Pengambilan Keputusan Dengan Metode SMART

BAB 2 TINJAUAN PUSTAKA

2.3 Metode Simple Multi Attribut Rating Technique (SMART)

2.3.2 Pengambilan Keputusan Dengan Metode SMART

SMART memiliki beberapa kelebihan dibandingkan dengan metode pengambilan keputusan lainnya yaitu:

a. Memungkinkan melakukan penambahan / pengurangan alternative

Pada metode SMART penilaian alternatif tidak saling bergantung sehingga dimungkinkan untuk melakukan penambahan atau pengurangan alternatif tidak akan mempengaruhi perhitungan pembobotan.

b. Sederhana

Perhitungan matematis pada metode SMART diproses sangat mudah sehingga tidak memerlukan pemahaman matematika yang kuat.

c. Transparat

Proses analisa alternatif dan kriteria pada metode SMART dapat dilihat langsung oleh user dan mudah untuk dipahami bagaimana hasilnya dipilih. Penentuan kriteria, pembobotan, dan pemberian nilai pada setiap kriteria dilihat dan ditentukan oleh pengambil keputusan.

d. Multikriteria

Metode SMART mendukung pengambilan keputusan dengan menggunakan banyak kriteria yang bias digunakan. Pengambilan keputusan dengan kriteria yang banyak jika dilakukan secara manual tentu akan menyulitkan user dalam menentukan keputusan yang tepat. Dengan menggunakan rumus pada Metode SMART akan memudahkan dalam pengambilan keputusan.

e. Pembobotan Flexibel

Pembobotan yang dipakai di dalam metode SMART lebih fleksibel karena pengambil keputusan dapat mengubah bobot dan kriteria sesuai dengan kepentingan.

2.4. Penelitian Terkait

Penelitian terkait dengan penentuan route terpendek dengan menggunakan Modifikasi Algoritma Ant Colony Optimization telah banyak dilakukan, beberapa penelitian yaitu sebagai berikut:

Naixue Xiong, Wenliang Wu and Chunxue Wu (2017) yang melakukan penelitian berjudul “An Improved Routing Optimization Algorithm Based on Travelling Salesman Problem for Social Networks” yaitu dengan melakukan modifikasi probabilitas semut dalam memilih node. Dengan adanya modifikasi probabilitas semut hasil simulasi menunjukan meningkatnya kecepatan konvergensi dan kemampuan pencarian algoritma, dan mencapai tujuan yang lebih akurat dan hasil terbaik.

Musa P, Baha S dan Pinar Y.K, (2013) melakukan penelitan dengan mengoptimasi parameter tambahan menggunakan Taguchi method. Dengan adanya tambahan metode untuk menghitung parameter terbaik maka algortima semut akan lebih sesuai dengan kondisi sesunguhnya. Namun pada metode taguchi tidak bobot kepentingan pada parameter yang diinput.

Erlin, Windia, Ambarsari (2017) melakukan penelitian dengan melakukan modifikasi algoritma semut untuk optimasi probabilitas pemilihan node dalam penentuan jalur terpendek yaitu dengan menyisipkan Algoritma Fuzzy C-Means ke dalam probabilitas pemilihan titik (node) Algoritma Semut sehingga memungkinkan jalur yang dipilih selama siklus berjalan secara berkelanjutan. sehingga iterasi yang dilakukan dalam perhitungan pencarian jalur terpendek tidak terlalu lama karena lebih cepat mendapatkan konvergensi nilai jalur

BAB III

METODOLOGI PENELITIAN

3.1. Pendahuluan

Pada algoritma ACO Klasik, penentuan route ditentukan berdasarkan jarak antar kota, sehingga dalam penentuan route tidak mempertimbangan kriteria jalur yang akan dilewati.

Pada bab ini penulis akan menjelaskan metodologi penelitian untuk membahas dan menganalisa pemecahan masalah yang dihasilkan. Penulis akan melakukan pengujian berdasarkan metode yang diusulkan dengan melakukan kombinasi dengan sistem pendukung keputusan agar hasil yang diharapkan mampu menyelesaikan permasalahan.

3.2. Data dan Bahan

Penelitian ini dimulai dengan membuat data buatan , yaitu dengan meletakan sebuah secara acak pada sebuah graph. Kemudian setiap node akan dihitung jaraknya dengan metode euclidean distance. Untuk menguji hasil modifikasi algortima maka penulis juga membuat table nilai parameter secara acak pada beberapa jalur kemudian diberi nilai bobotnya.

