PENYELESAIAN TRAVELING SALESMAN PROBLEM (TSP)

MENGGUNAKAN ALGORITMA RECURSIVE BEST FIRST SEARCH (RBFS)

Hari Santoso 146060300111019
haripinter@gmail.com

Prodi Sistem Komunikasi dan Infromatika

Teknik Elektro Universitas Brawijaya
ABSTRAK
Travelling Salesman Problem (TSP)
merupakan sebuah permasalahan optimasi yang dapat
diterapkan pada berbagai kegiatan seperti routing.
Masalah optimasi TSP terkenal dan telah menjadi
standar untuk mencoba algoritma yang komputational.
Pokok permasalahan dari TSP adalah seorang
salesman harus mengunjungi sejumlah kota yang
diketahui jaraknya satu dengan yang lainnya. Semua
kota yang ada harus dikunjungi oleh salesman tersebut
dan kota tersebut hanya boleh dikunjungi tepat satu kali.
Permasalahannya adalah bagaimana salesman tersebut
dapat mengatur rute perjalanannya sehingga jarak yang
ditempuhnya merupakan rute yang optimum yaitu jarak
minimum terbaik. Dalam makalah ini penyelesaian
kasus TSP diselesaikan dengan algoritma Recursive
Best First Search (RBFS).
A. LATAR BELAKANG MASALAH
Travelling Salesman Problem (TSP)
merupakan permasalahan pedagang keliling dalam
mencari lintasan terpendek dari semua kota yang
dikunjunginya. Dengan syarat kota tersebut hanya
boleh dikunjungi satu kali. Banyak permasalahan
yang dapat direpresentasikan dalam bentuk
Travelling Salesman Problem. Persoalan ini sendiri
menggunakan representasi graf untuk memodelkan
persolan
yang
diwakili
sehingga
lebih
memudahkan
penyelesaiannya.
Diantaranya
permasalahan yang dapat direpresentasikan dengan
TSP ialah masalah transportasi, efisiensi
pengiriman surat atau barang, perancangan
pemasangan pipa saluran, proses pembuatan PCB
(Printed Circuit Board) dan lainlain.
Ada beberapa algoritma dan metode yang
bisa menyelesaikan TSP ini, antara lain: algoritma
Brute Force dengan complete Enumeration,
algoritma Branch and Bound, Greedy Heuristik.
Dalam Algoritma Bruto Force, hal yang dilakukan
ialah dengan cara mengenumerasi seluruh

kemungkinan rute yang akan ditempuh. Setelah

itu, akan dibandingkan dari seluruh kemungkinan
rute yang telah dienumerasi tersebut, rute mana
yang memiliki lintasan/bobot yang paling
minimum. Namun, jumlah enumerasi dari
algoritma ini ialah (n-1)! Yang akan memerlukan
waktu yang sangat lama untuk mendapatkan
panjang lintasan paling minimum jika n bernilai
sangat besar. Seperti Algoritma Brute Force yang
mengenumerasi satu per satu kemungkinan jalur
yang akan ditempuh, Algoritma Branch and bound
ternyata tidak memiliki kompleksitas waktu yang
lebih baik dimana algoritma ini juga memilki
kompleksitas
waktu
(n-1)!
Dan
sangat
membutuhkan waktu yang sangat lama untuk
mendapatkan panjang lintasan paling minimum
jika n bernilai sangat besar.
Sedangkan
pada
greedy
heuristik,
pemilihan lintasan akan dimulai pada lintasan yang
memilki nilai paling minimum, algoritma ini akan
memilih kota selanjutnya yang belum dikunjungi
yang mempunyai bobot paling minimum/kota
terdekat sampai swmua kota tersebut dikunjungi
dan kemudian kembali ke kota awal, tetapi hasil
yang didapat bisa sangat jauh dari hasil optimal,
semakin banyak kota yang dikunjungi semakin
besar pula perbedaan yang dicapai.
Algoritma Heuristik merupakan salah satu
algoritma alternatif yang dapat digunakan sebab
prosesnya cepat dan memberikan hasil yang
diinginkan. Algoritma Heuristik adalah algoritma
yang mencari solusi terbaik untuk kasus yang
merupakan bagian atau irisan dari permasalahan
total dengan harapan dapat menghasilkan solusi
optimal untuk keseluruhan kasus melalui proses
tambahan, yaitu mencari bobot minimum dengan
menggunakan Recursive Best First Search (RBFS)
sehingga menghasilkan routing dari graf yang
memiliki nilai optimal. Permasalahan pada makalah
ini bisa dilihat pada Gambar 1, yaitu mencari jarak
terpendek terbaik yang bisa ditempuh oleh sales
dan setiap kota hanya boleh dikunjungi satu kali.

