1. Prosedur Umum Algoritma Genetika
Algoritma genetika adalah teknik pencarian dan optimasi yang meniru proses evolusi dan perubahan genetika pada struktur kromosom
makhluk hidup. Algoritma genetika mulai bekerja pada sekumpulan calon solusi yang dinamakan populasi awal, yang kemudian dibangkitkan secara
acak. Masing-masing individu di dalam populasi awal biasa disebut dengan kromosom. Kromosom biasa dalam bentuk string biner kode 0
dan 1, meskipun tidak selalu. Selanjutnya kromosom-kromosom tersebut diregenerasi oleh operator-operator pada algoritma genetika melalui
beberapa generasi. Masing-masing kromosom pada setiap generasi dilihat nilai fitness-nya Goldberg, 1989.
Pada generasi baru, kromosom baru yang terbentuk disebut kromosom anak offspring. Kromosom anak terbentuk dari 1
penggabungan antar dua kromosom yang menggunakan operator penyilangan atau 2 hasil modifikasi kromosom yang menggunakan
operator mutasi. Generasi baru dibentuk oleh 1 pemilihan, yaitu dilihat dari nilai fitness-nya, baik kromosom induk maupun kromosom anak
offspring dan 2 penyisihan, yaitu menjaga agar ukuran populasi tetap konstan. Kromosom yang lebih baik, besar kemungkinan untuk dipilih di
generasi selanjutnya. Setelah dihasilkan beberapa generasi, terbentuklah sekumpulan kromosom terbaik yang diharapkan mampu memberikan
solusi optimum Gen dan Cheng, 1997. Penciptaan Algoritma Genetika oleh Holland 1975 memberi
asumsi bahwa solusi dari induk akan mencari nilai fitness yang tinggi dari beberapa kromosom yang berbeda sehingga pencarian akan
dikombinasikan secara penyilangan yang selanjutnya akan direproduksi dan menghasilkan keturunan yang menjadi calon solusi pada generasi
selanjutnya Bagchi, 1999. Setiap individu dalam sebuah populasi dipilih berdasarkan pada
nilai fitness-nya. Nilai fitness akan semakin tinggi dengan adanya kesempatan kromosom untuk bereproduksi pada generasi berikutnya.
Untuk mengimplementasikan Algoritma Genetika, membuat suatu keputusan harus memenuhi syarat berikut ini Hopgood, 2001 :
1. Merepresentasi calon solusi ke dalam sebuah bilangansimbol yang dikenal dengan sebutan “kromosom”
2. Menentukan ukuran populasi 3. Mengevaluasi nilai fitness dari masing-masing populasi
4. Memilih individu-individu untuk bereproduksi pada generasi berikutnya dengan melihat nilai fitness-nya
5. Menciptakan sebuah generasi baru sebagai calon solusi dari populasi yang ada
6. Menghentikan proses evolusi apabila kriteria penghentian terpenuhi Di dalam basis algoritma, ada beberapa asumsi dibuat berdasarkan
Hopgood, 2001 : 1. Inisial populasi digenerasikan secara random
2. Individu dievaluasi berdasarkan fungsi fitness 3. Individual-individual diseleksi untuk reproduksi berdasarkan seleksi,
kecocokan sebuah individu, dan kemiripan yang akan diseleksi 4. Reproduksi dari sebuah kromosom akan dihasilkan pada generasi
berikutnya yang merupakan hasil dari perkembangbiakan antara sepasang kromosom dengan menggunakan operator penyilangan yang
kemudian akan diaplikasikan pada operator mutasi untuk setiap keturunanan
Prosedur umum algoritma genetika dapat terlihat pada Gambar 2 berikut :
Gambar 2. Prosedur umum algoritma genetika Hopgood, 2001
2. Representasi Kromosom
Kategori