Penyakit pneumonia yang merupakan penyakit infeksi saluran pernafasan bagian bawah termasuk dalam 10 jenis penyakit paling sering menyebabkan kematian di Indonesia. Tidak mudah untuk mendeteksi penyakit dengan cepat dan tepat, terutama bila gejala yang dialami pasien tidak jelas atau terlalu umum seperti pada penyakit pneumonia dan bronchitis akut dengan gejala yang terlalu umum serta memiliki kemiripan gejala yang dapat memungkinkan dokter salah mendiagnosis padahal penanganan terhadap kedua penyakit ini berbeda. Metode Dempster-Shafer telah banyak digunakan untuk menyelesaikan masalah diagnosa penyakit dengan nilai belief yang diberikan pakar, namun tidak dapat dipastikan kredibilitas nilai belief yang diberikan pakar tersebut. Diperlukan optimasi pada nilai belief agar didapatkan nilai belief yang konsisten dan optimal. Pada penelitian ini menggunakan algoritma genetika untuk optimasi nilai belief karena algoritma genetika merupakan komputasi sederhana namun kuat dalam pencarian untuk perbaikan. Metode yang digunakan dalam algoritma genetika yaitu Extended Internediate Crossover dan Random Mutation, dan Elitism Selection. Hasil yang didapatkan nantinya adalah kromosom dengan nilai fitness mendekati paling optimal, kemudian kromosom tersebut akan digunakan sebagai nilai belief untuk menghitung gejala-gejala dari penyakit dengan metode Dempster-Shafer.

Berdasarkan hasil pengujian dan analisis sistem parameter algoritma genetika yang baik untuk menentukan nilai belief yaitu probabilitas crossover(cr) 0,4, probabilitas mutasi(mr) 0,6, ukuran populasi 120, dan jumlah generasi 100. Hasil perhitungan akurasi sistem dengan menggunakan nilai belief yang telah dioptimasi pada 17 kasus penyakit infeksi saluran pernafasan menunjukkan akurasi sebesar 82,35%. Hasil akurasi ini mengalami kenaikan sebesar 29,41% dimana pada perhitungan akurasi menggunakan nilai belief dari pakar menunjukkan akurasi sebesar 52,94%.