Penerapan Algoritme Genetika Pada Kasus Optimasi Penentuan Bibit dan Pemerataan Subsidi pupuk (Studi Kasus: Desa Pandansari, Kabupaten Kediri)

Transkripsi

1 Jurnal Penembanan Teknoloi Informasi dan Ilmu Komputer eissn: X Vol. 2, No. 5, Mei 2018, hlm Penerapan Aloritme Genetika Pada Kasus Optimasi Penentuan Bibit dan Pemerataan Subsidi pupuk (Studi Kasus: Desa Pandansari, Kabupaten Kediri) Erlyan Eka Pratiwi 1, Aus Wahyu Widodo 2, Wayan Firdaus Mahmudy 3 Proram Studi Teknik Informatika, 1 erlyanep@mail.com, 2 3 wayanfm@ub.ac.id Abstrak Pemerataan dalam pembaian pupuk bersubsidi memiliki beberapa kendala. Berdasarkan survei pemerataan subsidi benih dan pupuk pada kelompok tani Desa Pandansari Kabupaten Kediri, beberapa kendala pemerataan tersebut yaitu kebanyakan petani tidak mempunyai dasar dan perhitunan yan tepat dalam membeli subsidi pupuk berdasarkan kebutuhan nutrisi jenis benih yan di tanam. Sehina berakibat petani hanya membeli jenis pupuk denan komposisi yan sama padahal varietas tanaman yan ditanam berbeda menyebabkan hasil panen yan kuran maksimal. selain itu jua jika komposisi pupuk tidak sesuai denan varietas maka jumlah pupuk di udan akan kekuranan dan kelebihan. Untuk memecahkan masalah tersebut diunakan metode Aloritme Genetika. Parameter aloritme yan diunakan pada tanaman padi adalah populasi sebanyak 220, enerasi sebanyak 1100, nilai crossover rate 0,8 dan mutation rate 0,2 sedankan pada tanaman jaun populasi sebanyak 320, enerasi sebanyak 1250, nilai crossover rate 0,8 dan crossover rate 0,2. Nilai selisih persentase ratarata yan dihasilkan aloritme enetika dan pupuk di udan pada tanaman padi sebesar 9,873% sedankan pada tanaman jaun menhasilkan selisih persentase ratarata antara pupuk di udan dan aloritme enetika sebesar 24,882%. Solusi Komposisi pupuk yan dihasilkan oleh aloritme enetika dapat dipastikan bahwa nutrisi yan dibutuhkan tanaman terpenuhi sehina hasil panen dapat meninkat. Kata kunci: Pupuk, subsidi, pemerataan, aloritme enetika Abstract Equity in the distribution of subsidized fertilizer has several constraints. Based on a survey of equal distribution of seed and fertilizer subsidy at farmer roup of Pandansari Villae of Kediri Reency, several equality obstacles are that most farmers have no basis and proper calculation in buyin fertilizer subsidy based on nutrition requirement of planted seeds. So that resulted in farmers only buy the type of fertilizer with the same composition when different plant varieties that cause less than maximum yield. Besides also if the composition of fertilizer not in accordance with the varieties then the amount of fertilizer in the warehouse will be shortaes and excess. To solve the problem used Genetic Alorithm method. The alorithm parameters used in rice plants are population as much as 220, eneration as much as 1100, crossover rate 0,8 and mutation rate 0,2 whereas in corn plant population as much as 320, eneration 1250, crossover rate 0,8 and crossover rate 0, 2. The averae percentae difference in value enerated by enetic alorithm and fertilizer in warehouses on rice plant is 9,873% while in corn plants yield difference of mean percentae between fertilizer in warehouse and enetic alorithm equal to 24,882%. Solution The composition of fertilizers produced by enetic alorithms can be ascertained that the nutrients needed by plants are met so that the yield can increase..keywords: Fertilizer, subsidy, equity, enetic alorithm. 