Studi Kasus Rute Terpendek

Algoritma Dijkstra Untuk Pencarian Jalur Terdekat Dan Rekomendasi

Objek Pariwisata Di Pulau Bali

Pariwisata merupakan hal yang tidaklah asing bagi semua orang dan merupakan bisnis yang besar. Industri pariwisata akan berkembang apabila pertumbuhan pengunjung wisata  yang terus meningkat akan memberi kontribusi pendapatan ekonomi yang semakin meningkat, beberapa faktor yang dapat menjamin industri pariwisata yaitu ketersediaan informasi tentang pariwisata.

menentukan  jadwal  pariwisata,  setiap orang yang melakukan perjalanan pariwisata pasti memilih jarak terpendek untuk dapat mencapai tujuan karena dapat menghemat waktu, tenaga dan biaya bahan bakar. Dari permasalahan diatas maka penulis ingin membuat sistem pencarian jalur terpendek dan rekomendasi objek wisata menggunakan algoritma Dijkstra. Dari  beberapa cara  yang ada  yang sesui untuk pencarian jalur terpendek adalah dengan mengunakan algoritma Dijkstra, Algoritma yang cukup populer yang ditemukan oleh Edsger.Wybe Dijkstra. Algoritma ini dipilih karena dapat menyelesaikan pencarian jalur terpendek dari satu simpul ke semua simpul yang ada pada suatu graf berarah dengan bobot dan nilai tidak negatif .

Rumusan masalah

1. Perancangan  aplikasi  pencarian  jalur terdekat pariwisata dan rekomendasi objek pariwisata di pulau bali dengan menggunakan algoritma dijkstra..

2. aplikasi     pencarian     jalur     terdekat pariwisata dan rekomendasi objek pariwisata di pulau bali dengan menggunakan  bahasa  pemrograman PHP

3. Penerapan    aplikasi    pencarian    jalur terdekat dan rekomendasi objek pariwisata di pulau bali 

      dengan menggunakan algoritma dijkstra dan parameter yang digunakan adalah jarak antar objek

Algoritma Dijkstra dikstra ditemukan   oleh   Edsger.Wybe   Dijkstra pada tahun 1959. Algoritma ini merupakan algoritma  yang  dapat  memecahkan masalah pencarian jalur terpendek dari suatu graf pada setiap simpul yang bernilai tidak negatif. dijkstra merupakan algoritma yang termasuk dalam algoritma greedy, yaitu algoritma yang sering digunakan untuk memecahkan masalah yang berhubungan    dengan    suatu    optimasi.

       Teori graf merupakan pokok bahasan yang sudah tua usianya namun memiliki banyak terapan dalam kehidupan sehari-hari sampai saat ini

Implementasi

Setelah melakukan perancangan terhadap sistem yang akan dibangun, maka tahapan selanjutnya adalah implementasi hasil perancangan, dalam hal ini membangunya menggunakan bahasa pemrograman. Pengimplementasian sistem ini bertujuan sampai sejauh mana progress pengembangan  berlangsung  sehingga dapat dilakukan perubahan jika terdapat masukan dari pemakai.Hasil  implementasi  terhadap rancangan  model  sistem  adalah  sebuah situs atau aplikasi berbasis wes.

Berikut   daftar   tabel   lokasi   yang  di modelkan dengan node(simpul)

No	Kode	Keterangan
1	A	Pelabuhan Gilimanuk
2	B	Tanah lot
3	C	Bedugul
4	D	Sangeh
5	E	Tampak siring
6	F	Pantai seminyak
7	G	Pantai Kuta
8	H	Joger
9	I	Bandara NgurahRai
10	J	Krisna Pusat oleh-oleh
11	K	Bali Bird Park
12	L	Pasar Seni sukowati
13	M	Galuh Tenun Batik
14	N	Nusa Dua
15	O	Pantai Sanur
16	P	Candidasa
17	Q	Pantai Pandawa
18	R	Garuda Wisnu Kencana
19	S	Pantai Padang padang
20	T	Pantai Jimbaran
21	U	Pantai Dreamland
22	V	Pura Uluwatu

 1. Mencari Rute Terpendek

Untuk mengakses rute terpendek antar lokasi, user dapat memilih lokasi awal kemudian memilih lokasi akhir. Setelah itu user men-submit tombol yang bertuliskan cari. Kemudian akan keluar hasil rute terpendek dari lokasi awal ke lokasi akhir.

