IMPLEMENTASI PENCARIAN SOLUSI OPTIMAL PADA KASUS TRAVELING SALESMAN PROBLEM MENGGUNAKAN METODE BRUTE FORCE DENGAN TEKNIK

EXHAUSTIVE SEARCH
YULIAN SANI 067006030 Jurusan Teknik Informatika, Fakultas Teknik, Universitas Siliwangi Tasikmalaya email : sani_ex_revolution@yahoo.com
ABSTRACT

Traveling Salesman Problem (TSP) is one case in the field of optimization, where a salesman must visit all the sites that exist with the rules of sites visited exactly once and eventually returned to the city first. Although this case means traveling merchant, but its application not only in the case relating to the merchant. In visiting all the sites that exist, there will be many possible routes. Solving problems in the TSP was conducted to find the optimal solution in the form of a route with minimum total mileage. Many ways to find solutions to the TSP, one of them is using brute force method with Exhaustive Search technique. In this research journals will be discussed on case-solving TSP using brute force method with Exhaustive Search Technique, and computation to produce software that can make it easier to find the most optimal solution.
Keywords : Traveling Salesman Problem, TSP, Brute Force, Exhaustive Search, Graph, Shortest Path, Optimization

ABSTRAK Traveling Salesman Problem (TSP) merupakan salah satu kasus dibidang optimasi, dimana seorang Salesman harus mengunjungi seluruh lokasi yang ada dengan aturan lokasi yang dikunjungi tepat satu kali dan pada akhirnya kembali ke kota awalnya. Meskipun kasus ini memiliki arti perjalanan pedagang, namun penerapannya tidak hanya pada kasus yang berhubungan dengan pedagang. Dalam mengunjungi seluruh lokasi yang ada, akan terdapat banyak kemungkinan rute. Pemecahan permasalahan pada TSP ini dilakukan untuk menemukan solusi optimal berupa rute dengan total jarak tempuh paling minimum. Banyak cara untuk menemukan solusi pada TSP, salah satunya adalah menggunakan metode Brute Force dengan teknik Exhaustive Search. Dalam jurnal penelitian ini akan dibahas mengenai pemecahan kasus TSP menggunakan Metode Brute Force dengan Teknik Exhaustive Search, serta mengkomputasikannya untuk menghasilkan perangkat lunak yang dapat mempermudah menemukan solusi yang paling optimal.
Kata Kunci : Masalah Pedagang Keliling, TSP, Brute Force, Exhaustive Search, Graf, Lintasan Terpendek, Optimasi

I. PENDAHULUAN 1.1. Latar Belakang Traveling Salesman Problem (TSP) merupakan kasus seorang Salesman yang harus mengunjungi seluruh lokasi yang ada, dengan aturan lokasi yang dikunjungi tersebut tepat satu kali dan akhirnya kembali ke kota asalnya. Dalam menempuh seluruh lokasi yang ada, akan terdapat banyak kemungkinan rute perjalanan. Kemungkinan rute perjalanan tersebut dinamakan tour, sedangkan hasil suatu tour berupa solusi. Solusi merupakan hasil dari perjalanan kota-kota yang ditempuh. Solusi optimal dari permasalahan TSP adalah rute yang memiliki total jarak lintasan terpendek (shortest path). Dalam kasus TSP terdapat beberapa faktor penting yang dapat mempengaruhi optimasi suatu tour. Faktor-faktor tersebut dapat berupa jarak antar kota, biaya (cost), waktu (time) dan lain-lain. Semakin banyak lokasi yang harus dilalui, semakin besar juga nilai (value) dan wakt yangu harus diterima.

