SIMULASI PENENTUAN RUTE TERPENDEKMENGGUNAKAN METODE TABU SEARCH

(Studi Kasus : Lokasi Wisata di Palembang)

Helly Paramita Sari (helly.2158@gmail.com)Daniel Udjulawa, S.Kom., M.T.I. (daniel_uju@stmik-mdp.net)

Jurusan Teknik InformatikaSTMIK GI MDP

Abstrak : Kota Palembang merupakan salah satu kota di Sumatera bagian selatan yang memiliki beraneka ragam objek wisata baik jenis, bentuk, maupun ciri keunikan tradisional daerah. Kebutuhan memperoleh informasi secara cepat dan mudah telah menjadi suatu kebutuhan penting bagi masyarakat, khususnya wisatawan yang ingin berkunjung ke suatu objek wisata. Tentunya hal ini didukung dengan adanya rute terpendek untuk menuju lokasi wisata tersebut. Metode tabu search adalah salah satu metode yang dapat digunakan dalam proses pencarian rute terpendek. Metode ini menggunakan tabu list untuk menyimpan solusi jalur yang diperoleh dari iterasi dan bangkitkan jalur tetangga dari iterasi yang baru saja dievaluasi. Jalur yang masuk tabu list adalah yang memiliki panjang jalur minimum. Panjang jalur diperoleh dari penjumlah jarak antar jalur tersebut. Nilai minimum dari perhitungan akan menjadi BestSoFar dan dimasukkan ke dalam tabu list. Perhitungan akan berhenti, apabila iterasi telah mencapai maksimum iterasi yang telah ditentukan. Metodologi pengembangan sistem menggunakan pendekatan model iteratif. Tujuan utama sistem ini adalah untuk menerapkan metode pencarian rute terpendek tabu search dalam pencarian rute terpendek lokasi wisata di Palembang. Hasil pengujian membuktikan bahwa semakin banyak jumlah iterasi yang dimasukkan, maka semakin banyak rute yang dibandingkan sehingga hasil rute terpendek yang didapat semakin baik dan akurat.

Kata kunci : Wisata Palembang, Rute Terpendek, Metode Tabu Search

Abstract : Palembang is a city in Sumatera Selatan province that has various touring objects with its unique cultural characteristic. The needs of fast and easy information becomes primary needs in the present society, especially for traveling tourists. The tourists needs the shortest route to reach the touring objects. One of several methods to search the shortest route is Tabu Search method. This method is using tabu list to store path solution received from iteration and generates neighbour path from newly evaluated iteration. The path that included in tabu list has minimum path distance. The path distance generated from the sum of every paths. Minimum point of calculations will be the BestSoFar and will be included to the tabu list. The calculation will ends if the iteration reach the maximum iterations that had been determined. The method of this system development is using iteratif method approach. The main purpose of this system is to apply tabu search’s shortest route search method on searching the shortest touring route in Palembang. The result shows that the more iterations included in calculations, the more routes will be compared so that the shortest route can be achieved with better accuracy.

Keywords : Palembang’s Tourism, Shortest Path, Tabu Search Method

1. PENDAHULUAN

Kota Palembang merupakan salah satu kota di Sumatera bagian selatan yang memiliki beraneka ragam obyek wisata baik jenis, bentuk, maupun ciri keunikan tradisional daerah. Kurangnya Informasi yang dibuat oleh Dinas Pariwisata kota Palembang menjadikan masyarakat luas tidak bisa mendapatkan informasi tentang

kepariwisataan secara jelas. Padahal, kebutuhan memperoleh informasi secara cepat dan mudah telah menjadi suatu kebutuhan penting bagi masyarakat, khususnya wisatawan yang ingin berkunjung ke suatu objek wisata. Selain masalah tersebut, juga terdapat masalah rute terpendek. Masyarakat selalu mencari alternatif menuju semua objek wisata dengan jarak tempuh yang lebih singkat.

