Mengenal Metode Algoritma Genetika Sebagai Solusi Masalah yang Kompleks

Algoritma Genetika ialah sebuah metode optimasi yang digunakan untuk mencari solusi secara optimal terhadap sebuah permasalahan terutama mengenai penjadwalan.

Dalam proses penjadwalan biasanya bersifat kompleks dan tidak mengijinkan sisi otak manusia untuk mencarikan sebuah solusi yang sangat optimal secara mudah. Dengan bantuan hal tersebut maka banyak hal yang bisa dihindarkan yang bisa menghambat pembuatan jadwal. Beberapa bentuk solusi yang menguntungkan bisa diperoleh.

Metode Algoritma Genetika meliputi beberapa tahapan yang cukup sederhana atau yang disebut dengan metodologi optimasi. Tahapan dari metodologi optimasi yang dimaksud terdiri dari :

– Penentuan populasi solusi dalam jumlah tertentu

– Perhitungan nilai fitnes function untuk setiap solusi dalam populasi

– Pemilihan solusi menggunakan nilai fitnes function tertinggi

– Proses optimasi dengan mutasi dan crossover sesuai jumlah yang diperlukan

– Penentuan solusi terbaik sebagai solusi untuk masalah yang ingin dioptimasi

Dalam proses analisa terdapat beberapa istilah khusus yang dapat membantu prosesnya. Pertama, terdapat istilah hard constraint yang berarti batasan dalam permasalahan untuk dicarikan solusi.

Batasan tersebut tidak boleh dilanggar karena akan menjadi bagian dari populasi. Kedua, terdapat istilah soft constraint yang berarti batasan dalam permasalahan yang akan dicarikan solusinya namun masih tetap bisa dilanggar. Keduanya mempengaruhi perolehan solusi dalam metode Algoritma Genetika ini.

Caranya dengan melihat kadar pelanggaran yang dilakukan terhadap soft constraint. Semakin banyak pelanggarannya maka semakin buruk nilai dari solusi tersebut. Nilai yang diperoleh didapat dari akumulasi dari nilai penalti yang didapat dari pelanggaran.

Nilai dari solusi yang akan diperoleh sering disebut dengan fitness function yang merupakan akumulasi dari nilai penalti yang diperoleh dari pelanggaran terhadap soft constraint yang ada. Nilai pada metode Algoritma Genetika ini juga bisa diperoleh dari penambahan nilai bonus terhadap hal ideal yang dapat di input dalam proses pembentukan solusi.

Solusi yang dapat memberikan keuntungan atau benefit terhadap organisasi dapat dianggap mampu memberikan nilai tambah terhadap solusi yang akan dibentuk. Selain itu, dalam proses penerapan Algoritma Genetika terdapat analisa dan desain sistem yang terbentuk dari pendefinisian proses yang tercakup dalam sistem.

Hal ini juga terbentuk dari proses pembentukan basis data dan desain antarmuka bagi pengguna. Analisa dan desain yang dibahas bersifat terbatas pada Bagaimana pembentukan basis data yang diperlukan. Bentuk basis data yang diperlukan terdiri dari Tabel Detail Solusi atau Gen, Tabel Solusi atau Kromosom, dan Tabel Master yang mendukung isian tabel sebelumnya.

Setiap istilah ilmiah yang ada merupakan representasi dari permasalahan yang yang ingin dicarikan solusinya. Selain itu, isian dari tabel Master akan mendukung pengembangan metode Algoritma Genetika yang bergantung pada setiap hal yang muncul saat melakukan analisa masalah. Pada umumnya metode ini cukup sederhana namun tetap saja membutuhkan penelitian yang mendalam.