PENDAHULUAN
Latar Belakang
Rumusan Masalah
Batasan Masalah
Manfaat Penelitian
Keaslian Peneliti8an
Sistimatika Penulisan
TINJAUAN PUSTAKA
Ant Coloni Optimization
Algoritme Multiple Objective A nt Colony Optimization 7
Gunung Lokon
Gunung Lokon merupakan gunung berapi aktif yang berada di Provinsi Sulawesi Utara, tepatnya terletak 45 km sebelah utara Kota Manado. Peta kerawanan bencana letusan Gunung Lokon yang dikeluarkan oleh Badan Nasional Penanggulangan Bencana (BNPB) [13] pada tahun 2011 membagi wilayah Daerah Rawan Bencana II dengan wilayah yang letaknya paling dekat dengan sumber bahaya, sehingga berpeluang besar untuk terkena bencana. terkena bahaya hantaman langsung, berupa awan panas, lemparan batu (glowing), hujan abu lebat, dan lahar [13]. Algoritma Ant Colony Optimization (ACO) untuk pemilihan jalur evakuasi tercepat bencana Gunung Lokon Sulawesi Utara.
LANDASAN TEORI
Ant Coloni Optimization (ACO)
Multiple Objective βAnt Colony Optimization (MO-ACO) 23
Manuel Lopez dkk [21] telah mengidentifikasi beberapa komponen algoritmik yang sesuai dengan alternatif desain yang dijelaskan di atas. Manuel Lopez [21] merancang struktur algoritma MOACO menggunakan konfigurasi frame tertentu untuk meniru desain algoritma MOACO yang sudah ada. Penelitian ini secara khusus mengadopsi desain yang dibuat oleh Manuel Lopez dalam merancang algoritma MOACO.
Manuel Lopez [21] menjelaskan bahwa meskipun Multiple Objective Ant-Q (MOAQ) pada awalnya dirancang untuk masalah dengan preferensi berdasarkan urutan tujuan (optimasi leksikografis), namun secara umum MOAQ dirancang untuk masalah bi-objektif dalam hal optimasi algoritma Pareto [21]. 22]. Salah satu bagian dari algoritma MOACO yang dijelaskan oleh Manuel Lopez [21] disebut BicriterionAnt, dengan beberapa feromon dan matriks heuristik, dikombinasikan dengan produk berbobot. Manuel Lopez melakukan hal yang sama untuk menggabungkan beberapa matriks feromon dan memperbarui feromon yang tidak didominasi [21].
Akibatnya, sangat mudah untuk mendefinisikan MACS multi-koloni, seperti yang dilakukan Manuel Lopez dalam kerangka MOACO-nya. Pada mACO-2, menurut Manuel Lopez [21], matriks feromon dikumpulkan dengan menjumlahkan matriks feromon dari setiap tujuan. Varian ketiga, seperti yang dijelaskan oleh Manuel Lopez, menggunakan matriks feromon tunggal, yang diperbarui menggunakan semua solusi yang tidak didominasi (baik dari arsip iterasi terbaik atau arsip terbaik yang pernah ada) [21] .
Sebaliknya, Manuel Lopez mengusulkan untuk secara otomatis menemukan desain terbaik untuk masalah tertentu dengan konfigurasi otomatis (offline) dari kerangka MOACO [21]. Dalam penelitiannya, Manuel Lopez [21] telah menambahkan Iterated F-Ras (I/F-Ras), untuk kasus multi-objektif dengan menggunakan ukuran kualitas unary. Oleh karena itu, Manuel Lopez mereplikasi konfigurasi otomatis hibridisasi kerangka MOACO dan pencarian lokal [21]. a) Pengaturan eksperimental.
METODOLOGI PENELITIAN
- Tahapan Penelitian
- Diagram Alir Penelitian
- Rancangan Skema Penelitian
- Jadwal Penelitian
Wawancara atau wawancara ini dilakukan kepada kepala badan penanggulangan bencana daerah maupun kepada personel yang ada, termasuk TIM SAR. Selain itu, wawancara juga dilakukan terhadap staf pos pemantauan kegiatan di Gunung Lokon dan masyarakat di daerah rawan bencana. Pada fase ini analisis dilakukan dengan menentukan indikator-indikator yang akan digunakan untuk menganalisis smart environment.
Selain itu juga ditentukan beberapa asumsi yang akan digunakan untuk menggunakan algoritma multiple objektif ant colony optimizer (MO-ACO). Pada bagian ini kami juga akan menganalisis persyaratan perhitungan sistem dan langkah-langkah yang akan digunakan dalam perhitungan. Pada tahap ini dirancang model grafik daerah rawan bencana berdasarkan peta bencana yang ada.