Hal - 1

Metode Tabu search adalah metode yang dapat digunakan untuk menyelesaikan masalah tersebut. Metode ini menggunakan tabu list sebagai tempat penyimpanan solusi rute terpendek yang telah ditemukan. Berdasarkan uraian diatas, penulis tertarik untuk mengambil skripsi dengan judul “Simulasi Penentuan Rute Terpendek Menggunakan Metode Tabu search (Studi Kasus : Lokasi Wisata di Palembang)”.

2. LANDASAN TEORI

2.1 Graf

Menurut Munir (2009, h. 356) Graf G didefinisikan sebagai pasangan himpunan (V, E), ditulis dengan notasi G = (V, E), yang dalam hal ini V adalah himpunan tidak-kosong dari simpul-simpul (vertices atau node) dan E adalah himpunan sisi (edges atau arcs) yang menghubungkan sepasang simpul. Definisi ini menyatakan bahwa V tidak boleh kosong, sedangkan E boleh kosong. Jadi, sebuah graf dimungkinkan tidak mempunyai sisi satu buah pun, tetapi simpulnya harus ada, minimal satu.

Secara geometri graf digambarkan sebagai sekumpulan noktah (simpul) di dalam bidang dwimantra yang dihubungkan dengan sekumpulan garis (sisi).

Gambar 2.1 Graf

Gambar 2.1 memperlihatkan tiga buah graf G1, G2, dan G3. Pada G2, sisi e3 = (1, 3) dan sisi e4 = (1, 3) dinamakan sisi-ganda (multiple edges atau paralel edges) karena kedua sisi ini menghubungi dua buah simpul yang sama, yaitu simpul 1 dan simpul 3. Pada G3, sisi e8 = (3, 3) dinamakan gelang atau kalang (loop) karena ia berawal dan berakhir pada simpul yang sama.

2.2 Metode Tabu Search

Menurut Suyanto (2010, h.135) Tabu Search adalah suatu metode optimasi

matematis yang termasuk ke dalam kelas local search. Tabu Search memperbaiki performansi local search dengan memanfaatkan penggunaan struktur memory. Sebagian solusi yang pernah dibangkitkan ditandai sebagai “tabu” (dalam ejaan lain adalah “taboo” yang berarti sesuatu yang terlarang), sehingga algoritma Tabu Search tidak akan mengunjungi solusi tersebut secara berulang-ulang.

Sama dengan metode simulated annealing, algoritma Tabu Search juga bisa menerima solusi yang lebih buruk daripada solusi saat ini. Untuk menjaga agar solusi terbaik tidak hilang, Tabu Search menyimpan solusi terbaik dan terus mencari berdasarkan solusi terakhir. Selain itu, metode ini mengingat sebagian solusi yang pernah ditemui dan melarang untuk menggunakan solusi yang telah ditelusuri untuk menghindari pengulangan yang sia-sia. Hal ini yang membuat Tabu Search menjadi lebih efisien dalam hal usaha dan waktu.

Tabu Search menggunakan struktur memory yang disebut Tabu List untuk menyimpan atribut dari sebagian move (langkah transisi dari satu solusi ke solusi yang lain) yang telah diterapkan pada iterasi-iterasi sebelumnya. Tabu List digunakan untuk menolak solusi-solusi yang memenuhi atribut tertentu agar proses pencarian tidak berulang-ulang pada daerah solusi yang sama dan untuk menuntun proses pencarian menelusuri solusi-solusi yang belum pernah dikunjungi.

Tabu Search bekerja secara iteratif menggunakan algoritma local search pada setiap iterasi untuk mencari solusi terbaik di antara sebagian tetangga dari solusi terbaik saat ini. Pada setiap iterasi, algoritma local search memilih solusi tetangga yang memberikan peningkatan kualitas tertinggi. Tetapi, jika semua solusi tetangga tidak memberikan peningkatan kualitas, maka local search akan memilih solusi yang penurunan kualitasnya paling rendah. Kualitas di sini bergantung pada masalah yang dihadapi. Untuk masalah minimasi, semakin rendah nilai fungsi objektifnya

Hal - 2

berarti semakin tinggi kualitasnya. Sebaliknya, untuk masalah maksimasi, solusi dengan nilai fungsi objektif yang tinggi berarti kualitasnya tinggi.

