IMPLEMENTASI ALGORITMA ANT COLONY OPTIMIZATION PADA VEHICLE ROUTING PROBLEM DALAM PENENTUAN RUTE BUS TRANS JOGJA

Alfi Masruroh, NIM.: 22106010066 (2026) IMPLEMENTASI ALGORITMA ANT COLONY OPTIMIZATION PADA VEHICLE ROUTING PROBLEM DALAM PENENTUAN RUTE BUS TRANS JOGJA. Skripsi thesis, UIN SUNAN KALIJAGA YOGYAKARTA.

Preview	Text (IMPLEMENTASI ALGORITMA ANT COLONY OPTIMIZATION PADA VEHICLE ROUTING PROBLEM DALAM PENENTUAN RUTE BUS TRANS JOGJA) 22106010066_BAB-I_IV-atau-V_DAFTAR-PUSTAKA.pdf - Published Version Download (2MB) | Preview
	Text (IMPLEMENTASI ALGORITMA ANT COLONY OPTIMIZATION PADA VEHICLE ROUTING PROBLEM DALAM PENENTUAN RUTE BUS TRANS JOGJA) 22106010066_BAB-II_sampai_SEBELUM-BAB-TERAKHIR.pdf - Published Version Restricted to Registered users only Download (4MB) | Request a copy

Abstract

Kota Yogyakarta memiliki tingkat mobilitas yang tinggi seiring dengan pertumbuhan penduduk serta aktivitas pendidikan, pariwisata, dan ekonomi. Peningkatan penggunaan kendaraan pribadi berdampak pada kemacetan lalu lintas dan penurunan kualitas lingkungan, sehingga menuntut adanya optimalisasi pada sektor transportasi publik. Namun, layanan bus Trans Jogja saat ini masih dihadapkan pada kendala inefisiensi rute dan waktu tempuh. Penelitian ini bertujuan untuk memodelkan dan menyelesaikan permasalahan penentuan rute bus Trans Jogja melalui pendekatan Vehicle Routing Problem (VRP). Data penelitian memadukan titik koordinat geografis halte dengan matriks jarak operasional riil, di mana perhitungan tidak lagi bertumpu pada jarak lurus spasial (Euclidean Distance) guna mempresentasikan kondisi lapangan secara akurat. Proses optimasi dilakukan dengan mengimplementasikan algoritma Ant Colony Optimization (ACO) menggunakan bahasa pemrograman Python melalui 100 iterasi untuk memperoleh rute dengan jarak minimum. Hasil penelitian menunjukkan bahwa algoritma ACO berhasil mengoptimalkan rute pada jalur observasi 1A dengan tingkat efisiensi sebesar 49,12%, di mana jarak tempuh kolektif berhasil dipangkas dari 392,10 km menjadi 199,51 km, serta mampu mereduksi penggunaan armada dari 10 unit menjadi 8 unit. Secara keseluruhan, optimasi ini membentuk pola pengelompokan halte berdasarkan kedekatan geografis yang sukses mengeliminasi lintasan memutar. Dengan demikian, implementasi algoritma ACO berbasis Python terbukti efektif dalam menyelesaikan permasalahan VRP pada rute bus Trans Jogja dan dapat digunakan sebagai alternatif metode optimasi transportasi publik. Kata Kunci: Vehicle Routing Problem (VRP), Ant Colony Optimization (ACO), Trans Jogja, Optimasi Rute, Python.

Share this knowledge with your friends :

Actions (login required)

View Item