21
8 BAB II LANDASAN TEORI 2.1 Teori Graf 2.1.1 Definisi Graf Graf adalah kumpulan simpul (nodes) yang dihubungkan satu sama lain melalui sisi/busur (edges) (Zakaria, 2006). Suatu Graf G terdiri dari dua himpunan yaitu himpunan V dan himpunan E. a. Verteks (simpul) :V = himpunan simpul yang terbatas dan tidak kosong b. Edge (sisi/busur):E = himpunan busur yang menghubungkan sepasang simpul. Simpul-simpul pada graf dapat merupakan obyek sembarang seperti kota, atom-atom suatu zat, nama anak, jenis buah, komponen alat elektronik dan sebagainya. Busur dapat menunjukkan hubungan (relasi) sembarang seperti rute penerbangan, jalan raya, sambungan telepon, ikatan kimia, dan lain-lain. Notasi graf: G(V,E) artinya graf G memiliki V simpul dan E busur. 2.1.2 Macam-macam Graf Menurut arah dan bobotnya, graf dibagi menjadi empat bagian, yaitu :

BAB II LANDASAN TEORI - ienx.files. · PDF fileLANDASAN TEORI 2.1 Teori Graf ... yaitu himpunan V dan himpunan E. a. Verteks ... tertutup setiap siklus atau LminNC dan harga minimal

  • Upload
    trananh

  • View
    238

  • Download
    5

Embed Size (px)

Citation preview

Page 1: BAB II LANDASAN TEORI - ienx.files. · PDF fileLANDASAN TEORI 2.1 Teori Graf ... yaitu himpunan V dan himpunan E. a. Verteks ... tertutup setiap siklus atau LminNC dan harga minimal

8

BAB II

LANDASAN TEORI

2.1 Teori Graf

2.1.1 Definisi Graf

Graf adalah kumpulan simpul (nodes) yang dihubungkan satu sama lain

melalui sisi/busur (edges) (Zakaria, 2006). Suatu Graf G terdiri dari dua himpunan

yaitu himpunan V dan himpunan E.

a. Verteks (simpul) :V = himpunan simpul yang terbatas dan tidak

kosong

b. Edge (sisi/busur):E = himpunan busur yang menghubungkan sepasang

simpul.

Simpul-simpul pada graf dapat merupakan obyek sembarang seperti kota,

atom-atom suatu zat, nama anak, jenis buah, komponen alat elektronik dan

sebagainya. Busur dapat menunjukkan hubungan (relasi) sembarang seperti rute

penerbangan, jalan raya, sambungan telepon, ikatan kimia, dan lain-lain. Notasi

graf: G(V,E) artinya graf G memiliki V simpul dan E busur.

2.1.2 Macam-macam Graf

Menurut arah dan bobotnya, graf dibagi menjadi empat bagian, yaitu :

Page 2: BAB II LANDASAN TEORI - ienx.files. · PDF fileLANDASAN TEORI 2.1 Teori Graf ... yaitu himpunan V dan himpunan E. a. Verteks ... tertutup setiap siklus atau LminNC dan harga minimal

9

1. Graf berarah dan berbobot : tiap busur mempunyai anak panah dan bobot.

Gambar 2.1 menunjukkan graf berarah dan berbobot yang terdiri dari tujuh titik

yaitu titik A,B,C,D,E,F,G. Titik menujukkan arah ke titik B dan titik C, titik B

menunjukkan arah ke titik D dan titik C, dan seterusnya. Bobot antar titik A

dan titik B pun telah di ketahui.

Gambar 2.1 Graf berarah dan berbobot

2. Graf tidak berarah dan berbobot : tiap busur tidak mempunyai anak panah

tetapi mempunyai bobot. Gambar 2.2 menunjukkan graf tidak berarah dan

berbobot. Graf terdiri dari tujuh titik yaitu titik A,B,C,D,E,F,G. Titik A tidak

menunjukkan arah ke titik B atau C, namun bobot antara titik A dan titik B

telah diketahui. Begitu juga dengan titik yang lain.

Page 3: BAB II LANDASAN TEORI - ienx.files. · PDF fileLANDASAN TEORI 2.1 Teori Graf ... yaitu himpunan V dan himpunan E. a. Verteks ... tertutup setiap siklus atau LminNC dan harga minimal

10

Gambar 2.2 Graf tidak berarah dan berbobot

3. Graf berarah dan tidak berbobot: tiap busur mempunyai anak panah yang tidak

berbobot. Gambar 2.3 menunjukkan graf berarah dan tidak berbobot.

