PENYELESAIAN TRAVELING SALESMAN PROBLEM (TSP) MENGGUNAKAN ALGORITMA ANT COLONY OPTIMIZATION (ACO) UNTUK MENENTUKAN RUTE TERPENDEK PADA DISTRIBUSI BARANG SICEPAT DI BANDAR LAMPUNG

DIAN , AULIA WATI (2025) PENYELESAIAN TRAVELING SALESMAN PROBLEM (TSP) MENGGUNAKAN ALGORITMA ANT COLONY OPTIMIZATION (ACO) UNTUK MENENTUKAN RUTE TERPENDEK PADA DISTRIBUSI BARANG SICEPAT DI BANDAR LAMPUNG. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	Text 1. ABSTRAK - DIAN AULIA WATI.pdf Download (207kB) | Preview
	Text 2. SKRIPSI FULL - DIAN AULIA WATI.pdf Restricted to Repository staff only Download (6MB) | Request a copy
Preview	Text 3. SKRIPSI TANPA BAB PEMBAHASAN - DIAN AULIA WATI.pdf Download (1MB) | Preview

Abstract

Traveling Salesman Problem (TSP) merupakan permasalahan optimisasi pencarian rute terpendek yang relevan dalam proses distribusi barang. Penelitian ini mengkaji permasalahan TSP dalam penentuan rute terpendek untuk distribusi barang SiCepat di Bandar Lampung. Dengan mengimplementasikan algoritma Ant Colony Optimization (ACO) yang meniru perilaku semut, penelitian ini memanfaatkan data jarak antar 9 lokasi gerai SiCepat yang diperoleh dari Google Maps, serta dioptimalkan menggunakan pemrograman Python di Google Colab. Hasilnya menunjukkan bahwa, setelah 50 iterasi, algoritma ACO berhasil menemukan rute terpendek yang lebih optimal sebesar 41.3 Km dengan rute v1 → v9 → v8 → v7 → v6 → v5 → v3 → v2 → v4 → v1, melampaui perhitungan manual 52.3 Km, sehingga membuktikan efektivitas ACO dalam memberikan solusi rute distribusi yang lebih cepat, akurat, dan efisien. Kata kunci: traveling salesman problem, ant colony optimization, distribusi barang, optimisasi rute, pemrograman python The Traveling Salesman Problem (TSP) is a shortest route optimization problem that is relevant in the process of goods distribution. This study examines the TSP problem in determining the shortest route for SiCepat goods distribution in Bandar Lampung. By implementing the Ant Colony Optimization (ACO) algorithm, which mimics ant behavior, this study utilizes distance data between 9 SiCepat store locations obtained from Google Maps and is optimized using Python programming in Google Colab. The results show that, after 50 iterations, the ACO algorithm successfully identified a more optimal shortest route of 41.3 km with the route v1 → v9 → v8 → v7 → v6 → v5 → v3 → v2 → v4 → v1, surpassing the manual calculation of 52.3 km, thus proving the effectiveness of ACO in providing faster, more accurate, and more efficient distribution route solutions. Keywords: traveling salesman problem, ant colony optimization, goods distribution, route optimization, python programming

Item Type:	Other
Subjects:	?? 500 ?? ?? 510 ??
Divisions:	Fakultas MIPA > Prodi Matematika
Depositing User:	UPT . Desi Zulfi Melasari
Date Deposited:	31 Oct 2025 04:19
Last Modified:	31 Oct 2025 04:19
URI:	http://digilib.unila.ac.id/id/eprint/92510

Actions (login required)

View Item