Dalam persoalan TSP Ketika jumlah kota semakin besar maka algoritme deterministik sudah tidak efektif lagi. Untuk persoalan dengan ruang pencarian yang sangat besar diusulkan metode berbasis probabilistik salah satunya adalah ANN (Artificial Neural Network), ANN terinspirasi oleh fenomena biologi dan alam, salah satunya adalah SOM (Self-Organizing Maps) atau bisa juga dikenal sebagai topological preserving map, Kohonen Feature Map berbasiskan pada unsupervised learning atau pembelajaran tak terawasi. Algoritma SOM dalam penelitian dimodifikasi untuk mempercepat proses konvergensi saat proses adaptasi dan learning, Dengan kata lain, disetiap iterasi terjadi proses pembaruan guna mendapatkan neuron dengan bobot paling dekat yang dapat merepresentasikan vector, permasalahan TSP yang diselesaikan dalam penelitian ini adalah TSP Cycle.

In TSP, when the number of cities grows larger, determining algorithms is no longer effective. To deal with big search spaces, it is suggested to apply probability base methods, one of which is ANN (Artificial Neural Network). The emergence of ANN was first inspired by one of biological and natural phenomena which was SOM (Self-Organizing Maps) or topological preserving map. Kohonen Feature Map is based on unsupervised learning. To be able to be applied in research, SOM algorithm is modified to accelerate convergence processes during adapting and learning processes. In other words, in each iteration process, regeneration processes to obtain neurons with the most intended mass. TSP problem that can be solved in this research is TSP Cycle.

Keywords: TSP;Travelling Salesman Problem; Combinatorial Optimization; SelfOrganizing Map.