Gambar 2.3 Graf berarah dan tidak berbobot

4. Graf tidak berarah dan tidak berbobot: tiap busur tidak mempunyai anak

panah dan tidak berbobot.

Gambar 2.4 Graf tidak berarah dan tidak berbobot

2.1.2 Representasi Graf

1. Matriks Kedekatan (Adjacency Matrix)

Page 4: BAB II LANDASAN TEORI - ienx.files. · PDF fileLANDASAN TEORI 2.1 Teori Graf ... yaitu himpunan V dan himpunan E. a. Verteks ... tertutup setiap siklus atau LminNC dan harga minimal

11

Untuk suatu graf dengan jumlah simpul sebanyak n, maka matriks kedekatan

mempunyai ukuran n x n (n baris dan n kolom). Jika antara dua buah simpul

terhubung maka elemen matriks bernilai 1, dan sebaliknya bernilai 0 jika tidak

terhubung. Tabel matriks kedekatan untuk graf ABCDEFG dapat dilihat pada

Tabel 2.1 :

A B C D E F G

A 0 1 1 0 0 0 0

B 1 0 1 1 1 0 0

C 1 1 0 1 0 1 0

D 0 1 1 0 1 1 1

E 0 1 0 1 0 0 1

F 0 0 1 1 0 0 1

G 0 0 0 1 1 1 0

Tabel 2.1 Matriks Kedekatan Graf ABCDEFG

Pada tabel diatas, elemen matriks kedekatan bernilai 0 untuk diagonal dan

elemen yang tidak terhubung dengan simpul lain (elemen matriks bernilai 0

jika simpul tidak terhubung dengan simpul lainnya).

Page 5: BAB II LANDASAN TEORI - ienx.files. · PDF fileLANDASAN TEORI 2.1 Teori Graf ... yaitu himpunan V dan himpunan E. a. Verteks ... tertutup setiap siklus atau LminNC dan harga minimal

12

Ruang (memori) yang diperlukan untuk matriks kedekatan adalah :

n x n =(N2)

Untuk graf tidak berarah :

- Ruang yang diperlukan = ½ N2 – ½ N

- Derajat simpul i = ∑=

n

j

jiA1

],[

Untuk graf berarah :

- Derajat luar (out degree) = jumlah dalam 1 baris (matriks) atau

banyaknya busur dengan simpul V sebagai kepala.

- Derajat dalam (in degree) = jumlah dalam 1 kolom (matriks) atau

banyaknya busur dengan simpul V sebagai ekor.

2. Senarai Kedekatan (Adjacency List)

Pada simpul x dapat dianggap sebagai suatu senarai yang terdiri dari simpul

pada graf yang berdekatan dengan x. Representasi senarai kedekatan

mempunyai kesamaan fleksibilitas dengan matriks kedekatan, akan tetapi

representasi ini lebih tersusun rapi.

Ruang (memori) yang diperlukan untuk n simpul dan e sisi pada graf tidak

berarah = n head node + 2e node list.

Senarai kedekatan untuk graf ABCDEFG dapat dilihat pada gambar 2.5 :

Page 6: BAB II LANDASAN TEORI - ienx.files. · PDF fileLANDASAN TEORI 2.1 Teori Graf ... yaitu himpunan V dan himpunan E. a. Verteks ... tertutup setiap siklus atau LminNC dan harga minimal

13

Gambar 2.5 Senarai kedekatan graf ABCDEFG

2.2 Permasalahan Optimasi

2.2.1 Penyelesaian Masalah Optimasi

Secara umum, penyelesaian masalah pencarian jalur terpendek dapat

dilakukan dengan menggunakan dua metode, yaitu metode konvensional dan

metode heuristik. Metode konvensional diterapkan dengan perhitungan matematis

biasa, sedangkan metode heuristik diterapkan dengan perhitungan kecerdasan

buatan.

