Menetukan Lintasan Terpendek Fuzzy dengan Metoda Rangking Fuzzy Sukamto dan Harison
Prosiding Semirata FMIPA Universitas Lampung, 2013
Menetukan Lintasan Terpendek Fuzzy dengan Metoda
Rangking Fuzzy
Sukamto dan Harison
Matematika FMIPA Universitas Riau Pekanbaru
E-mail: amto_s@yahoo.co.id
Abstrak. Pada makalah ini dibahas tentang lintasan terpendek fuzzy, yaitu panjang
lintasan berbentuk bilangan fuzzy triangular. Suatu algoritma diusulkan untuk
menentukan lintasan terpendek fuzzy, yaitu menghitung lintasan dari verteks awal
menuju verteks terakhir dengan semua verteks harus dikunjungi. Pada algoritma tersebut
diterapkan operasi penjumlahan bilangan fuzzy triangular dan pendekatan rangking
fuzzy. Lintasan yang dihasilkan merupakan lintasan terpendek dari beberapa lintasan
yang mungkin terjadi.Kata Kunci. Bilangan fuzzy triangular, Lintasan terpendek fuzzy, Rangking fuzzy.
yang mungkin dalam suatu jaringan
PENDAHULUAN menggunakan logika fuzzy.
Masalah lintasan terpendek banyak dijumpai pada jaringan, transportasi, METODE PENELITIAN komunikasi, dan lain-lain, yang
Penelitian ini dilakukan dalam bentuk direpresentasikan dalam bentuk graf. studi literatur dari berbagai buku teks dan
Algoritma pencarian lintasan tidak selalu jurnal dengan langkah-langkah sebagai berdasarkan pada data yang tepat, yaitu berikut: panjang lintasan selalu dalam bentuk a. bilangan riil. Sebagai contoh, misalkan Menentukan verteks awal dan memilih verteks-verteks adjasen dari verteks panjang lintasan bersifat fuzzy (p
1 = kira-
awal tersebut; kira 5), p = kira-kira 9, dan p = kira-kira
2
3 b.
3). Sehingga untuk menentukan lintasan Menentukan lintasan terpendek dari verteks awal ke verteks-verteks adjasen terpendeknya memerlukan suatu teori. menggunakan rangking fuzzy. Untuk itu peranan teori fuzzy sangat c. penting dan perlu dikembangkan. Kunjungi verteks dengan lintasan terpendek, ulangi langkah (a) dan (b).
Logika fuzzy diperkenalkan oleh Lotfi Zadeh dari Universitas California,
HASIL DAN PEMBAHASAN
Berkeley, pada 1965. Masalah lintasan terpendek fuzzy telah dibahas oleh Klein
Bilangan Fuzzy Triangular
[2] dan Okada dan Gen [5]. Okada dan Bilangan fuzzy triangular A dinyatakan
Soper [6] mengembangkan suatu dengan adalah himpunan algoritma yang didasarkan pada fuzzy A di yang fungsi pendekatan pelabelan ganda. Lin dan keanggotaannya adalah : Chen [3] menemukan panjang lintasan
( x a ) /( b a ), a x a 1 1 1 2
terpendek fuzzy pada jaringan dengan
( x ) ( a x ) /( a a ), a x a A 3 3 2 2 3 (15) cara pendekatan pemrograman linear
, x a dan x a 1 3
fuzzy.
Misalkan A dan B adalah dua bilangan Dalam penelitian ini, diusulkan suatu fuzzy dengan A = (a , a , a ) dan B = (b ,
1
2
3
1
algoritma untuk mencari lintasan
b 2 , b 3 ), maka A B = (a 1 , a 2 , a 3 ) (b 1 ,
terpendek fuzzy di antara semua lintasan
b 2 , b 3 ) Semirata 2013 FMIPA Unila |511
Sukamto dan Harison: Menetukan Lintasan Terpendek Fuzzy dengan Metoda
Rangking Fuzzy
A B ( a b , a b , a b ) 1 1 2 2 3 3
(16) Perhatikan gambar berikut.Tentukan
Rangking Fuzzy lintasan terpendek dari verteks 1 ke
Metoda rangking fuzzy dikemukakan verteks 5.oleh [1], yang merupakan jarak antara titik centroid (x , y ) dan titik asalnya, yaitu : 2 2 R ( A ) ( x ) ( y ) (17)
Supp A x ( x ) dx A
dimana atau
x Supp A ( x ) dx A 3 3 3 a ( a a ) a ( a a ) a ( a a ) 1 3 2 2 3 1 3 2 1 x
(18)
3 ( a a )( a a )( a a ) 2 1 3 2 3 1
dan
a 1 4 a a 2 3 y Penyelesaian.
