• Share
  • Email
  • Embed
  • Like
  • Save
  • Private Content
Proposal ta kid
 

Proposal ta kid

on

  • 1,511 views

 

Statistics

Views

Total Views
1,511
Views on SlideShare
1,511
Embed Views
0

Actions

Likes
0
Downloads
70
Comments
1

0 Embeds 0

No embeds

Accessibility

Categories

Upload Details

Uploaded via as Adobe PDF

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel

11 of 1 previous next

  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
  • sebelumnya saya ingin meminta masukan untuk tugas akhir saya tentang :
    saya ingin bertanya apakah penentuan parameter untuk alfa, bheta, q dan q0 itu diambil sebarang ? jika tidak adakah perhitungan nya ?
    atau mengikuti rujukan peneliti sebelumnya untuk parameter terbaik dari setiap parameter diatas ?
    kemudian jika kita ganti untuk nilai setiap parameter nya apa kah akan mempengaruhi suatu nilai hasil dari penelitian kita ?
    teirmakasih...
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

    Proposal ta kid Proposal ta kid Document Transcript

    • APLIKASI PENENTUAN RUTE TERPENDEK PENGIRIMAN BARANG DENGAN ALGORITMA SEMUT STUDI KASUS CV.MEGA ANUGERAH KOTA SEMARANG PROPOSAL TUGAS AKHIRTelah Diperiksa dan Disetujui Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Komputer Disusun Oleh: NUR AULIA J2F007035 PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS DIPONEGORO 2011
    • HALAMAN PENGESAHANYang bertandatangan di bawah ini menyatakan bahwa Proposal Tugas Akhir yangberjudul: APLIKASI PENENTUAN RUTE TERPENDEK PENGIRIMAN BARANG DENGAN ALGORITMA SEMUT STUDI KASUS CV.MEGA ANUGERAH KOTA SEMARANG Dipersiapkan dan disusun oleh: Nama : Nur Aulia NIM : J2F007035 Telah disahkan sebagai Proposal Tugas Akhir pada tanggal 20 September 2011, yang merupakan salah satu syarat untuk memperoleh gelar Sarjana Komputer. Pembimbing I, Pembimbing II, Priyo Sidik Sasongko, S.Si, M.Kom Beta Noranita, S.Si, M.Kom NIP 19700705 199702 1 001 NIP 19730829 199802 2 001 Mengetahui, Ketua Jurusan Matematika Ketua Program Studi Teknik Informatika Dr. Widowati, S.Si, M.Si Drs. Eko Adi Sarwoko, M.Kom NIP 19690214 199403 2 002 NIP 19651107 199203 1 003 ii
    • DAFTAR ISIHALAMAN PENGESAHAN ............................................................................................... iiDAFTAR ISI ........................................................................................................................ iiiDAFTAR GAMBAR ............................................................................................................ ivDAFTAR TABEL ................................................................................................................. vDAFTAR LAMPIRAN ........................................................................................................ viBAB I PENDAHULUAN ..................................................................................................... 1 I.1. Latar Belakang ............................................................................................................. 1 I.2. Rumusan Masalah........................................................................................................ 3 I.3. Tujuan dan Manfaat ..................................................................................................... 3 I.4. Ruang Lingkup ............................................................................................................ 4BAB II METODOLOGI ........................................................................................................ 5 II.1. Studi Pustaka .............................................................................................................. 5 II.1.1. Kecerdasan Buatan (Artificial Intelligence) ........................................................ 5 II.1.2. Graf ...................................................................................................................... 6 II.1.3. Travelling Salesman Problem (TSP) ................................................................... 7 II.1.4. Algoritma Semut.................................................................................................. 