Optimasi Komposisi Pupuk Tanaman Jagung Menggunakan Algoritme Genetika
|
|
- Bambang Widjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X Vol. 2, No. 8, Agustus 2018, hlm Optimasi Komposisi Pupuk Tanaman Jagung Menggunakan Algoritme Genetika Arik Khusnul Khotimah 1, Nurul Hidayat 2, Moch. Cholil Mahfud 3 1,2 Teknik Informatika, 3 Balai Pengkajian Teknologi Pertanian (BPTP), Badan Litbang Pertanian 1 arikkhusnul@yahoo.co.id, 2 ntayadih@ub.ac.id, 3 cholil_mohammad@yahoo.com Abstrak Saat ini, hasil produksi jagung belum memenuhi kebutuhan dalam negeri. Hal ini disebabkan karena produktivitas jagung menurun di beberapa tahun terakhir. Cara untuk menyelesaikan masalah tersebut adalah meningkatkan produkstivitas jagung. Salah satu faktor untuk meningkatkan produkstivitas tanaman jagung adalah pemupukan berimbang. Kebutuhan komposisi pupuk sangat mempengaruhi hasil panen yang berkualitas. Kelebihan dan kekurangan dosis pupuk menyebabkan pertumbuhan tanaman kurang bagus. Untuk keperluan pemupukan, masalah utama yang dihadapi petani adalah harga pupuk yang tinggi terutama pupuk N, P, dan K. Oleh karena itu diperlukan olah data untuk mengukur komposisi pupuk dengan harga pupuk yang lebih terjangkau. Hasil dari olah data ini dapat digunakan petani jagung untuk mengukur komposisi pupuk yang sesuai dengan rekomendasi dengan harga yang terjangkau. Penelitian ini menggunakan metode Algoritme genetika. Metode ini digunakan untuk mengoptimasi komposisi pupuk. Penyelesaian dalam metode ini menggunakan representasi kromosom real code, proses crossover menggunakan one cut ponint, proses mutasi menggunakan reciprocal exchange mutation, dan proses seleksi menggunakan binary tournament selection. Berdasarkan pengujian yang dilakukan, hasil yang optimal didapat pada ukuran populasi sebanyak 9, generasi ke 12, komposisi crossover rate dan mutation 0,7 dan 0,3, 0,4 dan 0,6, 0,1 dan 0,9, 0 dan 1 dengan fitnees tertinggi yaitu 0,8403. Kata Kunci : Algoritme Genetika, optimasi komposisi pupuk, pupuk jagung Abstract At this time, produce of corn can not be fill the needs in this country. This caused productivity of corn decreased in a few years. The way to solve that problem is increase productivity of corn. Some of the way to increase productivity of corn is balance fertilizer. For fertilization, the main problem of farmers is the high fertilizer price mainly type N, P, and K fertilizer. Therefore, it need some data processing for measuring the composition of fertilizer with price of fertilizer for the best result. The result of data processing can be used for farmer to measure the composition of fertilizer which fit with the best price recommendation. This research used genetic algorithm. This algorithm used to optimize composition of fertilizer. The solution of this algorithm use representation chromosome real code, crossover process use one cut point, mutation process use reciprocal exchange mutation, and selection process use binary tournament selection. Based on testing, the optimal result is on size of population as much 9, 12 generation, crossover rate composition and mutation 0,7 and 0,3, 0,4 and 0,6, 0,1 and 0,9, 0 and 1 with highest fitness is 0,8403. Keyword : Genetic Algorithm, Optimizing composition of the fertilizer, corn fertilizer 1. PENDAHULUAN Di Indonesia, tanaman jagung (Zea mays) menempati peringkat kedua tanaman pangan terpenting setelah padi. Di beberapa daerah Jagung dijadikan sumber pangan kedua setelah beras. Selain sebagai sumber makanan pokok, sebagian besar jagung juga dimanfaatkan sebagai bahan baku industri dan pakan ternak. Seiring dengan adanya usaha di bidang unggas yang semakin berkembang, maka kebutuhan jagung untuk pakan semakin meningkat hingga 57% dari produksi nasional, sehingga harus melakukan impor jagung untuk mengatasi keadaan tersebut. Fakultas Ilmu Komputer Universitas Brawijaya 2534
2 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2535 Setiap tahunya Indonesia harus mengimpor jagung kisaran 1 1,20 juta ton. Untuk memenuhi kebutuhan industri pakan, Impor jagung yang dilakukan pada tahun 2005 diperkirakan mencapai 1,80 juta ton (Susanto & Sirappa, 2005). Oleh karena itu, diperlukan peningkatan produksi jagung dalam negeri. Peningkatan kebutuhan jagung dalam beberapa tahun terakhir ini tidak sejalan dengan peningkatan produksi dalam negeri. Peningkatan produksi jagung menunjukkan rata-rata negatif dan cenderung menurun, sedangkan laju pertumbuhan penduduk selalu positif yang berarti kebutuhan terus meningkat. Pada kenyataannya total produksi dan kebutuhan nasional dari tahun ke tahun menunjukkan kesenjangan yang terus melebar dan jika terus dibiarkan, maka impor jagung semakin besar dan Indoesia semakin tergantung pada negara asing (Dewanto, Londok, Turutroong, & Kaunang, 2013). Pupuk merupakan salah satu faktor produksi yang sangat penting selain lahan, tenaga kerja dan modal. Pemupukan berimbang memegang peranan penting dalam upaya meningkatkan hasil tanaman jagung. Untuk keperluan pemupukan, masalah utama yang dihadapi petani adalah harga pupuk yang tinggi terutama pupuk N, P, dan K. Pupuk N, P, dan K sangat penting bagi pentumbuhan jagung, akan tetapi harga pupuk buatan terus meningkat sementara harga dasar jagung cenderung stabil bahkan mengalami penurunan saat panen tiba (Fattah, 2010). Pada tanaman jagung diperlukan takaran komposisi pupuk yang tepat. Oleh karena itu petani jagung sangat membutuhkan komposisi takaran pupuk yang mengandung Nitrogen (N), Phosporus (P), dan Kalium (K) dengan tepat agar mendapatkan hasil panen yang maksimal sesuai yang direkomendsikan dan mendapatkan harga pupuk yang terjangkau. Untuk mengkomposisikan pupuk tanaman jagung, diperlukan metode yang dapat mengukur komposisi kandungan tiap pupuk yang akan digunakan. Saat ini penyelesaian masalah komposisi pupuk tanaman jagung hanya dilakukan secara manual. Akan tetapi penelitian serupa sudah dilakunan pada optimasi komposisi pupuk tanaman padi menggunakan Algoritma genetika. Metode optimasi komposisi pupuk dilakukan dengan Algoritme genetika, Karena Algoritme genetika dapat digunakan untuk menyelesaikan masalah optimasi yang rumit, dan mempunyai solusi yang baik untuk memecahkan masalah tersebut (Mahmudy, 2013). Dengan menggunakan metode Algoritme genetika, diharapkan memberikan hasil yang dapat membantu pengkomposisian pupuk jagung yang optimal. Dalam penerapanya, petani membutuhkan aplikasi untuk menerapkan system optimasi komposisi pupuk tanaman jagung. Di era modern saat ini banyak petani yang sudah menggunakan smartphone android. Oleh karena itu aplikasi komposisi pupuk tanaman jagung dibuat berbasis andoid agar mempermudah petani dalam mengakses dan mengoptimasi. 