Algoritma Genetika - Eka Risky Personal Site

1 Algoritma Genetika Mata Kuliah : Kecerdasan Buatan Dosen Pembimbing : Victor Amrizal, MKom Disusun oleh : Eka Risky Firmansyah (1110091000043). Syukri Sayyid Ahmad (1110091000060). Nurul Hikmah Agustin (1110091000061). Teknik Informatika 5 B. Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta 2012. KATA PENGANTAR. Bismillahirrahmanirrahiim. Assalamualaikum, wr. wb. Puji dan syukur senantiasa kita panjatkan kehadirat Allah SWT, shalawat serta salam semoga senantiasa dilimpahkan kepada Nabi Muhammad SAW, juga untuk para keluarga, sahabat dan pengikutnya sampai akhir zaman. Karena atas rahmat-Nya, penyusun dapat menyelesaikan penyusunan makalah ini yang berjudul Algoritma Genetika . Makalah ini disusun untuk memenuhi tugas mata kuliah Kecerdasan Buatan . Penyusun mengucapkan terimakasih kepada Bapak Victor Amrizal, MKom. selaku dosen pengampu, teman-teman dan semua pihak yang membantu dalam penyelesaian karya tulis ini.

2 Penyusun berharap makalah ini dapat menambah pengetahuan pembaca dan memberikan gambaran mengenai materi terkait yaitu Algoritma Genetika . Sehingga pembaca dapat menggunakan makalah ini sebagai literatur pendukung dalam pengembangan bidang ilmu selanjutnya yang terkait dengan penggunaan Algoritma Genetika . Penyusun menyadari bahwa makalah ini masih jauh dari kesempurnaan, maka penyusun mengharapkan saran dan kritik yang membangun untuk perbaikan makalah ini. Besar harapan penyusun agar penulisan makalah ini dapat berguna bagi siapapun yang menjadikan makalah ini sebagai bahan literatur mengenai materi terkait. Wassalamualaikum, wr. wb. Penyusun 1. DAFTAR ISI. KATA 1. DAFTAR ISI .. 2. BAB I PENDAHULUAN .. 4. Latar Belakang .. 4. Tujuan 4. Manfaat Penulisan .. 4. Metodologi 4. BAB II LANDASAN TEORI .. 5. Sejarah Algoritma Genetika .. 5. Aplikasi Algoritma Genetika .

3 5. Keuntungan Menggunakan Algoritma Genetika .. 6. BAB III PEMBAHASAN .. 8. Pengertian Algoritma Genetika .. 8. Struktur Umum Algoritma 9. Komponen Utama Algoritma Genetika .. 9. Hal-Hal Yang Harus Dilakukan Dalam Algoritma Genetika .. 13. Pengertian individu .. 13. Nilai Fitness .. 15. Elitisme .. 15. Hal-Hal Yang Harus Diperhatikan Dalam Pemakaian Algoritma Genetika .. 15. Contoh Pemakaian Algoritma Genetika .. 15. Pembentukan Kromosom .. 17. Inisialisasi .. 17. Evaluasi Kromosom .. 17. Seleksi Kromosom .. 18. 2. Crossover .. 20. 22. BAB IV KESIMPULAN & SARAN .. 26. Kesimpulan .. 26. 26. DAFTAR PUSTAKA .. 27. 3. BAB I. PENDAHULUAN. Latar Belakang Kehidupan merupakan suatu kesatuan dari kejadian-kejadian dinamis yang bisa jadi merupakan suatu masalah ataupun solusi atas kemungkinan-kemungkinan masalah yang akan terjadi. Dinamisnya kehidupan menuntut siapa saja yang berada di dalamnya untuk menjadi lebih kebal terhadap keadaan buruk suatu kejadian.

4 Pemilihan tindakan sudah sebagaimana mestinya haruslah memenuhi kriteria sebuah solusi sehingga pemecahan masalah benar-benar didapatkan pada akhirnya. Seperti proses evolusi yang mutlak terjadi sebagai bentuk representasi kehidupan yang mengharuskan siapapun menjadi lebih kebal secara Genetika sehingga dapat melewatkan proses seleksi alam yang terjadi. Dimana yang lebih kuatlah yang mampu bertahan, sehingga yang kuat itulah yang merupakan suatu kualitas solusi optimal dari sebuah masalah. Terinspirasi dari kehidupan dan seleksi alam yang terjadi di dalamnya, Algoritma Genetika kemudian dikembangkan sebagai bentuk Algoritma khusus yang digunakan dalam mencari solusi optimal terhadap masalah yang diangkat dengan teknis yang disesuaikan dengan proses evolusi. [1]. Tujuan Penulisan Makalah ini disusun bertujuan untuk : 1. Mengetahui dan memahami mengenai Algoritma Genetika 2.

5 Memahami teknis kerja Algoritma Genetika sampai mendapatkan solusi optimal dari masalah yang diangkat. Manfaat Penulisan Penyusunan makalah ini diharapkan dapat memberikan kontribusi dalam menambah wawasan, pengetahuan, dan pemahaman mengenai Algoritma Genetika . Metodologi Penulisan Penyusunan makalah dilakukan dengan metode analisis literatur mengenai materi Algoritma Genetika yang didapatkan dari internet dan buku teks. 4. BAB II. LANDASAN TEORI. Sejarah Algoritma Genetika Algoritma Genetika pertama kali ditemukan oleh Jhon Holland dari Universitas Michigan pada awal 1970-an di New York, Amerika Serikat. Jhon Holland bersama murid- muridnya serta rekan kerjanya lalu menghasilkan buku yang berjudul Adaption in Natural and Artificial Systems pada tahun 1975, yang cara kerjanya berdasarkan pada seleksi dan Genetika alam. Konsep yang dipergunakan dalam Algoritma Genetika adalah mengikuti apa yang dilakukan oleh alam.