1. Metode Konvensional

Metode konvensional adalah metode yang menggunakan perhitungan

matematis biasa. . Ada beberapa metode konvensional yang biasa

digunakan untuk melakukan pencarian jalur terpendek, diantaranya:

algoritma Djikstraa, algoritma Floyd-Warshall, dan algoritma Bellman-

Ford

Page 7: BAB II LANDASAN TEORI - ienx.files. · PDF fileLANDASAN TEORI 2.1 Teori Graf ... yaitu himpunan V dan himpunan E. a. Verteks ... tertutup setiap siklus atau LminNC dan harga minimal

14

2. Metode Heuristik

Metode Heuristik adalah sub bidang dari kecerdasan buatan yang

digunakan untuk melakukan pencarian dan optimasi. Ada beberapa

algoritma pada metode heuristik yang biasa digunakan dalam

permasalahan optimasi, diantaranya algoritma genetika, algoritma semut,

logika fuzzy, jaringan syaraf tiruan, pencarian tabu, simulated annealing,

dan lain-lain.

2.2.2 Permasalahan Jalur Terpendek (Shortest Path Problem)

Jalur terpendek adalah suatu jaringan pengarahan perjalanan dimana

sesorang pengarah jalan ingin menentukan jalur terpendek antara dua kota,

berdasarkan beberapa jalur alternatif yang tersedia, dimana titik tujuan hanya satu.

Gambar 2.6 menunjukkan suatu graf ABCDEFG yang berarah dan tidak berbobot.

Gambar 2.6 Graf ABCDEFG

Pada gambar diatas, misalkan kita dari kota A ingin menuju Kota G. Untuk

menuju kota G, dapat dipilih beberapa jalur yang tersedia :

Page 8: BAB II LANDASAN TEORI - ienx.files. · PDF fileLANDASAN TEORI 2.1 Teori Graf ... yaitu himpunan V dan himpunan E. a. Verteks ... tertutup setiap siklus atau LminNC dan harga minimal

15

A B C D E G

A B C D F G

A B C D G

A B C F G

A B D E G

A B D F G

A B D G

A B E G

A C D E G

A C D F G

A C D G

A C F G

Berdasarkan data diatas, dapat dihitung jalur terpendek dengan mencari

jarak antara jalur-jalur tersebut. Apabila jarak antar jalur belum diketahui, jarak

dapat dihitung berdasarkan koordinat kota-kota tersebut, kemudian menghitung

jalur terpendek yang dapat dilalui.

Page 9: BAB II LANDASAN TEORI - ienx.files. · PDF fileLANDASAN TEORI 2.1 Teori Graf ... yaitu himpunan V dan himpunan E. a. Verteks ... tertutup setiap siklus atau LminNC dan harga minimal

16

2.3 Algoritma Semut

Algoritma Semut diadopsi dari perilaku koloni semut yang dikenal sebagai

sistem semut (Dorigo, 1996). Secara alamiah koloni semut mampu menemukan

rute terpendek dalam perjalanan dari sarang ke tempat-tempat sumber makanan.

Koloni semut dapat menemukan rute terpendek antara sarang dan sumber

makanan berdasarkan jejak kaki pada lintasan yang telah dilalui. Semakin banyak

semut yang melalui suatu lintasan, maka akan semakin jelas bekas jejak kakinya.

Hal ini akan menyebabkan lintasan yang dilalui semut dalam jumlah sedikit,

semakin lama akan semakin berkurang kepadatan semut yang melewatinya, atau

bahkan akan tidak dilewati sama sekali. Sebaliknya lintasan yang dilalui semut

dalam jumlah banyak, semakin lama akan semakin bertambah kepadatan semut

yang melewatinya, atau bahkan semua semut akan melalui lintasan tersebut.

Gambar 2.1 menujukkan perjalanan semut dalam menemukan jalur

terpendek dari sarang ke sumber makanan.

Page 10: BAB II LANDASAN TEORI - ienx.files. · PDF fileLANDASAN TEORI 2.1 Teori Graf ... yaitu himpunan V dan himpunan E. a. Verteks ... tertutup setiap siklus atau LminNC dan harga minimal

17

L R L R

a b

L R L R

c d

Gambar 2.7 Perjalanan semut menemukan sumber makanan.

