Perbandingan Algoritma Ant Colony Optimization Dengan

Algoritma A STAR Dalam Pencarian Rute Terpendek

Brielt Bella Gracitwo,Audi Nathanael G,Yosefina Finsensia Riti, S.Kom., M.Eng.

Jurusan Ilmu Informatika, Universitas Katolik Darma Cendika, Surabaya
e-mail: brielt.bella@student.ukdc.ac.id , yosefina.riti@ukdc.ac.id,
audi.nathanael@student.ukdc.ac.id
Abstrak
Pencarian jalur terpendek merupakan pencarian sebuah jalur dari graf berbobot yang
meminimalkan jumlah bobot sisi pembentuk jalur.Secara umum pencarian jalur terpendek dibagi
menjadi dua metode yaitu metode konvensional dan metode heuristik. Metode konvensional
cenderung mudah dipahami karena lebih mudah dipahami daripada metode heuristic,tetapi metode
heuristic mempunyai metode lebih variatif dan waktu perhitungan yang lebih singkat.Pada
penelitian ini algoritma yang diuji adalah algoritma A Star sebagai metode heuristik dan Ant
colony sebagai metode heuristik.Penelitian ini untuk mencari perbandingan antara metode
heuristik dari segi algoritma dan efisiensi
Kata kunci: Graf, Ant Colony, A*star

1. PENDAHULUAN
Algoritma merupakan sebuah metode dalam menyelesaikan masalah tertentu,dengan
tujuan untuk mendapatkan hasil yang akurat. Dalam pembuatan algoritma sendiri dibutuhkan
penelitian dan peninjauan secara intensif, agar dapat diterapkan di dunia nyata. Salah satu bentuk
penerapan algoritma yaitu untuk pencarian rute terpendek.Pencarian rute terpendek adalah
pencarian rute terpendek dari dua titik untuk implementasinya dalam menyelesaikan maze.Ada
berbagai algoritma yang digunakan untuk pencarian rute terpendek yaitu Algoritma Dijkstra[1],
Algoritma Bellman-Ford[2], Ant Colony[3], dan A Star[4]. .Dalam penelitian ini algoritma yang
digunakan yaitu Algoritma Ant Colony dan A Star. Ant colony Optimization adalah algoritma
yang mengambil referensi dari cara kerja koloni semut dalam mencari rute terpendek dari sarang
ke tempat-tempat sumber makanan dengan menggunakan pheromone sebagai pengukur solusi rute
terpendek, penelitian terkait penerapan Ant Colony Optimization Sunaryo & Santoso [5] tahun
2014 mengenai Modifikasi ACO untuk Penetuan Rute Terpendek ke KAbupaten/Kota di
Jawa.Dari hasil penelitian ini Modifikasi Algoritma ACO meningkatkan kecepatan pencarian rute
terpendek sebanyak 3 kali dari algoritma ACO yang asli,rata-rata pemakaian memori lebih efisien
93% dari algoritma ACO yang asli,dan modifikasi pada perhitungan intensitas jejak semut antar
titik dan probabilitas pemilihan Kota berikutnya dengan mempertimbangkan intensitas jejak semut
terbaik siklus sebelumnya dengan intensitas jejak semut selama siklus berjalan mampu
mempertahankan kualitas solusi yang dihasilkan 99,8% untuk permasalahan rute terpnedek [6].
penelitian terkait penerapan algoritma A Star untuk pencarian terpendek adalah [7][8] Seperti
pembahasan jurnal banyak cara untuk mendapatkan rute terpendek. Meskipun sama dalam
menyelesaikan satu masalah tetapi memiliki keunggulan dan kekurangan dalam masing-masing
algoritma.
Dengan melihat lingkungan sekitar bahwa alam adalah sumber referensi dalam pemecahan
masalah sehingga penulis memilih dua algoritma tersebut. Semut dan lebah merupakan makhluk
hidup yang hidup berkelompok serta memiliki pemimpin dalam satu koloni. Dalam kehidupan
sehari-harinya mereka saling bekerja sama dalam membangun sarang sampai mencari makanan.
Mereka memiliki caranya masing-masing dalam berinteraksi dan juga pengambilan keputusan.
Dalam hal ini menentukan rute terpendek untuk mencari makanan, sangatlah tepat untuk
membandingkan cara kerja antara makhluk hidup tersebut.

