Upload
hidayat
View
219
Download
0
Embed Size (px)
Citation preview
7/24/2019 JURNAL-ILMIAH.pdf
1/9
1
ANALISA PENCARIAN JALUR TERPENDEK KE PENGINAPAN
DI KOTA BATAM DENGAN MENGGUNAKAN ALGORITMAANT COLONY
StudiKasus: DinasPariwisata Kota Batam
DwiRatnaFitriyani
Mahasiswa Informatika, FT UMRAH,[email protected]
ABSTRAK
Kota Batam merupakan salah satu kota dengan pertumbuhan terpesat di Indonesia. Kota
Batam memiliki luas 415 Km2
atau sekitar 41.500 Ha (batamkota.go.id). Dengan luas yangseperti itu membuat Kota Batam menjadi pusat perdagangan internasional, hal inilah yang menjadi
salah satu alasan kenapa banyak pengunjung dari daerah luar Kota Batam baik domestik maupun
internasional. Berdasarkan uraian tersebut dapat terlihat dengan jelas bahwa betapa banyaknyaminat para pendatang untuk sekedar berkunjung bahkan menetap di Kota Batam. Karena itu,
dibutuhkan suatu sistem dalam pencarian jalur terpendek menuju penginapan untuk
memaksimalkan waktu yang ada. Dalam proses penganalisaan sistem ini, maka peneliti
menggunakan AlgoritmaAnt Colonyuntuk menentukan jalur terpendek ke penginapan yang ada di
Kota Batam. Algoritma Ant Colony termasuk teknik pencarian multi agent untuk menyelesaikan
permasalahan optimasi, khususnya kombinatorial yang terinspirasi dari tingkah laku semut dalam
suatu koloni. Penerapan Algoritma Ant Colony pada penelitian ini didapat jalur alternative atau
jalur terpendek untuk menuju ke penginapan dikarenakan seluruh jalur telah dilewati agar dapat
menghasilkan jalur yang optimal.
Kata kunci: Kota Batam,Ant Colony, Jalur Terdekat, Algoritma, Penginapan
ABSTRACT
Batam is one of the fastest growing cities in Indonesia. Batam city has an area of 415
km2 or about 41,500 hectares (batamkota.go.id). With such vast makes Batam city became the
center of international trade, it is this which is one reason why many visitors from outside the area
of Batam both domestically and internationally. Based on these descriptions can be seen clearly
that how much interest the newcomers for a visit even settled in the city of Batam . Therefore, weneed a system in search of the shortest path to the inn to maximize the time available. In the
process of analyzing this system, the researchers used Ant Colony Algorithm to determine the
shortest path to the inn in the city of Batam.Ant Colony Algorithm including multi-agent searchtechniques to solve optimization problems, in particular combinatorial inspired by the behavior of
ants in a colony. Implementation of Ant Colony Algorithm in this study obtained alternative path
or shortest path to get to the inn because the whole track has been skipped in order to produce anoptimal path.
Keywords: Batam, Ant Colony, Shortest Path, Algorithms, Lodging
mailto:[email protected]:[email protected]7/24/2019 JURNAL-ILMIAH.pdf
2/9
2
I. PENDAHULUAN
1.1 Latar Belakang
Batam merupakan salah satu pulauyang berada diantara perairan Selat Malaka
dan Selat Singapura. Kota Batam
merupakan salah satu kota dengan
pertumbuhan terpesat di Indonesia. Kota
Batam memiliki luas +- 415 Km2 atau
sekitar 41.500 Ha (batamkota.go.id).
Dengan luas yang seperti itu membuat Kota
Batam menjadi pusat perdagangan
internasional, hal inilah yang menjadi salah
satu alasan kenapa banyak pengunjung dari
daerah luar Kota Batam baik lokal maupun
non-lokal.Berdasarkan uraian tersebut dapat
terlihat dengan jelas bahwa betapa
banyaknya minat para pendatang untuk
sekedar berkunjung bahkan menetap di Kota
Batam. Karena itu, dibutuhkan suatu sistem
dalam pencarian jalur terdekat menuju
penginapan untuk memaksimalkan waktu
yang ada. Dalam proses penganalisaan
sistem ini, maka peneliti menggunakan
Algoritma ANT untuk menentukan jalur
terpendek ke penginapan yang ada di KotaBatam.
