Optimasi Pemilihan Tujuan Wisata Liburan Menggunakan Algoritma Genetika denganMetode Crossover Two Point pada Pelangi Tour & Travel
Abstract
Optimasi adalah suatu pendekatan penyelesaian terbaik dari minimum hingga maksimum secara sistematis atau pencarian yang mendekati terbaik dalam upaya mencapai target yang ingin dicapai secara efektif dan efisien. Agent Pelangi Tour & Travel merupakan salah satu agent pembuatan tujuan wisata liburan yang ada di Jakarta. Seiring dengan perkembangan usaha travel untuk wisata liburan dan kemajuan teknologi informasi, kini para pelanggan lebih cerdas dalam memilih dan menggunakan pemilihan tujuan wisata liburan. Dengan berbagai pilihan tempat wisata, pelanggan lebih menginginkan tujuan wisata dengan biaya yang dimiliki, sebab dapat menentukan ranking dari lokasi wisata yang dipilih. Pemilihan komponen keluaran yang dapat dipilih berupa transportasi, dokumentasi, penginapan dan tempat wisata. Dalam penelitian ini dibuat aplikasi perakitan berbasis Java desktop, setelah melakukan observasi dengan melakukan pendekatan terhadap masalah tersebut dengan menganalogikan pada kasus pemilihan komponen paket wisata untuk para traveler yang ingin berlibur. Permasalahan yang dihadapi Pelangi Tour & Travel yaitu belum adanya aplikasi yang dapat mendukung proses pemilihan tujuan wisata liburan tersebut. Pihak Tour & Travel masih melakukan proses pemilihan secara manual. Adapun pemilihan tujuan wisata masih menggunakan cara konvensional yaitu memilih setiap transportasi, lokasi, penginapan, hingga tempat wisata. Algoritma Genetika terbukti dapat menyelesaikan masalah secara efektif dan efisien, sehingga sangat cocok diterapkan pada sistem rekomendasi pemilihan tujuan wisata liburan terbaik. Metode Seleksi Ranking, Crossover dengan dua titik potong, dan mutasi random dengan pergeseran gen berhasil menyelesaikan masalah dalam waktu kurang dari 15 detik dan jumlah pengulangan kurang dari 60. Diharapkan dengan adanya aplikasi ini dapat meningkatkan perkembangan wisata liburan pada bidang usaha Tour & Travel, ranking dan kesesuaian biaya serta memudahkan pelanggan dalam memilih sesuai yang diinginkan.
Kata Kunci: Tour and Travel, Optimasi, Algoritma Genetika
Full Text:
PDFReferences
Adhy, S. & Kushartantya, 2012. Penyelesaian Masalah Job Shop Menggunakan Algoritma Genetika. Jurnal Masyarakat Informatika, 1, Pp.31–42.genetika. Jurnal Masyarakat Informatika, 1, pp.31–42.
Desiani, A. dan Arhami, M., 2006. Konsep Kecerdasan Buatan D. Hardjono, ed., Yogyakarta: Andi.
Indra, Zulfahmi, Subanar, (2014). Optimasi Biaya Distribusi Rantai Pasok Tiga Tingkat Dengan Menggunakan Algoritma Genetika Adaptif Dan Terdistribusi. ISSN 1978-1520
Kusumadewi, S. (2003). Artificial Intelligence (Teknik dan Aplikasinya) (1st ed.). Yogyakarta: Graha Ilmu. ISBN:979-3289-19-8
Lin, W.Y., Lee, W.Y. dan Hong, T.P., (2003). Adapting crossover and mutation rates in genetic algorithms. Journal of Information Science and Engineering, 19(5), pp.889–903.
Mahmudy, Wayan Firdaus, Muh. Arif Rahman, (2011). Optimasi Fungsi Multi-Obyektif Berkendala Menggunakan Algoritma Genetik Adaptif Dengan Pengkodean Real. ISSN : 0216-0544
Obitko, (1998). Introduction to Genetic Algorithms. Available at: http://www.obitko.com/tutorials/genetic-algorithms/ga-baasic-description.php [Diakses April 19, 2016].
Rothlauf, Franz, (2006). Representations for Genetic and Evolutionary Algorithms 2 nd ed., Springer. ISBN 978-3-540-32444-7.
Sam’ani. (2012). Rancang Bangun Sistem Penjadwalan Perkuliahan dan Ujian Akhir Semester Dengan Pendekatan Algoritma Genetika. Universitas Diponegoro Semarang.
Sofwan, Aghus, Eko Handoyo, dan Ramadhony WD.(2008). Algoritma Genetika Dalam Pemilihan Spesifikasi Komputer. ISSN: 1907-5022
Suprayogi, D.A. dan Mahmudy, W.F., 2014. Penerapan Algoritma Genetika Traveling Salesman Problem With Time Window : Studi Kasus Ratu Antar Jemput Laundry. Jurnal Buana Informatika, pp.1-8.
Sutojo, T., Mulyanto, E., Suhartono, V. (2011). Kecerdasan Buatan Pertama. Yogyakarta: Andi.
Wahono, Satria Romi (2015) Penerapan Algoritma Genetika Untuk Optimasi Parameter pada Support Vector Machine untuk Meningkatkan Prediksi Pemasaran Langsung. ISSN : 1907-5022
Refbacks
- There are currently no refbacks.
Copyright (c) 2019 Seminar Nasional Sains dan Teknologi Informasi (SENSASI)