Misalkan dalam kasus TSP, biasanya kromosom tersusun dari indeks setiap kota. Jika banyaknya kota adalah 9, maka kromosom terdiri dari 9 gen. Setiap gen
dapat berisi bilangan bulat yang merupakan indeks dari kota-kota tersebut. Misal P Є {Pati, Kudus, Grobogan, Solo, Semarang, Demak, Jepara, Rembang,
Boyolali}, maka kromosom dapat dikodekan sebagai kombinasi bilangan 1 sampai 9. Jika kesembilan kota diindeks dengan urutan seperti itu, maka
kromosom 1
2 3
4 5 6 7
8 9
Mempresentasikan rute, Pati
–Kudus–Grobogan–Solo–Semarang–Demak–Jepara–Rembang–Boyolali.
c. Inisialisasi Populasi
Inisialisasi populasi merupakan proses pembentukan populasi awal dari kromosom sebanyak ukuran populasi UkPop. Ukuran populasi mempengaruhi
kinerja algoritma genetika jika masalahnya menjadi lebih sulit maka ukuran populasi harus meningkatkan Reese, 2009. Mengingat setiap kromosom
menyatakan urutan kota yang harus dikunjungi oleh salesman, maka representasi kromosom yang paling sederhana untuk menyatakan penyelesaian TSP adalah
dalam bentuk permutasi dari indeks kota dan dapat dinyatakan sebagai vector v berikut:
v
i
= [g
1
, g
2
, … , g
N
], dengan 1 ≤ i ≤ UkPop.
Populasi awal dibentuk secara acak. Hal ini berarti bahwa penyelesaian yang dihasilkan oleh algoritma genetika pada generasi pertama didapat dari
penjumlahan jarak antar kota yang didekode dari bilangan kromosom v
1
, v
2
, … , v
UkPop
Zukhri, 2014.
d. Proses Evaluasi
Proses evaluasi merupakan proses untuk menghitung nilai fitness yang menyatakan tingkat kualitas kromosom. Dalam masalah TSP, fungsi fitness tidak
dapat didefinisikan secara langsung dari fungsi objektif karena TSP merupakan masalah pencarian nilai minimum Zukhri, 2014. Oleh karena itu, fungsi fitness
harus dipetakan dari fungsi objektifnya, dengan persamaan 3. evalv =
Dimana evalv merupakan fungsi fitness dan f v adalah fungsi objektif TSP.
e. Proses Seleksi
Seleksi merupakan operator dalam algoritma genetika yang bertujuan untuk memilih kromosom yang tetap bertahan dalam populasi untuk mengalami proses
penyilangan. Salah satunya adalah Seleksi Turnamen, Dalam seleksi ini, kromosom-kromosom dalam suatu populasi dibagi menjadi beberapa grup secara
acak. Setiap grup harus beranggotakan paling tidak dua kromosom. Seleksi dilakukan dengan mempertahankan kromosom dengan nilai fitness tertinggi pada
setiap grup. Adanya pembagaian populasi menjadi grup-grup dengan anggota
yang lebih kecil, menyebabkan komputasi dalam model seleksi ini lebih ringan dibandingakan dengan model seleksi peringkat Zukhri, 2014: 43.
Pada metode seleksi dengan turnamen ini, akan ditetapkan suatu nilai turnamen untuk individu-individu yang dipilih secara random dari suatu populasi.
Individu-individu yang terbaik dalam kelompok ini akan diseleksi sebagai induk. Parameter yang digunakan pada metode ini adalah ukuran turnamen yang bernilai
antara 2 sampai N jumlah individu dalam suatu populasi Kusumadewi, 2003: 289. Seleksi turnamen lebih efisien dan sederhana dalam implementasi
dibandingkan metode seleksi yang lain Razali dan Geraghty, 2011. Pada gambar 2.3 ditunjukkan proses seleksi turnamen dengan N=3.
Gambar 2.3
Proses Seleksi Turnamen
f. Crossover
