Aisyah Nurul Hamidah Pengarang ADRIANA FANGGIDAE Dosen Pembimbing 1 Adriana Fanggidae Ketua Penguji Arfan Yeheskiel Mauko Penguji 2 Bertha Selviana Djahi Penguji 1

Penyelesaian dari permasalahan numerik dapat menggunakan algoritma genetika, karena algoritma ini mempunyai kinerja yang baik dalam mencapai kondisi optimum. Pencarian solusi dalam algoritma genetika dalam mencari solusi, dimulai dengan merepresentasikan solusi ke dalam string biner (pengkodean biner), namun pengkodean biner membutuhkan ukuran bit yang panjang, waktu yang banyak dan memakan banyak memori. Oleh karena itu, digunakan jenis pengkodean real agar solusi yang diperoleh menjadi lebih teliti, tepat dan mengarah pada konvergensi yang lebih cepat. Operator utama dalam algoritma genetika adalah teknik crossover, karena sangat berpengaruh pada proses eksplorasi ruang pencarian untuk mencapai kondisi optimum. Extended line crossover (ELX) adalah metode yang menghubungkan titik kedua induk dengan menggunakan sebuah garis lurus, keturunan yang dihasilkan berada di atas titik perpanjangan garis. ELX dikembangkan menjadi modified-extended line crossover (m-ELX) dimana salah satu variabel yang mulanya konstan pada ELX menjadi dinamis pada m-ELX. Penelitian yang dilakukan membuktikan bahwa, metode m-ELX berhasil menemukan solusi yang optimal dari 12 fungsi yang diujikan. Jumlah populasi yang besar memberikan akurasi yang lebih baik, namun sangat mempengaruhi waktu komputasi. Kombinasi yang cocok untuk fungsi berdimensi kecil adalah jumlah populasi 50, nilai probabilitas crossover 0.9 dan nilai probabilitas mutasi 0.2. Kombinasi yang cocok untuk fungsi berdimensi besar adalah jumlah populasi 50, nilai probabilitas crossover 0.7 dan nilai probabilitas mutasi 0.2.