Penerapan Pencarian Rute Tercepat Aliran Air Menggunakan Algoritma Bee Colony Optimization

(1)

Jurnal Riset Komputer (JURIKOM), Vol. 5 No. 4, Agustus 2018 ISSN 2407-389X (Media Cetak) Hal: 353-356

http://ejurnal.stmik-budidarma.ac.id/index.php/jurikom |Page | 353

Penerapan Pencarian Rute Tercepat Aliran Air Menggunakan Algoritma Bee Colony Optimization

Muhammad Alfi Yudhitiya

Program Studi Teknik Informatika, Universitas Trilogi Jakarta Selatan, Indonesia Jl. Taman Makam Pahlawan Kalibata, Jakarta Selatan, 12760, Indonesia

Email: [email protected]

Abstrak

Air merupakan salah satu sumber untuk keperluan semua makhluk hidup. Air juga dapat digunakan dengan berbagai macam cara, seperti dalam kehidupan manusia air dapat digunakan untuk dikonsumsi sebagai keperluan untuk mandi maupun untuk minum. Algoritma Bee Colony Optimization di gunakan dalam penelitian ini untuk menyelesaikan permasalahan tentang pencarian rute aliran air bersih. Algoritma ini berkerja mencari setiap rute yang telah di pilih berdasarkan dengan jalur atau rute yang telah ditentukan di dalam sebuah sistem. Hasil yang diperoleh dalam peneitian ini adalah Algoritma Bee Colony Optimization dapat digunakan untuk mencari rute aliran air bersih. Jumlah lebah yang ditentukan sangat memengaruhi dalam menemukan serta menentukan rute-rute yang bisa diakses atau dilaui. Semakin banyak jumlah lebah yang ditentukan semakin besar juga peluang ditemukannya rute pencarian aliran air bersih.

Kata Kunci: Rute, Air, Sistem, Lebah, Algoritma Bee Colony Optimization Abstract

Water is one source for the needs of all living things. Water can also be used in a variety of ways, as in human life water can be used for consumption as a bath or for drinking. The Bee Colony Optimization algorithm is used in this study to solve problems regarding the search for clean water flow routes. This algorithm works to find each route that has been selected based on the path or route that has been determined in a system. The results obtained in this research are the Bee Colony Optimization Algorithm can be used to find the route of clean water flow. The number of bees that are determined greatly influences in finding and determining routes that can be accessed or accessed. The number of bees that are determined the greater the chance of finding a clean water flow search route.

Keywords: Route, Water, Bee Colony Algorithm, Optimization

1. PENDAHULUAN

Air merupakan salah satu sumber untuk keperluan semua makhluk hidup. Air juga dapat digunakan dengan berbagai macam cara, seperti dalam kehidupan manusia air dapat digunakan untuk dikonsumsi sebagai keperluan untuk mandi maupun untuk minum. Karena jaman Sekarang banyak air yang tercemar melalui limbah maka peneliti ingin membuat atau menemukan rute untuk mengaliri air bersih untuk kesejahteraan warga yang tidak mendapatkan atau kebagian air bersih.

Rute merupakan salah satu topik yang menjadi bahasan pada masalah komputasi. rute yang digunakan pada penelitian ini adalah rute terpendek untuk menemukan aliran air bersih. Penelitian ini akan membahas bagaimana cara melakukan penerapan dari koloni lebah yang akan mencari rute terpendek serta mengetahui permukaan dari situasi yang akan di jadikan sebagai tempat untuk mengaliri aliran yang akan dijadikan sebagai aliran air untuk memewujudkan atau menciptakan suatu aliran baru yang nanti akan di nikmati dan dirasakan Bersama-sama serta dikonsumsi untuk orang yang membutuhkan . selain itu juga pemanfaatan aliran yang anti dipakai bisa dijadikan sebagai aliran atau perairan yang bersih dan higienis pasalnya jarang sekali terdapat aliran air yang bersih. Kebanyakan rata-rata air sudah tercemar ole bahan zat kimia dan juga tumpukan sampah yang tergenang dialiran air baik itu disungai atau pun di kali.

Metode yang digunaan untuk menunjang sistem ini yaitu bee colony optimization. Metode lain yang digunakan dalam penyelesaian masalah rute terpendek yaitu branch and bound, nearest neighbour, algoritma genetika, Ant colony algorithm. Masalah rute terpendek yang diselesaikan dengan bee colony optimization pernah diteliti dengan kasus travelling salesman problem .Penelitian yang dilakukan tersebut dalam membangun serta menentukan Aliran air bersih.

