perbandingan metode ant colony optimization dan dijkstra ... · jemur sari dalam mendapatkan data...

ARIES PRATIARSO, M.ZEN SAMSONO HADI, MIKE YULIANA, DAN NENY WAHYUNINGDIYAH 129

Perbandingan Metode Ant Colony Optimizationdan Dijkstra untuk Pengembangan Sistem

Pengiriman Barang di Kantor Pos AreaSurabaya Timur Berbasis J2ME

Aries Pratiarso, M.Zen Samsono Hadi, Mike Yuliana, dan Neny Wahyuningdiyah

Abstrak—Kantor pos memiliki berbagai layanan pada masyarakat, salah satunya adalah layanan pengiriman barang.Layanan ini menuntut pegawai pos untuk mengetahui kondisi wilayah Surabaya dengan baik agar bisa menghematwaktu dan biaya pengiriman. Pada penelitian ini dibuat pengembangan sistem mengenai rute pengiriman barangdengan jarak terpendek yang memudahkan pegawai kantor pos untuk mendistribusikan barang (paket) ke alamat yangdituju sehingga mampu meningkatkan kualitas layanan kantor pos. Penelitian ini bekerja sama dengan PT. Kantor PosJemur Sari dalam mendapatkan data wilayah pelanggan di area Surabaya Timur. Algoritma yang dipilih adalah AntColony Optimization (ACO), dimana dengan metode tersebut pencarian jalur terpendek menjadi lebih singkat walaupunmenggunakan data yang banyak sekalipun. Urutan rute jalan yang dihasilkan oleh algoritma tersebut kemudian dapatdiakses oleh pegawai pengirim paket melalui handphone berbasis Java 2 Micro Edition (J2ME). Sebagai pembanding,disertakan algoritma Dijkstra untuk menguji performa ACO.Dari hasil pengujian didapatkan jarak terpendek yang sama. Namun, ACO membutuhkan waktu rata-rata 16,326detik untuk mendapatkan jarak terpendek daripada waktu rata-rata Dijkstra yaitu 0,036 detik karena parameter yangdigunakan Ant Colony lebih banyak dibandingkan dengan Dijkstra. Parameter ACO yang paling mempengaruhi jalannyaeksekusi program adalah banyaknya siklus dan jumlah semut serta total node yang digunakan. Untuk interaksihandphone client dengan server, kecepatan mengakses informasi tergantung dari throughput yang diterima yaiturata-rata 27,88 kbps. Login membutuhkan waktu lebih lama, rata-rata 14,57 detik sedangkan untuk mendapatkan rutemembutuhkan waktu rata-rata 4,9 detik.

Kata Kunci—Ant Colony Optimization(ACO), Dijkstra, J2ME

F

1 PENDAHULUAN

P ENELITIAN ini dibuat untuk membantupetugas kantor pos dalam memperbaiki

layanan pengiriman paket pos. Dengan me-manfaatkan teknologi telekomunikasi dan in-formatika, PT. Pos Indonesia (Persero) dapatmeningkatkan kualitas pelayanan dalam halpendistribusian barang (paket) dengan cara

• Aries Pratiarso, Jurusan Teknik Telekomunikasi, Politeknik Elek-tronika Negeri Surabaya (email:[email protected], Jl. Raya ITSKeputih Sukolilo, telp:031-5947280/ext:4109, fax:031-5946114)E-mail: [email protected]

• M. Zen Samsono Hadi, Mike Yuliana, Neny Wahyun-ingdiyah, Jurusan Teknik Telekomunikasi, Politeknik Elektron-ika Negeri Surabaya (Jl. Raya ITS Keputih Sukolilo, telp:031-5947280/ext:1501, fax:031-5946114).E-mail: [email protected], [email protected].

menempuh jarak terpendek dari Kantor PosPusat (penulis menggunakan kantor pos Je-mur Sari untuk area Surabaya Timur) menujupelanggan untuk efisiensi waktu dan memi-nimalisasi penggunaan BBM. Pihak pelangganpun mendapatkan keuntungan yaitu barangkirimannya akan sampai dalam waktu yang di-harapkan. Jika pelanggan puas karena layananini, maka image kantor pos yang lambatdalam proses pendistribusian surat dan paketakan sirna dan kepercayaan pelanggan akanmeningkat.