Implementasi TSP digambarkan kedalam sebuah Graf Lengkap Berbobot. Kota dinotasikan sebagai node sedangkan jalan yang memiliki bobot jarak sebagai edge. Graf Lengkap Berbobot adalah graf sederhana (graf tanpa arah) yang setiap nodenya terhubung ke semua node yang lainnya oleh edge yang memiliki nilai. Nilai edge yang digunakan dikonfigurasi menggunakan rumus Euclidean. Klasifikasi Euclidean merupakan sistem koordinat ruangan yang dihitung berdasarkaan nilai koordinat titik. Pemecahan TSP ekuivalen dengan mencari Sirkuit Hamilton terpendek. Sirkuit Hamilton ialah sirkuit yang melalui setiap node dalam graf tepat satu kali, kecuali node asal (sekaligus node akhir) yang dilalui dua kali. Metode Brute Force merupakan metode pencarian dengan kelebihan solusi yang dihasilkan akan selalu bernilai tepat. Penggunaan Metode Brute Force pada kasus TSP dilakukan dengan Teknik Exhaustive Search.

1.2. Rumusan Masalah Permasalahan yang dibahas adalah bagaimana mengimplementasikan kasus TSP menggunakan Brute Force dengan Teknik Exhaustive Search serta mengkomputasikannya untuk menemukan solusi optimal berupa rute atau lintasan dengan nilai total jarak tempuh paling minimum. 1.3. Batasan Masalah Batasan masalah yang dikemukakan agar pembahasannya tidak terlalu meluas antara lain : 1. Penelitian ini dikhususkan untuk mencari solusi optimal berupa rute dengan total jarak tempuh minimum pada kasus TSP menggunakan metode Brute Force dengan Teknik Exhaustive Search 2. Kasus TSP akan digambarkan menjadi sebuah Graf Lengkap Berbobot, lokasi atau tempat digambarkan menjadi sebuah sebuah node sedangkan jarak menjadi edge. 3. Bobot pada edge yang dibahas dalam penelitian ini adalah nilai jarak antar node menggunakan klasifikasi Euclidean. 1.4. Tujuan Penelitian 1. Sebagai materi analisa untuk mengetahui, memahami, dan mengkaji kasus TSP yang digambarkan dengan Graf Lengkap Berbobot dan menggunakan Metode Brute Force dengan Teknik Exhaustive Search 2. Mengaplikasikan kasus TSP kedalam perangkat lunak menggunakan Metode Brute Force dengan Teknik Exhaustive Search untuk mempermudah dalam mendapatkan solusi optimal 3. Memaksimalkan penggunaan komputer sebagai alat bantu dalam mengolah data untuk memberikan informasi yang tepat dan akurat. II. LANDASAN TEORI 2.1. Graf (Graph) A. Konsep Dasar Graf Graf G didefinisikan sebagai pasangan himpunan (V, E), ditulis dengan notasi G = (V, E) yang merupakan pasangan dua himpunan : (1) Himpunan V yang elemennya disebut node, point atau Vertex (2) Himpunan E merupakan pasangan tak terurut dari node, disebut edge, link, arcs.[4] Node pada graf dapat dinomori dengan bilangan asli (1, 2, 3, dst), huruf (a, b, c, dst) atau gabungan keduanya (a1, a2 , a3 , an). Sedangkan edge yang menghubungkan node vi dengan node vj dinyatakan dengan pasangan (vi, vj), maka e dapat ditulis sebagai e = (vi, vj).

Keterangan Gambar : G adalah Graf dengan : V = { a, b, c, d } E = {(a ,b), (a, c), (a, d), (c, a), (c, d), (b, b), (b, d), (d, b)} = { e1 , e2 , e3 , e4 , e5 , e6 , e7 , e8 } B. Terminologi Graf Terminologi graf merupakan istilah yang digunakan pada graf. 1. Lintasan atau Rute (Path) Lintasan yang panjangnya n, dari node awal v0 ke node tujuan v n didalam graf G adalah barisan berselang-seling node-node dan edge-edge yang berbentuk v0 , e1 , v1 , v2 , vn1 , en , vn , sedemikian hingga e1 = ( v0 , v1 ), e2 = ( v1 , v 2 ) , en = ( v n 1 , vn ) adalah edge-edge dari graf G. 2. Graf Berbobot (Weighted Graph) Graf berbobot adalah graf yang setiap edge nya diberi sebuah nilai atau harga (bobot).

