BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA

2.1. Sistem Informasi Geografis (SIG)

Sistem Informasi Geografis (SIG) merupakan suatu sistem berbasis komputer yang digunakan

untuk

mengumpulkan,

menyimpan,

menggabungkan,

mengatur,

mentransformasi, memanipulasi dan menganalisis data-data geografis [13]. Selain itu juga merupakan sistem yang mengorganisir perangkat keras (hardware), perangkat lunak (software) dan data serta dapat mendaya-gunakan sistem penyimpanan, pengolahan, maupun analisis data secara simultan, sehingga dapat diperoleh informasi yang berkaitan dengan aspek keruangan. SIG juga merupakan manajemen data spasial dan non-spasial yang berbasis komputer dengan tiga karakteristik dasar, yaitu mempunyai fenomena aktual (variabel data non-lokasi) yang berhubungan dengan topik permasalahan di lokasi bersangkutan, merupakan suatu kejadian di suatu lokasi dan mempunyai dimensi waktu. Beberapa manfaat dari SIG adalah mengetahui jarak antara satu daerah dengan daerah lain, memberikan alternatif jalan dari satu daerah ke daerah lain, memberi informasi seputar daerah yang diinginkan, menemukan lokasi kecelakaan dengan cepat, dan masih banyak lagi informasi yang dapat diperoleh dengan menggunakan bantuan SIG tersebut.

2.1.1 Subsistem SIG

Ditinjau dari sifat dan kemampuannya, SIG terdiri dari beberapa subsistem yang dapat diuraikan sebagai berikut [12]: a. Subsistem Data Inputan

6 Universitas Sumatera Utara

7

Subsistem ini bertugas untuk mengumpulkan, mempersiapkan, memasukkan dan menyiapkan data spasial dan atributnya dari berbagai sumber. Subsistem ini juga bertanggung jawab dalam mengonversikan atau mentrasformasikan format-format dan aslinya ke dalam format (native) yang dapat digunakan oleh perangkat SIG yang bersangkutan. b. Subsistem Output Subsistem ini bertugas untuk menampilkan atau menghasilkan keluaran (termasuk format yang dikehendaki) seluruh atau sebagian basis data (Spasial) baik dalam bentuk softcopy maupun hardcopy seperti halnya tabel, grafik, refort, peta dan lain sebagainya. c. Subsistem Manajemen Subsistem ini mengorganisasikan baik data spasial maupun tabel-tabel atribut terkait ke dalam sebuah sistem basis data sedemikian rupa hingga mudah dipanggil kembali atau retrieve (di-load ke memori), di-update dan di-edit. d. Subsistem manipulasi dan analisis Subsistem ini menentukan informasi-informasi yang dapat dihasilkan oleh SIG. Selain itu, subsistem ini juga melakukan manipulasi (evaluasi dan penggunaan fungsi-fungsi dan operator matematis dan logika) dan pemodelan data untuk menghasilkan informasi yang diharapkan.

Data Manipulation & Analysis

Data Input

SIG

Data Output

Data Management

Gambar 2.1 Ilustrasi Sub-Sistem SIG [13]