(19)
3 ( a 1 2 a a ) 2 3 Langkah 1. Inisialisasi : { Algoritma Lintasan Terpendek
EL [u] = (0, , )
Dalam mencari lintasan terpendek dari Visit[u] = False sumber (source) ke tujuan (destination), Pre[u] = null } semua lokasi yang ada harus dikunjungi.
Langkah 2. Misalkan EL[1] = (0, 0, 0)
EL [ ] : Edge Length (panjang lintasan)
Pilih verteks berikutnya: (2, 3, 4, 5) Pre[ ] : Previous edge (lintasan
Langkah 3. Tempatkan semua verteks sebelumnya) dalam Q. Visit[ ] : Kunjungi verteks
Q = prioritas_queue(2, 3, 4, 5) Q : Queue
Langkah 4. Pilih u = MinLen(Q) = 1 MinLen[ ]: Minimum Length (panjang minimum)
Langkah 5. Tentukan semua v Adj[1] Adj[ ] : Adjacent vertices (verteks
Ada dua verteks adjasen untuk verteks adjacen) 1, yaitu verteks 2 dan verteks 3.
W (u, v) : Weight (bobot)
Langkah 6. Tentukan lintasan terpendek: Langkah 1. Inisialisasi : {
Untuk R(1, 2) adalah :
EL [v] = (0, , ) EL [1] W(1, 2).
Visit[v] = False Hitung jarak dengan rangking fuzzy
Pre[v] = null } untuk R(1, 2): Langkah 2. Misalkan EL[s] = (0, 0, 0)
R (EL[1] W(1, 2)) = (0 ,0, 0) (20,
Pilih verteks berikutnya 23, 26)
Langkah 3. Tempatkan semua verteks
R (1, 2) = (20, 23, 26)
dalam Nilai x dan y dihitung menggunakan persamaan (4) dan (5), diperoleh:
Langkah 4. Pilih u = MinLen(Q) 3 3 3 20 (
26 23 ) 23 (
26 20 ) 26 (
23 20 ) Langkah 5. Tentukan semua v
Adj[u] x 3 ( 23 20 )( 26 23 )( 26 20 )
Langkah 6. Tentukan lintasan terpendek:
x 924 . 2593
Langkah 7. Ganti EL[v] = EL[u] W(u, v) dan Hapus (Q, v, EL[v]) dan Pre[v] = u
20 4 ( 23 )
26 y
Langkah 8. Ulangi langkah 3.
3 ( 20 2 ( 23 ) 26 ) Sampai prioritas_queue kosong. y .
5 Langkah 9. Diperoleh hasil lintasan
Sehingga dengan persamaan (3) terpendek. diperoleh
Contoh Pembahasan 2 2 R
( 1 , 2 ) ( 924 . 2593 ) ( . 5 )
R ( 1 , 2 ) 924 . 2594
Prosiding Semirata FMIPA Universitas Lampung, 2013
Semirata 2013 FMIPA Unila |51330 3 3 3
Sehingga diperoleh 2 2 )
y 5 . y
30
4
35 (
2 30 ( 3 40 )
35 (
dan ) 40 )
x 1178 3333 . x
35 40 (
4 , 2 (
30 40 ( 35 )
30 35 ( 40 )
3 )
35 40 (
30 35 )( 30 40 )(
Nilai x dan y dihitung menggunakan persamaan (4) dan (5), diperoleh: )
R (2, 4) = (30, 35, 40)
= (20, 23, 26) (10, 12, 14)
(2, 4) = R(1, 2) W(2, 4))
R
Untuk R(2, 4) adalah : R(1, 2) W(2, 4). Hitung jarak untuk R(2, 4):
( 5 . ) 3333 . 1178 ( ) 4 , R 2 ( ) 1178 3334 .