9 II.1.4.1 Karakteristik Algoritma Semut .............................................................. 10 II.1.4.2 Algoritma Semut dalam Penyelesaian TSP ............................................ 13 II.2. Observasi .................................................................................................................. 15 II.3. Garis Besar Penyelesaian Masalah ........................................................................... 16 II.3.1. Analysis (Analisis Sistem) ............................................................................ 16 II.3.2. Design (Perancangan Sistem) ........................................................................ 16 II.3.3. Code ............................................................................................................... 17 II.3.4. Test (Ujicoba Sistem) .................................................................................... 17 II.4. Jadwal ....................................................................................................................... 17DAFTAR PUSTAKA .......................................................................................................... 19 iii
    • DAFTAR GAMBARGambar II. 1 Graf Berarah dan Berbobot .............................................................................. 6Gambar II. 2 Graf Tidak Berarah dan Berbobot .................................................................... 6Gambar II. 3 Graff Berarah dan Tidak Berbobot .................................................................. 7Gambar II. 4 Graf Tidak Berarah dan Tidak Berbobot ......................................................... 7Gambar II. 5 Contoh Travelling Salesman Problem ............................................................. 8Gambar II. 6 Pergerakan Semut Mencari Rute Terpendek ................................................... 9Gambar II. 7 Flowchart Algoritma Semut .......................................................................... 15Gambar II. 8 Tahapan Pengembanan Sistem....................................................................... 16Gambar II. 9 Uraian Sistem ................................................................................................. 16 iv
    • DAFTAR TABELTable II. 1 Jadwal Kegiatan Tugas Akhir ............................................................................ 18 v
    • DAFTAR LAMPIRANLampiran 1 : Notulensi Seminar Proposal Tugas AkhirLampiran 2 : Daftar Hadir Seminar Proposal Tugas Akhir vi
    • BAB I PENDAHULUAN Bab ini membahas latar belakang, rumusan masalah, tujuan dan manfaat, danruang lingkup tugas akhir mengenai Aplikasi Penentuan Rute Pengiriman Barang denganAlgoritma Semut Studi Kasus CV.Mega Anugerah Kota Semarang.I.1. Latar Belakang CV.Mega Anugerah sebagai pihak yang bertanggung jawab menyalurkan produk-produk Nestle ke distributor-distributor sering mengalami keterlambatan dalam melakukan pengiriman. Keterlambatan ini dapat menyebabkan distributor juga tidak dapat melayani permintaan konsumen secara maksimal. Penyebab dari keterlambatan ini adalah karena tidak adanya rute pengiriman barang yang jelas dan terstruktur, sedangkan selama ini ditentukan berdasarkan pengalaman dari orang yang mengirim barang (dropper), padahal tidak semua dropper memiliki kemampuan yang sama dalam menentukan rute pengiriman sehingga tidak jarang proses pengiriman barang menjadi terlambat atau ditunda keesokan harinya. Banyaknya jalan atau rute menuju distributor membuat dropper CV.Mega Anugerah yang belum begitu mengetahui tata jalan di Kota Semarang akan bingung dan kesulitan menentukan rute menuju distributor yang optimal untuk mencapai ke semua tujuan sesuai jadwal. Oleh karena itu, dibutuhkan solusi yang dapat mengatasi penentuan rute mana tepat untuk mencapai tempat-tempat tujuan yang telah dijadwalkan serta mampu mencapai tujuan tersebut dengan rute yang terpendek. Secara umum, pencarian jalur terpendek dapat dibagi menjadi dua metode, yaitu metode konvensional dan metode heuristik. Metode konvensional cenderung lebih mudah dipahami daripada metode heuristik, tetapi jika dibandingkan, hasil yang diperoleh dari metode heuristik lebih variatif dan waktu perhitungan yang diperlukan lebih singkat [10]. Metode heuristik terdiri dari beberapa macam algoritma, diantaranya simulated annealing algorithm, algoritma genetika, evolutionary programming, dan algoritma semut. Berdasarkan pendekatan evolusioner untuk masalah partisi sirkuit, algoritma 1
