METODE
TRAVELING SALESMAN
UNTUK
MENENTUKAN LINTASAN TERPENDEK PADA
DAERAH-DAERAH YANG TERIDENTIFIKASI
BAHAYA
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA
2010 Oleh : Aisyah Lestari 1206 100 016 Dosen Pembimbing: Subchan, Ph.D 19710513 199702 1 001
AGENDA
PENDAHULUAN
TINJAUAN PUSTAKA
METODE PENELITIAN
PEMBAHASAN DAN HASIL
KESIMPULAN DAN SARAN
DAFTAR PUSTAKA
PENDAHULUAN
LATAR BELAKANG RUMUSAN MASALAH BATASAN MASALAH TUJUAN DAN MANFAAT Traveling Salesman Problem Branch and bound Nearest neighbor
Pada suatu daerah atau negara yang sedang dalam keadaan kurang aman penentuan lintasan terpendek menjadi hal yang cukup penting
PENDAHULUAN
LATAR BELAKANG RUMUSAN MASALAH
BATASAN MASALAH
TUJUAN DAN MANFAAT
Bagaimana menentukan lintasan terpendek menggunakan metode Traveleng Salesman
Problem (TSP) pada daerah-daerah yang diidentifikasi terdapat bahaya sehingga dapat meminimalkan kecelakan atau hal
buruk yang mungkin terjadi.
Bagaimana mensimulasikan lintasan terpendeknya dengan menggunakan software MATLAB. 1
PENDAHULUAN
LATAR BELAKANG RUMUSAN MASALAH
BATASAN MASALAH
TUJUAN DAN MANFAAT
Daerah yang akan didatangi sudah diidentifikasi.
Setiap daerah dikunjungi satu kali.
Daerah yang akan dikunjungi berada di darat.
Tidak ada bahaya yang diprioritaskan.
Diasumsikan seluruh daerah terhubung satu sama
lain dengan jarak antara 2 daerah memiliki nilai yang sama meskipun dengan arah yang berbeda. Misal jarak daerah A ke daerah B sama dengan jarak daerah B ke daerah A.
Simulasi dilakukan dengan menggunakan software
PENDAHULUAN
LATAR BELAKANG RUMUSAN MASALAH BATASAN MASALAH TUJUAN DAN MANFAAT
MANFAAT :
memberikan informasi tentang traveling salesman problem dan diharapkan dapat digunakan dalam aplikasi kehidupan sehari-hari baik oleh warga sipil maupun militer yang memerlukan efisiensi waktu dan biaya.
TUJUAN :
menentukan lintasan terpendek dari daerah-daerah berbahaya yang akan dikunjungi sehingga dapat
meminimalkan bahaya yang mungkin terjadi pada daerah tersebut.
TINJAUAN PUSTAKA
TSP dikenal sebagai suatu permasalah optimasi yang bersifat klasik dan
Non-Deterministic Polynomial-time Complete (NPC), dimana tidak ada
penyelesaian yang paling optimal selain mencoba seluruh
kemungkinan penyelesaian yang ada. Permasalahan ini melibatkan
seorang traveling salesman yang harus melakukan kunjungan sekali
pada semua kota dalam sebuah lintasan sebelum dia kembali ke titik awal, sehingga perjalanannya dikatakan sempurna.
Definisi dari Traveling Saleman Problem yaitu diberikan n buah kota
dan Cij yang merupakan jarak antara kota i dan kota j, seseorang ingin
membuat suatu lintasan tertutup dengan mengunjungi setiap kota satu kali. Tujuannya adalah memilih lintasan tertutup yang total jaraknya paling minimum diantara pilihan dari semua kemungkinan lintasan.
Traveling Salesman Problem
Berikut ini adalah bentuk modelnya :
dengan :
n = jumlah kota / lokasi / pelanggan yang akan dikunjungi (n tidak termasuk tempat asal (base), yang diindekkan dengan i = 0).
Cij = biaya / jarak traveling dari kota i ke kota j
A = sepasang arc / edge (i,j) yang ada. Note bahwa (i,j) yang dimaksud adalah arc yang ada dari node i ke node j.
Metode
branch and bound
Langkah-langkah untuk menyelesaikan Metode Branch and Bound:
Misalkan :
1. G = (V,E) adalah graf lengkap TSP. 2. |V|= n = jumlah simpul dalam graf G.
Simpul-simpul diberi nomor 1,2,…,n. 3. Cij = bobot sisi (i,j).
