Penentuan jalur sebuah jalur pariwisata merupakan salah satu yang diperlukan seseorang untuk berlibur pada suatu tempat. Travelling Salesman Problem(TSP) merupakan salah teknik pada algoritma evolusi untuk memecahkan masalah dalam penentuan jalur yang optimal. Namun, pemecahan secara manual untuk masalah TSP membutuhkan banyak waktu terlebih jika data yang berjumlah besar. Algoritma Genetika merupakan salah satu algoritma untuk pemecahan masalah TSP karena mudah untuk diimplementasikan. Kelemahan Algoritma Genetika adalah adalah kinerjanya sangat bergantung pada jumlah iterasi yang besar. Selain itu, Algoritma Genetika tidak menjamin hasil yang optimal walaupun iterasi yang digunakan juga besar. Karena pada proses Algoritma Genetika dibutuhkan juga parameter-parameter perhitungan dan proses seleksi. Salah satu pendekatan yang dapat digunakan untuk mengatasi masalah ini adalah menggabungkan dua algoritma yang dapat memecahkan masalah TSP seperti Algoritma Koloni Semut(ACO). ACO mengeksplorasi ruang mencarian rute dengan cara mencari probabilitas setiap tempat tujuan. Nilai probabilitas digunakan untuk meminimalkan jarak antara sebuah destinasi dengan destinasi lainnya.

Penelitian ini menggunakan Hibridisasi ALgoritma Genetika dan Algoritma Koloni Semut (Hybrid GACO) untuk pencarian rute pariwisata yang optimal. Proses seleksi yang digunakan adalah seleksi elitism dengan memeriksa semua hasil reproduksi dan memori yang memiliki nilai paling minimum. hasil percobaan menunjukan bahwa algoritma Hybrid GACO menghasilkan individu yang lebih baik dibandingkan dengan menggunakan Algoritma Genetika saja.