ANALISIS PARAMETER ALGORITMA GENETIKA UNTUK PERAMALAN HARGA MINYAK MENTAH
|
|
- Verawati Oesman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 IJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: ANALISIS PARAMETER ALGORITMA GENETIKA UNTUK PERAMALAN HARGA MINYAK MENTAH Sri Herawati 1 1 Fakultas Teknik, Universitas Trunojoyo Madura Jl. Raya Telang PO BOX 2 Kamal. zheira83@yahoo.com Abstrak Peramalan sangat diperlukan untuk mengestimasi fluktuasi harga minyak mentah. Fluktuasi ini sangat sulit diestimasi karena kompleksitas instrinsik dari harga minyak mentah. Penelitian ini menggunakan metode kombinasional dari gabungan dekomposisi, jaringan syaraf tiruan dan algoritma genetika. Data harga minyak mentah didekomposisi menggunakan Ensemble Empirical Mode Decomposition (EEMD). Hasil dekomposisi menjadi masukan untuk pelatihan dan pengujian FeedForward Neural Network (FFNN). Hasil keluaran FFNN dioptimasi menggunakan algoritma genetika untuk memperoleh bobot dan bias yang terbaik. Bobot dan bias ini mempunyai pengaruh yang penting untuk menghasilkan peramalan yang akurat. Bobot dan bias dapat diperoleh dengan penggunaan parameter algoritma genetika yang tepat. Hasil uji coba menunjukkan kinerja peramalan terbaik dihasilkan dengan menggunakan jumlah populasi sebanyak 45, probabilitas pindah silang sebesar 0,9 dan probabilitas mutasi sebesar 0,2. Kata kunci: Peramalan Harga Minyak Mentah, EEMD, FFNN, Algoritma Genetika Abstract Forecasting is necessary to estimate the fluctuations of crude oil prices. These fluctuations are very difficult to estimate because of the intrinsic complexity of crude oil prices. This study uses a combined method of combinational decomposition, neural networks and genetic algorithms. Data of Crude oil prices is decomposed using Ensemble Empirical Mode Decomposition (EEMD). Decomposition used as input for training and testing feedforward Neural Network (FFNN). FFNN output is optimized using a genetic algorithm to obtain the best weight and bias. Weights and bias has a significant influence to produce accurate forecasting. Weights and biases can be obtained by the use of appropriate genetic algorithm parameters. Experimental result shows the best forecasting performance generated using a total population of 45, the probability of crossover of 0.9 and a mutation probability of 0.2. Keywords: Crude Oil Price forecasting,eemd, FFNN, Genetic Algorithm. 1. PENDAHULUAN Harga minyak mentah berkaitan erat dengan pasar ekonomi global dan isu-isu ekonomi makro termasuk inflasi bagi suatu negara[1]. Peramalan harga minyak merupakan salah satu upaya yang dapat membatu pengambilan keputusan baik yang bersifat strategis maupun taktis. Banyak penelitian dilakukan untuk menghasilkan peramalan yang akurat. Secara garis besar metode peramalan dapat dikelompokkan menjadi tiga kategori, antara lain: metode statistik, metode kecerdasan buatan dan metode kombinasional[2]. Penelitian menggunakan metode kombinasional, seperti kombinasi metode dekomposisi dan jaringan syaraf tiruan[3][4][5], fuzzy dan jaringan syaraf tiruan[5][6][7]. Metode kombinasional menghasilkan peramalan lebih baik daripada metode individu untuk peramalan harga minyak mentah[3]. Dalam penelitian ini menggunakan metode kombinasional yaitu gabungan dari dekomposisi, jaringan syaraf tiruan dan algoritma genetika. Metode ini digunakan untuk Received June 1 st,2012; Revised June 25 th, 2012; Accepted July 10 th, 2012
2 48 ISSN: peramalan harga minyak mentah yang cenderung nonlinear dan nonstasioner. Data harga minyak mentah didekomposisi menggunakan Ensemble Empirical Mode Decomposition (EEMD). Hasil dekomposisi menjadi masukan untuk pelatihan dan pengujian menggunakan FeedForward Neural Network (FFNN). Hasil keluaran FFNN dioptimasi menggunakan algoritma genetika. Optimasi dilakukan untuk menghasilkan bobot dan bias yang terbaik. Bobot dan bias ini mempunyai pengaruh yang penting untuk menghasilkan peramalan yang akurat. Bobot dan bias ini diperoleh dengan penggunaan parameter algoritma genetika yang tepat. Oleh karena itu, penelitian ini dilakukan untuk penentuan parameter algoritma genetika. 2. METODE PENELITIAN Metode penelitian digunakan untuk menjelaskan tahapan-tahapan dalam menyelesaikan masalah penelitian. Langkah awal penyelesaian dengan melakukan dekomposisi data harga minyak mentah menggunakan Ensemble Empirical Mode Decomposition (EEMD). Dekomposisi ini menghasilkan beberapa IMF dan residu. Selanjutnya, normalisasi dilakukan terhadap data hasil dekomposisi sebelum dilakukan pelatihan dan pengujian menggunakan FeedForward Neural Network(FFNN). Normalisasi bertujuan untuk memenuhi persyaratan dari fungsi aktivasi sigmoid biner yang digunakan dalam penelitian ini. Fungsi sigmoid biner merupakan fungsi yang nilainya tidak pernah mencapai 0 ataupun 1[8]. Sehingga normalisasi akan ditransformasikan ke interval yang lebih kecil yaitu interval 0,1 sampai 0,9. Normalisasi menggunakan persamaan 1. Dalam persamaan tersebut, variabel x menyatakan data hasil normalisasi, x menyatakan data aktual