Penyelesaian Travelling Salesman Problem Dengan Algoritma Simulated Annealing Studi Kasus: Technical Support BTSSoft
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Pada perkembangan teknologi, saat ini semua perusahaan menghitung segala sumber
daya yang digunakan agar digunakan seminimal mungkin dan menghasilkan hasil
semaksimal mungkin. Dengan kata lain perusahaan mengutamakan efektifitas dan
efisiensi kerja untuk memperoleh hasil maksimal pada perusahaan tersebut. Termasuk
perusahan pengembang perangkat lunak berbasis desktop dan web Buana Tirta
Solusindo Software (BTSSoft) yang beralamat di Jl. Bilal No 56 A – Medan, memiliki
divisi Technical Support, dimana tugasnya adalah untuk menyelesaikan masalah teknis
di tempat pelanggan secara langsung, dimana tempat-tempat pada satu hari telah
ditentukan kemudian dikunjungi secara satu persatu. Hal ini membutuhkan perhitungan
untuk menentukan rute-rute optimal untuk mengurangi jarak dan waktu tempuh agar
lebih efisien.
Travelling Salesman Problem (TSP) merupakan permasalah mencari jarak
minimalis untuk melewati sejumlah n kota di mana kota-kota harus dikunjungi tepat
sekali dengan kota awal juga merupakan kota akhir atau tujuan. Beberapa implementasi
Travelling Salesman Problem adalah penentuan rute minimum misalnya distribusi,
penentuan jalur Printed Circuit Board (PCB), routing pada jaringan komputer dan lain
sebagainya. Secara umum, pencarian rute terpendek dapat dibagi menjadi dua metode,
yaitu metode konvensional dan metode heuristik. Metode konvensional cenderung lebih
mudah dipahami daripada metode heuristik, tetapi jika dibandingkan, hasil yang
diperoleh dari metode heuristik lebih variatif dan waktu perhitungan yang diperlukan
lebih singkat. Salah satu meteode penyelesaian travelling salesman problem adalah
dengan menggunakan Algoritma Simulated Annnealing.
Universitas Sumatera Utara
2
Ide dasar Simulated annealing terbentuk dari pemrosesan logam. Pengertian
umum Simulated dalam bahasa Indonesia simulasi adalah suatu metodologi untuk
melaksanakan percobaan dengan menggunakan model atau algoritma dari suatu sistem
nyata. Annealing (memanaskan kemudian mendinginkan) dalam pemrosesan logam ini
adalah suatu proses bagaimana membuat bentuk cair berangsur-angsur menjadi bentuk
yang lebih padat seiring dengan penurunan temperatur. Simulated annealing biasanya
digunakan untuk penyelesaian masalah yang mana perubahan keadaan dari suatu
kondisi ke kondisi yang lainnya membutuhkan ruang yang sangat luas, misalkan
perubahan gerakan dengan permutasi pada masalah Travelling Salesman Problem.
Dengan masalah pencarian rute minimum yang dihadapi divisi Technical
Support BTSSoft tersebut, penulis berencana membuat aplikasi berbasis mobile dengan
bantuan web mobile HTML5, CSS, Javascript dengan framework angularJS, Apache
Cordova sebagai framework untuk membagun aplikasi cross platform dan ionic sebagai
bundle cordova dengan angularjs dan tampilan aplikasi dan tambahan plugin dari
NgCordova. Pada sisi server menggunakan bahasa pemrograman PHP (Hypertext
Preprocessor ), sistem manajemen basis data MySQL, dan Firebase sebagai layanan
DbaaS (Database as a Service) untuk realtime location yang berbentuk JSON
(JavaScript Object Notation) format. Prosedur mengenai aplikasi dengan menentukan
titik koordinat melalui Global Positioning System (GPS) pada sistem operasi android,
Google Maps untuk menentuan jarak lokasi-lokasi dan tampilan sistem informasi
geografis, sehingga rute kunjungan terpendek dapat ditentukan dan dihitung di server
dan disimpan dan dengan menerapkan algoritma Simulated Annealing. Jumlah titik
yang akan dikunjungi dapat dipilih sampai dengan 10 titik. Karena pada saat permintaan
satu kali ke layanan Google Matriks maksimal 100 elemen (asal dikali tujuan) per
permintaan. Matriks yang diterima merupakan kombinasi antar kota. 10 titik sudah
mencapai 100 elemen. Sistem dapat membuat permintaan lebih, tetapi ini juga
merupkan jumlah yang cukup besar untuk dijalankan nantinya pada sistem operasi
android, dan kunjungan Technical Support pun biasanya rata-rata 5 titik pada kerja
nyata, dan dapat lebih hanya untuk pemberian proposal pemasangan program pada
customer baru.
