Komparasi dengan penelitian lain

82

BAB V PENUTUP

5.1 Simpulan

Sistem untuk menyelesaikan Traveling Salesman Problem dengan menggunakan metode algoritma genetika hibrida dengan skema pencarian lokal adaptif telah diimplementasikan dan dilakukan pengujian untuk membandingkan hasil yang didapatkan dengan algoritma genetika sederhana. Simpulan yang diperoleh adalah algoritma genetika hibrida dengan skema pencarian lokal adaptif efektif dalam menemukan jarak minimal pada penyelesaian Traveling Salesman Problem terutama dalam kasus dengan masalah yang lebih kompleks. Akan tetapi komputasi algoritma genetika hibrida membutuhkan waktu yang lebih lama dibandingkan algoritma genetika sederhana.

5.2 Saran

Berdasarkan simpulan yang telah dikemukakan, dapat diajukan saran dalam pengembangan sistem lebih lanjut sebagai berikut: 1. Melakukan pengujian dengan jumlah populasi dan kondisi berhenti yang berbeda untuk mengoptimalkan waktu komputasi dari algoritma genetika hibrida dengan skema pencarian lokal adaptif. 2. Memperoleh jarak dari Google Maps API untuk mendapatkan perencanaan perjalanan yang nyata. DAFTAR PUSTAKA Ahmed, Z.H. 2013. An experimental study of a hybrid genetic algorithm for the maximum traveling salesman problem. Mathematical Sciences, Springer Open Journal. Albayrak, M and Allahverdi, N. 2011. Development a new mutation operator to solve the Traveling Salesman Problem by aid of Genetic Algorithms. Expert Systems with Applications 38 2011 1313 –1320. Anupriya dan Saxena, M. 2013. An Android Application for Google Map Navigation System Implementing Travelling Salesman Problem. International Journal of Computer Organization Trends, Volume3 Issue4. Berninger, I. 2014. Vehicle Routing Problem on AndroidiOS. Bachelor Thesis, University Innsbruck. Bryant, K. 2000. Genetic Algorithms and the Traveling Salesman Problem. Masters thesis, Harvey Mudd College. Changdar, C., Mahapatra, G.S., dan Pal, R.K. 2014. An efficient genetic algorithm for multi-objective solid travelling salesman problem under fuzziness. Swarm and Evolutionary Computation. Chang, P.C., Huang, W.H., dan Ting, C.J. 2010. Dynamic diversity control in genetic algorithm for mining unsearched solution space in TSP problems. Expert Syst Appl 37:1863 –1878. Davendra, D. 2010. Traveling salesman problem, theory and applications. InTech, Croatia. Developer Android. 2015. Get Started with Android Studio. http:developer.android.comindex.html. Akses: 26-07-2015. Fajardo, J.T.B., dan Oppus, C.M. 2010. A Mobile Disaster Management System Using the Android Technology. Wseas Transactions on Communications, Volume 9. Gupta, S., dan Panwar, P. 2013. Solving Travelling Salesman Problem Using Genetic Algorithm. IJARCSSE: Volume 3, Issue 6, June 2013. Homaifar, A., Guan, S., dan Liepins, G E. 1992. Schema analysis of the traveling salesman problem using genetic algorithms. Complex Systems, 62: 183 – 217. Kusumadewi, S. 2003. Artificial Intelligence Teknik dan Aplikasinya. Yogyakarta: Graha Ilmu. Larranaga, P., Kuijpers, C.M.H., Murga, R.H., Inza, I., dan Dizdarevic, S. 1999. Genetic algorithms for the travelling salesman problem: a review of representations and operators. Artif Intell Rev 13:129-170.