Anda di halaman 1dari 6

M.

Ikbal Siami METODE SELEKSI ALGORITMA GENETIKA

Metode-metode Seleksi Operator seleksi berfungsi untuk memilih beberapa individu (subpopulasi) dari populasi induk untuk dikenakan operasi genetik. Ada dua tipe operator seleksi yang digunakan pada tugas akhir ini yaitu operator seleksi Roulette Wheel dan operator seleksi acak (Stochastic Universal Sampling). Seleksi akan menentukan individu-individu mana saja yang akan dipilih untuk dilakukan rekombinasi dan bagaiman offspring terbentuk dari individu-individu terpilih tersebut (Kusumadewi,2003). seleksi bertujuan untuk memberikan kesempatan produksi yang lebih besar bagi anggota populasi yang paling baik, sehingga individu yang memiliki fitness lebih baik akan bertahan hidup dalam reproduksi. 1. Roulette wheel Metode ini diperkenalkan oleh John Holland. Operator ini memilih individu berdasarkan kumulatif probabilistik nilai fitness individu dalam satu populasi. Metode yang digunakan adalah seperti memutar roda rolet atau dikenal juga dengan nama seleksi proporsional. Sesuai dengan namanya, metode ini menirukan permainan roulette-wheel dimana masing-masing kromosom menempati potongan lingkaran pada roda roulette secara proporsional sesuai dengan nilai fitness-nya. Kromosom yang memiliki nilai fitness lebih besar menempati potongan lingkaran yang lebih besar dibandingkan dengan kromosom yang bernilai fitness rendah. Gambar 1.1 yang mengilustrasikan sebuah contoh penggunaan roulette wheel Selection. Individu dipetakan dalam suatu segmen garis secara berurutan sedemikian hingga tiap segmen individu memiliki ukuran yang sama dengan ukuran fitness-nya. Sebuah bilangan random dibangkitkan dan individu yang memiliki segmen dalam kawasan bilangan random tersebut akan terseleksi. Proses ini diulang hingga diperoleh sejumlah individu yang diharapkan.

M. Ikbal Siami METODE SELEKSI ALGORITMA GENETIKA

Individu Fitness Total


1 2 3 4 5 6,84 1,10 8,38 2,65 3,09 31% 5% 38% 12% 14%

Jum Prob Komulatif Seleksi


6,84 7,94 16,32 18,96 22,05 0,31 0,36 0,74 0,86 1,00 Gambar 1.1 Roulette Wheel (Sumber gambar roulette wheel: http://www.edc.ncl.ac.uk/)

6,

Jumlah 22,05 100% Ket: Prob seleksi = Jum Komulatif / Jumlah

Setiap individu mempunyai segmen yang besarnya sesuai dengan Fitnessnya masingmasing. Semakin baik fitness suatu individu maka semakin besar pula segmen yang dimiliki individu tersebut. Roda rolet diputar sebanyak N (jumlah populasi) dan setiap akhir pemutaran dipilih individu pada bagian roda yang ditunjuk oleh jarum penunjuk (selection point). Pemilihan dilakukan secara acak dengan membangkatkan bilangan random. Jika probabilitas seleksi individu ke-i < bilangan random, maka individu ke-i terpilih sebagai orang tua. Misalnya bilangan random pertama yang muncul adalah 0.20 dan yang kedua adalah 0.5, maka individu yang terpilih adalah individu yang ke-1 dan ke-3 karena 0.20 < 0.31 dan 0.5 < 0.74. Orang tua ke-1 = individu ke-1. orang tua ke-2 = individu ke-3.

2. Truncation Selection Metode Truncation Selection lebih digunakan untuk populasi yang jumlahnya sangat besar, karena hanya individu-individu yang memiliki fitness terbaik yang akan dikenakan proses seleksi. Individu-individu ini akan diurutkan berdasarkan nilai fitnessnya masing-masing.

M. Ikbal Siami METODE SELEKSI ALGORITMA GENETIKA

Truncation dengan kata lain pemotongan adalah memotong jumlah kromosom dalam populasi sehingga dapat mereduksi jumlah individu yang akan dilakukan seleksi. Hal ini dapat mempercepat proses pemilihan calon orang tua. Hanya individu yang terbaik saja yang akan diseleksi sebagai induk. Parameter yang digunakan adalah suatu nilai ambang trunc yang mengindikasikan ukuran populasi yang akan diseleksi sebagai induk yang berkisar antara 50% - 10%. -- Individu-individu yang ada dibawah nilai ambang ini tidak akan menghasilkan keturunan Contoh penggunaan Metode truncation Selection mula-mula dibangkitkan sejumlah individu dalam suatu populasi. Dalam contoh kasus ini dibangkitkan sebanyak 8 (delapan).

