Metode Metaheuristik, Konsep dan Implementasi

Penulis: Budi Santosa dan Paul Willy

ISBN: 979-545-5049-2

Harga: Rp. 65.000

Hal: 353 + xx1

HVS | Hitam Putih

Buku ini memuat konsep dan teori mengenai beberapa teknik yang tergolong dalam
pendekatan metaheuristik. Juga dilengkapi dengan berbagai contoh implementasi
untuk optimasi fungsi dan optimasi kombinatorial seperti travelling salesman
problem, penjadwalan jobshop dan juga vehicle routing problem.

Teknik yang diperkenalkan cukup bervariasi, mulai dari Genetic Algorithm
(Algoritma Genetika), Simulated Annealing, Ant Colony, Cross Entrophy, hingga
Harmony Search. Buku ini juga membahas perluasan teknik-teknik tersebut, kecuali
Cross Entrophy dan Harmony Search guna menangani persoalan optimasi multi
tujuan.

Contoh-contoh yang dipakai lebih banyak berhubungan dengan bidang teknik
industri. Tetapi tidak tertutup kemungkinan penerapan di bidang lain seperti
control, robotic, atau ekonomi sekalipun. Bahkan persoalan optimasi multi-tujuan
sering dipandang sebagai pengembangan dari persoalan keseimbangan ekonomi.

Metaheuristik sendiri memiliki aplikasi luas untuk bidang teknik, sains, dan
bidang-bidang lain yang melibatkan komputasi yang intensif. Di dalam buku ini
disajikan algoritma-algoritma dasar sehingga akan mudah mengembangkan untuk
aplikasi lain yang lebih kompleks. Untuk implementasinya dalam masalah lain atau
di bidang lain tentu saja perlu dilakukan bermacam langkah modifikasi untuk
menyesuaikan dengan format algoritma yang akan diterapkan.

Sementara untuk pengembangan algoritma-algoritma dasar ke dalam persoalan
optimasi multi-tujuan, buku ini akan memberikan semacam state-of-the-art dari
model-model yang telah ada, khususnya model populer yang sering dirujuk dalam
berbagai literatur.

Sebelum membahas mengenai teknik metaheuristik, di bab awal buku ini dimulai
dengan pembahasan optimsai klasik, baik untuk permasalahan optimasi dengan
tujuan tunggal maupun untuk permasalahan multi-tujuan. Ini dimaksudkan agar
pembaca mempunyai gambaran secara luas mengenai permasalahan optimasi selain
metaheuristik. Selain itu, bab-bab awal akan mengantar pembaca untuk memahami
masalah optimasi dalam konteks yang lebih luas. Dalam setiap metoda atau teknik
yang dipelajari untuk persoalan optimasi dengan tujuan tunggal, akan diberikan
algoritmanya dan juga kode Matlab. Ini dimaksudkan agar pemahaman pembaca bisa
tuntas hingga impelementasinya.

Secara ringkas isi buku ini adalah sebagai berikut. Pada bab 1, dibahas mengenai
pengertian Metaheuristik. Di bab 2 dibahas beberapa konsep dasar optimasi.
Sementara pengantar ke persoalan optimasi multi-tujuan, berikut dengan konsep
dasarnya, diberikan pada Bab 3. Dengan membaca ketiga bab pertama ini pembaca
diharapkan memahami optimasi dalam konteks yang lebih luas.

Selanjutnya di dalam bab 4 akan dibahas optimasi klasik yang melingkupi
Algoritma Direct Search dan Gradient Based. Walaupun tidak dibahas secara
mendetail semua teknik tersebut, bab ini bisa menjadi pembanding bagaimana
teknik optimasi klasik dibangun. Sementara optimasi klasik dalam penyelesaian
persoalan multi-tujuan diberikan dalam bab 5. Salah satunya adalah metode
pembobotan (Weighted Sum) yang paling populer itu.

Pembahasan teknik-teknik metaheuristik sendiri baru dimulai pada bab 6. Di dalam
bab ini akan dibahas teknik yang sudah lama dikenal yaitu Genetic Algoritma
(GA). Algoritma ini telah menginspirasi munculnya algoritma-algoritma baru dalam
metaheuristik. Perluasannya ke dalam bidang optimasi multi-tujuan dibahas dalam
bab 7. Pembahasan dibagi ke dalam dua kelompok, yakni pembahasan pada induk GA,
yakni Evolutionary Multiobjective Optimization (EMO), dan pembahasan perluasan
per model GA multi-tujuan. Ada beberapa model yang dibahas dalam bab ini.

Berikutnya dalam bab 8 akan dibahas algoritma yang cukup menarik yakni Ant
Colony Optimization (ACO). Algoritma yang meniru perilaku semut ini mendapat
banyak perhatian sejak diusulkan tahun 1997. Dalam buku ini akan disajikan ide
dasar ACO dan contoh untuk kasus optimasi kontinyu. Juga akan diberikan contoh
aplikasi ACO untuk traveling salesman problem (TSP). Bab selanjutnya, yakni bab
9, akan menampilkan garis besar perluasan algoritma ACO ini ke dalam persoalan
multi-tujuan.