Tabu Search memiliki lima parameter utama yang harus ditentukan secara hati-hati, yaitu : prosedur local search, struktur ketetanggan, kondisi tabu, kondisi aspirasi, dan kriteria penghentian. Algoritma Tabu Search bisa dihentikan berdasarkan kriteria tertentu, misalnya sejumlah waktu CPU tertentu, atau sejumlah iterasi berurutan tanpa peningkatan nilai fungsi objektif terbaik, dan sebagainya. Tabu Search juga memiliki lima unsur dasar, yaitu :1. Langkah utama untuk memanfaatkan

memory di dalam Tabu Search adalah mengklasifikasi suatu subhimpunan langkah di dalam suatu ketetanggaan sebagai larangan atau tabu.

2. Suatu ketetanggaan dibangun untuk mengidentifikasi solusi-solusi tetangga yang dapat dicapai dari solusi saat ini.

3. Klasifikasi bergantung pada sejarah pencarian, dan khususnya pada kebaruan (recency) atau frekuensi (frequency) bahwa langkah atau komponen solusi terntentu, yang disebut atribut, telah berpartisipasi pada pembangkitan solusi-solusi sebelumnya.

4. Suatu tabu list mencatat langkah-langkah terlarang atau tabu moves.

5. Batasan-batasan tabu bisa diberikan pengecualian. Ketika suatu langkah tabu memberikan suatu solusi yang lebih baik dibandingkan semua langkah terbaik sebelumnya, maka status tabu dari langkah tersebut bisa diabaikan (artinya : statusnya diubah dari tabu menjadi tidak tabu). Kondisi atau kriteria pengabaian status tabu ini disebut kondisi aspirasi.

2.3 Microsoft Visual Basic 2008

Menurut Wahana Komputer (2010) Microsoft Visual Basic 2008 merupakan aplikasi pemrograman yang menggunakan teknologi .Net Framework yang merupakan komponen windows yang terintegrasi serta mendukung pembuatan, penggunaan aplikasi dan halaman web. Teknologi .Net Framework mempunyai dua komponen

utama, yaitu CLR (Common Language Runtime) dan class library. CLR digunakan untuk menjalankan aplikasi yang berbasis .Net, sedangkan library adalah kelas pustaka atau perintah yang digunakan untuk membangun aplikasi.

3. ANALISIS DAN PERANCANGAN SISTEM

3.1 Metode Pembuatan Sistem

1. Studi Literatur

Studi literatur adalah mencari referensi teori yang relefan dengan kasus atau permasalahan yang ditemukan. Referensi tersebut berisikan tentang :1. Informasi tentang objek wisata di Kota

Palembang.2. Informasi mengenai rute jalan menuju

lokasi-lokasi wisata di Kota Palembang.3. Teori tentang metode Tabu Search.

Tujuannya adalah untuk memperkuat permasalahan serta sebagai dasar teori dalam melakukan studi dan juga menjadi dasar untuk melakukan desain kendali dan simulasi penentuan rute terpendek lokasi wisata di Kota Palembang.

2. Pengumpulan Data

Data sekunder yang dibutuhkan untuk dapat menyelesaikan Tugas Akhir ini adalah:1. Data objek-objek wisata di Kota

Palembang.2. Data informasi rute jalan di Kota

Palembang.3. Peta Kota Palembang.

Data ini dapat diperoleh dengan studi literatur dan pembacaan peta Kota Palembang yang didapat.

3. Analisis

Pada tahap ini penulis melakukan analisis dalam mencari rute terpendek dari titik awal ke titik akhir dengan menggunakan metode Tabu Search. Solusi dari masalah ini akan menjadi bahan dalam

Hal - 3

pembuatan program. Serta penulis menyatakan bagaimana sebuah rancangan sistem akan dibuat dengan menggambarkan sebuah model sistem untuk penyelesaian dalam aplikasi melalui model use case. Pemodelan use case menjelaskan mengenai aktivitas-aktivitas atau kejadian-kejadian yang disediakan oleh aplikasi. Berikut ini adalah pemodelan kebutuhan dengan use case.