Universitas Sumatera Utara

8

2.1.2 Komponen Pada SIG SIG merupakan salah satu sistem yang kompleks dan pada umumnya juga terintegrasi dengan lingkungan sistem komputer lainnya di tingkat fungsional dan jaringan. Komponen SIG dapat diuraikan sebagai berikut. 1. Perangkat Keras (Hardware) Perangkat keras pada SIG dalam penyimpanan data membutuhkan skala yang tergantung pada tipe SIG itu sendiri. SIG dengan skala yang kecil membutuhkan penyimpanan data yang kecil untuk menjalankanya. Dengan demikian, dibutuhkan pula komputer yang lebih besar serta host untuk client machine yang mendukung penggunaan multiple user. 2. Perangkat Lunak (Software) Perangkat lunak dibutuhkan untuk memasukkan, menyimpan dan mengeluarkan data bila diperlukan. Perangkat lunak SIG harus memiliki beberapa elemen seperti mampu melakukan input dan transformasi data geografis, sistem manajemen basis data, mampu mendukung query geografis, analisis dan visualisasi, dan memiliki Grafical User Interface (GUI) untuk memudahkan akses. 3. Data Dalam SIG semua data dasar geografis harus diubah terlebih dahulu ke dalam bentuk digital untuk memudahkan dalam pengolahan data. Data dalam SIG dibagi menjadi dua bentuk yakni geografical atau data spasial dan data atribut. 4. Manusia (Brainware) Manusia dibutuhkan untuk mengendalikan seluruh Sistem Informasi Geografis. Adanya koordinasi dalam Sistem Informasi Geografis sangat diperlukan agar informasi yang diperoleh menjadi benar, tepat dan akurat.


9

2.1.3 Model Data SIG Secara umum ada dua jenis data yang biasa digunakan untuk merancang suatu SIG, yaitu data spasial dan data non-spasial [2]. Berikut penjelasan dari model data SIG. 1. Data Spasial Data spasial, merupakan jenis data yang merepresentasikan aspek-aspek keruangan dari fenomena yang bersangkutan, atau sering disebut sebagai data-data posisi, koordinat dan ruang. Data spasial terbagi dua macam yaitu sebagai berikut: a. Data raster Model data raster menampilkan, menempatkan dan menyimpan spasial dengan menggunakan struktur matriks atau pixel-pixel yang membentuk grid. Akurasi model data ini sangat bergantung pada resolusi atau ukuran pixel (sel grid) di permukaan bumi. Konsep model data ini adalah dengan memberikan nilai yang berbeda untuk tiap-tiap pixel atau grid dari kondisi yang berbeda. b. Data Vektor Model data vektor menampilkan, menempatkan dan menyimpan data spasial dengan menggunakan titik-titik, garis-garis, atau poligon beserta atributatributnya. Bentuk dasar representasi data spasial dua dimensi (x,y).

(a)

(b)

Gambar 2.2 Contoh Model Data Raster dan Data Vektor 2. Data Non-Spasial Data Non-Spasial atau Data Atribut merupakan deskripsi dari suatu keruangan (spasial). Data ini digunakan oleh sistem-sistem manajemen basis data untuk


10

melengkapi objek-objek yang terpetakan. Data ini pada umumnya dipresentasikan secara tekstual dalam bentuk tabel-tabel. Atribut adalah properti yang biasa digunakan sebagai pembeda antar objek dalam suatu kelas tertentu. Misal: Data Mahasiswa maka atributnya adalah nama mahasiswa, no_npm, alamat_mahasiswa, Data Jalan dengan atributnya adalah nama_jalan, panjang_jalan, kelas_jalan, dan lain-lain.

2.2 Sistem Informasi Geografis (SIG) Berbasis WEB Seiring dengan kemajuan teknologi pendukung SIG dan teknologi informasi, membuat SIG mengalami ekspansi yang jauh hingga dapat dipublikasikan dan bisa dinikmati melalui jaringan internet (dengan menggunakan aplikasi browser internet). Dengan demikian, pada saat ini, manfaat aplikasi SIG tidak hanya dapat dibuktikan oleh orang-orang yang berkumpul di sekitar sistem komputer di mana aplikasi yang bersangkutan diaktifkan, tetapi juga dapat dilihat oleh komunitas yang berada di belahan bumi lainnya. Sistem ini tidak merupakan aplikasi tunggal, tetapi antara lain terdiri dari aplikasi web-server, application-server, map-server, database-server (optional), dan aplikasi browser. Aplikasi-aplikasi ini bisa tersebar dalam beberapa sistem komputer yang terpisah untuk membentuk ”sistem” yang lebih luas, tidak sekedar sebuah aplikasi SIG yang hadir di dalam sebuah desktop. Aplikasi web-based SIG membantu para penggunanya dalam proses ”meng-internet-kan” (atau meng-web-kan) peta-peta digitalnya (baik format raster maupun vektor) sedemikian rupa hingga dapat diakses oleh berbagai komunitas yang memakai program aplikasi browser internet [14]. Untuk dapat melakukan komunikasi dengan komponen yang berbeda-beda di lingkungan web maka dibutuhkan sebuah web server. Karena standar dari geo-data berbeda beda dan sangat spesifik maka pengembangan arsitektur sistem mengikuti arsitektur Client Server [3].