R
3 , 2 (
x 2096 x
R 2 (
R 2096 ) 5 ,
( 5 . ) 2096 ( ) 5 , 2 (
Sehingga diperoleh 2 2 )
5 . y
42 y
4
48 (
2 42 ( 3 54 )
) 54 ) 48 (
dan
Untuk R(2, 5) adalah : R(1, 2) W(2, 5). Hitung jarak untuk R(2, 5):
42 3 3 3
48 54 (
42 54 ( 48 )
42 48 ( 54 )
3 )
42 48 (
42 54 )( 48 54 )(
Nilai x dan y dihitung menggunakan persamaan (4) dan (5), diperoleh: )
R (2, 5) = (42, 48, 54)
= (20, 23, 26) (22, 25, 28)
(2, 5) = R(1, 2) W(2, 5))
R
R
R ) 750 0002 .
Untuk R(1, 3) adalah : EL[1] W(1, 3). Hitung jarak untuk R(1, 3):
) 46 ) 43 (
R
3 , 1 (
R 1 ( ) 5932 4074 .
) ( 5 . ) 2593 . 924 ( ) 3 ,
5 . y Sehingga diperoleh 2 2
y
40
4
43 (
2 40 ( 3 46 )
5932 40741 . x dan
Hapus vertex 1 dari Q dan Pre[2] = 1 Langkah 8. Ulangi langkah 3 sampai langkah 7.
x
40 3 3 3
43 46 (
40 46 ( 43 )
40 43 ( 46 )
3 )
40 43 (
40 46 )( 43 46 )(
Nilai x dan y dihitung menggunakan persamaan (4) dan (5), diperoleh: )
R (1, 3) = (40, 43, 46)
43, 46)
R (EL[1] W(1, 3)) = (0, 0, 0) (40,
Nilai R(1, 2) = 924.2594 dan R (1, 3) = 5932.4074. Sehingga R(1, 2) adalah terpendek. Langkah 7. Ganti d[1] = 924.2594.
Langkah 3. Tempatkan semua verteks dalam Q.
( 5 . ) 750 ( ) 3 , 2 (
25 3 3 3 x
Sehingga diperoleh 2 2 )
y
y 5 .
25
4
30 (
2 25 ( 3 35 )
30 (
dan ) 35 )
750 x
30 35 (
Q = prioritas_queue(3, 4, 5)
25 35 ( 30 )
25 30 ( 35 )
25 30 ( 3 )
25 35 )( 30 35 )(
)
Nilai x dan y dihitung menggunakan persamaan (4) dan (5), diperoleh:
R (2, 3) = (25, 30, 35)
W(2, 3)) = (20, 23, 26) (5, 7, 9)
R (2, 3) = R(1, 2)
Hitung jarak dengan rangking fuzzy untuk R(2, 3):
Adj[2] Ada tiga verteks adjasen untuk verteks 2 di dalam queue, yaitu verteks 3, verteks 4, dan verteks 5. Langkah 6. Tentukan liontasan terpendek: R (1, 2) W(2, 3).
Langkah 4. Pilih u = MinLen(Q) = 2 Langkah 5. Tentukan semua v
Nilai R(2, 3) = 750, R(2, 4) = 1178.3334, dan R(2, 5) = 2096. Sehingga R(2, 3) adalah terpendek.
Sukamto dan Harison: Menetukan Lintasan Terpendek Fuzzy dengan Metoda
Rangking Fuzzy
x
Ada satu verteks adjasen untuk verteks 4 di dalam queue, yaitu verteks 5. Langkah 6. Tentukan jarak R(4, 5)
Langkah 7. Ganti d[2] = 750, Hapus vertex 2 dari Q dan Pre[3] = 2
Dari hasil pembahasan dapat disimpulkan bahwa lintasan terpendek fuzzy dari lokasi sumber sampai lokasi tujuan dengan semua lokasi dikunjungi dapat ditentukan berdasarkan minimum dari verteks-verteks yang adjasen. Jarak lintasan terpendek fuzzy dapat dihitung menggunakan pendekatan rangking fuzzy. Di dalam pembahasan ini bilangan fuzzy yang digunakan adalah bilangan fuzzy triangular, disarankan untuk menggunakan bilangan fuzzy trapezoidal.