2. DASAR TEORI 2.1 Tanaman jagung Jagung (Zea maysl) merupakan sumber karbohidrat urutan kedua setelah beras, dan menjadi salah satu bahan pangan yang penting di Indonesia. Selain sebagai bahan pangan pokok, jagung juga dimanfaatkan sebagai pakan ternak dan bahan baku industri. Seperti tanaman lain, kelangsungan hidup tanaman jagung juga membutuhkan unsur hara. Unsur hara diperoleh dari pelapukan batuan dalam tanah. Akan tetapi, kemampuan tanah untuk menyediakan unsur hara sangat terbatas. Hal itu disebabkan karena dalam proses pelapukan, jumlah mikro organisme di setiap lapisan tanah berbeda. Salah satu cara untuk menghasilkan unsur hara adalah dengan pemupukan. 2.2 Pupuk untuk tanaman jagung Dalam pertumbuhan tanaman, pupuk merupakan hal yang sangat dibutuhkan. Pupuk mengandung unsur-unsur yang dapat mengganti unsur hara dalam tanah yang habis diserap tanaman. Ditinjau dari asalnya, pupuk dibagi menjadi 3 jenis, yaitu pupuk anorganik, organik, dan hayati. Contoh pupuk anorganik adalah urea yang mengandung unsur N, yang sering disebut pupuk N. TSP atau SP36 yang mengandung unsur P dan KCL yang mengandung unsur K. Pupuk organik adalah pupuk yang berasal dari pukuk kandang, pupuk kompos, humus dan pupuk hijau. Pupuk hayati atau biofertilizer adalah pupuk yang mengandung mikroorganisme di dalamnya. Pupuk anorganik adalah pupuk buatan pabrik yang dicampur dengan bahan kimia dengan kandungan hara yang tinggi. Ditinjau dari kandungan haranya, pupuk anorganik dibedakan menjadi dua kelompok yaitu pupuk tunggal dan pupuk majemuk (Lingga & Marsono, 2002).
3 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Pupuk tunggal adalah pupuk yang di dalamnya hanya terdapat satu kandungan. Pupuk tunggal mempunyai 3 hara utama, yaitu Nitrogen (N), fosfor (P), Kalium (K). - Pupuk majemuk adalah pupuk yang berasal dari campuran 2 unsur hara atau lebih, seperti pupuk NP yang dicampur dengan K sehingga menjadi pupuk NPK. 2.3 Komposisi Pupuk dan Unsur Hara Untuk mendapatkan hasil panen yang maksimal pada tanaman jagung, diperlukan komposisi yang tepat. Pemupukan dilakukan dengan tujuan untuk menyeimbangkan unsur hara yang telah habis diserap tanaman. Pupuk N, P, dan K dapat menambah unsur hara pada tanah. Dalam penanaman jagung, dibutuhkan komposisi pupuk yang berguna untuk memenuhi kebutuhan hara pada tanah tersebut. Pada rekomendasi pemupukan jagung, digunakan pupuk Urea yang mengandung N 46%, SP-36 yang mengandung P 36%, dan KCL yang mengandung K 60%. Dalam pengomposisian pupuk, diperlukan persamaan untuk mendapatkan nutrisi pupuk yang diperlukan, total kekurangan pupuk, total pupuk yang dibutuhkan dalam satuan kilo gram, dan total harga dari pupuk yang telah dikomposisikan. Untuk mengetahui berapa komposisi yang dibutuhkan tanaman jagung pada setiap daerah dapat menghitung nutrisi setiap pupuk dengan persamaan 1. (1) Nutrisi diperoleh dari kandungan yang terdapat dalam pupuk dalam satuan persen yang dikalikan dengan jumlah pupuk yang dibutuhkan. Kemudian menghitung total kekurangan pupuk dengan persamaan 2. (2) Total kekurangan pupuk diperoleh dari nutrisi yang terpenuhi dikurangi dengan nutrisi yg dibutuhkan. Total kekurangan dihitung untuk mencari pinalti dalam Algoritme genetik. Dalam optimasi komposisi pupuk, diperlukan persamaan untuk mengetahui total setiap pupuk N, P, K yang dibutuhkan. Total pupuk tersebut digunakan untuk mencari total biaya yang akan dikeluarkan. Untuk mencari total pupuk, dapat dihitung dengan persamaan 3. Total Pupuk = 100 kandungan pupuk nutrisi (3) Untuk mendapatkan biaya total membeli pupuk, dapat dihitung dengan persamaan 4. (4) 2.4 Algoritme genetika Algoritme genetika adalah bagian dari teori evolusi, yang merepresentasikan berbagai solusi yang ada sehingga terbentuk kumpulan individu dalam sebuah populasi. Berdasarkan teori evolusi, individu yang baik adalah individu yang mampu bertahan dalam populasnya hingga menghasilkan keturunan. Kemungkinan besar keturunan yang dihasilkan tersebut adalah individu yang baik pula, mampu bertahan dan menghasilkan keturunan yang lebih baik lagi. Sehingga semakin bertambahnya generasi, maka akan terbentuk kumpulan individu yang semakin baik pada populasi yang ada. Di dalam penelitian ini, generasi berikutnya disebut dengan iterasi (Mahmudy, 2013). - Inisialisasi Inisialisasi awal adalah pembentukan kromosom secara acak, kromosom merupakan susunan dari beberapa gen. Dalam penelitian ini panjang kromosom disusun berdasarkan jumlah pupuk yang digunakan. Kromosom tersebut mampu mewakili solusi untuk permasalahan yang akan dicari solusinya. Dalam proses inisialisasi terdapat pembentukan individu di dalam populasi. - Reproduksi Terdapat 2 proses untuk menghasilkan keturunan di dalam algoritme genetika, yaitu tukar silang (crossover) dan mutasi (mutation). Individu yang digunakan pada proses crossover dan mutasi dipilih secara acak dari populasi (Mahmudy, 2013). 1. Crossover Di dalam proses crossover, kromosom anak dihasilkan berdasarkan pada crossover rate yang telah ditentukan. Crossover dilakukan dengan one-cut point dengan cara menyilangkan dua induk atau parent sehingga menghasilkan anak atau child yang jumlahnya sesuai dengan pengalian nilai Crossover rate (Cr) dengan Popsize. Parent dipilih secara random dari banyaknya populasi.
