JURNAL-ILMIAH.pdf

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]


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


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.


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


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


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

=

.


7/9

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



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


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.


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

Documents

JURNAL-ILMIAH.pdf