BAB 3 ANALISIS DAN PERANCANGAN

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB 3 ANALISIS DAN PERANCANGAN"

Transkripsi

1 BAB 3 ANALISIS DAN PERANCANGAN 3.1. Analisis Sistem Berjalan Penyusunan Menu Makanan Dalam penyusunan menu makanan banyak hal yang perlu diperhatikan, terutama jika menu makanan yang disusun untuk seseorang yang mengidap penyakit tertentu seperti penyakit diabetes. Telah banyak variasi menu makanan yang dianjurkan untuk penderita diabetes, namun tidak semua menu makanan tersebut memenuhi kriteria yang diharapkan. Biasanya menu makanan akan dibagi berdasarkan kebutuhan gizi makro yaitu berdasarkan kalori. Menu makanan tersebut umumnya dikelompokkan menjadi sarapan, makan siang, dan makan malam. Penyusunan menu makanan pada penulisan skripsi ini dikhususkan untuk penderita diabetes dan berdasarkan kepada kebutuhan gizi masing masing penderita diabetes Penentuan Gizi Penderita Diabetes Penentuan gizi untuk penderita diabetes sebenarnya tidaklah mudah. Dalam penentuan gizi yang tepat bagi penderita diabetes sebenarnya ada ketentuan tertentu yang harus dipatuhi. Adapun beberapa syarat yang harus dipenuhi di antaranya adalah : 1. Energi cukup sesuai dengan kebutuhan berdasarkan jenis kelamin, usia, aktivitas fisik, berat badan dan tinggi badan. Makanan dibagi dalam 3 porsi

2 39 besar yaitu makan pagi (20 %), makan siang (30 %), makan malam (25 %), dan 2-3 porsi kecil untuk makanan selingan (masing masing %) 2. Protein % dari total kebutuhan energi. Protein yang digunakan hendaknya yang memiliki nilai cerna tinggi. 3. Lemak sedang % dari kebutuhan energi total. Dengan komposisi lemak jenuh < 10 % lemak tak jenuh ganda 10 %, sisanya lemak tak jenuh tunggal. Asupan kolestrol dibatasi lebih kecil atau sama dengan 300 mg per hari. 4. Karbohidrat adalah sisa dari kebutuhan energi total yaitu % 5. Penggunaan gula murni dalam makanan dan minuman tidak diperbolehkan, kecuali jumlahnya sedikit sebagai bumbu. Bila kadar glukosa darah sudah terkendali, penggunaan gula murni 5 % dari kebutuhan energi total. Untuk rumus perhitungan kebutuhan kalori, protein, lemak dan karbohidrat yang dapat digunakan tetap berpedoman pada rumus Harris dan Benedict yang telah dijelaskan dan dipaparkan pada Bab II sebelumnya Analisis Permasalahan Bervariasinya jenis makanan dan kandungan gizi yang berbeda beda membuat sulitnya menentukan menu makanan yang baik dan memiliki nilai gizi yang mencukupi kebutuhan tubuh. Pada kenyataannya semua orang memerlukan gizi yang cukup dan menu makanan yang bervariasi agar tidak merasa bosan dengan menu makanan yang monoton. Apalagi untuk seseorang yang menderita penyakit diabetes, pemilihan menu makanan yang tepat sangat penting untuk mengendalikan kadar gula dalam darahnya. Dalam pemilihan menu makanan bagi penderita diabetes tetap harus memperhatikan nilai gizi yang dikandung. Permasalahan terletak pada

3 40 bagaimana menyusun menu makanan supaya dicapai nilai gizi yang optimal dan tentunya tidak memperburuk nilai kadar gula dalam darah si penderita diabetes Usulan Pemecahan Masalah Dari permasalahan yang telah dijabarkan di atas, maka akan dirancang sebuah program aplikasi dengan memanfaatkan kemajuan ilmu komputer penentuan gizi bagi penderita diabetes yang diformulasikan dan dihitung otomatis dengan menggunakan komputer. Adapun algoritma yang bisa dimanfaatkan untuk penentuan gizi tersebut adalah algoritma genetika yang merupakan suatu proses pengoptimalan yang berdasarkan pencarian acak dengan memperhatikan mekanisme seleksi alam dan genetika alam. Dengan program aplikasi yang dirancang ini, diharapkan dapat membantu penderita diabetes untuk menentukan menu makanan harian mereka yang terbagi dalam lima kali makan di mana akan dicapai nilai gizi yang paling optimal berdasarkan faktor yang mempengaruhi kebutuhan kalori dan gizi penderita diabetes Perancangan Cara Kerja Sistem Sistem aplikasi penentuan kebutuhan gizi bagi penderita diabetes dengan algoritma genetika ini melakukan penentuan jenis jenis makanan untuk komposisi makanan penderita diabetes yang mengandung zat zat gizi sesuai dengan yang diperlukan setiap harinya. Hasil yang didapatkan berupa kombinasi menu makanan yang memiliki nilai gizi yang paling optimal atau biasa dikenal dengan istilah nilai fitness yang tinggi.

4 41 Untuk menjalankan aplikasi penentuan kebutuhan gizi bagi penderita diabetes dengan algoritma genetika ini, pertama tama user harus menginput data mengenai dirinya, yaitu nama, tinggi badan (cm), berat badan (kg), usia (tahun), jenis kelamin, aktivitas dan angka gula darahnya (mg/dl). Setelah input diberikan, sistem akan mengecek kevalidan inputan. Jika inputan valid maka sistem akan menghitung jumlah kebutuhan kalori, protein, lemak dan karbohidrat yang dibutuhkan untuk penderita diabetes secara otomatis. Apabila angka gula darahnya di bawah atau sama dengan 126 mg/dl maka user tidak dapat mengakses halaman berikutnya karena aplikasi ini hanya dikhususkan bagi penderita diabetes. Selanjutnya sistem akan menghitung jumlah kebutuhan kalori untuk tiap waktu makan yaitu sarapan 20 %, selingan pagi 10 %, makan siang 30 %, selingan sore 15 % dan makan malam 20 % dari kebutuhan kalori harian yang telah dihitung. Persentase demikian juga berlaku pada kebutuhan protein, lemak dan karbohidrat. Setelah semua data yang dibutuhkan telah diinput, maka proses algoritma genetika dapat dimulai. Proses genetik yang dilakukan akan dibagi menjadi tiga kali yaitu untuk mencari menu sarapan, makan siang dan makan malam. Proses genetika pada diawali dengan membangkitkan populasi awal yang kemudian dilanjutkan dengan perhitungan nilai fitness dan proses seleksi. Setelah proses seleksi selesai dijalankan, maka akan dilanjutkan dengan proses crossover. Kemudian kromosom kromosom yang telah dipindah silang (crossover) akan mengalami proses mutasi. Selama nilai optimal belum dicapai, sistem akan terus melakukan proses algoritma genetika.

5 42 Setelah proses algoritma genetika selesai dijalankan, maka akan ditampilkan hasil kromosom-kromosom yang terbaik. Kromosom terbaik hasil tiga kali proses algoritma genetika akan ditampung pada menu sarapan, makan siang dan makan malam. Untuk menu selingan baik selingan pagi maupun selingan sore, prosesnya tidak melalui algoritma genetik karena pada selingan hanya ditampilkan 1 menu sehingga tidak diperlukan proses pencarian acak. Sistem akan mencari nilai yang paling mendekati nilai kalori untuk selingan. Misalnya saja kebutuhan kalori untuk selingan pagi adalah 189 kkal, maka sistem akan mengecek satu per satu jenis makanan pada tabel makanan selingan dan akan diambil yang paling mendekati angka 189 tersebut. Selanjutnya akan ditampilkan menu makanan untuk penderita diabetes dalam lima kali waktu makan yaitu sarapan, selingan pagi, makan siang, selingan sore dan juga makan malam beserta dengan nilai gizinya setiap menu makanan yang ditampilkan. Flowchart cara kerja sistem dapat dilihat pada Gambar 3.1.

