BAB I PENDAHULUAN

1.1

LATAR BELAKANG MASALAH Travelling Salesman Problem merupakan masalah optimasi di bidang graf

yang menjadi salah satu permasalahan penting dalam dunia matematika khususnya bidang komputasi. Travelling Salesman Problem sebenarnya

merupakan sebuah masalah klasik, namun tetap menjadi hal yang menarik karena pada kenyataannya bahwa sampai sekarang algoritma untuk mendapatkan solusi yang paling efektif masih terus dicari dan dikembangkan. Banyak sekali yang dapat diterapkan dari konsep Travelling Salesman Problem, selain untuk melakukan optimasi pada masalah jalur terpendek, optimasi penjadwalan, konsep ini dapat digunakan untuk mengoptimasi jalur distribusi pada sebuah perusahaan. Untuk itu sangat bermanfaat untuk mempelajari konsep Travelling Salesman Problem. Faradian (2007:1) menjelaskan tentang sejarah singkat Travelling Salesman Problem dalam jurnalnya ALGORITMA PADA yang berjudul PERBANDINGAN DENGAN SALESMAN ALGORITMA PROBLEM,

PENGGUNAAN KONVENSIONAL

GENETIKA

TRAVELING

dikemukakan bahwa: Travelling Salesman Problem dalam permasalahan optimasi di bidang matematika pertama kali dikemukakan oleh matematikawan Irlandia William Rowan Hamilton dan matematikawan Inggris Thomas Penyngton pada tahun 1800. Diskusi mengenai awal studi dari Hamilton dan Kirkman dapat ditemukan

di Graph Theory 1736-19363 oleh N. L. Biggs, E. K. LLoyd, dan R. J. Wilson, Clarendon Press, Oxford, 1976. Bentuk umum dari Travelling Salesman Problem pertama kali dipelajari oleh para matematikawan mulai tahun 1930-an oleh Karl Menger di Vienna dan Harvard. Setelah itu permasalahan Travelling Salesman Problem dipublikasikan oleh Hassler Whitney dan Merrill Flood di Princeton. Penelitian secara detail dari hubungan antara Menger dan Whitney, dan perkembangan Travelling Salesman Problem sebagai sebuah topik studi dapat ditemukan di makalah Alexander Schriver On the history of combinatorial optimization (till 1960). Algoritma genetik merupakan suatu model komputasi yang diilhami oleh evolusi seleksi alamiah yang didasarkan pada teori genetika. Algoritma ini pertama kali dikemukakan oleh John Holland dari Universitas Michigan pada tahun 1960-an. Dalam bukunya Adaption in Natural and Artficial System yang diterbitkan pada tahun 1975. Menurut John Holland : Apabila evolusi dapat bekerja dengan sangat baik untuk organisme mengapa tidak dapat digunakan untuk program komputer? (Ardisasmita, 2004:3). ACS merupakan pengembangan dari Ant Colony Optimization (ACO) yang diadopsi dari perilaku koloni semut yang dikenal sebagai sistem semut. Pada ACO algoritma yang pertama kali dirumuskan dan diuji untuk menyelesaikan kasus Travelling Salesman Problem adalah Algoritma Ant System (AS). Algoritma ini dikemukakan pertama kali oleh M Dorigo, V Maniezzo, dan A Colorni pada tahun 1996. ACS merupakan pengembangan dari AS selanjutnya, setelah beberapa algoritma lainnya seperti Elitist Ant System (EAS), Rank-Based Ant System (ASRank), Max-Min Ant System (MMAS). (Leksono, 2009)

1.2

RUMUSAN MASALAH Masalah yang dibahas pada tugas akhir ini adalah :

Bagaimana algoritma genetik dan algoritma ACS dapat mendapatkan solusi optimal dari permasalahan Travelling Salesman Problem?

Bagaimana implementasi algoritma genetik dan algoritma ACS pada bahasa pemrograman sehingga menghasilkan program untuk mencari solusi optimasi Travelling Salesman Problem?

Bagaimana perbandingan solusi yang dihasilkan algoritma genetik dan algoritma ACS?

Bagaimana perbandingan efisiensi algoritma genetik dan algoritma ACS?

1.3

TUJUAN PENELITIAN Penulisan tugas akhir ini bertujuan untuk :

Menerapkan algoritma genetik dan algoritma ACS untuk mendapatkan solusi optimal dari permasalahan Travelling Salesman Problem.

