kromosom yang lainnya sehingga ukuran populasi jumlah kromosom dalam suatu populasi konstan. Setelah melalui beberapa generasi, maka Algoritma Genetika akan
konvergen ke kromosom yang terbaik.
2.1.1 Sejarah Algoritma Genetika
Algoritma Genetika merupakan metode pencarian yang disesuaikan dengan proses genetika dari organisme-organisme biologi yang berdasar pada teori evolusi Charles
Darwin. Algoritma Genetika pertama kali ditemukan oleh John Holland di dalam bukunya yang berjudul Adaption in Natural and Artificial Systems pada tahun 1960-an
dan kemudian dikembangkan bersama murid-murid dan rekan kerjanya di Universitas Michigan pada tahun 1960-an sampai 1970-an. Tujuan Holland mengembangkan
Algoritma Genetika saat itu bukan untuk mendesain suatu algoritma yang dapat memecahkan suatu masalah, namun lebih mengarah ke studi mengenai fenomena
adaptasi di alam dan mencoba menerapkan mekanisme adaptasi alam tersebut ke dalam sistem komputer.
Algoritma Genetika yang dibuat Holland merupakan sebuah metode untuk memisahkan satu populasi kromosom terdiri dari bit-bit 1 dan 0 ke populasi baru
dengan menggunakan “seleksi alam” dan operator genetik seperti crossover, mutation mutasi dan inversion. Crossover menukar bagian kecil dari dua kromosom, mutasi
mengganti secara acak nilai gen beberapa lokasi pada kromosom dan inversion membalikkan urutan beberapa gen yang berurutan dalam kromosom. Dasar teori inilah
yang menjadi dasar kebanyakan program yang menggunakan Algoritma Genetika saat ini.
2.1.2 Karakteristik Algoritma Genetika
Algoritma Genetika memeberikan suatu pilihan bagi penentuan nilai parameter dengan meniru cara reproduksi genetika, pembentukan kromosom baru serta seleksi
alam seperti yang terjadi pada makhluk hidup. Algoritma Genetika mempunyai
Universitas Sumatera Utara
karakteristik-karakteristik yang perlu diketahui sehingga dapat terbedakan dari prosedur pencarian atau optimasi yang lainnya. Karakteristiknya dapat kita asumsikan sebagai
berikut : 1.
Algoritma Genetika bekerja dengan pengkodean dari himpunan solusi permasalahan berdasarkan parameter yang telah ditetapkan dan bukan parameter
itu sendiri.
2. Algoritma Genetika malakukan pencarian pada sebuah populasi dari sejumlah
individu-individu yang merupakan solusi permasalahan bukan hanya dari sebuah
individu.
3. Algoritma Genetika merupakan informasi fungsi objektif fitness, sebagai cara
untuk mengevaluasi individu yang mempunyai solusi terbaik, bukan turunan dari
suatu fungsi.
4. Algoritma Genetika aturan-aturan transisi peluang, bukan aturan-aturan
deterministik.
2.1.3 Kelebihan Algoritma Genetika