11

2.3 Definisi Graf Graf adalah pasangan himpunan (V, E) yang dinotasikan dengan G = (V, E), V adalah himpunan titik, simpul, verteks, atau nodes dari G yaitu V= {v1, v2, v3,…, vn} dan E adalah himpunan rusuk, edges, atau sisi dari G, yaitu E= {e1, e2, e3,…, em}. Sebuah graf dimungkinkan tidak mempunyai edge satu buah pun, tetapi verteksnya harus ada minimal satu. Graf yang hanya memiliki satu buah verteks tanpa sebuah edge pun dinamakan graf trivia [2].

2.3.1 Jenis-jenis Graf Graf dikelompokkan menurut ada tidaknya edgesnya yang paralel atau loop, jumlah verteksnya, berdasarkan ada tidaknya arah pada edgesnya, atau ada tidaknya bobot pada edgesnya [9]. Berikut ini adalah jenis graf berdasarkan ada tidaknya edge yang paralel atau loop: 1. Graf Sederhana Graf sederhana adalah graf yang tidak mempunyai paralel edges atau edges ganda dan atau loop. Loop adalah edge yang menghubungkan sebuah verteks dengan dirinya sendiri. Berikut adalah contoh graf sederhana:

Gambar 2.3 Contoh Graf Sederhana 2. Graf Tak-Sederhana Graf tak-sederhana adalah graf yang memiliki edges ganda dan atau loops. Graf tak sederhana dapat dibagi dua yaitu: a. Graf Ganda (multigraf) adalah graf yang mengandung edge ganda. Sisi ganda yang menghubungkan sepasang verteks bisa lebih dari dua buah.


12

Gambar 2.4 Contoh Graf Ganda b. Graf semu (pseudograf) adalah graf yang mempunyi loop, termasuk juga graf yang mempunyai loop dan edge ganda karena itu graf semu lebih umum daripada graf ganda, karena graf semu edgenya dapat terhubung dengan dirinya sendiri.

A

e1

e7 D

e6 B

e8 e5 e3

e4

e2 C

Gambar 2.5 Contoh Graf Semu Selain berdasarkan ada tidaknya edge yang paralel atau loop, graf dapat juga dikelompokkan berdasarkan orientasi arah atau panah yaitu: 1.

Graf Tak Berarah (undirected graf)


13

Graf tak berarah adalah graf yang edgenya tidak mempunyai orientasi arah atau panah [5]. Pada graf ini, urutan pasangan verteks yang dihubungkan oleh edge tidak diperhatikan. Jadi (vj, vk) = (vk, vj) adalah edge yang sama.

Gambar 2.6 Contoh Graf Tak Berarah 2.

Graf Berarah (directed graf atau digraf) Graf berarah adalah graf yang setiap edgenya memiliki orientasi arah atau panah [5]. Pada graf berarah (vj, vk) ≠ (vk, vj).

Gambar 2.7 Contoh Graf Berarah Graf juga ada yang mempunyai bobot atau nilai. Berdasarkan bobotnya, graf dibagi menjadi dua jenis yaitu:


14

1. Graf tidak berbobot (unweighted graf) adalah graf yang tidak mempunyai bobot atau nilai. C

D

E

B

A

Gambar 2.8 Contoh Graf Tidak Berbobot 2. Graf berbobot (weighted graf) adalah graf yang masing-masing busurnya mempunyai bobot atau nilai tertentu.