Algoritma ANT atau dalam dalam
bahasa indonesia disebut Algoritma Semut.
Algoritma ANT merupakan algoritma yang
dimunculkan sebagai suatu pendekatan
multi-agen terhadap optimasi berbagai
permasalahan yang berkaitan dengan graf.
Algoritma ANT diadopsi dari perilaku
koloni semut yang dikenal sebagai sistem
semut (Dorigo, 1996). Dengan uraian diatas,
maka peneliti akan melakukan penelitiannya
yang berjudul Analisa Pencarian Jalur
Terpendek Ke Penginapan di Kota Batam
Dengan Menggunakan Algoritma ANTColony.
II. TINJAUAN PUSTAKA
2.1 Kajian Terdahulu
Sebagai bahan pertimbangan dalam
penelitian ini akan dicantumkan beberapa
hasil penelitian terdahulu antara lain:
Iing Mutakhiroh, Indrato, dan
Taufiq hidayat (2007) melakukan penelitian
untuk pencarian jalur terpendek dengan
menggunakan algortma semut. Yang
diharapkan nantinya dapat menyelesaikan
maslah pencarian jalur terpendek dengan
hasil yang lebih variatif dan dengan waktuperhitungan yang singkat.
Finsa Ferdifiansyah, (2013)
melakukan perbandingan algoritma dijkstra
dan algoritma ANT Colony dalam
penentuan jalur terpendek. Penelitian
difokuskan pada penerapan pencarian jalurterpendek yang terdapat pada aktivitas
maskapai penerbangan dimana jalur-jalur
antar kota yang dilewatinya akan
membentuk suatu graf berarah dan
berbobot. Dari graf yang terbentuk inilah
akan diproses menggunakan algoritma
dijkstra dan ANT Colony untuk menentukanjalur terpendek dari suatu kota ke kota yang
lain.
Merciyana Daud, Mukhlisulfatih
Latief, dan Ahmad Feriyanto Alulu (2013)
melakukan penelitian yang berjudul SistemInformasi Geografis Pendataan Kos-kosan
Berbasis Web di Kota Gorontalo.
Penelitian ini bertujuan untuk menyediakan
sarana informasi tentang kos berbentuk
sistem informasi geografis dimana sistem inidapat melakukan pencarian kos sesuai
keinginan mahasiswa dengan penerapanmetode Haversine Formula dalam
perhitungan jarak terdekat dan Simple Hill
Climbing untuk pencarian jalur rute
terpendek.
Ying Lu dan Wen Hu (2013)
melakukan penelitian yang berjudul Study
on the Application of Ant Colony Algorithm
in the Route of Internet of Things
Penelitian ini menggunakan algoritma Ant
Colony untuk mencari rute menggunakansinyal siaran yang ditampilkan dengan
random multisender dan siklus hidup yang
pendek untuk mengatasi masalah node
jaringan yang lebih bervariasi terstruktur.
Hasil simulasi menunjukkan bahwa mencari
rute dengan algoritmaAnt Colony di internet
dapat mengurangi badai siaran secara
efektif.
2.2 SejarahAnt Colony
Algoritma Ant Colony termasukteknik pencarian multi agent untuk
menyelesaikan permasalahan optimasi,
khususnya kombinatorial yang terinspirasi
7/24/2019 JURNAL-ILMIAH.pdf
3/9
3
dari tingkah laku semut dalam suatu koloni
(Suyanto, 2010).
Berikut adalah tahapan-tahapanalgoritma ANT dalam graf menurut Dorigo,
1991:
Gambar 2. 1 Perjalanan Semut
- Pada gambar a. terlihat bahwa
semut yang akan melakukan
perjalanan mencari makan dari titik
X ke titik Y.
