Penyelesaian Travelling Salesman Problem (TSP) Menggunakan Algoritma Hill Climbing dan MATLAB

Muhammad Irfan

Abstract


Abstrak. Travelling Salesman Problem (TSP) adalah permasalahan dimana seorang salesman harus mengunjungi semua kota yang mana tiap kota hanya dikunjungi sekali, dan harus kembali ke kota asal. Masalah utama yang dihadapi sebuah TSP adalah bagaimana mencari rute terpendek dari perjalanan seorang salesman dengan biaya minimum. Penelitian ini bertujuan untuk mengetahui penyelesaian masalah TSP dengan menggunakan algoritma Hill Climbing baik Simple Hill Climbing (SHC) maupun Steepest-Ascent Hill Climbing (SAHC). Berdasarkan hasil kajian teori yang dilakukan, dapat disimpulkan bahwa algoritma Hill Climbing dapat digunakan untuk menyelesaikan TSP. Algoritma Hill Climbing dalam menyelesaikan masalah TSP yaitu: menentukan initial state, melakukan pengujian panjang lintasan, melakukan kombinasi penukaran dua kota, dan kemudian melakukan pengujian terhadap nilai heuristiknya. Penyelesaian masalah TSP dengan menggunakan algoritma Hill Climbing masing-masing mempunyai karakteristik yang berbeda-beda. Dalam menyelesaikan masalah TSP, SHC memilih keadaan yang lebih baik tanpa melakukan pengujian dikombinasi pertukaran kota pada iterasi yang sama. Sedangkan SAHC membandingkan keadaan yang lebih baik sebelum memilih keadaan tersebut sebagai new state. Selanjutnya untuk membantu proses komputasi pada saat menyelesaikan TSP, dibuat sebuah program dengan model algoritma Hill Climbing menggunakan MATLAB. Program yang terbentuk memberikan solusi berupa rute perjalanan yang disajikan dalam bentuk diagram.

Kata kunci: Algoritma, Hill Climbing, Travelling Salesman Problem

Abstract. (Completion of Traveling Salesman Problem (TSP) Using the Hill Climbing and MATLAB Algorithms) Traveling Salesman Problem (TSP) is a problem where a salesman must visit all cities where each city is visited only once, and he/she must return to the hometown. The main problem facing a TSP is how to find the shortest route of a sales trip with minimum cost. This study aims to determine the solution of TSP problems using Hill Climbing algorithm both Simple Hill Climbing (SHC) and Steepest-Ascent Hill Climbing (SAHC). Based on the result of the theoretical study, it can be concluded that Hill Climbing algorithm can be used to solve TSP. Hill Climbing algorithm in solving TSP problem is: determining initial state, conducting track length test, performing combination of two city exchanges, and then testing the heuristic value. TSP problem solving using Hill Climbing algorithm each have different characteristics. In solving the TSP problem, SHC chooses a better state, without performing tests in combination of city exchanges on the same iteration. While SAHC compares the situation better before choosing the state as a new state. Furthermore, to assist the computing process when completing the TSP then made a program model Hill Climbing algorithm using MATLAB language. The program is formed to provide solutions in the form of travel routes presented in the form of diagrams.

Keywordsi: Algorithm, Hill Climbing, Travelling Salesman Problem



References


Aulia Rahma Amin, Mukhammad Ikhsan, Lastiko Wibisono. Travelling Salesman Problem. Penelitian. ITB. 2004.

Brian R Hunt, Ronald L Lipsman, Jonathan M Rosenberg. A Guide to MATLAB for Beginners and Experienced Users. Cambridge: University Press. 1995.

Edhy, Susanta. Teori dan Praktek Pemrograman Turbo Pascal. Yogyakarta: Graha Ilmu. 2005.

Ferdian, Filman. “Penyelesaian Travelling salesman Problem dengan Algoritma Heuristik”. Penelitian. Institut Teknologi Bandung. Bandung. 1971.

Hamdy Taha. Riset Operasi. Jilid satu. Jakarta: Binarupa Aksara. 1996.

Irfan, M. Penyelesaian Travelling Salesman Problem (TSP) Menggunakan Algoritma Hill Climbing. Doctoral dissertation, UNY. 2011.

Kallrath, Julia. Online Storage Systems and Transportation Problems with Applications. Boston: Springer Science , Business Media, Inc. 2005.

Karris, Steven T. Circuit Analysis with MATLAB Applications. California: Orchard Publications. 2003

Ruhul Amin Sarker, Hussein Aly Abbas, Charles Newton. Heuristics and Optimization for Knowledge Discovery. United States: Idea Group Publishing. 2002.

Russel, Stuart., Norvig, Peter. Artificial Intellegence: A Modern Approach. New York: Prentice Hall, Inc. 1995.

Sri Kusumadewi, Hari Purnomo. Penyelesaian Masalah Optimasi Menggunakan Teknik-teknik Heuristik. Yogyakarta: Graha Ilmu. 2005.

Suyanto, Artificial Intellegence Searching, Reasoning, Planning, and Learnig. Bandung: Informatika. 2007.

Wahid, F. Dasar–dasar Algoritma dan Pemrograman. Yogyakarta: Penerbit Andi. 2004.

I. Fadhillah, Y. Permanasari, E. Harahap. Representasi Matriks untuk Proses Crossover Pada Algoritma Genetika untuk Optimasi Travelling Salesman Problem. Jurnal Matematika, Universitas Islam Bandung. Vol. 16, No. 1, Mei 2017.

Respitawulan. Properti Eigen Untuk Graf k-Regular Tak Terhubung. Jurnal Matematika, Universitas Islam Bandung. Vol. 16, No. 2, Desember 2017.




DOI: https://doi.org/10.29313/jmtm.v17i1.3090

Refbacks

  • There are currently no refbacks.


Copyright (c) 2018 Matematika

ISSN : 1412-5056 | E-ISSN 2598-8980  

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License

Indexed by: