Optimasi Fungsi Keanggotaan Fuzzy Menggunakan Algoritma Genetika Dalam Penentuan Kebutuhan Gizi Bayi MPASI
|
|
- Sucianty Halim
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X Vol. 2, No. 7, Juli 218, hlm Optimasi Fungsi Keanggotaan Fuzzy Menggunakan Algoritma Genetika Dalam Penentuan Kebutuhan Gizi Bayi MPASI Marwa Mudrikatussalamah 1, Candra Dewi 2, Bayu Rahayudi 3 Program Studi Teknik Informatika, 1 marwasalmaa@gmail.com, 2 dewi_candra@ub.ac.id, 3 ubay1@ub.ac.id Abstrak Dalam penentuan kebutuhan gizi pada bayi dibutuhkan beberapa faktor, salah satu faktor penguatnya adalah dengan menentukan status gizi pada bayi. Pada penentuan status gizi pada bayi terdapat rentang nilai yang menjadi batasan pada tiap kategori gizi nya. Metode yang digunakan dalam penetilitian ini adalah fuzzy tsukamoto yang akan di optimasi fungsi keanggotaannya dengan algoritma genetika. Algoritma genetika digunakan untuk membentuk batas-batas nilai yang terbentuk pada sebuah kromosom. Batas-batas nilai yang telah diproses pada algoritma genetika akan menjadi nilai fungsi keanggotaan pada fuzzy tsukamoto. Proses selanjutnya Fuzzy tsukamoto akan mengolah data sesuai dengan nilai batas yang telah di optimasi oleh algoritma genetika untuk menentukan hasil akhir. Selanjutnya dilakukan pengujian untuk mengetahui parameter terbaik dalam membuat kromosom. Setelah dilakukan pengujian didapatkan rata-rata akurasi sebesar 53.5%. Akurasi ini didapatkan dari perhitungan hasil optimasi dibandingkan dengan nilai dari pakar. Kata kunci: fuzzy tsukamoto,algoritma genetika,fungsi keanggotaan,optimasi,gizi bayi. Abstract In determining the nutritional needs for infants required several factors, one of the strengthening factors is to determine the nutritional status of infants. In determining the nutritional status of infants, it need a rangewhhich contain of the limit on each nutitional category. The method used in this determination is fuzzy tsukamoto which will be used for the optimization of membership function with genetic algorithm. Genetic algorithms are used to form the boundaries formed on a chromosome. Boundaries of grade that have been used in genetic algorithm will be a function grade of membership in fuzzy tsukamoto. The next process is fuzzy tsukamoto will process the data in accordance with the value that has been optimized by the genetic algorithm to determine the final result. Further testing is done to determine the best parameters in making chromosomes. The Test are obtained an average accuracy of 53.5%. Accuracy is obtained from the calculation of the optimization results compared with the value of the expert. Keywords: fuzzy tsukamoto, genetic algorithm, member function, optimization, infant nutrition. 1. PENDAHULUAN ASI adalah makanan utama yang paling ideal untuk bayi. Pemberian ASI ekselusif kepada bayi merupakan hal yang sangat penting untuk tumbuh kembang sang bayi. Menurut data dari Riskesdas 21 memperlihatkan bahwa hanya 15,3% bayi di Indonesia yang mendapatkan ASI eksklusif selama 6 bulan. Hal ini terjadi karena ketidakyakinan sang ibu terhadap kualitas ASInya serta kurangnya dukungan keluarga. Pemberian ASI ekselusif pun perlu dipantau dengan melihat perkembangan sang bayi juga konsumsi makanan yang dimakan oleh sang ibu agar bayi dapat terpenuhi gizinya dengan baik. Proses pemberian ASI eksklusif diberikan sejak bayi umur -24 bulan. Bayi yang sudah berumur 6-24 bulan akan membutuhkan makanan pendamping ASI (MPASI). Pemberian jenis makanan pendamping yang diberikan pun bertahap, mulai dari makanan lunak hingga makanan keluarga dengan tetap memperhatikan kandungan energy dan gizi yang dibutuhkan oleh sang bayi. Cara pemberian MPASI menurut WHO pada 23 melalui 4 syarat, yaitu diberikan pada waktu yang tepat, makanan yang Fakultas Ilmu Komputer Universitas Brawijaya 276
2 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 277 diberikan memiliki kandungan energy, protein, makronutrein dan mikronutrein untuk bayi seusianya. MPASI yang disiapkan disimpan ditempat yang bersih dan diberikan sesuai dengan frekuensi makan dan metode pemberian makan yang benar. Pemberian MPASI dibawah umur 6 bulan dikhawatirkan menyebabkan gagal tumbuh kembang pada bayi. Untuk meminimalisir dampak buruk dari kekurangan atau kelebihan kebutuhan gizi yang ekstrem pada bayi, diperlukan takaran kebutuhan gizi yang benar untuk dikonsumsi oleh bayi. Penentuan kebutuhan gizi pada bayi dilihat dari status gizi pada sang bayi. Berbagai faktor gejala yang dapat menentukan status bayi tergolong gizi baik, gizi cukup, gizi kurang atau gizi buruk. Faktor gejala yang dapat mempengaruhi status gizi seorang bayi sangat beragam. Melihat permasalahan