ABSTRAK
Travelling salesman problem merupakan permasalahan bagaimana seorang salesman dapat mengatur rute perjalananannya untuk mengunjungi sejumlah kota yang diketahui jarak satu kota dengan kota lainnya sehingga jarak yang ditempuh merupakan jarak minimum dimana salesman hanya dapat mengunjungi kota tersebut tepat satu kali. Untuk menyelesaikan masalah TSP banyak metode optimasi yang dapat digunakan salah satunya yaitu algoritma genetika. Algoritma genetika merupakan algoritma yang metode pencariannya sama seperti mekanisme evolusi biologi. Crossover merupakan salah satu operator pada genetika dimana proses menukar sebagian gen pada kromosom induk pertama dengan sebagian gen pada kromosom induk kedua untuk membentuk kromosom baru. Metode crossover yang digunakan dalam menyelesaikan masalah travelling salesman problem salah satunya yaitu partially mapped crossover (PMX) dimana proses mapping pada PMX yaitu menentukan variasi dari pertukaran gen pada kromosom yang mempengaruhi pencapaian best fitness pada 2 kromosom. Pada penelitian ini variasi dari PMX variasi I dirancang menggunakan titik posisi yang acak sedangkan pada PMX variasi II dirancang dengan menggunakan perubahan pada daerah mapping. Pengujian pada penelitian ini menggunakan data dari Travelling Salesman Problem Library (TSPLIB). Hasil penelitian menunjukkan bahwa PMX yang dirancang dengan menggunakan posisi titik potong yang acak dapat menghasilkan best fitness yang lebih baik dibandingkan dengan PMX yang dirancang dengan mengubah posisi daerah pemetaan and jika dibandingkan dengan PMX bentuk umum yang posisi titik potong sama.
ii
ANALYSIS MAPPING OF PARTIALLY MAPPED CROSSOVER IN GENETIC ALGORITHM FOR TRAVELLING
SALESMAN PROBLEM
ABSTRACT
Traveling salesman problem is the problem how salesman can set tour to visit a number of cities which known distance of the city with other cities so that the distance is the minimum distance where the salesman can only visit the city exactly once. To resolve TSP problem, there are many optimization methods that can be used one of them which is a genetic algorithm. Genetic algorithm is an algorithm which have same search method as a mechanism of biological evolution. Crossover is a genetic operator which the process of exchanging some genes on chromosome first parent with the majority of genes in the two parent chromosomes to form a new chromosome .One of the crossover method used in solving traveling salesman problem is partially mapped crossover ( PMX ),where the process mapping of PMX are determines the variation exchange of genes on chromosomes that affect the achievement of best fitness on 2 chromosome. In this study the first variation (PMX variation I) is designed using random point position while in the second variation (PMX variation II) is designed by using the change in the mapping area. Testing in this study using data from the Travelling Salesman Problem Library (TSPLIB). The result obtained that PMX which designed by using randomly cut position have best fittness better than PMX is designed by changing the position of the mapping area and if it compared with the general form of PMX with the same position cut point.