Universitas Sumatera Utara
3
1.2 Rumusan Masalah
Sesuai dengan pemaparan pada latar belakang, maka masalah yang dibahas pada tugas
akhir ini adalah:
1. Bagaimana menyelesaikan kasus Travelling Salesman pada divisi Technical
Support Buana Tirta Solusindo (BTSSoft) dengan menggunakan algoritma
Simulated Annealing untuk mengoptimalkan rute kunjungan Technical Support
ke tempat-tempat pelanggan BTSSoft.
2. Bagaimana menghasilkan aplikasi mobile android dengan menggunakan bahasa
HTML5, CSS dan Javascript dengan framework javascript menggunakan
AngularJS pada IONIC framework aplikasi pengembangan berbasis HTML5
dan javascript.
3. Bagaimana membangun server hosting berbasis PHP dengan menggunakan
sistem manajemen database MySQL dan API Google Maps untuk mendapatkan
gambaran peta dan koordinat lokasi.
4. Bagaimana mendeteksi lokasi koordinat dengan menggunakan GPS pada pada
aplikasi mobile.
5. Bagaimana mendapatkan matriks data koordinat dari Google Maps untuk
kemudian dihitung solusi optimal.
1.3 Batasan Masalah
Ruang lingkup penelitian ini dibatasi pada:
1. Travelling Salesman Problem sebagai permasalahan pencarian rute terpendek
dari beberapa titik dan menyinggahi tepat satu kali dan kembali ke titik asal.
2. Tidak ada prioritas yang akan didahului terlebih dahulu.
3. Masalah kasus technical support perhitungan di wilayah Medan dan sekitar
dengan maksimal 10 titik.
4. Diasumsikan bahwa kondisi perjalanannya normal, tanpa kemacetan, tanpa
rambu-rambu lalu lintas dan nilai-nilai antar titik ditentukan oleh perhitungan
google maps matrix distance yaitu: estimasi jarak.
Universitas Sumatera Utara
4
5. Untuk mode perjalanan dapat dipilih dengan menggunkan mode jalan kaki atau
dengan mobil.
6. Titik ditentukan dari daftar kunjungan pelanggan yang telah dipilih
7. Titik koordinat dari data pelanggan dapat ditentukan dengan GPS ataupun
dengan menentukan titik langsung.
8. Implementasi algoritma optimasi dengan menggunakan algoritma Simulated
Annealing.
9. Bahasa pemrograman pada sisi server adalah PHP, sistem manajemen database
menggunaan MySQL, layanan DbaaS (Database as a Service) dengan Firebase,
bahasa pemrograman di browser dengan javascript dan jquery, framework CSS
dengan bootstrap.
10. Bahasa pemrograman di sisi klien
adalah Javascript dengan framework
AngularJS, bahasa markah dengan HTML5, bahasa desain web dengan CSS,
dan menggunakan Apache cordova dan framework bundle ionic untuk
menghasilkan aplikasi mobile android.
1.4 Tujuan Penelitian
Tujuan dari penelitian ini adalah :
1. Untuk mendapatkan penyelesaian Travelling Salesman Problem dengan
menggunakan algoritma Simulated Annealing.
2. Untuk mendapatkan informasi rute terpendek kunjungan salesman dalam hal ini
Divisi Technical Support BTSSoft Medan langsung dari perangkat mobile dan
tracking yang dipantau langsung dari server website.
1.5 Manfaat Penelitian
Manfaat dari penelitian ini adalah sebagai berikut:
1. Pengembangan penelitian sebelumnya dengan menerapkan pada studi kasus.
2. Menekan waktu dan jarak tempuh dari technical support agar lebih efisien dan
dengan itu sumber daya yang dikeluarkan pun semakin dioptimalkan.