Gambar 1. Peta jalur antar kota yang harus dilewati oleh sales
B. RECURSIVE BEST-FIRST SEARCH (RBFS)
Recursive Best-First Search merupakan
algoritma pencarian terbimbing yang mirip dengan
algoritma standar Best First Search yang bersifat
linear. Desain algoritmanya juga mirip dengan
Depth-First Search walaupun dengan model yang
sangat berbeda.
Cara
kerja
RBFS
yaitu
tetap
memperhatikan jalur teratas, kalau misalkan pada
tree, maka tree paling atas. Apabila ada jalur yang
tidak sesuai, maka jalur teratas akan langsung
mengubahnya. Pada saat operasi, setiap operasi
yang akan dipilih adalah jalur yang terpendek, dan
setiap ada jalur baru, maka jalur teratas akan
diurutkan berdasarkan nilai cost yang terkecil.
Hal tersebut akan dilakukan hingga titik
akhir adalah jalur yang dituju dan cost yang
ditemukan pada jalur terakhir ini lebih kecil dari
jalur-jalur yang sudah dilewati sebelumnya.
Berikut ini adalah algoritma untuk RBFS.

Gambar 2. Representasi jalur antar kota dalam

kasus TSP
Tabel 1. Tabel jarak antar kota (dalam km)
Kota

Jkt

Bdg

Crb

Jkt

270

327

Bdg

270

120

373

Crb

327

120

210

305

373

210

109

60

305

109

97

60

97

Ygy
Smg
Srkt
Sby
Mlg

Ygy

Smg

Srkt

369
370

Sby

Mlg

369
370
0

94

94

C. PEMODELAN
Gambar 2. merupakan representasi bentuk
pohon dari peta jalur antar kota yang akan dicari
solusinya. Garis putus-putus menunjukkan bahwa
jalur yang bisa menjadi solusi adalah jalur yang
melewati seluruh kota dan tepat satu kali untuk
masing-masing kota. Sedangkan jarak antar kota
berdasarkan jalur yang ada pata peta dapat dilihat
pada tabel 1.

Berdasarkan pohon pada Gambar 2, maka

proses pencarian RBFS akan dilakukan dengan
cara membandingkan setiap simpul yang dilewati
dan dicari simpul yang memiliki cost atau jarak
yang paling kecil sesuai dengan algoritma pada
RBFS. Proses perhitungan untuk menemukan jalur
terpendek dengan metode RBFS akan dijelaskan
secara singkat seperti pada Tabel 2.

Pada step pertama, hitung jalur asal

dengan jalur yang mungkin untuk dilewati. Jalur
yang mungkin hanya Bandung (270km) dan
Cirebon (327km). Urutkan jarak tersebut
berdasarkan yang terpendek. jarak yang terpendek
akan dipilih untuk menghitung jarak selanjutnya,
sedangkan jarak terpendek kedua akan dijadikan
treshold atau patokan untuk dihitung apabila hasil
dari jalur yang dibuka dari jarak terpendek lebih
besar daripada jarak jalur kedua tersebut. Pada step
awal, jarak minimal adalah Jakarta-Bandung, dan
yang menjadi treshold adalah jarak JakartaCirebon.