6 43 Mulai Input Data Diri No Apakah Inputan Valid? Yes Hitung Kebutuhan Kalori. Kebutuhan Protein, Kebutuhan Lemak dan Kebutuhan Karbohidrat untuk Penderita Diabetes Hitung kebutuhan gizi untuk sarapan, selingan pagi, makan siang, selingan sore dan makan malam Jalankan 3 kali proses Algoritma Genetika untuk sarapan, makan siang dan makan malam Simpan kromosom terbaik dalam menu sarapan, makan siang dan makan malam Cek nilai gizi makanan pada tabel selingan dan pilih yang nilai gizinya paling mendekati kebutuhan Tampilkan menu makanan dalam 5 waktu (sarapan, selingan pagi, makan siang, selingan sore dan makan malam serta nilai gizinya Selesai Gambar 3.1 Flowchart Cara Kerja Sistem

7 Perancangan Algoritma Genetika Proses algoritma genetika dimulai setelah semua inputan yang dibutuhkan telah dimasukkan oleh user dan proses perhitungan nilai gizi pasien untuk 5 waktu telah dilakukan. Algoritma genetika yang dijalankan terbagi dalam tiga kali proses yaitu untuk menu sarapan, makan siang dan makan malam. Pada dasarnya, algoritma genetika yang akan digunakan untuk menyelesaikan masalah penentuan gizi pada penderita diabetes, terdiri dari beberapa langkah yaitu pembangkitan populasi awal, seleksi, rekombinasi dan mutasi. Rancangan algoritma genetika adalah sebagai berikut : a. Random angka untuk masing masing kromosom di mana setiap angka yang dihasilkan dari proses random mewakili suatu jenis makanan yang ada di dalam database makanan. b. Setelah pembangkitan populasi awal, maka selanjutnya masuk ke proses seleksi yang dilanjutkan proses crossover dan mutasi untuk pembentukan populasi baru. c. Proses pembentukan populasi baru akan terus dilakukan berulang sampai mencapai jumlah generasi yang diinginkan oleh user Pembangkitan Populasi Awal Pembangkitan populasi awal merupakan langkah awal yang harus dilakukan dalam proses algoritma genetika. Proses membangkitkan populasi awal ini dimulai dengan membangkitkan angka random sebanyak jumlah kromosom awal dan jumlah gen dalam kromosom. Setiap angka yang dihasilkan

8 45 oleh random angka tersebut mewakili suatu jenis makanan yang ada dalam database. Pada aplikasi penentuan kebutuhan gizi pada penderita diabetes dengan algoritma genetika ini, database memiliki data-data yang telah diinput oleh penulis dari sumber yang didapatkan berupa buku. Angka random yang dibangkitkan dalam satu kromosom dapat memiliki nilai random angka yang sama lebih dari satu. Setelah random angka selesai dibangkitkan, sistem akan meghitung jumlah kalori, protein, lemak dan karbohidrat masing-masing kromosom yang telah didapat. Selanjutnya sistem akan mengecek apakah jumlah tersebut melebihi jumlah kebutuhan kalori, protein, lemak dan karbohidrat yang dibutuhkan oleh penderita diabetes. Jika melebihi, sistem akan memberikan nilai nol pada gen yang mengakibatkan kelebihan dalam kromosom tersebut. Secara sistematis proses pembangkitan populasi awal dapat dilihat pada Gambar 3.2.

9 46 Mulai Ambil nilai jumlah kromosom awal dan jumlah gen dalam kromosom Random angka sebanyak jumlah kromosom (JK) dikalikan dengan jumlah gen dalam kromosom (JG) Hitung total kalori (TK), total protein (TP), total lemak (TL), dan total karbohidrat (TH) masing masing kromosom Bandingkan TK, TP, TL, TH dengan jumlah kalori (JK), jumlah protein (JP), jumlah lemak (JL), dan jumlah karbohidrat (JH) yang dibutuhkan Gen pada kromosom yang mengakitbatka n kelebihan diberi nilai 0 No Apakah TK JK & TP JP & TL KL & TH JH? No Yes Apakah semua kromosom sudah dihitung TK, TP, TL dan TH? Yes Hitung nilai fitness masing masing kromosom Selesai Gambar 3.2 Flowchart Pembangkitan Populasi Awal

10 Perhitungan Nilai Fitness Sebelum masuk pada tahap berikutnya yaitu seleksi, harus dilakukan dahulu perhitungan nilai fitness. Perhitungan nilai fitness didasarkan pada total kalori, total protein, total lemak, dan total hidrat arang pada suatu kromosom, jumlah kalori, jumlah protein, jumlah lemak, dan jumlah hidrat arang yang dibutuhkan pada penderita diabetes serta bobot kalori, bobot protein, bobot lemak dan bobot karbohidrat. Semakin tinggi nilai fitness maka akan semakin baik individu tersebut dan peluang untuk terpilih dalam proses seleksi semakin besar. Nilai fitness ini akan berkisar dari nilai 0 (nol) sampai 1 (satu). Perhitungan nilai fitness akan terus dilakukan sejumlah kromosom yang telah dibangkitkan. Rumus yang digunakan untuk menghitung nilai fitness telah dijabarkan pada Bab 2 sebelumnya. Untuk lebih memahami nilai fitness, dapat dilihat pada Gambar 3.3.

11 48 Mulai Inisialisasi total kalori = TK, total protein = TP, total lemak = TL, total karbohidrat = TH ; kebutuhan kalori = KK, kebutuhan protein = KP, kebutuhan lemak = KL, kebutuhan karbohidrat = KH Apakah TK KK ; TP KP ; TL KL & TH KH? Yes Total kalori = 0 Total lemak = 0 Total protein = 0 Total karbohidrat = 0 Fitness kalori (Fk) = TK / KK Fitness protein (Fp) = TP / KP Fitness lemak (Fl) = TL / KL Fitness karbohidrat (Fh) = TH / KH Berikan nilai bobot kalori = nilai bobot protein = 3 dan nilai bobot lemak = nilai bobot karbohidrat = 1 A = Fk x bobot kalori (bk) B = Fp x bobot protein (bp) C = Fl x bobot lemak (bl) D = Fh x bobot karbohidrat (bkh) Nilai fitness = Selesai Gambar 3.3 Flowchart Perhitungan Nilai Fitness

12 Seleksi Proses seleksi dalam algoritma genetika yang akan digunakan adalah rank-based fitness selection yaitu seleksi dengan peringkat terbaik. Jadi akan diurutkan kromosom kromosom sejumlah N dengan nilai fitness tertinggi sampai pada nilai fitness terendah. Selanjutnya berdasarkan persentase seleksi (Ps), akan diambil sejumlah kromosom yang menduduki peringkat atas sebanyak N x Ps. Misalkan saja jika jumlah kromosom adalah 20 buah dengan persentase seleksi adalah 0.8 maka akan diseleksi sebanyak 20 x 0.8 = 16 kromosom yang menduduki posisi teratas berdasarkan nilai fitnessnya. Ranked-based fitness selection secara singkatnya dapat dilihat pada Gambar 3.4. Mulai Ambil nilai fitness masing masing kromosom Urutkan nilai fitness kromosom dari terbesar Ambil nilai persentase seleksi (Ps) Seleksi kromosom sejumlah N x Ps Selesai Gambar 3.4. Flowchart Rank-based fitness Selection Crossover Setelah proses seleksi selesai, akan masuk pada proses crossover. Crossover berdasarkan probabilitas atau peluang crossover di mana peluang itu

13 50 menentukan banyaknya kromosom yang mengalami crossover. Misalkan peluang crossover adalah 0.5. Dari proses seleksi di atas diketahui setelah diseleksi jumlah kromosom adalah 16 kromosom, maka banyaknya kromosom yang akan mengalami crossover adalah 0.5 x 16 = 8 kromosom. Maka akan dipilih secara random induk pertama dan induk kedua dengan syarat kedua induk tidak boleh induk yang sama. Selanjutnya dirandom angka untuk menentukan titik mana dimulainya crossover. Banyak titik crossover telah ditentukan oleh penulis yaitu 1. Andaikan nilai random yang didapat adalah 0.3. Titik dimulainya crossover adalah angka random dikalikan dengan panjang kromosom N. Setiap kromosom yang berisi gen dan setiap gen akan direpresentasikan dengan angka biner sepanjang 6 bit. Misalkan untuk sarapan terdiri dari 2 gen, maka panjang kromosom adalah 2 x 6 bit = 12 bit. Titik dimulainya crossover adalah 0.3 x 12 = 4.8 dan dibulatkan menjadi 5. Oleh karena itu diperoleh titik dimulainya crossover adalah pada bit ke-6. Jumlah kromosom hasil crossover adalah dua kali jumlah kromosom yang di-crossover. Jika nilai random yang didapatkan melebihi peluang crossover, maka tidak akan terjadi crossover dan nilai induk akan diturunkan pada anaknya (offspring). Proses crossover dapat dilihat pada Gambar 3.5.