- Pada gambar b. semut melakukan
gerakan acak menuju tempat
mencari makanan dengan jalur
yang berbeda.- Setelah berjalan secara acak
berdasarkan jalurnya masing-
masing, kemudian semut akan
bertemu lagi dimana tempat
makanan berada seperti pada
gambar c.- Pada saat melakukan perjalanan
melalui jalurnya masing-masing,
semut meninggalkan feromon
sebagai jejak yang akan diikuti oleh
semut yang lainnya. Semakain
banyak semut dan semakin dekat
jarak yang ditempuh maka feromon
juga semakin kuat sehingga semut
yang lainnya akan mengikuti jalur
tersebut seperti gambar d.
Pada optimisasi algoritma semut,
proses tadi akan dilakukan secara berulangsesuai dengan siklus maksimum yang telah
ditentukan.
2.3 Alur KerjaAnt Colony
Berikut adalah alur kerja algoritma Ant
Colony menurut Dorigo, 1991:
Mulai
Inisialisasi Parameter
Menentukan banyak semut
Semut=1
Hitung Probabilitas Semut
Tujuan
tercapai
Hitung Jarak
Semut = banyak semut
Update feromon
Siklus Max
Hitung Jarak Total (Ln)
Menampilkan jarak
terpendek dan jumlah
semut
Selesai
Ya
tidak
Ya
Semut = Semut
+1
Ya
Tidak
Tidak
Gambar 2. 2 Alur KerjaAnt Colony
Berdasarkan gambar diatas, maka dapatdijabarkan sebagai berikut:
a. inisialisasi parameter-parameter
algoritma. Parameter-parameter yang
diinisialisasikan adalah:
1. Intensitas jejak semut antar kota
( ) digunakan dalam persamaanprobabilitas kota yang akan
dikunjungi
2. Banyak kota (n) termasuk
koordinat (x,y) atau jarak antar
kota (dij). Nilainya tergantung ada
banyaknya jumlah kota yang
terdapat di database.
3. Tetapan pengendali intensitas
jejak semut (), digunakan dalampersamaan probabilitas kota yang
akan dikunjungi yang berfungsi
sebagai pengendali intensitas
jejak semut, nilai 04. Tetapan pengendali visibilitas
(), digunakan dalam persamaanprobabilitas kota yang akan
dikunjungi, berfungsi sebagai
pengendali visibilitas, nilai
0
5.
Tetapan penguapan jejak feromon(), nilai > 0 dan < 1 untukmencegah jejak feromon yang takterhingga
6. Visibilitas antar kota ( )digunakan dalam persamaan
probabilitas kota yang akan
dikunjungi. Nilai merupakanhasil dari 1/dij(jarak kota)
7. Banyak semut (m) merupakan
banyak semut yang akan
melakukan siklus dalam
algoritma semut. Nilai m
ditentukan oleh pengguna.
7/24/2019 JURNAL-ILMIAH.pdf
4/9
4
8. Tetapan siklus semut (Q), siklus
atau banyak langkah yang
dilakukan oleh setiap semutdalam melakukan perjalanannya
9. Jumlah siklus maksimum
(NCmax)
NCmax adalah jumlah maksimum
siklus yang akan berlangsung
pada setiap semut. Siklus akan
berhenti sesuai dengan NCmax
yang telah ditentukan atau telah
menentukan titik/kota tujuan.
b. Hitung probabilitas antar kota
Perhitungan probabilitas antar kota
bertujuan untuk mencari kemungkinankemana semut akan berjalan.
Probabilitas antar kota dapat dicari
dengan menggunakan rumus
persamaan berikut:
= . [ ] . jika; .... (2.1)dimana = {},sedangkan dan adalah dua
parameter yang mengontrol tingkat
kepentingan relative dari intensitas
jejakpheromone terhadap visibility.
= 0 , untuk j lainnya,persamaan..........(2.2)c. Jika tujuan tercapai, maka selanjutnya
hitung jarak. Dengan dij adalah jarak
antara titik i ke titik j yang dihitung
berdasarkan persamaan: = (1 2)2 + (1 2)2,persamaan......(2.3)
Jika tidak, hitung kembali probabilitas
semut.
d. Update feromon/rute setiap semut.