2. Me-request Rute Rekomendasi

Untuk   mengakses   rute   rekomendasi, user dapat memilih lokasi awal kemudian memilih lokasi akhir. Setelah itu user men- submit tombol yang bertuliskan dijkstra. Kemudian akan keluar hasil rute rekomendasi  lokasi  pariwisata mana saja yang searah dari lokasi awal hingga lokasi utama beserta jarak antar lokasi pariwisata.

Kelebihan :

1. Hasil   pembangunan   dari   sistem   ini dapat digunakan sebagai alat untuk memudahkan biro perjalanan untuk menentukan  jadwal  perjalanan pariwisata

2. Sistem   inidapat     membantu     bagi pengguna dalam proses menentukan keputusan untuk memilih lokasi pariwisata.

3. Dengan   sistem   ini   pengguna   dapat menentukan keputusan lokasi mana saja yang  telah  direkomendasikan  oleh sistem

4.  Dengan sistem pencarian jalur terpendek ini baik biro perjalanan maupun pengguna yang lain  dapat menentukan dan mengambil keputusan untuk menentukan lokasi pariwisata mana saja yang akan di tuju sehingga mereka dapat mengoptimalkan perjalanan pariwisata.

Kekurangan :

1. sistem ini perlu dikembangkan lebih lanjut, terutama pada penambahan objek pariwisata di seluruh Indonesia sehingga pengguna akan mengetahui  pariwisata  di  seluruh Indonesia.

2. hal ini dikarenakan karena sistem  ini berbasis  web  yang  dapat  di akses  memlalui  komputer,sedangkan dalam perjalanan pariwisata sebagian pengguna ingin membuka sistem ini pada saat perjalanan, oleh karena itu diharapkan pada penelitian selanjutnya mengenai pencarian jalur terpendek dapat di terapkan dengan berbasis mobile, sehingga sistem dapat diakses secara mudah di segala tempat pada saat melakukan perjalanan dengan menggunakan aplikasi mobile.

Daftar Pustaka :

http://eprints.dinus.ac.id/13345/1/jurnal_13933.pdf

Read More

Studi Kasus AHP

Langkah-langkah AHP
Langkah – langkah  dan proses Analisis Hierarki Proses (AHP) adalah sebagai berikut
1.       Memdefinisikan permasalahan dan penentuan tujuan. Jika AHP digunakan untuk memilih alternatif atau menyusun prioriras alternatif, pada tahap ini dilakukan pengembangan alternatif.

2.       Menyusun masalah kedalam hierarki sehingga permasalahan yang kompleks dapat ditinjau dari sisi yang detail dan terukur.

3.       Penyusunan prioritas untuk tiap elemen masalah pada hierarki. Proses ini menghasilkan bobot atau kontribusi elemen terhadap pencapaian tujuan sehingga elemen dengan bobot tertinggi memiliki prioritas penanganan. Prioritas dihasilkan dari suatu matriks perbandinagan berpasangan antara seluruh elemen pada tingkat hierarki yang sama.