14 51 Mulai Random angka 0 1 sebagai peluang crossover (Pc) Hitung banyak kromosom yang dicrossover (Pc x Nseleksi) Random induk pertama dan induk Yes Apakah induk pertama sama dengan induk kedua? No Random angka 0 1 kemudian tampung nilai pada variabel r Apakah r < Pc? No Offspring = induk Yes Lakukan crossover Induk dan Offspring Selesai Gambar 3.5. Flowchart Crossover

15 Mutasi Setelah selesai proses crossover akan masuk ke dalam proses mutasi yaitu mengganti nilai gen dari 0 ke 1 atau sebaliknya. Yang diperlukan dalam melakukan mutasi adalah peluang mutasi (Pm). Misalkan peluang mutasi (Pm) adalah Banyak gen yang akan mengalami mutasi adalah Pm x jumlah kromosom x jumlah gen. Jika jumlah kromosom 16 buah dan jumlah gen adalah 12 (untuk menu sarapan), maka banyak gen yang mengalami mutasi adalah 0.25 x 16 x 12 = 48. Banyak gen total adalah 16 x 12 = 192. Jadi akan dibangkitkan angka random dari sebanyak banyak gen yang akan mengalami mutasi yaitu 48. Setelah didapatkan angka random n, maka gen yang mengalami mutasi adalah gen ke n hasil random itu. Setelah itu akan didapatkan populasi baru sejumlah 16 x 2 yaitu 32 kromosom di mana kromosom itu akan dianggap sebagai generasi baru. Generasi baru itu akan dilakukan lagi proses perhitungan fitness sampai pada mutasi kembali sehingga menghasilkan generasi baru lagi. Proses iterasi akan terus berulang sampai generasi maksimum atau pada saat beberapa generasi menghasilkan nilai fitness yang sama berturut2, iterasi akan berhenti Flowchart mutasi akan ditunjukkan pada Gambar 3.6.

16 53 Mulai Random angka 0 1 sebagai peluang mutasi (Pm) Ambil nilai jumlah kromosom (N) dan jumlah gen (Ng) Hitung banyak gen yang mengalami mutasi (Nm) = Pm * N * Ng Random angka (p) dari 1 (N*Ng) sebanyak Nm Mutasi gen ke-p Selesai Gambar 3.6. Flowchart Mutasi Perancangan Layar Rancangan layar menu menu yang ada pada program aplikasi ini dapat dilihat pada Gambar 3.7. Aplikasi Penentuan Gizi pada Penderita Diabetes dengan Algoritma Genetika Menu Mulai Aplikasi Info Gambar 3.7 Rancangan Layar Menu Halaman Utama

17 54 Ada dua submenu utama yang dapat dipilih oleh user dengan mengklik pada tulisan Menu. Submenu Mulai Aplikasi digunakan untuk menjalankan proses algoritma genetika berdasarkan inputan yang telah diisi oleh user. Sedangkan submenu Info digunakan untuk menampilkan informasi tentang perancang aplikasi. Gambar 3.8 adalah rancangan layar untuk submenu Mulai Aplikasi. Aplikasi Penentuan Gizi pada Penderita Diabetes dengan Algoritma Genetika Menu Informasi Pasien Nama Usia Jenis Kelamin Tinggi B adan Berat Badan Aktivitas Gula Darah La ki - la ki Wanita Kebutuhan Pasien Kalori Protein Lema k Kembali Hapus Semua Proses Karbohidrat Gambar 3.8 Rancangan Layar Submenu Mulai Aplikasi Menu Mulai Aplikasi dilengkapi dengan dua informasi utama untuk proses yaitu informasi pasien dan kebutuhan pasien. Pada informasi pasien, semua field akan diisi oleh user dan tidak boleh ada yang kosong. Untuk jenis kelamin

18 55 fieldnya berupa radio button dengan grupnya berisi laki-laki dan wanita. Untuk aktivitas bertipe combo list. Untuk informasi kebutuhan pasien akan dihitung otomatis oleh sistem apabila semua inputan yang perlu diisi user valid. Apabila tidak valid, sistem akan mengulang dari awal seperti saat menu Mulai Aplikasi dipilih. Jika inputan yang diberikan user valid maka sistem akan menampilkan nilai kebutuhan kalori, protein, lemak dan karbohidrat dalam angka. Pada bagian bawah terdapat tiga buah button yaitu Kembali, Hapus Semua, dan Proses. Button Kembali apabila diklik maka akan mengembalikan sistem seperti awal program aplikasi dimulai. Button Hapus Semua apabila diklik maka sistem akan menghapus semua data yang telah diisi oleh user dan juga semua data yang telah dihitung dan dibaca sistem. Untuk button Proses jika diklik maka sistem akan menjalankan proses algoritma genetika dan kemudian akan ditampilkan menu optimasi hasil proses. Untuk rancangan layar submenu Info akan ditunjukkan pada Gambar 3.9. Aplikasi Penentuan Gizi pada Penderita Diabetes dengan Algoritma Genetika Menu PERANCANGAN PROGRAM APLIKASI PENENTUAN KEBUTUHAN GIZI PADA PENDERITA DIABETES DENGAN MENGGUNAKAN ALGORITMA GENETIKA Dibuat Oleh : Dibimbing Oleh : Gambar 3.9 Rancangan Layar Submenu Info

19 56 Pada menu Info akan ditampilkan nama perancang aplikasi dan informasi lain yang berkaitan dengan perancang aplikasi.

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Gizi 2.1.1 Jenis-Jenis Zat Gizi Zat gizi dapat dibedakan menjadi dua kelompok sesuai kebutuhan, yaitu makronutrien dan mikronutrien. Makronutrien adalah zata-zat makanan yang

Lebih terperinci

BAB III METODE DAN PERANCANGAN. Tahap iniakan mencari dan memahami bahan-bahan pustaka seperti jurnal, buku, dan

BAB III METODE DAN PERANCANGAN. Tahap iniakan mencari dan memahami bahan-bahan pustaka seperti jurnal, buku, dan BAB III METODE DAN PERANCANGAN 3.1. Metode Penelitian Metode penelitian yang digunakan dalam pengembangan aplikasi ini adalah sebagai berikut a. Pengumpulan Data Tahap iniakan mencari dan memahami bahan-bahan

Lebih terperinci

Serealia, umbi, dan hasil olahannya Kacang-kacangan, bijibijian,

Serealia, umbi, dan hasil olahannya Kacang-kacangan, bijibijian, 4 generasi, kromosom akan melalui proses evaluasi dengan menggunakan alat ukur yang disebut dengan fungsi fitness. Nilai fitness dari suatu kromosom akan menunjukkan kualitas kromosom dalam populasi tersebut.

Lebih terperinci

RANCANG BANGUN SISTEM PENENTUAN KOMPOSISI BAHAN PANGAN HARIAN MENGGUNAKAN ALGORITMA GENETIKA

RANCANG BANGUN SISTEM PENENTUAN KOMPOSISI BAHAN PANGAN HARIAN MENGGUNAKAN ALGORITMA GENETIKA ABSTRAKSI RANCANG BANGUN SISTEM PENENTUAN KOMPOSISI BAHAN PANGAN HARIAN MENGGUNAKAN ALGORITMA GENETIKA Tedy Rismawan, Sri Kusumadewi Jurusan Teknik Informatika, Fakultas Teknologi Industri Universitas

Lebih terperinci

APLIKASI ALGORITMA GENETIKA UNTUK PENENTUAN KOMPOSISI BAHAN PANGAN HARIAN

APLIKASI ALGORITMA GENETIKA UNTUK PENENTUAN KOMPOSISI BAHAN PANGAN HARIAN APLIKASI ALGORITMA GENETIKA UNTUK PENENTUAN KOMPOSISI BAHAN PANGAN HARIAN Tedy Rismawan 1, Sri Kusumadewi 2 Jurusan Teknik Informatika, Fakultas Teknologi Industri Universitas Islam Indonesia e-mail: 1

Lebih terperinci

PERANCANGAN PROGRAM APLIKASI PENENTUAN KEBUTUHAN GIZI PADA PENDERITA DIABETES DENGAN ALGORITMA GENETIKA SKRIPSI. oleh : Vinolia Valentina