4. Perjalanan berawal dan berakhir di simpul 1.
5. S adalah ruang penyelesaian, yang dalam hal ini
S = {()} S = { (1, π ,1) | π adalah permutasi (2,3,...,n) }.
6. |S|= (n-1)! = banyaknya kemungkinan penyelesaian.
Penyelesaian TSP dinyatakan sebagai X = (1, x1, x2, ..., xn – 1, 1) yang
dalam hal ini xo= xn = 1 (simpul asal = simpul akhir = 1).
Metode
nearest neighbor
Pada metode ini, pemilihan lintasan akan dimulai pada lintasan yang memiliki nilai jarak paling minimum setiap melalui kota, kemudian akan memilih kota selanjutnya yang belum dikunjungi dan memiliki jarak yang paling minimum.
Langkah-langkah untuk menyelesaikan Metode Nearest Neighbor :
1. Buat peta aliran yang menggambarkan letak-letak daerah yang akan dituju beserta jarak antar daerah.
2. Proses pengerjaan dengan melihat daerah dengan jarak terpendek. Setiap mencapai satu daerah, algoritma ini akan memilih daerah selanjutnya yang belum dikunjungi dan memiliki jarak yang paling minimum.
3. Perhitungan nilai optimal dengan menjumlah jarak dari awal sampai akhir perjalanan.
METODE PENELITIAN
1. Studi Pendahuluan
2. Pengambilan dan Pengumpulan Data
3. Penyelesaian
traveling salesman problem
dengan metode
branch and bound
menggunakan software QS
(Quantitative
System)
4. Penyelesaian
traveling salesman problem
dengan metode
nearest neighbor
5. Simulasi dengan MATLAB
6. Penarikan kesimpulan
PEMBAHASAN DAN HASIL
Data yang dikumpulkan adalah merupakan data koordinat yang diperoleh dari Google Earthserta jarak antar daerah yang akan dikunjungi. Dalam tugas akhir ini diambil 3 contoh kota yang akan dihitung lintasan terpendeknya. Dimana pada tiap kota sudah ditentukan daerah-daerah yang terdapat bahaya.
Table 1
Jarak antar daerah pada kota Surabaya (km)
Keterangan : 1 = Gubeng 2 = Airlangga 3 = Kertajaya 4 = Ngagel 5 = Klampis Ngasem 6 = Gebang Putih 7 = Mulyorejo Pengumpulan Data 1 1 2 3 4 5 6 7 1 0 0.689 1.312 1.755 3.381 4.46 3.624 2 0.689 0 0.989 1.846 2.733 3.771 2.975 3 1.312 0.989 0 1.103 2.334 3.683 3.305 4 1.755 1.846 1.103 0 3.191 4.662 4.403 5 3.381 2.733 2.334 3.191 0 1.567 2.169 6 4.46 3.771 3.683 4.662 1.567 0 1.571 7 3.624 2.975 3.305 4.403 2.169 1.571 0
Table 2
Jarak antar daerah pada kota Jakarta (km)
Keterangan : 1 = Tanah Abang 2 = Menteng 3 = Pegangsaan
4 = Gelora Bung Karno 5 = Rawmangun
6 = Tebet 7 = Senayan
8 = Jakarta Selatan
Table 3
Jarak antar daerah pada kota Bandung (km)
Keterangan : 1 = Antapani 2 = Cicaheum 3 = Ciroyom 4 = Arcamanik 5 = Kebon Jeruk 6 = Cibadak 7 = Binong 8 = Ancol 9 = Taman Sari 1 2 3 4 5 7 8 9 1 0 2.385 4.215 2.378 7.953 5.154 3.118 3.964 2 2.385 0 1.936 4.523 5.627 3.897 4.422 4.089 3 4.215 1.936 0 6.071 3.738 2.929 5.446 4.356 4 2.378 4.523 6.071 0 9.725 5.948 1.893 3.774 5 7.953 5.627 3.738 9.725 0 4.788 8.812 7.229 6 5.154 3.897 2.929 5.948 4.788 0 4.502 2.599 7 3.118 4.422 5.446 1.893 8.812 4.502 0 2.032 8 3.964 4.089 4.356 3.774 7.229 2.599 2.032 0 1 2 3 4 5 6 7 8 9 1 0 1.994 7.702 1.533 6.513 6.785 2.727 4.996 6.019 2 1.994 0 6.458 2.489 5.325 5.765 3.396 4.847 4.381 3 7.702 6.458 0 8.838 1.193 1.219 6.099 4.106 2.576 4 1.533 2.489 8.838 0 7.67 8.027 4.261 6.477 6.866 5 6.513 5.325 1.193 7.67 0 0.709 4.955 3.159 1.934 6 6.785 5.765 1.219 8.027 0.709 0 4.968 2.889 2.642 7 2.727 3.396 6.099 4.261 4.955 4.968 0 2.502 5.304 8 4.996 4.847 4.106 6.477 3.159 2.889 2.502 0 4.345 9 6.019 4.381 2.576 6.866 1.934 2.642 5.304 4.345 0
