Meilinda Ayundyahrini Pembimbing: Ir. Rusdhianto Effendie A. K, MT Nurlita Gamayanti, ST., MT

Transkripsi

1 Meilinda Ayundyahrini Pembimbing: Ir. Rusdhianto Effendie A. K, MT Nurlita Gamayanti, ST., MT Teknik Sistem Pengaturan JURUSAN TEKNIK ELEKTRO Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember SURABAYA 2013

2 PENDAHULUAN TEORI DASAR PERANCANGAN SISTEM PENGUJIAN DAN ANALISA PENUTUP

3 PENDAHULUAN Aktifitas masyarakat (limbah) Musim penghujan dan kemarau [8] Koagulasi pengikatan koloid air dosis koagulan tergantung kualitas air baku tidak linier Musim ikut mempengaruhi kualitas air baku

4 TEORI DASAR Proses Pengolahan Air IPAM Ngagel III Algoritma Genetika

5 Proses Pengolahan Air IPAM Ngagel III

6

7 Algoritma Genetika Inialisasi Populasi Penentuan nilai sistem awal (uk. Populasi, tipe data, jumlah gen, jumlah var) dan membuat populasi awal Evaluasi Individu Menentukan performansi individu. Individu yang memiliki nilai fitness tertinggi yang bertahan Seleksi Induk Penentuan induk untuk memperbaiki keturunan Pindah Silang Mendapatkan solusi yang bagus dan minimum terdapat 2 kromosom induk. Memiliki probabilitas crossover Mutasi Merubah menjadi nilai sebaliknya (dalam biner) umumnya nilai probabilitas mutasi sebagai 1/n (n adl jumlah gen dalam variabel) Elitisme Mempertahankan/mengamankan individu terbaik

8 BAB III PERANCANGAN SISTEM Mulai Evaluasi Individu Data Real Pc,Pm,hi,lo,maxit,mincost, popsize,nbits Seleksi Induk Pindah Silang Normalisasi Data Real Mutasi Stratifikasi Elitisme Inialisasi Populasi Max Iterasi? Tidak Ya Selesai

9 Normalisasi Data Kekeruhan : 10 ntu sampai ±372 ntu ph : ± 7 sampai ±8 Dosis Tawas : 10 ppm sampai ±120 ppm 3.1 Keterangan: n = nilai ternormalisasi X n = nilai yang ingin dinormalisasi X min = nilai terkecil dalam satu parameter = nilai terbesar dalam satu parameter X max

10 Stratifikasi Data Satu Tahun Musim (Kemarau, Penghujan) Kekeruhan Waktu Kekeruhan (shorting) Waktu 1 golongan 2 golongan 3 golongan 1 golongan 2 golongan 3 golongan

11 Mulai Data normalisasi, n Pengurutan Kekeruhan Pengelompokan data sebanyak n Eksekusi Data Golongan 1 Eksekusi Data Golongan 2 Eksekusi Data Golongan 3 Par1, par2, par3 selesai

12 Inialisasi Populasi Penentuan harga awal yang meliputi: >> Jumlah parameter (Npar) >> Jumlah gen/bit (Nbits) >> batas awal pengkodean (hi), batas bawah pengkodean (lo) >> Banyak populasi awal (popsize) >> Penentuan banyaknya iterasi (maxit) >> Probabilitas crossover (Pc) dan probabilitas mutas (Pm) >> Penentuan berhentinya iterasi (mincost)

13 Representasi Kromosom, Individu, dan Populasi Mulai popsize=16, nbits=8, npar=5 Nt=nbits*npar pembangkitan populasi popsizexnt Pengkodean data populasi par Selesai

14 Flowchart Pengkodean Kromosom Pengkodean kromosom bertujuan untuk mengubah data biner menjadi desimal agar data bisa diproses pada evaluasi individu Mulai popsize, keep, chrom, hi, lo,bits Pengkodean bilangan biner ke bilangan asli Selesai

15 Evaluasi Individu Persamaan polynomial Persamaan least square error Persamaan error sesaat

16

17 Seleksi Induk Mulai Seleksi Induk menggunakan seleksi turnamen. Seleksi mengambil 8 data teratas untuk menjadi calon induk. Pemilihan induk dilakukan secara acak Ic=1 popsize, keep M=(popsize-keep)/2 Fungsi probabilitas distribusi pick1=rand(1,m), pick2=rand(1,m) While ic<=m odds(id)=>pick1(ic)>odds(id-1) Tidak odds(id)=>pick2(ic)>odds(id-1) Tidak Ya Ya ma(ic)=id-1 pa(ic)=id-1 id For id=2:keep+1 ic Selesai

