Penerapan Algoritme Genetika Pada Kasus Optimasi Penentuan Bibit dan Pemerataan Subsidi pupuk (Studi Kasus: Desa Pandansari, Kabupaten Kediri)
|
|
- Ridwan Budiman
- 6 tahun lalu
- Tontonan:
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.
BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai konsep dasar masalah. penjadwalan kuliah, algoritma memetika serta komponen algoritma
BAB II LANDASAN TEORI Pada bab ini akan dibahas menenai konsep dasar masalah penjadwalan kuliah, aloritma memetika serta komponen aloritma memetika. Aoritma memetika diilhami dari proses evolusi makhluk
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 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 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 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 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 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 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 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 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 terperinciOptimasi Komposisi Pupuk Tanaman Jagung Menggunakan Algoritme Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 8, Agustus 2018, hlm. 2534-2541 http://j-ptiik.ub.ac.id Optimasi Komposisi Pupuk Tanaman Jagung Menggunakan Algoritme
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 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 terperinciAnalisis dan Implementasi Algoritma Differential Evolution Pada Jaringan Syaraf Tiruan Studi Kasus Prediksi Masa Studi Mahasiswa
Analisis dan Implementasi Aloritma Differential Evolution Pada Jarinan Syaraf Tiruan Studi Kasus Prediksi Masa Studi Mahasiswa Fahrudin Julianto 1, Jondri MSi 2, Rita Rismala ST.,MT 3 Fakultas Informatika
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 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 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 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 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 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 Penjadwalan Flow Shop Menggunakan Algoritma Hybrid Differential Evolution
R.E.M. (Rekayasa, Ener Manufaktur) Jurnal Vol. 1 No. 2. 2016 ISSN 2527-5674 (print), ISSN 2528-3723 (online) Journal Homepae: http://ojs.umsida.ac.id/index.php/rem DOI: http://dx.doi.or/10.21070/r.e.m.v1i2.404
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 terperinciMEDIA DARI KULIT SINGKONG UNTUK PERTUMBUHAN Saccharomyces cerevisiae DAN APLIKASI PADA ROTI Mochammad Wachid (1), Diana Ayu Ningrum (2)
MEDIA DARI KULIT SINGKONG UNTUK PERTUMBUHAN Saccharomyces cerevisiae DAN APLIKASI PADA ROTI Mochammad Wachid (1), Diana Ayu Ninrum (2) 1 Universitas Muhammadiyah Malan, Malan 2 Universitas Muhammadiyah
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 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 terperinciPenerapan algoritma evolution strategies untuk optimasi distribusi barang dua tahap
Penerapan algoritma evolution strategies untuk optimasi distribusi barang dua tahap Candra Bella Vista 1, Wayan Firdaus Mahmudy 2 Program Studi Informatika / Ilmu Komputer Fakultas Ilmu Komputer Universitas
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 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 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 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 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 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 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 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 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 terperinciIMPLEMENTASI ALGORITMA GENETIKA UNTUK OPTIMASI PENGGUNAAN LAHAN PERTANIAN
IMPLEMENTASI ALGORITMA GENETIKA UNTUK OPTIMASI PENGGUNAAN LAHAN PERTANIAN Harim Adi Saputro 1, Wayan Firdaus Mahmudy 2, Candra Dewi 3 Teknik Informatika, Program Teknologi Informasi dan Ilmu Komputer,