Sehingga selain bobot jarak aka nada bobot lain yang menjadi parameter dalam pengambilan keputusan. Penulis menggunakan metode Simple Multi Attribute Rating Technique (SMART) untuk menentukan nilai terbaik dari bobot yang ditentukan pada kriteria masing0masing parameter. Sehingga data yang diuji akan dianalisa secara keseluruhan.

Metode yang digunakan pada penelitian ini adalah metode Penelitian dan Pengembangan (Research and Development). Metode Penelitian dan Pengembangan adalah metode penelitian yang digunakan untuk menghasilkan produk tertentu, dan menguji keefektivan produk tersebut.

3.3. Diagram Alur Kerja Penelitian

Pada bab ini akan diuraikan metodologi penelitian dan kerangka kerja penelitian. Kerangka kerja ini merupakan langkah – langkah yang akan dilakukan dalam penyelesaian maslaah yang akan dibahas. Adapaun kerangka kerja penelitian ini adalah sebagai berikut:

Gambar 3.1. Diagram alur kerja penelitian secara umum

Berdasarkan gambar 3.1 diagram alur kerja penelitian dilakuakn pahapan penelitian yaitu:

1. Identifikasi Masalah

Tahap ini dilakukan menidentifikasi permasalahan yang terjadi dengan mencari refrensi melalui internet, literatur, buku/e-book, jurnal, maupun tulisn lain yang berhubungan dengan algortima dan route terpendek.

2. Menentukan Metode Penelitian

Tahap ini dilakukan dengan mencari penelitian terkait Algoritma yang dipakai untuk kasus route terpendek dan optimasi.

3. Mengumpulkan Data

Data yang digunakan adalah data buatan, karena algoritma hanya menguji kasus kondisional dan dapat berubah.

4. Rancangan Penelitian

Tahap ini merupakan proses perancangan system kedalam flowchart, algoritma program, dan perancangan aplikasi.

Mengidentifikasi Masalah

Menentukan Metode Penelitian

Mengumpulkan Data

Rancangan Penelitian

Implementasi dan Hasil Penelitian

Menyimpulkan Hasil Penelitian

5. Implementasi dan Hasil Penelitian

Data yang dibuat kemudian akan diimplementasikan kedalam aplikasi menggunakan Program Mathab untuk dilakukan pengujian.

6. Kesimpulan

Tahap akhir dari penelitian ini merupakan pembuatan dokumentasi hasil peneltian dan dibuat kesimpulan untuk dituangkan kedalam laporan.

3.4. Rancangan Penelitian

Rancangan penelitian ini dibuat untuk memudahkan peneliti menentukan hal-hal yang harus dilakukan dalam mencapai hasil yang diinginkan. Rancangan penelitian ini dapat dilihat pada Gambar 3.2.

MULAI

OBJECT

PERM ASALAHAN MANFAAT TUJUAN

PERSIAPAN PENELITIAN

STUDI PUSTAKA

PENGUMPULAN DATA

ANALISIS DATA

REPRESENTASI GRAF

ANALISIS RUTE TERPENDEK

MODEL RUTE TERPENDEK ANALISIS SISTEM

PERANCANGAN SISTEM

IMPLEMENTASI

HASIL DAN KESIMPULAN

SELESAI

JURNAL, BUKU DAN E-BOOK

Koordinat Graph

Gambar 3.2 Rancangan Penelitian

a. Persiapan Penelitian

Pada tahap ini ditentukan objek penelitian, permasalahan yang ada, tujuan dan manfaat dari penelitian.

b. Studi Pustaka

Dalam penelitian ini dilakukan pengumpulan dan mempelajari literatur-literatur yang berhubungan dengan permasalahan, teori-teori, dan algoritma Ant Colony baik dari buku, jurnal lain sebagainya.

c. Pengumpulan Data

Data yang dikumpulkan berupa data buatan yang disesuaikan berdasarkan situasi yang akan dilakukan pengujian.

d. Analisis Sistem

Pada tahap ini data yang telah dibuat kemudian dianalisa dan di representasikan dalam bentuk graf. Dari hasil representasi graf selanjutnya dianalisa dengan alagoritma Ant Colony untuk mendapatkan rute terpendek kemudian digambarkan dalam pemodelan rute terpendek.

e. Perancangan Sistem

Agar aplikasi prototype yang dibangun sesuai dengan hasil analisa maka pada tahap ini dilakukan perancangan sistem.

f. Implementasi Sistem

Tahap ini merupakan tahap pengujian terhadap sistem menggunakan aplikasi mathlab.

g. Hasil dan Kesimpulan

Pada tahap ini dihasilkan rute terpendek dari sebuah graph, kemudian disimpulkan dengan algoritma ACO yang telah dimodifikasi apakah mampu menentukan rute terpendek dengan akurat.

