PENCARIAN RUTE TERDEKAT MENGGUNAKAN ALGORITHMA

A*(A-STAR)
(Studi kasus Big Mall menuju Robinson Mart)

TUGAS AKHIR

Oleh :
AHMAD HIDAYAT
17615045

KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN

POLITEKNIK NEGERI SAMARINDA
JURUSAN TEKNOLOGI INFORMASI
PROGRAM STUDI TEKNIK INFORMATIKA
2020
 KATA PENGANTAR

Puji syukur kehadirat Tuhan Yang Maha Esa yang telah memberikan rahmat

dan karunianya, sehingga Tugas Akhir yang berjudul “Pencarian Rute Terdekat Big

Mall Menuju Robinson Mart Menggunakan Algooritma A*(Star)” ini dapat

terselesaikan.

Tugas Akhir ini disusun untuk memenuhi persyaratan dalam menyelesaikan

jenjang pendidikan Diploma III, program studi Teknik Informatika, jurusan Teknologi

Informasi, Politeknik Negeri Samarinda.

Ucapan terima kasih disampaikan kepada semua pihak yang telah memberikan

dukungan bantuan atas terselesaikannya Tugas Akhir ini. Ucapan terima kasih khusus

disampaikan kepada:

1. Kedua orang tua saya, Bapak Mujiman dan Ibu Menik Prihatini, yang

senantiasa memberikan doa, semangat, dan dukungan moral sehingga saya

dapat menyelesaikan Tugas Akhir ini.

2. Bapak Ramli, ST., M.Eng, selaku Direktur Politeknik Negeri Samarinda.

3. Bapak Ansar Rizal, ST., M.Kom selaku Ketua Jurusan Teknologi Informasi

Politeknik Negeri Samarinda

4. Bapak Hari Purwardi, ST., MT selaku ketua Program Studi Teknik

Informatika dan Multimedia

5. Bu Tien Rahayu Tulilli., ST, M.Tech Pembimbing 1 dan bapak Irwansyah,

S.Kom, M.Cs

6. Teman-teman jurusan Teknologi Informasi angkatan 2017 khususnya

teman-teman di kelas TI 6B yang senantiasa saling membantu dan

memberikan semangat dalam menyelesaikan Tugas Akhir ini.

 7. Semua pihak yang telah membantu baik secara langsung maupun tidak

langsung sehingga penyusunan Tugas Akhir ini dapat terselesaikan.

Saya menyadari bahwa Tugas Akhir ini tidak luput dari kekurangan. Oleh sebab

itu, saya mengharapkan kritik dan saran yang bersifat membangun untuk kesempurnaan

Tugas Akhir ini.

Samarinda, 4 Agustus 2020

Penulis
 ABSTRAK

Algoritma A* (Astar) merupakan salah satu algoritma yang termasuk dalam kategori
metode pencarian yang memiliki informasi (informed search method). Algoritma ini
sangat baik sebagai solusi proses path finding (pencari jalan). Algoritma ini mencari
jarak rute terpendek yang akan ditempuh suatu point awal (starting point) sampai ke
objek tujuan. Teknik pencarian yang digunakan dalam simulasi ini adalah
menggunakan Algoritma A* dengan fungsi heuristic. Tujuan utama penelitian ini
mempelajari cara kerja algoritma A* dalam mencari jarak tercepat, yang disimulasikan
seperti kondisi ketika seorang mencari rute dalam keadaan jalanan macet. Simulasi ini
memberikan gambaran yang lebih realistis terhadap perilaku algoritma A* dalam
pencarian jarak rute terpendek.
Kata Kunci: Algoritma A* (Astar), Path Finding, Rute terpendek
 DAFTAR ISI

KATA PENGANTAR...............................................................................................................2
ABSTRAK.................................................................................................................................4
DAFTAR ISI..............................................................................................................................5
DAFTAR GAMBAR.................................................................................................................7
BAB I..........................................................................................................................................9
PENDAHULUAN......................................................................................................................9
1.1 Latar Belakang..........................................................................................................9
1.2 Perumusan Masalah................................................................................................10
1.3 Batasan Masalah......................................................................................................11
1.4 Tujuan Penelitian....................................................................................................11
1.5 Manfaat Penelitian..................................................................................................11
BAB II......................................................................................................................................12
TINJAUAN PUSTAKA..........................................................................................................12
2.1 Kajian Ilmiah...........................................................................................................12
2.2 Dasar Teori...............................................................................................................13
2.2.1 Peta...................................................................................................................13
2.2.2 Google Earth....................................................................................................15
2.2.3 Formula Haversine..........................................................................................16
2.2.3 Algoritma A*(Star)..........................................................................................17
2.2.4 Shoping Mall....................................................................................................18
2.2.5 Graf...................................................................................................................19
2.2.6 Artificial Intelegence (AI).................................................................................22
BAB III.....................................................................................................................................24
METODOLOGI PENELITIAN.............................................................................................24
3.1 Kerangka Konsep Penelitian..................................................................................24
3.2 Metode Penelitian..........................................................................................................25
3.2.1 Pemetaan Digital..............................................................................................25
3.2.2 Membaca File KML.........................................................................................26
3.2.3 Penerapan algoritma A-Star...........................................................................26
BAB IV.....................................................................................................................................27
HASIL DAN PEMBAHASAN................................................................................................27
 4.1 Pemetaan Digital......................................................................................................27
4.2 Membaca File KML................................................................................................28
4.3 Algorithma A*(A-Star)............................................................................................31
4.4 Implementasi Algorithma A* (A – Star)................................................................34
BAB V.......................................................................................................................................40
PENUTUP................................................................................................................................40
DAFTAR PUSTAKA..............................................................................................................41
 DAFTAR GAMBAR

3.1 Gambar Kerangka Konsep ………………………...……………………………19

3.2 Gambar Gambar Metode Penelitian. ………………………………………….. 20

4.1 Gambar Pemetaan Digital ……………………………..……………………….. 24

4.2 Membaca File KML di Aplikasi ……………………………..………………… 32

4.3 Flowchart Algorithma A Star ……………………………………..……...……. 33

4.4 Pencapaian Jalur………….………………………….……………………...……34

 DAFTAR TABEL

4.1 Data berdasarkan Jarak...………….……………………………………………31

4.2 Nilai Heuristik…..…………...…….……………………………………………...36

 BAB I

PENDAHULUAN

1.1 Latar Belakang

Mencari rute terdekat menjadi pilihan utama saat berpergian ke suatu tempat.

