Latar Belakang Masalah PENDAHULUAN

1

BAB I PENDAHULUAN

1.1 Latar Belakang Masalah

Traveling Salesman Problem TSP adalah masalah klasik optimasi kombinatorial dan telah diaplikasikan dalam planning, scheduling, sequencing dan vehicle routing problem Rafsanjani, et al., 2015. TSP merupakan permasalahan rute perjalanan untuk mengunjungi banyak kota dan setiap kota dikunjungi satu kali, dimulai dan diakhiri pada kota yang sama dimana jarak perjalanan minimal Bryant, 2000. Dalam teori kompleksitas komputasi, TSP termasuk dalam kelas masalah NP-hard non-deterministic polynomial-time hard, dengan demikian, bahwa tidak ada algoritma yang menjamin untuk mendapatkan rute yang optimal dalam waktu singkat Berninger, 2014. Satu metode yang pasti akan menemukan solusi optimal dari TSP adalah penghitungan menyeluruh dan evaluasi. Prosedur ini dimulai dengan membangkitkan kemungkinan semua perjalanan dan mengevaluasinya sesuai panjang perjalanan. Perjalanan dengan panjang terkecil dipilih sebagai yang terbaik, dan dijamin akan optimal Homaifar, et al., 1992. Dalam penelitian yang dilakukan oleh Adullah Homaifar 1992 jika mampu mengidentifikasi dan mengevaluasi satu tur pernanodetik atau satu miliar tur per detik, maka 2 diperlukan hampir sepuluh juta tahun jumlah kemungkinan tur = 3.2 × untuk mengevaluasi semua tur pada 25 kota TSP. Untuk dapat menghasilkan solusi optimal dalam waktu yang singkat pada TSP diperlukan sebuah metode heuristik. Beberapa metode heuristik yang biasa digunakan untuk menyelesaikan TSP adalah Simulated Annealing, Tabu Search, Ant Colony Optimization, Artificial Immune System, dan Genetic Algorithm Zukhri, 2014: 10. Genetic Algorithm Algoritma Genetika GA merupakan teknik pencarian berbasis populasi yang digunakan untuk menemukan perkiraan solusi terbaik dalam masalah optimasi menggunakan operator genetik Reese, 2009. GA dapat menjadi alternatif untuk menyelesaikan TSP, karena telah terbukti lebih efisien dalam menemukan solusi optimal atau mendekati optimal Chang, et al., 2010; Changdar, et al., 2013; Gupta dan Panwar, 2013. Terdapat kelemahan besar didalam GA bahwa ketika terjebak pada lokal optimum, kinerja GA terus memburuk dan tidak ada cara untuk melepaskan diri Yun, et al., 2009. Oleh karena itu, GA terkadang tidak mampu menemukan solusi optimal untuk masalah TSP. Salah satu metode untuk mengatasi kelemahan tersebut adalah hibridisasi dengan teknik pencarian lokal. Teknik ini dapat meningkatkan performa dari GA dengan dengan memasukkan individu baru terbaik ke dalam perulangan GA Zhao, et al, 2009; Ahmed, 2013; Wang, 2014. Penelitian ini menyajikan pengaplikasian dari hibridisasi GA dengan menggunakan skema pencarian lokal adaptif untuk menyelesaikan TSP. Skema pencarian lokal tersebut dapat mengontorol penggunaan teknik pencarian lokal kedalam perulangan GA. HGA dengan skema pencarian lokal adaptif telah 3 terbukti efektif dibandingkan dengan GA tanpa pencarian lokal dalam menyelesaikan permasalahan optimasi seperti TSP Yun, et al., 2009; Rafsanjani, et al., 2015 . Kebutuhan aplikasi untuk menentukan rencana perjalanan dengan rute yang optimal dibutuhkan banyak perusahaan pada saat ini. Sebagai contoh, pada perusahaan jasa pengiriman barang seperti JNE, TIKI, dan POS Indonesia, dimana seorang kurir salesman harus mengirimkan barang kepada konsumen dengan tempat tujuan yang berbeda-beda. Tujuan dari perusahaan tersebut adalah untuk mendapatkan keuntungan yang maksimal sehingga aplikasi yang mampu memandu para kurir dan menentukan rute perjalanan yang optimal dengan jarak yang minimal dibutuhkan untuk mencapai tujuan tersebut. Aplikasi tersebut dikembangkan pada android karena android merupakan sistem operasi yang paling banyak digunakan diseluruh dunia berdasarkan installed base dari semua sistem operasi pada tahun 2015 Manjoo, 2015. Selain itu android bersifat mobile yang tentunya mudah untuk dibawa dan telah terintegrasi dengan Google Maps. Dalam penelitian ini, penulis mengangkat judul Penerapan Algoritma Genetika Dengan Skema Teknik Pencarian Lokal Adaptif untuk Penyelesaian Traveling Salesman Problem pada Android.

1.2 Rumusan Masalah