Universitas Sumatera Utara
PENDAHULUAN
1.1 Latar Belakang
Pada perkembangan teknologi, saat ini semua perusahaan menghitung segala sumber
daya yang digunakan agar digunakan seminimal mungkin dan menghasilkan hasil
semaksimal mungkin. Dengan kata lain perusahaan mengutamakan efektifitas dan
efisiensi kerja untuk memperoleh hasil maksimal pada perusahaan tersebut. Termasuk
perusahan pengembang perangkat lunak berbasis desktop dan web Buana Tirta
Solusindo Software (BTSSoft) yang beralamat di Jl. Bilal No 56 A – Medan, memiliki
divisi Technical Support, dimana tugasnya adalah untuk menyelesaikan masalah teknis
di tempat pelanggan secara langsung, dimana tempat-tempat pada satu hari telah
ditentukan kemudian dikunjungi secara satu persatu. Hal ini membutuhkan perhitungan
untuk menentukan rute-rute optimal untuk mengurangi jarak dan waktu tempuh agar
lebih efisien.
Travelling Salesman Problem (TSP) merupakan permasalah mencari jarak
minimalis untuk melewati sejumlah n kota di mana kota-kota harus dikunjungi tepat
sekali dengan kota awal juga merupakan kota akhir atau tujuan. Beberapa implementasi
Travelling Salesman Problem adalah penentuan rute minimum misalnya distribusi,
penentuan jalur Printed Circuit Board (PCB), routing pada jaringan komputer dan lain
sebagainya. Secara umum, pencarian rute terpendek dapat dibagi menjadi dua metode,
yaitu metode konvensional dan metode heuristik. Metode konvensional cenderung lebih
mudah dipahami daripada metode heuristik, tetapi jika dibandingkan, hasil yang
diperoleh dari metode heuristik lebih variatif dan waktu perhitungan yang diperlukan
lebih singkat. Salah satu meteode penyelesaian travelling salesman problem adalah
dengan menggunakan Algoritma Simulated Annnealing.
Universitas Sumatera Utara
2
Ide dasar Simulated annealing terbentuk dari pemrosesan logam. Pengertian
umum Simulated dalam bahasa Indonesia simulasi adalah suatu metodologi untuk
melaksanakan percobaan dengan menggunakan model atau algoritma dari suatu sistem
nyata. Annealing (memanaskan kemudian mendinginkan) dalam pemrosesan logam ini
adalah suatu proses bagaimana membuat bentuk cair berangsur-angsur menjadi bentuk
yang lebih padat seiring dengan penurunan temperatur. Simulated annealing biasanya
digunakan untuk penyelesaian masalah yang mana perubahan keadaan dari suatu
kondisi ke kondisi yang lainnya membutuhkan ruang yang sangat luas, misalkan
perubahan gerakan dengan permutasi pada masalah Travelling Salesman Problem.
Dengan masalah pencarian rute minimum yang dihadapi divisi Technical
Support BTSSoft tersebut, penulis berencana membuat aplikasi berbasis mobile dengan
bantuan web mobile HTML5, CSS, Javascript dengan framework angularJS, Apache
Cordova sebagai framework untuk membagun aplikasi cross platform dan ionic sebagai
bundle cordova dengan angularjs dan tampilan aplikasi dan tambahan plugin dari
NgCordova. Pada sisi server menggunakan bahasa pemrograman PHP (Hypertext
Preprocessor ), sistem manajemen basis data MySQL, dan Firebase sebagai layanan
DbaaS (Database as a Service) untuk realtime location yang berbentuk JSON
(JavaScript Object Notation) format. Prosedur mengenai aplikasi dengan menentukan
titik koordinat melalui Global Positioning System (GPS) pada sistem operasi android,
Google Maps untuk menentuan jarak lokasi-lokasi dan tampilan sistem informasi
geografis, sehingga rute kunjungan terpendek dapat ditentukan dan dihitung di server
dan disimpan dan dengan menerapkan algoritma Simulated Annealing. Jumlah titik
yang akan dikunjungi dapat dipilih sampai dengan 10 titik. Karena pada saat permintaan
satu kali ke layanan Google Matriks maksimal 100 elemen (asal dikali tujuan) per
permintaan. Matriks yang diterima merupakan kombinasi antar kota. 10 titik sudah
mencapai 100 elemen. Sistem dapat membuat permintaan lebih, tetapi ini juga
merupkan jumlah yang cukup besar untuk dijalankan nantinya pada sistem operasi
android, dan kunjungan Technical Support pun biasanya rata-rata 5 titik pada kerja
nyata, dan dapat lebih hanya untuk pemberian proposal pemasangan program pada
customer baru.