Step kedua yang dibuka adalah jalur

Jakarta-Bandung. Kemungkinan yang bisa dilewati
adalah jalur Jakarta-Bandung-Cirebon (390km) dan
Jakarta-Bandung-Yogyakarta (643). Selanjutnya
jarak-jarak tersebut dibandingkan dan dipilih jalur
terpendek. Jalur yang terpendek adalah JakartaCirebon dan jalur terpendek kedua adalah JakartaBandung-Cirebon. Sehingga jalur yang akan
dibuka selanjutnya adalah jalur Jakarta-Cirebon
dan yang menjadi treshold adalah jalur JakartaBandung-Cirebon. Begitu seterusnya hingga
didapatkan jarak terpendek untuk menghubungkan
semua kota.

Tabel 2. Step-step pencarian algoritma RBFS

Step

Open

Jalur

Min

Treshhold

Jkt (0)

Jkt-Bdg (270)

Jkt-Bdg (270)

Jkt-Crb (327)

Jkt-Crb (327)

Jkt-Bdg-Crb (390)

Jkt-Bdg-Crb (390)

Jkt-Crb-Bdg (447)

Jkt-Crb-Bdg (447)

Jkt-Crb-Ygy (537)

Jkt-Crb (327)
2

Jkt-Bdg (270)

Jkt-Bdg-Crb (390)
Jkt-Bdg-Ygy (643)

Jkt-Crb (327)

Jkt-Crb-Bdg (447)
Jkt-Crb-Ygy (537)
Jkt-Crb-Smg (632)

Jkt-Bdg-Crb (390)

Jkt-Bdg-Crb-Smg (695)
Jkt-Bdg-Crb-Ygy (600)

Jkt-Crb-Bdg (447)

Jkt-Crb-Bdg-Ygy (820)

Jkt-Crb-Ygy (537)

Jkt-Bdg-Crb-Ygy (600)

D. IMPLEMENTASI METODE
Model
komputasi
algoritma
untuk
menyelesaikan kasus TSP dengan RBFS yaitu
dibuat dengan bahasa pemrograman PHP1. Hal
yang pertama dilakukan adalah pemetaan kota dan
jarak antar kota. Peta dibuat dalam bentuk array
objek dimana untuk masing-masing kota berisi ID
kota, Nama kota, jalur yang mungkin dilalui
sekaligus jarak antara kota denga jalur tersebut.
Pada Gambar 3. menunjukkan kota Jakarta dan
kota Bandung. Kota jakarta memiliki id jkt dan
jalur yang mungkin dilalui adalah Jakarta-Bandung
(bdg) dengan jarak 270 km dan Jakarta-Cirebon
(crb) dengan jarak 327 km. Sedangkan kota
Bandung, jalur yang mungkin dilewati adalah
Bandung-Cirebon (crb) dengan jarak 120 km dan
Bandung-Yogyakarta (ygy) dengan jarak 373 km.

http://lab.elangsakti.com/tsp/

Gambar 3. Representasi peta dalam bahasa

pemrograman
Dalam proses pencarian, peta tersebut
dibaca dengan fungsi possible() untuk mengetahui
kemungkinan jalur yang akan dilalui dari suatu
kota. Fungsi possible() tampak pada Gambar 4,
inputnya adalah id kota, dan ouputnya adalah
daftar kota yang mungkin dilalui. Pada kode

tersebut dilalukan perulangan pada peta dan

mencari jalur yang mungkin untuk kota dengan id
yang cocok.

usort() (lihat Gambar 6). Seletah diurutkan, makan

jalur dengan cost terkecil akan dibuka (variabel
$open) dan jalur terkecil kedua akan dijadikan
treshold untuk perbandingan (variabel $back).
Selanjutnya pembukaan jalur baru dilakukan pada
bagian $this->route($open).

Gambar 4. Fungsi possible()

Fungsi utama untuk RBFS ada pada fungsi
route(). Fungsi route() membutuhkan input kota
yang sedang dibuka (di-expand / open) dan
menghasilkan jalur dengan cost yang minimal dan
jalur yang akan dijadikan backup / treshold. Gambar
5. Merupakan potongan source code untuk fungsi
route(). Pertama akan dicari jalur yang mungkin
dilewati dengan pemanggilan fungsi possible().
Setelah itu daftar jalur yang akan dilewati akan
dihitung satu-persatu dengan perulangan. Masingmasing jalur akan dihitung besar cost dari jalur
awal yaitu pada variabel $tmp[lenmin].

