Chapter II
Chapter II
LANDASAN TEORI
Shortest path adalah pencarian rute atau path terpendek antara node yang ada pada
graph, biaya (cost) yang dihasilkan adalah minimum. Sedangkan menurut (Dublin.
2009) menemukan jalan terpendek dari total panjang jalan antara dua node grafik
diarahkan dengan panjang berkaitan dengan tepi masing-masing. Dalam pencarian
lintasanterpendek masalah yang dihadapi adalah mancari lintasan mana yang akan
dilaluisehingga didapat lintasan yang paling pendek dari satu verteks ke verteks
yanglain.
Ada beberapa macam persoalan lintasan terpendek, antara lain :
1. Lintasan terpendek antara dua buah verteks.
2. Lintasan terpendek antara semua pasangan verteks.
3. Lintasan terpendek dari verteks tertentu ke semua verteks yang lain
4. Lintasan terpendek antara dua buah verteks yang melalui beberapa
verteks tertentu(Boy,A.F. 2013).
Dalam pencarian lintasan terpendek ada beberapa algoritma yang dapat dipergunakan
namun, disini yang digunakan adalah algoritma Exhaustive Search dalam menentukan
lintasan terpendek dalam satuan kilometer (km)
2.2 Graph
Suatu graph sederhana G adalah suatu pasangan terurut (V, E), dimana V adalah suatu
himpunan berhingga yang tak kosong yang elemen-elemennya disebut verteks dan E
adalah suatu himpunan garis yang menghubungkan dua elemen subset dari E yang
disebut edges (Iryanto. 2003). Contoh graph dapat dilihat seperti gambar 2.1.
v1 e4 v2
e1 e5
e3
v4
v3
e2
Gambar 2.1 Graph dengan 4 verteks dan 5 edges
2
2 B E
2
1
1
A
1 2 G
D
4 1
2
3
C 4
F
2. Graph tidak berarah dan berbobot: setiap edges tidak mempunyai arah tetapi
mempunyai bobot. Gambar 2.3 adalah contoh graph tidak berarah dan berbobot.
Edges yang menghubungkan antar verteks mempunyai bobot yang telah diketahui
namun tidak mempunyai arah.
B 2 E
2
2
A 1
1 G
1 D 2
4 1 2
C 3
F
4
Gambar 2.3 Graph tidak berarah dan berbobot
3. Graph berarah (digraph) dan tidak berbobot: setiap edges mempunyai arah tetapi
tidak mempunyai bobot. Gambar 2.4 adalah contoh graph berarah dan tidak
berbobot. B E
A
G
D
C
F
4. Graph tidak berarah dan tidak berbobot: setiap edges tidak mempunyai arah dan
tidak mempunyai bobot. Gambar 2.5 adalah contoh graph tidak berarah dan tidak
berbobot.
B E
A
G
D
C
F
2.3 Lintasan
Lintasan yang panjangnya n dari simpul awal v0 ke simpul tujuan vn di dalam graf G
ialah barisan berselang-seling simpul-simpul dan sisi-sisi yang berbentuk v0, e1, v1,
e2, v2, … , vn-1, en, vn sedemikian sehingga e1 = (v0, v1), e2 = (v1, v2), … , en =
(vn-1, vn) adalah sisi – sisi dari graf G (Rinaldi Munir, 2003). Jika graf yang ditinjau
merupakan graf sederhana, maka lintasan cukup dituliskan sebagai barisan simpul: v0,
v1, v2, …, vn-1, vn, karena antara dua buah simpul yang berurutan dalam lintasan
tersebut hanya terdapat satu sisi. Jika graf yang ditinjau memiliki sisi ganda, maka,
lintasan ditulis sebagai barisan berselang-seling antara simpul dan sisi: v0, e1, v1, e2,
v2, e3, …, vn-1, en, vn. Simpul dan sisi yang dilalui di dalam lintasan boleh berulang.
Sebuah lintasan yang semua simpulnya berbeda (setiap sisinya dilalui hanya sekali)
dikatakan lintasan sederhana.