4.       Melakukan pengujian konsitensi terhadap perbandingan antar elemen yang didapatan pada tiap tingkat hierarki.

Sedangkan langkah-langkah “pairwise comparison” AHP adalah
1.       Pengambilan data dari obyek yang diteliti.
2.       Menghitung data dari bobot perbandingan berpasangan responden dengan metode
“pairwise comparison” AHP berdasar hasil kuisioner.
3.       Menghitung rata-rata rasio konsistensi dari masing-masing responden.
4.       Pengolahan dengan metode “pairwise comparison” AHP.
5.      Setelah dilakukan pengolahan tersebut, maka dapat disimpulkan adanya konsitensi   dengan tidak, bila data tidak konsisten maka diulangi lagi dengan pengambilan data seperti semula, namun bila sebaliknya maka digolongkan data terbobot yang selanjutnya dapat dicari nilai beta (b).
.
Contoh Kaskus
Adi berulang tahun yang ke-17, Kedua orang tuanya janji untuk membelikan sepeda motor sesuai yang di inginkan Adi. Adi memiliki pilihan yaitu motor Ninja, Tiger dan Vixsion . Adi memiliki criteria dalam pemilihan sepeda motor yang nantinya akan dia beli yaitu : sepeda motornya memiliki desain yang bagus, berkualitas serta irit dalam bahan bakar.
Penyelesaian
1.     Tahap pertama
Menentukan botot dari masing – masig kriteria.
Desain lebih penting 2 kali dari pada Irit
Desain lebih penting 3 kali dari pada Kualitas
Irit lebih penting 1.5 kali dari pada kualitas
Pair Comparation Matrix
Kriteria Desain Irit Kualitas Priority Vector
Desain 1 2 3 0,5455
Irit 0,5 1 1,5 0,2727
Kualitas 0,333 0,667 1 0,1818
Jumlah 1,833 3,667 5,5 1,0000
Pricipal Eigen Value (lmax)
3,00
Consistency Index (CI)
0
Consistency Ratio (CR)
0,0%
Dari gambar diatas, Prioity Vector (kolom paling kanan) menunjukan bobot dari masing-masing kriteria, jadi dalam hal ini Desain merupakan bobot tertinggi/terpenting menurut Adi, disusul Irit dan yang terakhir adalah Kualitas.
Cara membuat table seperti di atas
Untuk perbandingan antara masing – masing kriteria berasal dari bobot yang telah di berikan ADI pertama kali.
Sedangkan untuk Baris jumlah, merupakan hasil penjumalahan vertikal dari masing – masing kriteria.
Untuk Priority Vector  di dapat dari  hasil penjumlahan dari semua sel disebelah Kirinya (pada baris yang sama) setelah terlebih dahulu dibagi dengan  Jumlah yang ada dibawahnya, kemudian hasil penjumlahan tersebut dibagi dengan angka 3.
Untuk mencari Principal Eigen Value (lmax)
Rumusnya adalah menjumlahkan  hasil perkalian antara sel pada baris jumlah dan sel pada kolom Priority Vector
Menghitung Consistency Index (CI) dengan rumus
CI = (lmax-n)/(n-1)
Sedangkan untuk menghitung nilai  CR
Menggunakan rumuas CR = CI/RI , nilai RI didapat dari
n 1 2 3 4 5 6 7 8 9 10
RI 0 0 5,8 0,9 1,12 1,24 1,32 1,41 1,45 1,49
Jadi untuk n=3, RI=0.58.
Jika hasil perhitungan  CR lebih kecil atau sama dengan 10% ,  ketidak konsistenan masih bisa diterima, sebaliknya jika lebih besar dari 10%, tidak bisa diterima.
2.     Tahap Kedua
Kebetulan teman ADI memiliki teman yang memiliki motor yang sesuai dengan pilihan ADI. Setelah Adi mencoba motor temannya tersebut adi memberikan penilaian ( disebut sebagai pair-wire comparation)
Desain lebih penting 2 kali dari pada Irit
Desain lebih penting 3 kali dari pada Kualitas
Irit lebih penting 1.5 kali dari pada kualitas
Ninja  4 kali desainnya lebih baik daripada tiger
Ninja  3 kali desainnya lebih baik dari pada vixsion
tiger 1/2 kali desainnya lebih baik dari pada Vixsion
Ninja 1/3 kali lebih irit daripada tiger
Ninja 1/4 kali  lebih irit dari pada vixsion
tiger 1/2 kali lebih irit dari pada Vixsion
Berdasarkan penilaian tersebut maka dapat di buat table (disebut Pair-wire comparation matrix)
Desain Ninja Tiger Vixsion Priority Vector
Ninja 1 4 3 0,6233
Tiger 0,25 1 0,5 0,1373
Vixsion 0,333 2 1 0,2394
Jumlah 1,583 7 4,5 1,0000
Pricipal Eigen Value (lmax)
3,025
Consistency Index (CI)