Gambar 2.7.a di atas menunjukkan ada dua kelompok semut yang akan

melakukan perjalanan. Satu kelompok bernama L yaitu kepompok yang berangkat

dari arah kiri yang merupakan sarang semut dan kelompok lain yang bernama

kelompok R yang berangkat dari kanan yang merupakan sumber makanan. Kedua

kelompok semut dari titik berangkat sedang dalam posisi pengambilan keputusan

jalan sebelah mana yang akan diambil. Kelompok semut L membagi dua

kelompok lagi. Sebagian melalui jalan atas dan sebagian melalui jalan bawah. Hal

ini juga berlaku pada kelompok semut R. Gambar 2.7.b dan gambar 2.7.c

menunjukkan bahwa kelompok semut berjalan pada kecepatan yang sama dengan

meninggalkan feromon atau jejak kaki di jalan yang telah dilalui. Feromon yang

ditinggalkan oleh kumpulan semut yang melalui jalan atas telah mengalami

banyak penguapan karena semut yang melalui jalan atas berjumlah lebih sedikit

dari pada jalan yang di bawah. Hal ini dikarenakan jarak yang ditempuh lebih

Page 11: BAB II LANDASAN TEORI - ienx.files. · PDF fileLANDASAN TEORI 2.1 Teori Graf ... yaitu himpunan V dan himpunan E. a. Verteks ... tertutup setiap siklus atau LminNC dan harga minimal

18

panjang daripada jalan bawah. Sedangkan feromon yang berada di jalan bawah,

penguapannya cenderung lebih lama. Karena semut yang melalui jalan bawah

lebih banyak daripada semut yang melalui jalan atas. Gambar 2.7.d menunjukkan

bahwa semut-semut yang lain pada akhirnya memutuskan untuk melewati jalan

bawah karena feromon yang ditinggalkan masih banyak. Sedangkan feromon pada

jalan atas sudah banyak menguap sehingga semut-semut tidak memilih jalan atas

tersebut. Semakin banyak semut yang melalui jalan bawah maka semakin banyak

semut yang mengikutinya.

Demikian juga dengan jalan atas, semakin sedikit semut yang melalui

jalan atas, maka feromon yang ditinggalkan semakin berkurang bahkan hilang.

Dari sinilah kemudian terpilihlah jalur terpendek antara sarang dan sumber

makanan.

Dalam algoritma semut, diperlukan beberapa variabel dan langkah-

langkah untuk menentukan jalur terpendek, yaitu:

Langkah 1 :

a. Inisialisasi harga parameter-parameter algoritma.

Parameter-parameter yang di inisialisasikan adalah :

1. Intensitas jejak semut antar kota dan perubahannya (τij)

2. Banyak kota (n) termasuk koordinat (x,y) atau jarak antar kota (dij)

3. Kota berangkat dan kota tujuan

4. Tetapan siklus-semut (Q)

5. Tetapan pengendali intensitas jejak semut (α), nilai α ≥ 0

Page 12: BAB II LANDASAN TEORI - ienx.files. · PDF fileLANDASAN TEORI 2.1 Teori Graf ... yaitu himpunan V dan himpunan E. a. Verteks ... tertutup setiap siklus atau LminNC dan harga minimal

19

6. Tetapan pengendali visibilitas (β), nilai β ≥ 0

7. Visibilitas antar kota = 1/dij (ηij)

8. Banyak semut (m)

9. Tetapan penguapan jejak semut (ρ) , nilai ρ harus > 0 dan < 1 untuk

mencegah jejak pheromone yang tak terhingga.

10. Jumlah siklus maksimum (NCmax) bersifat tetap selama algoritma

dijalankan, sedangkan τij akan selalu diperbaharui harganya pada setiap

siklus algoritma mulai dari siklus pertama (NC=1) sampai tercapai jumlah

siklus maksimum (NC=NCmax) atau sampai terjadi konvergensi.

b. Inisialisasi kota pertama setiap semut.

Setelah inisialisasi τij dilakukan, kemudian m semut ditempatkan pada kota

pertama tertentu secara acak.

Langkah 2 :

Pengisian kota pertama ke dalam tabu list. Hasil inisialisasi kota pertama

setiap semut dalam langkah 1 harus diisikan sebagai elemen pertama tabu list.

Hasil dari langkah ini adalah terisinya elemen pertama tabu list setiap semut

dengan indeks kota tertentu, yang berarti bahwa setiap tabuk(1) bisa berisi indeks

kota antara 1 sampai n sebagaimana hasil inisialisasi pada langkah 1.

