Nama : Athfal Aufaa Muzakky

Kelas : TKK 4 B
NIM : 193304033

Algoritma Genetika

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. Setiap solusi Algoritma
Genetika diwakili oleh suatu individu atau satu kromosom.

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. Algoritma Genetika 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.
3. 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 :
a. 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.
b. 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.
4. PROSEDUR ALGORITMA GENETIKA
Algoritma genetik yang umum menyaratkan dua hal untuk didefinisikan, yaitu :
1. Representasi genetik dari penyelesaian,
2. Fungsi kemampuan untuk mengevaluasinya.
OPERATOR-OPERATOR ALGORITMA
GENETIKA
1. Operasi Evolusi = proses seleksi (selection)
2. Operasi Genetika = pindah silang (crossover) dan mutasi
(mutation) SIKLUS ALGORITMA GENETIKA
Siklus Algoritma Genetika mengalami revisi agar dapat menyesuaikan algoritma genetika
saat ini. berikut ini merupakan siklus dari algoritma genetika :

Siklus algoritma sebelum direvisi

Siklus algoritma genetika setelah direvisi