Pencarian Jarak Terdekat Indekos Berbasis Android Menggunakan Algoritma A Star
BAB 2
LANDASAN TEORI
Bab ini membahas tentang teori pendukung beserta penelitian terdahulu yang
berhubungan dengan penerapan algoritma A Star dalam pencarian jarak terdekat
indekos dari kampus.
2.1. Indekos
Menurut kbbi.web.id (diakses pada 03 September 2015) indekos adalah tinggal di
rumah orang lain dengan atau tanpa makan (dengan membayar setiap bulan);
memondok: tetangga saya tidak menerima orang -- , hanya menyewakan kamar. Kata
"indekos" sebenarnya adalah turunan dari frasa bahasa Belanda "In de indekos".
Definisi "In de indekos" sebenarnya adalah "makan di dalam" namun bila frasa
tersebut dijabarkan lebih lanjut dapat pula berarti "tinggal dan ikut makan" di dalam
rumah tempat menumpang tinggal.
2.2. Algoritma A* (A Star)
Algoritma A Star atau A* adalah algoritma komputer yang digunakan secara luas
dalam graph traversal dan penemuan jalur serta proses perencanaan jalur yang bisa
dilewati secara efisien disekitar titik-titik yang disebut node (Reddy, 2013).
Menurut (Russel & Norvig, 2003) Algoritma A* adalah algoritma best-first
search yang paling banyak dikenal. Algoritma ini memeriksa node dengan
menggabungkan g(n), yaitu cost yang dibutuhkan untuk mencapai sebuah node dan
h(n), yaitu cost yang didapat dari node awal ke node n. Sehingga didapatkan rumus
dasar dari algoritma A* ini adalah:
f(n) = g(n) + h(n)
dimana:
h(n) = nilai heuristik antar koordinat
g(n) = jarak koordinat ke titik tujuan
6
Dalam notasi standar yang dipakai untuk algoritma A* di atas, digunakan g(n)
untuk mewakili cost rute dari node awal ke node n. Lalu h(n) mewakili perkiraan cost
dari node n ke node goal, yang dihitung dengan fungsi heuristik. Semakin tinggi
akurasi nilai heuristik, maka hasil perhitungan jarak terdekat dengan algoritma A Star
juga akan memiliki akurasi yang baik. Fungsi heuristik yang digunakan adalah
Euclidean Distance.
Fungsi Euclidean Distance menghitung berdasarkan titik koordinat masingmasing node. Fungsi ini memberikan hasil yang lebih baik dibandingkan fungsi
heuristik lain (Chris et al, 2011). A Star ‘menyeimbangkan’ kedua nilai ini dalam
mencari jalan dari node awal ke node goal. Dalam menentukan node yang akan
dikembangkan, algoritma ini akan memilih node dengan nilai f(n) = g(n) + h(n) yang
paling kecil.
Dalam menggunakan algoritma A Star nilai g(n) yang dipakai adalah jarak
antara kedua node. Namun kita bisa mengalikan nilai jarak tersebut untuk
memanipulasi cost nya, misalnya untuk rute yang melalui medan berat seperti sungai
jarak bisa dikalikan dengan tiga. Pada penelitian ini digunakan dua pertimbangan
dalam menentukan nilai g(n), yaitu jarak dan bobot kemacetan sebuah titik. Nilai
jarak didapat langsung melalui relasi titik yang diambil langsung dari google maps,
sedangkan nilai bobot kemacetan diambil dari angket yang diisi oleh mahasiswa yang
sering melalui jalan disekitar kampus Universitas Sumatera sebagai respondennya.
Beberapa titik macet tersebut diberikan bobot dengan skala 1-5.
2.3. Graph
Graph didefinisikan sebagai pasangan himpunan (V, E), ditulis dengan notasi G =(V,
E), yang dalam hal ini V adalah himpunan tidak kosong dari simpul-simpul
(verticesatau node) dan E adalah himpunan sisi (edges atau arcs) yang
menghubungkan sepasang simpul (Munir, 2005).
Secara geometri graph digambarkan sebagai sekumpulan noktah (simpul) di
dalam bidang dwimatra yang dihubungkan dengan sekumpulan garis (sisi). (Ziad,
2013). Berdasarkan ada tidaknya sisi ganda pada suatu graph maka graf dibagi atas
graf sederhana dan graf tidak sederhana (multigraph). Contoh dari tiga buah graph
(Fitria, 2005), yaitu G1, G2 dan G3 dapat dilihat pada gambar 2.1.
