TUGAS GA UNSCONSTRAIN & CONSTRAIN

SI 5101 ANALISA REKAYASA

Disusun Oleh:

Erlianna 25023099

Dosen Pengampu:
Dr. Eng., Ir. Febri Zukhruf, S.T, M.T.

PROGRAM STUDI MAGISTER TEKNIK SIPIL

FAKULTAS TEKNIK SIPIL DAN LINGKUNGAN
INSTITUT TEKNOLOGI BANDUNG
2023
Algoritme Genetika
Algoritma genetika adalah sebuah metaheuristic yang memanfaatkan proses
seleksialamiah sebagai proses evolusi. Algoritma genetika menggunakan
pendekatan evolusi Darwin di bidang biologi, seperti pewarisan sifat, seleksi alam,
mutasi gen, dan kombinasi (crossover). Algoritma genetika sering digunakan untuk
melakukan simulasi dengan komputer guna mendapatkan solusi terbaik
berdasarkan calon-calon solusi yang visible. Algoritma juga merupakan teknik
pencarian optimal dalam bidang ilmu computer. dibawah ini beberapa definisi
penting dalam algoritme genetika yaitu:
1. Genotype (Gen), sebuah nilai yang menyatakan satuan dasar yang
membentuk suatu arti tertentu dalam satu kesatuan gen yang dinamakan
kromosom. Dalam algoritma genetika, gen ini bisa berupa nilai biner, float,
integer maupun karakter, atau kombinatorial.
2. Allele, nilai dari gen.
3. Kromosom, gabungan gen-gen yang membentuk nilai tertentu. Individu,
menyatakan satu nilai atau keadaan yang menyatakan salah satu solusi yang
mungkin dari permasalahan yang diangkat Populasi, merupakan
sekumpulan individu yang akan diproses bersama dalam satu siklus proses
evolusi.
4. Generasi, menyatakan satu-satuan siklus proses evolusi.
5. Nilai Fitness, menyatakan seberapa baik nilai dari suatu individu atau solusi
yang didapatkan.

SOAL
Diketahui beberapa perbaikan jalan dengan asumsi jalan raya yang direncanakan
dengan overlay sebanyak 15 segmen jalan, dengan beberapa ketentuan sebagai
berikut:
• Asumsi IRI After Overlay 4
• Biaya untuk overlay Rp. 1.000.000 /m dan manfaatnya diperoleh dengan
mengalikan aruslalu lintas dan penurunan biaya operasi kendaraan (VOC)
• Asumsi peak hour factor (PHF) sebesar 10%
• Asumsi 1 tahun sebanyak 350 hari
• Asumsi dana yang tersedia ialah Rp. 2.528.400.000
• Iterasi sebanyak 5 kali

Pada soal ini akan menghitung genetika algoritme menggunakan cara unconstrain
dan constrain

1
 Tabel Perhitungan Trafic , Benefit, Cost dan BCR single

Overlay IRI Traffic Load Traffic Traffic IRI after Voc Voc Decrement Benefit BCR
Segment Cost(mil)
Length Level (peak) perday per year Overlay exisiting after VOC (Hundred) single
1 531 7 294 2940 1029000 4 1,54 0,88 0,66 679140 531 0,1279
2 160 8 275 2750 962500 4 1,76 0,88 0,88 847000 160 0,5294
3 631 8 648 6480 2268000 4 1,76 0,88 0,88 1995840 631 0,3163
4 573 9 198 1980 693000 4 1,98 0,88 1,1 762300 573 0,1330
5 290 8 415 4150 1452500 4 1,76 0,88 0,88 1278200 290 0,4408
6 381 8 680 6800 2380000 4 1,76 0,88 0,88 2094400 381 0,5497
7 197 9 280 2800 980000 4 1,98 0,88 1,1 1078000 197 0,5472
8 752 9 361 3610 1263500 4 1,98 0,88 1,1 1389850 752 0,1848
9 452 8 355 3550 1242500 4 1,76 0,88 0,88 1093400 452 0,2419
10 115 9 100 1000 350000 4 1,98 0,88 1,1 385000 115 0,3348
11 598 9 527 5270 1844500 4 1,98 0,88 1,1 2028950 598 0,3393
12 113 8 176 1760 616000 4 1,76 0,88 0,88 542080 113 0,4797
13 332 7 757 7570 2649500 4 1,54 0,88 0,66 1748670 332 0,5267
14 658 9 315 3150 1102500 4 1,98 0,88 1,1 1212750 658 0,1843
15 538 9 404 4040 1414000 4 1,98 0,88 1,1 1555400 538 0,2891

Contoh perhitungan pada table 1

Traffic Load (peak)
Traffic per day = 𝑃𝐻𝐹
294
= 10% = 2940

Traffic per year = 𝑇𝑟𝑎𝑓𝑓𝑖𝑐 𝑝𝑒𝑟 𝑑𝑎𝑦 x 350 (1 𝑦𝑒𝑎𝑟)

= 2940 x 350 = 1.029.000

2
 VOC Existing = IRI Level x 0,22
= 7 x 0,22
=1,54
VOC After Overlay = IRI After Overlay x 0,22
= 4 x 0,22
= 0,88
Decrement VOC = VOC Existing – VOC After Overlay
= 1,54 – 0,88
= 0,66
Benefit (dalam satuan juta) = Decerment VOC x Traffic per year
= 0,66 x 1.029.000
Cost = Overlay Length x 1
= 531 x 1
= 531
𝑏𝑒𝑛𝑒𝑓𝑖𝑡 𝑥 100
BCR Single = 𝑐𝑜𝑠𝑡 𝑥 10^6
679140 𝑥 100
= 531 𝑥 10^6

= 0,1279
Setelah menghitung nilai-nilai diatas maka selanjutnya melakukan perhitungan dengan menggunakan metode Genetic Algorithm (GA) Constrain dan
Unconstrain untuk pemilihan beberapa segmen jalan yang akan diperbaiki.

3
 UNCONSTRAIN
Proses pertama yang di lakukan yaitu menentukan parameter setting seperti
dibawah ini:
Tabel Parameter Setting
Number of Individual 5
Number of Iteration 5
Crossover Rate 0,6
Mutation Rate 1

Iterasi 1
Step 1 initialisation
Di tahap ini menentukan kromosom pada tiap individu menggunakan random
number dengan rumus “=ROUND(RAND();0)” pada setiap allele yang ada, dimana
bernilai 0 atau bernilai 1.

