Latar Belakang Biologi LANDASAN TEORI

iv. Menggunakan operasi random dengan aturan perubahan probabilitas, bukan operasi dengan aturan tertentu dalam setiap iterasi.

2. Deskripsi Algoritma Genetika

Algoritma genetika adalah teknik pencarian stokastik yang berdasarkan pada mekanisme seleksi alam dan sifat genetika. Dalam implementasinya, algoritma genetika meniru beberapa proses yang terdapat pada evolusi alam dimana evolusi terjadi pada kromosom yang mengkodekan struktur makhluk hidup. Individu-individu yang ada pada saat tertentu dalam suatu populasi merupakan individu-individu yang berhasil mempertahankan hidupnya sedangkan yang lemah akan punah. Individu-individu yang berhasil mempertahankan hidupnya akan membentuk individu baru. Beberapa teori dasar evolusi yang diadopsi oleh algoritma genetika adalah: a. Evolusi adalah proses seleksi alam dan reproduksi yang bekerja pada kromosom. b. Seleksi alamiah berhubungan dengan kinerja dari struktur yang dikodekan oleh kromosom. c. Proses reproduksi adalah titik dimana terjadi evolusi. Rekombinasi akan menciptakan kromosom baru yang berbeda dengan induknya, demikian pula dengan mutasi. Teori dasar evolusi tersebut bila diimplementasikan dalam bentuk algoritma genetika, maka diharapkan mampu menyelesaikan masalah- masalah yang sulit dengan cara yang sama seperti yang dilakukan melalui evolusi. Keuntungan algoritma genetika adalah sifat metode pencariannya yang lebih optimal, tanpa terlalu memperbesar ruang pencarian dan tanpa kehilangan kesempurnaan completness sehingga dapat dengan mudah diimplementasikan ke suatu permasalahan. Algoritma genetika merupakan algoritma yang bermanfaat dan efisien, ketika diterapkan dalam masalah dengan: a. Pencarian dalam ruang pencarian yang besar, kompleks atau hanya sedikit yang diketahui. b. Tidak ada analisis matematika yang memungkinkan. c. Kurang atau tidak ada pengetahuan yang memadai untuk merepresentasikan masalah ke dalam ruang pencarian yang lebih sempit. d. Metode konvensional sudah tidak mampu menyelesaikan masalah yang dihadapi. Algoritma genetika berbeda dengan teknik optimasi konvensional dan prosedur pencarian dalam beberapa segi fundamental: 1 Algoritma genetika bekerja dengan sebuah himpunan pengkodean dari sekumpulan solusi, bukan pada solusi itu sendiri. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI