Penyelesaian Traveling Salesman Problem wit Job Times (TSPJ) menggunakan algoritma genetika

Rahmawati, Dwi Ayu (2025) Penyelesaian Traveling Salesman Problem wit Job Times (TSPJ) menggunakan algoritma genetika. Sarjana thesis, UIN Sunan Gunung Djati.

Preview	Text 1_cover.pdf Download (556kB) | Preview
Preview	Text 2_abstrak.pdf Download (698kB) | Preview
	Text 3_skbebasplagiarism.pdf Restricted to Repository staff only Download (166kB)
Preview	Text 4_daftarisi.pdf Download (717kB) | Preview
Preview	Text 5_bab1.pdf Download (675kB) | Preview
	Text 6_bab2.pdf Restricted to Registered users only Download (983kB)
	Text 7_bab3.pdf Restricted to Registered users only Download (987kB)
	Text 8_bab4.pdf Restricted to Registered users only Download (963kB)
	Text 9_bab5.pdf Restricted to Registered users only Download (683kB)
	Text 10_daftarpustaka.pdf Restricted to Registered users only Download (674kB)
	Text 11_lampiran.pdf Restricted to Repository staff only Download (2MB)

Abstract

Dalam sistem logistik modern, optimasi rute menjadi aspek krusial. Traveling Salesman Problem (TSP), yaitu penentuan rute terpendek yang mengunjungi setiap lokasi sekali dan kembali ke titik awal, telah berkembang ke berbagai varian. Salah satunya adalah Traveling Salesman Problem with Job Times (TSPJ), yang menambahkan waktu pemrosesan di setiap titik kunjungan, mencerminkan kondisi riil seperti distribusi bahan baku dan penjadwalan pesanan dalam sektor food and beverage. Kompleksitas ini menjadikan TSPJ sebagai masalah NP-Hard. Penelitian ini mengimplementasikan algoritma metaheuristik Algoritma Genetika yang dimodifikasi untuk menyelesaikan TSPJ. Perubahan dilakukan pada mekanisme crossover dan mutasi agar sesuai dengan karakteristik waktu pengerjaan, dengan tujuan meminimalkan total waktu penyelesaian. Algoritma ini, dikombinasikan dengan inisialisasi NNHX dan perbaikan 2-Opt, dievaluasi pada instance TSPLIB dengan ukuran node kecil, sedang, dan besar. Hasil menunjukkan pada instance kecil algoritma cepat mencapai solusi optimal, sementara pada ukuran sedang muncul fluktuasi hasil dengan waktu komputasi lebih tinggi. Pada ukuran besar, makespan (Cmax) dan waktu komputasi meningkat signifikan. Penerapan 2-Opt konsisten meningkatkan kualitas solusi meski menambah waktu komputasi. Secara keseluruhan, pendekatan ini efektif menghasilkan solusi kompetitif, terutama pada ukuran kecil dan sedang, dengan trade-off antara kualitas dan efisiensi.

Actions (login required)

View Item