e. Operator genetika
Operator standar yang biasa digunakan dalam algoritma genetika adalah selection, crossover dan mutation. Berikut ini
akan dijelaskan masing-masing operator menurut Desiani arhami, 2006 yaitu :
1. Selection
Tujuan penggunaan algoritma genetika adalah untuk memilih solusi yang tersedia. Melalui proses evolusi,
algoritma ini mengkombinasikan sejumlah solusi dari suatu generasi menjadi solusi lain digenerasi berikutnya. Solusi
yang terpilih diharapkan memiliki karakteristik yang baik sehingga setelah dilakukan manipulasi, solusi generasi
selanjutnya dapat memiliki karakter yang lebih baik.
2. Crossover
Crossover Penyilangan merupakan operator utama
dalam Algoritma Genetika. Salah satu cara sederhana dalam crossover
adalah dengan memilih secara acak satu titik potong pada parents dan melakukan penyilangan dimana
segmen yang terletak sebelum titik penyilangan akan dikopikan ke kromosom offspring kedua. Metode ini dapat
bekerja dengan baik pada kromosom string biner Ariani, 2003.
3. Mutation
Mutasi merupakan
sekondari operator
yang mereproduksi kromosom baru akibat perubahan secara
acak dan kebetulan, dengan probabilitas yang sangat kecil. Dalam algoritma genetika, mutasi diperlukan
sebagai penjagaan terhadap konvergensi yang terlalu cepat akibat hilangnya variasi kromosom yang disebabkan oleh
crossover , dan untuk memastikan bahwa seluruh lokasi
pada area pencarian dapat dijelajahi. Cara sederhana melakukan mutasi adalah dengan mengubah secara acak
satu atau lebih gen dalam kromosom. Gen merupakan bit- bit yang menyusun kromosom Ariani, 2003.
f. Penentuan Parameter
Menurut Kusumadewi, 2006 Algoritma genetika membutuhkan beberapa nilai parameter yang menentukan
kinerja program. Parameter yang biasa digunakan pada algoritma genetika adalah :
1. Populasi size, jumlah individu yang dilibatkan pada setiap
generasi. 2.
Crossover rate merupakan rasio perbandingan banyaknya
offspring yang yang diproduksi pada tiap generasi dengan
banyaknya populasi size. Crossover rate yang besar
Kategori