Algoritma genetika merupakan salah satu cara mengoptimasi dalam mencari hasil dari suatu permasalahan. Algoritma terdiri dari fungsi yang harus diselesaikan dengan nilai random awal, yang kemudian dilakukan pertukaran yang disebut mutasi dan crossover. Dalam penyelesaiannya, algoritma genetika mempunyai fungsi rate pada random dan rate kawin silang sehingga tidak semua individu awal hasil random dilakukan pertukaran atau persilangan, serta dapat untuk menyelesaikan permasalahan dalam matematika seperti kuadarat, liner, dan lain lain.  Banyak sekali cara atau tool yang tersedia, akan tetapi yang digunakan pada paper ini adalah menggunakan matlab dengan dilakukan secara manual, dalam arti tidak menggunakan tools yang ada sehingga hasil crossover dan mutation serta gen dalam persilangan dapat di ketahui. Perbedaan nilai dalam rate mutasi dan rate crossover sangat berpengrauh dalam penyelesaian pada algoritma genetika, jika nilai rate lebih dari 1, maka dapat menyebabkan banyak individu awal hilang yang berakibat tidak adanya solusi yang ditemukan. Begitu juga dengan popsize, yang merupakan nilai awal yang dihasilkan secara random acak, semakin banyak popsize, maka peluang untuk menyelesaikan sebuah permasalahan menjadi lebih besar.