Penyelesaian masalah knapsack dengan algoritma genetika - USD Repository

Gratis

0
0
123
1 year ago
Preview
Full text

  

PENYELESAIAN MASALAH KNAPSACK

DENGAN ALGORITMA GENETIKA

Skripsi

Diajukan untuk Memenuhi Salah Satu Syarat

  

Memperoleh Gelar Sarjana Sains

Program Studi Matematika

Disusun oleh:

Archy Tussasy XQ

  

023114025

PROGRAM STUDI MATEMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA

  

2009

  

PENYELESAIAN MASALAH KNAPSACK

DENGAN ALGORITMA GENETIKA

Skripsi

Diajukan untuk Memenuhi Salah Satu Syarat

  

Memperoleh Gelar Sarjana Sains

Program Studi Matematika

Disusun oleh:

Archy Tussasy XQ

  

023114025

PROGRAM STUDI MATEMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA

  

2009

  

SOLVING THE KNAPSACK PROBLEM

WITH GENETIC ALGORITHM

THESIS

Presented As a Partial Fulfillment of The Requirements

To Obtain The Sarjana Sains Degree

  

In Mathematics

by:

Archy Tussasy XQ

023114025

  

MATHEMATICS STUDY PROGRAM

DEPARTMENT OF MATHEMATICS

FACULTY OF SCIENCE AND TECHNOLOGY

SANATA DHARMA UNIVERSITY

YOGYAKARTA

2009

  HALAMAN PERSEMBAHAN Bersyukurlah bahwa kita belum siap memiliki segala sesuatu yang kita inginkan.

  Seandainya sudah, apalagi yang harus diinginkan? Bersyukurlah apabila kita tidak tahu sesuatu. Karena itu memberimu kesempatan untuk belajar. Bersyukurlah untuk masa-masa sulit. Dimasa itulah kita akan bertumbuh..... Bersyukurlah untuk keterbatasanmu Karena itu memnberimu kesempatan untuk berkembang Bersyukurlah untuk setiap tantangan baru Karena itu akan membangun kekuatan dan karaktermu Bersyukurlah untuk kesalahan yang kamu buat. Karena itulah pelajaran yang berharga. Bersyukurlah Selalu!!

  Karya ini kupersembahkan Untuk Tuhan Yesus Kristus

  Untuk Ayah, Ibu dan Adikku Saudara, sahabat dan temanku

  

ABSTRAK

  Masalah knapsack merupakan salah satu masalah NP-Complete(Non Determisnistic Polynomial Complete Problem), yang merupakan masalah yang sampai saat ini belum ditemukan adanya algoritma eksak yang dapat memberikan solusi yang eksak dalam waktu komputasi yang efisien.Pada umumnya masalah ini diselesaikan dengan algoritma pendekatan atau algoritma heuristic. Salah satu algoritma heuristic yang dapat digunakan dalam menyelesaikan masalah knapsack ini adalah Algoritma Genetika.

  Sistem kerja Algoritma Genetika dimulai dari inisialisasi populasi secara random. Setiap individu di dalam populasi akan mengalami proses yang didasarkan pada tiga operator genetik, yakni seleksi, crossover, mutasi. Anak(offspring) yang dihasilkan adalah solusi-solusi yang diberikan. Karena populasi dijaga untuk tetap konstan, maka sesulit apapun permasalahan optimasi tersebut,dengan Algoritma Genetika masalah tersebut akan selalu mempunyai penyelesaian, walaupun terkadang hasilnya belum tentu optimal.

  ABSTRACT

  Knapsack problem was one of the problem of NP-Complete (Non Deterministic Polynomial Complete Problem), that problem was not found yet about the exact algorithm that can give the exact solution in efficient computation time. Generally, this problem is solved by approached algorithm or heuristic algorithm. One of heuristic algorithm that can be used to solve knapsack problem is Genetics Algorithm.

  The standard Genetic Algorithm starts with an initial population of individuals created at random. Then, this population evolves through time by a string manipulation process based in three genetic operators: reproduction,

  

crossover and mutation. Offspring that resulted from that process was the

  solutions of this problem. Because the population was kept to be constant, so although the optimization problem was so complete, the problem will be solved with Genetics Algorithm, even tough the result was not optimal yet.

  K ATA PENGANTAR Puji syukur kehadirat Allah Bapa di Surga yang telah melimpahkan kasih

dan karuniaNya sehingga penulis dapat menyelesaikan skripsi dengan judul

“Penyelesaian Masalah Knapsack dengan Algoritma Genetika”

  Selama penulisan skripsi ini ada berbagai kesenangan, kesusahan, dan

tantangan yang penulis hadapi. Namun karena kuasa dan campur tangan Allah

sendiri yang senantiasa menaungi penulis dan keterlibatan pihak-pihak yang

membantu semua hal itu dapat teratasi.

  Oleh karena itu pada kesempatan yang baik ini penulis ingin mengucapkan terimakasih kepada:

  1. Ibu Lusia Krismiyati Budiasih, S.Si., M.Si. selaku Ketua Prodi Matematika, dosen pembimbing dan dosen penguji, yang telah berkenan meluangkan waktu memberikan pengarahan, motivasi, saran dan masukan dalam menyelesaikan skripsi ini.

2. Bapak Yosef Agung Cahyanta, S.T., M.T, selaku Dekan Fakultas Sains dan Teknologi.

  3. Bapak Drs. H. J Haris Sriwindono, selaku dosen pembimbing yang telah berkenan meluangkan waktu memberikan pengarahan, motivasi dan

dengan penuh sabar membimbing penulis dalam menyusun skripsi ini.

  4. Bapak Eko Hari Parmadi, St, S.Si., M.Kom dan Bapak Joko Nugroho, Y., S.Si Selaku dosen penguji yang telah memberikan saran dan masukan bagi penulis dalam menyelesaikan skripsi ini.

  

5. Bapak Ir. Ig. Aris Dwiatmoko, selaku Dosen Pembimbing Akademik, yang

telah memberikan bimbingan selama studi dan menjadi teman dalam menjalani suka dan duka selama perkuliahan

  

6. Bapak dan Ibu Dosen Fakultas Sains dan Teknologi yang telah membantu

dan membimbing penulis selama belajar di USD

  

7. Segenap Staff di sekretariat Fakultas Sains dan Teknologi atas bantuan

dan kerjasamanya dalam melayani kepentingan mahasiswa

  

8. Ayahku Boyong XQ, ibuku Tuti Mulyaningsih, dan Adikku Maxi

Resitama XQ atas doa, kesabaran, perhatian, kesempatan yang diberikan baik material dan spiritual sehingga skripsi ini dapat selesai.

  

9. Sahabat dan keluargaku di Kost “Zusi Arib”, bapak& ibu kost, N3, Mitha,

Lian, Meme, Imeth, Alin, M’Tutik, M’Mely, Makdum, Evi, Kasis, Indah, Coy, Iles, Ina yang telah memberi kasih sayang, perhatian, motivasi selama menyusun skripsi dan menempuh kuliah di USD.

10. Damasus Arif Syaifudin,dan Sahabatku Agung Cole, Nusi A, Novita C yang telah membantu dalam penyusunan skripsi.

  

11. Ibu Yossie Retnaningrum, BA. selaku Kepala Sekolah, Ibu Lanny

Kristiani ( Sie Kurikulum), rekan-rekan kerja yang lain di SMP Pantekosta dan Keluarga Besar Yayasan Sekolah Pantekosta Magelang yang telah memberikan doa ndan motivasi dalam penyusunan skripsi.

  

12. Sahabatku Altoria Mavida, Ika C, Yolenta, Debby dan teman-teman kuliah

angkatan 2002 yang telah membantu penulis selama menyusun skripsi dan selama menempuh kuliah di USD.

13. Dan semua pihak yang telah bersedia membantu yang tidak bisa saya sebutkan satu persatu.

  Penulis sadar bahwa skripsi ini masih jauh dari sempurna, oleh karena itu

masih perlu penyempurnaan dari teman sekalian. Semoga skripsi ini bermanfaat

bagi kita semua.

  Yogyakarta, Februari 2009 Penulis

  DAFTAR ISI

  HALAMAN JUDUL………………………………………………………….... i HALAMAN PERSETUJUAN PEMBIMBING………………………………... ii HALAMAN PENGESAHAN………………………………………………….. iii HALAMAN PERSEMBAHAN………………………………………………... iv PERNYATAAN KEASLIAN KARYA………………………………………... v ABSTRAK…………………………………………………………………….... vi ABSTRACT……………………………………………………………………. vii KATA PENGANTAR………………………………………………………..... viii DAFTAR ISI………………………………………………………………….... xi DAFTAR TABEL…………………………………………………………….... xiv DAFTAR GAMBAR........................................................................................... xv DAFTAR LAMPIRAN………………………………………………………... xiv

  BAB I PENDAHULUAN

  1 A. Latar Belakang Masalah...............................................................1

  B. Perumusan Masalah……………………………………………. 4

  C. Pembatasan Masalah…………………………………………… 4

  D. Tujuan Penulisan……………………………………………….. 5

  E. Metode Penulisan ……………………………………………… 5

  F. Manfaat Penulisan……………………………………………… 5

  G. Sistematika Penulisan…………………………………………..5

  BAB II ALGORITMA GENETIKA

  7 A. Latar Belakang Biologi………………………………………… 7

  B. Algoritma Genetika……………………………………………. 8

  1. Pengantar Algoritma Genetika……………………………8

  2. Deskripsi Algoritma Genetika………………………........10

  3. Struktur Umum Algoritma Genetika………………….. ...13

  4. Operator dan Fungsi Evaluasi………………………........ 15

  5. Pengkodean…………………………………………..... ...16

  5.1 Pengkodean Biner……………………………... 16

  5.2 Pengkodean Permutasi……………………….... 17

  5.3 Pengkodean Nilai……………………………….18

  5.4 Pengkodean Pohon………………………………18

  6. Seleksi…………………………………………………… 19

  6.1 Seleksi Roda Roulette…………………………. 19

  6.2 Seleksi Ranking………………………………... 20

  6.3 Seleksi Tournament……………………………. 21

  7. Evolusi…………………………………………………....22

  7.1 Persilangan / Crossover………………………... 22

  7.1.1 Persilangan Satu Titik…………………. 23

  7.1.2 Persilangan Dua titik…………………... 24

  7.2 Mutasi………………………………………….. 24

  C. Masalah Knapsack…………………………………………….. 26

BAB III ALGORITMA GENETIKA UNTUK MASALAH KNAPSACK 33 A. Analisis…………………………………………………………. 33

  1. Representasi Masalah………………………………………. 33

  2. Pembangkitan Kromosom………………………………….. 35

  3. Pencarian Nilai Fitness Untuk Masing-masing kromosom …………………………………………………..36

  4. Pemilihan Kromosom Untuk Dijadikan Orang Tua……........37

  5. Proses Reproduksi Untuk Mendapatkan Kromosom Baru .....38

  a. Operasi Persilangan…………………………………. ….39

  b. Operasi Mutasi……………………………………….…..40

6. Skema Update Generasi……………………………………. 41

  BAB IV IMPLEMENTASI DAN ANALISA HASIL PROGRAM

  43 A. Flowchart…………………………………………………….…43

  B. Analisis Hasil Program………………………………………...44

  BAB V PENUTUP

  48

  1. Kesimpulan…………………………………………………….. 48

  2. Saran…………………………………………………………… 48 DAFTAR PUSTAKA………………………………………………………….. 51 LAMPIRAN........................................................................................................ 52

  

DAFTAR TABEL

  Tabel 2. 2. 2. 1 Tabel istilah dalam algoritma genetika…………………. 12 Tabel 2. 2. 6. 1 Contoh populasi dengan 5 kromosom yang diberi fitness baru........................................................................ 21 Tabel 2. 3. 1. 1 Contoh masalah knapsack…………………………….... 28 Tabel 2.

  3.

  1.

  2 Tabel feasible solution knapsack dengan pendekatan matematika........................................................................ 29 Tabel 3. 1. 1 Daftar 10 barang yang akan dimuat ransel........................ 34

  

DAFTAR GAMBAR

  Gambar 2. 2. 3. 1 Ilustrasi Algoritma Genetika............................................. 14 Gambar 2. 2. 5. 1 Contoh kromosom dengan pengkodean biner................... 17 Gambar 2. 2. 5. 2 Contoh kromosom dengan pengkodean permutasi........... 17 Gambar 2. 2. 5. 3 Contoh kromosom dengan pengkodean nilai.................... 18 Gambar 2. 2. 5. 4 Contoh kromosom dengan pengkodean pohon..................19 Gambar 2. 2. 6. 1 Contoh penggunaan metode seleksi roda roulette............. 20 Gambar 2. 2. 7. 1. 1 Contoh proses persilangan 1 titik ..................................... 24 Gambar 2. 2. 7. 1. 2 Contoh proses persilangan 2 titik ..................................... 24 Gambar 2. 2. 7. 2 Contoh proses Mutasi........................................................ 25 Gambar 3. 1. 2 Contoh inisialisasi populasi awal sebanyak 10 kromosom.......................................................................... 36 Gambar 3. 1. 5. 1 Contoh perkawinan silang 1 titik pada titik ke 5............... 40 Gambar 3. 1. 5. 2 Contoh mutasi invers......................................................... 42

  

DAFTAR LAMPIRAN

  1. Listing program MainMenu............................................................................ 52

  2. Listing program Menu..................................................................................... 53

  3. Listing program Contoh.................................................................................. 53

  4. Listing program Count.................................................................................... 54

  5. Listing program Inisialisasi kromosom........................................................... 64

  6. Listing program Pencarian nilai fitness…………………………………...... 64

  7. Listing program Menampilkan Nilai Fitness.................................................. 65

  8. Listing program Menghitung Linear Fitness Ranking……………………… 66

  9. Listing program MenampilkanFitness Ranking…………………………….. 66

  10. Listing program Proses seleksi........................................................................ 67

  11. Listing program Operasi Persilangan atau Crossover..................................... 67

  12. Listing program Mutasi................................................................................... 68

  13. Listing program tampil.................................................................................... 68

  14. Contoh output masalah knapsack.................................................................... 69

BAB I PENDAHULUAN A. Latar Belakang Masalah. Manusia dalam mengatasi berbagai masalah, perlu adanya suatu alat

  bantu yang diyakini dapat memberikan suatu penyelesaian yang terbaik dari permasalahan yang ada. Lalu manusia mulai berpikir untuk dapat membuat atau menciptakan peralatan-peralatan tersebut. Salah satu teknologi yang berhasil diciptakan manusia dalam bidang komputasi adalah mesin komputer.

  Perkembangan teknologi komputer dewasa ini sangat pesat, baik dari segi hardware maupun software. Pada dasarnya fungsi awal komputer adalah sebagai alat bantu hitung. Karena alasan itulah mesin komputer telah dapat berkembang luas sampai saat ini, tetapi pemakaian komputer sebagai alat komputasi melekat pada dirinya sendiri. Salah satunya adalah dalam pencarian solusi yang optimal pada masalah knapsack.

  Masalah knapsack bila dipikirkan lebih luas, sangat banyak dijumpai dalam kehidupan sehari-hari. Masalah knapsack termasuk dalam kelompok masalah optimasi yang disebut masalah NP-Complete(Non Deterministic Polynomial Complete Problem), yaitu masalah yang sangat sulit ditemukan solusinya. Kesulitan dalam masalah knapsack berasal dari tidak mungkinnya menghasilkan suatu algoritma yang memberikan hasil eksak dalam waktu komputasi cepat. Masalah knapsack memerlukan banyak perhitungan serta berkembang secara eksponensial dengan semakin besarnya ukuran masalah.

  2 Dan pada umumnya masalah-masalah NP-Complete itu diselesaikan dengan algoritma pendekatan atau algoritma heuristik.

  Algoritma genetika merupakan suatu metode penyelesaian masalah yang tergolong heuristik. Algoritma genetika dapat memberikan kemungkinan penyelesaian masalah yang sangat banyak dan mempertimbangkan suatu kemungkinan tersebut dalam mengambil keputusan. Algoritma genetika telah digunakan pada masalah-masalah yang tergolong sulit dan dalam berbagai variasi telah diterapkan ke berbagai masalah sains dan teknik yang salah satunya adalah masalah knapsack.

  Algoritma genetika pertama kali diperkenalkan oleh John Holland dan murid-muridnya di Universitas Michigan pada tahun 1960. Algoritma genetika adalah algoritma yang berdasarkan konsep teori evolusi alam dan genetika. Teori evolusi alam dan genetika pertama kali dikemukakan oleh Charles Darwin. Dalam teori genetika disebutkan bahwa sifat tertentu dari suatu makhluk hidup ditentukan oleh susunan gen dan kromosom makhluk hidup tersebut. Teori genetika dalam algoritma genetika digunakan untuk mempresentasikan setiap solusi dari masalah yang ada, karena setiap solusi diandaikan mempunyai kromosom yang berbeda dengan solusi yang lainnya. Sedangkan evolusi alam adalah proses seleksi terhadap anggota dari berbagai populasi berdasarkan tingkat ketahanan hidup suatu makhluk hidup. Proses- proses dalam evolusi alam yang digunakan dalam algoritma genetika adalah seleksi alam dan reproduksi. Proses seleksi alam digunakan untuk memilih solusi yang baik, sedangkan proses reproduksi digunakan untuk menghasilkan

  3 solusi baru yang diharapkan mempunyai kromosom lebih baik dari solusi sebelumnya. Dengan pemodelan masalah yang tepat dan menerapkan mekanisme seleksi, perkawinan silang, mutasi, rekombinasi yang sesuai dengan fitnes (tingkat kesesuaian) masalah tersebut, algoritma genetika dapat memberikan solusi yang mendekati eksak. (Gen & Cheng, 1997)

  Dalam skripsi ini algoritma genetika akan digunakan untuk menyelesaikan masalah knapsack. Secara umum deskripsi permasalahan knapsack adalah sebagai berikut: dimisalkan terdapat n obyek dengan

  X i n

  masing-masing obyeknya dikatakan sebagai( ( ; = i 1 , 2 , 3 ,.... ) yang masing- masing obyek tersebut mempunyai berat atau disebut w . Setiap obyek i tersebut masing-masing memiliki nilai (profit) p yang berbeda-beda. Yang i menjadi permasalahan adalah bagaimana obyek-obyek tersebut dapat dimuat atau dimasukkan kedalam ransel (Knapsack) yang mempunyai kapasitas maksimum sebesar W. Secara Matematis permasalahan Knapsack dapat digambarkan dengan fungsi-fungsi sebagai berikut: n

  

p x

  Fungsi Tujuan Maksimum: i i ni =1

  w x W

  Fungsi Pembatas: ≤ i i

  ∑ i =1 x = atau x = i i

  1

  p > ; w > i i

  Meskipun proses kerja algoritma genetika terlihat sangat kompleks untuk permasalahan yang kecil, tetapi untuk ukuran permasalahan yang

  4 besar algoritma genetika akan memberikan hasil yang efisien. Dalam hal ini diberikan juga penyelesaian secara Zero-One(0/1) karena dalam pemilihan barang dari sejumlah barang yang ada sedemikian hingga jumlah barang yang diambil mempunyai nilai( profit ) yang maksimal tetapi total beratnya tidak melebihi kapasitas knapsack( kopor/ ransel ) yang ada. Dan setiap barang yang ada tidak dapat dipecah atau dibagi lagi, atau barang tersebut hanya mempunyai kemungkinan diambil atau ditinggalkan.

B. Perumusan Masalah

  Pokok-pokok permasalahan yang akan dibahas dalam skripsi ini adalah:

1. Bagaimana penerapan algoritma genetika pada masalah knapsck.

  2. Bagaimana membuat program untuk mendapatkan himpunan bagian dari n obyek tersebut yang dapat mengisi tepat atau kurang dari kapasitas ransel tersebut(masalah knapsack)? C.

   Pembatasan Masalah

  Pembahasan skripsi ini dibatasi pada:

  1. Ruang solusi hanya terdiri dari dua permasalahan yaitu mencari hasil yang paling baik secara Zero-One pada knapsack tersebut atau menentukan secara jelas nilai 0 atau 1 pada barang yang akan dipilih(nilai 1 berarti barang diambil sedangkan nilai 0 berarti barang tidak diambil/ ditinggalkan).

  5

  2. Barang yang akan dipilih bersifat utuh dan tidak dapat dibagi atau dipecah.

  3. Algoritma pemograman yang digunakan adalah algoritma genetika.

  4. Jumlah barang dibatasi maksimal 100 obyek.

  D. Tujuan Penulisan

  Tujuan dari penulisan skripsi ini adalah untuk menambah pengetahuan kepada pembaca mengenai algoritma genetika dan masalah knapsack, serta penerapan algoritma genetika untuk masalah knapsack.

  E. Metode Penulisan

  Penulisan skripsi ini menggunakan metode studi pustaka yaitu dengan menggunakan buku-buku, jurnal-jurnal, dan makalah-makalah yang telah dipublikasikan, sehingga tidak ditemukan hal baru.

  F. Manfaat Penulisan

  Manfaat yang diharapkan dari penulisan skripsi ini adalah dapat menyelesaikan masalah knapsack dengan waktu yang lebih singkat dengan algoritma genetika.

  G. Sistematika Penulisan

  Bab pertama adalah pendahuluan, yang berisi tentang latar belakang masalah, perumusan masalah, pembatasan masalah, tujuan penulisan, metode penulisan, manfaat penulisan, sistematika penulisan.

  6 Bab kedua adalah landasan teori,pada bab ini diuraikan tentang latar belakang biologi, algoritma genetika, pengertian masalah knapsack.

  Bab ketiga adalah penerapan algoritma genetika untuk masalah knapsack,pada bab ini akan menguraikan mengenai langkah-langkah algoritma genetika dalam menyelesaikan masalah knapsack, representasi masalah, pembentukan kromosom, pencarian nilai fitness masing-masing kromosom, operasi perkawinan silang, dan operasi mutasi.

  Bab keempat adalah implementasi dan analisa hasil program,pada bab ini berisi tentang implementasi sistem yang dibangun, meliputi penjelasan

  

flowchart , menampilkan hasil program saat dijalankan dan analisa hasil

program.

  Bab kelima adalah penutup,pada bab ini berisi kesimpulan dan saran dari sistem yang telah dibangun berdasarkan hasil pembahasan bab-bab sebelumnya

BAB II LANDASAN TEORI A. Latar Belakang Biologi Semua mahkluk hidup terdiri dari beberapa sel.Didalam masing-

  masing sel terdapat himpunan kromosom yang identik. Kromosom merupakan untaian DNA yang membentuk model yang membedakan masing-masing organisme. Sebuah kromosom terdiri dari gen-gen yang merupakan blok dari suatu DNA. Dan masing-masing gen mengkodekan sebuah susunan protein tertentu. Gen-gen tersebut mengkodekan sebuah trait (ciri bawaan), seperti warna mata, warna kulit, dan lain-lain.

  Kemungkinan “settings” untuk sebuah trait(seperti warna hitam, biru, coklat pada warna mata)disebut dengan allele. Masing-masing gen mempunyai posisi tersendiri di dalam kromosom, posisi ini disebut locus.

  Saat melakukan reproduksi, yang muncul pertama kali adalah rekombinasi (crossover atau persilangan). Gen-gen dari induk (parents) saling berekombinasi membentuk kromosom yang baru (offspring). Keturunan baru (offspring) ini juga dapat bermutasi. Mutasi merupakan perubahan yang terjadi pada elemen suatu DNA. Perubahan ini terjadi mungkin disebabkan karena kesalahan penggandaan gen-gen dari induknya (parents). Sedangkan fitness suatu mahkluk hidup diukur dari kesuksesan dalam mempertahankan hidupnya.

  8 Ruang pencarian.

  Ketika mencari penyelesaian suatu masalah, maka dicari solusi yang terbaik dari semua kemungkinan solusi yang ada. Kumpulan semua kemungkinan solusi tersebut berada dalam ruang pencarian (search space). Setiap titik pada ruang pencarian merupakan satu solusi yang mungkin (feasible solution) dan dapat diberi pengenal dalam bentuk nilai atau fitness- nya terhadap masalah yang akan diselesaikan. Proses pencarian solusi menjadi rumit jika tidak diketahui di mana harus mencari atau pencarian dimulai dari mana. Banyaknya metode yang dikenal untuk menemukan solusi yang layak, diantaranya adalah algoritma genetika yang dibuat berdasarkan analogi mekanisme yang terjadi terhadap proses evolusi.