PERANCANGAN PROGRAM APLIKASI PENENTUAN KEBUTUHAN GIZI PADA PENDERITA DIABETES DENGAN ALGORITMA GENETIKA SKRIPSI. oleh : Vinolia Valentina PERANCANGAN PROGRAM APLIKASI PENENTUAN KEBUTUHAN GIZI PADA PENDERITA DIABETES DENGAN ALGORITMA GENETIKA SKRIPSI oleh : Vinolia Valentina 1100045025 PROGRAM GANDA TEKNI K INFORMATIKA DAN MAT EMATIKA UNIVERSITAS

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Seiring dengan perkembangan jaman, peran komputer semakin banyak di dalam kehidupan masyarakat. Hampir semua bidang kehidupan telah menggunakan komputer sebagai alat

Lebih terperinci

BAB 1 PENDAHULUAN. Latar Belakang Masalah

BAB 1 PENDAHULUAN. Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Semakin bervariasinya jenis makanan yang dikonsumsi oleh masyarakat serta pola makan dan pola hidup yang semakin kurang sehat, membawa berbagai dampak dibidang

Lebih terperinci

ERWIEN TJIPTA WIJAYA, ST.,M.KOM

ERWIEN TJIPTA WIJAYA, ST.,M.KOM ERWIEN TJIPTA WIJAYA, ST.,M.KOM DEFINISI ALGEN adalah algoritma yang memanfaatkan proses seleksi alamiah yang dikenal dengan evolusi Dalam evolusi, individu terus menerus mengalami perubahan gen untuk

Lebih terperinci

BAB III KONSEP DAN PERANCANGAN APLIKASI

BAB III KONSEP DAN PERANCANGAN APLIKASI BAB III KONSEP DAN PERANCANGAN APLIKASI 3.1 Konsep Pada bab ini penulis akan membahas konsep mengenai perangkat lunak yang digunakan serta akan dibahas mengenai tujuan, kegunaan dan untuk siapa aplikasi

Lebih terperinci

BAB 3 ANALISIS DAN PERANCANGAN SISTEM

BAB 3 ANALISIS DAN PERANCANGAN SISTEM BAB 3 ANALISIS DAN PERANCANGAN SISTEM Perancangan program aplikasi dalam skripsi ini menggunakan aturan linear sequential atau waterfall. Metode ini terdiri dari empat tahapan, yaitu : analisis, perancangan,

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang

BAB I PENDAHULUAN 1.1. Latar Belakang BAB I PENDAHULUAN 1.1. Latar Belakang Makanan merupakan salah satu hal utama untuk mendukung tubuh dalam melakukan berbagai aktifitas. Kandungan berbagai unsur penting dalam makanan seperti karbohidrat,

Lebih terperinci

1. Pendahuluan 1.1. Latar Belakang

1. Pendahuluan 1.1. Latar Belakang 1. Pendahuluan 1.1. Latar Belakang Perkembangan teknologi informasi yang begitu pesat sekarang ini memberikan dampak yang besar terhadap kinerja manusia khususnya dalam bekerja. Segala sesuatu yang dahulu

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 27 BAB II LANDASAN TEORI 2.1. Penelitian Terkait Penelitian terkait yang menggunakan algoritma genetika untuk menemukan solusi dalam menyelesaikan permasalahan penjadwalan kuliah telah banyak dilakukan.

Lebih terperinci

BAB III ANALISA MASALAH DAN RANCANGAN PROGRAM

BAB III ANALISA MASALAH DAN RANCANGAN PROGRAM BAB III ANALISA MASALAH DAN RANCANGAN PROGRAM III.1. Analisa Masalah Perkembangan game dari skala kecil maupun besar sangat bervariasi yang dapat dimainkan oleh siapa saja tanpa memandang umur, dari anak

Lebih terperinci

Team project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP

Team project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis

Lebih terperinci

BAB 4 IMPLEMENTASI DAN EVALUASI

BAB 4 IMPLEMENTASI DAN EVALUASI BAB 4 IMPLEMENTASI DAN EVALUASI 4.1. Spesifikasi Implementasi Ada beberapa spesifikasi yang dibutuhkan pengguna agar program aplikasi ini dapat berjalan, yaitu: 4.1.1. Kebutuhan Piranti Keras (Hardware)

Lebih terperinci

BAB III. Metode Penelitian

BAB III. Metode Penelitian BAB III Metode Penelitian 3.1 Diagram Alir Penelitian Secara umum diagram alir algoritma genetika dalam penelitian ini terlihat pada Gambar 3.1. pada Algoritma genetik memberikan suatu pilihan bagi penentuan

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2.1 Algoritma Genetika Algoritma genetika merupakan algoritma pencarian heuristik ysng didasarkan atas mekanisme seleksi alami dan genetika alami (Suyanto, 2014). Adapun konsep dasar

Lebih terperinci

BAB 2 DASAR TEORI. 2.1 Teka-Teki Silang

BAB 2 DASAR TEORI. 2.1 Teka-Teki Silang BAB 2 DASAR TEORI 2.1 Teka-Teki Silang Teka-teki silang atau disingkat TTS adalah suatu permainan yang mengharuskan penggunanya untuk mengisi ruang-ruang kosong dengan huruf-huruf yang membentuk sebuah

Lebih terperinci

APLIKASI PENYUSUN MENU MAKANAN UNTUK PENCEGAHAN HIPERKOLESTEROLEMIA MENGGUNAKAN ALGORITMA GENETIKA. Abstrak

APLIKASI PENYUSUN MENU MAKANAN UNTUK PENCEGAHAN HIPERKOLESTEROLEMIA MENGGUNAKAN ALGORITMA GENETIKA. Abstrak APLIKASI PENYUSUN MENU MAKANAN UNTUK PENCEGAHAN HIPERKOLESTEROLEMIA MENGGUNAKAN ALGORITMA GENETIKA Riska Ayu Permata [1],Dedi Triyanto [2], Ilhamsyah [3] [1][2][3] Jurusan Sistem Komputer, Fakultas MIPA

Lebih terperinci

BAB 1 PENDAHULUAN. gizi dan kalori setiap orang harus terpenuhi dengan cukup setiap harinya. Namun hal ini

BAB 1 PENDAHULUAN. gizi dan kalori setiap orang harus terpenuhi dengan cukup setiap harinya. Namun hal ini BAB 1 PENDAHULUAN 1.1 Latar Belakang Kebutuhan gizi merupakan masalah kecil yang sebenarnya sangat penting karena gizi dan kalori setiap orang harus terpenuhi dengan cukup setiap harinya. Namun hal ini

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Tinjauan Pustaka (Samuel, Toni & Willi 2005) dalam penelitian yang berjudul Penerapan Algoritma Genetika untuk Traveling Salesman Problem Dengan Menggunakan Metode Order Crossover

Lebih terperinci

HASIL DAN PEMBAHASAN. Gambar 7 Diagram alur proses mutasi.

HASIL DAN PEMBAHASAN. Gambar 7 Diagram alur proses mutasi. 5 Mulai HASIL DAN PEMBAHASAN Kromosom P = rand [0,1] Ya P < Pm R = random Gen(r) dimutasi Selesai Tidak Gambar 7 Diagram alur proses mutasi. Hasil populasi baru yang terbentuk akan dievaluasi kembali dan

Lebih terperinci

PENYELESAIAN KNAPSACK PROBLEM MENGGUNAKAN ALGORITMA GENETIKA

PENYELESAIAN KNAPSACK PROBLEM MENGGUNAKAN ALGORITMA GENETIKA PENYELESAIAN KNAPSACK PROBLEM MENGGUNAKAN ALGORITMA GENETIKA Kartina Diah KW1), Mardhiah Fadhli2), Charly Sutanto3) 1,2) Jurusan Teknik Komputer Politeknik Caltex Riau Pekanbaru Jl. Umban Sari No.1 Rumbai-Pekanbaru-Riau

Lebih terperinci

BAB 3 ANALISIS DAN PERANCANGAN APLIKASI

BAB 3 ANALISIS DAN PERANCANGAN APLIKASI 27 BAB 3 ANALISIS DAN PERANCANGAN APLIKASI 3.1 Analisis Pada subbab ini akan diuraikan tentang analisis kebutuhan untuk menyelesaikan masalah jalur terpendek yang dirancang dengan menggunakan algoritma