0,01
Consistency Ratio (CR)

2,2%
Irit Ninja Tiger Vixsion Priority Vector
Ninja 1 0,333 0,25 0,1226
Tiger 3 1 0,5 0,3202
Vixsion 4 2 1 0,5572
Jumlah 8 3,333 1,75 1,0000
Pricipal Eigen Value (lmax)
3,023
Consistency Index (CI)

0,01
Consistency Ratio (CR)

2,0%
Irit Ninja Tiger Vixsion Priority Vector
Ninja 1,00 0,010 0,10 0,0090
Tiger 100,00 1,00 10,0 0,9009
Vixsion 10,00 0,100 1,0 0,0901
Jumlah 111,00 1,11 11,10 1,0000
Pricipal Eigen Value (lmax)
3
Consistency Index (CI)

0
Consistency Ratio (CR)

0,0%
3.     Tahap ketiga
Setelah mendapatkan bobot untuk ketiga kriteria dan skor untuk masing-masing kriteria bagi ketiga motor pilihannya, maka langkah terakhir adalah menghitung total skor untuk ketiga motor tersebut.  Untuk itu ADI akan merangkum semua hasil penilaiannya tersebut dalam bentuk tabel yang disebut Overall composite weight, seperti berikut.


Cara membuat Overall Composit weight adalah
Kolom Weight diambil dari kolom Priority Vektor dalam matrix Kriteria.
Ketiga kolom lainnya (Ninja, Tiger dan Vixsion) diambil dari kolom Priority Vector ketiga matrix Desain, Irit dan Kualitas.
Baris Composite Weight diperoleh dari jumlah hasil perkalian sel diatasnya dengan weight.
Berdasarkan table di atas maka dapat di ambil kesimpulan bahwa yang memiliki skor paling tinggi adalah Ninja yaitu 0,3751 , sedangkan disusul tiger dengan skor 0,3260 dan yang terakhir adalah Vixsion dengan skor 0,2989. Akhirnya Adi akan membeli motor Ninja
Kesimpulan
Kesimpulan yang dapat diambil adalah sebagai berikut:
Metode  ini mampu untuk menghasilkan suatu keputusan yang tepat.
Dengan memakai metode ini, kesalahan-kesalahan yang dilakukan ketika pengambilan keputusan seperti kesalahan dalam memilih dapat berkurang.

Read More

Analytical Hierarchy Process

Proses pengambilan keputusan pada dasarnya adalah memilih suatu alternatif yang terbaik. Seperti melakukan penstrukturan persoalan, penentuan alternatif-alternatif, penenetapan nilai kemungkinan untuk variabel aleatori, penetap nilai, persyaratan preferensi terhadap waktu, dan spesifikasi atas resiko. Betapapun melebarnya alternatif yang dapat ditetapkan maupun terperincinya penjajagan nilai kemungkinan, keterbatasan yang tetap melingkupi adalah dasar pembandingan berbentuk suatu kriteria yang tunggal.

AHP menurut Thomas L. Saaty. Model pendukung keputusan ini akan menguraikan masalah multi faktor atau multi kriteria yang kompleks menjadi suatu hirarki, menurut Saaty (1993), hirarki didefinisikan sebagai suatu representasi dari sebuah permasalahan yang kompleks dalam suatu struktur multi level dimana level pertama adalah tujuan, yang diikuti level faktor, kriteria, sub kriteria, dan seterusnya ke bawah hingga level terakhir dari alternatif.