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 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 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 KOMPOSISI MAKANAN UNTUK PENDERITA KOLESTEROL MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI KOMPOSISI MAKANAN UNTUK PENDERITA KOLESTEROL MENGGUNAKAN ALGORITMA GENETIKA Nurbaiti Wahid 1, Wayan Firdaus Mahmudy 2 1 Mahasiswa, 2 Dosen Pembimbing Teknik Informatika, Program Teknologi Informasi
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 terperinciOPTIMASI MULTI TRAVELLING SALESMAN PROBLEM (M-TSP) UNTUK DISTRIBUSI PRODUK PADA HOME INDUSTRI TEKSTIL DENGAN ALGORITMA GENETIKA
OPTIMASI MULTI TRAVELLING SALESMAN PROBLEM (M-TSP) UNTUK DISTRIBUSI PRODUK PADA HOME INDUSTRI TEKSTIL DENGAN ALGORITMA GENETIKA Agung Mustika Rizki, Wayan Firdaus Mahmudy, Gusti Eka Yuliastuti Program
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 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 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 DISTRIBUSI PUPUK MENGGUNAKAN EVOLUTION STRATEGIES
Journal of Environmental Engineering & Sustainable Technology Vol. 02 No. 02, November 2015, Pages 89-96 JEEST http://jeest.ub.ac.id OPTIMASI DISTRIBUSI PUPUK MENGGUNAKAN EVOLUTION STRATEGIES Fauziatul
Lebih terperinciE-journal boga, volume 3 nomor 3 yudisium Oktober tahun 2014 hal. 1-7
Ejournal boa, volume 3 nomor 3 yudisium Oktober tahun 2014 hal. 17 1 Ejournal boa, volume 3 nomor 3 yudisium Oktober tahun 2014 hal. 17 jalar sebaai makanan dapat diolah denan berbaai cara, mulai dikukus
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 terperinciTINJAUAN PUSTAKA. i dari yang terkecil ke yang terbesar. Tebaran titik-titik yang membentuk garis lurus menunjukkan kesesuaian pola
TINJAUAN PUSTAKA Analisis Diskriminan Analisis diskriminan (Discriminant Analysis) adalah salah satu metode analisis multivariat yan bertujuan untuk memisahkan beberapa kelompok data yan sudah terkelompokkan
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. 5, Mei 2018, hlm. 2000-2006 http://j-ptiik.ub.ac.id Penyelesaian Multiple Travelling Salesman Problem (M-TSP) Dengan
Lebih terperinciAbstrak. Kata Kunci : SPK (Sistem Pendukung Keputusan), Pemberian store of the month, Analytical Hierarchy Process (AHP).
SISTEM PENDUKUNG KEPUTUSAN PENERIMA STORE OF THE MONTH PADA TOKO INDOMARET MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (AHP) STUDI KASUS PT. INDOMARCO PRISMATAMA MEDAN Tison Nopember Simanjuntak (12110248)
Lebih terperinciOptimasi Fungsi Keanggotaan Fuzzy Menggunakan Algoritma Genetika Dalam Penentuan Kebutuhan Gizi Bayi MPASI
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 7, Juli 218, hlm. 276-2712 http://j-ptiik.ub.ac.id Optimasi Fungsi Keanggotaan Fuzzy Menggunakan Algoritma Genetika
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 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 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 terperinciBAB IV ANALISIS DAN PEMBAHASAN
BAB IV ANALISIS DAN PEMBAHASAN 4.1 Tinkat Pertumbuhan Dividen Untuk menetahui tinkat pertumbuhan deviden pada PT Bumi Resources Tbk. dapat dihitun denan metode tinkat pertumbuhan fundamental. Tinkat pertumbuhan
Lebih terperinciAlgoritma Evolusi Evolution Strategies (ES)
Algoritma Evolusi Evolution Strategies (ES) Imam Cholissodin imam.cholissodin@gmail.com Pokok Bahasan 1. Struktur Dasar Evolution Strategies (ES) 2. Siklus ES (µ, λ) 3. Siklus ES (µ/r + λ) 4. Studi Kasus
Lebih terperinciOptimasi Ukuran Teras Reaktor Cepat Berpendingin Gas dengan Uranium Alam sebagai Bahan Bakar
Optimasi Ukuran Teras Reaktor Cepat Berpendinin Gas denan Uranium Alam sebaai Bahan Bakar Dora Andris*, Dian Fitriyani, Feriska Handayani Irka Jurusan Fisika Universitas Andalas *doraandris18.93@mail.com
Lebih terperinciKERAGAMAN GENETIK, HERITABILITAS DAN KEMAJUAN GENETIK BEBERAPA KARAKTER KUANTITATIF PLASMA NUTFAH JAGUNG KOLEKSI BALITSEREAL
KERAGAMAN GENETIK, HERITABILITAS DAN KEMAJUAN GENETIK BEBERAPA KARAKTER KUANTITATIF PLASMA NUTFAH JAGUNG KOLEKSI BALITSEREAL Roy Efendi 1, Fatmawati F 1., Made J. Mejaya 1 dan Charles Y. Bora 1 Balai Penelitian
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 terperinciKUISIONER RESPONDEN. 1. Pendidikan Terakhir (Berikan tanda ( ) pada jawaban) Berapa lama pengalaman yang Bapak/Ibu miliki dalam budidaya padi?
