PERBANDINGAN ALGORITMA HILL CLIMBING DAN ALGORITMA ANT COLONY DALAM PENENTUAN RUTE OPTIMUM

Studi Kasus: Penentuan Rute Optimum Jalur Pelayaran Ferry di Pulau Ambon, Pulau Seram, dan Pulau-Pulau Lease

  • Venn Y. I. Ilwaru Jurusan Matematika FMIPA Universitas Pattimura
  • Tesa Sumah Jurusan Matematika FMIPA Universitas Pattimura
  • Yopi Andry Lesnussa Jurusan Matematika FMIPA Universitas Pattimura
  • Zeth A. Leleury Jurusan Matematika FMIPA Universitas Pattimura
Keywords: Algoritma Hill Climbing, Algoritma Ant Colony, Jalur Optimum

Abstract

Optimasi adalah pencarian nilai-nilai variabel yang dianggap optimal untuk mencapai hasil yang diinginkan. Untuk memecahkan masalah optimasi tersebut, tentunya diperlukan algoritma yang handal. Algoritma Hill Climbing dan Algotrima Ant Colony adalah metode dari sekian banyak metode kecerdasan buatan untuk menyelesaikan permasalahan optimasi. Karena algoritmanya yang cukup sederhana, metode Hill Climbing telah banyak diterapkan dalam berbagai aplikasi. Disamping itu metode Hill Climbing juga mengefisienkan penggunaan memori yang besar. Algoritma Ant Colony adalah algoritma yang diadopsi dari perilaku koloni semut. Secara alamiah koloni semut mampu menemukan rute terpendek dalam perjalanan dari sarang ke tempat-tempat sumber makanan, berdasarkan jejak kaki pada lintasan yang telah dilewati. Dari hasil penelitian yang dilakukan dengan menggunakan algoritma Hill Climbing dan Algoritma Ant Colony diperoleh rute optimum ferry di Pulau Ambon, Pulau Seram, dan Pulau-Pulau Lease yang berbeda. Pada Algoritma Hill Climbing diperoleh rute yang optimal yaitu Tulehu – Wainama – Umeputih – Wailey – Amahai - Nalahia dengan jarak tempuh 126 Km, sedangkan menggunakan Algoritma Ant Colony diperoleh rute yang optimal yaitu Tulehu – Wainama – Umeputih – Wailey – Amahai – Nalahia - Tulehu dengan jarak tempuh 197 Km 

Downloads

Download data is not yet available.

References

[1]. Aawar, H. E., A simulated motion planning algorithm in 2d and 3d environment using hill climbingA simulated motion planning algorithm in 2d and 3d environment using hill climbing. International Journal of Artificial intelligence and aplications, 35-53, 2014.
[2]. Amin, Aulia, A., & Ikhsan, Mukhamad., Wibisono, Lastiko., Travelling Salesman Problem. Bandung: ITB, 2003.
[3]. Dorigo, M.,. The Ant System: Optimization by a colony of cooperating agents. IEEE transactions onSystems, Man, and Cybernetics, 26, 1996.
[4]. F, Tutupary., M. W. Talakua, & Y. A. Lesnussa., Aplikasi Algoritma Ant Colony System Dalam Penentuan Rute Optimum Distribusi BBM Pada PT. Burung Laut. BAREKENG : Jurnal ilmu matematika dan terapan, 51-59, 2014.
[5]. Kusumadewi, S., & Purnomo, H., Penyelesaian Masalah Optimasi dengan Teknik-teknik Heuristik. Yogyakarta: Graha Ilmu, 2005.
[6]. Lim., A simulated annealing and hill-climbing algorithm for the traveling tournament problem. European Journal of Operational Research, 1459–1478, 2005.
[7]. Mutakhiroh, I., Indrato, & Hidayat, T., Pencarian Jalur Terpendek Menggunakan Algoritma Semut. Seminar Nasional Aplikasi Teknologi Informasi, 2007.
[8]. Rayward, V. J., Osman, I. H., Reeves, C. R., & Smith, G. D., Modern Heuristic Search Methods. England: John Willey & Sons, 1996.
[9]. Taufik, A., 8-Puzzle Problem Bagian 2, 2010.
Published
2017-12-01
How to Cite
[1]
V. Ilwaru, T. Sumah, Y. Lesnussa, and Z. Leleury, “PERBANDINGAN ALGORITMA HILL CLIMBING DAN ALGORITMA ANT COLONY DALAM PENENTUAN RUTE OPTIMUM”, BAREKENG: J. Math. & App., vol. 11, no. 2, pp. 139-150, Dec. 2017.