7
Gambar 2.1 (G1) Graf Sederhana, (G2) Multigraf, dan (G3) Multigraf
Keterangan dari gambar 2.1 adalah sebagai berikut:
-
G1 adalah graf dengan himpunan simpul V dan himpunan sisi E adalah:
V = {1, 2, 3, 4}
E = {(1, 2), (1, 3), (2, 3), (2, 4), (3, 4)}
-
G2 adalah graf dengan himpunan simpul V dan himpunan sisi E adalah:
V = {1, 2, 3, 4}
E = {(1, 2), (2, 3), (1, 3), (1, 3), (2, 4), (3, 4), (3, 4)}
= {e1, e2, e3, e4, e5, e6, e7}
-
G3adalah graf dengan himpunan simpul V dan himpunan sisi E adalah:
V = {1, 2, 3, 4}
E = {(1, 2), (2, 3), (1, 3), (1, 3), (2, 4), (3, 4), (3, 4), (3, 3)}
= {e1, e2, e3, e4, e5, e6, e7, e8}
2.4. GPS (Global Positioning System)
Global Positioning System (GPS) adalah sistem untuk menentukan letak di permukaan
bumi dengan bantuan penyelarasan sinyal satelit. Sistem ini menggunakan 24 satelit
yang mengirimkan sinyal gelombang mikro ke bumi. Sinyal ini diterima oleh alat
penerima di permukaan, dan digunakan untuk menentukan letak, kecepatan, arah, dan
waktu. Sistem yang serupa dengan GPS antara lain GLONASS Rusia, Galileo Uni
Eropa, IRNSS India.
Sistem ini dikembangkan oleh Departemen Pertahanan Amerika Serikat,
dengan nama lengkapnya adalah NAVSTAR GPS (kesalahan umum adalah bahwa
NAVSTAR adalah sebuah singkatan, ini adalah salah, NAVSTAR adalah nama yang
diberikan oleh John Walsh, seorang penentu kebijakan penting dalam program GPS).
Kumpulan satelit ini diurus oleh 50th Space Wing Angkatan Udara Amerika Serikat.
Biaya perawatan sistem ini sekitar US$750 juta per tahun, termasuk penggantian
satelit lama, serta riset dan pengembangan.
8
GPS Tracker atau sering disebut dengan GPS Tracking adalah teknologi AVL
(Automated Vehicle Locater) yang memungkinkan pengguna untuk melacak posisi
kendaraan, armada ataupun mobil dalam keadaan Real-Time. GPS Tracking
memanfaatkan kombinasi teknologi GSM dan GPS untuk menentukan koordinat
sebuah objek, lalu menerjemahkannya dalam bentuk peta digital. Dengan
menggabungkan penerima GPS sebagai alat akuisisi data dan komputer sebagai
pengolah data, bisa diperoleh sistem pemetaan yang cepat dan akurat untuk berbagai
macam keperluan: pariwisata, industri, tata kota, batas wilayah, dan sebagainya
(Harsono et al, 2006).
2.5. Penelitian Terdahulu
Beberapa penelitian telah dilakukan untuk kasus
pencarian jarak terdekat. Salah
satunya adalah penelitian yang dilakukan oleh (Tilawah, 2011) menerapan Algoritma
A-star (A*) untuk menyelesaikan masalah maze. Penulis menemukan bahwa
Algoritma A* menggunakan informasi tambahan (nilai heuristik) dan juga nilai jarak
tiap mazenya dalam pencarian solusi. Oleh karena itu, solusi yang optimal sangat
tergantung kepada fungsi heuristik yang diterapkan. Algoritma A* dapat diterapkan
untuk menyelesaikan permasalahan maze yaitu dengan cara menyimpan data posisi
tembok maze sebagai simpul yang tidak bisa dilewati (not walkable).
Penelitian yang dilakukan oleh (Hannawati, Thiang, Eleazhar, 2004) .
Penelitian dilakukan untuk mencari rute terpendek menggunakan algoritma Genetika.
Penulis menemukan bahwa algoritma genetika cukup efektif dan mudah digunakan
khususnya dalam hal mencari rute terpendek dan waktu tersingkat berdasarkan kondisi
rute. Algoritma ini menunjukkan keunggulannya pada saat dilakukan perhitungan
dengan memakai bobot jarak terhadap waktu. Hal ini akan memakan waktu lebih lama
untuk perhitungan matematika biasa. Semakin kompleks bentuk rutenya, maka makin
sulit dilakukan perhitungan dengan metode matematika biasa. Secara keseluruhan,
algoritma genetika yang telah didesain dapat berjalan dengan baik dan dapat
menyelesaikan permasalahan.