Tabel initialisation Nilai Allele Iterasi 1

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Ind. 1 0 1 1 0 0 1 0 1 0 1 1 0 0 0 0
Ind. 2 0 1 1 0 0 0 0 1 0 1 1 1 1 1 0
Ind. 3 0 0 0 1 0 0 0 1 0 0 0 1 0 0 1
Ind. 4 1 1 0 1 1 0 0 0 0 0 0 0 0 1 0
Ind. 5 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0

Step 2 Fitness Computation

Pada tahap ini, nilai allele pada setiap individu seperti data sebelumnya dapat dihitung
“Fitness Value” dengan total value perkalian tiap nilai allele dan “Benefit” dibagi total
value tiap allele dikali dengan “Cost”, seperti rumus dibawah ini:

max( 𝑉1 𝑥 𝐴𝑙𝑙𝑒𝑙𝑒 1)+(𝑉2 𝑥 𝐴𝑙𝑙𝑒𝑙𝑒 2)+⋯.(𝑉𝑛 𝑥 𝐴𝑙𝑙𝑒𝑙𝑒 𝑛)

Fitness Value = max( 𝐶1 𝑥 𝐴𝑙𝑙𝑒𝑙𝑒 1)+(𝐶2 𝑥 𝐴𝑙𝑙𝑒𝑙𝑒 2)+⋯.(𝐶𝑛 𝑥 𝐴𝑙𝑙𝑒𝑙𝑒 𝑛)

Tabel Fitness Computation Individu Iterasi 1

fitness
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 value
Ind. 1 0 1 1 0 0 1 0 1 0 1 1 0 0 0 0 0,33
Ind. 2 0 1 1 0 0 0 0 1 0 1 1 1 1 1 0 0,30
Ind. 3 0 0 0 1 0 0 0 1 0 0 0 1 0 0 1 0,22
Ind. 4 1 1 0 1 1 0 0 0 0 0 0 0 0 1 0 0,22
Ind. 5 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 0,43

Step 3 Evolution
Di tahap ini ada beberapa tahap pemilihan parent pada individu 1 sampai individu
5 terjadi crossover dan mutation. Diketahui di soal bahwa nilai Crossover rate

4
adalah 0,6 dan cara menentukan akan terjadinya persilangan atau tidak terjadi
persilangan yaitu dengan menggunakan bilangan acak atau rumus “=RAND()”

Crossover
Individu 3 2
Crossover rate 0,6 0,6
rand 0,144033224 0,423979499
Cross over or not Cross Over Cross Over

Crossover rate pada parent 1 yaitu individu 4 didapat = 0,14 < 0,6 (terjadi crossover)
Crossover rate pada parent 2 yaitu individu 5 didapat = 0,42 < 0,6 (terjadi crossover)

Tabel parent selection Iterasi 1

Parent 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 1
Parent 2 0 1 1 0 0 0 0 1 0 1 1 1 1 1 0

Dari parent tersebut dilakukan crossover didapatkan crossover location = 4 dan

mendapatkan individu baru yaitu New Cr 1 dan New Cr 2

Tabel crossover parent selection Iterasi 1

New Cr. 1 0 0 0 1 0 0 0 1 0 1 1 1 1 1 0
New Cr. 2 0 1 1 0 0 0 0 1 0 0 0 1 0 0 1

Didapat fitness value New Cr.1 = 0,257 dan New Cr. 2 = 0,289

Pada tahapan mutation, dicek apakah terjadi mutasi atau tidak dengan syarat nilai
random number yang terpilih < mutation rate sebesar 1%. Lakukan random number
untuk menentukan individu mana yang akan terjadi mutasi dan lokasi mutasi. Pada
lokasi mutasi perlu dilakukan perubahan angka 0 menjadi 1 dan angka 1 menjadi 0
untuk menentukan terjadinya pemilihan.

Mutation
Mutation Indvidu 1
Mutation rate 1
rand 0,07
Mutation or not Mutation
Location of Mutation 1
Dibawah ini dari hasil mutasi didapatkan hasil random individu 1 yaitu New Mut.
3 dengan lokasi mutasi pada allele 1
New Mut. 3 1 1 1 0 0 1 0 1 0 1 1 0 0 0 0
Didapatkan fitness value dari New Mut. 3 yaitu 0,30

5
Step 4 Selection
Selanjutnya akan dilakukan The Roulette Wheel, dalam hal ini akan dilakukan
proporsi pada tiap fitness value yang telah didapatkan dari Individu 1 sampai
individu 5 dan mendapatkan 5 hasil evolusi terbaru. Cara perhitungan nilai proporsi
ialah dengan membagi nilai fitness value dengan total fitness value, setelah itu
didapatkan pula slot bawah dan slot atas.

Selection Tabel Proportion

(the roulette wheeldan
) Slot Iterasi 1
fitness
Proportion Slot
value
Ind. 1 0,33 14,2% 0,0% 14,2%
Ind. 2 0,30 12,9% 14,2% 27,2%
Ind. 3 0,22 9,2% 27,2% 36,4%
Ind. 4 0,22 9,3% 36,4% 45,6%
Ind. 5 0,43 18,3% 45,6% 63,9%
New Cr. 1 0,26 11,0% 63,9% 74,9%
New Cr. 2 0,29 12,4% 74,9% 87,3%
New Mut. 3 0,30 12,7% 87,3% 100,0%

Setelah didapatkan propotion dan slot dilakukan bilangan acak untuk mendapatkan
nilai setiap allele, dimana dalam hal ini ketentuan bilangan acak dilakukan
menggunakan presentase pada tabel diatas. Maka dihasilkan individu terpilih
diiterasi 1 yaitu sebagai berikut:

Tabel Individu terpilih pada Iterasi 1

Selection fitness
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 From
Result value
Ind. 1 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 ind 5 0,43
Ind. 2 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 ind 5 0,43
Ind. 3 0 0 0 1 0 0 0 1 0 0 0 1 0 0 1 ind 3 0,22
Ind. 4 0 1 1 0 0 1 0 1 0 1 1 0 0 0 0 ind 1 0,33
Ind. 5 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 ind5 0,43

Iterasi 2
Untuk iterasi ke- 2 ini caranya hampir sama seperti iterasi ke -1. Namun, untuk
data allele diperoleh dari hasil seleksi individu terpilih pada iterasi 1. Untuk proses
pada iterasi selanjutnya seperti dibawah ini

Step 1 Fitness Computation

Pada iterasi ke 2 ini step awal langsung ke fitness computation, karena data allele
yang di dapatkan menggunakan hasil individu terpilih yang ada pada tabel individu

6
iterasi 1 dan dimasukan pada tahap ini. Pada tahap ini nilai allele yang ada pada
iterasi sebelumnya dapat dihitung “Fitness Value” pada tiap allele total.

