BAB 1 PENDAHULUAN. 1 Randy L Haupt & Sue Ellen Haupt, Practical Genetic Algorithms second edition, Wiley Interscience,2004.

Transkripsi

1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Seseorang salesman tentu akan sangat kesulitan jika harus mengunjungi semua kota sendirian, oleh karena itu dibutuhkan beberapa orang salesman untuk membagi tugas agar didapat rute perjalanan yang lebih pendek dan meminimalkan jarak perjalanan yang harus ditempuh oleh seorang salesman. Hal diatas dikenal dengan istilah Multiple Travelling Salesman Problem (mtsp), yaitu perencanaan m salesman lebih dari 1 (m > 1) untuk mengunjungi sekumpulan n kota yang lebih besar dari jumlah m salesman (n > m) sehingga tiap kota dikunjungi tepat sekali. Salah satu cara yang digunakan dalam menyelesaikan masalah diatas adalah menggunakan Algoritma Genetik yang pertama kali diperkenalkan oleh John Holland pada tahun Algoritma genetik 1 adalah teknik pencarian yang didasari dari prinsip genetik dan seleksi alam. Untuk mendapatkan hasil yang maksimal dengan menggunakan Algoritma Genetik juga perlu diketahui operator seleksi yang paling bagus agar didapat hasil yang maksimal. Algoritma genetik telah banyak diaplikasikan untuk penyelesaian maslah dan pemodelan dalam bidang teknologi, bisnis, dan entertainment, seperti : a. Optimasi Algoritma genetik digunakan untuk optimasi numeric dan optimasi kombinatorial seperti Travelling Salesman Problem (TSP), perancangan Integrated Circuit atau IC, Job Scheduling, optimasi video, dan suara. b. Pemrograman Otomatis Algoritma Genetik telah digunakan untuk melakukan proses evolusi terhadap program computer untuk merancang struktur komputasional, seperti cellular automata dan sorting networks. 1 Randy L Haupt & Sue Ellen Haupt, Practical Genetic Algorithms second edition, Wiley Interscience,2004. hal 22. 1

2 c. Machine Learning Algoritma Genetik telah berhsil diaplikasikan untuk memprediksi struktur protein. Algoritma Genetik juga berhasil diaplikasikan dalam perancangan neural networks (jaringan syaraf tiruan) untuk melakukan proses evolusi terhadap aturan-aturan pada learning classifier systems atau symbolic production systems. Algoritma Genetik juga digunakan untuk mengkontrol robot. d. Model Ekonomi Algoritma Genetik telah digunakan untuk memodelkan proses-proses inovasi dan pembangunan bidding strategies. e. Model Sistem Imunisasi Algoritma Genetik telah berhasil digunakan untuk memodelkan berbagai aspek pada system imunisasi alamiah, termasuk somatic mutation selama kehidupan individu dan menemukan keluarga dengan gen ganda (multigene families) sepanjang waktu evolusi. f. Model Ekologis Algoritma Genetik telah berhasil digunakan untuk memodelkan fenomena ekologis seperti host-parasite co-evolutions, simbiosis dan aliran sumber daya dalam ekologi. g. Interaksi antara Evolusi dan Belajar Algoritma Genetik telah digunakan untuk mempelajari bagaimana proses belajar suatu individu bisa memperngaruhi proses evolusi suatu spesies dan sebaliknya. 1.2 Permasalahan Sebelum membahas masalah mtsp, terlebih dahulu akan dibahas sedikit mengenai TSP. Pada umumnya TSP menyangkut seorang salesman ( m = 1 ) yang harus meninggalkan kota awal untuk mengunjungi tepat sekali semua kota dan kembali lagi ke kota awal. Tetapi dengan hanya menggunakan 1 salesman rute perjalanan yang dilalui akan menjadi sangat panjang, oleh karena itu dibutuhkan salesman lebih dari 1 untuk meminimalkan rute perjalanan, hal inilah yang disebut 2