Gambar 6. Potongan fungsi route untuk

pengurutan data dan menentukan jalur yang akan
dibuka
Gambar 7. adalah hasil eksekusi program
ketika dijalankan. Jika memilih jalur awal adalah
Jakarta, maka sistem membutuhkan 107 kali
perulangan dengan jalur terbaik Jakarta-CirebonSemarang-Surabaya-Malang-Surakarta-YogyakartaBandung-Jakarta dengan jarak yang ditempuh 2164
km atau sebaliknya. Step-step pencarian jalur yang
lengkap bisa dilihat pada tabel 3.

Gambar 7. Hasil eksekusi program

Gambar 5. Potongan fungsi route() untuk

menghitung path

Tabel 3. Step-step pencarian jalur terpendek

dengan kota awal Jakarta
Step

Setelah masing-masing cost dihitung, maka

semua kemungkinan jalur yang ada akan diurutkan
berdasarkan cost yang terkecil dengan fungsi

Rute

Cost

Jakarta-Bandung

270

Jakarta-Cirebon

327

Jakarta-Bandung-Cirebon

390

Jakarta-Cirebon-Bandung

447

52

Jakarta-Cirebon-Semarang-Yogyakarta-Bandung

1114

Jakarta-Cirebon-Yogyakarta

537

53

Jakarta-Cirebon-Yogyakarta-Surakarta

597

54

Jakarta-Bandung-Cirebon-Yogyakarta

600

55

Jakarta-Cirebon-Semarang

632

56

Jakarta-Bandung-Yogyakarta-Semarang-Surabaya
Jakarta-Bandung-Cirebon-Yogyakarta-SurakartaSemarang-Surabaya
Jakarta-Bandung-Cirebon-Yogyakarta-SurakartaMalang-Surabaya
Jakarta-Cirebon-Yogyakarta-Surakarta-SemarangSurabaya-Malang

1117

1122
1124
1153

Jakarta-Bandung-Yogyakarta

643

57

Jakarta-Bandung-Cirebon-Semarang-Surabaya-Malang

1154

10

Jakarta-Cirebon-Yogyakarta-Semarang

646

58

Jakarta-Bandung-Cirebon-Yogyakarta-Surakarta

660

59

12

Jakarta-Cirebon-Yogyakarta-Surakarta-Semarang

694

60

13

Jakarta-Bandung-Cirebon-Semarang

695

61

14

Jakarta-Bandung-Yogyakarta-Surakarta

703

15

Jakarta-Bandung-Cirebon-Yogyakarta-Semarang

709

16

Jakarta-Cirebon-Semarang-Surakarta

729

17

Jakarta-Cirebon-Semarang-Yogyakarta

741

18

Jakarta-Cirebon-Yogyakarta-Semarang-Surakarta

743

19

752

20

Jakarta-Bandung-Yogyakarta-Semarang
Jakarta-Bandung-Cirebon-Yogyakarta-SurakartaSemarang

