Nama : ROSSA RASSOMA DALVITA

Kelas : 21IF01

NIM : 21.11.3821

Soal Evaluasi Pekan 4

Kecerdasan Buatan

1. Algoritma Genetika cocok digunakan untuk menyelesaikan kasus yang sperti apa?
Berikan contoh dan penjelasanya (Penjelasan dalam cukup dalam bentuk konseptual,
bukan perhitungan manual)
Agoritma ini dapat digunakan untuk menyelesaikan masalah optimasi, yaitu mencari
nilai maksimum atau minimum dari suatu fungsi yang diberikan. Ini bekerja dengan
memodelkan masalah sebagai populasi solusi yang diwakili oleh kromosom, dan kemudian
menerapkan prinsip seleksi, persilangan, dan mutasi untuk menghasilkan populasi baru yang
lebih baik secara bertahap. Contoh penerapan algoritma genetika adalah dalam masalah
optimasi pada perancangan mesin atau sistem, di mana terdapat banyak variabel yang harus
dioptimalkan secara bersamaan. Dalam contoh desain mobil, dapat digunakan algoritma
genetika dengan menentukan populasi awal yang terdiri dari beberapa konfigurasi mobil.
Contoh penerapannya dapat berupa optimasi desain mesin, sistem, atau perancangan yang
membutuhkan banyak faktor yang harus dipertimbangkan bersamaan.

2. Lakukan proses cross over pada kromosom biner V1 dan V2 berikut. Titik potong di
ilustrasikan oleh garis merah

1 0 1 0
1 1 1 1

0 1 0 0 1 1 1

1 1 0 0 1 1 1

Kromosom baru / offspring

0 1 1 0 1 0 1 1
 3. Lakukan Proses Cross Over Pada Kromosom V3 dan V4 berikut. Note: kromosom
ini adalah kromosom untuk menentukan rute, sehingga tidak boleh ada angka yang
duplicate. titik potong diilustrasikan pada garis merah.

7 2 1 3 6 5 8 4 5 8 3 7

6 4 5 8 3 7 2 1 1 3 6 5

7 2 1 3 6
5 8

2 1 5 8 3 7 6

6 4 8 53
2 1

4 8 3 16 57 2
4. Jelaskan beberapa cara yang dapat dilakukan untuk menyeleksi/memilih
kromosom parent

Ada beberapa metode seleksi kromosom yang umum digunakan dalam algoritma
genetika, di antaranya:

-Roulette Wheel Selection: Metode ini didasarkan pada kemungkinan suatu

kromosom dipilih berdasarkan probabilitas relatif nilai fitnessnya dibandingkan dengan
kromosom lainnya. Semakin tinggi nilai fitness suatu kromosom, semakin besar
kemungkinan kromosom tersebut dipilih sebagai parent.

-Tournament Selection: Metode ini mengadakan pertandingan acak antara

sejumlah kromosom secara bersamaan, kemudian kromosom dengan nilai fitness terbaik
dari pertandingan tersebut dipilih sebagai parent.

-Rank Selection: Metode ini memilih kromosom dengan probabilitas yang

proporsional terhadap peringkat relatif kromosom berdasarkan nilai fitnessnya.
Kromosom dengan peringkat teratas akan memiliki probabilitas dipilih yang lebih besar
daripada kromosom dengan peringkat lebih rendah.

-Elitism Selection: Metode ini memilih kromosom terbaik dari populasi saat ini
dan memasukkannya ke generasi berikutnya tanpa perubahan. Dengan cara ini,
kromosom terbaik dijaga agar tidak hilang dalam setiap generasi.

-Stochastic Universal Sampling: Metode ini memilih beberapa kromosom secara

acak dari populasi, tetapi dengan jarak yang sama antara satu kromosom dan yang
lainnya. Hal ini dapat meningkatkan variasi kromosom pada generasi berikutnya.

-Fitness Proportional Selection: Metode ini mirip dengan roulette wheel

selection, namun probabilitas suatu kromosom dipilih dihitung berdasarkan nilai fitness
relatif terhadap seluruh populasi.