1. PENDAHULUAN Pemerataan dalam pembaian pupuk bersubsidi memiliki beberapa kendala. Berdasarkan survei penulis pemerataan subsidi benih dan pupuk pada kelompok tani Desa Pandansari Kabupaten Kediri, beberapa kendala pemerataan tersebut yaitu kebanyakan petani tidak mempunyai dasar dan perhitunan yan tepat dalam membeli subsidi pupuk berdasarkan kebutuhan nutrisi jenis benih yan di tanam. Hal tersebut dapat berakibat petani hanya membeli Fakultas Ilmu Komputer Universitas Brawijaya 1803

2 Jurnal Penembanan Teknoloi Informasi dan Ilmu Komputer 1804 jenis pupuk denan komposisi yan sama padahal varietas tanaman yan ditanam petani berbeda beda sehina menyebabkan hasil panen yan kuran maksimal selain itu jua jika komposisi pupuk tidak sesuai denan varietas maka jumlah pupuk di udan akan kekuranan. Misalkan anota kelompok tani semua menanam varietas ir64 dan ciheran denan komposisi pupuk yan sama maka hasil panen jua berbeda selain itu jua kedua varietas tersebut mempunyai kebutuhan pupuk yan banyak jika semua petani hanya menanam varietas tersebut maka kekuranan pupuk di udan semakin banyak. Oleh sebab itu pemerataan penyaluran bantuan benih dan pupuk diperlukan aar semua petani dapat menhasilkan panen yan sesuai denan taret pemerintah. Untuk pemecahan masalah tersebut maka diperlukan perhitunan yan tepat aar petani mendapatkan bantuan sesuai denan nutrisi yan dibutuhkan secara optimal. Untuk penyelesaian masalah pemerataan bantuan dibutuhkan aloritme yan tepat untuk mendapatkan solusi terbaik. Salah satu aloritme optimasi yan populer dalam menyelesaikan masalah optimasi adalah aloritme enetika. Aloritme Genetika Merupakan teknik pencarian solusi secara stochastic yan prosesnya, pada aloritme enetika tersebut meniru mekanisme seleksi alam dan enetik yaitu mahluk hidup yan terbaik berhasil bertahan hidup (Mahmudy,2013). 2. DASAR TEORI 2.1. Tanaman Panan Tanaman panan adalah seala jenis tanaman yan di dalamnya terdapat karbohidrat dan protein sebaai sumber eneri manusia. Tanaman panan biasanya di sebut denan tanaman utama yan di konsumsi manusia sebaai makanan untuk memberikan asupan eneri bai tubuh Tanaman Padi Padi (Oryza sativa L) merupakan tanaman panan yan sanat pentin karena dari tanaman padi menhasilkan beras yan diunakan sebaai bahan makanan pokok. Bahan makanan dari beras merupakan makanan pokok bai sebaaian besar penduduk indonesia yaitu sekitar 90% dari penduduk indonesia menunakan beras sebaai bahan makanan pokok (AAK, 2003) Tanaman Jaun Jaun (Zea mays ssp. mays) adalah salah satu tanaman panan penhasil karbohidrat. Jaun memilki beberapa manfaat di bidan kesehatan misalnya menandun protein,menceah anemia, menjaa kekebalan tubuh Pupuk Bersubsidi Melalui Surat Keputusan Menperinda No. 70/MPP/Kep/2/2003 tanal 11 Pebruari 2003 pasal 1 yan dimaksud pupuk bersubsidi adalah pupuk yan penadaanya dan penyalurannya mendapat subsidi dari pemerintah untuk kenutuhan petani yan dilaksanakan atas dasar proram pemerintah Komposisi Pupuk dan Unsur Hara Komposisi pupuk pada tanaman jaun dan padi merupakan kebutuhan dan faktor utama yan harus diperhatikan dalam menentukan hasil panen. Hasil panen yan maksimal ditentukan dari komposisi pupuk yan diberikan kepada tanaman tersebut. Komposisi pupuk yan diunakan terdiri dari unsur N, P, dan K. Unsur pupuk N, P, Dan K yan di berikan petani untuk tanaman berfunsi sebaai penyeimban unsur hara yan kuran dari tanah. Pada tabel 1 kandunan unsur hara pupuk bersubsidi No Tabel 1 kandunan unsur hara pupuk Nama Pupuk Kandunan(%) N P K 1. Urea Sp Za Phonska Petroanik Pupuk merupakan suatu hal yan diperlukan tanaman dalam proses pertumbuhan. Jika tanaman tidak diberikan pupuk maka tanaman tidak dapat tumbuh denan optimal (Adil, dkk, 2006). Batas minimal dan maksimal jumlah pupuk yan diunakan pada masinmasin varietas tanaman terdapat pada tabel 2

