2.

LANDASAN TEORI

2.1. Travelling And Salesman Problem

2.1.1. Sejarah

Travelling and Salesman Problem (TSP) dipelajari pada abad ke-18 oleh
seorang matematikawan Irlandia bernama Sir William Rowam Hamilton dan oleh
matematikawan Inggris bernama Thomas Penyton Kirkman. Pembahasan mendetail
tentang karya Hamilton & Kirkman dapat dilihat dari buku berjudul Graph Theory
(Biggs et al. 1976). Dipercaya bahwa bentuk umum TSP pertama kali dipelajari oleh
Kalr Menger di Wina dan Harvard. Masalah TSP kemudian dipromosikan oleh
Hassler, Whitney & Merrill di Princeton. Deskripsi terperinci tentang hubungan
antara Menger & Whitney, dan perkembangan TSP dapat ditemukan di (Schrijver,
1960).

2.1.2. Kompleksitas Masalah

Dengan diberikan satu set kota dan biaya perjalanan (atau jarak) antara
setiap pasangan yang mungkin, TSP, menemukan cara terbaik untuk mengunjungi
semua kota dan kembali ke titik awal yang meminimalkan biaya perjalanan (atau
jarak perjalanan) (Rajesh, 2010). Dengan pengertian ini maka jika terdapat n tujuan
maka total jumlah kemungkinan rute yang dapat menjangkau seluruh tujuan adalah
sebesar (n-1)!/2 (Rajesh, 2010). Bertambahnya jumlah tujuan yang akan dikunjungi
dalam permasalahan TSP maka bertambah besar juga jumlah kemungkinan solusi
yang harus dicari. TSP adalah sebuah masalah optimasi kombinatorial dalam teori
graf dan memiliki ruang pencarian yang sangat luas. Masalah ini merupakan
masalah NP-Hard, berarti tidak ada algoritma yang diketahui dapat menyelesaikan
masalah ini dengan waktu yang efisien.

2.1.3 Penerapan TSP

Ada banyak penggunaan TSP dalam kehidupan nyata yang praktis. Tentu
saja, di antaranya adalah masalah rute transportasi. Dalam bab ini, beberapa yang
paling populer aplikasi akan disebutkan. Selain itu, bab ini akan menyentuh
beberapa hal umum contoh TSP yang dapat dengan mudah diadaptasi untuk
digunakan dalam banyak masalah kehidupan nyata.
TSP memiliki banyak aplikasi di berbagai bidang seperti optimasi rute pada
transportasi, perencanaan penjadwalan pekerjaan, dan pengelolaan jaringan
komunikasi. Dalam prakteknya TSP sering menjadi uji coba untuk pengembangan
algoritma optimasi dan pengambilan keputusan di berbagai bidang. Maka dari itu,
solusi optimal dari TSP dapat membantu meningkatkan efisiensi dan menghemat
biaya dalam berbagai jenis aplikasi tersebut.

2.2. Algoritma

Algoritma berasal dari nama belakang matematikawan Persia yang bernama

Muhammad ibn Musa al-Khawarizmi. Algoritma merupakan suatu metode yang
digunakan untuk menyelesaikan permasalahan tertentu dengan melakukan urutan
terhadap langkah langkah apa saja yang dilakukan dengan cara sistematis (Zarlis
dan Handrizal, 2008). Algoritma digunakan sebagai spesifikasi untuk melakukan
perhitungan dan pemrosesan data. Sebagai metode yang efektif, algoritma dapat
diekspresikan dalam jumlah ruang dan waktu yang terbatas dan dalam bahasa
formal yang terdefinisi.

2.3 Algoritma-Algoritma Penyelesaian TSP

2.3.1. Algoritma Brute Force

Brute-force adalah salah satu dasar dalam algoritma pencarian. Cara kerja
brute-force adalah dengan mencobanya Salah satu kemungkinan yang ada sampai
semua kemungkinan telah dicoba kemudian bandingkan hasil yang didapat dan pilih
yang terkecil (Violina, 2021). Dalam kasus TSP menggunakan brute-force, hasilnya
harus optimal, tetapi kurang efisien. Menggunakan algoritma brute-force untuk
menyelesaikan kasus TSP berarti sebelum mendapatkan hasil yang optimal harus
mencoba semua permutasi yang ada. Dengan menggunakan pendekatan
polinomial, kita mendapatkan O(n!) Di mana n adalah angka kota-kota yang harus
dilewati. Maka solusi seperti ini tidak mungkin, bahkan jika kota yang dilewati hanya
20 kota.

2.3.2 opt Algoritma

Dalam optimasi, 2 opt adalah algoritma pencarian lokal sederhana untuk
memecahkan masalah salesman keliling. Algoritma 2 opt pertama kali diusulkan
oleh Croes tahun 1958 (1), juga merupakan salah satu algoritma pencarian lokal
paling populer untuk memecahkan TSP (39). Gagasan utama dibaliknya adalah
menukar dua kota secara acak dari rute tertentu untuk menghasilkan yang baru
sehingga jarak totalnya lebih pendek dari rute aslinya. 2 opt Algoritma akan
membandingkan setiap kemungkinan kombinasi yang valid dari mekanisme
pertukaran. Metode ini dimulai dengan mengingat tiap node yang tidak berdekatan
tapi berpasangan pada ujung-ujung di T secara berurutan. Jika ujung-ujung ini
dihapus, maka T akan terpecah menjadi dua buah jalan T1 dan T2.

2.3.3 Greedy Algoritma

Dalam penyelesaian masalah TSP salah satu algoritma yang dapat digunakan
adalah algoritma greedy. Algoritma Greedy membentuk solusi langkah per langkah.
Pada setiap langkah tersebut akan dipilih keputusan yang paling optimal. Algoritma
Greedy merupakan suatu metode yang digunakan untuk memecahkan
permasalahan optimasi dimana setiap langkah akan memilih kota atau tempat yang
belum dikunjungi, kota atau tempat yang belum dikunjungi dipilih berdasarkan jarak
kota atau tempat mana yang terdekat dari kota atau tempat sebelumnya (Wijayanti,
2013). Solusi dari Algoritma Greedy dinamakan dengan optimum lokal artinya pada
setiap langkah dalam algoritma greedy diambil keputusan yang paling optimal untuk
langkah tersebut tanpa memperhatikan konsekuensi pada langkah-langkah
selanjutnya.

2.3.4 Genetika Algoritma

Holland (1975) memperkenalkan algoritma genetika. Dalam algoritma ini,
ruang pencarian dari suatu masalah direpresentasikan sebagai kumpulan individu-
individu, individu-individu ini diwakili oleh string karakter atau matriks, yang sering
disebut sebagai kromosom. Tujuan penggunaan algoritma genetika adalah untuk
menemukan individu dari ruang pencarian dengan "materi genetik" terbaik. Kualitas
individu diukur dengan fungsi evaluasi. Bagian dari ruang pencarian yang akan
diperiksa disebut populasi.

2.4 Ekspedisi barang hubungannya dengan Travelling and Salesman Problem