PENGGUNAAN GRAF DALAM

ALGORITMA SEMUT UNTUK

MELAKUKAN OPTIMASI

Presented by :
Frisal Argha Kusumah
Nurandito Vidyawan
Latar Belakang
Seiring berkembangnya pemikiran, banyak sekali
ditemukan sejumlah algoritma dalam AI
(Artifical Intelligence) yang mendapat
inspirasi
dari alam. Salah satu diantaranya adalah :
Algoritma semut

Menggunakan GRAF
Optimisasi
Latar Belakang
 Optimisasi ialah suatu proses untuk
mencapai hasil yang ideal atau optimal
(nilai efektif yang dapat dicapai).



Nilai optimal adalah nilai yang
didapat dengan melalui suatu proses dan
dianggap menjadi suatu solusi jawaban yang
paling baik dari semua solusi yang ada.
Tu ju a n
Algoritma semut m e ru p a ka n te kn ik p ro b a b ilistik
untuk menyelesaikan masalah komputasi dengan
menemukan jalur terbaik (solusi terbaik -nilai
optimal) melalui grafik .
Kasus Seputar
Optimasi
1. Menentukan lintasan terpendek [Traveling
Salesman Problem (TSP)]

2. Menentukan jumlah pekerja seminimal

mungkin untuk melakukan suatu proses
produksi [Quadratic Assignment Problem
(QAP)]

3. Mengatur jalur kendaraan umum agar

semua lokasi dapat dijangkau.

4. Job-shop Scheduling Problem (JSP)

5. Mengatur routing jaringan kabel telepon.

Dll
Sejarah Algoritma
Semut
Pada tahun 1996, dunia AI pun ikut belajar
dari semut dengan diperkenalkannya
algoritma semut, atau Ant Colony
Optimization.

Algoritma semut diperkenalkan oleh Moyson

dan Manderick dan secara meluas dikembangkan
oleh Marco Dorigo. Algoritma ini terinspirasi
oleh perilaku semut dalam menemukan jalur dari
koloninya menuju makanan.
Cara kerja semut mencari
jalur optimal
Pada awalnya, semut
berkeliling secara acak,
hingga menemukan makanan.

SARANG
Cara kerja semut mencari
jalur optimal
SARANG
Feromon adalah zat
kimia yang berasal dari
kelenjar endokrin dan
digunakan oleh makhluk
hidup untuk mengenali FEROMON
sesama jenis, individu
lain, kelompok, dan untuk
membantu proses
reproduksi.

Feromon, berasal dari bahasa Yunani

‘phero’ yang artinya ‘pembawa’ dan ‘mone’
‘sensasi’
Cara kerja semut mencari
jalur optimal
JEJAK FEROMON SARANG (KOLONI)

Ketika menemukan makanan

mereka kembali ke koloninya
sambil memberikan tanda
dengan jejak feromon.

JEJAK FEROMON

JEJAK FEROMON
Cara kerja semut mencari
jalur optimal
SARANG

Jika semut-semut lain menemukan

jalur tersebut, mereka tidak
akan bepergian dengan acak
lagi, melainkan akan mengikuti
jejak tersebut.
Cara kerja semut mencari
jalur optimal
SARANG

Semut-semut itu kembali ke

sarang dan menguatkannya
(jejak feromon) jika pada
akhirnya mereka pun menemukan
makanan.
Cara kerja semut mencari
jalur optimal
SARANG

Seekor semut yang secara tidak sengaja

menemukan jalur optimal akan
menempuh jalur ini lebih cepat dari
rekan-rekannya, melakukan round-trip
lebih sering, dan dengan sendirinya
meninggalkan feromon lebih banyak
dari jalur-jalur yang lebih lambat
ditempuh.
Cara kerja semut mencari
jalur optimal
SARANG
Feromon yang berkonsentrasi
tinggi
pada akhirnya akan menarik semut-semut
lain untuk berpindah jalur, menuju jalur
paling optimal, sedangkan jalur lainnya
akan ditinggalkan.

FERONMON KONSENTRASI TINGGI

Cara kerja semut mencari
jalur optimal
SARANG

Pada akhirnya semua semut yang

tadinya menempuh jalur yang berbeda-
beda akan beralih ke sebuah jalur
tunggal yang ternyata paling
optimal
dari sarang menuju ke tempat
makanan.
Definisi Graf
Graf G = ( V, E), yang dalam hal ini:
V = himpunan tidak-kosong dari simpul-simpul
(vertices) = { v1 , v2 , ... , vn }
E = himpunan sisi (edges) yang menghubungkan
sepasang simpul = {e1 , e2 , ... , en }