Alasan dari mencari rute terdekat sendiri yaitu untuk memotong waktu perjalanan dan

menghemat biaya yang bakal dikeluarkan.

Penentuan rute terdekat dapat dilakukan dengan menghitung waktu tempuh

perjalanan ataupun berdasarkan jarak tempat asal ke tempat tujuan. Akan tetapi

penentuan jarak semacam ini tidak efektif karena semakin banyak alternatif ke tempat

tujuan maka akan semakin rumit untuk menentukan rute terpendek. Maka dari itu

penentuan jarak terdekat memerlukan adanya penghitungan otomatis yang akan

menambahkan seluruh rute yang ada lalu menambahkan rute terpendek yang dinginkan.

Pencarian rute tedekat bukan saja bermanfaat untuk pengguna jalan raya tetapi

juga berguna dalam bidang lain seperti perancangan game, robotic ataupun sistem

penjadwalan. Untuk menentukan rute terpendek ada dua metode yaitu metode

konvensional, dan metode heuristik. Pada perhitungan metode konventional

membandingkan jarak masing-masing node dan mencari mencari jarak terpendek

sedangkan pada metode heuristik perhitungan yang singkat dan hasil yang lebih

bervariatif. Contoh metode konvensional yaitu algorithma greedy. Dan metode

heuristik yaitu algoritma A Star.

Algoritma A Star menyelesaikan masalah dengan menggunakan graf untuk

perluasan ruang statusnya, dengan menerapkan suatu heuristik. Heuristik adalah nilai

yang memberi nilai pada tiap simpul yang memandu A Star mendapatkan solusi yang
diinginkan. Dengan heuristik, maka A Star pasti akan mendapatkan solusi (jika

memang ada solusinya). Dengan kata lain, heuristik adalah fungsi optimasi yang

menjadikan algoritma A Star lebih baik dari pada algoritma lainnya.

Ada beberapa algorithma lain yang bisa digunakan untuk menentukan rute

terpendek contohnya, algorithma greedy,hill climbing,djikstra,algorithma floyed.

Dalam kasus penentuan rute terpendek dari Robinson Mart menuju Big Mall

menggunakan algorithma A star. Algoritma A Star menggunakan estimasi jarak

terdekat (cost/jarak sebenarnya) untuk mencapai tujuan (goal) dan memiliki nilai

heuristik yang digunakan sebagai dasar pertimbangan pemilihan jalur.

Secara umum dalam pencarian jalur dapat menggunakan peta. Dalam bentuk ini

secara visual mampu menggambarkan jalur yang ditempuh dari tempat asal ke tempat

tujuan. Namun pemakaian kertas mempunyai kendala secara visual harus dapat

mengurutkan rute mana yang akan di tempuh. Seiring dengan berkembangnya

teknologi,visualisasi peta yang dihasilkan oleh google maps mampu menyediakan

layanan dinamis dimana pengguna dappat melakukan pencarian jalur yang harus di

lalui untuk sampai ke suatu tujuan lengkap dengan estimasi waktu dan penggunaan

kendaraan.

1.2 Perumusan Masalah

Dari uraian latar belakang diatas, maka dapat dirumuskan beberapa masalah, yaitu

bagaimana cara mengimplementasikan algorithma A Star untuk menentukan rute

terdekat dari Big Mall menuju Robinson Mall ?

1.3 Batasan Masalah

Pada penelitian ini mencakup ruang lingkup dan asumsi, dimana ruang lingkup

akan membahas detail-detail dari penelitian ini dan asumsi yang akan digunakan

sebagai dasar pendukung penelitian.

Ruang Lingkup

Beberapa ruang lingkup dalam penelitian ini sebagai berikut :

1. Pusat perbelanjaan yang menjadi objek penelitian adalah pusat perbelanjaan

Big Mall dan pusat perbelanjaan Robinson Mart.
2. Peta digital diolah menggunakan aplikasi google earth dengan menandai
jalan dan persimpangan sekitar kota samarinda dari Bigmall menuju
Robinson Mart.
3. File Citra peta berformat KML.

Asumsi

a. Data-data yang akan digunakan sebagai data ujian pada penelitian ini di
peroleh melalui pengambilan data pada aplikasi google earth.
b. Output yang dihasilkan berupa rute terdekat menuju pusat perbelanjaan
tujuan.
c. Jalan yang dilewati adalah jalan yang dapat dilalui kendaraan roda empat.

1.4 Tujuan Penelitian

Tujuan dari penyusunan tugas akhir ini adalah mengimplementasikan algoritma

A*(star) untuk pencarian rute terpendek menuju pusat perbelanjaan yang dituju.

