Implementasi Algoritma Cheapest Insertion Heuristic (CIH) dalam Penyelesaian Travelling Salesman Problem (TSP) | 您所在的位置:网站首页 › cheapest insertion point › Implementasi Algoritma Cheapest Insertion Heuristic (CIH) dalam Penyelesaian Travelling Salesman Problem (TSP) |
JOIN (Jurnal Online Informatika) Volume 3 No. 1 | Juni 2018 : 61-67 DOI: 10.15575/join.v3i1.218
Implementasi Algoritma Cheapest Insertion Heuristic (CIH) dalam Penyelesaian Travelling Salesman Problem (TSP) 1 2 3 Rio Guntur Utomo , , Cecep Nurul Alam Dian Sa’adillah Maylawati 1 University of Southampton, United Kingdom 2 Sekolah Tinggi Teknologi Garut, Indonesia 3 Asia E University, Malaysia 1 2 3 [email protected], [email protected], [email protected]
Abstract- Traveling salesman problem (TSP) is the problem of a salesman to visit the city of each city connected to each other and there is the weight of travel between the cities so as to form a complete weighted graph. Departing from a certain initial city, a salesman had to visit (n-1) another city exactly once and return on the initial city of departure. The purpose of TSP is to find the route of all cities with minimum total weight.Many algorithms have been found to solve the TSP, one of which is the Cheapest Insertion Heuristic (CIH) algorithm in the process of inserting weighted steps obtained from the equation c (i, k, j) = d (i, k) + d (k, j) - d (i, j). This algorithm provides different travel routes depending on the order of insertion of cities on the subtour in question.In this final project, the writer took the problem of distribution route of mineral water of al-ma'some 240 ml cup type, with vehicle capacity to meet 1200 carton and have different customer / agent demand that is the distance of depot and agent far from each other, distribution costs.Keywords- Traveling Salesman Problem (TSP), Cheapest Insertion Heuristic (CIH), demand. Abstrak- Travelling salesman problem (TSP) adalah permasalahan seorang salesman untuk mengunjungi kota n dari masing-masing kota terhubung satu sama lain dan terdapat bobot perjalanan antar kota tersebut sehingga membentuk suatu graf lengkap berbobot. Berangkat dari suatu kota awal tertentu, seorang salesman harus mengunjungi (n-1) kota lainnya tepat satu kali dan kembali pada kota awal keberangkatan. Tujuan TSP adalah mencari rute perjalanan semua kota dengan total bobot minimum. Banyak algoritma yang telah ditemukan untuk menyelesaikan TSP, salah satunya algoritma Cheapest Insertion Heuristic (CIH) dalam pengerjaannya melakukan langkah bobot penyisipan yang diperoleh dari persamaan c(i,k,j) = d(i,k) + d(k,j) – d(i,j). Algoritma ini memberikan rute perjalanan yang berbeda tergantung dari urutan penyisipan kota-kota pada subtour yang bersangkutan.Pada pembahasan tugas akhir ini penulis mengambil permasalahan rute distribusi Air mineral al- ma’some jenis cup 240 ml, dengan mempunyai kapasitas kendaraan memenuhi 1200 karton dan memiliki demand pelanggan/agen yang berbeda yaitu jarak depot dan agen yang saling berjauhan, hal ini menyebabkan tingginya biaya distribusi.Kata Kunci : Traveling Salesman Problem (TSP), Cheapest Insertion