    • genetika memberikan hasil kemajuan yang signifikan [13]. Evaluasi perbandinganantara simulated annealing algorithm dengan algoritma genetika telah dilakukan olehManikas dan Cane dan menunjukkan bahwa algoritma genetika memberikan hasilyang lebih baik. Pengujian dari Fajar Saptono,dkk [12] dalam membandingkan performansialgoritma pencarian rute terpendek, yaitu antara Algoritma Genetika dengan AlgoritmaSemut membuktikan bahwa bobot hasil menggunakan Algoritma Semut lebih stabildan memiliki keadaan konstan dalam penentuan bobot hasil, sehingga grafik solusiyang dihasilkan tidak jauh berbeda dengan nilai optimum. Penelitian dalam aplikasi untuk permasalahan TSP yang dilakukan MarcoDorigo dan Gambardella [6] menunjukkan bahwa pada kasus TSP dengan 75 kota,algoritma semut hanya membutuhkan simulasi perjalanan sebanyak 3480 kali untukmenemukan jalur terbaik, sedangkan genetic algorithm membutuhkan 80.000 kalisimulasi perjalanan untuk menemukan jalur perjalanan terbaik dan algoritma lainseperti evolutionary programming, simulated annealing dan algoritma genetika bahkanmembutuhkan jumlah simulasi perjalanan yang jauh lebih banyak lagi. Dilihat dari kecepatan dalam melakukan pencarian rute terpendek, penelitianAris Feryanto[7] menunjukkan bahwa dalam pencarian rute terdekat dari 442 kota ,algoritma brute force membutuhkan pengecekan sebanyak (442 – 1)! / 2 = 1,241x10976kemungkinan, dengan asumsi waktu 1 clock CPU (pada kenyataannya pasti memakanlebih dari 1 clock), maka pada prosesor dual-core 2.2 GHz, pengecekan semuakemungkinan akan memakan waktu 2,821x10966 detik atau 3,265x10961 hari atau8,947x10958 tahun. Hal ini sangat tidak memungkinkan untuk digunakan jika dilihatperbandingannya dengan algoritma semut yang hanya memakan waktu kurang dari 10detik untuk menemukan solusi yang mendekati optimal. Algoritma semut (ant colony system) merupakan bagian dari artificialintelligent yang diperkenalkan oleh Moyson dan Manderick dan secara meluasdikembangkan oleh Marco Dorigo. Algoritma ini mampu menyelesaikan permasalahanoptimisasi yang terinspirasi dari perilaku semut dalam mencari jalur terpendek untukmemperoleh makanan, yaitu dengan cara menyebarkan feromon yang digunakan untukmemberi petunjuk jejak bagi semut lain. Kelebihan dari algoritma ini adalah dalam 2
    • proses pencarian rute memberikan hasil yang relatif optimal dengan waktu proses yang singkat [5].I.2. Rumusan Masalah Berdasarkan uraian latar belakang di atas, dapat dirumuskan permasalahan yang dihadapi, yaitu bagaimana mengimplementasikan algoritma semut pada pencarian rute terpendek pengiriman barang dengan studi kasus CV.Mega Anugerah Kota Semarang.I.3. Tujuan dan Manfaat Tujuan yang ingin dicapai dalam penulisan Proposal Tugas Akhir ini adalah menghasilkan sebuah aplikasi penentuan rute terpendek pengiriman barang dengan Algoritma Semut Studi Kasus CV.Mega Anugerah Kota Semarang. Adapun manfaat yang diharapkan dari penelitian tugas akhir ini adalah sebagai berikut : 1) Bagi Penulis a) Penulis dapat mengimplementasikan ilmu yang didapat selama perkuliahan ke dunia nyata dengan merancang dan mengembangkan aplikasi ini. b) Mendapat pengalaman dalam mengembangkan aplikasi yang berkaitan dengan TSP (Travel Salessman Problem), sehingga dapat menyelesaikan permasalahan yang sama maupun yang lebih rumit di lain waktu. c) Sebagai usaha untuk meraih gelar sarjana komputer (S.Kom). 2) Bagi CV. Mega Anugerah Mendapatkan aplikasi penentuan rute terpendek pengiriman barang sehingga dapat menjadi solusi yang tepat untuk membantu menyelesaikan masalah pengiriman barang yaitu pencarian rute terpendek atau seoptimal mungkin. 3) Bagi Universitas Diponegoro Sebagai bahan referensi untuk Universitas Diponegoro, sehingga dapat dijadikan bahan pertimbangan untuk pengembangan masalah yang serupa. 3
