<![CDATA[Perencanaan perjalanan wisata harian merupakan permasalahan optimasi kombinatorial yang kompleks karena harus mempertimbangkan time window, preferensi wisata, jadwal makan, dan waktu tempuh antar lokasi. Permasalahan ini termasuk dalam Travelling Salesman Problem with Time Windows (TSP-TW) dapat diselesaikan menggunakan Algoritma Genetika. Namun, penelitian terdahulu umumnya hanya berfokus pada satu operator genetika tanpa mengevaluasi secara komprehensif kombinasi teknik crossover, mutasi, seleksi, dan repair. Penelitian ini bertujuan menganalisis pengaruh variasi operator genetika terhadap kualitas dan efisiensi penjadwalan rute wisata. Data destinasi wisata dan tempat makan diperoleh dari Google Maps, OpenStreetMap, dan sumber daring lainnya. Eksperimen dilakukan terhadap 80 kombinasi operator, masing-masing sebanyak 20 kali menggunakan seed berbeda, dengan ukuran populasi 100, probabilitas crossover 0,8, probabilitas mutasi 0,01, Tournament Selection berukuran 3, dan maksimum 750 generasi. Kinerja setiap kombinasi dievaluasi menggunakan rata-rata nilai fitness, waktu komputasi, dan overall score. Hasil menunjukkan bahwa kombinasi Insertion Mutation–Partially Matched Crossover (PMX)–Roulette Wheel Selection tanpa repair menghasilkan performa terbaik dengan rata-rata overall score sebesar 0,7576. Selain itu, seluruh 10 kombinasi terbaik tidak menggunakan repair, sedangkan crossover PMX dan mutasi Insertion secara konsisten muncul pada kombinasi berperforma tinggi. Penelitian ini menyimpulkan bahwa pemilihan kombinasi operator genetika yang tepat berpengaruh signifikan terhadap kualitas dan efisiensi penjadwalan rute wisata.]]>
Copyrights © 2026
