19
Sebaliknya, ukuran populasi yang terlalu besar akan menurunkan kinerja algoritma
genetik. Ukuran populasi berkisar antara 20 – 30.
2.4.4.2 Probabilitas Crossover (?
?
)
Probabilitas
crossover
akan
mengendalikan
operator
crossover
dalam setiap
generasi
dalam populasi
yang
mengalami crossover.
A.
Desiani
dan
M.
Arhami
(2006)
menyatakan bahwa dari hasil penelitian algoritma genetika yang sudah pernah dilakukan
nilai
probabilitas
crossover
sebaiknya
tinggi,
yaitu
antara
0,8
-
0,9
agar
memberikan
hasil yang baik.
Jika
tidak terjadi crossover,
maka
keturunannya
akan
sama
persis
dengan
kromosom orangtuanya. Semakin besar probabilitas crossover, maka akan semakin
cepat struktur
individu baru
yang
terbentuk ke dalam populasi. Namun,
jika probabilitas
crossover terlalu besar, maka kandidat solusi terbaik
mungkin
hilang
lebih
cepat
pada
generasi selanjutnya.
2.4.4.3 Probabilitas Mutasi (?
?
)
Probabilitas
mutasi
( )
didefinisikan
sebagai
presentasi
dari
jumlah
total
gen
pada populasi
yang
mengalami
mutasi. Probabilitas mutasi akan mengendalikan operator
mutasi dalam setiap generasi dalam populasi
yang
mengalami
mutasi. Probabilitas
mutasi biasanya lebih kecil dibanding dengan probabilitas crossover. Pada seleksi alam
murni,
mutasi
jarang
sekali
muncul.
A. Desiani
dan
M.
Arhami
(2006)
menyatakan
bahwa dari hasil penelitian yang sudah
pernah
dilakukan
menunjukkan
bahwa
nilai
probabilitas mutasi terbaik adalah antara 0.005 – 0.01.
 |