runtun waktu, D min dan D max merupakan nilai minimal dan nilai maksimal dari data aktual runtun waktu. x = (1) Hasil keluaran FFNN dioptimasi menggunakan algoritma genetika. Bobot dan bias ini mempunyai pengaruh yang penting untuk menghasilkan peramalan yang akurat. Dalam penelitian ini, akurasi peramalan dihitung dengan menggunakan Mean Squared Error(MSE) dan Root Mean Squared Error (RMSE). Semakin kecil nilai kesalahan peramalan, maka hasil peramalan semakin akurat. Sehingga, pemilihan parameter algoritma genetika sangat penting untuk menghasilkan bobot dan bias yang terbaik. Uji coba dalam penelitian ini dilakukan untuk mencari jumlah populasi, probabilitas pindah silang dan probabilitas mutasi. Optimasi algoritma genetika ini dimulai dengan melakukan proses seleksi bobot dan bias. Seleksi dilakukan untuk memilih calon kromosom induk terbaik. Kromosom untuk penelitian ini menggunakan kode bilangan riil. Nilai fitness menggunakan fungsi tujuan untuk meminimalkan RMSE, sedangkan seleksi calon kromosom induk menggunakan metode roda rolet. Metode ini menirukan permainan roda rolet dimana tiap calon kromoson induk menempati potongan lingkaran secara proporsional sesuai dengan nilai fitness-nya [9]. Pencarian calon kromosom induk menggunakan algoritma sebagai berikut[10]: a. Jika bilangan acak(i) < probabilitas komulatif(i), maka pilih kromosom pertama sebagai induk. b. Jika tidak, pilih kromosom ke-i sebagai induk, probabilitas komulatif (i-1) < bilangan acak(i) < probabilitas komulatif(i) dimana i=2,...,jumlah populasi. Setelah proses seleksi dilakukan proses elitisme. Elitisme dilakukan agar individu dengan nilai fitness tertinggi tidak mengalami kerusakan selama proses pindah silang dan mutasi. Proses pindah silang dilakukan untuk calon kromosom induk yang terpilih. Pindah silang memberikan kesempatan reproduksi pada kromosom induk. Tahapan detail pindah silang ditunjukkan pada Gambar 1 berikut : IJCCS Vol. x, No. x, July 201x : first_page end_page
3 IJCCS ISSN: Gambar 1. Diagram alir proses pindah silang Proses pindah silang dimulai dengan menentukan probabilitas pindah silang (probsilang) yang mempunyai rentang nilai antara 0 sampai 1. Semakin besar probsilang, maka semakin besar peluang kromosom untuk pindah silang. Kemudian bilangan acak (r) dibangkitkan dengan rentang nilai antara 0 sampai 1. Bilangan acak ini diperlukan karena pindah silang hanya dapat dilakukan jika r yang dibangkitkan nilainya lebih kecil dari probsilang. Proses selanjutnya membangkitkan bilangan acak untuk penentuan posisi pindah silang. Bilangan acak dibangkitkan mulai dari satu sampai jumlah gen dalam kromosom. Pindah silang dilakukan dengan menggunakan metode pindah silang satu titik. Metode ini dilakukan dengan mencari satu posisi pada kromosom induk, kemudian menukar isi kromosom induk dua dengan kromosom induk satu. Hal ini dilakukan untuk mendapatkan nilai fitness tertinggi yang akan menjadi kromosom dalam populasi baru. Proses selanjutnya dilakukan mutasi untuk menghindari terjadinya konvergensi prematur yaitu mencapai solusi optimum lokal[11]. Konvergensi prematur diakibatkan proses tidak mampu mengeksplorasi kromosom lain karena pemilihan cenderung pada kromosom yang memiliki nilai fitness tinggi. Mutasi dipengaruhi oleh penentuan probabilitas mutasi. Proses terakhir dilakukan evaluasi fitness terhadap kromosom induk. Kromosom induk dengan nilai fitness terbaik digunakan dalam populasi baru dan diproses untuk generasi berikutnya. 3. HASIL DAN PEMBAHASAN Dalam peneltian ini menggunakan data runtun waktu yaitu data harian harga minyak mentah jenis Brent. Brent merupakan nilai standarisasi harga minyak mentah di seluruh dunia, terutama di Eropa dan pasar OPEC. Data harga minyak mentah Brent dimulai dari tanggal 20 Mei 1987 sampai dengan 30 Juni 2013 dengan total Data harga ini dibagi menjadi dua Title of manuscript is short and clear, implies research results (First Author)
4 50 ISSN: jenis yaitu 85% untuk data pelatihan sebanyak 5499 dimulai dari tanggal 20 Mei 1987 sampai dengan 31 Desember 2008 dan 15% sisanya digunakan sebagai pengujian sebanyak Seperti yang dijelaskan pada bagian metode penelitian, uji coba dilakukan untuk mencari parameter algoritma genetika seperti : jumlah populasi, probabilitas pindah silang dan probabilitas mutasi. Jumlah populasi menggunakan variasi nilai antara lain: 10, 15, 20, 25, 45, dan 60. Proses optimasi bobot dan bias menggunakan algoritma genetika akan berhenti jika generasi mencapai 100 atau RMSE lebih kecil dari 0,0001. Hasil uji coba penentuan jumlah populasi dapat dilihat pada Tabel 1. Tabel 1. Perbandingan Variasi Jumlah Populasi Populasi RMSE MSE 10 0,0236 0, ,0240 0, ,0230 0, ,0231 0, ,0229 0, ,0231 0, Selanjutnya uji coba dilakukan untuk menentukan probabilitas pindah silang dan probabilitas mutasi. Langkah-langkah pelaksanaan uji coba sama seperti pada pencarian jumlah populasi. Jumlah populasi menggunakan 45. Variasi probabilitas pindah silang dimulai dari 0,5 sampai dengan 0,9 sedangkan probabilitas mutasi menggunakan nilai 0,01, 0,05 