Perhitungan panjang rute tertutup atau
Lk setiap semut dilakukan setelah satusiklus diselesaikan oleh semua semut.
Pada titik ini intensitas pheromone di-updateberdasarkan rumus berikut: + = + ;...(2.4)
Dimana adalah suatu koefisiensedemikian hingga (1 )menyatakan evaporation (penguapan)
jejakpheromone antara t dan t+n. = =1 ; ...(2.5)Dimana adalah kuantitas per unit
panjang substansi jejak pheromone
yang ditinggalkan pada busur (i,j) oleh
semut ke-kpada interval waktu antara t
dan t+n. Kuantitas tersebut
dirumuskan oleh = ; jika semut ke-kmenggunakan busur (i,j) .....(2.6) = 0; ntuk yang lainnya (2.7)Dimana Q adalah suatu konstanta dan adalah panjang tour yang dihasilkanoleh semut ke-k.
e. Total jarak tempuh
Setelah satu siklus diselesaikan oleh
semua semut, maka panjang rute Lksetiap semut dapat dihitung
berdasarkan tabuk masing-masing
dengan persamaan berikut:
= , (1) + , (+1)1=1 ,pers....(2.8)
f. Menampilkan rute terpendek
Setelah Lksetiap semut dihitung, akan
didapat harga minimal panjang rutetertutup setiap siklus atau LminNC dan
harga minimal panjang rute tertutup
secara keseluruhan adalah atau Lmin,
untuk menentukan LminNC dapat
menggunakan persamaan berikut:
LminNC = Min (L1, L2, .Ln) ,
persamaan .........(2.9)g. Selesai.
2.4 Perhitungan Jarak dengan Haversine
Formula
Rumus haversine formula adalah
persamaan yang penting pada navigasi,
memberikan jarak lingkaran besar antara
dua titik pada permukaan bola (bumi)
berdasaarkan bujur dan lintang. Penggunaan
rumus ini cukup akurat untuk sebagian besar
perhitungan, juga mengabaikan ketinggian
bukit dan kedalaman lembah dipermukaanbumi (Daud, Latief, dan Alulu, 2013).
Berikut bentuk rumus Haversine Formula,
persamaan.(2.10)
= 2. sin1 2(2 12
) + cos(1) cos(2) 2(1 22
)
Keterangan:
d = jarak
r = jari-jari bumi 6367,45 Km
7/24/2019 JURNAL-ILMIAH.pdf
5/9
5
2 =
1=
1 = 2 = III. METODE PENELITIAN
Pada tahap pengembangan sistem
terdiri dari proses-proses yang terstrukturyaitu : analisis, desain, kode, pengujian.
Metode pengembangan ini dikenal dengan
model Sekuensial Linier menurut Roger S.
Pressman. Untuk desain model sekuensiallinierdapat dilihat pada gambar 3.1.
Gambar 3. 1 Metode Pengembangan Sistem
Berikut penjelasan bagaimana metode
pengembangan sistem yang digunakan
dalam sistem ini, yaitu :
a. Analysis
Tahap ini menguraikan kebutuhan
sistem yang utuh menjadi komponen-
komponen sistem untuk mengetahui
bagaimana sistem dibangun dan untuk
mengetahui kelemahan-kelemahan
sistem yang sudah ada sehingga dapat
dijadikan masukan dan pertimbangan
dalam penyusunan sistem yang baru
b. Design
Tahap ini merupakan tahap
perancangan sistem. Tahap design inimenggunakan flowchart berfungsi
untuk menyatakan aliran metode atau
proses sehingga memberi solusi dalampenyelesaian masalah yang ada di
dalam proses atau algoritma tersebut.