B. Algoritma Genetika 1. Pengantar Algoritma Genetika

  Algoritma genetika pertama kali diperkenalkan oleh John Holland dan murid-muridnya di Universitas Michigan pada tahun 1960. Saat ini algoritma genetika mulai banyak digunakan pada masalah-masalah yang tergolong sulit dan dalam berbagai variasi telah diterapkan ke berbagai masalah sains dan teknik yaitu masalah optimasi yang kompleks. Algoritma ini merupakan metode optimasi yang tidak berdasarkan matematika, melainkan berdasarkan pada fenomena alam yang dalam penelusurannya mencari titik optimal berdasarkan ide yang ada pada genetika dan teori Darwin (1809-1882) yaitu “survival of the fittest”

  9 menyatakan bahwa evolusi jenis-jenis spesies makhluk hidup dan ekosistemnya terjadi karena seleksi alam. Individu yang lebih kuat (fit) akan memiliki tingkat survival dan tingkat reproduksi yang lebih tinggi jika dibandingkan dengan individu yang kurang fit. Beberapa aplikasi yang dapat diselesaikan dengan algoritma genetika yaitu sistem dinamikal nonlinear, lintasan robot, program LISP, perancangan jaringan syaraf tiruan, strategi perencanaan, Film-copy Deliverer Problem, Knapsack Problem, Quadratic Assigment Problem, Traveling Salesman Problem dan Minimum Spanning Tree Problem.

  Algoritma genetika merupakan suatu metode penyelesaian yang tergolong heuristik. Algoritma heuristik adalah algoritma yang mencari penyelesaian dengan menggunakan masalah optimasi dengan menggunakan algoritma eksak yang ada.

  Ciri-ciri dari algoritma heuristik adalah: i. Akan selalu memberikan solusi yang baik walaupun belum tentu merupakan solusi yang optimal. ii. Lebih cepat dan mudah untuk mengimplementasikan daripada algoritma eksak yang diketahui menjamin memberikan solusi yang lebih optimal.

  Sedangkan ciri-ciri dari algoritma genetika adalah: i. Bekerja dengan sebuah himpunan pengkodean solusi yang bukan merupakan himpunan solusi itu sendiri.

  10 ii. Mencari solusi dari suatu populasi yang bukan merupakan sebuah solusi yang tunggal. iii. Menggunakan informasi fungsi fitness. iv. Menggunakan operasi random dengan aturan perubahan probabilitas, bukan operasi dengan aturan tertentu dalam setiap iterasi.

2. Deskripsi Algoritma Genetika

  Algoritma genetika adalah teknik pencarian stokastik yang berdasarkan pada mekanisme seleksi alam dan sifat genetika. Dalam implementasinya, algoritma genetika meniru beberapa proses yang terdapat pada evolusi alam dimana evolusi terjadi pada kromosom yang mengkodekan struktur makhluk hidup. Individu-individu yang ada pada saat tertentu dalam suatu populasi merupakan individu-individu yang berhasil mempertahankan hidupnya sedangkan yang lemah akan punah. Individu-individu yang berhasil mempertahankan hidupnya akan membentuk individu baru.

  Beberapa teori dasar evolusi yang diadopsi oleh algoritma genetika adalah: a. Evolusi adalah proses seleksi alam dan reproduksi yang bekerja pada kromosom.

  b. Seleksi alamiah berhubungan dengan kinerja dari struktur yang dikodekan oleh kromosom.

  11 c.

  Proses reproduksi adalah titik dimana terjadi evolusi.

  Rekombinasi akan menciptakan kromosom baru yang berbeda dengan induknya, demikian pula dengan mutasi.

  Teori dasar evolusi tersebut bila diimplementasikan dalam bentuk algoritma genetika, maka diharapkan mampu menyelesaikan masalah- masalah yang sulit dengan cara yang sama seperti yang dilakukan melalui evolusi.

  Keuntungan algoritma genetika adalah sifat metode pencariannya yang lebih optimal, tanpa terlalu memperbesar ruang pencarian dan tanpa kehilangan kesempurnaan (completness) sehingga dapat dengan mudah diimplementasikan ke suatu permasalahan.

  Algoritma genetika merupakan algoritma yang bermanfaat dan efisien, ketika: a. Pencarian dalam ruang pencarian yang besar, kompleks atau hanya sedikit yang diketahui.

  b. Tidak ada analisis matematika yang memungkinkan.

  c. Kurang atau tidak ada pengetahuan yang memadai untuk merepresentasikan masalah ke dalam ruang pencarian yang lebih sempit.

  d. Metode konvensional sudah tidak mampu menyelesaikan masalah yang dihadapi.

  Algoritma genetika berbeda dengan teknik optimasi konvensional dan prosedur pencarian dalam beberapa segi fundamental:

  12 1)

  Algoritma genetika bekerja dengan sebuah himpunan pengkodean dari sekumpulan solusi, bukan pada solusi itu sendiri. 2)

  Algoritma genetika mencari beberapa solusi dari sebuah populasi, bukan satu solusi.

  3) Algoritma genetika menggunakan fungsi fitness, bukan menggunakan turunan atau pengetahuan lainnya.

  4) Algoritma genetika menggunakan aturan perubahan probabilistik, bukan aturan deterministik.

  Istilah-istilah yang digunakan dalam algoritma genetika, dijelaskan dalam tabel dibawah ini:

Tabel 2.2.2.1 Tabel istilah dalam Algoritma Genetika Istilah dalam algoritma Keterangan.

  genetika Populasi Himpunan beberapa solusi. Kromosom Solusi . Gen Bagian dari kromosom. Parent Solusi yang akan dikenakan proses persilangan atau mutasi.

  

Offspring Solusi baru yang dihasilkan melalui

proses persilangan atau mutasi.

  Persilangan Proses yang melibatkan dua solusi untuk mendapatkan solusi baru. Mutasi Proses yang melibatkan satu solusi untuk mendapatkan solusi baru. Seleksi Pemilihan kromosom yang baik

  13

3. Struktur Umum Algoritma Genetika

  Bila P(t) dan C(t) adalah induk dan keturunan pada generasi t, struktur umum algoritma genetika adalah sebagai berikut:

  prosedur algoritma genetika :

  begin t

  ← 0; inisialisasi P(t); evaluasi P(t); while(kondisi terminasi tidak terpenuhi) do rekombinasi P(t) untuk menghasilkan anak

  C(t); evaluasi C(t); seleksi P(t+1) dari P(t) dan C(t); t

  ← t+1; end

  end

  Struktur umum algoritma genetika (Mitsuo Gen dan Runwei Cheng, 1997) dapat pula dideskripsikan seperti pada Gambar 2.2.3.1

  14

  Ilustrasi Algoritma Genetika

Gambar 2.2.3.1 Ilustrasi Algoritma Genetika

  mutation 0011011001

  0011001001 crossover

  110010 1010

  1011101110

  1100101110

  1011101010 solutions evaluation

  1100101110 1011101010 0011001001 offspring fitness computation decoding

  1100101010 1011101110 0011011001 1100110001 chromosomes selection roulette wheel solutions encoding new population

  15 Keterangan Gambar 2.2.3.1 Dalam menyelesaikan masalah, algoritma genetika diawali dengan menginisialisasikan himpunan solusi yang dibangkitkan secara acak. Himpunan solusi ini disebut populasi. Setiap individu pada populasi disebut kromosom yang menggambarkan sebuah solusi dari masalah yang akan diselesaikan. Sebuah kromosom dapat dinyatakan dalam simbol string misalnya kumpulan string bit. Kromosom-kromosom dapat berubah terus menerus disebut dengan regenerasi. Pada setiap generasi, kromosom dievaluasi dengan mengunakan alat ukur yang disebut fungsi fittnes (tingkat kesesuaian). Untuk membuat generasi berikutnya, kromosom-kromosom baru yang disebut offspring (keturunan) terbentuk dengan cara menggabung dua kromosom dari generasi sekarang dengan menggunakan operator crossover (persilangan) atau mengubah sebuah kromosom dengan menggunakan operator mutasi. Generasi baru dibentuk dengan cara seleksi yang dilakukan terhadap parents dan offspring berdasarkan nilai fitness-nya dan menghilangkan yang lainnya. Kromosom-kromosom yang lebih sesuai memiliki probabilitas untuk dipilih. Setelah beberapa generasi, algoritma ini akan konvergen ke arah bentuk kromosom yang terbaik, dengan harapan dapat menyatakan solusi optimal dari permasalahan yang diselesaikan.

4. Operator dan Fungsi Evaluasi

  Biasanya, inisialisasi diasumsikan secara random. Rekombinasi melibatkan crossover dan mutasi untuk menghasilkan keturunan (offspring).

  Pada kenyataannya, hanya ada dua jenis operasi dalam algoritma genetika,

  16 yaitu operasi genetik (crossover/persilangan dan mutasi dan operasi evolusi (seleksi). Pada teori evolusi, mutasi ini merupakan operator kromosom yang memungkinkan makhluk hidup melakukan penyesuaian dengan lingkungannya walaupun lingkungan barunya tidak sesuai dengan lingkungan induknya semula.

  Faktor terbesar dalam teori evolusi yang menyebabkan suatu kromosom bertahan, punah, melakukan persilangan atau mutasi adalah lingkungan. Pada algoritma genetika, factor lingkungan diperankan oleh fungsi evaluasi. Fungsi evaluasi menggunakan kromosom sebagai masukan dan menghasilkan angka tertentu yang menunjukkan kinerja pada masalah yang diselesaikan. Pada masalah optimasi, fungsai evaluasi adalah fungsi tujuan (objective function). Nilai fungsi evaluasi disebut nilai kesesuaian (fitness value). Nilai inilah yang akan menentukan apakan suatu string akan muncul pada generasi berikutnya atau mati.

5. Pengkodean

  Beberapa jenis pengkodean yang sering digunakan dalam mengkodekan solusi terhadap suatu masalah, yaitu:

  5.1 Pengkodean Biner (Binary Encoding) Pengkodean biner ini merupakan cara pengkodean yang paling umum digunakan.Karena pengkodean ini merupakan yang pertama kali digunakan dalam algoritma genetika oleh Holland. Dalam pengkodean biner, setiap kromosom dinyatakan dalam bit 0 atau 1.

  17 Kromosom1 : 1 0 1 0 1 0 0 1 Kromosom2 : 0 0 1 1 1 0 1 0

Gambar 2.2.5.1 Contoh kromosom dengan pengkodean biner

  Pengkodean biner memberikan banyak kemungkinan untuk kromosom walaupun jumlah allele yang sedikit yaitu 0 atau 1. Pada pihak lain, pengkodean biner ini sering tidak sesuai untuk masalah dan kadang pengoreksian harus dilakukan setelah proses evolusi (perkawinan silang dan/atau mutasi). Contoh masalah yang sesuai untuk pengkodean biner antara lain masalah knapsack.

  5.2 Pengkodean permutasi (Permutation Encoding) Pengkodean permutasi dapat digunakan dalam masalah pengurutan( ordering problem). Dalam pengkodean permutasi setiap kromosom merupakan suatu barisan bilangan yang menyatakan bilangan dalam suatu urutan.

  Kromosom1 : 1 3 4 2 6 5 7 8 Kromosom2 : 3 4 6 1 5 2 8 7

Gambar 2.2.5.2 Contoh kromosom dengan pengkodean permutasi Pengkodean permutasi hanya berguna untuk masalah pengurutan.

  Contoh yang menggunakan pengkodean permutasi adalah masalah wiraniaga.

  18

  5.3 Pengkodean nilai (Value Encoding) Pengkodean nilai dapat digunakan untuk masalah yang mempunyai nilai yang rumit. Dengan pengkodean nilai, setiap kromosom merupakan suatu barisan dari nilai-nilai. Nilai-nilai dapat berupa apa saja yang berhubungan dengan masalah, bilangan biasa, bilangan riil, karakter sampai ke obyek-obyek yang rumit. Kromosom1 : 1.2 5.3 0.4 2.3 2.4 4.1 3.5 1.9 Kromosom2 : A B D J E

  I F J

Gambar 2.2.5.3 Contoh kromosom dengan pengkodean nilai

  Pengkodean nilai ini baik digunakan untuk beberapa masalah. Di pihak lain, untuk mengkodekan tipe ini sering perlu pengembangan persilangan dan mutasi baru yang spesifik untuk permasalahannya. Contohnya dalam masalah mencari bobot untuk jaringan syaraf.

  5.4 Pengkodean pohon (Tree Encoding) Pengkodean pohon ini lebih banyak digunakan untuk menyusun program atau ekspresi bagi pemrograman genetika. Dalam pengkodean pohon, setiap kromosom merupakan suatu pohon dari beberapa objek, seperti fungsi atau perintah dalam bahasa pemrograman.

  Pengkodean pohon ini baik digunakan untuk menyusun program.Contoh masalah yang menggunakan pengkodean pohon adalah masalah mencari fungsi berdasarkan nilai-nilai yang diberikan.

  19 kromosom

  • x

Gambar 2.2.5.4 Contoh kromosom dengan pengkodean pohon 6.

   Seleksi

  Seleksi akan menentukan individu-individu mana saja yang akan dipilih untuk dilakukan rekombinasi dan bagaimana offspring/keturunan terbentuk dari individu-individu terpilih. Langkah pertama yang dilakukan dalam seleksi ini adalah pencarian nilai fitness. Ada beberapa metode seleksi, antara lain:

  6.1 Seleksi Roda Roulette Metode seleksi roda roulette merupakan metode yang paling sederhana, dan sering juga dikenal dengan nama stochastic sampling

  with replacement. Sesuai dengan namanya, metode ini menirukan

  permainan roulette-wheel di mana masing-masing kromosom menempati potongan lingkaran pada roda roulette secara proporsional sesuai dengan

  / y

  8 Kromosom: ( + x (/ 5 y))

  20 nilai fitnessnya. Kromosom yang mempunyai nilai fitness lebih besar menempati potongan lingkaran yang lebih besar dibandingkan dengan kromosom bernilai fitness rendah. Gambar 2.2.6.1 ilustrasi sebuah contoh penggunaan metode roda roulette.

  K4 K1

  Kromosom Nilai Fitness Probabilitas

  K3

  K1 1 0.25 K2 2 0.5 K3 0.5 0.125

  K2

  K4 0.5 0.125 Jumlah 4

Gambar 2.2.6.1 Contoh penggunaan metode seleksi roda roulette.

  Kromosom K1 mempunyai probabilitas 25% untuk dipih setiap kali suatu kromosom dipilih (setiap roda diputar). Probabilitas masing- masing individu dapat dicari dari pembagian fitness masing-masing individu dengan total fitness dalam populasi.

  Seleksi dengan roda roulette berdasarkan skala fitness. Karena terpilihnya suatu kromosom dalam populasi untuk dapat berkembang biak adalah sebanding dengan fitnesnya, maka akan terjadi kecenderungan kromosom yang baik akan terpelihara terus sehingga dapat membawa ke hasil optimum lokal (konvergensi dini) ke suatu hasil yang bukan optimim global. Sebaliknya, jika semua kromosom dalam populasi mempunyai fitness yang hamper sama, maka seleksi ini akan menjadi seleksi yang bersifat acak.

  21

  6.2 Seleksi Ranking Seleksi dengan roda roulette sebelumnya memiliki kelemahan ketika fitness yang tersebar dalam populasi berbeda jauh misalnya jika fitness dari kromosom terbaik dalah 90% dari keseluruhan roda roulette, maka kromosom lain akan mempunyai kesempatan yang kecil untuk terpilih.

  Pada seleksi ranking, pertama yang dilakukan adalah merangkingkan kromosom dalam populasi kemudian setiap kromosom menerima nilai fitness dari ranking tersebut. Kromosom yang terjelek akan mendapatkan nilai fitness 1, yang kedua mendapat nilai fitness 2 dan seterusnya sampai yang terbaik mendapatkan nilai fitness N (jumlah kromosom dalam populasi). Sebagai ilustrasi dapat dilihat pada tabel di bawah ini

Tabel 2.2.6.1 Contoh populasi dengan 5 kromosom yang diberi fitness

  baru

  Kromosom Fitnes Fitnes Baru B

  5

  1 D

  5

  2 E

  5

  3 C

  10

  4 A

  15

  5

  6.3 Seleksi Turnament Seleksi turnamen merupakan jenis seleksi yang divariasi berdasarkan seleksi roda Roulette dan seleksi ranking. Sejumlah k kromosom tertentu dari populasi dengan n kromosom (k

  ≤ n) dipilih

  22 secara acak dengan probabilitas yang sama. Dari k kromosom yang terpilih tersebut kemudian dipilih suatu kromosom dengan fitness terbaik, yang diperoleh dari hasil pengurutanrangking fitness kromosom- kromosom yang dipilih tersebut.

  Perbedaan dengan seleksi roda Roulette adalah bahwa pemilihan kromosom yang akan digunakan untuk berkembang biak tidak berdasarkan skala fitness dari populasi. Untuk k = 1, seleksi turnamen ini akan sama dengan seleksi secara acak karena hanya melibatkan satu kromosom. Untuk k = 2, maka dua kromosom dalam populasi akan dipilih secara acak, kemudian dari dua kromosom tersebut dipilih satu kromosom dengan fitness tersebut. Biasanya yang sering digunakan adalah untuk k = 2 tergantung dari ukuran populasi.

7. Evolusi

  7.1 Persilangan / Crossover Salah satu komponen paling penting dalam algoritma genetika adalah persilangan atau crossover. Persilangan atau crossover berfungsi menggabungkan dua string induk yang berbeda menjadi dua string keturunan yang berbeda dengan induknya. Sebuah kromosom yang mengarah pada solusi yang bagus dapat diperoleh dari proses persilangan dua buah kromosom. Persilangan bisa juga berakibat buruk jika ukuran populasinya sangat kecil. Dalam suatu populasi yang sangat kecil, suatu kromosom dengan gen-gen yang mengarah ke solusi akan

  23 sangat cepat menyebar ke kromosom-kromosom lainnya. Untuk mengatasi masalah ini untuk mengatasi masalah ini dilakukan dengan suatu probabilitas tertentu Pc. Artinya, penyilangan bisa dilakukan hanya jika suatu bilangan random [0,1) yang dibangkitkan kurang dari Pc yang ditentukan.

  Dari hasil penelitian yang sudah pernah dilakukan oleh praktisi algoritma genetika menunjukkan bahwa angka probabilitas persilangan sebaiknya cukup tinggi, yaitu 80% sampai 95% untuk memberikan hasil yang baik. Untuk beberapa masalah tertentu probabilitas persilangan 60% memberikan hasil yang lebih baik (Obitko,1998). Segera setelah induk untuk persilangan terpilih maka digunakan operasi persilangan sehingga terbentuk keturunan dari induk tersebut.

  Ada beberapa persilangan / Crossover:

  7.1.1. Persilangan satu titik Proses persilangan ini adalah dengan memilih satu titik persilangan. Kromosom offspring kemudian dibentuk sebagai barisan bit dari awal kromosom sampai titik persilangan. Yang disalin dari induk pertama selebihnya disalin dari induk ke dua.

  Sebagai contoh, andaikan terdapat dua kromosom induk dengan panjang L = 6 yaitu 000000 dan 111111. Jika titik persilangan adalah 4 maka dihasilkan dua offspring yaitu 000011 dan 111100.

  24 Kromosom induk1 0 0 0 0 0 0 Kromosom induk2 1 1 1 1 1 1 Offspring 1 0 0 0 0 1 1 Offspring 2 1 1 1 1 0 0

Gambar 2.2.7.1 .1 Contoh proses persilangan satu titik 7.1.2.

  Persilangan dua titik Proses persilangan ini adalah memilih dua titik persilangan. Kromosom offspring kemudian dibentuk sebagai barisan bit dari awal sampai titik persilangan pertama disalin dari induk pertama, bagian dari titik persilangan pertama dan kedua disalin dari induk kedua, kemudian selebihnya disalin dari induk pertama lagi.

  Sebagai contoh, andaikan terdapat dua kromosom induk dengan panjang L = 6 yaitu 000000 dan 111111. Jika terdapat dua titik persilangan yaitu 2 dan 4 maka dihasilkan 2 offspring yaitu 001100 dan 110011.

  Kromosom 1 0 0 0 0 0 0 Kromosom 2 1 1 1 1 1 1 Offspring 1 0 0 1 1 0 0 Offspring 2 1 1 0 0 1 1

Gambar 2.2.7.1 .2 Contoh proses persilangan dua titik

  7.2 Mutasi Setelah proses persilangan selesai, kemudian dilakukan proses mutasi yang dikenakan pada keturunannya. Mutasi adalah proses

  25 mengubah nilai dari satu atau beberapa gen dalam 1 kromosom. Mutasi berfungsi dalam melakukan peruban yang bukan disebabkan oleh persilangan.

  Jika dalam proses pemilihan kromosom-kromosom cenderung terus pada kromosom yang baik saja maka sangat mudah terjadi konvergensi dini, yaitu mencapai solusi optimum lokal. Untuk menghindari terjadinya konvergensi dini dan tetap menjaga perbedaan kromosom-kromosom dalam populasi, selain melakukan penekanan selektif yang lebih efisien, operasi mutasi juga dapat dilakukan.

  Proses mutasi ini adalah acak, sehingga tidak selalu menjamin bahwa setelah proses mutasi akan diperoleh kromosom fitnes yang lebih baik, tetapi dengan adanya mutasi ini diharapkan agar kromosom yang diperoleh akan mempunyai fitnes yang lebih baik dibandingkan sebelum operasi mutasi.

  Kromosom sebelum mutasi 1 1 0 0 1 1 Kromosom sesudah mutasi 1 1 0 1 0 0

  .2 Contoh proses mutasi Gambar 2.2.7

  Akan tetapi operasi mutasi mendapat kontaversi penerapannya dalam algoritma genetika karena sifatnya yang acak sehingga dapat menggangu kromosom dengan fitnes terbaik yang telah diperoleh. Kadang operasi mutasi tetap digunakan dengan probabilitas yang sangat kecil yaitu Pm<1. jadi kemungkinan kromosom mengalami perubahan akibat mutasi yang sangat kecil.

  26

C. Masalah Knapsack

  Kasus yang akan dipecahkan disini dimisalkan terdapat n obyek dengan masing-masing obyeknya dikatakan sebagai( ( ; 1 , 2 , 3 ,.... ) yang

  x i = n i

  masing-masing obyek tersebut mempunyai berat atau disebut w . Setiap i obyek tersebut masing-masing memiliki nilai (profit) p yang berbeda-beda. i Yang menjadi permasalahan adalah bagaimana obyek-obyek tersebut dapat dimuat atau dimasukkan kedalam ransel (Knapsack) yang mempunyai kpasitas maksimum sebesar W sehingga timbul permasalahan sebagai berikut:

  • Bagaimana menentukan atau memilih beberapa obyek yang akan dimuat dari n obyek yang ada sedemikian sehingga nilai kumulatif obyek yang termuat dalam ransel itu jumlahnya maksimum sesuai dengan kapasitas ransel ( ≤ W ) ?
  • Jika semua obyek yang harus dimuat kedalam ransel, maka berapa bagian dari setiap obyek yang ada dapat dimuat ke dalam ransel sedemikian sehingga nilai kumulatifnya maksimum dan sesuai dengan kapasitas ransel?

  Penyelesaian secara Matematika

  Dalam beberapa literatur, istilah lain dari fungsi tujuan dapat disebut sebagai fungsi utama atau juga fungsi obyektif yaitu fungsi yang menjadi penyelesaian permasalahan dengan mendapatkan solusi yang optimal. Solusi yang dimaksud adalah menemukan nilai (profit) yang maksimal untuk

BAB III ALGORITMA GENETIKA UNTUK MASALAH KNAPSACK Pada skripsi ini akan dibuat sistem dengan menggunakan algoritma

  untuk membantu user dalam menyelesaikan masalah knapsack dengan waktu yang lebih singkat Penulis membangun sistem ini dengan menggunakan bahasa pemrograman MATLAB.

