Disusun Oleh:
UNIVERSITAS SINGAPERBANGSA
KARAWANG
TEKNIK INDUSTRI
TAHUN AKADEMIK 2021/2022
KATA PENGANTAR
Puji syukur kepada Allah SWT yang senantiasa telah memberikan nikmat
iman, nikmat islam, dan nikmat sehat sehingga sampai sekarang masih diberikan
tenaga dan pikiran yang sehat dalam melakukan aktivitas. Atas karunianya yang
telah diberikan, kami dapat menyelesaikan makalah ini yang berjudul
“PENGIMPLEMENTASIAN ALGORITMA HEURISTIC DENGAN METODE
NEARST NEIGHBOARD HEURISTIC PADA PERMASALAHAN
TRAVELLING SALESMAN PROBLEM” dengan baik. Makalah ini dibuat untuk
memenuhi salah satu tugas Mata Kuliah Penelitian Operasional II.
Tidak lupa kami sampaikan ucapan terima kasih banyak, kepada Ibu Rianita
Puspa Sari, S.T., M.T. selaku Dosen Mata Kuliah Penelitian Operasional II yang
telah membimbing kami dalam penyusunan makalah ini.
Kami menginginkan penyusunan makalah ini agar bisa tersampaikan
dengan baik sesuai dengan pengetahuan yang telah kami dapat, baik selama
pengajaran di kelas dan juga dari berbagai referensi yang valid.
Kami sangat mengharapkan kritik dan saran untuk makalah ini, agar
menjadi lebih baik lagi kedepannya. Semoga makalah ini dapat memberikan atau
menambah ilmu pengetahuan bagi kita semua, khususnya untuk kami
sekelompok, dan umumnya untuk semua.
Kelompok 7
i
DAFTAR ISI
ii
5.2 Analisa Hasil Setiap Metode................................................................. 40
BAB VI PENUTUP ............................................................................................. 41
6.1 Kesimpulan ........................................................................................... 41
6.2 Saran ..................................................................................................... 41
DAFTAR PUSTAKA ........................................................................................... 43
iii
DAFTAR GAMBAR
iv
DAFTAR TABEL
v
BAB I
PENDAHULUAN
1
2
6
7
pendekatan heuristik.
Perbedaan Untuk menyelesaikan Travelling Salesman
Problem pada jurnal menggunakan algoritma
Firefly sedangkan pada makalah ini
menggunakan Metode Nearest-Neighbor
Heuristic.
Sumber: (Kumbharana & Pandey, 2013)
Salesman Problem
Penulis Chris Walshaw
Tahun 2001
Variabel yang Terkait Travelling Salesman, Multilevel Refinement
Hasil/Temuan Kami telah menjelaskan dan menguji
pendekatan multilevel untuk Travelling
Salesman Problem. Pendekatan ini diturunkan
dari prinsip pertama; dengan memeriksa contoh-
contoh paradigma bertingkat yang ada dalam
tindakan dan mengekstraksi teknik 'generik',
kami telah dapat menerapkannya pada masalah
yang sama sekali berbeda. Algoritme multilevel
yang dihasilkan terbukti sangat meningkatkan
kualitas tur untuk algoritma Lin-Kernighan dan
Chained Lin-Kernighan, dalam kombinasi
heuristik juara TSP selama hampir 30 tahun.
Kami berspekulasi bahwa ini karena proses
bertingkat mengambil sampel ruang solusi dan
menghaluskan fungsi tujuan dan dengan
demikian dapat mendekati minimum global.
Dalam pengertian ini, kami menganggap
paradigma bertingkat sebagai jenis akselerator
optimasi yang di sini kami gunakan dalam
kombinasi dengan algoritma (C)LK daripada
sebagai peningkatan khusus untuk (C)LK saja.
Untuk instance dan konfigurasi kode yang diuji
di sini, sorotan dari hasilnya adalah:
a. Untuk 3 konfigurasi Cm LK yang berbeda
(untuk m = 0; N=10; N) prosedur bertingkat
memotong persentase kelebihan atas HKLB
sekitar sepertiga dengan imbalan
peningkatan runtime dua kali lipat.
