BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Transkripsi

1 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 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

2 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 20!/2 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]

3 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 Bagaimana menentukan jarak optimum antar SKPD di Pemerintah Kota Medan pada aplikasi TSP menggunakan Algoritma Genetik. 1.3 Batasan Masalah Agar permasalahan yang akan diteliti lebih terfokus kepada masalah penelitian yang akan diteliti maka penulis membuat beberapa batasan masalah antara lain yaitu: a. Penggambaran node-node dalam bentuk posisi x dan y. b. Parameter yang digunakan adalah ukuran populasi, peluang crossover, peluang mutasi, maksimum generasi dan, panjang kromosom (jumlah gen). c. Bersifat Simetri, dimana jarak yang didapat dari node 1 ke node 2 sama dengan jarak dari node 2 ke node 1. d. Bahasa pemrograman yang digunakan adalah Microsoft Visual C# Tujuan Penelitian Menerapkan konsep dan cara kerja Algoritma Genetik pada aplikasi Traveling Salesman Problem untuk menentukan rute terpendek antar SKPD di Pemerintah Kota Medan.

4 4 1.5 Manfaat Penelitian Manfaat yang diharapkan pada penelitian ini adalah: a. Diharapkan dapat menjadi acuan dalam hal pencarian best fitness dalam penyelesaian TSP. b. Diharapkan dapat membantu Staf Bagian Perlengkapan dan Aset dalam penentuan rute terpendek antar SKPD di Pemerintah Kota Medan. 1.6 Metodologi Penelitian Dalam penelitian ini, tahapan-tahapan yang akan dilalui adalah sebagai berikut: 1. Studi Literatur Metode ini dilaksanakan dengan melakukan studi kepustakaan yang relevan serta mencari buku-buku maupun artikel-artikel atau e-book dan juga journal international yang berhubungan dengan Algoritma Genetik dan Traveling Salesman Problem yang didapat melalui internet, Serta Bahasa Pemrograman C#. 2. Analisis dan Perancangan Sistem Tahap ini digunakan untuk mengolah data dari hasil studi kepustakaan kemudian melakukan analisis sehingga menjadi suatu informasi. Proses ini meliputi pembuatan algoritma program, UML, flowchart sistem, rancangan aplikasi, dan pembuatan user interface aplikasi. 3. Implementasi Sistem Menerapkan Algoritma Genetik untuk menyelesaikan Traveling Salesman Problem ke dalam aplikasi komputer yang sedang dirancang. 4. Pengujian Aplikasi Menguji apakah aplikasi yang dibuat telah berhasil berjalan sesuai dengan keinginan dan melakukan perbaikan kesalahan jika masih terdapat error pada aplikasi.

5 5 5. Dkumentasi Tahap akhir dari penelitian yang dilakukan, yaitu membuat kesimpulan dan laporan tentang penelitian yang telah dilakukan. 1.7 Sistematika Penulisan Sistematika penulisan dari skripsi ini terdiri dari: BAB 1 : PENDAHULUAN Bab ini menjelaskan mengenai latar belakang pemilihan judul skripsi Implementasi Algoritma Genetik Untuk Menyelesaikan Masalah Traveling Salesman Problem (Studi Kasus: Satuan Kerja Perangkat Daerah Kota Medan, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metode penelitian dan sistematika penulisan. BAB 2 : LANDASAN TEORI Bab ini membahas teori-teori yang berkaitan dengan Graf, Traveling Salesman Problem dan algoritma Genetik. BAB 3 : ANALISIS DAN PERANCANGAN Bab ini akan membahas mengenai analisis kebutuhan sistem yang meliputi analisis pengenalan, analisis algoritma dan perancangan sistem. BAB 4 : IMPLEMENTASI DAN PENGUJIAN Bab ini menjelaskan kriteria yang dibutuhkan agar aplikasi yang dirancang berjalan dengan baik dan pengujian kinerja dari aplikasi tersebut. BAB 5 : KESIMPULAN DAN SARAN Bab ini memuat kesimpulan dari uraian bab-bab sebelumnya dan hasil penelitian yang diperoleh. Bab ini juga memuat saran yang diharapkan dapat bermanfaat untuk pengembangan selanjutnya.