Pada penelitian sebelumnya yang juga di-lakukan oleh penulis telah ditentukan pa-rameter terbaik dalam ACO (jumlah sik-lus, banyaknya semut, τij, Q, α, βdanρ) dalammenentukan jarak terpendek [4]. Dalam peneli-

ISSN: 2088-0596 c⃝ 2010 Published by EEPIS


tian yang lainnya, algoritma ACO digu-nakan untuk menentukan rute terpendek dipelabuhan Jordania [6]. Selain hal tersebut di-atas, pada penelitian [7] telah dilakukan kom-binasi algoritma ACO dan tabu search untukmenentukan rute terpendek. Algoritma ACOjuga digunakan sebagai sistem navigasi per-jalanan berbasis 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 mengak-ses informasi yang telah diolah oleh algoritmaACO. Pegawai kantor pos akan menerimainformasi berupa rute jarak terpendek yangharus ditempuh dalam proses pendistribusianpaket.

2 TEORI PENUNJANG

2.1 Algoritma DijkstraAda beberapa kasus pencarian lintasan terpen-dek yang diselesaikan menggunakan algoritmaDijkstra, yaitu: pencarian lintasan terpendekantara dua buah simpul tertentu (a pair short-est path), pencarian lintasan terpendek antarasemua pasangan simpul (all pairs shortest path),pencarian lintasan terpendek dari simpul ter-tentu ke semua simpul yang lain (single-sourceshortest path), serta pencarian lintasan terpen-dek antara dua buah simpul yang melaluibeberapa simpul tertentu (intermediate shortestpath). Intinya, algoritma greedy ini berupayamembuat pilihan nilai optimum lokal padasetiap langkah dan berharap agar nilai opti-mum lokal ini mengarah kepada nilai optimumglobal.

Input algoritma ini adalah sebuah graf be-rarah yang berbobot (weighted directed graph) G

dan 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 ver-tex u 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] := undefined

d[s] := 0 // Jarak dari s ke sS := empty setQ := V[G] //Set semua vertexwhile Q is not an empty set

u := Extract Min(Q)S := S union ufor each edge (u,v) outgoing from u

if d[u] + w(u,v) ¡ d[v]d[v] := d[u] + w(u,v)previous[v] := u

2.2 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 se-mut akan 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 per-masalahan pada penelitian ini, merupakan al-goritma yang berdasarkan algorima ant sys-tem dengan meningkatkan efisiensi pencarian


Gambar 1. Perilaku semut pada dunia nyata[10]

rute yang dilalui. Konsep dasar dari algoritmakoloni semut adalah dengan menggunakansekumpulan semut yang bertujuan mencari lin-tasan terpendek secara pararel.

Secara garis besar, ant system dapat dit-erangkan sebagai berikut. Setiap semut akanmembentuk rute dengan memilih kota-kotayang dikunjungi sesuai dengan state transitionrule: Seekor semut akan lebih memilih kotayang terhubung dengan arc yang lebih pendekdan memiliki jumlah pheromone yang lebih be-sar.

Setelah semut-semut tersebut menyelasaikanpenyusunan rutenya, maka proses selanjutnyaadalah global pheromone updating. Pada tahapini terjadi penguapan sejumlah pheromone padasetiap cabang, kemudian tiap-tiap semut akanmenambahkan sejumlah pheromone pada ca-bang yang dilaluinya dengan jumlah yangberbanding terbalik dengan jarak yang ditem-puh.

State transition rule yang digunakan dalamant system adalah [6]:

Pk(r, s) =

[τ(r,s)][η(r,s)]β ]

ΣuϵJk(r)[τ(r,u)][η(r,u)]β , jika sϵJk(r)

0, lainnya(2)

Pk(r, s) merupakan probabilitas semut kyang berada di node r memilih node suntuk tujuan selanjutnya. Sedangkan τ(r, s)adalah pheromone yang terdapat pada arc(r, s),Jk(r) merupakan himpunan node yang belumdikunjungi oleh semut k yang berada padanode r dan β adalah parameter yang menen-tukan besarnya pengaruh jarak terhadap jum-lah pheromone. Untuk visibility measure, η(r, s),

dapat dihitung dengan Persamaan (3) [6]:

η(r, s) =1

δ(r, s)(3)

dengan δ(r, s) merupakan biaya pada (r, s).Dalam ant system, apabila semua semut telahmenyelesaikan rute yang dibentuk maka ter-jadi perubahan jumlah pheromone, disebutglobal pheromone updating ruledengan Per-samaan (4) [6]:

τ(r, s)← (1, α).τ(r, s) + α.Σ∞k=1∆τk(r, s) (4)

dengan ∆τ(r, s) = 1Lk

, jika (r, s)ϵ rute yangdilalui semut, dan ∆τ(r, s) = 0, jika rute tidakdilalui semut.

