Implementasi Firefly Algorithm-Tabu Search Untuk Penyelesaian Traveling Salesman Problem
Abstract: Traveling Salesman
Problem (TSP) adalah masalah optimasi kombinatorial klasik dan memiliki peran
dalam perencanaan, penjadwalan, dan pencarian pada bidang rekayasa dan
pengetahuan (Dong, 2012). TSP juga merupakan objek yang baik untuk menguji
kinerja metode optimasi, beberapa metode seperti Cooperative Genetic Ant System
(CGAS) (Dong, 2012), Parallelized Genetic Ant Colony System (PGAS) Particle
Swarm Optimization and Ant Colony Optimization Algorithms (PSO–ACO) (Elloumi,
2014), dan Ant Colony Hyper-Heuristics (ACO HH) (Aziz, 2015) telah dikembangkan
untuk memecahkan TSP. Sehingga, pada penelitian ini diimplementasikan kombinasi
metode baru untuk meningkatkan akurasi penyelesaian TSP. Firefly Algorithm (FA)
merupakan salah satu algoritma yang dapat digunakan untuk memecahkan masalah
optimasi kombinatorial (Layeb, 2014). FA merupakan algoritma yang berpotensi
kuat dalam memecahkan kasus optimasi dibanding algoritma yang ada termasuk
Particle Swarm Optimization (Yang, 2010). Namun, FA memiliki kekurangan dalam
memecahkan masalah optimasi dengan skala besar (Baykasoğlu dan Ozsoy, 2014).
Tabu Search (TS) merupakan metode optimasi yang terbukti efektif untuk
memecahkan masalah optimasi dengan skala besar (Pedro, 2013). Pada penelitian
ini, TS akan diterapkan pada FA (FATS) untuk memecahkan kasus TSP. Hasil FATS
akan dibandingkan terhadap penelitian sebelumnya yaitu ACOHH. Perbandingan
hasil menunjukan peningkatan akurasi sebesar 0.89% pada dataset Oliver30, 0.14%
dataset Eil51, 3.81% dataset Eil76 dan 1.27% dataset KroA100.
Penulis: Riyan Naufal Hay's
Kode Jurnal: jptinformatikadd170418