Langkah 3 :

Penyusunan rute kunjungan setiap semut ke setiap kota. Koloni semut

yang sudah terdistribusi ke sejumlah atau setiap kota, akan mulai melakukan

Page 13: BAB II LANDASAN TEORI - ienx.files. · PDF fileLANDASAN TEORI 2.1 Teori Graf ... yaitu himpunan V dan himpunan E. a. Verteks ... tertutup setiap siklus atau LminNC dan harga minimal

20

perjalanan dari kota pertama masing-masing sebagai kota asal dan salah satu kota-

kota lainnya sebagai kota tujuan. Kemudian dari kota kedua masing-masing,

koloni semut akan melanjutkan perjalanan dengan memilih salah satu dari kota-

kota yang tidak terdapat pada tabuk sebagai kota tujuan selanjutnya. Perjalanan

koloni semut berlangsung terus menerus sampai semua kota satu persatu

dikunjungi atau telah menempati tabuk. Jika s menyatakan indeks urutan

kunjungan, kota asal dinyatakan sebagai tabuk(s) dan kota-kota lainnya

dinyatakan sebagai {N-tabuk}, maka untuk menentukan kota tujuan digunakan

persamaan probabilitas kota untuk dikunjungi sebagai berikut :

[ ] [ ][ ] [ ]∑

−∈

βα

βα

η⋅τ

η⋅τ=

}tabuN{'k'ik'ik

ijijkij

k

p untuk j∈{N-tabuk} ………… (1)

dan

0pkij = , untuk j lainnya ………………………….(2)

dengan i sebagai indeks kota asal dan j sebagai indeks kota tujuan.

Langkah 4 :

a. Perhitungan panjang rute setiap semut.

Perhitungan panjang rute tertutup (length closed tour) atau Lk setiap semut

dilakukan setelah satu siklus diselesaikan oleh semua semut. Perhitungan ini

dilakukan berdasarkan tabuk masing-masing dengan persamaan berikut :

∑−

=++=

1n

1s)1s(tabu),s(tabu)1(tabu),n(tabuk kkkk

ddL ………(3)

dengan dij adalah jarak antara kota i ke kota j yang dihitung berdasarkan

persamaan :

Page 14: BAB II LANDASAN TEORI - ienx.files. · PDF fileLANDASAN TEORI 2.1 Teori Graf ... yaitu himpunan V dan himpunan E. a. Verteks ... tertutup setiap siklus atau LminNC dan harga minimal

21

2ji

2jiij )yy()xx(d −+−= ……………………..(4)

b. Pencarian rute terpendek.

Setelah Lk setiap semut dihitung, akan didapat harga minimal panjang rute

tertutup setiap siklus atau LminNC dan harga minimal panjang rute tertutup secara

keseluruhan adalah atau Lmin.

c. Perhitungan perubahan harga intensitas jejak kaki semut antar kota.

Koloni semut akan meninggalkan jejak-jejak kaki pada lintasan antar kota

yang dilaluinya. Adanya penguapan dan perbedaan jumlah semut yang lewat,

menyebabkan kemungkinan terjadinya perubahan harga intensitas jejak kaki

semut antar kota. Persamaan perubahan ini adalah :

∑=

τΔ=τΔm

1k

kijij ………………………………….(5)

dengan kijτΔ adalah perubahan harga intensitas jejak kaki semut antar kota setiap

semut yang dihitung berdasarkan persamaan

k

kij L

Q=τΔ , untuk (i,j) ∈ kota asal dan kota tujuan dalam tabuk ………(6)

0kij =τΔ , untuk (i,j) lainnya ………………….(7)

Langkah 5 :

Page 15: BAB II LANDASAN TEORI - ienx.files. · PDF fileLANDASAN TEORI 2.1 Teori Graf ... yaitu himpunan V dan himpunan E. a. Verteks ... tertutup setiap siklus atau LminNC dan harga minimal

22

a. Perhitungan harga intensitas jejak kaki semut antar kota untuk siklus

selanjutnya. Harga intensitas jejak kaki semut antar kota pada semua lintasan

antar kota ada kemungkinan berubah karena adanya penguapan dan perbedaan

jumlah semut yang melewati. Untuk siklus selanjutnya, semut yang akan

melewati lintasan tersebut harga intensitasnya telah berubah. Harga intensitas

jejak kaki semut antar kota untuk siklus selanjutnya dihitung dengan

persamaan :

ijijij τΔ+τ⋅ρ=τ ………………….. (8)

b. Atur ulang harga perubahan intensitas jejak kaki semut antar kota.

Untuk siklus selanjutnya perubahan harga intensitas jejak semut antar kota

perlu diatur kembali agar memiliki nilai sama dengan nol.

