Disertasi
Optimasi multi-objektif strategi pembebasan sandera berbasis metode Queen Honey Bee Migration (QHBM) dalam pertempuran kota / Dodo Irmanto
Abstrak
Operasi pembebasan sandera dalam pertempuran kota merupakan misi berisiko tinggi yang menuntut strategi multi-objektif untuk menyeimbangkan keselamatan personel efisiensi biaya serta meminimalisasi jarak atau waktu tempuh. Algoritma optimasi seperti Particle Swarm Optimization (PSO) Genetic Algorithm (GA) dan Firefly Algorithm (FA) telah digunakan tetapi menghadapi keterbatasan berupa premature convergence dan rendahnya adaptivitas terhadap kondisi dinamis. Penelitian ini mengusulkan algoritma Queen Honey Bee Migration (QHBM) sebagai pendekatan alternatif untuk meningkatkan performa optimasi. Untuk meningkatkan realisme simulasi penelitian ini menggunakan simulated sensor-based data melalui pendekatan sensor-driven scenario yang merepresentasikan keluaran sensor visual termal dan akustik tanpa memerlukan perangkat keras aktual. Melalui pendekatan ini dinamika lingkungan perkotaan dapat direpresentasikan secara realistis dan aplikatif. Hasil simulasi menunjukkan bahwa QHBM mencapai skor keamanan tertinggi pada rentang 0 72-0 91 dengan biaya relatif rendah yaitu USD 4.500-8.200 dan jarak tempuh efisien antara 50-120 meter. Dibandingkan PSO (0 65-0 85) QHBM menunjukkan adaptivitas dan stabilitas lebih baik di berbagai tingkat risiko sementara GA dan FA menghasilkan performa terendah. Penelitian ini menegaskan bahwa QHBM lebih adaptif efisien dan konsisten dibandingkan algoritma pembanding serta memberi kontribusi praktis pada pengembangan ilmu optimasi multi-objektif dan swarm intelligence. Selain itu memberikan manfaat praktis bagi perencanaan strategi pembebasan sandera dan pengembangan decision support system untuk komandan lapangan.