SementaraEntity Relationship Diagram(ERD) digunakan untuk membantu
manggambarkan diagram sistem yang
akan dibangun.
c. Code
Tahap ini adalah penerjemahanrancangan dalam tahap desain ke dalam
bahasa pemrograman
d. Test
Tahap ini merupakan uji coba terhadap
program yang akan dibangun. Sehingga
analisis hasil implementasi yangdidapat dari sistem disesuaikan dengan
kebutuhan sistem tersebut. Jika
penerapan sistem sudah berjalan dengan
lancar, maka sistem dapat
diimplementasikan.
IV. PEMBAHASAN
4.1 Perhitungan Jalur Terdekat
dengan Algoritma Ant Colony
Algoritma Ant Colony
Optimazation atau algoritma semut padadasarnya dapat menemukan rute terpendek
antar sarangdan sumber makanan
berdasarkan jejak feromon pada lintasan
yang telah dilalui. Semakin besar jumlah
semut dan siklusnya, maka hasil darialgoritma tersebut akan semakin besar pula
kemungkinan untuk menemukan jarak
terpendek. Sedangkan siklus perjalanan
mempengaruhi banyaknya jalur yang
ditempuh oleh semut.
Study kasus pada penelitian ini
berlokasi di Kota Batam, kota industri yangbanyak diminati oleh pengunjung dengan
berbagai tujuan salah satunya yaitu untuk
mencari penginapan sesuai dengan
kebutuhan pengunjung itu sendiri. Berikut
adalah salah satu contoh langkah-langkah
perhitungan jalur terdekat ke penginapan
dengan menggunakan algoritma semut
penelitian ini.
4.1.1 Inisialisasi Parameter
Berikut adalah data yang akan
diproses dengan menggunakan algoritma antcolony.
Tabel 4. 1 Tabel Data Titik Koordinat
Simbol
TitikNama Titik
Titik Koordinat
Latitude (x)Longitude
(y)
A Bandara 1.122259 104.118277
BSimpang
Bandara1.127887 104.107074
CSimpangDotamana
1.114506 104.098175
D SimpangPunggur 1.100968 104.094881
analysis design code test
7/24/2019 JURNAL-ILMIAH.pdf
6/9
6
ESimpang Pom
KDA1.100314 104.075977
F Simpang KDA 1.104272 104.075086
GSimpang 4
Panasonic1.115653 104.058178
H Mega Mall 1.129252 104.055847
I Hotel Harris 1.130539 104.053927
J Simpang Kabil 1.102325 104.038775
K Simpang Kara 1.110960 104.041875
LSimpang
Frenky1.117825 104.045909
MMasjid RayaBatam Center
1.126407 104.052990
NBundaran BP
Batam1.130150 104.052915
O SimpangBatara/Cikitsu
1.114757 104.090402
PUniversitas
Batam1.107195 104.082752
QIndustrial
Tunas 21.111765 104.068257
Dari data tabel diatas, maka
penelitian ini akan mengambil sample rutedari titik asal Bandara dan Hotel Harris
sebagai titik akhir atau titik tujuan.
4.1.2 Penyusunan Titik-titik Tujuan
Dalam penyusunan rute kunjungandari Bandara ke Hotel Harris pada setiap
titik, maka digunakan persamaan 2.1
probabilitas node untuk dikunjungi. Berikutadalah rute-rute yang kemungkinan akan
dilewati dari Bandara ke Hotel Harris.
Rute Pertama
A => B => C => D => E => F => G => H
=> I
Rute Kedua
A => B => C => D => E => J => K => L =>
M => N => I
Rute Ketiga
A => B => C => D => O => P => F => G
=> H => I
Rute Keempat
A => B => C => O => P => Q => G => H
=> I
Dari data rute diatas, dapat dilihat bahwa
jalur mulai memiliki percabangan pada titik
C, dimana C dapat ke D dan C dapatpula ke O. Semakin besar nilai
probabilitas, semakin besar pula
kebolehjadian untuk dipilih sebagai titik
tujuan. Tetapi hal ini tidak berarti bahwa
titik tujuan yang dipilih adalah titik yang
mempunyai harga probabilitas terbesar, dan
juga berarti tertutupnya kemungkinan titik
yang mempunyai nilai probabilitas kecil
sebagai titik tujuan.
