ABSTRAKSI: Traveling Salesman Problem (TSP) adalah pencarian urutan tur kota terdekat yang harus dikunjungi dengan meminimalkan total biaya dimana setiap kota hanya boleh dikunjungi maksimum satu kali. Untuk kasus TSP jumlah kota yang besar dan terdapat batas waktu untuk mencapai kota tujuan, metode yang sebaiknya digunakan yaitu penerapan algoritma heuristik.
Algoritma Bee Colony Optimization (BCO) menggunakan Frequency Based Pruning System (FBPS) dan Fixed Radius Near Neighbour (FRNN) 2-Opt merupakan salah satu algoritma heuristik yang mempunyai performansi yang baik untuk pemecahan kasus TSP. Pada Tugas Akhir ini dilakukan analisis setting parameter sistem terbaik; skalabilitas sistem; dan untuk analisis tingkat performansi sistem dilakukan perbandingan antara output sistem dan output algoritma Ant Colony Optimization (ACO). Data kota pengujian diperoleh dari TSPLIB.
Berdasarkan observasi yang telah dilakukan, diketahui bahwa dengan menggunakan setting parameter terbaik dapat menghasilkan tur kota terpendek dalam waktu eksekusi yang dapat diterima; Pada tingkat skalabilitas sistem, semakin besar kota yang diproses maka akurasi sistem semakin menurun dan ketepatan solusi untuk mendekati panjang tur kota optimum semakin sulit dicapai; dan pada performansi sistem, akurasi sistem dan kecepatan sistem algoritma BCO menggunakan metode FBPS,FRNN 2-Opt kurang lebih 1,0098 kali lipat dan 2,6 kali lipat lebih baik daripada algoritma ACO.Kata Kunci : TSP, BCO, FBPS, FRNN 2-Opt, ACOABSTRACT: Traveling Salesman Problem (TSP) is a sequence search nearby city tour to be visited by minimizing the total cost which each city can only be visited maximum one time. For the TSP lager number case of cities and there is a limit of time to reach the destination, the method should be used is the application of heuristic algorithms.
Bee Colony Optimization (BCO) Algorithm with Frequency Based Pruning System (FBPS) and Fixed Radius Near Neighbor (FRNN) 2-Opt methodes is one of heuristic algorithm that has good performance for solving TSP cases. At this task is done the analysis of the best system parameter settings; system scalability and for the performance system-level analysis is done by do the comparison between the system output and the output of Ant Colony Optimization (ACO) algorithm. The city data testing is obtained from TSPLIB.
Based on the observations that have been made, known that by using the best parameter settings can result the shortest city tour in acceptable execution time. At the level of system scalability, the greater the processing of the city so that system accuracy of the system decreased and even harder to reach the solution precision come closer to the optimum length city tour; and in the system performance, the system accuracy and the system speed execution of BCO algorithm with FBPS,FRNN 2-Opt methodes more or less 1,0098 and 2,6 times over better than ACO algorithmKeyword: TSP, BCO, FBPS, FRNN 2-Opt, ACO