3 Jurnal Penembanan Teknoloi Informasi dan Ilmu Komputer 1805 N o Tabel 2 Batas Maksimal dan Minimal Jumlah Pupuk Nama varietas tanaman 1 MemBra mo Jenis Pupuk yan diunakan(k) Ure a Ciheran ir dk dk dk 85 Sp36 Za Phon ska petr oa nik aloritme enetika, yaitu crossover dan mutasi. 5. Evaluasi Evaluasi bertujuan untuk mendapatkan enerasi yan akan bertahan, yan didapatkan dari perhitunan fitness (Tyas,dkk, 2013). 6. Seleksi Seleksi diunakan untuk memilih individu yan dapat dipertahankan untuk enerasi berikutnya yan berasal dari himpunan populasi dan offsprin. pada penelitian ini menunakan aloritme enetika untuk optimasi komposisi pupuk sehina representasi kromosom berbentuk matrik yaitu jenis pupuk dan jenis varietas dinyatakan dalam kolom dan jumlah petani dinyatakan dalam baris. Alur penyelesaian masalah optimasi komposisi pupuk menunakan aloritma enetika ditunjukkan pada Gambar ALGORITME GENETIKA Aloritme enetika (Genetic Alorithms, GAs) merupakan tipe EA yan palin popular. Aloritme enetika berkemban seirin denan perkembanan teknoloi informasi yan sanat pesat. Karena kemampuannya untuk menyelesaikan berbaai masalah kompleks (Mahmudy,2013). Berikut proses aloritma enetika : 1.Representasi Kromosom Reprsentasi kromosom merupakan suatu proses untuk menyelesaikan masalah, yaitu denan cara menkodekan suatu permasalahan kedalam kromosom (Gen & Chen, 2000). 2. Pembankitan Populasi Pembankitan populasi awal dilakukan secara random denan rane anka tertentu. Populasi itu sendiri terdiri dari sejumlah kromosom yan merepresentasikan solusi yan diininkan (Wahid & Mahmudy). 4. Reproduksi Proses reproduksi bertujuan untuk menhasilkan keturunan (offsprin) individu yan berasal dari populasi awal dua operator Gambar 1 Perancanan Sistem

4 Jurnal Penembanan Teknoloi Informasi dan Ilmu Komputer Representasi & Inisialisasi Kromosom indi vidu Kromosom Gambar 2 Representasi Kromosom Pada ambar 2 dapat dilihat bahwa representasi kromosom berbentuk matrik denan banyak baris 5 berarti jumlah petani 5, sedankan pada kolom terdapat 5 kolom berarti terdapat 5 jenis pupuk dan 1 kolom untuk keteranan varietas. Lankah awal yan dilakukan adalah menkalikan masinmasin en kromosom pada ambar 2 di kalikan denan luas lahan pada ambar Ciheran P Membra mo membra mo Ciheran Ir Ciheran P Ciheran Ciheran Ir ciheran ciheran 3.2. Reproduksi Setelah individu induk diinisialisasikan maka dilakukan reproduksi, dimana reproduksi dilakukan denan dua metode crossover (onecut point) dan mutasi (reciprocal exchane mutation). Hasil dari proses crossover dan mutasi terdapat pada ambar 5 dan 6 Gambar 3 Luas Lahan Hasil perkalian pada ambar 2 dan ambar 3 terdapat pada ambar 4 Gambar 5 offsprin crossover Gambar 4 Hasil Perkalian Setelah parameter aloritme enetika di inisialisasi maka dapat dibentuk individu sesuai denan populasi yan di tentukan. Pada Gambar 5 merupakan contoh inisialisasi populasi awal. indi vidu Tabel 2 Inisialisasi Populasi Awal Kromosom P Membra mo Ciheran Ciheran Ir Evaluasi Gambar 6 offsprin mutasi Proses evaluasi pada aloritme enetika adalah menhitun nilai fitness pada setiap individu. Pada penelitian ini selisih antara jumlah diudan dan komposisi pupuk pada aloritme enetika di anap sebai nilai eror. Maka untuk menhitun nilai fitness diunakan