3.5. Penentuan Route Terpendek

Ada beberapa tahapan yang dilakukan pada penentuan route. Pada penelitian ini diusulkan pemilihan route yang akan dilewati dilakukan dengan pendekatan Sistem Pendukung Keputusan (SPK) dengan Metode SMART untuk membantu menyelesaikan permasalahan dalam proses pengambilan keputusan dengan mempertimbangan kriteria dan bobot pada tiap-tiap route. Proses tahapan penentuan jalur dapat dilihat pada Gambar 3.3

MULAI

Inisialisasi Parameter ACO

Perhitungan Nilai Feromon Awal

Tempatkan Semut Pada Node Awal

Perhitungan Terhadap Jalur yang akan di lewati berdasarkan

Jarak

Setiap Jalur Yang di Tempuh Akan Dilakukan Perhitungan Berdasarkan

Kriteria dan Bobot Menggunakan Metode SMART

Penentuan jalur yang dilalui

Update Feromon

Hasil Penentuan Route

Metode yang di usulkan Tentukan node selanjutkan dengan

random-proportional rule

Gambar 3.3 Alur Penentuan Route ACO

Berdasarkan alur penentuan route pada gambar 3.4. terdapat usulan metode tambahan pada perhitungan jalur yang ditempuh dengan mempertimbangkan kriteria dan bobot yang diberikan. Sehingga, jalur yang ditempuh menggunakan algortima ACO akan berdampak pada nilai feromon pada setiap route. Sehingga Algortima ACO tidak lagi tergantung dengan bobot jarak namun dihitung berdasarkan nilai terbaik berdasarkan metode SMART.

3.6. Penentuan Route dengan Metode SMART

Sebelum ketahapan pelaksanaan penentuan route terpendek, koordinat titik (node) yang akan dilalui untuk mendapatkan jaraknya terlebih dahulu dilakukan perhitungan dengan metode euclidean distance. Kemudian tahap selanjutnya proses penentuan kriteria dan bobot dengan Metode SMART. Adapun tahap pengambilan keputusan data ini dapat dilihat pada Gambar 3.4.

Menentukan Kriteria dan Bobot

MULAI

Menentukan Sub Kriteria dan Nilai

Menentukan Standar Nilai Keputusan

Menentukan Nilai Utility dari Setiap Alternatif

Kalikan Nilai Utility dengan Bobot Kriteria

Preferensi Nilai Alternatif

SELESAI

Gambar 3.4 Alur Kerja Metode SMART

BAB IV

HASIL DAN PEMBAHASAN

4.1. Pendahuluan

Bab ini mengenai hasil penelitian penulis terhadap beberapa permasalahan mengenai sebuah rute terpendek dengan adanya penambahan kriteria tertentu pada beberapa jalur, dari hasil penelitian dapat ditarik suatu kesimpulan, apakah adanya sebuah penyelesaian tentang pengoptimalan untuk pencarian rute terpendek yang memiliki sebuah kendala yaitu sebuah lintasan terlarang dengan menggunakan algoritma ACO. Dalam penelitian ini yang akan dibahas adalah sebuah pencarian rute terpendek dengan adanya penambahan kriteria jalur dari sumber ke tujuan. Kriteria jalur adalah sebuah kondisi dalam proses pencarian optimasi pencarian rute terpendek, yang dimana jalur yang dilewati akan diberikan kriteria bobot sebagai pertimbangan dalam pengambilan keputusan setiap jaur yang akan dilewati dari pengoptimalan pencarian rute terpendek. Sehingga dapat dirumuskan dalam penyelesaian secara optimum dalam pencarian rute terpendek dengan adanya penambahan kriteria tertentu dengan menggunakan sebuah penyelesaian menggunakan algoritma ant colony.

