Perencanaan Perjalanan Wisata Multi Kota dan Negara dengan Algoritma Cuttlefish
DOI:
https://doi.org/10.52985/insyst.v1i2.91Keywords:
Evolutionary Algorithm, Cuttlefish Algorithm, Trip PlanningAbstract
Liburan merupakan saat yang paling tepat untuk melakukan perjalanan wisata bersama keluarga maupun kerabat ke suatu daerah untuk melihat berbagai objek wisata yang ada. Sebelum melakukan liburan, tentu saja setiap orang akan menyiapkan rencana perjalanan yang paling efektif dan efisien. Hal ini tentu saja merepotkan bagi para wisatawan karena tidaklah mudah untuk menyusun jadwal perjalanan wisata yang baik dan efisien. Meskipun sudah terdapat berbagai paket tur yang ditawarkan bagi para wistawan, banyak dari paket tur yang ditawarkan tidak sesuai dengan keinginan dari masing-masing orang karena faktor selera yang berbeda-beda. Oleh karena itu, dibuatlah sebuah penelitian yang digunakan untuk melakukan perencanaan perjalanan wisata multi kota dan negara berbasiskan aplikasi mobile. Untuk menyelesaikan, penelitian ini akan menggunakan Algoritma Cuttlefish dalam pembuatan jadwal wisata secara otomatis berdasarkan data input yang telah diisikan oleh pengguna sebelumnya. Pada penelitian ini, pengguna dapat melakukan pembuatan perencanaan perjalanan wisata baik secara manual ataupun otomatis. Selain fitur untuk pembuatan perencanaan perjalanan wisata, juga terdapat fitur untuk melakukan pencarian tiket penerbangan dan juga akomodasi tempat tinggal dengan bantuan TravelPayouts API. Pada pembuatan jadwal wisata pun juga sudah dilengkapi dengan pencarian tiket penerbangan dan akomodasi tempat tinggal sesuai dengan input yang diberikan oleh pengguna sebelumnya. Pengguna juga dapat melihat jadwal wisata yang telah terbentuk dalam bentuk Table View, Map View dan PDF. Dengan dibuatnya penelitian ini diharapkan para pengguna dapat membuat sebuah jadwal wisata berdasarkan selera masing-masing. Jadwal wisata yang dibentuk secara otomatis dengan menggunakan Algoritma Cuttlefish tersebut juga dibuat sedemikian rupa hingga tercipta sebuah jadwal wisata yang efisien. Selain itu, pada tahap akhir dari tahap uji coba disebarkan kuesioner kepada responden. Kuesioner bertujuan untuk mengetahui komentar pengguna mengenai hasil akhir dari penelitian yang telah dibuat demi pengembangan untuk kedepannya. Berdasarkan hasil kuesioner, sebanyak 88% responden menyatakan jadwal wisata yang terbentuk sudah cukup baik.
References
D. Simon, Evolutionary optimization algorithms. John Wiley & Sons, 2013.
A. Sabry Eesa, A. Mohsin, A. Brifcani, and Z. Orman, “Cuttlefish Algorithm – A Novel Bio-Inspired Optimization Algorithm,” Int. J. Sci. Eng. Res., vol. 4, no. 9, 2013.
A. S. Eesa, A. M. A. Brifcani, and Z. Orman, “A new tool for global optimization problems-cuttlefish algorithm,” Int. J. Math. Comput. Nat. Phys. Eng., vol. 8, no. 9, pp. 1208–1211, 2014.
O. Filipova, Learning Vue. js 2. Packt Publishing Ltd, 2016.
“Framework7.” https://framework7.io/.
E. L. Solutions, Learn Node.js by Building 6 Projects: Build six practical and instructive Node.js projects. Packt Publishing, 2018.
“The Cephalopod Page.” http://www.thecephalopodpage.org/.
R. T. Hanlon and J. B. Messenger, “Cephalopod behaviour,” Oceanogr. Lit. Rev., vol. 11, no. 43, p. 1131, 1996.
R. A. Cloney and S. L. Brocco, “Chromatophore organs, reflector cells, iridocytes and leucophores in cephalopods,” Integr. Comp. Biol., vol. 23, no. 3, 1983, doi: 10.1093/icb/23.3.581.
Z. Zhan, Selenium WebDriver Recipes in C#. Springer, 2015.
“Distance Matrix requests.” https://developers.google.com/maps/documentation/distance-matrix/overview#DistanceMatrixRequests.
“Travel Payouts.” https://www.travelpayouts.com/.
G. C. Hillar, Building RESTful Python Web Services, vol. 1. 2016.
