Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X
|
|
- Glenna Sanjaya
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X Vol. 2, No. 8, Agustus 2018, hlm Optimasi Fuzzy Times Series Untuk Memprediksi Besar Nilai Penjaminan Kredit KUR dengan Algoritme Genetika (Studi Kasus : Perum Jamkrindo Cabang Kendari) Sri Wahyuni 1, Budi Darma Setiawan 2, Marji 3 Program Studi Teknik Informatika, 1 wahyuni0812@gmail.com, 2 s.budidarma@ub.ac.id, 3 marji@ub.ac.id Abstrak Setiap pelaku usaha pasti ingin mengembangkan usahanya menjadi lebih besar, untuk melakukan hal tersebut dibutuhkan modal yang tidak sedikit. Pihak bank dapat memberikan kredit usaha rakyat dengan syarat-syarat yang telah ditentukan, salah satunya adalah harus memiliki jaminan. Tetapi tidak semua pelaku usaha memiliki jaminan, oleh karena itu pelaku usaha membutuhkan bantuan dari lembaga penjamin guna membantu pelaku usaha memenuhi syarat yang diminta oleh bank yaitu jaminan. Permintaan dari bank untuk penjaminan kredit terhadap para pelaku usaha, yang terus meningkat tiap bulannya membuat lembaga penjamin harus meningkatkan anggaran untuk melakukan penjaminan terhadap kredit usaha rakyat. Oleh karena itu diperlukan sebuah sistem yang mampu memprediksi besarnya nilai penjaminan yang nantinya harus disediakan untuk bulan selanjutnya agar dapat memenuhi permintaan bank.pada penelitian ini metode yang digunakan untuk memprediksi adalah Fuzzy Time Series yang akan dioptimasi menggunakan Algoritme Genetika. Kromosom digunakan untuk merepresentasikan interval dari fungsi keanggotaan. Metode reproduksi yang dilakukan yaitu onecut-point crossover dan uniform mutation. Serta melakukan proses seleksi dengan menggunakan elitism selection. Hasil optimal yang didapatkan dengan panjang kromosom sebanyak 100, ukuran populasi sebanyak 350, cr dan mr yaitu 0.3 dan 0.6 serta jumlah generasi sebanyak Nilai error dan fitness yang dihasilkan sebesar 0,00901 % untuk MAPE dan untuk nilai fitness. Kata kunci: Fuzzy Time Series, Algoritme Genetika, prediksi, KUR, penjaminan Abstract Every businessmen would want to expand his business to be bigger, to do that it needs a lot of funds. The bank can provide kredit usaha rakyat with some of reqruitment collateral that has be obeyed by bussinesmen, one of them is to provide guarantee, the problem is not all the bussinesment can provide the guarantor. Therefore bussnismen need guarantor institution help in order to fulfill the requiment. As the Demand from banks for credit guarantee to increase every month, it ensures that the guarantor institution must increase its budget to guarantee the kredit usaha rakyat. Therefore a system that is able to predict the amount of guarantee value will be needed in order to meet the demand of the bank. In this research the method used to predict is Fuzzy Time Series which will be optimized using Genetic Algorithm. A chromosome is used to represent the interval of a membership function. The reproduction method is one-cut-point crossover and uniform mutation. And do the selection process by using elitism selection. The optimal results obtained with the length of chromosome as much as 100, the population size of 350, cr and mr of 0.3 and 0.6 and the number of generations as much as The error and fitness value generated by % for MAPE and for fitness value. Keywords: Fuzzy Time Series, Genetic Algorithm, prediction, KUR, guarantee 1. PENDAHULUAN Sektor UMKMK (Usaha Mikro, Kecil dan Menengah serta Koperasi) memiliki peranan yang sangat strategis dan penting dalam pemulihan ekonomi di Indonesia. Dimana dalam setiap sektor ekonomi terdapat jumlah unit usaha yang besar, sehingga berpotensi dalam penyerapan tenaga kerja serta menanggulangi kemiskinan. Untuk memajukan sektor ini, pada Fakultas Ilmu Komputer Universitas Brawijaya 2560
2 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2561 tanggal 5 November 2007 presiden Susilo Bambang Yudhoyono meluncurkan program Kredit Usaha Rakyat (KUR) guna memberikan modal kepada pelaku usaha yang ingin usahanya semakin berkembang. Namun dalam pelaksanaannya, pihak perbankan tidak dapat memberikan kredit begitu saja, banyak persyaratan yang harus diserahkan kepada pihak bank sebagai bahan pertimbangan apakah usaha tersebut layak diberikan kredit. Salah satu syarat yang dibutuhkan adalah jaminan. Jaminan digunakan sebagai bentuk untuk mengurangi resiko apabila pelaku usaha tidak memiliki jaminan yang bisa dijaminkan apabila nantinya tidak dapat memenuhi kewajibannya untuk membayar uang yang telah dipinjam. Oleh karena itu dibutuhkannya pihak ketiga (lembaga penjamin) untuk membantu memberikan jaminan, agar pelaku usaha mendapatkan kredit dari bank meskipun tidak memiliki jaminan. Permintaan bank yang tidak selalu konstan untuk memberikan penjaminan terhadap nasabah yang melakukan kredit usaha rakyat, membuat Perum Jamkrindo sebagai lembaga penjamin perlu memastikan dana yang dibutuhkan untuk pembayaran jaminan tiap bulannya. Berdasarkan permasalahan tersebut yang terdapat diatas, salah satu upaya yang bisa dilakukan oleh Perum Jamkrindo yaitu melakukan prediksi terhadap besar nilai penjaminan untuk waktu berikutnya, sehingga bisa menjadi bahan pertimbangan untuk mengeluarkan dana yang akan digunakan untuk melakukan penjaminan. Prediksi dapat digunakan sebagai salah satu pertimbangan dalam mengambil keputusan atau sebagai