Welcome to Scribd. Sign in or start your free trial to enjoy unlimited e-books, audiobooks & documents.Find out more
Download
Standard view
Full view
of .
Look up keyword
Like this
9Activity
0 of .
Results for:
No results containing your search query
P. 1
Aplikasi Hybrid Genetic Algorithm Dengan Fuzzy Logic

Aplikasi Hybrid Genetic Algorithm Dengan Fuzzy Logic

Ratings: (0)|Views: 403|Likes:
Published by Sugi Arto
jurnal
jurnal

More info:

Published by: Sugi Arto on Oct 07, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

07/13/2014

pdf

text

original

 
ProsidingSeminar Nasional Sains dan Teknologi-II 2008Universitas Lampung, 17-18 November 2008
 APLIKASI HYBRID GENETIC ALGORITHM 
DENGAN
 FUZZY LOGIC CONTROLLER
: PADA
TRAVELING SALESMAN PROBLEM 
 (STUDI KASUS: RUTE TRUK SAMPAH DI KOTA BANDAR LAMPUNG)Admi Syarif dan Ardiansyah
 Jurusan Matematika, FMIPA, Universitas Lampung Bandar Lampung, 35145
ABSTRAK
Adalah hal yang lazim, ketika kita ingin mengunjungi beberapa kota, kitaberupaya mencari rute yang harus dilalui dengan total jarak tempuh terpendek.Persoalan ini dikenal dengan
Traveling Salesman Problem
(TSP). Untuk persoalanyang relatif kecil, TSP sepertinya mudah diselesaikan. Namun demikian untuk persoalan dengan jumlah kota yang besar, TSP sangat sulit untuk diselesaikan.Sepengetahuan kami, hingga kini belum ada peneliti yang dapat melaporkan metodeyang menjamin menghasilkan nilai optimal untuk sembarang masalah dalam waktusecara polynomial. TSP dikenal sebagai salah satu persoalan NP-
 complete
. Padapenelitian ini h-GA akan juga dikombinasikan dengan
Fuzzy Logic Controller 
untuk melakukan
auto-tuning
parameter. Selanjutnya akan dilakukan penerapan metode inipada aplikasi dunia nyata yaitu penentuan rute pengangkut sampah yang ada di kotaBandar Lampung.
Keywords:
Optimisasi, Fuzzy Logic Controller, Genetic Algorithm
 Traveling Salesman Problem
1. PENDAHULUAN
Sejak diperkenalkan
Traveling Salesman Problem
(TSP) telah menjadi salah satu persoalanyang banyak diaplikasikan pada berbagai persoalan dunia nyata. Hingga saat ini telahdilaporkan aplikasi TSP diantaranya pada persoalan perencanaan pembangunan, perencanaanproduksi, rute pengambilan surat dari kotak pos, rute pengisian uang pada ATM, rute patrolipolisi, rute pesawat terbang dsb. Secara mudah, TSP dideskripsikan sebagai persoalan untuk menentukan lintasan yang harus dilalui ketika mengunjungi beberapa kota hingga diperoleh jarak tempuh terpendek. Meskipun TSP sepertinya mudah dipaparkan, akan tetapi sangat sulituntuk diselesaikan terutama untuk persoalan dengan jumlah kota yang besar. Hingga kini belumada suatu metode eksak yang dapat menjamin menghasilkan nilai optimal untuk sebarangmasalah dalam waktu secara polynomial. TSP dikarakteristikan kedalam kelas NP-
 complete
[3].Berdasarkan hal tersebut, banyak peneliti lebih memusatkan kepada pengembangan metode-metode pendekatan (
heuristic
seperti
simulated annealing
[4], algoritma semut (
 Ant Algorithm
)[5] dan
Tabu seach
[6].
ISBN : 978-979-1165-74-7 II-266
 