4 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Mutation Mutasi adalah proses mengubah nilai salah satu gen pada induk terpilih. Dalam penelitian ini proses mutasi dilakukan dengan reciprocal exchange mutation yang dilakukan dengan cara memilih gen induk secara acak kemudian menukar salah satu gen. Jumlah kromosom anak dihasilkan dari Mr x Popsize. Parent dipilih secara random pada interval p1, p4, p5 dari 5 populasi. - Seleksi Seleksi dilakukan untuk memilih individu yang akan bertahan pada generasi selanjutnya yang didapat dari himpunan parent dan offspring. Individu yang mempunyai nilai fitness paling besar, berpeluang terpilih mewakili generasi selanjutnya. 2.5 Sistem Operasi Android Android merupakan sistem operasi yang berbasis linux pada perangkat mobile. Android mencakup sistem operasi, aplikasi dan middlewere. Pada android tersedia platform terbuka yang dapat digunakan oleh pengguna untuk menciptakan aplikasi yang berbasis android. Android mempunyai banyak framework untuk mengembangkan aplikasi yang dibangun. Aplikasi android dapat dikembangkan menggunakan bahasa java atau C dengan framework Eclipse atau Android SDK. Selain itu juga dapat menggunakan bahasa pemrograman basic dengan framework Basic4ndroid, bahasa pemrograman ActionScript dengan framework Adobe AIR, bahasa pemrograman HTML5 dan javascript dengan framework PhoneGap, bahasa pemrograman PHP dengan framework PHP for Android, dan AndEngine adalah framework yang digunakan untuk mengembangkan game Android (Huda, 2013). Gambar 1 Tahap metodologi penelitian 3.1 Pengumpulan Data Data yang digunakan dalam penelitian ini anatara lain adalah data rekomendasi pupuk N, P, K untuk tanaman jagung di daerah Jawa Timur yang diperoleh dari Balai Pengkajian Teknologi Pertanian Jawa Timur, kemudian data pupuk yang mencakup nama pupuk, kandungan pada pupuk beserta harganya. Data pupuk diperoleh dari hasil survei di PT.Himikarta Malang pada bulan juni Alur algoritme genetika Di dalam Algoritma genetika, terdapat langkah-langkah mulai dari pembentukan kromosom hingga terpilihnya solusi terbaik. Alur algoritme genetika disajikan pada Gambar METODOLOGI PENELITIAN Penelitianya untuk pembuatan aplikasi optimasi komposisi pupuk tanaman jagung dilakukan melalui beberapa tahapan. Tahapan metodologi penelitian disajikan pada Gambar 1. Gambar 2 Alur algoritme genetika
5 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2538 Pada siklus ini terdapat beberapa tahapan dalam menyelesaikan masalah menggunakan Algoritme Genetika. Tahapan tersebut dimulai dari menentukan parameter Algoritme genetika yaitu jumlah generasi, Crossover rate, mutation rate. Melakukan insialisasi parameter awal yang telah diinputkan. Merandom populasi awal sesuai popsize. Melakukan reproduksi yaitu crossover dan mutasi. Melakukan perhitungan nilai fitness setiap masing - masing kromosom. Untuk menghitung fitness dibutuhkan nilai penalty yang dihitung dengan persamaan 5 Rumus fitness dihitung dengan persamaan 6. (5) (6) Kemudian melakukan seleksi untuk mendapatkan populasi terpilih sebagai populasi selanjutnya. Kromosom yang telpilih merupakan kromosom terbaik dengan fitness terbesar. 4. IMPLEMENTASI Pada implementasi antarmuka terdiri dari beberapa halaman yaitu : 4.1 Antarmuka Awal (Home) Pada tampilan antar muka awal ini merupakan tampilan utama saat software dibuka. Halaman ini memuat beberapa button yaitu antarmuka pupuk, antarmuka acuan rekomendasi pupuk, antarmuka proses rekomendasi, antarmuka perhitungan. Halaman antar muka awal (home) disajikan pada Gambar 3. kadar n, kadar p, kadar k dan harga pupuk. Button edit pupuk menampilkan halaman untuk mengedit data pupuk yang sudah ada dalam daftar. Data yang dapat diedit meliputi kandungan yang dimiliki pupuk dan harga pupuk. Button hapus pupuk pupuk menampilkan halaman untuk mengedit data pupuk yang sudah ada dalam daftar. Halaman antar muka pupuk disajikan pada Gambar 4. Gambar 4 Halaman antarmuka pupuk 4.3 Antarmuka Acuan Rekomendasi Pupuk Antarmuka acuan rekomendasi pupuk menampilkan data rekomendasi yang digunakan untuk proses optimasi. Di dalam data pupuk ini terdapat info jumlah yang dibutuhkan berdasarkan daerah kecamatan. Halaman antar muka acuan rekomendasi pupuk disajikan pada Gambar 5. Gambar 3 Halaman antar muka awal (home) 4.2 Antarmuka Pupuk Antarmuka pupuk menampilkan halaman data pupuk yang digunakan untuk proses optimasi. Di dalam data pupuk ini terdapat info kandungan pupuk dan harga pupuk. Pada halaman ini terdapat button tambah pupuk yang digunakan untuk menginputkan data pupuk yang akan ditambahkan yang meliputi nama pupuk, Gambar 5 Halaman antarmuka acuan rekomendasi pupuk 4.3 Antarmuka Proses Optimasi Antarmuka proses menampilkan halaman untuk proses optimasi komposisi pupuk. Pada halaman ini pengguna harus memasukkan parameter yang digunakan untuk perhitungan. Parameter yang harus dimasukkan adalah targer, luas tanah, kabupaten, kecamatan, pop size, generasi, crossover rate, mutation rate.