    • I.4. Ruang Lingkup Dalam penyusunan tugas akhir ini, diberikan ruang lingkup yang jelas agar pembahasan lebih terarah dan tidak menyimpang dari tujuan penulisan. Aplikasi yang akan dikembangkan adalah aplikasi untuk menentukan rute terpendek dalam pengiriman barang dengan algoritma semut studi kasus CV. Mega Anugerah Kota Semarang. 1. Masukannya yaitu kecepatan kendaraan, batas jam kerja, nama armada(dropper), dan tujuan pengiriman yang sesuai dengan jadwal yang ditentukan. 2. Keluarannya (output) berupa rute terpendek yang harus dilalui dropper dalam mencapai tujuan-tujuannya. 3. Proses pencarian rute terdekat menggunakan algoritma semut (ant colony system), dengan parameter masukan banyaknya semut, titik asal dan tujuan, serta pheromone awal, dan banyaknya siklus. 4. Bentuk implementasinya menggunakan bahasa pemrograman Java . 4
    • BAB II METODOLOGI Dalam bab ini dipaparkan mengenai studi pustaka yang digunakan, observasi yangakan dilakukan serta garis besar penyelesaian masalah, dan jadwal dalam pengembanganAplikasi Penentuan Rute Terpendek Pengiriman Barang dengan Algoritma Semut StudiKasus CV.Mega Anugerah Kota SemarangII.1. Studi Pustaka Studi Pustaka bertujuan untuk membantu penulis dalam menyusun Proposal Tugas Akhir ini. Metodologi yang digunakan dalam menyusun Proposal Tugas Akhir ini adalah metodologi studi pustaka, yaitu penulis mengumpulkan dan mempelajari literatur, seperti buku, jurnal maupun artikel yang relevan dengan permasalahan tugas akhir ini, yang disusun dalam empat subjudul, yaitu kecerdasan buatan, graf, travelling salesman problem, dan algoritma semut. II.1.1. Kecerdasan Buatan (Artificial Intelligence) Artikel ilmiah pertama tentang kecerdasan buatan ditulis oleh Alan Turing pada tahun 1950, dan kelompok riset pertama dibentuk tahun 1954 di Carnegie Mellon University oleh Allen Newell and Herbert Simon. Namun bidang Kecerdasan Buatan baru dianggap sebagai bidang tersendiri di konferensi Dartmouth tahun 1956, di mana 10 peneliti muda memimpikan mempergunakan komputer untuk memodelkan bagaimana cara berfikir manusia. Hipotesis mereka adalah: “Mekanisme berfikir manusia dapat secara tepat dimodelkan dan disimulasikan pada komputer digital”, dan ini yang menjadi landasan dasar Kecerdasan Buatan. Kecerdasan buatan atau artificial intelligence menurut Kusumadewi merupakan salah satu bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia. [8] 5
    • II.1.2. Graf Graf adalah kumpulan simpul (nodes) yang dihubungkan satu sama lainmelalui sisi/busur (edges) [15]. Suatu Graf G terdiri dari dua himpunan yaituhimpunan V dan himpunan E. a. Verteks (simpul) :V = himpunan simpul yang terbatas dan tidak kosong b. Edge (sisi/busur):E = himpunan busur yang menghubungkan sepasang simpul. Menurut arah dan bobotnya, graf dibagi menjadi 4 bagian, yaitu: 1. Graf berarah dan berbobot : tiap busur mempunyai anak panah dan bobot. Gambar II.1 menunjukkan graf berarah dan berbobot yang terdiri dari tujuh titik yaitu titik A,B,C,D,E,F,G. Titik menujukkan arah ke titik B dan titik C, titik B menunjukkan arah ke titik D dan titik C, dan seterusnya. Bobot antar titik A dan titik B pun telah di ketahui. Sumber: I’ing Mutakhiroh,2007 Gambar II. 1 Graf Berarah dan Berbobot 2. Graf tidak berarah dan berbobot : tiap busur tidak mempunyai anak panah tetapi mempunyai bobot. Gambar II.2 menunjukkan graf tidak berarah dan berbobot. Graf terdiri dari tujuh titik yaitu titik A,B,C,D,E,F,G. Titik A tidak menunjukkan arah ke titik B atau C, namun bobot antara titik A dan titik B telah diketahui. Begitu juga dengan titik yang lain. Sumber: I’ing Mutakhiroh,2007 Gambar II. 2 Graf Tidak Berarah dan Berbobot 6
