Melola Discovery

← Melola Discovery

Jurnal

IMPLEMENTASI METODE ANT COLONY UNTUK TRAVELING SALESMAN PROBLEM MENGGUNAKAN GOOGLE MAPS PADA KOTA-KOTA DI JAWA TENGAH

Edu Komputika Journal · Vol. 1 No. 2 (2014)

DOI
10.15294/edukomputika.v1i2.7773
ISSN
2599-297X, 2252-6811
Terbit
2014-10-01
Penerbit
Jurusan Teknik Elektro Universitas Negeri Semarang
Bahasa
eng

Abstrak

Tujuan penelitian ini adalah mengimplementasikan metode Ant Colony untuk Traveling Salesman Problem (TSP) dengan memanfaatkan Google Maps studi kasus pada kota-kota di Jawa Tengah. Algoritma Ant System yang merupakan salah satu algoritma Ant Colony Optimization (ACO) digunakan untuk membangun sebuah rute yang optimal untuk Traveling Salesman Problem pada Google Maps. Dari hasil pengujian untuk inputan kota kurang dari 10, algoritma Ant System mampu memberikan hasil yang optimal. Sedangkan untuk inputan kota lebih dari 10, algoritma Ant System tidak mampu memberikan hasil yang optimal. Oleh karena itu untuk menambah kinerja algoritma Ant System ditambahkan algoritma Local Search 2opt. Perbandingan hasil perjalanan yang dihasilkan kedua algoritma Ant System sebelum dan setelah ditambah dengan algoritma Local Search 2-opt juga dibandingkan dengan algoritma Greedy. Hasil pengujian menunjukan algoritma Ant System Local Search mempunyai bobot jarak dan waktu tempuh yang paling kecil dari dua algoritma yang lain, serta jalur Traveling Salesman Problem yang dibangun optimal. Pada hasil waktu komputasi dalam perhitungan jalur Traveling Salesman Problem, algoritma Greedy membutuhkan waktu komputasi yang paling sedikit dibandingkan dengan algoritma Ant System dan Ant System Local Search. The purpose of this study was to implemented Ant Colony method to solve the Traveling Salesman Problem (TSP) using Google Maps on cities of Central Java. Ant System algorithm is one of the Ant Colony Optimization (ACO) algorithm to determine the optimum route on Google Maps and solves Traveling Salesman Problem. Based on results for 10 cities input, the Ant System algorithm can solves optimum route, the otherwise where input is more than 10 cities it can’t solve optimum route. Therefore to improve performance of Ant System algorithm, the Local Search 2-opt algorithm added to Ant System algorithm. The comparison of the results of route optimum construction both algorithm, that shows the Ant System algorithm with Local Search 2-opt have the best minimum cost tour. And the best results of computation time was produced by Greedy algorithm.

Jaringan kolaborasi para penulis

11 penulis · 19 tautan kepenulisan bersama

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • State University of Semarang
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Ulfah Mediaty AriefState University of Semarang1
Sri SukamtaAfiliasi tidak diketahui1
Hesti Wahyu NugrohoAfiliasi tidak diketahui1
Alfian Nur RahmadAfiliasi tidak diketahui1
Dawam Muhammad AkbarAfiliasi tidak diketahui1
Muhammad Azil MaskurAfiliasi tidak diketahui1
Ali MasyharAfiliasi tidak diketahui1
Nadhira Madania DimartiAfiliasi tidak diketahui1
Sunusi DaudaAfiliasi tidak diketahui1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://journal.unnes.ac.id/sju/index.php/edukom/oai, pertama di-harvest 5 Nov 2026, terakhir terlihat 5 Nov 2026.
Metadata asli (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">IMPLEMENTASI METODE ANT COLONY UNTUK TRAVELING SALESMAN PROBLEM MENGGUNAKAN GOOGLE MAPS PADA KOTA-KOTA DI JAWA TENGAH</dc:title>
	<dc:creator>Harizka, Awang</dc:creator>
	<dc:creator>Pribadi, Feddy Setio</dc:creator>
	<dc:description xml:lang="en-US">Tujuan penelitian ini adalah   mengimplementasikan metode Ant Colony untuk Traveling Salesman Problem (TSP)   dengan memanfaatkan Google Maps studi kasus pada kota-kota di Jawa Tengah.   Algoritma Ant System yang merupakan salah satu algoritma Ant Colony Optimization   (ACO) digunakan untuk membangun sebuah rute yang optimal untuk Traveling   Salesman Problem pada Google Maps. Dari hasil pengujian untuk inputan kota kurang dari 10, algoritma Ant   System mampu memberikan hasil yang optimal. Sedangkan untuk inputan kota   lebih dari 10, algoritma Ant System tidak mampu memberikan hasil yang   optimal. Oleh karena itu untuk menambah kinerja algoritma Ant System   ditambahkan algoritma Local Search 2opt. Perbandingan hasil perjalanan yang dihasilkan   kedua algoritma Ant System sebelum dan setelah ditambah dengan algoritma   Local Search 2-opt juga dibandingkan dengan algoritma Greedy. Hasil pengujian menunjukan algoritma Ant System Local Search mempunyai bobot jarak dan waktu   tempuh yang paling kecil dari dua algoritma yang lain, serta jalur Traveling   Salesman Problem yang dibangun optimal. Pada hasil waktu komputasi dalam   perhitungan jalur Traveling Salesman Problem, algoritma Greedy membutuhkan   waktu komputasi yang paling sedikit dibandingkan dengan algoritma Ant System   dan Ant System Local Search. The purpose of this study was to   implemented Ant Colony method to solve the Traveling Salesman Problem (TSP)   using Google Maps on cities of Central Java. Ant System algorithm is one of   the Ant Colony Optimization (ACO) algorithm to determine the optimum route on   Google Maps and solves Traveling Salesman Problem. Based on results for 10   cities input, the Ant System algorithm can solves optimum route, the otherwise   where input is more than 10 cities it can’t solve optimum route. Therefore to   improve performance of Ant System algorithm, the Local Search 2-opt algorithm   added to Ant System algorithm. The comparison of the results of route optimum   construction both algorithm, that shows the Ant System algorithm with Local   Search 2-opt have the best minimum cost tour. And the best results of   computation time was produced by Greedy algorithm.  </dc:description>
	<dc:publisher xml:lang="en-US">Jurusan Teknik Elektro Universitas Negeri Semarang</dc:publisher>
	<dc:date>2014-10-01</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unnes.ac.id/sju/edukom/article/view/7773</dc:identifier>
	<dc:identifier>10.15294/edukomputika.v1i2.7773</dc:identifier>
	<dc:source xml:lang="en-US">Edu Komputika Journal; Vol 1 No 2 (2014): Edu Komputika Journal</dc:source>
	<dc:source>2599-297X</dc:source>
	<dc:source>2252-6811</dc:source>
	<dc:source>10.15294/edukomputika.v1i2</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://journal.unnes.ac.id/sju/edukom/article/view/7773/5352</dc:relation>
</oai_dc:dc>