Implementasi algoritma ant colony optimization dengan analisis penguapan feromon untuk mengoptimalkan rute distribusi susu jabmilk di kabupaten Malang

ABSTRAK:

Algoritma Ant Colony Optimization (ACO) merupakan algoritma metaheuristik yang terinspirasi dari perilaku semut dalam mencari rute terpendek menuju sumber makanan. Penelitian ini bertujuan untuk mengimplementasikan algoritma ACO dengan analisis penguapan feromon untuk mengoptimalkan rute distribusi susu Jabmilk di Kabupaten Malang. Data lokasi dan jarak antar 13 Jabmart diperoleh dari Google Maps dan disusun dalam bentuk matriks jarak untuk membentuk graf tak berarah. Simulasi dilakukan menggunakan parameter α=1, β=2, dan nilai penguapan feromon (ρ) yang divariasikan dari 0,1 hingga 1 dengan jumlah iterasi sebanyak 13. Hasil simulasi menunjukkan bahwa perubahan nilai ρ memengaruhi rute distribusi yang dihasilkan oleh algoritma ACO. Berdasarkan analisis korelasi Spearman, pengaruh nilai ρ menentukan rute terpendek tergolong negatif lemah. Artinya, meskipun nilai ρ berperan dalam proses pembaruan feromon, peningkatannya tidak secara signifikan memperpendek rute. Penelitian ini memberikan gambaran bahwa pemilihan parameter ρ tetap penting namun tidak menjadi satu-satunya faktor dominan dalam pencapaian solusi optimal menggunakan ACO dalam distribusi logistik.

ABSTRACT:

The Ant Colony Optimization (ACO) algorithm is a metaheuristic inspired by the behavior of ants in finding the shortest path to a food source. This study aims to implement the ACO algorithm with pheromone evaporation analysis to optimize the distribution routes of Jabmilk dairy products in Malang Regency. Location and distance data between 13 Jabmart stores were obtained from Google Maps and compiled into a distance matrix to construct an undirected graph. The simulation was conducted using parameters α=1, β=2, and pheromone evaporation rates (ρ) ranging from 0.1 to 1, with 13 iterations. The results showed that variations in the value of ρ affected the distribution routes generated by the ACO algorithm. Based on Spearman correlation analysis, the influence of ρ on determining the shortest route was weakly negative. This means that although ρ plays a role in the pheromone update process, increasing its value does not significantly reduce the total route length. This study illustrates that while the selection of the ρ parameter remains important, it is not the sole dominant factor in achieving optimal solutions using ACO for logistics distribution problems.

مستخلص البحث:

خوارزمية تحسين مستعمرة النمل (ACO) هي خوارزمية ميتاهوريستية مستوحاة من سلوك النمل في إيجاد أقصر الطريق إلى مصدر الغذاء. يهدف هذا البحث إلى تطبيق خوارزمية ACO مع تحليل تبخر الفرمون لتحسين طرق توزيع حليب جامب ميلك في محافظة مالانج. وقد تم الحصول على بيانات الموقع والمسافة بين 13 جابمارت من خرائط جوجل وترتيبها في شكل مصفوفة مسافة لتشكيل الرسم البياني غير موجه. أُجريت عمليات المحاكاة باستخدام المعلمات α=1، و β=2، وتباينت قيمة تبخر الفرمون (ρ) من 0.1 إلى 1 بإجمالي 13 تكرارًا. ظهرت نتائج المحاكاة أن التغييرات في قيمة ρ تؤثر على مسارات التوزيع التي تولدها خوارزمية ACO. استنادًا إلى تحليل ارتباط سبيرمان، يصنف تأثير قيمة ρ التي تحدد أقصر المسار على أنه سلبي ضعيف. وهذا يعني أنه على الرغم من أن قيمة ρ تلعب دورًا في عملية تحديث الفرمون، إلا أن زيادتها لا تقصر الطريق بشكل كبير. توضح هذه الدراسة أن اختيار المعلمة ρ يظل مهمًا ولكنه ليس العامل الوحيد المهيمن في تحقيق الحل الأمثل باستخدام ACO في التوزيع اللوجستي.