    • 3. Graf berarah dan tidak berbobot: tiap busur mempunyai anak panah yang tidak berbobot [15]. menunjukkan graf berarah dan tidak berbobot. Sumber: I’ing Mutakhiroh,2007 Gambar II. 3 Graff Berarah dan Tidak Berbobot 4. Graf tidak berarah dan tidak berbobot: tiap busur tidak mempunyai anak panah dan tidak berbobot. Gambar II.4 menunjukkan graf tidak berarah dan tidak berbobot. Sumber: I’ing Mutakhiroh,2007 Gambar II. 4 Graf Tidak Berarah dan Tidak Berbobot Graf Hamilton menurut Wardy dan Ibnu Sina [14]adalah lintasan yang melaluitiap simpul di dalam graf tepat satu kali. Sirkuit Hamilton adalah sirkuit yang melaluitiap simpul di dalam graf tepat satu kali. Graf yang memiliki sirkuit Hamiltondinamakan graf Hamilton, sedangkan graf yang hanya memiliki lintasan Hamiltondisebut graf semi-Hamilton. Aplikasinya dalam kehidupan sehari-hari mencakupbeberapa persoalan, diantaranya pencarian jalur terpendek (shortest path).II.1.3. Travelling Salesman Problem (TSP) Travelling Salesman Problem (TSP) merupakan suatu permasalahan dimanaseorang sales harus melalui semua kota yang ditunjuk dengan jarak yang paling pendekdan setiap kota hanya boleh dilalui satu kali [2] . TSP pertama kali didokumentasikantahun 1759 oleh Euler yang tertarik untuk mencari pemecahan masalah perjalananksatria yang harus mengunjungi beberapa tempat di garis depan peperangan. 7
    • Istilah “travelling salesman” sendiri pertama kali digunakan tahun 1932 dalamsebuah buku Jerman yang berjudul The travelling salesman, how, and what he shoulddo to get commissions and he successful in his business, yang ditulis oleh seorangbekas sales. Walaupun bukan merupakan topic utama dalam buku tersebut, TSP danpenjadwalan dibahas dalam bab terakhir. TSP kemudian diperkenalkan oleh RAND Corporation pada tahun 1948.Perusahaan ini membuat TSP mulai dikenal oleh masyarakat luas dan menjadi popular.TSP juga menjadi popular sebagai objek baru dalam Linear Programming dan metodeini yang pertama kali digunakan untuk memecahkan masalah tersebut.[9] Travelling Salesman Problem ini merupakan masalah yang menyangkutseseorang yang harus meninggalkan suatu basis lokasi, untuk mengunjungi n-1 buahlokasi lainnya dimana tiap-tiap lokasi hanya dikunjungi satu kali saja, dan kemudiankembali ke basisnya. Biaya perjalanan antara tiap-tiap pasangan lokasi cij, diberikanoleh cij yang tidak perlu sama dengan cij. Tujuannya adalah membuat biaya perjalananyang minimum. Karena yang penting adalah perjalanan keliling yang dijalani salesman,maka tidak terjadi masalah lokasi n mana yang diambil sebagai basis. Sumber: Wospakrik,1988 Gambar II. 5 Contoh Travelling Salesman Problem Jika salesman hanya mengunjungi 2 kota, maka tentu saja tidak ada pilihanrute. Tetapi jika kota yang akan dikunjungi ada 3(misal:A,B,C), dimana basisnyaadalah A, maka ada 2 rute yang dapat dilakukan, yaitu A→B→C dan A→C→B. Untukmenentukan banyaknya rute yang digunakan untuk melalui n kota ada: (n-1)! rute . Ada berbagai macam algoritma yang ditemukan untuk mencari solusi TSPyang paling optimal. Algoritma tersebut diantaranya algoritma greedy, double 8
    • minimum spanning tree,algoritma genetika, dan lain-lain. Salah satu algoritma yangbaru saja ditemukan adalah algoritma semut.II.1.4. Algoritma Semut Dalam bukunya, K Doerner [4] menyebukan bahwa optimasi ant colony (AntColony Optimization-ACO) merupakan sistem cerdas yang diinspirasi oleh perilakusemut dan koloninya, yang digunakan untuk menyelesaikan permasalahan optimasidiskrit. Sistem ACO pertama kali diperkenalkan oleh Marco Dorigo[5] , dandinamakan sistem semut (Ant-System-AS) yang pertama kali digunakan untukmenyelesaikan Travelling Salesman Problem(TSP). Algoritma semut mengadopsi dari perilaku semut yang mampu menemukanjalan yang terpendek dari makanan ke sarangnya. Selama dalam perjalanannya, setiapsemut meninggalkan pheromone ke tanah sebagai jejak atau petunjuk bagi untuksemut lainnya. Pheromone adalah semacam zat kimia yang dikeluarkan oleh semutdari dalam tubuhnya. Semut mengikuti jalan berdasarkan jumlah pheromone yangsebelumnya telah disebarkan oleh semut lainnya. Sumber: Dorigo, Marco,1996 Gambar II. 6 Pergerakan Semut Mencari Rute Terpendek Pada Gambar II.6 , menunjukkan semut berada dalam titik keputusan dimanamereka akan memutuskan untuk belok ke kiri atau ke kanan. Selama semut tersebutbelum mempunyai petunjuk untuk memilih pilihan yang terbaik, mereka memilih 9
