Pembentukan Populasi Awal Inisialisasi Pemilihan Operator Genetika

3.4. Pembentukan Populasi Awal Inisialisasi

Proses Algoritma Genetika dimulai dengan membentuk populasi awal secara acak. Proses pembentukan ini dimulai dengan membentuk bilangan acak antara 0 dan 1 sebanyak N pop x N bit , dimana N pop adalah jumlah kromosom pada populasi awal dan N bit adalah jumlah bit maksmimal dalam satu kromosom [9]. Misalkan ditentukan bahwa jumlah populasi awal N pop = 20, maka jumlah biner acak yang harus dibentuk adalah 105 x 20 = 3100 bit sebagai populasi awal.

3.5. Pemilihan Operator Genetika

Pemilihan operator genetika dilakukan untuk menentukan jenis operasi yang digunakan untuk mendapatkan kromosom baru yaitu melalui seleksi, crossover, dan mutasi. Pemilihan operator yang tepat akan mempengaruhi hasil penurunan sifat. 3.5.1. Seleksi dan Penetapan Fungsi fitness Seleksi bertujuan untuk menemukan kromosom terbaik dari setiap generasi untuk dijadikan pasangan induk untuk diturunkan pada generasi selanjutnya. Baik atau tidaknya suatu kromosom ditentukan melalui nilai fitness. Fungsi fitness ditentukan dengan melihat kesesuaian antara kromosom yang dihasilkan dengan kromosom yang diinginkan. Kromosom merupakan gambaran dari jadwal yang dihasilkan. Dalam penelitian ini jadwal yang diinginkan adalah jadwal yang dapat meminimalkan penggunaan jumlah ruang dan mencegah terjadinya pelanggaran waktu dosen dan mahasiswa. Dengan demikian, fungsi fitness yang digunakan terdiri Universitas Sumatera Utara dari dua fungsi yaitu f 1 dan f 2 dimana f 1 adalah jumlah ruang yang digunakan dan f 2 adalah besar frekuensi terjadinya pelanggaran waktu dosen dan mahasiswa. …………………. 3.1 …………………. 3.2 Untuk optimasi dengan menggunakan dua buah fungsi fitness, Haupt [9] menyatakan kondisi ini sebagai sebuah Multi Objective Optimization. Untuk optimasi jenis ini solusi tunggal terbaik tidak dapat dicapai. Paretto Optimization merupakan gambaran suatu batas optimum yang dapat tercapai untuk kedua fungsi fitness. Suatu optimasi akan tercapai apabila perubahan nilai f 1 tidak menyebabkan nilai f 2 berubah, dan sebalinya perubahan nilai f 2 tidak menyebabkan nilai f 1 berubah. Setelah nilai f 1 dan f 2 ditentukan, maka terlebih dahulu kita harus menentukan kromosom mana yang paling mendominasi. apabila dimisalkan kromosom yang mendominasi adalah kromosom x 1 , maka ranking dilakukan pada kromosom x 1 . Pencarian solusi untuk Pareto Optimal dilakukan dengan menemukan kromosom yang mendominasi dalam suatu populasi. Kromosom x 1 dikatakan mendominasi kromosom x 2 apabila: ……………… 3.3 atau ……………… 3.4 Proses seleksi dilakukan dengan memberi ranking pertama untuk semua kromosom yang mendominasi, kemudian menghilangkan kromosom tersebut dari Universitas Sumatera Utara populasi. Dari kromosom yang tersisa kemudian dipilih kembali kromosom yang mendominasi untuk diberi ranking dua. Demikian seterusnya sampai kromosom dalam populasi habis dan kromosom mendapatkan ranking seluruhnya. Selanjutnya seleksi dilakukan dengan menggunakan seleksi turnamen untuk mendapatkan kromosom yang dijadikan induk. Langkah-langkah dalam mendapatkan induk dengan pencarian pareto optimal ditunjukkan pada Gambar 3.3. Gambar 3.3 Proses seleksi untuk pencarian pareto optimal Fitness 1= f 1 fitness 2 = f 2 tentukan kromosom yang mendominasi, x 1 ranking, x 1 = 1 untuk tiap kromosom yang mendominasi fitness=ranking hilangkan kromosom yang mendominasi lakukan pencarian terhadap kromosom yang mendominasi lainnya, x n ranking = ranking +1 kondisi selesai seleksi turnamen Universitas Sumatera Utara 3.5.2. Crossover dan Mutasi Operasi crossover menggunakan metode crossover beberapa titik. Metode ini dipilih dengan pertimbangan bahwa panjang kromosom dan gen terdiri dari dua jenis data yang berbeda yaitu indeks waktu dan ruang. Proses crossover didisain untuk dapat menjangkau kedua data tersebut. Proses crossover dilakukan dengan menentukan beberapa titik secara acak pada barisan bit kromosom. Kromosom baru akan dibentuk dengan cara menyalin barisan bit induk pertama sampai titik perkawinan silang, dan sisanya disalin dari induk kedua sepanjang jumlah perkawinan silang yang lain. Proses pindah silang dapat dilihat pada Gambar 3.4. Induk I 001100 0001 001100 0010 Anak I 000110 0001 Anak II Induk II 000110 0010 Gambar 3.4 Proses crossover Mutasi merupakan proses pertukaran nilai bit dari satu atau lebih bit di dalam kromosom menjadi inversi dari bit tersebut. Bit yang akan diinversi dipilih secara acak. Mutasi bertujuan untuk membentuk individu baru agar kromosom yang telah hilang pada proses seleksi sebelumnya dapat muncul kembali pada generasi berikutnya. Jumlah bit yang akan dimutasi tergantung dari besarnya probabilitas mutasi P m . Universitas Sumatera Utara

