Jurnal Riset Komputer (JURIKOM), Vol. 5 No. 4, Agustus 2018 ISSN 2407-389X (Media Cetak) Hal: 349-352
http://ejurnal.stmik-budidarma.ac.id/index.php/jurikom |Page | 349
Penerapan Algoritma Bee Colony Untuk Optimasi Rute Tempat Wisata Kuliner di Bandung
Randi Teguh Waluya Nugraha Universitas Trilogi Jakarta Selatan, Indonesia
Jl. Taman Makam Pahlawan Kalibata, Jakarta Selatan, 12760, Indonesia Email: [email protected]
Abstrak
Bandung adalah kota yang mempunyai wisata kuliner yang sangat menarik dan banyak , bahkan tak jarang wisatawan dari luar kota pun mencari kuliner di kota kembang tersebut. Namun karena luas nya kota Bandung maka dibutuhkan nya sebuah sistem optimisasi yang dapat membantu para pecinta kuliner untuk mencari rute terpendek. Jalur dengan jarak terpendek akan dipilih sebagai jalur pilihan. Algoritma Bee Colony dirasa mampu menyelesaikan permasalahan rute terpendek karena memiliki kemampuan optimasi secara efesien. Hasil yang diperoleh dalam penelitian ini adalah algoritma bee colony dapat mengatasi solusi terbaik dalam menentukan jalur terpendek untuk menemukan tempat kuliner tanpa harus membuang waktu di jalan.
Kata Kunci: Algoritma, Algoritma Bee Colony, Optimasi, Rute Terpendek, Wisata Kuliner Abstract
Bandung is a city that has a culinary tour is very interesting and many, even not infrequently tourists from outside the cit y was looking for culinary in the city of flowers. But because of the extent of his city Bandung it needed an optimization system that can help culinary lovers to find the shortest route. The path with the shortest distance will be selected as the preferred pat.
Bee Colony`s algorithm is capable of solving the shortest route problem because it has the optimization capability efficiently.
The results obtained in this study is the best solution in determining the shortest path to find a culinary place without having to waste time on the road.
Keywords: Algorithm, Bee Colony Algorithm, Optimization, Shortest Route, Culinary Tour
1. PENDAHULUAN
Indonesia adalah sebuah Negara dimana kekayaan alam nya sudah tidak di ragukan lagi. Salah satu nya adalah makanan khas dari setiap daerahnya. Hampir seluruh masakan Indonesia kaya dengan bumbu yang berasal dari rempah-rempah dan penuh dengan cita rasa yang kuat. Jawa Barat adalah salah satunya. Lebih tepat nya di kota Bandung. Karena banyaknya makanan khas yang di jajakan, Kota Bandung menjadi wisata kuliner yang diminati penduduk lokal, interlokal maupun mancanegara.
Luas nya kota Bandung sedikit menyulitkan para pecinta kuliner. Banyak penikmat wisata kuliner yang merasa terlalu jauh dalam menempuh perjalanan menuju temap wisata kuliner, dikarenakan salah dalam pemilihan rute yang di tempuh. Maka itu dibutuhkan sebuah sistem optimasi dalam pencarian rute terpendek agar pecinta kuliner dapat segera menyantap makanan tanpa harus berlama-lama di jalan.
Algoritma bee colony diterapkan pada masalah pencarian rute terpendek untuk wisata kuliner di Bandung.
Pencarian rute terpendek di awali dengan mengetahui posisi asal dan tujuan wisata yang akan dikunjungi.
2. TEORITIS
2.1 SWARM
Sejak dahulu banyak sekali bermacam-macam tingkah laku hewan atau serangga yang menarik di Alam.Contoh nya seperti sekawanan burung, sekelompok lebah dan sekelompok semut yang mencari makan. Tipe pergerakan kolini ini disebut sebagai “tingkah laku kelompok”. Sekarang banyak para ahli yang tertarik untuk mempelajari cara hewan bertinteraksi dan menerapkan nya untuk kebutuhan teknologi.
