Pemilihan Lokasi Menggunakan Area Skyline Query dengan Pertimbangan Jaringan Jalan

Abstract

Pemilihan lokasi sangat penting untuk membangun bisnis atau fasilitas umum baru. Metode yang umum digunakan untuk pemilihan lokasi adalah metode pemberian skor pada kandidat lokasi. Metode ini sangat bergantung pada preferensi pakar, pakar yang berbeda dapat memberikan metode penilaian yang berbeda, sehingga dalam kondisi tertentu metode penilaian yang sama mungkin tidak relevan lagi. Area skyline query adalah algoritme yang digunakan untuk memberikan rekomendasi suatu lokasi tanpa pembobotan dan dapat disesuaikan dengan preferensi pengguna. Algoritme Area skyline query yang telah dikembangkan sebelumnya menggunakan pengukuran jarak antar lokasi dengan jarak Euclidean, sedangkan pengukuran jarak dalam konsep spasial harus memperhatikan aspek jaringan jalan. Fokus penelitian adalah modifikasi pengukuran jarak pada Area skyline query dengan pertimbangan jaringan jalan yang disebut GASky road networks. Penerapan algoritme Area Skyline query sebelumnya yaitu MapReduce Grid Area Skyline query (MRGASky) dengan menggunakan data yang sama juga dilakukan sebagai pembanding waktu komputasi serta rekomendasi lokasi yang dihasilkan. Hasil percobaan yang dilakukan pada penelitian ini menunjukkan perhitungan jarak algoritme GASky road networks memiliki nilai komputasi paling lama 30 menit atau 36,4 kali lebih lama dibandingkan dengan MRGASky dengan jarak Euclidean. Hal ini disebabkan oleh banyaknya titik perpotongan antara grid dan jalan yang dibutuhkan ketika akan menghitung jarak serta penggunaan algoritme Dijkstra untuk pencarian jalur terpendek. Algoritme GASky road networks memiliki nilai komputasi lebih tinggi, tetapi hasil yang direkomendasikan sesuai dengan kondisi jalan. GASky road networks juga menghasilkan rasio skyline paling besar 9% dibandingkan MRGASky. Hal ini mengindikasikan bahwa algoritme GASky road networks memberi rekomendasi lebih banyak kandidat lokasi dibandingkan MRGASky. Algoritme GASky road networks dapat dimanfaatkan untuk rekomendasi lokasi sesuai dengan preferensi pengguna serta sesuai dengan kondisi jalan pada peta dengan menggunakan ukuran grid yang besar pada area pencarian yang lebih luas untuk komputasi yang lebih baik.

Site selection is essential for both business and new public facilities development. Conventional method for such location selection is by scoring the location candidates priorities. This method clearly depends on personal judgement and preference, in which may not be relevant for a dynamic changing situation today. Previously, Area skyline query was in charged to give a recommendation of a location without the provision of personal judgement and adjustable for user preference. Area skyline query algorithm which has been developed previously used distance measurement between locations with Euclidean distance, whereas distance measurement in spatial concept should consider road networks aspect. This study aims to modified distance measurement in area skyline query concerning road networks which we call GASky road networks. The previous research of the Area Skyline query algorithm, namely the MapReduce Grid Area Skyline query (MRGASky) using the same data was also implemented as a comparison of computation time and location recommendation results. The experiment results show that the GASky road networks algorithm distance calculation has maximum computation time 30 minutes longer or 36.4 times longer than MRGASky with euclidean distances. This is due to the number of points of intersection between grids and roads needed when calculating the distance and Dijkstra's algorithm calculation for finding the shortest path. GASky road networks algorithm has higher computational time, but recommendation results are according to road conditions. GASky road networks also produce 9% skyline ratio greater than MRGASky. This indicates that the GASky road networks algorithm recommends more candidate locations than MRGASky. The GASky road networks algorithm can be used to recommend locations according to user preferences as well as according to road conditions on the map by using a large grid size over a wider search area for better computation time.