1.5 Manfaat Penelitian

Manfaat dari penelitian ini diharapkan mampu mempermudah perjalanan

menuju pusat perbelanjaan yang dituju berdasarkan rute terpendek sesuai dengan hasil
menggunakan algoritma A*(star).
 BAB II

TINJAUAN PUSTAKA

2.1 Kajian Ilmiah

Beberapa penelitian yang pernah dilakukan terkait dengan penelitian yang akan

dilakukan dengan judul Pencarian Rute Terdekat Menggunakan Algorithma A star

adalah sebagai berikut :

Penelitian yang dilakukan oleh (MB Talai dan Muh. Yamin, 2013) yang

berjudul “Aplikasi Pencarian Jalur Terpendek Pada Rumah Sakit Umum Bahterahmas

Menggunakan Algorithma A Star”. Penelitian ini dilakukan dengan tujuan menentukan

jalur tependek pada pencarian ruangan dirumah sakit umum Bahterhmas dengan

menggunakan algorithma A Star, dikarenakan pada rumah sakit Bahterhmas terdapat

beberapa gedung untuk pelayanan kesehatan dengan masing masing gedung juga

memiliki ruangan dan fungsi berbeda-beda. Karena banyaknya gedung dan ruangan dan

belum adanya system yang dapat memberi petunjuk arah lokasi serta jalur terpendek

menuju gedung dan ruangan membuat pengunjung menghabiskan banyak waktu ketika

ingin mencari suatu gedung ataupun ruangan. Untuk mengatasi masalah tersebut pada

penelitian ini. menggunakan teknik pencarian heuristic untuk pencarian rute terpendek

dengan tepat dengan menggunakan algorithma A Star.

Penelitian berikutnya yang menjadi refrensi berjudul “Penerapan Algoritma A

Star (A*) Untuk Penentuan Jarak Terdekat Wisata Kuliner Di Kota Bandar Lsmpung”.

Penelitian ini memberi rokemendasi rute perjalanan serta pemilihan tempat makan.

Dalam menyelesaikan permasalahan penentuan jalur terdekat dapat diselesaikan dengan

beberapa algoritma salah satunya algortima A* (Star). Hasil penelitian ini adalah
membuat sebuah aplikasi mobile Android untuk memberikan informasi mengenai jalur

terdekat menuju wisata kuliner dan juga memberikan informasi mengenai kuliner yang

terdepat di sekitar pengguna. (Purnama, dkk, 2018)

2.2 Dasar Teori

2.2.1 Peta

Peta adalah suatu gambaran (representasi) unsur-unsur atau penampakan-

penampakan abstrak, yang dipilih dari permukaan bumi, yang ada kaitanya dengan

permukaan bumi atau benda-benda angkasa. Pada umumnya peta digambarkan pada

suatu bidang datar dan diperkecil (diskalakan). Semua kenampakan yang ingin

ditampilkan pada peta harus disajikan dengan simbol-simbol yang telah disepakati

bersama oleh para ahli pemetaan diseluruh dunia . Disiplin ilmu yang khusus

mempelajari sejarah perkambangan peta, Teknik pembuatan, Teknik penggadandaan

dan pengawetan peta adalah kartografi. (Sulaestari, 2007)

1. Kelengkapan Peta

a. Judul peta

Judul peta menunjukan daerah mana yang digambarkan pada peta itu, terdapat

dua jenis judul yaitu :

1. Judul umum disesuaikan dengan wilayah yang digambarkan pada peta secara

umum.

2. Judul khusus/tematik disesuaikan tema atau informasi yang ditonjolkan pada

suatu peta.
 b. Skala

Skala adalah perbandingan. Skala peta adalah perbandingan jarak yang tertera pada

peta dengan jarak sebenarnya dipermukaan bumi. Selain menunjukan jarak, skala

juga menyatakan perbandingan Panjang, lebar dan luas obyek yang ditampilkan.

2. Fungsi Peta

Secara umum fungsi peta adalah sebagai alat peraga yang menyajikan berbagai

kenampkan alamiah dan kenampakan buatan manusia. Sedangkan secara khusus

fungsi peta adalah :

a. Menunjukan lokasi suatu objek atau kenampakan dipermukaan bumi

b. Menunjukan arah dan persebaran gejala-gejala dipermukaan bumi.

c. Menggambarkan luas, jarak dan bentuk berbagai kenampakan baik penampakan

alamiah maupun kenampakan buatan,

d. Menggambarkan perubahan gejala-gejala dari waktu ke waktu

Gambaran permukaan bumi dapat dipresentasikan dalam bentuk peta digital.

Menurut defenisi, peta digital adalah representasi fenomena geografik yang

disimpan untuk ditampilkan dan dianalisis oleh computer. Peta digital juga dapat

diartikan sebagai gambaran permukaan bumi yang disajikan secara digital yang

diperkecil dengan menggunakan skala tertentu melalui sistem proyeksi. Peta digital

disajikan dengan cara yang berbeda dengan peta konvensional yang tercetak pada

bidang datar. Peta digital disajikan pada device digital seperti pada layar computer

hingga ditampilkan dilayar smartphone. Peta digital biasanya berukuran besar dan
memiliki format tertentu yang diolah dengan menggunakan komputer (Hati, Suprayog,

dan Sasmito 2013).

Pemproyeksikan peta tidak lepas dari ilmu system kordinat. Sistem kordinat

merupakan suatu parameter yang menunjukan bagaimana suatu objek diletakan dalam

koordinat. Sistem koordinat merupakan kesepakatan tata cara menentukan posisi suatu

tempat di muka bumi. Dengan adanya system koordinat akan lebih mudah memahami

posisi-posisi objek di permukaan bumi. Saat peta diproyeksikan ke dalam bidang datar

terdapat sumbu bujur dan sumbu lintang yang mewawikili sumbu x dan y. Sistem

kordinat ini disebut sistem kordinat Lintang Selatan dan Bujur Timur. Sistem koordinat

bujur lintang (dalam bahasa inggris disebut Latitude-Longitude) terdiri dari dua

komponen yaitu :

1. Garis dari atas ke bawah (vertikal) yang menghubungkan kutub utara dengan kutub

selatan bumi, disebut juga lintang (Latitude).