Pada persamaan (4), parameter α disebutglobal pheromone decay, Lk merupakan panjangdari tour yang dilakukan oleh semut k dan madalah jumlah semut. Perubahan pheromonediatas bertujuan untuk memberikan jumlahpheromone yang lebih besar pada tour yanglebih pendek.

2.3 Java 2 Micro Edition (J2ME)J2ME adalah satu set spesifikasi dan teknologiyang fokus kepada perangkat konsumen.Program-program J2ME, seperti semua pro-gram Java, dicompile ke dalam bytecode danditerjemahkan dengan Java Virtual Machine(JVM).

Inti dari J2ME terletak pada konfigurasidan profil-profil. Suatu konfigurasi menggam-barkan lingkungan runtime dasar dari suatusistem J2ME. Ia menggambarkan core library,virtual machine, fitur keamanan dan jaringan.

3 IMPLEMENTASI SISTEM

3.1 Perancangan SistemSecara keseluruhan, sistem dibedakan menjadidua sisi, yaitu sisi client dan sisi server. Disisi server, ada pegawai yang bertugas untukmemasukkan data pengiriman paket pos daripelanggan ke dalam database server, disebutsebagai administrator/admin. Oleh server, datayang mengandung nama jalan akan diolahmenggunakan algoritma ACO untuk menda-patkan rute dengan jarak terpendek menuju


pelanggan. Hasilnya dapat ditampilkan padaponsel berbasis J2ME. Algoritma ACO akanmenerima masukan data yaitu node awal un-tuk memulai perjalanan dan node akhir seba-gai akhir perjalanan, setelah diproses akan di-hasilkan rute terpendek dan ditampilkan node-node yang akan dilewati oleh pegawai pos.

Selain itu, rute terpendek yang dihasilkanACO akan dibandingkan dengan hasil per-hitungan menggunakan algoritma Dijkstra.Sedangkan di sisi client, pengemudi dapat men-gakses informasi berupa rute terpendek daridatabase tersebut melalui ponsel berbasis J2MEdengan cara memasukkan username dan pass-word pegawai untuk mengetahui kemana ruteyang harus ditempuh. Blog diagram dari sis-tem ditunjukkan pada Gambar 2.

Gambar 2. Blok diagram sistem

3.2 Data Peta Surabaya TimurWilayah Surabaya Timur dibuat beberapa nodeyang digunakan untuk keperluan pemode-lan jaringan jalan. Pemetaan node ini me-manfaatkan Google Maps secara online yaitudengan cara menandai setiap persimpan-gan dan tempat-tempat yang familiar dikun-jungi oleh masyarakat (point), misalnya: pasar,rumah sakit, SPBU, dll. Selain itu, dicari pulajarak yang menghubungkan dua persimpan-gan tersebut.

3.3 Pemodelan Jaringan JalanJalan yang terdapat dalam peta sebenarnyaseperti yang ditunjukkan pada Gambar 3 da-pat dimodelkan dalam bentuk graph. Node-node yang berbentuk lingkaran dengan angkaditengah disebut dengan ”simpangan”. Garisyang menghubungkan dua node disebut dan-gan ”jalan”. Setiap jalan memiliki satu ruas,

Gambar 3. Peta node Surabaya Timur diGoogle maps

kecuali jika jarak jalan tersebut sangatlah pan-jang, maka jalan akan dibagi menjadi beberaparuas (syarat dan ketentuan berlaku). Pemode-lan ini dibuat sebagai representasi dari jalan-jalan yang ada di area Surabaya Timur sepertiyang terlihat pada Gambar 4, dengan pemod-elan ini diharapkan sudah mewakili area yangdicakup dalam penelitian ini.