Penelitian yang dilakukan oleh (Hutabarat, 2015) . Penelitian dilakukan untuk
mencari rute terpendek menggunakan algoritma Floyd-Warshall pada aplikasi taksi
online. Pencarian jarak terdekat dilakukan dengan membuat titik simpang di jalanjalan protokol kota Medan. Penulis menemukan bahwa algoritma Floyd-Warshall
9
dapat menghitung jarak taksi yang terdekat dari pemesan taksi. Penulis juga
menyarankan agar pencarian jarak terdekat pada jalan-jalan protokol sebuah kota
hendaknya menyertakan aspek kemacetan untuk hasil yang lebih akurat.
Penelitian yang dilakukan oleh (Lubis, 2015). Penelitian dilakukan untuk
mengatasi masalah pencarian jalur terpendek
pengantaran makanan. Penulis
menerapkan algortima A Star dan juga menggunakan Geographical Information
System (GIS)
untuk pendayagunaan vehicle (kendaraan).
Dengan melakukan
pengaplikasin algortima A Star untuk menyelesaikan kasus jarak terpendek, sistem
pengantaran makanan dapat berjalan dengan baik. Namun perlu juga dipertimbangkan
aspek kemacetan dalam pencarian jarak terpendek.
Tabel 2.1. Penelitian Terdahulu
No.
Peneliti
Metode
1.
Tilawah, H (2011)
A Star
Keterangan
Penulis
menemukan
bahwa
Algoritma
A*
menggunakan
informasi
tambahan
heuristik)
dalam
(nilai
pencarian
solusi. Algoritma A* dapat
diterapkan untuk menyelesaikan
permasalahan
maze
yaitu
dengan cara menyimpan data
posisi tembok maze sebagai
simpul yang tidak bisa dilewati
(not walkable).
2.
Hannawati, Thiang,
Eleazhar (2004)
Algoritma Genetika
Penulis
algoritma
menemukan
bahwa
genetika
cukup
efektif dan mudah digunakan
khususnya dalam hal mencari
rute
terpendek
dan
waktu
tersingkat berdasarkan kondisi
rute yang akan dilalui.
10
No.
Peneliti
Metode
3.
Hutabarat, N.C
Floyd-Warshall
(2015)
Keterangan
Penulis
menemukan
bahwa
algoritma Floyd-Warshall dapat
menghitung jarak taksi yang
terdekat dari pemesan taksi.
Penulis juga menyarankan agar
pencarian jarak terdekat pada
jalan-jalan protokol sebuah kota
hendaknya menyertakan aspek
kemacetan untuk hasil yang
lebih akurat.
4.
Lubis, E.S (2015)
A Star (A*)
Dengan
melakukan
pengaplikasin algortima A Star
untuk
jarak
menyelesaikan
terpendek,
pengantaran
kasus
sistem
makanan
dapat
berjalan dengan baik. Namun
perlu
aspek
juga
dipertimbangkan
kemacetan
dalam
pencarian jarak terpendek.
Terdapat perbedaan yang dimiliki oleh penulis dengan penelitian terdahulu.
Seperti pada penelitian pertama yang menitikberatkan pada penelitian pada maze
untuk mendapatkan fungsi dari Algoritma A Star sedangkan penelitian ini mengarah
pada penerapan algoritma A Star untuk menyelesaikan masalah sehari-hari seperti
pencarian tempat tinggal sementara seperti indekos.
Penelitian
kedua
dilakukan
menggunakan
algoritma
genetika
untuk
menyelesaikan masalah pencarian jarak terdekat, sedangkan penulis menerapkan
algoritma A Star . Perbedaan dengan penelitian ketiga juga terletak pada algoritma
yang diterapkan untuk menyelesaikan masalah pencarian jarak terdekat. Peneliti
terdahulu menggunakan algoritma Floyd-Warshall.
11
Perbedaan dengan penelitian keempat terletak pada kasus yang diteliti. Peneliti
terdahulu melakukan penelitian pada pemberdayagunaan kendaraan untuk mengantar
pesanan namun tidak memperhatikan aspek kemacetan dalam penelitiannya.