2.2 Algoritma Bee Colony
Algoritma bee colony merupakan salah satu cara untuk mendapatkan rute terpendek. Penelusuran yang bertujuan untuk mendapatkan rute terpendek dilakukan pada semua alternatif rute perjalanan. Apabila ada 10 alternatif rute perjalanan maka akan melakukan sebanyak 10 kali. Penelusuran akan berakhir jika semua rute perjalanan di peroleh total jarak tempuh. Proses berikutnya adalah mendapatkan alternatif rute perjalanan yang memiliki jarak tempuh yang terpendek dari posisi asal menuju semua tujuan wisata yang ingin dituju.
Jurnal Riset Komputer (JURIKOM), Vol. 5 No. 4, Agustus 2018 ISSN 2407-389X (Media Cetak) Hal: 349-352
http://ejurnal.stmik-budidarma.ac.id/index.php/jurikom |Page | 350 Gambar 1. Algoritma Bee Colony
3. ANALISA DAN PEMBAHASAN
Bee Colony merupakan kecerdasan buatan yang termasuk dalam golongan swarm intelligence dengan menirukan cara kerja koloni lebah. Yang kita tahu, setiap lebah mempunyai tugas masing-masing untuk mencari makanan.
Dalam menentukan sumber makanan kemampuan koloni lebah sudah tidak ragukan lagi, lalu koloni lebah ini pun dibagi menjadi tiga kelompok yaitu lebah pengintai, lebah penjelajah dan lebah pekerja. Tiga kelompok lebah ini mecari makanan, kemudian mengingat dan membandingkannya dengan sumber lain.
Gambar 2. Fase Algoritma Bee Colony
Jurnal Riset Komputer (JURIKOM), Vol. 5 No. 4, Agustus 2018 ISSN 2407-389X (Media Cetak) Hal: 349-352
http://ejurnal.stmik-budidarma.ac.id/index.php/jurikom |Page | 351 Ada beberapa pilihan untuk lebah tersebut yaitu:
a. Scout Bees
Merupakan agen lebah yang bertugas untuk mencari posisi sumber makanan di daerah dekat sarang secara acak. Informasi selanjutnya akan di teruskan ke agen lebah berikutnya, Employed Bees.
b. Employed Bees
Merupakan agen lebah yang langsung berhubungan dengan Scout Bees. Employed Bees bertugas untuk menyimpan informasi tentang jarak dan arah dari sarang. Employed Bees mempunyai tarian yang bernama Waggle Dance yang bertujuan untuk membagikan informasi makanan yang nanti nya akan di pilih sumber makanan nya oleh Onlooker Bees
c. Onlooker Bees
Merupakan agen lebah yang bertugas untuk mengeksploitasi makanan yang telah di simpan oleh Emploed Bees.
Pertukaran informasi diantara lebah adalah kejadian yang paling penting. Biasa nya terjadi di dalam sarang.
Bagian penting di dalam sarang di sebut juga dancing area. Di dalam dancing area ada juga tarian yang di sebut waggle dance.
3.1 Fase Initial
Fase initial merupakan proses mendapatkan employed bee. Cara menghitung nya ialah dengan persamaan
𝑓𝑖𝑡𝑖 = ∫ 𝑖𝑓(𝑓 𝑖 < 0)
1 1+𝑓 1+𝑎𝑏𝑠(𝑓𝑖)
𝑖𝑓(𝑓 𝑖 < 0) Keterangan:
𝑓𝑖𝑡𝑖 = Nilai Fitness Bee ke i
𝑓 𝑖 = Jumlah jarak tiap tempat wisata kuliner 3.2 Improvement Solution
a. Fase Employeed Bee
Pada fase ini menggunakan teknik random swap, yang dimana dapat menentukan 2 solusi wisata kuliner yang dapat di tukar, dimana tempat kuliner 1 dan 2 di tukar dan hasil nya tempat kuliner 1 ≠ tempat kuliner 2. Maka solusi baru ialah sebagai berikut:
Beei = Beei + SO Keterangan :
Beei = Individu Bee ke i
SO = Swap Operator (tempat kuliner 1 , tempat kuliner 2 ) b. Fase Onlooker Bee
Insert Operator digunakan untuk menentukan wisata kuliner yang akan di tukar posisinya, penukaran itu menggunakan teknik random yang dimana wisata kuliner 1 ≠ tujuan. Dan sisa urutan selanjutnya akan di geser.
