Penelitian Terdahulu Penelitian-Penelitian Terkait

2.7. Penelitian-Penelitian Terkait

2.7.1. Penelitian Terdahulu

Lin et al. 2009, menggunakan algoritma genetika untuk mencari jarak terpendek pada sistem ITS Intelligent Transportation System di Taiwan dengan menggunakan variasi jumlah gen dan kromosom. Hasil penelitian Lin et.al 2009 memberikan hasil bahwa semakin banyak gen dan kromosom maka solusi optima akan lebih cepat diperoleh. Ada beberapa penelitian lain yang telah dilakukan berkenaan dengan algoritma genetika. Samuel, et al. 2005 membahas bagaimana algoritma genetik menyelesaikan TSP dengan menggunakan metode order crossover sebagai teknik rekombinasi dan metode insertion mutation sebagai teknik mutasi yang digunakan pada algoritma genetik. Annies,et al, 2002 menunjukkan bahwa algoritma genetika dapat digunakan untuk menyelesaikan masalah optimasi yang kompleks seperti mencari rute paling optimum, menggunakan beberapa metode seleksi yaitu roulette wheel, elitism, dan gabungan antara metode roulette wheel dan elitism. Ada dua jenis crossover yang digunakan yaitu one cut point crossover dan two cut point crossover. Nasution 2012 membahas analisis penyelesaian TSP menggunakan partially mapped crossover dengan menentukan nilai probabilitas crossover 20, 40, 60, 80, dan 99. Deep Mebrahtu 2012 membuat variasi pada partially mapped crossover dengan menentukan letak kromosom dalam posisi acak. Kemudian, Al kasasbeh, et al. 2012 menambahkan sebuah procedure baru pada algoritma genetika untuk menyelesaikan TSP yaitu dengan metode shared neighbour. Penelitian terbaru yang dilakukan oleh Picek et.al 2013 yang membandingkan beberapa metode crossover di dalam menyelesaikan 24 permasalahan dengan menggunakan 16 metode crossover, yang menarik dari hasil penelitian adalah bahwa metode whole arithmetic crossover memiliki performance yang lebih baik daripada metode simple arithmetic crossover dan simple arithmetic crossover memiliki performance yang lebih baik daripada single arithmetic crossover. Penelitian yang dilakukan oleh Picek et al. 2013 cukup menarik, karena secara luas membandingkan beberapa metode crossover yang ada sehingga memberikan sumbangsih yang cukup berarti di dalam perkembangan konsep algoritma genetika. Namun, yang belum dibahas di dalam penelitian ini adalah apakah terdapat keterkaitan langsung antara jumlah gen yang mengalami crossover di dalam sebuah kromosom dapat berpengaruh cukup signifikan terhadap performance Universitas Sumatera Utara 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