Tabel Fitness Computation Individu Iterasi 2

fitness
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
value
Ind. 1 0 1 1 0 0 1 0 1 0 1 1 0 0 0 0 0,33
Ind. 2 0 1 1 0 0 0 0 1 0 1 1 1 1 1 0 0,30
Ind. 3 0 0 0 1 0 0 0 1 0 0 0 1 0 0 1 0,22
Ind. 4 1 1 0 1 1 0 0 0 0 0 0 0 0 1 0 0,22
Ind. 5 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 0,43

2) Step 2 Evolution
Crossover
Individu 5 2
Crossover rate 0,6 0,6
rand 0,171 0,20
Cross over or not Cross Over Cross Over

Tabel parent selection Iterasi 2

Parent 1 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0
Parent 2 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0
Dari hasil random didapatkan cross over location yaitu 14

Tabel crossover parent selection Iterasi 2

New Cr. 1 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0
New Cr. 2 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0
Didapat fitness value New Cr.1 = 0,43 dan New Cr. 2 = 0,43

Mutation
Indvidu 3
Mutation rate 1
rand 0,071
Mutation or
not Mutation
Location of
Mutation 4

New Mut. 3 0 0 0 0 0 0 0 1 0 0 0 1 0 0 1
Didapatkan individu 8 yaitu new mut. 3 dan nilai fitness value dari New Mut. 3
yaitu 0,43

7
 Tabel Proportion dan Slot Iterasi 2
fitness
Proportion Slot
value
Ind. 1 0,426 14,6% 0% 15%
Ind. 2 0,426 14,6% 15% 29%
Ind. 3 0,215 7,4% 29% 36%
Ind. 4 0,331 11,3% 36% 48%
Ind. 5 0,426 14,6% 48% 62%
New Cr. 1 0,43 14,6% 62% 77%
New Cr. 2 0,43 14,6% 77% 92%
New Mut. 3 0,25 8,5% 92% 100%
Setelah didapatkan propotion dan slot dilakukan bilangan acak untuk mendapatkan
nilai setiap allele, dimana dalam hal ini ketentuan bilangan acak dilakukan
menggunakan presentase pada tabel diatas. Maka dihasilkan individu terpilih
diiterasi 2 yaitu sebagai berikut:

Tabel Individu terpilih Iterasi 2

Selection fitness
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 From
Result value
Ind. 1 0 0 0 0 0 0 0 1 0 0 0 1 0 0 1 New Mut.3 0,25
Ind. 2 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 ind 2 0,43
Ind. 3 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 ind 1 0,43
Ind. 4 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 new cr 1 0,43
Ind. 5 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 ind 2 0,43

Iterasi 3
Untuk iterasi ke- 3 ini caranya hampir sama seperti iterasi ke -2. Namun, untuk
data allele diperoleh dari hasil seleksi individu terpilih pada iterasi 2. Untuk proses
pada iterasi selanjutnya seperti dibawah ini

Step 1 Fitness Computation

Tabel Fitness Computation Individu Iterasi 3
fitness
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
value
Ind. 1 0 0 0 0 0 0 0 1 0 0 0 1 0 0 1 0,25
Ind. 2 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 0,43
Ind. 3 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 0,43
Ind. 4 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 0,43
Ind. 5 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 0,43

8
Step 2 Evolution
Crossover
Individu 3 5
Crossover rate 0,6 0,6
rand 0,0415 0,0081
Cross Cross
Cross over or not Over Over
Didapatkan parent dari individu 3 dan 5

Tabel parent selection Iterasi 3

Parent 1 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0
Parent 2 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0
Didapatkan crossover location dari hasil random yaitu 12

Tabel crossover parent selection Iterasi 3

New Cr. 1 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0
New Cr. 2 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0
Didapat fitness value New Cr.1 = 0,43 dan New Cr. 2 = 0,43

Mutation
Mutation Indvidu 3
Mutation rate 1
rand 0,0586
Mutation or not Mutation
Mutation
Location of Mutation 5

New Mut. 3 0 1 0 0 1 1 1 0 1 1 0 1 0 0 0
Didapatkan individu 8 yaitu new mut. 3 dan nilai fitness value dari New Mut. 3
yaitu 0,43
Tabel Proportion dan Slot Iterasi 3
fitness
Proportion Slot
value
Ind. 1 0,2486 7,7% 0,0% 7,7%
Ind. 2 0,4259 13,2% 7,7% 20,9%
Ind. 3 0,4259 13,2% 20,9% 34,0%
Ind. 4 0,4259 13,2% 34,0% 47,2%
Ind. 5 0,4259 13,2% 47,2% 60,4%
New Cr. 1 0,43 13,2% 60,4% 73,6%
New Cr. 2 0,43 13,2% 73,6% 86,7%
New Mut. 3 0,43 13,3% 86,7% 100,0%

9
 Tabel Individu terpilih Iterasi 3
Selection fitness
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 From
Result value
Ind. 1 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 New cr. 2 0,43
Ind. 2 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 ind 4 0,43
Ind. 3 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 ind 3 0,43
Ind. 4 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 ind 3 0,43
Ind. 5 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 ind 4 0,43

Iterasi 4
Untuk iterasi ke- 4 ini caranya hampir sama seperti iterasi ke -3. Namun, untuk
data allele diperoleh dari hasil seleksi individu terpilih pada iterasi 3. Untuk proses
pada iterasi selanjutnya seperti dibawah ini:

Step 1 Fitness Computation

Tabel Fitness Computation Individu Iterasi 4
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 fitness value
Ind. 1 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 0,43
Ind. 2 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 0,43
Ind. 3 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 0,43
Ind. 4 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 0,43
Ind. 5 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 0,43

Step 2 evolution
Crossover
Individu 4 1
Crossover rate 0,6 0,6
rand 0,2977111 0,5584485
Cross over or not Cross Over Cross Over

Tabel parent selection Iterasi 4

Parent 1 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0
Parent 2 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0
Didapatkan cross over location yaitu 8

Tabel crossover parent selection Iterasi 4

New Cr. 1 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0
New Cr. 2 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0
Didapat fitness value New Cr.1 = 0,43 dan New Cr. 2 = 0,43

10
Mutation
Mutation Indvidu 3
Mutation rate 1
rand 0,32
Mutation or not Mutation
Location of Mutation 2

New Mut. 3 0 0 0 0 0 1 1 0 1 1 0 1 0 0 0
Didapatkan individu 8 yaitu new mut. 3 dan nilai fitness value dari New Mut. 3
yaitu 0,41

Tabel Proportion dan Slot Iterasi 4

fitness
Proportion Slot
value
Ind. 1 0,426 12,5% 0,0% 12,5%
Ind. 2 0,426 12,5% 12,5% 25,1%
Ind. 3 0,426 12,5% 25,1% 37,6%
Ind. 4 0,426 12,5% 37,6% 50,2%
Ind. 5 0,426 12,5% 50,2% 62,7%
New Cr. 1 0,43 12,5% 62,7% 75,3%
New Cr. 2 0,43 12,5% 75,3% 87,8%
New Mut. 3 0,41 12,2% 87,8% 100,0%

