Genetic Algorithm Design on Traveling Salesman Problem

Deny Fadhillah A; Nanda Ega; Danny Sofisyah A; Ahmad Riski; Esa Sakti

doi:10.58777/ise.v1i1.60

Authors

Deny Fadhillah A Politeknik Negeri Jember
Nanda Ega Politeknik Negeri Jember
Danny Sofisyah A Politeknik Negeri Jember
Ahmad Riski Politeknik Negeri Jember
Esa Sakti Politeknik Negeri Jember

DOI:

https://doi.org/10.58777/ise.v1i1.60

Keywords:

algorithm, genetic algorithm, optimization, traveling salesman problem

Abstract

Travelling Salesman Problem (TSP) merupakan pencarian jangkauan rute terpendek dan waktu tercepat oleh seorang Salesman dari suatu kota ke-n kota tujuan, Banyak algoritma telah digunakan dan dikembangkan untuk menyelesaikan permasalahan TSP, namun ada beberapa algoritma yang dirasa kurang dalam hal performasinya. Salah satu algoritma yang mampu menyelesaikan permasalahan TSP adalah Algoritma genetika. Dalam implementasi studi kasus ini, Algoritma genetika akan diterapkan untuk menyelesaikan permasalahan TSP. Algoritma Genetika merupakan suatu algoritma yang diterapkan berdasarkan proses seleksi alamiah yang dikenal sebagai proses evolusi, individu secara terus menerus mengalami perubahan gen untuk meneyesuaikan dengan lingkungan hidupnya sehingga hanya individu-indiviidu yang kuat yang mampu bertahan. Tujuan dari penulisan jurnal ini adalah mengetahui seberapa efektif melakukan penyelesaian masalah pada TSP dengan menerapkan Algoritma Genetika. Dari hasil penulisan jurnal ini diperoleh bahwa Algoritma Genetika mampu menyelesaikan permasalahan TSP dengan baik.

References

Amri, Faisal., Nababan, Erna Budhiarti., dan Syahputra, Mohammad Fadly. 2012. Artificial Bee Colony Algorithm untuk Menyelesaikan Travelling Salesman Problem. Jurnal Dunia Teknologi Informasi, Vol. 1, No. 1, pp. 8-13.

Anita Desiani. “Konsep Kecerdasan Buatan”. Andi Offset. Yogyakarta. 2006.

Suwirmayanti, N. Sudarsana, I. & Darmayasa, S. 2016. “Penerapan Algoritma Genetika Untuk Penjadwalan Mata Pelajaran”.

Gambardella, L. M., Taillard, E., & Agazzi, G. 1999. “A Multiple Ant Colony System For Vehicle Routing Problems With Time Windows”. New Ideas in Optimization :McGrawHill, London.

Hannawati A, Dkk. 2002 “Implementasi Algoritma Genetika Untuk Pencarian Rute Paling Optimum”. Malakah, Jurusan Teknik Elektro, Fakultas Teknologi Industri, Universitas Kristen Petra Jl. Siwalankerto 121-132, Surabaya, 60326.

Mahmudy, W. F., Marian, R. M. & Loung, L. H. S. 2013 a. Real coded genetic algorithms for solving flexible job-shop scheduling problem – Part II: optimization. Advanced Materials Research, no. 701, pp. 364-369.

Nugraha, I. 2008.”Algoritma Genetik Untuk Optimasi Penjadwalan Kegiatan Belajar Mengajar”. Institut Teknologi Bandung.

Sundarningsih, D, Mahmudy, WF & Sutrisno 2015, 'Penerapan algoritma genetika untuk optimasi vehicle routing problem with time window (VRPTW) : Studi kasus air minum kemasan ', DORO: Repository Jurnal Mahasiswa PTIIK Universitas Brawijaya, vol. 5, no. 9.

Wati, A. W. 2011. “Penerapan Algoritma Genetika Dalam Optimasi Model Dan Simulasi Dari Suatu Sistem”. Jurnal Keilmuan Tehnik Industri (Edisi 1 Nomor 2), Jakarta : Universitas Trisakti.

Widodo, AW & Mahmudy, WF 2010. 'Penerapan algoritma genetika pada sistem rekomendasi wisata kuliner', Kursor, vol. 5, no. 4, pp. 205-211.