Algoritma Genetika (Genetic Algorithms) adalah sebuah algoritma yang meniru

mekanisme seleksi alam. Algoritma ini digunakan untuk memecahkan masalah

optimalisasi. Tujuan dari Algoritma Genetika adalah untuk mencari solusi paling optimal
dari suatu permasalahan yang memiliki banyak kemungkinan solusi. Algoritma Genetika
terinspirasi oleh Teori Evolusi Darwin (1859) yang menyatakan bahwa “Kelangsungan
hidup suatu makhluk dipengaruhi oleh aturan yang kuat adalah yang menang.” Darwin
juga menyatakan bahwa kelangsungan hidup suatu makhluk dapat dipertahankan melalui
proses reproduksi, persilangan, dan mutasi.

Karena meniru mekanisme seleksi alam, istilah-istilah yang digunakan pada Algoritma
Genetika sama dengan istilah-istilah yang digunakan dalam ilmu genetik. Pada ilmu
genetik, kromosom terdiri dari susunan gen yang posisi setiap gen nya disebut locus.
Setiap gen memiliki nilai atau sifat tertentu yang disebut allele. Beberapa kromosom akan
bergabung, gabungan kromosom ini disebut genotif. Interaksi yang terjadi antara genotif
dengan lingkungannya disebut fenotif.

Pada Algoritma Genetik, kromosom bersesuaian dengan string yang dibentuk dari
beberapa karakter. Setiap karakter mempunyai posisi (locus) dan mengandung nilai
tertentu (allele). Satu atau beberapa string akan bergabung membentuk struktur (genotif).
Bila struktur tersebut dikodekan, akan diperoleh satu titik yang merupakan salah satu
alternatif solusi (fenotif).

Cara kerja Algoritma Genetika hanya mencakup proses penduplikasian string-string dan
pertukaran bagian-bagian dari string yang dapat dikatakan sederhana. String pada
generasi baru didapatkan dari dua proses, yaitu proses seleksi dan proses rekombinasi.

Proses seleksi adalah proses evaluasi kualitas dari setiap string dalam populasi sehingga
akan menghasilkan peringkat calon solusi. Proses pemilihan ini dilakukan secara acak
dan string yang memiliki kualitas lebih baik akan memiliki peluang yang lebih besar
untuk terpilih sebagai calon-calon string pada generasi selanjutnya.

Dari hasil evaluasi akan dipilih string-string yang akan mengalami proses rekombinasi.
Proses rekombinasi ini akan menghasilkan string baru yang diperoleh dengan cara
menukarkan karakter setiap string yang didapat pada tahap seleksi. String baru yang
dihasilkan akan berbeda dibanding induknya (generasi baru).
Nico Saputro dan Erdo Dirgagautama menerapkan Algoritma Genetika pada permainan
Catur Jawa. Penerapan ini ditulis dalam jurnal “Penerapan Algoritma Genetika pada
Permainan Catur” yang dipublikasikan pada tahun 2004. Catur Jawa (nama asli: Tic Tac
Toe) adalah permainan yang dapat dimenangkan menggunakan strategi. Dalam jurnal ini,
setiap strategi tersebut dihitung bobotnya menggunakan Algoritma Genetika.

Gambar 1 Permainan Catur Jawa

Kesimpulan dari penelitian ini didapatkan sebagai berikut:

1. Algoritma Genetika dapat dipakai pada permainan Catur Jawa.

2. Berdasarkan pengujian, waktu simulasi lebih bergantung pada kedalaman level
Alpha-Beta Cutoff daripada jumlah individu.
3. Untuk 7 strategi yang diusulkan pada permainan Catur Jawa, Algoritma Alpha-
Beta Cutoff sebagai algoritma untuk menentukan langkah yang akan diambil
kurang memberikan hasil maksimal.
Selain Nico Saputro dan Erdo Dirgagautama, D. Abramson dan J. Abela juga salah satu
yang mengimplementasikan Algoritma Genetika pada sebuah penelitian yang ditulis
dalam jurnal “A Parallel Genetic Algorithm for Solving the School Timetabling Problem”
yang dipublikasikan pada tahun 1992. Mereka menerapkan Algoritma Genetika untuk
mengatasi masalah penjadwalan disekolah.

Gambar 2 Skema Persilangan Paralel

 Gambar 3 Tabel yang dihasilkan dalam penelitian

Kesimpulan dari penelitian ini menunjukkan bahwa Algoritma Genetika dapat diterapkan
pada permasalahan penjadwalan. Teknik ini menunjukkan hasil yang kuat, namun
eksekusi Algoritma Genetika cukup lambat dan untuk implementasi pada keadaan
sekolah yang nyata terdapat beberapa kendala yang dibahas lebih lanjut.

Referensi

Abramson, D., & Abela, J. (1991). A parallel genetic algorithm for solving the school
timetabling problem.

Saputro, N., & Dirgagautama, E. (2004). Penerapan Algoritma Genetik pada permainan
catur jawa. Jurnal Integral, 9(1), 17-26.