Heuristic (CIH), demand. PENDAHULUAN I. Ma’soem Muawanah termasuk kedalam permasalahanVRP (Vehicle Routing Problem) VRP merupakan Perencanaan transportasi erat kaitannya dengan permasalahan optimasi penentuan rute dengan penentuan rute kendaraan yang efisien untuk menghemat keterbatasan kapasitas kendaraan. Ada satu buah depot ongkos operasional yang dikeluarkan oleh perusahaan. dan beberapa agen untuk dikunjungi dengan demand Rute kendaraan yang efektif dan efisien akan yang dapat berbeda-beda, dan dibatasi dengan mempermudah dan memperlancar proses distribusi[1], kapasitas kendaraan sebesar 1200 karton sehingga [2]. kendaraan pengangkut diharapkan dapat memenuhi Air mineral PT. Al- permintaan dari tiap-tiap agen[3][4][5]. Ma’soem Muawanah adalah sebagai obyek penelitian untuk menentukan jalur Permasalahan ini bisa disebut dengan Travelling distribusi dikarenakan jarak antara depot dengan agen Salesman Problem (TSP) yakni pencarian rute optimum yang saling berjauhan, Dan hal tersebut yang dalam suatu perjalanan yang mencari jarak terpendek menyebabkan tingginya biaya distribusi pada saat untuk mencapai tempat tujuan agen yang akan dikunjungi melakukan pengiriman. Kesulitan yang dialami PT. Al- semuanya dan setiap tempat agen hanya sekali Makalah dikirim: 29 Juni 2018; Revisi: 30 Juni 2018; Diterima: 30 Juni 2018; Publish: 30 Juni 2018 61 – d(i,j). Algoritma ini memberikan rute perjalanan yang berbeda tergantung dari urutan penyisipan kota- kota pada subtour yang bersangkutan dan algoritma cheapest5 1 2 132 1 3 217 1 4 164 1 5 58 2 3 290 2 4 201 2 79 Sebagai contoh diberikan 5 kota dengan jarak antar kota seperti tertera dalam Tabel 1. 3 4 113 3 5 303 4 5 196 Untuk mencari jarak terpendek melalui ke 5 kota tersebut sebagaimana terdapat dalam Tabel 3.1, ambil langkah-langkah sebagai berikut: 1. Ambil perjalanan dari kota 1 ke 5, 2. Buat subtour →(1,5) → (5,1), 3. Buat tabel yang menyimpan kota yang bisa disisipkan dalam subtour beserta tambahan jaraknya, seperti ditampilkan dalam Tabel 2. Tabel 2. ArcPenambah Subtour ke 1 [4] Arc Yang Akan Diganti Arc Yang Ditambahkan Ke Subtour Tambahkan Jarak (1,5) (1,2) - (2,5) = 153 (1,5) (1,3) = 462 (1,5) (1,4) = 302 Tabel 1. Jarak Antar Kota [4] Kota Asal Kota Tujuan Jarak Langkah 1: Penulusuran dimulai dari sebuah lokasi pertama yang dihubungkan dengan sebuah lokasi terakhir. Langkah 2 : Bangun subtour antara 2 lokasi tersebut. Yang dimaksud adalah perjalanan dari lokasi pertama dan berakhirr dilokasi pertama. Langkah 3: Ganti salah satu arah hubunngan (arc) dari 2 lokasi dengan kombinasi 2 arc yaitu arc (I,j) dengan arc (I,k), dan arc (k,j), dengan k diambil dari lokasi yang belum masuk subtour dan dengan tambahan jarak terkecil. Langkah 4: Lakukan langkah 3 sampai seluruh lokasi masuk ke dalam subtour. Insertion Heuristic (CIH): Heuristic (CIH) dalam proses pencarian optimasi rute JOIN (Jurnal Online Informatika) ISSN 2527-1682 (Print) ISSN 2527-9165 (Online) Implementasi Algoritma Cheapest Insertion Heuristic (CIH) dalam Penyelesaian Travelling Salesman Problem (TSP) 62 dikunjungi[6]. Penelitian ini digunakan Algoritma Cheapest Insertion Heuristic