2. Garis mendatar (horizontal) yang sejajar dengan garis khatulitiwa, disebut juga garis

bujur(Longitude).

2.2.2 Google Earth

Google earth merupakan sebuah program globe virtual yang sebenarnya disebut

Earth Viewer dna dibuat oleh Keyhole, Inc. Program ini memetakan bumi dari

superimposisi gambar yang dikumpulkan dari pemetaan satelitm, fotografi udara dan

globe GIS 3D. Globe Virtuall ini memperlihatkan rumah, warna mobil, dan bahkan

bayangkan orang dan rambu jalan. Google earth menyediakan fasilitas mencari alamat,

memasukan koordinat, atau menggunakan mouse untuk mencari lokasi

 Pada penelitiaan ini Google Earth digunakan untuk menentukan peta digital

dengan menambahkan[ beberapa path dan placemark. Path dan placemark adalah

fasilitas yang disediakan Google Earth untuk memetakan sebuah objek ataupun daerah

di permukaan bumi. Selain path dan placemark masih ada fasilitas yang lain seperti

polygon,image overlay, record a tour dan lain-lain. Path di google earth adalah fasilitas

yang dapat ditambahkan pengguna untuk menandai rute perjalanan . Path menyimpan

sekumpulan titik-titik koordinat hingga membentuk garis yang tidak terhubung seperti

polygon. Placemark di Google Earth digunakan untuk menandai suatu lokasi,tidak

seperti Path, placemark ini hanya menyimpan satu titik kordinat setelah beberapa

penjelasan mengenani path dan placemark Google Earth maka dapat disimpulkan

bahwa penelitian ini menggunakan path untuk menandai jalan-jalan dan placemark

digunakan untuk menandai lokasi setiap persimpangan yang dapat dilalui. Data path

dan placemark ini akan tersimpan ke dalam file berformat .kml.

2.2.3 Formula Haversine

Metode haversine digunakan untuk menghitung jarak antara titik di permukaan

bumi menggunakan garis lintas (longitude) dan garis bujur (latitude) sebagai variabel

inputan. Havershine formula adalah persamaan penting pada navigasi, memberikan

jarak lingkaran besar antara dua titik pada permukaan bumi berdasarkan bujur dan

lintang.

Dengan mengasumsikan bahwa bumi berbentuk bulat sempurna dengan jari jari

R 6.3467,45 km, dan lokasi dari 2 titik di kordinat(lintang dan bujur) masing-masing

adalah lon1, lat1 dan lon2, lat2, Adapun formula metode havershine seperti persamaan

berikut.
Distance = radius * c…………………………………………………………………..

(2)

Dengan aturan :

Radius = 637100 meter

Lat1 = latitude pertama * π /180……………………………………………………….

(3)

Lat2 = latitude kedua ¿ π /180………………………………………………………...(4)

Lon1 = longitude pertama……………………………………………………………...

(5)

Lon2 = longitude kedua………………………………………………………………..

(6)

deltaLat = lat2-lat1……………………………………………………………………..

(7)

deltaLon = lon2-lon1…………………………………………………………………..(8)

a = sin ( 2 )
deltaLat 2
(
+ cos(lat 1)∗cos∗(lat 2)∗sin )
deltaLon 2
2
……………………..…(9)

c = 2 * atan2( √ a , √(1−a) )…………………………………………………………(10)

2.2.3 Algoritma A*(Star)

Algorithma A*(A star) dikenal sebagai salah satu algorithma yang paling sering

digunakan untuk mencari pencarian jalur (path finding) dan penerusan grafis (graph
traversal).], yaitu proses plotting jalur yang paling efisien antar titik, yang disebut

dengan nodes. Metode A* adalah metode yang merupakan hasil pengembangan dari

metode dasar Best First Search. Metode ini mengevaluasi setiap titik dengan

mengkombinasikan dengan g(n), nilai untuk mencapai n dari titik awal, dan h(n), nilai

perkiraan untuk mencapai tujuan dari titik n tersebut. Algorithma ini menggunakan

fungsi distance-plus-cost(biasanya di notasikan dengan f(x)) untuk menentukan urutang

kunjungan pencaarian node di dalam tree. Gabungan jarak – plus – biaya merupakan

penjumlahan dari dua fungsi, yaitu fungsi path-cost(selalu dinotasikan dengan g(x),

dimungkinkan bernilai heuristic ), dan sebuah kemungkinan penerimaan atas “perkiraan

heuristic” jarak ke titik tujuan (dinotasikan dengan h(x)). Fungsi path-cost g(x) adalah

jumlah biaya yang harus dikeluarkan dari node awal menuju node tujuan.

Dengan terlebih dahulu mencari rute yang tampaknya mempunyai kemungkinan

besar untuk menuju ke arah tujuan, algorithma ini mengambil jarak perjalanan kearah

tujuan (dimana g(x) bagian dari heuristic adalah biaya dari awal). Beberapa

terminology dasar yang terdapat pada algorithma ini adalah starting point, simpul

(nodes), A, open list , closed list, harga (cost), halangan (unwalkable). (Syukuryah, dkk,

2016).Rumus yang digunakan pada algorithma A* adalah sebagai berikut :

F(n) = G(n) + H(n)……………………………………………………………

(11)

Keterangan :

h (n) = Nilai Heuristik antara Kordinat.

g (n) = Jarak Koordinat ke titik Tujuan.

f (n) = Perkiraaan solusi dengan Jarak Terpendek

melalui n. (Suyitno, 2016)

2.2.4 Shoping Mall

Pusat perbelanjaan (Shooping mall) merupakan pusat perbelanjaan yang

berintikan satu dan beberapa departemen store besar sebagai daya tarik retail-retail

kecil dan rumah makan dengan tipologi bangunan seperti toko yang menghadap ke

koridor utama mall yang merupakan unsur utama dari sebuah shooping mall dengan

fungsi sebagai sirkulasi dan sebagai ruang terselenggaranya interaksi antar pengunjung

dan pedagang.