Lebih terperinci

PENGEMBANGAN APLIKASI PENJADWALAN KULIAH SEMESTER I MENGGUNAKAN ALGORITMA GENETIKA

PENGEMBANGAN APLIKASI PENJADWALAN KULIAH SEMESTER I MENGGUNAKAN ALGORITMA GENETIKA PENGEMBANGAN APLIKASI PENJADWALAN KULIAH SEMESTER I MENGGUNAKAN ALGORITMA GENETIKA Bagus Priambodo Program Studi Sistem Informasi Fakultas Ilmu Komputer Universitas Mercu Buana e- mail : bagus.priambodo@mercubuana.ac.id

Lebih terperinci

BAB III METODE PENELITIAN. melakukan survey dengan kuisioner mencari informasi dari media yang

BAB III METODE PENELITIAN. melakukan survey dengan kuisioner mencari informasi dari media yang BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Waktu penelitian dimulai dari bulan Januari hingga desember 2014. Dengan tempat penelitian pada Kominfo Jatim yang termasuk juga sebagai penyelenggara

Lebih terperinci

TINJAUAN PUSTAKA. A. Sarapan Pagi

TINJAUAN PUSTAKA. A. Sarapan Pagi Kecukupan Tingkat Kecukupan Asupan Kebiasaan Protein Pengetahuan Pendidikan energi Perilaku Energi Energi makan BAB dan ibu di dan protein Gizi sekolah pagi II Pengetahuan gizi Ibu Protein ibu Sarapan

Lebih terperinci

LAMPIRAN A PERHITUNGAN SIMPLE CASE SECARA MANUAL E

LAMPIRAN A PERHITUNGAN SIMPLE CASE SECARA MANUAL E LAMPIRAN A PERHITUNGAN SIMPLE CASE SECARA MANUAL E Simple Case Contoh kasus line balancing : 35 35 O - 7 O - 8 20 20 30 40 20 25 50 25 O - 1 O - 2 O - 5 O - 6 O - 9 O - 10 O - 11 O - 12 40 30 O - 3 O -

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2.1 Penjadwalan Penjadwalan kegiatan belajar mengajar pada suatu lembaga pendidikan biasanya merupakan salah satu pekerjaan yang tidak mudah dan menyita waktu. Pada lembaga pendidikan

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3 Agar penelitian yang dilakukan sesuai dengan tujuan yang diharapkan maka diperlukan langkah-langkah yang tersusun secara sistematis seperti yang dijabarkan pada gambar 3.1

Lebih terperinci

Aplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP)

Aplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP) JTRISTE, Vol.1, No.2, Oktober 2014, pp. 50~57 ISSN: 2355-3677 Aplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP) STMIK Handayani Makassar najirah_stmikh@yahoo.com Abstrak

Lebih terperinci

Pengantar Kecerdasan Buatan (AK045218) Algoritma Genetika

Pengantar Kecerdasan Buatan (AK045218) Algoritma Genetika Algoritma Genetika Pendahuluan Struktur Umum Komponen Utama Seleksi Rekombinasi Mutasi Algoritma Genetika Sederhana Referensi Sri Kusumadewi bab 9 Luger & Subblefield bab 12.8 Algoritma Genetika 1/35 Pendahuluan

Lebih terperinci

Optimasi Asupan Makanan Harian Ibu Hamil Penderita Hipertensi Menggunakan Algoritme Genetika

Optimasi Asupan Makanan Harian Ibu Hamil Penderita Hipertensi Menggunakan Algoritme Genetika Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 9, September 2018, hlm. 2892-2901 http://j-ptiik.ub.ac.id Optimasi Asupan Makanan Harian Ibu Hamil Penderita Hipertensi

Lebih terperinci

PENGEMBANGAN SISTEM PENUNJANG KEPUTUSAN

PENGEMBANGAN SISTEM PENUNJANG KEPUTUSAN BAB 4 PENGEMBANGAN SISTEM PENUNJANG KEPUTUSAN Bab ini mengenai analisis yang dilakukan sebelum membuat aplikasi kesehatan untuk menentukan menu diet dengan model What-If Analyisis serta tampilan sistem

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Travelling Salesman Problem (TSP) Travelling Salesmen Problem (TSP) termasuk ke dalam kelas NP hard yang pada umumnya menggunakan pendekatan heuristik untuk mencari solusinya.

Lebih terperinci

ada submenu untuk pengaturan user.

ada submenu untuk pengaturan user. 179 4. Layar Menu User Disini tampilan untuk melihat submenu user, jika diklik maka akan ada submenu untuk pengaturan user. Gambar 4.90 Layar Menu User Jika kita klik submenu logout, maka kita akan dikembalikan

Lebih terperinci

BAB II KAJIAN PUSTAKA. Pada bab kajian pustaka berikut ini akan dibahas beberapa materi yang meliputi

BAB II KAJIAN PUSTAKA. Pada bab kajian pustaka berikut ini akan dibahas beberapa materi yang meliputi BAB II KAJIAN PUSTAKA Pada bab kajian pustaka berikut ini akan dibahas beberapa materi yang meliputi graf, permasalahan optimasi, model matematika dari objek wisata di Yogyakarta, dan algoritma genetika

Lebih terperinci

BAB 3 PERANCANGAN PROGRAM. dari OOP (Object Oriented Programming) di mana dalam prosesnya, hal-hal

BAB 3 PERANCANGAN PROGRAM. dari OOP (Object Oriented Programming) di mana dalam prosesnya, hal-hal BAB 3 PERANCANGAN PROGRAM 3.1 Spesifikasi Rumusan Rancangan Program Algoritma Genetika dirancang dengan mengikuti prinsip-prinsip dan sifatsifat dari OOP (Object Oriented Programming) di mana dalam prosesnya,

Lebih terperinci

BAB III PERANCANGAN. Gambar 3.1 di bawah ini mengilustrasikan jalur pada TSP kurva terbuka jika jumlah node ada 10:

BAB III PERANCANGAN. Gambar 3.1 di bawah ini mengilustrasikan jalur pada TSP kurva terbuka jika jumlah node ada 10: BAB III PERANCANGAN Pada bagian perancangan ini akan dipaparkan mengenai bagaimana mencari solusi pada persoalan pencarian rute terpendek dari n buah node dengan menggunakan algoritma genetika (AG). Dari

Lebih terperinci

PENERAPAN METODE ALGORITMA GENETIKA UNTUK PERMASALAHAN PENJADWALAN PERAWAT (Nurse Schedulling Problem)

PENERAPAN METODE ALGORITMA GENETIKA UNTUK PERMASALAHAN PENJADWALAN PERAWAT (Nurse Schedulling Problem) INFO TEKNIK Volume 16 No. 1 Juli 2015 (61-74) PENERAPAN METODE ALGORITMA GENETIKA UNTUK PERMASALAHAN PENJADWALAN PERAWAT (Nurse Schedulling Problem) Nadiya Hijriana Program Studi Teknik Informatika Universitas

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN

BAB IV HASIL DAN PEMBAHASAN BAB IV HASIL DAN PEMBAHASAN.. Pengumpulan data dan informasi Pengumpulan data digunakan untuk mengumpulkan informasi dan data yang digunakan untuk melakukan analisis dan perancangan sistem informasi penjadwalan

Lebih terperinci

UKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

UKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Dewasa ini, makanan yang beredar di kalangan masyarakat beraneka ragam jenisnya. Terkadang masyarakat awam sendiri tidak mengetahui secara pasti kandungan gizi

Lebih terperinci

Bab II Konsep Algoritma Genetik

Bab II Konsep Algoritma Genetik Bab II Konsep Algoritma Genetik II. Algoritma Genetik Metoda algoritma genetik adalah salah satu teknik optimasi global yang diinspirasikan oleh proses seleksi alam untuk menghasilkan individu atau solusi

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA A. Sarapan Pagi Sarapan pagi adalah makanan atau minuman yang memberikan energi dan zat gizi lain yang dikonsumsi pada waktu pagi hari. Makan pagi ini penting karena makanan yang

Lebih terperinci

Optimasi Daftar Bahan Makanan Untuk Pasien Rawat Jalan dan Keluarga Menggunakan Algoritme Genetika

Optimasi Daftar Bahan Makanan Untuk Pasien Rawat Jalan dan Keluarga Menggunakan Algoritme Genetika Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 1, Januari 2018, hlm. 342-351 http://j-ptiik.ub.ac.id Optimasi Daftar Bahan Makanan Untuk Pasien Rawat Jalan dan