Gambar 2.2 : Graf Berbobot[2] 3. Graf Lengkap (Complete Graph) Graf Lengkap adalah graf sederhana yang setiap nodenya mempunyai edge kesemua node lainnya.

Gambar 2.3 : Graf Lengkap [2] 4. Matriks Ketetanggan (Adjacency Matrix) Jika Graf akan diproses menggunakan komputer, maka graf akan dipresentasikan dalam memory dalam bentuk matriks. Dengan Matriks ini elemennya dapat diakses langsung melalui indeks dan dapat dengan mudah menentukan secara langsung apakah node i dan node j bertetanggan. Matriks ini berukuran n x n.[2]
a b c d e

a 12 b 12 9 11 c 9 14 d 11 14 e 10 8 15
(a) (b)

10 8 15

Gambar 2.1 : Graf Dengan Empat Node[10]

Graf 2.4 : (a) Graf Berbobot (b) Adjacency Matrix

5. Lintasan dan Sirkuit Hamilton Lintasan Hamilton ialah lintasan yang melalui setiap node didalam graf tepat satu kali. Bila lintasan itu kembali ke node asal membentuk lintasan tertutup (sirkuit), maka lintasan tertutup itu dinamakan sirkuit Hamilton.

Gambar 2.5 : Penggambaran Graf Hamilton[10] Keterangan Gambar (a) Graf yang memiliki Lintasan Hamilton : (c, b, a, d) (b) Graf yang memiliki Sirkuit Hamilton : (a, b, c, d, a) (c) Graf yang tidak memiliki lintasan maupun Sirkuit Hamilton. 6. Traveling Salesman Problem (TSP) Pada permasalahan ini, ada sebuah kota awal dan sejumlah n kota untuk dikunjungi. Seorang salesman dituntut memulai perjalanan dari kota awal ke seluruh kota yang harus dikunjungi tepat satu kali. Adapun karakteristik dari permasalahan TSP adalah sebagai berikut : Perjalanan berawal dan berakhir di kota yang sama Ada sejumlah kota yang semuanya harus dikunjungi tepat satu kali Perjalanan tidak boleh kembali ke kota awal, sebelum seluruh kota dikunjungi Tujuan dari permasalahan ini adalah meminimumkan total jarak yang ditempuh salesman dengan mengatur urut-urutan kota yang harus dikunjungi 2.2. Metode Brute Force Metode Brute Force merupakan pendekatan yang lempang (straightforward) dalam memecahkan suatu masalah, yang didasarkan pada pernyataan masalah (problem statement) serta mendefinisikan terhadap konsep yang dilibatkan secara langsung. Pemecahan masalah menggunakan Metode Brute Force sangat sederhana, langsung dan jelas (obvious way). Karakteristik pada Algoritma Brute Force : [7] 1. Membutuhkan jumlah langkah yang besar dalam penyelesaian suatu masalah 2. Digunakan sebagai dasar dalam menemukan suatu solusi yang lebih efisien atau kreatif 3. Konsep ini banyak dipilih karena hampir dapat menyelesaikan sebagian besar permasalahan 4. Digunakan sebagai dasar dalam perbandingan kualitas suatu algoritma