  Di bawah ini akan dituliskan secara rinci penggunaan algoritma genetika untuk menyelesaikan masalah knapsack.

A. Analisis A. Representasi Masalah

  Hal yang paling penting dalam menyelesaikan masalah optimasi adalah representasi atau pemodelan masalah ke dalam suatu model yang sesuai dengan algoritma yang digunakan. Untuk menyelesaikan masalah knapsack dengan algoritma genetika, maka masalah harus direpresentasikan atau dimodelkan terlebih dahulu. Jenis representasi yang dapat digunakan untuk menyelesaikan masalah Knapsack: a. Binary representation approach

  b. Order representation approach

  c. Variable-length representation approach Untuk menyelesaikan masalah knapsack akan digunakan Binary

  representation approach . Representasi ini mengkodekan masalah

  34 knapsack dalam bentuk string biner 0/1. Dimana 1 berarti pemasukan salah satu obyek dan 0 berarti pengeluaran salah satu obyek dari n obyek yang ada didalam knapsack.

  Masalah knapsack dapat diformulasikan sebagai berikut: Misalkan dipunyai sejumlah nilai p , p ,..., p dan jumlah S dan harus dihitung nilai n

  1

  2 n + + + x , x ,...., x sehingga nantinya didapat hasil S = p x p x .... p x . n n

  1

  2

  1

  1

  2

  2 Nilai dari koefisien x sama dengan 1 atau 0 yag mengindikasikan bahwa i obyek ada atau tidak ada dalam ransel.

  Representasi ini mengkodekan komposisi barang yang dapat termuat dalam ransel sebagai urutan operasi dan setiap gen mewakili satu operasi. Contoh: Misalkan terdapat 10 buah barang yang akan dimuat ke dalam ransel (knapsack) yang mempunyai kapasitas daya muat maksimum 100 kg. Masing-masing barang tersebut mempunyi berat 40 kg, 50 kg, 30 kg, 10 kg, 10 kg, 40 kg, 30 kg, 20 kg.30 kg, dan 20 kg dan selain itu masing-masing barang juga memiliki nilai, yaitu 40, 60, 10, 10, 3, 20, 60, 20,10, dan 20.

Tabel 3.1.1 Daftar 10 barang yang akan dimuat ke dalam ransel

  n=10, W=100 Bobot/berat(w)

  40

  50

  

30

  10

  10 40 30 20 30 20 Nilai/profit(p)

  40

  60

  

10

  10

  3 20 60 20 10 20

  Sasaran dari contoh ini jelas yaitu memaksimalkan nilai tanpa melebihi batas W =100. Ukuran populasi (population size) yang digunakan adalah antara 10 sampai 1000, hal ini dimaksudkan untuk mengetahui

  35 pengaruh dari ukuran populasi terhadap kecepatan terjadinya konvergensi solusi. Contoh: Salah satu solusi yang dapat mewakili masalah 10 obyek dapat direpresentasikan dalam string bit seperti berikut: [1 1 0 1 0 0 0 0 0 . 0] Ini berarti bahwa 1, 2,dan 4 terpilih untuk dimasukkan ke dalam ransel. Penjelasan ini dapat dikategorikan sebagai sebuah solusi yang tidak mungkin (infeasible solution). Dengan kata lain, susunan banyaknya bit-bit yang ditentukan mungkin akan melebihi kapasitas ransel. Berikut dua metode yang telah diusulkan untuk menangani ketidakmungkinannya :

  • Penalty metoda,(metode hukuman)
  • Decoder metoda (metode ahli sandi) Metoda hukuman menugaskan satu hukuman sampai masing- masing solusi yang tidak mungkin. Metoda ahli sandi menghasilkan solusi dari sebuah kromosom menggunakan perkiraan-perkiraan greedy secara heuristik.

B. Pembangkitan Kromosom

  Setelah dilakukan representasi atau pemodelan masalah, kemudian dilakukan pembangkitan kromosom. Pembangkitan kromosom dalam masalah knapsack akan dilakukan secara acak atau random. Semakin banyak barang dan bobot yang akan dicari total maksimal kapasitas knapsack maka semakin banyak pula kromosom yang dibangkitkan.

  Untuk inisialisasi populasi yang pertama, dalam program akan menggunakan distribusi Bernoulli yang akan menghasilkan nilai output 0

  36 atau 1 dengan banyaknya variable adalah 10, banyaknya bilangan yang dirandom antara 10 sampai 100 dan probabilitasnya 0.5. Contoh inisialisasi populasi awal dapat lihat pada

   Gambar 3.1.2

  Kromosom ke- Bentuk representasinya k1 1 1 0 1 0 0 0 0 0 0 k2 1 1 0 0 1 0 0 0 0 0 k3 1 0 1 1 0 0 0 1 0 0 k4 1 0 1 0 1 0 0 1 0 0 k5 1 0 1 0 0 0 1 0 0 0 k6 1 0 0 1 1 1 0 0 0 0 k7 1 0 0 1 0 0 1 1 0 0 k8 1 0 0 0 1 0 1 1 0 0 k9 1 0 0 0 0 1 0 1 0 0 k10 0 1 1 1 1 0 0 0 0 0

Gambar 3.1.2 Contoh inisialisasi populasi awal sebanyak 10 kromosom C.

   Pencarian nilai fitness untuk masing-masing kromosom

  Kromosom yang telah dibangkitkan akan ditentukan berdasarkan nilai fitness-nya. Nilai fitness disini merupakan solusi dari permasalahan knapsack yaitu nilai (profit) yang maksimal untuk sejumlah obyek yang akan dimuat dalam ransel sedemikian sehingga jumlah ransel sesuai dengan kapasitas.Setiap kromosom yang telah dikodekan akan diterjemahkan untuk dicari nilai fitness-nya.

  Untuk menentukan fitness terbaik adalah memilih dari seluruh kromosom yang memiliki fitness terbesar dan kromosom tersebutlah yang

  37 merepresentasikan komposisi barang yang dapat termuat dalam ransel. Jika berat total dalam satu kromosom lebih besar daripada kapasitas maksimum knapsack, maka nilai fitnessnya akan diassign 0.

  Secara matematis, fungsi fitness untuk mencari nilai (profit) yang maksimal untuk sejumlah obyek yang akan dimuat dalam ransel dapat dituliskan sebagai berikut: n

  Fungsi Tujuan Maksimum: p x i i

  ∑ n i =1 w x W

  Fungsi Pembatas: ≤ i i

  ∑ i =1 x = atau x = i i

  1

  p > ; w > i i

  Selain dihitung nilai fitnessnya, dihitung pula berat total dari tiap kromosom untuk kemudian dilakukan pengecekan, dimana apabila ada kromosom yang berat totalnya melebihi kapasitas dari knapsack, maka akan dilakukan pencarian gen dalam kromosom tersebut yang bernilai 1 untuk diganti 0. Hal ini dilakukan terus menerus sampai dipastikan bahwa semua kromosom tidak ada yang melebihi kapasitas knapsack

  Untuk mencegah adanya individu yang dominan dalam suatu populasi(dalam pemilihan parent untuk di crossover), maka diperlukan suatu fungsi Linier Fitness Ranking. Fungsi ini akan menurunkan perbedaan nilai fitness antar individu, sehingga perbedaan anatara nilai fitness terbaik dengan nilai fitness terendah diperkecil. Dengan begitu

  38 setiap kromosom memiliki kemungkinan untuk terpilih menjadi parent secara lebih merata.

D. Pemilihan kromosom untuk dijadikan orang tua

  Pemilihan kromosom untuk dijadikan orang tua dilakukan berdasarkan nilai fitnes dari masing-masing kromosom. Orang tua dipilih melalui proses seleksi. Seleksi yang digunakan adalah seleksi roda roulette (roulette wheel selection) karena seleksi ini lebih cepat mencapai konvergensi solusi dibandingkan seleksi ranking, atau seleksi turnamen.

  Cara kerja seleksi roda roulette wheel adalah menyeleksi populasi baru dengan distribusi probabilitas yang berdasarkan nilai fitness. Semua kromosom yang telah dicari nilai fitnes-nya ditempatkan dalam suatu lingkaran, luas masing-masing kromosom ditentukan dari nilai fitnes-nya, semakin besar nilai fitnes dari suatu kromosom maka semakin luas tempat dari kromosom tersebut dalam lingkaran sehingga kromosom yang mempunyai nilai fitnes yang besar mempunyai kemungkinan besar untuk terpilih. Kemudian roda roulette akan diputar dan roda roulette akan menunjuk kromosom yang dipilih. Anggota-anggota populasi yang terpilih ini akan dijadikan orang tua yang nantinya akan dikenakan operasi persilangan (crossover) dan operasi mutasi untuk mendapatkan kromosom yang lebih baik daripada sebelumnya.

  Skema seleksi Roda Roulette dilakukan dengan tahapan berikut:

  f

  1. Hitung fitness untuk setiap individu, sebagai i

  2. Jumlahkan fitness seluruh individu, menjadi s f

  39

  3. Hitung proporsi fitness setiap individu terhadap jumlahnya,

  f i p = i s f

  4. Hitung kumulatif proporsi fitness secara berturut, menjadi

  pc pk k n i = , = ,....., ∑

  5. Buat n bilangan random pr dari 0 sampai 1 dengan i pcprpc yang akan dijadikan induk dalam crossover.

  • i i i

1 Metode seleksi Roda Roulette dikombinasikan dengan elitism.Elitism

  berguna untuk mempertahankan nilai fitness terbaik suatu generasi agar tidak turun di generasi berikutnya. Dalam Algoritma Genetika caranya adalah dengan mengcopykan individu terbaik(Fitness Max) sebanyak yang dibutuhkan.

E. Proses reproduksi untuk mendapatkan kromosom-kromosom baru

  Untuk mendapatkan total maksimal kapasitas knapsack, diperlukan modifikasi terhadap kromosom-kromosom. Modifikasi yang dilakukan adalah operasi persilangan dan operasi mutasi. Operasi persilangan adalah proses penggabungan dua kromosom (dua orang tua yang terpilih) untuk menghasilkan dua individu baru sedangkan operasi mutasi merupakan proses pengubahan sebuah kromosom yang terpilih untuk menghasilkan individu baru.

a. Operasi persilangan

  Setelah proses seleksi selesai dilakukan dan didapat individu- individu yang akan digunakan sebagai calon induk maka dilakukan

  40 perkawinan silang. Perkawinan silang yang akan digunakan dalam program, yaitu perkawinan silang 1-titik(1- point crossover)

  Sebelum dilakukan perkawinan silang, acak bilangan antara 0 dan 1 dengan distribusi seragam untuk menandai setiap individu ke-I apakah akan dilakukan perkawinan silang atau tidak. Berdasar pada probabilitas crossover, Pc , jika individu I mempunyai Pi < Pc maka akan dilakukan perkawinan silang, dan jika sebaliknya tidak. Dalam program akan digunakan 4 nilai Pc , yaitu . 8 ; . 85 ; . 9 ; . 95 .

  Banyaknya variasi Pc dimaksudkan sebagai bahan perbandingan analisis.

  Perkawinan silang 1-titik

  Dalam perkawinan silang 1-titik, 1 titik dipilih secara acak sebagai titik perkawinan silang. Gen-gen dari kedua orang tua kemudian diberikan ke keturunannya. Perkawinan silang 1-titik akan menghasilkan 2 offspring. Contoh perkawinan silang 1-titik dapat dilihat pada Gambar 3.1.5.1 induk anak

  1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1

Gambar 3.1.5.1 Contoh perkawinan silang 1 titik pada titik ke-5.

  41

b. Operasi mutasi

  Mutasi dilakukan untuk menghindari terjadinya konvergensi dini.Jenis mutasi yang dilakukan adalah dengan cara mengubah bit 1 menjadi 0 atau sebaliknya 0 menjadi 1.Karena untuk semua gen yang ada, jika bilangan random yang dibangkitkan kurang dari probabilitas mutasi

  p yang ditentukan maka nilai gen tersebut diubah menjadi nilai m

  kebalikannya. Biasanya p diset sebagai 1 , dimana n adalah jumlah m

  n

  gen dalam kromosom. Dengan p sebesar ini berarti mutasi hanya terjadi m pada sekitar satu gen saja. Berdasarkan mutasi tersebut maka dalam implementasi program akan digunakan mutasi inversi 2 titik. Contoh mutasi inversi tersebut dapat dilihat pada gambar 3.4. Mutasi inversi 2 titik berarti ada dua gen yang mengalami inversi nilai. Langkah-langkah mutasi adalah sebagai berikut:

  1. Buat bilangan random antara 0 dan 1 sebanyak ukuran populasi yang diinginkan dengan distribusi uniform untuk menandai setiap individu, p . i

2. Bandingkan p dan p . Jika p < p maka akan dilakukan i m i m mutasi sedangkan jika sebaliknya maka tidak.

  3. Buat 2 kolom bilangan random dengan banyaknya baris sama dengan ukuran populasi dengan distribusi uniform untuk menentukan posisi gen yang akan mengalami mutasi.

  42

  4. Untuk setiap gen yang terpilih, ubah bit 0 menjadi 1 dan bit 1 menjadi 0( mutasi inverse) induk anak 1 1 0 0 0 0 1 0 0 0 1 1 0 0 1 0 0 0 0

Gambar 3.1.5.2 Contoh mutasi invers F.

   Skema Update generasi

  Untuk mendapatkan generasi baru, maka akan dilakukan update generasi dengan cara mengulangi proses mulai langkah mengevalusi nilai fitness. Dalam implementasi program hanya akan digunakan satu skema update generasi yaitu, yaitu steady-state reproduction . Prinsip kerja skema tersebut adalah hanya mengganti satu individu dalam setiap generasi. Individu harus dihapus untuk menjaga ukuran populasi tetap sesuai dengan jumlah individu dalam populasi. Terdapat beberapa prosedur penghapusan individu, yaitu penghapusan individu yang bernilai fitness paling rendah atau penghapusan individu yang paling tua. Penghapusan bisa berlaku hanya pada individu orang tua saja atau bisa juga berlaku pada semua individu dalam populasi.

  .

BAB IV IMPLEMENTASI DAN ANALISA HASIL PROGRAM A. Flowchart Secara garis besar flowchart penyelesaian masalah knapsack dengan

  algoritma genetika sebagai berikut:

  mulai Populasi Anak Input data Inisialisasi Hitung fitness populasi anak i=1

  Fitness anak&gt;max fitness awal Atau Hitung fitness Fitness anak&lt;max fitness awal

  ya

  CrossOver Pi Pc?

  ≤ 0 tidak ya

  Jika max.po awal yg bernilai

  tidak

  min diganti dg kromosom anank dan sebaliknya untuk

  ya

  

Pi Pm? Mutasi min

  ≤ tidak

  i=i+1 Populasi baru= populasi awal i= generasi?

  ya

  selesai

  44

B. Analisis Hasil Program

  Program aplikasi yang dibuat berfungsi untuk mencari nilai (profit) yang maksimal untuk sejumlah obyek yang akan dimuat dlam ransel sedemikian sehingga jumlah ransel sesuai kapasitas. Di dalam program ini parameter yang diinputkan adalah:

  1. Parameter Knapsack. Parameter Knapsack diantaranya banyaknya jumlah barang, berat, profit dan berat kapasitas maksimal ransel.

  2. Parameter algoritma genetika. Parameter algoritma genetika diantaranya:

a. UkPop, merupakan banyaknya populasi yang akan dibangkitkan dan bentuk populasi awal secara acak.

  b.JumGen, merupakan banyaknya generasi yang akan dihasilkan. Jumlah generasi besar berarti semakin banyak iterasi yang dilakukan, dan semakin besar pula domain solusi yang akan dieksplorasi.

  c. Psilang adalah probabilitas persilangan / crossover. Probabilitas ini menentukan peluang dari kromosom untuk melakukan persilangan /

  crossover .

  d.Pmutasi adalah probabilitas mutasi. Probabilitas mutasi ini menentukan peluang dari gen pada setiap kromosom untuk melakukan mutasi.

  Berikut adalah pengolahan fitness dan setting parameter yang penulis terapkan:

  45 Barang direpresentasikan dalam dua array, dimana array pertama berisi weight(berat) barang dan array kedua berisi profit(keuntungan) barang.

  Berat w :

  ( ) i

  1

  2

  3

  4

  5

  

6

  7

  8

  9

  10 40 50

  30

  10

  10

  40

  30

  20

  30

  20 Profit p : ( ) i

  1

  2

  3

  4

  5

  

6

  7

  8

  9

  10 40 60

  10

  10

  3

  20

  60

  20

  10

  20 Digunakan Fungsi Tujuan atau Fungsi Utama adalah mencari Profit Nilai

  Maksimal

  10 p x i i

  ∑ i =

  1

  10 w x

  Fungsi Pembatas: ≤ 100 i i

  ∑ i =

1 Dengan nilai-nilai batasannya adalah

  x = atau x = i i

  1

  p &gt; ; w &gt; i i

  Langkah pertama adalah menentukan solusi (feasible solution) yang mungkin dari kesepuluh barang tersebut. Kemudian dihitung dengan tujuan mendapatkan berat sesuai dengan kapasitas knapsack ( ≤ 100 ) .

  10 w x ≤ 100 i i

  ∑ i =

  1

  46

  x x x x x x x x x x

  40

  50

  30

  10

  10

  40

  30

  1

  2

  3

  4

  5

  

6

  7

  8

  9

  20 + + + + + + +

  30 + + 20 ≤ 100

  10 Pada program ini, fitness dihitung dengan menjumlahkan profit tiap

  barang yang masuk kedalam knapsack. Jika berat total dalam satu kromosom lebih besar daripada kapasitas maksimum knapsack, maka nilai

  

fitness nya diganti 0. Untuk mencegah adanya individu yang dominan dalam

  suatu populasi( dalam pemilihan orang tua untuk di perkawinan silang), maka diperlukan suatu fungsi Linier Fitness Ranking Pemilihan kromosom untuk dijadikan orang tua dilakukan berdasarkan nilai fitness dari masing-masing kromosom. Orang tua dipilih melalui proses seleksi roda roulette yang dikombinasikan dengan elitism agar nilai fitness terbaik suatu generasi tidak turun di generasi berikutnya.

  Perbandingan Hasil Perkawinan silang:

  1. Pc=0,8

  x1 | x2 | x3 | x4 | x5 | x6 | x7 | x8 | x9 |x10| berat | profit | ket | indv 1| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 100 | 140 | ikut |

indv 2| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 100 | 140 | ikut |

indv 3| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 100 | 140 | ikut |

indv 13| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 100 | 140 | ikut | indv 86| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 100 | 140 | ikut |

  2. Pc=0,85

  x1 | x2 | x3 | x4 | x5 | x6 | x7 | x8 | x9 |x10| berat | profit | ket | indv 1| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 100 | 140 | ikut | indv 88| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 100 | 140 | ikut |

  47

  3. Pc=0,9

  x1 | x2 | x3 | x4 | x5 | x6 | x7 | x8 | x9 |x10| berat | profit | ket | indv 1| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 100 | 140 | ikut | indv 81| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 100 | 140 | ikut |

  4. Pc=0,95

  x1 | x2 | x3 | x4 | x5 | x6 | x7 | x8 | x9 |x10| berat | profit | ket | indv 1| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 100 | 140 | ikut | indv 81| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 100 | 140 | ikut | indv 88| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 100 | 140 | ikut |

  Hasil Mutasi(Pmutasi=1/n):

  x1 | x2 | x3 | x4 | x5 | x6 | x7 | x8 | x9 |x10| berat | profit | ket | indv 1| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 100 | 140 | ikut | indv 2| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 100 | 140 | ikut | indv 13| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 100 | 140 | ikut |

  Solusi yang ditemukan:

  1. 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 0 Arti: Barang 2, 7, 8 diambil Barang 1, 3, 4, 5, 6, 9, 10 tidak diambil x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 Max berat 0

  50

  30 20 100 profit 0

  60

  60 20 140

  48

  2. 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 Arti: Barang 2, 7, 10 diambil Barang 1, 3, 4, 5, 6, 8, 9 tidak diambil x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 Max berat 0 50

  30 20 100 profit 0 60 60 20 140

BAB V PENUTUP A. Kesimpulan Dari hasil penelitian Algoritma Genetika pada masalah Knapsack,

  terdapat beberapa kesimpulan yang dapat diambil, yaitu:

  1. Algoritma Genetika dirancang dan diimplentasi pada umumnya memberikan solusi yang mendekati optimal. Dan pada saat tertentu dapat memperoleh solusi optimal yang sesungguhnya. Setelah melakukan pengujian dan memperoleh hasilnya, dapat dikatakan Algoritma Genetika bekerja dengan baik untuk mendapatkan solusi optimal.

  2. Penerapan Algoritma Genetika dalam penyelesaian masalah Knapsack ini memiliki kelemahan yaitu ketidakpastian untuk menghasilkan solusi optimum global. Hal ini dikarenakan penyelesaian menggunakan Algoritma Genetika pada prinsipnya menggunakan kaidah pemilihan secara random/acak.

B. SARAN

  Dari hasil penelitian Algoritma Genetika pada masalah Knapsack, terdapat beberapa saran yang dapat diambil, yaitu:

  1. Representasi kromosom dapat digunakan dalam bentuk lain, seperti Order Representation Approach, atau Variable-Length Representation Approach . Karena dimungkinkan dengan bentuk representasi yang lain

  50 waktu proses Algoritma Genetika dapat lebih cepat atau jadwal yang dihasilkan dapat lebih optimal dibanding Binary Representation

  Approach

  (Pengkodean biner)

  2. Untuk penelitian selanjutnya, dapat digunakan operator persilangan /

  crossover

  metode lain, misalnyapersilangan dua titik. Dan operasi mutasi juga dapat dilakukan dengan metode lain.

  3. Untuk penelitian yang selanjutnya, input jumlah barang, berat barang dan profit dapat dibuat tidak sama.

  

Daftar Pustaka

  Brassard, G., Bratley, P. (1996). Fundamental f Algorithmics. New Jersey: Prentice Hall Inc, Gen,Mitsuo &amp; Cheng,Runwei. (1997). Genetic Algorithms And Engingering

  Design . New York: John Wiley &amp; Sons.Inc.

  Griffiths, David F. (1996). An Introduction to MATLAB (version 2.2). Sweden: Department of Mathematics, The University Dundee DD1 4HN.

  Kusumadewi,Sri. (2003). Artificial Intelligence (Teknik dan Aplikasinya).

  Yogyakarta: Graha Ilmu.

  Sriwindono, Haris. (2006). Pengantar Algoritma Genetika. Yogyakarta: FMIPA – Ilmu Komputer, USD.

  Sugiharto, Aris. (2006). Pemrograman GUI dengan MATLAB. Yogyakarta: Andi Offset.

  Suyanto. (2005). Algoritma Genetika dalam MATLAB. Yogyakarta: Andi Offset.

  LAMPIRAN

  52

1. Listing program MainMenu

  function MainMenu %function MainMenu %function ini merupakan main program yang digunakan untuk menyelesaikan %masalah "knapsack" dengan ALGORITMA GENETIKA %variable input yang digunakan : % nBit : banyaknya barang = banyaknya berat = banyaknya profit % jumlah bit yang mengkodekan satu variable % nVar : jumlah variable pada fungsi yang diotomasi % profit : array keuntungan sebanyak nBit % BrtMax : berat maksimum untuk 1 individu % berat : berat kromosom sebanyak nBit clc; fprintf('=============================================== ===========================================\n') fprintf('Program ini menyelesaikan masalah knapsack dengan ALGORITMA GENETIKA\n') fprintf(' 1. Representasi kromosom menggunakan pengkodean biner\n') fprintf(' 2. Crossover menggunakan perkawinan silang 1-titik\n') fprintf(' 3. Mutasi menggunakan mutasi inversi 2-titik \n') fprintf(' 4. Seleksi menggunakan seleksi Roda Roulette \n') fprintf('Jumlah barang, berat dan profit sama\n') fprintf('Input populasi adalah 10 sampai 100\n') fprintf('=============================================== ===========================================\n') fprintf('\n') pilihan=Menu; while pilihan~=0, switch pilihan case 1 fprintf('1. Contoh 1\n'); contoh; fprintf('------------------------------------------------------------------------

  • \n\n'); pilihan=Menu; case 2 fprintf('2. Memasukkan data secara manual \n'); Count; fprintf('------------------------------------------------------------------------
  • \n\n'); pilihan=Menu; otherwise keluar=input('pilihan yang anda masukkan salah anda ingin keluar Y or N [Y]','s');

  53 if isempty(keluar) keluar='Y'; end if (keluar=='N'||keluar=='n') clc; pilihan=Menu; else pilihan=0; end; end; end; keluar=input('exit Y or N [Y]','s'); if isempty(keluar) keluar='Y'; end if (keluar=='N'||keluar=='n') clc; MainMenu; else clear; end;

2. Listing program Menu

  function out=Menu; %function ini digunakan untuk menampilkan pilihan % 1. Lihat contoh % 2. Memasukkan data secara manual % 0. exit %pilihan default 1 fprintf('MENU UTAMA\n') fprintf('masukkan pilihan anda dengan menulis angka sesuai pilihan anda\n'); fprintf(' 1.Lihat contoh 1\n'); fprintf(' 2.Memasukkan data secara manual\n'); fprintf(' 0.Exit \n'); out=input('pilihan anda [0]: '); if isempty(out) out=0; end; 3.