LAMPIRAN 105 106 Lampiran 1. Kuisioner Penelitian KUISIONER RESPONDEN Nama : Alamat : Umur : Tahun 1. Pendidikan Terakhir (Berikan tanda ( ) pada jawaban) Tidak Sekolah Sekolah Dasar (SD) Sekolah Menegah
Lebih terperinciOptimasi Persediaan Barang Dalam Produksi Jilbab Menggunakan Algoritma Genetika
Optimasi Persediaan Barang Dalam Produksi Jilbab Menggunakan Algoritma Genetika Maretta Dwi Tika Ramuna 1), Wayan Firdaus Mahmudy 2) Program Studi Informatika / Ilmu Komputer Program Teknologi Informasi
Lebih terperinciGambar 1.1 Nilai Ekspor Mebel Indonesia, dan negara-negara pesaing di Asia, 2005
BAB I PENDAHULUAN 1.1 Latar Belakan Funiture merupakan salah satu kebutuhan dalam setiap rumah. Funsinya tak hanya untuk memperindah interior dalam rumah tapi jua untuk sebuah estetika yan mencitrakan
Lebih terperinciOptimasi Komposisi Pakan Kambing Boer Menggunakan Algoritme Evolution Strategies
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 10, Oktober 2018, hlm. 3796-3801 http://j-ptiik.ub.ac.id Optimasi Komposisi Pakan Kambing Boer Menggunakan Algoritme
Lebih terperinciImplementasi Algoritma Genetika Untuk Penjadwalan Customer Service (Studi Kasus: Biro Perjalanan Kangoroo)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol., No. 6, Juni 207, hlm. 456-465 http://j-ptiik.ub.ac.id Implementasi Algoritma Genetika Untuk Penjadwalan Customer Service
Lebih terperinciPemodelan Regresi Linear dalam Konsumsi Kwh Listrik di Kota Batu Menggunakan Algoritma Genetika
Pemodelan Regresi Linear dalam Konsumsi Kwh Listrik di Kota Batu Menggunakan Algoritma Genetika Arini Indah Permatasari 1), Wayan Firdaus Mahmudy 2) Program Studi Informatika/Ilmu Komputer Program Teknologi
Lebih terperinciOptimasi Sisa Bahan Baku Pada Industri Mebel Menggunakan Algoritma Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 3, Maret 2018, hlm. 1119-1125 http://j-ptiik.ub.ac.id Optimasi Sisa Bahan Baku Pada Industri Mebel Menggunakan Algoritma
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 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 KOMPOSISI PAKAN SAPI POTONG MENGGUNAKAN ALGORITMA GENETIKA Jasicka Indri Kusuma 1), Wayan Firdaus Mahmudy 2), Indriati 3)
OPTIMASI KOMPOSISI PAKAN SAPI POTONG MENGGUNAKAN ALGORITMA GENETIKA Jasicka Indri Kusuma 1), Wayan Firdaus Mahmudy 2), Indriati 3) Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya, Malang 65145,
Lebih terperinciD-56. Keyword: Data mining, association rule, FP-Growth, cooperative, package. Oleh karena itu, untuk dapat mengatasi permasalahanpermasalah
D-56 IMPLEMENTASI DATA MINING TERHADAP PENENTUAN PAKET HEMAT SEMBAKO DAN KEBUTUHAN HARIAN MENGGUNAKAN ATURAN ASSOCIATION RULE DI PRIMER KOPERASI KARTIKA BAJA CILEGON DENGAN ALGORITMA FP-GROWTH Shativa
Lebih terperinciPenyelesaian Vehicle Routing Problem with Time Windows (VRPTW) dengan Modified Differential Evolution Algorithm