Pengolahan Data
2.1 Jalur Reguler
Yang dimaksudkan jalur reguler disini adalah jalur yang ditempuh secara berururtan dari daerah awal (daerah nomor 1) menuju daerah selanjutnya sampai ke daerah terakhir (kembali ke daerah awal). Berdasarkan tabel 1 – 3 hasil dari perhitungan jalur reguler untuk tiap kota adalah sebagai berikut :
Kota Surabaya = 1 – 2 – 3 – 4 – 5 – 6 – 7 = 12,734 km
Kota Jakarta = 1 – 2 – 3 – 4 – 5 – 6 – 7 – 8 = 35,393 km
Kota Bandung = 1 – 2 – 3 – 4 – 5 – 6 – 7 – 8 – 9 = 43,503 km
2.2 Dengan metode branch and bound menggunakan software QS (Quantitative System)
Pengolahan jarak yang dilakukan adalah menggunakan Software QS (Quantitative System). Berikut adalah hasil yang diperoleh untuk tiap kota :
Surabaya 2
Jakarta
Bandung
2.3 Dengan metode nearest neighbor
Pengolahan jarak yang dilakukan adalah menggunakan metode Nearest Neighbor. Berikut adalah hasil yang diperoleh untuk tiap kota :
Surabaya
Dari hasil perhitungan diatas didapat lintasan terpendeknya adalah 1 – 2 – 3 – 4 – 5 – 6 – 7 – 1 dengan total jarak tempuh sebesar 12,734 km.
Jakarta
Dari hasil perhitungan diatas didapat lintasan terpendeknya adalah 1 – 4 – 7 – 8 – 6 – 3 – 2 – 5 – 1 dengan total jarak tempuh sebesar 27,347 km.
S T J S T J S T J S T J S T J S T J S T J 1 2 0.689 2 3 0.989 3 4 1.103 4 5 3.191 5 6 1.567 6 7 1.571 7 1 3.624 3 1.312 4 1.846 5 2.334 6 4.662 7 2.169 4 1.755 5 2.733 6 3.683 7 4.403 5 3.381 6 3.771 7 3.305 6 4.46 7 2.975 7 3.624 S T J S T J S T J S T J S T J S T J S T J S T J 1 2 2.385 4 2 4.523 7 2 4.422 8 2 4.089 6 2 3.897 3 2 1.936 2 5 5.627 5 1 7.953 3 4.215 3 6.071 3 5.446 3 4.356 3 2.929 5 3.738 4 2.378 5 9.725 5 8.812 5 7.229 5 4.788 5 7.953 6 5.948 6 4.502 6 2.599 6 5.154 7 1.893 8 2.032 7 3.118 8 3.774 8 3.964
Bandung
Dari hasil perhitungan diatas didapat lintasan terpendeknya adalah 1 – 4 – 2 – 7 – 8 – 6 – 5 – 3 – 9 – 1 dengan total jarak tempuh 23,306 km.
Keterangan :
S = start (mulai perjalanan) T = tujuan
J = jarak antara masing-masing daerah
S T J S T J S T J S T J S T J S T J S T J S T J S T J 1 2 1.994 4 2 2.489 2 3 6.458 7 3 6.099 8 3 4.106 6 3 1.219 5 3 1.193 3 9 2.576 9 1 6.019 3 7.702 3 8.838 5 5.325 5 4.955 5 3.159 5 0.709 9 1.934 4 1.533 5 7.67 6 5.765 6 4.968 6 2.889 9 2.642 5 6.513 6 8.027 7 3.396 8 2.502 9 4.345 6 6.785 7 4.261 8 4.847 9 5.304 7 2.727 8 6.477 9 4.381 8 4.996 9 6.866 9 6.019
Rekapitulasi hasil perhitungan jalur yang dilalui
Dari hasil perhitungan traveling salesman dengan metode branch and bound dan metode nearest neighbor pada pembahasan diatas dapat dibuat tabel
rekapitulasinya agar dapat dilihat perbandingannya.