6 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2539 Kemudian terdapat button proses yang untuk melanjutkan ke pemrosessan. Setelah di klik proses, halaman ini akan menampilkan informasi pupuk yang terpilih dan total biaya yang dibutuhkan untuk pembelian pupuk. Halaman antar muka proses opimasi disajikan pada Gambar 6. Sukun, menggunakan generasi sebanyak 3. Banyaknya populasi yang diuji adalah kelipatan 3 dari 3 sampai 30 populasi, nilai crossover rate (Cr) sebesar 0,4 dan mutation rate (Mr) sebesar 0,6. Satu kali percobaan dilakukan sebanyak 10 kali dan dihitung rata-rata setiap percobaan. Hasil uji coba ukuran populasi disajikan pada Gambar 8. Gambar 6 Halaman antar muka proses optimasi 4.4 Antarmuka Hasil Optimasi Antarmuka hasil menampilkan hasil dari proses optimasi yang meliputi jumlah pupuk yang dibutuhkan, biaya untuk membeli pupuk, penalty dan fitnes. Halaman antar muka Hasil optimasi pupuk disajikan pada Gambar 7. Gambar 7 Halaman antarmuka hasil optimasi 5. PENGUJIAN DAN ANALISIS 5.1 Pengujian dan Analisis Uji Coba Ukuran Populasi Pengujian parameter ukuran populasi dilakukan dengan tujuan mengetahui pengaruh jumlah populasi terhadap nilai fitness dan ukuran populasi yang dapat menghasilkan fitness terbaik. Pengujian dilakukan dengan menggunakan target sebesar 10 ton, luas tanah sebesar 1 ha, Kabupaten Malang, Kecamatan Gambar 8 Grafik uji coba populasi Pada grafik uji coba populasi dijelaskan bahwa nilai fitness mengalami kenaikan pada ukuran populasi 3 sampai 9. Pada populasi 9 sampai dengan populasi 30 menghasilkan nilai fitness yang konvergen atau sama. Rata-rata nilai fitness terendah terdapat pada populasi 3 yaitu 0,8064 dan rata-rata nilai fitness tertinggi terdapat pada populasi 9 sampai populasi 30 yaitu 0,8403. Dari hasil pengujian ini dapat disimpulkan bahwa ukuran populasi mempengaruhi nilai fitness. Solusi terbaik terdapat pada populasi Semakin tinggi nilai fitness perhitungan Algoritme genetika semakin bagus. 5.2 Pengujian dan Analisis Uji Coba Banyaknya Generasi Pengujian parameter banyaknya generasi dilakukan dengan tujuan mengetahui pengaruh jumlah generasi terhadap nilai fitness dan ukuran generasi yang dapat menghasilkan fitness terbaik. Pengujian dilakukan dengan menggunakan target sebesar 10 ton, luas tanah sebesar 1 ha, Kabupaten Malang, Kecamatan Sukun, menggunakan populasi sebanyak 3. Banyaknya generasi yang diuji adalah kelipatan 3 dari 3 sampai 30 generasi, nilai crossover rate (Cr) sebesar 0,4 dan mutation rate (Mr) sebesar 0,6. Satu kali percobaan dilakukan sebanyak 10 kali dan dihitung rata-rata setiap percobaan. Hasil uji coba banyaknya generasi disajikan pada Gambar 9.
