5. Mulai mengukur jarak dari mulai Universitas Negeri Semarang Sekaran
hingga berakhir di PROGRAM PASCASARJANA UNNES. Setelah selesai, maka akan tampak bahwa total jarak adalah 1,3 KM.
Gambar 3.4 Hasil Pengukuran Jarak
3.4. Analisis dan Pemecahan Masalah
Dari berbagai sumber yang sudah menjadi bahan kajian, diperoleh suatu pemecahan masalah. Selanjutnya dilakukan langkah-langkah pemecahan masalah
sebagai berikut: 1.
Pembentukan model. Menyajikan titik-titik yang harus dilalui dalam jaringan TSP
berdasarkan data perusahaan beserta jarak antar titiknya. 2.
Mencari penyelesaian masalah.
Pada tahap ini dilakukan pencarian rute optimal dan jarak minimal yang dapat ditempuh dalam pengiriman barang dengan syarat semua alamat dilalui
tepat satu kali kecuali titik asal yang sama dengan titik akhir. Setelah diketahui jarak antara titik menggunakan Wikimapia, akan dicari hasil perhitungan rute
optimal dan jarak minimal dari jaringan TSP beserta gambar rute tersebut. Proses ini memerlukan ketelitian yang tinggi karena jika terjadi suatu kesalahan kecil saja
akan berakibat pada ketidaktepatan dalam perhitungan rute dan jarak dari jaringan TSP terbaik. Masalah minimasi ini akan dicari dengan menggunakan algoritma
genetika pada software MATLAB.
3.4.1. Analisis Kebutuhan
Aplikasi dalam menentukan jalur terpendek pada kasus TSP ini dirancang dengan menggunakan Algoritma Genetika. Dalam melakukan proses aplikasi
yang mencakup proses input dan proses outputnya, dinyatakan dengan menggunakan aplikasi bahasa pemrograman MATLAB yang diperjelas dengan
diagram alirflowchart lihat Gambar 3.5. Pada tahap ini, digunakan notasi-notasi untuk menggambarkan arus data tersebut.
3.4.1.1. Analisis Kebutuhan Masukan Input
Proses input atau masukan dari aplikasi dalam memnentukan jalur terpendek pada permasalahan TSP ini berupa parameter-parameter yang
diperlukan dalam Algoritma Genetika, yaitu: 1.
Data jumlah kota, yang dalam penelitian ini adalah jumlah alamat, disimbolkan dengan dan direpresentasikan dengan koordinat
.
Jumlah alamat ditentukan oleh pengguna. Pada penentuan koordinat alamat, penulis menggunakan bantuan website wikimapia.org.
2. Parameter-parameter yang diperlukan dalam perhitungan Algoritma
Genetika, yaitu: -
Ukuran Populasi dan Generasi = 100 dan 100, 100 dan 200, 100 dan 500, 100 dan 1000, 200 dan 100, 500, 100, dan 1000,100
-
Panjang KromosomJumlah Gen = 22
- Peluang Crossover
= dihitung menggunakan fuzzy sugeno
- Peluang Mutasi
= dihitung menggunakan fuzzy sugeno
3.4.1.2. Analisis Kebutuhan Proses
Kebutuhan proses yang dilakukan pada sistem menentukan jalur terpendek dalam menyelesaian permasalahan TSP ini antara lain:
1. Proses pembuatan rute pada grafik.
2. Proses menentukan jarak kota dengan bantuan website wikimapia.org.
3. Proses perhitungan fungsi fitness, seleksi, crossover, mutasi sampai
dengan menentukan hasil populasi akhirnya. 4.
Proses penyeleksian jalur terpendek.
3.4.1.3. Analisis Kebutuhan Keluaran Output
Data keluaran yang diperoleh dari proses pengaplikasian dalam menentukan jalur terpendek dengan Algoritma Genetika dengan Teknik Kendali
Logika Fuzzy pada permasalahan TSP ini adalah rute jalur terpendek dari 22
alamat yang telah ditentukan disertai dengan jarak antar alamat serta panjang jalur minimum dan grafik fitness rata-ratanya.
3.4.2. Perancangan Perangkat Lunak
Program yang dibuat berdasarkan langkah-langkah untuk menyelesaikan TSP Algoritma Genetika dengan kendali logika fuzzy menggunakan software
MATLAB sebagai berikut. a. Langkah-langkah hybrid Algoritma Genetika dengan teknik kendali logika
fuzzy : 1.
Pengkodean Kromosom Pada tahap ini, alamat-alamat yang akan dikunjungi diberi nomor urut.
Kemudian dibentuk ke dalam suatu kromosom yang berisi gen-gen yang mempresentasikan nomor urut dari semua kota yang ada. Jumlah gen
dalam setiap kromosom adalah sama dengan jumlah alamat. Masing- masing nomor urut alamat hanya boleh muncul sekali di dalam suatu
kromosom dan dibangkitkan secara acak. 2.
Inisialisasi Populasi Tahap ini bertujuan untuk membangkitkan sebuah populasi yang berisi
sejumlah kromosom. Setiap kromosom berisi sejumlah gen. Input untuk fungsi ini adalah ukuran populasi jumlah kromosom dalam populasi dan
jumlah gen dalam satu kromosom. Output dari fungsi tersebut adalah variabel populasi berupa matriks dua dimensi.