acuan dalam melakukan perencanaan dimasa depan. Kebutuhan akan prediksi semakin meningkat sejalan dengan keinginan manajemen untuk memberikan tanggapan yang cepat dan tepat terhadap peluang maupun perubahan dimasa mendatang. Ada berbagai metode yang dapat digunakan untuk proses prediksi seperti Backporpagation, Adaptive Neuro-Fuzzy Inference System (ANFIS), dan Fuzzy Time Series. Fuzzy Time Series merupakan salah satu metode yang paling sering digunakan karena dapat memprediksi data berdasarkan urutan waktu. Untuk meningkatkan hasil prediksi, maka metode fuzzy time series dapat dioptimasi dengan menggunakan algoritme genetika untuk pemilihan variabel. Pada penelitian ini, optimasi dilakukan pada sub himpunan menggunakan algoritme genetika. Penelitian terkait pernah dilakukan oleh Cai et al (2013) dengan melakukan penelitian mengenai peramalan menggunakan fuzzy time series dengan mengkombinasikan algoritme evolusi untuk optimasi dalam meramalkan saham. Penelitian ini menerapkan operasi algoritme genetika seperti reproduksi (crossover dan mutasi) untuk melakukan partisi terhadap himpunan semesta serta melakukan proses seleksi. Partisi dari himpunan semesta tersebut dapat meningkatkan hasil peramalan, terbukti dari hasil pengujian yang dilakukan dengan menggunakan dua model metode yaitu fuzzy time series konvensional dan Fuzzy Time Series Genetic Algoritm (FTSGA). Untuk itu berdasarkan permasalahan diatas penulis akan melakukan penelitian dengan judul Optimasi Fuzzy Time Series untuk memprediksi besar nilai penjaminan kredit KUR dengan algoritme genetika. Pada penelitian ini, Fuzzy Time Series digunakan sebagai metode peramalan sedangkan algoritme genetika digunakan untuk mengoptimalkan subhimpunan semesta fuzzy. Diharapkan dengan adanya penelitian ini, kombinasi fuzzy time series dan algoritme genetika dapat hasil prediksi besar nilai penjaminan kredit KUR yang lebih baik. 2. PENJAMINAN KREDIT Menurut Undang-Undang (UU) Republik Indonesia Nomor 1 Tahun 2016 tentang penjaminan, ialah kegiatan pemberian jaminan oleh penjamin atas pemenuhan kewajiban finansial terjamin kepada penerima jaminan. Sedangkan kredit adalah sebuah fasilitas yang memungkinkan seseorang atau badan usaha untuk meminjam uang untuk membeli produk dengan syarat dan ketentuan yang telah disepakati dan membayarnya kembali dalam jangka waktu yang ditentukan dengan jumlah margin atau bagi hasil yang telah disepakati. Terdapat berbagai macam jenis penjaminan, salah satunya yaitu penjaminan kredit. Penjaminan kredit ialah pemberian jaminan kepada orang yang mengajukan kredit kepada pemberi kredit karena tidak memenuhi syarat agunan yang ditetapkan oleh pemberi kredit. Pihak yang terlibat dalam pemberian jaminan yaitu pihak pemberi jaminan, pihak penerima jaminan serta pihak yang dijamin.
3 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer KREDIT USAHA RAKYAT (KUR) Kredit Usaha Rakyat atau biasa kita kenal dengan singkatan KUR adalah kredit atau pembiayaan yang diberikan oleh negara melalui perbankan kepada usaha mikro, kecil, menengah dan koperasi (UMKMK) yang memiliki prospek bisnis yang bagus dan mampu mengembalikan dana yag telah dipinjam. Program ini diluncurkan pada tanggal 5 November 2007 oleh Presiden Susilo Bambang Yudhoyono. KUR merupakan salah satu program pemerintah guna memajukan UMKMK. Dengan adanya program ini diharapkan sektor UMKMK dapat menciptakan lapangan kerja, dapat menanggulangi kemiskinan serta memberdayakan UMKMK. 4. PENGUMPULAN DATA Sumber data yang digunakan dalam penelitian ini adalah data penjaminan kredit KUR dari tahun 2011 sampai tahun 2014 yang diperoleh langsung dari Perusahaan Umum Jaminan Kredit Indonesia (Perum Jamkrindo) Cabang Kendari. Data tersebut mempunyai banyak variabel yang bisa digunakan, akan tetapi pada penelitian ini hanya menggunakan data pada variabel besar nilai penjaminan kredit KUR. Data yang dikumpulkan sebanyak 48 data yang akan dijadikan data latih dalam penelitian ini. 5. FUZZY TIME SERIES (FTS) Metode peramalan yang paling sering digunakan adalah Fuzzy Time Series yang merupakan pengembangan dari himpunan fuzzy. Fuzzy Time Series pertama kali diperkenalkan oleh Song dan Chissom (1993a) dengan menggunakan relasi fuzzy metode Mamdani. Kemudian Chen (1996) membuat Forecasting Enrollments Based on Fuzzy Time Series, dengan mengelompokkan relasi fuzzy dengan antecedentnya. Meskipun memberikan hasil yang baik namun metode Chen memiliki beberapa kekurangan, sehingga banyak orang yang mencoba untuk memperbaiki metode tersebut. Langkah langkah proses fuzzy time series (Chen, 1996) adalah sebagai berikut : 1. Menentukan himpunan semesta yaitu data terkecil (D min) serta data terbesar (D max) pada data. Setelah itu tentukan semesta pembicaraan U sebagai (D min D 1, D max + D 2), D 1 dan D 2 merupakan bilangan positif sembarang yang ditentukan oleh peneliti untuk menentukan himpunan semesta dari himpunan data historis. 2. Membuat partisi dari semesta pembicaraan U menjadi beberapa interval dengan ukuran yang sama panjang. 