Penelitian ini memperhatikan aspek kemacetan dalam melakukan pencarian jarak
terdekat.
LANDASAN TEORI
Bab ini membahas tentang teori pendukung beserta penelitian terdahulu yang
berhubungan dengan penerapan algoritma A Star dalam pencarian jarak terdekat
indekos dari kampus.
2.1. Indekos
Menurut kbbi.web.id (diakses pada 03 September 2015) indekos adalah tinggal di
rumah orang lain dengan atau tanpa makan (dengan membayar setiap bulan);
memondok: tetangga saya tidak menerima orang -- , hanya menyewakan kamar. Kata
"indekos" sebenarnya adalah turunan dari frasa bahasa Belanda "In de indekos".
Definisi "In de indekos" sebenarnya adalah "makan di dalam" namun bila frasa
tersebut dijabarkan lebih lanjut dapat pula berarti "tinggal dan ikut makan" di dalam
rumah tempat menumpang tinggal.
2.2. Algoritma A* (A Star)
Algoritma A Star atau A* adalah algoritma komputer yang digunakan secara luas
dalam graph traversal dan penemuan jalur serta proses perencanaan jalur yang bisa
dilewati secara efisien disekitar titik-titik yang disebut node (Reddy, 2013).
Menurut (Russel & Norvig, 2003) Algoritma A* adalah algoritma best-first
search yang paling banyak dikenal. Algoritma ini memeriksa node dengan
menggabungkan g(n), yaitu cost yang dibutuhkan untuk mencapai sebuah node dan
h(n), yaitu cost yang didapat dari node awal ke node n. Sehingga didapatkan rumus
dasar dari algoritma A* ini adalah:
f(n) = g(n) + h(n)
dimana:
h(n) = nilai heuristik antar koordinat
g(n) = jarak koordinat ke titik tujuan
6
Dalam notasi standar yang dipakai untuk algoritma A* di atas, digunakan g(n)
untuk mewakili cost rute dari node awal ke node n. Lalu h(n) mewakili perkiraan cost
dari node n ke node goal, yang dihitung dengan fungsi heuristik. Semakin tinggi
akurasi nilai heuristik, maka hasil perhitungan jarak terdekat dengan algoritma A Star
juga akan memiliki akurasi yang baik. Fungsi heuristik yang digunakan adalah
Euclidean Distance.
Fungsi Euclidean Distance menghitung berdasarkan titik koordinat masingmasing node. Fungsi ini memberikan hasil yang lebih baik dibandingkan fungsi
heuristik lain (Chris et al, 2011). A Star ‘menyeimbangkan’ kedua nilai ini dalam
mencari jalan dari node awal ke node goal. Dalam menentukan node yang akan
dikembangkan, algoritma ini akan memilih node dengan nilai f(n) = g(n) + h(n) yang
paling kecil.
Dalam menggunakan algoritma A Star nilai g(n) yang dipakai adalah jarak
antara kedua node. Namun kita bisa mengalikan nilai jarak tersebut untuk
memanipulasi cost nya, misalnya untuk rute yang melalui medan berat seperti sungai
jarak bisa dikalikan dengan tiga. Pada penelitian ini digunakan dua pertimbangan
dalam menentukan nilai g(n), yaitu jarak dan bobot kemacetan sebuah titik. Nilai
jarak didapat langsung melalui relasi titik yang diambil langsung dari google maps,
sedangkan nilai bobot kemacetan diambil dari angket yang diisi oleh mahasiswa yang
sering melalui jalan disekitar kampus Universitas Sumatera sebagai respondennya.
Beberapa titik macet tersebut diberikan bobot dengan skala 1-5.
2.3. Graph
Graph didefinisikan sebagai pasangan himpunan (V, E), ditulis dengan notasi G =(V,
E), yang dalam hal ini V adalah himpunan tidak kosong dari simpul-simpul
(verticesatau node) dan E adalah himpunan sisi (edges atau arcs) yang
menghubungkan sepasang simpul (Munir, 2005).
Secara geometri graph digambarkan sebagai sekumpulan noktah (simpul) di
dalam bidang dwimatra yang dihubungkan dengan sekumpulan garis (sisi). (Ziad,
2013). Berdasarkan ada tidaknya sisi ganda pada suatu graph maka graf dibagi atas
graf sederhana dan graf tidak sederhana (multigraph). Contoh dari tiga buah graph
(Fitria, 2005), yaitu G1, G2 dan G3 dapat dilihat pada gambar 2.1.