Faktor yang dipertimbangkan pada penelitian tersebut adalah bagaimana cara mencapai jarak yang ditempuh serta kondisi Jalur untuk dapat menemukan aliran air yang bersih dan bisa dikonsumsi oleh masyarakat.

Serta tekanan dari jumlah debit air dalam menentukan sebuah jalur menggunakan algoritma Bee Colony Optimization dan menentukan seberapa besar jarak terpendek yang dapat di temukan dalam algoritma Bee Colony Optimization ini untuk dapat diambil dan dapat dkonsumsi oleh masyarakat sekitar demi mendapatkan sebuah aliran yang bersih dan juga higienis.

(2)

2. TEORITIS

2.1 SWARM

Menurut Tatjana Davidovi´dan Duˇsan Teodorovi´ C (2013) menyatakan bahwa Swarm Intelence yaitu suatu kecerdasan buatan yang berdasarkan pada cara mempelajari sebuah tindakan individu atau kelompok dalam sebuah sistem terdesntralisasi.

2.2 Algoritma Bee Colony Optimization

Algoritma Bee Colony Optimization diperkenalkan baru-baru ini sebagai ranah baru dalam bidang Swarm Intelegence. Lebah buatan mewakili sebuah agen untuk memecahkan masalah yang komplek serta juga mendapatkan hasil analisa yang optimal dengan menggunakan algoritma Bee Colony Optimization.

Widodo Prijodiprodjo (2013) menyatakan bahwa algoritma Bee Colony Optimization adalah suatu koloni lebah buatan yang Bersama-sama mencari solusi yang optimal dari masalah yang telah diberikan setiap lebah nantinya menghasilkan satu solusi untuk masalah yang ada. Dalam algoritma Bee Colony Optimization terdapat 2 macam fase yaitu fase maju (forward pass) dan fase mundur (backward pass). Andre Sugioko (2013) menyatakan bahwa Algoritma Bee Colony merupakan salah satu algoritma yang dari metode algoritma metaheuristic. Metode metaheuristic yaitu metode yang menggunakan pencarian secara acak dan dapat digunakan untuk rentang masalah yang lebih luas. Algoritma lebah ini merupakan suatu algoritma yang dijalankan untuk mengoptimalisasi dari kebiasaan lebah yaitu eksplorasi untuk mencari solusi yang lebih optimal.

Tujuan dari algoritma Bee Colony Optimization yaitu mempelajari serta memperkenalkan prinsip dasar optimasi pada lebah serta menunjukkan potensial BCO dalam bidang Teknik dan manajemen.

3. ANALISA DAN PEMBAHASAN

Dalam pengujian ini terdapat 2 langkah untuk mencari rute pencarian air yang meliputi, Pengujian terhadap luas permukaan aliran air berdasarkan medan serta ruang yang tersedia dan pengujian terhadap permukaan jumlah debit air serta kecepatan aliran yang akan di aliri oleh air. Secara keseluruhan pengujian di lakukan sebanyak 3 kali dengan jumlah lebah (NBee) 100 pada titik yang berbeda-beda. Kemudian hasil yang nanti di tampilkan berupa diagram untuk memastikan apakah pencarian jalur aliran air layak di gunakan atau tidak.

3.1 Pengujian Langkah Pertama

Pada pengujian yang pertama ini memiliki 2 luas permukaan yang berbeda yaitu (70m x 30m) dan (60m x 40m) untuk menentukan aliran dari air yang nantinya akan di aliri. Pada pengujian yang petama terdapat hasil perbedaan antara permukaan (70m x 30m) dan (60m x 40m) yang masing-masing mempunyai nilai maksimum dan minimum. Nilai maksimum dan minimum di dapatkan berdasarkan pencarian permukaan yang di lakukan oleh algoritma bee colony.

Gambar 1. Grafik perbadingan hasil pengujian permukaan

Selanjutnya yaitu pengujian terhadap medan serta ruang untuk mengaliri air agar tetap mengalir berdasarkan pada titik-titik yang sudah di tentukan. Dari diagram gambar 4 menunjukkan hasil yang telah didapat berdasarkan dari 3 percobaan yang telah di lakukan. Bahwa rute yang tercepat dalam pencarian jalur air terdapat pada permukaan (70m x 30m).

