Vista, CB Mahmudy, WF 2015, Penerapan algoritma evolution strategies untuk optimasi distribusi barang dua tahap, DORO: Repository Jurnal Mahasiswa PTIIK Universitas Brawijaya, vol. 5, no. 11.
4. IMPLEMENTASI
Proses perhitungan
menggunakan algoritma evolution strategies dibagi menjadi
beberapa tahapan, yaitu inisialisasi populasi awal, reproduksi, seleksi, dan pembangkitan
populasi baru. Pada tab “parent” pada halaman proses perhitungan menampilkan
inisialisasi populasi awal, seperti yang ditunjukkan pada Gambar 4.1.
Gambar 4.1 Implementasi Inisialisasi Populasi Awal
Halaman proses perhitungan juga menampilkan hasil reproduksi pada tab
“offspring”, seperti pada Gambar 4.2.
Gambar 4.2 Implementasi Proses Reproduksi Pada tab “seleksi” menampilkan hasil seleksi,
seperti yang ditunjukkan pada Gambar 4.3.
Gambar 4.3 Implementasi Proses Seleksi Hasil seleksi pada generasi ke-n
ditunjukkan pada Gambar 4.4.
Gambar 4.4 Implementasi Hasil Seleksi Populasi Generasi Ke-n
Jalur optimal distribusi dua tahap ditampilkan pada tab “optimal” seperti yang
ditunjukkan pada Gambar 4.5.
Gambar 4.5 Implementasi Output Jalur Distribusi Optimal
5. PENGUJIAN DAN ANALISIS 5.1 Hasil Pengujian Ukuran Populasi
Pengujian ukuran
populasi µ
bertujuan untuk mengetahui pengaruh ukuran populasi µ terhadap rata-rata nilai fitness dari
solusi yang dihasilkan. Pengujian dilakukan pada ukuran populasi antara 20 hingga 100
dengan ukuran offspring 5µ dan jumlah generasi 50 serta perbandingan mutasi segmen
1: segmen 2: segmen 1 dan 2 adalah 50:30:20. Pengujian
dilakukan sebanyak
10 kali
percobaan. Pada setiap percobaan dicatat nilai fitness terbaik yang dihasilkan, kemudian
dihitung rata-rata fitness untuk mengetahui ukuran populasi yang menghasilkan rata-rata
nilai fitness terbaik. Tabel 6.1 merupakan hasil pengujian ukuran populasi.
C5 6 1 2 3 5 4 2 7 1 11 12 9 3 4 5 6 10 8 2,1604 0,4139 P3 6 5 1 3 2 4 2 7 1 11 12 9 3 4 5 6 10 8 2,5417 0,4139
C3 6 1 3 4 5 2 1 11 7 5 4 8 9 12 2 3 6 10 1,4534 0,3436 C4 6 1 3 2 5 4 1 11 7 5 4 8 9 12 2 3 6 10 1,4534 0,3436
P4 2 5 1 3 4 6 4 9 3 7 5 1 10 2 8 12 11 6 1,3814 0,3229 Pt+1
Kromosom σ
Fitness Tahap 1
Tahap 2
Vista, CB Mahmudy, WF 2015, Penerapan algoritma evolution strategies untuk optimasi distribusi barang dua tahap, DORO: Repository Jurnal Mahasiswa PTIIK Universitas Brawijaya, vol. 5, no. 11.
Dari hasil pengujian menjelaskan bahwa ukuran populasi mempengaruhi fitness
solusi yang dihasilkan. Berdasarkan Tabel 5.1 dan Gambar 5.1 terlihat bahwa ukuran
populasi 100 menghasilkan rata-rata nilai fitness terbesar, yaitu 0,224283643. Sedangkan
rata-rata nilai fitness terkecil dihasilkan dari ukuran populasi 20 dengan rata-rata nilai
fitness 0,2231594.
Berdasarkan hasil pengujian dapat dikatakan bahwa penambahan ukuran populasi
tidak menjamin kenaikan rata-rata nilai fitness. Karena
adanya konsep
random dalam
algoritma evolution
strategies, dimana
pembangkitan kromosom awal dan nilai strategy parameter serta penentuan titik
mutasi dilakukan secara acak. Pada umumnya semakin kecil ukuran populasi menyebabkan
ruang pelacakan solusi yang semakin sempit. Sebaliknya semakin besar ukuran populasi
memberikan peluang pelacakan solusi lebih luas sehingga membuka peluang menghasilkan
lebih banyak variasi individu. Namun, baik pada ukuran populasi besar maupun ukuran
populasi kecil belum tentu menghasilkan solusi dengan fitness yang lebih baik karena
adanya kemungkinan terjadi konvergensi. Pada saat konvergensi, proses pelacakan solusi
tidak berjalan dengan baik dan menimbulkan kemungkinan offspring yang dihasilkan mirip
dengan parentnya[8].
5.2 Hasil Pengujian Ukuran Offspring