12
Gambar 2.2 Kerangka berpikir sistem pemeliharaan Sumber: repository.usu.ac.idbitstream123456789
2.2 Algoritma Genetika
2.2.1 Sejarah
Sejarah perkembangan algoritma genetika genetic algorithm berawal pada tahun 1960-an ketika I. Rochenberg dalam bukunya yang berjudul
“Evolution Strategies” mengemukakan tentang evolusi komputer computer evolutionary yang kemudian dikembangkan oleh John Holland pada tahun 1970-an.
John Holland menulis buku tentang algoritma genetika yang berjudul “Adaptation in Natural and Artificial System
” yang diterbitkan pada tahun 1975.
Menurut Sutojo dkk. : 2011 algoritma genetika adalah teknik pencarian heuristic yang didasarkan pada gagasan evolusi selseksi alam dan genetik.
Algoritma ini memanfaatkan proses seleksi alamiah yang dikenal proses evolusi.
Universitas Sumatera Utara
13
Dalam proses evolusi, individu secara terus – menerus mengalami perubahan gen
untuk menyesuaikan dengan lingkungannya. Hanya individu – individu yang kuat
yang mampu bertahan. Proses seleksi alamiah ini melibatkan perubahan genyang terjadi
pada individu
melalui proses
perkembangbiakan. Proses
perkembangbiakan ini didasarkan pada analogi struktur genetic dan prilaku kromosom dalam populasi individu dengan menggunakan dasar sebagai berikut :
• Individu dalam populasi bersaing untuk sumber daya alam dan
pasangannya. •
Mereka yang paling sukses di setiap kompetisi akan menghasilkan keturunan yang lebih baik dari pada individu
– individu yang berkinerja buruk.
• Gen dari individu yang baik akan menyebar ke seluruh populasi sehingga
dua orang tua yang baik kadang – kadang akan menghasilkan keturunan
yang lebih baik dari orang tuanya. •
Setiap ada pergantian generasi maka generasi terbaru biasanya lebih cocok dengan lingkungan mereka. Dengan kata lain, generasi baru ini
menyesuaikan dengan keadaan lingkungan nya.
2.2.2 Pemasalahan yang Membutuhkan Algoritma Genetika
Untuk dapat memanfaatkan algoritma genetika, kita harus dapat menyandikan solusi dari masalah yang diberikan ke dalam kromosom pada
algoritma genetika dan membandingkan nilai fitness-nya.Sebuah representasi algoritma genetika yang efektif dan nilai fitness yang bermakna adalah
Universitas Sumatera Utara
14
keberhasilan dalam aplikasi algoritma genetika. Ciri – ciri permasalahan yang
membutuhkan algoritma genetika antara lain : •
Ruang pencarian sangat besar, kompleks, atau kurang dipahami. •
Tidak ada pengetahuan yang memadai untuk menyederhanakan ruang pencarian yang sangat besar menjadi ruang pencarian yang lebih sempit.
• Tidak ada analisis matematis yang bisa menangani ketika metode
konvensional gagal menyelesaikan masalah yang dihadapi. •
Solusi yang dihasilkan tidak harus optimal, asal sudah memenuhi kriteria sudah bisa diterima.
• Mempunyai kemungkinan solusi yang jumlahnya tak hingga.
• Membutuhkan solusi real-time, yaitu solusi yang bisa didapatkan dengan
cepat sehingga dapat diimplementasi untuk permasalahan yang mempunyai perubahan yang cepat.
• Jika suatu permasalahan menggunakan fungsi optimasi yang linear atau
tidak linear yang konstrain.
2.2.3 Aplikasi Algoritma Genetika