Algoritm a G enetika

1.
2.
3.
4.
5.

Kelompok 2
Ferry sandi cristian (0935010034)
Andika Hendra
(1135010117)
Toni Hidayat (1035010054)
Agung Guntur (1135010099)
M. Sholeh Zain
(1135010029)

Pengertian Algoritm a G enetika

Algoritma genetika adalah algoritma

komputasi yang diinspirasi teori evolusi yang

kemudian diadopsi menjadi algoritma
komputasi untuk mencari solusi suatu
permasalahan dengan cara yang lebih
alamiah, dimana individu yang terkuat akan
bertahan. Algoritma Genetika bekerja dengan
sebuah populasi yang terdiri dari individuindividu,masing-masing individu ini
merepresentasikan bentuk solusi dari
persoalan yang ada.

Individu
Individu dilambangkan oleh sebuah nilai fitness

yang nantinya akan digunakan untuk mencari

solusi terbaik.
pertahanan yang tinggi dari individu memberikan
kesempatan untuk melakukan reproduksi melalui
perkawinan silang dengan individu yang lain
dalam populasi tersebut. populasi baru yang di
hasilkan dinamakan keturunan, yang nantinya
membawa beberapa sifat dari induknya.
sedangkan populasi yang tidak terseleksi dalam
reproduksi akan mati dengan sendirinya. dengan
cara ini beberapa generasi dengan karakteristik
yang bagus akan bermunculan dalam populasi
tersebut. Untuk melakukan hal di atas ada
beberapa operasi yang harus dilakukan, antara

Ada beberapa hal yang harus dilakukan dalam

algoritma genetika, antara lain:
1. Mendefinisikan individu, dimana individu

2.

3.
4.
5.

menyatakan salah satu solusi yang mungkin dari

permasalahan yang diangkat.
Mendefinisikan nilai fitness, yang merupakan
ukuran baik-tidaknya sebuah individu/solusi yang
di dapat.
Menentukan proses pembangkitan populasi awal.
Menentukan proses seleksi yang akan digunakan.
Menentukan proses perkawinan silang dan mutasi
gen yang akan di gunakan.

Beberapa defi
nisipenting yang perlu diperhatikan dim endefi
nisikan
individu untuk m em bangun penyelesaian perm asalahan dengan
algoritm a G enetika adalah sebagaiberikuat:
1. Genotype(Gen):Sebuah nilai yang menyatakan satuan dasar

2.
3.
4.

5.
6.

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.
Allele:nilai dari gen.
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.
Generasi:menyatakan satu siklus proses evolusi atau ssatu
iterasi di dalam algoritma genetika.

Illustrasiperbedaan istilah dalam

individu

N ilaiFitness
Nilai Fitness adalah nilai yang menyatakan

baik tidaknya suatu individu(Solusi). Nilai

fitness ini yang dijadikan acuan dalam
mencapai nilai optimal dalam algoritma
genetika. Algoritma genetika bertujuan
mencari individu dengan nilai fitness yang
paling tinggi. nilai fitness yang tinggi berarti
solusi yang terbaik.

Siklus algoritm a

Kom ponen utam a Algoritm a

G enetika
Adapun komponen-komponen utama dalam

algoritma genetika, antara lain:

1. Teknik Pengkodean
2. Membangkitkan populasi awal
3. Seleksi
4. Cross Over
5. Mutasi

1.Teknik Pengkodean
Teknik pengkodean adalah bagaimana

mengkodekan gen dari kromosom, dimana

gen merupakan bagian dari kromosom. satu
gen biasanya akan mewakili satu variable,
dimana gen dapat di presentasikan dalam
bentuk : bit, bilangan real, daftar aturan,
elemen permutasi atau representasi lainnya
yang dapat di implementasikan untuk
operator genetika.