Lebih terperinci

Keywords Algoritma, Genetika, Penjadwalan I. PENDAHULUAN

Keywords Algoritma, Genetika, Penjadwalan I. PENDAHULUAN Optimasi Penjadwalan Mata Kuliah Dengan Algoritma Genetika Andysah Putera Utama Siahaan Universitas Pembangunan Pancabudi Jl. Gatot Subroto Km. 4,5, Medan, Sumatra Utara, Indonesia andiesiahaan@gmail.com

Lebih terperinci

Genetic Algorithme. Perbedaan GA

Genetic Algorithme. Perbedaan GA Genetic Algorithme Algoritma ini bekerja dengan sebuah populasi yang terdiri atas individu-individu (kromosom). Individu dilambangkan dengan sebuah nilai kebugaran (fitness) yang akan digunakan untuk mencari

Lebih terperinci

PENENTUAN JARAK TERPENDEK PADA JALUR DISTRIBUSI BARANG DI PULAU JAWA DENGAN MENGGUNAKAN ALGORITMA GENETIKA. Abstraksi

PENENTUAN JARAK TERPENDEK PADA JALUR DISTRIBUSI BARANG DI PULAU JAWA DENGAN MENGGUNAKAN ALGORITMA GENETIKA. Abstraksi PENENTUAN JARAK TERPENDEK PADA JALUR DISTRIBUSI BARANG DI PULAU JAWA DENGAN MENGGUNAKAN ALGORITMA GENETIKA I Dewa Made Adi Baskara Joni 1, Vivine Nurcahyawati 2 1 STMIK STIKOM Indonesia, 2 STMIK STIKOM

Lebih terperinci

BAB I PENDAHULUAN. dapat memunculkan beberapa risiko lain seperti hipoglikemia atau hiperglikemia.

BAB I PENDAHULUAN. dapat memunculkan beberapa risiko lain seperti hipoglikemia atau hiperglikemia. BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Diabetes adalah penyakit yang cukup mematikan karena jika salah penanganan dapat memunculkan beberapa risiko lain seperti hipoglikemia atau hiperglikemia. Hipoglikemia

Lebih terperinci

KNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA

KNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA LAPORAN TUGAS BESAR ARTIFICIAL INTELLEGENCE KNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA Disusun Oleh : Bayu Kusumo Hapsoro (113050220) Barkah Nur Anita (113050228) Radityo Basith (113050252) Ilmi Hayyu

Lebih terperinci

Implementasi Algoritma Genetika dalam Pembuatan Jadwal Kuliah

Implementasi Algoritma Genetika dalam Pembuatan Jadwal Kuliah Implementasi Algoritma Genetika dalam Pembuatan Jadwal Kuliah Leonard Tambunan AMIK Mitra Gama Jl. Kayangan No. 99, Duri-Riau e-mail : leo.itcom@gmail.com Abstrak Pada saat ini proses penjadwalan kuliah

Lebih terperinci

Analisis Operator Crossover pada Permasalahan Permainan Puzzle

Analisis Operator Crossover pada Permasalahan Permainan Puzzle Analisis Operator Crossover pada Permasalahan Permainan Puzzle Kun Siwi Trilestari [1], Ade Andri Hendriadi [2] Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Singaperbanga Karawang

Lebih terperinci

ISSN VOL. 12, NO. 2, OKTOBER 2011

ISSN VOL. 12, NO. 2, OKTOBER 2011 ANALISIS OPTIMASI PENJADWALAN JAGA DOKTER RESIDEN PENYAKIT DALAM PADA RUMAH SAKIT PENDIDIKAN Erlanie Sufarnap 1, Sudarto 2 STMIK Mikroskil Jl. Thamrin No. 112, 124, 140 Medan 20212 airlanee@yahoo.com 1,

Lebih terperinci

PENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP)

PENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP) PENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP) Mohamad Subchan STMIK Muhammadiyah Banten e-mail: moh.subhan@gmail.com ABSTRAK: Permasalahan pencarian rute terpendek dapat

Lebih terperinci

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka. Penelitian serupa mengenai penjadwalan matakuliah pernah dilakukan oleh penelliti yang sebelumnya dengan metode yang berbeda-neda. Berikut

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara 1 BAB 1 PENDAHULUAN 1.1. Latar Belakang Penjadwalan adalah alokasi dari sumber daya yang dibutuhkan untuk melaksanakan serangkaian tugas dalam suatu waktu tertentu untuk menghasilkan sebuah kumpulan pekerjaan

Lebih terperinci

TAKARIR. algorithm algoritma/ kumpulan perintah untuk menyelesaikan suatu masalah. kesalahan program

TAKARIR. algorithm algoritma/ kumpulan perintah untuk menyelesaikan suatu masalah. kesalahan program TAKARIR advanced tingkat lanjut algorithm algoritma/ kumpulan perintah untuk menyelesaikan suatu masalah alleles nilai suatu gen. bug kesalahan program chromosome kromosom crossover penyilangan kromosom

Lebih terperinci

Lingkup Metode Optimasi

Lingkup Metode Optimasi Algoritma Genetika Lingkup Metode Optimasi Analitik Linier Non Linier Single Variabel Multi Variabel Dgn Kendala Tanpa Kendala Numerik Fibonacci Evolusi Complex Combinasi Intelijen/ Evolusi Fuzzy Logic

Lebih terperinci

BAB 3 ANALISIS DAN PERANCANGAN SISTEM

BAB 3 ANALISIS DAN PERANCANGAN SISTEM BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Gambaran Umum Perusahaan 3.1.1 Sejarah Umum Perusahaan NIKO FURNITURE adalah perusahaan swasta, yang didirikan pada tahun 2000. Perusahaan ini bergerak dalam bidang

Lebih terperinci

OPTIMASI JALUR TRANSPORTASI PRODUK HOUSING CLUTCH DENGAN MENGGUNAKAN METODE ALGORITMA GENETIKA PADA PT. SUZUKI INDOMOBIL MOTOR PLANT CAKUNG

OPTIMASI JALUR TRANSPORTASI PRODUK HOUSING CLUTCH DENGAN MENGGUNAKAN METODE ALGORITMA GENETIKA PADA PT. SUZUKI INDOMOBIL MOTOR PLANT CAKUNG OPTIMASI JALUR TRANSPORTASI PRODUK HOUSING CLUTCH DENGAN MENGGUNAKAN METODE ALGORITMA GENETIKA PADA PT. SUZUKI INDOMOBIL MOTOR PLANT CAKUNG Disusun Oleh : Nama : Mochammad Brananta Arya Lasmono NPM : 34412653

Lebih terperinci

DETEKSI MAHASISWA BERPRESTASI DAN BERMASALAH DENGAN METODE K- MEANS KLASTERING YANG DIOPTIMASI DENGAN ALGORITMA GENETIKA

DETEKSI MAHASISWA BERPRESTASI DAN BERMASALAH DENGAN METODE K- MEANS KLASTERING YANG DIOPTIMASI DENGAN ALGORITMA GENETIKA DETEKSI MAHASISWA BERPRESTASI DAN BERMASALAH DENGAN METODE K- MEANS KLASTERING YANG DIOPTIMASI DENGAN ALGORITMA GENETIKA Akmal Hidayat 1) & Entin Martiana 2) 1) Teknik Elektro Politeknik Bengkalis Jl.

Lebih terperinci

BAB IV ANALISIS MASALAH

BAB IV ANALISIS MASALAH BAB IV ANALISIS MASALAH 4.1 Tampilan Program Persoalan TSP yang dibahas pada tugas akhir ini memiliki kompleksitas atau ruang solusi yang jauh lebih besar dari TSP biasa yakni TSP asimetris dan simetris.

Lebih terperinci

Zbigniew M., Genetic Alg. + Data Structures = Evolution Program, Springler-verlag.