Langkah 6 :

Pengosongan tabu list, dan ulangi langkah 2 jika diperlukan. Tabu list

perlu dikosongkan untuk diisi lagi dengan urutan kota yang baru pada siklus

selanjutnya, jika jumlah siklus maksimum belum tercapai atau belum terjadi

konvergensi. Algoritma diulang lagi dari langkah 2 dengan harga parameter

intensitas jejak kaki semut antar kota yang sudah diperbaharui.

Contoh penyelesaian kasus Travelling Salesman Problem menggunakan Antco :

Page 16: BAB II LANDASAN TEORI - ienx.files. · PDF fileLANDASAN TEORI 2.1 Teori Graf ... yaitu himpunan V dan himpunan E. a. Verteks ... tertutup setiap siklus atau LminNC dan harga minimal

23

Diketahui suatu graph

Dengan jarak antar kota (dij) sebagai berikut:

A B C D E A 0 5 7 3 B 5 0 4 C 7 4 0 5 D 3 0 4 E 5 4 0

Parameter – parameter yang digunakan adalah :

Alfa (α) = 1.00

Beta (β) = 1.00

Rho (ρ) = 0.50

Tij awal = 0.01

Maksimum siklus (NCmax) = 2

Tetapan siklus semut (Q) = 1

Banyak semut (m) = 5

Dari jarak kota yang telah diketahui dapat dihitung visibilitas antar kota (ηij) =

1/dij

A

B

C

D

E

Page 17: BAB II LANDASAN TEORI - ienx.files. · PDF fileLANDASAN TEORI 2.1 Teori Graf ... yaitu himpunan V dan himpunan E. a. Verteks ... tertutup setiap siklus atau LminNC dan harga minimal

24

A B C D E A 0 0.2 0.143 0.33 0 B 0.2 0 0.25 0 0 C 0.1 0.25 0 0 0.2 D 0.3 0 0 0 0.25 E 0 0 0.2 0.25 0

Siklus ke -1 :

Isi Tabu awal :

A B C D E

Untuk t=1

Jumlah semut Tiap kota =

Kota A = 1

Kota B = 1

Kota C = 1

Kota D = 1

Kota E = 1

Semut ke – 1:

- Tabu list = A

- Probabilitas dari kota A ke setiap kota berikutnya dapat dihitung dengan

persamaan [ ] [ ]

[ ] [ ]∑−∈

βα

βα

η⋅τ

η⋅τ=

}tabuN{'k'ik'ik

ijijkij

k

p , untuk j anggota dari tabu.

untuk Σ[tij]α.[ηij]β = (0.01*0) + (0.01*0.2) + (0.01*0.143) + (0.01*0.33) = 0.00676.

Dengan demikian dapat dihitung probabilitas dari kota A menuju setiap kota =

Kota A = 0.00

Kota B = (0.01)1.00 . (0.2)1.00 / 0.00676 = 0.295

Page 18: BAB II LANDASAN TEORI - ienx.files. · PDF fileLANDASAN TEORI 2.1 Teori Graf ... yaitu himpunan V dan himpunan E. a. Verteks ... tertutup setiap siklus atau LminNC dan harga minimal

25

Kota C = (0.01)1.00 . (0.143)1.00 / 0.00676 = 0.211

Kota D = (0.01)1.00 . (0.33)1.00 / 0.00676 = 0.492

Kota E = 0.00

- Probabilitas Komulatif = 0.000 0.295 0.507 1.000 1.000

- Bilangan random yang dibangkitkan = 0.699 maka kota yang terpilih adalah kota D

- Tabu List = A D

Semut ke – 2 :

- Tabu list = B

- Probabilitas dari kota B ke kota berikutnya dapat dihitung dengan

persamaan [ ] [ ]

[ ] [ ]∑−∈

βα

βα

η⋅τ

η⋅τ=

}tabuN{'k'ik'ik

ijijkij

k

p , untuk j anggota dari tabu.

untuk Σ[tij]α.[ηij]β = (0.01*0.2) + (0.01*0.25) = 0.0045.

