PENGARUH OPERATOR CROSSOVER TERHADAP RUNNING TIME UNTUK PENCARIAN SOLUSI 10 NUMERIC OPTIMIZATION PROBLEMS (NOP) DALAM ALGORITMA GENETIKA BINER

Syariful Alim S.Kom, Drs Retantyo Wardoyo M.Sc, Ph.D

2012 | Tesis | S2 Ilmu Komputer

Algortima genetika biner merupakan teknik optimasi yang didasarkan pada proses evolusi makhluk hidup, dimana dalam evolusi tersebut makhluk hidup mengalami mekanisme seleksi alam (diantaranya kawin silang dan mutasi) untuk dapat bertahan hidup. Algoritma genetika biner telah memperoleh perhatian yang sangat besar berkenaan dengan kemampuannya sebagai teknik optimasi atau pencarian solusi untuk persoalan– persoalan metode numerik. Penelitian ini melakukan perancangan dan pembuatan aplikasi perangkat lunak untuk menyelesaikan 10 Numeric Optimization Problem (NOP) dengan menerapkan 10 operator crossover dalam Algoritma Genetika Biner. Probabilitas crossover dan mutasi dipakai secara random dan jumlah populasi dibatasi sebanyak 20 untuk tiap generasi. Aplikasi kemudian dijalankan hingga 1000 generasi sebanyak 100 kali sehingga menghasilkan 100 database. Hasil dalam penelitian ini menunjukkan bahwa satu kali eksekusi untuk 1000 generasi membutuhkan waktu 15-16 menit, operator crossover Shuffle menemukan nilai minimum dari 5 NOP, Two Point dan Multi Point Crossover menemukan nilai minimum dari 2 NOP, One Bit Adaption, Three Parent dan One Point Crossover menemukan nilai minimum dari 3 NOP. Waktu tercepat oleh Three Parent Crossover yaitu 153.55 menit dan terlama oleh Partially Matched dan Shuffle Crossover yaitu 155.62 menit.

Binary genetics algorithm constitutes technical optimization based on species evolution which actually confines natural selection that is crossover and mutation for survival. It draws an immense attention due to its capability of technical optimization or problem solving for numeric problems, especially in its development of crossover method. This research is aimed to design and create software to solve 10 Numeric Optimization Problem (NOP) through 10 crossover operator application of binary genetics algorithm. Crossover probability and mutation were employed randomly and population was limited to 20 population each generation. Application, then, run 1000 generations each 100 times which provided 100 databases. This research comes into result that one running time of all operators for 1000 generations was around 15-16 minutes, Shuffle Crossover Operators are minimum value of 5 NOP, Two Point and Multi Point Crossover is minimum value of 2 NOP, One Bit Adaptation, Three Parent and One Point Crossover is minimum value of 1NOP. The fastest time of Three Parent Crossover is 153.55 minute and the slowest time of Partially Matched and Shuffle Crossover 155.62 minutes.

Kata Kunci : teknik optimasi, Numeric Optimization Problem (NOP), crossover, algoritma genetika biner, running time