3.7. Flowchart Pencarian Rute Terpendek dengan Adanya Lintasan Terlarang
menggunakan Algoritma Genetika
3.7.1. Flowchart Pembentukkan Rute terpendek dengan adanya lintasan terlarang
Gambar 3.8. Flowhcart Jalur Terpendek dengan adanya Lintasan Terlarang
Universitas Sumatera Utara
3.7.2. Flowchart Perhitungan nilai fitnesss
Gambar 3.9. Flowchrat Perhitungan Nilai Fitness dalam pencarian rute terpendek dengan adanya forbidden path.
Universitas Sumatera Utara
3.7.3. Flowchart Seleksi
Gambar 3.10. Flowchart Seleksi
Universitas Sumatera Utara
BAB 4 HASIL DAN PEMBAHASAN
4.1. Pendahuluan
Pada bab ini akan dijelaskan mengenai hasil penelitian penulis terhadap beberapa permasalahan mengenai sebuah rute terpendek dengan adanya lintasan terlarang, dari
hasil penelitian dapat ditarik suatu kesimpulan, apakah adanya sebuah penyelesaian tentang pengoptimalan untuk pencarian rute terpendek yang memiliki sebuah kendala
yaitu sebuah lintasan terlarang dengan menggunakan algoritma genetika. Dalam penelitian ini yang akan dibahas adalah sebuah pencarian rute
terpendek dengan adanya forbbiden path dari sumber ke tujuan. Forbidden path ini adalah sebuah kendala dalam proses pencarian optimasi pencarian rute terpendek,
yang dimana tidak dapat menjadi bagian dari sebuah solusi dari pengoptimalan pencarian rute terpendek. Sehingga dapat dirumuskan dalam penyelesaian secara
optimum dalam pencarian rute terpendek dengan adanya lintasan terlarang dengan menggunakan sebuah penyelesaian menggunakan algoritma genetika. Pada tahap atau
proses ini sebenarnya dapat ditambahkan algoritma baru untuk proses pencarian lokal agar algoritma genetika dapat menjamin solusi optimum global. Karena itu penulis
memberikan memberikan saran untuk pengembangan tesis ini pada akhir bab, yaitu perlu adanya tambahan algoritma untuk membangkitkan jalur yang mungkin valid
dari node sumber ke node tujuan agar dapat muncul kromosom unggul pada populasi awal dan sebagai akibatnya dapat mengurangi waktu komputasi.
4.2.Data Uji Coba
Dalam genetik algoritma terdapat beberapa parameter genetik, yaitu ukuran populasi, jumlah generasi, probabilitas, crossover, probabilitas mutasi. Dalam hal ini ukuran
populasi berarti jumlah maksimum solusi yang bisa ditampung, jumlah generasi adalah jumlah iterasi yang akan dilakukan dalam satu kali running, probabilitas
Universitas Sumatera Utara