Optimalisasi Jalur Pedestrian Antar Fakultas Di Universitas Mataram Menggunakan Algoritma Kruskal

Abstract

Jalur pedestrian yang efisien antar fakultas dan tempat-tempat di lingkungan Universitas Mataram menjadi salah satu aspek penting dalam mendukung mobilitas akademik dan non-akademik. Optimalisasi jalur pedestrian berdasarkan jarak dan efisiensi konektivitas antar titik-titik penting. Penelitian ini bertujuan untuk mengidentifikasi dan mengoptimalkan serta mencari jalur pedestrian terpendek antar fakultas dengan menerapkan metode algoritma kruskal yang menghubungkan seluruh titik tanpa membentuk siklus berdasarkan Minimum Spanning Tree. Terdapat 13 vertex (titik simpul) yang merepresentasikan fakultas/tempat di Universitas Mataram. Jarak antar fakultas/tempat direpresentasikan sebagai edge (sisi) yang berbobot dalam satuan meter. Diperoleh 15 sisi yang sesuai dengan algoritma yang dijalankan. Dari 15 sisi tersebut ternyata ada 3 buah sisi yang yang membentuk siklus yang secara tahap demi tahap harus dieliminasi agar sesuai dengan algoritma kruskal sehingga optimalisasi jalur pedestrian terpendek diperoleh sebanyak 12 sisi. Jarak 12 sisi diperoleh dari pemetaan dengan google maps. Rute pedestrian yang terbentuk dari penelitian ini adalah sepanjang 2650 meter atau 2,65 Km. Hasil ini dapat dijadikan suatu rujukan untuk menjadi pertimbangan pengambil kebijakan yang ada di Universitas Mataram untuk membuat infrastruktur berbasis jaringanEfficient pedestrian pathways between faculties and key locations within the Universitas Mataram campus are a crucial aspect in supporting the academic and non-academic mobility. Optimization of pedestrian paths based on distance and connectivity efficiency between important points.  This study aims to identify and optimize as well as determine the shortest pedestrian paths between faculties by applying the Kruskal algorithm, which connects all points without forming cycles based on the Minimum Spanning Tree (MST) method. There are 13 vertices representing faculties or key locations at Universitas Mataram. The distances between these faculties or places are represented as weighted edges measured in meters. A total of 15 edges were initially identified according to the algorithm’s execution. Among these, 3 edges formed cycles and had to be gradually eliminated in order to comply with Kruskal’s algorithm, resulting in the optimal solution of 12 edges for the shortest pedestrian network. The distances of these 12 edges were obtained through mapping using Google Maps. The total length of the resulting optimized pedestrian route is 2,650 meters or 2.65 kilometers. These findings can serve as a reference for policymakers at Universitas Mataram to consider in the development of network-based pedestrian infrastructure.