Graf digunakan untuk merepresentasikan

objek-objek diskrit dan hubungan antara
objek-objek tersebut.
Definisi Graf

G adalah graf dengan

V = { 1, 2, 3, 4 }
E = { (1, 2), (2, 3), (1, 3), (1, 3), (2, 4), (3, 4), (3,4) }
= { e1, e2, e3, e4, e5, e6, e7}
Definisi Graf
Macam - macam Graf
Macam - macam Graf

erarah (directed graph atau

Grafdigraph)
tak-berarah (undirected grap
Macam - macam Graf

Graf Hamilton

Untuk mencari
jumlah sirkuit
Hamilton di dalam graf
lengkap
dengan n simpul adalah:
(n - 1)!/2.
Analisis Algoritma
Semut untuk Mencari
Nilai Optimal
Menggunakan Graf

?
S
T
A
R
T
Analisis Algoritma
Semut….
T ahapan - tahapan
algoritma…
1. Setiap semut (ant) memulai turnya melalui
sebuah kota yang dipilih secara acak. Secara
berulang kali, satu-persatu kota yang ada
dikunjungi oleh ants dengan tujuan untuk
menghasilkan tur yang lengkap (yaitu mengunjungi
masing-masing kota sekali saja).
T ahapan - tahapan
algoritma…
2. Pemilihan kota-kota yang akan dilalui ant
didasarkan pada suatu fungsi probabilitas, dinamai
aturan transisi status (state transition rule),
dengan mempertimbangkan visibility (invers dari
jarak) kota tersebut dan jumlah pheromone yang
terdapat pada ruas yang menghubungkan kota tersebut.
Tahapan-tahapan algoritma…
3. Ants lebih suka untuk bergerak menuju ke kota-
kota yang dihubungkan dengan ruas yang pendek
dan atau memiliki tingkat pheromone yang tinggi
[Dorigo dan
Gambardella, 1997].
T ahapan - tahapan
algoritma…
4. Setiap kota yang disinggahi oleh ant akan
disimpan dalam ingatannya yang disebut dengan
tabu list. Dengan mengeksplorasi memori yang
dimiliki oleh setiap semut maka setiap semut
dapat membangun solusi yang mungkin.
T ahapan - tahapan
algoritma…
5. Setelah semua ants menyelesaikan tur mereka dan
tabu list mereka menjadi penuh, sebuah aturan
pembaruan pheromone global (global pheromone
updating rule) dilaksanakan pada setiap semut.

Penguapan pheromone pada semua ruas dilakukan, dan

kemudian setiap semut menghitung panjang tur yang
telah mereka lakukan lalu menaruh sejumlah
pheromone pada ruas-ruas yang merupakan bagian
dari tur mereka
T ahapan - tahapan
algoritma…
Semakin pendek sebuah tur yang dihasilkan oleh
seekor semut, jumlah pheromone yang diletakkan pada
ruas-ruas yang dilaluinya pun semakin besar. Hal ini
menyebabkan ruas-ruas yang diberi pheromone lebih
banyak akan lebih
diminati/dipertimbangkan pada tur-tur selanjutnya,
dan sebaliknya ruas-ruas yang tidak diberi pheromone
menjadi kurang diminati.

Jalur terpendek yang ditemukan oleh ants disimpan

dan semua tabu list yang ada dikosongkan kembali.
T ahapan - tahapan
algoritma…
1
T ahapan - tahapan
algoritma…
2
T ahapan - tahapan
algoritma…
3
T ahapan - tahapan
algoritma…
4
T ahapan - tahapan
algoritma…
5
Aplikasi Algoritma
semut
Travelling Salesman Problem (TSP)
adalah suatu masalah yang ditemukan oleh pedagang
yang harus bepergian dan singgah di beberapa kota
hingga kembali ke kota semula.

Aplikasi TSP diantaranya pada persoalan perencanaan

pembangunan, perencanaan produksi, rute pengambilan
surat dari kotak pos, rute pengisian uang pada ATM,
rute patroli polisi, rute pesawat terbang dsb.
Traveling Salesman
Problem

Graf di atas memiliki (4 – 1)!/2 = 3 sirkuit

Hamilton yaitu:
I1 = (a, b, c, d, a) atau (a, d, c, b, a) ==> panjang
= 10 + 12 + 8 + 15 = 45
I2 = (a, c, d, b, a) atau (a, b, d, c, a) ==> panjang
= 12 + 5 + 9 + 15 = 41
I3 = (a, c, b, d, a) atau (a, d, b, c, a) ==> panjang
= 10 + 5 + 9 + 8 = 32
 Traveling Salesman
Problem
rkuit Hamilton terpendek adalah I3 = (a,c,b,d,a)atau(a,d,b,c
5 + 9 + 8 = 32.
Penyelesaian TSP menggunakan
algoritma semut

Pada simulasi algoritma semut, diperlukan tiga

tabel besar (dengan dimensi n x n dimana n adalah
banyaknya kota) untuk mencari lintasan optimal.
Tabel pertama adalah tabel jarak (distance
array),tabel kedua adalah tabel feromon (pheromone
array), tabel ketiga adalah tabel delta feromon
(delta pheromone array).
Penyelesaian TSP menggunakan
algoritma semut
Penyelesaian TSP menggunakan
algoritma semut
 Sekian
Terima kasih