Penyelesaian Vehicle Routin Problem with Time Windows (VRPTW) denan Modified Differential Evolution Alorithm Heri Awalul Ilhamsah 1 1 Jurusan Teknik IndustriUniversitas Trunojoyo Madura E-mail: hilhamsah@yahoo.com
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 terperinciPENGEMBANGAN DAN ANALISIS TES KIMIA BERBASIS OPEN- ENDED PROBLEM UNTUK MENGUKUR KEMAMPUAN BERPIKIR KREATIF SISWA
SEMINAR NASIONAL KIMIA DAN PENDIDIKAN KIMIA VII Penuatan Profesi Bidan Kimia dan Pendidikan Kimia Melalui Riset dan Evaluasi Proram Studi Pendidikan Kimia Jurusan P.MIPA FKIP UNS Surakarta, 18 April 2015
Lebih terperinciSPASIAL CLASIFICATION MINING UNTUK MENENTUKAN PRAKIRAAN CURAH HUJAN BERDASARKAN KARAKTERISTIK WILAYAH
Studia Informatika: Jurnal Sistem Informasi, 9(2), 206, 89-20 SPASIAL CLASIFICATION MINING UNTUK MENENTUKAN PRAKIRAAN CURAH HUJAN BERDASARKAN KARAKTERISTIK WILAYAH Eva Khudzaeva Proram Studi Sistem Informasi,
Lebih terperinciBUPATI SITUBONDO PERATURAN BUPATI SITUBONDO NOMOR
BUPATI SITUBONDO PERATURAN BUPATI SITUBONDO NOMOR 16 TAHUN 2008 TENTANG KEBUTUHAN DAN PENYALURAN SERTA HARGA ECERAN TERTINGGI (HET) PUPUK BERSUBSIDI UNTUK SEKTOR PERTANIAN KABUPATEN SITUBONDO TAHUN ANGGARAN
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 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 terperinciImplementasi Pembelajaran Kooperatif Ni Komang Sukertiasih 69
GaneÇ Swara Vol. 4 No. Pebruari 2 IMPLEMENTASI PEMBELAJARAN KOOPERATIF DENGAN METODE SNOWBALL THROWING PADA POKOK BAHASAN LIMIT FUNGSI UNTUK MENINGKATKAN AKTIVITAS DAN PRESTASI BELAJAR SISWA KELAS XI IPA
Lebih terperinciOptimalisasi Pengantaran Barang dalam Perdagangan Online Menggunakan Algoritma Genetika
Optimalisasi Pengantaran Barang dalam Perdagangan Online Menggunakan Algoritma Genetika Rozak Arief Pratama 1, Esmeralda C. Djamal, Agus Komarudin Jurusan Informatika, Fakultas MIPA Universitas Jenderal
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 terperinciPencarian Rute Terpendek untuk Pengoptimalan Ditribusi Sales Rokok Gudang Garam di kecamatan Wuluhan Kabupaten Jember Menggunakan Algoritma Genetika
Pencarian Rute Terpendek untuk Pengoptimalan Ditribusi Sales Rokok Gudang Garam di kecamatan Wuluhan Kabupaten Jember Menggunakan Algoritma Genetika Priza Pandunata, Rachmad Agung Bagaskoro, Agung Ilham
Lebih terperinciJURNAL ITSMART Vol 3. No 2. Desember 2014 ISSN :
IMPLEMENTASI ALGORITMA ITERATIVE DIHOTOMISER PADA PENYELEKSIAN PROGRAM MAHASISWA WIRAUSAHA UNS Tisna Dedi Utama Sari Widya Sihwi Afrizal Doewes Jurusan Informatika Jurusan Informatika Jurusan Informatika
Lebih terperinciPERANCANGAN DAN IMPLEMENTASI PEMBELAJARAN PERKALIAN DAN PEMBAGIAN BILANGAN UNTUK SEKOLAH DASAR KELAS 2
PERANCANGAN DAN IMPLEMENTASI PEMBELAJARAN PERKALIAN DAN PEMBAGIAN BILANGAN UNTUK SEKOLAH DASAR KELAS 2 1 Aun Dwi Hariyanto (05018221), 2 Wahyu Pujiyono (0504116601) 1,2 Proram Studi Teknik Informatika
Lebih terperincipengukuran karakteristik I-V transistor. Kemudian dilanjutkan dengan penyesuaian (fitting) hasil tersebut menggunakan model TOM.
