c. Kromosom Individu Kromosom merupakan gabungan dari gen-gen yang membentuk nilai tertentu
dan menyatakan solusi yang mungkin dari suatu permasalahan. d. Populasi
Populasi merupakan sekumpulan individu yang akan diproses bersama dalam satu satuan siklus evolusi.
e. Fitness
Fitness menyatakan seberapa baik nilai dari suatu individu yang didapatkan.
f. Seleksi Seleksi merupakan proses untuk mendapatkan calon induk yang baik.
g. Crossover
Crossover merupakan proses pertukaran atau kawin silang gen-gen dari dua
induk tertentu. h. Mutasi
Mutasi merupakan proses pergantian salah satu gen yang terpilih dengan nilai tertentu.
i. Generasi Generasi merupakan urutan iterasi dimana beberapa kromosom bergabung,
yaitu satu siklus proses evolusi atau satu iterasi di dalam algoritma genetika. j.
Offspring Offspring
merupakan kromosom baru yang dihasilkan.
2.1.3. Struktur Umum Algoritma Genetika
Bila Pt adalah induk dan Ct adalah keturunan pada generasi t, struktur umum algoritma Genetika adalah sebagai berikut :
Procedure Algoritma Genetika begin
t = 0 initialize Pt;
evaluate Pt; while not terminate condition
do recombine Pt to yield Ct;
evaluate Ct; select Pt+1 from Pt and Ct;
t = t + 1; end
end
2.1.4. Basis Algoritma Genetika
Ide dasar algoritma genetika adalah mengelola suatu populasi individu yang merepresentasikan kandidat solusi sebuah permasalahan. Secara umum
algoritma genetika memiliki lima komponen dasar Michalewicz, 1996 yaitu:
1. Representasi genetik dari solusi-solusi masalah. 2. Cara membentuk populasi awal dari solusi-solusi.
3. Fungsi evaluasi yang me-rate rating solusi-solusi berdasarkan fitness mereka.
4. Operator-operator genetik yang merubah komposisi genetik dari offspring selama reproduksi.
5. Nilai-nilai untuk parameter algoritma genetika. Algoritma genetika berangkat dari himpunan solusi yang dihasilkan secara
acak yang disebut populasi. Sedangkan setiap individu dalam populasi disebut kromosom yang merupakan representasi dari solusi dan masing-masing
dievaluasi tingkat ketanggguhannya fitness oleh fungsi yang telah ditentukan.
Melalui proses seleksi alam atas operator genetik, gen-gen dari dua kromosom disebut parent diharapkan akan menghasilkan kromosom baru dengan tingkat
fitness yang lebih tinggi sebagai generasi baru atau keturunan offspring berikutnya. Kromosom-kromosom tersebut akan mengalami iterasi yang disebut
generasi generation. Menurut Gen dan Cheng 2000 pada setiap generasi, kromosom dievaluasi berdasarkan nilai fungsi fitness. Setelah beberapa generasi
maka algoritma genetika akan konvergen dapat kromosom terbaik, yang merupakan solusi optimal Goldberg, 1989. Diagram alir algoritma Genetika
dapat dilihat pada gambar 2.1.
mulai Deskripsikan persoalan
Ya
Hasilkan solusi awal
Tidak
Uji : Apakah solusi terbaik
cukup baik ?
Pilih induk pemain untuk bereproduksi
Berhenti
Terapkan proses penyilangan dan hasilkan sekumpulan
keturunan Terapkan mutasi acak
Langkah 1
Langkah 2 Langkah 3
Langkah 5 Langkah 4
Gambar 2.1 Diagram alir proses algoritma genetika
2.1.5. Operator Algoritma Genetika