Gambar 2.9 Contoh Graf Berbobot

2.3.2 Representasi Graf Pemrosesan graf dengan program komputer memerlukan representasi graf dalam memori. Ada beberapa representasi untuk graf, antara lain matriks ketetanggaan dan matriks bersisian [9].


15

2.3.2.1 Matriks Ketetanggaan Misalkan G = (V, E) merupakan suatu graf dengan n verteks, n > 1. Maka, matriks ketetanggaan A dari G adalah matriks n x n dimana A = [aij], [aij] menjadi 1 bila simpul i dan j bertetangga [aij] menjadi 0 bila simpul i dan j tidak bertetangga. Jumlah elemen matriks bertetanggaan untuk graf dengan n simpul adalah n2. Jika tiap elemen membutuhkan ruang memori sebesar p, maka ruang memori yang diperlukan seluruhnya adalah pn2. Keuntungan representasi dengan matriks ketetanggaan adalah kita dapat mengakses elemen matriksnya langsung dari indeks. Selain itu, kita juga dapat menentukan dengan langsung apakah simpul i dan simpul j bertetangga. Pada graf berbobot, aij menyatakan bobot tiap sisi yang menghubungkan simpul i dengan simpul j. Bila tidak ada sisi dari simpul i ke simpul j atau dari simpul j ke simpul i, maka, aij diberi nilai tak berhingga (∞).

Gambar 2.10 Graf Matriks Ketetanggaan Bentuk matriks ketetanggaan dari graf pada gambar 2.10 adalah V1

V2 V3

V1

0

1

1

1

V2

1

0

1

0

V3 1

1

0

1

1

0

1

0

V4

V4


16

2.3.2.2 Matriks Bersisian Matriks insiden menyatakan kebersisian verteks dengan edge [5] . Misalkan G = (V, E) adalah graf dengan n verteks dan m edge , maka matriks kebersisian A dari G adalah matriks berukuran m x n dimana A = [aij], [aij] menjadi 1 bila verteks i dan edge j bersisian [aij] menjadi 0 bila verteks i dan edge j tidak bersisian.

Gambar 2.11 Graf Matriks Bersisian Bentuk matriks bersisian dari graf pada gambar 2.12 adalah

e2

e3

e4

e5

v1 1

0

0

1

1

v2 1

0

1

0

0

v3 0

1

1

0

1

v4 0

1

0

1

0

e1

2.4 Lintasan Terpendek (Shortest Path) Lintasan Terpendek (Shortest Path) merupakan lintasan minimum yang diperlukan untuk mencapai suatu titik dari titik tertentu. Dalam pencarian lintasan terpendek masalah yang dihadapi adalah mencari lintasan mana yang akan dilalui sehingga didapat lintasan yang paling pendek dari satu verteks ke verteks yang lain [12].


17

Ada beberapa macam persoalan lintasan terpendek antara lain: 1. Lintasan terpendek antara dua buah verteks. 2. Lintasan terpendek antara semua pasangan verteks. 3. Lintasan terpendek dari verteks tertentu ke semua verteks yang lain 4. Lintasan terpendek antara dua buah verteks yang melalui beberapa verteks tertentu. Permasalahan yang akan diselesaikan pada penelitian ini adalah bagaimana menentukan lintasan terpendek antara dua buah verteks dimana bobot pada setiap edge graf digunakan untuk menyatakan jarak objek wisata di kota Binjai dengan persimpangan jalan dalam satuan meter (m). Algoritma yang digunakan adalah algoritma A* dalam menentukan lintasan terpendek.