21

Jakarta-Cirebon-Semarang-Surakarta-Yogyakarta

789

22

Jakarta-Bandung-Cirebon-Semarang-Surakarta

792

23

Jakarta-Bandung-Yogyakarta-Surakarta-Semarang

800

Jakarta-Bandung-Yogyakarta-Cirebon-Semarang
Jakarta-Cirebon-Semarang-Surakarta-YogyakartaBandung
Jakarta-Bandung-Cirebon-Semarang-SurakartaMalang
Jakarta-Bandung-Yogyakarta-Surakarta-SemarangSurabaya
Jakarta-Bandung-Yogyakarta-Surakarta-MalangSurabaya
Jakarta-Bandung-Cirebon-Yogyakarta-SemarangSurabaya-Malang
Jakarta-Cirebon-Semarang-Yogyakarta-SurakartaMalang
Jakarta-Bandung-Cirebon-Yogyakarta-SemarangSurakarta-Malang
Jakarta-Cirebon-Semarang-Surakarta-MalangSurabaya
Jakarta-Cirebon-Yogyakarta-Semarang-SurakartaMalang-Surabaya
Jakarta-Bandung-Yogyakarta-Semarang-SurabayaMalang
Jakarta-Bandung-Cirebon-Yogyakarta-SurakartaSemarang-Surabaya-Malang
Jakarta-Bandung-Yogyakarta-Semarang-SurakartaMalang
Jakarta-Bandung-Cirebon-Semarang-YogyakartaSurakarta-Malang
Jakarta-Cirebon-Bandung-Yogyakarta-SurakartaMalang
Jakarta-Bandung-Yogyakarta-Cirebon-SemarangSurakarta
Jakarta-Bandung-Cirebon-Semarang-SurakartaMalang-Surabaya
Jakarta-Bandung-Yogyakarta-Surakarta-SemarangSurabaya-Malang
Jakarta-Cirebon-Semarang-Yogyakarta-SurakartaMalang-Surabaya
Jakarta-Bandung-Cirebon-Yogyakarta-SemarangSurakarta-Malang-Surabaya
Jakarta-Cirebon-Bandung-Yogyakarta-SemarangSurabaya
Jakarta-Bandung-Yogyakarta-Semarang-SurakartaMalang-Surabaya
Jakarta-Bandung-Cirebon-Semarang-YogyakartaSurakarta-Malang-Surabaya
Jakarta-Cirebon-Bandung-Yogyakarta-SurakartaSemarang-Surabaya
Jakarta-Cirebon-Bandung-Yogyakarta-SurakartaMalang-Surabaya
Jakarta-Cirebon-Bandung-Yogyakarta-SemarangSurabaya-Malang
Jakarta-Cirebon-Bandung-Yogyakarta-SemarangSurakarta-Malang
Jakarta-Cirebon-Yogyakarta-Surakarta-MalangSurabaya-Semarang
Jakarta-Cirebon-Bandung-Yogyakarta-SurakartaSemarang-Surabaya-Malang
Jakarta-Cirebon-Semarang-Surabaya-MalangSurakarta
Jakarta-Cirebon-Yogyakarta-Semarang-SurabayaMalang-Surakarta
Jakarta-Bandung-Cirebon-Yogyakarta-SurakartaMalang-Surabaya-Semarang
Jakarta-Cirebon-Bandung-Yogyakarta-SemarangSurakarta-Malang-Surabaya
Jakarta-Cirebon-Semarang-Surabaya-MalangSurakarta-Yogyakarta
Jakarta-Bandung-Yogyakarta-Cirebon-SemarangSurabaya
Jakarta-Bandung-Cirebon-Semarang-SurabayaMalang-Surakarta
Jakarta-Bandung-Yogyakarta-Surakarta-MalangSurabaya-Semarang
Jakarta-Bandung-Cirebon-Yogyakarta-SemarangSurabaya-Malang-Surakarta
Jakarta-Bandung-Yogyakarta-Semarang-SurabayaMalang-Surakarta
Jakarta-Bandung-Cirebon-Semarang-SurabayaMalang-Surakarta-Yogyakarta

1158

11

757

24

Jakarta-Cirebon-Semarang-Yogyakarta-Surakarta

801

25

804

26

Jakarta-Bandung-Cirebon-Semarang-Yogyakarta
Jakarta-Bandung-Cirebon-Yogyakarta-SemarangSurakarta

27

Jakarta-Cirebon-Bandung-Yogyakarta

820

28

Jakarta-Bandung-Yogyakarta-Semarang-Surakarta
Jakarta-Bandung-Cirebon-Semarang-SurakartaYogyakarta

849

853

31

Jakarta-Bandung-Yogyakarta-Cirebon
Jakarta-Bandung-Cirebon-Semarang-YogyakartaSurakarta