tersebut dipilih algortima fuzzy dengan optimasi menggunakan algortima genetika pada penelitian ini untuk menyelesaikannya. Metode fuzzy digunakan karena merupakan algoritma yang fleksibel dan toleransi terhadap data-data yang tidak tepat. Logika fuzzy bekerja dengan menggunakan derajat keanggotaan dari sebuah nilai yang kemudian digunakan untuk menentukan hasil yang diinginkan berdasarkan spesifikasi yang telah ditentukan (Kusumadewi dan Guswaludin, 25). Dalam fuzzy inference sistem terdapat beberapa fungsi keanggotaan yang akan dikombinasikan sehingga didapatkan fungsi keanggotaan yang optimal. Metode fuzzy inference system tsukamoto yang akan dikombinasikan untuk melakukan optimasi pada penelitian ini menggunakan Algoritma Genetika. Metode ini memberikan strategi yang menyesuaikan secara otomatis dan komparatif fungsi keanggotaan (Kurniangtya, Mahmudy, Widodo, 217). Ada beberapa penelitian sebelumnya yang menggunakan kombinasi metode fuzzy dan algoritma genetika yaitu, untuk penentuan jual rumah (Azizah, Cholisodin, dan Mahmudy, 215) dengan nilai error.1369 dan pemilihan calon penerima beasiswa dan BBP-PPA (Restuputri, BA, Mahmudy, WF, & Cholissodin, 215) dengan nilai akurasi beasiswa-ppa 98.9% dan BBP- PPA 98.7%. Sehingga dapat disimpulkan bahwa algoritma genetika dapat digunakan untuk memperoleh hasil optimasi yang lebih baik. Berdasarkan uraian diatas, pada penelitian ini mengoptimasi fungsi keanggotaan dari metode fuzzy tsukamoto menggunakan algortima genetika untuk penentuan kebutuhan gizi pada MPASI bayi. 2. KAJIAN PUSTAKA 2.1 GIZI BAYI Pada bayi umur 6-12 bulan kebutuhan gizi yang diperlukan dalam pertumbuhan dan perkembangan fisik juga psikologis tumbuh secara cepat. Apabila makanan yang dimakan tidak bergizi seimbang dapat mempengaruhi dan menghambat pertumbuhan anak dan mengganggu perkembangan dan pertumbuhan kecerdasaan serta fisik pada anak. (Chindi Rahmawati, 214) Dalam menentukan status gizi pada seorang bayi dapat menggunakan dua cara, yatiu nilai z- score atau dengan persentil. Pada penelitian ini mengguanakan nilai persentil untuk mengetahui status gizi pada bayi. Data yang digunakan dalam menentukan status gizi pada bayi mangau pada data WHO 215 yang ditunjukkan pada tabel Kebutuhan Energi Kebutuhan energi untuk tiap bayi berbeda tergantung pada kondisi seorang bayi. Menghitung BB/U dengan cara berat badan aktual dibagi dengan berat badan ideal menurut umur bayi. Menghitung PB/U dengan cara panjang badan aktual dibagi dengan panjang badan ideal menurut umur bayi. Berat badan ideal dan panjang badan ideal didapatkan melalui data antropometri acuan dari kementerian kesehatan. Keduanya bisa dilihat pada persamaan (1) dan (2). BB U PB U = BB/Median BB (1) = PB/Median PB (2) Tabel 1. Nilai Pada Status Gizi Anak Indeks Berat Badan menurut Umur(BB/U) Panjang Badan menurut Umur(PB/U) Kategori Status Gizi Ambang Batas Gizi Baik 8% - 12% Gizi Kurang 6% - 8% Gizi Buruk <6% Tinggi Baik 9% - 11% Tinggi Kurang Tinggi Sangat Kurang 7% - 9% <7%
3 Derajat Keanggotaan Derajat Keanggotaan Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 278 Berat Badan menurut Panjang Badan(BB/PB) 2.2 Fuzzy Tsukamoto Gizi Baik >9% - 11% Gizi Kurang 7% - 9% Gizi Buruk <7% Gizi Lebih >11 12% Obesitas >12% Logika fuzzy pertama kali diperkenalkan oleh Prof. Lotfi A. Zadeh pada tahun Metode ini dikembangkan untuk membantu dalam pengambilan keputusan dari beberapa alternative yang tersedia dalam suatu permasalahan. Dasar dari logika fuzzy adalah himpunan fuzzy. Nilai keanggotaan atau derajat keanggotaan menjadi ciri utama dalam perhitungan dengan logika fuzzy Fungsi Keanggotaan Fungsi keanggotaan adalah suatu kurva untuk memetakan titik-titik input data ke dalam nilai keanggotaannya(sering juga disebut sebagai derajat keanggotaan). Mendapatkan suatu nilai fungsi keanggotaan melalui pendekatan fungsi, beberapa contoh fungsi yang bisa digunakan seperti a. Representasi Linear,9 1,8,7,6,5,4,3,2,1 Gambar 1. Contoh Representasi Linear Fungsi Keanggotaan : a domain x a x a μ[x] = { b a a x b 1 x b b. Representasi Kurva Segitiga b 1,2 1,8,6,4,2 Gambar 2. Contoh Representasi Kurva Segitiga Fungsi Keanggotaan : μ[x] = x a atau x c x a b a a x b b x { c b b x c c. Representasi Kurva Trapesium 1,8,6,4,2 Gambar 3. Contoh Representasi Kurva Trapesium Fungsi Keanggotaan : μ[x] = x a atau x d x a a x b b a 1 b x c { d x d c x d 2.3 Algoritma Genetika a b c domain a b c d domain Algoritma genetika merupakan salah satu algoritma yang bisa digunakan untuk masalah optimasi. Algoritma ini mengikuti cara kronologi seleksi alam. Melalui evolusi genetika kumpulan individu akan mempunyai garis kromosom. Kromosom yang berkualitas baik akan mempunyai keturunan yang baik (dalam hal ini akan memberikan solusi yang baik). Anggota populasi baru melakukan perubahan melalui kawin silang (crossover) dan mutasi