Tabel Rekapitulasi Hasil Perhitungan Jalur yang Dilalui
Tabel Pesentase Efisiensi Penghematan Jarak 3
Kota
Perhitungan jalur (km) Penghematan jarak (km) Reguler Branch and
bound
Nearest
neighbor Reguler - BB Reguler - NN
Surabaya 12,734 11,994 12,734 0,740 0,000 Jakarta 35,393 21,749 27,347 13,644 8,046 Bandung 43,503 20,867 23,306 22,636 20,197
Kota Branch and bound Nearest neighbor
Surabaya 5,811 % 0 % Jakarta 38,549 % 22,733 % Bandung 52,033 % 46,426 %
Simulasi dengan MATLAB
Setelah dilakukan perhitungan dengan metode branch and bound menggunakan software QS (Quantitative System) dan metode nearest neighbor, pada tahap ini dilakukan simulasi dengan menggunakan software MATLAB 7.4 sehingga dapat diketahui gambar lintasan terpendeknya. Form antar muka simulasi dibangun oleh
Graphic User Interface (GUI) yang sudah tersedia dalam perangkat lunak MATLAB 7.4.
Gambar form awal simulasi lintasan terpendek 4
Hasil simulasi untuk kota Surabaya
KESIMPULAN
Kesimpulan yang diperoleh dari hasil dan pembahasan adalah :
1. Jarak terpendek yang diperoleh setelah melakukan perhitungan
dengan metode branch and bound dan metode nearest neighbor
untuk masing-masing lintasan adalah :
2. Penghematan jarak yang diperoleh dari masing-masing metode adalah :
3. Metode branch and bound lebih baik dalam menyelesaikan
permasalahan traveling salesman dibandingkan dengan metode
nearest neighbor.
Kota Metode branch and bound Metodenearest neighbor
Surabaya 11,994 km 12,734 km Jakarta 21,749 km 27,347 km Bandung 20,867 km 23,306 km
Kota Penghematan jarak (km)
Reguler - BB Reguler - NN Surabaya 0,740 0,000 Jakarta 13,644 8,046 Bandung 22,636 20,197
SARAN
Pada Tugas Akhir ini metode yang digunakan untuk
penyelesaian
traveling salesman problem
adalah
metode
branch and bound
dan metode
nearest
neighbor
. Dimana kemungkinan hasil yang didapat
kurang optimal. Diharapkan pada penelitian selanjutnya
dapat menggunakan metode yang lebih optimal untuk
menyelesaikan
traveling salesman problem
.
DAFTAR PUSTAKA
Amin, Rahma Aulia. Dkk, 2006. Traveling Salesman Problem, Bandung: Institut Teknologi Bandung.
<www.informatika.org/~rinaldi/Stmik/Makalah/MakalahStmik30.pdf > Biggs, N. L., dkk. 1976. Graph Theory 1736-1936. New York : Clarendon Press,
Oxford University.
Munir, Rinaldi. 2006. Bahan Kuliah: Algoritma Branch and Bound, Bandung: Institut Teknologi Bandung.
Sarker, A. R., dan Newton C. 2007. Optimization Modeling: A Practical Aproach. Taylor & Francis Group, LLC.
Wahyudi, Agus. 2002. Studi Komparatif Antara Algoritma Genetika dan
Simulated Annealing untuk Menyelesaikan Traveling Salesman Problem. Tugas Akhir, Matematika, Institut Teknologi Sepuluh Nopember, Surabaya. Zuhdi, Mohd. 2009. Kuliah2: Sistem Koordinat.
<www.angelfire.com/mo/zuhdi/Kuliah2.pdf>
www.wikipedia.org/wiki/Google_earth diakses 13 Mei 2010 pukul 14.23 WIB
www.divshare.com/download/3088474-054 diakses 13 Mei 2010 pukul 13.02 WIB