Gambar 3.1 Diagram Use Case Aplikasi

4. Perancangan Sistem

Pada tahap ini penulis melakukan rancangan sistem yang akan dibuat dengan menggambarkan sebuah model sistem untuk penyelesaian dalam aplikasi melalui diagram aktivitas. Berikut ini adalah pemodelan diagram aktivitas aplikasi :

Gambar 3.2 Diagram Aktivitas Pencarian Rute Terpendek

5. Implementasi

Desain program diterjemahkan dalam kode-kode dengan menggunakan bahasa pemrograman yang sudah ditentukan, yaitu

Microsoft Visual Basic 2008. Aplikasi yang dibuat memiliki fungsionalitas menampilkan peta kota Palembang dan rute terpendek pada peta, serta menunjukkan titik-titik (vertex) yang merupakan objek wisata yang ada di Kota Palembang. Masukkan (input) dari sistem berupa data titik-titik yang akan dipilih dari vertex yang telah ditentukan saat pembuatan peta, sedangkan keluaran (output) sistem adalah rute terpendek yang dapat dilalui dari titik awal ke titik akhir pada peta.

6. Pengujian Aplikasi

Pengujian aplikasi dilakukan dengan menentukan banyaknya iterasi yang diperlukan untuk mencari rute terpendek dan menampilkan hasil pada peta. Evaluasi metode Tabu Search didapat dari membandingkan hasil percobaan dengan banyak iterasi untuk mendapatkan solusi rute terpendek.

3.2 Rancangan Algoritma Program

3.2.1 Langkah Kerja Metode Tabu Serach

Langkah-langkah kerja dari metode Tabu Search pada aplikasi simulasi penentuan rute terpendek lokasi wisata di Palembang, yaitu :1. Inisial variabel titik awal atau lokasi awal

tempat wisata yang ingin dikunjungi dan titik akhir atau lokasi akhir tempat wisata yang ingin dikunjungi.

2. Kemudian inisial MaxIterasi yang merupakan jumlah iterasi yang akan dilakukan dalam pencarian rute.

3. Mulai dengan sebuah solusi awal dengan indeks solusi pertama. Solusi awal diperoleh dari tahap inisialisasi dan merupakan jalur awal yang diperoleh secara acak. Selanjutnya dilakukan proses perulangan membandingkan setiap titik sampai titik tujuan yang dipilih dan memilih secara acak titik mana saja yang bisa dilewati untuk menjadi rute solusi awalnya.

4. Kemudian solusi awal yang diperoleh akan dihitung total jaraknya (pnjg).

Hal - 4

Solusi awal yang telah diperoleh akan dimasukkan dalam tabu list.

5. Proses selanjutnya menginisialisasi solusi Tabu Search. Jalur yang ada pada proses pencarian akan dilakukan iterasi dengan menukarkan posisi setiap jalur untuk mendapatkan rute alternatifnya.

6. Kemudian dilakukan proses penghitungan setiap jaraknya. Jika jarak solusi2 lebih kecil dari total jarak solusi awal (p < pnjg), maka solusi2 masuk ke dalam tabu list dan dilakukan proses iterasi selanjutnya.

7. Apabila perhitungan sudah sampai maksimum iterasi, maka rute yang memiliki total jarak terkecil akan disimpan dalam tabu list dan menjadi GlobalMin atau jalur terpendeknya.

8. Rute terpendek yang didapat dari hasil proses pencarian tersebut akan ditampilkan pada peta.

3.2.2 Flowchart Metode Tabu Search

Bagan alir (flowchart) metode Tabu Search merupakan bagan yang menjelaskan secara rinci langkah-langkah dari metode Tabu Search. Secara umum, langkah-langkah metode Tabu Search digambarkan pada flowchart dalam gambar 3.3.

Gambar 3.3 Flowchart Metode Tabu Search

4. IMPLEMENTASI DAN ANALISIS PROGRAM

4.1 Tampilan Antarmuka Program

1. Tampilan Antarmuka Halaman Utama

Tampilan antarmuka halaman utama berisi menu pilihan yang terdiri dari menu pencarian rute terpendek, koordinat lokasi wisata, keterangan wisata, petunjuk dan keluar. Rancangan tampilan antarmuka halaman utama dapat dilihat pada gambar 4.1.