Gambar 4. Representasi graph


3.4 Relasi dengan Database

Dalam sistem yang dirancang terdapat 7tabel yang berkaitan dengan pemodelanjaringan jalan yang digunakan.Relasi tabelpada database ditunjukkan pada Gambar 5.Tabel tersebut adalah sebagai berikut:

1) Tabel SIMPANGAN, berisi fieldid simpangan, nama, lintang dan bujur.

2) Tabel JALAN, terdiri dari field id jalan,id ujung, id pangkal, nama, ruas danjarak.

3) Tabel POINT, terdiri dari field id point,id jalan, nama, lintang dan bujur.

4) Tabel PEGAWAI, terdiri dari field ID Peg,username, dan password.

5) Tabel HASIL, terdiri dari field id hasil,ID Peg, rute, dan terkirim.

6) Tabel KONEKSI, berisi field idkoneksiyang membentuk matriks yang berisiid jalan.

7) Tabel JARAK, berisi field id jarak yangmembentuk matriks yang berisi jarak.

Gambar 5. Relasi tabel pada database

3.5 Interaksi Client-Server

Dalam sistem ini dibuat interaksi antara serveryang berbasis PHP dengan client yang berbasisJ2ME. Untuk bisa login, pegawai pos yangakan mengirimkan paket harus memasukkanusername dan password pada halaman awal daritampilan J2ME, setelah itu, pegawai pos akanmendapatkan data pelanggan mana saja yangharus dituju dan rute mana saja yang harus

ditempuh. Data ini merupakan data hasil pen-golahan dengan menggunakan algoritma AntColony Optimization (ACO). Gambar 6 menun-jukkan hasil tampilan pada handphone clientyang dibuat.

Gambar 6. Tampilan pada handphone client

Untuk Admin, interface yang digunakan un-tuk mengakses server berupa website yangakan mengolah input untuk perhitungan algo-ritma ACO dan Dijkstra. Tampilan hasil pen-gujian ACO yang dibuat ditunjukkan padaGambar 7, sedangkan tampilan hasil engujianDjikstra ditunjukkan pada Gambar 8.

Gambar 7. Tampilan hasil pengujian ACO

Gambar 8. Tampilan hasil pengujian Dijkstra


4 HASIL DAN ANALISA

4.1 Pengujian Algoritma

Untuk melakukan pengujian pada algoritma,maka perlu diketahui parameter-parameteryang digunakan oleh algoritma koloni semutdan Dijkstra. Parameter pada Ant Colony antaralain:

1) Siklus yaitu banyaknya siklus maksimumpencarian jalur terpendek.

2) Semut yaitu banyaknya semut yang akanmelakukan dalam satu kali siklus.

3) τij adalah intensitas jejak semut antar titikdan perubahannya.

4) Q adalah tetapan siklus semut dalammelakukan pencarian jalur.

5) α (alfa) adalah tetapan pengendali inten-sitas jejak semut, dimana α ≥ 0

6) β (beta) adalah tetapan pengendali visi-bilitas, dimana β ≥ 0.

7) ρ (rho) adalah tetapan penguapan jejaksemut untuk mencegah jejak semut yangtak terhingga, dimana 0 < ρ < 1.

8) Asal adalah kantor pos sebagai depo.9) Point adalah titik tujuan yang diasum-

sikan sebagai node pelanggan.Dijkstra hanya memerlukan masukan berupa

titik asal dan titik tujuan (simpangan) untukmenghasilkan jarak terpendek.

Tiga macam rute yang dijadikan acuan pen-gujian adalah:

1) Jarak Dekat: dari 51 ke 38 (point: TB.Manyar Jaya)

2) Jarak Menengah: dari 51 ke 62 (point:Natasha Skin Care)

3) Jarak Jauh: dari 51 ke 7 (point: HotelPuspa Asri)

4.1.1 Pengujian Jarak DekatJarak dekat berasal dari simpangan 51 menujusimpangan 38: t51 → t52 → t53 → t54 →t46 → t42 → t41 → t38, artinya melalui jalanJemur Andayani → Jemur Sari → Jemur Sari→ Prapen Raya → Manyar. Penulis menggu-nakan parameter terbaik yang diperoleh daripenelitian sebelumnya [4], yaitu:

• Siklus = 5• Jumlah semut = 10• τij = 0.01

• Q=1• α = 1• β = 1• ρ = 1

Dari uji coba yang ditunjukkan pada Gambar9, Jarak terpendek yang dihasilkan oleh ACOdan Dijkstra adalah sama, sekitar 6947,54 me-ter. ACO memerlukan waktu antara 0,5 sampai1,2 detik untuk menghasilkan jarak terpendek,sedangkan Dijkstra yang hanya membutuhkanwaktu berkisar antara 0,03 dan 0,035 detik.Rata-rata waktu untuk ACO adalah 0,787 de-tik dan 0,033 detik untuk Dijkstra. Bila diny-atakan dalam grafik, rata-rata grafik waktutempuh untuk ACO dan untuk Dijkstra untukjarak pendek ditunjukkan pada Gambar 10 danGambar 11.

Gambar 9. Grafik jarak terpendek untuk jarakdekat

Gambar 10. Grafik waktu tempuh ACO untukjarak dekat

4.1.2 Pengujian Jarak MenengahJarak menengah berasal dari simpangan 51menuju simpangan 62 menghasilkan rute se-bagai berikut: t51 → t52 → t53 → t54 → t46→ t42 → t41 → t38 → t37 → t36 → t35 → t33


Gambar 11. Grafik waktu tempuh Dijkstrauntuk jarak dekat

→ t62 atau melalui jalan Jemur Andayani →Jemur Sari → Jemur Sari → Prapen Raya →Manyar → Manyar → Menur Pumpungan →Menur Pumpungan→ Kertajaya Indah Tengah→ Manyar Kertoadi → Kertajaya Indah Timur.

Parameter terbaik yang digunakan diperolehdari penelitian sebelumnya [4], yaitu:

• Siklus = 30• Jumlah semut = 40• τij = 0.1• Q = 1• α = 1• β = 1• ρ = 0.5

Jarak terpendek yang dihasilkan oleh ACOdan Dijkstra dalam menempuh ”jarak menen-gah” adalah 9826,98 meter. Yang memilikiperbedaan jauh adalah waktu yang dibutuhkankedua algoritma untuk memperoleh jarak ter-pendek ketika menjalankan program. ACOmemerlukan waktu lebih lama, yaitu puluhandetik dalam range waktu antara 13 sampai17 detik yang sangat kontras dengan Dijkstrayang hanya berkisar antara 0,02 dan 0,061detik. Dalam hal ini, rata-rata waktu yangdibutuhkan ACO adalah 14,63 detik sedangkanrata-rata waktu algoritma Dijkstra adalah 0,038detik. Bila dinyatakan dalam grafik, rata-ratagrafik waktu tempuh untuk ACO dan untukDijkstra untuk jarak menengah ditunjukkanpada Gambar 13 dan Gambar 14.

4.1.3 Pengujian Jarak JauhHasil pengujian algoritma ACO dan Dijkstrauntuk rute ”jarak jauh” yang berasal dari sim-pangan 51 menuju simpangan 7 adalah: t51 →t52 → t53 → t54 → t46 → t42 → t41 → t38 →

Gambar 12. Grafik jarak menengah untukjarak menengah

Gambar 13. Grafik waktu tempuh ACO untukjarak menengah

Gambar 14. Grafik waktu tempuh Dijkstrajarak menengah

t37 → t36 → t35 → t33 → t62 → t64 → t12 →t13 → t7, yaitu melalui jalan Jemur Andayani→ Jemur Sari → Jemur Sari → Prapen Raya →Manyar → Manyar → Menur Pumpungan →Menur Pumpungan→ Kertajaya Indah Tengah→ Manyar Kertoadi → Kertajaya Indah Timur→ Dharmahusada Indah Timur → Dharmahu-sada Indah Utara → Raya Kalijudan MERR II→ Raya Kalijudan MERR II.

