Diana.Fallo
Program Studi Teknik Informatika STKIP Citra Bina Nusantara Kupang
Email : dianayani25@gmail.com1
ABSTRAK
Ant Colony Optimization (ACO) merupakan algoritma heuristic yang telah terbukti diterapkan ke
sejumlah masalah Travelling Salesman Problem (TSP) dan mampu menemukan jalur terpendek
dengan baik. Dari hasil uji coba yang dilakukan di temukan bahwa hasil jalur terpendek
menggunakan ACO di temukan total waktu tempuh lebih cepat. ACO bekerja dengan sangat cepat
dalam menemukan rute terpendek karena ACO tidak tergantung pada iterasi yang diberikan. Jika
hasil nya telah di ketahui maka secara otomatis akan di tampilkan hasilnya.
28
Jurnal Pendidikan Teknologi Informasi (JUKANTI) Volume (1) No (1) Maret 2018
= (1)
Langkah 4
Tahap ini dilakukan pembaruan
Gambar 1. Perjalanan semut menemukan pheromone (t) lokal
sumber makanan (Dorigo,1996)
(2)
2. METODE PENELITIAN
Menurut penelitian ( Hlaing & (3)
Khine, 2011, Sutoyo,2014, Mutakhiroh
Dimana
2007) Ant Colony memerlukan beberapa
= Panjang tur yang diperoleh
variabel sebelum melakukan pencarian
C = Jumlah h lokasi
jalur terpendek yaitu :
= Parameter dengan nilai 0 sampai
Langkah I 1
Inisialisasi harga parameter. = Perubahan pheromone
a) ( ) adalah intensitas jejak
Langkah 5
pheromone semut
Tahap ini di lakukan pembaruan
b) (n) adalah banyak kota termasuk
pheromone global
koordinat (x,y) atau jarak antar kota
(4)
( ) Rumus untuk menentukan jarak
adalah (5)
(1) Dimana
c) Q adalah tetapan siklus semut. = nilai pheromone setelah
d) adalah tetapan pengendali intesitas mengalami pembaruan lokal
jejak semut, nilai > 0 = Panjang tur terpende pada akhir
e) adalah tetapan pengendali siklus
visibilitas, nilai > 0 = parameter dengan nilai antara 0
f) Visibilitas antar kota ( sampai 1
g) m adalah jumlah semut. = Perubahan pheromone
h) adalah tetapan penguapan jejak
semut, dimana 0 ≤ ≤ 1 Berikut ini merupakan pseducode menurut
i) NCmax adalah jumlah siklus (Fenwa et al., 2014 dan Chawda &
maksimum. Sureja, 2012) tentang algoritma koloni
semut yaitu :
29
Jurnal Pendidikan Teknologi Informasi (JUKANTI) Volume (1) No (1) Maret 2018
Begin NC max = 2
Initialize the pheromone
trails and parameter; Setelah melakukan inisialisasi maka
Generate of m solutions adapun langkah-langkah untuk
(ants); menyelesaikan masalah optimasi
For each indivual ant k to menggunakan algoritma semut ialah :
m; Hitung jarak antar kota dengan kota lain
Calculate probabilitas; menggunakan persamaan (1) dan dapat
For each and determine its dilihat pada tabel dibawah ini
best position;
Determine the best global Tabel 2. Jarak antar kota ( )
ant; Jarak 1 2 3 4 5
Update the pheromone trail; 1 0 20 22 14 39
Check if distance true; 2 45 0 18 11 25
End 3 22 18 0 10 18
4 14 11 10 0 25
3. HASIL DAN PEMBAHASAN 5 39 25 18 25 0
Sebuah contoh kasus perusahaan
Unilever akan mendistribusikan pada Setelah jarak antar kota di ketahui dapat
toko-toko di sekitar perusahaanya. di hitung visibilitas antar kota yang
Perusahaan tersebut ingin mengetahui tunjukkan pada tabel 3.
jalur terpendek untuk mendistribusikan
barang tersebut, dengan ketentuan bahwa : Tabel 3. Nilai visibilitas antar kota
a. Tidak ada toko yang akan terlewatkan
untuk di kunjungi Kota 1 2 3 4 5
b. Perusahaan tersebut tidak/belum 1 0 0.05 0.0454 0.0714 0.0256
mengetahui jarak antara toko dengan 2 0.0222 0 0.0555 0.0909 0.04
toko lainnya. 3 0.0454 0.055 0 0.1 0.0555
4 0.0714 0.090 0.1 0 0.04
Jarak antara toko tersebut seperti terlihat 5 0.0256 0.04 0.0555 0.04 0
pada tabel di bawah ini:
Kemudian hitung probabilitas tiap kota
Tabel 1. Koordinat x dan y yang dituju dengan menggunakan
Toko Ke Koordinat x Koordinat y persamaan (2). Seluruh titik telah
1 20 25 dikunjungi, selanjutnya lakukan
2 40 30 pembaruan pheremone lokal dengan
3 30 45 menggunakan persamaan (3) dan (4) yang
4 30 35 ditunjukkan pada tabel 4.
5 45 55
Tabel 4. Nilai pembaruan pheromone lokal
Adapun langkah-langkah yang digunakan ( )
dalam algoritma semut ialah Inisialisasi Semut 1 2 3 4 5
harga parameter S1 0 1,055 0.969 0.782 0.666
m=5 S2 1,055 0 0.011 0.019 0.009
n= 5 S3 0.969 0.011 0 0.014 0.009
= 0.1 S4 0.782 0.019 0.014 0 0.009
=1 S5 0.666 0.009 0.009 0.009 0
= 0.5
Q=1 Maka rute yang ditempuh serta panjang
= 0.01 rute diperoleh dapat di lihat pada tabel 5.
30
Jurnal Pendidikan Teknologi Informasi (JUKANTI) Volume (1) No (1) Maret 2018
5. SARAN
Penilitian ini menggunakan
algoritma ACO dan diharapkan adanya
penelitian lebih lanjut dengan
menggunakan perbandingan banyak
algoritma untuk dapat membedakan
manakah algoritma yang lebih baik dalam
menentukan rute terpendek.
Daftar Pustaka
[1] Alhanjouri, M. & Alfarra, B., 2012.
Gambar diatas merupakan tampilan awal Ant Colony Versus Genetic
dari penelitian yang dibuat. Algorithm Based on Travelling
Salesman Problem. International
Journal Comp.Tech.Appl., 2 (3),
pp.570-78.
[2] Tyas, Y.S. & Prijodiprojo, W.,
2013. Aplikasi Pencarian Rute
31
Jurnal Pendidikan Teknologi Informasi (JUKANTI) Volume (1) No (1) Maret 2018
32