4 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 279 untuk membuat solusi baru. Crossover dilakukan melalui operasi dari dua kromosom. (Imam Robandi, 26) Dalam Algoritma Genetika, pemrosesan kromosom-kromosom sebagai sebuah populasi oleh operator genetika terjadi secara berulang. Pertama, populasi dibangkitkan secara acak sesuai dengan permasalahan yang akan diselesaikan. Lalu, setiap operator genetika akan memproses populasi tersebut dan membuat populasi generasi berikutnya. Setiap kromosom mempunyai nilai fitness yang sebanding dengan nilai penyelesaian dan untuk hasil fitness selanjutnya diharapkan hasilnya bertambah bagus. (Mahmudy, 213) Inisialisasi Inisialisasi dilakukan untuk membangkitkan himpunan solusi baru secara acak/random yang terdiri dari string kromosom yang terdapat pada sebuah populasi. Pada tahap ini perlu ditentukan ukuran populasi untuk menentukan banyaknya individu/kromosom pada sebuah populasi (Mahmudy, 213) Crossover Metode crossover yang digunakan pada penelitian ini adalah one cut point, yang secara acak memilih satu titik potong dan menukar bagian kanan dari tiap induk untuk menghasilkan offspring Fitness Nilai fitness pada penelitian ini diperoleh dari nilai akurasi perbandingan antara hasil yang didapatkan dari metode dengan hasil persamaan dari pakar. Berikut persamaan yang digunakan untuk mendapatkan nilai fitness. Fitness = Hasil Metode Hasil Pakar x 1% (3) 3. METODOLOGI PENELITIAN Tahapan penelitian secara umum mengenai optimasi fungsi keanggotaan fuzzy menggunakn algoritma genetika mulai dari studi literatur, pengumpulan data, analisis kebutuhan sistem, perancangan sistem, implementasi sistem, pengujian dan kesimpulan. Berikut gambar 6 yang menunjukkan Tahapan Penelitian. Parent Parent Child Gambar 4. Contoh Crossover One Cut Point Mutasi Metode mutasi yang digunakan pada penelitian ini adalah repcirocal exchange mutation, dengan memilih dua posisi pada satu parent lalu ditukarkan pada posisi tersebut untuk menjadi child yang baru. Parent Child Gambar 5 Contoh Repcirocal Exchange Mutation Seleksi Metode seleksi yang digunakan pada penelitian ini adalah elitism selection dengan cara mengumpulkan semua individu gabungan pada suatu populasi. Individu dengan nilai fitness terbesar menjadi pilihan yang akan digunakan pada generasi berikutnya (Mahmudy, 213). Gambar 6. Tahapan Penelitian 3.1 Data yang digunakan Data yang digunakan dalam penelitian didapat dari pakar yakni posyandu daerah Serpong dan referensi buku Rekomendasi dari Ikatan Dokter Anak Indonesia serta hasil konsultasi kepada ahli gizi. 4. PERANCANGAN 4.1 Formulasi Permasalahan Permasalahan pada penelitian ini mengenai status gizi seorang bayi dilihat dari beberapa kondisi pada bayi tersebut untuk dapat terpenuhi kebutuhan gizinya. Dalam permasalahan ini terdapat beberapa kriteria yang digunakan dalam
5 Nilai Fitness Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 271 menentukan status gizi yang diperlukan sesuai dengan kondisi bayi yaitu, umur, berat badan dan panjang badan. Data yang digunakan dalam penelitian ini sebanyak 6 data yang didapatkan dari pakar. 4.2 Alur Penyelesaian Dalam penyelesaian masalah optimasi ini, algoritma genetika digunakan untuk mengoptimalisasi variabel numeris fungsi keanggotaan didalam fuzzy. Proses yang pertama dilakukan adalah menentukan nilai fungsi keanggotaan fuzzy. Setelah itu, akan dilakukan proses perhitungan menggunakan algortima genetika dengan nilai batasan-batasan dari fungsi keanggotaan fuzzy sebagai kromosomnya. Perhitungan algoritma genetika dilakukan hingga menemukan nilai fitness terbaik, lalu dilakukan perhitungan meenggunakan fuzzy. Berikut ini diagram alur dari proses penyelesaian optimasi algoritma genetika yang ditunjukan pada gambar PENGUJIAN Pada penelitian ini terdapat 3 pengujian yaitu, pengujian jumlah populasi, pengujian jumlah generasi, jumlah nilai croosover rate dan mutation rate. Setelah tiap pengujian mendapatkan nilai terbaiknya, akan diuji kembali menggunak nilai-nilai terbaik untuk menghasilkan hasil yang optimal. 5.1 Hasil dan Analisa Pengujian Jumlah Populasi Pengujian populasi ini menggunakan 6 ukuran populasi yang berbeda dengan 1 percobaan pada tiap ukurannya. Ukuran generasi yang digunakan sebesar 1 serta nilai crossover.5 dan mutasi.5. Berikut hasil pengujian dari ukuran populasi yang ditunjukkan pada gambar 8. Gambar 7. Diagram Alir Penyelesaian Masalah Populasi Fitness Jumlah Populasi Gambar 8. Grafik Hasil Pengujian Jumlah Populasi Pada gambar 8 dapat dilihat rata-rata nilai fitness dari ukuran populasi 2 hingga 8. Melihat grafik tersebut rata-rata nilai fitness terbesar diperoleh ukuran populasi 5 dengan nilai fitness 64. Pada perbandingan nilai rata-rata fitness populasi terjadi kenaikan nilai fitness secara signifikan. Semakin tinggi populasi
