Skripsi

Penerapan algoritma genetika dengan tournament selection dalam pencarian nilai optimum fungsi / Dewi Rahayau

Abstrak
Rahayu Dewi. 2014. Penerapan Algoritma Genetika dengan Tournament Selection dalam Pencarian Nilai Optimum Fungsi. Skripsi Jurusan Matematika FMIPA Universitas Negeri Malang. Pembimbing Darmawan Satyananda S.T. M.T. Kata kunci Algoritma Genetika Delphi Fungsi Nilai Optimum. Algoritma Genetika merupakan algoritma pencarian yang didasarkan atas mekanisme seleksi alam Charles Darwin. Salah satu penggunaan Algoritma Genetika adalah untuk menyelesaikan masalah pencarian nilai optimum fungsi. Pada penelitian sebelumnya telah dibahas penggunaan Algoritma Genetika untuk mencari nilai maksimum untuk fungsi kontinu dengan batas atas intervalnya merupakan bilangan positif. Oleh karena itu penelitian ini bertujuan untuk membahas penerapan Algoritma Genetika dalam pencarian nilai optimum fungsi serta implementasinya ke dalam program menggunakan bahasa pemrograman Delphi. Fungsi yang dibahas merupakan fungsi dua variabel yang kontinu pada himpunan terbatas dan tertutup. Secara khusus pada penelitian ini Algoritma Genetika diimplementasikan untuk fungsi pada interval . Algoritma Genetika dalam pencarian nilai optimum fungsi yang dilakukan secara manual memerlukan ketelitian dalam perhitungan dan memerlukan waktu yang tidak sedikit. Algoritma Genetika bisa diimplementasikan ke dalam program karena program komputer bisa menyelesaikan perhitungan dengan cepat dan teliti. Program Algoritma Genetika yang telah dirancang dibandingkan dengan program Maple. Diperoleh bahwa Maple lebih unggul dalam ketepatan solusi namun Maple menggunakan memori komputer hampir dua kali lebih besar yaitu 48 MB. Program Algoritma Genetika hanya menggunakan memori komputer sebesar 25 MB namun solusi yang dihasilkan program Algoritma Genetika tidak sebaik yang dihasilkan Maple. Pada percobaan variasi parameter solusi yang dihasilkan cenderung baik ketika menggunakan parameter yang diusulkan Kusumadewi yaitu (popsize ) (80 0 45 0 01). Namun pada parameter probabilitas crossover dan probabilitas mutasi terjadi ketidak stabilan solusi yang dihasilkan. Hal tersebut dipengaruhi oleh penggunaan bilangan random dalam proses Algoritma Genetika.

Informasi Detail

DDC

Rs 519.62 RAH p

Prodi

Universitas Negeri Malang. Program Studi Matematika, 2014.

Deskripsi Fisik

xii, 69 lembar : il., tab. ; 30 cm

Bahasa

Indonesia

No Reg

04046/KI/14

Edisi

Skripsi (Sarjana)-- Universitas Negeri Malang, 2014

Subjek

1. ALGORITMA GENETIKA

Pembimbing

1. Dermawan Satyananda

Lampiran Berkas