalanan dengan memilih salah satu untuk (i,j) ∈ kota asal dan kota tujuan dalam
tabuk
B-83
Seminar Nasional Aplikasi Teknologi Informasi 2007 (SNATI 2007) ISSN: 1907-5022
Yogyakarta, 16 Juni 2007
B-84
Seminar Nasional Aplikasi Teknologi Informasi 2007 (SNATI 2007) ISSN: 1907-5022
Yogyakarta, 16 Juni 2007
B-85