dan 0,2. Hasil uji coba probabilitas pindah silang dapat dilihat pada Tabel 2 dan probabilitas mutasi dapat dilihat pada Tabel 3. Tabel 2. Perbandingan variasi probabilitas pindah silang ProbSilang RMSE MSE 0,5 0,0235 0, ,6 0,0230 0, ,7 0,0237 0, ,8 0,0234 0, ,9 0,0229 0, Tabel 3. Perbandingan variasi probabilitas mutasi ProbSilang RMSE MSE 0,01 0,0232 0, ,05 0,0242 0, ,2 0,0229 0, Dari hasil uji coba pada Tabel 1, Tabel 2 dan Tabel 3 dapat dilihat RMSE terkecil untuk hasil peramalan sebesar 0,0229 dan MSE sebesar 0, Nilai tersebut diperoleh dengan menggunakan parameter jumlah populasi sebesar 45, probalitas pindah silang 0,9 dan probabilitas mutasi sebesar 0,2. Kinerja hasil peramalan dengan menggunakan uji coba parameter untuk algoritma genetika ditunjukkan pada Gambar 2. Grafik dalam Gambar 2 tersebut menunjukkan perbandingan data aktual harga minyak mentah dengan data peramalan. Peramalan menghasilkan data harga cukup akurat yang ditunjukkan kedekatannya data aktual harga minyak mentah. Selain itu, peramalan juga menghasilkan nilai kesalahan yang semakin kecil. IJCCS Vol. x, No. x, July 201x : first_page end_page
5 IJCCS ISSN: Data Peramalan Data Aktual Gambar 2. Perbandingan data aktual dengan data peramalan 4. KESIMPULAN DAN SARAN Berdasarkan hasil uji coba parameter algoritma genetika untuk model peramalan dapat disimpulkan bahwa kinerja terbaik dapat diperoleh dengan menggunakan jumlah populasi sebanyak 45, probabilitas pindah silang sebesar 0,9 dan probabilitas mutasi sebesar 0,2. Peramalan menghasilkan data harga cukup akurat yang ditunjukkan kedekatannya data aktual harga minyak mentah. Selain itu, peramalan juga menghasilkan nilai kesalahan yang semakin kecil yaitu nilai RMSE sebesar 0,0229 dan MSE sebesar 0, Penelitian ini dapat dikembangkan dengan menggunakan metode lain untuk proses seleksi, pindah silang maupun mutasi. DAFTAR PUSTAKA [1] Wen, C.C., 2009, Modelling and Forecasting Crude Oil Markets using ARCH-type Models, Energy Policy, Vol.37, [2] Yu,F., Xu, X., 2014, A Short-term Load Forecasting Model of Natural Gas Based on Optimized Genetic Algorithm and Improved BP Neural Netwrok, Applied Energy 134, [3] Yu,L.,Wang,S., Keung, K.L., 2008, Forecasting Crude Oil Price with an EMD-Based Neural Network Ensemble Learning Paradigm, Energy Economics 30, [4] Herawati,S., Djunaidy,A., 2014, Peramalan Harga Minyak Mentah Menggunakan Gabungan Metode Ensemble Empirical Mode Decomposition (EEMD) dan Jaringan Syaraf Tiruan, Jurnal Simantec, Vol. 4, No.1, [5] Jammazi, R., Aloui, C., 2012, Crude Oil Price Forecasting : Experimental Evidence from Wavelet Decomposition and Neural Network Modeling, Energy Economics 34, [6] Liu, J., Bai, Y., Li, B., 2007, A New Approach to Forecast Crude Oil Price Based on Fuzzy Neural Network, Fuzzy Systems and Knowledge Discovery, Vol.3, [7] Azadeh, A.,Moghaddam, M.,Khakzad, M., Ebrahimipour, V., 2012, A Flexible Neural Network-Fuzzy Mathematical Programming Algorithm for Improvement of Oil Price Estimation and Forecasting, Computers & Industrial Engineering 62, [8] Siang, J.,J.,2009, Jaringan Syaraf Tiruan dan Pemrogramannya Menggunakan Matlab, Andi, Yogyakarta. Title of manuscript is short and clear, implies research results (First Author)
6 52 ISSN: [9] Suyanto, 2007, Artificial Intelligence: Searching, Reasoning, Planning dan Learning, Informatika, Bandung. [10] Michalewicz, Z., 1996, Genetic Algorithms + Data Structure = Evolution Programs, 3rd edition, Springer-Verlag, Berlin. [11] Desiani, A., Arhami, M., 2006, Konsep Kecerdasan Buatan, Andi, Yogyakarta. IJCCS Vol. x, No. x, July 201x : first_page end_page
PELATIHAN FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE SELEKSI TURNAMEN UNTUK DATA TIME SERIES
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 65-72 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PELATIHAN FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE
Lebih terperinciAnalisis Kinerja Gabungan Metode Ensemble Empirical Mode Decomposition Dan Generalized Regression Neural Network
ISSN : 285-3688; e-issn : 246-997 Analisis Kinerja Gabungan Metode Ensemble Empirical Mode Decomposition Dan Generalized Regression Neural Network (Studi Kasus : Peramalan Harga Minyak Mentah) Sri Herawati
Lebih terperinciModel Arsitektur Backpropogation Dalam Memprediksi Faktor Tunggakan Uang Kuliah (Studi Kasus AMIK Tunas Bangsa)
IJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: 1978-1520 1 Model Arsitektur Backpropogation Dalam Memprediksi Faktor Tunggakan Uang Kuliah (Studi Kasus AMIK Tunas Bangsa) Agus Perdana Windarto* 1, Dedy Hartama
Lebih terperinciABSTRAK. Kata Kunci : Artificial Neural Network(ANN), Backpropagation(BP), Levenberg Marquardt (LM), harga emas, Mean Squared Error(MSE), prediksi.
ABSTRAK Prediksi harga emas merupakan masalah yang sangat penting dalam menentukan pengambilan keputusan perdagangan dalam pertambangan. Prediksi yang akurat untuk pertambangan dapat memberikan keuntungan
Lebih terperinciBAB III PEMBAHASAN. harga minyak mentah di Indonesia dari bulan Januari 2007 sampai Juni 2017.