Parameter terbaik telah diperoleh daripenelitian sebelumnya [4], yaitu:

• Siklus = 50


• Jumlah semut = 45• τij = 0.01• Q = 1• α = 1• β = 1• ρ = 0.5

Jarak terpendek yang dihasilkan oleh ACOdan Dijkstra untuk rute ”jarak jauh” adalahsepanjang 13288,02 meter. Selain itu, ACOmemerlukan waktu antara 27 sampai 39 detikuntuk menghasilkan rute sedangkan Dijkstrayang hanya memerlukan waktu 0,02 sampai0,046 detik. Atau dapat disimpulkan bahwarata-rata waktunya adalah 33,56 detik untukACO dan 0,037 detik untuk Dijkstra.Bila diny-atakan dalam grafik, rata-rata grafik waktutempuh untuk ACO dan untuk Dijkstra untukjarak jauh ditunjukkan pada Gambar 16 danGambar 17.

Gambar 15. Grafik jarak jauh untuk jarak jauh

Gambar 16. Grafik waktu tempuh ACO untukjarak jauh

4.2 Pengujian KoneksiParameter yang digunakan adalah lama waktupengaksesan informasi dari server saat per-

Gambar 17. Grafik waktu tempuh Dijkstrajarak jauh

tama kali login dengan username dan pass-word pegawai tersebut (hal.login) dan lamawaktu yang dibutuhkan untuk memperolehrute jarak terpendek (hal.rute). Selain itu jugadicari throughput, yaitu bandwidth aktual yangdiukur secara spesifik menggunakan software”Bandwidth Meter”. Pengujian dilakukan se-lama jam kerja pegawai pengantar paket, yaitumulai dari pukul 08.00 sampai pukul 12.00.

Gambar 18. Grafik throughput dan waktu akses

Gambar 18 menyatakan bahwa client mem-butuhkan waktu yang lebih lama untuk lo-gin daripada waktu untuk mendapatkan infor-masi rute jarak terpendek dari server. Rata-ratawaktu untuk login adalah 14,57 detik dan 4,9detik untuk masuk ke halaman rute. Hal initerjadi karena ketika login, client membutuhkanwaktu untuk terhubung dengan server danmengambil data dari database. Sedangkan saatmasuk halaman rute, client sudah terhubungdengan server, hanya perlu mengambil databerupa rute jarak terpendek di dalam database.

Perbedaan waktu tersebut juga dipengaruhioleh throughput yang didapatkan dari jaringan.


Rata-rata throughput pada 20 kali pengujianadalah 27,88 kbps.

5 KESIMPULAN

1) Pencarian jalur terpendek dengan metodekoloni semut tergantung dari parameter-parameter yang dimasukkan antara lain:banyaknya titik, banyak semut, Tij (teta-pan awal intensitas feromon), Alfa (teta-pan pengendali intensitas feromon), Beta(tetapan pengendali visibilitas), Rho (teta-pan penguapan feromon).

2) Perbandingan algoritma koloni semutdengan Dijkstra menghasilkan jarak ter-pendek yang sama baik untuk rute jarakdekat, jarak menengah, maupun jarakjauh.

3) Algoritma koloni semut membutuhkanwaktu rata-rata 16,326 detik untukmendapatkan jarak terpendek daripadawaktu rata-rata Dijkstra yaitu 0,036detik karena parameter yang digunakanAnt Colony lebih banyak dibandingkandengan Dijkstra.

4) Secara umum, client menghabiskanwaktu rata-rata 14,57 detik untuklogin karena pertama kali melakukansambungan dengan server melaluijaringan internet dan 4,9 detik untukmendapatkan rute. Kecepatan aksesdata juga dipengaruhi oleh throughput.Rata-rata throughput yang diperolehadalah 27,88 kbps.

DAFTAR PUSTAKA

[1] Dorigo, M., Gambardella, L. M. (1997).Ant colonies forthe TSP Tech.Rep/IRIDIA/1996-003, Universit Libre deBruxelles, Belgium.

[2] Putro, Fidi W. ”Sistem Navigasi Berbasis Web den-gan Algoritma Koloni Semut”. T.Informatika PENS-ITSSurabaya. 2009

[3] Mutakhiroh, Iing. ”Pemanfaatan Metode Heuristik dalamPencarian Jalur Terpendek dengan Algoritma Semut danAlgoritma Genetika”. Lab.Pemrograman dan Informatika,Universitas Islam Indonesia. 2007.