2.M em bangkitkan populasiaw al

Membangkitkan populasi awal adalah proses membangkitkan

sejumlah individu secara acak atau melalui prosedur tertentu.

ukuran untuk populasi tergantung pada masalah yang akan
diselesaikan dan jenis operator genetika yang akan di
implementasikan. setelah ukuran populasi ditentukan, baru
kemudian dilakukan pembangkitan populasi awal. dimana
syarat-syarat yang harus dipenuhi untuk menunjukan suatu
solusi harus benar-benar diperhatikan dalam pembangkitan
setiap individunya.
Ada 3 cara dalam membangkitkan populasi awal, antara lain:
1. Random Generator
2. Pendekatan tertentu
3. Permutasi Gen

2.1.Random G enerator
inti dari cara ini adalah melibatkan

pembangkitan bilangan random untuk nilai

setiap gen sesuai dengan representasi
kromosom yang digunakan.

2.2.Pendekatan tertentu
Cara ini adalah dengan memasukan nilai

tertentu ke dalam gen dari populasi awal yang

dibentuk.

2.3.Perm utasigen
Salah satu cara permutasi gen dalam

pembangkitan populasi awal adalah penggunaan

Josephus dalam permasalahan kombinatorial
seperti TSP. Misalkan ada kota dari 1 sampai 9.
permutasi titik awal adalah 6 dan selang adalah
5. Maka lintasan berangkat dari kota 6, selang 5
kota dari kota 6 adalah kota 2 (dengan asumsi
kota 1-9 membentuk circular list). kota 2 dihapus
dari list. selang 5 kemudian adalah kota 7. proses
ini di ulang hingga ada satu lintasan dalam list.
Hasil permutasi ini adalah 2-7-3-8-4-9-5-1-6

3.Seleksi
Seleksi digunakan untuk memilih individu-individu

mana saja yang akan dipilih untuk proses kawin

silang dan mutasi. Seleksi ini yang di gunakan
untuk mendapatkan induk yang baik. "induk yang
baik akan menghasilkan keturunan yang baik".
semakin tinggi nilai fitness suatu individu semakin
besar kemungkinannya untuk terpilih.
Ada 2 metode seleksi, antara lain:
1. Metode seleksi mesin Roulette.
2. Metode seleksi Turnamen.

3.1.M etode seleksiM esin Roulette

Metode seleksi dengan mesin roulette ini merupakan metode

yang paling sederhana dan sering dikenal dengan nama

stochastic sampling with replacement. Cara kerjanya sebagai
berikut:
1. Di hitung nilai fitness masing-masing individu(f1, dimana i
2.
3.
4.
5.
6.

adalah individu ke-1 s/d ke-n).

Di hitung total fitness semua individu.
Dihitung probabilitas masing-masing individu.
Dari probabilitas tersebut, dihitung jatah masing-masing
individu pada angka 1-100
Dibangkitkan bilangan random antara 1-100
Dari bilangan random yang dihasilkan, ditentukan individu
mana yang terpilih dalam proses seleksi

3.2.M etode seleksiTurnam en

Pada metode seleksi dengan turname,

ditetapkan suatu nilai tour untuk individuindividu yang dipilih secara random dari suatu
populasi. individu-individu yang terbaik dalam
kelompok ini akan diseleksi sebagai induk

4.Crossover
kawin silang (Crossover) adalah operator dari

algoritma genetika yang melibatkan dua induk

untuk membentuk kromosom baru.prinsip
pindah silang ini adalah melakukan
operasi(pertukaran,aritmatika) pada gen-gen
yang bersesuaian dari dua induk untuk
menghasilkan individu baru.

5.M utasi
Mutasi gen berperan untuk menggantikan gen

yang hilang dari populasi akibat proses seleksi

yang memungkinkan munculnya kembali gen
yang tidak muncul pada inisialisasi populasi.
kromosom anak dimutasi dengan
menambahkan nilai random yang sangat
kecil, dengan probabilitas yang rendah.

D iagram Alur M utasi