Analisis Komparatif Algoritma Dijkstra dan Google Maps API dalam Penentuan Rute Tercepat

Raja Joko Musridho; Hidayati Rusnedy; Wahyu Febri Ramadhan Sudirman

doi:10.31004/riggs.v4i3.2264

Authors

Raja Joko Musridho Universitas Pahlawan Tuanku Tambusai
Hidayati Rusnedy Universitas Pahlawan Tuanku Tambusai
Wahyu Febri Ramadhan Sudirman Universitas Pahlawan Tuanku Tambusai

DOI:

https://doi.org/10.31004/riggs.v4i3.2264

Keywords:

Algoritma Dijkstra, Rute Tercepat, Google Maps API, Navigasi Waktu Nyata, Lalu Lintas Dinamis

Abstract

Penelitian ini membandingkan algoritma shortest path klasik, khususnya Dijkstra, dengan sistem penentuan rute berbasis waktu nyata seperti Google Maps dalam konteks efisiensi perjalanan. Simulasi manual dilakukan menggunakan graf berbobot statis, sementara studi kasus di Kota Pekanbaru digunakan untuk mengamati rekomendasi rute Google Maps pada dua waktu berbeda. Hasil simulasi menunjukkan bahwa algoritma Dijkstra menghasilkan rute optimal tetap (contoh: A → C → D → E dengan total waktu 5 menit pada kondisi normal), namun tidak dapat beradaptasi ketika terjadi perubahan kondisi lalu lintas. Sebaliknya, hasil observasi Google Maps menunjukkan adanya variasi rute: pada malam hari rute tercepat ditempuh dalam ±19 menit dengan jarak ±11,2 km, sementara pada siang hari rute berbeda dipilih dengan waktu tempuh lebih lama ±26 menit meskipun jaraknya hampir sama (±10,9 km). Perbedaan ini menegaskan bahwa Google Maps memperbarui bobot graf internalnya secara dinamis untuk menyesuaikan dengan kondisi lalu lintas. Temuan ini menyoroti keterbatasan algoritma konvensional di lingkungan perkotaan dinamis, sekaligus memperkuat keunggulan sistem navigasi berbasis data. Dengan demikian, penelitian ini menyimpulkan bahwa algoritma shortest path klasik relevan untuk tujuan edukatif dan simulatif, tetapi sistem navigasi berbasis data waktu nyata lebih efektif diterapkan dalam transportasi perkotaan yang kompleks.

Downloads

Download data is not yet available.

References

Alyrchikov, I., Moiseev, N., & Knyaz, V. A. (2024). An algorithm for operational navigation in urban development using reinforcement learning. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 48, 1–7. https://doi.org/https://doi.org/10.5194/isprs-archives-XLVIII-2-W5-2024-1-2024

Cormen, T. H., Leiserson, C. E., Rivest, R. L., & Stein, C. (2009). Introduction to Algorithms (3-rd edition). In MIT Press and McGraw-Hill. The MIT Press. https://mitpress.mit.edu/9780262033848/introduction-to-algorithms/

Faridawaty, Arnita, & Dewi, S. (2024). Using A* Algorithm and Google Maps API for Web-Based Path Optimisation Public Vehicles Routes in Medan City. Jurnal Penelitian Pendidikan IPA, 10(SpecialIssue), 332–336.

Google Developers. (2024). Directions API (Legacy) overview. https://developers.google.com/maps/documentation/directions/overview

Jelita, F., Fallo, D., & Miru, Y. G. (2025). Optimalisasi Rute Menggunakan Algoritma Dijkstra dan Greedy: Sebuah Pendekatan Komparatif. Jurnal Kridatama Sains Dan Teknologi, 7(01), 555–562. https://doi.org/https://doi.org/10.53863/kst.v7i01.1659

Liu, T., & Meidani, H. (2025). Graph neural networks for travel distance estimation and route recommendation under probabilistic hazards. International Journal of Transportation Science and Technology.

Pham, H. D., Narasimhamurthy, S. M., Mehran, B., Manley, E., & Ashraf, A. (2025). Reinforcement learning based estimation of shortest paths in dynamically changing transportation networks. Frontiers in Future Transportation, 6, 1524232.

Rosca, C.-M., Stancu, A., & Gortoescu, I.-A. (2025). Advanced Sensor Integration and AI Architectures for Next-Generation Traffic Navigation. Applied Sciences (2076-3417), 15(8).

Saputra, M. A., & Nuryana, I. K. D. (2022). SIG Penentuan Rute Terdekat Menuju Faskes di Sidoarjo Menggunakan Dynamic Dijkstra. Journal of Informatics and Computer Science (JINACS), 4(01), 45–55. https://doi.org/https://doi.org/10.26740/jinacs.v4n01.p45-55

Stępniak, C., Jelonek, D., Wyrwicka, M., & Chomiak-Orsa, I. (2021). Integration of the infrastructure of systems used in smart cities for the planning of transport and communication systems in cities. Energies, 14(11), 3069. https://doi.org/https://doi.org/10.3390/en14113069

Syaifullah, M. B. (2025). Implementasi Algoritma Dijkstra Untuk Menentukan Rute Terpendek Dalam Pendistribusian Produk. https://repository.its.ac.id/118237/

Udhan, P., Ganeshkar, A., Murugesan, P., Permani, A. R., Sanjeeva, S., & Deshpande, P. (2022). Vehicle Route Planning using Dynamically Weighted Dijkstra’s Algorithm with Traffic Prediction. ArXiv Preprint ArXiv:2205.15190.

Wang, B., Tian, Y., Chen, F., Wang, J., & Zhang, Y. (2024). Dynamic Route Planning System Integrated with Traffic Flow Sensing. Asia-Pacific Web (APWeb) and Web-Age Information Management (WAIM) Joint International Conference on Web and Big Data, 383–387.

Wei, X., & Ouyang, Y. (2025). GPG-HT: Generalized Policy Gradient with History-Aware Decision Transformer for Probabilistic Path Planning. ArXiv Preprint ArXiv:2508.17218.

Zhou, Z., Zhou, B., & Liu, H. (2024). Dynamicroutegpt: A real-time multi-vehicle dynamic navigation framework based on large language models. ArXiv Preprint ArXiv:2408.14185.