Skripsi

IMPLEMENTASI ALGORITMA GENETIKA PADA PENYELESAIAN TRAVELLING SALESMAN PROBLEM STUDI KASUS GARUDA EXPRESS DELIVERY (GED)

Penulis BINTORO, AGUS
Jenis

Skripsi

Tahun

2018

Kode

451/UB/FT-Inf/19

Bahasa

Ind

Skripsi Tersedia
Unduh Laporan

IMPLEMENTASI ALGORITMA GENETIKA PADA PENYELESAIAN TRAVELLING SALESMAN PROBLEM STUDI KASUS GARUDA EXPRESS DELIVERY (GED)

#14.043.025

Pengarang: BINTORO, AGUS

Pembimbing Pertama: Syariful Alim,S.Kom., M.Cs.

Jenis: Skripsi

Penerbit: Surabaya: UBHARA - FT INF

Tahun Terbit: 2018

Bahasa: Ind

Kode: 451/UB/FT-Inf/19

No. Klasifikasi: 005.1 Bin i

Jenis Karya: S1


Jenis

Skripsi

Tahun

2018

Status

Tersedia

Kode

451/UB/FT-Inf/19

Deskripsi Fisik

ixiii, 73 hal; 30 cm

Kata Kunci

Algoritma Genetik Fitness GED Jalur Terpendek Optamasi TSP

Anotasi

ABSTRAK dalam kegiatan distribusi sehari-hari, GED sebuah perusahaan bidang jasa pengiriman. selalu berkaitan dengan para kurir sebagai perantara. dimana setiap kurir akan mengirimkan paket ke beberapa tempat yang berbeda. tentunya meraka (kurir) ingin segera menyelesaikan tugasnya, dengan mencari atau menetukan jalur yang dilewati agar mempersingkat pekerjaan dan kembali ke kantor kemudian membuat laporan. kasus ini disebut travelling selesman problem, yang dapat dipecahkan dengan beberapa metode. salah satunya adalah dengan optimasi algoritma genetika. metode algoritma genotika dapat memberikan solusi permasalahan tersebut dengan memberikan inputan (masukan) dari beberapa alamat yang akan mereka (kurir) distribusikan. kemudian imputan tersebut akan diolah dengan beberapa tahap mulai dari inisialisasi, seleksi, crossover, mutasi dan regenerasi. hasilnya kemudian ditampilkan dalam bentuk grafik yang menghubungkan alamat-alamat pengirim. hasil penelitian , didapatkan rute tercepat dengan maksimal 10 titik atau alamat pengiriman, yang dapat digunakan kurir dalam distribusinya. pada penelitian ini, nilai objek merupakan nilai panjang ruas jalan yang diambil dari google map. dengan aturan pemberhentian atau term condition yang menyebutkan bahwa nilai fitnes terkecil dan terbesar harus sama atau 60% fitness dari populasi algoritma genetika menunjukan fitnes terbesar. aturan ini akan memberikan hasil yang sama dan akurat meskipun jumlah generasi yang dihasilkan berbeda.

Di-entri: 10 March 2020 04:54