Konsep pusat perbelanjaan atau shooping mall sebenarnya bukan inovasi baru.

Shooping mall merupakan suatu evolusi dari pasar tradisional, yang sudah ada sejak

abad pertengahan . Awal mulanya, Orang-orang pada zaman dahulu melakukan

transaksi perdagangan dibawah pohon yang membentuk suatu deretan. Namun, seiring

dengan pertambahan jumlah penduduk, kualitas barang dan kuantitas barang yang

diperdagangkan juga meningkat. Akibatnya, dari menignkatnya jumlah barang yang

diperdagangkan.

2.2.5 Graf

Graf adalah kumpulan simpul (node) yang dihubungkan satu sama lain melalui

sisi/busur (edges). suatu Graf terdiri dari dua himpunan yaitu himpunan Verteks dan

himpunan Edge. Verteks merupakan titik simpul atau node yang menunjukkan tempat

yang dijadikan sebagai goal atau tujuan, start atau awal, atau tempat yang akan dilalui

dalam suatu perjalanan. Edge merupakan garis penghubung antar verteks.

Simpul-simpul pada graf dapat merupakan obyek sembarang seperti kota, atom-

atom suatu zat, nama anak, jenis buah, komponen alat elektronik dan sebagainya.busur
dapat menunjukan hubungan (relasi) sembarang seperti rute penerbangan, jalan raya,

sembarang telepon, ikatan kimia, dan lain-lain. Notasi graf: G (V,E) artinya graf G

memliki V simpul dan E busur. (Alamsyah, 2010)

Graf memiliki macam-macamnya antara lain ada beberapa yaitu graf tidak

berarah dan graf berarah. Graf tidak berarah (undirected graf) merupakan graf yang

tidak memiliki arah dan anak panah sehingga dapat dilalui oleh dua arah yang

berlawanan. Graf berarah (directed graf) merupakan graf yang memiliki arah dan

biasanya ditunjukkan dengan sebuah anak panah dengan salah satu ujungnya disebut

tail (ekor) dan head (kepala). Graf berarah tidak dapat dilewati oleh dua arah yang

berbeda. Graf berbobot merupakan graf yang memiliki bobot atau nilai di setiap edge-

nya dan dapat berupa graf berarah maupun graf yang tidak berarah. Path (lintasan)

merupakan suatu lintasan yang melalui verteks dan edge dimana verteks tidak boleh

dilewati lebih dari satu kali.

Graph adalah suatu tehnik untuk memodelkan suatu masalah, sedangkan graph

berbobot menurut Rinaldi Munir adalah graph yang setiap sisinya diberi sebuah harga

atau nilai. Graph berbobot dapat dimodelkan pada graph berarah maupun tidak berarah

dimana nilai masing-masing sisi pada graft menjadi sebuah acuan terhadap nilai

lintasan. Sedangkan Graph berbobot adalah graph yang mempunyai label pada setiap

sisinya yang menjadi acuan model perhitungan terhadap permasalahan yang menjadi

dasar pemodelan. Graph berbobot akan digunakan untuk memodelkan sebuah kasus

yang akan digunakan pada penelitian ini untuk membuktikan teori yang akan dibuat

atau disimpulkan.

Menurut arah dan bobotnya, graf dibagi menjdi empat bagian, yaitu:

a. Graf berarah dan berbobot : tiap busur mempunyai anak panah dan berbobot.

Gambar 2.1 menunjukan graf berarah dan berbobot yang terdiri dari tujuh titik
 yaitu titik A,B,C,D,E,F,G. titik menunjukan arah titik B dan titik C, titik B

menunjukan arah ke titik D dan titik C, dan seterusnya. Bobot antar titik A dan titik

B pun telah diketahui.

Gambar 2.2 Graf berarah dan berbobot

b. Graf tidak berarah dan berbobot : tiap busur tidak mempunyai anak panah akan

tetapi berbobot. Gambar 2.2 menunjukan graf tidak berarah dan berbobot yang

terdiri dari tujuh titik yaitu titik A,B,C,D,E,F,G. Titik A tidak menunjukan arah ke

titik B atau C, namun bobot antara titik A dan titik B telah diketahui. Begitu juga

dengan yang lain.

Gambar 2.3 Graf tidak berarah dan berbobot

c. Graf berarah dan tidak berbobot : tiap busur mempunyai anak panah yang tidak

berbobot. Gambar 2.3 menunjukan graf berarah dan tidak berrbobot.

Gambar 2.4 Graf Berarah dan tidak Berbobot

d. Graf tidak berarah dan tidak berbobot: tiap busur tidak mempunyai anak panah dan

tidak berbobot.

Gambar 2.5 Graf tidak berarah dan tidak berbobot

2.2.6 Artificial Intelegence (AI)

Kecerdasan buatan (AI) adalah istilah umumm yang mengacu pada teknologi

yang mampu membuat mesin menjadi “cerdas”. banyak penelitian AI untuk

mengotomatisasi, meningkatkan, atau mereplikasi kecerdasan manusia sampai analisis

dan pengambilan keputusan manusia.

Ada banyak istilah lain yang terkait dengan AI, seperti, deep leraning

(pembelajaran mendalam), machine learning (mesin yang belajar), pegenalan gambar,

pemrosesan bahasa alami, cognitive computing (komputasi yang mampu mengenali

sesuatu), amplifikasi kecerdasan, peningkatan kognitif, peningkatan kecerdasan mesin,

dan peningkatan kecerdasan.