7
Gambar 2.1 (G1) Graf Sederhana, (G2) Multigraf, dan (G3) Multigraf
Keterangan dari gambar 2.1 adalah sebagai berikut:
-
G1 adalah graf dengan himpunan simpul V dan himpunan sisi E adalah:
V = {1, 2, 3, 4}
E = {(1, 2), (1, 3), (2, 3), (2, 4), (3, 4)}
-
G2 adalah graf dengan himpunan simpul V dan himpunan sisi E adalah:
V = {1, 2, 3, 4}
E = {(1, 2), (2, 3), (1, 3), (1, 3), (2, 4), (3, 4), (3, 4)}
= {e1, e2, e3, e4, e5, e6, e7}
-
G3adalah graf dengan himpunan simpul V dan himpunan sisi E adalah:
V = {1, 2, 3, 4}
E = {(1, 2), (2, 3), (1, 3), (1, 3), (2, 4), (3, 4), (3, 4), (3, 3)}
= {e1, e2, e3, e4, e5, e6, e7, e8}
2.4. GPS (Global Positioning System)
Global Positioning System (GPS) adalah sistem untuk menentukan letak di permukaan
bumi dengan bantuan penyelarasan sinyal satelit. Sistem ini menggunakan 24 satelit
yang mengirimkan sinyal gelombang mikro ke bumi. Sinyal ini diterima oleh alat
penerima di permukaan, dan digunakan untuk menentukan letak, kecepatan, arah, dan
waktu. Sistem yang serupa dengan GPS antara lain GLONASS Rusia, Galileo Uni
Eropa, IRNSS India.
Sistem ini dikembangkan oleh Departemen Pertahanan Amerika Serikat,
dengan nama lengkapnya adalah NAVSTAR GPS (kesalahan umum adalah bahwa
NAVSTAR adalah sebuah singkatan, ini adalah salah, NAVSTAR adalah nama yang
diberikan oleh John Walsh, seorang penentu kebijakan penting dalam program GPS).
Kumpulan satelit ini diurus oleh 50th Space Wing Angkatan Udara Amerika Serikat.
Biaya perawatan sistem ini sekitar US$750 juta per tahun, termasuk penggantian
satelit lama, serta riset dan pengembangan.
8
GPS Tracker atau sering disebut dengan GPS Tracking adalah teknologi AVL
(Automated Vehicle Locater) yang memungkinkan pengguna untuk melacak posisi
kendaraan, armada ataupun mobil dalam keadaan Real-Time. GPS Tracking
memanfaatkan kombinasi teknologi GSM dan GPS untuk menentukan koordinat
sebuah objek, lalu menerjemahkannya dalam bentuk peta digital. Dengan
menggabungkan penerima GPS sebagai alat akuisisi data dan komputer sebagai
pengolah data, bisa diperoleh sistem pemetaan yang cepat dan akurat untuk berbagai
macam keperluan: pariwisata, industri, tata kota, batas wilayah, dan sebagainya
(Harsono et al, 2006).
2.5. Penelitian Terdahulu
Beberapa penelitian telah dilakukan untuk kasus
pencarian jarak terdekat. Salah
satunya adalah penelitian yang dilakukan oleh (Tilawah, 2011) menerapan Algoritma
A-star (A*) untuk menyelesaikan masalah maze. Penulis menemukan bahwa
Algoritma A* menggunakan informasi tambahan (nilai heuristik) dan juga nilai jarak
tiap mazenya dalam pencarian solusi. Oleh karena itu, solusi yang optimal sangat
tergantung kepada fungsi heuristik yang diterapkan. Algoritma A* dapat diterapkan
untuk menyelesaikan permasalahan maze yaitu dengan cara menyimpan data posisi
tembok maze sebagai simpul yang tidak bisa dilewati (not walkable).
Penelitian yang dilakukan oleh (Hannawati, Thiang, Eleazhar, 2004) .
Penelitian dilakukan untuk mencari rute terpendek menggunakan algoritma Genetika.
Penulis menemukan bahwa algoritma genetika cukup efektif dan mudah digunakan
khususnya dalam hal mencari rute terpendek dan waktu tersingkat berdasarkan kondisi
rute. Algoritma ini menunjukkan keunggulannya pada saat dilakukan perhitungan
dengan memakai bobot jarak terhadap waktu. Hal ini akan memakan waktu lebih lama
untuk perhitungan matematika biasa. Semakin kompleks bentuk rutenya, maka makin
sulit dilakukan perhitungan dengan metode matematika biasa. Secara keseluruhan,
algoritma genetika yang telah didesain dapat berjalan dengan baik dan dapat
menyelesaikan permasalahan.