Maka sebagai contoh, akan dihitung nilai
probabilitas titik-titik tujuan dari titik C ke
D dan titik C ke O dengan persamaan 2.1berikut:
= . [ ] . , dengan = 1/1,55Km dan = 1/ 0,86Km1 = 0,11 . [
1
1,55]5
0,11 . [ 11,55
]5 + 0,11. [ 10,86
]5
1 = 0,011160,01116 + 0,21185 = 0,05Untuk C ke O,
1 = 0,11 . [1
0,86]5
0,11 . [ 11,55
]5 + 0,11. [ 10,86
]5
1 = 0,0211850,01116 + 0,21185 = 0,95Rute yang terpilih yaitu C ke O dengan nilai
probabilitas 0,95.
4.1.3 Perhitungan Panjang Rute AntarDua Titik
Untuk menghitung panjang setiap
rute antar dua titik atau jarak antar dua titik
dalam penelitian ini menggunakan
persamaan 2.10
4.1.4 Perhitungan Update Feromon
Berdasarkan data diatas, maka
untuk perubahan harga intensitas jejak /
update jejak menggunakan persamaan 2.5
dan 2.6, dimana
=
.
7/24/2019 JURNAL-ILMIAH.pdf
7/9
7
4.1.5 Perhitungan Total Jarak Setiap
Rute
Total jarak tempuh (Ln) merupakan
total penjumlahan dari panjang setiap rute
antar dua titik atau jarak antar dua titik padasetiap rute yang telah dilalui. Berdasarkan
perhitungan pada persamaan 2.10 diatas,
maka didapat total jarak tempuh setiap rute
dengan persamaan 2.8, berikut tabelnya:
Tabel 4. 2 Tabel Perhitungan Total Jarak Tempuh Rute Pertama
RuteTitik Koordinat
Jarakx1 y1 x2 y2
A=>B 1.122259 104.118277 1.127887 104.107074 1.39
B=>C 1.127887 104.107074 1.114506 104.098175 1.79
C=>D 1.114506 104.098175 1.100968 104.094881 1.55
D=>E 1.100968 104.094881 1.100314 104.075977 2.10
E=>F 1.100314 104.075977 1.104272 104.075086 0.45
F=>G 1.104272 104.075086 1.115653 104.058178 2.27
G=>H 1.115653 104.058178 1.129252 104.055847 1.53
H=>I 1.129252 104.055847 1.130539 104.053927 0.26
Panjang rute setiap semut (L1) 11.34
Tabel 4. 3 Tabel Perhitungan Total Jarak Tempuh Rute Kedua
RuteTitik Koordinat
Jarakx1 y1 x2 y2
A=>B 1.122259 104.118277 1.127887 104.107074 1.39
B=>C 1.127887 104.107074 1.114506 104.098175 1.79
C=>D 1.114506 104.098175 1.100968 104.094881 1.55
D=>E 1.100968 104.094881 1.100314 104.075977 2.10
E=>J 1.100314 104.075977 1.102325 104.038775 4.14
J=>K 1.102325 104.038775 1.11096 104.041875 1.02
K=>L 1.11096 104.041875 1.117825 104.045909 0.89
L=>M 1.117825 104.045909 1.126407 104.05299 1.24
M=>N 1.126407 104.05299 1.13015 104.052915 0.42N=>I 1.13015 104.052915 1.130539 104.053927 0.12
Panjang rute setiap semut (L2) 14.65
7/24/2019 JURNAL-ILMIAH.pdf
8/9
8
Tabel 4. 4 Tabel Perhitungan Total Jarak Tempuh Rute Ketiga
Rute Titik Koordinat Jarakx1 y1 x2 y2
A=>B 1.122259 104.118277 1.127887 104.107074 1.39
B=>C 1.127887 104.107074 1.114506 104.098175 1.79
C=>O 1.114506 104.098175 1.114757 104.090402 0.86
O=>P 1.114757 104.090402 1.107195 104.082752 1.20
P=>F 1.107195 104.082752 1.104272 104.075086 0.91
F=>G 1.104272 104.075086 1.115653 104.058178 2.27
