3 script dengan algoritma berbeda untuk menyelesaikan 'Traveling Salesman Problem' (TSP) dalam membuat route sequence PJP. Menggunakan satu data CSV yang sama dan tiga algoritma yang berbeda.
Berikut adalah ringkasannya:
Hasil Perbandingan:
1. Nearest Neighbor (Greedy) - 11.24 km, 21 ms ⚡2. -Opt (Local Search) - 11.25 km, 31 detik
3. Genetic Algorithm - 13.08 km, 45 detik
Perbedaan Utama:
1. Nearest Neighbor: 🔵Rute hijau- Nearest Neighbor (11.24 km) - Terpendek
- Selalu pilih titik terdekat yang belum dikunjungi
- Paling cepat, tapi tidak menjamin optimal
Dalam kasus ini kebetulan menghasilkan rute terbaik!
2. 2-Opt: 🔵 Rute biru
- 2-Opt (11.25 km) - Hampir sama
- Mulai dari rute awal, lalu terus bertukar edge untuk optimasi
- Balance antara kecepatan dan kualitas
Paling recommended untuk aplikasi praktis
3. Genetic Algorithm: 🔴 Rute merah
- Genetic Algorithm (13.08 km) - Paling panjang
- Simulasi evolusi dengan populasi, crossover, dan mutasi
- Paling fleksibel, tapi perlu tuning parameter
Hasil tidak konsisten (tergantung random)
Rekomendasi:
- Untuk < 50 titik: Gunakan 2-Opt- Untuk 50-500 titik: 2-Opt atau Nearest Neighbor
- Untuk > 500 titik: pakai Nearest Neighbor saja
- Jika ingin hasil terbaik: Gabungkan ketiganya (hybrid approach)
Apakah ketiga metode routing ini jika dikonversi ke rute on road akan menghasilkan peringkat jarak yang sama? Jawabannya: BELUM TENTU! 🤔
Saat ini, ketiga algoritma menghitung jarak "as the crow flies" (jarak lurus/haversine), bukan jarak on-road (mengikuti jalan).