2.3. Exhaustive Search Exhaustive Search merupakan teknik pencarian solusi secara Brute Force untuk masalah yang melibatkan pencarian elemen dengan sifat khusus, misalnya dengan objek-objek kombinatorik seperti permutasi, kombinasi, atau himpunan. Strategi pemecahan masalah adalah sebagai berikut : [7] 1. Menyebutkan (Enumerasi) dari daftar (list) disetiap kemungkinan solusi secara sistematis. 2. Mengevaluasi disetiap kemungkinan solusi satu persatu. Kemungkinan beberapa solusi yang tidak layak bisa saja muncul, dan simpan solusi terbaik yang ditemukan sampai proses terakhir (the best solusi found so far). 3. Bila pencarian berakhir, tampilkan solusi terbaik (the winner). 4. membutuhkan waktu dan sumber daya yang besar dalam mencari suatu solusi. 2.4. Visual Basic 6.0 Visual Basic 6.0 adalah bahasa pemrograman windows berbasis grafis GUI (Graphical User Interface). Sifat bahasa pemrograman ini adalah event-driven, artinya pemakai program akan berjalan jika ada respons dari pemakai berupa kejadian tertentu. Visual Basic 6.0 merupakan perkembangan bahasa pemrograman BASIC. 2.5. Microsoft Access Microsoft Access adalah sebuah program aplikasi basis data komputer relasional. Microsoft Access merupakan salah satu software pengolah database yang berjalan dibawah sistem Windows. Microsoft Access merupakan salah satu produk Office dari Microsoft yang dapat menangani database dengan skala besar maupun kecil. III. METODE DAN DATA 3.1. Metode Analisis dan Desain Sistem Pendekatan yang digunakan dalam pembuatan perangkat lunak TSP adalah pendekatan terstruktur secara Topdown menggunakan pemodelan Waterfall.

Gambar 3.1 : Model Waterfall Pemodelan Waterfall merupakan pemodelan yang melakukan pendekatan secara sistematis dan terurut mulai dari level kebutuhan sistem menuju ke tahap analisis, desain, koding, testing dan maintenance.

3.2. Analisis Penelitian Masalah A. Hasil Identifikasi Masalah TSP merupakan contoh kasus yang memiliki permasalahan dibidang optimasi. Optimasi pada suatu penyelesaian fungsi berarti menentukan hasil minimum atau maksimum. Optimasi pada TSP misalnya ketika melakukan perhitungan penjumlahan nilai jarak antara setiap kota yang dikunjungi untuk mendapatkan nilai total dari rute perjalanannya. Setelah nilai total setiap rute didapatkan, maka nilainilai tersebut dibandingkan untuk menentukan solusi yang paling optimal. Solusi Optimal yang ditentukan adalah rute perjalanan yang memiliki total jarak tempuh minimum, dengan melewati sejumlah kota berdasarkan jalur tertentu dan perjalanan diakhiri dengan kembali ke kota awalnya. B. Hasil Identifikasi Titik Keputusan Untuk memudahkan dalam menemukan solusi optimal pada kasus TSP, maka akan dibangun Perangkat Lunak TSP menggunakan Metode Brute Force dengan Teknik Exhaustive Search. Implementasi pemetaan banyaknya kota digambarkan kedalam Graf Lengkap, kota dilambangkan dengan node dan jarak antar kotanya sebagai edge yang menggunakan klasifikasi Euclidean. C. Analisa Kebutuhan Perangkat Lunak Analisa kebutuhan perangkat lunak merupakan tahapan pembahasan dalam menentukan model dan spesifikasi dari perangkat lunak yang akan dibangun. Kebutuhan perangkat lunak yang dibangun meliputi : 1. Analisa Masukan Data a. Jumlah node yang akan digunakan b. Nilai edge (Jarak antara 2 buah node) c. Nilai Skala 2. Analisa Keluaran Data Keluaran yang dihasilkan perangkat lunak TSP adalah Solusi terbaik berupa : a. Lintasan Minimum b. Total jarak tempuh minimum (length) c. Waktu Komputasi yang dilakukan d. Adjacency Matrix 3.3. Perancangan Perangkat Lunak A. Perancangan Sistem Tujuan dari perancangan sistem adalah untuk memenuhi kebutuhan dari pemakai sistem atau pengguna perangkat lunak mengenai gambaran yang jelas dari sistem yang telah diimplementasikan.

