Pemilihan pemasok batu bara untuk Pembangkit Listrik Tenaga Uap (PLTU) di Kalimantan Timur memerlukan pertimbangan multi-kriteria seperti harga, kualitas, dan jarak. Hal ini karena, kesalahan pemilihan pemasok dapat meningkatkan biaya operasional. Penelitian ini bertujuan mengoptimalkan pemilihan pemasok batu bara untuk 4 PLTU rencana di Kalimantan Timur menggunakan algoritma genetika guna meminimalkan biaya. Data PLTU dan Pemasok didapatkan dari Inodnesian Coal Book Periode 2022/2023. Parameter yang didapatkan dari pengujian generasi, populasi, crossover rate dan mutation rate dengan melakukan pengujian sebanyak 5 kali didapatkan hasil jumlah generasi 70, ukuran populasi 70, crossover rate 0.7 dan mutation rate 0.3. Solusi yang diperoleh dengan kombinasi parameter tersebut adalah pemasok PT. Binuang Mitra Bersama Blok Dua, PT. Kideco Jaya Agung, dan CV. Bunda Kandung, menghasilkan total biaya terendah sebesar USD 125.283.640,11. Algoritma genetika terbukti efisien dengan waktu proses 3 menit. Dengan demikian, penelitian ini menunjukkan algoritma genetika efektif untuk optimasi pemasok batu bara dalam hal meminimalkan biaya.

The selection of coal suppliers for steam power plants (PLTU) in East Kalimantan requires multi-criteria considerations such as price, quality, and distance. This is because incorrect supplier selection can increase operational costs. This study aims to optimize the selection of coal suppliers for four planned PLTUs in East Kalimantan using a genetic algorithm to minimize costs. Data on PLTU and suppliers were obtained from the Indonesian Coal Book for the 2022/2023 period. Parameters obtained from testing generation, population, crossover rate, and mutation rate through five trials resulted in 70 generations, a population size of 70, a crossover rate of 0.7, and a mutation rate of 0.3. The solution obtained with these parameter combinations is the supplier PT. Binuang Mitra Bersama Blok Dua, PT. Kideco Jaya Agung, and CV. Bunda Kandung, resulting in the lowest total cost of USD 125,283,640.11. The genetic algorithm proved efficient with a processing time of 3 minutes. Thus, this study demonstrates that the genetic algorithm is effective for optimizing coal suppliers in terms of minimizing costs.