Tabel Individu terpilih Iterasi 4

Selection fitness
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 from
Result value
Ind. 1 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 Ind 5 0,43
Ind. 2 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 New Cr. 2 0,43
Ind. 3 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 Ind 2 0,43
Ind. 4 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 Ind 2 0,43
Ind. 5 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 ind 2 0,43

Iterasi 5
Untuk iterasi ke- 5 ini caranya hampir sama seperti iterasi ke -4. Namun, untuk
data allele diperoleh dari hasil seleksi individu terpilih pada iterasi 4. Untuk proses
pada iterasi selanjutnya seperti dibawah ini:

Step 1 Fitness Computation

Tabel Fitness Computation Individu Iterasi 5
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 fitness value
Ind. 1 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 0,43
Ind. 2 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 0,43
Ind. 3 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 0,43
Ind. 4 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 0,43
Ind. 5 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 0,43

11
Step 2 Evolution
Crossover
Individu 4 1
Crossover rate 0,6 0,6
rand 0,0309774 0,1989772
Cross over or not Cross Over Cross Over
Crossover rate pada parent 1 yaitu individu 4 didapat = 0,03 < 0,6 (terjadi crossover)
Crossover rate pada parent 2 yaitu individu 5 didapat = 0,19 < 0,6 (terjadi crossover)

Tabel parent selection Iterasi 5

Parent 1 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0
Parent 2 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0
Dari parent tersebut dilakukan crossover didapatkan crossover location = 13 dan
mendapatkan individu baru yaitu New Cr 1 dan New Cr 2

Tabel crossover parent selection Iterasi 5

New Cr. 1 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0
New Cr. 2 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0

Mutation
Mutation Indvidu 5
Mutation rate 1
rand 0,083
Mutation or not Mutation
Mutation
Location of Mutation 5
New Mut. 3 0 1 0 0 1 1 1 0 1 1 0 1 0 0 0
Didapatkan individu 8 yaitu new mut. 3 dan nilai fitness value dari New Mut. 3
yaitu 0,43
Tabel Proportion dan Slot Iterasi 5
fitness
Proportion Slot
value
Ind. 1 0,4259 12,5% 0,0% 12,5%
Ind. 2 0,4259 12,5% 12,5% 25,0%
Ind. 3 0,4259 12,5% 25,0% 37,5%
Ind. 4 0,4259 12,5% 37,5% 50,0%
Ind. 5 0,4259 12,5% 50,0% 62,5%
New Cr. 1 0,43 12,5% 62,5% 74,9%
New Cr. 2 0,43 12,5% 74,9% 87,4%
New Mut. 3 0,43 12,6% 87,4% 100,0%

12
 Tabel Individu terpilih Iterasi 5
Selection
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 from fitness value
Result
Ind. 1 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 ind 4 0,43
Ind. 2 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 ind 2 0,43
Ind. 3 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 ind 1 0,43
Ind. 4 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 new cr 1 0,43
Ind. 5 0 1 0 0 0 1 1 0 1 1 0 1 0 0 0 ind 1 0,43

Kesimpulan:
Pada GA unconstrain didapatkan dari iterasi terakhir yaitu di iterasi 5 nilai fitness
value tertinggi yaitu 0,43 dan individu yang terpilih yaitu Individu 1. Sehingga
segmen yang terpilih melakukan perbaikan ataupun perawatan adalah segmen jalan
2, 6, 7, 9, 10 dan 12 dan untuk nilai BCR didapatkan sebesar 43%.

13
 CONSTRAIN

Proses pertama yang di lakukan yaitu menentukan parameter setting seperti

dibawah ini:
Tabel Parameter setting
Number of Individual 5
Number of Iteration 5
Crossover Rate 0,6
Mutation Rate 1

Iterasi 1
Step 1 initialisation
Di tahap ini merupakan penentuan kromosom pada tiap individu menggunakan
random number dengan rumus “=ROUND(RAND();0)” pada setiap allele yang
ada, dimana nilai allele yang didapatkan antara 0 atau 1.

Tabel initialisation Nilai Allele Iterasi 1

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Ind. 1 1 0 1 1 1 1 0 1 1 0 0 1 1 0 0
Ind. 2 1 1 1 0 0 0 1 0 1 1 0 1 0 0 1
Ind. 3 0 0 1 0 0 1 1 1 0 1 1 0 0 0 0
Ind. 4 1 0 0 1 0 0 0 1 0 1 1 0 1 1 1
Ind. 5 0 1 0 1 0 1 0 0 0 0 1 0 1 0 0

Step 2 Fitness Computation

Pada tahap ini, nilai allele pada setiap individu seperti data sebelumnya dapat dihitung
“Fitness Vallue” dengan total value perkalian tiap nilai allele dengan “Benefit” dengan
rumus berikut :

Tabel Fitness Computation Individu Iterasi 1

fitness value after
Individu fitness value Cost
Penalty
Ind. 1 Rp 1.158.388.000,00 Rp 4.055.000.000,00 Penalty Rp 57.919.400,00
Ind. 2 Rp 817.586.000,00 Rp 2.737.000.000,00 Penalty Rp 40.879.300,00
Ind. 3 Rp 897.204.000,00 Rp 2.674.000.000,00 Penalty Rp 44.860.200,00
Ind. 4 Rp 976.206.000,00 Rp 4.097.000.000,00 Penalty Rp 48.810.300,00
Ind. 5 Rp 748.132.000,00 Rp 2.044.000.000,00 OK Rp 748.132.000,00

Diketahui bahwa nilai cost harus lebih kecil dari budget cost sebesar Rp.
2.528.400.000, jika nilai costnya lebih dari budget yang ditentukan bahwa

14
mengalami penalty sebesar 5% dari nilai fitness value yang telah di hitung
sebelumnya, dan hasil perhitungan cost, dapat dilihat pada tabel diatas.

Step 3 Evolution
Pada tahap ini terjadi beberapa tahap yakni pemilihan orang tua pada individu 1
sampai individu 5, dan terjadi crossover serta mutation. Diketahui pada soal bahwa
Crossover rate ini ialah 0,6 dimana cara menentukan akan terjadinya persilangan
atau tidak terjadi persilangan dengan menggunakan bilangan acak atau rumus
“=RAND()” dimana persyaratannya jika nilai bilangan acak < Crossover rate maka
akan terjadi adanya crossover.

