Optimasi Travelling Salesman Problem pada Toko Ritel dengan Algoritma Genetika, Ant Colony Optimization, Particle Swarm Optimization

Abstrak

Penentuan rute kunjungan paling efisien bagi salesman menjadi aspek krusial dalam distribusi dan pemasaran ritel, terutama untuk mengurangi jarak tempuh dan biaya operasional. Pendekatan manual seperti Google Maps menjadi tidak efektif ketika jumlah titik kunjungan meningkat, menyebabkan proses yang lambat dan rawan kesalahan. Penelitian ini bertujuan mengembangkan sistem otomatisasi penentuan rute dengan pendekatan metaheuristic untuk menyelesaikan Traveling Salesman Problem (TSP) menggunakan tiga algoritma: Genetic Algorithm (GA), Ant Colony Optimization (ACO), dan Particle Swarm Optimization (PSO). Ketiga algoritma diuji dengan tiga konfigurasi parameter pada lima dataset wilayah Jakarta yang memiliki 40 hingga 63 titik kunjungan. Evaluasi dilakukan melalui aplikasi Streamlit untuk mengukur total jarak tempuh dan waktu komputasi. Hasil pengujian menunjukkan bahwa ACO dengan konfigurasi parameter ketiga memberikan performa terbaik, menghasilkan rute terpendek dan waktu pemrosesan tercepat dibandingkan algoritma lainnya. Algoritma terbaik ini kemudian diintegrasikan ke dalam aplikasi Android guna mendukung efisiensi operasional di sektor ritel. Penelitian ini menyimpulkan bahwa pendekatan metaheuristic, khususnya ACO, sangat efektif untuk mengoptimalkan rute kunjungan secara akurat, cepat, dan efisien.

Identifier

• DOI: https://doi.org/10.23887/insert.v6i2.102444
• OpenAlex: https://openalex.org/W7167492568