Gambar 4.1 Tampilan AntarmukaHalaman Utama

2. Tampilan Antarmuka Pencarian Rute Terpendek

Tampilan antarmuka pencarian rute terpendek dari aplikasi ini dapat dilihat pada gambar 4.2.

Gambar 4.2 Tampilan Antarmuka Pencarian Rute Terpendek

Untuk memulai sistem ini, user atau pengguna harus memilih titik awal dan titik akhir yang telah ditentukan oleh sistem. Titik awal dan titik akhir terdiri dari 17 titik yang diberi kode W1, W2, W3, W4, W5, W6, W7, W8, W9, W10, W11, W12, W13, W14, W15, W16, W17.

Hal - 5

3. Tampilan Antarmuka Hasil Pencarian

Tampilan antarmuka hasil pencarian ini memiliki dua data yaitu data tabu list dan data hasil proses iterasi pencarian. Data pada rute yang diperoleh merupakan hasil pencarian dari metode Tabu Search. Rancangan tampilan antarmuka hasil pencarian dapat dilihat pada gambar 4.3.

Gambar 4.3 Tampilan Antarmuka Hasil Pencarian

4. Tampilan Antarmuka Koordinat Lokasi Wisata

Tampilan antarmuka koordinat lokasi wisata ini merupakan halaman untuk informasi koordinat lokasi wisata yang berisi informasi tentang longitude dan latitude lokasi wisata yang ada di Kota Palembang. Rancangan tampilan antarmuka koordinat lokasi wisata ini dapat dilihat pada gambar 4.4.

Gambar 4.4 Tampilan Antarmuka Koordinat Lokasi Wisata

5. Tampilan Antarmuka Keterangan Wisata

Tampilan antarmuka keterangan wisata ini menampilkan informasi mengenai objek wisata yang ada di Kota Palembang. Informasi tersebut berupa penjelasan singkat tentang sejarah objek wisata tersebut. Objek wisata ini terdiri dari wisata alam, wisata

religi, wisata belanja dan wisata seni yang ada di Kota Palembang. Rancangan tampilan antarmuka keterangan wisata ini dapat dilihat pada gambar 4.5.

Gambar 4.5 Tampilan Antarmuka Keterangan Wisata

6. Tampilan Antarmuka Petunjuk

Tampilan antarmuka petunjuk berisi petunjuk yang dapat membantu user dalam menggunakan aplikasi ini. Rancangan tampilan antarmuka petunjuk ini dapat dilihat pada gambar 4.6.

Gambar 4.6 Tampilan Antarmuka Petunjuk

4.2 Pengujian Aplikasi

Dalam sistem ini akan dilakukan pencarian jalur terpendek berdasarkan jarak tempuh yang data-data jarak antar titiknya telah diketahui. Pengujian sistem akan dilakukan berdasarkan jumlah iterasi yang dimasukkan. Hasil dari pengujian berdasarkan jalur dan jarak tempuh yang dilalui.

Di bawah ini adalah representasi jarak antar titik yang ditabulasikan dalam tabel berikut :

Hal - 6

Tabel 4.1 Keterangan Titik Lokasi Wisata

Titik Lokasi WisataW1 The Amanzi WaterparkW2 Taman Wisata Alam Punti KayuW3 Gereja Baptis Indonesia PalembangW4 Palembang Trade CenterW5 Makam Kawah TengkurepW6 Masjid Agung PalembangW7 Jembatan AmperaW8 Bagus KuningW9 Gelora SriwijayaW10 Waterboom OPIW11 Museum Sultan Mahmud Badaruddin IIW12 Benteng Kuto BesakW13 Pusat Kerajinan SongketW14 Kambang Iwak Family ParkW15 Palembang Indah MallW16 Palembang Square MallW17 Pasar Tradisional 16 Ilir