untuk menentukan rute kendaraan yang harus dilalui agar diperoleh jarak tempuh yang minimal atau terpendek[4][7]. Algoritma CIH adalah Algoritma Insertion yang pada setiap penambahan kota baru yang akan disisipkan ke dalam subtour mempunyai bobot penyisipan paling minimal. Bobot penyisipan diperoleh dari persamaan c(i,k,j) = d(i,k) + d(k,j) insertion heuristic ini baik digunakan untuk kasus TSP dengan jumlah kota yang besar. Tujuan yang ingin dicapai dalam penelitian di PT. Al- Ma’soem Muawanah adalah, dapat menerapkan Algoritma Cheapest Insertion untuk pendistribusian air mineral PT. Al- Ma’some Muawanah. Berikut ini merupakan pembatasan masalah yang digunakan dalam penelitian: 1. Data jarak, data ini didapatkan dari hasil pemetaan melalui koordinat (Latitude dan Longtitude) pada google maps yang diambil dari alamat seluruh agen wilayah pengiriman Eksternal air mineral PT. Al- Ma’soem Muawanah. 2. Titik depot (titik nol) berada pada koordinat -6.935242, 107.743846 Jalan Cikalang No. 168, Cimekar - Cileunyi, Bandung. II. METODE PENELITIAN A.Identifikasi Masalah PT. Al- Ma’soem Muawanah sampai saat ini masih mengalami kesulitan dalam menentukan jalur distribusi air mineral keseluruh agen, hal ini dikarenakan jarak antara depot dengan agen yang berjauhan, permasalahan tersebut yang menyebabkan tingginya biaya distribusi pada saat melakukan pengiriman air mineral ke seluruh agen. Sampai saat ini PT. Al- Ma’soem Muawanah belum memiliki metode khusus dalam menentukan jalur distribusi, salah satu cara untuk meminimasi biaya distribusi adalah dengan memperpendek jarak tempuh kendaraan ke tiap-tiap lokasi pengiriman, dengan jalur terpendek tersebut maka biaya distribusi air mineral dapat lebih murah. Untuk menyelesaikan kesulitan yang dihadapi PT. Al- Ma’soem Muawanah dalam menentukan jalur distribusi, diperlukan suatu metode yang dapat menyelesaikan masalah pendistribusian dengan cara menentukan rute distribusi terpendek, sehingga dapat menghasilkan rute distribusi yang lebih cepat, dan dapat mengurangi biaya distribusi [8]. B. Studi Literatur Permasalahan yang dialami PT. Al- Ma’soem Muawanah dalam menentukan rute distribusi termasuk kedalam permasalahan VRP (Vehicle Routing Problem)[9]. Vehicle Routing Problem (VRP) adalah suatu permasalahan pengiriman/distribusi yang melibatkan sekumpulan rute kendaraan-kendaraan yang berpusat pada satu depot atau lebih untuk melayani pelanggan yang tersebar diberbagai wilayah pengiriman dengan permintaannya masing-masing Pada permasalahan ini, ada satu buah depot dan sejumlah 34 agen untuk dikunjungi dengan demand yang dapat berbeda-beda, dan dibatasi dengan kapasitas kendaraan sebesar 1200 Karton. Persoalan distribusi ini dapat diselesaikan dengan menggunakan metode heuristik yang didalamnya terdapat beberapa metode, metode yang dapat digunakan adalah algoritma Cheapest Insertion Heuristic (CIH)[10], Berikut adalah langkah-langkah yang harus dilakukan untuk penggunaan algoritma Cheapest – (3,5)– (4,5) JOIN | Volume 3 No. 1 | Juni 2018 : 61-67 (1,3) dan arc (3,4), sehingga subtour baru yang dihasilkanArc Yang Arc Yang Tambahkan Jarak Akan Ditambahkan adalah: →(1,3) →(3,4)→(4,2) →(2,5) →(5,1). Dari langkah-langkah tersebut diatas dapat Diganti Ke Subtour diperoleh lintasan terpendek untuk mengunjungi 5 kota (5,1) (5,2) = 153 – (2,1) adalah →(1,3) →(3,4) → (4,2) → (2,5) →(5,1) seperti(5,1) (5,3) = 462 – (3,1) terlihat pada Gambar 1.