BAB III PEMBAHASAN Data yang digunakan dalam bab ini diasumsikan sebagai data perkiraan harga minyak mentah di Indonesia dari bulan Januari 2007 sampai Juni 2017. Dengan demikian dapat disusun model Fuzzy
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman 441-450 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PREDIKSI DATA HARGA SAHAM HARIAN MENGGUNAKAN FEED FORWARD NEURAL
Lebih terperinciPERAMALAN KUNJUNGAN WISATAWAN MENGGUNAKAN EMPIRICAL MODE DECOMPOSITION DAN CASCADE FORWARD BACKPROPAGATION
PERAMALAN KUNJUNGAN WISATAWAN MENGGUNAKAN EMPIRICAL MODE DECOMPOSITION DAN CASCADE FORWARD BACKPROPAGATION Sri Herawati Fakultas Teknik, Universitas Trunojoyo Jl. Raya Telang Po. Box 2 Kamal, Bangkalan,
Lebih terperinciBAB I PENDAHULUAN. kenaikan harga minyak mentah itu sendiri. Saat ini penetapan harga minyak
BAB I PENDAHULUAN A. Latar Belakang Minyak merupakan salah satu sumber energi yang sangat dibutuhkan manusia dalam berbagai aspek kehidupan. Peningkatan jumlah manusia yang membutuhkan minyak dalam kehidupan
Lebih terperinciImplementasi 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 terperinciVOL. 01 NO. 02 [JURNAL ILMIAH BINARY] ISSN :
PENERAPAN JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH PRODUKSI AIR MINUM MENGGUNAKAN ALGORITMA BACKPROPAGATION (STUDI KASUS : PDAM TIRTA BUKIT SULAP KOTA LUBUKLINGGAU) Robi Yanto STMIK Bina Nusantara
Lebih terperinciPERAMALAN HARGA SAHAM MENGGUNAKAN INTEGRASI EMPIRICAL MODE DECOMPOSITION DAN JARINGAN SYARAF TIRUAN
PERAMALAN HARGA SAHAM MENGGUNAKAN INTEGRASI EMPIRICAL MODE DECOMPOSITION DAN JARINGAN SYARAF TIRUAN Sri Herawati Manajemen Informatika, Fakultas Teknik, Universitas Trunojoyo Madura Jl. Raya Telang Po
Lebih terperinciPrediksi Jumlah Pengangguran Terbuka di Indonesia menggunakan Metode Genetic-Based Backpropagation
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 4, April 2017, hlm. 341-351 http://j-ptiik.ub.ac.id Prediksi Jumlah Pengangguran Terbuka di Indonesia menggunakan
Lebih terperinciPENYELESAIAN 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 terperinciALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 5, No. 03(2016), hal 265 274. ALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR Abdul Azis, Bayu Prihandono, Ilhamsyah INTISARI Optimasi
Lebih terperinciPREDIKSI TINGKAT INFLASI DI INDONESIA BERBASIS JARINGAN SYARAF TIRUAN DAN ALGORITMA GENETIKA. Rita Rismala 1, Said Al Faraby 2
PREDIKSI TINGKAT INFLASI DI INDONESIA BERBASIS JARINGAN SYARAF TIRUAN DAN ALGORITMA GENETIKA Rita Rismala 1, Said Al Faraby 2 1,2 Prodi S1 Informatika, Fakultas Informatika, Universitas Telkom 1 ritaris@telkomuniversity.ac.id,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Delieh Chariesmawanty, 2015
BAB I PENDAHULUAN 1.1 Latar Belakang Ketersedian energi dapat berpengaruh terhadap pembangunan ekonomi suatu negara. Energi merupakan hal yang penting dalam proses produksi. Kebutuhan terhadap energi dapat
Lebih terperinciImplementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series
Implementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series Oleh: ABD. ROHIM (1206 100 058) Dosen Pembimbing: Prof. Dr. M. Isa Irawan, MT Jurusan Matematika
Lebih terperinciPENERAPAN ALGORITMA DIJKSTRA DAN FUZZY LOGIC SUGENO PADA GAME ZOMBIE SHOOTER
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 PENERAPAN ALGORITMA DIJKSTRA DAN FUZZY LOGIC SUGENO PADA GAME ZOMBIE SHOOTER Andryano Pratama 1, Fadli Delta Rizky 2, Daniel Udjulawa 3 3 STMIK GI
Lebih terperinciPERANCANGAN PENGATURAN DURASI LAMPU LALU LINTAS ADAPTIF
PERANCANGAN PENGATURAN DURASI LAMPU LALU LINTAS ADAPTIF Rudericus Andika Pramudya, Mahmud Imrona 2, Fhira Nhita 3,2,3 Prodi S Teknik Informatika, Fakultas Teknik, Universitas Telkom rudericusdika@gmail.com,
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK PENENTUAN BATASAN FUNGSI KENGGOTAAN FUZZY TSUKAMOTO PADA KASUS PERAMALAN PERMINTAAN BARANG
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) Vol. 3, No. 3, September 2016, hlm. 169-173 PENERAPAN ALGORITMA GENETIKA UNTUK PENENTUAN BATASAN FUNGSI KENGGOTAAN FUZZY TSUKAMOTO PADA KASUS PERAMALAN
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK MENYELESAIKAN PERMASALAHAN PENJADWALAN DOSEN DENGAN FUZZY
PENERAPAN ALGORITMA GENETIKA UNTUK MENYELESAIKAN PERMASALAHAN PENJADWALAN DOSEN DENGAN FUZZY Arief Kelik Nugroho Fakultas Teknik, Universitas PGR Yogyakarta e-mail : ariefkeliknugroho@gmail.com Abstrak
Lebih terperincioleh WAHYUNI PUTRANTO NIM. M SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
PERBANDINGAN METODE GRADIENT DESCENT DAN GRADIENT DESCENT DENGAN MOMENTUM PADA JARINGAN SYARAF TIRUAN BACKPROPAGATION DALAM PERAMALAN KURS TENGAH RUPIAH TERHADAP DOLAR AMERIKA oleh WAHYUNI PUTRANTO NIM.