3. Membentuk himpunan fuzzy. Himpunan fuzzy dibentuk dengan nilai subhimpunan yang sama. 4. Fuzzifikasi data yaitu mencari kesamaan himpunan fuzzy untuk setiap data. Jika kumpulan data time series termasuk dalam interval u i maka defuzzifikasi menjadi himpunan fuzzy A i. 5. Membentuk fuzzy logic relationship (FLR) dan fuzzy logic relationship group (FLRG) 6. Hitung nilai prediksi. Prediksi F(t) dapat dilakukan dengan mengikuti aturan berikut (Xihao dan Yimin, 2008): Aturan 1 : jika kelompok relasi fuzzy dari A j kosong, maka prediksi F(t) adalah m j, titik tengah dari interval u j F(t) = mj (1) Aturan 2 : jika kelompok relasi fuzzy dari A satu ke satu, maka prediksi F(t) adalah m, nilai tengah dari interval u k F(t) = mk (2) Aturan 3 : jika kelompok relasi fuzzy dari A j satu ke banyak contohnya (A j -> A 1, A 2, A 3), maka prediksi F(t) adalah perhitungan rata-rata m 1,m 2,m 3 yang merupakan nilai tengah dari interval u 1,u 2,u ALGORITME GENETIKA Algoritme genetika pertama kali diperkenalkan oleh John Holland dari Universitas Michigan pada tahun Algoritme genetika merupakan salah satu cabang algoritme evolusi yang paling sering digunakan dan diterapkan dalam permasalahan optimasi. Pada dasarnya algoritme genetika adalah program komputer yang dapat mensimulasikan proses evolusi. Dalam hal ini populasi dari kromosom dihasilkan secara random dan besar kemungkinan akan berkembang sesuai hukum-hukum evolusi dengan harapan dapat menghasilkan individu kromosom yang baik. a. Inisialisasi Tahap inisialisasi bertujuan menciptakan individu-individu secara acak yang memiliki susunan gen (kromosom) tertentu. Kromosom
4 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2563 ini mewakili solusi dari permasalahan yang akan dipecahkan dan ditempatkan pada penampungan yang disebut dengan populasi. Pada tahap ini µ (miu) yang menyatakan ukuran populasi harus ditentukan. Panjang string kromosom (stringlen) dihitung berdasarkan presisi variabel dan solusi yang dicari (Mahmudy, 2013). b. Reproduksi Reproduksi dilakukan untuk menghasilkan keturunan (offspring) dari individu-individu yang ada dipopulasi. Dan himpunan keturunan ini ditempatkan dalam penampungan offspring (Mahmudy, 2013). Dalam proses ini ada dua operator genetika yang bisa digunakan yaitu tukar silang (crossover) dan mutasi (mutation). c. Evaluasi Evaluasi digunakan untuk menghitung kebugaran (fitness) setiap kromosom. Semakin besar fitness maka semakin baik kromosom tersebut untuk dijadikan calon solusi (Mahmudy, 2013). Nilai fitness digunakan sebagai pembeda kualitas pada setiap kromosom yang akan dihasilkan. d. Seleksi Seleksi adalah proses pemilihan terpilihnya individu, semakin besar nilai fitness-nya maka semakin besar peluang untuk menjadi solusi selanjutnya. Dalam proses seleksi ini terdapat beberapa metode yang bisa digunakan antara lain Mesin Roullete (Roulette Wheel), binary tournament dan elitism. Pada metode elitism individu yang terpilih mampu bertahan hidup akan menjadi parent pada generasi selanjutnya. 7. ALGORITME GENETIKA UNTUK OPTIMASI FUZZY TIME SERIES Tahap ini menjelaskan proses dimana subhimpunan fuzzy time series dioptimasi menggunakan algoritme genetika. Berikut ini adalah langkah-langkah dalam pengoptimasian fuzzy time series menggunakan algoritme genetika ditunjukkan pada Gambar 1. Mulai Data penjaminan, parameter GA, panj_kromosom Menentukan himp. semesta Inisialisasi Populasi Awal For i = 0 to jumlah generasi Proses crossover Proses Mutasi Proses FTS Perhitungan MAPE dan fitness Seleksi elitism i Kromosom Terbaik Selesai Gambar 1. Flowchart FTS-GA 1. Representasi & Inisialisasi Populasi Awal Dalam proses representasi kromosom yang digunakan untuk mengoptimasi sub-himpunan menggunakan bilangan real sehingga menggunakan real coded. Hal yang pertama kali dilakukan dalam sebelum inisialisasi populasi awal yaitu menentukan himpunan semesta yaitu mencari nilai Dmin dan Dmax pada data nilai penjaminan kredit KUR. Dmin adalah nilai minimum dari nilai penjaminan, sedangkan Dmax adalah nilai maksimumnya. Himpunan semesta dapat didefinisikan sebagai U=[Dmin- D 1, Dmax + D 2], dimana D 1 dan D 2 adalah
5 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2564 bilangan positif yang ditentukan secara acak. Berdasarkan data yang digunakan, nilai Dmin = dan Dmax = , lalu tentukan nilai D 1 = dan D 2 = maka U = [ , ]. Pada perhitungan manual ini telah ditentukan jumlah popsize adalah 3 dan panjang kromosom sebanyak 22. Nilai kromosom merupakan angka random dengan range nilai dan telah diurutkan dari nilai terkecil ke nilai terbesar. Tabel 1 menampilkan populasi awal Individu ke- Tabel 1. Inisialisasi Populasi Awal Kromosom X1... X22 P P P Proses Crossover Dalam penelitian ini menggunakan one-cutpoint crossover. Pada tahap ini harus ditentukan tingkat crossover (crossover rate / pc). Nilai ini menyatakan rasio offspring yang dihasilkan oleh proses crossover terhadap ukuran populasi sehingga akan dihasilkan offspring sebanyak pc x popsize. Pada perhitungan manual ini telah ditentukan nilai pc sebesar 0,8. Maka didapatkan nilai offspring sebagai berikut. Offspring = 3 x 0,6 = 1,8 (3) Hasil dari perkalian tersebut dibulatkan menjadi 2, sehingga proses crossover akan menghasilkan 2 child. Setelah jumlah child ditentukan langkah selanjutnya yaitu pemilihan parent (induk). Karna menghasilkan 2 child maka membutuhkan parent dimana pemilihan parent ditentukan secara acak. Proses persilangan dilakukan dengan membagi kromosom menjadi 2 segmen. Hasil proses crossover akan ditampilkan pada tabel 2 sebagai berikut : Tabel 2. Proses crossover P1 X X 1.11 X X 1.21 X 1.22 P2 X X 2.11 X X 2.21 X 2.22 C1 X X 1.11 X X 2.21 X Proses Mutasi Proses mutasi yang