5 Jurnal Penembanan Teknoloi Informasi dan Ilmu Komputer 1807 persamaan 1 berikut lankah menhitun fitness: Mape = 1 ( PEt n (1) PEt = ( Xt Ft ) 100% Xt (2) Keteranan : Pet : persentase error N : Jumlah jenis pupuk Xi : Jumlah pupuk diudan Ft : Jumlah pupuk pada kromosom masalah minimasi maka nilai fitness untuk tiap individu adalah sebaai berikut ini: F = 1000 f(x) Keteranan : F = nilai fitness (3) f(x) = nilai mape yan di cari dari persamaan 1 dan 2 4. PENGUJIAN 4.1 Penujian Jumlah Populasi Penujian ukuran populasi ini dilakukan pada kelipatan dua puluh, dimulai dari ukuran populasi 20 sampi 200. Penujian pada setiap ukuran populasi dilakukan sebanyak sepuluh kali percobaan. Banyak enerasi yan diunakan pada penujian populasi ini adalah 100 enerasi denan membandinan hasil populasi palin optimal yan didapatkan dari setiap nilai enerasi yan berbeda dan kombinasi nilai cr dan mr yan diunakan adalah 0,9 dan 0,1. Pada Gambar 7 merupakan nilai fitness yan dimilki masinmasin individu. Gambar 9 Hasil Penujian Ukuran Populasi Tanaman Padi Gambar 7 offsprin mutasi 3.4. Seleksi Proses seleksi diunakan untuk memilih individu yan layak dipertahankan untuk enerasi berikutnya berdasarkan nilai fitness yan dimiliki individu. Jumlah individu yan terpilih sesuai denan jumlah populasi yan telah di inisialisasi. Teknik seleksi yan diunakan pada penelitian ini adalah elitism selection. Gambar 8 hasil seleksi elitism Gambar 10 Hasil Penujian Ukuran Populasi Tanaman Jaun Pada penujian ukuran populasi pada tanaman jaun diunakan nilai 100 enerasi denan menunakan nilai yan sama pada cr dan mr yaitu 0,9 dan 0,1. Gambar 10 dan ambar 11 penujian ukuran populasi pada tanaman padi menunjukkan bahwa ukuran populasi denan niilai ratarata fitness tertini terdapat pada populasi 220.sedankan nilai ratarata fitness tertini pada tanaman jaun terdapat pada

6 Jurnal Penembanan Teknoloi Informasi dan Ilmu Komputer 1808 populasi 320. Penunaan ukuran populasi yan terlalu banyak akan menambah waktu komputasi namun nilai ratarata fitness tetap (konveren) dari nilai ratarata fitness sebelumnya (Khuluqi, dkk, 2016). 4.2 Penujian Jumlah Generasi Penujian ini dilakukan pada banyak enerasi awal adalah 50 enerasi dan dilanjutkan denan kelipatan 150 sehina mencapai nilai enerasi 1. Penujian pada masin masin enerasi dilakukan sebanyak sepuluh kali. Ukuran populasi yan diunakan adalah 220 pada tanaman padi dan 320 pada tanaman jaun, nilai mr adalah 0,9 dan nilai cr adalah 0,1. semakin sempit sehina menhasilkan nilai solusi yan kuran optimal, tetapi jika banyak enerasi semakin besar waktu komputasi semakin lama dan belum tentu menhasilkan solusi yan lebih optimal dibandinkan denan enerasi yan bernilai sedikit (Khuluqi, dkk, 2016). 