Tabel 4.2 Jarak Antar Lokasi Wisata

No Titik Awal Titik Tujuan Total Jarak (m)1 W1 W2 93002 W2 W1 93003 W2 W3 46004 W2 W4 70005 W2 W16 55006 W3 W2 46007 W3 W4 48008 W3 W5 44001 W3 W6 230010 W3 W15 200011 W3 W16 240012 W4 W2 700013 W4 W3 480014 W4 W5 510015 W5 W3 440016 W5 W4 510017 W5 W6 390018 W6 W3 230019 W6 W5 390020 W6 W7 85021 W6 W11 70022 W7 W6 85023 W7 W8 530024 W7 W9 450025 W8 W7 530026 W8 W9 750027 W9 W7 450028 W9 W8 750029 W9 W10 220030 W10 W9 220031 W11 W6 70032 W11 W12 26033 W11 W17 40034 W12 W11 26035 W12 W13 120036 W12 W14 160037 W12 W15 170038 W12 W16 350039 W13 W12 120040 W13 W14 180041 W14 W12 1600

42 W14 W13 180043 W14 W15 120044 W14 W16 200045 W15 W3 200046 W15 W12 170047 W15 W14 120048 W15 W16 180049 W16 W2 550050 W16 W3 240051 W16 W12 350052 W16 W14 200053 W16 W15 180054 W17 W11 400

SUMBER : https://maps.google.com

1. Pengujian Pertama

Pada pengujian pertama ini akan dicari rute terpendek dari titik awal vertex W1 (The Amanzi Waterpark) menuju titik akhir vertex W10 (Waterboom OPI) dan jumlah iterasi yang dimasukkan adalah 10. Setelah titik dan jumlah iterasi dimasukkan, maka dengan menggunakan metode Tabu Search akan dilakukan proses pencarian dan hasil yang didapat dengan menggunakan aplikasi adalah seperti yang ditunjukkan pada gambar 4.7.

Gambar 4.7 Tampilan Pengujian Sistem Pertama

Gambar 4.8 Tampilan Hasil Pencarian

Setelah dilakukan pengujian dengan jumlah iterasi 10, maka diperoleh waktu

Hal - 7

pencarian selama 0,169 detik dengan rute W1-W2-W3-W5-W6-W7-W9-W10 dan total jarak tempuh 29.750 m, keterangan rute terpilih yaitu :

The Amanzi Waterpark - Taman Wisata Alam Punti Kayu - Gereja Baptis Indonesia Palembang - Makam Kawah Tengkurep - Masjid Agung Palembang - Jembatan Ampera - Gelora Sriwijaya - Waterboom OPI

2. Pengujian Kedua

Pada pengujian kedua ini akan dicari rute terpendek dengan titik awal dan titik akhir yang sama dengan pengujian pertama, tetapi dengan jumlah iterasi yang berbeda, yaitu 100 iterasi. Maka dengan menggunakan metode Tabu Search akan dilakukan proses pencarian dan hasil yang didapat dengan menggunakkan aplikasi adalah seperti yang ditunjukkan pada gambar 4.9.

Gambar 4.9 Tampilan Pengujian Sistem Kedua

Gambar 4.10 Tampilan Hasil Pencarian

Setelah dilakukan pengujian dengan jumlah iterasi 100, maka diperoleh waktu pencarian selama 0,676 detik dengan rute

W1-W2-W3-W6-W7-W9-W10 dan total jarak tempuh 23.750 m, keterangan rute terpilih yaitu :The Amanzi Waterpark - Taman Wisata Alam Punti Kayu - Gereja Baptis Indonesia Palembang - Masjid Agung Palembang - Jembatan Ampera - Gelora Sriwijaya - Waterboom OPI

Berdasarkan dua hasil pengujian yang telah dilakukan, dapat diketahui bahwa hasil pencarian rute terpendek dengan menggunakan aplikasi yang telah dibuat memiliki hasil pencarian dan lama waktu pencarian yang berbeda. Semakin banyak jumlah iterasi yang dilakukan, maka hasil pencarian rute terpendek semakin akurat dan semakin lama pula waktu yang akan dibutuhkan sistem untuk menampilkan lintasan pada peta.

