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
Populasi yang acak hampir selalu tidak sesuai Davis, 1991. Untuk dapat menentukan yang mana yang lebih tepat, tiap obyek harus dievaluasi. Untuk
mengevaluasi obyek, beberapa pengetahuan tentang lingkungan kerjanya harus diketahui supaya dapat tetap survive. Lingkungan ini diencoding secara parsial
atau secara parsial didecoding untuk menyesuaikan dengan deskripsi permasalahan Gen M. et.all, 1997.
2.4.5. Insialisasi Populasi
Terdapat dua teknik umum untuk inisialisasi suatu populasi. Populasi obyek keseluruhan informasi genetik tentang obyek dalam koloni dapat diambil dari
secondary storage. Data ini akan merupakan titik awal bagi evolusi yang terarah. Secara umum algoritma genetik dapat diawali dengan populasi acak. Hal ini
merupakan ukuran penuh populasi obyek dimana operasi genetik ditentukan dengan proses acak Davis, 1991.
Universitas Sumatera Utara
2.4.6. Metode Seleksi Untuk Kepunahan atau Kelahiran
Seleksi bertujuan untuk memberikan kesempatan reproduksi yang lebih besar bagi anggota populasi yang paling fit. Kusumadewi, 2005
Apabila populasi awal obyek telah dibentuk, dimana masing-masing diukur oleh fitness atau biaya, maka dapat ditemukan nilai fitness keseluruhan.
Apabila nilai fitness keseluruhan tidak setinggi yang diharapkan, sebagian obyek dalam populasi dapat diseleksi untuk dieliminasi punah. Hal ini berkaitan
berkaitan operator seleksi natural elitist elitist natural selection Davis, 1991. Pada awal munculnya algoritma genetik, digunakan strategi penggantian
untuk mempertahankan jumlah populasi tetap dengan menggantikan dua induk dengan dua offspring pada tiap generasi. Setelah itu strategi “crowding”
dikembangkan dimana pada metode ini, satu offspring menggantikan induknya yang memiliki banyak kesamaan. Hal ini membutuhkan perbandingan gen per gen
anak dengan tiap induknya, dan kondisi semacam ini membutuhkan perhitungan komputasi yang cukup rumit Gen M. et.all, 1997.
Tournament selection merupakan teknik lain untuk menentukan obyek mana yang akan dieliminasi. Pada metode ini, dua obyek dipilih dan diadu,
pemenangnya akan melakukan reproduksi dan yang kalah akan punah Rich, 1995. Hal ini meniru perilaku yang terjadi pada populasi rusa dalam jumlah besar
dan kadang-kadang juga terjadi di antara manusia. Banyaknya obyek yang akan dieliminasi pada tiap generasi merupakan
suatu hal yang harus benar-benar diperhatikan. Proporsi terminasi prematur dalam populasi menciptakan apa yang dinamakan dengan tekanan seleksi. Misalnya,
pada kejadian nyata peristiwa seperti wabah, perang, banjir, jaman es merepresentasikan periode dimana tekanan seleksi cukup tinggi, yang tingkat
tekanannya berbeda pada tiap kasus. Pada perkembangan teori algoritma genetik, metode seleksi obyek untuk
melahirkan diatur dengan cara yang berbeda. Model dasar dari Holland mengunakan metode dimana yang paling sehat yang akan dipilih untuk
melahirkan. Metode lain melakukan pilihan pada dua obyek secara acak untuk melahirkan. Kelahiran yang selektif dapat digunakan secara terpadu dengan atau
Universitas Sumatera Utara
tanpa operator elitist natural selection untuk melakukan evolusi Gen M. et.all, 1997.
Pada populasi yang memiliki tingkat evolusi yang cukup tinggi, proses spesialisasi akan terjadi. Kondisi terjadinya intra-mating dari beberapa grup
spesies menghasilkan offspring dengan nilai fitness tinggi dalam spesies, sedangkan perkawinan anggota spesies dengan anggota populasi yang bukan
dalam spesies akan menghasilkan offspring dengan nilai fitness yang sangat rendah, yang disebut “lethals”. Lethal jarang bisa survive pada generasi
selanjutnya Heitkoetter, 1993. Tujuan kelahiran selektif adalah menghasilkan kromosom dengan nilai
fitness tinggi Gen M. et.all, 1997 dan untuk menghindari kelebihan produksi lethal Heitkoetter, 1993.
Beberapa metode seleksi dari induk, antara lain : 1. Rank Based Fitness Assignment
2. Roulette Wheel Selection 3. Stochastic Universal Sampling
4. Local Selection 5. Trunction Selection
6. Tournament Selection.
Roulettte Wheel Selection
Metode seleksi dengan mesin roulette ini merupakan metode yang paling sederhana. Seleksi ini sering dikenal dengan nama stochastic sampling with
replacement Seleksi ini bertujuan untuk memberikan kesempatan reproduksi yang lebih besar bagi anggota populasi yang memiliki fitness tinggi untuk melakukan
reproduksi. Algoritma dari seleksi roulette wheel :
1. Dihitung nilai fitness masing-masing individu f
i
2. Dihitung total fitness semua individu
, dimana i adalah individu ke 1 sd ke-n
3. Dihitung fitness relatif masing-masing individu
Universitas Sumatera Utara
4. Dari fitness relatif tersebut, dihitung fitness kumulatifnya.
5. Dibangkitkan nilai random
6. Dari bilangan random yang dihasilkan, ditentukan individu mana yang
terpilih dalam proses seleksi
2.4.7. Crossover