6 [2]. Algoritma genetik khususnya diterapkan sebagai simulasi komputer dimana sebuah populasi representasi abstrak (kromosom) dari solusi-solusi calon (individual) pada sebuah masalah optimisasi akan berkembang menjadi solusi-solusi yang lebih baik. Secara tradisional solusi-solusi tersebut dilambangkan dalam biner sebagai string '0' dan '1', walaupun dimungkinkan juga penggunaan penyandian (encoding) yang berbeda. Evolusi dimulai dari sebuah populasi individual acak yang lengkap dan terjadi dalam generasi- generasi. Dalam tiap generasi kemampuan keseluruhan populasi dievaluasi, kemudian multiple individuals dipilih dari populasi sekarang (current) secara stochastic (berdasarkan kemampuan mereka) lalu dimodifikasi (dengan mutasi atau rekombinasi) menjadi bentuk populasi baru yang menjadi populasi sekarang (current) pada iterasi berikutnya dari Algoritma .

7 Aplikasi Algoritma Genetika Algoritma Genetika sudah banyak digunakan pada masalah praktis yang berfokus pada pencarian parameter-parameter atau solusi yang optimal. Hal ini membuat banyak orang mengira bahwa Algoritma Genetika hanya dapat digunakan untuk menyelesaikan masalah optimasi saja. Namun, pada kenyataanya Algoritma Genetika juga memiliki kemampuan untuk menyelesaikan masalah-masalah selain optimasi. Algoritma Genetika banyak diaplikasikan untuk berbagai macam permasalahan, yaitu : 1. Optimasi Beberapa penggunaan Algoritma Genetika untuk optimasi antara lain untuk optimasi numerik dan optimasi kombinatorial seperti Traveling Salesmen Problem (TSP), 5. Perancangan Integrated Circuit atau IC, Job Scheduling, dan Optimasi video dan suara. 2. Pemrograman Otomatis Algoritma Genetika untuk pemrograman otomatis antara lain untuk melakukan proses evolusi terhadap program komputer dalam merancang struktur komputasional, seperti cellular automata dan sorting networks.

8 3. Machine Learning Algoritma Genetika juga telah berhasil diaplikasikan untuk memprediksi struktur protein. Algoritma Genetika juga berhasil diaplikasikan dalam perancangan neural networks (jaringan syaraf tiruan) untuk melakukan proses evolusi terhadap aturan- aturan pada learning classifier system atau symbolic production system dan dapat digunakan untuk mengontrol robot. 4. Model Ekonomi Dalam bidang ekonomi, Algoritma Genetika digunakan untuk memodelkan proses- proses inovasi dan pembangunan bidding strategies. 5. Model Sistem Imunisasi Contoh penggunaan Algoritma Genetika dalam bidang ini untuk memodelkan berbagai aspek pada sistem imunisasi alamiah, termasuk somatic mutation selama kehidupan individu dan menemukan keluarga dengan gen ganda (multi gen families) sepanjang waktu evolusi. 6. Model Ekologis Algoritma Genetika juga dapat digunakan untuk memodelkan fenomena ekologis seperti host-parasite co evolutions, simbiosis dan aliran sumber di dalam ekologi.

9 Keuntungan Menggunakan Algoritma Genetika Keuntungan penggunaan Algoritma Genetika terlihat dari kemudahan implementasi dan kemampuannya untuk menemukan solusi yang optimal dan bisa diterima secara cepat untuk masalah-masalah berdimensi tinggi. Algoritma Genetika sangat berguna dan efisien untuk masalah dengan karakteristik sebagai berikut : Ruang masalah sangat besar, kompleks, dan sulit dipahami, Kurang atau bahkan tidak ada pengetahuan yang memadai untuk merepresentasikan masalah ke dalam ruang pencarian yang lebih sempit, Tidak tersedianya analisis matematika yang memadai, 6. Ketika metode-metode konvensional sudah tidak mampu menyelesaikan masalah yang dihadapi, Solusi yang diharapkan tidak harus paling optimal, tetapi cukup bagus atau bisa diterima, Terdapat batasan waktu, misalnya dalam real time system atau sistem waktu nyata. 7. BAB III. PEMBAHASAN.

10 Pengertian Algoritma Genetika Algoritma Genetika adalah Algoritma komputasi yang diinspirasi teori evolusi yang kemudian diadopsi menjadi Algoritma komputasi yang biasa digunakan untuk memecahkan suatu pencarian nilai dalam sebuah masalah optimasi. Algoritma ini didasarkan pada proses genetik yang ada dalam makhluk hidup; yaitu perkembangan generasi dalam sebuah populasi yang alami, secara lambat laun mengikuti prinsip seleksi alam atau siapa yang kuat, dia yang bertahan (survive) . Dengan meniru teori evolusi ini, Algoritma Genetika dapat digunakan untuk mencari solusi permasalahan-pemasalahan dalam dunia nyata. Ada 4 kondisi yang sangat mempengaruhi proses evolusi, yaitu : 1. Kemampuan organisme untuk melakukan reproduksi, 2. Keberadaan populasi organisme yang bias melakukan reproduksi, 3. Keberagaman organisme dalam suatu populasi dan 4. Perbedaan kemampuan untuk survive.