BAB III HASIL DAN DISKUSI Bab ini berisi hasil dan diskusi. Pekerjaan penelitian dimulai denan melakukan penukuran karakteristik I-V transistor. Kemudian dilanjutkan denan penyesuaian (fittin hasil tersebut
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 terperinciABSTRAK. Latar Belakang Masalah
Derivatif Untuk Menyelesaikan Optimisasi Berkendala Dalam Bisnis Dan Ekonomi (Derivative for Solvin Constrained Optimization in Business and Economics) Nurul Yaqin, M.Sc. Dosen pada Jurusan Sistem Informasi
Lebih terperincisitus web di internet, dapat ditemukan informasi berupa teks, ambar, suara dan video. Semua produk diital tersebut dapat di download denan mudah, sert
IMPLEMENTASI WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN METODE LSB Rina Septianinsih 50406795 rina_05@student.unadarma.ac.id Proram Studi Teknik Informatika Universitas Gunadarma Abstraksi Kemudahan penyebaran
Lebih terperinciPelatihan Multi-Layer Neural Network Menggunakan Algoritma Genetika untuk Memprediksi Harga Saham Esok Hari (T+1)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 58-96X Vol., No. 6, Juni 08, hlm. 30-308 http://j-ptiik.ub.ac.id Pelatihan Multi-Layer Neural Network Menggunakan Algoritma Genetika untuk
Lebih terperinciHasil Ikutan Pertanian Sebagai Pakan Ruminansia di Jawa Tengah
Media Peternakan, Austus 2007, hlm. 79-87 ISSN 0126-0472 Terakreditasi SK Dikti No: 56/DIKTI/Kep/2005 Vol. 30 No. 2 Hasil Ikutan Pertanian Sebaai Pakan Ruminansia di Jawa Tenah H. Tabrany a, S. Hardjosuwinjo
Lebih terperinciOPTIMASI TEBAR BENIH DAN PAKAN PADA SUATU KOLAM MENGGUNAKAN ALGORITMA EVOLUTION STRATEGIES
OPTIMASI TEBAR BENIH DAN PAKAN PADA SUATU KOLAM MENGGUNAKAN ALGORITMA EVOLUTION STRATEGIES Robby Kurniawan Mahasiswa Program Studi Teknik Informatika, FT UMRAH Nerfita Nikentari, ST., M.Cs Dosen Program
Lebih terperinciPENCARIAN RUTE OPTIMUM DENGAN EVOLUTION STRATEGIES
PENCARIAN RUTE OPTIMUM DENGAN EVOLUTION STRATEGIES Diah Arum Endarwati 1,Wayan Firdaus Mahmudy, Dian Eka Ratnawati Program Studi Informatika/ Ilmu Komputer, Program Teknologi Informasi dan Ilmu Komputer
Lebih terperinciOptimasi Susunan Bahan Makanan untuk Ibu Hamil Kurang Energi Kronis (KEK) Menggunakan Algoritme Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: -96X Vol., No., Juli, hlm. 6-69 http://j-ptiik.ub.ac.id Optimasi Susunan Bahan Makanan untuk Ibu Hamil Kurang Energi Kronis (KEK) Menggunakan
Lebih terperinciKETERAMPILAN BERPIKIR TINGKAT TINGGI PESERTA DIDIK SMA PADA PEMBELAJARAN KONSEPPROTISTAMELALUI PENDEKATAN INKUIRI TERBIMBING. Oleh : Fathul Zannah *
KETERAMPILAN BERPIKIR TINGKAT TINGGI PESERTA DIDIK SMA PADA PEMBELAJARAN KONSEPPROTISTAMELALUI PENDEKATAN INKUIRI TERBIMBING Oleh : Fathul Zannah * Abstrak Keiatan pembelajaran di SMAN 2 Banjarbaru sudah
Lebih terperinciSTUDI ANALISA PERHITUNGAN DAN PENGATURAN RELAI ARUS LEBIH DAN RELAI GANGGUAN TANAH PADA KUBIKEL CAKRA 20 KV DI PT XYZ. Budi Yanto Husodo 1,Muhalan 2
STUDI ANALISA PERHITUNGAN DAN PENGATURAN RELAI ARUS LEBIH DAN RELAI GANGGUAN TANAH PADA KUBIKEL CAKRA 20 KV DI PT XYZ Budi Yanto Husodo 1,Muhalan 2 1,2 Proram Studi Teknik Elektro, Fakultas Teknik Universitas
Lebih terperinciOptimasi Peningkatan Laba Produksi Abon dengan Menggunakan Algoritma Genetika (Studi Kasus UKM Poklahsar Berkah Lumintu Tulungagung)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 5, Mei 2018, hlm. 1883-1893 http://j-ptiik.ub.ac.id Optimasi Peningkatan Laba Produksi Abon dengan Menggunakan Algoritma
Lebih terperinciOptimasi Penjadwalan Kuliah Pengganti Menggunakan Algoritme Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol 2, No 9, September 218, hlm 2829-284 http://j-ptiikubacid Optimasi Penjadwalan Kuliah Pengganti Menggunakan Algoritme Genetika
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Sektor layanan kesehatan merupakan sektor yang sangat penting bagi setiap
BAB I PENDAHULUAN 1.1 Latar Belakan Sektor layanan kesehatan merupakan sektor yan sanat pentin bai setiap masyarakat.diantara berbaai jasa layanan kesehatan, rumah sakit memean peranan pentin karena menyediakan
Lebih terperinci