(5,1) (5,4) – (4,1) = 302 Dari Tabel 2 diperoleh tambahan jarak terkecil apabila:Arc (1,5) diganti dengan arc (1,2) dan arc (2,5) atau arc (5,1) diganti dengan arc (5,2) dan arc (2,1) dari kemungkinan tersebut, bisa dipilih salah satu. Misal dipilih kemungkinan pertama maka subtour yang baru menjadi: →(1,2) →(2,5) →(5,1) 4. Selanjutnya dibuat tabel yang menyimpan kota yang bisa disisipkan dalam subtour beserta Gambar 1. Lintasan Terpendek antar 5 Kota tambahan jaraknya, seperti ditampilkan dalam Dengan lintasan tersebut diperoleh jarak Tabel 3. tempuhnya adalah: Tabel 3. Arc Penambah Subtour ke 2 [4] c13 + c34 + c42 + c25 + c51 = 132 + 113 + 201 + 79 Arc Arc Yang Tambahkan Jarak 58 = 668Yang Ditambahkan Akan Ke Subtour Dengan menggunakan kasus 5 kota dengan jarak seperti Diganti tertera pada tabel 3.4 diperoleh lintasan →(1,3) →(3,4) (1,2) (1,3) - (3,2) = 375 →(4,2) →(2,5) →(5,1). Lintasan tersebut sama dengan yang tertera pada hasil hitungan manual pada Gambar 1. (1,2) (1,4) – (4,2) = 233 Jarak lintasan adalah 668. (2,5) (2,3) C. – (3,5) = 514 Perancangan Sistem 1.Use Case Diagram Pada bagian use case diagram ini menjelaskan apa (2,5) (2,4) – (4,5) = 318 yang akan dilakukan oleh aplikasi yang akan dibangun dan siapa saja yang akan berinteraksi dengan aplikasi.(5,1) (5,3) – (3,1) = 462 diagram menjadi aktifitas pengguna. Bisa dilihatUse case pada Gambar 2. (5,1) (5,4) = 302 – (4,1) Dari Tabel 3.3 diperoleh tambahan jarak terkecil adalah 233 dengan menggantikan arc(1,2) dengan arc(1,4) dan arc(4,2), sehingga subtour baru yang dihasilkan adalah: →(1,4) →(4,2) →(2,5) →(5,1).5. Karena masih ada kota yang belum masuk, perlu dibuat tabel yang menyimpan kota yang bisa disisipkan dalam subtour beserta tambahan jaraknya, seperti ditampilkan dalam Tabel 4. Gambar 2. Use Case Diagram Tabel 4. Arc Penambah Subtour ke 3 [4] Pada Gambar 2 Use Case Diagram terdapat satu hak Arc Arc Yang Tambahkan Jarak akses atau actor yaitu admin, actor admin ini menjadi Yang Ditambahkan aktifitas pengguna system melakukan menu-menu yang Akan Ke Subtour ada dalam aplikasi seperti menu proses hitung rute, dan Diganti kelola pelanggan/agen. (1,4) (1,3) - (3,4) = 166 (4,2) (4,3) – (3,2) = 202 2.Activity Diagram (2,5) (2,3) – (3,5) = 514 Activity diagram pada aplikasi pencarian rute (5,1) (5,3) = 462 – (3,1) terpendek distribusi Air mineral PT. Al-Ma’soem Muawanah dirancang seperti Gambar 3 dan 4 dibawah ini Dari Tabel 4 diperoleh tambahan jarak terkecil : adalah 166 dengan menggantikan arc (1,4) dengan arc 63 JOIN (Jurnal Online Informatika) ISSN 2527-1682 (Print) ISSN 2527-9165 (Online) Gambar 5. Sequence Diagram proses hitung jalur Pada Gambar 5 Squence diagram proses hitung jalur Gambar 3. Activity Diagram kelola Pelanggan terlihat bahwa user akan memilih menu utama, memilih pelanggan, kemudian system akan menampilkan form search untuk pilihan