32

Jakarta-Cirebon-Bandung-Yogyakarta-Surakarta

880

29
30

806

852

864

62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79

33

Jakarta-Cirebon-Yogyakarta-Bandung

910

80

34

Jakarta-Cirebon-Bandung-Yogyakarta-Semarang

929

81

35

967

82

36

Jakarta-Cirebon-Yogyakarta-Surakarta-Malang
Jakarta-Cirebon-Bandung-Yogyakarta-SurakartaSemarang

977

83

37

Jakarta-Cirebon-Semarang-Surabaya

997

84

38

Jakarta-Cirebon-Yogyakarta-Semarang-Surabaya
Jakarta-Cirebon-Bandung-Yogyakarta-SemarangSurakarta
Jakarta-Bandung-Cirebon-Yogyakarta-SurakartaMalang

1011

85

1026

86

1030

87

Jakarta-Bandung-Yogyakarta-Semarang-Cirebon
Jakarta-Cirebon-Yogyakarta-Surakarta-SemarangSurabaya

1057

88

1059

89

Jakarta-Bandung-Cirebon-Semarang-Surabaya
Jakarta-Cirebon-Yogyakarta-Surakarta-MalangSurabaya

1060

90

1061

91

1073

92

46

Jakarta-Bandung-Yogyakarta-Surakarta-Malang
Jakarta-Bandung-Cirebon-Yogyakarta-SemarangSurabaya

1074

93

47

Jakarta-Cirebon-Semarang-Surabaya-Malang

1091

94

48

Jakarta-Cirebon-Semarang-Surakarta-Malang
Jakarta-Cirebon-Yogyakarta-Semarang-SurabayaMalang
Jakarta-Bandung-Yogyakarta-Surakarta-SemarangCirebon
Jakarta-Cirebon-Yogyakarta-Semarang-SurakartaMalang

1099

95

1105

96

1105

97

39
40
41
42
43
44
45

49
50
51

1113

1162
1162
1165
1167
1168
1171
1176
1193
1207
1211
1216
1219
1234
1250
1255
1256
1259
1265
1270
1294
1313
1328
1342
1344
1388
1396
1426
1436
1461
1475
1489
1490
1521
1523
1524
1532
1538
1581
1584

98
99
100
101
102
103
104
105
106
107

Jakarta-Bandung-Yogyakarta-Cirebon-SemarangSurabaya-Malang
Jakarta-Bandung-Yogyakarta-Cirebon-SemarangSurakarta-Malang
Jakarta-Cirebon-Bandung-Yogyakarta-SurakartaMalang-Surabaya-Semarang
Jakarta-Bandung-Yogyakarta-Cirebon-SemarangSurakarta-Malang-Surabaya
Jakarta-Cirebon-Bandung-Yogyakarta-SemarangSurabaya-Malang-Surakarta
Jakarta-Bandung-Yogyakarta-Surakarta-MalangSurabaya-Semarang-Cirebon
Jakarta-Cirebon-Semarang-Surabaya-MalangSurakarta-Yogyakarta-Bandung
Jakarta-Bandung-Yogyakarta-Cirebon-SemarangSurabaya-Malang-Surakarta
Jakarta-Bandung-Yogyakarta-Surakarta-MalangSurabaya-Semarang-Cirebon-Jakarta
Jakarta-Cirebon-Semarang-Surabaya-MalangSurakarta-Yogyakarta-Bandung-Jakarta

1617
1625
1709
1719
1758
1837
1894
1987
2164
2164

E. KESIMPULAN
Penggunaan RBFS dalam mencari rute
terpendek terbaik untuk kasus ini dengan kota
asala Jakarta adalah jalur :

Jakarta Cirebon Semarang Surabaya

Malang Surakarta Yogyakarta Bandung Jakarta
atau jalur sebaliknya dengan pangjang rute adalah
2164 km. Sampel aplikasi bisa diakses di alamat
http://lab.elangsakti.com/tsp/ .

F. REFERENSI
Pearl, J. Heuristics: Intelligent Search Strategies
for Computer Problem Solving. Addison-Wesley,
1984. p. 48.
Russell, S. J., Norvig, P, Artificial Intelligence: A
Modern Approach, 2003.