Algoritma genetika merupakan metode optimisasi yang terinspirasi dari proses seleksi alam dan genetika. Salah satu aspek penting dalam algoritma genetika adalah penyusunan gen individu dalam populasi untuk memastikan variasi dan kemampuan eksplorasi ruang solusi. Penelitian ini bertujuan untuk menerapkan algoritma Fisher-Yates Shuffle dalam penyusunan gen individu pada algoritma genetika, guna meningkatkan keragaman populasi dan efektivitas algoritma dalam menemukan solusi optimal. Metode Fisher-Yates Shuffle dipilih karena
kemampuannya untuk mengacak urutan gen dengan kompleksitas yang efisien. Studi ini membandingkan hasil algoritma genetika dengan Fisher-Yates Shuffle terhadap algoritma genetika tanpa metode pengacakan tambahan. Hasil uji coba menunjukkan bahwa penggunaan Fisher-Yates Shuffle mampu meningkatkan variasi populasi secara signifikan, yang berdampak pada konvergensi algoritma genetika menuju solusi optimal dalam iterasi yang lebih sedikit. Penerapan metode ini diharapkan dapat menjadi alternatif dalam proses penyusunan gen individu pada
algoritma genetika di berbagai aplikasi optimisasi.