18 Pindah Silang Mulai Pindah silang menggunakan single point crossover. Titik potong dipilih secara acak yang menggunakan nama xp. Variabel ix menunjukkan indeks induk selection, M, Nt, ma, pa Keep=floor(selection*popsize) ix= 1:2:keep Penentuan titik potong Pembentukan Anak 1 dan Anak 2 pop Selesai

19 Mutasi Mulai popsize, Nt, Pm, pop Mutasi yang merupakan penggantian nilai bit menjadi sebaliknya dipilih secara acak. Pemilihan baris dan kolom untuk mutasi disimpan dalam variabel mrow dan mcol nmut=ceil((popsize-1)*nt*pm mrow=ceil(rand(1,mut)*(popsize-1)+1 mcol=ceil(rand(1,nmut)*nt for ii=1:nmut pop(mrow(ii),mcol(ii))=abs(pop(mrow(ii), mcol(ii))-1) ii Selesai

20 Elitisme mulai Elistisme, mengamankan individu terbaik dengan tidak mengikutsertakan individu indeks teratas dalam iterasi selanjutnya par, pop, popsize, nbits par(2:popsize,:)=gadecode(pop(2:popsize,:),0, 10) Cost (2,popsize)=feval(ff,par(2,popsize,:)) [cost,ind]=sort (cost) par=par(ind,: ) pop=pop(ind,: ) Selesai

21 PENGUJIAN DAN ANALISA Data Satu Tahun Musim (Kemarau, Penghujan) Kekeruhan (LSE & ES) Waktu (LSE & ES) Kekeruhan (shorting) Waktu 1 golongan 2 golongan 3 golongan 1 golongan 2 golongan 3 golongan (LSE & ES) (LSE & ES) (LSE & ES) (LSE & ES) (LSE & ES) (LSE & ES)

22 Sebaran Data Real Satu Tahun Sebaran Data Real Musim Kemarau Sebaran Data Real Musim Penghujan

23 HASIL RATA-RATA ERROR PENGUJIAN DATA Keterangan LSE Error Sesaat Satu Tahun 1. Tanpa pengurutan kekeruhan 16,645; 1,226 16,716; 0, Dengan pengurutan kekeruhan 16,638; 1,107 16,644; 1,147 Musim Kemarau 1. Satu tk. kekeruhan 4,08; 0,935 3,779; 1, Dua tk.kekeruhan 3,971; 1,577 3,665; 1, Tiga tk. kekeruhan 3,194; 0,968 3,039; 0,89 4. Setiap 6 bulan 3,08; 0,674 3,076; 0, Setiap 3 bulan 3,37; 0,879 3,66; 1, Setiap 2 bulan 2,327; 0,033 2,297; 0,027 Musim Penghujan 1. Satu tk. kekeruhan 10,611; 0,521 10,584, Dua tk.kekeruhan 9,165; 0,307 9,137; 0, Tiga tk. kekeruhan 8,501; 0,056 8,491; 0, Setiap 6 bulan 10,584; 0,493 10,583; 0, Setiap 3 bulan 10, 376; 0,204 10, 357; 0, Setiap 2 bulan 9,802; 0,343 9,78; 0,199

24 Data Satu Tahun

25 Musim Kemarau Dengan 3 Penggolongan Waktu Persamaan yang didapat

26 Musim Kemarau Dengan 3 Penggolongan Kekeruhan Persamaan yang didapat

27 Musim Penghujan Dengan 3 Penggolongan Kekeruhan Persamaan yang didapat

28 Musim Penghujan Dengan 3 Penggolongan Waktu

29 PENUTUP Setelah melakukan pengujian terhadap plant maka didapatkan beberapa kesimpulan. Musim penghujan dan musim kemarau memiliki karakteristik yang berbeda, hal tersebut ditunjukkan dari nilai koefisien yang muncul. Untuk musim kemarau, penyelesaian yang bisa menghasilkan nilai error sebesar 2,787 untuk nilai error dari rata-rata error setiap individu dan 0,428 untuk nilai error darirata-rata data keseluruhan adalah dengan mengelompokkan data menjadi tiga kelompok waktu menggunakan persamaan error sesaat. Sedangkan untuk musim penghujan nilai error dari rata-rata error setiap individu bernilai 8,639 dan nilai error dari rata-rata data keseluruhan sebesar 0,204. Nilai error tersebut didapatkan melalui pengelompokan data menjadi tiga golongan terhadap kekeruhan menggunakan persamaan error sesaat. Dari hasil pengujian pada bab sebelumnya, persamaan error sesaat menghasilkan nilai error lebih rendah jika dibandingkan dengan persamaan least square error.