Proses selanjutnya dari bobot dan kriteria yang diberikan, dilakukan penentuan nilai terbaik dari beberapa parameter tambahaan. Karena itu penulis memberikan solusi untuk pengembangan dari algortima ACO yaitu perlu adanya modifikasi algoritma dengan mengkombinasikan dengan Metode SMART. Dengan adanya metode SMART yang digunakan untuk mepertimbangkan selain bobot jarak sebagai penentuan jalur yang akan dilalui. Dan dengan adanya beberapa bobot tambahan berdasarkan kriteria jalur dapat menjadi solusi untuk menentuan jalur dengan kondisi sebenarnya.

4.2. Data Uji Coba

Proses yang dilakukan pertama kali adalah yaitu menentukan posisi koordinat sebuah titik pada graf. Adapun yang menjadi data dalam penelitian ini yang digunakan untuk melakukan analisa pencarian rute terpendek dengan adanya kriteria pada setiap edge, penulis dalam hal ini mengambil data dari 6 buah koordinat sebuah graf secara acak dengan memberikan kriteria tambahan pada setiap edge.

Untuk Menentukan jarak antar edge dihitung menggunakan metode Euclidean. Hasil perhitungan (Jarak) perhitungan dengan metode Euclidean masih dalam satuan degree.

Adapun data yang dihasilkan seperti pada Tabel 4.1.

Tabel 4.1. Jarak Antar Node

A B C D E F

Pada tabel 4.1 menampilkan sebuah jarak antar node yang digambarkan pada tampilan graf maka dapat kita lihat titik yang akan dilewati dalam pencarian jarak terdekat. Data pada table diatas menunjukkan nilai jarak antar edge dihitung menggunakan koordinat X dan Y.

0 10 20

Gambar 4.1 Graf Dengan Enam Vertex

4.3.Hasil Pengujian Menggunakan Algoritma ACO Klasik.

Pada pembahasan ini akan diuraikan hasil simulasi pada proses pencarian rute terpendek dengan sebelum adanya penambahan bobot pada jalur yang dilalui dengan menggunakan algortima ACO dengan menggunakan program mathlab. Setiap perjalan dimulai dari titik 1 dan route selanjutnya dipilih dengan algortima.

4.3.1. Pengujian dengan 5 Iterasi

Pengujian dilakukan menggunakan 6 buah vertex dan jumlah iterasi sebanyak 5 kali untuk melihat route yang ditempuh hanya mempertimbangkan jarak sebagai bobot yang dihitung menggunakan euclidean distance. Hasil pengujian dapat dilihat pada Tabel 4.5.

Gambar 4.2 Route yang ditempuh 5 iterasi pada ACO klasik.

Pada Gambar 4.2 menunjukkan bahwa route yang dipilih berdasarkan hasil perhitungan ACO klasik sebanyak 5 iterasi mengasilkan route 1-2-6-3-4-5 (A-B-F-C-D-E). jika dihitung secara manual berdasarkan pada table 4.1 merupakan route terbaik. Route yang dipilih adalah nilai terbaik berdasarkan jarak antar titik ke titik lainya. Proses komputasi menggunakan algortima ACO klasik berdasarkan perbandingan nilai terbaik dan iterasi dapat dilihat pada Gambar 4.3.

Gambar 4.3 Grafik Perhitungan 5 iterasi pada ACO klasik

Dari Gambar 4.2. terlihat bahwa hasil yang dipilih yaitu : Route : 1 -> 2 -> 6 -> 3 -> 4 -> 5.

Best Cost : 214,5738 Time Proses : 0,434537 detik.

Berdasarkan Gambar 4.3. Best Cost sudah terlihat pada iterasi ke 3.

4.3.2. Pengujian dengan 10 Iterasi

Gambar 4.4 Route yang ditempuh 10 iterasi pada ACO klasik

Setelah dilakukan pengujian algortima ACO klasik sebanyak 10 iterasi. Route yang dipilih yaitu 1-2-6-3-4-5 (A-B-F-C-D-E). Route yang dihasilkan dapat dilihat pada Gambar 4.4.

Route terbaik adalah 1-2-6-3-4-5 (A-B-F-C-D-E), artinya jalur yang dilewati tidak berubah masih sesuai dengan pengujian sebanyak iterasi. Namun secara Proses komputasi menggunakan algortima ACO klasik sebanyak 10 iterasi berdasrakan perbandingan nilai terbaik dan iterasi pada Gambar 4.5. menunjukan route terbaik dihasilkan pada iterasi ke 8.

