Topologi ring digunakan sebagai backbone pada jaringan optik karena dapat
menghindari single-node failure. Topologi ring yang dirancang haruslah efisien
untuk memperoleh Quality of Service (QoS) yang baik serta Capital Expenditure
(CAPEX) yang rendah. Pada prinsipnya, perancangan topologi ring dapat
dikategorikan ke dalam Traveling Salesman Problem (TSP) dan combinatorial
optimization problem. Dalam combinatorial optimization, semakin besar skala
TSP, maka semakin tinggi kompleksitasnya. Karena hal tersebut, TSP berskala
besar sangatlah sulit untuk diselesaikan dalam waktu yang singkat.
Algoritma yang paling mudah untuk menyelesaikan TSP adalah brute force. Brute
force mampu memperoleh solusi optimal secara mutlak karena brute force akan
mencoba semua kemungkinan kombinasi. Sayangnya, waktu komputasi brute
force meningkat secara eksponensial seiring dengan bertambahnya skala TSP.
Sampai saat ini, berbagai macam algoritma heuristic telah dikembangkan untuk
menyelesaikan TSP, baik menggunakan pendekatan deterministik maupun
probabilistik. Pendekatan deteministik dapat menyelesaikan TSP dalam satu kali
pengujian (single cycle), namun waktu komputasi yang dibutuhkan sangatlah
tinggi, khususnya menyelesaikan TSP berskala besar.
Algoritma heuristic dengan pendekatan probabilistik dapat menyelesaikan TSP
berskala besar dalam waktu yang acceptable. Sayangnya, solusi yang dihasilkan
tidak stabil sehingga membutuhkan pengujian berulang kali (multi-cycle). Hal
tersebut menyebabkan solusi yang dihasilkan menjadi tidak robust dan proses
pencarian solusi dianggap tidak efisien. Beberapa contoh algoritma heuristic
dengan pendekatan probabilistik antara lain Ant Colony Algorithm (ACO),
Artificial Bee Intelligence (ABC), Simulated Annealing (SA), Genetic Algorithm
(GA), dan Particle Swarm Optimization (PSO). Berdasarkan hal tersebut,
diperlukan algoritma yang mampu memperoleh solusi optimal secara stabil dalam
waktu komputasi yang acceptable dalam menyelesaikan TSP berskala besar.
Penelitian ini mengembangkan algoritma heuristic yang diusulkan oleh Rokhayah
dan Syambas (2020) dengan memodifikasi dua parameter kontrolnya, yaitu
jumlah initial costs ( ) dan jumlah stored configurations ( ). Algoritma akan
memulai konstruksi solusi dengan memilih links berdasarkan costs terendah.
Pada iterasi berikutnya, setiap konfigurasi ring dikombinasikan dengan dua costs
terendah dan belum terpilih. Apabila iterasi mencapai kelipatan tujuh, maka
algoritma akan melakukan filter konfigurasi. Sebanyak konfigurasi dengan total
cost terendah akan disimpan sedangkan sisanya akan dihapus. Pada iterasi
terakhir, node terakhir pada setiap konfigurasi dihubungkan kembali dengan node
awal sehingga terbentuklah topologi ring. Topologi ring dengan total cost
terendah akan ditetapkan sebagai solusi optimal.
Pada Rokhayah dan Syambas (2020), parameter bernilai 1. Karena hal tersebut,
konfigurasi awal hanya mempertimbangkan cost terendah sehingga solusi masih
belum optimal. Maka dari itu, penelitian ini memodifikasi parameter dengan
nilai 2 dan 3 sehingga konfigurasi awal akan lebih bervariasi. Selain itu,
parameter turut ditingkatkan guna menyimpan konfigurasi yang lebih bervariasi
sehingga konfigurasi optimal tetap tersimpan sampai akhir iterasi. Parameter
yang digunakan Rokhayah dan Syambas (2020) ialah 200, sedangkan parameter
yang diuji pada penilitian ini ialah 200, 400, dan 600. Penelitian ini bertujuan
untuk mengetahui parameter dan yang mampu memperoleh solusi optimal
dalam waktu yang acceptable. Selain itu, penelitian ini akan memformulasikan
space complexity yang tidak diformulasikan oleh penelitian sebelumnya. Metrik
yang digunakan untuk mengevaluasi kinerja algoritma antara lain waktu
komputasi dan tingkat kesalahan. Algoritma yang dijadikan sebagai pembanding
ialah Rokhayah dan Syambas (2020) dan ACO.
Hasil pengujian menunjukkan bahwa saat bernilai 600, 400, dan 200
masing-masing memperoleh rata-rata tingkat kesalahan sebesar 9.83%, 10.44%,
dan 10.81%. saat bernilai 400 dan 200 masing-masing memperoleh rata-
rata tingkat kesalahan sebesar 10.36% dan 10.86%. Rokhayah dan Syambas
(2020) dan ACO memperoleh rata-rata tingkat kesalahan masing-masing sebesar
sebesar 12.23% dan 19.88%. Waktu komputasi yang diperoleh pada sembarang
saat bernilai 200, 400, dan 600 yaitu identik, 2 kali lebih tinggi, dan 3 kali lebih
tinggi jika dibandingkan dengan Rokhayah dan Syambas (2020). Jika
dibandingkan dengan ACO, waktu komputasi pada sembarang saat bernilai
200, 400, dan 600 yaitu 0.5 kali lebih rendah, identik, dan 0.5 kali lebih tinggi.
Berdasarkan hasil yang telah diperoleh, parameter berdampak terhadap variasi
konfigurasi. Semakin tinggi nilai , maka konfigurasi semakin bervariasi.
Sedangkan parameter mempengaruhi penyimpanan konfigurasi saat terjadi filter
konfigurasi. Semakin tinggi nilai , maka peluang terhapusnya konfigurasi
optimal dapat diminimalkan. Maka dari itu, semakin tinggi parameter dan ,
maka semakin optimal konfigurasi ring yang diperoleh, namun waktu komputasi
akan semakin tinggi.