(3)

http://ejurnal.stmik-budidarma.ac.id/index.php/jurikom |Page | 355 3.2 Pengujian Langkah Kedua

Pada pegujian yang kedua ini yaitu mengetahui debit air serta kecepatan air dari permukaan yang sudah di tentukan. Percobaan kedua ini meggunakan permukaan 70m x 30m karena permukaan tersebut dapat di bilang cukup layak untuk menentukan suatu rute atau jalur dalam mengaliri aliran air. Dalam pengujian ini mengguakan Nbee = 50 dan Nbee = 40 sebagai parameter untuk menentukan apakah layak atau tidaknya permukaan yang di sediakan atau di temukan. Pengujian di lakukan sebanyak 3 kali percobaan. Data percobaan dapat di liat pada grafik gambar 5.

Gambar 2. Grafik data kecepatan debit air menggunakan Nbee

Hasil yang di dapat adalah berdasarkan Nbee yang di pakai serta yang melakukan pencarian dari arus. Serta banyak patikel yang di gunakan berdasarkan Nbee sangat mempengaruhi data yang telah didata. Dengan menambahkan partikel Nbee nantinya akan lebih cepat dalam menentuka aliran air namun cara tersebut sedikit akan terhalang dengan pencarian jalur aliran air yang akan di aliri. Terutama pada permukaan-permukaan yang jumlah debit atau jumlah tekanan air yang tidak kuat akan menyebabkan hal-hal yang mampu mengakibatkan sesuatu yang fatal bila dilakukan.

4. KESIMPULAN

4.1 Kesimpulan

Berdasarkan dari hasil pengujian penelitian Penerapan Pencarian Rute Tercepat Aliran Air Menggunakan Algoritma Bee Colony Optimization bahwa bagaimana sebuah algoritma menerapkan koloni lebah untuk di jadikan sebagai penelitian dan juga di lakukan percobaan untuk menentukan rute serta jalur untuk menemukan aliran air berdasarkan luas permukaan, lebar permukaan, serta mengidentifikasi kecepatan aliran air yang akan di buat sebagai penelitian. Penelitian ini juga bisa digunakan untuk menemukan rute-rute terpendek berdasarkan apa yang mau peneliti lakukan, atau dalam penelitian bisa saja ada kasus yang sama dengan penelitian ini dan menggunakan algoritma yang sama dalam melakukan penelitian pencarian rute tependek. Penelitian ini bepengaruh dari jumlah seekor lebah yang digunakan semakin besar lebah yang ada semakin cepaat dalam menemukan seuatu rute atau jalur aliran. Serta pada penelitian ini banyaknya parameter dapat menentukan erta memberikan respon yang kuat untuk menemukan rute menggunakan algoritma Bee Colony Optimization.

4.2 Saran

Penelitian dapat dikembangkan dengan beberapa pertimbangan mengenai factor-faktor yang dapat mempengaruhi waktu tempuh dalam melaksanakan penelitian. Factor lain juga dapat terlihat dalam melakukan rute aliran air terlebih dahulu dilihat berdasarkan permukaan serta luas dari permukaan tempat yang akan di jadikan sebagai jalur aliran air. Penelitian ini juga haruss dapat di kembangkan dan digunakan dengan metode atau tektik pencarian yang lain supaya lebih efisien dan juga lebih baik dalam segi pencarian atau lebih optimal dalam melakukan pencarian. Perlu adanya penelitian yang berbeda beradasarkan studi kasus yang lain agar algoritma ini dapat sering di pakai untuk menentukan pencarian rute terpendek atau sejenisnya

REFERENCES

[1] L. Bianchi, L. M. L. Gambardella, and M. Dorigo, “An Ant Colony Optimization Approach to the Probabilistic Traveling Salesman Problem,” Parallel Probl. Solving, pp. 883–892, 2002.

[2] J. T. Informasi et al., “Terdekat Menggunakan Metode Artificial Bee Colony Di,” vol. 12, pp. 141–154, 2016.

[3] W. P. Danuri, “Penerapan Bee Colony Optimization Algorithm untuk Penentuan Rute Terpendek (Studi Kasus : Objek Wisata Daerah Istimewa Yogyakarta),” IJCCS, Vol.7, No.1, January 2013, pp. 65~76, vol. 7, no. 1, pp. 65–76, 2013.