Bab 10 membahas Particle Swarm Optimization (PSO) sebagai salah satu Swarm
Intelligence. PSO termasuk teknik yang sederhana dengan hasil yang bagus. Teknik
ini meniru perilaku kelompok burung atau ikan dalam menuju tempat tertentu
secara bersama-sama. Disusul pembahasan perluasan ke multi-tujuan dalam bab 11.

Selanjutnya akan dibahas mengenai teknik metaheuristik yang sudah cukup populer
yaitu Simulated Annealing (SA) di Bab 12. Di bab ini akan diterangkan mengenai
ide dasar SA, penerapan SA dalam masalah TSP. Juga akan dilengkapi dengan kode
Matlab untuk memantapkan pemahaman pembaca. Bab 13 akan menampilkan secara
singkat pengembangan model SA ini ke dalam persoalan multi-tujuan, dilengkapi
dengan pembahasan singkat dari lima model PSA multi-tujuan.

Dalam Bab 14 akan dibahas metoda Cross Entropy (CE). Metoda ini berawal dari
teori entropy dalam teori informasi. CE awalnya diterapkan dalam rare event
simulation. Kemudian terbukti bahwa penerapan CE bisa dikembangkan antara lain
untuk penjadwalan, machine learning hingga optimasi kombinatorial. Aplikasi CE
akan dibahas pada Bab 15. Aplikasi terutama ditekankan pada kasus TSP, Vehicle
Routing Problem (VRP) dan penjadwalan job shop.

Bab 16 akan membahas ide dasar Differential Evolution (DE) beserta contoh
implementasi untuk optimasi kontinyu. Dilanjutkan dengan perbandingan singkat DE
terhadap Evolutionary Algorithm (EA) dan teknik perluasan yang digunakan dalam
beberapa model DE multi-tujuan dalam bab 17.

Bab 18 tentang Harmony Search (SA), meliputi konsep implementasi Harmony Search
untuk optimasi kontinyu serta optimasi pada kasus TSP.

Tentang Penulis:

Budi Santosa , lahir di Klaten, 1969. Sekarang menjadi Dosen Jurusan Teknik
Industri, ITS. Menamatkan S1 di Institut Teknologi Bandung, Jurusan Teknik
Industri (1992) Kemudian menyelesaikan S2 (1999) dan S3 (2005) di School of
Industrial Engineering, University of Oklahoma, USA (2005). Sebelumnya bekerja
sebagai Teaching Assistant untuk mata kuliah Engineering Optimization, Neural
Networks, Optimization in Data Mining (2002-2004) di University of Oklahoma.
Juga menjabat sebagai ketua Laboratorium Komputasi dan Optimasi Industri Teknik
Industri ITS. Papernya pernah mendapatkan Best Paper Award, pada Neural Network
Engineering, ANNIE 2002, St. Louis, Missouri. Beberapa penelitian dia kerjakan
dalam bidang Data Mining, Machine Learning dan Metaheuristik.
Penelitian-penelitian ini didanai dari Dikti maupun ITS. Topik-topik penelitian
antara lain Airline Crew Scheduling Using Metaheuristics Appoaches. Penggunaan
Metaheuristik untuk Penyelesaian Vehicle Routing Problem, Resouce-constrained
project Scheduling Menggunakan Harmony Search, Pengembangan modal Robust Support
Vector Machine untuk klsaifikasi Multikelas, Real Time Mining of Intregrate
Weather Data, Weather production based on WSR-88D Radar output by Intelegence
System and kernel-based Metods. Beberapa publikasi antara lain ada dalam journal
of Applied mathematics, Lecture note on Artificial Intelligent (LNAI)
Springer-Verlag, Jurnal of Computational Optimization an Applications, Journal
of Advance Manufacturing Technology, International Journal of General System,
WSEAS Transactions on System. WSEAS Transactions on Computers.

Buku lain yang ditulis.

- Manajemen Proyek, cetakan kedua, 2008
- Data Mining, Tehnik Pemanfaatan data untuk keperluan bisnis, 2007
- Data Mining Terapan dengan Matlab, 2007
- Statistik dan Optimasi Terapan dengan Matlab, 2007

Paul Wily, Lahir 1974 di Jakarta. Lulus S1 dari University Hasanuddin, jurusan
Matematika,, fokus di Matematika terapan dan komputasi (1997). Kemudian
melanjutkan S2 di University Kaiserslautern, Jerman. Untuk bidang Optimasi dan
Komputasi (2002). Sekarang bekerja di Universitas Heidelberg, Jerman di bidang
biochemical pathways dan implementasinya. Sebelumnya pernah bekerja di Institut
Riset Fraunhofer, Jerman untuk bidang Optimasi Metaheuristik di dalam
biochemical engeenering. Bidang Minat untuk riset adalah Operations Research,
Optimization (Metaheuristic, Multicriteria) Image, Processing, Pattern
Recognition.