Judul : Modifikasi Particle Swarm Optimization Untuk Pencarian Banyak Sumber Asap Dengan Visualisasi Sistem pendeteksian sumber asap merupakan hal yang penting untuk perusahaanperusahaan khususnya yang bergerak di bidang pertambangan. Salah satu cara pencarian sumber asap dilakukan dengan penciuman anjing terlatih. Namun, cara ini memiliki kekurangan yang berkaitan dengan kondisi kesehatan dan perasaan anjing tersebut sebagai agen pencari sumber asap. Masalah bertambah besar jika sumber asap yang akan dicari mengeluarkan asap beracun. Penelitian ini merupakan lanjutan dari penelitian yang telah dilakukan oleh peneliti-peneliti sebelumnya. Penelitian terdahulu mendeteksi sumber asap dengan bantuan robot-robot pendeteksi bau yang bekerja dengan algoritma modifikasi PSO. Akan tetapi, penelitian terdahulu hanya mampu mendeteksi satu sumber asap. Ketika ada beberapa sumber asap, hasilnya menjadi tidak efisien atau malah sama sekali gagal menemukan sumber-sumber asap tersebut. Di sini penulis akan mencoba melanjutkan penelitian tersebut dengan tambahan beberapa sumber asap. Dengan permasalahan pencarian beberapa sumber asap, metode pencarian pun diubah. Penelitian ini melakukan modifikasi yang diperlukan untuk menangani permasalahan pencarian banyak sumber asap dengan memodifikasi algoritma PSO (MPSO) karena algoritma PSO standar hanya ditujukan untuk menangani masalah dengan satu solusi. Penelitian ini ditujukan untuk mengatasi masalah pencarian banyak sumber asap dengan beberapa alternatif solusi yang menggunakan algoritma Sequential PSO Niching, Parallel PSO Niching atau Quasi-Sequential Niching. Hasil dari penelitian ini menunjukan bahwa metode yang telah dikembangkan memberikan hasil yang cukup menjanjikan. Pada beberapa keadaan tertentu, seperti pencarian pada daerah yang memiliki ruang pencarian yang besar dan sumber yang sangat banyak, metode MPSO yang dikembangkan ini memberikan hasil yang cukup baik.