G=>H 1.115653 104.058178 1.129252 104.055847 1.53
H=>I 1.129252 104.055847 1.130539 104.053927
0.26Panjang rute setiap semut (L3) 10.21
Tabel 4. 5 Tabel Perhitungan Total Jarak Tempuh Rute Keempat
RuteTitik Koordinat
Jarakx1 y1 x2 y2
A=>B 1.122259 104.118277 1.127887 104.107074 1.39
B=>C 1.127887 104.107074 1.114506 104.098175 1.79
C=>O 1.114506 104.098175 1.114757 104.090402 0.86
O=>P 1.114757 104.090402 1.107195 104.082752
1.20P=>Q 1.107195 104.082752 1.111765 104.068257 1.69
Q=>G 1.111765 104.068257 1.115653 104.058178 1.20
G=>H 1.115653 104.058178 1.129252 104.055847 1.53
H=>I 1.129252 104.055847 1.130539 104.053927 0.26
Panjang rute setiap semut (L4) 9.92
4.1.6 Menampilkan Jalur Terpendek
Setelah semua langkah diatas telah
diselesaikan, maka untuk menampilkan jalur
terdekat dapat menggunakan persamaan 2.9,dengan mencari nilai paling minimum.
LminNC = Min ((11,34), (14,65), (10,21),
(9,92))LminNC = 9,92 km
Maka, jalur yang terpilih sebagai
jalur terdekat dari Bandara ke Hotel Haris
yaitu rute keempat dengan titik yang dilalui
A => B => C => O => P => Q => G => H
=> I
V. KESIMPULAN DAN SARAN
Kesimpulan yang dapat diambil
dari penelitian ini yaitu bahwa dengan
penerapan Algoritma Ant Colony, didapatjalur alternative atau jalur terpendek untuk
menuju ke penginapan dikarenakan seluruh
jalur telah dilewati agar dapat menghasilkan
jalur yang optimal.
Saran untuk penelitian selanjutnya
yaitu menggunakan dua perbandingan
algoritma dalam pencarian jalur terpendek
agar dapat mencapai hasil yang lebih
optimal.
7/24/2019 JURNAL-ILMIAH.pdf
9/9
9
VI. DAFTAR PUSTAKA
Mutakhiroh, Iing, Indrato, dan Taufiq Hidayat. 2007. Pencarian Jalur Terpendek Menggunakan
Algoritma Semut. Yogyakarta: Seminar Nasional Aplikasi Teknologi Informasi 2007,
ISSN: 1907-5022
Berlianty, Intan, dan Miftahol Arifin. 2010. Teknik-Teknik Optimasi Heuristik. Yogyakarta:Graha Ilmu
Suyanto. 2010. Algoritma Optimasi Deterministik atau Probabilitik. Yogyakarta: Graha Ilmu
Batam, Kota. 2012. Sejarah Kota Batam. Diambil dari:
www.batamkota.go.id/pemerintahan_baru.php?sub_module=46&klp_jenis=89 (22 Juli
2014)
Daud, Merciyana, Mukhlisulfatih Latief, dan Ahmad Feriyanto Alulu. 2013. Sistem InformasiGeografis Pendataan Kos-kosan Berbasis Web di Kota Gorontalo. Gorontalo:
Universitas Negri Gorontalo
Ferdiansyah, Finsa. 2013. Perbandingan Algoritma Djikstra dan Algoritma Ant Colony Dalam
Penentuan Jalur Terpendek. Jawa Timur: Universitas BrawijayaLu, Ying, dan Wen Hu. 2013. Study on the Application of Ant Colony Algorithm in the Route of
Internet of Things. China: International Journal of Smart Home Vol. 7, No. 3, May 2013
http://www.batamkota.go.id/pemerintahan_baru.php?sub_module=46&klp_jenis=89http://www.batamkota.go.id/pemerintahan_baru.php?sub_module=46&klp_jenis=89