Lebih terperinciPENERAPAN 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 terperinciGenerator 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 terperinciOPTIMASI HASIL PREDIKSI KETERSEDIAAN ENERGI SUMBER DAYA MINERAL MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI HASIL PREDIKSI KETERSEDIAAN ENERGI SUMBER DAYA MINERAL MENGGUNAKAN ALGORITMA GENETIKA Eka Handayani 1, Jondri,Drs.,M.T. 2, Siti Sa adah,s.t.,m.t. 3 1,2,3 ProdiS1 Teknik Informatika, Fakultas Teknik,
Lebih terperinciSTUDI ANALISA PELATIHAN JARINGAN SYARAF TIRUAN DENGAN DAN TANPA ALGORITMA GENETIKA
STUDI ANALISA PELATIHAN JARINGAN SYARAF TIRUAN DENGAN DAN TANPA ALGORITMA GENETIKA (Agustinus N., et al. STUDI ANALISA PELATIHAN JARINGAN SYARAF TIRUAN DENGAN DAN TANPA ALGORITMA GENETIKA Agustinus Noertjahyana
Lebih terperinciIMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI HARGA SAHAM
IMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI HARGA SAHAM Ayu Trimulya 1, Syaifurrahman 2, Fatma Agus Setyaningsih 3 1,3 Jurusan Sistem Komputer, Fakultas MIPA Universitas
Lebih terperinciPERAMALAN HARGA EMAS MENGGUNAKAN ALGORTIMA MEMETIKA DENGAN PENCARIAN LOCAL TABU SEARCH. Iqbal Dwihanandrio
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 6447 PERAMALAN HARGA EMAS MENGGUNAKAN ALGORTIMA MEMETIKA DENGAN PENCARIAN LOCAL TABU SEARCH Iqbal Dwihanandrio S1 Teknik Informatika
Lebih terperinciPeramalan Kebutuhan Beban Sistem Tenaga Listrik Menggunakan Algoritma Genetika
Peramalan Kebutuhan Beban Sistem Tenaga Listrik Menggunakan Algoritma Genetika M. Syafrizal, Luh Kesuma Wardhani, M. Irsyad Jurusan Teknik Informatika - Universitas Islam Negeri Sultan Syarif Kasim Riau
Lebih terperinciBAB I PENDAHULUAN. kehidupan sehari-hari dan juga merupakan disiplin ilmu yang berdiri sendiri serta
BAB I PENDAHULUAN A. Latar Belakang Matematika adalah cabang ilmu pengetahuan yang dapat digunakan dalam kehidupan sehari-hari dan juga merupakan disiplin ilmu yang berdiri sendiri serta tidak merupakan
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
1 BAB I PENDAHULUAN 1.1. Latar Belakang Clustering adalah proses di dalam mencari dan mengelompokkan data yang memiliki kemiripan karakteristik (similarity) antara satu data dengan data yang lain. Clustering
Lebih terperinciPrediksi Harga Emas Batang Menggunakan Feed Forward Neural Network Dengan Algoritme Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 8, Agustus 2018, hlm. 2317-2322 http://j-ptiik.ub.ac.id Prediksi Harga Emas Batang Menggunakan Feed Forward Neural
Lebih terperinciSISTEM PENGAMBILAN KEPUTUSAN KREDIT RUMAH DENGAN METODE FUZZY SAW MADM
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 SISTEM PENGAMBILAN KEPUTUSAN KREDIT RUMAH DENGAN METODE FUZZY SAW MADM Marganda Simarmata [1], Dahlan Abdullah [2] 1.Program Studi Teknik Informatika
Lebih terperinciIMPLEMENTASI METODE CERTAINTY FACTOR UNTUK MENDETEKSI GANGGUAN PERKEMBANGAN ANAK BERBASIS MOBILE HANDPHONE
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 IMPLEMENTASI METODE CERTAINTY FACTOR UNTUK MENDETEKSI GANGGUAN PERKEMBANGAN ANAK BERBASIS MOBILE HANDPHONE Marganda Simarmata [1], Dahlan Abdullah
Lebih terperinciMEMBANGUN TOOLBOX ALGORITMA EVOLUSI FUZZY UNTUK MATLAB
MEMBANGUN TOOLBOX ALGORITMA EVOLUSI FUZZY UNTUK MATLAB Syafiul Muzid 1, Sri Kusumadewi 2 1 Sekolah Pascasarjana Magister Ilmu Komputer, Universitas Gadjah Mada, Yogyakarta e-mail: aakzid@yahoo.com 2 Jurusan
Lebih terperinciPERANCANGAN 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 terperinciOptimasi Pemilihan Pekerja Bangunan Proyek Pada PT. Citra Anggun Pratama Menggunakan Algoritma Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 2, Februari 2017, hlm. 80-84 http://j-ptiik.ub.ac.id Optimasi Pemilihan Pekerja Bangunan Proyek Pada PT. Citra Anggun
Lebih terperinciADLN - Perpustakaan Universitas Airlangga ABSTRAK. viii
Muhammad Arif Santoso, 2015. Peramalan Penjualan Produk Menggunakan Jaringan Syaraf Tiruan Metode Extreme Learning Machine. Skripsi ini dibawah bimbingan Auli Damayanti,S.Si, M.Si dan Dr. Herry Suprajitno,
Lebih terperinciAnalisis 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 terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Dalam beberapa tahun terakhir ini, peranan algoritma genetika terutama untuk masalah optimisasi, berkembang dengan pesat. Masalah optimisasi ini beraneka ragam tergantung dari bidangnya. Dalam
Lebih terperinciPERAMALAN HARGA MINYAK MENTAH DUNIA NEURAL NETWORK
PERAMALAN HARGA MINYAK MENTAH DUNIA MENGGUNAKAN METODE RADIAL BASIS FUNCTION NEURAL NETWORK SKRIPSI Disusun oleh: Rahafattri Ariya Fauzannissa 24010211140092 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciPENCOCOKAN KATA SECARA ACAK DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL
Jurnal Matematika UNAND Vol. 2 No. 2 Hal. 1 9 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENCOCOKAN KATA SECARA ACAK DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL MULIA AFRIANI KARTIKA
Lebih terperinciPEMANFAATAN ALGORITMA FUZZY EVOLUSI UNTUK PENYELESAIAN KASUS TRAVELLING SALESMAN PROBLEM