KESIMPULAN
Adj[5] Tidak ada satu verteks adjasen untuk verteks 5 di dalam queue, sehingga prioritas_queue kosong. Langkah 9. Diperoleh hasil lintasan terpendek, yaitu 1 – 2 – 3 – 4 – 5 dengan jarak 1783.3834.
Nilai x dan y dihitung menggunakan persamaan (4) dan (5), diperoleh: )
45 67 )( 47 67 )(
45 47 (
3 )
45 47 ( 67 )
45 67 ( 47 )
47 67 (
45 3 3 3
1783 3833 . x
Q = prioritas_queue(4, 5)
dan ) 67 )
47 (
2 45 ( 3 67 )
47 (
4
45
y
4854 . y
Sehingga diperoleh 2 2 ) 4854 . ( ) 3833 . 1783 ( ) 5 ,
4 (
R ) 1783 3834 .
5 , 4 (
R Langkah 7. Ganti d[4] = 1783.3834.
Hapus verteks 4 dari Q dan Pre[5] = 4 Langkah 8. Ulangi langkah 3. Langkah 3. Tempatkan semua verteks dalam Q.
Langkah 4. Pilih u = MinLen(Q) = 4 Langkah 5. Tentukan semua v Adj[4]
Langkah 8. Ulangi langkah 3 sampai langkah 7. Langkah 3. Tempatkan semua verteks dalam Q.
Langkah 4. Pilih u = MinLen(Q) = 5 Langkah 5. Tentukan semua v
35 50 ( 42 )
Langkah 8. Ulangi langkah 3 sampai langkah 7. Langkah 3. Tempatkan semua verteks dalam Q.
Q = prioritas_queue(3, 4, 5)
Langkah 4. Pilih u = MinLen(Q) = 3 Langkah 5. Tentukan semua v Adj[3]
Ada satu verteks adjasen untuk verteks 3 di dalam queue, yaitu verteks 4. Langkah 6. Tentukan jarak R(3, 4):
Hitung jarak dengan rangking fuzzy untuk R(3, 4):
R (3, 4) = R(2, 3) W(3, 4))
= (25, 30, 35) (10, 12, 15)
R (3, 4) = (35, 42, 50)
Nilai x dan y dihitung menggunakan persamaan (4) dan (5), diperoleh: )
35 50 )( 42 50 )(
35 42 (
3 )
35 42 ( 50 )
42 50 (
Langkah 7. Ganti d[3] = 924.3334, Hapus verteks 3 dari Q dan Pre[4] = 3
35 3 3 3
x 924 3333 .
x
dan
) 50 ) 42 (
2 35 ( 3 50 )
42 (
4
35 y
5 . y
Sehingga diperoleh 2 2 )
( 5 . ) 3333 . 924 ( ) 4 , 3 (
R ) 924 3334 .
4 , 3 ( R
Q = prioritas_queue(5)
DAFTAR PUSTAKA
R (4, 5) = (45, 47, 67)
= (35, 42, 50) (10, 15, 17)
R (4, 5) = R(3, 4) W(4, 5))
C. H. Cheng. (1998). A New Approach for Ranking Fuzzy Numbers by Distance Method. Fuzzy Sets and
Systems , Vol. 95, 1998 p. 307 – 317.
Hitung jarak dengan rangking fuzzy untuk R(4, 5):
Prosiding Semirata FMIPA Universitas Lampung, 2013
C. M. Klein. (1991). Fuzzy Shortest Paths. Problems. Fuzzy Sets and Systems, Vol.
Fuzzy Sets and Systems , Vol. 39, 125, 2002 p. 355 – 368.
1991E p. 27 – 41.
S. Okada and M. Gen. (1994). Fuzzy K. Lin and M. Chen. 1993. The Fuzzy Shortest Path Problem. Comput.
- – Shortest Path Problem and Its Most Industrial Eng., Vol. 27, 1994 p. 465 Vital Arcs. Fuzzy Sets and Systems, 468. Vol. 58(3), 1993 p. 343 – 353.
S. Okada and T. Soper. (2000). A Shortest M. Blue, B. Bush and J. Puckett. (2002). Path Problem on a Network with Fuzzy
Unfied Approach to Fuzzy Graph are Lengths. Fuzzy Sets and Systems, Vol. 109, 2000 p. 129 – 140.
Semirata 2013 FMIPA Unila |515