Untuk membuat apllikasi kecerdasan buatan ada 2 bagian utama yang sangat

dibutuhkan :

1. Basis pengetahuan (knowlage base), bersifat fakta-fakta, teori, pemikiran dan

hubungan antar satu dengan yang lainnya.

2. Motor inferensi (Inferensi Engine), kemampuan menarik kesimpulan

berdasarkan pengetahuan dan pengalaman (Dahria, M. 2008).

 BAB III

METODOLOGI PENELITIAN

3.1 Kerangka Konsep Penelitian

Gambar 3.1 Kerangka Konsep Penelitian

Dari kerangka konsep penelitian, hal yang pertama dilakukan adalah

pengambilan objek. Pengambilan objek dapat dilakukan dengan mengambil data dari

Google Earth, Gis, dan Google MyMaps. Dalam penelitian objek diambil

menggunakan Google Earth dengan objek-objek tersebut berupa Path dan Placemark

dalam format .kml yang didalam file .kml tersebut terdapat kordinat-kordinat yang akan
di digunakan untuk mendapatkan data jarak. Setelah data jarak didapat, tahapan

berikutnya yaitu proses searching, yaitu proses pencarian jalur terdekat dengan

menggunakan Algorithma pencarian jalur.

Algoritma pencarian jalur yang digunakan adalah algorithma A* (Star). Dengan

menggunakan data – data yang sudah didapat tadi diimplementasikan ke dalam

algorithma A* (star) untuk mendapatkan rute terpendek.

3.2 Metode Penelitian

Gambar 3.2 Metode Penelitian

3.2.1 Pemetaan Digital

Tahap pertama dalam metode penelitian ini adalah dengan membangun

pemetaan digital. Pemetaan diolah dengan mengambil beberapa bagian jalan alternative

dari posisi awal Big Mall dan posisi tujuan berada di Robinson Mart. Peta yang telah

dibangun ini menggunakan google earth dan kemudian akan tersimpan ke dalam file

berformat KML KML adalah kepanjangan dari Keyhole Markup Language, yang
dimana KML adalah sebuah XML berbasi Bahasa geografis skema untuk menjelaskan

penjelasan dan visualisasi yang ada, peta dua dimensi dan tiga dimensi.

3.2.2 Membaca File KML

Tahapan selanjutnya yaitu membaca file-file berformat KML yang

menghasilkan data kordinat data titik koordinat. Titik kordinat ini selanjutnya diproses

menggunakan Euclid Distance yang bertujuan menghasilkan data jalan yang

menghubungkan setiap persimpangan.

3.2.3 Penerapan algoritma A-Star

Dalam tahap ini data jarak jalan yang dihasilkan oleh Formula Haversine akan

digunakan untuk pencarian rute terdekat suatu tujuan. Titik awal dan titik tujuan yang

telah ditentukan selanjutnya dilakukan pencarian manual untuk menghasilkan data rute

terdekat pencarian pencarian.

 BAB IV

HASIL DAN PEMBAHASAN

4.1 Pemetaan Digital

Pemetaan digital dilakukan dengan menggunakan Google Earth. Dengan

menambahkan beberapa path dan placemark. Path digunakan untuk menandai rute

perjalanan sedangkan placemark digunakan sebagai penanda titik persimpangan.

Proses awal adalah menandai persimpangan yang akan dilalui dari jalan

alternatif yang dibangun. Setelah menandai persimpangan dengan menggunakan

placemark kemudian membuat path yang menghubungkan setiap placemark dengan

mengikuti jalan yang ada pada peta. Dari proses pembuatan pembuatan jalur, didapat

placemark sebanyak 26 titik dan 38 jalur. Gambar 4.1 menunjukan peta yang telah

dibuat.
 Gambar 4.1 Pemetaan Digital

Pada gambar 4.1 diatas, BM merupakan titik awal, sedangkan RB merupakan

titik tujuan. Persimpangan kemudian ditandai dengan placemark.

4.2 Membaca File KML

KML merupakan extensi dari format data XML dan mempresentasikan data

geografis di map. Untuk mendapatkan data jarak . Maka file KML tersebut dimasukan

ke dalam aplikasi yang dapat membaca file KML. Setelah file KML dimasukan maka

akan terlihat tampilan seperti dibawah yang dimana terdapat node-node serta rute yang

telah dihubungkan ke API Google Maps, dan dibawah tampilan web.

Gambar 4.2 Membaca File KML di aplikasi

 Pada gambar 4.2 diatas, persimpangan ditandai dengan placemark dan jalan

ditandai dengan path. Peta kemudian dibuat kedalam model graph. Gambar 4.2.1

menunjukan model graph peta antar pusat perbelanjaan :

Gambar 4.2.1 Graf Peta

Gambar diatas adalah contoh graf yang menghubungkan node satu dengan node

lainnya. Nilai nilai yang terdapat pada graf tersebut adalah jarak dari node ke node lain

yang saling berhubungan dan telah diperoleh jaraknya berdasarkan Tabel 4.1 graf

tersebut menghitung semua node.

