STUDI PERBANDINGAN ANTARA ALGORITMA BIVARIATE MARGINAL DISTRIBUTION DENGAN ALGORITMA GENETIKA
Abstract: Bivariate Marginal
Distribution Algorithm merupakan perkembangan lebih lanjut dari Estimation of
Distribution Algorithm. Algoritma heuristik ini mengenalkan pendekatan baru
dalam melakukan rekombinasi untuk membentuk individu baru, yaitu tidak
menggunakan proses crossover dan mutasi seperti pada Genetic Algorithm.
Bivariate Marginal Distribution Algorithm menggunakan keterkaitan pasangan
variabel dalam melakukan rekombinasi untuk membentuk individu baru. Keterkaitan
antar variabel tersebut ditemukan selama proses optimasi berlangsung. Aplikasi
yang dibuat dalam penelitian ini ditujukan untuk membandingkan kinerja Genetic
Algorithm sederhana persilangan satu titik dengan Bivariate Marginal
Distribution Algorithm pada kasus Onemax, Fungsi De Jong F2, dan Traveling
Salesman Problem. Dari uji coba yang dilakukan, didapat hasil bahwa kinerja
dari kedua algoritma tersebut dipengaruhi oleh parameter masing-masing dan juga
besar ukuran populasi yang digunakan. Untuk kasus Onemax dengan ukuran masalah
yang kecil, Genetic Algorithm lebih unggul dalam hal jumlah iterasi yang lebih
sedikit dan waktu yang lebih cepat untuk mendapat hasil optimal. Namun,
Bivariate Marginal Distribution Algorithm lebih unggul dalam hal hasil optimasi
pada kasus Onemax dengan ukuran masalah yang lebih besar. Untuk Fungsi De Jong
F2, Genetic Algorithm lebih unggul dari Bivariate Marginal Distribution
Algorithm utamanya dalam hal jumlah iterasi dan waktu. Sedangkan untuk kasus
Traveling Salesman Problem, Bivariate Marginal Distribution Algorithm dapat
menunjukkan kinerja yang lebih baik dari Genetic Algorithm dalam hal hasil
optimasi.
Kata kunci: heuristic
algorithm, estimation of distribution algorithm, bivariate marginal
distribution algorithm, genetic algorithm.
Penulis: Chastine Fatichah,
Imam Artha Kusuma, Yudhi Purwananto
Kode Jurnal: jptinformatikadd060018
