Optimisasi Tak Linear Dua Variabel Menggunakan Algoritme Genetika Pada Software Python

Main Article Content

Amelia Chairunnisa
Elis Khatizah
Prapto Tri Supriyo

Abstract

Algoritme genetika merupakan suatu teknik optimisasi yang cara kerjanya meniru proses evolusi dan perubahan struktur genetik pada makhluk hidup. Dalam seleksi alam, individu-individu yang lebih kuat akan mempunyai peluang untuk bertahan hidup lebih besar dan individu yang lebih kuat dari orang tuanya akan dilahirkan melalui proses penyilangan serta mutasi. Pada karya ilmiah ini akan diterapkan metode algoritme genetika untuk menyelesaikan masalah optimisasi pada fungsi objektif dua variabel. Algoritme genetika diaplikasikan menggunakan bantuan software Python. Fungsi objektif yang digunakan terdiri atas fungsi kuadrat, fungsi trigonometri dan fungsi Rastrigin yang mengandung bentuk kuadrat dan trigonometri. Hasil penelitian menunjukkan penyelesaian masalah optimisasi menggunakan metode algoritme genetika menghasilkan galat yang relatif kecil. Pada kasus minimisasi terkait fungsi Rastrigin, algoritme genetika terbukti efektif dalam menghindari minimum lokal. Namun, pada optimisasi dengan solusi tidak tunggal, script Python yang dirancang penulis hanya mampu menemukan satu solusi sehingga memerlukan pengembangan yang lebih lanjut.

Article Details

How to Cite
Chairunnisa, A., Khatizah, E., & Supriyo, P. (2020). Optimisasi Tak Linear Dua Variabel Menggunakan Algoritme Genetika Pada Software Python. PRISMA, Prosiding Seminar Nasional Matematika, 3, 186-193. Retrieved from https://journal.unnes.ac.id/sju/index.php/prisma/article/view/37832
Section
Articles

References

Arkeman, Y., Seminar, K.B. & Gunawan, H. (2012). Algoritme Genetika Teori dan Aplikasinya untuk Bisnis dan Industri. Bogor(ID):PT Penerbit IPB Press.
Neydorf, R., Chernogorov, I., Yarakhmedov, V.P.O., & Goncharova, Y. (2016). Study of Search Optimization Opportunities of Heuristic Algorithms for Solving Multi-Extermal Problems. The tenth International Conference on Advanced Engineering Computing and Applications in Sciences,10: 48-51
Gen, M. & Cheng, R.(1997). Genetic Algorithms and Engineering Design. Hoboken(US): John Wiley & Son, Inc.
Kholik, E.E., Devianto, W.K., Sholihah, N., & Santosa, Y.M. (2018). Optimasi Pembelian Komponen Komputer dan Aksesorisnya Menggunakan Algoritma Genetika. SNATI UII.
Miller, B. L. & Goldberg, D. E. 1995.Genetic Algorithm, Tournamen Selection, and the Effects of Noise. Complex System, 9, 193-212.
Muliadi (2014). Pemodelan Algoritma Genetika Pada Sistem Perkuliahan Prodi Ilmu Komputer Universitas Lambung Mangkurat. Kumpulan Jurnal Ilmu Komputer,1(1), 67-78.
Tanujaya, W., Dewi, D.R.S, & Endah, D., (2011). Penerapan Algoritma Genetika Untuk Penyelesaian Masalah Vehicle Routing di PT MIF , WIDYA TEKNIK, 10(1), 92-102.