pelanggan, asal dan tujuan. Kemudian Pengguna dapat memilih proses hitung menggunakan algoritma CIH dan tampilan perhitungan atau hasil perhitungan maka system akan menampilkan rute terpendeknya di peta. Gambar 4. Activity Diagram Proses Perjalanan/hitung rute Gambar 6. Sequence Diagram kelola Pelanggan Pada Gambar 6 Sequence diagram Kelola Pelanggan terlihat bahwa user memilih menu kelola/mengatur data pelanggan, proses dikelola dalam source code pelanggan_model yang berfungsi seperti menambahkan, menghapus, dan mengupdate data pelanggan baru ataupun lama, kemudian akan muncul notifikasi simpan dengan otomatis masuk ke dalam database. 4. Class Diagram Class diagram memberikan gambaran pemodelan elemen-elemen class serta fungsi dan relasinya dengan class lain dalam sebuah sistem. Terdapat enam class pada aplikasi ini yaitu class main, config_model, map_model, Gambar 5. Activity Diagram Konfigurasi pelanggan_model, Database, Pelanggan. Relasi antar class pada perancangan perangkat lunak ini ditunjukan pada 3. Sequence DiagramGambar 7 berikut ini: Sequence diagram ini menjelaskan secara detail proses yang dilakukan dalam sistem untuk mencapai tujuan dari use case pada Gambar 6, dan 7 beberapa sequence diagram antara lain : 64 Implementasi Algoritma Cheapest Insertion Heuristic (CIH) dalam Penyelesaian Travelling Salesman Problem (TSP) JOIN | Volume 3 No. 1 | Juni 2018 : 61-67 Gambar 8. Graf wilayah bandung Langkah 2: system melakukan perjalanan ke-1 ke dalam bentuk table dengan kapasitas kendaraan 1200 karton, sebagai contoh dapat dilihat pada tabel 5. Tabel 5. Jarak Antar kota Tempat Tempat Angkutan Jarak Asal Tujuan maksimum Gambar 7. Diagram class sistem PT. Al- BEC (2) 1200 karton 15.163179174005 KM Masoem PT. Al- Transmart 1200 karton III. Masoem Carefour 11.388886770599 KM HASIL DAN PEMBAHASANKiara Condong (3) A. Data Jarak Pelanggan/Agen. PT. Al- Jatinangor 1200 karton Data jarak didapatkan melalui penentuan titik Masoem Town 3.0877211280706 KM koordinat pada google maps menggunakan point to point, Square (4) artinya dengan menggunakan point to point padagoogle maps maka jarak antara satu tempat dengan tempat Langkah 3: Lakukan pengambilan jarak minimum lainnya akan diketahui jaraknya, dengan ketentuan sudah dari PT. Al- Ma’soem Muawanah/Depot (0) ke Jatinangor menentukan terlebih dahulu point-point mana yang ingin Town Square (4) dengan jarak 3.0877211280706 KM, diketahui jaraknya. dapat dilihat pada tabel . Kemudian buat Subtour = (0,4)→(4,0). Subtour dibuat bolak balik karena berangkat B. Data Kapasitas Kendaraan. dan kembali harus ke titik yang sama. Subtour ditujukan Data jarak didapatkan melalui penentuan titik untuk menandakan bahwa suatu perjalanan akan koordinat pada google maps menggunakan point to point, berangkat dan kembali ke titik yang sama. artinya dengan menggunakan point to point padagoogle maps maka jarak antara satu tempat dengan tempat 1. Penyisipan lainnya akan diketahui jaraknya, dengan ketentuan sudah Adapun langkah-langkah yang dilakukan dalam menentukan terlebih dahulu point-point mana yang ingin penyisipan ini adalah sebagai berikut: diketahui jaraknya. Langkah 