Gambar 4.5 Grafik Perhitungan 10 iterasi pada ACO klasik Dari Gambar 4.4. terlihat bahwa hasil yang dipilih yaitu :

Route : 1 -> 2 -> 6 -> 3 -> 4 -> 5.

Best Cost : 214,5738 Time Proses : 0,663602 detik.

Berdasarkan Gambar 4.5. Best Cost sudah terlihat pada iterasi ke 8.

4.3.3. Pengujian dengan 15 Iterasi

Gambar 4.6 Route yang ditempuh 15 iterasi pada ACO klasik

Pada Gambar 4.6 merupakan hasil pengujian algortima ACO klasik sebanyak 15 iterasi. Route yang dipilih yaitu 1-2-6-3-4-5 (A-B-F-C-D-E). Dari pengujian sebanyak 5 iterasi, 10 iterasi dan 15 iterasi menunjukan bahwa algorima ACO Klasik memilih jalur 1-2-6-3-4-5 (A-B-F-C-D-E) sebagai jalur terbaiknya. Hal ini dikarenakan bahwa algortima hanya mempertimbangkan bobot jarak pada saat pemilihan jalurnya. Algorima ACO merupakan algortima terbaik yang mampu pada pemecahan optimalisasi masalah kombinatorial dan mampu menghasilkan solusi terbaik dalam pencarian sebuah route terpendek.

Dari Gambar 4.6. terlihat bahwa hasil yang dipilih yaitu : Route : 1 -> 2 -> 6 -> 3 -> 4 -> 5.

Best Cost : 214,5738 Time Proces : 0,907388 detik.

Berdasarkan Gambar 4.7. Best Cost sudah terlihat pada iterasi ke 3.

Dari hasil pengujian menggunakan Algortima ACO klasik terlihat bahwa secara umum solusi jalur terbaik yang ditempuh cenderung tidak berubah. namun Time Process dan Best Cost dapat bervariasi untuk tiap kali pengujian. Variasi tersebut disebabkan oleh terdapatnya pembangkitan bilangan acak pada algoritma ACO dan Jumlah Iterasi pada proses penentuan jalur yang akan dilewati oleh agent semut.

4.4. Hasil Pengujian Menggunakan Algoritma ACO Modifikasi.

Algoritma ACO yang telah dimodifikasi akan digunakan untuk penentuan route tercepat dengan mempertimbangkan keriteria dan bobot yang dimasukan. Modifikasi algoritma ACO ini dilakukan dengan menambahkan parameter nilai pada masing-masing jalur yang akan ditempuh. Sehingga berbeda dengan algoritma ACO sebelumnya. Pada algoritma ACO klasik hanya mempertimbangkan nilai jarak antar titik (node). Pada algoritma ACO yang telah dimodifikasi di berikan 2 buah kriteria tambahan (kondisi jalan, dan kepadatan) kemudian diberi bobot sebagai tingkat kepentingan pada kriteria yang dilalui. Adapun nilai parameter tambahan terdapat pada Tabel 4.2 dan Tabel 4.3.

Tabel 4.2. Nilai Kepadatan Jalan Tiap Jalur

A B C D E F

Pada Tabel 4.3. Nilai yang dimasukan sebagai tingkat kepadatan jalur yang akan dilalui hanya terletak di Route D-E senilai 78 . Bobot yang diberikan untuk kriteria kepadatan jalur yaitu sebesar 50.

Tabel 4.3. Nilai Kondisi Jalan Tiap Jalur

A B C D E F

Pada Tabel 4.3. Nilai yang dimasukan sebagai nilai kondisi jalan terletak di Route A-B = 90, B-D = 8, B-F = 85, C-F = 6, D-A=4. Dengan bobot yang diberikan untuk kriteria kondisi jalur yaitu sebesar 70. Kemudian Nilai diatas dilakukan perhitungan untuk mendapatkan nilai terbaik dengan Metode SMART.

Tabel 4.4. Hasil Penentuan Nilai Terbaik

A B C D E F pada table 2.5 tersebut akan digunakan sebagai parameter penentuan jalur yang akan dihitung menggunakan algortima ACO. Untuk melihat hasil modifikasi ACO dilakukan pengujian dengan 5, 10, dan 15 iterasi.

