Benny Kapri

G64124009
Algoritma Genetik Pada Pencarian Rute Terpendek Dalam Masalah
Travelling Salesman Problem (TSP)
1. Pendahuluan
Algoritma genetic merupakan bagian dari sistem evolusioner yang pertama kali
dikemukakan oleh John Holland serta murid-muridnya pada tahun 1960-an. Dalam
bukunya Adaptation in Natural and Artificial Systems yang diterbitkan pada tahun
1975, disajikan algoritma generic sebagai suatu abstraksi dari evolusi biologis dan
memberikan suatu kerangka kerja secara teoritis tentang adaptasi dalam algoritma
genetic. Algoritma genetic telah banyak diterapkan dalam berbagai masalah,
misalnya pada masalah yang tergolong sulit (NP).
Sejumlah masalah NP telah diidentifikasi. Masalah NP termasuk masalah yang sulit
untuk dicari penyelesaian eksaknya. Salah satu masalah NP klasik yang sering
dibicarakan adalah masalah TSP. beberapa algoritma yang juga tergolong heuristic
telah diterapkan untuk menyelesaikan masalah NP ini. Dalam paper ini digunakan
algoritma genetic untuk mencari penyelesaian masalah ini.
2. Metode
Masalah TSP adalah masalah untuk mencari rute pengunjung terpendek dari n kota.
Algoritma eksak (exhaustive algorithms) dapat menemukan solusi eksak yaitu
mencari keseluruhan n! permutasi rute pengunjungan, tetapi kompleksitas
komputasinya berbanding ekponensial = 0(n!).
Terdapat suatu graf lengkap G=(V, E) dengan V = {v1, v2, . Vn} merupakan
himpunan vertex yang menyatakan n kota dan E = {e1, e2, ., em} merupakan
himpunan edge yang menyatakan hubungan antar kota dengan m n/(n-1)/2.
Dalam graf lengkap tersebut, setiap edge berasosiasi dengan suatu d(i, j) yang
menunjukkan jarak/biaya dari kota vi ke vj. Fungsi obyektif F adalah mencari suatu
permutasi dari V yang minimum.
Sebagai gambaran sederhana untuk pencarian rute 5 kota dengan jarak antara kota
sebagai berikut:
Kota
1
2
3
4
5

1
2

X
1
30
69
49
10
1
0
37,64

Y
1
25
3
90
37
2
37,64
0

3
68,02
44,77

4
101,11
67,72

5
37,10
23,32

Benny Kapri
G64124009
3
4
5

68,02
101,1
1
37,10

44,77
67,72

0
89,26

89,26
0

68,09
65,80

23,32

68,09

65,80

Dengan seleksi roulette, misal terpilih genome ke-1 dan ke-4, kemudian dilakukan
perkawinan silang 1-titik pada posisi 2 berikut:
Hasil perkawinan silang kemudian dimutasi pada posisi 2 dan 3, diperoleh:
Hasil dari reproduksi pertama pada generasi 1 diperoleh rute terpendek 274,60.
Dengan mencoba ke semua 120 permutasi, akan diperoleh solusi yang sama.
Genome 1
Genome 4
*(Hasil)

13524
32145
13245

328,38
317,43
283,43

Contoh masalah TSP dengan 5 kota tersebut memberi gambaran bahwa dengan
penerapan algoritma genetik yang benar maka algoritma genetik dapat
memberikan solusi pendekatan yang sama dengan solusi eksak atau mendekati
solusi eksak terhadap masalah TSP tersebut.
*(Hasil)
**(Hasil)

13245
12345

283,43
274,60

3. Kesimpulan
Algoritma genetik merupakan metode heuristik yang menerapkan beberapa
kelakuan dari evolusi alam yang dimodelkan secara abstrak dalam menyelesaikan
suatu masalah. Dari hasil contoh yang dimodelkan di atas, dapat dilihat bahwa
algoritma genetik dapat menjadikan tool untuk mencari solusi pada masalah NP,
dengan modifikasi yang diperlukan baik pada jenis pengkodean, operasi seleksi,
perkawinan silang, mutasi maupun update generasi , tergantung pada jenis
masalah NP yang akan diselesaikan.