[4] Hadi, M.Zen, Haryadi Amran, Titik Sri Mulyani, ”AksesInformasi Pengiriman Barang di Kantor Pos Jemursariuntuk Area Surabaya Timur Menggunakan Metode AntColony Optimization Berbasis WAP”, Seminar IES 2010,PENS-ITS.

[5] Mutakhiroh, I., Saptono, F., Hasanah, N., dan Wiryad-inata, R,. (2007). Pemanfaatan Metode Heuristik DalamPencarian Jalur Terpendek Dengan Algoritma Semut danAlgoritma Genetik Seminar Nasional Aplikasi TeknologiInformasi. ISSN: 1907-5022. Yogyakarta.

[6] Saad Ghaleb Yaseen, Nada M. A.AL-Slamy, Ant ColonyOptimization, IJCSNS International Journal of ComputerScience and Network Security, VOL.8 No.6, June 2008

[7] Masaya Yoshikawa, Kazuo Otani, Ant Colony Optimiza-tion Routing Algorithm with Tabu Search, Proceedingsof the International MultiConference of Engineers andComputer Scientists 2010 Vol III, IMECS 2010, March 17-19, Hongkong

[8] Aries Pratiarso, M. Agus Zainudin, Transmisi Citra Meng-gunakan Joint LDPC Decoding, Proceeding Seminar Na-sional Aplikasi Teknologi Informasi (SNATI), UII Yo-gyakarta, 2009

[9] Arna Fariza, Entin Martiana, Fidi Wincoko Putro, Sis-tem Navigasi Perjalanan Berbasis Web dengan AlgoritmaKoloni Semut (Ant Colony Algorithm), Seminar IES 2009,PENS-ITS

[10] http://id.wikipedia.org/wiki/Algoritma Dijkstra[11] http://en.wikipedia.org/wiki/Ant colony optimization


Aries Pratiarso lahir di Surabaya, ia mem-peroleh gelar Sarjana Teknik (ST) pada Ju-rusan Teknik Elektro pada tahun 1994 danMagister Teknik (MT) pada tahun 2004,keduanya dari Institut Teknologi SepuluhNopember (ITS) Surabaya. Ia adalah pen-gajar pada jurusan Teknik Telekomunikasi,Politeknik Elektronika Negeri Surabaya.Bidang penelitian yang ditekuni adalah

Wireless Communication, teknik koding, dan image processing.

M. Zen Samsono Hadi di Kediri, ia mem-peroleh gelar Sarjana Teknik (ST) padaJurusan Teknik Elektro pada tahun 2000dan magister teknik (MT) pada tahun 2009,keduanya dari Institut Teknologi SepuluhNopember (ITS) Surabaya. Pada tahun2007, ia mendapat kesempatan untuk pro-gram double degree ke Jerman, dan men-dapatkan gelar master of science pada

tahun 2008. Ia adalah pengajar pada jurusan Teknik Telekomu-nikasi, Politeknik Elektronika Negeri Surabaya. Bidang peneli-tian yang ditekuni adalah Network Security, Network Design daninternet application. Pernah melakukan penelitian pada bidangnetwork design di T-Systems Enterprise GmbH, Darmstadt Jer-man pada tahun 2008.

Mike Yuliana lahir di Jember, ia mem-peroleh gelar Sarjana Teknik pada Juru-san Teknik Elektro pada tahun 2001 danmagister pada tahun 2007, keduanya dariInstitut Teknologi Sepuluh Nopember (ITS)Surabaya. Ia adalah pengajar pada jurusanTeknik Telekomunikasi, Politeknik Elektron-ika Negeri Surabaya. Bidang penelitianyang ditekuni adalah Telephony Network,

dan Network Security. Banyak melakukan penelitian yangberbasis aplikasi VoIP, mulai dari pembuatan server VoIP sam-pai pembuatan program untuk menambahkan fitur dari serverVoIP.

Neny Wahyuningdiyah lahir di Sidoarjo,ia memperoleh gelar Sarjana Science Ter-apan (SST) pada Jurusan Teknik Teleko-munikasi pada tahun 2010 dari PENS-ITSSurabaya. Bidang penelitian yang ditekuniadalah Jaringan Komputer dan aplikasi al-goritma Ant Colony Optimization (ACO).

perbandingan metode ant colony optimization dan dijkstra ... · jemur sari dalam mendapatkan data...

Documents