Tujuan dari penelitian ini adalah membandingkan kedua algoritma Ant Colony dan Start
dalam pencarian rute
agar bisa mengetahui kelebihan dan kekurangan dari dua algoritma tersebut. Agar dapat
menentukan algoritma yang tepat dalam menyelesaikan masalah dalam menentukan jalur
terpendek. Sehingga dalam pembuatan rute terpendek tepat sasaran dengan melihat beberapa aspek
yang dapat mempengaruhi kedua algoritma tersebut. Di dalam jurnal ini menggunakan dua
pengukuran yaitu total jarak tempuh dan jumlah langkah-langkah yang dibutuhkan. Sehingga bisa
mengetahui karakteristik antara kedua algoritma tersebut.
1. Untuk menguji kedua algoritma tersebut menggunakan bantu aplikasi yang
berteknologi Geographic Information System yaitu Google Maps, sehingga
memudah pengujian. Google Maps sendiri merupakan aplikasi peta online yang
dapat diakses oleh siapapun dan dimanapun. Dalam menguji kedua algoritma
tersebut diberikan suatu tempat yang sudah ditentukan dan radius dari tujuan
tersebut dengan titik awal yang diacak. Terdapat daerah yang menjadi bahan uji
coba yaitu di wilayah Surabaya. Sehingga menghasilkan data yang valid dan dapat
diuji kembali.

2. METODE PENELITIAN
A. Tahap Penelitian
Adapun tahapan dalam penelitian adalah pengumpulan data, penerapan algoritma, dan
tahap pengujian. Data yang diperlukan adalah gambar maze yang bersumber dari github
mike pound. dalam penerapan algoritma menggunakan bahasa pemrograman python
dengan spesifikasi laptop/komputer xxxxxxxxxxxxx. untuk pengujian menggunakan 2
paremeter yaitu xxx dan xxxxx.
 Untuk membandingkan kedua algoritma ini parameter yang digunakan adalah ukuran file
dan kecepatan komputasi yang dibutuhkan. Sebagai contoh kasus peneliti menggunakan
maze sebagai objek pengujian kedua algoritma.
Data yang digunakan untuk mendukung penelitian adalah…..yang bersumber dari …..
B. Algoritma Ant Colony
Ant Colony adalah sebuah algoritma yang ditemukan pada perilaku makhluk hidup
semut (Dorigo, 1996). Pada dasarnya semut merupakan serangga sosial yang dimana
memiliki satu koloni untuk bertahan hidup, berkembang biak, dan bertumbuh. Sehingga
satu koloni semut memiliki zat feromon yang unik, untuk mengetahui anggota satu koloni
atau bukan. Dalam pencarian makan zat feromon ini berperan penting dalam membuat
jejak untuk mengetahui sumber makanan. Pada saat koloni semut mencari makan semua
anggota semut berpencar satu sama lain dan juga mengeluarkan zat feromon untuk
mengetahui arah pulang ke sarang. Hingga mendapatkan sumber makanan lalu
membawanya kembali ke sarangnya dengan mengikuti rute yang sudah tandai
menggunakan zat feromon dan juga menambah zat tersebut, untuk menandai bahwa
terdapat sumber makanan. Jikalau sumber makan habis makan semut akan kembali ke
sarang sambil berhenti mengeluarkan zat feromon. Dan melanjutkan lagi pencarian sumber
 makanan dari awal. secara umum cara kerja algoritma ant colony dapat dilihat dari
flowchart dan pseudocode berikut
Gbr. 1. Flowchart Algoritma Ant Colony

C. Algoritma A star
Algoritma A star adalah algoritma yang ditemukan Peter Hart,dkk(1968) yang
berfungsi sebagai algoritma untuk menentukan rute terpendek bagi Shakey[8]Pada
dasarnya A Star terdiri dari graph transversal dan path search algorithm.Dimana Graph
transversal digunakan sebagai fungsi visiting graph dan update graph,sedangkan path
search algorithm sebagai fungsi untuk mencari rute terpendek. Secara konsep Algoritma A
 Star dibagi menjadi dua titik yaitu open list dan close list. Open list adalah jalur yang bisa
dilewati, sedangkan close list merupakan jalur yang tidak bisa dilewati. Sehingga
algoritma tidak melakukan pengecekan kembali di titik yang telah dilaluinya(close list)

Gbr. 2. Flowchart Algoritma A star

Flow Chart
3, Pembahasan tabel perbandingan dan hasilnya

D. Perbandingan Ant Colony dan A Star

untuk membandingkan……….
1. Ukuran file
….xxxxxx

2. Waktu komputasi
xxxxxxx

Daftar Pustaka
[1] Fitria.,& Triansyah Apri.2013.Implementasi Algoritma Dijkstra Dalam Aplikasi Untuk Menentukan
Lintasan Terpendek Jalan darat Antar Kota Di Sumatera Bagian Selatan.Jurnal Sistem Informasi,5(2),611-
621

[2] Anggraini Fenny.,& Mingparwoto Sugeng.2015.Penerapan Metode Algoritma Bellman-Ford Dalam

Aplikasi Pencarian Lokasi Perseroan Terbatas di PT. Jakarta Industrial Estate Pulogadung(PT.JIEP).Jurnal
Teknologi Universitas Muhammadiyah Jakarta,7(1)

[3]