 
ProsidingSeminar Nasional Sains dan Teknologi-II 2008Universitas Lampung, 17-18 November 2008
Pada penelitian kami terdahulu, telah dikembang suatu metode baru berbasis Genetic Algorithmkembangannya, ternyata TSP merupakan persoalan yang telah sangat banyak diaplikasikan padaberbagai persoalan dunia nyata. Karenanya pengembangan metode yang efisien untuk penyelesaian TSP menjadi sangat penting.Dilihat dari namanya akan sangat mudah diketahui bahwa Algoritma Genetika (GeneticAlgorithm (GA)) adalah suatu metode yang meniru mekanisme pada proses evolusi. GAdiperkenalkan oleh Holland pada tahun 1975 [7]. Kemudian, bererapa ahli mempopulerkan GAdiantaranya Goldberg [8], Fogel [9], Michalewicz [10] dan Gen [11, 12]. GA biasanyadigunakan untuk menyelesaiak persoalan yang tidak dapat atau sulit diselesaikan metode-metode eksak. Salah satu keuntungan pemanfaatan GA adalah adanya fleksibilitas untuk dikombinasikan dengan metode lain (hybrid) [8]. Dalam perkembangannya GA telah diujimampu memberikan solusi optimal dari persoalan optimisasi diantaranya:
Scheduling
[13]
 ,Vehicle Routing
[12]
 , Transportasi
dan
Supply Chain
[14-16]
 , , Location Allocation
[17] dsb.Salah satu masalah pada apliksi GA, adalah penentuan nilai parameter yang dapat memberikansolusi optimal. Untuk mengatasi hal ini, pada penelitian kami terdahalu kami melaporkanpenggunaan logika fuzzy (
Fuzzy Logic Controller 
) untuk melakukan
automatic fine-tuning
 terhadap nilai parameter GA [20, 21].Didasari oleh latar belakang tersebut diatas, pada penelitian ini, kamimengimplementasikan suatu ide orisinal kami (metode pencarian local:
local search
 
technique
)dan
Fuzzy Logic Controller 
yang digabungkan pada GA untuk mencari solusi optimalkhususnya untuk TSP. Metode yang kami kembangkan ini diujikan pada contoh persoalanstandard
(Benchmark test problems
) yang ada pada literatur.Untuk dapat menunjukan kontribusi langsung dari penelitian ini, pada penelitian tahunkedua akan dilakukan penelitian lapangan pada truk pengangkut sampah di kota BandarLampung. Penelitian akan dimulai dengan menginventarisir tempat pengambilan sampah danrute-rute yang saat ini dilalui oleh masing-masing truk pengangkut sampah di setiap kelurahanyang ada pada kota Bandar Lampung. Output dari penelitian ini diharapkan memberikaninformasi yang bermanfaat untuk institusi Pemda Bandar Lampung khususnya dalam kaitannyadengan efisiensi biaya dan waktu.
3. MODEL TSP
Andaikan
==
tidak; jika0dilaluikotake kotadarirute jika1
,
 ji x
 ji
 
 ji
 ji
 kotakekotadari jarak 
,
=
Model matematika TSP adalah sebagai berikut:
ISBN : 978-979-1165-74-7 II-267
 
 
ProsidingSeminar Nasional Sains dan Teknologi-II 2008Universitas Lampung, 17-18 November 2008
= =
=
nin j ji ji
 x x z
11,,
)(min
,
ij
……………………..………….(1)
n j x
n jii ji
...,,2,1,1t.s,
;1,
==
=
………………………………...(2)
,1;
1,1,2,...,
nij jji
 xi
=
= =
n
……………………………..….(3)Dengan
n
adalah jumlah kota..Pada model diatas, fungsi tujuannya adalah meminimumkan total jarak atau totalbiaya perjalanan. Pembatas (2) dan (3) menunjukan bahwa setiap kota hanya dikunjungi satukali.
2. GENETIC ALGORITHM2.1. Struktur GA
Genetic Algorithm
(GA) adalah suatu metode yang meniru mekanisme pada proses evolusi.Proses evolusi ini dilakukan pada sekumpulan kandidat sulusi (
chromosome
) dengan mengikutiprisip seleksi natural yang dikembangkan oleh Darwin [11]. Berbeda dengan algoritma biasadimana pencarian solusi hanya dimulai dengan satu solusi yang mungkin, GA melakukanpencarian sekaligus atas sejumlah kandidat salusi (
chromosome
) yang dikenal dengan istilahpopulasi (
 population
).
Secara umum proses stuktur dasar GA digambarkan sebagai berikut:
P
(
)
(
)
 M 
(
)
P
(
)
0
t+1
P
(
) +
(
)
encoding chromosomecrossover mutasi Evaluasiselection
Populasibaru
 
Solusi
10101010101110111011001010111011001011101100101010101110111000110110011100110001
...
00110 100100110 100110
decodingNilai fitnesssolusi
110010111010111010100011001001
...
roulette wheel
encoding chromosomecrossover mutasi Evaluasiselection
Populasibaru
 
Solusi
10101010101110111011001010111011001011101100101010101110111000110110011100110001
...
00110 100100110 100110
decodingNilai fitnesssolusi
110010111010111010100011001001
...
roulette wheel
 
Gambar 2.
Struktur dasar GA
ISBN : 978-979-1165-74-7 II-268
 

Activity (9)

You've already reviewed this. Edit your review.
Rudolf Abrauw liked this
1 thousand reads
1 hundred reads
K.R.Raguram liked this
Farraz Albana liked this
sularso2007 liked this
Christin Budiono liked this
Firas Jaber liked this
lirid liked this

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->