Menerapkan algoritma genetik dan algoritma ACS pada bahasa pemrograman matlab, sehingga dapat mendapatkan solusi optimal yang diharapkan.

Membandingkan solusi yang dihasilkan oleh algoritma genetik dan algoritma ACS.

Membandingkan tingkat efisiensi dari algoritma genetik dan algoritma ACS.

1.4

BATASAN MASALAH Batasan masalah dalam tugas akhir ini meliputi :

Pengkodean yang diggunakan dalam algoritma genetik adalah pengkodean permutasi.

Proses seleksi yang digunakan dalam algoritma genetik adalah roulettewheel.

Probabilitas pindah silang/crossover probability (c) yang digunakan pada algoritma genetik adalah 25%.

Parameter yang digunakan pada ACS adalah parameter pengendali visibilitas ( ) = 3, parameter pembanding nilai random (q0 )= 0,9,
parameter penguapan (evaporasi) pheromone lokal ( ) = parameter penguapan (evaporasi) pheromone global ( ) = 0,1, dan intensitas pheromone awal ( 0) = 1/(nCnn) dimana n adalah jumlah titik dan Cnn

adalah panjang sebuah tour terbaik yang diperoleh dari metode nearest neighbourhood heuristic ...parameter yang digunakan untuk mencapai solusi yang lebih mendekati optimal adalah masing-masing mempunyai nilai sebagai berikut : (Leksono,2009:75) = 2 sampai 5, 0,9 0 q = , = = 0,1...

1.5

MANFAAT PENELITIAN Manfaat dari penulisan tugas akhir dan penelitian yang dilakukan adalah

agar kita mengetahui prinsip-prinsip Travelling Salesman Problem dan konsep matematika yang melandasi Travelling Salesman Problem. Selain itu manfaat

lainnya adalah mengetahui pencarian solusi optimal dari Travelling Salesman Problem dengan menggunakan algoritma genetik dan algoritma ACS.

1.6

METODE PENELITIAN Metode yang digunakan dalam pembuatan karya ilmiah ini adalah dengan

terlebih dahulu melakukan studi literatur mengenai Travelling Salesman Problem, algoritma genetik, dan algoritma ACS pada beberapa buku, paper, maupun situs internet yang berhubungan dengan Travelling Salesman Problem, algoritma genetik, dan algoritma ACS. Kemudian penulis mengambil beberapa materi yang menjelaskan mengenai Travelling Salesman Problem, algoritma genetik, dan algoritma ACS kemudian membahasnya. Kemudian penulis melakukan

perancangan serta menerapkan algoritma genetik dan algoritma ACS untuk membuat sebuah program komputer yang digunakan untuk mencari solusi dari Travelling Salesman Problem.

1.7

SISTEMATIKA PENULISAN Dalam tugas akhir ini materi disusun menjadi lima bab. Materi tersebut

disusun dengan sistematika sebagai berikut ini. BAB I PENDAHULUAN Pada bab ini dibahas mengenai latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, metode penelitisn, serta sistematika penulisan karya tulis.

BAB II LANDASAN TEORITIS Pada bab ini dibahas mengenai landasan teori berupa konsep-konsep matematika yang melandasi Travelling Salesman Problem. Landasan teori ini meliputi graf, graf lengkap, dan siklus Hamilton. BAB III METODE PENELITIAN Bab ini memaparkan pembahasan tentang konsep Travelling Salesman Problem, implementasi teori graf pada Travelling Salesman Problem, konsep dasar algoritma, serta konsep dari algortima genetik dan algoritma ACS. BAB IV HASIL PENELITIAN Bab ini menunjukkan implementasi algoritma genetik dan algoritma ACS untuk mendapatkan solusi dari permasalahan Trevelling Salesman Problem dan implementasinya pada bahasa perograman, sehingga dihasilkan program yang dapat mendapatkan solusi optimal pada masalah Travelling Salesman Problem. BAB V KESIMPULAN DAN REKOMENDASI Bab ini berisi kesimpulan yang didapat dari tugas akhir ini. Selain berisi kesimpulan, bab ini pun berisi rekomendasi yang diberikan penulis untuk lebih mengembangkan studi tentang Travelling Salesman Problem dengan

menggunakan algoritma genetik dan algoritma ACS.