digunakan pada penelitian ini yaitu exchange mutation yaitu memilih salah satu gen yang ada pada kromosom lalu diubah isinya. Langkah awal pada proses mutasi yaitu menentukan nilai offspring yang diperoleh dari hasil perkalian antara mutation rate (mr) dengan popsize seperti berikut: Offspring = 3 x 0,4 = 1,2 (4) Dari hasil perkalian diatas, nilainya dibulatkan menjadi 1. Sehingga proses mutasi menghasilkan 1 child. Selanjutnya adalah menentukan parent yang dipilih secara acak. Parent yang dipilih pada proses ini adalah P3 maka akan didapatkan offspring ke-3 (C 3). Gen yang terpilih secara acak untuk dilakukan proses mutasi adalah gen ke-3 lalu nilainya diubah dengan aturan tidak boleh melebihi nilai gen disebelah kiri dan sebelah kanannya seperti yang ditampilkan pada tabel 3: Tabel 3. Proses Mutasi P3 X 3.1 X 3.2 X X 3.21 X 3.22 C3 X 3.1 X 3.2 X new... X 3.21 X Proses Fuzzy Time Series a. Membentuk kromosom menjadi sub himpunan Contohnya yang terpilih adalah parent kedua, maka bentuk sub himpunannya akan jadi seperti pada tabel 4. Tabel 4. Sub-himpunan U Batas Bawah Batas Atas U U U b. Setelah himpunan fuzzy terbentuk, langkah selanjutnya yaitu fuzzifikasi yang merupakan proses pemilihan nilai keanggotaan tertinggi data pada masingmasing variabel linguistik yang terbentuk. Misalnya bulan Jul-14, nilai keanggotaan A 1 > A 7 maka hasil fuzzifikasinya adalah A 1. Selengkapnya dapat dilihat pada tabel 5. Tabel 5. Fuzzifikasi Bulan Nilai Penjaminan Fuzzyfikasi Jan A 3 Feb A Nov A 5 Des A 5
6 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2565 c. Membentuk fuzzy logic relationship (FLR) dan menetapkan fuzzy logic relationship groups (FLRG). Dari hasil fuzzifikasi selanjutnya membentuk fuzzy logic relationship berdasarkan urutan time series seperti pada Tabel 6. berikut: Tabel 6. FLR Bulan Nilai Penjaminan FLR Jan Feb A 3-A Des A 5-A 5 Dari proses FLR, maka selanjutnya dibentuk fuzzy logic relationship group (FLRG) dengan cara mengeleminasi FLR yang identik dan berulang, kemudian FLR yang memiliki current state yang sama digabung menjadi satu grup seperti pada tabel 7 berikut ini : Current State A1 A2 Tabel 7. FLRG Next State A2, A10 A1, A2, A5, A9, A11, A15, A A21 # A22 A15 d. Defuzzifikasi Proses defuzzifikasi dilakukan pada semua FLRG yang telah terbentuk. Nilai defuzzifikasi diperoleh dengan ketentuan yang telah dijelaskan pada sub bab 2.4 sehingga nilai defuzzyfikasi adalah nilai prediksi. Proses perhitungan defuzzyfikasi sebagai berikut : A4 = m3 + m4 + m6 / 3 A15 = m2 + m3 / 2 A20 = m13 Hasil defuzzyfikasi akan ditampilkan pada tabel 8. Tabel 8. Defuzzifikasi Current State Next State Nilai Tengah A1 A2, A A2 A1, A2, A5, A9, A11, A15, A A21 # A22 A e. Prediksi Proses prediksi dari hasil defuzzifikasi berdasarkan FLRG. Hasil Prediksi pada salah satu individu akan ditampilkan pada tabel 9. Tabel 9. Hasil Prediksi Bulan Nilai Penjaminan Hasil Prediksi Jan Feb Mar Apr Mei Jun Jul Agu Sep Okt Nov Des Jan f. Perhitungan MAPE dan fitness Setelah hasil prediksi telah diketahui, langkah selanjutnya adalah menghitung kesalahan dari prediksi tersebut. Pada tabel 10 dibawah ditampilkan hasil prediksi dari P2. Hasil prediksi dan MAPE tiap parent akan berbeda hasilnya. Nilai fitness didapatkan dari persamaan berikut ini : Nilai Penjaminan Fitness = 1 / MAPE (5) Tabel 10. MAPE dan fitness Hasil Prediksi MAPE , , , Proses Seleksi MAPE 54, Fitness 0, Pada penelitian ini menggunakan proses seleksi elitism. Setelah diketahui nilai fitness pada setiap individu maka langkah selanjutnya adalah melakukan proses seleksi. Proses seleksi ini bertujuan untuk mengetahui nilai fitness tertinggi untuk selanjutnya dijadikan populasi
7 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2566 baru pada generasi selanjutnya. Pada penelitian ini digunakan seleksi elitism. Tabel 11 adalah daftar individu beserta nilai fitness yang telah diurutkan dari nilai tertinggi. Individu ke- Tabel 11. Hasil seleksi Nilai Fitness P3 0, C3/P6 0, P1 0, C1/P4 0, C2/P5 0, P2 0, PENGUJIAN DAN ANALISIS a. Pengujian Panjang Kromosom (Interval) 18, , , , , , , , , ,00000 Hasil Pengujian Panjang Kromosom Gambar 2. Grafik Hasil Pengujian Panjang Kromosom (Interval) Dari grafik pada Gambar 1 dapat disimpulkan bahwa perbedaan panjang interval pada setiap percobaan berpengaruh pada ratarata nilai fitness. Berdasarkan Gambar 1, hasil pengujian untuk parameter panjang kromosom dengan rata-rata fitness tertinggi didapatkan oleh panjang kromosom sebanyak 100. Dapat dilihat pada grafik nilai rata-rata fitness cenderung mengalami kenaikan. Hal ini disebabkan jumlah panjang kromosom yang besar membuat hasil prediksi menjadi semakin lebih baik. b. Pengujian Ukuran Populasi (popsize) Berdasarkan pada Gambar 3 dapat dilihat bahwa ukuran populasi terbaik yaitu 350 dengan rata-rata nilai fitness 86, Sedangkan untuk ukuran populasi yang lain memiliki nilai ratarata fitness yang cenderung naik dan turun. Apabila rata-rata fitness mengalami penurunan, hal ini disebabkan eksplorasi pada ruang pencarian cenderung lebih kecil. Begitu pun sebaliknya apabila nilai rata-rata fitness mengalami penaikan karena eksplorasi ruang pencarian lebih besar. 