   Listing program Contoh

  % %contoh digunakan untuk melakukan pemanggilan terhadap fungsi yang %digunakan %

  54 % JumGen=10; %n =[01 02 03 04 05 06 07 08 09 10] brt=[40 50 30 10 10 40 30 20 30 20]; prf=[40 60 10 10 3 20 60 20 10 20]; BrtMax= 100; Count(JumGen,BrtMax,brt,prf) 4.

   Listing program Count

  function Out=Count(JumGen,BrtMax,berat,profit); %function ini merupakan main program yang digunakan untuk menyelesaikan %masalah "knapsack" dengan ALGORITMA GENETIKA %variable input yang digunakan : % JumGen : jumlah gen atau jumlah barang % profit : array keuntungan sebanyak nBit % BrtMax : berat maksimum untuk 1 individu % berat : berat kromosom sebanyak nBit %-------------------------------------------------------------------------- %inisialisasi data Jumlah Gen, berat, profit, dan BrtMax %-------------------------------------------------------------------------- if (nargin&lt;4) fprintf(' -------------------INPUT DATA (Jumlah Gen, Berat Max, Berat dan Profit)----------------\n'); temp='N'; while (temp=='N'||temp=='n') % inisialisasi jumlah bit/banyaknya barang JumGen=input (' *Masukkan jumlah Gen / barang = '); while isempty(JumGen) fprintf(' ERROR !!! ANDA BELUM MEMASUKKAN JUMLAH GEN\n'); JumGen=input (' *Masukkan jumlah Gen /barang = '); end; % inisialisasi berat Maksimum BrtMax=input(' *Masukkan kapasitas maksimum ransel= '); while isempty(BrtMax) fprintf(' ERROR !!! ANDA BELUM MEMASUKKAN KAPASITAS MAKSIMUM RANSEL\n'); BrtMax=input(' *Masukkan kapasitas maksimum ransel= '); end; % inisialisasi berat dan profit for n=1:JumGen,

  55 fprintf(' &lt;&gt;barang (x%d) :\n',n); brt_kromosom=input(' :&gt;berat : '); % scan berat masing-masing x while isempty(brt_kromosom) brt_kromosom=input(' :&gt;berat : '); end; if(brt_kromosom&gt;=0 &amp;&amp; brt_kromosom&lt;BrtMax) berat(n)=brt_kromosom; profit_krom=input(' $&gt;profit : '); % profit masing-masing x while isempty(profit_krom) profit_krom=input(' $&gt;profit : '); end; profit(n)=profit_krom; else while (brt_kromosom&gt;=BrtMax) fprintf(' ERROR !!! MASUKKAN BERAT YANG KURANG DARI KAPASITAS MAKSIMUM yaitu &lt;%d \n',BrtMax); brt_kromosom=input(' :&gt;berat : '); % berat masing- masing x while isempty(brt_kromosom) brt_kromosom=input(' :&gt;berat : '); end; if(brt_kromosom&gt;=0 &amp;&amp; brt_kromosom&lt;=BrtMax) berat(n)=brt_kromosom; profit_krom=input(' $&gt;profit : '); % profit masing-masing x while isempty(profit_krom) profit_krom=input(' $&gt;profit : '); end; profit(n)=profit_krom; end %end if end; % end while end; %end if end; %end for respons=input(' Input data (Jumlah Gen, Berat Max, Berat dan Profit) telah selesai lanjut-\n kan proses selanjutnya Y or N [Y]? ','s'); if isempty(respons) respons='Y'; temp=respons; end; if (respons=='N' || respons=='n') temp='N'; clc; MainMenu;

  56 else temp='Y'; end; %end if fprintf(' ----------------------------------------------------------------------------

  • \n\n'); end; %endwhile end; %endif %-------------------------------------------------------------------------- %Menampilkan tabel berat dan profit %-------------------------------------------------------------------------- fprintf(' DATA YANG TEREKAM\n') tampil(JumGen,berat,profit); %--inisialisasi variable--------------------------------------------------- Psilang = [0.8 0.85 0.9 0.95]; % probabilitas silang

  Pmutasi = 1/JumGen; % probablilitas silang MaxG = 5000; % jumlah maksimum generasi %-------------------------------------------------------------------------- %--step 1 : inisialisasi populasi------------------------------------------ fprintf(' LANGKAH 1 ==&gt; Membangkitkan populasi awal \n'); fprintf(' 1. Menentukan banyaknya populasi\n'); UkPop=input(' # Tentukan banyaknya populasi default [10]? '); if isempty(UkPop) UkPop=10; end Populasi_awal=InitPop(UkPop,JumGen); %-------------------------------------------------------------------------- %Menampilkan populasi yang awal %-------------------------------------------------------------------------- respons=input(' # Tampilkan Populasi awal Y or N [N]? ','s'); if isempty(respons) respons='N'; end str='Populasi awal'; % string yang akan ikut ditampilkan switch respons case 'y' tampilFitness(Populasi_awal,berat,profit,BrtMax,str); case 'Y' tampilFitness(Populasi_awal,berat,profit,BrtMax,str); end fprintf('\n');

  57 %--step 2 : menghilangkan individu yang melebihi kapasitas maksimum % dari populasi-------------------------------------------------- fprintf(' LANGKAH 2 ==&gt; Evaluasi Populasi awal sebelum di lakukan langkah selanjutnya\n'); fprintf(' 1. Menghilangkan individu yang melebihi kapasitas maksimum \n'); m=1; %inisialisasi data untuk nomor kolom for n=1:UkPop kromosom=Populasi_awal(n,:); [Sum_berat fit]= EvaluasiIndv(kromosom,berat,profit,BrtMax); if (fit~=0) Populasi_baru(m,:)=Populasi_awal(n,:); m=m+1; end end %-------------------------------------------------------------------------- %menampilkan populasi yang baru %-------------------------------------------------------------------------- respons=input(' # Tampilkan Populasi yang baru Y or N [N]? ','s'); if isempty(respons) respons='N'; end str='Populasi yang baru setelah individu yang melebihi kapasitas dibuang '; switch respons case 'y' tampilFitness(Populasi_baru,berat,profit,BrtMax,str); case 'Y' tampilFitness(Populasi_baru,berat,profit,BrtMax,str); otherwise Populasi_baru; end fprintf('\n') %-------------------------------------------------------------------------- %Menghitung jumlah populasi yang tidak melebihi kapasitas %-------------------------------------------------------------------------- fprintf(' 2. Menghitung jumlah populasi yang tidak melebihi kapasitas\n'); %UkPop2 : ukuran populasi yang baru dimana hanya yang individu yang

  58 % tidak melebihi kapasitas maksimum diikutkan UkPop2=(m-1); fprintf(' Ukuran populasi yang memenuhi syarat tidak melebihi kapasitas yaitu %d\n',UkPop2); %-------------------------------------------------------------------------- %mencari nilai yang individu terbaik, MaxF,MinF %-------------------------------------------------------------------------- fprintf(' 3. Menemukan individu terbaik, MaxF\n'); %inisialisasi untuk mencari individu terbaik, MaxF,MinF Kromosom=Populasi_baru(1,:); [Sum_brt fit]=EvaluasiIndv(Kromosom,berat,profit,BrtMax); fitness(1)=fit; IndeksIndividuTerbaik=1; MaxF=fit; MinF=fit; %perhitungan untuk mencari individu terbaik, MaxF,MinF for n=2:UkPop2 kromosom=Populasi_baru(n,:); [Sum_brt fit]= EvaluasiIndv(kromosom,berat,profit,BrtMax); fitness(n)=fit; if (fit&gt;MaxF &amp;&amp; fit&gt;0) MaxF=fit; bestX=kromosom; IndeksIndividuTerbaik=n; end if (fit&gt;0 &amp;&amp; fit&lt; MinF) MinF=fit; end end fprintf(' Fitness Max = %d \n',MaxF); fprintf(' Indeks individu terbaik = %d \n\n',IndeksIndividuTerbaik); %--step 3 : Seleksi RouletteWheel dan Pindah Silang ----------------------- fprintf(' LANGKAH 3 ==&gt; Seleksi RouletteWheel \n'); tempPopulasi_1=Populasi_baru; %penampung variable untuk Psilang=

  0.8

  59 tempPopulasi_2=Populasi_baru; %penampung variable untuk Psilang=

  0.85 tempPopulasi_3=Populasi_baru; %penampung variable untuk Psilang= 0.9 tempPopulasi_4=Populasi_baru; %penampung variable untuk Psilang=

  0.95 %ELITISME %-Buat satu kopi kromoson terbaik jika ukuran Populasi_baru ganjil %-Buat dua kopi kromoson terbaik jika ukuran Populasi_baru genap if mod(UkPop2,2)==0, IterasiMulai = 3; tempPopulasi_1(1,:)=Populasi_baru(IndeksIndividuTerbaik,:); tempPopulasi_1(2,:)=Populasi_baru(IndeksIndividuTerbaik,:); tempPopulasi_2(1,:)=Populasi_baru(IndeksIndividuTerbaik,:); tempPopulasi_2(2,:)=Populasi_baru(IndeksIndividuTerbaik,:); tempPopulasi_3(1,:)=Populasi_baru(IndeksIndividuTerbaik,:); tempPopulasi_3(2,:)=Populasi_baru(IndeksIndividuTerbaik,:); tempPopulasi_4(1,:)=Populasi_baru(IndeksIndividuTerbaik,:); tempPopulasi_4(2,:)=Populasi_baru(IndeksIndividuTerbaik,:); else IterasiMulai = 2; tempPopulasi_1(1,:)=Populasi_baru(IndeksIndividuTerbaik,:); tempPopulasi_2(1,:)=Populasi_baru(IndeksIndividuTerbaik,:); tempPopulasi_3(1,:)=Populasi_baru(IndeksIndividuTerbaik,:); tempPopulasi_4(1,:)=Populasi_baru(IndeksIndividuTerbaik,:); end %-------------------------------------------------------------------------- %seleksi RouletteWheel dan pindah silang %-------------------------------------------------------------------------- fprintf(' 1. Menemukan linier fitness\n'); LinierFitness=LinierFitnessRangk(UkPop2,fitness,MaxF,MinF); %-------------------------------------------------------------------------- %menampilkan linier fitness %-------------------------------------------------------------------------- respons=input(' # Tampilkan LinierFitness Y or N [N]? ','s'); if isempty(respons) respons='N'; end str='Linier fitness yang terbentuk'; switch respons case 'y'

  60 tampilLinierFitness(LinierFitness,str); case 'Y' tampilLinierFitness(LinierFitness,str); otherwise LinierFitness; end fprintf(' 2. Menemukan seleksi RouletteWheel dan cross over\n'); %=================================================== ======================= %Perhitungan RouletteWheel dan pindah silang % Psilang[1]=0.8 for jj=IterasiMulai:2:UkPop2

  IP1=RouletteWheel(UkPop2,LinierFitness);

  IP2=RouletteWheel(UkPop2,LinierFitness); if rand&lt;Psilang(1) Anak=PindahSilang(Populasi_baru(IP1,:),Populasi_baru(IP1,:),JumGen); tempPopulasi_1(jj,:)=Anak(1,:); tempPopulasi_1(jj+1,:)=Anak(2,:); else tempPopulasi_1(jj,:)=Populasi_baru(IP1,:); tempPopulasi_1(jj+1,:)=Populasi_baru(IP2,:); end end % Psilang[1]=0.85 for jj=IterasiMulai:2:UkPop2

  IP1=RouletteWheel(UkPop2,LinierFitness);

  IP2=RouletteWheel(UkPop2,LinierFitness); if rand&lt;Psilang(2) Anak=PindahSilang(Populasi_baru(IP1,:),Populasi_baru(IP1,:),JumGen); tempPopulasi_1(jj,:)=Anak(1,:); tempPopulasi_1(jj+1,:)=Anak(2,:); else tempPopulasi_1(jj,:)=Populasi_baru(IP1,:); tempPopulasi_1(jj+1,:)=Populasi_baru(IP2,:); end end % Psilang[1]=0.9 for jj=IterasiMulai:2:UkPop2

  IP1=RouletteWheel(UkPop2,LinierFitness);

  IP2=RouletteWheel(UkPop2,LinierFitness); if rand&lt;Psilang(3)

  61 Anak=PindahSilang(Populasi_baru(IP1,:),Populasi_baru(IP1,:),JumGen); tempPopulasi_1(jj,:)=Anak(1,:); tempPopulasi_1(jj+1,:)=Anak(2,:); else tempPopulasi_1(jj,:)=Populasi_baru(IP1,:); tempPopulasi_1(jj+1,:)=Populasi_baru(IP2,:); end end % Psilang[1]=0.95 for jj=IterasiMulai:2:UkPop2

  IP1=RouletteWheel(UkPop2,LinierFitness);

  IP2=RouletteWheel(UkPop2,LinierFitness); if rand&lt;Psilang(3) Anak=PindahSilang(Populasi_baru(IP1,:),Populasi_baru(IP1,:),JumGen); tempPopulasi_1(jj,:)=Anak(1,:); tempPopulasi_1(jj+1,:)=Anak(2,:); else tempPopulasi_1(jj,:)=Populasi_baru(IP1,:); tempPopulasi_1(jj+1,:)=Populasi_baru(IP2,:); end end %=================================================== ======================= %=================================================== ======================= %Menampilkan hasil cross over dengan Psilang 0.8 respons=input(' # Tampilkan Hasil cross over dengan probabilitas silang 0.8 Y or N [N]? ','s'); if isempty(respons) respons='N'; end str='Hasil cross over dengan probabilitas silang 0.8'; switch respons case 'y' tampilFitness(tempPopulasi_1,berat,profit,BrtMax,str); case 'Y' tampilFitness(tempPopulasi_1,berat,profit,BrtMax,str); otherwise tempPopulasi_1;

  62 end fprintf('\n') %=================================================== ======================= %=================================================== ======================= %Menampilkan hasil cross over dengan Psilang 0.8 respons=input(' # Tampilkan Hasil cross over dengan probabilitas silang 0.85 Y or N [N]? ','s'); if isempty(respons) respons='N'; end str='Hasil cross over dengan probabilitas silang 0.85'; switch respons case 'y' tampilFitness(tempPopulasi_2,berat,profit,BrtMax,str); case 'Y' tampilFitness(tempPopulasi_2,berat,profit,BrtMax,str); otherwise tempPopulasi_2; end fprintf('\n') %=================================================== ======================= %=================================================== ======================= %Menampilkan hasil cross over dengan Psilang 0.8 respons=input(' # Tampilkan Hasil cross over dengan probabilitas silang 0.9 Y or N [N]? ','s'); if isempty(respons) respons='N'; end str='Hasil cross over dengan probabilitas silang 0.9'; switch respons case 'y' tampilFitness(tempPopulasi_3,berat,profit,BrtMax,str);

  63 case 'Y' tampilFitness(tempPopulasi_3,berat,profit,BrtMax,str); otherwise tempPopulasi_3; end fprintf('\n') %=================================================== ======================= %=================================================== ======================= %Menampilkan Hasil cross over dengan Psilang 0.8 respons=input(' # Tampilkan Hasil cross over dengan probabilitas silang 0.95 Y or N [N]? ','s'); if isempty(respons) respons='N'; end str='Hasil cross over dengan probabilitas silang 0.95'; switch respons case 'y' tampilFitness(tempPopulasi_4,berat,profit,BrtMax,str); case 'Y' tampilFitness(tempPopulasi_4,berat,profit,BrtMax,str); otherwise tempPopulasi_4; end fprintf('\n') %=================================================== ======================= %=================================================== ======================= fprintf(' Mutasi\n'); %Mutasi dilakukan pada semua kromosom fprintf(' 1. Menemukan populasi baru dengan Mutasi\n'); tempPopulasiMut=tempPopulasi_1; for kk = IterasiMulai:UkPop2, tempPopulasiMut=Mutasi(tempPopulasiMut,JumGen,Pmutasi); end

  64 respons=input(' # Tampilkan Hasil Mutasi dengan probabilitas mutasi 1/n Y or N [N]? ','s'); if isempty(respons) respons='N'; end str='Hasil mutasi dengan probabilitas mutasi 1/n '; switch respons case 'y' tampilFitness(tempPopulasiMut,berat,profit,BrtMax,str); case 'Y' tampilFitness(tempPopulasiMut,berat,profit,BrtMax,str); otherwise tempPopulasiMut; end fprintf('\n') end %=================================================== ======================= 5.

   Listing program Inisialisasi kromosom

  function out=InitPop(UkPop,JumGen) %function out=InitPop(UkPop,JumGen) %adalah fungsi yang membangkitkan sejumlah Ukuran populasi(UkPop) masing %masing berisi bilangan biner(0 dan 1) sejumlah gen(JumGen) %variable input yang digunakan % JumGen : jumlah gen dalam kromosom % UkPop : ukuran populasi atau jumlah kromosom dalam populasi %Variable Output yang digunakan % out : kumpulan matrix berukuran UkPop*JumGen out=fix(2*rand(UkPop,JumGen));

6. Listing program Pencarian nilai fitness

  function [Sum_brt fitness]= EvaluasiIndv(x,berat,profit,BrtMax) %function fitness= EvaluasiIndv(x,nBit,BrtMax,berat,profit) %mengevalusi individu sehingga didapatkan nilai fitness %dengan rumus %variable input yang digunakan : % nBit : banyaknya barang = banyaknya berat = banyaknya profit % jumlah bit yang mengkodekan satu variable % profit : array keuntungan sebanyak nBit % x : individu berupa matrix 1xJumGen

  65 % BrtMax : berat maksimum untuk 1 individu % berat : berat kromosom sebanyak nBit %Variable output % Sum_brt : jumlah X dikali berat % fitness : jumlah X dikali profit %Contoh pemanggilan % [Sum_brt fitness]= EvaluasiIndv(x,berat,profit,BrtMax) temp=x.'; Sum_brt=berat*temp; if((Sum_brt)&lt;=BrtMax) fitness=profit*temp; else fitness=0; end

7. Listing program Menampilkan Nilai Fitness

  function tampilFitness(populasi,berat,profit,BrtMax,str); %Program ini menampilkan berat dan fitness dari masing masing populasi %program ini turunan dari program tampil %Variable input % Populasi : matrix input % berat : matrix 1 x jumlah gen yang merupakan berat masing- masing % variable % profit : Matrix 1 x Jumlah gen yang merupakan profit % masing - masing variable % BrtMax : Berat Maksimum % str : string yang ingin ditampilkan pertama kali saat fungsi % ini dipanggil %Pemanggilan fungsi ini dengan cara % tampilFitness(populasi,berat,profit,BrtMax) if ischar(str) fprintf(' &lt;&gt; ');fprintf(str);fprintf('\n'); end if (nargin&lt;4) error('perlu paling tidak 4 variable'); end [row col]=size(populasi); % line 1 fprintf(' '); for cc=1:col fprintf(' x%2d |',cc) end fprintf(' berat |');

  66 fprintf(' profit |'); fprintf(' ket |'); fprintf('\n'); for rr=1:row [Sum_brt fitness]=EvaluasiIndv(populasi(rr,:),berat,profit,BrtMax); fprintf(' indv%3d|',rr); for cc=1:col fprintf(' %d |',populasi(rr,cc)); end if (fitness == 0) ket=' tdk ikut |'; else ket=' ikut |'; end; fprintf('%7d |',Sum_brt); fprintf('%7d |',fitness); fprintf(ket) fprintf('\n'); end 8.

   Listing program Menghitung Linear Fitness ranking

  function out=LinierFitnessRangk(UkPop,fitness,MaxF,MinF) %function ini menskala nilai fitness kedalam rangking sehingga diperoleh %nilai-nilai fitness yang baru yang berada dalam rentang (MaxF,MinF) %Variable input % UkPop : Ukuran populasi atau jumlah kromosom dalam populasi % Fitness : Nilai fitness matrix 1xUkPop % MaxF : Nilai fitness max % Min : Nilai fitness min %cara pemanggilan % LinierFitnessRangk(UkPop,fitness,MaxF,MinF) [SF,INDF]=sort(fitness); m=1; while SF(m)==0 m=m+1; end for n=1:UkPop out(INDF(UkPop-n+1))=MaxF-(MaxF-MinF)*((n-1)/(UkPop-1)); end

9. Listing program Menampilkan Linear fitness Ranking

  function tampilLinierFitness(LinierFitness,str); %Program ini menampilkan berat dan fitness dari masing masing populasi %program ini turunan dari program tampil

  67 %Variable input % Linier Fitness : matrix 1 x jumlah populasi % str : string yang ingin ditampilkan pertama kali saat fungsi % ini dipanggil %Pemanggilan fungsi ini dengan cara % tampilFitness(populasi,berat,profit,BrtMax) if ischar(str) fprintf(' &lt;&gt; ');fprintf(str);fprintf('\n'); end if (nargin&lt;1) error('perlu paling tidak 1variable'); end LF=length(LinierFitness); % line 1 for cc=1:LF fprintf(' \t indv%3d | %15.5f \n',cc,LinierFitness(cc)) end fprintf('\n'); %for cc=1:LF % fprintf(' %3d \n|',LinierFitness(cc)); %end fprintf('\n'); fprintf('\n'); 10.

   Listing program Proses Seleksi

  function Pindex=RouletteWheel(UkPop,LinierFitness) JumFitness = sum(LinierFitness); KomulatifFitness = 0; RN=rand; ii=1; while ii&lt;=UkPop KomulatifFitness = KomulatifFitness + LinierFitness(ii); if (KomulatifFitness/JumFitness)&gt;RN Pindex=ii; break; end ii=ii+1; end 11.