 Tabel 4.1 Data jalan berdasarkan file kml

Titik Titik Jarak

No Nama Jalan
Awal Akhir (meter)
1 Jl. Untung Suropati BM A 505
2 Jl. Ir. Sutami & Jl.Teuku Umar A C 3319
3 Jl. Slamet Riyadi B E 613
4 Jl. Anggi B D 412
5 Jl. Slamet Riyadi A B 2323
6 Jl. Cendana & Jl.Tengkawang C D 1058
7 Jl. MT Haryono C I 1545
8 Jl. Cendana D G 621
9 Jl. RE Martadinata E T 970
10 Jl. P. Antasari E F 238
11 Jl. P. Antasari F K 796
12 Jl. Cendana F G 280
13 Jl. Banggeris G I 965
14 Jl. P. Suryanata & Kadrie Oening H X 3018
15 Jl. Ir. H. Juanda H J 625
16 Jl. MT Haryono I H 1011
17 Jl. Ir. H. Juanda J Z 1398
18 Jl. Siradj Salman K L 570
19 Jl. P. Antasari K H 714
20 Jl. Wijaya Kusuma XIV & Jl. Juanda 2 L J 2818
21 Jl. Siradj Salman M L 742
22 Jl. Siradj Salman M N 144
23 Jl. Ks Tubun Dalam - Jl. Anggur N W 2318
24 Jl. Pasundan O N 66
25 Jl. Wiratama O M 141
26 Jl. Bayangkara & Jl. Pahlawan & Jl. Dr. Soetomo P Q 2319
27 Jl. KS. Tubun P N 639
28 Jl. M. Yamin Q RB 625
29 Jl. Gunung Merbabu R X 663
30 Jl. Pasundan R O 765
31 Jl. Milono & Jl. Bayangkara S P 604
32 Jl. Gajah Mada & Jl. Gunung Kinibalu T U 776
33 Jl. Pasundan T R 242
34 Jl. Jend. Sudirman & Jl. Awang Long U S 502
35 Jl. Gunung Kinabalu U V 65
36 Jl. Tirta Kencana - Jl. W.R. Supratman V S 332
37 Jl. Letnan Jendral Suprapto X W 330
38 Jl. Letnan Jendral Suprapto W Q 618
 Tabel 4.2 Hasil Perhitungan Heuristik

Node H(n)
A 6.727
B 4569
C 5145
D 4538
E 4027
F 3866
G 3957
H 2822
I 3802
J 2211
K 3244
BM 7225
L 2763
M 2609
N 2594
O 2662
P 2718
Q 600
R 3420
S 3231
T 3657
U 3466
P 3409
W 757
X 1042
RB 0

4.3 Algorithma A*(A-Star)

Algoritma A Star merupakan algoritma computer yang digunakan secara luas

dalam mencari jalur (path finding) dan grafik melintang secara efisien antara titik-titik,

disebut node. Berikut adalah flowchart algoritma A *

 Gambar 4.3 flowchart algorithma A*

Dalam penerapanya, Algorithma A* memiliki beberapa teerminologi dasar diantaranya

starting point, simpul(nodes), A, open list, closed list, harga(cost), halangan

(unwalkable).

1. Starting point adalah sebuah terminology untuk posisi awal sebuah benda.
 2. A adalah simpul yang sedang dijalankan dalam algoritma pencarian jalan

terpendek.

3. Simpul adalah petak-petak kecil sebagai representasi dari area pathfinding

bentuknya dapat berupa persegi, lingkaran, maupun segitiga

4. Open list adalah tempat menyimpan data simpul yang mungkin diakses dari

starting poing maupun simpul yang sedang dijalankan.

5. Closed list adalah tempat menyimpan data simpul sebelum A yang juga

merupakan bagian dari jalur terpendek yang telah berhasil didapatkan

6. Harga adalah nilai yang diperoleh dari penjumlahan, jumlah nilai tiap simpul

dalam jalur terpendek dari starting point ke A, dan jumlah nilai perkiraan dari

sebuah simpul ke simpul tujuan.

7. Simpul tujuan yaitu simpul yang dituju

8. Halangan adalah sebuah atribut yang menyatakan bahwa sebuah simpul tidak

dapat dilalui oleh A.

Algoritma A* (A Star) menggunakan dua senarai yaitu OPEN dan CLOSED. OPEN

adalah senarai (list) yang digunakan untuk menyimpan simpul-simpul yang pernah

dibangkitkan dan nilai heuristiknya telah dihitung tetapi belum terpilih sebagai simpul

terbaik (best node) dengan kata lain, OPEN berisi simpul-simpul masih memiliki

peluang untuk terpilih sebagai simpul terbaik, sedangkan CLOSED adalah senarai

untuk menyimpan simpul-simpul yang sudah pernah terpilih sebagai simpul terbaik.
4.4 Implementasi Algorithma A* (A – Star)

Setelah mendapatkan semua data jalan beserta heuristic kemudian

mengimplementasikan algoritma A Star.

Gambar 4.4.1 Langkah pertama

Langkah pertama, karena di OPEN hanya terdapat 1 simpul (yaitu BM) maka

BM terpilih sebagai Best Node. Best Node selanjutnya adalah f(A) = 7232.

Closed : BM

Open : A

Gambar 4.4.2 Langkah Kedua

 Langkah kedua, A dengan biaya terkecil ( yaitu 7232) terpilih sebagai BestNode

dan dipindahkan ke CLOSED, semua suksesor C dibuka yaitu B & C dan dimasukan ke

OPEN. Best Node selanjutnya adalah f(B)= 7397

Closed : BM,A

Open : B,C

Gambar 4.4.3 Langkah Ketiga

Langkah Ketiga, B dengan biaya terkecil (yaitu 7397) sebagai Best Node dan

dipindahkan ke Closed , suksesor B dibuka yaitu D & E dimasukan ke OPEN. Best

Node selanjutnya adalah f(E)= 7468

Closed : BM,A,B

Open : C,D,E
 Gambar 4.4.4 Langkah Ke empat

Langkah keempat, E dengan biaya terkecil (yaitu 7468) terpilih sebagai Best

Node dan dipindahkan ke CLOSED, semua suksesor E dibuka yaitu T & F dan

dimasukan ke OPEN. Best Node selanjutnya adalah f(F)=7545

Closed : BM,A,B,E

Open : C,F,T,D

Gambar 4.4.5 Langkah Kelima

Langkah kelima, F dengan biaya terkecil (yaitu 7545) sebagai Best Node dan

dipindahkan ke CLOSED, suksesor F dibuka yaitu G & K dan dimasukan ke OPEN.

