2.9.3.3. Mutasi Nilai
Mutasi pada pengkodean biner dapat diaplikasikan pada pengkodean nilai karena urutan kromosomnya tidak perlu dijaga. Dalam hal ini prosesnya tidak
menginversi bit. Sebagai contoh, nilai yang dinyatakan dalam bilangan nyata dimutasi dengan cara menukarkan nilai dari dua gen yang terdapat pada kromosom.
Cara ini kurang efektif untuk mendapatkan nilai yang sama. Oleh karena itu ada cara lain yang lebih efektif yaitu dengan memilih posisi gen secara acak pada kromosom,
kemudian menambah atau menguranginya dengan suatu nilai yang kecil secara acak [11]. Lebih jelasnya perhatikan Tabel 2.10.
Tabel 2.10 Contoh mutasi pada pengkodean nilai riil
Kromosom sebelum dimutasi 1,43 1,09 4,51 9,11 6,94
Kromosom setelah dimutasi
1,43 1,19 4,51 9,01 6,94
2.10. Elitisme
Elitisme merupakan
satu teknik
dalam algoritma
genetika untuk
mempertahankan kromosom yang memiliki nilai fitness terbaik untuk tetap bertahan hidup pada generasi selanjutnya. Elitisme dilakukan dengan menyalin satu kromosom
untuk jumlah populasi ganjil dan menyalin dua kromosom untuk jumlah populasi genap [2] [8].
Universitas Sumatera Utara
2.11. Precedence Preservative Crossover PPX
Precedence preservative crossover PPX merupakan pengembangan dari
masalah vehicle routing yang dijelaskan oleh Blanton dan Wainwright. Operator melewati hubungan operasi yang lebih dahulu diberikan dalam dua permutasi induk
menjadi satu anak pada tingkatan yang sama, ketika tidak satupun hubungan yang lebih dahulu diperkenalkan. Metode ini sesungguhnya memberikan jawaban atas
urutan gen dalam kromosom induk. Pertama-tama kromosom anak yang akan diinisialisasi bernilai kosong. Kemudian suatu vektor sepanjang n diisi secara acak
pada sekumpulan elemen {1,2}. Vektor menggambarkan urutan yang dihasilkan oleh induk 1 dan 2. Setelah gen diwaliki oleh satu induk dan yang lainnya dihilangkan,
maka hasilnya diberikan kepada kromosom anak. Langkah tersebut diulangi sampai kedua kromosom induk hilang dan kromosom anak berisi seluruh gen anak yang
dimasukkan. Dalam hal ini gen dari induk dapat merupakan bilangan acak 1 dan 2 yang mewakili induk 1 dan induk 2 dan prosesnya ditunjukkan oleh Gambar 2.7
[19][20].
Gambar 2.7 Precedence Presservative Crossover PPX induk 1
3 2 2 2 3 1 1 1 3 induk 2
1 1 2 2 2 1 2 3 3 gen dari induk
1 1 2 2 2 2 1 1 1 PPX anak
3 2 1 1 2 1 2 3 3
Universitas Sumatera Utara
2.12. Konvergen
Jika algoritma genetika telah diimplementasikan dengan benar, maka populasi akan menyusun generasi secara berturut-turut sehingga menghasilkan nilai fitness
terbaik dan individu rata-rata dalam tiap generasi bertambah mencapai hasil yang optimal. Konvergen merupakan pergerakan menuju keseragaman pertambahan secara
berturut-turut. Gen pembawa sifat dikatakan konvergen jika kesamaan populasi mencapai 95. Populasi disebut konvergen jika seluruh gen telah konvergen.
Dikatakan proses akan mendekati konvergen apabila hasil yang diperoleh mengikuti grafik yang ada dan seluruh proses dapat ditampilkan dalam bentuk grafik. Pada
Gambar 2.8 menunjukkan bagaimana grafik fitness dengan beberapa tipe pada algoritma genetika. Jika populasi konvergen, rata-rata fitness mendekati nilai
terbaiknya. Selain itu nilai terbaik biasanya lebih tinggi dibandingkan nilai rata-rata yang dihasilkan oleh proses [17].
Universitas Sumatera Utara
Gambar 2.8 Nilai fitness dalam algoritma genetika [17]
Universitas Sumatera Utara
BAB III METODOLOGI PENELITIAN