Gambar 3.2 : Flowchart Sistem B. Perancangan Model Penyelesaian Nilai edge (jarak) dihitung berdasarkan koordinat node dengan klasifikasi rumus titik Euclidean, n1 = ( x1 , y1 ) dan n2 = ( x2 , y2 )

d = ( x1 x 2 ) 2 + ( y1 y 2 ) 2

d (i, j ) =

( xi x j ) 2 + ( yi y j ) 2

Gambar 3.3 : Flowchart Konfigurasi Edge Algoritma penyelesaiannya untuk kasus TSP seperti yang diimplementasikan kedalam Flowchart Algoritma dibawah ini :

3.5. Pemodelan Fungsional A. Diagram Konteks (Context Diagram)

Perintah atau Data

0 Perangkat Lunak TSP menggunakan Metode Brute Fo rce (Exhaustive Search) Informasi Layar LAYAR

USER

Gambar 3.6 : Topologi Diagram Konteks B. Data Flow Diagram Level 1

PENGGUNA PERANGKAT LUNAK Data 1 Terima Data Data_Node 2 Pengolahan Data Node Nilai Skala, Data_Edge (konfigurasi ulang) Data_Node, Data_Edge, Nilai Skala 3 Pengolahan Data Edge 4 Representasi Graf ke Adjacency Matrix Data_Node, Data_Edge DBTSP Nilai Skala Data_Node, Data_Edge 5 Pencarian Solusi Menggunakan Metode Brute Force (Exhaustive Search) Data_Node, Data_Edge, Nilai Skala

Data_Node, Data_Edge Data_Node

Adjacency Matrix

Timer

SYSTEM TIMER

Solusi Optimal 6 Siapkan Output ke Layar

Gambar 3.4 : Flowchart Enumerasi Lintasan

Adjacency Matrix Solusi Optimal

LAYAR

Gambar 3.7 : Topologi Data Flow Diagram Level 1 C. Pemodelan Status

Gambar 3.8: State Transition Diagram D. Perancangan Database Nama Tabel : DBTSP Fungsi : Menyimpan data node dan data edge setelah proses dilaksanakan Media Penyimpanan : Harddisk
No 1 2 3 4 Nama Field Node X Y Skala Type Integer Text Text Text Size 50 50 50 50 Keterangan Nomor Node Koordinat X Koordinat Y Nilai Skala Graf

Gambar 3.5 : Flowchart Algoritma Pencarian Solusi

Tabel 3.1 : Perancangan Database

IV. HASIL DAN PEMBAHASAN 4.1. Konfigurasi Sistem A. Konfigurasi Perangkat Lunak Konfigurasi Sistem Operasi yang dapat digunakan untuk menjalankan perangkat lunak TSP adalah Windows XP dan Windows Vista. B. Konfigurasi Perangkat Keras Konfigurasi Perangkat keras minimal yang diusulkan untuk menjalankan perangkat lunak TSP adalah sebagai berikut : No Perangkat Keras Spesifikasi 1 Harddisk + 20 gb 2 Memory (Ram) 1024 MB 3 Processor P4 2.66 Ghz 4 Monitor 1028 x 768 Pixel 5 Keyboard Standard 6 Mouse Standard 7 Mainboard Compatible Tabel 4.1 : Usulan Spesifikasi Perangkat Keras 4.2. Pembahasan A. CONTOH 1 : Kasus TSP dengan 4 Kota

Gambar 4.3 : Pemrosesan Contoh 1 Menggunakan Perangkat Lunak TSP

Gambar 4.4 : Waktu Komputasi Contoh 1 SOLUSI yang dihasilkan : Jarak Minimum : 24 Lintasan :42134 Waktu Komputasi 0.015625 detik B. CONTOH 2 : TSP dengan 6 Kota