   Listing program Operasi Persilangan atau Crossover

  function Anak=PindahSilang(Bapak,Ibu,JumGen) TP=1+fix(rand*(JumGen-1)); Anak(1,:)=[Bapak(1:TP) Ibu(TP+1:JumGen)]; Anak(2,:)=[Ibu(1:TP) Bapak(TP+1:JumGen)];

  68

  12. Listing program Mutasi

  function MutKrom=Mutasi(Kromosom,JumGen,Pmutasi) %Mutasi gen dengan probabilitas Pmutasi=1/JumGen MutKrom=Kromosom; for ii=1:JumGen' if (rand&lt;Pmutasi) if Kromosom(ii)==0, MutKrom(ii)=1; else MutKrom(ii)=0; end end end

  13. Listing program tampil

  function out=tampil(JumGen,berat,profit) %-------------------------------------------------------------------------- %menampilkan berat dan profit %variable masukan % nBit : banyaknya barang = banyaknya berat = banyaknya profit % jumlah bit yang mengkodekan satu variable % profit : matrix 1xnBit berisi keuntungan masing kromoson % berat : matrix 1xnBit berisi berat masing kromosom %-------------------------------------------------------------------------- fprintf(' TABEL DAFTAR BARANG YANG AKAN DIMUAT KE DALAM RANSEL\n'); fprintf(' ===================================================== ================================='); % berat(wi) fprintf('\n BERAT(wi) |') for n=1:JumGen fprintf('%3d |',berat(n)); end; fprintf('\n'); % profit(pi) fprintf('\n PROFIT(pi)|') for n=1:JumGen fprintf('%3d |',profit(n)); end; fprintf('\n'); fprintf(' ----------------------------------------------------------------------------

  • \n'); fprintf('\n');

  69 fprintf(' **Berikut langkah-langkah yang dikerjakan dalam "Algoritma Genetika" : \n\n');

  

Contoh Output Masalah Knapsack pada Tabel 2.3.1

===============================================================

=========================== Program ini menyelesaikan masalah knapsack dengan ALGORITMA GENETIKA

  1. Representasi kromosom menggunakan pengkodean biner

  2. Crossover menggunakan perkawinan silang 1-titik

  3. Mutasi menggunakan mutasi inversi 2-titik

  4. Seleksi menggunakan seleksi Roda Roulette Jumlah barang, berat dan profit sama Input populasi adalah 10 sampai 100

===============================================================

=========================== MENU UTAMA masukkan pilihan anda dengan menulis angka sesuai pilihan anda

  1.Lihat contoh 1

  2.Memasukkan data secara manual

  0.Exit pilihan anda [0]: 1

  1. Contoh 1 DATA YANG TEREKAM

TABEL DAFTAR BARANG YANG AKAN DIMUAT KE DALAM

RANSEL

===============================================================

======================= BERAT(wi) | 40 | 50 | 30 | 10 | 10 | 40 | 30 | 20 | 30 | 20 | PROFIT(pi)| 40 | 60 | 10 | 10 | 3 | 20 | 60 | 20 | 10 | 20 |

  • Berikut langkah-langkah yang dikerjakan dalam "Algoritma Genetika" :

  70

  LANGKAH 1 ==&gt; Membangkitkan populasi awal

  1. Menentukan banyaknya populasi # Tentukan banyaknya populasi default [10]? 500 # Tampilkan Populasi awal Y or N [N]? y &lt;&gt; Populasi awal x1 | x2 | x3 | x 4 | x5 | x6 | x7 | x8 | x9 |x10| berat |profit| ket | indv 1| 1 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 0 | 0 | 120 | 0 | tdk ikut | indv 2| 0 | 0 | 0 | 1 | 1 | 0 | 0 | 1 | 0 | 0 | 40 | 33 | ikut | indv 3| 1 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 160 | 0 | tdk ikut | indv 4| 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 70 | 80 | ikut | indv 5| 1 | 0 | 1 | 0 | 1 | 1 | 1 | 0 | 0 | 0 | 150 | 0 | tdk ikut | indv 6| 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 150 | 0 | tdk ikut | indv 7| 1 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 130 | 0 | tdk ikut | indv 8| 0 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 1 | 110 | 0 | tdk ikut | indv 9| 0 | 1 | 1 | 1 | 1 | 0 | 1 | 0 | 0 | 1 | 150 | 0 | tdk ikut | indv 10| 1 | 1 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 160 | 0 | tdk ikut | indv 11| 1 | 1 | 0 | 1 | 0 | 1 | 1 | 0 | 0 | 0 | 170 | 0 | tdk ikut | indv 12| 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 110 | 0 | tdk ikut | indv 13| 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 80 | 83 | ikut | indv 14| 1 | 1 | 1 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 180 | 0 | tdk ikut | indv 15| 0 | 1 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 130 | 0 | tdk ikut | indv 16| 1 | 1 | 1 | 1 | 1 | 1 | 0 | 0 | 0 | 1 | 200 | 0 | tdk ikut | indv 17| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 60 | 40 | ikut | indv 18| 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 120 | 0 | tdk ikut | indv 19| 1 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 1 | 200 | 0 | tdk ikut | indv 20| 1 | 1 | 0 | 1 | 1 | 1 | 1 | 0 | 0 | 1 | 200 | 0 | tdk ikut | indv 21| 1 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 120 | 0 | tdk ikut | indv 22| 1 | 0 | 1 | 1 | 1 | 0 | 0 | 1 | 1 | 0 | 140 | 0 | tdk ikut | indv 23| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 130 | 0 | tdk ikut | indv 24| 1 | 0 | 1 | 1 | 1 | 0 | 0 | 1 | 1 | 1 | 160 | 0 | tdk ikut | indv 25| 1 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 160 | 0 | tdk ikut | indv 26| 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 100 | 60 | ikut | indv 27| 0 | 0 | 1 | 1 | 0 | 1 | 1 | 0 | 0 | 0 | 110 | 0 | tdk ikut |

  71

  indv 28| 1 | 1 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 140 | 0 | tdk ikut | indv 29| 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 70 | 80 | ikut | indv 30| 1 | 1 | 0 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 250 | 0 | tdk ikut | indv 31| 0 | 0 | 1 | 1 | 1 | 1 | 0 | 0 | 0 | 1 | 110 | 0 | tdk ikut | indv 32| 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 110 | 0 | tdk ikut | indv 33| 1 | 1 | 1 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 160 | 0 | tdk ikut | indv 34| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 80 | 80 | ikut | indv 35| 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 90 | 123| ikut | indv 36| 0 | 0 | 1 | 1 | 1 | 1 | 1 | 0 | 1 | 0 | 150 | 0 | tdk ikut | indv 37| 0 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 110 | 0 | tdk ikut | indv 38| 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 50 | 30 | ikut | indv 39| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 130 | 0 | tdk ikut | indv 40| 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 1 | 130 | 0 | tdk ikut | indv 41| 1 | 0 | 0 | 1 | 0 | 1 | 1 | 1 | 1 | 1 | 190 | 0 | tdk ikut | indv 42| 0 | 0 | 0 | 1 | 0 | 1 | 1 | 0 | 1 | 0 | 110 | 0 | tdk ikut | indv 43| 0 | 0 | 1 | 1 | 0 | 1 | 1 | 0 | 1 | 0 | 140 | 0 | tdk ikut | indv 44| 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 70 | 100| ikut | indv 45| 1 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 0 | 180 | 0 | tdk ikut | indv 46| 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 90 | 93 | ikut | indv 47| 1 | 0 | 1 | 1 | 1 | 1 | 1 | 1 | 0 | 0 | 180 | 0 | tdk ikut | indv 48| 0 | 1 | 1 | 1 | 0 | 1 | 1 | 0 | 0 | 1 | 180 | 0 | tdk ikut | indv 49| 1 | 0 | 1 | 0 | 0 | 1 | 1 | 0 | 1 | 0 | 170 | 0 | tdk ikut | indv 50| 1 | 0 | 0 | 1 | 0 | 0 | 1 | 1 | 1 | 1 | 150 | 0 | tdk ikut | indv 51| 0 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 130 | 0 | tdk ikut | indv 52| 1 | 1 | 1 | 1 | 0 | 1 | 1 | 0 | 0 | 0 | 200 | 0 | tdk ikut | indv 53| 1 | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 160 | 0 | tdk ikut | indv 54| 0 | 1 | 1 | 0 | 0 | 1 | 0 | 1 | 1 | 1 | 190 | 0 | tdk ikut | indv 55| 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 50 | 30 | ikut | indv 56| 0 | 0 | 0 | 1 | 1 | 0 | 1 | 0 | 1 | 1 | 100 | 103| ikut | indv 57| 1 | 0 | 0 | 1 | 1 | 1 | 0 | 1 | 0 | 0 | 120 | 0 | tdk ikut | indv 58| 1 | 0 | 1 | 0 | 1 | 1 | 1 | 1 | 0 | 1 | 190 | 0 | tdk ikut | indv 59| 1 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 120 | 0 | tdk ikut | indv 60| 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 100 | 90 | ikut | indv 61| 1 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 1 | 150 | 0 | tdk ikut |

  72

  indv 62| 1 | 1 | 0 | 1 | 0 | 0 | 1 | 1 | 0 | 1 | 170 | 0 | tdk ikut | indv 63| 0 | 0 | 1 | 1 | 0 | 0 | 1 | 1 | 0 | 1 | 110 | 0 | tdk ikut | indv 64| 0 | 0 | 0 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 160 | 0 | tdk ikut | indv 65| 1 | 1 | 1 | 0 | 1 | 1 | 0 | 1 | 0 | 1 | 210 | 0 | tdk ikut | indv 66| 0 | 0 | 0 | 1 | 0 | 1 | 1 | 1 | 1 | 1 | 150 | 0 | tdk ikut | indv 67| 1 | 1 | 0 | 0 | 1 | 1 | 0 | 0 | 1 | 1 | 190 | 0 | tdk ikut | indv 68| 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 100 | 110 | ikut | indv 69| 0 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 60 | 40 | ikut | indv 70| 0 | 0 | 1 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 90 | 100 | ikut | indv 71| 0 | 1 | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 1 | 140 | 0 | tdk ikut | indv 72| 1 | 0 | 1 | 1 | 1 | 1 | 0 | 0 | 1 | 1 | 180 | 0 | tdk ikut | indv 73| 1 | 1 | 0 | 0 | 0 | 1 | 1 | 1 | 1 | 1 | 230 | 0 | tdk ikut | indv 74| 1 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 140 | 0 | tdk ikut | indv 75| 1 | 1 | 0 | 1 | 1 | 1 | 1 | 0 | 1 | 1 | 230 | 0 | tdk ikut | indv 76| 1 | 1 | 0 | 0 | 1 | 1 | 1 | 0 | 0 | 0 | 170 | 0 | tdk ikut | indv 77| 0 | 0 | 1 | 0 | 1 | 1 | 1 | 0 | 1 | 1 | 160 | 0 | tdk ikut | indv 78| 1 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 1 | 1 | 160 | 0 | tdk ikut | indv 79| 0 | 1 | 0 | 0 | 1 | 1 | 1 | 0 | 0 | 0 | 130 | 0 | tdk ikut | indv 80| 1 | 0 | 0 | 1 | 1 | 0 | 0 | 1 | 0 | 0 | 80 | 73 | ikut | indv 81| 0 | 0 | 0 | 1 | 0 | 0 | 1 | 1 | 1 | 1 | 110 | 0 | tdk ikut | indv 82| 1 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 0 | 130 | 0 | tdk ikut | indv 83| 0 | 0 | 0 | 1 | 1 | 1 | 0 | 1 | 1 | 0 | 110 | 0 | tdk ikut | indv 84| 0 | 1 | 1 | 0 | 0 | 1 | 0 | 1 | 1 | 0 | 170 | 0 | tdk ikut | indv 85| 0 | 0 | 0 | 1 | 1 | 1 | 1 | 0 | 0 | 1 | 110 | 0 | tdk ikut | indv 86| 0 | 1 | 0 | 0 | 1 | 0 | 1 | 1 | 1 | 0 | 140 | 0 | tdk ikut | indv 87| 0 | 1 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 100 | 133 | ikut | indv 88| 1 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 150 | 0 | tdk ikut | indv 89| 1 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 1 | 180 | 0 | tdk ikut | indv 90| 0 | 0 | 0 | 1 | 1 | 1 | 0 | 1 | 0 | 0 | 80 | 53 | ikut | indv 91| 0 | 1 | 0 | 1 | 1 | 0 | 0 | 1 | 0 | 1 | 110 | 0 | tdk ikut | indv 92| 1 | 0 | 0 | 1 | 1 | 0 | 0 | 1 | 1 | 1 | 130 | 0 | tdk ikut | indv 93| 0 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 1 | 1 | 130 | 0 | tdk ikut | indv 94| 1 | 1 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 160 | 0 | tdk ikut | indv 95| 1 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 0 | 0 | 100 | 123 | ikut |

  73

  indv 96| 1 | 1 | 0 | 0 | 1 | 0 | 1 | 1 | 1 | 0 | 180 | 0 | tdk ikut | indv 97| 1 | 0 | 1 | 0 | 0 | 1 | 1 | 1 | 0 | 0 | 160 | 0 | tdk ikut | indv 98| 1 | 0 | 1 | 1 | 0 | 1 | 1 | 1 | 0 | 1 | 190 | 0 | tdk ikut | indv 99| 0 | 1 | 0 | 1 | 1 | 1 | 1 | 1 | 0 | 1 | 180 | 0 | tdk ikut | indv100| 1 | 0 | 1 | 1 | 1 | 0 | 0 | 1 | 0 | 0 | 110 | 0 | tdk ikut | indv101| 1 | 1 | 1 | 1 | 0 | 1 | 1 | 1 | 0 | 0 | 220 | 0 | tdk ikut | indv102| 1 | 1 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 140 | 0 | tdk ikut | indv103| 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 1 | 130 | 0 | tdk ikut | indv104| 1 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 1 | 1 | 170 | 0 | tdk ikut | indv105| 1 | 1 | 1 | 0 | 0 | 1 | 1 | 1 | 0 | 1 | 230 | 0 | tdk ikut | indv106| 1 | 1 | 1 | 0 | 1 | 0 | 0 | 1 | 1 | 0 | 180 | 0 | tdk ikut | indv107| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 30 | 30 | ikut | indv108| 0 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 80 | 40 | ikut | indv109| 1 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 120 | 0 | tdk ikut | indv110| 0 | 1 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 1 | 170 | 0 | tdk ikut | indv111| 0 | 1 | 1 | 1 | 1 | 1 | 1 | 0 | 0 | 0 | 170 | 0 | tdk ikut | indv112| 1 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 90 | 120 | ikut | indv113| 0 | 0 | 1 | 1 | 0 | 1 | 1 | 1 | 1 | 1 | 180 | 0 | tdk ikut | indv114| 0 | 1 | 1 | 0 | 0 | 1 | 1 | 0 | 0 | 1 | 170 | 0 | tdk ikut | indv115| 1 | 0 | 1 | 0 | 1 | 1 | 0 | 1 | 1 | 1 | 190 | 0 | tdk ikut | indv116| 1 | 1 | 1 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 170 | 0 | tdk ikut | indv117| 0 | 1 | 0 | 1 | 1 | 0 | 1 | 1 | 0 | 1 | 140 | 0 | tdk ikut | indv118| 0 | 1 | 0 | 1 | 1 | 1 | 0 | 0 | 1 | 1 | 160 | 0 | tdk ikut | indv119| 1 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 100 | 110 | ikut | indv120| 0 | 1 | 1 | 1 | 0 | 0 | 1 | 1 | 0 | 1 | 160 | 0 | tdk ikut | indv121| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 80 | 80 | ikut | indv122| 1 | 0 | 0 | 1 | 1 | 1 | 0 | 1 | 1 | 1 | 170 | 0 | tdk ikut | indv123| 1 | 0 | 1 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 140 | 0 | tdk ikut | indv124| 0 | 0 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 0 | 170 | 0 | tdk ikut | indv125| 1 | 0 | 1 | 1 | 0 | 1 | 0 | 1 | 0 | 1 | 160 | 0 | tdk ikut | indv126| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 10 | 10 | ikut | indv127| 0 | 1 | 1 | 1 | 0 | 0 | 1 | 1 | 0 | 1 | 160 | 0 | tdk ikut | indv128| 0 | 1 | 1 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 140 | 0 | tdk ikut | indv129| 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 110 | 0 | tdk ikut |

  74

  indv130| 1 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 1 | 140 | 0 | tdk ikut | indv131| 0 | 1 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 100 | 90 | ikut | indv132| 1 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 1 | 1 | 170 | 0 | tdk ikut | indv133| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 10 | 10 | ikut | indv134| 0 | 0 | 1 | 0 | 1 | 1 | 0 | 1 | 0 | 1 | 120 | 0 | tdk ikut | indv135| 0 | 0 | 1 | 1 | 1 | 1 | 1 | 0 | 0 | 1 | 140 | 0 | tdk ikut | indv136| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 1 | 80 | 60 | ikut | indv137| 0 | 1 | 0 | 1 | 1 | 0 | 0 | 1 | 0 | 0 | 90 | 93 | ikut | indv138| 1 | 0 | 1 | 1 | 0 | 0 | 1 | 1 | 1 | 0 | 160 | 0 | tdk ikut | indv139| 0 | 1 | 1 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 150 | 0 | tdk ikut | indv140| 1 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 100 | 80 | ikut | indv141| 1 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 1 | 160 | 0 | tdk ikut | indv142| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 60 | 60 | ikut | indv143| 0 | 1 | 1 | 1 | 0 | 0 | 1 | 1 | 1 | 0 | 170 | 0 | tdk ikut | indv144| 1 | 1 | 1 | 1 | 1 | 0 | 0 | 0 | 1 | 1 | 190 | 0 | tdk ikut | indv145| 1 | 1 | 0 | 1 | 1 | 1 | 0 | 0 | 1 | 1 | 200 | 0 | tdk ikut | indv146| 1 | 1 | 1 | 0 | 1 | 1 | 1 | 0 | 0 | 0 | 200 | 0 | tdk ikut | indv147| 1 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 0 | 0 | 130 | 0 | tdk ikut | indv148| 1 | 0 | 0 | 1 | 0 | 1 | 1 | 1 | 0 | 1 | 160 | 0 | tdk ikut | indv149| 1 | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 160 | 0 | tdk ikut | indv150| 0 | 0 | 0 | 1 | 0 | 1 | 1 | 0 | 1 | 1 | 130 | 0 | tdk ikut | indv151| 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 90 | 130 | ikut | indv152| 0 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 70 | 43 | ikut | indv153| 1 | 1 | 1 | 1 | 1 | 0 | 1 | 0 | 1 | 1 | 220 | 0 | tdk ikut | indv154| 1 | 1 | 1 | 1 | 0 | 1 | 0 | 0 | 1 | 1 | 220 | 0 | tdk ikut | indv155| 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 80 | 53 | ikut | indv156| 0 | 1 | 1 | 1 | 1 | 1 | 1 | 0 | 1 | 1 | 220 | 0 | tdk ikut | indv157| 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 1 | 120 | 0 | tdk ikut | indv158| 1 | 1 | 0 | 1 | 1 | 0 | 1 | 1 | 1 | 1 | 210 | 0 | tdk ikut | indv159| 0 | 0 | 1 | 0 | 0 | 1 | 1 | 0 | 0 | 1 | 120 | 0 | tdk ikut | indv160| 0 | 1 | 1 | 0 | 0 | 0 | 1 | 1 | 1 | 1 | 180 | 0 | tdk ikut | indv161| 0 | 1 | 1 | 0 | 1 | 1 | 1 | 1 | 0 | 0 | 180 | 0 | tdk ikut | indv162| 0 | 0 | 1 | 1 | 0 | 1 | 0 | 1 | 0 | 1 | 120 | 0 | tdk ikut | indv163| 1 | 0 | 1 | 1 | 1 | 0 | 0 | 1 | 1 | 1 | 160 | 0 | tdk ikut |

  75

  indv164| 1 | 0 | 0 | 1 | 0 | 1 | 1 | 0 | 1 | 0 | 150 | 0 | tdk ikut | indv165| 0 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 50 | 23 | ikut | indv166| 0 | 0 | 1 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 100 | 53 | ikut | indv167| 0 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 1 | 1 | 140 | 0 | tdk ikut | indv168| 0 | 1 | 0 | 1 | 1 | 0 | 1 | 1 | 1 | 0 | 150 | 0 | tdk ikut | indv169| 0 | 1 | 1 | 0 | 1 | 0 | 1 | 1 | 1 | 0 | 170 | 0 | tdk ikut | indv170| 0 | 1 | 1 | 1 | 0 | 1 | 1 | 1 | 1 | 1 | 230 | 0 | tdk ikut | indv171| 1 | 1 | 1 | 1 | 0 | 1 | 1 | 1 | 0 | 0 | 220 | 0 | tdk ikut | indv172| 0 | 0 | 1 | 0 | 1 | 1 | 1 | 1 | 0 | 1 | 150 | 0 | tdk ikut | indv173| 1 | 0 | 0 | 1 | 0 | 1 | 1 | 0 | 0 | 1 | 140 | 0 | tdk ikut | indv174| 0 | 1 | 1 | 1 | 1 | 1 | 0 | 0 | 0 | 1 | 160 | 0 | tdk ikut | indv175| 0 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 90 | 50 | ikut | indv176| 0 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 90 | 50 | ikut | indv177| 1 | 0 | 1 | 0 | 0 | 1 | 1 | 0 | 0 | 1 | 160 | 0 | tdk ikut | indv178| 0 | 1 | 1 | 1 | 1 | 1 | 1 | 0 | 1 | 1 | 220 | 0 | tdk ikut | indv179| 0 | 0 | 0 | 1 | 1 | 1 | 1 | 0 | 1 | 1 | 140 | 0 | tdk ikut | indv180| 0 | 1 | 0 | 0 | 1 | 1 | 1 | 0 | 1 | 1 | 180 | 0 | tdk ikut | indv181| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 110 | 0 | tdk ikut | indv182| 1 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 200 | 0 | tdk ikut | indv183| 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 0 | 140 | 0 | tdk ikut | indv184| 0 | 0 | 1 | 1 | 0 | 1 | 1 | 1 | 1 | 0 | 160 | 0 | tdk ikut | indv185| 0 | 1 | 1 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 130 | 0 | tdk ikut | indv186| 1 | 1 | 0 | 1 | 1 | 1 | 1 | 0 | 1 | 1 | 230 | 0 | tdk ikut | indv187| 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 40 | 13 | ikut | indv188| 1 | 0 | 1 | 1 | 0 | 1 | 1 | 1 | 0 | 0 | 170 | 0 | tdk ikut | indv189| 1 | 0 | 0 | 1 | 1 | 1 | 0 | 0 | 0 | 1 | 120 | 0 | tdk ikut | indv190| 1 | 1 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 140 | 0 | tdk ikut | indv191| 0 | 1 | 1 | 0 | 1 | 1 | 1 | 0 | 1 | 0 | 190 | 0 | tdk ikut | indv192| 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 70 | 30 | ikut | indv193| 1 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 1 | 1 | 160 | 0 | tdk ikut | indv194| 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 100 | 110 | ikut | indv195| 0 | 0 | 1 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 80 | 33 | ikut | indv196| 0 | 1 | 0 | 1 | 1 | 1 | 1 | 1 | 0 | 0 | 160 | 0 | tdk ikut | indv197| 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 90 | 100 | ikut |

  76

  indv198| 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 60 | 90 | ikut | indv199| 1 | 1 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 190 | 0 | tdk ikut | indv200| 1 | 1 | 0 | 1 | 0 | 1 | 1 | 0 | 0 | 1 | 190 | 0 | tdk ikut | indv201| 1 | 0 | 1 | 1 | 0 | 1 | 1 | 1 | 0 | 0 | 170 | 0 | tdk ikut | indv202| 0 | 1 | 1 | 0 | 1 | 1 | 0 | 1 | 1 | 1 | 200 | 0 | tdk ikut | indv203| 0 | 0 | 0 | 1 | 0 | 0 | 1 | 1 | 1 | 1 | 110 | 0 | tdk ikut | indv204| 1 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 0 | 0 | 120 | 0 | tdk ikut | indv205| 0 | 1 | 1 | 1 | 0 | 0 | 1 | 0 | 1 | 1 | 170 | 0 | tdk ikut | indv206| 0 | 0 | 0 | 1 | 0 | 0 | 1 | 1 | 1 | 0 | 90 | 100 | ikut | indv207| 0 | 1 | 1 | 1 | 0 | 1 | 1 | 1 | 0 | 0 | 180 | 0 | tdk ikut | indv208| 1 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 130 | 0 | tdk ikut | indv209| 0 | 0 | 1 | 1 | 0 | 0 | 1 | 1 | 0 | 1 | 110 | 0 | tdk ikut | indv210| 1 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 1 | 160 | 0 | tdk ikut | indv211| 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 60 | 63 | ikut | indv212| 1 | 0 | 1 | 1 | 1 | 1 | 1 | 0 | 1 | 0 | 190 | 0 | tdk ikut | indv213| 1 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 120 | 0 | tdk ikut | indv214| 0 | 0 | 1 | 1 | 0 | 1 | 1 | 1 | 1 | 0 | 160 | 0 | tdk ikut | indv215| 1 | 1 | 1 | 0 | 1 | 1 | 0 | 0 | 1 | 0 | 200 | 0 | tdk ikut | indv216| 1 | 1 | 1 | 1 | 1 | 0 | 0 | 1 | 0 | 1 | 180 | 0 | tdk ikut | indv217| 1 | 1 | 1 | 1 | 0 | 1 | 0 | 1 | 1 | 1 | 240 | 0 | tdk ikut | indv218| 1 | 1 | 1 | 1 | 1 | 1 | 0 | 1 | 1 | 1 | 250 | 0 | tdk ikut | indv219| 1 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 90 | 70 | ikut | indv220| 0 | 1 | 1 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 160 | 0 | tdk ikut | indv221| 1 | 1 | 1 | 1 | 1 | 1 | 1 | 0 | 0 | 0 | 210 | 0 | tdk ikut | indv222| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 110 | 0 | tdk ikut | indv223| 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 90 | 80 | ikut | indv224| 0 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 130 | 0 | tdk ikut | indv225| 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 90 | 50 | ikut | indv226| 0 | 1 | 0 | 1 | 1 | 0 | 1 | 0 | 1 | 1 | 150 | 0 | tdk ikut | indv227| 1 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 0 | 1 | 130 | 0 | tdk ikut | indv228| 0 | 1 | 0 | 1 | 1 | 0 | 1 | 0 | 1 | 0 | 130 | 0 | tdk ikut | indv229| 1 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 150 | 0 | tdk ikut | indv230| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 100 | 110 | ikut | indv231| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 1 | 150 | 0 | tdk ikut |