100, , , , , ,00000 Gambar 3. Grafik Hasil Pengujian Ukuran Populasi c. Pengujian Kombinasi Crossover Rate (Cr) dan Mutation Rate (Mr) 70, , , , , , , , Hasil Pengujian Ukuran Populasi Hasil Pengujian Cr dan Mr 0,9 ; 0,0 0,8 ; 0,1 0,7 ; 0,2 0,6 ; 0,3 0,5 ; 0,4 0,4 ; 0,5 0,3 ; 0,6 Gambar 4. Grafik Hasil Pengujian Kombinasi Cr dan Mr Berdasarkan Gambar 4 hasil pengujian untuk kombinasi cr dan mr menghasil nilai fitness yang berbeda-beda pada setiap kombinasinya. Nilai rata-rata fitness paling tinggi dimiliki oleh kombinasi cr dan mr sebesar 0.3 dan 0.6. Sedangkan nilai rata-rata fitness terendah dimiliki oleh kombinasi cr 0.9 dan mr 0. Hal ini membuktikan apabila nilai mr tidak ada maka akan menyebabkan tidak terbentuknya gen baru dari proses mutasi yang merupakan salah satu penyebab meningkatnya nilai fitness. Hal ini terbukti pada hasil percobaan selanjutnya yaitu dengan nilai cr 0.8 dan mr 0.1 yang menunjukkan hasil yang sangat signifikan terhadap kenaikan nilai fitness. Percobaan ini mengalami penaikan nilai fitness dan juga penurunan. Hal ini disebabkan karena nilai cr dan mr yang tidak seimbang, seperti nilai cr 0.9 dan nilai mr 0 sehingga tidak dapat melakukan eksplorasi pencarian yang luas akan tetapi mirip dengan induknya. d. Pengujian Banyak Generasi 0,2 ; 0,1 ; 0 ; 0,7 0,8 0,9 Berdasarkan hasil pengujian banyak
8 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2567 generasi dapat disimpulkan bahwa pola cenderung naik. Nilai fitness tertinggi dimiliki oleh banyak generasi sebesar 1000 dengan ratarata nilai fitness 56, Dapat dilihat pada Gambar 5 bahwa rata-rata nilai fitness terus meningkat dengan banyaknya generasi yang diinputkan. Apabila rata-rata fitness mengalami penurunan, hal itu disebabkan oleh eksplorasi pada ruang pencarian lebih kecil. Sedangkan jika nilai rata-rata fitness mengalami kenaikan itu karena eksplorasi ruang pencarian lebih besar. Hasil pengujian banyak generasi ditunjukkan pada Gambar 5. 60, , , ,00000 Hasil Pengujian Banyak Generasi Gambar 5. Grafik Hasil Pengujian Banyak Generasi 9. KESIMPULAN Optimasi fuzzy time series dengan algoritme genetika dapat menghasilkan prediksi yang lebih baik. Karena digunakannya nilai random sebagai isi kromosom pada tiap individu yang digunakan sebagai sub himpunan fuzzy. Sub himpunan fuzzy memiliki peran penting terhadap hasil prediksi, pada penelitian ini sub himpunan fuzzy dioptimasi dengan algoritme genetika. Nilai fitness didapatkan dari proses perhitungan FTS dan Mean Absolute Percent Error (MAPE). Hasil prediksi yang menghasilkan nilai error terendah didapatkan pada parameterparameter berikut yaitu panjang kromosom sebanyak 100, ukuran populasi sebanyak 350, kombinasi nilai cr dan mr dengan nilai 0.6 dan 0.3, serta jumlah generasi sebesar Nilai error (MAPE) yang didapatkan yaitu sebesar 0,00901% dan nilai fitness sebesar Berdasarkan dari serangkaian penelitian yang dilakukan, maka peneliti menyarankan untuk penelitian selanjutnya menggunakan metode lain untuk metode Fuzzy Time Series (FTS) dan menggunakan algoritme lain untuk melakukan proses optimasi untuk mendapatkan hasil prediksi yang lebih baik. DAFTAR PUSTAKA Aladaga, C. H., Yolcu, U., Egrioglu, E. & Bas, E., Fuzzy lagged variable selection in fuzzy time series with genetic algorithms. Elsevier, 22( ), p Cai. Q., Zhang. D., Wu. B., dan Leung. A., A Novel Stock Forecaasting Model Based on Fuzzy Time Series and Genetic Algoritm. International Conference on Computational Science doi: /j.procs Chen, S. M., Forecasting Enrollments with Fuzzy Time Series. Fuzzy Sets and System 81, pp Juningdiyah. P., Dewi. C., dan Indriati., Optimasi Fungsi Keanggotaan Fuzzy Menggunakan Algoritme Particle Swarm Optimization (PSO) pada Sistem Inference Fuzzy Penentuan Jurusan Siswa SMA. Repositori Jurnal Mahasiswa PTIIK UB, Volume 4- No. 2 Jumingan, Studi Kelayakan Bisnis-teori dan Pembuatan Proposal Kelayakan. Bumi Aksara. Jakarta. Juriyah Perkembangan Usaha Mikro Kecil dan Menengah di Indonesia. Madura : Universitas Trunojoyo Kusumadewi, S., Purnomo, H., Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Graha Ilmu. Jogyakarta. Mahmudy, WF Algoritme Evolusi. Program Teknologi Informasi dan Ilmu Komputer, Universitas Brawijaya, Malang. Munir, R., Pengantar Logika Fuzzy. Jurusan Teknik Informatika, STEI, Institut Teknologi Bandung, Bandung. Song. Q., dan Chissom. B., Forecasting Enrollments with Fuzzy Time Series part 1I. Fuzzy Sets and System 62: 1-8. Uslu, V. R., Bas, E., Yolcu, U. & Egrioglu, E., A fuzzy time series approach based on weights determined by the number of recurrences of fuzzy relations. Elsevier, 15( ), pp Vashfa. V., dan Mahmudi. W.,, Pemodelan Fuzzy Time Series dengan Algoritme Particle Swarm Optimization untuk Peramalan Pemakaian Air PDAM Kota Malang. Repositori Jurnal Mahasiswa PTIIK UB, Volume 7- No. 35
9 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2568 Xihao. S., dan Yimin. L., Average-based Fuzzy Time Series models for forecasting Shanghai compound index. ISSN , England, UK World Journal of Modelling and Simulation Vol. 4, No. 2, pp Zadeh, L.A., Fuzzy Sets. Information and Control, 8, pp Zukhri, Z., Algoritme Genetika Metode Komputasi Evolusioner untuk menyelesaikan Masalah Optimasi. Andi. Yogyakarta
Prediksi 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 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 terperinciImplementasi Algoritme Average Time Based Fuzzy Time Series Untuk Peramalan Tingkat Inflasi Berdasarkan Kelompok Pengeluaran