15
Heuristics
Hasil/Temuan Dalam makalah ini, kami mengusulkan metode
heuristik peningkatan berbasis pembelajaran,
yang mengadopsi pembelajaran penguatan
mendalam dan model berbasis perhatian diri
untuk memandu operator lokal dalam mencari
solusi yang lebih baik. Hasil eksperimen ekstensif
menunjukkan bahwa metode kami mampu
mengungguli metode canggih, dan juga heuristik
konvensional. Selain itu, metode yang diusulkan
kuat untuk solusi awal dengan kualitas tinggi atau
buruk. Di masa depan, kami akan;
1) menerapkan metode kami untuk varian TSP,
misalnya, Capacitated Vehicle Routing
Problem (CVRP) dan multiple Traveling
Salesman Problem (mTSP);
2) merancang penghentian kondisi terminasi
cerdas daripada batas langkah yang
ditentukan sebelumnya T;
3) menggabungkan dengan skema pencarian
yang lebih kompleks, seperti yang
digunakan dalam pencarian tabu dan
simulasi anil.
Persamaan Persamaan jurnal ini dengan makalah yang
dibuat adalah menyelesaikan Travelling
Salesman Problem dengan Metode Heuristik
beserta perhitungan dan disajikan hasil
grafiknya.
Perbedaan Penyelesaian masalah pada jurnal menggunakan
Metode Heuristik berupa Learning Improvement
Heuristics, sedangkan pada makalah
menggunakan Metode Heuristik berupa
18
Nearest-Neighbor Heuristic.
Sumber: (Yaoxin Wu, 2019)
Keterangan:
𝜌𝑖𝑗,n : arc fitness dari kota i ke kota j setelah transisi ke-n.
𝑑𝑖 : jarak antara kota i dengan kota j
𝐴𝑖,n : deretan kota (yang belum dikunjungi) yang dapat dicapai dari
i pada transisi ke-n
𝛼, : parameter yang menentukan signifikan relatif dari arc fitness
dengan jarak heuristik.
𝜌𝑖𝑗,mengukur probabilitas sesuai keberadaan antara dua buah
kota. Secara alami, ketika lebah menemukan sumber makanan
23
baru, mereka akan melakukan waggle dance. Jika lebah lain tertarik
dengan tarian tersebut, mereka cenderung melakukan forage
(mencari makanan) di daerah tersebut. Dalam algoritma Bee
Colony Optimization (BCO), hal ini dimodelkan melalui
implementasi sebuah preferred path yang dilambangkan dengan 𝜃.
𝜃 adalah sebuah permutasi gerakan dari seekor lebah untuk
melakukan pengamatan dari sarang lainnya. Jadi panduan dalam
tahapan forage didefinisikan dengan rumus berikut ini:
Keterangan;
Λ : probabilitas dari sebuah kota yang diikuti dalam 𝜃
𝐹 : suatu himpunan yang berisi suatu kota yang lebih disukai oleh
lebah untuk berpindah dari pada transisi ke-n
b. Wagle Dance
Ketika lebah menemukan sumber makanan baru, lebah akan
melakukan waggle dance. Dalam algoritma BCO, tidak semua
lebah yang menyelesaikan jalur akan menari. Hanya lebah yang
menghasilkan panjang jalur terpendek dibandingkan dengan
panjang jalur terbaik sebelumnya yang diijinkan untuk menari. Jika
lebah menari, waggle dance berakhir selama durasi tertentu yang
dirumuskan dengan fungsi linear . Menurut fungsi linear, jika
lebah i memiliki 𝑃𝑓𝑖 yang lebih tinggi, maka akan diberikan
kesempatan untuk menari yang lebih lama (tarian muncul dengan
lebih banyak iterasi). Jika tidak, maka lebah menari hanya dalam
periode singkat. Profitabilitas lebah ke-i dapat ditunjukkan dengan
rumus sebagai berikut;
24
Keterangan;
𝑃𝑓 : Skor Profitabilitas Lebah I
𝐿𝑖 : Tour Length
Profitabilitas rata-rata koloni lebah:
Keterangan;
K : faktor skalar
N : jumlah lebah yang ada pada dance list
3. Algoritma Cheapest Insertion Heuristics (CIH)
Algoritma CIH biasanya dikombinasikan dengan basis data.
