- Penggunaan pencarian lokal dalam HGA pada case4
Gambar 4.21 Presentase Pencarian Lokal dalam HGA pada Case4
Hasil diperoleh dari proses perulangan 250 generasi pada case4, dengan mengidentifikasi berapa banyak pencarian lokal yang digunakan dalam proses
perulangan tersebut. Presentase yang ditunjukkan oleh Gambar 4.21, menunjukkan penggunaan pencarian lokal dalam GA sebesar 5,20, dan GA
yang tidak menggunakan pencarian lokal sebesar 94,80. -
Penggunaan pencarian lokal dalam HGA pada case5
Gambar 4.22 Presentase Pencarian Lokal dalam HGA pada Case5
Hasil diperoleh dari proses perulangan 350 generasi pada case5, dengan mengidentifikasi berapa banyak pencarian lokal yang digunakan dalam proses
perulangan tersebut. Presentase yang ditunjukkan oleh Gambar 4.22, menunjukkan penggunaan pencarian lokal dalam GA sebesar 4,86, dan GA
yang tidak menggunakan pencarian lokal sebesar 95,14.
4.2.4 Komparasi dengan penelitian lain
Algoritma genetika hibrida dengan skema pencarian lokal adaptif untuk menyelesaikan traveling salesman problem pada android telah secara efektif
diterapkan seperti pada penelitian - penelitian berikut. Peneliti
Penelitian Lain Algoritma genetika hibrida dengan
skema pencarian
lokal adaptif
diimplementasikan pada
traveling salesman problem.
Yun Y, et al., 2009. Algoritma genetika hibrida dengan skema pencarian lokal
adaptif diimplementasikan pada supply chain problem. Hasil yang didapatkan
HGA mengungguli algoritma pembanding metode enumerasi dan GA dalam
permasalahan supply chain. Rafsanjani, et al., 2015. Algoritma
genetika hibrida diimplementasikan pada traveling salesman problem. Hasil yang
didapatkan HGA
mengungguli GA
sederhana dalam menemukan solusi optimal pada TSP.
Algoritma genetika hibrida dengan skema pencarian lokal adaptif untuk
penyelesaian traveling
salesman problem
diimplementasikan pada
android. Anupriya dan Saxena, 2013. Aplikasi
android navigasi
google maps
menggunakan algoritma
genetika sederhana untuk menyelesaikan traveling
salesman problem. Hasil yang didapatkan GA dapat diimplementasikan pada google
maps android untuk menyelesaikan TSP. Berninger, 2014. Algoritma genetika
diimplementasikan pada vehicle routing problem berbasis android. Hasil yang
didapatkan GA
mampu diimplementasikan pada android untuk
menyelesaikan TSP.
4.2.5 Hambatan Penelitian
Dalam penelitian algoritma genetia hibrida dengan skema pencarian lokal untuk menyelesaikan traveling salesman problem pada android ini, terdapat
hambatan dalam penelitian. Hambatan - hambatan tersebut diantaranya: 1.
Kesulitan mendapatkan akses download ke jurnal-jurnal internasional yang berkualitas, seperti sciencedirect dan ieee.
2. Kesulitan mendapatkan buku-buku tentang algoritma genetika, pencarian
lokal dan kesamaan kosinus di kampus Universitas Negeri Semarang. 3.
Keterbatasan pada perangkat keras dalam mengembagkan aplikasi android seperti laptop dengan spesifikasi tinggi untuk menjalankan software ADT-
Bundle dan emulator Genymotion.
82
BAB V PENUTUP
5.1 Simpulan
Sistem untuk menyelesaikan Traveling Salesman Problem dengan menggunakan metode algoritma genetika hibrida dengan skema pencarian lokal
adaptif telah diimplementasikan dan dilakukan pengujian untuk membandingkan hasil yang didapatkan dengan algoritma genetika sederhana. Simpulan yang
diperoleh adalah algoritma genetika hibrida dengan skema pencarian lokal adaptif efektif dalam menemukan jarak minimal pada penyelesaian Traveling Salesman
Problem terutama dalam kasus dengan masalah yang lebih kompleks. Akan tetapi komputasi algoritma genetika hibrida membutuhkan waktu yang lebih lama
dibandingkan algoritma genetika sederhana.
5.2 Saran
Berdasarkan simpulan yang telah dikemukakan, dapat diajukan saran dalam pengembangan sistem lebih lanjut sebagai berikut:
1. Melakukan pengujian dengan jumlah populasi dan kondisi berhenti yang
berbeda untuk mengoptimalkan waktu komputasi dari algoritma genetika hibrida dengan skema pencarian lokal adaptif.
2. Memperoleh jarak dari Google Maps API untuk mendapatkan perencanaan
perjalanan yang nyata.