2.4 Metode
dalam bentuk kalimat dengan jumlah kata terbatas tetapi tersusun secara logis dan
sistematis (Suarga. 2012). Sedangkan menurut whitten. et al (2004) metode yaitu
spesifik, tahap-tahap strategis untuk menyelesaikan satu tahap atau lebih dari
perkembangan sistem yang berulang.
Karena itu suatu metode harus dinyatakan dalam bentuk yang dapat dimengerti
oleh pemroses.Jadi suatu pemroses harus :
Komputer hanyalah salah satu pemroses. Agar dapat dilaksanakan oleh komputer,
metode harus ditulis dalam notasi bahasa pemrograman sehingga dinamakan
program.Jadi program adalah perwujudan atau implementasi teknis. Metode yang
ditulis dalam bahasa pemrogaman tertentu sehingga dapat dilaksanakan oleh
komputer.Ciri penting metode yaitu :
Exhaustive search merupakan teknik pencarian solusi secara brute force pada masalah
yang melibatkan pencarian elemen dengan sifat khusus, biasanya di antara objek-
objek kombinatorik seperti permutasi, kombinasi, atau himpunan bagian dari sebuah
himpunan (Sani. 2006).
Dari defenisi lain yang penulis kutip adalah metode exhaustive search adalah
metode yang terbaik dalam hal mencari solusi terbaik dengan sifat tertentu. Waktu
penyelesaiannya yang lama sebenarnya dapat dipersingkat dengan menggunakan
teknik heuristik, contohnya dengan mengeliminasi kemungkinan solusi yang tidak
mungkin menjadi solusi terbaik, ataupun dengan memadukanmetode tersebut dengan
metode lain.Strategi pemecahan masalah adalah sebagai berikut :
a) Menyebutkan (Enumerasi) dari daftar (list) disetiap kemungkinan solusi secara
sistematis.
b) Mengevaluasi disetiap kemungkinan solusi satupersatu. Kemungkinan
beberapa solusi yangtidak layak bisa saja muncul, dan simpan solusiterbaik
yang ditemukan sampai proses terakhir(the best solusi found so far).
c) Bila pencarian berakhir, tampilkan solusi terbaik(the winner).
d) Membutuhkan waktu dan sumber daya yangbesar dalam mencari suatu solusi.
Persoalan rute terpendek tidak lain adalah menemukan sirkuit Hamilton dengan
bobot minimum. Metode exhaustive search untuk persoalan rute terpendek ini adalah:
a. Enumerasikan (list) semua sirkuitHamilton dari graf lengkap dengan n
buahsimpul.
b. Hitung (evaluasi) bobot setiap sirkuit Hamilton yang ditemukan pada langkah.
c. Pilih sirkuit Hamilton yang mempunyai bobot terkecil.Misalkan simpul a
adalah kota tempat dimulainya perjalanan (starting city).
Menurut (Maulina. 2008) adapun penulis sediakan contoh persoalan Travel Sales
person Problem dalam Metode exhaustive search dengan n=4 dapat ditunjukkan pada
gambar 2.6 sirkuit Hamilton .
:
Gambar 2.6 Penggambaran Graph Hamilton
2.6.1 Backtracking
Backtracking merupakan perbaikan dari algoritma brute-force (exhaustive search).
Pada exhaustive search, semua kemungkinan solusi dieksplorasi satu per satu.
Backtracking, hanya pilihan yang mengarah ke solusi yang dieksplorasi, pilihan yang
tidak mengarah ke solusi tidak dipertimbangkan lagi , Memangkas (pruning) simpul-
simpul yang tidak mengarah ke solusi. Backtracking didasarkan pada pengamatan
bahwa hal tersebut sering dapat menolak solusi dengan melihat hanya sebagian kecil
dari itu. Misalnya, jika contoh SAT berisi klausa (x1∨x2), kemudian semua tugas
dengan x1=x=0 (yaitu,false) dapat langsung dihilangkan.Untuk menempatkan dengan
berbeda, dengan cepat memeriksa dan membuat tugas parsial ini, Berikut adalah
bagaimana hal itu dilakukan. Mempertimbangkan φ formula Boolean(w,x,y,z)
specified dengan set persyaratan (w∨x∨y∨z), (w∨x), (x∨y), (y∨z), (z∨w), (w∨z).