Tabel 2.1. Populasi Individu k1 k2 k3 k4 k5 k6 k7 k8 Fitness 34 25 4 32 11 15 25 45

Tabel 2.2. Setelah diurutkan Individu k8 k1 k4 k7 k2 k6 k5 k3 Fitness 45 34 32 25 25 15 11 4

Tabel 2.3. Truncation Individu k8 k1 k4 k7 Fitness 45 34 32 25

Individu-individu tersebut akan di urutkan berdasarkan nilai fitness. Setelah diurutkan, dilakukan proses trunc dengan memilih sebanyak 50% individu dalam chromosom dengan nilai fitness terbaik.

Setelah melalui proses trucation, maka diperoleh individu-individu dengan fitness terbaik yaitu: {k8, k1,k4,k7}.

Untuk memilih satu individu sebagai calon parrent dapat dilakukan dengan menggunakan metode seleksi lain, misalnya turnament selection.

M. Ikbal Siami METODE SELEKSI ALGORITMA GENETIKA

3. Tournament Selection Seleksi turnamen bekerja dengan cara memilih beberapa t jumlah individu secara acak dari populasi dan mengcopy individu terbaik dari grup ini ke dalam pupolaso, dan ulangi sebanyak N kali. Seringkali dalam turnamen yang dipegang hanya antara dua individu turnamen biner saj, tetapi umumnya memungkinkan untuk memegang sembarang ukuran kelompok t yang disebut dengan ukuran turnamen. Metode seleksi turnamen ini mula-mula ditetapkan suatu nilai tour t untuk individuindividu yang dipilih secara random dari suatu populasi. Individu-individu yang terbaik dalam kelompok ini akan dipilih sebagai induk. Parameter yang digunakan pada metode ini adalah ukuran tour yang bennilai antara 2 sampai N (jumlah individu dalam suatu populasi).

Pseudocode seleksi turnamen sebagai berikut: Keterangan: P fv n N : populasi : fungsi evaluation : jumlah individu : ukuran populasi

M. Ikbal Siami METODE SELEKSI ALGORITMA GENETIKA

Contoh Tournament Selection: Misalnya dalam populasi terdapat 8 kromosom dengan nilai fitness masing dapat dilihat pada tabel 3.1.

Tabel 3.1 Populasi

Individu k1 k2 k3 k4 k5 k6 k7 k8

Fitness 34 25 4 32 11 15 25 45

Langkah-langkah seleksi sebagai berikut: Dipilih t sebanyak 2 yang disimbolkan dengan variabel a dan b. Random nilai 1 sampai 8 yang di asign kedalam variabel a. Dari hasil random tersebut misalnya diperoleh a = 7. Random nilai 1 sampai 8-1 yang di asign kedalam variabel a. Untuk menghindari pemilihan pada individu yang sama maka nilai random dibatasi 8-1. Dari hasil random tersebut misalnya diperoleh b = 5. Karena (a > b) dan nilai fitness (k7 > k5) maka parrent yang terpilih adalah individu ke-7 dengan nilai fitness 25.

M. Ikbal Siami METODE SELEKSI ALGORITMA GENETIKA

Referensi
Sutojo T., Mulyanto, E. dan Suharto V., 2010, Kecerdasan Buatan, Penerbit Andi, Yogyakarta. Kusumadewi, S., 2003, Artificial Intelligence (Teknik dan Aplikasi), Graha Ilmu, Yogyakarta. Lanzi, P., L, Prof., Lecture 2: Simple Genetic Algorithms-Genetic Algorithms and Other Evolutionary Techniques, Politecnico Di Milano.

http://www.geatbx.com/docu/algindex-02.html, diakses 3 April 2012. http://elib.unikom.ac.id/files/disk1/14/jbptunikompp-gdl-s1-2004-eriesusety-679ErieTA_2.doc, diakses 3 April 2012. http://elib.unikom.ac.id/files/disk1/377/jbptunikompp-gdl-muhammadar-18821-5pertemua-k.doc, diakses 3 April 2012 http://www.edc.ncl.ac.uk/, diakses 3 April 2012.