7 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2540 Gambar 9 Grafik uji coba generasi Pada grafik uji coba generasi dijelaskan bahwa nilai fitness mengalami kenaikan pada generasi ke-6 sampai generasi ke-12. Pada generasi ke-12 sampai generasi ke-30 menghasilkan nilai fitness yang konvergen atau sama. Rata-rata nilai fitness terendah terdapat pada generasi ke-6 yaitu 0,8065 dan rata-rata nilai fitness tertinggi terdapat pada generasi ke-9 sampai generasi ke-30 yaitu 0,8403. Dari hasil pengujian ini dapat disimpulkan bahwa ukuran generasi mempengaruhi nilai fitness. Solusi terbaik terdapat pada generasi ke-12 sampai dengan generasi ke-30. Semakin tinggi nilai fitness perhitungan Algoritme genetika semakin bagus. 5.3 Pengujian dan Analisis Uji Coba Crossover Rate dan Mutation Rate Pengujian parameter komposisi crossover rate dan mutation rate dilakukan dengan tujuan mengetahui pengaruh komposisi crossover rate dan mutation terhadap nilai fitness dan komposisi crossover rate dan mutation yang dapat menghasilkan fitness terbaik. Pengujian dilakukan dengan menggunakan target sebesar 10 ton, luas tanah sebesar 1 ha, Kota Malang, Kecamatan Sukun, menggunakan generasi sebanyak 3, ukuran populasi sebanyak 3. Nilai crossover rate (Cr) dan mutation rate yang digunakan dalam pengujian adalah kelipatan 0,1 dari 0 sampai 1. Satu kali percobaan dilakukan sebanyak 10 kali dan dihitung rata-rata setiap percobaan. Hasil uji coba crossover rate dan mutation rate disajikan pada Gambar 10. Gambar 10 Grafik uji coba crossover rate dan mutation rate Pada grafik uji coba crossover rate dan mutation rate dijelaskan bahwa rata-rata nilai fitness tertinggi terdapat pada komposisi crossover rate dan mutation rate 0,7 dan 0,3, 0,4 dan 0,6, 0,1 dan 0,9, 0 dan 1 yaitu 0,8403. Sedangkan rata-rata nilai fitness terendah terdapat pada komposisi crossover rate dan mutation rate sebesar 0,9 dan 0,1 yaitu 0,7726. Dari hasil pengujian ini dapat disimpulkan bahwa crossover rate dan mutation rate mempengaruhi nilai fitness. Solusi terbaik terdapat pada komposisi crossover rate dan mutation rate 0,7 dan 0,3, 0,4 dan 0,6, 0,1 dan 0,9, 0 dan 1 dengan fitness sebesar 0,8403. Semakin tinggi nilai fitness perhitungan Algoritme genetika semakin bagus. 5.4 Pengujian dan Analisa Uji Coba menggunakan parameter terbaik Di dalam pengujian ini, langkah yang dilakukan yaitu menguji sebuah kasus dengan menggunakan parameter terbaik yang dihasilkan dari pengujian sebelumnya. Kasus : Target 10 ton, Luas Tanah 1 ha, Kota Malang dan Kecamatan Sukun. Representasi kromosom, total harga, dan nilai fitness dapat dilihat pada Tabel 1. Tabel 1 Representasi kromosom, total harga, dan nilai fitness Tabel 1 menunjukkan kromosom yang tepilih menghasilkan nilai fitness tertinggi yaitu 0,8403 dengan harga Rp Gambar 6.4
8 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2541 merupakan hasil solusi yang di dapat. Solusi yang terpilih adalah fitness tertinggi yang menandakan kebutuhan NPK terpenuhi dan harga pupuk paling rendah. Pada uji kasus yang telah dilakukan, solusi yang dihasilkan untuk target 10 ton, luas tanah 1 ha, di Kota Malang, Kecamatan Sukun yaitu pupuk KCL Rusia sebanyak 100 kg, Urea sebanyak 300 kg, dan SP- 36 Sebanyak 75kg dengan nilai penalty 0% dan fitness sebesar 0, PENUTUP Berdasarkan pengujian yang dilakukan, kesimpulan dari penelitian optimasi komposisi pupuk tanaman jagung menggunakan Algoritme genetika adalah sebagai berikut: 1. Implementasi metode Algoritme Genetika untuk optimasi kommposisi pupuk guna meningkatkan produktivitas jagung dilakukan dengan representasi kromosom menggunakan real code, proses crossover menggunakan one cut ponint, proses mutasi menggunakan reciprocal exchange mutation, dan proses seleksi menggunakan binary tournament selection. 2. Parameter Algoritme Genetika pada optimasi komposisi pupuk tanaman jagung dapat dilakukan dengan menggunakan ukuran populasi, banyaknya generasi, dan komposisi crossover rate dan mutation rate yang yang telah diuji dan menghasilkan fitness tertinggi sebesar 0,8403 dengan harga pupuk Rp dan kebutuhan NPK yang memenuhi. 3. Performa solusi yang dihasilkan Algoritme Genetika pada optimasi komposisi pupuk tanaman jagung dapat diukur dengan pengujian yang telah dilakukan, yaitu menggunakan ukuran populasi, generasi, komposisi crossover rate dan mutation rate. Dari masing-masing pengujian menghasilkan rata-rata fitness tertinggi sebesar 0,8403. Setelah diterapkan pada kasus, hasil fitness yang didapat sebesar 0,8403 dengan total harga Rp Kaunang, W. (2013, Januari). Pengaruh Pemupukan Anorganik Dan Organik Terhadap Produksi Tanaman Jagung Sebagai Sumber Pakan. Jurnal Zootek, 32.Mannado. Fattah, a. (2010). Efektivitas Pupuk Organik Saputra Nutrient Pada Tanaman Jagung. Prosiding Pekan Serealia Nasional. Sulawesi selatan. Jayanti, M. A. (2016). Optimasi Komposisi Pakan Ternak Ayam Pedaging Menggunakan Algoritme Genetika Seleksi Roulette Wheel. Malang. Juansyah, A. (2015). Pembangunan Aplikasi Child Tracker Berbasis Assisted Global Positioning System (A-Gps) Dengan Platform Android. Jurnal Ilmiah Komputer dan Informatika (KOMPUTA).Bandung. Kasirah. (2007). Sistem Informasi Pemupukan Lahan Pertanian. Seminar Nasional Aplikasi Teknologi Informasi. Yogyakarta Lingga, & Marsono. (2007). Petunjuk Penggunaan Pupuk. Jakarta. Mahmudy, W. F. (2013). Malang: Program Teknologi Informasi dan Ilmu Komputer (PTIIK) Universitas Brawijaya. Malang Purwono, & Hartono, R. (2005). Bertanam Jagung Unggul. Depok. Rismawan, T. (2007). Aplikasi Algoritme Genetika Untuk Penentuan Komposisi Bahan Pangan Harian. Seminar Nasional Aplikasi Teknologi Informasi. Yogyakarta. Susanto, a. n., & Sirappa, m. (2005). Prospek Dan Strategi Pengembangan Jagung Untuk Mendukung Ketahanan Pangan Di Maluku. Jurnal Litbang Pertanian. Ambon. Wahid, N. (2015). Optimasi Komposisi Makanan Untuk Penderita Kolesterol Menggunakan Algoritme Genetika. Malang. DAFTAR PUSTAKA Anissa, R. D. (2016). Optimasi Komposisi Pupuk Tanaman Padi Menggunakan Algoritme Genetika. Malang. Akbarul Huda Arif. (2013). 24 Jam Pintar Pemrograman Android. Diakses 4 Juli 2017 Dewanto, f. G., Londok, J., Turutroong, R., &