2.5 Algoritma A* (a star) Algoritma ini pertama kali diperkenalkan pada tahun 1968 oleh Peter Hart, Nils Nilsson, dan Bertram Raphael dalam tulisan mereka, algoritma ini dinamakan algoritma A. Dengan penggunaan fungsi heuristik yang tepat pada algoritma ini yang dapat memberikan hasil yang optimal, maka algoritma inipun disebut dengan A*. Algoritma A* adalah algoritma pencarian yang merupakan dari kelas algoritma Greedy. Seperti halnya pada Greedy, untuk menemukan solusi, A* juga dilakukan oleh fungsi heuristik [16]. Dalam notasi matematika dituliskan sebagai berikut [17]: f(n) = g(n) + h(n) ………………………………………………….(1) keterangan: g(n): total jarak yang didapat dari verteks awal ke verteks sekarang. h(n): perkiraan jarak dari verteks sekarang (yang sedang dikunjungi) ke verteks tujuan. Sebuah fungsi heuristik digunakan untuk membuat perkiraan seberapa jauh lintasan yang akan diambil ke verteks tujuan. f(n): jumlah dari g(n) dan h(n). Ini adalah perkiraan jalur terpendek sementara.


18

Beberapa terminologi dasar yang terdapat pada algoritma ini yaitu [2]: 1. Starting point adalah sebuah terminologi untuk posisi awal sebuah benda. 2. A adalah simpul yang sedang dijalankan dalam algoritma pencarian jalan terpendek. 3. Simpul adalah petak-petak kecil sebagai representasi dari area pathfinding. Bentuknya dapat berupa persegi, lingkaran, maupun segitiga. 4. Open list adalah tempat menyimpan data simpul yang mungkin diakses dari starting point maupun simpul yang sedang dijalankan. 5. Closed list adalah tempat menyimpan data simpul sebelum A yang juga merupakan bagian dari jalur terpendek yang telah berhasil didapatkan. 6. Harga (F) adalah nilai yang diperoleh dari penjumlahan, nilai (G) merupakan jumlah nilai tiap simpul dalam jalur terpendek dari starting point ke A, dan (H) adalah jumlah nilai perkiraan dari sebuah simpul ke simpul tujuan. 7. Simpul tujuan yaitu simpul yang dituju. 8. Halangan adalah sebuah atribut yang menyatakan bahwa sebuah simpul tidak dapat dilalui oleh A.

2.5.1 Cara Kerja Algoritma A* Mencari Rute Terpendek Prinsip algoritma ini adalah mencari jalur terpendek dari sebuah simpul awal (starting point) menuju simpul tujuan dengan memperhatikan harga (F) terkecil. Algoritma ini mempertimbangkan jarak yang telah ditempuh selama ini dari initial state ke current state. Jadi bila jalan yang telah ditempuh sudah terlalu panjang dan ada jalan lain yang lebih kecil jaraknya namun memberikan posisi yang sama dilihat dari goal, jalan baru yang lebih pendek itulah yang akan dipilih [2]. Dengan fungsi heuristik Algoritma ini membangkitkan verteks yang paling mendekati solusi. Verteks ini kemudian disimpan suksesornya ke dalam list sesuai dengan urutan yang paling mendekati solusi terbaik. Kemudian, verteks pertama pada list diambil, dibangkitkan suksesornya dan kemudian suksesor ini disimpan ke dalam list sesuai dengan urutan yang terbaik untuk solusi. List verteks ini disebut dengan verteks terbuka (open node).


19

Verteks pada list bisa berasal dari kedalaman berapapun dari graf. Algoritma ini akan mengunjungi secara mendalam mirip Depth First Search (DFS) selama verteks tersebut merupakan verteks yang terbaik. Jika verteks yang sedang dikunjungi ternyata tidak mengarah kepada solusi yang diinginkan, maka akan melakukan runut balik ke arah verteks awal untuk mencari verteks lainnya yang lebih menjanjikan dari pada verteks yang terakhir dikunjungi. Bila tidak ditemukan juga, maka akan terus mengulang mencari ke arah verteks awal sampai ditemukan verteks yang lebih baik untuk dibangkitkan suksesornya. Strategi ini berkebalikan dengan algoritma DFS yang mencari sampai kedalaman yang terdalam sampai tidak ada lagi suksesor yang bisa dibangkitkan sebelum melakukan runut balik, dan BFS yang tidak akan melakukan pencarian secara mendalam sebelum pencarian secara melebar selesai. Algoritma A* baru berhenti ketika mendapatkan solusi yang dianggap solusi terbaik.

