BAB 1
PENDAHULUAN
1.1 Latar Belakang
Traveling Salesman Problem TSP adalah permasalahan dimana seorang salesman harus mengunjungi semua kota yang ada dan kota tersebut hanya boleh dikunjungi
tepat satu kali. Permasalahannya adalah bagaimana salesman tersebut dapat mengatur rute perjalanannya sehingga jarak yang ditempuhnya merupakan rute yang optimum
yaitu jarak minimum terbaik
[7]
.
Permasalahan matematik yang berkaitan dengan TSP mulai muncul sekitar tahun 1800-an. Masalah ini dikemukakan oleh dua orang matematikawan, yaitu Sir
William Rowan Hamilton yang berasal dari Irlandia dan Thomas Penyngton Kirkman yang berasal dari Inggris. Bentuk umum dari persoalan TSP pertama kali dipelajari
oleh para matematikawan mulai tahun1930-an oleh Karl Menger di Vienna dan Harvard. Persoalan tersebut kemudian dikembangkan oleh Hassler Whitney dan
Merril Flood di Princeton.
Algoritma Genetik pertama kali dikembangkan oleh John Holland pada tahun 1970-an di New York, Amerika Serikat. Dia beserta murid-murid dan teman kerjanya
menghasilkan buku berjudul Adaption in Natural and Artificial Systems pada tahun 1975. Salah satu aspek yang yang mempunyai peranan penting dalam menggunakan
metode Algoritma Genetik adalah penentuan rekombinasi yang melibatkan crossover point dan mutasi. Biasanya dalam Algoritma Genetik, individu diwakili oleh sejumlah
bit string dan rekombinasi diimplementasikan melalui operator crossover yang beroperasi pada pasangan individu parent untuk menghasilkan string baru child
dengan persilangan
segmen-segmen dari
kedua parent
tersebut secara
Universitas Sumatera Utara
2
tradisional, jumlah cross point yang menentukan berapa banyak segmen yang dipertukarkan telah ditentukan pada one point atau two point.
[3]
Deskripsi persoalan dalam penelitian ini adalah terdapat sejumlah Satuan Kerja Perangkat Daerah SKPD, tentukan rute apa yang harus di tempuh oleh
seorang pegawai kota medan bila pegawai itu berangkat dari bagian perlengkapan dan aset Kota Medan dan menyinggahi setiap SKPD tepat satu kali.
SKPD dapat dinyatakan sebagai sebuah simpul graf, sedangkan sisi menyatakan jalan yang menghubungkan antara dua SKPD. Bobot pada sisi
menyatakan jumlah antara dua buah SKPD. Permasalahan dengan jumlah SKPD yang banyak akan menghasilkan semakin banyak kemungkinan. Untuk 20 SKPD akan
menghasilkan 202 kemungkinan.
Algoritma Genetik diharapkan dapat menghasilkan solusi terbaik dengan waktu yang lebih cepat untuk persoalan TSP. Untuk itu hal yang dapat penulis
lakukan adalah mencari solusi paling optimum yaitu solusi yang memiliki kesesuaian antara waktu pemrosesan dengan solusi menggunakan Algoritma Genetik. Mengingat
waktu yang digunakan oleh persoalan dengan komputasi tingkat tinggi seperti TSP, maka paling optimal bukan paling benar.
Studi kasus yang dilakukan di Bagian Perlengkapan dan Aset Setda Kota Medan adalah mencari rute optimum antar SKPD di Pemerintah Kota Medan untuk
monitoring Barang Milik Daerah BMD.
Beberapa penelitian yang telah diteliti oleh peneliti sebelumnya yang berkaitan dengan penelitian ini adalah sebagai berikut:
1. Penggunaan algoritma Genetik dalam menyelesaikan masalah optimasi yang
kompleks dalam mencari rute paling optimum dari titik asal ke titik tujuan. Jenis crossover yang dipergunakan yaitu one cut point crossover dan two cut
point crossover.
[4]
2. Penerapan Algoritma Genetik pada penyelesaian masalah vehicle routing
problem.
[8]
Universitas Sumatera Utara
3
3. Penerapan Algoritma Genetik untuk TSP dengan menggunakan metode order
crossover dan insertion mutation.
[10]
4. Penyelesaian trevelling salesman problem dengan membandingkan antara
partially mapped PMX, Order Crossover OX dan Cycle Crossover CX dengan menggunakan 1, 30, 70, dan 100.
[1]
5. Penerapan Algoritma Genetik pada penyelesaian TSP dengan menggunakan
New Crossover Operator dan menggunakan kromosom Upper Triangle Matrix.
[7]
1.2 Rumusan Masalah