1: Buat tabel yang menyimpan node (titik) yang bisa disisipkan dalam subtour beserta tambahan jaraknya. C. Pembentukan rute menggunakan Cheapest Insertion Node yang ditambahkan adalah node yang belum pernah Heuristic (CIH). dilewati, seperti terlihat pada Tabel 6. Titik depot (titik nol) berada pada koordinat - 6.935242, 107.743846 Jalan Cikalang No. 168, Cimekar Tabel 6. Arc Penambah Subtour ke 1 Cileunyi, Bandung. Hal-hal yang perlu dilakukan dalam Arc Arc yang Tambah Pehitungan Jarak (km) yang akan an Jarak pencarian/pembentukan rute awal yaitu beberapa node akan ditambahk (titik) yang mewakili pelanggan/agen, Depot air mineral digan an ke PT. Al- Ma’soem Muawanah. Data edge (jarak antar ti subtour node) diperoleh dari kondisi riil. Secara lengkap, solusi (0,4) (0,2) - (2,4) 15.163179174005+18.1923099 09736 -3.0877211280706 awal diperoleh dengan langkah-langkah berikut : = 30.267767955671 KM Langkah 1 : Buat inisialisasi graf yaitu sebagai (0,4) (0,3) 11.388886770599+14.4654320 – (3,4)contoh untuk wilayah bandung dari depot PT. Al- 71427 -3.0877211280706 Masoem (0), BEC (2), Transmart Carefour Kiara = 22.766597713955 KM (4,0) (4,2) 18.192309909736+15.1631791 Condong (3), Jatinangor Town Square (4). Kemudian – (2,0)74005 memasukan angkutan maksimum sebesar 1200. Dapat 3.0877211280706 dilihat pada gambar 8.= 30.267767955671 KM (4,0) (4,3) 14.465432071427 11.3888867– (3,0)70599 3.0877211280706 - = 22.766597713955 KM 65 JOIN (Jurnal Online Informatika) ISSN 2527-1682 (Print) ISSN 2527-9165 (Online) Langkah 2: Selanjutnya ganti rute minimum awal dengan rute minimum (sementara yaitu Arc (0,4) diganti IV. PENUTUP dengan state (0,3) dan (3,4) atau Arc (4,0) diganti A. Kesimpulan dengan state (4,3) dan (3,0). Dan apabila 2 rute yang 1. Aplikasi pendistribusian air mineral Al-Ma’soem memiliki total jarak yang sama, maka yang akan diganti Muawanah dirancang dan dibangun dengan adalah nilai minimum yang kedua. melalui beberapa tahapan dari permasalahan Langkah 3: Lakukan penyisipan node yang belum jumlah kapasitas kendaraan yang tersedia, terlewati seperti Tabel 7 . dengan menginput jumlah kapasitas maksimum kendaraan dan memilih data pelanggan sebagai Tabel 7. Arc Penambah Subtour ke 2 objek pencarian rute terpendek yang nantinya Arc Arc yang Tambah Pehitungan Jarak (km) akan dibutuhkan untuk melakukan sebuah yang akan an Jarak perhitungan dengan menggunakan algortima akan ditambahk CIH dan data jarak diambil dari koordinat titik digan an ke ti subtour awal menggunakan latitude dan longitude. (0,3) (0,2) - (2,3) 15.163179174005+5.54061072 2. rute terpendek menggunakan Pencarian 96646 -11.388886770599 Algoritma Cheapest Insertion Heuristic (CIH) = 9.3149031330715 KM adalah dengan cara menyisipkan kota yang (3,4) (3,2) - (2,4) 5.5406107296646+18.1923099 belum terlewati dengan tambahan jarak 09736 -14.465432071427 = 9.2674885679739 KM minimum secara bergantian dengan (4,3) (4,2) 18.192309909736 5.54061072 menggunakan proses pengulangan hingga semua– (2,3)96646 pelanggan/agen yang masuk menjadi sebuah 14.465432071427subtour atau rute dengan peritungan jarak untuk = 9.2674885679739 KM (3,0) (3,2) 