PEMANFAATAN ALGORITMA FUZZY EVOLUSI UNTUK PENYELESAIAN KASUS TRAVELLING SALESMAN PROBLEM Syafiul Muzid Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia, Yogyakarta E-mail:
Lebih terperinciPREDIKSI TIME SERIES TINGKAT INFLASI INDONESIA MENGGUNAKAN EVOLUTION STRATEGIES
PREDIKSI TIME SERIES TINGKAT INFLASI INDONESIA MENGGUNAKAN EVOLUTION STRATEGIES Universitas Telkom Jl.Telekomunikasi No. 1, Terusan Buah Batu, Bandung ritaris@telkomuniversity.ac.id Abstrak Prediksi tingkat
Lebih terperinciBAB 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 terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Konsep Umum Optimasi Optimasi merupakan suatu cara untuk menghasilkan suatu bentuk struktur yang aman dalam segi perencanaan dan menghasilkan struktur yang
Lebih terperinciDesain Model Fuzzy Gejala Penyakit Untuk Sistem Pakar Pendiagnosa Penyakit Anak
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Desain Model Fuzzy Gejala Penyakit Untuk Sistem Pakar Pendiagnosa Penyakit Anak Natalia 1, Bella Halim 2, Gasim 3 1,2 STMIK GI MDP; Jl. Rajawali
Lebih terperinciOptimasi Cluster Pada Fuzzy C-Means Menggunakan Algoritma Genetika Untuk Menentukan Nilai Akhir
IJCCS, Vol.6, No.1, January 2012, pp. 101~110 ISSN: 1978-1520 101 Optimasi Cluster Pada Fuzzy C-Means Menggunakan Algoritma Genetika Untuk Menentukan Nilai Akhir Putri Elfa Mas`udia* 1, Retantyo Wardoyo
Lebih terperinciBAB 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 terperinciOptimasi Bobot Jaringan Syaraf Tiruan Mengunakan Particle Swarm Optimization
IJCCS, Vol.8, No.1, January 2014, pp. 25~36 ISSN: 1978-1520 25 Optimasi Bobot Jaringan Syaraf Tiruan Mengunakan Particle Swarm Optimization Harry Ganda Nugraha* 1 dan Azhari SN 2 1 Mahasiswa Program Pascasarjana
Lebih terperinciRancang Bangun Aplikasi Prediksi Jumlah Penumpang Kereta Api Menggunakan Algoritma Genetika
1 Rancang Bangun Aplikasi Prediksi Jumlah Penumpang Kereta Api Menggunakan Algoritma Genetika Annisti Nurul Fajriyah Politeknik Elektronika Negeri Surabaya Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Lebih terperinciPENENTUAN MODEL RETURN HARGA SAHAM DENGAN MULTI LAYER FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA RESILENT BACKPROPAGATION
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 203-209 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENENTUAN MODEL RETURN HARGA SAHAM DENGAN MULTI LAYER FEED FORWARD
Lebih terperinciOPTIMASI 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 terperinciPERBANDINGAN AKURASI ALGORITME PELATIHAN DALAM JARINGAN SYARAF TIRUAN UNTUK PERAMALAN JUMLAH PENGGUNA KERETA API DI PULAU JAWA
PERBANDINGAN AKURASI ALGORITME PELATIHAN DALAM JARINGAN SYARAF TIRUAN UNTUK PERAMALAN JUMLAH PENGGUNA KERETA API DI PULAU JAWA Budho Setyonugroho 1), Adhistya Erna Permanasari 2), Sri Suning Kusumawardani
Lebih terperinciPenerapan Adaptive Genetic Algorithm dengan Fuzzy Logic Controller pada Capacitated Vehicle Routing Problem
Penerapan Adaptive Genetic Algorithm dengan Fuzzy Logic Controller pada Capacitated Vehicle Routing Problem Tri Kusnandi Fazarudin 1, Rasyid Kurniawan 2, Mahmud Dwi Sulistiyo 3 1,2 Prodi S1 Teknik Informatika,
Lebih terperinciPendekatan Algoritma Genetika pada Peminimalan Fungsi Ackley menggunakan Representasi Biner
Vol. 7, 2, 108-117, Januari 2011 Pendekatan Algoritma Genetika pada Peminimalan Fungsi Ackley menggunakan Representasi Biner Jusmawati Massalesse Abstrak Tulisan ini dimaksudkan untuk memperlihatkan proses
Lebih terperinciAPLIKASI ALGORITMA GENETIKA DALAM PENENTUAN DOSEN PEMBIMBING SEMINAR HASIL PENELITIAN DAN DOSEN PENGUJI SKRIPSI
Prosiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 APLIKASI ALGORITMA GENETIKA DALAM PENENTUAN DOSEN PEMBIMBING SEMINAR HASIL PENELITIAN DAN DOSEN PENGUJI
Lebih terperinciPERFORMANCE ALGORITMA GENETIKA (GA) PADA PENJADWALAN MATA PELAJARAN
PERFORMANCE ALGORITMA GENETIKA (GA) PADA PENJADWALAN MATA PELAJARAN Eva Desiana, M.Kom Pascasarjana Teknik Informatika Universitas Sumatera Utara, SMP Negeri 5 Pematangsianta Jl. Universitas Medan, Jl.
Lebih terperinciCrossover Probability = 0.5 Mutation Probability = 0.1 Stall Generation = 5
oleh pengguna sistem adalah node awal dan node tujuan pengguna. Lingkungan Pengembangan Sistem Implementasi Algoritme Genetika dalam bentuk web client menggunakan bahasa pemrograman PHP dan DBMS MySQL.
Lebih terperinciOptimasi 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 terperinciJURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: A-222
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 2301-9271 A-222 Implementasi Algoritma Genetika pada Struktur Backpropagation Neural Network untuk Klasifikasi Kanker Payudara Adam Mizza Zamani, Bilqis Amaliah
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada penelitian machine learning banyak sekali diperbincangkan tentang perilaku belajar mesin (komputer) agar mampu belajar dan berpikir cerdas layaknya manusia yang
Lebih terperinciPENGENALAN ANGKA DENGAN MENGGUNAKAN ALGORITMA GENETIK. Fakultas Teknik dan Ilmu Komputer, Jurusan Teknik Informatika Universitas Komputer Indonesia