Dimana basis data digunakan sebagai penyimpanan data proses
sehingga pengambilan informasi jarak minimal dari beberapa alternatif
yang ada dapat dilakukan dengan mudah yaitu dengan menggunakan
query. Konsep CIH sendiri memiliki algoritma sebagai berikut;
a. Penelusuran Dimulai dari sebuah kota pertama yang dihubungkan
dengan sebuah kota terakhir.
b. Dibuat hubungan subtour Sebuah hubungan subtour dibuat antara 2
kota tersebut. Yang dimaksud subtour adalah perjalanan dari kota
pertama dan berakhir di kota pertama.
25
c. Mengganti arah hubungan Salah satu arah hubungan (arc) dari dua
kota diganti dengan kombinasi dua arc, yaitu arc (i,j) dengan arc
(i,k) dan arc (k,j), dengan k diambil dari kota yang belum masuk
subtour, dan dengan tambahan jarak terkecil. Jarak diperoleh dari:
Keterangan:
𝑐𝑖 : jarak dari kota i ke kota k
𝑐𝑘 : jarak dari kota k ke kota j
𝑐𝑖 : jarak dari kota i ke kota j
d. Ulangi langkah 3 sampai seluruh kota masuk dalam subtour.
4. Algoritma Genetika
Algoritma genetika adalah salah satu dari bentuk algoritme
evolusi yang banyak digunakan dalam pemecahan permasalahan yang
kompleks (Mahmudy, 2013). Pendekatan yang diambil oleh algoritme
genetika adalah dengan menggabungkan secara acak berbagai pilihan
solusi terbaik di dalam suatu populasi untuk mendapatkan generasi
solusi terbaik yaitu pada suatu kondisi dengan nilai fitness yang paling
tinggi (Raditya & Dewi, 2017). Secara umum proses penyelesaikan
masalah menggunakan algoritme genetika yaitu:
a. Inisialasi merupakan proses yang dilakukan untuk membangkitkan
himpunan solusi baru secara random ke dalam sebuah populasi.
Populasi yang dibentuk disesuaikan dengan masalah yang ingin
dipecahkan. Pada tahap ini, ukuran populasi (popsize) harus
ditentukan terlebih dahulu berdasarkan banyaknya individu yang
ingin ditampung.
b. Crossover adalah proses kawin silang antara dua individu yang
terpiih secara acak dengan menentukan cut point terlebih dahulu.
Tujuan dari proses crossover ini adalah untuk memperoleh
keturunan yang otomatis akan memperbanyak variasi individu pada
populasi tersebut.
26
27
28
h. Penarikan Kesimpulan
Setelah data yang telah diolah selanjutnya ditarik kesimpulannya.
Penarikan kesimpulan ini berdasar hasil akhir dari rute perjalanan
paling minimal/ murah terhadap seluruh perjalanan yang telah
dilakukan dari ke masing-masing kota berbeda. Hasil dari penelitian ini
diharapkan dapat diimplementasikan secara langsung pada kasus
pemilihan rute terbaik pada jurnal acuan maupun untuk kedepannya
ketika memiliki permasalahan yang sama.
i. Selesai
Kegiatan dikatakan selesai ketika sudah melalui proses-proses
tersebut. Output-Output yang didapatkan berupa laporan penelitian oleh
kelompok.
2. Metode
Penyelesaian dalam sebuah kasus, tentunya harus dilakukan
dengan menggunakan metode, dan dapat dilakukan dengan berbagai
metode. Pada masalah ini kelompok menggunakan algoritma heuristic
dengan metode tetangga terdekat terbaik atau (nearst neighboard
heuristic dan metode naïve solution.
3. Penyelesaian Masalah
Berikut ini merupakan tahapan penyelesaian masalah atau alur
pada jurnal acuan yang dilakukan oleh peneliti terhadap penelitiannya
yang sedang dikaji pada makalah ini, diantaranya:
a. Menetapkan jurnal acuan untuk mendapatkan data dan dimodifikasi
sesuai arahan yang diberikan. Dan didapatkan jurnal yang berkaitan
dengan Pendekatan Heuristik.
b. Permasalahan pada penelitian ini yang ada pada jurnal acuan adalah
menentukan rute perjalanan terpendek.
2. Menganalisa dan memilih kasus yang dihadapi sesuai standar yang telah
ditentukan berdasarkan prosedur pembuatan makalah.