4.3 Penujian Kombinasi Cr dan Mr Kombinasi nilai cr dan mr jika dijumlahkan harus menhasilkan 1 sehina populasi yan dihasilkan tetap stabil. Kombinasi nilai cr dan mr yan diuji adalah kelipatan 0,1 mulai dari 0 sampai 1. Percobaan dilakukan sebanyak 10 kali pada setiap kombinasi. Ukuran populasi yan diunakan pada penujian ini adalah sebanyak 220 populasi dan banyak enerasi yan diunakan adalah sebanyak 1100 enerasi. Gambar 11 Hasil Penujian Banyak Generasi Tanaman Padi Gambar 13 Hasil Penujian Kombinasi nilai cr dan mr pada tanaman padi Gambar 12 Hasil Penujian Banyak Generasi Tanaman Jaun Pada ambar 11 yaitu tanaman padi nilai rata rata fitness tertini diperoleh pada enerasi 1100 denan nilai sebesar 91,2097. Sedankan pada ambar 12 tanaman jaun nilai rata rata fitness tertini diperoleh pada enerasi 1250 denan nilai sebesar 34,3423. Pada penujian enerasi disimpulkan bahwa jumlah enerasi terlalu sedikit maka area pencarian aloritma Gambar 14 Hasil Penujian Kombinasi nilai cr dan mr pada tanaman Jaun nilai rata rata fitness tertini pada tanaman jaun dan padi terdapat pada kombinasi nilai cr 0,8 dan mr 0,2 denan nilai ratarata fitness 89,8208. Apabila nilai cr lebih tini dari mr, aloritma enetika akan menalami penurunan untuk menjaa keraaman populasi. Nilai cr yan tini akan menhasilkan anak yan mirip

7 Jurnal Penembanan Teknoloi Informasi dan Ilmu Komputer 1809 denan induknya sehina aloritme enetika tidak bisa memperlebar area pencarian. Hal sebaliknya jika nilai mr lebih tini dari cr aloritme enetika dapat memperlebar area pencarian dan keraaman populasi yan tini. Sedankan nilai cr yan rendah menyebabkan aloritme enetika tidak bisa belajar dari enerasi sebelumnya sehina area pencarian tidak bisa dimanfaatkan secara efektif (Mahmudy,2014). 4.4 Analisis Penujian Hasil Pada penujian hasil komposisi pupuk ini adalah membandinkan hasil komposisi pupuk yan diunakan oleh petani dan hasil komposisi pupuk yan di dapatkan menunakan aloritme enetika. Pada tanaman padi menunakan parameter aloritme enetika nilai populasi sebanyak 220 populasi, jumlah enerasi 1100, nilai kombinaasi cr 0,8 dan nilai mr 0,2 sedankan pada tanaman jaun parameter aloritme enetika nilai populasi sebanyak 320 populasi, jumlah enerasi 1250 dan nilai kombinasi cr 0,8 dan mr 0,2.. menunakan aloritme enetika. Jumlah selisih pupuk terdapat pada ambar 16, proses selanjutnya adalah menhitun persentase selisih komposisi pupuk yan di proses menunakan aloritme enetika, denan menunakan rumus pada persamaan 4, 5, dan 6 selisihpupuk = abs( pupukudan pupukalen) (4) persentaseselisihpupuk = averaepersentase = selisihpupuk jumlahpupuudan 100 = % (5) persentase banyakjenispupuk (6) Keteranan : Selisih pupuk = banyak selisih pupuk di udan dan aloritme enetika Pupukudan = jumlah pupuk yan berada pada udan Pupukalen = pupuk yan diproses menunkan aloritme enetika Persentaseselisihpupuk = persentase jumlah selisih pupuk yan ada pada udan dan aloritme enetika berikut ini persentase selisih pupuk pada ambar 14 Gambar 15 Penujian Hasil Pada Tanaman Padi Gambar 16 Penujian Hasil Pada Tanaman Jaun Berikut merupakan proses perhitunan yan dilakukan untuk melakukan penujian hasil yaitu: 1. Persentase Selisih Hasil Pupuk Pada Tanaman Padi Berdasarkan subsidi pupuk yan diberikan pemerintah, didapatkan hasil selisih komposisi pupuk pada petani dan komposisi pupuk Gambar 17 Penujian Hasil Pada Tanaman padi Setelah menhitun persentase jumlah selisih pupuk lankah selanjutnya adalah menhitun ratarata selisih pupuk. Berikut ini jumlah ratarata persentase selisih pupuk pada ambar 18

