optimisasi yang kompleks secara lebih mudah dan akurat. Algoritma genetik merupakan teknik search stochastic yang berdasarkan mekanisme seleksi alam
dan genetika natural. Yang membedakan algoritma genetik dengan berbagai algoritma konvensional lainnya adalah bahwa algoritma genetik memulai dengan
suatu himpunan penyelesaian acak awal yang disebut populasi.
3.5.1. Struktur Umum Algoritma Genetika
Pada algoritma ini, teknik pencarian dilakukan sekaligus atas sejumlah solusi yang mungkin dikenal dengan istilah populasi. Individu yang terdapat
dalam satu populasi disebut dengan istilah kromosom.
13
Kromosom ini merupakan suatu solusi yang masih berbentuk simbol. Populasi awal dibangun
secara acak, sedangkan populasi berikutnya merupakan hasil evolusi kromosom- kromosom melalui iterasi yang disebut dengan istilah generasi. Pada setiap
generasi, kromosom akan melalui proses evaluasi dengan menggunakan alat ukur yang disebut dengan fungsi fitness. Nilai fitness dari suatu kromosom akan
menunjukkan kualitas kromosom dalam populasi tersebut. Generasi berikutnya dikenal dengan istilah anak off-spring terbentuk dari
gabungan dua kromosom generasi sekarang yang bertindak sebagai induk parent dengan menggunakan operator penyilangan crossover. Selain operator
penyilangan, suatu kromosom dapat juga dimodifikasi dengan menggunakan operator mutasi. Populasi generasi yang baru dibentuk dengan cara menyeleksi
nilai fitness dari kromosom induk parent dan nilai fitness dari kromosom anak
13
Sri Kusumadewi. op.cit. hlm. 232
Universitas Sumatera Utara
offspring, serta menolak kromosom-kromosom yang lainnya sehingga ukuran populasi jumlah kromosom dalam suatu populasi konstan. Setelah melalui
beberapa generasi, maka algoritma ini akan konvergen ke kromosom terbaik.
3.5.2. Istilah dalam Genetic Algorithm
Beberapa istilah yang sering digunakan dalam Genetic Algorithm adalah sebagai berikut:
1. Individu, salah satu solusi yang mungkin dilakukan pada metode genetic
algorithm . Sama seperti dalam kehidupan sehari-hari, individu terdiri dari
sekumpulan gen. 2.
Genotype gen, sebuah nilai yang menyatakan satuan dasar yang membentuk satu kesatuan yang disebut kromoson. Dalam genetic algorithm gen ini dapat
berbentuk nilai biner, float, integer maupun karakter, atau kombinational. 3.
Alel, nilai dari gen. 4.
Kromosom, gabungan dari beberapa gen yang membentuk nilai-nilai tertentu. 5.
Populasi, sekumpulan individu yang akan diproses dalam satu siklus evolusi. 6.
Generasi, satu siklus proses evolusi atau dalam genetic algorithm disebut satu proses iterasi.
7. Fitness, suatu nilai yang menyatakan keadaan dari suatu solusi permasalahan
yang dicari. Nilai fitness menjadi acuan terhadap baik buruknya sebuah solusi untuk diterapkan pada permasalahan. Dalam genetic algorithm akan dicari
solusi dengan nilai fitness tertinggi.
Universitas Sumatera Utara
3.5.3. Komponen Utama Dalam Genetic Algorithm
