Penerapan Algoritma Genetika Untuk Penentuan Batasan Fungsi Kenggotaan Fuzzy Tsukamoto Pada Kasus Peramalan Permintaan Barang

Penulis

Rifki Setya Armanda, Wayan Firdaus Mahmudy

Abstrak

Perencanaan kapasitas produksi seharusnya menyesuaikan dengan kebutuhan permintaan. Hal ini bisa dicapai dengan melakukan peramalan permintaan barang yang diproduksi. Sistem inferensi fuzzy Tsukamoto bisa diimplementasikan untuk peramalan. Salah satu permasalahan dalam penerapan metode fuzzy adalah sulitnya menentukan batasan fungsi keanggotaan yang tepat. Pada tulisan ini diusulkan penggunaan algoritma genetika untuk memperbaiki batasan fungsi keanggotaan fuzzy sehingga didapatkan hasil peramalan yang lebih akurat. Percobaan komputasi membuktikan bahwa sistem inferensi fuzzy yang telah dioptimasi mampu memberikan hasil yang lebih akurat. Dalam hal ini penerapan algoritma genetika untuk penentuan batasan fungsi pada kasus peramalan permintaan barang dilakukan dengan menggunakan teknik extended intermediate crossover, mutasi dengan exchange point dan seleksi dengan menggunakan elitsm selection. Pada penelitian ini terdapat 4 tahapan dalam menentukan nilai error yang optimal dengan menggunakan algoritma genetika sebagai batasan fungsi keanggotaan fuzzy tsukamoto. Data yang digunakan dalam penelitian ini sebanyak 25 permintaan produksi dalam satuan minggu selama tahun 2015. Solusi optimal diperoleh pada ukuran populasi sebanyak 80, jumlah generasi sebesar 120, dan kombinasi crossover rate dan mutation rate sebesar 0.3 dan 0.7 dengan fitness sebesar 6.863533684.

Teks Lengkap:

PDF (English)

Referensi


Azizah, EN, Cholissodin, I & Mahmudy, WF. 2015, 'Optimasi fungsi keanggotaan fuzzy tsukamoto menggunakan algoritma genetika untuk penentuan harga jual rumah', Journal of Environmental Engineering & Sustainable Technology, vol. 2, no. 2, pp. 79-82.

Achnas, AH, Cholissodin, I & Mahmudy, WF 2015, 'Optimasi fuzzy inference system sugeno dengan algoritma hill climbing untuk penentuan harga jual rumah', Journal of Environmental Engineering & Sustainable Technology, vol. 2, no. 1, pp. 31-36.

Mahmudy, WF, Marian, RM & Luong, LHS. 2013, ‘Modeling and optimization of part type selection and loading problems in flexible manufacturing system using real coded genetic algorithms’, International Journal of Electrical, Computer, Electronics and Communication Engineering, vol. 7, no. 4, pp. 251-260.

Indroprasto & Suryani, E. 2012. ‘Analisis Pengendalian Persediaan dengan Metode EOQ Menggunakan Algoritma genetika untuk Mengefisiensikan Biaya Persediaan’. Jurnal Teknik, Institut Teknologi Sepuluh Nopember (ITS).

Nasution, Hakim, A, & Prasetyawan, Y. 2008. Perencanaan & Pengendalian Produksi. Graha Ilmu, Yogyakarta.

Rahmi, A & Mahmudy, WF 2016, ‘Pembentukan model regresi harga saham menggunakan algoritma genetika’, Seminar Nasional Teknologi Informasi dan Komunikasi (SENTIKA), Yogyakarta, 18-19 Maret.

Samaher & Mahmudy, WF 2015, ‘Penerapan algoritma genetika untuk memaksimalkan laba produksi jilbab’, Journal of Environmental Engineering & Sustainable Technology, vol. 2, no. 1, pp. 6-11.




DOI: http://dx.doi.org/10.25126/jtiik.201633201