Tidak adanya algoritma yang berlaku umum, menjadi suatu tantangan dan peluang untuk lahirnya berbagai algoritma berdasarkan gagasan-gagasan baru. Salah satunya berlatar belakang bio-inspired computing, yaitu artificial immune system yang masih perlu banyak dieksplor agar diketahui skema dan teknik, serta kelebihan dan kekurangannya. Pada penelitian ini, dilakukan pengkajian pendekatan Artificial Immune System dalam persoalan optimasi. Sebagai studi kasus, dipilih persoalan optimasi kombinatorial Traveling Salesperson Problems dengan 15 data set yang terdiri dari 14 simpul sampai dengan 1002 simpul. Dengan menggunakan kakas optimasi OatTools, dilakukan eksekusi persoalan TSP dengan menerapkan algoritma Clonal Selection Algorithms, dibandingkan dengan Algoritma dan Optimasi Koloni Semut. Dikarenakan dibatasi oleh waktu eksekusi, secara significant, CSA menghasilkan skor yang tidak baik untuk jumlah simpul di atas 400 buah simpul. Keyword: Optimization Algorithm, Clonal Selection Algorithm, Artificial Immune System, Immune System, Travelling Salesperson Problems, OATTools.