<![CDATA[ABSTRAK Algoritma genetik adalah suatu metode algoritma optimalisasi dan pencarian yang didasarkan pada prinsip genetika dan seleksi natural (Haupt. 2004). Pada penelitian ini, akan dibangun sebuah aplikasi optimasi pencarian rute pada transportasi dua tahap yang diterapkan pada studi kasus distribusi produk susu fermentasi pada perusahaan XYZ menggunakan algoritma genetik dua populasi. Algoritma genetik dua populasi, adalah suatu algoritma genetik yang membentuk dua populasi sebagai populasinya. Populasi tersebut dibagi dalam populasi elit dan umum, dimana individu yang terdapat pada populasi elit adalah suatu individu dengan nilai fitness tertinggi dan individu pada populasi umum dengan nilai fitness yang lebih rendah (Martikainen dan Ovaska, 2006). Seperti pada proses genetika, algoritma genetik memiliki operator genetik yang digunakan dalam proses regenetik. Pada penelitian ini digunakan metode roulette wheel pada proses select parent nya, metode weight mapping cross over (WMX) untuk proses cross over, dan swap mutation untuk proses mutasinya. Untuk mengukur sejauh mana pengaruh populasi elit terhadap fitness yang dihasilkan dilakukan uji perbandingan rata-rata hasil fitness pada 10 kali percobaan antara algoritma dua populasi dengan algoritma berpopulasi tunggal. Hasil ujicoba dan evaluasi menunjukkan bahwa metode algoritma genetik dengan dua populasi menghasilkan fitness 12 % lebih baik dari metode algoritma genetik berpopulasi tunggal. ABSTRACT Genetic algorithm is an optimization method and search algorithms that are based on the principles of genetics and natural selection (Haupt. 2004). In this research we built a search optimization applications in the transportation routes applicable to the two-stage case study of the distribution of fermented milk products at XYZ company uses genetic algorithms two-populations. Two-population genetic algorithm, is a genetic algorithm that forms two populations as a population. The population is divided into elite and the general population, where individuals contained in the elite population is an individual with highest fitness value and individuals in the general population with lower fitness value (Martikainen and Ovaska, 2006). As in the genetic processes, genetic algorithms have the genetic operators used in the re-genetic process. In this research, we use roulette wheel method for select parent process and weight mapping crossover (WMX) method for cross over process, then for mutation process we use swap mutation method. To measure the extent of the influence of the elite population of the fitness test yielded an average ratio of fitness results from 10 trials between two populations algorithm with single population algorithm. Testing and evaluation results show that the genetic algorithm method with two populations yield 12% better fitness than the single population genetic algorithm method. Kata kunci : Algoritma genetic, genetic algorithm, dua populasi, two population, transportasi dua tahap, two step transportation. ]]>