6 Nilai Fitness Nilai Fitness Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2711 semakin bagus nilai fitness dan fitness menjadi konvergen. Cr & Mr 5.2 Hasil dan Analisa Pengujian Jumlah Generasi Pengujian generasi dilakukan untuk mengetahui jumlah generasi yang optimal. Pada pengujian generasi ini dilakukan 1 kali pengujian dengan 5 ukuran generasi yang berbeda-beda. Ukuran populasi yang digunakan sebesar 5 serta nilai crossover.5 dan mutasi.5. Berikut hasil pengujian dari ukuran generasi yang ditunjukkan pada gambar Nilai Cr & Mr.2.8 Fitness Generasi Jumlah Generasi Fitness Gambar 9. Grafik Hasil Pengujian Jumlah Generasi Pada gambar 9 dapat dilihat rata-rata nilai fitness dari ukuran generasi 5 hingga 25. Melihat grafik tersebut rata-rata nilai fitness terbesar diperoleh ukuran generasi 15 dengan nilai fitness Pada perbandingan nilai ratarata fitness populasi terjadi naik turunnya nilai fitness yang cukup signifikan dan didapatkan nilai fitness terbesar pada generasi Hasil Pengujian Nilai Crossover rate dan Mutation rate Pengujian nilai crossover dan mutasi dilakukan agar mengetahui nilai crossover dan mutasi yang optimal. Pada pengujian nilai crossover dan mutasi ini menggunakan 5 nilai crossover dan mutasi yang berbeda dengan 1 percobaan pada tiap nilainya. Ukuran populasi yang digunakan sebesar 5 dan ukuran generasi 3. Berikut hasil pengujian dari nilai crossover dan mutasi yang ditunjukkan pada gambar 1. Gambar 1. Grafik Pengujian Nilai Crossover Rate dan Mutation Rate Pada gambar 1 dapat dilihat rata-rata nilai fitness terbesar diperoleh pada nilai crossover dan mutasi.3 dan.7 dengan nilai 71. Hasil pada pengujian nilai crossover semakin kecil relatif lebih besar nilai fitness yang didapatkan. 5.4 Hasil Pengujian Nilai Parameter Terbaik Pada pengujian ini akan dilakukan pengujian dengan nilai parameter terbaik yang telah dilakukan dipengujian sebelumnya yang dilihat dari nilai fitness yang terbesar pada tiap pengujiannya. Pengujian parameter terbaik akan dilakukan sebanyak 1 kali dengan melihat nilai akurasinya. Ukuran populasi yang digunakan adalah 5, ukuran generasi 15 dan nilai crossover dan mutasi.3 dan.7. Setelah dilakukan pengujian menggunakan nilai terbaik akan dibandingkan dengan penilaian menurut hasil pakar. Data uji yang digunakan sebanyak 2 buah. Berikut hasil perbandingan hasil optimasi dengan hasil penilaian dengan pakar yang ditunjukkan pada tabel 2. Tabel 2. Hasil Pengujian Parameter Terbaik Hasil Uji Hasil Optimasi Akurasi % % % % % % % 8 7 6% %
7 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer % 6. KESIMPULAN Berdasarkan hasil pengujian yang telah dilakukan pada bab sebelumnya, maka dapat diberi kesimpulan sebagai berikut : 1. Dalam optimasi fungsi keanggotaan fuzzy menggunakan Algoritma genetika dalam penentuan kebutuhan gizi bayi mpasi, algoritma genetika digunakan untuk menentukan batas-batas pada fungsi keanggotaan fuzzy. Batas-batas nilai pada fuzzy dijadikan kedalam sebuah kromosom untuk dilakukan proses optimasi. Pada proses algoritma genetika dicari kromosom dengan nilai fitness terbesar untuk menjadi nilai batas pada fungsi keanggotaan fuzzy. 2. Hasil pengujian pada penelitian ini nilainilai pada tiap pengujian populasi, generasi sreta nilai crossover dan mutasi berpengaruh kepada nilai fitness yang dihasilkan. Pada pengujian populasi, semakin besar nilai populasi akan terjadi kenaikan nilai fitness. Pada pengujian generasi dan nilai crossover dan mutasi, terjadi keberagaman nilai fitness yang naik turun. Nilai fitness terbaik pada tiap parameter terdapat pada populasi 5, generasi 4, dan nilai cr dan mr.2 dan.8. Setelah dilakukan pengujian menggunakan parameter terbaik didapatkan nilai akurasi sebesar 38%. Ilmu Komputer. Universitas Brawijaya. Malang Robandi, Imam. (26). Desain Sistem Tenaga Modern. Yogyakarta: Penerbit ANDI. Saputra, Yogi Pemenuhan Zat Gizi Pada Bayi. logspot.co.id/212/11/pemenuhan-zat-gizipada-bayi.html. [Diakses : 14 Maret 217] Situmpul, Ewa Molika Buku Pintar Bayi MPASI: Bayi 6 bulan sampai dengan 1 tahun. Lembar Langit Indonesia. DAFTAR PUSTAKA Azizah, Evi Nur., Cholissodin, Imam., Mahmudy, WF Optimasi Fungsi Keanggotaan Fuzzy Tsukamoto Menggunakan Algoritma Genetika Untuk Penentuan Harga Jual Rumah. Journal of Environment Engineering&Sustainable Technology. Vol. 2, No. 2. Kurnigtyas, Diva., Mahmudy, WF., Widodo, AW Optimasi Derajat Keanggotaan Fuzzy Tsukamoto Menggunakan Algoritma Genetika Untuk Diagnosis Penyakit Sapi Potong. Jurnal Teknologi Informasi dan Ilmu Komputer. Vo. 4, No. 1. Kusumadewi, Sri., Purnomo, Hari. 21. Aplikasi Logika Fuzzy. Yogyakarta: Graha Ilmu. Mahmudy, Wayan Firdaus Algortima Evolusi. Program Teknologi Informasi dan
