APLIKASI ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH TRANPORTASI KRITERIA GANDA DENGAN PARAMETER BIAYA FUZZY

Paryati, . (2002) APLIKASI ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH TRANPORTASI KRITERIA GANDA DENGAN PARAMETER BIAYA FUZZY. Masters thesis, UPN "VETERAN" YOGAYAKARTA.

[img]
Preview
PDF
Download (250Kb) | Preview

    Abstract

    Telah dilakukan perancangan dan implementasi suatu perangkat lunak sebagai alat bantu untuk menyelesaikan model transportasi kriteria ganda dengan parameter biaya fuzzy, menggunakan algoritma genetika. Perangkat lunak ini diberi nama TraFAG. Perancangan perangkat lunak menggunakan metodologi Waterfall, yang terdiri dari analisa, desain, implementasi serta pengujian. Algoritama yang digunakan adalah algoritma genetika. Algoritma ini didasarkan pada proses genetika yang ada dalam makhluk hidup yaitu perkembangan generasi dalm asebuah populasi yang alami, secara lambar laun mengikuti prinsip seleksi atau siapa yang kuat yang akan bertahan ( Survive). Pada sistem transportasi, pengaruh kemacetan sarana transportasi menghailkan ketidak pastian pada sebagian atau seluruh koefisien pada fungsi objektif, seperti biaya transportasi atau waktu pengiriman yang menjadi tidak dapat diketahui secara pasti. Suatu cara untuk menangani ketidak pastian dalam pengambilan keputusan tersebut menggunakan prinsip fuzzy. Parameter biaya fuzzy pda TraFAG menggunakan Triangular Fuzzy Number (TFN). Dalam optimasi kriteria ganda, penetuan nilai optimal menggunakan solusi Pareto. Solusi Pareto ditentukan dengan mendasarkan pada nilai tujuan fuzzy yang diurutkan. Perbandingan dan pemungutan bilangan fuzzy menggunakan nilai integral. Perangkat lunak TraFAG diimplementasikan di lingkungan bahsa pemrograman Borland Delphi versi 3.0 yang merupakan pengembangan dari bahasa Pascal untuk lingkungan pemrograman berbasis Windows. Penyelesaian masalah transportasi kriteria ganda dapat diselesaikan denganpendekatan secara heuristik menggunakan algoiritma genetika. Analaisa hasil program menunjukkan bahwa waktu proses pada kasus uji berbanding lurus dengan hasil kali jumalh depot sumber dan depot utjuan dengan koefisien korelasi 0,89. Analisa juga menunjukkan bahwa banyaknya populasi adalah berbanding lurus/linier untuk masing-nmasing kasus uji terhadap waktu proses dengan koefisien korelasi 0,99. Parameter α menunjukkan derajat optimisme yang akan mempengaruhi hasil nilai integral secara linier. Semakin tinggi nilai alpha maka semakin besar biaya transoprtasi. Alpha yang baik dipilih adalah 0,5, yang merupkan nilai moderat sehingga berda dalam kondisi aman. Alpha yang menghasilkan biaya minimal untuk kasus uji 2 hingga kasus uji 6 adalah bernilai 0,1. Semakin besar jumlah popu;lasi maka mempunyai kecenderungan semakin kecil fungsi fitnessnya. Semakin besar jumlah generasi 300 ke atas. Probabilitas crossover berpengaruh terhadap fungsi fitness. Pada kasus 13 dan 15 probabilitas crossover yang mngakibatkan nilai fungsi fitness minimal adalah 0,1. Probabilitas mutasi banya berpengaruh terhadap fungsi fitness. Pada kasus 2 menyebabkan probabilitas mutasi stabil dengan nilai fitness 48,35

    Item Type: Thesis (Masters)
    Subjects: 000 Komputer, Informasi, dan Referensi Umum
    Divisions: Fakultas Teknologi Industri > Teknik Informatika
    Depositing User: dian praditya
    Date Deposited: 02 Jan 2012 13:30
    Last Modified: 02 Jan 2012 13:30
    URI: http://repository.upnyk.ac.id/id/eprint/1733

    Actions (login required)

    View Item