2.5.2 Fungsi Heuristik untuk A* Dalam metode pencarian heuristik, digunakan suatu fungsi heuristik yang digunakan untuk mengevaluasi keadaan-keadaan masalah individual dan menentukan seberapa jauh hal tersebut dapat digunakan untuk mendapatkan solusi yang diinginkan. Suatu fungsi dapat diterima sebagai fungsi heuristik jika biaya perkiraan yang dihasilkan tidak melebihi dari biaya sebenarnya. Suatu fungsi heuristik dapat dikatakan sebagai fungsi heuristik yang baik, apabila dapat memberikan biaya perkiraan yang mendekati biaya sebenarnya. Semakin mendekati biaya sebenarnya, fungsi heuristik tersebut semakin baik. Dalam masalah pencarian rute terpendek dengan graf planar, fungsi heuristik yang dapat digunakan adalah Jarak Euclidian. Fungsi heuristik ini akan menghitung jarak berdasarkan panjang garis yang dapat ditarik dari dua buah titik, yang bisa dihitung menggunakan rumus:

…………………………….. (2)


20

keterangan: h(n): perkiraan jarak dari verteks sekarang (yang sedang dikunjungi) ke verteks tujuan. x1

:

koordinat x dari node n.

x2

:

koordinat x dari node tujuan.

y1

:

koordinat y dari node n.

y2

:

koordinat y dari node tujuan. Fungsi heuristik sangat berpengaruh terhadap kelakuan Algoritma A* [2]:

1.

Apabila h(n) selalu bernilai 0, maka hanya g(n) yang akan berperan, dan A* berubah menjadi Algoritma Dijkstra, yang menjamin selalu akan menemukan jalur terpendek.

2.

Apabila h(n) selalu lebih rendah atau sama dengan nilai perpindahan dari titik n ke tujuan, maka A* dijamin akan selalu menemukan jalur terpendek. Semakin rendah nilai h(n), semakin banyak titik-titik yang diperiksa A*, membuatnya semakin lambat.

3.

Apabila h(n) tepat sama dengan nilai perpindahan dari n ke tujuan, maka A* hanya akan mengikuti jalur terbaik dan tidak pernah memeriksa satupun titik lainnya, membuatnya sangat cepat. Walaupun hal ini belum tentu bisa diaplikasikan ke semua kasus, ada beberapa kasus khusus yang dapat menggunakannya.

4.

Apabila h(n) kadangkala lebih besar nilai perpindahan dari n ke tujuan, maka A* tidak menjamin ditemukannya jalur terpendek, tapi prosesnya cepat.

5.

Apabila h(n) secara relatif jauh lebih besar dari g(n), maka hanya h(n) yang memainkan peran, dan A* berubah menjadi BFS.

2.6 Mapserver Mapserver merupakan perangkat lunak open source dan sekaligus freeware yang dapat digunakan untuk menampilkan data spasial (peta dijital) pada halaman web. Mapserver dikembangkan di Universitas Minesotta (UMN), Amerika Serikat untuk pengembangan proyek fornet (sebuah proyek untuk manajemen sumber daya alam)


21

yang didanai langsung oleh NASA. Dari proyek ForNet inilah dihasilkan tools utama yaitu Mapserver dan Imageview yang dapat diaplikasikan ke berbagai tipe permasalahan yang terkait dengan data spasial. Selanjutnya mapserver digunakan sebagai tools visualisasi data SIG (terutama data vektor) yang memungkinkan penggunaan layanan web, sementara Imageview dipakai sebagai tools visualisai khusus untuk citra (dijital) satelit dan data-data tipe raster lainnya [10].

2.6.1 Arsitektur Mapserver Bentuk umum arsitektur aplikasi berbasis peta dalam halaman web dapat dijelaskan sesuai dengan gambar berikut.