Zbigniew M., Genetic Alg. + Data Structures = Evolution Program, Springler-verlag. Zbigniew M., Genetic Alg. + Data Structures = Evolution Program, Springler-verlag. 12/11/2009 1 Ditemukan oleh Holland pada tahun 1975. Didasari oleh fenomena evolusi darwin. 4 kondisi yg mempengaruhi

Lebih terperinci

PENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T

PENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T PENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T Abstrak : Algoritma genetika adalah algoritma pencarian heuristik yang didasarkan atas mekanisme evolusi

Lebih terperinci

OPTIMASI PENEMPATAN KAPASITOR PADA SALURAN DISTRIBUSI 20 kv DENGAN MENGGUNAKAN METODE KOMBINASI FUZZY DAN ALGORITMA GENETIKA

OPTIMASI PENEMPATAN KAPASITOR PADA SALURAN DISTRIBUSI 20 kv DENGAN MENGGUNAKAN METODE KOMBINASI FUZZY DAN ALGORITMA GENETIKA OPTIMASI PENEMPATAN KAPASITOR PADA SALURAN DISTRIBUSI 20 kv DENGAN MENGGUNAKAN METODE KOMBINASI FUZZY DAN ALGORITMA GENETIKA I Made Wartana, Mimien Mustikawati Program Studi Teknik Elektro, Fakultas Teknologi

Lebih terperinci

PENERAPAN ALGORITMA GENETIK UNTUK OPTIMASI DENGAN MENGUNAKAN PENYELEKStAN RODA ROULETTE

PENERAPAN ALGORITMA GENETIK UNTUK OPTIMASI DENGAN MENGUNAKAN PENYELEKStAN RODA ROULETTE PENERAPAN ALGORTMA GENETK UNTUK OPTMAS DENGAN MENGUNAKAN PENYELEKStAN RODA ROULETTE Samuel Lukas, M.Tech." Abstract The purpose of this paper is to introducing genetic algorithm. This algorithm is one

Lebih terperinci

Penggunaan Algoritma Genetik dengan Pemodelan Dua Tingkat dalam Permasalahan Penjadwalan Perawat pada Unit Gawat Darurat Rumah Sakit Umum XYZ Surabaya

Penggunaan Algoritma Genetik dengan Pemodelan Dua Tingkat dalam Permasalahan Penjadwalan Perawat pada Unit Gawat Darurat Rumah Sakit Umum XYZ Surabaya Penggunaan Algoritma Genetik dengan Pemodelan Dua Tingkat dalam Permasalahan Penjadwalan Perawat pada Unit Gawat Darurat Rumah Sakit Umum XYZ Surabaya Oleh: Anisa Ulya 5206 100 101 Dosen pembimbing 1:

Lebih terperinci

PENERAPAN ALGORITMA GENETIKA UNTUK TRAVELING SALESMAN PROBLEM DENGAN MENGGUNAKAN METODE ORDER CROSSOVER DAN INSERTION MUTATION

PENERAPAN ALGORITMA GENETIKA UNTUK TRAVELING SALESMAN PROBLEM DENGAN MENGGUNAKAN METODE ORDER CROSSOVER DAN INSERTION MUTATION PENERAPAN ALGORITMA GENETIKA UNTUK TRAVELING SALESMAN PROBLEM DENGAN MENGGUNAKAN METODE ORDER CROSSOVER DAN INSERTION MUTATION Samuel Lukas 1, Toni Anwar 1, Willi Yuliani 2 1) Dosen Teknik Informatika,

Lebih terperinci

TEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA. Oleh Dian Sari Reski 1, Asrul Sani 2, Norma Muhtar 3 ABSTRACT

TEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA. Oleh Dian Sari Reski 1, Asrul Sani 2, Norma Muhtar 3 ABSTRACT TEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA Oleh Dian Sari Reski, Asrul Sani 2, Norma Muhtar 3 ABSTRACT Scheduling problem is one type of allocating resources problem that exist to

Lebih terperinci

Jl. Ahmad Yani, Pontianak Telp./Fax.: (0561)

Jl. Ahmad Yani, Pontianak Telp./Fax.: (0561) APLIKASI PENCARIAN RUTE TERPENDEK MENGGUNAKANALGORITMA GENETIKA (Studi Kasus: Pencarian Rute Terpendek untuk Pemadam Kebakaran di Wilayah Kota Pontianak) [1] Putri Yuli Utami, [2] Cucu Suhery, [3] Ilhamsyah

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN digilib.uns.ac.id BAB III METODE PENELITIAN Penelitian ini sebelumnya diawali oleh pengumpulan litelatur dan pengumpulan data. Pengumpulan literatur merupakan pengumpulan bahan-bahan seperti jurnal, buku,

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Pada awal diciptakan, komputer hanya difungsikan sebagai alat hitung saja. Namun seiring dengan perkembangan zaman, maka peran komputer semakin mendominasi kehidupan.

Lebih terperinci

BAB I PENDAHULUAN. makan, faktor lingkungan kerja, olah raga dan stress. Faktor-faktor tersebut

BAB I PENDAHULUAN. makan, faktor lingkungan kerja, olah raga dan stress. Faktor-faktor tersebut BAB I PENDAHULUAN A. Latar Belakang Pada umumnya masalah kesehatan dipengaruhi oleh pola hidup, pola makan, faktor lingkungan kerja, olah raga dan stress. Faktor-faktor tersebut dapat menyebabkan meningkatnya

Lebih terperinci

BAB 4 IMPLEMENTASI DAN EVALUASI. Berikut ini merupakan spesifikasi perangkat keras dan perangkat lunak yang

BAB 4 IMPLEMENTASI DAN EVALUASI. Berikut ini merupakan spesifikasi perangkat keras dan perangkat lunak yang BAB IMPLEMENTASI DAN EVALUASI. Implementasi Sistem Berikut ini merupakan spesifikasi perangkat keras dan perangkat lunak yang diperlukan agar program simulasi Tata Letak Tempat Sampah dengan Algoritma

Lebih terperinci

Optimasi Metode Fuzzy Dengan Algoritma Genetika Pada Kontrol Motor Induksi

Optimasi Metode Fuzzy Dengan Algoritma Genetika Pada Kontrol Motor Induksi Optimasi Metode Fuzzy Dengan Algoritma Genetika Pada Kontrol Motor Induksi Rahman Aulia Universitas Sumatera Utara Pasca sarjana Fakultas Ilmu Komputer Medan, Indonesia Rahmanaulia50@gmail.com Abstract

Lebih terperinci

8. Evaluasi Solusi dan Kriteria Berhenti Perumusan Masalah METODE PENELITIAN Studi Pustaka Pembentukan Data

8. Evaluasi Solusi dan Kriteria Berhenti Perumusan Masalah METODE PENELITIAN  Studi Pustaka Pembentukan Data Gambar 4 Proses Swap Mutation. 8. Evaluasi Solusi dan Kriteria Berhenti Proses evaluasi solusi ini akan mengevaluasi setiap populasi dengan menghitung nilai fitness setiap kromosom sampai terpenuhi kriteria

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB 2 LANDASAN TEORI 2.1 Penjadwalan Perkuliahan Penjadwalan memiliki pengertian durasi dari waktu kerja yang dibutuhkan untuk melakukan serangkaian untuk melakukan aktivitas kerja[10]. Penjadwalan juga

Lebih terperinci

Sistem Pendukung Keputusan Pengobatan Penderita Diabetes Menggunakan Integrasi Decision Table dan Algoritma Genetika

Sistem Pendukung Keputusan Pengobatan Penderita Diabetes Menggunakan Integrasi Decision Table dan Algoritma Genetika 17 Sistem Pendukung Keputusan Pengobatan Penderita Diabetes Menggunakan Integrasi Decision Table dan Algoritma Genetika Sumartini Dana, Purnomo Budi Santoso dan D. J. Djoko H. S Abstrak Pengelolaan diabetes

Lebih terperinci

PERANCANGAN DAN IMPLEMENTASI PERANGKAT LUNAK VISUALISASI DUA DIMENSI WELL PRODUCTION FORECASTING DENGAN GENETIC ALGORITHM

PERANCANGAN DAN IMPLEMENTASI PERANGKAT LUNAK VISUALISASI DUA DIMENSI WELL PRODUCTION FORECASTING DENGAN GENETIC ALGORITHM PERANCANGAN DAN IMPLEMENTASI PERANGKAT LUNAK VISUALISASI DUA DIMENSI WELL PRODUCTION FORECASTING DENGAN GENETIC ALGORITHM Danuri Teknologi Informasi Politeknik Bengkalis Jl. Bathin Alam, Sei-Alam, Bengkalis

Lebih terperinci

Apakah Diet Makanan Saja Cukup Sebagai Obat Diabetes Alami?