Crossover
Individu 4 5
Crossover rate 0,6 0,6
rand 0,2706414 0,1453442
Cross over or not Cross Over Cross Over
Crossover rate pada parent 1 yaitu individu 4 didapat = 0,271 < 0,60 (terjadi
crossover)
Crossover rate pada parent 2 yaitu individu 5 didapat = 0,145 < 0,60 (terjadi
crossover)
Tabel parent selection Iterasi 1
Parent 1 1 0 0 1 0 0 0 1 0 1 1 0 1 1 1
Parent 2 0 1 0 1 0 1 0 0 0 0 1 0 1 0 0
Dari parent tersebut dilakukan crossover didapatkan crossover location = 10 dan
mendapatkan individu baru yaitu New Cr 1 dan New Cr 2

Tabel crossover parent selection Iterasi 1

New Cr. 1 1 0 0 1 0 0 0 1 0 1 1 0 1 0 0
New Cr. 2 0 1 0 1 0 1 0 0 0 0 1 0 1 1 1

Tabel Fitness Value untuk Hasil Crossover Iterasi 1

Individu Cost fitness value before fitness value after
New Cr. 1 Rp 2.901.000.000,00 Penalty Rp 699.391.000,00 34969550
New Cr. 2 Rp 3.240.000.000,00 Penalty Rp 1.024.947.000,00 51247350

Pada tahapan mutation, dicek apakah terjadi mutasi atau tidak dengan syarat nilai
random number yang terpilih < mutation rate sebesar 1%. Lakukan random number
untuk menentukan individu mana yang akan terjadi mutasi dan lokasi mutasi. Pada
lokasi mutasi perlu dilakukan perubahan angka 0 menjadi 1 dan angka 1 menjadi 0
untuk menentukan terjadinya pemilihan.

15
 Mutation
Mutation Indvidu 4
Mutation rate 1
rand 0,6225461
Mutation or not Mutation
Location of Mutation 2

Didapatkan dari hasil random bahwa individu ke-8 yaitu dinamakan new mut.3
terjadi pada individu 4 yang diganti lokasi allele 2 nya dari 0 menjadi 1

New Mut. 3 1 1 0 1 0 0 0 1 0 1 1 0 1 1 1
Didapatkan individu 8 yaitu new mut. 3 dengan nilai cost, fitness value before dan
after pada tabel dibawah ini

Tabel Fitness value after new mut. 3 iterasi 1

Cost fitness value before fitness value after
Rp 4.257.000.000,00 Penalty Rp 1.060.906.000,00 Rp 34.969.550,00

Step 4 Selection
Seperti pada tahapan sebelumnya, disini akan dilakukan The Roulette Wheel, dimana
dalam hal ini akan dilakukan proporsi pada tiap fitness value yang telah didapatkan (Dari
Individu 1 sampai individu 5 dan hasil evolusi terbaru). Cara perhitungan nilai
proporsiialah dengan membagi nilai fitness value dengan total fitness value, setelah itu
didapatkan pula slot bawah dan slot atas
Tabel Proportion dan Slot Iterasi 1
Individu fitness value Proportion Slot
Ind. 1 Rp 57.919.400,00 2,8% 0,0% 2,8%
Ind. 2 Rp 40.879.300,00 2,0% 2,8% 4,7%
Ind. 3 Rp 44.860.200,00 2,1% 4,7% 6,9%
Ind. 4 Rp 48.810.300,00 2,3% 6,9% 9,2%
Ind. 5 Rp 748.132.000,00 35,8% 9,2% 45,1%
New Cr. 1 Rp 34.969.550,00 1,7% 45,1% 46,7%
New Cr. 2 Rp 51.247.350,00 2,5% 46,7% 49,2%
New Mut. 3 Rp1.060.906.000,00 50,8% 49,2% 100,0%

Setelah didapatkan Proportion dan Slot dilakukan dengan random number untuk
mendapatkan nilai tiap allele, sehingga dihasilkan individu terpilih untuk menjadi individu
baru pada iterasi 1 yang akan digunakan untuk iterasi selanjutnya.

16
 Tabel Individu terpilih Iterasi 1
Selection Result Individu baru
Ind. 1 0 1 0 1 0 1 0 0 0 0 1 0 1 0 0 ind 5
Ind. 2 1 1 0 1 0 0 0 1 0 1 1 0 1 1 1 new mut 3
Ind. 3 0 1 0 1 0 1 0 0 0 0 1 0 1 0 0 ind 5
Ind. 4 1 1 0 1 0 0 0 1 0 1 1 0 1 1 1 new mut 3
Ind. 5 1 1 1 0 0 0 1 0 1 1 0 1 0 0 1 ind 2

Tabel Fitness value individu terpilih iterasi 1

Individu baru fitness value
ind 5 Rp 748.132.000,00 OK
new mut 3 Rp 1.060.906.000,00 OK
ind 5 Rp 748.132.000,00 OK
new mut 3 Rp 1.060.906.000,00 OK
ind 2 Rp 817.586.000,00 Penalty
Pada iterasi 1 didapatkan individu terpilih dari hasil random yaitu individu 5, New
Mut. 3 dan Individu 2 dengan nilai fitness value seperti pada tabel diatas.

Iterasi 2
Untuk iterasi ke- 2 ini caranya hampir sama seperti iterasi ke -1. Namun, untuk
data allele diperoleh dari hasil seleksi individu terpilih pada iterasi 1. Untuk proses
pada iterasi selanjutnya seperti dibawah ini

1) Step 1 Fitness Computation

Pada iterasi ke 2 ini step awal merupakan fitness computation, karena data allele
yang di dapatkan pada Tabel individu yang terpilih diiterasi 1 dimasukan pada tabel
tabel initialisation Nilai Allele Iterasi 2 di tahap ini. Pada tahap ini juga, nilai allele
yang ada pada iterasi sebelumnya dapat dihitung “Fitness Value” yang merupakan
perkalian total value dan “Cost” pada tiap allele total.
Tabel I Tabel initialisation Nilai Allele Iterasi 2
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Ind. 1 0 1 0 1 0 1 0 0 0 0 1 0 1 0 0
Ind. 2 1 1 0 1 0 0 0 1 0 1 1 0 1 1 1
Ind. 3 0 1 0 1 0 1 0 0 0 0 1 0 1 0 0
Ind. 4 1 1 0 1 0 0 0 1 0 1 1 0 1 1 1
Ind. 5 1 1 1 0 0 0 1 0 1 1 0 1 0 0 1
Perhitungan cost, fitness value, fitness value after penalty dapat dilihat pada tabel
berikut ;

17
 Tabel Fitness Computation pada masing-masing Individu Iterasi 2
Individu Cost fitness value fitness value after
Ind. 1 Rp 2.044.000.000,00 OK Rp 748.132.000 Rp 37.406.600,00
Ind. 2 Rp 4.257.000.000,00 Penalty Rp 53.045.300 Rp 53.045.300,00
Ind. 3 Rp 2.044.000.000,00 OK Rp 748.132.000 Rp 37.406.600,00
Ind. 4 Rp 4.257.000.000,00 Penalty Rp 53.045.300 Rp 53.045.300,00
Ind. 5 Rp 2.737.000.000,00 Penalty Rp 40.879.300 Rp 40.879.300,00