3.6. Perancangan Algoritma Penjadwalan

Dokumen yang terkait

Penjadwalan Perkuliahan Dengan Menggunakan Algoritma Genetika (Studi Kasus: S-1 Ilmu Komputer Universitas Sumatera Utara)

7 85 140

Sistem Penjadwalan Dinamis Mahasiswa Baru Menggunakan Algoritma Genetika (Studi Kasus: Registrasi Ulang Mahasiswa Baru Universitas Sumatera Utara)

0 0 11

Sistem Penjadwalan Dinamis Mahasiswa Baru Menggunakan Algoritma Genetika (Studi Kasus: Registrasi Ulang Mahasiswa Baru Universitas Sumatera Utara)

0 0 2

Sistem Penjadwalan Dinamis Mahasiswa Baru Menggunakan Algoritma Genetika (Studi Kasus: Registrasi Ulang Mahasiswa Baru Universitas Sumatera Utara)

0 0 6

Sistem Penjadwalan Dinamis Mahasiswa Baru Menggunakan Algoritma Genetika (Studi Kasus: Registrasi Ulang Mahasiswa Baru Universitas Sumatera Utara)

0 0 21

Sistem Penjadwalan Kuliah dengan Menggunakan Algoritma Genetika Studi Kasus Fakultas Teknik Universitas Sumatera Utara

0 3 44

BAB II LANDASAN TEORI 2.1. Penelitian Terkait - Sistem Penjadwalan Kuliah dengan Menggunakan Algoritma Genetika Studi Kasus Fakultas Teknik Universitas Sumatera Utara

0 0 27

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah - Sistem Penjadwalan Kuliah dengan Menggunakan Algoritma Genetika Studi Kasus Fakultas Teknik Universitas Sumatera Utara

0 0 9

Sistem Penjadwalan Kuliah dengan Menggunakan Algoritma Genetika Studi Kasus Fakultas Teknik Universitas Sumatera Utara

0 0 17

SKRIPSI SISTEM PENJADWALAN MATA KULIAH MENGGUNAKAN ALGORITMA GENETIKA (STUDI KASUS PENJADWALAN MATA KULIAH KELAS R1 PROGRAM STUDI TEKNIK INFORMATIKAUMBY)

2 9 19