Dengan demikian dapat dihitung probabilitas dari kota B menuju kota =

Kota A = (0.01)1.00 . (0.2)1.00 / 0.0045 = 0.444

Kota B = 0.00

Kota C = (0.01)1.00 . (0.25)1.00 / 0.0045 = 0.556

Kota D = 0.00

Kota E = 0.00

- Probabilitas Komulatif = 0.444 0.444 1.000 1.000 1.000

- Bilangan random yang dibangkitkan = 0.635 maka kota yang terpilih adalah kota C

- Tabu List = B C

Semut ke – 3 :

- Tabu list = C

Page 19: BAB II LANDASAN TEORI - ienx.files. · PDF fileLANDASAN TEORI 2.1 Teori Graf ... yaitu himpunan V dan himpunan E. a. Verteks ... tertutup setiap siklus atau LminNC dan harga minimal

26

- Probabilitas dari kota C ke kota berikutnya dapat dihitung dengan

persamaan [ ] [ ]

[ ] [ ]∑−∈

βα

βα

η⋅τ

η⋅τ=

}tabuN{'k'ik'ik

ijijkij

k

p , untuk j anggota dari tabu.

untuk Σ[tij]α.[ηij]β = (0.01*0.143) + (0.01*0.25) +(0.01*0.2) = 0.005929.

Dengan demikian dapat dihitung probabilitas dari kota C menuju kota =

Kota A = (0.01)1.00 . (0.143)1.00 / 0.005929 = 0.241

Kota B = (0.01)1.00 . (0.25)1.00 / 0.005929 = 0.422

Kota C = 0.00

Kota D = 0.00

Kota E = (0.01)1.00 . (0.2)1.00 / 0.005929 = 0.337

- Probabilitas Komulatif = 0.241 0.663 0.663 0.663 1.000

- Bilangan random yang dibangkitkan = 0.368 maka kota yang terpilih adalah kota B

Tabu List = C B

Semut ke – 4 :

- Tabu list = D

- Probabilitas dari kota D ke setiap kota berikutnya dapat dihitung dengan

persamaan [ ] [ ]

[ ] [ ]∑−∈

βα

βα

η⋅τ

η⋅τ=

}tabuN{'k'ik'ik

ijijkij

k

p , untuk j anggota dari tabu.

untuk Σ[tij]α.[ηij]β = (0.01*0.3) + (0.01*0) + (0.01*0) + (0.01*0) + (0.01*0.25) = 0.00583.

Dengan demikian dapat dihitung probabilitas dari kota D menuju kota =

Kota A = (0.01)1.00 . (0.3)1.00 / 0.00583 = 0.514

Kota B = 0.00

Kota C = 0.00

Kota D = 0.00

Page 20: BAB II LANDASAN TEORI - ienx.files. · PDF fileLANDASAN TEORI 2.1 Teori Graf ... yaitu himpunan V dan himpunan E. a. Verteks ... tertutup setiap siklus atau LminNC dan harga minimal

27

Kota E = (0.01)1.00 . (0.25)1.00 / 0.00583 = 0.428

- Probabilitas Komulatif = 0.514 0.514 0.514 0.514 0.942

- Bilangan random yang dibangkitkan = 0.3783 maka kota yang terpilih adalah kota A

Tabu List = D A

Semut ke – 5 :

- Tabu list = E

- Probabilitas dari kota E ke setiap kota berikutnya dapat dihitung dengan

persamaan [ ] [ ]

[ ] [ ]∑−∈

βα

βα

η⋅τ

η⋅τ=

}tabuN{'k'ik'ik

ijijkij

k

p , untuk j anggota dari tabu.

untuk Σ[tij]α.[ηij]β = (0.01*0) + (0.01*0) + (0.01*0.2) + (0.01*0.25) + (0.01*0) = 0.0045.

Dengan demikian dapat dihitung probabilitas dari kota E menuju kota =

Kota A = 0.00

Kota B = 0.00

Kota C = (0.01)1.00 . (0.2)1.00 / 0.0045 = 0.444

Kota D = (0.01)1.00 . (0.25)1.00 / 0.0045 = 0.556

Kota E = 0.00

- Probabilitas Komulatif = 0.00 0.00 0.444 1.00 1.00

- Bilangan random yang dibangkitkan = 0.1953 maka kota yang terpilih adalah kota C

Tabu List = E C

Perhitungan akan dilanjutkan hingga semut telah menyelesaikan perjalanannya

mengunjungi tiap-tiap kota. Hal ini akan berulang hingga sesuai dengan NCmax

yang telah ditentukan atau telah mencapai konvergen. Kemudian akan ditentukan

jarak terpendek dari semut dari msaing-masing siklus.

Page 21: BAB II LANDASAN TEORI - ienx.files. · PDF fileLANDASAN TEORI 2.1 Teori Graf ... yaitu himpunan V dan himpunan E. a. Verteks ... tertutup setiap siklus atau LminNC dan harga minimal

28