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 10, Oktober 2018, hlm. 3533-3537 http://j-ptiik.ub.ac.id Implementasi Algoritme Average Time Based Fuzzy Time Series
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 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 terperinciPeramalan Menggunakan Metode Fuzzy Time Series Cheng. Forecasting Using Fuzzy Time Series Cheng Method
Jurnal EKSPONENSIAL Volume 8, Nomor, Mei 07 ISSN 085-789 Peramalan Menggunakan Metode Fuzzy Time Series Cheng Forecasting Using Fuzzy Time Series Cheng Method Sumartini, Memi Nor Hayati, dan Sri Wahyuningsih
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 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 Fuzzy Time Series Menggunakan Algoritme Particle Swarm Optimization untuk Peramalan Nilai Pembayaran Penjaminan Kredit Macet
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 6, Juni 2018, hlm. 2364-2373 http://j-ptiik.ub.ac.id Optimasi Fuzzy Time Series Menggunakan Algoritme Particle Swarm
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 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 terperinciModel Peramalan Jumlah Pernikahan Menggunakan Metode Fuzzy Time Series dengan Algoritma Average Based Length pada KUA
Model Peramalan Jumlah Pernikahan Menggunakan Metode Fuzzy Time Series dengan Algoritma Average Based Length pada KUA Solikhin 1, Martono 2, Puji Nugroho 3) 1,3 Program Studi Sistem Informasi, STMIK Himsya
Lebih terperinciPERAMALAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN FUZZY TIME SERIES TERBOBOT. 1. Pendahuluan
PERAMALAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN FUZZY TIME SERIES TERBOBOT Dennis Frisca Ayudya, Dewi Retno Sari Saputro, Santoso Budi Wiyono Program Studi Matematika FMIPA UNS Abstrak. Indeks harga
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 terperinciJURNAL TEKNIK DINTEK, Vol. 10 No. 02, September 2017 : 21-31
ANALISIS PERBANDINGAN TINGKAT AKURASI METODE AVERAGE BASED FTS MARKOV CHAIN DENGAN AUTOMATIC CLAUSTERING FTS MARKOV CHAIN DALAM PERAMALAN DATA TIMESERIES Junaidi Noh Dosen Program Study Teknik Informatika
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 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 terperinciPERAMALAN MENGUNAKAN FUZZY TIME SERIES CHEN (STUDI KASUS: CURAH HUJAN KOTA SAMARINDA)
PERAMALAN MENGUNAKAN FUZZY TIME SERIES CHEN (STUDI KASUS: CURAH HUJAN KOTA SAMARINDA) 1 Normalita Fauziah, 2 Sri Wahyuningsih, 3 Yuki Novia Nasution 2 1,2 Program Studi Statistika, Fakultas Matematika
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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Bab ini membahas teori penunjang yang berhubungan dengan penerapan metode average-based fuzzy time series pada sistem peramalan jumlah penjualan distributor telur. 2.1 Peramalan Peramalan
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 terperinciPENGGUNAAN METODE FUZZY TIME SERIES UNTUK MERAMALKAN HASIL PRODUKSI PADI KABUPATEN MAJALENGKA
PENGGUNAAN METODE FUZZY TIME SERIES UNTUK MERAMALKAN HASIL PRODUKSI PADI KABUPATEN MAJALENGKA Khanty Intan Lestari 1, Tine Soemartini 2, Resa Septiani Pontoh 3. Mahasiswa Program Studi Statistika Universitas
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 terperinciAnalisis dan Peramalan Kepadatan Jalan Raya Kodya Malang dengan FTS Average Based
14 Analisis dan Peramalan Kepadatan Jalan Raya Kodya Malang dengan FTS Average Based Anggri Sartika Wiguna Abstrak -Kemacetan saat ini menjadi persoalan serius di Kodya Malang. Berbagai penelitian yang
Lebih terperinciPenjadwalan Job Shop pada Empat Mesin Identik dengan Menggunakan Metode Shortest Processing Time dan Genetic Algorithm
Jurnal Telematika, vol.9 no.1, Institut Teknologi Harapan Bangsa, Bandung ISSN: 1858-251 Penjadwalan Job Shop pada Empat Mesin Identik dengan Menggunakan Metode Shortest Processing Time dan Genetic Algorithm
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 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 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 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 terperinciANALISIS METODE FIRST ORDER AND TIME INVARIANT MODEL UNTUK PERAMALAN HARGA SAHAM
ANALISIS METODE FIRST ORDER AND TIME INVARIANT MODEL UNTUK PERAMALAN HARGA SAHAM Reny Fitri Yani 1, Luh Kesuma Wardhani 2, Febi Yanto 3 Jurusan Teknik Informatika, Fakultas Sains dan Teknologi Universitas
Lebih terperinciKOMBINASI ALGORITMA GENETIKA DAN ALGORITMA FUZZY TIME SERIES DALAM PREDIKSI JUMLAH CALON MAHASISWA BARU STIKOM DINAMIKA BANGSA JAMBI
KOMBINASI ALGORITMA GENETIKA DAN ALGORITMA FUZZY TIME SERIES DALAM PREDIKSI JUMLAH CALON MAHASISWA BARU STIKOM DINAMIKA BANGSA JAMBI M.Riza Pahlevi.B Program Studi Teknik Informatika, STIKOM Dinamika Bangsa,
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 terperinciOleh : Rahanimi Pembimbing : Dr. M Isa Irawan, M.T
PERAMALAN JUMLAH MAHASISWA PENDAFTAR PMDK JURUSAN MATEMATIKA MENGGUNAKAN METODE AUTOMATIC CLUSTERING DAN RELASI LOGIKA FUZZY (STUDI KASUS di INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA) Oleh : Rahanimi
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 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 terperinciPERAMALAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN RUNTUN WAKTU FUZZY DENGAN PARTISI INTERVAL BERDASARKAN FREKUENSI DENSITAS
PERAMALAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN RUNTUN WAKTU FUZZY DENGAN PARTISI INTERVAL BERDASARKAN FREKUENSI DENSITAS Sylvia Swidaning Putri, Winita Sulandari dan Muslich Program Studi Matematika