PENERAPAN 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 terperinciJurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 9, September 2018, hlm. 2957-2964 http://j-ptiik.ub.ac.id Optimasi Batasan Fungsi Keanggotaan Fuzzy Tsukamoto Menggunakan
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 terperinciPenjadwalan Dinas Pegawai Menggunakan Algoritma Genetika Pada PT Kereta Api Indonesia (KAI) Daerah Operasi 7 Stasiun Besar Kediri
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 11, November 2018, hlm. 4371-4376 http://j-ptiik.ub.ac.id Penjadwalan Dinas Pegawai Menggunakan Algoritma Genetika
Lebih terperinciOPTIMASI FUZZY TSUKAMOTO DUA TAHAP MENGGUNAKAN ALGORITMA GENETIKA UNTUK SELEKSI CALON KARYAWAN (STUDI KASUS: Perusahaan Bio-2000)
OPTIMASI FUZZY TSUKAMOTO DUA TAHAP MENGGUNAKAN ALGORITMA GENETIKA UNTUK SELEKSI CALON KARYAWAN (STUDI KASUS: Perusahaan Bio-2000) SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat Mencapai Gelar Strata
Lebih terperinciOPTIMASI PERSEDIAAN BAJU MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI PERSEDIAAN BAJU MENGGUNAKAN ALGORITMA GENETIKA andra Aditya 1), Wayan Firdaus Mahmudy 2) 1) Program Studi Teknik Informatika, Fakultas Ilmu Komputer Malang Jl. Veteran, Malang 65145, Indonesia
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 terperinciOPTIMASI JADWAL MENGAJAR ASISTEN LABORATORIUM MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI JADWAL MENGAJAR ASISTEN LABORATORIUM MENGGUNAKAN ALGORITMA GENETIKA Indana Zulfa 1, Wayan Firdaus Mahmudy 2, Budi Darma Setiawan 3 Teknik Informatika, Program Teknologi Informasi dan Ilmu Komputer,
Lebih terperinciPENJADWALAN KAPAL PENYEBERANGAN MENGGUNAKAN ALGORITMA GENETIKA
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) Vol. 3, No. 1, Maret 2016, hlm. 48-55 PENJADWALAN KAPAL PENYEBERANGAN MENGGUNAKAN ALGORITMA GENETIKA Ria Febriyana 1, Wayan Firdaus Mahmudy 2 Program
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK PERMASALAHAN OPTIMASI DISTRIBUSI BARANG DUA TAHAP
PENERAPAN ALGORITMA GENETIKA UNTUK PERMASALAHAN OPTIMASI DISTRIBUSI BARANG DUA TAHAP Riska Sulistiyorini ), Wayan Firdaus Mahmudy ), Program Studi Teknik Informatika Program Teknologi Informasi dan Ilmu
Lebih terperinciOptimasi Multiple Travelling Salesman Problem Pada Pendistribusian Air Minum Menggunakan Algoritme Genetika (Studi Kasus: UD.
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 9, Juni 2017, hlm. 849-858 http://j-ptiik.ub.ac.id Optimasi Multiple Travelling Salesman Problem Pada Pendistribusian
Lebih terperinciPenentuan Portofolio Saham Optimal Menggunakan Algoritma Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 1, Januari 2017, hlm. 63-68 http://j-ptiik.ub.ac.id Penentuan Portofolio Saham Optimal Menggunakan Algoritma Genetika
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 terperinciOptimasi Penataan Barang pada Proses Distribusi Menggunakan Algoritme Evolution Strategies
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 5, Mei 2018, hlm. 1874-1882 http://j-ptiik.ub.ac.id Optimasi Penataan Barang pada Proses Distribusi Menggunakan Algoritme
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 terperinciOptimasi Penjadwalan Mata Pelajaran Pada Kurikulum 2013 Dengan Algoritme Genetika (Studi Kasus: SMA Negeri 3 Surakarta)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 12, Desember 2017, hlm. 1535-1542 http://j-ptiik.ub.ac.id Optimasi Penjadwalan Mata Pelajaran Pada Kurikulum 2013
Lebih terperinciOptimasi Fungsi Keanggotaan Fuzzy Dua Tahap menggunakan Algoritme Genetika untuk Penentuan Bakat dan Tingkat Persentase Kecerdasan Anak
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 2, Februari 2018, hlm. 565-576 http://j-ptiik.ub.ac.id Optimasi Fungsi Keanggotaan Fuzzy Dua Tahap menggunakan Algoritme
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK MENENTUKAN BIAYA MINIMAL DISTRIBUSI BARANG TIGA TAHAP PT. SEMEN TONASA
PENERAPAN ALGORITMA GENETIKA UNTUK MENENTUKAN BIAYA MINIMAL DISTRIBUSI BARANG TIGA TAHAP PT. SEMEN TONASA Andi Baharuddin 1, Aidawayati Rangkuti 2, Armin Lawi 3 Program Studi Matematika, Jurusan Matematika,
Lebih terperinciIMPLEMENTASI ALGORITMA FUZZY EVOLUSI PADA PENJADWALAN PERKULIAHAN
IMPLEMENTASI ALGORITMA FUZZY EVOLUSI PADA PENJADWALAN PERKULIAHAN Herny Wulandari Pangestu. Kartika Yulianti, Rini Marwati Departemen Pendidikan Matematika FPMIPA UPI *Surel: hernyw@ymail.com ABSTRAK.