Optimasi 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 JADWAL MENGAJAR ASISTEN LABORATORIUM MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI JADWAL MENGAJAR ASISTEN LABORATORIUM MENGGUNAKAN ALGORITMA GENETIKA Indana Zulfa 1, Wayan Firdaus Mahmudy 2, Budi Darma Setiawan 3 Teknik Informatika, Program Teknologi Informasi dan Ilmu Komputer,
Lebih terperinciPenjadwalan 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 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 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 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 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 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 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 terperinciLingkup Metode Optimasi
Algoritma Genetika Lingkup Metode Optimasi Analitik Linier Non Linier Single Variabel Multi Variabel Dgn Kendala Tanpa Kendala Numerik Fibonacci Evolusi Complex Combinasi Intelijen/ Evolusi Fuzzy Logic
Lebih terperinciOptimasi Penjadwalan 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 terperinciOptimasi Penjadwalan Mata Pelajaran Pada Kurikulum 2013 Dengan Algoritme Genetika (Studi Kasus: SMA Negeri 3 Surakarta)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 12, Desember 2017, hlm. 1535-1542 http://j-ptiik.ub.ac.id Optimasi Penjadwalan Mata Pelajaran Pada Kurikulum 2013
Lebih terperinciOptimasi 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 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 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 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 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 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 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 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 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 terperinciPENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP)
PENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP) Mohamad Subchan STMIK Muhammadiyah Banten e-mail: moh.subhan@gmail.com ABSTRAK: Permasalahan pencarian rute terpendek dapat
Lebih 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 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 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 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 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 terperinciBAB I PENDAHULUAN. tahun 2009 sekitar ton dan tahun 2010 sekitar ton (BPS, 2011).
BAB I PENDAHULUAN A. Latar Belakang Jagung (Zea mays L) termasuk bahan pangan penting karena merupakan sumber karbohidrat kedua setelah beras. Jagung tidak hanya sebagai bahan pangan, namun dapat juga
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 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 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 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 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 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 terperinciI. PENDAHULUAN. Konsumsi kedelai di Indonesia setiap tahun semakin meningkat, seiring dengan
I. PENDAHULUAN 1. 1 Latar Belakang Masalah Konsumsi kedelai di Indonesia setiap tahun semakin meningkat, seiring dengan pertambahan penduduk. Kenaikan konsumsi ini tidak dapat dikejar oleh produksi dalam
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 terperinciSerealia, umbi, dan hasil olahannya Kacang-kacangan, bijibijian,
4 generasi, kromosom akan melalui proses evaluasi dengan menggunakan alat ukur yang disebut dengan fungsi fitness. Nilai fitness dari suatu kromosom akan menunjukkan kualitas kromosom dalam populasi tersebut.
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 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 terperinciI. PENDAHULUAN. Ultisols merupakan salah satu jenis tanah di Indonesia yang mempunyai sebaran
I. PENDAHULUAN 1.1 Latar Belakang dan Masalah Ultisols merupakan salah satu jenis tanah di Indonesia yang mempunyai sebaran luas, mencapai 45.794.000 ha atau sekitar 25% dari total luas daratan Indonesia.
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 III ANALISA MASALAH DAN RANCANGAN PROGRAM
BAB III ANALISA MASALAH DAN RANCANGAN PROGRAM III.1. Analisa Masalah Perkembangan game dari skala kecil maupun besar sangat bervariasi yang dapat dimainkan oleh siapa saja tanpa memandang umur, dari anak
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK PERMASALAHAN OPTIMASI DISTRIBUSI BARANG DUA TAHAP
PENERAPAN ALGORITMA GENETIKA UNTUK PERMASALAHAN OPTIMASI DISTRIBUSI BARANG DUA TAHAP Riska Sulistiyorini ), Wayan Firdaus Mahmudy ), Program Studi Teknik Informatika Program Teknologi Informasi dan Ilmu
Lebih terperinciOptimasi 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 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 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 terperinciPenerapan Algoritma Genetika Untuk Vehicle Routing Problem with Time Window (VRPTW) Pada Kasus Optimasi Distribusi Beras Bersubsidi
Penerapan Algoritma Genetika Untuk Vehicle Routing Problem with Time Window (VRPTW) Pada Kasus Optimasi Distribusi Beras Bersubsidi Farah Bahtera Putri 1, Wayan Fidaus Mahmudy, Dian Eka Ratnawati Teknik
Lebih terperinciJurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: -X Vol., No., Maret 0, hlm. - http://j-ptiik.ub.ac.id Optimasi Penjadwalan Asisten Praktikum pada Laboratorium Pembelajaran Menggunakan
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 terperinciPenerapan Evolution Strategies untuk Optimasi Travelling Salesman Problem With Time Windows pada Sistem Rekomendasi Wisata Malang Raya
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 7, Juli 2018, hlm. 2487-2493 http://j-ptiik.ub.ac.id Penerapan Evolution Strategies untuk Optimasi Travelling Salesman
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 terperinciT I N J A U A N P U S T A K A Algoritma Genetika [5]
Algoritma Genetika [5] Fitness adalah nilai yang menyatakan baik-tidaknya suatu jalur penyelesaian dalam permasalahan TSP,sehingga dijadikan nilai acuan dalam mencari jalur penyelesaian optimal dalam algoritma
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Konsep Umum Optimasi Optimasi merupakan suatu cara untuk menghasilkan suatu bentuk struktur yang aman dalam segi perencanaan dan menghasilkan struktur yang
Lebih terperinciZbigniew M., Genetic Alg. + Data Structures = Evolution Program, Springler-verlag.