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 terperinciPrediksi Harga Saham Dengan Metode Fuzzy Time Series dan Metode Fuzzy
Prediksi Harga Saham Dengan Metode Fuzzy Time Series dan Metode Fuzzy Time Series-Genetic Algorithm (Studi Kasus: PT Bank Mandiri (persero) Tbk) Stock Price Prediction Using Fuzzy Time Series and Fuzzy
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 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 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 terperinciPERBANDINGAN METODE PEMULUSAN EKSPONENSIAL TUNGGAL DAN FUZZY TIME SERIES UNTUK MEMPREDIKSI INDEKS HARGA SAHAM GABUNGAN
PERBANDINGAN METODE PEMULUSAN EKSPONENSIAL TUNGGAL DAN FUZZY TIME SERIES UNTUK MEMPREDIKSI INDEKS HARGA SAHAM GABUNGAN SKRIPSI Oleh : TAUFAN FAHMI J2E008056 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
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 terperinciERWIEN TJIPTA WIJAYA, ST.,M.KOM
ERWIEN TJIPTA WIJAYA, ST.,M.KOM DEFINISI ALGEN adalah algoritma yang memanfaatkan proses seleksi alamiah yang dikenal dengan evolusi Dalam evolusi, individu terus menerus mengalami perubahan gen untuk
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 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 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 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 terperinciBAB 3 METODE PENELITIAN
10 BAB 3 METODE PENELITIAN 3.1 Metode Fuzzy Time Series yang dikembangkan oleh Song dan Chissom Song dan Chissom merupakan orang yang pertama kali memperkenalkan teori fuzzy time series yaitu dalam peramalan
Lebih terperinciGenetic Algorithme. Perbedaan GA
Genetic Algorithme Algoritma ini bekerja dengan sebuah populasi yang terdiri atas individu-individu (kromosom). Individu dilambangkan dengan sebuah nilai kebugaran (fitness) yang akan digunakan untuk mencari
Lebih terperinciPREDIKSI INDEKS HARGA SAHAM MENGGUNAKAN KOMBINASI ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) DAN TIME VARIANT FUZZY TIME SERIES (TVFTS)
ISSN : 255-965 e-proceeding of Engineering : Vol.2, No.2 Agustus 205 Page 684 PREDIKSI INDEKS HARGA SAHAM MENGGUNAKAN KOMBINASI ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) DAN TIME VARIANT FUZZY TIME SERIES
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 terperinciKata Kunci: Peramalan; metode Automatic Clustering And Fuzzy Logic Relationship Markov Chain;MAPE. 1. PENDAHULUAN
ISSN: 2528-463 PERAMALAN JUMLAH PENDAFTAR MAHASISWA BARU STMIK DUTA BANGSA SURAKARTA MENGGUNAKAN METODE AUTOMATIC CLUSTERING AND FUZZY LOGIC RELATIONSHIP MARKOV CHAIN Nurmalitasari¹ ), Sri Sumarlinda²
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 terperinciPERBANDINGAN MODEL CHEN DAN MODEL CHENG PADA ALGORITMA FUZZY TIME SERIES UNTUK PREDIKSI HARGA BAHAN POKOK
PERBANDINGAN MODEL CHEN DAN MODEL CHENG PADA ALGORITMA FUZZY TIME SERIES UNTUK PREDIKSI HARGA BAHAN POKOK Arif Fadhillah Mahasiswa Jurusan Teknik Informatika, Fakultas Teknik, Universitas Maritim Raja
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 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 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 3 METODE FUZZY TIME SERIES DENGAN FAKTOR PENDUKUNG UNTUK MERAMALKAN DATA SAHAM
BAB 3 METODE FUZZY TIME SERIES DENGAN FAKTOR PENDUKUNG UNTUK MERAMALKAN DATA SAHAM 3.1 Pengertian Dasar Peramalan Peramalan (forecasting) adalah suatu kegiatan yang memperkirakan apa yang akan terjadi
Lebih terperinciPenerapan Metode Average-Based Fuzzy Time Series Untuk Prediksi Konsumsi Energi Listrik Indonesia
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 3, Maret 2018, hlm. 1283-1289 http://j-ptiik.ub.ac.id Penerapan Metode Average-Based Fuzzy Time Series Untuk Prediksi
Lebih terperinciPeramalan Time Invariant Fuzzy Time Series Mahasiswa FT dan FKIP UMP
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Peramalan Time Invariant Fuzzy Time Series Mahasiswa FT dan FKIP UMP Harjono 1, Malim Muhammad 2, Lukmanul Akhsani 3 Universitas Muhammadiyah Purwokerto
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 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 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 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 terperinciJURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: A-403
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 201-9271 A-0 Implementasi Fuzzy Neural Network untuk Memperkirakan Jumlah Kunjungan Pasien Poli Bedah di Rumah Sakit Onkologi Surabaya Ani Rahmadiani dan Wiwik
Lebih terperinciPERBANDINGAN METODE RUNTUN WAKTU FUZZY-CHEN DAN FUZZY- MARKOV CHAIN UNTUK MERAMALKAN DATA INFLASI DI INDONESIA
ISSN: 339-541 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 015, Halaman 917-96 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN METODE RUNTUN WAKTU FUZZY-CHEN DAN FUZZY- MARKOV CHAIN
Lebih terperinciPeramalan Jumlah Pengunjung Wisata Menggunakan Fuzzy Logical Relationship dan Algoritme Genetika (Studi Kasus Wisatawan Kabupaten Banyuwangi)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 3, Maret 2018, hlm. 1109-1118 http://j-ptiik.ub.ac.id Peramalan Jumlah Pengunjung Wisata Menggunakan Fuzzy Logical
