yaitu mencapai solusi optimum yang belum waktunya, dalam arti bahwa solusi yang diperoleh adalah hasil local optima.
Operator pada algoritma genetika terdiri atas sejumlah parameter kontrol yang terdiri-dari: Taiwo et al., 2013
1. Ukuran populasi: mendefinisikan berapa banyak kromosom dan berapa banyak gen di dalam satu kromosom yang terlibat selama proses pencarian.
2. Probabilitas crossover: menspesifikasikan probabilitas crossover di antara dua kromosom.
3. Probabilitas mutasi: menspesifikasikan probabilitas dari dilakukannya mutasi bit-wise.
4. Kriteria terminasi: menspesifikasikan kondisi berakhirnya pencarian solusi pada algoritma genetika.
2.4.1. Proses Seleksi
Proses seleksi berhubungan erat dengan nilai fitness yang diperoleh oleh setiap individu. Reeves, 2003. Proses seleksi dilakukan dengan cara membuat individu
yang mempunyai fungsi objektif kecil mempunyai kemungkinan terpilih yang lebih besar atau mempunyai nilai probabilitas yang tinggi Hermawanto, 2007.
Dalam proses seleksi parent, ada banyak metode yang dapat diterapkan. Dua metode umum yang sering digunakan yaitu Chipperfield. et.al, 2005:
1. Seleksi Roda Roulette Roulette Wheel Selection Roulette wheel selection adalah metode seleksi yang paling sederhana. Pada
metode ini semua kromosom individu di dalam suatu populasi adalah ditempatkan pada roulette wheel sesuai dengan nilai fitness mereka. Besarnya
ukuran tiap segmen di dalam roulette adalah sebanding dengan nilai fitness dari tiap individu. Semakin besar nilai fitness maka semakin besar pula
ukuran segmen di dalam roulette wheel, kemudian roulette wheel diputar. Individu yang sesuai dengan segmen pada roulette wheel ketika berhenti
yang akan dipilih. Kumar, 2012. Metode roulette wheel selection dapat dilihat pada Gambar 2.3.
Universitas Sumatera Utara
K1
K2 K3
K4
Kromosom Fitness
K1 1
K2 2
K3 0.5
K4 0.5
Jumlah 4
Gambar 2.3 Metode Roulette Wheel Selection Hassoun, 1995
2. Stochastic Universal Sampling Karakteristik metode ini adalah memiliki nilai bias nol dan penyebaran yang
minimum. Individu-individu dipetakan dalam suatu segmen garis secara berurutan sedemikian hingga tiap-tiap segmen individu memiliki ukuran
yang sama dengan ukuran fitness-nya. Kemudian diberikan sejumlah pointer sebanyak individu yang ingin diseleksi pada garis tersebut Pencheva et.al,
2009. Misal N adalah jumlah individu yang akan diseleksi, maka jarak antar pointer adalah 1N dan posisi pointer pertama diberikan secara acak pada
range [1 , 1N]. Metode stochastic universal sampling dapat dilihat pada Gambar 2.4.
Gambar 2.4 Metode Stochastic Universal Sampling Pencheva, 2009
2.4.2. Pindah Silang Crossover