( Dasgupta, et al. 2006).
Lebih secara abstraknya, algoritma backtracking yang memerlukan tes yang
terlihat di subproblem dan cepat menyatakan salah satu dari tiga hasil:
a. kegagalan: subproblem telah tidak
b. ada solusi.
c. sukses: solusi untuk subproblem ditemukan. ketidakpastian.
2.6.2 Branch-and-bound
Branch-and-bound memiliki defenisi yang sama dengan backtracking, namunbranch-
and-bound ruang solusi dibangun dengan skema Breadth-First Search (BFS). Prinsip
yang sama dapat generalized dari pencarian masalah seperti SAT untuk optimasi
masalah. Untuk kepastian, katakanlah memiliki masalah minimalisasi; maksimalisasi
akan mengikuti pola yang sama. Pada kenyataannya, akan menjadi fixed seluruh
algoritma. Sub problem sesuai adalah untuk studi penyelesaian terbaik dari tour, yaitu
pelengkap jalan termurah dengan menengah node V−S.
Pemberitahuan bahwa masalah awal adalah bentuk [,{},] untuk setiap ∈V Oleh karena
itu, biaya adalah sedikitnya jumlah dari berikut:
a. tepiringandariuntukV−S.
b. ringan tepi dari b ke V − S.
c. minimal mencakup pohon V − S.( Dasgupta, et al. 2006).
Mulai
Input
node
awal dan
tujuan
Mencari node
dengan nilai
terkecil
Pilih node
terdekat dari rute
terakhir
Tidak Ya
Lintasan
tidak Selesai
ditemukan
Langkah berikut setelah pencarian kombinasi adalah perhitungan bobot atau jarak
total dari titik-titik yang telah terbentuk dalam suatu rute.Meskipun metode exhaustive
search secara teoritis menghasilkan solusi, namun waktu atau sumber daya yang
dibutuhkan dalam pencarian solusinya sangat besar (Boy,A.F, et al. 2013).
Dari hasil penelitian Rudy Adipranata, Felicia Soedjianto, & Wahyudi Tjondro
(2006) menyatakan bahwa metode yang dibandingkan dalam pencarian rute adalah
metode exhaustive, genetic algorithm dan neural network hopfield dimana ketiga
metode ini memiliki kelebihan dan kekurangan yang berbeda-beda. ketiga metode
tersebut dapat disimpulkan bahwa untuk kasus dengan skala kecil (n < 10), metode
exhaustive memberikan hasil pencarian rute yang lebih optimum dan waktu yang
singkat. Di samping itu, genetic algorithm harus memiliki input yang tepat untuk
memberikan hasil optimum, sedangkan neural network hopfield memiliki hasil rute
yang kurang memuaskan untuk kasus dengan skala besar.
Dari hasil penelitian Ahmad Fitri Boy, S.Kom.,M.Kom. Nurcahyo Budi Nugroho,
S.Kom. M.Kom (2013) menyatakan bahasa pemograman PHP untuk tampilan
Node,jalur dan jarak diinput secara manual dan aplikasi ini berhasil menemukan
ruteterdekat menuju bandara Polonia dengan menggunakan Metode Exhaustive
Search. Hasil program ini menunjukkan bahwa sistem ini dapat digunakan
olehmasyarakat yang ingin menuju Bandara Polonia Medan yang membutuhkan
petunjuk terhadap rute terdekat menuju bandara tersebut.
Dari hasil penelitian Nico Saputro dan Joice Aritonang (2005) menyatakan bahwa
metode genetik akan dibandingkan dengan metode exhaustive search untuk
mengetahui pemampatan matriks jarang dengan metode genetik sudah maksimal atau
belum.