Jurnal Moh - Subhan
Jurnal Moh - Subhan
2 Oktober, 2016
3. METODOLOGI DAN
PERANCANGAN
Evaluate fitness for eash population
Algoritma Genetika melalui tahap-
tahap kerja, yaitu pembentukan populasi
Store best individuals secara acak, reproduksi, persilangan,
mutasi dan seleksi. Proses ini akan
Store best individuals berulang hingga syarat tertentu dipenuhi,
seperti yang tampak pada gambar berikut:
Create mating pool
YES
NO
Perform mutations
200
180 DAFTAR PUSTAKA
160 Alamsyah, Pemanfaatan Metode Heuristik
140 Pada Pencarian Jalur Terpendek
120 dengan Algoritma Genetika. Jurnal
100 SMARTek, Vol. 8 No. 4. Nopember
80 2010: 307 - 316.
60 Robandi, Imam. 2006. Desain sistem
40 tenaga modern: optimisasi, logika
20 fuzzy, algoritma genetika.
0 Andi, Yogyakarta.
0 20 40 60 80 100 120 140 160 180 200 Setemen, Komang, 2008, Optimasi
generate jadwal mata kuliah
Keterangan: menggunakan algoritma genetika
Titik biru menandakan awal dari lintasan dan tabu serch, Universitas
rute, arah panah menunjukan arah awal Pendidikan Ganesha Singaraja, Bali
dari titik 0 lintasan. Suarga. 2006. Algoritma Pemrograman.
Andi, Yogyakarta.
5. KESIMPULAN
Pada penerapan Algoritma
Genetika dalam memberikan
pemecahan masalah mengenai
menentukan rute jarak
terpendek tidak memerlukan
informasi derivatif atau
menurunkan kualitas dari suatu
informasi.
Dengan bantuan algoritma
Genetika penentuan rute jarak
terpendek pada Travelling
Salesman Problem akan
memberikan respon sistem
yang optimal.
Algortima Genetika ini akan
selalu menunjukan kenaikan
fitness atau kata lain generasi
selanjutnya lebih baik atau