Skripsi

Aplikasi Asymmetric Traveling Salesman Problem (ATSP) menggunakan algoritma Grey Wolf Optimizer (GWO) / Meivita Dwi Cahyani

Abstrak
vi RINGKASAN Cahyani Meivita Dwi. 2019. Aplikasi Asymmetric Traveling Salesman Problem (ATSP) Menggunakan Algoritma Grey Wolf Optimizer (GWO) . Skripsi Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Malang. Pembimbing Darmawan Satyananda S.T M.T. Kata Kunci Grey Wolf Optimizer GWO Asymmetric Traveling Salesman Problem ATSP TSP Asymmetric Traveling Salesman Problem (ATSP) merupakan salah satu varian dari TSP suatu permasalahan optimasi dimana seorang salesman diharuskan mengunjungi semua titik (pelanggan) dari satu titik awal. Jarak antara titik A ke titik B dan titik B ke titik A tidak selalu sama dan setiap titik hanya boleh dikunjungi tepat satu kali dengan titik berangkat yang sama dengan titik akhir pemberhentian. Salesman dituntut untuk meminimalkan jarak tempuh sehingga diperlukan cara tertentu agar didapat rute perjalanan terpendek. Terdapat sejumlah algoritma eksak maupun heuristik untuk penyelesaian permasalahan ATSP salah satunya yakni Grey Wolf Optimizer (GWO). GWO merupakan algoritma meta-heuristic yang dicetuskan oleh Mirjalili et. al. pada tahun 2014. Algoritma ini terinspirasi dari cara berburu dan hirarki sosial segerombolan serigala abu-abu. Model matematika hasil adaptasi dari hirarki sosial serigala abu-abu yang diangkat dalam GWO yakni serigala alpha dianggap sebagai solusi teroptimal lalu serigala beta sebagai solusi terbaik kedua dan serigala delta sebagai solusi terbaik ketiga. Sedangkan mangsa yang diburu serigala dianggap sebagai titik awal dan akhir / depot. Oleh karena itu dilakukan penelitian untuk mengetahui performa GWO dalam menyelesaikan permasalahan ATSP dengan bantuan aplikasi. Dalam pelaksanaan penelitian dipilih metode waterfall yang terdiri dari beberapa tahapan yakni Requirement Analysis System Design Implementation Verification serta Maintenance. Aplikasi berbasis desktop dibuat menggunakan software Borland Delphi 7 untuk mempemudah penelitian. Untuk mengetahui kinerja GWO pada ATSP digunakan data uji yang bersumber dari TSPLIB-ATSP dengan kode br17 ftv38 ftv44 ftv47 ftv55 dan ftv64. Hasil implementasi program dibandingkan dengan algoritma serupa untuk data yang sama yakni Genetic Algorithm (GA) dan Bat Algorithm (BA). Dari hasil perbandingan data uji didapati bahwa rata-rata error GWO sebesar 10.38% lebih besar dibandingkan dengan BA yang sebesar 4.63%. Namun rata-rata error GWO lebih kecil dibandingkan dengan GA yang mencapai 12.5%. Sehingga dibutuhkan pengembangan lebih lanjut terhadap algoritma GWO agar performa yang didapat lebih baik dalam menyelesaikan permasalahan ATSP pada khususnya dan permasalahan-permasalahan lainnya.

Informasi Detail

DDC

Rs 518.1 CAH a

Prodi

Universitas Negeri Malang. Program Studi Matematika, 2019.

Deskripsi Fisik

xv, 41 lembar: ill., tab.; 30 cm

Bahasa

Indonesia

No Reg

03483/KI/19

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2019

Subjek

1. ALGORITMA
2. ALGORITHMS

Pembimbing

1. Darmawan Satyananda

Lampiran Berkas