Implementasi Algoritma Genetika dan Google Maps API Dalam Penyelesaian Traveling Salesman Problem with Time Window (TSP-TW) Pada Penjadwalan Rute Perjalanan Divisi Pemasaran STMIK El Rahma
Abstract
Divisi pemasaran STMIK El Rahma memiliki permasalahan dengan penjadwalan rute kunjungan ketika harus melakukan perjalanan multi destinasi ke sekolah-sekolah untuk melakukan promosi. Perjalanan multi destinasi dengan mempertimbangkan waktu kunjungan merupakan permasalahan Travelling Salesman Problem with Time Windows (TSP-TW). Algoritma Genetika merupakan salah satu metode pencarian yang dapat digunakan untuk memberikan rute perjalanan yang optimal. Rekomendasi yang diberikan tidak hanya mempertimbangkan jarak tetapi juga waktu tempuh didapatkan menggunakan Google Maps API. Skenario pengujian yang dilakukan adalah pengujian banyak generasi optimal, pengujian banyak populasi optimal, pengujian kombinasi probabilitas crossover (Pc) dan proabilitas mutasi (Pm), serta pengujian konsistensi solusi yang dihasilkan Algoritma Genetika. Hasil pengujian menunjukan bahwa jumlah individu terbaik adalah 150 individu dalam satu populasi. Kriteria berhenti jika setelah 127 generasi berturut-turut didapatkan nilai fitness tertinggi yang tidak berubah dan kombinasi probabilitas crossover dan probabilitas mutasi yang paling optimal adalah {0.3 : 0.7}.
Downloads
References
Risdwiyanto, A. & Kurniyati, Y. (2015). Strategi Pemasaran Perguruan Tinggi Swasta di Kabupaten Sleman Yogyakarta Berbasis Rangsangan Pemasaran. Jurnal Maksipreneur, Vol. 5, No. 1, pp. 1—23.
Kramer, O. (2017). Genetic Algorithm Essentials. Cham, Switzerland: Springer International Publishing.
Jacobson, L. & Kanber, B. (2015). Genetic Algorithms in Java Basics. Berkeley, California: Apress Media.
Priandani, N.D. & Mahmudy, W.F. (2015). Optimasi Travelling Salesman Problem With Time Windows (TSP-TW) pada Penjadwalan Paket Rute Wisata di Pulau Bali Menggunakan Algoritma Genetika. Prosiding Seminar Nasional Sistem Informasi Indonesia, pp. 259—266.
Kumari, J. & Dubey, A.K. (2016). A Review Paper on Genetic Algorithm. International Journal of Advance Research in Computer Science and Management Studies. Vol. 4, No. 7, pp. 122—125.
Shita, R.T. & Subandi. (2017). Implementasi Algoritma Genetika Pada Aplikasi Pemetaan Distribusi Barang Berbasis Web. Jurnal Telematika MKOM, Vol. 9, No. 3, pp. 114—118.
Sholeh, M., Widyastuti, N. & Pratama, M. (2017). Google Map for Implementation of Geographic Information System Development Search Location SMEs. International Journal of Engineering Research & Technology, Vol. 6, No. 2, pp. 501—504.
Abrori, M. & Setiyani, N. (2015). Implementasi Algoritma Best-First Search (BeFS) Pada Penyelesaian Traveling Salesman Problem (TSP) (Studi Kasus: Perjalanan Wisata di Kota Yogyakarta). Jurnal Fourier, Vol. 4, No. 2, pp. 93—111.
Hutami, D.W. & Mahmudy, W.F. (2017). Implementasi Algoritma Nearest Insertion Heuristic dan Modified Nearest Insertion Heuristic Pada Optimasi Rute Kendaraan Pengangkut Sampah (Studi Kasus: Dinas Kebersihan dan Pertamanan Kota Malang). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, Vol. 1, No. 2, pp. 95—99.
Mahmudy, W.F. (2014). Improved Simulated Annealing for Optimization of Vehicle Routing Problem with Time Windows (VRPTW). Kursor Journal, Vol. 7, No. 3, pp. 109—116.
Samana, E., Prihandono, B. & Noviani, E. (2015). Aplikasi Simulated Annealing Untuk Menyelesaikan Travelling Salesman Problem. Bimaster, Vol. 03, No. 1, pp. 25—32.
Purnia, D.S. & Riana, D. (2016). Pencarian Rute Terpendek Perjalan Promosi Marketing Menggunakan Algoritma Genetika dan Algoritma Greedy. Informatika, Vol. 3, No. 2, pp. 299—313.
Sivanandam, S.N. & Deepa, S.N. (2008). Introduction to Genetic Algorithms, 1ed. Berlin: Springer-Verlag Berlin Heidelberg.
Dincer, A. & Uraz, B. (2013). Google Maps JavaScript API Cookbook. Birmingham: Packt Publishing.
Copyright (c) 2019 Teknika
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