Penelitian yang dilakukan oleh (Hutabarat, 2015) . Penelitian dilakukan untuk
mencari rute terpendek menggunakan algoritma Floyd-Warshall pada aplikasi taksi
online. Pencarian jarak terdekat dilakukan dengan membuat titik simpang di jalanjalan protokol kota Medan. Penulis menemukan bahwa algoritma Floyd-Warshall
9
dapat menghitung jarak taksi yang terdekat dari pemesan taksi. Penulis juga
menyarankan agar pencarian jarak terdekat pada jalan-jalan protokol sebuah kota
hendaknya menyertakan aspek kemacetan untuk hasil yang lebih akurat.
Penelitian yang dilakukan oleh (Lubis, 2015). Penelitian dilakukan untuk
mengatasi masalah pencarian jalur terpendek
pengantaran makanan. Penulis
menerapkan algortima A Star dan juga menggunakan Geographical Information
System (GIS)
untuk pendayagunaan vehicle (kendaraan).
Dengan melakukan
pengaplikasin algortima A Star untuk menyelesaikan kasus jarak terpendek, sistem
pengantaran makanan dapat berjalan dengan baik. Namun perlu juga dipertimbangkan
aspek kemacetan dalam pencarian jarak terpendek.
Tabel 2.1. Penelitian Terdahulu
No.
Peneliti
Metode
1.
Tilawah, H (2011)
A Star
Keterangan
Penulis
menemukan
bahwa
Algoritma
A*
menggunakan
informasi
tambahan
heuristik)
dalam
(nilai
pencarian
solusi. Algoritma A* dapat
diterapkan untuk menyelesaikan
permasalahan
maze
yaitu
dengan cara menyimpan data
posisi tembok maze sebagai
simpul yang tidak bisa dilewati
(not walkable).
2.
Hannawati, Thiang,
Eleazhar (2004)
Algoritma Genetika
Penulis
algoritma
menemukan
bahwa
genetika
cukup
efektif dan mudah digunakan
khususnya dalam hal mencari
rute
terpendek
dan
waktu
tersingkat berdasarkan kondisi
rute yang akan dilalui.
10
No.
Peneliti
Metode
3.
Hutabarat, N.C
Floyd-Warshall
(2015)
Keterangan
Penulis
menemukan
bahwa
algoritma Floyd-Warshall dapat
menghitung jarak taksi yang
terdekat dari pemesan taksi.
Penulis juga menyarankan agar
pencarian jarak terdekat pada
jalan-jalan protokol sebuah kota
hendaknya menyertakan aspek
kemacetan untuk hasil yang
lebih akurat.
4.
Lubis, E.S (2015)
A Star (A*)
Dengan
melakukan
pengaplikasin algortima A Star
untuk
jarak
menyelesaikan
terpendek,
pengantaran
kasus
sistem
makanan
dapat
berjalan dengan baik. Namun
perlu
aspek
juga
dipertimbangkan
kemacetan
dalam
pencarian jarak terpendek.
Terdapat perbedaan yang dimiliki oleh penulis dengan penelitian terdahulu.
Seperti pada penelitian pertama yang menitikberatkan pada penelitian pada maze
untuk mendapatkan fungsi dari Algoritma A Star sedangkan penelitian ini mengarah
pada penerapan algoritma A Star untuk menyelesaikan masalah sehari-hari seperti
pencarian tempat tinggal sementara seperti indekos.
Penelitian
kedua
dilakukan
menggunakan
algoritma
genetika
untuk
menyelesaikan masalah pencarian jarak terdekat, sedangkan penulis menerapkan
algoritma A Star . Perbedaan dengan penelitian ketiga juga terletak pada algoritma
yang diterapkan untuk menyelesaikan masalah pencarian jarak terdekat. Peneliti
terdahulu menggunakan algoritma Floyd-Warshall.
11
Perbedaan dengan penelitian keempat terletak pada kasus yang diteliti. Peneliti
terdahulu melakukan penelitian pada pemberdayagunaan kendaraan untuk mengantar
pesanan namun tidak memperhatikan aspek kemacetan dalam penelitiannya.
Penelitian ini memperhatikan aspek kemacetan dalam melakukan pencarian jarak
terdekat.