Gambar 4.1 : Graf Lengkap Berbobot 4 Node 1. Pemecahan Kasus Contoh 1 Titik Awal & Akhir :4 Jumlah Node :4 Enumerasikan Jumlah Tour : (41)! 3x2x1=6 Tour - ke Lintasan Nilai Lintasan 1 4-1-2-3-4 11 + 8 + 2 + 4 2 4-1-3-2-4 11 + 8 + 2 + 4 3 4-2-1-3-4 4+8+8+4 4 4-2-3-1-4 4 + 2 + 8 + 11 5 4-3-1-2-4 4+8+8+4 6 4-3-2-1-4 4 + 2 + 8 + 11 Tabel 4.2 : Tabel Enumerasi Contoh 2 Jarak 25 25 24 25 24 25

Gambar 4.5 : TSP dengan 6 Kota 1. Pemecahan Kasus Contoh 5 Titik Awal & Akhir :6 Jumlah Node :6 Enumerasikan Jumlah Tour : ( 6 1 ) ! = 120
Tour - ke

Solusi terbaik adalah tour ke 3 dan tour ke 5, dengan spesifikasi : Tour [3] : 42134 Jarak Minimum : 24 Tour [4] : 43124 Jarak Minimum : 24 2. Pemrosesan Dengan Perangkat Lunak TSP

1 2 3 4 ... dst

Lintasan 6123456 6124356 6132456 6134256 dst

Nilai Lintasan 12+13+16+21+12+5 12+13+8+21+15+5 12+10+16+8+12+5 12+10+21+8+5+5 dst

Jarak 79 74 63 61 ... dst

Tabel 4.3 : Tabel Enumerasi Contoh 2 Solusi Terbaik sulit ditemukan karena harus mengulang perhitungan Nilai Total Lintasan sebanyak 120 kali.

Gambar 4.2 : Adjacency Matrix untuk Contoh 1

2. Pemrosesan Dengan Perangkat Lunak TSP

B. Analisa Proses Waktu Komputasi 2 Dilakukan uji coba sebanyak 9 kali proses pengulangan dengan jumlah node yang berbeda pada perangkat lunak TSP, dan diperoleh rata-rata waktu komputasi sebagai berikut.
Node (n) 1 2 3 4 5 6 7 8 9 10 11 12 Waktu Proses (Detik) 0 0 0,00002 0,01587 0,01625 0,03137 0,04687 0,06655 0,52537 5 55 485 Keterangan Tidak dilakukan Tidak dilakukan

Gambar 4.6 : Adjacency Matrix untuk Contoh 2

Tabel 4.4 : Tabel Proses Waktu Komputasi

600

Gambar 4.7 : Pemrosesan Contoh 2 Menggunakan Perangkat Lunak TSP

500 400 300 200 100 0 1 2 3 4 5 6 7 8 9 10 11 12

Gambar 4.9 : Grafik Proses Waktu Komputasi Tabel 4.4

Gambar 4.8 : Waktu Komputasi Contoh 2 SOLUSI yang dihasilkan : Jarak Minimum : 55 Lintasan :6314256 Waktu Komputasi : 0.015625 detik 4.3. Hasil Analisa Dilakukan pengujian spesifikasi sebagai berikut No Perangkat Keras 2 Memory (Ram) 3 Processor

Jika menotasikan nilai waktu komputasi n - 1 dengan t n 1 Maka dapat disimpulkan untuk proses waktu komputasi pada perangkat Lunak TSP adalah : n * t n 1 , sehingga kemungkinan waktu untuk node berikutnya (jika tidak terjadi Overflow atau Out of Memory) adalah :
Node (n) Waktu Proses (Detik) 5.820 75.660 1.134.900 18.158.400 Keterangan 12 * 485 Tidak dilakukan 13 * 5.820 Tidak dilakukan 15 * 75.660 Tidak dilakukan 16 * 1.134.900 Tidak dilakukan

dikomputer

dengan

13 14

Spesifikasi 1024 MB P4 2.66 Ghz

15 16

A. Analisa Proses Waktu Komputasi 1 Contoh untuk 19 node, akan ada tour sebanyak 18! dengan hasil 355.687.428.096.000. Jika dengan menganggap bahwa komputer mampu menyelesaikan 1 gb proses per detik maka untuk mencari solusi diperlukan :