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 terperinciOptimasi distribusi barang dengan algoritma genetika
Optimasi distribusi barang dengan algoritma genetika Yasmin Ghassani Panharesi 1, Wayan Firdaus Mahmudy 2 Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya Email : yasminghassani@gmail.com 1,
Lebih terperinciOptimasi Pembagian Barang Alat Tulis Kantor Menggunakan Algoritme Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: -X Vol., No., Maret, hlm. - http://j-ptiik.ub.ac.id Optimasi Pembagian Barang Alat Tulis Kantor Menggunakan Algoritme Genetika Ardiansyah
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK MEMAKSIMALKAN LABA PRODUKSI JILBAB
Journal of Environmental Engineering & Sustainable Technology Vol. 02 No. 01, July 2015, Pages 06-11 JEEST http://jeest.ub.ac.id PENERAPAN ALGORITMA GENETIKA UNTUK MEMAKSIMALKAN LABA PRODUKSI JILBAB Samaher
Lebih terperinciOptimasi Penjadwalan Moving Class Menggunakan Algoritma Genetika (Studi Kasus: SMA Negeri 1 Turatea)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 4, Juli 2018, hlm. 1768-1777 http://j-ptiik.ub.ac.id Optimasi Penjadwalan Moving Class Menggunakan Algoritma Genetika
Lebih terperinciImplementasi Genetic Algorithm Dan Artificial Neural Network Untuk Deteksi Dini Jenis Attention Deficit Hyperactivity Disorder
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 2, Februari 2018, hlm. 688-694 http://j-ptiik.ub.ac.id Implementasi Genetic Algorithm Dan Artificial Neural Network
Lebih terperinciOptimasi Penjadwalan Mata Pelajaran Menggunakan Algoritme Genetika (Studi Kasus: SMK Negeri 2 Kediri)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 10, Oktober 2017, hlm. 1066-1072 http://j-ptiik.ub.ac.id Optimasi Penjadwalan Mata Pelajaran Menggunakan Algoritme
Lebih terperinciAplikasi 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 terperinciJurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 11, November 2017, hlm. 1152-1159 http://j-ptiik.ub.ac.id Implementasi Algoritma Genetika Pada Metode AHP dan SAW
Lebih terperinciPenerapan Algoritma Genetika untuk Penjadwalan Asisten Praktikum
Penerapan Algoritma Genetika untuk Penjadwalan Asisten Praktikum Okky Cintia Devi 1, Wayan Fidaus Mahmudy 2, Budi Darma Setiawan 3 Teknik Informatika, Program Teknologi Informasi dan Ilmu Komputer, Universitas
Lebih terperinciPENERAPAN 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 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 terperinciPenentuan Lokasi Pasang Baru Wifi.id Corner Menggunakan Metode AHP dan Algoritma Genetika (Studi Kasus : PT. Telkom Witel Kediri)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 12, Desember 2017, hlm. 1742-1749 http://j-ptiik.ub.ac.id Penentuan Lokasi Pasang Baru Wifi.id Corner Menggunakan
Lebih terperinciAlgoritma Evolusi Real-Coded GA (RCGA)
Algoritma Evolusi Real-Coded GA (RCGA) Imam Cholissodin imam.cholissodin@gmail.com Pokok Bahasan 1. Siklus RCGA 2. Alternatif Operator Reproduksi pada Pengkodean Real 3. Alternatif Operator Seleksi 4.
Lebih terperinciOptimasi Keanggotaan Fuzzy Tsukamoto Menggunakan Algoritma Genetika pada Penentuan Prioritas Penerima Zakat
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 2, Februari 2017, hlm. 125-138 http://j-ptiik.ub.ac.id Optimasi Keanggotaan Fuzzy Tsukamoto Menggunakan Algoritma
Lebih terperinciOptimasi Penjadwalan Mata Pelajaran Menggunakan Algoritma Genetika (Studi Kasus : SMPN 1 Gondang Mojokerto)
Optimasi Penjadwalan Mata Pelajaran Menggunakan Algoritma Genetika (Studi Kasus : SMPN 1 Gondang Mojokerto) Dianita Dwi Permata Sari 1, Wayan Firdaus Mahmudy 2, Dian Eka Ratnawati 3 Teknik Informatika,
Lebih terperinciLingkup 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 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 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 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 terperinciOptimasi 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 terperinciAlgoritma Evolusi Dasar-Dasar Algoritma Genetika
Algoritma Evolusi Dasar-Dasar Algoritma Genetika Imam Cholissodin imam.cholissodin@gmail.com Pokok Bahasan 1. Pengantar 2. Struktur Algoritma Genetika 3. Studi Kasus: Maksimasi Fungsi Sederhana 4. Studi
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 terperinciPenerapan Algoritme Genetika Untuk Penjadwalan Latihan Reguler Pemain Brass Marching Band (Studi Kasus: Ekalavya Suara Brawijaya)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 9, September 2018, hlm. 2950-2956 http://j-ptiik.ub.ac.id Penerapan Algoritme Genetika Untuk Penjadwalan Latihan
Lebih terperinciPEMBOBOTAN PENILAIAN UJIAN PILIHAN GANDA MENGGUNAKAN ALGORITMA GENETIKA
PEMBOBOTAN PENILAIAN UJIAN PILIHAN GANDA MENGGUNAKAN ALGORITMA GENETIKA Ida Wahyuni 1, Wayan Firdaus Mahmudy 2 1,2 Program Studi Magister Ilmu Komputer, Fakultas Ilmu Komputer, Universitas Brawijaya Jl.
