Teks ini membahas dasar teori graf, klastering, Traveling Salesman Problem (TSP), dan Graph Neural Network (GNN). Graf adalah struktur matematika yang memodelkan hubungan antar objek, dengan elemen utama berupa vertex (titik) dan edge (sisi). Klastering adalah teknik pengelompokan data berdasarkan kemiripan. TSP adalah masalah optimasi mencari rute terpendek mengunjungi semua titik dan kembali ke titik awal. GNN adalah jaringan saraf yang dirancang untuk data berstruktur graf, memanfaatkan mekanisme agregasi informasi dari tetangga node. Penelitian terkait menggunakan GNN untuk optimasi rute kendaraan (TSP) dan memperkenalkan varian GNN (GATv2) yang lebih adaptif dalam menangkap hubungan antar node dibandingkan GAT tradisional dan GCN. GCN memperkenalkan metode propagasi berdasarkan matriks adjacency untuk mengagregasi fitur tetangga pada graf.