ALGORITMA GENETIKA

A. Defenisi Algoritma Genetika

            Algoritma genetika adalah salah satu metode metaheuristik yang digunakan
untuk menyelesaikan permasalahan optimasi. Algoritma genetika diciptakan pada
tahun 1975 oleh John Holland yang mengemukakan komputasi berbasis evolusi dalam
bukunya yang berjudul “Adaption in Natural and Artificial Intelligence”. Tujuannya
adalah untuk membuat mesin dapat melakukan apa yang alam lakukan. Holland
mengemukakan sebuah algoritma yang memfokuskan diri pada manipulasi stringdalam
bentuk binary bit yang diambil dari konsep abstrak dari evolusi alam. Tahapan
algoritma genetika yang dikemukakan dapat direpresentasikan sebagai tahapan
berurutan sebagai bentuk populasi dari kromosom buatan menjadi sebuah populasi
baru (Negnevitsky, 2005). Algoritma genetika merupakan suatu mekanisme yang dapat
melakukan pencarian dengan meniru sistem seleksi alam dan genetika alamiah.
Pengaplikasian algoritma genetika biasanya menggambarkan proses evolusi, dengan
menghasilkan kromosom-kromosom dari tiap populasi secara acak dan memungkinkan
kromosom tersebut berkembang biak sesuai dengan hukum evolusi yang diharapkan
akan dapat menghasilkan suatu individu yang lebih baik lagi. Setelah didapat suatu
individu yang baru diharapkan individu tersebut dapat menjadi solusi yang baik dari
permasalahan yang dibahas. Sebutan untuk algoritma genetika yang umum digunakan
adalah algoritma genetika umum atau algoritma genetika klasik.
Algoritma Genetika adalah suatu algoritma pencarian yang bertujuan untuk
mencari solusi dari suatu masalah, baik dengan satu variable maupun multivariable.
Metode ini meniru mekanisme dari genetika alam yaitu untuk menemukan susunan-
susunan gen yang terbaik dalam tubuh makhluk hidup.
Dasar Algoritma Genetika adalah teori evolusi Darwin, yang menjelaskan
prinsip dasar terciptanya banyak spesies makhluk hidup yang ada di dunia sekarang ini.
Makhluk hidup yang dapat beradaptasi dengan lebih baik terhadap lingkungannya
akan mempunyai kesempatan yang lebih besar untuk bertahan hidup dan
bereproduksi sehingga mempengaruhi jumlah populasi spesies yang bersangkutan di
waktu-waktu selanjutnya.
Dalam perkembangannya, metode Algoritma Genetika banyak dipakai dalam
berbagai disiplin ilmu. Algoritma ini digunakan untuk menyekesaikan kasus-kasus yang
mempunyai banyak solusi, dimana tidak ada kepastian solusi yang terbaik. Sehingga 
dalam penyelesaian masalah tersebut akan membutuhkan waktu yang sangat lama.
Setiap solusi Algoritma Genetika diwakili oleh suatu individu atau satu kromosom.
Keuntungan Algoritma Genetika adalah sifat metode pencariannya yang lebih optimal,
tanpa terlalu memperbesar ruang pencarian, dan tanpa kehilangan kelengkapannya.
Melalui persilangan dan mutasi, akan ada individu-individu yang baru pada
populasi sebagai populasi generasi. Persilangan atau mutasi akan dilakukan lagi
sehingga populasi yang baru dapat menemukan nilai pembandingnya. Proses ini akan
diulangi selama beberapa generasi hingga dihasilkan suatu hasil yang optimal.

B. Sejarah Algoritma Genetik

Algoritma Genetika pertama kali ditemukan oleh John Holland pada tahun
1960-an dan kemudian dikembangkan bersama murid-murid dan rekan kerjanya di
Universitas Michigan pada tahun 1970-an. Tujuan Holland mengembangkan Algoritma
Genetika saat itu bukan untuk mendesain suatu algoritma yang dapat memecahkan
suatu masalah, namun lebih mengarah ke study mengenai fenomena adaptasi yang
terjadi di alam dan mencoba menerapkan mekanisme adaptasi alam tersebut kedalam
system computer.
Algoritma Genetika yang dibuat Holland merupakan sebuah metode untuk
memindahkan suatu populasi kromosom (terdiri dari bit-bit 1 dan 0 ) ke populasi baru
dengan menggunakan “ seleksi alam “ dan operator genetic seperti :
1) Crossover
Menukar bagian kecil dari dua kromosom
2) Mutasi  
Mengganti secara acak nilai gen beberapa lokasi pada kromosom,
 3) Inversion
Membalikkan urutan beberapa gen yang berurutan dalam kromosom.
Dasar teori inilah yang menjadi dasar kebanyakan program yang menggunakan
Algoritma Genetika.