3 mtsp. Permasalahnya adalah bagaimana membuat rute perjalanan yang optimal untuk seluruh salesman menggunakan Algoritma Genetik. 1.3 Batasan Masalah Batasan masalah penulisan tugas akhir ini adalah sebagai berikut : a. Jumlah salesman lebih dari 1 ( m > 1 ) sebagai masukan. b. Jumlah kota lebih dari jumlah salesman ( n > m ), dan batas maksimal sampai dengan n kota sebagai masukan. Batas kota minimal 10 dan maksimal 500 kota c. Jumlah generasi (iterasi) minimal 5 generasi d. Area dengan koordinat ( pixel 100 x 100 ) e. Persentase pada seleksi f. Jumlah kota yang dapat dikunjungi oleh tiap salesman minimal 3 kota dan maksimal 25 kota 1.4 Rumusan Masalah Permasalahan yang akan dibahas dalam tugas akhir ini adalah bagaimana membuat system aplikasi untuk mengetahui rute perjalanan yang optimal dengan menggunakan Algoritma Genetik. Permasalahan tersebut dapat dirinci sebagai berikut : Bagaimana membuat aplikasi yang mengimplementasikan algoritma genetik untuk mendapatkan rute perjalanan yang optimal dalam masalah mtsp Bagaimana menampilkan hasil keluaran dari aplikasi kedalam bentuk tampilan dilayar Bagaimana membaca hasil keluaran dari aplikasi 1.5 Spesifikasi Adapun program atau aplikasi yang nantinya akan dibuat adalah dengan spesifikasi sebagai berikut : 3

4 Input Jumlah salesman Jumlah kota Jumlah kota yang bisa dikunjungi oleh tiap salesman Jumlah generasi Koordinat kota (x,y) ataupun secara random Proses Inisialisasi suatu populasi yang terdiri dari kromosom yaitu berupa urutan kota dan salesman Evaluasi setiap kromosom berdasarkan nilai fitness ( kota yang terdekat untuk salesman ) Pilih kromosom untuk crossover yang didasari pada nilai fitness, hanya nilai fitness yang terbaik yang akan digunakan untuk generasi berikutnya Lakukan crossover dari kromosom yang terpilih Lakukan mutasi pada kromosom (untuk memperluas daerah pencarian) Mengevaluasi nilai fitness pada pada tiap kromosom pada populasi yang baru ( terus-menerus sampai ditemukan nilai fitness terbaik ) Jika fungsi fitness telah ditemukan dalam populasi yang baru maka STOP, atau ulangi lagi dari langkah ketiga Output Rute perjalanan yang optimal untuk masing-masing salesman Software System Operasi Window XP Aplikasi Visual Basic Tujuan Penulisan Tugas Akhir Tujuan penulisan tugas akhir ini adalah : Mendapatkan rute perjalanan yang optimal untuk masing-masing salesman. 4

5 1.7 Metodologi Penelitian Metodologi penelitian yang digunakan untuk membuat tugas akhir ini adalah : a. Penelitian pustaka atau literatur, yaitu mempelajari referensi yang berhubungan dengan algoritma genetik yang mempunyai tiga proses utama yaitu seleksi, perkawinan silang dan mutasi, yang berasal dari buku, majalah, jurnal, serta sumber-sumber yang berasal dari internet. b. Interview, yaitu dengan melakukan wawancara, konsultasi atau tanya jawab dengan orang-orang yang memiliki pengetahuan dan wawasan yang berhubungan dengan topik tugas akhir ini. c. Praktek pemrograman dengan menggunakan bahasa pemrograman visual Basic. 1.8 Sistematika Penulisan Sistematika penulisan tugas akhir ini adalah sebagai berikut : BAB 1. Pendahuluan Berisi latar belakang masalah, permasalahan, batasan masalah, rumusan masalah, spesifikasi, tujuan penulisan, metodologi penelitian dan sistematika penulisan BAB 2. Landasan Teori Berisi dasar teori Algoritma Genetik, proses utama algoritma genetik yaitu seleksi, perkawinan silang dan mutasi. Dasar teori Multiple Traveling Salesman Problem. Multiple Traveling Salesman Problem menggunakan Algoritma genetik. BAB 3. Analisis dan Perancangan Sistem Berisi alasan penggunaan bahasa pemrograman yang digunakan, kebutuhan perangkat keras dan lunak, rancangan masukan dan keluaran program BAB 4. Implementasi dan Analisis Sistem Berisi uraian tentang implementasi rancangan sistem dalam perancanagan dan analisis program serta evaluasi kerja sistem secara keseluruhan 5

6 BAB 5. Kesimpulan dan Saran Berisi kesimpulan dari perancangan implementasi dan evaluasi kerja sistem serta saran untuk pengembangan sistem dimasa yang akan datang. 6