G12hga_BAB II Tinjauan Pustaka

2
1 c (correct): Variable ini akan bertambah
pada hasil jika salah satu digit pada deret
angka tebakan sama dengan yang ada
pada deret angka target dan terletak pada
posisi yang sama pula.
didapatkan suatu susunan kromosom yang
terbaik, yang merepresentasikan kemungkinan
solusi dari persoalan yang ada (Melanie 1996).
2 m (misplace): Variable ini akan
bertambah pada hasil jika salah satu digit
pada deret angka tebakan sama dengan
yang ada pada deret angka target, tetapi
terletak pada posisi yang berbeda (Tabel
1).
 Gen: sebuah nilai yang menyatakan satuan
dasar yang membentuk suatu arti tertentu
dalam satu kesatuan gen yang dinamakan
kromosom. Dalam algoritme genetika, gen
ini bisa berupa nilai biner, float, integer,
karakter, maupun kombinatorial.
Contoh:
Target
 5678
Tebakan  5689
 Alel: nilai dari gen.
 Kromosom: gabungan
membentuk nilai tertentu.
Tabel 1 Contoh verifikasi deret (n = 4)
Angka
tebakan
5
6
8
9
Digit posisi
Tebakan Target
1
1
2
2
3
4
4
Total hasil
Beberapa definisi penting
algoritme genetika, yaitu:
Hasil
c
c
m
2c 1m
 Permainan akan berakhir ketika hasil yang
diharapkan telah didapat, yaitu nc 0m, yang
berarti n angka yang ada pada deret tebakan
tersedia dan terletak pada digit yang sama
dengan deret angka target.
Algoritme Genetika
Algoritme genetika ditemukan oleh John
Holland pada tahun 1960-an. Pada tahun yang
sama, algoritme tersebut dikembangkan
bersama dengan murid dan rekannya hingga
tahun 1970-an. Berbeda dengan strategi evolusi
dan pemrograman evolusioner, tujuan awal dari
pengembangan algoritme tersebut sebenarnya
bukan untuk menyelesaikan masalah tertentu,
tetapi lebih kepada mempelajari fenomena
proses adaptasi yang terjadi di alam dan
mencoba mencari cara untuk menerapkannya
pada sistem komputer. Seiring dengan
banyaknya interaksi dari para peneliti tentang
metode dan pendekatan evolusioner, istilah
“algoritme genetika” pun menjadi umum
digunakan.
Algoritme genetika memanfaatkan proses
seleksi alamiah atau yang biasa dikenal dengan
proses evolusi. Proses ini melibatkan perubahan
gen pada suatu individu melalui proses
perkembang-biakan
yang
bertujuan
menyesuaikan
diri
dengan
lingkungan
hidupnya. Proses evolusi yang terjadi pada gengen tersebut akan terus berjalan hingga
menyangkut
gen-gen
yang
 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 satu iterasi di dalam algoritme
genetika.
 Nilai fitness: nilai yang menyatakan baik
tidaknya suatu solusi (individu).
 Seleksi: proses yang digunakan untuk
memilih individu-individu yang akan
terlibat dalam proses pindah-silang dan
mutasi.
Seleksi dengan mesin Roulette: metode ini
merupakan metode seleksi yang paling
sederhana. Cara kerjanya sebagai berikut:
1 Hitung nilai
individu.
fitness
masing-masing
2 Hitung total nilai fitness semua individu.
3 Hitung probabilitas dari tiap individu.
4 Dari probabilitas tersebut, hitung jatah
masing-masing individu pada selang
angka 1 – 100.
5 Bangkitkan bilangan acak antara 1 – 100.
6 Dari bilangan acak yang dihasilkan,
tentukan individu mana yang terpilih
dalam proses seleksi.
 Mutasi: operator ini berperan untuk
menggantikan gen yang hilang dari populasi
akibat proses seleksi yang memungkinkan