PERBANDINGAN METODE PARTICLE SWARM OPTIMIZATION (PSO) DAN MODIFIED PARTICLE SWARM OPTIMIZATION (MPSO) PADA PERMASALAHAN TRAVELLING SALESMAN PROBLEM

• Main Author: CHOIRUL HEIDI TEGARNUGRAHA, 081411631032
• Format: Theses and Dissertations NonPeerReviewed
• Language: Indonesian; Indonesian
• Published: 2018
• Subjects: Q Science; QA76.9.S88 System analysis and System design
• Online Access: http://repository.unair.ac.id/77829/1/ST%20SI%2027-18%20TEG%20P%20-%20ABSTRAK.pdf; http://repository.unair.ac.id/77829/2/ST%20SI%2027-18%20TEG%20P%20-%20FULLTEXT.pdf; http://repository.unair.ac.id/77829/; http://www.lib.unair.ac.id
• Institution: Universitas Airlangga

Travelling Salesman Problem (TSP) adalah suatu permasalahan dimana seorang salesman harus mengunjungi seluruh kota dan kembali ke kota awal dengan jalur yang minimal. Masalah utama pada TSP adalah mendapatkan kombinasi urutan jalur yang mempunyai jarak terpendek. Pada penelitian ini, dilakukan perbandingan algoritma Particle Swarm Optimization (PSO) dan Modified Particle Swarm Optimization (MPSO) dalam menyelesaikan masalah TSP. MPSO adalah pengembangan dari algoritma PSO yang telah dimodifikasi pada prosedur langkah algoritmanya. Data TSP yang digunakan meliputi : Data Kecil (5 kota), Data Sedang (45 kota) dan Data Besar (100 kota). Dari penyelesaian TSP dengan PSO dan MPSO dihasilkan penyelesaian data TSP dengan jumlah iterasi dan partikel yang berbeda. Hasil dari penyelesaian TSP dengan PSO dan MPSO dibandingkan untuk mencari kemampuan perhitungan jarak PSO dan MPSO. Pada permasalahan data kecil algoritma PSO dan MPSO relatif seimbang dalam pencarian jarak terpendek dan algoritma PSO dan MPSO berhasil mencapai solusi optimal. Sedangkan pada permasalahan data sedang dan data besar, algoritma MPSO menghasilkan jarak yang lebih baik daripada algoritma PSO. Kemudian pada pencarian solusi optimal data sedang, algoritma MPSO memiliki persentase kedekatan hasil 78% yang lebih baik daripada algoritma PSO yang memiliki persentase kedekatan hasil 131%. Pada data besar, algoritma MPSO memiliki persentase kedekatan hasil 266% yang lebih baik daripada algoritma PSO yang memiliki persentase kedekatan hasil 281%. Sehingga dapat disimpulkan bahwa pada pencarian solusi optimal data sedang dan data besar, algoritma MPSO menghasilkan jarak yang lebih dekat dengan solusi optimal daripada algoritma PSO.