18
BAB III ALGORITMA GENETIKA
3.1 Algoritma Genetika
Algoritma Genetika adalah algoritma komputasi yang diinspirasi teori evolusi John Holland tahun 1975 yang kemudian diadopsi menjadi algoritma
komputasi untuk mencari solusi suatu permasalahan dengan cara yang lebih “alamiah”. Salah satu fungsinya ialah untuk mencari solusi atas permasalahan
optimasi kombinasi, yaitu mendapatkan suatu nilai solusi optimal terhadap suatu permasalahan yang mempunyai banyak kemungkinan solusi.
Algoritma ini didasarkan pada proses genetik yang ada dalam makhluk hidup; yaitu perkembangan generasi dalam sebuah populasi yang alami, secara
lambat laun mengikuti prinsip seleksi Algoritma Genetika dapat digunakan untuk mencari solusi permasalahan-permasalahan dalam dunia nyata. alam
atau siapa yang kuat, dia yang bertahan survive. Dengan meniru teori evolusi ini, Algoritma Genetika dapat digunakan untuk mencari solusi permasalahan-
permasalahan dalam dunia nyata. Pertahanan yang tinggi dari individu memberikan kesempatan untuk
melakukan reproduksi melalui perkawinan silang dengan individu yang lain dalam populasi tersebut. Individu baru yang dihasilkan dalam hal ini dinamakan
keturunan, yang membawa beberapa sifat dari induknya. Sedangkan individu dalam populasi yang tidak terseleksi dalam reproduksi akan mati dengan
sendirinya. Dengan jalan ini, beberapa generasi dengan karakteristik yang bagus akan bermunculan dalam populasi tersebut, untuk kemudian dicampur dan
Universitas Sumatera Utara
19
ditukar dengan karakter yang lain [10]. Di bawah ini adalah struktur umum dari Algoritma genetika yang
ditunjukkan pada Gambar 3.1.
Gambar 3.1 Struktur umum dari Algoritma Genetika
Beberapa definisi penting dalam algoritma genetika, yaitu : 1. Genotype Gen adalah sebuah nilai yang menyatakan satuan dasar yang
membentuk suatu arti tertentu dalam satu kesatuan gen yang dinamakan kromosom. Dalam Algoritma Genetika, gen ini bisa berupa nilai biner, float
integer maupun karakter, atau kombinatorial. 2. Bit adalah nilai dari gen.
3. Kromosom adalah gabungan gen-gen yang membentuk nilai tertentu.
Individu Individu
Populasi
Kromosom Kromosom
Kromosom
1 1
1
Bit Kromosom
1 1
Bit
1 1
1
Gen Bit
1 1
Bit
Universitas Sumatera Utara
20
4. Individu menyatakan sekumpulan dari kromosom. 5. Populasi merupakan sekumpulan individu yang akan diproses.
Sebagai salah satu metode optimasi yang cukup populer, Algoritma Genetika tetap memiliki kelebihan dan kekurangan. Adapun kelebihan dari
Algoritma genetuika adalah : 1.
Dapat megoptimasi variabel bentuk diskrit dan kontinyu. Disebut diskrit jika terdiri dari sejumlah elemen hingga yang berbeda, atau elemen-elemennya
tidak bersambungan. Contohnya himpunan bilangan bulat Integer dan bilangan biner.
2. Tidak memerlukan informasi derivative turunan.
3. Cakupan datanya luas.
4. Dapat digunakan dengan banyak variabel.
5. Dapat dioperasikan menggunakan komputer.
6. Hasil akhirnya berupa sejumlah solusi yang dapat dipilih, bukan hanya satu
solusi saja. 7.
Variabel dapat dikodekan, sehingga hasil akhirnya tetap berbentuk kode. 8.
Data yang digunakana dapat berupa data numerik, data eksperimental, atau fungsi analisi.
Sedangkan kekurangan dari metode ini adalah: 1.
Untuk optimasi menggunakan bilangan biner, tidak ada garansi akan diperoleh solusi optimal karena bilangan biner dibangkitkan secara acak. Sehingga proses
iterasi terkadang harus dilakukan berulang-ulang untuk mendapatkan solusi yang diinginkan.
2. Sulitnya pemulihan fungsi optimasi atau fungsi fitness, karena perlu
Universitas Sumatera Utara
21
disesuaikan dengan masalah yang dihadapi. Jika salah memilih fungsi bukan tidak mungkin hasil akhirnya justru lebih rendah dari sebelum dioptimasi.
3. Menetapkan ukuran populasi dan proses mutasi yang sesuai. Jika populasi
terlalu sedikit, tidak akan cukup data untuk memperoloeh hasil yang optimal. Untuk mutasi jika terlalu sedikit yang dimutasi, sistem tidak mendapat solusi
yang sesuai dengan yang diharapkan. Bila terlalu banyak, solusi akan lama diperoleh, atau bahkan tidak didapatkan.
3.2 Prosedur Algoritma Genetika
Kategori