Gambar 2.12 Arsitektur Aplikasi Peta dalam Halaman Web [10] Interaksi antara klien dengan Server berdasarkan skenario request dan respon. Web browser di sisi klien mengirim request ke server web. Karena server web tidak memiliki kemampuan pemrosesan peta, maka permintaan yang berkaitan dengan pemrosesan peta akan diteruskan oleh server web ke server aplikasi dan Mapserver. Hasil pemrosesan akan dikembalikan lagi melalui server web, yang terbungkus dalam bentuk file HTML atau applet.


22

2.7 Penelitian Sebelumnya yang Berkaitan Berikut ini merupakan penelitian sebelumnya yang pernah dilakukan:

NO.

Peneliti

Tahun

1.

Andre Asade [1]

2011

Judul Sistem

Hasil

Pencarian

Terpendek

Rute 1. Memberikan

Dinamis

menggunakan

Algoritma

alternatif

lintasan terpendek bagi pengguna

sistem

agar

A* pada Jalan Protokol di

dapat menghemat waktu

Kota

perjalanan.

Medan

Berbasis

2. Memberikan

Web GIS

Informasi

wilayah dan jalan dikota Medan. 2.

Jenita

2012

Heptani

Aplikasi Pemetaan Rute 1. Mempermudah Terpendek

[4]

Umum

Dikota

user

Fasilitas

dalam pencarian lokasi

Binjai

fasilitas umum terdekat

Dalam Sistem Informasi

yang

Geografis

Binjai.

Menggunakan

Algoritma Semut.

dituju

di

2. Menentukan

kota Jalur

terpendek sehingga dapat menghemat

waktu,

tenaga dan biaya. 3.

Nur Apriani [2]

2012

Perancangan Informasi

Sistem 1. Membantu user mencari Geografis

rute

terpendek

untuk

Pencarian Rute Terpendek

mencapai tujuan lokasi

Fasilitas Umum dengan

fasilitas

Algoritma

Pekanbaru

A*

(Studi

Kasus: Kota Pekanbaru)

umum

kota

2. Mempermudah

user

menentukan

rute

terpendek Pekanbaru

di

Kota sehingga

menghemat

waktu,

tenaga dan biaya.


23

NO.

Peneliti

Tahun

4.

Kalsum

2012

Judul

Hasil

Aplikasi Sistem Informasi 1. Aplikasi SIG penentuan

Mustika

Geografis

Penentuan

rute

Nasution

Lintasan

Terpendek

pengantaran barang di

[11]

Pengantaran

Barang

terpendek

Kota Medan.

Menggunakan Algoritma 2. Menampilkan

Lintasan

A* (studi kasus Pada CV.

terpendek

BKL

dilalui ileh kurir.

Express

untuk

dalam

yang

dapat

wilayah kota medan). 5.

Lira

2012

Meladya

Perancangan Informasi

[8]

Sistem 1. Memudahkan Geografis

user

mengetahui lokasi wisata

Lokasi

Wisata

di Kota Pekanbaru

menggunakan

metode 2. Menampilkan

Tabu Search (Studi Kasus:

terpendek

Kota Pekanbaru)

mencapai

lintasan untuk

lokasi

yang

dituju. 6.

Inggou

2013

Informasi 1. Mempromosikan daerah

Sistem

David

Geografis Daerah Objek

objek

wisata

Purba

Wisata Kabupaten Deli

terdapat

di

Serdang

Berbasis

Deli Serdang

dengan

Pencarian

[15]

Web

yang

Kabupaten

Rute 2. Mempermudah user baik

Terpendek menggunakan

dari dalam maupun dari

Metode Dijkstra.

luar

Kabupaten

Serdang

Deli untuk

mengunjungi

daerah

objek

wisata

terdapat

di

yang

Kabupaten

Deli Serdang.

Tabel 2.1 Penelitian Sebelumnya yang berkaitan


BAB 2 TINJAUAN PUSTAKA

Recommend Documents