eksplorasi solusi lebih luas dan mengurangi kemungkinan menghasilkan kesalahan optimasi, tetapi apabila tingkat rasio terlalu tinggi, maka akan
menghasilkan pemborosan waktu komputasi atas eksplorasi kondisi-kondisi ketidakpastian terhadap solusi permasalahan.
2.4.1. Encoding Kromosom
Langkah awal untuk mengimplementasikan suatu program komputer seringkali adalah pemilihan tipe data. Hal inilah yang merupakan variasi perbedaan awal
antara teori asli Holland dan beberapa teori alternatif algoritma genetik lainnya yang kemudian muncul.
Holland meng-encoding kromosom ke dalam suatu string digit biner. Sejumlah operasi encoding biner digunakan untuk menghasilkan algoritma
genetik yang sederhana, efektif dan sesuai. Akan tetapi ada banyak cara untuk merepresentasikan gen suatu obyek, yang masing-masing memiliki keuntungan
implisit tersendiri Davis, 1991. Agar dapat merepresentasikan suatu problem ke dalam bentuk gen,
substansi-substansi solusi harus direpresentasikan sebagai suatu kumpulan unit informasi Davis, 1991.
2.4.2. Encoding dan Decoding
Pada aturan algoritma genetik, kumpulan gen yang diencoding disebut dengan genotype, sedangkan data aktual yang diencoding disebut dengan phenotype Gen
M. et.all, 1997. Apakah phenotype diencoding untuk membentuk suatu genotype atau genotype didecoding untuk membentuk suatu phenotype, hanyalah
menyangkut perbedaan penafsiran dalam literatur Heitkoetter, 1993. Pada banyak kasus, nilai aktual tiap gen disebut dengan allele Gen M. et.all, 1997.
Menurut realitasnya, gen dari makhluk hidup disimpan berpasangan dan tiap induk hanya memunculkan satu gen untuk tiap pasangan Sherwod, 1993. Hal ini
berbeda dengan algoritma genetik, dimana gen tidak disimpan berpasangan, tetapi baik pada algoritma genetik dan bentuk nyata biologis, hanya sebagian gen induk
yang diwariskan pada anak offspring Davis, 1991.
Universitas Sumatera Utara
2.4.3. Ukuran Populasi Langkah awal pada algoritma genetik adalah menginisialisasi keseluruhan
populasi kromosom. Jumlah populasi ini harus ditentukan, tergantung pada teknik komputasi yang tersedia, perbedaan ukuran akan menghasilkan hasil optimal.
Apabila ukuran populasi yang dipilih terlalu kecil, maka tingkat eksplorasi atas ruang pencarian global akan terbatas, walaupun arah menuju konvergensi lebih
cepat. Apabila ukuran populasi terlalu besar, maka waktu akan banyak terbuang karena berkaitan dengan besarnya jumlah data yang dibutuhkan dan waktu ke arah
konvergensi akan lebih lama Goldberg, 1989.
2.4.4. Evaluasi Kromosom