Universitas Sumatera Utara
3
1.2 Rumusan Masalah
Sesuai dengan pemaparan pada latar belakang, maka masalah yang dibahas pada tugas
akhir ini adalah:
1. Bagaimana menyelesaikan kasus Travelling Salesman pada divisi Technical
Support Buana Tirta Solusindo (BTSSoft) dengan menggunakan algoritma
Simulated Annealing untuk mengoptimalkan rute kunjungan Technical Support
ke tempat-tempat pelanggan BTSSoft.
2. Bagaimana menghasilkan aplikasi mobile android dengan menggunakan bahasa
HTML5, CSS dan Javascript dengan framework javascript menggunakan
AngularJS pada IONIC framework aplikasi pengembangan berbasis HTML5
dan javascript.
3. Bagaimana membangun server hosting berbasis PHP dengan menggunakan
sistem manajemen database MySQL dan API Google Maps untuk mendapatkan
gambaran peta dan koordinat lokasi.
4. Bagaimana mendeteksi lokasi koordinat dengan menggunakan GPS pada pada
aplikasi mobile.
5. Bagaimana mendapatkan matriks data koordinat dari Google Maps untuk
kemudian dihitung solusi optimal.
1.3 Batasan Masalah
Ruang lingkup penelitian ini dibatasi pada:
1. Travelling Salesman Problem sebagai permasalahan pencarian rute terpendek
dari beberapa titik dan menyinggahi tepat satu kali dan kembali ke titik asal.
2. Tidak ada prioritas yang akan didahului terlebih dahulu.
3. Masalah kasus technical support perhitungan di wilayah Medan dan sekitar
dengan maksimal 10 titik.
4. Diasumsikan bahwa kondisi perjalanannya normal, tanpa kemacetan, tanpa
rambu-rambu lalu lintas dan nilai-nilai antar titik ditentukan oleh perhitungan
google maps matrix distance yaitu: estimasi jarak.
Universitas Sumatera Utara
4
5. Untuk mode perjalanan dapat dipilih dengan menggunkan mode jalan kaki atau
dengan mobil.
6. Titik ditentukan dari daftar kunjungan pelanggan yang telah dipilih
7. Titik koordinat dari data pelanggan dapat ditentukan dengan GPS ataupun
dengan menentukan titik langsung.
8. Implementasi algoritma optimasi dengan menggunakan algoritma Simulated
Annealing.
9. Bahasa pemrograman pada sisi server adalah PHP, sistem manajemen database
menggunaan MySQL, layanan DbaaS (Database as a Service) dengan Firebase,
bahasa pemrograman di browser dengan javascript dan jquery, framework CSS
dengan bootstrap.
10. Bahasa pemrograman di sisi klien
adalah Javascript dengan framework
AngularJS, bahasa markah dengan HTML5, bahasa desain web dengan CSS,
dan menggunakan Apache cordova dan framework bundle ionic untuk
menghasilkan aplikasi mobile android.
1.4 Tujuan Penelitian
Tujuan dari penelitian ini adalah :
1. Untuk mendapatkan penyelesaian Travelling Salesman Problem dengan
menggunakan algoritma Simulated Annealing.
2. Untuk mendapatkan informasi rute terpendek kunjungan salesman dalam hal ini
Divisi Technical Support BTSSoft Medan langsung dari perangkat mobile dan
tracking yang dipantau langsung dari server website.
1.5 Manfaat Penelitian
Manfaat dari penelitian ini adalah sebagai berikut:
1. Pengembangan penelitian sebelumnya dengan menerapkan pada studi kasus.
2. Menekan waktu dan jarak tempuh dari technical support agar lebih efisien dan
dengan itu sumber daya yang dikeluarkan pun semakin dioptimalkan.
Universitas Sumatera Utara