Save PDF (2 MB) - CORE

ARIES PRATIARSO, M.ZEN SAMSONO HADI, MIKE YULIANA, DAN NENY WAHYUNINGDIYAH 130tian yang lainnya, algoritma ACO digunakanuntuk menentukan rute terpendek dipelabuhan Jordania [6]. Selain hal tersebut diatas,pada penelitian [7] telah dilakukan kombinasialgoritma ACO dan tabu search untukmenentukan rute terpendek. Algoritma ACOjuga digunakan sebagai sistem navigasi perjalananberbasis web yang terintegrasi denganSIG (Sistem Informasi Geografis)[9].Berdasarkan pada penelitian diatas, padapenelitian ini algoritma ACO diterapkan padasistem pengiriman barang pada Kantor PosArea Surabaya timur dalam menentukan ruteterpendek sehingga memudahkan petugasdalam mendistribusikan paket-paketnya, danjuga lebih efisien dalam sisi waktu dan biaya.Algoritma tersebut juga dibandingkan denganalgoritma Dijkstra untuk mengetahui unjukkerja terbaik dari kedua algoritma tersebutdalam kasus di kantor pos diatas.J2ME (Java 2 Micro Edition) diaplikasikandalam handphone untuk memudahkan user(pegawai pengirim paket pos) dalam mengaksesinformasi yang telah diolah oleh algoritmaACO. Pegawai kantor pos akan menerimainformasi berupa rute jarak terpendek yangharus ditempuh dalam proses pendistribusianpaket.2 TEORI PENUNJANG2.1 Algoritma DijkstraAda beberapa kasus pencarian lintasan terpendekyang diselesaikan menggunakan algoritmaDijkstra, yaitu: pencarian lintasan terpendekantara dua buah simpul tertentu (a pair shortestpath), pencarian lintasan terpendek antarasemua pasangan simpul (all pairs shortest path),pencarian lintasan terpendek dari simpul tertentuke semua simpul yang lain (single-sourceshortest path), serta pencarian lintasan terpendekantara dua buah simpul yang melaluibeberapa simpul tertentu (intermediate shortestpath). Intinya, algoritma greedy ini berupayamembuat pilihan nilai optimum lokal padasetiap langkah dan berharap agar nilai optimumlokal ini mengarah kepada nilai optimumglobal.Input algoritma ini adalah sebuah graf berarahyang berbobot (weighted directed graph) Gdan sebuah sumber vertex s dalam G dan Vadalah himpunan semua vertices dalam graphG. Setiap sisi dari graf ini adalah pasanganvertices (u, v) yang melambangkan hubungandari vertex u ke vertex v. Himpunan semuatepi disebut E. Bobot (weights) dari semua sisidihitung dengan fungsi pada Persamaan (1)[8].w : E −→ [0, ∞) (1)jadi w(u, v) adalah jarak tak-negatif dari vertexu ke vertex v. Ongkos (cost) dari sebuahsisi dapat dianggap sebagai jarak antara duavertex, yaitu jumlah jarak semua sisi dalamjalur tersebut. Untuk sepasang vertex s dant dalam V , algoritma ini menghitung jarakterpendek dari s ke t. Berikut adalah algoritmaDijkstra [8]:function Djikstra (G, w, s)//Initializationsfor each vertex v in V[G]d[v] := infinityprevious[v] := undefinedd[s] := 0 // Jarak dari s ke sS := empty setQ := V[G] //Set semua vertexwhile Q is not an empty setu := Extract Min(Q)S := S union ufor each edge (u,v) outgoing from uif d[u] + w(u,v) ¡ d[v]d[v] := d[u] + w(u,v)previous[v] := u2.2 Algoritma Koloni Semut (Ant Colony)Dasar dari perumusan algoritma ant colonysystem adalah kemampuan dari sekumpulansemut (colony) yang dapat menemukan jalurterpendek dari sumber makanan ke sarangnya.Hal ini dapat dilakukan karena seekor semutakan meninggalkan jejak pheromone ketikadia melalui suatu lintasan. Dengan bantuanpheromone ini juga sekumpulan semut dapatberadaptasi terhadap perubahan dalam jaluryang telah mereka lalui. Untuk lebih jelasnyaterlihat dalam ilustrasi pada Gambar 1.Ant colony system(koloni semut), algoritmayang digunakan untuk menyelesaikan permasalahanpada penelitian ini, merupakan algoritmayang berdasarkan algorima ant systemdengan meningkatkan efisiensi pencarian