38
2.10.3 Menetapkan Parameter Algoritma Genetika
Parameter yang dimaksud adalah Jumlah generasi atau keturunan, Jumlah populasi pada setiap generasi, pengkodean panjang kromosom,
probabilitas pindah silang p
c
, dan probabilitas mutasi p
m
. Banyaknya populasi dalam satu generasi, dan banyak generasi adalah tergantung dari
yang kita inginkan. Akan tetapi, penentuan parameter ini juga dapat mengikuti aturan dibawah ini:
Tabel 2.3 Tabel perbandingan populasi, p
c
, dan p
m
Masalah Populasi
p
c
p
m
Untuk permasalahan yang memiliki kawasan solusi cukup besar.
50 0,6
0,001 Bila rata-rata fitness setiap generasi
digunakan sebagai indikator. 30
0,95 0,01
Bila fitness dari individu terbaik dipantau pada setiap generasi.
80 0,45
0,01 Maksimum generasi dan ukuran populasi sebaiknya tidak lebih
kecil dari 30 untuk sembarang jenis permasalahan.
Sumber: eprints.undip.ac.id255361ML2F300570.pdf
Pengkodean panjang kromosom berlaku untuk setiap parameter dengan menggunakan batasnya masing-masing. Jumlahkan untuk
mendapatkan panjang kromosom pada satu individu. Pengkodean dilakukan mengikuti aturan:
2
-
.
r
2
− r
4
× 10
6
≤ 2
-
.
……………………………………….. 2.8
2.10.4 Menetapkan populasi awal
Pembangkitan biasanya dilakukan secara acak, dan tersusun atas sederetan bilangan biner dalam GA disebut bit-bit. Bit merupakan nilai
dari sebuah gen yang disebut kromosom. Kromosom mewakili parameter optimasi, satu kromosom berarti mewakili satu parameter
optimasi. Dua parameter optimasi berarti ada dua kromosom. Kromosom yang lebih dari satu akan membentuk individu.
Universitas Sumatera Utara
39
Individu merupakan salah satu solusi yang mungkin. Individu bias dikatakan sama dengan kromosom, yang merupakan kumpulan gen.
Gen ini bisa biner, pecahan float, dan kombinatorial. Beberapa definisi penting yang perlu diperhatikan dalam mendefinisikan individu untuk
membangun penyelesaian permasalahan dengan Algoritma genetika adalah sebagai berikut:
1. Genotype
Gen, adalah variable dasar yang membentuk suatu kromosom. Dalam algoritma genetika, gen ini bisa berupa biner,
float, integer maupun karakter. 2.
Allele , adalah nilai dari suatu gen, bisa berupa biner, float, integer
maupun karakter. 3.
Kromosom, adalah gabungan dari gen-gen yang membentuk arti tertentu. Ada beberapa macam bentuk kromosom, yaitu:
• Kromosom biner adalah kromosom yang disusun dari gen-gen yang
bernilai biner. •
Kromosom float adalah kromosom yang disusun dari gen-gen yang bernilai pecahan, termasuk gen yang bernilai genap.
• Kromosom string adalah kromosom yang disusun dari gen-gen yang
bernilai string. •
Kromosom kombinatorial adalah kromosom yang disusun dari gen- gen yang dinilai berdasarkan urutannya.
4. Individu, adalah kumpulan gen, bisa dikatakan sama dengan
kromosom. Individu menyatakan salah satu kemungkinan solusi dari suatu permasalahan.
5. Populasi, adalah sekumpulan individu yang akan diproses bersama
dalam satu siklus proses evolusi. 6.
Generasi, adalah satu satuan siklus proses evolusi atau satu literasi didalam Algoritma genetika.
7. Nilai fitness menyatakan seberapa baik nilai dari suatu individu atau
solusi yang didapatkan. Nilai inilah yang dijadikan acuan untuk mencapai nilai optimal.
Universitas Sumatera Utara
40 Gambar 2.24 Visualisasi gen, allele, kromosom, individu, dan populasi pada
algoritma genetika
Satu gen biasanya akan mewakili satu variabel. Gen dapat dipresentasikan dalam bentuk bit, bilangan real, daftar aturan, elemen
permutasi, elemen program, atau representasi lainnya yang dapat diimplementasikan untuk operator genetika.
1. Mendekodekan
Bilangan biner setiap kromosom didekodekan ke bilangan desimal. Proses ini dapat dilakukan dengan menggunakan perhitungan
matematis atau dengan program komputer. Contoh dengan perhitungan matematis:
1010 = 0 x 2 + 1 x 2
1
+ 0 x 2
2
+ 1 x 2
3
= 0 + 2 + 0 + 8 = 10
10011 = 1 x 2 + 1 x 2
1
+ 0 x 2
2
+ 0 x 2
3
+ 1 x 2
4
= 1 + 2 + 0 + 0 + 16 = 19
Universitas Sumatera Utara
41
2. Nilai riil
Bilangan desimal setiap kromosom kemudian dicari nilai riil-nya menggunakan rumus:
x
9
= r
4
+ Bil. Desimal × ? r
2
− r
4
2
-
− 1A ………………………….…………… 2.9
Dimana : x
k
= Nilai riil untuk kromosom k r
a
= Batas atas parameter pemilik kromosom k r
b
= Batas bawah parameter pemilik kromosom k m
k
= Panjang kromosom k
2.10.5 Menetapkan Nilai fitness