<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="56889">
 <titleInfo>
  <title>PENGARUH STRATEGI INISIALISASI PADA ALGORITMA EVOLUSI DALAM OPTIMASI TRAVELLING SALESMAN PROBLEM (TSP)</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Fitriyani</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Universitas Syiah Kuala</publisher>
   <dateIssued>2019</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Null</form>
  <extent></extent>
 </physicalDescription>
 <note>ABSTRAK &#13;
 &#13;
Travelling Salesman Problem (TSP) yaitu pencarian rute terpendek atau jarak minimum oleh&#13;
seorang salesman dari suatu kota ke n-kota tepat satu kali dan kembali ke kota awal&#13;
keberangkatan. TSP dapat diterapkan pada graph komplit berbobot yang memiliki total bobot&#13;
sisi minimum, dimana bobot pada sisi adalah jarak. Untuk menyelesaikan permasalahan ini&#13;
bisa dengan menggunakan metode Algoritma Evolusi (AE) yang merupakan metode yang&#13;
menggunakan seleksi alam sebagai gagasan utamanya dalam menyelesaikan suatu&#13;
permasalahan tertentu. Dalam AE memiliki beberapa metode yaitu Random Search (RS) dan&#13;
Random Generator (RG). Random search adalah metode pencarian langsung yang tidak&#13;
memerlukan derivatif untuk mencari domain continue. Inisialisasi random generator ialah&#13;
cara untuk membangkitan angka acak pada tiap gen yang dibentuk dalam merepresentasi&#13;
kromosom awal. Penelitian ini merumuskan strategi inisialisasi pada algoritma berevolusi&#13;
untuk pemecahan TSP. Tujuan dari penelitian ini adalah modifikasi antara kedua metode&#13;
strategi inisialisasi random search dengan random generator untuk mendapatkan metode&#13;
inisialisasi yang terbaru sehingga dapat diterapkan dalam algoritma berevolusi. Setelah&#13;
melakukan penelitian, maka mendapatkan kesimpulan bahwa strategi inisialisasi RS dan RG&#13;
telah menyeimbangkan nilai diversity dengan mendapatkan hasil nilai rata-rata lebih optimal&#13;
dibandingkan dengan penelitian sebelumnya. Selisih nilai jarak minimum antara RS dan RG&#13;
mencapai rata-rata 16% dan hasil implementasi strategi inisialisasi RG telah menunjukkan&#13;
hasil yang lebih optimal dibandingkan RS yaitu dapat dilihat berdasarkan nilai jarak minimum&#13;
yang didapat setelah melakukan penelitian. Hal tersebut disebabkan oleh pada RG melakukan&#13;
pencarian gen secara keseluruhan sebelum inisialisasi dibentuk, sedangkan pada RS mencari&#13;
titik potong untuk menempatkan gen untuk pembentukan inisialisasi.&#13;
&#13;
Kata kunci : Strategi Inisialisasi, Algoritma Evolusi, Random Search, Random Generator,  &#13;
             Travelling Salesman Problem. &#13;
&#13;
</note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>56889</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2019-04-15 14:53:33</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2019-04-15 15:05:20</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>