Zbigniew M., Genetic Alg. + Data Structures = Evolution Program, Springler-verlag. 12/11/2009 1 Ditemukan oleh Holland pada tahun 1975. Didasari oleh fenomena evolusi darwin. 4 kondisi yg mempengaruhi
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 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 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 terperinciPENENTUAN JARAK TERPENDEK PADA JALUR DISTRIBUSI BARANG DI PULAU JAWA DENGAN MENGGUNAKAN ALGORITMA GENETIKA. Abstraksi
PENENTUAN JARAK TERPENDEK PADA JALUR DISTRIBUSI BARANG DI PULAU JAWA DENGAN MENGGUNAKAN ALGORITMA GENETIKA I Dewa Made Adi Baskara Joni 1, Vivine Nurcahyawati 2 1 STMIK STIKOM Indonesia, 2 STMIK STIKOM
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka. Penelitian serupa mengenai penjadwalan matakuliah pernah dilakukan oleh penelliti yang sebelumnya dengan metode yang berbeda-neda. Berikut
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 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 terperinciI. PENDAHULUAN. Ubikayu merupakan salah satu tanaman penting di Indonesia. Ubikayu
I. PENDAHULUAN 1.1 Latar Belakang dan Masalah Ubikayu merupakan salah satu tanaman penting di Indonesia. Ubikayu merupakan bahan pangan pokok ketiga setelah beras dan jagung. Daunnya dapat digunakan sebagai
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 Asupan Makanan Harian Ibu Hamil Penderita Hipertensi Menggunakan Algoritme Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 9, September 2018, hlm. 2892-2901 http://j-ptiik.ub.ac.id Optimasi Asupan Makanan Harian Ibu Hamil Penderita Hipertensi
Lebih terperinciPeramalan Produksi Gula Pasir Menggunakan Fuzzy Time Series Dengan Optimasi Algoritma Genetika (Studi Kasus PG Candi Baru Sidoarjo)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 8, Agustus 2018, hlm. 2542-2548 http://j-ptiik.ub.ac.id Pe Produksi Gula Pasir Menggunakan Fuzzy Time Series Dengan
Lebih terperinciArif Munandar 1, Achmad Lukman 2 1 Teknik Informatika STMIK El Rahma Yogyakarta, Teknik Informatika STMIK El Rahma Yogyakarta
PENJADWALAN MATAKULIAH DENGAN ALGORITMA GENETIKA MENGGUNAKAN FRAMEWORK CODEIGNITER (STUDI KAUS PROGRAM STUDI S PENDIDIKAN AGAMA ISLAM UNIVERSITAS ALMA ATA YOGYAKARTA) Arif Munandar, Achmad Lukman 2 Teknik
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 terperinciPENGEMBANGAN APLIKASI PENJADWALAN KULIAH SEMESTER I MENGGUNAKAN ALGORITMA GENETIKA
PENGEMBANGAN APLIKASI PENJADWALAN KULIAH SEMESTER I MENGGUNAKAN ALGORITMA GENETIKA Bagus Priambodo Program Studi Sistem Informasi Fakultas Ilmu Komputer Universitas Mercu Buana e- mail : bagus.priambodo@mercubuana.ac.id
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 terperinciOPTIMASI TRAVELLING SALESMAN PROBLEM WITH TIME WINDOWS (TSP-TW) PADA PENJADWALAN PAKET RUTE WISATA DI PULAU BALI MENGGUNAKAN ALGORITMA GENETIKA
Seminar Nasional Sistem Informasi Indonesia, 2-3 November 2015 OPTIMASI TRAVELLING SALESMAN PROBLEM WITH TIME WINDOWS (TSP-TW) PADA PENJADWALAN PAKET RUTE WISATA DI PULAU BALI MENGGUNAKAN ALGORITMA GENETIKA
Lebih terperinciBAB III. Metode Penelitian
BAB III Metode Penelitian 3.1 Diagram Alir Penelitian Secara umum diagram alir algoritma genetika dalam penelitian ini terlihat pada Gambar 3.1. pada Algoritma genetik memberikan suatu pilihan bagi penentuan
Lebih terperinciALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 5, No. 03(2016), hal 265 274. ALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR Abdul Azis, Bayu Prihandono, Ilhamsyah INTISARI Optimasi
Lebih terperinciOptimasi Komposisi Pakan Untuk Penggemukkan Sapi Potong Menggunakan Algoritma Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: -X Vol, No, Juni, hlm - http://j-ptiikubacid Optimasi Komposisi Pakan Untuk Penggemukkan Sapi Potong Menggunakan Algoritma Genetika Muhammad
Lebih terperinciPenjadwalan Dinas Pegawai Menggunakan Algoritma Evolution Strategies pada PT. Kereta Api Indonesia (KAI) DAOP 7 Stasiun Besar Kediri
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 8, Agustus 2018, hlm. 2473-2479 http://j-ptiik.ub.ac.id Penjadwalan Dinas Pegawai Menggunakan Algoritma Evolution
Lebih terperinciPenjadwalan kegiatan merupakan pekerjaan yang tidak mudah, karena dalam. penyusunannya memerlukan perencanaan yang matang agar kegiatan tersebut
BAB I PENDAHULUAN A. Latar Belakang Penjadwalan kegiatan merupakan pekerjaan yang tidak mudah, karena dalam penyusunannya memerlukan perencanaan yang matang agar kegiatan tersebut terlaksana dengan optimal.