Crossover
Individu 1 2
Crossover rate 0,6 0,6
rand 0,4252129 0,0148376
Cross over or not Cross Over Cross Over
Crossover rate pada parent 1 yaitu individu 1 didapat = 0,425 < 0,60 (terjadi
crossover)
Crossover rate pada parent 2 yaitu individu 2 didapat = 0,014 < 0,60 (terjadi
crossover)

Parent 1 0 1 0 1 0 1 0 0 0 0 1 0 1 0 0
Parent 2 1 1 0 1 0 0 0 1 0 1 1 0 1 1 1
Dari parent tersebut dilakukan crossover didapatkan crossover location = 13 dan
mendapatkan individu baru yaitu New Cr 1 dan New Cr 2

New Cr. 1 0 1 0 1 0 1 0 0 0 0 1 0 1 1 1
New Cr. 2 1 1 0 1 0 0 0 1 0 1 1 0 1 0 0

Tabel Fitness Value untuk Hasil Crossover Iterasi 2

Cost fitness value before
New Cr. 1 Rp 3.240.000.000,00 Penalty Rp 1.024.947.000,00 Rp 51.247.350,00
New Cr. 2 Rp 3.061.000.000,00 Penalty Rp 784.091.000,00 Rp 39.204.550,00

Mutation
Mutation Indvidu 2
Mutation rate 1
rand 1
Mutation or not Mutation
Location of Mutation 3
Didapatkan dari hasil random bahwa individu ke-8 yaitu dinamakan new mut.3
terjadi pada individu 2 yang diganti lokasi allele 3 nya dari 0 menjadi 1

New Mut. 3 1 1 1 1 0 0 0 1 0 1 1 0 1 1 1

18
 Tabel Proportion dan Slot Iterasi 2
Individu fitness value Proportion Slot
Ind. 1 Rp 748.132.000,00 15,9% 0,0% 15,9%
Ind. 2 Rp 53.045.300,00 1,1% 15,9% 17,0%
Ind. 3 Rp 748.132.000,00 15,9% 17,0% 32,9%
Ind. 4 Rp 53.045.300,00 1,1% 32,9% 34,0%
Ind. 5 Rp 40.879.300,00 0,9% 34,0% 34,9%
New Cr. 1 Rp 1.024.947.000,00 21,7% 34,9% 56,6%
New Cr. 2 Rp 784.091.000,00 16,6% 56,6% 73,3%
New Mut. 3 Rp 1.260.490.000,00 26,7% 73,3% 100,0%
Tabel Individu terpilih Iterasi 2
Ind. 1 0 1 0 1 0 1 0 0 0 0 1 0 1 1 1 new cr.1
Ind. 2 0 1 0 1 0 1 0 0 0 0 1 0 1 1 1 new cr.1
Ind. 3 0 1 0 1 0 1 0 0 0 0 1 0 1 0 0 ind 1
Ind. 4 0 1 0 1 0 1 0 0 0 0 1 0 1 0 0 ind 3
Ind. 5 0 1 0 1 0 1 0 0 0 0 1 0 1 1 1 new cr 1

Tabel Fitness value individu terpilih iterasi 2

Individu terpilih fitness value
new cr.1 1024947000,00 OK
new cr.1 1024947000,00 OK
ind 1 748132000,00 OK
ind 3 748132000,00 OK
new cr 1 1024947000,00 Penalty

Iterasi 3
Untuk iterasi ke- 3 ini caranya sama seperti iterasi ke -2. Namun, untuk data allele
diperoleh dari hasil seleksi individu terpilih pada iterasi 2. Untuk proses pada iterasi
selanjutnya seperti dibawah ini

Step 1 Fitness Computation

Pada iterasi ke 3 ini step awal merupakan fitness computation, karena data allele
yang di dapatkan pada Tabel individu yang terpilih diiterasi 2 dimasukan pada tabel
tabel initialisation Nilai Allele Iterasi 3 di tahap ini. Pada tahap ini juga, nilai allele
yang ada pada iterasi sebelumnya dapat dihitung “Fitness Value” yang merupakan
perkalian total value dan “Cost” pada tiap allele total.

19
 Tabel initialisation Nilai Allele Iterasi 3
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Ind. 1 0 1 0 1 0 1 0 0 0 0 1 0 1 1 1
Ind. 2 0 1 0 1 0 1 0 0 0 0 1 0 1 1 1
Ind. 3 0 1 0 1 0 1 0 0 0 0 1 0 1 0 0
Ind. 4 0 1 0 1 0 1 0 0 0 0 1 0 1 0 0
Ind. 5 0 1 0 1 0 1 0 0 0 0 1 0 1 1 1

Tabel Fitness Computation Individu Iterasi 3

Individu Cost fitness value fitness value after
Ind. 1 Rp 3.240.000.000,00 Penalty Rp 51.247.350,00 Rp 51.247.350,00
Ind. 2 Rp 3.240.000.000,00 Penalty Rp 51.247.350,00 Rp 51.247.350,00
Ind. 3 Rp 2.044.000.000,00 OK Rp 748.132.000,00 Rp 37.406.600,00
Ind. 4 Rp 2.044.000.000,00 OK Rp 748.132.000,00 Rp 37.406.600,00
Ind. 5 Rp 3.240.000.000,00 Penalty Rp 51.247.350,00 Rp 51.247.350,00

Crossover
Individu 3 4
Crossover rate 0,6 0,6
rand 0,4220458 0,099384
Cross over or not Cross Over Cross Over
Crossover rate pada parent 1 yaitu individu 3 didapat = 0,422 < 0,60 (terjadi
crossover)
Crossover rate pada parent 2 yaitu individu 4 didapat = 0,099 < 0,60 (terjadi
crossover)

Parent 1 0 1 0 1 0 1 0 0 0 0 1 0 1 0 0
Parent 2 0 1 0 1 0 1 0 0 0 0 1 0 1 0 0

Dari parent tersebut dilakukan crossover didapatkan crossover location = 2 dan

mendapatkan individu baru yaitu New Cr 1 dan New Cr 2
New Cr. 1 0 1 0 1 0 1 0 0 0 0 1 0 1 0 0
New Cr. 2 0 1 0 1 0 1 0 0 0 0 1 0 1 0 0

Tabel Fitness Value untuk Hasil Crossover Iterasi 3

Cost fitness value before
New Cr. 1 2044000000,00 OK 748132000,00
New Cr. 2 2044000000,00 OK 748132000,00

