Perencanaan Perjalanan Wisata Kabupaten Sambas Menggunakan Algoritma Ant Colony Optimization

Authors

  • Maulidawati Maulidawati Universitas Muhammadiyah Pontianak, Indonesia
  • Alda Cendekia Siregar Universitas Muhammadiyah Pontianak, Indonesia
  • Rachmat Wahid Saleh Insani Universitas Muhammadiyah Pontianak

DOI:

https://doi.org/10.62411/tc.v25i2.15806

Abstract

Sebuah perjalanan perlu dilakukan perencanaan agar waktu kunjungan dapat terkelola, salah satunya yaitu kunjungan wisata. Banyaknya wisata yang terdapat di Indonesia masing-masing memiliki daya tarik tersendiri. Salah satunya adalah wisata yang ada di Kabupaten Sambas. Minimnya informasi mengenai lokasi destinasi wisata di daerah tersebut menjadi salah satu kendala yang dialami wisatawan. Tujuan dari penelitian ini yaitu mencari rute terpendek berdasarkan nilai parameter optimal. Dalam permasalahan ini, algoritma yang digunakan yaitu Ant Colony Optimization sebagai algoritma optimasi yang dapat diterapkan pada kasus penentuan rute kunjungan wisata. Algoritma tersebut merupakan algoritma yang terinspirasi dari kelompok koloni semut dalam mencari jalur untuk mendapatkan makanan. Pengujian parameter Ant Colony Optimization yaitu alpha, beta, dan rho dengan rentang nilai yang telah ditentukan. Kemudian dibandingkan berdasarkan rata-rata fitness terkecil dari hasil 75 kali percobaan running. Hasil dari pengujian algoritma Ant Colony Optimization didapatkan nilai optimal parameter, yaitu alpha bernilai 0,02 dengan rata-rata fitness 315,56 km, beta bernilai 9,0 dengan rata-rata fitness 314,31 km, dan rho bernilai 0,5 dengan rata-rata fitness 316,01 km. Setelah didapatkan nilai parameter optimal tersebut, kemudian diujikan kembali dengan dilakukan percobaan running sebanyak 5 kali, jadi total keseluruhan running sebanyak 80 kali. Didapatkan fitness terkecil senilai 312,67 km, nilai fitness terbesar senilai 318,32 km, dan rata-rata fitness sebesar 315,28 km.   Kata kunci - optimasi, Ant Colony Optimization, rute terpendek, perencanaan perjalanan

Downloads

Published

2026-05-28

Issue

Section

Articles

Most read articles by the same author(s)