Tabel 4.5 : Analisa Kemungkinan Nilai Proses Waktu Komputasi Selanjutnya

355.687.428.096.000 = 355.687,43 detik 1.000.000.000

atau 4,11 hari

V. Kesimpulan dan Saran 5.1. Kesimpulan 1. Perangkat Lunak TSP yang telah dibangun, dapat membantu mempermudah pencarian solusi optimal pada kasus TSP 2. Penggunaan metode Brute Force dengan Teknik CONTOH 3 : Exhaustive Search untuk pemecahaan Kasus TSP akan menghasilkan solusi yang tepat 3. Dalam pengkomputasiannya kedalam bahasa pemrograman, metode Brute Force dengan teknik Exhausitive Search merupakan metode pencarian secara sequential (berurutan), dengan ciri hanya menampilkan sebuah solusi terbaik Gambar 4.10 : Contoh Graf dengan 4 Node saja jika terdapat solusi terbaik dengan nilai yang sama. 4. Penggunaan metode Brute Force dalam Tour - [ke] Lintasan Nilai Lintasan Jarak pemecahan kasus TSP efisien untuk node yang 51 1 4-1-2-3-4 13 + 21 + 13 + 4 jumlahnya sedikit. Untuk yang node-nya 50 2 4-1-3-2-4 13 + 13 + 13 + 11 berjumlah banyak, algoritma ini menjadi sangat 49 3 4-2-1-3-4 11 + 21 + 13 + 4 tidak efisien, karena dengan menelusuri seluruh 50 4 4-2-3-1-4 11 + 13 + 13 +13 kemungkinan rute yang ada akan membutuhkan 49 5 4-3-1-2-4 4 + 13 + 21 + 11 proses waktu yang besar. 51 6 4-3-2-1-4 4 + 13 + 21 + 13 5. Jika Perangkat Lunak TSP digunakan dengan Tabel 4.18 : Enumerasi dari Contoh 13 menggunakan peta sebenarnya, maka solusi yang dihasilkan belum tentu tepat, Karena nilai Ketiga Sirkuit Hamilton yang di dihasilkan keadaan pada lokasi sebenarnya belum tentu sama dengan nilai jarak (edge) yang ada di Perangkat Lunak TSP. 7. Dalam proses komputasinya, penggunaan Metode Brute Force lebih menekankan kepada penggunaan besarnya memory komputer. Jika memory komputer yang digunakan semakin besar, maka waktu komputasi yang dihasilkan (a) Lintasan Tour 1 dan Tour 6 (b) Lintasan Tour 2 dan Tour 4 semakin cepat. 8. Hingga saat ini. kasus TSP menjadi suatu permasalahan yang belum terselesaikan dengan pasti, baik dengan cara optimasi dan matematis. C. Pencerminan Setengah dari rute perjalanan adalah hasil pencerminan dari setengah rute yang lain, yaitu dengan mengubah arah rute perjalanan. 5.2. Saran 1. Penggunaan metode Brute Force pada Kasus TSP kurang efektif karena untuk jumlah node yang banyak proses waktu yang diperlukan besar. Untuk mengatasi hal tersebut maka diperlukan metode lain yang menghasilkan algoritma yang lebih kreatif, seperti : Ant-Colony, Genetic Algorithm, Nearest Neighbour dan lain-lain. 2. Dalam menjalankan perangkat lunak TSP yang telah dibangun ini lebih disarankan dengan menggunakan node yang jumlahnya sedikit. Hal tersebut dilakukan agar proses komputasi yang dibutuhkan tidak terlalu lama (n <= 10 ). 3. Untuk pengembangan perangkat lunak TSP berikutnya, diperlukan media penyimpanan data (database) yang lebih baik, misalnya dapat menyimpan hasil solusi atau mampu menambah ruang sehingga dapat menyimpan data dengan n buah node yang berbeda.