    • secara acak. Dalam rata-rata, separuh semut memutuskan unutk belok ke kanan dan separuh lagi memilih belok ke kiri. Hal ini terjadi pada semut baik itu yang bergerak dari kiri ke kanan (yang diberi label L) dan juga sebeliknya (yang diberi label R). Gambar II.6.B dan II.6.C menunjukkan semut melalui percabangan secara acak. Jumlah dari garis putus-putus kasarnya sebanding dengan jumlah pheromone yang telah disebarkan oleh semut di tanah. Selama jalur bawah lebih pendek dari jalur atas, rata-rata lebih banyak semut akan melewatinya, dan maka dari itu pheromone akan terkumpul dengan cepat pada jalur tersebut. Setelah beberapa periode transisi yang pendek, perbedaan jumlah pheromone di kedua jalur cukup besar untuk mempengaruhi keputusan semut yang baru dating dalam sistem (ditunjukkan pada gambar II.6.D). Dan sekarang, semut yang baru akan memilih jalur terpendek yaitu jalur bawah dan lama kelamaan semua semut akan menggunakan jalur bawah.II.1.4.1 Karakteristik Algoritma Semut Terdapat tiga karakteristik utama dari algortima semut, yaitu: aturan transisi status, aturan pembaruan pheromone lokal, aturan pembaruan pheromone global. 1. Aturan Transisi Status Aturan transisi status yang berlaku pada algoritma semut adalah sebagai berikut: seekor semut yang ditempatkan pada titik t memilih untuk menuju ke titik v, kemudian diberikan bilangan pecahan acak q dengan 0≤q≤1. q0 : probabilitas semut melakukan eksplorasi pada setiap tahapan (0≤q0≤1) pk(t,v) : probabilitas dengan semut k memilih untuk bergerak dari titik t ke titik v Jika q≤q0 maka pemilihan titik yang akan dituju menerapkan aturan pada persamaan (2.2): Temporary(t,u) = [τ(t,ui)].[η(t,ui)β] , i=1,2,3,…,n ………………………...(2.1) v=argmax{[τ(t,ui)].[η(t,ui)β]}……………………………………….……...(2.2) v: titik yang akan dituju 10
    • Jika q>q0 maka digunakan persamaan (2.3): ……………………………………………………………………………..…(2.3) dengan ……………………………………………………(2.4) τ(t,ui) : nilai jejak pheromone pada titik (t,u) η(t,ui) : fungsi heuristik dimana dipilih sebagai invers jarak antara titik t dan u β : tetapan pengendali visibilitas (β≥0)2. Aturan pembaruan pheromone lokal Selagi melakukan perjalanan untuk mencari solusi dari TSP, semut mengunjungi ruas-ruas dan mengubah tingkat pheromon pada ruas-ruas tersebut dengan menerapkan aturan pembaruan pheromon lokal yang ditunjukkan oleh persamaan (2.5): τ(t,v)←(1- ρ). τ(t,v)+ ρ.∆τ (t,v) ………………………………...……………(2.5) 1 ∆τ (t,v)= . ……………………………………………………………….(2.6) Lnn : panjang perjalanan yang diperoleh c : jumlah lokasi(kota) ρ : tetapan penguapan pheromone (0≤ ρ ≤1) ∆τ : perubahan pheromone Adanya penguapan pheromone menyebabkan tidak semua semut mengikuti jalur yang sama dengan semut sebelumnya. Hal ini memungkinkan dihasilkan solusi alternatif yang lebih banyak. Peranan dari aturan pembaruan pheromone lokal ini adalah untuk mengacak arah lintasan yang sedang dibangun, sehingga titik- titik yang telah dilewati sebelumnya oleh perjalanan seekor semut mungkin tidak 11
    • akan dilewati kemudian oleh perjalanan semut yang lain. Dengan kata lain, pengaruh dari pembaruan lokal ini adalah untuk membuat tingkat ketertarikan ruas-ruas yang ada berubah secara dinamis: setiap kali seekor semut menggunakan sebuah ruas maka ruas ini dengan segera akan berkurang tingkat ketertarikannya (karena ruas tersebut kehilangan sejumlah pheromon-nya), secara tidak langsung semut yang lain akan memilih ruas-ruas lain yang belum dikunjungi. Konsekuensinya, semut tidak akan memiliki kecenderungan untuk berkumpul pada jalur yang sama. Fakta ini, yang telah diamati dengan melakukan percobaan [5]. Merupakan sifat yang diharapkan bahwa jika semut membuat perjalanan-perjalanan yang berbeda maka akan terdapat kemungkinan yang lebih tinggi dimana salah satu dari mereka akan menemukan solusi yang lebih baik daripada mereka semua berkumpul dalam perjalanan yang sama. Dengan cara ini, semut akan membuat penggunaan informasi pheromone menjadi lebih baik tanpa pembaruan lokal, semua semut akan mencari pada lingkungan yang sempit dari perjalanan terbaik yang telah ditemukan sebelumnya.3. Aturan pembaruan pheromone global Pada sistem ini, pembaruan pheromone secara global hanya dilakukan oleh semut yang membuat perjalanan terpendek sejak permulaan percobaan. Pada akhir sebuah iterasi, setelah semua semut menyelesaikan perjalanan mereka, sejumlah pheromon ditaruh pada ruas-ruas yang dilewati oleh seekor semut yang telah menemukan perjalanan terbaik (ruas-ruas yang lain tidak diubah). Tingkat pheromone itu diperbarui dengan menerapkan aturan pembaruan pheromone global yang ditunjukkan oleh persamaan (2.7). τ(t,v)←(1- α). τ(t,v)+ α.∆τ (t,v) ……………………………………………...(2.7) α : tetapan pengendali intensitas jejak semut (0≤ α ≤1) 12