AHP sering digunakan sebagai metode pemecahan masalah dibanding dengan metode yang lain karena alasan-alasan sebagai berikut :

1. Struktur yang berhirarki, sebagai konsekuesi dari kriteria yang dipilih, sampai pada subkriteria yang paling dalam.

2. Memperhitungkan validitas sampai dengan batas toleransi inkonsistensi berbagai kriteria dan   alternatif yang dipilih oleh pengambil keputusan.

3. Memperhitungkan daya tahan output analisis sensitivitas pengambilan keputusan.

·         Kelebihan dari metode analisis AHP diantaranya  adalah :

1. Kesatuan (Unity)

AHP membuat permasalahan yang luas dan tidak terstruktur menjadi suatu model yang fleksibel dan mudah dipahami.

2. Kompleksitas (Complexity)

AHP memecahkan permasalahan yang kompleks melalui pendekatan sistem dan pengintegrasian secara deduktif.

3. Saling ketergantungan (Inter Dependence)

AHP dapat digunakan pada elemen-elemen sistem yang saling bebas dan tidak memerlukan hubungan linier.

4. Struktur Hirarki (Hierarchy Structuring)

AHP mewakili pemikiran alamiah yang cenderung mengelompokkan elemen sistem ke level-level yang berbeda dari masing-masing level berisi elemen yang serupa.

5. Pengukuran (Measurement)

AHP menyediakan skala pengukuran dan metode untuk mendapatkan prioritas.

6. Konsistensi (Consistency)

AHP mempertimbangkan konsistensi logis dalam penilaian yang digunakan untuk menentukan prioritas.

7. Sintesis (Synthesis)

AHP mengarah pada perkiraan keseluruhan mengenai seberapa diinginkannya masing-masing alternatif.

8. Trade Off

AHP mempertimbangkan prioritas relatif faktor-faktor pada sistem sehingga orang mampu memilih altenatif terbaik berdasarkan tujuan mereka.

9. Penilaian dan Konsensus (Judgement and Consensus)

AHP tidak mengharuskan adanya suatu konsensus, tapi menggabungkan hasil penilaian yang berbeda.

10. Pengulangan Proses (Process Repetition)

AHP mampu membuat orang menyaring definisi dari suatu permasalahan dan mengembangkan penilaian serta pengertian mereka melalui proses pengulangan.

·        

            Sedangkan kelemahan metode AHP adalah sebagai berikut:

1. Ketergantungan model AHP pada input utamanya. Input utama ini berupa persepsi seorang ahli sehingga dalam hal ini melibatkan subyektifitas sang ahli selain itu juga model menjadi tidak berarti jika ahli tersebut memberikan penilaian yang keliru.

2. Metode AHP ini hanya metode matematis tanpa ada pengujian secara statistik sehingga tidak ada batas kepercayaan dari kebenaran model yang terbentuk.

Contoh penerapan kasus AHP

            Semisal kita ingin membuat sebuah aplikasi sistem pendukung keputusan (SPK) menggunakan AHP untuk menentukan mahasiswa/i yang berhak mendapatkan beasiswa. Maka expert/pakarnya tentunya adalah pihak kampus selaku yang berhak menentukan. Atau SPK penggantian suku cadang mobil. Pakarnya tentu saja bengkelnya.

Sumber :

https://bambangwisanggeni.wordpress.com/2010/03/02/analitycal-hierarchy-process-ahp/

https://syaifullah08.files.wordpress.com/2010/02/pengenalan-analytical-hierarchy-process.pdf

http://tutorial.itmbali.com/contoh-penerapan-analytical-hierarchy-process-ahp-pada-kasus-sederhana/

Read More