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 terperinciSIMULASI OPTIMASI PENEMPATAN KAPASITOR MENGGUNAKAN LOGIKA FUZZY DAN ALGORITMA GENETIKA PADA SISTEM TEGANGAN MENENGAH REGION JAWA BARAT
SIMULASI OPTIMASI PENEMPATAN KAPASITOR MENGGUNAKAN LOGIKA FUZZY DAN ALGORITMA GENETIKA PADA SISTEM TEGANGAN MENENGAH REGION JAWA BARAT Gahara Nur Eka Putra NRP : 1022045 E-mail : bb.201smg@gmail.com ABSTRAK
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 terperinciOPTIMASI 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 terperinciBAB 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 terperinciSISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN BEASISWA BERPRESTASI MENGGUNAKAN METODE FUZZY (STUDI KASUS: INSTANSI XYZ)
SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN BEASISWA BERPRESTASI MENGGUNAKAN METODE FUZZY (STUDI KASUS: INSTANSI XYZ) Dimas Wahyu Wibowo 1, Eka Larasati Amalia 2 1,2 Teknik Informatika, Politeknik Negeri
Lebih terperinciPenyusunan Bahan Makanan Keluarga Penderita Penyakit Hiperkolesterolemia Menggunakan Algoritme Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 8, Agustus 2018, hlm. 2979-2986 http://j-ptiik.ub.ac.id Penyusunan Bahan Makanan Keluarga Penderita Penyakit Hiperkolesterolemia
Lebih terperinciIMPLEMENTASI ALGORITMA GENETIKA PADA OPTIMASI BIAYA PEMENUHAN KEBUTUHAN GIZI
IMPLEMENTASI ALGORITMA GENETIKA PADA OPTIMASI BIAYA PEMENUHAN KEBUTUHAN GIZI Monica Intan Pratiwi 1, Wayan Fidaus Mahmudy, Candra Dewi Teknik Informatika, Program Teknologi Informasi dan Ilmu Komputer,
Lebih terperinciBAB 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 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 terperinciPENERAPAN 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 terperinciDAFTAR ISI. Tim Redaksi... i Kata Pengantar... ii Daftar Isi... iii
DAFTAR ISI Tim Redaksi... i Kata Pengantar... ii Daftar Isi... iii Faiz Rafdh Ch SISTEM INFORMASI ZAKAT BERBASIS WEB MENGGUNAKAN PHP DAN MYSQL PADA RUMAH ZAKATINDONESIA 1-7 Abdul Jamil Syamsul Bachtiar
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 terperinciOptimasi Komposisi Pakan Sapi Perah Menggunakan Algoritma Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 1, Januari 2017, hlm. 69-74 http://j-ptiik.ub.ac.id Optimasi Komposisi Pakan Sapi Perah Menggunakan Algoritma Genetika
Lebih terperinciOPTIMIZATION TWO-STAGES TSUKAMOTO FUZZY METHOD USING GENETIC ALGORITHM FOR SELECTING EMPLOYEES (CASE STUDY: BIO-2000 COMPANY)
OPTIMIZATION TWO-STAGES TSUKAMOTO FUZZY METHOD USING GENETIC ALGORITHM FOR SELECTING EMPLOYEES (CASE STUDY: BIO-2000 COMPANY) Iman Surya Bimawijaya Informatika, Fakultas MIPA Universitas Sebelas Maret
Lebih terperinciPEMODELAN REGRESI NON LINEAR MENGGUNAKAN ALGORITMA GENETIKA UNTUK PREDIKSI KEBUTUHAN AIR PDAM KOTA MALANG
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) Vol. 3, No. 1, Maret 2016, hlm. 59-65 PEMODELAN REGRESI NON LINEAR MENGGUNAKAN ALGORITMA GENETIKA UNTUK PREDIKSI KEBUTUHAN AIR PDAM KOTA MALANG Vitara
Lebih terperinciOptimasi Fungsi Keanggotaan Fuzzy Mamdani menggunakan Algoritme Genetika untuk Penentuan Kesesuaian Lahan Tanam Tembakau
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 254-964 Vol. 2, No. 3, Maret 201, hlm. 96-977 http://j-ptiik.ub.ac.id Optimasi Fungsi Keanggotaan Fuzzy Mamdani menggunakan Algoritme Genetika
Lebih terperinciKeywords 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 terperinciPERANCANGAN APLIKASI PENJADWALAN TRAVELING SALESMAN PROBLEM DENGAN ALGORITMA GENETIKA
PERANCANGAN APLIKASI PENJADWALAN TRAVELING SALESMAN PROBLEM DENGAN ALGORITMA GENETIKA Hendy Tannady; Andrew Verrayo Limas Industrial Engineering Department, Faculty of Engineering, Binus University Jl.
Lebih terperinciPrediksi Kebutuhan Air PDAM Kota Malang Menggunakan Metode Fuzzy Time Series Dengan Algoritma Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 1, Januari 2018, hlm. 133-142 http://j-ptiik.ub.ac.id Prediksi Kebutuhan Air PDAM Kota Malang Menggunakan Metode
Lebih terperinciTEKNIK 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 terperinciOptimasi 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 terperinciPeramalan Produksi Gula Pasir Menggunakan Fuzzy Time Series Dengan Optimasi Algoritma Genetika (Studi Kasus PG Candi Baru Sidoarjo)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 8, Agustus 2018, hlm. 2542-2548 http://j-ptiik.ub.ac.id Pe Produksi Gula Pasir Menggunakan Fuzzy Time Series Dengan
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 terperinciRANCANG 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 terperinciKNAPSACK 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 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 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 terperinciOptimasi Menu Makanan Untuk Pemenuhan Gizi Penderita Kanker Dengan Algoritme Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 12, Desember 2017, hlm. 1850-1857 http://j-ptiik.ub.ac.id Optimasi Menu Makanan Untuk Pemenuhan Gizi Penderita Kanker
Lebih terperinciAPLIKASI UNTUK PREDIKSI JUMLAH MAHASISWA PENGAMBIL MATAKULIAH DENGAN MENGGUNAKAN ALGORITMA GENETIKA, STUDI KASUS DI JURUSAN TEKNIK INFORMATIKA ITS