Apakah Diet Makanan Saja Cukup Sebagai Obat Diabetes Alami? Apakah Diet Makanan Saja Cukup Sebagai Obat Diabetes Alami? Bicara tentang diabetes pasti juga perlu membicarakan mengenai diet makanan bagi penderita diabetes. Diet makanan bagi penderita diabetes dapat

Lebih terperinci

OPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA

OPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA OPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA Muhammad Arief Nugroho 1, Galih Hermawan, S.Kom., M.T. 2 1, 2 Universitas Komputer Indonesia Jl. Dipatiukur No. 112-116, Bandung 40132 E-mail

Lebih terperinci

APLIKASI ALGORITMA GENETIKA DALAM MENENTUKAN SPESIFIKASI PC BERDASARKAN KEMAMPUAN FINANSIAL KONSUMEN

APLIKASI ALGORITMA GENETIKA DALAM MENENTUKAN SPESIFIKASI PC BERDASARKAN KEMAMPUAN FINANSIAL KONSUMEN APLIKASI ALGORITMA GENETIKA DALAM MENENTUKAN SPESIFIKASI PC BERDASARKAN KEMAMPUAN FINANSIAL KONSUMEN Eva Haryanty, S.Kom. ABSTRAK Komputer adalah salah satu peralatan yang pada saat ini banyak pula digunakan

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Hemofilia Hemofilia adalah gangguan produksi faktor pembekuan yang diturunkan, hemofilia berasal dari bahasa Yunani yaitu haima yang artinya darah dan philein yang artinya mencintai

Lebih terperinci

Generator Jadwal Perkuliahan Menggunakan Algoritma Genetika

Generator Jadwal Perkuliahan Menggunakan Algoritma Genetika Generator Jadwal Perkuliahan Menggunakan Algoritma Genetika Zainal Akbar 1), Muh. Fajri Raharjo 2), Eddy Tungadi 3) CAIR, Politeknik Negeri Ujung Pandang Jl. Perintis Kemerdekaan km. 10, Tamalanrea Makassar,

Lebih terperinci

OPTIMASI PENJADWALAN KEGIATAN BELAJAR MENGAJAR DENGAN ALGORITMA GENETIK

OPTIMASI PENJADWALAN KEGIATAN BELAJAR MENGAJAR DENGAN ALGORITMA GENETIK OPTIMASI PENJADWALAN KEGIATAN BELAJAR MENGAJAR DENGAN ALGORITMA GENETIK Usulan Skripsi S-1 Jurusan Matematika Diajukan oleh 1. Novandry Widyastuti M0105013 2. Astika Ratnawati M0105025 3. Rahma Nur Cahyani

Lebih terperinci

BAB 3 ANALISIS DAN PERANCANGAN. Berbagai pembangunan terus dilaksanakan di setiap wilayah di Indonesia,

BAB 3 ANALISIS DAN PERANCANGAN. Berbagai pembangunan terus dilaksanakan di setiap wilayah di Indonesia, BAB 3 ANALISIS DAN PERANCANGAN 3.1 Latar Belakang Permasalahan Berbagai pembangunan terus dilaksanakan di setiap wilayah di Indonesia, khususnya Jakarta Selatan. Seperti diketahui, semakin berkembanganya

Lebih terperinci

PENENTUAN MATCHING MAKSIMUM PADA GRAPH BIPARTISI BERBOBOT DENGAN MENGGUNAKAN ALGORITMA GENETIKA

PENENTUAN MATCHING MAKSIMUM PADA GRAPH BIPARTISI BERBOBOT DENGAN MENGGUNAKAN ALGORITMA GENETIKA PENENTUAN MATCHING MAKSIMUM PADA GRAPH BIPARTISI BERBOBOT DENGAN MENGGUNAKAN ALGORITMA GENETIKA,, Universitas Negeri Malang E-mail: love_nisza@yahoo.co.id ABSTRAK: Matching berguna untuk menyelesaikan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI Pada bab ini akan membahas landasan atas teori-teori yang bersifat ilmiah untuk mendukung penulisan tugas akhir ini. Teori-teori yang dibahas mengenai pengertian penjadwalan, algoritma

Lebih terperinci

BAB 1 PENDAHULUAN. menggunakan sistem komputerisasi. Salah satu bentuk perusahaan yang sangat

BAB 1 PENDAHULUAN. menggunakan sistem komputerisasi. Salah satu bentuk perusahaan yang sangat BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pada zaman sekarang ini komputer merupakan kebutuhan yang umum dalam sebuah perusahaan. Di dalam perusahaan, banyak hal menjadi lebih efisien dengan menggunakan

Lebih terperinci

ALGORITMA GENETIKA. Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning

ALGORITMA GENETIKA. Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning ALGORITMA GENETIKA Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning Disusun oleh: Achmad Basuki Politeknik Elektronika Negeri Surabaya, PENS ITS Surabaya 2003 Algoritma

Lebih terperinci

BAB III METODE PENELITIAN. pada data input yang dimasukkan oleh user serta kemampuan sistem untuk

BAB III METODE PENELITIAN. pada data input yang dimasukkan oleh user serta kemampuan sistem untuk BAB III METODE PENELITIAN Keberhasilan dari sistem pendukung keputusan ini akan sangat bergantung pada data input yang dimasukkan oleh user serta kemampuan sistem untuk menganalisa dan mengolah data input

Lebih terperinci

BAB III PEMBAHASAN. menggunakan model Fuzzy Mean Absolute Deviation (FMAD) dan penyelesaian

BAB III PEMBAHASAN. menggunakan model Fuzzy Mean Absolute Deviation (FMAD) dan penyelesaian BAB III PEMBAHASAN Dalam bab ini akan dibahas mengenai pembentukan portofolio optimum menggunakan model Fuzzy Mean Absolute Deviation (FMAD) dan penyelesaian model Fuzzy Mean Absolute Deviation (FMAD)

Lebih terperinci

Bab 1. Pendahuluan. 1.1 Latar Belakang

Bab 1. Pendahuluan. 1.1 Latar Belakang Bab 1 Pendahuluan 1.1 Latar Belakang Pentingnya suatu jadwal dalam sebuah kegiatan tidak lain agar kegiatan tersebut berjalan dengan lancar tanpa adanya gangguan seperti bentroknya jadwal. Penyusunan jadwal

Lebih terperinci

PERANCANGAN TATA LETAK FASILITAS BAGIAN PRODUKSI MENGGUNAKAN METODE ALGORITMA GENETIK DI PT. PUTRA SEJAHTERA MANDIRI

PERANCANGAN TATA LETAK FASILITAS BAGIAN PRODUKSI MENGGUNAKAN METODE ALGORITMA GENETIK DI PT. PUTRA SEJAHTERA MANDIRI PERANCANGAN TATA LETAK FASILITAS BAGIAN PRODUKSI MENGGUNAKAN METODE ALGORITMA GENETIK DI PT. PUTRA SEJAHTERA MANDIRI TUGAS SARJANA Diajukan Untuk Memenuhi Sebagian Dari Syarat-Syarat Memperoleh Gelar Sarjana

Lebih terperinci

Optimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika

Optimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika Optimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika Wayan Firdaus Mahmudy (wayanfm@ub.ac.id) Program Studi Ilmu Komputer, Universitas Brawijaya, Malang, Indonesia Abstrak.

Lebih terperinci

BAB 3 ANALISA DAN PERANCANGAN

BAB 3 ANALISA DAN PERANCANGAN BAB 3 ANALISA DAN PERANCANGAN Pada bab ini akan dibahas mengenai analisa dan perancangan program perhitungan basic reproduction rate berdasarkan teori-teori yang telah dipaparkan pada bab sebelumnya. Analisa

Lebih terperinci

BAB 2 LANDASAN TEORI. 2.1 Algoritma Genetika

BAB 2 LANDASAN TEORI. 2.1 Algoritma Genetika 6 BAB 2 LANDASAN TEORI 2.1 Algoritma Genetika Algoritma genetika merupakan metode pencarian yang disesuaikan dengan proses genetika dari organisme-organisme biologi yang berdasarkan pada teori evolusi

Lebih terperinci

ABSTRAK. Kata kunci : Aplikasi, Penjadwalan, Algoritma Genetika. viii

ABSTRAK. Kata kunci : Aplikasi, Penjadwalan, Algoritma Genetika. viii ABSTRAK Di program studi Teknik Informatika UPN Veteran Yogyakarta, mahasiswa yang akan melakukan pendadaran tidak bisa menentukan jadwal pendadarannya sendiri. Mahasiswa hanya menunggu jadwal pendadaran

Lebih terperinci