5.5406107296646+15.1631791 mendapatkan total jarak yang terkecil. – (2,0)74005 B. Saran 11.388886770599Beberapa saran dan masukan berikut diharapkan dapat == 9.2674885679739 KM memberikan perbaikan dalam penelitian, selanjutnya yaitu Langkah 4: Dari tabel 4, diperoleh penambahan jarak dengan membandingkan algoritma apa yang cocok untuk terkecil yaitu, maka ganti rute minimum yang lama penyelesaian travelling salesman problem. dengan rute minimum (sementara) baru lagi yaitu Arc (3,4) diganti dengan state(3,2) dan (2,4). Hasil akhir V. REFERENSI perhitungan jarak terpendek seperti pada Tabel 8. [1] M. Irfan, “IMPLEMENTASI COMPUTER BASED INSTRUCTION MODEL Tabel 8. Rekapitulasi Rute dengan Algoritma INSTRUCTIONAL GAMES PADA Cheapest Insertion Heuristic (CIH) PEMBELAJARAN INTERAKTIF,” vol. VIII, Perjalanan Rute Total Jarak (km) no. 2, pp. 162 –176, 2014. ke- [2] D. Suryani, M. Irfan, W. Uriawan, and W. 1 Tempat Budiawan, “Implementasi Algoritma Divide and Pengiriman -; 35.12180741 KM Conquer Pada Aplikasi Belajar Ilmu Tajwid,” J. Transmart Online Inform. , vol. 1, no. 1, pp. 13 –19, 2016. Carefour Kiara [3] A. Zarman, M. Irfan, and W. Uriawan, Condong -; BEC “Implementasi Algoritma Ant Colony ; JatinangorOptimization Pada Aplikasi Pencarian Lokasi Town Square Tempat Ibadah Terdekat Di Kota Bandung,” – JOIN (Jurnal Online Inform. , vol. 1, no. 1, pp. 6Hasil dari perhitungan diatas dengan aplikasi 12, 2016. pembentukan rute terpendek dapat dilihat pada Gambar . [4] R. Naufal, “Implementasi Firefly Algorithm - Tabu Search Untuk Penyelesaian Traveling Salesman Problem,” JOIN (Jurnal Online , vol. 2, no. 1, pp. 42 Inform. –48, 2017. [5] X. Li, D. Zhou, Z. Yang, J. Huang, K. Zhang, and Q. Pan, “UAV route evaluation algorithm based on CSA- AHP and TOPSIS,” in 2017 IEEE International Conference on Information and Automation (ICIA) , 2017, pp. 915 –914. [6] C. N. Alam, K. Manaf, A. R. Atmadja, and D. K. Aurum, “Implementation of Haversine FormulaGambar 9. Tampilan Maps Rute Terpendek for Counting Event Visitor in The Radius Based on Android Application,” in Proceedings of 2016 66 Implementasi Algoritma Cheapest Insertion Heuristic (CIH) dalam Penyelesaian Travelling Salesman Problem (TSP) JOIN | Volume 3 No. 1 | Juni 2018 : 61-67 4th International Conference on Cyber and IT Service Management, CITSM 2016 , 2016. [7] Jumadi, “Penentuan Rute Terpendek Menuju Kampus Menggunakan Algoritma Dynamic Programming,” ISTEK, vol. VIII, no. 1, pp. 214– 225, 2014. [8] A. Wahana, D. S. Maylawati, M. Irfan, and H. Effendy, “Supply chain management using fp- growth algorithm for medicine distribution,” in Journal of Physics: Conference Series , 2018, vol. 978, no. 1. [9] B. L. Golden, S. Raghavan, and E. A. Wasil, “TheVehicle Routing Problem: Latest Advances and New Challenges: latest advances and new challenges,” Oper. Res. - Comput. Sci. Interface, no. 43, p. 584, 2008. [10] K. Saleh and B. Prihandono, “PENENTUAN RUTE TERPENDEK DENGAN MENGGUNAKAN ALGORITMA ( STUDI KASUS : PT . Wicaksana Overseas International Tbk . Cabang Pontianak ) a b d,” vol. 4, no. 3, pp. 295 –304, 2015. 67 |
CopyRight 2018-2019 实验室设备网 版权所有 |