Maka solusi baru ialah sebagai berikut : 𝐵𝑒𝑒𝑖 = 𝐵𝑒𝑒𝑖 + 𝐼𝑂
Keterangan :
Beei = Individu Bee ke i
IO =Insert Operator (wisata kuliner1, Tujuan)
Insert Sequence(IS) merupakan kumpulan dari Insert Operator, dimana solusi baru untuk tiap Employeed Bee di hasilkan berdasarkan Insert Sequence.
Beei = Beei + IS
= Beei + (IO1,IO2,IO3,…,IOn) (8)
= (Beei + IO1) + IO2) + IO3)…+)IOn) Keterangan :
IS = Insert Sequence Ion = Insert Operator ke-n n = Banyaknya Insert Sequence
Jurnal Riset Komputer (JURIKOM), Vol. 5 No. 4, Agustus 2018 ISSN 2407-389X (Media Cetak) Hal: 349-352
http://ejurnal.stmik-budidarma.ac.id/index.php/jurikom |Page | 352 c. Fase Scout Bee
Selanjutnya dari masing-masing Employeed Bee akan dilakukan perhitungan kualitas. Jumlah Scout Bee yang bersifat dinamis membuat limit bergantung pada jumlah Employeed Bee. Jika bee melebihi maximum limit maka solusi dari bee akan di hilangkan dan kemudian di setel ulang menjadi 0 menggunakan teknik random.
3.3 Kriteria Berhenti
Iterasi akan dilakukan sampai kriteria berhenti terpenuhi, dan selama belum terpenuhi, maka iterasi akan melakukan perulangan. Kriteria berhenti dari sistem ini akan dilakukan sebanyak maks-iterasi yang didefinisikan.
4. KESIMPULAN
Jadi kesimpulan yang di dapatkan dalam penelitian ini adalah Algortima Bee Colony dapat diterapkan pada sistem optimasi rute tempat wisata kuliner di Bandung dengan mencakup langkah-langkah seperti fase initial lalu perhitungan melalui fase scout bee, empoyeed bee dan onlooker bee.
REFERENCES
[1] Danuri & Prijodiprodjo, W., 2013. Penerapan bee Colony Optimization Algorithm untuk Penentuan Rute Terpendek ( Studi Kasus : Objek Wisata Daerah Istimewa Yogyakarta). IJCCS, Volume 7, pp. 65-76.
[2] Maria, A., Sinaga, E. Y. & Helena, M., 2012. Penyelesaian Masalah Travelling Salesman Problem Menggunakan Ant Colony Optimization (ACO).
[3] Agus Limbang Wardani S Kom., 2015. Penerapan Kecerdasaan Kelompok Untuk Penyelesaian Teka-Teki Sudoku Dengan Metode Particle Swarm Optimization.
[4] Hery Suliantoro & Aries Susanty & Freddy Bachtiar Silaban. Perancangan Rute Distribusi Beras Sejahtera Menggunakan Algoritma Ant Colony Optimization (Studi Kasus di BULOG Kabupaten Semarang).
[5] Priyanka Gemet Arismoyo & Henning Titi Ciptaningtyas & Erina Letivina Anggraini,. 2013 Penerapan Algoritma Ant Colony untuk Travelling Salesman Problem Pada Perangkat Bergerak. Jurnal Teknik Pomits Vol.2,No. 1 ISSN: 2337-3539
[6] Andhi Akhmad Ismail & Samiadji Herdjunanto & Priyatmmadi,. 2012. Penerapan Algoritma Ant System Dalam Menemukan Jalur Optimal Pada Travelling Salesman Problem(TSP) Dengan Kekangan Kondisi Jalan. JNTETI, Vol. 1, No. 3
[7] Rakhmad Fajar Nugroho & Mewati Ayub,. Penerapan Algoritma Artificial Bee Colony Dalam Aplikasi Penjadwalan Pelajaran Untuk Sekolah Menengah Pertama.
[8] Amalia Utami & Angelia Melani Adrian,. 2016. Penyelesaian Masalah Penempatan Fasilitas Dengan Algortima Estimasi Distribusi Dan Particle Swarm Optimization. Jurnal of Information Systems Engineering and Business Intellegence Vol. 2, No. 1.