  77

  indv232| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 90 | 70 | ikut | indv233| 1 | 0 | 1 | 1 | 0 | 1 | 1 | 1 | 0 | 0 | 170 | 0 | tdk ikut | indv234| 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 110 | 0 | tdk ikut | indv235| 0 | 1 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 120 | 0 | tdk ikut | indv236| 0 | 1 | 1 | 0 | 0 | 1 | 1 | 1 | 1 | 0 | 200 | 0 | tdk ikut | indv237| 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 120 | 0 | tdk ikut | indv238| 1 | 0 | 1 | 1 | 1 | 0 | 1 | 1 | 0 | 1 | 160 | 0 | tdk ikut | indv239| 0 | 1 | 1 | 1 | 0 | 1 | 1 | 1 | 1 | 0 | 210 | 0 | tdk ikut | indv240| 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 70 | 63 | ikut | indv241| 1 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 150 | 0 | tdk ikut | indv242| 0 | 1 | 0 | 1 | 1 | 1 | 0 | 0 | 0 | 1 | 130 | 0 | tdk ikut | indv243| 0 | 1 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 0 | 150 | 0 | tdk ikut | indv244| 1 | 0 | 1 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 130 | 0 | tdk ikut | indv245| 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 60 | 70 | ikut | indv246| 0 | 1 | 1 | 1 | 0 | 0 | 0 | 1 | 1 | 1 | 160 | 0 | tdk ikut | indv247| 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 70 | 73 | ikut | indv248| 0 | 0 | 1 | 1 | 0 | 1 | 0 | 1 | 1 | 1 | 150 | 0 | tdk ikut | indv249| 1 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 110 | 0 | tdk ikut | indv250| 1 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 100 | 73 | ikut | indv251| 1 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 130 | 0 | tdk ikut | indv252| 0 | 1 | 0 | 1 | 1 | 1 | 1 | 1 | 0 | 0 | 160 | 0 | tdk ikut | indv253| 0 | 0 | 1 | 0 | 1 | 1 | 1 | 0 | 0 | 0 | 110 | 0 | tdk ikut | indv254| 1 | 1 | 1 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 180 | 0 | tdk ikut | indv255| 0 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 1 | 1 | 110 | 0 | tdk ikut | indv256| 1 | 1 | 1 | 1 | 0 | 1 | 1 | 0 | 0 | 0 | 200 | 0 | tdk ikut | indv257| 1 | 1 | 1 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 190 | 0 | tdk ikut | indv258| 0 | 1 | 0 | 1 | 1 | 1 | 1 | 0 | 1 | 1 | 190 | 0 | tdk ikut | indv259| 1 | 0 | 0 | 0 | 1 | 1 | 1 | 1 | 1 | 0 | 170 | 0 | tdk ikut | indv260| 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 110 | 0 | tdk ikut | indv261| 0 | 0 | 1 | 0 | 1 | 1 | 0 | 0 | 1 | 0 | 110 | 0 | tdk ikut | indv262| 0 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 1 | 40 | 33 | ikut | indv263| 1 | 0 | 0 | 1 | 1 | 1 | 0 | 0 | 1 | 0 | 130 | 0 | tdk ikut | indv264| 0 | 1 | 1 | 1 | 1 | 0 | 0 | 1 | 0 | 0 | 120 | 0 | tdk ikut | indv265| 0 | 0 | 0 | 1 | 1 | 1 | 0 | 0 | 1 | 1 | 110 | 0 | tdk ikut |

  78

  indv266| 0 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 40 | 13 | ikut | indv267| 0 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 60 | 33 | ikut | indv268| 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 80 | 90 | ikut | indv269| 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 140 | 0 | tdk ikut | indv270| 0 | 1 | 1 | 1 | 0 | 0 | 1 | 1 | 0 | 1 | 160 | 0 | tdk ikut | indv271| 1 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 100 | 73 | ikut | indv272| 0 | 1 | 0 | 1 | 1 | 1 | 0 | 1 | 1 | 0 | 160 | 0 | tdk ikut | indv273| 1 | 0 | 1 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 110 | 0 | tdk ikut | indv274| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 110 | 0 | tdk ikut | indv275| 1 | 1 | 0 | 1 | 1 | 0 | 0 | 1 | 1 | 1 | 180 | 0 | tdk ikut | indv276| 1 | 0 | 1 | 0 | 1 | 1 | 0 | 0 | 1 | 1 | 170 | 0 | tdk ikut | indv277| 1 | 1 | 0 | 1 | 1 | 1 | 1 | 1 | 0 | 1 | 220 | 0 | tdk ikut | indv278| 0 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 1 | 40 | 33 | ikut | indv279| 0 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 160 | 0 | tdk ikut | indv280| 0 | 1 | 0 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 210 | 0 | tdk ikut | indv281| 0 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 90 | 50 | ikut | indv282| 0 | 1 | 1 | 1 | 1 | 1 | 0 | 0 | 1 | 1 | 190 | 0 | tdk ikut | indv283| 1 | 0 | 1 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 130 | 0 | tdk ikut | indv284| 0 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 1 | 0 | 90 | 93 | ikut | indv285| 1 | 1 | 0 | 1 | 1 | 1 | 0 | 1 | 0 | 0 | 170 | 0 | tdk ikut | indv286| 1 | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 160 | 0 | tdk ikut | indv287| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 60 | 40 | ikut | indv288| 0 | 1 | 1 | 1 | 0 | 1 | 1 | 0 | 0 | 1 | 180 | 0 | tdk ikut | indv289| 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 90 | 130 | ikut | indv290| 1 | 0 | 0 | 1 | 1 | 1 | 0 | 0 | 1 | 0 | 130 | 0 | tdk ikut | indv291| 1 | 1 | 1 | 1 | 1 | 1 | 0 | 0 | 1 | 1 | 230 | 0 | tdk ikut | indv292| 1 | 1 | 0 | 1 | 0 | 1 | 1 | 1 | 0 | 1 | 210 | 0 | tdk ikut | indv293| 1 | 0 | 1 | 1 | 0 | 1 | 1 | 0 | 0 | 1 | 170 | 0 | tdk ikut | indv294| 1 | 0 | 0 | 1 | 1 | 1 | 1 | 0 | 1 | 1 | 180 | 0 | tdk ikut | indv295| 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 120 | 0 | tdk ikut | indv296| 1 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 150 | 0 | tdk ikut | indv297| 0 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 130 | 0 | tdk ikut | indv298| 1 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 90 | 83 | ikut | indv299| 1 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 110 | 0 | tdk ikut |

  79

  indv300| 0 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 1 | 0 | 110 | 0 | tdk ikut | indv301| 1 | 1 | 0 | 0 | 1 | 1 | 1 | 1 | 1 | 0 | 220 | 0 | tdk ikut | indv302| 1 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 140 | 0 | tdk ikut | indv303| 1 | 1 | 0 | 1 | 1 | 0 | 1 | 1 | 1 | 1 | 210 | 0 | tdk ikut | indv304| 0 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 160 | 0 | tdk ikut | indv305| 0 | 1 | 0 | 1 | 1 | 1 | 1 | 0 | 0 | 0 | 140 | 0 | tdk ikut | indv306| 1 | 1 | 0 | 0 | 1 | 0 | 1 | 1 | 1 | 0 | 180 | 0 | tdk ikut | indv307| 1 | 1 | 1 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 160 | 0 | tdk ikut | indv308| 1 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 1 | 0 | 120 | 0 | tdk ikut | indv309| 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 90 | 50 | ikut | indv310| 1 | 1 | 1 | 0 | 1 | 1 | 1 | 0 | 0 | 0 | 200 | 0 | tdk ikut | indv311| 1 | 1 | 1 | 1 | 1 | 0 | 0 | 1 | 1 | 0 | 190 | 0 | tdk ikut | indv312| 1 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 180 | 0 | tdk ikut | indv313| 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 1 | 120 | 0 | tdk ikut | indv314| 1 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 90 | 120 | ikut | indv315| 0 | 1 | 0 | 1 | 1 | 0 | 0 | 1 | 1 | 1 | 140 | 0 | tdk ikut | indv316| 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 80 | 90 | ikut | indv317| 1 | 1 | 0 | 1 | 1 | 0 | 0 | 1 | 1 | 1 | 180 | 0 | tdk ikut | indv318| 0 | 1 | 1 | 1 | 0 | 0 | 1 | 1 | 0 | 1 | 160 | 0 | tdk ikut | indv319| 1 | 1 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 170 | 0 | tdk ikut | indv320| 0 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 110 | 0 | tdk ikut | indv321| 1 | 1 | 1 | 1 | 1 | 0 | 1 | 1 | 0 | 1 | 210 | 0 | tdk ikut | indv322| 0 | 0 | 0 | 1 | 0 | 1 | 1 | 0 | 1 | 0 | 110 | 0 | tdk ikut | indv323| 1 | 1 | 1 | 0 | 1 | 0 | 1 | 1 | 0 | 1 | 200 | 0 | tdk ikut | indv324| 0 | 0 | 1 | 0 | 1 | 1 | 0 | 0 | 1 | 1 | 130 | 0 | tdk ikut | indv325| 0 | 0 | 1 | 1 | 0 | 0 | 1 | 1 | 1 | 1 | 140 | 0 | tdk ikut | indv326| 1 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 100 | 80 | ikut | indv327| 1 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 0 | 180 | 0 | tdk ikut | indv328| 0 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 80 | 60 | ikut | indv329| 1 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 1 | 140 | 0 | tdk ikut | indv330| 0 | 1 | 0 | 1 | 0 | 1 | 1 | 1 | 1 | 1 | 200 | 0 | tdk ikut | indv331| 1 | 1 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 190 | 0 | tdk ikut | indv332| 1 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 1 | 0 | 150 | 0 | tdk ikut | indv333| 1 | 0 | 0 | 0 | 1 | 1 | 1 | 1 | 1 | 1 | 190 | 0 | tdk ikut |

  80

  indv334| 1 | 1 | 1 | 1 | 1 | 0 | 1 | 1 | 1 | 0 | 220 | 0 | tdk ikut | indv335| 0 | 0 | 1 | 1 | 1 | 1 | 1 | 0 | 0 | 1 | 140 | 0 | tdk ikut | indv336| 0 | 1 | 0 | 1 | 1 | 1 | 1 | 0 | 1 | 1 | 190 | 0 | tdk ikut | indv337| 0 | 1 | 0 | 1 | 1 | 1 | 0 | 0 | 0 | 1 | 130 | 0 | tdk ikut | indv338| 0 | 0 | 0 | 1 | 0 | 0 | 1 | 1 | 1 | 0 | 90 | 100 | ikut | indv339| 0 | 1 | 1 | 1 | 0 | 1 | 0 | 1 | 0 | 0 | 150 | 0 | tdk ikut | indv340| 1 | 1 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 170 | 0 | tdk ikut | indv341| 1 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 110 | 0 | tdk ikut | indv342| 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 120 | 0 | tdk ikut | indv343| 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 110 | 0 | tdk ikut | indv344| 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 110 | 0 | tdk ikut | indv345| 1 | 0 | 1 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 130 | 0 | tdk ikut | indv346| 0 | 1 | 1 | 0 | 0 | 1 | 1 | 1 | 0 | 1 | 190 | 0 | tdk ikut | indv347| 0 | 0 | 1 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 100 | 90 | ikut | indv348| 0 | 0 | 1 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 100 | 53 | ikut | indv349| 0 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 100 | 60 | ikut | indv350| 1 | 0 | 0 | 1 | 1 | 1 | 1 | 1 | 1 | 0 | 180 | 0 | tdk ikut | indv351| 1 | 1 | 1 | 1 | 0 | 0 | 1 | 0 | 1 | 1 | 210 | 0 | tdk ikut | indv352| 1 | 1 | 1 | 1 | 1 | 0 | 1 | 1 | 0 | 0 | 190 | 0 | tdk ikut | indv353| 1 | 0 | 1 | 1 | 1 | 0 | 0 | 1 | 1 | 1 | 160 | 0 | tdk ikut | indv354| 0 | 0 | 1 | 1 | 0 | 0 | 1 | 0 | 1 | 1 | 120 | 0 | tdk ikut | indv355| 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 1 | 120 | 0 | tdk ikut | indv356| 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 1 | 130 | 0 | tdk ikut | indv357| 0 | 0 | 0 | 1 | 1 | 1 | 0 | 0 | 1 | 0 | 90 | 43 | ikut | indv358| 1 | 1 | 0 | 1 | 1 | 1 | 0 | 0 | 1 | 1 | 200 | 0 | tdk ikut | indv359| 0 | 1 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 1 | 170 | 0 | tdk ikut | indv360| 1 | 1 | 0 | 0 | 1 | 1 | 0 | 0 | 1 | 0 | 170 | 0 | tdk ikut | indv361| 0 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 1 | 0 | 110 | 0 | tdk ikut | indv362| 1 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 150 | 0 | tdk ikut | indv363| 1 | 1 | 0 | 1 | 1 | 1 | 1 | 0 | 1 | 1 | 230 | 0 | tdk ikut | indv364| 0 | 0 | 1 | 0 | 0 | 1 | 1 | 0 | 1 | 0 | 130 | 0 | tdk ikut | indv365| 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 60 | 90 | ikut | indv366| 0 | 1 | 0 | 1 | 0 | 0 | 1 | 1 | 1 | 0 | 140 | 0 | tdk ikut | indv367| 1 | 0 | 1 | 1 | 0 | 1 | 1 | 1 | 0 | 0 | 170 | 0 | tdk ikut |

  81

  indv368| 1 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 1 | 130 | 0 | tdk ikut | indv369| 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 120 | 0 | tdk ikut | indv370| 0 | 0 | 1 | 1 | 0 | 1 | 1 | 1 | 0 | 0 | 130 | 0 | tdk ikut | indv371| 1 | 0 | 0 | 1 | 0 | 0 | 1 | 1 | 1 | 0 | 130 | 0 | tdk ikut | indv372| 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 90 | 70 | ikut | indv373| 0 | 1 | 0 | 0 | 0 | 1 | 1 | 1 | 1 | 1 | 190 | 0 | tdk ikut | indv374| 0 | 1 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 110 | 0 | tdk ikut | indv375| 0 | 1 | 1 | 0 | 1 | 1 | 1 | 0 | 1 | 1 | 210 | 0 | tdk ikut | indv376| 0 | 1 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 1 | 120 | 0 | tdk ikut | indv377| 1 | 1 | 1 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 180 | 0 | tdk ikut | indv378| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 100 | 140 | ikut | indv379| 1 | 1 | 1 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 180 | 0 | tdk ikut | indv380| 0 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 1 | 1 | 110 | 0 | tdk ikut | indv381| 0 | 0 | 0 | 1 | 1 | 0 | 1 | 1 | 1 | 1 | 120 | 0 | tdk ikut | indv382| 1 | 1 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 170 | 0 | tdk ikut | indv383| 1 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 160 | 0 | tdk ikut | indv384| 0 | 1 | 1 | 1 | 0 | 0 | 1 | 1 | 1 | 1 | 190 | 0 | tdk ikut | indv385| 1 | 1 | 0 | 0 | 1 | 1 | 0 | 1 | 0 | 1 | 180 | 0 | tdk ikut | indv386| 0 | 1 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 0 | 140 | 0 | tdk ikut | indv387| 1 | 1 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 170 | 0 | tdk ikut | indv388| 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 100 | 80 | ikut | indv389| 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 70 | 80 | ikut | indv390| 1 | 0 | 1 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 130 | 0 | tdk ikut | indv391| 1 | 1 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 0 | 190 | 0 | tdk ikut | indv392| 1 | 0 | 0 | 1 | 0 | 1 | 1 | 1 | 1 | 0 | 170 | 0 | tdk ikut | indv393| 0 | 1 | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 0 | 120 | 0 | tdk ikut | indv394| 0 | 0 | 0 | 1 | 1 | 0 | 0 | 1 | 1 | 0 | 70 | 43 | ikut | indv395| 1 | 1 | 1 | 0 | 1 | 1 | 1 | 1 | 0 | 1 | 240 | 0 | tdk ikut | indv396| 1 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 1 | 0 | 160 | 0 | tdk ikut | indv397| 1 | 1 | 1 | 1 | 0 | 0 | 0 | 1 | 1 | 1 | 200 | 0 | tdk ikut | indv398| 1 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 110 | 0 | tdk ikut | indv399| 1 | 0 | 1 | 1 | 1 | 1 | 0 | 1 | 1 | 1 | 200 | 0 | tdk ikut | indv400| 1 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 1 | 0 | 150 | 0 | tdk ikut | indv401| 1 | 1 | 0 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 250 | 0 | tdk ikut |

  82

  indv402| 1 | 0 | 1 | 0 | 1 | 1 | 1 | 0 | 0 | 0 | 150 | 0 | tdk ikut | indv403| 1 | 1 | 1 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 200 | 0 | tdk ikut | indv404| 1 | 0 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 1 | 110 | 0 | tdk ikut | indv405| 1 | 1 | 1 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 170 | 0 | tdk ikut | indv406| 0 | 0 | 0 | 1 | 1 | 1 | 0 | 1 | 0 | 0 | 80 | 53 | ikut | indv407| 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 100 | 80 | ikut | indv408| 1 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 1 | 1 | 140 | 0 | tdk ikut | indv409| 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 120 | 0 | tdk ikut | indv410| 1 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 170 | 0 | tdk ikut | indv411| 1 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 100 | 80 | ikut | indv412| 1 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 120 | 0 | tdk ikut | indv413| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 100 | 140 | ikut | indv414| 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 90 | 80 | ikut | indv415| 1 | 1 | 0 | 1 | 1 | 1 | 1 | 0 | 0 | 1 | 200 | 0 | tdk ikut | indv416| 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 30 | 23 | ikut | indv417| 1 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 130 | 0 | tdk ikut | indv418| 0 | 1 | 1 | 1 | 0 | 0 | 1 | 1 | 1 | 1 | 190 | 0 | tdk ikut | indv419| 0 | 0 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 0 | 170 | 0 | tdk ikut | indv420| 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 120 | 0 | tdk ikut | indv421| 1 | 1 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 170 | 0 | tdk ikut | indv422| 0 | 0 | 1 | 1 | 0 | 1 | 1 | 0 | 1 | 1 | 160 | 0 | tdk ikut | indv423| 1 | 1 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 200 | 0 | tdk ikut | indv424| 0 | 0 | 1 | 1 | 1 | 1 | 0 | 0 | 1 | 0 | 120 | 0 | tdk ikut | indv425| 1 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 160 | 0 | tdk ikut | indv426| 0 | 0 | 1 | 0 | 1 | 1 | 1 | 1 | 1 | 1 | 180 | 0 | tdk ikut | indv427| 0 | 0 | 0 | 1 | 1 | 1 | 0 | 1 | 1 | 1 | 130 | 0 | tdk ikut | indv428| 0 | 0 | 1 | 1 | 1 | 1 | 0 | 1 | 1 | 1 | 160 | 0 | tdk ikut | indv429| 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 50 | 80 | ikut | indv430| 1 | 1 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 170 | 0 | tdk ikut | indv431| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 80 | 90 | ikut | indv432| 1 | 1 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 160 | 0 | tdk ikut | indv433| 1 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 70 | 63 | ikut | indv434| 0 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 90 | 80 | ikut | indv435| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 80 | 90 | ikut |

  83

  indv436| 0 | 0 | 1 | 0 | 1 | 1 | 1 | 0 | 1 | 1 | 160 | 0 | tdk ikut | indv437| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 80 | 80 | ikut | indv438| 1 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 130 | 0 | tdk ikut | indv439| 0 | 0 | 0 | 0 | 1 | 1 | 1 | 1 | 0 | 1 | 120 | 0 | tdk ikut | indv440| 0 | 1 | 1 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 150 | 0 | tdk ikut | indv441| 0 | 1 | 1 | 0 | 1 | 1 | 1 | 1 | 0 | 1 | 200 | 0 | tdk ikut | indv442| 1 | 1 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 0 | 190 | 0 | tdk ikut | indv443| 0 | 1 | 1 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 160 | 0 | tdk ikut | indv444| 1 | 1 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 160 | 0 | tdk ikut | indv445| 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 100 | 90 | ikut | indv446| 0 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 160 | 0 | tdk ikut | indv447| 1 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 1 | 110 | 0 | tdk ikut | indv448| 1 | 0 | 1 | 0 | 1 | 1 | 1 | 1 | 0 | 1 | 190 | 0 | tdk ikut | indv449| 1 | 1 | 0 | 0 | 1 | 1 | 1 | 0 | 1 | 1 | 220 | 0 | tdk ikut | indv450| 1 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 150 | 0 | tdk ikut | indv451| 1 | 0 | 0 | 1 | 1 | 1 | 1 | 0 | 1 | 0 | 160 | 0 | tdk ikut | indv452| 0 | 1 | 1 | 1 | 0 | 1 | 1 | 1 | 0 | 0 | 180 | 0 | tdk ikut | indv453| 1 | 1 | 0 | 1 | 0 | 0 | 1 | 1 | 1 | 0 | 180 | 0 | tdk ikut | indv454| 1 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 200 | 0 | tdk ikut | indv455| 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 100 | 110 | ikut | indv456| 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 120 | 0 | tdk ikut | indv457| 0 | 0 | 0 | 1 | 1 | 1 | 0 | 1 | 1 | 0 | 110 | 0 | tdk ikut | indv458| 1 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 140 | 0 | tdk ikut | indv459| 0 | 0 | 0 | 1 | 0 | 1 | 1 | 1 | 1 | 1 | 150 | 0 | tdk ikut | indv460| 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 0 | 100 | 90 | ikut | indv461| 0 | 1 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 100 | 133 | ikut | indv462| 1 | 0 | 0 | 0 | 1 | 1 | 1 | 1 | 1 | 0 | 170 | 0 | tdk ikut | indv463| 0 | 1 | 1 | 1 | 1 | 1 | 1 | 0 | 1 | 0 | 200 | 0 | tdk ikut | indv464| 1 | 1 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 0 | 190 | 0 | tdk ikut | indv465| 0 | 1 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 130 | 0 | tdk ikut | indv466| 0 | 0 | 1 | 1 | 1 | 0 | 1 | 1 | 0 | 0 | 100 | 103 | ikut | indv467| 1 | 1 | 0 | 0 | 1 | 1 | 1 | 1 | 1 | 0 | 220 | 0 | tdk ikut | indv468| 0 | 1 | 0 | 1 | 0 | 1 | 1 | 1 | 1 | 0 | 180 | 0 | tdk ikut | indv469| 1 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 120 | 0 | tdk ikut |