(4)

[4] M. H. Hussain, I. Musirin, A. F. Abidin, and S. R. A. Rahim, “Solving Directional Overcurrent Relay Coordination Problem Using Artificial Bees Colony,” vol. 8, no. 5, pp. 766–771, 2014.

[5] D. Junaedi and N. U. Maulidevi, “Solving Curriculum-Based Course Timetabling Problem with Artificial Bee Colony Algorithm,”

2011 First Int. Conf. Informatics Comput. Intell., pp. 112–117, 2011.

[6] A. Sugioko, “Perbandingan Algoritma Bee Colony dengan Algoritma Bee Colony Tabu List dalam Penjadwalan Flow Shop,” J. Metris, 14 113 – 120, vol. 14, pp. 113–120, 2013.

[7] E. Larutan, L. Tiourea, T. Dengan, and B. Oksidator, “Digital Digital Repository Repository Universitas Universitas Jember Jember Digital Digital Repository Repository Universitas Universitas Jember Jember,” 2016.

[8] E. V. B. Sitorus, “Optimasi Economic Dispatch Pada Unit Pembangkit Pltg Di Pltgu Tambak Lorok Menggunakan Algoritma Artificial Bee Colony,” Transient, vol. 2, no. 2, pp. 302–307, 2013.

[9] C. Irwansyah, A. Pinandito, and W. F. Mahmudy, “Pencarian Rute Angkutan Umum Menggunakan Algoritma Ant Colony Optimization,” no. 10, pp. 1–9, 2014.

[10] I. Maryati and H. K. Wibowo, “Optimasi penentuan rute kendaraan pada sistem distribusi barang dengan ant colony optimization 1,”

vol. 2012, no. Semantik, pp. 163–168, 2012.

[11] F. Amri, E. B. Nababan, and M. F. Syahputra, “Artificial Bee Colony Algorithm untuk Menyelesaikan Travelling Salesman Problem,”

J. Dunia Teknol. Inf., vol. 1, no. 1, pp. 8–13, 2012.

[12] W. Maharani, “Analisis Algoritma Hybrid Ant Colony Optimization ( Aco ) Dan Local Search Untuk Optimasi Pemotongan Bahan Baku,” Seminar, vol. 2009, no. Snati, 2009.

[13] A. A. Ismail and S. Herdjunanto, “Penerapan Algoritma Ant System dalam Menemukan Jalur Optimal pada Traveling Salesman Problem ( TSP ) dengan Kekangan Kondisi Jalan,” Jnteti, vol. 1, no. 3, pp. 1–6, 2012.

[14] R. F. Nugroho and M. Ayub, “Penerapan Algoritma Artificial Bee Colony dalam Aplikasi Penjadwalan Pelajaran untuk Sekolah Menengah Pertama,” J. Inform., vol. 9, pp. 1–17, 2013.

[15] E. VERDIANTO, “Jalur Evakuasi Tsunami Dengan Algoritma Ant Colony ( Studi Kasus : Belawan ),” pp. 1–83, 2013.

[16] F. Liantoni, “Deteksi Tepi Citra Daun Mangga Menggunakan,” pp. 411–418, 2015.

[17] Pan Junjie and Wang Dingwei, “An Ant Colony Optimization Algorithm for Multiple Travelling Salesman Problem,” First Int. Conf.

Innov. Comput. Inf. Control - Vol. I, vol. 1, no. July, pp. 210–213, 2006.

[18] M. Fadil, M. Yusof, M. Z. Muhammad, N. Hisyam, N. Muhamad, and T. Amboala, “Jurnal Teknologi,” vol. 20, pp. 85–88, 2012.

[19] F. Liantoni, K. C. Kirana, and T. H. Muliawati, “Adaptive Ant Colony Optimization Based Gradient for Edge Detection,” J. Ilmu Komput. dan Inf., vol. 2, no. 7, pp. 76–82, 2014.

[20] L. Ramli, Y. Md Sam, Z. Mohamed, M. K. Aripin, and M. F. Ismail, “Composite Nonlinear Feedback Control with Multi-objective Particle Swarm Optimization for Active Front Steering System,” J. Teknol., vol. 2, pp. 13–20, 2015.