20
Mutation
Mutation Indvidu 7
Mutation rate 1
rand 0
Mutation or not Mutation
Location of Mutation 5
Didapatkan dari hasil random bahwa indi new mut.3 terjadi pada individu 7 (New
Cr.2) yang diganti lokasi allele 5 nya dari 0 menjadi 1

New Mut. 3 0 1 0 1 1 1 0 0 0 0 1 0 1 0 0

Tabel Fitness value after new mut. 3 iterasi 3

Cost fitness value before fitness value after
Rp 2.334.000.000,00 OK Rp 875.952.000,00 Rp 748.132.000,00

Tabel Proportion dan Slot Iterasi 3

fitness value Proportion Slot
Ind. 1 Rp 51.247.350,00 1,3% 0,0% 1,3%
Ind. 2 Rp 51.247.350,00 1,3% 1,3% 2,5%
Ind. 3 Rp 748.132.000,00 18,6% 2,5% 21,1%
Ind. 4 Rp 748.132.000,00 18,6% 21,1% 39,7%
Ind. 5 Rp 51.247.350,00 1,3% 39,7% 41,0%
New Cr. 1 Rp 748.132.000,00 18,6% 41,0% 59,6%
New Cr. 2 Rp 748.132.000,00 18,6% 59,6% 78,2%
New Mut. 3 Rp 875.952.000,00 21,8% 78,2% 100,0%

Tabel Individu terpilih Iterasi 3

Ind. 1 0 1 0 1 0 1 0 0 0 0 1 0 1 0 0 ind 4
Ind. 2 0 1 0 1 0 1 0 0 0 0 1 0 1 1 1 ind 1
Ind. 3 0 1 0 1 0 1 0 0 0 0 1 0 1 0 0 new cr 1
Ind. 4 0 1 0 1 1 1 0 0 0 0 1 0 1 0 0 new mut 3
Ind. 5 0 1 0 1 0 1 0 0 0 0 1 0 1 0 0 ind 4

Tabel Fitness value individu terpilih iterasi 3

Individu terpilih fitness value
ind 4 748132000,00 OK
ind 1 1024947000,00 OK
new cr 1 748132000,00 OK
new mut 3 875952000,00 OK
ind 4 748132000,00 Penalty

21
Iterasi 4
Untuk iterasi ke- 4 ini caranya sama seperti iterasi ke -3. Namun, untuk data allele
diperoleh dari hasil seleksi individu terpilih pada iterasi 3. Untuk proses pada iterasi
selanjutnya seperti dibawah ini:

Step 1 Fitness Computation

Pada iterasi ke 4 ini step awal merupakan fitness computation, karena data allele
yang di dapatkan pada Tabel individu yang terpilih diiterasi 3 dimasukan pada tabel
tabel initialisation Nilai Allele Iterasi 4 di tahap ini. Pada tahap ini juga, nilai allele
yang ada pada iterasi sebelumnya dapat dihitung “Fitness Value” yang merupakan
perkalian total value dan “Cost” pada tiap allele total.

Tabel initialisation Nilai Allele Iterasi 4

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Ind. 1 0 1 0 1 0 1 0 0 0 0 1 0 1 0 0
Ind. 2 0 1 0 1 0 1 0 0 0 0 1 0 1 1 1
Ind. 3 0 1 0 1 0 1 0 0 0 0 1 0 1 0 0
Ind. 4 0 1 0 1 1 1 0 0 0 0 1 0 1 0 0
Ind. 5 0 1 0 1 0 1 0 0 0 0 1 0 1 0 0

Tabel Fitness Computation Individu Iterasi 4

Individu Cost fitness value fitness value after
Ind. 1 Rp 2.044.000.000,00 OK Rp 748.132.000,00 Rp 37.406.600,00
Ind. 2 Rp 3.240.000.000,00 Penalty Rp 51.247.350,00 Rp 51.247.350,00
Ind. 3 Rp 2.044.000.000,00 OK Rp 748.132.000,00 Rp 37.406.600,00
Ind. 4 Rp 2.334.000.000,00 OK Rp 875.952.000,00 Rp 43.797.600,00
Ind. 5 Rp 2.044.000.000,00 OK Rp 748.132.000,00 Rp 37.406.600,00

Crossover
Individu 4 1
Crossover rate 0,6 0,6
rand 0,28978564 0,53521731
Cross over or not Cross Over Cross Over
Crossover rate pada parent 1 yaitu individu 4 didapat = 0,289 < 0,60 (terjadi
crossover)
Crossover rate pada parent 2 yaitu individu 1 didapat = 0,35 < 0,60 (terjadi
crossover)

Parent 1 0 1 0 1 1 1 0 0 0 0 1 0 1 0 0
Parent 2 0 1 0 1 0 1 0 0 0 0 1 0 1 0 0

Dari parent tersebut dilakukan crossover didapatkan crossover location = 3 dan

mendapatkan individu baru yaitu New Cr 1 dan New Cr 2

22
New Cr. 1 0 1 0 1 0 1 0 0 0 0 1 0 1 0 0
New Cr. 2 0 1 0 1 1 1 0 0 0 0 1 0 1 0 0

Tabel Fitness Value untuk Hasil Crossover Iterasi 4

Cost fitness value before
New Cr. 1 Rp 2.044.000.000,00 OK Rp 748.132.000,00 Rp 748.132.000,00
New Cr. 2 Rp 2.334.000.000,00 OK Rp 875.952.000,00 Rp 875.952.000,00

Mutation
Mutation Indvidu 3
Mutation rate 1
rand 0,15
Mutation or not Mutation
Location of Mutation 4
Didapatkan dari hasil random bahwa individu ke-8 yaitu dinamakan new mut.3
terjadi pada individu 3 yang diganti lokasi allele 4 nya dari 1 menjadi 0

New Mut. 3 0 1 0 0 0 1 0 0 0 0 1 0 1 0 0

Tabel Fitness value after new mut. 3 iterasi 4

Cost fitness value before fitness value after
1471000000,00 OK 671902000,00 748132000

Tabel Proportion dan Slot Iterasi 4

fitness value Proportion Slot
Ind. 1 Rp 748.132.000,00 13,7% 0,0% 13,7%
Ind. 2 Rp 51.247.350,00 0,9% 13,7% 14,6%
Ind. 3 Rp 748.132.000,00 13,7% 14,6% 28,3%
Ind. 4 Rp 875.952.000,00 16,0% 28,3% 44,3%
Ind. 5 Rp 748.132.000,00 13,7% 44,3% 58,0%
New Cr. 1 Rp 748.132.000,00 13,7% 58,0% 71,7%
New Cr. 2 Rp 875.952.000,00 16,0% 71,7% 87,7%
New Mut. 3 Rp 671.902.000,00 12,3% 87,7% 100,0%