Kemudian dibuat asumsi mengenai titik-titik yang akan dilalui pengungsi dan TIM SAR bahkan pengiriman jalur logistik bencana. Pada tahap ini akan dilakukan konstruksi feromon dan ditentukan parameter yang akan digunakan pada algoritma MO-ACO. Pada tahap ini dilakukan proses analisis dengan menggunakan algoritma multi-objective Ant Colony Optimization, dalam analisis ini digunakan persamaan pada algoritma MOACO.
Pada tahap ini pengujian dilakukan sedemikian rupa sehingga hasil analisis yang diperoleh diperiksa apakah sudah memadai dan baik.
PEMBAHASAN
Peta Kota Tomohon
Semula kedua desa tersebut hanya satu desa namun dipecah menjadi dua desa menjadi desa Tinoor I dan desa Tinoor II. Kedua kelurahan ini merupakan perbatasan barat wilayah administrasi Pemerintah Kota Tomohon dan Kabupaten Minahasa. Petunjuk jalur evakuasi dibuat hanya dengan perkiraan tanpa perhitungan yang memadai, sehingga hasilnya masih kurang akurat.
Kawasan tersebut masuk dalam kategori zona berbahaya karena letaknya yang sangat dekat dengan pusat letusan atau kawah Gunung Lokon. Selain sebagai kawasan pemukiman, kawasan ini juga merupakan kawasan perkebunan, pertanian, dan peternakan yang subur dan hijau. Petunjuk jalur evakuasi, sama halnya dengan Desa Tinoor, dibuat hanya berdasarkan perkiraan tanpa perhitungan yang memadai, sehingga hasilnya masih kurang akurat.
Sebagian besar wilayahnya terdiri dari persawahan yang subur, pertanian, peternakan dan perkebunan bunga hias khas kota Tomohon. Selain itu juga dapat dijadikan sebagai titik aman untuk menempatkan shelter pengungsi yang dapat digunakan ketika terjadi bencana.
Peta Kebencanaan Gunung Lokon
Gunung Lokon mempunyai 1 (satu) kawah yang disebut Tompaluan dan mempunyai 2 (dua) puncak yaitu puncak Lokon dan puncak Empung. Ketinggian puncaknya adalah Lokon 1579,5 m dpl, Empung 1340 m dpl, dan Tompaluan 1140 m dpl dan berada dalam wilayah administratif Kota Tomohon, Sulawesi Utara. Gunung Lokon mempunyai masa letusan yang sangat lama sebelum tahun 1800 (400 tahun), namun setelah tahun 1949 menunjukkan peningkatan frekuensi yang sangat tajam, selang waktu letusan bervariasi antara 1 β 4 tahun, dengan rata-rata 3 tahun.
Geomorfologi kompleks Lokon-Empung terbagi menjadi 4 satuan, yaitu satuan geomorfologi kerucut, satuan kawah, satuan geomorfologi punggungan rendah dan bergelombang, dan satuan geomorfologi datar. Empung mempunyai dua buah kerucut yang runcing yaitu Empung Muda di sebelah barat dan Empung Tua di sebelah timur yang masing-masing mempunyai kawah di bagian atasnya. Kawah Tompaluan saat ini merupakan kawah teraktif, terbentuk sekitar tahun 1828, sedangkan Kawah Empung sudah tidak aktif lagi.
Satuan geomorfologi dataran ini memanjang di sepanjang pantai utara, sekitar kawasan Malalayang dan Dataran Tinggi Kakaskasen pada ketinggian sekitar 800 m. Sebaran fokus gempa vulkanik periode MeiβJuni 2008 terkonsentrasi di kawah Tompaluan dengan radius kurang dari 1 km. Berdasarkan hiposenternya, terdapat dua kelompok seismik dominan yaitu pada kedalaman 0,05 - 1 km di bawah kawah Tompaluan dan 2 - 3 km di bawah kawah Tompaluan.
Lokon dilakukan secara terus menerus baik secara visual maupun seismik dari Pos Pengamatan yang terletak di Kakaskasen Kota Tomohon.
Perhitungan
Dalam melakukan perhitungan, peneliti menggunakan faktor pembatas (variabel) yang digunakan dalam perhitungan dengan algoritma MOACO sebagai berikut. Algoritma MOACO menghitung jarak perjalanan terbaik dan terpendek untuk mencapai titik evakuasi aman bagi yakti. Algoritma ini mencoba untuk memilih kecepatan yang baik ketika memilih rute evakuasi yang akan diikuti.
Algoritma MOACO akan memilih rute dengan belokan yang lebih sedikit untuk menentukan jalur evakuasi yang akan dilalui. Variabel ini menghitung jumlah orang dan kepadatan yang dapat menyebabkan kemacetan pada suatu jalur potensial, sehingga dapat menghambat kecepatan dan efektivitas proses evakuasi. Algoritma MOACO akan memilih rute dengan kepadatan rendah sehingga kecepatan dan efektivitas evakuasi akan lebih baik.