(c) Lintasan Tour 3 dan Tour 5

Gambar 4.11 : Sirkuit Hamilton Berdasarkan

Nilai Lintasan Yang Ditempuh Tour Pencerminan : Gambar 4.11 (a) Tour 1 dan Tour 6, dengan Lintasan 4-1-2-3-4 atau 4-3-2-1-4 Gambar 4.11 (b) Tour 2 dan Tour 4, dengan Lintasan 4-1-3-2-4 atau 4-2-3-1-4 Gambar 4.11 (c) Tour 3 dan Tour 5, dengan Lintasan 4-2-1-3-4 atau 4-3-1-2-4

DAFTAR PUSTAKA
[1]. Aradea, 2008, Diktat Kuliah Rekayasa Perangkat Lunak, Jurusan Teknik Informatika Fakultas Teknik Universitas Siliwangi, Tasikmalaya [2]. Rinaldi Munir, Matematika Diskrit : Edisi Ketiga, INFORMATIKA, Bandung, 2009 FILE [3]. Annisa Zahara, Irfa Dzufarisi, Irman Prasetio U, Siti Nur Sakinah, Wanodya Eka, 2009, TSP menggunakan Algoritma Brute Force IPB, Bogor. FILE : staff.ui.ac.id/internal/132127785/material/lap_ tsp.doc DIAKSES : 8 Juni 2010, Waktu : 13.08 WIB [4]. Budi Setiyono. 2002, Pembuatan Perangkat Lunak Penyelesaian Multi Traveling Salesman Problem, KAPPA (2002) Vol. 3, No.2, 55-65 FILE : www.fmipa.its.ac.id/.../KAPPA%20(2002)%20V ol.%203,%20No.2,%2055-65.doc DIAKSES : 20 Mei 2010, Waktu : 14.12 WIB [5]. D. Suryadi H.S, Pengantar Teori dan Algoritma Graph, Seri Diktat Kuliah, Gunadarma, Jakarta. FILE : http://elearning.gunadarma.ac.id/docmodul/p engantar_teori_dan_algoritma_graph/bab1_ti njauan_umum_tentang_graf.pdf DIAKSES : 15 Mei 2010, Waktu : 16.28 WIB [6]. M. Auriga Herdinantio, 2007. Perbandingan Penerapan Algoritma Brute Force Dan Algoritma Deep First Search Dalam Persoalan Pedagang Keliling, Makalah IF2251 Strategi Algoritmik, Teknik Informatika Institut Teknologi Bandung File : www.informatika.org/.../2007.../Makalah2008/ MakalahIF2251-2008-075.pdf DIAKSES : 15 Mei 2010, Waktu : 16.28 WIB [7]. Rinaldi Munir, 2004, Strategi Algoritmik, Diktat Kuliah Teknik Informatika ITB, Bandung FILE : kur2003.if.itb.ac.id/file/transbahan%20Kuliah%2 0ke-1.doc DIAKSES : 20 Mei 2010, Waktu : 13.57 WIB kur2003.if.itb.ac.id/file/transbahan%20Kuliah% 20ke-2.doc [8]. Roger S. Pressman. 1997, Ph. D, Software Engineering : A Practitioners Approach (Fourth Edition), McGraw-Hill Series in Computer Science [9]. Wendi Arif Kurniato, Tora Fahrudin & Arinto Hardono. Consumption Brute Force Algorithm in TSP Problem, Teknik Informatika Sekolah Tinggi Teknologi Telkom, Bandung FILE : journal.ui.ac.id/upload/pendingJurnalpdf/tes% 20rename%202.pdf DIAKSES : 30 Mei 2010, Waktu : 16.04 WIB [10]. Widya Maulina. 2008, Aplikasi Pendekatan Dynamic Programming pada Traveling Salesman Problem, Universitas Sumatera Utara Repository, Medan FILE : repository.usu.ac.id/bitstream/123456789/1404 4/1/09E01399.pdf DIAKSES : 1 Juni 2010, Waktu : 12.18 WIB