Pencarian Rute Terbaik Pada Travelling Salesman Problem (TSP) Menggunakan Algoritma Genetika pada Dinas Kebersihan dan Pertamanan Kota Pekanbaru

Medrio Dwi Aksara Cipta Hasibuan, Lusiana -

Abstract


Travelling Salesman Problem (TSP) merupakan salah satu permasalahan optimasi yang terjadi di kehidupan sehari-hari. Permasalahan pada kasus TSP adalah bagaimana membangun rute terpendek yang akan dilalui salesman. Pemodelan kasus ini akan diterapkan pada kegiatan pengangkutan sampah di Dinas Kebersihan dan Pertamanan Kota Pekanbaru (DKP). Saat ini rute pengangkutan sampah yang dikelola DKP masih dilakukan secara konvensional sehingga belum dapat dipastikan bahwa rute yang dibangun sudah optimal. Untuk membangun rute yang optimal pada TSP, penulis mengusulkan menggunakan algoritma genetika. Algoritma genetika merupakan suatu metode yang digunakan untuk memecahkan suatu permasalahan pencarian solusi optimal dalam sebuah masalah optimasi. Algoritma ini mengikuti proses genetik dari organisme-organisme biologi yang berdasar pada teori evolusi Charles Darwin. Implementasi algoritma genetika menguji kemampuan algoritma genetika, dalam mencari solusi rute optimal pada kegiatan pengangkutan sampah. Berdasarkan hasil pengujian yang dilakukan pada tiga wilayah kerja pengangkutan sampah yang disusun oleh Dinas Kebersihan dan Pertamanan Kota Pekanbaru, dapat disimpulkan bahwa algoritma genetika mampu menghasilkan solusi rute yang optimal.


Keywords


TSP, Algoritma Genetika, Optimasi

Full Text:

Download PDF

References


Amri, Faisal., Nababan, Erna Budhiarti., dan Syahputra, Mohammad Fadly. 2012. Artificial Bee Colony Algorithm untuk Menyelesaikan Travelling Salesman Problem. Jurnal Dunia Teknologi Informasi, Vol. 1, No. 1, pp. 8-13.

Basuki, Achmad. 2003a. Algoritma Genetika: Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi, dan Machine Learning. http://budi.blog.undip.ac.id/files/2009/06/algoritma_genetika.pdf. Diakses Juli 2014.

Basuki, Achmad. 2003b. Strategi Menggunakan Algoritma Genetika. https:// lecturer.eepis-its.edu/~basuki/lecture/StrategiAlgoritmaGenetika.pdf. Diakses Mei 2014.

Carwoto. 2007. Implementasi Algoritma Genetika untuk Optimasi Penempatan Kapasitor Shunt pada Penyulang Distribusi Tenaga Listrik. Jurnal Teknologi Informasi DINAMIK, Vol. 12, No. 2, pp. 122-130.

Deep, Kusum dan Mebrahtu, Hadush. 2011. Combined Mutation Operators of Genetic Algorithm for the Travelling Salesman Problem. International Journal of Combinatorial Optimization Problems and Informatics, Vol. 2, No. 3, pp. 1-23.

Dewi, Kania Evita. 2012. Perbandingan Metode Newton-Raphson dan Algoritma Genetik pada Penentuan Implied Volatility Saham. Jurnal Ilmiah Komputer dan Informatika (KOMPUTA), Vol. 1, No. 2, pp. 9-16.

Fox, Roland dan Tseng, Steven. 1997. Traveling Salesman Problem by Genetic Algorithm and Simulated Annealing. http://www.cs.nthu.edu.tw/~jang /courses/cs5611/project/2/. Diakses Mei 2014.

Haviluddin. 2011. Memahami Penggunaan UML (Unified Modelling Language). Jurnal Informatika Mulawarman, Vol. 6, No. 1, pp. 1-15.

Manggolo, Inu., Marzuki, Marza Ihsan., dan Alaydrus, Mudrik. 2011. Optimalisasi Perencanaan Jaringan Akses Serat Optik Fiber To The Home Menggunakan Algoritma Genetika. InComTech, Jurnal Telekomunikasi dan Komputer, Vol. 2, No. 2, pp. 21-36.

Rosa, A.S. dan Shalahuddin, M. 2011. Modul Pembelajaran Rekayasa Perangkat Lunak (Terstruktur dan Berorientasi Objek). Bandung: Modula.

Suarga. 2012. Algoritma dan Pemrograman. Yogyakarta: Penerbit ANDI.

Yusuf, Akhmad dan Soesanto, Oni. 2012. Algoritma Genetika pada Penyelesaian Akar Persamaan Sebuah Fungsi. Jurnal Matematika Murni dan Terapan, Vol. 6, No. 2, pp. 47-56.

http://www.math.uwaterloo.ca/tsp/history/. Diakses Juli 2014.




DOI: http://dx.doi.org/10.33372/stn.v1i1.11

Refbacks

  • There are currently no refbacks.


Flag Counter