Titik aman ini diperoleh dari peta bencana yang tersedia kemudian dapat ditentukan rute dengan banyak tingkatan titik aman. Algoritma MOACO memasukkan titik aman dalam perhitungannya, sehingga jalur yang dipilih harus benar-benar aman untuk dilewati. Algoritma MOACO akan memilih jalur yang mempunyai banyak titik aman sehingga akan menjadi jalur yang aman dari bencananya sendiri.
Untuk menghitung determinan dari heuristic information clustering digunakan persamaan yang digunakan pada framework algoritma MOACO dengan tiga pilihan persamaan yaitu: Jumlah tertimbang: πππ= (1 β π)πππ1 + ππππ2 πππ πππ = (1 β π)πππ π1 + ππππ2 (7).
Hasil
- Segmen Optimasi
Untuk menghitung titik shelter terbaik menggunakan algoritma MOACO digunakan perhitungan untuk empat segmen dengan 5 (lima) kriteria seperti terlihat pada tabel 3 berikut. Dari hasil perhitungan menggunakan algoritma MOACO terlihat shelter point terbaik seperti terlihat pada segmen I sebesar 96% adalah yang terbesar dengan peringkat pertama, kemudian segmen II sebesar 95% disusul segmen III sebesar 65% dan terakhir segmen IV sebesar 63%. 4 km β 5 km Aman Dalam penelitian ini diasumsikan lokasi asal korban yang akan dievakuasi berada di wilayah prioritas penanganan yaitu Desa Tinoor dan akan dievakuasi dengan memilih jalur evakuasi tercepat.
Untuk menghitung jalur distribusi terbaik dengan algoritma MOACO digunakan perhitungan empat segmen dengan 5 (lima) kriteria seperti terlihat pada Tabel 3 berikut. Solusi akhir untuk segmen optimasi jalur evakuasi diperoleh dengan menggunakan kuantitas dan waktu pelaksanaan, dikembangkan pendekatan yang lebih layak dalam memperoleh peta jalur evakuasi jika terjadi bencana. Dari hasil perhitungan menggunakan algoritma MOACO terlihat bahwa jalur terpendek terlihat pada segmen IV sebesar 90%, tertinggi pada peringkat pertama, kemudian segmen III sebesar 87%, disusul segmen II sebesar 86% dan saya di 83%.
Hal ini menunjukkan bahwa dalam mengoptimalkan pemilihan jalur evakuasi sebaiknya dilakukan pada ruas Area IV dan III karena mungkin merupakan wilayah yang paling berbahaya. Dari hasil perhitungan menggunakan algoritma MOACO terlihat bahwa jalur terpendek yang terlihat pada segmen I sebesar 95% merupakan yang terbesar dengan rangking pertama, kemudian segmen IV sebesar 84% dan yang terakhir adalah segmen II dan III pada 81 persen. Hal ini menunjukkan sebaiknya dukungan logistik dilakukan pada segmen Area I dan IV karena dapat dicapai dengan cepat.
Sedangkan segmen II dan III membutuhkan waktu yang lama untuk menjangkau wilayah tersebut sehingga tidak menjadi prioritas.
KESIMPULAN ,REKOMENDASI DAN DISKSUSI 87
Rekomendas
Disksusi
Liqiang Liu, "Ant Colony Optimization Algorithm for Continuous Domains Based on Position Distribution Model of Ant Colony Foraging," Hindawi Publishing Corporation The Scientific World Journal, pp. Leksono, "Ant Colony Optimization (Aco) Algorithm for Resolving the Traveling Salesman Problem (TSP)," Faculty of Mathematics and Natural Sciences, Diponegoro University, Semarang, 2009. Manuel López-IbÑñez, "'n Experimenttele Analise van ontwerpkeuses van multi-objecttiewe mierkolonie-optimiseringsalgoritmes," Swarm Intelligence, vol.
StΓΌtzle, "Automatic design of multi-objective ant colony optimization algorithms," IEEE Transactions on Evolutionary Computation, vol. Mora, βPareto-based multi-objective ant colony optimization algorithms: an island model proposal,β Soft Comput , vol. StΓΌtzle, "Impact of Design Choices of Multiobjective Ant Colony Optimization Algorithms on Performance: An Experimental Study on Biobjective TSP."
Teerapun Saeheaw, βApplication of Ant Colony Optimization for Multi-Objective Manufacturing Problems,β World Academy of Science, Engineering and Technology, vol. Rizzoli, βAnt Colony Optimization for Real-World Vehicle Routing Problems From Theory to Applications,β Swarm Intell, vol. Liqiang Liu, βAnt colony optimization algorithm for continuous domains based on position distribution model of ant colony foraging,β The Scientific World Journal, pp.
Ariyasingha, βA performance study for the multi-objective ant colony optimization algorithms on the workshop scheduling problem,β International Journal of Computer Applications , vol.