5. PENUTUP

5.1 Kesimpulan

Pada bab ini dipaparkan kesimpulan dari pengerjaan skripsi ini berdasarkan hasil proses pengerjaan dan pengimplementasian, yaitu :1. Rute terpendek yang didapat adalah

lintasan antar lokasi dan hasilnya digambarkan dalam bentuk garis lintasan yang menghubungkan antara lokasi yang satu dengan lokasi lainnya pada peta.

2. Semakin banyak perhitungan iterasi yang dilakukan, maka semakin lama waktu yang dibutuhkan sistem untuk menyelesaikan pencarian dan menampilkan lintasan pada peta.

3. Semakin banyak jumlah iterasi yang dimasukkan, maka semakin banyak rute jalan yang dibandingkan sehingga hasil rute terpendek yang didapat semakin baik dan akurat.

4. Dari sisi penggunaan deklarasi variabel, metode Tabu Search dapat dikatakan membutuhkan banyak sekali variabel dalam pencapaian hasil akhir yang akurat dan juga penggunaan memori karena mengharuskan banyak penyimpanan memori array dalam tabu list yang digunakannya.

Hal - 8

5.2 Saran

Berdasarkan dari kesimpulan diatas, maka penulis memberikan beberapa saran untuk pengembangan sistem ini selanjutnya, yaitu :1. Metode untuk mencari lintasan terpendek

tidak hanya metode Tabu Search saja, sehingga dapat dibandingkan dengan metode lain seperti Algoritma A*, Algoritma Genetika, Algoritma Semut, dan algoritma lainnya. Agar dapat dilihat perbedaan dari setiap metode untuk menyelesaikan masalah lintasan terpendek.

2. Objek wisata yang digunakan pada aplikasi simulasi ini hanya 4 (empat) kategori. Untuk pengembangan selanjutnya dapat menambah kategori objek wisata lain seperti wisata kuliner dan wisata budaya, dan ruang lingkupnya dapat diperluas, tidak hanya wilayah Palembang saja, tetapi Provinsi Sumatera Selatan.

3. Untuk perkembangan lebih lanjut dapat menambah alat transportasi seperti bus, angutan umum (angkot), transmusi dan taksi. Sehingga user dapat mengetahui biaya setiap perjalanan yang dilakukan.

4. Untuk pengembangan sistem selanjutnya, sebaiknya dapat dipadukan dengan menggunakan alat GPS, agar lebih memudahkan user melihatnya di handphone yang memakai alat GPS dan juga dapat berbasis web.

DAFTAR PUSTAKA

[1] Admin 2012, Tabu Search, Diambil 9 Oktober 2013, dari http://digilib.ittelkom.ac.id/index.php?view=article&catid=21%3Aitp-informatika-teori-dan-pemograman&id=1150%3Atabu-search&format=pdf&option=com_content&Itemid=14.

[2] A.S., Rosa., Shalahudin M. 2011, Modul Pembelajaran Rekayasa Perangkat Lunak., Modula, Bandung.

[3] Gendreau, Michel, dkk. 2010, A Tabu Search for the Vehicle Routing Problem, Diambil 12 Oktober 2013, dari http://www.cs.amherst.edu/~ccm/cs34/papers/tabuveh2661622.pdf

[4] Glover, Fred, Tabu Search Fundamentals Uses, Diambil 12 Oktober, dari http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.95.3702&rep=rep1&type=pdf

[5] Komputer, Wahana 2008, Cepat Menguasai VB. Net 2008 Express, Andi, Yogyakarta.

[6] Kusumadewi, Sri, Hari Purnomo 2005, Penyelesaian Masalah Optimasi dengan Teknik-teknik Heuristik, Graha Ilmu, Yogyakarta.

[7] Munir, Rinaldi 2010, Matematika Diskrit, Informatika, Bandung.

[8] Sadeli, M. 2009, 7 Jam Belajar Interaktif Visual Basic.Net 2008, Maxikom, Palembang.

[9] Suyanto 2010, Algoritma Optimasi Deterministik atau Probabilistik, Graha Ilmu, Yogyakarta.

Hal - 9