adalah 1 – 8 – 3 – 10 – 19 – 11 – 20 – 4 – 9 – 15 – 18 – 6 – 5 – 2 – 27 – 17 – 13 –
22
– 25 – 12 – 23 – 28 – 7 – 24 – 14 – 26 – 16 – 21 – 1.
4.1.3 Analisis Penyelesaian Travelling Salesman Problem Menggunakan
Aplikasi Algoritma Fuzzy Evolusi dalam Pengiriman Barang di PT. Jalur Nugraha Ekakurir Semarang
Dari hasil penelitian diperoleh bahwa solusi optimal permasalahan jaringan TSP dalam pengiriman barang oleh PT. Jalur Nugraha Ekakurir ke rumah
penerima barang di wilayah Kota Semarang dengan menggunakan variasi populasi dan generasi pada algoritma Fuzzy Evolusi yang berbeda dapat
dijelaskan pada Tabel 4.8.
Tabel 4.8 Tabel Hasil Panjang Jalur Terbaik
No Populasi Generasi
Fitness
terbaik Panjang
jalur terbaik Km
Waktu detik
Jalur terbaik
1 100
100 0,02507
39,88 70,412
1 – 6 – 18 – 17 – 25 – 5 –
15 – 20 – 9 – 10 – 28 – 7 –
26 – 14 – 21 – 2 – 22 – 11
– 19 – 13 – 3 – 4 – 24 – 16 – 12 – 23 – 27 – 8 – 1.
2 100
200 0,025439
39,31 146,962
1 – 20 – 24 – 18 – 19 – 25
– 10 – 27 – 17 – 13 – 22 – 12
– 23 – 9 – 15 – 14 – 7 – 28
– 11 – 6 – 21 – 5 – 26 – 16
– 2 – 4 – 3 – 8 – 1
3 100
500 0,027398
36,499 383,987
1 – 6 – 10 – 27 – 17 – 16 –
15 – 28 – 7 – 26 – 24 – 14
– 5 – 11 – 18 – 20 – 12 – 13
– 25 – 23 – 4 – 2 – 3 – 9
– 22 – 21 – 19 – 8 – 1 4
100 1000
0,028727 34,81
751,558 1
– 8 – 10 – 22 – 27 – 20 – 24
– 21 – 25 – 13 – 19 – 2 – 3 – 9 – 5 – 15 – 11 – 6 –
No Populasi Generasi
Fitness
terbaik Panjang
jalur terbaik Km
Waktu detik
Jalur terbaik 18
– 28 – 7 – 14 – 26 – 16 – 4 – 23 – 17 – 12 – 1
5 200
100 0,026001
38,46 114,9917
1 – 23 – 19 – 21 – 28 – 7 –
10 – 20 – 9 – 17 – 22 – 5 –
11 – 4 – 2 – 16 – 14 – 24 –
26 – 15 – 6 – 18 – 12 – 13
– 25 – 3 – 27 – 8 – 1
6 500
100 0,02767
36,14 235,862
1 – 6 – 5 – 23 – 11 – 15 –
28 – 7 – 14 – 24 – 26 – 16
– 13 – 18 – 17 – 2 – 4 – 3 – 9 – 27 – 21 – 22 – 20 –
25 – 19 – 12 – 10 – 8 – 1
7 1000
100 0,026645
37,53 431,745
1 – 8 – 3 – 10 – 19 – 11 –
20 – 4 – 9 – 15 – 18 – 6 –
5 – 2 – 27 – 17 – 13 – 22 –
25 – 12 – 23 – 28 – 7 – 24
– 14 – 26 – 16 – 21 – 1
Dari ketujuh variasi populasi dan generasi pada algoritma fuzzy evolusi diperoleh bahwa dengan populasi 100 dan generasi 1000 mempunyai nilai
fitness
yang lebih tinggi serta panjang jalur yang lebih minimal dari yang lain. Nilai
fitness
yang diperoleh adalah 0,028727, panjang jalur terbaik adalah 34,81 Km, waktu
eksekusi adalah 751,558 dengan jalur terbaiknya 1 – 8 – 10 – 22 – 27 – 20 – 24 –
21 – 25 – 13 – 19 – 2 – 3 – 9 – 5 – 15 – 11 – 6 – 18 – 28 – 7 – 14 – 26 – 16 – 4 –
23 – 17 – 12 – 1. Gambar 4.10 menunjukkan proses perhitungan dengan panjang
jalur terbaik 34,81 Km.
Gambar 4.10 Proses Perhitungan dengan Panjang Jalur Terbaik 34,81 Km Kemudian untuk analisis probabilitas
crossover
dan probabilitas mutasi dapat dijelaskan pada Tabel 4.9.
Tabel 4.9 Tabel Hasil Probabilitas Mutasi dan Probabilitas
Crossover
No Populasi Generasi
Probabilitas Mutasi
Probabilitas
Crossover
Nilai Keanggotaan
Fuzzy Panjang
jalur terbaik
Km 1
100 100
0,197 0,714007
0,7408 39,88
2 100
200 0,144
0,7937 0,644
39,31 3
100 500
0,088 0,862962
0,875 36,499
4 100
1000 0,087
0,9665 0,875
34,81 5
200 100
0,153 0,674734
0,2178 38,46
6 500
100 0,088
0,651854 0,7408
36,14 7
1000 100
0,087 0,647113
0,7822 37,53
Dari Tabel 4.8 dapat dilihat dengan populasi 100 dan generasi 1000 bahwa pada probabilitas mutasi bisa dikatakan lebih kecil dari keenam variasi yang lain
walaupun untuk populasi 1000 dan generasi 100 juga mempunyai nilai probabilitas mutasi yang sama kecilnya. Kemudian untuk nilai probabilitas
crossover
nya pada populasi 100 dan generasi 1000 mempunyai nilai yang lebih tinggi dari pada nilai probabilitas
crossover
yang lainnya. Pada nilai keanggotaan fuzzy dengan populasi 100 dan generasi 500 mempunyai nilai keanggotaan yang
sama besar dengan populasi 100 dan generasi 1000 namun pada populasi 100 dan generasi 1000 mempunyai panjang jalur lebih pendek dari pada menggunakan
populasi 100 dan generasi 1000.
4.2 Pembahasan
Berdasarkan hasil penelitian yang telah dilakukan di PT. Jalur Nugraha Ekakurir Semarang diperoleh hasil pencarian koordinat titik lokasi penelitian
dengan bantuan situs Getlatlon.yohman.com yang sudah terintegrasi dengan Google
Maps
menghasilkan koordinat yang cukup akurat. Hal ini mengakibatkan hasil pencarian jarak antara lokasi menjadi lebih tepat. Selain itu, penggunaan
bantuan situs Getlatlon.yohman.com dan Google
Maps
bisa menghemat waktu dan biaya dalam pencarian jarak antar lokasi penelitian. Ini membuktikan bahwa
situs Getlatlon.com dan Google
Maps
layak dipilih untuk dijadikan suatu alat pencarian jarak antar lokasi.
Hasil pencarian solusi optimal dengan algoritma fuzzy evolusi dilakukan dengan menggunakan bantuan aplikasi software. Proses evolusi dihentikan pada