8 Jurnal Penembanan Teknoloi Informasi dan Ilmu Komputer 1810 aloritme enetika lebih baik jika dibandinkan denan petani Gambar 18 RataRata Jumlah Persentase Selisih Pupuk Tanaman Padi Pada ambar 19 menunjukkan bahwa persentase jumlah ratarata selisih pupuk yan dihasilkan dari data petani dan aloritme enetika maka dapat disimpulkan bahwa solusi yan dihasilkan aloritme enetika lebih baik jika dibandinkan denan petani 2. Persentase Selisih Hasil Pupuk Pada Tanaman Jaun Berdasarkan subsidi pupuk yan diberikan pemerintah, didapatkan hasil selisih komposisi pupuk pada petani dan komposisi pupuk menunakan aloritme enetika. Jumlah selisih pupuk terdapat pada ambar 17, proses selanjutnya adalah menhitun persentase di proses menunakan aloritme enetika, denan menunakan rumus pada persamaan 4, 5, dan 6 Gambar 19 Penujian Hasil Pada Tanaman Jaun Setelah menhitun persentase jumlah selisih pupuk lankah selanjutnya adalah menhitun ratarata selisih pupuk berikut ini jumlah ratarata persentase selisih pupuk pada ambar 20 Gambar 20 RataRata Jumlah Persentase Selisih Pupuk Tanaman Jaun Pada ambar 20 menunjukkan bahwa persentase jumlah ratarata selisih pupuk yan dihasilkan dari data petani dan aloritme enetika maka dapat disimpulkan bahwa solusi yan dihasilkan 5. KESIMPULAN Berdasarkan hasil penujian maka didapatkan kesimpulan sebaai berikut: 1. Pemanfaatan aloritme enetika dalam penelitian ini menunakan representasi kromosom berbentuk matrik m n dimana kolom merepresentasikan jenis pupuk, varietas dan baris merepresentasikan jumlah petani yan mendapatkan bantuan. Perhitunan nilai fitness pada penelitian ini adalah menhitun seberapa banyak selisih jumlah pupuk yan didapatkan bantuan yan diberikan pemerintah denan jumlah pupuk yan didapatkan melalui proses aloritme enetika. Teknik reproduksi yan diunakan adalah one cut point crossover dan reciprocal exchane mutation. Proses seleksi individu dilakukan menunakan teknik elitism 2. Ukuran parameter aloritme enetika sanat berpenaruh pada hasil nilai fitness yan dihasilkan. Hal itu berarti ukuran parameter aloritme enetika mempenaruhi nilai fitness atau solusi yan dihasilkan. Dapat disimpulkan bahwa hasil dari ukuran populasi, banyak enerasi nilai fitness yan dihasilkan semakin tini nilai fitness semakin besar tetapi jika nilai fitness sudah mencapai nilai maksimal maka, nilai fitness yan dihasilkan pada populasi dan enerasi selanjutnya akan menurun. Ukuran parameter pada tanaman padi adalah ukuran populasi sebanyak 220 populasi, 1100 enerasi, nilai kombinasi crossover rate 0,8 dan mutation rate 0,2. sedankan pada tanaman jaun diperoleh ukuran populasi 320 populasi, 1250 enerasi, nilai kombinasi crossover rate 0,8 dan mutation rate 0,2. 3. Perbandinan hasil ratarata selisih komposisi pupuk pada tanaman padi denan aloritme enetika menhasilkan 9,873% dan komposisi pupuk pada petani sebesar 30,701% sedankan pada tanaman jaun sebesar 24,882% dan pada petani 43,763% hal tersebut terjadi perbedaan nilai persentase karena nilai pupuk di udan berbeda antara tanaman padi dan jaun. Solusi yan dihasilkan oleh aloritme enetika pada komposisi pupuk sudah memenuhi kebutuhan nutrisi setiap masin