Tabel Individu terpilih Iterasi 4

Selection Result
Ind. 1 0 1 0 1 0 1 0 0 0 0 1 0 1 0 0 ind 1
Ind. 2 0 1 0 1 0 1 0 0 0 0 1 0 1 0 0 new cr. 1
Ind. 3 0 1 0 1 0 1 0 0 0 0 1 0 1 0 0 ind1
Ind. 4 0 1 0 1 1 1 0 0 0 0 1 0 1 0 0 ind 4
Ind. 5 0 1 0 0 0 1 0 0 0 0 1 0 1 0 0 new mut 3

23
 Tabel Fitness value individu terpilih iterasi 4
Individu Terpilih fitness value
ind 1 748132000,00 OK
new cr. 1 748132000,00 OK
ind1 748132000,00 OK
ind 4 875952000,00 OK
new mut 3 671902000,00 Penalty

Iterasi 5
Untuk iterasi ke- 4 ini caranya sama seperti iterasi ke -3. Namun, untuk data allele
diperoleh dari hasil seleksi individu terpilih pada iterasi 3. Untuk proses pada iterasi
selanjutnya seperti dibawah ini:

Step 1 Fitness Computation

Pada iterasi ke 4 ini step awal merupakan fitness computation, karena data allele
yang di dapatkan pada Tabel individu yang terpilih diiterasi 3 dimasukan pada tabel
tabel initialisation Nilai Allele Iterasi 4 di tahap ini. Pada tahap ini juga, nilai allele
yang ada pada iterasi sebelumnya dapat dihitung “Fitness Value” yang merupakan
perkalian total value dan “Cost” pada tiap allele total.

Tabel initialisation Nilai Allele Iterasi 5

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Ind. 1 0 1 0 1 0 1 0 0 0 0 1 0 1 0 0
Ind. 2 0 1 0 1 0 1 0 0 0 0 1 0 1 0 0
Ind. 3 0 1 0 1 0 1 0 0 0 0 1 0 1 0 0
Ind. 4 0 1 0 1 1 1 0 0 0 0 1 0 1 0 0
Ind. 5 0 1 0 0 0 1 0 0 0 0 1 0 1 0 0

Tabel Fitness Computation Individu Iterasi 5

Cost fitness value
Rp 2.044.000.000,00 OK Rp748.132.000,00
Rp 2.044.000.000,00 OK Rp748.132.000,00
Rp 2.044.000.000,00 OK Rp748.132.000,00
Rp 2.334.000.000,00 OK Rp875.952.000,00
Rp 1.471.000.000,00 OK Rp671.902.000,00

24
 Crossover
Individu 3 2
Crossover rate 0,6 0,6
rand 0,385071817 0,59194905
Cross over or not Cross Over Cross Over

Crossover rate pada parent 1 yaitu individu 3 didapat = 0,385 < 0,60 (terjadi
crossover)
Crossover rate pada parent 2 yaitu individu 2 didapat = 0,592 < 0,60 (terjadi
crossover)

Parent 1 0 1 0 1 0 1 0 0 0 0 1 0 1 0 0
Parent 2 0 1 0 1 0 1 0 0 0 0 1 0 1 0 0

Dari parent tersebut dilakukan crossover didapatkan crossover location = 8 dan

mendapatkan individu baru yaitu New Cr 1 dan New Cr 2

New Cr. 1 0 1 0 1 0 1 0 0 0 0 1 0 1 0 0
New Cr. 2 0 1 0 1 0 1 0 0 0 0 1 0 1 0 0

Tabel Fitness Value untuk Hasil Crossover Iterasi 5

Cost fitness value before
Rp 2.044.000.000,00 OK Rp748.132.000,00 Rp 748.132.000,00
Rp 2.044.000.000,00 OK Rp748.132.000,00 Rp 748.132.000,00

Mutation
Mutation Indvidu 7
Mutation rate 1
rand 1
Mutation or not Mutation
Location of Mutation 5
Didapatkan dari hasil random bahwa individu ke-8 yaitu dinamakan new mut.3
terjadi pada individu 7 yang diganti lokasi allele 5 nya dari 0 menjadi 1

New Mut. 3 0 1 0 1 1 1 0 0 0 0 1 0 1 0 0

Tabel Fitness value after new mut. 3 iterasi 5

Cost fitness value before fitness value after
Rp 2.334.000.000,00 OK Rp875.952.000,00 Rp 748.132.000,00

25
 Tabel Proportion dan Slot Iterasi 5
fitness value Proportion Slot
Ind. 1 Rp 748.132.000,00 12,1% 0,0% 12,1%
Ind. 2 Rp 748.132.000,00 12,1% 12,1% 24,3%
Ind. 3 Rp 748.132.000,00 12,1% 24,3% 36,4%
Ind. 4 Rp 875.952.000,00 14,2% 36,4% 50,6%
Ind. 5 Rp 671.902.000,00 10,9% 50,6% 61,5%
New Cr. 1 Rp 748.132.000,00 12,1% 61,5% 73,7%
New Cr. 2 Rp 748.132.000,00 12,1% 73,7% 85,8%
New Mut. 3 Rp 875.952.000,00 14,2% 85,8% 100,0%

Tabel Individu terpilih Iterasi 5

Selection
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 from
Result

Ind. 1 0 1 0 1 1 1 0 0 0 0 1 0 1 0 0 ind 4
Ind. 2 0 1 0 1 1 1 0 0 0 0 1 0 1 0 0 new mut 3
Ind. 3 0 1 0 1 0 1 0 0 0 0 1 0 1 0 0 new cr 2
Ind. 4 0 1 0 1 0 1 0 0 0 0 1 0 1 0 0 new cr.1
Ind. 5 0 1 0 1 0 1 0 0 0 0 1 0 1 0 0 ind 1

Tabel Fitness value individu terpilih iterasi 5

from fitness value
Ind. 1 ind 4 Rp 875.952.000,00 OK
Ind. 2 new mut 3 Rp 875.952.000,00 OK
Ind. 3 new cr 2 Rp 748.132.000,00 OK
Ind. 4 new cr.1 Rp 748.132.000,00 OK
Ind. 5 ind 1 Rp 748.132.000,00 Penalty

Kesimpulan
Dapat dilihat pada iterasi ke -5 ini bahwa Individu 4 dan New Mut. 3 merupakan Individu
yang memiliki nilai fitness value tertinggi yaitu sebesar Rp. 875.952.000 namun yang
terpilih untuk perbaikan segmen jalan pada iterasi 5 yaitu individu 4 Sehingga, segmen
yang terpilih untuk dilakukan perbaikan adalah Segmen 2,4,5,6, 11 dan 13.

26