Forest Optimization Algorithm untuk Menyelesaikan Travelling Salesman Problem

Travelling Salesman Problem (TSP) adalah masalah yang sering kita jumpai dalam kehidupan sehari-hari sehingga banyak penelitian dilakukan dalam bidang tersebut. Perkembangan penyelesaian TSP dapat dilakukan dengan metode tradisional dan algoritma heuristik. Namun, kedua metode tersebut memiliki kelemahan sehingga muncul algoritma pendekatan dari algoritma heuristik yaitu algoritma metaheuristik. Beberapa algoritma metaheuristik telah terbukti mampu menyelesaikan masalah tersebut dengan baik seperti algoritma Ant Colony Optimization (ACO), algoritma genetika (GA), dan Particle Swarm Optimization (PSO). Seiring dengan perkembangan zaman muncul beberapa algoritma metaheuristik, salah satunya adalah Forest Optimization Algorithm (FOA). Dalam perkembangannya, algoritma FOA memiliki performa yang cukup baik untuk menyelesaikan masalah optimasi fungsi kontinu dan masalah dengan sifat diskrit dan biner dibandingkan algoritma yang lain. Oleh karena itu, pada skripsi ini akan dibahas metode optimasi Forest Optimization Algorithm (FOA) untuk menyelesaikan Travelling Salesman Problem (TSP) dan hasilnya akan dibandingkan dengan algoritma Ant Colony Optimization (ACO). Data uji yang digunakan adalah data uji TSP WI29, DJ38, dan QA194. Rancangan FOA dibentuk mirip dengan aslinya dengan beberapa modifikasi pada tahap inisialisasi hutan dengan pohon berusia „0‟, tahap local seeding, dan tahap global seeding. Hasil yang diperoleh dari 30 kali simulasi menunjukkan bahwa FOA yang telah dimodifikasi belum berhasil mengungguli kinerja algoritma ACO pada data uji WI29 dan DJ38. Namun, untuk data uji QA194 FOA dapat mencapai kriteria pemberhentian meskipun nilai fitness yang diperoleh tidak lebih baik daripada algoritma ACO