9 Jurnal Penembanan Teknoloi Informasi dan Ilmu Komputer 1811 masin varietas sehina hasil panen yan diperoleh petani dapat lebih maksimal. 6. DAFTAR PUSTAKA Annissa,R., & Mahmudy, W,F.,(2015). Optimasi Komposisi Pupuk Tanaman Padi Menunakan Aloritma Genetika. DORO: Repository Jurnal Mahasiswa PTIIK Universitas Brawaijaya, vol.7, no.16 Cutello, V., Nicosia, G., & Pavone, M. (2006). Real coded clonal selection alorithm for unconstrained lobal optimization usin a hybrid inversely proportional hypermutation operator. Paper presented at the Proceedins of the 2006 ACM symposium on Applied computin. Gen, M., & Chen, R. (2000). Genetic Aloritms and Enineerin Optimization. New York:Willey. Irianto, S, G.,2010. Kata penantar pada Badan Penelitian dan Penembanan Pertanian Kementerian Pertanian. Keputusan Menteri Pertanian Nomor 511/Kpts/PD.310/9/2006 tentan jenis komoditi tanaman binaan direktorat jenderal perkebunan, direktorat jenderal tanaman panan, dan direktorat jenderal hortikultura. Khuluqi, M, A., Mahmudy, W,F., Rahmi, Asyrofa.,2016., Profit Optimization Based On Total Production In Textile Home Industry Usin Evolution Strateies Alorithms. Fakultas Ilmu Komputer. Universitas Brawijaya. Mahmudy, W, F., Optimisation of interated multiperiod production plannin and schedulin problems in flexiable manufacturin systems (FMSs) usin hybrid enetic alorithms. Tesis, University of South Australia. Mahmudy, W,F., 2015, Dasardasar Aloritma Evolusi. Proram Teknoloi Informasi dan Ilmu Komputer (PTIIK). Universitas Brawijaya Malan. Munawar,D.,2013. Memahami Penertian dan Kebijakan Subsidi dalam APBN. Widyaiswara Utama BDK Cimahi. Peraturan menteri pertanian, Nomor 40/permentan/OT.140/04/2007. Rekomendasi pemupukan N,P,K. Peraturan Menteri Pertanian No. 06/Permentan/SR.130/ 2/2011 tentan Kebutuhan dan Hara Eceran Tertini (HET) Pupuk Bersubsidi untuk Sektor Pertanian Tahun Anaran Peraturan Pemerintah No. 8 Tahun 2001 tentan Pupuk Budidaya Tanaman. Pertanian (Permentan) No. 02/Pert/HK.060/2/2006 tentan definisi pupuk oranik. (PP No. 77 Tahun 2005 tentan Penetapan PupukBersubsidi sebaai Baran Dalam Penawasan". Ryan., I., Aus, W. W., & Wayan, F.M., Pemanfaatan Aloritma Genetika Untuk Kasus Optimasi 0/1 MultiDimensional Knapsack Problem Dalam Pendistribusian produk (Studi Kasus UD. TOSA)t. DORO:Repository Jurnal Mahasiswa PTIIK Universitas Brawijaya, vol. 1, no. 4. Roidah,I.,2013. Manfaat pupuk oranik bai kesuburan tanah. Dosen fakultas pertanian. Universitas Tulunaun. Sirait,M,R., Analisis Pemasaran Pupuk Bersubsidi (Urea, ZA, SP36, NPK Phonska) di Kabupaten Simalunun. Skripsi. Fakultas Pertanian Universitas Neeri Sumatera Utara. Sunjayaputra.,2012. Penaruh pupuk N,P,K tunal,majemuk, dan pupuk daun terhadap peninkatan produksi padi oo varietas situ patenan. Universitas Udayana Bali. Sulistyorini, R., & Mahmudy, W,F.,(2015). Penerapan Aloritma Genetika untuk Permasalahan Optimasi Distribusi Baran Dua Tahap. DORO: Repository Jurnal Mahasiswa PTIIK Universitas Brawaijaya, vol.5, no.1 Suprihatno,B., Daradjat,A., Satoto.,Baehaki.,Suprihanto.,Setyono,A., Indrasari,S., Wardana,I., Sembirin,H.,2010. Deskripsi varietas padi. Balai Besar. Suryana,A., Austian,A., Yofa,D,R.,2016. Alternatif kebijakan penyaluran subsidi pupuk bai petani panan. Pusat Sosial Ekonomi dan Kebijakan Pertanian. Susila,R,M,2009. Kebijakan Subsidi Pupuk : Ditinjau Kembali. PT Riset Perkebunan Nusantara.

10 Jurnal Penembanan Teknoloi Informasi dan Ilmu Komputer 1812 Tyas, R. A., Rahman, M. A., & Dewi, C Implementasi Aloritma Genetika Untuk Optimasi 0/1 MultiDimensional Knapsack Problem Dalam enentuan Menu Makanan Sehat. DORO:Repository Jurnal Mahasiswa PTIIK Universitas Brawijaya, vol. 1, no. 4. Wahid, N., Mahmudy, W,F.,(2015). Optimasi Komposisi Makanan untuk Penderita Kolesterol Menunkan Aloritma Genetika. DORO: Repository Jurnal Mahasiswa PTIIK Universitas Brawijaya, vol.5, no.15.