  84

  indv470| 1 | 1 | 1 | 1 | 1 | 0 | 1 | 1 | 0 | 1 | 210 | 0 | tdk ikut | indv471| 1 | 0 | 1 | 1 | 0 | 0 | 1 | 1 | 0 | 0 | 130 | 0 | tdk ikut | indv472| 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 100 | 60 | ikut | indv473| 0 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 1 | 110 | 0 | tdk ikut | indv474| 1 | 0 | 0 | 0 | 1 | 1 | 1 | 1 | 1 | 1 | 190 | 0 | tdk ikut | indv475| 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 1 | 130 | 0 | tdk ikut | indv476| 1 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 0 | 1 | 130 | 0 | tdk ikut | indv477| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 80 | 90 | ikut | indv478| 0 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 1 | 100 | 60 | ikut | indv479| 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 80 | 70 | ikut | indv480| 1 | 1 | 0 | 0 | 1 | 0 | 1 | 1 | 0 | 0 | 150 | 0 | tdk ikut | indv481| 1 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 160 | 0 | tdk ikut | indv482| 0 | 0 | 1 | 1 | 0 | 1 | 1 | 1 | 0 | 0 | 130 | 0 | tdk ikut | indv483| 0 | 1 | 1 | 1 | 0 | 1 | 1 | 1 | 0 | 1 | 200 | 0 | tdk ikut | indv484| 1 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 1 | 1 | 180 | 0 | tdk ikut | indv485| 0 | 1 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 160 | 0 | tdk ikut | indv486| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 100 | 110 | ikut | indv487| 1 | 0 | 1 | 1 | 0 | 0 | 1 | 1 | 1 | 1 | 180 | 0 | tdk ikut | indv488| 0 | 0 | 1 | 1 | 0 | 0 | 1 | 1 | 1 | 1 | 140 | 0 | tdk ikut | indv489| 1 | 1 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 170 | 0 | tdk ikut | indv490| 1 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 110 | 0 | tdk ikut | indv491| 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 150 | 0 | tdk ikut | indv492| 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 80 | 90 | ikut | indv493| 1 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 110 | 0 | tdk ikut | indv494| 1 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 100 | 73 | ikut | indv495| 1 | 0 | 1 | 1 | 1 | 0 | 1 | 0 | 1 | 1 | 170 | 0 | tdk ikut | indv496| 0 | 1 | 1 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 150 | 0 | tdk ikut | indv497| 1 | 1 | 1 | 0 | 0 | 1 | 0 | 1 | 1 | 1 | 230 | 0 | tdk ikut | indv498| 1 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 140 | 0 | tdk ikut | indv499| 1 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 140 | 0 | tdk ikut | indv500| 0 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 0 | 1 | 90 | 63 | ikut | LANGKAH 2 ==&gt; Evaluasi Populasi awal sebelum di lakukan langkah selanjutnya

1. Menghilangkan individu yang melebihi kapasitas maksimum

  85

  # Tampilkan Populasi yang baru Y or N [N]? y &lt;&gt; Populasi yang baru setelah individu yang melebihi kapasitas dibuang x1 | x2 | x3 | x4 | x5 | x6 | x7 | x8 | x9 | x10| berat | profit| ket | indv 1| 0 | 0 | 0 | 1 | 1 | 0 | 0 | 1 | 0 | 0 | 40 | 33 | ikut | indv 2| 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 70 | 80 | ikut | indv 3| 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 80 | 83 | ikut | indv 4| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 60 | 40 | ikut | indv 5| 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 100 | 60 | ikut | indv 6| 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 70 | 80 | ikut | indv 7| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 80 | 80 | ikut | indv 8| 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 90 | 123 | ikut | indv 9| 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 50 | 30 | ikut | indv 10| 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 70 | 100 | ikut | indv 11| 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 90 | 93 | ikut | indv 12| 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 50 | 30 | ikut | indv 13| 0 | 0 | 0 | 1 | 1 | 0 | 1 | 0 | 1 | 1 | 100 | 103 | ikut | indv 14| 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 100 | 90 | ikut | indv 15| 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 100 | 110 | ikut | indv 16| 0 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 60 | 40 | ikut | indv 17| 0 | 0 | 1 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 90 | 100 | ikut | indv 18| 1 | 0 | 0 | 1 | 1 | 0 | 0 | 1 | 0 | 0 | 80 | 73 | ikut | indv 19| 0 | 1 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 100 133 | ikut | indv 20| 0 | 0 | 0 | 1 | 1 | 1 | 0 | 1 | 0 | 0 | 80 | 53 | ikut | indv 21| 1 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 0 | 0 | 100 | 123 | ikut | indv 22| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 30 | 30 | ikut | indv 23| 0 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 80 | 40 | ikut | indv 24| 1 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 90 | 120 | ikut | indv 25| 1 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 100 110 | ikut | indv 26| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 80 | 80 | ikut | indv 27| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 10 | 10 | ikut | indv 28| 0 | 1 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 100 | 90 | ikut | indv 29| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 10 | 10 | ikut | indv 30| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 1 | 80 | 60 | ikut |

  86

  indv 31| 0 | 1 | 0 | 1 | 1 | 0 | 0 | 1 | 0 | 0 | 90 | 93 | ikut | indv 32| 1 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 100 | 80 | ikut | indv 33| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 60 | 60 | ikut | indv 34| 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 90 | 130 | ikut | indv 35| 0 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 70 | 43 | ikut | indv 36| 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 80 | 53 | ikut | indv 37| 0 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 50 | 23 | ikut | indv 38| 0 | 0 | 1 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 100 | 53 | ikut | indv 39| 0 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 90 | 50 | ikut | indv 40| 0 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 90 | 50 | ikut | indv 41| 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 40 | 13 | ikut | indv 42| 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 70 | 30 | ikut | indv 43| 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 100 | 110 | ikut | indv 44| 0 | 0 | 1 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 80 | 33 | ikut | indv 45| 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 90 | 100 | ikut | indv 46| 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 60 | 90 | ikut | indv 47| 0 | 0 | 0 | 1 | 0 | 0 | 1 | 1 | 1 | 0 | 90 | 100 | ikut | indv 48| 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 60 | 63 | ikut | indv 49| 1 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 90 | 70 | ikut | indv 50| 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 90 | 80 | ikut | indv 51| 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 90 | 50 | ikut | indv 52| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 100| 110 | ikut | indv 53| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 90 | 70 | ikut | indv 54| 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 70 | 63 | ikut | indv 55| 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 60 | 70 | ikut | indv 56| 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 70 | 73 | ikut | indv 57| 1 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 100 | 73 | ikut | indv 58| 0 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 1 | 40 | 33 | ikut | indv 59| 0 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 40 | 13 | ikut | indv 60| 0 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 60 | 33 | ikut | indv 61| 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 80 | 90 | ikut | indv 62| 1 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 100 | 73 | ikut | indv 63| 0 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 1 | 40 | 33 | ikut | indv 64| 0 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 90 | 50 | ikut |

  87

  indv 65| 0 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 1 | 0 | 90 | 93 | ikut | indv 66| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 60 | 40 | ikut | indv 67| 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 90 | 130 | ikut | indv 68| 1 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 90 | 83 | ikut | indv 69| 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 90 | 50 | ikut | indv 70| 1 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 90 | 120 | ikut | indv 71| 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 80 | 90 | ikut | indv 72| 1 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 100 | 80 | ikut | indv 73| 0 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 80 | 60 | ikut | indv 74| 0 | 0 | 0 | 1 | 0 | 0 | 1 | 1 | 1 | 0 | 90 | 100 | ikut | indv 75| 0 | 0 | 1 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 100 | 90 | ikut | indv 76| 0 | 0 | 1 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 100 | 53 | ikut | indv 77| 0 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 100 | 60 | ikut | indv 78| 0 | 0 | 0 | 1 | 1 | 1 | 0 | 0 | 1 | 0 | 90 | 43 | ikut | indv 79| 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 60 | 90 | ikut | indv 80| 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 90 | 70 | ikut | indv 81| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 100 | 140 | ikut | indv 82| 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 100 | 80 | ikut | indv 83| 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 70 | 80 | ikut | indv 84| 0 | 0 | 0 | 1 | 1 | 0 | 0 | 1 | 1 | 0 | 70 | 43 | ikut | indv 85| 0 | 0 | 0 | 1 | 1 | 1 | 0 | 1 | 0 | 0 | 80 | 53 | ikut | indv 86| 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 100 | 80 | ikut | indv 87| 1 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 100 | 80 | ikut | indv 88| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 100 | 140 | ikut | indv 89| 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 90 | 80 | ikut | indv 90| 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 30 | 23 | ikut | indv 91| 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 50 | 80 | ikut | indv 92| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 80 | 90 | ikut | indv 93| 1 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 70 | 63 | ikut | indv 94| 0 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 90 | 80 | ikut | indv 95| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 80 | 90 | ikut | indv 96| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 80 | 80 | ikut | indv 97| 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 100 | 90 | ikut | indv 98| 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 100 | 110 | ikut |

  88

  indv 99| 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 0 | 100 | 90 | ikut | indv100| 0 | 1 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 100 | 133 | ikut | indv101| 0 | 0 | 1 | 1 | 1 | 0 | 1 | 1 | 0 | 0 | 100 | 103 | ikut | indv102| 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 100 | 60 | ikut | indv103| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 80 | 90 | ikut | indv104| 0 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 1 | 100 | 60 | ikut | indv105| 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 80 | 70 | ikut | indv106| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 100 | 110 | ikut | indv107| 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 80 | 90 | ikut | indv108| 1 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 100 | 73 | ikut | indv109| 0 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 0 | 1 | 90 | 63 | ikut |

  2. Menghitung jumlah populasi yang tidak melebihi kapasitas Ukuran populasi yang memenuhi syarat tidak melebihi kapasitas yaitu 109

  3. Menemukan individu terbaik, MaxF Fitness Max = 140 Indeks individu terbaik = 81 LANGKAH 3 ==&gt; Seleksi RouletteWheel

  1. Menemukan linier fitness # Tampilkan LinierFitness Y or N [N]? y &lt;&gt; Linier fitness yang terbentuk indv 1 | 22.03704 indv 2 | 73.79630 indv 3 | 91.85185 indv 4 | 28.05556 indv 5 | 48.51852 indv 6 | 75.00000 indv 7 | 76.20370 indv 8 | 131.57407 indv 9 | 17.22222 indv 10 | 113.51852 indv 11 | 109.90741 indv 12 | 18.42593

  89

  indv 13 | 119.53704 indv 14 | 94.25926 indv 15 | 121.94444 indv 16 | 29.25926 indv 17 | 114.72222 indv 18 | 67.77778 indv 19 | 136.38889 indv 20 | 42.50000 indv 21 | 132.77778 indv 22 | 19.62963 indv 23 | 30.46296 indv 24 | 129.16667 indv 25 | 123.14815 indv 26 | 77.40741 indv 27 | 10.00000 indv 28 | 95.46296 indv 29 | 11.20370 indv 30 | 49.72222 indv 31 | 111.11111 indv 32 | 78.61111 indv 33 | 50.92593 indv 34 | 133.98148 indv 35 | 32.87037 indv 36 | 43.70370 indv 37 | 14.81481 indv 38 | 44.90741 indv 39 | 36.48148 indv 40 | 37.68519 indv 41 | 12.40741 indv 42 | 20.83333 indv 43 | 124.35185 indv 44 | 23.24074 indv 45 | 115.92593 indv 46 | 96.66667

  90

  indv 47 | 117.12963 indv 48 | 56.94444 indv 49 | 61.75926 indv 50 | 79.81481 indv 51 | 38.88889 indv 52 | 125.55556 indv 53 | 62.96296 indv 54 | 58.14815 indv 55 | 64.16667 indv 56 | 68.98148 indv 57 | 70.18519 indv 58 | 24.44444 indv 59 | 13.61111 indv 60 | 25.64815 indv 61 | 97.87037 indv 62 | 71.38889 indv 63 | 26.85185 indv 64 | 40.09259 indv 65 | 112.31481 indv 66 | 31.66667 indv 67 | 135.18519 indv 68 | 93.05556 indv 69 | 41.29630 indv 70 | 130.37037 indv 71 | 99.07407 indv 72 | 81.01852 indv 73 | 52.12963 indv 74 | 118.33333 indv 75 | 100.27778 indv 76 | 46.11111 indv 77 | 53.33333 indv 78 | 34.07407 indv 79 | 101.48148 indv 80 | 65.37037

  91

  indv 81 | 138.79630 indv 82 | 82.22222 indv 83 | 83.42593 indv 84 | 35.27778 indv 85 | 47.31481 indv 86 | 84.62963 indv 87 | 85.83333 indv 88 | 140.00000 indv 89 | 87.03704 indv 90 | 16.01852 indv 91 | 88.24074 indv 92 | 102.68519 indv 93 | 59.35185 indv 94 | 89.44444 indv 95 | 103.88889 indv 96 | 90.64815 indv 97 | 105.09259 indv 98 | 126.75926 indv 99 | 106.29630 indv100 | 137.59259 indv101 | 120.74074 indv102 | 54.53704 indv103 | 107.50000 indv104 | 55.74074 indv105 | 66.57407 indv106 | 127.96296 indv107 | 108.70370 indv108 | 72.59259 indv109 | 60.55556

  2. Menemukan seleksi RouletteWheel dan cross over # Tampilkan Hasil cross over dengan probabilitas silang 0.8 Y or N [N]? y

  92

  &lt;&gt; Hasil cross over dengan probabilitas silang 0.8 x1 | x2 | x3 | x4 | x5 | x6 | x7 | x8 | x9 | x10 | berat | profit | ket | indv 1| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 100 | 140 | ikut | indv 2| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 100 | 140 | ikut | indv 3| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 100 | 140 | ikut | indv 4| 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 80 | 70 | ikut | indv 5| 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 80 | 70 | ikut | indv 6| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 100 | 110 | ikut | indv 7| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 100 | 110 | ikut | indv 8| 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 80 | 83 | ikut | indv 9| 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 80 | 83 | ikut | indv 10| 1 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 90 | 83 | ikut | indv 11| 1 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 90 | 83 | ikut | indv 12| 0 | 1 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 100 | 90 | ikut | indv 13| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 100 | 140 | ikut | indv 14| 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 80 | 90 | ikut | indv 15| 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 80 | 90 | ikut | indv 16| 0 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 1 | 40 | 33 | ikut | indv 17| 1 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 100 | 73 | ikut | indv 18| 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 80 | 90 | ikut | indv 19| 1 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 0 | 0 | 100 | 123 | ikut | indv 20| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 80 | 90 | ikut | indv 21| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 80 | 90 | ikut | indv 22| 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 90 | 130 | ikut | indv 23| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 10 | 10 | ikut | indv 24| 0 | 0 | 1 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 90 | 100 | ikut | indv 25| 0 | 0 | 1 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 90 | 100 | ikut | indv 26| 0 | 0 | 1 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 100 | 53 | ikut | indv 27| 0 | 0 | 1 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 100 | 53 | ikut | indv 28| 0 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 60 | 40 | ikut | indv 29| 0 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 60 | 40 | ikut | indv 30| 0 | 0 | 1 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 100 | 90 | ikut | indv 31| 0 | 0 | 1 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 100 | 90 | ikut | indv 32| 1 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 0 | 0 | 100 | 123 | ikut |

  93

  indv 33| 1 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 0 | 0 | 100 | 123 | ikut | indv 34| 1 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 90 | 70 | ikut | indv 35| 1 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 90 | 70 | ikut | indv 36| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 80 | 90 | ikut | indv 37| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 80 | 90 | ikut | indv 38| 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 30 | 23 | ikut | indv 39| 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 30 | 23 | ikut | indv 40| 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 100 | 60 | ikut | indv 41| 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 100 | 60 | ikut | indv 42| 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 90 | 80 | ikut | indv 43| 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 90 | 80 | ikut | indv 44| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 90 | 70 | ikut | indv 45| 0 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 100 | 60 | ikut | indv 46| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 80 | 90 | ikut | indv 47| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 80 | 90 | ikut | indv 48| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 80 | 90 | ikut | indv 49| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 80 | 90 | ikut | indv 50| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 90 | 70 | ikut | indv 51| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 90 | 70 | ikut | indv 52| 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 100 | 90 | ikut | indv 53| 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 100 | 90 | ikut | indv 54| 0 | 0 | 0 | 1 | 1 | 0 | 0 | 1 | 1 | 0 | 70 | 43 | ikut | indv 55| 0 | 0 | 0 | 1 | 1 | 0 | 0 | 1 | 1 | 0 | 70 | 43 | ikut | indv 56| 0 | 1 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 100 | 90 | ikut | indv 57| 0 | 1 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 100 | 90 | ikut | indv 58| 1 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 100 | 73 | ikut | indv 59| 1 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 100 | 73 | ikut | indv 60| 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 90 | 130 | ikut | indv 61| 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 90 | 130 | ikut | indv 62| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 1 | 80 | 60 | ikut | indv 63| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 1 | 80 | 60 | ikut | indv 64| 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 80 | 83 | ikut | indv 65| 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 80 | 83 | ikut | indv 66| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 80 | 80 | ikut |

  94

  indv 67| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 80 | 80 | ikut | indv 68| 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 0 | 100 | 90 | ikut | indv 69| 1 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 100 | 80 | ikut | indv 70| 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 70 | 30 | ikut | indv 71| 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 70 | 30 | ikut | indv 72| 0 | 0 | 1 | 1 | 1 | 0 | 1 | 1 | 0 | 0 | 100 | 103 | ikut | indv 73| 0 | 0 | 1 | 1 | 1 | 0 | 1 | 1 | 0 | 0 | 100 | 103 | ikut | indv 74| 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 80 | 90 | ikut | indv 75| 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 80 | 90 | ikut | indv 76| 0 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 1 | 0 | 90 | 93 | ikut | indv 77| 0 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 1 | 0 | 90 | 93 | ikut | indv 78| 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 90 | 50 | ikut | indv 79| 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 90 | 130 | ikut | indv 80| 1 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 100 | 80 | ikut | indv 81| 1 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 100 | 80 | ikut | indv 82| 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 90 | 93 | ikut | indv 83| 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 90 | 93 | ikut | indv 84| 0 | 1 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 100 | 133 | ikut | indv 85| 0 | 1 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 100 | 133 | ikut | indv 86| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 100 | 140 | ikut | indv 87| 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 90 | 70 | ikut | indv 88| 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 0 | 100 | 90 | ikut | indv 89| 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 0 | 100 | 90 | ikut | indv 90| 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 90 | 123 | ikut | indv 91| 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 90 | 123 | ikut | indv 92| 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 80 | 90 | ikut | indv 93| 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 80 | 90 | ikut | indv 94| 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 70 | 80 | ikut | indv 95| 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 80 | 90 | ikut | indv 96| 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 80 | 90 | ikut | indv 97| 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 80 | 90 | ikut | indv 98| 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 90 | 70 | ikut | indv 99| 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 90 | 70 | ikut | indv100| 0 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 90 | 80 | ikut |

  95

  indv101| 0 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 90 | 80 | ikut | indv102| 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 70 | 80 | ikut | indv103| 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 70 | 80 | ikut | indv104| 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 80 | 90 | ikut | indv105| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 80 | 80 | ikut | indv106| 1 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 100 | 73 | ikut | indv107| 1 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 100 | 73 | ikut | indv108| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 80 | 80 | ikut | indv109| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 80 | 80 | ikut | # Tampilkan Hasil cross over dengan probabilitas silang 0.85 Y or N [N]? y &lt;&gt; Hasil cross over dengan probabilitas silang 0.85 x1 | x2 | x3 | x4 | x5 | x6 | x7 | x8 | x9 |x10| berat | profit | ket | indv 1| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 100 | 140 | ikut | indv 2| 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 70 | 80 | ikut | indv 3| 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 80 | 83 | ikut | indv 4| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 60 | 40 | ikut | indv 5| 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 100 | 60 | ikut | indv 6| 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 70 | 80 | ikut | indv 7| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 80 | 80 | ikut | indv 8| 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 90 | 123 | ikut | indv 9| 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 50 | 30 | ikut | indv 10| 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 70 | 100 | ikut | indv 11| 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 90 | 93 | ikut | indv 12| 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 50 | 30 | ikut | indv 13| 0 | 0 | 0 | 1 | 1 | 0 | 1 | 0 | 1 | 1 | 100 | 103 | ikut | indv 14| 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 100 | 90 | ikut | indv 15| 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 100 | 110 | ikut | indv 16| 0 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 60 | 40 | ikut | indv 17| 0 | 0 | 1 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 90 | 100 | ikut | indv 18| 1 | 0 | 0 | 1 | 1 | 0 | 0 | 1 | 0 | 0 | 80 | 73 | ikut | indv 19| 0 | 1 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 100 | 133 | ikut | indv 20| 0 | 0 | 0 | 1 | 1 | 1 | 0 | 1 | 0 | 0 | 80 | 53 | ikut | indv 21| 1 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 0 | 0 | 100 | 123 | ikut |

  96

  indv 22| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 30 | 30 | ikut | indv 23| 0 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 80 | 40 | ikut | indv 24| 1 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 90 | 120 | ikut | indv 25| 1 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 100 | 110 | ikut | indv 26| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 80 | 80 | ikut | indv 27| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 10 | 10 | ikut | indv 28| 0 | 1 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 100 | 90 | ikut | indv 29| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 10 | 10 | ikut | indv 30| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 1 | 80 | 60 | ikut | indv 31| 0 | 1 | 0 | 1 | 1 | 0 | 0 | 1 | 0 | 0 | 90 | 93 | ikut | indv 32| 1 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 100 | 80 | ikut | indv 33| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 60 | 60 | ikut | indv 34| 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 90 | 130 | ikut | indv 35| 0 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 70 | 43 | ikut | indv 36| 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 80 | 53 | ikut | indv 37| 0 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 50 | 23 | ikut | indv 38| 0 | 0 | 1 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 100 | 53 | ikut | indv 39| 0 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 90 | 50 | ikut | indv 40| 0 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 90 | 50 | ikut | indv 41| 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 40 | 13 | ikut | indv 42| 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 70 | 30 | ikut | indv 43| 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 100 | 110 | ikut | indv 44| 0 | 0 | 1 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 80 | 33 | ikut | indv 45| 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 90 | 100 | ikut | indv 46| 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 60 | 90 | ikut | indv 47| 0 | 0 | 0 | 1 | 0 | 0 | 1 | 1 | 1 | 0 | 90 | 100 | ikut | indv 48| 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 60 | 63 | ikut | indv 49| 1 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 90 | 70 | ikut | indv 50| 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 90 | 80 | ikut | indv 51| 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 90 | 50 | ikut | indv 52| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 100 | 110 | ikut | indv 53| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 90 | 70 | ikut | indv 54| 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 70 | 63 | ikut | indv 55| 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 60 | 70 | ikut |

  97

  indv 56| 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 70 | 73 | ikut | indv 57| 1 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 100 | 73 | ikut | indv 58| 0 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 1 | 40 | 33 | ikut | indv 59| 0 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 40 | 13 | ikut | indv 60| 0 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 60 | 33 | ikut | indv 61| 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 80 | 90 | ikut | indv 62| 1 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 100 | 73 | ikut | indv 63| 0 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 1 | 40 | 33 | ikut | indv 64| 0 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 90 | 50 | ikut | indv 65| 0 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 1 | 0 | 90 | 93 | ikut | indv 66| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 60 | 40 | ikut | indv 67| 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 90 | 130 | ikut | indv 68| 1 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 90 | 83 | ikut | indv 69| 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 90 | 50 | ikut | indv 70| 1 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 90 | 120 | ikut | indv 71| 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 80 | 90 | ikut | indv 72| 1 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 100 | 80 | ikut | indv 73| 0 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 80 | 60 | ikut | indv 74| 0 | 0 | 0 | 1 | 0 | 0 | 1 | 1 | 1 | 0 | 90 | 100 | ikut | indv 75| 0 | 0 | 1 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 100 | 90 | ikut | indv 76| 0 | 0 | 1 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 100 | 53 | ikut | indv 77| 0 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 100 | 60 | ikut | indv 78| 0 | 0 | 0 | 1 | 1 | 1 | 0 | 0 | 1 | 0 | 90 | 43 | ikut | indv 79| 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 60 | 90 | ikut | indv 80| 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 90 | 70 | ikut | indv 81| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 100 | 140 | ikut | indv 82| 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 100 | 80 | ikut | indv 83| 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 70 | 80 | ikut | indv 84| 0 | 0 | 0 | 1 | 1 | 0 | 0 | 1 | 1 | 0 | 70 | 43 | ikut | indv 85| 0 | 0 | 0 | 1 | 1 | 1 | 0 | 1 | 0 | 0 | 80 | 53 | ikut | indv 86| 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 100 | 80 | ikut | indv 87| 1 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 100 | 80 | ikut | indv 88| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 100 | 140 | ikut | indv 89| 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 90 | 80 | ikut |