Lebih terperinciBAB III KONSEP DAN PERANCANGAN APLIKASI
BAB III KONSEP DAN PERANCANGAN APLIKASI 3.1 Konsep Pada bab ini penulis akan membahas konsep mengenai perangkat lunak yang digunakan serta akan dibahas mengenai tujuan, kegunaan dan untuk siapa aplikasi
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 terperinciBAB III PEMBAHASAN. diperoleh menggunakan algoritma genetika dengan variasi seleksi. A. Model Matematika CVRPTW pada Pendistribusian Raskin di Kota
BAB III PEMBAHASAN Pada bab ini akan dibahas mengenai model matematika pada pendistribusian raskin di Kota Yogyakarta, penyelesaian model matematika tersebut menggunakan algoritma genetika serta perbandingan
Lebih terperinciPRESENTASI TUGAS AKHIR
PRESENTASI TUGAS AKHIR Travelling Salesman Problem menggunakan Algoritma Genetika Via GPS berbasis Android (kata kunci : android,gps,google Maps, Algoritma Genetika, TSP) Penyusun Tugas Akhir : Azmi Baharudin
Lebih terperinciBAB III PERANCANGAN. Gambar 3.1 di bawah ini mengilustrasikan jalur pada TSP kurva terbuka jika jumlah node ada 10:
BAB III PERANCANGAN Pada bagian perancangan ini akan dipaparkan mengenai bagaimana mencari solusi pada persoalan pencarian rute terpendek dari n buah node dengan menggunakan algoritma genetika (AG). Dari
Lebih terperinciImplementasi Sistem Penjadwalan Akademik Fakultas Teknik Universitas Tanjungpura Menggunakan Metode Algoritma Genetika
Jurnal Sistem dan Teknologi Informasi (JUSTIN) Vol. 1, No. 2, (2017) 28 Implementasi Sistem Penjadwalan Akademik Fakultas Teknik Universitas Tanjungpura Menggunakan Metode Algoritma Genetika Andreas Christian
Lebih 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 terperinciI. PENDAHULUAN. tanaman padi salah satunya yaitu pemupukan. Pupuk merupakan salah satu faktor
I. PENDAHULUAN 1.1 Latar Belakang Padi merupakan komoditas utama yang selalu dibudidayakan oleh petani di Indonesia. Tetapi ada banyak hal yang menjadi kendala dalam produktivitas budidaya tanaman padi
Lebih terperinciPENGGUNAAN ALGORITMA GENETIKA UNTUK MENENTUKAN LINTASAN TERPENDEK STUDI KASUS : LINTASAN BRT (BUS RAPID TRANSIT) MAKASSAR
PENGGUNAAN ALGORITMA GENETIKA UNTUK MENENTUKAN LINTASAN TERPENDEK STUDI KASUS : LINTASAN BRT (BUS RAPID TRANSIT) MAKASSAR Karels, Rheeza Effrains 1), Jusmawati 2), Nurdin 3) karelsrheezaeffrains@gmail.com
Lebih terperinciTeam project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
Lebih terperinciPengantar Kecerdasan Buatan (AK045218) Algoritma Genetika
Algoritma Genetika Pendahuluan Struktur Umum Komponen Utama Seleksi Rekombinasi Mutasi Algoritma Genetika Sederhana Referensi Sri Kusumadewi bab 9 Luger & Subblefield bab 12.8 Algoritma Genetika 1/35 Pendahuluan
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN APLIKASI
27 BAB 3 ANALISIS DAN PERANCANGAN APLIKASI 3.1 Analisis Pada subbab ini akan diuraikan tentang analisis kebutuhan untuk menyelesaikan masalah jalur terpendek yang dirancang dengan menggunakan algoritma
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Makanan merupakan salah satu hal utama untuk mendukung tubuh dalam melakukan berbagai aktifitas. Kandungan berbagai unsur penting dalam makanan seperti karbohidrat,
Lebih terperinciPUPUK KANDANG MK : PUPUK DAN TEKNOLOGI PEMUPUKAN SMT : GANJIL 2011/2011
PUPUK KANDANG MK : PUPUK DAN TEKNOLOGI PEMUPUKAN SMT : GANJIL 2011/2011 TUJUAN PEMBELAJARAN Memahami definisi pupuk kandang, manfaat, sumber bahan baku, proses pembuatan, dan cara aplikasinya Mempelajari
Lebih terperinciKONSEP ALGORITMA GENETIK BINER UNTUK OPTIMASI PERENCANAAN JADWAL KEGIATAN PERKULIAHAN
Jurnal Teknik dan Ilmu Komputer KONSEP ALGORITMA GENETIK BINER UNTUK OPTIMASI PERENCANAAN JADWAL KEGIATAN PERKULIAHAN (Binary Genetic Algorithm Concept to Optimize Course Timetabling) Iwan Aang Soenandi
Lebih terperinciPenerapan Algoritma Genetika untuk Optimasi Vehicle Routing Problem with Time Window (VRPTW) Studi Kasus Air Minum Kemasan
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 2, Februari 2017, hlm. 100-107 http://j-ptiik.ub.ac.id Penerapan Algoritma Genetika untuk Optimasi Vehicle Routing
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Penjadwalan Perkuliahan Penjadwalan memiliki pengertian durasi dari waktu kerja yang dibutuhkan untuk melakukan serangkaian untuk melakukan aktivitas kerja[10]. Penjadwalan juga
Lebih terperinciOPTIMASI PENJADWALAN KEGIATAN BELAJAR MENGAJAR DENGAN ALGORITMA GENETIK
OPTIMASI PENJADWALAN KEGIATAN BELAJAR MENGAJAR DENGAN ALGORITMA GENETIK Usulan Skripsi S-1 Jurusan Matematika Diajukan oleh 1. Novandry Widyastuti M0105013 2. Astika Ratnawati M0105025 3. Rahma Nur Cahyani
Lebih 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 terperinciPrediksi Harga Emas Batang Menggunakan Feed Forward Neural Network Dengan Algoritme Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 8, Agustus 2018, hlm. 2317-2322 http://j-ptiik.ub.ac.id Prediksi Harga Emas Batang Menggunakan Feed Forward Neural
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Penjadwalan Penjadwalan kegiatan belajar mengajar pada suatu lembaga pendidikan biasanya merupakan salah satu pekerjaan yang tidak mudah dan menyita waktu. Pada lembaga pendidikan
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 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 terperinciOptimasi Pemodelan Regresi Linier Berganda Pada Prediksi Jumlah Kecelakaan Sepeda Motor Dengan Algoritme Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 5, Mei 2018, hlm. 1932-1939 http://j-ptiik.ub.ac.id Optimasi Pemodelan Regresi Linier Berganda Pada Prediksi Jumlah
Lebih terperinciPenerapan 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 terperinci