    • Lgb : panjang jalur terpendek pada akhir siklus τ(t,v): nilai pheromone akhir setelah mengalami pembaruan local α merupakan besarnya bobot yang diberikan terhadap pheromone, sehingga solusi yang dihasilkan cenderung mengikuti sejarah masa lalu semut dari perjalanan sebelumnya. Pembaruan pheromone global dimaksudkan untuk memberikan pheromone yang lebih banyak pada perjalanan-perjalanan yang lebih pendek. Persamaan (2.7) menjelaskan bahwa hanya ruas-ruas yang merupakan bagian dari perjalanan terbaik secara global yang akan menerima penambahan pheromone.II.1.4.2 Algoritma Semut dalam Penyelesaian TSP Sama halnya dengan cara kerja semut dalam mencari jalur yang optimal, untuk mencari jalur terpendek dalam penyelesaian masalah Traveling Salesman Problem (TSP) diperlukan beberapa lngkah untuk mendapatkan jalur yang optimal, antara lain : 1. Inisialisasi parameter-parameter, antara lain banyaknya semut, menentukan titik awal, pheromone awal. 2. Menentukan titik-titik yang akan dituju, kemudian ulangi proses sampai semua titik terlewati. Untuk menentukan titik yang akan dituju dapat menggunakan persamaan 2.2 atau 2.3, yaitu: Jika q≤q0 maka pemilihan titik yang akan dituju menerapkan aturan yang ditunjukkan oleh persamaan (2.2) Temporary(t,u)= [τ(t,ui)].[η(t,ui)β] , i=1,2,3,…,n ……………………........(2.1) v= arg max{[τ(t,ui)].[η(t,ui)β]}……………………..……………………(2.2) v: titik yang akan dituju Jika q>q0 maka digunakan persamaan (2.3): …………………………………(2.3) Dengan 13
    • ……………………………………………..(2.4) jika titik yang dimaksud bukanlah titik yang akan akan dilalui, maka kembali ke titik sebelumnya. 3. Apabila telah mendapatkan titik yang dituju, pheromone masing-masing pada titik tersebut diubah dengan menggunakan persamaan 2.5, yaitu : τ(t,v)←(1- ρ). τ(t,v)+ ρ.∆τ (t,v)……………………………………...….(2.5) 1 ∆τ (t,v) = . ………………………………………………………...(2.6) Lnn : panjang perjalanan yang diperoleh c : jumlah lokasi(kota) ρ : tetapan penguapan pheromone(0≤ ρ ≤1) ∆τ : perubahan pheromone 4. Setelah proses di atas selesai, hitung panjang lintasan masing-masing semut. 5. Kemudian akan didapatkan panjang lintasan yang minimal. 6. Ubah pheromone pada titik-titik yang yang termuat dalam lintasan tersebut. 7. Setelah semua proses telah dilalui, maka akan didapatkan lintasan dengan panjang lintasan yang minimal. Secara garis besar , urutan penyelesaian algoritma semut dalam pencarian ruteterpendek dari tempat asal ke tempat tujuan dapat digambarkan pada flowchart II.7.Dimulai dari proses pembangunan peta secara virtual yang digunakan semut dalammembangun perjalanannya. Kemudian menginisialisasi tempat asal dan tujuan, jumlahiterasi (NTmax). Proses selanjutnya yaitu mensimulasikan semut sampai semua semutsampai ke tujuan. Kemudian dilanjutkan dengan meng-update pheromone, menyimpanhasil terbaik dari hasil yang didapatkan semua semut, dan me-reset ulang semut denganmenginisialisasi ulang seperti kondisi awal. 14
    • Berikut flowchart algoritma ant Colony System Gambar II. 7 Flowchart Algoritma SemutII.2. Observasi Observasi dilakukan di bagian pengelolaan transportasi dan pengiriman barang CV. Mega Anugerah. Pengamatan dan wawancara kepada koordinator pengelolaan 15
    • transportasi dan pengiriman barang dilakukan untuk memahami proses pengelolaan pengiriman barang beserta jadwalnya, sehingga penulis dapat menyusun kebutuhan aplikasi yang akan dibuat.II.3. Garis Besar Penyelesaian Masalah Pengembangan sistem ini menggunakan proses sekuensial linear [11] yang dibagi ke dalam empat tahapan proses, yaitu analisis, perancangan sistem, implementasi sistem,dan ujicoba sistem . Tahapan pengembangan sistem dapat dilihat pada Gambar II.8. Sumber: Pressman, 2001 Gambar II. 8 Tahapan Pengembanan Sistem II.3.1. Analysis (Analisis Sistem) Pada proses ini pengumpulan kebutuhan diintensifkan dan difokuskan, khususnya yang berhubungan erat dengan perangkat lunak yang akan dibuat itu sendiri seperti domain informasi, tingkah laku, performance dan antarmuka (interface). Kebutuhan yang didokumentasikan dikonsultasikan dengan pihak user, yaitu CV. Mega Anugerah agar proses analisis berjalan sempurna. II.3.2. Design (Perancangan Sistem) Sistem akan dibuat dalam beberapa bagian, yaitu penentuan inputan, proses pencarian rute, dan output .Urutan proses yang terjadi pada sistem dapat dilihat pada Gambar 2.9, dan pada uraian sebagai berikut: input proses output Gambar II. 9 Uraian Sistem 16