C. Tahapan Proses Algoritma Genetik

Pada dasarnya, algoritma genetika dapat dilakukan melalui lima tahap  yaitu
sebagai berikut :
1) Membentuk Populasi Awal
Langkah pertama dalam algoritma genetika adalah membentuk sebuah
populasi untuk sejumlah gen. populasi itu sendiri merupakan sekumpulan solusi yang
akan digunakan dalam proses regenerasi selanjutnya untuk mencari solusi terbaik.
Solusi-solusi yang ada selanjutnya disebut sebagai individu.
2) Mencari Fitness Cost
Pada tahap ini setiap individu yang terbentuk dicari fitness cost-nya sebagai
nilai pembanding antara individu satu dengan yang lainnya.
3) Pengurutan (Sorting)
Pada tahap ini, individu yang terdapat pada populasi diurutkan berdasarkan fitness
costnya. Tujuan utamanya adalah untuk mencari individu terbaik pada populasi yang
ada, yang dapat dikatakan sebagai solusi sementara.
4) Proses Regenerasi
Proses ini terdapat dua metode yaitu :

 Elitism Method
Metode dimana individu-individu yang akan mengalmi proses regenerasi, yaitu proses
mutasi dan crossover adalah individu-individu dengan nilai fitness yang rendah,
sedangkan individu dengan nilai fitness tertinggi atau gen terbaik akan dipertahankan
untuk dibandingkan lagi dengan individu hasil proses regenerasi.
 Non Elitms
Suatu metode regenerasi yang melibatkan semua individu baik individu / gen terbaik
maupun gen yang kurang baik (individu dengan nilai fitness rendah).
5) Tahapan Pengulangan
Setelah proses regenerasi selesai, maka dilakukan pengulangan proses ini sampai
sejumlah generasi yang dikehendaki.

D. Kelebihan Algoritma Genetik

            Beberapa hal yang termasuk kelebihan dari Algoritma Genetika adalah sebagai
berikut (Haupt dan Haupt, 2004):
 Mengoptimalkan dengan variabel kontinu atau diskrit,
 Tidak memerlukan informasi derivatif,
 Bersamaan pencarian dari sebuah sampling yang luas pada permukaan biaya,
 Berkaitan dengan sejumlah besar variabel,
 Baik untuk komputer paralel,
 Mengoptimalkan permukaan variabel dengan biaya yang sangat kompleks (GA
bisa melompat dari minimum lokal),
 Memberikan daftar variabel yang optimal, bukan hanya solusi tunggal,
 Dapat menyandikan variabel sehingga optimasi dilakukan dengan
mengkodekan variabel, dan
 Bekerja dengan data numerik yang dihasilkan, data eksperimen, atau analitis
fungsi.

E. Struktur Umum Algoritma Genetik

Struktur umum algoritma genetik dapat diilustrasikan dalam diagram alir
berikut ini:
 Inisialisasi populasi awal dilakukan untuk menghasilkan solusi awal dari suatu
permasalahan algoritma genetika. Inisialisasi ini dilakukan secara acak sebanyak jumlah
kromosom/populasi yang diinginkan. Selanjutnya dihitung nilai fitness dan seterusnya
dilakukan seleksi dengan menggunakan metode roda roullete, tournament atau
ranking. Kemudian dilakukan perkawinan silang (crossover) dan mutasi. Setelah melalui
beberapa generasi maka algoritma ini akan berhenti sebanyak generasi yang
diinginkan.

F. Karakteristik Algoritma Genetik

Goldberg (1989) mengemukakan bahwa algoritma genetika mempunyai
karakteristik-karakteristik yang perlu diketahui sehingga dapat terbedakan dari
prosedur pencarian atau optimasi yang lain yaitu:
1. AG bekerja dengan pengkodean dari himpunan solusi permasalahan
berdasarkan parameter yang telah ditetapkan dan bukan parameter itu sendiri.
 Sebagai contoh untuk mendapatkan minimum dari fungsi  f(x)=y=x4+2x3+5, AG
tidak secara langsung mencari nilai x atau y, tetapi terlebih dahulu
merepresentasikan x dalam bentuk string biner.
2. AG melakukan pencarian pada sebuah populasi dari sejumlah individu-individu
yang merupakan solusi permasalahan bukan hanya dari sebuah individu.
3. AG merupakan informasi fungsi objektif (fitness), sebagai cara untuk
mengevaluasi individu yang mempunyai solusi terbaik, bukan turunan dari
suatu fungsi.
4. AG menggunakan aturan-aturan transisi peluang, bukan aturan-aturan
deterministic

KESIMPULAN

Algoritma genetik adalah teknik pencarian yang di dalam ilmu komputer untuk

menemukan penyelesaian perkiraan untuk optimisasi dan masalah pencarian.
Algoritma genetik adalah kelas khusus dari algoritma evolusioner dengan
menggunakan teknik yang terinspirasi oleh biologi evolusioner seperti warisan, mutasi,
seleksi alam dan rekombinasi (atau crossover). Algoritma Genetik pertama kali
dikembangkan oleh John Holland pada tahun 1970-an di New York, Amerika Serikat.
Sebelum algoritma genetika dilakukan, ada dua hal   penting yang harus
dilakukan yaitu pendefinisian kromosom yang merupakan suatu solusi yang masih
berbentuk simbol dan fungsifitness atau fungsi obyektif. Dua hal ini berperan penting
dalam algoritma genetika untuk menyelesaikan suatu masalah.