  98

  indv 90| 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 30 | 23 | ikut | indv 91| 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 50 | 80 | ikut | indv 92| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 80 | 90 | ikut | indv 93| 1 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 70 | 63 | ikut | indv 94| 0 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 90 | 80 | ikut | indv 95| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 80 | 90 | ikut | indv 96| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 80 | 80 | ikut | indv 97| 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 100 | 90 | ikut | indv 98| 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 100 | 110 | ikut | indv 99| 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 0 | 100 | 90 | ikut | indv100| 0 | 1 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 100 | 133 | ikut | indv101| 0 | 0 | 1 | 1 | 1 | 0 | 1 | 1 | 0 | 0 | 100 | 103 | ikut | indv102| 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 100 | 60 | ikut | indv103| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 80 | 90 | ikut | indv104| 0 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 1 | 100 | 60 | ikut | indv105| 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 80 | 70 | ikut | indv106| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 100 | 110 | ikut | indv107| 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 80 | 90 | ikut | indv108| 1 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 100 | 73 | ikut | indv109| 0 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 0 | 1 | 90 | 63 | ikut | # Tampilkan Hasil cross over dengan probabilitas silang 0.9 Y or N [N]? y &lt;&gt; Hasil cross over dengan probabilitas silang 0.9 x1 | x2 | x3 | x4 | x5 | x6 | x7 | x8 | x9 | x10| berat | profit | ket | indv 1| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 100 | 140 | ikut | indv 2| 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 70 | 80 | ikut | indv 3| 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 80 | 83 | ikut | indv 4| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 60 | 40 | ikut | indv 5| 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 100 | 60 | ikut | indv 6| 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 70 | 80 | ikut | indv 7| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 80 | 80 | ikut | indv 8| 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 90 | 123 | ikut | indv 9| 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 50 | 30 | ikut | indv 10| 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 70 | 100 | ikut |

  99

  indv 11| 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 90 | 93 | ikut | indv 12| 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 50 | 30 | ikut | indv 13| 0 | 0 | 0 | 1 | 1 | 0 | 1 | 0 | 1 | 1 | 100 | 103 | ikut | indv 14| 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 100 | 90 | ikut | indv 15| 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 100 | 110 | ikut | indv 16| 0 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 60 | 40 | ikut | indv 17| 0 | 0 | 1 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 90 | 100 | ikut | indv 18| 1 | 0 | 0 | 1 | 1 | 0 | 0 | 1 | 0 | 0 | 80 | 73 | ikut | indv 19| 0 | 1 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 100 | 133 | ikut | indv 20| 0 | 0 | 0 | 1 | 1 | 1 | 0 | 1 | 0 | 0 | 80 | 53 | ikut | indv 21| 1 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 0 | 0 | 100 | 123 | ikut | indv 22| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 30 | 30 | ikut | indv 23| 0 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 80 | 40 | ikut | indv 24| 1 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 90 | 120 | ikut | indv 25| 1 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 100 | 110 | ikut | indv 26| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 80 | 80 | ikut | indv 27| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 10 | 10 | ikut | indv 28| 0 | 1 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 100 | 90 | ikut | indv 29| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 10 | 10 | ikut | indv 30| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 1 | 80 | 60 | ikut | indv 31| 0 | 1 | 0 | 1 | 1 | 0 | 0 | 1 | 0 | 0 | 90 | 93 | ikut | indv 32| 1 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 100 | 80 | ikut | indv 33| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 60 | 60 | ikut | indv 34| 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 90 | 130 | ikut | indv 35| 0 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 70 | 43 | ikut | indv 36| 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 80 | 53 | ikut | indv 37| 0 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 50 | 23 | ikut | indv 38| 0 | 0 | 1 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 100 | 53 | ikut | indv 39| 0 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 90 | 50 | ikut | indv 40| 0 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 90 | 50 | ikut | indv 41| 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 40 | 13 | ikut | indv 42| 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 70 | 30 | ikut | indv 43| 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 100 | 110 | ikut | indv 44| 0 | 0 | 1 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 80 | 33 | ikut |

  100

  indv 45| 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 90 | 100 | ikut | indv 46| 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 60 | 90 | ikut | indv 47| 0 | 0 | 0 | 1 | 0 | 0 | 1 | 1 | 1 | 0 | 90 | 100 | ikut | indv 48| 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 60 | 63 | ikut | indv 49| 1 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 90 | 70 | ikut | indv 50| 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 90 | 80 | ikut | indv 51| 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 90 | 50 | ikut | indv 52| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 100 | 110 | ikut | indv 53| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 90 | 70 | ikut | indv 54| 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 70 | 63 | ikut | indv 55| 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 60 | 70 | ikut | indv 56| 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 70 | 73 | ikut | indv 57| 1 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 100 | 73 | ikut | indv 58| 0 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 1 | 40 | 33 | ikut | indv 59| 0 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 40 | 13 | ikut | indv 60| 0 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 60 | 33 | ikut | indv 61| 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 80 | 90 | ikut | indv 62| 1 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 100 | 73 | ikut | indv 63| 0 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 1 | 40 | 33 | ikut | indv 64| 0 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 90 | 50 | ikut | indv 65| 0 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 1 | 0 | 90 | 93 | ikut | indv 66| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 60 | 40 | ikut | indv 67| 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 90 | 130 | ikut | indv 68| 1 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 90 | 83 | ikut | indv 69| 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 90 | 50 | ikut | indv 70| 1 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 90 | 120 | ikut | indv 71| 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 80 | 90 | ikut | indv 72| 1 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 100 | 80 | ikut | indv 73| 0 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 80 | 60 | ikut | indv 74| 0 | 0 | 0 | 1 | 0 | 0 | 1 | 1 | 1 | 0 | 90 | 100 | ikut | indv 75| 0 | 0 | 1 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 100 | 90 | ikut | indv 76| 0 | 0 | 1 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 100 | 53 | ikut | indv 77| 0 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 100 | 60 | ikut | indv 78| 0 | 0 | 0 | 1 | 1 | 1 | 0 | 0 | 1 | 0 | 90 | 43 | ikut |

  101

  indv 79| 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 60 | 90 | ikut | indv 80| 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 90 | 70 | ikut | indv 81| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 100 | 140 | ikut | indv 82| 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 100 | 80 | ikut | indv 83| 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 70 | 80 | ikut | indv 84| 0 | 0 | 0 | 1 | 1 | 0 | 0 | 1 | 1 | 0 | 70 | 43 | ikut | indv 85| 0 | 0 | 0 | 1 | 1 | 1 | 0 | 1 | 0 | 0 | 80 | 53 | ikut | indv 86| 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 100 | 80 | ikut | indv 87| 1 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 100 | 80 | ikut | indv 88| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 100 | 140 | ikut | indv 89| 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 90 | 80 | ikut | indv 90| 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 30 | 23 | ikut | indv 91| 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 50 | 80 | ikut | indv 92| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 80 | 90 | ikut | indv 93| 1 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 70 | 63 | ikut | indv 94| 0 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 90 | 80 | ikut | indv 95| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 80 | 90 | ikut | indv 96| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 80 | 80 | ikut | indv 97| 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 100 | 90 | ikut | indv 98| 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 100 | 110 | ikut | indv 99| 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 0 | 100 | 90 | ikut | indv100| 0 | 1 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 100 | 133 | ikut | indv101| 0 | 0 | 1 | 1 | 1 | 0 | 1 | 1 | 0 | 0 | 100 | 103 | ikut | indv102| 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 100 | 60 | ikut | indv103| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 80 | 90 | ikut | indv104| 0 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 1 | 100 | 60 | ikut | indv105| 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 80 | 70 | ikut | indv106| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 100 | 110 | ikut | indv107| 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 80 | 90 | ikut | indv108| 1 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 100 | 73 | ikut | indv109| 0 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 0 | 1 | 90 | 63 | ikut | # Tampilkan Hasil cross over dengan probabilitas silang 0.95 Y or N [N]? y &lt;&gt; Hasil cross over dengan probabilitas silang 0.95

  102

  x1 | x2 | x3 | x4 | x5 | x6 | x7 | x8 | x9 | x10| berat | profit | ket | indv 1| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 100 | 140 | ikut | indv 2| 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 70 | 80 | ikut | indv 3| 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 80 | 83 | ikut | indv 4| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 60 | 40 | ikut | indv 5| 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 100 | 60 | ikut | indv 6| 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 70 | 80 | ikut | indv 7| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 80 | 80 | ikut | indv 8| 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 90 | 123 | ikut | indv 9| 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 50 | 30 | ikut | indv 10| 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 70 | 100 | ikut | indv 11| 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 90 | 93 | ikut | indv 12| 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 50 | 30 | ikut | indv 13| 0 | 0 | 0 | 1 | 1 | 0 | 1 | 0 | 1 | 1 | 100| 103 | ikut | indv 14| 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 100 | 90 | ikut | indv 15| 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 100 | 110 | ikut | indv 16| 0 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 60 | 40 | ikut | indv 17| 0 | 0 | 1 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 90 | 100 | ikut | indv 18| 1 | 0 | 0 | 1 | 1 | 0 | 0 | 1 | 0 | 0 | 80 | 73 | ikut | indv 19| 0 | 1 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 100 | 133 | ikut | indv 20| 0 | 0 | 0 | 1 | 1 | 1 | 0 | 1 | 0 | 0 | 80 | 53 | ikut | indv 21| 1 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 0 | 0 | 100 | 123 | ikut | indv 22| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 30 | 30 | ikut | indv 23| 0 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 80 | 40 | ikut | indv 24| 1 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 90 | 120 | ikut | indv 25| 1 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 100 | 110 | ikut | indv 26| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 80 | 80 | ikut | indv 27| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 10 | 10 | ikut | indv 28| 0 | 1 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 100 | 90 | ikut | indv 29| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 10 | 10 | ikut | indv 30| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 1 | 80 | 60 | ikut | indv 31| 0 | 1 | 0 | 1 | 1 | 0 | 0 | 1 | 0 | 0 | 90 | 93 | ikut | indv 32| 1 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 100 | 80 | ikut | indv 33| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 60 | 60 | ikut |

  103

  indv 34| 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 90 | 130 | ikut | indv 35| 0 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 70 | 43 | ikut | indv 36| 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 80 | 53 | ikut | indv 37| 0 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 50 | 23 | ikut | indv 38| 0 | 0 | 1 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 100 | 53 | ikut | indv 39| 0 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 90 | 50 | ikut | indv 40| 0 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 90 | 50 | ikut | indv 41| 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 40 | 13 | ikut | indv 42| 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 70 | 30 | ikut | indv 43| 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 100 | 110 | ikut | indv 44| 0 | 0 | 1 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 80 | 33 | ikut | indv 45| 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 90 | 100 | ikut | indv 46| 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 60 | 90 | ikut | indv 47| 0 | 0 | 0 | 1 | 0 | 0 | 1 | 1 | 1 | 0 | 90 | 100 | ikut | indv 48| 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 60 | 63 | ikut | indv 49| 1 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 90 | 70 | ikut | indv 50| 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 90 | 80 | ikut | indv 51| 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 90 | 50 | ikut | indv 52| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 100| 110 | ikut | indv 53| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 90 | 70 | ikut | indv 54| 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 70 | 63 | ikut | indv 55| 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 60 | 70 | ikut | indv 56| 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 70 | 73 | ikut | indv 57| 1 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 100 | 73 | ikut | indv 58| 0 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 1 | 40 | 33 | ikut | indv 59| 0 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 40 | 13 | ikut | indv 60| 0 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 60 | 33 | ikut | indv 61| 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 80 | 90 | ikut | indv 62| 1 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 100 | 73 | ikut | indv 63| 0 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 1 | 40 | 33 | ikut | indv 64| 0 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 90 | 50 | ikut | indv 65| 0 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 1 | 0 | 90 | 93 | ikut | indv 66| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 60 | 40 | ikut | indv 67| 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 90 | 130 | ikut |

  104

  indv 68| 1 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 90 | 83 | ikut | indv 69| 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 90 | 50 | ikut | indv 70| 1 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 90 | 120 | ikut | indv 71| 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 80 | 90 | ikut | indv 72| 1 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 100 | 80 | ikut | indv 73| 0 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 80 | 60 | ikut | indv 74| 0 | 0 | 0 | 1 | 0 | 0 | 1 | 1 | 1 | 0 | 90 | 100 | ikut | indv 75| 0 | 0 | 1 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 100 | 90 | ikut | indv 76| 0 | 0 | 1 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 100 | 53 | ikut | indv 77| 0 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 100 | 60 | ikut | indv 78| 0 | 0 | 0 | 1 | 1 | 1 | 0 | 0 | 1 | 0 | 90 | 43 | ikut | indv 79| 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 60 | 90 | ikut | indv 80| 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 90 | 70 | ikut | indv 81| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 100 | 140 | ikut | indv 82| 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 100 | 80 | ikut | indv 83| 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 70 | 80 | ikut | indv 84| 0 | 0 | 0 | 1 | 1 | 0 | 0 | 1 | 1 | 0 | 70 | 43 | ikut | indv 85| 0 | 0 | 0 | 1 | 1 | 1 | 0 | 1 | 0 | 0 | 80 | 53 | ikut | indv 86| 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 100 | 80 | ikut | indv 87| 1 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 100 | 80 | ikut | indv 88| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 100 | 140 | ikut | indv 89| 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 90 | 80 | ikut | indv 90| 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 30 | 23 | ikut | indv 91| 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 50 | 80 | ikut | indv 92| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 80 | 90 | ikut | indv 93| 1 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 70 | 63 | ikut | indv 94| 0 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 90 | 80 | ikut | indv 95| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 80 | 90 | ikut | indv 96| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 80 | 80 | ikut | indv 97| 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 100 | 90 | ikut | indv 98| 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 100 | 110 | ikut | indv 99| 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 0 | 100 | 90 | ikut | indv100| 0 | 1 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 100 | 133 | ikut | indv101| 0 | 0 | 1 | 1 | 1 | 0 | 1 | 1 | 0 | 0 | 100| 103 | ikut |

  105

  indv102| 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 100 | 60 | ikut | indv103| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 80 | 90 | ikut | indv104| 0 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 1 | 100 | 60 | ikut | indv105| 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 80 | 70 | ikut | indv106| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 100 | 110 | ikut | indv107| 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 80 | 90 | ikut | indv108| 1 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 100 | 73 | ikut | indv109| 0 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 0 | 1 | 90 | 63 | ikut | Mutasi

  1. Menemukan populasi baru dengan Mutasi # Tampilkan Hasil Mutasi dengan probabilitas mutasi 1/n Y or N [N]? y &lt;&gt; Hasil mutasi dengan probabilitas mutasi 1/n x1 | x2 | x3 | x4 | x5 | x6 | x7 | x8 | x9 | x10| berat | profit | ket | indv 1| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 100 | 140 | ikut | indv 2| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 100 | 140 | ikut | indv 3| 1 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 140 | 0 | tdk ikut | indv 4| 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 120 | 0 | tdk ikut | indv 5| 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 120 | 0 | tdk ikut | indv 6| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 100 | 10 | ikut | indv 7| 1 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 140 | 0 | tdk ikut | indv 8| 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 80 | 83 | ikut | indv 9| 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 80 | 83 | ikut | indv 10| 1 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 90 | 83 | ikut | indv 11| 1 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 90 | 83 | ikut | indv 12| 0 | 1 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 100 | 90 | ikut | indv 13| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 100 | 140 | ikut | indv 14| 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 80 | 90 | ikut | indv 15| 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 80 | 90 | ikut | indv 16| 0 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 1 | 40 | 33 | ikut | indv 17| 1 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 100 | 73 | ikut | indv 18| 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 80 | 90 | ikut | indv 19| 1 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 0 | 0 | 100 | 123 | ikut | indv 20| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 80 | 90 | ikut |

  106

  indv 21| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 80 | 90 | ikut | indv 22| 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 90 | 130 | ikut | indv 23| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 10 | 10 | ikut | indv 24| 0 | 0 | 1 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 90 | 100 | ikut | indv 25| 0 | 0 | 1 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 90 | 100 | ikut | indv 26| 0 | 0 | 1 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 100 | 53 | ikut | indv 27| 0 | 0 | 1 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 100 | 53 | ikut | indv 28| 0 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 60 | 40 | ikut | indv 29| 0 | 0 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 60 | 40 | ikut | indv 30| 0 | 0 | 1 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 100 | 90 | ikut | indv 31| 0 | 0 | 1 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 100 | 90 | ikut | indv 32| 1 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 0 | 0 | 100 | 123 | ikut | indv 33| 1 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 0 | 0 | 100 | 123 | ikut | indv 34| 1 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 90 | 70 | ikut | indv 35| 1 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 90 | 70 | ikut | indv 36| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 80 | 90 | ikut | indv 37| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 80 | 90 | ikut | indv 38| 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 30 | 23 | ikut | indv 39| 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 30 | 23 | ikut | indv 40| 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 100 | 60 | ikut | indv 41| 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 100 | 60 | ikut | indv 42| 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 90 | 80 | ikut | indv 43| 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 90 | 80 | ikut | indv 44| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 90 | 70 | ikut | indv 45| 0 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 100 | 60 | ikut | indv 46| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 80 | 90 | ikut | indv 47| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 80 | 90 | ikut | indv 48| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 80 | 90 | ikut | indv 49| 0 | 1 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 80 | 90 | ikut | indv 50| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 90 | 70 | ikut | indv 51| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 90 | 70 | ikut | indv 52| 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 100 | 90 | ikut | indv 53| 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 100 | 90 | ikut |

  107

  indv 54| 0 | 0 | 0 | 1 | 1 | 0 | 0 | 1 | 1 | 0 | 70 | 43 | ikut | indv 55| 0 | 0 | 0 | 1 | 1 | 0 | 0 | 1 | 1 | 0 | 70 | 43 | ikut | indv 56| 0 | 1 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 100 | 90 | ikut | indv 57| 0 | 1 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 100 | 90 | ikut | indv 58| 1 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 100 | 73 | ikut | indv 59| 1 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 100 | 73 | ikut | indv 60| 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 90 | 130 | ikut | indv 61| 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 90 | 130 | ikut | indv 62| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 1 | 80 | 60 | ikut | indv 63| 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 1 | 80 | 60 | ikut | indv 64| 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 80 | 83 | ikut | indv 65| 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 80 | 83 | ikut | indv 66| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 80 | 80 | ikut | indv 67| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 80 | 80 | ikut | indv 68| 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 0 | 100 | 90 | ikut | indv 69| 1 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 100 | 80 | ikut | indv 70| 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 70 | 30 | ikut | indv 71| 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 70 | 30 | ikut | indv 72| 0 | 0 | 1 | 1 | 1 | 0 | 1 | 1 | 0 | 0 | 100 | 103 | ikut | indv 73| 0 | 0 | 1 | 1 | 1 | 0 | 1 | 1 | 0 | 0 | 100 | 103 | ikut | indv 74| 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 80 | 90 | ikut | indv 75| 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 80 | 90 | ikut | indv 76| 0 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 1 | 0 | 90 | 93 | ikut | indv 77| 0 | 0 | 0 | 0 | 1 | 0 | 1 | 1 | 1 | 0 | 90 | 93 | ikut | indv 78| 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 90 | 50 | ikut | indv 79| 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 90 | 130 | ikut | indv 80| 1 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 100 | 80 | ikut | indv 81| 1 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 100 | 80 | ikut | indv 82| 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 90 | 93 | ikut | indv 83| 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 90 | 93 | ikut | indv 84| 0 | 1 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 100 | 133 | ikut | indv 85| 0 | 1 | 0 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 100 | 133 | ikut | indv 86| 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 100 | 140 | ikut | indv 87| 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 90 | 70 | ikut |

  108

  indv 88| 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 0 | 100 | 90 | ikut | indv 89| 0 | 0 | 0 | 0 | 0 | 1 | 1 | 0 | 1 | 0 | 100 | 90 | ikut | indv 90| 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 90 | 123 | ikut | indv 91| 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 90 | 123 | ikut | indv 92| 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 80 | 90 | ikut | indv 93| 0 | 0 | 1 | 0 | 0 | 0 | 1 | 1 | 0 | 0 | 80 | 90 | ikut | indv 94| 0 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 70 | 80 | ikut | indv 95| 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 80 | 90 | ikut | indv 96| 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 80 | 90 | ikut | indv 97| 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 80 | 90 | ikut | indv 98| 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 90 | 70 | ikut | indv 99| 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 90 | 70 | ikut | indv100| 0 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 90 | 80 | ikut | indv101| 0 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 90 | 80 | ikut | indv102| 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 70 | 80 | ikut | indv103| 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 70 | 80 | ikut | indv104| 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 0 | 80 | 90 | ikut | indv105| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 80 | 80 | ikut | indv106| 1 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 100 | 73 | ikut | indv107| 1 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 100 | 73 | ikut | indv108| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 80 | 80 | ikut | indv109| 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 80 | 80 | ikut |

  • MENU UTAMA masukkan pilihan anda dengan menulis angka sesuai pilihan anda

  1.Lihat contoh 1

  2.Memasukkan data secara manual

  0.Exit pilihan anda [0]: 0 exit Y or N [Y]y

  109

BIOGRAFI PENULIS

  Archy Tussasy XQ merupakan anak pertama dari pasangan Boyong Kaliki dan Tuti Mulyaningsih. Lahir di Magelang pada tanggal 21 Agustus 1984. Pendidikan awal dimulai di Taman Kanak-Kanak Bunda Wacana, Magelang pada tahun 1988-1990, Sekolah Dasar Bunda Wacana, Magelang pada tahun 1990-1996. Dilanjutkan ke jenjang pendidikan Sekolah Lanjutan Tingkat Pertama

Negri 2, Magelang pada tahun 1996-1999. Kemudian naik ke jenjang Sekolah

  

Menengah Umum Negri 2, Magelang pada tahun 1999-2002. Selanjutnya pada tahun

2002 melanjutkan pendidikan ke jenjang Perguruan Tinggi di Fakultas Sains dan

Teknologi Sanata Dharma Yogyakarta dan menyelesaikan masa studi pada tahun

2009. Selama menempuh kuliah, penulis juga aktif sebagai Bendahara Pagelaran

Sendratari Ramayana tahun 2004-2005.

Dokumen baru

Tags

Dokumen yang terkait

Pengembangan aplikasi penjadwalan kegiatan dengan menggunakan algoritma genetika : studi kasus Humas Departemen Agama RI
3
19
224
Implementasi algoritma genetika untuk pencarian rute minimum dalam travelling salesman problem
1
9
24
Analisis performansi algoritma knapsack untuk optimalisasi pemilihan proyek di PT.Gits Indonesia
1
12
172
Implementasi algoritma genetika untuk pencarian rute minimum dalam travelling salesman problem
2
5
24
Analisis algoritma genetika pada permainan Teka-Teki Silang
2
33
113
Pembangunan sistem informasi penjadwalan KBM dengan penerapan algoritma genetika metode seleksi rank based fitness assigment dan monitoring beban kerja guru di SMA Negeri 1 Kadugede
0
12
1
Penerapan algoritma genetika untuk optimasi penadwalan layanan keluhanan dan gangguan pelanggan di PT.PLN Rayon Bandung Timur
5
28
181
Implementasi algoritma genetika dan fuzzy logic pada Game Tower Defense
5
45
111
Pencarian rute terpendek dengan menggunakan algoritma Fyold Warshall untuk taksi dengan rute Terminal Leuwi Panjang - Dipati Ukur
7
49
150
USD IDR – YE (IDR)
0
0
5
P EMIKIRANK OSMOPOLITG USD UR DALAMB
0
0
11
Penawaran dengan masalah ukuran dengan partisi sistem
1
0
56
1 BAB 1 PENDAHULUAN 1.1. Latar Belakang - Optimasi daya reaktif untuk mereduksi rugi daya pada sistem kelistrikan area Bangka menggunakan metode algoritma genetika - Repository Universitas Bangka Belitung
0
1
6
Optimasi daya reaktif untuk mereduksi rugi daya pada sistem kelistrikan area Bangka menggunakan metode algoritma genetika - Repository Universitas Bangka Belitung
0
0
24
Penyelesaian masalah transportasi Bikriteria dengan metode logika Fuzzy evolusi (studi kasus PT.JNE cabang Makassar) - Repositori UIN Alauddin Makassar
0
0
97
Show more