3. Data yang telah kumpulkan berdasarkan jurnal acuan lalu dilakukan
perhitungan hingga mendapatkan hasil sesuai yang diinginkan penulis.
3.8 Analisa
Dilakukan penganalisaan terhadap pengumpulan dan pengolahan data
berdasarkan yang telah dipahami dari jurnal yang menjadi acuan penulis,
dapat dilihat sebagai berikut:
1. Alur Pemikiran
Data yang didapatkan diolah oleh penulis dengan melakukan
perhitungan yang sesuai dengan fokus metode pilihan penulis, dengan
penulis mendapatkan hasil sesuai dengan apa yang diinginkan. Pada
kondisi ini, penulis dituntut untuk berfikir secara kritis terhadap
permasalahan yang akan di hadapi sehingga dapat membentuk kosep
serta kerangka penyelesaian dari kasus yang diteliti.
2. Penggunaan Metode
Berdasarkan prosedur pembuatan makalah, penulis mengambil
langkah pemilihan metode terlebih dahulu sehingga penulis dapat
menetapkan metode yang sesuai dengan keinginan penulis yaitu dengan
model masalah travelling salesman problem penulis memilih metode
naïve solution dan metode nearst neighboard heuristic. Pada
pengimplementasian model permasalahan serta metode ini efektif untuk
mengetahui rute prjalanan ke seluruh kota dengan biaya atau jarak
seminimal mungkin.
3. Penarikan Kesimpulan
Ketika segala prosedur dan setiap proses yang ditetapkan dalam
penelitian telah dilakukan, maka dapat dilakukan langkah terakhir
dalam penelitian yaitu pengambilan keputusan dengan berbagai
pertimbangan berdasar penelitian serta perhitungan yang telah
dilakukan dari data-data yang diperoleh, serta tinjauan pustaka pada
berbagai jurnal guna memahami metode sebagai referensi dalam
melakukan penelitian ini. Penarikan kesimpulan sebagai tahap akhir ini
merupakan jawaban dari permasalahan yang telah dibuat sebelumnya
34
35
36
39
40
2. Faktorial
Nearest-Neighbor Heuristic
Faktorial
Sumber: (Rafflesia, 2017)
6.1 Kesimpulan
Kesimpulan yang didapat dari pembahasan yang telah dilakukan
kelompok kami dalam penelitian makalah ini adalah sebagai berikut:
1. Hasil perhitungan yang didapatkan menggunakan metode NNH dan
Faktorial lebih optimal. Nilai jarak yang didapatkan menggunakan
metode NNH dan Faktorial yaitu 635 Km.
2. Penentuan rute pada metode nearest neighbor heuristic dimulai pada
lintasan terpendek pada kota yang akan dilalui dan selanjutnya memilih
kota yang yang belum dikunjungi dengan pemilihan rute jarak
minimum.
3. Metode faktorial lebih mudah digunakan dalam menentukan jumlah
banyaknya rute yang akan dilalui dengan cara menghitung jumlah node
yang akan dikunjungi.
6.2 Saran
Saran yang dapat kelompok kami berikan setelah melakukan
penelitian ini yaiitu:
1. Banyaknya masalah yang telah diteliti dari berbagai jurnal tentunya
menjadikan sebuah pilihan, bagi peneliti yang menggunakan studi
litaratur dalam mencari permasalahan yang sesuai dengan metode yang
digunakan. Untuk itu analisa yang baik diperlukan dalam menyesuaikan
masalah dengan metode yang digunakan.
2. Memodifikasi data penelitian yang telah ada tentunya sama halnya
dengan membuat asumsi data baru. Untuk itu perlu ketelitian dan
asumsi yang tepat berdasarkan sumber refensi yang valid agar
penyelesaian masalah akhirnya sesuai dengan kondisi lapangan atau
masuk akal.
3. Penelitian dengan menggunakan studi literatur saja, tentunya membatasi
data–data yang akan diolah. Dalam artian hanya terbatas pada referensi
41
42
jurnal yang tersedia di internet. Untuk itu fokus yang harus diarahkan
hanya pada penggunaan metode yang dilakukan terhadap penyelesaian
sebuah permasalahan.
43
DAFTAR PUSTAKA