4.4.1. Pengujian dengan 5 Iterasi

Gambar 4.8 Route yang ditempuh 5 iterasi pada ACO Modifikasi

Gambar 4.8 menunjukkan bahwa route yang dipilih berdasarkan hasil perhitungan ACO modifikasi dimulai 1-6 (A-F). Ini menunjukan bahwa nilai terbaik tidak melewati lintasan 1-2 (A-B).

Perhitungan route yang dipilih dengan mempertimbangkan kritera dan bobot yang ditambahkan menyebabkan terjadinya perubahan nilai pada jalur yang dapat dilihat pada data dibawah ini :

Sebelum

1-2 (AB) = 20,2485.

1-6 (A-F) = 26,9258.

Sesudah

1-2 (AB) = 39,8494.

1-6 (A-F) = 11,3703.

Jika dilihat dari perubahan data diatas, nilai dari jalur 1-2 (AB) berubah lebih besar, dan Nilai dari jalur 1-6 (A-F) berubah lebih kecil. Hal itu disebabkan adanya penambahan nilai dari kondisi jalan yang sangat besar pada jalur 1-2 (AB).

Gambar 4.9 Grafik Komputasi 5 iterasi pada ACO Modifikasi

Dari Gambar 4.8. terlihat bahwa hasil yang dipilih yaitu : Route : 1 -> 6 -> 3 -> 4 -> 2 -> 5.

Best Cost : 123,6386 Time Proces : 0,401649 detik.

Berdasarkan Gambar 4.9. Best Cost sudah terlihat pada iterasi ke 2.

4.4.2. Pengujian dengan 10 Iterasi

Gambar 4.10 Route yang ditempuh 10 iterasi pada ACO Modifikasi

Setelah dilakukan pengujian dengan iterasi sebanyak 10 kali pada perhitungan menggunakan ACO modifikasi. Route yang dihasilkan sudah didapatkan, Namun jalur yang dipilih berubah, jalur yang dilewati bukan 1-2 (A-B) dipilih. Karena berdasarkan perhitungan nilai terbaikan yang dilakukan berdasarkan metode SMART, jalur 1-2 (A-B) merupakan bukan solusi terbaik, karena memiliki tingkat kepadatan jalan dan kondisi jalur yang kurang baik.

Gambar 4.11 Grafik Komputasi 10 iterasi pada ACO Modifikasi

Dari Gambar 4.10. terlihat bahwa hasil yang dipilih yaitu : Route : 1 -> 6 -> 4 -> 2 -> 3 -> 5.

Best Cost : 117,706 Time Proces : 0,68473 detik.

Berdasarkan Gambar 4.11. Best Cost sudah terlihat pada iterasi ke 6.

4.4.3. Pengujian dengan 15 Iterasi

Gambar 4.12 Route yang ditempuh 15 iterasi pada ACO Modifikasi

Pada gambar 4.12. merupakan hasil keluaran menggunakan ACO modifikasi dengan iterasi sebanyak 15 kali. Hasil menunjukan bahwa jalur yang dilalui tidak melawati route 1-2 (A-B).

Karena jalur tersebut sudah diberikan bobot selain jarak yang berdampak terhadap keputusan yang diambil dengan Metode SMART memilih jalur lain sebagai jalur terbaik. Jalur 1-2 (A-B) merupakan jarak terdekat, tetapi karena kepadatan dan kondisi jalan makan route tersebut bukan route rebaik.

Gambar 4.13 Grafik Komputasi 10 iterasi pada ACO Modifikasi

Dari Gambar 4.12. terlihat bahwa hasil yang dipilih yaitu : Route : 1 -> 6 -> 4 -> 2 -> 3 -> 5.

Best Cost : 117,706

Time Proces : 0,925067 detik.

Berdasarkan Gambar 4.13. Best Cost terlihat pada iterasi ke 2.

4.5. Hasil Pengujian ACO Modifikasi Sebanyak 20 Node.

Gambar 4.14 Route yang ditempuh sebanyak 20 Node pada ACO Modifikasi

Hasil pengujian pada algortima ACO Modifikasi dengan memberikan 20 titik secara acak yang dihasilkan pada gambar 4.14 menunjukan bahawa, route perjalanan semut dalam mengunjungi semua kota telah mampu memberikan solusi terhadap jalur yang akan dilewati dengan mempertimbangkan setiap bobot dan kriteria pada jalur yang diberikan. Proses iterasi yang diberikan sebanyak 100 iterasi dengan jumlah semut sebanyak 50. Perhitungan pada komputasi menunjukan bahwa solusi terbaik didapatkan pada iterasi kurang dari 10. Artinya walapun titik yang diberikan sudah ditambahkan namun algortima ACO Modifikasi tetap menghasilkan solusi yang cukup baik. Grafik komputasi perhitungan dengan algortima ACO Modifikasi dapat dilihat pada gambar dibawah ini.