PENGENALAN ANGKA DENGAN MENGGUNAKAN ALGORITMA GENETIK Frengki Agus f124nk_85@yahoo.com Pembimbing I : Linda Salma, S.Si., M.T. Pembimbing II : Khusnul Novianingsih,M.Si Fakultas Teknik dan Ilmu Komputer,
Lebih terperinciALGORITMA GENETIKA PADA PENYELESAIAN AKAR PERSAMAAN SEBUAH FUNGSI
ALGORITMA GENETIKA PADA PENYELESAIAN AKAR PERSAMAAN SEBUAH FUNGSI Akhmad Yusuf dan Oni Soesanto Program Studi Matematika Universitas Lambung Mangkurat Jl. Jend. A. Yani km 35, 8 Banjarbaru ABSTRAK Algoritma
Lebih terperinciPENENTUAN MODEL RETURN HARGA SAHAM DENGAN MULTI LAYER FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA RESILENT BACKPROPAGATION SKRIPSI
PENENTUAN MODEL RETURN HARGA SAHAM DENGAN MULTI LAYER FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA RESILENT BACKPROPAGATION (Studi Kasus : Harga Penutupan Saham Unilever Indonesia Tbk. Periode September
Lebih terperinciBAB 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 terperinciPerbandingan Model Estimasi Artificial Neural Network Optimasi Genetic Algorithm dan Regresi Linier Berganda
p-issn 1979 3693 e-issn 2477 0647 MEDIA STATISTIKA 10(1) 2017: 13-23 http://ejournal.undip.ac.id/index.php/media_statistika Perbandingan Model Estimasi Artificial Neural Network Optimasi Genetic Algorithm
Lebih terperinciSISTEM INFORMASI PENGELOLAAN ODI (ORPHAN DETAIL INFORMATION) BERBASIS CLIENT SERVER DI KANTOR BAITULMAAL MUAMALAT
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 SISTEM INFORMASI PENGELOLAAN ODI (ORPHAN DETAIL INFORMATION) BERBASIS CLIENT SERVER DI KANTOR BAITULMAAL MUAMALAT Dahlan Abdullah Program Studi Teknik
Lebih terperinciPERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN JARINGAN SARAF TIRUAN ELMAN DENGAN ALGORITME GRADIENT DESCENT ADAPTIVE LEARNING RATE
PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN JARINGAN SARAF TIRUAN ELMAN DENGAN ALGORITME GRADIENT DESCENT ADAPTIVE LEARNING RATE oleh BETA VITAYANTI M0110012 SKRIPSI Ditulis dan diajukan untuk
Lebih terperinciSISTEM PAKAR DETEKSI DINI PENYALAHGUNAAN NARKOBA MENGGUNAKAN TEOREMA BAYES EXPERT SYSTEM FOR EARLY DETECTION OF DRUGS ABUSE USING BAYES THEOREM
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 198-1520 1 SISTEM PAKAR DETEKSI DINI PENYALAHGUNAAN NARKOBA MENGGUNAKAN TEOREMA BAYES EXPERT SYSTEM FOR EARLY DETECTION OF DRUGS ABUSE USING BAYES THEOREM Cicih
Lebih terperinciIMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI NILAI KURS JUAL SGD-IDR
Seminar Nasional Teknologi Informasi dan Multimedia 205 STMIK AMIKOM Yogyakarta, 6-8 Februari 205 IMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI
Lebih terperinciPERAMALAN HARGA MINYAK MENTAH MENGGUNAKAN GABUNGAN METODE ENSEMBLE EMPIRICAL MODE DECOMPOSITION (EEMD) DAN JARINGAN SYARAF TIRUAN
Vol. 4, No. 1 Juni 2014 ISSN 2088-2130 PERAMALAN HARGA MINYAK MENTAH MENGGUNAKAN GABUNGAN METODE ENSEMBLE EMPIRICAL MODE DECOMPOSITION (EEMD) DAN JARINGAN SYARAF TIRUAN 1) Sri Herawati dan 2) Arif Djunaidy
Lebih terperinciOptimasi Penjadwalan Ujian Menggunakan Algoritma Genetika
Optimasi Penjadwalan Ujian Menggunakan Algoritma Genetika Nia Kurnia Mawaddah Wayan Firdaus Mahmudy, (wayanfm@ub.ac.id) Jurusan Matematika, FMIPA Universitas Brawijaya, Malang 65145 Abstrak Penjadwalan
Lebih terperinciVukovich dinamis yang digabungkan dengan model PRoFIGA didalamnya.
BAB I PENDAHULUAN 1.1. Latar Belakang Fuzzy Evolutionary Algorithm (FEA) merupakan salah satu model hybrid yang menggabungkan dua buah model soft computing yaitu algoritma genetika dan logika fuzzy. FEA
Lebih terperinciA. ADHA. Program Studi Teknik Sipil, Fakultas Teknik,Universitas Islam Riau, Pekanbaru, Indonesia Corresponding author:
Institut Teknologi Padang, 27 Juli 217 ISBN: 978-62-757-6-7 http://eproceeding.itp.ac.id/index.php/spi217 Optimasi Bentuk Struktur dan Penampang pada Struktur Rangka Baja Terhadap Kendala Kehandalan Material
Lebih terperinciPERANCANGAN ALGORITMA BELAJAR JARINGAN SYARAF TIRUAN MENGGUNAKAN PARTICLE SWARM OPTIMIZATION (PSO)
Jurnal POROS TEKNIK, Volume 5, No. 1, Juni 2013 : 18-23 PERANCANGAN ALGORITMA BELAJAR JARINGAN SYARAF TIRUAN MENGGUNAKAN PARTICLE SWARM OPTIMIZATION (PSO) Nurmahaludin (1) (1) Staf Pengajar Jurusan Teknik
Lebih terperinciPREDIKSI DATA HARGA SAHAM HARIAN MENGGUNAKAN FEED FORWARD NEURAL NETWORKS (FFNN) DENGAN PELATIHAN ALGORITMA GENETIKA
PREDIKSI DATA HARGA SAHAM HARIAN MENGGUNAKAN FEED FORWARD NEURAL NETWORKS (FFNN) DENGAN PELATIHAN ALGORITMA GENETIKA (Studi Kasus pada Harga Saham Harian PT. XL Axiata Tbk) SKRIPSI Disusun oleh : IRA PUSPITA
Lebih terperinciPengembangan Aplikasi Prediksi Pertumbuhan Ekonomi Indonesia dengan Jaringan Syaraf Tiruan Backpropagation
Erlangga, Sukmawati Nur Endah dan Eko Adi Sarwoko Pengembangan Aplikasi Prediksi Pertumbuhan Ekonomi Indonesia dengan Jaringan Syaraf Tiruan Backpropagation Erlangga, Sukmawati Nur Endah dan Eko Adi Sarwoko
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Semua negara mempunyai mata uang sebagai alat tukar. Pertukaran uang dengan barang yang terjadi disetiap negara tidak akan menimbulkan masalah mengingat nilai uang