APLIKASI UNTUK PREDIKSI JUMLAH MAHASISWA PENGAMBIL MATAKULIAH DENGAN MENGGUNAKAN ALGORITMA GENETIKA, STUDI KASUS DI JURUSAN TEKNIK INFORMATIKA ITS Hafid Hazaki 1, Joko Lianto Buliali 2, Anny Yuniarti 2
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 terperinciOptimasi 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 terperinciOptimasi Fungsi Tanpa Kendala Menggunakan Algoritma Genetika Dengan Kromosom Biner dan Perbaikan Kromosom Hill-Climbing
Optimasi Fungsi Tanpa Kendala Menggunakan Algoritma Genetika Dengan Kromosom Biner dan Perbaikan Kromosom Hill-Climbing Wayan Firdaus Mahmudy, (wayanfm@ub.ac.id) Program Studi Ilmu Komputer, Universitas
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 terperinciPENENTUAN 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 terperinciOptimasi Komposisi Makanan untuk Penderita Hipertensi Menggunakan Algoritma Genetika dan Simulated Annealing
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 11, November 217, hlm. 1236-1243 http://j-ptiik.ub.ac.id Optimasi Komposisi Makanan untuk Penderita Hipertensi Menggunakan
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 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 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 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 terperinciImplementasi Sistem Penjadwalan Akademik Fakultas Teknik Universitas Tanjungpura Menggunakan Metode Algoritma Genetika
Jurnal Sistem dan Teknologi Informasi (JUSTIN) Vol. 1, No. 2, (2017) 28 Implementasi Sistem Penjadwalan Akademik Fakultas Teknik Universitas Tanjungpura Menggunakan Metode Algoritma Genetika Andreas Christian
Lebih terperinciPengantar 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 terperinciOPTIMASI MODEL FUZZY AHP DENGAN MENGGUNAKAN ALGORITMA EVOLUTION STRATEGIES
OPTIMASI MODEL FUZZY AHP DENGAN MENGGUNAKAN ALGORITMA EVOLUTION STRATEGIES (STUDI KASUS: PEMILIHAN CALON PENERIMA BEASISWA PTIIK UNIVERSITAS BRAWIJAYA) Anis Maulida Dyah Ayu Putri 1, Wayan Firdaus Mahmudy
Lebih terperinciOPTIMASI PENJADWALAN PERAWAT MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI PENJADWALAN PERAWAT MENGGUNAKAN ALGORITMA GENETIKA Rifqy Rosyidah Ilmi 1, Wayan Firdaus Mahmudy 2, Dian Eka Ratnawati 2 1 Mahasiswa, 2 Dosen Pembimbing Informatika, Fakultas Ilmu Komputer, 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 terperinciPEMAMPATAN MATRIKS JARANG DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL
Jurnal Matematika UNAND Vol. 3 No. 1 Hal. 98 106 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMAMPATAN MATRIKS JARANG DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL YOSI PUTRI, NARWEN
Lebih terperinciOptimasi K-Means untuk Clustering Kinerja Akademik Dosen Menggunakan Algoritme Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 12, Desember 2017, hlm. 1652-1659 http://j-ptiik.ub.ac.id Optimasi K-Means untuk Clustering Kinerja Akademik Dosen
Lebih terperinciOptimasi Komposisi Menu Makanan bagi Penderita Tekanan Darah Tinggi Menggunakan Algoritme Genetika Adaptif
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol. 2, No. 2, Februari 2018, hlm 515-522 e-issn: http://j-ptiik.ub.ac.id Optimasi Komposisi Menu Makanan bagi Penderita Tekanan Darah Tinggi Menggunakan
Lebih terperinciFUZZY MULTI-CRITERIA DECISION MAKING
Media Informatika, Vol. 3 No. 1, Juni 2005, 25-38 ISSN: 0854-4743 FUZZY MULTI-CRITERIA DECISION MAKING Sri Kusumadewi, Idham Guswaludin Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas
Lebih terperinciOTOMASI PENJADWALAN KEGIATAN PRKULIAHAN DI PERGURUAN TINGGI MENGGUNAKAN METODE ALGORITMA GENETIKA ( STUDI KASUS STIKI )
OTOMASI PENJADWALAN KEGIATAN PRKULIAHAN DI PERGURUAN TINGGI MENGGUNAKAN METODE ALGORITMA GENETIKA ( STUDI KASUS STIKI ) Siska Diatinari Andarawarih 1) 1) Program Studi Teknik Informatika, Sekolah Tinggi
Lebih terperinciOptimasi Pemodelan Regresi Linier Berganda Pada Prediksi Jumlah Kecelakaan Sepeda Motor Dengan Algoritme Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 5, Mei 2018, hlm. 1932-1939 http://j-ptiik.ub.ac.id Optimasi Pemodelan Regresi Linier Berganda Pada Prediksi Jumlah
Lebih terperinciPenerapan Genetic Algorithm Untuk Optimasi Peningkatan Laba Persediaan Produksi Pakaian
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 6, Juni 218, hlm. 2168-2172 http://j-ptiik.ub.ac.id Penerapan Genetic Algorithm Untuk Optimasi Peningkatan Laba Persediaan
Lebih terperinciAlgoritma Genetika dan Penerapannya dalam Mencari Akar Persamaan Polinomial
Algoritma Genetika dan Penerapannya dalam Mencari Akar Persamaan Polinomial Muhammad Abdy* 1, Maya Sari Wahyuni* 2, Nur Ilmi* 3 1,2,3 Jurusan Matematika, Universitas Negeri Makassar e-mail: * 1 m.abdy@unm.ac.id,
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 terperinciPenjadwalan Dinas Pegawai Menggunakan Algoritma Evolution Strategies pada PT. Kereta Api Indonesia (KAI) DAOP 7 Stasiun Besar Kediri
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 8, Agustus 2018, hlm. 2473-2479 http://j-ptiik.ub.ac.id Penjadwalan Dinas Pegawai Menggunakan Algoritma Evolution
Lebih terperinciBAB 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