crossover. Hal ini mengingat terdapatnya peningkatan performance bila dikaitkan dengan jumlah gen yang mengalami crossover. Mengingat performance yang
merupakan hasil penelitian adalah whole arithmetic crossover memiliki performance yang lebih baik dari simple arithmetic crossover dan Simple arithmetic crossover
memiliki performance yang lebih baik daripada single arithmetic crossover.
2.7.2. Perbedaan Penelitian
Perbedaan penelitian yang pernah dilakukan dengan penelitian yang dilakukan oleh peneliti dapat dilihat pada Tabel 2.10.
Tabel 2.10. Perbedaan Penelitian
No Nama Peneliti
Persamaan Perbedaan
1. Lin Chu Hsing,
Jui Ling Yu, Jung Chun Liu, Wei
Shen Lai, dan Chia Han Ho
2009 Sama-sama menerapkan algoritma
genetika untuk mencari rute terpendek pada ITS Intelligent
Transportation System di Taiwan Pembahasan dititikberatkan pada
pengaruh jumlah gen dan kromosom di dalam mendapatkan
solusi optimal. Penelitian ini tidak membahas mengenai pengaruh
gen yang mengalami crossover di dalam mendapatkan solusi
optimal.
2. Lukas Samuel,
Toni Anwar, dan Willi Yuliani
2005 Sama-sama menerapkan algoritma
genetika untuk menyelesaikan permasalahan Traveling Salesman
Problem TSP Pembahasan penelitian mengenai
penggunaan metode order crossover digabungkan dengan
teknik insertion mutation untuk menyelesaikan permasalahan
TSP. Penelitian ini hanya membahas penyelesaian
permasalahan TSP dan tidak membahas mengenai performance
dari algoritma genetika.
3. Annies
Hannawati, Thing, dan
Eleazar 2002 Menerapkan algoritma genetika
untuk menyelesaikan masalah optimasi yang kompleks seperti
mencari rute paling optimum Penelitian ini menggunakan
beberapa metode seleksi yaitu roulette wheel, elitism, dan
gabungan antara metode roulette wheel dan elitism, selain itu juga
menggunakan dua jenis crossover yaitu one cut point crossover dan
two cut point crossover. Namun, penelitian tidak membahas
mengenai performance Atas metode arithmetic crissover
dalam kaitannya dengan jumlah gen yang mengalami crossover.
4. K. Nasution
2012 Sama-sama menerapkan algoritma
genetika untuk menyelesaikan permasalahan Traveling Salesman
Problem Penelitian ini difokuskan pada
pembahasan mengenai pengaruh dari nilai probabilitas crossover di
dalam partially mapped crossover dan tidak membahas mengenai
performance atas arithmetic crossover dalam kaitannya
Universitas Sumatera Utara
No Nama Peneliti
Persamaan Perbedaan
dengan jumlah gen yang mengalami crossover.
5. Kusum Deep dan
Hadush Mebrahtu 2012
Penelitian ini sama seperti penelitian yang dilakukan oleh peneliti
membahas mengenai penerapan algoritma genetika di dalam
menyelesaikan permasalahan Traveling Salesman Problem
Penelitian ini membahas mengenai pembuatan variasi
pada partially mapped crossover dengan menentukan letak
kromosom dalam posisi acak dan tidak membahas mengenai kaitan
antara jumlah gen yang mengalami crossover dengan
performance atas metode arithmetic crossover
6. Stjepan Picek,
Domagoj Jakobovic dan
Marin Gloub 2013
Penelitian ini membahas mengenai perbandingan performance atas
metode arithmetic crossover dan beberapa metode crossover yang
lain Penelitian ini membandingkan
beberapa metode crossover di dalam menyelesaikan 24
permasalahan dengan menggunakan 16 metode
crossover, tetapi penelitian ini tidak membahas mengenai kaitan
antara jumlah gen yang mengalami crossover terhadap
performance dari crossover khususnya arithmetic crossover
7. Sri Melvani Hardi
2014 Penelitian ini membahas mengenai
pengaruh crossover di dalam performance algoritma genetika di
dalam menyelesaikan permasalahan Traveling Salesman Problem TSP
Penelitian ini pengaruh dari variasi terhadap performance dari
algoritma genetika dan tidak membahas mengenai kaitan antara
jumlah gen yang mengalami crossover dengan performance
dari algoritma genetika
2.7.3. Kontribusi yang Diberikan
