Computer File
Penerapan algoritma genetika pada penyelesaian permasalahan multi objective dengan menggunakan weighted value function method
Dalam dunia nyata, kebanyakan masalah optimasi yang terjadi tidak
hanya berkaitan dengan pemenuhan satu fungsi tujuan saja, tetapi justru melibatkan lebih dari satu fungsi tujuan yang harus dipenuhi pada saat bersamaan. Permasalahan dengan ban yak fungsi tujuan (multi objective) yang harus dicapai secara bersamaan mengharuskan pengambil keputusan (decision maker) berkaitan dengan solusi yang memuaskan, bukan solusi optimal dari keseluruhan fungsi tujuan. Solusi yang memuaskan ini mempunyai arti bahwa solusi yangdiberikan sedapat mungkin mencapai nilai / titik optimal untuk keseluruhan fungsi tujuan, dimana ukuran memuaskan ini berkaitan dengan sejauh mana preferensi pengambil keputusan menganggap bahwa suatu solusi
merepresentasikan nilai yang ingin (layak) dicapai dari keseluruhan fungsi tujuan. Tidak terdapatnya perpotongan / pertemuan daerah solusi untuk keseluruhan fungsi tujuan yang ada menyebabkan suatu kesulitan untuk menemukan solusi tunggal yang optimum. Di samping itu, tiap fungsi objektif memiliki solusi idealnya sendiri yang berbeda pad a semua fungsi objektif yang lain. Ketika terjadi konflik antar solusi ideal dari fungsi tujuan yang ada, maka penyelesaian permasalahan multi objective berkaitan dengan sejumlah solusi yang sedapat mung kin memenuhi fungsi - fungsi tujuan yang ingin dicapai. Solusi - solusi ini tidak bersifat optimal untuk keseluruhan fungsi tujuan, juga
terkadang bersifat trade-off antar fungsi tujuan. Proses menghasilkan sejumlah solusi yang mung kin tersebut dapat dilakukan dengan konsep optimalitas Pareto. Metode - metode optimasi konvensional yang telah ada cenderung untuk membentuk suatu runtutan perhitungan yang bersifat deterministik berdasarkan turunan dari suatu fungsi tujuan tertentu. Pendekatan ini dapat mengakibatkan masalah local optima. Hal ini disebabkan titik solusi akhir yang didapatkan sangat bergantung pada titik solusi awal yang didapatkan dari suatu fungsi tujuan pertama yang ingin dicapai. Proses pencarian solusiyang memuaskan dengan Metode Algoritma Genetika dilakukan dengan melakukan eksplorasi dan eksploitasi ruang solusi berdasarkan pendekatan populasi ke populasi solusi yang potensial dan feasible. Pendekatan dari konsep optimalitas Pareto yang digunakan di dalam menyelesaikan permasalahan optimasi multi objective dalam penelitian ini adalah Weighted Value Function Method. Metode ini melakukan pengagregasian fungsi-fungsi tujuan yang ada ke dalam satu fungsi tujuan dengan pemberian bobot pada masing - masing fungsi tujuan. Model algoritma penelitian telah dapat diterapkan dalam permasalahan multi objective linear dan non linear, dimana solusi yang diberikan telah mampu menyelesaikan permasalahan pada kasus - kasus yang diuji. Solusi dari model algoritma penelitian didapatkan dengan menggunakan alat bantu berupa software penelitian yang telah terverifikasi dan tervalidasi. Model algoritma penelitian memberikan solusi permasalahan yang lebih baik dibandingkan dengan solusi dari penelitian sebelumnya. Kriteria lebih baik ini terlihat dari total persentase terhadap pencapaian solusi ideal yang didapatkan untuk setiap fungsi tujuan, dimana kriteria ini juga digunakan oleh penelitian sebelumnya.
Barcode | Tipe Koleksi | Nomor Panggil | Lokasi | Status | |
---|---|---|---|---|---|
skp19721 | DIG - FTI | Skripsi | TI SIE p/05 | Perpustakaan | Tersedia namun tidak untuk dipinjamkan - Missing |
Tidak tersedia versi lain