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 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan membahas landasan atas teori-teori yang bersifat ilmiah untuk mendukung penulisan tugas akhir ini. Teori-teori yang dibahas mengenai pengertian penjadwalan, algoritma
Lebih terperinciOPTIMASI PENDUGAAN PARAMETER DALAM ANALISIS STRESS DAN STRAIN TERHADAP MATERIAL MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI PENDUGAAN PARAMETER DALAM ANALISIS STRESS DAN STRAIN TERHADAP MATERIAL MENGGUNAKAN ALGORITMA GENETIKA Mike Susmikanti Pusat Pengembangan Informatika Nuklir, Badan Tenaga Nuklir Nasional Kawasan
Lebih terperinciRancang Bangun Aplikasi Prediksi Jumlah Penumpang Kereta Api Menggunakan Algoritma Genetika
1 Rancang Bangun Aplikasi Prediksi Jumlah Penumpang Kereta Api Menggunakan Algoritma Genetika Annisti Nurul Fajriyah Politeknik Elektronika Negeri Surabaya Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Lebih 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 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 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 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 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 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 terperinciPENGEMBANGAN SISTEM INFORMASI PERAMALAN PENJUALAN DI PT. TRIMITRA BUANA ENGINEERING MENGGUNAKAN METODE FUZZY TIME SERIES
PENGEMBANGAN SISTEM INFORMASI PERAMALAN PENJUALAN DI PT. TRIMITRA BUANA ENGINEERING MENGGUNAKAN METODE FUZZY TIME SERIES Gebyar Faisyal Beni Pranata 1, Indra Dharma 2, Erfan Rohadi 3 1,2,3 Program Studi
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 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 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 PENEMPATAN KAPASITOR PADA SALURAN DISTRIBUSI 20 kv DENGAN MENGGUNAKAN METODE KOMBINASI FUZZY DAN ALGORITMA GENETIKA
OPTIMASI PENEMPATAN KAPASITOR PADA SALURAN DISTRIBUSI 20 kv DENGAN MENGGUNAKAN METODE KOMBINASI FUZZY DAN ALGORITMA GENETIKA I Made Wartana, Mimien Mustikawati Program Studi Teknik Elektro, Fakultas Teknologi
Lebih terperinciPrediksi Jumlah Kunjungan Pasien Rawat Jalan Menggunakan Metode Genetic Fuzzy Systems Studi Kasus: Rumah Sakit Usada Sidoarjo
JURNAL TEKNIK ITS Vol. 1, No. 1(Sept. 2012) ISSN: 2301-9271 A-482 Prediksi Jumlah Kunjungan Pasien Rawat Jalan Menggunakan Metode Genetic Fuzzy Systems Studi Kasus: Rumah Sakit Usada Sidoarjo Lia Farihul
Lebih terperinciPenyelesaian Penjadwalan Flexible Job Shop Problem Menggunakan Real Coded Genetic Algorithm
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 1, Januari 2017, hlm 57-62 http://j-ptiik.ub.ac.id Penyelesaian Penjadwalan Flexible Job Shop Problem Menggunakan
Lebih terperinciOptimasi Fuzzy Inference System Mamdani Menggunakan Algoritme Genetika untuk Menentukan Lama Waktu Siram pada Tanaman Strawberry
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 11, November 2017, hlm. 1433-1442 http://j-ptiik.ub.ac.id Optimasi Fuzzy Inference System Mamdani Menggunakan Algoritme
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 terperinciPERAMALAN JUMLAH PENDAFTAR CALON MAHASISWA STMIK DUTA BANGSA MENGGUNAKAN METODE TIME INVARIANT FUZZY TIME SERIES
PERAMALAN JUMLAH PENDAFTAR CALON MAHASISWA STMIK DUTA BANGSA MENGGUNAKAN METODE TIME INVARIANT FUZZY TIME SERIES Nurmalitasari STMIK Duta Bangsa Surakarta nurmal_ita@yahoo.com ABSTRAK Penelitian ini bertujuan
Lebih terperinciPrediksi Jumlah Kunjungan Pasien Poli Bedah di Rumah Sakit Onkologi Surabaya Menggunakan Fuzzy Time Series
Prediksi Jumlah Kunjungan Pasien Poli Bedah di Rumah Sakit Onkologi Surabaya Menggunakan Fuzzy Time Series Arfinda Setiyoutami a, Wiwik Anggraeni b, Renny Pradina Kusumawardani c Jurusan Sistem 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 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 terperinciBAB 2 DASAR TEORI. 2.1 Teka-Teki Silang
BAB 2 DASAR TEORI 2.1 Teka-Teki Silang Teka-teki silang atau disingkat TTS adalah suatu permainan yang mengharuskan penggunanya untuk mengisi ruang-ruang kosong dengan huruf-huruf yang membentuk sebuah
Lebih terperinciPERAMALAN PERSENTASE PERUBAHAN DATA INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN FUZZY TIME SERIES
PERAMALAN PERSENTASE PERUBAHAN DATA INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN FUZZY TIME SERIES Endah Puspitasari 1, Lilik Linawati 2, Hanna Arini Parhusip 3 1,2,3 Progam Studi Matematika Fakultas Sains
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 terperinciBAB II KAJIAN PUSTAKA. Pada bab kajian pustaka berikut ini akan dibahas beberapa materi yang meliputi
BAB II KAJIAN PUSTAKA Pada bab kajian pustaka berikut ini akan dibahas beberapa materi yang meliputi graf, permasalahan optimasi, model matematika dari objek wisata di Yogyakarta, dan algoritma genetika
Lebih terperinciPERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan)
PERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan) Komang Wahyudi Suardika 1, G.K. Gandhiadi 2, Luh Putu Ida Harini 3 1 Program
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 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 terperinciBAB 3 METODE FUZZY TIME SERIES BERDASARKAN SELISIH DATA HISTORIS PADA METODE CHEN DENGAN PENENTUAN INTERVAL BERBASIS RATA-RATA
BAB 3 METODE FUZZY TIME SERIES BERDASARKAN SELISIH DATA HISTORIS PADA METODE CHEN DENGAN PENENTUAN INTERVAL BERBASIS RATA-RATA 3.1 Konsep Dasar Peramalan Peramalan merupakan bagian awal dari suatu proses
Lebih terperinci