Best Node selanjutnya adalah f(K) = 7545

Closed : BM,A,B,E,F

Open : C,T,G,K

Gambar 4.4.6 Langkah Ke enam

Langkah keenam, K dengan biaya terkecil (yaitu 7719) sebagai Best Node dan

dipindahkan ke CLOSED, suksesor K dibuka yaitu L & H dimasukan ke OPEN. Best

Node Selanjutnya adalah f(L)= 7808

Closed : BM,A,B,E,F

Open : C,T,G,L,D
 Gambar 4.4.7 Langkah Ketujuh

Langkah ketujuh, L dengan biaya terkecil (yaitu 7808) sebagai Best Node dan

dipindahkan ke CLOSED. Suksesor L dibuka yaitu J & M dan dimasukan ke OPEN.

Best Node Selanjutnya adalah f(G) 7719.

Close : BM,A,B,E,F,L

Open : C,T,G,D,J,M

Gambar 4.4.8 Langkah kedelapan

Langkah kedelapan, G dengan biaya terkecil(7719) sebagai Best Node dan

dipindahkan ke Closed. Suksesor G dibuka yaitu I & D karena D sudah OPEN maka di
cek ternyata biaya dari D ke G melalui E & F (yaitu 421+621 = 1042) lebih kecil dari E

ke F(yaitu 613 + 238 + 280 = 1131) oleh karena itu parent dari G berubah dari D yang

sebelumnya menjadi F. Best Node selanjutnya yaitu F(H) 8011

Closed : BM,A,B,E,F,L,G

Open : C,T,G,D,J,M

Langkah kesembilan, H dengan biaya terkecil ( yaitu 8011) sebagai Best Node dan

dipindahkan ke CLOSED. Suksesor H dibuka yaitu Z & dan J dan di masukan ke

OPEN. Best Node

 BAB V

PENUTUP

5.1 Kesimpulan
Setelah dilakukan penelitian dan dilakukan uji coba, hasil analisis dan pengujian penerapan

algoritma A Star untuk pencarian rute terdekat pada study kasus ini, maka dapat disimpulkan :

1. Dari pemetaan digital menggunakan Google Earth, diperoleh file KML yang dapat

dibaca dengan program yang telah dihubungkan dengan API Google Maps sehingga

dapat membaca struktur pata dari file KML.

2. Dari struktur peta yang diperoleh, maka dapat dibuat jarak antar simpul. Dari jarak

antar simpul yang diperoleh dari pola dan titik simpul yang telah dibaca aplikasi.

5.2 Saran
Penelitian ini tentunya masih memiliki kekurangan antara lain hanya menggunakan

jarak sebagai bobot perhitungan. Diharapkan penelitian mendatang dapat memperbaiki

kekurangan pada penelitian tugas akhir ini. Saran yang diberikan antara lain menambahkan

indikator lain seperti kemacetan, kepadatan lalu lintas ataupun waktu tempuh agar diperoleh

jalur tempuh yang lebih optimal menuju tempat tujuan, baik dari segi jarak atau indikator

lainnya.
 DAFTAR PUSTAKA

Muh. Yamin ,dkk 2013. Aplikasi Pencarian Jalur Terpendek Pada Rumah Sakit Umum
Bahterahmas Menggunakan Algorithma A Star. Kendari.

S Purnama dkk. 2018. Penerapan  Algoritma  A  Star  Untuk Penentuan Jarak Terdekat
Wisata Kuliner di Kota Bandarlampung. Bandarlampung (ID): Jurnal Teknoinfo.

M Dahria .2008. Kecerdasan Buatan (Artificial Intelligence). Jurnal Saintikom.

Mutakhiroh dkk. 2007. Pemanfaatan Metode Heuristik Dalam Pencarian Jalur

Terpendek Dengan Algorithma Semut Dan Algorithma Genetika. Dalam: Seminar
Nasional Aplikasi Teknologi Informasi di Yogyakarta, 16 Juni 2007

Irsyad, Muhammad. (2015, Desember). Aplikasi Pencarian Gedung dan Ruangan

Universitas Islam Negri Sultan Syarif Kasim Riau pada Platform Android
menggunakan Algoritma A-Star (A*). Jurnal CoreIT, Vol.1, No.2 ISSN: 2460-738X.

Hati, G. M., Suprayogi, A., Sasmito, B. 2013. Aplikasi Penanda Lokasi Peta Digital

Berbasis Mobile Gis Pada Smartphone Android. Jurnal Geodesi Undip. 2(4)

Listiana, E., Muslim, M. A. 2016. Penerapan Google Earth Untuk Penyajian Data

Komoditi Kerajinan Gamelan Pada Dinas Perindustrian Dan Perdagangan

Kabupaten Sukoharjo. Techno.COM. 15(4): 320-326

Daria, M. 2008. Kecerdasan Buatan (Artificial Intelegence). Jurnal SAINTIKOM.

5(2):185

Amin, I. H. A. 2009. . Artificial Intelligence dalam Proses Industri Manufaktur : Jurnal

Teknologi Informasi DINAMIK 14(2) : 98-104

Irsyad, M., Rasila, E. 2015. Aplikasi Pencarian Lokasi Gedung Dan Ruangan

Universitasislam Negeri Sultan Syarif Kasim Riau Pada Platform Android

Menggunakan Algoritma A-Star (A*) : Jurnal CoreIT 1(2)