Abstrak
Modifikasi Algoritma Genetika pada penelitian ini dilakukan berdasarkan temuan-temuan para peneliti sebelumnya tentang kelemahan Algoritma Genetika. Temuan-temuan yang dimakasud terkait proses crossover sebagai salah satu tahapan terpenting dalam Algoritma Genetika dinilai tidak menjamin solusi yang lebih baik oleh beberapa peneliti. Berdasarkan temuan-temuan oleh beberapa peneliti sebelumnya, maka penelitian ini akan mencoba memodifikasi Algoritma Genetika dengan mengeliminasi proses crossover yang menjadi inti permasalahan dari beberapa peneliti tersebut. Eliminasi proses crossover ini diharapkan melahirkan algoritma yang lebih efektif sebagai alternative untuk penyelesaian permasalahan khususnya penjadwalan pelajaran sekolah. Tujuan dari penelitian ini adalah Memodifikasi Algoritma Genetika menjadi algoritma alternatif untuk menyelesaikan permasalahan penjadwalan sekolah, sehingga diharapkan terciptanya algoritma alternatif ini bisa menjadi tambahan referensi bagi para peneliti untuk menyelesaikan permasalahan penjadwalan lainnya. Algoritma hasil modifikasi yang mengeliminasi tahapan crossover pada algoritma genetika ini mampu memberikan performa 3,06% lebih baik dibandingkan algoritma genetika sederhana dalam menyelesaikan permasalahan penjadwalan sekolah.
Kata kunci—algoritma genetika, penjadwalan sekolah, eliminasi crossover.
Pendahuluan
Algoritma Genetika merupakan metode yang menggunakan evolusi alam sebagai gagasan utamanya dalam menyelesaikan suatu permasalahan tertentu. Algoritma ini diterapkan melalui simulasi komputer yang dimulai dari populasi individu yang dibangkitkan secara acak kemudian dievaluasi hingga mencapai solusi terbaik. Pemanfaatannya dalam menyelesaikan permasalahan-permasalahan yang beragam, menyebabkan algoritma ini bertransformasi menjadi Algoritma Genetika dengan wujud berbeda-beda yang dihasilkan melalui modifikasi guna meningkatkan kinerja Algoritma dan disesuaikan dengan permasalahan yang ditemui. Modifikasi Algoritma genetika telah banyak dilakukan oleh para peneliti dengan tujuan yang berbeda dan disesusaikan dengan permasalahan yang ditemui. Abramson dan Abela [1], melakukan modifikasi terhadap Agoritma Genetika dengan melihat kelemahan pada proses crossover yang pada umumnya disimulasikan secara berurutan. Menurutnya, dalam banyak simulasi penyelesaian permasalahan menggunakan Algoritma Genetika, proses yang dilakukan secara berurutan menyebabkan kinerja Algoritma Genetika menjadi lambat. Sehingga dilakukan pemrosesan paralel dalam proses crossover untuk memperoleh waktu komputasi yang lebih cepat. Gambar 1 menunjukkan ilustrasi pemrosesan parallel pada proses crossover dimana sejumlah pasangan kromosom orang tua yang akan diproses pada tahap crossover dipilih secara acak. Sejumlah pasangan orang tua terpilih di crossover secara bersamaan sehingga dihasilkan sejumlah anak untuk menempati populasi baru pada suatu generasi. Berbeda dengan proses crossover pada algoritma genetika sederhana yang melakukan proses crossover secara berulang untuk menghasilkan sejumlah anak, pada penelitiannya, proses crossover hanya dilakukan sekali untuk setiap generasi.
Untuk lebih lengkapnya silahkan download di link berikut ini :
Post a Comment
Post a Comment