    • 1. Input Pada proses input, inputan yang harus dimasukkan antara lain:  Nama armada (dropper)  Kecepatan kendaraan  Batas jam kerja  Tujuan pengiriman 2. Proses Parameter masukan yang telah dimasukkan kemudian dilakukan proses berupa pencarian rute yang optimal dengan menggunakan Algoritma Semut(Ant Colony System) yang penjabarannya dapat dilihat pada gambar flowchart II.7 di atas. 3. Output Keluaran dari proses yang telah dilakukan yaitu rute terdekat (optimal) yang nantinya harus dilalui dropper, jarak, waktu tempuh. II.3.3. Code Setelah tahap analisis dan perancangan selesai, dilakukan tahapgeerasi kode (implementasi sistem). Pada tahap ini, semua algorima dan proses pada perancangan sistem akan diimplementasikan dalam sebuah aplikasi sebagai wujud dari sistem. Aplikasi ini akan dikembangkan dalam bahasa pemrograman Java . II.3.4. Test (Ujicoba Sistem) Pada tahap ini, hasil keluaran dari sistem akan dianalisis apakah rute terpendek hasil perhitungan dari sistem sudah sesuai dengan hasil perhitungan manual. Hasil pencarian dianggap memenuhi jika sebagian besar hasil pencarian oleh sistem hampir sama dengan hasil pencarian dengan mata manusia.II.4. Jadwal Estimasi waktu mulai dari persiapan, pembuatan hingga nantinya aplikasi ini selesai dapat dilihat pada lampiran jadwal kegiatan. Dengan adanya jadwal ini akan dapat memberikan gambaran mengenai tahapan yang akan dilakukan, sehingga dalam 17
    • pengerjaan ada acuan waktu sebagai evaluasi pada tahapan sebelumnya, lihat Tabel II.1. Table II. 1 Jadwal Kegiatan Tugas Akhir Waktu Aktifitas Juli Agustus Sept Okt Nov Des Jan 2011 2011 2011 2011 2011 2011 2012 Minggu ke 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3PersiapanPenyusunan Proposal TA 1Seminar TA 1Penyusunan TA 2Sidang TA 2Revisi Laporan TA 2 18
    • DAFTAR PUSTAKA[1] Adikara PP, "Algoritma dan Struktur Data Perulangan (Iterasi)", Universitas Brawijaya[2] Basuki A, 2004, "Penyelesaian Travelling Salesman Problem(TSP) Menggunakan Monte Carlo", PENS-ITS, Surabaya.[3] Cane J and Manikas T, 1995, "Genetic Algorithms vs Simulated Annealing: A Comparison of Approaces for Solving Sirkuit Partitioning Problem", University of Pittsburgh, Pittsburgh.[4] Doerner K et al., 2000, "Ant Colony Optimization Applied to The Pickup and Delivery Problem", University of Vienna , Austria.[5] Dorigo M and Gambardella LM, 1996, "Ant Colony System: A Cooperative Learning Approach to The Travelling Salesman Problem", Universite Libre de Bruxelles, Belgium.[6] Dorigo M and L.M G, 1997, "Ant Colonies for Travelling Salessman Problem", Belgia.[7] Feryanto A, 2009, "Ant Colony System untuk Penyelesaian Masalah Travelling Salesman Problem", ITB, Bandung.[8] Kusumadewi S, 2003, "Artificial Intelligence (Teknik dan Aplikasinya)", Graha Ilmu, Yogyakarta.[9] Michalewicz Z, 1992, "Genetic Algorithm+Data Structure=Evolution Program", Springer-Verlag[10] Mutakhiroh I, 2007, "Menentukan Jalur Terpendek Menggunakan Algoritma Semut", Universitas Islam Indonesia, Yogyakarta. 19
    • [11] Pressman RS, 2001, "Software Engineering: A Practitioners Approach Fifth Edition", Mc Graw-Hill Companies, Inc, New York.[12] Saptono F et al., 2007, "Perbandingan Performansi Algoritma Genetika dan Algoritma Semut Untuk Penyelesaian Shortest Path Problem", Jurusan Teknik Informatika,Fakultas Teknologi Industri,Universitas Islam Indonesia[13] Shahookar K and Mazumder, 1995, "Genetic Multiway Partitioning", International Conference on VLSI Design, New Delhi.[14] Wardy and Sina I, 2007, "Penggunaan Graf dalam Algoritma Semut untuk Melakukan Optimisasi", ITB, Bandung.[15] Zakaria TM and Prijono A, 2006, "Konsep dan Implementasi Struktur Data", Bandung. 20