Gambar 4.15 Grafik Komputasi 20 Node pada ACO Modifikasi

Dari hasil pengujian menggunakan algortima ACO modifikasi sesuai Gambar 4.14 yang diberikan titik (node) yang akan dikunjungi sebanyak 40 menunjukan bahwa hasil yang diberikan cukup baik. Terhadap kriteria dan bobot yang diberikan pada route 1-2 (A-B) menunjukan bahwa semut lebih memilih kota lain untuk dikunjungi selanjutnya, karena berdasarkan nilai perhitungan menggunkan algortima SMART, Route 1-2(A-B) bukan merupakan solusi terbaik. Hasil pengujian berdasarkan simulasi menggunakan program tersebut juga menunjukan bahwa proses penentuan route yang akan dilalui juga cukup relatif cepat yaitu sebesar 13.735529 detik dengan jumlah semut sebanyak 50 dan iterasi sebanyak 100 kali. Jumlah iterasi dan semut memiliki peranan penting untuk menemukan solusi terbaik, namun waktu yang diperlukan menjadi tentu semakin lama.

4.6. Pembahasan

Pada bagian sebelumnya telah dilakukan pengujian dengan menggunakan algoritma ACO Klasik dan Algoritma ACO yang telah dimodifikasi. Kaitan antara penentuan route yang di tempuh menarik untuk diamati. Pada algoritma ACO klasik penentuan route dilakukan dengan menggunakan hanya mempertimbangkan bobot jarak sehingga route yang diambil tergantung jarak antar titik (node). Namun pada algortima ACO Modifikasi diberikan beberapa kriteria dan bobot tambahan untuk menentukan jalur yang akan dilewati. Kemudian selanjutnya setelah diberikan nilai pada kriteria dan bobot, pemilihan route yang akan

untuk membantu menyelesaikan permasalahan dalam proses pengambilan keputusan dengan mempertimbangan kriteria dan bobot tersebut. Maka pengambilan route tidak lagi nya berdasarkan bobot jarak namun kriteria lainya juga di hitung dengan Metode SMART untuk mendapatkan nilai terbaik terdahap kriteria yang diberikan, sehingga ketika semut sudah melewati jalur, maka semut akan memilih jalur yang terbaik dengan mempertimbangkan bobot lain. pengujian Algortima ACO dilakukan dengan menggunakan graf sebanyak 6 vertex dengan jumlah iterasi yang beragam yaitu sebesar 5,10,15. Adapun hasil pengujian dapat dilihat pada Tabel 4.6.

Tabel 4.5. Hasil Pengujian dengan Menggunakan Algoritma ACO Klasik, dan Algoritma ACO yang Telah Dimodifikasi

Iterasi 5 Iterasi 10 Iterasi 15

Berdasarkan pada Tabel 4.5 dapat dilihat bahwa secara umum penambahan parameter pada jalur tidak berpengaruh terhadap performance dari algoritma ACO yang ditunjukkan di dalam nilai Time Process yang diperoleh berdasarkan pada hasil perhitungan komputasi. Namun solusi yang dihasilkan terhadap Algortima ACO yang telah dimodifikasi mampu memberikan solusi alternative terhadap jalur yang akan ditempun dengan mempertimbangkan beberapa kriteria dan bobot yang diberikan oleh user sebagai pertimbangan untuk pemilihan jalur. Jika dilihat dari Tabel 4.6 pada Algoritma ACO Klasik selalu memilih route ke 2 sebagai tujuan selanjutnya. Ini disebabkan belum diberikannya kriteria dan bobot tambahan pada sebuah jalur yang akan dilalui. Bobot yang digunakan hanya bobot jarak. Namun pada algortima ACO yang telah dimodifikasi semut selalu memilih route no 6 sebagai route selanjutnya, dikarenakan pada route 1-2 (A-B) walaupun jarak lebih pendek namun sudah diberikan nilai

Dalam dokumen MODIFIKASI ALGORTIMA ANT COLONY OPTIMIZATION UNTUK PENENTUAN ROUTE TERPENDEK TESIS DONNY SANJAYA (Halaman 30-57)