Analisis Aplikasi Algoritma Genetika dalam Proses Desain Struktur Perkerasan

Abstract

Abstrak. Algoritma genetika pada prinsipnya bermanfaat untuk persoalan yang sulit dipecahkan dengan menggunakan pendekatan deterministik. Meskipun demikian, makalah ini dimaksudkan hanya untuk mengexplorasi aplikasi algoritma genetika yang menggunakan pendekatan stochastic sebagai metoda alternatif dalam mencari nilai ITP (Index Tebal Perkerasan) dari model empiris yang memerlukan proses konvergensi sederhana. Kemudian, nilai ITP tersebut dibandingkan dengan yang diperoleh melalui teknik interpolasi linier yang sederhana dalam pencarian nilai konvergen. Dua proses kodifikasi solusi (i.e. nilai ITP) yang diperlukan pada algoritma genetika apakah sebagai bilangan biner (kode konvensional) atau bilangan riil (kode non-konvensional) dianalisis secara khusus, mengingat kode bilangan riil seringkali diperlukan untuk aplikasi algoritma genetika dalam bidang rekayasa transportasi. Empat parameter utama dari algoritma genetika, yaitu jumlah populasi, probabilitas
pertukaran gen, probabilitas perubahan gen dan fungsi seleksi, yang dianggap paling sesuai untuk pencarian nilai ITP diusulkan dalam makalah ini.

Abstract. Genetic algorithm basically is a useful tool for problems that are difficult to solve by using deterministic approaches. Despite of this, this paper is intended only to explore genetic algorithm which is based on the principle of stochastic approaches as an alternative method to calculate the structural number of a pavement from an empirical model requiring simple convergency processes. The resulting pavement structural number was then compared with that obtained from a simple linear interpolation technique in seeking for a convergence. Two codification processes of solution (i.e. structural number) performed in genetic algorithm by using binary number (conventional code) or real number (non-conventional code) were specifically studied, since the real number
code is frequently used for the application of genetic algorithm in the field of transportation engineering. Four main parameters needed for genetic algorithm, i.e. population size, probability of crossover, probability of mutation and selection function, that were found to be the most appropriate for searching pavement structural number are proposed in this paper.