ABSTRAK Travelling Salesman Problem (TSP) yaitu pencarian rute terpendek atau jarak minimum oleh seorang salesman dari suatu kota ke n-kota tepat satu kali dan kembali ke kota awal keberangkatan. TSP dapat diterapkan pada graph komplit berbobot yang memiliki total bobot sisi minimum, dimana bobot pada sisi adalah jarak. Untuk menyelesaikan permasalahan ini bisa dengan menggunakan metode Algoritma Evolusi (AE) yang merupakan metode yang menggunakan seleksi alam sebagai gagasan utamanya dalam menyelesaikan suatu permasalahan tertentu. Dalam AE memiliki beberapa metode yaitu Random Search (RS) dan Random Generator (RG). Random search adalah metode pencarian langsung yang tidak memerlukan derivatif untuk mencari domain continue. Inisialisasi random generator ialah cara untuk membangkitan angka acak pada tiap gen yang dibentuk dalam merepresentasi kromosom awal. Penelitian ini merumuskan strategi inisialisasi pada algoritma berevolusi untuk pemecahan TSP. Tujuan dari penelitian ini adalah modifikasi antara kedua metode strategi inisialisasi random search dengan random generator untuk mendapatkan metode inisialisasi yang terbaru sehingga dapat diterapkan dalam algoritma berevolusi. Setelah melakukan penelitian, maka mendapatkan kesimpulan bahwa strategi inisialisasi RS dan RG telah menyeimbangkan nilai diversity dengan mendapatkan hasil nilai rata-rata lebih optimal dibandingkan dengan penelitian sebelumnya. Selisih nilai jarak minimum antara RS dan RG mencapai rata-rata 16% dan hasil implementasi strategi inisialisasi RG telah menunjukkan hasil yang lebih optimal dibandingkan RS yaitu dapat dilihat berdasarkan nilai jarak minimum yang didapat setelah melakukan penelitian. Hal tersebut disebabkan oleh pada RG melakukan pencarian gen secara keseluruhan sebelum inisialisasi dibentuk, sedangkan pada RS mencari titik potong untuk menempatkan gen untuk pembentukan inisialisasi. Kata kunci : Strategi Inisialisasi, Algoritma Evolusi, Random Search, Random Generator, Travelling Salesman Problem.