Lebih terperinciPerbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation
65 Perbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation Risty Jayanti Yuniar, Didik Rahadi S. dan Onny Setyawati Abstrak - Kecepatan angin dan curah
Lebih terperinciIdentifikasi Jenis Buah Jeruk Menggunakan Metode Jaringan Syaraf Tiruan Berdasarkan Tekstur Kulit
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Jenis Buah Menggunakan Metode Jaringan Syaraf Tiruan Berdasarkan Tekstur Kulit Reni Resita *1, Juratminingsih *2, Gasim 3 1,2 STMIK GI MDP; Jl. Rajawali
Lebih terperinciISSN: X 77 IMPUTASI MISSING DATA DENGAN K-NEAREST NEIGHBOR DANALGORITMA GENETIKA
ISSN: 2088-687X 77 IMPUTASI MISSING DATA DENGAN K-NEAREST NEIGHBOR DANALGORITMA GENETIKA Ucik Mawarsari Badan Pusat Statistik Jl. Dr. Sutomo 6-8 Jakarta, ucik@bps.go.id ABSTRAK Permasalahan yang sering
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) A-31
JURNAL SAINS DAN SENI ITS Vol 4, No2, (2015) 2337-3520 (2301-928X Print) A-31 Perbandingan Performansi Metode Peramalan Fuzzy Time Series yang Dimodifikasi dan Jaringan Syaraf Tiruan Backpropagation (Studi
Lebih terperinciANALISIS PENGATURAN INDIVIDU CROSSOVER DAN MUTASI ALGORITMA GENETIKA STUDI KASUS TRAVELLING SALESMAN PROBLEM
ANALISIS PENGATURAN INDIVIDU CROSSOVER DAN MUTASI ALGORITMA GENETIKA STUDI KASUS TRAVELLING SALESMAN PROBLEM Sean Coonery Sumarta* 1 1 Program Studi Teknik Informatika, Universitas Atma Jaya Makassar,
Lebih terperinciPENENTUAN 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 terperinciPerancangan Sistem Informasi Manajemen Pemasangan Dan Pembayaran Iklan Pada Sumeks Cindo
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Perancangan Sistem Informasi Manajemen Pemasangan Dan Pembayaran Iklan Pada Sumeks Cindo Erika Mutiara Dewi 1, Wella Oktarina 2, Mulyati 3, Desi
Lebih terperinci8. 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 terperinciSIMULASI PENGENDALIAN KECEPATAN MOBIL OTOMATIS MENGGUNAKAN LOGIKA FUZZY DAN ALGORITMA GENETIKA
SIMULASI PENGENDALIAN KECEPATAN MOBIL OTOMATIS MENGGUNAKAN LOGIKA FUZZY DAN ALGORITMA GENETIKA Helmy Thendean, M.Kom 1) Albert, S.Kom 2) Dra.Chairisni Lubis, M.Kom 3) 1) Program Studi Teknik Informatika,Universitas
Lebih terperinciIMPLEMENTASI ALGORITMA GENETIKA UNTUK MINIMASI GALAT PADA METODE PERAMALAN ARIMA
Seminar Nasional Sistem Informasi Indonesia, 2-3 November 2015 IMPLEMENTASI ALGORITMA GENETIKA UNTUK MINIMASI GALAT PADA METODE PERAMALAN ARIMA Muhammad Abdurrahman Baraja (1), Wiwik Anggraeni (2) (1,
Lebih terperinciBAB 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 terperinciPerbandingan Kinerja Jaringan Syaraf Tiruan Dan Fuzzy Inference System Untuk Prediksi Prestasi Peserta Didik
20 ISSN: 2407-4322 Perbandingan Kinerja Jaringan Syaraf Tiruan Dan Fuzzy Inference System Untuk Prediksi Prestasi Peserta Didik Siti Helmiyah* 1, Shofwatul Uyun 2 1,2 Program Studi Teknik Informatika,
Lebih terperinciGenetic 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 terperinciImplementasi Algoritma Genetika dan Neural Network Pada Aplikasi Peramalan Produksi Mie (Studi Kasus : Omega Mie Jaya)
Implementasi Algoritma Genetika dan Neural Network Pada Aplikasi Peramalan Produksi Mie (Studi Kasus : Omega Mie Jaya) ISSN 2085-4552 Adhi Kusnadi 1, Jansen Pratama 2 Fakultas Teknik dan Informatika, Universitas
Lebih terperinciAPLIKASI ALGORITMA GENETIKA UNTUK PENENTUAN TATA LETAK MESIN
APLIKASI ALGORITMA GENETIKA UNTUK PENENTUAN TATA LETAK MESIN Hari Purnomo, Sri Kusumadewi Teknik Industri, Teknik Informatika Universitas Islam Indonesia Jl. Kaliurang Km 4,5 Yogyakarta ha_purnomo@fti.uii.ac.id,
Lebih terperinciPenyelesaian Puzzle Sudoku menggunakan Algoritma Genetik
Penyelesaian Puzzle Sudoku menggunakan Algoritma Genetik Afriyudi 1,Anggoro Suryo Pramudyo 2, M.Akbar 3 1,2 Program Studi Sistem Informasi Fakultas Ilmu Komputer. Universitas Bina Darma Palembang. email
Lebih terperinciPREDIKSI CURAH HUJAN DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK
PREDIKSI CURAH HUJAN DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK Yudhi Andrian 1, Erlinda Ningsih 2 1 Dosen Teknik Informatika, STMIK Potensi Utama 2 Mahasiswa Sistem Informasi, STMIK
Lebih terperinciOPTIMASI PREVENTIVE MAINTENANCE
OPTIMASI PREVENTIVE MAINTENANCE PADA SHIPPING PUMP DENGAN GENETIC ALGORITHM DI JOINT OPERATING BODY PERTAMINA PETROCHINA EAST JAVA (JOB P-PEJ) SOKO TUBAN Ahmad Asrori NRP. 2410100004 Pembimbing I, Dr.
Lebih terperinciBAB 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 terperinciBAB I PENDAHULUAN. A. Latar Belakang Pasar modal merupakan pasar untuk berbagai instrumen keuangan jangka
BAB I PENDAHULUAN A. Latar Belakang Pasar modal merupakan pasar untuk berbagai instrumen keuangan jangka panjang yang dapat diperjualbelikan, baik dalam bentuk utang ataupun modal sendiri. Pasar modal
Lebih terperinciPENDAHULUAN. Latar Belakang. Tujuan Penelitian
PENDAHULUAN Latar Belakang Fungsi Cobb-Douglas dengan galat aditif merupakan salah satu fungsi produksi yang dapat digunakan untuk menganalisis hubungan antara hasil produksi dan faktor-faktor produksi.
Lebih terperinci